CN113298753A - 敏感肌的检测方法、图像处理方法、装置及设备 - Google Patents
敏感肌的检测方法、图像处理方法、装置及设备 Download PDFInfo
- Publication number
- CN113298753A CN113298753A CN202110328393.9A CN202110328393A CN113298753A CN 113298753 A CN113298753 A CN 113298753A CN 202110328393 A CN202110328393 A CN 202110328393A CN 113298753 A CN113298753 A CN 113298753A
- Authority
- CN
- China
- Prior art keywords
- image
- sensitive
- sensitive skin
- region
- determining
- 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
Links
- 210000003205 muscle Anatomy 0.000 title claims abstract description 269
- 238000001514 detection method Methods 0.000 title claims abstract description 143
- 238000003672 processing method Methods 0.000 title claims description 19
- 230000037307 sensitive skin Effects 0.000 claims abstract description 471
- 238000012545 processing Methods 0.000 claims abstract description 85
- 230000001815 facial effect Effects 0.000 claims description 163
- 238000000034 method Methods 0.000 claims description 92
- 230000002159 abnormal effect Effects 0.000 claims description 46
- 230000000875 corresponding effect Effects 0.000 description 170
- 238000004458 analytical method Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 14
- 210000001061 forehead Anatomy 0.000 description 12
- 238000003860 storage Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 230000005856 abnormality Effects 0.000 description 6
- 230000003796 beauty Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000001629 suppression Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 239000002537 cosmetic Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 210000004709 eyebrow Anatomy 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06T5/90—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
- G06T7/90—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
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- G06T2207/20081—Training; Learning
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本申请实施例提供了一种敏感肌的检测方法、图像处理方法、装置及设备。检测方法包括:获取面部图像;确定面部图像中所包括的敏感皮肤区域、非敏感皮肤区域和脸颊区域;确定敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息;确定敏感皮肤区域在脸颊区域中的占比信息;基于距离信息和占比信息,检测面部图像是否包括敏感肌。本申请所提供的技术方案,实现了将颜色空间距离和占比信息作为敏感肌检测的判定因素,这样有效地提升了对敏感肌进行判定的准确率,另外,用于确定距离信息和占比信息的敏感皮肤区域、非敏感皮肤区域和脸颊区域可以基于不同人、不同肌肤状态进行动态调整,进一步提高了对敏感肌进行检测的准确可靠性。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种敏感肌的检测方法、图像处理方法、装置及设备。
背景技术
目前,美妆相关技术处于高速发展阶段,针对美妆产品进行推荐的需求也越来越迫切。传统的推荐算法在推荐相关商品时,一般只能依赖用户的习惯行为,而无法根据用户真实的皮肤状态推荐合适的护肤美妆产品。为了提升用户体验,充分与用户产生互动,精准推荐给用户相关商品,肤质检测的需求应运而生。敏感肌作为一个皮肤的基本属性,几乎所有的美妆护肤类目的产品都会涉及,因此,对敏感肌进行检测的操作具有重要意义。
发明内容
本申请实施例提供一种敏感肌的检测方法、图像处理方法、装置及设备,可以基于面部图像对敏感肌进行准确的检测操作,而后便于基于检测结果生成相对应的推荐信息。
第一方面,本申请实施例提供了一种敏感肌的检测方法,包括:
获取面部图像;
确定所述面部图像中所包括的敏感皮肤区域、非敏感皮肤区域和脸颊区域;
确定所述敏感皮肤区域与所述非敏感皮肤区域之间在颜色空间上的距离信息;
确定所述敏感皮肤区域在所述脸颊区域中的占比信息;
基于所述距离信息和所述占比信息,检测所述面部图像是否包括敏感肌。
第二方面,本申请实施例提供了一种敏感肌的检测装置,包括:
第一获取模块,用于获取面部图像;
第一确定模块,用于确定所述面部图像中所包括的敏感皮肤区域、非敏感皮肤区域和脸颊区域;
第一处理模块,用于确定所述敏感皮肤区域与所述非敏感皮肤区域之间在颜色空间上的距离信息;
所述第一处理模块,用于确定所述敏感皮肤区域在所述脸颊区域中的占比信息;
第一检测模块,用于基于所述距离信息和所述占比信息,检测所述面部图像是否包括敏感肌。
第三方面,本申请实施例提供了一种电子设备,包括:存储器、处理器;其中,所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行时实现上述第一方面所示的敏感肌的检测方法。
第四方面,本发明实施例提供了一种计算机存储介质,用于储存计算机程序,所述计算机程序使计算机执行时实现上述第一方面所示的敏感肌的检测方法。
第五方面,本发明实施例提供了一种图像处理方法,包括:
实时获取面部图像;
检测所述面部图像是否包括敏感肌,所述敏感肌是基于所述面部图像中敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息、以及敏感皮肤区域在所述脸颊区域中的占比信息进行检测的;
根据所述面部图像是否包括敏感肌的检测结果,生成推荐信息。
第六方面,本发明实施例提供了一种图像处理装置,包括:
第二获取模块,用于实时获取面部图像;
第二检测模块,用于检测所述面部图像是否包括敏感肌,所述敏感肌是基于所述面部图像中敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息、以及敏感皮肤区域在所述脸颊区域中的占比信息进行检测的;
第二生成模块,用于根据所述面部图像是否包括敏感肌的检测结果,生成推荐信息。
第七方面,本申请实施例提供了一种电子设备,包括:存储器、处理器;其中,所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行时实现上述第五方面所示的图像处理方法。
第八方面,本发明实施例提供了一种计算机存储介质,用于储存计算机程序,所述计算机程序使计算机执行时实现上述第五方面所示的图像处理方法。
本申请实施例提供的技术方案,通过获取面部图像,确定面部图像中所包括的敏感皮肤区域、非敏感皮肤区域和脸颊区域,并确定敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息,确定敏感皮肤区域在脸颊区域中的占比信息,而后基于距离信息和占比信息来检测面部图像是否包括敏感肌,实现了将颜色空间距离和占比信息作为敏感肌检测的判定因素,这样有效地提升了对敏感肌进行判定的准确率,另外,本实施例中用于确定距离信息和占比信息的敏感皮肤区域、非敏感皮肤区域和脸颊区域可以基于不同人、不同肌肤状态进行动态调整,进一步提高了对敏感肌进行检测操作的准确可靠性,保证了该检测方法的实用性,有利于市场的推广与应用。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种敏感肌的检测方法的场景示意图;
图2为本申请实施例提供的一种敏感肌的检测方法的流程示意图;
图3为本申请实施例提供的确定所述面部图像中所包括的敏感皮肤区域、的流程示意图;
图4为本申请实施例提供的确定所述面部图像中所包括的非敏感皮肤区域的流程示意图;
图5为本申请实施例提供的确定所述面部图像中所包括的脸颊区域的流程示意图;
图6为本申请实施例提供的获取所述敏感皮肤区域在LAB颜色空间所对应的第一代表像素点、所述非敏感皮肤区域在LAB颜色空间所对应的第二代表像素点的流程示意图;
图7为本申请实施例提供的另一种敏感肌的检测方法的流程示意图;
图8为本申请实施例提供的又一种敏感肌的检测方法的流程示意图;
图9为本申请实施例提供的再一种敏感肌的检测方法的流程示意图;
图10为本申请应用实施例提供的敏感肌的检测方法的原理示意图;
图11为本申请实施例提供的一种敏感肌的检测装置的结构示意图;
图12为图11所示的敏感肌的检测装置所对应的电子设备的结构示意图;
图13为本申请实施例提供的一种图像处理方法的流程示意图;
图14为本申请实施例提供的一种图像处理装置的结构示意图;
图15为图14所示的图像处理装置所对应的电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在本申请实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义,“多种”一般包含至少两种,但是不排除包含至少一种的情况。
应当理解,本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
取决于语境,如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的商品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。
另外,下述各方法实施例中的步骤时序仅为一种举例,而非严格限定。
为了方便本领域技术人员理解本申请实施例提供的技术方案,下面对相关技术进行说明:
目前,美妆相关技术处于高速发展阶段,针对美妆产品进行推荐的需求也越来越迫切。传统的推荐算法在推荐相关商品时,一般只能依赖用户的习惯行为,而无法根据用户真实的皮肤状态推荐合适的护肤美妆产品。为了提升用户体验,充分与用户产生互动,精准推荐给用户相关商品,肤质检测的需求应运而生。敏感肌作为一个皮肤的基本属性,几乎所有的美妆护肤类目的产品都会涉及,因此,对敏感肌进行检测的操作具有重要意义。
传统技术中,实现敏感肌检测的方法主要包括以下步骤:获取图像,将图像转换至LAB颜色空间中,从而可以获得三通道图像,其中,L为亮度要素,A和B对应两个颜色通道,A通道图像包括的颜色是从深绿色(低亮度值)到灰色(中亮度值)再到亮粉红色(高亮度值);B通道图像包括的颜色是从亮蓝色(低亮度值)到灰色(中亮度值)再到黄色(高亮度值)。
而后对图像进行分析处理,以将两侧脸颊划定为敏感区域,将整张脸的皮肤作为参考区域,上述的敏感区域用于作为判断敏感肌的皮肤区域,参考区域用于作为辅助敏感肌判断的皮肤区域。之后,由于A通道代表的颜色红色的程度,可以根据敏感区域中A通道图像的均值以及参考区域中A通道图像的均值之间的差异作为敏感肌的判断依据,从而实现了基于面部图像进行敏感肌的检测操作。
然而,上述实现方式存在以下缺点:
(1)由于用户面部存在出油的情况,此时,面部图像中往往存在高光区域,而上述的实现方式并没有考虑到高光以及极端光照对检测结果精确度的影响,导致检测性能变差。
(2)由于A通道图像与红色值强相关,因此,上述的实现方式仅考虑到LAB颜色空间中的A通道图像。但是,在A通道值相同的情况下,B通道值的改变往往会导致图像红色区域发生变化,因此,仅考虑A通道图像作为敏感肌的检测依据比较片面,无法保证敏感肌检测的准确程度。
(3)上述的实现方式是根据关键点来确定出脸颊区域作为敏感区域,即将固定区域作为敏感区域,但是,由于敏感区域是因人而异的,因此,上述将固定区域作为敏感区域是不合理的。
(4)上述的实现方式使用全脸皮肤作为参考区域,但是,由于不同的人敏感区域所占的面积也是不同的,因此,使用全脸皮肤作为参考区域是不准确的,参考值不准确容易导致检测结果不准确。
(5)上述的实现方式只考虑到敏感区域与参考区域之间的颜色差异,缺乏其他辅助手段来增强检测操作的鲁棒性与准确性。
为了解决上述技术问题,本实施例提供了一种敏感肌的检测方法、装置及设备,该方法的执行主体可以为敏感肌的检测装置,敏感肌的检测装置可以通信连接有客户端,参考附图1所示:
其中,客户端可以是任何具有一定图像传输能力的计算设备,具体实现时,客户端可以是照相机、摄像机、具有拍摄功能的智能终端(手机、平板电脑)等等。此外,客户端的基本结构可以包括:至少一个处理器。处理器的数量取决于客户端的配置和类型。客户端也可以包括存储器,该存储器可以为易失性的,例如RAM,也可以为非易失性的,例如只读存储器(Read-Only Memory,简称ROM)、闪存等,或者也可以同时包括两种类型。存储器内通常存储有操作系统(Operating System,简称OS)、一个或多个应用程序,也可以存储有程序数据等。除了处理单元和存储器之外,客户端还包括一些基本配置,例如网卡芯片、IO总线、显示组件以及一些外围设备等。可选地,一些外围设备可以包括,例如键盘、鼠标、输入笔、打印机等。其它外围设备在本领域中是众所周知的,在此不做赘述。可选地,客户端可以为PC(personal computer)终端、手持终端(例如:智能手机、平板电脑)等。
敏感肌的检测装置是指可以在网络虚拟环境中提供敏感肌检测服务的设备,通常是指利用网络进行信息规划、敏感肌检测操作的装置。在物理实现上,敏感肌的检测装置可以是任何能够提供计算服务,响应服务请求,并进行处理的设备,例如:可以是集群服务器、常规服务器、云服务器、云主机、虚拟中心等。敏感肌的检测装置的构成主要包括处理器、硬盘、内存、系统总线等,和通用的计算机架构类似。
在上述本实施例中,客户端可以与敏感肌的检测装置进行网络连接,该网络连接可以是无线或有线网络连接。若客户端与敏感肌的检测装置是通信连接,该移动网络的网络制式可以为2G(GSM)、2.5G(GPRS)、3G(WCDMA、TD-SCDMA、CDMA2000、UTMS)、4G(LTE)、4G+(LTE+)、WiMax等中的任意一种。
在本申请实施例中,客户端可以获取面部图像,面部图像的数量可以为一个或多个,具体的,本实施例对于客户端获取面部图像的具体实现方式不做限定,本领域技术人员可以根据具体的应用场景进行任意设置,例如:客户端上设置有图像采集装置,通过图像采集装置对用户的面部进行拍摄操作,从而可以获得面部图像;或者,客户端可以与其他的图像采集装置通信连接,在通过图像采集装置对用户的面部进行拍摄操作,获得面部图像之后,可以将所获得的面部图像传输至客户端,从而使得客户端可以稳定地获取到面部图像。在获取到面部图像之后,可以将面部图像上传至敏感肌的检测装置,以使得敏感肌的检测装置可以对所上传的面部图像进行分析处理。
敏感肌的检测装置,用于接收客户端上传的面部图像,而后,检测装置可以对面部图像进行分析处理,从而可以确定面部图像中所包括的敏感皮肤区域、非敏感皮肤区域和脸颊区域,其中,敏感皮肤区域是指用于判断敏感肌的皮肤区域,具体可以包括以下至少之一:脸颊区域、脸侧区域等等;非敏感皮肤区域是指用于辅助敏感肌判断的皮肤区域,具体可以包括以下至少之一:额头区域、下巴区域等等。在确定敏感皮肤区域和非敏感皮肤区域之后,可以对敏感皮肤区域和非敏感皮肤区域进行分析处理,以确定敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息;在确定敏感皮肤区域和脸颊区域之后,可以对敏感皮肤区域和脸颊区域进行分析处理,以确定敏感皮肤区域在脸颊区域中的占比信息。
需要注意的是,上述步骤“确定敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息”的执行顺序与步骤“确定敏感皮肤区域在脸颊区域中的占比信息”的执行顺序并不限于上述所描述的顺序,本领域技术人员可以根据具体的应用场景和应用需求进行调整,例如:步骤“确定敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息”可以在步骤“确定敏感皮肤区域在脸颊区域中的占比信息”之前执行或者之后执行,或者,步骤“确定敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息”可以与步骤“确定敏感皮肤区域在脸颊区域中的占比信息”同时执行。
在获取到距离信息和占比信息之后,可以对距离信息和占比信息进行分析处理,以基于分析处理结果来检测面部图像中是否包括敏感肌,从而有效地实现了敏感肌的检测操作。
本实施例提供的技术方案,通过获取面部图像,确定面部图像中所包括的敏感皮肤区域、非敏感皮肤区域和脸颊区域,确定敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息,确定敏感皮肤区域在脸颊区域中的占比信息,而后基于距离信息和占比信息来检测面部图像是否包括敏感肌,实现了将颜色空间距离和占比信息作为敏感肌检测的判定因素,这样有效地提升了对敏感肌进行判定的准确率,另外,本实施例中用于确定距离信息和占比信息的敏感皮肤区域、非敏感皮肤区域和脸颊区域可以基于不同人、不同肌肤状态进行动态调整,进一步提高了对敏感肌进行检测操作的准确可靠性,保证了该检测方法的实用性,有利于市场的推广与应用。
下面通过一个示例性的应用场景具体说明本申请各个实施例提供的敏感肌的检测方法、装置及设备。
图2为本申请实施例提供的一种敏感肌的检测方法的流程示意图;参考附图2所示,本实施例提供了一种敏感肌的检测方法,该方法的执行主体可以为敏感肌的检测装置,可以理解的是,该敏感肌的检测装置可以实现为软件、或者软件和硬件的组合。具体的,该敏感肌的检测方法可以包括:
步骤S201:获取面部图像。
步骤S202:确定面部图像中所包括的敏感皮肤区域、非敏感皮肤区域和脸颊区域。
步骤S203:确定敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息。
步骤S204:确定敏感皮肤区域在脸颊区域中的占比信息。
步骤S205:基于距离信息和占比信息,检测面部图像是否包括敏感肌。
下面对上述各个步骤进行详细说明:
步骤S201:获取面部图像。
其中,面部图像的数量可以为一个或多个,具体的,本实施例对于获取面部图像的具体实现方式不做限定,本领域技术人员可以根据具体的应用场景进行任意设置,例如:敏感肌的检测装置上可以设置有图像采集装置,通过图像采集装置对用户的面部进行拍摄操作,从而可以获得面部图像;或者,敏感肌的检测装置可以与图像采集装置通信连接,在通过图像采集装置对用户的面部进行拍摄操作,获得面部图像之后,可以将所获得的面部图像传输至敏感肌的检测装置,从而使得敏感肌的检测装置可以稳定地获取到面部图像。
步骤S202:确定面部图像中所包括的敏感皮肤区域、非敏感皮肤区域和脸颊区域。
在获取到面部图像之后,可以对面部图像进行分析处理,以确定面部图像中所包括的敏感皮肤区域、非敏感皮肤区域脸颊区域,上述的敏感皮肤区域可以是指用于判断敏感肌的皮肤区域,具体可以包括以下至少之一:脸颊区域、脸侧区域等等;非敏感皮肤区域可以是指用于辅助敏感肌判断的皮肤区域,具体可以包括以下至少之一:额头区域、下巴区域等等。
另外,本实施例对于确定面部图像中所包括的敏感皮肤区域、非敏感皮肤区域和脸颊区域的具体实现方式不做限定,例如:预先训练有用于确定面部图像中敏感皮肤区域、非敏感皮肤区域和脸颊区域的机器学习模型,在获取到面部图像之后,可以将面部图像输入至机器学习模型中,从而可以获得面部图像中所包括的敏感皮肤区域、非敏感皮肤区域和脸颊区域。
当然的,本领域技术人员还可以采用其他的方式来确定敏感皮肤区域、非敏感皮肤区域和脸颊区域,只要能够保证对敏感皮肤区域、非敏感皮肤区域和脸颊区域进行确定的准确可靠性即可,在此不再赘述。
在一些实例中,在获取到面部图像之后,可以对面部图像进行分区处理,获得与面部图像相对应的多个图像块,而后对每个图像块进行分析处理,以确定图像块中所包括的敏感皮肤区域、非敏感皮肤区域和脸颊区域,这样可以有效地提高基于面部图像对敏感肌进行检测的质量和效率。
在又一些实例中,在获取到与面部图像相对应的多个图像块之后,可以采用不同的检测装置进行分析处理,从而有效地实现了不同的检测装置协同对面部图像进行敏感肌检测操作。
举例来说,在检测装置包括位于本地的检测装置和位于云端的协同检测装置,那么,在获取到多个图像块之后,可以确定多个图像块各自对应的图像复杂程度,基于图像复杂程度确定用于对图像块进行分析处理的检测装置。
在图像块所对应的图像复杂程度较高时,为了提高图像处理的实时性和可靠性,则可以利用数据处理能力较高的检测装置对图像块进行分析处理,例如:在对面部图像中的脸部边缘图像块进行分析处理时,可以利用位于云端的协同检测装置对图像块进行分析处理。或者,为了保证数据处理的实时性,也可以将与该图像复杂程度所对应的图像块由位于本地的检测装置进行分析处理。
而在图像块所对应的图像复杂程度较低时,可以利用数据处理能力较低的检测装置对图像块进行分析处理,例如:在对面部图像中的额头图像块进行分析处理时,可以利用位于本地的检测装置对图像块进行分析处理。或者,也可以将与该图像复杂程度所对应的图像块由位于云端的协同检测装置进行分析处理。
再或者,在图像块所对应的图像复杂程度较高时,为了降低本地数据资源的占用率,保证图像处理的质量和效率,也可以将与该图像复杂程度所对应的图像块由位于云端的协同检测装置进行分析处理;在图像块所对应的图像复杂程度较低时,可以将与该图像复杂程度所对应的图像块由位于本地的检测装置进行分析处理。具体的实现方式,本领域技术人员可以根据具体的应用场景或者应用需求进行调整,在此不再赘述。
需要说明的是,上述“利用本地的检测装置对图像块进行分析处理”的操作与“利用云端的协同检测装置对图像块进行分析处理”的操作可以同步或者异步进行。
步骤S203:确定敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息。
其中,在获取到敏感皮肤区域和非敏感皮肤区域之后,可以对敏感皮肤区域和非敏感皮肤区域进行分析处理,以获得敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息。在一些实例中,确定敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息可以包括:获取敏感皮肤区域在LAB颜色空间所对应的第一代表像素点、非敏感皮肤区域在LAB颜色空间所对应的第二代表像素点;基于第一代表像素点和第二代表像素点,确定敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息。
具体的,在获取到敏感皮肤区域和非敏感皮肤区域之后,可以分别对敏感皮肤区域和非敏感皮肤区域进行分析处理,以获取敏感皮肤区域在LAB颜色空间所对应的第一代表像素点、非敏感皮肤区域在LAB颜色空间所对应的第二代表像素点。在获取到第一代表像素点和第二代表像素点之后,可以基于第一代表像素点和第二代表像素点来确定敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息。
在一些实例中,基于第一代表像素点和第二代表像素点,确定敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息可以包括:利用CIE2000色差公式或者其他色差公式对第一代表像素点和第二代表像素点进行处理,获得敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息。通过色彩协会在2000年有关色彩的标准(CIE2000色差公式)或者其他标准的色差公式来获得敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息,从而有效地保证了对敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息进行确定的准确可靠性。
步骤S204:确定敏感皮肤区域在脸颊区域中的占比信息。
在获取到敏感皮肤区域和脸颊区域之后,可以对敏感皮肤区域和脸颊区域进行分析处理,以获得敏感皮肤区域在脸颊区域中的占比信息,具体的,由于敏感皮肤区域一般是脸颊区域中的一部分,因此,占比信息可以为敏感皮肤区域/脸颊区域。
需要注意的是,本实施例中步骤S204与步骤S203的执行顺序并不限于上述实施例所限定的执行顺序,例如,步骤S204可以在步骤S203之前执行,或者,步骤S204可以与步骤S203同时执行,本领域技术人员可以根据具体的应用场景和应用需求对步骤S204与步骤S203之间的执行顺序进行调整,在此不再赘述。
步骤S205:基于距离信息和占比信息,检测面部图像是否包括敏感肌。
在获取到距离信息和占比信息之后,可以对距离信息和占比信息进行分析处理,以基于分析处理结果来检测面部图像是否包括敏感肌。具体的,基于距离信息和占比信息,检测面部图像是否包括敏感肌可以包括:在占比信息小于第一占比阈值、且距离信息大于或等于第一距离阈值时,或者,在占比信息大于或等于第二占比阈值、且距离信息大于或等于第二距离阈值时,则确定面部图像中包括敏感肌,其中,第二占比阈值大于第一占比阈值,第二距离阈值大于第一距离阈值;在占比信息大于或等于第一占比阈值,或者,在占比信息小于第二占比阈值时,则确定面部图像中包括非敏感肌。
其中,上述的第一占比阈值和第二占比阈值用于在以敏感皮肤区域在脸颊区域中的占比信息的角度对敏感肌进行检测操作;上述的第一距离阈值和第二距离阈值用于在以敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息的角度来对敏感肌进行检测操作。可以理解的是,在当敏感皮肤区域在脸颊区域中的占比信息越大时,则说明敏感皮肤区域中包括敏感肌的概率越大;反之,则说明敏感皮肤区域中包括的敏感肌的概率越小;在当敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息越大时,则说明敏感皮肤区域中包括敏感肌的概率越大,反之,则说明敏感皮肤区域中包括的敏感肌的概率越小。
以第一占比阈值为0.15、第一距离阈值为10,第二占比阈值为0.2、第二距离阈值为8为例,在占比信息小于0.15、且距离信息大于或等于10时,则可以确定面部图像中包括敏感肌;在占比信息大于或等于0.2、且距离信息大于或等于8时,则可以确定面部图像中包括敏感肌;在占比信息大于或等于0.15时,则可以确定面部图像中包括非敏感肌,即此时的面部图像中不包括敏感肌;在占比信息小于0.2时,则可以确定面部图像中包括非敏感肌,即此时的面部图像中不包括敏感肌,从而有效地实现了对面部图像是否包括敏感肌进行检测操作。
在一些实例中,在面部图像包括多个图像块时,在获取到与某一个图像块中是否包括敏感肌的检测结果之后,则可以对该图像块所对应的检测结果进行显示,并可以基于上述检测结果生成与该图像块所对应的提示信息,从而有效地实现了可以基于面部图像中所包括的不同区域的检测结果进行同步或者异步的显示,并可以生成与上述检测结果相对应的区域提示信息(该区域的肤质特征、皮肤颜色、适用商品等等),从而有效地实现了可以在对面部图像进行敏感肌检测的过程中,对不同的面部区域依次显示提示信息。
在一些实例中,在面部图像包括多个图像块时,在获取到某一个图像块中是否包括敏感肌的检测结果的过程中,可以同时对该图像块所对应的面部图像进行虚拟化妆处理,这样可以使得用户在等待检测结果的过程中,可以观看到用户面部所对应的虚拟化妆效果,实现了化妆操作和检测操作同时进行,这样不仅保证了用户的良好体验性,并且也有利于提升用户对商品进行购买的意愿和效率。
本实施例提供的敏感肌的检测方法,通过获取面部图像,确定面部图像中所包括的敏感皮肤区域、非敏感皮肤区域和脸颊区域,并确定敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息,确定敏感皮肤区域在脸颊区域中的占比信息,而后基于距离信息和占比信息来检测面部图像是否包括敏感肌,实现了将颜色空间距离和占比信息作为敏感肌检测的判定因素,这样有效地提升了对敏感肌进行判定的准确率,另外,本实施例中用于确定距离信息和占比信息的敏感皮肤区域、非敏感皮肤区域和脸颊区域可以基于不同人、不同肌肤状态进行动态调整,进一步提高了对敏感肌进行检测操作的准确可靠性,保证了该检测方法的实用性,有利于市场的推广与应用。
图3为本申请实施例提供的确定面部图像中所包括的敏感皮肤区域、非敏感皮肤区域和脸颊区域的流程示意图;在上述实施例的基础上,参考附图3所示,本实施例提供了一种确定面部图像中所包括的敏感皮肤区域、非敏感皮肤区域和脸颊区域的实现方式,具体的,在对敏感皮肤区域进行确定时,本实施例中的确定面部图像中所包括的敏感皮肤区域可以包括:
步骤S301:获取面部图像中包括的初始敏感皮肤区域和初始非敏感皮肤区域。
其中,在获取到面部图像之后,可以对面部图像进行分析处理,以获取面部图像中所包括的初始敏感皮肤区域和初始非敏感皮肤区域,可以理解的是,初始敏感皮肤区域和初始非敏感皮肤区域可以构成整个面部皮肤区域,上述的初始敏感皮肤区域是用于判断敏感肌的初始皮肤区域,因此,对初始敏感皮肤区域进行确定的准确程度直接影响着敏感肌的检测准确性。在LAB颜色空间中,由于A通道参数与红色值强相关,因此,可以基于A通道参数来确定初始敏感皮肤区域。在一些实例中,获取面部图像中包括的初始敏感皮肤区域和初始非敏感皮肤区域可以包括:获取面部图像在LAB颜色空间所对应的A通道图像;基于A通道图像,确定面部图像中包括的初始敏感皮肤区域和初始非敏感皮肤区域。
在获取到面部图像之后,可以将面部图像转换为LAB颜色空间中,从而可以获得与面部图像相对应的三通道图像,三通道图像中可以包括L通道图像、A通道图像和B通道图像,在获取到面部图像在LAB颜色空间所对应的A通道图像之后,可以对A通道图像进行分析处理,以确定面部图像中所包括的初始敏感皮肤区域和初始非敏感皮肤区域。在一些实例中,基于A通道图像,确定面部图像中包括的初始敏感皮肤区域和初始非敏感皮肤区域可以包括:对A通道图像进行直方图均衡化处理,获得A通道处理后图像;基于A通道处理后图像,确定面部图像中包括的初始敏感皮肤区域和初始非敏感皮肤区域。
在获取到A通道图像之后,可以对A通道图像进行分析处理,为了能够提高对A通道图像进行分析处理的精确程度,可以对A通道图像进行直方图均衡化处理,该直方图均衡化处理是指将A通道图像按照设定比例映射至更大的空间,从而可以获得A通道处理后图像,可以理解的是,A通道处理后图像所对应的空间范围大于A通道图像所对应的空间范围。
在获取到A通道处理后图像之后,可以对A通道处理后图像进行分析处理,以确定面部图像中所包括的初始敏感皮肤区域和初始非敏感皮肤区域。在一些实例中,基于A通道处理后图像,确定面部图像中包括的初始敏感皮肤区域和初始非敏感皮肤区域可以包括:获取A通道处理后图像中每个像素点所对应的特征值;在特征值大于或等于预设阈值时,则将像素点所在的区域确定为初始敏感皮肤区域;在特征值小于预设阈值时,则将像素点所在的区域确定为初始非敏感皮肤区域。
具体的,在获取到A通道处理后图像之后,获取A通道处理后图像中每个像素点所对应的特征值,而后将特征值与预设阈值进行分析比较,在特征值大于或等于预设阈值时,则可以将像素点所在的区域确定为初始敏感皮肤区域;在特征值小于预设阈值时,则可以将像素点所在的区域确定为初始非敏感皮肤区域,从而有效地保证了对初始敏感皮肤区域和初始非敏感皮肤区域进行确定的准确可靠性。
当然的,本领域技术人员也可以采用其他的方式来确定初始敏感皮肤区域和初始非敏感皮肤区域,只要能够保证对初始敏感皮肤区域和初始非敏感皮肤区域进行确定的准确可靠性即可,在此不再赘述。
步骤S302:确定与面部图像相对应的图像特征点和面部二值图。
在获取到面部图像之后,可以对面部图像进行分析处理,以确定面部图像所对应的图像特征点和面部二值图,其中,面部特征点可以包括:脸部特征点、眉毛特征点、鼻子特征点、嘴巴特征点等等,一般情况下,面部特征点的数量大约为106个。面部二值图中可以包括用于标识皮肤区域的标识数据“1”和用于标识非皮肤区域的标识数据“0”,或者,面部二值图中可以包括用于标识皮肤区域的标识数据“0”和用于标识非皮肤区域的标识数据“1”。
此外,本实施例对于确定与面部图像相对应的图像特征点和面部二值图的具体实现方式不做限定,本领域技术人员可以根据具体的应用场景和应用需求进行设置,例如:预先训练有能够确定面部图像所对应的面部特征点和面部二值图的深度学习模型,在获取到面部图像之后,可以将面部图像输入至深度学习模型中,从而可以获得与面部图像相对应的面部特征点和面部二值图。
当然的,本领域技术人员也可以采用其他的方式来确定与面部图像相对应的图像特征点和面部二值图,只要能够保证对图像特征点和面部二值图进行确定的准确可靠性即可,在此不再赘述。
需要注意的是,本实施例中步骤S302与步骤S301的执行顺序并不限于上述实施例所限定的执行顺序,例如,步骤S302可以在步骤S301之前执行,或者,步骤S302可以与步骤S301同时执行,本领域技术人员可以根据具体的应用场景和应用需求对步骤S302与步骤S301之间的执行顺序进行调整,在此不再赘述。
步骤S303:基于初始敏感皮肤区域、图像特征点和面部二值图,确定面部图像中包括的敏感皮肤区域。
在获取到初始敏感皮肤区域、图像特征点和面部二值图之后,可以对初始敏感皮肤区域、图像特征点和面部二值图进行分析处理,以确定面部图像中所包括的敏感皮肤区域。在一些实例中,基于初始敏感皮肤区域、图像特征点和面部二值图,确定面部图像中包括的敏感皮肤区域可以包括:获取由初始敏感皮肤区域、面部特征点和面部二值图所构成的第一交集区域;将第一交集区域确定为面部图像中包括的敏感皮肤区域。
其中,获取由初始敏感皮肤区域、面部特征点和面部二值图所构成的第一交集区域可以包括:对初始敏感皮肤区域、面部特征点和面部二值图进行与操作,获得由初始敏感皮肤区域、面部特征点和面部二值图所构成的第一交集区域。在获取到第一交集区域之后,可以将第一交集区域确定为面部图像中所包括的敏感皮肤区域,从而有效地保证了对敏感皮肤区域进行确定的准确可靠性。
相类似的,在需要确定面部图像中所包括的非敏感皮肤区域时,参考附图4所示,本实施例中的确定面部图像中所包括的非敏感皮肤区域可以包括:
步骤S301:获取面部图像中包括的初始敏感皮肤区域和初始非敏感皮肤区域。
步骤S302:确定与面部图像相对应的图像特征点和面部二值图。
步骤S303`:基于初始非敏感皮肤区域、图像特征点和面部二值图,确定面部图像中包括的非敏感皮肤区域。
在获取到初始非敏感皮肤区域、图像特征点和面部二值图之后,可以对初始非敏感皮肤区域、图像特征点和面部二值图进行分析处理,以确定面部图像中所包括的非敏感皮肤区域。在一些实例中,基于初始非敏感皮肤区域、图像特征点和面部二值图,确定面部图像中包括的非敏感皮肤区域可以包括:基于面部特征点,确定非脸颊区域;获取由初始非敏感皮肤区域、面部二值图和非脸颊区域所构成的第二交集区域;将第二交集区域确定为面部图像中包括的非敏感皮肤区域。
其中,由于用户的非脸颊区域(例如:额头区域)所对应的皮肤状态与用户正常状态时所对应的皮肤状态相同或者相似程度较高,因此,为了能够准确地对敏感肌进行检测操作,则可以通过面部特征点确定非脸颊区域,而后获取由初始非敏感皮肤区域、面部二值图和非脸颊区域所构成的第二交集区域,具体的,获取由初始非敏感皮肤区域、面部二值图和非脸颊区域所构成的第二交集区域可以包括:对初始非敏感皮肤区域、面部二值图和非脸颊区域进行与操作,获得由初始非敏感皮肤区域、面部二值图和非脸颊区域所构成的第二交集区域。在获取到第二交集区域之后,可以将第二交集区域确定为面部图像中包括的非敏感皮肤区域,从而有效地保证了对非敏感皮肤区域进行确定的准确可靠性。
相类似的,在需要确定面部图像中所包括的非敏感皮肤区域时,参考附图5所示,本实施例中的确定面部图像中所包括的脸颊区域可以包括:
步骤S301:确定与面部图像相对应的图像特征点和面部二值图。
步骤S302`:基于图像特征点和面部二值图,确定面部图像中包括的脸颊区域。
在获取到图像特征点和面部二值图之后,可以对图像特征点和面部二值图进行分析处理,以确定面部图像中所包括的脸颊区域。在一些实例中,基于图像特征点和面部二值图,确定面部图像中包括的脸颊区域可以包括:基于面部特征点,确定初始脸颊区域;获取由初始脸颊区域和面部二值图所构成的第三交集区域;将第三交集区域确定为面部图像中包括的脸颊区域。
具体的,在获取到面部特征点之后,可以对面部特征点进行分析处理,以确定初始脸颊区域,该初始脸颊区域与脸颊区域的特征点相对应。在获取到初始脸颊区域之后,可以获取由初始脸颊区域和面部二值图所构成的第三交集区域,在一些实例中,获取由初始脸颊区域和面部二值图所构成的第三交集区域可以包括:对初始脸颊区域和面部二值图进行与操作,获得由初始脸颊区域和面部二值图所构成的第三交集区域。在获取到第三交集区域之后,可以将第三交集区域确定为面部图像中包括的脸颊区域,从而有效地保证了对面部图像中所包括的脸颊区域进行确定的准确可靠性。
需要注意的是,上述确定面部图像中所包括的敏感皮肤区域的实现操作、确定面部图像中所包括的非敏感皮肤区域的实现操作以及确定面部图像中所包括的脸颊区域的实现操作之间可以同步或者异步执行。另外,在执行上述任意一种实现操作时,本实施例中上述实现过程中的相应步骤可以进行灵活调整,例如:在确定面部图像中所包括的敏感皮肤区域的实现操作时,无需获取面部图像中包括的初始非敏感皮肤区域。在确定面部图像中所包括的非敏感皮肤区域的实现操作时,无需获取面部图像中包括的初始敏感皮肤区域。具体实现时,本领域技术人员可以根据具体的应用场景对上述实现方式中所包括的步骤进行灵活调整,在此不再赘述。
图6为本申请实施例提供的获取敏感皮肤区域在LAB颜色空间所对应的第一代表像素点、非敏感皮肤区域在LAB颜色空间所对应的第二代表像素点的流程示意图;在上述实施例的基础上,参考附图6所示,本实施例提供了一种对第一代表像素点和第二代表像素点进行确定的实现方式,具体的,本实施例中的获取敏感皮肤区域在LAB颜色空间所对应的第一代表像素点、非敏感皮肤区域在LAB颜色空间所对应的第二代表像素点可以包括:
步骤S601:获取敏感皮肤区域在LAB颜色空间所对应的多个第一像素点、非敏感皮肤区域在LAB颜色空间所对应的多个第二像素点;
其中,在获取到敏感皮肤区域和非敏感皮肤区域之后,可以分别获取敏感皮肤区域在LAB颜色空间所对应的多个第一像素点和多个第二像素点。在一些实例中,获取敏感皮肤区域在LAB颜色空间所对应的多个第一像素点、非敏感皮肤区域在LAB颜色空间所对应的多个第二像素点可以包括:获取面部图像在LAB颜色空间所对应的三通道图像;基于敏感皮肤区域和三通道图像,确定与敏感皮肤区域相对应的多个第一像素点;基于非敏感皮肤区域和三通道图像,确定与非敏感皮肤区域相对应的多个第二像素点。
具体的,在获取到面部图像之后,可以将面部图像转换至LAB颜色空间中,从而可以获取面部图像在LAB颜色空间所对应的三通道图像,该三通道图像可以包括L通道图像、A通道图像和B通道图像;在获取到三通道图像之后,可以对敏感皮肤区域和三通道图像进行分析处理,以确定敏感皮肤区域所对应的多个第一像素点;相类似的,在获取到三通道图像之后,可以对非敏感皮肤区域和三通道图像进行分析处理,从而可以确定与非敏感皮肤区域相对应的多个第二像素点。
在一些实例中,基于敏感皮肤区域和三通道图像,确定与敏感皮肤区域相对应的多个第一像素点可以包括:获取与敏感皮肤区域所对应的第一二值图;对第一二值图与三通道图像进行与操作,获得与敏感皮肤区域相对应的多个第一像素点。
具体的,在获取到敏感皮肤区域之后,可以基于面部二值图获取与敏感皮肤区域所对应的第一二值图,而后可以对第一二值图与三通道图像进行与操作,从而可以获得与敏感皮肤区域相对应的多个第一像素点,从而有效地保证了对多个第一像素点进行获取的准确可靠性。
在一些实例中,基于非敏感皮肤区域和三通道图像,确定与非敏感皮肤区域相对应的多个第二像素点可以包括:获取与非敏感皮肤区域所对应的第二二值图;对第二二值图与三通道图像进行与操作,获得与非敏感皮肤区域相对应的多个第二像素点。
具体的,在获取到非敏感皮肤区域之后,可以基于面部二值图获取与非敏感皮肤区域所对应的第二二值图,而后可以对第二二值图与三通道图像进行与操作,从而可以获得与非敏感皮肤区域相对应的多个第二像素点,从而有效地保证了对多个第二像素点进行获取的准确可靠性。
步骤S602:根据多个第一像素点,确定敏感皮肤区域在LAB颜色空间所对应的第一代表像素点。
在获取到多个第一像素点之后,可以对多个第一像素点进行分析处理,以确定敏感皮肤区域在LAB颜色空间中所对应的第一代表像素点,可以理解的是,上述的第一代表像素点可以是通过对多个第一像素点进行分析处理所确定的,在一些实例中,根据多个第一像素点,确定敏感皮肤区域在LAB颜色空间所对应的第一代表像素点可以包括:获取多个第一像素点的像素点均值;将多个第一像素点的像素点均值确定为敏感皮肤区域在LAB颜色空间所对应的第一代表像素点,从而有效地保证了对第一代表像素点进行确定的准确可靠性。
需要注意的是,本领域技术人员还可以采用其他方式来确定敏感皮肤区域在LAB颜色空间所对应的第一代表像素点,只要能够保证对第一代表像素点进行确定的准确可靠性即可,在此不再赘述。
步骤S603:根据多个第二像素点,确定非敏感皮肤区域在LAB颜色空间所对应的第二代表像素点。
在获取到多个第二像素点之后,可以对多个第二像素点进行分析处理,以确定非敏感皮肤区域在LAB颜色空间中所对应的第二代表像素点,可以理解的是,上述的第二代表像素点可以是通过对多个第二像素点进行分析处理所确定的,在一些实例中,根据多个第二像素点,确定非敏感皮肤区域在LAB颜色空间所对应的第二代表像素点可以包括:获取多个第二像素点的像素点均值;将多个第二像素点的像素点均值确定为非敏感皮肤区域在LAB颜色空间所对应的第二代表像素点,从而有效地保证了对第二代表像素点进行确定的准确可靠性。
需要注意的是,本领域技术人员还可以采用其他方式来确定非敏感皮肤区域在LAB颜色空间所对应的第二代表像素点,只要能够保证对第二代表像素点进行确定的准确可靠性即可,在此不再赘述。
另外,本实施例中步骤S603与步骤S602的执行顺序并不限于上述实施例所限定的执行顺序,例如,步骤S603可以在步骤S602之前执行,或者,步骤S603可以与步骤S602同时执行,本领域技术人员可以根据具体的应用场景和应用需求对步骤S603与步骤S602之间的执行顺序进行调整,在此不再赘述。
本实施例中,通过获取敏感皮肤区域在LAB颜色空间所对应的多个第一像素点、非敏感皮肤区域在LAB颜色空间所对应的多个第二像素点,而后根据多个第一像素点来确定敏感皮肤区域在LAB颜色空间所对应的第一代表像素点,并根据多个第二像素点来确定非敏感皮肤区域在LAB颜色空间所对应的第二代表像素点,从而有效地保证了对第一代表像素点和第二代表像素点进行确定的准确可靠性,进一步提高了基于第一代表像素点和第二代表像素点来获取敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息的精确程度,这样有效地保证了敏感肌检测操作的准确可靠性。
图7为本申请实施例提供的另一种敏感肌的检测方法的流程示意图;在上述实施例的基础上,参考附图7所示,在确定面部图像中包括敏感肌之后,本实施例中的方法还可以包括:
步骤S701:确定敏感肌所在的敏感肌区域。
步骤S702:对敏感肌区域进行标记显示。
其中,敏感肌的检测装置上可以设置有显示装置,在确定面部图像中包括敏感肌之后,为了能够使得用户可以清晰地获知到面部图像中所包括的敏感肌,则可以确定敏感肌所在的敏感肌区域,该敏感肌区域即是由面部图像中与敏感肌相对应的像素点所构成的区域,可以理解的是,敏感肌所在的敏感肌区域的数量可以为一个或多个,在获取到敏感肌区域之后,可以通过显示装置对敏感肌区域进行标记显示,例如:可以通过标识框标记出敏感肌区域,或者,可以对敏感肌区域进行高亮显示等等,只要能够实现对敏感肌区域进行标记显示操作,从而使得用户可以清楚、直观地获知到敏感肌区域的相关信息即可,在此不再赘述。
本实施例中,通过确定敏感肌所在的敏感肌区域,而后对敏感肌区域进行标记显示,有效地实现了用户可以清楚、直观地获知到敏感肌区域的相关显示信息,进一步提高了该检测方法的实用性,有利于市场的推广与应用。
图8为本申请实施例提供的又一种敏感肌的检测方法的流程示意图;在上述任意一个实施例的基础上,参考附图8所示,由于所获得的面部图像中可以包括能够影响敏感肌检测操作的光线异常区域,为了保证对面部图像进行分析检测的准确可靠性,在获取面部图像之后,本实施例中的方法还可以包括:
步骤S801:检测面部图像中是否存在影响敏感肌检测操作的光线异常区域。
其中,在获取到面部图像之后,可以对面部图像进行检测处理,以检测面部图像中是否存在影响敏感肌检测操作的光线异常区域,上述的光线异常区域可以包括:光线明亮区域、光线暗淡区域等等。在一些实例中,检测面部图像中是否存在影响敏感肌检测操作的光线异常区域可以包括:获取与面部图像相对应的灰度图像;提取灰度图像中像素点的像素值;基于灰度图像中像素点的像素值,检测面部图像中是否存在影响敏感肌检测操作的光线异常区域。
具体的,在获取到面部图像之后,可以将面部图像从RGB空间转换到灰度空间,从而可以获得与面部图像相对应的灰度图像,而后提取灰度图像中像素点的像素值,在提取出灰度图像中像素点的像素值之后,可以对灰度图像中像素点的像素值进行分析处理,以检测面部图像中是否存在影响敏感肌检测操作的光线异常区域。
在一些实例中,基于灰度图像中像素点的像素值,检测面部图像中是否存在影响敏感肌检测操作的光线异常区域可以包括:在像素值小于第一像素阈值,或者,第一像素值大于或等于第二像素阈值时,则将像素值所对应的区域确定为光线异常区域,其中,第二像素阈值大于第一像素阈值;在像素值大于或等于第一像素阈值,且第一像素值小于第二像素阈值时,则将像素值所对应的区域确定为光线正常区域。
具体的,在获取到灰度图像中像素点的像素值之后,可以将像素值分别与预设的第一像素阈值和第二像素阈值进行分析比较,在像素值小于第一像素阈值时,则说明灰度图像中与像素值所对应的像素点的亮度较暗,即此时的面部图像中包括有与上述像素点所对应的暗光区域,进而可以将像素值所对应的区域确定为光线异常区域。相类似的,在像素值大于或等于第二像素阈值时,则说明灰度图像中与像素值所对应的像素点的亮度较亮,即此时的面部图像中包括有与上述像素点所对应的高光区域,进而可以将像素值所对应的区域确定为光线异常区域。
在像素值大于或等于第一像素阈值,且第一像素值小于第二像素阈值时,则说明灰度图像中与像素值所对应的像素点的亮度位于正常范围内,进而可以将像素值所对应的区域确定为光线正常区域,这样有效地实现了能够稳定、有效地检测面部图像中是否存在影响敏感肌检测操作的光线异常区域。
步骤S802:在面部图像中存在光线异常区域时,去除面部图像中的光线异常区域。
在确定面部图像中存在光线异常区域时,为了能够提高敏感肌检测操作的准确可靠性,则可以去除面部图像中所包括的光线异常区域,从而可以获取到去除掉光线异常区域的面部图像。
本实施例中,在获取面部图像之后,通过检测面部图像中是否存在影响敏感肌检测操作的光线异常区域,在面部图像中存在光线异常区域时,去除面部图像中的光线异常区域,从而可以获取到去除掉光线异常区域的面部图像,这样可以基于去除掉光线异常区域的面部图像进行敏感肌的检测操作,有效地提高了对敏感肌进行检测的准确可靠性。
图9为本申请实施例提供的再一种敏感肌的检测方法的流程示意图;在上述实施例的基础上,参考附图9所示,在去除面部图像中的光线异常区域之后,方法还包括:
步骤S901:在与面部图像相对应的面部二值图中,确定与光线异常区域相对应的二值图区域。
步骤S902:去除面部二值图中的二值图区域,获得与面部图像相对应的目标二值图。
其中,在确定面部图像中包括光线异常区域时,那么,与面部图像所对应的面部二值图中也包括与光线异常区域相对应的相关数据,此时,为了能够保证基于面部二值图进行敏感肌检测操作的准确可靠性,在去除面部图像中所包括的光线异常区域之后,可以在面部图像所对应的面部二值图中,确定与光线异常区域相对应的二值图区域,而后去除面部二值图中的二值图区域,从而可以获得于面部图像相对应的目标二值图,该目标二值图中不包括与光线异常区域相对应的相关数据。
本实施例中,在去除面部图像中的光线异常区域之后,通过在与面部图像相对应的面部二值图中,确定与光线异常区域相对应的二值图区域,去除面部二值图中的二值图区域,获得与面部图像相对应的目标二值图,由于目标二值图中不包括与光线异常区域相对应的相关数据,因此,在基于目标二值图进行敏感肌检测操作时,可以有效地提高对敏感肌进行检测的准确可靠性,进一步提高了敏感肌的检测操作的精确程度。
在上述任意一个实施例的基础上,在检测所述面部图像是否包括敏感肌之后,本实施例中的方法还可以包括:
步骤S1001:在所述面部图像中包括敏感肌时,生成第一推荐信息。
具体的,在面部图像中包括敏感肌时,可以生成与敏感肌相对应的第一推荐信息,该第一推荐信息中可以包括与敏感肌相适配的产品推荐信息、与敏感肌相适配的敏感肌保养信息、与敏感肌相适配的敏感肌注意事项信息等等,这样方便用于基于第一推荐信息执行与敏感肌相对应的操作信息。
步骤S1002:在所述面部图像中包括非敏感肌时,生成第二推荐信息。
具体的,在面部图像中包括非敏感肌时,可以生成与非敏感肌相对应的第二推荐信息,该第二推荐信息中可以包括与非敏感肌相适配的产品推荐信息、与非敏感肌相适配的非敏感肌保养信息、与非敏感肌相适配的非敏感肌注意事项信息等等,这样方便用于基于第二推荐信息执行与非敏感肌相对应的操作信息,这样有效地提高了该敏感肌的检测方法的实用性。
具体应用时,参考附图10所示,本应用实施例提供了一种敏感肌的检测方法,该检测方法的执行主体可以为检测装置,在检测装置执行上述敏感肌的检测操作时,能够对手持设备所拍摄的面部图像进行分析处理,以检测用户的敏感肌状态,而后可以基于敏感肌的检测状态来为用户提供推荐信息,该推荐信息可以实现为不同用户提供相适配的美妆商品,这样有利于支持美妆测肤相关技术的不断发展。具体的,该方法可以包括以下步骤:
步骤1:获取用于进行敏感肌状态检测操作的输入数据,该输入数据可以包括:用户面部图像(例如:image图像)、用户面部图像所对应的特征点(landmarks)以及用户面部图像相对应的皮肤区域二值图(face mask)。
其中,用户面部图像可以通过图像采集装置(例如:相机、具有图像采集功能的手持设备)进行拍摄获得,在获取到用户面部图像之后,可以对用户面部图像进行分析处理,以确定与用户面部图像相对应的特征点和皮肤区域二值图,上述与用户面部图像相对应的特征点可以包括106个特征点,具体可以包括:脸部轮廓所对应的特征点、眉毛特征点、鼻子特征点、嘴巴特征点等等。可以理解的是,上述的与用户面部图像相对应的特征点和皮肤区域二值图可以通过预先训练的神经网络模型进行分析处理所获得,具体的实现过程在此不再赘述。
步骤2:检测用户面部图像中是否存在影响敏感肌检测操作的光线异常区域,在用户面部图像中存在光线异常区域时,去除用户面部图像中的光线异常区域。
其中,在检测装置中可以设置有用于解决用户面部图像中存在的高光以及暗光等因素对检测操作产生影响的光线抑制模块。在获取到用户面部图像之后,光线抑制模块可以将用户面部图像从RGB空间转换到灰度空间,获得与用户面部图像相对应的灰度图像,获取灰度图像中像素点所对应的像素值,基于设定阈值和像素值检测用户面部图像中是否存在影响敏感肌检测操作的光线异常区域。
具体的,光线异常区域可以包括以下至少之一:高光区域和暗光区域,相对应的,设定阈值可以包括第一阈值和第二阈值,第一阈值小于第二阈值,以第一阈值为50、第二阈值为220为例,在像素点所对应的像素值小于或等于第一阈值时,则可以将与上述像素点所对应的区域确定为暗光区域;在像素点所对应的像素值大于第二阈值时,则可以将与上述像素点所对应的区域确定为高光区域。
在确定用户面部图像中存在光线异常区域时,则可以去除用户面部图像中的光线异常区域。在确定用户面部图像中不存在光线异常区域时,则可以不对用户面部图像进行任何操作。
在一些实例中,在去除用户面部图像中的光线异常区域之后,可以基于去掉的光线异常区域对皮肤区域二值图(face mask)中的相同区域进行去除操作,从而可以获得修正后二值图。
步骤3:确定用户面部图像中所包括的敏感皮肤区域。
其中,在检测装置中可以设置有动态敏感区域模块,该动态敏感区域模块用于自适应的选择与用户面部图像相对应的敏感皮肤区域,由于敏感皮肤区域多发于两侧的脸颊位置,虽然每个人的敏感皮肤区域大部分在脸颊的位置,但是,有的人的敏感皮肤区域会靠近边缘,有的人的敏感皮肤区域更靠近内部,即每个人所对应的敏感皮肤区域不同。因此,为了避免因将固定区域作为每个人所对应的敏感皮肤区域,进而影响敏感肌检测操作的准确度的情况出现,利用动态敏感区域模块即可获取与用户面部图像相对应的敏感皮肤区域。具体的,确定用户面部图像中所包括的敏感皮肤区域可以包括以下步骤:
将用户面部图像转换为LAB颜色空间中,获得用户面部图像相对应的三通道图像;对三通道图像中的A通道图像进行直方图均衡化处理,上述的直方图均衡化处理可以将A通道图像的直方图按比例映射到更多大的空间,从而可以获得A通道处理后图像。
在获取到A通道处理后图像之后,可以获取A通道处理后图像中每个像素点所对应的特征值,在特征值大于或等于预设阈值(例如:60)时,则将像素点所在的区域确定为初始敏感皮肤区域。
在获取到初始敏感皮肤区域之后,可以将初始敏感皮肤区域、修正后二值图以及用户面部图像所对应的特征点进行与操作,获得用户面部图像中所包括的目标敏感区域。
步骤4:确定用户面部图像中所包括的非敏感皮肤区域。
其中,在检测装置中可以设置有动态参考区域模块,该动态参考区域模块用于自适应的选择与用户面部图像相对应的非敏感皮肤区域。与上述确定敏感皮肤区域的具体实现过程相类似,具体的,确定用户面部图像中所包括的非敏感皮肤区域可以包括以下步骤:
将用户面部图像转换为LAB颜色空间中,获得用户面部图像相对应的三通道图像;对三通道图像中的A通道图像进行直方图均衡化处理,上述的直方图均衡化处理可以将A通道图像的直方图按比例映射到更多大的空间,从而可以获得A通道处理后图像。
在获取到A通道处理后图像之后,可以获取A通道处理后图像中每个像素点所对应的特征值,在特征值小于预设阈值时,则将像素点所在的区域确定为初始非敏感皮肤区域。
在获取到初始非敏感皮肤区域之后,可以根据用户面部图像所对应的特征点确定额头区域,确定额头区域的主要原因是:额头区域出现敏感的情况较少,且皮肤状态较为接近人脸的正常颜色;因此,额头区域是比较理想的参考区域。在获取到额头区域之后,可以将初始非敏感皮肤区域、修正后二值图以及与额头区域进行与操作,获得用户面部图像中所包括的目标非敏感区域,也可以称为参考区域,该参考区域可以为二值图格式。
步骤5:确定敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息。
其中,在检测装置中可以设置有颜色距离模块,该颜色距离模块用于建立敏感皮肤区域与非敏感皮肤区域之间的距离,具体的,确定敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息可以包括以下步骤:获取用户面部图像在LAB颜色空间所对应的三通道图像;获取与敏感皮肤区域所对应的第一二值图,对第一二值图与三通道图像进行与操作,获得与敏感皮肤区域相对应的多个第一像素点;获取与非敏感皮肤区域所对应的第二二值图,对第二二值图与三通道图像进行与操作,获得与非敏感皮肤区域相对应的多个第二像素点。
在获取到多个第一像素点和多个第二像素点之后,可以获取多个第一像素点的像素点均值,将多个第一像素点的像素点均值确定为敏感皮肤区域在LAB颜色空间所对应的第一代表像素点;相类似的,获取多个第二像素点的像素点均值;将多个第二像素点的像素点均值确定为非敏感皮肤区域在LAB颜色空间所对应的第二代表像素点。
在获取到第一代表像素点和第二代表像素点之后,可以通过CIE2000色彩公式(色彩协会在2000年有关色彩的标准)对第一代表像素点和第二代表像素点进行分析处理,以获得敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息。
步骤6:确定敏感皮肤区域在脸颊区域中的占比信息。
其中,在检测装置中可以设置有敏感比例模块,该敏感比例模块用于确定敏感皮肤区域在脸颊区域中的占比信息,具体的,基于用户面部图像所对应的特征点(landmarks)确定脸部区域的特征点,将脸部区域的特征点与皮肤区域二值图(face mask)进行与操作,获得脸颊区域,将敏感区域与脸颊区域之间的比例作为占比信息,这样有效地实现了可以基于除了基于敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息进行敏感肌的检测操作,增加了一个额外的敏感肌的检测因素,进一步保证了对敏感肌进行检测的准确可靠性。
步骤7:基于距离信息和占比信息,检测用户面部图像是否包括敏感肌。
其中,在获取到距离信息和占比信息之后,可以对距离信息和占比信息进行分析处理,以检测面部图像中是否包括敏感肌,并可以给出敏感肌的检测结果。具体的,将距离信息作为敏感肌的主要检测条件,占比信息作为辅助判断条件,进一步保证了对敏感肌进行检测的准确可靠性;例如:在占比信息小于0.15时,只要距离信息大于或等于10,则可以确定用户面部图像中包括敏感肌,反之则可以确定用户面部图像中包括非敏感肌;当占比信息大于或等于0.2时,只要距离信息大于或等于8,则可以确定用户面部图像中包括敏感肌,反之则可以确定用户面部图像中包括非敏感肌。需要注意的是,对于上述用于对距离信息和占比信息进行分析处理的阈值而言,本领域技术人员可以根据具体的应用场景或者应用需求来设置不同的阈值,在此不再赘述。
步骤8:在检测用户面部图像是否包括敏感肌之后,可以基于检测结果生成与用户面部图像相对应的推荐信息。
其中,推荐信息可以包括如何改善用户面部图像中所包括的敏感肌的相关信息,或者,推荐信息还可以包括为用户推荐的与用户面部图像相对应的商品相关信息,例如:美妆商品信息等等。
本应用实施例提供的敏感肌的检测方法,通过获取用户面部图像,而后检测用户面部图像中所包括的高光区域或者暗光区域,有效地实现了通过所增加的光线抑制模块去除高光以及暗光区域,以降低高光以及暗光区域对敏感肌进行检测操作的影响,从而提升了敏感肌检测方法的鲁棒性;另外,该方法可以通过获取用户面部图像在LAB颜色空间所对应的A通道图像,而后对A通道图像的直方图均衡化处理,获得A通道处理后图像,之后可以基于A通道处理后图像获取到与不同人、不同肌肤状态所对应的敏感区域,从而有效地解决了不同人、不同肌肤状况的敏感区域的差异问题,相对于相关技术中采用固定的敏感区域进行敏感肌检测操作的实现方式而言,本实施例中的检测方法具有更高的鲁棒性和准确率;此外,该方法以额头区域作为参考区域,同时根据A通道处理后图像来确定非敏感区域,有效地解决了由于不同人脸差异所造成的参考区域不准的问题。在确定敏感区域和非敏感区域之后,采用CIE2000色彩距离公式敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息,该距离信息不仅考虑到A通道图像,同时考虑到B通道图像的影响,进一步提高了对距离信息进行确定的准确可靠性。这样使得该方法可以综合距离信息和占比信息作为敏感肌检测操作的判断因素,进一步提升算法对敏感肌判定的准确率,有效地提高了该方法使用的准确可靠性。
图11为本申请实施例提供的一种敏感肌的检测装置的结构示意图;参考附图11所示,本实施例提供了一种敏感肌的检测装置,该敏感肌的检测装置可以执行上述图1所示的敏感肌的检测方法,具体的,该检测装置可以包括:
第一获取模块11,用于获取面部图像。
第一确定模块12,用于确定面部图像中所包括的敏感皮肤区域、非敏感皮肤区域和脸颊区域。
第一处理模块13,用于确定敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息。
第一处理模块13,用于确定敏感皮肤区域在脸颊区域中的占比信息。
第一检测模块14,用于基于距离信息和占比信息,检测面部图像是否包括敏感肌。
在一些实例中,在第一确定模块12确定面部图像中所包括的敏感皮肤区域、非敏感皮肤区域和脸颊区域时,该第一确定模块12可以用于执行:获取面部图像中包括的初始敏感皮肤区域和初始非敏感皮肤区域;确定与面部图像相对应的图像特征点和面部二值图;基于初始敏感皮肤区域、图像特征点和面部二值图,确定面部图像中包括的敏感皮肤区域;基于初始非敏感皮肤区域、图像特征点和面部二值图,确定面部图像中包括的非敏感皮肤区域;基于图像特征点和面部二值图,确定面部图像中包括的脸颊区域。
在一些实例中,在第一确定模块12获取面部图像中包括的初始敏感皮肤区域和初始非敏感皮肤区域时,该第一确定模块12可以用于执行:获取面部图像在LAB颜色空间所对应的A通道图像;基于A通道图像,确定面部图像中包括的初始敏感皮肤区域和初始非敏感皮肤区域。
在一些实例中,在第一确定模块12基于A通道图像,确定面部图像中包括的初始敏感皮肤区域和初始非敏感皮肤区域时,该第一确定模块12可以用于执行:对A通道图像进行直方图均衡化处理,获得A通道处理后图像;基于A通道处理后图像,确定面部图像中包括的初始敏感皮肤区域和初始非敏感皮肤区域。
在一些实例中,在第一确定模块12基于A通道处理后图像,确定面部图像中包括的初始敏感皮肤区域和初始非敏感皮肤区域时,该第一确定模块12可以用于执行:获取A通道处理后图像中每个像素点所对应的特征值;在特征值大于或等于预设阈值时,则将像素点所在的区域确定为初始敏感皮肤区域;在特征值小于预设阈值时,则将像素点所在的区域确定为初始非敏感皮肤区域。
在一些实例中,在第一确定模块12基于初始敏感皮肤区域、图像特征点和面部二值图,确定面部图像中包括的敏感皮肤区域时,该第一确定模块12可以用于执行:获取由初始敏感皮肤区域、面部特征点和面部二值图所构成的第一交集区域;将第一交集区域确定为面部图像中包括的敏感皮肤区域。
在一些实例中,在第一确定模块12获取由初始敏感皮肤区域、面部特征点和面部二值图所构成的第一交集区域时,该第一确定模块12可以用于执行:对初始敏感皮肤区域、面部特征点和面部二值图进行与操作,获得由初始敏感皮肤区域、面部特征点和面部二值图所构成的第一交集区域。
在一些实例中,在第一确定模块12基于初始非敏感皮肤区域、图像特征点和面部二值图,确定面部图像中包括的非敏感皮肤区域时,该第一确定模块12可以用于执行:基于面部特征点,确定非脸颊区域;获取由初始非敏感皮肤区域、面部二值图和非脸颊区域所构成的第二交集区域;将第二交集区域确定为面部图像中包括的非敏感皮肤区域。
在一些实例中,非脸颊区域包括额头区域。
在一些实例中,在第一确定模块12获取由初始非敏感皮肤区域、面部二值图和非脸颊区域所构成的第二交集区域时,该第一确定模块12可以用于执行:对初始非敏感皮肤区域、面部二值图和非脸颊区域进行与操作,获得由初始非敏感皮肤区域、面部二值图和非脸颊区域所构成的第二交集区域。
在一些实例中,在第一确定模块12基于图像特征点和面部二值图,确定面部图像中包括的脸颊区域时,该第一确定模块12可以用于执行:基于面部特征点,确定初始脸颊区域;获取由初始脸颊区域和面部二值图所构成的第三交集区域;将第三交集区域确定为面部图像中包括的脸颊区域。
在一些实例中,在第一确定模块12获取由初始脸颊区域和面部二值图所构成的第三交集区域时,该第一确定模块12可以用于执行:对初始脸颊区域和面部二值图进行与操作,获得由初始脸颊区域和面部二值图所构成的第三交集区域。
在一些实例中,在第一处理模块13确定敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息时,该第一处理模块13用于执行:获取敏感皮肤区域在LAB颜色空间所对应的第一代表像素点、非敏感皮肤区域在LAB颜色空间所对应的第二代表像素点;基于第一代表像素点和第二代表像素点,确定敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息。
在一些实例中,在第一处理模块13获取敏感皮肤区域在LAB颜色空间所对应的第一代表像素点、非敏感皮肤区域在LAB颜色空间所对应的第二代表像素点时,该第一处理模块13用于执行:获取敏感皮肤区域在LAB颜色空间所对应的多个第一像素点、非敏感皮肤区域在LAB颜色空间所对应的多个第二像素点;根据多个第一像素点,确定敏感皮肤区域在LAB颜色空间所对应的第一代表像素点;根据多个第二像素点,确定非敏感皮肤区域在LAB颜色空间所对应的第二代表像素点。
在一些实例中,在第一处理模块13获取敏感皮肤区域在LAB颜色空间所对应的多个第一像素点、非敏感皮肤区域在LAB颜色空间所对应的多个第二像素点时,该第一处理模块13用于执行:获取面部图像在LAB颜色空间所对应的三通道图像;基于敏感皮肤区域和三通道图像,确定与敏感皮肤区域相对应的多个第一像素点;基于非敏感皮肤区域和三通道图像,确定与非敏感皮肤区域相对应的多个第二像素点。
在一些实例中,在第一处理模块13基于敏感皮肤区域和三通道图像,确定与敏感皮肤区域相对应的多个第一像素点时,该第一处理模块13用于执行:获取与敏感皮肤区域所对应的第一二值图;对第一二值图与三通道图像进行与操作,获得与敏感皮肤区域相对应的多个第一像素点。
在一些实例中,在第一处理模块13基于非敏感皮肤区域和三通道图像,确定与非敏感皮肤区域相对应的多个第二像素点时,该第一处理模块13用于执行:获取与非敏感皮肤区域所对应的第二二值图;对第二二值图与三通道图像进行与操作,获得与非敏感皮肤区域相对应的多个第二像素点。
在一些实例中,在第一处理模块13根据多个第一像素点,确定敏感皮肤区域在LAB颜色空间所对应的第一代表像素点时,该第一处理模块13用于执行:获取多个第一像素点的像素点均值;将多个第一像素点的像素点均值确定为敏感皮肤区域在LAB颜色空间所对应的第一代表像素点。
在一些实例中,在第一处理模块13根据多个第二像素点,确定非敏感皮肤区域在LAB颜色空间所对应的第二代表像素点时,该第一处理模块13用于执行:获取多个第二像素点的像素点均值;将多个第二像素点的像素点均值确定为非敏感皮肤区域在LAB颜色空间所对应的第二代表像素点。
在一些实例中,在第一处理模块13基于第一代表像素点和第二代表像素点,确定敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息时,该第一处理模块13用于执行:利用色差公式对第一代表像素点和第二代表像素点进行处理,获得敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息。
在一些实例中,在第一检测模块14基于距离信息和占比信息,检测面部图像是否包括敏感肌时,该第一检测模块14用于执行:在占比信息小于第一占比阈值、且距离信息大于或等于第一距离阈值时,或者,在占比信息大于或等于第二占比阈值、且距离信息大于或等于第二距离阈值时,则确定面部图像中包括敏感肌,其中,第二占比阈值大于第一占比阈值,第二距离阈值大于第一距离阈值;在占比信息大于或等于第一占比阈值,或者,在占比信息小于第二占比阈值时,则确定面部图像中包括非敏感肌。
在一些实例中,在确定面部图像中包括敏感肌之后,本实施例中的第一检测模块14用于执行以下步骤:确定敏感肌所在的敏感肌区域;对敏感肌区域进行标记显示。
在一些实例中,在获取面部图像之后,本实施例中的第一检测模块14用于执行以下步骤:检测面部图像中是否存在影响敏感肌检测操作的光线异常区域;在面部图像中存在光线异常区域时,去除面部图像中的光线异常区域。
在一些实例中,在第一检测模块14检测面部图像中是否存在影响敏感肌检测操作的光线异常区域时,该第一检测模块14用于执行:获取与面部图像相对应的灰度图像;提取灰度图像中像素点的像素值;基于灰度图像中像素点的像素值,检测面部图像中是否存在影响敏感肌检测操作的光线异常区域。
在一些实例中,在第一检测模块14基于灰度图像中像素点的像素值,检测面部图像中是否存在影响敏感肌检测操作的光线异常区域时,该第一检测模块14用于执行:在像素值小于第一像素阈值,或者,第一像素值大于或等于第二像素阈值时,则将像素值所对应的区域确定为光线异常区域,其中,第二像素阈值大于第一像素阈值;在像素值大于或等于第一像素阈值,且第一像素值小于第二像素阈值时,则将像素值所对应的区域确定为光线正常区域。
在一些实例中,在去除面部图像中的光线异常区域之后,本实施例中的第一检测模块14用于执行:在与面部图像相对应的面部二值图中,确定与光线异常区域相对应的二值图区域;去除面部二值图中的二值图区域,获得与面部图像相对应的目标二值图。
在一些实例中,在检测所述面部图像是否包括敏感肌之后,本实施例中的第一确定模块12还用于:在所述面部图像中包括敏感肌时,生成第一推荐信息;在所述面部图像中包括非敏感肌时,生成第二推荐信息。
图11所示装置可以执行图1-图10所示实施例的方法,本实施例未详细描述的部分,可参考对图1-图10所示实施例的相关说明。该技术方案的执行过程和技术效果参见图1-图10所示实施例中的描述,在此不再赘述。
在一个可能的设计中,图11所示敏感肌的检测装置的结构可实现为一电子设备,该电子设备可以是手机、平板电脑、服务器等各种设备。如图12所示,该电子设备可以包括:第一处理器21和第一存储器22。其中,第一存储器22用于存储相对应电子设备执行上述图1-图15所示实施例中提供的三维房型的生成方法的程序,第一处理器21被配置为用于执行第一存储器22中存储的程序。
程序包括一条或多条计算机指令,其中,一条或多条计算机指令被第一处理器21执行时能够实现如下步骤:
获取面部图像;
确定面部图像中所包括的敏感皮肤区域、非敏感皮肤区域和脸颊区域;
确定敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息;
确定敏感皮肤区域在脸颊区域中的占比信息;
基于距离信息和占比信息,检测面部图像是否包括敏感肌。
进一步的,第一处理器21还用于执行前述图1-图10所示实施例中的全部或部分步骤。
其中,电子设备的结构中还可以包括第一通信接口23,用于电子设备与其他设备或通信网络通信。
另外,本发明实施例提供了一种计算机存储介质,用于储存电子设备所用的计算机软件指令,其包含用于执行上述图1-图10所示方法实施例中敏感肌的检测方法所涉及的程序。
图13为本申请实施例提供的一种图像处理方法的流程示意图;参考附图13所示,本实施例提供了一种图像处理方法,该图像处理方法的执行主体可以为图像处理装置,可以理解的是,该图像处理装置可以实现为软件、或者软件和硬件的组合。具体的,该图像处理方法可以包括:
步骤S1301:实时获取面部图像。
步骤S1302:检测所述面部图像是否包括敏感肌,所述敏感肌是基于所述面部图像中敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息、以及敏感皮肤区域在所述脸颊区域中的占比信息进行检测的。
步骤S1303:根据所述面部图像是否包括敏感肌的检测结果,生成推荐信息。
下面对上述各个步骤进行详细说明:
步骤S1301:实时获取面部图像。
其中,面部图像是指实时获取的需要进行分析处理的图像,具体的,本实施例对于实时获取面部图像的具体实现方式不做限定,本领域技术人员可以根据具体的应用场景进行任意设置,例如:敏感肌的检测装置上可以设置有图像采集装置,通过图像采集装置对用户的面部进行拍摄操作,从而可以实时获取面部图像。
步骤S1302:检测所述面部图像是否包括敏感肌,所述敏感肌是基于所述面部图像中敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息、以及敏感皮肤区域在所述脸颊区域中的占比信息进行检测的。
其中,在获取到面部图像之后,可以对面部图像进行分析处理,以检测面部图像中是否包括敏感肌,具体的,面部图像中是否包括敏感肌可以是基于所述面部图像中敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息、以及敏感皮肤区域在所述脸颊区域中的占比信息进行检测的,而上述检测的具体实现方式与上述图2所示实施例中步骤S202-步骤S205的具体实现方式相类似,具体可参考上述陈述内容,在此不再赘述。
步骤S1303:根据所述面部图像是否包括敏感肌的检测结果,生成推荐信息。
在获取到面部图像中是否包括敏感肌的检测结果之后,可以生成与检测结果相对应的推荐信息。具体的,根据所述面部图像是否包括敏感肌的检测结果,生成推荐信息可以包括:在面部图像中包括敏感肌时,则生成第一推荐信息;在面部图像中不包括敏感肌时,则生成第二推荐信息。
举例来说,某用户通过图像处理装置进行面部拍摄操作之后,图像处理装置则实时获取到面部图像,而后对面部图像进行分析处理,以检测面部图像是否包括敏感肌,在面部图像包括敏感肌时,则可以生成第一推荐信息,第一推荐信息可以包括以下至少之一:与敏感肌相对应的皮肤相关信息、保养方法、注意事项、推荐商品信息;在面部图像不包括敏感肌时,则可以生成第二推荐信息,第二推荐信息可以包括以下至少之一:与非敏感肌相对应的皮肤相关信息、保养方法、注意事项、推荐商品信息,这样通过所生成的推荐信息,可以使得用户可以直观、快速地获知到自己肤质的特点以及与肤质相对应的推荐产品,有效地提高了该图像处理方法的实用性。
本实施例中的方法可以执行图1-图10所示实施例的方法,本实施例未详细描述的部分,可参考对图1-图10所示实施例的相关说明。该技术方案的执行过程和技术效果参见图1-图10所示实施例中的描述,在此不再赘述。
本实施例提供的图像处理方法,通过实时获取面部图像,而后检测所述面部图像是否包括敏感肌,并根据所述面部图像是否包括敏感肌的检测结果,生成推荐信息,有效地实现了用户可以通过所生成的推荐信息直观、快速地获知到自己肤质的特点以及与肤质相对应的推荐产品,有效地提高了该图像处理方法的实用性,有利于市场的推广与应用。
图14为本申请实施例提供的一种图像处理装置的结构示意图;参考附图14所示,本实施例提供了一种图像处理装置,该图像处理装置可以执行上述图13所示的图像处理方法,具体实现时,该图像处理装置可以实现为一增强现实(Augmented Reality,简称AR)、虚拟现实(Virtual Reality,简称VR)或混合现实(Mixed Reality,简称MR)领域的设备,例如,VR检测装置、AR检测装置、MR检测装置等等,并且,上述的图像处理装置可以集成于某一对象发布平台,例如:商品发布平台上可以集成有上述图像处理装置,通过所集成的图像处理装置可以在商品发布平台上显示所生成的推荐商品,以提高商品交易率。具体的,该图像处理装置可以包括:
第二获取模块31,用于实时获取面部图像。
第二检测模块32,用于检测所述面部图像是否包括敏感肌,所述敏感肌是基于所述面部图像中敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息、以及敏感皮肤区域在所述脸颊区域中的占比信息进行检测的。
第二生成模块33,用于根据所述面部图像是否包括敏感肌的检测结果,生成推荐信息。
图14所示装置可以执行图13所示实施例的方法,本实施例未详细描述的部分,可参考对图13所示实施例的相关说明。该技术方案的执行过程和技术效果参见图13所示实施例中的描述,在此不再赘述。
在一个可能的设计中,图14所示图像处理装置的结构可实现为一电子设备,该电子设备可以是手机、平板电脑、服务器等各种设备。如图15所示,该电子设备可以包括:第二处理器41和第二存储器42。其中,第二存储器42用于存储相对应电子设备执行上述图13所示实施例中提供的图像处理方法的程序,第二处理器41被配置为用于执行第二存储器42中存储的程序。
程序包括一条或多条计算机指令,其中,一条或多条计算机指令被第二处理器41执行时能够实现如下步骤:
实时获取面部图像。
检测所述面部图像是否包括敏感肌,所述敏感肌是基于所述面部图像中敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息、以及敏感皮肤区域在所述脸颊区域中的占比信息进行检测的。
根据所述面部图像是否包括敏感肌的检测结果,生成推荐信息。
进一步的,第二处理器41还用于执行前述图13所示实施例中的全部或部分步骤。
其中,电子设备的结构中还可以包括第二通信接口43,用于电子设备与其他设备或通信网络通信。
另外,本发明实施例提供了一种计算机存储介质,用于储存电子设备所用的计算机软件指令,其包含用于执行上述图13所示方法实施例中图像处理方法所涉及的程序。
以上所描述的装置实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助加必需的通用硬件平台的方式来实现,当然也可以通过硬件和软件结合的方式来实现。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以计算机产品的形式体现出来,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程设备的处理器以产生一个机器,使得通过计算机或其他可编程设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,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申请各实施例技术方案的范围。
Claims (27)
1.一种敏感肌的检测方法,其特征在于,包括:
获取面部图像;
确定所述面部图像中所包括的敏感皮肤区域、非敏感皮肤区域和脸颊区域;
确定所述敏感皮肤区域与所述非敏感皮肤区域之间在颜色空间上的距离信息;
确定所述敏感皮肤区域在所述脸颊区域中的占比信息;
基于所述距离信息和所述占比信息,检测所述面部图像是否包括敏感肌。
2.根据权利要求1所述的方法,其特征在于,确定所述面部图像中所包括的敏感皮肤区域、非敏感皮肤区域和脸颊区域,包括:
获取所述面部图像中包括的初始敏感皮肤区域和初始非敏感皮肤区域;
确定与所述面部图像相对应的图像特征点和面部二值图;
基于所述初始敏感皮肤区域、图像特征点和面部二值图,确定所述面部图像中包括的敏感皮肤区域;
基于所述初始非敏感皮肤区域、图像特征点和面部二值图,确定所述面部图像中包括的非敏感皮肤区域;
基于所述图像特征点和面部二值图,确定所述面部图像中包括的脸颊区域。
3.根据权利要求2所述的方法,其特征在于,获取所述面部图像中包括的初始敏感皮肤区域和初始非敏感皮肤区域,包括:
获取所述面部图像在LAB颜色空间所对应的A通道图像;
基于所述A通道图像,确定所述面部图像中包括的初始敏感皮肤区域和初始非敏感皮肤区域。
4.根据权利要求3所述的方法,其特征在于,基于所述A通道图像,确定所述面部图像中包括的初始敏感皮肤区域和初始非敏感皮肤区域,包括:
对所述A通道图像进行直方图均衡化处理,获得A通道处理后图像;
基于所述A通道处理后图像,确定所述面部图像中包括的初始敏感皮肤区域和初始非敏感皮肤区域。
5.根据权利要求4所述的方法,其特征在于,基于所述A通道处理后图像,确定所述面部图像中包括的初始敏感皮肤区域和初始非敏感皮肤区域,包括:
获取所述A通道处理后图像中每个像素点所对应的特征值;
在所述特征值大于或等于预设阈值时,则将像素点所在的区域确定为初始敏感皮肤区域;
在所述特征值小于预设阈值时,则将像素点所在的区域确定为初始非敏感皮肤区域。
6.根据权利要求2所述的方法,其特征在于,基于所述初始敏感皮肤区域、图像特征点和面部二值图,确定所述面部图像中包括的敏感皮肤区域,包括:
获取由所述初始敏感皮肤区域、面部特征点和面部二值图所构成的第一交集区域;
将所述第一交集区域确定为所述面部图像中包括的敏感皮肤区域。
7.根据权利要求2所述的方法,其特征在于,基于所述初始非敏感皮肤区域、图像特征点和面部二值图,确定所述面部图像中包括的非敏感皮肤区域,包括:
基于所述面部特征点,确定非脸颊区域;
获取由所述初始非敏感皮肤区域、面部二值图和所述非脸颊区域所构成的第二交集区域;
将所述第二交集区域确定为所述面部图像中包括的非敏感皮肤区域。
8.根据权利要求2所述的方法,其特征在于,基于所述图像特征点和面部二值图,确定所述面部图像中包括的脸颊区域,包括:
基于所述面部特征点,确定初始脸颊区域;
获取由所述初始脸颊区域和面部二值图所构成的第三交集区域;
将所述第三交集区域确定为所述面部图像中包括的脸颊区域。
9.根据权利要求1所述的方法,其特征在于,确定所述敏感皮肤区域与所述非敏感皮肤区域之间在颜色空间上的距离信息,包括:
获取所述敏感皮肤区域在LAB颜色空间所对应的第一代表像素点、所述非敏感皮肤区域在LAB颜色空间所对应的第二代表像素点;
基于所述第一代表像素点和所述第二代表像素点,确定所述敏感皮肤区域与所述非敏感皮肤区域之间在颜色空间上的距离信息。
10.根据权利要求9所述的方法,其特征在于,获取所述敏感皮肤区域在LAB颜色空间所对应的第一代表像素点、所述非敏感皮肤区域在LAB颜色空间所对应的第二代表像素点,包括:
获取所述敏感皮肤区域在LAB颜色空间所对应的多个第一像素点、所述非敏感皮肤区域在LAB颜色空间所对应的多个第二像素点;
根据所述多个第一像素点,确定所述敏感皮肤区域在LAB颜色空间所对应的第一代表像素点;
根据所述多个第二像素点,确定所述非敏感皮肤区域在LAB颜色空间所对应的第二代表像素点。
11.根据权利要求10所述的方法,其特征在于,获取所述敏感皮肤区域在LAB颜色空间所对应的多个第一像素点、所述非敏感皮肤区域在LAB颜色空间所对应的多个第二像素点,包括:
获取所述面部图像在LAB颜色空间所对应的三通道图像;
基于所述敏感皮肤区域和所述三通道图像,确定与所述敏感皮肤区域相对应的多个第一像素点;
基于所述非敏感皮肤区域和所述三通道图像,确定与所述非敏感皮肤区域相对应的多个第二像素点。
12.根据权利要求11所述的方法,其特征在于,基于所述敏感皮肤区域和所述三通道图像,确定与所述敏感皮肤区域相对应的多个第一像素点,包括:
获取与所述敏感皮肤区域所对应的第一二值图;
对所述第一二值图与所述三通道图像进行与操作,获得与所述敏感皮肤区域相对应的多个第一像素点。
13.根据权利要求11所述的方法,其特征在于,基于所述非敏感皮肤区域和所述三通道图像,确定与所述非敏感皮肤区域相对应的多个第二像素点,包括:
获取与所述非敏感皮肤区域所对应的第二二值图;
对所述第二二值图与所述三通道图像进行与操作,获得与所述非敏感皮肤区域相对应的多个第二像素点。
14.根据权利要求10所述的方法,其特征在于,根据所述多个第一像素点,确定所述敏感皮肤区域在LAB颜色空间所对应的第一代表像素点,包括:
获取所述多个第一像素点的像素点均值;
将所述多个第一像素点的像素点均值确定为所述敏感皮肤区域在LAB颜色空间所对应的第一代表像素点。
15.根据权利要求10所述的方法,其特征在于,根据所述多个第二像素点,确定所述非敏感皮肤区域在LAB颜色空间所对应的第二代表像素点,包括:
获取所述多个第二像素点的像素点均值;
将所述多个第二像素点的像素点均值确定为所述非敏感皮肤区域在LAB颜色空间所对应的第二代表像素点。
16.根据权利要求1所述的方法,其特征在于,基于所述距离信息和所述占比信息,检测所述面部图像是否包括敏感肌,包括:
在所述占比信息小于第一占比阈值、且所述距离信息大于或等于第一距离阈值时,或者,在所述占比信息大于或等于第二占比阈值、且所述距离信息大于或等于第二距离阈值时,则确定所述面部图像中包括敏感肌,其中,所述第二占比阈值大于所述第一占比阈值,所述第二距离阈值大于所述第一距离阈值;
在所述占比信息大于或等于第一占比阈值,或者,在所述占比信息小于第二占比阈值时,则确定所述面部图像中包括非敏感肌。
17.根据权利要求16所述的方法,其特征在于,在确定所述面部图像中包括敏感肌之后,所述方法还包括:
确定所述敏感肌所在的敏感肌区域;
对所述敏感肌区域进行标记显示。
18.根据权利要求1-17中任意一项所述的方法,其特征在于,在获取面部图像之后,所述方法还包括:
检测所述面部图像中是否存在影响敏感肌检测操作的光线异常区域;
在所述面部图像中存在所述光线异常区域时,去除所述面部图像中的光线异常区域。
19.根据权利要求18所述的方法,其特征在于,检测所述面部图像中是否存在影响敏感肌检测操作的光线异常区域,包括:
获取与所述面部图像相对应的灰度图像;
提取所述灰度图像中像素点的像素值;
基于所述灰度图像中像素点的像素值,检测所述面部图像中是否存在影响敏感肌检测操作的光线异常区域。
20.根据权利要求19所述的方法,其特征在于,基于所述灰度图像中像素点的像素值,检测所述面部图像中是否存在影响敏感肌检测操作的光线异常区域,包括:
在所述像素值小于第一像素阈值,或者,所述第一像素值大于或等于第二像素阈值时,则将所述像素值所对应的区域确定为所述光线异常区域,其中,所述第二像素阈值大于所述第一像素阈值;
在所述像素值大于或等于第一像素阈值,且所述第一像素值小于第二像素阈值时,则将所述像素值所对应的区域确定为光线正常区域。
21.根据权利要求18所述的方法,其特征在于,在去除所述面部图像中的光线异常区域之后,所述方法还包括:
在与所述面部图像相对应的面部二值图中,确定与所述光线异常区域相对应的二值图区域;
去除所述面部二值图中的二值图区域,获得与所述面部图像相对应的目标二值图。
22.根据权利要求1-17中任意一项所述的方法,其特征在于,在检测所述面部图像是否包括敏感肌之后,所述方法还包括:
在所述面部图像中包括敏感肌时,生成第一推荐信息;
在所述面部图像中包括非敏感肌时,生成第二推荐信息。
23.一种敏感肌的检测装置,其特征在于,包括:
第一获取模块,用于获取面部图像;
第一确定模块,用于确定所述面部图像中所包括的敏感皮肤区域、非敏感皮肤区域和脸颊区域;
第一处理模块,用于确定所述敏感皮肤区域与所述非敏感皮肤区域之间在颜色空间上的距离信息;
所述第一处理模块,用于确定所述敏感皮肤区域在所述脸颊区域中的占比信息;
第一检测模块,用于基于所述距离信息和所述占比信息,检测所述面部图像是否包括敏感肌。
24.一种电子设备,其特征在于,包括:存储器、处理器;其中,所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行时实现如权利要求1至22中任一项所述的敏感肌的检测方法。
25.一种图像处理方法,其特征在于,包括:
实时获取面部图像;
检测所述面部图像是否包括敏感肌,是否包括敏感肌是基于所述面部图像中敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息、以及敏感皮肤区域在脸颊区域中的占比信息进行检测的;
根据所述面部图像是否包括敏感肌的检测结果,生成推荐信息。
26.一种图像处理装置,其特征在于,包括:
第二获取模块,用于实时获取面部图像;
第二检测模块,用于检测所述面部图像是否包括敏感肌,所述敏感肌是基于所述面部图像中敏感皮肤区域与非敏感皮肤区域之间在颜色空间上的距离信息、以及敏感皮肤区域在脸颊区域中的占比信息进行检测的;
第二生成模块,用于根据所述面部图像是否包括敏感肌的检测结果,生成推荐信息。
27.一种电子设备,其特征在于,包括:存储器、处理器;其中,所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行时实现如权利要求25的图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110328393.9A CN113298753A (zh) | 2021-03-26 | 2021-03-26 | 敏感肌的检测方法、图像处理方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110328393.9A CN113298753A (zh) | 2021-03-26 | 2021-03-26 | 敏感肌的检测方法、图像处理方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113298753A true CN113298753A (zh) | 2021-08-24 |
Family
ID=77319157
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110328393.9A Pending CN113298753A (zh) | 2021-03-26 | 2021-03-26 | 敏感肌的检测方法、图像处理方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113298753A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114119598A (zh) * | 2021-12-08 | 2022-03-01 | 林丹柯 | 皮肤血管瘤非接触检测方法、系统、计算机设备、及介质 |
-
2021
- 2021-03-26 CN CN202110328393.9A patent/CN113298753A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114119598A (zh) * | 2021-12-08 | 2022-03-01 | 林丹柯 | 皮肤血管瘤非接触检测方法、系统、计算机设备、及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7413400B2 (ja) | 肌質測定方法、肌質等級分類方法、肌質測定装置、電子機器及び記憶媒体 | |
US8385638B2 (en) | Detecting skin tone in images | |
EP3338217B1 (en) | Feature detection and masking in images based on color distributions | |
WO2019100282A1 (zh) | 一种人脸肤色识别方法、装置和智能终端 | |
US8861847B2 (en) | System and method for adaptive skin tone detection | |
CN111881913A (zh) | 图像识别方法及装置、存储介质和处理器 | |
US11281892B2 (en) | Technologies for efficient identity recognition based on skin features | |
CN107172354B (zh) | 视频处理方法、装置、电子设备及存储介质 | |
CN110036407B (zh) | 用于基于人类巩膜和瞳孔校正数字图像颜色的系统和方法 | |
CN112750162A (zh) | 一种目标识别定位方法和装置 | |
CN112215808A (zh) | 一种生成人脸皮肤敏感图的方法及其相关装置 | |
US11410285B2 (en) | Method and apparatus for image processing | |
CN113298753A (zh) | 敏感肌的检测方法、图像处理方法、装置及设备 | |
US10909351B2 (en) | Method of improving image analysis | |
US20210365675A1 (en) | Method, apparatus and device for identifying body representation information in image, and computer readable storage medium | |
CN112132000B (zh) | 一种活体检测方法、装置、计算机可读介质及电子设备 | |
CN113298841B (zh) | 一种肤质油份分型方法、计算机设备、系统及存储介质 | |
KR102334030B1 (ko) | 컴퓨터 장치를 이용한 헤어 염색 방법 | |
Berbar | Skin colour correction and faces detection techniques based on HSL and R colour components | |
EP3038059A1 (en) | Methods and systems for color processing of digital images | |
Tiwari et al. | Development of Algorithm for Object Detection & Tracking Using RGB Model | |
CN114565506B (zh) | 图像颜色迁移方法、装置、设备及存储介质 | |
CN113837948B (zh) | 图像生成方法、设备及存储介质 | |
US11972632B1 (en) | Apparatus and method of digital enhancement of fingerprint ridges | |
KR102395165B1 (ko) | X-ray 영상의 예외 프레임 분류 장치 및 방법 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20240312 Address after: # 03-06, Lai Zan Da Building 1, 51 Belarusian Road, Singapore Applicant after: Alibaba Innovation Co. Country or region after: Singapore Address before: Room 01, 45th Floor, AXA Building, 8 Shanton Road, Singapore Applicant before: Alibaba Singapore Holdings Ltd. Country or region before: Singapore |
|
TA01 | Transfer of patent application right |