脸部肌肉状态分析与评价方法与流程

1.一种脸部的分析与评价方法，尤其涉及脸部的肌肉状态的分析与评价方法。


背景技术：

2.由于人类的肌肉(特别是脸部的肌肉)会随着年龄的增加而慢慢出现松弛、下垂的现象，因此部分的使用者会选择使用保养品来对肌肉及皮肤进行保养、使用化妆品来掩饰松弛的肌肉，或是通过运动、医美等手段来减缓上述松弛、下垂现象的发生。
3.一般来说，使用者通常都是坐在镜子前面进行保养与化妆，或是借由智能手机、平板电脑或是特殊的化妆辅助装置来协助所述保养、化妆的动作，以求速度的提升。
4.惟，上述装置只能协助使用者进行保养、化妆，但无法告知使用者所做的保养、化妆动作是否真的有效。再者，即使使用者保持运动习惯，或是前往医美诊所进行微整型，但使用者仍然只能借由肉眼的观察来判断自己的肌肉状况是否有所提升，但仍然无法确定所述运动、微整型是否真的有效(即，肌肉是否有变得紧实或有所抬升)。
5.有鉴于此，本技术领域中实需提供一种新颖的分析与评价方法，可有效地协助使用者对当前的肌肉状态进行分析与评价，以令使用者了解其所做的各种保养手段是否真的有效。


技术实现要素：

6.本发明提供了一种脸部肌肉状态分析与评价方法，可经由分析而分别从使用者的脸上取得多个理想肌肉识别点以及多个实际肌肉识别点，借此对使用者目前的脸部肌肉状态进行评价。
7.于本发明的一个实施例中，所述脸部肌肉状态分析与评价方法应用于具有一处理器、一图像撷取单元及一显示单元的一脸部图像分析装置，并且包括下列步骤：
8.a)由该图像撷取单元拍摄一使用者的一照片；
9.b)于该照片中撷取该使用者的一脸部图像；
10.c)由该处理器执行一分析演算法对该脸部图像进行分析以取得该脸部图像上的多个理想肌肉识别点，其中该多个理想肌肉识别点是基于该脸部图像中的五官所产生；
11.d)由该处理器通过一模糊比对演算法及一训练模型对该脸部图像进行识别以取得该脸部图像上的多个实际肌肉识别点，其中该多个实际肌肉识别点对应至该脸部图像上的肌肉状态；
12.e)由该处理器依据该多个理想肌肉识别点及一评价规则分别对各该实际肌肉识别点进行评价，并产生一评价结果；
13.f)由该显示单元重叠显示该脸部图像、该多个理想肌肉识别点及该多个实际肌肉识别点；及
14.g)由该显示单元显示该评价结果。
15.如上所述，其中该多个理想肌肉识别点包括对应至右边笑肌的理想位置的一第一
理想肌肉识别点、对应至左边笑肌的理想位置的一第二理想肌肉识别点、对应至右边咬合肌的理想位置的一第三理想肌肉识别点及对应至左边咬合肌的理想位置的一第四理想肌肉识别点，该多个实际肌肉识别点包括对应至右边笑肌的实际位置的一第一实际肌肉识别点、对应至左边笑肌的实际位置的一第二实际肌肉识别点、对应至右边咬合肌的实际位置的一第三实际肌肉识别点及对应至左边咬合肌的实际位置的一第四实际肌肉识别点。
16.如上所述，其中该训练模型记录多个已标记了多个肌肉识别点的参考图像，该步骤d)是由该模糊比对演算法将该脸部图像与该多个参考图像进行模糊比对以取得比对相近的至少一张该参考图像，并依据该参考图像中的该多个肌肉识别点的位置设定该脸部图像上的该多个实际肌肉识别点的位置。
17.如上所述，其中该步骤c)包括下列步骤：
18.c11)对该脸部图像进行识别以至少取得一右眼、一左眼、一鼻子及一嘴唇的位置；
19.c12)连接该右眼的一右眼眼角及一右眼眼尾以产生一第一水平参考线；
20.c13)将该第一水平参考线逻辑切割成四等分；
21.c14)由靠近该右眼眼尾的第一等分处产生与该第一水平参考线垂直的一第一垂直参考线；
22.c15)将该鼻子的一鼻翼位置至一鼻头位置间的高度逻辑切割成五等分；
23.c16)将该第一垂直参考线上从该鼻翼向下起算第二等分处的高度上的点做为该第一理想肌肉识别点；
24.c17)将该鼻头位置至一下巴位置间的高度逻辑切割成三等分；
25.c18)将该第一垂直参考线上从该鼻头向下起算第一等分处的高度上的点做为该第三理想肌肉识别点。
26.如上所述，其中该步骤c11)是通过dlib face landmark系统对该脸部图像进行识别以取得该右眼、该左眼、该鼻子及该嘴唇的位置。
27.如上所述，其中该步骤c)包括下列步骤：
28.c21)对该脸部图像进行识别以至少取得一右眼、一左眼、一鼻子及一嘴唇的位置；
29.c22)连接该左眼的一左眼眼角及一左眼眼尾以产生一第二水平参考线；
30.c23)将该第二水平参考线逻辑切割成四等分；
31.c24)由靠近该左眼眼尾的第一等分处产生与该第二水平参考线垂直的一第二垂直参考线；
32.c25)将该鼻子的一鼻头位置至一鼻翼位置间的高度逻辑切割成五等分；
33.c26)将该第二垂直参考线上从该鼻翼向下起算第二等分处的高度上的点做为该第二理想肌肉识别点；
34.c27)将该鼻头位置至一下巴位置间的高度逻辑切割成三等分；
35.c28)将该第二垂直参考线上从该鼻头向下起算第一等分处的高度上的点做为该第四理想肌肉识别点。
36.如上所述，其中该步骤c21)是通过dlib face landmark系统对该脸部图像进行识别以取得该右眼、该左眼、该鼻子及该嘴唇的位置。
37.如上所述，其中该步骤e)中，该处理器将位置与该第一理想肌肉识别点及该第二理想肌肉识别点的位置差距小于或等于一阈值的该第一实际肌肉识别点及该第二实际肌
肉识别点评价为平均，将位置高于该第一理想肌肉识别点及该第二理想肌肉识别点的位置且差距大于该阈值的该第一实际肌肉识别点及该第二实际肌肉识别点依序评价为好或优良，并将位置低于该第一理想肌肉识别点及该第二理想肌肉识别点的位置且差距大于该阈值的该第一实际肌肉识别点及该第二实际肌肉识别点依序评价为一般或差。
38.如上所述，其中该步骤e)中，该处理器将位置与该第三理想肌肉识别点及该第四理想肌肉识别点的位置差距小于或等于一阈值的该第三实际肌肉识别点及该第四实际肌肉识别点评价为优良，并将位置低于该第三理想肌肉识别点及该第四理想肌肉识别点的位置且差距大于该阈值的该第三实际肌肉识别点及该第四实际肌肉识别点依序评价为平均、一般或差。
39.如上所述，其中该评价规则是将该脸部图像中的一鼻头位置至一鼻翼位置间的高度逻辑切割成五等分，将位置与该第一理想肌肉识别点及该第二理想肌肉识别点的位置差距小于或等于一等分的该第一实际肌肉识别点及该第二实际肌肉识别点评价为平均，将位置高于该第一理想肌肉识别点及该第二理想肌肉识别点的位置且差距大于一等分的该第一实际肌肉识别点及该第二实际肌肉识别点评价为好，将位置高于该第一理想肌肉识别点及该第二理想肌肉识别点的位置且差距大于两等分的该第一实际肌肉识别点及该第二实际肌肉识别点评价为优良，将位置低于该第一理想肌肉识别点及该第二理想肌肉识别点的位置且差距大于一至两等分的该第一实际肌肉识别点及该第二实际肌肉识别点评价为一般，并将位置低于该第一理想肌肉识别点及该第二理想肌肉识别点的位置且差距大于三等分的该第一实际肌肉识别点及该第二实际肌肉识别点评价为差。
40.如上所述，其中该评价规则是将该脸部图像中的一鼻头位置至一下巴位置间的高度逻辑切割成十五等分，将位置与该第三理想肌肉识别点及该第四理想肌肉识别点的位置差距小于或等于一等分的该第三实际肌肉识别点及该第四实际肌肉识别点评价为优良，将位置低于该第三理想肌肉识别点及该第四理想肌肉识别点的位置且差距大于一等分的该第三实际肌肉识别点及该第四实际肌肉识别点评价为好，将位置低于该第三理想肌肉识别点及该第四理想肌肉识别点的位置且差距大于两等分的该第三实际肌肉识别点及该第四实际肌肉识别点评价为平均，将位置低于该第三理想肌肉识别点及该第四理想肌肉识别点的位置且差距大于三至四等分的该第三实际肌肉识别点及该第四实际肌肉识别点评价为一般，并将位置低于该第三理想肌肉识别点及该第四理想肌肉识别点的位置且差距大于五等分的该第三实际肌肉识别点及该第四实际肌肉识别点评价为差。
41.如上所述，其中该评价结果为各该实际肌肉识别点的文字描述、数字评分，或各该实际肌肉识别点相对于各该理想肌肉识别点的比率。
42.如上所述，其中更包括下列步骤：
43.h1)该处理器依据该第一实际肌肉识别点、该脸部图像上的一山根位置及该脸部图像上的一右边太阳穴位置构成一第一虚拟三角形；
44.h2)该处理器依据该第二实际肌肉识别点、该山根位置及该脸部图像上的一左边太阳穴位置构成的一第二虚拟三角形；
45.h3)该处理器依据该第三实际肌肉识别点、该脸部图像上的一鼻头位置及该脸部图像上的一右边脸颊位置构成一第三虚拟三角形；及
46.h4)该处理器依据该第四实际肌肉识别点、该鼻头位置及该脸部图像上的一左边
脸颊位置构成一第四虚拟三角形；
47.其中，该第一虚拟三角形、该第二虚拟三角形、该第三虚拟三角形及该第四虚拟三角形的面积与该使用者的肌肉状态成反比。
48.相较于相关技术，本发明依据使用者脸上的多个理想肌肉识别点与多个实际肌肉识别点的比对来进行脸部的分析与评价，可有效协助使用者了解自己目前的脸部肌肉状态，并且确认所采用的保养手段是否有效。
49.以下结合附图和具体实施例对本发明进行详细描述，但不作为对本发明的限定。
附图说明
50.图1为本发明的脸部图像分析装置的示意图的第一具体实施例；
51.图2为本发明的脸部图像分析装置的方块图的第一具体实施例；
52.图3为本发明的实际肌肉识别点的示意图的第一具体实施例；
53.图4为本发明的评价流程图的第一具体实施例；
54.图5为本发明的对照显示示意图的第一具体实施例；
55.图6为本发明的理想肌肉识别点的分析流程图的第一具体实施例；
56.图7为本发明的理想肌肉识别点的示意图的第一具体实施例；
57.图8为本发明的评价规则示意图的第一具体实施例；
58.图9为本发明的评价规则示意图的第二具体实施例；
59.图10为本发明的评价结果示意图的第一具体实施例。
60.其中，附图标记：
[0061]1…
脸部图像分析装置；
[0062]
10
…
处理器；
[0063]
11
…
显示单元；
[0064]
12
…
图像撷取单元；
[0065]
13
…
输入单元；
[0066]
14
…
无线传输单元；
[0067]
15
…
储存单元；
[0068]
16
…
分析演算法；
[0069]
17
…
模糊比对演算法；
[0070]
18
…
训练模型；
[0071]2…
使用者；
[0072]
21
…
第一实际肌肉识别点；
[0073]
210
…
三角形区域；
[0074]
22
…
第二实际肌肉识别点；
[0075]
220
…
三角形区域；
[0076]
23
…
第三实际肌肉识别点；
[0077]
230
…
三角形区域；
[0078]
24
…
第四实际肌肉识别点；
[0079]
240
…
三角形区域；
[0080]
31
…
第一水平参考线；
[0081]
32
…
第二水平参考线；
[0082]
33
…
第一垂直参考线；
[0083]
34
…
第二垂直参考线；
[0084]
41
…
第一理想肌肉识别点；
[0085]
42
…
第二理想肌肉识别点；
[0086]
43
…
第三理想肌肉识别点；
[0087]
44
…
第四理想肌肉识别点；
[0088]
51、52
…
网格阵列；
[0089]
s10～s24
…
评价步骤；
[0090]
s160～s174
…
分析步骤。
具体实施方式
[0091]
下面结合附图对本发明的结构原理和工作原理作具体的描述：
[0092]
请参阅图1及图2，其中图1为本发明的脸部图像分析装置的示意图的第一具体实施例，图2为本发明的脸部图像分析装置的方块图的第一具体实施例。
[0093]
本发明揭露了一种脸部肌肉状态分析与评价方法(下面简称为评价方法)，所述评价方法主要应用于如图1、图2所示的脸部图像分析装置1(下面简称为分析装置1)。具体地，本发明主要是通过所述分析装置1来取得使用者的脸上与肌肉相关的一或多个特征，并且依据这些特征对使用者当前的脸部肌肉状态进行评价。如此一来，可有利于使用者了解自己的脸部肌肉状态，并且评估自己目前使用的化妆品、保养品及所采用的各项保养手段(例如运动或医美)是否有效。
[0094]
本发明中，图1、图2所示的分析装置1主要是用来协助使用者进行化妆，并且可对使用者在化妆前、化妆后的脸部状态进行分析与评价。值得一提的是，在其他电子设备(例如智能行动装置、平板电脑等)具有与所述分析装置1相近的硬件元件，并且安装了对应的应用软件而可执行本发明的评价方法的各个控制步骤的情况下，所述评价方法将不限于运用在图1、图2所示的分析装置1，而可适用于各式的电子设备。
[0095]
如图1及图2所示，所述分析装置1主要包括处理器10、显示单元11、图像撷取单元12、输入单元13、无线传输单元14及储存单元15。所述处理器10通过总线电性连接显示单元11、图像撷取单元12、输入单元13、无线传输单元14及储存单元15，以对该些元件进行整合与控制。
[0096]
所述分析装置1可通过图像撷取单元12撷取使用者的照片(主要为包含了使用者的脸部的照片)，并且从照片中撷取使用者的脸部图像并于显示单元11上显示。并且，分析装置1可通过显示单元11显示导引信息(例如在所述脸部图像上直接标示出各个化妆区域，以指示使用者进行对应化妆品的使用，或是以文字或图像指示使用者化妆的步骤或建议等)。藉此，使用者可以借由分析装置1提供的辅助来完成化妆或是保养的动作。
[0097]
所述输入单元13设置于分析装置1的一侧，并且可为实体输入单元或触控输入单元。通过所述输入单元13，使用者可与分析装置1进行互动，以对分析装置1进行操作并向分析装置1发送指令。举例来说，使用者可通过输入单元13来选择分析装置1于脸部图像上标
示的不同化妆区域(例如腮红区域、底妆区域等)，或是切换分析装置1提供的化妆步骤或化妆建议(例如下一页)。
[0098]
于一实施例中，所述显示单元11可为能够接受使用者操作的触控式屏幕。于此实施例中，所述输入单元13与显示单元11整合为一体，而不单独存在。
[0099]
所述无线传输单元14用以连接网络，藉此分析装置1可通过网络连接远端的电子设备或服务器。本发明中，分析装置1主要可借由一或多种演算法来对使用者的脸部图像进行肌肉状态的分析与评价，而该些演算法及对应的数据库可储存于分析装置1中或远端的电子设备、服务器中，不加以限定。再者，使用者亦可操作使用者终端(图未标示)通过网络连接分析装置1，以从远端直接对分析装置1进行固件的维护与更新。
[0100]
值得一提的是，于一实施例中，分析装置1是通过所述图像撷取单元12即时撷取使用者的脸部图像，并对脸部图像进行分析，以评价使用者当前的脸部肌肉状态。于其他实施例中，分析装置1亦可借由网络由远端的电子设备或服务器中下载使用者预先拍摄的图像，并且对所述图像中的脸部特征进行分析，以评价使用者于拍摄所述图像当时的脸部肌肉状态。
[0101]
所述储存单元15储存分析装置1用来执行本发明的评价方法所需的演算法及数据库，具体地，至少储存有分析演算法151、模糊比对演算法152及训练模型153(training model)，但不加以限定。如前文所述，所述分析演算法151、模糊比对演算法152及训练模型153亦可储存于远端的电子装置或服务器，分析装置1可经由网络连接远端的电子装置或服务器，以借由执行远端的分析演算法151、模糊比对演算法152及训练模型153来实现本发明的评价方法。
[0102]
于另一实施例中，所述分析演算法151与模糊比对演算法152可内嵌于处理器10中，以做为处理器10的固件的一部分，但不加以限定。
[0103]
本发明中，分析装置1和/或评价方法的制造商可预先将大量不特定人的脸部图像汇入一个数据库中，并以人工方式在该些脸部图像上标示出专家(例如医师、美容师等)所定义的多个脸部肌肉识别点，借此进行一个模型的训练并建立所述训练模型153。于一实施例中，所述多个脸部肌肉识别点分别对应至脸上的笑肌和咬合肌的位置。
[0104]
本发明的主要技术特征在于，当分析装置1取得一张新的脸部图像时，可先通过演算法对脸部图像进行图像分析，以依据脸部图像中的五官位置来计算多个脸部肌肉识别点应该存在的位置(即，理想位置)。并且，分析装置1进一步将同一张脸部图像汇入所述训练模型153，以识别出脸部图像中的多个脸部肌肉识别点真正存在的位置(即，实际位置)。如此一来，分析装置1可借由这些脸部肌肉识别点的理想位置与实际位置的差距，对脸部图像的肌肉状态进行评价。
[0105]
参阅图3，为本发明的实际肌肉识别点的示意图的第一具体实施例。如图3所示，当分析装置1取得使用者2的照片，并且撷取了照片中的脸部图像后，即可通过所述训练模型153对脸部图像进行识别，以找出脸部图像上的多个肌肉识别点的实际位置(以下称为实际肌肉识别点)。于图3的实施例中，所述多个实际肌肉识别点包括对应至脸部图像右边的实际笑肌位置的第一实际肌肉识别点21、对应至脸部图像左边的实际笑肌位置的第二实际肌肉识别点22、对应至脸部图像右边的实际咬合肌位置的第三实际肌肉识别点23及对应至脸部图像左边的实际咬合肌位置的第四实际肌肉识别点24。
[0106]
在一定范围内，若所述第一实际肌肉识别点21与第二实际肌肉识别点22的位置越靠近脸部内侧(即，靠近鼻子)以及脸部上侧(即，靠近眼睛)，就表示使用者2的肌肉状态越好(例如越年轻、肌肉越紧实)。于一实施例中，分析装置1可进一步于脸部图像上建立由第一实际肌肉识别点21、山根位置及右边太阳穴位置所构成的第一虚拟三角形及由第二实际肌肉识别点22、山根位置及左边太阳穴位置所构成的第二虚拟三角形。依据上述规则，在一定范围内，只要所述第一虚拟三角形及第二虚拟三角形的面积越小，就代表使用者2的肌肉状态越好(意即，第一虚拟三角形及第二虚拟三角形的面积与使用者2的肌肉状态成反比)。
[0107]
相似地，在一定范围内，若所述第三实际肌肉识别点23与第四实际肌肉识别点24的位置越靠近脸部内侧(即，靠近嘴巴)及脸部上侧(即，靠近鼻头)，就表示使用者2的肌肉状态越好。于一实施例中，分析装置1可进一步于脸部图像上建立由第三实际肌肉识别点23、鼻头位置及右边脸颊位置所构成的第三虚拟三角形及由第四实际肌肉识别点24、鼻头位置及左边脸颊位置所构成的第四虚拟三角形。同样地，于一定范围内，只要所述第三虚拟三角形及第四虚拟三角形的面积越小，就代表使用者2的肌肉状态越好(意即，第三虚拟三角形及第四虚拟三角形的面积与使用者2的肌肉状态成反比)。
[0108]
续请参阅图4，为本发明的评价流程图的第一具体实施例。要使用本发明的评价方法，首先，使用者需启动所述分析装置1(步骤s10)。接着，分析装置1依据使用者的触发致能图像撷取单元12，以通过图像撷取单元12拍摄使用者的照片(步骤s12)，并且从照片中撷取出使用者的脸部图像(步骤s14)。
[0109]
本发明中，分析装置1主要是由处理器10对图像撷取单元12进行控制，以拍摄至少一张照片，并且处理器10执行图像分析以判断照片中是否存在使用者的脸部图像。于一实施例中，处理器10是于判断照片中存在使用者的脸部图像，并且脸部图像的尺寸大于照片整体的一定比例(例如超过50％或60％)时，才会进一步从照片中撷取出脸部图像，并执行后续步骤以对脸部图像进行分析及评价。若照片中不存在使用者的脸部图像，或者脸部图像的尺寸过小，则处理器10不对脸部图像进行分析与评价，并控制显示单元11显示请求使用者重新拍摄照片的信息。
[0110]
于其他实施例中，分析装置1亦可在启动后，通过无线传输单元14从远端接收至少一张脸部图像，并对所接收的脸部图像进行分析与评价。于此实施例中，处理器10不必致能图像撷取单元12。
[0111]
步骤s14后，处理器10执行前述分析演算法151以对所撷取或接收的脸部图像进行分析，借此得出脸部图像上的多个脸部肌肉识别点的理想位置(下面称为理想脸部肌肉识别点)(步骤s16)。本发明中，所述多个理想肌肉识别点是由分析演算法151基于脸部图像中的五官所产生的(如图5所示的理想肌肉识别点41-44)。
[0112]
具体地，人类的五官以及骨头的位置、大小及于脸上的占据比例等参数较不容易随着外在因素(例如气候)及时间因素而改变，属于脸部上相对固定的特征。本发明中，分析演算法151是依据脸部图像上的五官的位置、大小、比例等参数来计算出多个脸部肌肉识别点的理想位置，意即，若使用者保养得宜，则使用者的多个实际肌肉识别点21-24的位置应该要靠近所述多个理想肌肉识别点41-44的位置，甚至与多个理想肌肉识别点41-44的位置重叠。
[0113]
在步骤s14后，处理器10同时通过所述模糊比对演算法152以及训练模型153对所
撷取或接收的脸部图像进行识别，以取得脸部图像上的多个脸部肌肉识别点的实际位置(即，所述多个实际肌肉识别点21-24)(步骤s18)。本发明中，多个实际肌肉识别点21-24系分别对应至脸部图像实际上的肌肉状态。
[0114]
相较于五官以及骨头，人类的肌肉容易随着外在因素以及时间因素而改变(例如下垂)。本发明中，所述训练模型中记录了多个的参考图像(为多数不特定人的脸部图像)，并且这些参考图像的提供者已经以人工方式预先在这些参考图像上标记了多个肌肉识别点(属于这些参考图像的实际肌肉识别点)。
[0115]
于上述步骤s18中，处理器10主要是通过模糊比对演算法151将脸部图像与训练模型153中的多个参考图像(图未标示)进行模糊比对以取出至少一张比对相近的参考图像。最后，处理器10将比对相近的参考图像中的多个肌肉识别点的位置设定成所述脸部图像上的多个实际肌肉识别点21-24的位置。例如，处理器10可取得比对相近的参考图像中的多个肌肉识别点的坐标，并且直接依据所述坐标在脸部图像上设定多个实际肌肉识别点21-24。
[0116]
由此看出，与所述分析演算法151借由脸部图像上的五官来直接计算出脸部肌肉识别点的理想位置的方式不同，所述模糊演算法152经由预先训练完成的训练模型153对脸部图像进行模糊比对，可令所取得的实际肌肉识别点21-24的位置更贴近于使用者目前实际上的脸部肌肉状态(即，多个实际肌肉识别点21-24的位置可实际显现出肌肉的紧实或下垂的状态)。
[0117]
于一实施例中，处理器10可先执行步骤s16后再接着执行步骤s18，或是先执行步骤s18后再接着执行步骤s16。于另一实施例中，处理器10可经由多任务处理而同时执行步骤s16以及步骤s18，其执行顺序并不以上述者为限。
[0118]
步骤s16及步骤s18后，处理器10依据所述多个理想肌肉识别点41-44以及预储存的评价规则分别对各个实际肌肉识别点21-24进行评价，并且产生评价结果(步骤s20)。本发明中，所述评价结果可为各个实际肌肉识别点21-24的文字描述(例如差、一般、平均、好、优良等)、数据评分(例如91～100分、81～90分、71～80分等)，或是各个实际肌肉识别点21-24相较于各个理想肌肉识别点41-44的比率(或可称为达成率)。惟，上述仅为本发明的部分具体实施范例，但并不以此为限。
[0119]
于一实施例中，所述评价规则是于脸部图像上套设网格阵列(grid matrix)，并依据网格阵列计算各个实际肌肉识别点21-24与各个理想肌肉识别点41-44间的差距(distance)，借此对各个实际肌肉识别点21-24进行评价。即，将各个理想肌肉识别点41-44做为基准点，并依据所述差距及基准点来进行评价(容后详述)。
[0120]
步骤s20后，处理器10进一步控制显示单元11显示所述脸部图像、多个实际肌肉识别点21-24及多个理想肌肉识别点41-44(步骤s22)，以令使用者可直接于显示单元11上查看多个实际肌肉识别点21-24与多个理想肌肉识别点41-44间的差距。并且，处理器10还控制显示单元11显示所述评价结果(步骤s24)，以令使用者知晓其当前的脸部肌肉状态。于一实施例中，处理器10主要是于显示单元11上重叠显示所述脸部图像、多个实际肌肉识别点21-24及多个理想肌肉识别点41-44，藉此以可视化方式直接显示多个实际肌肉识别点21-24与多个理想肌肉识别点41-44间的差距。
[0121]
参阅图5，为本发明的对照显示示意图的第一具体实施例。如图5所示，于图4的步骤s16后，处理器10可于使用者2的脸部图像上得出所述多个理想肌肉识别点41-44。于图5
的实施例中，多个理想肌肉识别点41-44包括对应至脸部图像右边笑肌的理想位置的第一理想肌肉识别点41、对应至脸部图像左边笑肌的理想位置的第二理想肌肉识别点42、对应至脸部图像右边咬合肌的理想位置的第三理想肌肉识别点43及对应至脸部图像左边咬合肌的理想位置的第四理想肌肉识别点44。
[0122]
于图4的步骤s18后，处理器10可于使用者2的脸部图像上识别出所述多个实际肌肉识别点21-24。并且，于图4的步骤s20中，处理器10是将对应至脸部图像右边的笑肌位置的第一实际肌肉识别点21与第一理想肌肉识别点41进行比较、将对应至脸部图像左边的笑肌位置的第二实际肌肉识别点22与第二理想肌肉识别点42进行比较、将对应至脸部图像右边的咬合肌位置的第三实际肌肉识别点23与第三理想肌肉识别点43进行比较、将对应至脸部图像左边的咬合肌置的第四实际肌肉识别点24与第四理想肌肉识别点44进行比较。
[0123]
处理器10可于上述比较动作执行完毕后产生至少四笔评价结果，其中这四笔评价结果至少包括第一实际肌肉识别点21与第一理想肌肉识别点41比较后的第一评价结果、第二实际肌肉识别点22与第二理想肌肉识别点42比较后的第二评价结果、第三实际肌肉识别点23与第三理想肌肉识别点43比较后的第三评价结果及第四实际肌肉识别点24与第四理想肌肉识别点44比较后的第四评价结果。藉此，使用者可清楚地理解自己当前的脸部肌肉状态与理想状态的差距，并依此判断所使用的化妆品、保养品及采用的保养手段是否有效。
[0124]
如前文所述，在图4的步骤s16中，所述分析演算法151是依据脸部图像中的五官来进行计算的，其目的在于判断脸部图像中的笑肌(即，第一理想肌肉识别点41及第二理想肌肉识别点42)应该存在的理想位置，以及咬合肌(即，第三理想肌肉识别点43及第四理想肌肉识别点44)应该存在的理想位置。下面将配合图6以及图7更详细地说明上述分析演算法151的计算逻辑。
[0125]
参阅图6及图7，其中图6为本发明的理想肌肉识别点的分析流程图的第一具体实施例，图7为本发明的理想肌肉识别点的示意图的第一具体实施例。图6及图7用以更具体地对图4中的步骤s16进行说明。
[0126]
本发明中，处理器10在取得所述脸部图像后，首先会脸部图像进行图像识别，以至少取得脸部图像中的右眼、左眼、鼻子及嘴唇的位置(步骤s160)。于一实施例中，处理器10是通过dlib face landmark系统对脸部图像进行图像识别，借此取得右眼、左眼、鼻子及嘴唇的位置。
[0127]
具体地，所述dlib face landmark系统主要可识别出脸部的显著点(约119点)，并且依据该些显著点来构成脸部的显著特征(例如眉毛、眼睛、鼻子、嘴唇、脸颊轮廓及下巴廓等)。因此，在通过dlib face landmark系统进行了图像识别后，处理器10可从脸部图像中取出后续分析所需的一或多个显著特征。
[0128]
步骤s160后，处理器10连接脸部图像中的眼睛的眼角及眼尾，以水平产生一条参考线(步骤s162)。具体地，如图7所示，处理器10主要是连接右眼眼角及右眼眼尾以产生第一水平参考线31，并且连接左眼眼角及左眼眼尾以产生第二水平参考线32。
[0129]
接着，处理器10将所述参考线逻辑切割成四等分(步骤s164)，并且由靠近眼尾处的第一等分的位置产生与前述参考线垂直的另一条参考线(步骤s166)。具体地，如图7所示，处理器10主要是将第一水平参考线31逻辑切割成四等分，并且由靠近右眼眼尾的第一等分处产生与第一水平参考线31垂直的第一垂直参考线33。并且，处理器10将第二水平参
考线32逻辑切割成四等分，并且由靠近左眼眼尾的第一等分处产生与第二水平参考线32垂直的第二垂直参考线34。
[0130]
接着，处理器10将脸部图像中的鼻翼位置(主要为鼻翼外侧的位置)至鼻头位置间的高度逻辑切割成五等分(步骤s168)，并将所述垂直的参考线上从鼻翼向下起算第二等分处的高度上的点做为对应至笑肌的理想位置的理想肌肉识别点(步骤s170)。
[0131]
具体地，如图7所示，处理器10主要是将第一垂直参考线33上从鼻翼向下起算等二等分处的高度上的点，做为对应至右边笑肌的理想位置的第一理想肌肉识别点41，并且，将第二垂直参考线34上从鼻翼向下起算等二等分处的高度上的点，做为对应至左边笑肌的理想位置的第二理想肌肉识别点42。
[0132]
接着，处理器10将脸部图像中的鼻头位置至下巴位置(主要为下巴的外围)间的高度逻辑切割成三等分(步骤s172)，并将所述垂直的参考线上从鼻头向下起算第一等分处的高度上的点做为对应至咬合肌的理想位置的理想肌肉识别点(步骤s174)。
[0133]
具体地，如图7所示，处理器10主要是将第一垂直参考线33上从鼻头向下起算第一等分处的高度上的点，做为对应至右边咬合肌的理想位置的第三理想肌肉识别点43，并且，将第二垂直参考线34上从鼻头向下起算第一等分处的高度上的点，做为对应至左边咬合肌的理想位置的第四理想肌肉识别点44。
[0134]
值得一提的是，于前述实施例中，处理器10是先计算脸部图像右侧的第一理想肌肉识别点41及第三理想肌肉识别点43，接着再计算脸部图像左侧的第二理想肌肉识别点42及第四理想肌肉识别点44。于其他实施例中，处理器10亦可先计算对应至笑肌的第一理想肌肉识别点41及第二理想肌肉识别点42，接着再计算对应至咬合肌的第三理想肌肉识别点43及第四理想肌肉识别点44。再者，处理器10亦可借由多任务程序来同时计算所述四个理想肌肉识别点41-44，而不以上述实施例为限。
[0135]
由图6及图7的实施例可看出，本发明中的多个理想肌肉识别点41-44主要是依据脸部图像中相对固定的特征(包括眼睛、鼻子及下巴)所计算得出的，因此可做为笑肌、咬合理的理想位置的参考值。借此，处理器10可将这些理想肌肉识别点41-44做为评价基础，以对使用者当前的脸部肌肉状态进行评价(即，分析所述肌肉识别点的实际位置与理想位置间的差距，并且依据所述差距来进行评价)。
[0136]
续请参阅图8，为本发明的评价规则示意图的第一具体实施例。于本发明的一实施例中，处理器10在进行评价时，主要是依据评价规则将具有固定间隔大小的一个网格阵列51套用于脸部图像上，以将整个脸部图像逻辑分割成多个区块。藉此，处理器10可通过区块的数量来计算各个实际肌肉识别点21-24与各个理想肌肉识别点41-44之间的差距。
[0137]
本实施例中，处理器10主要是将位置与第一理想肌肉识别点41及第二理想肌肉识别点42的位置差距小于或等于一个阈值(例如，小于一个区块的距离)的第一实际肌肉识别点21及第二实际肌肉识别点22评价为“平均(average)”，将位置高于第一理想肌肉识别点41及第二理想肌肉识别点42的位置且差距大于所述阈值的第一实际肌肉识别点21及第二实际肌肉识别点22依序评价为“好(good)”或“优良(excellent)”。例如，处理器将位置高于第一理想肌肉识别点41及第二理想肌肉识别点42一个区块的第一实际肌肉识别点21及第二实际肌肉识别点22评价为“好”，并将位置高于第一理想肌肉识别点41及第二理想肌肉识别点42两个区块的第一实际肌肉识别点21及第二实际肌肉识别点22评价为“优良”。
[0138]
并且，处理器10可将位置低于第一理想肌肉识别点41及第二理想肌肉识别点42的位置且差距大于所述阈值的第一实际肌肉识别点21及第二实际肌肉识别点22依序评价为“一般(fair)”或“差(poor)”。例如，处理器将位置低于第一理想肌肉识别点41及第二理想肌肉识别点42一至两个区块的第一实际肌肉识别点21及第二实际肌肉识别点22评价为“一般”，并将位置低于第一理想肌肉识别点41及第二理想肌肉识别点42三个区块以上的第一实际肌肉识别点21及第二实际肌肉识别点22评价为“差”。
[0139]
如图8所示，于另一实施例中，处理器10主要是依据所述评价规则将脸部图像中的鼻头位置至鼻翼位置间的高度逻辑切割成五等分，并将这五等分的区间做为上述的网格阵列51来使用。
[0140]
具体地，于此实施例中，处理器10主要是将位置与第一理想肌肉识别点41及第二理想肌肉识别点42的位置差距小于或等于一等分的第一实际肌肉识别点21及第一实际肌肉识别点22评价为“平均”，将位置高于第一理想肌肉识别点41及第二理想肌肉识别点42的位置且差距大于一等分的第一实际肌肉识别点21及第二实际肌肉识别点22评价为“好”，将位置高于第一理想肌肉识别点41及第二理想肌肉识别点42的位置且差距大于两等分的第一实际肌肉识别点21及第二实际肌肉识别点22评价为“优良”，将位置低于第一理想肌肉识别点41及第二理想肌肉识别点42的位置且差距大于一或两等分的第一实际肌肉识别点21及第二实际肌肉识别点22评价为“一般”，并将位置低于第一理想肌肉识别点41及第二理想肌肉识别点42的位置且差距大于三等分的第一实际肌肉识别点21及第二实际肌肉识别点22评价为“差”。
[0141]
惟，上述仅为本发明的部分具体实施范例，不应以此为限。
[0142]
续请参阅图9，为本发明的评价规则示意图的第二具体实施例。于评价对应至咬合肌位置的第三实际肌肉识别点23与第四实际肌肉识别点24时，处理器10主要可依据评价规则将具有固定间隔的一个网格阵列52套用于脸部图像上，以将整个脸部图像逻辑分割成多个区块。值得一提的是，所述第三实际肌肉识别点23与第四实际肌肉识别点24主要是坐落于脸部图像的下半部，因此处理器10可仅对脸部图像的下半部(例如鼻子以下)进行逻辑分割，借此节省系统资源并提高处理速度。
[0143]
本实施例中，所述网格阵列52中每一个区块的间隔大小可与图8中的网格阵列51的区块的间隔大小相同或相异，不应加以限定。
[0144]
本实施例中，处理器10主要是将位置与第三理想肌肉识别点43及第四理想肌肉识别点44的位置差距小于或等于一个阈值(例如，小于一个区块的距离)的第三实际肌肉识别点23及第四实际肌肉识别点24评价为“优良”，并将位置低于第三理想肌肉识别点43及第四理想肌肉识别点44的位置且差距大于所述阈值的第三实际肌肉识别点23及第四实际肌肉识别点24依序评价为“平均”、“一般”或“差”。
[0145]
例如，处理器将位置低于第三理想肌肉识别点43及第四理想肌肉识别点44一个区块的第三实际肌肉识别点23及第四实际肌肉识别点24评价为“好”，将位置低于第三理想肌肉识别点43及第四理想肌肉识别点44两个区块的第三实际肌肉识别点23及第四实际肌肉识别点24评价为“平均”，将位置低于第三理想肌肉识别点43及第四理想肌肉识别点44三至四个区块的第三实际肌肉识别点23及第四实际肌肉识别点24评价为“一般”，并将位置低于第三理想肌肉识别点43及第四理想肌肉识别点44五个区块的第三实际肌肉识别点23及第
四实际肌肉识别点24评价为“差”。
[0146]
如图9所示，于另一实施例中，处理器10主要是依据所述评价规则将脸部图像中的鼻头位置至下巴位置间的高度逻辑切割成十五等分，并将这十五等分的区间做为上述的网格阵列52来使用。
[0147]
具体地，于此实施例中，处理器10主要是将位置与第三理想肌肉识别点43及第四理想肌肉识别点44的位置差距小于或等于一等分的第三实际肌肉识别点23及第四实际肌肉识别点24评价为“优良”，将位置低于第三理想肌肉识别点43及第四理想肌肉识别点44的位置且差距大于一等分的第三实际肌肉识别点23及第四实际肌肉识别点24评价为“好”，将位置低于第三理想肌肉识别点43及第四理想肌肉识别点44的位置且差距大于两等分的第三实际肌肉识别点23及第四实际肌肉识别点24评价为“平均”，将位置低于第三理想肌肉识别点43及第四理想肌肉识别点44的位置且差距大于三至四等分的第三实际肌肉识别点23及第四实际肌肉识别点24评价为“一般”，并将位置低于第三理想肌肉识别点43及第四理想肌肉识别点44的位置且差距大于五等分的第三实际肌肉识别点23及第四实际肌肉识别点24评价为“差”。
[0148]
惟，上述仅为本发明的部分具体实施范例，不应以此为限。
[0149]
通过上述的评价规则，处理器10可以在从脸部图像上取得所述实际肌肉识别点21-24与理想肌肉识别点41-44后，立即对使用者2的脸部肌肉状态做出有效且精准的评价。
[0150]
参阅图10，为本发明的评价结果示意图的第一具体实施例。
[0151]
如图10所示，在取得了所述多个实际肌肉识别点21-24及多个理想肌肉识别点41-44后，处理器10即可于显示单元11上重叠显示使用者2的脸部图像、多个实际肌肉识别点21-24及多个理想肌肉识别点41-44，以令使用者清楚看到自己当前的脸部肌肉状态与理想状态的差距。
[0152]
本发明中，处理器10还可进一步计算由第一实际肌肉识别点21与山根、右边太阳穴构成的三角形区域210的面积(如图10显示的51.3mm2)、计算由第二实际肌肉识别点22与山根、左边太阳穴构成的三角形区域220的面积(如图10显示的50.6mm2)、计算由第三实际肌肉识别点23与鼻头、右边脸颊构成的三角形区域230的面积(如图10显示的47.5mm2)、并计算由第四实际肌肉识别点24与鼻头、左边脸颊构成的三角形区域240的面积(如图10显示的48.9mm2)。
[0153]
于一实施例中，处理器10还可进一步计算由第一理想肌肉识别点41与山根、右边太阳穴构成的理想三角形区域(图未标示)的面积(如图10显示的46.2mm2)、计算由第二理想肌肉识别点42与山根、左边太阳穴构成的理想三角形区域的面积(如图10显示的46.2mm2)、计算由第三理想肌肉识别点43与鼻头、右边脸颊构成的理想三角形区域的面积(如图10显示的43.2mm2)、并计算由第四理想肌肉识别点44与鼻头、左边脸颊构成的理想三角形区域的面积(如图10显示的43.2mm2)。
[0154]
如前文所述，在一定的范围内，所述三角形面积210-240越小，代表使用者当前的脸部肌肉状态越好。并且，处理器10可计算上述各个三角形区域210-240的面积与各个理想三角形区域的面积的差距，藉此计算使用者的保养达成率(即，各个三角形区域210-240的面积大小越接近各个理想三角形区域的面积大小，就代表使用者的保养达成率越高)。
[0155]
通过本发明的上述技术手段，使用者可以得到自己目前的脸部肌肉状态与理想状
态相较之下的评价，借此协助使用者了解自己目前的脸部肌肉状态，并且确认所使用的保养品、化妆品以及采用的保养手段是否有效，实相当便利且具有不可替代性。
[0156]
当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。