CN113537155A - 面部皮肤健康度的检测方法、装置、设备及存储介质 - Google Patents
面部皮肤健康度的检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113537155A CN113537155A CN202111007678.9A CN202111007678A CN113537155A CN 113537155 A CN113537155 A CN 113537155A CN 202111007678 A CN202111007678 A CN 202111007678A CN 113537155 A CN113537155 A CN 113537155A
- Authority
- CN
- China
- Prior art keywords
- facial skin
- image
- target
- skin
- preset
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
- A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- 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
- G06N3/045—Combinations of networks
-
- 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
Abstract
本发明涉及人工智能领域,公开了面部皮肤健康度的检测方法、装置、设备及存储介质,用于快速检测面部皮肤图像的健康程度并确定面部皮肤状态,提高了面部皮肤检查效率。本发明方法包括:获取目标终端发送的原始面部皮肤图像;调用预置的面部皮肤识别模型对原始面部皮肤图像进行识别,得到图像属性信息;调用预置的面部皮肤识别模型根据图像属性信息确定多个待提取类别,并基于多个待提取类别对原始面部皮肤图像进行特征提取,得到特征信息;根据特征信息与对应的健康皮肤指标标准进行对比,得到多个差异值;根据多个差异值确定目标用户的面部皮肤健康度,并根据目标用户的面部皮肤健康度生成面部皮肤健康分析报告。
Description
技术领域
本发明涉及图像匹配领域,尤其涉及一种面部皮肤健康度的检测方法、装置、设备及存储介质。
背景技术
随着人们生活水平的提高以及科技的发展,人们对健康的追求日益旺盛,尤其在面部保养,面部皮肤健康方面需求旺盛。但是目前要了解个人的面部皮肤健康状态,需要去专业的医疗机构进行详细的医疗检查。在简便性和广泛性上还不能满足要求。
发明内容
本发明提供了一种面部皮肤健康度的检测方法、装置、设备及存储介质,用于快速检测面部皮肤图像的健康程度并确定面部皮肤状态,提高了面部皮肤检查效率。
本发明实施例的第一方面提供一种面部皮肤健康度的检测方法,包括:获取目标终端发送的原始面部皮肤图像,所述原始面部皮肤图像为目标用户通过目标终端拍摄的面部皮肤照片;调用预置的面部皮肤识别模型对所述原始面部皮肤图像进行识别,得到图像属性信息,所述图像属性信息包括目标年龄段、目标性别和对应的健康皮肤指标标准;调用预置的面部皮肤识别模型根据所述图像属性信息确定多个待提取类别,并基于所述多个待提取类别对所述原始面部皮肤图像进行特征提取,得到特征信息;根据所述特征信息与所述对应的健康皮肤指标标准进行对比,得到多个差异值,所述差异值为所述特征信息中的检测特征值与所述对应的健康皮肤标准值之间的差值;根据所述多个差异值确定目标用户的面部皮肤健康度,并根据所述目标用户的面部皮肤健康度生成面部皮肤健康分析报告。
可选的,在本发明实施例第一方面的第一种实现方式中,所述调用预置的面部皮肤识别模型对所述原始面部皮肤图像进行识别,得到图像属性信息,所述图像属性信息包括目标年龄段、目标性别和对应的健康皮肤指标标准,包括:调用预置的面部皮肤识别模型对所述原始面部皮肤图像进行识别,确定所述原始面部皮肤图像对应的目标性别和对应的目标年龄段;根据所述目标性别和目标年龄段确定对应的健康皮肤指标标准;将所述目标年龄段、所述目标性别和所述对应的健康皮肤指标标准组合为图像属性信息。
可选的,在本发明实施例第一方面的第二种实现方式中,所述调用预置的面部皮肤识别模型对所述原始面部皮肤图像进行识别,确定所述原始面部皮肤图像对应的目标性别和对应的目标年龄段,包括:按照预置规格对所述原始面部皮肤图像进行缩放和裁剪,得到标准大小图像;调用预置的卷积神经网络模型对所述标准大小图像进行年龄识别,确定所述标准大小图像所属的年龄段和性别,得到对应的目标性别和对应的目标年龄段。
可选的,在本发明实施例第一方面的第三种实现方式中,所述调用预置的面部皮肤识别模型根据所述图像属性信息确定多个待提取类别,并基于所述多个待提取类别对所述原始面部皮肤图像进行特征提取,得到特征信息,包括:对所述图像属性信息中健康皮肤指标标准进行解析,得到多个待提取数据类别,每个待提取数据类别对应所述健康皮肤指标标准中的一个检测指标;调用预置的面部皮肤识别模型基于所述多个待提取数据类别对所述原始面部皮肤图像进行特征提取,得到多个检测特征值,并将所述多个检测特征值组合为特征信息。
可选的,在本发明实施例第一方面的第四种实现方式中,所述根据所述多个差异值确定目标用户的面部皮肤健康度,并根据所述目标用户的面部皮肤健康度生成面部皮肤健康分析报告,包括:将所述多个差异值分别与对应的满分值进行叠加,确定所述目标用户的面部皮肤健康度及对应的皮肤状态;按照所述对应的皮肤状态选择对应的措施作为对应的皮肤保护建议,并根据所述面部皮肤健康度和所述对应的皮肤保护建议生成面部皮肤健康分析报告。
可选的,在本发明实施例第一方面的第五种实现方式中,在所述获取目标终端发送的原始面部皮肤图像之前,所述面部皮肤健康度的检测方法还包括:对预置的神经网络模型进行训练,得到面部皮肤识别模型。
可选的,在本发明实施例第一方面的第六种实现方式中,所述对预置的神经网络模型进行训练,得到面部皮肤识别模型,包括:按照年龄和性别对预置的面部图像数据集进行划分,得到训练数据集,所述训练数据集包括多个类别的面部图像数据,每个类别对应的年龄段和性别不完全相同;设置预置个数的标准卷积核,其中,每个标注卷积核对应面部不同区域的检测指标;调用所述预置个数的标准卷积核对所述训练数据集进行训练,得到训练好的面部皮肤识别模型。
本发明实施例的第二方面提供了一种面部皮肤健康度的检测装置,包括:获取模块,用于获取目标终端发送的原始面部皮肤图像,所述原始面部皮肤图像为目标用户通过目标终端拍摄的面部皮肤照片;信息识别模块,用于调用预置的面部皮肤识别模型对所述原始面部皮肤图像进行识别,得到图像属性信息,所述图像属性信息包括目标年龄段、目标性别和对应的健康皮肤指标标准;确定提取模块,用于调用预置的面部皮肤识别模型根据所述图像属性信息确定多个待提取类别,并基于所述多个待提取类别对所述原始面部皮肤图像进行特征提取,得到特征信息;对比模块,用于根据所述特征信息与所述对应的健康皮肤指标标准进行对比,得到多个差异值,所述差异值为所述特征信息中的检测特征值与所述对应的健康皮肤标准值之间的差值;确定生成模块,用于根据所述多个差异值确定目标用户的面部皮肤健康度,并根据所述目标用户的面部皮肤健康度生成面部皮肤健康分析报告。
可选的,在本发明实施例第二方面的第一种实现方式中,信息识别模块包括:识别单元,用于调用预置的面部皮肤识别模型对所述原始面部皮肤图像进行识别,确定所述原始面部皮肤图像对应的目标性别和对应的目标年龄段;确定单元,用于根据所述目标性别和目标年龄段确定对应的健康皮肤指标标准;组合单元,用于将所述目标年龄段、所述目标性别和所述对应的健康皮肤指标标准组合为图像属性信息。
可选的,在本发明实施例第二方面的第二种实现方式中,识别单元具体用于:按照预置规格对所述原始面部皮肤图像进行缩放和裁剪,得到标准大小图像;调用预置的卷积神经网络模型对所述标准大小图像进行年龄识别,确定所述标准大小图像所属的年龄段和性别,得到对应的目标性别和对应的目标年龄段。
可选的,在本发明实施例第二方面的第三种实现方式中,确定提取模块具体用于:对所述图像属性信息中健康皮肤指标标准进行解析,得到多个待提取数据类别,每个待提取数据类别对应所述健康皮肤指标标准中的一个检测指标;调用预置的面部皮肤识别模型基于所述多个待提取数据类别对所述原始面部皮肤图像进行特征提取,得到多个检测特征值,并将所述多个检测特征值组合为特征信息。
可选的,在本发明实施例第二方面的第四种实现方式中,确定生成模块具体用于:将所述多个差异值分别与对应的满分值进行叠加,确定所述目标用户的面部皮肤健康度及对应的皮肤状态;按照所述对应的皮肤状态选择对应的措施作为对应的皮肤保护建议,并根据所述面部皮肤健康度和所述对应的皮肤保护建议生成面部皮肤健康分析报告。
可选的,在本发明实施例第二方面的第五种实现方式中,面部皮肤健康度的检测装置还包括:模型训练模块,用于对预置的神经网络模型进行训练,得到面部皮肤识别模型。
可选的,在本发明实施例第二方面的第六种实现方式中,模型训练模块具体用于:按照年龄和性别对预置的面部图像数据集进行划分,得到训练数据集,所述训练数据集包括多个类别的面部图像数据,每个类别对应的年龄段和性别不完全相同;设置预置个数的标准卷积核,其中,每个标注卷积核对应面部不同区域的检测指标;调用所述预置个数的标准卷积核对所述训练数据集进行训练,得到训练好的面部皮肤识别模型。
本发明实施例的第三方面提供了一种面部皮肤健康度的检测设备,存储器和至少一个处理器,所述存储器中存储有指令,所述存储器和所述至少一个处理器通过线路互连;所述至少一个处理器调用所述存储器中的所述指令,以使得所述面部皮肤健康度的检测设备执行上述的面部皮肤健康度的检测方法。
本发明实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有指令,当所述指令被处理器执行时实现上述任一实施方式所述的面部皮肤健康度的检测方法的步骤。
本发明实施例提供的技术方案中,获取目标终端发送的原始面部皮肤图像,原始面部皮肤图像为目标用户通过目标终端拍摄的面部皮肤照片;调用预置的面部皮肤识别模型对原始面部皮肤图像进行识别,得到图像属性信息,图像属性信息包括目标年龄段、目标性别和对应的健康皮肤指标标准;调用预置的面部皮肤识别模型根据图像属性信息确定多个待提取类别,并基于多个待提取类别对原始面部皮肤图像进行特征提取,得到特征信息;根据特征信息与对应的健康皮肤指标标准进行对比,得到多个差异值,差异值为特征信息中的检测特征值与对应的健康皮肤标准值之间的差值;根据多个差异值确定目标用户的面部皮肤健康度,并根据目标用户的面部皮肤健康度生成面部皮肤健康分析报告。本发明实施例,快速检测面部皮肤图像的健康程度并确定面部皮肤状态,提高了面部皮肤检查效率。
附图说明
图1为本发明实施例中面部皮肤健康度的检测方法的一个实施例示意图;
图2为本发明实施例中面部皮肤健康度的检测方法的另一个实施例示意图;
图3为本发明实施例中面部皮肤健康度的检测装置的一个实施例示意图;
图4为本发明实施例中面部皮肤健康度的检测装置的另一个实施例示意图;
图5为本发明实施例中面部皮肤健康度的检测设备的一个实施例示意图。
具体实施方式
本发明提供了一种面部皮肤健康度的检测方法、装置、设备及存储介质,用于快速检测面部皮肤图像的健康程度并确定面部皮肤状态,提高了面部皮肤检查效率。
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,对本发明实施例进行描述。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,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。
请参阅图1,本发明实施例提供的面部皮肤健康度的检测方法的流程图,具体包括:
101、获取目标终端发送的原始面部皮肤图像,原始面部皮肤图像为目标用户通过目标终端拍摄的面部皮肤照片。
其中,目标终端上安装有目标APP应用页面,目标用户通过点击扫描面部按钮,调用目标终端的摄像头,目标终端通过屏幕显示并引导目标用户完成对面部进行扫描,完成面部皮肤图像的采集。根据目标用户点击确定按钮上传图像,目标终端将采集到的用户图像上传到服务器。
可以理解的是,本发明的执行主体可以为面部皮肤健康度的检测装置,还可以是服务器,具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
102、调用预置的面部皮肤识别模型对原始面部皮肤图像进行识别,得到图像属性信息,图像属性信息包括目标年龄段、目标性别和对应的健康皮肤指标标准。
因为面部皮肤识别模型已经计算涵盖了各个年龄阶段,不同人群的健康面部参数指标,当面部用户输入一张面部皮肤图像时,面部皮肤识别模型调用卷积神经网络(Convolutional Neural Networks,CNN)识别年龄和性别。在此过程中,服务器会对卷积层的结果输出进行优化,防止过度拟合和减少训练参数的数量。
103、调用预置的面部皮肤识别模型根据图像属性信息确定多个待提取类别,并基于多个待提取类别对原始面部皮肤图像进行特征提取,得到特征信息。
服务器调用面部皮肤识别模型,对原始面部皮肤图像进行分析和识别,提取原始面部皮肤图像中预设的健康指标(即待提取数据类别),通过卷积神经网络(即面部皮肤识别模型)计算,计算出当前各个指标对应的卷积层数据。
可以理解的是,服务器根据图像进行卷积神经网络的深度学习算法,健康指标可以包括皮肤的色泽,色斑,皱纹深度,毛孔大小等,具体此处不再赘述。
104、根据特征信息与对应的健康皮肤指标标准进行对比,得到多个差异值,差异值为特征信息中的检测特征值与对应的健康皮肤标准值之间的差值。
具体的,服务器根据特征信息与对应的健康皮肤指标标准进行对比,得到多个差异值,差异值为特征信息中的检测特征值与对应的健康皮肤标准值之间的差值。
例如:原始面部皮肤图像的皮肤光泽度相对于同年龄同性别的健康皮肤光泽度低10点,差值为-10,皱纹深度高20点,差值为-20,毛孔大6点,差值为-6,色斑分布多20点,差值为-20。
105、根据多个差异值确定目标用户的面部皮肤健康度,并根据目标用户的面部皮肤健康度生成面部皮肤健康分析报告。
服务器根据多个差异值确定目标用户的面部皮肤健康度,并根据目标用户的面部皮肤健康度生成面部皮肤健康分析报告。
例如,原始面部皮肤图像的皮肤光泽度相对于同年龄同性别的健康皮肤光泽度低10点,皱纹深度高20点,毛孔大6点,色斑分布多20点,假设皮肤健康度满分为100分,综合下来的皮肤健康度得分为:44分。服务器根据分值所属的范围确定健康程度。例如,分数取值范围在[0,50]时,对应为不健康状态,需要进行保护;分数取值范围在(50,70]时,对应为亚健康状态;分数取值范围在(70,90]时,对应为健康良好状态;分数取值范围在(90,100]时,对应为健康优秀状态。
本发明实施例,快速检测面部皮肤图像的健康程度并确定面部皮肤状态,提高了面部皮肤检查效率。
请参阅图2,本发明实施例提供的面部皮肤健康度的检测方法的另一个流程图,具体包括:
201、对预置的神经网络模型进行训练,得到面部皮肤识别模型。
具体的,服务器按照年龄和性别对预置的面部图像数据集进行划分,得到训练数据集,训练数据集包括多个类别的面部图像数据,每个类别对应的年龄段和性别不完全相同;服务器设置预置个数的标准卷积核,其中,每个标注卷积核对应面部不同区域的检测指标;服务器调用预置个数的标准卷积核对训练数据集进行训练,得到训练好的面部皮肤识别模型。
例如,将性别为女,年龄段在10岁以下的面部图像划分为儿童女性类别;将性别为女,年龄段在10岁至17岁的面部图像划分为青少年女性类别;将性别为女,年龄段在18岁至30岁的面部图像划分为青年女性类别;将性别为女,年龄段在31岁至50岁的面部图像划分为中年女性类别;将性别为女,年龄段在50岁以上的面部图像划分为老年女性类别。同理,例如,将性别为男,年龄段在10岁以下的面部图像划分为儿童男性类别;将性别为男,年龄段在10岁至17岁的面部图像划分为青少年男性类别;将性别为男,年龄段在18岁至35岁的面部图像划分为青年男性类别;将性别为男,年龄段在36岁至55岁的面部图像划分为中年男性类别;将性别为男,年龄段在55岁以上的面部图像划分为老年男性类别。因男性皮肤变化没有女性明显,因此可以扩大男性的年龄段划分范围,也可以按照女性类别相同的标准进行设置。
需要说明的是,每个标准卷积核用来检测一个健康指标,例如,若需要检测面部皮肤图像的皱纹深度,那么,可以设置10个用来识别皱纹深度的卷积核,分别用于检测不同区域的皱纹深度,区域划为具体为:01-额头皱纹深度、02-眼角鱼尾纹深度、03-额角皱纹深度、04-眉间皱纹深度、05-口周纹深度、06-下额皱纹深度、07-下颚缘皱纹深度、08-脸颊沟皱纹深度、09-鼻背纹深度、10-鼻基底皱纹深度。
202、获取目标终端发送的原始面部皮肤图像,原始面部皮肤图像为目标用户通过目标终端拍摄的面部皮肤照片。
其中,目标终端上安装有目标APP应用页面,目标用户(例如,病人)通过点击扫描面部按钮,调用目标终端的摄像头,目标终端通过屏幕显示并引导目标用户完成对面部进行扫描,完成面部皮肤图像的采集。根据目标用户点击确定按钮上传图像,目标终端将采集到的用户图像上传到服务器。
可以理解的是,本发明的执行主体可以为面部皮肤健康度的检测装置,还可以是服务器,具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
203、调用预置的面部皮肤识别模型对原始面部皮肤图像进行识别,得到图像属性信息,图像属性信息包括目标年龄段、目标性别和对应的健康皮肤指标标准。
具体的,服务器调用预置的面部皮肤识别模型对原始面部皮肤图像进行识别,确定原始面部皮肤图像对应的目标性别和对应的目标年龄段;服务器根据目标性别和目标年龄段确定对应的健康皮肤指标标准;服务器将目标年龄段、目标性别和对应的健康皮肤指标标准组合为图像属性信息。
因为面部皮肤识别模型已经计算涵盖了各个年龄阶段,不同人群的健康面部参数指标,当面部用户输入一张面部皮肤图像时,面部皮肤识别模型调用卷积神经网络(Convolutional Neural Networks,CNN)识别年龄和性别。在此过程中,服务器会对卷积层的结果输出进行优化,防止过度拟合和减少训练参数的数量。
在一种可行的实施方式中,服务器调用预置的面部皮肤识别模型对原始面部皮肤图像进行识别,确定原始面部皮肤图像对应的目标性别和对应的目标年龄段可以包括:
服务器按照预置规格对原始面部皮肤图像进行缩放和裁剪,得到标准大小图像;服务器调用预置的卷积神经网络模型对标准大小图像进行年龄识别,确定标准大小图像所属的年龄段和性别,得到对应的目标性别和对应的目标年龄段。
例如,预置的年龄段可以设置为8个组,其中,各个组可以设置为[0,2],(2,6],(6,12],(12,20],(20,32],(32,48],(48,60],(60,100]。性别包括男和女。
204、对图像属性信息中健康皮肤指标标准进行解析,得到多个待提取数据类别,每个待提取数据类别对应健康皮肤指标标准中的一个检测指标。
具体的,待提取数据类别为预先设置好的,也可以根据需要进行调整。例如,待提取数据类别可以包括面部皱纹深度、毛孔粗细、毛孔密度、色斑大小、色斑密度、面部光泽等大类别,每个大类别又可以根据面部区域位置进行细分,例如,面部皱纹深度可以包括额头皱纹深度、眼角鱼尾纹深度、额角皱纹深度、眉间皱纹深度、口周纹深度、下额皱纹深度、下颚缘皱纹深度、脸颊沟皱纹深度、鼻背纹深度、鼻基底皱纹深度等,具体此处不做限定。可以将每个大类别设置为检测指标,也可以将同一类别数据在不同区域的表现设置为检测指标,具体此处不做限定。
205、调用预置的面部皮肤识别模型基于多个待提取数据类别对原始面部皮肤图像进行特征提取,得到多个检测特征值,并将多个检测特征值组合为特征信息。
服务器调用面部皮肤识别模型,对原始面部皮肤图像进行分析和识别,提取原始面部皮肤图像中的待提取数据类别,通过卷积神经网络计算,得到当前各个指标对应的卷积层数据。
面部皮肤图像包括多个区域特征,当采用不同的卷积核对不同区域的图像特征进行采集,得到多个检测特征值。以眼角鱼尾纹深度作为一个卷积核的检测指标为例进行说明:
具体的,输入的原始面部皮肤图像是目标用户的面部皮肤图像,经过处理后得到眼角鱼尾纹部分图像数据矩阵A,,再通过预先设置的眼角鱼尾纹深度卷积核B进行卷积,得到眼角鱼尾纹深度指标数据C,。以此类推,也可以提取面部皮肤图像中的其他指标,例如,面部光洁度各个部位的各个指标,面部重点部位毛孔粗细指标,面部重点部位皮肤色斑大小指标等。假设,设置步长为1,通过卷积核与面部图像数据矩阵对应的位相乘再相加,当所有像素点都至少覆盖一次后,就输出一个卷积层数据即鱼尾纹深度的检测数据。
具体计算过程如下:
0*0+2*67+1*0+1*3+59*4+98*0+20*1+43*2+79*3=716
67*0+0*2+1*12+3*59+4*98+0*65+1*20+2*79+3*57=349
0*0+2*12+1*13+3*98+4*65+0*45+1*79+2*57+3*30=874
0*1+2*59+98*1+3*20+4*43+0*79+1*0+2*7+3*67=663
0*59+2*98+1*65+3*43+4*79+0*57+1*7+2*67+3*88=1111
0*98+2*65+1*45+3*79+4*57+0*30+1*67+2*88+3*20=943
0*20+2*43+1*79+3*0+4*7+0*67+1*0+6*2+3*24=277
0*43+2*79+1*57+3*7+4*67+0*88+1*6+2*24+3*34=680
0*79+2*57+1*30+3*67+4*88+0*20+1*24+2*34+3*32=885
206、根据特征信息与对应的健康皮肤指标标准进行对比,得到多个差异值,差异值为特征信息中的检测特征值与对应的健康皮肤标准值之间的差值。
具体的,服务器根据特征信息与对应的健康皮肤指标标准进行对比,得到多个差异值,差异值为特征信息中的检测特征值与对应的健康皮肤标准值之间的差值。
例如:原始面部皮肤图像的皮肤光泽度相对于同年龄同性别的健康皮肤光泽度低10点,差值为-10,皱纹深度高20点,差值为-20,毛孔大6点,差值为-6,色斑分布多20点,差值为-20。
207、根据多个差异值确定目标用户的面部皮肤健康度,并根据目标用户的面部皮肤健康度生成面部皮肤健康分析报告。
具体的,服务器将多个差异值分别与对应的满分值进行叠加,确定目标用户的面部皮肤健康度及对应的皮肤状态;
服务器按照对应的皮肤状态选择对应的措施作为对应的皮肤保护建议,并根据面部皮肤健康度和对应的皮肤保护建议生成面部皮肤健康分析报告。
例如,原始面部皮肤图像的皮肤光泽度相对于同年龄同性别的健康皮肤光泽度低10点,皱纹深度高20点,毛孔大6点,色斑分布多20点,假设皮肤健康度满分为100分,综合下来的皮肤健康度得分为:44分。服务器根据分值所属的范围确定健康程度。例如,分数取值范围在[0,50]时,对应为不健康状态,需要进行保护;分数取值范围在(50,70]时,对应为亚健康状态;分数取值范围在(70,90]时,对应为健康良好状态;分数取值范围在(90,100]时,对应为健康优秀状态。
当皮肤状态为不健康状态时,即该用户的面部皮肤处于需要保护的区间,按照预置规则给出详细的分析和建议,例如:多补水,防晒、开药方等。具体的,服务器确定每个差异值的差异值的偏离百分比,确定偏离百分比最大的2个差异值所对应的类别,得到两个目标类别,从预置建议规则中选择与目标类别对应的措施。例如,当目标类别为色斑大小和色斑密度时,那么建议措施为防晒和少用化妆品。例如,当目标类别为毛孔粗细和毛孔密度时,那么建议措施为防晒和早睡。
在一种可行的实施方式中,在步骤207之后,还可以包括:
将皮肤健康分析报告发送至目标终端,以使得目标终端对皮肤健康分析报告进行展示。
本发明实施例,快速检测面部皮肤图像的健康程度并确定面部皮肤状态,提高了面部皮肤检查效率。
上面对本发明实施例中面部皮肤健康度的检测方法进行了描述,下面对本发明实施例中面部皮肤健康度的检测装置进行描述,请参阅图3,本发明实施例中面部皮肤健康度的检测装置的一个实施例包括:
获取模块301,用于获取目标终端发送的原始面部皮肤图像,所述原始面部皮肤图像为目标用户通过目标终端拍摄的面部皮肤照片;
信息识别模块302,用于调用预置的面部皮肤识别模型对所述原始面部皮肤图像进行识别,得到图像属性信息,所述图像属性信息包括目标年龄段、目标性别和对应的健康皮肤指标标准;
确定提取模块303,用于调用预置的面部皮肤识别模型根据所述图像属性信息确定多个待提取类别,并基于所述多个待提取类别对所述原始面部皮肤图像进行特征提取,得到特征信息;
对比模块304,用于根据所述特征信息与所述对应的健康皮肤指标标准进行对比,得到多个差异值,所述差异值为所述特征信息中的检测特征值与所述对应的健康皮肤标准值之间的差值;
确定生成模块305,用于根据所述多个差异值确定目标用户的面部皮肤健康度,并根据所述目标用户的面部皮肤健康度生成面部皮肤健康分析报告。
本发明实施例,快速检测面部皮肤图像的健康程度并确定面部皮肤状态,提高了面部皮肤检查效率。
请参阅图4,本发明实施例中面部皮肤健康度的检测装置的另一个实施例包括:
获取模块301,用于获取目标终端发送的原始面部皮肤图像,所述原始面部皮肤图像为目标用户通过目标终端拍摄的面部皮肤照片;
信息识别模块302,用于调用预置的面部皮肤识别模型对所述原始面部皮肤图像进行识别,得到图像属性信息,所述图像属性信息包括目标年龄段、目标性别和对应的健康皮肤指标标准;
确定提取模块303,用于调用预置的面部皮肤识别模型根据所述图像属性信息确定多个待提取类别,并基于所述多个待提取类别对所述原始面部皮肤图像进行特征提取,得到特征信息;
对比模块304,用于根据所述特征信息与所述对应的健康皮肤指标标准进行对比,得到多个差异值,所述差异值为所述特征信息中的检测特征值与所述对应的健康皮肤标准值之间的差值;
确定生成模块305,用于根据所述多个差异值确定目标用户的面部皮肤健康度,并根据所述目标用户的面部皮肤健康度生成面部皮肤健康分析报告。
可选的,信息识别模块302包括:
识别单元3021,用于调用预置的面部皮肤识别模型对所述原始面部皮肤图像进行识别,确定所述原始面部皮肤图像对应的目标性别和对应的目标年龄段;
确定单元3022,用于根据所述目标性别和目标年龄段确定对应的健康皮肤指标标准;
组合单元3023,用于将所述目标年龄段、所述目标性别和所述对应的健康皮肤指标标准组合为图像属性信息。
可选的,识别单元3021具体用于:
按照预置规格对所述原始面部皮肤图像进行缩放和裁剪,得到标准大小图像;
调用预置的卷积神经网络模型对所述标准大小图像进行年龄识别,确定所述标准大小图像所属的年龄段和性别,得到对应的目标性别和对应的目标年龄段。
可选的,确定提取模块303具体用于:
对所述图像属性信息中健康皮肤指标标准进行解析,得到多个待提取数据类别,每个待提取数据类别对应所述健康皮肤指标标准中的一个检测指标;
调用预置的面部皮肤识别模型基于所述多个待提取数据类别对所述原始面部皮肤图像进行特征提取,得到多个检测特征值,并将所述多个检测特征值组合为特征信息。
可选的,确定生成模块305具体用于:
将所述多个差异值分别与对应的满分值进行叠加,确定所述目标用户的面部皮肤健康度及对应的皮肤状态;
按照所述对应的皮肤状态选择对应的措施作为对应的皮肤保护建议,并根据所述面部皮肤健康度和所述对应的皮肤保护建议生成面部皮肤健康分析报告。
可选的,面部皮肤健康度的检测装置还包括:
模型训练模块306,用于对预置的神经网络模型进行训练,得到面部皮肤识别模型。
可选的,模型训练模块306具体用于:
按照年龄和性别对预置的面部图像数据集进行划分,得到训练数据集,所述训练数据集包括多个类别的面部图像数据,每个类别对应的年龄段和性别不完全相同;
设置预置个数的标准卷积核,其中,每个标注卷积核对应面部不同区域的检测指标;
调用所述预置个数的标准卷积核对所述训练数据集进行训练,得到训练好的面部皮肤识别模型。
本发明实施例,快速检测面部皮肤图像的健康程度并确定面部皮肤状态,提高了面部皮肤检查效率。
上面图3至图4从模块化功能实体的角度对本发明实施例中的面部皮肤健康度的检测装置进行详细描述,下面从硬件处理的角度对本发明实施例中面部皮肤健康度的检测设备进行详细描述。
图5是本发明实施例提供的一种面部皮肤健康度的检测设备的结构示意图,该面部皮肤健康度的检测设备500可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)510(例如,一个或一个以上处理器)和存储器520,一个或一个以上存储应用程序533或数据532的存储介质530(例如一个或一个以上海量存储设备)。其中,存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对面部皮肤健康度的检测设备500中的一系列指令操作。更进一步地,处理器510可以设置为与存储介质530通信,在面部皮肤健康度的检测设备500上执行存储介质530中的一系列指令操作。
面部皮肤健康度的检测设备500还可以包括一个或一个以上电源540,一个或一个以上有线或无线网络接口550,一个或一个以上输入输出接口560,和/或,一个或一个以上操作系统531,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图5示出的面部皮肤健康度的检测设备结构并不构成对面部皮肤健康度的检测设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述面部皮肤健康度的检测方法的步骤。
进一步地,计算机可读存储介质可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据区块链节点的使用所创建的数据等。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
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。
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 (10)
1.一种面部皮肤健康度的检测方法,其特征在于,包括:
获取目标终端发送的原始面部皮肤图像,所述原始面部皮肤图像为目标用户通过目标终端拍摄的面部皮肤照片;
调用预置的面部皮肤识别模型对所述原始面部皮肤图像进行识别,得到图像属性信息,所述图像属性信息包括目标年龄段、目标性别和对应的健康皮肤指标标准;
调用预置的面部皮肤识别模型根据所述图像属性信息确定多个待提取类别,并基于所述多个待提取类别对所述原始面部皮肤图像进行特征提取,得到特征信息;
根据所述特征信息与所述对应的健康皮肤指标标准进行对比,得到多个差异值,所述差异值为所述特征信息中的检测特征值与所述对应的健康皮肤标准值之间的差值;
根据所述多个差异值确定目标用户的面部皮肤健康度,并根据所述目标用户的面部皮肤健康度生成面部皮肤健康分析报告。
2.根据权利要求1所述的面部皮肤健康度的检测方法,其特征在于,所述调用预置的面部皮肤识别模型对所述原始面部皮肤图像进行识别,得到图像属性信息,所述图像属性信息包括目标年龄段、目标性别和对应的健康皮肤指标标准,包括:
调用预置的面部皮肤识别模型对所述原始面部皮肤图像进行识别,确定所述原始面部皮肤图像对应的目标性别和对应的目标年龄段;
根据所述目标性别和目标年龄段确定对应的健康皮肤指标标准;
将所述目标年龄段、所述目标性别和所述对应的健康皮肤指标标准组合为图像属性信息。
3.根据权利要求2所述的面部皮肤健康度的检测方法,其特征在于,所述调用预置的面部皮肤识别模型对所述原始面部皮肤图像进行识别,确定所述原始面部皮肤图像对应的目标性别和对应的目标年龄段,包括:
按照预置规格对所述原始面部皮肤图像进行缩放和裁剪,得到标准大小图像;
调用预置的卷积神经网络模型对所述标准大小图像进行年龄识别,确定所述标准大小图像所属的年龄段和性别,得到对应的目标性别和对应的目标年龄段。
4.根据权利要求1所述的面部皮肤健康度的检测方法,其特征在于,所述调用预置的面部皮肤识别模型根据所述图像属性信息确定多个待提取类别,并基于所述多个待提取类别对所述原始面部皮肤图像进行特征提取,得到特征信息,包括:
对所述图像属性信息中健康皮肤指标标准进行解析,得到多个待提取数据类别,每个待提取数据类别对应所述健康皮肤指标标准中的一个检测指标;
调用预置的面部皮肤识别模型基于所述多个待提取数据类别对所述原始面部皮肤图像进行特征提取,得到多个检测特征值,并将所述多个检测特征值组合为特征信息。
5.根据权利要求1所述的面部皮肤健康度的检测方法,其特征在于,所述根据所述多个差异值确定目标用户的面部皮肤健康度,并根据所述目标用户的面部皮肤健康度生成面部皮肤健康分析报告,包括:
将所述多个差异值分别与对应的满分值进行叠加,确定所述目标用户的面部皮肤健康度及对应的皮肤状态;
按照所述对应的皮肤状态选择对应的措施作为对应的皮肤保护建议,并根据所述面部皮肤健康度和所述对应的皮肤保护建议生成面部皮肤健康分析报告。
6.根据权利要求1-5中任意一项所述的面部皮肤健康度的检测方法,其特征在于,在所述获取目标终端发送的原始面部皮肤图像之前,所述面部皮肤健康度的检测方法还包括:
对预置的神经网络模型进行训练,得到面部皮肤识别模型。
7.根据权利要求6所述的面部皮肤健康度的检测方法,其特征在于,所述对预置的神经网络模型进行训练,得到面部皮肤识别模型,包括:
按照年龄和性别对预置的面部图像数据集进行划分,得到训练数据集,所述训练数据集包括多个类别的面部图像数据,每个类别对应的年龄段和性别不完全相同;
设置预置个数的标准卷积核,其中,每个标注卷积核对应面部不同区域的检测指标;
调用所述预置个数的标准卷积核对所述训练数据集进行训练,得到训练好的面部皮肤识别模型。
8.一种面部皮肤健康度的检测装置,其特征在于,包括:
获取模块,用于获取目标终端发送的原始面部皮肤图像,所述原始面部皮肤图像为目标用户通过目标终端拍摄的面部皮肤照片;
信息识别模块,用于调用预置的面部皮肤识别模型对所述原始面部皮肤图像进行识别,得到图像属性信息,所述图像属性信息包括目标年龄段、目标性别和对应的健康皮肤指标标准;
确定提取模块,用于调用预置的面部皮肤识别模型根据所述图像属性信息确定多个待提取类别,并基于所述多个待提取类别对所述原始面部皮肤图像进行特征提取,得到特征信息;
对比模块,用于根据所述特征信息与所述对应的健康皮肤指标标准进行对比,得到多个差异值,所述差异值为所述特征信息中的检测特征值与所述对应的健康皮肤标准值之间的差值;
确定生成模块,用于根据所述多个差异值确定目标用户的面部皮肤健康度,并根据所述目标用户的面部皮肤健康度生成面部皮肤健康分析报告。
9.一种面部皮肤健康度的检测设备,其特征在于,所述面部皮肤健康度的检测设备包括:存储器和至少一个处理器,所述存储器中存储有指令,所述存储器和所述至少一个处理器通过线路互连;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述面部皮肤健康度的检测设备执行如权利要求1-7中任意一项所述的面部皮肤健康度的检测方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有指令,当所述指令被处理器执行时实现如权利要求1-7中任意一项所述的面部皮肤健康度的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111007678.9A CN113537155A (zh) | 2021-08-30 | 2021-08-30 | 面部皮肤健康度的检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111007678.9A CN113537155A (zh) | 2021-08-30 | 2021-08-30 | 面部皮肤健康度的检测方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113537155A true CN113537155A (zh) | 2021-10-22 |
Family
ID=78092248
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111007678.9A Pending CN113537155A (zh) | 2021-08-30 | 2021-08-30 | 面部皮肤健康度的检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113537155A (zh) |
-
2021
- 2021-08-30 CN CN202111007678.9A patent/CN113537155A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
ALEnezi | A method of skin disease detection using image processing and machine learning | |
JP7075085B2 (ja) | 全身測定値抽出のためのシステムおよび方法 | |
US10722181B2 (en) | Systems, methods, and computer-readable media for using descriptors to identify when a subject is likely to have a dysmorphic feature | |
CN114502061A (zh) | 使用深度学习的基于图像的自动皮肤诊断 | |
US8705875B1 (en) | Demographic analysis of facial landmarks | |
CN111325745B (zh) | 骨折区域分析方法和装置、电子设备及可读存储介质 | |
KR101301821B1 (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 | |
CN112017185B (zh) | 病灶分割方法、装置及存储介质 | |
US20160253549A1 (en) | Estimating personal information from facial features | |
CN105813548A (zh) | 用于评估至少一个面部临床体征的方法 | |
EP2917894B1 (en) | Skin image analysis | |
CN112541433B (zh) | 一种基于注意力机制的两阶段人眼瞳孔精确定位方法 | |
JP2011039934A (ja) | 感情推定システム及びそれを利用した学習システム | |
CN113782184A (zh) | 一种基于面部关键点与特征预学习的脑卒中辅助评估系统 | |
US11931166B2 (en) | System and method of determining an accurate enhanced Lund and Browder chart and total body surface area burn score | |
CN114783580B (zh) | 一种医疗数据质量评估方法及系统 | |
KR101949152B1 (ko) | 피부상태 진단 방법 및 장치와 이를 이용한 피부상태 적합 화장정보 제공 방법 | |
CN109087240B (zh) | 图像处理方法、图像处理装置及存储介质 | |
KR102224596B1 (ko) | 식별가능한 얼굴 편차를 처리하기 위한 얼굴 교정 디자인 및 애플리케이션 프로토콜을 자동으로 생성하는 시스템 및 방법 | |
JP2011115393A (ja) | 肌特徴判別システム、肌特徴判別方法及び肌特徴判別プログラム | |
CN115268531B (zh) | 一种智能浴缸的水流调温控制方法、装置、设备及存储介质 | |
CN113537155A (zh) | 面部皮肤健康度的检测方法、装置、设备及存储介质 | |
CN116543455A (zh) | 建立帕金森症步态受损评估模型、使用方法、设备及介质 | |
KR20220000851A (ko) | 딥러닝 기술을 활용한 피부과 시술 추천 시스템 및 방법 | |
Khadilkar et al. | Face identification based on discrete wavelet transform and neural networks |
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: 20220525 Address after: 518000 China Aviation Center 2901, No. 1018, Huafu Road, Huahang community, Huaqiang North Street, Futian District, Shenzhen, Guangdong Province Applicant after: Shenzhen Ping An medical and Health Technology Service Co.,Ltd. Address before: Room 12G, Area H, 666 Beijing East Road, Huangpu District, Shanghai 200001 Applicant before: PING AN MEDICAL AND HEALTHCARE MANAGEMENT Co.,Ltd. |
|
TA01 | Transfer of patent application right |