外观的动态处理方法、装置及设备与流程

1.本技术涉及智能终端、人工智能领域，尤其涉及一种外观的动态处理方法、装置及设备。


背景技术：

2.随着科技不断的进步，电子产品逐渐成为人们身边必不可少的一部分，而且随着经济的飞速发展，人们对于电子产品的要求不仅仅局限于功能，而是有了更高层次的精神追求，因此人们日益增长的个性化需求应该得到更多关注。
3.目前，对于电子产品外观设计不能做到满足所有人，对于生产电子产品的商家来说通常是针对一种电子产品设计多种不同外观，或者是统一外观，通过更换不同的外壳来满足人们的个性化需求。然而这些方式浪费了大量的生产资源，而且还无法满足现代爱美人士多变风格的追求。
4.综上所述，如何通过更便捷的方式满足人们的个性化需求，是本领域亟需解决的问题。


技术实现要素：

5.本技术提供一种外观的动态处理方法、装置及设备，用以解决如何通过更便捷的方式满足人们的个性化需求的问题。
6.第一方面，本技术提供一种外观的动态处理方法，应用于电子设备，所述方法包括：
7.在外观调整功能开启时，响应于用户操作，获取所述用户输入的图像；
8.基于预先训练的图像处理模型，对所述用户输入的图像进行图像处理，得到图像信息，所述图像信息包括多个用于表征所述图像的特征的关键字，所述图像处理模型包括图像特征提取模型，用于根据图像特征生成单词序列的语言模型和用于根据单词序列生成关键字的文字模型；
9.基于图像分类模型对所述图像信息进行分类处理，得到所述图像对应的分类信息；其中，所述分类信息包括用户面部表情信息，用户穿搭风格信息以及用户着装颜色信息；
10.根据预先设置的外观资料库，获取与所述分类信息对应的外观皮肤，所述外观皮肤包括设备界面皮肤和设备外壳皮肤；
11.根据所述外观皮肤更新设备的皮肤配置。
12.结合第一方面，在一些实施例中，所述基于预先训练的图像处理模型，对所述用户输入的图像进行图像处理，得到图像信息，包括：
13.将所述图像输入所述图像特征提取模型进行特征提取，得到图像内部特征；
14.将所述图像内部特征输入所述语言模型进行处理，得到所述图像对应的单词序列；
15.将所述单词序列输入所述文字模型进行处理，得到所述图像信息。
16.结合第一方面，在一些实施例中，所述根据预先设置的外观资料库，获取与所述分类信息对应的外观皮肤，包括：
17.将所述用户面部表情信息，所述用户穿搭风格信息以及所述用户着装颜色信息，分别与所述外观资料库中所有的皮肤对应的标签下的关键字进行匹配；
18.针对每个进行匹配的皮肤的不同标签，若匹配成功则输出为1，匹配不成功输出为0，得到所述皮肤对应的累计加成；
19.将匹配过的皮肤中累计加成最高的皮肤，确定为所述外观皮肤。
20.结合第一方面，在一些实施例中，所述根据预先设置的外观资料库，获取与所述分类信息对应的外观皮肤之前，所述方法还包括：
21.获取有多个风格类型的皮肤组成的外观资料库；
22.将所述外观资料库中的所有皮肤进行关键字标注，得到每个皮肤的多个关键字；
23.将每个皮肤的所有关键字进行类别划分，设定类别标签，得到处理后的外观资料库；所述类别标签包括情绪标签，颜色标签，风格标签。
24.结合第一方面，在一些实施例中，所述图像特征提取模型，所述语言模型和所述文字模型均是根据预先获取的图像资料库训练得到的。
25.第二方面，本技术提供一种外观的动态处理装置，包括：
26.第一获取模块，用于在外观调整功能开启时，响应于用户操作，获取所述用户输入的图像；
27.图像处理模块，用于基于预先训练的图像处理模型，对所述用户输入的图像进行图像处理，得到图像信息，所述图像信息包括多个用于表征所述图像的特征的关键字，所述图像处理模型包括图像特征提取模型，用于根据图像特征生成单词序列的语言模型和用于根据单词序列生成关键字的文字模型；
28.分类处理模块，用于基于图像分类模型对所述图像信息进行分类处理，得到所述图像对应的分类信息；其中，所述分类信息包括用户面部表情信息，用户穿搭风格信息以及用户着装颜色信息；
29.第二获取模块，用于根据预先设置的外观资料库，获取与所述分类信息对应的外观皮肤，所述外观皮肤包括设备界面皮肤和设备外壳皮肤；
30.皮肤设定模块，用于根据所述外观皮肤更新设备的皮肤配置。
31.结合第二方面，在一些实施例中，所述图像处理模块，包括：
32.特征提取单元，用于将所述图像输入所述图像特征提取模型进行特征提取，得到图像内部特征；
