CN110728318A - 一种基于深度学习的头发丝颜色识别方法 - Google Patents

一种基于深度学习的头发丝颜色识别方法 Download PDF

Info

Publication number
CN110728318A
CN110728318A CN201910954969.5A CN201910954969A CN110728318A CN 110728318 A CN110728318 A CN 110728318A CN 201910954969 A CN201910954969 A CN 201910954969A CN 110728318 A CN110728318 A CN 110728318A
Authority
CN
China
Prior art keywords
color
hair
image
gray
identification method
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
CN201910954969.5A
Other languages
English (en)
Inventor
陈震霆
汪俊锋
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.)
Anhui Yingtong Technology Co Ltd
Original Assignee
Anhui Yingtong Technology Co Ltd
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 Anhui Yingtong Technology Co Ltd filed Critical Anhui Yingtong Technology Co Ltd
Priority to CN201910954969.5A priority Critical patent/CN110728318A/zh
Publication of CN110728318A publication Critical patent/CN110728318A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于深度学习的头发丝颜色识别方法，包括以下步骤：1、建立用于颜色比对的头发丝标准颜色库；2、将单根头发丝放在纯色底板上，对头发丝进行拍摄，获取初始图像；3、对初始图像进行灰度处理，得到灰度图像；4、对灰度图像进行裁剪，去除底板色；5、寻找与灰度图像像元颜色差值小于预设限定阈值的颜色分类，并将该像元颜色归类于该颜色分类；6、当归类于某种颜色分类的像元比例超过70％时，判定该种颜色分类即为头发丝颜色。本发明开拓微观识别头发丝颜色的新方向，并给出基于深度学习的头发丝颜色识别方法，可以用于精准判定头发丝是不是属于自然发色以及属于何种自然发色，为植发、接发等美发服务提供更好的技术基础。

