测试皮肤属于什么肤质_，让你了解拥有美丽的皮肤

2016-12-20 15:31 来源：网友分享

一、肤色检测的研究现状

　　目前，许多国家都展开了人脸检测的研究，主要是美国，欧洲国家，日本，新加坡，韩国等，国内开展人脸检测研究的主要单位有清华大学，哈尔滨工业大学，北京工业大学，中科院计算所，中科院自动化所，复旦大学，南京理工大学等，都取得了一定的成果。综合有关文献，目前的方法主要集中在几个方面。

　　例如：模板匹配，基于器官特征的方法，示例学习，神经网络，基于隐马尔可夫模型的方法，基于彩色信息的方法，形状分析，频域中的特征提取，多模态信息融合的方法。

　　肤色建模的相关研究工作，大致可以分为四类方法：

　　非参数化的分布建模、参数化的分布建模、肤色区域的显式定义和基于机器学习的方法。非参数化的肤色建模技术采用了离散直方图或其变种形式来表示模型，需要大量的存储空问，且无法对训练集进行插值或泛化操作，并不适用于视觉交互应用；

　　参数化方法假设了肤色像素在空间中符合某种形态的概率分布并以精简的参数化模型来表示，如单高斯模型、混合高斯模型、椭圆模型等，研究结果显示了不同颜色空问下的模型性能存在着较大的差异；

　　肤色区域显式定义法则以一组规则或多阈值的形式直接定义肤色聚簇在颜色空间中的闭包边界，避免了肤色分布概率的计算，简单、高效，但该类模型大多通过经验观察，由先验知识描述而来，因此要获得较高的识别率，找到最佳的特征空间和足够鲁棒的判定规则是一大难点；

　　此外，现有的肤色建模研究工作主要面向图像检索、图像过滤等互联网应用和访问监控、人脸检测等视频应用。而VBI应用大多发生在室内场景，但目前尚缺乏面向室内视觉人机交互的肤色研究。近年来在人脸检测中讨论较多的CascadeAadabootst方法.在不降低现有人脸检测方法的检测率的情况下，在速率上取得重大突破，使得实时人脸检测成为可能。然而实验发现，在进行以检索为目标的视频人脸检测时，单纯试用CA的不足之处也是很明显的。例如人脸外包矩形不够准确，参数不够稳定，复杂背景下报误率高等。因而综合其它线索来辅助检测是非常有必要的。

二、皮肤特征诊断评价诊断结果

　　1、皮肤不干不油腻；无明显毛孔，细嫩而有弹性；冬天偏干，夏天偏油；较理想的健美的皮肤；皮脂腺和汗腺分泌适中；中性皮肤

　　皮肤肤色白皙，毛孔细小，容易出现细小皱纹，眼部易出现皱纹和皮肤松弛现象，眼角和两夹易出现脱屑现象。对外界刺激较敏感，汗腺分泌能力弱；营养供应不足、饮水不够、身体疲劳等因素有关。干性性皮肤（缺水）

　　2、毛孔不明显，皮脂分泌少，皮肤不油腻，少光泽，常见皮屑脱落。建议多用些滋润型干性性皮肤（缺油）

　　具有油性和干性皮肤的特征；U部位为干性皮肤特征，T部位为油性皮肤特征；摸起来两极分化的感觉；眼部保养品可提早预防眼部细纹或黑眼圈的发生，T字位多做局部清洁，两颊多按摩，面膜以营养保湿产品为主。混合性皮肤

　　3、皮肤毛孔大，油脂分泌旺盛，肌肤易受污染，脸上油腻光亮。皮质厚硬，肤色较深，不易张皱纹，但易长粉刺，脂溢性皮炎，皮肤附着力差，化妆后易掉加强清洁工作及控制油脂分泌，保持脸部清爽不油腻。油性皮肤

　　4、敏感表皮较薄，肉眼可见皮下毛细血管，易发红，过敏对外界刺激较敏感，皮肤的抵抗力差选择抗敏成分的保养产品敏感性皮肤

　　5、面部可见白头、黑头、炎性或脓性丘疹，皮肤留有暗疮印，疤痕等皮肤损伤保持皮肤的清洁，避免暗疮的扩散暗疮油性皮肤

　　6、比油性皮肤更容易出现老化现象，皮肤暗哑无光，水油分泌不足，皮肤变薄、松弛、弹性下降，出现皱纹选择抗氧化的补水产品和多吃胶原蛋白老化干性皮肤色斑整个面部或局部皮肤出现黑色素增多聚集形成的肤色加深防晒为主，选择加强美白的产品淡化黑色素色斑问题皮肤。

三、皮肤测试研究的内容

　　在人脸检测领域中，人脸特征的选取是基础与核心。

　　目前主要的人脸检测方法可以分为基于特征的方法和基于统计的方法两大类。基于特征的方法可以处理较大尺度和视角变化的人脸检测问题，但其最大的困难在于很难找到相对稳定的特征，因为图像的显示特征容易受到光照、噪声等的影响；基于统计的方法可以避免特征提取和分析过程，但存在计算量大，以及非人脸样本收集和样本训练难的问题。本课题研究了HSI空间的肤色统计模型。

　　此模型使用的方法对基于肤色分割结合模板匹配的人脸检测方法进行了改进，提出了基于“光照预处理+肤色模型+模板匹配”的人脸检测解决思路，即在光照预处理的前提下，使用HSI空间的肤色统计模型分隔出可能包含人脸的区域，然后使用平均脸模板匹配和人工神经网络验证的方法在这些区域中搜索人脸。根据肤色模型进行肤色检测和阈值分割，在对分割区域特征分析的基础上，将筛选出的人脸候选区域与人脸模板相匹配；最后将匹配较好的区域在原图像中用矩形框标示出来。