人脸肤质测试仪可以针对肤质状况给出科学的护肤建议,因此被广泛认可,拥有广阔的市场前景。目前国内外市场上的人脸肤质测试仪产品主要分为两类,一类是基于生物电阻抗测量法的金属探测式肤质检测仪,这类产品价格便宜但检测功能单一,精度也较低,另外一类是基于图像处理的大型检测仪,这类产品功能齐全但操作复杂,价格昂贵且体积巨大,往往适用于大型美容院和医疗机构,不适用于个体群众。鉴于此,本文重点从肤质指标检测的图像处理算法、肤质指标的评价模型、基于移动终端的应用模式三个方面展开研究,以期获得多指标、高精度的便携式人脸肤质检测方案,并设计合理的评价模型,为不同年龄、不同地域人脸肤质数据的分析提供前期参考。本文开展的主要研究工作如下:(1)设计了基于图像处理的人脸肤质指标检测算法。其中油份、色素指标的检测是基于HSV颜色空间中S和V进行逻辑运算的颜色模型,毛孔大小指标的检测是基于双阈值分割和形态学运算相结合的手段,粗糙度指标的检测是基于灰度共生矩阵的特征值分析。并以台湾的CBS-1800检测仪系统为标准,对本文肤质指标检测算法的有效性进行验证。(2)设计了人脸肤质指标的评价模型。首先对20-25岁年龄段的60副人脸皮肤图像进行油份、色素、毛孔和粗糙度的检测,建立样本数据集,然后分别用SVM分类器、BP分类器和KNN分类器对样本集进行训练和测试,从分类识别率和时间复杂度两个角度对三种分类器的性能进行对比分析,其中基于SVM分类器的肤质评价模型性能最优,其正确分类识别率均值为82.7308%。(3)研究了便携式人脸肤质检测与评价系统的实现方案。系统实现分为图像采集设备、后台服务器和Android客户端三个部分。首先图像采集设备将拍摄的人脸皮肤图像通过蓝牙模块发送到手机APP,然后APP将皮肤图像上传到后台服务器进行图像处理,并对处理的结果进行评价,最后将肤质检测指标和评价结果下传到APP进行显示,实现肤质的检测与分析。