随着时代的进步,人们对自己的容貌愈发重视,皮肤护理成为热点话题。在肤质检测与分析上,传统的方法是专业美容医师凭借他们的护理学知识和长期的诊断经验来做分析。而伴随科技的发展,很多大型的护肤品公司和美容院开始研究人脸肤质测试仪,用机器代替人工来检测人脸的肤质状况。但目前市场上的人脸肤质测试仪主要是基于小型传感器和传统数字图像处理算法的技术产品。深度学习的出现,极大推进了计算机视觉领域二维图像像素级分类的发展。受此启发,本文将深度学习方法与数字图像算法的结合作为研究重点,尝试将色素、红血丝等等皮肤病变特征分割出来,并对这些皮肤问题进行定量分析。论文主要内容如下:(1)基于数字图像算法的人脸图像处理。在卷积神经网络之前,需要对采集到的图片进行标注和一定程度的预处理。在标注过程中,本文主要运用到两种手段,分别是labelme标注工具包和PhotoShop软件。在预处理过程中,使用到了很多数字图像处理技术,如基于HSV颜色空间的色块提取,方向梯度直方图和局部二值法获取图像纹理特征等。(2)基于Deeplabv3+的人脸图像语义分割。图片预处理之后,会与标注图片一起送入到卷积神经网络中进行训练学习。现阶段选取四种语义分割领域具有独特优势的网络结构作为基准结构研究,分别是全卷积网络(Fully Convolutional Networks,FCN)、U-net、DFN和Deeplabv3+。通过性能对比,最终选取Deeplabv3+为核心分割算法。(3)人脸肤质图像的评估与分析。首先选取600组人脸肤质图像组进行数据集制作,然后对比分析两种评估模型,即基于数据统计方式和基于卷积神经网络分类方式,最终选取基于数据统计方式的评估模型作为产品评估模型。本课题涉及到的皮肤任务主要有:皱纹、毛孔、浅层色素、红血丝、粉刺、深层色素、化荧光剂等七类。(4)软硬件结合的整体平台搭建。数据图像由独有的图像采集设备完成采集,并通过蓝牙通信方式传输到定制平板电脑中的安卓应用中,之后会由连接wifi网络的平板电脑将图片信息上传到服务器中接受算法处理,处理后的图片会与分析结果一并返回到安卓应用,通过可视化界面展示给用户。此外,本应用还会针对性的给出护理建议并推荐合适的护肤品,以及提供前后肤质变化对比。本平台实现了对人脸肤质检测从拍照取图到结果展示这一完整的测试流程,通过数字图像处理和深度学习技术相结合的手段,最大限度的展现出用户自身的肤质情况、问题形成原因、解决和预防方案。