[发明专利]黑眼圈识别方法、装置、计算机设备和存储介质

说明书

本申请涉及一种黑眼圈识别方法、装置、计算机设备和存储介质。所述方法包括：基于目标神经网络模型对目标人脸样本图像进行卷积处理，以确定目标人脸样本图像中黑眼圈的类别和位置坐标；根据预设的损失函数计算黑眼圈的类别以及在黑眼圈在目标人脸样本图像中的位置坐标与预设的期望输出标签之间的总误差；基于总误差确定黑眼圈识别模型；通过黑眼圈识别模型识别目标人脸图像，以得到目标人脸图像中黑眼圈的类型以及位置坐标。本方法对黑眼圈的识别方法简单，识别效率高。

技术领域

本申请涉及计算机技术领域，特别是涉及一种黑眼圈识别方法、装置、计算机设备和存储介质。

背景技术

随着生活水平的提高，人们在物质需求的基础上，对身体健康以及美感的关注越来越高，因此，对于黑眼圈的识别检测需求也越来越高。黑眼圈的识别主要包括黑眼圈的类型识别等。

传统技术中的黑眼圈的识别主要是通过截取人脸的眼周区域，并截取正常皮肤区域，将两者转换到LAB颜色空间进行特征提取后，再进行对比和检测，确定出黑眼圈的类型。

然而，这种方法过程繁琐，识别效率低。

发明内容

基于此，有必要针对上述技术问题，提供一种能够黑眼圈识别方法、装置、计算机设备和存储介质。

为了实现上述目的，一方面，本申请实施例提供了一种黑眼圈识别方法，所述方法包括：

获取目标人脸样本图像；

基于目标神经网络模型中的卷积层对所述目标人脸样本图像进行卷积处理，得到多个尺寸不同的卷积特征图，每个卷积特征图包括多个卷积特征子图；

分别确定所述每个卷积特征图对应的目标卷积特征信息，所述目标卷积特征信息包括所述多个卷积特征子图中各个卷积特征子图对应的卷积特征信息；

分别确定所述目标卷积特征信息中的各个卷积特征信息对应的位置坐标，将所述目标人脸样本图像中与所述位置坐标对应的区域确定为所述各个卷积特征信息对应的第一区域；

确定各个卷积特征信息对应的第一区域的置信度和所述第一区域对应的属性类别，并将置信度大于置信度阈值并且属性类别为预设黑眼圈类别中任意一种的第一区域确定为第二区域，将所述第二区域对应的属性类别确定为黑眼圈的类别；

根据所述第二区域对应的位置坐标确定黑眼圈在所述目标人脸样本图像中的位置坐标；

根据预设的损失函数计算所述黑眼圈的类别以及在所述黑眼圈在目标人脸样本图像中的位置坐标与预设的期望输出标签之间的总误差；

若所述总误差小于预设阈值，将所述目标神经网络模型作为黑眼圈识别模型；

若所述总误差不小于所述预设阈值，调整所述目标神经网络模型中的网络参数，得到调整后的目标神经网络模型，将所述目标人脸样本图像对应的下一人脸样本图像作为所述目标人脸样本图像，返回执行步骤所述基于目标神经网络模型中的卷积层对所述目标人脸样本图像进行卷积处理，得到多个尺寸不同的卷积特征图，直到训练次数达到预设迭代次数为止，且将所述调整后的目标神经网络模型作为所述黑眼圈识别模型；

通过所述黑眼圈识别模型识别目标人脸图像，以得到所述目标人脸图像中黑眼圈的类型以及所述黑眼圈在所述目标人脸图像中的位置坐标。

在其中一个实施例中，所述确定各个卷积特征信息对应的第一区域的置信度和所述第一区域对应的属性类别，包括：

分别确定所述各个卷积特征信息与所述目标神经网络模型中的多种属性类别之间的匹配概率，所述多种属性类别至少包括背景、血管型黑眼圈和色素型黑眼圈；

在所述各个卷积特征信息与所述目标神经网络模型中的多种属性类别之间的匹配概率中确定最大匹配概率，并将所述最大匹配概率确定为所述各个卷积特征信息对应的第一区域的置信度；