CN110276657A - 目标对象的确定方法、装置、存储介质及电子装置 - Google Patents

目标对象的确定方法、装置、存储介质及电子装置 Download PDF

Info

Publication number
CN110276657A
CN110276657A CN201910496329.4A CN201910496329A CN110276657A CN 110276657 A CN110276657 A CN 110276657A CN 201910496329 A CN201910496329 A CN 201910496329A CN 110276657 A CN110276657 A CN 110276657A
Authority
CN
China
Prior art keywords
target
features
feature
user
type
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
Application number
CN201910496329.4A
Other languages
English (en)
Inventor
胡郡郡
徐浩
吴明辉
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.)
Miaozhen Information Technology Co Ltd
Miaozhen Systems Information Technology Co Ltd
Original Assignee
Miaozhen Systems Information Technology Co Ltd
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 Miaozhen Systems Information Technology Co Ltd filed Critical Miaozhen Systems Information Technology Co Ltd
Priority to CN201910496329.4A priority Critical patent/CN110276657A/zh
Publication of CN110276657A publication Critical patent/CN110276657A/zh
Pending legal-status Critical Current

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]
    • G06Q30/0631—Item recommendations
    • 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)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种目标对象的确定方法、装置、存储介质及电子装置，包括：获取目标用户的目标体貌特征；使用第一模型对所述目标体貌特征进行分析，确定所述目标用户的目标体貌类型，其中，所述第一模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据包括：体貌特征，以及体貌类型；确定与所述目标体貌类型相匹配的目标对象。通过本发明，解决了现有技术中尚不存在一种可以根据用户的体貌特征为用户推荐化妆品的技术方案问题，达到可以根据用户的体貌特征为用户推荐化妆品的效果。

Description

目标对象的确定方法、装置、存储介质及电子装置
技术领域
本发明涉及通信领域，具体而言，涉及一种目标对象的确定方法、装置、存储介质及电子装置。
背景技术
在用户购买化妆品时，需要在商场中反复的试用不同类型的产品。例如，柜台中有很多品牌和颜色的口红，用户在购买口红时，需要反复的试妆。若上次涂抹的口红颜色未擦除干净，会影响下一次试妆效果。此外，反复的试妆会伤害唇部的皮肤。
目前商场中出现了一种口红试妆的设备，可以采集人脸图像并识别出用户的唇部。用户在设备上选好口红后，可以将用户所选择的口红颜色渲染在人脸图像的唇部。但是，目前的口红试妆设备只能采集到用户的脸部图像，用户只能基于脸部图像选择口红颜色。
然而，穿衣风格也是影响妆容效果的一个重要因素。例如，甜美风格的衣服适合粉色系的口红，夜店风格的衣服适合较暗色系的口红。
针对相关技术中，尚不存在一种可以根据用户的体貌特征为用户推荐化妆品的技术方案，目前尚未存在一种有效的解决方式。
发明内容
本发明实施例提供了一种目标对象的确定方法、装置、存储介质及电子装置，以至少解决相关技术尚不存在一种可以根据用户的体貌特征为用户推荐化妆品的技术方案的问题。
根据本发明的一个实施例，提供了一种目标对象的确定方法，包括：获取目标用户的目标体貌特征；使用第一模型对所述目标体貌特征进行分析，确定所述目标用户的目标体貌类型，其中，所述第一模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据包括：体貌特征，以及体貌类型；确定与所述目标体貌类型相匹配的目标对象。
可选地，在获取目标用户的目标体貌特征之前，所述方法还包括以下至少之一：通过人脸识别算法提取出所述目标用户的脸部信息，使用格拉姆Gram矩阵从所述脸部信息中提取出所述目标用户的脸部特征；使用超像素分割算法提取所述目标用户的服饰特征。
可选地，在所述目标体貌特征包括所述目标用户的脸部特征和所述目标用户的服饰特征的情况下，所述方法还包括：在确定所述脸部特征和所述服饰特征匹配的情况下，使用第一模型对所述脸部特征或所述服饰特征进行分析，确定所述目标用户的所述目标体貌类型。
可选地，在所述目标体貌特征包括所述目标用户的脸部特征和所述目标用户的服饰特征的情况下，所述方法还包括：在确定所述脸部特征和所述服饰特征不匹配的情况下，分别使用第一模型分别对所述脸部特征和所述服饰特征进行分析，确定与所述脸部特征对应的第一体貌类型以及与所述服饰特征对应的第二体貌类型；确定与所述目标体貌类型相匹配的目标对象包括：接收输入的选择信息；基于所述选择信息从所述第一体貌类型和所述第二体貌类型中确定所述目标体貌类型；确定与所述目标体貌类型相匹配的所述目标对象。
可选地，确定与所述目标体貌类型相匹配的目标对象包括：在预先建立的对象库中查找与所述目标体貌类型相匹配的对象集；计算所述目标体貌特征与所述对象集中的各对象的匹配度；将所述对象集中匹配度大于第一阈值的对象确定为所述目标对象。
根据本发明的另一个实施例，提供了一种目标对象的确定装置，包括：获取模块，用于获取目标用户的目标体貌特征；第一确定模块，用于使用第一模型对所述目标体貌特征进行分析，确定所述目标用户的目标体貌类型，其中，所述第一模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据包括：体貌特征，以及体貌类型；第二确定模块，用于确定与所述目标体貌类型相匹配的目标对象。
可选地，所述装置还包括：第一提取模块，用于通过人脸识别算法提取出所述目标用户的脸部信息，使用格拉姆Gram矩阵从所述脸部信息中提取出所述目标用户的脸部特征；第二提取模块，用于使用超像素分割算法提取所述目标用户的服饰特征。
可选地，所述第二确定模块还包括：查找单元，用于在预先建立的对象库中查找与所述目标体貌类型相匹配的对象集；计算单元，用于计算所述目标体貌特征与所述对象集中的各对象的匹配度；确定单元，用于将所述对象集中匹配度大于第一阈值的对象确定为所述目标对象。
根据本发明的又一个实施例，还提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明，由于使用机器学习训练得到的第一模型对用户的体貌特征进行分析，确定用户的体貌类型，根据用户的体貌类型确定与其相匹配的化妆品。可以解决现有技术中尚不存在一种可以根据用户的体貌特征为用户推荐化妆品的技术方案问题，达到可以根据用户的体貌特征为用户推荐化妆品的效果。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明实施例的一种目标对象的确定方法的移动终端的硬件结构框图；
图2是根据本发明实施例的目标对象的确定方法的流程图；
图3是根据本发明实施例的展示试妆效果的流程图；
图4是根据本发明实施例的目标对象的确定装置的结构框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。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。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
实施例1
本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本发明实施例的一种目标对象的确定方法的移动终端的硬件结构框图。如图1所示，移动终端10可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，可选地，上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的目标对象的确定方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种运行于上述移动终端的目标对象的确定方法，图2是根据本发明实施例的目标对象的确定方法的流程图，如图2所示，该流程包括如下步骤：
步骤S202，获取目标用户的目标体貌特征；
其中，体貌特征包括用户的脸部特征和服饰特征。
步骤S204，使用第一模型对所述目标体貌特征进行分析，确定所述目标用户的目标体貌类型，其中，所述第一模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据包括：体貌特征，以及体貌类型；
其中，体貌类型可以是用户的风格类型，如目标用户的脸部特征或服饰特征是可爱风格、欧美风格或日韩风格等任意风格。
步骤S206，确定与所述目标体貌类型相匹配的目标对象。
其中，目标对象为化妆品，如口红，眼影、眼线笔、眉笔等。
通过上述步骤，由于使用机器学习训练得到的第一模型对用户的体貌特征进行分析，确定用户的体貌类型，根据用户的体貌类型确定与其相匹配的化妆品。可以解决现有技术中尚不存在一种可以根据用户的体貌特征为用户推荐化妆品的技术方案问题，达到可以根据用户的体貌特征为用户推荐化妆品的效果。
可选地，上述步骤的执行主体可以为终端等，但不限于此。
在一个可选实施例，在获取目标用户的目标体貌特征之前，所述方法还包括以下至少之一：通过人脸识别算法提取出所述目标用户的脸部信息，使用格拉姆Gram矩阵从所述脸部信息中提取出所述目标用户的脸部特征；使用超像素分割算法提取所述目标用户的服饰特征。在一个可选的实施例，通过摄像头采集用户图像，通过人脸识别算法提取出用户的脸部，使用格拉姆Gram矩阵从脸部信息中提取出脸部特征，如脸型、眉型、鼻型等脸部特征。通过超像素分割算法提取出用户的服饰特征，如服饰的形状和颜色等。
在一个可选实施例，在所述目标体貌特征包括所述目标用户的脸部特征和所述目标用户的服饰特征的情况下，所述方法还包括：在确定所述脸部特征和所述服饰特征匹配的情况下，使用第一模型对所述脸部特征或所述服饰特征进行分析，确定所述目标用户的所述目标体貌类型。在本实施例，用户的穿衣风格是影响妆容效果的一个重要因素。如粉红色的蓬蓬裙适合粉色系的妆容，而夜店风的亮片黑色系服饰适合烟熏妆容。也就是说，用户的脸部特征和服饰特征均是影响妆容的重要因素。而用户所穿的服饰与其脸型特征并不一定是相匹配的。如可爱风格的圆形脸与可爱风格的服装如粉红色的裙子相匹配。而爱风格的圆形脸与夜店风格的亮片黑色系服饰是不匹配的。在本实施例中，若用户的脸部特征与服饰特征是相匹配的，如可爱风格的圆形脸与可爱风格的服装如粉红色的裙子，那么可以根据脸部特征圆形脸或服饰特征粉红色的裙子确定该用户是体貌类型是可爱型，进一步给该用户匹配出适合可爱风格的化妆品。
在一个可选实施例，在所述目标体貌特征包括所述目标用户的脸部特征和所述目标用户的服饰特征的情况下，所述方法还包括：在确定所述脸部特征和所述服饰特征不匹配的情况下，分别使用第一模型分别对所述脸部特征和所述服饰特征进行分析，确定与所述脸部特征对应的第一体貌类型以及与所述服饰特征对应的第二体貌类型；确定与所述目标体貌类型相匹配的目标对象包括：接收输入的选择信息；基于所述选择信息从所述第一体貌类型和所述第二体貌类型中确定所述目标体貌类型；确定与所述目标体貌类型相匹配的所述目标对象。在本实施例中，在本实施例中，若用户的脸部特征与服饰特征是不匹配的，如可爱风格的圆形脸与夜店风格的亮片黑色系服饰，那么第一模型分别对脸型特征和服饰特征进行分析，分别确定出两种体貌类型，对应于圆形脸的是第一体貌类型(可爱型)，对应于亮片黑色系服饰的是第二体貌类型(夜店型)。在用户所使用的终端上提示两种类型，用户根据个人需求选择一种类型，若用户选择第一体貌类型(可爱型)，向用户推荐可爱风格向对应的化妆品。反之，若用户选择第二体貌类型(夜店型)，向用户推荐夜店风格向对应的化妆品。
在一个可选实施例，确定与所述目标体貌类型相匹配的目标对象包括：在预先建立的对象库中查找与所述目标体貌类型相匹配的对象集；计算所述目标体貌特征与所述对象集中的各对象的匹配度；将所述对象集中匹配度大于第一阈值的对象确定为所述目标对象。在本实施例，以口红为例，在对象库中存储了体貌类型格，以及与各种体貌类型相对应的口红集合，如与可爱类型相对应的口红集合有一度粉色、二度粉色等粉色系口红，其中，一度、二度表示的是口红的深浅度，颜色越深度数越高。而可爱类型的女生不一定适合同一个色度的口红，例如，脸部其它特征也是影响口红色度的一个重要因素，如肤色、脸型、眼睛、鼻子、嘴等，同理服饰的颜色和款式也是影响口红色度的一个重要因素。例如，同是可爱风格的女生，肤色白的女生适合一度，而肤色暗一点的女生二度。那么在确定用户的体貌类型后，在与该体貌类型对应的口红集合中，计算与用户体貌特征的匹配程度，如可爱体貌类型对应的口红集有一度粉色、二度粉色、三度粉色，在对象库中查找可爱体貌类型对应的口红集后，计算用户体貌特征分别与一度粉色、二度粉色、三度粉色口红的匹配度，在匹配度大于预先设定的阈值的情况下，确定该口红为与用户相匹配的口红。
下面通过一个具体实施例说明本申请，以口红为例。
图3是根据本发明实施例的展示试妆效果的流程图，其中，包括如下步骤：
步骤1:手机app拍照获取口红照片。
步骤2:颜色提取模块提取口红颜色。
步骤3:手机app拍照获取人脸照片。
步骤4:将获取到的口红颜色合成到人脸上，并在app上展示口红试妆效果。
深度学习训练的过程：
1.分别对训练集中人脸和口红用特征提取网络提取特征，然后提取其中的一层用Gram矩阵提取风格特征。
2.将同一个风格的人脸和口红分成一类，不同风格的人脸和口红分成不同类，即对每一个人脸和口红打上标签，比如说风格1，风格2…风格N。
3.通过不断减少同一类风格的人脸和口红的距离，不段增大不同类风格的人脸和口红的风格特征距离来训练模型。
4.损失函数如下,N为风格的数量，Ek,face为人脸风格特征，Ek,lipstick为口红风格特征。Linner和Loutter的目的就是将同一风格的人脸和口红分成一组，不同风格的人脸和口红分成不同组。
测试过程：测试时将新的人脸和口红输入模型中，如果人脸和口红的风格特征距离很近，判断为同一个风格，如果人脸和口红的风格特征距离很远，判断为不同风格。即可达到风格匹配的目的。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
实施例2
在本实施例中还提供了一种目标对象的确定装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图4是根据本发明实施例的目标对象的确定装置的结构框图，如图4所示，该装置包括：获取模块42，用于获取目标用户的目标体貌特征；第一确定模块44，用于使用第一模型对所述目标体貌特征进行分析，确定所述目标用户的目标体貌类型，其中，所述第一模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据包括：体貌特征，以及体貌类型；第二确定模块46，用于确定与所述目标体貌类型相匹配的目标对象。
在一个可选实施例，所述装置还包括：第一提取模块，用于通过人脸识别算法提取出所述目标用户的脸部信息，使用格拉姆Gram矩阵从所述脸部信息中提取出所述目标用户的脸部特征；第二提取模块，用于使用超像素分割算法提取所述目标用户的服饰特征。
在一个可选实施例，所述装置还用于在所述目标体貌特征包括所述目标用户的脸部特征和所述目标用户的服饰特征的情况下，在确定所述脸部特征和所述服饰特征匹配的情况下，使用第一模型对所述脸部特征或所述服饰特征进行分析，确定所述目标用户的所述目标体貌类型。
在一个可选实施例，所述装置还用于，在所述目标体貌特征包括所述目标用户的脸部特征和所述目标用户的服饰特征的情况下，在确定所述脸部特征和所述服饰特征不匹配的情况下，分别使用第一模型分别对所述脸部特征和所述服饰特征进行分析，确定与所述脸部特征对应的第一体貌类型以及与所述服饰特征对应的第二体貌类型；确定与所述目标体貌类型相匹配的目标对象包括：接收输入的选择信息；基于所述选择信息从所述第一体貌类型和所述第二体貌类型中确定所述目标体貌类型；确定与所述目标体貌类型相匹配的所述目标对象。
在一个可选实施例，所述第二确定模块46还包括：查找单元，用于在预先建立的对象库中查找与所述目标体貌类型相匹配的对象集；计算单元，用于计算所述目标体貌特征与所述对象集中的各对象的匹配度；确定单元，用于将所述对象集中匹配度大于第一阈值的对象确定为所述目标对象。
需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。
实施例3
本发明的实施例还提供了一种存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：
S1，获取目标用户的目标体貌特征；
S2，使用第一模型对所述目标体貌特征进行分析，确定所述目标用户的目标体貌类型，其中，所述第一模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据包括：体貌特征，以及体貌类型；
S3，确定与所述目标体貌类型相匹配的目标对象。
可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
S1，获取目标用户的目标体貌特征；
S2，使用第一模型对所述目标体貌特征进行分析，确定所述目标用户的目标体貌类型，其中，所述第一模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据包括：体貌特征，以及体貌类型；
S3，确定与所述目标体貌类型相匹配的目标对象。
可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种目标对象的确定方法，其特征在于，包括：
获取目标用户的目标体貌特征；
使用第一模型对所述目标体貌特征进行分析，确定所述目标用户的目标体貌类型，其中，所述第一模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据包括：体貌特征，以及体貌类型；
确定与所述目标体貌类型相匹配的目标对象。
2.根据权利要求1所述的方法，其特征在于，还包括：在获取目标用户的目标体貌特征之前，所述方法还包括以下至少之一：
通过人脸识别算法提取出所述目标用户的脸部信息，使用格拉姆Gram矩阵从所述脸部信息中提取出所述目标用户的脸部特征；
使用超像素分割算法提取所述目标用户的服饰特征。
3.根据权利要求2所述的方法，其特征在于，在所述目标体貌特征包括所述目标用户的脸部特征和所述目标用户的服饰特征的情况下，所述方法还包括：
在确定所述脸部特征和所述服饰特征匹配的情况下，使用第一模型对所述脸部特征或所述服饰特征进行分析，确定所述目标用户的所述目标体貌类型。
4.根据权利要求2所述的方法，其特征在于，在所述目标体貌特征包括所述目标用户的脸部特征和所述目标用户的服饰特征的情况下，
所述方法还包括：在确定所述脸部特征和所述服饰特征不匹配的情况下，分别使用第一模型分别对所述脸部特征和所述服饰特征进行分析，确定与所述脸部特征对应的第一体貌类型以及与所述服饰特征对应的第二体貌类型；
确定与所述目标体貌类型相匹配的目标对象包括：接收输入的选择信息；基于所述选择信息从所述第一体貌类型和所述第二体貌类型中确定所述目标体貌类型；
确定与所述目标体貌类型相匹配的所述目标对象。
5.根据权利要求1至4中任一项所述的方法，其特征在于，确定与所述目标体貌类型相匹配的目标对象包括：
在预先建立的对象库中查找与所述目标体貌类型相匹配的对象集；
计算所述目标体貌特征与所述对象集中的各对象的匹配度；
将所述对象集中匹配度大于第一阈值的对象确定为所述目标对象。
6.一种目标对象的确定装置，其特征在于，包括：
获取模块，用于获取目标用户的目标体貌特征；
第一确定模块，用于使用第一模型对所述目标体貌特征进行分析，确定所述目标用户的目标体貌类型，其中，所述第一模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据包括：体貌特征，以及体貌类型；
第二确定模块，用于确定与所述目标体貌类型相匹配的目标对象。
7.根据权利要求6所述的装置，其特征在于，所述装置还包括：
第一提取模块，用于通过人脸识别算法提取出所述目标用户的脸部信息，使用格拉姆Gram矩阵从所述脸部信息中提取出所述目标用户的脸部特征；
第二提取模块，用于使用超像素分割算法提取所述目标用户的服饰特征。
8.根据权利要求6或7所述的装置，其特征在于，所述第二确定模块还包括：
查找单元，用于在预先建立的对象库中查找与所述目标体貌类型相匹配的对象集；
计算单元，用于计算所述目标体貌特征与所述对象集中的各对象的匹配度；
确定单元，用于将所述对象集中匹配度大于第一阈值的对象确定为所述目标对象。
9.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至5任一项中所述的方法。
10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至5任一项中所述的方法。
CN201910496329.4A 2019-06-10 2019-06-10 目标对象的确定方法、装置、存储介质及电子装置 Pending CN110276657A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910496329.4A CN110276657A (zh) 2019-06-10 2019-06-10 目标对象的确定方法、装置、存储介质及电子装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910496329.4A CN110276657A (zh) 2019-06-10 2019-06-10 目标对象的确定方法、装置、存储介质及电子装置

Publications (1)

Publication Number Publication Date
CN110276657A true CN110276657A (zh) 2019-09-24

Family

ID=67960558

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910496329.4A Pending CN110276657A (zh) 2019-06-10 2019-06-10 目标对象的确定方法、装置、存储介质及电子装置

Country Status (1)

Country Link
CN (1) CN110276657A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112528057A (zh) * 2020-12-11 2021-03-19 广东科学中心 一种妆容推荐方法、推荐装置、存储介质和终端
CN112737848A (zh) * 2020-12-29 2021-04-30 青岛海尔科技有限公司 对象类型的确定方法、装置、存储介质及电子装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130057148A (ko) * 2011-11-23 2013-05-31 차대성 사용자의 피부색에 따른 화장품 정보 제공 방법 및 장치
CN105678561A (zh) * 2016-01-29 2016-06-15 京东方科技集团股份有限公司 智能梳妆台及相应的云专家系统
CN108771315A (zh) * 2018-05-30 2018-11-09 深圳市赛亿科技开发有限公司 一种智能化妆镜的控制方法及系统
CN108851833A (zh) * 2018-06-01 2018-11-23 辽宁工程技术大学 基于机器学习训练算法的智能穿衣镜及其训练方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130057148A (ko) * 2011-11-23 2013-05-31 차대성 사용자의 피부색에 따른 화장품 정보 제공 방법 및 장치
CN105678561A (zh) * 2016-01-29 2016-06-15 京东方科技集团股份有限公司 智能梳妆台及相应的云专家系统
CN108771315A (zh) * 2018-05-30 2018-11-09 深圳市赛亿科技开发有限公司 一种智能化妆镜的控制方法及系统
CN108851833A (zh) * 2018-06-01 2018-11-23 辽宁工程技术大学 基于机器学习训练算法的智能穿衣镜及其训练方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112528057A (zh) * 2020-12-11 2021-03-19 广东科学中心 一种妆容推荐方法、推荐装置、存储介质和终端
CN112737848A (zh) * 2020-12-29 2021-04-30 青岛海尔科技有限公司 对象类型的确定方法、装置、存储介质及电子装置

Similar Documents

Publication Publication Date Title
EP2820971B1 (en) Makeup application assistance device, makeup application assistance system, and makeup application assistance method
CN109447895B (zh) 图片生成方法和装置、存储介质及电子装置
CN109670591A (zh) 一种神经网络的训练方法及图像匹配方法、装置
CN107993131B (zh) 穿搭推荐方法、装置、服务器和存储介质
CN104484450B (zh) 基于图像的服饰搭配推荐方法和服饰搭配推荐装置
CN108053365A (zh) 用于生成信息的方法和装置
CN108629339A (zh) 图像处理方法及相关产品
CN105210110A (zh) 美容辅助装置、美容辅助系统、美容辅助方法以及美容辅助程序
CN107080435A (zh) 虚拟衣橱管理系统和方法以及基于该系统的服饰销售方法
CN109614925A (zh) 服饰属性识别方法和装置、电子设备、存储介质
CN107729380A (zh) 服饰搭配方法、终端、计算机终端
CN109598578A (zh) 业务对象数据的推送方法及装置、存储介质、计算机设备
CN109597907A (zh) 服饰管理方法和装置、电子设备、存储介质
CN110175505A (zh) 微表情类型的确定方法、装置、存储介质及电子装置
CN109947510A (zh) 一种界面推荐方法及装置、计算机设备
CN109271930A (zh) 微表情识别方法、装置与存储介质
CN112507978B (zh) 人物属性识别方法、装置、设备及介质
CN110276657A (zh) 目标对象的确定方法、装置、存储介质及电子装置
KR20140124087A (ko) 사용자 단말기를 이용한 개인 스타일 추천 시스템과 방법 및 그 방법을 컴퓨터로 실행시키기 위한 프로그램 코드를 저장한 기록매체
CN113822793A (zh) 图像处理方法、装置和存储介质及电子设备
CN114419202A (zh) 虚拟形象生成方法和系统
CN113128373A (zh) 基于图像处理的色斑评分方法、色斑评分装置及终端设备
CN110264544B (zh) 图片处理方法和装置、存储介质及电子装置
CN108875496A (zh) 行人画像的生成及基于画像的行人识别
CN110413818A (zh) 贴纸推荐方法、装置、计算机可读存储介质和计算机设备

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190924

RJ01 Rejection of invention patent application after publication