CN117274507B - 基于互联网的面部美容整形的ai仿真模拟方法及系统 - Google Patents
基于互联网的面部美容整形的ai仿真模拟方法及系统 Download PDFInfo
- Publication number
- CN117274507B CN117274507B CN202311550010.8A CN202311550010A CN117274507B CN 117274507 B CN117274507 B CN 117274507B CN 202311550010 A CN202311550010 A CN 202311550010A CN 117274507 B CN117274507 B CN 117274507B
- Authority
- CN
- China
- Prior art keywords
- face
- simulation
- data
- information
- sub
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 148
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000001815 facial effect Effects 0.000 title claims abstract description 40
- 238000007493 shaping process Methods 0.000 title claims description 11
- 230000003796 beauty Effects 0.000 title description 2
- 238000012545 processing Methods 0.000 claims abstract description 71
- 239000012634 fragment Substances 0.000 claims abstract description 42
- 230000003993 interaction Effects 0.000 claims description 41
- 238000012549 training Methods 0.000 claims description 20
- 238000012423 maintenance Methods 0.000 claims description 19
- 238000010586 diagram Methods 0.000 claims description 17
- 230000000694 effects Effects 0.000 claims description 17
- 238000012795 verification Methods 0.000 claims description 14
- 238000013475 authorization Methods 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 10
- 239000002537 cosmetic Substances 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 238000004806 packaging method and process Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 238000012550 audit Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 238000002316 cosmetic surgery Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 210000000697 sensory organ Anatomy 0.000 description 2
- 210000003625 skull Anatomy 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Bioethics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Computer Graphics (AREA)
- Architecture (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- Computer Security & Cryptography (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了基于互联网的面部美容整形的AI仿真模拟方法及系统，涉及了面部仿真模拟技术领域，构建互联网审核平台采集若干个用户的面容信息并生成授权账号；为若干个授权账号同步关联相应的处理单元，进而获取面容信息划分出若干个子面容片段，将子面容片段进行区块链分发；获取区块链分发所对应若干个区块节点的子面容片段并进行面部三维扫描，进而生成三维面部模型；提取三维面部模型的特征点云数据，并将其导入预设的整形手术库内，进而生成若干个面部比对点，对面部比对点进行仿真模拟，通过仿真模拟生成仿真模拟图，用户通过授权账号输入自定义信息作为扩充信息，进而进行仿真调整拟合，直到生成最终仿真模拟图为止。
Description
技术领域
本发明涉及面部仿真模拟技术领域，具体是基于互联网的面部美容整形的AI仿真模拟方法及系统。
背景技术
如今，越来越多的人对于自身的面部外貌有着不同的美容需求。而传统的面部美容整形手术存在风险和副作用，且无法预知手术效果，导致许多人犹豫不决。因此，一种能够在整形手术前进行面部美容效果仿真的方法尤为重要。
那么，如何根据不同人群的差异化需求制定出相应的面部仿真模型，如何提升面部仿真模型的精度，以求最优化的仿真结果展现在不同的人群面前，如何在采集不同人群时的面容信息时最大程度的保护与面容信息相关的隐私数据，这些都是我们所需要考虑的问题。
发明内容
为了解决上述问题，本发明的目的在于提供基于互联网的面部美容整形的AI仿真模拟方法及系统。
本发明的目的可以通过以下技术方案实现：基于互联网的面部美容整形的AI仿真模拟方法，包括以下步骤：
步骤S1：构建互联网审核平台，进而通过互联网审核平台采集若干个用户的面容信息，并生成授权账号；
步骤S2：为若干个授权账号同步关联预设的若干个处理单元，处理单元获取面容信息进而划分出若干个子面容片段，将子面容片段进行区块链分发；
步骤S3：获取区块链分发所对应若干个区块节点的子面容片段，进而进行面部三维扫描，并生成三维面部模型；
步骤S4：提取三维面部模型的特征点云数据，并将特征点云数据导入预设的整形手术库内，进而生成若干个面部比对点，对面部比对点进行仿真模拟；
步骤S5：通过仿真模拟生成仿真模拟图，用户通过授权账号输入自定义信息作为扩充信息，进而进行仿真调整拟合，直到生成最终仿真模拟图为止。
进一步的，构建所述互联网审核平台，进而采集面容信息并生成授权账号的过程包括：
构建互联网审核平台并设置若干个不同节点类型的端口节点，节点类型包括主节点和从节点，不同节点类型有对应的采集容量阈值，互联网审核平台设置有中央集群网络，预设主节点的运行算力和临界算力，互联网审核平台获取若干个用户对应的面容信息，并根据运行算力和临界算力将面容信息分配至若干个主节点和从节点处进行采集操作，不同用户的面容信息有对应的用户序列，获取用户序列对应的序列码，以每个序列码为遍历基准点，进而生成若干个遍历基准点对应的授权账号。
进一步的，通过处理单元获取面容信息，进而划分出若干个子面容片段的过程包括：
预设若干个处理单元并进行编号，记编号为i，i＝1，2，3，……，n，n为大于0的自然数，获取授权账号对应的授权码，处理单元设置有不同的实时运维状态，不同的实时运维状态设置有相应的处理指令，根据处理指令执行相应的处理操作，进而通过相应的处理操作将面容信息划分若干个子面容片段，并生成关联序列。
进一步的，将所述子面容片段进行区块链分发的过程包括：
获取关联序列K，K＝<S-ID，i，D[i]>，其中S-ID、i和D[i]分别为授权码、处理单元的编号以及编号为i的处理单元中若干个子面容片段形成的片段集合，将S-ID作为区块标识，将D[i]所包括的若干个子面容片段作为上链元素；
建立交互空间，所述交互空间包括验证单元、区分单元以及分发单元；
所述验证单元用于进行上链元素的审核验证；
所述区分单元用于区分上链元素相关的隐私数据和透明数据，将隐私数据封装为数据集A，将透明数据封装为数据集B，合并汇总数据集A和数据集B进而生成数据包，并将数据包发送至分发单元；
所述分发单元获取数据包，进而将数据包切分为若干个数据子集A`和数据子集B`，并分别绑定相应的权限码，获取并执行权限码相应的权限操作，设置分发区一和分发区二分别进行数据子集A`和数据子集B`的数据分发，进而将数据子集A`和B`分发至相应的若干个区块节点处。
进一步的，进行所述三维面部扫描，进而生成三维面部模型的过程包括：
获取若干个区块节点内存储的数据子集A`和B`，并标记A`和B`为共享建模数据，每个区块节点发送一个扫描请求，设置扫描终端用于接受若干个扫描请求并进行面部三维扫描，扫描终端获取到扫描请求后，解构出数据子集A`和B`对应的子面容片段，并扫描出子面容片段对应的面容区域，不同的面容区域有对应的扫描频率和扫描参数，按照各自所设置的扫描频率和扫描参数进行相应的面容区域的面部三维扫描，进而获取各自的面部区域子模型，汇总各个面容区域的面部区域子模型，进而处理拼接生成三维面部模型。
进一步的，提取所述三维面部模型的特征点云数据，进而根据特征点云数据生成面部比对点的过程包括：
设置提取程序和固定比例的训练集和测试集，将测试集输入至提取程序内，获取提取有效率，记为Q，预设程序合格率，记为G，进行Q和G的数值大小判断，根据判断结果决定是否进行训练集和测试集对应固定比例的调整变更；
若Q≥G，则将训练集输入至提取程序内进行预训练，并增加训练集在固定比例中的比重，直至满足Q＜G时停止固定比例的变更，并停止预训练；
若Q＜G，则不进行任何操作；
通过提取程序提取三维面部模型的特征点云数据，并将特征点云数据导入至预设的整形手术库内，整形手术库内存储有若干个历史点云数据，获取特征点云数据与历史点云数据之间的相似度，记为Y，设置匹配可信度值，记为Z；
若Y≥Z，则调取出历史点云数据在整形手术库内存储的历史数据特征点，并将历史数据特征点作为当前特征点云数据对应的面部比对点；
若Y＜Z，则将特征点云数据由整形手术库导入至预设的建模计算程序内，由建模计算程序生成相应的面部比对点。
进一步的，进行所述仿真模拟并生成仿真模拟图的过程包括：
获取面部比对点，进而获取面部比对点所对应的点阵类型，为不同的点阵类型关联相应的点阵标识，将属于同一点阵标识的面部比对点作为待模拟点，对同一点阵标识对应的待模拟点设置不同类型的仿真参数，仿真参数包括形状参数、位置参数以及尺寸参数，进而通过形状参数、位置参数以及尺寸参数分别仿真模拟出相应的点阵形状、点位坐标以及图像尺度，进而汇总点阵形状、点位坐标以及图像尺度生成初步的仿真模拟图。
进一步的，进行所述仿真拟合，进而生成最终仿真模拟图的过程包括：
设置拟合交互空间，授权账号接入拟合交互空间并开启数据交互，通过数据交互输入自定义信息至拟合交互空间，并将自定义信息作为扩充信息，将仿真模拟图导入至拟合交互空间内，拟合交互空间根据仿真模拟图和扩充信息，并设置迭代次数进行仿真调整拟合，进而生成若干幅仿真模拟图，授权账号对应的用户挑选若干幅仿真模拟图内符合自身预期仿真模拟效果的一幅，并将该幅仿真模拟图标记为最终仿真模拟图，若不存在符合自身预期仿真模拟效果的仿真模拟图，则调整扩充信息和增加迭代次数，直至生成符合自身预期仿真模拟效果的最终仿真模拟图为止。
进一步的，基于互联网的面部美容整形的AI仿真模拟方法的AI仿真模拟系统，包括以下模块：
面容信息采集模块，用于构建互联网审核平台，进而通过互联网审核平台采集若干个用户的面容信息，并生成授权账号；
区块链分发模块，用于为若干个授权账号同步关联预设的若干个处理单元，处理单元获取面容信息进而划分出若干个子面容片段，将子面容片段进行区块链分发；
模型构建模块，用于获取区块链分发所对应若干个区块节点的子面容片段，进而进行面部三维扫描，并生成三维面部模型；
仿真模拟模块，用于提取三维面部模型的特征点云数据，并将特征点云数据导入预设的整形手术库内，进而生成若干个面部比对点，对面部比对点进行仿真模拟；
仿真拟合模块，用于通过仿真模拟生成仿真模拟图，用户通过授权账号输入自定义信息作为扩充信息，进而进行仿真调整拟合，直到生成最终仿真模拟图为止。
与现有技术相比，本发明的有益效果是：
1、通过构建互联网审核平台采集用户的面容信息，并生成对应的授权账号，为授权账号同步关联处理单元，通过处理单元将面容信息划分成若干个子面容片段并进行区块链分发，其中区块链分发之前划分出隐私数据和透明数据，一定程度上保证了用户的面容信息的数据隐私，根据子面容片段进行面部三维扫描进而生成三维面部模型，并获取其对应的特征点云数据导入整形手术库内生成面部比对点，通过后续的仿真模拟和仿真调整拟合，有效提升了仿真的精细程度。
2、通过建立拟合交互空间，并在拟合交互空间内输入扩充信息，所述扩充信息为授权账号对应用户对面部美容整形的个性化需求信息，一定程度上满足了不同人群对于美容整形的差异化需求，设置迭代次数进行不断迭代，则更进一步使得生成的最终仿真模拟图符合用户的自身预期效果。
3、设置的匹配可信度值用于衡量导入的特征点云数据与历史点云数据之间的相似程度，进而决定是间接从整形手术库内调取相应的历史点云数据度对应的历史数据特征点作为面部比对点，还是直接进行面部比对点的生成，为后续仿真的模拟奠定了一定的数据基础，且在满足调取条件时，减少了生成面部比对点所进行的数据分析和数据处理的工作量，提升了仿真模拟的效率。
附图说明
图1为本发明的流程图。
具体实施方式
如图1所示，基于互联网的面部美容整形的AI仿真模拟方法，包括以下步骤：
步骤S1：构建互联网审核平台，进而通过互联网审核平台采集若干个用户的面容信息，并生成授权账号；
步骤S2：为若干个授权账号同步关联预设的若干个处理单元，处理单元获取面容信息进而划分出若干个子面容片段，将子面容片段进行区块链分发；
步骤S3：获取区块链分发所对应若干个区块节点的子面容片段，进而进行面部三维扫描，并生成三维面部模型；
步骤S4：提取三维面部模型的特征点云数据，并将特征点云数据导入预设的整形手术库内，进而生成若干个面部比对点，对面部比对点进行仿真模拟；
步骤S5：通过仿真模拟生成仿真模拟图，用户通过授权账号输入自定义信息作为扩充信息，进而进行仿真调整拟合，直到生成最终仿真模拟图为止。
需要进一步说明的是，在具体的实施过程中，构建所述互联网审核平台，进而通过互联网审核平台采集若干个面容信息，并生成授权账号的过程包括：
构建互联网审核平台，所述互联网审核平台设置有若干个端口节点，所述端口节点设置有不同对应的节点类型，节点类型包括主节点和从节点，不同节点类型的端口节点有对应的采集容量阈值；
分别记主节点和从节点各自对应的采集容量阈值为R主和R从，其中R从＜R主，所述互联网审核平台还设置有中央集群网络，中央集群网络用于为若干个端口节点分配算力资源，进而使得每个端口节点的采集工作能够维持正常进行；
预设主节点的运行算力和临界算力，并分别记为C运和C临，互联网审核平台获取若干个用户对应的面容信息，在获取后将其分配至若干个主节点处，记获取到总的面容信息的数据容量为R；
获取运行算力C运下主节点的最大数目，记为N1，进而记主节点的总采集容量为RL，有RL＝N1×R主，若RL≥R主×N1，则获取临界算力C临下主节点的最大数目，记为N1`，获取临界容量，记为RL`，有RL`＝N1`×R主，若RL`≥R，由中央集群网络分配从节点相应的运行算力，进行从节点采集面容信息的操作，获取差值容量，记为R差，有R差＝|RL`－R|，进而调度相应数目的从节点，记数目为S，则有S＝R差/R从，若RL`＜R，则不启用从节点进行面容信息的采集操作；
若RL＜R主×N1，则在主节点的运行算力下，由主节点进行面容信息的采集，将从节点设置为待机状态，在待机状态下，从节点进行互联网审核平台的平台漏洞检修工作；
不同用户的面容信息有对应的用户序列，获取用户序列对应的序列码，记为U-ID，以每个序列码U-ID为遍历基准点，进而生成若干个遍历基准点对应的授权账号。
需要进一步说明的是，在具体的实施过程中，为所述若干个授权账号同步关联预设的若干个处理单元，进而通过处理单元获取面容信息并划分出若干个子面容片段的过程包括：
预设若干个处理单元，对若干个处理单元进行编号，记为i，则有i＝1，2，3，……，n，其中n为大于0的自然数，所述处理单元用于进行子面容片段的生成；
所述授权账号有对应的授权码，记授权码为S-ID，所述处理单元设置有不同的实时运维状态，不同的实时运维状态设置有相应的处理指令，根据处理指令执行相应的处理操作；
所述实时运维状态包括最佳负荷运维状态、临界负荷运维状态、空闲状态以及故障状态；
所述处理指令包括指令001、指令002、指令003以及指令004；
所述实时运维状态、处理指令以及相应处理操作的对应关系如下：
若干个处理单元的初始的实时运维状态都设置为空闲状态，对应的操作指令为001，获取到指令001后执行相应的处理操作为：生成处理请求，通过处理请求将任一个授权账号与当前发出处理请求的处理单元进行同步关联，由当前处理单元获取授权账号对应的面容信息，进而将面容信息划分为若干个子面容片段，获取关联序列，记为K，K＝<S-ID，i，D[i]>，其中D[i]为编号为i的处理单元内授权账号对应若干个子面容片段构建的片段集合；
获取处理单元划分若干个子面容片段时的实时负荷，记为P实，设置期望划分速率区间，记为V期，获取历史平均负荷，记为P均，当P实≤P均时，不进行任何操作，当P实＞P均时，对处理单元进行速率检测，通过速率检测获取实时划分速率，记为V实，当V实∈V期时，设置实时运维状态为最佳负荷运维状态，对应处理指令为指令002，执行处理操作为：设置处理周期和休整周期，在处理周期内运维处理单元，在休整周期内检修处理单元；
当时，设置处理单元的实时运维状态为临界负荷运维状态，对应的处理指令为003，执行相应的处理操作为：获取实时负荷与历史平均负荷的负荷差值，进而根据负荷差值生成反馈调节参数，通过反馈调节参数实时反馈调节当前处理单元的实时负荷，直至实时运维状态转变为最佳负荷运维状态停止调剂；
在休整周期内，若未检修到故障问题，则不进行任何操作；
若检修到处理单元存在故障问题，则将处理单元的实时运维状态设置为故障状态，对应指令004，执行的处理操作为：获取到指令004后，生成检修指令并发送至管理员处，由管理员安排相应的程序检修人员进行故障问题的排查和修复。
需要进一步说明的是，在具体的实施过程中，将所述子面容片段进行区块链分发的过程包括：
获取关联序列K＝<S-ID，i，D[i]>，进而获取K对应的授权码S-ID和片段集合D[i]，以授权码S-ID作为区块标识，将片段集合D[i]所包括的若干个子面容片段作为上链元素；
建立交互空间，所述交互空间包括验证单元、区分单元以及分发单元；
所述验证单元用于进行上链元素的审核验证；
所述区分单元用于区分上链元素相关的隐私数据和透明数据；
所述分发单元用于进行区块数据分发；
将若干个区块标识对应的若干个上链元素导入至交互空间内，判断交互空间的实时交互环境，若实时交互环境为安全环境，则继续进行上链元素的审核验证，否则，扫描出实时交互环境的漏洞信息，并根据漏洞信息生成漏洞补丁，将当前的实时交互环境转换为安全环境；
验证单元获取同一区块标识下的若干个上链元素，并审核验证上链元素的链源相关信息，若审核通过，则为当前的上链元素关联一个链指针，若审核未通过，则标记区块标识为非法标识，并将非法标识对应的全部上链元素转存至预设的过滤程序内，由过滤程序获取上链元素包括的非法信息并过滤，过滤完成后将其返回至验证单元进行重新审核验证；
区分单元获取关联有链指针的上链元素，设置区分时段和区分规则，所述区分规则包括隐私数据范畴和透明数据范畴，在区分时段内通过区分规则进行隐私数据和透明数据的划分，获取上链元素的相关数据信息，若符合区分规则中的隐私数据范畴，则将符合的部分区分为隐私数据，若其符合透明数据范畴，则将符合的部分区分为透明数据；
将隐私数据封装为数据集A，将透明数据封装为数据集B，合并汇总数据集A和数据集B进而生成数据包，并将数据包发送至分发单元；
所述分发单元获取数据包，进而将数据包内的数据集A和数据集B分别切分为若干个数据子集A`和数据子集B`，分发单元设置有分发区一和分发区二；
为数据子集A`和数据子集B`分别绑定相应的权限码Sn1和Sn2，不同的权限码有相应的权限操作，所述权限操作包括建模权限操作和附加权限操作；
当权限码为Sn1时，对应的权限操作为建模权限操作，当权限码为Sn2时，对应的权限操作为建模权限操作和附加权限操作，通过分发区一进行数据子集A`的数据分发，通过分发区二进行数据子集B`的数据分发，进而将数据子集A`和B`分发至相应的若干个区块节点处。
需要说明的是，建模权限操作即提供了后续进行三维面部模型生成的权限基础，而附加权限操作则包括了对数据的浏览、下载以及增删改查等操作，只对隐私数据提供基础的建模权限操作，有效保证了面容信息这类需要隐私保护的数据的安全性，一定程度上避免了隐私泄露从而造成的盗用他人面容的风险行为。
需要进一步说明的是，在具体的实施过程中，获取区块链分发所对应的若干个区块节点的子面容片段，进行所述面部三维扫描，进而生成三维面部模型的过程包括：
获取若干个区块节点内都存储的相应的数据子集A`和B`，标记A`和B`为共享建模数据，每个区块节点发送一个扫描请求，设置扫描终端用于接受若干个扫描请求并进行面部三维扫描；
所述扫描终端获取到扫描请求后，解构出数据子集A`和B`对应的子面容片段，并扫描出子面容片段对应的面容区域，不同的面容区域有对应的扫描频率和扫描参数；
所述面容区域包括脸颊区域、五官区域、头骨区域以及轮廓边缘区域，脸颊区域、五官区域、头骨区域和轮廓边缘区域设置的扫描频率分别记为f1、f2、f3以及f4，设置各自对应的临界扫描频率分别为F1临、F2临、F3临、以及F4临；
按照各自所设置的扫描频率进行各自相应面容区域的面部三维扫描，进而获取各自的面部区域子模型，设置存疑区间、建模区间以及异常区间，分别记为Ω1、Ω2和Ω3；
获取进行面部三维扫描时对应的三维特征因子，记为γ，根据γ、Ω1、Ω2以及Ω3进行扫描参数和扫描频率的调整，若γ∈Ω1，则在各自临界扫描频率内提升各自相应的扫描频率，在扫描频率提升后，若γ∈Ω2，则生成面部区域维度坐标，根据面部区域维度坐标生成相应的面部区域子模型，若γ∈Ω3，则调整对应的扫描参数，直至满足γ∈Ω2时停止调整，并执行γ∈Ω2情况下的对应操作；
汇总各个面容区域的面部区域子模型，将各面部区域子模型的边缘区域作为拼接基线，所述拼接基线有对应的维度坐标群，获取任意两个维度坐标群的相似度，将相似度最高的两个拼接基线作为拼接对象，进行拼接对象的拼接后继续对拼接处进行模型边缘光滑处理，进而生成三维面部模型。
需要进一步说明的是，在具体的实施过程中，提取所述三维面部模型的特征点云数据，并将其导入预设的整型手术库内，进而生成若干个面部比对点的过程包括：
设置提取程序，并对提取程序进行预训练，设置固定比例的训练集和测试集，将测试集输入至提取程序内，获取实时的提取有效率，记为Q，预设程序合格率，记为G；
获取测试次数，记为N测，当提取程序进行预训练时会对应生成标记“1”和“0”，当标记为“1”时表示提取成功，当标记为“0”时，表示提取失败；
获取标记为“1”的次数，记为X，进而有Q＝X/N测，进行Q和G的数值大小判断，根据判断结果决定是否进行训练集和测试集对应固定比例的调整变更；
若Q≥G，则将训练集输入至提取程序内进行预训练，并增加训练集在固定比例中的比重，直至满足Q＜G时停止固定比例的变更，并停止预训练；
若Q＜G，则不进行任何操作；
提取所述三维面部模型的特征点云数据，所述特征点云数据包括轮廓点云数据、解剖点云数据、对称点云数据以及辅助点云数据，将特征点云数据导入至预设的整形手术库内；
所述整形手术库内存储有若干个历史点云数据，整形手术库接收到导入的特征点云数据后，获取特征点云数据与历史点云数据之间的相似度，记为Y，设置匹配可信度值，记为Z；
若Y≥Z，则调取出历史点云数据在整形手术库内存储的历史数据特征点，并将历史数据特征点作为当前特征点云数据对应的面部比对点；
若Y＜Z，则将特征点云数据由整形手术库导入至预设的建模计算程序内，由建模计算程序生成相应的面部比对点。
需要说明的是，设置的匹配可信度值是用于衡量导入的特征点云数据与历史点云数据之间的相似程度，进而决定是间接从整形手术库内调取相应的历史点云数据度对应的历史数据特征点作为面部比对点，还是直接进行面部比对点的生成，为后续仿真模拟奠定了数据基础，且在满足调取条件时，减少了生成面部比对点所进行的数据分析和数据处理的工作量。
需要进一步说明的是，在具体的实施过程中，根据所述面部比对点进行仿真模拟，进而生成仿真模拟图的过程包括：
获取面部比对点，进而获取面部比对点所对应的点阵类型，所述面部比对点的点阵类型包括五官点阵、脸部点阵、头骨点阵以及边缘轮廓点阵，为不同的点阵类型关联相应的点阵标识，将属于同一点阵标识的面部比对点作为待模拟点；
对同一点阵标识对应的待模拟点设置不同类型的仿真参数，所述仿真参数包括形状参数、位置参数以及尺寸参数，进而通过形状参数仿真模拟出不同的点阵形状，通过位置参数仿真模拟出不同的点位坐标，所述点位坐标包括三维横坐标、三维纵坐标和三维竖坐标，记点位坐标为H，有H＝(Lx，Ly，Lz)，其中Lx为待模拟点的三维横坐标，Ly为待模拟点的三维纵坐标，Lz为待模拟点的三维竖坐标，通过尺寸参数仿真模拟出不同的图像尺度；
进而汇总仿真模拟所生成的点阵形状、点位坐标以及图像尺度生成初步的仿真模拟图；
将仿真模拟图导入设置的评估程序内，由评估程序生成仿真模拟图对应的模拟系数，预设期望模拟区间，若模拟系数落定在期望模拟区间内，则不进行任何操作，否则生成匹配度反馈参数，将匹配度反馈参数返回输入至整形手术库内，进行匹配可信度值的重新设置。
需要说明的是，通过判断生成的仿真模拟图的模拟系数是否落定在期望模拟区间内，来决定是否进行匹配可信度值的重置，而匹配可信度值作为生成面部比对点的前置判断条件，对匹配可信度值进行调整导致面部比对点的生成得到相应的调整，实现了更好的数据基础，一定程度上优化了仿真模拟的精度。
需要进一步说明的是，用户通过授权账号输入自定义信息作为扩充信息，进而进行所述仿真调整拟合，直到生成最终仿真模拟图的过程包括：
设置拟合交互空间，所述拟合交互空间设置有账号验证区，所述账号验证区用于接收授权账号并判断授权账号的合规性；
若判断授权账号合规，则允许授权账号接入拟合交互空间，若不合规，则标记授权账号为非法账号，对非法账号设置禁止交互周期，在禁止交互周期内，非法账号禁止与拟合交互空间进行数据交互；
所述授权账号接入拟合交互空间后，开启相应的数据交互，授权账号对应的用户通过数据交互输入自定义信息至拟合交互空间，并将自定义信息作为扩充信息；
所述扩充信息包括扩充文本、拟合参数以及边界条件，扩充文本包括若干个自定义面部特征信息，拟合参数包括形状拟合参数、尺度拟合参数以及面部结构拟合参数，所述边界条件用于限制拟合参数的输入边界，即边界条件为拟合参数对应输入数值的数值边界，数值边界包括数值上边界和数值下边界；
将仿真模拟图导入至拟合交互空间内，进而拟合交互空间根据仿真模拟图和扩充信息生成若干个拟合填充值，将拟合填充值插值至仿真模拟图内进行仿真调整拟合，进而生成新的仿真模拟图，设置迭代次数，经过迭代次数对应的仿真调整拟合后，生成若干幅仿真模拟图；
所述授权账号对应的用户挑选若干幅仿真模拟图内符合自身预期仿真模拟效果的一幅，并将该幅仿真模拟图标记为最终仿真模拟图，若不存在符合自身预期仿真模拟效果的仿真模拟图，则调整扩充信息和增加迭代次数，直至生成符合自身预期仿真模拟效果的最终仿真模拟图为止。
需要说明的是，所述扩充信息由授权账号对应的用户自行输入，其为用户对面部美容整形的个性化需求信息，通过个性化需求信息的添加，满足了不同人群对面部美容整形的差异化需求，通过迭代次数和扩充信息的相应调整，一定程度上进一步增强了最终仿真模拟图的精细程度，更好的符合用户对面部美容整形的自身预期仿真模拟效果，是否符合自身预期仿真模拟效果通过预先设置的效果图判断，若与效果图一致，则表示符合，否则表示不符合。
本发明还公开了基于互联网的面部美容整形的AI仿真模拟方法的AI仿真模拟系统，包括以下模块：
面容信息采集模块，用于构建互联网审核平台，进而通过互联网审核平台采集若干个用户的面容信息，并生成授权账号；
区块链分发模块，用于为若干个授权账号同步关联预设的若干个处理单元，处理单元获取面容信息进而划分出若干个子面容片段，将子面容片段进行区块链分发；
模型构建模块，用于获取区块链分发所对应若干个区块节点的子面容片段，进而进行面部三维扫描，并生成三维面部模型；
仿真模拟模块，用于提取三维面部模型的特征点云数据，并将特征点云数据导入预设的整形手术库内，进而生成若干个面部比对点，对面部比对点进行仿真模拟；
仿真拟合模块，用于通过仿真模拟生成仿真模拟图，用户通过授权账号输入自定义信息作为扩充信息，进而进行仿真调整拟合，直到生成最终仿真模拟图为止。
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法精神和范围。
Claims (6)
1.基于互联网的面部美容整形的AI仿真模拟方法，其特征在于，包括以下步骤：
步骤S1：构建互联网审核平台，进而通过互联网审核平台采集若干个用户的面容信息，并生成授权账号；
步骤S2：为若干个授权账号同步关联预设的若干个处理单元，处理单元获取面容信息进而划分出若干个子面容片段，将子面容片段进行区块链分发；
步骤S3：获取区块链分发所对应若干个区块节点的子面容片段，进而进行面部三维扫描，并生成三维面部模型；
步骤S4：提取三维面部模型的特征点云数据，并将特征点云数据导入预设的整形手术库内，进而生成若干个面部比对点，对面部比对点进行仿真模拟；
步骤S5：通过仿真模拟生成仿真模拟图，用户通过授权账号输入自定义信息作为扩充信息，进而进行仿真调整拟合，直到生成最终仿真模拟图为止；
构建所述互联网审核平台，进而采集面容信息并生成授权账号的过程包括：
构建互联网审核平台并设置若干个不同节点类型的端口节点，节点类型包括主节点和从节点，不同节点类型有对应的采集容量阈值，互联网审核平台设置有中央集群网络，预设主节点的运行算力和临界算力，互联网审核平台获取若干个用户对应的面容信息，并根据运行算力和临界算力将面容信息分配至若干个主节点和从节点处进行采集操作，不同用户的面容信息有对应的用户序列，获取用户序列对应的序列码，以每个序列码为遍历基准点，进而生成若干个遍历基准点对应的授权账号;
为若干个授权账号同步关联预设的若干个处理单元，处理单元获取面容信息进而划分出若干个子面容片段的过程包括:
预设若干个处理单元并进行编号，记编号为i，i＝1，2，3，……，n，n为大于0的自然数，获取授权账号对应的授权码，处理单元设置有不同的实时运维状态，不同的实时运维状态设置有相应的处理指令，根据处理指令执行相应的处理操作，进而通过相应的处理操作将面容信息划分若干个子面容片段，并生成关联序列;
将子面容片段进行区块链分发的过程包括：
获取关联序列K，K＝<S-ID，i，D[i]>，其中S-ID、i和D[i]分别为授权码、处理单元的编号以及编号为i的处理单元中若干个子面容片段形成的片段集合，将S-ID作为区块标识，将D[i]所包括的若干个子面容片段作为上链元素；
建立交互空间，所述交互空间包括验证单元、区分单元以及分发单元；
所述验证单元用于进行上链元素的审核验证；
所述区分单元用于区分上链元素相关的隐私数据和透明数据，将隐私数据封装为数据集A，将透明数据封装为数据集B，合并汇总数据集A和数据集B进而生成数据包，并将数据包发送至分发单元；
所述分发单元获取数据包，进而将数据包切分为数据子集A`和数据子集B`，并分别绑定相应的权限码，获取并执行权限码相应的权限操作，设置分发区一和分发区二分别进行数据子集A`和数据子集B`的数据分发，进而将数据子集A`和B`分发至相应的区块节点处。
2.根据权利要求1所述的基于互联网的面部美容整形的AI仿真模拟方法，其特征在于，进行所述三维面部扫描，进而生成三维面部模型的过程包括：
获取区块节点内存储的数据子集A`和B`，并标记A`和B`为共享建模数据，每个区块节点发送一个扫描请求，设置扫描终端用于接受若干个扫描请求并进行面部三维扫描，扫描终端获取到扫描请求后，解构出数据子集A`和B`对应的子面容片段，并扫描出子面容片段对应的面容区域，不同的面容区域有对应的扫描频率和扫描参数，按照各自所设置的扫描频率和扫描参数进行相应的面容区域的面部三维扫描，进而获取各自的面部区域子模型，汇总各个面容区域的面部区域子模型，进而处理拼接生成三维面部模型。
3.根据权利要求2所述的基于互联网的面部美容整形的AI仿真模拟方法，其特征在于，提取所述三维面部模型的特征点云数据，进而根据特征点云数据生成面部比对点的过程包括：
设置提取程序和固定比例的训练集和测试集，将测试集输入至提取程序内，获取提取有效率，记为Q，预设程序合格率，记为G，进行Q和G的数值大小判断，根据判断结果决定是否进行训练集和测试集对应固定比例的调整变更；
若Q≥G，则将训练集输入至提取程序内进行预训练，并增加训练集在固定比例中的比重，直至满足Q＜G时停止固定比例的变更，并停止预训练；
若Q＜G，则不进行任何操作；
通过提取程序提取三维面部模型的特征点云数据，并将特征点云数据导入至预设的整形手术库内，整形手术库内存储有若干个历史点云数据，获取特征点云数据与历史点云数据之间的相似度，记为Y，设置匹配可信度值，记为Z；
若Y≥Z，则调取出历史点云数据在整形手术库内存储的历史数据特征点，并将历史数据特征点作为当前特征点云数据对应的面部比对点；
若Y＜Z，则将特征点云数据由整形手术库导入至预设的建模计算程序内，由建模计算程序生成相应的面部比对点。
4.根据权利要求3所述的基于互联网的面部美容整形的AI仿真模拟方法，其特征在于，进行所述仿真模拟并生成仿真模拟图的过程包括：
获取面部比对点，进而获取面部比对点所对应的点阵类型，为不同的点阵类型关联相应的点阵标识，将属于同一点阵标识的面部比对点作为待模拟点，对同一点阵标识对应的待模拟点设置不同类型的仿真参数，仿真参数包括形状参数、位置参数以及尺寸参数，进而通过形状参数、位置参数以及尺寸参数分别仿真模拟出相应的点阵形状、点位坐标以及图像尺度，进而汇总点阵形状、点位坐标以及图像尺度生成初步的仿真模拟图。
5.根据权利要求4所述的基于互联网的面部美容整形的AI仿真模拟方法，其特征在于，进行所述仿真拟合，进而生成最终仿真模拟图的过程包括：
设置拟合交互空间，授权账号接入拟合交互空间并开启数据交互，通过数据交互输入自定义信息至拟合交互空间，并将自定义信息作为扩充信息，将仿真模拟图导入至拟合交互空间内，拟合交互空间根据仿真模拟图和扩充信息，并设置迭代次数进行仿真调整拟合，进而生成若干幅仿真模拟图，授权账号对应的用户挑选若干幅仿真模拟图内符合自身预期仿真模拟效果的一幅，并将该幅仿真模拟图标记为最终仿真模拟图，若不存在符合自身预期仿真模拟效果的仿真模拟图，则调整扩充信息和增加迭代次数，直至生成符合自身预期仿真模拟效果的最终仿真模拟图为止。
6.一种AI仿真模拟系统，用于实现如权利要求1-5任一项所述的基于互联网的面部美容整形的AI仿真模拟方法，其特征在于，包括以下模块：
面容信息采集模块，用于构建互联网审核平台，进而通过互联网审核平台采集若干个用户的面容信息，并生成授权账号；
区块链分发模块，用于为若干个授权账号同步关联预设的若干个处理单元，处理单元获取面容信息进而划分出若干个子面容片段，将子面容片段进行区块链分发；
模型构建模块，用于获取区块链分发所对应若干个区块节点的子面容片段，进而进行面部三维扫描，并生成三维面部模型；
仿真模拟模块，用于提取三维面部模型的特征点云数据，并将特征点云数据导入预设的整形手术库内，进而生成若干个面部比对点，对面部比对点进行仿真模拟；
仿真拟合模块，用于通过仿真模拟生成仿真模拟图，用户通过授权账号输入自定义信息作为扩充信息，进而进行仿真调整拟合，直到生成最终仿真模拟图为止。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311550010.8A CN117274507B (zh) | 2023-11-21 | 2023-11-21 | 基于互联网的面部美容整形的ai仿真模拟方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311550010.8A CN117274507B (zh) | 2023-11-21 | 2023-11-21 | 基于互联网的面部美容整形的ai仿真模拟方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117274507A CN117274507A (zh) | 2023-12-22 |
| CN117274507B true CN117274507B (zh) | 2024-02-23 |
Family
ID=89202956
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311550010.8A Active CN117274507B (zh) | 2023-11-21 | 2023-11-21 | 基于互联网的面部美容整形的ai仿真模拟方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117274507B (zh) |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105164686A (zh) * | 2013-02-07 | 2015-12-16 | 克里赛利克斯有限公司 | 用于美容模拟的3d平台 |
| EP3491963A1 (en) * | 2017-12-01 | 2019-06-05 | Perfect Corp. | Systems and methods for identification and virtual application of cosmetic products |
| WO2019205307A1 (zh) * | 2018-04-27 | 2019-10-31 | 平安科技（深圳）有限公司 | 资源处理节点的运行方法、装置、终端设备及介质 |
| CN110809044A (zh) * | 2019-11-04 | 2020-02-18 | 大连大学 | 建筑多节点分布的压力采集数据的同步传输方法 |
| CN111105502A (zh) * | 2019-10-29 | 2020-05-05 | 王枫 | 基于人工骨修复材料的生物肋骨鼻及下颌仿真整形技术 |
| CN111161418A (zh) * | 2019-11-25 | 2020-05-15 | 西安夏光网络科技有限责任公司 | 面部美容整形仿真模拟方法 |
| CN111179411A (zh) * | 2019-11-25 | 2020-05-19 | 郭宗源 | 基于社交平台的可视化面部美容整形仿真模拟方法及系统、设备 |
| CN112068959A (zh) * | 2020-09-04 | 2020-12-11 | 北京明略昭辉科技有限公司 | 自适应任务调度方法、系统及包括该方法的检索方法 |
| CN113763538A (zh) * | 2021-09-08 | 2021-12-07 | 上海市奉贤区中心医院 | 一种基于自拍设备的可视化面部美容整形仿真模拟设备 |
| CN114138494A (zh) * | 2021-12-06 | 2022-03-04 | 昆明理工大学 | 一种结合节点计算能力的负载均衡方法 |
| CN115086355A (zh) * | 2022-06-09 | 2022-09-20 | 中国银行股份有限公司 | 基于区块链的用户信息处理方法及装置 |
| CN115688491A (zh) * | 2022-12-30 | 2023-02-03 | 长江水利委员会长江科学院 | 一种基于区块链的水利数字孪生仿真模拟方法 |
| WO2023131361A2 (zh) * | 2022-07-18 | 2023-07-13 | 华北理工大学 | 一种基于大数据的教学规划方法及系统 |
| CN117057206A (zh) * | 2023-10-11 | 2023-11-14 | 深圳市常丰激光刀模有限公司 | 一种三维模具的智能建模方法及系统 |
| CN117076774A (zh) * | 2023-08-28 | 2023-11-17 | 西安创业天下网络科技有限公司 | 基于机器学习的网络内容过滤系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090125050A1 (en) * | 2007-10-29 | 2009-05-14 | Linda Dixon | Intradermal device introducing method and apparatus |
| US10796468B2 (en) * | 2018-02-26 | 2020-10-06 | Didimo, Inc. | Automatic rig creation process |
-
2023
- 2023-11-21 CN CN202311550010.8A patent/CN117274507B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105164686A (zh) * | 2013-02-07 | 2015-12-16 | 克里赛利克斯有限公司 | 用于美容模拟的3d平台 |
| EP3491963A1 (en) * | 2017-12-01 | 2019-06-05 | Perfect Corp. | Systems and methods for identification and virtual application of cosmetic products |
| WO2019205307A1 (zh) * | 2018-04-27 | 2019-10-31 | 平安科技（深圳）有限公司 | 资源处理节点的运行方法、装置、终端设备及介质 |
| CN111105502A (zh) * | 2019-10-29 | 2020-05-05 | 王枫 | 基于人工骨修复材料的生物肋骨鼻及下颌仿真整形技术 |
| CN110809044A (zh) * | 2019-11-04 | 2020-02-18 | 大连大学 | 建筑多节点分布的压力采集数据的同步传输方法 |
| CN111179411A (zh) * | 2019-11-25 | 2020-05-19 | 郭宗源 | 基于社交平台的可视化面部美容整形仿真模拟方法及系统、设备 |
| CN111161418A (zh) * | 2019-11-25 | 2020-05-15 | 西安夏光网络科技有限责任公司 | 面部美容整形仿真模拟方法 |
| CN112068959A (zh) * | 2020-09-04 | 2020-12-11 | 北京明略昭辉科技有限公司 | 自适应任务调度方法、系统及包括该方法的检索方法 |
| CN113763538A (zh) * | 2021-09-08 | 2021-12-07 | 上海市奉贤区中心医院 | 一种基于自拍设备的可视化面部美容整形仿真模拟设备 |
| CN114138494A (zh) * | 2021-12-06 | 2022-03-04 | 昆明理工大学 | 一种结合节点计算能力的负载均衡方法 |
| CN115086355A (zh) * | 2022-06-09 | 2022-09-20 | 中国银行股份有限公司 | 基于区块链的用户信息处理方法及装置 |
| WO2023131361A2 (zh) * | 2022-07-18 | 2023-07-13 | 华北理工大学 | 一种基于大数据的教学规划方法及系统 |
| CN115688491A (zh) * | 2022-12-30 | 2023-02-03 | 长江水利委员会长江科学院 | 一种基于区块链的水利数字孪生仿真模拟方法 |
| CN117076774A (zh) * | 2023-08-28 | 2023-11-17 | 西安创业天下网络科技有限公司 | 基于机器学习的网络内容过滤系统 |
| CN117057206A (zh) * | 2023-10-11 | 2023-11-14 | 深圳市常丰激光刀模有限公司 | 一种三维模具的智能建模方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 口内数码摄影辅助构建三维彩色数字牙列模型;叶红强;柳玉树;刘云松;宁静;赵一姣;周永胜;;北京大学学报(医学版)(第01期);全文 * |
| 氨甲环酸在美容外科手术中的应用进展;邓松筠等;中国美容医学;第32卷(第1期);第189-192页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117274507A (zh) | 2023-12-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106897861A (zh) | 一种工程管理系统 | |
| CN110084377A (zh) | 用于构建决策树的方法和装置 | |
| CN113742776B (zh) | 基于生物识别技术的数据校验方法、装置和计算机设备 | |
| CN110175441A (zh) | 基于生物识别的数据管理方法、装置、设备及存储介质 | |
| CN113297623B (zh) | 基于数据库的敏感数据脱敏系统 | |
| CN107742141B (zh) | 基于rfid技术的智能身份信息采集方法及系统 | |
| CN112464283A (zh) | 一种基于区块链的数据储存系统 | |
| CN110324350A (zh) | 基于移动端非敏感传感器数据的身份认证方法及服务器 | |
| CN115189966A (zh) | 区块链隐私数据加解密服务系统 | |
| CN117274507B (zh) | 基于互联网的面部美容整形的ai仿真模拟方法及系统 | |
| CN117332391A (zh) | 计及权限分级管控的配电网数据资产安全访问方法及系统 | |
| CN114004639A (zh) | 优惠信息的推荐方法、装置、计算机设备和存储介质 | |
| CN113672654A (zh) | 数据查询方法、装置、计算机设备和存储介质 | |
| CN109903046A (zh) | 基于区块链的用户数据管理方法及装置 | |
| JPWO2010125653A1 (ja) | 生体認証装置、生体認証方法および生体認証プログラム | |
| US11362806B2 (en) | System and methods for recording codes in a distributed environment | |
| CN103902627A (zh) | 一种数据发布方法及装置 | |
| CN113806728B (zh) | 一种用于赛场运行监测的数据展示方法及系统 | |
| CN113656187B (zh) | 基于5g的公安大数据算力服务系统 | |
| CN108932279A (zh) | 一种应用页面处理方法及装置 | |
| CN112632634A (zh) | 签名数据的处理方法、装置、计算机设备和存储介质 | |
| CN111783111A (zh) | 电网设备巡检的人工智能识别云平台及实现识别的方法 | |
| CN117688541B (zh) | 一种电力行业业扩数据处理系统 | |
| CN115374526B (zh) | 一种基于bim技术的精细化配筋方法及系统 | |
| CN117240607B (zh) | 一种基于安全计算机的安全认证方法 |
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 |