CN112801734A - 一种基于智能化妆镜的美妆推送方法及*** - Google Patents
一种基于智能化妆镜的美妆推送方法及*** Download PDFInfo
- Publication number
- CN112801734A CN112801734A CN202110050858.9A CN202110050858A CN112801734A CN 112801734 A CN112801734 A CN 112801734A CN 202110050858 A CN202110050858 A CN 202110050858A CN 112801734 A CN112801734 A CN 112801734A
- Authority
- CN
- China
- Prior art keywords
- makeup
- data
- target
- user
- beauty
- 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
- 239000002537 cosmetic Substances 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000003796 beauty Effects 0.000 claims abstract description 95
- 230000001815 facial effect Effects 0.000 claims abstract description 38
- 238000004458 analytical method Methods 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims description 18
- 238000011156 evaluation Methods 0.000 claims description 17
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000011282 treatment Methods 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 9
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 210000000697 sensory organ Anatomy 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000002087 whitening effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0641—Shopping interfaces
- G06Q30/0643—Graphical representation of items or shoppers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0623—Item investigation
- G06Q30/0625—Directed, with specific intent or strategy
-
- 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
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种基于智能化妆镜的美妆推送方法及***,其中,方法包括:获取用户目标着装及目标妆容需求;采集用户面部信息并进行分析,且根据分析结果、所述目标着装及目标妆容需求从预设化妆数据库中匹配相关美容美妆向用户进行推送;基于所述美容美妆,匹配相对应的化妆步骤;基于所述化妆步骤,在智能化妆镜显示的人脸图像上叠加化妆操作提示图像,帮助用户完成化妆操作。通过获取用户的着装以及妆容需求,准确的匹配出适合用户的美容美妆,并向用户推送相应的化妆步骤以及化妆操作提示图像,帮助用户快速准确的完成化妆操作。
Description
技术领域
本发明涉及虚拟化妆技术领域,特别涉及一种基于智能化妆镜的美妆推送方法及***。
背景技术
随着社会物质生活水平的日益提高,越来越多的人开始关注自己的精神面貌,使得镜子成为人们居家生活的必需物品。且为了改善面貌、提升气质,各类化妆品也成为人们必不可少的日用品。但人们有时化的妆容并不适合自身着装,或者因为化妆步骤操作不当,又需要重新化妆。
因此,本发明提供一种基于智能化妆镜的美妆推送方法及***,用以解决通过获取用户的着装以及妆容需求,准确的匹配出适合用户的美容美妆,并向用户推送相应的化妆步骤以及化妆操作提示图像,帮助用户快速准确的完成化妆操作。
发明内容
本发明提供一种基于智能化妆镜的美妆推送方法及***,用以根据用户着装以及妆容需求快速准确的匹配出合适的美容美妆,并向用户推送相应的化妆步骤以及化妆操作提示图像,帮助用户准确快速的完成化妆操作。
本发明提供一种基于智能化妆镜的美妆推送方法,包括:
