一种基于k-means聚类确定面部光泽的方法及系统技术方案

本发明专利技术公开了一种基于k‑means聚类确定面部光泽的方法，属于机器学习与图像处理技术领域。本发明专利技术方法，包括：采集面部RGB颜色空间的样本图像，对样本图像进行灰度化处理，转换为HSI颜色空间的图像；对HSI颜色空间的图像进行k‑means聚类处理，选择灰度均值最大的目标图像作为处理图像；根据灰度值和灰度均值，确定处理图像中灰度值大于灰度均值的像素点的占比；根据灰度值、灰度均值和灰度值大于灰度均值的像素点的占比，确定灰度均值阈值和占比阈值，根据灰度均值阈值和占比阈值确定判定规则；对灰度均值和灰度值大于灰度均值的像素点的占比，与判定规则进行对比，确定目标面部光泽。本发明专利技术可以有效的判别面部光泽，为进一步面部分析奠定了坚实的基础。

A method and system for determining facial gloss based on K-means clustering

【技术实现步骤摘要】
一种基于k-means聚类确定面部光泽的方法及系统
本专利技术涉及机器学习与图像处理
，并且更具体地，涉及一种基于k-means聚类确定面部光泽的方法及系统。
技术介绍
将物理或抽象对象的集合分成由类似的对象组成的多个类的过程被称为聚类。由聚类所生成的簇是一组数据对象的集合，这些对象与同一个簇中的对象彼此相似，与其他簇中的对象相异，可以由“物以类聚，人以群分”简单概括。也可以说按照某个特定标准(如距离准则，即数据点之间的距离)把一个数据集分割成不同的类或簇，使得同一个簇内的数据对象的相似性尽可能大，同时不在同一个簇中的数据对象的差异性也尽可能地大。我们可以具体地理解为，聚类后同一类的数据尽可能聚集到一起，不同类数据尽量分离，即类类间距离大，类内间距离小。和分类算法相比，分类算法是有监督学习，是基于有标注的历史数据进行算法模型的构建，而聚类算法是无监督学习，数据集中的数据是没有标注的。
技术实现思路
本专利技术的目的在于确定目标面部光泽，而提出了一种基于k-means聚类确定面部光泽的方法，包括：本文档来自技高网...

【技术保护点】
1.一种基于k-means聚类确定面部光泽的方法，所述方法包括：/n采集面部RGB颜色空间的样本图像，对样本图像进行灰度化处理，转换为HSI颜色空间的图像；/n对HSI颜色空间的图像进行k-means聚类处理，生成多个目标图像，对多个目标图像进行灰度化处理，确定多个目标图像中的每个目标图像的灰度值及灰度均值，选择灰度均值最大的目标图像作为处理图像；/n根据灰度值和灰度均值，确定处理图像中灰度值大于灰度均值的像素点的占比；/n根据灰度值、灰度均值和灰度值大于灰度均值的像素点的占比，确定灰度均值阈值和占比阈值，根据灰度均值阈值和占比阈值确定判定规则；/n对灰度均值和灰度值大于灰度均值的像素点的占比...

【技术特征摘要】
1.一种基于k-means聚类确定面部光泽的方法，所述方法包括：
采集面部RGB颜色空间的样本图像，对样本图像进行灰度化处理，转换为HSI颜色空间的图像；
对HSI颜色空间的图像进行k-means聚类处理，生成多个目标图像，对多个目标图像进行灰度化处理，确定多个目标图像中的每个目标图像的灰度值及灰度均值，选择灰度均值最大的目标图像作为处理图像；
根据灰度值和灰度均值，确定处理图像中灰度值大于灰度均值的像素点的占比；
根据灰度值、灰度均值和灰度值大于灰度均值的像素点的占比，确定灰度均值阈值和占比阈值，根据灰度均值阈值和占比阈值确定判定规则；
对灰度均值和灰度值大于灰度均值的像素点的占比，与判定规则进行对比，确定目标面部光泽。


2.根据权利要求1所述的方法，所述灰度均值阈值和占比阈值数量均为3个；
所述灰度均值阈值，包括：灰度均值阈值0、灰度均值阈值1和灰度均值阈值2；
所述占比阈值，包括：占比阈值0、占比阈值1和占比阈值2。


3.根据权利要求1所述的方法，所述判定规则，具体为：
条件1，灰度均值大于或等于灰度均值阈值1，且灰度值大于灰度均值的像素点的占比大于占比阈值0；
条件2，如果灰度均值大于或等于灰度阈值0、灰度均值小于灰度均值阈值1且灰度值大于灰度均值的像素点的占比大于占比阈值2；
条件3，灰度均值大于或等于灰度均值阈值1、灰度均值小于灰度均值阈值2且灰度值大于灰度均值的像素点的占比大于占比阈值1；
当灰度均值和灰度值大于灰度均值的像素点的占比满足条件1、条件2和条件3中的任意一个条件时，确定目标面部有光泽，否则判定目标面部有少量光泽。


4.根据权利要求1所述的方法，所述多个目标图像为3-7个目标图像。


5.一种基于k...

【专利技术属性】
技术研发人员：魏春雨，周枫明，王雨晨，
申请(专利权)人：新绎健康科技有限公司，
类型：发明
国别省市：河北;13