CN116129151B - 一种基于用户特征的ai发型匹配拟合方法及系统 - Google Patents
一种基于用户特征的ai发型匹配拟合方法及系统 Download PDFInfo
- Publication number
- CN116129151B CN116129151B CN202310154543.8A CN202310154543A CN116129151B CN 116129151 B CN116129151 B CN 116129151B CN 202310154543 A CN202310154543 A CN 202310154543A CN 116129151 B CN116129151 B CN 116129151B
- Authority
- CN
- China
- Prior art keywords
- information
- hairstyle
- user
- matching
- hair
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
- A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
- A61B5/446—Scalp evaluation or scalp disorder diagnosis, e.g. dandruff
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
- A61B5/448—Hair evaluation, e.g. for hair disorder diagnosis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Dermatology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本公开提供了一种基于用户特征的AI发型匹配拟合方法及系统，涉及数据处理技术领域，该方法包括：确定用户个性特征信息；获得用户探测信息；确定用户毛囊特征信息；根据所述用户毛囊特征信息，获得第一匹配发型信息；根据所述用户个性特征信息，获得第二匹配发型信息；基于所述用户个性特征信息、所述用户毛囊特征信息，构建AI发型匹配平台；将所述第一匹配发型信息、第二匹配发型信息输入所述AI发型匹配平台进行发型评价，生成用户发型反馈信息，解决了现有技术中存在的由于推荐出的发型与用户自身特征和毛囊的匹配度不足，进而导致发型与用户之间的适配度不足，且用户体验感不佳的技术问题。
Description
技术领域
本公开涉及数据处理技术领域，具体涉及一种基于用户特征的AI发型匹配拟合方法及系统。
背景技术
现如今，人工智能技术发展迅速，并被快速应用于各个领域，人工智能在发型匹配领域也得到了广泛应用。通过人工智能技术，对发型进行预先设计，并通过虚拟图像展示，使得用户可以预先了解发型效果。
目前，现有技术中存在由于推荐出的发型与用户自身特征和毛囊的匹配度不足，进而导致发型与用户之间的适配度不足，且用户体验感不佳的技术问题。
发明内容
本公开提供了一种基于用户特征的AI发型匹配拟合方法及系统，用以解决现有技术中存在的由于推荐出的发型与用户自身特征和毛囊的匹配度不足，进而导致发型与用户之间的适配度不足，且用户体验感不佳的技术问题。
根据本公开的第一方面，提供了一种基于用户特征的AI发型匹配拟合方法，包括：通过拍摄成像设备对用户进行预设区域图像采集，并对采集图像进行用户特征分析，确定用户个性特征信息；通过毛囊探测设备对用户头皮、毛囊组织进行探测，获得用户探测信息；根据所述用户探测信息进行毛囊分析，确定用户毛囊特征信息；根据所述用户毛囊特征信息，进行发型特征匹配拟合，获得第一匹配发型信息；根据所述用户个性特征信息，进行发型特征匹配拟合，获得第二匹配发型信息；基于所述用户个性特征信息、所述用户毛囊特征信息，构建AI发型匹配平台；将所述第一匹配发型信息、第二匹配发型信息输入所述AI发型匹配平台进行发型评价，生成用户发型反馈信息。
根据本公开的第二方面，提供了一种基于用户特征的AI发型匹配拟合系统，包括：用户特征分析模块，所述用户特征分析模块用于通过拍摄成像设备对用户进行预设区域图像采集，并对采集图像进行用户特征分析，确定用户个性特征信息；头皮探测模块，所述头皮探测模块用于通过毛囊探测设备对用户头皮、毛囊组织进行探测，获得用户探测信息；毛囊分析模块，所述毛囊分析模块用于根据所述用户探测信息进行毛囊分析，确定用户毛囊特征信息；第一匹配模块，所述第一匹配模块用于根据所述用户毛囊特征信息，进行发型特征匹配拟合，获得第一匹配发型信息；第二匹配模块，所述第二匹配模块用于根据所述用户个性特征信息，进行发型特征匹配拟合，获得第二匹配发型信息；AI发型匹配平台构建模块，所述AI发型匹配平台构建模块用于基于所述用户个性特征信息、所述用户毛囊特征信息，构建AI发型匹配平台；发型评价模块，所述发型评价模块用于将所述第一匹配发型信息、第二匹配发型信息输入所述AI发型匹配平台进行发型评价，生成用户发型反馈信息。
根据本公开的第三方面，提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面所述的方法。
根据本公开采用的一种基于用户特征的AI发型匹配拟合方法，通过拍摄成像设备对用户进行预设区域图像采集，并对采集图像进行用户特征分析，确定用户个性特征信息；通过毛囊探测设备对用户头皮、毛囊组织进行探测，获得用户探测信息；根据所述用户探测信息进行毛囊分析，确定用户毛囊特征信息；根据所述用户毛囊特征信息，进行发型特征匹配拟合，获得第一匹配发型信息；根据所述用户个性特征信息，进行发型特征匹配拟合，获得第二匹配发型信息；基于所述用户个性特征信息、所述用户毛囊特征信息，构建AI发型匹配平台；将所述第一匹配发型信息、第二匹配发型信息输入所述AI发型匹配平台进行发型评价，生成用户发型反馈信息。本公开通过对用户个性特征和用户毛囊特征分别进行分析，然后根据用户个性特征和用户毛囊特征分别进行发型匹配拟合，找到对应匹配的发型，将对应匹配发型分别输入到AI平台中进行展示、发型效果评价，达到为用户提供发型选择，推荐出符合用户个性特征和用户毛囊特征，提高用户体验感的技术效果。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本公开或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是示例性的，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，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种基于用户特征的AI发型匹配拟合方法的流程示意图；
图2为本发明实施例中获得第一匹配发型信息的流程示意图；
图3为本发明实施例中生成用户发型反馈信息的流程示意图；
图4为本发明实施例提供的一种基于用户特征的AI发型匹配拟合系统的结构示意图；
图5为本发明实施例提供的一种电子设备的结构示意图。
附图标记说明：用户特征分析模块11，头皮探测模块12，毛囊分析模块13，第一匹配模块14，第二匹配模块15，AI发型匹配平台构建模块16，发型评价模块17，电子设备800，处理器801，存储器802，总线803。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
为了解决现有技术中存在由于推荐出的发型与用户自身特征和毛囊的匹配度不足，进而导致发型与用户之间的适配度不足，且用户体验感不佳的技术问题，本公开的发明人经过创造性的劳动，得到了本公开的一种基于用户特征的AI发型匹配拟合方法及系统。
实施例一
图1为本申请实施例提供的一种基于用户特征的AI发型匹配拟合方法图，如图1所示，所述方法包括：
步骤S100：通过拍摄成像设备对用户进行预设区域图像采集，并对采集图像进行用户特征分析，确定用户个性特征信息；
其中，本申请实施例步骤S100包括：
步骤S110：根据用户基础信息，确定用户目标要求；
步骤S120：基于所述用户目标要求，确定所述预设区域，其中，所述预设区域包括面部、头部、上半身；
步骤S130：根据所述预设区域进行区域特征匹配，针对所述区域特征对采集图像进行特征提取，获得所述用户个性特征信息。
具体而言，上述的拍摄成像设备包括但不限于皮肤镜、专业拍摄拍照设备、手机等含电脑基础功能的设备，预设区域是指对用户的拍摄区域，通过拍摄成像设备对用户进行预设区域图像采集，根据采集到的图像进行用户特征分析，具体就是对用户的脸型、穿衣风格等进行分析，确定用户个性特征信息，用户个性特征信息是指用户自身的风格特征，包括用户的脸型、穿衣风格等特征。也就是说，不同用户的脸型不一样，比如，有的用户脸型偏长、有的用户脸型比较圆润、有的脸型比较小巧、有的脸型大一些，有些用户穿衣风格比较休闲、有的比较职业等，由此获得用户个性特征信息。
具体地，用户基础信息是指用户当前的发型情况，基于此确定用户目标要求，根据用户基础信息确定用户目标要求，用户目标要求是指用户想要的发型要求，包括长度、分布密度等。基于用户目标要求，确定预设区域，预设区域是指对用户的拍摄区域，预设区域包括用户的面部、头部、上半身，也就是说，通过拍摄成像设备对用户的面部、头部、上半身分别进行图像采集，然后根据预设区域进行区域特征匹配，简单来说，面部区域想要获取到的面部特征是用户的脸型特征，头部区域可以提取出发量分布特征，上半身区域则可以提取出用户的穿衣风格特征，针对各个预设区域采集到的图像进行特征提取，获得用户个性特征信息，达到为后续的发型匹配拟合提供基础数据，提升发型匹配效果的技术效果。
步骤S200：通过毛囊探测设备对用户头皮、毛囊组织进行探测，获得用户探测信息；
具体而言，上述的毛囊探测设备是用于对用户的毛囊分布状况、毛囊健康状况等进行探测的仪器，比如头皮毛囊检测仪。通过毛囊探测设备对用户头皮、毛囊组织进行探测，获得用户探测信息，用户探测信息是指通过毛囊探测设备获得的原始毛囊数据。
步骤S300：根据所述用户探测信息进行毛囊分析，确定用户毛囊特征信息；
其中，本申请实施例步骤S300包括：
步骤S310：根据所述用户探测信息，获得毛囊分布信息、毛囊数量、毛囊健康状态；
步骤S320：根据所述毛囊分布信息、毛囊数量、毛囊健康状态，进行毛囊分区及分区评估，获得毛囊分区信息及对应的毛囊评估系数；
步骤S330：根据所述毛囊分区信息及对应的毛囊评估系数，确定所述用户毛囊特征信息。
其中，根据所述毛囊分布信息、毛囊数量、毛囊健康状态，进行毛囊分区及分区评估，获得毛囊分区信息及对应的毛囊评估系数，本申请实施例步骤S330包括：
步骤S331：根据所述毛囊分布信息、毛囊数量，进行毛囊分布密度计算，基于毛囊分布密度、预设宽容区间进行聚类，获得所述毛囊分区信息；
步骤S332：根据所述毛囊健康状态输入生长预测模型，获得毛囊生长预测信息；
步骤S333：根据所述毛囊生长预测信息与预设评估列表进行匹配，获得所述毛囊评估系数；
步骤S334：根据所述毛囊分区信息及分区内各毛囊的所述毛囊评估系数，获得所述毛囊分区信息对应的毛囊评估系数。
具体而言，用户探测信息是指通过毛囊探测设备获得的原始毛囊数据，对这些数据是杂乱的，需要从中提取中有用信息，通过对用户探测信息进行分析、整理、汇总等，进而确定毛囊的数量、分布情况、健康状态，用户毛囊特征信息包括毛囊的数量、分布情况、健康状态。
具体地，根据用户探测信息，获得毛囊分布信息、毛囊数量、毛囊健康状态，毛囊分布信息是指毛囊在头皮上的分布情况，包括不同部位的毛囊数量，比如鬓角、前额、头顶、后脑等部位的毛囊数量，毛囊数量是指毛囊总数，毛囊健康状态是指毛囊是否发生萎缩情况，发生萎缩后导致长出的头发质量低。根据毛囊分布信息、毛囊数量、毛囊健康状态，进行毛囊分区及分区评估，毛囊分区就是将头皮划分出多个区域，每个区域的毛囊分布情况极为接近，多个区域的毛囊分布情况不相同，然后分别对每个区域的毛囊状态进行评估，从而获得毛囊分区信息及各个区域对应的毛囊评估系数，根据毛囊分区信息及对应的毛囊评估系数，确定用户毛囊特征信息，用户毛囊特征信息包括毛囊数量、分布情况、毛囊状态等。达到准确分析毛囊情况，为后续的发型匹配提供数据支持的技术效果。
