基于光学的肌肤健康监测和预诊断智能方法
【技术领域】
[0001]本发明涉及智能信息终端设备及数据处理应用领域，具体为一种基于光学的肌肤健康监测和预诊断智能方法。
【背景技术】
[0002]随着智能信息终端技术的发展与提高，越来越多的设备与终端可以进行较为复杂的信息及数据处理，给一些传统的行业与业务带来全新的方式，例如，在个人美容与化妆领域，用户对于形象的要求也越来越强烈，而皮肤是个人形象表现的最直接体现，因此，基于皮肤美容、护理的行业与产业也非常的多，例如各类美容杂志、网站与推广机构，特别是广告行业的投入费用也是非常的巨大，但是用户一般还是借助于经验进行美容和化妆，以及通过自己的学习与他人的交流，另外还有就是通过专业的机构，例如美容院来进行美容与化妆，因此，至少存在以下不足，美容化妆水平及效果受到个人的知识、能力的局限性，以及所接触到的信息的流通性，如果是专业机构，也存在不便利以及费用较高的影响，以及美容化妆质量的差次不齐。
[0003]另外，现有的智能信息设备的日益流行及使用，已经成为生活中不可缺少的一个重要组成部分，例如，智能手机就是这样，并且具有摄像头，可以获得脸部和头像照片，可以对所获得的图像以及所显示的效果进行比较、选择，来结合对个人进行美容化妆，以及其它更多的应用，特别是对于皮肤可以有更多的应用与优化。
【发明内容】
[0004]本发明要解决的技术问题是提供一种将图像肌肤检测仪的数据与智能云连接，通过云的智能算法不断学习和改进肌肤检测仪的精度的基于光学的肌肤健康监测和预诊断智能方法。
[0005]为解决上述技术问题，本发明提供了几个相关的技术方案如下:一种基于光学的肌肤健康监测和预诊断智能方法，包括如下步骤:
[0006]步骤1，客户端上传用户拍摄的光学肌肤图像，并存储在服务器端，服务器将每个用户上传的肌肤图像存入数据库。
[0007]步骤2，服务器端的学习算法，根据用户的历史肌肤图像，提取多种特征，通过智能学习算法，学习得到每个用户的个体健康肌肤模型。
[0008]步骤3，已知用户个体健康肌肤模型时，输入当前肌肤图像，通过图像处理等方法，评价用户当前的肌肤状态并且预测用户肌肤在未来可能会出现的健康问题。
[0009]步骤4，将计算和分析得到的当前肌肤状态分值和肌肤健康问题的预警输出到客户端。
[0010]作为改进，步骤2的“学习算法”为，对肌肤图像提取多种特征，包括:肤色，斑点尺寸和颜色，敏感度，毛孔等对肌肤病理诊断有意义的特征；对健康肌肤建立数学模型，模型为logistic模型；根据历史肌肤图像，训练得到健康肌肤模型。
[0011]算法详细过程如下
[0012]已知用户健康肌肤图像I，分别提取以下特征:
[0013](I)肤色特征:肌肤图像颜色空间转换到Lab颜色空间，对Lab颜色分量分别统计直方图，得到HistL, HistA，HistB三个256维的向量;
[0014](2)斑点特征:包括斑点尺寸大小和斑点色素。
[0015]斑点尺寸提取方法为:肌肤图像中，斑点的颜色深于正常肌肤的颜色，本专利中斑点的Lab范围是L〈120，a, b介于110与130之间；提取斑点区域的二值掩模图像，根据该二值图像求斑点区域的凸闭包；求该凸闭包的面积，最大直径等几何参数，如斑点面积SpotArea，斑点直径 SpotDiameter ；
[0016]斑点色素:在上述提取到的斑点区域的凸闭包内，统计肌肤图像像素的Lab颜色直方图，得到 SpotHistL，SpotHistA，SpotHistB 三个 256 维向量。
[0017](3)肌肤敏感度特征:包括敏感区域大小和局部敏感程度。
[0018]敏感区域大小提取方法:敏感肌肤的表现是肌肤局部泛红，毛细血管可见。本专利中敏感区域的Lab范围是L>130，a, b介于110与130之间；提取敏感区域的二值掩模图像，根据该二值图像求敏感区域的凸闭包；求该凸闭包的面积，最大直径等几何参数，如敏感区域面积 SensitivityArea，敏感区域直径 SensitivityDiameter ；
[0019]局部敏感程度:敏感程度与局部肌肤的泛红程度正相关。在上述提取到的敏感区域的凸闭包内，统计肌肤图像像素的Lab颜色直方图，得到SensitivityHistL，SensitivityHistA, SensitivityHistB 三个 256 维向量。
[0020](4)毛孔特征:
[0021]毛孔是肌肤图像中暗色小坑。本专利中毛孔的Lab范围是110〈L〈120 ;提取毛孔的二值掩模图像，根据该二值图像求毛孔的个数和毛孔的几何参数；如毛孔个数PoreNum，毛孔平均面积PoreArea，毛孔直径PoreDiameter ；
[0022]将上述特征拼接为一个特征向量，作为该肌肤图像的特征X，输入肌肤数学模型。
[0023]健康肌肤数学模型为logistic模型:
[0024]F(x) = I/(1+exp (_b，*x)) (I)
[0025]其中，X为通过肌肤图像提取的特征，F为用户对本人肌肤的评价分值，b是健康肌肤模型参数；图1中，服务器存储了大量用户的肌肤图像和用户本人对肌肤的评价分值。每一个样本i，都对应肌肤图像Ii，特征向量xi和分值Fi。
[0026]已知肌肤图像和用户的评价分值，通过最小二乘法估计式(I)的健康肌肤模型参数b，即可得到健康肌肤数学模型。
[0027]作为优选，所述步骤3的“当前肌肤状态评价/未来肌肤健康预测”方法为，提取当前肌肤图像特征，根据个体健康肌肤模型分析对比当前检测到的特征值和预测的特征值之间的差异，据此给出当前肌肤状态的评价和未来可能的肌肤健康问题。算法详细过程如下:
[0028](I)当前肌肤状态评价
[0029]已知当前肌肤图像I，根据步骤2的图像特征提取方法，提取该图像的特征向量X，将该特征向量带入式(I)，得到的数值，即为当前肌肤状态分值；
[0030](2)未来肌肤健康预测
[0031]已知当前肌肤图像，根据步骤2的图像特征提取方法，分别提取该图像的肤色，斑点尺寸和色，敏感度和毛孔特征，将这些特征与用户的健康肌肤图像特征比较，计算这些特征之间的距离，当距离大于阈值时，表示该特征变化较大，向用户发送报警；否则，不报警。
[0032]根据以上技术方案可以看出本发明具有的优点为:
[0033](I)图像检测仪拍摄到肌肤图像，本地已有的检测算法计算出各项检测值；
[0034](2)图像检测仪将检测数据及结果上传智能云；
[0035](3)智能云根据收集到的各个终端的图像和数据，通过智能算法，更新和改进检测项估计算法；
[0036](4)图像检测仪从智能云下载改进了的肌肤检测项的估计算法。
[0037]本发明将肌肤检测仪与智能云连接，可实现检测仪中检测项估计算法的改进与更新，充分利用各个终端肌肤检测仪的图像数据和检测结果，使检测结果更加准确。
【附图说明】
[0038]图1是本发明的基于光学的肌肤健康监测和预诊断智能方法的示意图。
【具体实施方式】
[0039]下面结合附图对本发明做进一步的详细说明。
[0040]结合附图1所示，一种基于光学的肌肤健康监测和预诊断智能方法，包括如下步骤:
[0041]步骤1，客户端上传用户拍摄的光学肌肤图像，并存储在服务器端，服务器将每个用户上传的肌肤图像存入数据库。
[0042]步骤2，服务器端的学习算法，根据用户的历史肌肤图像，提取多种特征，通过智能学习算法，学习得到每个用户的个体健康肌肤模型。
[0043]步骤3，已知用户个体健康肌肤模型时，输入当前肌肤图像，通过图像处理等方法，评价用户当前的肌肤状态并且预测用户肌肤在未来可能会出现的健康问题。
[0044]步骤4，将计算和分析得到的当前肌肤状态分值和肌肤健康问题的预警输出到客户端。
[0045]步骤2的“学习算法”为，对肌肤图像提取多种特征，包括:肤色，斑点尺寸和颜色，敏感度，毛孔等对肌肤病理诊断有意义的特征；对健康肌肤建立数学模型，模型为logistic模型；根据历史肌肤图像，训练得到健康肌肤模型。
[0046]算法详细过程如下
[0047]已知用户健康肌肤图像I，分别提取以下特征:
[0048](I)肤色特征:肌肤图像颜色空间转换到Lab颜色空间，对Lab颜色分量分别统计直方图，得到HistL, Hi stA，HistB三个256维的向量;
[0049](2)斑点特征:包括斑点尺寸大小和斑点色素。
[0050]斑点尺寸提取方法为:肌肤图像中，斑点的颜色深于正常肌肤的颜色，本专利中斑点的Lab范围是L〈120，a, b介于110与130之间；提取斑