CN104299011A - 一种基于人脸图像识别的肤质与皮肤问题识别检测方法 - Google Patents

一种基于人脸图像识别的肤质与皮肤问题识别检测方法 Download PDF

Info

Publication number
CN104299011A
CN104299011A CN201410537110.1A CN201410537110A CN104299011A CN 104299011 A CN104299011 A CN 104299011A CN 201410537110 A CN201410537110 A CN 201410537110A CN 104299011 A CN104299011 A CN 104299011A
Authority
CN
China
Prior art keywords
skin
face
image block
point
connected domain
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201410537110.1A
Other languages
English (en)
Inventor
吴亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201410537110.1A priority Critical patent/CN104299011A/zh
Publication of CN104299011A publication Critical patent/CN104299011A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/162—Detection; Localisation; Normalisation using pixel segmentation or colour matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines

Abstract

本发明公开了一种基于人脸图像识别的肤质与皮肤问题识别检测方法。输入清晰的人脸照片，进行人脸识别，将人脸的面部照片图像划分为20个面部图像区块；对划分后的每个面部图像区块进行毛发和皮肤识别以及皮肤属性的计算；对各个面部图像区块中的皮肤问题进行鉴定；根据皮肤问题和皮肤属性的结果，判断肤质类型，进行肤质与皮肤问题的识别与检测。本发明可基于一张清晰的人脸照片，依次采用人脸识别，区域划分，区域识别等方法，确定图片中人面部的各方面肤质和皮肤问题情况，通过图像中的人脸检测以便提供最适合的护肤建议。

