[发明专利]一种基于全脸图像的毛孔检测方法

权利要求书

1.一种基于全脸图像的毛孔检测方法，其特征在于，包括以下步骤：

S1、人脸检测：对人脸进行检测，检测完成之后将人脸统一宽度进行调整；

S2、人脸部位分割：采用深度学习的BiSeNet算法进行语义分割进行人脸各部位的分割提取，通过语义分割，使得模型学习到人脸各个部位的特征，或者融合全脸各部位的语义信息进行综合的判断，降低光线、背景信息、肤色和人种信息的干扰；

S3、关键区域提取：在S2的基础上，提取各个部位的黑白mask，然后在各个黑白mask上，进行最大轮廓提取，并且将其包在一个boundingbox里面，获得各个部位对应boundingbox的位置信息和长宽的信息，也就等同于获得各个面部部位的位置信息，然后根据各部位的位置信息，进行四个关键区域的定义，分别为：额头、左脸颊、右脸颊和鼻子；

S4、检测毛孔：经过S3提取了关键区域后，已经剔除了背景信息以及大的面部结构信息的干扰，现在，基于S3的关键区域，通过统计方法加图像处理的方法进行毛孔的检测，所述毛孔检测步骤如下：

提取所述关键区域的蓝色通道；

针对所提取的蓝色通道进行图像锐化，并进行高光处理；

对高光处理后的所述蓝色通道进行局部二值化，得到与所述蓝色通道对应的黑白图像，并对所述黑白图像进行开运算；

对黑白图像进行轮廓提取和筛选；

对所提取和筛选的轮廓，利用gboundingbox的长宽比限制进行过滤；以及

针对过滤后的轮廓，根据对应的R通道值进行过滤，从而提取得到所述毛孔，并且其中

针对过滤后的轮廓，根据对应的R通道值进行过滤的操作，包括：计算面部皮肤R通道的第20个百分位数的值作为肤色在R通道的底线值，过滤掉R通道值低于底线值的那些boundingbox，并且其中，

所述步骤S4中针对所提取的蓝色通道进行图像锐化的具体步骤为：通过自定义一个3*3滤波器，对各个区域的皮肤进行遍历计算，得到图像的锐化处理，以加强毛孔特征的对比度，所述滤波器为[[0,-1,0],[-1,5,-1],[0,-1,0]]，并且其中

所述步骤S4中进行高光处理的具体步骤为：分别获取区域皮肤图像的第50个百分位值、第80个百分位值和第87个百分位值，将大于第87个百分位值的像素视为高光区域的像素，对于高光区域的像素，将原值*0.95作为新的像素值，以这样的方法，对高光区域的亮度做针对性地调暗处理，使得在不影响正常光照区信息的情况下，将整体区域的光线对比度降低。

2.根据权利要求1所述的一种基于全脸图像的毛孔检测方法，其特征在于：所述S1人脸检测中采用mtcnn进行实现，通过mtcnn成熟的人脸检测方案剔除背景信息的干扰。

3.根据权利要求1所述的一种基于全脸图像的毛孔检测方法，其特征在于：所述S1人脸检测中对人脸统一宽度进行调整的过程中，统一将人脸调整为1350像素。

4.根据权利要求1所述的一种基于全脸图像的毛孔检测方法，其特征在于：所述S4中局部二值化的具体步骤为：以当前像素为中心，15*15范围内的明暗度进行二值化处理，得到一张黑白图，在黑白图上，毛孔为黑色，其他区域为白色。

5.根据权利要求4所述的一种基于全脸图像的毛孔检测方法，其特征在于：所述S4中轮廓提取和筛选的具体步骤为：把黑白图的黑色部分轮廓提取出来，并且用面积进行过滤。

6.根据权利要求5所述的一种基于全脸图像的毛孔检测方法，其特征在于：

对所提取和筛选的轮廓，利用gboundingbox的长宽比限制进行过滤的操作包括：限制长宽比在0.5-1.5之间，剔除皱纹之类特征的干扰。