一种智能人脸皮肤老化程度的识别与评估方法与流程

本发明涉及图像处理领域，尤其涉及一种用于人脸皮肤老化程度的识别与评估的图像处理方法。

背景技术：

随着美容美肤行业的不断发展，人们对皮肤质量的关注度提升，如何检测及量化人脸老化程度皮肤指标成为一项关键技术。目前国内对于人脸皮肤的老化程度的评价大多基于临床医师的主管评估而非计算机视觉的客观评估，主要侧重于评估皱纹的严重程度，不能很好地准确定位脸部皱纹位置及提供量化指标。鉴于上述困扰，十分有必要设计一种可以快速准确检测人脸皮肤皱纹并对其分析提供老化程度量化指标的方法。

在人脸关于老化程度评估中，皱纹占主要的比重，现有的专利并未涉及关于人脸老化程度的识别评价方法，如cn109299633a提出了基于灰度分类的皱纹检测方法，但并未描述具体皱纹及老化程度指标评价方法；如cn108334836a提出了一种皮肤皱纹评估方法及系统，但描述的方法基于云端且采取的方法为光度立体法，对环境要求高，适用性较差；如cn109086688a提出的一种脸部皱纹检测方法、装置、计算机设备和存储介质则并未提取皱纹数量，皱纹最大连通长度、最大宽度、颜色深度程度等详细特征。

1)、“皱纹检测方法、系统、设备及介质”，专利号cn109299633a。该发明公开了一种皱纹检测方法、系统、设备及介质。其中，所述皱纹检测方法包括：对所获取的面部图像进行具有方向性的灰度过滤处理，以突出沿相应方向延伸的像素灰度；将过滤处理后的面部图像进行基于灰度的分类处理以得到候选皱纹图像；对所得到的候选皱纹图像进行评估以得到目标皱纹图像。该方法提及了一种皱纹图像的提取方法，但其并未描述具体的评价方法。

2)、“一种皮肤皱纹评估方法及系统”，专利号cn108334836a。该发明公开了一种皮肤皱纹评估方法及系统，属于皮肤检测技术领域：方法包括在不同的光源照射下，采用图像采集装置分别拍摄关联于同一张人脸的人脸图像，皮肤检测镜将人脸图像发送至云服务器中；云服务器通过光度立体法处理得到各个像素点的单位法向量；云服务器根据单位法向量处理得到各个像素点的表面深度信息，并随后形成人脸的脸部立体图像；云服务器采用预先训练形成的皮肤皱纹评估模型对脸部立体图像进行判断，以得到对应的皮肤皱纹评估结果并输出。该方法提供了基于云端深度学习的皱纹检测方法，但采取的方法为光度立体法，对环境要求高，适用性较差。

3)、“脸部皱纹检测方法、装置、计算机设备和存储介质”，专利号cn109086688a。该发明涉及一种脸部皱纹检测方法、装置、计算机设备和存储介质。所述方法包括获取脸部图像，并标记所述脸部图像的脸部特征点根据所述脸部图像的脸部特征点，划分所述脸部图像的皱纹区域，并确定所述皱纹区域的皱纹类型根据所述皱纹区域的皱纹类型，提取所述皱纹区域内的区域图像获取所述区域图像的皱纹特征分量根据所述区域图像的皱纹特征分量进行皱纹检测。根据本申请，即使人脸某个区域中存在有较为细微的皱纹，或者人脸某个区域存在不规则的脸部特征，也可以进行准确的检测，提升了皱纹检测的准确性。

技术实现要素：

为解决上述技术问题，本发明的目的是提供一种智能人脸皮肤老化程度的识别与评估方法，以满足快速准确检测人脸皮肤老化程度并提供量化指标的要求，提高测量效率和测量方法的适用性。

本发明的目的通过以下的技术方案来实现：

一种智能人脸皮肤老化程度的识别与评估方法，包括：图像采集与预处理；皱纹检测与筛选；提取皱纹特征及评估人脸皮肤老化程度；具体包括：

a采集用于评估人脸皮肤老化程度的人脸图像，将图像从rgb图转化为灰度图，在灰度图像上进行高斯卷积、hessian矩阵算法计算得到二值图像。

b二值图像中值为1的区域为疑似皱纹区域，根据疑似皱纹区域最小外接矩形，根据疑似皱纹区域长边、短边及长边倾斜角，判定疑似皱纹区域是否为真实皱纹区域，处理得到新的皱纹二值图像。

c皱纹二值图像中值为1的区域为真实皱纹区域，提取人脸皱纹特征，包括皱纹数量、皱纹最大连通长度、最大宽度、皱纹颜色深度程度、最小外接矩形面积。

d由人脸皱纹特征加权综合计算得到人脸皮肤老化程度、人脸皮肤视觉老化程度。

与现有技术相比，本发明的一个或多个实施例可以具有如下优点：该方法实现了用于人脸皮肤老化程度的识别与评估，适用性好，在保证实时性的前提下，提高了测量精度和检测效率，提供了量化人脸老化程度的指标。

附图说明

图1是智能人脸皮肤老化程度的识别与评估方法工作流程图；

图2是人脸皮肤区域提取灰度图像；

图3是人脸皮肤灰度梯度图像；

图4是人脸皱纹二值图像区域判断识别效果图；

图5是人脸皱纹筛选结果示意图；

图6是智能人脸皮肤老化程度的识别与评估方法程序框架。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合实施例及附图对本发明作进一步详细的描述。

如图1所示，为智能人脸皮肤老化程度的识别与评估方法工作流程，包括如下步骤：

步骤10图像采集与预处理：采集用于评估人脸皮肤老化程度的人脸图像，将图像从rgb图转化为灰度图如图2所示，计算灰度梯度图如图3所示，在灰度图像上进行高斯卷积、hessian矩阵算法计算得到二值图像如图4所示；

步骤20皱纹检测与筛选：二值图像中值为1的区域为疑似皱纹区域，根据疑似皱纹区域最小外接矩形，根据疑似皱纹区域长边、短边及长边倾斜角，判定疑似皱纹区域是否为真实皱纹区域，处理得到新的皱纹二值图像如图5所示；

步骤30提取皱纹特征：皱纹二值图像中值为1的区域为真实皱纹区域，提取人脸皱纹特征，包括皱纹数量、皱纹最大连通长度、最大宽度、皱纹颜色深度程度、最小外接矩形面积；

步骤40评估人脸皮肤老化程度：由人脸皱纹特征加权综合计算得到人脸皮肤老化程度、人脸皮肤视觉老化程度。

如图6智能人脸皮肤老化程度的识别与评估方法程序框架所示，上述步骤10具体包括：

采集用于评估人脸皮肤老化程度的人脸图像iface，将图像从rgb图转化为灰度图igrey如图2所示，计算灰度梯度图如图3所示，在灰度图像igrey上进行高斯卷积、hessian矩阵算法计算得到二值图像idet如图4所示，具体流程为：

其中；ha、hb和hc是图像igrey的二阶导数输出，ha、hb的近似值是图像igrey和两个高斯核g1(σ)、g2(σ)的卷积，hc是ha的转置矩阵，σ为高斯核的二阶导数生成的探测内核的尺度。

在不同尺度的hessian矩阵h(x,y,σ)中找到最大的滤波器响应并进行二值化处理。

σmin和σmax是预期从h(x,y,σ)找到相关结构的最小和最大尺度，idet(x,y)为将l(x,y)进行二值化处理后的二值图像。

如图6智能人脸皮肤老化程度的识别与评估方法程序框架所示，上述步骤20具体包括：

图4皱纹区域识别二值图像idet中值为1的区域为疑似皱纹区域rdetn，手工设置皱纹最小长度极限lmin、最大短长边比rmax，设在二值图像idet上提取到的疑似皱纹区域共有n个，分别为rdet1,rdet2…rdetn…rdetn，设第n个疑似皱纹区域rdetn最小外接矩形rdetn。

得到rdetn的长边ldetn、短边bdetn及长边倾斜角θdetn，只有同时符合长度不小于皱纹长度极限lmin、比例不超过短长边比极限rmax，疑似皱纹区域rdetn才是皱纹，保留该区域像素值为1，反之则将该区域像素值变换为0。如图4所示，401为真实皱纹区域，402为比例超过短长边比极限区域，403为皱纹长度不符区域；

故经判断所有n个疑似皱纹区域rdetn后，可以得到一张新的皱纹二值图像iw，如图5所示，501为保留真实皱纹区域，502、503不符区域被筛选剔除。这时候皱纹二值图像iw上的值为1区域有较大把握为皱纹。

如图6智能人脸皮肤老化程度的识别与评估方法程序框架所示，上述步骤30具体包括：皱纹二值图像iw中值为1的区域为真实皱纹区域rwm，在二值图像iw上提取到的皱纹区域共有m个，分别为rw1,rw2…rwm…rwm，则人脸上共有m道皱纹；设第m个真实皱纹区域rwm的皱纹最大连通长度lwm、最大宽度bwm，颜色深度程度gwm；最小外接矩形为rwm，长边为lwm、短边为bwm，则真实皱纹区域面积swm＝lwm×bwm；

构建出1×(4m+1)人脸皱纹特征f：

f＝{m,(lw1,bw1,gw1,sw1),(lw2,bw2,gw2,sw2)…(lwm,bwm,gwm,swm)}

人脸皱纹特征f中m代表人脸上所有皱纹数量，皱纹最大连通长度lwm、最大宽度bwm、颜色深度程度gwm是真实皱纹参数，表征皱纹的真实程度；最小外接矩形面积swn表征了皱纹视觉上的影响区域。

如图6智能人脸皮肤老化程度的识别与评估方法程序框架所示，上述步骤40具体包括：由人脸皱纹特征f，设定皱纹影响权值ρw、皱纹深度颜色影响权值ρg，计算出人脸皮肤老化程度sw：

设定皱纹影响权值ρw、视觉影响权值ρvis，通过人脸皱纹特征f计算出，人脸皮肤视觉老化程度svis：

虽然本发明所揭露的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。