步骤1:获取用户目标着装及目标妆容需求;
步骤2:采集用户面部信息并进行分析,且根据分析结果、所述目标着装及目标妆容需求从预设化妆数据库中匹配相关美容美妆向用户进行推送;
步骤3:基于所述美容美妆,匹配相对应的化妆步骤;
步骤4:基于所述化妆步骤,在智能化妆镜显示的人脸图像上叠加化妆操作提示图像,帮助用户完成化妆操作。
优选的,一种基于智能化妆镜的美妆推送方法,步骤1中,获取用户目标着装及目标妆容需求,包括:
获取目标着装以及目标妆容需求包括手动输入和语音输入;
采用手动输入时,用户调取输入键盘,并基于所述输入键盘手动输入目标着装以及目标妆容相对应的文字描述;
采用语音输入时,获取用户语音信息,并提取所述语音信息中的N个关键信息;
所述N用来表示关键信息的个数;
将所述N个关键信息分别输入与所述N个关键信息一一对应的N个训练模型中进行信息转换,得到所述N个关键信息相对应的转换结果;
将所述N个关键信息相对应的转换结果进行融合得到用户的目标着装以及目标妆容需求。
优选的,一种基于智能化妆镜的美妆推送方法,步骤2中,采集用户面部信息并进行分析,且根据分析结果、所述目标着装及目标妆容需求从预设化妆数据库中匹配相关美容美妆向用户进行推送,包括:
获取用户面部的正脸图像,并构建三维人脸模型库;
通过预先训练好的深度神经网络选取所述正脸图像中的多个特征点,并提提取所述正脸图像中的人脸轮廓;
获取所述多个特征点与用户人脸轮廓的水平距离值;
根据所述水平距离值之间的比值关系从所述三维人脸模型库确定所述正脸图像相对应的脸型数据;
同时,基于所述预先训练好的深度神经网络对所述用户面部的正脸图像进行肤色提取,得到用户的面部肤色数据;
获取用户的目标着装及目标妆容需求;
将所述脸型数据、肤色数据、用户的目标着装及目标妆容需求作为用户的目标参考数据;
基于所述目标参考数据从预设化妆数据库中查找与目标参考数据相匹配的美容美妆;
获取所述美容美妆的属性信息,同时获取所述美容美妆的属性信息相对应的数据一致性比较语义库;
所述数据一致性比较语义库中包括各项评估指标,其中,各项评估指标用来评估所述美容美妆的属性信息与所述目标参考数据相对应的各项指标的一致性;
基于各项评估指标相对应的数据处理算法,对与所述目标参考数据的各项评估指标对应的美容美妆的属性信息进行处理,得到各项评估指标相对应的处理结果;
将各项处理结果与预设阈值进行比较;
若各项处理结果大于或者等于所述预设阈值,判定所述美容美妆的属性信息与所述目标参考数据一致,并将所述美容美妆推送给用户;
否则,判定所述美容美妆的属性信息与所述目标参考数据存在差异,并重新依据所述目标参考数据匹配相适应的美容美妆,直至各项处理结果大于或者等于所述预设阈值。
优选的,一种基于智能化妆镜的美妆推送方法,步骤3中,基于所述美容美妆,匹配相对应的化妆步骤,包括:
获取所述美容美妆,并提取所述美容美妆对应的化妆步骤;
对所述化妆步骤进行标号;
其中标号顺序为由小到大;
基于标号将所述化妆步骤推送给用户。
优选的,一种基于智能化妆镜的美妆推送方法,步骤4中,在智能化妆镜显示的人脸图像上叠加化妆操作提示图像,包括:
获取所述人脸图像信息,且所述人脸图像信息包括像素透明度;
同时,获取所述人脸图像中待叠加图像区域的标识信息;
其中,所述待叠加图像区域的标识信息包括所述待叠加图像区域的的尺寸信息以及人脸五官的位置信息;
获取所述化妆操作提示图像,并提取所述化妆操作提示图像的像素透明度、尺寸信息以及与人脸五官的位置信息;
基于所述素透明度、尺寸信息以及人脸五官的位置信息判断所述化妆操作提示图像是否满足图像叠加条件;
所述叠加条件包括所述化妆操作提示图像的像素透明度大于或者等于所述人脸图像信息包括像素透明度,以及所述化妆操作提示图像的尺寸信息和人脸五官的位置信息与所述人脸图像的尺寸信息以及人脸五官的位置信息相匹配;
若满足叠加条件,将所述人脸图像与化妆操作提示图像进行叠加;
否则,对所述化妆操作提示图像的进行像素透明度、尺寸信息以及人脸五官的位置信息进行调整,直至满足叠加条件。
优选的,一种基于智能化妆镜的美妆推送方法,将所述人脸图像与化妆操作提示图像进行叠加,还包括:
获取美容美妆对应的化妆步骤标号;
基于所述化妆步骤标号,所述化妆操作提示图像依据所述化妆步骤标号进行依次叠加,且与化妆步骤中要求用户在脸部上实施化妆动作的位置相对应。
优选的,一种基于智能化妆镜的美妆推送方法,步骤4中,帮助用户完成化妆操作,还包括:
用户完成化妆后,获取用户的妆容照片并进行保存;
当用户需要补妆时,重新获取用户的当前人脸图像,并调出保存的用户的妆容照片;
将所述用户的当前人脸图像与所述妆容照片进行差异分析,得到分析结果;
基于分析结果,帮助用户完成补妆操作。
优选的,一种基于智能化妆镜的美妆推送方法,基于所述目标参考数据从预设化妆数据库中查找与目标参考数据相匹配的美容美妆,还包括:
获取用户面部信息的分析结果;
其中,所述分析结果包括用户的脸型数据以及肤色数据;
获取用户的目标着装以及妆容需求对应的数据;
将所述脸型数据、肤色数据、用户的目标着装数据及目标妆容需求数据作为用户的目标参考数据;
计算所述目标参考数据的综合特征值,并根据所述综合特征值计算所述目标参考数据与预设化妆数据库查找到的美容美妆对应的化妆数据的匹配度,具体包括:
