CN113255802A - 一种基于红外激光的智能嫩肤系统 - Google Patents
一种基于红外激光的智能嫩肤系统 Download PDFInfo
- Publication number
- CN113255802A CN113255802A CN202110616401.XA CN202110616401A CN113255802A CN 113255802 A CN113255802 A CN 113255802A CN 202110616401 A CN202110616401 A CN 202110616401A CN 113255802 A CN113255802 A CN 113255802A
- Authority
- CN
- China
- Prior art keywords
- skin
- image
- module
- parameter
- skin 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Quality & Reliability (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明提供了一种基于红外激光的智能嫩肤系统,包括拍摄模块、第一判断模块、第二判断模块、综合判断模块和嫩肤处理模块;所述拍摄模块用于获取客户的皮肤图像;所述第一判断模块用于美容医师确定所述皮肤图像的第一参数;所述第二判断模块用于将所述皮肤图像输入到预先训练完毕的神经网络模型中进行识别,获取所述皮肤图像的第二参数;所述综合判断模块用于基于所述第一参数和所述第二参数确定所述皮肤图像中存在的皮肤缺陷;所述嫩肤处理模块用于美容医师使用红外激光对所述皮肤缺陷进行嫩肤处理。本发明有效地提高了对皮肤缺陷的识别的准确率。
Description
技术领域
本发明涉及嫩肤领域,尤其涉及一种基于红外激光的智能嫩肤系统。
背景技术
激光嫩肤指的是利用激光对局部皮肤区域按照设定的方案进行照射,从而使得被照射的皮肤更加嫩滑。在进行嫩肤治疗之前,需要先获取客户的皮肤中存在的问题,然后再选择合适的方案进行嫩肤处理。现有技术中,一般是靠美容医师的个人经验来对皮肤中存在的问题进行判断,但是由于个人的经验并不能识别出所有类型的问题,因此,单凭个人经验来判断皮肤中存在的问题,准确率不够高。
发明内容
鉴于上述问题,本发明的目的在于提供一种基于红外激光的智能嫩肤系统,包括拍摄模块、第一判断模块、第二判断模块、综合判断模块和嫩肤处理模块;
所述拍摄模块用于获取客户的皮肤图像;
所述第一判断模块用于美容医师确定所述皮肤图像的第一参数;
所述第二判断模块用于将所述皮肤图像输入到预先训练完毕的神经网络模型中进行识别,获取所述皮肤图像的第二参数;
所述综合判断模块用于基于所述第一参数和所述第二参数确定所述皮肤图像中存在的皮肤缺陷;
所述嫩肤处理模块用于美容医师使用红外激光对所述皮肤缺陷进行嫩肤处理。
优选地,所述拍摄模块包括拍摄单元、图像质量判断单元和控制单元;
所述拍摄单元用于获取用户的皮肤图像;
所述质量判断单元用于判断所述皮肤图像是否符合预设的参数条件;
所述控制单元用于在所述皮肤图像不符合预设的参数条件时,控制所述拍摄单元重新获取用户的皮肤图像。
优选地,所述判断所述皮肤图像是否符合预设的参数条件,包括:
计算皮肤图像的质量指数:
式中,quaidx表示皮肤图像的质量指数,δ1和δ2表示预设的权重系数,U表示皮肤图像在Lab颜色空间中的L分量图像中所有像素点的集合,f(u)表示U中的像素点u在所述L分量图像中的像素值,nU表示U中包含的元素的总数,g(u)表示u的梯度幅值,jud表示判断函数,st表示预设的常数参数,gthr表示预设的判断阈值;
若quaidx大于预设的质量指数阈值,则表示所述皮肤图像符合预设的参数条件;若quaidx小于等于预设的质量指数阈值,则表示所述皮肤图像不符合预设的参数条件。
优选地,所述第一参数包括美容医师确定的皮肤图像中存在的皮肤缺陷,所述皮肤缺陷包括类型和位置;
所述第二参数包括神经网络模型识别出的皮肤图像中存在的皮肤缺陷,所述皮肤缺陷包括类型和位置。
优选地,所述基于所述第一参数和所述第二参数确定所述皮肤图像中存在的皮肤缺陷,包括:
将美容医师确定的皮肤图像中存在的所有的皮肤缺陷存入集合U1;
将神经网络模型识别出的皮肤图像中存在的所有的皮肤缺陷存入集合U2;
获取U1和U2的交集U3;
将U1作为全集,在U1中获取U3的补集U4;
将U4作为待识别集合,将U3作为综合判断模块初步判定的所述皮肤图像中存在的皮肤缺陷。
优选地,所述智能嫩肤系统还包括专家会诊模块,
所述专家会诊模块用于多个美容医师对U4中包含的皮肤缺陷进行判定,并将U4中被判定为所述皮肤图像中存在的皮肤缺陷的元素存入集合U5。
