CN112287744A - 实现化妆效果建议的方法与***以及存储介质 - Google Patents
实现化妆效果建议的方法与***以及存储介质 Download PDFInfo
- Publication number
- CN112287744A CN112287744A CN202010676690.8A CN202010676690A CN112287744A CN 112287744 A CN112287744 A CN 112287744A CN 202010676690 A CN202010676690 A CN 202010676690A CN 112287744 A CN112287744 A CN 112287744A
- Authority
- CN
- China
- Prior art keywords
- makeup
- suggestions
- database
- makeup suggestions
- user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Computer Interaction (AREA)
- Biomedical Technology (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种在计算器装置中实现化妆效果建议的方法、实现化妆效果建议的***以及非暂时性计算器可读存储介质。计算器装置用于产生描述化妆效果的数字图像集合且化妆效果代表化妆趋势,以及分析数字图像集合并且提取目标属性。计算器装置建构化妆建议条目的数据库且数据库包括数字图像集合以及所提取的属性,以及从用户接收包括所述用户的脸部图像的查询请求。计算器装置查询数据库并且获得第一数量化妆建议。计算器装置合并第一数量化妆建议中的多个化妆建议以产生第二数量化妆建议,显示第二数量化妆建议中的至少一部分,并且接收来自用户的选择。计算器装置执行对应选择的化妆效果的虚拟应用程序。
Description
技术领域
本发明主张于2019年7月18日提交的美国临时专利申请案第62/875,581号的优先权和权益,该临时申请案的标题为“基于脸部特征和化妆趋势的建议化妆检索***和方法”,该临时申请案之完整内容纳入为本发明专利说明书的一部分以供参照。
本发明涉及一种,特别是涉及一种化妆效果建议***和方法,特别是涉及一种基于化妆趋势和脸部分析来建议化妆效果的***和方法。
背景技术
消费者投入了大量金钱在化妆工具和配件。尽管在线的化妆教学课程随处可得,但要获得与专业化妆人士相同的效果可能是一项挑战,因为针对不同脸部特征的化妆品产品的选择繁多。此外,这类的教学课程中的化妆效果不一定是针对每个人的特定脸部特征来量身订做。
发明内容
一实施例为一在计算器装置中实现化妆效果建议的方法,一计算器装置产生用于描述化妆效果的数字图像集合且化妆效果代表化妆趋势,分析所述数字图像集合,并且提取目标属性。计算器装置建构化妆建议条目的数据库且数据库包括数字图像集合以及所提取的目标属性,以及从用户接收包括用户的脸部图像的查询请求。计算器装置查询数据库并且获得第一数量化妆建议。计算器装置合并在第一数量化妆建议中的多个化妆建议以产生第二数量化妆建议,以及显示第二数量化妆建议中的至少一部分,并且接收来自用户的选择。计算器装置执行对应选择的化妆效果的虚拟应用程序。
另一实施例为一实现化妆效果建议的***,包括存储指令的存储器以及耦合到存储器的处理器。处理器由指令配置为产生描述化妆效果的数字图像集合且化妆效果代表化妆趋势,分析所述数字图像集合,并且提取目标属性。处理器进一步被配置为建构化妆建议条目的数据库且数据库包括数字图像集合以及所提取的目标属性,以及从用户接收包括用户的脸部图像的查询请求。处理器进一步被配置为查询数据库并且获得第一数量化妆建议。处理器进一步被配置为合并在第一数量化妆建议中的多个化妆建议以产生第二数量化妆建议,以及显示第二数量化妆建议中的至少一部分,并且接收来自用户的选择。处理器进一步被配置为执行一对应选择的化妆效果的虚拟应用程序。
另一实施例为一非暂时性计算器可读存储介质,用于存储将由具有处理器的计算器装置实现的指令,其中,当所述指令由所述处理器执行时,会使计算器装置产生描述化妆效果的数字图像集合且化妆效果代表化妆趋势,分析所述数字图像集合,并且提取目标属性。处理器进一步被配置为建构化妆建议条目的数据库且数据库包括数字图像集合以及所提取的目标属性,以及从用户接收包括用户的脸部图像的查询请求。处理器进一步被配置为查询数据库并且获得第一数量化妆建议。处理器进一步被配置为合并在第一数量化妆建议中的多个化妆建议以产生第二数量化妆建议,以及显示第二数量化妆建议中的至少一部分,并且接收来自用户的选择。处理器进一步被配置为执行对应选择的化妆效果的虚拟应用程序。
通过检视以下附图和详细说明,本发明的其他***、方法、特征和优点对于本领域技术人员将是或变得显而易见的。其用意在于将所有这样附加的***、方法、特征和优点包括在本发明的说明书中以及权利范围内,并由所附的权利要求保护。
附图说明
图1是根据本发明的各种实施例中用于在化妆趋势和脸部分析的基础上来建议化妆效果的计算器装置的方块图。
图2是图1的计算器装置的示意图。
图3为图1用于在化妆趋势和脸部分析的基础上来建议化妆效果的计算器装置的一部份功能示例的高阶流程图。
图4示出图1的计算器装置合并在第一数量(N)化妆建议中的化妆建议以产生第二数量(由M表示)化妆建议。
图5示出图1的计算器装置过滤第二数量(M)化妆建议以产生第三数量(用K表示)化妆建议。
具体实施方式
尽管有许多资源可供消费者使用,但要获得与化妆专业人士相同的效果可能是具有挑战性的,因为针对不同脸部特征的化妆品种类繁多。此外,这类教学课程中的化妆效果不一定适合每个人的特定脸部特征。本发明公开了基于用户的特定脸部属性以及当前化妆趋势来动态建议化妆效果的各种实施例。
现在对基于化妆趋势和脸部分析来建议化妆效果的***的描述作说明,接着讨论***内组件的运作。图1是其中可实现本发明的计算器装置102的方块图。计算器装置102可为例如但不限于智能手机、平板计算器,笔记型计算器等来实现的计算器装置。
化妆建议应用程序104在计算器装置102的处理器上执行,并且包括图像处理器106,数据库管理器108,匹配模块110以及化妆效果施用器112。图像处理器106用于编译描绘化妆效果的数字图像集合而描绘化妆效果的图像代表当前的化妆趋势,以及分析数字图像集合并且提取目标属性。在一些实施例中,图像处理器106包括网络爬虫服务,其用于从不同来源提取数字图像,不同来源包括但不限于社交媒体网站和在线相簿等等。
图像处理器106分析数字图像集合,并利用深度神经网络模型来提取目标属性,深度神经网络模型包括与不同人的特性相对应的多个数字图像样本。目标属性可以包括,例如,高维向量,像是d维向量(x1,x2...xd),这些向量用于描述整体脸部特征,标志性脸部特征,脸部特征的大小和形状属性,化妆效果以及发型等等的特性。目标属性表示为d维向量x,其中x是d个实数的序列:
d维向量x用于描述整体脸部特征,标志性脸部特征,脸部特征的大小和形状属性,化妆效果以及发型等的特性。
对于一些实施例,深度神经网络模型被预训练或初始化以区分出对应个人不同特性的脸部。图像处理器106接着通过最小化深度神经网络模型中的每个样本和与个人相同特性相关联的所有数字图像样本的中心之间的距离,以微调所述深度神经网络模型。图像处理器106通过最大化匹配脸部之间的相似度且同时最大化不匹配脸部之间的距离,来进一步微调深度神经网络模型。
本领域普通技术人员将理解的是,数字图像可以以多种格式中的任何一种进行编码,包括但不限于,JPEG(联合图像专家组)文件,TIFF(标签图文件格式)文件,PNG(可移植网络图形格式)文件,GIF(图像互换格式)文件,BMP(位图)文件或许多其他数字格式。可替代地,数字图像可以从包括但不限于运动图像专家组(MPEG)-1,MPEG-2,MPEG-4,H.264,第三代合作伙伴计划(3GPP),3GPP-2,标清视频(SD-Video),高清视频(HD-Video),数字多功能光盘(DVD)多媒体,视频光盘(VCD)多媒体,高清数字多功能光盘(HD-DVD)多媒体,数字电视视频/高清数字电视(DTV/HDTV)多媒体,音频视频交错(AVI),数字视频(DV),QuickTime(QT)文件,窗口媒体视频(WMV),高级***格式(ASF),Real Media(RM),Flash Media(FLV),MPEG音讯层III(MP3),MPEG音讯层II(MP2),波形音频格式(WAV),窗口媒体音频(WMA),360度视频,3D扫描模型或许多其他数字格式的格式编码的视频静止图像中得出。
数据库管理器108依据深度神经网络模型由每个数字图像118提取出的信息,建构出化妆建议120的数据库116,数据库116包括数字图像118的集合以及相关的化妆产品。数据库管理器108进一步从用户产生查询。用户上传其脸部图像至数据库管理器108以发起查询。一旦用户上传了用户脸部的图像,数据库管理器108就会自动进行脸部侦测,并利用初始化的深度神经网络模型从上传的图像中提取脸部特征。
然后,数据库管理器108查询数据库并获得第一数量(由N表示)化妆建议120。当图像处理器106收集每个数字图像118时,数据库116中的每个条目还可以包括时间戳,并且还可以为每个数字图像118存储对应的描述符。对于某些实施例,可以使用分层可通航小世界(HNSW)算法从数据库116中获取第一数量(N)化妆建议120,由此识别出数据库116中用于代表最相似的脸部特征匹配的前N个条目。
匹配模块110接着用于合并在第一数量(N)化妆建议120中的化妆建议120以生成第二数量(用M表示)化妆建议。如果对应的数字图像的成对脸部特征之间的距离小于预定义阈值,则匹配模块110合并化妆建议120。具体来说,如果第k个脸部特征(由f_k表示)相似于第j个脸部特征(由f_j表示),则匹配模块110做出第k个和第j个脸部特征都属于同一特性的假设。基于这些脸部特征之间的相似度,匹配模块110还假设第k个脸部特征和第j个脸部特征的各自化妆效果相似。图4示出了合并第一数量(N)化妆建议120中的化妆建议120以生成第二数量(由M表示)的化妆建议。
匹配模块110不仅通过呈现对应相似图像的化妆建议120或是对应化妆效果的相似组合的化妆建议120,还在呈现给用户的化妆建议120中实现更高的多样性。为此,匹配模块110将相似的成对化妆建议120与对应的脸部特征递归合并或分组,其中成对脸部特征之间的链接距离(f_k和f_j)小于预定义阈值T。预定义阈值T与在先前描述的深度神经网络模型的微调阶段得出的边界设定有关。该边界定义为从给定的脸部特征(特征点)到决策边界的距离。
匹配模块110将具有脸部特征(f_k和f_j)的成对化妆建议120合并在一起,并形成新的群组(由g表示),该新群组包含具有脸部特征(f_k和f_j)的两个化妆建议120。创建具有脸部特征(用f_g表示)的新化妆建议120并将其指定为新形成的群组g的代表性化妆建议120,其中,通过计算出群组g中脸部特征的平均值(平均(f_k,f_j))来创建代表性化妆建议120的新脸部特征f_g。然后,匹配模块110在群组g(f_k和f_j)中随机选择一化妆建议120,并将该随机选择的化妆建议120指定为群组g的代表性化妆建议120,从而避免呈现出相似或冗余的化妆建议120。
用户可以调整用于决定是否合并脸部特征的预定义阈值(T),以调整化妆建议120的多样性程度。例如,如果用户将该预定义阈值T的值设定为零,将导致化妆建议120没有合并或分组。这很可能导致化妆建议120与相似面孔甚至与对应相同特性(即同一个人)的面孔有关。另一方面,如果预定义阈值(T)的值设置得太高,那么与不相似的面孔或与对应不同特性(即不同人)的面孔有关的化妆建议120则可以被合并或分组在一起。这样,用户可以根据需要调整预定义的阈值(T)值,以在化妆建议120中达到所需的多样性程度。
一旦由匹配模块110进行上述的合并或分组操作,就会生成第二数量(由M表示)的化妆建议120,其中,由于合并化妆建议120,第二数量(M)可以小于第一数量(N)。对于一些实施例,第二数量(M)的化妆建议被呈现给用户,其中化妆建议120可以包括,例如,有关与每个化妆建议120相关联的每个图像的参考信息。这样的参考信息可以包括,例如,相关的小短文网址(全球资源寻址器),特定小短文的时间戳,小短文内容(例如评分)等等。
呈现给用户的化妆建议120还可包括化妆分析结果,该化妆分析结果明确指出用于特定脸部特征的特定化妆产品(例如,用于眉毛,眼妆,腮红,唇膏的化妆产品)。呈现给用户的化妆建议120还可以包括与化妆试戴工具包有关的信息,以允许用户实际涂抹选定的化妆产品。
在用户选择其中一化妆建议120之后,化妆效果施用器112用于在用户的数字图像上执行所选的一个或多个化妆效果的虚拟应用程序。对于用户选择多个化妆建议120的情况,用户可以选择要施加的特定化妆效果以及所施加的化妆效果的顺序。一旦所选化妆效果的虚拟应用程序完成,用户便可以捕获屏幕截图,以便与他人分享用户的数字图像。
对于一些实施例,(M)个化妆建议120的列表被进一步缩小以增加用户将选择呈现给用户的一个或多个化妆建议120的可能性,匹配模块110将应用过滤(M)个化妆建议120以生成第三数量(由K表示)的化妆建议。该过滤可以基于用户查询数据库116的时间,用户偏好,以及当前化妆趋势信息等等来进行。对于这样的实施例,将第三数量(K)的化妆建议120呈现给用户,并且接收期望的化妆建议120的选择。图5示出了过滤(M)个化妆建议120以生成第三数量(由K表示)的化妆建议。
图2示出了图1中的计算器装置102的示意性方块图。计算器装置102可以在各种有线和/或无线计算器装置中的任何一种中实施,例如桌上计算器,便携式计算器,专用服务器计算器,多处理器计算器装置,智能手机,平板计算器等等。如图2所示,计算器装置102包括存储器214,处理装置202,多个输入/输出接口204,网络接口206,显示器208,***接口211和大容量存储器226,其中这些组件中的每一个都跨本地数据总线210连接。
处理装置202可包括与计算器装置102相关的几个处理器中的任何定制的或商用的处理器,中央处理器(CPU)或协处理器,基于半导体的微处理器(以微芯片的形式),宏处理器,一个或多个专用集成电路(ASICs),多个适当配置的数字逻辑闸以及其他众所周知的电气配置,这些电气配置包括离散组件,这些离散组件既可以单独也可以以各种组合的形式来协调计算器***的整体操作。
存储器214可以包括易失性存储组件(例如,随机存取存储器(RAM,像是DRAM和SRAM等))和非易失性存储组件(例如,ROM,硬盘驱动器,磁带,CDROM)的组合中的任何一种。存储器214通常包括本机操作***216,一个或多个本机应用程序,或是用于各种操作***和/或仿真硬件平台的仿真***,仿真操作***等等。例如,这些应用可以包括专用软件,该专用软件可以包括图1所示的计算器装置102的一些或全部组件。根据这样的实施例,组件被存储在存储器214中并由处理装置202执行,从而使处理装置202进行本发明公开的操作/功能。本领域的普通技术人员将理解,存储器214可以并且通常将包括其他组件,而这些其他组件为简洁起见而被省略。对于一些实施例,计算器装置102中的组件可以通过硬件和/或软件来实施。
输入/输出接口204为数据的输入和输出提供任何数量的接口。例如,在计算设备102包括个人计算器的情况下,这些组件可以与一个或多个用户输入/输出接口204相连接,这些组件可以包括键盘或鼠标,如图2所示。显示器208可以包括计算器监视器,用于个人计算器(PC)的等离子屏幕,手持式装置,触摸屏或其他显示设备上的液晶显示器(LCD)。
在本发明的说明书中,非暂时性计算器可读介质存储由指令执行***,装置或设备使用或与其结合使用的程序。计算器可读介质的更具体的示例可以包括但不限于:便携式计算器磁盘,随机存取存储器(RAM),只读存储器(ROM),可擦可编程只读存储器(EPROM),EEPROM或闪存)和便携式光盘只读存储器(CDROM)(光学)。
参阅图3所示,图3是基于由图1的计算器装置102执行的化妆趋势和脸部分析来建议化妆效果的各种实施例的流程图300。可以理解的是,图3的流程图300仅提供了不同类型的功能布置的示例,其可以用来实现计算器装置102的各个组件的操作。替代地,图3的流程图300可以被视为描述了根据一个或多个实施例的在计算设备102中实现的方法的步骤示例。
尽管图3的流程图300示出了特定的执行顺序,但是应当理解,执行顺序可以与所描述的顺序不同。例如,两个或更多个方块的执行顺序可以相对于所示顺序而被拼凑。而且,图3中连续示出的两个或更多方框可以同时执行或部分同时执行。应当理解,所有这样的变化都在本发明的范围内。
在方块310,计算器装置102产生描述代表当前化妆趋势的化妆效果的数字图像集合,并且分析数字图像集合并提取目标属性。对于一些实施例,数字图像集合是利用网络爬虫服务来产生,其中,网络爬虫服务是从社交媒体网站提取至少一些数字图像。
在方块320,计算器装置102分析数字图像集合,并利用深度神经网络模型来提取目标属性,该深度神经网络模型包括与不同人的特性相对应的多个样本。目标属性可以包括,例如高维向量,用来描述整体脸部特征,标志性脸部特征,脸部特征的大小和形状属性,化妆效果,发型等等的特色。
对于一些实施例,深度神经网络模型被预训练或初始化以区分对应个人不同特性的面孔。然后,计算器装置102通过最小化深度神经网络模型中的每个样本和与个人相同特性相关联的所有数字图像样本的中心之间的距离,以微调所述深度神经网络模型。计算器装置102还通过最大化匹配的脸部之间的相似度,同时最大化不匹配的脸部之间的距离,来微调深度神经网络模型。
在方块330,计算器装置102构建条目的数据库116(图1),该条目包括数字图像118集合和所提取属性。对于一些实施例,数据库116中的每个条目还可以包括当收集每个数字图像118时的时间戳。还可以为每个数字图像118存储对应的描述符。在方块340,计算器装置102接收由用户上载用户脸部的图像而产生的查询。在方块350,计算器装置102查询数据库并获得第一数量的化妆建议120。
在方块360,计算器装置102合并在第一数量建议120(图1)中的建议以生成第二数量的建议。对于一些实施例,计算器装置102通过对满足相似度阈值的数据库116中的脸部进行分组,来合并化妆建议以生成第二数量的化妆建议,并且针对脸部的每一个分组,随机地选择单一个脸部作为代表脸部。对于一些实施例,数据库116中的每个脸部描述了相应的化妆效果,并且计算器装置102通过对描述表现出相似度阈值的化妆效果的脸部分组为相同类别,并且计算每个类别的平均值以产生每个类别的代表值,进而将数据库中的脸部分组。对于一些实施例,第二数量的化妆建议中的每一个可以包括社交媒体信息和/或建议的化妆产品。
在方块370,计算器装置102显示第二数量的化妆建议的至少一部分,并接收用户的选择。在方块380,计算器装置102执行与该选择相对应的化妆效果的虚拟应用程序。之后,图3的处理结束。
对于一些实施例,计算器装置102可以进一步用于过滤第二数量的化妆品建议,以生成第三数量的化妆建议,其中第二数量的化妆建议的显示的部分包括第三数量的化妆建议。对于这样的实施例,计算器装置102通过基于与查询请求相关的时间戳、用户偏好以及当前的化妆趋势在第二数量的化妆建议中优先排序,来过滤第二数量的化妆建议以生成第三数量的化妆建议。
应强调的是,上述本发明所公开的实施例仅仅是为了清楚地理解本发明的原理而提出的实施方式的可能示例。可在基本上不脱离本发明的精神和原理的情况下对上述实施例进行许多变化和修改。所有这些修改和变型意在被包括在本发明的范围内,并由所附权利要求书保护。
Claims (20)
1.一种在计算器装置中实现化妆效果建议的方法,其特征在于,所述方法包括:
产生一用于描述化妆效果的数字图像集合,所述化妆效果代表化妆趋势;
分析所述数字图像集合,并且提取目标属性;
建构一化妆建议条目的数据库,所述数据库包括所述数字图像集合以及所提取的所述目标属性;
从一用户接收一包括所述用户的脸部图像的查询请求;
查询所述数据库并且获得一第一数量化妆建议;
合并在所述第一数量化妆建议中的多个化妆建议以产生一第二数量化妆建议;
显示所述第二数量化妆建议中的至少一部分,并且接收来自所述用户的选择;以及.
执行一对应所述选择的化妆效果的虚拟应用程序。
2.根据权利要求1所述的方法,其特征在于,所述方法进一步包括:过滤所述第二数量化妆建议,以产生一第三数量化妆建议,其中显示出的所述第二数量化妆建议的所述至少一部分包括所述第三数量的化妆建议。
3.根据权利要求2所述的方法,其特征在于,过滤所述第二数量化妆建议以产生所述第三数量化妆建议包括:
根据以下至少一项对所述第二数量化妆建议进行优先排序:与查询请求相关的时间戳、用户偏好以及当前的化妆趋势。
4.根据权利要求1所述的方法,其特征在于,利用一网络爬虫服务执行所述数字图像集合的产生,其中,所述网络爬虫服务从社交媒体网站提取至少一些所述数字图像。
5.根据权利要求1所述的方法,其特征在于,利用一深度神经网络模型执行所述数字图像集合的分析,并且提取所述目标属性,其中所述目标属性包括一高维向量。
6.根据权利要求5所述的方法,其特征在于,所述高维向量包括以下至少一种表示:脸部轮廓、发型、头发颜色、头部形状、脸部特征的大小和形状以及化妆效果。
7.根据权利要求5所述的方法,其特征在于,所述方法进一步包括:
预训练所述深度神经网络模型,以区分出对应个人不同特性的脸部;
通过最小化每个样本与具有一相同特性的所有样本的中心之间的距离,以微调所述深度神经网络模型;以及
通过最大化匹配脸部之间的相似度和最大化不匹配脸部之间的距离来微调所述深度神经网络模型。
8.根据权利要求1所述的方法,其特征在于,所述数据库中的每个所述条目进一步包括一当收集每个所述数字图像时的时间戳以及一描述符。
9.根据权利要求1所述的方法,其特征在于,合并所述化妆建议以产生所述第二数量化妆建议包括:
在所述数据库中对满足一相似度阈值的脸部进行分组;以及
对于所述每组脸部,随机选择一个脸部作为代表脸部。
10.根据权利要求9所述的方法,其特征在于,所述数据库中的每个所述脸部都描绘了一相对应的化妆效果。
11.根据权利要求10所述的方法,其特征在于,对所述数据库中的所述脸部进行分组包括:
将表现出所述阈值相似度的化妆效果的脸部归为一相同类别;以及
计算每个所述类别的平均值,以产生每个所述类别的代表值。
12.根据权利要求1所述的方法,其特征在于,所述第二数量化妆建议中的每一个包括以下至少一项:
社交媒体信息;以及
建议的化妆产品。
13.一种实现化妆效果建议的***,其特征在于,所述***包括:
一存储指令的存储器;
一耦合到所述存储器的处理器,且所述处理器由所述指令配置为至少:
产生一描述化妆效果的数字图像集合,所述化妆效果代表化妆趋势;
分析所述数字图像集合,并且提取目标属性;
建构一化妆建议条目的数据库,所述数据库包括所述数字图像集合以及所提取的所述目标属性;
从一用户接收一包括所述用户的脸部图像的查询请求;
查询所述数据库并且获得一第一数量化妆建议;
合并在所述第一数量化妆建议中的多个化妆建议以产生一第二数量化妆建议;
显示所述第二数量化妆建议中的至少一部分,并且接收来自所述用户的选择;以及
执行一对应所述选择的所述化妆效果的虚拟应用程序。
14.根据权利要求13所述的***,其特征在于,进一步配置所述处理器为过滤所述第二数量化妆建议,以产生一第三数量化妆建议,其中显示出的所述第二数量化妆建议的所述至少一部分包括所述第三数量化妆建议。
15.根据权利要求14所述的***,其特征在于,所述处理器根据以下至少一项对所述第二数量化妆建议进行优先排序:与查询请求相关的时间戳、用户偏好以及当前的化妆趋势,来过滤所述第二数量化妆建议以产生所述第三数量化妆建议。
16.根据权利要求13所述的***,其特征在于,所述处理器在所述数据库中对满足一相似度阈值的脸部进行分组,以及对于每组所述脸部,随机选择一个所述脸部作为代表脸部,来合并所述化妆建议以产生所述第二数量化妆建议。
17.一种非暂时性计算器可读存储介质,其特征在于,所述非暂时性计算器可读存储介质用于存储将由具有一处理器的一计算器装置实现的指令,其中,当所述指令由所述处理器执行时,会使所述计算器装置至少:
产生一描述化妆效果的数字图像集合,所述化妆效果代表化妆趋势;
分析所述数字图像集合,并且提取目标属性;
建构一化妆建议条目的数据库,所述数据库包括所述数字图像集合以及所提取的所述目标属性;
从一用户接收一包括所述用户的脸部图像的查询请求;
查询所述数据库并且获得一第一数量化妆建议;
合并在所述第一数量化妆建议中的多个化妆建议以产生一第二数量化妆建议;
显示所述第二数量化妆建议中的至少一部分,并且接收来自所述用户的选择;以及
执行一对应所述选择的化妆效果的虚拟应用程序。
18.根据权利要求17所述的非暂时性计算器可读存储介质,其特征在于,进一步配置所述处理器为过滤所述第二数量化妆建议,以产生一第三数量化妆建议,其中显示出的所述第二数量化妆建议的所述至少一部分包括所述第三数量的化妆建议。
19.根据权利要求18所述的非暂时性计算器可读存储介质,其特征在于,所述处理器根据以下至少一项对所述第二数量化妆建议进行优先排序:与查询请求相关的时间戳、用户偏好以及当前的化妆趋势,来过滤所述第二数量化妆建议以产生所述第三数量化妆建议。
20.根据权利要求17所述的非暂时性计算器可读存储介质,其特征在于,所述处理器在所述数据库中对满足一相似度阈值的脸部进行分组,以及对于每组所述脸部,随机选择一个所述脸部作为代表脸部,来合并所述化妆建议以产生所述第二数量化妆建议。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962875581P | 2019-07-18 | 2019-07-18 | |
US62/875,581 | 2019-07-18 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112287744A true CN112287744A (zh) | 2021-01-29 |
Family
ID=74420208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010676690.8A Pending CN112287744A (zh) | 2019-07-18 | 2020-07-14 | 实现化妆效果建议的方法与***以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112287744A (zh) |
-
2020
- 2020-07-14 CN CN202010676690.8A patent/CN112287744A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10043109B1 (en) | Attribute similarity-based search | |
EP3491963A1 (en) | Systems and methods for identification and virtual application of cosmetic products | |
JP2018152094A (ja) | 画像ベース検索 | |
US11704357B2 (en) | Shape-based graphics search | |
US11978242B2 (en) | Systems and methods for improved facial attribute classification and use thereof | |
US11039676B2 (en) | System and method for selecting or recommending skincare, haircare, beauty or fashion products | |
US20230071930A1 (en) | Augmented reality experiences of color palettes in a messaging system | |
CN111814620A (zh) | 人脸图像质量评价模型建立方法、优选方法、介质及装置 | |
KR102668172B1 (ko) | 메시징 시스템에서의 증강 현실 경험을 위한 물리적 제품들의 식별 | |
US20210312533A1 (en) | Identification of physical products for augmented reality experiences in a messaging system | |
US20210312678A1 (en) | Generating augmented reality experiences with physical products using profile information | |
CN111967924A (zh) | 商品推荐方法、商品推荐装置、计算机设备和介质 | |
EP3767575A1 (en) | Systems and methods for recommendation of makeup effects based on makeup trends and facial analysis | |
EP3572973A1 (en) | Systems and methods for performing virtual application of makeup effects based on a source image | |
Lu et al. | Aesthetic guided deep regression network for image cropping | |
US20220164382A1 (en) | Customized selection of video thumbnails to present on social media webpages | |
KR102594093B1 (ko) | 딥러닝 기술을 활용한 피부과 시술 추천 시스템 및 방법 | |
CN115130493A (zh) | 基于图像识别的面部形变推荐方法、装置、设备和介质 | |
JP2023531265A (ja) | 空間認識条件付きganによる高解像度で制御可能な顔のエージング | |
Becerra-Riera et al. | Exploring local deep representations for facial gender classification in videos | |
CN112287744A (zh) | 实现化妆效果建议的方法与***以及存储介质 | |
JP6794740B2 (ja) | プレゼンテーション資料生成装置、プレゼンテーション資料生成システム、コンピュータプログラム及びプレゼンテーション資料生成方法 | |
Ayush | Context aware recommendations embedded in augmented viewpoint to retarget consumers in v-commerce | |
US20220358786A1 (en) | System and method for personality prediction using multi-tiered analysis | |
JPWO2022002961A5 (zh) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |