CN119423685A 一种基于ar的皮肤检测方法、装置及系统 （厦门松霖科技股份有限公司）

荐区域时，获取该推荐区域对应的问题皮肤类图像采集设备开启不同光源对问题皮肤进行更2对所述全脸图像进行皮肤检测，获取问题皮肤类型及所在区域接收局部图像采集设备发送的所述局部图像，基于所述局部图像对问题皮肤进行检识别出人脸图像中局部图像采集设备的前端预识别出人脸图像中某一手部关键点的坐标位置，或者，识别出识别出人脸图像中局部图像采集设备的前端预设部件的坐标位识别出人脸图像中局部图像采集设备的前端预设部件的坐标位计算出前端预设部件的坐标位置和两个及以上手部关键点的坐标位置的中心的坐标38.根据权利要求4～7中任意一项所述的基于AR基于获取的人脸图像，采用人脸关键点检测法根据人脸关键点将推荐区域增强模块，用于对所述全脸图像进行皮肤检测，获取问局部图像采集模块，用于基于获取的问题皮肤类型，局部皮肤检测模块，用于接收局部图像采集设备述电子设备用于实现如权利要求1～12中任意一项所述的方法；所述的局部图像采集设备4[0004](一)使用手机等电子设备的前置摄像头直接采集人脸照片进行多种类型(维度)[0005](二)使用一个专门用于采集皮肤图像的采集设备(如测肤笔)，采集人脸局部图5[0030]计算出前端预设部件的坐标位置和某一手部关键点的坐标位置的中心的坐标位[0035]计算出前端预设部件的坐标位置和两个及以上手部关键点的坐标位置的中心的6[0056](1)本发明基于全脸图像检测出问题皮肤类型，在全脸图像上对推荐区域进行增[0057](2)本发明能够实时获取局部图像采集设备的当前采集区域，并对当前采集区域[0058](3)本发明基于局部图像采集设备的前端预设部件坐标位置、手部关键点坐标位[0059]上述说明仅是本发明技术方案的概述，为了能够更清楚地了解本发明的技术手[0065]图5为本发明实施例一的控制局部图像采集设备在指定光源下采集局部图像的流7[0068]图8为本发明实施例一的局部图像采集设备在白光下提取到的油脂反光图和高亮[0072]图12为本发明实施例一的局部图像采集设备在UV光下提取到的黑头的检测结果8[0093]实时获取局部图像采集设备的当前采集区域，并对当前[0095]1、将局部图像采集设备(如手持测肤笔等)和电子设备(如手机或平板等)通过9[0122]计算出前端预设部件的坐标位置和某一手部关键点的坐标位置的中心的坐标位[0127]计算出前端预设部件的坐标位置和两个及以上手部关键点的坐标位置的中心的[0137]将YCbCr彩色空间分解成三个通道，存储在一个vectorcv::Mat类型的变量[0140]参见图6所示，通过对灰度图像(gs)和Cr通道进行相减操作，得到一个新的图像[0141]对相减后的图像(canvas)进行二值化处理后，再使用中值滤波去除离散的高亮[0148]局部图像采集设备在白光下提取到的油脂反光图和高亮图参见图8所示，其中，[0151]在针对黑头的检测中，首先使用高斯滤波算法用于平滑再配合局部图像采集设备对局部皮肤进行更详细的[0157]2、设计nanodet网络，NanoDet网络结构是一种基于FCOS(FullyConvolutional特征图融合起来，生成更丰富、更具判别力的特征表示。使用了BiFPN(Bidirectional[0167]色斑和痤疮的检测采用深度算法的方案，RetinaNet是一种基于FocalLoss的目[0170]3、使用准备好的测试集对训练好的模型进行测试和评估。对于每张测试图像，RetinaNet会输出其包含的色斑和痤疮区域的坐标和置信度，可以通过调整阈值来筛选出面，RetinaNet使用了一种称为FocalLoss的损失函数来解决目标检测中的类别不平衡问可以在RetinaNet中被用来调整目标检测中正负样本比例不平衡的问题，从而提高模型的[0173]此外，RetinaNet还采用了AnchorBox和特征金字塔等机制来实现目标检测。[0195]问题皮肤类型获取模块1503，用于当捕获到局部图像采于接收电子设备161的指令，控制开启光源板1623或偏振片1624，同时控制图像采集组件