CN115705748A - 一种面部特征的识别系统 - Google Patents
一种面部特征的识别系统 Download PDFInfo
- Publication number
- CN115705748A CN115705748A CN202110902226.0A CN202110902226A CN115705748A CN 115705748 A CN115705748 A CN 115705748A CN 202110902226 A CN202110902226 A CN 202110902226A CN 115705748 A CN115705748 A CN 115705748A
- Authority
- CN
- China
- Prior art keywords
- module
- area
- target
- target user
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种面部特征的识别系统,系统包括:第一模块、第二模块、第三模块、第四模块、第五模块、第六模块、第七模块、第八模块和第九模块,分别确定出正脸面部特征、敏感区域和敏感区域对应的置信度、毛孔区域和毛孔区域对应的置信度、左侧脸的皱纹区域和左侧脸的皱纹区对应的置信度、右侧脸的皱纹区域和右侧脸的皱纹区对应的置信度、用户的棕斑区域、用户的白皙度、用户的平滑度、用户的油脂区域和油脂区域的对应的占比值,本发明能够基于面部特征之间的关联性,对面部特征进行区别或者整合,避免将不同的面部特征进行混淆,影响到确认面部特征的准确性和确认面部特征的复杂性。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种面部特征的识别系统。
背景技术
图像处理(image processing),用计算机对图像进行分析,以达到所需结果的技术。又称影像处理;图像处理一般指数字图像处理,数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组,该数组的元素称为像素,其值称为灰度值。
现有技术中,对于用户的人脸面部中具有多种面部特征,而且每个面部特征均不相同,无法通过一个方法将其识别出来或者将不同的面部特征进行混淆,影响到确认面部特征的准确性;同时当前对每个面部特征进行确认时均需要采集用户的一组图像进行处理,导致采集数据量较大且无法将不同面部特征之间进行关联起来,也影响到确认面部特征的准确性和确认面部特征的复杂性。
因此,本领域人员需要研发一种面积特征识别系统,用于针对不同的特征进行识别。
发明内容
为了解决现有技术的问题,根据用户的不同图像信息,识别出不同的面部特征,且基于面部特征之间的关联性,对面部特征进行区别或者整合,避免将不同的面部特征进行混淆,影响到确认面部特征的准确性和确认面部特征的复杂性。
本发明实施例提供了一种面部特征的识别系统,所述系统包括:第一模块、第二模块、第三模块、第四模块、第五模块、第六模块、第七模块、第八模块和第九模块;
所述第一模块用于根据目标用户的正脸偏振光图,确定出目标用户的正脸面部特征;
所述第二模块用于根据目标用户的正脸红区图,确定出目标用户的敏感区域和敏感区域对应的置信度;
所述第三模块用于根据目标用户的正脸偏振光图,确定出毛孔区域和所述毛孔区域对应的置信度;
所述第四模块用于根据目标用户的左侧脸偏振光图,确定出左侧脸的皱纹区域和所述左侧脸的皱纹区域对应的置信度;
所述第五模块用于根据目标用户的右侧脸偏振光图,确定出右侧脸的皱纹区域和所述右侧脸的皱纹区域对应的置信度;
所述第六模块用于根据目标用户的正脸偏振光图和所述第一模块得到的目标用户的正脸面部特征,确定出目标用户的棕斑区域;
所述第七模块用于根据目标用户的正脸偏振光图,确定出目标用户的白皙度;
所述第八模块用于根据目标用户的正脸偏振光图和所述第一模块得到的目标用户的正脸面部特征,确定出目标用户的平滑度;
所述第九模块用于根据目标用户的正脸油脂图,确定出目标用户的油脂区域和油脂区域的对应的占比值。
具体地,所述系统还包括处理模块和整合模块;
所述处理模块用于对第一模块得到的目标用户的正脸面部特征、所述第三模块得到的毛孔区域和所述毛孔区域对应的置信度、所述第四模块得到左侧脸的皱纹区域和所述左侧脸的皱纹区对应的置信度和所述第五模块得到的右侧脸的皱纹区域和所述右侧脸的皱纹区对应的置信度进行合并去重处理;
所述整合模块用于对第一模块至第九模块对应的确定结果进行整合处理,确定出目标用户的全部面部特征,其中,第一模块、第三模块、第四模块和第五模块对应的确定结果为经过所述处理模块进行合并去重处理的结果。
本发明提供的一种面部特征的识别系统,具有如下技术效果:
本发明的所述系统包括第一模块、第二模块、第三模块、第四模块、第五模块、第六模块、第七模块、第八模块和第九模块,分别确定出正脸面部特征、敏感区域和敏感区域对应的置信度、毛孔区域和毛孔区域对应的置信度、左侧脸的皱纹区域和左侧脸的皱纹区对应的置信度、右侧脸的皱纹区域和右侧脸的皱纹区对应的置信度、用户的棕斑区域、用户的白皙度、用户的平滑度、用户的油脂区域和油脂区域的对应的占比值;可见,本发明基于用户的不同图像信息,针对性的识别出对应的面部特征,一方面能够采用一个系统就识别出多个面部特征,无需多个部件单独识别,且也避免将不同的面部特征进行混淆,影响到确认面部特征的准确性;另一方面,当前对每个面部特征进行确认时只需要采集用户的一组图像进行处理,减少采集数据量,将不同面部特征之间进行关联起来,综合考虑面部特征,提高确认面部特征的准确性和确认面部特征的复杂性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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是本发明实施例一提供的一种面部特征的识别系统的示意图;
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等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,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或服务器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。
实施例一
如图1所示,本实施例一提供了一种面部特征的识别系统,所述系统包括:第一模块、第二模块、第三模块、第四模块、第五模块、第六模块、第七模块、第八模块和第九模块;
所述第一模块用于根据目标用户的正脸偏振光图,确定出目标用户的正脸面部特征;
所述第二模块用于根据目标用户的正脸红区偏振光图,确定出目标用户的敏感区域和敏感区域对应的置信度;
所述第三模块用于根据目标用户的正脸偏振光图,确定出毛孔区域和所述毛孔区域对应的置信度;
所述第四模块用于根据目标用户的左侧脸偏振光图,确定出左侧脸的皱纹区域和所述左侧脸的皱纹区对应的置信度;
所述第五模块用于根据目标用户的右侧脸偏振光图,确定出右侧脸的皱纹区域和所述右侧脸的皱纹区对应的置信度;
所述第六模块用于根据目标用户的正脸偏振光图和所述第一模块得到的目标用户的正脸面部特征,确定出目标用户的棕斑区域;
所述第七模块用于根据目标用户的正脸偏振光图,确定出目标用户的白皙度;
所述第八模块用于根据目标用户的正脸偏振光图和所述第一模块得到的目标用户的正脸面部特征,确定出目标用户的平滑度;
所述第九模块用于根据目标用户的正脸油脂图,确定出目标用户的油脂区域和油脂区域的对应的占比值。
具体地,所述系统还包括处理模块和整合模块;
所述处理模块用于对第一模块得到的目标用户的正脸面部特征、所述第三模块得到的毛孔区域和所述毛孔区域对应的置信度、所述第四模块得到左侧脸的皱纹区域和所述左侧脸的皱纹区对应的置信度和所述第五模块得到的右侧脸的皱纹区域和所述右侧脸的皱纹区对应的置信度进行合并去重处理;
所述整合模块用于对第一模块至第九模块对应的确定结果进行整合处理,确定出目标用户的全部面部特征,其中,第一模块、第三模块、第四模块和第五模块对应的确定结果为经过所述处理模块进行合并去重处理的结果。
在一个具体实施例中,所述系统可以执行一段计算机程序,实现如下步骤:
根据目标用户的正脸偏振光图,确定出目标用户的正脸面部特征,所述正脸面部特征包括眼、鼻、眉毛、嘴或者面部缺陷等特征,所述面部缺陷包括:痘痕、红斑、疤痕、黑痣、疑似隐形炎症等;其中,所述检测区域呈方形,所述检测区域是指确定出面部特征的图像区域,本领域技术人员可以根据实际需求采取任意一种方法确定出检测区域,在此不再赘述。
在一个具体的实施例中,所述敏感区域为隐形炎症区域,所述系统可以执行一段计算机程序,实现如下步骤确定隐形炎症区域:
S101、获取目标用户的第一原始图,所述第一原始图为目标用户的正脸红区偏振光图,本领域技术人员能够基于现有的技术中任意一种方法获取正脸红区偏振光图,在此不再赘述。
S103、对所述第一原始图进行预处理,得到第一目标图像和所述第一目标图像对应的m个第一目标区域构建的第一目标区域列表,m≥2且m为整数。
具体地,所述方法还包括如下方法确定第一目标区域列表:
将所述第一原始图像进行灰度处理,得到第一目标图像和所述第一目标图像对应的检测区域列表;
具体地,所述第一目标图像是指经过灰度处理或者灰度处理和其他图像处理的组合后的图像,即灰度图,可以理解为:所述预处理可以为灰度处理或者其他图像处理与灰度处理的组合,例如,所述图像处理采用自适应二值化算法、高斯滤波算法或中值模糊一种或者多种组合;优选地,所述图像处理采用自适应二值化算法、高斯滤波算法和中值模糊,能够有效的去除图像中的噪声,提高对图像检测区域的识别,进而提高隐形炎症区域识别的准确性。
其中,是指第y个特定像素点对应的灰度值,y=1……g,g为特定像素点数量,其中,至对应的特定像素点均为所述目标图像中随机选取的像素点;可以理解为:所述特定像素点是指所述第一目标图像中可以表征目标用户对应的皮肤区域内的像素点,其中,所述皮肤区域可以采取本领域中任一方法进行确定,在此不再赘述。
S105、获取第一预设图像对应的第一映射区域列表;
具体地,所述第一预设图像为目标用户的正脸偏振光图,其中,所述正脸红区偏振光图与所述正脸偏振光图在同一时间节点进行采集,能够保证映射区域和目标区域的一致性,有利于提取图像特征以及根据图像特征进行分析,得到准确的识别出隐形炎症区域。
具体地,所述第一映射区域列表中第一映射区域是指在所述第一预设图像中,与所述第一目标区域相同坐标构成的图像区域,本领域技术人员可以根据实际需求采取任意一种方法确定映射区域,在此不再赘述。
S107、根据所述第一映射区域列表中任一所述第一映射区域的图像信息,得到第一映射区域对应的相似度;
具体地,S107还包括如下步骤:
S1071、对任一所述第一映射区域的图像信息进行特征提取,得到所述第一映射区域的n个图像特征的特征值构建的第一中间特征列表,所述图像特征包括:颜色特征、形状特征和纹理特征一种或者多种组合;
S1073、基于所述第一中间特征列表,得到n个第一目标值构建的第一目标值列表,其中,所述第一目标值是指对基于图像特征的特征值,对图像特征进行标定的数值,n≥2且n为整数。
具体地,所述方法还包括如下方法确定第一目标值:
遍历所述第一中间特征列表;
当第一中间特征列表中任一图像特征的特征值满足对应的预设特征条件时,将第一目标值确定为0;
当第一中间特征列表中任一图像特征的特征值未满足对应的预设特征条件时,将第一目标值确定为1;
其中,所述预设特征条件是指中间特征列表中任一图像特征对应的特征阈值。
优选地,所述图像特征包括:颜色特征、形状特征和纹理特征;可以理解为:颜色特征对应的特征值即为RGB值,当RGB值满足颜色特征对应的特征阈值时,颜色特征对应的目标值确定为0;反之,颜色特征对应的目标值确定为1;形状特征和纹理特征均采用与颜色特征相同的方法确定对应的目标值,在此不再赘述,能够快速识别出面部缺陷对应的图像区域,进而提高隐形炎症区域识别的准确性。
S1075、根据所述第一目标值列表和所述第一目标值列表对应的第一权重列表,得到第一目标相似度,所述第一目标相似度值=n个第一目标值与对应的第一权重值乘积之和。
优先地,每个第一权重值为1/n。
S109、当第一目标相似度值<预设的第一相似度阈值时,根据Ai的图像信息,确定出隐形炎症区域。
具体地,S109步骤还包括如下步骤:
当第一目标相似度值<预设的第一相似度阈值时,将第一目标相似度值对应的第一目标区域插入至第一指定区域列表中;
对第一指定区域列表中任一第一指定区域的图像信息进行特征提取,得到所述第一指定区域对应的k个目标图像特征对应的特征值构建的第一目标特征列表,所述目标图像特征至少包括:颜色特征和斑点形状特征;
基于所述第一目标特征列表,得到第二相似度,所述第二相似度采用与第一相似度相同的方法进行确定,其中,第二目标值采取与确定第一目标值相同的方法进行确定,且所述第二目标值对应的第二权重值为1/k,在此不再赘述;
具体地,所述第一相似度阈值和所述第二相似度阈值可以根据需求进行设置,在此不再赘述。
本实施例三能够获取目标用户的原始图;对所述原始图进行预处理,得到目标图像和所述目标图像的目标区域列表;获取预设图像的映射区域列表;根据目标区域对应的映射区域的图像信息,得到相似度;基于相似度与其对应的阈值进行判断确定出隐形炎症区域,能够在图像中去除面部特征的干扰,便于确定出面部缺陷,并在面部缺陷中基于隐形炎症的图像特征确定出隐形炎症区域,提高了隐形炎症检测的准确性,同时也避免混淆不同面部缺陷,导致隐形炎症的遗漏;
此外,本实施例三采用多种算法结合,避免图像中存在噪声干扰,影响到底层斑的检测,提高对底层斑隐形炎症检测的准确性和图像的清晰度,有利于图像呈现效果。
在一个具体的实施例中,所述系统可以执行一段计算机程序,实现如下步骤确定皱纹区域:
S201、获取目标用户的正脸偏振光图和侧脸偏振光图。
具体地,当采集所述正脸偏振光图和所述侧脸偏振光图时,采用相同的图像采集设备对同一目标用户的正脸和侧脸进行采集,图像采集设备可以为具有偏振光源的摄像机等,在此不再赘述。
具体地,所述侧脸偏振光图为左侧脸偏振光图和/或右侧脸偏振光图,优先地,所述侧脸偏振光图为左侧脸偏振光图和右侧脸偏振光图。
S203、对所述侧脸偏振光图进行预处理,得到第一识别区域列表和第一固定区域列表,并基于每一第一识别区域的位置信息,确定出任一第一识别区域与第一固定区域列表中每一固定区域的第一区域距离,构建第一中间数据列表。
具体地,所述方法还包括如下方法确定第一识别区域列表和第一固定区域列表;
对所述侧脸偏振光图进行预处理,得到第一中间图像和所述第一中间图像对应的第二检测区域列表,其中,所述预处理包括:灰度处理、高斯滤波处理和自适应二值化处理一种或者多种组合,优先地,所述预处理包括:灰度处理、高斯滤波处理和自适应二值化处理,其中,灰度处理的优先级>高斯滤波处理的优先级>自适应二值化处理的优先级,可以理解为:按照上述优先级由高至低的顺序对所述侧脸偏振光图进行预处理,本领域技术人员可以采取任意灰度处理、高斯滤波处理和自适应二值化处理的具体实施过程,在此不再赘述。
基于所述第二检测区域列表中任一检测区域内的所有像素点确定出为第一识别区域列表的方法采取与上一个实施例中确定出第一目标区域列表相同的方法,在此不再赘述。
具体地,所述第一区域距离是指第一识别区域的中心点坐标值与第一固定区域列表中每一固定区域的中心点坐标值之间的距离。
