CN111241889B - 检测和评价黑眼圈的方法和装置 - Google Patents
检测和评价黑眼圈的方法和装置 Download PDFInfo
- Publication number
- CN111241889B CN111241889B CN201811446411.8A CN201811446411A CN111241889B CN 111241889 B CN111241889 B CN 111241889B CN 201811446411 A CN201811446411 A CN 201811446411A CN 111241889 B CN111241889 B CN 111241889B
- Authority
- CN
- China
- Prior art keywords
- black eye
- color
- region
- colors
- interest
- 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.)
- Active
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
- A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/1032—Determining colour for diagnostic purposes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
- A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
- A61B5/444—Evaluating skin marks, e.g. mole, nevi, tumour, scar
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/18—Extraction of features or characteristics of the image
- G06V30/18105—Extraction of features or characteristics of the image related to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/193—Preprocessing; Feature extraction
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Biomedical Technology (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Dermatology (AREA)
- Dentistry (AREA)
- Ophthalmology & Optometry (AREA)
- Image Analysis (AREA)
Abstract
本申请提供了一种检测和评价黑眼圈的方法和装置,该方法包括:获取待处理图像;提取所述待处理图像中的黑眼圈感兴趣区域;对所述黑眼圈感兴趣区域进行颜色聚类,以得到所述黑眼圈感兴趣区域中的n类颜色,n为正整数;根据所述n类颜色,识别所述黑眼圈感兴趣区域内的黑眼圈区域;基于所述黑眼圈区域获取黑眼圈评价结果,该方法能够有效地检测和评价图像中的黑眼圈区域。
Description
技术领域
本申请实施例涉及图像处理领域,并且更具体地,涉及一种检测和评价黑眼圈的方法和装置。
背景技术
随着科学技术的提升和人们生活质量的提高,面部皮肤质量作为人体生理健康状况的一面镜子,越来越受到人们的重视。
一般来说,面部皮肤质量可以通过细纹、毛孔、黑头、红区、色斑、肌龄、法令纹、黑眼圈八大维度进行评价。在用户对面部皮肤的关心程度中,黑眼圈这一项的关注度排名靠前。尤其对于女性用户而言,黑眼圈一直是其非常关注的面部皮肤问题。
因此,如何对黑眼圈进行有效地检测和评价成为一个亟需解决的问题。
发明内容
本申请提供一种检测和评价黑眼圈的方法和装置,能够有效地检测和评价图像中的黑眼圈区域。
第一方面,提供了一种检测和评价黑眼圈的方法,该方法包括:获取待处理图像;提取所述待处理图像中的黑眼圈感兴趣区域;对所述黑眼圈感兴趣区域进行颜色聚类,以得到所述黑眼圈感兴趣区域中的n类颜色,n为正整数;根据所述n类颜色,识别所述黑眼圈感兴趣区域内的黑眼圈区域;基于所述黑眼圈区域获取黑眼圈评价结果。
根据本申请实施例中的方法,提取所述待处理图像中的黑眼圈感兴趣区域,对所述黑眼圈感兴趣区域进行颜色聚类得到n类颜色,根据所述n类颜色,精确地识别出所述黑眼圈感兴趣区域内的黑眼圈区域,并基于所述黑眼圈区域获取黑眼圈评价结果,从而能够有效地检测和评价图像中的黑眼圈区域。
在一种可能的实现方式中,所述根据所述n类颜色,识别所述黑眼圈感兴趣区域内的黑眼圈区域,包括:根据所述n类颜色确定黑眼圈颜色和基准肤色颜色;根据所述黑眼圈颜色和所述基准肤色颜色,确定所述黑眼圈兴趣区域中的黑眼圈区域。
在一种可能的实现方式中,将所述n类颜色中的第一颜色确定为所述黑眼圈感兴趣区域中的黑眼圈颜色;
将所述n类颜色中的第二颜色确定为所述黑眼圈感兴趣区域中的基准肤色颜色。
在一种可能的实现方式中,所述第一颜色为所述n类颜色中去除噪声后最深的颜色,所述第二颜色为所述n类颜色中去除亮光后最浅的颜色。
在一种可能的实现方式中,所述根据所述黑眼圈颜色和所述基准肤色颜色,确定所述黑眼圈兴趣区域中的黑眼圈区域,包括:若所述黑眼圈感兴趣区域中的第一像素点满足:
则所述第一像素点属于所述黑眼圈区域,其中,C为所述第一像素点,CD为所述黑眼圈颜色,CS为所述基准肤色颜色,T1为所述第一像素点相对所述黑眼圈颜色与所述基准肤色颜色的对比度。
在一种可能的实现方式中,所述黑眼圈感兴趣区域中的第一像素点满足:
CS-C>=T2
其中,C为所述第一像素点,CS为所述基准肤色颜色,T2表示人眼能够区分的两种颜色的最低对比度。
在一种可能的实现方式中,所述基准肤色颜色满足:
CS<T3或CS-CSi-1<=T4
中至少一项,其中,CS为所述基准肤色颜色,CS属于所述n类颜色中的第i类颜色,CSi-1为所述n类颜色中的第i-1类颜色,i为大于或等于1且小于或等于n的正整数,T3表示亮光区域颜色的最小值,T4表示所述第i类颜色与所述第i-1类颜色的差值。
在一种可能的实现方式中,所述提取所述待处理图像中的黑眼圈感兴趣区域,包括:去除所述待处理图像中的睫毛区域;提取已去除睫毛区域的所述待处理图像中的所述黑眼圈感兴趣区域。
