CN110110118B - 妆容推荐方法、装置、存储介质及移动终端 - Google Patents

Abstract

本申请实施例公开了一种妆容推荐方法、装置、存储介质及移动终端。该方法包括：获取用户的预览图像，并根据所述预览图像匹配对应的头部模型；通过预先配置的检测模型提取所述头部模型中的脸部特征，并根据所述脸部特征生成妆容推荐建议，其中，所述检测模型为根据与设定妆容效果关联的三维人脸数据样本训练的深度学习模型；展示所述妆容推荐建议，可以通过移动终端中的妆容推荐功能为用户推荐适合自身脸型特点的妆容。采用上述技术方案，可以解决相关技术中的妆容推荐方案不精确的问题，提供个性化的妆容推荐方案，丰富了移动终端的功能。

Description

妆容推荐方法、装置、存储介质及移动终端

技术领域

本申请实施例涉及移动终端技术，尤其涉及一种妆容推荐方法、装置、存储介质及移动终端。

背景技术

目前，用户在工作及生活中往往需要化妆，然而，不同用户对妆容方面的知识的掌握程度并不一致，有些用户并不清楚自己适合什么样的发型、发色、眉型等。相关技术中虽然提供一些妆容推荐方案，但是这类方案仍然存在一些缺陷，无法精确的推荐妆容方案。

发明内容

本申请实施例提供一种妆容推荐方法、装置、存储介质及移动终端，可以提供一种优化的妆容推荐方案，提高推荐精确性。

第一方面，本申请实施例提供了一种妆容推荐方法，包括：

获取用户的预览图像，并根据所述预览图像匹配对应的头部模型；

通过预先配置的检测模型提取所述头部模型中的脸部特征，并根据所述脸部特征生成妆容推荐建议，其中，所述检测模型为根据与设定妆容效果关联的三维人脸数据样本训练的深度学习模型；

展示所述妆容推荐建议。

第二方面，本申请实施例还提供了一种妆容推荐装置，该装置包括：

图像获取模块，用于获取用户的预览图像，并根据所述预览图像匹配对应的头部模型；

妆容推荐模块，用于通过预先配置的检测模型提取所述头部模型中的脸部特征，并根据所述脸部特征生成妆容推荐建议，其中，所述检测模型为根据与设定妆容效果关联的三维人脸数据样本训练的深度学习模型；

建议展示模块，用于展示所述妆容推荐建议。

第三方面，本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的妆容推荐方法。

第四方面，本申请实施例还提供了一种移动终端，包括摄像头、存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的妆容推荐方法。

本申请提供一种妆容推荐方案，通过获取用户的预览图像，并根据该预览图像匹配对应的头部模型；通过预先配置的检测模型提取该头部模型中的脸部特征，并根据该脸部特征生成妆容推荐建议；采用设定方式展示该妆容推荐建议，通过移动终端中的妆容推荐功能为用户推荐适合自身脸型特点的妆容。采用上述技术方案，可以解决相关技术中的妆容推荐方案不精确的问题，提供个性化的妆容推荐方案，丰富了移动终端的功能。

附图说明

图1是本申请实施例提供的一种妆容推荐方法的流程图；

图2是本申请实施例提供的另一种妆容推荐方法的流程图；

图3是本申请实施例提供的一种妆容推荐装置的结构示意图；

图4是本申请实施例提供的一种移动终端的结构框图；

图5是本申请实施例提供的一种智能手机的结构框图。

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本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。

在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。

需要说明的是，检测模型是根据与设定妆容效果关联的三维人脸数据样本训练的深度学习模型。其中，三维人脸数据样本可以通过如下方式获取：通过3D深度摄像头分别对设定模特进行拍摄得到具有景深信息的用户图像。具体可以是选择满足不同脸型、不同肤色、不同性别等条件的模特，由专业化妆师为其设计不同风格的妆容后，采用3D深度摄像头对其进行拍摄。其中，风格是妆容风格，通过发型、眉型、眼妆、唇妆等妆容数据体现，可以是发型风格以及与发型风格匹配的面容化妆风格，包括但不限于优雅风格、古典浪漫风格、自然风格及摇滚风格。提取所述用户图像中的脸部数据及发型数据，根据该脸部数据和发型数据构建头部模型，并对该头部模型中脸部轮廓、发型、眉毛、眼睛及嘴唇等进行标记，将标记后的三维脸部数据及发型数据存储于三维人脸数据样本集。需要说明的是，通过3D深度摄像头对模特个体进行拍摄的方式可以是由前后左右四个方向各拍摄至少一帧用户第一图像。可以理解的是，摄像头的拍摄方向并不限于上述列举的四个方向，也可以是环绕用户一周进行拍摄。可选的，通过3D深度摄像头对模特个体进行环绕拍摄，得到个体视频。然后，对该个体视频进行分帧处理，可以得到关于个体的多帧用户第二图像。类似的，可以提取用户第二图像中的三维脸部数据及发型数据，根据该三维脸部数据及发型数据构建头部模型，并对该头部模型中脸部轮廓、发型、眉毛、眼睛及嘴唇等进行标记，将标记后的三维脸部数据及发型数据存储于三维人脸数据样本集。由于三维人脸数据样本集包含不同拍摄角度、摄像头与人体的距离及人体自身的多种遮挡程度等等特征，采用该三维人脸数据样本集对预先设置的深度神经网络进行训练，得到的检测模型对遮挡、拍摄视角变化具有良好的鲁棒性，提高了检测模型的识别准确率。同时，通过对不同脸型及不同风格的妆容效果数据进行学习，也可以客观的推荐出适合用户的妆容。

需要说明的是，预先设置的深度神经网络包括预先设置隐藏层的数目以及输入层、隐藏层和输出层各层的节点数，以及初始化深度神经网络的第一参数，其中，第一参数包括各层的偏置值及边的权重。可选的，上述深度神经网络可以是卷积神经网络，隐藏层可以包括卷积层及池化层。

利用样本数据集对该卷积神经网络进行前向传播和后向传播两个阶段的训练；在后向传播训练计算得到的误差达到期望误差值时，训练结束，并得到检测模型。由于该检测模型是由大量用户群体的三维脸部数据及发型数据中学习出有效地特征，从而，可以准确的识别出人脸的脸型及位置，并推荐适合的妆容，与相关技术中的图像识别算法相比，本申请实施例中的检测模型的识别精确性更高，妆容推荐更客观。

需要说明的是，本申请实施例中对该神经网络模型的层数、神经元的数量、卷积核和/或权重等网络参数不作限定。

需要说明的是，该检测模型的构建可以由服务器构建，并移植到移动终端内，但是本申请实施例并不限定检测模型构建操作的执行主体。需要说明的是，由于服务器与移动终端的运算能力存在较大差异，在将检测模型移植到移动终端之前，还需要对检测模型进行优化。示例性的，采用预设的优化策略对所述卷积神经网络模型进行优化，其中，对所述卷积神经网络模型的优化包括内部网络结构优化、卷积层的实现方式优化、池化层的实现方式优化中的至少一项。例如，增加残差块构建残差神经网络模型，或者调整残差块的结构。又如，对于卷积层的实现方式的优化可以是减少输出通道和输入通道的连接数量，即输出通道不再和所有输入通道有关，只和相邻的输入通道相关。又如，在卷积层的实现上增加基层，将卷积分为两个步骤：首先，输入的每一通道单独运算，在同样尺寸卷积核的作用下，每一通道得到中间计算结果，将中间计算结果的每一个通道称为一个基层；然后，将各个通道进行合并，得到卷积层的输出结果。又如，通过需要的图像压缩系数设计池化层中用于图像压缩的矩阵。

图1为本申请实施例提供的一种妆容推荐方法的流程图，该方法可以由妆容推荐装置来执行，其中，该装置可由软件和/或硬件实现，一般可集成在移动终端中，例如具有3D深度摄像头的移动终端。如图1所示，该方法包括：

步骤110、获取用户的预览图像，并根据所述预览图像匹配对应的头部模型。

需要说明的是，预览图像可以是用户通过带有3D深度摄像头的移动终端拍摄的图像，该预览图像具有景深信息。可选的，该3D深度摄像头采用结构光方案达到3D成像的效果。结构光方案，即结构光投射特定的光信息到物体表面后，由摄像头采集。根据物体造成的光信号的变化来计算物体的位置和深度等信息，进而复原整个三维空间。

具体地，移动终端对用户的预览图像的获取操作可以由移动终端的系统执行，或者由移动终端中含有3D拍摄功能的任意应用软件执行。获取用户的预览图像的操作可以在用户的操作指示下由系统或应用软件执行。例如，可在妆容推荐功能启动后，检测用户是否输入妆容推荐请求。在检测到该妆容推荐请求时，直接启动移动终端系统中的相机功能对用户进行拍照，也可以使用应用程序软件的拍照选项对用户进行拍照，得到具有景深信息的预览图像。可以理解的是，妆容推荐请求可以包括一键化妆请求、发型推荐请求、眉型推荐请求、唇妆推荐请求或眼妆推荐请求等，即可以推荐整体妆容，也可以仅推荐发型、眉型、眼妆或唇妆等局部妆容。具体可以是，在移动终端的相机应用界面中添加一键化妆功能按键，在检测到关于该一键化妆功能按键的点击操作时，触发妆容推荐功能执行。也可以在一键化妆功能按键被点击时，弹出询问框，展示整体妆容推荐选项以及发型、眉型等局部妆容推荐选项。如果检测到用户选择局部妆容推荐选项，则根据用户选择操作进行局部妆容推荐的操作。

需要说明的是，头部模型是预先通过3D深度摄像头采集用户人体信息构建的三维模型。可以理解的是，构建三维模型的方式有很多种，本申请实施例并不进行限定。例如，在初始化妆容推荐功能时，通过3D深度摄像头由预设方向对用户进行拍摄，得到第一深度图像。其中，由预设方向对用户进行拍摄至少是沿用户的前后左右四个方向各拍摄至少一帧第一深度图像。根据该第一深度图像构建用户的头部模型。可以由第一深度图像中提取头部三维数据，根据头部三维数据对用户的头部进行三维成像，得到用户的头部模型。其中，采用轮廓检测的相关技术提取第一深度图像中头部的轮廓数据。可以理解的是，轮廓数据可以包括剔除头发后的头部轮廓模型，还可以包括面部轮廓、眼部轮廓、鼻子轮廓及嘴唇轮廓等。又如，在初始化妆容推荐功能时，控制3D深度摄像头环绕用户至少一周，并进行视频录制，得到用户视频。对该用户视频进行分帧处理，获取该用户在360度圆周上各个角度的第二深度图像。根据该第二深度图像构建用户的头部模型。

在本申请实施例中，若用户启动妆容推荐功能，按照预设的采样间隔获取3D深度摄像头拍摄的预览图像，该预览图像可以是沿任意角度拍摄的用户图像，包括但不限于自拍照。提取该预览图像中的预设特征点，并将该特征点与人体模型集合中各个模型包含的预设像素点进行匹配。例如，该预设特征点可以是眼睛，包括眼睛对应的像素值及位置。可以在预览图像中提取预设特征点对应位置的像素点，将该像素点分别与人体模型集合中各个模型包括的预设像素点进行匹配，若匹配成功，则将匹配成功的模型作为该用户的头部模型。

步骤120、通过预先配置的检测模型提取所述头部模型中的脸部特征，并根据所述脸部特征生成妆容推荐建议。

需要说明的是，检测模型为根据与设定妆容效果关联的三维人脸数据样本训练的深度学习模型。检测模型的构建方式可以如本申请实施例中记载的方式，也可以采用其它方式，此处不作限定。该检测模型可以是在服务器中进行构建、训练及优化，并由服务器移植至移动终端，并进行配置的。可选的，如果移动终端的处理能力允许的话，也可以在移动终端中进行模型构建、训练及优化处理。

需要说明的是，脸部特征包括脸部特征数据，包括但不限于剔除头发像素点的头部轮廓、脸部轮廓、眼睛轮廓、鼻子轮廓、眉毛轮廓及嘴唇轮廓等。

需要说明的是，妆容推荐建议包括发型推荐信息以及面部妆容推荐等，其中，发型推荐信息与用户脸型或面部妆容匹配。可以理解的是，可以根据脸型推荐发型或眉型等。还可以根据用户脸型及用户选择的妆容风格推荐发型、眉型、眼妆或唇妆等。

在本申请实施例中，通过检测模型对头部模型的三维数据矩阵进行卷积、池化等处理，提取脸部特征，将该脸部特征与预先训练得到的模板人脸数据进行匹配，计算该脸部特征与模板人脸数据的匹配概率，将该匹配概率作为与该脸部特征对应的参考妆容推荐建议的概率值。选择该概率值满足设定条件的参考妆容推荐建议作为妆容推荐建议输出。示例性的，根据该概率值对参考妆容推荐建议进行降序排列，输出排序在前的设定数量的参考妆容推荐建议作为妆容推荐建议。

步骤130、展示所述妆容推荐建议。

示例性的，该妆容推荐建议为文字描述，可以直接以对话框的形式显示妆容推荐建议对应的文字描述。可以理解的是，妆容推荐建议的展示方式并不限于上述示例列举的方式。

需要说明的是，预先在移动终端内配置具有不同风格的妆容数据的妆容数据库。其中，该数据库中存储有不同发型、不同眉型、不同眼妆等妆容数据。在获取妆容推荐建议后，由该妆容数据库中获取与该妆容推荐建议匹配的妆容数据。绘制该妆容数据对应的展示图像，以对话框的形式显示该展示图像，以供用户选择。

本实施例的技术方案，通过获取用户的预览图像，并根据该预览图像匹配对应的头部模型；通过预先配置的检测模型提取该头部模型中的脸部特征，并根据该脸部特征生成妆容推荐建议；采用设定方式展示该妆容推荐建议，通过移动终端中的妆容推荐功能为用户推荐适合自身脸型特点的妆容。采用上述技术方案，可以解决相关技术中的妆容推荐方案不精确的问题，提供个性化的妆容推荐方案，丰富了移动终端的功能。

图2是本申请实施例提供的另一种妆容推荐方法的流程图。如图2所示，该方法包括：

步骤201、获取3D深度摄像头拍摄的预览图像，提取所述预览图像中的预设特征点。

示例性的，预设特征点包括脸部轮廓像素点、眼睛轮廓像素点、鼻子轮廓像素点及嘴唇轮廓像素点中的一种或几种的组合。

在本申请实施例中，若检测到用户对一键化妆功能按键的点击操作，则控制3D深度摄像头拍摄一帧用户的自拍图像，作为预览图像。提取该预览图像中脸部轮廓像素点及眼睛轮廓像素点等预设特征点。

步骤202、根据所述预设特征点由预先构建的人体模型集合中获取所述预览图像对应的头部模型。

可以理解的是，用户可能在同一移动终端内存储不止一个用户的头部模型。如果人体模型集合中仅包括本机用户的头部模型，则可以根据预设特征点判断对应的模型是否为头部模型，若是，则可以直接调用该头部模型。如果人体模型集合中包括两个或更多用户的头部模型，则可以根据该预设特征点对人体模型集合中的头部模型进行识别，确定与预设特征点对应的头部模型。

步骤203、获取用户输入的妆容风格数据。

示例性的，在检测到用户对一键化妆功能按键的点击操作，展示妆容风格选择界面，以供用户选择不同风格的妆容效果。获取用户针对该妆容风格选择界面的选择操作，根据该选择操作确定妆容风格数据。可以理解的是，本步骤的执行顺序并不限于当前列举的顺序，仅要求在执行步骤201之前执行本步骤即可，例如本步骤还可以在执行步骤201之前执行等。

步骤204、将所述头部模型及妆容风格数据输入预先配置的检测模型，通过所述检测模型筛选对应的脸部轮廓特征。

将该头部模型及妆容风格数据输入检测模型，需要说明的是，该检测模型是根据与设定妆容效果关联的三维人脸数据样本训练的深度学习模型。通过检测模型对头部模型的三维数据矩阵进行卷积、池化等处理，提取脸部特征。

步骤205、根据所述脸部轮廓特征及妆容风格数据确定参考妆容推荐建议的概率值。

将该脸部特征及妆容风格数据与预先训练得到的模板人脸数据进行匹配，确定对应的参考妆容推荐建议的概率值。例如，在妆容风格数据为优雅风格时，可以将妆容风格数据作为筛选条件，由预先训练得到的模板人脸数据中筛选出参考模板人脸数据。然后，再将脸部特征与该参考模板人脸数据进行匹配，确定对应的参考妆容推荐建议的概率值。

步骤206、根据所述概率值对所述参考妆容推荐建议进行降序排列，输出排序在前的设定数量的参考妆容推荐建议作为妆容推荐建议。

其中，妆容推荐建议包括发型建议、眉型建议、眼妆建议或唇妆建议。需要说明的是，妆容推荐建议可以是关于妆容效果的文字描述，还可以是妆容效果图。

步骤207、展示所述妆容推荐建议。

示例性的，通过选择对话框显示妆容推荐建议，以供用户选择。

步骤208、获取针对妆容推荐建议的选择操作。

步骤209、将所述选择操作对应的妆容模型添加至所述预览图像对应的头部模型的目标位置。

其中，目标位置是由待添加的妆容模型确定的。例如，如果要添加的妆容模型是发型模型，则目标位置则为头部。如果要添加的妆容模型是眉型模型，则目标位置则为头部模型中眉毛对应的位置。

示例性的，若选择操作对应的妆容模型是发型模型，则对头部模型进行图像识别，确定头发对应的像素点，并由该头部模型对应的三维图像中去除头发对应的像素点。然后，将该发型模型添加至该头部模型的头部位置，并展示添加该发型模型的头部立体图像。又如，若选择操作对应的妆容模型对应的是整体妆容的多个妆容模型，则可以采用上述方式根据用户选择的发型模型替换原发型，并采用选中的眉型模型替换原眉毛，根据眼妆模型修改眼部像素点的像素值，以及，根据唇妆模型修改嘴唇相关像素点的像素值。

步骤210、获取用户输入的针对所述妆容模型的调整操作。

可以理解的是，由检测模型输出的妆容推荐建议是符合大众审美的建议，但并不一定达到了用户对妆容效果的预期。鉴于上述考虑，本申请实施例还可以提供妆容微调功能，即通过移动终端展示添加妆容模型后的头部立体图像，并检测用户针对该头部立体图像中妆容模型的操作。在检测到用户针对妆容模型的操作时，展示与该用户脸型及选择的妆容风格数据(也可以仅根据用户脸型)对应的妆容模型的推荐界面。获取用户针对该推荐界面的选择操作，根据该选择操作对应的妆容模型生成调整操作。例如，用户对发型不满意，可以点击头发区域。移动终端检测该点击操作，并根据该点击操作调取妆容数据库中与用户的脸型基妆容风格匹配的发型，并以选择对话框的方式显示在移动终端的触摸屏上。获取用户输入的针对该选择对话框中发型模型的选择操作，根据该选择操作对应的发型模型生成调整操作。可选的，移动终端还可以记录用户针对发型模型的历史浏览记录，根据该历史浏览记录确定用户感兴趣的发型，从而，根据用户的喜好确定该选择对话框中发型模型的展示顺序。其中，根据历史浏览记录确定用户感兴趣的发型的方式可以是统计用户眼睛在某一发型模型上的停留时间，或者，检测某一发型模型是否被用户收藏，或者，检测某一发型模型是否放大显示等等。

步骤211、根据所述调整操作修改所述妆容模型的模型参数，显示具有修改后的模型参数的头部立体图像。

根据调整操作中新的妆容模型修改原妆容模型的模型参数。其中，模型参数包括颜色及形状等。计算新的妆容模型与原始妆容模型的相似度，在该相似度小于预设的阈值时，判定新的妆容模型与原始妆容模型相差较大，采用新的妆容模型替换原始妆容模型，在头部立体图像中进行显示，也可以认为是采用新的妆容模型修改原妆容模型的全部模型参数。若新的妆容模型与原始妆容模型相差较小时，则根据新的妆容模型修改原始妆容模型的部分的模型参数。例如，若新的妆容模型与原妆容模型的区别在于颜色，则根据新的妆容模型的颜色调整原妆容模型的原始颜色。

本实施例的技术方案，通过获取针对妆容推荐建议的选择操作，将所述选择操作对应的妆容模型添加至所述预览图像对应的头部模型的目标位置，并在用户输入针对妆容模型的调整操作时，根据所述调整操作修改所述妆容模型的模型参数，显示具有修改后的模型参数的头部立体图像，可以模拟用户自己试妆的效果，并提供针对检测模型输出的妆容推荐建议的调整操作，以满足用户个性化的妆容要求。

图3是本申请实施例提供的一种妆容推荐装置的结构示意图。该装置可以通过软件和/或硬件实现，可被集成于移动终端内，用于执行本申请实施例提供的妆容推荐方法。如图3所示，该装置包括：

图像获取模块310，用于获取用户的预览图像，并根据所述预览图像匹配对应的头部模型；

妆容推荐模块320，用于通过预先配置的检测模型提取所述头部模型中的脸部特征，并根据所述脸部特征生成妆容推荐建议，其中，所述检测模型为根据与设定妆容效果关联的三维人脸数据样本训练的深度学习模型；

建议展示模块330，用于展示所述妆容推荐建议。

本实施例的技术方案提供一种妆容推荐装置，通过移动终端中的妆容推荐功能为用户推荐适合自身脸型特点的妆容。采用上述技术方案，可以解决相关技术中的妆容推荐方案不精确的问题，提供个性化的妆容推荐方案，丰富了移动终端的功能。

可选的，还包括：

头部模型构建模块，用于在初始化妆容推荐功能时，获取3D深度摄像头由预设方向对用户拍摄的第一深度图像；根据所述第一深度图像构建用户的头部模型；

或者，

在初始化妆容推荐功能时，获取3D深度摄像头环绕用户拍摄的用户视频；

确定所述用户视频对应的第二深度图像，并根据所述第二深度图像构建用户的头部模型。

可选的，图像获取模块310具体用于：

获取3D深度摄像头拍摄的预览图像，提取所述预览图像中的预设特征点；

根据所述预设特征点由预先构建的人体模型集合中获取所述预览图像对应的头部模型。

可选的，妆容推荐模块320包括：

特征筛选子模块，用于将所述头部模型输入预先配置的检测模型，通过所述检测模型筛选所述头部模型对应的脸部轮廓特征；

概率计算子模块，用于确定与所述脸部轮廓特征对应的参考妆容推荐建议的概率值；

建议输出子模块，用于根据所述概率值对所述参考妆容推荐建议进行降序排列，输出排序在前的设定数量的参考妆容推荐建议作为妆容推荐建议，其中，所述妆容推荐建议包括发型建议、眉型建议、眼妆建议或唇妆建议。

可选的，还包括：

风格获取模块，用于在将所述头部模型输入预先配置的检测模型之前，获取用户输入的妆容风格数据；

以及，概率计算子模块具体用于：

根据所述脸部轮廓特征及妆容风格数据确定参考妆容推荐建议的概率值。

可选的，还包括：

妆容模型添加模块，用于在展示所述妆容推荐建议之后，获取针对妆容推荐建议的选择操作；将所述选择操作对应的妆容模型添加至所述预览图像对应的头部模型的目标位置，展示添加所述妆容模型的头部立体图像。

可选的，还包括：

妆容模型调整模块，用于在将所述选择操作对应的妆容模型添加至所述预览图像对应的头部模型的目标位置之后，获取用户输入的针对所述妆容模型的调整操作；

根据所述调整操作修改所述妆容模型的模型参数，显示具有修改后的模型参数的头部立体图像。

本申请实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种妆容推荐方法，该方法包括：

获取用户的预览图像，并根据所述预览图像匹配对应的头部模型；

通过预先配置的检测模型提取所述头部模型中的脸部特征，并根据所述脸部特征生成妆容推荐建议，其中，所述检测模型为根据与设定妆容效果关联的三维人脸数据样本训练的深度学习模型；

展示所述妆容推荐建议。

存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括：安装介质，例如CD-ROM、软盘或磁带装置；计算机系统存储器或随机存取存储器，诸如DRAM、DDR RAM、SRAM、EDO RAM，兰巴斯(Rambus)RAM等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)；寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外，存储介质可以位于程序在其中被执行的第一计算机系统中，或者可以位于不同的第二计算机系统中，第二计算机系统通过网络(诸如因特网)连接到第一计算机系统。第二计算机系统可以提供程序指令给第一计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。

当然，本申请实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的妆容推荐的操作，还可以执行本申请任意实施例所提供的妆容推荐方法中的相关操作。

本申请实施例提供了一种移动终端，该移动终端内具有操作系统，该移动终端中可集成本申请实施例提供的妆容推荐装置。其中，移动终端可以为智能手机或PAD(平板电脑)等。图4是本申请实施例提供的一种移动终端的结构框图。如图4所示，该移动终端可以包括摄像头410、存储器420及处理器430。所述摄像头410为3D深度摄像头，可以采用结构光方案拍摄得到具有景深信息的预览图像。所述存储器420，用于存储计算机程序、头部模型及检测模型等。所述处理器430读取并执行所述存储器420中存储的计算机程序。所述处理器430在执行所述计算机程序时实现以下步骤：获取用户的预览图像，并根据所述预览图像匹配对应的头部模型；通过预先配置的检测模型提取所述头部模型中的脸部特征，并根据所述脸部特征生成妆容推荐建议，其中，所述检测模型为根据与设定妆容效果关联的三维人脸数据样本训练的深度学习模型；展示所述妆容推荐建议。

上述示例中列举的摄像头、存储器及处理器均为移动终端的部分元器件，所述移动终端还可以包括其它元器件。以智能手机为例，说明上述移动终端可能的结构。

图5是本申请实施例提供的一种智能手机的结构框图。如图5所示，该智能手机可以包括：存储器501、中央处理器(Central Processing Unit，CPU)502(又称处理器，以下简称CPU)、外设接口503、RF(Radio Frequency，射频)电路505、音频电路506、扬声器511、显示器512、摄像头513、电源管理芯片508、输入/输出(I/O)子系统509、其他输入/控制设备510以及外部端口504，这些部件通过一个或多个通信总线或信号线507来通信。

应该理解的是，图示智能手机500仅仅是移动终端的一个范例，并且智能手机500可以具有比图中所示出的更多的或者更少的部件，可以组合两个或更多的部件，或者可以具有不同的部件配置。图中所示出的各种部件可以在包括一个或多个信号处理和/或专用集成电路在内的硬件、软件、或硬件和软件的组合中实现。

下面就本实施例提供的集成有妆容推荐装置的智能手机进行详细的描述。

存储器501，所述存储器501可以被CPU502、外设接口503等访问，所述存储器501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，例如一个或多个磁盘存储器件、闪存器件、或其他易失性固态存储器件。在存储器511中存储计算机程序，还可以存储检测模型、人体模型集合及妆容数据库等。

外设接口503，所述外设接口503可以将设备的输入和输出外设连接到CPU502和存储器501。

I/O子系统509，所述I/O子系统509可以将设备上的输入输出外设，例如屏幕512和其他输入/控制设备510，连接到外设接口503。I/O子系统509可以包括显示控制器5091和用于控制其他输入/控制设备510的一个或多个输入控制器5092。其中，一个或多个输入控制器5092从其他输入/控制设备510接收电信号或者向其他输入/控制设备510发送电信号，其他输入/控制设备510可以包括物理按钮(按压按钮、摇臂按钮等)、拨号盘、滑动开关、操纵杆、点击滚轮。值得说明的是，输入控制器5092可以与以下任一个连接：键盘、红外端口、USB接口以及诸如鼠标的指示设备。

屏幕512，所述屏幕512是用户终端与用户之间的输入接口和输出接口，将可视输出显示给用户，可视输出可以包括图形、文本、图标、视频等。

摄像头513，所述摄像头513采用结构光方案获取人脸的光学图像，并将光学图像转换为电信号，通过外设接口503存储于存储器501。

I/O子系统509中的显示控制器5051从屏幕512接收电信号或者向屏幕512发送电信号。屏幕512检测屏幕上的接触，显示控制器5091将检测到的接触转换为与显示在屏幕512上的用户界面对象的交互，即实现人机交互，显示在屏幕512上的用户界面对象可以是运行游戏的图标、联网到相应网络的图标等。值得说明的是，设备还可以包括光鼠，光鼠是不显示可视输出的触摸敏感表面，或者是由屏幕形成的触摸敏感表面的延伸。

RF电路505，主要用于建立手机与无线网络(即网络侧)的通信，实现手机与无线网络的数据接收和发送。例如收发短信息、电子邮件等。具体地，RF电路505接收并发送RF信号，RF信号也称为电磁信号，RF电路505将电信号转换为电磁信号或将电磁信号转换为电信号，并且通过该电磁信号与通信网络以及其他设备进行通信。RF电路505可以包括用于执行这些功能的已知电路，其包括但不限于天线系统、RF收发机、一个或多个放大器、调谐器、一个或多个振荡器、数字信号处理器、CODEC(COder-DECoder，编译码器)芯片组、用户标识模块(Subscriber Identity Module，SIM)等等。

音频电路506，主要用于从外设接口503接收音频数据，将该音频数据转换为电信号，并且将该电信号发送给扬声器511。

扬声器511，用于将手机通过RF电路505从无线网络接收的语音信号，还原为声音并向用户播放该声音。

电源管理芯片508，用于为CPU502、I/O子系统及外设接口所连接的硬件进行供电及电源管理。

本申请实施例提供的移动终端，可以实现通过移动终端中的妆容推荐功能为用户推荐适合自身脸型特点的妆容。采用上述技术方案，可以解决相关技术中的妆容推荐方案不精确的问题，提供个性化的妆容推荐方案，丰富了移动终端的功能。

上述实施例中提供的妆容推荐装置、存储介质及移动终端可执行本申请任意实施例所提供的妆容推荐方法，具备执行该方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节，可参见本申请任意实施例所提供的妆容推荐方法。

注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由所附的权利要求范围决定。

Claims (8)

1.一种妆容推荐方法，其特征在于，包括：

获取用户的预览图像，并根据所述预览图像匹配对应的头部模型；

获取用户输入的妆容风格数据，将所述头部模型及妆容风格数据输入预先配置的检测模型，通过所述预先配置的检测模型对所述头部模型的三维数据矩阵进行脸部特征提取处理，将所述妆容风格数据作为筛选条件，由预先训练得到的模板人脸数据中筛选出参考模板人脸数据，将所述脸部特征与所述参考模板人脸数据进行匹配，确定对应的参考妆容推荐建议的概率值，选择所述概率值满足设定条件的参考妆容推荐建议作为妆容推荐建议，其中，所述检测模型为根据与设定妆容效果关联的三维人脸数据样本训练的深度学习模型；

所述选择所述概率值满足设定条件的参考妆容推荐建议作为妆容推荐建议，包括：

根据所述概率值对所述参考妆容推荐建议进行降序排列，输出排序在前的设定数量的参考妆容推荐建议作为妆容推荐建议，其中，所述妆容推荐建议包括发型建议、眉型建议、眼妆建议或唇妆建议；根据用户脸型及用户选择的妆容风格推荐发型、眉型、眼妆或唇妆；

展示所述妆容推荐建议。

2.根据权利要求1所述的方法，其特征在于，还包括：

在初始化妆容推荐功能时，获取3D深度摄像头由预设方向对用户拍摄的第一深度图像；

根据所述第一深度图像构建用户的头部模型；

或者，

在初始化妆容推荐功能时，获取3D深度摄像头环绕用户拍摄的用户视频；

确定所述用户视频对应的第二深度图像，并根据所述第二深度图像构建用户的头部模型。

3.根据权利要求1所述的方法，其特征在于，获取用户的预览图像，并根据所述预览图像匹配对应的头部模型，包括：

获取3D深度摄像头拍摄的预览图像，提取所述预览图像中的预设特征点；

根据所述预设特征点由预先构建的人体模型集合中获取所述预览图像对应的头部模型。

4.根据权利要求1至3中任一项所述的方法，其特征在于，在展示所述妆容推荐建议之后，还包括：

获取针对妆容推荐建议的选择操作；

将所述选择操作对应的妆容模型添加至所述预览图像对应的头部模型的目标位置，展示添加所述妆容模型的头部立体图像。

5.根据权利要求4所述的方法，其特征在于，在将所述选择操作对应的妆容模型添加至所述预览图像对应的头部模型的目标位置之后，还包括：

获取用户输入的针对所述妆容模型的调整操作；

根据所述调整操作修改所述妆容模型的模型参数，显示具有修改后的模型参数的头部立体图像。

6.一种妆容推荐装置，其特征在于，包括：

图像获取模块，用于获取用户的预览图像，并根据所述预览图像匹配对应的头部模型；

妆容推荐模块，用于获取用户输入的妆容风格数据，将所述头部模型及妆容风格数据输入预先配置的检测模型，通过所述预先配置的检测模型对所述头部模型的三维数据矩阵进行脸部特征提取处理，将所述妆容风格数据作为筛选条件，由预先训练得到的模板人脸数据中筛选出参考模板人脸数据，将所述脸部特征与所述参考模板人脸数据进行匹配，确定对应的参考妆容推荐建议的概率值，选择所述概率值满足设定条件的参考妆容推荐建议作为妆容推荐建议，其中，所述检测模型为根据与设定妆容效果关联的三维人脸数据样本训练的深度学习模型；

所述妆容推荐模块还包括：建议输出子模块，用于根据所述概率值对所述参考妆容推荐建议进行降序排列，输出排序在前的设定数量的参考妆容推荐建议作为妆容推荐建议，其中，所述妆容推荐建议包括发型建议、眉型建议、眼妆建议或唇妆建议；根据用户脸型及用户选择的妆容风格推荐发型、眉型、眼妆或唇妆；

建议展示模块，用于展示所述妆容推荐建议。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至5中任一项所述的妆容推荐方法。

8.一种移动终端，包括摄像头，存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述的妆容推荐方法。

Images