CN105469072B - 一种评估眼镜佩戴者和其所佩戴眼镜搭配度的方法和*** - Google Patents

Abstract

一种用于评估眼镜佩戴者和其所佩戴眼镜搭配度的方法和***，该方法包括以下步骤：‑生成所述佩戴者的脸部特征数据；‑生成所述眼镜的特征数据；‑基于所述脸部特征数据，建立佩戴者模型；‑基于所述眼镜特征数据，建立眼镜模型；‑比较所述佩戴者模型和所述眼镜模型，评估其两者之间的搭配度；以及‑基于搭配度评估结果，生成评分信息，其表示所述眼镜对所述佩戴者的颜值所增加的程度。通过该方法，眼镜佩戴者能便捷地获知其所佩戴的眼镜与其容颜的匹配程度，以便决定是否购买或使用该眼镜。

Description

一种评估眼镜佩戴者和其所佩戴眼镜搭配度的方法和***

技术领域

本发明涉及人脸识别人工智能建模技术领域，尤其是涉及一种评估眼镜和其佩戴者搭配度的方法和***。

背景技术

随着市场上出现越来越多各种款式的眼镜，人们有更多的选择空间，以便获得合适的眼镜。同时，随着具有不同功能的眼镜被人们使用，眼镜的作用已经不限于满足其光学功能，其也能起到增加颜值（美颜度）的作用。例如，不同款式的无镜片框架以及太阳眼镜，能匹配不同的脸型和场景，使佩戴者获得更高的颜值，获得类似不同服饰搭配的效果。

眼镜的这种美颜功能使得人们在选择眼镜的时候需要考虑更多的因素。然而，由于缺乏相应的专业知识，且当面对琳琅满目的各种款式的眼镜时，普通配镜者无法快速且满意地获得和选择合适的眼镜，以便实现上述目的。

在现有技术中，存在多种方法和***，它们能基于佩戴者的脸型，根据一定的算法，从眼镜的列表中选择出一副或若干副眼镜推荐给该佩戴者。

虽然这些推荐方法和***的确给佩戴者的眼镜选择带来了便利，但是，这种推荐并不直观。尤其是当推荐多幅眼镜的时候，佩戴者仍然面临选择困难的问题，其依旧可能无法获得更为合适的眼镜。

发明内容

值得注意的是，本发明的目的在于克服背景技术中已经发现的一个或多个缺点。

为了这个目的，根据本发明提出了一种用于评估眼镜佩戴者和其所佩戴眼镜搭配度的方法，该方法包括以下步骤：

- 生成所述佩戴者的脸部特征数据；

- 生成所述眼镜的特征数据；

- 基于所述脸部特征数据，建立佩戴者模型；

- 基于所述眼镜特征数据，建立眼镜模型；

- 比较所述佩戴者模型和所述眼镜模型，评估其两者之间的搭配度；以及

- 基于搭配度评估结果，生成评分信息，其表示所述眼镜对所述佩戴者的颜值所增加的程度。

通过该方法，在选择眼镜的时候，眼镜佩戴者能便捷地获知其所佩戴的眼镜与其容颜的匹配程度，并能直观地通过评分信息来得知其颜值在佩戴该眼镜之后是增加还是减少，以便基于该评分信息来决定是否购买或使用该眼镜。

在根据本发明的标题的不同实施例中，我们可以运用以下配置中的一个和/或多个：

进一步，根据本发明的方法，所述生成脸部特征数据的步骤包括：

- 获取至少一张佩戴者的影像，其中所述影像是二维或三维影像；

- 侦测所述影像中的脸部；以及

- 特征化所述佩戴者的脸部特征，例如识别和标定出脸部各主要特征（脸宽，眼宽等）。

通过这些步骤，能获得更为精准的脸部特征信息，以便于后续的步骤。

进一步，根据本发明的方法，所述佩戴者能收到包括至少一张其佩戴所述眼镜的影像并附带相应评分信息的信息。此外，所述信息能由所述佩戴者通过社交网站进行分享。通过这些步骤，佩戴者对眼镜的选择和佩戴能获得更为直观的评价，且通过社交网站能获得更多的反馈，更便于佩戴者获得其所佩戴眼镜的搭配的程度。

进一步，根据本发明的方法，所述佩戴者能获得能带来更高评分的其他眼镜的推荐，以便于佩戴者能基于评分而选到更为适合的眼镜。

进一步，根据本发明的方法，所述眼镜或所述推荐的眼镜连接至在线商店，其中所述佩戴者能在所述在线商店中购买所述眼镜。这样，有利于佩戴者在得知评分后，方便地购买其满意的眼镜。

可选的，根据本发明的方法，所述生成眼镜特征数据的步骤包括从眼镜制造商处获取眼镜框和镜片的特征的步骤，这样有利于专业的模型建立，并使眼镜制造商能更直接地获取对佩戴者的需求。

进一步，根据本发明的方法，所述建立佩戴者模型的步骤包括建立佩戴者元数据的步骤，其中所述佩戴者元数据优选地包括：

- 关于佩戴者脸型的元数据；

- 关于佩戴者眼型的元数据。

此外，所述建立眼镜模型的步骤包括建立眼镜元数据的步骤，其中所述眼镜元数据包括眼镜框和镜片的特征。

当然，佩戴者元数据和眼镜元数据还可以包括其他相关的元数据，只要这些元数据能用于之后的比较分析和评价。

进一步，根据本发明的方法，所述比较所述佩戴者模型和所述眼镜模型，计算评估其两者之间的搭配度的步骤包括：

- 在基础数据库中预评估佩戴者模型和眼镜模型；

- 在所述基础数据库中比较和计算评估所述佩戴者元数据；

- 在所述基础数据库中比较和计算评估所述眼镜元数据；以及

- 基于上述步骤生成评估矩阵。

有利的是，所述基础数据库至少包括通过大数据分析获得的佩戴者模型数据库和眼镜模型数据库，以及当新的佩戴者模型和/或眼镜模型未被收录在所述基础数据库中时，所述基础数据库能通过添加所述新的佩戴者模型和/或眼镜模型进行升级。

此外，优选地，所述生成评分信息的步骤还包括基于所述评估矩阵创建加权分数的步骤。

基于上述计算评分搭配度的步骤，由于使用了基础数据库和大数据样本采集和分析的模式，能使最终的评分更为客观和可信。且通过学习扩充模式，基础数据库能随着不同佩戴者的评估，进行不断地更新和完善，这也有利于最终的评分更合理。

此外，本发明还涉及一种用于评估眼镜佩戴者和其所佩戴眼镜搭配度的***，所述***包括：

- 特征数据生成模块，其用于生成所述佩戴者的脸部特征数据，以及生成所述眼镜的眼镜特征数据；

- 模型建立模块，其用于基于所述脸部特征数据来建立佩戴者模型，以及基于所述眼镜特征数据来建立眼镜模型；

- 评估模块，其用于比较所述佩戴者模型和所述眼镜模型，并计算评估其两者之间的搭配度；以及

- 评分生成模块，其基于搭配度评估结果，给出所述眼镜对所述佩戴者的颜值所增加程度的评分。

通过该***，佩戴者能方便地得知其所佩戴的眼镜能否增加其颜值以及能增加多少。

进一步，所述***还包括影像获取装置，所述影像获取装置用于获取佩戴者的至少一张影像，且所述影像获取装置是二维或三维相机。当然，也可以采用其他影像获取装置，例如摄像机，以及扫描仪用于直接扫描佩戴者的照片。或者，佩戴者也可以直接将其照片上传到***中。

进一步，所述***还包括显示装置，其显示至少一张展示所述佩戴者佩戴眼镜的影像，并附带显示相应评分。该评分可以是数值评分、颜色评分、或者其他可视图形化评分，以便于佩戴者直观便捷地获知具体评分结果。此外，该影像和评分能通过社交网络进行分享。

此外，本发明还能涉及一种用于评估头戴式设备佩戴者和其所戴头戴式设备搭配度的方法，该方法包括以下步骤：

- 生成所述佩戴者的脸部特征数据；

- 生成所述头戴式设备的特征数据；

- 基于所述脸部特征数据，建立佩戴者模型；

- 基于所述头戴式设备特征数据，建立头戴式设备模型；

- 比较所述佩戴者模型和所述头戴式设备模型，评估其两者之间的搭配度；以及

基于搭配度评估结果，生成评分信息，其表示所述头戴式设备对所述佩戴者的颜值所增加的程度。

上述头戴式设备可以是例如头盔、耳机、口罩等需要在佩戴时候进行评价的头戴式设备。

最后，本发明还涉及一种包括一系列指令的计算机程序产品，当加载到一个计算机中时，这些指令使所述计算机或一个硬件***执行根据本发明的一种方法的步骤。

需要指出的是，本说明书中所讨论使用的例如“计算”、“比较”、“评估”等术语，均指计算机或计算***或者相似电子计算装置的动作和/或处理，将在计算***的寄存器和/或存储器内以物理（例如，电子的）量形式所展示的操作和/或转换的数据，在计算***的寄存器和/或存储器中的量可以转换为计算***的寄存器或其它这种信息存储、传输或显示装置中以物理量形式所展示的相同数据。