33.语言转换单元，用于将所述图像内部特征输入所述语言模型进行处理，得到所述图像对应的单词序列；
34.文字生成单元，用于将所述单词序列输入所述文字模型进行处理，得到所述图像信息。
35.结合第二方面，在一些实施例中，所述第二获取模块，包括：
36.信息匹配单元，用于将所述用户面部表情信息，所述用户穿搭风格信息以及所述用户着装颜色信息，分别与所述外观资料库中所有的皮肤对应的标签下的关键字进行匹
配；
37.累计加成单元，用于针对每个进行匹配的皮肤的不同标签，若匹配成功则输出为1，匹配不成功输出为0，得到所述皮肤对应的累计加成；
38.皮肤确定单元，用于将匹配过的皮肤中累计加成最高的皮肤，确定为所述外观皮肤。
39.结合第二方面，在一些实施例中，所述装置还包括：
40.第三获取模块，用于获取有多个风格类型的皮肤组成的外观资料库；
41.信息标注模块，用于将所述外观资料库中的所有皮肤进行关键字标注，得到每个皮肤的多个关键字；
42.类别划分模块，用于将每个皮肤的所有关键字进行类别划分，设定类别标签，得到处理后的外观资料库；所述类别标签包括情绪标签，颜色标签，风格标签。
43.结合第二方面，在一些实施例中，所述图像特征提取模型，所述语言模型和所述文字模型均是根据预先获取的图像资料库训练得到的。
44.第三方面，本技术提供一种电子设备，包括：存储器，处理器，电子皮肤，显示屏；
45.所述存储器存储计算机执行指令；
46.所述处理器执行所述存储器存储的计算机执行指令，以实现任一方面所述的外观的动态处理方法。
47.第四方面，本技术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中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现上述任一方面所述的方法。
48.第五方面，本技术还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时用于实现任一方面所述的外观的动态处理方法。
49.本技术提供的外观的动态处理方法、装置及设备，通过开启外观调整功能，接收用户输入的图像，并基于预先训练的图像处理模型，对用户输入的图像进行处理，从而得到图像信息，然后将图像信息输入到图像分类模型中对其进行分类得到分类信息，最后根据分类信息得到预先设置的外观资料库中的与之对应的外观皮肤，并根据外观皮肤更新设备的皮肤配置。节省了生产成本，与此同时还更加便捷的满足了用户对于电子设备外观的个性化需求。
附图说明
50.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。
51.图1为本技术实施例提供的外观的动态处理方法的应用场景图；
52.图2为本技术实施例提供的外观的动态处理方法实施例一的流程示意图；
53.图3为本技术实施例提供的外观的动态处理方法实施例二的流程示意图；
54.图4为本技术实施例提供的外观的动态处理方法实施例三的流程示意图；
55.图5为本技术实施例提供的外观的动态处理方法实施例四的流程示意图；
56.图6为本技术实施例提供的外观的动态处理装置实施例一的结构示意图；
57.图7为本技术实施例提供的外观的动态处理装置实施例二的结构示意图；
58.图8为本技术实施例提供的外观的动态处理装置实施例三的结构示意图；
59.图9为本技术实施例提供的外观的动态处理装置实施例四的结构示意图；
60.图10为本技术实施例提供的电子设备的结构示意图。
61.通过上述附图，已示出本技术明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本技术构思的范围，而是通过参考特定实施例为本领域技术人员说明本技术的概念。
具体实施方式
62.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。
63.随着经济的飞速发展，科技也在不断地进步，自从晶体管和计算机出现之后，电子设备工业成为国民经济支柱产业之一，也成为新兴科学技术发展产业。而人们从对电子设备的个性化要求也越来越高，在这种需求下，电子设备的生厂商针对同一产品，生产不同颜色，外观的产品来迎合用户的需求，但是有限的颜色和外观还是难以满足所有的用户，用户为了能够满足个人对电子设备的个性化需求，通过手动输入更换电子设备界面皮肤，并通过定制购买不同图案，颜色的设备外壳，但是以上方法浪费了大量的生产成本，并且浪费了用户的时间精力，很不便利。
64.针对上述问题，本技术提供的外观的动态处理方法、装置及设备，实现了根据用户个人穿搭，非常便利的自动更换外观皮肤。具体的，对于用户对电子设备外观的个性化需求，通过是通过用户手动选择输入图片设定界面皮肤，通过购买定制心仪的保护壳来装饰设备外壳皮肤，发明人在研究过程中发现，通过用户自主选择手动设置设备界面皮肤，非常浪费用户的时间和精力，并且设备界面还会对用户输入的图片有格式等问题的要求，用户通过购买不同图案外壳装饰设备外壳皮肤，浪费了用户大量的钱财，并且还很浪费生产硬件设备皮肤壳的自然资源，非常的不便利。考虑到这些问题，发明人研究了是否可以通过电子设备对用户穿搭风格，颜色，用户表情，自动匹配更换设备的外观皮肤，基于此，提出本技术的技术方案。
65.需要说明的是，本技术外观的动态处理方法、装置及设备可用于智能终端、人工智能领域，也可用于除智能终端、人工智能领域之外的任意领域，本技术外观的动态处理方法、装置及设备的应用领域不做限定。
66.图1为本技术实施例提供的外观的动态处理方法的应用场景图，本技术提供的外观的动态处理方法主要应用于用户应用电子设备的场景，此场景至少包括用户和电子设备，其中电子设备为可实现与用户进行交互，并且配置有电子皮肤或界面显示屏的智能设备，例如手机终端，电脑终端，智能家居等电子设备。对于电子设备的其他配置本技术不做具体限定。本技术中对于电子设备的具体形态与类型均不做限制。
67.下面以具体地实施例对本技术的技术方案以及本技术的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本技术的实施例进行描述。
68.图2为本技术实施例提供的外观的动态处理方法实施例一的流程示意图，如图2所示，本技术实施例提供的外观的动态处理方法应用于电子设备，具体包括：
69.s101：在外观调整功能开启时，响应于用户操作，获取用户输入的图像。
70.在本步骤中，为了能适应用户的个性化需求，电子设备配置有外观调整功能，通过开启外观调整功能，可以实现对电子设备的外观进行个性化的调整。在该功能开启时候，用户可以向电子设备输入图像，电子设备接收图像。
71.在一种具体的实施方式中，用户可通过双击电子设备上的控件或者是通过触碰电子设备显示界面，开启电子设备外观调整功能，此时电子设备可进入输入图片或者拍摄图像界面，用来获取用户输入的图像，其中，用户输入的图像为用户的个人自拍照，可以是使用电子设备进行拍摄也可以是之前拍摄的图像。其中，图像中包括用户的人像，用户的穿着。对于开启外观调整功能的操作，上述方式只是示例，可以根据用户需求进行设定具体的开启操作，因此本技术对此不做限定。
72.s102：基于预先训练的图像处理模型，对用户输入的图像进行图像处理，得到图像信息。
73.在本步骤中，为了能够得到与用户对应的外观皮肤，在获取用户输入的图像后，将图像输入到预先训练的图像处理模型中，对图像进行图像处理，进而得到图像的图像信息。
74.在该方案的一种具体实现中，预先训练的图像处理模型可以包括图像特征提取模型，语言模型和文字模型，经过上述模型处理后得到的图像信息为多个用于表征图像的特征的关键字，并且图像特征提取模型，语言模型和文字模型均根据预先获取的图像资料库进行训练得到的，图像资料库为现有技术中成熟的数据库。
75.在一种具体的实施方式中，图像提取模型可以是尺度不变特征转换算法，语言模型可以是循环神经网络模型，文字模型可以是递归神经网络模型。将用户输入的图像输入到尺度不变特征转换算法模型中，通过对用户输入图像中的用户表情，穿搭风格以及着装颜色特征进行检测提取，从而得到图像内部特征，其中图像内部特征为模型输出的向量集合，然后将图像内部特征输入到循环神经网络模型中进行处理，经过线性化处理以及编码器处理，得到图像对应的单词序列，最后将单词序列输入到递归神经网络模型中进行解码处理，最后得到包含多个用于表征图像的特征的关键字的图像信息。
76.s103：基于图像分类模型对图像信息进行分类处理，得到图像对应的分类信息。
77.在本步骤中，为了能够区分用户输入图像中不同的特征类型，采用图像分类模型对图像信息进行分类，得到图像对应的分类信息。
78.在该方案的一种具体实现中，图像分类模型可以为基于残差网络模型训练后的模型，为了实现将图像信息分类为情绪，颜色，风格类型，需要基于图像资料库对残差网络模型进行训练，具体的，采用现有技术中成熟的图像资料库作为训练集，首先对训练集进行图像增广处理，主要包括图像翻转、缩放裁剪与通道标准化处理，基于hybridblock类构建残差块，使用xavier随机初始化模型，并设定类别标签为3类，包括情绪，颜色，风格三类，然后采用训练函数train进行模型训练，得到训练后的残差网络模型。训练后的残差网络模型可作为本步骤中的图像分类模型对图像信息进行处理。
79.将图像信息输入到训练后的残差网络模型中，经过残差块中的卷积层处理，根据预先设定的类别标签将图像信息进行分类，将图像信息中颜色的关键字归类为颜色类别，
将用户面部表情关键字归类为情绪类别，将用户穿搭风格归类为风格类别。
80.s104：根据预先设置的外观资料库，获取与分类信息对应的外观皮肤。
81.在本步骤中，经过将图像信息分类得到分类信息后，为了能够匹配到与分类信息匹配的外观皮肤，将分类信息与预先设置的外观资料库中的外观皮肤进行匹配，进而得到与分类信息对应的外观皮肤。
82.在一种具体实施方式中，预先设置的外观资料库中的外观皮肤分别设定了类别标签，每个类别标签下对应多个关键字，将分类信息中的用户面部表情信息，用户穿搭风格信息以及用户着装颜色信息分别与外观皮肤对应的情绪标签，风格标签，颜色标签下的关键字进行匹配，最后得到与分类信息对应的外观皮肤。其中外观皮肤包括设备界面皮肤和设备外壳皮肤。
83.s105：根据外观皮肤更新设备的皮肤配置。
84.在本步骤中，在得到与分类信息对应的外观皮肤后，为了满足用户的个性化需求，电子设备将根据外观皮肤自动更新设备的皮肤配置。其中，外观皮肤包括设备界面皮肤和设备外壳皮肤。
85.在一种具体的实施方式中，若电子设备配置有界面显示屏，则将外观皮肤更新为设备界面皮肤，若电子设备配置有电子皮肤，则将外观皮肤更新为设备的外壳皮肤。本技术对电子设备配置界面显示屏或电子皮肤不做具体限定。
86.本实施例提供的外观的动态处理方法，通过响应于用户的操作，开启外观调整功能，并获取用户输入的图像，基于预先训练的图像处理模型对用户输入的图像进行图形处理，得到图像信息，在基于图像分类模型对图像信息进行分类得到分类信息，根据分类信息在预先设置的外观资料库中得到与之匹配的外观皮肤，并将外观皮肤更新设备皮肤。节省了生产成本，节省了用户时间与精力，便利的满足了用户的个性化需求。
87.图3为本技术实施例提供的外观的动态处理方法实施例二的流程示意图，如图3所示，在上述实施例的基础上，步骤s102具体包括：
88.s1021：将图像输入图像特征提取模型进行特征提取，得到图像内部特征。
89.在本步骤中，为了能够根据用户的穿搭风格，颜色以及用户面部表情自动匹配外观皮肤，更新电子设备的皮肤配置，将用户输入的图像基于图像特征提取模型进行特征提取，进而提取出图像内部的特征，其中需要提取的图像的内部特征包括用户的表情特征，穿搭风格特征和着装颜色特征。
90.在一种具体的实施方式中，图像特征提取模型可以为基于尺度不变特征转换算法模型训练后的模型，基于尺度不变特征转换算法模型训练后的模型对图像处理过程包括：
91.首先通过高斯核函数构建尺度空间，高斯函数公式表示为：
[0092][0093]
其中，x和y为图像参数，σ为核函数的超参数。
[0094]
然后利用高斯差分函数对图像进行计算，从而确定图像中内部特征的关键点定位，高斯差分函数表示为：
[0095][0096]
其中，x和y为图像参数，σ1和σ2为相邻高斯尺度空间的图像核函数的超参数。
[0097]
通过对对每个关键点，在其周围一定范围内构建梯度直方图，找到最大峰值，作为该关键点的主方向。在以该方向为中心的邻域内再次计算梯度直方图，选取次峰值大于主峰值80％的方向作为该关键点的辅方向。
[0098]
最后在确定了每个关键点的主方向和辅方向后，以关键点为中心，构建尺度不变的邻域，得到特征向量。经过归一化处理得到图像内部特征，其中图像内部特征具体为特征向量集合。
[0099]
s1022：将图像内部特征输入语言模型进行处理，得到图像对应的单词序列。
[0100]
在本步骤中，经过对用户输入的图像进行特征提取得到图像内部特征后，为了能准确识别图像内部特征分别对应的关键字，还需要通过语言模型对图像内部特征进行处理，得到图像对应的单词序列。
[0101]
在一种具体的实施方式中，语言模型可以为基于循环神经网络模型训练后的模型，将上述步骤得到的图像内部特征输入到基于循环神经网络模型训练后的模型中，将输入的图像内部特征反馈给基于循环神经网络模型训练后的模型中第一个时间步作为初始状态，在每个时间步，将前一个时间步的输出反馈给基于循环神经网络模型训练后的模型，用来计算当前时间步的输出和状态。确定当前时间步的输出和状态的具体步骤包括：将每个时间步的输出作为softmax函数的输入，输出下一个单词的概率分布，根据生成的概率分布随机选择下一个单词作为当前时间步的输出。重复上述步骤，直至处理完图像内部，输出单词序列。其中，时间步输出的为图像内部特征对应的单词。
[0102]
s1023：将单词序列输入文字模型进行处理，得到图像信息。
[0103]
在本步骤中，对图像内部特征进行处理得到了图像对应的单词序列，为了能够将得到的单词序列转化为图像对应的关键字，需要基于文字模型对单词序列进行处理，得到图像信息。
[0104]
在一种具体实施方式中，文字模型可以是基于递归神经网络模型训练后的模型，具体过程包括：将上述步骤得到的单词序列输入到基于递归神经网络模型训练后的模型中，经过基于递归神经网络模型训练后的模型的编码器，采用软件编程将单词序列编码为向量集合，然后将编码器输出的向量集合输入到基于递归神经网络模型训练后的模型的解码器中，经过解码器软件编程生成图像信息，其中图像信息为多个用于表征图像的特征的关键字。
[0105]
本实施例提供的外观的动态处理方法，通过将图像输入图像特征提取模型进行特征提取，将得到的图像内部特征经过语言模型处理得到图像对应的单词序列，最后将单词序列输入文字模型进行处理，得到图像信息。通过图像处理模型，准确的识别出用户输入的图像中的图像信息。
[0106]
图4为本技术实施例提供的外观的动态处理方法实施例三的流程示意图，如图4所示，在实施例一的基础上，步骤s104具体包括：
[0107]
s1041：将用户面部表情信息，用户穿搭风格信息以及用户着装颜色信息，分别与
外观资料库中所有的皮肤对应的标签下的关键字进行匹配。
[0108]
在本步骤中，为了能够得到与分类信息对应的外观皮肤，将分类信息与外观资料库中所有的皮肤进行匹配。
[0109]
具体的，将分类信息中的用户面部表情信息与所有皮肤对应的情绪标签下的关键字进行匹配，主要包括将分类信息中的用户穿搭风格信息与所有皮肤对应的风格标签下的关键字进行匹配，将分类信息中的用户着装颜色信息与所有皮肤对应的颜色标签下的关键字进行匹配。
[0110]
s1042：针对每个进行匹配的皮肤的不同标签，若匹配成功则输出为1，匹配不成功输出为0，得到皮肤对应的累计加成。
[0111]
在本步骤中，将分类信息与外观资料库中所有外观皮肤对应的标签下的关键字进行匹配，通过匹配累加后的每个皮肤对应的累计加成来确定与分类信息对用的外观皮肤。
[0112]
具体的，将分类信息中不同的关键字与每个外观皮肤中不同标签下的关键字匹配，匹配成功输出1，不成功输出0，最后对每个皮肤输出累加，得到皮肤对应的累计加成。
[0113]
s1043：将匹配过的皮肤中累计加成最高的皮肤，确定为外观皮肤。
[0114]
在本步骤中，将分类信息与所有皮肤进行匹配得到每个皮肤对应的累计加成，累计加成表示分类信息中与皮肤对应标签下的关键字相匹配的个数，累计加成最高，说明匹配个数最多，也就说明此皮肤最匹配，因此将匹配过的皮肤中累计加成最高的皮肤，确定为外观皮肤。
[0115]
本实施例提供的外观的动态处理方法，通过将用户面部表情信息，用户穿搭风格信息以及用户着装颜色信息，分别与外观资料库中所有的皮肤对应的标签下的关键字进行匹配，然后针对每个进行匹配的皮肤的不同标签，若匹配成功则输出为1，匹配不成功输出为0，得到皮肤对应的累计加成，最后将累计加成最高的设定为外观皮肤。通过上述方法实现了根据用户的穿搭风格，颜色，面部表情自动匹配电子设备外观皮肤。满足了用户个性化需求。
[0116]
图5为本技术实施例提供的外观的动态处理方法实施例四的流程示意图，如图5所示，在前述步骤s104之前，还包括：
[0117]
s106：获取有多个风格类型的皮肤组成的外观资料库。
[0118]
在本步骤中，为了能实现根据用户穿搭风格，颜色以及用户面部表情匹配与之对应的外观皮肤，需要预先设置一个外观资料库，其中包括多个风格类型的皮肤。
[0119]
具体的，在网络上选取大量不同风格类型的皮肤，整理为一个集合作为外观资料库。
[0120]
s107：将外观资料库中的所有皮肤进行关键字标注，得到每个皮肤的多个关键字。
[0121]
在本步骤中，为了方便资料库中皮肤进行匹配，将外观资料库中的所有皮肤进行关键字标注，每个皮肤对应至少三个关键字，例如白色，黑色，高兴，休闲。
[0122]
s108：将每个皮肤的所有关键字进行类别划分，设定类别标签，得到处理后的外观资料库。
[0123]
在本步骤中，由于用户输入的图像中可提取出用户的面部表情信息，用户穿搭风格信息以及用户着装颜色信息，分别对应了不同类别，为了能更精准的与外观皮肤进行匹配，将每个皮肤的所有关键字进行类别划分，并设定类别标注，设定的类别标签包括情绪标
签，颜色标签，风格标签。
[0124]
本实施例提供的外观的动态处理方法，通过获取不同风格类型的皮肤组成外观资料库，并且将外观资料库中所有的皮肤进行关键字标注，最后将每个皮肤的所有关键字进行类别的划分，并设定类别标签。通过对外观资料库中所有皮肤进行关键字标注并划分类别，保障了后续根据外观资料库进行皮肤匹配。实现了用户的个性化需求。
[0125]
图6为本技术实施例提供的外观的动态处理装置实施例一的结构示意图，如图6所示，外观的动态处理装置200具体包括：
[0126]
第一获取模块201，用于在外观调整功能开启时，响应于用户操作，获取用户输入的图像。
[0127]
图像处理模块202，用于基于预先训练的图像处理模型，对用户输入的图像进行图像处理，得到图像信息，图像信息包括多个用于表征图像的特征的关键字，图像处理模型包括图像特征提取模型，用于根据图像特征生成单词序列的语言模型和用于根据单词序列生成关键字的文字模型。
[0128]
分类处理模块203，用于基于图像分类模型对图像信息进行分类处理，得到图像对应的分类信息；其中，分类信息包括用户面部表情信息，用户穿搭风格信息以及用户着装颜色信息。
[0129]
第二获取模块204，用于根据预先设置的外观资料库，获取与分类信息对应的外观皮肤，外观皮肤包括设备界面皮肤和设备外壳皮肤。
[0130]
皮肤设定模块205，用于根据外观皮肤更新设备的皮肤配置。
[0131]
图7为本技术实施例提供的外观的动态处理装置实施例二的结构示意图，如图7所示，图像处理模块202，包括：
[0132]
特征提取单元2021，用于将图像输入图像特征提取模型进行特征提取，得到图像内部特征。
[0133]
语言转换单元2022，用于将图像内部特征输入语言模型进行处理，得到图像对应的单词序列。
[0134]
文字生成单元2023，用于将单词序列输入文字模型进行处理，得到图像信息。
[0135]
图8为本技术实施例提供的外观的动态处理装置实施例三的结构示意图，如图8所示，第二获取模块204包括：
[0136]
信息匹配单元2041，用于将用户面部表情信息，用户穿搭风格信息以及用户着装颜色信息，分别与外观资料库中所有的皮肤对应的标签下的关键字进行匹配。
[0137]
累计加成单元2042，用于针对每个进行匹配的皮肤的不同标签，若匹配成功则输出为1，匹配不成功输出为0，得到皮肤对应的累计加成。
[0138]
皮肤确定单元2043，用于将匹配过的皮肤中累计加成最高的皮肤，确定为外观皮肤。
[0139]
图9为本技术实施例提供的外观的动态处理装置实施例四的结构示意图，如图9所示，外观的动态处理装置200还包括：
[0140]
第三获取模块206，用于获取有多个风格类型的皮肤组成的外观资料库。
[0141]
信息标注模块207，用于将外观资料库中的所有皮肤进行关键字标注，得到每个皮肤的多个关键字。
[0142]
类别划分模块208，用于将每个皮肤的所有关键字进行类别划分，设定类别标签，得到处理后的外观资料库；类别标签包括情绪标签，颜色标签，风格标签。
[0143]
本技术实施例提供的外观的动态处理装置中，图像特征提取模型，语言模型和文字模型均是根据预先获取的图像资料库训练得到的。
[0144]
本实施例提供的外观的动态处理装置，用于执行前述任一方法实施例中外观的动态处理方法，其实现原理和技术效果类似，在此不再赘述。
[0145]
图10为本技术实施例提供的电子设备的结构示意图。如图10所示，电子设备300包括：存储器301，处理器302，电子皮肤303，显示屏304；
[0146]
存储器301存储计算机执行指令。
[0147]
处理器302执行存储器301存储的计算机执行指令，以实现上述任一项实施例中的技术方案。
[0148]
电子皮肤303用于更新设备外壳皮肤。
[0149]
显示屏304用于更新设备界面皮肤。
[0150]
应理解，处理器可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本技术所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
[0151]
实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于可读取存储器中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储器(存储介质)包括：只读存储器(read-only memory，rom)、ram、快闪存储器、硬盘、固态硬盘、磁带(magnetic tape)、软盘(floppy disk)、光盘(optical disc)及其任意组合。
[0152]
本实施例提供的电子设备，用于执行前述任一方法实施例中的技术方案，其实现原理和技术效果类似，在此不再赘述。
[0153]
本技术实施例还提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，计算机执行指令被处理器执行时用于实现任一项实施例中的方法。
[0154]
上述可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器，电可擦除可编程只读存储器，可擦除可编程只读存储器，可编程只读存储器，只读存储器，磁存储器，快闪存储器，磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。
[0155]
可选的，将可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(application specific integrated circuits，asic)中。当然，处理器和可读存储介质也可以作为分立组件存在于设备中。
[0156]
本技术实施例还提供一种计算机程序产品，该计算机程序产品包括计算机程序，该计算机程序存储在计算机可读存储介质中，至少一个处理器可以从该计算机可读存储介质中读取该计算机程序，至少一个处理器执行计算机程序时可实现上述任一方法实施例提供的技术方案。
[0157]
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本技术的其它实施方案。本技术旨在涵盖本技术的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本技术的一般性原理并包括本技术未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本技术的真正范围和精神由下面的权利要求书指出。
[0158]
应当理解的是，本技术并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本技术的范围仅由所附的权利要求书来限制。

技术特征：
1.一种外观的动态处理方法，其特征在于，应用于电子设备，所述方法包括：在外观调整功能开启时，响应于用户操作，获取所述用户输入的图像；基于预先训练的图像处理模型，对所述用户输入的图像进行图像处理，得到图像信息，所述图像信息包括多个用于表征所述图像的特征的关键字，所述图像处理模型包括图像特征提取模型，用于根据图像特征生成单词序列的语言模型和用于根据单词序列生成关键字的文字模型；基于图像分类模型对所述图像信息进行分类处理，得到所述图像对应的分类信息；其中，所述分类信息包括用户面部表情信息，用户穿搭风格信息以及用户着装颜色信息；根据预先设置的外观资料库，获取与所述分类信息对应的外观皮肤，所述外观皮肤包括设备界面皮肤和设备外壳皮肤；根据所述外观皮肤更新设备的皮肤配置。2.根据权利要求1所述的方法，其特征在于，所述基于预先训练的图像处理模型，对所述用户输入的图像进行图像处理，得到图像信息，包括：将所述图像输入所述图像特征提取模型进行特征提取，得到图像内部特征；将所述图像内部特征输入所述语言模型进行处理，得到所述图像对应的单词序列；将所述单词序列输入所述文字模型进行处理，得到所述图像信息。3.根据权利要求1或2所述的方法，其特征在于，所述根据预先设置的外观资料库，获取与所述分类信息对应的外观皮肤，包括：将所述用户面部表情信息，所述用户穿搭风格信息以及所述用户着装颜色信息，分别与所述外观资料库中所有的皮肤对应的标签下的关键字进行匹配；针对每个进行匹配的皮肤的不同标签，若匹配成功则输出为1，匹配不成功输出为0，得到所述皮肤对应的累计加成；将匹配过的皮肤中累计加成最高的皮肤，确定为所述外观皮肤。4.根据权利要求3所述的方法，其特征在于，所述根据预先设置的外观资料库，获取与所述分类信息对应的外观皮肤之前，所述方法还包括：获取有多个风格类型的皮肤组成的外观资料库；将所述外观资料库中的所有皮肤进行关键字标注，得到每个皮肤的多个关键字；将每个皮肤的所有关键字进行类别划分，设定类别标签，得到处理后的外观资料库；所述类别标签包括情绪标签，颜色标签，风格标签。5.根据权利要求4所述的方法，其特征在于，所述图像特征提取模型，所述语言模型和所述文字模型均是根据预先获取的图像资料库训练得到的。6.一种外观的动态处理装置，其特征在于，包括：第一获取模块，用于在外观调整功能开启时，响应于用户操作，获取所述用户输入的图像；图像处理模块，用于基于预先训练的图像处理模型，对所述用户输入的图像进行图像处理，得到图像信息，所述图像信息包括多个用于表征所述图像的特征的关键字，所述图像处理模型包括图像特征提取模型，用于根据图像特征生成单词序列的语言模型和用于根据单词序列生成关键字的文字模型；分类处理模块，用于基于图像分类模型对所述图像信息进行分类处理，得到所述图像
对应的分类信息；其中，所述分类信息包括用户面部表情信息，用户穿搭风格信息以及用户着装颜色信息；第二获取模块，用于根据预先设置的外观资料库，获取与所述分类信息对应的外观皮肤，所述外观皮肤包括设备界面皮肤和设备外壳皮肤；皮肤设定模块，用于根据所述外观皮肤更新设备的皮肤配置。7.根据权利要求6所述的装置，其特征在于，所述图像处理模块，包括：特征提取单元，用于将所述图像输入所述图像特征提取模型进行特征提取，得到图像内部特征；语言转换单元，用于将所述图像内部特征输入所述语言模型进行处理，得到所述图像对应的单词序列；文字生成单元，用于将所述单词序列输入所述文字模型进行处理，得到所述图像信息。8.根据权利要求6或7所述的装置，其特征在于，所述第二获取模块，包括：信息匹配单元，用于将所述用户面部表情信息，所述用户穿搭风格信息以及所述用户着装颜色信息，分别与所述外观资料库中所有的皮肤对应的标签下的关键字进行匹配；累计加成单元，用于针对每个进行匹配的皮肤的不同标签，若匹配成功则输出为1，匹配不成功输出为0，得到所述皮肤对应的累计加成；皮肤确定单元，用于将匹配过的皮肤中累计加成最高的皮肤，确定为所述外观皮肤。9.一种电子设备，其特征在于，包括：存储器，处理器，电子皮肤，显示屏；所述存储器存储计算机执行指令；所述处理器执行所述存储器存储的计算机执行指令，以实现如权利要求1至5任一项所述的方法。10.一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中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至5任一项所述的方法。

技术总结
本申请提供一种外观的动态处理方法、装置及设备，可用于智能终端、人工智能领域。该方法包括：在外观调整功能开启时，响应于用户操作，获取用户输入的图像，然后基于预先训练的图像处理模型，对用户输入的图像进行图像处理，得到图像信息，再然后基于图像分类模型对图像信息进行分类处理，得到图像对应的分类信息，最后根据预先设置的外观资料库，获取与分类信息对应的外观皮肤，并根据外观皮肤更新设备的皮肤配置。本申请的方法，实现了根据用户穿搭情绪调整电子设备外观皮肤，节省了生产成本，以便捷的方式满足了用户的个性化需求。便捷的方式满足了用户的个性化需求。便捷的方式满足了用户的个性化需求。


技术研发人员：杨达
受保护的技术使用者：中国银行股份有限公司
技术研发日：2023.05.29
技术公布日：2023/8/28