Description

一种基于人脸图像识别的肤质与皮肤问题识别检测方法
技术领域
本发明涉及了一种人脸图像的识别检测方法，尤其是涉及一种基于人脸图像识别的肤质与皮肤问题识别检测方法，属于人工智能的图像识别领域。
背景技术
人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。目前人脸识别技术已经比较成熟，但是还无法通过图像中的人脸检测出一个人的皮肤肤质和皮肤问题。肤质是指人类皮肤的多样化所形成的特殊属性及特征。主要困难有：
（1）人的肤质情况复杂，皮肤的情况因人而异。目前已知的共有五种肤质，分别是中性肤质，干性肤质，油性肤质，混合性肤质，敏感性肤质。目前还缺乏专门的图像识别手段能够识别这五种肤质。
（2）人脸部常常会有不同类型的皮肤问题，或是皮肤特征。常见的皮肤问题有：痤疮（俗称“青春痘”、“痘痘”、“粉刺”），面部红血丝，毛孔粗大。这些皮肤问题多为后天形成，可通过一定的护肤手段加以消除，恢复美观。常见的皮肤特征有：黑素细胞痣（俗称“痣”），胎记。这些皮肤特征多为先天形成，通常只能采取手术手段加以消除。下文中将这些皮肤问题和皮肤特征统称为皮肤问题。这些皮肤问题变化繁多，因人而异。目前还缺乏专门的图像识别手段能将其正确地识别出来。
（3）人的面部常常受到眼镜，头发的遮挡，影响肤质的识别。
发明内容
针对以上这些图像识别的问题，本发明采取了一种基于人脸图像识别的肤质与皮肤问题识别检测方法，与机器学习（machine learning）相结合的图像识别方式进行识别，其中采用机器学习的方式，在人脸识别的基础上实现了人面部肤质及皮肤问题的识别。本发明方法可基于一张光照良好、图片清晰的人脸照片，依次采用人脸识别、区域划分、区域识别等方法，确定图片中人面部的各方面肤质和皮肤问题情况。
本发明采用的技术方案是：
1）输入清晰的人脸照片，进行人脸识别，将人脸的面部照片图像划分为20个面部图像区块；
2）对步骤1）划分后的每个面部图像区块进行毛发和皮肤识别以及皮肤属性的计算；
3）对各个面部图像区块中的皮肤问题进行鉴定；
4）根据皮肤问题和皮肤属性的结果，判断肤质类型，进行肤质与皮肤问题的识别与检测。
所述的步骤1）具体包括：人脸识别采用第三方人脸识别工具face++进行人脸识别，获取人脸部以下关键点，并划分出区块：
1.1）关键点包括位于脸部左侧的左关键点、位于脸部右侧的右关键点和位于脸部中间的中关键点：左关键点包括左额点、左眉右边缘点、上左边缘点、左眼左边缘点、上左鼻翼点、左颧骨点、中左边缘点、下嘴唇下边缘点、下左边缘点、左嘴角点和左下巴点；中关键点包括左额顶点、右额中部点、右眼左边缘和下左鼻翼点；
1.2）由两个关键点分别作为矩形区块的两个对角点确定各个面部图像区块：脸部左侧的面部图像区块划分：由左额点和左眉右边缘点划分出面部图像区块L1，由上左边缘点和左眼左边缘点划分出面部图像区块L2，由左眼左边缘点和上左鼻翼点划分出面部图像区块L3，由左眼左边缘点和中左边缘点划分出面部图像区块L4，由左颧骨点和左嘴角点划分出面部图像区块L5，由左颧骨点和下左边缘点划分出面部图像区块L6，由下左边缘点和左下巴点划分出面部图像区块L7，由左下巴点和下嘴唇下边缘点划分出面部图像区块L8；
脸部中间的面部图像区块划分：由左额顶点和右额中部点划分出面部图像区块M1，由右额中部点和右眼左边缘点划分出面部图像区块M2，由左眉右边缘点和右眼左边缘点划分出面部图像区块M3，由右眼左边缘点和下左鼻翼点划分出面部图像区块M4；
通过以上与脸部左侧相同的方式得到位于脸部右侧的右关键点及其面部图像区块R1～面部图像区块R8的划分；
1.3）将得到20个面部图像区块均缩放为50×50像素的相同大小。
所述的步骤2）具体包括：
2.1）进行毛发识别，判断是否被异物覆盖：
异物为毛发或者眼镜，通过毛发识别方法和线条识别方法判断面部图像区块内的皮肤是否被毛发覆盖，根据face++的识别结果面部图像区块内的皮肤是否被眼镜覆盖；
如果某面部图像区块内的任一处皮肤被毛发或者眼镜覆盖，则将该区块判定为无效区块，对于该面部图像区块不进行余下步骤；
如果某面部图像区块内没有检测出被毛发和眼镜覆盖，则对于该面部图像区块进行下一步骤；
2.2）对面部图像区块进行肤色填充，然后依次进行肤色、油腻程度、肤质光滑程度计和肤质问题计算；
2.2.1）对面部图像区块进行肤色填充
对于处于人脸边缘的面部图像区块，使用肤色识别填充方法判断该面部图像区块是否包含非皮肤部分，如果不都是皮肤，则采用以下方式进行肤色填充，否则不进行肤色填充；
在Lab色彩空间下，面部图像区块进行归一化处理后，找出两个颜色对立维度a和b分别满足0.51<a<0.62和0.55<b<0.67的图像区域部分，识别为皮肤的颜色，然后再使用Canny边缘检测方法找出面部图像区块中皮肤和非皮肤的界限，使用面部图像区块中皮肤的所有像素的颜色平均值填充非皮肤的图像区域；
2.2.2）计算肤色
在Lab色彩空间下，将面部图像区块的每个像素的L值从小到大排序，然后再取处于中间1/3的L值的平均值，作为该面部图像区块的肤色值；
2.2.3）计算油腻程度
在Lab色彩空间下，将面部图像区块的每个像素的L值从小到大排序，然后取处于最后1/50的L值的平均值作为最大亮度值，取全部的L值的平均值作为平均亮度值；
若满足最大亮度值>90且最大亮度值与平均亮度值之差>12或者满足最大亮度值与平均亮度值之差>15，则该面部图像区块的皮肤为油腻：若最大亮度值与平均亮度值<7之差，则该面部图像区块的皮肤为干燥；如果既不是油腻，也不是干燥，则该面部图像区块的皮肤为中性；
2.2.4）计算肤质光滑程度
将面部图像区块处理为灰度图，使用灰度共生矩阵法获得其相异性属性，作为肤质光滑程度值。
所述的步骤3）具体包括：
3.1）通过已训练的分类器对面部图像区块进行肤质问题的检测判断，如果该面部图像区块属于问题肤质，则进行下一步骤；
如果该面部图像区块属于优质肤质，则进行跳过以下步骤3.2）～3.4），直接进行步骤3.5）；
3.2）通过已训练的分类器对面部图像区块的问题区域的颜色进行检测判断；若问题区域的颜色为红色，则进行步骤3.3）；若问题区域的颜色为黑褐色，则进行步骤3.4）；
3.3）通过已训练的分类器对面部图像区块的肤质问题是痤疮还是红血丝进行检测判断；
3.4）通过已训练的分类器对面部图像区块的肤质问题是大斑点还是小斑点进行检测判断；
3.5）位于鼻尖和鼻翼两侧的三个面部图像区块，依次采用局部自适应阈值法和连通域分析方法进行计算得，其中面积小于等于6的连通域为毛孔，统计毛孔数量和每个毛孔的面积，以检测肤质细腻程度。
所述的步骤4）的判断和检测具体包括：
如果鼻尖所在的面部图像区块的皮肤为“干燥”，则该人脸皮肤为干性肤质；
如果鼻尖所在的面部图像区块的皮肤为“中性”，则该人脸皮肤为干性肤质；
如果鼻尖所在的面部图像区块的皮肤为“油腻”且其余的面部图像区块不是“油腻”，则该人脸皮肤为混合性肤质；
如果任何一个面颊所在的面部图像区块的皮肤为“油腻”，则该人脸皮肤为油性肤质；
如果任何一个面颊所在的面部图像区块的皮肤图像区块有毛孔粗大的皮肤问题，则该人脸皮肤为毛孔粗大；
如果鼻尖所在的面部图像区块有毛孔粗大的皮肤问题，则该人脸有黑头问题；
如果任何一个面颊所在的面部图像区块的皮肤有红血丝，则该面部图像区块的人脸皮肤为敏感性肤质；
如果任何一个面部图像区块上有痤疮的皮肤问题，则该人脸皮肤上有痤疮；
如果面部所有面部图像区块中存在两个或两个以下的面部图像区块中含有大斑点，则该人脸皮肤上有痣；
如果面部所有面部图像区块中存在三个或三个以上的面部图像区块中含有大斑点，则该人脸皮肤上有雀斑。
所述的步骤2.1）具体包括：先采用毛发识别方法检测是否存在成片毛发，再采用以下的线条识别方法对剩余毛发进行识别检测：使用局部自适应阈值法将面部图像区块中二值化，再使用连通域分析方法得到其中的各个连通域的位置和面积，采用以下公式计算连通域x方向的范围和连通域y方向的范围：
Xrange= Xmax- Xmin
Yrange= Ymax- Ymin
其中，Xmax为连通域x方向最大值，Xmin为连通域x方向最小值，Ymax为连通域y方向最大值，Ymin为连通域y方向最小值；
将满足Xrange/Yrange>4且1<Yrange<11的连通域记为横向毛发线条，将满足Yrange/Xrange>4且1<Xrange<11的连通域记为纵向毛发线条，将满足Yrange>30或Xrange>30且连通域面积/（Xrange×Yrange）<0.3的连通域记为斜向弯曲的毛发线条；
以上三种毛发线条均为剩余毛发，如果面部图像区块中任一处皮肤存在成片毛发或者剩余毛发，则该面部图像区块内的皮肤被毛发覆盖；如果面部图像区块中均不存在成片毛发或者剩余毛发，则该面部图像区块内的皮肤未被毛发覆盖。
所述的步骤3.1）中分类器采用以下方式进行训练：对于痘痘、红血丝、痣、雀斑和毛孔粗大的六类皮肤问题分别收集各至少1000张问题肤质图片样本，和至少5000张面部不包含六类皮肤问题的优质肤质图片样本，将所有图片样本处理为灰度图，使用灰度共生矩阵法获得每张图片样本的对比度、相异性、均质性、ASM能量、能量、自相关的六项图片属性，将问题肤质图片样本和优质肤质图片样本分别标记为“优质皮肤”、“问题皮肤”，并与各自的六项图片属性作为训练数据输入到支持向量机分类模型中，训练得到分类器；
