CN109376661A - 用于输出信息的方法和装置 - Google Patents

Abstract

本申请实施例公开了用于输出信息的方法和装置。该方法的一具体实施方式包括：获取用户的当前的人脸图像；根据当前的人脸图像确定用户的妆容是否达到预定条件；响应于确定出妆容未达到预定条件，输出用于提示用户进行补妆的信息。该实施方式实现了对用户的妆容进行自动检测，以及提醒用户及时补妆。

Description

用于输出信息的方法和装置

技术领域

本申请实施例涉及计算机技术领域，具体涉及用于输出信息的方法和装置。

背景技术

夏日化妆因出汗、太阳照射等原因造成的眼线、睫毛膏、唇彩斑驳，瞬间，美丽的脸庞竟然已成为一张大花脸了。眼线、睫毛膏或唇彩容易有脱妆，许多的粉底或蜜粉，会因为接触到夏季闷热潮湿的空气而变色、并且有泛油光的现象产生，让整体妆感显得不均匀。

虽然现在可以通过手机的美颜功能得到妆容完美的照片，但美颜相机并不能改善用户的实际妆容。对于刚开始学习化妆的新手来说，美颜的自动修图并不能有效提高用户自身的化妆技术，无法帮助用户实现高效的化妆、补妆。

发明内容

本申请实施例提出了用于输出信息的方法和装置。

第一方面，本申请实施例提供了一种用于输出信息的方法，包括：获取用户的当前的人脸图像；根据当前的人脸图像确定用户的妆容是否达到预定条件；响应于确定出妆容未达到预定条件，输出用于提示用户进行补妆的信息。

在一些实施例中，根据当前的人脸图像确定用户的妆容是否达到预定条件，包括：提取当前的人脸图像的特征值；将所提取的特征值与预存的用户刚化完妆时的人脸图像的特征值进行比较，以确定出用户的妆容是否达到预定条件。

在一些实施例中，根据当前的人脸图像确定用户的妆容是否达到预定条件，包括：将当前的人脸图像输入预先训练的妆容检测模型，得到妆容信息，其中，妆容检测模型用于表征人脸图像和妆容信息之间的对应关系；根据妆容信息确定用户的妆容是否达到预定条件。

在一些实施例中，根据当前的人脸图像确定用户的妆容是否达到预定条件，包括：将人脸图像划分成左脸图像和右脸图像；确定左脸图像和右脸图像之间的相似度；响应于相似度小于预定阈值，确定出用户的妆容未达到预定条件。

在一些实施例中，用于提示用户进行补妆的信息包括以下至少一项：待补妆的部位名称、补妆所需化妆品的名称、补妆所需化妆品的品牌、补妆所需化妆品的色号。

第二方面，本申请实施例提供了一种用于输出信息的装置，包括：获取单元，被配置成获取用户的当前的人脸图像；确定单元，被配置成根据当前的人脸图像确定用户的妆容是否达到预定条件；输出单元，被配置成响应于确定出妆容未达到预定条件，输出用于提示用户进行补妆的信息。

在一些实施例中，确定单元进一步被配置成：提取当前的人脸图像的特征值；将所提取的特征值与预存的用户刚化完妆时的人脸图像的特征值进行比较，以确定出用户的妆容是否达到预定条件。

在一些实施例中，确定单元进一步被配置成：将当前的人脸图像输入预先训练的妆容检测模型，得到妆容信息，其中，妆容检测模型用于表征人脸图像和妆容信息之间的对应关系；根据妆容信息确定用户的妆容是否达到预定条件。

在一些实施例中，确定单元进一步被配置成：将人脸图像划分成左脸图像和右脸图像；确定左脸图像和右脸图像之间的相似度；响应于相似度小于预定阈值，确定出用户的妆容未达到预定条件。

在一些实施例中，用于提示用户进行补妆的信息包括以下至少一项：待补妆的部位名称、补妆所需化妆品的名称、补妆所需化妆品的品牌、补妆所需化妆品的色号。

第三方面，本申请实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一的方法。

第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如第一方面中任一所述的方法。

本申请实施例提供的用于输出信息的方法和装置，通过对人脸图像进行识别，判断出用户的脸部是否需要补妆，进而提醒用户补妆。可及时、自动提醒用户补妆，减少用户照镜子检查妆容的频率。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本申请的用于输出信息的方法的一个实施例的流程图；

图3是根据本申请的用于输出信息的方法的一个应用场景的示意图；

图4是根据本申请的用于输出信息的方法的又一个实施例的流程图；

图5是根据本申请的用于输出信息的装置的一个实施例的结构示意图；

图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的用于输出信息的方法或用于输出信息的装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如化妆类应用、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备101、102、103可以是具有显示屏并且支持拍照功能的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的化妆效果图提供支持的后台图像处理服务器。后台图像处理服务器可以对接收到的人脸图像等数据进行分析等处理，并将处理结果(例如补妆信息)反馈给终端设备。

需要说明的是，本申请实施例所提供的用于输出信息的方法可以由终端设备101、102、103执行，也可以由服务器105执行。相应地，用于输出信息的装置可以设置于终端设备101、102、103中，也可以设置于服务器105中。在此不做具体限定。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本申请的用于输出信息的方法的一个实施例的流程200。该用于输出信息的方法，包括以下步骤：

步骤201，获取用户的当前的人脸图像。

在本实施例中，用于输出信息的方法的执行主体(例如图1所示的终端设备)可通过内置或外置的摄像头获取用户的当前的人脸图像。即实时拍摄用户的人脸图像。也可由服务器接收终端设备发送的人脸图像。获取到人脸图像后，通过人脸识别算法识别出人脸图像的至少一个特征区域。例如，眉毛、眼睛、鼻子、嘴唇、脸颊等可用于涂抹化妆品的部位。特征区域还可以包括脸部的轮廓、并识别出用户的肤色。

步骤202，根据当前的人脸图像确定用户的妆容是否达到预定条件。

在本实施例中，预定条件可以是标准的妆容要求，例如，舞蹈团中预先设定了每个舞蹈演员的妆容，如哪个色号的粉底、口红、腮红等，并提供参考照片。预定条件还可以是用户之前拍照存储的定妆照。定妆照可以是各个角度拍摄的照片。无论是采用标准的妆容还是用户自己的定妆照都是参考照片。可通过判断当前的人脸图像与参考照片的相似度来确定用户的妆容是否达到预定条件。如果相似度高于预定阈值则说明用户的妆容达到预定条件。

在本实施例的一些可选的实现方式中，根据当前的人脸图像确定用户的妆容是否达到预定条件，包括：提取当前的人脸图像的特征值。将所提取的特征值与预存的用户刚化完妆时的人脸图像的特征值进行比较，以确定出用户的妆容是否达到预定条件。用户刚化完妆时的人脸图像可以是多个角度拍摄的，使得即使当前采集的人脸图像不是正脸图像时仍可有参照的照片。

提取当前的人脸图像的特征值的步骤如下所示：

A、将人脸图像进行光线补偿、灰度校正、滤波和锐化预处理后得到预处理图像。

B、对预处理图像进行特征提取得到特征值，其中，特征值包括：通过提取预处理图像的五官的形状、尺寸、位置、距离以及亮度值得到的第一特征值，通过提取预处理图像的局部位置的灰度值得到的第二特征值，通过提取预处理图像的局部位置的颜色值得到的第三特征值。

预存的用户刚化完妆时的人脸图像也通过上述方法提取出特征值。然后计算这两个图像的特征值的相似度，如果大于预定阈值，则说明用户的妆容达到预定条件。否则说明需要补妆。同时可记录下相似度未达到预定阈值的部位，例如，嘴唇、眉毛、眼睛等，以方便后续提醒用户需要补妆的部位。

在本实施例的一些可选的实现方式中，根据当前的人脸图像确定用户的妆容是否达到预定条件，包括：将当前的人脸图像输入预先训练的妆容检测模型，得到妆容信息，其中，妆容检测模型用于表征人脸图像和妆容信息之间的对应关系；根据妆容信息确定用户的妆容是否达到预定条件。妆容信息可包括：五官各部位的化妆品的颜色或形状是否异常。

妆容检测模型可以是人工神经网络，它从信息处理角度对人脑神经元网络进行抽象，建立某种简单模型，按不同的连接方式组成不同的网络。通常由大量的节点(或称神经元)之间相互联接构成，每个节点代表一种特定的输出函数，称为激励函数。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重(又叫做参数)，网络的输出则依网络的连接方式、权重值和激励函数的不同而不同。妆容检测模型通常包括多个层，每个层包括多个节点，通常，同一层的节点的权重可以相同，不同层的节点的权重可以不同，故妆容检测模型的多个层的参数也可以不同。这里，电子设备可以将人脸图像从妆容检测模型的输入侧输入，依次经过妆容检测模型中的各层的参数的处理(例如乘积、卷积等)，并从妆容检测模型的输出侧输出，输出侧输出的信息即为用户的妆容相关的状态信息。

妆容检测模型的训练步骤可以包括以下步骤：

步骤2021，确定妆容检测模型的网络结构以及初始化妆容检测模型的网络参数。

在本实施例中，训练步骤的执行主体可以与用于输出信息的方法执行主体相同或者不同。如果相同，则训练步骤的执行主体可以在训练得到妆容检测模型后将训练好的妆容检测模型的网络结构信息和网络参数的参数值存储在本地。如果不同，则训练步骤的执行主体可以在训练得到妆容检测模型后将训练好的妆容检测模型的网络结构信息和网络参数的参数值发送给用于输出信息的方法的执行主体。

在本实施例中，训练步骤的执行主体可以首先确定妆容检测模型的网络结构。例如，需要确定妆容检测模型包括哪些层，层与层之间的连接顺序关系，以及每层都包括哪些神经元，每个神经元对应的权重(weight)和偏置项(bias)，每层的激活函数等等。

可以理解的是，由于妆容检测模型可以包括各种类型的神经网络，对于不同类型的神经网络所需要确定的网络结构也不相同。

在本实施例的一些可选的实现方式中，当妆容检测模型为卷积神经网络时，由于卷积神经网络是一个多层的神经网络，每层由多个二维平面组成，而每个平面由多个独立神经元组成，则这里需要确定卷积神经网络类型的妆容检测模型包括哪些层(例如，卷积层，池化层，全连接层，分类器等等)，层与层之间的连接顺序关系，以及每个层都包括哪些参数(例如，权重、偏置项、卷积的步长)等等。其中，卷积层可以用于提取图像特征。针对每个卷积层可以确定有多少个卷积核，每个卷积核的大小，每个卷积核中的各个神经元的权重，每个卷积核对应的偏置项，相邻两次卷积之间的步长等等。

然后，训练步骤的执行主体可以初始化妆容检测模型的网络参数。实践中，可以将妆容检测模型的各个网络参数(例如，权值参数和偏置参数)用一些不同的小随机数进行初始化。“小随机数”用来保证网络不会因权值过大而进入饱和状态，从而导致训练失败，“不同”用来保证网络可以正常地学习。

可选地，训练步骤的执行主体可以在执行步骤2021之前，执行以下第一初始化操作：

首先，可以确定初始特征提取模型的模型结构信息。可以理解的是，由于初始特征提取模型可以包括各种类型用于提取图像特征的模型，对于不同类型的用于提取图像特征的模型，所需要确定的模型结构信息也不相同。可选地，初始特征提取模型可以为卷积神经网络。由于卷积神经网络是一个多层的神经网络，每层由多个二维平面组成，而每个平面由多个独立神经元组成，则这里需要确定卷积神经网络类型的初始特征提取模型包括哪些层(例如，卷积层，池化层，激励函数层等等)，层与层之间的连接顺序关系，以及每个层都包括哪些参数(例如，权重weight、偏置项bias、卷积的步长)等等。其中，卷积层可以用于提取图像特征。针对每个卷积层可以确定有多少个卷积核，每个卷积核的大小，每个卷积核中的各个神经元的权重，每个卷积核对应的偏置项，相邻两次卷积之间的步长，是否需要填充，填充多少像素点和填充用的数值(一般是填充为0)等等。而池化层可以用于对输入的信息进行下采样(Down Sample)，以压缩数据和参数的量，减少过拟合。针对每个池化层可以确定该池化层的池化方法(例如，取区域平均值或者取区域最大值)。激励函数层用于对输入的信息进行非线性计算。针对每个激励函数层可以确定具体的激励函数。例如，激活函数可以是ReLU以及ReLU各种变种激活函数、Sigmoid函数、Tanh(双曲正切)函数、Maxout函数等等。实践中，卷积神经网络(Convolutional Neural Network，CNN)是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于图像处理有出色表现，因而，可以利用卷积神经网络进行图像特征的提取，图像的特征可以是图像的各种基本要素(例如颜色、线条、纹理等)。

可选地，初始特征提取模型还可以为主动形状模型(Active Shape Model，ASM)、主元分析(Principal Component Analysis，PCA)模型、独立分量分析(IndependentComponent Analysis，ICA)模型和线性判别分析(Linear Discriminant Analysis，LDA)模型、局部特征分析(Local Feature Analysis，LFA)模型等等用于提取人脸图像特征的模型。相应的，对应不同的特征提取模型，需要确定的模型结构信息也是不同的。

然后，可以初始化初始特征提取模型的模型参数。实践中，可以将初始特征提取模型的各个模型参数用一些不同的小随机数进行初始化。“小随机数”用来保证模型不会因权值过大而进入饱和状态，从而导致训练失败，“不同”用来保证模型可以正常地学习。

实践中，由于特征提取模型的具体模型不同，所得到的与该活体人脸图像对应的图像特征既可以是特征图(feature map)形式的，也可以是特征向量形式的。

步骤2022，获取训练样本集。

在本实施例中，训练步骤的执行主体可以本地或者远程地从与上述执行主体网络连接的其他电子设备获取训练样本集。其中，每个训练样本包括样本人脸图像和用于表征五官部位妆容的标注信息。正样本可以是眼睛、嘴唇、眉毛、脸颊等部位上妆完毕，即定妆后的人脸图像，而负样本可以是眼睛、嘴唇、眉毛、脸颊等部位脱妆的人脸图像。

作为示例，标注信息可以是数值，例如，用0表示眼妆脱落，用1表示唇妆脱落。标注信息还可以是文字、字符或者符号的组合。

步骤2023，将训练样本集中的训练样本中的人脸图像和标注信息分别作为妆容检测模型的输入和期望输出，利用机器学习方法训练妆容检测模型。

在本实施例中，训练步骤的执行主体可以将训练样本集中的训练样本中的样本人脸图像输入妆容检测模型，得到该样本人脸图像的状态信息，以该训练样本中的标注信息作为妆容检测模型的期望输出，利用机器学习方法训练妆容检测模型。具体地，可以首先利用预设的损失函数计算所得到的状态信息与该训练样本中的标注信息之间的差异，例如，可以采用L2范数作为损失函数计算所得到的状态信息与该训练样本中的标注信息之间的差异。然后，可以基于计算所得的差异，调整妆容检测模型的网络参数，并在满足预设的训练结束条件的情况下，结束训练。例如，这里预设的训练结束条件可以包括但不限于以下至少一项：训练时间超过预设时长；训练次数超过预设次数；计算所得的差异小于预设差异阈值。

这里，可以采用各种实现方式基于所生成的状态信息与该训练样本中的标注信息之间的差异调整妆容检测模型的网络参数。例如，可以采用BP(Back Propagation，反向传播)算法或者SGD(Stochastic Gradient Descent，随机梯度下降)算法来调整妆容检测模型的网络参数。

步骤2024，将训练得到的妆容检测模型确定为预先训练的妆容检测模型。

在本实施例中，训练步骤的执行主体可以将步骤2023中训练得到的妆容检测模型确定为预先训练的妆容检测模型。

在本实施例的一些可选的实现方式中，根据当前的人脸图像确定用户的妆容是否达到预定条件，包括：将人脸图像划分成左脸图像和右脸图像。确定左脸图像和右脸图像之间的相似度。响应于相似度小于预定阈值，确定出用户的妆容未达到预定条件。由于化妆时左脸和右脸的妆容是对称的，而脱妆时两边极有可能不对称，因此可将左脸图像和右脸图像进行对比，如果相似度小于预定阈值，则确定出用户的妆容未达到预定条件。该方法还可用于化妆时验证化妆效果，如果没有对称，则提示用户哪里不同，例如，左右眉毛不同、口红、腮红不对称等。实际应用时，确定左脸图像和右脸图像之间的相似度可使用一边脸的镜像图像与另一边脸的图像相比较。

步骤203，响应于确定出妆容未达到预定条件，输出用于提示用户进行补妆的信息。

在本实施例中，如果步骤202检测到妆容未达到预定条件，则输出用于提示用户进行补妆的信息。用于提示用户进行补妆的信息包括以下至少一项：待补妆的部位名称、补妆所需化妆品的名称、补妆所需化妆品的品牌、补妆所需化妆品的色号。输出信息的方式可以在终端屏幕上显示，还可通过铃声、振动、灯光、语音等方式提醒用户及时进行补妆。

在本实施例的一些可选的实现方式中，提示信息可根据当前的人脸图像与参考照片的相似度分为不同的级别，例如，相似度低于第一阈值(如90％)时提醒用户即将脱妆，相似度低于第二阈值(如80％)时提醒用户已经脱妆。可选地，可获取参考照片的拍摄时间与当前的拍摄时间来估算脱妆速度。例如，妆后2小时相似度低于第一阈值，则可估计出再过2小时相似度将会低于第二阈值。可提前提醒用户在2小时内及时补妆。而不是等到面目全非才补救。

可选地，还可获取当前的环境信息、例如，温度、光线强度，从而结合脱妆速度准备预测出脱妆时间，并提醒用户。可选地，可根据不同部位的变化确定不同部位的脱妆速度，例如，睫毛的脱妆速度要快于腮红。

继续参见图3，图3是根据本实施例的用于输出信息的方法的应用场景的一个示意图。在图3的应用场景中，用户化完妆后使用手机拍摄定妆照片。用户使用手机时，手机自动通过摄像头获取了用户的当前的人脸图像。手机将当前的人脸图像和定妆照片进行对比，如果两张图片的相似度小于预定阈值，则说明该用户的妆容未达到预定条件。手机将输出用于提示用户进行补妆的信息，例如，补妆提示：双眼脱妆，腮红被污染。建议：使用XX粉底XX处理，YY腮红、ZZ睫毛膏…。

本申请的上述实施例提供的方法通过识别用户的人脸图像，检测用户的妆容，能够提醒用户及时补妆。

进一步参考图4，其示出了用于输出信息的方法的又一个实施例的流程400。该用于输出信息的方法的流程400，包括以下步骤：

步骤401，获取用户的当前的人脸图像。

步骤402，根据当前的人脸图像确定用户的妆容是否达到预定条件。

步骤403，响应于确定出妆容未达到预定条件，输出用于提示用户进行补妆的信息。

步骤401-403与步骤201-203基本相同，因此不再赘述。

步骤404，识别出已化妆区域的颜色和亮度。

在本实施例中，人脸图像可以是完全素颜的图像也可以是部分化妆的图像，比如口红、腮红化完一段时间后颜色发生变化，变淡或者完全脱落。

步骤405，获取与已化妆区域的颜色和亮度匹配的化妆效果图像集合供用户选择。

在本实施例中，从化妆效果图像集合中查找到与用户使用的口红的颜色、亮度相同或相似的化妆效果图像供用户选择。化妆效果图像中已经化好了与用户的口红颜色搭配的眼妆、底妆、腮红等。当前的人脸图像可能已经无法识别出原来化妆品的颜色，但可根据当前呈现的颜色来推荐用户可实现的化妆效果图像。例如，用户原本唇色是樱红色，变淡成粉红色，则可推荐与粉红色唇膏相搭配的腮红、眼影的效果图，而不用补唇妆。或者推荐与现有的腮红、眼影相搭配的口红颜色，即使腮红也变色了但只改变唇妆也可达到补妆效果。即，用户无需全部补妆，只需要根据补妆部分妆容即可实现完美妆容。这样方便用户用最短的时间进行补妆。

从图4中可以看出，与图2对应的实施例相比，本实施例中的用于输出信息的方法的流程400体现了对化妆效果进行推荐的步骤。由此，本实施例描述的方案可以引入更多的补妆推荐信息，从而实现更全面的、便捷的补妆操作。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种用于输出信息的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的用于输出信息的装置500包括：获取单元501、确定单元502、输出单元503。其中，获取单元501被配置成获取用户的当前的人脸图像。确定单元502被配置成根据当前的人脸图像确定用户的妆容是否达到预定条件。输出单元503被配置成响应于确定出妆容未达到预定条件，输出用于提示用户进行补妆的信息。

在本实施例中，用于输出信息的装置500的获取单元501、确定单元502、输出单元503的具体处理可以参考图2对应实施例中的步骤201、步骤202、步骤203。

在本实施例的一些可选的实现方式中，确定单元502进一步被配置成：提取当前的人脸图像的特征值；将所提取的特征值与预存的用户刚化完妆时的人脸图像的特征值进行比较，以确定出用户的妆容是否达到预定条件。

在本实施例的一些可选的实现方式中，确定单元502进一步被配置成：将当前的人脸图像输入预先训练的妆容检测模型，得到妆容信息，其中，妆容检测模型用于表征人脸图像和妆容信息之间的对应关系；根据妆容信息确定用户的妆容是否达到预定条件。

在本实施例的一些可选的实现方式中，确定单元502进一步被配置成：将人脸图像划分成左脸图像和右脸图像；确定左脸图像和右脸图像之间的相似度；响应于相似度小于预定阈值，确定出用户的妆容未达到预定条件。

在本实施例的一些可选的实现方式中，用于提示用户进行补妆的信息包括以下至少一项：待补妆的部位名称、补妆所需化妆品的名称、补妆所需化妆品的品牌、补妆所需化妆品的色号。

下面参考图6，其示出了适于用来实现本申请实施例的电子设备(如图1所示的终端设备/服务器)的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言-诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言-诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)-连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、确定单元和输出单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“接收获取用户的当前的人脸图像的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：获取用户的当前的人脸图像；根据当前的人脸图像确定用户的妆容是否达到预定条件；响应于确定出妆容未达到预定条件，输出用于提示用户进行补妆的信息。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (12)

1.一种用于输出信息的方法，包括：

获取用户的当前的人脸图像；

根据所述当前的人脸图像确定所述用户的妆容是否达到预定条件；

响应于确定出所述妆容未达到预定条件，输出用于提示所述用户进行补妆的信息。

2.根据权利要求1所述的方法，所述根据所述当前的人脸图像确定所述用户的妆容是否达到预定条件，包括：

提取所述当前的人脸图像的特征值；

将所提取的特征值与预存的所述用户刚化完妆时的人脸图像的特征值进行比较，以确定出所述用户的妆容是否达到预定条件。

3.根据权利要求1所述的方法，所述根据所述当前的人脸图像确定所述用户的妆容是否达到预定条件，包括：

将所述当前的人脸图像输入预先训练的妆容检测模型，得到妆容信息，其中，所述妆容检测模型用于表征人脸图像和妆容信息之间的对应关系；

根据所述妆容信息确定所述用户的妆容是否达到预定条件。

4.根据权利要求1所述的方法，所述根据所述当前的人脸图像确定所述用户的妆容是否达到预定条件，包括：

将所述人脸图像划分成左脸图像和右脸图像；

确定所述左脸图像和所述右脸图像之间的相似度；

响应于所述相似度小于预定阈值，确定出所述用户的妆容未达到预定条件。

5.根据权利要求1-4之一所述的方法，所述用于提示所述用户进行补妆的信息包括以下至少一项：待补妆的部位名称、补妆所需化妆品的名称、补妆所需化妆品的品牌、补妆所需化妆品的色号。

6.一种用于输出信息的装置，包括：

获取单元，被配置成获取用户的当前的人脸图像；

确定单元，被配置成根据所述当前的人脸图像确定所述用户的妆容是否达到预定条件；

输出单元，被配置成响应于确定出所述妆容未达到预定条件，输出用于提示所述用户进行补妆的信息。

7.根据权利要求6所述的装置，所述确定单元进一步被配置成：

提取所述当前的人脸图像的特征值；

将所提取的特征值与预存的所述用户刚化完妆时的人脸图像的特征值进行比较，以确定出所述用户的妆容是否达到预定条件。

8.根据权利要求6所述的装置，所述确定单元进一步被配置成：

将所述当前的人脸图像输入预先训练的妆容检测模型，得到妆容信息，其中，所述妆容检测模型用于表征人脸图像和妆容信息之间的对应关系；

根据所述妆容信息确定所述用户的妆容是否达到预定条件。

9.根据权利要求1所述的装置，所述确定单元进一步被配置成：

将所述人脸图像划分成左脸图像和右脸图像；

确定所述左脸图像和所述右脸图像之间的相似度；

响应于所述相似度小于预定阈值，确定出所述用户的妆容未达到预定条件。

10.根据权利要求6-9之一所述的装置，所述用于提示所述用户进行补妆的信息包括以下至少一项：待补妆的部位名称、补妆所需化妆品的名称、补妆所需化妆品的品牌、补妆所需化妆品的色号。

11.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。

12.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。