皮肤检测方法、系统、设备及存储介质与流程

本申请涉及一种图像处理技术，特别是涉及一种皮肤检测方法、系统、设备及存储介质。

背景技术：

随着人们生活品质的提高，人们对皮肤质量，特别是面部皮肤质量，越来越关注。比如，皮肤粗糙度能反映出人们面部的皮肤质量。在专业的医疗和美容领域，皮肤粗糙度是专业人士进行面部皮肤养护的参考。例如，痘痕多和痘多的皮肤具有较高的粗糙度。又如，毛孔粗大与毛孔细致的皮肤粗糙度也不相同。为此，对于医疗和美容来说，对用户进行皮肤纹理检测能够为用户进行治疗和美容提供更准确的医疗美容测评比对。为了评价皮肤粗糙程度，申请号201610722115.0的技术方案中描述了一种基于皮肤团块评估皮肤纹理的方案，其通过识别由皱纹封闭的皮肤团块来评价皮肤纹理质量。上述测评方式不仅计算量大，更易因皮肤团块选取不合理而造成测评不准确。

技术实现要素：

本申请提供一种高效、准确、且考虑性别对皮肤差异影响的皮肤检测方案。

为实现上述目的及其他目的，本申请第一方面提供一种皮肤检测方法，包括：获取测试者的面部图像及性别信息；基于所述面部图像中皮肤区域内各像素点的灰度差距对所述测试者进行皮肤纹理检测；基于预设的各性别信息及所对应的皮肤评价方式，对所得到的检测结果进行皮肤粗糙评价。

在所述第一方面的某些实施方式中，所述基于面部图像中皮肤区域内各像素点的灰度分布对所述测试者进行皮肤纹理检测的方式包括：基于像素灰度提取面部图像中皮肤区域内的皮肤波峰分布及波谷分布；基于对所述波峰分布和波谷分布的统计进行皮肤纹理检测。

在所述第一方面的某些实施方式中，所述基于像素灰度提取面部图像中皮肤区域内皮肤波峰分布及波谷分布的方式包括：采用最大值滤波将所述面部图像中皮肤区域进行过滤，以及采用最小值滤波将所述面部图像中皮肤区域进行过滤；基于最大值滤波后的皮肤区域与过滤前的皮肤区域确定皮肤波谷分布，以及基于最小值滤波后的皮肤区域与过滤前的皮肤区域确定皮肤波峰分布。

在所述第一方面的某些实施方式中，所述基于述皮肤波峰分布及波谷分布进行皮肤纹理检测的方式包括：基于波峰深度和波谷深度进行皮肤纹理检测；和/或基于波峰数量和波谷数量检测皮肤纹理。

在所述第一方面的某些实施方式中，所述基于预设的各性别信息及所对应的皮肤评价方式对所得到的检测结果进行皮肤粗糙评价的方式包括：以预设的各性别信息所对应的评价权重对所得到的检测结果进行加权处理，以到测试者的皮肤粗糙评价；和/或基于多个皮肤粗糙区间对皮肤纹理检测结果进行粗糙评价。

在所述第一方面的某些实施方式中，所述基于面部图像中皮肤区域内各像素点的灰度分布对所述测试者进行皮肤纹理检测的方式包括：基于预设的面颊roi区域模板确定所述面部图像的面颊roi区域，以将所述面颊roi区域作为所述皮肤区域。

在所述第一方面的某些实施方式中，所述方法还包括：提取所述面部图像的蓝色波段的步骤，以基于所述面部图像的蓝色波段进行皮肤纹理检测。

本申请第二方面还提供一种皮肤检测系统，包括：存储模块，用于预存测试者的面部图像及性别信息；纹理检测模块，用于基于所述面部图像中皮肤区域内各像素点的灰度差距对所述测试者进行皮肤纹理检测；皮肤测评模块，用于基于预设的各性别信息及所对应的皮肤评价方式，对所得到的检测结果进行皮肤粗糙评价。

在所述第二方面的某些实施方式中，所述纹理检测模块用于执行以下步骤：基于像素灰度提取面部图像中皮肤区域内的皮肤波峰分布及波谷分布；基于对所述波峰分布和波谷分布的统计进行皮肤纹理检测。

在所述第二方面的某些实施方式中，所述纹理检测模块用于：采用最大值滤波将所述面部图像中皮肤区域进行过滤，以及采用最小值滤波将所述面部图像中皮肤区域进行过滤；基于最大值滤波后的皮肤区域与过滤前的皮肤区域确定皮肤波谷分布，以及基于最小值滤波后的皮肤区域与过滤前的皮肤区域确定皮肤波峰分布。

在所述第二方面的某些实施方式中，所述纹理检测模块具体用于：基于波峰深度和波谷深度进行皮肤纹理检测；和/或基于波峰数量和波谷数量检测皮肤纹理。

在所述第二方面的某些实施方式中，所述皮肤测评模块用于：以预设的各性别信息所对应的评价权重对所得到的检测结果进行加权处理，以到测试者的皮肤粗糙评价；和/或基于多个皮肤粗糙区间对皮肤纹理检测结果进行粗糙评价。

在所述第二方面的某些实施方式中，所述系统还包括：roi模块，用于基于预设的面颊roi区域模板确定所述面部图像的面颊roi区域，以将所述面颊roi区域作为所述皮肤区域。

在所述第二方面的某些实施方式中，所述系统还包括：蓝光处理模块，用于提取所述面部图像的蓝色波段，以令所述纹理检测模块基于所述面部图像的蓝色波段进行皮肤纹理检测。

本申请第三方面还提供一种面部检测设备，包括：存储装置，用于存储测试者的面部图像及性别信息，以及用于进行皮肤检测的程序；处理装置，用于执行所述程序以按照如上中任一种检测方法中的步骤对所述面部图像进行皮肤评价。

在所述第三方面的某些实施方式中，所述面部检测设备还包括：摄像装置，用于摄取面部图像并保存在所述存储装置中。

在所述第三方面的某些实施方式中，所述面部检测设备还包括：拍摄提示装置，位于摄像装置前，用于提示测试者在所述摄像装置摄取方向的头部摆放。

在所述第三方面的某些实施方式中，所述面部检测设备还包括：显示装置，用于显示对应所述面部图像的皮肤评价结果。

本申请第四方面还提供一种存储介质，存储有所获取的面部图像以及用于进行皮肤检测的程序；其中，所述程序在被处理器执行时，按照如上中任一种检测方法中的步骤对所述面部图像进行皮肤评价。

本申请所提供的皮肤检测方法、系统、设备及存储介质，基于检测皮肤区域的像素灰度能够快速、简洁且满足面部检测精准度要求地得到皮肤纹理情况，再通过性别差异对皮肤进行粗糙度评价，由此大大提高了检测效率和简化了计算难度。

另外，利用最大值滤波和最小值滤波能够减少遗漏波谷和波峰，并去除面部图像中的噪点。

另外，采用蓝光波段能有效减少光亮对检测的影响。此外，由于面部皮肤粗糙程度主要来源于面颊，故利用roi区域进一步减少计算量。

附图说明

图1为本申请皮肤检测方法在一实施方式中的流程图。

图2为本申请皮肤检测方法在另一实施方式中的流程图。

图3-a为本申请皮肤检测方法中识别面部图像中眼部区域和roi区域模板的示意图。

图3-b为利用本申请皮肤检测方法中提取面颊roi区域的一种实施方式的示意图。

图3-c为利用本申请皮肤检测方法中提取面颊roi区域的另一种实施方式的示意图。

图4为本申请皮肤检测系统在一实施方式中的架构图。

图5为本申请皮肤检测系统在另一实施方式中的架构图。

图6为本申请皮肤检测系统在又一实施方式中的架构图。

图7为本申请面部检测设备在一实施方式中的结构示意图。

图8为本申请面部检测设备在又一实施方式中的结构示意图。

具体实施方式

以下通过特定的具体实例说明本申请的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。本申请还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本申请的精神下进行各种修饰或改变。

需要说明的是，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本申请可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本申请所能产生的功效及所能达成的目的下，均应仍落在本申请所揭示的技术内容得能涵盖的范围内。同时，本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”及“一”等的用语，亦仅为便于叙述的明了，而非用以限定本申请可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本申请可实施的范畴。

请参阅图1，本申请提供一种皮肤检测方法。所述方法主要由计算机设备来执行。所述计算机设备可以是专用于面部检测的仪器，如面部检测设备；还可以是移动终端，如平板电脑、智能手机等。所述计算机设备按照如下步骤进行面部图像的皮肤检测。经检测，所述计算机设备可显示基于性别分布而得出的皮肤评价，由此帮助诊治者对诊治对象实施有针对性的皮肤护理。

在步骤s110中，获取测试者的面部图像及性别信息。

具体地，可借助于人机交互界面来输入面部图像及性别信息。所述人机交互界面可又本地应用程序运行而显示的界面，或者基于互联网传输协议自服务端获取的可由浏览器软件打开的人机交互界面。其中，所述面部图像还可以由摄像装置提供。由于皮肤检测的准确是与面部图像清晰程度相关，故而为了得到清晰的面部图像，需预先对所使用的摄像装置进行调节以确保拍摄到清晰的面部图像。例如，通过调整摄像装置的光圈、聚焦位置，以及用户相距摄像装置的距离等，得到清晰的面部图像。除此之外，为了防止背景对皮肤检测的干扰，所获取的面部图像还以纯色、浅色背景为佳，但并不表示本申请所使用的面部图像必然为纯色或浅色背景。本领域技术人员可利用抠图技术将背景进行处理，在此不予详述。

在获得面部图像后，一种提高检测准确性的方式是采用面部图像的蓝色波段为进行皮肤检测的面部图像。具体地，所述计算机设备先执行步骤s120再执行步骤s130；或直接执行步骤s130。

在步骤s120中，提取所述面部图像的蓝色波段。例如，计算机设备保留面部图像中各像素rgb中的蓝色像素值，并基于提取后的面部图像执行步骤s130。

在步骤s130中，基于所述面部图像中皮肤区域内各像素点的灰度差距对所述测试者进行皮肤纹理检测。

在此，为了减少拍摄环境光对皮肤检测的干扰，所述计算机设备先对面部图像进行灰度处理以得到对应的灰度图像，再基于灰度图像进行检测分析。

另外，为了得到面部图像的皮肤区域，所述计算机设备可利用面部五官的图像特征对面部图像进行皮肤区域提取处理。例如，自所述面部图像中抠除所识别出的五官区域以得到皮肤区域。

于本申请中，所述计算机设备对所获得的面部图像的皮肤区域进行基于灰度差距的皮肤纹理检测。在此，所述灰度差距举例为皮肤区域内像素灰度最大值与像素灰度最小值之间灰度差，或者皮肤区域内各像素灰度与灰度均值的灰度差等。所述计算机设备可根据灰度差来确定皮肤粗糙度。或者计算机设备通过统计接近灰度最大值和接近灰度最小值的像素点占所有皮肤区域像素点的比例来确定皮肤粗糙度。

在某些实施方式中，为了更准去地检测皮肤粗糙程度，避免异常数据对检测结果的干扰，所述步骤s130具体包括：步骤s131-s133。

在步骤s131中，基于像素灰度提取面部图像中皮肤区域内皮肤波峰及波谷。其中，所述波峰是基于滤波窗口内各像素灰度最大值而确定的。所述波谷是基于滤波窗口内各像素灰度最小值而确定的。

为此，所述计算机设备采用最大值滤波将所述皮肤区域进行过滤以增加皮肤波峰灰度数量。例如，计算机设备先排序滤波窗口内除中心像素外的周围像素的灰度值，然后将中心像素值与最大值比较，如果比最大值大，则替换中心像素为该最大值，否则，则不予替换。

所述计算机设备还采用最小值滤波将所述皮肤区域进行过滤以增加皮肤波峰灰度数量。例如，计算机设备先排序滤波窗口内除中心像素外的周围像素的灰度值，然后将中心像素值与最小值比较，如果比最小值小，则替换中心像素为该最小值，否则，则不予替换。

需要说明的是，上述最大值滤波和最小值滤波仅为举例，本领域技术人员可利用基于上述举例而设计出更为复杂的滤波算法对皮肤区域进行最大值和最小值滤波，应被视为本申请所涵盖具体示例。

所述计算机设备在得到经各自滤波后的两个皮肤区域后执行步骤s132。

在步骤s132中，利用最大值滤波后的皮肤区域与过滤前的皮肤区域确定皮肤波谷分布，以及利用最小值滤波后的皮肤区域与过滤前的皮肤区域确定皮肤波峰分布。

具体地，所述计算机设备将经最大值滤波后的皮肤区域和过滤前的皮肤区域相减，所得到的灰度差矩阵用以提取皮肤波谷。所述计算机设备还将过滤前的皮肤区域与经最小值滤波后的皮肤区域相减，所得到的灰度差矩阵用以提取皮肤波谷。

在一种具体实施方式中，所述计算机设备可根据预设的概率分布分别在两个灰度差矩阵中确定用于描述皮肤波峰的阈值以及用于描述皮肤波谷峰的阈值。其中，所述概率分布举例为高斯分布。所述计算机设备可基于各所述阈值分别划分对应波峰和波谷的阈值，进而得到分别属于皮肤波峰和波谷的灰度区间。

在另一种具体实施方式中，所述计算机设备分别计算两个灰度差矩阵各自的均值，并基于各自的均值来确定对应皮肤波峰分布及波谷分布。例如，计算机设备计算最大滤波后的皮肤区域与滤波前的皮肤区域之差所形成的灰度差矩阵，并计算该灰度差矩阵的均值以及方差，基于预设的均值加n倍标准差(即方差的开方值)确定皮肤区域的波谷阈值，将小于该波谷阈值的各灰度差确定为波谷的灰度分布，和/或将对应波谷灰度分布的各像素点确定为皮肤区域中波谷的像素点分布。又如，计算机设备计算滤波前的皮肤区域与最小滤波后的皮肤区域之差所形成的灰度差矩阵，并计算该灰度差矩阵的均值以及方差，基于预设的均值加n倍标准差(即方差的开方值)确定皮肤区域的波峰阈值，将大于该波峰阈值的各灰度差确定为波峰的灰度分布，和/或将对应波峰灰度分布的各像素点确定为皮肤区域中波峰的像素点分布。

在步骤s133中，基于对所述波峰分布和波谷分布的统计进行皮肤纹理检测。在此，所检测的纹理用于反映皮肤粗糙程度。例如，通过计算某一波峰最大值与相邻波谷的灰度差，用于反映相应位置的痘或坑的皮肤纹理的凸凹程度等。

在一种实施方式中，基于波峰深度和波谷深度进行皮肤纹理检测。在此，所述波峰深度是指皮肤纹理的波峰位置相较于皮肤表面的纵向值，所述波谷深度是指皮肤纹理的波谷位置相较于皮肤表面的纵向值。例如，所述计算机设备计算步骤s131中确定为波峰的灰度分布中相距波峰阈值的最大差距，即hmax＝δhmax-havg，其中，havg为波峰阈值，δhmax为灰度差矩阵中最大灰度差，该最大差距hmax为波峰深度。同样，所述计算机设备计算步骤s131中确定为波谷的灰度分布中相距波谷阈值的最大差距，即hmax＝havg-δhmax，其中，havg为波谷阈值，δhmax为灰度差矩阵中最大灰度差，该最大差距hmax为波谷深度。所述计算机设备将(hmax+hmax)值作为皮肤纹理检测结果。

在另一种实施方式中，基于波峰数量和波谷数量进行皮肤纹理检测。在此，所述波峰数量是指皮肤区域中对应波峰的像素数量，所述波谷数量是指皮肤区域中对应波谷的像素数量。例如，所述计算机设备统计步骤s131中确定为波峰的灰度分布中波峰数量，以及确定为波谷的灰度分布中波谷数量。所述计算机设备将波峰数量和波谷数量之和作为皮肤纹理检测结果。

在又一种实施方式中，所述计算机设备可将前述波峰深度、波谷深度、波峰数量和波谷数量均作为皮肤纹理检测结果。

在步骤s140中，基于预设的各性别信息及所对应的皮肤评价方式，对所得到的检测结果进行皮肤粗糙评价。

在此，所述计算机设备中可预存储对应性别的不同皮肤评价算法，通过经输入得到的你这的性别信息，将所得到的皮肤纹理检测结果带入对应的皮肤评价算法中以进行皮肤粗糙评价。在一更具体实例中，计算机设备预设有对应性别的多个皮肤粗糙区间，根据性别信息将所得到的纹理检测值进行区间匹配，并根据匹配结果得到皮肤粗糙评价。其中，所述皮肤粗糙区间用于描述皮肤粗糙程度，所述计算机设备可先将皮肤纹理检测结果带入对应性别的算法，在通过匹配各皮肤粗糙区间得到皮肤粗糙评价。

在另一种实施方式中，所述计算机设备预设统一的皮肤评价算法，并将性别作为皮肤评价的权重，先将所得到的皮肤纹理检测结果带入所述皮肤评价算法进行皮肤粗糙检测，再以预设的各性别信息所对应的评价权重对所得到的检测结果进行加权处理，以到测试者的皮肤粗糙评价。

在又一种实施方式中，计算机设备还可以预设有多个皮肤粗糙区间，并根据性别信息将基于性别权重而得到的皮肤粗糙度进行区间匹配，并根据匹配结果得到皮肤粗糙评价。

在本申请中，所得到的皮肤粗糙评价，以及波峰及波谷的像素分布，可通过显示界面提供给测试者和医生等。其中，所述像素分布可基于像素位置以及像素连通域的分析，对应到原始面部图像上。

参阅图2，本申请还提供一种皮肤检测方法的流程图。所述方法包括以下步骤：

在步骤s210中，获取测试者的面部图像及性别信息。

在此，所述步骤s210的执行过程和前述步骤s110的执行过程相同或相似，在此不再详述。

在步骤s220中，基于预设的面颊roi区域模板确定所述面部图像的面颊roi区域，以将所述面颊roi区域作为所述皮肤区域。

具体地，计算机设备可根据面颊roi区域模板中描述的位置确定面部图像的roi区域。

在某些实施方式中，所述计算机设备执行步骤s221和s222。

在步骤s221中，基于面颊roi区域模板将所述面部图像按照器官位置进行图像划分。具体地，所述计算机设备识别出面部图像的轮廓，再根据预设的面颊roi区域模板中描述位置，将所述面颊roi区域模板轮廓放置在所获取的面部图像中。再按照面颊roi区域模板将面部图像分块。

需要说明的是，所述图像分块方式可仅利用面颊roi区域模板轮廓对面部图像进行分块标记，而并非一定进行抠图处理。

在步骤s222中，识别所划分后的图像区域中的器官区域。具体地，所述计算机设备利用面颊roi区域模板所表示的面颊区域，在面部图像与之相邻的区域中识别器官区域。例如，利用对应面颊roi区域模板，在与该区域模板相邻的图像分块中识别测试者的眼部区域和/或鼻部区域。

所述计算机设备将所述面颊roi区域模板向所识别的器官区域的边缘调整，得到测试者的面颊roi区域。

具体地，所述计算机设备按照所确定的器官区域将面颊roi区域模板的轮廓外接、或者靠近相邻器官区域上，以得到对应所述面部图像中的面颊roi区域。其中，所述面颊roi区域模板的轮廓可向一种器官区域延伸，或向相邻的多种器官区域延伸。在此，所述面颊roi区域模板的延伸包括面颊roi区域模板轮廓的外延及收缩。更具体地，计算机设备将面颊roi区域模板向相临器官区域延伸，直至满足与相应器官区域的临界条件。其中，所述临界条件包括但不限于：两个区域共用外接轮廓线、两个区域共用外接轮廓点、两个区域的最短距离小于预设值等。

在某些实施例中，所述计算机设备确定面颊roi区域模板轮廓中与相邻的器官区域轮廓的间距小于预设距离阈值的部分轮廓，将面颊roi区域模板中的该部分轮廓替换成器官区域的对应部分轮廓，以得到所述面部图像的面颊roi区域。如图3-a和3-b所示，遍历式地检测面颊roi区域模板轮廓11和相邻的眼部区域轮廓12之间的间距，以确定面颊roi区域模板轮廓11和眼部区域轮廓12之间间距，将面颊roi区域模板11中至少一部分轮廓向眼部区域12的对应部分轮廓延伸(如图3-b中虚线所示)，以得到对应单体用户的面颊roi区域。其中，所延伸的部分轮廓是基于间距小于预设门限而确定的。

又如，如图3-a和3-c所示，将面颊roi区域模板中的特征点向相邻的器官区域轮廓移动，直至所移动的特征点与器官轮廓的间距小于预设值或相接。在此，特征点的移动方向和移动距离可以由人为处置。或者，所述特征点向沿所在法线方向向器官区域轮廓移动。所述计算机设备将移动后的特征点所围成的区域作为对应测试者的面颊roi区域。

需要说明的是，本申请中描述的特征点的移动方向仅为举例，而非限制。所述特征点还可以根据与相邻器官区域轮廓的最短距离，沿最短距离方向移动。

所述计算机设备还可以将所得到的面颊roi区域轮廓进行圆滑处理。

需要说明的是，本领域技术人员应该理解，上述针对单体用户的面颊roi区域的确定仅为举例而非对本申请范围的限制。事实上，本领域技术人员可结合上述示例和所要确定的面颊roi区域的特点进行研发设计，且基于本申请所述的技术框架而使用的技术手段均应被视为本申请范围内的具体示例。

接着，在获得面颊roi区域后，一种提高检测准确性的方式是采用面部图像的蓝色波段为进行皮肤检测的面部图像。具体地，所述计算机设备先执行步骤s230再执行步骤s240；或直接执行步骤s240。

在步骤s230中，提取所述面颊roi区域的蓝色波段。在此，可提取整幅面部图像的蓝色波段，或仅提取所述面颊roi区域的蓝色波段。例如，计算机设备保留面部图像中各像素rgb中的蓝色像素值，并基于提取后的面部图像执行步骤s240。

在步骤s240中，基于所述面部图像的皮肤区域内各像素点的灰度差距对所述测试者进行皮肤纹理检测。

在此，为了减少拍摄环境光对皮肤检测的干扰，所述计算机设备先对面部图像进行灰度处理以得到对应的灰度图像，再基于灰度图像进行检测分析。

于本申请中，所述计算机设备将所获得的面颊roi区域作为面部图像的皮肤区域，对所述皮肤区域进行基于灰度差距的皮肤纹理检测。其检测方式可与步骤s130相同或相似，在此不再详述。

接着，在步骤s250中，基于预设的各性别信息及所对应的皮肤评价方式，对所得到的检测结果进行皮肤粗糙评价。

在此所述步骤s250的执行过程可与前述步骤s140的执行过程相同或相似，在此不予详述。

在本申请中，所得到的皮肤粗糙评价，以及波峰及波谷的像素分布，可通过显示界面提供给测试者和医生等。其中，所述像素分布可基于像素位置以及像素连通域的分析，对应到原始面部图像上。

请参阅图4，本申请提供一种皮肤检测系统。所述系统主要包含计算机设备中的软件和硬件。所述计算机设备可以是专用于面部检测的仪器，如面部检测设备；还可以是移动终端，如平板电脑、智能手机等。所述计算机设备按照如下步骤进行面部图像的皮肤检测。经检测，所述计算机设备可显示基于性别分布而得出的皮肤评价，由此帮助诊治者对诊治对象实施有针对性的皮肤护理。所述皮肤检测系统4包括：存储模块41、纹理检测模块42、皮肤测评模块43。

所述存储模块41用于预存测试者的面部图像及性别信息。

具体地，所述皮肤检测系统4可借助于人机交互界面来输入面部图像及性别信息。所述人机交互界面可又本地应用程序运行而显示的界面，或者基于互联网传输协议自服务端获取的可由浏览器软件打开的人机交互界面。其中，所述面部图像还可以由摄像装置提供。由于皮肤检测的准确是与面部图像清晰程度相关，故而为了得到清晰的面部图像，需预先对所使用的摄像装置进行调节以确保拍摄到清晰的面部图像。例如，通过调整摄像装置的光圈、聚焦位置，以及用户相距摄像装置的距离等，得到清晰的面部图像。除此之外，为了防止背景对皮肤检测的干扰，所获取的面部图像还以纯色、浅色背景为佳，但并不表示本申请所使用的面部图像必然为纯色或浅色背景。本领域技术人员可利用抠图技术将背景进行处理，在此不予详述。

在获得面部图像后，一种提高检测准确性的方式是采用面部图像的蓝色波段为进行皮肤检测的面部图像。具体地，所述皮肤检测系统4还包括蓝光处理模块44，如图5所示。

所述蓝光处理模块44用于提取所述面部图像的蓝色波段。例如，蓝光处理模块44保留面部图像中各像素rgb中的蓝色像素值，并基于提取后的面部图像执行纹理检测模块42。

所述纹理检测模块42用于基于所述面部图像中皮肤区域内各像素点的灰度差距对所述测试者进行皮肤纹理检测。

在此，为了减少拍摄环境光对皮肤检测的干扰，所述纹理检测模块42先对面部图像进行灰度处理以得到对应的灰度图像，再基于灰度图像进行检测分析。

另外，为了得到面部图像的皮肤区域，所述纹理检测模块42可利用面部五官的图像特征对面部图像进行皮肤区域提取处理。例如，自所述面部图像中抠除所识别出的五官区域以得到皮肤区域。

于本申请中，所述纹理检测模块42对所获得的面部图像的皮肤区域进行基于灰度差距的皮肤纹理检测。在此，所述灰度差距举例为皮肤区域内像素灰度最大值与像素灰度最小值之间灰度差，或者皮肤区域内各像素灰度与灰度均值的灰度差等。所述纹理检测模块42可根据灰度差来确定皮肤粗糙度。或者纹理检测模块42通过统计接近灰度最大值和接近灰度最小值的像素点占所有皮肤区域像素点的比例来确定皮肤粗糙度。

在某些实施方式中，为了更准去地检测皮肤粗糙程度，避免异常数据对检测结果的干扰，所述纹理检测模块42具体执行步骤s131-s133。

在步骤s131中，基于像素灰度提取面部图像中皮肤区域内皮肤波峰及波谷。其中，所述波峰是基于滤波窗口内各像素灰度最大值而确定的。所述波谷是基于滤波窗口内各像素灰度最小值而确定的。

为此，所述纹理检测模块42采用最大值滤波将所述皮肤区域进行过滤以增加皮肤波峰灰度数量。例如，纹理检测模块42先排序滤波窗口内除中心像素外的周围像素的灰度值，然后将中心像素值与最大值比较，如果比最大值大，则替换中心像素为该最大值，否则，则不予替换。

所述纹理检测模块42还采用最小值滤波将所述皮肤区域进行过滤以增加皮肤波峰灰度数量。例如，纹理检测模块42先排序滤波窗口内除中心像素外的周围像素的灰度值，然后将中心像素值与最小值比较，如果比最小值小，则替换中心像素为该最小值，否则，则不予替换。

需要说明的是，上述最大值滤波和最小值滤波仅为举例，本领域技术人员可利用基于上述举例而设计出更为复杂的滤波算法对皮肤区域进行最大值和最小值滤波，应被视为本申请所涵盖具体示例。

所述纹理检测模块42在得到经各自滤波后的两个皮肤区域后执行步骤s132。

在步骤s132中，利用最大值滤波后的皮肤区域与过滤前的皮肤区域确定皮肤波谷分布，以及利用最小值滤波后的皮肤区域与过滤前的皮肤区域确定皮肤波峰分布。

具体地，所述纹理检测模块42将经最大值滤波后的皮肤区域和过滤前的皮肤区域相减，所得到的灰度差矩阵用以提取皮肤波谷。所述纹理检测模块42还将过滤前的皮肤区域与经最小值滤波后的皮肤区域相减，所得到的灰度差矩阵用以提取皮肤波谷。

在一种具体实施方式中，所述纹理检测模块42可根据预设的概率分布分别在两个灰度差矩阵中确定用于描述皮肤波峰的阈值以及用于描述皮肤波谷峰的阈值。其中，所述概率分布举例为高斯分布。所述纹理检测模块42可基于各所述阈值分别划分对应波峰和波谷的阈值，进而得到分别属于皮肤波峰和波谷的灰度区间。

在另一种具体实施方式中，所述纹理检测模块42分别计算两个灰度差矩阵各自的均值，并基于各自的均值来确定对应皮肤波峰分布及波谷分布。例如，纹理检测模块42计算最大滤波后的皮肤区域与滤波前的皮肤区域之差所形成的灰度差矩阵，并计算该灰度差矩阵的均值以及方差，基于预设的均值加n倍标准差(即方差的开方值)确定皮肤区域的波谷阈值，将小于该波谷阈值的各灰度差确定为波谷的灰度分布，和/或将对应波谷灰度分布的各像素点确定为皮肤区域中波谷的像素点分布。又如，纹理检测模块42计算滤波前的皮肤区域与最小滤波后的皮肤区域之差所形成的灰度差矩阵，并计算该灰度差矩阵的均值以及方差，基于预设的均值加n倍标准差(即方差的开方值)确定皮肤区域的波峰阈值，将大于该波峰阈值的各灰度差确定为波峰的灰度分布，和/或将对应波峰灰度分布的各像素点确定为皮肤区域中波峰的像素点分布。

在步骤s133中，基于对所述波峰分布和波谷分布的统计进行皮肤纹理检测。在此，所检测的纹理用于反映皮肤粗糙程度。例如，通过计算某一波峰最大值与相邻波谷的灰度差，用于反映相应位置的痘或坑的皮肤纹理的凸凹程度等。

在一种实施方式中，基于波峰深度和波谷深度进行皮肤纹理检测。在此，所述波峰深度是指皮肤纹理的波峰位置相较于皮肤表面的纵向值，所述波谷深度是指皮肤纹理的波谷位置相较于皮肤表面的纵向值。例如，所述纹理检测模块42计算步骤s131中确定为波峰的灰度分布中相距波峰阈值的最大差距，即hmax＝δhmax-havg，其中，havg为波峰阈值，δhmax为灰度差矩阵中最大灰度差，该最大差距hmax为波峰深度。同样，所述纹理检测模块42计算步骤s131中确定为波谷的灰度分布中相距波谷阈值的最大差距，即hmax＝havg-δhmax，其中，havg为波谷阈值，δhmax为灰度差矩阵中最大灰度差，该最大差距hmax为波谷深度。所述纹理检测模块42将(hmax+hmax)值作为皮肤纹理检测结果。

在另一种实施方式中，基于波峰数量和波谷数量进行皮肤纹理检测。在此，所述波峰数量是指皮肤区域中对应波峰的像素数量，所述波谷数量是指皮肤区域中对应波谷的像素数量。例如，所述纹理检测模块42统计步骤s131中确定为波峰的灰度分布中波峰数量，以及确定为波谷的灰度分布中波谷数量。所述纹理检测模块42将波峰数量和波谷数量之和作为皮肤纹理检测结果。

在又一种实施方式中，所述纹理检测模块42可将前述波峰深度、波谷深度、波峰数量和波谷数量均作为皮肤纹理检测结果。

所述皮肤测评模块43用于基于预设的各性别信息及所对应的皮肤评价方式，对所得到的检测结果进行皮肤粗糙评价。

在此，所述皮肤测评模块43中可预存储对应性别的不同皮肤评价算法，通过经输入得到的你这的性别信息，将所得到的皮肤纹理检测结果带入对应的皮肤评价算法中以进行皮肤粗糙评价。在一更具体实例中，皮肤测评模块43预设有对应性别的多个皮肤粗糙区间，根据性别信息将所得到的纹理检测值进行区间匹配，并根据匹配结果得到皮肤粗糙评价。其中，所述皮肤粗糙区间用于描述皮肤粗糙程度，所述皮肤测评模块43可先将皮肤纹理检测结果带入对应性别的算法，在通过匹配各皮肤粗糙区间得到皮肤粗糙评价。

在另一种实施方式中，所述皮肤测评模块43预设统一的皮肤评价算法，并将性别作为皮肤评价的权重，先将所得到的皮肤纹理检测结果带入所述皮肤评价算法进行皮肤粗糙检测，再以预设的各性别信息所对应的评价权重对所得到的检测结果进行加权处理，以到测试者的皮肤粗糙评价。

在又一种实施方式中，皮肤测评模块43还可以预设有多个皮肤粗糙区间，并根据性别信息将基于性别权重而得到的皮肤粗糙度进行区间匹配，并根据匹配结果得到皮肤粗糙评价。

在本申请中，所得到的皮肤粗糙评价，以及波峰及波谷的像素分布，可通过显示界面提供给测试者和医生等。其中，所述像素分布可基于像素位置以及像素连通域的分析，对应到原始面部图像上。

参阅图6，本申请还提供一种皮肤检测系统。所述皮肤检测系统5包括：存储模块51、纹理检测模块52、皮肤测评模块53和roi模块55。

所述存储模块51用于预存测试者的面部图像及性别信息。

在此，所述皮肤检测系统5前述步骤可通过执行前述步骤s110来获取面部图像及性别信息，并将其保存在所述存储模块51中。

所述roi模块55用于基于预设的面颊roi区域模板确定所述面部图像的面颊roi区域，以将所述面颊roi区域作为所述皮肤区域。

具体地，roi模块55可根据面颊roi区域模板中描述的位置确定面部图像的roi区域。

在某些实施方式中，所述roi模块55执行步骤s221和s222。

在步骤s221中，基于面颊roi区域模板将所述面部图像按照器官位置进行图像划分。具体地，所述roi模块55识别出面部图像的轮廓，再根据预设的面颊roi区域模板中描述位置，将所述面颊roi区域模板轮廓放置在所获取的面部图像中。再按照面颊roi区域模板将面部图像分块。

需要说明的是，所述图像分块方式可仅利用面颊roi区域模板轮廓对面部图像进行分块标记，而并非一定进行抠图处理。

在步骤s222中，识别所划分后的图像区域中的器官区域。具体地，所述roi模块55利用面颊roi区域模板所表示的面颊区域，在面部图像与之相邻的区域中识别器官区域。例如，利用对应面颊roi区域模板，在与该区域模板相邻的图像分块中识别测试者的眼部区域和/或鼻部区域。

所述roi模块55将所述面颊roi区域模板向所识别的器官区域的边缘调整，得到测试者的面颊roi区域。

具体地，所述roi模块55按照所确定的器官区域将面颊roi区域模板的轮廓外接、或者靠近相邻器官区域上，以得到对应所述面部图像中的面颊roi区域。其中，所述面颊roi区域模板的轮廓可向一种器官区域延伸，或向相邻的多种器官区域延伸。在此，所述面颊roi区域模板的延伸包括面颊roi区域模板轮廓的外延及收缩。更具体地，roi模块55将面颊roi区域模板向相临器官区域延伸，直至满足与相应器官区域的临界条件。其中，所述临界条件包括但不限于：两个区域共用外接轮廓线、两个区域共用外接轮廓点、两个区域的最短距离小于预设值等。

在某些实施例中，所述roi模块55确定面颊roi区域模板轮廓中与相邻的器官区域轮廓的间距小于预设距离阈值的部分轮廓，将面颊roi区域模板中的该部分轮廓替换成器官区域的对应部分轮廓，以得到所述面部图像的面颊roi区域。如图3-a和3-b所示，遍历式地检测面颊roi区域模板轮廓11和相邻的眼部区域轮廓12之间的间距，以确定面颊roi区域模板轮廓11和眼部区域轮廓12之间间距，将面颊roi区域模板11中至少一部分轮廓向眼部区域12的对应部分轮廓延伸(如图3-b中虚线所示)，以得到对应单体用户的面颊roi区域。其中，所延伸的部分轮廓是基于间距小于预设门限而确定的。

又如，如图3-a和5-c所示，将面颊roi区域模板中的特征点向相邻的器官区域轮廓移动，直至所移动的特征点与器官轮廓的间距小于预设值或相接。在此，特征点的移动方向和移动距离可以由人为处置。或者，所述特征点向沿所在法线方向向器官区域轮廓移动。所述roi模块55将移动后的特征点所围成的区域作为对应测试者的面颊roi区域。

需要说明的是，本申请中描述的特征点的移动方向仅为举例，而非限制。所述特征点还可以根据与相邻器官区域轮廓的最短距离，沿最短距离方向移动。

所述roi模块55还可以将所得到的面颊roi区域轮廓进行圆滑处理。

需要说明的是，本领域技术人员应该理解，上述针对单体用户的面颊roi区域的确定仅为举例而非对本申请范围的限制。事实上，本领域技术人员可结合上述示例和所要确定的面颊roi区域的特点进行研发设计，且基于本申请所述的技术框架而使用的技术手段均应被视为本申请范围内的具体示例。

接着，在获得面颊roi区域后，一种提高检测准确性的方式是采用面部图像的蓝色波段为进行皮肤检测的面部图像。具体地，所述皮肤检测系统5还包括蓝光处理模块54。

所述蓝光处理模块54用于提取所述面颊roi区域的蓝色波段。在此，所述蓝光处理模块54可提取整幅面部图像的蓝色波段，或仅提取所述面颊roi区域的蓝色波段。例如，蓝光处理模块54保留面部图像中各像素rgb中的蓝色像素值，并基于提取后的面部图像启动纹理检测模块52。

所述纹理检测模块52用于基于所述皮肤区域内各像素点的灰度差距对所述测试者进行皮肤纹理检测。

在此，为了减少拍摄环境光对皮肤检测的干扰，所述纹理检测模块52先对面部图像进行灰度处理以得到对应的灰度图像，再基于灰度图像进行检测分析。

于本申请中，所述纹理检测模块52将所获得的面颊roi区域作为面部图像的皮肤区域，对所述皮肤区域进行基于灰度差距的皮肤纹理检测。其检测方式可与图5中的纹理检测模块42相同或相似，在此不再详述。

接着，所述皮肤测评模块53用于基于预设的各性别信息及所对应的皮肤评价方式，对所得到的检测结果进行皮肤粗糙评价。

在此所述皮肤测评模块53的执行过程可与图5中的皮肤测评模块43的执行过程相同或相似，在此不予详述。

在本申请中，所得到的皮肤粗糙评价，以及波峰及波谷的像素分布，可通过显示界面提供给测试者和医生等。其中，所述像素分布可基于像素位置以及像素连通域的分析，对应到原始面部图像上。

请参阅图7，本申请还提供一种面部检测设备。所述面部检测设备包括但不限于：面部检测仪、皮肤测试仪、移动终端等。例如，所述面部检测设备为专用的面部测试仪器。又如，所述面部检测设备为平板电脑等。所述面部检测设备3包括：存储装置31、处理装置32。

所述存储装置31用于存储测试者的面部图像及性别信息，以及用于进行皮肤检测的程序。其中，所述面部图像可利用与面部检测设备相连的摄像装置拍摄而得，或者经由网络自其它电子设备获取。

所述存储装置31可包括高速随机存取存储器，并且还可包括非易失性存储器，例如一个或多个磁盘存储设备、闪存设备或其他非易失性固态存储设备。在某些实施例中，存储装置31还可以包括远离一个或多个处理器的存储器，例如经由通信网络访问的网络附加存储器，其中所述通信网络可以是因特网、一个或多个内部网、局域网(lan)、广域网(wlan)、存储局域网(san)等，或其适当组合。存储装置31中还包括存储器控制器，所述存储器控制器可控制诸如cpu和外设接口之类的其他组件对存储器的访问。存储在存储装置31中的软件组件包括操作系统、通信模块(或指令集)、接触/运动模块(或指令集)、图形模块(或指令集)、触觉反馈模块(或指令集)、文本输入模块(或指令集)、以及程序(或指令集)。

其中，为了对面部图像进行准确的皮肤检测，所述存储装置31中保存的面部图像的清晰度以专用的摄像装置拍摄为佳。故而，如图8所示，所述面部检测设备3还包括：摄像装置33。例如，通过预先调整摄像装置的光圈、聚焦位置，以及用户相距摄像装置的距离等，得到清晰的面部图像。除此之外，为了防止背景对皮肤检测的干扰，所获取的面部图像还以纯色、浅色背景为佳，但并不表示本申请所使用的面部图像必然为纯色或浅色背景。本领域技术人员可利用抠图技术将背景进行处理，在此不予详述。

另外，所述摄像装置33可以是内置在面部检测设备中的一部分，如移动终端中内置的摄像装置33。或者所述摄像装置33为单独的数码相机，并与处理装置32通过io子系统相连。其中，所述io子系统可与处理装置32封装在一起，其包括但不限于：usb等串行接口。所述摄像装置33包括镜头组、成像传感器、图像处理芯片等。其中，镜头组由多块镜片组成，利用镜片对光路改变将所摄取的实体景象成像在成像传感器上。所述成像传感器将光学图像转换成电子信号。以产品类别区分，成像传感器产品主要分为ccd、cmos以及cis传感器三种。所述成像传感器将所得图像交由图像处理芯片(isp，imagesignalprocessing)进行图像纠正、噪点去除、坏点修补、颜色插值、白平衡校正、曝光校正等图像处理。

为了确保摄像装置33所摄取的面部图像与预存的roi区域模板在尺寸比例上相匹配，所述面部检测设备还包括：拍摄提示装置34。

所述拍摄提示装置34位于摄像装置33前，用于提示测试者在所述摄像装置33摄取方向的头部摆放。在此，所述拍摄提示装置34可以是一具体拍摄提示图案，如提示点、提示线等。在某些实施方式中，其包含用于支撑用户下颌的第一支撑部件和固定摄像装置33的第二支撑部件，两个支撑部件之间的间距根据面部图像在整幅图像中的比例而定。第一支撑部件的高度与摄像装置33所能拍摄的完整的面部图像相关。所述第一支撑部件可调。例如，所述第一支撑部件包含一升降杆和锁固件，在所述升降杆上设有一颚托。用户可在使用前调整第一支撑部件的高度，使得所述摄像装置33拍摄到完整的面部图像。

当得到面部图像后，所述处理装置32执行所述程序以对面部图像进行皮肤检测。

在此，所述处理装置32包含处理器，所述处理器可操作地与存储器和/或非易失性存储器耦接。更具体地，处理器可执行在存储器和/或非易失性存储器中存储的指令以在计算设备中执行操作，诸如生成图像数据和/或将图像数据传输到显示电路。如此，处理器可包括一个或多个通用微处理器、一个或多个专用处理器(asic)、一个或多个现场可编程逻辑阵列(fpga)、或它们的任何组合。

处理装置32还可操作地与网络接口耦接，以将计算设备以通信方式耦接至网络。例如，网络接口可将计算设备连接到个人局域网(pan)(诸如蓝牙网络)、局域网(lan)(诸如802.11xwi-fi网络)、和/或广域网(wan)。此外，处理装置32可操作地耦接至电源，该电源可向计算设备中的各种部件诸如电子显示器提供电力。如此，电源可包括任何合适的能源，诸如可再充电的锂聚合物(li-poly)电池和/或交流电(ac)电源转换器。

所述处理装置32还与i/o端口和输入结构可操作地耦接，该i/o端口可使得计算设备能够与各种其他电子设备(如专门用于皮肤检测的仪器或移动终端)进行交互，该输入结构可使得用户能够与计算设备进行交互。因此，输入结构可包括按钮、键盘、鼠标、触控板等。

所述处理装置32还可操作地与网络接口耦接，以将计算设备以通信方式耦接至网络。例如，网络接口可将计算设备连接到个人局域网(pan)(诸如蓝牙网络)、局域网(lan)(诸如802.11xwi-fi网络)、和/或广域网(wan)(注入4g或lte蜂窝网络)。

在本申请中，所述处理装置32可基于输入结构所输入的启动指令调用所述程序，进而在执行所述程序时以将所述存储装置31中面部图像进行皮肤检测。其中执行过程如图1所示。

在步骤s110中，获取测试者的面部图像及性别信息。

具体地，可借助于人机交互界面来输入面部图像及性别信息。所述人机交互界面可又本地应用程序运行而显示的界面，或者基于互联网传输协议自服务端获取的可由浏览器软件打开的人机交互界面。其中，所述面部图像还可以由摄像装置提供。由于皮肤检测的准确是与面部图像清晰程度相关，故而为了得到清晰的面部图像，需预先对所使用的摄像装置进行调节以确保拍摄到清晰的面部图像。例如，通过调整摄像装置的光圈、聚焦位置，以及用户相距摄像装置的距离等，得到清晰的面部图像。除此之外，为了防止背景对皮肤检测的干扰，所获取的面部图像还以纯色、浅色背景为佳，但并不表示本申请所使用的面部图像必然为纯色或浅色背景。本领域技术人员可利用抠图技术将背景进行处理，在此不予详述。

在获得面部图像后，一种提高检测准确性的方式是采用面部图像的蓝色波段为进行皮肤检测的面部图像。具体地，所述处理装置32先执行步骤s120再执行步骤s130；或直接执行步骤s130。

在步骤s120中，提取所述面部图像的蓝色波段。例如，处理装置32保留面部图像中各像素rgb中的蓝色像素值，并基于提取后的面部图像执行步骤s130。

在步骤s130中，基于所述面部图像中皮肤区域内各像素点的灰度差距对所述测试者进行皮肤纹理检测。

在此，为了减少拍摄环境光对皮肤检测的干扰，所述处理装置32先对面部图像进行灰度处理以得到对应的灰度图像，再基于灰度图像进行检测分析。

另外，为了得到面部图像的皮肤区域，所述处理装置32可利用面部五官的图像特征对面部图像进行皮肤区域提取处理。例如，自所述面部图像中抠除所识别出的五官区域以得到皮肤区域。

于本申请中，所述处理装置32对所获得的面部图像的皮肤区域进行基于灰度差距的皮肤纹理检测。在此，所述灰度差距举例为皮肤区域内像素灰度最大值与像素灰度最小值之间灰度差，或者皮肤区域内各像素灰度与灰度均值的灰度差等。所述处理装置32可根据灰度差来确定皮肤粗糙度。或者处理装置32通过统计接近灰度最大值和接近灰度最小值的像素点占所有皮肤区域像素点的比例来确定皮肤粗糙度。

在某些实施方式中，为了更准去地检测皮肤粗糙程度，避免异常数据对检测结果的干扰，所述步骤s130具体包括：步骤s131-s133。

在步骤s131中，基于像素灰度提取面部图像中皮肤区域内皮肤波峰及波谷。其中，所述波峰是基于滤波窗口内各像素灰度最大值而确定的。所述波谷是基于滤波窗口内各像素灰度最小值而确定的。

为此，所述处理装置32采用最大值滤波将所述皮肤区域进行过滤以增加皮肤波峰灰度数量。例如，处理装置32先排序滤波窗口内除中心像素外的周围像素的灰度值，然后将中心像素值与最大值比较，如果比最大值大，则替换中心像素为该最大值，否则，则不予替换。

所述处理装置32还采用最小值滤波将所述皮肤区域进行过滤以增加皮肤波峰灰度数量。例如，处理装置32先排序滤波窗口内除中心像素外的周围像素的灰度值，然后将中心像素值与最小值比较，如果比最小值小，则替换中心像素为该最小值，否则，则不予替换。

需要说明的是，上述最大值滤波和最小值滤波仅为举例，本领域技术人员可利用基于上述举例而设计出更为复杂的滤波算法对皮肤区域进行最大值和最小值滤波，应被视为本申请所涵盖具体示例。

所述处理装置32在得到经各自滤波后的两个皮肤区域后执行步骤s132。

在步骤s132中，利用最大值滤波后的皮肤区域与过滤前的皮肤区域确定皮肤波谷分布，以及利用最小值滤波后的皮肤区域与过滤前的皮肤区域确定皮肤波峰分布。

具体地，所述处理装置32将经最大值滤波后的皮肤区域和过滤前的皮肤区域相减，所得到的灰度差矩阵用以提取皮肤波谷。所述处理装置32还将过滤前的皮肤区域与经最小值滤波后的皮肤区域相减，所得到的灰度差矩阵用以提取皮肤波谷。

在一种具体实施方式中，所述处理装置32可根据预设的概率分布分别在两个灰度差矩阵中确定用于描述皮肤波峰的阈值以及用于描述皮肤波谷峰的阈值。其中，所述概率分布举例为高斯分布。所述处理装置32可基于各所述阈值分别划分对应波峰和波谷的阈值，进而得到分别属于皮肤波峰和波谷的灰度区间。

在另一种具体实施方式中，所述处理装置32分别计算两个灰度差矩阵各自的均值，并基于各自的均值来确定对应皮肤波峰分布及波谷分布。例如，处理装置32计算最大滤波后的皮肤区域与滤波前的皮肤区域之差所形成的灰度差矩阵，并计算该灰度差矩阵的均值以及方差，基于预设的均值加n倍标准差(即方差的开方值)确定皮肤区域的波谷阈值，将小于该波谷阈值的各灰度差确定为波谷的灰度分布，和/或将对应波谷灰度分布的各像素点确定为皮肤区域中波谷的像素点分布。又如，处理装置32计算滤波前的皮肤区域与最小滤波后的皮肤区域之差所形成的灰度差矩阵，并计算该灰度差矩阵的均值以及方差，基于预设的均值加n倍标准差(即方差的开方值)确定皮肤区域的波峰阈值，将大于该波峰阈值的各灰度差确定为波峰的灰度分布，和/或将对应波峰灰度分布的各像素点确定为皮肤区域中波峰的像素点分布。

在步骤s133中，基于对所述波峰分布和波谷分布的统计进行皮肤纹理检测。在此，所检测的纹理用于反映皮肤粗糙程度。例如，通过计算某一波峰最大值与相邻波谷的灰度差，用于反映相应位置的痘或坑的皮肤纹理的凸凹程度等。

在一种实施方式中，基于波峰深度和波谷深度进行皮肤纹理检测。在此，所述波峰深度是指皮肤纹理的波峰位置相较于皮肤表面的纵向值，所述波谷深度是指皮肤纹理的波谷位置相较于皮肤表面的纵向值。例如，所述处理装置32计算步骤s131中确定为波峰的灰度分布中相距波峰阈值的最大差距，即hmax＝δhmax-havg，其中，havg为波峰阈值，δhmax为灰度差矩阵中最大灰度差，该最大差距hmax为波峰深度。同样，所述处理装置32计算步骤s131中确定为波谷的灰度分布中相距波谷阈值的最大差距，即hmax＝havg-δhmax，其中，havg为波谷阈值，δhmax为灰度差矩阵中最大灰度差，该最大差距hmax为波谷深度。所述处理装置32将(hmax+hmax)值作为皮肤纹理检测结果。

在另一种实施方式中，基于波峰数量和波谷数量进行皮肤纹理检测。在此，所述波峰数量是指皮肤区域中对应波峰的像素数量，所述波谷数量是指皮肤区域中对应波谷的像素数量。例如，所述处理装置32统计步骤s131中确定为波峰的灰度分布中波峰数量，以及确定为波谷的灰度分布中波谷数量。所述处理装置32将波峰数量和波谷数量之和作为皮肤纹理检测结果。

在又一种实施方式中，所述处理装置32可将前述波峰深度、波谷深度、波峰数量和波谷数量均作为皮肤纹理检测结果。

在步骤s140中，基于预设的各性别信息及所对应的皮肤评价方式，对所得到的检测结果进行皮肤粗糙评价。

在此，所述处理装置32中可预存储对应性别的不同皮肤评价算法，通过经输入得到的你这的性别信息，将所得到的皮肤纹理检测结果带入对应的皮肤评价算法中以进行皮肤粗糙评价。在一更具体实例中，处理装置32预设有对应性别的多个皮肤粗糙区间，根据性别信息将所得到的纹理检测值进行区间匹配，并根据匹配结果得到皮肤粗糙评价。其中，所述皮肤粗糙区间用于描述皮肤粗糙程度，所述处理装置32可先将皮肤纹理检测结果带入对应性别的算法，在通过匹配各皮肤粗糙区间得到皮肤粗糙评价。

在另一种实施方式中，所述处理装置32预设统一的皮肤评价算法，并将性别作为皮肤评价的权重，先将所得到的皮肤纹理检测结果带入所述皮肤评价算法进行皮肤粗糙检测，再以预设的各性别信息所对应的评价权重对所得到的检测结果进行加权处理，以到测试者的皮肤粗糙评价。

在又一种实施方式中，处理装置32还可以预设有多个皮肤粗糙区间，并根据性别信息将基于性别权重而得到的皮肤粗糙度进行区间匹配，并根据匹配结果得到皮肤粗糙评价。

在本申请中，所得到的皮肤粗糙评价，以及波峰及波谷的像素分布，可通过显示界面提供给测试者和医生等。其中，所述像素分布可基于像素位置以及像素连通域的分析，对应到原始面部图像上。具体地，所述面部检测设备还可以包含显示装置35。

所述显示装置35用于显示标记了所检测出的纹理分布的面部图像和/或皮肤评价结果。

其中，所述显示装置35可包含液晶显示器、图像处理器等。其中，所述液晶显示器举例但不限于：led显示器、olcd显示器等。所述图像处理器可单独配置(如gpu)，或集成在处理装置32中。

所述处理装置32将按照波峰分布和波谷分布的各像素标记在原始面部图像上，并由显示装置35显示给用户和医生。在某些实施方式中，所得到的各像素可基于连通域分析得到对应痘、痘痕、毛孔等轮廓并按照尺寸等级标记不同颜色，并叠加在原始面部图像上，显示给用户和医生。由此便于用户和医生进行自我评价及诊治评估。

在另一些实施方式中，所述存储装置31还可以保存面颊roi区域模板，以及借助所述面颊roi区域模板对所存储的面部图像进行皮肤检测的程序。其中，所述面颊roi区域模板为预设的经由样本图像学习而得到的面部图像的公共感兴趣区域。

所述处理装置32按照图2所示流程执行相应皮肤检测程序。具体如下：

在步骤s210中，获取测试者的面部图像及性别信息。

在此，所述步骤s210的执行过程和前述步骤s110的执行过程相同或相似，在此不再详述。

在步骤s220中，基于预设的面颊roi区域模板确定所述面部图像的面颊roi区域，以将所述面颊roi区域作为所述皮肤区域。

具体地，处理装置32可根据面颊roi区域模板中描述的位置确定面部图像的roi区域。

在某些实施方式中，所述处理装置32执行步骤s221和s222。

在步骤s221中，基于面颊roi区域模板将所述面部图像按照器官位置进行图像划分。具体地，所述处理装置32识别出面部图像的轮廓，再根据预设的面颊roi区域模板中描述位置，将所述面颊roi区域模板轮廓放置在所获取的面部图像中。再按照面颊roi区域模板将面部图像分块。

需要说明的是，所述图像分块方式可仅利用面颊roi区域模板轮廓对面部图像进行分块标记，而并非一定进行抠图处理。

在步骤s222中，识别所划分后的图像区域中的器官区域。具体地，所述处理装置32利用面颊roi区域模板所表示的面颊区域，在面部图像与之相邻的区域中识别器官区域。例如，利用对应面颊roi区域模板，在与该区域模板相邻的图像分块中识别测试者的眼部区域和/或鼻部区域。

所述处理装置32将所述面颊roi区域模板向所识别的器官区域的边缘调整，得到测试者的面颊roi区域。

具体地，所述处理装置32按照所确定的器官区域将面颊roi区域模板的轮廓外接、或者靠近相邻器官区域上，以得到对应所述面部图像中的面颊roi区域。其中，所述面颊roi区域模板的轮廓可向一种器官区域延伸，或向相邻的多种器官区域延伸。在此，所述面颊roi区域模板的延伸包括面颊roi区域模板轮廓的外延及收缩。更具体地，处理装置32将面颊roi区域模板向相临器官区域延伸，直至满足与相应器官区域的临界条件。其中，所述临界条件包括但不限于：两个区域共用外接轮廓线、两个区域共用外接轮廓点、两个区域的最短距离小于预设值等。

在某些实施例中，所述处理装置32确定面颊roi区域模板轮廓中与相邻的器官区域轮廓的间距小于预设距离阈值的部分轮廓，将面颊roi区域模板中的该部分轮廓替换成器官区域的对应部分轮廓，以得到所述面部图像的面颊roi区域。如图3-a和3-b所示，遍历式地检测面颊roi区域模板轮廓11和相邻的眼部区域轮廓12之间的间距，以确定面颊roi区域模板轮廓11和眼部区域轮廓12之间间距，将面颊roi区域模板11中至少一部分轮廓向眼部区域12的对应部分轮廓延伸(如图3-b中虚线所示)，以得到对应单体用户的面颊roi区域。其中，所延伸的部分轮廓是基于间距小于预设门限而确定的。

又如，如图3-a和3-c所示，将面颊roi区域模板中的特征点向相邻的器官区域轮廓移动，直至所移动的特征点与器官轮廓的间距小于预设值或相接。在此，特征点的移动方向和移动距离可以由人为处置。或者，所述特征点向沿所在法线方向向器官区域轮廓移动。所述处理装置32将移动后的特征点所围成的区域作为对应测试者的面颊roi区域。

需要说明的是，本申请中描述的特征点的移动方向仅为举例，而非限制。所述特征点还可以根据与相邻器官区域轮廓的最短距离，沿最短距离方向移动。

所述处理装置32还可以将所得到的面颊roi区域轮廓进行圆滑处理。

需要说明的是，本领域技术人员应该理解，上述针对单体用户的面颊roi区域的确定仅为举例而非对本申请范围的限制。事实上，本领域技术人员可结合上述示例和所要确定的面颊roi区域的特点进行研发设计，且基于本申请所述的技术框架而使用的技术手段均应被视为本申请范围内的具体示例。

接着，在获得面颊roi区域后，一种提高检测准确性的方式是采用面部图像的蓝色波段为进行皮肤检测的面部图像。具体地，所述处理装置32先执行步骤s230再执行步骤s240；或直接执行步骤s240。

在步骤s230中，提取所述面颊roi区域的蓝色波段。在此，可提取整幅面部图像的蓝色波段，或仅提取所述面颊roi区域的蓝色波段。例如，处理装置32保留面部图像中各像素rgb中的蓝色像素值，并基于提取后的面部图像执行步骤s240。

在步骤s240中，基于所述面部图像的皮肤区域内各像素点的灰度差距对所述测试者进行皮肤纹理检测。

在此，为了减少拍摄环境光对皮肤检测的干扰，所述处理装置32先对面部图像进行灰度处理以得到对应的灰度图像，再基于灰度图像进行检测分析。

于本申请中，所述处理装置32将所获得的面颊roi区域作为面部图像的皮肤区域，对所述皮肤区域进行基于灰度差距的皮肤纹理检测。其检测方式可与步骤s130相同或相似，在此不再详述。

接着，在步骤s250中，基于预设的各性别信息及所对应的皮肤评价方式，对所得到的检测结果进行皮肤粗糙评价。

在此所述步骤s250的执行过程可与前述步骤s140的执行过程相同或相似，在此不予详述。

在本申请中，所得到的皮肤粗糙评价，以及波峰及波谷的像素分布，可通过显示界面提供给测试者和医生等。其中，所述像素分布可基于像素位置以及像素连通域的分析，对应到原始面部图像上。

需要说明的是，上述各实施方式中的皮肤检测程序还可以单独或作为美颜处理软件中的一部分被存储在如服务端的存储介质中。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本申请的部分或全部可借助软件并结合必需的通用硬件平台来实现。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可以以软件产品的形式体现出来，该计算机软件产品可包括其上存储有机器可执行指令的一个或多个机器可读介质，这些指令在由诸如计算机、计算机网络或其他电子设备等一个或多个机器执行时可使得该一个或多个机器根据本申请的实施例来执行操作。机器可读介质可包括，但不限于，软盘、光盘、cd-rom(紧致盘-只读存储器)、磁光盘、rom(只读存储器)、ram(随机存取存储器)、eprom(可擦除可编程只读存储器)、eeprom(电可擦除可编程只读存储器)、磁卡或光卡、闪存、或适于存储机器可执行指令的其他类型的介质/机器可读介质。其中，所述存储介质可位于终端设备(如面部检测设备、或智能终端等)也可位于第三方服务器中，如位于提供某应用商城的服务器中。在此对具体应用商城不做限制，如小米应用商城、华为应用商城、苹果应用商城等。

本申请可用于众多通用或专用的计算系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络pc、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等。

本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本申请虽然已以较佳实施例公开如上，但其并不是用来限定本申请，任何本领域技术人员在不脱离本申请的精神和范围内，都可以利用上述揭示的方法和技术内容对本申请技术方案做出可能的变动和修改，因此，凡是未脱离本申请技术方案的内容，依据本申请的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本申请技术方案的保护范围。