一种测肤算法结果评估方法和系统

摘要

本发明提供一种测肤算法结果评估方法和系统，其中该方法包括：采用目标测肤算法对目标图片进行算法分析处理，获取算法分析结果；其中算法分析结果包括算法测肤标识集；将获取的算法分析结果与标准测肤分析结果进行比对验证，获取目标测肤算法的测肤性能评估结果；其中测肤性能评估结果包括错误率和漏报率。本发明有助于直观了解不同测肤算法的测肤性能评估结果，为后续根据不同场景的需要选取不同的测肤算法进行针对性处理奠定基础。

说明书

技术领域

本发明涉及算法评估技术领域，特别是一种测肤算法结果评估方法和系统。

背景技术

随着图像识别算法的发展，目前市面上基于图像识别的测肤算法(如基于脸部图片检测脸部等皮肤上的健康程度，例如痘痘、皮肤光滑程度等检测)的应用也越来越广泛，目前市面上的测肤算法能够检测人脸等皮肤上的健康程度，例如痘痘、皮肤光滑程度等检测，通过获取人脸图像，基于目标识别算法，能够在人脸图像中检测痘痘的位置和覆盖范围，形成相应的痘痘标记(例如根据痘痘的边缘信息和中心位置，采用圆形或矩形、不规则多边形的标记对痘痘区域进行标记)。

现有技术中，随着不同的测肤算法被开发，不同测肤算法的性能好坏也成为了被关注的终点。但是，目前还没有一个简单地方式来评判测肤算法的好坏，一般都是凭借主观印象来评判测肤算法的性能。然而，上述通过人为主观印象评价的方式评价不同测肤算法的好坏，存在过于主观和可靠性不足的问题。

发明内容

针对上述问题，本发明旨在提供一种测肤算法结果评估方法和系统。

本发明的目的采用以下技术方案来实现：

本发明示出一种测肤算法结果评估方法，包括如下步骤：

S1，采用目标测肤算法对目标图片进行算法分析处理，获取算法分析结果；其中算法分析结果包括算法测肤标识集；

S2，将获取的算法分析结果与标准测肤分析结果进行比对验证，获取目标测肤算法的测肤性能评估结果；其中测肤性能评估结果包括错误率和漏报率。

优选的，该方法还包括如下步骤：

BS1，对目标图片进行标准测肤分析，获取目标图片的标准测肤分析结果，其中标准测肤分析结果包括标准测肤标识集。

优选的，步骤BS1中，对目标图片进行标准测肤分析，包括：

由专业人员对目标图片的状况进行分析，在目标图片上标注不同类型测肤结果的标识，形成标准测肤标识集。

优选的，步骤S2中，将获取的算法分析结果与标准测肤分析结果进行比对验证，具体包括：

将算法测肤标识集中的第一标识与标准测肤标识集中的第二标识进行比对验证，当同时满足以下两个要求时判断第一标识与第二标识相对应：

1)第一标识的中心点与第二标识的中心点位置一致；

2)第一标识的标识面积与第二标识的标识面积一致；

当算法测肤标识集中存在第一标识但标准测肤标识集中没有第二标识与其相对应时，则标记该第一标识为错误标识；其中测肤性能评估结果的错误率

当标准测肤标识集中存在第二标识但算法测肤标识集中没有第一标识与其相对应时，则标记该第二标识为未命中标识；其中测肤性能评估结果的漏报率

优选的，该方法还包括如下步骤：

S3，重复步骤S1-S2，获取各测肤算法的测肤性能评估结果；

S4根据各测肤算法的测肤性能评估结果选取合适的测肤算法对待分析图片集进行处理，获取待分析图片集的测肤分析结果。

本发明还示出一种测肤算法结果评估系统，包括算法分析模块和分析评估模块，其中，

算法分析模块用于采用目标测肤算法对目标图片进行算法分析处理，获取算法分析结果；其中算法分析结果包括算法测肤标识集；

分析评估模块用于将获取的算法分析结果与标准测肤分析结果进行比对验证，获取目标测肤算法的测肤性能评估结果；其中测肤性能评估结果包括错误率和漏报率。

优选的，该系统还包括标准分析模块；其中，

标准分析模块用于对目标图片进行标准测肤分析，获取目标图片的标准测肤分析结果，其中标准测肤分析结果包括标准测肤标识集。

优选的，分析评估模块中，将获取的算法分析结果与标准测肤分析结果进行比对验证，具体包括：

将算法测肤标识集中的第一标识与标准测肤标识集中的第二标识进行比对验证，当同时满足以下两个要求时判断第一标识与第二标识相对应：

1)第一标识的中心点与第二标识的中心点位置一致；

2)第一标识的标识面积与第二标识的标识面积一致；

当算法测肤标识集中存在第一标识但标准测肤标识集中没有第二标识与其相对应时，则标记该第一标识为错误标识；其中测肤性能评估结果的错误率

当标准测肤标识集中存在第二标识但算法测肤标识集中没有第一标识与其相对应时，则标记该第二标识为未命中标识；其中测肤性能评估结果的漏报率

本发明的有益效果为：本发明提出一种针对测肤算法结果的评估方法和系统，以目标图像为基础，分别采用不同测肤算法对目标图像进行测肤分析，根据获取的测肤分析结果和标准测肤结果进行比对，其中引入了错误率和漏报率对测肤算法的性能进行客观评估，有效从多个维度对测肤算法的性能进行准确评估。有助于直观了解不同测肤算法的测肤性能评估结果，为后续根据不同场景的需要选取不同的测肤算法进行针对性处理奠定基础。

同时针对测肤算法的错误率和漏报率提出了一种具体的评估算法，能够基于误差处理准确判定测肤算法获取的标识结果是否命中、误报或漏报等不同情况，提高了测肤算法性能评估的准确性。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1为本发明一种测肤算法结果评估方法，示例性实施例的方法流程图；

图2为本发明一种测肤算法结果评估系统，示例性实施例的框架结构图。

附图标记：

算法分析模块10、分析评估模块20、标准分析模块30、处理模块40

具体实施方式

结合以下应用场景对本发明作进一步描述。

参见图1实施例所示一种测肤算法结果评估方法，包括如下步骤：

BS1，对目标图片进行标准测肤分析，获取目标图片的标准测肤分析结果，其中标准测肤分析结果包括标准测肤标识集；

其中，目标图片包括人脸图片或其他基于人体皮肤采集的图片。

优选的，步骤BS1中，对目标图片进行标准测肤分析，包括：

由专业人员对目标图片的状况进行分析，在目标图片上标注不同类型测肤结果的标识，形成标准测肤标识集。在对测肤算法进行分析之前，首先展示目标图片，供专业人员完成对目标图片的打标评估，标记出目标图像中相应的皮肤分析结果以及具体针对不同测肤结果的标识，并形成标准测肤标识集(标准集)。其中上述针对标准测肤标识集的获取可以基于现有的人工\半人工的皮肤标定分析系统进行。

S1，采用目标测肤算法对目标图片进行算法分析处理，获取算法分析结果；其中算法分析结果包括算法测肤标识集；

获取待评估的测肤算法作为目标测肤算法，采用目标测肤算法对目标图片进行测肤检测处理，标记出目标图片的测肤检测结果(如标记出目标图片的痘痘位置和区域等)，形成算法测肤标识集(结果集)，其中算法测肤标识集中包含了采用目标测肤算法对目标图片进行检测获取的所有测肤结果标识。

一种场景中，获取的测肤结果标识包括圆形或矩形的标识，一个测肤结果表示对应检测到的一个痘痘，其中测肤结果标识的大小具体根据痘痘的大小自适应设定。

S2，将获取的算法分析结果与标准测肤分析结果进行比对验证，获取目标测肤算法的测肤性能评估结果；其中测肤性能评估结果包括错误率和漏报率；

优选的，步骤S2中，将获取的算法分析结果与标准测肤分析结果进行比对验证，具体包括：

将算法测肤标识集(结果集)中的各结果标识与标准测肤标识集(标准集)中的各标准标识进行基于误差处理的比对验证，当同时满足以下两个要求时判断结果标识与标准标识相对应：

1)结果标识的中心点与标准标识的中心点位置一致；

2)结果标识的标识面积与标准标识的标识面积一致；

其中，判断结果标识的中心点与标准标识的中心点位置是否一致时采用误差处理；

优选的，针对结果标识的中心点与标准标识的中心点位置一致的判断，包括：如果结果标识的中心点与标准标识的中心点之间的距离小于设定的距离阈值时，则认为二者的中心点位置一致；反之，则认为二者的位置不一致。

一种场景中，设定的阈值采用固定阈值，可以设定距离阈值为N个像素点，例如N∈[0，5]；

其中，在实际标注情况中，考虑到结果标识和标准标识可能会采用相同或者不同的标识符号进行标记，从而导致标识符号中心点的位置获取存在误差，影响比对验证的准确性。因此，根据实际情况，当结果标识和标准标识采用相同形状的标识符号时，则可以将距离阈值设置为较小的像素值(例如N＝1个像素点距离)，而当结果标识和标准标识采用不同形状的标识符号时，为了平衡错误率和漏报率的计算误差，则可以将距离阈值设置为较大的像素值(例如N＝5个像素点距离)。

针对采用不同的标识符号(例如圆形或不规则多边形)的中心点获取会存在偏差的情况，另一种场景中，设定的距离阈值也可以采用自适应的方式进行设置，具体包括：

在目标图片中预留有标准点，分别获取算法测肤标识集中与该标准点对应的结果标识和标准测肤标识集中与该标准点对应的标准标识，分别获取二者中心点的像素距离，并基于该二者中心点的像素距离设置距离阈值。例如是将二者中心点的像素距离直接作为该距离阈值，或者在二者中心点的像素距离的基础上增加允许误差范围(例如1-2个像素点)作为该距离阈值。

优选的，针对结果标识的标识面积与标准标识的标识面积一致的判断，包括：根据标准标识的标识面积设定面积阈值范围，当结果标识的标识面积在面积阈值范围内时，则认为该结果标识的标识面积与标准标识的标识面积一致；反之，则认为二者的表示面积不一致；

一种场景中，根据标准标识的标识面积按照一定比例设定上门限值和下门限值，将上下门限值之间的范围作为面积阈值范围；

优选的，面积阈值范围为标准标识的标识面积的50％-200％；

针对采用不同的标识符号的中心点获取会存在偏差的情况，一种场景中，面积阈值范围也可以采用自适应的方式进行设置，具体包括：

在目标图片中预留有标准点，分别获取算法测肤标识集中与该标准点对应的结果标识和标准测肤标识集中与该标准点对应的标准标识，分别获取二者的标识面积，并基于二者的标识面积比例设置面积阈值范围。

优选的，面积阈值范围

其中，标准标识和结果标识可以采用不同形状的表示符号，例如圆形、矩形、不规则多边形等。

优选的，为了提高比对验证的效果，标准标识和结果标识采用相同形状的标识符号，例如，均采用圆形标识符号。

当检测到结果标识和标准标识相对应时，则标记该结果标识为正确标识，同时标记相应的标准标识为命中标识；

当算法测肤标识集中存在结果标识但标准测肤标识集中没有标准标识与其相对应时，则标记该结果标识为错误标识；其中测肤性能评估结果的错误率

当标准测肤标识集中存在标准标识但算法测肤标识集中没有结果标识与其相对应时，则标记该标准标识为未命中标识；其中测肤性能评估结果的漏报率

上述实施方式中，特别提出了一种针对比对验证过程中判断算法测肤标识集中的结果标识和标准测肤标识集中的结果标识是否相对应的技术方案，具体基于结果标识和标准标识的中心点位置以及标识面积进行一致性判断，并提出了一种基于误差分析的一致性判断技术方案，能够适应在实际操作过程中由于标识图形或者算法特点而导致的影响，提高目标测肤算法的测肤性能评估结果的可靠性和准确性。

优选的，针对能够智能检测不同类型测肤检测结果的算法，该结果标识还包括检测到皮肤异常部分的异常类型，在判断结果标识与标准标识是否对应的时候，还需要对异常类型进行比对，当结果标识的异常类型和标准标识的异常类型一致是，判断该结果标识和标准标识相对应。其中异常类型包括“痘痘”、“痣”、“雀斑”等不同异常皮肤类型。

进一步，在获取目标测肤算法的测肤性能评估结果后，还可以对该测肤性能评估结果进行可视化展示，例如对目标图片的错误率和漏报率进行显示，或者采用不同的颜色标记对具体的算法分析结果进行表示，如异常类型错误的标识采用黄色表示、错误标识用蓝色表示，漏报标识用红色表示等等，以可视化的方式展现算法结果，使得研究人员能够直观地了解该目标算法的特性。

优选的，针对需要分别对多个测肤算法进行评估时，则上述方法还包括如下步骤：

S3，重复步骤S1-S2，获取各测肤算法的测肤性能评估结果；

S4，根据各测肤算法的测肤性能评估结果选取合适的测肤算法对待分析图片集进行处理，获取待分析图片集的测肤分析结果。

基于上述步骤，能够分别对不同的测肤算法进行评估，获取各测肤算法的测肤性能评估结果，其中根据各个测肤算法的测肤性能评估结果(如错误率和漏报率)，选取合适的测肤算法对需要进行测肤分析的待分析图片集进行处理，分别获取待分析图片集中各图片的算法分析结果。

基于各测肤算法的错误率和漏报率，可根据实际应用场景，来挑选更合适的算法。当出现误判的结果更严重时，可选择错误率低但漏报率可不做太高要求的算法来进行处理；而当需要找到对应问题的症状中，可选择错误率略高，但漏报率比较低的算法进行处理，这个方式对于比如，科研机构在做某个问题测试时，可快速通过这个方式完成实验人群初筛，也可应用于科技公司选择目标人群进行广告投放。

上述提出一种针对测肤算法结果的评估方法，以目标图像为基础，分别采用不同测肤算法对目标图像进行测肤分析，根据获取的测肤分析结果和标准测肤结果进行比对，其中引入了错误率和漏报率对测肤算法的性能进行客观评估，有效从多个维度对测肤算法的性能进行准确评估。有助于直观了解不同测肤算法的测肤性能评估结果，为后续根据不同场景的需要选取不同的测肤算法进行针对性处理奠定基础。

同时针对测肤算法的错误率和漏报率提出了一种具体的评估算法，能够基于误差处理准确判定测肤算法获取的标识结果是否命中、误报或漏报等不同情况，提高了测肤算法性能评估的准确性。

以上述图1提出的一种测肤算法结果评估方法为基础，参见图2实施例示出一种测肤算法结果评估系统，包括算法分析模块10和分析评估模块20；其中，

算法分析模块10用于采用目标测肤算法对目标图片进行算法分析处理，获取算法分析结果；其中算法分析结果包括算法测肤标识集；

分析评估模块20用于将获取的算法分析结果与标准测肤分析结果进行比对验证，获取目标测肤算法的测肤性能评估结果；其中测肤性能评估结果包括错误率和漏报率。

优选的，该系统还包括标准分析模块30；其中，

标准分析模块30用于对目标图片进行标准测肤分析，获取目标图片的标准测肤分析结果，其中标准测肤分析结果包括标准测肤标识集。

优选的，该系统还包括处理模块40；其中，

处理模块40用于根据各测肤算法的测肤性能评估结果选取合适的测肤算法对待分析图片集进行处理，获取待分析图片集的测肤分析结果。

其中，算法分析模块10还用于实现上述方法中步骤S1及其各具体实施例的方法步骤；分析评估模块20还用于实现上述方法中步骤S2和S3及其各具体实施例的方法步骤；标准分析模块30还用于实现上述方法中步骤BS1及其各具体实施例的方法步骤；；处理模块40还用于实现上述方法中步骤S4及其各具体实施例的方法步骤。本申请在此不再重复叙述。

需要说明的是，在本发明各个实施例中的各功能单元/模块可以集成在一个处理单元/模块中，也可以是各个单元/模块单独物理存在，也可以是两个或两个以上单元/模块集成在一个单元/模块中。上述集成的单元/模块既可以采用硬件的形式实现，也可以采用软件功能单元/模块的形式实现。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解应当理解，可以以硬件、软件、固件、中间件、代码或其任何恰当组合来实现这里描述的实施例。对于硬件实现，处理器可以在一个或多个下列单元中实现：专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。对于软件实现，实施例的部分或全部流程可以通过计算机程序来指令相关的硬件来完成。实现时，可以将上述程序存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读介质可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当分析，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。