在一种可能的实现方式中,所述基于所述黑眼圈区域获取黑眼圈评价结果,包括:提取所述黑眼圈区域的特征,所述特征包括所述黑眼圈区域的对比度、所述黑眼圈区域的面积或所述黑眼圈区域的方差中的至少一项;根据所述特征,通过模式识别方法评价黑眼圈的严重程度。
在一种可能的实现方式中,所述基于所述黑眼圈区域获取黑眼圈评价结果,包括:根据所述n类颜色中颜色最深区域的位置和/或所述黑眼圈区域的颜色,确定黑眼圈的类型。
在一种可能的实现方式中,所述黑眼圈区域包括j个区域,所述j个区域与所述n类颜色中的j类颜色一一对应,j为大于或等于1且小于n的整数,所述方法还包括:提取所述j类颜色中每类颜色的Y值、CR值、CB值,其中,所述Y值表示所述每类颜色的亮度、所述CR值表示所述每类颜色的红色分量与亮度的差值,所述CB值表示所述每类颜色的蓝色分量与亮度的差值;根据所述每类颜色的所述Y值、所述CR值、所述CB值,确定所述每类颜色对应的区域包括的黑眼圈的类型为色素型黑眼圈或血管型黑眼圈,其中,所述血管型黑眼圈包括红眼圈、深青色黑眼圈、浅青色黑眼圈、浅红色黑眼圈或蓝眼圈。
在一种可能的实现方式中,所述方法还包括:若所述黑眼圈感兴趣区域的中间区域的颜色深于所述黑眼圈颜色,所述中间区域的颜色深于其周围的颜色,且所述中间区域为非离散区域,则所述黑眼圈区域包括结构型黑眼圈。
在一种可能的实现方式中,所述方法还包括:若所述黑眼圈区域包括血管型黑眼圈、色素型黑眼圈或结构型黑眼圈中的至少两种类型的黑眼圈,则所述黑眼圈区域内的黑眼圈为混合型黑眼圈。
第二方面,提供了一种检测和评价黑眼圈的装置,该装置包括:获取模块,用于获取待处理图像;处理模块,用于提取所述待处理图像中的黑眼圈感兴趣区域;所述处理模块,用于对所述黑眼圈感兴趣区域进行颜色聚类,以得到所述黑眼圈感兴趣区域中的n类颜色,n为正整数;所述处理模块,用于根据所述n类颜色,识别所述黑眼圈感兴趣区域内的黑眼圈区域;所述处理模块,用于基于所述黑眼圈区域获取黑眼圈评价结果。
根据本申请实施例中的装置,提取所述待处理图像中的黑眼圈感兴趣区域,对所述黑眼圈感兴趣区域进行颜色聚类得到n类颜色,根据所述n类颜色,精确地识别出所述黑眼圈感兴趣区域内的黑眼圈区域,并基于所述黑眼圈区域获取黑眼圈评价结果,从而能够有效地检测和评价图像中的黑眼圈区域。
在一种可能的实现方式中,所述处理模块具体用于:根据所述n类颜色确定黑眼圈颜色和基准肤色颜色;根据所述黑眼圈颜色和所述基准肤色颜色,确定所述黑眼圈兴趣区域中的黑眼圈区域。
在一种可能的实现方式中,所述处理模块具体用于:将所述n类颜色中的第一颜色确定为所述黑眼圈感兴趣区域中的黑眼圈颜色;将所述n类颜色中的第二颜色确定为所述黑眼圈感兴趣区域中的基准肤色颜色。
在一种可能的实现方式中,所述第一颜色为所述n类颜色中去除噪声后最深的颜色,所述第二颜色为所述n类颜色中去除亮光后最浅的颜色。
在一种可能的实现方式中,所述处理模块具体用于:若所述黑眼圈感兴趣区域中的第一像素点满足:
则所述第一像素点属于所述黑眼圈区域,其中,C为所述第一像素点,CD为所述黑眼圈颜色,CS为所述基准肤色颜色,T1为所述第一像素点相对所述黑眼圈颜色与所述基准肤色颜色的对比度。
在一种可能的实现方式中,所述黑眼圈感兴趣区域中的第一像素点满足:
CS-C>=T2
其中,C为所述第一像素点,CS为所述基准肤色颜色,T2表示人眼能够区分的两种颜色的最低对比度。
在一种可能的实现方式中,所述基准肤色颜色满足:
CS<T3或CS-CSi-1<=T4
中至少一项,其中,CS为所述基准肤色颜色,CS属于所述n类颜色中的第i类颜色,CSi-1为所述n类颜色中的第i-1类颜色,i为大于或等于1且小于或等于n的正整数,T3表示亮光区域颜色的最小值,T4表示所述第i类颜色与所述第i-1类颜色的差值。
在一种可能的实现方式中,所述处理模块具体用于:去除所述待处理图像中的睫毛区域;提取已去除睫毛区域的所述待处理图像中的所述黑眼圈感兴趣区域。
在一种可能的实现方式中,所述处理模块具体用于:提取所述黑眼圈区域的特征,所述特征包括所述黑眼圈区域的对比度、所述黑眼圈区域的面积或所述黑眼圈区域的方差中的至少一项;根据所述特征,通过模式识别方法评价黑眼圈的严重程度。
在一种可能的实现方式中,所述处理模块具体用于:根据所述n类颜色中颜色最深区域的位置和/或所述黑眼圈区域的颜色,确定黑眼圈的类型。
在一种可能的实现方式中,所述黑眼圈区域包括j个区域,所述j个区域与所述n类颜色中的j类颜色一一对应,j为大于或等于1且小于n的整数,所述处理模块还用于:提取所述j类颜色中每类颜色的Y值、CR值、CB值,其中,所述Y值表示所述每类颜色的亮度、所述CR值表示所述每类颜色的红色分量与亮度的差值,所述CB值表示所述每类颜色的蓝色分量与亮度的差值;根据所述每类颜色的所述Y值、所述CR值、所述CB值,确定所述每类颜色对应的区域包括的黑眼圈的类型为色素型黑眼圈或血管型黑眼圈,其中,所述血管型黑眼圈包括红眼圈、深青色黑眼圈、浅青色黑眼圈、浅红色黑眼圈或蓝眼圈。
在一种可能的实现方式中,若所述黑眼圈感兴趣区域的中间区域的颜色深于所述黑眼圈颜色,所述中间区域的颜色深于其周围的颜色,且所述中间区域为非离散区域,则所述黑眼圈区域包括结构型黑眼圈。
在一种可能的实现方式中,若所述黑眼圈区域包括血管型黑眼圈、色素型黑眼圈或结构型黑眼圈中的至少两种类型的黑眼圈,则所述黑眼圈区域内的黑眼圈为混合型黑眼圈。
第二方面中的装置包括的各个模块可以通过软件和/或硬件方式实现。
例如,第二方面中的装置包括的各个模块可以通过处理器实现,即第二方面中的装置可以包括处理器,该处理器用于执行程序指令,以实现该装置包括的各个模块能够实现的各个功能。
可选地,第二方面中的装置开可以包括存储器,用于存储处理器执行的程序指令,甚至用于存储各种数据。
可选地,第二方面中的装置可以是能够集成在智能设备中的芯片,此时,该装置还可以包括通信接口。
第三方面,本申请提供了一种计算机可读存储介质。该计算机可读存储介质中存储用于检测和评价黑眼圈的装置执行的程序代码。该程序代码包括用于执行第一方面或其中任意一种可能的实现方式中的方法的指令。
第四方面,本申请提供了一种包含指令的计算机程序产品。当该计算机程序产品在检测和评价黑眼圈的装置上运行时,使得该装置执行第一方面或其中任意一种可能的实现方式中的方法。
根据本申请实施例中的方法,提取所述待处理图像中的黑眼圈感兴趣区域,对所述黑眼圈感兴趣区域进行颜色聚类得到n类颜色,根据所述n类颜色,精确地识别出所述黑眼圈感兴趣区域内的黑眼圈区域,并基于所述黑眼圈区域获取黑眼圈评价结果,从而能够有效地检测和评价图像中的黑眼圈区域。
附图说明
图1是本申请实施例的检测和评价黑眼圈的方法的示意性流程图。