S205、根据第一识别区域列表中第一识别区域对应的图像信息,确定出第一识别区域为第二目标区域,并构建第二目标区域列表。
具体地,所述方法还包括如下方法确定第四目标区域:
对第一识别区域对应的图像信息进行特征提取,得到M个图像特征对应的特征值构建的第一识别特征列表,其中,所述图像特征至少包括:颜色特征、形状特征和纹理特征,M≥2且M为整数;
遍历第一识别特征列表且第一识别特征列表中任一图像特征对应的特征值与对应的预设特征条件进行对比,其中,所述预设特征条件是指第一识别特征列表中任一图像特征对应的特征阈值,所述特征阈值是根据需求进行设定;
当第一识别特征列表中任一图像特征对应的特征值满足对应的预设特征条件时,将第三目标值确定为0,反之,将第三目标值确定为1,且构建成第一识别特征列表对应的第三目标值列表;
根据第三目标值列表和第二目标值列表对应的第三权重列表,得到第三目标相似度,其中,所述第三目标相似度值=N个第三目标值与对应的第三权重值乘积之和,N≥2且M为整数;
当所述第三目标相似度值<预设的第三相似度阈值时,将所述第三目标相似度值对应的第一识别区域确定为第二目标区域。
S207、对所述正脸偏振光图进行预处理,得到第二识别区域列表和第二固定区域列表,并基于每一第二识别区域的位置信息,确定出任一第二识别区域与第二固定区域列表中每一固定区域的第二区域距离,构建第二中间数据列表;
具体地,确定第二识别区域列表和第二固定区域列表的方法与确定第一识别区域列表和第一固定区域列表的方法一致,在此不再赘述。
具体地,所述第二区域距离是指第二识别区域的中心点坐标值与第二固定区域列表中每一固定区域的中心点坐标值之间的距离。
具体地,对应同一目标用户,所述第二固定区域列表与所述第一固定列表为相同的列表;
S209、根据第二识别区域列表中第二识别区域对应的图像信息,确定出第一识别区域为第四目标区域,并构建第四目标区域列表;
具体地,确定所述第二目标区域的方法与确定所述第三目标区域方法一致,在此不再赘述。
S2011、遍历M个所述第一中间数据列表且所述第二中间数据列表等于任一所述第一中间数据列表时,从所述第四目标区域列表中删除对应的第四目标区域,构建第五目标区域列表,可以理解为:将所述第二中间数据列表等于任一所述第一中间数据列表时,第二中间数据列表对应的第四目标区域从所述第四目标区域列表中删除,删除后的所述第四目标区域为第五目标区域列表;
具体地,所述方法还包括如下方法确定所述第二中间数据列表等于任一所述第一中间数据列表:
当所述第二中间数据列表中每一行的第二区域距离与所述第一中间数据列表中相同行的第一区域距离相等时,确定所述第二中间数据列表中等于任一所述第一中间数据列表。
上述方法能够过滤掉相同的目标区域,能够减少处理相同目标区域的过程,提高效率。
S2013、对所述第三目标区域列表和所述第五目标区域列表进行分割处理,得到皱纹区域。
具体地,所述方法还包括如下方法确定皱纹区域:
将所述第三目标区域列表和所述第五目标区域列表进行合并,得到第三中间数据列表;
将所述第三中间数据列表中任一中间区域对应的特征矩阵输入至滤波模型中,得到中间区域的对比度;
基于所述中间区域的对比度且当所述中间区域的对比度>预设的对比度阈值时,将所述对比度对应的坐标点构成的区域作为皱纹区域。
上述方法能够将第三目标区域列表和所述第五目标区域列表进行合并,能够保证获取全部目标区域的,避免对目标区域的遗漏,导致一些皱纹区域无法被识别,同时通过滤波模型过滤掉目标区域中类似皱纹的区域,提高确定皱纹区域的准确性。
在一些实施例中,对所述皱纹区域内的空白区域进行填充处理,得到最终皱纹区域,其中,本领域技术人员能够根据实际需求选择填充处理的具体实施方法,在此不再赘述,能够将确定皱纹区域时,一些空白点进行补充,保证呈现出一个完整的皱纹区域。
本实施例四能够获取目标用户的正脸偏振光图和侧脸偏振光图;对所述侧脸偏振光图进行预处理,得到第一识别区域列表和第一固定区域列表,并基于每一第一识别区域的位置信息,确定出任一第一识别区域与第一固定区域列表中每一固定区域的区域距离,构建第一中间数据列表;根据第一识别区域列表中第一识别区域对应的图像信息,确定出第一识别区域为第三目标区域,并构建第三目标区域列表;对所述正脸偏振光图进行预处理,得到第二识别区域列表和第二固定区域列表,并基于每一第二识别区域的位置信息,确定出任一第二识别区域与第二固定区域列表中每一固定区域的区域距离,构建第二中间数据列表;根据第二识别区域列表中第二识别区域对应的图像信息,确定出第一识别区域为第四目标区域,并构建第四目标区域列表;遍历M个所述第一中间数据列表且所述第二中间数据列表等于任一所述第一中间数据列表时,从所述第二目标区域列表中删除对应的第四目标区域列表,构建第五目标区域列表;对所述第三目标区域列表和所述第五目标区域列表进行分割处理,得到皱纹区域,本发明能够一方面避免会受到面部缺陷或者其他面部特征的干扰,影响到皱纹区域的确定;另一方面能够将三种偏振光图进行处理后,对比区域的图像特征进而确定出皱纹区域,避免遗漏皱纹区域提高皱纹区域确定的准确性,且减少相同区域的识别,提高效率。
在一个具体的实施例中,所述系统可以执行一段计算机程序,实现如下步骤确定底层斑区域:
S301、获取用户的第三原始图像。
具体地,所述第三原始图像为正脸棕斑图,本领域技术人员能够基于现有的技术中任意一种方法获取正脸棕斑图,在此不再赘述。
S303、对所述第三原始图像进行图像处理,得到第三目标图像和所述第三目标图像对应的第六目标区域列表。
具体地,所述图像处理包括高斯滤波算法、中值模糊算法和自适应二值化算法,且高斯滤波算法的优先级>中值模糊算法的优先级>自适应二值化算法的优先级。
优先地,对所述第三原始图像进行图像处理,具体实施步骤:
将所述第三原始图像划分成KxK的模板,K为单数,将所述模板采用高斯滤波算法进行处理,得到第一图像,能够有效的和平滑的过滤噪声,未影响到图像其他特征的获取或判断,本领域技术人员知晓高斯滤波算法的具体实施过程,在此不再赘述;
将第一图像划分成KxK的模板,以所述模板对第一图像采用中值滤波进行处理,得到第二图像,能够对图像扫描噪声的处理效果更佳,同时在一定条件下中值滤波对图像的边缘信息保护效果更佳,可以避免图像细节的模糊;此外,采用与高斯滤波相同的图像模板,能够提高了计算效率,保证在二种处理之间稳定性;本领域技术人员知晓中值滤波算法的具体实施过程,在此不再赘述
将所述第二图像采用自适应二值化算法进行处理,得到第三目标图像,能够通过自适应二值化算法进行预处理,去除图像中的噪声,便于将底层斑图像与预设的图像进行对比区别,提高对底层斑检测的准确性,本领域技术人员知晓自适应二值化算法的具体实施过程,在此不再赘述。
S305、将所述第三目标图像对应的第六目标区域列表中任一第六目标区域映射到正脸偏振光图中,得到任一第六目标区域对应的第二映射区域;
S307、当任一第六目标区域对应的第四目标相似度小于预设的第四相似度阈值时,确定第六目标区域为底层斑区域;
具体地,所述第四目标相似度与第一相似度的确定方法一致,在此不再赘述。
上述实施例能够通过颜色特征、形状特征和纹理特征三个图像特征进行判断,有效的三个图像特征加以与其他面部特征进行区别,避免遗漏底层斑的检测,提高对底层斑检测的准确性。
具体地,所述图像特征分别为:颜色特征、形状特征和纹理特征,其中,所述方法还包括如下方法确定Ai为底层斑区域:
S701、当图像特征为颜色特征时,获取任一第六目标区域对应像素点列表Q=(Q1,Q2,Q3,……,Qθ),得到第六目标区域对应的目标方差Qδ是指第x个像素点对应的RGB值,δ=1……θ,θ像素点数量,其中,T符合如下条件:其中,Qδ符合如下条件:
Qδ=Rδ+Gδ+Bδ,其中,Rδ是指第x个像素点对应红色通道的强度值,Gδ是指第x个像素点对应绿色通道的强度值,Bδ是指第x个像素点对应蓝色通道的强度值;
进一步地,S207还包括如下步骤:
上述方法能够通过颜色特征、形状特征和纹理特征三个图像特征进行判断,有效的三个图像特征加以与其他面部特征进行区别,避免遗漏底层斑的检测,提高对底层斑检测的准确性。
在一个具体的实施例中,所述系统可以执行一段计算机程序,实现如下步骤确定白皙度:
S401、获取目标用户的第四原始图像;
具体地,所述第四原始图像是指用户正脸的偏振光图,本领域技术人员可以根据实际需求采取获取偏振光图的方法,在此不再赘述。
S403、将所述第四原始图像进行预处理,得到第四目标图像和所述第四目标图像对应的检测区域列表;
具体地,确定所述第四目标图像对应的检测区域列表的方法与确定所述第一目标图像对应的检测区域列表的方法一致,在此不再赘述。
S405、获取所述第四目标图像对应的所有像素点的灰度值,构成总灰度值列表;
具体地,本领域技术人员可以采取人员灰度处理方法确定出像素点的灰度值且构成总灰度值列表。
S407、当所述第四目标图像对应的检测区域列表中任一所述检测区域内的所有像素点的灰度均值等于预设的第二灰度阈值时,从所述总灰度值列表中删除所述检测区域内的像素点的灰度值,生成目标灰度值列表;
所述第二预设灰度阈值为0或者255,能够避免干扰用户肤色的白皙度,提高白皙度确定的准确
S409、根据所述目标灰度值列表,得到目标用户对应的白皙度,所述白皙度表征目标用户肤色的白皙程度
具体地,S409步骤还包括如下步骤:
S4091、根据灰度取值范围划分成s个目标灰度段,其中,所述灰度取值范围为0~255;
S4093、遍历B且确定Bi处于目标灰度段,得到目标集合D=(D1,D2,……,Ds),Dr是指第r个目标灰度段对应的单元灰度列表,r=1……s且r≥2;其中,Dr=(Dr1,Dr2,Dr3,……,DrCr),Drk是指目标灰度段内的第k个目标像素点对应的灰度值,k=1……Cr;
S4095、将Cr插入至目标列表中,构建出所述目标列表C=(C1,C2,C3,……,Cs),Cr是指第r个目灰度段内的目标像素点数量且Cr≥2;
S4097、根据每个Cr和Cr对应的Dr,目标均值U,U符合如下条件:
S4099、根据F处于预设目标分数段,确定出目标用户对应的白皙度。
具体地,所述预设目标分数段至少包括:第一预设目标分数段、第二预设目标分数段和第三预设目标分数段。
进一步地,所述方法还包括如下方法确定所述预设目标分数段:
S501、获取第一样本列表Y=(Y1,Y2,Y3,……,Yt),其中,Yx是指第x个第一样本图像对应的灰度均值,x=1……t,t为第一样本图像总数量且所述第一样本图像总数量的数量级至少千量级;
S502、遍历Y,当Yx<第一预设灰度阈值时,获取第一图像数量t1;
同时,当Yx>第二预设灰度阈值时,获取第二图像数量t2;
S503、将所述第一图像数量、所述第二图像数量和所述第三图像数量t3进行对比,其中,t3=t-t1-t2;
S504、当t3>t1且t3>t2时,确定处于所述第一预设灰度阈值和所述第二预设灰度阈值之间为第一预设目标分数段;
根据所述第一预设灰度阈值和所述第二预设灰度阈值,确定0和所述第一预设灰度阈值之间为第二预设目标分数段;
确定255和所述第二预设灰度阈值之间为第三预设目标分数段。
在一个具体的实施例中,所述方法还包括如步骤:
S505、当t3≤t1时,将所述第一预设灰度阈值进行调整,得到第三预设灰度阈值,其中,第一预设灰度阈值与第三预设灰度阈值之间差范围为10~20;
重复执行S502至S504步骤,直到t3>t1时,确定处于所述第三预设灰度阈值和所述第二预设灰度阈值之间为第一预设目标分数段;
根据所述第三预设灰度阈值和所述第二预设灰度阈值,确定0和所述第三预设灰度阈值之间为第二预设目标分数段;
确定255和所述第二预设灰度阈值之间为第三预设目标分数段;
或者,
当t3≤t1时,将所述第二预设灰度阈值进行调整,得到第四预设灰度阈值,其中,第四预设灰度阈值与第二预设灰度阈值之间差范围为10~20;
重复执行S502至S504步骤,直到t3>t1时,确定处于所述第一预设灰度阈值和所述第四预设灰度阈值之间为第一预设目标分数段;
根据所述第一预设灰度阈值和所述第四预设灰度阈值,确定0和所述第一预设灰度阈值之间为第二预设目标分数段;
确定255和所述第四预设灰度阈值之间为第三预设目标分数段;
在另一个具体的实施例中,所述方法还包括如步骤:
S505、当t3≤t1且当t3≤t2时,将所述第一预设灰度阈值和所述第二预设灰度阈值均进行调整,得到第三预设灰度阈值和第四预设灰度阈值,其中,第一预设灰度阈值与第三预设灰度阈值之间差范围为10~20,第四预设灰度阈值与第二预设灰度阈值之间差范围为10~20;
重复执行S502至S504步骤,直到t3>t1且t3>t2时,确定处于所述第三预设灰度阈值和所述第四预设灰度阈值之间为第一预设目标分数段;
根据所述第三预设灰度阈值和所述第四预设灰度阈值,确定0和所述第三预设灰度阈值之间为第二预设目标分数段;
确定255和所述第四预设灰度阈值之间为第三预设目标分数段。
具体地,第一预设目标分数段对应的白皙度范围为60~80,优先地,第一预设目标分数段对应的白皙度为60。
具体地,第二预设目标分数段对应的白皙度范围为0~59,优先地,第二预设目标分数段对应的白皙度为40。
具体地,第三预设目标分数段对应的白皙度范围为81~100,优先地,第三预设目标分数段对应的白皙度为90。
进一步地理解为:通过样本图像确定出预设目标分数段,一方面,能够保证预设目标分数的准确性,进而提高白皙度的确定准确性;另一方面,能够使得确定出的白皙度更加贴近用户肤色的真实颜色,保证了白皙度的真实性。
上述实施例将所述原始图像进行预处理,得到目标图像;提取所述目标图像的像素点,得到目标灰度值列表;根据目标灰度值列表,得到目标用户对应的白皙度,其中,所述白皙度表征目标用户肤色的白皙程度,能够一方面避免会受到面部缺陷或者其他面部特征的干扰,影响到白皙度的确定,进而无法获取准确的白皙度;另一方面能够计算出通过灰度值代替RGB值,根据所有像素点的灰度值进行归一化处理确定白皙度,避免影响到确定白皙度的准确性。
在一个具体的实施例中,所述系统可以执行一段计算机程序,实现如下步骤确定平滑度:
S601、获取目标用户的第五原始图像,其中,所述第五原始图为目标用户的正脸偏振光图,本领域技术人员能够基于现有的技术中任意一种方法获取正脸偏振光图,在此不再赘述。
S603、将所述第五始图像进行预处理,得到第五目标图像和所述第五目标图像对应的第七目标区域列表;
具体地,确定所述第七目标区域列表的方法与确定所述第一目标区域列表方法一致,在此不再赘述。
S605、从所述第七目标区域列表中确定出皱纹区域,构建成第三指定区域面积列表S=(S1,S2,S3,……,SZ),其中,Sv是指第v个目标区域的面积,v=1……z,Z为皱纹区域数量;
具体地,确定出皱纹区域的方法与上述述实施例中S201-S2013步骤确定的皱纹区域的方法一致。
S107、根据S,得到所述目标用户对应的平滑度。
具体地,所述方法还包括如下方法确定目标用户对应的平滑度:
基于S,得到目标比值λ,λ符合如下条件:
确定预设的目标区间列表E=(E1,E2,E3,……,Ef),Eφ是指第φ个目标区间,φ=1……f,φ为目标区间;
当λ处于Eφ内,确定所述目标用户对应的平滑度为Eq对应的平滑度。
进一步地,Eφ内的上限值度>Eφ+1内的下限值。
进一步地,E1对应的平滑度>E2对应的平滑度>E3对应的平滑度>……>Ef对应的平滑度。
在一些具体实施例中,所述方法还包括如下方法确定E:
遍历T且当Tα≥预设的占比阈值时,Tα对应的预设面积区间且插入至E中;
将Tα对应的预设面积区间之外的其他预设面积区间重新划分成若干区域且插入至E中;
当Tα<预设的占比阈值时,将Tα与Tα±ε与预设的占比阈值进行对比;
当Tα与Tα±ε≥预设的占比阈值时,Tα与Tα±ε对应的预设面积区间且插入至D中;
将Tα与Tα±ε对应的预设面积区间之外的其他预设面积区间重新划分成若干区域且插入至E中。
进一步地,ε的取值范围为1~3,优先地,ε的取值为1。
进一步地,所述样本占比值是指在任一预设面积区间内样本用户数量与样本用户总数量的比值。
进一步地,当Tα≥预设的占比阈值时,基于Tα对应的预设面积区间的平滑度为60;同时,T1至Tα-1对应的预设面积区间划分的若干目标区域的平滑度分别设置在1~59,同理,Tα+1至Tβ对应的预设面积区间划分的若干目标区域的平滑度分别设置在61~99;本领域技术人员能够根据划分的目标区域在对应的平滑度范围内均匀设置,在此不再赘述。
上述实施例能够将所述原始图像进行预处理,得到目标图像和所述目标图像对应的待识别区域列表;根据根据待识别区域对应的图像信息,确定出目标区域列表中每个目标区域的面积,根据目标区域的面积对应的比值,得到目标用户对应的平滑度,其中,所述平滑度表征目标用户肤色的平滑程度,能够一方面避免会受到面部缺陷或者其他面部特征的干扰,影响到平滑度的确定,进而无法获取准确的平滑度;另一方面能够通过面积比值进行归一化处理确定平滑度,避免影响到确定平滑度的准确性。
本实施例基于用户的不同图像信息,针对性的识别出对应的面部特征,一方面能够采用一个系统就识别出多个面部特征,无需多个部件单独识别,且也避免将不同的面部特征进行混淆,影响到确认面部特征的准确性;另一方面,当前对每个面部特征进行确认时只需要采集用户的一组图像进行处理,减少采集数据量,将不同面部特征之间进行关联起来,综合考虑面部特征,提高确认面部特征的准确性和确认面部特征的复杂性。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种面部特征的识别系统,其特征在于,所述系统包括:第一模块、第二模块、第三模块、第四模块、第五模块、第六模块、第七模块、第八模块和第九模块;
所述第一模块用于根据目标用户的正脸偏振光图,确定出目标用户的正脸面部特征,其中,所述正脸面部特征包括:可见斑特征、痘痕特征、皮屑特征和黑眼圈特征;
所述第二模块用于根据目标用户的正脸红区图,确定出目标用户的敏感区域和敏感区域对应的置信度;
所述第三模块用于根据目标用户的正脸偏振光图,确定出毛孔区域和所述毛孔区域对应的置信度;
所述第四模块用于根据目标用户的左侧脸偏振光图,确定出左侧脸的皱纹区域和所述左侧脸的皱纹区对应的置信度;
所述第五模块用于根据目标用户的右侧脸偏振光图,确定出右侧脸的皱纹区域和所述右侧脸的皱纹区对应的置信度;
所述第六模块用于根据目标用户的正脸偏振光图和所述第一模块得到的目标用户的正脸面部特征,确定出目标用户的棕斑区域;
所述第七模块用于根据目标用户的正脸偏振光图,确定出目标用户的白皙度;
所述第八模块用于根据目标用户的正脸偏振光图和所述第一模块得到的目标用户的正脸面部特征,确定出目标用户的平滑度;
所述第九模块用于根据目标用户的正脸油脂图,确定出目标用户的油脂区域和油脂区域的对应的占比值。
2.根据权利要求1所述的面部特征的识别系统,其特征在于,所述系统还包括处理模块和整合模块;
所述处理模块用于对第一模块得到的目标用户的正脸面部特征、所述第三模块得到的毛孔区域和所述毛孔区域对应的置信度、所述第四模块得到左侧脸的皱纹区域和所述左侧脸的皱纹区对应的置信度和所述第五模块得到的右侧脸的皱纹区域和所述右侧脸的皱纹区对应的置信度进行合并去重处理;
所述整合模块用于对第一模块至第九模块对应的确定结果进行整合处理,确定出目标用户的全部面部特征,其中,第一模块、第三模块、第四模块和第五模块对应的确定结果为经过所述处理模块进行合并去重处理的结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110902226.0A CN115705748A (zh) | 2021-08-06 | 2021-08-06 | 一种面部特征的识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110902226.0A CN115705748A (zh) | 2021-08-06 | 2021-08-06 | 一种面部特征的识别系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115705748A true CN115705748A (zh) | 2023-02-17 |
Family
ID=85179049
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110902226.0A Pending CN115705748A (zh) | 2021-08-06 | 2021-08-06 | 一种面部特征的识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115705748A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116206117A (zh) * | 2023-03-03 | 2023-06-02 | 朱桂湘 | 基于编号遍历的信号处理优化系统及方法 |
