人脸皮肤智能量化分析方法及分析系统技术方案

本发明专利技术属于卸妆检测技术领域，具体涉及一种人脸皮肤智能量化分析方法及分析系统，其中人脸皮肤智能量化分析方法包括：采集人脸图像并进行人脸识别；构建图像对比模型；以及根据图像对比模型通过人脸图像对卸妆效果进行检测，实现了脸部卸妆效果的精确检测，避免化妆品在卸妆后残留在脸部，对皮肤、人体健康等造成影响。成影响。成影响。

【技术实现步骤摘要】
人脸皮肤智能量化分析方法及分析系统


[0001]本专利技术属于卸妆检测
，具体涉及一种人脸皮肤智能量化分析方法及分析系统。

技术介绍

[0002]现如今越来越多的人开始化妆，化妆品大多数为化学产品，卸妆时如果不将化妆品完全卸去，化妆品长时间附着在皮肤上会对皮肤产生影响，严重的会影响身体健康。现如今对于卸妆的效果无法准确的评判，人们只能通过肉眼判断卸妆是否完全，无法准确的判断妆容是否完全卸去，很容易造成化妆品残留，对皮肤、身体等造成影响。
[0003]因此，基于上述技术问题需要设计一种新的人脸皮肤智能量化分析方法及分析系统。

技术实现思路

[0004]本专利技术的目的是提供一种人脸皮肤智能量化分析方法及分析系统。
[0005]为了解决上述技术问题，本专利技术提供了一种人脸皮肤智能量化分析方法，包括：
[0006]采集人脸图像并进行人脸识别；
[0007]构建图像对比模型；以及
[0008]根据图像对比模型通过人脸图像对卸妆效果进行检测。
[0009]进一步，所述采集人脸图像并进行人脸识别的方法包括：
[0010]采集人脸未化妆时的图像；
[0011]采集人脸化妆后的图像；
[0012]采集人脸卸妆后的图像。
[0013]进一步，所述采集人脸图像并进行人脸识别的方法还包括：
[0014]对采集的图像进行评价筛选，即
[0015]根据图像像素对各图像进行质量评价、根据信息论对各图像进行质量评价、根据结构相似度对各图像进行质量评价。
[0016]进一步，所述根据图像像素对各图像进行质量评价的方法包括：
[0017]根据峰值信噪比和均方误差对各图像进行质量评价，即
[0018]待评价图像为y，参考图像为x，大小为M*N，则根据峰值信噪比表征图像质量的计算方法为：
[0019][0020]根据均方误差表征图像质量的计算方法为：
[0021][0022]PSNR值越大，表明待评价图像与参考图像之间的失真较小，图像质量较好；
[0023]MSE的值越小，表明待评价图像质量越好。
[0024]进一步，所述根据信息论对各图像进行质量评价的方法包括：
[0025]根据信息保真度准则和视觉信息保真度两种算法，计算待评价图像与参考图像之间的互信息，以衡量待评价图像的质量优劣。
[0026]进一步，所述根据结构相似度对各图像进行质量评价的方法包括：
[0027]确定参考图像和待评价图像；
[0028]大小为M*N的参考图像x和待评价图像y，其中参考图像x和待评价图像y的均值、标准差、方差和协方差为：u
x
、u
y
、σ
x
、σ
y
、σ
x2
、σ
y2
、u
xy
；
[0029]亮度、对比度、结构的比较函数分别为：
[0030][0031][0032][0033]其中，c1、c2、c3为正常数；
[0034]结构相似度指标为：
[0035]SSIM(x,y)＝[l(x,y)]α
[c(x,y)]β
[s(x,y)]γ
；
[0036]当结构相似度指标越大则相应待评价图像的质量越好；
[0037]根据图像像素对各图像进行质量评价、根据信息论对各图像进行质量评价和根据结构相似度对各图像进行质量评价后对采集的图像进行评价筛选。
[0038]进一步，所述采集人脸图像的方法还包括：
[0039]对各图像中的人脸进行识别，即
[0040]对筛选后的图像进行五官定位，计算构成人脸轮廓的88个点；
[0041]对筛选后的人脸未化妆时的图像进行全范围特征识别，定位5万个特征点，网格化人脸结构，并打上位置标签，进行3D人脸模型构建；
[0042]在3D人脸模型中划分预设个数ROI区域；
[0043]进行空间校准，根据3D人脸模型建立筛选后的各图像上的像素与物理尺寸的对应关系；
[0044]设定好校准参数后，根据筛选后的图像上测量目标的实际物理尺寸
[0045]和/或
[0046]在图像上根据预设各ROI区域的位置进行标注，并进行训练，以在筛选后的图像上自动识别各ROI区域。
[0047]进一步，所述构建图像对比模型的方法包括：
[0048]根据CIEL*a*b色彩空间构建图像对比模型，即
[0049]对比所需对比图像中所有ROI区域的色差，以对所需对比图像进行对比；
[0050][0051]其中，ΔL
*
为所需对比图像中相同ROI区域的明度差值；Δa
*
为所需对比图像中相同ROI区域的红绿差值；Δb
*
为所需对比图像中相同ROI区域的黄蓝差值；ΔE
*
为所需对比图像中相同ROI区域的色差；和/或
[0052]根据灰度构建图像对比模型，即
[0053]对比所需对比图像中所有ROI区域的灰度差，以对所需对比图像进行对比；
[0054]Gray
未i
＝R
未i
*0.3+G
未i
*0.59+B
未i
*0.11；
[0055]Gray
卸i
＝R
卸i
*0.3+G
卸i
*0.59+B
卸i
*0.11；
[0056]ΔGray
i
＝|Gray
卸i
‑
Gray
未i
|；
[0057]其中，Gray
未i
为筛选后的人脸未化妆时的图像第i个ROI区域的灰度；R
未i
为筛选后的人脸未化妆时的图像第i个ROI区域的R值；G
未i
为筛选后的人脸未化妆时的图像第i个ROI区域的G值；B
未i
为筛选后的人脸未化妆时的图像第i个ROI区域的B值；Gray
卸i
为筛选后的人脸卸妆后的图像第i个ROI区域的灰度；R
卸i
为筛选后的人脸卸妆后的图像第i个ROI区域的R值；G
卸i
为筛选后的人脸卸妆后的图像第i个ROI区域的G值；B
卸i
为筛选后的人脸卸妆后的图像第i个ROI区域的B值；ΔGray
i
为筛选后的人脸未化妆时的图像和筛选后的人脸卸妆后的图像第i个ROI区域的灰度差。
[0058]进一步，所述根据图像对比模型通过人脸图像对卸妆效果进行检测的方法包括：
[0059]根据筛选后的人脸未化妆时的图像和筛选后的人脸卸妆后的图像，通过图像对比模型对比所有ROI区域的色差，以判断各ROI区域的卸妆效果，相同ROI区域的色差越小则表明该ROI区域的卸妆效果越好本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人脸皮肤智能量化分析方法，其特征在于，包括：采集人脸图像并进行人脸识别；构建图像对比模型；以及根据图像对比模型通过人脸图像对卸妆效果进行检测。2.如权利要求1所述的人脸皮肤智能量化分析方法，其特征在于，所述采集人脸图像并进行人脸识别的方法包括：采集人脸未化妆时的图像；采集人脸化妆后的图像；采集人脸卸妆后的图像。3.如权利要求2所述的人脸皮肤智能量化分析方法，其特征在于，所述采集人脸图像并进行人脸识别的方法还包括：对采集的图像进行评价筛选，即根据图像像素对各图像进行质量评价、根据信息论对各图像进行质量评价、根据结构相似度对各图像进行质量评价。4.如权利要求3所述的人脸皮肤智能量化分析方法，其特征在于，所述根据图像像素对各图像进行质量评价的方法包括：根据峰值信噪比和均方误差对各图像进行质量评价，即待评价图像为y，参考图像为x，大小为M*N，则根据峰值信噪比表征图像质量的计算方法为：根据均方误差表征图像质量的计算方法为：PSNR值越大，表明待评价图像与参考图像之间的失真较小，图像质量较好；MSE的值越小，表明待评价图像质量越好。5.如权利要求4所述的人脸皮肤智能量化分析方法，其特征在于，所述根据信息论对各图像进行质量评价的方法包括：根据信息保真度准则和视觉信息保真度两种算法，计算待评价图像与参考图像之间的互信息，以衡量待评价图像的质量优劣。6.如权利要求5所述的人脸皮肤智能量化分析方法，其特征在于，所述根据结构相似度对各图像进行质量评价的方法包括：确定参考图像和待评价图像；大小为M*N的参考图像x和待评价图像y，其中参考图像x和待评价图像y的均值、标准差、方差和协方差为：u
x
、u
y
、σ
x
、σ
y
、σ
x2
、σ
y2
、u
xy
；亮度、对比度、结构的比较函数分别为：
其中，c1、c2、c3为正常数；结构相似度指标为：SSIM(x,y)＝[l(x,y)]
α
[c(x,y)]
β
[s(x,y)]
γ
；当结构相似度指标越大则相应待评价图像的质量越好；根据图像像素对各图像进行质量评价、根据信息论对各图像进行质量评价和根据结构相似度对各图像进行质量评价后对采集的图像进行评价筛选。7.如权利要求6所述的人脸皮肤智能量化分析方法，其特征在于，所述采集人脸图像的方法还包括：对各图像中的人脸进行识别，即对筛选后的图像进行五官定位，计算构成人脸轮廓的88个点；对筛选后的人脸未化妆时的图像进行全范围特征识别，定位5万个特征点，网格化人脸结构，并打上位置标签，进行3D人脸模型构建；在3D人脸模型中划分预设个数ROI区域；进行空间校准，根据3D人脸模型建立筛选后的各图像上的像素与物理尺寸的对应关系；设定好校准参数后，根据筛选后的图像上测量目标的实际物理尺寸；和/或在图像上根据预设各ROI区域的位置进行标注，并进行训练，以在筛选后的图像上自动识别各ROI区域。8.如权利要求7所述的人脸皮肤智能量化分析方法，其特征在于，所述构建图像对比模型的方法包括：根据CIEL*a*b色彩空间构建图像对比模型，即对比所需对比图像中所有RO...

【专利技术属性】
技术研发人员：包勇，戴烨，
申请(专利权)人：江苏医像信息技术有限公司，
类型：发明
国别省市：