图2是本申请一个实施例的显示界面的示意性框图。
图3是本申请实施例的聚类处理的示意性框图。
图4是本申请一个实施例的去除亮光的示意性框图。
图5是本申请一个实施例的分割黑眼圈区域的示意性框图。
图6是本申请另一个实施例的分割黑眼圈区域的示意性框图。
图7是本申请一个实施例的显示界面的示意性框图。
图8是本申请一个实施例的黑眼圈类型的示意性框图。
图9是本申请一个实施例的检测和评价黑眼圈的装置的示意性结构图。
具体实施方式
下面将结合附图,对本申请中的技术方案进行描述。
本申请实施例的技术方案可以应用于各种能够进行图像处理的终端设备,该终端设备具体可以为照相机、智能手机或者其他能够进行图像处理的终端设备或装置,本申请实施例对此并不限定。
在本申请实施例中,终端设备或网络设备包括硬件层、运行在硬件层之上的操作***层,以及运行在操作***层上的应用层。该硬件层包括中央处理器(centralprocessing unit,CPU)、内存管理单元(memory management unit,MMU)和内存(也称为主存)等硬件。该操作***可以是任意一种或多种通过进程(process)实现业务处理的计算机操作***,例如,Linux操作***、Unix操作***、Android操作***、iOS操作***或windows操作***等。该应用层包含浏览器、通讯录、文字处理软件、即时通信软件等应用。并且,本申请实施例并未对本申请实施例提供的方法的执行主体的具体结构特别限定,只要能够通过运行记录有本申请实施例的提供的方法的代码的程序,以根据本申请实施例提供的方法进行通信即可,例如,本申请实施例提供的方法的执行主体可以是终端设备或网络设备,或者,是终端设备或网络设备中能够调用程序并执行程序的功能模块。
另外,本申请的各个方面或特征可以实现成方法、装置或使用标准编程和/或工程技术的制品。本申请中使用的术语“制品”涵盖可从任何计算机可读器件、载体或介质访问的计算机程序。例如,计算机可读介质可以包括,但不限于:磁存储器件(例如,硬盘、软盘或磁带等),光盘(例如,压缩盘(compact disc,CD)、数字通用盘(digital versatile disc,DVD)等),智能卡和闪存器件(例如,可擦写可编程只读存储器(erasable programmableread-only memory,EPROM)、卡、棒或钥匙驱动器等)。另外,本文描述的各种存储介质可代表用于存储信息的一个或多个设备和/或其它机器可读介质。术语“机器可读介质”可包括但不限于,无线信道和能够存储、包含和/或承载指令和/或数据的各种其它介质。
图1是本申请实施例的检测和评价黑眼圈的方法100的一个示意性流程图。应理解,图1示出了通信方法的步骤或操作,但这些步骤或操作仅是示例,本申请实施例还可以执行其他操作或者图1中的各个操作的变形,或者,并不是所有步骤都需要执行,或者,这些步骤可以按照其他顺序执行。
S110,获取待处理图像。
其中,所述待处理图像中应该包括用户的眼部区域,例如,如图2所示,所述待处理图像可以为用户的面部图像。
在本申请实施例中,用于执行所述检测和评价黑眼圈的方法100的终端设备可以为照相机或智能手机等具有拍照功能的终端设备。
可选地,用户可以使用所述终端设备进行拍摄,以获取所述待处理图像。
S120,提取所述待处理图像中的黑眼圈感兴趣区域。
在本申请实施例中,所述终端设备可以使用人脸识别技术识别出所述待处理图像中的面部特征点;根据所述面部特征点的位置,提取出所述待处理图像中黑眼圈感兴趣区域(region of interest,ROI)。具体的人脸识别方法可以参考现有技术,本申请实施例中不再赘述。
可选地,可以根据所述面部特征点包括的眼部关键特征点,提取所述黑眼圈感兴趣区域。所述黑眼圈感兴趣区域可以包括下眼睑全部黑眼圈区域及基准肤色区域。
在本申请实施例中,可以去除所述待处理图像中的睫毛区域。
可选地,可以将不同的肤色对应不同的阈值;确定所述黑眼圈感兴趣区域中的肤色对应的阈值,进而根据所述阈值去除眼睫毛。
可选地,可以提取已去除睫毛区域的所述待处理图像中的所述黑眼圈感兴趣区域。
在本申请实施例中,可以对所述待处理图像进行滤波,以去除所述待处理图像中的噪声。具体的滤波方法可以参考现有技术,本申请实施例中不再赘述。
S130,对所述黑眼圈感兴趣区域进行颜色聚类,以得到所述黑眼圈感兴趣区域中的n类颜色,n为正整数。
在本申请实施例中,聚类后得到的所述n类颜色可以如图3所示,即自上而下,依次为第1类颜色至第n类颜色。可选地,聚类后得到的所述n类颜色也可以自下而上,依次为第1类颜色至第n类颜色。
可选地,所述n类颜色可以从第1类颜色至第n类颜色,由深到浅层次分布。其中,所述n类颜色中第i类颜色中包括的像素点的颜色相同或相近,也就是说,所述第i类颜色中不同像素点的灰度值的差值满足一定的阈值范围,i为大于或等于1且小于或等于n的正整数。
在本申请实施例中,可以使用k-均值聚类(k-means clustering)算法或模糊c-均值聚类(fuzzy c-means)算法等对所述黑眼圈感兴趣区域进行颜色聚类,本申请实施例对此并不限定。
S140,根据所述n类颜色,识别所述黑眼圈感兴趣区域内的黑眼圈区域。
在本申请实施例中,可以根据所述n类颜色确定黑眼圈颜色和基准肤色颜色。
在本申请实施例中,可以将所述n类颜色中的第一颜色确定为所述黑眼圈感兴趣区域中的黑眼圈颜色。应理解,所述第一颜色可以为所述黑眼圈感兴趣区域中去除噪声后最深的颜色,其中,所述噪声可以指斑、痣或睫毛等比黑眼圈深的区域。
可选地,所述第一颜色可以为所述n类颜色中最深的颜色。
例如,在对所述黑眼圈感兴趣区域进行颜色聚类后,可以将待处理图像中左上角颜色最深区域作为黑眼圈的起始位置。其中,所述颜色最深部分需要具有一定像素数,以防止少数噪声的影响。
在本申请实施例中,可以将所述n类颜色中的第二颜色确定为所述黑眼圈感兴趣区域中的基准肤色颜色。应理解,所述第二颜色可以为所述黑眼圈感兴趣区域中去除亮光后最浅的颜色,通常,所述亮光可以指比所述基准肤色颜色浅的区域。
可选地,所述第二颜色可以为所述n类颜色中最浅的颜色。
在一种可能的实现方式中,为了避免亮光或微光区域内的像素点被确定为基准肤色颜色,所述基准肤色颜色需要满足:
CS<T3或CS-CSi-1<=T4
中至少一项,其中,CS为所述基准肤色颜色,CS属于所述n类颜色中的第i类颜色,CSi-1为所述n类颜色中的第i-1类颜色,i为大于或等于1且小于或等于n的正整数,T3表示亮光区域颜色的最小值,T4表示所述第i类颜色与所述第i-1类颜色的差值。可选地,所述T4可以为所述第i类颜色与所述第i-1类颜色的最大差值。
