【技术实现步骤摘要】
本申请属于图像处理，具体涉及一种衰老检测方法、装置、设备及存储介质。
技术介绍
1、目前，对于人脸图像处理应用越来越多，在医美领域，对人脸进行衰老检测是模拟整形应用之一。
2、相关技术中通常只检测人脸图像中的皱纹，依据检测的皱纹来评价衰老情况，衰老检测的角度过于单一，使得评价衰老情况的准确性很低。
技术实现思路
1、本申请提出一种衰老检测方法、装置、设备及存储介质，能够对泪沟、双下巴、发腮、皱纹中的一种或多种衰老特征进行检测，衰老检测更加全面准确。
2、本申请第一方面实施例提出了一种衰老检测方法，包括：
3、获取用户的人脸图像；
4、从所述人脸图像中截取出目标人脸区域图像；
5、通过预设的衰老检测模型对所述目标人脸区域图像进行检测，得到衰老检测结果；所述衰老检测结果包括泪沟检测结果、双下巴检测结果、发腮检测结果及皱纹检测结果中的至少之一。
6、本申请第二方面的实施例提供了一种衰老检测装置，包括：
7、获取模块，用于获取用户的人脸图像；
8、截取模块，用于从所述人脸图像中截取出目标人脸区域图像；
9、检测模块，用于通过预设的衰老检测模型对所述目标人脸区域图像进行检测，得到衰老检测结果；所述衰老检测结果包括泪沟检测结果、双下巴检测结果、发腮检测结果及皱纹检测结果中的至少之一。
10、本申请第三方面的实施例提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在
11、本申请第四方面的实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行实现上述第一方面所述的方法。
12、本申请实施例中提供的技术方案，至少具有如下技术效果或优点：
13、在本申请实施例中，能够对泪沟、双下巴、发腮、皱纹中的一种或多种衰老特征进行检测，衰老检测更加全面准确。且对于皱纹检测，可以利用多标签分类的第一皱纹检测模型进行检测，也可以利用基于语义分割的第二皱纹检测模型进行检测，都是轻量级模型，模型训练及检测的效率很高，而且皱纹检测的准确性高。
14、本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变的明显，或通过本申请的实践了解到。
本文档来自技高网...【技术保护点】
1.一种衰老检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述衰老检测模型包括泪沟检测模型、双下巴检测模型、发腮检测模型及皱纹检测模型中的至少之一；
3.根据权利要求2所述的方法，其特征在于，所述衰老检测模型包括第一皱纹检测模型，所述第一皱纹检测模型包括多个激活层，所述激活层的数目与皱纹标签的种类数目相等；
4.根据权利要求3所述的方法，其特征在于，所述将所述目标人脸区域图像输入所述第一皱纹检测模型中之前，还包括：
5.根据权利要求4所述的方法，其特征在于，所述构建用于进行皱纹分类的网络模型结构，包括：
6.根据权利要求5所述的方法，其特征在于，所述主干分类器包括CSPnet网络，所述将所述主干分类器与多头注意力层连接，包括：
7.根据权利要求5所述的方法，其特征在于，所述根据所述训练集训练所述网络模型结构，得到训练好的第一皱纹检测模型，包括：
8.根据权利要求2-7任一项所述的方法，其特征在于，所述衰老检测模型包括第二皱纹检测模型，所述第二皱纹检测模型包括骨干网络、编码
9.根据权利要求8所述的方法，其特征在于，所述解码网络包括分割网络和分类网络；所述基于所述目标特征，通过所述解码网络确定皱纹区域，及预测皱纹区域中皱纹类别的预测概率，包括：
10.根据权利要求8所述的方法，其特征在于，所述编码网络包括四个串联的残差网络；
11.根据权利要求10所述的方法，其特征在于，每个残差网络包括第一卷积层、多尺度提取网络、注意力网络、第一拼接层、第二卷积层以及第二拼接层；
12.根据权利要求8所述的方法，其特征在于，所述第二皱纹检测模型的训练过程包括：
13.根据权利要求12所述的方法，其特征在于，所述根据每种皱纹类别的标签在所述人脸样本中包含的像素，确定每种皱纹类别的类别权重，包括：
14.根据权利要求12所述的方法，其特征在于，利用所述预测结果、所述类别权重以及所述标签确定目标损失值，包括：
15.根据权利要求2所述的方法，其特征在于，所述衰老检测模型包括泪沟检测模型；所述基于所述目标人脸区域图像，通过预设的衰老检测模型包括的每个模型分别预测相应的衰老特征的预测概率，包括：
16.根据权利要求2所述的方法，其特征在于，所述衰老检测模型包括双下巴检测模型；所述基于所述目标人脸区域图像，通过预设的衰老检测模型包括的每个模型分别预测相应的衰老特征的预测概率，包括：
17.根据权利要求2所述的方法，其特征在于，所述衰老检测模型包括发腮检测模型；所述基于所述目标人脸区域图像，通过预设的衰老检测模型包括的每个模型分别预测相应的衰老特征的预测概率，包括：
18.根据权利要求1-17任一项所述的方法，其特征在于，所述从所述人脸图像中截取出目标人脸区域图像，包括：
19.一种衰老检测装置，其特征在于，包括：
20.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序以实现如权利要求1-18任一项所述的方法。
21.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行实现如权利要求1-18中任一项所述的方法。
...【技术特征摘要】
1.一种衰老检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述衰老检测模型包括泪沟检测模型、双下巴检测模型、发腮检测模型及皱纹检测模型中的至少之一；
3.根据权利要求2所述的方法，其特征在于，所述衰老检测模型包括第一皱纹检测模型，所述第一皱纹检测模型包括多个激活层，所述激活层的数目与皱纹标签的种类数目相等；
4.根据权利要求3所述的方法，其特征在于，所述将所述目标人脸区域图像输入所述第一皱纹检测模型中之前，还包括：
5.根据权利要求4所述的方法，其特征在于，所述构建用于进行皱纹分类的网络模型结构，包括：
6.根据权利要求5所述的方法，其特征在于，所述主干分类器包括cspnet网络，所述将所述主干分类器与多头注意力层连接，包括：
7.根据权利要求5所述的方法，其特征在于，所述根据所述训练集训练所述网络模型结构，得到训练好的第一皱纹检测模型，包括：
8.根据权利要求2-7任一项所述的方法，其特征在于，所述衰老检测模型包括第二皱纹检测模型，所述第二皱纹检测模型包括骨干网络、编码网络和解码网络；
9.根据权利要求8所述的方法，其特征在于，所述解码网络包括分割网络和分类网络；所述基于所述目标特征，通过所述解码网络确定皱纹区域，及预测皱纹区域中皱纹类别的预测概率，包括：
10.根据权利要求8所述的方法，其特征在于，所述编码网络包括四个串联的残差网络；
11.根据权利要求10所述的方法，其特征在于，每个残差网络包括第一卷积层、多尺度提取网络、注意力网络、第一拼接层、第二卷积层以及第二拼接层；
【专利技术属性】
技术研发人员：张译友，
申请(专利权)人：北京新氧科技有限公司，
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。