智能人脸的痘痘和色斑分析方法、装置及存储介质制造方法及图纸

本申请提供一种智能人脸的痘痘和色斑分析方法、装置及存储介质，所述方法包括：电子设备采集目标对象的人脸图像；电子设备对人脸图像进行预处理，执行摆正对齐后分割出人脸区域图像；将人脸区域图片输入到预设的人脸色斑与痘痘严重程度分类模型执行分类计算得到分类结果，依据该分类结果确定色斑与痘痘严重程度等级。本申请提供的技术方案具有用户体验度高的优点。的优点。的优点。

【技术实现步骤摘要】
智能人脸的痘痘和色斑分析方法、装置及存储介质


[0001]本申请涉及图像以及人工智能
，具体涉及一种智能人脸的痘痘和色斑分析方法、装置及存储介质。

技术介绍

[0002]随着经济的发展，人们越来越在意自己的皮肤状况，人脸肤质分析在我们日常生活中的重要性不断提升。不同的皮肤状况对应着不同的护肤方式以及不同类型的化妆品，例如油性肌肤应该选择控油的洗面奶等。然而现实生活中很多人无法对自己的皮肤状况有一个清晰的认知，而轻视了自身与产品的匹配度，很容易造成“越保养越糟糕”的局面。所以在使用化妆品或者护肤前了解自己的皮肤状况很重要。
[0003]现有的痘痘和色斑分析方法一般基于专业人士(例如医生或美容师)进行人工分析，分析依赖人员的专业水平，并且成本高。

技术实现思路

[0004]本申请实施例提供了一种智能人脸的痘痘和色斑分析方法、装置及存储介质，可以实现自动分析痘痘和色斑，降低成本，提高用户体验度。
[0005]第一方面，本申请实施例提供一种智能人脸的痘痘和色斑分析方法，所述方法应用于电子设备，所述方法包括如下步骤：
[0006]电子设备采集目标对象的人脸图像；
[0007]电子设备对人脸图像进行预处理，执行摆正对齐后分割出人脸区域图像；
[0008]将人脸区域图片输入到预设的人脸色斑与痘痘严重程度分类模型执行分类计算得到分类结果，依据该分类结果确定色斑与痘痘严重程度等级。
[0009]第二方面，提供一种人脸色斑与痘痘严重程度分类模型的训练方法，所述方法包括：
[0010]收集人脸图像，所述人脸图像标注有痘痘及色斑严重程度的标签信息，构建数据集；
[0011]对所述人脸图像进行预处理，分割出人脸区域并摆正对齐得到人脸区域图片；
[0012]将所述人脸区域图片输入到预先建立的初始神经网络模型；将该人脸区域图片作为训练数据训练所述初始神经网络模型，得到人脸色斑与痘痘严重程度分类模型。
[0013]第三方面，提供一种智能人脸的痘痘和色斑分析装置，所述装置应用于电子设备，所述方法包括如下步骤：
[0014]采集单元，用于采集目标对象的人脸图像；
[0015]处理单元，用于对人脸图像进行预处理，执行摆正对齐后分割出人脸区域图像；将人脸区域图片输入到预设的人脸色斑与痘痘严重程度分类模型执行分类计算得到分类结果，依据该分类结果确定色斑与痘痘严重程度等级。
[0016]第四方面，提供一种人脸色斑与痘痘严重程度分类模型的训练装置，所述装置包
括：
[0017]收集单元，用于收集人脸图像，所述人脸图像标注有痘痘及色斑严重程度的标签信息，构建数据集；
[0018]处理单元，用于对所述人脸图像进行预处理，分割出人脸区域并摆正对齐得到人脸区域图片；
[0019]训练单元，用于将所述人脸区域图片输入到预先建立的初始神经网络模型；将该人脸区域图片作为训练数据训练所述初始神经网络模型，得到人脸色斑与痘痘严重程度分类模型。
[0020]第五方面，提供一种计算机可读存储介质，其存储用于电子数据交换的程序，其中，所述程序使得终端执行第一方面或第二方面提供的方法。
[0021]第六方面，提供一种计算机程序产品，其中，所述计算机程序产品使得终端执行第一方面或第二方面提供的方法。
[0022]实施本申请实施例，具有如下有益效果：
[0023]可以看出，本申请提供的技术方案采用上述人脸色斑及痘痘严重程度分类模型训练方法，能够根据带有色斑及痘痘标注信息的人脸数据集，训练得到所需的人脸色斑与痘痘严重程度分类模型。采用上述脸色斑与痘痘严重程度检测方法，可以获取待检测人脸图像的色斑及痘痘严重程度信息。这样自动实现了对色斑及痘痘的严重程度进行了分类的处理，降低了成本，提高了用户体验度。
附图说明
[0024]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0025]图1为本申请提供的一种电子设备的结构示意图。
[0026]图2为本申请提供的一种智能人脸的痘痘和色斑分析方法的流程示意图。
[0027]图3为本申请提供的一种人脸色斑与痘痘严重程度分类模型的训练方法的流程示意图。
[0028]图4为本申请提供的一种智能人脸的痘痘和色斑分析装置的结构示意图。
[0029]图5为本申请提供的一种人脸色斑与痘痘严重程度分类模型的训练装置的结构示意图。
具体实施方式
[0030]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0031]本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它
们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0032]在本文中提及“实施例”意味着，结合实施例描述的特定特征、结果或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
[0033]参阅图1，图1提供了一种电子设备，该电子设备具体可以包括：处理器、存储器、摄像头和显示屏，上述部件可以通过总线连接，也可以通过其他方式连接，本申请并不限制上述连接的具体方式。在实际应用中，上述电子设备具体可以为智能手机、个人计算机、服务器、平板电脑、智能电视、智能换装镜等等。
[0034]参阅图2，图2提供了一种智能人脸的痘痘和色斑分析方法，该方法可以由入图1所示的电子设备执行，该电子设备可以包括：人脸色斑与痘痘严重程度分类模型，该人脸色斑与痘痘严重程度分类模型可以参加下述如图3所示实施例的方式，这里不再赘述，该智能人脸的痘痘和色斑分析方法如图2所示，包括如下步骤：
[0035]步骤S201、电子设备采集目标对象的人脸图像。
[0036]示例的，上述步骤中的人脸图像即用户在使用过程中拍摄后上传的人脸图像。上述目标对象具体可以为需要判断痘痘及色斑严重程度的用户，例如张三，李四等等。
[0037]步骤S202、电子设备对人脸图像进行预处理，执行摆正对齐后分割出人脸区域图像；
[0038]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能人脸的痘痘和色斑分析方法，其特征在于，所述方法应用于电子设备，所述方法包括如下步骤：电子设备采集目标对象的人脸图像；电子设备对人脸图像进行预处理，执行摆正对齐后分割出人脸区域图像；将人脸区域图片输入到预设的人脸色斑与痘痘严重程度分类模型执行分类计算得到分类结果，依据该分类结果确定色斑与痘痘严重程度等级。2.根据权利要求1所述的方法，其特征在于，所述电子设备对人脸图像进行预处理，执行摆正对齐后分割出人脸区域图像具体包括：将人脸图像输入人脸关键点检测模型，获取多个人脸关键点；根据获取到的关键点将人脸图像进行摆正对齐。3.根据权利要求2所述的方法，其特征在于，所述根据获取到的关键点将人脸图像进行摆正对齐具体包括：根据左右眼间连线的角度确定人脸倾斜的角度，使用图像旋转的方法将人脸摆正；根据左右侧脸部关键点确定人脸左右侧的位置；根据下巴关键点信息确定人脸下部的位置；根据眼部关键点坐标及下巴坐标估计额头长度，确定人脸上部的位置完成对齐。4.一种人脸色斑与痘痘严重程度分类模型的训练方法，其特征在于，所述方法包括：收集人脸图像，所述人脸图像标注有痘痘及色斑严重程度的标签信息，构建数据集；对所述人脸图像进行预处理，分割出人脸区域并摆正对齐得到人脸区域图片；将所述人脸区域图片输入到预先建立的初始神经网络模型；将该人脸区域图片作为训练数据训练所述初始神经网络模型，得到人脸色斑与痘痘严重程度分类模型。5.一种智能人脸的痘痘和色斑分析装置，其特征在于，所述装置应用于电子设备，所述方法包括如下步骤：采集单元，用于采集目标对象的人...

【专利技术属性】
技术研发人员：李博，芦迪，徐佳，孟广浩，钟昊翔，闫茜宇，白杨，胡茂伟，夏树涛，
申请(专利权)人：深圳市聚悦科技文化有限公司，
类型：发明
国别省市：