在本申请实施例中,可以通过下述方法去除亮光:
取所述黑眼圈感兴趣区域中最浅的颜色,判断所述最浅的颜色是否为亮光,若所述最浅的颜色满足大于或等于T3,且同时满足所述最浅的颜色与相邻聚类颜色的差值大于T4,说明当前最浅的颜色为亮光,则去除该亮光(即当前最浅的颜色),此时,取去除该亮光后所述黑眼圈感兴趣区域中当前最浅的颜色,再判断所述当前最浅的颜色是否为亮光(一直迭代,直到当前最浅的颜色不为亮光为止);若所述最浅的颜色不满足大于或等于T3,或不满足所述最浅的颜色与相邻聚类颜色的差值大于T4,说明当前最浅的颜色为基准肤色颜色(即当前最浅的颜色不为亮光,此时迭代结束),则去除亮光结束。
也就是说,所述基准肤色颜色需要满足:
CS<T3或CS-CSi-1<=T4
中至少一项。
换句话说,亮光需要同时满足:
C亮光>=T3且C亮光-CSi-1>T4
其中,C亮光为亮光的颜色,C亮光属于所述n类颜色中的第i类颜色。如图4所示,图4中左图为未去除亮光的所述黑眼圈感兴趣区域,图4中右图为利用上述公式去除亮光后的所述黑眼圈感兴趣区域。可以看出,利用上述公式能够很好的去除亮光区域,可以避免亮光或微光区域由于颜色较浅而被识别为基准肤色区域,从而提高黑眼圈识别的准确性。
可选地,T3、T4可以是预先设置的。
可选地,T3可以表示所述待处理图像中亮光可能取到的最小值。也就是说,T3可以为亮光区域的最深颜色,所述基准肤色颜色比所述亮光区域深,即需要满足CS<T3。
在本申请实施例中,可以根据所述黑眼圈颜色和所述基准肤色颜色,确定所述黑眼圈兴趣区域中的黑眼圈区域。
可选地,可以根据最低对比度阈值,确定所述黑眼圈感兴趣区域中的第一像素点是否为人眼能够区分的像素点。
例如,若所述黑眼圈感兴趣区域中的第一像素点满足:
CS-C>=T2
则所述黑眼圈感兴趣区域中的第一像素点为人眼能够区分的像素点,所述第一像素可以属于所述黑眼圈区域;或者,所述第一像素点可以属于基准肤色区域。其中,C为所述第一像素点,CS为所述基准肤色颜色,T2表示人眼能够区分的两种颜色的最低对比度。
可选地,T2可以是预先设置的。
再例如,若所述黑眼圈感兴趣区域中的第一像素点不满足:
CS-C>=T2
则所述黑眼圈感兴趣区域中的第一像素点为人眼无法区分的像素点,所述第一像素点可以属于基准肤色区域。其中,C为所述第一像素点,CS为所述基准肤色颜色,T2表示人眼能够区分的两种颜色的最低对比度。
在本申请实施例中,可以对所述黑眼圈感兴趣区域中的第一像素点进行阈值判断,以确定所述第一像素点属于所述黑眼圈区域或所述基准肤色区域。
例如,若所述黑眼圈感兴趣区域中的第一像素点满足:
则所述第一像素点属于所述黑眼圈区域,其中,C为所述第一像素点,CD为所述黑眼圈颜色,CS为所述基准肤色颜色,T1为所述第一像素点相对所述黑眼圈颜色与所述基准肤色颜色的对比度。
可选地,T1可以是预先设置的。
再例如,若所述黑眼圈感兴趣区域中的第一像素点不满足:
则所述第一像素点属于所述基准肤色区域,其中,C为所述第一像素点,CD为所述黑眼圈颜色,CS为所述基准肤色颜色,T1为所述第一像素点相对所述黑眼圈颜色与所述基准肤色颜色的对比度。
如图5所示,图5中左图为所述黑眼圈感兴趣区域,图5中右图为利用本申请实施例中的方法分割出的所述黑眼圈区域。可以看出,通过本申请实施例中的方法可以精确地识别出黑眼圈区域。
一般来说,黑眼圈可以分为结构型黑眼圈、色素型黑眼圈和血管型黑眼圈等。
其中,结构型黑眼圈一般是由于年龄增长造成的眼袋形成,其位置通常出现在所述黑眼圈感兴趣区域的中间位置。因此,对于结构型黑眼圈可以通过位置进行判断。
可选地,若所述黑眼圈感兴趣区域中间区域的颜色深于所述黑眼圈颜色,所述黑眼圈感兴趣区域中间区域的颜色深于其周围肤色一定阈值,且所述中间区域为非离散区域,则所述黑眼圈感兴趣区域的中间区域为黑眼圈区域。此时,也可以认为,所述黑眼圈感兴趣区域中间区域为黑眼圈的起始位置。相应地,可以确定所述黑眼圈感兴趣区域中包括结构型黑眼圈。
当所述黑眼圈感兴趣区域包括结构型黑眼圈时,如图6所示,图6中左图为所述黑眼圈感兴趣区域,图6中右图为利用本申请实施例中的方法分割出的所述黑眼圈区域。可以看出,当所述黑眼圈为结构型黑眼圈时,通过本申请实施例中的方法也可以精确地识别出黑眼圈区域。
S150,基于所述黑眼圈区域获取黑眼圈评价结果。
在本申请实施例中,可以提取所述黑眼圈区域的特征,所述特征包括所述黑眼圈区域的对比度、所述黑眼圈区域的面积或所述黑眼圈区域的方差中的至少一项;可以根据所述特征,通过模式识别(pattern recognition)方法评价黑眼圈的严重程度。
在本申请实施例中,可以基于所述黑眼圈区域和所述基准肤色区域获取黑眼圈评价结果。
可选地,可以提取所述基准肤色区域的特征,根据所述黑眼圈区域的特征和所述基准肤色区域的特征,通过模式识别方法评价黑眼圈的严重程度。其中,所述基准肤色区域的特征包括所述基准肤色区域的对比度、所述基准肤色区域的面积或所述基准肤色区域的方差中的至少一项。
可选地,所述模式识别方法可以为线性回归(linear regression)或支持向量机(support vector machine,SVM)回归等,本申请实施例对此并不限定。
可选地,可以通过模式识别方法,得到表示黑眼圈严重程度的得分。
可选地,可以建立黑眼圈得分图谱,将不同灰度值的黑眼圈图谱对应相应的得分,例如,表示黑眼圈严重程度的得分区间可以为60-100分,将黑眼圈图谱与该得分区间对应。
可选地,所述终端设备可以输出黑眼圈的得分信息。如图7所示,所述终端设备可以在其显示界面输出所述得分信息。应理解,图7中的显示界面仅为示例而非限定。
在本申请实施例中,根据所述n类颜色中颜色最深区域的位置和/或所述黑眼圈区域的颜色,确定黑眼圈的类型。
可选地,若所述黑眼圈区域中的像素点偏黑、偏褐,则可以确定该黑眼圈为色素型黑眼圈;若所述黑眼圈区域中的像素点偏红、偏青,则可以确定该黑眼圈为血管型黑眼圈。
在本申请实施例中,所述黑眼圈区域可以包括j个区域,所述j个区域与所述n类颜色中的j类颜色一一对应,j为大于或等于1且小于n的整数。
例如,在颜色空间YCRCB中,可以提取所述j类颜色中每类颜色的Y值、CR值、CB值,其中,所述Y值表示所述每类颜色的亮度、所述CR值表示所述每类颜色的红色分量与亮度的差值,所述CB值表示所述每类颜色的蓝色分量与亮度的差值。
此时,可以根据所述每类颜色的所述Y值、所述CR值、所述CB值,确定所述每类颜色对应的区域包括的黑眼圈的类型为色素型黑眼圈或血管型黑眼圈,其中,所述血管型黑眼圈包括红眼圈、深青色黑眼圈、浅青色黑眼圈、浅红色黑眼圈或蓝眼圈。
可选地,若所述黑眼圈感兴趣区域的中间区域的颜色深于所述黑眼圈颜色,所述中间区域的颜色深于其周围的颜色,且所述中间区域为非离散区域,则所述黑眼圈区域包括结构型黑眼圈。
可选地,若所述黑眼圈区域包括血管型黑眼圈、色素型黑眼圈或结构型黑眼圈中的至少两种类型的黑眼圈,则所述黑眼圈区域内的黑眼圈为混合型黑眼圈。
在本申请实施例中,所述终端设备可以输出黑眼圈的类型信息。如图7所示,所述终端设备可以在其显示界面输出所述类型信息。应理解,图7中的显示界面仅为示例而非限定。上述黑眼圈的类型如图8所示,图8中的上图的阴影区域为识别出的血管型黑眼圈,图8中的中图的阴影区域为识别出的色素型黑眼圈,图8中的下图为结构型黑眼圈。
图9是本申请实施例的检测和评价黑眼圈的装置900的示意性框图。应理解,检测和评价黑眼圈的装置900仅是一种示例。本申请实施例的装置还可以包括其他模块或单元,或者包括与图9中的各个模块的功能相似的模块,或者并非要包括图9中的所有模块。
获取模块910,用于获取待处理图像;
处理模块920,用于提取所述待处理图像中的黑眼圈感兴趣区域;
所述处理模块920,用于对所述黑眼圈感兴趣区域进行颜色聚类,以得到所述黑眼圈感兴趣区域中的n类颜色,n为正整数;
所述处理模块920,用于根据所述n类颜色,识别所述黑眼圈感兴趣区域内的黑眼圈区域;
所述处理模块920,用于基于所述黑眼圈区域获取黑眼圈评价结果。
可选地,所述处理模块920具体用于:根据所述n类颜色确定黑眼圈颜色和基准肤色颜色;根据所述黑眼圈颜色和所述基准肤色颜色,确定所述黑眼圈兴趣区域中的黑眼圈区域。
可选地,所述处理模块920具体用于:将所述n类颜色中的第一颜色确定为所述黑眼圈感兴趣区域中的黑眼圈颜色;将所述n类颜色中的第二颜色确定为所述黑眼圈感兴趣区域中的基准肤色颜色。
可选地,所述第一颜色为所述n类颜色中去除噪声后最深的颜色,所述第二颜色为所述n类颜色中去除亮光后最浅的颜色。
可选地,所述处理模块920具体用于:若所述黑眼圈感兴趣区域中的第一像素点满足:
则所述第一像素点属于所述黑眼圈区域,其中,C为所述第一像素点,CD为所述黑眼圈颜色,CS为所述基准肤色颜色,T1为所述第一像素点相对所述黑眼圈颜色与所述基准肤色颜色的对比度。
可选地,所述黑眼圈感兴趣区域中的第一像素点满足:
CS-C>=T2
其中,C为所述第一像素点,CS为所述基准肤色颜色,T2表示人眼能够区分的两种颜色的最低对比度。
可选地,所述基准肤色颜色满足:
CS<T3或CS-CSi-1<=T4
中至少一项,其中,CS为所述基准肤色颜色,CS属于所述n类颜色中的第i类颜色,CSi-1为所述n类颜色中的第i-1类颜色,i为大于或等于1且小于或等于n的正整数,T3表示亮光区域颜色的最小值,T4表示所述第i类颜色与所述第i-1类颜色的差值。
可选地,所述处理模块920具体用于:去除所述待处理图像中的睫毛区域;提取已去除睫毛区域的所述待处理图像中的所述黑眼圈感兴趣区域。
可选地,所述处理模块920具体用于:提取所述黑眼圈区域的特征,所述特征包括所述黑眼圈区域的对比度、所述黑眼圈区域的面积或所述黑眼圈区域的方差中的至少一项;根据所述特征,通过模式识别方法评价黑眼圈的严重程度。
可选地,所述处理模块920具体用于:根据所述n类颜色中颜色最深区域的位置和/或所述黑眼圈区域的颜色,确定黑眼圈的类型。
可选地,所述黑眼圈区域包括j个区域,所述j个区域与所述n类颜色中的j类颜色一一对应,j为大于或等于1且小于n的整数,所述处理模块920还用于:提取所述j类颜色中每类颜色的Y值、CR值、CB值,其中,所述Y值表示所述每类颜色的亮度、所述CR值表示所述每类颜色的红色分量与亮度的差值,所述CB值表示所述每类颜色的蓝色分量与亮度的差值;根据所述每类颜色的所述Y值、所述CR值、所述CB值,确定所述每类颜色对应的区域包括的黑眼圈的类型为色素型黑眼圈或血管型黑眼圈,其中,所述血管型黑眼圈包括红眼圈、深青色黑眼圈、浅青色黑眼圈、浅红色黑眼圈或蓝眼圈。
可选地,若所述黑眼圈感兴趣区域的中间区域的颜色深于所述黑眼圈颜色,所述中间区域的颜色深于其周围的颜色,且所述中间区域为非离散区域,则所述黑眼圈区域包括结构型黑眼圈。
可选地,若所述黑眼圈区域包括血管型黑眼圈、色素型黑眼圈或结构型黑眼圈中的至少两种类型的黑眼圈,则所述黑眼圈区域内的黑眼圈为混合型黑眼圈。
应理解,本申请实施例中的处理器可以为中央处理单元(central processingunit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(digital signalprocessor,DSP)、专用集成电路(application specific integrated circuit,ASIC)、现成可编程门阵列(field programmable gate array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
还应理解,本申请实施例中的存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(read-only memory,ROM)、可编程只读存储器(programmable ROM,PROM)、可擦除可编程只读存储器(erasable PROM,EPROM)、电可擦除可编程只读存储器(electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(random access memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的随机存取存储器(random accessmemory,RAM)可用,例如静态随机存取存储器(static RAM,SRAM)、动态随机存取存储器(DRAM)、同步动态随机存取存储器(synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(direct rambus RAM,DR RAM)。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质。半导体介质可以是固态硬盘。
应理解,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (15)
1.一种检测和评价黑眼圈的方法,其特征在于,包括:
获取待处理图像;
提取所述待处理图像中的黑眼圈感兴趣区域;
对所述黑眼圈感兴趣区域进行颜色聚类,以得到所述黑眼圈感兴趣区域中的n类颜色,n为正整数;
根据所述n类颜色,识别所述黑眼圈感兴趣区域内的黑眼圈区域;
基于所述黑眼圈区域获取黑眼圈评价结果,包括:
根据所述n类颜色中颜色最深区域的位置,确定黑眼圈的类型;
所述黑眼圈区域包括j个区域,所述j个区域与所述n类颜色中的j类颜色一一对应,j为大于或等于1且小于n的整数,所述方法还包括:
提取所述j类颜色中每类颜色的Y值、CR值、CB值,其中,所述Y值表示所述每类颜色的亮度、所述CR值表示所述每类颜色的红色分量与亮度的差值,所述CB值表示所述每类颜色的蓝色分量与亮度的差值;
根据所述每类颜色的所述Y值、所述CR值、所述CB值,确定所述每类颜色对应的区域包括的黑眼圈的类型为色素型黑眼圈或血管型黑眼圈,其中,所述血管型黑眼圈包括红眼圈、深青色黑眼圈、浅青色黑眼圈、浅红色黑眼圈或蓝眼圈;
所述根据所述n类颜色,识别所述黑眼圈感兴趣区域内的黑眼圈区域,包括:
根据所述n类颜色确定黑眼圈颜色和基准肤色颜色;
根据所述黑眼圈颜色和所述基准肤色颜色,确定所述黑眼圈兴趣区域中的黑眼圈区域,包括:
若所述黑眼圈感兴趣区域中的第一像素点满足:
则所述第一像素点属于所述黑眼圈区域,其中,C为所述第一像素点,CD为所述黑眼圈颜色,CS为所述基准肤色颜色,T1为所述第一像素点相对所述黑眼圈颜色与所述基准肤色颜色的对比度;
所述黑眼圈感兴趣区域中的第一像素点满足:
CS-C>=T2
其中,C为所述第一像素点,CS为所述基准肤色颜色,T2表示人眼能够区分的两种颜色的最低对比度;
所述基准肤色颜色满足:
CS<T3或CS-CSi-1<=T4
中至少一项,其中,CS为所述基准肤色颜色,CS属于所述n类颜色中的第i类颜色,CSi-1为所述n类颜色中的第i-1类颜色,i为大于或等于1且小于或等于n的正整数,T3表示亮光区域颜色的最小值,T4表示所述第i类颜色与所述第i-1类颜色的差值。
2.根据权利要求1所述的方法,其特征在于,所述根据所述n类颜色确定黑眼圈颜色和基准肤色颜色,包括:
将所述n类颜色中的第一颜色确定为所述黑眼圈感兴趣区域中的黑眼圈颜色;
将所述n类颜色中的第二颜色确定为所述黑眼圈感兴趣区域中的基准肤色颜色。
3.根据权利要求2所述的方法,其特征在于,所述第一颜色为所述n类颜色中去除噪声后最深的颜色,所述第二颜色为所述n类颜色中去除亮光后最浅的颜色。
4.根据权利要求1至3中任一项所述的方法,其特征在于,所述提取所述待处理图像中的黑眼圈感兴趣区域,包括:
去除所述待处理图像中的睫毛区域;
提取已去除睫毛区域的所述待处理图像中的所述黑眼圈感兴趣区域。
5.根据权利要求1至3中任一项所述的方法,其特征在于,所述基于所述黑眼圈区域获取黑眼圈评价结果,包括:
提取所述黑眼圈区域的特征,所述特征包括所述黑眼圈区域的对比度、所述黑眼圈区域的面积或所述黑眼圈区域的方差中的至少一项;
根据所述特征,通过模式识别方法评价黑眼圈的严重程度。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若所述黑眼圈感兴趣区域的中间区域的颜色深于所述黑眼圈颜色,所述中间区域的颜色深于其周围的颜色,且所述中间区域为非离散区域,则所述黑眼圈区域包括结构型黑眼圈。
7.根据权利要求1或6所述的方法,其特征在于,所述方法还包括:
若所述黑眼圈区域包括血管型黑眼圈、色素型黑眼圈或结构型黑眼圈中的至少两种类型的黑眼圈,则所述黑眼圈区域内的黑眼圈为混合型黑眼圈。
8.一种检测和评价黑眼圈的装置,其特征在于,包括:
获取模块,用于获取待处理图像;
处理模块,用于提取所述待处理图像中的黑眼圈感兴趣区域;
所述处理模块,用于对所述黑眼圈感兴趣区域进行颜色聚类,以得到所述黑眼圈感兴趣区域中的n类颜色,n为正整数;
所述处理模块,用于根据所述n类颜色,识别所述黑眼圈感兴趣区域内的黑眼圈区域;
所述处理模块,用于基于所述黑眼圈区域获取黑眼圈评价结果;
所述处理模块,具体用于根据所述n类颜色中颜色最深区域的位置,确定黑眼圈的类型;
所述黑眼圈区域包括j个区域,所述j个区域与所述n类颜色中的j类颜色一一对应,j为大于或等于1且小于n的整数,所述处理模块还用于:提取所述j类颜色中每类颜色的Y值、CR值、CB值,其中,所述Y值表示所述每类颜色的亮度、所述CR值表示所述每类颜色的红色分量与亮度的差值,所述CB值表示所述每类颜色的蓝色分量与亮度的差值;根据所述每类颜色的所述Y值、所述CR值、所述CB值,确定所述每类颜色对应的区域包括的黑眼圈的类型为色素型黑眼圈或血管型黑眼圈,其中,所述血管型黑眼圈包括红眼圈、深青色黑眼圈、浅青色黑眼圈、浅红色黑眼圈或蓝眼圈;
所述处理模块具体用于:
根据所述n类颜色确定黑眼圈颜色和基准肤色颜色;
根据所述黑眼圈颜色和所述基准肤色颜色,确定所述黑眼圈兴趣区域中的黑眼圈区域;
所述处理模块具体用于:
若所述黑眼圈感兴趣区域中的第一像素点满足:
则所述第一像素点属于所述黑眼圈区域,其中,C为所述第一像素点,CD为所述黑眼圈颜色,CS为所述基准肤色颜色,T1为所述第一像素点相对所述黑眼圈颜色与所述基准肤色颜色的对比度;
所述黑眼圈感兴趣区域中的第一像素点满足:
CS-C>=T2
其中,C为所述第一像素点,CS为所述基准肤色颜色,T2表示人眼能够区分的两种颜色的最低对比度;
所述基准肤色颜色满足:
CS<T3或CS-CSi-1<=T4
中至少一项,其中,CS为所述基准肤色颜色,CS属于所述n类颜色中的第i类颜色,CSi-1为所述n类颜色中的第i-1类颜色,i为大于或等于1且小于或等于n的正整数,T3表示亮光区域颜色的最小值,T4表示所述第i类颜色与所述第i-1类颜色的差值。
9.根据权利要求8所述的装置,其特征在于,所述处理模块具体用于:
将所述n类颜色中的第一颜色确定为所述黑眼圈感兴趣区域中的黑眼圈颜色;
将所述n类颜色中的第二颜色确定为所述黑眼圈感兴趣区域中的基准肤色颜色。
10.根据权利要求9所述的装置,其特征在于,所述第一颜色为所述n类颜色中去除噪声后最深的颜色,所述第二颜色为所述n类颜色中去除亮光后最浅的颜色。
11.根据权利要求8至10中任一项所述的装置,其特征在于,所述处理模块具体用于:
去除所述待处理图像中的睫毛区域;
提取已去除睫毛区域的所述待处理图像中的所述黑眼圈感兴趣区域。
12.根据权利要求8至10中任一项所述的装置,其特征在于,所述处理模块具体用于:
提取所述黑眼圈区域的特征,所述特征包括所述黑眼圈区域的对比度、所述黑眼圈区域的面积或所述黑眼圈区域的方差中的至少一项;
根据所述特征,通过模式识别方法评价黑眼圈的严重程度。
13.根据权利要求8所述的装置,其特征在于,若所述黑眼圈感兴趣区域的中间区域的颜色深于所述黑眼圈颜色,所述中间区域的颜色深于其周围的颜色,且所述中间区域为非离散区域,则所述黑眼圈区域包括结构型黑眼圈。
14.根据权利要求8或13所述的装置,其特征在于,若所述黑眼圈区域包括血管型黑眼圈、色素型黑眼圈或结构型黑眼圈中的至少两种类型的黑眼圈,则所述黑眼圈区域内的黑眼圈为混合型黑眼圈。
15.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储用于检测和评价黑眼圈的装置执行的程序代码,所述程序代码包括用于执行权利要求1至7中任一项所述的方法的指令。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811446411.8A CN111241889B (zh) | 2018-11-29 | 2018-11-29 | 检测和评价黑眼圈的方法和装置 |
EP19891460.8A EP3879437B1 (en) | 2018-11-29 | 2019-11-15 | Method and apparatus for detecting and evaluating dark circles |
US17/297,684 US11779264B2 (en) | 2018-11-29 | 2019-11-15 | Dark circle detection and evaluation method and apparatus |
PCT/CN2019/118635 WO2020108322A1 (zh) | 2018-11-29 | 2019-11-15 | 检测和评价黑眼圈的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811446411.8A CN111241889B (zh) | 2018-11-29 | 2018-11-29 | 检测和评价黑眼圈的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111241889A CN111241889A (zh) | 2020-06-05 |
CN111241889B true CN111241889B (zh) | 2023-05-12 |
Family
ID=70854358
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811446411.8A Active CN111241889B (zh) | 2018-11-29 | 2018-11-29 | 检测和评价黑眼圈的方法和装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11779264B2 (zh) |
EP (1) | EP3879437B1 (zh) |
CN (1) | CN111241889B (zh) |
WO (1) | WO2020108322A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113128377B (zh) * | 2021-04-02 | 2024-05-17 | 西安融智芙科技有限责任公司 | 基于图像处理的黑眼圈识别方法、黑眼圈识别装置及终端 |
US20230196835A1 (en) * | 2021-12-16 | 2023-06-22 | The Gillette Company Llc | Digital imaging systems and methods of analyzing pixel data of an image of a skin area of a user for determining dark eye circles |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007097178A (ja) * | 2005-09-29 | 2007-04-12 | Pentax Corp | 顔検出による赤目の除去方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150313532A1 (en) * | 2007-01-05 | 2015-11-05 | Sava Marinkovich | Method and system for managing and quantifying sun exposure |
TW201106919A (en) * | 2009-08-21 | 2011-03-01 | Jian-Han Chen | Method for measuring and identifying dark cycles under eyes |
JP6297941B2 (ja) * | 2014-07-18 | 2018-03-20 | 富士フイルム株式会社 | うるおい感評価装置、うるおい感評価装置の作動方法およびうるおい感評価プログラム |
US9760762B2 (en) * | 2014-11-03 | 2017-09-12 | Anastasia Soare | Facial structural shaping |
EP3017755A1 (en) | 2014-11-04 | 2016-05-11 | Samsung Electronics Co., Ltd. | Electronic device, and method for analyzing face information in electronic device |
WO2017112913A1 (en) * | 2015-12-23 | 2017-06-29 | Gauss Surgical, Inc. | System and method for estimating an amount of a blood component in a volume of fluid |
US20170246473A1 (en) * | 2016-02-25 | 2017-08-31 | Sava Marinkovich | Method and system for managing treatments |
CN105844242A (zh) * | 2016-03-23 | 2016-08-10 | 湖北知本信息科技有限公司 | 图像中的肤色检测方法 |
JP6421794B2 (ja) * | 2016-08-10 | 2018-11-14 | カシオ計算機株式会社 | 画像処理装置、画像処理方法及びプログラム |
CN107392841B (zh) * | 2017-06-16 | 2020-04-24 | Oppo广东移动通信有限公司 | 人脸区域中黑眼圈消除方法、装置及终端 |
