一种基于深度学习的人脸衰老指数评价系统的制作方法

本发明属于人脸衰老指数评价领域，具体是一种基于深度学习的人脸衰老指数评价系统。

背景技术：

1、人脸衰老指数是一种用于评估人脸外貌年龄变化的指标。

2、目前，有多种技术和方法可用于计算人脸衰老指数，包括：(1)皮肤特征分析：通过计算机视觉和图像处理方法来测量皮肤特征的变化，如皱纹、色素斑点和弹性，进而评估人脸的衰老程度；缺点是传统的皮肤特征分析方法可能受限于手工设计的特征提取器，无法捕捉复杂的面部特征，缺乏对面部深度信息的分析，无法全面评估皮肤的纹理和结构；(2)生物标志物分析：通过采集生物样本，如唾液或血液，分析人体的生理变化，如dna损伤、蛋白质降解等，从而估计年龄；缺点是生物样本具有侵入性，可能引起不适，且某些生物样本在面部衰老评估中,可能不适用于所有人；(3)3d扫描和测量：通过3d面部扫描仪来获取面部的三维数据，然后测量面部形状和结构的变化，以计算衰老指数；缺点是3d扫描和测量通常需要专用设备，复杂且昂贵，且进行面部3d扫描和测量需要较长的时间，不适用于大规模评估；(4)人工智能应用：通过智能手机应用和在线工具使用计算机算法来评估用户的面部衰老程度；这些应用通常使用摄像头捕获用户的照片，并通过图像处理技术提供衰老预测；缺点是一些人工智能应用可能需要人工干预或手动标注数据，降低了自动化水平，且训练人工智能模型通常需要大量标注数据，数据不易获取。

3、因此，本发明提出一种基于深度学习的人脸衰老指数评价系统。

技术实现思路

1、本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了一种基于深度学习的人脸衰老指数评价系统，用于解决传统方法受生物样本限制、检测设备复杂昂贵，且不能够在较短的时间内进行大规模分析评估的技术问题。

2、为实现上述目的，本发明的第一方面提供了一种基于深度学习的人脸衰老指数评价系统，包括皱纹检测模块，以及与之相连接的图像采集模块和衰老评估模块；所述图像采集模块包括摄像头；

3、皱纹检测模块：基于历史数据训练人工智能模型，得到皱纹识别模型；其中，人工智能模型包括cnn神经网络模型或者rbf神经网络模型；以及，

4、通过与之相连接的摄像头采集待评估人员的面部图像，标记为待评估图像；若干标准检测区域对待评估图像进行识别提取，得到若干检测区域图像；将若干检测区域图像输入至皱纹识别模型中对待评估人员进行皱纹等级评估；其中，若干标准检测区域包括额头、眉间、眼间、眼尾、眼眶、嘴角和法令纹区；

5、衰老评估模块：从皱纹等级评估结果中提取若干检测区域图像对应的皱纹等级，并分析皱纹等级与待评估人员的年龄之间的相关性系数；基于皱纹等级和对应的相关性系数计算待评估人员的人脸衰老指数。

6、优选的，所述得到皱纹识别模型，包括：

7、从历史数据中获取若干标准面部图像；基于若干标准检测区域分别对标准面部图像进行识别提取，并对识别提取结果进行肤色标记，得到若干检测区域图像；

8、将若干检测区域图像和对应的肤色标记整合为标准输入数据，将若干检测区域图像对应的皱纹等级标记为标准输出数据；

9、通过标准输入数据和标准输出数据对人工智能模型进行训练，得到皱纹识别模型。

10、本发明对各种肤色的若干标准面部图像进行识别，提取若干检测区域图像，并进行肤色标记；将若干检测区域图像和对应的肤色标记输入至人工智能模型进行训练；通过大量训练数据进行训练，提高了模型的泛化能力和鲁棒性，增强模型对不同肤色面部图像的识别能力；且该模型通过对不同肤色不同检测区域进行皱纹等级评估，使模型更加精细化，从而提高对面部皱纹等级识别的准确性。

11、优选的，所述将若干检测区域图像输入至皱纹识别模型中对待评估人员进行皱纹等级评估，包括：

12、将若干检测区域图像输入至皱纹识别模型中进行皱纹等级识别；输出得到若干检测区域的皱纹等级，标记为xi，xi＝0，1，…，m，m为正整数；其中，i表示检测区域，i＝0，1，…，6。

13、优选的，所述分析皱纹等级与待评估人员的年龄之间的相关性系数，包括：

14、将待评估人员的若干检测区域、皱纹等级和年龄输入至相关性模型中进行相关性分析；输出得到待评估人员若干检测区域的皱纹等级与对应年龄之间的相关性系数，标记为yi；其中，相关性模型由人工智能模型训练得到。

15、优选的，所述相关性模型由人工智能模型训练得到，包括：

16、从历史数据中提取若干标准检测区域、皱纹等级和年龄，并整合为标准输入数据，将若干标准检测区域的皱纹等级与年龄之间的相关性系数标记为标准输出数据；

17、通过标准输入数据和标准输出数据对人工智能模型进行训练，得到相关性模型。

18、本发明通过分析若干检测区域的皱纹等级与对应年龄之间的相关性，得到相关性系数，进而评估人脸衰老指数，可以避免主观评估带来的误差，使得评估结果更加客观、准确；且得到不同区域的衰指数，使得不同个体之间的比较更加方便和有意义。

19、优选的，所述基于皱纹等级和对应的相关性系数计算待评估人员的人脸衰老指数，包括：

20、基于相关性系数yi和皱纹等级xi，通过公式s＝σ(xi×yi)/σyi计算得到人脸衰老指数s；其中，yi∈[0,1]，s∈[0,m]；σ表示i的求和；

21、当人脸衰老指数s＝0时，表示人脸无明显衰老迹象；当人脸衰老指数s＝m时，表示人脸衰老严重。

22、与现有技术相比，本发明的有益效果是：

23、1.本发明采用了基于肤色和皱纹等级的分组标注方法；在不同肤色的样本中寻找特定区域的皱纹图像输入至人工智能模型中；且该模型输入的标注数据经过多次迭代，积累了大量高度准确的标注数据对模型进行训练，解决了传统标注方法的高错误率问题，实现模型对面部皱纹等级的精准识别。

24、2.本发明通过摄像头采集待评估人员的标准面部图像，并发送至皱纹检测模块；皱纹检测模块从标准面部图像中提取出若干标准检测区域图像，并对若干标准检测区域进行皱纹等级评估，得到皱纹等级；分析皱纹等级与年龄之间的相关性，得到相关性系数；基于相关性系数和皱纹等级，分析待评估人员的人脸衰老指数；本发明皱纹检测模块将标准面部图像划分为7个标准检测区域，且对每个标准检测区域进行皱纹等级评估，其中，皱纹等级从0级(无皱纹)到m级(最严重皱纹)；通过这种详细的划分有助于全面地了解面部不同区域的衰老状况，且综合各区域的皱纹等级，更精准的评估人脸衰老指数，为抗衰老研究提供更准确的数据支持。

技术特征：

1.一种基于深度学习的人脸衰老指数评价系统，其特征在于，包括皱纹检测模块，以及与之相连接的图像采集模块和衰老评估模块；所述图像采集模块包括摄像头；

2.根据权利要求1所述的一种基于深度学习的人脸衰老指数评价系统，其特征在于，所述得到皱纹识别模型，包括：

3.根据权利要求1所述的一种基于深度学习的人脸衰老指数评价系统，其特征在于，所述将若干检测区域图像输入至皱纹识别模型中对待评估人员进行皱纹等级评估，包括：

4.根据权利要求1所述的一种基于深度学习的人脸衰老指数评价系统，其特征在于，所述分析皱纹等级与待评估人员的年龄之间的相关性系数，包括：

5.根据权利要求4所述的一种基于深度学习的人脸衰老指数评价系统，其特征在于，所述相关性模型由人工智能模型训练得到，包括：

6.根据权利要求4所述的一种基于深度学习的人脸衰老指数评价系统，其特征在于，所述基于皱纹等级和对应的相关性系数计算待评估人员的人脸衰老指数，包括：

技术总结本发明公开了一种基于深度学习的人脸衰老指数评价系统，涉及人脸衰老指数评价技术领域，解决传统方法受生物样本限制、检测设备复杂昂贵，且不能够在较短的时间内进行大规模分析评估的技术问题；本发明通过摄像头采集待评估人员的标准面部图像并进行肤色标记，基于标准面部图像从中提取若干标准检测区域，发送至皱纹检测模块；皱纹检测模块通过皱纹识别模型对若干标准检测区域进行皱纹等级评估，并分析皱纹等级与年龄之间的相关性系数；基于相关性系数和皱纹等级，计算得到人脸衰老指数；本发明通过提取不同肤色人员面部图像，对人工智能模型进行皱纹等级识别训练，使得识别结果更加精准，从而实现对人脸衰老指数的精准评估。技术研发人员：沈发彬,翟彦茗,赵玉坤,沈发龙受保护的技术使用者：以色美科智能医疗科技（上海）有限公司技术研发日：技术公布日：2024/9/2