人脸肤质作为个人形象气质的重要表征,伴随着美容护肤意识逐渐深入人心,各种关于人脸肤质检测的产品也开始被市场接受。针对市场上主流的基于单一传感器的肤质检测仪功能较少的问题,以及功能完备的大型肤质检测设备成本高、体积大的问题,本文基于“硬件+软件”的思路设计了面向个人日常美容检测的肤质检测与评价系统,实现了对面部常见的肤色、油份、水份、纹理、毛孔、色素沉淀以及皮肤炎症7项肤质指标的准确检测与评价。首先,本文研究了皮肤组织的结构特性和常见的肤质检测算法,介绍了人脸肤质检测系统的发展概况,进而阐述了本系统的具体实施方案,包括集成诱导光源的图像采集硬件、在服务器端运行的肤质检测算法以及客户端软件设计。其次,结合前端的不同图像采集模式,将肤质指标概括成三类,分别为表层特征、毛孔特征和底层特征。在采集到的皮肤图像基础上,研究了肤质特征检测的算法。具体地,利用统计学的方法进行表层皮肤特征检测,解决了表层皮肤图像没有显著的特征可以提取以作为评价依据的问题;设计了一种基于自适应区域生长算法的皮肤毛孔特征值计算方法,自适应区域生长分割出图像中的毛孔区域,然后进行圆形度判别,最后计算图像中的毛孔个数和平均半径和半径方差,为后续肤质评价提供准确的分类特征;设计了一种基于深度残差网络的皮肤底层图像识别方法,使用了简化的批标准化加速了网络权重在训练过程中的收敛,在皮肤护理专家的协助下建立了含有底层皮肤图像数据集Face Data Set,使用迁移学习的方法训练网络模型并对比不同深度的残差网络性能,确定RN-50网络作为最终的网络结构。随后,在特征检测算法提取到各肤质指标的特征值基础上,利用常见的三种分类器分别设计了肤质评价模型。建立了相应的数据集对各种分类器进行训练和测试,并对分类结果进行对比分析,最后通过分类性能的对比实验确定由SVM分类器构成系统的评价模型。最后,结合具体使用实例完成了客户端主要的功能测试,并以人工分类结果作为依据完成了系统的指标测评性能测试。实验结果表明,本系统满足了日常的美容护肤检测要求,能够帮助用户准确的掌握自身的肤质状况。