CN109994206A - 一种容貌预测方法及电子设备 - Google Patents
一种容貌预测方法及电子设备 Download PDFInfo
- Publication number
- CN109994206A CN109994206A CN201910142345.3A CN201910142345A CN109994206A CN 109994206 A CN109994206 A CN 109994206A CN 201910142345 A CN201910142345 A CN 201910142345A CN 109994206 A CN109994206 A CN 109994206A
- Authority
- CN
- China
- Prior art keywords
- image
- user
- face
- electronic equipment
- interface
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 74
- 230000036541 health Effects 0.000 claims abstract description 154
- 230000001815 facial effect Effects 0.000 claims abstract description 82
- 230000008859 change Effects 0.000 claims abstract description 21
- 235000016709 nutrition Nutrition 0.000 claims abstract description 6
- 230000035764 nutrition Effects 0.000 claims abstract description 6
- 230000000875 corresponding effect Effects 0.000 claims description 58
- 230000006870 function Effects 0.000 claims description 49
- 230000032683 aging Effects 0.000 claims description 39
- 230000015654 memory Effects 0.000 claims description 33
- 238000003860 storage Methods 0.000 claims description 25
- 230000000550 effect on aging Effects 0.000 claims description 23
- 230000000694 effects Effects 0.000 claims description 18
- 230000004044 response Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 14
- 230000002596 correlated effect Effects 0.000 claims description 6
- 230000003679 aging effect Effects 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 16
- 238000004088 simulation Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 34
- 230000006854 communication Effects 0.000 description 34
- 238000010586 diagram Methods 0.000 description 24
- 238000007600 charging Methods 0.000 description 7
- 241001269238 Data Species 0.000 description 6
- 230000005236 sound signal Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000036578 sleeping time Effects 0.000 description 5
- 229920001621 AMOLED Polymers 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 4
- 235000013399 edible fruits Nutrition 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000037303 wrinkles Effects 0.000 description 4
- 210000004027 cell Anatomy 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 235000019577 caloric intake Nutrition 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 229910044991 metal oxide Inorganic materials 0.000 description 2
- 150000004706 metal oxides Chemical class 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000002096 quantum dot Substances 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 235000002673 Dioscorea communis Nutrition 0.000 description 1
- 241000544230 Dioscorea communis Species 0.000 description 1
- 238000013256 Gubra-Amylin NASH model Methods 0.000 description 1
- 206010020710 Hyperphagia Diseases 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 208000035753 Periorbital contusion Diseases 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 241000700647 Variola virus Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000003416 augmentation Effects 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 238000013529 biological neural network Methods 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 235000020830 overeating Nutrition 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000004617 sleep duration Effects 0.000 description 1
- 230000003860 sleep quality Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本文提供一种容貌预测方法及电子设备,涉及图像处理技术领域,可基于用户的生活习惯真实模拟用户容貌的变化情况,使用户可直观的感受到容貌的变化情况,从而提醒用户及时调整不良生活习惯。该方法包括:电子设备获取第一图像,第一图像中包括用户的第一面部图像;电子设备获取该用户在预设时间内的健康数据,该健康数据包括该用户的运动数据、睡眠数据、营养摄入数据或使用电子设备的时长数据中的至少一种;电子设备基于该健康数据和第一面部图像对该用户容貌进行预测,得到第二图像,第二图像中包括该用户的第二面部图像;电子设备显示第一界面,第一界面中包括第二面部图像,或者,第一界面中包括第一面部图像和第二面部图像。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种容貌预测方法及电子设备。
背景技术
随着图像处理技术的飞速发展,目前已有一些服务商可向用户提供对用户面部图像进行老化或去老化处理的功能。
例如,一些美图应用(APP)可以美化用户面部图像中出现的皱纹、色斑和痘痘等问题,使美化后的用户面部图像更加年轻。又例如,一些应用提供了预测用户容貌衰老后的面部图像的功能。这类应用可获取包含用户面部图像的照片,进而,应用可依据时间的推移使用老化算法对该面部图像进行老化处理,从而得到若干时间(例如10年、20年)后用户面部衰老的图像。但是,影响用户容貌衰老的因素有多种,单纯的依据时间的推移对预测用户的容貌并不准确,用户也无法及时获知造成容貌衰老的原因。
发明内容
本申请提供一种容貌预测方法及电子设备,可基于用户的生活习惯真实模拟用户容貌的变化情况,使用户可直观的感受到容貌的变化情况,从而提醒用户及时调整不良生活习惯。
为达到上述目的,本申请采用如下技术方案:
第一方面提供一种容貌预测方法,包括:电子设备获取第一图像,第一图像中包括用户的第一面部图像,当然,第一图像中还可是包含第一面部图像的半身像或全身像等;并且,电子设备可获取用户在预设时间内的健康数据,例如,该健康数据可包括用户的运动数据、睡眠数据、营养摄入数据或使用电子设备的时长数据中的至少一种;这样,基于上述健康数据和第一面部图像,电子设备可对用户容貌进行预测,得到预测出的第二图像,第二图像中可包括用户的第二面部图像;进而,电子设备可显示第一界面,第一界面中包括预测出的第二面部图像,当然,第一界面中还可以包括预测之前用户的第一面部图像。
可以看出,电子设备为用户预测出的容貌变化可以随着用户的健康数据改变,即电子设备为用户预测出的容貌变化情况与用户的实际生活习惯息息相关。这样,电子设备为用户预测用户容貌时不仅考虑了时间推移的因素,还结合了用户的健康数据,使得对用户容貌的预测结果更为准确,使用户可直观的感受到容貌的变化情况,从而提醒用户及时调整不良生活习惯或者保持良好的生活习惯。
在一种可能的实现方式中,在电子设备获取上述第一图像之前,还包括:电子设备显示预测应用的第二界面,第二界面中包括容貌预测功能的按钮;此时,电子设备获取第一图像,具体包括:响应于用户点击上述按钮的操作,电子设备可使用摄像头获取上述第一图像;或者,响应于用户点击上述按钮的操作,电子设备可从相册应用中获取一张照片作为上述第一图像。
或者,在电子设备获取上述第一图像之前,还包括:电子设备可确定上述健康数据满足预设条件,例如,该预设条件了包括健康数据大于预设值,或者,健康数据小于预设值。当上述健康数据小于预设值,说明用户存在一些不良的生活习惯,此时,电子设备可自动获取用户的第一面部图像,并结合用户的健康数据对用户进行容貌预测,从而提醒用户及时调整不良生活习惯。当上述健康数据大于预设值,说明用户有良好的生活习惯,此时,电子设备可自动获取用户的第一面部图像,并结合用户的健康数据对用户进行容貌预测,从而提醒用户保持良好的生活习惯。
在一种可能的实现方式中,在电子设备基于上述健康数据和第一面部图像对用户容貌进行预测,得到第二图像之后,还包括:电子设备显示容貌预测完成的通知消息;其中,电子设备显示第一界面,包括:响应于用户打开该通知消息的操作,电子设备打开预测应用并显示预测应用的第一界面。
在一种可能的实现方式中,电子设备基于上述健康数据和第一面部图像对该用户容貌进行预测,得到第二图像,包括:电子设备根据上述健康数据确定对应的年龄影响值K,该年龄影响值是指与用户当前年龄呈正相关或负相关的偏差值;一般,当用户的健康数据反映出的生活习惯越健康时,年龄影响值K为负值,当用户的健康数据反映出的生活习惯越不健康时,年龄影响值K为正值;进而,电子设备可基于第一面部图像预测M+K年后该用户的第二面部图像,得到包含第二面部图像的第二图像,其中,M为默认值或用户设置的值。这样,预测出的第二面部图像既可以反映出随年龄增长用户面部的变化,同时还可以反映出用户当前的生活习惯对用户容貌的影响,从而提供容貌预测的准确度以及用户的使用体验。
在一种可能的实现方式中,电子设备基于上述健康数据和第一面部图像对用户容貌进行预测,得到第二图像,包括:电子设备基于上述第一面部图像预测M年后用户的第三面部图像,其中,M为默认值或用户设置的值;进而,电子设备可根据上述健康数据在第三面部图像上添加对应的容貌效果,得到M年后该用户的第二面部图像。例如,当上述健康数据反映出用户的不良生活习惯时,可添加对应的添加对应的;当上述健康数据反映出用户健康的生活习惯时,可添加对应的年轻效果。
在一种可能的实现方式中,上述第一界面中包括第二面部图像和第一切换按钮;其中,在电子设备显示第一界面之后,还包括:响应于用户点击第一切换按钮的操作,电子设备将显示的第二面部图像切换为第一面部图像。
在一种可能的实现方式中,上述第一界面中包括第二面部图像和第二切换按钮;其中,在电子设备显示第一界面之后,还包括:响应于用户点击第二切换按钮的操作,电子设备将显示的第二图像切换为标准面部图像,该标准面部图像与预设的标准健康数据对应。这样,用户通过对比这两幅图像可以直观的获知当前的生活习惯与健康的生活习惯对日后容貌造成的影响,从而提醒并督促用户建立更加健康的生活习惯。
在一种可能的实现方式中,电子设备显示第一界面,具体包括:电子设备在第一界面的第二面部图像中标记与上述健康数据对应的容貌变化。这样,用户可以直观的了解到当前的不良生活习惯会具体对容貌造成怎样的影响,从而提醒用户及时调整不良生活习惯。
在一种可能的实现方式中,上述第一界面中还可以包括调整用户生活习惯的方法或建议,从而帮助、指导用户尽快调整不良生活习惯。
在一种可能的实现方式中,上述第一界面中还可以包含老化进度条和滑块;第二面部图像包括用户面部的第一预测图像和第二预测图像;其中,电子设备在第一界面中显示第二面部图像,包括:若检测到滑块被拖动至老化进度条的第一位置,则电子设备可显示与第一位置对应的第一预测图像,第一预测图像为预测出的经第一时间段后用户的面部图像;若检测到滑块被拖动至老化进度条的第二位置,则电子设备可显示与第二位置对应的第二预测图像,第二预测图像为预测出的经第二时间段后用户的面部图像。也就是说,电子设备可按照时间顺序显示在不同时间下、基于当前用户的生活习惯为用户预测出的面部图像,使用户可以动态的感受到保持当前的生活习惯时面部容貌随时间的变化情况。
在一种可能的实现方式中,上述第二图像中还可以包括为用户预测出的一段时间后该用户的体形模板,该体形模板与其健康数据对应,该体形模板可包括变胖模板或变瘦模板。这样,用户可以直观、生动的了解自己的生活习惯对日后体形造成的影响,从而提醒用户及时调整不良生活习惯。
在一种可能的实现方式中,电子设备获取用户在预设时间内的健康数据,包括:电子设备从可穿戴设备中获取用户在预设时间内的健康数据。
第二方面提供一种容貌预测方法,包括:电子设备获取用户在预设时间内的健康数据,该健康数据可包括用户的运动数据、睡眠数据、营养摄入数据或使用电子设备的时长数据中的至少一种;并且,电子设备可获取第一图像,第一图像中包括该用户的第一面部图像,例如,第一图像可以是电子设备使用摄像头获取的,或者,第一图像可以是电子设备从相册应用中获取的一张照片;若上述健康数据不满足预设条件,说明用户的健康数据中存在不良的生活习惯,则电子设备可在一个界面中显示第一面部图像和为用户预测出的一段时间后的第二面部图像,第二面部图像为第一面部图像老化后的预测图像;相应的,若上述健康数据满足该预设条件,说明用户的生活习惯较为健康,则电子设备可在一个界面中显示第一面部图像和为用户预测出的一段时间后的第三面部图像,第三面部图像为第一面部图像去老化后的预测图像。
在一种可能的实现方式中,若上述健康数据不满足预设条件,则上述界面中还可以包括承载第一面部图像的第一体形模板以及承载第二面部图像的第二体形模板,第二体型模板是第一体型模板变胖的结果;若上述健康数据满足预设条件,则第二界面中还可以包括承载第一面部图像的第一体形模板以及承载该第三面部图像的第三体形模板,第三体型模板是第一体型模板变瘦的结果。这样,用户可以直观、生动的了解自己的生活习惯对日后体形造成的影响,从而提醒用户及时调整不良生活习惯。
在一种可能的实现方式中,上述一段时间为M年,M为默认值或用户设置的值;当上述健康数据不满足预设条件时,还包括:电子设备基于上述健康数据和M年,对第一面部图像进行老化处理,得到M年后该用户的第二面部图像;相应的,当上述健康数据满足预设条件时,还包括:电子设备基于上述健康数据和M年,对第一面部图像进行去老化处理,得到M年后该用户的该第三面部图像。
在一种可能的实现方式中,若上述健康数据不满足预设条件,则电子设备还可以显示容貌预测完成的通知消息。如果检测到用户打开该通知消息,则电子设备可打开预测应用并显示上述第二面部图像。
在一种可能的实现方式中,电子设备在显示上述第二面部图像时,还可以在第二面部图像中标记与上述健康数据对应的容貌变化。这样,用户可以直观的了解到当前的不良生活习惯会具体对容貌造成怎样的影响,从而提醒用户及时调整不良生活习惯。
在一种可能的实现方式中,电子设备在显示上述第二面部图像时,还可以显示调整用户生活习惯的方法或建议,从而帮助、指导用户尽快调整不良生活习惯。
第三方面提供一种电子设备,包括:触摸屏、一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序;其中,处理器与触摸屏和存储器均耦合,上述一个或多个计算机程序被存储在存储器中,当电子设备运行时,该处理器执行该存储器存储的一个或多个计算机程序,以使电子设备执行上述任一项所述的容貌预测方法。
第四方面提供一种计算机存储介质,包括计算机指令,当计算机指令在电子设备上运行时,使得电子设备执行上述任一项所述的容貌预测方法。
第五方面提供一种计算机程序产品,当计算机程序产品在电子设备上运行时,使得电子设备执行上述任一项所述的容貌预测方法。
第六方面提供一种图形用户界面(graphical user interface,GUI),该图形用户界面存储在上述电子设备中,所述电子设备包括触摸屏、存储器、处理器,所述处理器用于执行存储在所述存储器中的一个或多个计算机程序,所述图形用户界面可以包括:显示在触摸屏上的第一GUI,第一GUI中包括容貌预测功能的按钮;响应于针对该按钮的触摸事件,在触摸屏上显示第二GUI,第二GUI中包括用户的第一面部图像和第二面部图像,或者,第二GUI中包括用户的第二面部图像;其中,第一面部图像为用户真实的面部图像,第二面部图像为电子设备基于用户的健康数据和第一面部图像为用户预测出一段时间后的面部图像。
第七方面提供一种GUI,该GUI存储在上述电子设备中,所述电子设备包括触摸屏、存储器、处理器,所述处理器用于执行存储在所述存储器中的一个或多个计算机程序,所述图形用户界面可以包括:显示在触摸屏上的第一GUI,第一GUI中包括容貌预测完成的通知消息;响应于针对上述通知消息的触摸事件,在触摸屏上显示第二GUI,第二GUI中包括用户的第一面部图像和第二面部图像,或者,第二GUI中包括用户的第二面部图像;其中,第一面部图像为用户真实的面部图像,第二面部图像为电子设备基于用户的健康数据和第一面部图像为用户预测出一段时间后的面部图像。
可以理解地,上述提供的第三方面所述的电子设备、第四方面所述的计算机存储介质、第五方面所述的计算机程序产品以及第六方面和第七方面所述的GUI均用于执行上文所提供的对应的方法,因此,其所能达到的有益效果可参考上文所提供的对应的方法中的有益效果,此处不再赘述。
附图说明
图1为本申请实施例提供的一种电子设备的结构示意图一;
图2为本申请实施例提供的一种摄像头的拍摄原理示意图;
图3为本申请实施例提供的一种容貌预测方法的应用场景示意图一;
图4为本申请实施例提供的一种容貌预测方法的流程示意图一;
图5为本申请实施例提供的一种容貌预测方法的应用场景示意图二;
图6为本申请实施例提供的一种容貌预测方法的应用场景示意图三;
图7为本申请实施例提供的一种容貌预测方法的应用场景示意图四;
图8为本申请实施例提供的一种容貌预测方法的应用场景示意图五;
图9为本申请实施例提供的一种容貌预测方法的应用场景示意图六;
图10为本申请实施例提供的一种容貌预测方法的应用场景示意图七;
图11为本申请实施例提供的一种容貌预测方法的应用场景示意图八;
图12为本申请实施例提供的一种容貌预测方法的应用场景示意图九;
图13A为本申请实施例提供的一种容貌预测方法的应用场景示意图十;
图13B为本申请实施例提供的一种容貌预测方法的应用场景示意图十一;
图14为本申请实施例提供的一种容貌预测方法的应用场景示意图十二;
图15为本申请实施例提供的一种容貌预测方法的应用场景示意图十三;
图16为本申请实施例提供的一种容貌预测方法的应用场景示意图十四;
图17为本申请实施例提供的一种容貌预测方法的应用场景示意图十五;
图18为本申请实施例提供的一种容貌预测方法的应用场景示意图十六;
图19为本申请实施例提供的一种容貌预测方法的应用场景示意图十七;
图20为本申请实施例提供的一种容貌预测方法的应用场景示意图十八;
图21为本申请实施例提供的一种容貌预测方法的流程示意图二;
图22为本申请实施例提供的一种电子设备的结构示意图二。
具体实施方式
下面将结合附图对本实施例的实施方式进行详细描述。
示例性的,本申请实施例提供的一种容貌预测方法可应用于手机、平板电脑、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer,UMPC)、手持计算机、上网本、个人数字助理(personal digital assistant,PDA)、可穿戴电子设备、虚拟现实设备等电子设备,本申请实施例对此不做任何限制。
以手机100为上述电子设备举例,图1示出了手机100的结构示意图。
手机100可以包括处理器110,外部存储器接口120,内部存储器121,通用串行总线(universal serial bus,USB)接口130,充电管理模块140,电源管理模块141,电池142,天线1,天线2,射频模块150,通信模块160,音频模块170,扬声器170A,受话器170B,麦克风170C,耳机接口170D,传感器模块180,按键190,马达191,指示器192,摄像头193,显示屏194,以及用户标识模块(subscriber identification module,SIM)卡接口195等。
可以理解的是,本申请实施例示意的结构并不构成对手机100的具体限定。在本申请另一些实施例中,手机100可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件,软件或软件和硬件的组合实现。
处理器110可以包括一个或多个处理单元,例如:处理器110可以包括应用处理器(application processor,AP),调制解调处理器,图形处理器(graphics processingunit,GPU),图像信号处理器(image signal processor,ISP),控制器,存储器,视频编解码器,数字信号处理器(digital signal processor,DSP),基带处理器,和/或神经网络处理器(neural-network processing unit,NPU)等。其中,不同的处理单元可以是独立的器件,也可以集成在一个或多个处理器中。
其中,控制器可以是手机100的神经中枢和指挥中心。控制器可以根据指令操作码和时序信号,产生操作控制信号,完成取指令和执行指令的控制。
处理器110中还可以设置存储器,用于存储指令和数据。在一些实施例中,处理器110中的存储器为高速缓冲存储器。该存储器可以保存处理器110刚用过或循环使用的指令或数据。如果处理器110需要再次使用该指令或数据,可从所述存储器中直接调用。避免了重复存取,减少了处理器110的等待时间,因而提高了系统的效率。
在一些实施例中,处理器110可以包括一个或多个接口。接口可以包括集成电路(inter-integrated circuit,I2C)接口,集成电路内置音频(inter-integrated circuitsound,I2S)接口,脉冲编码调制(pulse code modulation,PCM)接口,通用异步收发传输器(universal asynchronous receiver/transmitter,UART)接口,移动产业处理器接口(mobile industry processor interface,MIPI),通用输入输出(general-purposeinput/output,GPIO)接口,用户标识模块(subscriber identity module,SIM)接口,和/或通用串行总线(universal serial bus,USB)接口等。
I2C接口是一种双向同步串行总线,包括一根串行数据线(serial data line,SDA)和一根串行时钟线(derail clock line,SCL)。在一些实施例中,处理器110可以包含多组I2C总线。处理器110可以通过不同的I2C总线接口分别耦合触摸传感器180K,充电器,闪光灯,摄像头193等。例如:处理器110可以通过I2C接口耦合触摸传感器180K,使处理器110与触摸传感器180K通过I2C总线接口通信,实现手机100的触摸功能。
I2S接口可以用于音频通信。在一些实施例中,处理器110可以包含多组I2S总线。处理器110可以通过I2S总线与音频模块170耦合,实现处理器110与音频模块170之间的通信。在一些实施例中,音频模块170可以通过I2S接口向通信模块160传递音频信号,实现通过蓝牙耳机接听电话的功能。
PCM接口也可以用于音频通信,将模拟信号抽样,量化和编码。在一些实施例中,音频模块170与通信模块160可以通过PCM总线接口耦合。在一些实施例中,音频模块170也可以通过PCM接口向通信模块160传递音频信号,实现通过蓝牙耳机接听电话的功能。所述I2S接口和所述PCM接口都可以用于音频通信。
UART接口是一种通用串行数据总线,用于异步通信。该总线可以为双向通信总线。它将要传输的数据在串行通信与并行通信之间转换。在一些实施例中,UART接口通常被用于连接处理器110与通信模块160。例如:处理器110通过UART接口与通信模块160中的蓝牙模块通信,实现蓝牙功能。在一些实施例中,音频模块170可以通过UART接口向通信模块160传递音频信号,实现通过蓝牙耳机播放音乐的功能。
MIPI接口可以被用于连接处理器110与显示屏194,摄像头193等外围器件。MIPI接口包括摄像头串行接口(camera serial interface,CSI),显示屏串行接口(displayserial interface,DSI)等。在一些实施例中,处理器110和摄像头193通过CSI接口通信,实现手机100的拍摄功能。处理器110和显示屏194通过DSI接口通信,实现手机100的显示功能。
GPIO接口可以通过软件配置。GPIO接口可以被配置为控制信号,也可被配置为数据信号。在一些实施例中,GPIO接口可以用于连接处理器110与摄像头193,显示屏194,通信模块160,音频模块170,传感器模块180等。GPIO接口还可以被配置为I2C接口,I2S接口,UART接口,MIPI接口等。
USB接口130是符合USB标准规范的接口,具体可以是Mini USB接口,Micro USB接口,USB Type C接口等。USB接口130可以用于连接充电器为手机100充电,也可以用于手机100与外围设备之间传输数据。也可以用于连接耳机,通过耳机播放音频。该接口还可以用于连接其他电子设备,例如AR设备等。
可以理解的是,本申请实施例示意的各模块间的接口连接关系,只是示意性说明,并不构成对手机100的结构限定。在本申请另一些实施例中,手机100也可以采用上述实施例中不同的接口连接方式,或多种接口连接方式的组合。
充电管理模块140用于从充电器接收充电输入。其中,充电器可以是无线充电器,也可以是有线充电器。在一些有线充电的实施例中,充电管理模块140可以通过USB接口130接收有线充电器的充电输入。在一些无线充电的实施例中,充电管理模块140可以通过手机100的无线充电线圈接收无线充电输入。充电管理模块140为电池142充电的同时,还可以通过电源管理模块141为电子设备供电。
电源管理模块141用于连接电池142,充电管理模块140与处理器110。电源管理模块141接收电池142和/或充电管理模块140的输入,为处理器110,内部存储器121,外部存储器,显示屏194,摄像头193,和通信模块160等供电。电源管理模块141还可以用于监测电池容量,电池循环次数,电池健康状态(漏电,阻抗)等参数。在其他一些实施例中,电源管理模块141也可以设置于处理器110中。在另一些实施例中,电源管理模块141和充电管理模块140也可以设置于同一个器件中。
手机100的无线通信功能可以通过天线1,天线2,射频模块150,通信模块160,调制解调处理器以及基带处理器等实现。
天线1和天线2用于发射和接收电磁波信号。手机100中的每个天线可用于覆盖单个或多个通信频带。不同的天线还可以复用,以提高天线的利用率。例如:可以将天线1复用为无线局域网的分集天线。在另外一些实施例中,天线可以和调谐开关结合使用。
射频模块150可以提供应用在手机100上的包括2G/3G/4G/5G等无线通信的解决方案。射频模块150可以包括至少一个滤波器,开关,功率放大器,低噪声放大器(low noiseamplifier,LNA)等。射频模块150可以由天线1接收电磁波,并对接收的电磁波进行滤波,放大等处理,传送至调制解调处理器进行解调。射频模块150还可以对经调制解调处理器调制后的信号放大,经天线1转为电磁波辐射出去。在一些实施例中,射频模块150的至少部分功能模块可以被设置于处理器110中。在一些实施例中,射频模块150的至少部分功能模块可以与处理器110的至少部分模块被设置在同一个器件中。
调制解调处理器可以包括调制器和解调器。其中,调制器用于将待发送的低频基带信号调制成中高频信号。解调器用于将接收的电磁波信号解调为低频基带信号。随后解调器将解调得到的低频基带信号传送至基带处理器处理。低频基带信号经基带处理器处理后,被传递给应用处理器。应用处理器通过音频设备(不限于扬声器170A,受话器170B等)输出声音信号,或通过显示屏194显示图像或视频。在一些实施例中,调制解调处理器可以是独立的器件。在另一些实施例中,调制解调处理器可以独立于处理器110,与射频模块150或其他功能模块设置在同一个器件中。
通信模块160可以提供应用在手机100上的包括无线局域网(wireless localarea networks,WLAN)(如无线保真(wireless fidelity,Wi-Fi)网络),蓝牙(bluetooth,BT),全球导航卫星系统(global navigation satellite system,GNSS),调频(frequencymodulation,FM),近距离无线通信技术(near field communication,NFC),红外技术(infrared,IR)等无线通信的解决方案。通信模块160可以是集成至少一个通信处理模块的一个或多个器件。通信模块160经由天线2接收电磁波,将电磁波信号调频以及滤波处理,将处理后的信号发送到处理器110。通信模块160还可以从处理器110接收待发送的信号,对其进行调频,放大,经天线2转为电磁波辐射出去。
在一些实施例中,手机100的天线1和射频模块150耦合,天线2和通信模块160耦合,使得手机100可以通过无线通信技术与网络以及其他设备通信。所述无线通信技术可以包括全球移动通讯系统(global system for mobile communications,GSM),通用分组无线服务(general packet radio service,GPRS),码分多址接入(code division multipleaccess,CDMA),宽带码分多址(wideband code division multiple access,WCDMA),时分码分多址(time-division code division multiple access,TD-SCDMA),长期演进(longterm evolution,LTE),BT,GNSS,WLAN,NFC,FM,和/或IR技术等。所述GNSS可以包括全球卫星定位系统(global positioning system,GPS),全球导航卫星系统(global navigationsatellite system,GLONASS),北斗卫星导航系统(beidou navigation satellitesystem,BDS),准天顶卫星系统(quasi-zenith satellite system,QZSS)和/或星基增强系统(satellite based augmentation systems,SBAS)。
手机100通过GPU,显示屏194,以及应用处理器等实现显示功能。GPU为图像处理的微处理器,连接显示屏194和应用处理器。GPU用于执行数学和几何计算,用于图形渲染。处理器110可包括一个或多个GPU,其执行程序指令以生成或改变显示信息。
显示屏194用于显示图像,视频等。显示屏194包括显示面板。显示面板可以采用液晶显示屏(liquid crystal display,LCD),有机发光二极管(organic light-emittingdiode,OLED),有源矩阵有机发光二极体或主动矩阵有机发光二极体(active-matrixorganic light emitting diode的,AMOLED),柔性发光二极管(flex light-emittingdiode,FLED),Miniled,MicroLed,Micro-oLed,量子点发光二极管(quantum dot lightemitting diodes,QLED)等。在一些实施例中,手机100可以包括1个或N个显示屏194,N为大于1的正整数。
手机100可以通过ISP,摄像头193,视频编解码器,GPU,显示屏194以及应用处理器等实现拍摄功能。
ISP用于处理摄像头193反馈的数据。例如,拍照时,打开快门,光线通过镜头被传递到摄像头感光元件上,光信号转换为电信号,摄像头感光元件将所述电信号传递给ISP处理,转化为肉眼可见的图像。ISP还可以对图像的噪点,亮度,肤色进行算法优化。ISP还可以对拍摄场景的曝光,色温等参数优化。在一些实施例中,ISP可以设置在摄像头193中。
摄像头193用于捕获静态图像或视频。在一些实施例中,手机100可以包括1个或N个摄像头,N为大于1的正整数。摄像头193可以是前置摄像头也可以是后置摄像头。如图2所示,摄像头193一般包括镜头(lens)和感光元件(sensor),该感光元件可以为CCD(charge-coupled device,电荷耦合元件)或者CMOS(complementary metal oxide semiconductor,互补金属氧化物半导体)等任意感光器件。
仍如图2所示,在拍摄过程中,被拍摄物体的反射光线经过镜头后可生成光学图像,该光学图像投射到感光元件上,感光元件将接收到的光信号转换为电信号,进而,摄像头193将得到的电信号发送至DSP(Digital Signal Processing,数字信号处理)模块进行数字信号处理,最终得到数字图像。该数字图像可通过显示屏194在手机100上输出,也可以将该数字图像存储在内部存储器121(或外部存储器120)中。
视频编解码器用于对数字视频压缩或解压缩。手机100可以支持一种或多种视频编解码器。这样,手机100可以播放或录制多种编码格式的视频,例如:动态图像专家组(moving picture experts group,MPEG)1,MPEG2,MPEG3,MPEG4等。
NPU为神经网络(neural-network,NN)计算处理器,通过借鉴生物神经网络结构,例如借鉴人脑神经元之间传递模式,对输入信息快速处理,还可以不断的自学习。通过NPU可以实现手机100的智能认知等应用,例如:图像识别,人脸识别,语音识别,文本理解等。
外部存储器接口120可以用于连接外部存储卡,例如Micro SD卡,实现扩展手机100的存储能力。外部存储卡通过外部存储器接口120与处理器110通信,实现数据存储功能。例如将音乐,视频等文件保存在外部存储卡中。
内部存储器121可以用于存储计算机可执行程序代码,所述可执行程序代码包括指令。处理器110通过运行存储在内部存储器121的指令,从而执行手机100的各种功能应用以及数据处理。内部存储器121可以包括存储程序区和存储数据区。其中,存储程序区可存储操作系统,至少一个功能所需的应用程序(比如声音播放功能,图像播放功能等)等。存储数据区可存储手机100使用过程中所创建的数据(比如音频数据,电话本等)等。此外,内部存储器121可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件,闪存器件,通用闪存存储器(universal flash storage,UFS)等。
手机100可以通过音频模块170,扬声器170A,受话器170B,麦克风170C,耳机接口170D,以及应用处理器等实现音频功能。例如音乐播放,录音等。
音频模块170用于将数字音频信息转换成模拟音频信号输出,也用于将模拟音频输入转换为数字音频信号。音频模块170还可以用于对音频信号编码和解码。在一些实施例中,音频模块170可以设置于处理器110中,或将音频模块170的部分功能模块设置于处理器110中。
扬声器170A,也称“喇叭”,用于将音频电信号转换为声音信号。手机100可以通过扬声器170A收听音乐,或收听免提通话。
受话器170B,也称“听筒”,用于将音频电信号转换成声音信号。当手机100接听电话或语音信息时,可以通过将受话器170B靠近人耳接听语音。
麦克风170C,也称“话筒”,“传声器”,用于将声音信号转换为电信号。当拨打电话或发送语音信息时,用户可以通过人嘴靠近麦克风170C发声,将声音信号输入到麦克风170C。手机100可以设置至少一个麦克风170C。在另一些实施例中,手机100可以设置两个麦克风170C,除了采集声音信号,还可以实现降噪功能。在另一些实施例中,手机100还可以设置三个,四个或更多麦克风170C,实现采集声音信号,降噪,还可以识别声音来源,实现定向录音功能等。
耳机接口170D用于连接有线耳机。耳机接口170D可以是USB接口130,也可以是3.5mm的开放移动电子设备平台(open mobile terminal platform,OMTP)标准接口,美国蜂窝电信工业协会(cellular telecommunications industry association of the USA,CTIA)标准接口。
传感器模块180可以包括压力传感器180A,陀螺仪传感器180B,气压传感器180C,磁传感器180D,加速度传感器180E,距离传感器180F,接近光传感器180G,指纹传感器180H,温度传感器180J,触摸传感器180K,环境光传感器180L,骨传导传感器180M等。
按键190包括开机键,音量键等。按键190可以是机械按键。也可以是触摸式按键。手机100可以接收按键输入,产生与手机100的用户设置以及功能控制有关的键信号输入。
马达191可以产生振动提示。马达191可以用于来电振动提示,也可以用于触摸振动反馈。例如,作用于不同应用(例如拍照,音频播放等)的触摸操作,可以对应不同的振动反馈效果。作用于显示屏194不同区域的触摸操作,马达191也可对应不同的振动反馈效果。不同的应用场景(例如:时间提醒,接收信息,闹钟,游戏等)也可以对应不同的振动反馈效果。触摸振动反馈效果还可以支持自定义。
指示器192可以是指示灯,可以用于指示充电状态,电量变化,也可以用于指示消息,未接来电,通知等。
SIM卡接口195用于连接SIM卡。SIM卡可以通过插入SIM卡接口195,或从SIM卡接口195拔出,实现和手机100的接触和分离。手机100可以支持1个或N个SIM卡接口,N为大于1的正整数。SIM卡接口195可以支持Nano SIM卡,Micro SIM卡,SIM卡等。同一个SIM卡接口195可以同时插入多张卡。所述多张卡的类型可以相同,也可以不同。SIM卡接口195也可以兼容不同类型的SIM卡。SIM卡接口195也可以兼容外部存储卡。手机100通过SIM卡和网络交互,实现通话以及数据通信等功能。在一些实施例中,手机100采用eSIM,即:嵌入式SIM卡。eSIM卡可以嵌在手机100中,不能和手机100分离。
在本申请实施例中,手机100可通过传感器模块180中的一个或多个传感器检测用户的健康数据,该健康数据可反映出用户的生活习惯特征。例如,该健康数据可以包括用户每天的运动数据(例如运动时间、运动量等),睡眠数据(例如入睡时间、睡眠时长等),营养摄入数据(例如摄入的热量、吃饭时间等)以及使用手机的时间、时长等一项或多项数据。手机100可将检测到的最近一段时间(例如最近半年、最近一个月、最近一周、最近一天或最近若干小时)的健康数据存储在手机100的外部存储器120或内部存储器121中。
或者,如图3所示,手机100还可以通过通信模块160与可穿戴设备200交互。其中,可穿戴设备200可以是智能手表、智能手环、智能眼镜、智能头盔或智能耳机等设备,本申请实施例对此不做任何限制。手机100与可穿戴设备200建立连接后,可穿戴设备200可将采集到的用户的健康数据发送给手机100。当然,用户也可以向手机100中手动输入自己的健康数据,本申请实施例对此不做任何限制。
示例性的,可以在手机100中安装具有容貌预测功能的应用(可称为预测APP)。如果检测到用户打开预测APP中的容貌预测功能,则手机100可获取包含用户面部图像的数据,并且,手机100可获取预设时间段内(最近一段时间)用户的健康数据。进而,结合用户最近的健康数据,手机100可基于用户面部图像预测用户在一段时间(例如1年、3年、5年或10年)后容貌发生的变化,从而生成包含该容貌变化结果的图像并将该图像显示给用户。
这样一来,手机100为用户预测出的容貌变化可以随着用户的健康数据改变,也就是说,手机100为用户预测出的容貌变化情况与用户的实际生活习惯息息相关。例如,如果用户的实际生活习惯比较健康,则手机100预测出的用户容貌衰老的速度将相对缓慢;如果用户的实际生活习惯不太健康,则手机100预测出的用户容貌衰老的速度将相对较快。可以看出,手机100为用户预测用户容貌时不仅考虑了时间推移的因素,还结合了用户的健康数据,使得对用户容貌的预测结果更为准确。
并且,手机100在显示预测出的用户衰老后的图像时,还可以向用户提醒当前有哪些不健康的生活习惯,或者,向用户提醒这些不健康的生活习惯对容貌会有怎样的影响。这样,用户可以更加直观、生动的获知当前的生活习惯对容貌造成的影响,从而通过容貌预测的方式提醒并督促用户建立更加健康的生活习惯。
以下将结合附图详细阐述本申请实施例提供的一种容貌预测方法,如图4所示,以手机为电子设备举例,该方法可包括步骤S401-S404。
S401、手机获取第一图像,第一图像中包含用户的面部图像(也可称为第一面部图像)。
示例性的,手机中可安装具有容貌预测功能的APP(后续实施例中称为预测APP),该预测APP可以是拍照类APP、美图类APP、运动类APP或健康类APP等,本申请实施例对此不做任何限制。作为一种可能的实现方式,容貌预测功能还可以作为一个功能选项设置在手机的负一屏或手机的下拉菜单中。当用户在手机的负一屏或手机的下拉菜单点击容貌预测功能,则手机可显示图5所示的交互界面501,此处以用户点击预测APP为例进行说明,但并不构成限制。
如果检测到用户启动预测APP的操作,如图5所示,手机可启动预测APP并显示预测APP的交互界面501。交互界面501中可设置预测容貌功能的按钮,例如图5中所示的测一测按钮502,该按钮502可用于开启容貌预测的功能。如果检测到用户点击上述按钮502,手机可调用相机APP打开摄像头捕捉当前的拍摄画面。
如图6所示,手机可将捕捉到的拍摄画面601显示在预览界面602中。并且,手机可提示用户移动手机将面部输入至拍摄画面601中。例如,手机可在预览界面601中通过文字提示用户使用前置摄像头拍摄面部图像。又例如,手机可通过语音的形式提示用户平视后置摄像头,并调整手机与用户之间的距离,使得手机能够在拍摄画面601中捕捉到用户的面部图像,即第一面部图像。
手机在捕捉拍摄画面601时可使用预设的人脸检测算法识别拍摄画面601中是否包含满足预设大小的人脸,如果检测到拍摄画面601中包含预设大小的人脸,则手机可自动执行拍照操作获取当前拍摄画面601中的图像(即第一图像),该第一图像中包含用户的面部图像(即第一面部图像)。当然,用户也可以手动点击预览界面602中的拍照按钮603,响应于用户点击拍照按钮603的操作,手机可将此时获取到的拍摄画面601作为第一图像保存在存储器中。
在另一些实施例中,手机检测到用户打开上述容貌预测功能后,还可以提示用户从相册中选一张包含用户面部的照片。进而,手机可从用户选择的照片中通过人脸检测算法提取用户的面部图像(即第一面部图像)。当然,上述第一面部图像还是手机从服务器或其他电子设备中获取的,本申请实施例对此不做任何限制。
除了获取包含用户面部图像的第一图像外,如图7所示,手机还可以提示用户输入自己当前的年龄。这样,手机后续可基于用户当前的年龄对用户容貌进行预测。又例如,仍如图7所示,手机还可以提示用户选择具体需要预测多长时间后的容貌变化,例如,用户可以选择预测1年后、5年后或10后自己的容貌。当然,手机也可基于获取到的第一图像自动识别用户的年龄,或者,手机可基于获取到的第一图像默认为用户预测一定时间(例如5年)后的容貌,本申请实施例对此不做任何限制。
S402、手机获取用户在预设时间内的健康数据。
手机检测到用户打开上述容貌预测功能后,还可以获取用户在最近一段时间(例如一周、一个月、三个月、半年或一年)内的健康数据。该健康数据可以反映出用户的生活习惯特征。
例如,手机可记录每天用户作息的时间、睡眠质量、吃饭的时间、摄入的热量值、运动的时间以及运动量等健康数据。或者,手机还可以从用户的可穿戴设备中获取可穿戴设备检测到的用户的一项或多项健康数据。或者,手机还可以记录用户手动输入的各种健康数据。那么,检测到用户打开上述容貌预测功能后,手机可获取预设时间段内手机记录的各项健康数据。例如,手机可根据获取到的n项健康数据生成一个n(n>0)维的矩阵,矩阵中的每一维向量均与一项健康数据对应。如图8中的(a)所示,矩阵A中包含手机获取到的用户在最近一个月(30天)中每天的健康数据。该健康数据中包括用户每天的睡眠时间、步行步数、卡路里摄入量以及手机使用时间这4项健康数据。矩阵A中的每一个行向量对应一项健康数据。
需要说明的是,本申请实施例对上述步骤S401与S402之间的执行顺序不做任何限定。例如,手机可以在获取到用户的第一图像后获取最近一个月内用户的健康数据。又例如,手机也可以实时监测最近一个月内用户的健康数据,如果检测到用户的健康数据出现不健康的行为习惯,例如,如果检测到用户连续一周的睡眠时间不足5小时,则手机可自动打开上述容貌预测功能,并从相册中获取最近一次拍摄的包含用户面部图像的照片,进而通过执行下述步骤S403-S404向用户提醒不健康的行为习惯对容貌造成的影响。
S403、手机基于上述健康数据和预设年数(例如,5年)对第一图像中的面部图像进行容貌预测。
以手机基于步骤S401中获取到的面部图像预测用户5年后的容貌举例,手机在预测用户5年后的容貌变化时,除了考虑时间因素对用户容貌的影响,还要基于步骤S402获取到的用户的健康数据预测用户5年后的面部的图像(也可称为第二面部图像)。也就是说,手机可基于当前用户的生活习惯,为用户预测当这种生活习惯持续下去时对用户容貌的影响,从而提醒并督促用户建立更加健康的生活习惯。
以下,将详细阐述本申请实例提供的结合健康数据对用户面部图像进行容貌预测的多种方式。
方式一
手机可从最近一段时间(例如,一个月)用户的n项健康数据中提取用户的生活习惯特征。示例性的,手机可计算n项健康数据中每一项健康数据的特征值。例如,如图8中的(b)所示,对于睡眠时间这一健康数据,手机可计算最近一个月内用户每日的平均睡眠时间b1;对于步行步数这一健康数据,手机可计算最近一个月内用户每日的平均步行步数b2;对于卡路里摄入量这一健康数据,手机可计算最近一个月内用户每日的平均摄入的卡路里量b3;对于手机使用时间这一健康数据,手机可计算最近一个月内用户每日的平均手机使用时间b4。当然,除了计算健康数据在一段时间内的平均值外,手机还可以使用其他算法从每一项健康数据中提取对应的特征值。这样,仍如图8中的(b)所示,手机可得到一个n维特征向量B,n维特征向量B中的每个取值都代表了一项健康数据的特征值。整个n维特征向量可反映出用户的生活习惯特征。例如,如果在n维特征向量中用户的睡眠时间晚于12点,则用户具有晚睡的生活习惯特征。
进而,手机可基于用户的生活习惯特征确定与其生活习惯特征对应的年龄影响值。年龄影响值是指与某一固定年龄的面部特征呈正相关或负相关的偏差值。例如,对于28岁的用户,如果用户的生活习惯特征较为健康,则该用户的面部图像可能呈现的是26岁的面部特征,即此时的年龄影响值为-2岁。相应的,对于28岁的用户,如果用户的生活习惯特征不太健康,则该用户的面部图像可能呈现的是31岁的面部特征,即此时的年龄影响值为3岁。那么,在方式一中,手机可根据确定出的用户的生活习惯特征,确定与该生活习惯特征对应的年龄影响值。
示例性的,可预先使用决策树或卷积神经网络(Convolutional NeuralNetworks,CNN)等算法训练不同的生活习惯特征与对应的年龄影响值之间的对应关系。例如,手机或服务器可采集大量不同年龄、不同生活习惯特征的用户面部图像进行机器学习和训练,从而建立一个不同生活习惯特征-不同年龄影响值的输入输出模型。这样,手机将确定出的用户的生活习惯特征(例如上述n维特征向量)输入至该输入输出模型后,该输入输出模型便可输出对应的年龄影响值。一般,用户的生活习惯越健康,对应的年龄影响值越小,用户的生活习惯越不健康,对应的年龄影响值越大。
需要说明的是,上述输入输出模型可以设置在手机内部,也可以设置在服务器中。当上述输入输出模型设置在服务器时,手机可将确定出的用户的生活习惯特征发送给服务器,由服务器使用上述输入输出模型确定对应的年龄影响值。或者,手机也可将获取到的健康数据发送给服务器,由服务器提取该健康数据中的生活习惯特征,并确定对应的年龄影响值。又或者,用户的健康数据也可存储在服务器中,手机可向服务器发送预测指令,使得服务器获取用户的健康数据,并按照上述方法确定与用户的生活习惯特征对应的年龄影响值。
仍以手机为用户预测5年后的容貌举例,如图9所示,如果用户当前的年龄为27岁,说明需要为用户预测当用户32岁时的面部图像801。由于用户当前生活习惯特征的影响,如果手机确定出对应的年龄影响值为-2岁,说明当用户32岁时面部实际呈现出的是30岁的面部特征。因此,手机可基于第一图像中的面部图像预测用户30岁时的面部图像802,将预测出的结果作为用户32岁时的面部图像展示给用户。
相应的,如果手机确定出对应的年龄影响值为3岁,说明当用户32岁时面部实际呈现出的是35岁的面部特征。那么,手机可基于第一图像中的面部图像预测用户35岁时的面部图像,将预测出的结果作为用户32岁时的面部图像展示给用户。
示例性的,手机可向预设的预测模型中输入第一图像中的面部图像,并向该预测模型中输入用户的当前年龄和需要预测的目标年龄。在方式一中,该目标年龄为用户实际需要预测的年龄与上述年龄影响值叠加后的结果。例如,用户实际需要预测的年龄为30岁,如果手机根据用户的健康数据确定出对应的年龄影响值为2岁,则本次手机需要预测的目标年龄为32岁。相应的,如果手机根据用户的健康数据确定出对应的年龄影响值为-2岁,则本次手机需要预测的目标年龄为28岁。进而,预测模型可基于上述第一图像中用户的面部图像和当前年龄,使用老化处理算法预测用户在目标年龄时的面部图像,得到包含用户面部经老化处理后的第二图像。
示例性的,手机或服务器可创建一个样本池,样本池中包含大量不同年龄的用户的面部图像。进而,手机或服务器可基于不同年龄的用户的面部图像进行深度学习,从而后建立上述预测模型。例如,服务器可基于生成对抗网络(Generative Adversarial Nets,GAN)对不同年龄的用户的面部图像进行训练和学习,建立上述预测模型。
一般,GAN中包括生成模型(generative model)和判别模型(discriminativemodel)。如图10所示,可向生成模型中输入用户当前真实的面部图像(例如上述第一图像)和目标年龄标签,生成模型可根据用户当前真实的面部图像和目标年龄标签生成对应目标年龄的面部预测图像,而判别模型可根据当前用户真实的面部图像,目标年龄标签以及生成模型输出的面部预测图像,判别生成模型输出的面部预测图像是真实的图像还是生成的图像。那么,整个GAN通过不断地迭代和训练,当生成模型和判别模型达到平衡时,生成模型可生成足以“以假乱真”的图片,使判别模型无法判断生成模型输出的面部图像的真假。此时,生成模型输出的面部图像即为用户在目标年龄时老化后的面部图像。
可以看出,在方式一中,手机在预测用户M年后的面部图像时,可结合用户的健康数据确定用户的生活习惯对年龄的年龄影响值X。进而,手机实际可为用户预测M+X年后的面部图像,使得预测出的面部图像既可以反映出随年龄增长用户面部的变化,同时还可以反映出用户当前的生活习惯对用户容貌的影响,从而提供容貌预测的准确度以及用户的使用体验。
方式二
在方式二中,手机也可向上述预测模型中输入第一图像中的面部图像,并向该预测模型中输入用户的当前年龄和需要预测的目标年龄。不同的是,在方式二中,该目标年龄是指用户选择的M年后的实际年龄或手机默认的一段时间后的用户年龄。
例如,如果用户在图7所示的界面中选择预测5年后的面部图像,则如图11所示,手机可使用上述预测模型基于步骤S401获取的用户面部图像和用户当前的年龄(例如27岁),预测5年后(即用户32岁时)的面部图像901。
进而,手机可根据获取到的用户的健康数据,在预测出的面部图像901的基础上添加对应的容貌效果。例如,该容貌效果可以包括皮肤光泽的变化、肤色的变化、皱纹的变化、色斑的变化或脸型胖瘦的变化等一项或多项。
示例性的,手机或服务器可创建一个样本池,样本池中包含大量具有不同生活习惯特征的用户的面部图像。进而,手机或服务器可基于不同生活习惯特征的用户的面部图像进行深度学习,从而后建立不同的生活习惯特征与不同容貌效果之间的对应关系。例如,当用户有晚睡的生活习惯特征时,对应的会有黑眼圈这一容貌效果;当用户有暴饮暴食的生活习惯特征时,对应的会有面部肥胖这一容貌效果。
那么,手机从用户的健康数据中提取到对应的生活习惯特征后,可在本地或服务器中查询与本次提取到的生活习惯特征对应的容貌效果。进而,仍如图11所示,手机可在预测出的M年后用户的面部图像901上添加这些容貌效果,使得手机最终可得到基于用户当前的生活习惯为用户预测出的M年后用户的面部图像902。
也就是说,如图12所示,在方式二中,手机中可设置两个模型,一个是基于年龄的面部图像预测模型1(即上述预测模型),另一个是生活习惯特征的面部图像预测模型2(即上述对应关系)。手机从第一图像中提取到用户的面部图像后,手机可向上述预测模型(即预测模型1)中输入第一图像中的面部图像、用户的当前年龄和需要预测的目标年龄。这样,手机使用该预测模型1可预测出随着时间推移用户在目标年龄时的面部图像901。进而,手机可向预测模型2中输入手机从n项健康数据中提取到的n维特征向量,该n维特征向量可反映用户的生活习惯。并且,还可向预测模型2中输入预测模型1输出的面部图像901。这样,在面部图像901的基础上,手机可基于用户的生活习惯使用预测模型2预测出M年后用户的面部图像902。
可以看出,在方式二中,手机在预测用户M年后的面部图像时,可结合用户的健康数据在手机为用户预测出的M年后的面部图像中添加对应的容貌效果,使得预测出的面部图像既可以反映出随年龄增长用户面部的变化,同时还可以反映出用户的生活习惯对用户容貌的影响,从而提供容貌预测的准确度以及用户的使用体验。
方式三
在方式三中,手机或服务器可创建一个以年龄和生活习惯特征这两个参数为变量的预测模型,预测与不同年龄和不同生活习惯特征对应的面部老化图像。例如,服务器可建立不同年龄段的人脸照片库和不同生活习惯特征的人脸照片库。进而,服务器可通过深度学习算法对这两个人脸照片库中的图像特征进行挖掘和学习,从而建立年龄、生活习惯特征与面部图像之间相互影响的预测模型。
那么,当用户打开上述容貌预测功能后,手机可从步骤S401获取到的第一图像中提取用户的面部图像,并且,手机可从步骤S402获取到的健康数据中提取用户的生活习惯特征。进而,手机可将用户的面部图像、生活习惯特征以及需要预测的目标年龄输入至上述预测模型中,得到基于用户当前的生活习惯为用户预测出的M年后用户的面部图像。
需要说明的是,上述方式一至方式三仅以举例的形式说明如何基于用户的生活习惯为用户预测M年后用户的面部图像。可以理解的是,本领域技术人员可以根据实际应用场景或实际经验设置根据用户的生活习惯预测M年后用户面部图像的具体算法、模型或实现方式,本申请实施例对此不做任何限制。
S404、手机显示第二图像,第二图像中包含容貌预测后得到的用户的面部图像。
经过上述步骤S403,手机对第一图像中用户的面部图像进行容貌预测后,可得到第二图像,第二图像中包含为用户预测出的一段时间后的面部图像(即第二面部图像)。第二图像中的面部图像与用户的健康数据相关联。那么,在步骤S404中,如图13A中的(a)所示,手机可在预测APP的界面1001中显示该第二图像1002,使得用户可以直观、生动的看到如果继续保持当前的生活习惯会对M年后的用户容貌造成怎样的影响。
示例性的,还可以在预测APP的界面1001中设置与当前时间对应的按钮1003以及与需要预测的M年(例如5年)后对应的按钮1004。如果检测到用户点击按钮1003,如图13A中的(b)所示,手机可显示本次预测用户容貌时获取的包含用户面部图像的第一图像1006。如果检测到用户点击按钮1004,如图13A中的(a)所示,手机可显示本次结合用户的健康数据预测出的用户面部5年后的第二图像1002。
示例性的,仍如图13A中的(a)所示,手机还可以在预测APP的界面1001中通过文字1005提示用户当前的生活习惯对用户容貌造成的具体影响,从而提醒用户及时调整不良的生活习惯。
又或者,如图13B所示,手机也可在预测APP的界面1001中同时显示当前用户的面部图像(即第一图像1006)和手机预测出的5年后用户的面部图像(即第二图像1002)。这样,用户可以直观的对比出当前容貌与5年后的容貌发生的改变,从而了解当前的不良生活习惯会对容貌造成怎样的具体影响。
在一些实施例中,如图14中的(a)所示,手机在显示第二图像1002时,可将用户的不良生活习惯对面部造成的具体问题标记在用户面部的具体位置。例如,如果用户的健康数据说明用户有晚睡的生活习惯,而这一生活习惯会增加面部皱纹,那么,手机在显示第二图像1002时可在用户面部的皱纹区域增加标记1101,以提示用户晚睡会加剧面部的皱纹问题。这样,用户可以直观的了解到当前的不良生活习惯会具体对容貌造成怎样的影响,从而提醒用户及时调整不良生活习惯。
进一步地,如果检测到用户点击上述标记1101,如图14中的(b)所示,手机可通过文字、语音等方式提示用户调整相关不良生活习惯的具体方法或建议,从而帮助、指导用户尽快调整不良生活习惯。
在一些实施例中,手机还可以向用户展示经过不同时间后用户面部容貌的变化情况。例如,如图15中的(a)或(b)所示,手机可在预测APP的界面1001中设置老化进度条1201和滑块1202。用户可在界面1001中拖动滑块1202在老化进度条1201上滑动。例如,如图15中的(a)所示,如果检测到用户将滑块1202拖动至老化进度条1201的中间点A,则手机可在界面1001中显示为用户预测出的5年后的面部图像。如图15中的(b)所示,如果检测到用户将滑块1202拖动至老化进度条1201的终点B,则手机可在界面1001中显示为用户预测出的10年后的面部图像。
其中,手机基于用户的健康数据预测M年后用户面部图像的具体方法可参见步骤S403的相关描述,故此处不再赘述。或者,手机预测出M年后用户的面部图像A后,如果手机需要预测M+T年后用户的面部图像B,则手机可对面部图像A中的各个像素单元的像素值乘以一个对应的比例系数w,从而得到M+T年后用户的面部图像B。
也就是说,在用户拖动滑块1201在老化进度条1201上滑动时,手机可按照时间顺序显示在不同时间下、基于当前用户的生活习惯为用户预测出的面部图像,使用户可以动态的感受到保持当前的生活习惯时面部容貌随时间的变化情况。
在另一些实施例中,手机还可以显示当用户将不良的生活习惯调整为健康的生活习惯后,手机为用户预测出的M年后的面部图像。示例性的,如图16中的(a)所示,手机还可以在预测APP的界面1001中设置健康生活的按钮1301。这样,手机在显示基于用户当前的生活习惯预测出的用户5年后的第二图像1002时,如果检测到用户点击按钮1301,则手机可基于第一图像和预设的标准健康数据预测用户5年后的面部图像1302。该预设的标准健康数据可以为手机或服务器统计出的生活习惯较为健康的用户的健康数据。
这样,响应于用户点击按钮1301的操作,如图16中的(b)所示,手机可将基于该标准健康数据为用户预测的5年后的面部图像1302显示在预测APP的界面1001中。可以看出,用户通过对比这两幅图像可以直观的获知当前的生活习惯与健康的生活习惯对日后容貌造成的影响,从而提醒并督促用户建立更加健康的生活习惯。
在另一些实施例中,手机还可以向用户展示在不同时间长度下保持健康的生活习惯对用户面部容貌带来的影响。例如,如图17中的(a)-(b)所示,手机在预测APP的界面1001中设置有第一进度条1401和第二进度条1402。第一进度条1401用于指示当用户保持当前的生活习惯时的老化进度,第二进度条1402用于指示当用户保持标准的健康生活习惯时的老化进度。用户可以拖动滑块1403在第一进度条1401和第二进度条1402上滑动。
例如,如图17中的(a)所示,用户拖动滑块1403在第一进度条1401上滑动时,手机可基于当前用户的生活习惯,按照时间顺序显示在不同时间下为用户预测出的面部图像,使用户可以动态的感受到保持当前的生活习惯时面部容貌随时间的变化情况。如图17中的(b)所示,用户拖动滑块1403在第二进度条1402上滑动时,手机可基于标准的健康生活习惯,按照时间顺序显示在不同时间下为用户预测出的面部图像,使用户可以动态的感受到改善当前的不良生活习惯时面部容貌随时间的变化情况。
在另一些实施例中,手机还可以保存最近一次或多次为用户预测出的面部图像,以及对应的生活习惯特征。例如,手机在2018年10月1日基于用户当时的生活习惯为用户预测了3个月后的面部图像A。手机可保存该面部图像A以及与其对应的生活习惯特征1。如果在2019年1月1日左右检测到用户又一次打开了容貌预测功能,手机可获取当前用户的面部图像B以及用户当前的生活习惯特征2。进而,手机通过对比面部图像A与面部图像B,以及对比生活习惯特征1和生活习惯特征2,可分析出用户生活习惯的改变对用户的面部容貌有哪些具体影响。
那么,如图18中的(a)所示,手机在预测APP的界面1501中显示本次获取到的面部图像B时,还可提示用户最近一段时间生活习惯的改变情况,以及生活习惯的改变对容貌的改变。另外,如果检测到用户点击界面1501中的历史预测记录按钮1502,则如图18中的(b)所示,手机可显示基于用户的历史生活习惯曾经为用户预测出的同时期的面部图像(例如上述面部图像A),使用户可以直观的看到自身生活习惯的改变对容貌的影响。
在另一些实施例中,手机基于用户的健康数据除了可以预测用户面部容貌的变化外,手机还可以预测用户体形的变化,例如体重的变化、肥胖部位、是否驼背、是否为O型腿等。例如,手机或服务器可使用GAN训练出不同生活习惯特征与不同体形数据之间的对应关系。那么,手机在显示预测前后的用户面部图像时,还可以将用户面部图像加载在对应的体形模板上展示给用户。
以基于用户体重使用GAN预测用户体形变化举例,如图19所示,可向GAN的生成模型中输入包含用户真实体形的真实图像和目标体重标签,生成模型可根据用户当前的真实体形和目标体重标签生成与目标体重对应的体形预测图像,而判别模型可根据用户当前的真实体形,目标体重标签以及生成模型输出的体形预测图像,判别生成模型输出的体形预测图像是真实的图像还是生成的图像。那么,整个GAN通过不断地迭代和训练,当生成模型和判别模型达到平衡时,生成模型可生成足以“以假乱真”的图片,使判别模型无法判断生成模型输出的面部图像的真假。此时,生成模型输出的面部图像即为用户的体重为目标体重时对应的体形模板图像。
示例性的,如图20中的(a)所示,手机在预测APP的界面1501中显示本次获取到的面部图像1601时,可将面部图像1601加载在预设的体形模板1602上进行显示。如果检测到用户点击5年后的按钮1600,则手机可基于用户的健康数据预测出用户5年后的面部图像1603,并且,手机还可以基于用户的健康数据预测出用户5年后的体形数据。进而,如图20中的(b)所示,手机可将预测出的面部图像1603加载在与预测出的体形数据对应的体形模板1604上进行显示。这样,用户可以直观、生动的了解自己的生活习惯对日后体形造成的影响,从而提醒用户及时调整不良生活习惯。
在本申请另一些实施例中,手机也可以根据获取到健康数据主动向用户推送预测出的面部图像。例如,如图21所示,手机获取到用户最近预设时间(例如最近一个月)内的健康数据后,手机可确定该健康数据是否满足预设条件。该预设条件可以是健康数据大于某一预设值或小于某一预设值。例如,如果在用户的健康数据中检测到用户连续一周的睡眠时间不足5小时,手机可确定该健康数据不满足预设条件。此时,手机可自动打开上述容貌预测功能获取用户真实的面部图像(即第一面部图像),进而,通过执行上述步骤S403-S404,手机可预测出用户M年后的面部图像(即第二面部图像)。由于用户的健康数据不满足预设条件,说明用户当前的生活习惯不健康,那么,手机基于该健康数据为用户预测出的第二面部图像为用户面部老化后的结果。
相应的,如果手机可确定用户的健康数据满足上述预设条件,手机也可自动打开上述容貌预测功能获取用户真实的面部图像(即第一面部图像),并通过执行上述步骤S403-S404预测出用户M年后的面部图像(即第三面部图像)。不同的是,由于用户的健康数据满足上述预设条件,说明用户当前的生活习惯较为健康,因此,手机基于该健康数据为用户预测出的第三面部图像为用户面部去老化后的结果。
仍如图21所示,手机基于用户的健康数据预测出M年后用户的第二面部图像或第三面部图像后,手机可主动向用户推送容貌预测完成的通知消息。进而,如果检测到用户打开该通知消息,则手机可在预测APP的界面中显示为用户预测出的M年后的第二面部图像或第三面部图像,从而向用户提醒当前的生活习惯对容貌造成的具体影响。当然,在显示预测出的第二面部图像或第三面部图像时,手机还可以显示上述第一面部图像,向用户展示容貌预测前后的对比效果。又例如,在显示预测出的第二面部图像或第三面部图像时,手机还可以显示与第二面部图像或第三面部图像对应的体型模板,从而提示用户当前的生活习惯对体形的具体影响,本申请实施例对此不做任何限制。
需要说明的是,除了预测用户的面部容貌和体形外,手机还可以基于用户的健康数据预测用户的患病风险、潜在患病部位等健康问题,提醒用户对当前的不良生活习惯重点关注并及时改善,本申请实施例对此不做任何限制。
如图22所示,本申请实施例公开了一种电子设备,包括:触摸屏2201,所述触摸屏2201包括触敏表面2206和显示屏2207;一个或多个处理器2202;存储器2203;一个或多个应用程序(未示出);以及一个或多个计算机程序2204,上述各器件可以通过一个或多个通信总线2205连接。其中,该一个或多个计算机程序2204被存储在上述存储器2203中并被配置为被该一个或多个处理器2202执行,该一个或多个计算机程序2204包括指令,上述指令可以用于执行上述应实施例中的各个步骤。
示例性的,上述处理器2202具体可以为图1所示的处理器110,上述存储器2203具体可以为图1所示的内部存储器121和/或外部存储器120,上述显示屏2207具体可以为图1所示的显示屏194,上述传感器2208具体可以为图1所示的传感器模块180中的一个或多个传感器,上述触敏表面2206具体可以为图1所示的传感器模块180中的触摸传感器180K,本申请实施例对此不做任何限制。
在一些实施例中,本申请还提供了一种图形用户界面(GUI),该图形用户界面可存储在电子设备中。示例性的,该电子设备可以为图1或图22所示的电子设备。
在一些实施例中,上述图形用户界面包括:显示在触摸屏上的第一GUI,第一GUI中包括容貌预测功能的按钮;例如,第一GUI可以为图5所示的预测应用的界面501,界面501中包括容貌预测功能的按钮502。如果检测到用户对所述按钮执行了触摸事件,电子设备可获取用户的健康数据以及当前用户真实的第一面部图像,例如图6所示的图像601。进而,电子设备可基于该第一面部图像和健康数据预测出用户M年后的第二面部图像。那么,上述图形用户界面还可以包括在触摸屏上显示的第二GUI,例如,第二GUI可以为图13B所示的界面1001,第二GUI中包括用户的第一面部图像1006和第二面部图像1002,或者,第二GUI可以为图13A中的(a)所示的界面1001,第二GUI中包括用户的第二面部图像1002。
在另一些实施例中,上述图形用户界面包括:显示在触摸屏上的第一GUI,第一GUI中包括容貌预测完成的通知消息;例如,电子设备获取到用户的健康数据后,如果检测到健康数据不满足预设条件,则电子设备可基于用户的第一面部图像和健康数据预测出用户M年后的老化的第二面部图像;或者,如果检测到健康数据满足预设条件,则电子设备可基于用户的第一面部图像和健康数据预测出用户M年后的去老化的第二面部图像。进而,电子设备可显示上述通知消息;如果检测到用户对所述通知消息执行了触摸事件,电子设备可在触摸屏上显示第二GUI,第二GUI中包括为用户预测出的第二面部图像。当然,第二GUI中还可以包括用户的第一面部图像等,本申请实施例对此不做任何限制。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的系统,装置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。
在本申请实施例各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:快闪存储器、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请实施例的具体实施方式,但本申请实施例的保护范围并不局限于此,任何在本申请实施例揭露的技术范围内的变化或替换,都应涵盖在本申请实施例的保护范围之内。因此,本申请实施例的保护范围应以所述权利要求的保护范围为准。
Claims (21)
1.一种容貌预测方法,其特征在于,包括:
电子设备获取第一图像,所述第一图像中包括用户的第一面部图像;
所述电子设备获取所述用户在预设时间内的健康数据,所述健康数据包括所述用户的运动数据、睡眠数据、营养摄入数据或使用所述电子设备的时长数据中的至少一种;
所述电子设备基于所述健康数据和所述第一面部图像对所述用户容貌进行预测,得到第二图像,所述第二图像中包括所述用户的第二面部图像;
所述电子设备显示第一界面,所述第一界面中包括所述第二面部图像,或者,所述第一界面中包括所述第一面部图像和所述第二面部图像,所述第一面部图像与所述第二面部图像不同。
2.根据权利要求1所述的方法,其特征在于,在所述电子设备获取所述第一图像之前,还包括:
所述电子设备显示预测应用的第二界面,所述第二界面中包括容貌预测功能的按钮;
其中,所述电子设备获取所述第一图像,包括:
响应于用户点击所述按钮的操作,所述电子设备使用摄像头获取所述第一图像;或者,
响应于用户点击所述按钮的操作,所述电子设备从相册应用中获取一张照片作为所述第一图像。
3.根据权利要求1所述的方法,其特征在于,在所述电子设备获取所述第一图像之前,还包括:
所述电子设备确定所述健康数据满足预设条件,所述预设条件包括所述健康数据大于预设值,或者,所述健康数据小于预设值。
4.根据权利要求3所述的方法,其特征在于,在所述电子设备基于所述健康数据和所述第一面部图像对所述用户容貌进行预测,得到第二图像之后,还包括:
所述电子设备显示容貌预测完成的通知消息;
其中,所述电子设备显示所述第一界面,包括:
响应于用户打开所述通知消息的操作,所述电子设备打开所述预测应用并显示所述预测应用的所述第一界面。
5.根据权利要求1-4中任一项所述的方法,其特征在于,所述电子设备基于所述健康数据和所述第一面部图像对所述用户容貌进行预测,得到第二图像,包括:
所述电子设备根据所述健康数据确定对应的年龄影响值K,所述年龄影响值是指与用户当前年龄呈正相关或负相关的偏差值;
所述电子设备基于所述第一面部图像预测M+K年后所述用户的所述第二面部图像,得到包含所述第二面部图像的所述第二图像,其中,M为默认值或用户设置的值。
6.根据权利要求1-4中任一项所述的方法,其特征在于,所述电子设备基于所述健康数据和所述第一面部图像对所述用户容貌进行预测,得到第二图像,包括:
所述电子设备基于所述第一面部图像预测M年后所述用户的第三面部图像,其中,M为默认值或用户设置的值;
所述电子设备根据所述健康数据在所述第三面部图像上添加对应的容貌效果,得到M年后所述用户的所述第二面部图像,所述容貌效果包括年轻效果或衰老效果。
7.根据权利要求1-6中任一项所述的方法,其特征在于,所述第一界面中包括所述第二面部图像和第一切换按钮;
其中,在所述电子设备显示第一界面之后,还包括:
响应于用户点击所述第一切换按钮的操作,所述电子设备将显示的所述第二面部图像切换为所述第一面部图像。
8.根据权利要求1-6中任一项所述的方法,其特征在于,所述第一界面中包括所述第二面部图像和第二切换按钮;
其中,在所述电子设备显示第一界面之后,还包括:
响应于用户点击所述第二切换按钮的操作,所述电子设备将显示的所述第二图像切换为标准面部图像,所述标准面部图像与预设的标准健康数据对应。
9.根据权利要求1-8中任一项所述的方法,其特征在于,所述电子设备显示第一界面,包括:
所述电子设备在所述第一界面的第二面部图像中标记与所述健康数据对应的容貌变化。
10.根据权利要求1-9中任一项所述的方法,其特征在于,所述第一界面中还包括调整用户生活习惯的方法或建议。
11.根据权利要求1-10中任一项所述的方法,其特征在于,所述第一界面中还包含老化进度条和滑块;所述第二面部图像包括用户面部的第一预测图像和第二预测图像;
其中,所述电子设备在所述第一界面中显示所述第二面部图像,包括:
若检测到所述滑块被拖动至所述老化进度条的第一位置,则所述电子设备显示与所述第一位置对应的第一预测图像,所述第一预测图像为预测出的经第一时间段后用户的面部图像;
若检测到所述滑块被拖动至所述老化进度条的第二位置,则所述电子设备显示与所述第二位置对应的第二预测图像,所述第二预测图像为预测出的经第二时间段后用户的面部图像。
12.根据权利要求1-11中任一项所述的方法,其特征在于,所述第二图像中还包括为所述用户预测出的一段时间后所述用户的体形模板,所述体形模板与所述健康数据对应,所述体形模板包括变胖模板或变瘦模板。
13.根据权利要求1-12中任一项所述的方法,其特征在于,所述电子设备获取用户在预设时间内的健康数据,包括:
所述电子设备从可穿戴设备中获取所述用户在预设时间内的健康数据。
14.一种容貌预测方法,其特征在于,包括:
电子设备获取用户在预设时间内的健康数据,所述健康数据包括所述用户的运动数据、睡眠数据、营养摄入数据或使用电子设备的时长数据中的至少一种;
所述电子设备获取第一图像,所述第一图像中包括所述用户的第一面部图像,所述第一图像为所述电子设备使用摄像头获取的,或者所述电子设备从相册应用中获取的一张照片;
若所述健康数据不满足预设条件,则所述电子设备在一个界面中显示所述第一面部图像和为所述用户预测出的一段时间后的第二面部图像,所述第二面部图像为所述第一面部图像老化后的预测图像;
若所述健康数据满足所述预设条件,则所述电子设备在一个界面中显示所述第一面部图像和为所述用户预测出的一段时间后的第三面部图像,所述第三面部图像为所述第一面部图像去老化后的预测图像。
15.根据权利要求14所述的方法,其特征在于,
若所述健康数据不满足所述预设条件,则所述界面中还包括承载所述第一面部图像的第一体形模板以及承载所述第二面部图像的第二体形模板,所述第二体型模板是所述第一体型模板变胖的结果;
若所述健康数据满足所述预设条件,则所述界面中还包括承载所述第一面部图像的第一体形模板以及承载所述第三面部图像的第三体形模板,所述第三体型模板是所述第一体型模板变瘦的结果。
16.根据权利要求14或15所述的方法,其特征在于,所述一段时间为M年,M为默认值或用户设置的值;
若所述健康数据不满足所述预设条件,则所述方法还包括:
所述电子设备基于所述健康数据和所述M年,对所述第一面部图像进行老化处理,得到M年后所述用户的所述第二面部图像;
若所述健康数据满足所述预设条件,则所述方法还包括:
所述电子设备基于所述健康数据和所述M年,对所述第一面部图像进行去老化处理,得到M年后所述用户的所述第三面部图像。
17.一种电子设备,其特征在于,包括:
触摸屏,所述触摸屏包括触敏表面和显示屏;
一个或多个处理器;
一个或多个存储器;
一个或多个传感器;
以及一个或多个计算机程序,其中所述一个或多个计算机程序被存储在所述一个或多个存储器中,所述一个或多个计算机程序包括指令,当所述指令被所述电子设备执行时,使得所述电子设备执行如权利要求1-16中任一项所述的容貌预测方法。
18.一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,其特征在于,当所述指令在电子设备上运行时,使得所述电子设备执行如权利要求1-16中任一项所述的容貌预测方法。
19.一种包含指令的计算机程序产品,其特征在于,当所述计算机程序产品在电子设备上运行时,使得所述电子设备执行如权利要求1-16中任一项所述的容貌预测方法。
20.一种图形用户界面GUI,所述图形用户界面存储在电子设备中,所述电子设备包括触摸屏、存储器、处理器,所述处理器用于执行存储在所述存储器中的一个或多个计算机程序,其特征在于,所述图形用户界面包括:
显示在所述触摸屏上的第一GUI,所述第一GUI中包括容貌预测功能的按钮;
响应于针对所述按钮的触摸事件,在所述触摸屏上显示第二GUI,所述第二GUI中包括用户的第一面部图像和第二面部图像,或者,所述第二GUI中包括用户的第二面部图像;
其中,所述第一面部图像为所述用户真实的面部图像,所述第二面部图像为所述电子设备基于所述用户的健康数据和所述第一面部图像为所述用户预测出一段时间后的面部图像。
21.一种图形用户界面GUI,所述图形用户界面存储在电子设备中,所述电子设备包括触摸屏、存储器、处理器,所述处理器用于执行存储在所述存储器中的一个或多个计算机程序,其特征在于,所述图形用户界面包括:
显示在所述触摸屏上的第一GUI,所述第一GUI中包括容貌预测完成的通知消息;
响应于针对所述通知消息的触摸事件,在所述触摸屏上显示第二GUI,所述第二GUI中包括用户的第一面部图像和第二面部图像,或者,所述第二GUI中包括用户的第二面部图像;
其中,所述第一面部图像为所述用户真实的面部图像,所述第二面部图像为所述电子设备基于所述用户的健康数据和所述第一面部图像为所述用户预测出一段时间后的面部图像。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910142345.3A CN109994206A (zh) | 2019-02-26 | 2019-02-26 | 一种容貌预测方法及电子设备 |
PCT/CN2019/120085 WO2020173152A1 (zh) | 2019-02-26 | 2019-11-22 | 一种容貌预测方法及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910142345.3A CN109994206A (zh) | 2019-02-26 | 2019-02-26 | 一种容貌预测方法及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109994206A true CN109994206A (zh) | 2019-07-09 |
Family
ID=67130512
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910142345.3A Pending CN109994206A (zh) | 2019-02-26 | 2019-02-26 | 一种容貌预测方法及电子设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109994206A (zh) |
WO (1) | WO2020173152A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020173152A1 (zh) * | 2019-02-26 | 2020-09-03 | 华为技术有限公司 | 一种容貌预测方法及电子设备 |
CN111627557A (zh) * | 2020-05-26 | 2020-09-04 | 闻泰通讯股份有限公司 | 健康状况反馈方法、装置、设备及存储介质 |
CN111767676A (zh) * | 2020-06-30 | 2020-10-13 | 北京百度网讯科技有限公司 | 用于预测容貌变化操作结果的方法和装置 |
CN112464885A (zh) * | 2020-12-14 | 2021-03-09 | 上海交通大学 | 基于机器学习的面部色斑未来变化的图像处理系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101425138A (zh) * | 2008-11-18 | 2009-05-06 | 北京航空航天大学 | 一种基于人脸超分辨率处理的人脸老化模拟方法 |
CN103646245A (zh) * | 2013-12-18 | 2014-03-19 | 清华大学 | 儿童面部形状的模拟方法 |
CN105787974A (zh) * | 2014-12-24 | 2016-07-20 | 中国科学院苏州纳米技术与纳米仿生研究所 | 仿生人脸衰老模型建立方法 |
WO2017191847A1 (ja) * | 2016-05-04 | 2017-11-09 | 理香 大熊 | 将来像予測装置 |
CN108140110A (zh) * | 2015-09-22 | 2018-06-08 | 韩国科学技术研究院 | 基于脸部各部位年龄及环境因素的年龄转换方法、用于执行该方法的存储介质及装置 |
CN108143392A (zh) * | 2017-12-06 | 2018-06-12 | 懿奈(上海)生物科技有限公司 | 一种皮肤状态的检测方法 |
CN108363964A (zh) * | 2018-01-29 | 2018-08-03 | 杭州美界科技有限公司 | 一种预先处理的皮肤皱纹评估方法及系统 |
CN108734127A (zh) * | 2018-05-21 | 2018-11-02 | 深圳市梦网科技发展有限公司 | 年龄识别值调整方法、装置、设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102831382A (zh) * | 2011-06-15 | 2012-12-19 | 北京三星通信技术研究有限公司 | 人脸跟踪设备和方法 |
CN109994206A (zh) * | 2019-02-26 | 2019-07-09 | 华为技术有限公司 | 一种容貌预测方法及电子设备 |
-
2019
- 2019-02-26 CN CN201910142345.3A patent/CN109994206A/zh active Pending
- 2019-11-22 WO PCT/CN2019/120085 patent/WO2020173152A1/zh active Application Filing
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101425138A (zh) * | 2008-11-18 | 2009-05-06 | 北京航空航天大学 | 一种基于人脸超分辨率处理的人脸老化模拟方法 |
CN103646245A (zh) * | 2013-12-18 | 2014-03-19 | 清华大学 | 儿童面部形状的模拟方法 |
CN105787974A (zh) * | 2014-12-24 | 2016-07-20 | 中国科学院苏州纳米技术与纳米仿生研究所 | 仿生人脸衰老模型建立方法 |
CN108140110A (zh) * | 2015-09-22 | 2018-06-08 | 韩国科学技术研究院 | 基于脸部各部位年龄及环境因素的年龄转换方法、用于执行该方法的存储介质及装置 |
WO2017191847A1 (ja) * | 2016-05-04 | 2017-11-09 | 理香 大熊 | 将来像予測装置 |
CN108143392A (zh) * | 2017-12-06 | 2018-06-12 | 懿奈(上海)生物科技有限公司 | 一种皮肤状态的检测方法 |
CN108363964A (zh) * | 2018-01-29 | 2018-08-03 | 杭州美界科技有限公司 | 一种预先处理的皮肤皱纹评估方法及系统 |
CN108734127A (zh) * | 2018-05-21 | 2018-11-02 | 深圳市梦网科技发展有限公司 | 年龄识别值调整方法、装置、设备及存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020173152A1 (zh) * | 2019-02-26 | 2020-09-03 | 华为技术有限公司 | 一种容貌预测方法及电子设备 |
CN111627557A (zh) * | 2020-05-26 | 2020-09-04 | 闻泰通讯股份有限公司 | 健康状况反馈方法、装置、设备及存储介质 |
CN111767676A (zh) * | 2020-06-30 | 2020-10-13 | 北京百度网讯科技有限公司 | 用于预测容貌变化操作结果的方法和装置 |
CN112464885A (zh) * | 2020-12-14 | 2021-03-09 | 上海交通大学 | 基于机器学习的面部色斑未来变化的图像处理系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2020173152A1 (zh) | 2020-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109766036A (zh) | 消息处理方法及电子设备 | |
CN109994206A (zh) | 一种容貌预测方法及电子设备 | |
CN109584879A (zh) | 一种语音控制方法及电子设备 | |
CN110489215A (zh) | 一种应用程序中等待场景的处理方法和装置 | |
CN110072070A (zh) | 一种多路录像方法及设备 | |
CN110362373A (zh) | 一种控制屏幕小窗口的方法及相关设备 | |
CN109766043A (zh) | 电子设备的操作方法和电子设备 | |
CN110045819A (zh) | 一种手势处理方法及设备 | |
WO2021036568A1 (zh) | 辅助健身的方法和电子装置 | |
CN109890067A (zh) | 对特定路线上的特定位置进行识别的方法及电子设备 | |
CN109793498A (zh) | 一种皮肤检测方法及电子设备 | |
CN110032307A (zh) | 一种应用图标的移动方法及电子设备 | |
CN111202955A (zh) | 运动数据处理方法及电子设备 | |
CN109981885A (zh) | 一种电子设备在来电时呈现视频的方法和电子设备 | |
CN114115512B (zh) | 信息显示方法、终端设备及计算机可读存储介质 | |
CN110727380A (zh) | 一种消息提醒方法及电子设备 | |
CN114242037A (zh) | 一种虚拟人物生成方法及其装置 | |
CN112580400A (zh) | 图像选优方法及电子设备 | |
CN113837984A (zh) | 播放异常检测方法、电子设备和计算机可读存储介质 | |
CN110471604A (zh) | 一种多应用切换方法和相关装置 | |
CN113744874A (zh) | 风险预警方法、风险行为信息获取方法和电子设备 | |
CN110059211A (zh) | 记录用户情感的方法及相关装置 | |
CN113996046B (zh) | 热身判断方法、装置及电子设备 | |
CN111768765B (zh) | 语言模型生成方法和电子设备 | |
WO2023179490A1 (zh) | 应用推荐方法和电子设备 |
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 |