CN114783025A - 一种计算颜值得分的方法及装置 - Google Patents
一种计算颜值得分的方法及装置 Download PDFInfo
- Publication number
- CN114783025A CN114783025A CN202210442664.8A CN202210442664A CN114783025A CN 114783025 A CN114783025 A CN 114783025A CN 202210442664 A CN202210442664 A CN 202210442664A CN 114783025 A CN114783025 A CN 114783025A
- Authority
- CN
- China
- Prior art keywords
- face
- user
- scores
- score
- color value
- 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
Images
Landscapes
- Image Analysis (AREA)
Abstract
本申请提供一种计算颜值得分的方法及装置,该方法包括,将用户的人脸图像和标准的人脸模型图像进行拟合;计算拟合后的用户的人脸图像和标准的人脸模型图像的多个人脸部位的差异;基于多个人脸部位的差异,确定用户的多个人脸区域的得分,其中,多个人脸区域中的每个人脸区域至少包括一个人脸部位;基于用户的多个人脸区域的得分,确定用户的颜值得分。通过该方法可以达到精确的计算用户的颜值得分的效果。
Description
技术领域
本申请涉及颜值计算的领域,具体而言,涉及一种计算颜值得分的方法及装置。
背景技术
在整形领域,计算人脸颜值主要有传统的“三庭五眼”法和基于浅层特征的计算方法,通过“三庭五眼”的基准来判断人的美丽程度或者基于人脸中浅层的特征计算人脸的美丽程度,进而根据人脸的美丽程度对用户进行整形。
上述方法中,只能大概的判断出一个人的美丽与否,并不能更精准的对一个人的颜值得分进行计算。
因此,如何精确的计算用户的颜值得分,是一个需要解决的技术问题。
发明内容
本申请实施例的目的在于提供一种计算颜值得分的方法,通过本申请的实施例的技术方案可以达到精确的计算用户的颜值得分的效果。
第一方面,本申请实施例提供了一种计算颜值得分的方法,包括,将用户的人脸图像和标准的人脸模型图像进行拟合;计算拟合后的用户的人脸图像和标准的人脸模型图像的多个人脸部位的差异;基于多个人脸部位的差异,确定用户的多个人脸区域的得分,其中,多个人脸区域中的每个人脸区域至少包括一个人脸部位;基于用户的多个人脸区域的得分,确定用户的颜值得分。
在上述过程中,先确定人脸每个部位的得分,再基于每个部位的得分确定人脸每个区域的得分,最终根据每个区域的得分确定最终的颜值得分,通过考虑每个部位的得分以及由部位组成区域的得分的方法可以达到精确的计算用户的颜值得分的效果。
一种实施例中,基于多个人脸部位的差异,确定用户的多个人脸区域的得分,包括:
基于多个人脸部位的差异,确定用户的每个人脸部位的偏差等级;
基于偏差等级,确定用户的多个人脸区域的得分。
在上述过程中,通过将用户人脸每个部位和标准的人脸部位图像进行对比,可以将用户人脸部位划分为多个偏差等级,可以判断用户人脸部位的标准等级,进而可以根据偏差等级对用户的人脸部位组成的人脸区域进行精确的打分。
一种实施例中,基于多个人脸部位的差异,确定用户的多个人脸区域的得分,包括:
基于多个人脸部位的差异,确定多个人脸部位中每个部位的得分;
将多个人脸部位中每个部位的得分加权求和,得到用户的多个人脸区域的得分。
在上述过程中,每个人脸区域的得分是根据每个部位的分数加权求和得到的,也就是说,区域的分数是由部位的分数决定的,使最终确定颜值更具可靠性。
一种实施例中,基于用户的多个人脸区域的得分,确定用户的颜值得分,包括:
将用户的多个人脸区域中的每个人脸区域的得分加权求和,得到用户的颜值得分。
在上述过程中,用户的颜值得分是根据人脸区域的得分加权求和得到的,也就是说,颜值得分是由区域得分决定的,可以根据不同区域对应的权值精确的确定用户的颜值得分。
一种实施例中,在基于用户的多个人脸区域的得分,确定用户的颜值得分之后,还包括:
基于用户的颜值得分、多个人脸部位的差异和多个人脸区域的得分中的至少一种,向用户提供用于颜值优化的建议,其中,颜值优化的建议包括以下建议中的至少一种:
整形建议、化妆建议、穿搭建议和发型建议。
在上述过程中,在确定用户的颜值得分之后,可以根据判断结果为用户提供一些增加颜值得分的建议,为用户增加颜值得分。
第二方面,本申请实施例提供了一种计算颜值得分的装置,包括:
拟合模块,用于将用户的人脸图像和标准的人脸模型图像进行拟合;
计算模块,用于计算拟合后的用户的人脸图像和标准的人脸模型图像的多个人脸部位的差异;
第一确定模块,用于基于多个人脸部位的差异,确定用户的多个人脸区域的得分,其中,多个人脸区域中的每个人脸区域至少包括一个人脸部位;
第二确定模块,用于基于用户的多个人脸区域的得分,确定用户的颜值得分。
可选的,第一确定模块具体用于:
基于多个人脸部位的差异,确定用户的每个人脸部位的偏差等级;
基于偏差等级,确定用户的多个人脸区域的得分。
可选的,第一确定模块具体用于:
基于多个人脸部位的差异,确定多个人脸部位中每个部位的得分;
将多个人脸部位中每个部位的得分加权求和,得到用户的多个人脸区域的得分。
可选的,第二确定模块具体用于:
将用户的多个人脸区域中的每个人脸区域的得分加权求和,得到用户的颜值得分。
可选的,所述装置还包括:
推荐模块,用于所述第二确定模块在基于用户的多个人脸区域的得分,确定用户的颜值得分之后,基于用户的颜值得分、多个人脸部位的差异和多个人脸区域的得分中的至少一种,向用户提供用于颜值优化的建议,其中,颜值优化的建议包括以下建议中的至少一种:
整形建议、化妆建议、穿搭建议和发型建议。
第三方面,本申请实施例提供一种电子设备,包括处理器以及存储器,所述存储器存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,运行如上述第一方面提供的所述方法中的步骤。
第四方面,本申请实施例提供一种可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时运行如上述第一方面提供的所述方法中的步骤。
本申请的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种计算颜值得分的方法的流程图;
图2为本申请实施例提供的一种确定人脸部位的偏差等级的示意图;
图3为本申请实施例提供的一种计算颜值得分的装置的示意框图;
图4为本申请实施例提供的一种计算颜值得分的装置的结构示意图。
具体实施方式
下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和显示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
首先对本申请实施例中涉及的部分用语进行说明,以便于本领域技术人员理解。
局部二值模式:LBP(Local Binary Patterns)最初功能为辅助图像局部对比度,并不是一个完整的特征描述子。
全局特征信息:GIST(Generalized Search Trees,GiST)是一种通用索引机制,能有效支持数据类型和查询谓词的可扩展,在数据库中引入新的数据类型时能提供对新的数据类型索引的支持,利用这种结构可以很容易实现R树、RD树等。它是一种可扩展的树型索引结构框架。
方向梯度直方图:HOG(Histogram of Oriented Gradient,HOG)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。
本申请应用于颜值计算的场景,具体场景为在整形之前,需对用户的颜值进行打分,根据打分规则可以判断用户的那些具体部位以及由几个部位组成的区域和标准的人脸模型图像进行对比,具体的判断用户人脸和标准人脸的差异,方便有针对性的整形,可以达到整形变美的目的。
在目前颜值计算领域,计算人脸颜值主要有传统的“三庭五眼”法和基于浅层特征的计算方法,通过“三庭五眼”的基准来判断人的美丽程度或者基于人脸中浅层的特征计算人脸的美丽程度,例如,计算人脸的LBP(局部二值模式)、GIST(全局特征信息)或者HOG(方向梯度直方图)等浅层的特征来计算人脸的美丽程度,进而根据人脸的美丽程度对用户进行整形。上述方法中,只能大概的判断出一个人的美丽与否,并不能更精准的对一个人的颜值得分进行计算,更不能对用户的每个部位的差异进行判断和打分,还不能对用户的颜值确定具体的颜值偏差程度。
为此本申请通过将用户的人脸图像和标准的人脸模型图像进行拟合;计算拟合后的用户的人脸图像和标准的人脸模型图像的多个人脸部位的差异;基于多个人脸部位的差异,确定用户的多个人脸区域的得分,其中,多个人脸区域中的每个人脸区域至少包括一个人脸部位;基于用户的多个人脸区域的得分,确定用户的颜值得分。通过人脸部位的得分加权和由人脸部位组成的小区域的加权,通过两个层次的加权,更符合人眼视觉对颜值判断的逻辑,有局部有区域的颜值判断,可以准确的判断用户的人脸和标准人脸的具体差异,进而可以达到精确的计算用户的颜值得分的效果。
本申请实施例中,执行主体可以为计算颜值得分系统中的计算颜值得分设备,实际应用中,计算颜值得分设备可以为终端设备和服务器等电子设备,在此不做限制。
下面结合图1对本申请实施例的计算颜值得分的方法进行详细描述。
请参看图1,图1为本申请实施例提供的一种计算颜值得分的方法的流程图,如图1所示的计算颜值得分的方法包括:
步骤110:将用户的人脸图像和标准的人脸模型图像进行拟合。
在上述过程中,通过将用户的人脸图像和标准的人脸模型图像进行拟合,可以把用户的人脸图像和标准的人脸模型图像进行对比,根据对比结果,可以判断用户的人脸部位和人脸区域的不足之处,进而可以为用户的提供人脸优化的建议。
其中,还可以根据用户的人脸不足之处为用户提供对应的整形建议,上述拟合方法利用了人脸对齐技术,用于精确的对比用户的人脸图像和标准的人脸模型图像的差别,拟合还包括正脸拟合和侧脸拟合,正脸拟合可以根据用户的人脸部位上一些关键的点位和线等进行对齐,例如,眼角、唇分线、唇分点、鼻尖、嘴角和眼球中点等,侧脸拟合可以优先对齐用户的上脸部,对齐点可以是耳中线、鬓角和头中线等,本申请不限于此,此外,标准的人脸模型图像可以根据系统中存储的提前设置好的标准人脸模型图像直接获取。
步骤120:计算拟合后的用户的人脸图像和标准的人脸模型图像的多个人脸部位的差异。
在上述过程中,通过对比用户的人脸图像和标准的人脸模型图像的差异,可以确定用户的人脸部位相对于标准人脸模型图像的差异。
其中,多个人脸部位的差异可以是部位的比例差异、长度差异、线条差异、饱满度差异、形态差异、粗细差异、距离差异、凹凸差距、高低差距、清晰程度的差异、对称度差异和斑痔的差异等,本申请不限于此。
步骤130:基于多个人脸部位的差异,确定用户的多个人脸区域的得分。
在上述过程中,每个人脸区域的得分是根据每个部位的分数加权求和得到的,也就是说,区域的分数是由部位的分数决定的,使最终确定颜值更具可靠性。
其中,多个人脸区域中的每个人脸区域至少包括一个人脸部位,也就是说,一个人脸区域中可以包括一个或者多个人脸部位。
具体的,在执行步骤130时,可以采用以下步骤:
基于多个人脸部位的差异,确定用户的每个人脸部位的偏差等级;基于偏差等级,确定用户的多个人脸区域的得分。
在上述过程中,通过将用户人脸每个部位和标准的人脸部位图像进行对比,可以将用户人脸部位划分为多个偏差等级,可以判断用户人脸部位的标准等级,进而可以根据偏差等级对用户的人脸部位组成的人脸区域进行精确的打分。
其中,偏差等级可以根据用户不同部位与标准模型中人脸部位进行对比确定的,其中确定方法可通过下述例子进行详细描述。
请参照图2,图2为本申请实施例提供的一种确定人脸部位的偏差等级的示意图,如图2所示的例子说明如下:
偏差等级可以根据实际需求设置多个等级,例如7级和9级等,本申请不限于此,下面以7级的偏差等级为例,列举确定人脸部位偏差等级的方法。
区域为整体结构时,可以根据参数名称中的长宽比并参考标准比例参考值确定长宽比的正偏差和负偏差,进而确定该结构的偏差等级的结论。
其中,标准比例参考值可以为1.377,其中偏差等级可以为:正3、正2、正1、中、负1、负2和负3,对应的结构的偏差等级可以分为:很长、较长、稍长、适中、稍短、较短和很短,例如:当该结构的长宽比正偏差为0.053和负偏差为0.057时,根据预设的偏差等级的范围值,如:适中的正偏差和负偏差的范围值为(0,0.1)可以确定结论为:该结构适中。
对此,可以通过整形和搭配服饰等方式调整长宽比,增加最终颜值的分数。
具体的,在执行步骤130时,还可以采用以下步骤:
基于多个人脸部位的差异,确定多个人脸部位中每个部位的得分;将多个人脸部位中每个部位的得分加权求和,得到用户的多个人脸区域的得分。
在上述过程中,每个人脸区域的得分是根据每个部位的分数加权求和得到的,也就是说,区域的分数是由部位的分数决定的,使最终确定颜值更具可靠性。
其中,由于人脸中每个部位对用户的人脸区域的影响程度不同,因此每个部位都有对应的权重占比,根据人脸部位对应的权重占比计算人脸区域的分数更能体现区域得分的准确性,在确定每个部位的分数时,可以根据每个部位与标准模型图像中对应的部位进行对比,确定影响值系数,根据影响值系数计算每个部位的得分情况,其中影响值系数表示对用户人脸部位的影响程度,数值越大,影响越大,得分也就越低。此外根据影响值系数,也可以判断人脸部位的等级偏差,具体请参看下表1:
表1
例如:结构区域的长宽比的影响值系数为0.1,其属于(0,0.38),因此长款比的等级偏差为中等级。
步骤140:基于用户的多个人脸区域的得分,确定用户的颜值得分。
具体的,在执行步骤140时,可以采用以下步骤:
将用户的多个人脸区域中的每个人脸区域的得分加权求和,得到用户的颜值得分。
在上述过程中,用户的颜值得分是根据人脸区域的得分加权求和得到的,也就是说,颜值得分是由区域得分决定的,可以根据不同区域对应的权值精确的确定用户的颜值得分。
其中,由于每个人脸区域对用户人脸的颜值影响程度不同,因此每个人脸区域都有其对应的权重,根据人脸区域对应的权重占比计算用户的颜值得分更能让用户颜值得分计算的更准确。下面根据表2中的数据,举例计算用户的颜值得分。
表2
例如:结构和对称度的区域权值为0.24,区域分值总分为54.9,则该区域得分为13.2,额区和颞区的区域权值为0.05,区域分值为56.9,则该区域得分为2.8,眉区、眼区和鼻区的区域权值为0.32,区域分值为68.9,则该区域得分为22.1,嘴区、颌区和颏区的区域权值为0.23,区域分值为50.1,则该区域得分为11.5,颧区和面颊区的区域权值为0.06,区域分值为54.3,则该区域得分为3.3,皱纹、肤质肤色和痤疮色斑的区域权值为0.1,区域分值为54.5,则该区域的得分为5.5,汇总显示,区域总权值为1.00,基于区域权值和区域分值加权求和,即可得到用户的颜值得分为58.3。
进一步的,在执行步骤140之后,还可以采用以下步骤:
基于用户的颜值得分、多个人脸部位的差异和多个人脸区域的得分中的至少一种,向用户提供用于颜值优化的建议,其中,颜值优化的建议包括以下建议中的至少一种:整形建议、化妆建议、穿搭建议和发型建议。
在上述过程中,在确定用户的颜值得分之后,可以根据判断结果为用户提供一些增加颜值得分的建议,为用户增加颜值得分。
其中,整形建议是基于用户的颜值得分,分析用户的人脸和标准人脸之间的差异,根据差异提供整形的建议,用于缩小用户的人脸和标准人脸之间的差异,并且可以提高用户颜值的得分,给出一些整形的方向,例如,下巴较长,可以通过整形将下巴修短,同理,下述化妆建议、穿搭建议和发型建议也是为了缩小用户的人脸和标准人脸之间的差异,并且可以提高用户颜值的得分,化妆建议,例如,双线皮的颜值分数更高,可以通过双眼皮贴提高颜值分数,此外,还可以通过化妆遮挡瑕疵和提升卧蚕饱满度等,穿搭建议,例如,带发卡遮挡部分额头,看起来可以减少额头的宽度,增加颜值分数,发型建议,例如,头帘的长短可根据额头的长短或者额头上的皱纹给出发型的建议等。
前文通过图1-图2描述了计算颜值得分的方法,下面结合图3-图4描述计算颜值得分的装置。
请参照图3,为本申请实施例中提供的一种计算颜值得分的装置300的示意框图,该装置300可以是电子设备上的模块、程序段或代码。该装置300与上述图1方法实施例对应,能够执行图1方法实施例涉及的各个步骤,该装置300具体的功能可以参见下文中的描述,为避免重复,此处适当省略详细描述。
可选的,所述装置300包括:
拟合模块310,用于将用户的人脸图像和标准的人脸模型图像进行拟合;
计算模块320,用于计算拟合后的用户的人脸图像和标准的人脸模型图像的多个人脸部位的差异;
第一确定模块330,用于基于多个人脸部位的差异,确定用户的多个人脸区域的得分,其中,多个人脸区域中的每个人脸区域至少包括一个人脸部位;
第二确定模块340,用于基于用户的多个人脸区域的得分,确定用户的颜值得分。
可选的,第一确定模块具体用于:
基于多个人脸部位的差异,确定用户的每个人脸部位的偏差等级;
基于偏差等级,确定用户的多个人脸区域的得分。
可选的,第一确定模块具体用于:
基于多个人脸部位的差异,确定多个人脸部位中每个部位的得分;
将多个人脸部位中每个部位的得分加权求和,得到用户的多个人脸区域的得分。
可选的,第二确定模块具体用于:
将用户的多个人脸区域中的每个人脸区域的得分加权求和,得到用户的颜值得分。
可选的,所述装置还包括:
推荐模块,用于所述第二确定模块在基于用户的多个人脸区域的得分,确定用户的颜值得分之后,基于用户的颜值得分、多个人脸部位的差异和多个人脸区域的得分中的至少一种,向用户提供用于颜值优化的建议,其中,颜值优化的建议包括以下建议中的至少一种:
整形建议、化妆建议、穿搭建议和发型建议。
请参照图4为本申请实施例中提供的一种计算颜值得分的装置400的结构示意框图,该装置可以包括存储器410和处理器420。可选的,该装置还可以包括:通信接口430和通信总线440。该装置与上述图1方法实施例对应,能够执行图1方法实施例涉及的各个步骤,该装置具体的功能可以参见下文中的描述。
具体的,存储器410,用于存储计算机可读指令。
处理器420,用于处理存储器存储的可读指令,能够执行图2方法实施例110至140各个步骤。
通信接口430,用于与其他节点设备进行信令或数据的通信。例如:用于与服务器或者终端的通信,或者与其它设备节点进行通信,本申请实施例并不限于此。
通信总线440,用于实现上述组件直接的连接通信。
其中,本申请实施例中设备的通信接口430用于与其他节点设备进行信令或数据的通信。存储器410可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatilememory),例如至少一个磁盘存储器。存储器410可选的还可以是至少一个位于远离前述处理器的存储装置。存储器410中存储有计算机可读取指令,当所述计算机可读取指令由所述处理器420执行时,电子设备执行上述图1所示方法过程。处理器420可以用于装置300上,并且用于执行本申请中的功能。示例性地,上述的处理器420可以是通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application SpecificIntegrated 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,本申请实施例并不局限于此。
本申请实施例还提供一种可读存储介质,所述计算机程序被处理器执行时,执行如图1所示方法实施例中电子设备所执行的方法过程。
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,上述描述的装置的具体工作过程,可以参考前述方法中的对应过程,在此不再过多赘述。
综上所述,本申请实施例提供一种计算颜值得分的方法及装置,该方法包括,将用户的人脸图像和标准的人脸模型图像进行拟合;计算拟合后的用户的人脸图像和标准的人脸模型图像的多个人脸部位的差异;基于多个人脸部位的差异,确定用户的多个人脸区域的得分,其中,多个人脸区域中的每个人脸区域至少包括一个人脸部位;基于用户的多个人脸区域的得分,确定用户的颜值得分。通过该方法可以达到精确的计算用户的颜值得分的效果。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、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,所述模块、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方式中,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,两个连续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动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。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块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)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:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、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的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种计算颜值得分的方法,其特征在于,包括:
将用户的人脸图像和标准的人脸模型图像进行拟合;
计算拟合后的所述用户的人脸图像和所述标准的人脸模型图像的多个人脸部位的差异;
基于所述多个人脸部位的差异,确定所述用户的多个人脸区域的得分,其中,所述多个人脸区域中的每个人脸区域至少包括一个人脸部位;
基于所述用户的多个人脸区域的得分,确定所述用户的颜值得分。
2.根据权利要求1所述的方法,其特征在于,所述基于所述多个人脸部位的差异,确定所述用户的多个人脸区域的得分,包括:
基于所述多个人脸部位的差异,确定所述用户的每个人脸部位的偏差等级;
基于所述偏差等级,确定所述用户的多个人脸区域的得分。
3.根据权利要求1或2所述的方法,其特征在于,所述基于所述多个人脸部位的差异,确定所述用户的多个人脸区域的得分,包括:
基于所述多个人脸部位的差异,确定所述多个人脸部位中每个部位的得分;
将所述多个人脸部位中每个部位的得分加权求和,得到所述用户的多个人脸区域的得分。
4.根据权利要求1或2所述的方法,其特征在于,所述基于所述用户的多个人脸区域的得分,确定所述用户的颜值得分,包括:
将所述用户的多个人脸区域中的每个人脸区域的得分加权求和,得到所述用户的颜值得分。
5.根据权利要求1或2所述的方法,其特征在于,在所述基于所述用户的多个人脸区域的得分,确定所述用户的颜值得分之后,所述方法还包括:
基于所述用户的颜值得分、所述多个人脸部位的差异和所述多个人脸区域的得分中的至少一种,向所述用户提供用于颜值优化的建议,其中,所述颜值优化的建议包括以下建议中的至少一种:
整形建议、化妆建议、穿搭建议和发型建议。
6.一种计算颜值得分的装置,其特征在于,包括:
拟合模块,用于将用户的人脸图像和标准的人脸模型图像进行拟合;
计算模块,用于计算拟合后的所述用户的人脸图像和所述标准的人脸模型图像的多个人脸部位的差异;
第一确定模块,用于基于所述多个人脸部位的差异,确定所述用户的多个人脸区域的得分,其中,所述多个人脸区域中的每个人脸区域至少包括一个人脸部位;
第二确定模块,用于基于所述用户的多个人脸区域的得分,确定所述用户的颜值得分。
7.根据权利要求6所述的装置,其特征在于,所述第一确定模块具体用于:
基于所述多个人脸部位的差异,确定所述用户的每个人脸部位的偏差等级;
基于所述偏差等级,确定所述用户的多个人脸区域的得分。
8.根据权利要求6或7所述的装置,其特征在于,所述第一确定模块具体用于:
基于所述多个人脸部位的差异,确定所述多个人脸部位中每个部位的得分;
将所述多个人脸部位中每个部位的得分加权求和,得到所述用户的多个人脸区域的得分。
9.根据权利要求6或7所述的装置,其特征在于,所述第二确定模块具体用于:
将所述用户的多个人脸区域中的每个人脸区域的得分加权求和,得到所述用户的颜值得分。
10.根据权利要求6或7所述的装置,其特征在于,所述装置还包括:
推荐模块,用于所述第二确定模块在所述基于所述用户的多个人脸区域的得分,确定所述用户的颜值得分之后,基于所述用户的颜值得分、所述多个人脸部位的差异和所述多个人脸区域的得分中的至少一种,向所述用户提供用于颜值优化的建议,其中,所述颜值优化的建议包括以下建议中的至少一种:
整形建议、化妆建议、穿搭建议和发型建议。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210442664.8A CN114783025A (zh) | 2022-04-25 | 2022-04-25 | 一种计算颜值得分的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210442664.8A CN114783025A (zh) | 2022-04-25 | 2022-04-25 | 一种计算颜值得分的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114783025A true CN114783025A (zh) | 2022-07-22 |
Family
ID=82432270
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210442664.8A Pending CN114783025A (zh) | 2022-04-25 | 2022-04-25 | 一种计算颜值得分的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114783025A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115999156A (zh) * | 2023-03-24 | 2023-04-25 | 深圳游禧科技有限公司 | 角色控制方法、装置、设备及存储介质 |
-
2022
- 2022-04-25 CN CN202210442664.8A patent/CN114783025A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115999156A (zh) * | 2023-03-24 | 2023-04-25 | 深圳游禧科技有限公司 | 角色控制方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11043011B2 (en) | Image processing method, apparatus, terminal, and storage medium for fusing images of two objects | |
CN107169455B (zh) | 基于深度局部特征的人脸属性识别方法 | |
CN109919830B (zh) | 一种基于美学评价的带参考人眼图像修复方法 | |
WO2020114118A1 (zh) | 面部属性识别方法、装置、存储介质及处理器 | |
WO2017107957A9 (zh) | 人脸图像的检索方法及装置 | |
JP2751145B2 (ja) | 眼鏡形状デザイン設計システム | |
KR20210100602A (ko) | 안면 이미지 기반의 리스크 인식 방법, 장치, 컴퓨터 디바이스 및 저장 매체 | |
CN108629336B (zh) | 基于人脸特征点识别的颜值计算方法 | |
US20170169501A1 (en) | Method and system for evaluating fitness between wearer and eyeglasses | |
CN108829900A (zh) | 一种基于深度学习的人脸图像检索方法、装置及终端 | |
EP2920742A2 (en) | Devices, systems, and methods for visual-attribute refinement | |
US20210117651A1 (en) | Facial image identification system, identifier generation device, identification device, image identification system, and identification system | |
CN106570447B (zh) | 基于灰度直方图匹配的人脸照片太阳镜自动去除方法 | |
CN104794693B (zh) | 一种人脸关键区域自动检测蒙版的人像优化方法 | |
CN110930297A (zh) | 人脸图像的风格迁移方法、装置、电子设备及存储介质 | |
WO2024109374A1 (zh) | 换脸模型的训练方法、装置、设备、存储介质和程序产品 | |
CN113591763B (zh) | 人脸脸型的分类识别方法、装置、存储介质及计算机设备 | |
WO2021196718A1 (zh) | 关键点检测的方法和装置、电子设备、存储介质及计算机程序 | |
CN111274919A (zh) | 基于卷积神经网络的五官检测方法、系统、服务器及介质 | |
CN114783025A (zh) | 一种计算颜值得分的方法及装置 | |
US20170091531A1 (en) | Face template balancing | |
CN114677730A (zh) | 活体检测方法、装置、电子设备及存储介质 | |
CN110728242A (zh) | 基于人像识别的图像匹配方法、装置、存储介质及应用 | |
JP2000011143A (ja) | 顔立ち認識システム | |
Lei et al. | A novel side face contour extraction algorithm for driving fatigue statue recognition |
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 |