CN113128374B - 基于图像处理的敏感皮肤检测方法和敏感皮肤检测装置 - Google Patents
基于图像处理的敏感皮肤检测方法和敏感皮肤检测装置 Download PDFInfo
- Publication number
- CN113128374B CN113128374B CN202110363519.6A CN202110363519A CN113128374B CN 113128374 B CN113128374 B CN 113128374B CN 202110363519 A CN202110363519 A CN 202110363519A CN 113128374 B CN113128374 B CN 113128374B
- Authority
- CN
- China
- Prior art keywords
- value
- pixel
- pixel value
- target
- image
- 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.)
- Active
Links
- 230000037307 sensitive skin Effects 0.000 title claims abstract description 116
- 238000012545 processing Methods 0.000 title claims abstract description 53
- 238000001514 detection method Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 52
- 230000035945 sensitivity Effects 0.000 claims abstract description 11
- 238000007781 pre-processing Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 description 19
- 230000008569 process Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 8
- 238000003706 image smoothing Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 5
- 238000003707 image sharpening Methods 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000002708 enhancing effect Effects 0.000 description 4
- 238000009499 grossing Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013441 quality evaluation Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 239000002537 cosmetic Substances 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000005808 skin problem Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012404 In vitro experiment Methods 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 206010039897 Sedation Diseases 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000028709 inflammatory response Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000037311 normal skin Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000036280 sedation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
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
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明实施例公开了一种基于图像处理的敏感皮肤检测方法和敏感皮肤检测装置,用于提高该终端设备获取敏感皮肤的敏感区域面积和目标分数值的准确性。本发明实施例方法包括:获取待识别图像,并在所述待识别图像的像素点中,获取红色像素值、绿色像素值以及蓝色像素值;计算得到所述红色像素值与所述绿色像素值之间的第一像素差值,以及所述红色像素值与所述蓝色像素值之间的第二像素差值;将所述第一像素差值与所述第二像素差值进行求和,得到目标像素值;根据所述目标像素值,得到敏感皮肤的敏感区域面积和目标分数值,所述目标分数值用于表征所述敏感皮肤的敏感程度。
Description
技术领域
本发明涉及终端设备应用领域,尤其涉及一种基于图像处理的敏感皮肤检测方法和敏感皮肤检测装置。
背景技术
目前,人们的脸部皮肤问题较为严重,尤其是人们脸部出现的敏感皮肤就是常见的皮肤问题。而且,由于人们的性别、年龄以及地域属性等不同因素,导致敏感皮肤的严重程度也各不相同。
现有技术中,针对敏感皮肤开发和筛选出了多种能够应用于化妆品的抗敏感物质(舒敏物质),同时也具有多种针对众多不同侧重点的舒敏物质的活性评价实验,包括体外实验、动物实验、人体实验、细胞实验以及斑贴模型法等,针对性有促进屏障功能、神经镇静、抑制炎症反应之分。
然而,当前国内对化妆品用舒敏物质的研究还处于起步阶段,现有的检测敏感皮肤的方法通常需要在特定的环境下才能完成,对操作者要求很高,而且由于掺杂了很多影响因素,实验结果与人体使用结果往往存在较大差异。尤其是检测敏感皮肤的方法所使用设备要求复杂,从而导致终端设备检测敏感皮肤的准确性较低。
发明内容
本发明实施例提供了一种基于图像处理的敏感皮肤检测方法和敏感皮肤检测装置,用于提高该终端设备获取敏感皮肤的敏感区域面积和目标分数值的准确性。
本发明实施例第一方面提供了一种基于图像处理的敏感皮肤检测方法,可以包括:
获取待识别图像,并在该待识别图像的像素点中,获取红色像素值、绿色像素值以及蓝色像素值;
计算得到该红色像素值与该绿色像素值之间的第一像素差值,以及该红色像素值与该蓝色像素值之间的第二像素差值;
将该第一像素差值与该第二像素差值进行求和,得到目标像素值;
根据该目标像素值,得到敏感皮肤的敏感区域面积和目标分数值,该目标分数值用于表征该敏感皮肤的敏感程度。
可选的,该获取待识别图像,并在该待识别图像的像素点中,获取红色像素值、绿色像素值以及蓝色像素值,包括:获取待识别图像;对该待识别图像进行预处理,得到目标图像;在该目标图像的像素点中,获取红色像素值、绿色像素值以及蓝色像素值。
可选的,对该待识别图像进行预处理,得到目标图像,包括:通过预设算法,在该待识别图像中,确定第一人脸特征点;根据该第一人脸特征点,确定第一目标区域图像;对该第一目标区域图像进行直方图均衡处理,得到目标图像。
可选的,在该将该第一像素差值与该第二像素差值进行求和,得到目标像素值之后,该方法还包括:将该目标像素值中小于预设像素阈值的像素值,确定为第一子目标像素值;将该目标像素值中大于等于该预设像素阈值的像素值,确定为第二子目标像素值;该根据该目标像素值,得到敏感皮肤的敏感区域面积和目标分数值,包括:根据该第二子目标像素值,得到敏感皮肤的敏感区域面积和目标分数值。
可选的,该将该目标像素值中小于预设像素阈值的像素值,确定为第一子目标像素值,包括通过预设算法,在该待识别图像中,确定第二人脸特征点;根据该第二人脸特征点,确定第二目标区域;将该目标像素值中小于预设像素阈值的像素值,以及该第二目标区域上的像素值,确定为第一子目标像素值。
可选的,该根据该目标像素值,得到敏感皮肤的敏感区域面积,包括:获取所述目标像素值对应的像素点个数,以及所述待识别图像上像素点的总个数;根据第一公式,得到敏感皮肤的敏感区域面积;其中,该第一公式为A=B/C;A表示该敏感区域面积,B表示该目标像素值对应的像素点个数,C表示该像素点的总个数。
可选的,根据该目标像素值,得到敏感皮肤的目标分数值,包括:获取第二像素值,该第二像素值为该待识别图像上像素值的平均值;当该第二像素值小于预设像素均值时,根据第二公式,得到该敏感皮肤的第一目标分数值;其中,该第二公式为D=100-aE;D表示该第一目标分数值,a表示第一系数,E表示该第二像素值;当该第二像素值大于等于该预设像素均值时,根据第三公式,得到该敏感皮肤的第二目标分数值;其中,该第三公式为F=90-b(E-G);F表示该第二目标分数值,b表示第二系数,G表示该预设像素均值。
本发明实施例第二方面提供了一种敏感皮肤检测装置,可以包括:
获取模块,用于获取待识别图像,并在该待识别图像的像素点中,获取红色像素值、绿色像素值以及蓝色像素值;
处理模块,用于计算得到该红色像素值与该绿色像素值之间的第一像素差值,以及该红色像素值与该蓝色像素值之间的第二像素差值;将该第一像素差值与该第二像素差值进行求和,得到目标像素值;
该获取模块,还用于根据该目标像素值,得到敏感皮肤的敏感区域面积和目标分数值,该目标分数值用于表征该敏感皮肤的敏感程度。
可选的,该获取模块,具体用于获取待识别图像;
该处理模块,具体用于对该待识别图像进行预处理,得到目标图像;
该获取模块,具体用于在该目标图像的像素点中,获取红色像素值、绿色像素值以及蓝色像素值。
可选的,该处理模块,具体用于通过预设算法,在该待识别图像中,确定第一人脸特征点;根据该第一人脸特征点,确定第一目标区域图像;对该第一目标区域图像进行直方图均衡处理,得到目标图像。
可选的,该处理模块,还用于将该目标像素值中小于预设像素阈值的像素值,确定为第一子目标像素值;将该目标像素值中大于等于该预设像素阈值的像素值,确定为第二子目标像素值;
该获取模块,具体用于根据该第二子目标像素值,得到敏感皮肤的敏感区域面积和目标分数值。
可选的,该处理模块,具体用于通过预设算法,在该待识别图像中,确定第二人脸特征点;根据该第二人脸特征点,确定第二目标区域;将该目标像素值中小于预设像素阈值的像素值,以及该第二目标区域上的像素值,确定为第一子目标像素值。
可选的,该获取模块,具体用于获取所述目标像素值对应的像素点个数,以及所述待识别图像上像素点的总个数;
该处理模块,具体用于根据第一公式,得到敏感皮肤的敏感区域面积;其中,该第一公式为A=B/C;A表示该敏感区域面积,B表示该目标像素值对应的像素点个数,C表示该像素点的总个数。
可选的,该获取模块,具体用于获取第二像素值,该第二像素值为该待识别图像上像素值的平均值;
该处理模块,具体用于当该第二像素值小于预设像素均值时,根据第二公式,得到该敏感皮肤的第一目标分数值;其中,该第二公式为D=100-aE;D表示该第一目标分数值,a表示第一系数,E表示该第二像素值;当该第二像素值大于等于该预设像素均值时,根据第三公式,得到该敏感皮肤的第二目标分数值;其中,该第三公式为F=90-b(E-G);F表示该第二目标分数值,b表示第二系数,G表示该预设像素均值。
本发明实施例第三方面提供了一种敏感皮肤检测装置,可以包括:
存储有可执行程序代码的存储器;
以及所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,所述可执行程序代码被所述处理器执行时,使得所述处理器实现如本发明实施例第一方面所述的方法。
本发明实施例第四方面提供一种终端设备,所述终端设备可以包括如本发明实施例第二方面和/或第三方面所述的敏感皮肤检测装置。
本发明实施例又一方面提供一种计算机可读存储介质,其上存储有可执行程序代码,所述可执行程序代码被处理器执行时,实现如本发明实施例第一方面所述的方法。
本发明实施例又一方面公开一种计算机程序产品,当该计算机程序产品在计算机上运行时,使得该计算机执行本发明实施例第一方面公开的任意一种所述的方法。
本发明实施例又一方面公开一种应用发布平台,该应用发布平台用于发布计算机程序产品,其中,当该计算机程序产品在计算机上运行时,使得该计算机执行本发明实施例第一方面公开的任意一种所述的方法。
从以上技术方案可以看出,本发明实施例具有以下优点:
在本发明实施例中,获取待识别图像,并在所述待识别图像的像素点中,获取红色像素值、绿色像素值以及蓝色像素值;计算得到所述红色像素值与所述绿色像素值之间的第一像素差值,以及所述红色像素值与所述蓝色像素值之间的第二像素差值;将所述第一像素差值与所述第二像素差值进行求和,得到目标像素值;根据所述目标像素值,得到敏感皮肤的敏感区域面积和目标分数值,所述目标分数值用于表征所述敏感皮肤的敏感程度。即终端设备对获取的待识别图像的像素值进行处理得到目标像素值,以得到敏感皮肤的敏感区域面积和目标分数值。这种方法能够提高该终端设备获取敏感皮肤的敏感区域面积和目标分数值的准确性。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例和现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,还可以根据这些附图获得其它的附图。
图1为本发明实施例中基于图像处理的敏感皮肤检测方法的一个实施例示意图;
图2为本发明实施例中基于图像处理的敏感皮肤检测方法的另一个实施例示意图;
图3为本发明实施例中敏感皮肤检测装置对敏感皮肤进行识别和评分的一个实施例示意图;
图4为本发明实施例中敏感皮肤检测装置的一个实施例示意图;
图5为本发明实施例中敏感皮肤检测装置的另一个实施例示意图;
图6为本发明实施例中终端设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种基于图像处理的敏感皮肤检测方法和敏感皮肤检测装置,用于提高该终端设备获取敏感皮肤的敏感区域面积和目标分数值的准确性。
为了使本技术领域的人员更好地理解本发明方案,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描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书中的术语“第一”、“第二”、“第三”“第四”等是用于区别不同的对象,而不是用于描述特定顺序。本发明实施例的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是,本发明实施例中所涉及的执行主体可以是敏感皮肤检测装置,也可以是终端设备。下面的实施例以终端设备为例,对本发明技术方案做进一步的说明。
如图1所示,为本发明实施例中基于图像处理的敏感皮肤检测方法的一个实施例示意图,可以包括:
101、获取待识别图像,并在所述待识别图像的像素点中,获取红色像素值、绿色像素值以及蓝色像素值。
需要说明的是,待识别图像可以是用户的脸部图像,也可以是该用户脸部的特定部分(例如,左脸)图像;该待识别图像可以是终端设备通过摄像头拍摄得到,也可以是通过其他拍摄装置拍摄得到,此处不做具体限定。
像素点是由待识别图像的小方格组成,这些小方格有明确的位置坐标和被分配的色彩数值。其中,小方格对应的位置坐标和色彩数值可以确定待识别图像所呈现出来的样子。该待识别图像的像素点可以包括但不限于:红色(Red,R)像素点、绿色(Green,G)像素点以及蓝色(Blue,B)像素点。该像素点可以是终端设备通过识别像素点的算法检测得到。其中,识别像素点的算法可以是跨平台计算机视觉函数库(Open Source Computer VisionLibrary,OpenCV函数库),也可以是识别像素点的程序代码,此处不做具体限定。
可以理解的是,一个像素点所对应的像素值与这个像素点对应的R值、G值以及B值的比例有关。例如:当一个像素点的R值大于G值、且该R值大于B值时,这个像素点会呈现偏红的颜色,且,R值越大,像素点越红。
其中,红色像素点对应的像素值可以称作红色像素值(简称:R值);绿色像素点对应的像素值可以称作绿色像素值(简称:G值);蓝色像素点对应的像素值可以称作蓝色像素值(简称:B值)。
可选的,终端设备获取待识别图像,可以包括但不限于以下的实现方式:
实现方式1:终端设备检测用户与该终端设备之间的距离;当该距离位于预设距离范围内时,该终端设备获取待识别图像。
需要说明的是,预设距离范围是第一距离阈值和第二距离阈值构建的区间。该距离位于预距离设范围内,即该距离大于该第一距离阈值,且小于等于该第二距离阈值。
示例性的,假设第一距离阈值为10厘米(简称:cm),第二距离阈值为25cm,预设距离范围为(10cm,25cm)。终端设备检测用户与该终端设备之间的距离为18cm,该18cm位于预设距离设范围(10cm,25cm)内,此时,该终端设备获取待识别图像。
实现方式2:终端设备检测当前环境亮度值;当该当前环境亮度值位于预设亮度范围内时,该终端设备获取待识别图像。
需要说明的是,预设亮度范围是第一亮度阈值和第二亮度阈值构建的区间。该当前环境亮度值位于预设亮度范围内,即该当前环境亮度值大于该第一亮度阈值,且小于等于该第二亮度阈值。
示例性的,假设第一亮度阈值为120坎德拉/平方米(简称:cd/m2),第二亮度阈值为150cd/m2,预设亮度范围为(120cd/m2,150cd/m2)。终端设备检测到当前环境亮度值为136cd/m2,该136cd/m2位于预设亮度设范围(120cd/m2,150cd/m2)内,此时,该终端设备获取待识别图像。
可以理解的是,终端设备在预设距离范围内或预设亮度范围内获取的待识别图像较为清晰,便于获取该待识别图像的像素点中,获取R值、G值以及B值。
可选的,终端设备获取待识别图像,并在该待识别图像的像素点中,获取红色像素值、绿色像素值以及蓝色像素值,可以包括但不限于以下的实现方式:
实现方式1:获终端设备取待识别图像;该终端设备对该待识别图像进行预处理,得到目标图像;该终端设备在该目标图像的像素点中,获取红色像素值、绿色像素值以及蓝色像素值。
需要说明的是,预处理是指终端设备在待识别图像中确定第一目标区域,以及对带有该第一目标区域的图像进行对比度处理。
实现方式2:获终端设备取待识别图像;该终端设备通过预设算法,在该待识别图像中,确定第一人脸特征点;该终端设备根据该第一人脸特征点,确定第一目标区域图像;该终端设备对该第一目标区域图像进行直方图均衡处理,得到目标图像;该终端设备在该目标图像的像素点中,获取红色像素值、绿色像素值以及蓝色像素值。
需要说明的是,预设算法可以是OpenCV函数库、边缘检测算法、索贝尔算法以及主动轮廓线模型中的至少一项。人脸特征点可以从预设算法中进行提取。第一目标区域图像可以是该用户的脸部区域图像。
可以理解的是,终端设备可以根据预设算法中的68点人脸特征点,在待识别图像上提取68点人脸特征点,并根据提取到的68点人脸特征点进行区域切割,得到脸部区域图像。这样一来,终端设备在基于图像处理的敏感皮肤检测的过程中,可以有效降低其它区域对该过程的干扰程度。
可选的,该终端设备根据该第一人脸特征点,确定第一目标区域图像,可以包括:该第一人脸特征点包括第一特征点、第二特征点,第三特征点以及第四特征点;该终端设备根据该第一人脸特征点,确定第一目标区域图像。
示例性的,第一特征点为OpenCV函数库的47号特征点、第二特征点为50号特征点,第三特征点为1号特征点以及第四特征点为15号特征点。终端设备可以根据47号特征点的纵坐标、50号特征点的纵坐标,1号特征点的横坐标以及15号特征点的横坐标,确定脸部区域图像。
需要说明的是,直方图均衡处理是指对待识别图像进行平滑处理(简称:图像平滑)以及对该待识别图像进行锐化处理(简称:图像锐化)。其中,图像平滑是低频增强的空域滤波技术。图像平滑可以模糊待识别图像,也可以消除该待识别图像的噪声。该图像平滑一般采用简单平均法,即计算得到相邻两个像素点之间的平均亮度值。相邻两个像素点之间的邻域大小与待识别图像的平滑效果直接相关,邻域越大,平滑效果越好,但邻域过大,待识别图像的边缘信息损失也会越大,从而使得到的像素值不够准确,即该待识别图像的平滑效果较差,因此,终端设备需要设定合适的邻域大小,以保证像素值的准确性。然而,图像锐化与图像平滑是相反的图像均衡技术,图像锐化是高频增强的空域滤波技术。该图像锐化是通过增强高频分量来减少待识别图像中的模糊度,即增强该待识别图像的细节边缘和轮廓,同时,增强该待识别图像上的灰度反差,便于得到较为准确的像素值。但是,图像锐化在增强待识别图像细节边缘的同时,也会增加该待识别图像的噪声。因此,终端设备会结合图像平滑和图像锐化,对待识别图像进行直方图均衡,以得到较为准确的像素值。
其中,直方图均衡处理的作用可以是拉大正常皮肤颜色与敏感皮肤颜色的对比度。
102、计算得到所述红色像素值与所述绿色像素值之间的第一像素差值,以及所述红色像素值与所述蓝色像素值之间的第二像素差值。
需要说明的是,由于敏感皮肤一般呈现的颜色偏红,所以,终端设备只需要得到R值与G值之间的第一像素差值,以及R值与B值之间的第二像素差值,不需要G值与B值之间的差值。
103、将所述第一像素差值与所述第二像素差值进行求和,得到目标像素值。
需要说明的是,步骤102和步骤103是终端设备可以对待识别图像或目标图像进行灰度处理的一个过程,即终端设备可以对待识别图像或目标图像进行灰度处理,得到第一图像,该第一图像上的像素值为目标像素值,这样能够充分体现敏感区域。
104、根据所述目标像素值,得到敏感皮肤的敏感区域面积和目标分数值。
其中,该目标分数值可以用于表征该敏感皮肤的敏感程度。
可以理解的是,敏感区域面积和目标分数值可以用于表征用户的皮肤质量。其中,当敏感区域面积越小且目标分数值越高时,用户的皮肤质量越好。
可选的,终端设备根据该目标像素值,得到敏感皮肤的敏感区域面积,包括:终端设备获取所述目标像素值对应的像素点个数,以及所述待识别图像上像素点的总个数;该终端设备根据第一公式,得到敏感皮肤的敏感区域面积。
其中,该第一公式为A=B/C;A表示该敏感区域面积,B表示该目标像素值对应的像素点个数,C表示该像素点的总个数。
可以理解的是,目标像素值对应的像素点个数在像素点的总个数中的占比可以用于表征敏感皮肤的敏感区域面积。
示例性的,该目标像素值可以是大于等于75的像素值。
可选的,终端设备根据该目标像素值,得到敏感皮肤的目标分数值,包括:终端设备获取第二像素值,该第二像素值为该待识别图像上像素值的平均值;该终端设备当该第二像素值小于预设像素均值时,根据第二公式,得到该敏感皮肤的第一目标分数值;该终端设备当该第二像素值大于等于该预设像素均值时,根据第三公式,得到该敏感皮肤的第二目标分数值。
其中,该第二公式为D=100-aE;D表示该第一目标分数值,a表示第一系数,E表示该第二像素值;该第三公式为F=90-b(E-G);F表示该第二目标分数值,b表示第二系数,G表示该预设像素均值。
可以理解的是,a、b和G是终端设备通过大量的实验,得到的数据。
可选的,a取1000;b取625;G取50。
可选的,步骤104之后,该方法还可以包括:根据该敏感皮肤的敏感区域面积和目标分数值,生成并输出皮肤质量评价结果及建议。
需要说明的是,皮肤质量评价结果是指终端设备针对敏感区域面积和目标分数值,对该用户的敏感区域进行评价;该皮肤质量建议是指该终端设备针对敏感区域面积、目标分数值以及皮肤质量评价结果,对该用户如何改善敏感皮肤提供针对性建议。
在本发明实施例中,获取待识别图像,并在所述待识别图像的像素点中,获取红色像素值、绿色像素值以及蓝色像素值;计算得到所述红色像素值与所述绿色像素值之间的第一像素差值,以及所述红色像素值与所述蓝色像素值之间的第二像素差值;将所述第一像素差值与所述第二像素差值进行求和,得到目标像素值;根据所述目标像素值,得到敏感皮肤的敏感区域面积和目标分数值,所述目标分数值用于表征所述敏感皮肤的敏感程度。即终端设备对获取的待识别图像的像素值进行处理得到目标像素值,以得到敏感皮肤的敏感区域面积和目标分数值。这种方法使得终端设备能够提高该终端设备获取敏感皮肤的敏感区域面积和目标分数值的准确性。
如图2所示,为本发明实施例中基于图像处理的敏感皮肤检测的方法的另一个实施例示意图,可以包括:
201、获取待识别图像,并在所述待识别图像的像素点中,获取红色像素值、绿色像素值以及蓝色像素值。
202、计算得到所述红色像素值与所述绿色像素值之间的第一像素差值,以及所述红色像素值与所述蓝色像素值之间的第二像素差值。
203、将所述第一像素差值与所述第二像素差值进行求和,得到目标像素值。
需要说明的是,步骤201-203与本实施例中图1所示的步骤101-103类似,此处不再赘述。
204、将所述目标像素值中小于预设像素阈值的像素值,确定为第一子目标像素值。
需要说明的是,预设像素阈值可以是终端设备在出厂前设置的,也可以使用户自定义设置的,此处不做具体限定。可选的,该预设像素阈值为75;第一子目标像素值为0。
可选的,终端设备将该目标像素值中小于预设像素阈值的像素值,确定为第一子目标像素值,可以包括:终端设备通过预设算法,在该待识别图像中,确定第二人脸特征点;该终端设备根据该第二人脸特征点,确定第二目标区域;该终端设备将该目标像素值中小于预设像素阈值的像素值,以及该第二目标区域上的像素值,确定为第一子目标像素值。
需要说明的是,对于步骤204中预设算法的解释与对于图1步骤101中预设算法的解释类似,此处不做具体赘述。
可选的,该终端设备根据该第二人脸特征点,确定第二目标区域,可以包括:该第二人脸特征点可以包括第一特征点、第二特征点,第五特征点以及第六特征点;该终端设备根据该第一特征点的纵坐标、该第二特征点的纵坐标,该第五特征点的横坐标以及该第六特征点的横坐标,确定第二目标区域。
其中,该第二目标区域可以为用户的鼻子区域。该鼻子区域会对敏感皮肤检测过程造成一定程度的干扰,也可以称作是鼻子干扰区域。
示例性的,第一特征点为OpenCV函数库的47号特征点、第二特征点为50号特征点、,第五特征点位48号特征点以及第六特征点为54号特征点。终端设备可以根据47号特征点的纵坐标、50号特征点的纵坐标,48号特征点的横坐标以及54号特征点的横坐标,确定第二目标区域。
可以理解的是,将第二目标区域上的像素值,即将鼻子区域的像素值,确定为第一子目标像素值(例如,该第一子目标像素值为0),可以有效降低鼻子区域对敏感皮肤检测过程的干扰程度。
205、将所述目标像素值中大于等于所述预设像素阈值的像素值,确定为第二子目标像素值。
可以理解的是,当预设像素阈值为75时,该第二子目标像素值大于等于75。
需要说明的是,步骤204和步骤205是终端设备可以对待识别图像的像素值进行阈值分割的过程,这样能够充分体现敏感区域。
可选的,终端设备可以对待识别图像、目标图像或第一图像上鼻子区域进行剔除处理,得到第二图像。
206、根据所述第二子目标像素值,得到敏感皮肤的敏感区域面积和目标分数值。
可以理解的是,终端设备可以根据第二子目标像素值,在第二图像上进行特征输出,得到第三图像。其中,该特征可以包括敏感皮肤的敏感区域面积和目标分数值,该第三图像可以显示该特征。
需要说明的是,步骤206与本实施例中图1所示的步骤104类似,此处不再赘述。
可选的,终端设备可以根据第二子目标像素值,在第二图像上进行特征输出,得到第三图像,可以包括:终端设备可以根据第二子目标像素值,在第二图像上进行特征输出,得到第三图像,并以语音形式播报该第三图像上的特征。
可以理解的是,终端设备以语音形式播报第三图像上的特征,便于用户可以更加直观地获知该用户当前皮肤的敏感情况。
示例性的,如图3所示,为本发明实施例中敏感皮肤检测装置对敏感皮肤进行识别和评分的一个实施例示意图,可以包括:待识别图像301、第一目标区域图像302、目标图像303、第一图像304、第二图像305以及第三图像306。
需要说明的是,待识别图像301、第一目标区域图像302、目标图像303和第三图像306是彩色的。终端设备根据预设算法,对获取的待识别图像301进行处理,得到第一目标区域图像302;该终端设备对该第一目标区域图像进行直方图均衡处理,得到目标图像303;该终端设备在该目标图像的像素点中,获取红色像素值、绿色像素值以及蓝色像素值;该终端设备计算得到所述红色像素值与所述绿色像素值之间的第一像素差值,以及所述红色像素值与所述蓝色像素值之间的第二像素差值;将所述第一像素差值与所述第二像素差值进行求和,得到目标像素值;该终端设备对目标图像303进行灰度处理,得到第一图像304,第一图像304的像素值为目标像素值;该终端设备对第一图像304上鼻子区域进行剔除处理,得到第二图像305;终端设备在第二图像305上进行特征输出,得到第三图像306,其中,该特征可以包括敏感皮肤的敏感区域面积和目标分数值,第三图像306上显示该特征。
示例性的,第三图像306上显示敏感皮肤的敏感区域面积Area=15%和目标分数值Score=75分。
在本发明实施例中,获取待识别图像,并在所述待识别图像的像素点中,获取红色像素值、绿色像素值以及蓝色像素值;计算得到所述红色像素值与所述绿色像素值之间的第一像素差值,以及所述红色像素值与所述蓝色像素值之间的第二像素差值;将所述第一像素差值与所述第二像素差值进行求和,得到目标像素值;将所述目标像素值中小于预设像素阈值的像素值,确定为第一子目标像素值;将所述目标像素值中大于等于所述预设像素阈值的像素值,确定为第二子目标像素值;根据所述第二子目标像素值,得到敏感皮肤的敏感区域面积和目标分数值。即终端设备对获取的待识别图像的像素值进行阈值分割处理得到第二子目标像素值,以得到敏感皮肤的敏感区域面积和目标分数值。这种方法使得终端设备不仅能够在基于图像处理的敏感皮肤检测的过程中,降低其它区域对该过程的干扰程度,还能够提高该终端设备获取敏感皮肤的敏感区域面积和目标分数值的准确性。
如图4所示,为本发明实施例中敏感皮肤检测装置的一个实施例示意图,可以包括:
获取模块401,用于获取待识别图像,并在该待识别图像的像素点中,获取红色像素值、绿色像素值以及蓝色像素值;
处理模块402,用于计算得到该红色像素值与该绿色像素值之间的第一像素差值,以及该红色像素值与该蓝色像素值之间的第二像素差值;将该第一像素差值与该第二像素差值进行求和,得到目标像素值;
获取模块401,还用于根据该目标像素值,得到敏感皮肤的敏感区域面积和目标分数值,该目标分数值用于表征该敏感皮肤的敏感程度。
可选的,在本发明的一些实施例中,
获取模块401,具体用于获取待识别图像;
处理模块402,具体用于对该待识别图像进行预处理,得到目标图像;
获取模块401,具体用于在该目标图像的像素点中,获取红色像素值、绿色像素值以及蓝色像素值。
可选的,在本发明的一些实施例中,
处理模块402,具体用于通过预设算法,在该待识别图像中,确定第一人脸特征点;根据该第一人脸特征点,确定第一目标区域图像;对该第一目标区域图像进行直方图均衡处理,得到目标图像。
可选的,在本发明的一些实施例中,
处理模块402,还用于将该目标像素值中小于预设像素阈值的像素值,确定为第一子目标像素值;将该目标像素值中大于等于该预设像素阈值的像素值,确定为第二子目标像素值;
获取模块401,具体用于根据该第二子目标像素值,得到敏感皮肤的敏感区域面积和目标分数值。
可选的,在本发明的一些实施例中,
处理模块402,具体用于通过预设算法,在该待识别图像中,确定第二人脸特征点;根据该第二人脸特征点,确定第二目标区域;将该目标像素值中小于预设像素阈值的像素值,以及该第二目标区域上的像素值,确定为第一子目标像素值。
可选的,在本发明的一些实施例中,
获取模块401,具体用于获取所述目标像素值对应的像素点个数,以及所述待识别图像上像素点的总个数;
处理模块402,具体用于根据第一公式,得到敏感皮肤的敏感区域面积;其中,该第一公式为A=B/C;A表示该敏感区域面积,B表示该目标像素值对应的像素点个数,C表示该像素点的总个数。
可选的,在本发明的一些实施例中,
获取模块401,具体用于获取第二像素值,该第二像素值为该待识别图像上像素值的平均值;
处理模块402,具体用于当该第二像素值小于预设像素均值时,根据第二公式,得到该敏感皮肤的第一目标分数值;其中,该第二公式为D=100-aE;D表示该第一目标分数值,a表示第一系数,E表示该第二像素值;当该第二像素值大于等于该预设像素均值时,根据第三公式,得到该敏感皮肤的第二目标分数值;其中,该第三公式为F=90-b(E-G);F表示该第二目标分数值,b表示第二系数,G表示该预设像素均值。
如图5所示,为本发明实施例中敏感皮肤检测装置的另一个实施例示意图,可以包括:处理器501和存储器502;
处理器501具有以下功能:
获取待识别图像,并在该待识别图像的像素点中,获取红色像素值、绿色像素值以及蓝色像素值;
计算得到该红色像素值与该绿色像素值之间的第一像素差值,以及该红色像素值与该蓝色像素值之间的第二像素差值;
将该第一像素差值与该第二像素差值进行求和,得到目标像素值;
根据该目标像素值,得到敏感皮肤的敏感区域面积和目标分数值,该目标分数值用于表征该敏感皮肤的敏感程度。
可选的,处理器501还具有以下功能:
获取待识别图像;对该待识别图像进行预处理,得到目标图像;在该目标图像的像素点中,获取红色像素值、绿色像素值以及蓝色像素值。
可选的,处理器501还具有以下功能:
通过预设算法,在该待识别图像中,确定第一人脸特征点;根据该第一人脸特征点,确定第一目标区域图像;对该第一目标区域图像进行直方图均衡处理,得到目标图像。
