一种用于检测华人人脸皮肤年龄的方法与流程

1.本发明涉及肤质检测技术领域，尤其涉及一种用于检测华人人脸皮肤年龄的方法。


背景技术：

2.随着时代的进步，人们对自己的容貌愈发重视，皮肤护理成为热点话题。拥有光滑亮洁的皮肤不仅对自己的健康有益，而且也能提升自身的整体形象，在人际交往和日常生活中有着至关重要的作用。
3.传统的肌肤年龄测试主要有几种方式：1.打分法，专家根据标准衰老程度描述或者照片对受试者不同部位进行打分，然后进行加权组合，判断受试者整体年龄衰老。2.面部光学照片自动评估法，对正面面部进行采样，然后根据皱纹等情况进行年龄预测。然而这两种方式都有比较大缺陷。对于第一种方式，每次评估都需要专家进行详细打分，时间较长，而且存在不少误差。在耗时和精准度上有较大不足。第二种方式虽然时间较短，但采集的数据维度不足导致评估准确性较差。


技术实现要素：

4.有鉴于此，本发明提供了一种用于检测华人人脸皮肤年龄的方法，用以解决上述背景技术中存在的问题。
5.一种用于检测华人人脸皮肤年龄的方法，具体包括以下步骤：
6.s1，建立基于逐步回归算法的肌肤年龄预测模型；
7.s2，利用皮肤检测仪采集待测者面部的皮肤图像并对皮肤图像中的感兴趣区域进行分析，得到待测者的面部肌肤状态数据；
8.s3，根据待测者的面部肌肤状态数据，通过肌肤年龄预测模型确定待测者的肌肤年龄。
9.优选地，还包括步骤s4，将待测者的肌肤年龄与其实际年龄进行比较，根据比较结果，为待测者提供肌肤护理建议。
10.优选地，所述步骤s1中建立基于逐步回归算法的肌肤年龄预测模型的具体步骤为：
11.选取若干名试验者；
12.利用皮肤检测仪分别采集得到各个试验者的面部肌肤状态数据，得到若干组肌肤样本数据，所述肌肤样本数据由试验者的实际年龄及其面部肌肤状态数据构成；
13.根据获取的若干组肌肤样本数据，通过逐步回归算法，建立肌肤年龄预测模型。
14.优选地，通过逐步回归算法，建立肌肤年龄预测模型时，将试验者的实际年龄作为因变量、将其面部肌肤状态数据作为自变量，通过逐步回归算法，得到影响肌肤衰老的显著肌肤特征及其对应的衰老权重；
15.然后，根据影响肌肤衰老的显著肌肤特征及其对应的衰老权重得到肌肤年龄预测
公式。
16.优选地，所述影响肌肤衰老的显著肌肤特征为面部肌肤状态数据中的一种或几种。
17.优选地，其特征在于，所述面部肌肤状态数据包括额头部位的黑色素含量、红色素含量和粗糙度，脸颊部位的黑色素含量、红色素含量和粗糙度，眉间部位、眼睛部位、眼角部位和嘴角部位的的皱纹深度和皱纹长度。
18.优选地，皮肤检测仪采集待测者面部的皮肤图像时，分别采集额头部位皮肤图像、眉间部位皮肤图像、眼睛部位皮肤图像、眼角部位皮肤图像、脸颊部位皮肤图像和嘴角部位皮肤图像。
19.优选地，所述皮肤检测仪选用的是antera3d皮肤检测仪。
20.本发明的有益效果是：
21.1、本发明通过建立基于逐步回归算法的肌肤年龄预测模型，该模型可以筛选出显著影响肌肤衰老的显著肌肤特征及其权重系数，从而可以准确评估预测出待测者的肌肤年龄，从而为人脸面部皮肤的美容或者治疗提供可靠的数据支持。
22.2、本发明专门为中国人设置的检测方法，因为中国人和白种人在衰老的方面可能不一样，现在的评判标准很多都是白种人延伸的，对中国人不合适。本发明选用的皮肤检测仪可以通过7种光源，可以看到皱纹、粗糙度、血红素、黑色素等十余总参数，从而保证肌肤年龄预测的准确性。
附图说明
23.为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
24.图1是本发明的皮肤年龄检测示意图。
25.图2是利用皮肤检测仪采集待测者面部肌肤状态数据的流程图。
具体实施方式
26.为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。
27.应当明确，所描述的实施例仅仅是本发明的一部分实施例，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前提下所获得的所有其它实施例，都属于本发明保护的范围。
28.下面通过具体的实施例并结合附图对本技术做进一步的详细描述。
29.本发明给出一种用于检测华人人脸皮肤年龄的方法，具体包括以下步骤：
30.s1，建立基于逐步回归算法的肌肤年龄预测模型。
31.具体地，建立基于逐步回归算法的肌肤年龄预测模型包括以下步骤：
32.首先，选取若干名试验者。试验者可在不同年龄段的女性人群中进行选取。
33.然后，利用皮肤检测仪分别采集得到各个试验者的面部肌肤状态数据，得到若干组肌肤样本数据。
34.所述肌肤样本数据由试验者的实际年龄及其面部肌肤状态数据构成。
35.皮肤检测仪采集试验者的面部肌肤状态数据时，具体是通过皮肤检测仪采集试验者面部不同部位的皮肤图像，然后选定各个面部部位的皮肤图像的感兴趣区域，皮肤检测仪对皮肤图像中的感兴趣区域进行分析，从而得到试验者的面部肌肤状态数据。
36.所述面部肌肤状态数据包括额头部位的黑色素含量、红色素含量和粗糙度，脸颊部位的黑色素含量、红色素含量和粗糙度，眉间部位、眼睛部位、眼角部位和嘴角部位的的皱纹深度和皱纹长度。
37.最后，根据获取的若干组肌肤样本数据，通过逐步回归算法，建立肌肤年龄预测模型。
38.通过逐步回归算法，建立肌肤年龄预测模型时，将试验者的实际年龄作为因变量、将其面部肌肤状态数据作为自变量，通过逐步回归算法，得到影响肌肤衰老的显著肌肤特征及其对应的衰老权重；然后，根据影响肌肤衰老的显著肌肤特征及其对应的衰老权重得到肌肤年龄预测公式，肌肤年龄预测公式y＝β1x1 β2x2 .... β
i
x
i
，其中x
i
为第i个影响肌肤衰老的显著肌肤特征，β
i
为第i个影响肌肤衰老的显著肌肤特征的衰老权重，i为正整数。
39.所述影响肌肤衰老的显著肌肤特征为面部肌肤状态数据中的一种或几种。
40.s2，利用皮肤检测仪采集待测者面部的皮肤图像，具体地，分别采集额头部位皮肤图像、眉间部位皮肤图像、眼睛部位皮肤图像、眼角部位皮肤图像、脸颊部位皮肤图像和嘴角部位皮肤图像。
41.然后，利用皮肤检测仪，分别划定各个皮肤图像的感兴趣区域；
42.额头部位的皮肤图像的感兴趣区域为眉毛上方的方形区域，眉间部位的皮肤图像的感兴趣区域为覆盖眉间的矩形区域，眼睛部位的皮肤图像的感兴趣区域为顺着泪沟向下的长条形区域，眼角部位的皮肤图像的感兴趣区域为覆盖眼角皱纹的圆形区域，脸颊部位的皮肤图像的感兴趣区域为覆盖脸颊的矩形区域，嘴角部位的皮肤图像的感兴趣区域为覆盖法令纹的长条形区域和覆盖嘴角纹的圆形区域；
43.然后皮肤检测仪对各个皮肤图像中的感兴趣区域进行分析，得到待测者的面部肌肤状态数据。
44.本实施例中，所述皮肤检测仪选用的是antera3d皮肤检测仪。
45.s3，根据待测者的面部肌肤状态数据，通过肌肤年龄预测模型确定待测者的肌肤年龄。
46.步骤s4，将待测者的肌肤年龄与其实际年龄进行比较，根据比较结果，为待测者提供肌肤护理建议。
47.下面通过举例具体说明本发明的具体实施方式。
48.首先，选取200名不同年龄的中国女性试验者，其中10-19岁的试验者占比2％、20-29岁的试验者占比29％、30-39岁的试验者占比35％、40-49岁的试验者占比19％、50-59岁的试验者占比9％、60-69岁的试验者占比6％。
49.利用皮肤检测仪分别采集这200名试验者的额头、眉间、眼睛、眼角、脸颊和嘴角部位的皮肤图像，在各个皮肤图像中选择出感兴趣区域。其中，额头部位的皮肤图像的感兴趣区域为眉毛上方的方形区域，眉间部位的皮肤图像的感兴趣区域为覆盖眉间的矩形区域，眼睛部位的皮肤图像的感兴趣区域为顺着泪沟向下的长条形区域，眼角部位的皮肤图像的
感兴趣区域为覆盖眼角皱纹的圆形区域，脸颊部位的皮肤图像的感兴趣区域为覆盖脸颊的矩形区域，嘴角部位的皮肤图像的感兴趣区域为覆盖法令纹的长条形区域和覆盖嘴角纹的圆形区域。
50.然后，利用皮肤检测仪对各个皮肤图像中的感兴趣区域进行分析，得到待测者的面部肌肤状态数据，即额头部位的黑色素含量、红色素含量和粗糙度，脸颊部位的黑色素含量、红色素含量和粗糙度，眉间部位、眼睛部位、眼角部位和嘴角部位的的皱纹深度和皱纹长度。从而可得到200组肌肤样本数据。
51.然后，将试验者的实际年龄作为因变量、将其面部肌肤状态数据作为自变量，利用200组肌肤样本数据，通过逐步回归算法，得到影响肌肤衰老的显著肌肤特征及其对应的衰老权重，如下表所示：
52.显著肌肤特征衰老权重系数r方嘴角纹78.55660.294眼尾纹深度1.34880.386脸颊b值1.28660.461脸颊l值差-2.39010.512眼尾纹大小0.14890.539额头l值差-3.65450.558嘴角纹深度0.14150.573额头a值差3.7130.587脸颊黑色素差0.84960.597截距-8.9666/
53.根据影响肌肤衰老的显著肌肤特征及其对应的衰老权重得到肌肤年龄预测公式。
54.然后，利用皮肤检测仪采集待测者面部的皮肤图像并对皮肤图像中的感兴趣区域进行分析，得到待测者的面部肌肤状态数据，将待测者的面部肌肤状态数据代入肌肤年龄预测公式计算得到待测者的肌肤年龄。
55.计算得到待测者的肌肤年龄后，可将待测者的肌肤年龄与其实际年龄进行比较，根据比较结果，为待测者提供肌肤护理建议，如当肌肤年龄大于实际年龄时，提醒待测者进行面部护理。
56.以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。