【技术实现步骤摘要】
人脸皱纹识别方法、装置以及存储介质、电子装置
[0001]本申请涉及图像处理
,具体而言,涉及一种人脸皱纹识别方法
、
装置以及存储介质
、
电子装置
。
技术介绍
[0002]人脸皱纹检测在检测人体面部皮肤问题以及合理正确选用适合护肤品等方面有着重要影响
。
如想要了解自身肤质情况,一般需要去专业美容医院寻求医生进行诊断
。
但是这种方式存在较大问题,一是不够便捷,二是仅凭从业人员的经验判断会存在一定的误差
。
面部皮肤皱纹的检测鉴别采用肉眼观察的原始方式判别,该方式尤其在早期检测鉴别方面显得极为不足
。
此外不同背景下的脸部图片其像素特征和属性间关系十分复杂,仅凭肉眼无法做到图像饱和度
、
对比度
、
亮度等方面对皱纹检测鉴别的具体影响
。
另一方面,纯粹依靠人为鉴别必然导致工作繁重
、
缺乏专业性,甚至检测结果准确性无法保证
。
传统图形图像的检测识别技术,大多依靠人为构造易于区分对象的图像特征,如边缘特征
、
直方图特征
、
阈值选取等等
。
上述操作复杂繁琐
、
不易于后期精准优化,而且人工提取特征往往不具备通用性,更多只是对某一类特定样本的概括,很难大范围推广,致使通用的识别模型很难建立起来
。
[0003]随着人工智能技术的快速发展,深度 ...
【技术保护点】
【技术特征摘要】
1.
一种人脸皱纹识别方法,其特征在于,所述方法包括:获取至少包含人脸的图像信息,对所述图像信息进行预处理和图像归一化处理得到待处理图像;将所述待处理图像输入预先训练的深度卷积神经网络模型;根据所述预先训练的深度卷积神经网络模型,得到人脸皱纹识别结果
。2.
根据权利要求1所述的方法,其特征在于,所述方法还包括:基于融合
Dropout
算法和
L2
正则化算法优化改进所述深度卷积神经网络模型
。3.
根据权利要求2所述的方法,其特征在于,所述方法还包括:将经过训练后改进的所述深度卷积神经网络模型,上传部署至云端服务器
。4.
根据权利要求1所述的方法,其特征在于,所述深度卷积神经网络模型中的图像数据集包括如下几类样本:眼下细纹
、
抬头纹
、
鱼尾纹
、
法令纹
、
无皱纹,所述图像归一化处理包括:对图像进行欠采样,所述欠采样是通过鱼尾纹这一类的数量大小作为数量标准来平衡数据集,使得图片中所有类别数量相同
。5.
根据权利要求1所述的方法,其特征在于,所述深度卷积神经网络模型采用深度卷积神经网络训练得到,所述深度卷积神经网络包括:输入层
、
卷积层
、
激活函数
、
池化层
、
全连接层
、
输出层,相邻层间的节点通常采取局部连接和权值共享,通过不同的卷积核对图像特征实现卷积提取,并借助
softmax
分类,达到端到端的识别结果输出
。6.
根据权...
【专利技术属性】
技术研发人员:李宗博,
申请(专利权)人:吾征智能技术北京有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。