Description

一种基于深度学习的头发丝颜色识别方法
技术领域
本发明涉及微观图像颜色识别技术领域，尤其是一种基于深度学习的头发丝颜色识别方法。
背景技术
随着人们生活水平的提高，人们对于美发行业的要求越来越高，植发、接发等项目也越来越受欢迎。伴随这些美发项目而来的问题，就是对头发丝颜色的精确识别，才能更好地提供植发、接发服务。精准识别微观头发丝颜色并对其进行分类是一个值得研究的课题。
发明内容
针对上述问题，本发明提供一种基于深度学习的头发丝颜色识别方法，包括以下步骤：
步骤1，建立用于颜色比对的头发丝标准颜色库；
步骤2，将单根头发丝放在纯色底板上，对头发丝进行拍摄，获取初始图像；
步骤3，对初始图像进行灰度处理，得到灰度图像；
步骤4，对灰度图像进行裁剪，去除底板色；
步骤5，寻找与灰度图像像元颜色差值小于预设限定阈值的颜色分类，并将该像元颜色归类于该颜色分类；
步骤6，当归类于某种颜色分类的像元比例超过70％时，判定该种颜色分类即为头发丝颜色。
进一步的，所述步骤4具体包括以下步骤：
步骤4.1，对灰度图像进行二值化，得到二值图像；
步骤4.2，对二值图像进行裁剪，去除底板色；
步骤4.3，将二值图像的裁剪坐标映射到原灰度图像，获取裁剪后的灰度图像。
进一步的，所述头发丝标准颜色库是对不同人群自然色头发丝进行深度学习得出的头发丝标准颜色模型，表征灰度图像像元值与头发丝颜色之间的对应关系；所述头发丝标准颜色库包括但不限于乌黑、金黄、红棕、淡黄、灰白、银白、绿色、红色。
本发明开拓微观识别头发丝颜色的新方向，并给出基于深度学习的头发丝颜色识别方法，可以用于精准判定头发丝是不是属于自然发色以及属于何种自然发色，为植发、接发等美发服务提供更好的技术基础。
具体实施方式
下面结合具体实施方式对本发明作进一步详细的说明。本发明的实施例是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显而易见的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
实施例1
一种基于深度学习的头发丝颜色识别方法，包括以下步骤：
1、建立用于颜色比对的头发丝标准颜色库；
全人类按照肤色分为白人、黄人和黑人。人类不仅天生肤色存在差异，天生发色也存在较大差异，目前较为认可的是自然发色包括乌黑、金黄、红棕、淡黄、灰白、银白、绿色、红色八大类。
①每种发色至少采样1000根样本，将单根头发丝放在纯色底板上，对头发丝进行拍摄，获取初始样本图像，其中底板色根据需要选取，比如乌黑、红棕等发色采用白色底板，灰白、银白等发色采用黑色底板，基本遵循底板颜色与头发丝颜色形成较大反差的原则来选择底板颜色。
②对初始样本图像进行灰度处理，得到灰度样本图像。
③对灰度样本图像进行裁剪，去除底板色，得到该种头发丝颜色所对应的像元灰度值范围，从而得到用于颜色比对的头发丝标准颜色库。
2、将待检测的单根头发丝同样放在纯色底板上，对头发丝进行拍摄，获取初始图像RGB(x,y)，为保证判断结果的准确性，头发丝图像的拍摄以及建立头发丝标准颜色库时头发丝的图像拍摄需要在同样的光线条件下，例如均在30W标准白炽灯光照下。
3、对初始图像进行灰度处理，得到灰度图像Gray(x,y)，这里和前述灰度处理均采用彩转灰公式
Gray(x,y)＝Red(x,y)*0.299+Green(x,y)*0.587+Blue(x,y)*0.114。
4、对灰度图像进行裁剪，去除底板色，为了裁剪更加精准，先将灰度图像二值化，然后对二值图像进行裁剪。
①对灰度图像Gray(x,y)进行二值化，得到二值图像Binary(x,y)。
②对二值图像Binary(x,y)进行裁剪，去除底板色。
因底板色采用与头发丝颜色不同的均一颜色，因此二值图像Binary(x,y)四周会有成片的0值区域或1值区域，采取这成片的0值区域或1值区域，就得到需要的头发丝颜色区域，裁剪操作简单，裁剪结果精准Grayopt(i,j)。
③将二值图像的裁剪坐标映射到原灰度图像，获取裁剪后的灰度图像。
5、寻找与灰度图像像元颜色差值小于预设限定阈值的颜色分类，并将该像元颜色归类于该颜色分类。
这里的预设限定阈值是根据该类颜色分类所对应的像元灰度值范围及其允许的偏差余量决定的。
6、当归类于某种颜色分类的像元比例超过70％时，判定该种颜色分类即为头发丝颜色，防止一根头发部分区域颜色存在较大偏差对检测结果带来的影响。
以上技术方案提及的都是对于自然发色的判定与分类，其实基于此方法，同样可以用于判断染色头发的颜色，并拓展到相关技术领域。
显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域及相关领域的普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。

Claims (4)

1.一种基于深度学习的头发丝颜色识别方法，其特征在于，包括以下步骤：
步骤1，建立用于颜色比对的头发丝标准颜色库；
步骤2，将单根头发丝放在纯色底板上，对头发丝进行拍摄，获取初始图像；
步骤3，对初始图像进行灰度处理，得到灰度图像；
步骤4，对灰度图像进行裁剪，去除底板色；
步骤5，寻找与灰度图像像元颜色差值小于预设限定阈值的颜色分类，并将该像元颜色归类于该颜色分类；
步骤6，当归类于某种颜色分类的像元比例超过70％时，判定该种颜色分类即为头发丝颜色。
2.根据权利要求1所述的头发丝颜色识别方法，其特征在于，所述步骤步骤4具体包括以下步骤：
步骤4.1，对灰度图像进行二值化，得到二值图像；
步骤4.2，对二值图像进行裁剪，去除底板色；
步骤4.3，将二值图像的裁剪坐标映射到原灰度图像，获取裁剪后的灰度图像。
3.根据权利要求1所述的头发丝颜色识别方法，其特征在于，所述头发丝标准颜色库是对不同人群自然色头发丝进行深度学习得出的头发丝标准颜色模型，表征灰度图像像元值与头发丝颜色之间的对应关系。
4.根据权利要求3所述的头发丝颜色识别方法，其特征在于，所述头发丝标准颜色库包括乌黑、金黄、红棕、淡黄、灰白、银白、绿色、红色。
CN201910954969.5A 2019-10-09 2019-10-09 一种基于深度学习的头发丝颜色识别方法 Pending CN110728318A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910954969.5A CN110728318A (zh) 2019-10-09 2019-10-09 一种基于深度学习的头发丝颜色识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910954969.5A CN110728318A (zh) 2019-10-09 2019-10-09 一种基于深度学习的头发丝颜色识别方法

Publications (1)

Publication Number Publication Date
CN110728318A true CN110728318A (zh) 2020-01-24

Family

ID=69219852

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910954969.5A Pending CN110728318A (zh) 2019-10-09 2019-10-09 一种基于深度学习的头发丝颜色识别方法

Country Status (1)

Country Link
CN (1) CN110728318A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111814808A (zh) * 2020-07-17 2020-10-23 安徽萤瞳科技有限公司 一种用于大米色选的发黄物料识别方法
CN113837928A (zh) * 2021-09-17 2021-12-24 平安普惠企业管理有限公司 对象颜色调整方法、装置、电子设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106503719A (zh) * 2016-09-27 2017-03-15 深圳增强现实技术有限公司 一种物体颜色提取与检测方法及装置
US20170351909A1 (en) * 2016-06-03 2017-12-07 Magic Leap, Inc. Augmented reality identity verification
CN107516331A (zh) * 2017-08-11 2017-12-26 广西师范大学 一种竹条颜色分类方法及系统
CN108960167A (zh) * 2018-07-11 2018-12-07 腾讯科技（深圳）有限公司 发型识别方法、装置、计算机可读存储介质和计算机设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170351909A1 (en) * 2016-06-03 2017-12-07 Magic Leap, Inc. Augmented reality identity verification
CN106503719A (zh) * 2016-09-27 2017-03-15 深圳增强现实技术有限公司 一种物体颜色提取与检测方法及装置
CN107516331A (zh) * 2017-08-11 2017-12-26 广西师范大学 一种竹条颜色分类方法及系统
CN108960167A (zh) * 2018-07-11 2018-12-07 腾讯科技（深圳）有限公司 发型识别方法、装置、计算机可读存储介质和计算机设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111814808A (zh) * 2020-07-17 2020-10-23 安徽萤瞳科技有限公司 一种用于大米色选的发黄物料识别方法
CN113837928A (zh) * 2021-09-17 2021-12-24 平安普惠企业管理有限公司 对象颜色调整方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
Mojsilovic A computational model for color naming and describing color composition of images
US8594420B2 (en) Color naming, color categorization and describing color composition of images
CN103034838B (zh) 一种基于图像特征的特种车辆仪表类型识别与标定方法
JP2019529882A5 (zh)
CN104636759B (zh) 一种获取图片推荐滤镜信息的方法及图片滤镜信息推荐系统
CN103914708B (zh) 基于机器视觉的食品品种检测方法及系统
Liu et al. Detection of citrus fruit and tree trunks in natural environments using a multi-elliptical boundary model
CN105740774A (zh) 一种图像的文本区域定位方法及装置
CN110728318A (zh) 一种基于深度学习的头发丝颜色识别方法
Čuljak et al. Classification of art paintings by genre
CN109030434B (zh) 一种基于Android平台的真菌毒素含量检测方法
Lionnie et al. A comparison of human skin color detection for biometrie identification
CN110110810B (zh) 一种鱿鱼质量等级识别分选方法
CN105787965B (zh) 一种基于颜色特征的图像检索方法
Yelizaveta et al. Analysis and retrieval of paintings using artistic color concepts
Deswal et al. A simplified review on fast HSV image color and texture detection and image conversion algorithm
CN111340897A (zh) 基于模糊数学相似度的颜色识别方法
Mahalakshmi et al. Automated crop inspection and pest control using image processing
CN113705681A (zh) 一种基于机器学习的口红色号识别方法
KR20030091471A (ko) ＹＣｒＣｂ 칼라 기반 얼굴 영역 추출 방법
CN112200200B (zh) 一种led灯光颜色检测方法
Patil et al. An advanced method for chilli plant disease detection using image processing
CN110348530B (zh) 用于识别口红色号的方法
CN110807817B (zh) 一种适应光照变化的目标颜色识别的机器视觉方法
CN112529922A (zh) 一种开放环境下多色叶片rgb图像背景精确分离的方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination