CN117274504B - 智能名片的制作方法、智能销售系统及存储介质 - Google Patents

Abstract

本申请提供了一种智能名片的制作方法、智能销售系统及存储介质，所提供的方法应用于智能销售系统的服务器。方法通过获取用户终端发送的用户图像，从用户图像中提取人脸图像和背景图像；根据人脸图像获取人脸图像对应的人脸特征信息和性别信息以进一步获取人脸图像对应的躯干信息，根据人脸特征信息、躯干信息和背景图像提取的背景信息获取躯干信息对应的衣着信息；根据人脸图像、躯干信息和衣着信息进行建模，生成三维模型；根据三维模型生成智能名片发送给用户终端，完成智能名片的制作。用户终端能通过智能名片能了解智能销售系统中的商品详情。通过三维模型作为智能客服能提高用户对智能销售系统中的产品的理解，提高智能销售系统的成交率。

Description

智能名片的制作方法、智能销售系统及存储介质

技术领域

本申请涉及销售人工智能应用领域，尤其涉及一种智能名片的制作方法、智能销售系统及存储介质。

背景技术

目前，在销售系统中，受限于销售的个人精力，一名销售无法同时接待多名客户，在多名客户同时对销售进行咨询时，十分容易导致销售的讲解出现差错导致客户流失。

为提高智能销售系统的接待人数，当下智能客服得到了广泛使用，智能客服能够帮助客户尽快了解相关产品信息。但是，当下智能客服大多为智能文字客服，通过在应用程序的相关界面上对用户所提出的问题进行回答，而枯燥、机械的文字介绍难以提高用户对产品的理解和认同，使得用户最终成交率难以得到保证。

发明内容

本申请提供了一种智能名片的制作方法、智能销售系统及存储介质，旨在解决现有的智能客服大多为智能文字客服，通过在应用程序的相关界面上对用户所提出的问题进行回答，而枯燥、机械的文字介绍难以提高用户对产品的理解和认同，使得用户最终成交率难以得到保证。

第一方面，本申请提供了一种智能名片的制作方法，所述方法应用于智能销售系统的服务器，所述智能销售系统还包括用户终端；所述方法包括：

获取用户终端发送的用户图像，从所述用户图像中提取人脸图像和背景图像；

根据所述人脸图像获取所述人脸图像对应的人脸特征信息和性别信息，根据所述背景图像提取背景信息；

根据所述人脸特征信息和性别信息获取所述人脸图像对应的躯干信息，以及根据所述人脸特征信息、所述躯干信息和背景信息获取所述躯干信息对应的衣着信息；

根据所述人脸图像、所述躯干信息和所述衣着信息进行建模，生成三维模型；

根据所述三维模型生成智能名片，并将所述智能名片发送给所述用户终端，完成所述智能名片的制作。

第二方面，本申请提供了一种智能销售系统，包括：

服务器和用户终端，所述服务器搭载有预设应用程序的服务端、所述用户终端搭载有所述预设应用程序的客户端；

其中，所述服务器包括：存储器和处理器；所述存储器与所述处理器连接，用于存储程序；所述处理器用于通过运行所述存储器中存储的程序，实现本申请任一实施例所提供的智能名片的制作方法的步骤。

第三方面，本申请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上存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现本申请任一实施例所提供的智能名片的制作方法的步骤。

本申请提供了一种智能名片的制作方法、智能销售系统及存储介质，所提供的方法应用于智能销售系统的服务器，智能销售系统还包括用户终端。方法通过获取用户终端发送的用户图像，从用户图像中提取人脸图像和背景图像；根据人脸图像获取人脸图像对应的人脸特征信息和性别信息，根据背景图像提取背景信息； 根据人脸特征信息和性别信息获取人脸图像对应的躯干信息，以及根据人脸特征信息、躯干信息和背景信息获取躯干信息对应的衣着信息；根据人脸图像、躯干信息和衣着信息进行建模，生成三维模型；根据三维模型生成智能名片，并将智能名片发送给用户终端，完成智能名片的制作。通过根据所生成的三维模型完成智能名片的制作，并将智能名片发送至用户终端，使得后续用户终端能够通过使用智能名片进一步了解智能销售系统中的商品详情。通过三维模型作为智能客服能够提高用户对智能销售系统中的产品的理解和认同，最终有效提高智能销售系统的成交率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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的附图。

图1是本申请实施例所提供的智能销售系统的结构示意框图；

图2是本申请实施例所提供的智能名片的制作方法的步骤示意流程图；

图3是本申请实施例提供的一种人脸图像和背景图像的提取方法的步骤示意流程图；

图4是本申请实施例提供的一种子前景区域和子后景区域的划分方法的步骤示意流程图；

图5是本申请实施例提供的一种三分图的生成方法的步骤示意流程图；

图6是本申请实施例提供的一种背景图像的替换方法的步骤示意流程图；

图7是本申请实施例提供的一种信息提取方法的步骤示意流程图；

图8是本申请实施例提供的一种躯干信息获取方法的步骤示意流程图；

图9是本申请实施例提供的一种衣着信息获取方法的步骤示意流程图；

图10是本申请实施例提供的一种三维模型生成方法的步骤示意流程图；

图11是本申请实施例所提供的一种智能名片的示意图；

图12是本申请实施例所提供的另一种智能名片的示意图；

图13是本申请实施例提供的一种服务器的示意性框图。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动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。

附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。

应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

为便于理解本申请实施例，下面对本申请实施例中涉及到的一些词汇作简单说明。

1. 抠图(Matting)：抠图是图像处理中最常做的操作之一，是把图片或影像的某一部分从原始图片或影像中分离出来成为单独的图层。主要功能是为了后期的合成做准备。方法有套索工具、选框工具、橡皮擦工具等直接选择、快速蒙版、钢笔勾画路径后转选区、抽出滤镜、外挂滤镜抽出、通道、计算、应用图像法等。

2.三分图（Trimap）：Trimap 是在图像分割和图像编辑任务中使用的一种重要概念。它是一个用于标记图像中每个像素属于前景、背景还是不确定区域的二值图像，通常由三个不同的值构成。Trimap 的主要目的是为了帮助算法识别图像中前景和背景之间的边界，以便进行分割、修复或编辑操作。

Trimap 通常包含前景像素（Foreground Pixel）、背景像素（Background Pixel）和不确定像素（Uncertain Pixel）三种像素值。前景像素通常用较亮的灰度值或白色表示。这些像素属于图像中的前景对象或目标。背景像素通常用较暗的灰度值或黑色表示。这些像素属于图像的背景区域。不确定像素通常位于前景和背景之间，用中等灰度值或灰色表示。这些像素是算法难以确定归属的区域，可能是前景和背景之间的边界区域。

Trimap 的创建可以是手动的，也可以是基于图像分割或交互式工具生成的。它在图像分割、图像修复、背景替换和图像编辑中都能起到很好的辅助作用，Trimap 是一个重要的辅助工具，用于指导图像处理和分割算法的操作，以使它们更好地理解图像中不同区域的关系。

下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。

目前，在销售系统中，受限于销售的个人精力，一名销售无法同时接待多名客户，在多名客户同时对销售进行咨询时，十分容易导致销售的讲解出现差错导致客户流失。

为提高智能销售系统的接待人数，当下智能客服得到了广泛使用，智能客服能够帮助客户尽快了解相关产品信息。但是，当下智能客服大多为智能文字客服，通过在应用程序的相关界面上对用户所提出的问题进行回答，而枯燥、机械的文字介绍难以提高用户对产品的理解和认同，使得用户最终成交率难以得到保证。

为解决上述问题，请参照图1，图1是本申请实施例所提供的智能销售系统的结构示意框图。所提供的智能销售系统10包括服务器11和用户终端12。

具体地，服务器11搭载有预设应用程序的服务端、用户终端12搭载有预设应用程序的客户端，进而所提供的服务器11能够实现本申请任一实施例所提供的智能名片的制作方法。

需要说明的是，本申请所提出的智能销售系统10可以应用于任意需要进行销售的场景，例如保险销售、车辆销售和房地产销售等销售场景。在本申请所提供的智能销售系统中，通过制作每个销售人员对应的智能名片能够提升销售人员同时接待的用户的数量。同时用户也能够通过智能名片实现与销售真人进行沟通的体验。

本申请实施例提供了一种智能销售系统，所提供的智能销售系统能够帮助销售人员使用用户终端能够在服务器上完成智能名片的制作，以提高销售人员的工作效率和成交率。

本申请提出了一种智能名片的制作方法，请参照图2，图2是本申请实施例所提供的智能名片的制作方法的步骤示意流程图。所提供的方法应用于本申请任一实施例所提供的智能销售系统的服务器。

需要说明的是，本申请所提出的智能名片的制作方法所制作的智能名片可以应用于任意需要进行个人信息交互的场景，本申请以销售场景为例进行说明。在本申请所应用的场景中，通过制作每个销售人员对应的智能名片能够提升销售人员同时接待的用户人数。同时用户也能够通过智能名片实现与销售真人进行沟通的体验。

如图2所示，所提供的方法包括步骤S101至S105。

S101. 获取用户终端发送的用户图像，从用户图像中提取人脸图像和背景图像。

具体地，用户终端通过将包括销售人员个人面部和工作相关背景的用户图像发送至服务器，服务器基于抠图技术能够在用户图像中将人脸图像和背景图像进行分离。通过分离后的人脸图像能够将其进一步修改为更完整的三维人像，通过分离后的背景图像能够修改或替换为更能够代表销售工作场景的动态背景。

在一些实施例中，用户图像可以是用户在用户终端中在预设操作指令下录制的，例如让用户进行转头，抬头等操作，进而能够采集到用户人脸更全面的特征，以构建更真实的三维模型。

在一些实施例中，用户图像可以是一张包含用户人脸信息的图像，用户图像可以是多张包含用户人脸信息的图像，用户图像可以是由多张连续帧的图像组成的一段包含用户人脸信息的视频。用户图像只要能包含用户人脸信息用于提取出人脸图像和背景图像即可实现本申请实施例所提供的方法，故本申请实施例对用户图像的类型不作限制。

在一些实施例中，从用户图像中提取人脸图像和背景图像之后，还包括：分别计算人脸图像和背景图像的完整性；若根据人脸图像和背景图像的完整性确认人脸图像和背景图像不完整时，将人脸图像与标准人脸图像比对生成人脸缺失信息，将背景图像与标准背景图像比对生成背景缺失信息；根据人脸缺失信息修改人脸图像，并根据背景缺失信息修改背景图像。

当服务器从用户图像中抠图提取人脸图像和背景图像的过程中，可能在人脸图像和背景图像中由于区域划分错误导致人脸图像和背景图像不完整。此时采用所提供的方法服务器能够通过将人脸图像与标准人脸图像进行比对，判断人脸图像中的人脸缺失信息，即确定人脸图像相较于完整的人脸所缺失的因素，进而将人脸图像与所缺失的因素进行融合能够得到完整的人脸图像。同理对于背景图像也能通过将背景图像与所缺失的因素进行融合能够得到完整的背景图像。进而提升从用户图像中抠图获取人脸图像和背景图像的精度。

示例性的，在分别计算人脸图像和背景图像的完整性之后，还包括：若根据人脸图像和背景图像的完整性确认人脸图像和背景图像存在其他因素时，例如拍摄用户图像时有飞虫飞过，通过移除导致人脸图像和背景图像分割失败的因素已确保人脸图像和背景图像是完整且不存在其他因素的，进而提升从用户图像中抠图获取人脸图像和背景图像的精度。

在一些实施例中，请参照图3，图3是本申请实施例提供的一种人脸图像和背景图像的提取方法的步骤示意流程图。

如图3所示，所提供的提取方法包括步骤S101a至S101c。

S101a. 根据用户图像生成用户图像对应的三分图，三分图包括前景区域、未知区域和后景区域。

S101b.根据前景区域获取前景区域对应的不透明度。

S101c.根据不透明度将未知区域划分为子前景区域和子后景区域，子前景区域和前景区域构成人脸图像，子后景区域和后景区域构成背景图像。

通过根据用户图像生成对应的三分图，例如在用户终端发送用户图像时，还对用户图像进行简单的标记，标记用于辅助服务器区分用户图像中的人像和背景，进而能够辅助服务器将用户图像生成包括前景区域、未知区域和后景区域的三分图。

其中，前景区域包括图像中的前景像素点，例如人像的像素点。后景区域用于标识图像背景的像素点。未知区域用于标识位于前景和背景之间的像素点，例如人像的发丝等位于人像和背景交界点之间的像素点。通过对未知区域的各个像素点进行进一步的分析，采用前景区域的不透明度和未知区域各个像素点进行比较，已判断未知区域的各像素点是否属于前景区域所在的图层。基于此能实现对用户图像的高精度抠图以提高最终构建的智能名片的拟人性。

示例性的，所提供的人脸图像和背景图像的提取方法能够通过将用户图像输入至预设多层神经网络，多层神经网络至少包括编码器和解码器。进而通过将用户图像输入至编码器，基于编码器编码后的用户图像能够经解码器输出抠图完成的人脸图像和背景图像。进而通过端到端预测用户图像中像素点对应的区域。预设多层神经网络先根据输入用户图像获取对应的三分图，得到较为粗略的图像区域信息。再进一步提升图像区域的精度与边缘表现，以精确获取三分图的前景区域、未知区域和后景区域。

示例性的，请参照图4，图4是本申请实施例提供的一种子前景区域和子后景区域的划分方法的步骤示意流程图。

如图4所示，所提供的划分方法包括步骤S101c1至S101c2。

S101c1.根据不透明度计算未知区域的各像素点的前景概率。

S101c2.将前景概率大于或等于预设概率的像素点划分为子前景区域，将前景概率小于预设概率的像素点划分为子后景区域。

通过建立前景区域的不透明度和未知区域的像素点颜色的比较，在给定一个未知区域的像素点时，其与前景区域的不透明度通过例如相识度的计算，进而能够确认未知区域的像素点是否位于前景区域中的前景概率。进而能够将前景概率大于或等于预设概率的像素点划分为子前景区域，例如将前景概率大于0.5的像素点划分为子前景区域。基于上述步骤能够成功将未知区域的像素点划分到前景区域和背景区域中，进而能够实现高精度抠图，例如成功将人脸图像的发丝和背景进行成功分离。

需要说明的是，在一些实施例中，根据不透明度计算未知区域的各像素点的前景概率，可以通过使用了半监督学习中相对位置的概念，假设不透明度和未知区域的像素点的颜色向量呈线性相关关系。因此，对于每一个点的像素点的前景概率，通过使用周围像素点的线性组合来预测。这个线性组合的参数，又是通过学习得到的，这个学习的过程，就是建立不透明度和颜色特征向量之间相关关系的过程。

示例性的，请参照图5，图5是本申请实施例提供的一种三分图的生成方法的步骤示意流程图。

如图5所示，所提供的生成方法包括步骤S101a1至S101a5。

S101a1.对用户图像进行边缘检测，获取用户图像的人脸边缘轮廓。

S101a2.将用户图像划分为第一区域和第二区域，第一区域为用户图像中位于人脸边缘轮廓内的区域，第二区域为人脸图像中位于人脸边缘轮廓外的区域。

S101a3.对第一区域进行腐蚀、膨胀处理，获取前景区域和第一子未知区域。

S101a4.对第二区域进行腐蚀、膨胀处理，获取后景区域和第二子未知区域；其中，第一子未知区域和第二子未知区域构成未知区域。

S101a5.根据前景区域、后景区域和未知区域生成人脸图像对应的三分图。

通过对用户图像进行边缘检测，例如Canny算子边缘检测或者语义分割等方法，能够获取用户图像中的人脸边缘轮廓。进而人脸边缘轮廓内的区域为用户图像的第一区域，人脸边缘轮廓外的区域为用户图像的第二区域。通过分别对第一区域和第二区域进行腐蚀、膨胀处理，能够确定第一区域内仍模糊的第一子未知区域和第二区域内仍模糊的第二子未知区域，进而叠加第一子未知区域和第二子未知区域得到未知区域，以能够将前景区域、后景区域和未知区域生成所述人脸图像对应的三分图。以实现对三分图的自动生成。

在一些实施例中， 从用户图像中提取人脸图像，包括：对用户图像进行人脸异常检测；若用户图像通过人脸异常检测，从用户图像中提取人脸图像。

人脸异常检测用于检测用户图像所包括的人脸是否为正常、完整的人脸，例如用户图像中的人脸佩戴口罩、太阳眼镜、帽子等影响人脸完整性的饰品。当确认人脸图像中用户佩戴影响人脸完整性的饰品时，服务器向用户终端发送提取失败信息，例如提取失败信息为“由于您佩戴了口罩，人脸图像提取失败，请重新录制人脸图像”，以提示用户终端重新录制用户图像。

在一些实施例中，从用户图像中提取人脸图像，包括：获取用户图像的人脸角度；若所述人脸角度在预设角度范围内，从用户图像中提取人脸图像。

由于拍摄用户图像的时可能存在人脸角度偏移的情况，例如用户歪头或用户拍摄用户图像过程中用户终端不是正对人脸。若不对其进行校正则会导致后续生成的三维模型的人脸是歪曲的。因此通过获取用户图像的人脸角度，若人脸角度在预设角度范围之内，例如人脸角度为10度、预设角度范围为-20度至+20度，则此时能够直接从用户图像提取人脸图像，进而生成的三维模型能够更自然。

示例性的，当用户图像中的人脸角度不在预设角度范围之内时，服务器向用户终端发送提取失败信息，例如提取失败信息为“由于您的用户图像中人脸歪曲，人脸图像提取失败，请重新录制人脸图像”，以提示用户终端重新录制用户图像。

示例性的，当用户图像中的人脸角度不在预设角度范围之内时，服务器能够对用户图像中的人脸进行角度校正，例如根据人脸角度和预设角度范围获取校正角度，基于校正角度对用户图像中的人脸进行角度校正。校正后的人脸角度在预设角度范围之内，进而最终基于人脸图像生成的三维模型能够更自然。

在一些实施例中，请参照图6，图6是本申请实施例提供的一种背景图像的替换方法的步骤示意流程图。

如图6所示，所提供的背景图像的替换方法包括步骤S201至S203。

S201.获取用户终端发送的动态场景图像。

S202.根据人脸图像对动态场景图像进行裁剪。

S203.将裁剪后的动态场景图像替换背景图像。

为进一步提高智能名片的拟人性，通过获取用户终端发送的动态场景图像，例如当用户的场景为美食销售场景时，通过根据销售品类的类别在云端智能搜索对应的动态场景图像。再通过根据人脸图像的形状对动态场景图像进行裁剪，以使得动态场景图像能够和人脸图像进行完美贴合。

需要说明的是，在一些实施例中获取用户终端发送的动态场景图像，还可以是销售系统对应的公司的背景图，进而能够提升所生成的智能名片的专业度。

示例性的，在根据人脸图像对动态场景图像进行裁剪之前，还包括：还包括：获取用户终端发送的场景信息；根据场景信息获取场景信息对应的动态场景图像。

用户终端能够提前录制好需要融合的场景信息，例如销售场景的动态视频，进而服务器能够智能的将用户终端发送的场景信息转换为动态场景图像以替换掉背景图像。使得所提供的方法能够帮助用户更个性化地定制对应的智能名片。

S102. 根据人脸图像获取人脸图像对应的人脸特征信息和性别信息，根据背景图像提取背景信息。

根据用户的人脸图像能够获取用户的人脸特征信息和性别信息，例如通过获取人脸图像中的人脸形状、五官特征等人脸特征信息。由于男性和女性的五官分布具有各自的规律，因此能基于人脸形状、五官特征进一步判断人脸图像对应的性别信息。再根据背景图像提取背景信息，例如工作的场景、背景颜色等。通过人脸特征信息、性别信息和背景信息的提取能够最终生成更逼真、更自然的智能名片，提高用户使用智能名片的使用体验。

在一些实施例中，人脸特征信息包括五官特征信息、人脸形状信息和体型信息。服务器存储有预设人脸信息数据库，人脸信息数据库包括预设性别信息对应的预设五官特征信息和预设人脸形状信息、以及预设体型信息对应的预设人脸形状信息。请参照图7，图7是本申请实施例提供的一种信息提取方法的步骤示意流程图。

如图7所示，所提供的信息提取方法包括步骤S301至S304。

S301.根据人脸图像获取人脸图像对应的五官特征信息和人脸形状信息。

S302.将五官特征信息与预设人脸信息数据库进行匹配，获取人脸图像对应的预设性别信息。

S303.将人脸形状信息与预设人脸信息数据库进行匹配，获取人脸图像对应的预设体型信息。

S304.将匹配成功的预设性别信息作为人脸图像对应的性别信息，将匹配成功的预设体型信息作为人脸图像对应的体型信息，完成人脸特征信息和性别信息的提取。

通过获取人脸图像对应的五官特征信息用于表征人脸图像的五官分布，再根据人脸形状信息表征人脸图像的脸型。进而服务器能够根据五官特征信息和人脸形状信息在预设人脸信息数据库确定人脸图像对应的性别信息。也能够根据人脸形状信息在预设人脸信息数据库确定人脸图像对应的体型信息，例如根据脸型的大小和形状确定用户的体型应该是胖、瘦或者正常。进而能够完成人脸特征信息和性别信息的提取。

在一些实施例中，根据背景图像提取背景信息，包括，提取背景中的颜色和背景中的标志物，例如物品或品牌的标志。进而能够根据背景图像确定用户终端对应的销售场景，以在后续根据销售场景生成对应的智能名片。

S103. 根据人脸特征信息和性别信息获取人脸图像对应的躯干信息，以及根据人脸特征信息、躯干信息和背景信息获取躯干信息对应的衣着信息。

具体地，由于人脸图像中不包含人脸的躯干，为进一步提升智能名片的真实性，本申请所提供的方法通过根据人脸特征信息和性别信息获取人脸图像对应的躯干信息，例如当根据人脸特征信息对用户的体重进行预测，再根据性别信息生成对应的躯干信息，例如预测体重为80公斤、性别信息为男，服务器智能匹配对应80公斤的男性躯干。

同时再根据人脸特征信息、躯干信息和背景信息服务器能够获取躯干信息对应的衣着信息，例如根据躯干信息确定衣着的尺码，根据背景信息中的背景颜色和人脸特征信息中人脸的发型颜色及其他饰品的颜色确定衣着的颜色，若背景中包括标志物信息，例如品牌的标志在衣物上添加对应的图标。能够生成与躯干所匹配的衣着。使得本申请所提供的方法能够仅根据一张人脸图像便准确生成人脸图像对应的躯干和衣着。提高智能名片的拟人性和专业性。

在一些实施例中，服务器存储有预设躯干信息数据库和预设体型预测模型，躯干信息数据库包括多个预设躯干信息和预设躯干信息对应的预设体型信息和预设性别信息。请参照图8，图8是本申请实施例提供的一种躯干信息获取方法的步骤示意流程图。

如图8所示，所提供的方法包括步骤S103a至S103c。

S103a.将人脸特征信息输入至预设体型预测模型，预设体型预测模型用于输出人脸特征信息对应的预测体型信息。

S103b.将预测体型信息和性别信息与预设躯干信息数据库进行匹配，获取人脸图像对应的预设体型信息和预设性别信息。

S103c.将匹配成功的预设体型信息和预设性别信息对应的预设躯干信息作为人脸图像对应的躯干信息。

通过在服务器中预先存储预设躯干信息数据库和预设体型预测模型，预设体型预测模型可以为多层卷积神经网络。进而能够先将人脸特征信息输入至预设体型预测模型，预设体型预测模型用于提取人脸形状、大小等信息以输出人脸特征信息对应的预测体型信息。再将预测体型信息和性别信息与预设躯干信息数据库进行匹配，获取人脸图像对应的预设体型信息和预设性别信息，最终能够将匹配成功的预设体型信息和预设性别信息对应的预设躯干信息作为人脸图像对应的躯干信息。因此本申请实施例所提供的方法能够根据人脸图像快速确认对应的躯干信息。

在一些实施例中，背景信息包括场景类型信息和背景颜色信息，衣着信息至少包括衣物尺码、衣物类型和衣物颜色。请参照图9，图9是本申请实施例提供的一种衣着信息获取方法的步骤示意流程图。

如图9所示，所提供的方法包括步骤S103d至S103g。

S103d.根据躯干信息确定衣物尺码。

S103e.根据场景类型信息和躯干信息确定衣物类型。

S103f.根据人脸特征信息提取出发色信息。

S103g.根据发色信息和背景颜色信息确认衣物颜色。

服务器通过根据躯干信息能够对用户体重进行预测，以确定对应的衣物尺码。再根据场景类型信息和躯干信息确定衣物类型，例如场景类型为公务场合衣物类型为西装、场景类型为餐饮场合衣物类型为厨师装、场景类型为运动用品销售场合衣物类型为运动装。再根据人脸特征信息提取出发色信息，再根据预发色信息和背景颜色信息确认衣物的颜色，进而能够确定与用户和背景最为搭配的衣物颜色。进而为智能名片搭配更为合适、贴身的衣物。

示例性的，服务器还可以根据人脸特征信息提取出饰品颜色信息，例如眼镜颜色、耳环颜色。还可以根据人脸特征信息提取出妆造信息，例如口红颜色、粉底颜色等等。任意人脸上的颜色信息都能作为确定最终衣物颜色的影响因素。进而能够为最终的智能名片搭配更为合适、贴身的衣物。

S104. 根据人脸图像、躯干信息和衣着信息进行建模，生成三维模型。

具体地，通过将人脸图像、躯干信息和衣着信息进行建模，能够生成用户对应的三维模型，进而能够驱动三维模型进行说话的形式实现三维模型与用户终端侧的用户的交流。

在一些实施例中，服务器存储有预设头部信息数据库，头部信息数据库包括多个预设人脸图像，预设人脸图像包括预设角度范围内的人脸，预设角度范围为0至360度；人脸图像包括子预设角度范围内的人脸，子预设角度范围为0至180度。请参照图10，图10是本申请实施例提供的一种三维模型生成方法的步骤示意流程图。

如图10所示，所提供的三维模型生成方法包括步骤S104a至S104c。

S104a.将人脸图像与预设头部信息数据库进行匹配，获取人脸图像对应的预设人脸图像。

S104b.将人脸图像与预设人脸图像融合，融合后的人脸图像包括预设角度范围内的人脸。

S104c.根据融合后的人脸图像、躯干信息和衣着信息进行建模，以生成三维模型。

由于所录制的人脸图像一般只包括正脸，后脑部分则是人脸图像中未包含的。因此通过将人脸图像与预设头部信息数据库进行匹配，获取人脸图像对应的预设人脸图像。再将人脸图像与预设人脸图像融合，融合后的人脸图像的后脑部分将被补齐，进而最终生成的三维模型能够更为完整与全面。

在一些实施例中，在生成三维模型之后，还包括：获取三维模型的人脸角度；若人脸角度不在预设角度范围之内，将三维模型的人脸角度校正至所述预设角度范围之内。由于录制用户图像的时候可能存在人脸角度偏移的情况，若不对其进行校正则会影响后续用户对智能名片的使用体验。因此通过获取三维模型的人脸角度，若人脸角度不在预设角度范围之内，例如人脸角度为30度、预设角度范围为-20度至+20度，则此时需要将三维模型的人脸角度校正至预设角度内，确保三维模型能够更自然。

示例性的，获取所述三维模型的人脸角度，包括：在三维模型中检测人脸的鼻子位置、瞳孔位置和嘴唇位置；根据鼻子位置、瞳孔位置和嘴唇位置计算人脸角度。通过根据人脸中标志性特征点的位置，例如鼻子位置、瞳孔位置和嘴唇位置，服务器能够快速确认人脸的角度，例如以鼻子的位置为中轴点，通过计算瞳孔或嘴唇位置与鼻子的偏移角度，能够获取人脸角度。

示例性的，服务器能够通过训练对应的特征提取和角度计算模型，例如多层深度神经网络的角度计算模型。检测人脸图像信息是否发生左偏或者右偏超过预设角度，例如20°。便于及时调整三维模型中的人脸的位置，确保生成的人脸图像更自然不僵硬。

示例性的，服务器对三维模型的角度校正可以基于CNN(卷积神经网络)的方法，计算性能获得了提高但仅检测较少的标注点(landmarks ),限制了对面部形状的描述能力。通过人脸对齐，即面部特征点定位，在人脸上找出需要的特征点的位置，比如鼻子左侧，鼻孔下侧，瞳孔位置，上嘴唇下侧等等点的位置。算法输入为100x100的RGB图像和PNCC(ProjectedNormalizedCoordinate Code)特征，PNCC特征的计算与当前形状相关，可以反映当前形状的信息;算法的输出为三维模型的人脸形状模型参数。使用卷积神经网络拟合从输入到输出的映射函数，网络包含4个卷积层，3个pooling层和2个全连接层。通过级联多个卷积神经网络直至在训练集上收敛，PNCC特征会根据当前预测的人脸形状更新，并作为下一级卷积神经网络的输入。此外，卷积神经网络的损失函数也做了精心的设计，通过引入权重，让网络优先拟合重要的形状参数，如尺度、旋转和平移;当人脸形状接近groundtruth时，再考虑拟合其他形状参数。

S105. 根据三维模型生成智能名片，并将智能名片发送给用户终端，完成智能名片的制作。

具体地，服务器通过根据用户图像所生成的三维模型生成对应的智能名片，如图11和图12所示，图11是本申请实施例所提供的一种智能名片的示意图，图12是本申请实施例所提供的另一种智能名片的示意图。在将智能名片发送给用户终端之后，用户能够通过用户终端与智能名片中的三维模型进行对话，能通过智能名片能了解智能销售系统中的商品详情，也能够通过智能名片直接与智能名片对应的销售人员进行联系。进而通过三维模型作为智能客服能提高用户对智能销售系统中的产品的理解，提高智能销售系统的成交率。

在一些实施例中，智能名片至少包括第一区域和第二区域；根据三维模型生成智能名片，包括： 获取用户终端发送的用户个人信息；在第一区域中添加三维模型，在第二区域中添加用户个人信息，完成智能名片的生成。

如图11与12所示，智能名片上包括更大面积的第一区域用于放置生成的三维模型，第二区域用于放置用户的个人信息，例如用户的手机号、邮箱等信息。进而用户能够通过用户终端与智能名片中的三维模型进行对话，也能够通过智能名片直接与智能名片对应的销售人员进行联系，提高用户的使用体验。

示例性的，如图11与12所示，智能名片还包括名片分享按钮和将手机号码存入手机通讯录的按钮。基于名片分享按钮销售人员能够很方便的将自身的智能名片分享给客户，进而客户能够很方便的跳转到对应的智能名片。通过存入手机通讯录按钮用户也能快速与销售联系。

示例性的，如图11与12所示，智能名片还包括产品、案例、和我聊一聊、官网等图标。在产品图标被触发时用户终端会显示智能销售系统的多个产品信息，同时三维模型也可以同步对产品进行介绍。在案例图标被触发时用户终端会该销售人员的销售案例，同时三维模型也能同步对案例进行介绍。在和我聊一聊图标被触发时用户终端中三维模型会主动与用户进行沟通与介绍。在官网图标被触发时用户终端会跳转至该智能销售系统所属的品牌对应的官方网站，同时三维模型也能同步对品牌进行介绍。进而通过智能名片用户能够更深入了解产品的内容。

本申请提供了智能名片的制作方法，使用户终端能通过使用智能名片进一步了解智能销售系统中的商品详情。通过三维模型作为智能客服能够提高用户对智能销售系统中的产品的理解和认同，最终有效提高智能销售系统的成交率。

本申请提供了一种服务器。如图13所示，图13是本申请实施例提供的一种服务器的示意性框图。其中，该服务器可以包括处理器、存储器和网络接口。处理器、存储器和网络接口通过系统总线连接，该系统总线比如为I2C（Inter-integrated Circuit）总线。

具体地，处理器可以是微控制单元(Micro-controller Unit，MCU)、中央处理单元(Central Processing Unit，CPU)或数字信号处理器 (Digital Signal Processor，DSP)等。

具体地，存储器可以是Flash芯片、只读存储器 (ROM，Read-Only Memory)磁盘、光盘、U盘或移动硬盘等。

该网络接口用于进行网络通信，如发送分配的任务等。本领域技术人员可以理解，图13中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的终端设备的限定，具体的服务器可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

其中，所述处理器用于运行存储在存储器中的计算机程序，并在执行所述计算机程序时实现本申请实施例提供的智能名片的制作方法任一项中相应的步骤。

示例性的所提供的服务器用于如下步骤：

获取智能体的状态信息，将所述状态信息发送至角色模块，所述角色模块调用所述智能体对应的AI模型，将所述状态信息输入至所述AI模型以获取所述AI模型根据所述状态信息输出的预测动作信息。

获取用户终端发送的用户图像，从所述用户图像中提取人脸图像和背景图像。

根据所述人脸图像获取所述人脸图像对应的人脸特征信息和性别信息，根据所述背景图像提取背景信息。

根据所述人脸特征信息和性别信息获取所述人脸图像对应的躯干信息，以及根据所述人脸特征信息、所述躯干信息和背景信息获取所述躯干信息对应的衣着信息。

根据所述人脸图像、所述躯干信息和所述衣着信息进行建模，生成三维模型。

根据所述三维模型生成智能名片，并将所述智能名片发送给所述用户终端，完成所述智能名片的制作。

在一些实施例中，所述从所述用户图像中提取人脸图像和背景图像，用于实现：根据所述用户图像生成所述用户图像对应的三分图，所述三分图包括前景区域、未知区域和后景区域；根据所述前景区域获取所述前景区域对应的不透明度；根据所述不透明度将所述未知区域划分为子前景区域和子后景区域，所述子前景区域和所述前景区域构成所述人脸图像，所述子后景区域和所述后景区域构成所述背景图像。

在一些实施例中，所述根据所述不透明度将所述未知区域划分为子前景区域和子后景区域，用于实现：根据所述不透明度计算所述未知区域的各像素点的前景概率；将所述前景概率大于或等于预设概率的所述像素点划分为所述子前景区域，将所述前景概率小于预设概率的所述像素点划分为所述子后景区域。

在一些实施例中，所述根据所述用户图像生成所述用户图像对应的三分图，用于实现： 对所述用户图像进行边缘检测，获取所述用户图像的人脸边缘轮廓；将所述用户图像划分为第一区域和第二区域，所述第一区域为所述用户图像中位于所述人脸边缘轮廓内的区域，所述第二区域为所述人脸图像中位于所述人脸边缘轮廓外的区域；对所述第一区域进行腐蚀、膨胀处理，获取所述前景区域和第一子未知区域；对所述第二区域进行腐蚀、膨胀处理，获取所述后景区域和第二子未知区域；其中，所述第一子未知区域和所述第二子未知区域构成所述未知区域；根据所述前景区域、后景区域和所述未知区域生成所述人脸图像对应的三分图。

在一些实施例中，所述服务器存储有预设躯干信息数据库和预设体型预测模型，所述躯干信息数据库包括多个预设躯干信息和所述预设躯干信息对应的预设体型信息和预设性别信息；所述根据所述人脸特征信息和性别信息获取所述人脸图像对应的躯干信息，用于实现：将所述人脸特征信息输入至所述预设体型预测模型，所述预设体型预测模型用于输出所述人脸特征信息对应的预测体型信息；将所述预测体型信息和性别信息与所述预设躯干信息数据库进行匹配，获取所述人脸图像对应的预设体型信息和预设性别信息；将匹配成功的所述预设体型信息和预设性别信息对应的预设躯干信息作为所述人脸图像对应的躯干信息。

在一些实施例中，所述背景信息包括场景类型信息 和背景颜色信息，所述衣着信息至少包括衣物尺码、衣物类型和衣物颜色；所述根据所述人脸特征信息、所述躯干信息和背景信息获取所述躯干信息对应的衣着信息，用于实现：根据所述躯干信息确定所述衣物尺码；根据所述场景类型信息和躯干信息确定所述衣物类型；根据所述人脸特征信息提取出发色信息；根据所述发色信息和所述背景颜色信息确认所述衣物颜色。

在一些实施例中，所述服务器存储有预设头部信息数据库，所述头部信息数据库包括多个预设人脸图像，所述预设人脸图像包括预设角度范围内的人脸，所述预设角度范围为0至360度；所述人脸图像包括子预设角度范围内的人脸，所述子预设角度范围为0至180度；所述根据所述人脸图像、所述躯干信息和所述衣着信息进行建模，生成三维模型，用于实现： 将所述人脸图像与所述预设头部信息数据库进行匹配，获取所述人脸图像对应的预设人脸图像；将所述人脸图像与所述预设人脸图像融合，融合后的所述人脸图像包括所述预设角度范围内的人脸；根据融合后的所述人脸图像、所述躯干信息和所述衣着信息进行建模，以生成所述三维模型。

在一些实施例中，在所述从所述用户图像中提取人脸图像和背景图像之后，所述方法还用于实现：获取所述用户终端发送的动态场景图像；根据所述人脸图像对所述动态场景图像进行裁剪； 将裁剪后的所述动态场景图像替换所述背景图像。

在一些实施例中，在所述根据所述人脸图像对所述动态场景图像进行裁剪之前，所述方法还用于实现： 获取所述用户终端发送的场景信息；根据所述场景信息获取所述场景信息对应的所述动态场景图像。

在一些实施例中，在所述生成三维模型之后，还用于实现：获取所述三维模型的人脸角度；若所述人脸角度不在预设角度范围之内，将所述三维模型的人脸角度校正至所述预设角度范围之内。

在一些实施例中，所述获取所述三维模型的人脸角度，用于实现： 在所述三维模型中检测人脸的鼻子位置、瞳孔位置和嘴唇位置；根据所述鼻子位置、瞳孔位置和嘴唇位置计算所述人脸角度。

在一些实施例中，所述智能名片至少包括第一区域和第二区域；所述根据所述三维模型生成智能名片，用于实现： 获取所述用户终端发送的用户个人信息；在所述第一区域中添加所述三维模型，在所述第二区域中添加所述用户个人信息，完成所述智能名片的生成。

需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的服务器的具体工作过程，可以参考前述智能体控制方法实施例中的对应过程，在此不再赘述。

本申请的实施例中还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序中包括程序指令，所述处理器执行所述程序指令，实现上述实施例提供的智能名片的制作方法的步骤。

其中，计算机可读存储介质可以是前述实施例的服务器的内部存储单元，例如服务器的硬盘或内存。计算机可读存储介质也可以是服务器的外部存储设备，例如服务器上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。

由于该计算机可读存储介质中所存储的计算机程序，可以执行本申请实施例所提供的任一种智能名片的制作方法，因此，可以实现本申请实施例所提供的任一种智能名片的制作方法所能实现的有益效果，详见前面的实施例，在此不再赘述。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。以上所述，仅是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，可轻易想到各种等效的修改或替换，这些修改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以权利要求的保护范围为准。

Claims (12)

1.一种智能名片的制作方法，其特征在于，所述方法应用于智能销售系统的服务器，所述智能销售系统还包括用户终端；所述方法包括：

获取用户终端发送的用户图像，从所述用户图像中提取人脸图像和背景图像；

根据所述人脸图像获取所述人脸图像对应的人脸特征信息和性别信息，根据所述背景图像提取背景信息；

根据所述人脸特征信息和性别信息获取所述人脸图像对应的躯干信息，以及根据所述人脸特征信息、所述躯干信息和背景信息获取所述躯干信息对应的衣着信息；

根据所述人脸图像、所述躯干信息和所述衣着信息进行建模，生成三维模型；

根据所述三维模型生成智能名片，并将所述智能名片发送给所述用户终端，完成所述智能名片的制作;

其中，所述服务器存储有预设躯干信息数据库和预设体型预测模型，所述躯干信息数据库包括多个预设躯干信息和所述预设躯干信息对应的预设体型信息和预设性别信息；所述根据所述人脸特征信息和性别信息获取所述人脸图像对应的躯干信息，包括：将所述人脸特征信息输入至所述预设体型预测模型，所述预设体型预测模型用于输出所述人脸特征信息对应的预测体型信息；将所述预测体型信息和性别信息与所述预设躯干信息数据库进行匹配，获取所述人脸图像对应的预设体型信息和预设性别信息；将匹配成功的所述预设体型信息和预设性别信息对应的预设躯干信息作为所述人脸图像对应的躯干信息；

其中，所述背景信息包括场景类型信息和背景颜色信息，所述衣着信息至少包括衣物尺码、衣物类型和衣物颜色；所述根据所述人脸特征信息、所述躯干信息和背景信息获取所述躯干信息对应的衣着信息，包括：根据所述躯干信息确定所述衣物尺码；根据所述场景类型信息和躯干信息确定所述衣物类型；根据所述人脸特征信息提取出发色信息；根据所述发色信息和所述背景颜色信息确认所述衣物颜色；所述衣物颜色还通过所述人脸特征信息提取出的饰品颜色信息和妆造信息确定，所述饰品颜色信息至少包括眼镜颜色和耳环颜色，所述妆造信息至少包括口红颜色和粉底颜色。

2.根据权利要求1所述的方法，其特征在于，所述从所述用户图像中提取人脸图像和背景图像，包括：

根据所述用户图像生成所述用户图像对应的三分图，所述三分图包括前景区域、未知区域和后景区域；

根据所述前景区域获取所述前景区域对应的不透明度；

根据所述不透明度将所述未知区域划分为子前景区域和子后景区域，所述子前景区域和所述前景区域构成所述人脸图像，所述子后景区域和所述后景区域构成所述背景图像。

3.根据权利要求2所述的方法，其特征在于，所述根据所述不透明度将所述未知区域划分为子前景区域和子后景区域，包括：

根据所述不透明度计算所述未知区域的各像素点的前景概率；

将所述前景概率大于或等于预设概率的所述像素点划分为所述子前景区域，将所述前景概率小于预设概率的所述像素点划分为所述子后景区域。

4.根据权利要求2所述的方法，其特征在于，所述根据所述用户图像生成所述用户图像对应的三分图，包括：

对所述用户图像进行边缘检测，获取所述用户图像的人脸边缘轮廓；

将所述用户图像划分为第一区域和第二区域，所述第一区域为所述用户图像中位于所述人脸边缘轮廓内的区域，所述第二区域为所述人脸图像中位于所述人脸边缘轮廓外的区域；

对所述第一区域进行腐蚀、膨胀处理，获取所述前景区域和第一子未知区域；

对所述第二区域进行腐蚀、膨胀处理，获取所述后景区域和第二子未知区域；其中，所述第一子未知区域和所述第二子未知区域构成所述未知区域；

根据所述前景区域、后景区域和所述未知区域生成所述人脸图像对应的三分图。

5.根据权利要求1所述的方法，其特征在于，所述服务器存储有预设头部信息数据库，所述头部信息数据库包括多个预设人脸图像，所述预设人脸图像包括预设角度范围内的人脸，所述预设角度范围为0至360度；所述人脸图像包括子预设角度范围内的人脸，所述子预设角度范围为0至180度；所述根据所述人脸图像、所述躯干信息和所述衣着信息进行建模，生成三维模型，包括：

将所述人脸图像与所述预设头部信息数据库进行匹配，获取所述人脸图像对应的预设人脸图像；

将所述人脸图像与所述预设人脸图像融合，融合后的所述人脸图像包括所述预设角度范围内的人脸；

根据融合后的所述人脸图像、所述躯干信息和所述衣着信息进行建模，以生成所述三维模型。

6.根据权利要求1所述的方法，其特征在于，在所述从所述用户图像中提取人脸图像和背景图像之后，所述方法还包括：

获取所述用户终端发送的动态场景图像；

根据所述人脸图像对所述动态场景图像进行裁剪；

将裁剪后的所述动态场景图像替换所述背景图像。

7.根据权利要求6所述的方法，其特征在于，在所述根据所述人脸图像对所述动态场景图像进行裁剪之前，所述方法还包括：

获取所述用户终端发送的场景信息；

根据所述场景信息获取所述场景信息对应的所述动态场景图像。

8.根据权利要求1所述的方法，其特征在于，在所述生成三维模型之后，还包括：

获取所述三维模型的人脸角度；

若所述人脸角度不在预设角度范围之内，将所述三维模型的人脸角度校正至所述预设角度范围之内。

9.根据权利要求8所述的方法，其特征在于，所述获取所述三维模型的人脸角度，包括：

在所述三维模型中检测人脸的鼻子位置、瞳孔位置和嘴唇位置；

根据所述鼻子位置、瞳孔位置和嘴唇位置计算所述人脸角度。

10.根据权利要求1所述的方法，其特征在于，所述智能名片至少包括第一区域和第二区域；所述根据所述三维模型生成智能名片，包括：

获取所述用户终端发送的用户个人信息；

在所述第一区域中添加所述三维模型，在所述第二区域中添加所述用户个人信息，完成所述智能名片的生成。

11.一种智能销售系统，其特征在于，包括：

服务器和用户终端；

其中，所述服务器包括：存储器和处理器；所述存储器与所述处理器连接，用于存储程序；所述处理器用于通过运行所述存储器中存储的程序，实现如权利要求1-10中任一项所述的智能名片的制作方法的步骤。

12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如权利要求1-10中任一项所述的智能名片的制作方法的步骤。