根据如下公式计算所述目标参考数据的综合特征值:
其中,α表示目标参考数据的综合特征值;δ表示所述目标参考数据中脸型数据、肤色数据、目标着装数据及目标妆容需求数据的均值和;μ表示所述目标参考数据中脸型数据、肤色数据、目标着装数据及目标妆容需求数据的方差值之和;ρ表示所述目标参考数据中脸型数据、肤色数据、目标着装数据及目标妆容需求数据的权重之和;表示所述目标参考数据脸型数据、肤色数据、目标着装数据及目标妆容需求数据的极值之和;
根据如下公式计算所述目标参考数据与美容美妆对应的化妆数据的匹配度:
其中,β表示所述目标参考数据与美容美妆对应的化妆数据的匹配度,且取值范围为(0,1];α表示所述目标参考数据的综合特征值;σ表示所述目标参考数据与美容美妆对应的化妆数据的拟合率;τ表示所述目标参考数据中脸型数据与美容美妆对应的化妆数据的相似度值;q表示所述目标参考数据中肤色数据与美容美妆对应的化妆数据的相似度值;m表示所述目标参考数据中目标着装数据与美容美妆对应的化妆数据的相似度值;n表示所述目标参考数据中目标妆容需求数据与美容美妆对应的化妆数据的相似度值;ω表示匹配系数;λ表示所允许的最大误差率;μ表示所述目标参考数据中脸型数据、肤色数据、目标着装数据及目标妆容需求数据的方差值之和;ζ表示美容美妆对应的化妆数据的方差值;
将计算得到的匹配度与预设匹配度进行计算;
若所述匹配度大于或者等于所述预设匹配度,则将匹配到的美容美妆对应的化妆数据推送至用户;
否则,重新依据所述目标参考数据进行再次匹配,直至所述匹配度大于或者等于所述预设匹配度。
本发明提供一种基于智能化妆镜的美妆推送***,包括:
数据获取单元,用于获取用户目标着装及目标妆容需求;
数据分析单元,用于采集用户面部信息并进行分析,且根据分析结果、所述目标着装及目标妆容需求从预设化妆数据库中匹配相关美容美妆向用户进行推送;
数据匹配单元,用于基于所述美容美妆,匹配相对应的化妆步骤;
图像叠加单元,用于基于所述化妆步骤,在智能化妆镜显示的人脸图像上叠加化妆操作提示图像,帮助用户完成化妆操作。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种基于智能化妆镜的美妆推送方法的流程图;
图2为本发明实施例中一种基于智能化妆镜的美妆推送***的结构图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1:
本实施例提供了一种基于智能化妆镜的美妆推送方法,如图1所示,包括:
步骤1:获取用户目标着装及目标妆容需求;
步骤2:采集用户面部信息并进行分析,且根据分析结果、所述目标着装及目标妆容需求从预设化妆数据库中匹配相关美容美妆向用户进行推送;
步骤3:基于所述美容美妆,匹配相对应的化妆步骤;
步骤4:基于所述化妆步骤,在智能化妆镜显示的人脸图像上叠加化妆操作提示图像,帮助用户完成化妆操作。
该实施例中,目标着装指的是用户自身搭配穿着的衣服。
该实施例中,目标妆容需求指的是用户自身对妆容的需要,例如眼影的颜色、口红的色号。
该实施例中,预设化妆数据库是预先设定好的,里面包含多种美容美容以及对应的化妆步骤。
该实施例中,化妆操作提示图像是动态的,用于和人脸图像进行叠加,但不会影响用户的化妆操作,是用来引导用户如何进行化妆。
上述技术方案的有益效果是:通过获取用户的着装以及妆容需求,准确的匹配出适合用户的美容美妆,并向用户推送相应的化妆步骤以及化妆操作提示图像,帮助用户快速准确的完成化妆操作。
实施例2:
在上述实施例1的基础上,本实施例提供了一种基于智能化妆镜的美妆推送方法,步骤1中,获取用户目标着装及目标妆容需求,包括:
获取目标着装以及目标妆容需求包括手动输入和语音输入;
采用手动输入时,用户调取输入键盘,并基于所述输入键盘手动输入目标着装以及目标妆容相对应的文字描述;
采用语音输入时,获取用户语音信息,并提取所述语音信息中的N个关键信息;
所述N用来表示关键信息的个数;
将所述N个关键信息分别输入与所述N个关键信息一一对应的N个训练模型中进行信息转换,得到所述N个关键信息相对应的转换结果;
将所述N个关键信息相对应的转换结果进行融合得到用户的目标着装以及目标妆容需求。
该实施例中,关键信息指的是用户语音中涉及妆容需求的词,例如:口红色号选用经典正红。
该实施例中,转换结果指的是将语音信息转换为相应的数据信息,该数据信息便于化妆镜进行信息处理识别。
上述技术方案的有益效果是:通过手动输入与语音输入两种方式获取用户要求,并对用户要求进行解析,提高了用户的使用体验,同时,提高了化妆镜根据用户要求匹配美容美妆的准确性,便于快速找到适合用户的美容美妆。
实施例3:
在上述实施例1的基础上,本实施例提供了一种基于智能化妆镜的美妆推送方法,步骤2中,采集用户面部信息并进行分析,且根据分析结果、所述目标着装及目标妆容需求从预设化妆数据库中匹配相关美容美妆向用户进行推送,包括:
获取用户面部的正脸图像,并构建三维人脸模型库;
通过预先训练好的深度神经网络选取所述正脸图像中的多个特征点,并提提取所述正脸图像中的人脸轮廓;
获取所述多个特征点与用户人脸轮廓的水平距离值;
根据所述水平距离值之间的比值关系从所述三维人脸模型库确定所述正脸图像相对应的脸型数据;
