脸部皱纹检测方法、电子设备和计算机可读存储介质与流程

本技术涉及图像处理，具体涉及一种脸部皱纹检测方法、电子设备和计算机可读存储介质。

背景技术：

1、目前，脸部皱纹检测技术越来越多地应用在多个领域中。例如，在化妆品研发领域中，需要针对不同的脸部皱纹特征，设计化妆产品或者推荐用户相应的化妆品。又例如，在照片美化特效领域中，需要针对不同的脸部皱纹进行不同程度的美化特效。又例如，在人脸识别中，需要根据脸部皱纹作为用户特征以验证用户身份。

2、然而，市面上针对皱纹的检测方式，只能检测出较粗的皱纹，针对细皱纹的检测能力较弱，无法全面地对皱纹进行整体完整的检测。

3、鉴于此，本发明提出一种脸部皱纹检测方法，能够完整地提取出粗皱纹和细皱纹，从而能够反馈人体脸部完整的皱纹分析结论。

技术实现思路

1、为解决上述技术问题，本发明的目的是提供一种脸部皱纹检测方法、电子设备和计算机可读存储介质，以满足精准并且全面地检测出脸部皱纹。

2、根据本发明的一个方面提出了一种脸部皱纹检测方法，包括以下步骤：

3、s1、基于人脸关键点对待测人脸图像进行提取，获得人脸roi区域图像；

4、s2、基于深度学习算法对人脸roi区域图像进行粗皱纹检测获得第一皱纹特征图，以及采用滤波和去噪的方式对人脸roi区域图像进行细皱纹检测获得第二皱纹特征图；以及

5、s3、将第一皱纹特征图和第二皱纹特征图进行融合，获得整体皱纹图。

6、上述技术方案，根据皱纹的深浅程度采用不同的检测方法完整地提取出粗皱纹和细皱纹，能够实现对待测人脸图像皱纹的精准检测。

7、在具体的实施例中，在步骤s2中，采用滤波和去噪的方式对人脸roi区域图像进行细皱纹检测获得第二皱纹特征图，包括以下子步骤：

8、s201、对人脸roi区域图像进行x方向的gabor滤波，获得滤波图像；

9、s202、基于斜率和长度相结合的过滤算法对滤波图像进行首次去噪；

10、s203、通过颜色的过滤算法对滤波图像再次去噪，获得纯净皱纹区域图像；以及

11、s204、将纯净皱纹区域图像通过人脸关键点还原成图片大小与待测人脸图像一致的第二皱纹特征图。

12、由于痘痘、小斑点、痣等皮肤瑕疵都呈近似圆形而非条状，这些皮肤瑕疵与细皱纹的长度不同，而眉毛、眼睫毛呈长条状但其斜率与细皱纹存在不同，通过斜率和长度相结合的过滤算法，可以有效识别出细皱纹和小斑点、痘痘、眉毛、眼睫毛等，进而剔除眉毛、眼睫毛等干扰噪点；大斑点的颜色一般比小斑点和细皱纹颜色更深，通过颜色的过滤算法能够有效识别出细纹和大斑点，进而剔除大斑点。

13、在具体的实施例中，基于斜率和长度相结合的过滤算法对滤波图像进行首次去噪，具体包括以下子步骤：

14、s2021、提取滤波图像上所有皱纹轮廓，并逐个获取单个皱纹的两个顶点；

15、s2022、计算两个顶点之间的长度l，以及长度l与水平方向之间的倾斜角a；

16、s2023、根据不同部位的皱纹方向预设不同的倾斜角度范围，以判定单个皱纹是否为干扰点；以及

17、s2024、根据不同部位的皱纹长度预设不同的长度阈值，以进一步判定单个皱纹是否为干扰点。

18、通过上述技术方案，根据不同部位的皱纹方向、长度分别进行斜率卡控、长度卡控，以识别并剔除干扰点。

19、在具体的实施例中，在步骤s203中，通过颜色的过滤算法对滤波图像再次去噪，具体包括以下子步骤：

20、s2031、将人脸roi区域图像进行灰度化，形成灰度图像，并且对灰度图像进行增强，获得增强后的图像；

21、s2032、对增强后的图像进行图像二值化，以及预设第一颜色阈值，提取低于第一颜色阈值的黑色区域；

22、s2033、对滤波图像进行图像二值化，以及预设第二颜色阈值，提取高于第二颜色阈值的高亮区域；以及

23、s2034、利用高亮区域减去黑色区域，获得纯净皱纹区域图像。

24、由于大斑点的颜色一般较深，因此将颜色值低于第一颜色阈值的黑色区域判定为色斑区域。gobor滤波后的图像在皱纹区域呈现高亮，因此将颜色值高于第二颜色阈值的高亮区域判定为皱纹区域。再通过皱纹区域减去色斑区域即可快速得到纯净的皱纹区域。

25、在具体的实施例中，还包括s4、根据整体皱纹图，选择老化程度对待测人脸图像进行老化增强或老化减弱的调节。

26、上述技术方案，可以根据老化程度-10～10进行面部皱纹调节，老化程度越大，使用老化增强流程，膨胀核越大，细纹逐渐变粗，增强皱纹。老化程度越小，使用老化减弱流程，腐蚀核越大，细皱纹逐渐变细，减弱皱纹。

27、在具体的实施例中，该方法还包括s4、基于整体皱纹图，选择老化程度对待测人脸图像进行老化增强或老化减弱的调节。

28、在具体的实施例中，在步骤s4中，基于整体皱纹图，选择老化程度对待测人脸图像进行老化减弱的调节，包括以下子步骤：

29、s401、将待测人脸图像进行灰度化处理，获得待测人脸灰度图，在待测人脸灰度图上获取与整体皱纹图上位置相同的皱纹区域，进而将非皱纹区域的像素全部设置为0，获得整体皱纹灰度图；

30、s402、统计整体皱纹灰度图上像素的极大值和次小值，并且将极大值和次小值相减获得皱纹深度范围h；

31、s403、通过以下公式计算老化减弱的高度y：

32、y＝0.6*h+10x(-10<＝x<＝0)

33、式中，y表示老化减弱的高度，h表示皱纹深度范围，x表示取值范围为-10～0的老化程度分值；

34、s404、对待测人脸图像的皱纹区域进行亮度增强，其中亮度增强的数值为y，获得修复图像；以及

35、s405、对待测人脸图像和修复图像进行线性融合消除边缘噪点。

36、通过上述技术方案，能够实现对待测人脸图像的老化减弱效果，并且线性融合修复图像和待测人脸图像，使得整体皱纹变化更加光滑。

37、在具体的实施例中，在步骤s4中，基于整体皱纹图，选择老化程度对待测人脸图像进行老化增强的调节，包括以下子步骤：

38、s411、将待测人脸图像进行灰度化处理，获得待测人脸灰度图，在待测人脸灰度图上获取与整体皱纹图上位置相同的皱纹区域，进而将非皱纹区域的像素全部设置为0，获得整体皱纹灰度图；

39、s412、统计整体皱纹灰度图上像素的极大值和次小值，并且将极大值和次小值相减，获得皱纹深度范围h；

40、s413、根据皱纹深度范围h对待测人脸图像的灰度区域进行提取遮罩，获得皱纹塌陷区域图；

41、s414、合并整体皱纹灰度图和皱纹塌陷区域图，获得整体皱纹变化区域，并且对整体皱纹变化区域进行亮度减弱，获得增强图像；以及

42、s415、对待测人脸图像和增强图像进行线性融合消除边缘噪点。

43、在具体的实施例中，在步骤s2中，基于深度学习算法对人脸roi区域图像进行粗皱纹检测获得第一皱纹特征图，包括以下子步骤：

44、s211、针对人脸roi区域图像上人脸关键点外侧的皮肤进行填充获得填充图像；

45、s212、根据皱纹方向不确定性和皱纹颜色深浅不确定性对填充图像进行数据增强，获得预处理图像；

46、s213、通过bisenetv2的细节分支获得预处理图像的细节特征图；

47、s214、通过bisenetv2的语义分支获得预处理图像的不同分辨率的语义特征图；

48、s215、通过bisenetv2的特征融合模块融合细节特征图和语义特征图，获得融合后的特征图；

49、s216、通过bisenetv2依据融合后的特征图得到预处理图像的语义分割结果；以及

50、s217、将语义分割结果通过人脸关键点还原成图片大小与待测人脸图像一致的第一皱纹特征图。

51、上述技术方案通过深度学习算法对人脸粗皱纹进行检测，提高了检测效率。

52、在具体的实施例中，在步骤s1中，基于人脸关键点对待测人脸图像进行提取，获得人脸roi区域图像，包括以下子步骤：

53、s11、将人脸关键点按区域进行裁剪，连接区域的外部关键点形成连通域；以及

54、s12、根据坐标轴极值点对齐连通域，并通过坐标轴缩放倍数获得具备目标像素大小的人脸roi区域图像。

55、通过上述技术方案成功解决了直接将待测人脸图像按比例缩放后容易出现图像特征消失、无法检测出细皱纹等问题。

56、第二方面，本技术提供了一种电子设备，包括：

57、至少一个处理器；

58、以及与至少一个处理器通信连接的存储器；

59、其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如上述中任一项的方法。

60、第三方面，本技术提供了一种计算机可读存储介质，该介质中存储有计算机程序，在计算机程序被处理器执行时，实施如上述中任一项的方法。

61、与现有技术相比，本发明的有益成果在于：

62、介于人脸不同部位的皱纹深浅程度不同，本发明通过人脸关键点划分待测人脸图像，然后分别采用深度学习算法和传统算法对不同部位进行皱纹检测。其中，在传统算法提取细皱纹过程中，利用斜率和长度相结合的过滤算法、颜色的过滤算法有效剔除掉大斑点、小斑点、眉毛、眼睫毛等噪点。本发明能够完整地提取出粗皱纹和细皱纹，从而能够反馈人脸完整的皱纹分析结论。再根据提取出的整体皱纹图，对待测人脸图像进行老化增强或老化减弱的调节。