CN112084965A - 一种头皮头发检测装置及*** - Google Patents
一种头皮头发检测装置及*** Download PDFInfo
- Publication number
- CN112084965A CN112084965A CN202010956642.4A CN202010956642A CN112084965A CN 112084965 A CN112084965 A CN 112084965A CN 202010956642 A CN202010956642 A CN 202010956642A CN 112084965 A CN112084965 A CN 112084965A
- Authority
- CN
- China
- Prior art keywords
- hair
- scalp
- image
- scalp hair
- module
- 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.)
- Granted
Links
- 210000004209 hair Anatomy 0.000 title claims abstract description 307
- 210000004761 scalp Anatomy 0.000 title claims abstract description 273
- 238000001514 detection method Methods 0.000 title claims abstract description 115
- 238000005516 engineering process Methods 0.000 claims abstract description 9
- 238000001228 spectrum Methods 0.000 claims abstract description 9
- 238000012549 training Methods 0.000 claims description 26
- 210000003128 head Anatomy 0.000 claims description 17
- 238000013135 deep learning Methods 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 8
- 231100000640 hair analysis Toxicity 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 6
- 230000007547 defect Effects 0.000 abstract description 6
- 238000012544 monitoring process Methods 0.000 abstract description 6
- 238000012545 processing Methods 0.000 abstract description 5
- 238000000034 method Methods 0.000 description 16
- 206010016936 Folliculitis Diseases 0.000 description 10
- 208000001840 Dandruff Diseases 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000003803 hair density Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 210000003491 skin Anatomy 0.000 description 4
- 201000004384 Alopecia Diseases 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 3
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 206010020751 Hypersensitivity Diseases 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000003676 hair loss Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000007935 neutral effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 206010002198 Anaphylactic reaction Diseases 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 206010013786 Dry skin Diseases 0.000 description 1
- 206010039792 Seborrhoea Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 208000026935 allergic disease Diseases 0.000 description 1
- 208000030961 allergic reaction Diseases 0.000 description 1
- 230000007815 allergy Effects 0.000 description 1