优选地,所述基于所述第一参数和所述第二参数确定所述皮肤图像中存在的皮肤缺陷,还包括:
将U5和U3中包含的元素作为综合判断模块最终判定的所述皮肤图像中存在的皮肤缺陷。
与现有技术相比,本发明的优点在于:
本发明分别通过美容医师和神经网络模型对皮肤图像进行识别,获得第一参数和第二参数,然后再基于第一参数和第二参数再次进行识别,判断皮肤图像中存在的皮肤缺陷。相较于现有技术中的仅靠美容医师个人经验来判断皮肤图像中存在的皮肤缺陷的方式,本发明有效地提高了对皮肤缺陷的识别的准确率。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1,为本发明一种基于红外激光的智能嫩肤系统的一种示例性实施例图。
图2,为本发明一种基于红外激光的智能嫩肤系统的另一种示例性实施例图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
如图1所示的一种实施例,本发明提供了一种基于红外激光的智能嫩肤系统,包括拍摄模块、第一判断模块、第二判断模块、综合判断模块和嫩肤处理模块;
所述拍摄模块用于获取客户的皮肤图像;
所述第一判断模块用于美容医师确定所述皮肤图像的第一参数;
所述第二判断模块用于将所述皮肤图像输入到预先训练完毕的神经网络模型中进行识别,获取所述皮肤图像的第二参数;
所述综合判断模块用于基于所述第一参数和所述第二参数确定所述皮肤图像中存在的皮肤缺陷;
所述嫩肤处理模块用于美容医师使用红外激光对所述皮肤缺陷进行嫩肤处理。
在第一判断模块中,美容医师一般是一位。
优选地,所述嫩肤处理模块还用于美容医师使用激光波长为x纳米的激光所述皮肤缺陷进行嫩肤处理,x的取值范围为[1062,1068]。
优选地,所述拍摄模块包括拍摄单元、图像质量判断单元和控制单元;
所述拍摄单元用于获取用户的皮肤图像;
所述质量判断单元用于判断所述皮肤图像是否符合预设的参数条件;
所述控制单元用于在所述皮肤图像不符合预设的参数条件时,控制所述拍摄单元重新获取用户的皮肤图像。
优选地,所述判断所述皮肤图像是否符合预设的参数条件,包括:
计算皮肤图像的质量指数:
式中,quaidx表示皮肤图像的质量指数,δ1和δ2表示预设的权重系数,U表示皮肤图像在Lab颜色空间中的L分量图像中所有像素点的集合,f(u)表示U中的像素点u在所述L分量图像中的像素值,nU表示U中包含的元素的总数,g(u)表示u的梯度幅值,jud表示判断函数,st表示预设的常数参数,gthr表示预设的判断阈值;
若quaidx大于预设的质量指数阈值,则表示所述皮肤图像符合预设的参数条件;若quaidx小于等于预设的质量指数阈值,则表示所述皮肤图像不符合预设的参数条件。
优选地,所述第一参数包括美容医师确定的皮肤图像中存在的皮肤缺陷,所述皮肤缺陷包括类型和位置;
所述第二参数包括神经网络模型识别出的皮肤图像中存在的皮肤缺陷,所述皮肤缺陷包括类型和位置。
皮肤缺陷的类型包括色素斑、雀斑、毛孔粗大、痘印等。位置指的是皮肤缺陷在皮肤图像中对应的像素点的平均坐标。
优选地,所述基于所述第一参数和所述第二参数确定所述皮肤图像中存在的皮肤缺陷,包括:
将美容医师确定的皮肤图像中存在的所有的皮肤缺陷存入集合U1;
将神经网络模型识别出的皮肤图像中存在的所有的皮肤缺陷存入集合U2;
获取U1和U2的交集U3;
将U1作为全集,在U1中获取U3的补集U4;
将U4作为待识别集合,将U3作为综合判断模块初步判定的所述皮肤图像中存在的皮肤缺陷。
优选地,如图2所示,所述智能嫩肤系统还包括专家会诊模块,
所述专家会诊模块用于多个美容医师对U4中包含的皮肤缺陷进行判定,并将U4中被判定为所述皮肤图像中存在的皮肤缺陷的元素存入集合U5。
专家会诊模块包括展示单元、投票单元和判定单元;
展示单元用于分别向每个美容医师展示所述皮肤图像,以及展示U4中包含的皮肤缺陷;
所述投票单元用于美容医师对所述皮肤缺陷进行投票,投票的类型包括同意票和反对票;
所述判定单元用于分别统计U4中包含的每个皮肤缺陷获得的同意票的票数和反对票的票数;
以及用于通过下述方式计算U4中包含的每个皮肤缺陷同意率:
对于U4中包含的第i个皮肤缺陷,i∈[1,num],num表示U4中包含的皮肤缺陷的总数,通过下述方式对第i个皮肤缺陷的同意率:
式中,Ratecons(i)表示第i个皮肤缺陷的同意率,cons1(i)和cons2(i)分别表示第i个皮肤缺陷获得的同意票的票数和反对票的票数;
将U4中的同意率大于预设的同意率阈值的皮肤缺陷存入集合U5。
单一的美容医师和神经网络模型仍有极低的可能会作出错误的判断,因此,对于两者有分歧的皮肤缺陷,本发明将其输入到专家会诊中,由多个美容医师对其进行判定,从而能够进一步提升本发明对于皮肤图像中存在的皮肤缺陷的判断的准确率。对于U5中的元素,本发明还可以分析其没有被神经网络模型正确识别出来的原因,然后通过对神经网络模型进行相应的训练,使得神经网络模型的识别的准确率更高。
