一种头发信息的识别方法、系统及存储介质技术方案

本发明专利技术提供了一种头发信息的识别方法、头发信息的识别系统以及计算机可读存储介质。该方法包括以下步骤：获取包括多根头发的二维端点坐标的多幅头发图像；根据预设的约束条件，分别遍历第一头发图像及第二头发图像中各头发的二维端点坐标，以确定第一头发图像中各第一头发的候选头发列表；分别提取各第一头发及其候选头发列表中各第二头发的发根点及发尖点的特征描述子，以进行特征匹配；以及响应于候选头发列表中任一第二头发与第一头发同属一个头发实体的匹配结果，根据头发实体在第一头发图像中的第一像素集合、头发实体在第二头发图像中的第二像素集合，以及第一头发图像与第二头发图像的相对视角信息，确定头发实体的三维空间信息。三维空间信息。三维空间信息。

【技术实现步骤摘要】
一种头发信息的识别方法、系统及存储介质


[0001]本专利技术涉及图像识别领域，尤其涉及一种头发信息的识别方法、一种头发信息的识别系统，以及一种计算机可读存储介质。

技术介绍

[0002]随着人们生活压力的增大，脱发现象逐渐增多，并对人的容貌产生很大的影响。植发手术是目前主流的脱发根治方案，通过将后枕部的永久毛囊移植到脱发高发的前额部位，使得发际线恢复到不影响美观的程度。
[0003]在现有的植发手术中，通常采用植发辅助机器人来辅助医生施术，通过全自动地进行取发工作来有效地降低植发手术的人力成本与手术耗时，并减少对毛囊的损伤。现有的植发辅助机器人通常利用阈值分割、角点检测等传统的图像处理算法来定位头发。然而，由于头发状况因人而异，现有技术普遍需要人工调整阈值等参数来适配不同状况的头发，因而高度依赖操作者的理论知识和实践经验，并存在检测准确度低的缺陷。此外，现有植发辅助机器人所运用的特征匹配算法只能针对单个特征点进行匹配，而无法对整根头发的多个特征点进行全局匹配，因而无法准确地重建头发的三维空间模型来为取发工作提供数据参考。
[0004]为了克服现有技术所存在的上述缺陷，本领域亟需一种头发信息的识别技术，用于准确识别头发实体的三维空间信息，并据此重建整根头发的位姿，以提升头发识别的兼容性及准确性，从而为后续的毛囊提取工作提供数据参考。

技术实现思路

[0005]以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之前序。
[0006]为了克服现有技术所存在的上述缺陷，本专利技术提供了一种头发信息的识别方法、一种头发信息的识别系统，以及一种计算机可读存储介质，不仅能通过对多幅头发图像进行基于发根点特征及发尖点特征的整体匹配，以确定各头发实体的三维空间信息，还能据此重建整根头发的位姿，以提升头发识别的兼容性及准确性，从而为后续的毛囊提取工作提供数据参考。
[0007]具体来说，根据本专利技术的第一方面提供的上述头发信息的识别方法，包括以下步骤：获取包括多根头发的二维端点坐标的多幅头发图像；根据预设的约束条件，分别遍历第一头发图像及第二头发图像中各所述头发的二维端点坐标，以确定所述第一头发图像中各第一头发的候选头发列表，其中，所述侯选头发列表中记载所述第二头发图像中第二端点坐标与所述第一头发的第一端点坐标符合所述约束条件的至少一根第二头发的标识信息分别提取各所述第一头发及其候选头发列表中各所述第二头发的发根点及发尖点的特征
描述子，以进行特征匹配；响应于所述候选头发列表中任一所述第二头发与所述第一头发同属一个头发实体的匹配结果，根据所述头发实体在所述第一头发图像中的第一像素集合、所述头发实体在所述第二头发图像中的第二像素集合，以及所述第一头发图像与第二头发图像的相对视角信息，确定所述头发实体的三维空间信息。
[0008]优选地，在本专利技术的一实施例中，所述获取包括多根头发的二维端点坐标的多幅头发图像的步骤包括：经由双目相机，分别获取包括多根头发的左目图像及右目图像；经由预先训练的第一神经网络模型，对所述左目图像进行关键点检测，以确定所述左目图像中各所述第一头发的第一端点坐标；以及经由所述第一神经网络模型，对所述右目图像进行关键点检测，以确定所述右目图像中各所述第二头发的第二端点坐标。
[0009]优选地，在本专利技术的一实施例中，所述经由双目相机，分别获取包括多根头发的左目图像及右目图像的步骤包括：经由所述双目相机，分别获取左目原始图像及右目原始图像；经由预先训练的第二神经网络模型，对所述左目原始图像进行目标检测，以确定包括多根所述第一头发的左目图像；以及经由所述第二神经网络模型，对所述右目原始图像进行目标检测，以确定包括多根所述第二头发的右目图像。
[0010]优选地，在本专利技术的一实施例中，经由所述第一神经网络模型进行所述关键点检测的步骤包括：使用OpenCV库遍历所述左目图像及所述右目图像，以分别确定各所述第一头发涉及的第一像素集合以及各所述第二头发涉及的第二像素集合；以及经由所述第一神经网络模型，分别对所述第一像素集合及所述第二像素集合进行所述关键点检测，以确定各所述第一头发的第一端点坐标，并确定各所述第二头发的第二端点坐标。
[0011]优选地，在本专利技术的一实施例中，在确定所述左目图像中各所述第一头发的第一端点坐标，并确定所述右目图像中各所述第二头发的第二端点坐标之后，所述识别方法还包括以下步骤：根据所述双目相机的相机内参及相机外参，对所述左目图像及所述右目图像进行畸变校正和/或双目校正重映射，以获得所述第一头发图像及所述第二头发图像，并校正所述第一端点坐标及所述第二端点坐标。
[0012]优选地，在本专利技术的一实施例中，所述约束条件包括极线约束及深度约束，所述根据预设的约束条件，分别遍历第一头发图像及第二头发图像中各所述头发的二维端点坐标，以确定所述第一头发图像中各第一头发的候选头发列表的步骤包括：从所述第一头发图像选取一根未经遍历的第一头发；根据所述极线约束确定偏差阈值y
error
，并结合所述第一头发的发根点坐标的Y值，确定所述第二头发图像中第二头发的发根点坐标在Y方向的最大值y
max
及最小值y
min
；根据所述深度约束确定许可的深度范围，并结合所述第一头发的发根点坐标的Y值，确定所述第二头发图像中第二头发的发根点坐标在X方向的最大值x
max
及最小值x
min
；遍历所述第二头发图像中各所述第二头发的发根点坐标，并将其中符合所述极线约束及所述深度约束的第二头发的标识信息，添加到所述第一头发的候选头发列表；以及遍历所述第一头发图像中的各所述第一头发，以确定所述第一头发图像中各第一头发的候选头发列表。
[0013]优选地，在本专利技术的一实施例中，所述特征描述子包括brief描述子和/或sift描述子，进行所述特征匹配的步骤包括：分别将所述候选头发列表中各所述第二头发的第二发根点及第二发尖点的第二特征描述子，与所述第一头发的第一发根点及第一发尖点的第一特征描述子进行特征匹配；以及响应于所述候选头发列表中任一所述第二头发的发根点
及发尖点皆与所述第一头发匹配，判定所述第一头发与所述第二头发同属一个头发实体，并从其余各所述第一头发的候选头发列表中删除所述第二头发的标识信息。
[0014]优选地，在本专利技术的一实施例中，所述根据所述头发实体在所述第一头发图像中的第一像素集合、所述头发实体在所述第二头发图像中的第二像素集合，以及所述第一头发图像与第二头发图像的相对视角信息，确定所述头发实体的三维空间信息的步骤包括：根据所述头发实体在所述第一头发图像中的第一像素集合，以及所述第一头发图像与第二头发图像的相对视角信息，确定所述第一头发图像的第一矩阵；根据所述头发实体在所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种头发信息的识别方法，其特征在于，包括以下步骤：获取包括多根头发的二维端点坐标的多幅头发图像；根据预设的约束条件，分别遍历第一头发图像及第二头发图像中各所述头发的二维端点坐标，以确定所述第一头发图像中各第一头发的候选头发列表，其中，所述侯选头发列表中记载所述第二头发图像中第二端点坐标与所述第一头发的第一端点坐标符合所述约束条件的至少一根第二头发的标识信息；分别提取各所述第一头发及其候选头发列表中各所述第二头发的发根点及发尖点的特征描述子，以进行特征匹配；以及响应于所述候选头发列表中任一所述第二头发与所述第一头发同属一个头发实体的匹配结果，根据所述头发实体在所述第一头发图像中的第一像素集合、所述头发实体在所述第二头发图像中的第二像素集合，以及所述第一头发图像与第二头发图像的相对视角信息，确定所述头发实体的三维空间信息。2.如权利要求1所述的识别方法，其特征在于，所述获取包括多根头发的二维端点坐标的多幅头发图像的步骤包括：经由双目相机，分别获取包括多根头发的左目图像及右目图像；经由预先训练的第一神经网络模型，对所述左目图像进行关键点检测，以确定所述左目图像中各所述第一头发的第一端点坐标；以及经由所述第一神经网络模型，对所述右目图像进行关键点检测，以确定所述右目图像中各所述第二头发的第二端点坐标。3.如权利要求2所述的识别方法，其特征在于，所述经由双目相机，分别获取包括多根头发的左目图像及右目图像的步骤包括：经由所述双目相机，分别获取左目原始图像及右目原始图像；经由预先训练的第二神经网络模型，对所述左目原始图像进行目标检测，以确定包括多根所述第一头发的左目图像；以及经由所述第二神经网络模型，对所述右目原始图像进行目标检测，以确定包括多根所述第二头发的右目图像。4.如权利要求2所述的识别方法，其特征在于，经由所述第一神经网络模型进行所述关键点检测的步骤包括：使用OpenCV库遍历所述左目图像及所述右目图像，以分别确定各所述第一头发涉及的第一像素集合以及各所述第二头发涉及的第二像素集合；以及经由所述第一神经网络模型，分别对所述第一像素集合及所述第二像素集合进行所述关键点检测，以确定各所述第一头发的第一端点坐标，并确定各所述第二头发的第二端点坐标。5.如权利要求2所述的识别方法，其特征在于，在确定所述左目图像中各所述第一头发的第一端点坐标，并确定所述右目图像中各所述第二头发的第二端点坐标之后，所述识别方法还包括以下步骤：根据所述双目相机的相机内参及相机外参，对所述左目图像及所述右目图像进行畸变校正和/或双目校正重映射，以获得所述第一头发图像及所述第二头发图像，并校正所述第一端点坐标及所述第二端点坐标。
6.如权利要求1所述的识别方法，其特征在于，所述约束条件包括极线约束及深度约束，所述根据预设的约...

【专利技术属性】
技术研发人员：张兆东，王博，
申请(专利权)人：磅客策上海智能医疗科技有限公司，
类型：发明
国别省市：