CN107330361A - 美容设备护肤手法的判断方法、美容设备及存储介质 - Google Patents
美容设备护肤手法的判断方法、美容设备及存储介质 Download PDFInfo
- Publication number
- CN107330361A CN107330361A CN201710375830.6A CN201710375830A CN107330361A CN 107330361 A CN107330361 A CN 107330361A CN 201710375830 A CN201710375830 A CN 201710375830A CN 107330361 A CN107330361 A CN 107330361A
- Authority
- CN
- China
- Prior art keywords
- information
- beauty appliance
- user
- motion track
- gimmick
- 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.)
- Granted
Links
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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Probability & Statistics with Applications (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种美容设备护肤手法的判断方法、美容设备以及存储介质，属于美容设备技术领域。本发明通过获取美容设备的运动轨迹信息，所述运动轨迹信息包括用户部位信息和用户动作信息；对所述运动轨迹信息进行特征提取，获得与所述运动轨迹对应的特征信息；将所述特征信息与预设特征模型进行匹配，识别出用户部位信息和用户动作信息；将所述用户动作信息与预设特征模型进行匹配，判断出用户动作的正确性。本发明通过陀螺仪获取美容设备的运动轨迹信息，并将所述运动轨迹信息与预设模型进行匹配，从而精确识别出用户部位信息，以及使用手法的正确性，提高美容设备的使用效果。
Description
技术领域
本发明涉及美容设备技术领域，尤其涉及美容设备护肤手法的判断方法、美容设备及存储介质。
背景技术
目前，市场上涌现出越来越多私人用的美容硬件产品，像彩光美容仪，提拉铲皮仪，洁面仪等。这些美容硬件产品对用户的护肤手法有极高的要求，若用户的护肤手法不当，可能会导致皮肤松垮，皱纹显现，表皮受损等后果。
但是在现有技术中的美容设备无法实现识别护肤手法的正确性。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于解决用户护肤时识别脸部部位和判断护肤手法正确性的技术问题。
为实现上述目的，本发明提供的一种美容设备护肤手法的判断方法，所述方法包括以下步骤：
获取美容设备的运动轨迹信息，所述运动轨迹信息包括用户部位信息和用户动作信息；
对所述运动轨迹信息进行特征提取，获得与所述运动轨迹对应的特征信息；
将所述特征信息与预设特征模型进行匹配，识别出用户部位信息和用户动作信息；
将所述用户动作信息与预设特征模型进行匹配，判断出用户动作的正确性。
优选地，所述将所述特征信息与预设特征模型进行匹配，识别出用户部位信息和用户动作信息步骤具体包括：
对所述特征信息与预设特征模型进行匹配时，所述预设特征模型将所述运动轨迹信息进行分类；
根据分类结果区分出所述运动轨迹信息中的用户部位信息和用户动作信息。
优选地，所述将所述用户动作信息与预设特征模型进行匹配，判断出用户动作的正确性步骤具体包括：
将所述用户部位信息与所述预设模型进行匹配，获取所述用户部位信息对应的预设动作信息；
将所述对应的预设动作信息与所述用户动作信息进行比较，判断所述用户动作的正确性。
优选地，所述运动轨迹信息还包括数据信息、参数信息和方向信息；
所述对所述运动轨迹信息进行特征提取，获得与所述运动轨迹对应的特征信息步骤具体包括：
提取所述运动轨迹信息的数据信息、参数信息和方向信息；
将所述运动轨迹信息的数据信息、参数信息和方向信息组合成向量数据；
将所述向量数据确定为所述运动轨迹对应的特征信息。
优选地，所述对所述运动轨迹信息进行特征提取，获得与所述运动轨迹对应的特征信息步骤具体包括：
在预设时间内获取所述运动轨迹信息的数据信息、参数信息和方向信息。
优选地，所述获取美容设备的运动轨迹信息，所述运动轨迹信息包括用户部位信息和用户动作信息步骤之前，所述方法包括：
采集美容设备的若干历史运动轨迹信息，将所述历史运动轨迹信息作为训练数据。
优选地，所述获取美容设备的运动轨迹信息，所述运动轨迹信息包括用户部位信息和用户动作信息步骤之前，所述方法还包括：
建立所述预设模型，根据所述训练数据对所述预设模型进行训练。
优选地，所述方法还包括：
通过陀螺仪获取所述运动轨迹信息。
此外，为实现上述目的，本发明还提出一种美容设备，所述美容设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的美容设备护肤手法的判断程序，所述美容设备护肤手法的判断程序配置为实现如上文所述的美容设备护肤手法的判断方法的步骤。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有美容设备护肤手法的判断程序，所述美容设备护肤手法的判断程序被处理器执行时实现如上文所述的美容设备护肤手法的判断方法的步骤。
本发明获取美容设备的运动轨迹信息，所述运动轨迹信息包括用户部位信息和用户动作信息；对所述运动轨迹信息进行特征提取，获得与所述运动轨迹对应的特征信息；将所述特征信息与预设特征模型进行匹配，识别出用户部位信息和用户动作信息；将所述用户动作信息与预设特征模型进行匹配，判断出用户动作的正确性。本发明通过陀螺仪获取美容设备的运动轨迹信息，并将所述运动轨迹信息与预设模型进行匹配，从而精确识别出用户部位信息，以及使用手法的正确性，提高美容设备的使用效果。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的美容设备结构示意图；
图2为本发明美容设备护肤手法的判断方法第一实施例的流程示意图；
图3为本发明美容设备脸部部位和护肤手法的参数定义表图；
图4为本发明护肤手法的特征参数值结构图；
图5为本发明美容设备护肤手法的判断方法第二实施例的流程示意图；
图6为本发明美容设备护肤手法的判断方法第三实施例的流程示意图；
图7为本发明美容设备护肤手法的判断方法第四实施例的流程示意图；
图8为本发明美容设备护肤手法的判断方法第五实施例的流程示意图；
图9为本发明美容设备护肤手法的判断方法第六实施例的流程示意图；
图10为本发明美容设备护肤手法的判断方法第七实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例的解决方案是：获取美容设备的运动轨迹信息，所述运动轨迹信息包括用户部位信息和用户动作信息；对所述运动轨迹信息进行特征提取，获得与所述运动轨迹对应的特征信息；将所述特征信息与预设特征模型进行匹配，识别出用户部位信息和用户动作信息；将所述用户动作信息与预设特征模型进行匹配，判断出用户动作的正确性。本发明通过陀螺仪获取美容设备的运动轨迹信息，并将所述运动轨迹信息与预设模型进行匹配，从而精确识别出用户部位信息，以及使用手法的正确性，提高美容设备的使用效果。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的美容设备结构示意图。
如图1所示，该美容设备可以包括：处理器1001，例如CPU，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WIFI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的美容设备结构并不构成对美容设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及美容设备护肤手法的判断程序。
在图1所示的美容设备中，网络接口1004主要用于互联网，与互联网进行数据通信；用户接口1003主要用于连接用户终端，与终端进行数据通信；本发明美容设备中的处理器1001、存储器1005可以设置在美容设备中，所述美容设备通过处理器1001调用存储器1005中存储的美容设备护肤手法的判断程序，并执行以下操作：
获取美容设备的运动轨迹信息，所述运动轨迹信息包括用户部位信息和用户动作信息；
对所述运动轨迹信息进行特征提取，获得与所述运动轨迹对应的特征信息；
将所述特征信息与预设特征模型进行匹配，识别出用户部位信息和用户动作信息；
将所述用户动作信息与预设特征模型进行匹配，判断出用户动作的正确性。
进一步地，处理器1001可以调用存储器1005中存储的美容设备护肤手法的判断程序，还执行以下操作：
对所述特征信息与预设特征模型进行匹配时，所述预设特征模型将所述运动轨迹信息进行分类；
根据分类结果区分出所述运动轨迹信息中的用户部位信息和用户动作信息。
进一步地，处理器1001可以调用存储器1005中存储的美容设备护肤手法的判断程序，还执行以下操作：
将所述用户部位信息与所述预设模型进行匹配，获取所述用户部位信息对应的预设动作信息；
将所述对应的预设动作信息与所述用户动作信息进行比较，判断所述用户动作的正确性。
进一步地，处理器1001可以调用存储器1005中存储的美容设备护肤手法的判断程序，还执行以下操作：
提取所述运动轨迹信息的数据信息、参数信息和方向信息；
将所述运动轨迹信息的数据信息、参数信息和方向信息组合成向量数据；
将所述向量数据确定为所述运动轨迹对应的特征信息。
进一步地，处理器1001可以调用存储器1005中存储的美容设备护肤手法的判断程序，还执行以下操作：
在预设时间内获取所述运动轨迹信息的数据信息、参数信息和方向信息。
进一步地，处理器1001可以调用存储器1005中存储的美容设备护肤手法的判断程序，还执行以下操作：
采集美容设备的若干历史运动轨迹信息，将所述历史运动轨迹信息作为训练数据。
进一步地，处理器1001可以调用存储器1005中存储的美容设备护肤手法的判断程序，还执行以下操作：
建立预设模型，根据所述训练数据对所述预设模型进行训练。
进一步地，处理器1001可以调用存储器1005中存储的美容设备护肤手法的判断程序，还执行以下操作：
通过陀螺仪获取所述运动轨迹信息。
本实施例通过上述方案，通过获取美容设备的运动轨迹信息，所述运动轨迹信息包括用户部位信息和用户动作信息；对所述运动轨迹信息进行特征提取，获得与所述运动轨迹对应的特征信息；将所述特征信息与预设特征模型进行匹配，识别出用户部位信息和用户动作信息；将所述用户动作信息与预设特征模型进行匹配，判断出用户动作的正确性。本发明通过陀螺仪获取美容设备的运动轨迹信息，并将所述运动轨迹信息与预设模型进行匹配，从而精确识别出用户部位信息，以及使用手法的正确性，提高美容设备的使用效果。
基于上述硬件结构，提出本发明美容设备护肤手法的判断方法实施例。
本领域技术人员可以理解的，本发明美容设备护肤手法的判断方法及系统的下述实施例中，本发明美容设备护肤手法的判断方法的实施主体可以是美容设备，也可以是其他任何可实现本发明美容设备护肤手法的判断方法及系统的装置或设备，本发明对此不作限定。本发明美容设备护肤手法的判断方法的下述实施例中优选易于操作的美容仪为实施主体。
参照图2，图2为本发明美容设备护肤手法的判断方法的第一实施例的流程示意图。
本实施例提出的美容设备护肤手法的判断方法，包括步骤：
步骤S10，获取美容设备的运动轨迹信息，所述运动轨迹信息包括用户部位信息和用户动作信息；
运动轨迹信息为美容设备采集到用户使用的信息，在本实施例中主要采用内置在美容设备中的重力加速度陀螺仪传感器进行数据采集，还可采用实现类似功能的其他电子器件，本实施例对此不加以限制。
采集到的用户使用信息为预设时间内采集到的信息，如果采集的时间过长，则不利于用户体验，如果采集的时间过短，则无法采集到完整的数据，在本实施例中设置采集时间为3秒，即在用户使用美容设备时在3秒内采集完成一个护肤动作的数据，从而使采集到的信息既能保证数据的完整性，还能提高用户体验。
步骤S20，对所述运动轨迹信息进行特征提取，获得与所述运动轨迹对应的特征信息；
获取的特征信息包括用户部位信息和用户使用美容的动作信息，如图3所示，用户部位信息包括左脸信息、右脸信息、鼻子信息、额头信息以及下巴信息，用户动作信息包括与用户部位信息对应的用户动作信息，例如与左脸部位对应的正确动作信息包括向外，斜向上，错误动作信息斜向下，向下，向内，与右脸部位对应的正确动作信息向外，斜向上，错误动作信息斜向下，向下，向内，与鼻子部位对应的正确动作信息为向上，错误信息为向下，与额头部位对应的正确动作信息包括正、逆时针画圈，上下，错误动作信息为左右来回，下巴部位的任何动作都为正确动作。
对所示运动轨迹信息进行特征提取，获取与所述运行轨迹对应的特征信息，例如用户在右脸部位进行斜向下的护肤手法，美容仪采集到用户使用的右脸部位的特征信息以及斜向下的用户动作信息，将采集到的信息存储在美容设备中进行处理。
步骤S30，将所述特征信息与预设特征模型进行匹配，识别出用户部位信息和用户动作信息；
预设特征模型为经过数据训练并保存有大量用户部位信息与用户正确手法和错误手法的模型，在所述特征信息与预设特征模型进行匹配之前在美容仪中建立匹配模型，首先采集训练数据，继续如图3所示，采集脸部部位的五个部位分别对应的正确手法和错误手法进行护肤数据，总共采集9个类别的数据。
由于完成一个护肤动作的平均时间为3秒，因此本实施例以重力加速度陀螺仪传感器，型号可为MPU-6050每3秒产生的数据为一个训练样本的原始数据，所构造的特征数据为加速度、角速度和角度分别在三轴上的统计值，包括最大值、最小值、均值、方差和标准差。最终得到45个特征。详细的特征构造如下图4所示，其中：accel前缀表示加速度，x,y,z表示三个方向轴，max表示最大值，min表示最小值，mean表示均值，var表示方差，std表示标准差，accel_x_max表示统计加速度3秒内在x轴上的最大值，其它的特征值统计方式依此类推。
当把陀螺仪每3秒所产生的数据构造出45个特征值后，接下来把45个特征值组合成一个向量，如下所示：
X＝[accel_x_max，accel_x_min，accel_x_mean，accel_x_var......angle_z_std]
一个向量X就代表一条训练数据。本实施例将采集的9个护肤动作中的每个护肤动作各采集900秒的数据量，按每3秒进行划分，通过构造特征值后组合成向量，则每个护肤动作可得到300条训练数据X，则总共有2700条训练数据X，本发明训练样本的总量为2700条，其中每个类别的数据量为300。具体的训练过程如下所示：
1、调用python函数的sklearn包，引入SVM类，生成空对象模型；
2、把训练数据(train_features)以及对应的标注(train_labels)喂给模型model.fit(train_features，train_labels)，跑动模型；
3、步骤2训练完后得到的模型就是已经具备判别能力的模型；
4、当用户再次使用美容设备，陀螺仪传感器产生新的数据，把新数据
输入给训练好的模型，此时模型将能够判别出用户正在护肤的脸部部位以及护肤手法。
继续如图3所示，在所述特征信息与预设特征模型不匹配时，进行报警提示。报警提示为在美容仪面板上显示出错误信息，例如显示left_correct、right_error等，left_correct表示左脸部位使用手法正确，right_error表示右脸部位使用手法错误，还可为其他具有类似功能的方法，例如语音提示或者信号展示，本实施例对此不加以限制。
步骤S40，将所述用户动作信息与预设特征模型进行匹配，判断出用户动作的正确性。
本实施例通过上述方案，通过获取获取美容设备的运动轨迹信息，所述运动轨迹信息包括用户部位信息和用户动作信息；对所述运动轨迹信息进行特征提取，获得与所述运动轨迹对应的特征信息；将所述特征信息与预设特征模型进行匹配，识别出用户部位信息和用户动作信息；将所述用户动作信息与预设特征模型进行匹配，判断出用户动作的正确性。本发明通过陀螺仪获取美容设备的运动轨迹信息，并将所述运动轨迹信息与预设模型进行匹配，从而精确识别出用户部位信息，以及使用手法的正确性，提高美容设备的使用效果。
参照图5，图5为本发明美容设备护肤手法的判断方法步骤S30的具体流程示意图。
基于上述美容设备护肤手法的判断方法第一实施例，提出本发明第二实施例，该步骤S30具体包括：
步骤S31，对所述特征信息与预设特征模型进行匹配时，根据所述预设特征模型将所述运动轨迹信息进行分类；
本实施例采用SVM(Support Vector Machine支持向量机)算法对训练样本进行训练，还可为采用其他类似功能的算法，例如决策树，GBDT(Gradient Boosting DecisionTree迭代的决策树)，HMM(Hidden Markov Models隐马尔可夫模型)，神经网络等其它机器学习算法，本实施例对此不加以限制，从而使训练出来的模型具备分类的能力，即对基于陀螺仪产生的数据对脸部部位和护肤手法具备判别和分类的能力。
步骤S32，根据分类结果区分出所述运动轨迹信息中的用户部位信息和用户动作信息。
通过与预设特征模型进行比较，将用户部位信息和用户动作信息进行区分，例如用户操作美容仪在右脸部位进行斜向下的护肤手法，美容仪将获取的右脸部位信息和斜向下的护肤动作信息，在获取这些信息的时候无法将具体信息进行区分，通过与预设特征模型进行匹配，将模型中的大量实验数据与获取的信息数据进行对比，识别出右脸部位信息与护肤动作信息，从而将右脸部位信息与护肤动作信息进行区分。
本实施例通过与预设特征模型进行匹配，从而自动区分出用户部位信息与用户动作信息。
参照图6，图6为本发明美容设备护肤手法的判断方法步骤S30的具体流程示意图。
基于上述美容设备护肤手法的判断方法第一实施例，提出本发明第三实施例，该步骤S40具体包括：
步骤S41，将所述用户部位信息与所述预设模型进行匹配，获取所述用户部位信息对应的预设动作信息；
预设动作信息为与用户部位信息对应的正确护肤手法，该正确护肤手法在建模的过程中通过数据的形式存储在美容仪中。
在训练模型之前，通过数据采集，将用户部位信息与对应的正确的手法信息和错误的手法信息总共采集9个类别的数据，并对每个数据进行特征标识，将识别出的用户部位信息通过预设的特征模型进行匹配，获取正确的护肤手法信息。例如预设特征模型中存在鼻子部位的正确使用手法为向上动作数据，通过获取的部位信息为鼻子部位，从而获取鼻子部位对应的正确护肤动作为向上动作。
步骤S42，将所述对应的预设动作信息与所述用户动作信息进行比较，判断所述用户动作的正确性。
根据与预设特征模型进行匹配，获取用户部位对应的正确的护肤动作，将获取的用户动作信息与正确的护肤动作进行比较，从而判断出用户使用护肤手法的正确性。例如获取用户的动作信息为向下动作，通过上述处理得到对应鼻子部位正确的护肤手法应该为向上的动作，将向下动作与向上动作进行比较，从而判断出用户护肤动作的正确性。
本实施例通过与预设特征模型进行匹配，从而根据用户部位信息判断出用户动作信息的正确性。
参照图7，图7为本发明美容设备护肤手法的判断方法步骤S20的具体流程示意图。
基于上述美容设备护肤手法的判断方法提出第一实施例，提出本发明的第四实施例，该步骤S20具体包括：
步骤S21，提取所述运动轨迹信息的数据信息、参数信息和方向信息；
本实施例以重力加速度陀螺仪传感器，型号可为MPU-6050每3秒产生的数据为获取的数据，其中数据信息包括加速度、角速度和角度，参数信息包括最大值、最小值、均值、方差和标准差，方向信息为x,y,z三个方向轴。
步骤S22，将所述运动轨迹信息中的数据信息、参数信息和方向信息组合成向量数据；
通过采集到运动轨迹信息，其中信息包括加速度、角速度和角度分别在三轴上的统计值，包括最大值、最小值、均值、方差和标准差。最终得到45个特征。详细的特征构造如下图4所示，其中：accel前缀表示加速度，x,y,z表示三个方向轴，max表示最大值，min表示最小值，mean表示均值，var表示方差，std表示标准差，accel_x_max表示统计加速度3秒内在x轴上的最大值，其它的特征值统计方式依此类推。
当把陀螺仪每3秒所产生的数据构造出45个特征值后，接下来把45个特征值组合成一个向量，如下所示：
X＝[accel_x_max，accel_x_min，accel_x_mean，accel_x_var......angle_z_std]。
步骤S23，将所述向量数据确定为所述运动信息的特征信息。
向量数据为一条数据信息，将组合成的一个向量作为一条数据信息，将该数据信息与预设特征模型中的数据信息进行比较。
本实施例通过将获取的运动轨迹信息通过参数定义并组合成向量数据，从而将运动轨迹信息转换成数据信息以便与预设特征模型进行更精确匹配，并且提高采集信息的有效性。
参照图8，图8为本发明美容设备护肤手法的判断方法步骤S10的具体流程示意图。
基于上述美容设备护肤手法的判断方法提出第一实施例，提出本发明的第七实施例，该步骤S10具体包括：
步骤S11，在预设时间内获取所述运动轨迹信息的数据信息、参数信息和方向信息。
采集到的运动轨迹信息为预设时间内采集到的信息，如果采集的时间过长，则不利于用户体验，如果采集的时间过短，则无法采集到完整的数据，在本实施例中设置采集时间为3秒，即在用户使用美容设备时在3秒内采集完成一个护肤动作的数据，从而使采集到的信息既能保证数据的完整性，还能提高用户体验。
本实施例通过在预设时间内采集到美容设备的运动轨迹信息，在本实施例中可为通过3秒采集到美容设备的运动轨迹信息，提高美容设备的响应性能，从而提高用户体验。
参照图9，图9为本发明美容设备护肤手法的判断方法步骤S00的具体流程示意图。
基于上述美容设备护肤手法的判断方法提出第一实施例，提出本发明的第五实施例，该步骤S10之前，所述方法包括：
步骤S00，采集美容设备的若干历史运动轨迹信息，将所述历史运动轨迹信息作为训练数据。
用户使用该美容设备之前，通过该美容设备采集大量的用户使用时的运动轨迹信息，通过该运动轨迹信息对建立的模型进行训练。采集脸部部位的五个部位分别对应的正确手法和错误手法进行护肤数据，总共采集9个类别的数据。
由于完成一个护肤动作的平均时间为3秒，因此本实施例以重力加速度陀螺仪传感器，型号可为MPU-6050每3秒产生的数据为一个训练样本的原始数据，所构造的特征数据为加速度、角速度和角度分别在三轴上的统计值，包括最大值、最小值、均值、方差和标准差。最终得到45个特征。详细的特征构造如下图4所示，其中：accel前缀表示加速度，x,y,z表示三个方向轴，max表示最大值，min表示最小值，mean表示均值，var表示方差，std表示标准差，accel_x_max表示统计加速度3秒内在x轴上的最大值，其它的特征值统计方式依此类推。
当把陀螺仪每3秒所产生的数据构造出45个特征值后，接下来把45个特征值组合成一个向量，如下所示：
X＝[accel_x_max，accel_x_min，accel_x_mean，accel_x_var......angle_z_std]
一个向量X就代表一条训练数据。本实施例将采集的9个护肤动作中的每个护肤动作各采集900秒的数据量，按每3秒进行划分，通过构造特征值后组合成向量，则每个护肤动作可得到300条训练数据X，则总共有2700条训练数据X，本发明训练样本的总量为2700条，其中每个类别的数据量为300，并将该训练样本进行保存。
本实施例通过陀螺仪采集美容设备的运动轨迹信息，从而提高美容设备判断用户动作信息的精确性。
参照图10，图10为本发明美容设备护肤手法的判断方法步骤S01的具体流程示意图。
基于上述美容设备护肤手法的判断方法提出第一实施例，提出本发明的第六实施例，该步骤S10之前，所述方法包括：
步骤S01，建立所述预设模型，根据所述训练数据对所述预设模型进行训练。
本实施例采用SVM(Support Vector Machine支持向量机)算法对训练样本进行训练，还可为采用其他类似功能的算法，例如决策树，GBDT(Gradient Boosting DecisionTree迭代的决策树)，HMM(Hidden Markov Models隐马尔可夫模型)，神经网络等其它机器学习算法，本实施例对此不加以限制，从而使训练出来的模型具备分类的能力，即对基于陀螺仪产生的数据对脸部部位和护肤手法具备判别和分类的能力。
本实施例通过建立预设模型，通过采集到的历史运动轨迹信息进行训练，从而使美容设备具有判别与分类的能力，提高美容设备判断的准确性。
此外，本实施例还还提出一种美容设备，所述美容设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的美容设备护肤手法的判断程序，所述美容设备护肤手法的判断程序配置为实现如上文所述的美容设备护肤手法的判断方法的步骤。
此外，本实施例还提出一种存储介质，所述存储介质上存储有美容设备护肤手法的判断程序，所述美容设备护肤手法的判断程序被处理器执行时实现如下操作：
获取美容设备的运动轨迹信息，所述运动轨迹信息包括用户部位信息和用户动作信息；
对所述运动轨迹信息进行特征提取，获得与所述运动轨迹对应的特征信息；
将所述特征信息与预设特征模型进行匹配，识别出用户部位信息和用户动作信息；
将所述用户动作信息与预设特征模型进行匹配，判断出用户动作的正确性。
进一步地，所述美容设备护肤手法的判断程序被处理器执行时还实现如下操作：
对所述特征信息与预设特征模型进行匹配时，所述预设特征模型将所述运动轨迹信息进行分类；
根据分类结果区分出所述运动轨迹信息中的用户部位信息和用户动作信息。
进一步地，所述美容设备护肤手法的判断程序被处理器执行时还实现如下操作：
将所述用户部位信息与所述预设模型进行匹配，获取所述用户部位信息对应的预设动作信息；
将所述对应的预设动作信息与所述用户动作信息进行比较，判断所述用户动作的正确性。
进一步地，所述美容设备护肤手法的判断程序被处理器执行时还实现如下操作：
所述根据所述第一推荐档位和第二推荐档位确定目标推荐档位步骤具体包括：
提取所述运动轨迹信息的数据信息、参数信息和方向信息；
将所述运动轨迹信息的数据信息、参数信息和方向信息组合成向量数据；
将所述向量数据确定为所述运动轨迹对应的特征信息。
进一步地，所述美容设备护肤手法的判断程序被处理器执行时还实现如下操作：
在预设时间内获取所述运动轨迹信息的数据信息、参数信息和方向信息。
进一步地，所述美容设备护肤手法的判断程序被处理器执行时还实现如下操作：
采集美容设备的若干历史运动轨迹信息，将所述历史运动轨迹信息作为训练数据。
进一步地，所述美容设备护肤手法的判断程序被处理器执行时还实现如下操作：
建立所述预设模型，根据所述训练数据对所述预设模型进行训练。
进一步地，所述美容设备护肤手法的判断程序被处理器执行时还实现如下操作：
通过陀螺仪获取所述运动轨迹信息。
本实施例通过上述方案，通过获取获取美容设备的运动轨迹信息，所述运动轨迹信息包括用户部位信息和用户动作信息；对所述运动轨迹信息进行特征提取，获得与所述运动轨迹对应的特征信息；将所述特征信息与预设特征模型进行匹配，识别出用户部位信息和用户动作信息；将所述用户动作信息与预设特征模型进行匹配，判断出用户动作的正确性。本发明通过陀螺仪获取美容设备的运动轨迹信息，并将所述运动轨迹信息与预设模型进行匹配，从而精确识别出用户部位信息，以及使用手法的正确性，提高美容设备的使用效果。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种美容设备护肤手法的判断方法，其特征在于，所述方法包括：
获取美容设备的运动轨迹信息，所述运动轨迹信息包括用户部位信息和用户动作信息；
对所述运动轨迹信息进行特征提取，获得与所述运动轨迹对应的特征信息；
将所述特征信息与预设特征模型进行匹配，识别出用户部位信息和用户动作信息；
将所述用户动作信息与预设特征模型进行匹配，判断出用户动作的正确性。
2.如权利要求1所述的方法，其特征在于，所述将所述特征信息与预设特征模型进行匹配，识别出用户部位信息和用户动作信息步骤具体包括：
对所述特征信息与预设特征模型进行匹配时，所述预设特征模型将所述运动轨迹信息进行分类；
根据分类结果区分出所述运动轨迹信息中的用户部位信息和用户动作信息。
3.如权利要求1所述的方法，其特征在于，所述将所述用户动作信息与预设特征模型进行匹配，判断出用户动作的正确性步骤具体包括：
将所述用户部位信息与所述预设模型进行匹配，获取所述用户部位信息对应的预设动作信息；
将所述对应的预设动作信息与所述用户动作信息进行比较，判断所述用户动作的正确性。
4.如权利要求1所述的方法，其特征在于，所述运动轨迹信息还包括数据信息、参数信息和方向信息；
所述对所述运动轨迹信息进行特征提取，获得与所述运动轨迹对应的特征信息步骤具体包括：
提取所述运动轨迹信息的数据信息、参数信息和方向信息；
将所述运动轨迹信息的数据信息、参数信息和方向信息组合成向量数据；
将所述向量数据确定为所述运动轨迹对应的特征信息。
5.如权利要求4所述的方法，其特征在于，所述获取美容设备的运动轨迹信息，所述运动轨迹信息包括用户部位信息和用户动作信息步骤具体还包括：
在预设时间内获取所述运动轨迹信息的数据信息、参数信息和方向信息。
6.如权利要求1所述的方法，其特征在于，所述获取美容设备的运动轨迹信息，所述运动轨迹信息包括用户部位信息和用户动作信息步骤之前，所述方法包括：
采集美容设备的若干历史运动轨迹信息，将所述历史运动轨迹信息作为训练数据。
7.如权利要求6所述的方法，其特征在于，所述获取美容设备的运动轨迹信息，所述运动轨迹信息包括用户部位信息和用户动作信息步骤之前，所述方法还包括：
建立所述预设模型，根据所述训练数据对所述预设模型进行训练。
8.如权利要求1至7中任一项所述的方法，其特征在于，所述方法还包括：
通过陀螺仪获取所述运动轨迹信息。
9.一种美容设备，其特征在于，所述美容设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的美容设备护肤手法的判断程序，所述美容设备护肤手法的判断程序配置为实现如权利要求1至8中任一项所述的美容设备护肤手法的判断方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有美容设备护肤手法的判断程序，所述美容设备护肤手法的判断程序被处理器执行时实现如权利要求1至8中任一项所述的美容设备护肤手法的判断方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710375830.6A CN107330361B (zh) | 2017-05-24 | 2017-05-24 | 美容设备护肤手法的判断方法、美容设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710375830.6A CN107330361B (zh) | 2017-05-24 | 2017-05-24 | 美容设备护肤手法的判断方法、美容设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107330361A true CN107330361A (zh) | 2017-11-07 |
| CN107330361B CN107330361B (zh) | 2021-01-19 |
Family
ID=60193957
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710375830.6A Active CN107330361B (zh) | 2017-05-24 | 2017-05-24 | 美容设备护肤手法的判断方法、美容设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107330361B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110020630A (zh) * | 2019-04-11 | 2019-07-16 | 成都乐动信息技术有限公司 | 评估动作完成度的方法、装置、存储介质及电子设备 |
| CN116504349A (zh) * | 2023-04-27 | 2023-07-28 | 广东花至美容科技有限公司 | 美容仪护理报告生成及显示方法、存储介质、电子设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20040105457A (ko) * | 2003-06-09 | 2004-12-16 | 아이에프키(주) | 분할생체정보를 이용한 인증방법 |
| CN102819751A (zh) * | 2012-08-21 | 2012-12-12 | 长沙纳特微视网络科技有限公司 | 一种基于动作识别的人机互动方法及装置 |
| CN106022208A (zh) * | 2016-04-29 | 2016-10-12 | 北京天宇朗通通信设备股份有限公司 | 人体动作识别方法及装置 |
| CN106235931A (zh) * | 2016-08-31 | 2016-12-21 | 北京小米移动软件有限公司 | 控制洁面仪工作的方法及装置 |
-
2017
- 2017-05-24 CN CN201710375830.6A patent/CN107330361B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20040105457A (ko) * | 2003-06-09 | 2004-12-16 | 아이에프키(주) | 분할생체정보를 이용한 인증방법 |
| CN102819751A (zh) * | 2012-08-21 | 2012-12-12 | 长沙纳特微视网络科技有限公司 | 一种基于动作识别的人机互动方法及装置 |
| CN106022208A (zh) * | 2016-04-29 | 2016-10-12 | 北京天宇朗通通信设备股份有限公司 | 人体动作识别方法及装置 |
| CN106235931A (zh) * | 2016-08-31 | 2016-12-21 | 北京小米移动软件有限公司 | 控制洁面仪工作的方法及装置 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110020630A (zh) * | 2019-04-11 | 2019-07-16 | 成都乐动信息技术有限公司 | 评估动作完成度的方法、装置、存储介质及电子设备 |
| CN116504349A (zh) * | 2023-04-27 | 2023-07-28 | 广东花至美容科技有限公司 | 美容仪护理报告生成及显示方法、存储介质、电子设备 |
| CN116504349B (zh) * | 2023-04-27 | 2024-04-12 | 广东花至美容科技有限公司 | 美容仪护理报告生成及显示方法、存储介质、电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107330361B (zh) | 2021-01-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106139564B (zh) | 图像处理方法和装置 | |
| CN103970271B (zh) | 融合运动和生理传感数据的日常活动识别方法 | |
| Trejo et al. | Recognition of yoga poses through an interactive system with kinect device | |
| US9690982B2 (en) | Identifying gestures or movements using a feature matrix that was compressed/collapsed using principal joint variable analysis and thresholds | |
| CN108765131A (zh) | 基于微表情的信贷审核方法、装置、终端及可读存储介质 | |
| CN107808143A (zh) | 基于计算机视觉的动态手势识别方法 | |
| CN103035135B (zh) | 基于增强现实技术的儿童认知系统及认知方法 | |
| CN106295476B (zh) | 人脸关键点定位方法和装置 | |
| CN108229269A (zh) | 人脸检测方法、装置和电子设备 | |
| CN110490177A (zh) | 一种人脸检测器训练方法及装置 | |
| CN108197589A (zh) | 动态人体姿态的语义理解方法、装置、设备和存储介质 | |
| CN107016347A (zh) | 一种体感动作识别方法、装置以及系统 | |
| CN107688790A (zh) | 人体行为识别方法、装置、存储介质及电子设备 | |
| CN109344692A (zh) | 一种运动质量评价方法及系统 | |
| CN111931585A (zh) | 一种课堂专注度的检测方法及装置 | |
| CN106295591A (zh) | 基于人脸图像的性别识别方法及装置 | |
| McCall et al. | Macro-class Selection for Hierarchical k-NN Classification of Inertial Sensor Data. | |
| CN105797319A (zh) | 一种羽毛球运动数据处理方法及装置 | |
| CN108197318A (zh) | 人脸识别方法、装置、机器人及存储介质 | |
| CN107169525A (zh) | 一种确定移动终端应用场景的方法、装置和移动终端 | |
| CN107330361A (zh) | 美容设备护肤手法的判断方法、美容设备及存储介质 | |
| CN107967258A (zh) | 文本信息的情感分析方法和系统 | |
| CN108681390A (zh) | 信息交互方法和装置、存储介质及电子装置 | |
| CN109740567A (zh) | 关键点定位模型训练方法、定位方法、装置及设备 | |
| CN105893942A (zh) | 一种基于eSC和HOG的自适应HMM的手语识别方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20221021 Address after: 1010-1011, 10 / F, block D, Shenzhen Aerospace Science and Technology Innovation Research Institute building, no.6, Keji south 10 road, high tech South Zone, Nanshan District, Shenzhen, Guangdong 518000 Patentee after: SHENZHEN H&T INTELLIGENT CONTROL Co.,Ltd. Address before: 1002, 10 / F, block D, Shenzhen Aerospace Science and Technology Innovation Research Institute building, no.6, Keji south 10 road, high tech South Zone, Nanshan District, Shenzhen, Guangdong 518000 Patentee before: SHENZHEN H&T SMART HOME TECHNOLOGY Co.,Ltd. |
|
| TR01 | Transfer of patent right |