- 231100000360 alopecia Toxicity 0.000 description 1
- 208000003455 anaphylaxis Diseases 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 210000003780 hair follicle Anatomy 0.000 description 1
- 208000024963 hair loss Diseases 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007794 irritation Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000037307 sensitive skin Effects 0.000 description 1
- 239000002453 shampoo Substances 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 230000003813 thin hair Effects 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种头皮头发检测装置及***,该装置包括:图像获取模块、特征识别模块和结果获取模块。头皮头发检测装置通过获取检测主机采集的图像,通过预设特征识别模型对头皮头发图像的特征进行识别,然后将识别到的特征信息输入至预设头皮头发状态识别模型中,预设头皮头发状态识别模型输出头皮头发状态结果。与现有技术采用单点监测、人工解读头皮头发状态结果相比,本发明通过对头皮头发图像利用光谱识别技术得到各区域头皮头发图像的特征信息并对特征信息进行处理,得到头皮头发检测结果,克服了现有技术无法客观、准确的得到头皮头发状态的缺陷,从而客观、准确的实现了头皮头发的状态检测。
Description
技术领域
本发明涉及头皮头发检测领域,尤其涉及一种头皮头发检测装置及***。
背景技术
头皮属于人体的敏感皮肤之一,在生活中受头皮头发问题困扰的人不在少数,许多人都存在头皮过敏、毛囊炎、头皮屑和脱发等问题。在现实中只有少部分头皮头发问题比较严重的人会寻求医生的帮助,而大部分的消费者会自行选择购买头皮头发保养品,用于改善头皮或头发的质量。市场上的洗发水有一部分是化学刺激性较高的产品,长时间使用这类产品会导致化学性物质伤害到头皮上的毛囊,部分残留物会在头皮上造成堆积阻塞,从而产生各类头皮头发问题。
在现在的市面上有许多连锁的美发机构从业者与毛发管理中心,针对头发做的检测很多都是通过单点拍照的方式对头皮进行拍照,以人工解读的方式得到受测者的头皮头发的状态,这样的方式往往受解读者的主观意识影响,无法得到客观准确的结果,导致受测者无法正确的了解到自己的头皮头发状况。如何客观、准确的检测头皮头发的状态是亟需解决的问题。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种头皮头发检测装置及***,旨在解决现有技术中对头皮头发检测结果易受主观因素影响而且检测不准确以使消费者无法了解自己的头皮头发状态的技术问题。
为实现上述目的,本发明提供一种头皮头发检测装置,所述头皮头发检测装置包括:
图像获取模块,用于获取检测主机采集的头皮头发图像;
特征识别模块,用于通过预设特征识别模型对所述头皮头发图像的特征进行识别,以获得各头皮头发图像对应的特征信息;
结果获取模块,用于将所述特征信息输入至预设头皮头发状态识别模型中,并获取模型输出的头皮头发检测结果。
优选的,所述图像获取模块,还用于获取电子设备采集的头部全景图像;
所述特征识别模块,还用于根据所述头皮头发图像和所述头部全景图像,获取所述头皮头发图像中相邻发根之间的发根距离,将所述发根距离和预设发根稀疏距离进行比较,获得比较结果;
所述结果获取模块,还用于根据所述比较结果,确定头皮头发检测结果。
优选的,所述特征识别模块,还用于根据所述头皮头发图像确定各头发的发根位置,根据所述发根位置确定所述头皮头发图像中的相邻发根,并获取所述相邻发根之间的发根距离。
优选的,所述装置还包括:模型训练模块;
所述模型训练模块,用于获取模型训练集,根据所述模型训练集通过通过深度学习算法对初始特征识别模型或初始头皮头发状态识别模型进行迭代训练,获取预设特征识别模型或预设头皮头发状态识别模型,所述模型训练集中包含不同头皮头发的特征信息图像。
优选的,所述特征信息包括:头皮特征信息或头发特征信息;
相应的,所述头皮头发检测结果包括:头皮检测结果或头发检测结果;
所述结果获取模块,用于将所述头皮特征信息输入至预设头皮头发状态识别模型中,并获取模型输出的头皮检测结果;
或,所述结果获取模块,用于将所述头发特征信息输入至预设头皮头发状态识别模型中,并获取模型输出的头发检测结果。
优选的,所述装置还包括:图像优化模块;
所述图像优化模块,用于通过高斯模糊算法对所述各区域头皮头发图像进行降噪,获得各头皮头发图像对应的降噪图像,通过锐化算法对所述各区域头皮头发图像对应的降噪图像进行优化,获取各头皮头发图像的优化图像;
相应的,特征识别模块,用于通过预设光谱识别技术对所述各区域头皮头发图像的优化图像进行识别,获取各区域头皮头发图像对应的特征信息。
优选的,所述装置还包括:存储模块;所述存储模块,用于存储所述头皮检测结果或所述头发检测结果。
此外,本发明还提供一种头皮头发检测***,所述头皮头发检测***包含上述的头皮头发检测装置。
优选的,所述头皮头发检测***还包括:检测主机和电子设备;
其中,所述检测主机,用于采集的头皮头发图像,并将所述头皮头发图像发送至头皮头发检测装置;
