[发明专利]一种数量确定方法及装置

权利要求书

1.一种数量确定方法，其特征在于，包括：

通过摄像头采集第一人脸图像；

将所述第一人脸图像输入深度神经网络，获得所述第一人脸图像中人脸上高反光区域的位置和第一非高反光区域的瑕疵数量；

通过所述摄像头采集第二人脸图像，所述第一人脸图像与所述第二人脸图像为采用不同拍摄角度采集的同一人的人脸图像；

根据所述第二人脸图像、所述深度神经网络、所述高反光区域的位置和跟踪算法，确定所述高反光区域的瑕疵数量；

使用所述高反光区域的瑕疵数量和所述第一非高反光区域的瑕疵数量计算所述人脸上的瑕疵数量；

所述将所述第一人脸图像输入深度神经网络，获得所述第一人脸图像中人脸上高反光区域的位置和第一非高反光区域的瑕疵数量包括：

将所述第一人脸图像输入深度神经网络，获得所述第一人脸图像中人脸上所有待确定瑕疵的坐标、瑕疵概率和区域概率；

在待确定瑕疵的瑕疵概率大于所述待确定瑕疵的区域概率，且所述待确定瑕疵的瑕疵概率大于第一阈值的情况下，确定所述待确定瑕疵为瑕疵，所述待确定瑕疵为所述所有待确定瑕疵中的任一待确定瑕疵；

在所述待确定瑕疵的区域概率大于所述待确定瑕疵的瑕疵概率，且所述待确定瑕疵的区域概率大于第二阈值的情况下，确定所述待确定瑕疵为高反光区域；

统计确定的瑕疵的数量为所述第一人脸图像中人脸上第一非高反光区域的瑕疵数量；

将确定的所述高反光区域的坐标确定为所述第一人脸图像中人脸上高反光区域的位置。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第二人脸图像、所述深度神经网络、所述高反光区域的位置和跟踪算法，确定所述高反光区域的瑕疵数量包括：

将所述第二人脸图像输入所述深度神经网络，获得所述第二人脸图像中人脸上所有待确定瑕疵的坐标、瑕疵概率和区域概率；

根据跟踪算法和所述高反光区域的位置确定所述高反光区域在所述第二人脸图像中的坐标；

根据所述第二人脸图像中人脸上所有待确定瑕疵的坐标、瑕疵概率和区域概率以及所述高反光区域在所述第二人脸图像中的坐标，确定第二非高反光区域的坐标，所述第二非高反光区域为所述高反光区域在所述第二人脸图像中变为非高反光区域的区域；

根据所述第二非高反光区域的坐标和所述高反光区域在所述第二人脸图像中的坐标，计算所述高反光区域中所述第二非高反光区域的比例；

在所述比例大于第三阈值时，统计所述第二非高反光区域在所述第二人脸图像中瑕疵的数量，获得所述高反光区域的瑕疵数量。

3.根据权利要求2所述的方法，其特征在于，所述将所述第一人脸图像输入深度神经网络，获得所述第一人脸图像中人脸上所有待确定瑕疵的坐标、瑕疵概率和区域概率包括：

将所述第一人脸图像输入深度神经网络，获得所述第一人脸图像中人脸上所有待确定瑕疵的坐标、瑕疵概率、区域概率和部位概率；

所述方法还包括：

将瑕疵归类至所述部位概率最大的瑕疵部位；

统计所述人脸上所有瑕疵部位中每个瑕疵部位的瑕疵数量。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

根据瑕疵数量大于第四阈值的瑕疵部位和/或所述人脸上所有瑕疵部位中每个瑕疵部位的瑕疵数量确定推荐信息。

5.根据权利要求2所述的方法，其特征在于，所述将所述第一人脸图像输入深度神经网络，获得所述第一人脸图像中人脸上所有待确定瑕疵的坐标、瑕疵概率和区域概率包括：

将所述第一人脸图像输入深度神经网络，获得所述第一人脸图像中人脸上所有待确定瑕疵的坐标、瑕疵概率、区域概率和类别概率；

所述方法还包括：

将瑕疵归类至所述类别概率最大的瑕疵类别；

统计所述人脸上不同瑕疵类别的瑕疵数量。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

根据所述人脸上不同瑕疵类别的瑕疵数量确定推荐信息。