CN108629303A - 一种脸型缺陷识别方法及系统 - Google Patents

Abstract

本发明属于计算机技术领域，具体涉及一种脸型缺陷识别方法及系统，包括以下步骤：获取用户人脸图像、用户身高、用户体重和用户年龄；对用户人脸图像进行识别得到脸部数据，将用户身高和用户体重转换为用户BMI值；将脸部数据、用户BMI值和用户年龄输入专家模型，专家模型进行分析计算并输出人脸缺陷的分析结果。本发明能通过对人脸图像的识别分析得到人脸缺陷的分析结果，从而帮助发型师快速准确的判断消费者的人脸缺陷，为发型师给消费者设计发型提供决策参考。

Description

一种脸型缺陷识别方法及系统

技术领域

本发明属于计算机技术领域，具体涉及一种脸型缺陷识别方法及系统。

背景技术

随着社会的发展，人们的生活水平不断提高，人们对生活品质和自我形象的要求也越来越高，而一个人的发型对一个人的形象至关重要，发型设计的不同，决定着人的气质与风格的不同，不同的发型会带给人不同的气质美和形象美，因此可见发型对人们的重要性。

在发型设计的过程中，有很多关乎设计成功率的因素，其中，一款发型能否修饰五官脸型缺陷是最关键的因素之一，这要求发型师能准确判断用户五官和脸型上的缺陷，然后根据专业理论找到对应技术解决手段，并予以准确的实施，这要求发型师具备丰富的理论基础和实践经验，所以实施起来有很高的门槛。并且人为对脸型缺陷的判断，需要花费时间观察，且判断不够准确。

发明内容

针对现有技术中的缺陷，本发明提供了一种脸型缺陷识别方法及系统，本发明通过对人脸图像的识别分析得到人脸缺陷的分析结果，从而帮助发型师快速准确的判断消费者的人脸缺陷，为发型师给消费者设计发型提供决策参考。

第一方面，本发明提供了一种脸型缺陷识别方法，包括以下步骤：

获取用户人脸图像、用户身高、用户体重和用户年龄；

对用户人脸图像进行识别得到脸部数据，将用户身高和用户体重转换为用户BMI值；

将脸部数据、用户BMI值和用户年龄输入专家模型，专家模型进行分析计算并输出人脸缺陷的分析结果。

优选地，所述对人脸图像进行识别得到脸部数据具体为：

对用户人脸图像进行预处理得到预处理图像，对预处理图像进行特征提取，提取人脸的若干个关键点，根据这若干个关键点得到脸部数据。

优选地，所述脸部数据包括：

额头中间最高点到眉心的距离H₁、眉心到鼻底的距离H₂、鼻底到下巴的距离H₃、两瞳孔的中点到下巴的距离H₄；

眼睛的长度L₁、外眼角到脸际线的宽度L₂、两内眼角之间的宽度L₃、两瞳孔的中点位置的脸部宽度L₄、鼻子中心点和上唇中心点的中点位置的脸部宽度L₅、嘴唇中心位置的脸部宽度L₆；

以及眼睛的长度L₁与外眼角到脸际线的宽度L₂的比值、五官的面积之和与脸部面积的比值。

优选地，所述专家模型包括标准样本数据库、数学规则和分析模块；

标准样本数据库包括不同BMI值、不同年龄的人脸脸型的标准数据；

数学规则包括计算人脸脸型缺陷的若干个计算规则；

分析模块，对脸部数据根据数学规则进行计算得到计算值；根据用户BMI值和用户年龄从所述标准样本数据库中筛选出人脸脸型的标准数据；将计算值与标准数据进行比较并得到比较结果，若比较结果大于或小于设定的阈值范围，则判断用户存在人脸缺陷。

优选地，所述数学规则通过对大量的实验样本的分析得到；

具体为：通过大量的实验样本的不同数据所呈现的规律，根据脸部美学原理，为不同的脸部数据赋予相应的权重，从而得到数学规则。

第二方面，本发明提供了一种脸型缺陷识别系统，适用于第一方面所述的脸型缺陷识别方法，包括：

信息获取单元：用于获取用户的人脸图像、身高、体重和年龄；

图像识别单元：用于对人脸图像进行识别得到脸部数据，将身高和体重转换为BMI值；

缺陷判断单元：用于将脸部数据、用户BMI值和用户年龄输入专家模型，专家模型进行分析计算并输出人脸缺陷的分析结果。

优选地，所述对人脸图像进行识别得到脸部数据具体为：

对用户人脸图像进行预处理得到预处理图像，对预处理图像进行特征提取，提取人脸的若干个关键点，根据这若干个关键点得到脸部数据。

优选地，所述脸部数据包括：

额头中间最高点到眉心的距离H₁、眉心到鼻底的距离H₂、鼻底到下巴的距离H₃、两瞳孔的中点到下巴的距离H₄；

眼睛的长度L₁、外眼角到脸际线的宽度L₂、两内眼角之间的宽度L₃、两瞳孔的中点位置的脸部宽度L₄、鼻子中心点和上唇中心点的中点位置的脸部宽度L₅、嘴唇中心位置的脸部宽度L₆；

以及眼睛的长度L₁与外眼角到脸际线的宽度L₂的比值、五官的面积之和与脸部面积的比值。

优选地，所述专家模型包括标准样本数据库、数学规则和分析模块；

标准样本数据库包括不同BMI值、不同年龄的人脸脸型的标准数据；

数学规则包括计算人脸脸型缺陷的若干个计算规则；

分析模块，对脸部数据根据数学规则进行计算得到计算值；根据用户BMI值和用户年龄从所述标准样本数据库中筛选出人脸脸型的标准数据；将计算值与标准数据进行比较并得到比较结果，若比较结果大于或小于设定的阈值范围，则判断用户存在人脸缺陷。

优选地，所述数学规则通过对大量的实验样本的分析得到；

具体为：通过大量的实验样本的不同数据所呈现的规律，根据脸部美学原理，为不同的脸部数据赋予相应的权重，从而得到数学规则。

本发明的有益效果为：能通过对人脸图像的识别分析得到人脸缺陷的分析结果，从而帮助发型师快速准确的判断消费者的人脸缺陷，为发型师给消费者设计发型提供决策参考。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。

图1为本实施例中脸型缺陷识别方法的流程图；

图2为本实施例中脸型缺陷识别系统的结构图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

实施例一：

本实施例提供了一种脸型缺陷识别方法，如图1所示，包括以下步骤：

S1，获取用户人脸图像、用户身高、用户体重和用户年龄。本实施例中可通过用户终端的摄像头拍摄用户人脸图像，通过用户终端获取用户输入的用户身高、用户体重和用户年龄。

S2，对用户人脸图像进行识别得到脸部数据，将用户身高和用户体重转换为用户BMI值。

本步骤的所述对人脸图像进行识别得到脸部数据具体为：对用户人脸图像进行预处理得到预处理图像，因为获取的原始图像受到各种条件的限制和随机干扰，往往不能直接使用，必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理，对于人脸图像而言，其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等)；对预处理图像进行特征提取，提取人脸的若干个关键点，根据这若干个关键点得到脸部数据。

通过计算一个关键点到另一个关键点之间的距离就可获得本实施例所需的多个脸部数据。所述脸部数据包括：

额头中间最高点到眉心的距离H₁(即上庭的距离)、眉心到鼻底的距离H₂(即中庭的距离)、鼻底到下巴的距离H₃(即下庭的距离)、两瞳孔的中点到下巴的距离H₄；

眼睛的长度L₁、外眼角到脸际线的宽度L₂、两内眼角之间的宽度L₃、两瞳孔的中点位置的脸部宽度L₄、鼻子中心点和上唇中心点的中点位置的脸部宽度L₅、嘴唇中心位置的脸部宽度L₆；

以及眼睛的长度L₁与外眼角到脸际线的宽度L₂的比值、五官的面积之和与脸部面积的比值等。

BMI值即身体质量指数，用体重除以身高平方得到的数值，是目前国际上常用的衡量人体胖瘦程度的一个标准。

S3，将脸部数据、用户BMI值和用户年龄输入专家模型，专家模型进行分析计算并输出人脸缺陷的分析结果。

本步骤的所述专家模型包括标准样本数据库、数学规则和分析模块；

标准样本数据库包括不同BMI值、不同年龄的人脸脸型的标准数据；

数学规则包括计算人脸脸型缺陷的若干个计算规则；

分析模块，对脸部数据根据数学规则进行计算得到计算值；根据用户BMI值和用户年龄从所述标准样本数据库中筛选出人脸脸型的标准数据；将计算值与标准数据进行比较并得到比较结果，若比较结果大于或小于设定的阈值范围，则判断用户存在人脸缺陷。

本实施例中，不同的年龄，不同的胖瘦程度，人脸型的三庭五眼的距离和比例不一样，因而其标准脸型和标准数据也不一样。根据用户的个人情况，筛选出符合用户年龄和胖瘦程度的标准脸型的标准数据，在将根据数学规则得到的计算值跟标准数据进行比较，若不在预设的阈值范围内，则有脸型缺陷。

例如，上庭缺陷的基本判断，根据上庭分别与中庭、下庭的长度比来判断，上庭大致可分为上庭过长、上庭过短和上庭正常三种情况。当上庭的长度明显长于中庭或下庭的长度时，则归为上庭过长；当上庭的长度明显短于中庭或下庭的长度时，则归为上庭过短；当不存在这两种情况时，则归为上庭正常。

脸型长短缺陷的基本判断，根据脸型的纵向距离，脸型长短可分为脸型偏长、脸型偏短和脸型正常三种情况。当脸型的纵向距离明显大时，则归为脸型偏长；当脸型的纵向距离明显小时，则归为脸型偏短；当不存在上述两种情况时，则归为脸型正常。

脸部量感缺陷的基本判断，根据五官的面积之和与脸部面积的比值、脸部横向宽度等，可将脸部量感分为量感过大和量感正常两类(因为在发型设计中，量感下不属于待修饰缺陷，所述量感过小归入正常范围)。当存在脸部面积大、留白程度高、脸部横向宽度距离大这些特征时，则归为量感过大，若不存在这种情况，则归为量感正常。

本实施例的标准样本数据库通过对大量的实验样本的分析得到。本实施例的所述数学规则通过对大量的实验样本的分析得到；具体为：通过大量的实验样本的不同数据所呈现的规律，根据脸部美学原理，为不同的脸部数据赋予相应的权重，从而得到数学规则。

综上所述，本实施例能通过对人脸图像的识别分析得到人脸缺陷的分析结果，从而帮助发型师快速准确的判断消费者的人脸缺陷，为发型师给消费者设计发型提供决策参考，更准确的为用户推荐合适的发型，提升发型师的工作效率和用户的满意度。

实施例二：

本实施例提供了一种脸型缺陷识别系统，适用于实施例一所述的脸型缺陷识别方法，如图2所示，本系统包括信息获取单元、图像识别单元、缺陷判断单元等。

所述信息获取单元：用于获取用户的人脸图像、身高、体重和年龄。本实施例中可通过用户终端的摄像头拍摄用户人脸图像，通过用户终端获取用户输入的用户身高、用户体重和用户年龄。

所述图像识别单元：用于对人脸图像进行识别得到脸部数据，将身高和体重转换为BMI值。

本实施例的所述对人脸图像进行识别得到脸部数据具体为：对用户人脸图像进行预处理得到预处理图像，因为获取的原始图像受到各种条件的限制和随机干扰，往往不能直接使用，必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理，对于人脸图像而言，其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等)；对预处理图像进行特征提取，提取人脸的若干个关键点，根据这若干个关键点得到脸部数据。

通过计算一个关键点到另一个关键点之间的距离就可获得本实施例所需的多个脸部数据。所述脸部数据包括：

额头中间最高点到眉心的距离H₁(即上庭的距离)、眉心到鼻底的距离H₂(即中庭的距离)、鼻底到下巴的距离H₃(即下庭的距离)、两瞳孔的中点到下巴的距离H₄；

眼睛的长度L₁、外眼角到脸际线的宽度L₂、两内眼角之间的宽度L₃、两瞳孔的中点位置的脸部宽度L₄、鼻子中心点和上唇中心点的中点位置的脸部宽度L₅、嘴唇中心位置的脸部宽度L₆；

以及眼睛的长度L₁与外眼角到脸际线的宽度L₂的比值、五官的面积之和与脸部面积的比值等。

BMI值即身体质量指数，用体重除以身高平方得到的数值，是目前国际上常用的衡量人体胖瘦程度的一个标准。

所述缺陷判断单元：用于将脸部数据、用户BMI值和用户年龄输入专家模型，专家模型进行分析计算并输出人脸缺陷的分析结果。

本实施例的所述专家模型包括标准样本数据库、数学规则和分析模块；

标准样本数据库包括不同BMI值、不同年龄的人脸脸型的标准数据；

数学规则包括计算人脸脸型缺陷的若干个计算规则；

分析模块，对脸部数据根据数学规则进行计算得到计算值；根据用户BMI值和用户年龄从所述标准样本数据库中筛选出人脸脸型的标准数据；将计算值与标准数据进行比较并得到比较结果，若比较结果大于或小于设定的阈值范围，则判断用户存在人脸缺陷。

本实施例中，不同的年龄，不同的胖瘦程度，人脸型的三庭五眼的距离和比例不一样，因而其标准脸型和标准数据也不一样。根据用户的个人情况，筛选出符合用户年龄和胖瘦程度的标准脸型的标准数据，在将根据数学规则得到的计算值跟标准数据进行比较，若不在预设的阈值范围内，则有脸型缺陷。

例如，上庭缺陷的基本判断，根据上庭分别与中庭、下庭的长度比来判断，上庭大致可分为上庭过长、上庭过短和上庭正常三种情况。当上庭的长度明显长于中庭或下庭的长度时，则归为上庭过长；当上庭的长度明显短于中庭或下庭的长度时，则归为上庭过短；当不存在这两种情况时，则归为上庭正常。

脸型长短缺陷的基本判断，根据脸型的纵向距离，脸型长短可分为脸型偏长、脸型偏短和脸型正常三种情况。当脸型的纵向距离明显大时，则归为脸型偏长；当脸型的纵向距离明显小时，则归为脸型偏短；当不存在上述两种情况时，则归为脸型正常。

脸部量感缺陷的基本判断，根据五官的面积之和与脸部面积的比值、脸部横向宽度等，可将脸部量感分为量感过大和量感正常两类(因为在发型设计中，量感下不属于待修饰缺陷，所述量感过小归入正常范围)。当存在脸部面积大、留白程度高、脸部横向宽度距离大这些特征时，则归为量感过大，若不存在这种情况，则归为量感正常。

本实施例的标准样本数据库通过对大量的实验样本的分析得到。本实施例的所述数学规则通过对大量的实验样本的分析得到；具体为：通过大量的实验样本的不同数据所呈现的规律，根据脸部美学原理，为不同的脸部数据赋予相应的权重，从而得到数学规则。

综上所述，本实施例能通过对人脸图像的识别分析得到人脸缺陷的分析结果，从而帮助发型师快速准确的判断消费者的人脸缺陷，为发型师给消费者设计发型提供决策参考，更准确的为用户推荐合适的发型，提升发型师的工作效率和用户的满意度。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算方法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本申请所提供的几个实施例中，应该理解到，所揭露的方法和系统，可以通过其它的方式实现。例如，以上所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。上述单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (10)

1.一种脸型缺陷识别方法，其特征在于，包括以下步骤：

获取用户人脸图像、用户身高、用户体重和用户年龄；

对用户人脸图像进行识别得到脸部数据，将用户身高和用户体重转换为用户BMI值；

将脸部数据、用户BMI值和用户年龄输入专家模型，专家模型进行分析计算并输出人脸缺陷的分析结果。

2.根据权利要求1所述的一种脸型缺陷识别方法，其特征在于，所述对人脸图像进行识别得到脸部数据具体为：

对用户人脸图像进行预处理得到预处理图像，对预处理图像进行特征提取，提取人脸的若干个关键点，根据这若干个关键点得到脸部数据。

3.根据权利要求2所述的一种脸型缺陷识别方法，其特征在于，所述脸部数据包括：

额头中间最高点到眉心的距离H₁、眉心到鼻底的距离H₂、鼻底到下巴的距离H₃、两瞳孔的中点到下巴的距离H₄；

眼睛的长度L₁、外眼角到脸际线的宽度L₂、两内眼角之间的宽度L₃、两瞳孔的中点位置的脸部宽度L₄、鼻子中心点和上唇中心点的中点位置的脸部宽度L₅、嘴唇中心位置的脸部宽度L₆；

以及眼睛的长度L₁与外眼角到脸际线的宽度L₂的比值、五官的面积之和与脸部面积的比值。

4.根据权利要求3所述的一种脸型缺陷识别方法，其特征在于，所述专家模型包括标准样本数据库、数学规则和分析模块；

标准样本数据库包括不同BMI值、不同年龄的人脸脸型的标准数据；

数学规则包括计算人脸脸型缺陷的若干个计算规则；

分析模块，对脸部数据根据数学规则进行计算得到计算值；根据用户BMI值和用户年龄从所述标准样本数据库中筛选出人脸脸型的标准数据；将计算值与标准数据进行比较并得到比较结果，若比较结果大于或小于设定的阈值范围，则判断用户存在人脸缺陷。

5.根据权利要求4所述的一种脸型缺陷识别方法，其特征在于，所述数学规则通过对大量的实验样本的分析得到；

具体为：通过大量的实验样本的不同数据所呈现的规律，根据脸部美学原理，为不同的脸部数据赋予相应的权重，从而得到数学规则。

6.一种脸型缺陷识别系统，其特征在于，适用于权利要求1-5任一项所述的脸型缺陷识别方法，包括：

信息获取单元：用于获取用户的人脸图像、身高、体重和年龄；

图像识别单元：用于对人脸图像进行识别得到脸部数据，将身高和体重转换为BMI值；

缺陷判断单元：用于将脸部数据、用户BMI值和用户年龄输入专家模型，专家模型进行分析计算并输出人脸缺陷的分析结果。

7.根据权利要求6所述的一种脸型缺陷识别系统，其特征在于，所述对人脸图像进行识别得到脸部数据具体为：

对用户人脸图像进行预处理得到预处理图像，对预处理图像进行特征提取，提取人脸的若干个关键点，根据这若干个关键点得到脸部数据。

8.根据权利要求7所述的一种脸型缺陷识别系统，其特征在于，所述脸部数据包括：

额头中间最高点到眉心的距离H₁、眉心到鼻底的距离H₂、鼻底到下巴的距离H₃、两瞳孔的中点到下巴的距离H₄；

眼睛的长度L₁、外眼角到脸际线的宽度L₂、两内眼角之间的宽度L₃、两瞳孔的中点位置的脸部宽度L₄、鼻子中心点和上唇中心点的中点位置的脸部宽度L₅、嘴唇中心位置的脸部宽度L₆；

以及眼睛的长度L₁与外眼角到脸际线的宽度L₂的比值、五官的面积之和与脸部面积的比值。

9.根据权利要求8所述的一种脸型缺陷识别系统，其特征在于，所述专家模型包括标准样本数据库、数学规则和分析模块；

标准样本数据库包括不同BMI值、不同年龄的人脸脸型的标准数据；

数学规则包括计算人脸脸型缺陷的若干个计算规则；

分析模块，对脸部数据根据数学规则进行计算得到计算值；根据用户BMI值和用户年龄从所述标准样本数据库中筛选出人脸脸型的标准数据；将计算值与标准数据进行比较并得到比较结果，若比较结果大于或小于设定的阈值范围，则判断用户存在人脸缺陷。

10.根据权利要求9所述的一种脸型缺陷识别系统，其特征在于，所述数学规则通过对大量的实验样本的分析得到；

具体为：通过大量的实验样本的不同数据所呈现的规律，根据脸部美学原理，为不同的脸部数据赋予相应的权重，从而得到数学规则。