CN111259683A - 皮肤检测方法及图像处理装置 - Google Patents

Abstract

本发明提供一种皮肤检测方法及图像处理装置。所述方法包括：取得人脸影像；依据检测项目取得遮罩，并基于遮罩在人脸影像中定义检测区域；将人脸影像转换为多个通道影像；在各通道影像的检测区域中找出对应于检测项目的皮肤特征；计算各通道影像中检测项目的皮肤特征对应的参考分数；依据检测项目的皮肤特征对应的参考分数计算人脸影像在检测项目的检测分数；以及依据多个历史检测分数及检测分数计算对应于检测项目的校正后分数。本发明的皮肤检测方法及装置可以得出更为客观且精准的皮肤检测结果。

Description

皮肤检测方法及图像处理装置

技术领域

本发明是有关于一种检测方法及其装置，且特别是有关于一种皮肤检测方法及图像处理装置。

背景技术

近年来，随着人们生活水平的提高，人们的保健意识和对于美感的追求不断提高。因此，护肤和保健已经成为一个日益兴盛的行业。同时，消费者和业界对于皮肤各项特性、参数(例如白皙度、水分、弹性等)的检测装置有了更多的需求。

基于这样的需求，近年来市场上已经出现一些皮肤检测仪器，但其多半具有价格昂贵、体积庞大及难以操作等缺点，因此较难以普及。以全脸肌肤影像分析仪为例，其可使用不同的照明模式对脸部影像进行检测，但由于价格昂贵、体积庞大及难以操作，因此一般使用者多半不会考虑购置。此外，目前亦有利用不同皮肤电阻抗参数进行含水量换算的仪器，但其仅能进行局部检测，无法对整体脸部特征进行分析。并且，此仪器所能进行的检测项目亦较受限，难以扩充。另外，市面上亦存在一种肤质断层扫描仪，其可透过光线扫描的方式，以实时呈现皮肤组织的断层结构影像。然而，此肤质断层扫描仪仅能进行局部检测，无法对整体脸部特征进行分析。

“背景技术”段落只是用来帮助了解本发明内容，因此在“背景技术”段落所揭露的内容可能包含一些没有构成本领域技术人员所知道的已知技术。在“背景技术”段落所揭露的内容，不代表所述内容或者本发明一个或多个实施例所要解决的问题，在本发明申请前已被本领域技术人员所知晓或认知。

发明内容

有鉴于此，本发明提供一种皮肤检测方法及图像处理装置，其可用以解决上述技术问题。

本发明提供一种皮肤检测方法，包括：取得人脸影像；依据第一检测项目取得第一遮罩，并基于第一遮罩在人脸影像中定义检测区域；将人脸影像转换为多个通道影像；在各通道影像的检测区域中找出对应于第一检测项目的皮肤特征；计算各通道影像的检测区域中第一检测项目的皮肤特征对应的参考分数；依据第一检测项目的皮肤特征对应的参考分数计算人脸影像在第一检测项目的检测分数；依据多个历史检测分数及检测分数计算对应于第一检测项目的第一校正后分数。

本发明提供一种图像处理装置，包括影像撷取电路、储存电路及处理器。储存电路储存多个模块。处理器耦接影像撷取电路及储存电路，存取该些模块以执行下列步骤：取得人脸影像；依据第一检测项目取得第一遮罩，并基于第一遮罩在人脸影像中定义检测区域；将人脸影像转换为多个通道影像；在各通道影像的检测区域中找出对应于第一检测项目的皮肤特征；计算各通道影像的检测区域中第一检测项目的皮肤特征对应的参考分数；依据第一检测项目的皮肤特征对应的参考分数计算人脸影像在第一检测项目的检测分数；以及依据多个历史检测分数及检测分数计算对应于第一检测项目的第一校正后分数。

基于上述，本发明提出的皮肤检测方法及图像处理装置仅需基于单一张人脸影像即可依需求而同时针对不同的检测项目进行皮肤检测。借此，可提供一种简单且省时的皮肤检测机制。

为让本发明的上述特征和优点能更明显易懂，下文特举实施例，并配合附图作详细说明如下。

附图说明

图1是依据本发明之一实施例绘示的图像处理装置示意图。

图2是依据本发明之一实施例绘示的皮肤检测方法流程图。

图3是依据本发明之一实施例绘示的取得人脸影像的示意图。

图4是依据本发明之一实施例绘示的基于不同检测项目的遮罩定义检测区域的示意图。

图5是依据本发明之一实施例绘示的将遮罩与人脸影像结合以定义检测区域的示意图。

图6是依据本发明第三实施例绘示的在通道影像中找出皮肤特征的示意图。

图7是依据本发明之一实施例绘示的皮肤检测结果示意图。

具体实施方式

概略而言，本发明提出的图像处理装置及皮肤检测方法可在取得人脸影像后，基于所考虑的一个或多个检测项目在人脸影像中定义出不同的检测区域。之后，可在检测区域中找出对应于检测项目的皮肤特征，并据以决定上述人脸影像在所考虑的检测项目中的检测分数。接着，本发明还可透过一定的机制将检测分数校正为更为客观且精准的校正后分数。借此，可在不需使用特定检测仪器的情况下，仅透过图像处理的方式以较低成本的方式简易地完成皮肤检测。以下将作详细说明。

请参照图1，其是依据本发明之一实施例绘示的图像处理装置示意图。在本实施例中，图像处理装置100可以是服务器、手机、智能型手机、个人计算机(personal computer，PC)、笔记本电脑(notebook PC)、网本型计算机(netbook PC)、平板计算机(tablet PC)，或是任何具有影像撷取功能的电子装置。于其他实施例中，图像处理装置100可以为专门用以检测皮肤的电子装置，但可不限于此。

如图1所示，图像处理装置100包括影像撷取电路102、储存电路104及处理器106。影像撷取电路102可以是任何具有电荷耦合组件(Charge coupled device，CCD)镜头、互补式金属氧化物半导体晶体管(Complementary metal oxide semiconductor transistors，CMOS)镜头，或红外线镜头的摄影机，亦可以是可取得深度信息的影像撷取设备，例如是深度摄影机(depth camera)或立体摄影机，只要所使用的影像撷取设备可撷取影像并可从中获得人体影像者，即不脱离本发明实施例的范畴。

储存电路104例如是任意型式的固定式或可移动式随机存取存储器(RandomAccess Memory，RAM)、只读存储器(Read-Only Memory，ROM)、快闪存储器(Flash memory)、硬盘或其他类似装置或这些装置的组合，而可用以记录多个程序代码或模块。

处理器106耦接于影像撷取电路102及储存电路104，并可为一般用途处理器、特殊用途处理器、传统的处理器、数字信号处理器、多个微处理器(microprocessor)、一个或多个结合数字信号处理器核心的微处理器、控制器、微控制器、特殊应用集成电路(Application Specific Integrated Circuit，ASIC)、场可编程门阵列电路(FieldProgrammable Gate Array，FPGA)、任何其他种类的集成电路、状态机、基于进阶精简指令集机器(Advanced RISC Machine，ARM)的处理器以及类似品。

在本发明的实施例中，处理器106可加载储存电路104中所记录的程序代码或模块以执行本发明提出的皮肤检测方法，以下将作进一步说明。

请参照图2，其是依据本发明之一实施例绘示的皮肤检测方法流程图。本实施例的方法可由图1的图像处理装置100执行，以下即搭配图1所示的组件来说明图2各步骤的细节。

首先，在步骤S210中，处理器106可控制影像撷取电路102取得一人脸影像。在本实施例中，处理器106可控制影像撷取电路102对一用户取得一影像，并对此影像执行一人脸辨识操作，以在此影像中找出人脸影像。

请参照图3，其是依据本发明之一实施例绘示的取得人脸影像的示意图。如图1及图3所示，在本实施例中，影像撷取电路102可受控于处理器106而拍摄影像310，而影像310例如包括待进行皮肤检测的用户的人脸影像，且例如是包括完整的人脸影像。接着，处理器106可对影像310执行人脸辨识操作，以在影像310找出人脸影像320。在一实施例中，处理器106可透过人脸辨识操作而在影像310中找出位于人脸上的多个特征点320a，并透过这些特征点320a定义出对应于人脸影像320的辨识区域，例如辨识出人脸影像中额头、眼角、脸颊、下巴、鼻子、嘴唇等区域。因此，即便影像310中的人脸处于上下颠倒的状态，处理器106仍可基于特征点320a而找出人脸影像320。

请再参照图2，在步骤S220中，处理器106可依据第一检测项目取得第一遮罩，并基于第一遮罩在人脸影像中定义检测区域。在不同的实施例中，上述第一检测项目可以是皱纹、皮肤平滑度、皮肤油光、肤色均匀度、黑眼圈、斑点等检测项目的其中之一，但可不限于此。在一实施例中，图像处理装置100可透过使用者界面(未绘示)将上述检测项目提供予使用者参考。相应地，使用者可透过上述使用者界面来选择所需的检测项目(例如，皱纹)作为上述第一检测项目。

在不同的实施例中，由于不同的检测项目在人脸影像中会对应到不同的检测区域，因此处理器106可透过不同的遮罩而在人脸影像中定义出所需的检测区域，以下将搭配图4作进一步说明。

