CN107392710A - 一种个性化产品的远程智能定制加工方法 - Google Patents

一种个性化产品的远程智能定制加工方法 Download PDF

Info

Publication number
CN107392710A
CN107392710A CN201710593463.7A CN201710593463A CN107392710A CN 107392710 A CN107392710 A CN 107392710A CN 201710593463 A CN201710593463 A CN 201710593463A CN 107392710 A CN107392710 A CN 107392710A
Authority
CN
China
Prior art keywords
mrow
client
msub
facial expression
client terminal
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
Application number
CN201710593463.7A
Other languages
English (en)
Other versions
CN107392710B (zh
Inventor
郑紫微
赵婷
骆绪龙
郭建广
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ningbo University
Original Assignee
Ningbo University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ningbo University filed Critical Ningbo University
Priority to CN201710593463.7A priority Critical patent/CN107392710B/zh
Publication of CN107392710A publication Critical patent/CN107392710A/zh
Application granted granted Critical
Publication of CN107392710B publication Critical patent/CN107392710B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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]
    • G06Q30/0621—Item configuration or customization
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H04L63/0815—Network architectures or network communication protocols for network security for authentication of entities providing single-sign-on or federations
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H04L63/0861—Network architectures or network communication protocols for network security for authentication of entities using biometrical features, e.g. fingerprint, retina-scan
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/52—Network services specially adapted for the location of the user terminal

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Processing Or Creating Images (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种个性化产品的远程智能定制加工方法，用于针对面罩产品的远程智能定制加工系统中，远程智能定制加工系统包括客户子系统、云端服务器、位于远端的定制加工子系统以及若干能够根据云端服务器命令初步加工定制产品样品并输出所述定制产品样品的产品样品输出终端。该个性化产品的远程智能定制加工方法不仅能够实现客户针对自己所需要面罩产品的个性化远程定制需要，而且还可以将客户的面部表情状态融合到个性化产品样品中，更加精确地实现3D彩色打印机在相邻两层切片之间的无缝打印，提高了立体打印质量和立体打印效果，增强了面罩立体产品的丰富造型以及客户针对加工过程的参与性，提高了客户远程定制的乐趣。