优选地,所述基于所述第一参数和所述第二参数确定所述皮肤图像中存在的皮肤缺陷,还包括:
将U5和U3中包含的元素作为综合判断模块最终判定的所述皮肤图像中存在的皮肤缺陷。
与现有技术相比,本发明的优点在于:
本发明分别通过美容医师和神经网络模型对皮肤图像进行识别,获得第一参数和第二参数,然后再基于第一参数和第二参数再次进行识别,判断皮肤图像中存在的皮肤缺陷。相较于现有技术中的仅靠美容医师个人经验来判断皮肤图像中存在的皮肤缺陷的方式,本发明有效地提高了对皮肤缺陷的识别的准确率。
尽管已经示出和描述了本发明的实施例,本领域技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变形,本发明的范围由权利要求及其等同物限定。
Claims (7)
1.一种基于红外激光的智能嫩肤系统,其特征在于,包括拍摄模块、第一判断模块、第二判断模块、综合判断模块和嫩肤处理模块;
所述拍摄模块用于获取客户的皮肤图像;
所述第一判断模块用于美容医师确定所述皮肤图像的第一参数;
所述第二判断模块用于将所述皮肤图像输入到预先训练完毕的神经网络模型中进行识别,获取所述皮肤图像的第二参数;
所述综合判断模块用于基于所述第一参数和所述第二参数确定所述皮肤图像中存在的皮肤缺陷;
所述嫩肤处理模块用于美容医师使用红外激光对所述皮肤缺陷进行嫩肤处理。
2.根据权利要求1所述的一种基于红外激光的智能嫩肤系统,其特征在于,所述拍摄模块包括拍摄单元、图像质量判断单元和控制单元;
所述拍摄单元用于获取用户的皮肤图像;
所述质量判断单元用于判断所述皮肤图像是否符合预设的参数条件;
所述控制单元用于在所述皮肤图像不符合预设的参数条件时,控制所述拍摄单元重新获取用户的皮肤图像。
3.根据权利要求2所述的一种基于红外激光的智能嫩肤系统,其特征在于,所述判断所述皮肤图像是否符合预设的参数条件,包括:
计算皮肤图像的质量指数:
式中,quaidx表示皮肤图像的质量指数,δ1和δ2表示预设的权重系数,U表示皮肤图像在Lab颜色空间中的L分量图像中所有像素点的集合,f(u)表示U中的像素点u在所述L分量图像中的像素值,nU表示U中包含的元素的总数,g(u)表示u的梯度幅值,jud表示判断函数,st表示预设的常数参数,gthr表示预设的判断阈值;
若quaidx大于预设的质量指数阈值,则表示所述皮肤图像符合预设的参数条件;若quaidx小于等于预设的质量指数阈值,则表示所述皮肤图像不符合预设的参数条件。
4.根据权利要求1所述的一种基于红外激光的智能嫩肤系统,其特征在于,所述第一参数包括美容医师确定的皮肤图像中存在的皮肤缺陷,所述皮肤缺陷包括类型和位置;
所述第二参数包括神经网络模型识别出的皮肤图像中存在的皮肤缺陷,所述皮肤缺陷包括类型和位置。
5.根据权利要求4所述的一种基于红外激光的智能嫩肤系统,其特征在于,所述基于所述第一参数和所述第二参数确定所述皮肤图像中存在的皮肤缺陷,包括:
将美容医师确定的皮肤图像中存在的所有的皮肤缺陷存入集合U1;
将神经网络模型识别出的皮肤图像中存在的所有的皮肤缺陷存入集合U2;
获取U1和U2的交集U3;
将U1作为全集,在U1中获取U3的补集U4;
将U4作为待识别集合,将U3作为综合判断模块初步判定的所述皮肤图像中存在的皮肤缺陷。
6.根据权利要求5所述的一种基于红外激光的智能嫩肤系统,其特征在于,还包括专家会诊模块,
所述专家会诊模块用于多个美容医师对U4中包含的皮肤缺陷进行判定,并将U4中被判定为所述皮肤图像中存在的皮肤缺陷的元素存入集合U5。
7.根据权利要求6所述的一种基于红外激光的智能嫩肤系统,其特征在于,所述基于所述第一参数和所述第二参数确定所述皮肤图像中存在的皮肤缺陷,还包括:
将U5和U3中包含的元素作为综合判断模块最终判定的所述皮肤图像中存在的皮肤缺陷。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110616401.XA CN113255802A (zh) | 2021-06-02 | 2021-06-02 | 一种基于红外激光的智能嫩肤系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110616401.XA CN113255802A (zh) | 2021-06-02 | 2021-06-02 | 一种基于红外激光的智能嫩肤系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113255802A true CN113255802A (zh) | 2021-08-13 |
Family
ID=77186294
