本發(fā)明涉及圖像分析技術(shù)領(lǐng)域，尤其涉及基于人臉圖像的健康分析方法及裝置。

背景技術(shù)：

隨著智能手機(jī)的普及，用戶使用智能手機(jī)進(jìn)行自拍已幾乎成為用戶每天必干的事情之一，并且大多數(shù)都是自拍，這為通過人臉圖像識別來分析用戶的健康狀況提供了技術(shù)可能。

通常，用戶自拍過程中或多或少可能都會帶有情緒，進(jìn)而會影響到人臉圖像的特征表現(xiàn)，而現(xiàn)有技術(shù)中，在通過用戶自拍圖像進(jìn)行用戶健康狀況分析時(shí)，并未考慮此類因素對于分析結(jié)果的干擾，從而存在分析偏差而導(dǎo)致分析結(jié)果的準(zhǔn)確率不高，同時(shí)也大大降低了通過人臉識別分析用戶健康這一技術(shù)的實(shí)用性。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的主要目的在于提供一種基于人臉圖像的健康分析方法，旨在解決用戶臉部表情對健康分析過程中的干擾，提升健康分析結(jié)果的準(zhǔn)確性的技術(shù)問題。

為實(shí)現(xiàn)上述目的，本發(fā)明提供一種基于人臉圖像的健康分析方法，所述健康分析方法包括：

獲取待處理的人臉圖像；

識別所述人臉圖像所對應(yīng)的用戶以及該用戶的當(dāng)前表情；

判斷所述用戶的當(dāng)前表情是否為平靜表情；

當(dāng)所述用戶的當(dāng)前表情為平靜表情時(shí)，基于所述人臉圖像與預(yù)置病癥特征庫，對所述用戶進(jìn)行健康分析并輸出所述健康分析結(jié)果。

優(yōu)選地，所述判斷所述用戶的當(dāng)前表情是否為平靜表情之后，所述健康分析方法還包括：

當(dāng)所述用戶的當(dāng)前表情為非平靜表情時(shí)，對所述人臉圖像進(jìn)行平靜表情還原處理，并基于所述還原處理后的所述人臉圖像與所述病癥特征庫，對所述用戶進(jìn)行健康分析并輸出所述健康分析結(jié)果。

優(yōu)選地，所述獲取待處理的人臉圖像之前包括：

獲取待識別圖像，并對所述待識別圖像進(jìn)行白平衡校準(zhǔn)；

根據(jù)預(yù)設(shè)識別規(guī)則，確定白平衡校準(zhǔn)后的所述待識別圖像的視角角度，并判斷所述視角角度是否在預(yù)設(shè)角度閾值內(nèi)；

若是，則將所述待識別圖像設(shè)定為待處理的人臉圖像。

優(yōu)選地，在所述獲取待識別圖像之前，所述健康分析方法還包括：

根據(jù)多張全角度下的用戶頭部圖像，建立用戶人臉3d模型；和/或，

將面部病癥樣本的影像表現(xiàn)進(jìn)行參數(shù)化以進(jìn)行病癥樣本學(xué)習(xí)，并將病癥樣本學(xué)習(xí)所得影像參數(shù)保存至所述病癥特征庫中，以供進(jìn)行病癥特征匹配；

其中，所述用戶人臉3d模型中包括多種人臉細(xì)節(jié)特征參數(shù)，所述人臉細(xì)節(jié)特征參數(shù)至少包括面部輪廓線條長寬、器官顏色、器官紋理、器官長寬以及各器官之間的相對位置；所述病癥樣本學(xué)習(xí)至少包括單器官病癥樣本學(xué)習(xí)、單病癥多器官樣本學(xué)習(xí)、多病癥多器官樣本學(xué)習(xí)中的一種或多種。

優(yōu)選地，所述健康分析方法還包括：

獲取所述用戶的歷史表情識別記錄；

根據(jù)所述歷史表情識別記錄，對所述用戶進(jìn)行心理健康分析并輸出所述心理健康分析結(jié)果。

優(yōu)選地，所述當(dāng)所述用戶的當(dāng)前表情為平靜表情時(shí)，基于所述人臉圖像與預(yù)置病癥特征庫，對所述用戶進(jìn)行健康分析并輸出所述健康分析結(jié)果包括：

當(dāng)所述用戶的當(dāng)前表情為平靜表情時(shí)，基于所述人臉圖像與預(yù)置病癥特征庫，依次采用單器官病癥特征匹配、單病癥多器官特征匹配以及多病癥多器官特征匹配，對所述用戶進(jìn)行健康分析并輸出所述健康分析結(jié)果。

進(jìn)一步地，為實(shí)現(xiàn)上述目的，本發(fā)明還提供一種基于人臉圖像的健康分析裝置，所述健康分析裝置包括：

獲取模塊，用于獲取待處理的人臉圖像；

識別模塊，用于識別所述人臉圖像所對應(yīng)的用戶以及該用戶的當(dāng)前表情；

判斷模塊，用于判斷所述用戶的當(dāng)前表情是否為平靜表情；

分析模塊，用于當(dāng)所述用戶的當(dāng)前表情為平靜表情時(shí)，基于所述人臉圖像與預(yù)置病癥特征庫，對所述用戶進(jìn)行健康分析并輸出所述健康分析結(jié)果。

優(yōu)選地，所述健康分析裝置還包括：表情還原模塊；

所述表情還原模塊用于：當(dāng)所述用戶的當(dāng)前表情為非平靜表情時(shí)，對所述人臉圖像進(jìn)行平靜表情還原處理；

所述分析模塊還用于：基于所述還原處理后的所述人臉圖像與所述病癥特征庫，對所述用戶進(jìn)行健康分析并輸出所述健康分析結(jié)果。

優(yōu)選地，所述健康分析裝置還包括：

校準(zhǔn)模塊，用于獲取待識別圖像，并對所述待識別圖像進(jìn)行白平衡校準(zhǔn)；

確定模塊，用于根據(jù)預(yù)設(shè)識別規(guī)則，確定白平衡校準(zhǔn)后的所述待識別圖像的視角角度，并判斷所述視角角度是否在預(yù)設(shè)角度閾值內(nèi)；

設(shè)定模塊，用于當(dāng)所述視角角度在所述預(yù)設(shè)角度閾值內(nèi)時(shí)，將所述待識別圖像設(shè)定為待處理的人臉圖像。

優(yōu)選地，所述健康分析裝置還包括：

人臉建模模塊，用于根據(jù)多張全角度下的用戶頭部圖像，建立用戶人臉3d模型；

病癥學(xué)習(xí)模塊，用于將面部病癥樣本的影像表現(xiàn)進(jìn)行參數(shù)化以進(jìn)行病癥樣本學(xué)習(xí)，并將病癥樣本學(xué)習(xí)所得影像參數(shù)保存至所述病癥特征庫中，以供進(jìn)行病癥特征匹配；

其中，所述用戶人臉3d模型中包括多種人臉細(xì)節(jié)特征參數(shù)，所述人臉細(xì)節(jié)特征參數(shù)至少包括面部輪廓線條長寬、器官顏色、器官紋理、器官長寬以及各器官之間的相對位置；所述病癥樣本學(xué)習(xí)至少包括單器官病癥樣本學(xué)習(xí)、單病癥多器官樣本學(xué)習(xí)、多病癥多器官樣本學(xué)習(xí)中的一種或多種。

優(yōu)選地，所述獲取模塊還用于：獲取所述用戶的歷史表情識別記錄；

所述分析模塊還用于：根據(jù)所述歷史表情識別記錄，對所述用戶進(jìn)行心理健康分析并輸出所述心理健康分析結(jié)果。

優(yōu)選地，所述分析模塊具體用于：

當(dāng)所述用戶的當(dāng)前表情為平靜表情時(shí)，基于所述人臉圖像與預(yù)置病癥特征庫，依次采用單器官病癥特征匹配、單病癥多器官特征匹配以及多病癥多器官特征匹配，對所述用戶進(jìn)行健康分析并輸出所述健康分析結(jié)果。

本發(fā)明中，在獲取到待處理的人臉圖像時(shí)，先識別出人臉圖像所對應(yīng)的用戶，進(jìn)而可在考慮用戶臉部特點(diǎn)(比如臉部胖瘦)的基礎(chǔ)上進(jìn)行健康分析，從而提升分析結(jié)果的準(zhǔn)確性，同時(shí)還進(jìn)一步識別出用戶的當(dāng)前表情，從而避免非平靜表情對健康分析的干擾，并進(jìn)一步提升健康分析的準(zhǔn)確性。

附圖說明

圖1為本發(fā)明基于人臉圖像的健康分析方法第一實(shí)施例的流程示意圖；

圖2為本發(fā)明基于人臉圖像的健康分析方法第二實(shí)施例的流程示意圖；

圖3為本發(fā)明基于人臉圖像的健康分析方法第三實(shí)施例的流程示意圖；

圖4為本發(fā)明基于人臉圖像的健康分析方法第四實(shí)施例的流程示意圖；

圖5為本發(fā)明基于人臉圖像的健康分析裝置第一實(shí)施例的功能模塊示意圖；

圖6為本發(fā)明基于人臉圖像的健康分析裝置第二實(shí)施例的功能模塊示意圖；

圖7為本發(fā)明基于人臉圖像的健康分析裝置第三實(shí)施例的功能模塊示意圖；

圖8為本發(fā)明基于人臉圖像的健康分析裝置第四實(shí)施例的功能模塊示意圖。

本發(fā)明目的的實(shí)現(xiàn)、功能特點(diǎn)及優(yōu)點(diǎn)將結(jié)合實(shí)施例，參照附圖做進(jìn)一步說明。

具體實(shí)施方式

應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

參照圖1，圖1為本發(fā)明基于人臉圖像的健康分析方法第一實(shí)施例的流程示意圖。本實(shí)施例中，健康分析方法包括：

步驟s110，獲取待處理的人臉圖像；

本實(shí)施例中，對于待處理人臉圖像的獲取方式不限，比如直接獲取拍照設(shè)備(比如手機(jī))拍攝的自拍圖片，或者直接接收拍照設(shè)備所上傳的自拍圖片等。當(dāng)然也可以是直接從拍照設(shè)備所對應(yīng)的存儲設(shè)備中獲取，本實(shí)施例具體根據(jù)實(shí)際需要進(jìn)行設(shè)置。

步驟s120，識別人臉圖像所對應(yīng)的用戶以及該用戶的當(dāng)前表情；

本實(shí)施例中，由于同一健康分析裝置存在多人使用的場景，同時(shí)也基于每一個(gè)人不同的臉型特征，因此，本實(shí)施例中識別出人臉圖像所對應(yīng)的用戶(比如用戶名或用戶id等)，從而便于建立不同用戶的健康檔案，同時(shí)在健康分析過程中，也便于基于用戶個(gè)人的獨(dú)特臉型特征(比如偏胖、偏瘦)進(jìn)行健康分析，進(jìn)而可進(jìn)一步提升分析結(jié)果的準(zhǔn)確性。

此外，本實(shí)施例中進(jìn)一步分析人臉圖像所對應(yīng)的表情，比如憤怒、微笑、平靜等，進(jìn)而避免非平靜表情(比如憤怒、微笑)對基于人臉圖像的健康分析的干擾。本實(shí)施例對于識別用戶表情的方式不限，比如表情識別可以采用基于人臉3d模型的方式進(jìn)行識別，從而識別出如憤怒表情、微笑表情、平靜表情等。

步驟s130，判斷用戶的當(dāng)前表情是否為平靜表情；

步驟s140，當(dāng)用戶的當(dāng)前表情為平靜表情時(shí)，基于人臉圖像與預(yù)置病癥特征庫，對用戶進(jìn)行健康分析并輸出健康分析結(jié)果。

本實(shí)施例中，考慮到非平靜表情會對人臉的圖像特征造成干擾，因此，本實(shí)施例僅對平靜表情下的人臉圖像進(jìn)行健康分析，具體基于人臉圖像的圖像特征與預(yù)置病癥特征庫中病癥的圖像特征進(jìn)行匹配來進(jìn)行健康分析，從而得到用戶的健康分析結(jié)果。例如，用戶的人臉圖像包含圖像特征1、2，而病癥a所表現(xiàn)出的圖像特征中也包含圖像特征1、2，則可以確定用戶當(dāng)前具有病癥a的特征，從而可得出用戶a患有病癥a。

進(jìn)一步可選的，在本發(fā)明另一實(shí)施例中，為提升健康分析結(jié)果的準(zhǔn)確與全面性，也可進(jìn)一步增加多個(gè)圖像特征的比對，同時(shí)還可以綜合單個(gè)器官的圖像特征比對、多個(gè)器官的圖像特征比對，以提升本發(fā)明的適用范圍。具體基于人臉圖像與預(yù)置病癥特征庫，依次采用單器官病癥特征匹配、單病癥多器官特征匹配以及多病癥多器官特征匹配，對用戶進(jìn)行健康分析，其中，用戶健康分析具體通過病癥匹配進(jìn)行分析，具體包括三層匹配分析：

第一層：單器官病癥的特征匹配分析。這是最低層次的病癥匹配，首先從用戶人臉圖像中定位出用戶的面部器官，例如眼部，然后抽取眼部的特征參數(shù)，最后再進(jìn)行常見眼科疾病的特征參數(shù)匹配。如此，逐一定位出用戶面部的所有器官并進(jìn)行特征參數(shù)比對；

第二層：單病癥多器官的特征匹配分析。這一階段需要將多個(gè)器官聯(lián)合起來進(jìn)行分析，具體將用戶面部多個(gè)器官的特征參數(shù)以及器官間的參數(shù)(比如各器官間的相對位置)，與預(yù)置病癥特征庫中的單病癥多器官特征進(jìn)行特征參數(shù)比對；

第三層：多病癥多器官的特征匹配分析。繼續(xù)將用戶面部多個(gè)器官的特征參數(shù)與預(yù)置病癥特征庫中的多病癥多器官特征進(jìn)行特征參數(shù)比對，從而可得出一些交叉病、綜合癥狀的比對結(jié)果。通過上述三層匹配分析，不僅能夠發(fā)現(xiàn)用戶局部的病變，而且能夠發(fā)現(xiàn)用戶全局的病變或一些復(fù)雜病癥。

本實(shí)施例對于非平靜表情的處理方式不限，具體根據(jù)實(shí)際需要進(jìn)行設(shè)置。本實(shí)施例中，在獲取到待處理的人臉圖像時(shí)，先識別出人臉圖像所對應(yīng)的用戶，進(jìn)而可在考慮用戶臉部特點(diǎn)(比如臉部胖瘦)的基礎(chǔ)上進(jìn)行健康分析，從而提升分析結(jié)果的準(zhǔn)確性，同時(shí)還進(jìn)一步識別出用戶的當(dāng)前表情，從而避免非平靜表情對健康分析的干擾，并進(jìn)一步提升健康分析的準(zhǔn)確性。

參照圖2，圖2為本發(fā)明基于人臉圖像的健康分析方法第二實(shí)施例的流程示意圖。基于上述方法第一實(shí)施例，本實(shí)施例中，上述步驟s130之后包括：

步驟s150，當(dāng)用戶的當(dāng)前表情為非平靜表情時(shí)，對人臉圖像進(jìn)行平靜表情還原處理，并基于還原處理后的人臉圖像與病癥特征庫，對用戶進(jìn)行健康分析并輸出健康分析結(jié)果。

為避免重新獲取平靜表情下的人臉圖像的繁瑣過程，因此，本實(shí)施例直接對非平靜表情進(jìn)行表情還原處理，從而將非平靜表情還原為平靜表情。

本實(shí)施例中，表情還原處理可采用如下步驟：1)根據(jù)當(dāng)前表情的識別結(jié)果，得到表情識別結(jié)果所對應(yīng)的人臉3d模型參數(shù)；2)獲取平靜表情所對應(yīng)的人臉3d模型參數(shù)；3)基于人臉3d模型，進(jìn)行參數(shù)變換及細(xì)節(jié)調(diào)整，得到還原處理后的平靜表情。

本實(shí)施例中，通過表情還原處理，不僅避免了重新獲取平靜表情的繁瑣，同時(shí)，采用平靜表情進(jìn)行健康分析可進(jìn)一步提升結(jié)果的準(zhǔn)確率。

參照圖3，圖3為本發(fā)明基于人臉圖像的健康分析方法第三實(shí)施例的流程示意圖。本實(shí)施例中，上述步驟s110之前包括：

步驟s10，獲取待識別圖像，并對待識別圖像進(jìn)行白平衡校準(zhǔn)；

步驟s20，根據(jù)預(yù)設(shè)識別規(guī)則，確定白平衡校準(zhǔn)后的待識別圖像的視角角度，并判斷視角角度是否在預(yù)設(shè)角度閾值內(nèi)；

步驟s30，若是，則將待識別圖像設(shè)定為待處理的人臉圖像。

本實(shí)施例中，優(yōu)選采用動(dòng)態(tài)閾值算法進(jìn)行白平衡校準(zhǔn)，具體包括兩個(gè)處理步驟：白點(diǎn)檢測與白點(diǎn)調(diào)整。白平衡校準(zhǔn)主要是去除不同光照對后續(xù)識別檢測的準(zhǔn)確性干擾，特別是顏色值的干擾。

(1)白點(diǎn)檢測

1.1為了增強(qiáng)算法的魯棒性，優(yōu)選將人臉圖像分成12部分，且寬高比優(yōu)選為4∶3；

1.2計(jì)算每個(gè)區(qū)域的cb、cr分量的平均值mb、mr；

1.3按下式計(jì)算每個(gè)區(qū)域的cb、cr分量的絕對差的累積值db、dr：

上式中n為每個(gè)區(qū)域的像素?cái)?shù)。

1.4如果db、dr的值偏小，則我們忽略這一塊區(qū)域，因?yàn)檫@表明這一塊區(qū)域的顏色分布比較均勻；

1.5統(tǒng)計(jì)對于除了符合第四條的其他區(qū)域的mb、mr、db、dr的平均值作為整幅圖像的mb、mr、db、dr值；

1.6按下述規(guī)則初步確定哪些點(diǎn)是屬于白色參考點(diǎn)：

|cb(i，j)-(mb+db×sign(mb|＜1.5×db

|cr(i，j)-(1.5×mr+dr×sign(mr))|＜1.5×dr

1.7對于初步判斷已經(jīng)屬于白色參考點(diǎn)的像素，按大小取其亮度值為前10％的為最終確定的白色參考點(diǎn)。

(2)白點(diǎn)調(diào)整

2.1計(jì)算白色參考點(diǎn)亮度值的平均值raver、gaver、baver(各通道分開計(jì)算)；

2.2按照以下各式計(jì)算每個(gè)通道的增益：

rgain＝y(tǒng)max/ravewggain＝y(tǒng)max/gavewbgain＝y(tǒng)max/bavew

上式中，ymax就是ycbcr顏色空間中y分量的在整幅圖像中的最大值。

2.3按照以下各式計(jì)算最終每個(gè)通道的顏色值：

r'＝r×rgaing′＝g×ggainb′＝b×bgain

上式中，r、g、b為在原始的顏色空間中的值。

此外，鑒于用戶通過拍照設(shè)備拍攝人臉圖像時(shí)的角度可能會影響人臉圖像的視角角度，進(jìn)而對健康分析結(jié)果產(chǎn)生干擾，因此，本實(shí)施例中，需要識別并確定白平衡校準(zhǔn)后的待識別圖像的視角角度，具體識別規(guī)則不限。

例如，從待識別圖像全局的輪廓、大色塊進(jìn)行識別，進(jìn)而判斷出待識別圖像的視角角度。比如根據(jù)待識別圖像色彩中黃色(面部顏色)與黑色(頭發(fā)顏色)的占比，即可以初步區(qū)分出人的正臉、側(cè)臉以及頭部背面，并可進(jìn)一步根據(jù)輪廓線條特征來確定視角角度，并判斷視角角度是否在預(yù)設(shè)角度閾值內(nèi)，比如將水平正臉?biāo)鶎?yīng)的視角角度設(shè)為零度，則可將水平(-30°，30°)，垂直(-30°，30°)設(shè)置為角度閾值，若在該閾值內(nèi)，則確定當(dāng)前待識別圖像適合進(jìn)行健康分析，也即對應(yīng)為正臉或側(cè)臉，因而可進(jìn)一步將當(dāng)前的待識別圖像設(shè)定為待處理的人臉圖像，以方便進(jìn)行后續(xù)健康分析處理。

進(jìn)一步可選的，在本發(fā)明基于人臉圖像的健康分析方法一實(shí)施例中，由于基于人臉圖像的健康分析需要預(yù)先保存用戶的相貌特征信息，同時(shí)預(yù)先保存多種常見的面部病癥的圖像特征信息，因此，如果是待檢查的用戶發(fā)生變化，或者如果用戶的病癥沒有記載于預(yù)置病癥特征庫中，則無法進(jìn)行健康分析或者分析結(jié)果不準(zhǔn)確。

因此，本實(shí)施例中，可臨時(shí)增加新用戶的相貌特征和/或新的病癥特征，從而擴(kuò)大健康分析的適用范圍及使用場景。

(1)個(gè)人參數(shù)建模，具體根據(jù)多張全角度下的用戶頭部圖像，建立用戶人臉3d模型；

個(gè)人參數(shù)建模是根據(jù)該用戶個(gè)人的圖像數(shù)據(jù)進(jìn)行3d建模，因?yàn)槊總€(gè)人的臉部特征不一樣，所以需要進(jìn)行區(qū)分對待才能夠提升健康分析的準(zhǔn)確性，具體步驟如下：

步驟1：全角度拍照。全角度拍照可以采用手機(jī)拍攝多個(gè)角度的圖片，其目標(biāo)是要覆蓋人臉正前方視角、左側(cè)面視角、右側(cè)面視角、頂部視角、后視角，并具體根據(jù)相機(jī)的視角寬度而拍攝的數(shù)量會有不同。為了讓數(shù)據(jù)更加準(zhǔn)確，可以重復(fù)進(jìn)行多次拍攝并錄入。比如，1)正前方平靜表情下錄入3次；2)左側(cè)臉平靜表情錄入3次；3)右側(cè)臉平靜表情下錄入3次；4)背面錄入1次；5)頂部錄入1次，且所有拍照錄入需要按照順序進(jìn)行。

步驟2：圖片擬合。該步驟需要將步驟1的各個(gè)分散的照片進(jìn)行系統(tǒng)編排、擬合。其具體步驟為：1)標(biāo)定和排序，首先需要確保用戶的錄入順序是正確的，然后對每一照片進(jìn)行標(biāo)定其序號和視角，例如正面_1，正面_2，右側(cè)_1等；2)多角度多輪擬合。因?yàn)槊總€(gè)角度都錄入了3張圖片，背面和頂部沒那么重要的則保證了至少一張；因此可以選取正面_1、左側(cè)_1、右側(cè)_1、頂部、背面進(jìn)行一輪擬合，擬合需要去除視角重合層，同時(shí)需要填充視角縫隙。如果重合和縫隙的比例過大，則說明該輪擬合效果不佳，則重新選取正面_2、左側(cè)_1、右側(cè)_1、頂部、背面進(jìn)行下一輪擬合，如此依次進(jìn)行而可以組合出27輪擬合。然后對每一次的擬合效果進(jìn)行評價(jià)，評價(jià)標(biāo)準(zhǔn)為重疊面積和縫隙面積越小越好，進(jìn)而可從27輪擬合中選取最優(yōu)擬合。

步驟3：用戶人臉3d模型建立。具體以現(xiàn)有人臉3d模型為基礎(chǔ)，并增加人臉細(xì)節(jié)參數(shù)?，F(xiàn)有人臉3d建模是根據(jù)三角形面加貼圖來實(shí)現(xiàn)的。本實(shí)施例支持三角形面來構(gòu)建3d模型，同時(shí)替換掉貼圖環(huán)節(jié)，而是采用人臉細(xì)節(jié)特征參數(shù)構(gòu)建，人臉細(xì)節(jié)特征參數(shù)具體包括面部輪廓參數(shù)、單器官參數(shù)、多器官間參數(shù)。面部輪廓參數(shù)包含面部輪廓線條長寬；單器官參數(shù)包括器官顏色參數(shù)、器官紋理參數(shù)、器官長寬；多器官間參數(shù)包含各器官的相對位置，比如眼睛分別與鼻子、嘴巴、眉毛等的相對位置。

(2)病癥樣本學(xué)習(xí)，具體將面部病癥樣本的影像表現(xiàn)進(jìn)行參數(shù)化以進(jìn)行病癥樣本學(xué)習(xí)，并將病癥樣本學(xué)習(xí)所得影像參數(shù)保存至病癥特征庫中，以供進(jìn)行病癥特征匹配；本實(shí)施例中，病癥樣本學(xué)習(xí)至少包括單器官病癥樣本學(xué)習(xí)、單病癥多器官樣本學(xué)習(xí)、多病癥多器官樣本學(xué)習(xí)中的一種或多種。

本實(shí)施例的病癥樣本學(xué)習(xí)不僅豐富了更多的參數(shù)，單個(gè)器官病癥識別更加準(zhǔn)確，而且還提出了單病癥多器官和多病癥多器官的學(xué)習(xí)，讓病癥樣本學(xué)習(xí)更加系統(tǒng)性，提高病癥識別的準(zhǔn)確度，也更加支持更復(fù)雜的病癥識別。具體步驟如下：

步驟1：單器官病癥樣本學(xué)習(xí)。單器官常見病例樣本學(xué)習(xí)是病癥庫的基礎(chǔ)級別的樣本學(xué)習(xí)。例如常見的眼科疾?。蝴溋Ｄ[、瞼緣炎、結(jié)膜炎、青光眼，并對上述病癥的圖片特征進(jìn)行學(xué)習(xí)，樣本的特征學(xué)習(xí)包括對病癥的位置、面積、紋理、輪廓、顏色值、尺寸的學(xué)習(xí)。例如麥粒腫表現(xiàn)為眼瞼局部性紅腫，有小硬結(jié)，毛囊根部出現(xiàn)膿頭，圖片特征的結(jié)果就是將病癥圖片的影像表現(xiàn)參數(shù)化，即將其病癥的位置、面積、紋理、輪廓、顏色值、尺寸進(jìn)行參數(shù)化，同時(shí)以此類推，將面部其他單器官疾病的影像表現(xiàn)特征逐一學(xué)習(xí)，可以反復(fù)學(xué)習(xí)不斷的提高其特征準(zhǔn)確性。

步驟2：單病癥多器官樣本學(xué)習(xí)。該類樣本學(xué)習(xí)是比單器官學(xué)習(xí)更為高層次的樣本學(xué)習(xí)。由于有些疾病影響到的是多個(gè)器官的表現(xiàn)，所以需要將多個(gè)器官的表現(xiàn)特征聯(lián)合起來看待。例如一個(gè)典型的病癥：生活不規(guī)律、身體透支導(dǎo)致的亞健康狀態(tài)。該類病癥的面部表現(xiàn)可能是多器官的，例如面部膚色黯淡無光、眼部周圍黑眼圈，眼睛充血絲、甚至發(fā)際線的變更等。這種判定需要對多個(gè)器官的特征表現(xiàn)聯(lián)合起來學(xué)習(xí)。單病癥多器官樣本學(xué)習(xí)所得影像參數(shù)采用單獨(dú)的數(shù)據(jù)表進(jìn)行存儲，以加快后期識別效率。

步驟3：多病癥多器官樣本學(xué)習(xí)。這類樣本學(xué)習(xí)為高級的學(xué)習(xí)層次?？紤]到用戶可能同時(shí)患有多種疾病，而這些疾病的共同反應(yīng)會影響到多個(gè)器官的不同影像表現(xiàn)，因此在步驟1、步驟2的基礎(chǔ)上做出多病癥多器官樣本學(xué)習(xí)。多病癥多器官樣本學(xué)習(xí)所得影像參數(shù)亦采用單獨(dú)的數(shù)據(jù)表進(jìn)行存儲，以加快后期識別的效率。

本實(shí)施例中，提出全角度拍照然后擬合的方法構(gòu)建用戶3d人臉模型，由于增加了人臉細(xì)節(jié)參數(shù)，因此該模型不僅能夠方便后續(xù)的識別過程，而且能夠處理復(fù)雜表情的轉(zhuǎn)換，比如將非平靜表情轉(zhuǎn)換為平靜表情。此外，病癥樣本學(xué)習(xí)是分三個(gè)層次進(jìn)行的，通過此類方式不僅可以識別一些局部病癥，同時(shí)也更能夠處理一些涉及到多個(gè)器官病變的情形，提升健康分析方案的適用性。

進(jìn)一步地，參照圖4，圖4為本發(fā)明基于人臉圖像的健康分析方法第四實(shí)施例的流程示意圖。本發(fā)明健康分析方法還包括：

步驟s210，獲取用戶的歷史表情識別記錄；

步驟s220，根據(jù)歷史表情識別記錄，對用戶進(jìn)行心理健康分析并輸出心理健康分析結(jié)果。

本實(shí)施例中，在對待處理的人臉圖像進(jìn)行表情識別時(shí)，保存每一次的表情識別結(jié)果，以供長期跟蹤用戶的情緒狀態(tài)變化，從而可通過對用戶表情的識別而分析其心理健康狀況，并輸出心理健康分析結(jié)果，若存在心理健康問題則還可以進(jìn)一步給出具體治療意見。

參照圖5，圖5為本發(fā)明基于人臉圖像的健康分析裝置第一實(shí)施例的功能模塊示意圖。本實(shí)施例中，健康分析裝置包括：

獲取模塊110，用于獲取待處理的人臉圖像；

本實(shí)施例中，對于待處理人臉圖像的獲取方式不限，比如直接獲取拍照設(shè)備(比如手機(jī))拍攝的自拍圖片，或者直接接收拍照設(shè)備所上傳的自拍圖片等。當(dāng)然也可以是直接從拍照設(shè)備所對應(yīng)的存儲設(shè)備中獲取，本實(shí)施例具體根據(jù)實(shí)際需要進(jìn)行設(shè)置。

識別模塊120，用于識別人臉圖像所對應(yīng)的用戶以及該用戶的當(dāng)前表情；

本實(shí)施例中，由于同一健康分析裝置存在多人使用的場景，同時(shí)也基于每一個(gè)人不同的臉型特征，因此，本實(shí)施例中識別出人臉圖像所對應(yīng)的用戶(比如用戶名或用戶id等)，從而便于建立不同用戶的健康檔案，同時(shí)在健康分析過程中，也便于基于用戶個(gè)人的獨(dú)特臉型特征(比如偏胖、偏瘦)進(jìn)行健康分析，進(jìn)而可進(jìn)一步提升分析結(jié)果的準(zhǔn)確性。

此外，本實(shí)施例中進(jìn)一步分析人臉圖像所對應(yīng)的表情，比如憤怒、微笑、平靜等，進(jìn)而避免非平靜表情(比如憤怒、微笑)對基于人臉圖像的健康分析的干擾。本實(shí)施例對于識別用戶表情的方式不限，比如表情識別可以采用基于人臉3d模型的方式進(jìn)行識別，從而識別出如憤怒表情、微笑表情、平靜表情等。

判斷模塊130，用于判斷用戶的當(dāng)前表情是否為平靜表情；

分析模塊140，用于當(dāng)用戶的當(dāng)前表情為平靜表情時(shí)，基于人臉圖像與預(yù)置病癥特征庫，對用戶進(jìn)行健康分析并輸出健康分析結(jié)果。

本實(shí)施例中，考慮到非平靜表情會對人臉的圖像特征造成干擾，因此，本實(shí)施例僅對平靜表情下的人臉圖像進(jìn)行健康分析，具體基于人臉圖像的圖像特征與預(yù)置病癥特征庫中病癥的圖像特征進(jìn)行匹配來進(jìn)行健康分析，從而得到用戶的健康分析結(jié)果。例如，用戶的人臉圖像包含圖像特征1、2，而病癥a所表現(xiàn)出的圖像特征中也包含圖像特征1、2，則可以確定用戶當(dāng)前具有病癥a的特征，從而可得出用戶a患有病癥a。

此外，進(jìn)一步可選的，在本發(fā)明另一實(shí)施例中，為提升健康分析結(jié)果的準(zhǔn)確與全面性，也可進(jìn)一步增加多個(gè)圖像特征的比對，同時(shí)還可以綜合單個(gè)器官的圖像特征比對、多個(gè)器官的圖像特征比對，以提升本發(fā)明的適用范圍。具體基于人臉圖像與預(yù)置病癥特征庫，依次采用單器官病癥特征匹配、單病癥多器官特征匹配以及多病癥多器官特征匹配，對用戶進(jìn)行健康分析，其中，用戶健康分析具體通過病癥匹配進(jìn)行分析，具體包括三層匹配分析：

第一層：單器官病癥的特征匹配分析。這是最低層次的病癥匹配，首先從用戶人臉圖像中定位出用戶的面部器官，例如眼部，然后抽取眼部的特征參數(shù)，最后再進(jìn)行常見眼科疾病的特征參數(shù)匹配。如此，逐一定位出用戶面部的所有器官并進(jìn)行特征參數(shù)比對；

第二層：單病癥多器官的特征匹配分析。這一階段需要將多個(gè)器官聯(lián)合起來進(jìn)行分析，具體將用戶面部多個(gè)器官的特征參數(shù)以及器官間的參數(shù)(比如各器官間的相對位置)，與預(yù)置病癥特征庫中的單病癥多器官特征進(jìn)行特征參數(shù)比對；

第三層：多病癥多器官的特征匹配分析。繼續(xù)將用戶面部多個(gè)器官的特征參數(shù)與預(yù)置病癥特征庫中的多病癥多器官特征進(jìn)行特征參數(shù)比對，從而可得出一些交叉病、綜合癥狀的比對結(jié)果。通過上述三層匹配分析，不僅能夠發(fā)現(xiàn)用戶局部的病變，而且能夠發(fā)現(xiàn)用戶全局的病變或一些復(fù)雜病癥。

本實(shí)施例對于非平靜表情的處理方式不限，具體根據(jù)實(shí)際需要進(jìn)行設(shè)置。本實(shí)施例中，在獲取到待處理的人臉圖像時(shí)，先識別出人臉圖像所對應(yīng)的用戶，進(jìn)而可在考慮用戶臉部特點(diǎn)(比如臉部胖瘦)的基礎(chǔ)上進(jìn)行健康分析，從而提升分析結(jié)果的準(zhǔn)確性，同時(shí)還進(jìn)一步識別出用戶的當(dāng)前表情，從而避免非平靜表情對健康分析的干擾，并進(jìn)一步提升健康分析的準(zhǔn)確性。

參照圖6，圖6為本發(fā)明基于人臉圖像的健康分析裝置第二實(shí)施例的功能模塊示意圖。本實(shí)施例中，健康分析裝置還包括：表情還原模塊150；

表情還原模塊150用于：當(dāng)用戶的當(dāng)前表情為非平靜表情時(shí)，對人臉圖像進(jìn)行平靜表情還原處理；

分析模塊140還用于：基于還原處理后的人臉圖像與病癥特征庫，對用戶進(jìn)行健康分析并輸出健康分析結(jié)果。

為避免重新獲取平靜表情下的人臉圖像的繁瑣過程，因此，本實(shí)施例直接對非平靜表情進(jìn)行表情還原處理，從而將非平靜表情還原為平靜表情。

本實(shí)施例中，表情還原處理可采用如下步驟：1)根據(jù)當(dāng)前表情的識別結(jié)果，得到表情識別結(jié)果所對應(yīng)的人臉3d模型參數(shù)；2)獲取平靜表情所對應(yīng)的人臉3d模型參數(shù)；3)基于人臉3d模型，進(jìn)行參數(shù)變換及細(xì)節(jié)調(diào)整，得到還原處理后的平靜表情。

本實(shí)施例中，通過表情還原處理，不僅避免了重新獲取平靜表情的繁瑣，同時(shí)，采用平靜表情進(jìn)行健康分析可進(jìn)一步提升結(jié)果的準(zhǔn)確率。

參照圖7，圖7為本發(fā)明基于人臉圖像的健康分析裝置第三實(shí)施例的功能模塊示意圖。本實(shí)施例中，健康分析裝置還包括：

校準(zhǔn)模塊160，用于獲取待識別圖像，并對待識別圖像進(jìn)行白平衡校準(zhǔn)；

確定模塊170，用于根據(jù)預(yù)設(shè)識別規(guī)則，確定白平衡校準(zhǔn)后的待識別圖像的視角角度，并判斷視角角度是否在預(yù)設(shè)角度閾值內(nèi)；

設(shè)定模塊180，用于當(dāng)視角角度在預(yù)設(shè)角度閾值內(nèi)時(shí)，將待識別圖像設(shè)定為待處理的人臉圖像。

本實(shí)施例中，校準(zhǔn)模塊160優(yōu)選采用動(dòng)態(tài)閾值算法進(jìn)行白平衡校準(zhǔn)，具體包括兩個(gè)處理步驟：白點(diǎn)檢測與白點(diǎn)調(diào)整。白平衡校準(zhǔn)主要是去除不同光照對后續(xù)識別檢測的準(zhǔn)確性干擾，特別是顏色值的干擾。

此外，鑒于用戶通過拍照設(shè)備拍攝人臉圖像時(shí)的角度可能會影響人臉圖像的視角角度，進(jìn)而對健康分析結(jié)果產(chǎn)生干擾，因此，本實(shí)施例中，需要識別并確定白平衡校準(zhǔn)后的待識別圖像的視角角度，具體識別規(guī)則不限。

例如，從待識別圖像全局的輪廓、大色塊進(jìn)行識別，進(jìn)而判斷出待識別圖像的視角角度。比如根據(jù)待識別圖像色彩中黃色(面部顏色)與黑色(頭發(fā)顏色)的占比，即可以初步區(qū)分出人的正臉、側(cè)臉以及頭部背面，并可進(jìn)一步根據(jù)輪廓線條特征來確定視角角度，并判斷視角角度是否在預(yù)設(shè)角度閾值內(nèi)，比如將水平正臉?biāo)鶎?yīng)的視角角度設(shè)為零度，則可將水平(-30°，30°)，垂直(-30°，30°)設(shè)置為角度閾值，若在該閾值內(nèi)，則確定模塊170確定當(dāng)前待識別圖像適合進(jìn)行健康分析，也即對應(yīng)為正臉或側(cè)臉，因而設(shè)定模塊180可進(jìn)一步將當(dāng)前的待識別圖像設(shè)定為待處理的人臉圖像，以方便進(jìn)行后續(xù)健康分析處理。

參照圖8，圖8為本發(fā)明基于人臉圖像的健康分析裝置第四實(shí)施例的功能模塊示意圖。健康分析裝置還包括：

人臉建模模塊210，用于根據(jù)多張全角度下的用戶頭部圖像，建立用戶人臉3d模型；

個(gè)人參數(shù)建模是根據(jù)該用戶個(gè)人的圖像數(shù)據(jù)進(jìn)行3d建模，因?yàn)槊總€(gè)人的臉部特征不一樣，所以需要進(jìn)行區(qū)分對待才能夠提升健康分析的準(zhǔn)確性，具體步驟如下：

步驟1：全角度拍照。全角度拍照可以采用手機(jī)拍攝多個(gè)角度的圖片，其目標(biāo)是要覆蓋人臉正前方視角、左側(cè)面視角、右側(cè)面視角、頂部視角、后視角，并具體根據(jù)相機(jī)的視角寬度而拍攝的數(shù)量會有不同。為了讓數(shù)據(jù)更加準(zhǔn)確，可以重復(fù)進(jìn)行多次拍攝并錄入。比如，1)正前方平靜表情下錄入3次；2)左側(cè)臉平靜表情錄入3次；3)右側(cè)臉平靜表情下錄入3次；4)背面錄入1次；5)頂部錄入1次，且所有拍照錄入需要按照順序進(jìn)行。

步驟2：圖片擬合。該步驟需要將步驟1的各個(gè)分散的照片進(jìn)行系統(tǒng)編排、擬合。其具體步驟為：1)標(biāo)定和排序，首先需要確保用戶的錄入順序是正確的，然后對每一照片進(jìn)行標(biāo)定其序號和視角，例如正面_1，正面_2，右側(cè)_1等；2)多角度多輪擬合。因?yàn)槊總€(gè)角度都錄入了3張圖片，背面和頂部沒那么重要的則保證了至少一張；因此可以選取正面_1、左側(cè)_1、右側(cè)_1、頂部、背面進(jìn)行一輪擬合，擬合需要去除視角重合層，同時(shí)需要填充視角縫隙。如果重合和縫隙的比例過大，則說明該輪擬合效果不佳，則重新選取正面_2、左側(cè)_1、右側(cè)_1、頂部、背面進(jìn)行下一輪擬合，如此依次進(jìn)行而可以組合出27輪擬合。然后對每一次的擬合效果進(jìn)行評價(jià)，評價(jià)標(biāo)準(zhǔn)為重疊面積和縫隙面積越小越好，進(jìn)而可從27輪擬合中選取最優(yōu)擬合。

步驟3：用戶人臉3d模型建立。具體以現(xiàn)有人臉3d模型為基礎(chǔ)，并增加人臉細(xì)節(jié)參數(shù)?，F(xiàn)有人臉3d建模是根據(jù)三角形面加貼圖來實(shí)現(xiàn)的。本實(shí)施例支持三角形面來構(gòu)建3d模型，同時(shí)替換掉貼圖環(huán)節(jié)，而是采用人臉細(xì)節(jié)特征參數(shù)構(gòu)建，人臉細(xì)節(jié)特征參數(shù)具體包括面部輪廓參數(shù)、單器官參數(shù)、多器官間參數(shù)。面部輪廓參數(shù)包含面部輪廓線條長寬；單器官參數(shù)包括器官顏色參數(shù)、器官紋理參數(shù)、器官長寬；多器官間參數(shù)包含各器官的相對位置，比如眼睛分別與鼻子、嘴巴、眉毛等的相對位置。

病癥學(xué)習(xí)模塊220，用于將面部病癥樣本的影像表現(xiàn)進(jìn)行參數(shù)化以進(jìn)行病癥樣本學(xué)習(xí)，并將病癥樣本學(xué)習(xí)所得影像參數(shù)保存至病癥特征庫中，以供進(jìn)行病癥特征匹配；

具體將面部病癥樣本的影像表現(xiàn)進(jìn)行參數(shù)化以進(jìn)行病癥樣本學(xué)習(xí)，并將病癥樣本學(xué)習(xí)所得影像參數(shù)保存至病癥特征庫中，以供進(jìn)行病癥特征匹配；本實(shí)施例中，病癥樣本學(xué)習(xí)至少包括單器官病癥樣本學(xué)習(xí)、單病癥多器官樣本學(xué)習(xí)、多病癥多器官樣本學(xué)習(xí)中的一種或多種。

本實(shí)施例的病癥樣本學(xué)習(xí)不僅豐富了更多的參數(shù)，單個(gè)器官病癥識別更加準(zhǔn)確，而且還提出了單病癥多器官和多病癥多器官的學(xué)習(xí)，讓病癥樣本學(xué)習(xí)更加系統(tǒng)性，提高病癥識別的準(zhǔn)確度，也更加支持更復(fù)雜的病癥識別。具體步驟如下：

步驟1：單器官病癥樣本學(xué)習(xí)。單器官常見病例樣本學(xué)習(xí)是病癥庫的基礎(chǔ)級別的樣本學(xué)習(xí)。例如常見的眼科疾?。蝴溋Ｄ[、瞼緣炎、結(jié)膜炎、青光眼，并對上述病癥的圖片特征進(jìn)行學(xué)習(xí)，樣本的特征學(xué)習(xí)包括對病癥的位置、面積、紋理、輪廓、顏色值、尺寸的學(xué)習(xí)。例如麥粒腫表現(xiàn)為眼瞼局部性紅腫，有小硬結(jié)，毛囊根部出現(xiàn)膿頭，圖片特征的結(jié)果就是將病癥圖片的影像表現(xiàn)參數(shù)化，即將其病癥的位置、面積、紋理、輪廓、顏色值、尺寸進(jìn)行參數(shù)化，同時(shí)以此類推，將面部其他單器官疾病的影像表現(xiàn)特征逐一學(xué)習(xí)，可以反復(fù)學(xué)習(xí)不斷的提高其特征準(zhǔn)確性。

步驟2：單病癥多器官樣本學(xué)習(xí)。該類樣本學(xué)習(xí)是比單器官學(xué)習(xí)更為高層次的樣本學(xué)習(xí)。由于有些疾病影響到的是多個(gè)器官的表現(xiàn)，所以需要將多個(gè)器官的表現(xiàn)特征聯(lián)合起來看待。例如一個(gè)典型的病癥：生活不規(guī)律、身體透支導(dǎo)致的亞健康狀態(tài)。該類病癥的面部表現(xiàn)可能是多器官的，例如面部膚色黯淡無光、眼部周圍黑眼圈，眼睛充血絲、甚至發(fā)際線的變更等。這種判定需要對多個(gè)器官的特征表現(xiàn)聯(lián)合起來學(xué)習(xí)。單病癥多器官樣本學(xué)習(xí)所得影像參數(shù)采用單獨(dú)的數(shù)據(jù)表進(jìn)行存儲，以加快后期識別效率。

步驟3：多病癥多器官樣本學(xué)習(xí)。這類樣本學(xué)習(xí)為高級的學(xué)習(xí)層次。考慮到用戶可能同時(shí)患有多種疾病，而這些疾病的共同反應(yīng)會影響到多個(gè)器官的不同影像表現(xiàn)，因此在步驟1、步驟2的基礎(chǔ)上做出多病癥多器官樣本學(xué)習(xí)。多病癥多器官樣本學(xué)習(xí)所得影像參數(shù)亦采用單獨(dú)的數(shù)據(jù)表進(jìn)行存儲，以加快后期識別的效率。

本實(shí)施例中，提出全角度拍照然后擬合的方法構(gòu)建用戶3d人臉模型，由于增加了人臉細(xì)節(jié)參數(shù)，因此該模型不僅能夠方便后續(xù)的識別過程，而且能夠處理復(fù)雜表情的轉(zhuǎn)換，比如將非平靜表情轉(zhuǎn)換為平靜表情。此外，病癥樣本學(xué)習(xí)是分三個(gè)層次進(jìn)行的，通過此類方式不僅可以識別一些局部病癥，同時(shí)也更能夠處理一些涉及到多個(gè)器官病變的情形，提升健康分析方案的適用性。

進(jìn)一步可選的，在本發(fā)明基于人臉識別的健康分析裝置一實(shí)施例中，獲取模塊110還用于：獲取用戶的歷史表情識別記錄；分析模塊140還用于：根據(jù)歷史表情識別記錄，對用戶進(jìn)行心理健康分析并輸出心理健康分析結(jié)果。

本實(shí)施例中，在對待處理的人臉圖像進(jìn)行表情識別時(shí)，保存每一次的表情識別結(jié)果，以供長期跟蹤用戶的情緒狀態(tài)變化，從而可通過對用戶表情的識別而分析其心理健康狀況，并輸出心理健康分析結(jié)果，若存在心理健康問題則還可以進(jìn)一步給出具體治療意見。

以上僅為本發(fā)明的優(yōu)選實(shí)施例，并非因此限制本發(fā)明的專利范圍，凡是利用本發(fā)明說明書及附圖內(nèi)容所作的等效結(jié)構(gòu)或等效流程變換，或直接或間接運(yùn)用在其他相關(guān)的技術(shù)領(lǐng)域，均同理包括在本發(fā)明的專利保護(hù)范圍內(nèi)。