可选的,处理器501还具有以下功能:
将该目标像素值中小于预设像素阈值的像素值,确定为第一子目标像素值;将该目标像素值中大于等于该预设像素阈值的像素值,确定为第二子目标像素值;根据该第二子目标像素值,得到敏感皮肤的敏感区域面积和目标分数值。
可选的,处理器501还具有以下功能:
通过预设算法,在该待识别图像中,确定第二人脸特征点;根据该第二人脸特征点,确定第二目标区域;将该目标像素值中小于预设像素阈值的像素值,以及该第二目标区域上的像素值,确定为第一子目标像素值。
可选的,处理器501还具有以下功能:
获取所述目标像素值对应的像素点个数,以及所述待识别图像上像素点的总个数;根据第一公式,得到敏感皮肤的敏感区域面积;其中,该第一公式为A=B/C;A表示该敏感区域面积,B表示该目标像素值对应的像素点个数,C表示该像素点的总个数。
可选的,处理器501还具有以下功能:
获取第二像素值,该第二像素值为该待识别图像上像素值的平均值;当该第二像素值小于预设像素均值时,根据第二公式,得到该敏感皮肤的第一目标分数值;其中,该第二公式为D=100-aE;D表示该第一目标分数值,a表示第一系数,E表示该第二像素值;当该第二像素值大于等于该预设像素均值时,根据第三公式,得到该敏感皮肤的第二目标分数值;其中,该第三公式为F=90-b(E-G);F表示该第二目标分数值,b表示第二系数,G表示该预设像素均值。
存储器502具有以下功能:
存储处理器501的处理过程和处理结果。
如图6所示,为本发明实施例中终端设备的另一个实施例示意图,可以包括如本实施中图4或图5所示的敏感皮肤检测装置。
可以理解的是,图6中的终端设备可以包括一般的手持有屏电子终端设备,诸如手机、智能电话、便携式终端、终端、个人数字助理(Personal Digital Assistant,PDA)、便携式多媒体播放器(Personal Media Player,PMP)装置、笔记本电脑、笔记本(Note Pad)、无线宽带(Wireless Broadband,Wibro)终端、平板电脑(Personal Computer,PC)、智能PC、销售终端(Point of Sales,POS)和车载电脑等。
该终端设备也可以包括可穿戴设备。可穿戴设备可以直接穿戴在用户身上,或是整合到用户的衣服或配件的一种便携式电子设备。可穿戴设备不仅仅是一种硬件设备,更可以通过软件支持以及数据交互、云端交互来实现强大的智能功能,比如:计算功能、定位功能、报警功能,同时还可以连接手机及各类终端。可穿戴设备可以包括但不限于以手腕为支撑的watch类(比如手表、手腕等产品),以脚为支撑的shoes类(比如鞋、袜子或者其他腿上佩戴产品),以头部为支撑的Glass类(比如眼镜、头盔、头带等)以及智能服装,书包、拐杖、配饰等各类非主流产品形态。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。
所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,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。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的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实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上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精神和范围。
Claims (8)
1.一种基于图像处理的敏感皮肤检测方法,其特征在于,包括:
获取待识别图像,并在所述待识别图像的像素点中,获取红色像素值、绿色像素值以及蓝色像素值;
计算得到所述红色像素值与所述绿色像素值之间的第一像素差值,以及所述红色像素值与所述蓝色像素值之间的第二像素差值;
将所述第一像素差值与所述第二像素差值进行求和,得到目标像素值;所述目标像素值指对所述待识别图像进行灰度处理,得到第一图像,所述第一图像上的像素值为所述目标像素值;
根据所述目标像素值,得到敏感皮肤的敏感区域面积和目标分数值,所述目标分数值用于表征所述敏感皮肤的敏感程度;
所述根据所述目标像素值,得到敏感皮肤的敏感区域面积,包括:
获取所述目标像素值对应的像素点个数,以及所述待识别图像上像素点的总个数;
根据第一公式,得到敏感皮肤的敏感区域面积;其中,所述第一公式为A=B/C;A表示所述敏感区域面积,B表示所述目标像素值对应的像素点个数,C表示所述像素点的总个数;
所述根据所述目标像素值,得到敏感皮肤的目标分数值,包括:
获取第二像素值,所述第二像素值为所述待识别图像上像素值的平均值;
当所述第二像素值小于预设像素均值时,根据第二公式,得到所述敏感皮肤的第一目标分数值;其中,所述第二公式为D=100-aE;D表示所述第一目标分数值,a表示第一系数,E表示所述第二像素值;
当所述第二像素值大于等于所述预设像素均值时,根据第三公式,得到所述敏感皮肤的第二目标分数值;其中,所述第三公式为F=90-b(E-G);F表示所述第二目标分数值,b表示第二系数,G表示所述预设像素均值。
2.根据权利要求1所述的方法,其特征在于,所述获取待识别图像,并在所述待识别图像的像素点中,获取红色像素值、绿色像素值以及蓝色像素值,包括:
获取待识别图像;
对所述待识别图像进行预处理,得到目标图像;
在所述目标图像的像素点中,获取红色像素值、绿色像素值以及蓝色像素值。
3.根据权利要求2所述的方法,其特征在于,对所述待识别图像进行预处理,得到目标图像,包括:
通过预设算法,在所述待识别图像中,确定第一人脸特征点;
根据所述第一人脸特征点,确定第一目标区域图像;
对所述第一目标区域图像进行直方图均衡处理,得到目标图像。
4.根据权利要求1所述的方法,其特征在于,在所述将所述第一像素差值与所述第二像素差值进行求和,得到目标像素值之后,所述方法还包括:
将所述目标像素值中小于预设像素阈值的像素值,确定为第一子目标像素值;
将所述目标像素值中大于等于所述预设像素阈值的像素值,确定为第二子目标像素值;
所述根据所述目标像素值,得到敏感皮肤的敏感区域面积和目标分数值,包括:
根据所述第二子目标像素值,得到敏感皮肤的敏感区域面积和目标分数值。
5.根据权利要求4所述的方法,其特征在于,所述将所述目标像素值中小于预设像素阈值的像素值,确定为第一子目标像素值,包括
通过预设算法,在所述待识别图像中,确定第二人脸特征点;
根据所述第二人脸特征点,确定第二目标区域;
将所述目标像素值中小于预设像素阈值的像素值,以及所述第二目标区域上的像素值,确定为第一子目标像素值。
6.一种敏感皮肤检测装置,其特征在于,包括:
获取模块,用于获取待识别图像,并在所述待识别图像的像素点中,获取红色像素值、绿色像素值以及蓝色像素值;
处理模块,用于计算得到所述红色像素值与所述绿色像素值之间的第一像素差值,以及所述红色像素值与所述蓝色像素值之间的第二像素差值;将所述第一像素差值与所述第二像素差值进行求和,得到目标像素值;所述目标像素值指对所述待识别图像进行灰度处理,得到第一图像,所述第一图像上的像素值为所述目标像素值;
所述获取模块,还用于根据所述目标像素值,得到敏感皮肤的敏感区域面积和目标分数值,所述目标分数值用于表征所述敏感皮肤的敏感程度;
所述获取模块,还用于获取所述目标像素值对应的像素点个数,以及所述待识别图像上像素点的总个数;
所述处理模块,还用于根据第一公式,得到敏感皮肤的敏感区域面积;其中,所述第一公式为A=B/C;A表示所述敏感区域面积,B表示所述目标像素值对应的像素点个数,C表示所述像素点的总个数;
所述获取模块,还用于获取第二像素值,所述第二像素值为所述待识别图像上像素值的平均值;
所述处理模块,还用于当所述第二像素值小于预设像素均值时,根据第二公式,得到所述敏感皮肤的第一目标分数值;其中,所述第二公式为D=100-aE;D表示所述第一目标分数值,a表示第一系数,E表示所述第二像素值;当所述第二像素值大于等于所述预设像素均值时,根据第三公式,得到所述敏感皮肤的第二目标分数值;其中,所述第三公式为F=90-b(E-G);F表示所述第二目标分数值,b表示第二系数,G表示所述预设像素均值。
7.一种敏感皮肤检测装置,其特征在于,包括:
存储有可执行程序代码的存储器;
以及所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,所述可执行程序代码被所述处理器执行时,使得所述处理器实现如权利要求1-5中任一所述的方法。
8.一种计算机可读存储介质,其上存储有可执行程序代码,其特征在于,所述可执行程序代码被处理器执行时,实现如权利要求1-5中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110363519.6A CN113128374B (zh) | 2021-04-02 | 2021-04-02 | 基于图像处理的敏感皮肤检测方法和敏感皮肤检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110363519.6A CN113128374B (zh) | 2021-04-02 | 2021-04-02 | 基于图像处理的敏感皮肤检测方法和敏感皮肤检测装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113128374A CN113128374A (zh) | 2021-07-16 |
CN113128374B true CN113128374B (zh) | 2024-05-14 |
Family
ID=76774793
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110363519.6A Active CN113128374B (zh) | 2021-04-02 | 2021-04-02 | 基于图像处理的敏感皮肤检测方法和敏感皮肤检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113128374B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116977464A (zh) * | 2023-07-10 | 2023-10-31 | 深圳伯德睿捷健康科技有限公司 | 人脸皮肤敏感度的检测方法、系统、设备及介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103500457A (zh) * | 2013-10-23 | 2014-01-08 | 武汉东智科技有限公司 | 一种视频图像偏色检测的方法 |
US8792691B1 (en) * | 2011-01-06 | 2014-07-29 | Given Imaging Ltd. | System and method for detecting motion patterns of in vivo imaging devices |
CN104732495A (zh) * | 2015-03-23 | 2015-06-24 | 厦门美图之家科技有限公司 | 一种基于模糊的自动色调的图像处理方法和系统 |
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 |
CN108830175A (zh) * | 2018-05-25 | 2018-11-16 | 平安科技(深圳)有限公司 | 虹膜图像局部增强方法、装置、设备及存储介质 |
CN108830184A (zh) * | 2018-05-28 | 2018-11-16 | 厦门美图之家科技有限公司 | 黑眼圈识别方法及装置 |
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 |
CN111047533A (zh) * | 2019-12-10 | 2020-04-21 | 成都品果科技有限公司 | 一种人脸图像的美化方法和装置 |
CN111259925A (zh) * | 2020-01-08 | 2020-06-09 | 安徽大学 | 基于k均值聚类和宽度突变算法的田间麦穗计数方法 |
CN111798406A (zh) * | 2020-03-26 | 2020-10-20 | 北京京东尚科信息技术有限公司 | 一种图片质量评价方法和系统 |
US10818012B1 (en) * | 2020-06-18 | 2020-10-27 | Neo Derm Group Limited | Method for facial skin age estimating and electronic device |
CN111950390A (zh) * | 2020-07-22 | 2020-11-17 | 深圳数联天下智能科技有限公司 | 皮肤敏感度的确定方法及装置、存储介质及设备 |
-
2021
- 2021-04-02 CN CN202110363519.6A patent/CN113128374B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8792691B1 (en) * | 2011-01-06 | 2014-07-29 | Given Imaging Ltd. | System and method for detecting motion patterns of in vivo imaging devices |
CN103500457A (zh) * | 2013-10-23 | 2014-01-08 | 武汉东智科技有限公司 | 一种视频图像偏色检测的方法 |
CN104732495A (zh) * | 2015-03-23 | 2015-06-24 | 厦门美图之家科技有限公司 | 一种基于模糊的自动色调的图像处理方法和系统 |
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 |
CN108830175A (zh) * | 2018-05-25 | 2018-11-16 | 平安科技(深圳)有限公司 | 虹膜图像局部增强方法、装置、设备及存储介质 |
CN108830184A (zh) * | 2018-05-28 | 2018-11-16 | 厦门美图之家科技有限公司 | 黑眼圈识别方法及装置 |
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 |
CN111047533A (zh) * | 2019-12-10 | 2020-04-21 | 成都品果科技有限公司 | 一种人脸图像的美化方法和装置 |
CN111259925A (zh) * | 2020-01-08 | 2020-06-09 | 安徽大学 | 基于k均值聚类和宽度突变算法的田间麦穗计数方法 |
CN111798406A (zh) * | 2020-03-26 | 2020-10-20 | 北京京东尚科信息技术有限公司 | 一种图片质量评价方法和系统 |
US10818012B1 (en) * | 2020-06-18 | 2020-10-27 | Neo Derm Group Limited | Method for facial skin age estimating and electronic device |
CN111950390A (zh) * | 2020-07-22 | 2020-11-17 | 深圳数联天下智能科技有限公司 | 皮肤敏感度的确定方法及装置、存储介质及设备 |
Non-Patent Citations (2)
Title |
---|
"Body Surface Context: A New Robust Feature for Action Recognition From Depth Videos";Yan Song;《IEEE Transactions on Circuits and Systems for Video Technology》;第24卷(第6期);第952-964页 * |
"自然环境中人脸表情识别算法的研究";范礼鸿;《中国优秀硕士学位论文全文数据库 信息科技辑》(2019年第09期);第I138-803页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113128374A (zh) | 2021-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102183370B1 (ko) | 케어 정보를 획득하기 위한 방법, 케어 정보를 공유하기 위한 방법, 및 그것들을 위한 전자 장치 | |
CN110889826B (zh) | 眼部oct图像病灶区域的分割方法、装置及终端设备 | |
US10580133B2 (en) | Techniques for identifying blepharoptosis from an image | |
CN111295664B (zh) | 一种发际线轮廓的定位方法、装置及计算机可读存储介质 | |
CN109199323B (zh) | 皮肤检测装置、产品信息确定方法、装置及系统 | |
CN113128376B (zh) | 基于图像处理的皱纹识别方法、皱纹识别装置及终端设备 | |
CN107463818B (zh) | 解锁控制方法及相关产品 | |
CN107679481B (zh) | 解锁控制方法及相关产品 | |
CN106137175B (zh) | 生理参数估计 | |
CN108875594B (zh) | 一种人脸图像的处理方法、装置以及存储介质 | |
US20130243332A1 (en) | Method and System for Estimating an Object of Interest | |
US9104236B2 (en) | Modifying information presented by an augmented reality device | |
CN113128374B (zh) | 基于图像处理的敏感皮肤检测方法和敏感皮肤检测装置 | |
CN111444555B (zh) | 一种测温信息显示方法、装置及终端设备 | |
CN113128373B (zh) | 基于图像处理的色斑评分方法、色斑评分装置及终端设备 | |
Firmansyah et al. | Detection melanoma cancer using ABCD rule based on mobile device | |
US20200268263A1 (en) | Electronic device for measuring biometric information and method for operating the same | |
CN105955451A (zh) | 基于用户图像的出行提示方法 | |
CN113128377B (zh) | 基于图像处理的黑眼圈识别方法、黑眼圈识别装置及终端 | |
CN113128372B (zh) | 基于图像处理的黑头识别方法、黑头识别装置及终端设备 | |
CN107346544B (zh) | 一种图像处理方法和电子设备 | |
CN109523564B (zh) | 用于处理图像的方法和装置 | |
US10902274B2 (en) | Opting-in or opting-out of visual tracking | |
CN107316281B (zh) | 图像处理方法、装置和终端设备 | |
CN115984228A (zh) | 胃镜图像处理方法、装置、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |