CN114882012A - 皮肤干燥度检测方法及装置、存储介质及电子设备 - Google Patents
皮肤干燥度检测方法及装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN114882012A CN114882012A CN202210675376.7A CN202210675376A CN114882012A CN 114882012 A CN114882012 A CN 114882012A CN 202210675376 A CN202210675376 A CN 202210675376A CN 114882012 A CN114882012 A CN 114882012A
- Authority
- CN
- China
- Prior art keywords
- target
- skin
- image
- detected
- detection
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 126
- 230000036620 skin dryness Effects 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000004913 activation Effects 0.000 description 5
- 238000001000 micrograph Methods 0.000 description 5
- 238000010295 mobile communication Methods 0.000 description 4
- 208000037170 Delayed Emergence from Anesthesia Diseases 0.000 description 3
- 210000000746 body region Anatomy 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000011176 pooling Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 210000001061 forehead Anatomy 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000037303 wrinkles Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003993 interaction Effects 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
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06T7/0012—Biomedical image inspection
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
- A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
-
- 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
- A61B5/0062—Arrangements for scanning
- A61B5/0064—Body surface scanning
-
- 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
- A61B5/443—Evaluating skin constituents, e.g. elastin, melanin, water
-
- 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
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/048—Activation functions
-
- 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
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- 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
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/30004—Biomedical image processing
- G06T2207/30088—Skin; Dermal
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Radiology & Medical Imaging (AREA)
- Heart & Thoracic Surgery (AREA)
- Pathology (AREA)
- Artificial Intelligence (AREA)
- Public Health (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Dermatology (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本公开涉及图像处理技术领域,具体涉及一种皮肤干燥度检测方法及装置、计算机可读存储介质及电子设备,方法包括获取待检测皮肤的目标图像;确定所述待检测皮肤所属的人体目标区域,并获取人体目标区域对应的目标检测模型;利用目标检测模型对目标图像进行处理得到待检测皮肤的干燥度。本公开实施例的技术方案程度上提高检测精度,降低检测成本。
Description
技术领域
本公开涉及图像处理技术领域,具体而言,涉及一种皮肤干燥度检测方法及装置、计算机可读存储介质及电子设备。
背景技术
皮肤干燥度是判断皮肤状态的重要指标,随着人们对皮肤状态的关注度越来越高,皮肤干燥度检测的应用也越来越广泛。
但是相关技术中的皮肤干燥度检测方法成本较高,且精度较低。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种皮肤干燥度检测方法、皮肤干燥度检测装置、计算机可读介质和电子设备,进而至少在一定程度上提高检测精度,降低检测成本。
根据本公开的第一方面,提供一种皮肤干燥度检测方法,包括:获取待检测皮肤的目标图像;确定所述待检测皮肤所属的人体目标区域,并获取所述人体目标区域对应的目标检测模型;利用所述目标检测模型对所述目标图像进行处理得到所述待检测皮肤的干燥度。
根据本公开的第二方面,提供一种皮肤干燥度检测装置,包括:获取模块,用于获取待检测皮肤的目标图像;确定模块,用于确定所述待检测皮肤所属的人体目标区域,并获取所述人体目标区域对应的目标检测模型;检测模块,用于利用所述目标检测模型对所述目标图像进行处理得到所述待检测皮肤的干燥度。
根据本公开的第三方面,提供一种计算机可读介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述的方法。
根据本公开的第四方面,提供一种电子设备,其特征在于,包括:一个或多个处理器;以及存储器,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器实现上述的方法。
本公开的一种实施例所提供的皮肤干燥度检测方法,获取待检测皮肤的目标图像;确定所述待检测皮肤所属的人体目标区域,并获取人体目标区域对应的目标检测模型;利用目标检测模型对目标图像进行处理得到待检测皮肤的干燥度。相较于现有技术,一方面,通过目标图像以及目标检测模型来实现皮肤干燥度的检测,无需采用专业的仪器,降低了检测成本。另一方面,确定了待检测皮肤所属的人体目标区域,并根据人体目标区域确定对应的目标检测模型,采用更加精细化的检测模型,提升了对皮肤干燥度检测的精度。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,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。在附图中:
图1示出了可以应用本公开实施例的一种示例性系统架构的示意图;
图2示意性示出本公开示例性实施例中一种皮肤干燥度检测方法的流程图;
图3示意性示出本公开示例性实施例中一种获取目标图像的流程图;
图4示意性示出本公开示例性实施例中一种不同干燥度皮肤的对比图;
图5示意性示出本公开示例性实施例中一种获取目标检测模型的流程图;
图6示意性示出本公开示例性实施例中另一种获取目标检测模型的流程图;
图7示意性示出本公开示例性实施例中一种目标检测模型的框架图;
图8示意性示出本公开示例性实施例中另一种皮肤干燥度检测方法的流程图;
图9示意性示出本公开示例性实施例中皮肤干燥度检测装置的组成示意图;
图10示出了可以应用本公开实施例的一种电子设备的示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
在相关技术中,现有的皮肤干燥度检测方法分为两类:
一类是使用电容接触式的测试笔,将测试笔按压到皮肤表面,根据耦合电容值与接触面积计算所述皮肤的介电常数,根据介电常数计算皮肤含水量。但是,在检测时必须接触后进行测量,如果按压不到位会导致测试数据不准确,测试仪的体积较大且成本较高,且测试结果无图像信息反馈。
另一类通过特殊光源对皮肤进行照射,使用光源对应光谱的探测器获取皮肤表面反射的光谱信息,对光谱信息进行后处理计算得到皮肤含水量。但是,检测器的成本较高,且必须配备有相应光源,使用场景不够广泛。
基于上述缺点,本公开提出了一种皮肤干燥度检测方法,图1示出了实现本公开皮肤干燥度检测方法的系统架构的示意图,该系统架构100可以包括终端110与服务器120。其中,终端110可以是智能手机、平板电脑、台式电脑、笔记本电脑等终端设备,服务器120泛指提供本示例性实施方式中皮肤干燥度检测相关服务的后台系统,可以是一台服务器或多台服务器形成的集群。终端110与服务器120之间可以通过有线或无线的通信链路形成连接,以进行数据交互。
在一种实施方式中,可以由终端110执行上述皮肤干燥度检测方法。例如,用户使用终端110拍摄待检测皮肤的目标图像或者用户在终端110的相册中选取待检测皮肤的目标图像后,由终端110在服务器中加载对应的目标检测模型对该图像进行处理,输出待检测皮肤的干燥度。
在一种实施方式中,可以由服务器120可以执行上述皮肤干燥度检测方法。例如,用户使用终端110拍摄待检测皮肤的目标图像或者用户在终端110的相册中选取待检测皮肤的目标图像后,终端110将该图像上传至服务器120,由服务器120根据目标图像匹配对应的目标检测模型并完成对目标图像的检测,向终端110返回待检测皮肤的干燥度。
由上可知,本示例性实施方式中的皮肤干燥度检测方法的执行主体可以是上述终端110或服务器120,本公开对此不做限定。
下面结合图2对本示例性实施方式中的皮肤干燥度检测方法进行说明,图2示出了该皮肤干燥度检测方法的示例性流程,可以包括:
步骤S210,获取待检测皮肤的目标图像;
步骤S220,确定所述待检测皮肤所属的人体目标区域,并获取所述人体目标区域对应的目标检测模型;
步骤S230,利用所述目标检测模型对所述目标图像进行处理得到所述待检测皮肤的干燥度。
基于上述方法,一方面,通过目标图像以及目标检测模型来实现皮肤干燥度的检测,无需采用专业的仪器,降低了检测成本。另一方面,确定待检测皮肤所属的人体目标区域,并根据人体目标区域确定对应的目标检测模型,采用更加精细化的检测模型,提升了对皮肤干燥度检测的精度。
下面对图2中的每个步骤进行具体说明。
参考图2,在步骤S210中,获取待检测皮肤的目标图像。
在本公开的一种示例实施方式中,上述待检测皮肤可以时人体个各部位的皮肤,例如,脸部皮肤、手部皮肤、腿部皮肤等,还可以是动物皮肤,在本示例实施方式中不做具体限定。
在一示例性实施例中,获取待检测皮肤的目标图像可以包括步骤S310和步骤S320。
在步骤S310中,获取所述待检测皮肤的显微图像。
在本示例实施方式中,可以采用终端上配置有的显微镜进行拍摄以获取上述显微图像,具体而言,拍摄时的放大倍率可以大于等于0.5且小于等于0.8,例如0.6、0.62等,还可以根据用户需求进行自定义,在本示例实施方式中不做具体限定,显微图像的分辨率可以是1um-5um之间,利用显微图像能够更精准的检测皮肤表面纹理以及褶皱程度,能够反应皮肤的含水量进而提升干燥度检测的精度。进一步的,可以终端上配置的显微镜上配置环形补光灯,能够在外界光源一致的情况下,可以更精准的获取皮肤的颜色和明亮度信息。参照图4所示,而基于图像的水润度检测核心原理是不同含水量皮肤的折射率和反射率不同,在环形补光灯照射下的明亮度,褶皱程度会有明显区别,因此可以通过图像来判断皮肤含水量,其中A区域的干燥度大于B区域的干燥度。
需要说明的是,本公开中的显微图像还可以泛指分辨率达到预设精度的图像,例如,泛指分辨率达在1um-5um之间的图像,只要拍摄设备能够达到上述精度即可,在本示例实施方式中不做拍摄设备做具体限定。
在本公开的另一种示例实施方式中,上述显微图像可以是直接由如手机摄像模组、平板摄像模组等拍摄的待检测皮肤的图像。
在步骤S320中,对所述显微图像进行预处理得到所述目标图像。
在本公开的一种示例实施方式中,在得到上述显微图像之后,可以首先对上述显微图像进行模糊检测,以得到上述显微图像的清晰度,具体而言,可以使用空间滤波法。使用拉普拉斯算子卷积图像,卷积后得到的图像求方差作为上述显微图像的清晰度,设置方差阈值。在低于阈值的情况下,认为图像是模糊的,在高于阈值的情况下认为图像是非模糊的,其中上述检测阈值可以是18.5,也可以是大于等于10小于等于20的任意数值,还可以根据用户需求及进行自定义,在本示例实施方式中不做具体限定。
在本示例实施方式中,上述显微图像是RGB图像,数据量可以是8bit,也可以是16bit,还可以根据用户需求进行自定义,在本示例实施方式中不做具体限定。
可以采用如下计算公式来判断上述显微图像的清晰度:
在本示例实施方式中,若上述显微图像的清晰度满足预设条件,即上述显微图像对应的v的值大于或等于上述检测阈值,则对上述显微图像进行预处理得到上述目标图像。若上述显微图像的清晰度不满足预设条件,则不进行干燥度检测。
具体而言,可以首先对上述显微图像进行均值处理得到中间图像,具体而言,将RGB图像变成YUV图像,将Y通道图像提取出来,进行灰度直方图统计。计算公式如下:
其中,Iout表示上述中间图像,Iin表示上述显微图像,s表示显微图像的方差,m表示显微图像的均值,s′表示中间图像的方差,m′表示中间图像的均值。
在本示例实施方式中,可以设定上述s′和m′以获得上述中间图像。
在完成均值处理后,保持UV通道不变,做逆向变换,将YUV图像变为RGB图像得到上述中间图像。然后对中间图像尺寸进行缩放,所放置目标尺寸后得到上述目标图像,其中上述目标尺寸可以为256*256或者512*512像素,这样更有利于目标检测模型的快速运行,增加检测效率。上述目标尺寸还可以根据用户需求进行自定义,在本示例实施方式中不做具体限定。
在步骤S220中,确定所述待检测皮肤所属的人体目标区域,并获取所述人体目标区域对应的目标检测模型。
在本公开的一种示例实施方式中,确定上述待检测皮肤对应的人体目标区域时,可以根据上述待检测皮肤对应的目标图像以及区域划分模型来确定上述待检测皮肤对应的人体目标区域,其中,可以首先设定多个候选区域,举例而言手臂、手背、手心、脸颊、额头等。可以根据目标图像中的纹理信息来确定上述目标图像对应的人体目标区域。
在另一种示例实施方式中,在上述待检测皮肤不属于人体时,可以根据待检测皮肤对应的目标图像在数据库中匹配其所述物种以及所述区域。
在本示例实施方式中,上述区域划分模型是训练得到的,首先可以获取一个初始模型,然后多张参考皮肤图像以及参考皮肤图像对应的参考区域对上述初始模型进行训练得到上述区域划分模型,然后将上述待检测皮肤对应的目标图像输入至上述区域划分模型得到上述人体目标区域。
上述区域划分模型还可以应用于动物或者植物,在本示例实施方式中不做具体限定。
在本公开的一种示例实施方式中,参照图5所示,获取所述人体目标区域对应的目标检测模型可以包括步骤S510和步骤S520。
在步骤S510中,获取所述待检测皮肤的目标肤色信息。
在本公开的一种示例实施方式中,根据图像的RGB信息对皮肤的色彩进行分类,具体而言,可以将上述目标图像变化为YCrCb(优化彩色视频信号)图像,即获取上述目标图像的优化彩色视频信号,然后根据上述YCrCb域的图像确定上述待检测皮肤的目标肤色信息,接根据上述目标彩色视频信号确定上述待检测皮肤的目标肤色信息。
在本示例实施方式中,可以确定多种候选肤色信息对应的Cr的值以及Cb的值,举例而言,对于黄种人的皮肤,根据数据统计可知,Cr的范围在130-175之间,Cb的范围在75-130之间,以15为步长,等间隔划分Cr和Cb,可以划分出20种皮肤颜色。划分肤色信息的步长可以根据用户需求需求进行自定义,在本示例实施方式中不做具体限定。
需要说明的是,步长越短,肤色信息的划分越精细,相应的检测精度会更高,但是计算量则会更大,因此,上述步长可以根据用户对计算量以及检测精度的不同要求进行自定义设置,在本示例实施方式中不作具体限定。
在本示例实施方式中,可以将数据量为8bit的RGB目标图像变换成YCrCb域的图像,可以根据目标图像的Cr的值以及Cb的值在上述候选肤色信息中确定上述目标图像对应的目标肤色信息。
在步骤S520中,根据所述目标肤色信息和所述人体目标区域确定所述目标检测模型。
在本示例实施方式中,参照图6所示,上述根据所述目标肤色信息和所述人体目标区域确定所述目标检测模型卡伊包括步骤S610至步骤S630。
在步骤S610中,获取多个候选肤色信息和多个候选区域。