本说明书中的处理或显示并不限于特定的计算机或其它装置。具有依照本文教导的程序的多种通用***都可使用。此外，并不参考任何特定的程序语言描述本发明的实施例。可以理解的是，多种程序语言都可用于执行本文所述的本发明的教导。

通过上述配置，本发明提供了一种用于评估眼镜佩戴者和其所佩戴眼镜搭配度的方法和***。通过本发明，眼镜佩戴者能便捷地通过评分来获知其所佩戴的眼镜对于增加其颜值的作用，这样便能快速地做出决定是否购买或佩戴该眼镜。同时，通过社交网络的分享，佩戴者还能更全面地获得佩戴效果的反馈和分享，以便进行更好的社交互动。此外，本发明也允许镜片生产商能及时快速的了解到佩戴者的佩戴要求，进行更为个性化的推荐和生产，提高了与客户的互动性，更改善了客户的使用体验。

附图说明

应理解的是，在本发明中，除明显矛盾或不兼容的情况外，全部特征、变形方式和/或具体实施例可以根据多种组合相结合。

通过阅读以下作为非限制性说明的具体实施例，并结合附图，本发明的其它特征和优点将显而易见，图中：

- 图1示出了根据本发明的方法的流程图；

- 图2示出了根据本发明的方法中比较评估步骤的流程图。

- 图3示出了根据本发明的***。

具体实施方式

下面结合实施例和附图对本发明进行详细说明。在这些附图中，相同的附图标记是指在所有附图中本发明的相同或等效元件。

参照图1，其示出了根据本发明的方法的一个实施例的流程图。其中，步骤S1为特征数据生成步骤，包括生成佩戴者的脸部特征数据步骤S11和生成眼镜特征数据步骤S12。步骤S2为建模步骤，包括建立佩戴者模型步骤S21和建立眼镜模型步骤S22。步骤S3为比较评估步骤。步骤S4为评分步骤。

具体来说，首先在步骤S1中，分别生成佩戴者脸部（步骤S11）和眼镜（步骤S12）特征数据。

在步骤S11中，对于佩戴者脸部特征数据，例如需要首先获得佩戴者脸部图像。该图像可以通过二维或三维相机或摄像机进行捕捉，也可以通过上传佩戴者照片或扫描照片等方式获得，然后进行识别，以便识别出用于脸型判断，眼睛判断，嘴唇判断的基本特征点。例如，基于OPENCV（开放源代码计算机视觉类库）等本领域技术人员所熟知的开源代码基础获得标准的脸部特征点。基于OPENCV中关键点分析重新定义额头，头发等要素，获得头部的其他关键点：包括脸部高度和脸部宽度等属性。

同样，在步骤S12中，对于眼镜特征数据，可以例如先通过二维或三维扫描机进行扫描，然后通过预定算法获得相关特征，例如镜型，镜大小，镜颜色等。当然这些特征也可以由眼镜制造商提供。

然后在步骤S2中，分别基于步骤S1中获得的脸部特征数据和眼镜特征数据，建立佩戴者模型（步骤S21）和建立眼镜模型（步骤S22）.

具体来说，在步骤S21中，脸部特征数据主要被用于脸型判定和眼型判定。

脸型判定主要是基于脸型建模，通过学习并归纳综合Boych形态法判定，中国字标准判断，亚洲人标准判定等判定方法。在此标准上对脸型进行了数据建模，例如设定以下十二个维度来推断脸型的基本数据。

1	脸长与脸宽之比
		2	脸长与眼宽之比
3	脸部最宽处的高度
		4	双眼眼间距与同脸部高度的脸宽之比
5	双眼平均大小与同脸部高度的脸宽之比
		6	20%高度的脸宽和80%高度的脸宽之比
7	嘴唇宽度与同脸部高度的脸宽之比
		8	瞳孔间距离与瞳孔和鼻底的Y轴方向距离之比
9	左眉毛中部和左瞳孔的Y轴方向距离与脸长之比
		10	右眉毛中部和右瞳孔的Y轴方向距离与脸长之比
11	嘴唇底部和脸部的距离与脸长之比
		12	下巴的角度

通过以上各维度的特征值，将建立出基本脸型的模型，从而得到佩戴者例如是方脸-A，圆脸-C的模型编号，进而建立与脸型相关的元数据。

类似的，眼型判定主要是依靠对眼睛距离和鼻梁位置等判断来搭建眼睛模型，其中包括如下维度：

1	左眼的左眼角和左瞳孔中心的距离与左眼高度之比
		2	右眼的左眼角和右瞳孔中心的距离与右眼高度之比
3	瞳孔的高度与双眼的平均高度之比
		4	双眼眼间距与双眼的平均高度之比

通过以上基于各维度特征值的眼型判定，建立了眼型的模型，并确定佩戴者是例如挑眼-A、垂眼-B或平眼-C等，进而建立与眼型相关的元数据。

在步骤S22中，进行眼镜判定，将从镜型、镜大小、镜颜色、镜片颜色和厚度等多种维度来搭建眼镜模型。针对眼镜的属性进行分类，重点标记需要计算的特征信息，主要包括:

1	眼镜框型
		2	全框-半框
3	镜平均粗细
		4	镜颜色
5	镜大小
		6	镜材质
7	镜片颜色
		8	镜片厚度
9	眼镜风格

通过上述判定，建立眼镜的模型，并确定该眼镜的特征，进而建立与该眼镜相关的元数据。

接着，在获得佩戴者模型（元数据）和眼镜模型（元数据）之后，进行这些模型（元数据）的比较和评估（步骤S3）。

该步骤S3的核心是通过一系列的经验数值进行积累并优化调整的计算。优选地，如图2所示，该步骤包括：

步骤S31:根据基础数据库，先预先识别了佩戴者和所佩戴眼镜的整体美感，并给出一个初步评价分数（例如经验评分）。

步骤S32:将眼镜模型（元数据）与基础数据库中所有人脸数据的拆分特征（例如上述 12项脸型特征和4项眼型特征）进行对比和分析，判断出哪类脸部特征适合该眼镜，哪类脸部特征不适合该眼镜，并给出相应的分数；

步骤S33:完成所有眼镜模型比对后，将佩戴者模型（元数据）与基础数据库中所有眼镜数据的拆分特征（例如上述9项眼镜特征）进行对比和分析，以便判断出各类眼镜是否适合该佩戴者，并给出相应的分数；

其中，如果佩戴者脸型无法与基础数据库匹配，例如未找到或者识别出佩戴者的脸型特征，或者存在于理论值但暂时未找到佩戴者特征，从而未形成基础脸部模型，则需要判断基础数据库是否需要新增或调整，那么将从基础数据库中先选出最接近的基础脸部模型（例如仅考虑脸型特征），并给出建议分数。同时，增加异常处理流程，为该种脸型重新建模。

步骤S34：综合步骤S32和S33 的数据，可以将眼镜特征和人脸特征进行结合，将特定脸部模型和眼镜的某个特征的权重值计算出来，并生成评估矩阵，举例来说，该矩阵可以是二维的，其纵向对应于人脸特征，横向对应于眼镜特征，也可以是更高维度的，以便得出更精确和细化的评估结果。

其中，基础数据库可以是基于经验得到，也能基于理论推导出来。

在基于经验的情况下，例如存在以下情况：圆形脸一般和带有棱角的眼镜相搭配，需要避免圆形眼镜；椭圆形脸一般和大部分眼镜搭配，但是需要避免过于大的眼镜；心形脸一般与方形眼镜搭配；方形脸一般和椭圆形和圆形眼镜搭配，需要避免方形的眼镜；梨形脸一般与半框眼镜搭配，需要避免过于狭窄的眼镜等。通过这些经验匹配情况，通过通常的计算机数据库模型进行基础数据库的建立。

在基于理论推导的情况下，可以例如通过样本图片寻找并匹配到真实存在的模型，例如可以建立多套（例如50到100套）真实脸部模型，以便基本能涵盖所有亚洲或欧洲人的脸型。然后，根据前面谈到的模型特征（模型维度），建立不同脸型特征和眼镜特征不同组合的比较，例如通过类似比较和评估步骤S3中的S32和S33步骤，进行基础数据比较和建立，以便获得基础数据库。该基础数据库可以是矩阵形式或者其他数集形式。

此外，步骤S3还可以包括获取并参考佩戴者其他个性化特征的步骤，这类个性化特征可以包括：佩戴者的年龄、佩戴者的职业、佩戴者的性别、佩戴者的信仰等。通过这些更多维度特征的比较，进行更为精准和细化的评估，获得更为完整的评估矩阵。

最后，基于步骤S3的评估得到的搭配度结果，步骤S4生成评分信息。该评分信息表示所述眼镜对所述佩戴者的颜值所增加的程度，其例如可以从上述评估矩阵中直接得到，也可以给予该矩阵通过加权分数算法来得到。该评分信息中可以包含佩戴者佩戴其所选眼镜的影像，同时还标注有相应的分值，以表示该眼镜对佩戴者的颜值所增加的程度。例如增加10分，或降低10分（总分100分）。当然，也可以通过其他可视化图形或颜色进行显示。例如，笑脸、绿色代表颜值增加，哭脸、黄色代表颜值减少。

该评分信息以及相应的影像之后还能通过互联网，尤其是社交网络进行分享，以便于更大范围的社交互动，来获得更多评价，从而帮助佩戴者更加直观地得知眼镜佩戴后的美颜效果，以及有利于做出是否购买或佩戴的决定。

图3示出根据本发明的一种用于评估眼镜佩戴者和其所佩戴眼镜搭配度的***，所述***包括：

- 特征数据生成模块A，其用于生成所述佩戴者的脸部特征数据，以及生成所述眼镜的眼镜特征数据；

- 模型建立模块B，其用于基于所述脸部特征数据来建立佩戴者模型，以及基于所述眼镜特征数据来建立眼镜模型；

- 评估模块C，其用于比较所述佩戴者模型和所述眼镜模型，并计算评估其两者之间的搭配度；以及

- 评分生成模块D，其给出所述眼镜对所述佩戴者的颜值所增加程度的评分。

佩戴者将其脸部照片通过网页或者APP上传至特征数据生成模块A，或者通过数码相机、电脑或手机的摄像头直接拍摄自己的正面照并上传。模块A会通过检测点获得主要脸部特征数据点。同时还可以通过大数据经验值调整等多种自动化比较工具和专家评定等方案进行数据的修补和改善。最终获得佩戴者的脸部特征数据。

此外，佩戴者把选定的实物眼镜进行扫描，或直接选择计算机中显示的电子化的眼镜，并把相关数据传送至模块A。模块A通过预定算法生成眼镜特征数据。

所生成的脸部特征数据和眼睛特征数据被送至模型建立模块B。模块B基于脸部特征数据（例如人脸识别图），建立人脸识别模型的元数据，例如脸型-方形脸，下巴-尖下巴，眼睛间距-居中等。同时模块B基于眼镜特征数据，将用户选择的眼镜进行模型搭建，获得眼镜的元数据类型，例如镜型-梯形，风格-半框，大小-小号，颜色-亮色等。

模块C中，通过以上建模判定，推断出该佩戴者脸型和眼镜在其基础数据库中的元数据位置，其中该基础数据库通过上文所述的方法预先设置。随后，评估模块C根据前面所述的步骤（S31-S34），建立元数据基本数据对比，人脸和眼睛模型的元数据之间会有相应匹配度。通过例如经验值数据，从基础数据库中，获得所有匹配数据的分数和权重，生成评估矩阵。评估模块C重复进行对比操作，将所有元数据的比对关系进行匹配，获得最终的颜值加分值。

最后，评分生成模块D将该值通过可视化的形式告知用户该数据。该模块可以是手机终端，计算机终端，或者是其他具有显示设备的终端。

此外，本发明还包括了用于执行上述方法并在上述***中运行的计算机可执行程序，这些程序以通常的计算机语言进行编写，以便于执行和更新。

以上实施例仅作为实例，不对本发明的范围起到限定作用。本领域技术人员在此基础上，可以在本发明权利要求的保护范围内，预想到能实现相同功能的其它实施方式。例如，根据本发明的方法还能根据评分结果将步骤S3中得到的颜值加分更高的眼镜推荐给佩戴者。同时也能告知佩戴者，类似脸型模型的明星人士，并展现他们佩戴同款眼镜的照片。又例如，该眼镜或所述推荐的眼镜的信息链接至在线商店，佩戴者能在该在线商店中直接购买所述眼镜。此外，根据本发明的方法不仅能用于眼镜还可以用于其他头戴式设备，例如头盔、耳机、口罩等需要在佩戴时候进行评价的头戴式设备。另外，随着科技的发展，眼镜的功能和种类在不断扩展，例如电子眼镜、三维眼镜等，因此本发明中所指的眼镜不局限于传统意义上的眼镜，也包括更广义的眼镜范畴。

本领域技术人员掌握多种实施例及多种变形及改进。尤其是，需明确的是，除明显矛盾或不兼容的情况外，本发明的上述特征、变形方式和/或具体实施例可以相互结合。所有这些实施例及变形及改进都属于本发明的保护范围。

Claims (11)

1.一种用于评估眼镜佩戴者和其所佩戴眼镜搭配度的方法，该方法包括以下步骤：

-生成所述佩戴者的脸部特征数据；

-生成所述眼镜的眼镜特征数据；

-基于所述脸部特征数据，建立佩戴者模型，所述建立佩戴者模型的步骤包括建立佩戴者元数据的步骤，其中所述佩戴者元数据包括：

-关于佩戴者脸型的元数据；

-关于佩戴者眼型的元数据；

-基于所述眼镜特征数据，建立眼镜模型，所述建立眼镜模型的步骤包括建立眼镜元数据的步骤，其中所述眼镜元数据包括眼镜框和镜片的特征；

-比较所述佩戴者模型和所述眼镜模型，评估其两者之间的搭配度，比较所述佩戴者模型和所述眼镜模型，计算评估其两者之间的搭配度的步骤包括：

-在基础数据库中预评估佩戴者模型和眼镜模型；

-在所述基础数据库中比较和计算评估所述佩戴者元数据；

-在所述基础数据库中比较和计算评估所述眼镜元数据；以及

-基于上述步骤生成评估矩阵；

其中，所述基础数据库至少包括通过大数据分析获得的佩戴者模型数据库和眼镜模型数据库，以及当新的佩戴者模型和/或眼镜模型未被收录在所述基础数据库中时，所述基础数据库能通过添加所述新的佩戴者模型和眼镜模型进行升级；以及

-基于搭配度评估结果，生成评分信息，其表示所述眼镜对所述佩戴者的颜值所增加的程度。

2.根据权利要求1所述的方法，其特征在于，生成与佩戴者相关的脸部特征数据的步骤包括：

-获取至少一张佩戴者的影像，其中所述影像是二维或三维影像；

-侦测所述影像中的脸部；以及

-特征化所述佩戴者的脸部特征。

3.根据权利要求1或2所述的方法，其特征在于，所述佩戴者能收到包括至少一个其佩戴所述眼镜的影像并附带相应评分信息的信息。

4.根据权利要求3所述的方法，其特征在于，所述信息能通过社交网站进行分享。

5.根据权利要求3所述的方法，其特征在于，所述佩戴者还能收到带来更高评分的其他眼镜的推荐信息。

6.根据权利要求5所述的方法，其特征在于，所述眼镜或所述推荐的眼镜的信息链接至在线商店，其中所述佩戴者能在所述在线商店中购买上述眼镜。

7.根据权利要求1所述的方法，其特征在于，所述生成评分信息的步骤还包括基于所述评估矩阵创建加权分数的步骤。

8.一种用于评估眼镜佩戴者和其所佩戴眼镜搭配度的***，所述***包括：

-特征数据生成模块，其用于生成所述佩戴者的脸部特征数据，以及生成所述眼镜的眼镜特征数据；

-模型建立模块，其用于基于所述脸部特征数据来建立佩戴者模型，所述模型建立模块包括建立佩戴者元数据，所述佩戴者元数据包括：关于佩戴者脸型的元数据；关于佩戴者眼型的元数据；以及基于所述眼镜特征数据来建立眼镜模型，所述建立眼镜模型包括建立眼镜元数据,所述眼镜元数据包括眼镜框和镜片的特征；