-
2021
- 2021-08-06 CN CN202110902226.0A patent/CN115705748A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116206117A (zh) * | 2023-03-03 | 2023-06-02 | 朱桂湘 | 基于编号遍历的信号处理优化系统及方法 |
CN116206117B (zh) * | 2023-03-03 | 2023-12-01 | 北京全网智数科技有限公司 | 基于编号遍历的信号处理优化系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107977671B (zh) | 一种基于多任务卷积神经网络的舌象分类方法 | |
Hildebrandt et al. | Benchmarking face morphing forgery detection: Application of stirtrace for impact simulation of different processing steps | |
US7949181B2 (en) | Segmentation of tissue images using color and texture | |
CN116664559B (zh) | 基于机器视觉的内存条损伤快速检测方法 | |
CN110472479B (zh) | 一种基于surf特征点提取和局部lbp编码的指静脉识别方法 | |
WO2004017052A2 (en) | Histological assessment | |
CN109584202A (zh) | 图像处理装置、方法和非暂时性计算机可读存储介质 | |
CN110110637A (zh) | 一种人脸皮肤皱纹自动识别和皱纹严重程度自动分级的方法 | |
CN107256410B (zh) | 眼底图像分类方法及装置 | |
Rossi et al. | FishAPP: A mobile App to detect fish falsification through image processing and machine learning techniques | |
WO2006087526A1 (en) | Apparatus and method for processing of specimen images for use in computer analysis thereof | |
CN110648312A (zh) | 一种基于鳞片形态特征分析的羊毛与羊绒纤维识别方法 | |
Li et al. | Sublingual vein extraction algorithm based on hyperspectral tongue imaging technology | |
WO2004046994A1 (en) | Histological assessment of nuclear pleomorphism | |
CN114822781A (zh) | 基于检查图像的医疗图像脱敏方法 | |
CN115705748A (zh) | 一种面部特征的识别系统 | |
WO2019181072A1 (ja) | 画像処理方法、コンピュータプログラムおよび記録媒体 | |
CN107122710B (zh) | 一种基于散射卷积网络的手指静脉特征提取方法 | |
Khan et al. | Segmentation of single and overlapping leaves by extracting appropriate contours | |
CN113706515B (zh) | 舌像异常确定方法、装置、计算机设备和存储介质 | |
Jayabharathy et al. | Detection and classification of malignant melanoma and benign skin lesion using CNN | |
CN114708237A (zh) | 一种用于头发健康状况的检测算法 | |
CN111612045B (zh) | 一种获取目标检测数据集的通用方法 | |
CN109658382B (zh) | 基于图像聚类和灰度投影的舌体定位方法 | |
Feng et al. | Automated pairing of human chromosomes applying gradient profile and similarity matching algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |