【技术实现步骤摘要】
一种脱发等级识别方法和系统
[0001]本专利技术涉及深度学习领域，更具体地，涉及一种脱发等级识别方法和系统。
技术介绍
[0002]目前脱发在青少年里是越来越常见，有时会因为心理原因，害羞而不敢去看医生或者容易忽略脱发情况，导致脱发问题越来越严重。通过脱发等级划分，可以清楚了解自身脱发程度，现有脱发等级的划分主要是通过医生去判断，这种方法需要花费时间去医院，一些患者很难抽出时间去医院。
[0003]公开日为2012年10月17日，公开号为CN102727181A的中国专利公开了一种通过数学算法精确掌握脱发程度的测定方法。基于被测者的毛发数、毛发厚度以及毛囊数，通过数学算法计算出体现脱发程度的数值，与现有的根据测定者的经验及目测来掌握脱发程度的方法相比，具有能够更精确地掌握脱发程度的优点。另外，通过精确掌握脱发程度，可以根据脱发程度来进行适当的治疗，从而具有可以有效治疗脱发的优点。但是该方法依然需要一系列的医学测量，对患者很不方便。
技术实现思路
[0004]本专利技术的首要目的是提供一种脱发等级识别...
【技术保护点】
【技术特征摘要】
1.一种脱发等级识别方法，其特征在于，包括以下步骤：S1：获取包括人脸的图像，并训练一个多尺度卷积层，用于进行人脸检测，提取所述图像中的人脸区域；S2：对得到的人脸区域图像进行预处理；S3：将预处理后的人脸区域图像输入至预训练好的脱发等级识别模块进行识别，输出脱发等级。2.根据权利要求1所述的脱发等级识别方法，其特征在于，步骤S1中所述获取包括人脸的图像，具体获取方法为：通过包括摄像头、照相机的采集装置或通过用户手动上传的方式自动采集包括人脸的图像，所述包括人脸的图像包括人的正脸图像和头顶图像。3.根据权利要求2所述的脱发等级识别方法，其特征在于，所述训练一个多尺度卷积层，具体为：在训练阶段，利用公开数据库CASIA
‑
WebFace人脸识别数据集的相关人脸数据进行训，其损失函数为：式中，K代表网格的长度，M代表一个网格中M个不同区域，代表第i个网格的第j个区域是否表示一个目标，如果是，则为1，否则为0，代表第i个网格的第j个区域是否不表示一个目标，如果是，则为1，否则为0，为区域的实际中心点，(x
i
,y
i
)为区域的预测中心点，为区域的实际长和宽，(w
i
,h
i
)为区域的预测长和宽，为该区域内包含目标的置信度，C
i
为预测的置信度，为该区域属于C类物体的真实概率，P
i
(c)为预测概率，λ
coord
，λ
noobj
为权重系数，用于平衡不同损失项的贡献。4.根据权利要求3所述的脱发等级识别方法，其特征在于，步骤S1中提取所述图像中的人脸区域，具体为：通过训练好的多尺度卷积层识别，将预测为人脸的网格提取出来，得到对应的中心坐标(x，y)和长宽(w，h)，根据坐标和长宽将人脸区域从原图像中分割出来。
5.根据权利要求4所述的脱发等级识别方法，其特征在于，步骤S1中训练一个多尺度卷积层，用于进行人脸检测具体为：将所述包括人脸的图像依次输入至第一MCBL*2层、第一residual*1层、第一MCBL*1层、第一residual*2层、第一MCBL*1层和第一residual*8层；第一residual*8层的输出依次输入至第一CBL*1层、第二residual*8层、第二CBL*1层、第一residual*4层、第一CBL*5层、第三CBL*1层、第一Conv层后得到特征图Y1；第一residual*4层的输出经第四CBL*1层和上采样后，与第二residual*8层的输出依次输入至第二CBL*5层、第五CBL*1层、第二Conv层后得到特征图Y2；第二CBL*5层的输出经第六CBL*1层合上采样后，与第一residual*8层的额输出依次输入至第三CBL*5层、第七CBL*1层、第三Conv层后得到特征图Y3；根据特征图Y1、Y2和Y3，框出包括人脸的图像中的人脸区域。6.根据权利要求5所述的脱发等级识别方法，其特征在于，所述MCBL为多尺度卷积，由多个不...
【专利技术属性】
技术研发人员：曾安，容华斌，潘丹，李艺，易延华，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。