一种基于深度学习和数字图像处理的发丝直径测算方法技术

本发明专利技术属于头发健康状态指标监测领域，公开了一种基于深度学习和数字图像处理的发丝直径测算方法。本发明专利技术有效地解决发丝直径难以便捷有效测量的问题。本发明专利技术融合了深度学习中的目标检测技术，图像数据处理中的KMEANS聚类分割算法、动态参数的CANNY边缘检测算法、动态参数的HOUGH变换直线检测算法，首先对模拟生成的直线进行参数变换预处理，然后按参数角度值大小从小到大排序、按角度阀值分类并确定有效的头发数目，对每组有效分类，按按角度差值最小、通过的边缘点数最多的优先级顺序选取最优直线作为最终模拟的头发边缘直线，可以精确计算出每一根发丝的直径信息，本发明专利技术适用于对发丝直径信息有实时监测需求的机构和个人。发丝直径信息有实时监测需求的机构和个人。发丝直径信息有实时监测需求的机构和个人。

【技术实现步骤摘要】
一种基于深度学习和数字图像处理的发丝直径测算方法


[0001]本专利技术属于头发健康状态指标监测领域，由其涉及一种基于深度学习和数字图像处理的发丝直径测算方法。

技术介绍

[0002]在现代社会高节奏的工作生活环境下，随着脱发人群的不断增长，人们对头发健康的关注度也与日俱增。层出不穷的各类增发护发类产品和方法应运而生，然而，生发周期长的特点又决定了在短期内难以用肉眼观测到明显的效果。因此，在对头发健康状态的监测过程中，量化头发健康程度指标的需求就迫在眉睫。而发丝直径作为头发健康程度的重要指标，显得由为重要。
[0003]发丝本身的直径尺寸决定了它不能用普通的测量工具测量。对于大众而言，通常的方法是到医院做检测，且每次只能获取到某一时刻的头发健康状态信息，不够便捷且不适合作为一种实时且长期的观测方案。对于研发机构而言，需要购置昂贵的检测仪器，大大增加了成本。因此，我们提出了一种基于深度学习和数字图像处理的发丝直径测算方法，在此方法支持下使得检测过程在价格低廉的便携式设备上即可完成，解决了无法便捷地监测头发健康状态的问题。
专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.本发明设计了一种基于深度学习和数字图像处理的发丝直径测算方法，解决无法便捷地检测发丝直径的问题，其特征是：步骤一：数据采集与模型训练：分别采集了不同人群头部浓密头发的图像数据和脱发区域稀疏头发的图像数据各约一万张，对发根区域进行标注，在YoloV5模型上训练得到能有效检测出头发根部区域的模型文件，并转换成NCNN网络支持的param 和bin文件，转入步骤二；步骤二：头发图像采集：在确保图像清晰的前提下，可选用图像采集设备采集任意范围大小，任意分辨率的图像，并对图像作高斯模糊处理，转入步骤三；步骤三：目标检测：在NCNN网络架构下，对采集的图像进行目标检测，获取头发根部区域的矩形坐标，对检测到的每个头发根部区域循环执行步骤四到步骤十二；步骤四：KMEANS聚类分割：对检测到的发根区域图像数据中的每个像素执行KMEANS聚类分割，设置分类数目为>=2的任意整数值，并分别计算不同label在原图数据中指代的所有像素在RGB三通道上的均值的总和，取均值总和较小的一类为头发数据label，并在原图数据上按头发数据label进行掩码操作，生成新的图像数据，并转入步骤五；步骤五：CANNY边缘检测：对新生成的图像数据执行CANNY边缘检测，取参数ratio 为2或3, minThreshold 为 100
‑
250之间任意合适的值,得到边缘点集，转入步骤六；步骤六：HOUGH变换直线检测：对边缘点集，执行Hough变换直线检测，预设threshold 为大于等于 5的任意值count，执行Hough变换直线检测，若得到的直线数目 > count,则threshold = threshold + 1,重复执行此操作直到得到直线数目 <= count,退出循环，在此threshold下执行Hough变换直线检测得到要选用的直线集，直线集中每条直线包含rho,theta,votes三个参数，比较直线集中角度值theta, 是否小于阀值thetaThreshold,阀值thetaThreshold可以是PI / 180的任意整数倍数,如果是则执行步骤八，否则执行步骤七；步骤七：直线参数变换：将直线的theta值重置为0，对应的rho值，执行如下变换：原直线与对应的局部区域图像上下边缘交于两点（x1,y1）,(x2,y2)，近似取rho = (x1 + x2) / 2，转到步骤八；步骤八：直线按theata值排序：将所有直线按theta值从小到大排列，转到步骤九；步骤九：直线按theta差值分类：排序后的第一条直线的theta值作为比较对象compareTheta，循环比较其余直线theta值与compareTheta的差值与阀值thetaThreshold的大小，阀值thetaThreshold可以是PI / 180的任意整数倍数,若差值 < 阈值thetaThreshold,则作为同一类别，否则，作为新的类别，compareTheta重置为该直线的theta值，以此类推，直到所有直线分类完毕，对于每组直线，若直线数量 >= 2,则作为有效类别，转到步骤十,否则作
为无效类别，并舍弃该组直线；步骤十：分割左右边缘：直线按rho值大小从小到大排列，分割为左右两个类别，分别代表左右边缘直线：当共有index分别为0
ꢀ–ꢀ
（n
‑
1）,共计n条直线时，循环执行从index(0...

【专利技术属性】
技术研发人员：赵辛辛，王晓彬，肖旭，黄琴，张杨涓，张鸿霞，李明阳，何春江，
申请(专利权)人：重庆同济研究院有限公司，
类型：发明
国别省市：