CN108830184B (zh) * | 2018-05-28 | 2021-04-16 | 厦门美图之家科技有限公司 | 黑眼圈识别方法及装置 |
-
2018
- 2018-11-29 CN CN201811446411.8A patent/CN111241889B/zh active Active
-
2019
- 2019-11-15 US US17/297,684 patent/US11779264B2/en active Active
- 2019-11-15 WO PCT/CN2019/118635 patent/WO2020108322A1/zh unknown
- 2019-11-15 EP EP19891460.8A patent/EP3879437B1/en active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007097178A (ja) * | 2005-09-29 | 2007-04-12 | Pentax Corp | 顔検出による赤目の除去方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3879437A4 (en) | 2021-12-29 |
EP3879437B1 (en) | 2024-02-07 |
US11779264B2 (en) | 2023-10-10 |
EP3879437A1 (en) | 2021-09-15 |
US20220019765A1 (en) | 2022-01-20 |
CN111241889A (zh) | 2020-06-05 |
WO2020108322A1 (zh) | 2020-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6778247B2 (ja) | 眼球血管および顔認識のための画像および特徴品質、画像強化および特徴抽出、ならびにバイオメトリックシステムのための眼球血管と顔領域および/またはサブ顔領域との融合 | |
CN106326832A (zh) | 基于物体区域处理图像的装置及方法 | |
CN110826418B (zh) | 脸部特征提取方法及装置 | |
US9633284B2 (en) | Image processing apparatus and image processing method of identifying object in image | |
CN111241889B (zh) | 检测和评价黑眼圈的方法和装置 | |
CN111353404A (zh) | 一种人脸识别方法、装置及设备 | |
CN107256543A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN113302619A (zh) | 目标区域评估和特征点评估的***和方法 | |
CN108595942A (zh) | 应用程序的安全控制方法、装置及移动终端、存储介质 | |
Nguyen et al. | Face presentation attack detection based on a statistical model of image noise | |
Sharma et al. | System for Disease detection by analyzing fingernails Color and Texture | |
Bobeldyk et al. | Predicting eye color from near infrared iris images | |
CN113379716B (zh) | 一种色斑预测方法、装置、设备及存储介质 | |
CN111292296B (zh) | 一种基于眼部识别模型的训练集获取方法及设备 | |
CN108711157A (zh) | 一种基于计算机视觉的前景物体提取解决方法 | |
KR20220027769A (ko) | 상황 적응적인 블로킹을 사용한 개인 정보 보호 방법 | |
Rout et al. | Transition region based approach for skin lesion segmentation | |
CN112070771A (zh) | 基于hs通道的自适应阈值分割方法、装置和存储介质 | |
Mishra et al. | An information geometry based scheme for hard exudate detection in fundus images | |
Gide et al. | Visual attention quality database for benchmarking performance evaluation metrics | |
NL2024816B1 (en) | Detection method for detecting an occlusion of an eye region in an image | |
Noaica et al. | Iris Segmentation in the Last Decade–A Survey | |
CN111898512A (zh) | 一种指纹识别方法及装置 | |
CN114255491A (zh) | 眼睛遮挡判断方法、装置、计算机可读存储介质及设备 | |
CN116524605A (zh) | 活体检测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210419 Address after: Unit 3401, unit a, building 6, Shenye Zhongcheng, No. 8089, Hongli West Road, Donghai community, Xiangmihu street, Futian District, Shenzhen, Guangdong 518040 Applicant after: Honor Device Co.,Ltd. Address before: 518129 Bantian HUAWEI headquarters office building, Longgang District, Guangdong, Shenzhen Applicant before: HUAWEI TECHNOLOGIES Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |