【技术实现步骤摘要】
本专利技术属于人工智能，具体涉及一种基于数字化的人脸眼部皱纹识别及评估方法。
技术介绍
1、眼附近皱纹的识别及评估一直是皮肤病学和美容医学领域中的热门课题。随着个人年龄的增长，皱纹的出现变得越来越突出，导致人们需要有效的治疗选择。然而，由于缺乏客观和定量的评估方法，评估这些治疗的疗效往往具有挑战性。在本专利申请中，我们提出了一种基于数字化的人脸眼部皱纹识别及评估方法，用于对人眼附近的皱纹进行数字检测和治疗评估，解决了现有技术的局限性，并提供了一种可靠且准确的方法来测量治疗结果。
2、1、人眼附近皱纹的出现对个人形象有重大影响。因此，目前开发出各种治疗方式来对抗这些衰老迹象，比如采用局部乳膏、美容疗法，甚至外科手术。然而，评估皱纹改善的主观性往往阻碍了治疗结果的准确评估和比较。传统方法依赖于皮肤科医生或美容师的人工评估，这会引入主观性并可能导致结果不一致。因此，迫切需要一种客观可靠的方法来评估皱纹治疗的有效性，使个人和从业者能够做出明智的决定。
3、2、图像处理和计算机视觉技术的最新进展为客观地分析面部特征(包括皱纹)开辟了新的可能性。这些技术可以从图像或视频帧中检测和提取相关信息，从而能够识别和分析人眼附近的皱纹。然而，现有方法主要侧重于定性评估，无法准确测量皱纹长度，而皱纹长度对于评估治疗效果至关重要。因此，
存在明显差距，需要加以解决，以弥合主观评估与定量分析之间的鸿沟。
4、3、治疗结果的客观评估在提高皱纹治疗方法的质量方面起着关键作用。通过结合客观测量，可以评估不同治疗方案的有效
技术实现思路
1、为了克服现有技术的不足，本专利技术提供一种基于数字化的人脸眼部皱纹识别及评估方法，通过建立眼部皱纹检测模型，处理人脸皱纹识别图片，分析人脸皱纹并建立眼部皱纹状况评估方案，有效对数字诊疗方法进行评估。
2、本专利技术的上述目的是通过以下技术方案实现的：一种基于数字化的人脸眼部皱纹识别及评估方法，步骤包括：
3、s1：构建眼部皱纹识别模型建立条件，建立眼部皱纹检测模型；
4、s2:对步骤s1中的眼皱纹检测模型进行检测，分割人眼皱纹标记图片；
5、s3：对步骤s2中分割后的人眼皱纹框图进行分析，标记人眼皱纹轮廓，计算每条皱纹长度及长度总和；
6、s4：建立眼部皱纹状况评估方案，对数字诊疗方法进行评估。
7、进一步的，所述步骤s1具体为：收集一万张以上人脸皱纹识别图片，建立人脸眼部皱纹数据集，将人脸图片预处理为分辨率为a×b的大小，a为图片长边的大小，b为图片对应缩放的短边大小，通过labelme标注软件完成图片的标注，并完成标注文件转换，将标注后的数据集输入目标检测模型进行不少于200个epoch的迭代训练，获得训练后的人眼皱纹检测模型。
8、进一步的，所述目标检测模型具体为yolo系列模型。
9、本专利技术的进一步优选，所述目标检测模型具体为yolov8、yolov7、yolov5模型。
10、进一步的，所述步骤s2具体为：对步骤s1获得的人眼皱纹检测模型进行检测，输入图片、视频、实时图像进行检测，识别前预处理为，对于图像或视频图像尺寸特定像素范围内的图片，通过opencv图像缩放功能调节为a×b大小，对于图像尺寸小于特定范围内的图像，通过srgan超分辨率算法进行图像大小调节到图像边长为a和b之间，再通过opencv缩放功能进行调节，将待检测数据输入步骤s1中所获得的人眼皱纹检测模型进行检测，获得具有标记框及皱纹分割效果的皱纹检测结果图片及识别结果标注文件。通过结合检测结果图片和识别结果文件可对图片中的标记区域进行截取，获得分割后的图片文件。
11、进一步的，所述步骤s3具体为：对s2中分割后的图片文件进行皱纹深浅标记，将分割图片转换为灰度图，应用高斯模糊来降低噪声并增强皱纹检测；采用canny边缘检测算法来识别图像中皱纹的轮廓，轮廓提取采用findcontours函数实现，对标记后的皱纹长度进行计算，并统计图片所检测到的皱纹总长度。使用arclength函数计算每个皱纹轮廓的周长，获得单个皱纹的长度，通过对单个皱纹长度进行求和来计算所有皱纹的总长度，最后将轮廓信息叠加在原始图像上，在视觉上突出显示检测到的皱纹及其各自的长度。
12、进一步的，所述步骤s4具体为：由于人脸眼部在睁眼状态和闭眼状态下的皱纹数量及长度不同，通过计算睁眼时皱纹的数量及长度和闭眼时皱纹数量及长度，来获取当前眼部皱纹的情况，通过引入数字诊疗方式的效果因子e和皱纹减少因子r来评估治疗效的效果，通过上述计算方式，根据治疗天数判断数字诊疗有效性，其判断方式可通过基准评估、定期进度监控及皱纹测量、评估皱纹变化，计算有效性来进行判断，如果采用数字治疗持续一周后检测的皱纹总长度减少20％以上，则判断为有效。
13、本专利技术与现有技术相比的有益效果是：本专利技术涉及构建眼部皱纹识别模型，使得眼部皱纹的检测过程自动化。这与传统的人工评估方法相比，更为高效和准确；通过对图像进行分割和标记，可以精确地提取和量化眼部皱纹的轮廓和长度，对于美容和医疗领域非常有价值；专利技术包括建立眼部皱纹状况评估方案和数字诊疗方法，可以为患者提供更加客观和量化的皱纹评估，而不仅是主观的人工判断，这对于制定个性化的治疗计划和跟踪治疗进展非常有帮助。
本文档来自技高网...【技术保护点】
1.一种基于数字化的人脸眼部皱纹识别及评估方法，其特征在于，步骤包括：
2.根据权利要求1所述的基于数字化的人脸眼部皱纹识别及评估方法，其特征在于，所述S1具体为：收集一万张以上人脸皱纹识别图片，建立人脸眼部皱纹数据集，将人脸图片预处理为分辨率为A×B的大小，A为图片长边的大小，B为图片对应缩放的短边大小，通过Labelme标注软件完成图片的标注，并完成标注文件转换，将标注后的数据集输入目标检测模型进行不少于200个epoch的迭代训练，获得训练后的人眼皱纹检测模型。
3.根据权利要求2所述的基于数字化的人脸眼部皱纹识别及评估方法，其特征在于，所述目标检测模型具体为YOLO系列模型。
4.根据权利要求3所述的基于数字化的人脸眼部皱纹识别及评估方法，其特征在于，所述目标检测模型具体为YOLOv8、YOLOv7、YOLOv5模型。
5.根据权利要求1所述的基于数字化的人脸眼部皱纹识别及评估方法，其特征在于，所述S2具体为：对步骤S1获得的人眼皱纹检测模型进行检测，输入图片、视频、实时图像进行检测，识别前预处理为，对于图像或视频图像尺寸特
6.根据权利要求1所述的基于数字化的人脸眼部皱纹识别及评估方法，其特征在于，所述步骤S3具体为：对S2中分割后的图片文件进行皱纹深浅标记，将分割图片转换为灰度图，应用高斯模糊来降低噪声并增强皱纹检测；采用Canny边缘检测算法来识别图像中皱纹的轮廓，轮廓提取采用findContours函数实现，对标记后的皱纹长度进行计算，并统计图片所检测到的皱纹总长度。使用arcLength函数计算每个皱纹轮廓的周长，获得单个皱纹的长度，通过对单个皱纹长度进行求和来计算所有皱纹的总长度，最后将轮廓信息叠加在原始图像上，在视觉上突出显示检测到的皱纹及其各自的长度。
7.根据权利要求1所述的基于数字化的人脸眼部皱纹识别及评估方法，其特征在于，所述步骤S4具体为：由于人脸眼部在睁眼状态和闭眼状态下的皱纹数量及长度不同，通过计算睁眼时皱纹的数量及长度和闭眼时皱纹数量及长度，来获取当前眼部皱纹的情况，通过引入数字诊疗方式的效果因子E和皱纹减少因子R来评估治疗效的效果，通过上述计算方式，根据治疗天数判断数字诊疗有效性，其判断方式可通过基准评估、定期进度监控及皱纹测量、评估皱纹变化，计算有效性来进行判断，如果采用数字治疗持续一周后检测的皱纹总长度减少20％以上，则判断为有效。
...【技术特征摘要】
1.一种基于数字化的人脸眼部皱纹识别及评估方法，其特征在于，步骤包括：
2.根据权利要求1所述的基于数字化的人脸眼部皱纹识别及评估方法，其特征在于，所述s1具体为：收集一万张以上人脸皱纹识别图片，建立人脸眼部皱纹数据集，将人脸图片预处理为分辨率为a×b的大小，a为图片长边的大小，b为图片对应缩放的短边大小，通过labelme标注软件完成图片的标注，并完成标注文件转换，将标注后的数据集输入目标检测模型进行不少于200个epoch的迭代训练，获得训练后的人眼皱纹检测模型。
3.根据权利要求2所述的基于数字化的人脸眼部皱纹识别及评估方法，其特征在于，所述目标检测模型具体为yolo系列模型。
4.根据权利要求3所述的基于数字化的人脸眼部皱纹识别及评估方法，其特征在于，所述目标检测模型具体为yolov8、yolov7、yolov5模型。
5.根据权利要求1所述的基于数字化的人脸眼部皱纹识别及评估方法，其特征在于，所述s2具体为：对步骤s1获得的人眼皱纹检测模型进行检测，输入图片、视频、实时图像进行检测，识别前预处理为，对于图像或视频图像尺寸特定像素范围内的图片，通过opencv图像缩放功能调节为a×b大小，对于图像尺寸小于特定范围内的图像，通过srgan超分辨率算法进行图像大小调节到图像边长为a和b之间，再通过opencv缩放功能进行调节，将待检测数据输入步骤s1中所获得的人眼皱纹检测模型进...
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。