CN114549434B - 一种基于云计算的皮肤质量检测装置 - Google Patents

Abstract

本发明提供了一种基于云计算的皮肤质量检测装置，包括图像拍摄模块、云计算处理模块和医师终端模块；图像拍摄模块包括拍摄子模块和传输子模块；拍摄子模块包括拍摄单元和提示单元；拍摄单元用于获取客户的第一脸部图像；提示单元用于判断客户的头部是否符合预设的位置要求，若否，则向客户发出提示信息；拍摄单元还用于获取客户的第二脸部图像；传输子模块用于将客户的第二脸部图像传输至云计算处理模块；云计算处理模块用于获取客户的皮肤质量检测报告，并将所述检测报告传输至医师终端模块；医师终端模块用于显示所述检测报告。本发明有利于降低图像的质量对皮肤质量检测的速度的影响。

Description

一种基于云计算的皮肤质量检测装置

技术领域

本发明涉及皮肤质量检测领域，尤其涉及一种基于云计算的皮肤质量检测装置。

背景技术

随着图像识别技术的发展，越来越多的医美机构采用图像识别的方式来进行皮肤质量的初步检测，以辅助美容医师快速对客户的皮肤质量进行初步了解，方便进行后续的皮肤管理工作。但是，现有的皮肤质量检测装置，在获取客户的脸部图像的过程中，缺少对客户进行提示，使得最终获取的头部图像中，客户的双眼之间的连线与水平方向之间的角度比较大，从而影响了皮肤质量检测的速度。不利于快速获取客户的脸部皮肤的质量的结果。

发明内容

本发明的目的在于公开一种基于云计算的皮肤质量检测装置，解决现有技术通过图像识别判断客户的皮肤质量的过程中，缺少对客户进行提示使得最终获取的头部图像中，客户的双眼之间的连线与水平方向之间的角度比较大，从而影响了皮肤质量检测的速度的问题。

为了达到上述目的，本发明采用如下技术方案：

一种基于云计算的皮肤质量检测装置，包括图像拍摄模块、云计算处理模块和医师终端模块；

图像拍摄模块包括拍摄子模块和传输子模块；

拍摄子模块包括拍摄单元和提示单元；拍摄单元用于采用固定的时间间隔获取客户的第一脸部图像；提示单元用于根据第一脸部图像的的左眼和右眼之间的长度以及左眼和右眼之间的位置关系判断客户的头部是否符合预设的位置要求，若否，则根据第一脸部图像中的左眼和右眼之间的长度以及左眼和右眼之间的位置关系向客户发出提示信息；

拍摄单元还用于在客户的头部符合预设的位置要求时，获取客户的第二脸部图像；

传输子模块用于将客户的第二脸部图像传输至云计算处理模块；

云计算处理模块用于将客户的第二脸部图像输入到预先训练完成的神经网络模型中进行识别，获取客户的皮肤质量检测报告，并将所述检测报告传输至医师终端模块；

医师终端模块用于显示所述检测报告。

优选地，所述根据第一脸部图像的的左眼和右眼之间的长度以及左眼和右眼之间的位置关系判断客户的头部符合预设的位置要求，包括：

对第一脸部图像进行灰度化处理，获得灰度图像；

对灰度图像进行调节处理，获得调节图像；

对调节图像进行图像分割处理，获得脸部区域图像；

对脸部区域图像进行人眼检测，获得脸部区域图像中的左眼的坐标和右眼的坐标；

计算左眼的坐标和右眼的坐标之间的连线的长度；

确定左眼的坐标和右眼的坐标之间的位置关系；

根据所述长度和位置关系判断客户的头部是否符合预设的位置要求。

优选地，所述对第一脸部图像进行灰度化处理，获得灰度图像，包括：

使用如下公式对第一脸部图像进行灰度化处理：

G(x,y)＝a×R(x,y)+b×G(x,y)+c×B(x,y)

其中，(x,y)表示像素点的坐标，a、b、c表示预设的比例系数，R(x,y)、G(x,y)、B(x,y)分别表示在RGB颜色空间中坐标为(x,y)的像素点在红色分量图像、绿色分量图像、蓝色分量图像中的像素值，G(x,y)表示在灰度图像G中坐标为(x,y)的像素点的像素值。

优选地，所述对灰度图像进行调节处理，获得调节图像，包括：

使用如下方式对灰度图像进行调节处理：

其中，aG表示调节图像，α、β表示预设的权重系数，aG(x,y)和G(x,y)分别表示在调节图像和灰度图像中坐标为(x,y)的像素点的像素值；g₁和g₂分别表示预设的第一常数系数和第二常数系数；msthr表示预设的邻近度系数参考值，ms(x,y)表示灰度图像中坐标为(x,y)的像素点的邻近度系数；

PT(x,y)表示灰度图像中坐标为(x,y)的像素点的8邻域的像素点的坐标的集合，gi(i,j)表示灰度图像中坐标为(i,j)的像素点的8邻域中的像素点的像素值的标准差，mi(i,j)表示灰度图像中坐标为(i,j)的像素点的8邻域中的像素点的像素值的最大值，G(i,j)表示灰度图像中坐标为(i,j)的像素点的像素值，malv表示PT(x,y)中的坐标对应的像素点的像素级别的数量；Γ表示指数系数，

优选地，所述对调节图像进行图像分割处理，获得脸部区域图像，包括：

对调节图像进行分区处理，获得NM个子区域；

使用阈值分割算法分别对每个子区域进行图像分割处理，获得每个子区域的前景像素点；

根据所有的前景像素点组成脸部区域图像。

优选地，所述对脸部区域图像进行人眼检测，获得脸部区域图像中的左眼的坐标和右眼的坐标，包括：

使用人眼检测算法对脸部区域图像进行人眼检测，分别获得左眼的像素点的集合G1和右眼的像素点的集合G2；

计算G1中的像素点的第一平均坐标，将第一平均坐标作为脸部区域图像中的左眼的坐标；

计算G2中的像素点的第二平均坐标，将第二平均坐标作为脸部区域图像中的右眼的坐标。

优选地，所述计算左眼的坐标和右眼的坐标之间的连线的长度，包括：

使用如下公式计算左眼的坐标和右眼的坐标之间的连线的长度：

其中，lenth表示左眼的坐标和右眼的坐标之间的连线的长度，(x_lf,y_lf)表示左眼的坐标，(x_rg,y_rg)表示右眼的坐标。

优选地，所述确定左眼的坐标和右眼的坐标之间的位置关系，包括：

若y_lf＞y_rg，则左眼的坐标和右眼的坐标之间的位置关系为第一类关系；

若y_lf＝y_rg，则左眼的坐标和右眼的坐标之间的位置关系为第二类关系；

若y_lf＜y_rg，则左眼的坐标和右眼的坐标之间的位置关系为第三类关系。

本发明的有益效果如下：

通过对客户的左眼和右眼之间的连线的长度以及左眼和右眼之间的位置关系来对客户进行提示，有利于获取到高质量的脸部图像，从而避免由于图像的质量对皮肤质量检测的速度造成影响。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1，为本发明一种基于云计算的皮肤质量检测装置的一种示例性实施例图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

如图1所示的一种实施例，本发明提供了一种基于云计算的皮肤质量检测装置，包括图像拍摄模块、云计算处理模块和医师终端模块；

图像拍摄模块包括拍摄子模块和传输子模块；

拍摄子模块包括拍摄单元和提示单元；拍摄单元用于采用固定的时间间隔获取客户的第一脸部图像；提示单元用于根据第一脸部图像的的左眼和右眼之间的长度以及左眼和右眼之间的位置关系判断客户的头部是否符合预设的位置要求，若否，则根据第一脸部图像中的左眼和右眼之间的长度以及左眼和右眼之间的位置关系向客户发出提示信息；

拍摄单元还用于在客户的头部符合预设的位置要求时，获取客户的第二脸部图像；

传输子模块用于将客户的第二脸部图像传输至云计算处理模块；

云计算处理模块用于将客户的第二脸部图像输入到预先训练完成的神经网络模型中进行识别，获取客户的皮肤质量检测报告，并将所述检测报告传输至医师终端模块；

医师终端模块用于显示所述检测报告。

通过对客户的左眼和右眼之间的连线的长度以及左眼和右眼之间的位置关系来对客户进行提示，有利于获取到高质量的脸部图像，从而避免由于图像的质量对皮肤质量检测的速度造成影响。

具体的，当脸部图像中客户的左眼和右眼之间的连线的长度过长或过短，则脸部图像的质量都比较低，过长则表示客户距离拍摄子模块距离太远，不利于后续的云计算处理模块中的识别；过短则表示客户距离拍摄子模块距离太近，不利于获取完整的脸部图像。而当左眼高于右眼或右眼高于左眼时，则表示客户的头是倾斜的，这样，云计算处理模块在获取皮肤质量检测报告时，还需要对图像的角度进行调节，显然会拖慢处理速度。

具体的，医师终端模块包括电脑、平板、智能手机等。

优选地，皮肤质量检测报告包括第二脸部图像中存在的皮肤缺陷的类型和位置；

皮肤缺陷的类型包括痘坑、雀斑、毛孔粗大等。位置则是在脸部中的位置，例如在左眼底部有痘坑。

优选地，所述根据第一脸部图像的的左眼和右眼之间的长度以及左眼和右眼之间的位置关系判断客户的头部符合预设的位置要求，包括：

对第一脸部图像进行灰度化处理，获得灰度图像；

对灰度图像进行调节处理，获得调节图像；

对调节图像进行图像分割处理，获得脸部区域图像；

对脸部区域图像进行人眼检测，获得脸部区域图像中的左眼的坐标和右眼的坐标；

计算左眼的坐标和右眼的坐标之间的连线的长度；

确定左眼的坐标和右眼的坐标之间的位置关系；

根据所述长度和位置关系判断客户的头部是否符合预设的位置要求。

在上述实施例中，通过对图像进行调节处理，能够有效降低打光的因素对于客户的头部是否符合预设的位置要求的判断。

优选地，所述对第一脸部图像进行灰度化处理，获得灰度图像，包括：

使用如下公式对第一脸部图像进行灰度化处理：

G(x,y)＝a×R(x,y)+b×G(x,y)+c×B(x,y)

其中，(x,y)表示像素点的坐标，a、b、c表示预设的比例系数，R(x,y)、G(x,y)、B(x,y)分别表示在RGB颜色空间中坐标为(x,y)的像素点在红色分量图像、绿色分量图像、蓝色分量图像中的像素值，G(x,y)表示在灰度图像G中坐标为(x,y)的像素点的像素值。

优选地，所述对灰度图像进行调节处理，获得调节图像，包括：

使用如下方式对灰度图像进行调节处理：

其中，aG表示调节图像，α、β表示预设的权重系数，aG(x,y)和G(x,y)分别表示在调节图像和灰度图像中坐标为(x,y)的像素点的像素值；g₁和g₂分别表示预设的第一常数系数和第二常数系数；msthr表示预设的邻近度系数参考值，ms(x,y)表示灰度图像中坐标为(x,y)的像素点的邻近度系数；

PT(x,y)表示灰度图像中坐标为(x,y)的像素点的8邻域的像素点的坐标的集合，gi(i,j)表示灰度图像中坐标为(i,j)的像素点的8邻域中的像素点的像素值的标准差，mi(i,j)表示灰度图像中坐标为(i,j)的像素点的8邻域中的像素点的像素值的最大值，G(i,j)表示灰度图像中坐标为(i,j)的像素点的像素值，malv表示PT(x,y)中的坐标对应的像素点的像素级别的数量；Γ表示指数系数，

在上述实施例中，通过像素点本身的像素值和像素点周边的像素点之间的像素值的差异来对灰度图像进行调节，有利于均衡降低光照的分布不均时对于眼睛识别的准确度的影响，从而有利于提高对客户进行位置提示的准确性。在考虑周边的像素值的差异时，从邻近度系数参考值、像素值的标准差、最大值、像素级别数量等方面进行计算，有利于降低均衡光照分布。

优选地，所述对调节图像进行图像分割处理，获得脸部区域图像，包括：

对调节图像进行分区处理，获得NM个子区域；

使用阈值分割算法分别对每个子区域进行图像分割处理，获得每个子区域的前景像素点；

根据所有的前景像素点组成脸部区域图像。

优选地，所述对调节图像进行分区处理，获得NM个子区域，包括：

采用多次分区的方式对调节图像进行分区处理：

第1次分区，将调节图像分成面积相同的H×H个子区域；2≤H≤4；

将所有子区域存入集合dtdu₁；

分别判断dtdu₁中的每个子区域是否需要再次进行分区处理，将所有需要再次进行分区处理的子区域存入集合du₁，将所有不需要再次进行分区处理的子区域存入集合du_fi；

第k次分区，分别将集合du_k-1中的每个元素分成面积相同的H×H个子区域，将所有子区域存入集合dtdu_k；

分别判断dtdu_k中的每个子区域是否需要再次进行分区处理，将所有需要再次进行分区处理的子区域存入集合du_k，将所有不需要再次进行分区处理的子区域存入集合du_fi；

判断du_k是否为空集，若是，则停止对调节图像进行分区处理；将此时集合du_fi包含的元素的个数记为NM；

对于子区域sbk，通过如下方式判断其是否需要再次进行分区处理：

计算sbk的分区指数：

其中，idc(sbk)表示sbk的分区指数，δ₁和δ₂表示重要程度参数，nfah(sbk)表示sbk中像素值大于预设的像素值阈值的像素点的数量；δ₁+δ₂＝1；tot(sbk)表示sbk中的像素点的总数，u(sbk)表示sbk中的像素点的集合，aT(q)表示像素点q的梯度，stgd表示预设的梯度标准值；

若分区指数大于预设的分区指数阈值，则表示子区域sbk需要再次进行分区处理。

在上述实施例中，通过多次分区的方式将调节图像分成多个子区域，然后再分别对每个子区域进行阈值分割，能够有效提高阈值分割的准确率。而在划分子区域时，本发明不是将子区域分成面积相同的子区域，而是采用多次划分的方式，并通过分区指数进行判断，使得每个子区域中均包含像素值大于预设的像素值阈值的像素点，而且当子区域中的像素点之间的方差越大，则越需要进行分区处理，这种分区方式，能够有效提高后续使用阈值分割算法分别对每个子区域进行图像分割处理时的准确性。

优选地，所述对脸部区域图像进行人眼检测，获得脸部区域图像中的左眼的坐标和右眼的坐标，包括：

使用人眼检测算法对脸部区域图像进行人眼检测，分别获得左眼的像素点的集合G1和右眼的像素点的集合G2；

计算G1中的像素点的第一平均坐标，将第一平均坐标作为脸部区域图像中的左眼的坐标；

计算G2中的像素点的第二平均坐标，将第二平均坐标作为脸部区域图像中的右眼的坐标。

优选地，所述计算左眼的坐标和右眼的坐标之间的连线的长度，包括：

使用如下公式计算左眼的坐标和右眼的坐标之间的连线的长度：

其中，lenth表示左眼的坐标和右眼的坐标之间的连线的长度，(x_lf,y_lf)表示左眼的坐标，(x_rg,y_rg)表示右眼的坐标。

优选地，所述确定左眼的坐标和右眼的坐标之间的位置关系，包括：

若y_lf＞y_rg，则左眼的坐标和右眼的坐标之间的位置关系为第一类关系；

若y_lf＝y_rg，则左眼的坐标和右眼的坐标之间的位置关系为第二类关系；

若y_lf＜y_rg，则左眼的坐标和右眼的坐标之间的位置关系为第三类关系。

优选地，所述根据第一脸部图像的的左眼和右眼之间的长度以及左眼和右眼之间的位置关系判断客户的头部是否符合预设的位置要求，包括：

左眼的坐标和右眼的坐标之间的位置关系为第二类关系且lenthst1≤lenth≤lenthst2，则客户的头部符合预设的位置要求，lenthst1表示预设的第一长度阈值，lenthst2表示预设的第二长度阈值；

优选地，所述根据第一脸部图像中的左眼和右眼之间的长度以及左眼和右眼之间的位置关系向客户发出提示信息，包括：

若lenth＜lenthst1，则提示信息包括用于提示客户远离拍摄单元的第一信息；

若lenthst2＜lenth，则提示信息包括用于提示客户靠近拍摄单元的第二信息；

若左眼的坐标和右眼的坐标之间的位置关系为第一类关系，则提示信息包括用于提示客户把头部向右倾斜的第三信息；

若左眼的坐标和右眼的坐标之间的位置关系为第三类关系，则提示信息包括用于提示客户把头部向左倾斜的第四信息。

具体的，第一信息可以分别与第三信息或第四信息组成提示信息；而第二信息也可以分别与第三信息或第四信息组成提示信息。

尽管已经示出和描述了本发明的实施例，本领域技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变形，本发明的范围由权利要求及其等同物限定。

需要说明的是，在本发明各个实施例中的各功能单元/模块可以集成在一个处理单元/模块中，也可以是各个单元/模块单独物理存在，也可以是两个或两个以上单元/模块集成在一个单元/模块中。上述集成的单元/模块既可以采用硬件的形式实现，也可以采用软件功能单元/模块的形式实现。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解应当理解，可以以硬件、软件、固件、中间件、代码或其任何恰当组合来实现这里描述的实施例。对于硬件实现，处理器可以在一个或多个下列单元中实现：专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。对于软件实现，实施例的部分或全部流程可以通过计算机程序来指令相关的硬件来完成。

实现时，可以将上述程序存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读介质可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。

Claims (6)

1.一种基于云计算的皮肤质量检测装置，其特征在于，包括图像拍摄模块、云计算处理模块和医师终端模块；

图像拍摄模块包括拍摄子模块和传输子模块；

拍摄子模块包括拍摄单元和提示单元；拍摄单元用于采用固定的时间间隔获取客户的第一脸部图像；提示单元用于根据第一脸部图像的的左眼和右眼之间的长度以及左眼和右眼之间的位置关系判断客户的头部是否符合预设的位置要求，若否，则根据第一脸部图像中的左眼和右眼之间的长度以及左眼和右眼之间的位置关系向客户发出提示信息；

拍摄单元还用于在客户的头部符合预设的位置要求时，获取客户的第二脸部图像；

传输子模块用于将客户的第二脸部图像传输至云计算处理模块；

云计算处理模块用于将客户的第二脸部图像输入到预先训练完成的神经网络模型中进行识别，获取客户的皮肤质量检测报告，并将所述检测报告传输至医师终端模块；

医师终端模块用于显示所述检测报告；

所述根据第一脸部图像的的左眼和右眼之间的长度以及左眼和右眼之间的位置关系判断客户的头部符合预设的位置要求，包括：

对第一脸部图像进行灰度化处理，获得灰度图像；

对灰度图像进行调节处理，获得调节图像；

对调节图像进行图像分割处理，获得脸部区域图像；

对脸部区域图像进行人眼检测，获得脸部区域图像中的左眼的坐标和右眼的坐标；

计算左眼的坐标和右眼的坐标之间的连线的长度；

确定左眼的坐标和右眼的坐标之间的位置关系；

根据所述长度和位置关系判断客户的头部是否符合预设的位置要求；

所述对灰度图像进行调节处理，获得调节图像，包括：

使用如下方式对灰度图像进行调节处理：

其中，aG表示调节图像，α、β表示预设的权重系数，aG(x,y)和G(x,y)分别表示在调节图像和灰度图像中坐标为(x,y)的像素点的像素值；g₁和g₂分别表示预设的第一常数系数和第二常数系数；msthr表示预设的邻近度系数参考值，ms(x,y)表示灰度图像中坐标为(x,y)的像素点的邻近度系数；

PT(x,y)表示灰度图像中坐标为(x,y)的像素点的8邻域的像素点的坐标的集合，gi(i,j)表示灰度图像中坐标为(i,j)的像素点的8邻域中的像素点的像素值的标准差，mi(i,j)表示灰度图像中坐标为(i,j)的像素点的8邻域中的像素点的像素值的最大值，G(i,j)表示灰度图像中坐标为(i,j)的像素点的像素值，malv表示PT(x,y)中的坐标对应的像素点的像素级别的数量；Γ表示指数系数，

2.根据权利要求1所述的一种基于云计算的皮肤质量检测装置，其特征在于，所述对第一脸部图像进行灰度化处理，获得灰度图像，包括：

使用如下公式对第一脸部图像进行灰度化处理：

G(x,y)＝a×R(x,y)+b×G(x,y)+c×B(x,y)

其中，(x,y)表示像素点的坐标，a、b、c表示预设的比例系数，R(x,y)、G(x,y)、B(x,y)分别表示在RGB颜色空间中坐标为(x,y)的像素点在红色分量图像、绿色分量图像、蓝色分量图像中的像素值，G(x,y)表示在灰度图像G中坐标为(x,y)的像素点的像素值。

3.根据权利要求1所述的一种基于云计算的皮肤质量检测装置，其特征在于，所述对调节图像进行图像分割处理，获得脸部区域图像，包括：

对调节图像进行分区处理，获得NM个子区域；

使用阈值分割算法分别对每个子区域进行图像分割处理，获得每个子区域的前景像素点；

根据所有的前景像素点组成脸部区域图像。

4.根据权利要求1所述的一种基于云计算的皮肤质量检测装置，其特征在于，所述对脸部区域图像进行人眼检测，获得脸部区域图像中的左眼的坐标和右眼的坐标，包括：

使用人眼检测算法对脸部区域图像进行人眼检测，分别获得左眼的像素点的集合G1和右眼的像素点的集合G2；

计算G1中的像素点的第一平均坐标，将第一平均坐标作为脸部区域图像中的左眼的坐标；

计算G2中的像素点的第二平均坐标，将第二平均坐标作为脸部区域图像中的右眼的坐标。

5.根据权利要求1所述的一种基于云计算的皮肤质量检测装置，其特征在于，所述计算左眼的坐标和右眼的坐标之间的连线的长度，包括：

使用如下公式计算左眼的坐标和右眼的坐标之间的连线的长度：

其中，lenth表示左眼的坐标和右眼的坐标之间的连线的长度，(x_lf,y_lf)表示左眼的坐标，(x_rg,y_rg)表示右眼的坐标。

6.根据权利要求5所述的一种基于云计算的皮肤质量检测装置，其特征在于，所述确定左眼的坐标和右眼的坐标之间的位置关系，包括：

若y_lf＞y_rg，则左眼的坐标和右眼的坐标之间的位置关系为第一类关系；

若y_lf＝y_rg，则左眼的坐标和右眼的坐标之间的位置关系为第二类关系；

若y_lf＜y_rg，则左眼的坐标和右眼的坐标之间的位置关系为第三类关系。

Images