CN108596094A - 人物风格检测系统、方法、终端及介质 - Google Patents
人物风格检测系统、方法、终端及介质 Download PDFInfo
- Publication number
- CN108596094A CN108596094A CN201810374265.6A CN201810374265A CN108596094A CN 108596094 A CN108596094 A CN 108596094A CN 201810374265 A CN201810374265 A CN 201810374265A CN 108596094 A CN108596094 A CN 108596094A
- Authority
- CN
- China
- Prior art keywords
- style
- module
- personage
- image
- model
- 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
- G06V40/10—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
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种人物风格检测系统,包括数据输入模块、图像预处理模块、模型训练模块和专家规则模块,其中,所述数据输入模块用于用户输入待检测图像和用户基本信息;所述图像预处理模块用于对待检测图像进行预处理,得到含有人脸五官特征点的新图像,将所述新图像传输到模型训练模块;所述模型训练模块对接收的新图像进行深度学习,识别出新图像所属人物风格,得到模型预测结果,将所述模型结果传输给专家规则模块;所述专家规则模块接收模型预测结果,根据用户基本信息与人物风格的关系对模型预测结果进行校正,得到风格诊断结果。可以让用户快速了解自己所属人物风格,检测结果准确,准确率达到90%以上。
Description
技术领域
本发明涉及互联网软件技术领域,具体涉及一种人物风格检测系统、方法、终端及介质。
背景技术
在发型设计的过程中,有很多关乎设计成功率的因素,“人物风格”是其中最关键的因素之一。因为“风格”是一种与美学理论、文化环境、个人特征/心理偏好相关的美感概念,所以难于掌握和学习,也鲜有学习途径,所以在当今的美发服务场景中,仅有资历深,经验足,悟性强的发型师才能够得心应手地应用“风格”为消费者推荐与消费者风格相匹配的发型。因此,有必要开发一种能自动检测人物风格系统。
发明内容
针对现有技术中的缺陷,本发明的目的之一在于提供人物风格检测系统,让用户快速了解自己所属人物风格,检测结果准确。
第一方面,本发明实施例提供的一种人物风格检测系统,包括数据输入模块、图像预处理模块、模型训练模块和专家规则模块,其中,所述数据输入模块用于用户输入待检测图像和用户基本信息;所述图像预处理模块用于对待检测图像进行预处理,得到含有人脸五官特征点的新图像,将所述新图像传输到模型训练模块;所述模型训练模块对接收的新图像进行深度学习,识别出新图像所属人物风格,得到模型预测结果,将所述模型结果传输给专家规则模块;所述专家规则模块接收模型预测结果,根据用户基本信息与人物风格的关系对模型预测结果进行校正,得到风格诊断结果。
可选地,所述系统还包括结果输出模块,所述结果输出模块用于输出风格诊断结果。
可选地,所述图像预处理模块包括图像剪裁模块和特征点提取模块,所述图像剪裁模块用于将待检测图像进行剪裁截取,得到人脸图像;所述特征点提取模块用于提取人脸图像中的五官特征点,以五官特征点为基准点生成新图像。
可选地,所述人物风格的归类参数包括轮廓属性和量感属性。
可选地,所述模型训练模块包括模型构建模块、DNN模型模块和参数调整模块,所述模型构建模块用于采用已经标注好人物风格的图像作为训练样本,从轮廓属性和量感属性两个维度构建深度学习模型;所述DNN模型模块用于将轮廓属性分别从宏观和微观方向分别构建两个轮廓属性DNN模型,通过对宏观轮廓属性DNN模型和微观轮廓属性模型DNN模型的结果进行比较和修正,得出最终的轮廓属性,将量感属性分别从宏观和微观方向分别构建两个量感属性DNN模型,通过对两个量感属性DNN模型的结果进行比较和修正,得到最终的量感属性;结合最终的轮廓属性和最终的量感属性得出待检测样本图像的人物所属风格的模型预测结果;所述参数调整模块用于在样本训练时调整训练参数。
第二方面,本发明提供的一种人物风格检测方法,具体包括以下步骤,
获取待检测图像和用户的基本信息;
对所述待检测图像进行预处理,得到含有人脸五官特征点的新图像;
对所述新图像进行深度学习,识别出新图像所属风格,得到模型预测结果;
根据用户基础信息与人物风格的关系对所述模型预测结果进行专家规则校正,得到风格诊断结果。
可选地,对所述待检测图像进行预处理的具体方法包括:
对待检测图像进行剪裁截取,得到人脸图像;
提取人脸图像中的五官特征点,以五官特征点为基准点生成新图像。
第三方面,本发明实施例还提供一种人物风格检测终端,包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,其特征在于,所述处理器被配置用于调用所述程序指令,执行上述方法。
第四方面,本发明实施例还提供一种计算机可读存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执上述方法。
本发明的有益效果:
本发明实施例提供的人物风格检测系统,设置数据输入模块便于获取用户待检测图像和用户基本信息。图像预处理模块将用户上传的待检测图像进行预处理,对待检测图像进行剪裁截取,得到人脸图像,再在人脸图像中提取五官特征点,以五官特征点为基准点生成新图像。将新图像作为验证集输入模型训练模块中深度学习预测,得到模型预测结果,再利用用户的身高、体重等基本信息结合专家规则对模型预测结果进行校正判断,得到准确的风格诊断结果。本发明实施例的人物风格检测系统,风格诊断结果由基于大量标注数据样本的分类模型深度学习训练结果和基于权威美学理论的专家规则对结果的处理加权得来,能精准判断人物风格属性,同时由于神经网络的基本特性,使得该系统有非常好的成长性和可拓展性。
本发明实施例的人物风格检测方法,对用户上传的待检测图像进行预处理,对待检测图像进行剪裁截取,得到人脸图像,再在人脸图像中提取五官特征点,以五官特征点为基准点生成新图像。将新图像作为验证集输入模型训练模块中深度学习预测,得到模型预测结果,再利用用户的身高、体重等基本信息结合专家规则对模型预测结果进行校正判断,得到准确的风格诊断结果。本发明实施例的人物风格检测方法,风格诊断结果由基于大量标注数据样本的分类模型深度学习训练结果和基于权威美学理论的专家规则对结果的处理加权得来,能精准判断人物风格属性。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1示出了本发明第一实施例所提供的一种人物风格检测系统的结构框图;
图2示出了本发明第二实施例所提供的一种人物风格检测方法的流程图;
图3示出了本发明第三实施例所提供的一种人物风格检测终端的结构框图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只作为示例,而不能以此来限制本发明的保护范围。需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。
如图1所示,图1示出了本发明实施例提供的一种人物风格检测系统的结构框图,该系统包括数据输入模块101、图像预处理模块102、模型训练模块103和专家规则模块104,其中,所述数据输入模块101用于用户输入待检测图像和用户基本信息,待检测图像可以是用户的全身照或半身照。用户的基本信息包括用户的性别、身高、体重、年龄等信息。图像预处理模块102用于对待检测图像进行预处理,得到含有人脸五官特征点的新图像,将所述新图像传输到模型训练模块。所述模型训练模块103对接收的新图像进行深度学习,识别出新图像所属人物风格,得到模型预测结果,将所述模型结果传输给专家规则模块。所述专家规则模块104接收模型预测结果,根据用户基本信息与人物风格的关系对模型预测结果进行校正,得到风格诊断结果。专家规则校正模块包含有行业专家对人物风格的归类规则。
本发明实施例提供的人物风格检测系统,采用市面上通行的风格美学理论,人物风格美学理论的基本判断:一是对人的各部分的轮廓属性进行归类,根据曲率不同,大致可以分为曲、中、直三类;二是对人的各部分的量感属性进行归类,根据面积差别,大致可分为柔、中、硬三类,然后将上述分类结果按符合人类认知的方式进行再次组合分类,可以得到九个不同的组合,称为”九型风格”,由此形成对风格美感的理性归纳。例如:轮廓曲、量感小的组合,往往体现出灵巧可爱的特征,所以被归为“甜美可爱”风格;而轮廓直、量感大的组合,则体现出强硬、现代美的特征,则被归纳为“现代摩登”风格。本发明实施例的人物风格检测系统通过将图像中与风格相关的所有人物特征抽象出来,进行数学化表达,通过对标注了人物风格美感的图像进行全监学习训练,深度学习模型可识别出图像中人物的指定特征,得出一系列目标参数,如脸部体积感、轮廓曲率,即模型预测结果。再基于权威美学理论的专家规则对模型预测结果进行再次校正判断,即结合用户的基本数据,如体重、年龄、身高等结合模型结果,形成特定的数据组合,专家规则模块再对这些数据组合进行归类整理、校正,使其更加精准,准确率达到90%以上。
作为上述技术方案的进一步改进,所述图像预处理模块包括图像剪裁模块和特征点提取模块,所述图像剪裁模块用于将待检测图像进行剪裁截取,得到人脸图像;所述特征点提取模块用于提取人脸图像中的五官特征点,以五官特征点为基准点生成新图像。人脸风格的归类参数包括轮廓属性和量感属性。所述模型训练模块包括模型构建模块、DNN模型模块和参数调整模块,所述模型构建模块用于采用已经标注好人物风格的图像作为训练样本,从轮廓属性和量感属性两个维度构建深度学习模型;所述DNN模型模块用于将轮廓属性分别从宏观和微观方向分别构建两个轮廓属性DNN模型,通过对宏观轮廓属性DNN模型和微观轮廓属性模型DNN模型的结果进行比较和修正,得出最终的轮廓属性,将量感属性分别从宏观和微观方向分别构建两个量感属性DNN模型,通过对两个量感属性DNN模型的结果进行比较和修正,得到最终的量感属性;结合最终的轮廓属性和最终的量感属性得出待检测样本图像的人物所属风格的模型预测结果;所述参数调整模块用于在样本训练时调整训练参数。
本发明实施例提供的人物风格检测系统设置数据输入模块便于获取用户待检测图像和用户基本信息。图像预处理模块将用户上传的待检测图像进行预处理,对待检测图像进行剪裁截取,得到人脸图像,再在人脸图像中提取五官特征点,以五官特征点为基准点生成新图像。将新图像作为验证集输入模型训练模块中深度学习预测,得到模型预测结果,再利用用户的身高、体重等基本信息结合专家规则对模型预测结果进行校正判断,得到准确的风格诊断结果。本发明实施例的人物风格检测系统,风格诊断结果由基于大量标注数据样本的分类模型深度学习训练结果和基于权威美学理论的专家规则对结果的处理加权得来,能精准判断人物风格属性,同时由于神经网络的基本特性,使得该系统有非常好的成长性和可拓展性。
在本发明的另一实施例提供的一种人物风格检测方法,如图2所示,该方法具体包括以下步骤,
S201:获取待检测图像和用户的基本信息。
具体的,通过数据输入模块获取待检测图像和用户基本信息。待检测图像可以是用户的全身照或半身照。用户的基本信息包括用户的性别、身高、体重、年龄等信息。
S202:对所述待检测图像进行预处理,得到含有人脸五官特征点的新图像。
具体的,对待检测图像进行剪裁截取,得到人脸图像。提取人脸图像中的五官特征点,以五官特征点为基准点生成新图像。
S203:对所述新图像进行深度学习,识别出新图像所属风格,得到模型预测结果。
将含有五官特征点的新图像输入模型训练模块,模型训练模块通过获取大量的标注好人物风格的图像作为训练样本,从轮廓属性和量感属性两个维度构建深度学习模型,在样本训练时调整训练参数,再将轮廓属性分别从宏观和微观方向分别构建两个轮廓属性DNN模型,通过对宏观轮廓属性DNN模型和微观轮廓属性模型DNN模型的结果进行比较和修正,得出最终的轮廓属性;将量感属性分别从宏观和微观方向分别构建两个量感属性DNN模型,通过对两个量感属性DNN模型的结果进行比较和修正,得到最终的量感属性,结合最终的轮廓属性和最终的量感属性得出待检测样本图像的人物所属风格的模型预测结果。
S204:根据用户基础信息与人物风格的关系对所述模型预测结果进行专家规则校正,得到风格诊断结果。根据用户的身高、体重、年龄等信息结合专家规则的归类对模型预测结果进行校正,得到风格诊断结果。基于权威美学理论的专家规则对模型预测结果进行再次校正判断,即结合用户的基本数据,如体重、年龄、身高等结合模型结果,形成特定的数据组合,专家规则模块再对这些数据组合进行归类整理、校正,使其更加精准,准确率达到90%以上。
S205:输出风格诊断结果。风格诊断结果输出,便于其他系统采用诊断结果。
本发明实施例的人物风格检测方法,对用户上传的待检测图像进行预处理,对待检测图像进行剪裁截取,得到人脸图像,再在人脸图像中提取五官特征点,以五官特征点为基准点生成新图像。将新图像作为验证集输入模型训练模块中深度学习预测,得到模型预测结果,再利用用户的身高、体重等基本信息结合专家规则对模型预测结果进行校正判断,得到准确的风格诊断结果,准确率达到90%以上。
在本发明的的另一实施例中还提供一种人物风格检测终端,如图3所示,该终端包括处理器301、输入设备302、输出设备303和存储器304,所述处理器301、输入设备302、输出设备303和存储器304相互连接,所述存储器304用于存储计算机程序,所述计算机程序包括程序指令,所述处理器301被配置用于调用所述程序指令,执行上述方法。
应当理解,在本发明实施例中,所称处理器301可以是中央处理单元(CentralProcessing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
输入设备302可以包括触控板、指纹采传感器(用于采集用户的指纹信息和指纹的方向信息)、麦克风等,输出设备803可以包括显示器(LCD等)、扬声器等。
该存储器304可以包括只读存储器和随机存取存储器,并向处理器801提供指令和数据。存储器304的一部分还可以包括非易失性随机存取存储器。例如,存储器304还可以存储设备类型的信息。
具体实现中,本发明实施例中所描述的处理器301、输入设备302、输出设备303可执行本发明实施例提供的方法实施例所描述的实现方式,也可执行本发明实施例所描述的系统的实现方式,在此不再赘述。
在本发明的的另一实施例中还提供一种计算机可读存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执上述实施例描述的方法。
计算机可读存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行上述实施例描述的方法。
所述计算机可读存储介质可以是前述实施例所述的终端的内部存储单元,例如终端的硬盘或内存。所述计算机可读存储介质也可以是所述终端的外部存储设备,例如所述终端上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,所述计算机可读存储介质还可以既包括所述终端的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的终端和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露终端和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接,也可以是电的,机械的或其它的形式连接。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种人物风格检测系统,其特征在于,包括数据输入模块、图像预处理模块、模型训练模块和专家规则模块,其中,所述数据输入模块用于用户输入待检测图像和用户基本信息;所述图像预处理模块用于对待检测图像进行预处理,得到含有人脸五官特征点的新图像,将所述新图像传输到模型训练模块;所述模型训练模块对接收的新图像进行深度学习,识别出新图像所属人物风格,得到模型预测结果,将所述模型结果传输给专家规则模块;所述专家规则模块接收模型预测结果,根据用户基本信息与人物风格的关系对模型预测结果进行校正,得到风格诊断结果。
2.如权利要求1所述的人物风格检测系统,其特征在于,所述系统还包括结果输出模块,所述结果输出模块用于输出风格诊断结果。
3.如权利要求1所述的人物风格检测系统,其特征在于,所述图像预处理模块包括图像剪裁模块和特征点提取模块,所述图像剪裁模块用于将待检测图像进行剪裁截取,得到人脸图像;所述特征点提取模块用于提取人脸图像中的五官特征点,以五官特征点为基准点生成新图像。
4.如权利要求1所述的人物风格检测系统,其特征在于,所述人物风格的归类参数包括轮廓属性和量感属性。
5.如权利要求4所述的人物风格检测系统,其特征在于,所述模型训练模块包括模型构建模块、DNN模型模块和参数调整模块,所述模型构建模块用于采用已经标注好人物风格的图像作为训练样本,从轮廓属性和量感属性两个维度构建深度学习模型;所述DNN模型模块用于将轮廓属性分别从宏观和微观方向分别构建两个轮廓属性DNN模型,通过对宏观轮廓属性DNN模型和微观轮廓属性模型DNN模型的结果进行比较和修正,得出最终的轮廓属性,将量感属性分别从宏观和微观方向分别构建两个量感属性DNN模型,通过对两个量感属性DNN模型的结果进行比较和修正,得到最终的量感属性;结合最终的轮廓属性和最终的量感属性得出待检测样本图像的人物所属风格的模型预测结果;所述参数调整模块用于在样本训练时调整训练参数。
6.一种人物风格检测方法,其特征在于,具体包括以下步骤,
获取待检测图像和用户的基本信息;
对所述待检测图像进行预处理,得到含有人脸五官特征点的新图像;
对所述新图像进行深度学习,识别出新图像所属风格,得到模型预测结果;
根据用户基础信息与人物风格的关系对所述模型预测结果进行专家规则校正,得到风格诊断结果。
7.如权利要求6所述的人物风格检测方法,其特征在于,还包括,对风格诊断结果进行输出。
8.如权利要求6所述的人物风格检测方法,其特征在于,对所述待检测图像进行预处理的具体方法包括:
对待检测图像进行剪裁截取,得到人脸图像;
提取人脸图像中的五官特征点,以五官特征点为基准点生成新图像。
9.一种人物风格检测终端,其特征在于,包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,其特征在于,所述处理器被配置用于调用所述程序指令,执行如权利要求6-8任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求6-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810374265.6A CN108596094B (zh) | 2018-04-24 | 2018-04-24 | 人物风格检测系统、方法、终端及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810374265.6A CN108596094B (zh) | 2018-04-24 | 2018-04-24 | 人物风格检测系统、方法、终端及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108596094A true CN108596094A (zh) | 2018-09-28 |
CN108596094B CN108596094B (zh) | 2021-02-05 |
Family
ID=63614395
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810374265.6A Expired - Fee Related CN108596094B (zh) | 2018-04-24 | 2018-04-24 | 人物风格检测系统、方法、终端及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108596094B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110555896A (zh) * | 2019-09-05 | 2019-12-10 | 腾讯科技(深圳)有限公司 | 一种图像生成方法、装置以及存储介质 |
CN111611920A (zh) * | 2020-05-21 | 2020-09-01 | 杭州智珺智能科技有限公司 | 一种基于属性特征提取的ai人脸风格辨识方法 |
CN112862020A (zh) * | 2021-04-25 | 2021-05-28 | 北京芯盾时代科技有限公司 | 一种数据识别方法、装置及存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030095701A1 (en) * | 2001-11-19 | 2003-05-22 | Heung-Yeung Shum | Automatic sketch generation |
CN102254180A (zh) * | 2011-06-28 | 2011-11-23 | 北京交通大学 | 一种基于几何特征的人脸美感分析方法 |
US20130236057A1 (en) * | 2007-10-10 | 2013-09-12 | Samsung Electronics Co., Ltd. | Detecting apparatus of human component and method thereof |
CN103310234A (zh) * | 2013-07-03 | 2013-09-18 | 深圳时尚空间网络有限公司 | 基于五官特征分析获得匹配发型、服饰和/或配饰的方法 |
CN105160312A (zh) * | 2015-08-27 | 2015-12-16 | 南京信息工程大学 | 基于人脸相似度匹配的明星脸装扮推荐方法 |
CN105167290A (zh) * | 2014-05-27 | 2015-12-23 | 肖莎 | 基于人体外在形象特征分析获得服饰匹配指数的方法 |
CN105303149A (zh) * | 2014-05-29 | 2016-02-03 | 腾讯科技(深圳)有限公司 | 人物图像的展示方法和装置 |
CN106203395A (zh) * | 2016-07-26 | 2016-12-07 | 厦门大学 | 基于多任务深度学习的人脸属性识别方法 |
CN106203313A (zh) * | 2016-07-05 | 2016-12-07 | 昆明理工大学 | 一种基于图像内容的服装分类和推荐方法 |
CN106446207A (zh) * | 2016-09-30 | 2017-02-22 | 北京美到家科技有限公司 | 美妆库建库方法、个性化美妆辅助方法及其装置 |
CN106504064A (zh) * | 2016-10-25 | 2017-03-15 | 清华大学 | 基于深度卷积神经网络的服装分类与搭配推荐方法及系统 |
CN107145857A (zh) * | 2017-04-29 | 2017-09-08 | 深圳市深网视界科技有限公司 | 人脸属性识别方法、装置和模型建立方法 |
-
2018
- 2018-04-24 CN CN201810374265.6A patent/CN108596094B/zh not_active Expired - Fee Related
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030095701A1 (en) * | 2001-11-19 | 2003-05-22 | Heung-Yeung Shum | Automatic sketch generation |
US20130236057A1 (en) * | 2007-10-10 | 2013-09-12 | Samsung Electronics Co., Ltd. | Detecting apparatus of human component and method thereof |
CN102254180A (zh) * | 2011-06-28 | 2011-11-23 | 北京交通大学 | 一种基于几何特征的人脸美感分析方法 |
CN103310234A (zh) * | 2013-07-03 | 2013-09-18 | 深圳时尚空间网络有限公司 | 基于五官特征分析获得匹配发型、服饰和/或配饰的方法 |
CN105167290A (zh) * | 2014-05-27 | 2015-12-23 | 肖莎 | 基于人体外在形象特征分析获得服饰匹配指数的方法 |
CN105303149A (zh) * | 2014-05-29 | 2016-02-03 | 腾讯科技(深圳)有限公司 | 人物图像的展示方法和装置 |
CN105160312A (zh) * | 2015-08-27 | 2015-12-16 | 南京信息工程大学 | 基于人脸相似度匹配的明星脸装扮推荐方法 |
CN106203313A (zh) * | 2016-07-05 | 2016-12-07 | 昆明理工大学 | 一种基于图像内容的服装分类和推荐方法 |
CN106203395A (zh) * | 2016-07-26 | 2016-12-07 | 厦门大学 | 基于多任务深度学习的人脸属性识别方法 |
CN106446207A (zh) * | 2016-09-30 | 2017-02-22 | 北京美到家科技有限公司 | 美妆库建库方法、个性化美妆辅助方法及其装置 |
CN106504064A (zh) * | 2016-10-25 | 2017-03-15 | 清华大学 | 基于深度卷积神经网络的服装分类与搭配推荐方法及系统 |
CN107145857A (zh) * | 2017-04-29 | 2017-09-08 | 深圳市深网视界科技有限公司 | 人脸属性识别方法、装置和模型建立方法 |
Non-Patent Citations (2)
Title |
---|
TAWFIQ SALEM 等: ""Analyzing human appearance as a cue for dating images"", 《2016 IEEE WINTER CONFERENCE ON APPLICATIONS OF COMPUTER VISION (WACV)》 * |
舒祥波: ""人脸面部属性估计与老化合成研究"", 《中国博士学位论文全文数据库-信息科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110555896A (zh) * | 2019-09-05 | 2019-12-10 | 腾讯科技(深圳)有限公司 | 一种图像生成方法、装置以及存储介质 |
CN110555896B (zh) * | 2019-09-05 | 2022-12-09 | 腾讯科技(深圳)有限公司 | 一种图像生成方法、装置以及存储介质 |
CN111611920A (zh) * | 2020-05-21 | 2020-09-01 | 杭州智珺智能科技有限公司 | 一种基于属性特征提取的ai人脸风格辨识方法 |
CN112862020A (zh) * | 2021-04-25 | 2021-05-28 | 北京芯盾时代科技有限公司 | 一种数据识别方法、装置及存储介质 |
CN112862020B (zh) * | 2021-04-25 | 2021-08-03 | 北京芯盾时代科技有限公司 | 一种数据识别方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108596094B (zh) | 2021-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105095827B (zh) | 人脸表情识别装置和方法 | |
KR102203355B1 (ko) | 상품 체험에 따른 체험정보 추출 시스템 및 방법 | |
CN106022317A (zh) | 人脸识别方法及装置 | |
CN106951825A (zh) | 一种人脸图像质量评估系统以及实现方法 | |
CN108229268A (zh) | 表情识别及卷积神经网络模型训练方法、装置和电子设备 | |
KR102271558B1 (ko) | 빅데이터를 활용한 인공지능 두피영상 진단 분석 시스템 및 이를 이용한 제품 추천 시스템 | |
CN106897659A (zh) | 眨眼运动的识别方法和装置 | |
CN106326857A (zh) | 基于人脸图像的性别识别方法及装置 | |
CN108304820A (zh) | 一种人脸检测方法、装置及终端设备 | |
KR20040037180A (ko) | 학습 모델 부분들을 사용하는 안면 인식 시스템 및 방법 | |
CN110705428B (zh) | 一种基于脉冲神经网络的脸部年龄识别系统及方法 | |
CN113111968B (zh) | 图像识别模型训练方法、装置、电子设备和可读存储介质 | |
CN104346503A (zh) | 一种基于人脸图像的情感健康监控方法及手机 | |
CN108596094A (zh) | 人物风格检测系统、方法、终端及介质 | |
WO2019137538A1 (en) | Emotion representative image to derive health rating | |
CN111222380B (zh) | 一种活体检测方法、装置、及其识别模型训练方法 | |
CN110288513A (zh) | 用于改变人脸属性的方法、装置、设备和存储介质 | |
CN110458140A (zh) | 基于表情识别的网点满意度评价方法和装置 | |
CN113205017A (zh) | 跨年龄人脸识别方法及设备 | |
CN108511066A (zh) | 信息生成方法和装置 | |
CN109409199A (zh) | 微表情训练方法、装置、存储介质及电子设备 | |
CN108171208A (zh) | 信息获取方法和装置 | |
CN111159279B (zh) | 一种模型可视化方法、设备及存储介质 | |
CN112053205A (zh) | 通过机器人情绪识别的产品推荐方法及装置 | |
KR102114273B1 (ko) | 퍼스널 이미지 진단 제공방법 및 이를 수행하기 위한 컴퓨팅 장치 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210205 |