-评估模块，其用于比较所述佩戴者模型和所述眼镜模型，并计算评估其两者之间的搭配度；以及

-评分生成模块，其基于搭配度评估结果，给出所述眼镜对所述佩戴者的颜值所增加程度的评分，

-其中，所述建立眼镜模型的步骤包括建立眼镜元数据的步骤，其中所述眼镜元数据包括眼镜框和镜片的特征；

-所述比较所述佩戴者模型和所述眼镜模型，计算评估其两者之间的搭配度的步骤包括：

-在基础数据库中预评估佩戴者模型和眼镜模型；

-在所述基础数据库中比较和计算评估佩戴者元数据；

-在所述基础数据库中比较和计算评估所述眼镜元数据；以及

-基于上述步骤生成评估矩阵；

-其中，所述基础数据库至少包括通过大数据分析获得的佩戴者模型数据库和眼镜模型数据库，以及当新的佩戴者模型和/或眼镜模型未被收录在所述基础数据库中时，所述基础数据库能通过添加所述新的佩戴者模型和眼镜模型进行升级。

9.根据权利要求8所述的***，其特征在于，所述***还包括影像获取装置，所述影像获取装置用于获取佩戴者的至少一张影像，且所述***还包括显示装置，其显示至少一张展示所述佩戴者佩戴眼镜的影像，并附带显示相应评分。

10.一种用于评估眼镜佩戴者和其所佩戴眼镜搭配度的***，所述***包括:

-用于执行计算机可执行程序的处理器；

-计算机可读存储媒体，所述存储媒体上存储有以下计算机可执行程序:

-生成与所述佩戴者相关的脸部特征数据；

-生成所述眼镜的眼镜特征数据；

-基于所述脸部特征数据，建立佩戴者模型，所述建立佩戴者模型包括建立佩戴者元数据的步骤，所述佩戴者元数据包括：

关于佩戴者脸型的元数据；

关于佩戴者眼型的元数据；

-基于所述眼镜特征数据，建立眼镜模型，所述建立眼镜模型包括建立眼镜元数据的步骤,所述眼镜元数据包括眼镜框和镜片的特征；

-比较所述佩戴者模型和所述眼镜模型，评估其两者之间的搭配度；以及

-基于搭配度评估结果，生成评分信息，其表示所述眼镜对所述佩戴者的颜值所增加的程度，

-其中，所述建立眼镜模型的步骤包括建立眼镜元数据的步骤，其中所述眼镜元数据包括眼镜框和镜片的特征；

-比较所述佩戴者模型和所述眼镜模型，计算评估其两者之间的搭配度的步骤包括：

-在基础数据库中预评估佩戴者模型和眼镜模型；

-在所述基础数据库中比较和计算评估佩戴者元数据；

-在所述基础数据库中比较和计算评估所述眼镜元数据；以及

-基于上述步骤生成评估矩阵；

其中，所述基础数据库至少包括通过大数据分析获得的佩戴者模型数据库和眼镜模型数据库，以及当新的佩戴者模型和/或眼镜模型未被收录在所述基础数据库中时，所述基础数据库能通过添加所述新的佩戴者模型和眼镜模型进行升级。

11.一种用于评估头戴式设备佩戴者和其所戴头戴式设备搭配度的方法，该方法包括以下步骤：

-生成所述佩戴者的脸部特征数据；

-生成所述头戴式设备的特征数据；

-基于所述脸部特征数据，建立佩戴者模型，所述建立佩戴者模型包括建立佩戴者元数据的步骤，所述佩戴者元数据包括：

关于佩戴者脸型的元数据；

关于佩戴者眼型的元数据；

-基于所述头戴式设备特征数据，建立头戴式设备模型，所述建立头戴式设备模型包括建立眼镜元数据的步骤,所述眼镜元数据包括眼镜框和镜片的特征；

-比较所述佩戴者模型和所述头戴式设备模型，评估其两者之间的搭配度，其包括以下步骤：

在基础数据库中预评估佩戴者模型和眼镜模型；

在所述基础数据库中比较和计算评估所述佩戴者元数据；

在所述基础数据库中比较和计算评估所述眼镜元数据；以及

基于上述步骤生成评估矩阵；

其中，所述基础数据库至少包括通过大数据分析获得的佩戴者模型数据库和眼镜模型数据库，以及当新的佩戴者模型和/或眼镜模型未被收录在所述基础数据库中时，所述基础数据库能通过添加所述新的佩戴者模型和眼镜模型进行升级；以及

-基于搭配度评估结果，生成评分信息，其表示所述头戴式设备对所述佩戴者的颜值所增加的程度。