[发明专利]黑眼圈及鼻炎识别方法、系统及计算机介质

权利要求书

1.一种黑眼圈及鼻炎识别方法，其特征在于，具体包括以下步骤：

根据人脸图像，得到脸部特征点；

根据所述脸部特征点，提取眼睛以及黑眼圈区域的彩色图片，得到特征图片；

将所述特征图片打标签，得到样本图片，所述标签包括黑眼圈程度以及是否鼻炎；

输入所述样本图片至分类神经网络进行训练，得到训练后的分类神经网络模型；

输入待预测人脸图片至所述训练后的分类神经网络，得到所述待预测人脸图片的黑眼圈程度以及是否有鼻炎的识别结果。

2.根据权利要求1所述的黑眼圈及鼻炎识别方法，其特征在于，所述根据所述脸部特征点，提取眼睛区域的彩色图片，得到特征图片，具体包括：

提取眼睛彩色图片；

根据所述眼睛彩色图片以及黑眼圈大小，估计黑眼圈区域，得到预处理黑眼圈彩色图片；

根据所述黑眼圈区域，得到黑眼圈区域之外的人脸皮肤彩色图片；

根据所述预处理黑眼圈彩色图片以及所述人脸皮肤彩色图片，进行图片大小统一以及图片内容做差，得到精准黑眼圈彩色图片；

根据所述眼睛彩色图片以及所述精准黑眼圈彩色图片的图片集合，得到特征图片。

3.根据权利要求1所述的黑眼圈及鼻炎识别方法，其特征在于，所述标签具体包括：无黑眼圈、轻度黑眼圈、重度黑眼圈、有鼻炎以及无鼻炎。

4.根据权利要求1所述的黑眼圈及鼻炎识别方法，其特征在于，所述输入所述样本图片至分类神经网络进行训练，得到训练后的分类神经网络模型，具体包括：

根据每一张特征图片进行边缘填充后，通过卷积核进行卷积，得到卷积特征图；

根据所述卷积特征图，进行最大池化采样以及激活函数激活；

重复以上步骤，逐渐减小卷积核大小，根据最后一次激活函数激活输出结果，得到深度特征值；

根据所述深度特征值，通过全连接神经网络分类层分类，以及归一化后，得到不同标签的概率分类；

通过损失函数拟合所述特征图片的概率分类及其对应标签，得到训练后的分类神经网络模型。

5.根据权利要求4所述的黑眼圈及鼻炎识别方法，其特征在于，所述损失函数包括分类交叉熵函数以及各个特征图片在深度特征值空间的距离函数。

6.根据权利要求4所述的黑眼圈及鼻炎识别方法，其特征在于，所述损失函数包括分类交叉熵函数L以及距离函数L2，其中，

所述分类交叉熵函数L的公式为：

其中，y为真实标签，为概率预测结果；

所述距离函数L2的公式为：

其中，x1,x2分别为两个向量。

7.一种黑眼圈及鼻炎识别系统，其特征在于，具体包括：

脸部特征单元：用于根据人脸图像，得到脸部特征点；

特征图片单元：用于根据所述脸部特征点，提取眼睛以及黑眼圈区域的彩色图片，得到特征图片；

打标签单元：用于将所述特征图片打标签，得到样本图片，所述标签包括黑眼圈程度以及是否鼻炎；

分类神经网络模型单元：用于输入所述样本图片至分类神经网络进行训练，得到训练后的分类神经网络模型；

分类识别单元：用于输入待预测人脸图片至所述训练后的分类神经网络，得到所述待预测人脸图片的黑眼圈程度以及是否有鼻炎的识别结果。

8.根据权利要求7所述的黑眼圈及鼻炎识别系统，其特征在于，所述特征图片单元具体用于以下步骤：

提取眼睛彩色图片；

根据所述眼睛彩色图片以及黑眼圈大小，估计黑眼圈区域，得到预处理黑眼圈彩色图片；

根据所述黑眼圈区域，得到黑眼圈区域之外的人脸皮肤彩色图片；

根据所述预处理黑眼圈彩色图片以及所述人脸皮肤彩色图片，进行图片大小统一以及图片内容做差，得到精准黑眼圈彩色图片；

根据所述眼睛彩色图片以及所述精准黑眼圈彩色图片的图片集合，得到特征图片。