一种数字化痤疮识别与评估方法技术

本发明专利技术属于人工智能技术领域，公开了一种数字化痤疮识别与评估方法。包括建立数据库、图像拍摄、RGB算法、痤疮评估、针对性美化。本发明专利技术可以做到动态(多角度变换)识别痤疮，可以实时监测痤疮一段时间用药后的变化，可以在美妆方面通过痤疮颜色的变化推荐遮瑕盘色号。方面通过痤疮颜色的变化推荐遮瑕盘色号。

【技术实现步骤摘要】
一种数字化痤疮识别与评估方法


[0001]本专利技术属于人工智能
，具体涉及一种数字化痤疮识别与评估方法。

技术介绍

[0002]目前，大数据分析并识别人脸的技术已得到广泛应用。随着计算机技术的不断更新迭代，人脸分析识别技术也进入了高速发展阶段。生活质量的提高，促使人们更加关注自身形象，尤其是对于皮肤的保养。而痤疮作为一种常见的皮肤疾病，往往对追求更好肤质的人群造成了极大的困扰。当前对于痤疮的评估通常需要专业的医护人员进行鉴定，再根据痤疮类型进行对症下药。但大部分痤疮患者并不会选择就医，而是通过自我感知或友人建议进行痤疮治疗。这容易导致：非对症治疗造成痤疮的进一步加剧；非专业治疗对皮肤造成更大负担；引发免疫反应等。因此，开发一种具有综合了痤疮识别、疗效评估和美化方案的便捷策略十分必要。
[0003]在现有专利中，涉及针对痤疮的识别和疗效评估策略中，尚未描述关于二者的综合应用以及提供相应的美化建议。如在专利CN115862112A中提出了一种人脸图像痤疮疗效评估用目标检测模型，但其仅描述了通过对比治疗前后痤疮的种类和数量的变化，实现疗效的量化评估。而在专利CN115440346A中描述了一种基于半监督学习的痤疮分级方法、系统、设备及存储介质，其于目的在于解决现有技术中存在的因模型没有包含分级所需的痤疮计数信息而导致的分级预测准确率低的技术问题。
[0004]“一种人脸图像痤疮疗效评估用目标检测模型”，专利公开号：CN115862112A，提出一种人脸图像痤疮疗效评估用目标检测模型，通过以下设计方法构建，具体包括以下步骤：S1，采用人脸痤疮图像数据并进行预处理；S2，痤疮检测网络模型的构建：S3，模型预训练及微调；S4，模型评估与测试。本专利技术融合了一种多尺度训练和迁移训练等方法，将其应用于面部痤疮的检测和疗效评估中，显著提高了痤疮检测和疗效评估的准确度。
[0005]“基于半监督学习的痤疮分级方法、系统、设备及存储介质”，专利公开号：CN115440346A，公开了一种基于半监督学习的痤疮分级方法、系统、设备与存储介质，涉及面部痤疮的识别与分级，其目的在于解决现有技术中存在的因模型没有包含分级所需的痤疮计数信息而导致的分级预测准确率低的技术问题。其通过搭建半监督学习网络模型，模型训练时先采用有标签样本数据对学生网络进行有监督训练，再采用无标签样本数据对学生网络、教师网络进行半监督训练；训练过程中，采用滑动指数平均方式来通过学生网络的权值更新教师网络的权值。本申请基于半监督面部痤疮分级，在训练时不需要过多的有标签数据，可以从大量的无标签数据中自动学习特征，从而达到有标签和无标签数据之间互补。

技术实现思路

[0006]为了克服现有技术的不足，本专利技术提供一种数字化痤疮识别与评估方法，同时实现痤疮识别、疗效评估和治疗建议，策略便捷。
[0007]本专利技术的上述目的是通过以下技术方案实现的：一种数字化痤疮识别与评估方法，步骤为：
[0008]1.基于YOLO V7算法建立数据库；
[0009]2.使用电脑摄像头进行脸部识别并进行图像拍摄，其中脸部识别包含RGB检测算法；
[0010]3.根据步骤2识别出的RGB变化、亮度均值对痤疮进行评估，在0
‑
255亮度之间，越高越接近于正常皮肤；
[0011]4.针对性美化，将步骤2拍摄的图像与遮瑕盘色号进行比对，得到最优色号以遮住瑕疵。
[0012]进一步的，所述步骤1建立的数据库中包括图像数据集，图像预处理为分辨率640
×
A的大小，640为图片长边的大小，A为图片对应缩放的短边大小，图片的缩放公式为：
[0013][0014]其中W
new
和H
new
分别代表预处理后图片的宽度和高度的分辨率，Max
size
为640，W和H分别为原始图像的宽度和高度。
[0015]进一步的，所述步骤2中脸部识别的RGB检测算法具体为：根据对数据集的标记文件，获取图片标记框的位置信息，根据位置信息对标记区域进行截取，其中，标注文件中的信息表示为每一行代表标注的一个目标，每行中第一个数代表标注目标的标签，后面四个数代表进行归一化后的标注框中心坐标(x
c
，y
c
)和标注框的相对宽(w
c
)和高(h
c
)，标注框的分割方法如下：
[0016][0017][0018]img
cut
＝image(LT
y
:LT
y
+h
p
×
h
c
,LT
x
:LT
x
+w
p
×
w
c
)
ꢀꢀꢀ
(4)
[0019]其中，w
p
和h
p
分别为检测图片的宽度和高度，LT
x
和LT
y
为标记边框的左上角坐标，img
cut
为生成的标记框图片；
[0020]通过计算机算法对标记框计算平均RGB值，最后通过RGB值获取区域亮度值Y,其公式为：
[0021]Avg
Y
＝0.299*R+0.587*G+0.114*B
ꢀꢀ
(5)
[0022]其中Avg为平均亮度值，R，G，B分别为计算后的平均RGB值。
[0023]进一步的，所述步骤4中遮瑕盘备案编号为：粤G妆网备字2019264795。
[0024]本专利技术与现有技术相比的有益效果是：
[0025]①
本专利技术可以做到动态(多角度变换)识别痤疮；
[0026]②
本专利技术可以实时监测痤疮一段时间用药后的变化；
[0027]③
本专利技术可以在美妆方面通过痤疮颜色的变化推荐遮瑕盘色号。
附图说明
[0028]下面结合附图与具体实施方式对本专利技术作进一步说明
[0029]图1是本专利技术识别出的痤疮与遮瑕盘色号比对；
[0030]图2是本专利技术识别出的痤疮与遮瑕盘平均亮度柱状图，图中control表示的痤疮的平均亮度，1
‑
18分别代表的是不同色号。寻找与control值相接近的平均亮度值，也就是最适遮瑕色号；
[0031]图3是用药后本专利技术监测天数与痤疮平均亮度变化对比图。
具体实施方式
[0032]下面通过具体实施例详述本专利技术，但不限制本专利技术的保护范围。如无特殊说明，本专利技术所采用的实验方法均为常规方法，所用实验器材、材料、试剂等均可从商业途径获得。
[0033]实施例1
[0034]一种数字化痤疮识别与评估方法，步骤为：
[0035]a.基于YOLO V7算法建立数据库；
[0036]b.使用电脑摄像头进行脸部识别并进行图像拍摄，其中脸部识别包含RGB本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数字化痤疮识别与评估方法，其特征在于，步骤为：S1.基于YOLO V7算法建立数据库；S2.使用电脑摄像头进行脸部识别并进行图像拍摄，其中脸部识别包含RGB检测算法；S3.根据步骤S2识别出的RGB变化、亮度均值对痤疮进行评估，在0
‑
255亮度之间，越高越接近于正常皮肤；S4.针对性美化，将步骤S2拍摄的图像与遮瑕盘色号进行比对，得到最优色号以遮住瑕疵。2.根据权利要求1所述的数字化痤疮识别与评估方法，其特征在于，所述步骤S1建立的数据库中包括图像数据集，图像预处理为分辨率640
×
A的大小，640为图片长边的大小，A为图片对应缩放的短边大小，图片的缩放公式为：其中W
new
和H
new
分别代表预处理后图片的宽度和高度的分辨率，Max
size
为640，W和H分别为原始图像的宽度和高度。3.根据权利要求1所述的数字化痤疮识别与评估方法，其特征在于，所述步骤S2中脸部识别的RGB检测算法具体为：根据对数据集的标记文件，获取图片标记框的位置信息，根据位置信息对标记区域进行截取，其中，标注文件中的信息表示为每一行代表标注的一个目标，每行中第一个数代表标注目标的标签，后面四个数代表进行归一化后的标注框中心坐标(x
c
，y
c

【专利技术属性】
技术研发人员：汪祖民，黄俊铭，张宇豪，汤洁，延欢，孙慎侠，
申请(专利权)人：大连大学，
类型：发明
国别省市：