在示例实施方式中,候选肤色信息可以包括多种,例如黄色、黑色、白色等,还可以将上述黄色、黑色、白色进行进一步的划分以获得更多的候选肤色信息。上述候选区域可以包括手臂、手背、手心、脸颊、额头等,获取多个候选肤色信息以及候选区域的具体过程,上述已经进行了详细说明,因此,此处不再赘述。
在步骤S620中,根据多个所述候选肤色信息和多个所述候选区域训练多个候选检测模型。
在本示例实施方式中,可以将上述候选肤色信息和上述候选区域进行随机组合得到多种组合,针对每一种组合训练一个候选检测模型。可以首先获取一个未训练的检测模型,然后在利用符合每一个组合的多张皮肤图像以及皮肤图像对应的干燥度训练上述检测模型得到候选检测模型。
在本示例实施方式中,在训练上述模型是可以采用L1损失函数来完成对上述候选检测模型的训练,具体计算公式可以为:
Loss=|Y-Yr|
其中,Y为候选检测模型的输出值,Yr为皮肤检测仪的实际测量值,即上述皮肤图像对应的干燥度。
在本示例实施方式中,根据调整上述未训练的检测模型的网络参数直至上述Loss的最小时得到上述候选检测模型。
需要说明的是,上述候选检测模型的网络架构可以是mobile-net、VGG-net等,还可以根据用户需求进行自定义,在本示例实施方式中不做具体限定。
举例而言,若上述候选肤色信息的数量为M,候选区域的数量为N则,上述候选检测模型的数量为N*M。
在步骤S630中,根据所述目标肤色信息和所述人体目标区域在多个所述候选检测模型中选取所述目标检测模型。
在本示例实施方式中,在得到上述目标肤色信息以及人体目标区域之后,可以利用上述目标肤色信息以及人体目标区域,在上述多个候选检测检测模型中选取候选肤色信息以及候选区域均与上述目标肤色信息以及人体目标区域相同的候选检测模型作为上述目标检测模型。
在步骤S230中,利用所述目标检测模型对所述目标图像进行处理得到所述待检测皮肤的干燥度。
在本示例实施方式中,参照图7所示,上述目标检测模型可以包括第一卷积模块710、第二卷积模块720、第三卷积模块730、五个残差模块740以及全连接模块750,其中,第一卷积模块710、第二卷积模块720以及第三卷积模块730的结构相同,均包括第一卷积层、批量标准化层、线性激活函数层以及池化层,其中上述池化层可以用户进行下采样处理。
在本示例实施方式中,上述残差模块740可以包括依次连接的第二卷积层、批量标准化层以及非线性激活函数层,其中第三卷积模块的输出与残差模块的非线性激活函数层输出融合,并传输至下一个残差模块或者上述全连接模块。
其中,上述第一卷积模块中的第一卷积层可以是5*5卷积层,第二卷积模块以及第三卷积模块中的第一卷积层与第二卷积层均可以是3*3卷积层,还可以根据用户需求设置不同的第一卷积层以及第二卷积层,在本示例实施方式中不做具体限定。
在本示例实施方式中,上述全连接模块750可以包括第三卷积层、批量标准化层、线性激活函数层、池化层以及两层全连接单元,第三卷积层为1*1的卷积层,每一层全连接单元可以包括依次连接的全连接层以及线性激活函数层。
在本示例实施方式中,在得到上述目标检测模型之后,可以将上述目标图像输入至上述目标检测模型进而得到上述待检测皮肤的干燥度。
下面结合以具体的实施例对上述皮肤干燥度检测方法进行详细说明,参照图8所示,可以首先执行步骤S810,通过用户终端拍摄待检测皮肤的显微图像,然后执行步骤S820,对上述显微图像进行模糊检测,然后执行步骤S830,对上述显微图像进行均值处理以及尺寸缩放得到目标图像,然后执行步骤S840,对上述目标图像进行区域划分,得到上述目标图像对应的人体目标区域,同时执行步骤S820,获取上述目标图像中待检测皮肤的目标肤色信息,然后执行步骤S860,根据上述目标肤色信息以及上述人体目标区域确对应的目标检测模型,最后执行步骤S870,采用目标检测模型对上述目标图像进行处理得到待检测皮肤的干燥度。
综上所述,本示例性实施方式中,一方面,通过目标图像以及目标检测模型来实现皮肤干燥度的检测,无需采用专业的仪器,降低了检测成本。另一方面,确定了待检测皮肤的人体目标区域,并根据人体目标区域确定对应的目标检测模型,采用更加精细化的检测模型,提升了对皮肤干燥度检测的精度。在一方面,采用了目标肤色信息来进一步提升得到的目标检测模型的精度,进而提升了对皮肤干燥度检测的精度。
需要注意的是,上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
进一步的,参考图9所示,本示例的实施方式中还提供一种皮肤干燥度检测装置900,包括获取模块910、确定模块920以及检测模块930。
其中:
获取模块910可以用于获取待检测皮肤的目标图像。
在一种示例实施方式中,上述获取模块910被配置为通过终端摄像模组获取所述待检测皮肤的显微图像,对所述显微图像进行预处理得到所述目标图像。
在一种示例实施方式中,上述获取模块910被配置为对所述显微图像进行模糊检测得到所述显微图像的清晰度;响应所述显微图像的清晰度满足预设条件,对所述显微图像进行预处理得到所述目标图像。
在一种示例实施方式中,上述获取模块910被配置为对所述显微图像进行均值处理得到中间图像;将所述中间图像缩放至目标尺寸得到所述目标图像。
确定模块920可以用于确定所述待检测皮肤所属的人体目标区域,并获取所述人体目标区域对应的目标检测模型。
在一种示例实施方式中,上述确定模块920被配置为确定所述待检测皮肤所属的人体人体目标区域。
在一种示例实施方式中,上述确定模块920被配置为获取所述待检测皮肤的目标肤色信息;根据所述目标肤色信息和所述人体目标区域确定所述目标检测模型。
在一种示例实施方式中,上述确定模块920被配置为确定所述目标图像的优化彩色视频信号;根据所述优化彩色视频信号确定所述待检测皮肤的目标肤色信息。
在一种示例实施方式中,上述确定模块920被配置为获取多个候选肤色信息和多个候选区域;根据多个所述候选肤色信息和多个所述候选区域训练多个候选检测模型;根据所述目标肤色信息和所述人体目标区域在多个所述候选检测模型中选取所述目标检测模型。
检测模块930可以用于利用所述目标检测模型对所述目标图像进行处理得到所述待检测皮肤的干燥度。
上述装置中各模块的具体细节在方法部分实施方式中已经详细说明,未披露的细节内容可以参见方法部分的实施方式内容,因而不再赘述。
本公开的示例性实施方式还提供一种用于执行上述皮肤干燥度检测方法的电子设备,该电子设备可以是上述终端110或服务器120。一般的,该电子设备可以包括处理器与存储器,存储器用于存储处理器的可执行指令,处理器配置为经由执行可执行指令来执行上述图像皮肤干燥度检测方法。
下面以图10中的移动终端1000为例,对该电子设备的构造进行示例性说明。本领域技术人员应当理解,除了特别用于移动目的的部件之外,图10中的构造也能够应用于固定类型的设备。
如图10所示,移动终端1000具体可以包括:处理器1001、存储器1002、总线1003、移动通信模块1004、天线1、无线通信模块1005、天线2、显示屏1006、摄像模块1007、音频模块1008、电源模块1009与传感器模块1010。
处理器201可以包括一个或多个处理单元,例如:处理器1001可以包括AP(Application Processor,应用处理器)、调制解调处理器、GPU(Graphics ProcessingUnit,图形处理器)、ISP(Image Signal Processor,图像信号处理器)、控制器、编码器、解码器、DSP(Digital Signal Processor,数字信号处理器)、基带处理器和/或NPU(Neural-Network Processing Unit,神经网络处理器)等。本示例性实施方式中的皮肤干燥度检测方法可以由AP、GPU或DSP来执行,当方法涉及到神经网络相关的处理时,可以由NPU来执行。
编码器可以对图像或视频进行编码(即压缩),例如可以将目标图像编码为特定的格式,以减小数据大小,便于存储或发送。解码器可以对图像或视频的编码数据进行解码(即解压缩),以还原出图像或视频数据,如可以读取目标图像的编码数据,通过解码器进行解码,以还原出目标图像的数据,进而对该数据进行皮肤干燥度检测的相关处理。移动终端1000可以支持一种或多种编码器和解码器。这样,移动终端1000可以处理多种编码格式的图像或视频,例如:JPEG(Joint Photographic Experts Group,联合图像专家组)、PNG(Portable Network Graphics,便携式网络图形)、BMP(Bitmap,位图)等图像格式,MPEG(Moving Picture Experts Group,动态图像专家组)1、MPEG2、H.263、H.264、HEVC(HighEfficiency Video Coding,高效率视频编码)等视频格式。
处理器1001可以通过总线1003与存储器1002或其他部件形成连接。
存储器1002可以用于存储计算机可执行程序代码,所述可执行程序代码包括指令。处理器1001通过运行存储在存储器1002的指令,执行移动终端1000的各种功能应用以及数据处理。存储器1002还可以存储应用数据,例如存储图像,视频等文件。
移动终端1000的通信功能可以通过移动通信模块1004、天线1、无线通信模块1005、天线2、调制解调处理器以及基带处理器等实现。天线1和天线2用于发射和接收电磁波信号。移动通信模块1004可以提供应用在移动终端200上2G、3G、4G、5G等移动通信解决方案。无线通信模块1005可以提供应用在移动终端1000上的无线局域网、蓝牙、近场通信等无线通信解决方案。
显示屏1006用于实现显示功能,如显示用户界面、图像、视频等。摄像模块1007用于实现拍摄功能,如拍摄图像、视频等,同时,上述摄像模组还可以用于拍摄限位图像,放大倍数可以根据用户需求进行自定义,在本示例实施方式中不做具体限定。音频模块1008用于实现音频功能,如播放音频,采集语音等。电源模块1009用于实现电源管理功能,如为电池充电、为设备供电、监测电池状态等。传感器模块1010可以包括深度传感器10101、压力传感器10102、陀螺仪传感器10103、气压传感器10104等,以实现相应的感应检测功能。
所属技术领域的技术人员能够理解,本公开的各个方面可以实现为系统、方法或程序产品。因此,本公开的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
本公开的示例性实施方式还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本公开的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在终端设备上运行时,程序代码用于使终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。
需要说明的是,本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
此外,可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。
Claims (10)
1.一种皮肤干燥度检测方法,其特征在于,包括:
获取待检测皮肤的目标图像;
确定所述待检测皮肤所属的人体目标区域,并获取所述人体目标区域对应的目标检测模型;
利用所述目标检测模型对所述目标图像进行处理得到所述待检测皮肤的干燥度。
2.根据权利要求1所述的方法,其特征在于,所述获取所述人体目标区域对应的目标检测模型:
获取所述待检测皮肤的目标肤色信息;
根据所述目标肤色信息和所述人体目标区域确定所述目标检测模型。
3.根据权利要求2所述的方法,其特征在于,所述获取所述待检测皮肤的目标肤色信息包括:
确定所述目标图像的优化彩色视频信号;
根据所述优化彩色视频信号确定所述待检测皮肤的目标肤色信息。
4.根据权利要求2所述的方法,其特征在于,所述根据所述目标肤色信息和所述人体目标区域确定所述目标检测模型包括:
获取多个候选肤色信息和多个候选区域;
根据多个所述候选肤色信息和多个所述候选区域训练多个候选检测模型;
根据所述目标肤色信息和所述人体目标区域在多个所述候选检测模型中选取所述目标检测模型。
5.根据权利要求1所述的方法,其特征在于,所述获取待检测皮肤的目标图像包括:
通过终端摄像模组获取所述待检测皮肤的显微图像;
对所述显微图像进行预处理得到所述目标图像。
6.根据权利要求5所述的方法,其特征在于,所述对所述显微图像进行预处理得到所述目标图像包括:
对所述显微图像进行模糊检测得到所述显微图像的清晰度;
响应所述显微图像的清晰度满足预设条件,对所述显微图像进行预处理得到所述目标图像。
7.根据权利要求5所述的方法,其特征在于,所述对所述显微图像进行预处理得到所述目标图像包括:
对所述显微图像进行均值处理得到中间图像;
将所述中间图像缩放至目标尺寸得到所述目标图像。
8.一种皮肤干燥度检测装置,其特征在于,包括:
获取模块,用于获取待检测皮肤的目标图像;
确定模块,用于确定所述待检测皮肤所属的人体目标区域,并获取所述人体目标区域对应的目标检测模型;
检测模块,用于利用所述目标检测模型对所述目标图像进行处理得到所述待检测皮肤的干燥度。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1至7中任一项所述的皮肤干燥度检测方法。
10.一种电子设备,其特征在于,包括:
一个或多个处理器;以及
存储器,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1至7中任一项所述的皮肤干燥度检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210675376.7A CN114882012A (zh) | 2022-06-15 | 2022-06-15 | 皮肤干燥度检测方法及装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210675376.7A CN114882012A (zh) | 2022-06-15 | 2022-06-15 | 皮肤干燥度检测方法及装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114882012A true CN114882012A (zh) | 2022-08-09 |
Family
ID=82681332
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210675376.7A Pending CN114882012A (zh) | 2022-06-15 | 2022-06-15 | 皮肤干燥度检测方法及装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114882012A (zh) |
-
2022
- 2022-06-15 CN CN202210675376.7A patent/CN114882012A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111598776B (zh) | 图像处理方法、图像处理装置、存储介质与电子设备 | |
Yang et al. | Towards coding for human and machine vision: Scalable face image coding | |
CN111079764B (zh) | 一种基于深度学习的低照度车牌图像识别方法及装置 | |
WO2023082453A1 (zh) | 一种图像处理方法及装置 | |
CN113569840A (zh) | 基于自注意力机制的表单识别方法、装置及存储介质 | |
CN114239717A (zh) | 模型训练方法、图像处理方法及装置、电子设备、介质 | |
CN114612987A (zh) | 一种表情识别方法及装置 | |
CN113724136A (zh) | 一种视频修复方法、设备及介质 | |
CN117274759A (zh) | 一种基于蒸馏-融合-语义联合驱动的红外与可见光图像融合系统 | |
CN112714321A (zh) | 压缩视频处理方法、装置、设备及计算机可读存储介质 | |
CN114972001A (zh) | 图像序列渲染方法及装置、计算机可读介质和电子设备 | |
CN112419179A (zh) | 修复图像的方法、装置、设备和计算机可读介质 | |
CN114139703A (zh) | 知识蒸馏方法及装置、存储介质及电子设备 | |
CN114494942A (zh) | 视频分类方法及装置、存储介质及电子设备 | |
CN111325709A (zh) | 无线胶囊内窥镜图像检测系统及检测方法 | |
CN113658122A (zh) | 图像质量评价方法、装置、存储介质与电子设备 | |
CN111898638B (zh) | 融合不同视觉任务的图像处理方法、电子设备及介质 | |
CN117152182A (zh) | 一种超低照度网络相机图像处理方法、装置及电子设备 | |
CN116912268A (zh) | 一种皮肤病变图像分割方法、装置、设备及存储介质 | |
CN114882012A (zh) | 皮肤干燥度检测方法及装置、存储介质及电子设备 | |
CN116524186A (zh) | 图像处理方法及装置、电子设备、存储介质 | |
CN115330633A (zh) | 图像色调映射方法及装置、电子设备、存储介质 | |
CN113920023A (zh) | 图像处理方法及装置、计算机可读介质和电子设备 | |
CN113689435A (zh) | 图像分割方法、装置、电子设备及存储介质 | |
CN114066841A (zh) | 一种天空检测方法、装置、计算机设备和存储介质 |
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 |