具体地，获得毛囊评估系数的过程如下：根据毛囊分布信息、毛囊数量，进行毛囊分布密度计算，毛囊分布密度计算是指单位面积的毛囊分布数量，基于毛囊分布密度、预设宽容区间进行聚类，获得毛囊分区信息，预设宽容区间是指区间的大小范围允许存在一定的差值，就是说，如果毛囊分区的区间数值设置太过严格，可能会导致部分毛囊不属于任何一个区域，或者某一个区域内数据过少，根据毛囊分布密度、预设宽容区间将毛囊分布密度较为接近的毛囊划分为一个区域，获得的多个区域即为毛囊分区信息。生长预测模型是通过对毛囊健康状态进行分析，对后续毛囊长出的头发情况进行预测的模型，比如，毛囊健康状态太差，可能会导致后续长出的头发生长速度慢、头发发黄等，将毛囊健康状态输入生长预测模型，可以获得毛囊生长预测信息。预设评估列表包括多种不同的毛囊生长预测信息及其对应的毛囊评估系数，根据毛囊生长预测信息在预设评估列表中进行匹配，找到匹配的毛囊生长预测信息，进而获得对应的毛囊评估系数，需要说明的是，这里获取的毛囊评估系数是进行毛囊分区后各个区域对应的毛囊评估系数，根据毛囊分区信息及分区内各毛囊的毛囊评估系数，可以获得毛囊分区信息对应的毛囊评估系数。达到准确评估毛囊状态，提升发型匹配效果的技术效果。
步骤S400：根据所述用户毛囊特征信息，进行发型特征匹配拟合，获得第一匹配发型信息；
其中，如图2所示，本申请实施例步骤S400包括：
步骤S410：根据所述用户毛囊特征信息，获得毛囊分布信息、毛囊生长预测信息；
步骤S420：根据所述毛囊分布信息、所述毛囊生长预测信息，确定发型约束信息；
步骤S430：获得预设发型数据库，其中包括发型特征及发型限制要求；
步骤S440：根据所述发型约束信息与所述发型特征及发型限制要求进行匹配拟合，获得发型匹配度；
步骤S450：基于所述发型匹配度，按照预设匹配度阈值，确定所述第一匹配发型信息。
具体而言，根据用户毛囊特征信息，可以确定用户头皮不同部位的毛囊数量及健康状态，基于此对毛囊生长情况进行预测，根据预测结果进行发型特征匹配拟合，比如说没有毛囊或毛囊数量较少的部位后续长出的头发少或者没有，从而获得第一匹配发型信息，第一匹配发型信息就是根据用户毛囊特征预测的发型。
具体地，根据用户毛囊特征信息，获得毛囊分布信息、毛囊生长预测信息，根据毛囊分布信息、所述毛囊生长预测信息，确定发型约束信息，也就是说，发型有多种，但是发量、头发分布是由毛囊决定的，没有毛囊或者毛囊萎缩严重的地方无法长出头发，发型约束信息就是根据毛囊分布信息、毛囊生长预测信息确定的用户可以生成的发型。进一步地，获得预设发型数据库，其中包括发型特征及发型限制要求，就是说，预设发型数据库中有多种发型，每种发型都有其对应的发型特征及发型限制要求，根据发型约束信息与预设发型数据库中的发型特征及发型限制要求进行匹配拟合，获得预设发型数据库中每一种发型对应的发型匹配度，预设一个匹配度阈值，筛选出发型匹配度满足预设匹配度阈值的发型，以此作为第一匹配发型信息，达到根据用户毛囊特征进行发型匹配，为后续的AI发型匹配拟合提供数据依据的技术效果。
步骤S500：根据所述用户个性特征信息，进行发型特征匹配拟合，获得第二匹配发型信息；
具体而言，根据用户个性特征信息，进行发型特征匹配拟合，获得第二匹配发型信息，简单来说，用户个性特征信息是指用户自身的风格特征，包括用户的脸型、穿衣风格等特征，基于此进行发型特征匹配拟合，获取到符合用户脸型及其穿衣风格的发型，以此作为第二匹配发型信息。
步骤S600：基于所述用户个性特征信息、所述用户毛囊特征信息，构建AI发型匹配平台；
具体而言，AI发型匹配平台是一种智能生成发型的系统平台，将用户个性特征信息、用户毛囊特征信息作为AI发型匹配的依据，AI发型匹配平台根据用户个性特征信息、用户毛囊特征信息构建一个虚拟人物，虚拟人物的穿衣特征、脸型特征以及毛囊特征均符合用户，后续可以将发型覆盖到虚拟人物上面，生成一个AI发型图像，便于进行发型匹配效果评价。
步骤S700：将所述第一匹配发型信息、第二匹配发型信息输入所述AI发型匹配平台进行发型评价，生成用户发型反馈信息。
其中，如图3所示，本申请实施例步骤S700包括：
步骤S710：将所述第一匹配发型信息输入所述AI发型匹配平台进行发型评价，获得第一匹配发型评价信息及对应第一发型AI展示信息；
步骤S720：将所述第二匹配发型信息输入所述AI发型匹配平台进行发型评价，获得第二匹配发型评价信息及对应第二发型AI展示信息；
步骤S730：基于所述第一匹配发型评价信息、第二匹配发型评价信息，分别从所述第一匹配发型信息、第二匹配发型信息中，获得第一待选发型、第二待选发型；
步骤S740：根据所述第一待选发型，获得第一匹配发型毛囊分布要求；
步骤S750：根据所述第二待选发型，获得第二匹配发型毛囊分布要求；
步骤S760：将所述第一匹配发型毛囊分布要求、第二匹配发型毛囊分布要求进行毛囊分布相似度分析，获得毛囊分布相似度；
步骤S770：根据所述毛囊分布相似度，确定融合发型评价信息；
步骤S780：根据所述第一匹配发型评价信息、第二匹配发型评价信息、融合发型评价信息，生成用户发型评价报告；
步骤S790：根据融合发型评价信息，生成融合发型AI展示信息，将所述用户发型评价报告、所有发型AI展示信息作为用户发型反馈信息。
具体而言，根据第一匹配发型信息、第二匹配发型信息输入AI发型匹配平台进行发型评价，进而进行发型融合，生成用户发型反馈信息，用户发型反馈信息是指发送给客户用于展现发型的信息。
具体地，将第一匹配发型信息输入AI发型匹配平台进行发型评价，评价第一匹配发型信息与用户个性特征信息和用户毛囊特征信息的匹配程度，获得一个评价分数用于表示匹配程度，比如说与用户个性特征信息和用户毛囊特征信息都很匹配，评价分数就较高；与用户个性特征信息不匹配，与用户毛囊特征信息较为匹配，评价分数就低一点；与用户个性特征信息匹配，与用户毛囊特征信息不匹配，评价分数会更低，以此作为第一匹配发型评价信息，对应获得第一发型AI展示信息，第一发型AI展示信息是根据AI发型匹配平台在一个虚拟人物上将第一匹配发型信息进行覆盖，获得虚拟AI人物的发型图像，通过电脑或者其他显示设备展示。进一步地，将第二匹配发型信息输入AI发型匹配平台进行发型评价，评价第二匹配发型信息与用户个性特征信息和用户毛囊特征信息的匹配程度，获得一个评价分数用于表示匹配程度，以此作为第二匹配发型评价信息，对应获得第二发型AI展示信息，与第一发型AI展示信息一样，第二发型AI展示信息是根据AI发型匹配平台在一个虚拟人物上将第二匹配发型信息进行覆盖，获得虚拟AI人物的发型图像。根据第一匹配发型评价信息、第二匹配发型评价信息，分别从第一匹配发型信息、第二匹配发型信息中获得第一待选发型、第二待选发型，就是说，第一匹配发型信息和第二匹配发型信息中包含有多种发型，对应的第一匹配发型评价信息和第二匹配发型评价信息中有多个评价结果，从第一匹配发型评价信息和第二匹配发型评价信息中找出评价分数最高的发型，作为第一待选发型和第二待选发型。根据第一待选发型，获得第一匹配发型毛囊分布要求，第一匹配发型毛囊分布要求包括第一待选发型需要的毛囊分布情况、分布数量等信息，根据第二待选发型，获得第二匹配发型毛囊分布要求，第二匹配发型毛囊分布要求包括第二待选发型需要的毛囊分布情况、分布数量等信息。将第一匹配发型毛囊分布要求、第二匹配发型毛囊分布要求进行毛囊分布相似度分析，简单来说，就是分析两个发型对应的毛囊分布情况的相似程度，从而获得毛囊分布相似度。进一步根据毛囊分布相似度，对发型进行融合，对融合后的发型进行评价，确定融合发型评价信息，根据第一匹配发型评价信息、第二匹配发型评价信息、融合发型评价信息，生成用户发型评价报告，用户发型评价报告就是对第一匹配发型评价信息、第二匹配发型评价信息、融合发型评价信息的融合汇总，生成一个报告。根据融合发型评价信息，生成融合发型AI展示信息，融合发型AI展示信息是指将融合后的发型放到虚拟人物身上，形成一个虚拟图像，最后将用户发型评价报告、所有发型AI展示信息作为用户发型反馈信息，达到实现发型融合，为用户提供符合用户的个性特征和毛囊特征的发型的技术效果。
其中，本申请实施例步骤S800包括：
步骤S810：根据所述用户毛囊特征信息，分别与所述第一匹配发型信息、第二匹配发型信息进行匹配，确定当前匹配发型效果信息；
步骤S820：根据所述用户毛囊特征信息，进行发型生长预测，获得发型生长预测信息；
步骤S830：基于所述当前匹配发型效果信息、发型生长预测信息，生成AI生长预测图像。
具体而言，根据用户毛囊特征信息，分别与第一匹配发型信息、第二匹配发型信息进行匹配，就是说，第一匹配发型信息和第二匹配发型信息中包含有多个不同发型，根据用户毛囊特征信息确定第一匹配发型信息和第二匹配发型信息中包含的发型与用户毛囊特征的匹配程度，以此作为当前匹配发型效果信息。根据用户毛囊特征信息，进行发型生长预测，获得发型生长预测信息，简单来说，就是根据毛囊特征，确定不同部位头发的生长速度，对后期发型变化进行预测，比如，由于毛囊特征，头发生长速度不一致，后期发型可能不整齐，发型生长预测信息是指发型后期产生的各种变化，基于当前匹配发型效果信息、发型生长预测信息，生成AI生长预测图像，就是将发型变化过程通过AI图像展示，比如当前发型比较整齐，由于头发生长速度不一致，后期发型可能变得参差不齐，将这种情况通过AI图像展示出来，使得可以清晰看出发型变化。达到为预测发型生长情况，使得用户清楚了解后期发型变化，提高用户体验感的技术效果。
其中，本申请实施例步骤S900包括：
步骤S910：根据所述用户发型反馈信息，获得用户需求发型；
步骤S920：根据所述用户需求发型、用户毛囊特征信息，获得毛囊缺失异常信息；
步骤S930：根据所述毛囊缺失异常信息，确定植发补偿方案；
步骤S940：基于所述植发补偿方案、所述用户毛囊特征信息，进行发型生长预测，获得发型生长预测信息。
具体而言，根据用户发型反馈信息，获得用户需求发型，就是确定用户想要的发型，根据用户需求发型、用户毛囊特征信息，获得毛囊缺失异常信息，简单来说，用户需求发型和用户毛囊特征信息可能不匹配，就是用户想要的发型中，由于一部分头皮位置存在毛囊缺失问题，无法达到这种发型效果，毛囊缺失异常信息是指毛囊缺失的位置，毛囊缺失的位置可能需要进行植发，根据毛囊缺失异常信息，确定植发补偿方案，植发补偿方案包括毛囊提取点和毛囊移植点，就是从毛囊分布比较多的位置中提取部分毛囊，一直到毛囊缺失位置处。根据植发补偿方案、用户毛囊特征信息，确定如果进行植发后，对发型生长变化情况进行预测，以预测结果作为发型生长预测信息，达到根据用户需求推荐植发方案，保证发型效果的技术效果。
基于上述分析可知，本公开提供了一种基于用户特征的AI发型匹配拟合方法，在本实施例中，通过对用户个性特征和用户毛囊特征分别进行分析，然后根据用户个性特征和用户毛囊特征分别进行发型匹配拟合，找到对应匹配的发型，将对应匹配发型分别输入到AI平台中进行展示、发型效果评价，达到为用户提供发型选择，推荐出符合用户个性特征和用户毛囊特征，提高用户体验感的技术效果。
实施例二
基于与前述实施例中一种基于用户特征的AI发型匹配拟合方法同样的发明构思，如图4所示，本申请还提供了一种基于用户特征的AI发型匹配拟合系统，所述系统包括：
用户特征分析模块11，所述用户特征分析模块11用于通过拍摄成像设备对用户进行预设区域图像采集，并对采集图像进行用户特征分析，确定用户个性特征信息；
头皮探测模块12，所述头皮探测模块12用于通过毛囊探测设备对用户头皮、毛囊组织进行探测，获得用户探测信息；
毛囊分析模块13，所述毛囊分析模块13用于根据所述用户探测信息进行毛囊分析，确定用户毛囊特征信息；
第一匹配模块14，所述第一匹配模块14用于根据所述用户毛囊特征信息，进行发型特征匹配拟合，获得第一匹配发型信息；
第二匹配模块15，所述第二匹配模块15用于根据所述用户个性特征信息，进行发型特征匹配拟合，获得第二匹配发型信息；
AI发型匹配平台构建模块16，所述AI发型匹配平台构建模块16用于基于所述用户个性特征信息、所述用户毛囊特征信息，构建AI发型匹配平台；
发型评价模块17，所述发型评价模块17用于将所述第一匹配发型信息、第二匹配发型信息输入所述AI发型匹配平台进行发型评价，生成用户发型反馈信息。
进一步而言，所述系统还包括：
用户目标要求确定模块，所述用户目标要求确定模块用于根据用户基础信息，确定用户目标要求；
预设区域确定模块，所述预设区域确定模块用于基于所述用户目标要求，确定所述预设区域，其中，所述预设区域包括面部、头部、上半身；
区域特征匹配模块，所述区域特征匹配模块用于根据所述预设区域进行区域特征匹配，针对所述区域特征对采集图像进行特征提取，获得所述用户个性特征信息。
进一步而言，所述系统还包括：
毛囊信息获取模块，所述毛囊信息获取模块用于根据所述用户探测信息，获得毛囊分布信息、毛囊数量、毛囊健康状态；
毛囊分区评估模块，所述毛囊分区评估模块用于根据所述毛囊分布信息、毛囊数量、毛囊健康状态，进行毛囊分区及分区评估，获得毛囊分区信息及对应的毛囊评估系数；
用户毛囊特征信息确定模块，所述用户毛囊特征信息确定模块用于根据所述毛囊分区信息及对应的毛囊评估系数，确定所述用户毛囊特征信息。
进一步而言，所述系统还包括：
毛囊分区聚类模块，所述毛囊分区聚类模块用于根据所述毛囊分布信息、毛囊数量，进行毛囊分布密度计算，基于毛囊分布密度、预设宽容区间进行聚类，获得所述毛囊分区信息；
毛囊生长预测模块，所述毛囊生长预测模块用于根据所述毛囊健康状态输入生长预测模型，获得毛囊生长预测信息；
毛囊评估模块，所述毛囊评估模块用于根据所述毛囊生长预测信息与预设评估列表进行匹配，获得所述毛囊评估系数；
分区毛囊评估系数获取模块，所述分区毛囊评估系数获取模块用于根据所述毛囊分区信息及分区内各毛囊的所述毛囊评估系数，获得所述毛囊分区信息对应的毛囊评估系数。
进一步而言，所述系统还包括：
毛囊特征分析模块，所述毛囊特征分析模块用于根据所述用户毛囊特征信息，获得毛囊分布信息、毛囊生长预测信息；
发型约束信息确定模块，所述发型约束信息确定模块用于根据所述毛囊分布信息、所述毛囊生长预测信息，确定发型约束信息；
预设发型数据库获取模块，所述预设发型数据库获取模块用于获得预设发型数据库，其中包括发型特征及发型限制要求；
发型匹配度获取模块，所述发型匹配度获取模块用于根据所述发型约束信息与所述发型特征及发型限制要求进行匹配拟合，获得发型匹配度；
第一匹配发型信息确定模块，所述第一匹配发型信息确定模块用于基于所述发型匹配度，按照预设匹配度阈值，确定所述第一匹配发型信息。
进一步而言，所述系统还包括：
第一匹配发型评价模块，所述第一匹配发型评价模块用于将所述第一匹配发型信息输入所述AI发型匹配平台进行发型评价，获得第一匹配发型评价信息及对应第一发型AI展示信息；
第二匹配发型评价模块，所述第二匹配发型评价模块用于将所述第二匹配发型信息输入所述AI发型匹配平台进行发型评价，获得第二匹配发型评价信息及对应第二发型AI展示信息；
待选发型获取模块，所述待选发型获取模块用于基于所述第一匹配发型评价信息、第二匹配发型评价信息，分别从所述第一匹配发型信息、第二匹配发型信息中，获得第一待选发型、第二待选发型；
第一匹配发型毛囊分布要求获取模块，所述第一匹配发型毛囊分布要求获取模块用于根据所述第一待选发型，获得第一匹配发型毛囊分布要求；
第二匹配发型毛囊分布要求获取模块，所述第二匹配发型毛囊分布要求获取模块用于根据所述第二待选发型，获得第二匹配发型毛囊分布要求；
毛囊分布相似度分析模块，所述毛囊分布相似度分析模块用于将所述第一匹配发型毛囊分布要求、第二匹配发型毛囊分布要求进行毛囊分布相似度分析，获得毛囊分布相似度；
融合发型评价信息确定模块，所述融合发型评价信息确定模块用于根据所述毛囊分布相似度，确定融合发型评价信息；
用户发型评价报告生成模块，所述用户发型评价报告生成模块用于根据所述第一匹配发型评价信息、第二匹配发型评价信息、融合发型评价信息，生成用户发型评价报告；
AI展示画面生成模块，所述AI展示画面生成模块用于根据融合发型评价信息，生成融合发型AI展示信息，将所述用户发型评价报告、所有发型AI展示信息作为用户发型反馈信息。
进一步而言，所述系统还包括：
当前匹配发型效果确定模块，所述当前匹配发型效果确定模块用于根据所述用户毛囊特征信息，分别与所述第一匹配发型信息、第二匹配发型信息进行匹配，确定当前匹配发型效果信息；
发型生长预测模块，所述发型生长预测模块用于根据所述用户毛囊特征信息，进行发型生长预测，获得发型生长预测信息；
AI生长预测图像生成模块，所述AI生长预测图像生成模块用于基于所述当前匹配发型效果信息、发型生长预测信息，生成AI生长预测图像。
进一步而言，所述系统还包括：
用户需求发型获取模块，所述用户需求发型获取模块用于根据所述用户发型反馈信息，获得用户需求发型；
毛囊缺失异常信息获取模块，所述毛囊缺失异常信息获取模块用于根据所述用户需求发型、用户毛囊特征信息，获得毛囊缺失异常信息；
植发补偿方案确定模块，所述植发补偿方案确定模块用于根据所述毛囊缺失异常信息，确定植发补偿方案；
发型生长预测信息获取模块，所述发型生长预测信息获取模块用于基于所述植发补偿方案、所述用户毛囊特征信息，进行发型生长预测，获得发型生长预测信息。
前述实施例一中的一种基于用户特征的AI发型匹配拟合方法具体实例同样适用于本实施例的一种基于用户特征的AI发型匹配拟合系统，通过前述对一种基于用户特征的AI发型匹配拟合方法的详细描述，本领域技术人员可以清楚地知道本实施例中一种基于用户特征的AI发型匹配拟合系统，所以为了说明书的简洁，在此不再详述。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
实施例三
图5是根据本公开第三实施例的示意图，如图5所示，本公开中的电子设备800可以包括：处理器801和存储器802。
存储器802，用于存储程序；存储器802，可以包括易失性存储器(英文：volatilememory)，例如随机存取存储器(英文：random-access memory，缩写：RAM)，如静态随机存取存储器(英文：static random-access memory，缩写：SRAM)，双倍数据率同步动态随机存取存储器(英文：Double Data Rate Synchronous Dynamic Random AccessMemory，缩写：DDR SDRAM)等；存储器也可以包括非易失性存储器(英文：non-volatilememory)，例如快闪存储器(英文：flash memory)。存储器802用于存储计算机程序(如实现上述方法的应用程序、功能模块等)、计算机指令等，上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器802中。并且上述的计算机程序、计算机指令、数据等可以被处理器801调用。
上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器802中。并且上述的计算机程序、计算机指据等可以被处理器801调用。
处理器801，用于执行存储器802存储的计算机程序，以实现上述实施例涉及的方法中的各个步骤。
具体可以参见前面方法实施例中的相关描述。
处理器801和存储器802可以是独立结构，也可以是集成在一起的集成结构。当处理器801和存储器802是独立结构时，存储器802、处理器801可以通过总线803耦合连接。
本实施例的电子设备可以执行上述方法中的技术方案，其具体实现过程和技术原理相同，此处不再赘述。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
根据本公开的实施例，本公开还提供了一种计算机程序产品，计算机程序产品包括：计算机程序，计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从可读存储介质读取计算机程序，至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行，也可以顺序地执行也可以不同的次序执行，
只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (9)
1.一种基于用户特征的AI发型匹配拟合方法，其特征在于，所述方法包括：
通过拍摄成像设备对用户进行预设区域图像采集，并对采集图像进行用户特征分析，确定用户个性特征信息；
通过毛囊探测设备对用户头皮、毛囊组织进行探测，获得用户探测信息；
根据所述用户探测信息进行毛囊分析，确定用户毛囊特征信息；
根据所述用户毛囊特征信息，进行发型特征匹配拟合，获得第一匹配发型信息；
根据所述用户个性特征信息，进行发型特征匹配拟合，获得第二匹配发型信息；
基于所述用户个性特征信息、所述用户毛囊特征信息，构建AI发型匹配平台；
将所述第一匹配发型信息、第二匹配发型信息输入所述AI发型匹配平台进行发型评价，生成用户发型反馈信息，其中包括：将所述第一匹配发型信息输入所述AI发型匹配平台进行发型评价，获得第一匹配发型评价信息及对应第一发型AI展示信息；将所述第二匹配发型信息输入所述AI发型匹配平台进行发型评价，获得第二匹配发型评价信息及对应第二发型AI展示信息；基于所述第一匹配发型评价信息、第二匹配发型评价信息，分别从所述第一匹配发型信息、第二匹配发型信息中，获得第一待选发型、第二待选发型；根据所述第一待选发型，获得第一匹配发型毛囊分布要求；根据所述第二待选发型，获得第二匹配发型毛囊分布要求；将所述第一匹配发型毛囊分布要求、第二匹配发型毛囊分布要求进行毛囊分布相似度分析，获得毛囊分布相似度；根据所述毛囊分布相似度，确定融合发型评价信息；根据所述第一匹配发型评价信息、第二匹配发型评价信息、融合发型评价信息，生成用户发型评价报告；根据融合发型评价信息，生成融合发型AI展示信息，将所述用户发型评价报告、所有发型AI展示信息作为用户发型反馈信息。
2.如权利要求1所述的方法，其特征在于，通过拍摄成像设备对用户进行预设区域图像采集，并对采集图像进行用户特征分析，确定用户个性特征信息，包括：
根据用户基础信息，确定用户目标要求；
基于所述用户目标要求，确定所述预设区域，其中，所述预设区域包括面部、头部、上半身；
根据所述预设区域进行区域特征匹配，针对所述区域特征对采集图像进行特征提取，获得所述用户个性特征信息。
3.如权利要求1所述的方法，其特征在于，根据所述用户探测信息进行毛囊分析，确定用户毛囊特征信息，包括：
根据所述用户探测信息，获得毛囊分布信息、毛囊数量、毛囊健康状态；
根据所述毛囊分布信息、毛囊数量、毛囊健康状态，进行毛囊分区及分区评估，获得毛囊分区信息及对应的毛囊评估系数；
根据所述毛囊分区信息及对应的毛囊评估系数，确定所述用户毛囊特征信息。
4.如权利要求3所述的方法，其特征在于，根据所述毛囊分布信息、毛囊数量、毛囊健康状态，进行毛囊分区及分区评估，获得毛囊分区信息及对应的毛囊评估系数，包括：
根据所述毛囊分布信息、毛囊数量，进行毛囊分布密度计算，基于毛囊分布密度、预设宽容区间进行聚类，获得所述毛囊分区信息；
根据所述毛囊健康状态输入生长预测模型，获得毛囊生长预测信息；
根据所述毛囊生长预测信息与预设评估列表进行匹配，获得所述毛囊评估系数；
根据所述毛囊分区信息及分区内各毛囊的所述毛囊评估系数，获得所述毛囊分区信息对应的毛囊评估系数。
5.如权利要求4所述的方法，其特征在于，根据所述用户毛囊特征信息，进行发型特征匹配拟合，获得第一匹配发型信息，包括：
根据所述用户毛囊特征信息，获得毛囊分布信息、毛囊生长预测信息；
根据所述毛囊分布信息、所述毛囊生长预测信息，确定发型约束信息；
获得预设发型数据库，其中包括发型特征及发型限制要求；
根据所述发型约束信息与所述发型特征及发型限制要求进行匹配拟合，获得发型匹配度；
基于所述发型匹配度，按照预设匹配度阈值，确定所述第一匹配发型信息。
6.如权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述用户毛囊特征信息，分别与所述第一匹配发型信息、第二匹配发型信息进行匹配，确定当前匹配发型效果信息；
根据所述用户毛囊特征信息，进行发型生长预测，获得发型生长预测信息；
基于所述当前匹配发型效果信息、发型生长预测信息，生成AI生长预测图像。
7.如权利要求6所述的方法，其特征在于，所述方法还包括：
根据所述用户发型反馈信息，获得用户需求发型；
根据所述用户需求发型、用户毛囊特征信息，获得毛囊缺失异常信息；
根据所述毛囊缺失异常信息，确定植发补偿方案；
基于所述植发补偿方案、所述用户毛囊特征信息，进行发型生长预测，获得发型生长预测信息。
8.一种基于用户特征的AI发型匹配拟合系统，其特征在于，所述系统包括：
用户特征分析模块，所述用户特征分析模块用于通过拍摄成像设备对用户进行预设区域图像采集，并对采集图像进行用户特征分析，确定用户个性特征信息；
头皮探测模块，所述头皮探测模块用于通过毛囊探测设备对用户头皮、毛囊组织进行探测，获得用户探测信息；
毛囊分析模块，所述毛囊分析模块用于根据所述用户探测信息进行毛囊分析，确定用户毛囊特征信息；
第一匹配模块，所述第一匹配模块用于根据所述用户毛囊特征信息，进行发型特征匹配拟合，获得第一匹配发型信息；
第二匹配模块，所述第二匹配模块用于根据所述用户个性特征信息，进行发型特征匹配拟合，获得第二匹配发型信息；
AI发型匹配平台构建模块，所述AI发型匹配平台构建模块用于基于所述用户个性特征信息、所述用户毛囊特征信息，构建AI发型匹配平台；
发型评价模块，所述发型评价模块用于将所述第一匹配发型信息、第二匹配发型信息输入所述AI发型匹配平台进行发型评价，生成用户发型反馈信息；
第一匹配发型评价模块，所述第一匹配发型评价模块用于将所述第一匹配发型信息输入所述AI发型匹配平台进行发型评价，获得第一匹配发型评价信息及对应第一发型AI展示信息；
第二匹配发型评价模块，所述第二匹配发型评价模块用于将所述第二匹配发型信息输入所述AI发型匹配平台进行发型评价，获得第二匹配发型评价信息及对应第二发型AI展示信息；
待选发型获取模块，所述待选发型获取模块用于基于所述第一匹配发型评价信息、第二匹配发型评价信息，分别从所述第一匹配发型信息、第二匹配发型信息中，获得第一待选发型、第二待选发型；
第一匹配发型毛囊分布要求获取模块，所述第一匹配发型毛囊分布要求获取模块用于根据所述第一待选发型，获得第一匹配发型毛囊分布要求；
第二匹配发型毛囊分布要求获取模块，所述第二匹配发型毛囊分布要求获取模块用于根据所述第二待选发型，获得第二匹配发型毛囊分布要求；
毛囊分布相似度分析模块，所述毛囊分布相似度分析模块用于将所述第一匹配发型毛囊分布要求、第二匹配发型毛囊分布要求进行毛囊分布相似度分析，获得毛囊分布相似度；
融合发型评价信息确定模块，所述融合发型评价信息确定模块用于根据所述毛囊分布相似度，确定融合发型评价信息；
用户发型评价报告生成模块，所述用户发型评价报告生成模块用于根据所述第一匹配发型评价信息、第二匹配发型评价信息、融合发型评价信息，生成用户发型评价报告；
AI展示画面生成模块，所述AI展示画面生成模块用于根据融合发型评价信息，生成融合发型AI展示信息，将所述用户发型评价报告、所有发型AI展示信息作为用户发型反馈信息。
9.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310154543.8A CN116129151B (zh) | 2023-02-23 | 2023-02-23 | 一种基于用户特征的ai发型匹配拟合方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310154543.8A CN116129151B (zh) | 2023-02-23 | 2023-02-23 | 一种基于用户特征的ai发型匹配拟合方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116129151A CN116129151A (zh) | 2023-05-16 |
| CN116129151B true CN116129151B (zh) | 2023-08-11 |
Family
ID=86299117
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310154543.8A Active CN116129151B (zh) | 2023-02-23 | 2023-02-23 | 一种基于用户特征的ai发型匹配拟合方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116129151B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20120046652A (ko) * | 2010-11-02 | 2012-05-10 | 에스케이플래닛 주식회사 | 얼굴 인식 기반의 헤어 추천 시스템 및 그 방법 |
| KR20180000557A (ko) * | 2016-06-23 | 2018-01-03 | (주)휴먼사인즈 | 미용실 스마트미러 장치와 이를 이용한 미용 서비스 방법 |
| CN108090422A (zh) * | 2017-11-30 | 2018-05-29 | 深圳云天励飞技术有限公司 | 发型推荐方法、智能镜子及存储介质 |
| CN108399651A (zh) * | 2018-02-09 | 2018-08-14 | 武汉技兴科技有限公司 | 一种人体发型三维建模及模型复用的方法 |
| CN108664569A (zh) * | 2018-04-24 | 2018-10-16 | 杭州数为科技有限公司 | 一种发型推荐方法、系统、终端及介质 |
| CN113081262A (zh) * | 2021-06-09 | 2021-07-09 | 南京新生医疗科技有限公司 | 一种智能定点规划植发区域的方法及系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005327111A (ja) * | 2004-05-14 | 2005-11-24 | Pioneer Electronic Corp | ヘアスタイル表示システム及び方法、並びにコンピュータプログラム |
| US11172873B2 (en) * | 2018-05-17 | 2021-11-16 | The Procter & Gamble Company | Systems and methods for hair analysis |
-
2023
- 2023-02-23 CN CN202310154543.8A patent/CN116129151B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20120046652A (ko) * | 2010-11-02 | 2012-05-10 | 에스케이플래닛 주식회사 | 얼굴 인식 기반의 헤어 추천 시스템 및 그 방법 |
| KR20180000557A (ko) * | 2016-06-23 | 2018-01-03 | (주)휴먼사인즈 | 미용실 스마트미러 장치와 이를 이용한 미용 서비스 방법 |
| CN108090422A (zh) * | 2017-11-30 | 2018-05-29 | 深圳云天励飞技术有限公司 | 发型推荐方法、智能镜子及存储介质 |
| CN108399651A (zh) * | 2018-02-09 | 2018-08-14 | 武汉技兴科技有限公司 | 一种人体发型三维建模及模型复用的方法 |
| CN108664569A (zh) * | 2018-04-24 | 2018-10-16 | 杭州数为科技有限公司 | 一种发型推荐方法、系统、终端及介质 |
| CN113081262A (zh) * | 2021-06-09 | 2021-07-09 | 南京新生医疗科技有限公司 | 一种智能定点规划植发区域的方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| Hansini Weerasinghe ; Dushyanthi Vidanagama.Machine Learning Approach for Hairstyle Recommendation.2020 5th International Conference on Information Technology Research (ICITR).2020,全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116129151A (zh) | 2023-05-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102483767B (zh) | 对象关联装置、对象关联方法、程序及记录介质 | |
| Himberg et al. | Validating the independent components of neuroimaging time series via clustering and visualization | |
| Shi et al. | Face-to-parameter translation for game character auto-creation | |
| CN103649987B (zh) | 脸印象分析方法、美容信息提供方法和脸图像生成方法 | |
| KR101758825B1 (ko) | 얼굴 부위별 나이와 환경적 요인을 기반으로 하는 나이 변환 방법, 이를 수행하기 위한 기록 매체 및 장치 | |
| Scheffler et al. | Hybrid principal components analysis for region-referenced longitudinal functional EEG data | |
| CN105405157B (zh) | 肖像画生成装置、肖像画生成方法 | |
| KR20090000635A (ko) | 사용자의 선호도를 만족시키는 3차원 얼굴 성형 시스템 및그 방법 | |
| JP2023547028A (ja) | 顔画像品質評価方法及び装置、コンピュータ機器並びにコンピュータプログラム | |
| CN109685873B (zh) | 一种人脸重建方法、装置、设备和存储介质 | |
| CN114913303A (zh) | 虚拟形象生成方法及相关装置、电子设备、存储介质 | |
| US20150278910A1 (en) | Directed Recommendations | |
| CN116129151B (zh) | 一种基于用户特征的ai发型匹配拟合方法及系统 | |
| KR20180110842A (ko) | 가상체험을 기반으로 하는 고객 맞춤형 반영구화장 시술 추천시스템 및 그 서비스 방법 | |
| Chao et al. | A framework for robust feature selection for real-time fashion style recommendation | |
| CN114298997A (zh) | 一种伪造图片检测方法、装置及存储介质 | |
| CN112200717B (zh) | 基于神经网络的复杂服装虚拟试衣方法、装置及存储介质 | |
| Xu et al. | Personalized face inpainting with diffusion models by parallel visual attention | |
| CN113408332A (zh) | 视频分镜方法、装置、设备及计算机可读存储介质 | |
| CN111447260A (zh) | 信息推送、信息发布方法及装置 | |
| WO2014078530A1 (en) | Automated thumbnail selection for online video | |
| Mirabet-Herranz et al. | New insights on weight estimation from face images | |
| US9373021B2 (en) | Method, apparatus and system for outputting a group of images | |
| EP3767575A1 (en) | Systems and methods for recommendation of makeup effects based on makeup trends and facial analysis | |
| US20080136811A1 (en) | Image displaying system |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |