本申请涉及肤质检测技术领域，特别是涉及一种基于云端的皮肤检测方法、装置、计算机设备和存储介质。
背景技术：
皮肤能够反映人体生理健康状况，人们越来越注重皮肤的健康状态，尤其关注脸部皮肤，因此，对皮肤的检测需求也越来越多；如何客观、定量地评价皮肤的状态是医学界和化妆品行业关注的问题和研究方向。
目前对皮肤的检测大多是采用专用的皮肤成像硬件设备通过专用线缆连接载有分析软件的终端，皮肤成像硬件设备采集被测用户的皮肤图像存储并通过专用线缆传输至终端，分析软件对皮肤图像实现基于数字图像处理分析的皮肤检测技术。这种方式的皮肤检测一般只能得到图像分析的结果，还需要检测人员根据经验给出建议或皮肤状态评价，检测效率低。
技术实现要素：
基于此，有必要针对上述技术问题，提供一种能够提高检测效率的基于云端的皮肤检测方法、装置、计算机设备和存储介质。
一种基于云端的皮肤检测方法，所述方法包括：
通过网络接收皮肤特征参数和待检测的皮肤图像；
调用所述皮肤特征参数对应的皮肤检测算法，对所述皮肤图像进行检测得到检测结果；
从已建的诊疗知识库中检索与所述检测结果匹配的建议方案；
根据所述检测结果和所述建议方案生成对应所述皮肤特征参数的检测报告。
一种基于云端的皮肤检测装置，所述装置包括：
数据接收模块，用于通过网络接收皮肤特征参数和待检测的皮肤图像；
图像分析模块，用于调用所述皮肤特征参数对应的皮肤检测算法，对所述皮肤图像进行检测得到检测结果；
方案匹配模块，用于从已建的诊疗知识库中检索与所述检测结果匹配的建议方案；
报告生成模块，用于根据所述检测结果和所述建议方案生成对应所述皮肤特征参数的检测报告。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
通过网络接收皮肤特征参数和待检测的皮肤图像；
调用所述皮肤特征参数对应的皮肤检测算法，对所述皮肤图像进行检测得到检测结果；
从已建的诊疗知识库中检索与所述检测结果匹配的建议方案；
根据所述检测结果和所述建议方案生成对应所述皮肤特征参数的检测报告。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
通过网络接收皮肤特征参数和待检测的皮肤图像；
调用所述皮肤特征参数对应的皮肤检测算法，对所述皮肤图像进行检测得到检测结果；
从已建的诊疗知识库中检索与所述检测结果匹配的建议方案；
根据所述检测结果和所述建议方案生成对应所述皮肤特征参数的检测报告。
上述基于云端的皮肤检测方法、装置、计算机设备和存储介质，在通过网络接收皮肤特征参数和待检测的皮肤图像、调用皮肤特征参数对应的皮肤检测算法对皮肤图像进行检测得到检测结果后，从诊疗知识库中检索与检测结果匹配的建议方案，根据检测结果和建议方案生成对应皮肤特征参数的检测报告，不需要人工凭经验给出建议，可自动根据检测结果获取到建议方案及生成检测报告，减少等待人工处理的时间，从而检测效率高。此外，传统对皮肤的检测采用独立终端的形式，皮肤成像硬件设备和加载分析软件的终端独立设置，数据和分析软件都是分散存储的，而且不同皮肤成像硬件设备之间、不同载有分析软件的终端之间相对独立，数据收集和数据分析需要人工的额外管理和操作，统一性差。上述基于云端的皮肤检测方法通过应用于云端，多个采集皮肤图像的终端可连接同一个云端的服务器，以便皮肤图像的统一集中。
附图说明
图1为一个实施例中基于云端的皮肤检测方法的应用环境图；
图2为一个实施例中基于云端的皮肤检测方法的流程示意图；
图3为另一个实施例中基于云端的皮肤检测方法的流程示意图；
图4为一个实施例中基于云端的皮肤检测装置的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的基于云端的皮肤检测方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与云端的服务器104通过网络进行通信。皮肤检测前，用户可以在终端102列选需要检测的皮肤特征参数，终端102拍摄被测用户需要被检测部分的皮肤得到皮肤图像，并通过网络将皮肤图像和皮肤特征参数上传至云端的服务器104；云端调用皮肤特征参数对应的皮肤检测算法，对皮肤图像进行检测得到检测结果，从已建的诊疗知识库中检索与检测结果匹配的建议方案，根据检测结果和建议方案生成对应皮肤特征参数的检测报告。其中，终端102是具备拍摄成像功能的设备。
在一个实施例中，如图2所示，提供了一种基于云端的皮肤检测方法，以该方法应用于图1中的云端为例进行说明，包括以下步骤：
s202：通过网络接收皮肤特征参数和待检测的皮肤图像。
皮肤特征参数用于表示需要被检测的检测项，比如色斑、痤疮、皱纹、毛孔等；一个皮肤特征参数对应一个检测项。皮肤图像是被检测部分的皮肤的图像，例如，可以是人脸皮肤图像，也可以是手部皮肤图像。其中，皮肤特征参数可以是由人工输入至终端，皮肤图像可以是终端拍摄获取，终端将皮肤特征参数和皮肤图像通过网络发送至云端。
s204：调用皮肤特征参数对应的皮肤检测算法，对皮肤图像进行检测得到检测结果。
检测结果可以是数值，也可以是图像。皮肤检测算法是用于进行皮肤特征分析的算法；每一个皮肤特征参数对应一个公知的皮肤检测算法，对不同的皮肤特征参数分别调用后台对应的皮肤检测算法来处理。例如：皮肤特征参数为皱纹，对应的皮肤检测算法为皱纹分析算法；皮肤特征参数为痤疮，对应的皮肤检测算法为痤疮分析算法。在实现方法上，云端服务维护一个皮肤检测的算法池，根据调用请求分别去调用相应的皮肤检测算法，并且保证同时的调用互相不干扰和影响。
s206：从已建的诊疗知识库中检索与检测结果匹配的建议方案。
诊疗知识库是存储有各建议方案的数据库。其中，建议方案是医生或专业诊疗人员对各种情况的检测结果给出的应对方案。与检测结果匹配的建议方案，是适用于检测结果所对应的皮肤状态的应对方案。
s208：根据检测结果和建议方案生成对应皮肤特征参数的检测报告。
上述基于云端的皮肤检测方法，应用于云端，在通过网络接收皮肤特征参数和待检测的皮肤图像、调用皮肤特征参数对应的皮肤检测算法对皮肤图像进行检测得到检测结果后，从诊疗知识库中检索与检测结果匹配的建议方案，根据检测结果和建议方案生成对应皮肤特征参数的检测报告，不需要人工凭经验给出建议，可自动根据检测结果获取到建议方案及生成检测报告，减少等待人工处理的时间，从而检测效率高。此外，传统对皮肤的检测采用独立终端的形式，皮肤成像硬件设备和加载分析软件的终端独立设置，数据和分析软件都是分散存储的，而且不同皮肤成像硬件设备之间、不同载有分析软件的终端之间相对独立，数据收集和数据分析需要人工的额外管理和操作，统一性差。上述基于云端的皮肤检测方法通过应用于云端，多个采集皮肤图像的终端可连接同一个云端的服务器，以便皮肤图像的统一集中。
具体地，皮肤图像为多光谱图像。其中，多光谱图像为分别同步使用标准白光源、紫外光源、平行偏振光源和正交偏振光源采集得到的图像。多光谱图像清晰度高，从而基于清晰度高的多光谱图像进行检测得到的检测结果准确性高。
在一个实施例中，皮肤图像为人脸皮肤图像，皮肤特征参数包括色斑、皱纹、毛孔、平滑度、透明度、光泽度、水合度、唇纹、睫毛、紫外色斑、棕色斑、红色斑和痤疮中的至少一种。通过采用人脸皮肤图像，可以对人的脸部皮肤进行至少一种皮肤特征参数对应检测项的检测。
具体地，人脸皮肤图像可以包括人脸面部正视图、人脸面部左视图和人脸面部右视图。通过获取多个视角的面部图，使得可对各个视角的面部图进行皮肤检测，检测更全面。
在一个实施例中，步骤s202包括：通过网络接收多个被测用户标识的皮肤特征参数和待检测的皮肤图像。
被测用户标识是用于标记被测用户的信息，例如，可以是id(identification身份证明)号或用户名称。通过网络接收的皮肤特征参数和皮肤图像均对应有被测用户标识，用于区别是哪一个被测用户要检测的检测项及对应需要检测的皮肤图像。
对应地，步骤s204包括：并发调用各被测用户标识的皮肤特征参数对应的皮肤检测算法，分别对所对应皮肤特征参数所属的被测用户标识的皮肤图像进行检测得到检测结果。
在接收到多个被测用户标识的皮肤特征参数和皮肤图像时，通过采用同一被测用户标识的皮肤特征参数对应的皮肤检测算法对同一被测用户标识的皮肤图像进行检测，基于云端实现并发处理，可以支持多个被测用户同时检测，互相不影响，检测效率高，解决了现有技术中独立终端的算法分析只能分时复用的不足，提升算法分析的使用效率和共用性能。具体地，使用主流的restful云服务软件框架可满足每秒100个中断并发应用的性能。例如，通过网络接收的皮肤特征参数和皮肤图像包括被测用户标识a的皮肤特征参数和皮肤图像、被测用户标识b的皮肤特征参数和皮肤图像，则调用被测用户标识a的皮肤特征参数对应的皮肤检测算法对被测用户a的皮肤图像进行检测，同时调用被测用户标识b的皮肤特征参数对应的皮肤检测算法对被测用户b的皮肤图像进行检测。
具体实现并发检测时，将每个被测用户和检测服务定义为和云端的通信会话，每次云端接收到通信会话请求，都会相应的计算需求分配内存、计算周期和新建算法实例，检测完后把相应的通信会话过程数据和结果数据存入数据库，同时返回检测结果；相当于云端可以同时开启热线电话，同时可以接入多个通话，但每个通话都可以按时响应，互不干扰。
在一个实施例中，参考图3，步骤s204包括步骤s2041至步骤s2043。
s2041：对皮肤图像进行关键点识别并标记关键点。
关键点是用于表征特定区域或特定部位的点。例如，对于人脸皮肤图像，关键点包括嘴唇轮廓点、鼻孔和鼻翼特征点、眼部特征点、眉毛轮廓角点、脸型轮廓点等。
s2042：根据标记的关键点对皮肤图像进行区域分割，得到多个待分析区域。
根据识别的关键点对皮肤图像进行区域分割，具体可以是将同一种关键点所在的区域划分为一个区域。例如，对于人脸皮肤图像，将所有的嘴唇轮廓点划分为一个待分析区域得到嘴唇皮肤区域，将鼻孔和鼻翼特征点划分为一个待分析区域得到鼻子皮肤区域，将眼部特征点划分为一个待分析区域得到眼角皮肤区域，将眉毛轮廓角点划分为一个待分析区域得到眉间皮肤区域，将脸型轮廓点划分为一个待分析区域得到面颊皮肤区域。
s2043：调用皮肤特征参数对应的皮肤检测算法，分别对各待分析区域进行检测得到各待分析区域的检测结果。
通过对皮肤图像进行关键点识别、根据关键点将皮肤图像划分为多个待分析区域，将整个皮肤图像进行细分，使得调用皮肤检测算法分区域进行检测得到各个待分析区域的检测结果，可以提高检测的精细度。
具体地，步骤s2041可以包括：采用深度学习算法对皮肤图像进行关键点识别得到关键点并标记。
传统进行关键点识别的方法是基于二值化处理，例如对于人脸皮肤图像，通过对人脸皮肤图像的结构特征进行计算，通过肤色提取，然后对肤色区域的二值化，通过结构特征和几何关系提取关键点，如眼角点、眼珠、鼻孔、嘴唇区域等，但是基于二值化提取的关键点易受图像质量影响，准确性低。本实施例中通过基于深度学习算法实现关键点识别，可以提高关键点识别的准确性。例如，深度学习算法可以综合医生团队对人脸皮肤区域的生理结构划分和病例分析经验，对人脸的图像标记近100个特征点，依据这些标记的特征点，通过深度神经网络学习获得人脸特征点模型，然后将需要分割区域的人脸皮肤图像输入深度学习神经网络以输出关键点。
具体地，接收多个被测用户标识的皮肤特征参数和待检测的皮肤图像时，并发调用各被测用户标识的皮肤特征参数对应的皮肤检测算法，对同一被测用户标识的皮肤图像进行检测得到检测结果的步骤包括：并发对各被测用户标识的皮肤图像进行关键点识别并标记关键点；根据标记的关键点对各被测用户标识的皮肤图像进行区域分割，得到各被测用户标识的待分析区域；分别调用各被测用户标识的皮肤特征参数对应的皮肤检测算法，对同一被测用户标识的待分析区域进行检测得到各待分析区域的检测结果。
可选地，对于同一被测用户标识有多个皮肤特征参数，步骤s2043可以是同时调用同一被测用户的各皮肤特征参数对应的皮肤检测算法，分别对各待分析区域进行检测得到各待分析区域对应各皮肤特征参数的检测结果；步骤s2043也可以是按顺序调用当前皮肤特征参数对应的皮肤检测算法，对各待分析区域进行检测得到各待分析区域对应当前皮肤特征参数的检测结果，在步骤s208之后再返回步骤s2043，按顺序调用下一个皮肤特征参数对应的皮肤检测算法，对各待分析区域进行检测得到各待分析区域对应下一个皮肤特征参数的检测结果，依次执行直到得到同一被测用户的所有皮肤特征参数的检测报告。
在一个实施例中，步骤s2043之后，还包括：在皮肤图像的各待分析区域处标记对应的检测结果，并存储标记检测结果后的皮肤图像。
分别在皮肤图像的各待分析区域处标记与待分析区域对应的检测结果，例如，第一个待分析区域的检测结果为x1，第二个待分析区域的检测结果为x2，则在第一个待分析区域处标记x1，在第二个待分析区域处标记x2。通过将检测结果在皮肤图像上进行标记，通过可视化的方式呈现皮肤检测的结果，直观性强，结果展示效果好。
在一个实施例中，检测结果为数值。继续参考图3，步骤s206包括步骤s2061和步骤s2062。
s2061：比较检测结果与诊疗知识库中各建议方案对应的参考数值范围，并查找检测结果所属的参考数据范围。
诊疗知识库中每一个建议方案对应参考数值范围；每一个参考数值范围对应一个最小值和一个最大值。检测结果所属的参考数据范围，是指满足检测结果大于或等于最小值且小于或等于最大值的参考数据范围。
s2062：将检测结果所属的参考数据范围所对应的建议方案作为检测结果匹配的建议方案。
通过将检测结果与建议方案的参考数值范围进行比较以检索匹配的建议方案，处理便捷快速。
在一个实施例中，皮肤特征参数的数量有多个。例如，本实施例中，皮肤特征参数包括色斑、皱纹、毛孔、平滑度、透明度、光泽度、水合度、唇纹、睫毛、紫外色斑、棕色斑、红色斑和痤疮。
对应地，继续参考图3，步骤s208之后，还包括步骤s209：生成包括所有皮肤特征参数的检测报告的综合报告并存储。
综合报告具体是整合所有皮肤特征参数的检测报告得到，例如，可以采用列表的形式列出所有皮肤特征参数的检测报告的内容，也可以是采用图形的形式展示所有皮肤特征参数的检测报告的内容。通过采用多个皮肤特征参数，使得对皮肤图像进行多个方面的检测，检测内容全面，从而根据多个皮肤特征参数的检测报告生成综合检测报告，便于用户统一综合查看。
在一实施例中，云端对皮肤图像、皮肤特征参数、检测结果、检测报告进行保密处理，可以提高数据的安全性。
在一实施例中，步骤s202还通过网络接收被测用户的基础信息和皮肤干预信息。其中，基础信息包括性别、年龄、地域、皮肤类型、皮肤状态、历史干预数据；皮肤干预信息包括激光及外用药的美容或医疗处理信息、化妆品使用信息。对应地，步骤s208根据基础信息、皮肤干预信息、检测结果和建议方案生成皮肤特征参数的检测报告。如此，可提高信息的丰富性。
具体地，上述基于云端的皮肤检测方法可以提供规范的数据存储、数据同步和数据管理的接口，可以实现数据的规范管理，不存在数据歧义。比如：
一实施例中，通过网络接收的皮肤图像为终端在固定位置处采集与终端距离固定值处的皮肤得到的图像。通过设定终端在固定位置采集距离固定值处的皮肤得到皮肤图像，增加精确的限位，使得不同被测用户的皮肤图像的数据范围和尺寸标准一致，可以保证皮肤图像的规范性。
一实施例中，通过网络接收的皮肤特征参数和皮肤图像经过预设的标准协议处理。进一步地，云端存储的所有数据均通过标准协议处理。例如，被测用户的基础信息和被测用户的皮肤干预信息可以通过终端的界面形式(app或者网页)规约输入，可以保证基础信息和皮肤干预信息的规范性。
应该理解的是，虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-3中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图4所示，提供了一种基于云端的皮肤检测装置，包括：数据接收模块401、图像分析模块403、方案匹配模块405和报告生成模块407。其中：
数据接收模块401用于通过网络接收皮肤特征参数和待检测的皮肤图像。
图像分析模块403用于调用皮肤特征参数对应的皮肤检测算法，对皮肤图像进行检测得到检测结果。
方案匹配模块405用于从已建的诊疗知识库中检索与检测结果匹配的建议方案。
报告生成模块407用于根据检测结果和建议方案生成对应皮肤特征参数的检测报告。
上述基于云端的皮肤检测装置，应用于云端，在数据接收模块401通过网络接收皮肤特征参数和待检测的皮肤图像、图像分析模块403调用皮肤特征参数对应的皮肤检测算法对皮肤图像进行检测得到检测结果后，方案匹配模块405从诊疗知识库中检索与检测结果匹配的建议方案，报告生成模块407根据检测结果和建议方案生成对应皮肤特征参数的检测报告，不需要人工凭经验给出建议，可自动根据检测结果获取到建议方案及生成检测报告，减少等待人工处理的时间，从而检测效率高。此外，传统对皮肤的检测采用独立终端的形式，皮肤成像硬件设备和加载分析软件的终端独立设置，数据和分析软件都是分散存储的，而且不同皮肤成像硬件设备之间、不同载有分析软件的终端之间相对独立，数据收集和数据分析需要人工的额外管理和操作，统一性差。上述基于云端的皮肤检测装置通过应用于云端，多个采集皮肤图像的终端可连接同一个云端的服务器，以便皮肤图像的统一集中。
具体地，皮肤图像为多光谱图像。其中，多光谱图像为分别同步使用标准白光源、紫外光源、平行偏振光源和正交偏振光源采集得到的图像。多光谱图像能够更全面、更清晰的获得皮肤各种特征信息，从而基于多光谱图像进行检测得到的检测结果更全面、更准确。
在一个实施例中，皮肤图像为人脸皮肤图像，皮肤特征参数包括色斑、皱纹、毛孔、平滑度、透明度、光泽度、水合度、唇纹、睫毛、紫外色斑、棕色斑、红色斑和痤疮中的至少一种。通过采用人脸皮肤图像，可以对人的脸部皮肤进行至少一种皮肤特征参数对应检测项的检测。
具体地，人脸皮肤图像可以包括人脸面部正视图、人脸面部左视图和人脸面部右视图。通过获取多个视角的面部图，使得可对各个视角的面部图进行皮肤检测，检测更全面。
在一个实施例中，数据接收模块401通过网络接收多个被测用户标识的皮肤特征参数和待检测的皮肤图像。图像分析模块403并发调用各被测用户标识的皮肤特征参数对应的皮肤检测算法，分别对所对应皮肤特征参数所属的被测用户标识的皮肤图像进行检测得到检测结果。如此，基于云端实现并发处理，可以支持多个被测用户同时检测，互相不影响，检测效率高，解决了现有技术中独立终端的算法分析只能分时复用的不足，提升算法分析的使用效率和共用性能。
在一个实施例中，图像分析模块403包括关键点识别单元(图未示)、区域划分单元(图未示)和区域分析单元(图未示)。关键点识别单元用于对皮肤图像进行关键点识别并标记关键点；区域划分单元用于根据标记的关键点对皮肤图像进行区域分割，得到多个待分析区域；区域分析单元用于调用皮肤特征参数对应的皮肤检测算法，分别对各待分析区域进行检测得到各待分析区域的检测结果。
通过对皮肤图像进行关键点识别、根据关键点将皮肤图像划分为多个待分析区域，将整个皮肤图像进行细分，使得调用皮肤检测算法分区域进行检测得到各个待分析区域的检测结果，可以提高检测的精细度。
具体地，关键点识别单元采用深度学习算法对皮肤图像进行关键点识别得到关键点并标记。基于深度学习算法实现关键点识别，可以提高关键点识别的准确性。
具体地，接收多个被测用户标识的皮肤特征参数和待检测的皮肤图像时，关键点识别单元并发对各被测用户标识的皮肤图像进行关键点识别并标记关键点；区域划分单元根据标记的关键点对各被测用户标识的皮肤图像进行区域分割，得到各被测用户标识的待分析区域；区域分析单元分别调用各被测用户标识的皮肤特征参数对应的皮肤检测算法，对同一被测用户标识的待分析区域进行检测得到各待分析区域的检测结果。
可选地，对于同一被测用户标识有多个皮肤特征参数，区域分析单元可以是同时调用同一被测用户的各皮肤特征参数对应的皮肤检测算法，分别对各待分析区域进行检测得到各待分析区域对应各皮肤特征参数的检测结果；区域分析单元也可以是按顺序调用当前皮肤特征参数对应的皮肤检测算法，对各待分析区域进行检测得到各待分析区域对应当前皮肤特征参数的检测结果，在报告生成模块407生成当前皮肤特征参数的检测报告之后再返回区域分析单元，按顺序调用下一个皮肤特征参数对应的皮肤检测算法，对各待分析区域进行检测得到各待分析区域对应下一个皮肤特征参数的检测结果，依次执行直到得到同一被测用户的所有皮肤特征参数的检测报告。
在一个实施例中，图像分析模块403还包括结果标记单元(图未示)，用于在皮肤图像的各待分析区域处标记对应的检测结果，并存储标记检测结果后的皮肤图像。通过将检测结果在皮肤图像上进行标记，通过可视化的方式呈现皮肤检测的结果，直观性强，结果展示效果好。
在一个实施例中，检测结果为数值。方案匹配模块405比较检测结果与诊疗知识库中各建议方案对应的参考数值范围，并查找检测结果所属的参考数据范围；将检测结果所属的参考数据范围所对应的建议方案作为检测结果匹配的建议方案。通过将检测结果与建议方案的参考数值范围进行比较以检索匹配的建议方案，处理便捷快速。
在一个实施例中，皮肤特征参数的数量有多个。上述基于云端的皮肤检测装置还包括综合分析单元，用于生成包括所有皮肤特征参数的检测报告的综合报告并存储。通过采用多个皮肤特征参数，使得对皮肤图像进行多个方面的检测，检测内容全面，从而根据多个皮肤特征参数的检测报告生成综合检测报告，便于用户统一综合查看。
在一实施例中，云端对皮肤图像、皮肤特征参数、检测结果、检测报告进行保密处理，可以提高数据的安全性。
在一实施例中，数据接收模块401还通过网络接收被测用户的基础信息和皮肤干预信息。其中，基础信息包括性别、年龄、地域、皮肤类型、皮肤状态、历史干预数据；皮肤干预信息包括激光、注射及外用药等美容或医疗处理信息、化妆品使用信息。对应地，报告生成模块407根据基础信息、皮肤干预信息、检测结果和建议方案生成皮肤特征参数的检测报告。如此，可提高信息的丰富性。
具体地，上述基于云端的皮肤检测装置可以提供规范的数据存储、数据同步和数据管理的接口，可以实现数据的规范管理，不存在数据歧义。比如：
一实施例中，数据接收模块401通过网络接收的皮肤图像为终端在固定位置处采集与终端距离固定值处的皮肤得到的图像。通过设定终端在固定位置采集距离固定值处的皮肤得到皮肤图像，增加精确的限位，使得不同被测用户的皮肤图像的数据范围和尺寸标准一致，可以保证皮肤图像的规范性。
一实施例中，数据接收模块401通过网络接收的皮肤特征参数和皮肤图像经过预设的标准协议处理。进一步地，云端存储的所有数据均通过标准协议处理。例如，被测用户的基础信息和被测用户的皮肤干预信息可以通过终端的界面形式(app或者网页)规约输入，可以保证基础信息和皮肤干预信息的规范性。
关于基于云端的皮肤检测装置的具体限定可以参见上文中对于基于云端的皮肤检测方法的限定，在此不再赘述。上述基于云端的皮肤检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
s202：通过网络接收皮肤特征参数和待检测的皮肤图像。
s204：调用皮肤特征参数对应的皮肤检测算法，对皮肤图像进行检测得到检测结果。
s206：从已建的诊疗知识库中检索与检测结果匹配的建议方案。
s208：根据检测结果和建议方案生成对应皮肤特征参数的检测报告。
上述计算机设备，由于实现了上述基于云端的皮肤检测方法的步骤，同理可自动根据检测结果获取到建议方案及生成检测报告，减少等待人工处理的时间，从而检测效率高。
在一个实施例中，处理器执行计算机程序时，通过网络接收皮肤特征参数和待检测的皮肤图像的步骤包括：通过网络接收多个被测用户标识的皮肤特征参数和待检测的皮肤图像；调用皮肤特征参数对应的皮肤检测算法，对皮肤图像进行检测得到检测结果的步骤包括：并发调用各被测用户标识的皮肤特征参数对应的皮肤检测算法，分别对所对应皮肤特征参数所属的被测用户标识的皮肤图像进行检测得到检测结果。
如此，基于云端实现并发处理，可以支持多个被测用户同时检测，互相不影响，检测效率高，解决了现有技术中独立终端的算法分析只能分时复用的不足，提升算法分析的使用效率和共用性能。
在一个实施例中，处理器执行计算机程序时，调用皮肤特征参数对应的皮肤检测算法，对皮肤图像进行检测得到检测结果的步骤包括：对皮肤图像进行关键点识别并标记关键点；根据标记的关键点对皮肤图像进行区域分割，得到多个待分析区域；调用皮肤特征参数对应的皮肤检测算法，分别对各待分析区域进行检测得到各待分析区域的检测结果。
通过对皮肤图像进行关键点识别、根据关键点将皮肤图像划分为多个待分析区域，将整个皮肤图像进行细分，使得调用皮肤检测算法分区域进行检测得到各个待分析区域的检测结果，可以提高检测的精细度。
在一个实施例中，处理器执行计算机程序时还实现步骤：在皮肤图像的各待分析区域处标记对应的检测结果，并存储标记检测结果后的皮肤图像。
通过将检测结果在皮肤图像上进行标记，通过可视化的方式呈现皮肤检测的结果，直观性强，结果展示效果好。
在一个实施例中，检测结果为数值。处理器执行计算机程序时，从已建的诊疗知识库中检索与检测结果匹配的建议方案的步骤包括：比较检测结果与诊疗知识库中各建议方案对应的参考数值范围，并查找检测结果所属的参考数据范围；将检测结果所属的参考数据范围所对应的建议方案作为检测结果匹配的建议方案。
通过将检测结果与建议方案的参考数值范围进行比较以检索匹配的建议方案，处理便捷快速。
在一个实施例中，皮肤特征参数的数量有多个。处理器执行计算机程序时还实现步骤：生成包括所有皮肤特征参数的检测报告的综合报告并存储。
通过采用多个皮肤特征参数，使得对皮肤图像进行多个方面的检测，检测内容全面，从而根据多个皮肤特征参数的检测报告生成综合检测报告，便于用户统一综合查看。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
s202：通过网络接收皮肤特征参数和待检测的皮肤图像。
s204：调用皮肤特征参数对应的皮肤检测算法，对皮肤图像进行检测得到检测结果。
s206：从已建的诊疗知识库中检索与检测结果匹配的建议方案。
s208：根据检测结果和建议方案生成对应皮肤特征参数的检测报告。
上述计算机可读存储介质，由于实现了上述基于云端的皮肤检测方法的步骤，同理可自动根据检测结果获取到建议方案及生成检测报告，减少等待人工处理的时间，从而检测效率高。
在一个实施例中，计算机程序被处理器执行时，通过网络接收皮肤特征参数和待检测的皮肤图像的步骤包括：通过网络接收多个被测用户标识的皮肤特征参数和待检测的皮肤图像；调用皮肤特征参数对应的皮肤检测算法，对皮肤图像进行检测得到检测结果的步骤包括：并发调用各被测用户标识的皮肤特征参数对应的皮肤检测算法，分别对所对应皮肤特征参数所属的被测用户标识的皮肤图像进行检测得到检测结果。
如此，基于云端实现并发处理，可以支持多个被测用户同时检测，互相不影响，检测效率高，解决了现有技术中独立终端的算法分析只能分时复用的不足，提升算法分析的使用效率和共用性能。
在一个实施例中，计算机程序被处理器执行时，调用皮肤特征参数对应的皮肤检测算法，对皮肤图像进行检测得到检测结果的步骤包括：对皮肤图像进行关键点识别并标记关键点；根据标记的关键点对皮肤图像进行区域分割，得到多个待分析区域；调用皮肤特征参数对应的皮肤检测算法，分别对各待分析区域进行检测得到各待分析区域的检测结果。
通过对皮肤图像进行关键点识别、根据关键点将皮肤图像划分为多个待分析区域，将整个皮肤图像进行细分，使得调用皮肤检测算法分区域进行检测得到各个待分析区域的检测结果，可以提高检测的精细度。
在一个实施例中，计算机程序被处理器执行时还实现步骤：在皮肤图像的各待分析区域处标记对应的检测结果，并存储标记检测结果后的皮肤图像。
通过将检测结果在皮肤图像上进行标记，通过可视化的方式呈现皮肤检测的结果，直观性强，结果展示效果好。
在一个实施例中，检测结果为数值。计算机程序被处理器执行时，从已建的诊疗知识库中检索与检测结果匹配的建议方案的步骤包括：比较检测结果与诊疗知识库中各建议方案对应的参考数值范围，并查找检测结果所属的参考数据范围；将检测结果所属的参考数据范围所对应的建议方案作为检测结果匹配的建议方案。
通过将检测结果与建议方案的参考数值范围进行比较以检索匹配的建议方案，处理便捷快速。
在一个实施例中，皮肤特征参数的数量有多个。计算机程序被处理器执行时还实现步骤：生成包括所有皮肤特征参数的检测报告的综合报告并存储。
通过采用多个皮肤特征参数，使得对皮肤图像进行多个方面的检测，检测内容全面，从而根据多个皮肤特征参数的检测报告生成综合检测报告，便于用户统一综合查看。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。