[发明专利]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

说明书

本发明公开了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。本发明涉及人工智能的计算机视觉领域，可基于一张清晰的人脸照片，依次采用人脸识别、图像分割、皱纹识别、特征提取和预测分级的方法，自动识别人脸皮肤图像中皱纹并对严重程度自动分级，自动分级的准确度可高达0.85。该方法通过计算机全自动快速实现，具备专业人员对皱纹评估的准确度，可广泛应用于医美、美容和化妆品等行业，也可辅助与皮肤皱纹相关的研究。

技术领域

本发明采用的方法涉及人脸识别、图像分割、皱纹识别、特征提取与皱纹自动分级，涉及人工智能的计算机视觉领域和生物统计学领域。

背景技术

人类可以通过肉眼自动去寻找人脸或是人脸图像中的皱纹区域，并对观察到的皱纹进行主观的严重程度评价。但受主观情感的影响和专业知识的限制，普通人对皱纹严重程度的评价往往不够准确；专业医师的评价往往较为合理，但受时间、地点等环境因素的限制，邀请专业医师进行评判并不现实可行。因此，亟需一种方便而准确的皱纹严重程度自动化评估方法，可以让普通群众快速便捷的得到合理的评估结果，同时也可辅助皮肤相关的研究或研发。

发明内容

针对以上难题，我们发明了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，该方法对人脸图像的进行人脸识别、图像分割、皱纹识别和特征提取，再结合机器学习(machine learning)的方法对皱纹进行分级预测。本发明方法可以基于一张眼部或额头皱纹区域清晰无遮挡的人脸照片，自动对图像中人脸皮肤皱纹严重程度进行分级。自动分级结果的准确度经训练外数据的验证，可达0.85左右。

本发明采用的技术方案包括以下几个步骤：

1.输入清晰的人脸图像，分割人脸图像中的皱纹区域；

2.使用步骤1.1中分割的人脸皱纹区域图像进行皱纹识别，并计算皱纹纹理相关物理值(以下称纹理值)；

3.在分割的人脸皱纹区域图像中，提取皱纹相关特征和其他非皱纹相关特征；

4.利用人脸皱纹区域图像的特征进行皱纹严重程度自动分级。

所述的步骤1具体包括：

1.1.使用dlib工具包(Python调用)进行人脸识别并检测68个面部特征点；

1.2.将面部特征点按面部轮廓、左侧眉毛、右侧眉毛、鼻子、左侧眼睛、右侧眼睛和嘴巴进行分类；

1.3.计算左侧眉毛特征点的平均水平间距与右侧眉毛特征点的平均水平间距的差值，根据图像的尺寸设置该差值的阈值，比较差值与阈值判断人脸侧向；

1.4.根据人脸侧向选择需要分割的人脸皱纹区域：

侧向朝前时可选择分割额头区域、眼袋区域；

侧向朝右时可选择分割额头区域、左侧眼角区域、左侧眼袋区域；

侧向朝左时可选择分割额头区域、右侧眼角区域、右侧眼袋区域；

1.5.结合五官特征点的位置、图像尺寸和人脸侧向，分割皱纹区域：

侧向朝前时，额头区域的大小随图像尺寸变化，中心位置根据眉毛特征点计算；眼袋区域大小随图像尺寸变化，中心位置根据眼睛特征点计算；

侧向朝右时，额头区域的大小随图像尺寸变化，比朝前时稍小，中心位置根据眉毛特征点计算；左侧眼角区域的大小随图像尺寸变化，中心位置根据眼睛特征点和眉毛特征点计算；

侧向朝左时，额头区域的大小随图像尺寸变化，比朝前时稍小，中心位置根据眉毛特征点计算；左侧眼角区域的大小随图像尺寸变化，中心位置根据眼睛特征点和眉毛特征点计算。

所述的步骤2具体包括：