本发明涉及皮肤检测技术领域，尤其涉及一种基于连拍模式的脸部状态评估方法。
背景技术：
随着人们生活品质的提升，越来越多的人特别是女性开始关注自身的皮肤状况，越来越多的针对皮肤状况的保养产品也在市场上占据了非常重要的地位。其中，女性尤其会关注脸部的皮肤状况，例如眼角是否有皱纹、面部是否有法令纹等，并且会根据这些皮肤状况选择使用不同的保养产品。
目前的市场上，虽然存在一些皮肤检测设备，例如皮肤检测仪等，但是这些皮肤检测设备的价格比较昂贵，并且操作非常复杂，不适合用户在家中使用。同时，这类皮肤检测设备无法准确地区分皮肤的不同区域检测这些区域内特有的一些皮肤问题，从而导致皮肤检测结果比较笼统，无法准确反应用户皮肤的真实状态。
现有的一些皮肤检测设备已经能够较为综合地检测皮肤的情况，但是检测的结果差异较大，受环境的光线、测试设备的角度等因素影响较大。
技术实现要素：
根据现有技术中存在的上述问题，现提供一种基于连拍模式的脸部状态评估方法的技术方案，旨在提供给用户全面和准确的脸部状态评估结果，帮助用户随时掌握脸部状态，并且实现简单，检测和评估过程无需专业设备，降低检测门槛。
上述技术方案具体包括：
一种基于连拍模式的脸部状态评估方法，其中，于人脸区域内设置多个脸部皮肤特征点，并将所有所述脸部皮肤特征点划分为用于定位不同的多个第一检测区域内，每个所述第一检测区域被用于评估人脸的一项皮肤状态，以及针对每个所述第一检测区域分别设置至少一个第一评估单元，还包括：
步骤s1，设置于一连拍模式下的一图像采集装置连续获取用户人脸的多个人脸图像，所述图像采集装置中设置有一图像筛选单元，所述图像筛选单元采用一预设判断策略提取所有所述人脸图像中的最优图像作为待检测图像，并将所述待检测图像上传至与所述图像采集装置远程连接的一云服务器中；
步骤s2，所述云服务器识别得到所述待检测图像中的所有所述脸部皮肤特征点，并根据所述脸部皮肤特征点对每个所述第一检测区域进行定位；
步骤s3，所述云服务器采用对应的所述第一评估单元分别对每个所述第一检测区域进行皮肤状态评估，并分别输出评估结果；
步骤s4，所述云服务器将所述评估结果下发至远程连接所述云服务器的用户终端，以供用户查看。
优选的，该脸部状态评估方法，其中，所述图像采集装置设置在一化妆镜上，并连接设置于所述化妆镜内的通讯装置；
所述化妆镜通过所述通讯装置远程连接所述云服务器，并通过所述通讯装置将所述图像采集装置采集得到的所述人脸图像上传至所述云服务器中。
优选的，该脸部状态评估方法，其中，所述第一检测区域包括一用于对用户人脸的皮肤油分状态进行评估的油分检测区域；
所述油分检测区域进一步包括：
用户人脸的额头区域；和/或
用户人脸的左脸颊区域；和/或
用户人脸的右脸颊区域；和/或
用户人脸的下巴区域。
优选的，该脸部状态评估方法，其中，所述第一检测区域包括一用于对用户人脸的皮肤清洁状态进行评估的清洁度检测区域；
所述清洁度检测区域进一步包括：
用户人脸的鼻子区域；和/或
用户人脸的全脸区域。
优选的，该脸部状态评估方法，其中，对应所述清洁度检测区域的所述评估结果包括：
用于表示所述鼻子区域的皮肤清洁度的第一评估子结果；和/或
用于表示所述全脸区域是否有彩妆残留的第二评估子结果；和/或
用于表示所述全脸区域是否有荧光的第三评估子结果。
优选的，该脸部状态评估方法，其中，所述第一检测区域包括一用于对用户人脸的皮肤过敏状态进行评估的过敏检测区域；
所述过敏检测区域进一步包括：
用户人脸的左脸颊区域；和/或
用户人脸的右脸颊区域。
优选的，该脸部状态评估方法，其中，所述第一检测区域包括一用于对用户人脸的皮肤色斑状态进行评估的色斑检测区域；
所述色斑检测区域进一步包括：
用户人脸的全脸区域。
优选的，该脸部状态评估方法，其中，每个所述第一评估单元中包括一预先训练形成的评估模型；
采用深度神经网络，根据预先设置的多个训练数据对对所述评估模型进行评估；
每个所述训练数据对中包括对应的所述第一检测区域内的图像以及针对所述图像的评估结果。
优选的，该脸部状态评估方法，其中，还包括一第二检测区域，所述第二检测区域用于对用户人脸的皮肤肤色状态进行评估；
所述步骤s3中，在采用所述第一评估单元对所述第一检测区域进行评估的同时，采用一第二评估单元对所述第二检测区域进行评估，并输出相应的评估结果；
所述步骤s4中，将所述第一评估单元输出的评估结果和所述第二评估单元输出的评估结果下发至远程连接所述云服务器的用户终端，以供用户查看；
所述第二检测区域进一步包括：
用户人脸的左脸颊区域，以及用户人脸的右脸颊区域。
优选的，该脸部状态评估方法，其中，所述步骤s3中，采用所述第二评估单元进行处理的过程具体包括：
步骤s31，处理得到所述左脸颊区域的每个像素的rgb值，以及处理得到所述右脸颊区域的每个像素的rgb值；
步骤s32，根据所述左脸颊区域的每个像素的rgb值和所述右脸颊区域的每个像素的rgb值进行平均计算，以得到一肤色数值；
步骤s33，根据预先设定的肤色数值表格对所述肤色数值进行查询，以得到用于表示用户肤色的所述评估结果并输出。
上述技术方案的有益效果是：提供一种基于连拍模式的脸部状态评估方法，能够提供给用户准确且稳定性高的评估结果，不容易受到环境的影响，用户体验佳。
附图说明
图1是本发明的较佳的实施例中，一种基于连拍模式的脸部状态评估方法的总体流程示意图；
图2-7是本发明的较佳的实施例中，人脸区域内的不同的检测区域的示意图；
图8是本发明的较佳的实施例中，采用第二评估单元对第二检测区域进行评估的具体流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。
根据现有技术中存在的上述问题，现提供一种基于连拍模式的脸部状态评估方法，该方法中，首先于人脸区域内设置多个脸部皮肤特征点，并将所有脸部皮肤特征点划分为用于定位不同的多个检测区域内，每个检测区域被用于评估人脸的一项皮肤状态，以及针对每个检测区域分别设置至少一个评估单元。
该方法具体如图1中所示，包括：
步骤s1，设置于一连拍模式下的一图像采集装置连续获取用户人脸的多个人脸图像，图像采集装置中设置有一图像筛选单元，图像筛选单元采用一预设判断策略提取所有人脸图像中的最优图像作为待检测图像，并将待检测图像上传至与图像采集装置远程连接的一云服务器中；
步骤s2，云服务器识别得到待检测图像中的所有脸部皮肤特征点，并根据脸部皮肤特征点对每个第一检测区域进行定位；
步骤s3，云服务器采用对应的第一评估单元分别对每个第一检测区域进行皮肤状态评估，并分别输出评估结果；
步骤s4，云服务器将评估结果下发至远程连接云服务器的用户终端，以供用户查看。
具体地，本实施例中，在皮肤状态评估的过程中，首先执行一个皮肤信息采集的过程，该过程中，采用一个图像采集装置连续获取用户人脸的多个人脸图像，图像采集装置中的图像筛选单元采用一预设判断策略提取所有人脸图像中的最优图像作为待检测图像，并将其作为待检测图像上传至远程连接该图像采集装置的一云服务器中。预设判断策略可以为：将高光像素点最少的图像作为最优图像，或者将清晰度最高的图像作为最优图像，或者提供给用户自由选择最优图像等，必要时可以提供给用户用于选择最优图像的显示装置和输入装置。上述人脸图像为人脸的整体图像，更进一步地为正面人脸的整体图像，正面人脸的图像可以确保皮肤状态评估的准确度。
本实施例中，上述云服务器获取到人脸图像后，根据之前预设的脸部皮肤特征点对人脸图像进行识别，以根据识别得到的脸部皮肤特征点来对人脸图像进行划分，从而形成多个不同的第一检测区域。具体地，本发明中预设的脸部皮肤特征点有68个，其分布情况详见图2。云服务器从该人脸图像中识别得到所有预设的脸部特征点，以组成如图2中所示的由脸部特征点形成的特征图像。
并且，云服务器根据位于上述特征图像中的所有脸部特征点对整个特征图像进行划分，从而形成多个第一检测区域，不同的第一检测区域提供给云服务器对一种皮肤状态进行检测和评估。
在人脸图像上分别划分形成各个第一检测区域后，云服务器针对每个第一检测区域，分别采用对应的第一评估单元进行评估，从而输出评估结果。云服务器将各个评估结果发送至远程连接云服务器的用户终端，从而完成脸部皮肤状态的评估。
本发明的较佳的实施例中，为了便于用户使用皮肤评估的功能，将上述图像采集装置设置在一化妆镜上。当用户使用化妆镜时，就可以通过图像采集装置采集用户的人脸图像。
进一步地，上述图像采集装置可以为一个摄像头，即将摄像头安装在化妆镜上，以对用户人脸进行拍摄，获得人脸图像。
更进一步地，为了将人脸图像上传至云服务器，在上述化妆镜内部还应当设置一个通讯装置，上述图像采集装置连接通讯装置，并且通过通讯装置将上述人脸图像上传至云服务器中。具体地，上述通讯装置可以为内置于化妆镜内部的无线通讯模块，并且通过室内的路由器连接至远程的云服务器。此时，最优图像可以是用户人脸最正对化妆镜的图像，具体可以是图像上五官的特征点相对于整个人脸的位置最接近图像采集装置中预设的人脸模型，但这只是一种优选的情况，还可以采用其他量化人脸与化妆镜角度或位置的算法，在此不再赘述。
本发明的较佳的实施例中，不同的第一检测区域所对应的皮肤评估的类型各不相同，具体如下：
1)第一检测区域包括一用于对用户人脸的皮肤油分状态进行评估的油分检测区域；
油分检测区域进一步包括下文中所述的一种或几种：
用户人脸的额头区域；
用户人脸的左脸颊区域；
用户人脸的右脸颊区域；
用户人脸的下巴区域。
上述油分检测区域具体如图4中所示，其中1区域为额头区域，2区域为左脸颊区域，3区域为右脸颊区域，4区域为下巴区域。图4中的这些区域都是脸部最容易出油的部分，通过对这些区域的检测和评估就能对脸部的皮肤油分状态进行评估。
进一步地，在实际检测的过程中，可以选择上述区域中的任意一个或者几个区域构成油分检测区域，也可以为了检测的准确程度选择所有上述区域构成油分检测区域，来对脸部的皮肤油分状态进行检测和评估。
2)第一检测区域包括一用于对用户人脸的皮肤清洁状态进行评估的清洁度检测区域；
清洁度检测区域进一步包括下文中所述的一种或几种：
用户人脸的鼻子区域；
用户人脸的全脸区域。
上述清洁度检测区域具体如图5中所示，其中1区域为鼻子区域，全脸区域即为整体的人脸图像，在图5中不进行标注。通过对图5中的这些区域的检测和评估就能对脸部的皮肤清洁度状态进行评估。
进一步地，在实际检测的过程中，可以选择上述区域中的任意一个区域构成清洁度检测区域，也可以为了检测的准确程度选择所有上述区域构成清洁度检测区域，来对脸部的皮肤清洁度状态进行检测和评估。
更进一步地，对应清洁度检测区域的评估结果包括用于表示鼻子区域的皮肤清洁度的第一评估子结果；和/或用于表示全脸区域是否有彩妆残留的第二评估子结果；和/或用于表示全脸区域是否有荧光的第三评估子结果。
具体地，清洁度评估总共分为三部分：第一部分是鼻子部分图像的清洁度评估，即上述第一评估子结果；第二部分是全脸部分图像的彩妆残留检测，即上述第二评估子结果，当第二评估子结果表示有彩妆残留时可以通过云服务器向用户终端进行报警提示；第三部分是全脸部分图像的荧光检测，即上述第三评估子结果，当第三评估子结果表示脸部有荧光时可以通过云服务器向用户终端进行报警提示。
由于清洁度检测分为三个部分，因此对应于清洁度检测区域的评估单元也应当包括三个单元，即对应于第一评估子结果的第一评估子单元、对应于第二评估子结果的第二评估子单元和对应于第三评估子结果的第三评估子单元。上述第一评估子单元、第二评估子单元和第三评估子单元的形成和工作原理与其他评估单元相同，在下文中会详述。
3)第一检测区域包括一用于对用户人脸的皮肤过敏状态进行评估的过敏检测区域；
过敏检测区域进一步包括下文中的一种或者几种：
用户人脸的左脸颊区域；
用户人脸的右脸颊区域。
上述过敏检测区域具体如图6中所示，其中1区域为左脸颊区域，2区域为右脸颊区域。通过对图6中的这些区域的检测和评估就能对脸部的皮肤过敏状态进行评估。
进一步地，在实际检测的过程中，可以选择上述区域中的任意一个区域构成过敏检测区域，也可以为了检测的准确程度选择所有上述区域构成过敏检测区域，来对脸部的皮肤过敏状态进行检测和评估。
更进一步地，在实际检测的过程中，需要对左脸颊和/或右脸颊的红血丝图像进行检测来评估皮肤过敏状态，即对应于过敏检测区域的上述评估单元的输入数据为左脸颊区域和/或右脸颊区域的红血丝图像。
4)第一检测区域包括一用于对用户人脸的皮肤色斑状态进行评估的色斑检测区域；
色斑检测区域进一步包括用户人脸的全脸区域。
具体地，如图7中所示，上述色斑检测区域包括人脸图像中的全脸区域，但是其重点检测区域为颧骨以上眼睛以下的位置，即图7中的1区域和2区域。换言之，1区域和2区域检测和评估的结果在整体色斑评估结果中的权重比较高，其余全脸区域的比重较低。通过上述检测和评价即可以对脸部的皮肤色斑状态进行检测和评估。
本发明的较佳的实施例中，每个第一评估单元中包括一预先训练形成的评估模型；
采用深度神经网络，根据预先设置的多个训练数据对对评估模型进行评估；
每个训练数据对中包括对应的第一检测区域内的图像以及针对该图像的评估结果。
具体地，本实施例中，上述训练数据对中的评估结果可以为人工标注的评估分数。
以皮肤油分评估为例，训练对应于油分检测区域的第一评估单元中的评估模型的每个训练数据对中包括一幅上述油分检测区域的图像，以及针对该图像的人工标注的评估分数，通过多个训练数据对的训练最终形成该评估模型。
再以皮肤过敏评估为例，训练对应于过敏检测区域的第一评估单元中的评估模型的每个训练数据对中包括一幅上述过敏检测区域的图像，以及针对该图像的人工标注的评估分数，通过多个训练数据对的训练最终形成该评估模型。
本实施例中，对应于上述清洁度检测区域的第一评估子单元、第二评估子单元和第三评估子单元中的评估模型也根据上述方式训练形成，具体为：
第一评估子单元的训练数据对中包括一幅上述鼻子区域的图像，以及针对该图像的人工标注的用于表示鼻子部分是否清洁的评估分数；
第二评估子单元的训练数据对中包括一幅上述全脸区域的图像，以及针对该图像的人工标注的用于表示全脸检测是否有彩妆残留的评估结果，该评估结果可以直接为“是”或者“否”的判断结果，无需用具体的分数数值来表示。更进一步地，只有当第二评估子单元输出的评估结果为“是”时，云服务器才向用户终端下发评估结果，即向用户终端报警提示。
第三评估子单元的训练数据对中包括一幅上述全脸区域的图像，以及针对该图像的人工标注的用于表示全脸荧光检测的评估结果，该评估结果同样可以为“是”或者“否”的判断结果，无需用具体的分数数值来表示。更进一步地，只有当第三评估子单元输出的评估结果为“是”时，云服务器才向用户终端下发评估结果，即向用户终端报警提示。
本发明的较佳的实施例中，上述方法中，还在人脸图像上设置一第二检测区域，该第二检测区域用于对用户人脸的皮肤肤色状态进行评估，其具体包括用户人脸的左脸颊区域，以及用户人脸的右脸颊区域。
上述第二检测区域同样由上述识别得到的脸部特征点划分形成，其形成的原理与上述第一检测区域相同，在此不再赘述。
具体地，上述第二检测区域与图6中所示的过敏检测区域重合，即1区域表示左脸颊区域，2区域表示右脸颊区域。因此同样采用图6来表示肤色检测区域。
对上述第二检测区域的检测采用第二评估单元进行，即上述步骤s3中，在采用第一评估单元对第一检测区域进行评估的同时，采用一第二评估单元对第二检测区域进行评估，并输出相应的评估结果；
上述步骤s4中，将第一评估单元输出的评估结果和第二评估单元输出的评估结果下发至远程连接云服务器的用户终端，以供用户查看。
进一步地，本发明的较佳的实施例中，上述步骤s3中，采用第二评估单元进行处理的过程具体如图8中所示，包括：
步骤s31，处理得到左脸颊区域的每个像素的rgb值，以及处理得到右脸颊区域的每个像素的rgb值；
步骤s32，根据左脸颊区域的每个像素的rgb值和右脸颊区域的每个像素的rgb值进行平均计算，以得到一肤色数值；
步骤s33，根据预先设定的肤色数值表格对肤色数值进行查询，以得到用于表示用户肤色的评估结果并输出。
具体地，本实施例中，上述第二评估单元与第一评估单元不同，其不是根据训练形成的评估模型来对第二检测区域进行检测的，而是根据左脸颊区域每个像素的rgb值和右脸颊区域每个像素的rgb值进行平均计算得到上述评估结果。
本发明的一个实施例中，如上文中所述，上述步骤s4中，云服务器可以选择将所有第一评估单元输出的评估结果以及第二评估单元输出的评估结果全部下发至用户终端，以供用户查看。
本发明的另一个实施例中，上述步骤s4中，云服务器可以整合所有第一评估单元输出的评估结果，并连同第二评估单元输出的评估结果一起下发至用户终端，以供用户查看。本实施例中，可以采用为每个第一评估单元的评估结果设定权重值的方式来根据所有第一评估单元的评估结果加权计算得到一个整体评估结果，并将其连同第二评估单元输出的评估结果一起下发到用户终端。需要注意的是，上述第二评价子结果和第三评价子结果由于不是分数数值形式的，因此不参与加权计算，需要单独下发至用户终端。
本发明的另一个实施例中，上述步骤s4中，云服务器还可以整合所有第一评估单元输出的评估结果以及第二评估单元输出的评估结果，同样采用加权计算的方式计算得到一个整体评估结果并下发至用户终端。同样地，上述第二评价子结果和第三评价子结果由于不是分数数值形式的，因此不参与加权计算，需要单独下发至用户终端。
以上所述仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。