同时,基于所述预先训练好的深度神经网络对所述用户面部的正脸图像进行肤色提取,得到用户的面部肤色数据;
获取用户的目标着装及目标妆容需求;
将所述脸型数据、肤色数据、用户的目标着装及目标妆容需求作为用户的目标参考数据;
基于所述目标参考数据从预设化妆数据库中查找与目标参考数据相匹配的美容美妆;
获取所述美容美妆的属性信息,同时获取所述美容美妆的属性信息相对应的数据一致性比较语义库;
所述数据一致性比较语义库中包括各项评估指标,其中,各项评估指标用来评估所述美容美妆的属性信息与所述目标参考数据相对应的各项指标的一致性;
基于各项评估指标相对应的数据处理算法,对与所述目标参考数据的各项评估指标对应的美容美妆的属性信息进行处理,得到各项评估指标相对应的处理结果;
将各项处理结果与预设阈值进行比较;
若各项处理结果大于或者等于所述预设阈值,判定所述美容美妆的属性信息与所述目标参考数据一致,并将所述美容美妆推送给用户;
否则,判定所述美容美妆的属性信息与所述目标参考数据存在差异,并重新依据所述目标参考数据匹配相适应的美容美妆,直至各项处理结果大于或者等于所述预设阈值。
该实施例中,特征点是选取用户面部五官处具有显著特征的点,例如笔尖、眼角等。
该实施例中,特征点与用户人脸轮廓的水平距离值指的是特征点距离人脸轮廓两边的距离,例如左眼角距离人脸左边轮廓为2cm,距离人脸右边轮廓为13cm。
该实施例中,目标参考数据用来代表用户的要求相对应的数据,该数据里面包含目标着装、妆容需求、脸型数据、肤色数据。
该实施例中,美容美妆的属性信息指的是该美容美容所涉及的各项参数信息,例如美白指数为5、修容指数为3。
该实施例中,数据一致性比较语义库是预先设定好的,用来为数据进行一致性比较提高参数依靠。
该实施例中,预设阈值指的是能够代表数据一致性的评判标准,例如取值可以是(10,15),超出此区间则不符合一致性要求。
上述技术方案的有益效果是:通过获取人脸面部的特征点从而确定用户的脸型,并且提取用户的肤色数据,最终根据脸型、肤色、着装等数据匹配合适的美容美妆,且将匹配后的美容美妆信息与用户要求数据进行一致性比较,提高了化妆镜匹配美容美妆的准确度,便于精准查找到用户需求的美容美妆。
实施例4:
在上述实施例1的基础上,本实施例提供了一种基于智能化妆镜的美妆推送方法,步骤3中,基于所述美容美妆,匹配相对应的化妆步骤,包括:
获取所述美容美妆,并提取所述美容美妆对应的化妆步骤;
对所述化妆步骤进行标号;
其中标号顺序为由小到大;
基于标号将所述化妆步骤推送给用户。
上述技术方案的有益效果是:获取美容美妆对应的化妆步骤,为用户在化妆师提供了便利,便于用户根据化妆步骤快速完成心仪妆容的装扮。
实施例5:
在上述实施例1的基础上,本实施例提供了一种基于智能化妆镜的美妆推送方法,步骤4中,在智能化妆镜显示的人脸图像上叠加化妆操作提示图像,包括:
获取所述人脸图像信息,且所述人脸图像信息包括像素透明度;
同时,获取所述人脸图像中待叠加图像区域的标识信息;
其中,所述待叠加图像区域的标识信息包括所述待叠加图像区域的的尺寸信息以及人脸五官的位置信息;
获取所述化妆操作提示图像,并提取所述化妆操作提示图像的像素透明度、尺寸信息以及与人脸五官的位置信息;
基于所述素透明度、尺寸信息以及人脸五官的位置信息判断所述化妆操作提示图像是否满足图像叠加条件;
所述叠加条件包括所述化妆操作提示图像的像素透明度大于或者等于所述人脸图像信息包括像素透明度,以及所述化妆操作提示图像的尺寸信息和人脸五官的位置信息与所述人脸图像的尺寸信息以及人脸五官的位置信息相匹配;
若满足叠加条件,将所述人脸图像与化妆操作提示图像进行叠加;
否则,对所述化妆操作提示图像的进行像素透明度、尺寸信息以及人脸五官的位置信息进行调整,直至满足叠加条件。
该实施例中,像素透明度指的是用来表示图像透明程度的一种参数,化妆操作提示图像不能影响用户在化妆镜上的人脸图像,故需像素透明度较高。
该实施例中,待叠加图像区域的标识信息指的是用来表示用户五官的标签信息,便于依据标签信息快速完成化妆操作提示图像与人脸图像的准确叠加。
上述技术方案的有益效果是:通过确定图像像素透明度以及叠加图像区域的标识信息,准确判断是否满足图像叠加条件,提高了操作提示图像与人脸图像叠加时的准确度,便于准确的帮助用户完成化妆操作。
实施例6:
在上述实施例5的基础上,本实施例提供了一种基于智能化妆镜的美妆推送方法,将所述人脸图像与化妆操作提示图像进行叠加,还包括:
获取美容美妆对应的化妆步骤标号;
基于所述化妆步骤标号,所述化妆操作提示图像依据所述化妆步骤标号进行依次叠加,且与化妆步骤中要求用户在脸部上实施化妆动作的位置相对应。
该实施例中,化妆步骤中要求用户在脸部上实施化妆动作的位置相对应指的是化妆操作提示图像与化妆步骤一一对应,且人脸图像与化妆操作提示图像相重合,用于可根据化妆操作提示图像上显示的化妆方法完成自己的妆容打扮。
上述技术方案的有益效果是:通过获取化妆步骤标号顺序,便于化妆操作提示图像根据化妆步骤进行顺序叠加,便于用于根据步骤和化妆操作提示图像依次完成自己妆容的打扮,提高了用户化妆的准确度。
实施例7:
在上述实施例1的基础上,本实施例提供了一种基于智能化妆镜的美妆推送方法,步骤4中,帮助用户完成化妆操作,还包括:
用户完成化妆后,获取用户的妆容照片并进行保存;
当用户需要补妆时,重新获取用户的当前人脸图像,并调出保存的用户的妆容照片;
将所述用户的当前人脸图像与所述妆容照片进行差异分析,得到分析结果;
基于分析结果,帮助用户完成补妆操作。
该实施例中,差异分析指的是将用户前后两张照片进行比对,找出两张照片的不同之处。
上述技术方案的有益效果是:通过将用户首次化妆完成的照片进行保存,便于用户根据首次完成的妆容照片进行补妆操作,为用户化妆提供了便利。
实施例8:
在上述实施例3的基础上,本实施例提供了一种基于智能化妆镜的美妆推送方法,基于所述目标参考数据从预设化妆数据库中查找与目标参考数据相匹配的美容美妆,还包括:
获取用户面部信息的分析结果;
其中,所述分析结果包括用户的脸型数据以及肤色数据;
获取用户的目标着装以及妆容需求对应的数据;
将所述脸型数据、肤色数据、用户的目标着装数据及目标妆容需求数据作为用户的目标参考数据;
计算所述目标参考数据的综合特征值,并根据所述综合特征值计算所述目标参考数据与预设化妆数据库查找到的美容美妆对应的化妆数据的匹配度,具体包括:
根据如下公式计算所述目标参考数据的综合特征值:
其中,α表示目标参考数据的综合特征值;δ表示所述目标参考数据中脸型数据、肤色数据、目标着装数据及目标妆容需求数据的均值和;μ表示所述目标参考数据中脸型数据、肤色数据、目标着装数据及目标妆容需求数据的方差值之和;ρ表示所述目标参考数据中脸型数据、肤色数据、目标着装数据及目标妆容需求数据的权重之和;表示所述目标参考数据脸型数据、肤色数据、目标着装数据及目标妆容需求数据的极值之和;
根据如下公式计算所述目标参考数据与美容美妆对应的化妆数据的匹配度:
其中,β表示所述目标参考数据与美容美妆对应的化妆数据的匹配度,且取值范围为(0,1];α表示所述目标参考数据的综合特征值;σ表示所述目标参考数据与美容美妆对应的化妆数据的拟合率;τ表示所述目标参考数据中脸型数据与美容美妆对应的化妆数据的相似度值;q表示所述目标参考数据中肤色数据与美容美妆对应的化妆数据的相似度值;m表示所述目标参考数据中目标着装数据与美容美妆对应的化妆数据的相似度值;n表示所述目标参考数据中目标妆容需求数据与美容美妆对应的化妆数据的相似度值;ω表示匹配系数;λ表示所允许的最大误差率;μ表示所述目标参考数据中脸型数据、肤色数据、目标着装数据及目标妆容需求数据的方差值之和;ζ表示美容美妆对应的化妆数据的方差值;
将计算得到的匹配度与预设匹配度进行计算;
若所述匹配度大于或者等于所述预设匹配度,则将匹配到的美容美妆对应的化妆数据推送至用户;
否则,重新依据所述目标参考数据进行再次匹配,直至所述匹配度大于或者等于所述预设匹配度。
该实施例中,综合特征值指的是将代表用户要求数据的均值、方差、极值进行综合评估计算得到的评估值。
该实施例中,拟合率的取值范围为(2.5,1)。
该实施例中,相似度值的取值范围为(0,1)。
该实施例中,最大误差率的取值范围为(0,0.2)
上述技术方案的有益效果是:通过计算目标参考数据的综合特征值,并根据综合特征值计算目标参考数据与预设化妆数据库查找到的美容美妆对应的化妆数据的匹配度;在计算目标参考数据的综合特征值时,涉及目标参考数据中各项要求数据的均值、方差以及极值等,准确的将用户要求对应的数据的各项特征值进行综合计算,使得计算得到的综合特征值更加准确,在计算匹配度时,涉及目标参考数据中各项要求数据与美容美妆数据的相似度,同时包括匹配系数以及所允许的最大误差率,使得计算得到的匹配度有据可依,计算结果更加准确可靠。此方案提高了化妆镜根据用户需求匹配美容美妆的准确度,便于准确查找到适合用户的美容美妆。
实施例9:
本实施例提供了一种基于智能化妆镜的美妆推送***,如图2所示,包括:
数据获取单元,用于获取用户目标着装及目标妆容需求;
数据分析单元,用于采集用户面部信息并进行分析,且根据分析结果、所述目标着装及目标妆容需求从预设化妆数据库中匹配相关美容美妆向用户进行推送;
数据匹配单元,用于基于所述美容美妆,匹配相对应的化妆步骤;
图像叠加单元,用于基于所述化妆步骤,在智能化妆镜显示的人脸图像上叠加化妆操作提示图像,帮助用户完成化妆操作。
上述技术方案的有益效果是:通过获取用户的着装以及妆容需求,准确的匹配出适合用户的美容美妆,并向用户推送相应的化妆步骤以及化妆操作提示图像,帮助用户快速准确的完成化妆操作。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种基于智能化妆镜的美妆推送方法,其特征在于,包括:
步骤1:获取用户目标着装及目标妆容需求;
步骤2:采集用户面部信息并进行分析,且根据分析结果、所述目标着装及目标妆容需求从预设化妆数据库中匹配相关美容美妆向用户进行推送;
步骤3:基于所述美容美妆,匹配相对应的化妆步骤;
步骤4:基于所述化妆步骤,在智能化妆镜显示的人脸图像上叠加化妆操作提示图像,帮助用户完成化妆操作。
2.如权利要求1所述的一种基于智能化妆镜的美妆推送方法,其特征在于,步骤1中,获取用户目标着装及目标妆容需求,包括:
获取目标着装以及目标妆容需求包括手动输入和语音输入;
采用手动输入时,用户调取输入键盘,并基于所述输入键盘手动输入目标着装以及目标妆容相对应的文字描述;
采用语音输入时,获取用户语音信息,并提取所述语音信息中的N个关键信息;
所述N用来表示关键信息的个数;
将所述N个关键信息分别输入与所述N个关键信息一一对应的N个训练模型中进行信息转换,得到所述N个关键信息相对应的转换结果;
将所述N个关键信息相对应的转换结果进行融合得到用户的目标着装以及目标妆容需求。
3.如权利要求1所述的一种基于智能化妆镜的美妆推送方法,其特征在于,步骤2中,采集用户面部信息并进行分析,且根据分析结果、所述目标着装及目标妆容需求从预设化妆数据库中匹配相关美容美妆向用户进行推送,包括:
获取用户面部的正脸图像,并构建三维人脸模型库;
通过预先训练好的深度神经网络选取所述正脸图像中的多个特征点,并提取所述正脸图像中的人脸轮廓;
获取所述多个特征点与用户人脸轮廓的水平距离值;
根据所述水平距离值之间的比值关系从所述三维人脸模型库确定所述正脸图像相对应的脸型数据;
同时,基于所述预先训练好的深度神经网络对所述用户面部的正脸图像进行肤色提取,得到用户的面部肤色数据;
获取用户的目标着装及目标妆容需求;
将所述脸型数据、肤色数据、用户的目标着装及目标妆容需求作为用户的目标参考数据;
基于所述目标参考数据从预设化妆数据库中查找与目标参考数据相匹配的美容美妆;
获取所述美容美妆的属性信息,同时获取所述美容美妆的属性信息相对应的数据一致性比较语义库;
所述数据一致性比较语义库中包括各项评估指标,其中,各项评估指标用来评估所述美容美妆的属性信息与所述目标参考数据相对应的各项指标的一致性;
基于各项评估指标相对应的数据处理算法,对与所述目标参考数据的各项评估指标对应的美容美妆的属性信息进行处理,得到各项评估指标相对应的处理结果;
将各项处理结果与预设阈值进行比较;
若各项处理结果大于或者等于所述预设阈值,判定所述美容美妆的属性信息与所述目标参考数据一致,并将所述美容美妆推送给用户;
否则,判定所述美容美妆的属性信息与所述目标参考数据存在差异,并重新依据所述目标参考数据匹配相适应的美容美妆,直至各项处理结果大于或者等于所述预设阈值。
4.如权利要求1所述的一种基于智能化妆镜的美妆推送方法,其特征在于,步骤3中,基于所述美容美妆,匹配相对应的化妆步骤,包括:
获取所述美容美妆,并提取所述美容美妆对应的化妆步骤;
对所述化妆步骤进行标号;
其中标号顺序为由小到大;
基于标号将所述化妆步骤推送给用户。
5.如权利要求1所述的一种基于智能化妆镜的美妆推送方法,其特征在于,步骤4中,在智能化妆镜显示的人脸图像上叠加化妆操作提示图像,包括:
获取所述人脸图像信息,且所述人脸图像信息包括像素透明度;
同时,获取所述人脸图像中待叠加图像区域的标识信息;
其中,所述待叠加图像区域的标识信息包括所述待叠加图像区域的的尺寸信息以及人脸五官的位置信息;
获取所述化妆操作提示图像,并提取所述化妆操作提示图像的像素透明度、尺寸信息以及与人脸五官的位置信息;
基于所述素透明度、尺寸信息以及人脸五官的位置信息判断所述化妆操作提示图像是否满足图像叠加条件;
所述叠加条件包括所述化妆操作提示图像的像素透明度大于或者等于所述人脸图像信息包括像素透明度,以及所述化妆操作提示图像的尺寸信息和人脸五官的位置信息与所述人脸图像的尺寸信息以及人脸五官的位置信息相匹配;
若满足叠加条件,将所述人脸图像与化妆操作提示图像进行叠加;
否则,对所述化妆操作提示图像的进行像素透明度、尺寸信息以及人脸五官的位置信息进行调整,直至满足叠加条件。
6.如权利要求5所述的一种基于智能化妆镜的美妆推送方法,其特征在于,将所述人脸图像与化妆操作提示图像进行叠加,还包括:
获取美容美妆对应的化妆步骤标号;
基于所述化妆步骤标号,所述化妆操作提示图像依据所述化妆步骤标号进行依次叠加,且与化妆步骤中要求用户在脸部上实施化妆动作的位置相对应。
7.如权利要求1所述的一种基于智能化妆镜的美妆推送方法,其特征在于,步骤4中,帮助用户完成化妆操作,还包括:
用户完成化妆后,获取用户的妆容照片并进行保存;
当用户需要补妆时,重新获取用户的当前人脸图像,并调出保存的用户的妆容照片;
将所述用户的当前人脸图像与所述妆容照片进行差异分析,得到分析结果;
基于分析结果,帮助用户完成补妆操作。
8.如权利要求3所述的一种基于智能化妆镜的美妆推送方法,其特征在于,基于所述目标参考数据从预设化妆数据库中查找与目标参考数据相匹配的美容美妆,还包括:
获取用户面部信息的分析结果;
其中,所述分析结果包括用户的脸型数据以及肤色数据;
获取用户的目标着装以及妆容需求对应的数据;
将所述脸型数据、肤色数据、用户的目标着装数据及目标妆容需求数据作为用户的目标参考数据;
计算所述目标参考数据的综合特征值,并根据所述综合特征值计算所述目标参考数据与预设化妆数据库查找到的美容美妆对应的化妆数据的匹配度,具体包括:
根据如下公式计算所述目标参考数据的综合特征值:
其中,α表示目标参考数据的综合特征值;δ表示所述目标参考数据中脸型数据、肤色数据、目标着装数据及目标妆容需求数据的均值和;μ表示所述目标参考数据中脸型数据、肤色数据、目标着装数据及目标妆容需求数据的方差值之和;ρ表示所述目标参考数据中脸型数据、肤色数据、目标着装数据及目标妆容需求数据的权重之和;表示所述目标参考数据脸型数据、肤色数据、目标着装数据及目标妆容需求数据的极值之和;
根据如下公式计算所述目标参考数据与美容美妆对应的化妆数据的匹配度:
其中,β表示所述目标参考数据与美容美妆对应的化妆数据的匹配度,且取值范围为(0,1];α表示所述目标参考数据的综合特征值;σ表示所述目标参考数据与美容美妆对应的化妆数据的拟合率;τ表示所述目标参考数据中脸型数据与美容美妆对应的化妆数据的相似度值;q表示所述目标参考数据中肤色数据与美容美妆对应的化妆数据的相似度值;m表示所述目标参考数据中目标着装数据与美容美妆对应的化妆数据的相似度值;n表示所述目标参考数据中目标妆容需求数据与美容美妆对应的化妆数据的相似度值;ω表示匹配系数;λ表示所允许的最大误差率;μ表示所述目标参考数据中脸型数据、肤色数据、目标着装数据及目标妆容需求数据的方差值之和;ζ表示美容美妆对应的化妆数据的方差值;
将计算得到的匹配度与预设匹配度进行计算;
若所述匹配度大于或者等于所述预设匹配度,则将匹配到的美容美妆对应的化妆数据推送至用户;
否则,重新依据所述目标参考数据进行再次匹配,直至所述匹配度大于或者等于所述预设匹配度。
9.一种基于智能化妆镜的美妆推送***,其特征在于,包括:
数据获取单元,用于获取用户目标着装及目标妆容需求;
数据分析单元,用于采集用户面部信息并进行分析,且根据分析结果、所述目标着装及目标妆容需求从预设化妆数据库中匹配相关美容美妆向用户进行推送;
数据匹配单元,用于基于所述美容美妆,匹配相对应的化妆步骤;
图像叠加单元,用于基于所述化妆步骤,在智能化妆镜显示的人脸图像上叠加化妆操作提示图像,帮助用户完成化妆操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110050858.9A CN112801734A (zh) | 2021-01-14 | 2021-01-14 | 一种基于智能化妆镜的美妆推送方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110050858.9A CN112801734A (zh) | 2021-01-14 | 2021-01-14 | 一种基于智能化妆镜的美妆推送方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112801734A true CN112801734A (zh) | 2021-05-14 |
Family
ID=75810982
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110050858.9A Pending CN112801734A (zh) | 2021-01-14 | 2021-01-14 | 一种基于智能化妆镜的美妆推送方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112801734A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113434759A (zh) * | 2021-06-24 | 2021-09-24 | 青岛海尔科技有限公司 | 推荐内容的确定方法及***、镜子、存储介质及电子装置 |
CN116486054A (zh) * | 2023-06-25 | 2023-07-25 | 四川易景智能终端有限公司 | 一种ar虚拟美妆镜及其工作方法 |
CN117473110A (zh) * | 2023-12-27 | 2024-01-30 | 成都白泽智汇科技有限公司 | 一种结合区域环境特征辅助的妆容匹配方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106880156A (zh) * | 2017-01-20 | 2017-06-23 | 深圳天珑无线科技有限公司 | 一种关于梳妆镜的美妆推荐方法及其*** |
CN108154121A (zh) * | 2017-12-25 | 2018-06-12 | 深圳市美丽控电子商务有限公司 | 基于智能镜的化妆辅助方法、智能镜及存储介质 |
CN108256432A (zh) * | 2017-12-20 | 2018-07-06 | 歌尔股份有限公司 | 一种指导化妆的方法及装置 |
CN109063671A (zh) * | 2018-08-20 | 2018-12-21 | 三星电子(中国)研发中心 | 用于智能化妆的方法及装置 |
CN110960036A (zh) * | 2019-10-31 | 2020-04-07 | 北京蓝海达信科技有限公司 | 具有美肤美妆指导功能的智能镜***及方法 |
-
2021
- 2021-01-14 CN CN202110050858.9A patent/CN112801734A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106880156A (zh) * | 2017-01-20 | 2017-06-23 | 深圳天珑无线科技有限公司 | 一种关于梳妆镜的美妆推荐方法及其*** |
CN108256432A (zh) * | 2017-12-20 | 2018-07-06 | 歌尔股份有限公司 | 一种指导化妆的方法及装置 |
CN108154121A (zh) * | 2017-12-25 | 2018-06-12 | 深圳市美丽控电子商务有限公司 | 基于智能镜的化妆辅助方法、智能镜及存储介质 |
CN109063671A (zh) * | 2018-08-20 | 2018-12-21 | 三星电子(中国)研发中心 | 用于智能化妆的方法及装置 |
CN110960036A (zh) * | 2019-10-31 | 2020-04-07 | 北京蓝海达信科技有限公司 | 具有美肤美妆指导功能的智能镜***及方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113434759A (zh) * | 2021-06-24 | 2021-09-24 | 青岛海尔科技有限公司 | 推荐内容的确定方法及***、镜子、存储介质及电子装置 |
CN116486054A (zh) * | 2023-06-25 | 2023-07-25 | 四川易景智能终端有限公司 | 一种ar虚拟美妆镜及其工作方法 |
CN116486054B (zh) * | 2023-06-25 | 2023-09-12 | 四川易景智能终端有限公司 | 一种ar虚拟美妆镜及其工作方法 |
CN117473110A (zh) * | 2023-12-27 | 2024-01-30 | 成都白泽智汇科技有限公司 | 一种结合区域环境特征辅助的妆容匹配方法 |
CN117473110B (zh) * | 2023-12-27 | 2024-03-12 | 成都白泽智汇科技有限公司 | 一种结合区域环境特征辅助的妆容匹配方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112801734A (zh) | 一种基于智能化妆镜的美妆推送方法及*** | |
US10799010B2 (en) | Makeup application assist device and makeup application assist method | |
CN105426850B (zh) | 一种基于人脸识别的关联信息推送设备及方法 | |
CN109408653A (zh) | 基于多特征检索和形变的人体发型生成方法 | |
CN105787974B (zh) | 仿生人脸衰老模型建立方法 | |
CN104680121B (zh) | 一种人脸图像的处理方法及装置 | |
CN108460398B (zh) | 图像处理方法、装置、云处理设备 | |
CN109472198A (zh) | 一种姿态鲁棒的视频笑脸识别方法 | |
CN101350102B (zh) | 一种化妆辅助方法及*** | |
CN108898125A (zh) | 一种基于嵌入式人脸识别管理*** | |
CN102567716B (zh) | 一种人脸合成***及实现方法 | |
CN107153805A (zh) | 定制化美妆辅助装置和方法 | |
CN113393550B (zh) | 一种姿态和纹理引导的时尚服装设计合成方法 | |
CN111950430B (zh) | 基于颜色纹理的多尺度妆容风格差异度量及迁移方法、*** | |
CN111126280B (zh) | 基于融合手势识别的失语症患者辅助康复训练***及方法 | |
Kohail | Using artificial neural network for human age estimation based on facial images | |
CN101493887A (zh) | 基于半监督学习和哈希索引的眉毛图像分割方法 | |
CN111612584A (zh) | 一种基于穿搭理论的ai智能服装推荐方法 | |
Duan et al. | Expression of Concern: Ethnic Features extraction and recognition of human faces | |
CN106951448A (zh) | 一种个性化穿搭推荐方法及*** | |
Zafeiriou et al. | Probabilistic slow features for behavior analysis | |
CN110210293A (zh) | 一种基于三维数据和面部图像的性别识别方法 | |
CN111860250B (zh) | 基于人物细粒度特征的图像识别方法及装置 | |
CN108154176A (zh) | 一种针对单一深度图像的3d人体姿态估计算法 | |
CN110598719A (zh) | 一种依据视觉属性描述自动生成人脸图像的方法 |
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 |