所述电子设备,用于采集头部全景图像,并将所述头皮头发图像发送至头皮头发检测装置。
优选的,所述电子设备还用于对头皮头发检测结果进行展示。
本发明中,提供一种头皮头发检测装置及***,通过获取检测主机采集的图像,预设特征识别模型对头皮头发图像的特征进行识别,然后将识别到的特征信息输入至预设头皮头发状态识别模型中,根据预设头皮头发状态识别模型输出头皮头发状态结果。与现有技术采用单点监测、人工解读头皮头发状态结果相比,本发明通过对头皮头发图像利用光谱识别技术得到特征信息并对特征信息进行处理,得到头皮头发检测结果,克服了现有技术无法客观、准确的得到头皮头发状态的缺陷,从而客观、准确的实现了头皮头发的状态检测。
附图说明
图1是本发明头皮头发检测装置第一实施例的装置结构框图;
图2为本发明头皮头发检测装置第二实施例的装置结构框图;
图3为本发明头皮头发检测装置第三实施例的装置结构框图;
图4为本发明一种头皮头发检测***第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参照图1,图1是本发明头皮头发检测装置第一实施例的装置结构框图。
如图1所示,所述头皮头发检测装置包括:图像获取模块10,特征识别模块20,结果获取模块30。
所述图像获取模块10,用于获取检测主机采集的头皮头发图像。
需要说明的是,获取检测主机采集的头皮头发图像包括检测主机采集的头皮图像和/或头发图像,其中的图像为头皮或头发的多个区域图像。
结合图4,需要说明的是,检测主机200为头皮头发图像采集设备,所述检测主机200与头皮头发检测装置100通过有线或无线的方式连接,检测主机200包括第一摄影模块2001,所述的第一摄影模块2001包括两种可更换的镜头,头皮放大镜头与头发放大镜头。第一摄影模块2001在采集头皮图像时,使用预设倍数的头皮放大镜与辅助光源组2002进行采集,且一次采集不同光源下的三张图像,所述预设倍数的头皮放大镜可以为50倍头皮放大镜、70倍头皮放大镜或其他倍数的头皮放大镜;第一摄影模块2001在采集头发图像时,使用预设倍数的头发放大镜对头发的发根、发中和发尖图像进行采集,预设倍数的头发放大镜可以为200倍头发放大镜、500倍头发放大镜或其他倍数的头发放大镜。
可以理解的是,头皮头发检测装置100需要接收检测主机200采集的头皮头发图像或者通过向检测主机200以发送图像获取指令的形式来获取检测主机200采集的头皮头发图像,然后进行后续操作。
需要说明的是,所述特征信息包括:头皮特征信息或头发特征信息;所述头皮头发检测结果包括:头皮检测结果或头发检测结果。在获取头皮检测结果时,结果获取模块将所述头皮特征信息输入至预设头皮头发状态识别模型中,输出的头皮检测结果;在获取头发检测结果时,结果获取模块将所述头发特征信息输入至预设头皮头发状态识别模型中,输出的头发检测结果。
所述特征识别模块20,用于通过预设特征识别模型对所述头皮头发图像的特征进行识别,以获得各头皮头发图像对应的特征信息。
需要说明的是,本实施例通过三光谱识别技术对头皮头发图像的特征进行识别,在检测主机200采集头皮头发图像时,可在不同的光源下对头皮头发图像进行采集。
在识别头皮类型时,由于头皮类型主要表征为头皮出现油渍以及出现油渍的程度,因此在识别头皮类型特征时,主要以识别各区域图像出现的油渍以及出现油渍的程度为主。
在识别头皮屑时,由于头皮屑主要表征为数量不等的白色区块状出现在头皮之上,并有很大的机率伴随头发出现,因此识别头皮屑特征时,在日常光的照射下,主要以寻找肤色区域内所存在的头发区域周围的白色区块面积为主。
在识别头皮敏感即过敏反应时,由于当头皮产生敏感之时,在偏振光的照射下会产生产生大块血红色区域,因此在识别头皮敏感时,在偏振光的照射下,主要以寻找头皮区域内寻找大块血红色区域为主。
在识别毛囊炎时,由于当头皮发生毛囊炎的情况时,在紫外光的照射下,以数量众多的小红点呈现,因此识别毛囊炎时,在紫外光的照射下,主要以寻找肤色区域内所存在的红色区块面积为主。
在识别头发毛鳞片时,由于头发毛鳞片在单光源照射下有亮泽并且头发平顺,因此识别头发毛鳞片时,在单光照射下,主要以识别头发的亮泽和平顺程度为主。
所述结果获取模块30,用于将所述各头皮头发图像对应的特征信息输入至预设头皮头发状态识别模型中,并获取模型输出的头皮头发检测结果。
需要说明的是,预设头皮头发状态识别模型由深度学习算法对未训练的神经网络模型进行训练得到。
可以理解的是,将所述各头皮头发图像对应的特征信息输入至预设头皮头发状态识别模型中,然后由预设头皮头发状态识别模型根据各头皮头发图像对应的特征信息进行输出,得到头皮头发检测结果。
具体检测结果获取如下:在获取头皮类型检测结果时,预设头皮头发状态识别模型根据识别各区域图像出现的油渍以及出现油渍的程度,输出图像中头皮的类型为:干性头皮、中性头皮或油性头皮。
在获取头皮屑检测结果时,预设头皮头发状态识别模型根据日常光的照射下,肤色区域内所存在的头发区域周围的白色区块面积,输出图像中头屑异常程度为:头皮屑程度严重、头皮屑程度一般或头皮屑程度良好。
在获取敏感即过敏反应检测结果时,预设头皮头发状态识别模型根据偏振光的照射下会产生产生大块血红色区域的数量和面积,输出图像中头皮敏感异常程度为:敏感程度严重、敏感程度一般或敏感程度良好。
在获取毛囊炎检测结果时,预设头皮头发状态识别模型根据紫外光的照射下,肤色区域内所存在的数量众多的小红点,输出头皮毛囊炎程度为:毛囊炎程度严重、毛囊炎程度一般或毛囊炎程度良好。
在获取疏密度检测结果时,预设头皮头发状态识别模型根据相邻发根之间的发根距离与预设发根稀疏距离进行比较,输出头发疏密度检测结果为:头发稀疏、头发正常或头发密。
在获取头发毛鳞片检测结果时,预设头皮头发状态识别模型根据单光源照射下头发亮泽程度和头发平顺程度,输出头发毛鳞片异常检测结果为:头发毛鳞片异常严重、头发毛鳞片异常一般或头发毛鳞片异常轻微。
本实施例提供一种头皮头发检测装置100,通过获取检测主机200采集的图像,预设特征识别模型对头皮头发图像的特征进行识别,然后将识别到的特征信息输入至预设头皮头发状态识别模型中,根据预设头皮头发状态识别模型输出头皮头发状态结果。与现有技术采用单点监测、人工解读头皮头发状态结果相比,本实施例通过对头皮头发图像利用光谱识别技术得到特征信息并对特征信息进行处理,得到头皮头发检测结果,克服了现有技术无法客观、准确的得到头皮头发状态的缺陷,从而客观、准确的实现了头皮头发的状态检测。
如图2所示,图2为本发明头皮头发检测装置第二实施例的装置结构框图,基于第一实施例本发明提出第二实施例进行说明。
在第二实施例中,头皮头发检测装置还包括:距离计算模块40与距离比较模块50。
所述图像获取模块10,还用于获取电子设备300采集的头部全景图像。
结合图4,需要说明的是,所述电子设备300为头部全景图像的采集设备,结合图4,所述电子设备300包含第二摄影模块3001,所述的第二摄影模块3001用于采集头部全景图像。
需要说明的是,所述头部全景图像用于简单的确定头发的疏密度。根据头部全景图像可以得到该受测者的头部是否存在局部头发脱落严重结果。例如某个男性受测者,根据头部全景图像可以很容易判断出是否存在秃顶的情况,进而可以简单的确定头发的疏密度。
所述距离计算模块40,用于计算相邻发根之间的欧式距离。
需要说明的是,欧式距离是一个通常采用的距离定义,指在多维空间中两个点之间的真实距离,或者向量的自然长度即该点到原点的距离。在二维和三维空间中的欧氏距离就是两点之间的实际距离。
需要说明的是,本实施例在确定相邻发根时,可以是以任意一发根为原点建立坐标系,以坐标系最小的距离单位倍数为半径,依次画出半径逐渐扩大的同心圆,根据画出的同心圆确定该发根不同方向上的相邻发根和各个发根的坐标。
可以理解的是,所述计算相邻发根之间的欧式距离是根据确定的相邻发根和各个发根在坐标系内的坐标,根据多维空间的欧式距离计算可以得到乡里发根之间的欧式距离。根据整个区域的相邻发根之间的欧式距离可以计算得到相邻发根之间欧氏距离的平均值。
所述距离比较模块50,用于相邻发根之间的欧式距离的平均值和预设发根稀疏距离进行比较。
需要说明的是,所述预设发根稀疏距离是一个预先设定的阈值,所述的阈值可以将发根分为稀疏、正常和密三个等级。例如预设发根稀疏距离为[0.1~0.3mm]包括端点值,计算出相邻发根之间的欧式距离的平均值,比较欧式距离的平均值是否小于0.1mm、属于0.1~0.3mm之间或大于0.3mm,可以得到相邻发根之间的欧式距离的平均值和预设发根稀疏距离的比较结果。
所述结果获取模块40,根据比较的结果便可以得到所述头发疏密度的结果。
本实施例提供一种头皮头发检测装置100,通过获取检测主机200采集的头皮头发图像与电子设备300采集的头部全景图像,并对区域图像和全景图像进行特征识别、计算和比较,然后得到头发疏密度的结果。与现有技术采用单点监测,人工解读头皮状态结果相比,本实施例通过对头皮头发图像利用光谱识别技术得到各区域的特征信息,并对特征信息进行计算和比较,得到头发疏密度检测结果,克服了现有技术无法客观准确的得到头皮头发状态,从而客观、准确的实现了头皮头发的状态检测。
如图3所示,图3为本发明头皮头发检测装置第三实施例的装置结构框图,基于第一实施例与第二实施例提出第三实施例,所述第三实施例以第一实施例为基础进行说明。
在第三实施例中,头皮头发检测装置还包括:模型训练模块60、图像优化模块70和存储模块80。
所述模型训练模块60,用于获取模型训练集,根据所述模型训练集通过通过深度学习算法对初始特征识别模型或初始头皮头发状态识别模型进行迭代训练,获取预设特征识别模型或预设头皮头发状态识别模型,所述模型训练集中包含不同头皮头发的特征信息图像。
可以理解的是,模型训练集为不同头皮头发的特征信息图像的集合。集合中的图像包括不同检测维度的头皮头发的特征信息图像,具体的图像包括:稀疏、正常和密三种维度的头发疏密度图像;干性、中性和油性三种纬度的头皮类型图像;严重、一般和良好三种纬度的头皮屑、头皮敏感与头皮毛囊炎图像;严重、一般和轻微三种纬度的头发毛鳞片图像;每个维度等级图像至少500张。
需要说明的是,深度学习算法是基于神经网络的机器学习。区别于传统的机器学习,深度学习需要更多样本,换来更少的人工标注和更高的准确率。深度学习利用深度来取代广度,进一步降低参数,提高拟合能力,大多数情况下采用深度学习算法机器都比传统算法学习机器表现好。在本实施例中根据卷积神经网络对模型进行训练,卷积神经网络是一类包含卷积计算且具有深度结构的前馈神经网络,是深度学习的代表算法之一。迭代法也称辗转法,是一种不断用变量的旧值递推新值的过程,跟迭代法相对应的是直接法,即一次性解决问题。迭代算法是用计算机解决问题的一种基本方法,它利用计算机运算速度快、适合做重复性操作的特点,让计算机对一组指令或一定步骤进行重复执行,在每次执行这组指令或这些步骤时,都从变量的原值推出它的一个新值。
需要说明的是,模型训练模块60包括训练单元与检测单元,训练单元通过神经网络模型对特征识别模型进行识别训练,并通过深度学习算法对头皮头发状态识别模型进行训练,检测单元对特征识别模型和头皮头发状态识别模型的识别结果准确度进行检测,在准确度较低的情况下采取迭代法继续对头皮头发状态识别模型进行识别训练,直至特征识别模型和头皮头发状态识别模型的识别结果准确度达到标准,将准确度达到标准的头皮头发状态识别模型作为预设头皮头发状态识别模型。
所述图像优化模块70通过高斯模糊算法对所述各头皮头发图像进行降噪,获得各头皮头发图像降噪图像,然后通过锐化算法对所述各头皮头发图像降噪图像进行优化,获取各头皮头发图像的优化图像。
需要说明的是,高斯模糊算法中“模糊”可以理解成每一个像素都取周边像素的平均值。图像都是连续的,越靠近的点关系越密切,越远离的点关系越疏远,因此在这里使用加权平均更合理,距离越近的点权重越大,距离越远的点权重越小。通过高斯模糊算法可以将所述各头皮头发图像进行降噪,获得各头皮头发图像降噪图像。
需要说明的是,锐化算法就是将原图减去高斯模糊算法得到的降噪图像得到一些边缘轮廓信息与细节信息,然后将这些边缘轮廓信息与细节信息添加到原图,从而实现对特征信息的锐化。通过锐化算法将各头皮头发图像图像的特征信息进行锐化,得到锐化后突出特征信息的各头皮头发图像优化图像。
所述存储模块80,用于存储所述头皮检测结果或所述头发检测结果。
需要说明的是,存储模块80用于存储头皮检测结果和/或头发检测结果。
需要说明的是,通过电子设备300安装的软件平台可以对所述存储模块80存储的头皮检测结果和头发检测结果进行调用展示。例如某个检测者可以通过手中的智能手机安装的软件平台上,通过输入相应的信息查询到之前头皮头发状态的检测结果,然后对多个头皮头发状态检测结果进行对比,可以明显的得到头皮头发的状态改善结果。
需要说明的是,在进行头皮头发检测之前,需要检测者输入相关的特征信息,以便头皮头发检测结果的分类存储与电子设备300的调用。
本实施例提供一种头皮头发检测装置100,通过获取检测主机200采集的图像,对采集的图像进行特征识别,然后将识别到的特征信息输入至预设头皮头发状态识别模型中,根据预设头皮头发状态识别模型输出结果。与现有技术采用单点监测、人工解读头皮头发状态结果相比,本实施例通过对头皮头发图像利用光谱识别技术得到各区域的特征信息,并对特征信息进行处理,得到头皮头发检测结果,克服了现有技术无法客观准确的得到头皮头发状态,从而客观、准确的实现了头皮头发的状态检测。
如图4,图4为本发明一种头皮头发检测***第一实施例的结构框图,本发明提出一种头皮头发状态检测***。
所述的头皮头发状态检测***包括:头皮头发检测装置100、检测主机200和电子设备300,所述头皮头发检测装置100、所述检测主机200和所述电子设备300之间相互连接,可实现数据传输。
所述头皮头发检测装置100在第一实施例、第二实施例和第三实施例中以具体说明,此处不再陈述。
所述检测主机200包括第一摄影模块2001、辅助光源组2002与发送模块2003。所述的第一摄影模块2001包括两种可更换的镜头,头皮放大镜头与头发放大镜头。辅助光源组2002为可发出正常光、偏振光和紫外光的光源组。检测主机200在采集头皮图像时,使用预设倍数的头皮放大镜与辅助光源组2002进行采集,一次采集不同光源下的三张图像,所述预设倍数的头皮放大镜包括50倍头皮放大镜、70倍头皮放大镜或其他倍数的头皮放大镜;在采集头发图像时,使用预设倍数的放大头发镜对头发的发根、发中和发尖进行采集,所述预设倍数的放大头发镜包括200倍放大头发镜、500倍放大头发镜或其他倍数的放大头发镜。所述发送模块2003,用于将采集到的头皮头发图像发送至头皮头发检测装置100。
需要说明的是,所述发送模块2003在检测主机200与电子设备300之间可通过WIFI模块进行无线连接,也可以通过是接口模块进行有线连接。
需要说明的是,检测者在检测头皮头发状态时,在第一摄影模块2001安装50倍的头皮放大镜打开辅助光源组2002进行采集,每种光源下对不同的部位进行拍摄,一次采集三张图像;在采集头发图像时,在第一摄影模块2001安装200被的头发放大镜对头发的发根、发中和发尖进行采集,一次采集三张。
需要说明的是,所述发送模块2003使用cmos芯片的光学***,将图像数据转换为电信号进行发送。cmos芯片的光学***,cmos芯片是固态图像传感器的一种,使用半导体材料制作的,将图像信号转换为电信号输出的器件,其工作的原理是基于电荷存储原理。p-n结反向充电,然后在光照条件下放电,放电速度随光照强度的不同而不同,经过一段时间的放电,每个像素上保留的电荷不一样,这样就是实现了光电转换,把图像信号由光学***聚集在p-n结像素阵列表面逐一扫描像素阵列,就能得到一幅图像的电信号。
需要说明的是,检测主机200还包括:开关按钮、采集按钮和开机指示灯。实际操作时,先按下检测主机200的电源开关,当外壳的开机指示灯恒亮,表示检测主机200启动完成,然后按下采集按钮进行头皮头发图像进行采集。
所述电子设备300包含第二摄影模块3001、发送模块3002和显示模块3003的设备,可以是智能手机、电脑或其他具有所述功能的设备,在此不做具体限定。所述的第二摄影模块3001用于采集头部全景图像,所述头部全景图像以能分辨头发为准;所述传输模块3002用于电子设备300与头皮头发检测装置100之间的数据传输;所述显示模块3003用于对头皮头发检测结果进行展示。
需要说明的是,电子设备300与头皮头发检测装置100之间的数据传输是相互的,电子设备300可将采集的头部全景图像发送到头皮头发检测装置100,头皮头发检测装置100可将头发头皮检测的结果发送到电子设备300,然后由电子设备300的显示模块3003进行展示。
需要说明的是,所述电子设备300安装有相应的软件平台,在采集头皮头发图像时,既可以通过检测主机200上的采集按钮实现,也可以在电子设备300上通过软件平台在远端实现采集。
本申请提供一种头皮头发检测***,由检测主机200与电子设备300进行图像采集,头皮头发检测装置100对获取的图像进行特征识别,然后将识别到的特征信息输入至预设头皮头发状态识别模型中,根据预设头皮头发状态识别模型输出头皮头发状态结果,并反馈至电子设备300进行展示。与现有技术采用单点监测,人工解读头皮头发状态结果相比,本实施例通过对头皮头发图像利用三光谱识别技术得到各区域图像的特征信息,并对特征信息进行处理,得到头皮头发检测结果,克服了现有技术无法客观准确的得到头皮状态,从而客观、准确的实现了头皮头发的状态检测。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者***不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者***所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者***中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献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(如只读存储器/随机存取存储器、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种头皮头发检测装置,其特征在于,所述头皮头发检测装置包括:
图像获取模块,用于获取检测主机采集的头皮头发图像;
特征识别模块,用于通过预设特征识别模型对所述头皮头发图像的特征进行识别,以获得各头皮头发图像对应的特征信息;
结果获取模块,用于将所述特征信息输入至预设头皮头发状态识别模型中,并获取模型输出的头皮头发检测结果。
2.如权利要求1所述的装置,其特征在于,所述图像获取模块,还用于获取电子设备采集的头部全景图像;
所述特征识别模块,还用于根据所述头皮头发图像和所述头部全景图像,获取所述头皮头发图像中相邻发根之间的发根距离,将所述发根距离和预设发根稀疏距离进行比较,获得比较结果;
所述结果获取模块,还用于根据所述比较结果,确定头皮头发检测结果。
3.如权利要求2所述的装置,其特征在于,所述特征识别模块,还用于根据所述头皮头发图像确定各头发的发根位置,根据所述发根位置确定所述头皮头发图像中的相邻发根,并获取所述相邻发根之间的发根距离。
4.如权利要求1所述的装置,其特征在于,所述装置还包括:模型训练模块;
所述模型训练模块,用于获取模型训练集,根据所述模型训练集通过通过深度学习算法对初始特征识别模型或初始头皮头发状态识别模型进行迭代训练,获取预设特征识别模型或预设头皮头发状态识别模型,所述模型训练集中包含不同头皮头发的特征信息图像。
5.如权利要求1所述的装置,其特征在于,所述特征信息包括:头皮特征信息或头发特征信息;
相应的,所述头皮头发检测结果包括:头皮检测结果或头发检测结果;
所述结果获取模块,用于将所述头皮特征信息输入至预设头皮头发状态识别模型中,并获取模型输出的头皮检测结果;
或,所述结果获取模块,用于将所述头发特征信息输入至预设头皮头发状态识别模型中,并获取模型输出的头发检测结果。
6.如权利要求1-5任意项所述的装置,其特征在于,所述装置还包括:图像优化模块;
所述图像优化模块,用于通过高斯模糊算法对所述各区域头皮头发图像进行降噪,获得各头皮头发图像对应的降噪图像,通过锐化算法对所述各区域头皮头发图像对应的降噪图像进行优化,获取各头皮头发图像的优化图像;
相应的,特征识别模块,用于通过预设光谱识别技术对所述各区域头皮头发图像的优化图像进行识别,获取各区域头皮头发图像对应的特征信息。
7.如权利要求5所述的装置,其特征在于,所述装置还包括:存储模块;所述存储模块,用于存储所述头皮检测结果或所述头发检测结果。
8.一种头皮头发检测***,其特征在于,所述头皮头发检测***包含如权利要求1-7任一项所述的头皮头发检测装置。
9.如权利要求8所述***,其特征在于,所述***还包括:检测主机和电子设备;
其中,所述检测主机,用于采集的头皮头发图像,并将所述头皮头发图像发送至头皮头发检测装置;
所述电子设备,用于采集头部全景图像,并将所述头皮头发图像发送至头皮头发检测装置。
10.如权利要求9所述***,其特征在于,所述电子设备还用于对头皮头发检测结果进行展示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010956642.4A CN112084965B (zh) | 2020-09-11 | 2020-09-11 | 一种头皮头发检测装置及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010956642.4A CN112084965B (zh) | 2020-09-11 | 2020-09-11 | 一种头皮头发检测装置及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112084965A true CN112084965A (zh) | 2020-12-15 |
CN112084965B CN112084965B (zh) | 2024-07-02 |
Family
ID=73737022
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010956642.4A Active CN112084965B (zh) | 2020-09-11 | 2020-09-11 | 一种头皮头发检测装置及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112084965B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112914516A (zh) * | 2021-03-25 | 2021-06-08 | 王宏鑫 | 一种头部植发区域的智能检测方法及头部辅助检测*** |
CN115346681A (zh) * | 2022-08-29 | 2022-11-15 | 北京云数智康医疗科技有限公司 | 一种头部植发手术成活率ai评估分析计算***及方法 |
US20230196552A1 (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 skin oiliness |
CN116664585A (zh) * | 2023-08-02 | 2023-08-29 | 瑞茜时尚(深圳)有限公司 | 基于深度学习的头皮健康状况检测方法及相关装置 |
TWI823143B (zh) * | 2021-09-13 | 2023-11-21 | 美科實業股份有限公司 | 智慧頭皮屑檢測系統與方法 |
CN117274155A (zh) * | 2023-07-26 | 2023-12-22 | 苏州城市学院 | 一种焊缝射线图像中文本字符检测与提取方法及*** |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200709075A (en) * | 2005-08-17 | 2007-03-01 | Chunghwa Telecom Co Ltd | Method and device for human face detection and recognition applied in configuration environment |
CN102103690A (zh) * | 2011-03-09 | 2011-06-22 | 南京邮电大学 | 一种自动的头发区域分割方法 |
CN106611160A (zh) * | 2016-12-15 | 2017-05-03 | 中山大学 | 一种基于卷积神经网络的图像头发识别方法及其装置 |
CN106901759A (zh) * | 2017-03-15 | 2017-06-30 | 陈沁舒 | 基于虹膜检测技术构建中学生精神压力检测***的方法 |
EP3342331A1 (en) * | 2016-12-29 | 2018-07-04 | Michal Pawel Kasprzak | Analysis unit and system for assessment of hair condition |
CN109074854A (zh) * | 2016-03-30 | 2018-12-21 | 夏普株式会社 | 计算机、信息处理方法以及网络*** |
CN109512384A (zh) * | 2017-09-18 | 2019-03-26 | 南台学校财团法人南台科技大学 | 头皮检测设备 |
WO2019120032A1 (zh) * | 2017-12-21 | 2019-06-27 | Oppo广东移动通信有限公司 | 模型构建方法、拍照方法、装置、存储介质及终端 |
CN109949279A (zh) * | 2019-03-06 | 2019-06-28 | 义乌市悦美科技有限公司 | 一种基于皮肤图像的年龄分析*** |
CN110298393A (zh) * | 2019-06-14 | 2019-10-01 | 深圳志合天成科技有限公司 | 一种基于深度学习的头发头皮健康状况检测方法 |
CN111428655A (zh) * | 2020-03-27 | 2020-07-17 | 厦门大学 | 一种基于深度学习的头皮检测方法 |
-
2020
- 2020-09-11 CN CN202010956642.4A patent/CN112084965B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200709075A (en) * | 2005-08-17 | 2007-03-01 | Chunghwa Telecom Co Ltd | Method and device for human face detection and recognition applied in configuration environment |
CN102103690A (zh) * | 2011-03-09 | 2011-06-22 | 南京邮电大学 | 一种自动的头发区域分割方法 |
CN109074854A (zh) * | 2016-03-30 | 2018-12-21 | 夏普株式会社 | 计算机、信息处理方法以及网络*** |
CN106611160A (zh) * | 2016-12-15 | 2017-05-03 | 中山大学 | 一种基于卷积神经网络的图像头发识别方法及其装置 |
EP3342331A1 (en) * | 2016-12-29 | 2018-07-04 | Michal Pawel Kasprzak | Analysis unit and system for assessment of hair condition |
CN106901759A (zh) * | 2017-03-15 | 2017-06-30 | 陈沁舒 | 基于虹膜检测技术构建中学生精神压力检测***的方法 |
CN109512384A (zh) * | 2017-09-18 | 2019-03-26 | 南台学校财团法人南台科技大学 | 头皮检测设备 |
WO2019120032A1 (zh) * | 2017-12-21 | 2019-06-27 | Oppo广东移动通信有限公司 | 模型构建方法、拍照方法、装置、存储介质及终端 |
CN109949279A (zh) * | 2019-03-06 | 2019-06-28 | 义乌市悦美科技有限公司 | 一种基于皮肤图像的年龄分析*** |
CN110298393A (zh) * | 2019-06-14 | 2019-10-01 | 深圳志合天成科技有限公司 | 一种基于深度学习的头发头皮健康状况检测方法 |
CN111428655A (zh) * | 2020-03-27 | 2020-07-17 | 厦门大学 | 一种基于深度学习的头皮检测方法 |
Non-Patent Citations (2)
Title |
---|
彭强等: "基于特征向量的敏感图像识别技术", 《西南交通大学学报》, no. 01, 28 February 2007 (2007-02-28), pages 16 - 21 * |
邓人武: "婴幼儿头发稀疏的因素分析", 《中国妇幼保健》, no. 10, 1 April 2011 (2011-04-01), pages 55 - 57 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112914516A (zh) * | 2021-03-25 | 2021-06-08 | 王宏鑫 | 一种头部植发区域的智能检测方法及头部辅助检测*** |
TWI823143B (zh) * | 2021-09-13 | 2023-11-21 | 美科實業股份有限公司 | 智慧頭皮屑檢測系統與方法 |
US20230196552A1 (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 skin oiliness |
CN115346681A (zh) * | 2022-08-29 | 2022-11-15 | 北京云数智康医疗科技有限公司 | 一种头部植发手术成活率ai评估分析计算***及方法 |
CN117274155A (zh) * | 2023-07-26 | 2023-12-22 | 苏州城市学院 | 一种焊缝射线图像中文本字符检测与提取方法及*** |
CN116664585A (zh) * | 2023-08-02 | 2023-08-29 | 瑞茜时尚(深圳)有限公司 | 基于深度学习的头皮健康状况检测方法及相关装置 |
CN116664585B (zh) * | 2023-08-02 | 2023-11-24 | 瑞茜时尚(深圳)有限公司 | 基于深度学习的头皮健康状况检测方法及相关装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112084965B (zh) | 2024-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112084965B (zh) | 一种头皮头发检测装置及*** | |
CN109961426B (zh) | 一种人脸皮肤肤质的检测方法 | |
US20080080766A1 (en) | Apparatus and Method for Analyzing Skin Using L*a*b* Colorspace | |
CN110363088B (zh) | 基于多特征融合的自适应皮肤炎症区域检测方法 | |
CN109948476B (zh) | 一种基于计算机视觉的人脸皮肤检测***及其实现方法 | |
CN110736748A (zh) | 免疫组化核浆染色切片诊断方法及*** | |
JP2015500722A (ja) | 皮膚ゾーンにおける皮膚症状を検出して数量化する方法および装置 | |
KR20210084102A (ko) | 전자 장치, 두피 케어 시스템 및 그들의 제어 방법 | |
CN116849612B (zh) | 一种多光谱舌象图像采集分析*** | |
Kim et al. | Evaluation of hair and scalp condition based on microscopy image analysis | |
CN105844648A (zh) | 一种发质检测装置及其方法、一种移动终端 | |
US11688068B2 (en) | Methods and systems for monitoring skin related metrics | |
CN110321781B (zh) | 一种用于无接触式测量的信号处理方法及装置 | |
CN112907571A (zh) | 基于多光谱图像融合识别的目标判定方法 | |
CN116091487B (zh) | 一种基于图像识别的皮肤皱纹分析比对方法及*** | |
KR20100105247A (ko) | 지능로봇의 얼굴인식 성능평가 시스템 및 평가 방법 | |
CN110321782B (zh) | 一种检测人体特征信号的*** | |
Huang et al. | A cloud-based intelligent skin and scalp analysis system | |
CN110279406B (zh) | 一种基于摄像头的无接触式的脉率测量方法及装置 | |
JP2007252892A (ja) | 皮膚表面の立体形状の目視評価値の推定方法 | |
CN116824171A (zh) | 中医高光谱舌象图像波段的选择方法及相关装置 | |
CN110960194B (zh) | 一种耳相采集装置及采集方法 | |
CN114526823A (zh) | 红外测温仪温度精准测量方法、***和存储介质 | |
CN114140610A (zh) | 光电成像描迹方法和装置 | |
CN112053344A (zh) | 基于大数据算法的肤质检测方法***和设备 |
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 | ||
GR01 | Patent grant |