CN117257243B - 手持脱毛仪的信息处理方法、装置、电子设备及存储介质 - Google Patents
手持脱毛仪的信息处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117257243B CN117257243B CN202311566386.8A CN202311566386A CN117257243B CN 117257243 B CN117257243 B CN 117257243B CN 202311566386 A CN202311566386 A CN 202311566386A CN 117257243 B CN117257243 B CN 117257243B
- Authority
- CN
- China
- Prior art keywords
- dehairing
- data
- handheld
- instrument
- working mode
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 52
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 153
- 230000035945 sensitivity Effects 0.000 claims abstract description 47
- 230000036555 skin type Effects 0.000 claims abstract description 38
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 24
- 238000012937 correction Methods 0.000 claims abstract description 18
- 210000004209 hair Anatomy 0.000 claims description 71
- 238000000034 method Methods 0.000 claims description 51
- 238000012544 monitoring process Methods 0.000 claims description 29
- 230000002159 abnormal effect Effects 0.000 claims description 23
- 230000004927 fusion Effects 0.000 claims description 23
- 238000001228 spectrum Methods 0.000 claims description 20
- 230000003803 hair density Effects 0.000 claims description 13
- 230000005855 radiation Effects 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 5
- 238000000985 reflectance spectrum Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 23
- 230000000694 effects Effects 0.000 description 21
- 238000012545 processing Methods 0.000 description 8
- 230000003595 spectral effect Effects 0.000 description 7
- 230000002951 depilatory effect Effects 0.000 description 6
- 230000035617 depilation Effects 0.000 description 5
- 238000010438 heat treatment Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000007794 irritation Effects 0.000 description 3
- 230000037307 sensitive skin Effects 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000013021 overheating Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000036559 skin health Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000011282 treatment Methods 0.000 description 2
- 206010040880 Skin irritation Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000002301 combined effect Effects 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003020 moisturizing effect Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 230000036556 skin irritation Effects 0.000 description 1
- 231100000475 skin irritation Toxicity 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- 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
- A61B5/443—Evaluating skin constituents, e.g. elastin, melanin, water
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30088—Skin; Dermal
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Heart & Thoracic Surgery (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Artificial Intelligence (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Dermatology (AREA)
- General Physics & Mathematics (AREA)
- Psychiatry (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Physiology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Fuzzy Systems (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Mathematical Physics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明涉及信息处理技术领域,公开了一种手持脱毛仪的信息处理方法、装置、电子设备及存储介质,用于提高手持脱毛仪的信息处理的准确率。包括:基于目标肤质类型以及敏感度数据,进行工作模式匹配,确定初始工作模式并控制手持脱毛仪;采集手持脱毛仪在初始工作模式下的实时状态参数,将实时状态参数输入预置的反馈控制算法进行工作调整参数分析,得到调整参数数据;对初始工作模式进行模式修正,得到目标工作模式,通过目标工作模式控制手持脱毛仪;采集手持脱毛仪在目标工作模式下的实时图像数据,通过实时图像数据进行贴合度分析,得到贴合度分析结果并根据贴合度分析结果生成语音反馈数据,并控制手持脱毛仪对语音反馈数据进行播放。
Description
技术领域
本发明涉及信息处理技术领域,尤其涉及一种手持脱毛仪的信息处理方法、装置、电子设备及存储介质。
背景技术
随着美容和个人护理的兴起,人们对脱毛技术的需求不断增加。传统的脱毛方法存在一些不便之处,因此,电动脱毛仪成为了越来越受欢迎的选择。然而,传统电动脱毛仪往往缺乏对用户个体差异的关注,未能提供个性化的肌肤护理服务。因此,对于一种结合智能化技术的手持脱毛仪的需求逐渐崭露头角。
传统脱毛仪通常采用一种通用的工作模式,未能充分考虑用户肌肤的个体差异。因此,用户在使用过程中面临效果不佳或肌肤刺激的问题。许多电动脱毛仪的工作参数是静态设置的,未能实时地根据用户肌肤状态进行调整。这导致在不同的使用情境下,脱毛效果不一致。
发明内容
本发明提供了一种手持脱毛仪的信息处理方法、装置、电子设备及存储介质,用于提高手持脱毛仪的信息处理的准确率。
本发明第一方面提供了一种手持脱毛仪的信息处理方法,所述手持脱毛仪的信息处理方法包括:
通过所述手持脱毛仪的传感器模组对手持用户进行肌肤指标监测,得到监测指标集;
通过所述监测指标集构建所述手持用户的肤质模型,并对所述肤质模型进行肤质类型及敏感度分析,得到目标肤质类型以及敏感度数据;
基于所述目标肤质类型以及所述敏感度数据,对所述手持脱毛仪进行工作模式匹配,确定初始工作模式并通过所述初始工作模式控制所述手持脱毛仪;
采集所述手持脱毛仪在所述初始工作模式下的实时状态参数,并将所述实时状态参数输入预置的反馈控制算法进行工作调整参数分析,得到对应的调整参数数据;
基于所述调整参数数据对所述初始工作模式进行模式修正,得到目标工作模式,并通过所述目标工作模式控制所述手持脱毛仪;
采集所述手持脱毛仪在所述目标工作模式下的实时图像数据,并通过所述实时图像数据进行贴合度分析,得到贴合度分析结果并根据所述贴合度分析结果生成语音反馈数据,并控制所述手持脱毛仪对所述语音反馈数据进行播放。
结合第一方面,在本发明第一方面的第一实施方式中,所述通过所述手持脱毛仪的传感器模组对手持用户进行肌肤指标监测,得到监测指标集,包括:
通过所述传感器模组中的红外传感器对所述手持用户进行辐射热量采集,得到辐射热量数据;
通过所述传感器模组中的光谱传感器对所述手持用户进行反射光谱采集,得到反射光谱数据;
通过所述传感器模组中的湿度传感器对所述手持用户进行湿度数据采集,得到肌肤湿度数据;
将所述辐射热量数据、所述反射光谱数据以及所述肌肤湿度数据合并为所述监测指标集。
结合第一方面,在本发明第一方面的第二实施方式中,所述基于所述目标肤质类型以及所述敏感度数据,对所述手持脱毛仪进行工作模式匹配,确定初始工作模式并通过所述初始工作模式控制所述手持脱毛仪,包括:
对所述目标肤质类型以及所述敏感度数据进行融合向量构建,得到目标融合向量;
对所述目标融合向量进行肤质特征提取,得到对应的肤质特征集合;
通过所述肤质特征集合对所述手持脱毛仪进行功率分析,得到对应的初始工作功率;
基于所述初始工作功率,对所述敏感度数据进行脉冲频率计算,得到对应的初始脉冲频率;
对所述初始工作功率以及所述初始脉冲频率进行脱毛周期分析,得到对应的初始脱毛周期;
基于所述初始工作功率、所述初始脉冲频率以及所述初始脱毛周期对所述手持脱毛仪进行工作模式匹配,得到所述初始工作模式并通过所述初始工作模式控制所述手持脱毛仪。
结合第一方面,在本发明第一方面的第三实施方式中,所述采集所述手持脱毛仪在所述初始工作模式下的实时状态参数,并将所述实时状态参数输入预置的反馈控制算法进行工作调整参数分析,得到对应的调整参数数据,包括:
采集所述手持脱毛仪在所述初始工作模式下的实时状态参数,其中,所述实时状态参数包括:温度数据以及湿度数据;
将所述温度数据以及所述湿度数据输入所述反馈控制算法进行模糊控制变量分析,得到模糊控制变量集合;
对所述模糊控制变量集合进行目标参数提取,得到对应的目标参数数据;
根据所述目标参数数据对所述实时状态参数进行工作调整参数分析,得到所述调整参数数据。
结合第一方面,在本发明第一方面的第四实施方式中,所述基于所述调整参数数据对所述初始工作模式进行模式修正,得到目标工作模式,并通过所述目标工作模式控制所述手持脱毛仪,包括:
对所述调整参数数据进行数据调整幅度分析,得到多个数据调整幅度;
对每个所述数据调整幅度进行异常幅度分析,得到异常幅度分析结果;
通过所述异常幅度分析结果对所述调整参数数据进行数据优化,得到目标调整参数数据;
通过所述目标调整参数数据对所述初始工作模式进行模式修正,得到所述目标工作模式,并通过所述目标工作模式控制所述手持脱毛仪。
结合第一方面,在本发明第一方面的第五实施方式中,所述采集所述手持脱毛仪在所述目标工作模式下的实时图像数据,并通过所述实时图像数据进行贴合度分析,得到贴合度分析结果并根据所述贴合度分析结果生成语音反馈数据,并控制所述手持脱毛仪对所述语音反馈数据进行播放,包括:
采集所述手持脱毛仪在所述目标工作模式下的实时图像数据;
对所述实时图像数据进行脱毛区域标定,得到多个脱毛区域图像;
对每个所述脱毛区域图像进行毛发特征分析,得到对应的毛发特征集合;
基于所述毛发特征集合对所述实时图像数据进行贴合度分析,得到所述贴合度分析结果;
根据所述贴合度分析结果生成语音反馈数据,并控制所述手持脱毛仪对所述语音反馈数据进行播放。
结合第一方面的第五实施方式,在本发明第一方面的第六实施方式中,所述基于所述毛发特征集合对所述实时图像数据进行贴合度分析,得到所述贴合度分析结果,包括:
对所述毛发特征集合进行特征遍历,得到对应的毛发密度数据以及毛发数量数据;
基于所述毛发密度数据以及所述毛发数量数据,对所述手持脱毛仪进行脱毛头位置信息分析,得到对应的脱毛头位置信息;
通过所述脱毛头位置信息对所述实时图像数据进行贴合度分析,得到所述贴合度分析结果。
本发明第二方面提供了一种手持脱毛仪的信息处理装置,所述手持脱毛仪的信息处理装置包括:
监测模块,用于通过所述手持脱毛仪的传感器模组对手持用户进行肌肤指标监测,得到监测指标集;
分析模块,用于通过所述监测指标集构建所述手持用户的肤质模型,并对所述肤质模型进行肤质类型及敏感度分析,得到目标肤质类型以及敏感度数据;
匹配模块,用于基于所述目标肤质类型以及所述敏感度数据,对所述手持脱毛仪进行工作模式匹配,确定初始工作模式并通过所述初始工作模式控制所述手持脱毛仪;
输入模块,用于采集所述手持脱毛仪在所述初始工作模式下的实时状态参数,并将所述实时状态参数输入预置的反馈控制算法进行工作调整参数分析,得到对应的调整参数数据;
修正模块,用于基于所述调整参数数据对所述初始工作模式进行模式修正,得到目标工作模式,并通过所述目标工作模式控制所述手持脱毛仪;
播放模块,用于采集所述手持脱毛仪在所述目标工作模式下的实时图像数据,并通过所述实时图像数据进行贴合度分析,得到贴合度分析结果并根据所述贴合度分析结果生成语音反馈数据,并控制所述手持脱毛仪对所述语音反馈数据进行播放。
本发明第三方面提供了一种手持脱毛仪的信息处理设备,包括:存储器和至少一个处理器,所述存储器中存储有指令;所述至少一个处理器调用所述存储器中的所述指令,以使得所述手持脱毛仪的信息处理设备执行上述的手持脱毛仪的信息处理方法。
本发明的第四方面提供了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,当其在计算机上运行时,使得计算机执行上述的手持脱毛仪的信息处理方法。
本发明提供的技术方案中,通过对用户肌肤进行监测和分析,可以根据每位用户的肤质状况生成个性化的肤质模型。这使得脱毛仪能够提供更为个性化、符合用户需求的脱毛护理方案,适应不同用户的肌肤特征。通过基于目标肤质类型和敏感度数据进行工作模式匹配,能够智能调整脱毛仪的初始工作模式,提高了脱毛仪的智能性,使其更好地适应用户的个体差异。通过采集实时状态参数和应用预置的反馈控制算法,能够实时调整脱毛仪的工作参数,以适应用户肌肤的变化和脱毛区域的不同状况,从而提高脱毛效果和用户的舒适感。通过采集实时图像数据进行贴合度分析,能够评估脱毛头与肌肤的贴合度,提供实时的语音反馈。这有助于用户在脱毛过程中调整脱毛仪的位置,确保最佳的贴合度,提高脱毛的效果,并通过语音提示实时引导用户操作,增强用户体验。
附图说明
图1为本发明实施例中手持脱毛仪的信息处理方法的一个实施例示意图;
图2为本发明实施例中对手持脱毛仪进行工作模式匹配的流程图;
图3为本发明实施例中将实时状态参数输入预置的反馈控制算法进行工作调整参数分析的流程图;
图4为本发明实施例中对初始工作模式进行模式修正的流程图;
图5为本发明实施例中手持脱毛仪的信息处理装置的一个实施例示意图;
图6为本发明实施例中手持脱毛仪的信息处理设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种手持脱毛仪的信息处理方法、装置、电子设备及存储介质,用于提高手持脱毛仪的信息处理的准确率。
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”、“第三”、“第四”等(如果存在)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。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中手持脱毛仪的信息处理方法的一个实施例包括:
S101、通过手持脱毛仪的传感器模组对手持用户进行肌肤指标监测,得到监测指标集;
可以理解的是,本发明的执行主体可以为手持脱毛仪的信息处理装置,还可以是终端或者服务器,具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
具体的,通过传感器模组中的红外传感器对手持用户进行辐射热量采集,得到辐射热量数据。这种辐射热量反映了肌肤的温度。例如,如果检测到的热量较高,表明用户的肌肤较为敏感,这时脱毛仪需要调整到更温和的模式。通过光谱传感器进行反射光谱的采集。这种传感器发射光线并捕捉肌肤反射的光谱,从而分析肌肤的颜色和质地。这些数据有助于判断肌肤的类型和对光的敏感性。例如,不同肤色的用户需要不同强度的脱毛处理,光谱传感器的数据能够帮助脱毛仪智能地调整其工作模式,以适应不同肤色的用户。湿度传感器用于采集肌肤湿度数据。肌肤的湿度水平对于脱毛效果有显著影响。湿度过高或过低都影响脱毛仪的效果和安全性。通过湿度传感器收集的数据,脱毛仪能够调整其工作强度和模式,以适应不同湿度条件下的肌肤。将这三组数据合并成一个监测指标集。这个过程涉及到数据的集成和分析,确保脱毛仪能够根据综合的肌肤状况智能调整其工作参数。合并的监测指标集为脱毛仪提供了一个全面的肌肤状况快照,使其能够做出更准确和安全的工作模式选择。例如,假设一个用户的肌肤辐射热量较高,反射光谱数据显示肌肤为较深色,而且肌肤湿度偏低。这种情况下,脱毛仪的信息处理服务器会分析这些综合数据。
S102、通过监测指标集构建手持用户的肤质模型,并对肤质模型进行肤质类型及敏感度分析,得到目标肤质类型以及敏感度数据;
具体的,通过监测指标集构建手持用户的肤质模型。利用机器学习和数据挖掘技术,如聚类分析、决策树、神经网络等,来构建肤质模型。这些模型能够从多维度数据中提取出有用的信息,并识别出不同肤质类型的特征。例如,基于深度学习的神经网络模型可以在大量数据中学习到肤质类型和敏感度之间的复杂关系。使用已有的肤质数据对模型进行训练,以使其能够识别和预测不同类型的肤质和敏感度。训练过程中,模型会不断调整其参数,直至在训练数据集上达到较高的准确率。在独立的测试数据集上评估模型的性能,以确保其泛化能力和可靠性。进行肤质类型和敏感度的分析。将已经训练好的模型用于分析新收集到的用户肤质数据。模型通过评估和解读各种传感器收集的数据,比如肌肤的温度、光谱特性和湿度等,来确定用户的肤质类型和敏感度水平。这个过程涉及到对肤质特征的综合判断和分类,使得每个用户能够得到个性化的肤质分析结果。
S103、基于目标肤质类型以及敏感度数据,对手持脱毛仪进行工作模式匹配,确定初始工作模式并通过初始工作模式控制手持脱毛仪;
具体的,对目标肤质类型以及敏感度数据进行融合向量构建,得到目标融合向量,将这些多维度的信息整合成一个统一的数据表示,这样可以更有效地进行后续的分析和处理。通过这样的融合,可以将不同方面的肤质特性,如肤色深浅、温度敏感度、湿度反应等,整合到一个向量中,从而为每个用户创建一个全面且独特的肤质描述。接着,对目标融合向量进行肤质特征提取,得到对应的肤质特征集合。从目标融合向量中提取出关键的肤质特征,这些特征将直接影响到脱毛仪的工作模式。特征提取可以借助各种数据分析技术,例如机器学习算法,这些算法能够识别出哪些肤质特征是影响脱毛效果和安全性的关键因素。基于提取出的肤质特征集合,对手持脱毛仪进行功率分析。根据用户的肤质特性确定最适合的初始工作功率。例如,对于敏感肤质的用户,脱毛仪需要设置较低的功率以减少对肌肤的刺激和损伤风险,而对于较不敏感的肤质,则可以适当增加功率以提高脱毛效率。功率分析不仅考虑肤质类型的基本特征,还需要综合考虑肌肤的反应和耐受度,以确保既有效又安全。紧接着,基于确定的初始工作功率,进行脉冲频率的计算。脉冲频率的确定同样基于用户的肤质特征和敏感度数据。脱毛仪通过分析用户肤质的敏感度,来调整脉冲的频率,从而适配不同用户的需求。例如,对于敏感度高的肌肤,脱毛仪会选择较低的脉冲频率,以减少对肌肤的刺激;而对于耐受度较高的肌肤,则可以使用较高的脉冲频率,以加快脱毛进程。随后,结合初始工作功率和脉冲频率进行脱毛周期的分析,确定脱毛的最佳周期,即脱毛仪在每次使用中应当持续工作的时间。初始脱毛周期的确定考虑了功率和频率设置对肌肤的综合影响,以及脱毛效果和用户舒适度的平衡。例如,对于敏感肤质的用户,需要设置较短的脱毛周期以避免过度刺激,而对于普通肤质的用户,则可以设定较长的周期以提高脱毛效率。基于这些参数对手持脱毛仪进行工作模式匹配。将数据整合起来,形成一个综合的工作模式,这个模式既考虑了肤质的特性,也考虑了用户的个人敏感度和脱毛的需求。
S104、采集手持脱毛仪在初始工作模式下的实时状态参数,并将实时状态参数输入预置的反馈控制算法进行工作调整参数分析,得到对应的调整参数数据;
具体的,服务器在脱毛仪的初始工作模式下采集关键的实时状态参数,包括温度和湿度数据。这些参数有助于了解脱毛过程中肌肤的实际反应。例如,温度数据可以反映出肌肤是否过热,而湿度数据则可以揭示肌肤的水分状态。这些数据的实时监测可以避免过热和刺激,以及确保脱毛效果。接着,服务器将这些采集到的温度和湿度数据输入到一个预置的反馈控制算法中,进行模糊控制变量分析。模糊控制是一种处理不确定性和模糊性的有效方法,它通过模拟人类的决策过程来处理复杂的数据。在这个阶段,算法通过分析温度和湿度数据,生成一组模糊控制变量集合。这些变量集合代表了脱毛仪在不同肌肤状态下需要调整的参数范围。随后,服务器对这些模糊控制变量集合进行目标参数提取。从模糊控制变量中筛选出最关键的目标参数数据,这些数据将用于指导脱毛仪的调整。例如,如果检测到肌肤温度升高,则目标参数会提示减少脱毛仪的功率或调整脉冲频率,以减少热量的积累和肌肤的不适感。基于这些目标参数数据,服务器对实时状态参数进行进一步的工作调整参数分析。这一步骤决定了脱毛仪如何根据实时反馈调整其工作模式。调整参数数据是根据目标参数和实时状态参数的分析结果得出的,它指导脱毛仪如何调整其功率、脉冲频率和工作周期等关键参数,以适应当前的肌肤状态。
S105、基于调整参数数据对初始工作模式进行模式修正,得到目标工作模式,并通过目标工作模式控制手持脱毛仪;
具体的,对调整参数数据进行数据调整幅度分析。评估每项调整参数需要改变的程度,以适应用户肌肤的实际状态。例如,如果初始工作模式下的功率设置对某些用户的肌肤过于强烈,那么功率调整的幅度会更大;如果脱毛仪的脉冲频率对肌肤的影响不足以达到理想的脱毛效果,那么需要适当增加频率调整的幅度。通过这种分析,可以确定每项参数需要调整的具体范围和程度。接着,对每个数据调整幅度进行异常幅度分析。识别那些非常规或不符合预期的调整幅度,这是由于传感器错误、数据处理失误或用户肌肤的非标准反应等因素造成的。异常幅度分析有助于确保调整参数的合理性和准确性,防止过度或不足的调整对用户造成的不利影响。例如,如果某个参数的调整幅度远远超出正常范围,服务器会标记这一点,并在后续的处理中予以特别关注。根据异常幅度分析结果对调整参数数据进行数据优化。根据分析结果调整和优化每项参数,以确保最终的调整参数既能有效改善脱毛效果,又能保证用户的安全和舒适。数据优化包括调整参数值的微调、排除误差或异常值、以及重新计算参数以适应特定的用户肤质和需求。例如,如果某项参数的异常幅度分析显示其调整过度,服务器会重新计算该参数,以更好地适应用户肌肤的实际情况。基于目标调整参数数据,服务器对初始工作模式进行模式修正。服务器将重新配置脱毛仪的功率、脉冲频率、工作周期等关键参数,以实现更加精确和有效的脱毛过程。
S106、采集手持脱毛仪在目标工作模式下的实时图像数据,并通过实时图像数据进行贴合度分析,得到贴合度分析结果并根据贴合度分析结果生成语音反馈数据,并控制手持脱毛仪对语音反馈数据进行播放。
具体的,采集手持脱毛仪在目标工作模式下的实时图像数据。通过高分辨率的摄像头或传感器,能够捕捉脱毛区域的图像。这些图像将用于后续的分析和评估。对实时图像数据进行脱毛区域标定,得到多个脱毛区域图像。服务器确定图像中的脱毛区域的位置和边界,以便对其进行分析。这个过程需要使用图像处理算法,例如边缘检测或区域分割,以自动检测和标定脱毛区域。对每个脱毛区域图像进行毛发特征分析。这包括识别和分析图像中的毛发,例如毛发的密度、颜色、长度等特征。这些特征将有助于服务器了解用户肌肤的毛发情况,以便进行后续的贴合度分析。基于毛发特征集合对实时图像数据进行贴合度分析,得到贴合度分析结果。评估脱毛区域的皮肤和毛发之间的贴合度,这可以通过比较毛发特征和肌肤特征来实现,以确定毛发是否适合脱毛处理。例如,如果毛发浓密且颜色深,需要调整脱毛仪的参数以适应这种情况。贴合度分析的结果将用于生成语音反馈数据。这包括一系列语音指令或建议,以告知用户如何调整脱毛仪的位置或参数,以获得更好的脱毛效果。这些语音反馈数据需要根据贴合度分析的结果来定制,以确保它们与用户的实际需求和肤质特征相匹配。服务器控制手持脱毛仪对生成的语音反馈数据进行播放。这可以通过集成音频输出设备和控制机制来实现,以确保用户可以听到有关脱毛过程的重要信息和建议。
对毛发特征集合进行特征遍历。服务器检查和记录毛发的各种特征,如毛发密度和毛发数量。毛发密度表示单位面积内的毛发数量,而毛发数量表示整个脱毛区域内的总毛发数量。通过对这些特征的详细记录,服务器能够更好地理解用户的毛发情况。基于毛发密度数据和毛发数量数据,服务器进行脱毛头位置信息分析。目的是确定脱毛头在脱毛区域内的最佳位置,以最大程度地提高贴合度。例如,如果脱毛区域的毛发密度较高,服务器会建议将脱毛头放置在相对较密集的区域,以确保每根毛发都受到覆盖。接着,通过脱毛头位置信息对实时图像数据进行贴合度分析,得到所述贴合度分析结果。基于脱毛头的最佳位置来评估图像中毛发和脱毛头之间的贴合度。如果毛发和脱毛头的位置能够良好地匹配,那么脱毛效果将更加出色。最终,贴合度分析的结果将用于指导脱毛仪的操作。这包括调整脱毛头的位置或角度,以确保最佳的贴合度。
本发明实施例中,通过对用户肌肤进行监测和分析,可以根据每位用户的肤质状况生成个性化的肤质模型。这使得脱毛仪能够提供更为个性化、符合用户需求的脱毛护理方案,适应不同用户的肌肤特征。通过基于目标肤质类型和敏感度数据进行工作模式匹配,能够智能调整脱毛仪的初始工作模式,提高了脱毛仪的智能性,使其更好地适应用户的个体差异。通过采集实时状态参数和应用预置的反馈控制算法,能够实时调整脱毛仪的工作参数,以适应用户肌肤的变化和脱毛区域的不同状况,从而提高脱毛效果和用户的舒适感。通过采集实时图像数据进行贴合度分析,能够评估脱毛头与肌肤的贴合度,提供实时的语音反馈。这有助于用户在脱毛过程中调整脱毛仪的位置,确保最佳的贴合度,提高脱毛的效果,并通过语音提示实时引导用户操作,增强用户体验。
在一具体实施例中,执行步骤S101的过程可以具体包括如下步骤:
(1)通过传感器模组中的红外传感器对手持用户进行辐射热量采集,得到辐射热量数据;
(2)通过传感器模组中的光谱传感器对手持用户进行反射光谱采集,得到反射光谱数据;
(3)通过传感器模组中的湿度传感器对手持用户进行湿度数据采集,得到肌肤湿度数据;
(4)将辐射热量数据、反射光谱数据以及肌肤湿度数据合并为监测指标集。
具体的,通过传感器模组中的红外传感器对手持用户进行辐射热量采集,得到辐射热量数据。红外传感器可以检测人体肌肤发出的红外辐射,以衡量肌肤的温度和热量分布。通过红外传感器,可以获得辐射热量数据,这些数据反映了用户肌肤的热情况。例如,传感器可以测量用户肌肤的表面温度,以了解是否存在异常的热点区域,需要特殊处理。光谱传感器用于反射光谱采集。这种传感器可以捕捉到用户肌肤反射出的光谱信息,包括不同波长的光线。通过分析光谱数据,可以了解肌肤的颜色、血氧水平和其他特征。例如,光谱传感器可以检测到肌肤的色调,从而帮助识别需要不同处理方法的区域。接着,湿度传感器用于湿度数据采集。这种传感器可以测量用户肌肤的湿度水平,即肌肤表面的水分含量。湿度数据有助于评估肌肤的健康和水分平衡。例如,湿度传感器可以检测到肌肤的干燥程度。将辐射热量数据、反射光谱数据以及肌肤湿度数据合并为监测指标集。这可以通过数据融合和整合技术来实现。例如,可以将温度数据与湿度数据结合,以计算相对湿度,从而更全面地了解肌肤的状态。例如,假设发现用户的某个区域肌肤温度较高,光谱数据显示色调异常,湿度数据表明该区域较干燥。基于这些信息,服务器向用户提供建议,例如减少脱毛仪的使用时间或增加保湿措施,以改善脱毛体验和肌肤健康。
在一具体实施例中,如图2所示,执行步骤S103的过程可以具体包括如下步骤:
S201、对目标肤质类型以及敏感度数据进行融合向量构建,得到目标融合向量;
S202、对目标融合向量进行肤质特征提取,得到对应的肤质特征集合;
S203、通过肤质特征集合对手持脱毛仪进行功率分析,得到对应的初始工作功率;
S204、基于初始工作功率,对敏感度数据进行脉冲频率计算,得到对应的初始脉冲频率;
S205、对初始工作功率以及初始脉冲频率进行脱毛周期分析,得到对应的初始脱毛周期;
S206、基于初始工作功率、初始脉冲频率以及初始脱毛周期对手持脱毛仪进行工作模式匹配,得到初始工作模式并通过初始工作模式控制手持脱毛仪。
具体的,将目标肤质类型和敏感度数据融合成一个目标融合向量。这个向量包含了用户的肤质特征信息,包括肤质类型和敏感度级别。融合可以通过数学运算来实现,例如向量拼接或加权求和。这个目标融合向量反映了用户的个性化肤质特征。基于目标融合向量,进行肤质特征提取。从融合向量中提取出具体的肤质特征,例如皮肤类型(干性、油性、混合性等)和敏感度级别(低、中、高等)。这些特征可以通过数据挖掘和模式识别技术来提取。接着,使用肤质特征集合对手持脱毛仪进行功率分析。功率分析是为了确定脱毛仪在不同肤质情况下所需的功率水平。不同肤质类型和敏感度级别需要不同的功率来实现最佳的脱毛效果。因此,根据肤质特征集合的信息,服务器计算出初始工作功率。基于初始工作功率进行敏感度数据的脉冲频率计算。脉冲频率是指脱毛仪在工作过程中发射脉冲的频率。不同肤质类型和敏感度级别需要不同的脉冲频率以确保脱毛的有效性和舒适性。因此,服务器根据初始工作功率和肤质特征集合中的信息来计算初始脉冲频率。对初始工作功率和初始脉冲频率进行脱毛周期分析。脱毛周期是指连续脉冲之间的时间间隔,它影响着脱毛的效果。不同肤质特征和脉冲频率需要不同的脱毛周期。因此,服务器根据这些因素来计算初始脱毛周期。基于初始工作功率、初始脉冲频率和初始脱毛周期进行工作模式匹配。选择适合用户肤质特征的工作模式,以确保脱毛仪的最佳性能。匹配过程可以通过算法来实现,根据输入的肤质特征和脱毛参数来选择合适的工作模式。一旦匹配完成,手持脱毛仪将按照初始工作模式进行操作。
在一具体实施例中,如图3所示,执行步骤S104的过程可以具体包括如下步骤:
S301、采集手持脱毛仪在初始工作模式下的实时状态参数,其中,实时状态参数包括:温度数据以及湿度数据;
S302、将温度数据以及湿度数据输入反馈控制算法进行模糊控制变量分析,得到模糊控制变量集合;
S303、对模糊控制变量集合进行目标参数提取,得到对应的目标参数数据;
S304、根据目标参数数据对实时状态参数进行工作调整参数分析,得到调整参数数据。
具体的,采集手持脱毛仪在初始工作模式下的实时状态参数,包括温度数据和湿度数据。这些参数反映了脱毛仪在操作过程中的环境条件和性能情况。例如,温度数据可以告诉服务器脱毛仪的加热情况,湿度数据可以反映脱毛区域的湿度水平。将温度数据和湿度数据输入反馈控制算法进行模糊控制变量分析。模糊控制是一种基于模糊逻辑的控制方法,可以处理不确定性和模糊性的数据。模糊控制算法将温度数据和湿度数据视为输入,并生成一组模糊控制变量,这些变量可以用来调整脱毛仪的参数。对模糊控制变量集合进行目标参数提取。从模糊控制变量中提取出目标参数,这些参数可以用来指导脱毛仪的工作调整。目标参数可以是一组权重或标志,用于指示哪些参数需要调整,以及调整的幅度。这些参数可以根据用户需求和脱毛仪性能来定义。根据目标参数数据对实时状态参数进行工作调整参数分析。将目标参数映射到实际的工作调整参数,以便对脱毛仪进行调整。例如,如果目标参数指示需要降低温度,那么服务器相应地调整脱毛仪的加热功率。通过这种方式,脱毛仪可以根据实际的环境条件和性能情况进行智能调整,以实现更好的脱毛效果和用户体验。
在一具体实施例中,如图4所示,执行步骤S105的过程可以具体包括如下步骤:
S401、对调整参数数据进行数据调整幅度分析,得到多个数据调整幅度;
S402、对每个数据调整幅度进行异常幅度分析,得到异常幅度分析结果;
S403、通过异常幅度分析结果对调整参数数据进行数据优化,得到目标调整参数数据;
S404、通过目标调整参数数据对初始工作模式进行模式修正,得到目标工作模式,并通过目标工作模式控制手持脱毛仪。
具体的,对调整参数数据进行数据调整幅度分析,评估每个调整参数的幅度范围,即确定每个参数可以调整的范围有多大。这有助于确保调整不会导致过大或过小的变化,从而保持脱毛仪的稳定性和安全性。例如,如果调整参数是加热功率,那么数据调整幅度分析可以确定最大和最小允许的功率值。对每个数据调整幅度进行异常幅度分析,检测是否存在异常的调整幅度,这些幅度会导致脱毛仪的性能问题或用户不适。异常幅度可以是超出正常范围的调整幅度,需要通过异常检测算法来识别。例如,如果加热功率突然大幅增加,会导致过热,因此需要进行异常幅度分析。通过异常幅度分析结果,可以对调整参数数据进行数据优化。服务器会根据异常幅度的检测结果来调整调整参数,以避免潜在的问题。例如,如果异常幅度分析发现加热功率过大,服务器将功率适度降低,以确保安全性和性能的平衡。通过目标调整参数数据对初始工作模式进行模式修正。将优化后的调整参数应用于脱毛仪的工作模式,以确保脱毛仪在实际操作中按照优化的参数进行工作。这样,脱毛仪可以在各种情况下提供最佳的脱毛效果,同时确保用户的安全和舒适。
在一具体实施例中,执行步骤S106的过程可以具体包括如下步骤:
(1)采集手持脱毛仪在目标工作模式下的实时图像数据;
(2)对实时图像数据进行脱毛区域标定,得到多个脱毛区域图像;
(3)对每个脱毛区域图像进行毛发特征分析,得到对应的毛发特征集合;
(4)基于毛发特征集合对实时图像数据进行贴合度分析,得到贴合度分析结果;
(5)根据贴合度分析结果生成语音反馈数据,并控制手持脱毛仪对语音反馈数据进行播放。
需要说明的是,采集手持脱毛仪在目标工作模式下的实时图像数据。这些图像数据通常由内置摄像头捕获,并用于识别皮肤表面的毛发和其他特征。对实时图像数据进行脱毛区域标定,确定在哪些区域进行脱毛操作,以便对图像进行分割和分析。脱毛区域可以根据用户的需求和皮肤部位进行定位和标记。对每个脱毛区域图像进行毛发特征分析。这包括检测毛发的密度、长度、颜色等特征。毛发特征分析有助于确定最佳的脱毛参数,以确保有效的脱毛效果。接着,基于毛发特征集合,进行实时图像数据的贴合度分析。评估脱毛头和皮肤表面的贴合程度,以确保脱毛头能够有效接触毛发。贴合度分析可以采用图像处理技术,例如模式匹配或图像识别,来检测贴合度。根据贴合度分析结果生成语音反馈数据,并控制手持脱毛仪对语音反馈数据进行播放。语音反馈可以告知用户脱毛过程的进展和建议,以提高用户体验。例如,如果贴合度不足,可以通过语音提示用户重新调整脱毛头的位置。
在一具体实施例中,执行对实时图像数据进行贴合度分析步骤的过程可以具体包括如下步骤:
(1)对毛发特征集合进行特征遍历,得到对应的毛发密度数据以及毛发数量数据;
(2)基于毛发密度数据以及毛发数量数据,对手持脱毛仪进行脱毛头位置信息分析,得到对应的脱毛头位置信息;
(3)通过脱毛头位置信息对实时图像数据进行贴合度分析,得到所述贴合度分析结果。
具体的,对毛发特征集合进行特征遍历。服务器会逐个检查毛发特征,如密度和数量。特征遍历的目的是收集有关毛发的详细信息,以便后续的分析和处理。基于毛发密度数据和毛发数量数据,进行脱毛头位置信息分析。目的是确定脱毛头在何处应用以实现最佳的脱毛效果。分析可以考虑毛发的分布和密度,以确定最佳的脱毛头位置和方向。这可以采用图像处理技术,例如计算机视觉和模式匹配,来识别毛发的分布和形态。通过脱毛头位置信息对实时图像数据进行贴合度分析。脱毛头位置信息将用于指导脱毛头的移动和定位,以确保它与皮肤表面的毛发充分接触。贴合度分析将考虑脱毛头的位置和角度,以及毛发的位置和分布。这可以采用计算方法,如几何分析和图像匹配,来评估脱毛头与毛发的贴合度。例如,如果在腿部的某个区域检测到毛发密集,系统会选择较小的脱毛头来确保精确的脱毛。反之,如果毛发较稀疏,系统会选择较大的脱毛头来提高效率。一旦确定了脱毛头的位置,系统会根据这些信息对实时图像数据进行贴合度分析。这确保了脱毛头能够准确地与毛发接触,从而实现有效的脱毛。如果贴合度不足,系统会自动调整脱毛头的位置或发出警告,以指导用户进行手动调整。
上面对本发明实施例中手持脱毛仪的信息处理方法进行了描述,下面对本发明实施例中手持脱毛仪的信息处理装置进行描述,请参阅图5,本发明实施例中手持脱毛仪的信息处理装置一个实施例包括:
监测模块501,用于通过所述手持脱毛仪的传感器模组对手持用户进行肌肤指标监测,得到监测指标集;
分析模块502,用于通过所述监测指标集构建所述手持用户的肤质模型,并对所述肤质模型进行肤质类型及敏感度分析,得到目标肤质类型以及敏感度数据;
匹配模块503,用于基于所述目标肤质类型以及所述敏感度数据,对所述手持脱毛仪进行工作模式匹配,确定初始工作模式并通过所述初始工作模式控制所述手持脱毛仪;
输入模块504,用于采集所述手持脱毛仪在所述初始工作模式下的实时状态参数,并将所述实时状态参数输入预置的反馈控制算法进行工作调整参数分析,得到对应的调整参数数据;
修正模块505,用于基于所述调整参数数据对所述初始工作模式进行模式修正,得到目标工作模式,并通过所述目标工作模式控制所述手持脱毛仪;
播放模块506,用于采集所述手持脱毛仪在所述目标工作模式下的实时图像数据,并通过所述实时图像数据进行贴合度分析,得到贴合度分析结果并根据所述贴合度分析结果生成语音反馈数据,并控制所述手持脱毛仪对所述语音反馈数据进行播放。
通过上述各个组成部分的协同合作,通过对用户肌肤进行监测和分析,可以根据每位用户的肤质状况生成个性化的肤质模型。这使得脱毛仪能够提供更为个性化、符合用户需求的脱毛护理方案,适应不同用户的肌肤特征。通过基于目标肤质类型和敏感度数据进行工作模式匹配,能够智能调整脱毛仪的初始工作模式,提高了脱毛仪的智能性,使其更好地适应用户的个体差异。通过采集实时状态参数和应用预置的反馈控制算法,能够实时调整脱毛仪的工作参数,以适应用户肌肤的变化和脱毛区域的不同状况,从而提高脱毛效果和用户的舒适感。通过采集实时图像数据进行贴合度分析,能够评估脱毛头与肌肤的贴合度,提供实时的语音反馈。这有助于用户在脱毛过程中调整脱毛仪的位置,确保最佳的贴合度,提高脱毛的效果,并通过语音提示实时引导用户操作,增强用户体验。
上面图5从模块化功能实体的角度对本发明实施例中的手持脱毛仪的信息处理装置进行详细描述,下面从硬件处理的角度对本发明实施例中手持脱毛仪的信息处理设备进行详细描述。
图6是本发明实施例提供的一种手持脱毛仪的信息处理设备的结构示意图,该手持脱毛仪的信息处理设备600可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(centralprocessingunits,CPU)610(例如,一个或一个以上处理器)和存储器620,一个或一个以上存储应用程序633或数据632的存储介质630(例如一个或一个以上海量存储设备)。其中,存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对手持脱毛仪的信息处理设备600中的一系列指令操作。更进一步地,处理器610可以设置为与存储介质630通信,在手持脱毛仪的信息处理设备600上执行存储介质630中的一系列指令操作。
手持脱毛仪的信息处理设备600还可以包括一个或一个以上电源640,一个或一个以上有线或无线网络接口650,一个或一个以上输入输出接口660,和/或,一个或一个以上操作系统631,例如WindowsServe,MacOSX,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图6示出的手持脱毛仪的信息处理设备结构并不构成对手持脱毛仪的信息处理设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明还提供一种手持脱毛仪的信息处理设备,所述手持脱毛仪的信息处理设备包括存储器和处理器,存储器中存储有计算机可读指令,计算机可读指令被处理器执行时,使得处理器执行上述各实施例中的所述手持脱毛仪的信息处理方法的步骤。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性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,当所述指令在计算机上运行时,使得计算机执行所述手持脱毛仪的信息处理方法的步骤。
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。
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通过时,可以存储在一个计算机可读取存储介质中。基于的理解,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)执行本发明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(read-onlymemory,ROM)、随机存取存储器(randomacceSmemory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (4)
1.一种手持脱毛仪的信息处理方法,其特征在于,所述手持脱毛仪的信息处理方法包括:
通过所述手持脱毛仪的传感器模组对手持用户进行肌肤指标监测,得到监测指标集;具体包括:通过所述传感器模组中的红外传感器对所述手持用户进行辐射热量采集,得到辐射热量数据;通过所述传感器模组中的光谱传感器对所述手持用户进行反射光谱采集,得到反射光谱数据;通过所述传感器模组中的湿度传感器对所述手持用户进行湿度数据采集,得到肌肤湿度数据;将所述辐射热量数据、所述反射光谱数据以及所述肌肤湿度数据合并为所述监测指标集;
通过所述监测指标集构建所述手持用户的肤质模型,并对所述肤质模型进行肤质类型及敏感度分析,得到目标肤质类型以及敏感度数据;
基于所述目标肤质类型以及所述敏感度数据,对所述手持脱毛仪进行工作模式匹配,确定初始工作模式并通过所述初始工作模式控制所述手持脱毛仪;具体包括:对所述目标肤质类型以及所述敏感度数据进行融合向量构建,得到目标融合向量;对所述目标融合向量进行肤质特征提取,得到对应的肤质特征集合;通过所述肤质特征集合对所述手持脱毛仪进行功率分析,得到对应的初始工作功率;基于所述初始工作功率,对所述敏感度数据进行脉冲频率计算,得到对应的初始脉冲频率;对所述初始工作功率以及所述初始脉冲频率进行脱毛周期分析,得到对应的初始脱毛周期;基于所述初始工作功率、所述初始脉冲频率以及所述初始脱毛周期对所述手持脱毛仪进行工作模式匹配,得到所述初始工作模式并通过所述初始工作模式控制所述手持脱毛仪;
采集所述手持脱毛仪在所述初始工作模式下的实时状态参数,并将所述实时状态参数输入预置的反馈控制算法进行工作调整参数分析,得到对应的调整参数数据;具体包括:采集所述手持脱毛仪在所述初始工作模式下的实时状态参数,其中,所述实时状态参数包括:温度数据以及湿度数据;将所述温度数据以及所述湿度数据输入所述反馈控制算法进行模糊控制变量分析,得到模糊控制变量集合;对所述模糊控制变量集合进行目标参数提取,得到对应的目标参数数据;根据所述目标参数数据对所述实时状态参数进行工作调整参数分析,得到所述调整参数数据;
基于所述调整参数数据对所述初始工作模式进行模式修正,得到目标工作模式,并通过所述目标工作模式控制所述手持脱毛仪;具体包括:对所述调整参数数据进行数据调整幅度分析,得到多个数据调整幅度;对每个所述数据调整幅度进行异常幅度分析,得到异常幅度分析结果;通过所述异常幅度分析结果对所述调整参数数据进行数据优化,得到目标调整参数数据;通过所述目标调整参数数据对所述初始工作模式进行模式修正,得到所述目标工作模式,并通过所述目标工作模式控制所述手持脱毛仪;
采集所述手持脱毛仪在所述目标工作模式下的实时图像数据,并通过所述实时图像数据进行贴合度分析,得到贴合度分析结果并根据所述贴合度分析结果生成语音反馈数据,并控制所述手持脱毛仪对所述语音反馈数据进行播放;具体包括:采集所述手持脱毛仪在所述目标工作模式下的实时图像数据;对所述实时图像数据进行脱毛区域标定,得到多个脱毛区域图像;对每个所述脱毛区域图像进行毛发特征分析,得到对应的毛发特征集合;基于所述毛发特征集合对所述实时图像数据进行贴合度分析,得到所述贴合度分析结果;根据所述贴合度分析结果生成语音反馈数据,并控制所述手持脱毛仪对所述语音反馈数据进行播放;其中,得到所述贴合度分析结果,包括:对所述毛发特征集合进行特征遍历,得到对应的毛发密度数据以及毛发数量数据;基于所述毛发密度数据以及所述毛发数量数据,对所述手持脱毛仪进行脱毛头位置信息分析,得到对应的脱毛头位置信息;通过所述脱毛头位置信息对所述实时图像数据进行贴合度分析,得到所述贴合度分析结果。
2.一种手持脱毛仪的信息处理装置,其特征在于,所述手持脱毛仪的信息处理装置包括:
监测模块,用于通过所述手持脱毛仪的传感器模组对手持用户进行肌肤指标监测,得到监测指标集;具体包括:通过所述传感器模组中的红外传感器对所述手持用户进行辐射热量采集,得到辐射热量数据;通过所述传感器模组中的光谱传感器对所述手持用户进行反射光谱采集,得到反射光谱数据;通过所述传感器模组中的湿度传感器对所述手持用户进行湿度数据采集,得到肌肤湿度数据;将所述辐射热量数据、所述反射光谱数据以及所述肌肤湿度数据合并为所述监测指标集;
分析模块,用于通过所述监测指标集构建所述手持用户的肤质模型,并对所述肤质模型进行肤质类型及敏感度分析,得到目标肤质类型以及敏感度数据;
匹配模块,用于基于所述目标肤质类型以及所述敏感度数据,对所述手持脱毛仪进行工作模式匹配,确定初始工作模式并通过所述初始工作模式控制所述手持脱毛仪;具体包括:对所述目标肤质类型以及所述敏感度数据进行融合向量构建,得到目标融合向量;对所述目标融合向量进行肤质特征提取,得到对应的肤质特征集合;通过所述肤质特征集合对所述手持脱毛仪进行功率分析,得到对应的初始工作功率;基于所述初始工作功率,对所述敏感度数据进行脉冲频率计算,得到对应的初始脉冲频率;对所述初始工作功率以及所述初始脉冲频率进行脱毛周期分析,得到对应的初始脱毛周期;基于所述初始工作功率、所述初始脉冲频率以及所述初始脱毛周期对所述手持脱毛仪进行工作模式匹配,得到所述初始工作模式并通过所述初始工作模式控制所述手持脱毛仪;
输入模块,用于采集所述手持脱毛仪在所述初始工作模式下的实时状态参数,并将所述实时状态参数输入预置的反馈控制算法进行工作调整参数分析,得到对应的调整参数数据;具体包括:采集所述手持脱毛仪在所述初始工作模式下的实时状态参数,其中,所述实时状态参数包括:温度数据以及湿度数据;将所述温度数据以及所述湿度数据输入所述反馈控制算法进行模糊控制变量分析,得到模糊控制变量集合;对所述模糊控制变量集合进行目标参数提取,得到对应的目标参数数据;根据所述目标参数数据对所述实时状态参数进行工作调整参数分析,得到所述调整参数数据;
修正模块,用于基于所述调整参数数据对所述初始工作模式进行模式修正,得到目标工作模式,并通过所述目标工作模式控制所述手持脱毛仪;具体包括:对所述调整参数数据进行数据调整幅度分析,得到多个数据调整幅度;对每个所述数据调整幅度进行异常幅度分析,得到异常幅度分析结果;通过所述异常幅度分析结果对所述调整参数数据进行数据优化,得到目标调整参数数据;通过所述目标调整参数数据对所述初始工作模式进行模式修正,得到所述目标工作模式,并通过所述目标工作模式控制所述手持脱毛仪;
播放模块,用于采集所述手持脱毛仪在所述目标工作模式下的实时图像数据,并通过所述实时图像数据进行贴合度分析,得到贴合度分析结果并根据所述贴合度分析结果生成语音反馈数据,并控制所述手持脱毛仪对所述语音反馈数据进行播放;具体包括:采集所述手持脱毛仪在所述目标工作模式下的实时图像数据;对所述实时图像数据进行脱毛区域标定,得到多个脱毛区域图像;对每个所述脱毛区域图像进行毛发特征分析,得到对应的毛发特征集合;基于所述毛发特征集合对所述实时图像数据进行贴合度分析,得到所述贴合度分析结果;根据所述贴合度分析结果生成语音反馈数据,并控制所述手持脱毛仪对所述语音反馈数据进行播放;其中,得到所述贴合度分析结果,包括:对所述毛发特征集合进行特征遍历,得到对应的毛发密度数据以及毛发数量数据;基于所述毛发密度数据以及所述毛发数量数据,对所述手持脱毛仪进行脱毛头位置信息分析,得到对应的脱毛头位置信息;通过所述脱毛头位置信息对所述实时图像数据进行贴合度分析,得到所述贴合度分析结果。
3.一种手持脱毛仪的信息处理设备,其特征在于,所述手持脱毛仪的信息处理设备包括:存储器和至少一个处理器,所述存储器中存储有指令;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述手持脱毛仪的信息处理设备执行如权利要求1所述的手持脱毛仪的信息处理方法。
4.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,所述指令被处理器执行时实现如权利要求1所述的手持脱毛仪的信息处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311566386.8A CN117257243B (zh) | 2023-11-23 | 2023-11-23 | 手持脱毛仪的信息处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311566386.8A CN117257243B (zh) | 2023-11-23 | 2023-11-23 | 手持脱毛仪的信息处理方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117257243A CN117257243A (zh) | 2023-12-22 |
CN117257243B true CN117257243B (zh) | 2024-04-16 |
Family
ID=89216416
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311566386.8A Active CN117257243B (zh) | 2023-11-23 | 2023-11-23 | 手持脱毛仪的信息处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117257243B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118068898B (zh) * | 2024-04-18 | 2024-07-05 | 天津昌特净化科技有限公司 | 动物解剖环境的环境控制方法及系统 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106345066A (zh) * | 2016-10-11 | 2017-01-25 | 深圳可思美科技有限公司 | Ipl脱毛仪 |
CN108366660A (zh) * | 2015-12-22 | 2018-08-03 | 博朗有限公司 | 脱毛器 |
CN108744294A (zh) * | 2018-06-11 | 2018-11-06 | 广东龙晟医疗器械有限公司 | Ipl皮肤护理设备、护理方法及医疗信息平台 |
CN109620401A (zh) * | 2018-11-23 | 2019-04-16 | 北京镭特医疗科技有限公司 | 一种半导体激光脱毛控制装置及方法 |
CN109744701A (zh) * | 2018-02-09 | 2019-05-14 | 深圳市洋沃电子有限公司 | 一种脱毛系统、脱毛云系统及脱毛方法 |
CN211610041U (zh) * | 2019-09-20 | 2020-10-02 | 广州皓醒湾科技有限公司 | 脱毛仪打光设备 |
CN211986691U (zh) * | 2020-02-28 | 2020-11-24 | 广州皓醒湾科技有限公司 | 一种利用光谱识别检测的脱毛仪 |
CN112307904A (zh) * | 2020-09-29 | 2021-02-02 | 北京兴科高智科技有限公司 | 一种基于深度学习的参数设定方法及装置 |
CN112690898A (zh) * | 2021-01-22 | 2021-04-23 | 江苏利孚医疗技术有限公司 | 一种脱毛模组、脱毛仪以及使用该种脱毛仪的方法 |
CN113368405A (zh) * | 2021-06-21 | 2021-09-10 | 广东龙晟医疗器械有限公司 | 一种全方位检测的脱毛仪和毛发脱毛处理方法 |
CN113610844A (zh) * | 2021-08-31 | 2021-11-05 | 深圳市邻友通科技发展有限公司 | 一种智能护肤方法、装置、设备和存储介质 |
CN214854959U (zh) * | 2021-06-04 | 2021-11-26 | 浙江好汉电器有限公司 | 一种具有智能感应的脱毛器 |
KR20210152091A (ko) * | 2020-06-05 | 2021-12-15 | 주식회사 리센스메디컬 | 레이저 시술 장치 및 그 시술 방법 |
CN114521956A (zh) * | 2021-12-31 | 2022-05-24 | 广州星际悦动股份有限公司 | 基于肤色控制输出能量的方法、装置、介质,及脱毛仪 |
CN115281823A (zh) * | 2022-08-26 | 2022-11-04 | 深圳由莱智能电子有限公司 | 发光控制方法与脱毛仪、可读存储介质 |
CN218792476U (zh) * | 2022-09-19 | 2023-04-07 | 深圳市卓煌微科技有限公司 | 一种依据皮肤湿度调节输出功率的脱毛仪 |
CN219331902U (zh) * | 2022-08-26 | 2023-07-14 | 深圳由莱智能电子有限公司 | 脱毛仪发光控制系统与脱毛仪 |
-
2023
- 2023-11-23 CN CN202311566386.8A patent/CN117257243B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108366660A (zh) * | 2015-12-22 | 2018-08-03 | 博朗有限公司 | 脱毛器 |
CN106345066A (zh) * | 2016-10-11 | 2017-01-25 | 深圳可思美科技有限公司 | Ipl脱毛仪 |
CN109744701A (zh) * | 2018-02-09 | 2019-05-14 | 深圳市洋沃电子有限公司 | 一种脱毛系统、脱毛云系统及脱毛方法 |
CN108744294A (zh) * | 2018-06-11 | 2018-11-06 | 广东龙晟医疗器械有限公司 | Ipl皮肤护理设备、护理方法及医疗信息平台 |
CN109620401A (zh) * | 2018-11-23 | 2019-04-16 | 北京镭特医疗科技有限公司 | 一种半导体激光脱毛控制装置及方法 |
CN211610041U (zh) * | 2019-09-20 | 2020-10-02 | 广州皓醒湾科技有限公司 | 脱毛仪打光设备 |
CN211986691U (zh) * | 2020-02-28 | 2020-11-24 | 广州皓醒湾科技有限公司 | 一种利用光谱识别检测的脱毛仪 |
KR20210152091A (ko) * | 2020-06-05 | 2021-12-15 | 주식회사 리센스메디컬 | 레이저 시술 장치 및 그 시술 방법 |
CN112307904A (zh) * | 2020-09-29 | 2021-02-02 | 北京兴科高智科技有限公司 | 一种基于深度学习的参数设定方法及装置 |
CN112690898A (zh) * | 2021-01-22 | 2021-04-23 | 江苏利孚医疗技术有限公司 | 一种脱毛模组、脱毛仪以及使用该种脱毛仪的方法 |
CN214854959U (zh) * | 2021-06-04 | 2021-11-26 | 浙江好汉电器有限公司 | 一种具有智能感应的脱毛器 |
CN113368405A (zh) * | 2021-06-21 | 2021-09-10 | 广东龙晟医疗器械有限公司 | 一种全方位检测的脱毛仪和毛发脱毛处理方法 |
CN113610844A (zh) * | 2021-08-31 | 2021-11-05 | 深圳市邻友通科技发展有限公司 | 一种智能护肤方法、装置、设备和存储介质 |
CN114521956A (zh) * | 2021-12-31 | 2022-05-24 | 广州星际悦动股份有限公司 | 基于肤色控制输出能量的方法、装置、介质,及脱毛仪 |
CN115281823A (zh) * | 2022-08-26 | 2022-11-04 | 深圳由莱智能电子有限公司 | 发光控制方法与脱毛仪、可读存储介质 |
CN219331902U (zh) * | 2022-08-26 | 2023-07-14 | 深圳由莱智能电子有限公司 | 脱毛仪发光控制系统与脱毛仪 |
CN218792476U (zh) * | 2022-09-19 | 2023-04-07 | 深圳市卓煌微科技有限公司 | 一种依据皮肤湿度调节输出功率的脱毛仪 |
Also Published As
Publication number | Publication date |
---|---|
CN117257243A (zh) | 2023-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117257243B (zh) | 手持脱毛仪的信息处理方法、装置、电子设备及存储介质 | |
US10045820B2 (en) | Internet connected dermatological devices and systems | |
EP3863548B1 (en) | Real time monitoring of cosmetic laser aesthetic skin treatment procedures | |
US9135693B2 (en) | Image calibration and analysis | |
KR20190038184A (ko) | 자동 조리 장치 및 방법 | |
CN116440425B (zh) | 一种led光动力治疗仪的智能调节方法及系统 | |
KR20220156016A (ko) | 심미적 피부 치료 유닛에 대한 최적의 동작 파라미터 세트를 결정하기 위한 방법 및 시스템 | |
US12042305B2 (en) | Method for analyzing electrocardiography signal | |
CN112244800A (zh) | 智能手表的控制方法、装置、智能手表及存储介质 | |
CN117379005B (zh) | 美容仪的皮肤检测控制方法、装置、设备和存储介质 | |
US20240225528A9 (en) | Evaluating skin | |
WO2022058363A1 (en) | Noninvasive measurement of biomarker concentration | |
KR102228569B1 (ko) | 피부 나이 추정 방법 및 장치 | |
JP5949032B2 (ja) | 前処理方法及び異常診断装置 | |
CN116530981A (zh) | 一种基于面部识别气血状态分析系统及方法 | |
JP7527353B2 (ja) | 皮膚の領域の毛が光パルスで処置されたかの決定 | |
US20220280119A1 (en) | Identifying a body part | |
CN118177962B (zh) | 基于肤色识别的输出能量控制方法、装置、介质及脱毛仪 | |
CN106647707A (zh) | 一种简易的医疗设备管理控制系统 | |
CN118279888B (zh) | 一种去黑头靶向控制方法及系统 | |
KR20060040325A (ko) | 레이저를 이용한 모조지문 판별방법 및 장치 | |
CN116974370B (zh) | 一种防沉迷儿童学习平板电脑控制方法及系统 | |
CN118236030A (zh) | 一种用于烧伤皮肤坏死深度、面积定量的光谱成像方法 | |
KR102190682B1 (ko) | 다중 생체신호를 이용한 당뇨병 스크리닝 방법 및 당뇨병 스크리닝 시스템 | |
KR102167946B1 (ko) | 인-비보 병변 조직 검출을 위한 레이저 분광 기반의 독립 장치 및 방법 |
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 |