一种肤质油份分型方法、计算机设备、系统及存储介质技术方案

本发明专利技术属于医疗美容技术领域，具体涉及一种肤质油份分型方法、计算机设备、系统及存储介质。本发明专利技术的肤质油份分型方法包括如下步骤：（1）输入皮肤照片，将所述皮肤照片转化为HSV空间；（2）从所述HSV空间中识别并增强包含油分特征的区域，得到油份特征增强效果图像；（3）将所述油份特征增强效果图像输入肤质油份分型模型，得到肤质油份分型结果。本发明专利技术通过使用卷积神经网络与图像处理算法相结合的方法，能够对拍摄质量一般（如手机在普通光线下拍摄）的皮肤照片进行准确的油份分型。这大大降低了对设备和使用者专业程度的要求，具有很好的应用前景。

【技术实现步骤摘要】
一种肤质油份分型方法、计算机设备、系统及存储介质
本专利技术属于医疗美容
，具体涉及一种肤质油份分型方法、计算机设备、系统及存储介质。
技术介绍
在现代社会，人们对自己的容貌越来越重视，皮肤护理已经成为人们最关注的话题之一。皮肤是人体的第一道防线，良好的肤质不仅有益于健康，而且能提升自身的整体形象，在工作和日常生活中都有着重要的作用。随着医美行业的兴起，各种美容服务和产品层出不穷，特别是涌现出种类繁多的化妆品、护肤品。面对各式各样的化妆品、护肤品选择时，人们缺乏一个合适的标准，常常感到无从下手。传统的方法是由专业美容医师根据他们的护理学知识和长期的诊断经验来做分析。然而由于引起人体面部肤质问题的原因复杂多样，只依靠主观推断很难发现一切肤质问题，导致人们对护肤品的使用效果难以判断，无法指导护肤品的正确选择与使用。为了让顾客对自己的肤质有一定的了解，很多大型护肤品公司、美容院、医美研究机构开始使用专业肤质检测设备对人脸肤质状况进行检测。然而，这类设备体积笨重、价格昂贵，还需要专业人员操作，只适用于医疗机构使用。普通人群普遍工作紧张，基于时间、价格、便捷性等多方面的限制，很难定期寻求专业美容医师的指导和建议。因此，研究一种能便捷地对消费者肤质状况进行精确检测的方法对改善国民肤质健康具有重要的意义。随着机器学习技术的发展，其被应用于越来越多的行业和领域。中国专利技术专利申请“CN110533634A基于人工智能的方案推荐方法、装置、计算机设备及存储介质”提供了一种利用卷积神经网络模型，通过输入肤质图片对肤质进行分类的方法。然而，皮肤照片的拍摄结果与拍摄设备、软件、光线、角度、部位、聚焦效果等多方面的因素有关。因此，对于这些现有的机器学习肤质分类方法，若想要得到准确的分类结果，通常需要用专业的设备进行拍摄，从而获得与模型训练所用的训练图片质量相当的皮肤照片，这限制了机器学习技术在肤质分类领域的推广和应用。
技术实现思路
针对现有技术中的缺陷，本专利技术提供一种肤质油份分型方法、计算机设备、系统及存储介质，其目的在于：通过图像处理算法增强皮肤照片中的油份特征，实现对拍摄质量不佳（如手机拍照）的皮肤照片的油份分型，无需专业设备拍摄，有利于机器学习技术在肤质分类领域的推广和应用。一种肤质油份分型方法，包括如下步骤：（1）输入皮肤照片，将所述皮肤照片转化为HSV空间；（2）从所述HSV空间中识别并增强包含油分特征的区域，得到油份特征增强效果图像；（3）将所述油份特征增强效果图像输入肤质油份分型模型，得到肤质油份分型结果。优选的，步骤（2）具体包括如下步骤：（2.1）在所述HSV空间中，对S和V空间通过阈值分割进行二值化处理；（2.2）从二值化处理后的S和V空间进行亮色区域逻辑运算，取亮色区域，得到油份特征增强效果图像；所述亮色区域逻辑运算为：～S&V，其中，~表示取反操作，&表示位与操作。优选的，所述模型是卷积神经网络模型，所述卷积神经网络模型由输入数据层、卷积层、池化层、全连接层和输出层构成。优选的，所述卷积层分别用3个尺寸的过滤器，各对输入数据层的输入数据进行4次卷积操作；所述过滤器的尺寸为1×1×3、3×3×3和5×5×3；和/或，所述卷积层使用的激活函数是ReLU；和/或，所述池化层的规模为5×5；和/或，所述全连接层具有100个神经元。优选的，所述模型进行训练时使用的激活函数为softmax，使用的损失函数为log-likelihood。优选的，所述模型的输入数据为油份特征增强效果图像的3通道HSV数据。优选的，所述3通道HSV数据的大小为299*299。本专利技术还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述方法。本专利技术还提供一种肤质油份分型系统，包括：上述计算机设备；用于采集和/或输入和/或存储用户的皮肤照片的设备。本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序用于实现上述肤质油份分型方法。现有技术中，用于分析肤质类型的专业设备为了突出肤质的油份特征，会采用特别的光源（使用白光、偏振光、紫外光分别进行拍照）和编码方式进行拍摄。若采用拍摄质量不佳的照片（如手机照片再普通光源下拍摄的结果），则通常难以得到准确的油份分型结果。在机器学习中，使用上述拍摄质量不佳的照片将会因为算法无法提取关联指标的特征而无法收敛，导致学习失败。本专利技术采取了首先对照片进行图像处理，增强油份指标在照片上的特征表现，从而解决了上述问题，能够提高深度学习算法自动提取油份特征的准确性。另一方面，针对RGB图像中将色调、亮度和饱和度共同存放难以分开的困难，本专利技术的方法将皮肤照片的颜色空间由RGB转化为HSV。HSV空间是一种将亮度信息从颜色中分离出来的颜色空间，并且使用HSV颜色空间时，肤色的H空间相对稳定的分布在一个比较窄的范围内，在对人脸颜色特征进行分析时，只需要对S和V空间进行处理就可以将符合油份指标模型的区域提取出来。因此，本专利技术采用HSV空间对手机照片进行图像处理，突出图像的油份指标特征，为深度学习算法建模打下良好的基础。基于经过图像处理算法进行特征增强的图像进行深度学习，不仅加快了卷积神经网络模型的训练速度，同时还大幅提高了模型的准确度。在优选方案中，为了让油份分型模型既能够考虑单位面积的油份程度，还能考虑其区域分布因素，以及区域面积大小的因素，设计了不同尺寸的过滤器，对输入图像进行多次卷积操作。这种设计非常切合肤质油份分型的应用场景，可以大大提高模型的准确性。显然，根据本专利技术的上述内容，按照本领域的普通技术知识和惯用手段，在不脱离本专利技术上述基本技术思想前提下，还可以做出其它多种形式的修改、替换或变更。以下通过实施例形式的具体实施方式，对本专利技术的上述内容再作进一步的详细说明。但不应将此理解为本专利技术上述主题的范围仅限于以下的实例。凡基于本专利技术上述内容所实现的技术均属于本专利技术的范围。附图说明图1为实施例1的肤质油份分型方法的流程示意图；图2为实施例1的肤质油份分型方法中步骤（1）-（2）的流程示意图；图3为HSV颜色空间示意图；图4为手机拍摄的人脸皮肤照片；图5为S空间二值化效果图；图6为V空间二值化效果图；图7为油份特征增强效果图像；图8为实施例1的卷积神经网络模型示意图；图9为实施例1的输入数据层示意图；图10为实施例1的卷积层中3类卷积过滤器的示意图；图11为实施例1的卷积层示意图；图12为实施例1的池化层的计算示意图；图13为实施例1的模型训练的流程示意图。具体实施方式需要特别说明的是，实施例中未具体说明的数据采集、传输、储存和处理等步骤的算法，以及未具体说明的硬件结构、电路连接等本文档来自技高网...

【技术保护点】
1.一种肤质油份分型方法，其特征在于，包括如下步骤：/n（1）输入皮肤照片，将所述皮肤照片转化为HSV空间；/n（2）从所述HSV空间中识别并增强包含油分特征的区域，得到油份特征增强效果图像；/n（3）将所述油份特征增强效果图像输入肤质油份分型模型，得到肤质油份分型结果。/n

【技术特征摘要】
1.一种肤质油份分型方法，其特征在于，包括如下步骤：
（1）输入皮肤照片，将所述皮肤照片转化为HSV空间；
（2）从所述HSV空间中识别并增强包含油分特征的区域，得到油份特征增强效果图像；
（3）将所述油份特征增强效果图像输入肤质油份分型模型，得到肤质油份分型结果。


2.按照权利要求1所述的肤质油份分型方法，其特征在于：步骤（2）具体包括如下步骤：
（2.1）在所述HSV空间中，对S和V空间通过阈值分割进行二值化处理；
（2.2）从二值化处理后的S和V空间进行亮色区域逻辑运算，取亮色区域，得到油份特征增强效果图像；
所述亮色区域逻辑运算为：～S&V，
其中，~表示取反操作，&表示位与操作。


3.按照权利要求1所述的肤质油份分型方法，其特征在于：所述模型是卷积神经网络模型，所述卷积神经网络模型由输入数据层、卷积层、池化层、全连接层和输出层构成。


4.按照权利要求3所述的肤质油份分型方法，其特征在于：所述卷积层分别用3个尺寸的过滤器，各对输入数据层的输入数据进行4次卷积操作；所述过滤器的尺寸为1×1×3、3×3×3和5×5×3；
...

【专利技术属性】
技术研发人员：李利，华薇，舒晓红，唐洁，熊丽丹，
申请(专利权)人：四川大学华西医院，
类型：发明
国别省市：四川;51