Description

一种个性化产品的远程智能定制加工方法
技术领域
本发明涉及定制加工领域，尤其涉及一种个性化产品的远程智能定制加工方法。
背景技术
随着加工业的不断发展，定制加工已经成为当前加工领域的新趋势，尤其是针对面罩产品的远程智能定制加工更是受到面罩加工工厂和客户的喜爱。面罩产品需要较为近距离地靠近用户的脸部，以满足用户针对面罩的使用需要。
在现有针对面罩的远程智能定制加工中，客户可以通过自己的终端设备连接远端加工工厂的加工设备，以登陆到加工设备获取到一定的定制加工权限，然后客户可以根据自己的需要针对加工设备中的加工参数做出修改，由此实现加工工厂加工出满足远端的客户需要的个性化面罩产品。
然而，现有针对面罩的远程智能定制加工方法仍然存在功能单一、客户针对加工过程的参与性差以及定制加工出来的面罩立体产品造型简单等不足之处，不能很好地提高客户的加工兴趣。
发明内容
本发明所要解决的技术问题是针对上述现有技术提供一种个性化产品的远程智能定制加工方法。
本发明解决上述技术问题所采用的技术方案为：一种个性化产品的远程智能定制加工方法，用于针对面罩产品的远程智能定制加工系统中，所述远程智能定制加工系统包括客户子系统、云端服务器、位于远端的定制加工子系统以及若干能够根据云端服务器命令初步加工定制产品样品并输出所述定制产品样品的产品样品输出终端；客户子系统与定制加工子系统通过互联网实现通信连接，云端服务器分别与客户子系统、定制加工子系统以及各产品样品输出终端通信连接；客户子系统包括有连接互联网的客户终端和摄像头，客户终端上具有触摸式显示屏以及扫描式摄像头；定制加工子系统包括有定制加工终端、注册客户信息管理器、面罩产品模型数据库、颜色渲染器和3D彩色打印机，面罩产品模型数据库中至少包括有两个预存的面罩产品模型；所述各产品样品输出终端均具有定位装置；其特征在于，所述个性化产品的远程智能定制加工方法包括如下步骤1至步骤7：
步骤1，客户通过客户终端在定制加工子系统的注册客户信息管理器进行注册，由客户终端得到自适应加密的客户登陆密码，以在客户登录定制加工子系统后，得到定制加工子系统对客户赋予的远程定制服务权限；客户利用客户终端从互联网资源获取个性化面罩产品初始素材或者通过摄像头拍摄面罩实物的方式获取得到个性化面罩产品初始素材，并将获取的所述面罩个性化产品初始素材作为个性化面罩产品模型通过客户终端保存在定制加工子系统的面罩产品模型数据库中；其中，客户终端得到自适应加密的客户登陆密码过程包括如下步骤1-1至步骤1-6：
步骤1-1，客户终端在检测到客户进行注册操作时，客户终端命令其扫描式摄像头启动并按照预设频率扫描当前客户的面部图像，得到客户在注册操作时的注册面部图像序列；其中，客户在注册操作时的注册面部图像序列标记为JPG，JPG＝{jpgm}，m∈[1,M]，jpgm表示客户的注册面部图像序列JPG中的第m个面部图像；M表示客户的注册面部图像序列JPG中的面部图像的总个数；
步骤1-2，客户终端根据所得客户的注册面部图像序列，得到客户在注册操作时的注册面部图像的像素波动值，并由客户终端存储所得客户的注册面部图像像素波动值；其中，客户在注册操作时的注册面部图像像素波动值标记为σJPG：
pixeljpgm表示客户的注册面部图像序列JPG中第m个面部图像jpgm的像素值，表示客户的注册面部图像序列JPG的平均像素值；
步骤1-3，客户终端在再次检测到客户试图登陆定制加工子系统时，客户终端命令其扫描式摄像头按照与步骤1-1中相同的预设频率扫描当前客户的面部图像，并得到客户再次试图登陆时的登陆面部图像序列；其中，客户再次试图登陆时的登陆面部图像序列标记为JPG'，JPG'＝{jpg'm}，m∈[1,M']，jpg'm表示客户的登陆面部图像序列JPG'中的第m个面部图像；M'表示客户的登陆面部图像序列JPG'中的面部图像的总个数，M'＝M；
步骤1-4，客户终端根据所得客户在登陆操作时的登陆面部图像序列，得到客户在登陆操作时的登陆面部图像像素波动值，并由客户终端对所得客户的登陆面部图像像素波动值进行存储；其中，客户在登陆操作时的登陆面部图像像素波动值标记为σ'JPG：
pixel’jpgm表示客户的登陆面部图像序列JPG'中第m个面部图像jpg'm的像素值，表示客户的登陆面部图像序列JPG'的平均像素值；
步骤1-5，客户终端根据所得客户的登陆面部图像像素波动值以及注册面部图像像素波动值，计算获取客户的面部图像像素识别波动差值；其中，客户的面部图像像素识别波动差值标记为ΓJPG：
ΓJPG＝|σJPG-σ'JPG|；
步骤1-6，客户终端根据所得客户的面部图像像素识别波动差值以及预设的面部图像像素识别阈值进行比较判断，以判断是否允许当前客户经客户终端登陆到定制加工子系统：
客户终端判断所得客户的面部图像像素识别波动差值ΓJPG小于预设的面部图像像素识别阈值Γ0时，即ΓJPG<Γ0时，则客户终端允许当前客户经客户终端登陆到定制加工子系统；否则，客户终端拒绝当前客户经客户终端登陆到定制加工子系统；
步骤2，客户终端预先采集并存储预设个数普通用户的面部表情图像序列，并由人工方式区分出各普通用户的面部表情，以建立针对普通用户面部表情的面部表情图像数据库和各类面部表情特征数据库；其中，所述普通用户的预设个数标记为K，第k个普通用户标记为Customk，1≤k≤K，普通用户Customk的面部表情图像序列标记为1≤r≤R；R表示人工方式所区分出的普通用户的面部表情总种类数，表示普通用户Customk的第r种面部表情图片；
步骤3，客户终端在预设时间段内实时地监测存储当前客户的面部表情，并且经客户终端识别出客户在预设时间段内的面部表情状态后，客户终端将面部表情状态识别结果发送给定制加工子系统的定制加工终端；其中，客户终端识别客户在预设时间段内的面部表情状态过程包括如下步骤3-1至步骤3-7：
步骤3-1，客户终端在预设时间段内实时监测当前客户的面部表情，以得到针对当前客户在预设时间段内的面部表情图片序列；
其中，所述预设时间段为常量，预设时间段标记为T，当前客户标记为Custom，当前客户Custom的面部表情图片序列标记为FaceCustom，1≤r≤R；表示当前客户面部表情图片序列FaceCustom中第r种面部表情图片；R表示人工方式所区分出的普通用户的面部表情总种类数；当前客户的第r种面部表情图片的像素值标记为
步骤3-2，客户终端根据所得当前客户在预设时间段内的面部表情图片序列，得到当前客户面部表情在所述预设时间段内的面部表情图片像素渐变波动指数；其中，标记所述面部表情图片像素渐变波动指数标记为
表示所述筛选面部表情图片序列的平均像素值；R1表示当前客户的面部表情图片序列中面部表情图片的总个数；
步骤3-3，客户终端判断所得当前客户的面部表情图片像素渐变波动指数小于预设的面部表情图片像素渐变波动指数阈值时，客户终端判断当前客户面部表情未发生变化；否则，客户终端判断当前客户面部表情已发生变化，并转至执行步骤3-4；其中，预设的面部表情图片像素渐变波动指数阈值标记为
步骤3-4，客户终端在当前客户面部表情图片序列中提取预设个数的面部表情图片，以建立针对当前客户的筛选面部表情图片序列，并根据所得筛选面部图片序列中各面部表情图片对应的像素值，得到针对筛选面部表情图片序列的面部表情图片像素渐变波动指数；其中，所述筛选面部表情图片序列的面部表情图片像素渐变波动指数标记为
R'表示客户终端所提取的当前用户面部表情图片的总个数，即筛选面部表情图片序列中当前用户面部表情图片的总个数；表示所述筛选面部表情图片序列的平均像素值；表示所述筛选面部表情图片序列中第r种面部表情图片的像素值；
步骤3-5，客户终端根据所得当前客户的面部表情图片像素渐变波动指数以及筛选面部表情图片序列对应的面部表情图片像素渐变波动指数得到当前客户的面部表情修正速率；其中，所述当前客户的面部表情修正速率标记为δ：
其中，T为客户终端内的预设时间段常量，ξ为预设常量值，ξ>0；
步骤3-6，客户终端预设面部表情修正速率第一阈值、面部表情修正速率第二阈值以及面部表情修正速率第三阈值，并得到表征不同面部表情的平静区间、烦躁区间和暴躁区间；其中：
所述面部表情修正速率第一阈值标记为δ1、面部表情修正速率第二阈值标记为δ2，面部表情修正速率第三阈值标记为δ3；表征面部表情的平静区间标记为[0,δ1)；表征面部表情的烦躁区间标记为[δ1,δ2)，表征面部表情的暴躁区间标记为[δ2,δ3]；
步骤3-7，客户终端根据预设表征不同面部表情的区间以及所得当前客户的面部表情修正速率进行比较判断，以识别出当前客户的面部表情状态：
当所得当前客户的面部表情修正速率处于预设的平静区间，即δ∈[0,δ1)时，客户终端识别当前客户的面部表情为平静状态；
当所得当前客户的面部表情修正速率处于预设的烦躁区间，即δ∈[δ1,δ2)时，客户终端识别当前客户的面部表情为烦躁状态；
当所得当前客户的面部表情修正速率处于预设的暴躁区间，即δ∈[δ2,δ3]时，客户终端识别当前客户的面部表情为暴躁状态；
步骤4，客户在登录定制加工子系统后，通过客户终端在定制加工子系统处对所述个性化产品模型的参数作修改处理，以得到符合自己要求的个性化产品模型以及对应修改处理后的个性化产品模型参数；客户使用客户终端将修改处理后的个性化产品模型参数以及当前客户的面部表情修正速率发送给定制加工子系统中的定制加工终端；
定制加工子系统中的定制加工终端生成对应该个性化产品的定制加工订单，定制加工终端在定制加工订单中记录所修改后得到的个性化产品模型参数以及步骤2中所对应的客户面部表情状态；定制加工子系统根据修改后的个性化产品模型参数以及所得对应客户面部表情状态，处理得到融合客户面部表情状态的个性化产品模型；
其中，客户对所述个性化产品模型参数的修改操作与该客户的远程定制服务权限相一致；客户的远程定制服务权限根据客户所购买的权限积分进行升级，以得到对应不同权限的远程定制服务操作权限；所述个性化产品模型所对应的原始模型参数集合标记为S，S＝{sj}，j∈[1,J]；J表示所述个性化产品模型的原始模型参数集合中原始模型参数的总个数；所述个性化产品模型的原始模型参数集合S中的参数均为长度参数；
其中，定制加工子系统处理得到所述融合客户面部表情状态的个性化产品模型的过程包括如下步骤4-1至步骤4-3：
步骤4-1，定制加工子系统根据所述修改后的个性化产品模型参数，整合得到针对所述该个性化产品模型的修改后的修改模型参数集合；其中：
标记所述该个性化产品模型的修改模型参数集合标记为S'，S'＝{s'j}，j∈[1,J]；J表示所述该个性化产品模型中修改模型参数的总个数；修改模型参数s'j与原始模型参数sj的参数名称一一对应，修改模型参数集合S'中的修改模型参数均为长度参数；
步骤4-2，定制加工子系统根据原始模型参数集合以及所得修改模型参数集合，得到针对各模型参数的变动量；其中：
其中，表示原始模型参数sj的变动量，s'j为对应原始模型参数sj的修改模型参数；
步骤4-3，定制加工子系统根据所接收的当前客户的面部表情修正速率以及所得针对各模型参数的变动量，得到个性化产品模型中各模型参数对应的实际加工应变指数；其中：
其中，表示原始模型参数sj对应的实际加工应变指数，表示原始模型参数sj的变动量，δ表示所得当前客户的面部表情修正速率；
步骤5，定制加工子系统处理所得融合有客户表情的个性化产品模型，3D彩色打印机根据步骤4所得各模型参数对应的实际加工应变指数以及定制加工子系统所处理的个性产品模型对应的参数进行立体打印，且由客户根据需要利用颜色渲染器调整所打印产品模型上的颜色，以得到符合客户定制要求且融合有客户面部表情的个性化产品模型，并且由客户终端显示当前所得的个性化产品模型；其中，定制加工子系统处理所得融合有客户表情的个性化产品模型过程包括如下步骤5-1至步骤5-3：
步骤5-1，定制加工子系统对所得个性化产品模型进行切片处理，以得到N层切片；其中，N≥2；
步骤5-2，定制加工子系统分别设置3D彩色打印机在各层切片内的预设打印速率，并根据所得切片层数以及步骤3中所得当前客户的面部表情修正速率，得到指令3D彩色打印机在各层切片上的实际打印速率；其中，所述3D彩色打印机在第n层切片上的预设打印速率标记为vn，3D彩色打印机在第n层切片上的实际打印速率标记为Vn：
N1表示3D彩色打印机已经喷涂打印的切片层数，N-N1表示3D彩色打印机在N层切片中剩余未打印的切片数目；δ表示所得当前客户的面部表情修正速率；τ为定制加工子系统针对3D彩色打印机所预设的常量；
步骤5-3，定制加工子系统根据所得3D彩色打印机在各层切片上的实际打印速率，计算3D彩色打印机在相邻两层切片连接处的实际打印速率，并将所得3D彩色打印机在各层切片上的实际打印速率以及在相邻两层切片连接处的实际打印速率作为定制加工子系统处理个性化产品的最终结果发送给3D彩色打印机；其中：
其中，Un-1表示3D彩色打印机在相邻两层切片Vn-1与Vn的连接处的实际打印速率；
步骤6，客户在满意所得个性化产品模型后，客户利用客户终端反馈满意指令给定制加工子系统，由定制加工子系统根据客户在注册客户信息管理器中的注册信息，生成包括有运输订单信息的二维码信息，并命令3D彩色打印机将所述的二维码信息喷涂到所得个性化产品上；定制加工子系统将个性化产品所对应的运输订单信息发送给客户终端，以实现客户对自己所远程定制的个性化产品运输信息的追踪查询；
步骤7，各产品样品输出终端内的定位装置按照预设频率发送自身位置信息给云端服务器；客户需要在自己的预定位置处得到满意的个性化产品样品时，客户通过客户终端将预定位置以及步骤4中融合客户面部表情状态的个性化产品模型所对应的参数发送给云端服务器，并在客户支付加工费用给云端服务器后，云端服务器命令在预定位置的预设范围内的产品样品输出终端加工得到对应所述个性化产品模型的产品样品，并输出给客户。
可选择地，所述客户终端为电脑或移动终端，所述扫描式摄像头为Kinect摄像头。
进一步地，在所述个性化产品的远程智能定制加工方法中，所述步骤4还包括：客户通过客户终端在所述个性化产品模型上加印图像的步骤。
改进地，在所述个性化产品的远程智能定制加工方法中，所述步骤5还包括：定制加工子系统开放打印实时直播权限给客户子系统，以实现客户利用客户终端远程实时观察自己所定制产品打印过程的步骤。
进一步地，所述客户终端为智能手机或者平板电脑或者笔记本电脑。
再改进，在所述个性化产品的远程智能定制加工方法中，所述定制加工子系统按照预设周期推送受欢迎程度高的产品模型给客户终端。
进一步地，在所述个性化产品的远程智能定制加工方法中，在步骤6之后还包括：定制加工子系统建立客户反馈平台，由各客户将所述定制加工子系统所加工的个性化产品的评价或改进建议反馈至客户反馈平台，以帮助定制加工子系统获知产品加工效果的步骤。
与现有技术相比，本发明的优点在于：
首先，针对客户在定制加工子系统的注册过程和登陆过程，本发明中的客户终端通过求解客户的多个注册面部图像的像素波动值，由此以提高客户终端针对客户登陆面部图像与客户注册面部图像的判断准确度；客户终端通过获取客户的面部图像像素识别波动差值，可以提高客户终端针对客户登陆面部图像与客户注册面部图像的判断准确度；
其次，本发明中的客户终端在预设时间段内实时地监测存储当前客户的面部表情，并且经客户终端识别出客户在预设时间段内的面部表情状态后，客户终端将面部表情状态识别结果发送给定制加工子系统的定制加工终端；
客户在登录定制加工子系统后，通过客户终端在定制加工子系统处对所述个性化产品模型的参数作修改处理，以得到符合自己要求的个性化产品模型以及对应修改处理后的个性化产品模型参数；客户终端可以识别客户的当前面部表情状态，且由定制加工子系统根据修改后的个性化产品模型参数以及所得对应客户面部表情状态，处理得到融合客户面部表情状态的个性化产品模型，以使得个性化产品模型具有当前客户的面部表情状态，增强了面罩立体产品的丰富造型以及客户针对加工过程的参与性，提高了客户远程定制的乐趣；
再次，3D彩色打印机针对融合有客户表情的个性化产品模型进行立体打印，且由客户根据需要利用颜色渲染器调整所打印产品模型上的颜色，以得到符合客户定制要求且融合有客户面部表情的个性化产品模型，并由客户终端显示当前所得的个性化产品模型；在3D彩色打印机的立体打印过程中，定制加工子系统计算3D彩色打印机在相邻两层切片连接处的实际打印速率，并将所得3D彩色打印机在各层切片上的实际打印速率以及在相邻两层切片连接处的实际打印速率作为定制加工子系统处理个性化产品的最终结果发送给3D彩色打印机，以更加精确地实现3D彩色打印机在相邻两层切片之间的无缝打印，提高了打印质量和打印效果；
最后，各产品样品输出终端内的定位装置按照预设频率发送自身位置信息给云端服务器，从而可以使得云端服务器获知到各产品样品输出终端的位置信息；由此满足客户在自己所需要的位置处得到客户需要的产品样品。
附图说明
图1为本发明实施例中远程智能定制加工系统的示意图；
图2为本发明实施例中个性化产品的远程智能定制加工方法的流程示意图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
如图2所示，本实施例中个性化产品的远程智能定制加工方法，用于针对面罩产品的远程智能定制加工系统中，远程智能定制加工系统参见图1中所示，远程智能定制加工系统包括客户子系统、云端服务器、位于远端的定制加工子系统以及若干能够根据云端服务器命令初步加工定制产品样品并输出定制产品样品的产品样品输出终端；客户子系统与定制加工子系统通过互联网实现通信连接，云端服务器分别与客户子系统、定制加工子系统以及各产品样品输出终端通信连接；客户子系统包括有连接互联网的客户终端和摄像头，客户终端上具有触摸式显示屏以及扫描式摄像头；扫描式摄像头可以通过对物品进行扫描的方式获取到被扫描物品的立体数据；本实施例中的扫描式摄像头采用Kinect摄像头；定制加工子系统包括有定制加工终端、注册客户信息管理器、面罩产品模型数据库、颜色渲染器和3D彩色打印机，面罩产品模型数据库中至少包括有两个预存的面罩产品模型，即面罩产品模型数据库所预先自带的面罩产品模型；各产品样品输出终端均具有定位装置，以由定位装置获取对应产品样品输出终端的具体位置；注册客户信息管理器用语管理客户的注册信息；作为改进之处，本实例中个性化产品的远程智能定制加工方法包括如下步骤1至步骤7：
步骤1，客户通过客户终端在定制加工子系统的注册客户信息管理器进行注册，由客户终端得到自适应加密的客户登陆密码，以在客户登录定制加工子系统后，得到定制加工子系统对客户赋予的远程定制服务权限；
客户利用客户终端从互联网资源获取个性化面罩产品初始素材或者通过摄像头拍摄面罩实物的方式获取得到个性化面罩产品初始素材，并将获取的面罩个性化产品初始素材作为个性化面罩产品模型通过客户终端保存在定制加工子系统的面罩产品模型数据库中，由此可以满足客户选择自己喜好的面罩个性化产品初始素材；面罩产品模型数据库中的这些个性化面罩产品初始素材可以供客户在进行远程定制时选择使用；在本实施例中，客户终端得到自适应加密的客户登陆密码过程包括如下步骤1-1至步骤1-6：
步骤1-1，客户终端在检测到客户进行注册操作时，客户终端命令其扫描式摄像头启动并按照预设频率扫描当前客户的面部图像，得到客户在注册操作时的注册面部图像序列；本步骤1-1中所说的预设频率可以由客户终端预先设置，并且也可以根据需要设置成根据客户需求进行设定；
其中，客户在注册操作时的注册面部图像序列标记为JPG，JPG＝{jpgm}，m∈[1,M]，jpgm表示客户的注册面部图像序列JPG中的第m个面部图像；M表示客户的注册面部图像序列JPG中的面部图像的总个数；也就是说，按照摄像头扫描当前客户面部图像的预设频率，客户终端在对应该预设频率的时间段内所存储的客户面部图像个数为M个；
步骤1-2，客户终端根据所得客户的注册面部图像序列，得到客户在注册操作时的注册面部图像的像素波动值，并由客户终端存储所得客户的注册面部图像像素波动值；其中，客户在注册操作时的注册面部图像像素波动值标记为σJPG：
表示客户的注册面部图像序列JPG中第m个面部图像jpgm的像素值，表示客户的注册面部图像序列JPG的平均像素值；M表示客户的注册面部图像序列JPG中的面部图像的总个数；
客户终端通过针对客户的多个注册面部图像求解其像素波动值，由此可以提高客户终端对多种像素下客户面部图像的判断，以提高客户终端针对客户登陆面部图像与客户注册面部图像的判断准确度；
步骤1-3，客户终端在再次检测到客户试图登陆定制加工子系统时，客户终端命令其扫描式摄像头按照与步骤1-1中相同的预设频率扫描当前客户的面部图像，并得到客户再次试图登陆时的登陆面部图像序列；
其中，客户再次试图登陆时的登陆面部图像序列标记为JPG'，JPG'＝{jpg'm}，m∈[1,M']，jpg'm表示客户的登陆面部图像序列JPG'中的第m个面部图像；M'表示客户的登陆面部图像序列JPG'中的面部图像的总个数，M'＝M；
步骤1-4，客户终端根据所得客户在登陆操作时的登陆面部图像序列，得到客户在登陆操作时的登陆面部图像像素波动值，并由客户终端对所得客户的登陆面部图像像素波动值进行存储；其中，客户在登陆操作时的登陆面部图像像素波动值标记为σ'JPG：
表示客户的登陆面部图像序列JPG'中第m个面部图像jpg'm的像素值，表示客户的登陆面部图像序列JPG'的平均像素值；M'表示客户的登陆面部图像序列JPG'中的面部图像的总个数；
步骤1-5，客户终端根据所得客户的登陆面部图像像素波动值以及注册面部图像像素波动值，计算获取客户的面部图像像素识别波动差值；其中，客户的面部图像像素识别波动差值标记为ΓJPG：ΓJPG＝|σJPG-σ'JPG|；其中，σJPG表示客户在注册操作时的注册面部图像像素波动值，σ'JPG表示客户在登陆操作时的登陆面部图像像素波动值；
客户终端通过获取客户的面部图像像素识别波动差值，可以提高客户终端对客户面部图像的判断，以提高客户终端针对客户登陆面部图像与客户注册面部图像的判断准确度；
步骤1-6，客户终端根据所得客户的面部图像像素识别波动差值以及预设的面部图像像素识别阈值进行比较判断，以判断是否允许当前客户经客户终端登陆到定制加工子系统：
客户终端判断所得客户的面部图像像素识别波动差值ΓJPG小于预设的面部图像像素识别阈值Γ0时，即ΓJPG<Γ0时，此时表示客户的登陆面部图像与客户的注册面部图像之间的差异位于允许的差异范围之内，即表明当前作登陆操作的客户与注册操作的客户是同一人，则客户终端允许当前客户经客户终端登陆到定制加工子系统；否则，客户终端拒绝当前客户经客户终端登陆到定制加工子系统；
步骤2，客户终端预先采集并存储预设个数普通用户的面部表情图像序列，并由人工方式区分出各普通用户的面部表情，以建立针对普通用户面部表情的面部表情图像数据库和各类面部表情特征数据库；其中，
普通用户的预设个数标记为K，第k个普通用户标记为Customk，1≤k≤K，普通用户Customk的面部表情图像序列标记为1≤r≤R；R表示人工方式所区分出的普通用户的面部表情总种类数，表示普通用户Customk的第r种面部表情图片；具体地，此处所说的面部表情可以包括有高兴、惊讶、愤怒和恐惧等常见的面部表情；例如，表示第4个普通用户的第2种面部表情图片；
步骤3，客户终端在预设时间段内实时地监测存储当前客户的面部表情，并且经客户终端识别出客户在预设时间段内的面部表情状态后，客户终端将面部表情状态识别结果发送给定制加工子系统的定制加工终端；其中，客户终端识别客户在预设时间段内的面部表情状态过程包括如下步骤3-1至步骤3-7：
步骤3-1，客户终端在预设时间段内实时监测当前客户的面部表情，以得到针对当前客户在预设时间段内的面部表情图片序列；
其中，此处所说的预设时间段为常量，预设时间段标记为T，例如，预设时间段T＝100s；当前客户标记为Custom，当前客户Custom的面部表情图片序列标记为FaceCustom， 表示当前客户面部表情图片序列FaceCustom中第r种面部表情图片；R表示人工方式所区分出的普通用户的面部表情总种类数；当前客户的第r种面部表情图片的像素值标记为
步骤3-2，客户终端根据所得当前客户在预设时间段内的面部表情图片序列，得到当前客户面部表情在预设时间段内的面部表情图片像素渐变波动指数；其中，标记面部表情图片像素渐变波动指数标记为
表示当前客户在所述预设时间段内的面部表情图片序列的平均像素值；R1表示当前客户的面部表情图片序列中面部表情图片的总个数；
步骤3-3，客户终端判断所得当前客户的面部表情图片像素渐变波动指数小于预设的面部表情图片像素渐变波动指数阈值时，客户终端判断当前客户面部表情未发生变化；否则，客户终端判断当前客户面部表情已发生变化，并转至执行步骤3-4；
其中，预设的面部表情图片像素渐变波动指数阈值标记为也就说，当面部表情图片像素渐变波动指数时，客户终端判断当前客户面部表情未发生变化；
步骤3-4，客户终端在当前客户面部表情图片序列中提取预设个数的面部表情图片，以建立针对当前客户的筛选面部表情图片序列，并根据所得筛选面部图片序列中各面部表情图片对应的像素值，得到针对筛选面部表情图片序列的面部表情图片像素渐变波动指数；其中，所述筛选面部表情图片序列的面部表情图片像素渐变波动指数标记为
R'表示客户终端所提取的当前用户面部表情图片的总个数，即筛选面部表情图片序列中当前用户面部表情图片的总个数；表示所述筛选面部表情图片序列的平均像素值；表示所述筛选面部表情图片序列中第r种面部表情图片的像素值；
步骤3-5，客户终端根据所得当前客户的面部表情图片像素渐变波动指数以及筛选面部表情图片序列对应的面部表情图片像素渐变波动指数得到当前客户的面部表情修正速率；其中，当前客户的面部表情修正速率标记为δ：
其中，T为客户终端内的预设时间段常量，ξ为预设常量值，ξ>0；例如，此处的预设时间段常量T＝100s，ξ＝0.001；
步骤3-6，客户终端预设面部表情修正速率第一阈值、面部表情修正速率第二阈值以及面部表情修正速率第三阈值，并得到表征不同面部表情的平静区间、烦躁区间和暴躁区间；其中：
面部表情修正速率第一阈值标记为δ1、面部表情修正速率第二阈值标记为δ2，面部表情修正速率第三阈值标记为δ3；表征面部表情的平静区间标记为[0,δ1)；表征面部表情的烦躁区间标记为[δ1,δ2)，表征面部表情的暴躁区间标记为[δ2,δ3]；
步骤3-7，客户终端根据预设表征不同面部表情的区间以及所得当前客户的面部表情修正速率进行比较判断，以识别出当前客户的面部表情状态：
当所得当前客户的面部表情修正速率处于预设的平静区间，即δ∈[0,δ1)时，表明当前客户表情是平静的，此时客户终端识别当前客户的面部表情为平静状态；
当所得当前客户的面部表情修正速率处于预设的烦躁区间，即δ∈[δ1,δ2)时，表明当前客户表情是烦躁的，此时客户终端识别当前客户的面部表情为烦躁状态；
当所得当前客户的面部表情修正速率处于预设的暴躁区间，即δ∈[δ2,δ3]时，表明当前客户表情是暴躁的，此时客户终端识别当前客户的面部表情为暴躁状态；
步骤4，客户在登录定制加工子系统后，通过客户终端在定制加工子系统处对所述个性化产品模型的参数作修改处理，以得到符合自己要求的个性化产品模型以及对应修改处理后的个性化产品模型参数；
客户使用客户终端将修改处理后的个性化产品模型参数以及当前客户的面部表情修正速率发送给定制加工子系统中的定制加工终端；
定制加工子系统中的定制加工终端生成对应该个性化产品的定制加工订单，定制加工终端在定制加工订单中记录所修改后得到的个性化产品模型参数以及步骤2中所对应的客户面部表情状态；定制加工子系统根据修改后的个性化产品模型参数以及所得对应客户面部表情状态，处理得到融合客户面部表情状态的个性化产品模型；
其中，客户对所述个性化产品模型参数的修改操作与该客户的远程定制服务权限相一致；如果客户的远程定制服务权限越高，那么客户就可以针对个性化产品模型参数做出更多的修改；客户的远程定制服务权限根据客户所购买的权限积分进行升级，以得到对应不同权限的远程定制服务操作权限；
具体地，个性化产品模型所对应的原始模型参数集合标记为S，S＝{sj}，j∈[1,J]；sj表示原始模型参数集合S中的各参数，J表示个性化产品模型的原始模型参数集合S中原始模型参数的总个数；个性化产品模型的原始模型参数集合S中的参数均为长度参数；
其中，定制加工子系统处理得到该融合客户面部表情状态的个性化产品模型的过程包括如下步骤4-1至步骤4-3：
步骤4-1，定制加工子系统根据修改后的个性化产品模型参数，整合得到针对该个性化产品模型的修改后的修改模型参数集合；此处的修改模型参数集合包括了客户修改的所有产品模型参数；其中：
标记该个性化产品模型的修改模型参数集合标记为S'，S'＝{s'j}，j∈[1,J]；s'j表示修改模型参数集合S'中的各参数；J表示所述该个性化产品模型中修改模型参数的总个数；修改模型参数s'j与原始模型参数sj的参数名称一一对应，修改模型参数集合S'中的修改模型参数均为长度参数；修改模型参数s'j是原始模型参数sj修改后的参数；
步骤4-2，定制加工子系统根据原始模型参数集合S以及所得修改模型参数集合S'，得到针对各模型参数的变动量；其中： 表示原始模型参数sj的变动量，s'j为对应原始模型参数sj的修改模型参数；
步骤4-3，定制加工子系统根据所接收的当前客户的面部表情修正速率δ以及所得针对各模型参数的变动量，得到个性化产品模型中各模型参数对应的实际加工应变指数；其中： 表示原始模型参数sj对应的实际加工应变指数，表示原始模型参数sj的变动量，δ表示所得当前客户的面部表情修正速率；
通过将原始模型参数的变动量与当前客户的面部表情修正速率做积处理，以得到针对各模型参数的变动量，从而可以更加准确地满足个性化产品模型中各模型参数的实际加工应变需要，以符合当前客户的面部表情；
步骤5，定制加工子系统处理所得融合有客户表情的个性化产品模型，3D彩色打印机根据步骤4所得各模型参数对应的实际加工应变指数以及定制加工子系统所处理的个性产品模型对应的参数进行立体打印，且由客户根据需要利用颜色渲染器调整所打印产品模型上的颜色，以得到符合客户定制要求且融合有客户面部表情的个性化产品模型，并且由客户终端显示当前所得的个性化产品模型；其中，定制加工子系统处理所得融合有客户表情的个性化产品模型过程包括如下步骤5-1至步骤5-3：
步骤5-1，定制加工子系统对所得个性化产品模型进行切片处理，以得到N层切片；其中，N≥2；
步骤5-2，定制加工子系统分别设置3D彩色打印机在各层切片内的预设打印速率，并根据所得切片层数以及步骤3中所得当前客户的面部表情修正速率，得到指令3D彩色打印机在各层切片上的实际打印速率；其中，3D彩色打印机在第n层切片上的预设打印速率标记为vn，3D彩色打印机在第n层切片上的实际打印速率标记为Vn：
N1表示3D彩色打印机已经喷涂打印的切片层数，N-N1表示3D彩色打印机在N层切片中剩余未打印的切片数目；N1≤N；δ表示所得当前客户的面部表情修正速率；τ为定制加工子系统针对3D彩色打印机所预设的常量；作为优选，此处的τ＝0.0001；
步骤5-3，定制加工子系统根据所得3D彩色打印机在各层切片上的实际打印速率，计算3D彩色打印机在相邻两层切片连接处的实际打印速率，并将所得3D彩色打印机在各层切片上的实际打印速率以及在相邻两层切片连接处的实际打印速率作为定制加工子系统处理个性化产品的最终结果发送给3D彩色打印机；其中：
其中，Un-1表示3D彩色打印机在相邻两层切片Vn-1与Vn的连接处的实际打印速率；此处通过计算对应相邻两层切片的连接处的实际打印速率，以更加精确地实现3D彩色打印机在相邻两层切片之间的无缝打印，提高了立体打印质量和立体打印效果；
步骤6，客户在满意所得个性化产品模型后，客户利用客户终端反馈满意指令给定制加工子系统，由定制加工子系统根据客户在注册客户信息管理器中的注册信息，生成包括有运输订单信息的二维码信息，并命令3D彩色打印机将所述的二维码信息喷涂到所得个性化产品上；定制加工子系统将个性化产品所对应的运输订单信息发送给客户终端，以实现客户对自己所远程定制的个性化产品运输信息的追踪查询；
步骤7，各产品样品输出终端内的定位装置按照预设频率发送自身位置信息给云端服务器，从而可以使得云端服务器获知到各产品样品输出终端的位置信息；
客户需要在自己的预定位置处得到满意的个性化产品样品时，客户通过客户终端将预定位置以及步骤4中融合客户面部表情状态的个性化产品模型所对应的参数发送给云端服务器，并在客户支付加工费用给云端服务器后，云端服务器命令在预定位置的预设范围内的产品样品输出终端加工得到对应所述个性化产品模型的产品样品，并输出给客户，由此能够满足客户在自己所需要的位置处得到客户需要的产品样品。其中，客户终端可以选择采用电脑或移动终端，摄像头为Kinect摄像头。当然，客户终端还可以是智能手机或者平板电脑或者笔记本电脑。
作为针对本实施例中个性化产品的远程智能定制加工方法的改进，步骤4还包括：客户通过客户终端在所述个性化产品模型上加印图像的步骤，以满足客户随时根据自己需要来对个性化产品模型加印图像的目的。
改进地，在本实施例的个性化产品的远程智能定制加工方法中，所述步骤5还包括：定制加工子系统开放打印实时直播权限给客户子系统，以实现客户利用客户终端远程实时观察自己所定制产品打印过程的步骤。其中，作为进一步地改进措施，在本实施例的个性化产品的远程智能定制加工方法中，所述定制加工子系统按照预设周期推送受欢迎程度高的产品模型给客户终端，以供客户利用客户终端选择自己需要的且受欢迎程度高的产品模型。
进一步地，在本实施例的个性化产品的远程智能定制加工方法中，在步骤6之后还包括：定制加工子系统建立客户反馈平台，由各客户将所述定制加工子系统所加工的个性化产品的评价或改进建议反馈至客户反馈平台，以帮助定制加工子系统获知产品加工效果的步骤。

Claims (7)

1.一种个性化产品的远程智能定制加工方法，用于针对面罩产品的远程智能定制加工系统中，所述远程智能定制加工系统包括客户子系统、云端服务器、位于远端的定制加工子系统以及若干能够根据云端服务器命令初步加工定制产品样品并输出所述定制产品样品的产品样品输出终端；客户子系统与定制加工子系统通过互联网实现通信连接，云端服务器分别与客户子系统、定制加工子系统以及各产品样品输出终端通信连接；客户子系统包括有连接互联网的客户终端和摄像头，客户终端上具有触摸式显示屏以及扫描式摄像头；定制加工子系统包括有定制加工终端、注册客户信息管理器、面罩产品模型数据库、颜色渲染器和3D彩色打印机，面罩产品模型数据库中至少包括有两个预存的面罩产品模型；所述各产品样品输出终端均具有定位装置；其特征在于，所述个性化产品的远程智能定制加工方法包括如下步骤1至步骤7：
步骤1，客户通过客户终端在定制加工子系统的注册客户信息管理器进行注册，由客户终端得到自适应加密的客户登陆密码，以在客户登录定制加工子系统后，得到定制加工子系统对客户赋予的远程定制服务权限；客户利用客户终端从互联网资源获取个性化面罩产品初始素材或者通过摄像头拍摄面罩实物的方式获取得到个性化面罩产品初始素材，并将获取的所述面罩个性化产品初始素材作为个性化面罩产品模型通过客户终端保存在定制加工子系统的面罩产品模型数据库中；其中，客户终端得到自适应加密的客户登陆密码过程包括如下步骤1-1至步骤1-6：
步骤1-1，客户终端在检测到客户进行注册操作时，客户终端命令其扫描式摄像头启动并按照预设频率扫描当前客户的面部图像，得到客户在注册操作时的注册面部图像序列；其中，客户在注册操作时的注册面部图像序列标记为JPG，JPG＝{jpgm}，m∈[1,M]，jpgm表示客户的注册面部图像序列JPG中的第m个面部图像；M表示客户的注册面部图像序列JPG中的面部图像的总个数；
步骤1-2，客户终端根据所得客户的注册面部图像序列，得到客户在注册操作时的注册面部图像的像素波动值，并由客户终端存储所得客户的注册面部图像像素波动值；其中，客户在注册操作时的注册面部图像像素波动值标记为σJPG：
<mfenced open = "" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>&amp;sigma;</mi> <mrow> <mi>J</mi> <mi>P</mi> <mi>G</mi> </mrow> </msub> <mo>=</mo> <msqrt> <mrow> <mfrac> <mn>1</mn> <mi>M</mi> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>m</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <msup> <mrow> <mo>(</mo> <msub> <mi>pixel</mi> <mrow> <msub> <mi>jpg</mi> <mi>m</mi> </msub> </mrow> </msub> <mo>-</mo> <mover> <mrow> <msub> <mi>pixel</mi> <mrow> <mi>J</mi> <mi>P</mi> <mi>G</mi> </mrow> </msub> </mrow> <mo>&amp;OverBar;</mo> </mover> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mover> <mrow> <msub> <mi>pixel</mi> <mrow> <mi>J</mi> <mi>P</mi> <mi>G</mi> </mrow> </msub> </mrow> <mo>&amp;OverBar;</mo> </mover> <mo>=</mo> <mfrac> <mn>1</mn> <mi>M</mi> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>m</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <msub> <mi>pixel</mi> <mrow> <msub> <mi>jpg</mi> <mi>m</mi> </msub> </mrow> </msub> <mo>;</mo> </mrow> </mtd> </mtr> </mtable> </mfenced>
表示客户的注册面部图像序列JPG中第m个面部图像jpgm的像素值，表示客户的注册面部图像序列JPG的平均像素值；
步骤1-3，客户终端在再次检测到客户试图登陆定制加工子系统时，客户终端命令其扫描式摄像头按照与步骤1-1中相同的预设频率扫描当前客户的面部图像，并得到客户再次试图登陆时的登陆面部图像序列；其中，客户再次试图登陆时的登陆面部图像序列标记为JPG'，JPG'＝{jpg'm}，m∈[1,M']，jpg'm表示客户的登陆面部图像序列JPG'中的第m个面部图像；M'表示客户的登陆面部图像序列JPG'中的面部图像的总个数，M'＝M；
步骤1-4，客户终端根据所得客户在登陆操作时的登陆面部图像序列，得到客户在登陆操作时的登陆面部图像像素波动值，并由客户终端对所得客户的登陆面部图像像素波动值进行存储；其中，客户在登陆操作时的登陆面部图像像素波动值标记为σ'JPG：
<mfenced open = "" close = ""> <mtable> <mtr> <mtd> <mrow> <msubsup> <mi>&amp;sigma;</mi> <mrow> <mi>J</mi> <mi>P</mi> <mi>G</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> <mo>=</mo> <msqrt> <mrow> <mfrac> <mn>1</mn> <msup> <mi>M</mi> <mo>&amp;prime;</mo> </msup> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>m</mi> <mo>=</mo> <mn>1</mn> </mrow> <msup> <mi>M</mi> <mo>&amp;prime;</mo> </msup> </munderover> <msup> <mrow> <mo>(</mo> <msub> <mi>pixel</mi> <mrow> <msubsup> <mi>jpg</mi> <mi>m</mi> <mo>&amp;prime;</mo> </msubsup> </mrow> </msub> <mo>-</mo> <mover> <mrow> <msub> <mi>pixel</mi> <mrow> <msup> <mi>JPG</mi> <mo>&amp;prime;</mo> </msup> </mrow> </msub> </mrow> <mo>&amp;OverBar;</mo> </mover> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mover> <mrow> <msub> <mi>pixel</mi> <mrow> <msup> <mi>JPG</mi> <mo>&amp;prime;</mo> </msup> </mrow> </msub> </mrow> <mo>&amp;OverBar;</mo> </mover> <mo>=</mo> <mfrac> <mn>1</mn> <msup> <mi>M</mi> <mo>&amp;prime;</mo> </msup> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>m</mi> <mo>=</mo> <mn>1</mn> </mrow> <msup> <mi>M</mi> <mo>&amp;prime;</mo> </msup> </munderover> <msub> <mi>pixel</mi> <mrow> <msubsup> <mi>jpg</mi> <mi>m</mi> <mo>&amp;prime;</mo> </msubsup> </mrow> </msub> <mo>;</mo> </mrow> </mtd> </mtr> </mtable> </mfenced>
表示客户的登陆面部图像序列JPG'中第m个面部图像jpg'm的像素值，表示客户的登陆面部图像序列JPG'的平均像素值；
步骤1-5，客户终端根据所得客户的登陆面部图像像素波动值以及注册面部图像像素波动值，计算获取客户的面部图像像素识别波动差值；其中，客户的面部图像像素识别波动差值标记为ΓJPG：
ΓJPG＝|σJPG-σ'JPG|；
步骤1-6，客户终端根据所得客户的面部图像像素识别波动差值以及预设的面部图像像素识别阈值进行比较判断，以判断是否允许当前客户经客户终端登陆到定制加工子系统：
客户终端判断所得客户的面部图像像素识别波动差值ΓJPG小于预设的面部图像像素识别阈值Γ0时，即ΓJPG<Γ0时，则客户终端允许当前客户经客户终端登陆到定制加工子系统；否则，客户终端拒绝当前客户经客户终端登陆到定制加工子系统；
步骤2，客户终端预先采集并存储预设个数普通用户的面部表情图像序列，并由人工方式区分出各普通用户的面部表情，以建立针对普通用户面部表情的面部表情图像数据库和各类面部表情特征数据库；其中，所述普通用户的预设个数标记为K，第k个普通用户标记为Customk，1≤k≤K，普通用户Customk的面部表情图像序列标记为1≤r≤R；R表示人工方式所区分出的普通用户的面部表情总种类数，表示普通用户Customk的第r种面部表情图片；
步骤3，客户终端在预设时间段内实时地监测存储当前客户的面部表情，并且经客户终端识别出客户在预设时间段内的面部表情状态后，客户终端将面部表情状态识别结果发送给定制加工子系统的定制加工终端；其中，客户终端识别客户在预设时间段内的面部表情状态过程包括如下步骤3-1至步骤3-7：
步骤3-1，客户终端在预设时间段内实时监测当前客户的面部表情，以得到针对当前客户在预设时间段内的面部表情图片序列；
其中，所述预设时间段为常量，预设时间段标记为T，当前客户标记为Custom，当前客户Custom的面部表情图片序列标记为FaceCustom，1≤r≤R；表示当前客户面部表情图片序列FaceCustom中第r种面部表情图片；R表示人工方式所区分出的普通用户的面部表情总种类数；当前客户的第r种面部表情图片的像素值标记为
步骤3-2，客户终端根据所得当前客户在预设时间段内的面部表情图片序列，得到当前客户面部表情在所述预设时间段内的面部表情图片像素渐变波动指数；其中，标记所述面部表情图片像素渐变波动指数标记为θ1：
<mfenced open = "" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>&amp;theta;</mi> <mn>1</mn> </msub> <mo>=</mo> <mfrac> <mover> <mrow> <msub> <mi>Pix</mi> <mrow> <mi>C</mi> <mi>u</mi> <mi>s</mi> <mi>t</mi> <mi>o</mi> <mi>m</mi> </mrow> </msub> </mrow> <mo>&amp;OverBar;</mo> </mover> <msqrt> <mrow> <mfrac> <mn>1</mn> <msub> <mi>R</mi> <mn>1</mn> </msub> </mfrac> <msup> <mrow> <mo>(</mo> <msubsup> <mi>Pix</mi> <mrow> <mi>C</mi> <mi>u</mi> <mi>s</mi> <mi>t</mi> <mi>o</mi> <mi>m</mi> </mrow> <mi>r</mi> </msubsup> <mo>-</mo> <mover> <mrow> <msub> <mi>Pix</mi> <mrow> <mi>C</mi> <mi>u</mi> <mi>s</mi> <mi>t</mi> <mi>o</mi> <mi>m</mi> </mrow> </msub> </mrow> <mo>&amp;OverBar;</mo> </mover> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> </mfrac> <mo>&amp;CenterDot;</mo> <mfrac> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>r</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>R</mi> <mn>1</mn> </msub> </munderover> <msubsup> <mi>Pix</mi> <mrow> <mi>C</mi> <mi>u</mi> <mi>s</mi> <mi>t</mi> <mi>o</mi> <mi>m</mi> </mrow> <mi>r</mi> </msubsup> </mrow> <mrow> <munderover> <mo>&amp;Pi;</mo> <mrow> <mi>r</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>R</mi> <mn>1</mn> </msub> </munderover> <msubsup> <mi>Pix</mi> <mrow> <mi>C</mi> <mi>u</mi> <mi>s</mi> <mi>t</mi> <mi>o</mi> <mi>m</mi> </mrow> <mi>r</mi> </msubsup> </mrow> </mfrac> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mover> <mrow> <msub> <mi>pix</mi> <mrow> <mi>C</mi> <mi>u</mi> <mi>s</mi> <mi>t</mi> <mi>o</mi> <mi>m</mi> </mrow> </msub> </mrow> <mo>&amp;OverBar;</mo> </mover> <mo>=</mo> <mfrac> <mn>1</mn> <msub> <mi>R</mi> <mn>1</mn> </msub> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>r</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>R</mi> <mn>1</mn> </msub> </munderover> <msubsup> <mi>Pix</mi> <mrow> <mi>C</mi> <mi>u</mi> <mi>s</mi> <mi>t</mi> <mi>o</mi> <mi>m</mi> </mrow> <mi>r</mi> </msubsup> <mo>;</mo> </mrow> </mtd> </mtr> </mtable> </mfenced> 2
表示所述筛选面部表情图片序列的平均像素值；R1表示当前客户的面部表情图片序列中面部表情图片的总个数；
步骤3-3，客户终端判断所得当前客户的面部表情图片像素渐变波动指数小于预设的面部表情图片像素渐变波动指数阈值时，客户终端判断当前客户面部表情未发生变化；否则，客户终端判断当前客户面部表情已发生变化，并转至执行步骤3-4；其中，预设的面部表情图片像素渐变波动指数阈值标记为θ0；
步骤3-4，客户终端在当前客户面部表情图片序列中提取预设个数的面部表情图片，以建立针对当前客户的筛选面部表情图片序列，并根据所得筛选面部图片序列中各面部表情图片对应的像素值，得到针对筛选面部表情图片序列的面部表情图片像素渐变波动指数；其中，所述筛选面部表情图片序列的面部表情图片像素渐变波动指数标记为θ2：
<mfenced open = "" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>&amp;theta;</mi> <mn>2</mn> </msub> <mo>=</mo> <mfrac> <mover> <mrow> <msubsup> <mi>Pix</mi> <mrow> <mi>C</mi> <mi>u</mi> <mi>s</mi> <mi>t</mi> <mi>o</mi> <mi>m</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> </mrow> <mo>&amp;OverBar;</mo> </mover> <msqrt> <mrow> <mfrac> <mn>1</mn> <msup> <mi>R</mi> <mo>&amp;prime;</mo> </msup> </mfrac> <msup> <mrow> <mo>(</mo> <msubsup> <mi>Pix</mi> <mrow> <mi>C</mi> <mi>u</mi> <mi>s</mi> <mi>t</mi> <mi>o</mi> <mi>m</mi> </mrow> <msup> <mi>r</mi> <mo>&amp;prime;</mo> </msup> </msubsup> <mo>-</mo> <mover> <mrow> <msubsup> <mi>Pix</mi> <mrow> <mi>C</mi> <mi>u</mi> <mi>s</mi> <mi>t</mi> <mi>o</mi> <mi>m</mi> </mrow> <mo>&amp;prime;</mo> </msubsup> </mrow> <mo>&amp;OverBar;</mo> </mover> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> </mfrac> <mo>&amp;CenterDot;</mo> <mfrac> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>r</mi> <mo>=</mo> <mn>1</mn> </mrow> <msup> <mi>R</mi> <mo>&amp;prime;</mo> </msup> </munderover> <msubsup> <mi>Pix</mi> <mrow> <mi>C</mi> <mi>u</mi> <mi>s</mi> <mi>t</mi> <mi>o</mi> <mi>m</mi> </mrow> <msup> <mi>r</mi> <mo>&amp;prime;</mo> </msup> </msubsup> </mrow> <mrow> <munderover> <mo>&amp;Pi;</mo> <mrow> <mi>r</mi> <mo>=</mo> <mn>1</mn> </mrow> <msup> <mi>R</mi> <mo>&amp;prime;</mo> </msup> </munderover> <msubsup> <mi>Pix</mi> <mrow> <mi>C</mi> <mi>u</mi> <mi>s</mi> <mi>t</mi> <mi>o</mi> <mi>m</mi> </mrow> <msup> <mi>r</mi> <mo>&amp;prime;</mo> </msup> </msubsup> </mrow> </mfrac> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mover> <mrow> <msubsup> <mi>Pix</mi> <mrow> <mi>C</mi> <mi>u</mi> <mi>s</mi> <mi>t</mi> <mi>o</mi> <mi>m</mi> </mrow> <msup> <mrow></mrow> <mo>&amp;prime;</mo> </msup> </msubsup> </mrow> <mo>&amp;OverBar;</mo> </mover> <mo>=</mo> <mfrac> <mn>1</mn> <msup> <mi>R</mi> <mo>&amp;prime;</mo> </msup> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>r</mi> <mo>=</mo> <mn>1</mn> </mrow> <msup> <mi>R</mi> <mo>&amp;prime;</mo> </msup> </munderover> <msubsup> <mi>Pix</mi> <mrow> <mi>C</mi> <mi>u</mi> <mi>s</mi> <mi>t</mi> <mi>o</mi> <mi>m</mi> </mrow> <mrow> <mi>r</mi> <mo>&amp;prime;</mo> </mrow> </msubsup> <mo>;</mo> </mrow> </mtd> <mtd> <mrow> <msup> <mi>R</mi> <mo>&amp;prime;</mo> </msup> <mo>&amp;le;</mo> <mi>R</mi> <mo>;</mo> </mrow> </mtd> </mtr> </mtable> </mfenced>
R'表示客户终端所提取的当前用户面部表情图片的总个数，即筛选面部表情图片序列中当前用户面部表情图片的总个数；表示所述筛选面部表情图片序列的平均像素值；表示所述筛选面部表情图片序列中第r种面部表情图片的像素值；
步骤3-5，客户终端根据所得当前客户的面部表情图片像素渐变波动指数θ1以及筛选面部表情图片序列对应的面部表情图片像素渐变波动指数θ2，得到当前客户的面部表情修正速率；其中，所述当前客户的面部表情修正速率标记为δ：
<mrow> <mi>&amp;delta;</mi> <mo>=</mo> <mfrac> <mn>1</mn> <mi>T</mi> </mfrac> <mo>&amp;CenterDot;</mo> <mfrac> <mrow> <msub> <mi>&amp;theta;</mi> <mn>1</mn> </msub> <mo>+</mo> <msub> <mi>&amp;theta;</mi> <mn>1</mn> </msub> <mo>&amp;CenterDot;</mo> <msub> <mi>&amp;theta;</mi> <mn>2</mn> </msub> <mo>+</mo> <mi>&amp;xi;</mi> </mrow> <mrow> <msub> <mi>&amp;theta;</mi> <mn>2</mn> </msub> <mo>+</mo> <msub> <mi>&amp;theta;</mi> <mn>1</mn> </msub> <mo>&amp;CenterDot;</mo> <msub> <mi>&amp;theta;</mi> <mn>2</mn> </msub> <mo>+</mo> <mi>&amp;xi;</mi> </mrow> </mfrac> <mo>;</mo> </mrow>
其中，T为客户终端内的预设时间段常量，ξ为预设常量值，ξ>0；
步骤3-6，客户终端预设面部表情修正速率第一阈值、面部表情修正速率第二阈值以及面部表情修正速率第三阈值，并得到表征不同面部表情的平静区间、烦躁区间和暴躁区间；其中：
所述面部表情修正速率第一阈值标记为δ1、面部表情修正速率第二阈值标记为δ2，面部表情修正速率第三阈值标记为δ3；表征面部表情的平静区间标记为[0,δ1)；表征面部表情的烦躁区间标记为[δ1,δ2)，表征面部表情的暴躁区间标记为[δ2,δ3]；
步骤3-7，客户终端根据预设表征不同面部表情的区间以及所得当前客户的面部表情修正速率进行比较判断，以识别出当前客户的面部表情状态：
当所得当前客户的面部表情修正速率处于预设的平静区间，即δ∈[0,δ1)时，客户终端识别当前客户的面部表情为平静状态；
当所得当前客户的面部表情修正速率处于预设的烦躁区间，即δ∈[δ1,δ2)时，客户终端识别当前客户的面部表情为烦躁状态；
当所得当前客户的面部表情修正速率处于预设的暴躁区间，即δ∈[δ2,δ3]时，客户终端识别当前客户的面部表情为暴躁状态；
步骤4，客户在登录定制加工子系统后，通过客户终端在定制加工子系统处对所述个性化产品模型的参数作修改处理，以得到符合自己要求的个性化产品模型以及对应修改处理后的个性化产品模型参数；客户使用客户终端将修改处理后的个性化产品模型参数以及当前客户的面部表情修正速率发送给定制加工子系统中的定制加工终端；
定制加工子系统中的定制加工终端生成对应该个性化产品的定制加工订单，定制加工终端在定制加工订单中记录所修改后得到的个性化产品模型参数以及步骤2中所对应的客户面部表情状态；定制加工子系统根据修改后的个性化产品模型参数以及所得对应客户面部表情状态，处理得到融合客户面部表情状态的个性化产品模型；
其中，客户对所述个性化产品模型参数的修改操作与该客户的远程定制服务权限相一致；客户的远程定制服务权限根据客户所购买的权限积分进行升级，以得到对应不同权限的远程定制服务操作权限；所述个性化产品模型所对应的原始模型参数集合标记为S，S＝{sj}，j∈[1,J]；J表示所述个性化产品模型的原始模型参数集合中原始模型参数的总个数；所述个性化产品模型的原始模型参数集合S中的参数均为长度参数；
其中，定制加工子系统处理得到所述融合客户面部表情状态的个性化产品模型的过程包括如下步骤4-1至步骤4-3：
步骤4-1，定制加工子系统根据所述修改后的个性化产品模型参数，整合得到针对所述该个性化产品模型的修改后的修改模型参数集合；其中：
标记所述该个性化产品模型的修改模型参数集合标记为S'，S'＝{s'j}，j∈[1,J]；J表示所述该个性化产品模型中修改模型参数的总个数；修改模型参数s'j与原始模型参数sj的参数名称一一对应，修改模型参数集合S'中的修改模型参数均为长度参数；
步骤4-2，定制加工子系统根据原始模型参数集合以及所得修改模型参数集合，得到针对各模型参数的变动量；其中：
<mrow> <msub> <mi>&amp;Delta;</mi> <msub> <mi>s</mi> <mi>j</mi> </msub> </msub> <mo>=</mo> <msubsup> <mi>s</mi> <mi>j</mi> <mo>&amp;prime;</mo> </msubsup> <mo>-</mo> <msub> <mi>s</mi> <mi>j</mi> </msub> <mo>;</mo> </mrow>
其中，表示原始模型参数sj的变动量，s'j为对应原始模型参数sj的修改模型参数；
步骤4-3，定制加工子系统根据所接收的当前客户的面部表情修正速率以及所得针对各模型参数的变动量，得到个性化产品模型中各模型参数对应的实际加工应变指数；其中：
<mrow> <msub> <mi>&amp;Omega;</mi> <msub> <mi>s</mi> <mi>j</mi> </msub> </msub> <mo>=</mo> <msub> <mi>&amp;Delta;</mi> <msub> <mi>s</mi> <mi>j</mi> </msub> </msub> <mo>&amp;CenterDot;</mo> <mi>&amp;delta;</mi> <mo>;</mo> </mrow>
其中，表示原始模型参数sj对应的实际加工应变指数，表示原始模型参数sj的变动量，δ表示所得当前客户的面部表情修正速率；
步骤5，定制加工子系统处理所得融合有客户表情的个性化产品模型，3D彩色打印机根据步骤4所得各模型参数对应的实际加工应变指数以及定制加工子系统所处理的个性产品模型对应的参数进行立体打印，且由客户根据需要利用颜色渲染器调整所打印产品模型上的颜色，以得到符合客户定制要求且融合有客户面部表情的个性化产品模型，并且由客户终端显示当前所得的个性化产品模型；其中，定制加工子系统处理所得融合有客户表情的个性化产品模型过程包括如下步骤5-1至步骤5-3：
步骤5-1，定制加工子系统对所得个性化产品模型进行切片处理，以得到N层切片；其中，N≥2；
步骤5-2，定制加工子系统分别设置3D彩色打印机在各层切片内的预设打印速率，并根据所得切片层数以及步骤3中所得当前客户的面部表情修正速率，得到指令3D彩色打印机在各层切片上的实际打印速率；其中，所述3D彩色打印机在第n层切片上的预设打印速率标记为vn，3D彩色打印机在第n层切片上的实际打印速率标记为Vn：
<mfenced open = "" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>V</mi> <mi>n</mi> </msub> <mo>=</mo> <mfrac> <msub> <mi>N</mi> <mn>1</mn> </msub> <mrow> <mo>(</mo> <mi>N</mi> <mo>-</mo> <msub> <mi>N</mi> <mn>1</mn> </msub> <mo>)</mo> <mo>+</mo> <mi>&amp;tau;</mi> </mrow> </mfrac> <mo>&amp;CenterDot;</mo> <msub> <mi>v</mi> <mi>n</mi> </msub> <mo>&amp;CenterDot;</mo> <mi>&amp;delta;</mi> <mo>;</mo> </mrow> </mtd> <mtd> <mrow> <mi>&amp;tau;</mi> <mo>=</mo> <mn>0.0001</mn> <mo>;</mo> </mrow> </mtd> </mtr> </mtable> </mfenced>
N1表示3D彩色打印机已经喷涂打印的切片层数，N-N1表示3D彩色打印机在N层切片中剩余未打印的切片数目；δ表示所得当前客户的面部表情修正速率；τ为定制加工子系统针对3D彩色打印机所预设的常量；
步骤5-3，定制加工子系统根据所得3D彩色打印机在各层切片上的实际打印速率，计算3D彩色打印机在相邻两层切片连接处的实际打印速率，并将所得3D彩色打印机在各层切片上的实际打印速率以及在相邻两层切片连接处的实际打印速率作为定制加工子系统处理个性化产品的最终结果发送给3D彩色打印机；其中：
<mrow> <msub> <mi>U</mi> <mrow> <mi>n</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mo>=</mo> <mfrac> <mrow> <msub> <mi>V</mi> <mrow> <mi>n</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mo>+</mo> <msub> <mi>V</mi> <mi>n</mi> </msub> </mrow> <mn>2</mn> </mfrac> <mo>&amp;CenterDot;</mo> <mfrac> <msqrt> <mrow> <msub> <mi>V</mi> <mrow> <mi>n</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mo>&amp;CenterDot;</mo> <msub> <mi>V</mi> <mi>n</mi> </msub> </mrow> </msqrt> <msub> <mi>V</mi> <mi>n</mi> </msub> </mfrac> <mo>;</mo> </mrow>
其中，Un-1表示3D彩色打印机在相邻两层切片Vn-1与Vn的连接处的实际打印速率；
步骤6，客户在满意所得个性化产品模型后，客户利用客户终端反馈满意指令给定制加工子系统，由定制加工子系统根据客户在注册客户信息管理器中的注册信息，生成包括有运输订单信息的二维码信息，并命令3D彩色打印机将所述的二维码信息喷涂到所得个性化产品上；定制加工子系统将个性化产品所对应的运输订单信息发送给客户终端，以实现客户对自己所远程定制的个性化产品运输信息的追踪查询；
步骤7，各产品样品输出终端内的定位装置按照预设频率发送自身位置信息给云端服务器；客户需要在自己的预定位置处得到满意的个性化产品样品时，客户通过客户终端将预定位置以及步骤4中融合客户面部表情状态的个性化产品模型所对应的参数发送给云端服务器，并在客户支付加工费用给云端服务器后，云端服务器命令在预定位置的预设范围内的产品样品输出终端加工得到对应所述个性化产品模型的产品样品，并输出给客户。
2.根据权利要求1所述的个性化产品的远程智能定制加工方法，其特征在于，所述客户终端为电脑或移动终端，所述扫描式摄像头为Kinect摄像头。
3.根据权利要求1所述的个性化产品的远程智能定制加工方法，其特征在于，所述步骤4还包括：客户通过客户终端在所述个性化产品模型上加印图像的步骤。
4.根据权利要求1所述的个性化产品的远程智能定制加工方法，其特征在于，所述步骤5还包括：定制加工子系统开放打印实时直播权限给客户子系统，以实现客户利用客户终端远程实时观察自己所定制产品打印过程的步骤。
5.根据权利要求4所述的个性化产品的远程智能定制加工方法，其特征在于，所述客户终端为智能手机或者平板电脑或者笔记本电脑。
6.根据权利要求1所述的个性化产品的远程智能定制加工方法，其特征在于，所述定制加工子系统按照预设周期推送受欢迎程度高的产品模型给客户终端。
7.根据权利要求1所述的个性化产品的远程智能定制加工方法，其特征在于，在步骤6之后还包括：定制加工子系统建立客户反馈平台，由各客户将所述定制加工子系统所加工的个性化产品的评价或改进建议反馈至客户反馈平台，以帮助定制加工子系统获知产品加工效果的步骤。
CN201710593463.7A 2017-07-20 2017-07-20 一种个性化产品的远程智能定制加工方法 Active CN107392710B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710593463.7A CN107392710B (zh) 2017-07-20 2017-07-20 一种个性化产品的远程智能定制加工方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710593463.7A CN107392710B (zh) 2017-07-20 2017-07-20 一种个性化产品的远程智能定制加工方法

Publications (2)

Publication Number Publication Date
CN107392710A true CN107392710A (zh) 2017-11-24
CN107392710B CN107392710B (zh) 2021-01-19

Family

ID=60336285

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710593463.7A Active CN107392710B (zh) 2017-07-20 2017-07-20 一种个性化产品的远程智能定制加工方法

Country Status (1)

Country Link
CN (1) CN107392710B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110688366A (zh) * 2019-09-26 2020-01-14 深圳市钮为通信技术有限公司 基于MySQL的产品信息管理方法和系统
CN110978787A (zh) * 2019-12-16 2020-04-10 文鑫科技有限公司 一种会计凭证封面、档案盒的互联网定制和批量生产方法
CN111479607A (zh) * 2017-12-14 2020-07-31 皇家飞利浦有限公司 捕获并且使用用于面罩定制中的面部度量
CN111523970A (zh) * 2020-04-15 2020-08-11 南京市职业病防治院 一种基于3d打印技术的个性化全面罩定制系统及其定制方法
CN111913567A (zh) * 2020-04-27 2020-11-10 宁波大学 基于远程手势识别控制的智能化产品加工方法
US20220391915A1 (en) * 2021-06-07 2022-12-08 Toshiba Tec Kabushiki Kaisha Information processing system, information processing device, and control method thereof

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103268072A (zh) * 2013-05-27 2013-08-28 重庆市科学技术研究院 一种基于机器视觉的缩微车、缩微车控制系统及控制方法
CN103578004A (zh) * 2013-11-15 2014-02-12 西安工程大学 一种用于展示虚拟试衣效果的方法
CN104408465A (zh) * 2014-11-01 2015-03-11 西南大学 一种基于Canny矩形脉冲边缘模式的蚕蛹雌雄识别方法
CN105959541A (zh) * 2016-05-13 2016-09-21 北京博创全景数码科技有限公司 通过自然环境识别提高成像质量的方法
US20170150079A1 (en) * 2014-12-22 2017-05-25 Google Inc. Image sensor and light source driver integrated in a same semiconductor package
CN106780665A (zh) * 2016-11-28 2017-05-31 秘境（上海）网络科技有限公司 一种贺卡定制系统及基于该贺卡定制系统的定制方法
CN106846124A (zh) * 2017-02-20 2017-06-13 宁波大学 基于工业4.0的个性化服装智能加工方法
CN106897916A (zh) * 2017-02-20 2017-06-27 宁波大学 基于移动终端的个性化服装远程定制方法
CN106910115A (zh) * 2017-02-20 2017-06-30 宁波大学 基于智能终端的虚拟化试衣方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103268072A (zh) * 2013-05-27 2013-08-28 重庆市科学技术研究院 一种基于机器视觉的缩微车、缩微车控制系统及控制方法
CN103578004A (zh) * 2013-11-15 2014-02-12 西安工程大学 一种用于展示虚拟试衣效果的方法
CN104408465A (zh) * 2014-11-01 2015-03-11 西南大学 一种基于Canny矩形脉冲边缘模式的蚕蛹雌雄识别方法
US20170150079A1 (en) * 2014-12-22 2017-05-25 Google Inc. Image sensor and light source driver integrated in a same semiconductor package
CN105959541A (zh) * 2016-05-13 2016-09-21 北京博创全景数码科技有限公司 通过自然环境识别提高成像质量的方法
CN106780665A (zh) * 2016-11-28 2017-05-31 秘境（上海）网络科技有限公司 一种贺卡定制系统及基于该贺卡定制系统的定制方法
CN106846124A (zh) * 2017-02-20 2017-06-13 宁波大学 基于工业4.0的个性化服装智能加工方法
CN106897916A (zh) * 2017-02-20 2017-06-27 宁波大学 基于移动终端的个性化服装远程定制方法
CN106910115A (zh) * 2017-02-20 2017-06-30 宁波大学 基于智能终端的虚拟化试衣方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
宋雪桦等: "基于改进的混合高斯背景模型的运动目标检测", 《计算机工程与设计》 *
许才国等: "服装大规模定制产品开发模式的现状与对策", 《纺织学报》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111479607A (zh) * 2017-12-14 2020-07-31 皇家飞利浦有限公司 捕获并且使用用于面罩定制中的面部度量
CN110688366A (zh) * 2019-09-26 2020-01-14 深圳市钮为通信技术有限公司 基于MySQL的产品信息管理方法和系统
CN110978787A (zh) * 2019-12-16 2020-04-10 文鑫科技有限公司 一种会计凭证封面、档案盒的互联网定制和批量生产方法
CN111523970A (zh) * 2020-04-15 2020-08-11 南京市职业病防治院 一种基于3d打印技术的个性化全面罩定制系统及其定制方法
CN111523970B (zh) * 2020-04-15 2021-03-26 南京市职业病防治院 一种基于3d打印技术的个性化全面罩定制系统及其定制方法
CN111913567A (zh) * 2020-04-27 2020-11-10 宁波大学 基于远程手势识别控制的智能化产品加工方法
US20220391915A1 (en) * 2021-06-07 2022-12-08 Toshiba Tec Kabushiki Kaisha Information processing system, information processing device, and control method thereof

Also Published As

Publication number Publication date
CN107392710B (zh) 2021-01-19

Similar Documents

Publication Publication Date Title
CN107392710A (zh) 一种个性化产品的远程智能定制加工方法
EP2833324B1 (en) Image quality analysis for searches
KR102116264B1 (ko) 대표이미지 추천 방법 및 장치, 및 시스템
EP3267368A1 (en) Machine learning image processing
CN108596277A (zh) 一种车辆身份识别方法、装置和存储介质
EP1363220A3 (en) Color designating server, color ordering system, color designating method, color ordering method and its program
US20150042678A1 (en) Method for visually augmenting a real object with a computer-generated image
KR20190018483A (ko) 인터넷에 기반하는 얼굴 미화 시스템
DE102018006243A1 (de) Vorhersagen von Patchverschiebungsabbildungen unter Verwendung eines Neuronalnetzwerkes
CN109543359B (zh) 一种基于物联网大数据的人工智能包装设计方法及系统
CN106126130A (zh) 一种可控可视化在线3d打印系统
CN110415207A (zh) 一种基于图像失真类型的图像质量评估的方法
CN108447064B (zh) 一种图片处理方法及装置
CN108198043A (zh) 一种基于用户推荐的脸部护肤品推荐方法
DE112017000811T5 (de) Grafische Benutzerschnittstelle einer Produktanzeige
CN108334589A (zh) 一种脸部护肤品推荐方法
CN103959309B (zh) 用于伪造品确定的区域选择
CN108052650A (zh) 信息推荐方法、装置和电子设备
KR20200028569A (ko) 화장품 정보 추천 방법
CN104822058A (zh) 一种立体图像显著图提取方法
CN107491459A (zh) 三维立体图像的检索方法和装置
KR20150049666A (ko) 폐가죽을 활용한 온라인 가방 주문제작 장치 및 시스템
Wannachai et al. Real-Time Seven Segment Display Detection and Recognition Online System Using CNN
US20140337348A1 (en) User preferences based on categories of images
CN108022268B (zh) 图像颜色编辑方法及装置

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