上述包含有毛孔粗大的皮肤问题的问题肤质图片样本具体为：问题肤质图片样本中，对位于鼻头、鼻翼两侧和两侧面颊的图像面部区块，依次采用局部自适应阈值法和连通域分析方法进行计算，得到的连通域中，如果其中存在像素面积大于等于2且小于等于6的连通域，则该连通域的面部图像区块所在的问题肤质图片样本包含有毛孔粗大的皮肤问题；否则如果不存在任何像素面积大于等于2且小于等于6的连通域，则没有毛孔粗大的皮肤问题。
所述的步骤3.2）中分类器采用以下方式进行训练：对于痘痘、红血丝、痣、雀斑和毛孔粗大的六类皮肤问题分别收集各至少1000张皮肤问题图片样本，使用局部自适应阈值法和连通域分析方法获得面部图像区块中的问题像素点区域，获得各个的位置和大小，问题像素点区域为面部图像区块中皮肤问题所占的像素点区域，将问题像素点区域中的像素平均值分别减去除问题像素点区域以外的面部图像区块其余区域的像素平均值，获得颜色差值；将仅包含有痘痘或者红血丝皮肤问题的皮肤问题图片样本标记为“红色”，将仅包含有痣、雀斑或者毛孔粗大问题的皮肤问题图片样本标记为“黑褐色”，并与各自的颜色差值输入到支持向量机分类模型中，训练得到皮肤问题颜色分类器；
上述包含有毛孔粗大的皮肤问题的问题肤质图片样本具体为：问题肤质图片样本中，对位于鼻头、鼻翼两侧和两侧面颊的图像面部区块，依次采用局部自适应阈值法和连通域分析方法进行计算，得到的连通域中，如果其中存在像素面积大于等于2且小于等于6的连通域，则该连通域的面部图像区块所在的问题肤质图片样本包含有毛孔粗大的皮肤问题；否则如果不存在任何像素面积大于等于2且小于等于6的连通域，则没有毛孔粗大的皮肤问题。
所述的步骤3.3）中分类器采用以下方式进行训练：收集至少1000张面部仅包含有痤疮问题的痤疮肤质图片样本和至少1000张面部仅包含有红血丝问题的红血丝肤质图片样本，使用连通域分析方法计算得到各个痤疮或者红血丝的问题区域的位置和面积，将像素面积小于等于6的区域划分为小区域，将像素面积大于6且小于等于30的区域划分为中区域，将面积大于30的区域划分为大区域，从而得到小区域、中等区域和大区域各自的数量，将痤疮肤质图片样本和红血丝肤质图片样本分别标记为“痤疮”“红血丝”，并与各自的大中小区域数量和面积作为训练数据输入到支持向量机分类模型中，训练得到痤疮与红血丝分类器。
所述的步骤3.4）中分类器采用以下方式进行训练：收集至少1000张面部仅包含有痣或者雀斑的肤质图片样本和至少1000张面部仅包含有粗大毛孔的肤质图片样本，使用局部自适应阈值法和连通域分析方法方法计算得到各个斑点问题区域的位置和面积，斑点问题为痣或者雀斑或粗大毛孔，将像素面积小于等于6的区域划分为小区域，将像素面积大于6且小于等于30的区域划分为中区域，将面积大于30的区域划分为大区域，从而得到小区域、中等区域和大区域各自的数量，将痣或者雀斑的肤质图片样本标记为“大斑点”，粗大毛孔的肤质图片样本标记为“小斑点”，并与各自的大中小区域数量和面积作为训练数据输入到支持向量机分类模型中，训练得到大斑点与小斑点分类器。
本发明的有益效果是：
本发明创新性地提出了从人脸图片中自动识别肤质和皮肤问题的一系列方法，可对任意一张光照良好、图片清晰的人脸照片进行解析，通过图像中的人脸检测出一个人的皮肤肤质和皮肤问题，从而下一步可提供给予最适合的护肤方法和护肤品的建议。本发明可广泛应用于美容护肤领域，通过对人脸图像的识别与检测能随时随地、方便快捷地帮助人们作出正确的美容护肤选择。
附图说明
图1是本发明的面部图像区块的划分示意图。
图2是本发明具体实施示例用图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步详细说明。其中所有的图片处理均采用Lab色彩空间。Lab色彩空间是颜色-对立空间，带有维度L表示亮度，a和b表示两个颜色对立维度。
本发明方法包括以下步骤：
1）输入清晰的人脸照片，进行人脸识别，将人脸的面部照片图像划分为20个面部图像区块；
2）对步骤1）划分后的每个面部图像区块进行毛发和皮肤识别以及皮肤属性的计算；
3）对各个面部图像区块中的皮肤问题进行鉴定；
4）根据以上皮肤属性和皮肤问题的结果，进行肤质与皮肤问题的识别与检测，综合判断所检测人脸的肤质类型与皮肤问题。
如图1所示，所述的步骤1）具体包括：
1.1）人脸识别采用第三方人脸识别工具face++进行人脸识别，获取人脸部以下关键点，并划分出区块。
1.1）关键点包括位于脸部左侧的左关键点、位于脸部右侧的右关键点和位于脸部中间的中关键点：左关键点包括左额点a、左眉右边缘点b、上左边缘点c、左眼左边缘点d、上左鼻翼点e、左颧骨点f、中左边缘点g、下嘴唇下边缘点h、下左边缘点i、左嘴角点j和左下巴点k；中关键点包括左额顶点l、右额中部点m、右眼左边缘n和下左鼻翼点o。
1.2）由两个关键点分别作为矩形区块的两个对角点确定各个面部图像区块：
a）脸部左侧的面部图像区块划分：由左额点a和左眉右边缘点b划分出面部图像区块L1，由上左边缘点c和左眼左边缘点d划分出面部图像区块L2，由左眼左边缘点d和上左鼻翼点e划分出面部图像区块L3，由左眼左边缘点d和中左边缘点g划分出面部图像区块L4，由左颧骨点f和左嘴角点j划分出面部图像区块L5，由左颧骨点f和下左边缘点i划分出面部图像区块L6，由下左边缘点i和左下巴点k划分出面部图像区块L7，由左下巴点k和下嘴唇下边缘点h划分出面部图像区块L8；
b）脸部中间的面部图像区块划分：由左额顶点l和右额中部点m划分出面部图像区块M1，由右额中部点m和右眼左边缘点n划分出面部图像区块M2，由左眉右边缘点b和右眼左边缘点n划分出面部图像区块M3，由右眼左边缘点n和下左鼻翼点o划分出面部图像区块M4；
c）脸部右侧的面部图像区块划分：通过以上与脸部左侧相同的方式得到位于脸部右侧的右关键点及其面部图像区块R1～面部图像区块R8的划分。
1.3）将得到20个面部图像区块均缩放为50×50像素的相同大小。
所述的步骤2）具体包括：
2.1）进行毛发识别，判断是否被异物覆盖：异物为毛发或者眼镜，通过毛发识别方法和线条识别方法判断面部图像区块内的皮肤是否被毛发覆盖，根据face++的识别结果面部图像区块内的皮肤是否被眼镜覆盖；如果某面部图像区块内的任一处皮肤被毛发或者眼镜覆盖，则将该区块判定为无效区块，对于该面部图像区块不进行步骤2）的余下步骤和步骤3）、步骤4）；如果某面部图像区块内没有检测出被毛发和眼镜覆盖，则对于该面部图像区块进行下一步骤。
判断过程具体包括：先采用毛发识别方法检测是否存在成片毛发（即大面积毛发），再采用以下的线条识别方法对剩余毛发（即少量毛发）进行识别检测：使用局部自适应阈值法（Local adaptive thresholding）将面部图像区块中二值化，再使用连通域分析方法（Connected-component labeling）得到其中的各个连通域的位置和面积，采用以下公式计算连通域x方向的范围和连通域y方向的范围：
Xrange= Xmax- Xmin
Yrange= Ymax- Ymin
其中，Xmax为连通域x方向最大值，Xmin为连通域x方向最小值，Ymax为连通域y方向最大值，Ymin为连通域y方向最小值；
将满足Xrange/Yrange>4且1<Yrange<11的连通域记为横向毛发线条，将满足Yrange/Xrange>4且1<Xrange<11的连通域记为纵向毛发线条，将满足Yrange>30或Xrange>30且连通域面积/（Xrange×Yrange）<0.3的连通域记为斜向弯曲的毛发线条；
符合上述三种情况的即为被毛发识别方法遗漏检测的毛发；以上三种毛发线条均为剩余毛发，如果面部图像区块中任一处皮肤存在成片毛发或者剩余毛发，则该面部图像区块内的皮肤被毛发覆盖；如果面部图像区块中均不存在成片毛发或者剩余毛发，则该面部图像区块内的皮肤未被毛发覆盖。由此检测到大面积毛发或少量毛发，对是否被大面积毛发或少量毛发的两种毛发覆盖进行检测。
2.2）对面部图像区块进行肤色填充，然后依次进行肤色、油腻程度、肤质光滑程度计和肤质问题计算。
2.2.1）对面部图像区块进行肤色填充
对于处于人脸边缘的面部图像区块（即面部图像区块L2、L4、L6、L7、L8、R2、R4、R6、R7和R8，如附图1中所示），使用肤色识别填充方法判断该面部图像区块是否包含非皮肤部分，如果不都是皮肤，则进行肤色填充，否则不进行肤色填充。
肤色识别填充具体采用以下方法：在Lab色彩空间下，肤色的像素值处于一个较窄的区域，对面部图像区块进行归一化处理后，找出两个颜色对立维度a和b分别满足0.51<a<0.62和0.55<b<0.67的图像区域部分，识别为皮肤的颜色，然后再使用Canny边缘检测方法（Canny edge detector）找出面部图像区块中皮肤和非皮肤的界限，使用面部图像区块中皮肤的所有像素的颜色平均值填充非皮肤的图像区域。
2.2.2）计算肤色
在Lab色彩空间下，将面部图像区块的每个像素的L值从小到大排序，然后再取处于中间1/3的L值的平均值，作为该面部图像区块的肤色值。
2.2.3）计算油腻程度
在Lab色彩空间下，将面部图像区块的每个像素的L值从小到大排序，，然后取处于最后1/50的L值的平均值作为最大亮度值，取全部的L值的平均值作为平均亮度值；若满足最大亮度值>90且最大亮度值与平均亮度值之差>12或者满足最大亮度值与平均亮度值之差>15，则该面部图像区块为油腻：若最大亮度值与平均亮度值<7之差，则该面部图像区块为干燥；如果既不是油腻，也不是干燥，则该面部图像区块为中性。
2.2.4）计算肤质光滑程度
将面部图像区块处理为灰度图，使用灰度共生矩阵法（GLCM）获得其相异性（dissimilarity)属性，作为肤质光滑程度值。
所述的步骤3）具体包括：
3.1）通过已训练的分类器对面部图像区块进行肤质问题的检测判断，如果该面部图像区块属于问题肤质，则进行下一步骤；如果该面部图像区块属于优质肤质，则进行跳过以下步骤3.2）～3.4），直接进行步骤3.5）。
其分类器采用以下方式进行训练：对于痘痘、红血丝、痣、雀斑和毛孔粗大的六类皮肤问题分别收集各至少1000张问题肤质图片样本，和至少5000张面部不包含六类皮肤问题的优质肤质图片样本，将所有图片样本处理为灰度图，使用灰度共生矩阵法（GLCM方法）获得每张图片样本的对比度（contrast）、相异性（dissimilarity）、均质性（homogeneity）、ASM能量（angular second moment)、能量（energy）、自相关（correlation）的六项图片属性，将问题肤质图片样本和优质肤质图片样本分别标记为“优质皮肤”、“问题皮肤”，并与各自的六项图片属性作为训练数据输入到支持向量机分类模型（support vector classifier）中，训练得到分类器。
3.2）通过已训练的分类器对面部图像区块的问题区域的颜色进行检测判断；若问题区域的颜色为红色，则进入步骤3.3）；若问题区域的颜色为黑褐色，则进入步骤3.4）。
其分类器采用以下方式进行训练：收集面部仅包含有痘痘或者红血丝皮肤问题的皮肤问题图片样本各至少1000张以及面部仅包含有痣、雀斑或者毛孔粗大问题的皮肤问题图片样本各至少1000张，即对于痘痘、红血丝、痣、雀斑和毛孔粗大的六类皮肤问题分别各收集至少1000张皮肤问题图片样本，使用局部自适应阈值法（Local adaptive thresholding）和连通域分析方法（Connected-component labeling）获得面部图像区块中的问题像素点区域，获得各个的位置和大小，问题像素点区域为面部图像区块中皮肤问题所占的像素点区域，将问题像素点区域中的像素平均值分别减去除问题像素点区域以外的面部图像区块其余区域的像素平均值，获得颜色差值；将仅包含有痘痘或者红血丝皮肤问题的皮肤问题图片样本标记为“红色”，将仅包含有痣、雀斑或者毛孔粗大问题的皮肤问题图片样本标记为“黑褐色”，并与各自的颜色差值输入到支持向量机分类模型（support vector classifier）中，训练得到皮肤问题颜色分类器。
3.3）通过已训练的分类器对面部图像区块的肤质问题是痤疮还是红血丝进行检测判断。
其分类器采用以下方式进行训练：收集至少1000张面部仅包含有痤疮问题的痤疮肤质图片样本和至少1000张面部仅包含有红血丝问题的红血丝肤质图片样本，使用连通域分析方法（Connected-component labeling）计算得到各个痤疮或者红血丝的问题区域的位置和面积，将像素面积小于等于6的区域划分为小区域，将像素面积大于6且小于等于30的区域划分为中区域，将面积大于30的区域划分为大区域，从而得到小区域、中等区域和大区域各自的数量，将痤疮肤质图片样本和红血丝肤质图片样本分别标记为“痤疮”、“红血丝”，并与各自的大中小区域数量和面积作为训练数据输入到支持向量机分类模型（support vector classifier）中，训练得到痤疮与红血丝分类器。
3.4）通过已训练的分类器对面部图像区块的肤质问题是大斑点（痣或者雀斑）还是小斑点（粗大毛孔）进行检测判断。
其分类器采用以下方式进行训练：各收集至少1000张面部仅包含有痣或者雀斑的肤质图片样本和至少1000张面部仅包含有粗大毛孔的肤质图片样本，使用局部自适应阈值法（Local adaptive thresholding）和连通域分析方法（Connected-component labeling）计算得到各个斑点问题区域的位置和面积，斑点问题为痣或者雀斑或粗大毛孔，将像素面积小于等于6的区域划分为小区域，将像素面积大于6且小于等于30的区域划分为中区域，将面积大于30的区域划分为大区域，从而得到小区域、中等区域和大区域各自的数量，将痣或者雀斑的肤质图片样本标记为“大斑点”，粗大毛孔的肤质图片样本标记为“小斑点”，并与各自的大中小区域数量和面积作为训练数据输入到支持向量机分类模型（support vector classifier）中，训练得到大斑点与小斑点分类器。
3.5）对于位于鼻尖和鼻翼两侧的三个面部图像区块（即面部图像区块M4、L5、R5，如附图1中所示），依次采用局部自适应阈值法（Local adaptive thresholding）和连通域分析方法（Connected-component labeling）进行计算得，其中面积小于等于6的连通域为毛孔，统计毛孔数量和每个毛孔的面积，以检测肤质细腻程度，作为肤质细腻程度的参考依据。
其中，上述包含有毛孔粗大的皮肤问题的问题肤质图片样本具体是指：问题肤质图片样本中，对位于鼻头、鼻翼两侧和两侧面颊的图像面部区块（即图像面部区块L3，L5，R3，R5和M4，如附图1所示），依次采用局部自适应阈值法（Local adaptive thresholding）和连通域分析方法（Connected-component labeling）进行计算，得到的连通域中，如果其中存在像素面积大于等于2且小于等于6的连通域，则该连通域的面部图像区块所在的问题肤质图片样本包含有毛孔粗大的皮肤问题；否则如果不存在任何像素面积大于等于2且小于等于6的连通域，则该连通域的面部图像区块所在的问题肤质图片样本没有毛孔粗大的皮肤问题。
上述步骤4）最后的判断和检测具体包括：
如果任何一个面颊所在的面部图像区块（即面部图像区块L3、L5、R3、R5）的皮肤有红血丝，则该面部图像区块的人脸皮肤为敏感性肤质。
如果鼻尖所在的面部图像区块（即面部图像区块M4）的皮肤为“干燥”，则该人脸皮肤为干性肤质。
如果鼻尖所在的面部图像区块（即面部图像区块M4）的皮肤为“中性”，则该人脸皮肤为干性肤质。
如果鼻尖所在的面部图像区块（即面部图像区块M4）的皮肤为“油腻”且其余的面部图像区块不是“油腻”，则该人脸皮肤为混合性肤质。
如果任何一个面颊所在的面部图像区块（即面部图像区块L3、L5、R3、R5）的皮肤为“油腻”，则该人脸皮肤为油性肤质。
如果任何一个面颊所在的面部图像区块（即面部图像区块L3、L5、R3、R5）的皮肤图像区块有毛孔粗大的皮肤问题，则该人脸皮肤为毛孔粗大。
如果鼻尖所在的面部图像区块有毛孔粗大的皮肤问题，则该人脸有黑头问题。
如果任何一个面部图像区块上有痤疮的皮肤问题，则该人脸皮肤上有痤疮。
如果面部所有面部图像区块中存在两个或两个以下的面部图像区块中含有大斑点，则该人脸皮肤上有痣。
如果面部所有面部图像区块中存在三个或三个以上的面部图像区块中含有大斑点，则该人脸皮肤上有雀斑。
平均面部图像所有有效区块的肤色值，作为该人面部的肤色值，依据肤色从明暗程度，可将肤色分为“很白”、“白”、“正常”、“较深”和“很深”。
平均面部图像所有有效区块的肤质光滑程度值，作为该人面部的肤质光滑程度值，依据肤质从光滑到粗糙程度，可分为“很光滑”、“光滑”、“一般”、“较粗糙”和“很粗糙”。
本发明的实施例如下：
A）输入图2所示的人脸图像，并将其脸部划分为20个区块；
B）对每一个区域进行毛发覆盖检测，在L1、M1、R1、R2区发现毛发覆盖，判定为无效区域跳过识别。其它区域都未发现毛发和其它覆盖物，进入进入下一步识别。
C）使用肤色填充方法识别L2、L4、L6、L7、L8，R2、R4、R6、R7、R8中是否包含非肤色部分，发现L6、L7、R6、R7包含非肤色部分，对其进行肤色填充。
D）计算有效区域的肤色L值然后平均，得到L=85.6，属于肤色“很白”。
E）使用油腻程度方法得到M4处皮肤油腻，其余部分不油腻。得出她的肌肤为混合性肤质。
F）获得所有有效皮肤图像区块的肤质光滑程度值，平均后得到她的肤质光滑程度值为73.6，属于光滑程度“正常”。
G）使用皮肤问题识别方法计算区域中皮肤是否有不美观的皮肤问题。发现L3、L4、L6、M3、M4、R3、R4有皮肤问题，其余部分没有皮肤问题。
H）获得问题皮肤区块中问题区域的位置和面积，在原图中找出问题区域并将颜色与周围肤色对比。分类器发现颜色为黑褐色，则使用大（痣，雀斑）、小斑点（毛孔粗大）识别方法是何种斑点。发现均为大斑点。
I）统计M4，L5，R5三个区域中的毛孔数量和每个毛孔的面积，得到数量为27，毛孔平均面积较小。
J）综合以上信息，判定图像中人面部肤质特征为：a、肤色很白，b、混合性皮肤，c、光滑值为73.6，属于正常范围，d、在L3、L4、L6、M3、M4、R3、R4的面部图像区块检测有大斑点，判定有雀斑问题。e、M4，L5，R5三个区域中毛孔数量为27，毛孔平均面积较小。
K）在得到她所有的肤质信息后，假设当前检测时间是夏天，温度、湿度较高，光照强烈，那么就可以建议她：1. 使用氨基酸型洗面奶，注意面部的清洁、补水和控油，尤其是额头和鼻子，防止滋生暗疮和痘痘。2. 尽量不要在户外停留太长时间。如果出门的话，要使用SPF值20～30的防晒护肤品，一方面可以防止雀斑加深，另一方面不至于堵塞毛孔。
由此本发明实施例的混合性肤质、有雀斑的女性，通过其人脸图像检测，获得了肤质和皮肤问题，因此可建议该女性平时注意额头和鼻子的清洁、补水和控油，并使用SPF值20～30的防晒护肤品。
上述具体实施方式用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明作出的任何修改和改变，都落入本发明的保护范围。

Claims (10)

1.一种基于人脸图像识别的肤质与皮肤问题识别检测方法，其特征在于：
1）输入清晰的人脸照片，进行人脸识别，将人脸的面部照片图像划分为20个面部图像区块；
2）对步骤1）划分后的每个面部图像区块进行毛发和皮肤识别以及皮肤属性的计算；
3）对各个面部图像区块中的皮肤问题进行鉴定；
4）根据皮肤问题和皮肤属性的结果，判断肤质类型，进行肤质与皮肤问题的识别与检测。
2.根据权利要求1所述的一种基于人脸图像识别的肤质与皮肤问题识别检测方法，其特征在于：所述的步骤1）具体包括：
人脸识别采用第三方人脸识别工具face++进行人脸识别，获取人脸部以下关键点，并划分出区块：
1.1）关键点包括位于脸部左侧的左关键点、位于脸部右侧的右关键点和位于脸部中间的中关键点：左关键点包括左额点（a）、左眉右边缘点（b）、上左边缘点（c）、左眼左边缘点（d）、上左鼻翼点（e）、左颧骨点（f）、中左边缘点（g）、下嘴唇下边缘点（h）、下左边缘点（i）、左嘴角点（j）和左下巴点（k）；中关键点包括左额顶点（l）、右额中部点（m）、右眼左边缘（o）和下左鼻翼点（p）；
1.2）由两个关键点分别作为矩形区块的两个对角点确定各个面部图像区块：脸部左侧的面部图像区块划分：由左额点（a）和左眉右边缘点（b）划分出面部图像区块L1，由上左边缘点（c）和左眼左边缘点（d）划分出面部图像区块L2，由左眼左边缘点（d）和上左鼻翼点（e）划分出面部图像区块L3，由左眼左边缘点（d）和中左边缘点（g）划分出面部图像区块L4，由左颧骨点（f）和左嘴角点（j）划分出面部图像区块L5，由左颧骨点（f）和下左边缘点（i）划分出面部图像区块L6，由下左边缘点（i）和左下巴点（k）划分出面部图像区块L7，由左下巴点（k）和下嘴唇下边缘点（h）划分出面部图像区块L8；
脸部中间的面部图像区块划分：由左额顶点（l）和右额中部点（m）划分出面部图像区块M1，由右额中部点（m）和右眼左边缘点（o）划分出面部图像区块M2，由左眉右边缘点（b）和右眼左边缘点（o）划分出面部图像区块M3，由右眼左边缘点（o）和下左鼻翼点（p）划分出面部图像区块M4；
通过以上与脸部左侧相同的方式得到位于脸部右侧的右关键点及其面部图像区块R1～面部图像区块R8的划分；
1.3）将得到20个面部图像区块均缩放为50×50像素的相同大小。
3.根据权利要求1所述的一种基于人脸图像识别的肤质与皮肤问题识别检测方法，其特征在于：所述的步骤2）具体包括：
2.1）进行毛发识别，判断是否被异物覆盖：
异物为毛发或者眼镜，通过毛发识别方法和线条识别方法判断面部图像区块内的皮肤是否被毛发覆盖，根据face++的识别结果面部图像区块内的皮肤是否被眼镜覆盖；
如果某面部图像区块内的任一处皮肤被毛发或者眼镜覆盖，则将该区块判定为无效区块，对于该面部图像区块不进行余下步骤；
如果某面部图像区块内没有检测出被毛发和眼镜覆盖，则对于该面部图像区块进行下一步骤；
2.2）对面部图像区块进行肤色填充，然后依次进行肤色、油腻程度、肤质光滑程度计和肤质问题计算；
2.2.1）对面部图像区块进行肤色填充
对于处于人脸边缘的面部图像区块，使用肤色识别填充方法判断该面部图像区块是否包含非皮肤部分，如果不都是皮肤，则采用以下方式进行肤色填充，否则不进行肤色填充；
在Lab色彩空间下，面部图像区块进行归一化处理后，找出两个颜色对立维度a和b分别满足0.51<a<0.62和0.55<b<0.67的图像区域部分，识别为皮肤的颜色，然后再使用Canny边缘检测方法找出面部图像区块中皮肤和非皮肤的界限，使用面部图像区块中皮肤的所有像素的颜色平均值填充非皮肤的图像区域；
2.2.2）计算肤色
在Lab色彩空间下，将面部图像区块的每个像素的L值从小到大排序，然后再取处于中间1/3的L值的平均值，作为该面部图像区块的肤色值；
2.2.3）计算油腻程度
在Lab色彩空间下，将面部图像区块的每个像素的L值从小到大排序，然后取处于最后1/50的L值的平均值作为最大亮度值，取全部的L值的平均值作为平均亮度值；
若满足最大亮度值>90且最大亮度值与平均亮度值之差>12或者满足最大亮度值与平均亮度值之差>15，则该面部图像区块的皮肤为油腻：若最大亮度值与平均亮度值<7之差，则该面部图像区块的皮肤为干燥；如果既不是油腻，也不是干燥，则该面部图像区块的皮肤为中性；
2.2.4）计算肤质光滑程度
将面部图像区块处理为灰度图，使用灰度共生矩阵法获得其相异性属性，作为肤质光滑程度值。
4.根据权利要求1所述的一种基于人脸图像识别的肤质与皮肤问题识别检测方法，其特征在于：所述的步骤3）具体包括：
3.1）通过已训练的分类器对面部图像区块进行肤质问题的检测判断，如果该面部图像区块属于问题肤质，则进行下一步骤；
如果该面部图像区块属于优质肤质，则进行跳过以下步骤3.2）～3.4），直接进行步骤3.5）；
3.2）通过已训练的分类器对面部图像区块的问题区域的颜色进行检测判断；若问题区域的颜色为红色，则进行步骤3.3）；若问题区域的颜色为黑褐色，则进行步骤3.4）；
3.3）通过已训练的分类器对面部图像区块的肤质问题是痤疮还是红血丝进行检测判断；
3.4）通过已训练的分类器对面部图像区块的肤质问题是大斑点还是小斑点进行检测判断；
3.5）位于鼻尖和鼻翼两侧的三个面部图像区块，依次采用局部自适应阈值法和连通域分析方法进行计算得，其中面积小于等于6的连通域为毛孔，统计毛孔数量和每个毛孔的面积，以检测肤质细腻程度。
5.根据权利要求1所述的一种基于人脸图像识别的肤质与皮肤问题识别检测方法，其特征在于：所述的步骤4）的判断和检测具体为：
如果鼻尖所在的面部图像区块的皮肤为“干燥”，则该人脸皮肤为干性肤质；
如果鼻尖所在的面部图像区块的皮肤为“中性”，则该人脸皮肤为干性肤质；
如果鼻尖所在的面部图像区块的皮肤为“油腻”且其余的面部图像区块不是“油腻”，则该人脸皮肤为混合性肤质；
如果任何一个面颊所在的面部图像区块的皮肤为“油腻”，则该人脸皮肤为油性肤质；
如果任何一个面颊所在的面部图像区块的皮肤图像区块有毛孔粗大的皮肤问题，则该人脸皮肤为毛孔粗大；
如果鼻尖所在的面部图像区块有毛孔粗大的皮肤问题，则该人脸有黑头问题；
如果任何一个面颊所在的面部图像区块的皮肤有红血丝，则该面部图像区块的人脸皮肤为敏感性肤质；
如果任何一个面部图像区块上有痤疮的皮肤问题，则该人脸皮肤上有痤疮；
如果面部所有面部图像区块中存在两个或两个以下的面部图像区块中含有大斑点，则该人脸皮肤上有痣；
如果面部所有面部图像区块中存在三个或三个以上的面部图像区块中含有大斑点，则该人脸皮肤上有雀斑。
6.根据权利要求2所述的一种基于人脸图像识别的肤质与皮肤问题识别检测方法，其特征在于：所述的步骤2.1）具体包括：先采用毛发识别方法检测是否存在成片毛发，再采用以下的线条识别方法对剩余毛发进行识别检测：使用局部自适应阈值法将面部图像区块中二值化，再使用连通域分析方法得到其中的各个连通域的位置和面积，采用以下公式计算连通域x方向的范围和连通域y方向的范围：
Xrange= Xmax- Xmin
Yrange= Ymax- Ymin
其中，Xmax为连通域x方向最大值，Xmin为连通域x方向最小值，Ymax为连通域y方向最大值，Ymin为连通域y方向最小值；
将满足Xrange/Yrange>4且1<Yrange<11的连通域记为横向毛发线条，将满足Yrange/Xrange>4且1<Xrange<11的连通域记为纵向毛发线条，将满足Yrange>30或Xrange>30且连通域面积/（Xrange×Yrange）<0.3的连通域记为斜向弯曲的毛发线条；
以上三种毛发线条均为剩余毛发，如果面部图像区块中任一处皮肤存在成片毛发或者剩余毛发，则该面部图像区块内的皮肤被毛发覆盖；如果面部图像区块中均不存在成片毛发或者剩余毛发，则该面部图像区块内的皮肤未被毛发覆盖。
7.根据权利要求2所述的一种基于人脸图像识别的肤质与皮肤问题识别检测方法，其特征在于：所述的步骤3.1）中分类器采用以下方式进行训练：对于痘痘、红血丝、痣、雀斑和毛孔粗大的六类皮肤问题分别收集各至少1000张问题肤质图片样本，和至少5000张面部不包含六类皮肤问题的优质肤质图片样本，将所有图片样本处理为灰度图，使用灰度共生矩阵法获得每张图片样本的对比度、相异性、均质性、ASM能量、能量、自相关的六项图片属性，将问题肤质图片样本和优质肤质图片样本分别标记为“优质皮肤”、“问题皮肤”，并与各自的六项图片属性作为训练数据输入到支持向量机分类模型中，训练得到分类器；
上述包含有毛孔粗大的皮肤问题的问题肤质图片样本具体为：问题肤质图片样本中，对位于鼻头、鼻翼两侧和两侧面颊的图像面部区块，依次采用局部自适应阈值法和连通域分析方法进行计算，得到的连通域中，如果其中存在像素面积大于等于2且小于等于6的连通域，则该连通域的面部图像区块所在的问题肤质图片样本包含有毛孔粗大的皮肤问题；否则如果不存在任何像素面积大于等于2且小于等于6的连通域，则没有毛孔粗大的皮肤问题。
8.根据权利要求2所述的一种基于人脸图像识别的肤质与皮肤问题识别检测方法，其特征在于：所述的步骤3.2）中分类器采用以下方式进行训练：对于痘痘、红血丝、痣、雀斑和毛孔粗大的六类皮肤问题分别收集各至少1000张皮肤问题图片样本，使用局部自适应阈值法和连通域分析方法获得面部图像区块中的问题像素点区域，获得各个的位置和大小，问题像素点区域为面部图像区块中皮肤问题所占的像素点区域，将问题像素点区域中的像素平均值分别减去除问题像素点区域以外的面部图像区块其余区域的像素平均值，获得颜色差值；将仅包含有痘痘或者红血丝皮肤问题的皮肤问题图片样本标记为“红色”，将仅包含有痣、雀斑或者毛孔粗大问题的皮肤问题图片样本标记为“黑褐色”，并与各自的颜色差值输入到支持向量机分类模型中，训练得到皮肤问题颜色分类器；
上述包含有毛孔粗大的皮肤问题的问题肤质图片样本具体为：问题肤质图片样本中，对位于鼻头、鼻翼两侧和两侧面颊的图像面部区块，依次采用局部自适应阈值法和连通域分析方法进行计算，得到的连通域中，如果其中存在像素面积大于等于2且小于等于6的连通域，则该连通域的面部图像区块所在的问题肤质图片样本包含有毛孔粗大的皮肤问题；否则如果不存在任何像素面积大于等于2且小于等于6的连通域，则没有毛孔粗大的皮肤问题。
9.根据权利要求2所述的一种基于人脸图像识别的肤质与皮肤问题识别检测方法，其特征在于：所述的步骤3.3）中分类器采用以下方式进行训练：收集至少1000张面部仅包含有痤疮问题的痤疮肤质图片样本和至少1000张面部仅包含有红血丝问题的红血丝肤质图片样本，使用连通域分析方法计算得到各个痤疮或者红血丝的问题区域的位置和面积，将像素面积小于等于6的区域划分为小区域，将像素面积大于6且小于等于30的区域划分为中区域，将面积大于30的区域划分为大区域，从而得到小区域、中等区域和大区域各自的数量，将痤疮肤质图片样本和红血丝肤质图片样本分别标记为“痤疮”“红血丝”，并与各自的大中小区域数量和面积作为训练数据输入到支持向量机分类模型中，训练得到痤疮与红血丝分类器。
10.根据权利要求2所述的一种基于人脸图像识别的肤质与皮肤问题识别检测方法，其特征在于：所述的步骤3.4）中分类器采用以下方式进行训练：收集至少1000张面部仅包含有痣或者雀斑的肤质图片样本和至少1000张面部仅包含有粗大毛孔的肤质图片样本，使用局部自适应阈值法和连通域分析方法方法计算得到各个斑点问题区域的位置和面积，斑点问题为痣或者雀斑或粗大毛孔，将像素面积小于等于6的区域划分为小区域，将像素面积大于6且小于等于30的区域划分为中区域，将面积大于30的区域划分为大区域，从而得到小区域、中等区域和大区域各自的数量，将痣或者雀斑的肤质图片样本标记为“大斑点”，粗大毛孔的肤质图片样本标记为“小斑点”，并与各自的大中小区域数量和面积作为训练数据输入到支持向量机分类模型中，训练得到大斑点与小斑点分类器。
CN201410537110.1A 2014-10-13 2014-10-13 一种基于人脸图像识别的肤质与皮肤问题识别检测方法 Pending CN104299011A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410537110.1A CN104299011A (zh) 2014-10-13 2014-10-13 一种基于人脸图像识别的肤质与皮肤问题识别检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410537110.1A CN104299011A (zh) 2014-10-13 2014-10-13 一种基于人脸图像识别的肤质与皮肤问题识别检测方法

Publications (1)

Publication Number Publication Date
CN104299011A true CN104299011A (zh) 2015-01-21

Family

ID=52318732

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410537110.1A Pending CN104299011A (zh) 2014-10-13 2014-10-13 一种基于人脸图像识别的肤质与皮肤问题识别检测方法

Country Status (1)

Country Link
CN (1) CN104299011A (zh)

Cited By (62)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104732214A (zh) * 2015-03-24 2015-06-24 吴亮 一种基于人脸图像识别的定量化肤质检测方法
CN105005774A (zh) * 2015-07-28 2015-10-28 中国科学院自动化研究所 一种基于卷积神经网络的人脸亲属关系识别方法及装置
CN105095917A (zh) * 2015-08-31 2015-11-25 小米科技有限责任公司 图像处理方法、装置及终端
CN105550644A (zh) * 2015-12-08 2016-05-04 北京橙鑫数据科技有限公司 基于单面镜的皮肤状态分析方法及装置
CN106355134A (zh) * 2015-07-17 2017-01-25 台鉅企业股份有限公司 基于人脸影像的人脸肤色的侦测与数据库建立方法
CN106355190A (zh) * 2015-07-13 2017-01-25 西北工业大学 一种基于灰色理论的空间选择性注意检测方法
CN106529429A (zh) * 2016-10-27 2017-03-22 中国计量大学 一种基于图像识别的面部皮肤分析系统
CN106983493A (zh) * 2017-03-04 2017-07-28 武汉嫦娥医学抗衰机器人股份有限公司 一种基于三光谱的皮肤图像处理方法
CN107169960A (zh) * 2017-05-15 2017-09-15 精诚工坊电子集成技术（北京）有限公司 一种基于图像颜色空间的皮肤表面毛孔大小检测方法
CN107169399A (zh) * 2016-08-25 2017-09-15 北京中医药大学 一种人脸生物特征获取装置及方法
CN107274452A (zh) * 2017-05-31 2017-10-20 成都品果科技有限公司 一种痘痘自动检测方法
CN107437073A (zh) * 2017-07-19 2017-12-05 竹间智能科技（上海）有限公司 基于深度学习与生成对抗网路的人脸肤质分析方法及系统
CN107480719A (zh) * 2017-08-17 2017-12-15 广东工业大学 一种基于皮肤特性评价的护肤产品的推荐方法及系统
CN107679507A (zh) * 2017-10-17 2018-02-09 北京大学第三医院 面部毛孔检测系统及方法
CN108108663A (zh) * 2017-11-29 2018-06-01 安徽四创电子股份有限公司 一种视频人脸识别系统与方法
CN108154483A (zh) * 2016-12-02 2018-06-12 卡西欧计算机株式会社 图像处理装置、图像处理方法以及记录介质
CN108171208A (zh) * 2018-01-17 2018-06-15 百度在线网络技术（北京）有限公司 信息获取方法和装置
CN108323203A (zh) * 2017-07-17 2018-07-24 深圳和而泰智能控制股份有限公司 一种定量检测人脸肤质参量的方法、装置和智能终端
CN108509930A (zh) * 2018-04-10 2018-09-07 张姣姣 防盗锁传动转化控制平台
CN108523842A (zh) * 2018-03-15 2018-09-14 天津大学 一种测量人体脸部皮肤的力学性能的方法
CN108647566A (zh) * 2018-03-29 2018-10-12 维沃移动通信有限公司 一种识别皮肤特征的方法及终端
CN108664908A (zh) * 2018-04-27 2018-10-16 深圳爱酷智能科技有限公司 人脸识别方法、设备及计算机可读存储介质
CN108665585A (zh) * 2018-04-10 2018-10-16 张姣姣 防盗锁传动转化控制方法
CN108846311A (zh) * 2018-04-28 2018-11-20 北京羽医甘蓝信息技术有限公司 基于深度学习的检测面部皮肤片状缺陷的方法及装置
CN108921128A (zh) * 2018-07-19 2018-11-30 厦门美图之家科技有限公司 脸颊敏感肌识别方法及装置
CN109036514A (zh) * 2018-07-23 2018-12-18 潘路希 健康排毒智能养生仪
CN109063597A (zh) * 2018-07-13 2018-12-21 北京科莱普云技术有限公司 人脸检测方法、装置、计算机设备和存储介质
WO2019014814A1 (zh) * 2017-07-17 2019-01-24 深圳和而泰智能控制股份有限公司 一种定量检测人脸抬头纹的方法和智能终端
CN109300105A (zh) * 2017-07-25 2019-02-01 上海中科顶信医学影像科技有限公司 毛孔检测方法、系统、设备及存储介质
CN109299634A (zh) * 2017-07-25 2019-02-01 上海中科顶信医学影像科技有限公司 斑检测方法、系统、设备及存储介质
CN109325468A (zh) * 2018-10-18 2019-02-12 广州智颜科技有限公司 一种图像处理方法、装置、计算机设备和存储介质
CN109359611A (zh) * 2018-10-26 2019-02-19 厦门美图之家科技有限公司 一种检测人脸痣的方法及移动终端
CN109419491A (zh) * 2017-09-01 2019-03-05 广州市皓品信息科技有限公司 皮肤红血丝程度的获取方法及装置
CN109428932A (zh) * 2017-09-01 2019-03-05 广州市皓品信息科技有限公司 皮肤毛囊清洁程度的获取方法及装置
CN109545364A (zh) * 2017-09-20 2019-03-29 广州市皓品信息科技有限公司 脸部肌肤数据的检测护理方法及装置
WO2019072249A1 (zh) * 2017-10-12 2019-04-18 精诚工坊电子集成技术（北京）有限公司 利用皮肤图像分析皮肤水分的方法及装置
CN109919030A (zh) * 2019-01-31 2019-06-21 深圳和而泰数据资源与云技术有限公司 黑眼圈类型识别方法、装置、计算机设备和存储介质
CN109948476A (zh) * 2019-03-06 2019-06-28 南京七奇智能科技有限公司 一种基于计算机视觉的人脸皮肤检测系统及其实现方法
CN109978810A (zh) * 2017-12-26 2019-07-05 柴岗 痣的检测方法、系统、设备及存储介质
CN110008887A (zh) * 2019-03-29 2019-07-12 南京所由所以信息科技有限公司 一种基于深度学习的痤疮自动分级方法
CN110298393A (zh) * 2019-06-14 2019-10-01 深圳志合天成科技有限公司 一种基于深度学习的头发头皮健康状况检测方法
CN110334229A (zh) * 2019-04-30 2019-10-15 王松年 可视化显示方法、设备、系统及计算机可读存储介质
WO2019223148A1 (zh) * 2018-05-23 2019-11-28 平安科技（深圳）有限公司 基于面部识别的痤疮判断方法、终端及存储介质
CN110874572A (zh) * 2019-10-29 2020-03-10 北京海益同展信息科技有限公司 一种信息检测方法及装置、存储介质
CN111542856A (zh) * 2018-07-16 2020-08-14 华为技术有限公司 一种皮肤检测方法和电子设备
CN111651040A (zh) * 2020-05-27 2020-09-11 华为技术有限公司 用于肌肤检测的电子设备的交互方法及电子设备
WO2020207423A1 (zh) * 2019-04-12 2020-10-15 虹软科技股份有限公司 肤质检测方法、肤质等级分类方法及肤质检测装置
CN112037162A (zh) * 2019-05-17 2020-12-04 华为技术有限公司 一种面部痤疮的检测方法及设备
CN112396573A (zh) * 2019-07-30 2021-02-23 纵横在线(广州)网络科技有限公司 基于图像识别的面部皮肤分析方法及系统
WO2021078037A1 (zh) * 2019-10-22 2021-04-29 华为技术有限公司 人脸皮肤检测方法及装置
CN112837304A (zh) * 2021-02-10 2021-05-25 姜京池 一种皮肤检测方法、计算机存储介质及计算设备
TWI729338B (zh) * 2018-11-30 2021-06-01 中光電智能雲服股份有限公司 皮膚檢測方法及影像處理裝置
CN113129250A (zh) * 2019-12-27 2021-07-16 华为技术有限公司 皮肤检测方法、装置、终端设备及计算机存储介质
CN113357786A (zh) * 2021-06-09 2021-09-07 青岛海尔空调器有限总公司 空调加湿的控制方法、空调加湿系统、电子设备和介质
CN113592851A (zh) * 2021-08-12 2021-11-02 北京滴普科技有限公司 一种基于全脸图像的毛孔检测方法
CN108875545B (zh) * 2018-04-12 2022-02-08 北京旷视科技有限公司 确定人脸图像的光线状态的方法、装置、系统和存储介质
CN114220233A (zh) * 2021-11-25 2022-03-22 泰州市华达机电设备有限公司 智能化网络支付终端及方法
US11348366B2 (en) 2019-04-23 2022-05-31 The Procter And Gamble Company Apparatus and method for determining cosmetic skin attributes
US11416988B2 (en) 2019-04-23 2022-08-16 The Procter & Gamble Company Apparatus and method for visualizing visually imperceivable cosmetic skin attributes
US11636600B1 (en) * 2022-02-23 2023-04-25 Lululab Inc. Method and apparatus for detecting pores based on artificial neural network and visualizing the detected pores
JP7348448B1 (ja) 2022-06-01 2023-09-21 株式会社 サティス製薬 Ａｉ肌水分量解析方法、装置、またはシステムおよび学習済みａｉ肌水分量解析モデル
JP2023166041A (ja) * 2022-05-08 2023-11-20 知行 宍戸 Ａｉ肌解析方法、装置、またはシステム、およびスキンユニット同定ａｉモデル訓練方法または肌特徴解析ａｉモデル訓練方法、並びに学習済みスキンユニット同定ａｉモデルまたは学習済み肌特徴解析ａｉモデル

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101523169A (zh) * 2006-10-02 2009-09-02 强生消费者公司 用于使用L*a*b*色空间来分析皮肤的装置和方法
CN103324952A (zh) * 2013-05-27 2013-09-25 北京工业大学 基于特征提取的痤疮分类方法
CN103690149A (zh) * 2013-12-30 2014-04-02 惠州Tcl移动通信有限公司 通过面部拍照识别身体健康状况的移动终端及其实现方法
CN103745204A (zh) * 2014-01-17 2014-04-23 公安部第三研究所 一种基于斑痣点的体貌特征比对方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101523169A (zh) * 2006-10-02 2009-09-02 强生消费者公司 用于使用L*a*b*色空间来分析皮肤的装置和方法
CN103324952A (zh) * 2013-05-27 2013-09-25 北京工业大学 基于特征提取的痤疮分类方法
CN103690149A (zh) * 2013-12-30 2014-04-02 惠州Tcl移动通信有限公司 通过面部拍照识别身体健康状况的移动终端及其实现方法
CN103745204A (zh) * 2014-01-17 2014-04-23 公安部第三研究所 一种基于斑痣点的体貌特征比对方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李士恩: "基于数字图像的绒毛分类识别技术研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 *
艾武: "基于支持向量机的色素斑痣类皮肤症状识别研究", 《中国优秀硕士学位论文全文数据库医药卫生科技辑》 *

Cited By (89)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104732214A (zh) * 2015-03-24 2015-06-24 吴亮 一种基于人脸图像识别的定量化肤质检测方法
CN104732214B (zh) * 2015-03-24 2018-10-12 吴亮 一种基于人脸图像识别的定量化肤质检测方法
CN106355190A (zh) * 2015-07-13 2017-01-25 西北工业大学 一种基于灰色理论的空间选择性注意检测方法
CN106355190B (zh) * 2015-07-13 2020-04-10 西北工业大学 一种基于灰色理论的空间选择性注意检测方法
CN106355134A (zh) * 2015-07-17 2017-01-25 台鉅企业股份有限公司 基于人脸影像的人脸肤色的侦测与数据库建立方法
CN105005774A (zh) * 2015-07-28 2015-10-28 中国科学院自动化研究所 一种基于卷积神经网络的人脸亲属关系识别方法及装置
CN105005774B (zh) * 2015-07-28 2019-02-19 中国科学院自动化研究所 一种基于卷积神经网络的人脸亲属关系识别方法及装置
CN105095917A (zh) * 2015-08-31 2015-11-25 小米科技有限责任公司 图像处理方法、装置及终端
CN105095917B (zh) * 2015-08-31 2019-08-06 小米科技有限责任公司 图像处理方法、装置及终端
CN105550644A (zh) * 2015-12-08 2016-05-04 北京橙鑫数据科技有限公司 基于单面镜的皮肤状态分析方法及装置
CN107169399A (zh) * 2016-08-25 2017-09-15 北京中医药大学 一种人脸生物特征获取装置及方法
CN106529429A (zh) * 2016-10-27 2017-03-22 中国计量大学 一种基于图像识别的面部皮肤分析系统
CN106529429B (zh) * 2016-10-27 2019-08-16 中国计量大学 一种基于图像识别的面部皮肤分析系统
CN108154483A (zh) * 2016-12-02 2018-06-12 卡西欧计算机株式会社 图像处理装置、图像处理方法以及记录介质
CN108154483B (zh) * 2016-12-02 2022-05-31 卡西欧计算机株式会社 图像处理装置、图像处理方法以及记录介质
CN106983493B (zh) * 2017-03-04 2020-08-18 武汉嫦娥医学抗衰机器人股份有限公司 一种基于三光谱的皮肤图像处理方法
CN106983493A (zh) * 2017-03-04 2017-07-28 武汉嫦娥医学抗衰机器人股份有限公司 一种基于三光谱的皮肤图像处理方法
CN107169960A (zh) * 2017-05-15 2017-09-15 精诚工坊电子集成技术（北京）有限公司 一种基于图像颜色空间的皮肤表面毛孔大小检测方法
CN107274452B (zh) * 2017-05-31 2020-07-24 成都品果科技有限公司 一种痘痘自动检测方法
CN107274452A (zh) * 2017-05-31 2017-10-20 成都品果科技有限公司 一种痘痘自动检测方法
CN108323203A (zh) * 2017-07-17 2018-07-24 深圳和而泰智能控制股份有限公司 一种定量检测人脸肤质参量的方法、装置和智能终端
WO2019014814A1 (zh) * 2017-07-17 2019-01-24 深圳和而泰智能控制股份有限公司 一种定量检测人脸抬头纹的方法和智能终端
WO2019014813A1 (zh) * 2017-07-17 2019-01-24 深圳和而泰智能控制股份有限公司 一种定量检测人脸肤质参量的方法、装置和智能终端
CN107437073A (zh) * 2017-07-19 2017-12-05 竹间智能科技（上海）有限公司 基于深度学习与生成对抗网路的人脸肤质分析方法及系统
CN109300105A (zh) * 2017-07-25 2019-02-01 上海中科顶信医学影像科技有限公司 毛孔检测方法、系统、设备及存储介质
CN109299634A (zh) * 2017-07-25 2019-02-01 上海中科顶信医学影像科技有限公司 斑检测方法、系统、设备及存储介质
CN107480719A (zh) * 2017-08-17 2017-12-15 广东工业大学 一种基于皮肤特性评价的护肤产品的推荐方法及系统
CN109428932A (zh) * 2017-09-01 2019-03-05 广州市皓品信息科技有限公司 皮肤毛囊清洁程度的获取方法及装置
CN109419491A (zh) * 2017-09-01 2019-03-05 广州市皓品信息科技有限公司 皮肤红血丝程度的获取方法及装置
CN109545364A (zh) * 2017-09-20 2019-03-29 广州市皓品信息科技有限公司 脸部肌肤数据的检测护理方法及装置
CN109671046B (zh) * 2017-10-12 2021-08-17 精诚工坊电子集成技术（北京）有限公司 利用皮肤图像分析皮肤水分的方法及装置
CN109671046A (zh) * 2017-10-12 2019-04-23 精诚工坊电子集成技术（北京）有限公司 利用皮肤图像分析皮肤水分的方法及装置
WO2019072249A1 (zh) * 2017-10-12 2019-04-18 精诚工坊电子集成技术（北京）有限公司 利用皮肤图像分析皮肤水分的方法及装置
US11490854B2 (en) * 2017-10-12 2022-11-08 Jingcheng Workshop Electronic Integration Technology (Beijing) Co., Ltd. Method and device for analyzing water content of skin by means of skin image
CN107679507B (zh) * 2017-10-17 2019-12-24 北京大学第三医院 面部毛孔检测系统及方法
CN107679507A (zh) * 2017-10-17 2018-02-09 北京大学第三医院 面部毛孔检测系统及方法
CN108108663A (zh) * 2017-11-29 2018-06-01 安徽四创电子股份有限公司 一种视频人脸识别系统与方法
CN109978810B (zh) * 2017-12-26 2024-03-12 南通罗伯特医疗科技有限公司 痣的检测方法、系统、设备及存储介质
CN109978810A (zh) * 2017-12-26 2019-07-05 柴岗 痣的检测方法、系统、设备及存储介质
CN108171208A (zh) * 2018-01-17 2018-06-15 百度在线网络技术（北京）有限公司 信息获取方法和装置
CN108523842A (zh) * 2018-03-15 2018-09-14 天津大学 一种测量人体脸部皮肤的力学性能的方法
CN108523842B (zh) * 2018-03-15 2020-12-04 天津大学 一种测量人体脸部皮肤的力学性能的方法
CN108647566A (zh) * 2018-03-29 2018-10-12 维沃移动通信有限公司 一种识别皮肤特征的方法及终端
CN108647566B (zh) * 2018-03-29 2021-01-08 维沃移动通信有限公司 一种识别皮肤特征的方法及终端
CN108665585A (zh) * 2018-04-10 2018-10-16 张姣姣 防盗锁传动转化控制方法
CN108509930A (zh) * 2018-04-10 2018-09-07 张姣姣 防盗锁传动转化控制平台
CN108875545B (zh) * 2018-04-12 2022-02-08 北京旷视科技有限公司 确定人脸图像的光线状态的方法、装置、系统和存储介质
CN108664908A (zh) * 2018-04-27 2018-10-16 深圳爱酷智能科技有限公司 人脸识别方法、设备及计算机可读存储介质
CN108846311A (zh) * 2018-04-28 2018-11-20 北京羽医甘蓝信息技术有限公司 基于深度学习的检测面部皮肤片状缺陷的方法及装置
WO2019223148A1 (zh) * 2018-05-23 2019-11-28 平安科技（深圳）有限公司 基于面部识别的痤疮判断方法、终端及存储介质
CN109063597A (zh) * 2018-07-13 2018-12-21 北京科莱普云技术有限公司 人脸检测方法、装置、计算机设备和存储介质
CN111542856A (zh) * 2018-07-16 2020-08-14 华为技术有限公司 一种皮肤检测方法和电子设备
CN108921128A (zh) * 2018-07-19 2018-11-30 厦门美图之家科技有限公司 脸颊敏感肌识别方法及装置
CN108921128B (zh) * 2018-07-19 2020-09-01 厦门美图之家科技有限公司 脸颊敏感肌识别方法及装置
CN109036514A (zh) * 2018-07-23 2018-12-18 潘路希 健康排毒智能养生仪
CN109325468A (zh) * 2018-10-18 2019-02-12 广州智颜科技有限公司 一种图像处理方法、装置、计算机设备和存储介质
CN109359611B (zh) * 2018-10-26 2020-10-13 厦门美图之家科技有限公司 一种检测人脸痣的方法及移动终端
CN109359611A (zh) * 2018-10-26 2019-02-19 厦门美图之家科技有限公司 一种检测人脸痣的方法及移动终端
TWI729338B (zh) * 2018-11-30 2021-06-01 中光電智能雲服股份有限公司 皮膚檢測方法及影像處理裝置
CN109919030A (zh) * 2019-01-31 2019-06-21 深圳和而泰数据资源与云技术有限公司 黑眼圈类型识别方法、装置、计算机设备和存储介质
CN109919030B (zh) * 2019-01-31 2021-07-13 深圳和而泰数据资源与云技术有限公司 黑眼圈类型识别方法、装置、计算机设备和存储介质
CN109948476B (zh) * 2019-03-06 2022-12-13 南京七奇智能科技有限公司 一种基于计算机视觉的人脸皮肤检测系统及其实现方法
CN109948476A (zh) * 2019-03-06 2019-06-28 南京七奇智能科技有限公司 一种基于计算机视觉的人脸皮肤检测系统及其实现方法
CN110008887A (zh) * 2019-03-29 2019-07-12 南京所由所以信息科技有限公司 一种基于深度学习的痤疮自动分级方法
JP2022528128A (ja) * 2019-04-12 2022-06-08 アークソフト コーポレイション リミテッド 肌質測定方法、肌質等級分類方法、肌質測定装置、電子機器及び記憶媒体
CN111814520A (zh) * 2019-04-12 2020-10-23 虹软科技股份有限公司 肤质检测方法、肤质等级分类方法及肤质检测装置
WO2020207423A1 (zh) * 2019-04-12 2020-10-15 虹软科技股份有限公司 肤质检测方法、肤质等级分类方法及肤质检测装置
JP7413400B2 (ja) 2019-04-12 2024-01-15 アークソフト コーポレイション リミテッド 肌質測定方法、肌質等級分類方法、肌質測定装置、電子機器及び記憶媒体
US11416988B2 (en) 2019-04-23 2022-08-16 The Procter & Gamble Company Apparatus and method for visualizing visually imperceivable cosmetic skin attributes
US11605243B2 (en) 2019-04-23 2023-03-14 The Procter & Gamble Company Apparatus and method for determining cosmetic skin attributes
US11348366B2 (en) 2019-04-23 2022-05-31 The Procter And Gamble Company Apparatus and method for determining cosmetic skin attributes
CN110334229A (zh) * 2019-04-30 2019-10-15 王松年 可视化显示方法、设备、系统及计算机可读存储介质
CN112037162B (zh) * 2019-05-17 2022-08-02 荣耀终端有限公司 一种面部痤疮的检测方法及设备
CN112037162A (zh) * 2019-05-17 2020-12-04 华为技术有限公司 一种面部痤疮的检测方法及设备
CN110298393A (zh) * 2019-06-14 2019-10-01 深圳志合天成科技有限公司 一种基于深度学习的头发头皮健康状况检测方法
CN112396573A (zh) * 2019-07-30 2021-02-23 纵横在线(广州)网络科技有限公司 基于图像识别的面部皮肤分析方法及系统
WO2021078037A1 (zh) * 2019-10-22 2021-04-29 华为技术有限公司 人脸皮肤检测方法及装置
CN110874572A (zh) * 2019-10-29 2020-03-10 北京海益同展信息科技有限公司 一种信息检测方法及装置、存储介质
CN113129250A (zh) * 2019-12-27 2021-07-16 华为技术有限公司 皮肤检测方法、装置、终端设备及计算机存储介质
CN111651040A (zh) * 2020-05-27 2020-09-11 华为技术有限公司 用于肌肤检测的电子设备的交互方法及电子设备
CN112837304A (zh) * 2021-02-10 2021-05-25 姜京池 一种皮肤检测方法、计算机存储介质及计算设备
CN112837304B (zh) * 2021-02-10 2024-03-12 姜京池 一种皮肤检测方法、计算机存储介质及计算设备
CN113357786A (zh) * 2021-06-09 2021-09-07 青岛海尔空调器有限总公司 空调加湿的控制方法、空调加湿系统、电子设备和介质
CN113592851A (zh) * 2021-08-12 2021-11-02 北京滴普科技有限公司 一种基于全脸图像的毛孔检测方法
CN114220233B (zh) * 2021-11-25 2022-12-13 西安欣联数据信息服务有限公司 智能化网络支付终端及方法
CN114220233A (zh) * 2021-11-25 2022-03-22 泰州市华达机电设备有限公司 智能化网络支付终端及方法
US11636600B1 (en) * 2022-02-23 2023-04-25 Lululab Inc. Method and apparatus for detecting pores based on artificial neural network and visualizing the detected pores
JP2023166041A (ja) * 2022-05-08 2023-11-20 知行 宍戸 Ａｉ肌解析方法、装置、またはシステム、およびスキンユニット同定ａｉモデル訓練方法または肌特徴解析ａｉモデル訓練方法、並びに学習済みスキンユニット同定ａｉモデルまたは学習済み肌特徴解析ａｉモデル
JP7348448B1 (ja) 2022-06-01 2023-09-21 株式会社 サティス製薬 Ａｉ肌水分量解析方法、装置、またはシステムおよび学習済みａｉ肌水分量解析モデル

Similar Documents

Publication Publication Date Title
CN104299011A (zh) 一种基于人脸图像识别的肤质与皮肤问题识别检测方法
CN104732214B (zh) 一种基于人脸图像识别的定量化肤质检测方法
CN103761519B (zh) 一种基于自适应校准的非接触式视线追踪方法
CN101652784B (zh) 模拟面部皮肤老化和去老化的方法
CN108764058B (zh) 一种基于热成像效应的双摄像头人脸活体检测方法
KR20200014889A (ko) 이미지 비 식별을 위한 시스템 및 방법
CN110097034A (zh) 一种智能人脸健康程度的识别与评估方法
CN105139404A (zh) 一种可检测拍摄质量的证照相机及拍摄质量检测方法
CN106960202A (zh) 一种基于可见光与红外图像融合的笑脸识别方法
CN104715238A (zh) 一种基于多特征融合的行人检测方法
CN103914699A (zh) 一种基于色彩空间的自动唇彩的图像增强的方法
CN111524080A (zh) 脸部皮肤特征的识别方法、终端及计算机设备
CN104794693B (zh) 一种人脸关键区域自动检测蒙版的人像优化方法
CN104123549B (zh) 一种用于疲劳驾驶实时监测的眼睛定位方法
CN105046206B (zh) 基于视频中运动先验信息的行人检测方法及装置
CN101339603A (zh) 一种从视频流中选取到了质量合格的虹膜图像的方法
US20200146622A1 (en) System and method for determining the effectiveness of a cosmetic skin treatment
CN106503644A (zh) 基于边缘投影及颜色特征的眼镜属性检测方法
CN110032932A (zh) 一种基于视频处理和决策树设定阈值的人体姿态识别方法
CN106529432A (zh) 一种深度融合显著性检测与先验知识的手部区域分割方法
CN108416291A (zh) 人脸检测识别方法、装置和系统
CN110473199A (zh) 一种基于深度学习实例分割的色斑痤疮检测与健康评价方法
CN109359577A (zh) 一种基于机器学习的复杂背景下人数检测系统
CN107895157A (zh) 一种低分辨率图像虹膜中心精确定位的方法
CN107168117B (zh) 一种利用图像对酿酒蒸馏工艺甑料控制的方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20150121