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110616401.XA Withdrawn CN113255802A (zh) | 2021-06-02 | 2021-06-02 | 一种基于红外激光的智能嫩肤系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113255802A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114549434A (zh) * | 2022-02-09 | 2022-05-27 | 南宁市第二人民医院 | 一种基于云计算的皮肤质量检测装置 |
CN117558055A (zh) * | 2023-12-29 | 2024-02-13 | 广州中科医疗美容仪器有限公司 | 一种基于多模态的肌肤作业控制方法 |
-
2021
- 2021-06-02 CN CN202110616401.XA patent/CN113255802A/zh not_active Withdrawn
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114549434A (zh) * | 2022-02-09 | 2022-05-27 | 南宁市第二人民医院 | 一种基于云计算的皮肤质量检测装置 |
CN117558055A (zh) * | 2023-12-29 | 2024-02-13 | 广州中科医疗美容仪器有限公司 | 一种基于多模态的肌肤作业控制方法 |
CN117558055B (zh) * | 2023-12-29 | 2024-03-08 | 广州中科医疗美容仪器有限公司 | 一种基于多模态的肌肤作业控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102013102399B4 (de) | Gesichtsmerkmalserfassung | |
CN104751108B (zh) | 人脸图像识别装置和人脸图像识别方法 | |
EP2713307B1 (en) | Liveness detection | |
CN109241842B (zh) | 疲劳驾驶检测方法、装置、计算机设备及存储介质 | |
CN110163078A (zh) | 活体检测方法、装置及应用活体检测方法的服务系统 | |
EP3680794B1 (en) | Device and method for user authentication on basis of iris recognition | |
CN101542503A (zh) | 通过睫毛分析对人进行鉴别的方法 | |
CN113255802A (zh) | 一种基于红外激光的智能嫩肤系统 | |
CN109948476B (zh) | 一种基于计算机视觉的人脸皮肤检测系统及其实现方法 | |
CN109766785A (zh) | 一种人脸的活体检测方法及装置 | |
CN110348385B (zh) | 活体人脸识别方法和装置 | |
CN112784239B (zh) | 一种基于人工智能的电子竞技运营信息管理系统 | |
CN111914665A (zh) | 一种人脸遮挡检测方法、装置、设备及存储介质 | |
CN111178130A (zh) | 一种基于深度学习的人脸识别方法、系统和可读存储介质 | |
KR20130024065A (ko) | 안색 정보 생성 장치 및 그 방법, 안색 정보를 이용한 건강 상태 판단 장치 및 그 방법, 건강 분류 함수 생성 장치 및 그 방법 | |
CN113591763B (zh) | 人脸脸型的分类识别方法、装置、存储介质及计算机设备 | |
CN112613471B (zh) | 人脸活体检测方法、装置及计算机可读存储介质 | |
CN110298246A (zh) | 开锁验证方法、装置、计算机设备及存储介质 | |
CN111862040B (zh) | 人像图片质量评价方法、装置、设备及存储介质 | |
CN114821695A (zh) | 材料光谱法 | |
CN112507916B (zh) | 一种基于面部神态的人脸检测方法和系统 | |
CN114821694A (zh) | 材料光谱法 | |
CN114821697A (zh) | 材料光谱 | |
CN114821696A (zh) | 材料光谱法 | |
CN111968087B (zh) | 一种植物病害区域检测方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210813 |
|
WW01 | Invention patent application withdrawn after publication |