请参照图4，其是依据本发明之一实施例绘示的基于不同检测项目的遮罩定义检测区域的示意图。在本实施例中，假设遮罩411、412、413、414、415分别对应于皱纹、皮肤平滑度、皮肤油光、肤色均匀度、黑眼圈等检测项目。

如图4所示，若检测项目为皱纹，则其所对应的检测区域411a例如是人脸影像400中的额头。在此情况下，处理器106针对检测项目(皱纹)所选用的遮罩411可将人脸影像400中的额头以外之处悉数遮蔽，仅留下额头的部分作为检测区域411a。若检测项目为皮肤平滑度，则其所对应的检测区域412a例如是人脸影像400中的双颊。在此情况下，处理器106针对检测项目(皮肤平滑度)所选用的遮罩412可将人脸影像400中的双颊以外之处悉数遮蔽，仅留下双颊的部分作为检测区域412a。若检测项目为皮肤油光，则其所对应的检测区域413a例如是人脸影像400中的额头、双颊、鼻部及下巴。在此情况下，处理器106针对检测项目(皮肤油光)所选用的遮罩413可将人脸影像400中的双颊以外之处悉数遮蔽，以定义出检测区域413a。基于以上教示，应可相应推得处理器106基于遮罩414及415分别定义检测区域414a及415a的机制，于此不另赘述。

在其他实施例中，各个检测项目在人脸影像中对应的检测区域可依设计者的需求而自行调整，并不限于图4所示态样。

请参照图5，其是依据本发明之一实施绘示的将遮罩与人脸影像结合以定义检测区域的示意图。如图1、图4及图5所示，在本实施例中，假设所考虑的第一检测项目为肤色均匀度，则处理器106针对检测项目(肤色均匀度)可据以找出对应的第一遮罩510，并将第一遮罩510与人脸影像结合，以产生检测区域影像520。如图5所示，第一遮罩510可用以遮蔽人脸影像中的五官(例如眼、耳、鼻、口等部位)，使得检测区域影像520中仅留下双颊、鼻部、下巴等部位作为检测区域520a，但其仅用以举例，并非用以限定本发明可能的实施方式。

请再参照图2，在步骤S230中，处理器106可将人脸影像转换为多个通道影像。在一实施例中，处理器106可依据所选定的第一检测项目决定前处理机制及色彩转换机制。所述前处理机制例如包括边缘加强化、模糊化、灰阶、噪声过滤、边缘处理、区域像素加权等图像处理手段，而所述色彩转换机制例如是RGB转换或YCrCb转换，但可不限于此。之后，处理器106可使用上述色彩转换机制将人脸影像转换为多个色彩通道影像，并使用上述前处理机制将前述色彩通道影像转换为多个通道影像。

举例而言，假设所考虑的第一检测项目为皮肤平滑度或黑眼圈，则其对应的色彩转换机制例如是YCrCb转换。基此，处理器106可将人脸影像转换为Y色彩通道影像、Cr色彩通道影像及Cb色彩通道影像等多个色彩通道影像，并可再基于所需的前处理机制将这些色彩通道影像转换为前述通道影像，但本发明可不限于此。

举另一例而言，假设所考虑的第一检测项目为肤色均匀度或皱纹，则其对应的色彩转换机制例如是RGB转换。基此，处理器106可将人脸影像转换为R色彩通道影像、G色彩通道影像及B色彩通道影像等多个色彩通道影像，并可再基于所需的前处理机制将这些色彩通道影像转换为前述通道影像，但本发明可不限于此。

举再一例而言，假设所考虑的第一检测项目为斑点或皮肤油光，则处理器106可分别采用边缘加强化及模糊化作为对应于前述二者的前处理机制，但本发明可不限于此。

请再参照图2，在经由步骤S230得到多个通道影像之后，在步骤S240中，处理器106在各通道影像的检测区域中找出对应于第一检测项目的皮肤特征。接着，在步骤S250中，处理器106计算各通道影像的检测区域中第一检测项目的皮肤特征对应的参考分数。为便于说明，以下将假设处理器106所得到的多个通道影像包括第一通道影像、第二通道影像及第三通道影像，但本发明可不限于此。因应于所采用的色彩转换机制，第一、第二及第三通道影像可分别为R通道影像、G通道影像及B通道影像，或是分别为Y通道影像、Cr通道影像及Cb通道影像，但可不限于此。并且，由于处理器106已在人脸影像中定义出检测区域，因此处理器106亦可相应地在第一、第二及第三通道中定义出检测区域。基此，处理器106可在第一、第二及第三通道影像所定义出的检测区域中分别找出对应于第一检测项目的皮肤特征，并据以计算第一、第二及第三通道影像个别的参考分数。相关细节说明如下。

在不同的实施例中，上述皮肤特征将随着所选定的第一检测项目而不同，而计算参考分数的方式亦有所不同。

在第一实施例中，若所选定的第一检测项目为皱纹，则处理器106在各通道影像的检测区域中找出的皮肤特征即可为皱纹。在此情况下，处理器106例如可透过边缘检测的方式在各通道影像中找出多个边缘，并将其中边缘强度值高于预设边缘强度阈值的一或多者定义为皱纹。

对于第一通道影像(例如R通道影像)而言，处理器106可计算皱纹在第一通道影像的检测区域中的皱纹面积，并计算皱纹面积在第一通道影像的检测区域的面积中所占的比例。之后，处理器106可将此比例定义为第一通道影像的参考分数。

对于第二通道影像(例如G通道影像)而言，处理器106可计算皱纹在第二通道影像的检测区域中的皱纹面积，并计算皱纹面积在第二通道影像的检测区域的面积中所占的比例。之后，处理器106可将此比例定义为第二通道影像的参考分数。

对于第三通道影像(例如B通道影像)而言，处理器106可计算皱纹在第三通道影像的检测区域中的皱纹面积，并计算皱纹面积在第三通道影像的检测区域的面积中所占的比例。之后，处理器106可将此比例定义为第三通道影像的参考分数。

在第二实施例中，若所选定的第一检测项目为斑点，则处理器106在各通道影像的检测区域中找出的皮肤特征即可为斑点。在此情况下，处理器106例如可对各通道影像进行二进制大对象(binary large object，BLOB)检测。在一实施例中，为提升执行BLOB检测的效能，处理器106可采用锐利化作为将各色彩通道影像转换为通道影像的前处理机制，但可不限于此。在对各通道影像进行BLOB检测以在各通道影像中找出BLOB之后，处理器106可进一步基于BLOB的面积、颜色及圆形变形指数等特性将不属于斑点的皮肤区域滤除。借此，处理器106即可在各通道影像的检测区域中找出斑点。

对于第一通道影像(例如R通道影像)而言，处理器106可计算斑点在第一通道影像的检测区域中的斑点面积，并计算斑点面积在第一通道影像的检测区域的面积中所占的比例。之后，处理器106可将此比例定义为第一通道影像的参考分数。第二通道影像(例如G通道影像)及第三通道影像(例如B通道影像)个别的参考分数的计算方式类似于第一通道影像的参考分数的计算方式，于此不另赘述。

在第三实施例中，若所选定的第一检测项目为皮肤平滑度，则处理器106在检测区域中找出的皮肤特征即可为非平滑皮肤。在此情况下，处理器106例如可透过边缘检测的方式在各通道影像的检测区域中找出多个边缘，借以量化检测区域内的皮肤平滑程度。以下搭配图6作进一步说明。

请参照图6，其是依据本发明第三实施例绘示的在通道影像中找出皮肤特征的示意图。在本实施例中，假设所考虑的第一检测项目为皮肤平滑度，且其对应的前处理机制及色彩转换机制分别例如是噪声过滤及YCrCb转换。在此情况下，在处理器106取得人脸影像(未绘示)之后，处理器106可先基于YCrCb转换将此人脸影像转换为多个色彩通道影像(即，Y色彩通道影像、Cr色彩通道影像及Cb色彩通道影像)，而其中的Y色彩通道影像例如是图6中的色彩通道影像610。

在图6中，处理器106可基于对应于皮肤平滑度(第一检测项目)的遮罩找出检测区域610a，并对其进行噪声过滤，以产生通道影像620。之后，处理器106例如可透过边缘检测的方式在通道影像620的检测区域610a中找出多个边缘，借以量化检测区域610a内的皮肤平滑程度。之后，处理器106例如可将边缘强度较高的边缘定义为非平滑皮肤，但本发明可不限于此。

之后，对于第一通道影像(例如Y通道影像)而言，处理器106可计算非平滑皮肤在第一通道影像的检测区域中的非平滑面积，并计算非平滑面积在第一通道影像的检测区域的面积中所占的一比例。接着，处理器106可将此比例定义为第一通道影像的参考分数。第二通道影像(例如Cr通道影像)及第三通道影像(例如Cb通道影像)个别的参考分数的计算方式类似于第一通道影像的参考分数的计算方式，于此不另赘述。

在第四实施例中，若所选定的第一检测项目为皮肤油光，则处理器106在检测区域中找出的皮肤特征即可为皮肤油光。对于第一通道影像而言，处理器106可计算皮肤油光(第一检测项目)在第一通道影像的检测区域中的第一亮度，以及皮肤油光在参考区域中的第二亮度。在本实施例中，前述参考区域例如是全脸区域，但可不限于此。之后，处理器106以第一亮度减去第二亮度以产生一差值，并将此差值定义为第一通道影像的该参考分数。第二通道影像及第三通道影像个别的参考分数的计算方式类似于第一通道影像的参考分数的计算方式，于此不另赘述。

在第五实施例中，若所选定的第一检测项目为肤色均匀度，则处理器106在检测区域中找出的皮肤特征即可为肤色。对于第一通道影像(例如R通道影像)而言，处理器106可计算肤色(第一检测项目)在检测区域中的肤色标准偏差，并以此肤色标准偏差作为第一通道影像的参考分数。第二通道影像(例如G通道影像)及第三通道影像(例如B通道影像)个别的参考分数的计算方式类似于第一通道影像的参考分数的计算方式，于此不另赘述。

在第六实施例中，若所选定的第一检测项目为黑眼圈，则处理器106在检测区域中找出的皮肤特征即可为黑眼圈。对于第一通道影像(例如Y通道影像)而言，处理器106可计算黑眼圈(第一检测项目)在第一通道影像的检测区域中的第一亮度以及参考区域(例如全脸区域)的第二亮度。接着，处理器106可以第二亮度减去第一亮度以产生一差值，并将此差值定义为第一通道影像的参考分数。第二通道影像(例如Cr通道影像)及第三通道影像(例如Cb通道影像)个别的参考分数的计算方式类似于第一通道影像的参考分数的计算方式，于此不另赘述。

在基于以上教示计算第一、第二及第三通道影像的参考分数之后，处理器106可在步骤S260中依据第一检测项目的皮肤特征对应的参考分数计算人脸影像在第一检测项目的检测分数。

在一实施例中，处理器106可经配置以：将第一通道影像的参考分数乘以第一权重以产生第一数值；将第二通道影像的参考分数乘以第二权重以产生第二数值；将第三通道影像的参考分数乘以第三权重以产生第三数值；以及将第一数值、第二数值及第三数值加总为检测分数。简言之，处理器106可将加权后的第一、第二及第三通道影像的参考分数加总为人脸影像在第一检测项目的检测分数。

在不同的实施例中，上述第一权重、第二权重及第三权重可依所选定的第一检测项目而定。举例而言，若第一检测项目为黑眼圈或皮肤平滑度，则其对应的第一通道影像、第二通道影像及第三通道影像分别例如是Y通道影像、Cr通道影像及Cb通道影像。在此情况下，第一权重、第二权重及第三权重可设定为依序递减。亦即，处理器106可对Y通道影像采用最高的权重，并对Cb通道影像采用最低的权重，但本发明可不限于此。

举另一例而言，若第一检测项目为皱纹或斑点，则其对应的第一通道影像、第二通道影像及第三通道影像分别例如是R通道影像、G通道影像及B通道影像。在此情况下，第一权重、第二权重及第三权重可设定为皆为1，但本发明可不限于此。

在不同的实施例中，由于人脸影像的质量可能会因拍摄时的亮度或其他环境因素而变化，因而可能使得所得出的检测分数无法客观且精准地反映出使用者的皮肤状态。因此，本发明更提出了以下机制以对检测分数进行适当地校正，从而得出更为客观且精准的皮肤检测结果。

具体而言，在取得人脸影像在第一检测项目的检测分数之后，处理器106可执行步骤S270以依据多个历史检测分数及检测分数计算对应于第一检测项目的第一校正后分数。在本实施例中，前述历史检测分数例如是基于在各式环境中所拍摄的其他人脸影像而算出的多个检测分数，但可不限于此。

在一实施例中，处理器106可计算前述历史检测分数的一平均值(以m表示)及一标准偏差(以σ表示)，并将人脸影像在第一检测项目的检测分数输入至一激励函数以产生第一校正后分数。在本实施例中，所述激励函数例如是：

其中SC为第一校正后分数，RC为人脸影像在第一检测项目的检测分数。

在透过上述激励函数将第一检测项目的检测分数(即，RC)转换为第一校正后分数(即，SC)之后，可让第一校正后分数更为精准且客观地呈现皮肤检测结果，并弭平因不同的环境因素(例如，灯光)所造成的检测误差。

由上可知，本发明提出的方法及装置仅需基于单一张人脸影像即可依需求而同时针对不同的检测项目进行皮肤检测，而不需如已知作法一般地针对各个局部脸部区域分别进行测量。借此，可提供一种简单且省时的皮肤检测机制。

在一实施例中，若使用者同时选定两种以上的检测项目，则处理器106可基于这些检测项目分别计算对应的校正后分数，并透过使用者界面将这些检测项目对应的校正后分数提供予使用者参考。

此外，处理器106还可进一步基于各检测项目的校正后分数产生一综合性皮肤检测分数，以综合性地表征使用者的皮肤检测结果(例如，肤质年龄)。

在一实施例中，在处理器106依据先前实施例中的教示而产生对应于第一检测项目的第一校正后分数之后，处理器106可再基于同一张人脸影像产生对应于第二检测项目的第二校正后分数。之后，处理器106可经配置以：将第一校正后分数乘以第一特定权重以产生第一特定数值；将第二校正后分数乘以第二特定权重以产生第二特定数值；以及将第一特定数值及第二特定数值加总为上述综合性皮肤检测分数。简言之，处理器106可将加权后的第一校正后分数及第二校正后分数加总为综合性皮肤检测分数，以综合性地表征使用者的皮肤检测结果。

此外，虽以上实施例仅基于两个检测项目说明综合性皮肤检测分数的计算方式，但在其他实施例中，处理器106亦可基于更多检测项目的校正后分数(不同的检测项目可对应于不同的特定权重)来计算综合性皮肤检测分数。在一实施例中，若所选定的检测项目中包括皱纹，则处理器106可将其对应的特定权重设定为最高，但本发明可不限于此。

请参照图7，其是依据本发明之一实施例绘示的皮肤检测结果示意图。图7例如是由图像处理装置100的用户界面显示的画面，其提供了对应于不同检测项目的校正后分数711、712、713、714、715，以及基于校正后分数711～715计算而得的综合性皮肤检测分数720。于其他实施例中，图像处理装置100例如还包括一显示单元(未绘示)，耦接处理器106(如图1所示)，用以显示如图7所示的对应于不同检测项目的校正后分数711、712、713、714、715，以及基于校正后分数711～715计算而得的综合性皮肤检测分数720的画面。

综上所述，本发明提出的皮肤检测方法及图像处理装置仅需基于单一张人脸影像即可依需求而同时针对不同的检测项目进行皮肤检测，并产生对应于不同检测项目的校正后分数。借此，可在不需使用特定检测仪器的情况下，仅透过图像处理的方式以较低成本的方式简易地完成皮肤检测。

并且，由于各检测项目的校正后分数系经由考虑多个历史检测分数的特定函数转换而得，因此能够更为客观且精准地呈现皮肤检测结果。此外，本发明还可基于各检测项目的校正后分数产生综合性皮肤检测分数，以综合性地表征使用者的皮肤检测结果。

虽然本发明已以实施例揭露如上，然其并非用以限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，当可作些许的更动与润饰，故本发明的保护范围当视后附的权利要求书所界定者为准。

附图标记说明：

100：图像处理装置

102：影像撷取电路

104：储存电路

106：处理器

310：影像

320：人脸影像

320a：特征点

400：人脸影像

411、412、413、414、415：遮罩

411a、412a、413a、414a、415a、520a、610a：检测区域

510：第一遮罩

520：检测区域影像

610：色彩通道影像

620：通道影像

711、712、713、714、715：校正后分数

720：综合性皮肤检测分数

S210～S270：步骤。

Claims (26)

1.一种皮肤检测方法，其特征在于，包括：

取得人脸影像；

依据第一检测项目取得第一遮罩，并基于所述第一遮罩在所述人脸影像中定义检测区域；

将所述人脸影像转换为多个通道影像；

在各所述多个通道影像的所述检测区域中找出对应于所述第一检测项目的皮肤特征；

计算各所述多个通道影像的所述检测区域中所述第一检测项目的所述皮肤特征对应的参考分数；

依据所述第一检测项目的所述皮肤特征对应的所述参考分数计算所述人脸影像在所述第一检测项目的检测分数；以及

依据多个历史检测分数及所述检测分数计算对应于所述第一检测项目的第一校正后分数。

2.如权利要求第1项所述的方法，其特征在于，取得所述人脸影像的步骤包括：

取得影像，并对所述影像执行人脸辨识操作，以在所述影像中找出所述人脸影像。

3.如权利要求第1项所述的方法，其特征在于，将所述人脸影像转换为所述多个通道影像的步骤包括：

依据所述第一检测项目决定前处理机制及色彩转换机制；

使用所述色彩转换机制将所述人脸影像转换为多个色彩通道影像；以及

使用所述前处理机制将所述多个色彩通道影像转换为所述多个通道影像。

4.如权利要求第1项所述的方法，其特征在于，所述皮肤特征包括皱纹，且计算各所述多个通道影像中所述第一检测项目的所述皮肤特征对应的所述参考分数的步骤包括：

对于所述多个通道影像中的第一通道影像而言，计算所述皱纹在所述检测区域中的皱纹面积；

计算所述皱纹面积在所述检测区域的面积中所占的比例；以及

将所述比例定义为所述第一通道影像的所述参考分数。

5.如权利要求第1项所述的方法，其特征在于，所述皮肤特征包括非平滑皮肤，且计算各所述多个通道影像中所述第一检测项目的所述皮肤特征对应的所述参考分数的步骤包括：

对于所述多个通道影像中的第一通道影像而言，计算所述非平滑皮肤在所述检测区域中的非平滑面积；

计算所述非平滑面积在所述检测区域的面积中所占的比例；以及

将所述比例定义为所述第一通道影像的所述参考分数。

6.如权利要求第1项所述的方法，其特征在于，各所述多个通道影像还包括参考区域，所述皮肤特征包括皮肤油光，且计算各所述多个通道影像中所述第一检测项目的所述皮肤特征对应的所述参考分数的步骤包括：

对于所述多个通道影像中的第一通道影像而言，计算所述皮肤油光在所述检测区域中的第一亮度以及所述皮肤油光在所述参考区域中的第二亮度；

以所述第一亮度减去所述第二亮度以产生差值；以及

将所述差值定义为所述第一通道影像的所述参考分数。

7.如权利要求第1项所述的方法，其特征在于，所述皮肤特征包括肤色，且计算各所述多个通道影像中所述第一检测项目的所述皮肤特征对应的所述参考分数的步骤包括：

对于所述多个通道影像中的第一通道影像而言，计算所述肤色在所述检测区域中的肤色标准偏差，其中所述检测区域不包括所述人脸影像中的五官；以及

将所述肤色标准偏差定义为所述第一通道影像的所述参考分数。

8.如权利要求第1项所述的方法，其特征在于，各所述多个通道影像还包括参考区域，所述皮肤特征包括黑眼圈，且计算各所述多个通道影像中所述第一检测项目的所述皮肤特征对应的所述参考分数的步骤包括：

对于所述多个通道影像中的第一通道影像而言，计算所述黑眼圈在所述检测区域中的第一亮度以及所述参考区域的第二亮度；

以所述第二亮度减去所述第一亮度以产生差值；以及

将所述差值定义为所述第一通道影像的所述参考分数。

9.如权利要求第1项所述的方法，其特征在于，所述多个通道影像包括第一通道影像、第二通道影像及第三通道影像，且依据所述第一检测项目的所述皮肤特征对应的所述参考分数计算所述人脸影像在所述第一检测项目的所述检测分数的步骤包括：

将所述第一通道影像的所述参考分数乘以第一权重以产生第一数值；

将所述第二通道影像的所述参考分数乘以第二权重以产生第二数值；

将所述第三通道影像的所述参考分数乘以第三权重以产生第三数值；以及

将所述第一数值、所述第二数值及所述第三数值加总为所述检测分数。

10.如权利要求第9项所述的方法，其特征在于，当所述皮肤特征为黑眼圈或非平滑皮肤时，所述第一通道影像为Y通道影像、所述第二通道影像为Cr通道影像，所述第三通道影像为Cb通道影像，且所述第一权重、所述第二权重及所述第三权重依序递减。

11.如权利要求第9项所述的方法，其特征在于，当所述皮肤特征为皱纹或斑点时，所述第一通道影像为R通道影像、所述第二通道影像为G通道影像，所述第三通道影像为B通道影像，且所述第一权重、所述第二权重及所述第三权重皆为1。

12.如权利要求第1项所述的方法，其特征在于，依据所述多个历史检测分数及所述检测分数计算所述第一校正后分数的步骤包括：

计算所述多个历史检测分数的平均值及标准偏差；以及

将所述检测分数输入至激励函数以产生所述第一校正后分数，其特征在于，所述激励函数为：

其中SC为所述第一校正后分数，RC为所述检测分数，m为所述平均值，σ为所述标准偏差。

13.如权利要求第1项所述的方法，其特征在于，还包括：

基于所述人脸影像产生对应于第二检测项目的第二校正后分数；

将所述第一校正后分数乘以第一特定权重以产生第一特定数值；

将所述第二校正后分数乘以第二特定权重以产生第二特定数值；以及

将所述第一特定数值及所述第二特定数值加总为综合性皮肤检测分数。

14.一种图像处理装置，其特征在于，包括影像撷取电路、储存电路以及处理器，其中：

所述储存电路储存多个模块；以及

所述处理器耦接所述影像撷取电路及所述储存电路，存取所述多个模块以执行下列步骤：

控制所述影像撷取电路取得人脸影像；

依据第一检测项目取得第一遮罩，并基于所述第一遮罩在所述人脸影像中定义检测区域；

将所述人脸影像转换为多个通道影像；

在各所述多个通道影像的所述检测区域中找出对应于所述第一检测项目的皮肤特征；

计算各所述多个通道影像的所述检测区域中所述第一检测项目的所述皮肤特征对应的参考分数；

依据所述第一检测项目的所述皮肤特征对应的所述参考分数计算所述人脸影像在所述第一检测项目的检测分数；以及

依据多个历史检测分数及所述检测分数计算对应于所述第一检测项目的第一校正后分数。

15.如权利要求第14项所述的图像处理装置，其特征在于，所述处理器经配置以：

取得影像，并对所述影像执行人脸辨识操作，以在所述影像中找出所述人脸影像。

16.如权利要求第14项所述的图像处理装置，其特征在于，所述处理器经配置以：

依据所述第一检测项目决定前处理机制及色彩转换机制；

使用所述色彩转换机制将所述人脸影像转换为多个色彩通道影像；以及

使用所述前处理机制将所述多个色彩通道影像转换为所述多个通道影像。

17.如权利要求第14项所述的图像处理装置，其特征在于，所述皮肤特征包括皱纹，且所述处理器经配置以：

对于所述多个通道影像中的第一通道影像而言，计算所述皱纹在所述检测区域中的皱纹面积；

计算所述皱纹面积在所述检测区域的面积中所占的比例；以及

将所述比例定义为所述第一通道影像的所述参考分数。

18.如权利要求第14项所述的图像处理装置，其特征在于，所述皮肤特征包括非平滑皮肤，且所述处理器经配置以：

对于所述多个通道影像中的第一通道影像而言，计算所述非平滑皮肤在所述检测区域中的非平滑面积；

计算所述非平滑面积在所述检测区域的面积中所占的比例；以及

将所述比例定义为所述第一通道影像的所述参考分数。

19.如权利要求第14项所述的图像处理装置，其特征在于，各所述多个通道影像还包括参考区域，所述皮肤特征包括皮肤油光，且所述处理器经配置以：

对于所述多个通道影像中的第一通道影像而言，计算所述皮肤油光在所述检测区域中的第一亮度以及所述皮肤油光在所述参考区域中的第二亮度；

以所述第一亮度减去所述第二亮度以产生差值；以及

将所述差值定义为所述第一通道影像的所述参考分数。

20.如权利要求第14项所述的图像处理装置，其特征在于，所述皮肤特征包括肤色，且所述处理器经配置以：

对于所述多个通道影像中的第一通道影像而言，计算所述肤色在所述检测区域中的肤色标准偏差，其中所述检测区域不包括所述人脸影像中的五官；以及

将所述肤色标准偏差定义为所述第一通道影像的所述参考分数。

21.如权利要求第14项所述的图像处理装置，其特征在于，各所述多个通道影像还包括参考区域，所述皮肤特征包括黑眼圈，且所述处理器经配置以：

对于所述多个通道影像中的第一通道影像而言，计算所述黑眼圈在所述检测区域中的第一亮度以及所述参考区域的第二亮度；

以所述第二亮度减去所述第一亮度以产生差值；以及

将所述差值定义为所述第一通道影像的所述参考分数。

22.如权利要求第14项所述的图像处理装置，其特征在于，所述多个通道影像包括第一通道影像、第二通道影像及第三通道影像，且所述处理器经配置以：

将所述第一通道影像的所述参考分数乘以第一权重以产生第一数值；

将所述第二通道影像的所述参考分数乘以第二权重以产生第二数值；

将所述第三通道影像的所述参考分数乘以第三权重以产生第三数值；以及

将所述第一数值、所述第二数值及所述第三数值加总为所述检测分数。

23.如权利要求第22项所述的图像处理装置，其特征在于，当所述皮肤特征为黑眼圈或非平滑皮肤时，所述第一通道影像为Y通道影像、所述第二通道影像为Cr通道影像，所述第三通道影像为Cb通道影像，且所述第一权重、所述第二权重及所述第三权重依序递减。

24.如权利要求第22项所述的图像处理装置，其特征在于，当所述皮肤特征为皱纹或斑点时，所述第一通道影像为R通道影像、所述第二通道影像为G通道影像，所述第三通道影像为B通道影像，且所述第一权重、所述第二权重及所述第三权重皆为1。

25.如权利要求第14项所述的图像处理装置，其特征在于，所述处理器经配置以：

计算所述多个历史检测分数的平均值及标准偏差；以及

将所述检测分数输入至激励函数以产生所述第一校正后分数，其中所述激励函数为：

其中SC为所述第一校正后分数，RC为所述检测分数，m为所述平均值，σ为所述标准偏差。

26.如权利要求第14项所述的图像处理装置，其特征在于，所述处理器还经配置以：

基于所述人脸影像产生对应于第二检测项目的第二校正后分数；

将所述第一校正后分数乘以第一特定权重以产生第一特定数值；

将所述第二校正后分数乘以第二特定权重以产生第二特定数值；以及

将所述第一特定数值及所述第二特定数值加总为综合性皮肤检测分数。

Images