基于大数据算法的肤质检测方法系统和设备技术方案

本发明专利技术涉及一种基于大数据算法的的肤质检测方法，包括如下步骤：步骤1、建立人脸皮肤样本库；步骤2、获取训练样本集和待识别样本；步骤3、提取彩色小图像块的纹理特征和RGB色彩信息；步骤4、训练VGG16分类器；步骤5、对待识别样本集中的彩色小图像块进行分类；步骤6、统计各类类别下的彩色小图像块的数量占彩色小图像块总数的比例，得到肤质检测结果。本发明专利技术提高了对复杂多变的圆形皮肤问题例如肤色检测、肤龄检测、左右单双眼皮、有无眼袋、黑眼圈、抬头纹、鱼尾纹、眼部细纹、法令纹、肤质检测的检测的正确率，能够对各类皮肤问题的严重程度进行分析，提高了人脸皮肤肤质分析的可靠性，并可应用到了自动贩售设备中。

【技术实现步骤摘要】
基于大数据算法的肤质检测方法系统和设备
本专利技术属于图像识别
，具体涉及一种基于大数据算法的肤质检测方法、系统和设备。
技术介绍
近年来，随着生活水平的提高，医学美容的飞速发展，人们越来越开始注重自身皮肤的健康状况。在对皮肤进行护理时，首先需要对面部皮肤进行合理的评价。人脸皮肤问题主要包括肤色检测、肤龄检测、左右单双眼皮、有无眼袋、黑眼圈、抬头纹、鱼尾纹、眼部细纹、眉间细纹、法令纹、肤质检测，这些皮肤问题是人们关注最多的，在医学上已有明确的鉴定标准，可以通过肉眼判断其类型，但是其严重程度受主观影响较大。目前国内外的人脸皮肤肤质检测产品主要分为两类：1、基于生物电阻抗测量法的金属测试式肤质检测仪，此类产品价格便宜但检测功能单一、精度低；2、基于图像处理的机械检测仪，此产品功能完善，缺点是价格昂贵、体积巨大，不适合随身携带。综上分析，目前急需一种评价皮肤肤况的新方法。
技术实现思路
本专利技术针对上述现有技术的不足，提出一种基于大数据算法的肤质检测方法。本专利技术涉及一种基于大数据算法的的肤质检测方法，包括如下步骤：步骤1、建立人脸皮肤样本库：采集皮肤图像并将其均分为多个彩色小图像块，将皮肤状态分类，使彩色小图像块与皮肤状态对应；确定彩色小图像块对应皮肤状态的种类，组成人脸皮肤样本库；步骤2、获取训练样本集和待识别样本：从人脸皮肤样本库中，随机选取彩色小图像块及其对应的种类组成训练样本集；将人脸皮肤样本库中剩余所有彩色小图像块组成待识别样本集；步骤3、提取彩色小图像块的纹理特征和RGB色彩信息；步骤4、训练VGG16分类器：将没有顶层的VGG16分类模型作为分类器；然后将训练样本集中，所有彩色小图像块的纹理特征和RGB色彩信息，与每个彩色小图像块对应的种类，同时输入到分类器中进行训练，得到训练好的VGG16分类器；步骤5、对待识别样本集中的彩色小图像块进行分类：将待识别样本集中每个彩色小图像块的纹理特征和RGB色彩信息同时输入到训练好的VGG16分类器中进行分类，得到每个彩色小图像块的分类结果；步骤6、统计各类类别下的彩色小图像块的数量占彩色小图像块总数的比例，得到肤质检测结果。进一步地，步骤3中，提取彩色小图像块的纹理特征和RGB色彩信息的具体方法如下：(3a)利用转换公式，将每个彩色小图像块从RGB色彩空间转换到HSV色彩空间，并从HSV色彩空间中分离出S通道；(3b)利用低频图像的小波分解公式，对S通道进行小波分解，得到每个彩色小图像块对应的低频小图像块；(3c)利用最大类间方差公式，计算每个低频小图像块的最大类间方差；(3d)将最大类间方差对应的分割阈值作为最佳阈值；(3e)判断每个低频小图像块的最佳阈值是否大于低频小图像块的平均灰度值，若是，则判定该低频小图像块中含有毛发，执行步骤(3f)，否则，则判定该低频小图像块中不含有毛发；(3f)将每个低频小图像块的最佳阈值加40后，得到更新后的最佳阈值，使用更新后的最佳阈值对含有毛发的低频小图像块进行二值化处理，得到去除皮肤毛发干扰的二值小图像块；(3g)对每个不含有毛发的低频小图像块进行二值化处理；(3h)将每个二值小图像块中白色像素点的分布，作为与其对应的彩色小图像块的纹理特征；(3i)将每个二值化后的小图像块与其对应的RGB彩色小图像块相乘，得到彩色小图像块的RGB色彩信息。进一步地，步骤(3a)中，所述转换公式如下：其中，S(i,j)表示横坐标为i、纵坐标为j的HSV图像像素点的饱和度通道数值，max表示取最大值操作，r,g,b分别表示RGB颜色空间的红、绿、蓝三个通道的数值，r,g,b∈[0,1,...,255]，min表示取最小值操作。进一步地，步骤(3b)中，所述低频图像的小波分解公式如下：Dj＝LrLcCj其中，Dj表示第j次小波分解后的低频图像，L表示一维低通镜像小波滤波算子，r和c分别表示S通道图像的行和列，Cj表示第j次小波分解前的S通道图像。进一步地，步骤(3c)中，所述最大类间方差公式如下：其中，T表示图像的分割阈值，分割阈值T按图像像素大小将低频小图像块分为目标和背景两部分，gT表示分割阈值为T的低频小图像块的类间方差，w0表示低频小图像块的目标像素占低频小图像块像素总数的比例，u0表示目标像素点的平均灰度，u表示低频小图像块的平均灰度。进一步地，步骤1中，采集皮肤图像的方法为：通过高清摄像头采集至少1000个人的彩色皮肤图像，每个人采集人脸的5个部位，每个部位的采集10张图像收集至样本库。进一步地，步骤1中，所述皮肤状态可分为：肤色检测、肤龄检测、左右单双眼皮、有无眼袋、黑眼圈、抬头纹、鱼尾纹、眼部细纹、眉间细纹、法令纹、肤质检测。进一步地，步骤6中，将肤质检测结果与后台数据库中护肤品类进行关联选择，将结果传导至前端销售界面，以选择适合的护肤品。本专利技术涉及一种基于大数据算法的的肤质检测方法的系统。本专利技术还涉及一种基于大数据算法的肤质检测设备，所述设备包括肤质检测组件1、磁感应电动门2、第一人机交互触摸屏3、处理器4、灯带5、脚踏式重力感应光源6；检测组件1的主体为亚克力材质圆柱体，磁感应电动门2以铝型材T型螺栓固定在所述主体上，第一人机交互触摸屏3固定于主体的背板上，处理器4内置于第一人机交互触摸屏3中，面部激光定位装置与广角图像采集装置以内嵌方式嵌于所述主体背板上，脚踏式重力感应光源6嵌于主体底部。进一步地，所述设备还包括售卖装置，该售卖装置包括第二人机交互触摸屏7、双轴升降机8、货仓9、贩售组件10和出货口11；第二人机交互触摸屏7通过挖孔的方式嵌于10贩售组件，出货口11连接货仓9，双轴升降机8用固定螺栓安装于货仓9内部，通过第二人机交互触摸屏7选定商品，由双轴升降机8在货仓9内部定位，取出货物送至出货口11。本专利技术提高了对复杂多变的圆形皮肤问题例如肤色检测、肤龄检测、左右单双眼皮、有无眼袋、黑眼圈、抬头纹、鱼尾纹、眼部细纹、眉间细纹、法令纹、肤质检测的检测的正确率，能够对各类皮肤问题的严重程度进行分析，提高了人脸皮肤肤质分析的可靠性，并可应用到了自动贩售设备中。本专利技术与现有技术相比有以下优点：第一，本专利技术采用二值化后的小图像块与其对应的RGB彩色小图像块相乘，得到彩色小图像块的RGB色彩信息，并利用卷积神经网络的VGG16分类模型对提取到的特征进行训练，克服了现有技术中由于缺乏对色彩特征的提取而导致对于复杂多变的圆形皮肤问题较难分辨的缺点，使本专利技术能够检测斑点、痤疮、毛孔、痣。第二，本专利技术采用将每张彩色皮肤图像均分为100个彩色小图像块，统计各类类别下的彩色小图像块的数量占彩色小图像块总数的比例，克服了现有技术中缺乏对皮肤问题严重程度的检测的缺点，使本专利技术能够直观的呈现皮肤肤况。附图说明图1为本专利技术的肤质检测方法流程图；图2(a)为采集人脸本文档来自技高网...

【技术保护点】
1.一种基于大数据算法的肤质检测方法，其特征在于，包括如下步骤：/n步骤1、建立人脸皮肤样本库：采集皮肤图像并将其均分为多个彩色小图像块，将皮肤状态分类，使彩色小图像块与皮肤状态对应；确定彩色小图像块对应皮肤状态的种类，组成人脸皮肤样本库；/n步骤2、获取训练样本集和待识别样本：从人脸皮肤样本库中，随机选取彩色小图像块及其对应的种类组成训练样本集；将人脸皮肤样本库中剩余所有彩色小图像块组成待识别样本集；/n步骤3、提取彩色小图像块的纹理特征和RGB色彩信息；/n步骤4、训练VGG16分类器：将没有顶层的VGG16分类模型作为分类器；然后将训练样本集中，所有彩色小图像块的纹理特征和RGB色彩信息，与每个彩色小图像块对应的种类，同时输入到分类器中进行训练，得到训练好的VGG16分类器；/n步骤5、对待识别样本集中的彩色小图像块进行分类：将待识别样本集中每个彩色小图像块的纹理特征和RGB色彩信息同时输入到训练好的VGG16分类器中进行分类，得到每个彩色小图像块的分类结果；/n步骤6、统计各类类别下的彩色小图像块的数量占彩色小图像块总数的比例，得到肤质检测结果。/n

【技术特征摘要】
1.一种基于大数据算法的肤质检测方法，其特征在于，包括如下步骤：
步骤1、建立人脸皮肤样本库：采集皮肤图像并将其均分为多个彩色小图像块，将皮肤状态分类，使彩色小图像块与皮肤状态对应；确定彩色小图像块对应皮肤状态的种类，组成人脸皮肤样本库；
步骤2、获取训练样本集和待识别样本：从人脸皮肤样本库中，随机选取彩色小图像块及其对应的种类组成训练样本集；将人脸皮肤样本库中剩余所有彩色小图像块组成待识别样本集；
步骤3、提取彩色小图像块的纹理特征和RGB色彩信息；
步骤4、训练VGG16分类器：将没有顶层的VGG16分类模型作为分类器；然后将训练样本集中，所有彩色小图像块的纹理特征和RGB色彩信息，与每个彩色小图像块对应的种类，同时输入到分类器中进行训练，得到训练好的VGG16分类器；
步骤5、对待识别样本集中的彩色小图像块进行分类：将待识别样本集中每个彩色小图像块的纹理特征和RGB色彩信息同时输入到训练好的VGG16分类器中进行分类，得到每个彩色小图像块的分类结果；
步骤6、统计各类类别下的彩色小图像块的数量占彩色小图像块总数的比例，得到肤质检测结果。


2.根据权利要求1所述的基于大数据算法的肤质检测方法，其特征在于，步骤3中，提取彩色小图像块的纹理特征和RGB色彩信息的具体方法如下：
(3a)利用转换公式，将每个彩色小图像块从RGB色彩空间转换到HSV色彩空间，并从HSV色彩空间中分离出S通道；
(3b)利用低频图像的小波分解公式，对S通道进行小波分解，得到每个彩色小图像块对应的低频小图像块；
(3c)利用最大类间方差公式，计算每个低频小图像块的最大类间方差；
(3d)将最大类间方差对应的分割阈值作为最佳阈值；
(3e)判断每个低频小图像块的最佳阈值是否大于低频小图像块的平均灰度值，若是，则判定该低频小图像块中含有毛发，执行步骤(3f)，否则，则判定该低频小图像块中不含有毛发；
(3f)将每个低频小图像块的最佳阈值加40后，得到更新后的最佳阈值，使用更新后的最佳阈值对含有毛发的低频小图像块进行二值化处理，得到去除皮肤毛发干扰的二值小图像块；
(3g)对每个不含有毛发的低频小图像块进行二值化处理；
(3h)将每个二值小图像块中白色像素点的分布，作为与其对应的彩色小图像块的纹理特征；
(3i)将每个二值化后的小图像块与其对应的RGB彩色小图像块相乘，得到彩色小图像块的RGB色彩信息。


3.根据权利要求2所述的基于大数据算法的肤质检测方法，其特征在于，步骤(3a)中，所述转换公式如下：



其中，S(i,j)表示横坐标为i、纵坐标为j的HSV图像像素点的饱和度通道数值，max表示取...

【专利技术属性】
技术研发人员：杨洋，林力鑫，王宪林，
申请(专利权)人：杨洋，
类型：发明
国别省市：黑龙江;23