当前,伴随着人们经济生活水平的提高,人们对于美的追求也越来越高,尤其是对于面部美容护理越来越重视。但受限于对自我肤质的认知和所拥有的医学知识,人们常常做出错误的判断进而购买错误的皮肤护理产品,严重的甚至导致相反的皮肤护理效果。正确的皮肤护理需要以准确的肤质测评为基础,如何克服传统测评必须借助医院或者美容院的大型皮肤检测仪器的不便,利用先进的图像处理和机器学习技术开发一款方便、快捷、更高准确度的小型人脸肤质测评系统,是目前医疗美容领域的一个热点课题。论文在对现有人脸肤质检测产品和开发技术深入分析的基础上,对基于深度学习的人脸肤质测评方法进行了研究,重点研究了人脸图像中肤质检测目标的分割和目标的等级评估问题,并在此基础上开发一个基于Web的测评系统。针对人脸面部信息复杂、肤质测评指标过多,一个神经网络模型往往不能满足肤质检测精确性要求的问题,论文利用Deeplabv3+语义分割网络将肤质指标分割开,通过训练多个神经网络来分别预测不同的肤质指标,进而实现人脸肤质指标的精确评估。针对Deeplabv3+在主干网络和空洞空间金字塔网络中含有大量的特征融合,使得特征更加难以描述与提取的问题,结合通道注意力机制,提出了一种改进算法,进一步提高了网络分割的准确率和性能。采用具有更好学习能力和分类效果的VGG16网络作为肤质指标等级分类算法,将每个肤质指标等级划分为10个级别,然后送入肤质评价模型,对全脸肤质情况进行综合性评价。在系统设计方面,提供了用户登录、用户信息上传、肤质检测、结果查询和肤质情况历史记录功能。用户通过上传图像进行肤质的检测。同时,系统记录每次检测的结果,并将这些结果汇总到历史记录中,方便用户查看肤质的变化情况。目前,软件系统已经基本设计完成。测试表明,系统能够满足人们随时随地的在线人脸肤质测评要求。相比于现有的人脸肤质检测设备来说,检测更方便,评估更全面和准确。