基于智能镜子的辅助化妆方法、装置、设备及存储介质与流程

1.本发明涉及人工智能技术领域，尤其涉及一种基于智能镜子的辅助化妆方法、装置、设备及计算机可读存储介质。


背景技术：

2.随着人们生活水平的提高，文化娱乐实现快速发展与传播，出现角色扮演、易容等更为严格的化妆需求，如今广大人民群众日益增长的化妆需求同落后的化妆技术之间的矛盾，对部分文化娱乐行业发展造成很大限制。


技术实现要素：

3.本发明提供一种基于智能镜子的辅助化妆方法、装置、设备及存储介质，其主要目的在于通过智能镜子帮助用户进行个性化化妆。
4.为实现上述目的，本发明提供的一种基于智能镜子的辅助化妆方法，包括：
5.利用智能镜子接收用户选择的目标图片，及拍摄用户的面部图片；
6.利用预训练的化妆推荐模型对所述目标图片进行特征识别，得到目标图片特征集合，及对所述面部图片进行特征识别，得到面部图片特征集合；
7.根据所述目标图片特征集合及所述面部图片特征集合，对所述目标图片及所述面部图片进行图像对齐，得到重叠图片组合；
8.根据预设的权重变化规则，对所述重叠图片组合中的目标图片及面部图片进行加权特征融合操作，得到图片过度帧序列，并对所述图片过度帧序列进行基于预设帧数间隔的图片提取操作，得到化妆阶段图像集合；
9.根据顺序从所述化妆阶段图像集合中提取相邻的化妆阶段图像，得到化妆图像组合，并对所述化妆图像组合进行色彩分析，得到妆容变化特征集合；
10.根据所述妆容变化特征集合进行智能化妆品推荐，得到智能推荐结果，并将所述智能推荐结果可视化至所述智能镜子的透明显示区域。
11.可选的，所述利用预训练的化妆推荐模型对所述目标图片进行特征识别之前，所述方法包括：
12.利用预设埋点爬取网络中的化妆数据，并对所述化妆数据进行聚类分组，构建化妆知识图谱，所述化妆数据包括化妆产品数据及用户化妆行为数据；
13.根据所述化妆知识图谱，构建基于化妆数据包-化妆流程标签的键值对作为训练样本集合，并根据预设分组规则将所述训练样本集合分组为训练集及测试集；
14.获取包含图像识别网络、化妆品推荐网络及化妆手段推荐网络的化妆推荐模型，并对所述化妆品推荐网络进行辅助任务配置；
15.依次从所述训练集中提取一个训练样本，利用所述化妆推荐模型对所述训练样本中的化妆数据包进行模型预测，得到预测化妆操作步骤；
16.利用交叉熵损失算法计算所述训练样本对应的化妆流程标签与所述预测化妆操
作步骤的损失值，并根据梯度下降方法，对所述损失值最小化时的模型参数进行网络逆向更新，得到更新化妆推荐模型；
17.判断所述训练集中的训练样本是否全部参与训练；
18.当所述训练集中的训练样本未全部参与训练，则返回上述依次从所述训练集中提取一个训练样本的步骤，对所述更新化妆推荐模型进行迭代更新；
19.当所述训练集中的训练样本全部参与训练，则利用所述测试集对所述更新化妆推荐模型进行测试，得到测试准确率；
20.判断所述测试准确率是否大于预设的合格阈值；
21.当所述测试准确率小于所述合格阈值时，返回上述根据所述化妆知识图谱，构建基于化妆数据包-化妆流程标签的键值对作为训练样本集合的步骤，对所述训练样本集合进行重新分组，继续优化所述更新化妆推荐模型；
22.当所述测试准确率大于或等于所述合格阈值时，得到初级化妆推荐模型；
23.获取当前用户的可用化妆产品图片，识别当前用户的可用化妆产品的产品型号信息，并根据所述产品型号信息构建用户化妆产品画像；
24.利用所述用户化妆产品画像对所述初级化妆推荐模型进行微调训练，得到训练完成的化妆推荐模型。
25.可选的，所述根据所述目标图片特征集合及所述面部图片特征集合，对所述目标图片及所述面部图片进行图像对齐，得到重叠图片组合，包括：
26.对所述目标图片特征集合及所述面部图片特征集合进行分组操作，得到各个面部位置块，并对各个面部位置块进行聚类；
27.根据所述各个面部位置块之间的对应关系，及各个面部位置块的聚类中心及大小，将所述目标图片的各个面部位置块缩放及位移至所述面部图片对应的各个面部位置块上，得到所述目标图片及所述面部图片的重叠图片组合。
28.可选的，所述根据预设的权重变化规则，对所述重叠图片组合中的目标图片及面部图片进行加权特征融合操作，得到图片过度帧序列，包括：
29.根据权重变化规则，对所述重叠图片组合中的目标图片及面部图片的权重进行初始值配置，得到所述目标图片的第一权重及所述面部图片的第二权重；
30.在预设的目标区间范围内，根据所述第一权重与所述第二权重和为1的规则，对所述第一权重进行逐渐增加，得到更新第一权重序列及更新第二权重序列；
31.根据所述更新第一权重序列及所述更新第二权重序列，对所述目标图片及所述面部图片中的像素数据进行融合，得到图片过度帧序列。
32.可选的，所述利用预训练的化妆推荐模型对所述目标图片进行特征识别，得到目标图片特征集合，包括：
33.利用所述化妆推荐模型中的卷积层对所述目标图片进行卷积操作，得到卷积矩阵集合；
34.对所述卷积矩阵集合进行平均池化操作，得到池化矩阵集合；
35.对所述池化矩阵集合中各个池化矩阵进行扁平化操作，得到目标图片特征序列集合，并所述对目标图片特征序列集合进行全连接特征识别操作，得到目标图片特征集合。
36.可选的，所述拍摄用户的面部图片，包括：
37.利用预构建的摄像设备，获取化妆席位的拍摄图像，利用预构建的对象识别模型对所述拍摄图像进行目标对象的自动识别，得到识别结果；
38.判断所述识别结果是否为包含预设的目标对象；
39.当所述识别结果为目不包含目标对象时，关闭所述摄像设备；
40.当所述识别结果为包含目标对象时，利用所述对象识别模型的激活函数对所述目标对象的面部特征进行识别，并将面部识别结果进行框选标记；
41.对被标记过的面部识别结果进行框定位回归操作，得到完整的用户的面部图片。
42.可选的，所述将所述智能推荐结果可视化至所述智能镜子的透明显示区域，包括：
43.获取用户的第一触屏指令，根据所述第一触屏指令对所述透明显示区域进行位移；
44.获取用户的第二触屏指令，根据所述第二触屏指令对所述透明显示区域中的智能推荐结果进行进度控制。
45.为了解决上述问题，本发明还提供一种基于智能镜子的辅助化妆装置，所述装置包括：
46.数据获取模块，用于利用智能镜子接收用户选择的目标图片，及拍摄用户的面部图片；
47.图片对比模块，用于利用预训练的化妆推荐模型对所述目标图片进行特征识别，得到目标图片特征集合，及对所述面部图片进行特征识别，得到面部图片特征集合，及根据所述目标图片特征集合及所述面部图片特征集合，对所述目标图片及所述面部图片进行图像对齐，得到重叠图片组合；
48.化妆进度分段模块，用于根据预设的权重变化规则，对所述重叠图片组合中的目标图片及面部图片进行加权特征融合操作，得到图片过度帧序列，并对所述图片过度帧序列进行基于预设帧数间隔的图片提取操作，得到化妆阶段图像集合；
49.化妆推荐模块，用于根据顺序从所述化妆阶段图像集合中提取相邻的化妆阶段图像，得到化妆图像组合，并对所述化妆图像组合进行色彩分析，得到妆容变化特征集合，及根据所述妆容变化特征集合进行智能化妆品推荐，得到智能推荐结果，并将所述智能推荐结果可视化至所述智能镜子的透明显示区域。
50.为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
51.至少一个处理器；以及，
52.与所述至少一个处理器通信连接的存储器；其中，
53.所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的基于智能镜子的辅助化妆方法。
54.为了解决上述问题，本发明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至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于智能镜子的辅助化妆方法。
55.本发明实施例可以获取用户输入的目标图像，并识别到用户的面部图片，通过面部图片与目标图片的图片融合，得到用户化妆时的化妆阶段图像集合；然后利用预训练的化妆推荐模型识别各化妆阶段变化时的妆容变化特征集合，则可以根据所述妆容变化特征
集合进行智能推荐，得到智能推荐结果，便于用户实现趋于目标图像的个性化化妆。因此，本发明实施例提供的一种基于智能镜子的辅助化妆方法、装置、设备及存储介质，能够通过智能镜子帮助用户进行个性化化妆。
附图说明
56.图1为本发明一实施例提供的基于智能镜子的辅助化妆方法的流程示意图；
57.图2为本发明一实施例提供的基于智能镜子的辅助化妆方法中一个步骤的详细流程示意图；
58.图3为本发明一实施例提供的基于智能镜子的辅助化妆方法中一个步骤的详细流程示意图；
59.图4为本发明一实施例提供的基于智能镜子的辅助化妆方法中一个步骤的详细流程示意图；
60.图5为本发明一实施例提供的基于智能镜子的辅助化妆装置的功能模块图；
61.图6为本发明一实施例提供的实现所述基于智能镜子的辅助化妆方法的电子设备的结构示意图。
62.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
63.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
64.本技术实施例提供一种基于智能镜子的辅助化妆方法。本技术实施例中，所述基于智能镜子的辅助化妆方法的执行主体包括但不限于服务端、终端等能够被配置为执行本技术实施例提供的该方法的电子设备中的至少一种。换言之，所述基于智能镜子的辅助化妆方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
65.参照图1所示，为本发明一实施例提供的基于智能镜子的辅助化妆方法的流程示意图。在本实施例中，所述基于智能镜子的辅助化妆方法包括：
66.s1、利用智能镜子接收用户选择的目标图片，及拍摄用户的面部图片。
67.本发明可以指导用户进行化妆甚至易容，所以所述目标图片可以为用户ps过的自身图片、别人图片及动漫人物角色等图片，用户可通过连接至智能镜子的手机app，或者在智能镜子上直接登录的社交平台等软件上传或者下载目标图片到所述智能镜子中。其中，所述智能镜子可以为智能浴室镜、智能衣帽镜，甚至可移动小型手持镜子等。
68.进一步的，本发明实施例中，所述面部图片是通过内置或者外置于所述智能镜子上的摄像设备对坐在智能镜子前的用户进行自动捕捉拍照得到的。
69.详细的，参考图2所示，本发明实施例中，所述拍摄用户的面部图片，包括：
70.s11、利用预构建的摄像设备，获取化妆席位的拍摄图像，利用预构建的对象识别模型对所述拍摄图像进行目标对象的自动识别，得到识别结果；
71.s12、判断所述识别结果是否为包含预设的目标对象；
72.当所述识别结果为目不包含目标对象时，s13，关闭所述摄像设备；
73.当所述识别结果为包含目标对象时，s14、利用所述对象识别模型的激活函数对所述目标对象的面部特征进行识别，并将面部识别结果进行框选标记；
74.s15、对被标记过的面部识别结果进行框定位回归操作，得到完整的用户的面部图片。
75.本发明实施例中，当预设的检测器检测到智能镜子的电源开启，或者化妆席位上有人坐上去，或者接收到预设的化妆辅助指令等情况时，自动开启摄像设备，得到拍摄图像，并利用预构建的对象识别模型对所述拍摄图像进行目标对象的自动识别。其中，所述对象识别模型为一种基于卷积神经网络的图像识别模型，用于检测化妆席位上的目标对象，例如猫、狗、人等。
76.本发明设置目标对象为人，当检测到人时，自动对人进行身体部位识别，得到面部图片，并通过激活函数进行框选。由于被框选的面部图片可能不完整，本发明实施例通过框回归定位操作对面部图片进行完整框选。其中，所述框回归定位操作是指在物体检测或识别中，利用神经网络模型输出的边界框(bounding box)位置信息和目标检测的ground truth(人工标注的真实框)信息进行训练和优化，从而实现目标框的准确定位的方法，此处不加以赘述。
77.s2、利用预训练的化妆推荐模型对所述目标图片进行特征识别，得到目标图片特征集合，及对所述面部图片进行特征识别，得到面部图片特征集合。
78.本发明实施例中，所述化妆推荐模型是一种基于神经网络的图像识别网络及智能推荐网络的组合，用于识别化妆需求，并根据化妆需求推荐对应的化妆手法。其中，所述智能推荐网络可以包含化妆品推荐网络及化妆手段推荐网络两个网络层，因此，所述化妆手法涉及化妆品类型及化妆操作步骤两部分。
79.详细的，参考图3所示，本发明实施例中，所述利用预训练的化妆推荐模型对所述目标图片进行特征识别，得到目标图片特征集合之前，还包括：
80.s21、利用预设埋点爬取网络中的化妆数据，并对所述化妆数据进行聚类分组，构建化妆知识图谱，所述化妆数据包括化妆产品数据及用户化妆行为数据；
81.s22、根据所述化妆知识图谱，构建基于化妆数据包-化妆流程标签的键值对作为训练样本集合，并根据预设分组规则将所述训练样本集合分组为训练集及测试集；
82.s23、获取包含图像识别网络、化妆品推荐网络及化妆手段推荐网络的化妆推荐模型，并对所述化妆品推荐网络进行辅助任务配置；
83.s24、依次从所述训练集中提取一个训练样本，利用所述化妆推荐模型对所述训练样本中的化妆数据包进行模型预测，得到预测化妆操作步骤；
84.s25、利用交叉熵损失算法计算所述训练样本对应的化妆流程标签与所述预测化妆操作步骤的损失值，并根据梯度下降方法，对所述损失值最小化时的模型参数进行网络逆向更新，得到更新化妆推荐模型；
85.s26、判断所述训练集中的训练样本是否全部参与训练；
86.当所述训练集中的训练样本未全部参与训练，则返回上述s24的步骤，对所述更新化妆推荐模型进行迭代更新；
87.当所述训练集中的训练样本全部参与训练，则s27、利用所述测试集对所述更新化妆推荐模型进行测试，得到测试准确率；
88.s28、判断所述测试准确率是否大于预设的合格阈值；
89.当所述测试准确率小于所述合格阈值时，返回上述s22的步骤，对所述训练样本集合进行重新分组，继续优化所述更新化妆推荐模型；
90.当所述测试准确率大于或等于所述合格阈值时，s29、得到初级化妆推荐模型；
91.s30、获取当前用户的可用化妆产品图片，识别当前用户的可用化妆产品的产品型号信息，并根据所述产品型号信息构建用户化妆产品画像；
92.s31、利用所述用户化妆产品画像对所述初级化妆推荐模型进行微调训练，得到训练完成的化妆推荐模型。
93.本发明实施例先从网络上获取海量数据进行化妆知识图谱构建，然后根据化妆知识图谱作为基础，构建训练样本集合，并通过交叉熵损失算法及梯度下降方法对推荐算法进行训练，得到训练完成的初级化妆推荐模型。其中，本发明实施例通过辅助损失(auxiliary loss)方法，将所述化妆品推荐网络设置为辅助任务，将所述化妆品推荐网络的输出结果作为中间环节，独立的计算损失。因此所述化妆品推荐网络只在计算机训练过程中进行，不在训练进度展示过程中出现，训练进度展示中只显示所述化妆手段推荐网络的最终层的输出结果。其中，本发明实施例在训练过程中增加的辅助loss可以加快收敛速度，提升模型训练效率、增强监督，增强梯度的反向传播，使所述化妆推荐模型能够更高效地进行机器学习。
94.进一步的，本发明实施例可以扫描化妆产品条形码或拍照等方式获取当前用户的化妆产品的产品型号信息，从而获取当前用户的已有化妆产品的信息，进而对所述初级化妆推荐模型进行微调训练，使得模型输出时，优先输出用户已有的化妆产品对应的化妆操作步骤，指导用户进行化妆操作。
95.进一步的，本发明实施例中，得到所述化妆推荐模型后，利用所述化妆推荐模型中的图像识别网络对所述目标图片及所述面部图片进行特征识别，分别得到目标图片特征集合及面部图片特征集合。
96.详细的，本发明实施例中，所述利用所述化妆推荐模型对所述目标图片进行特征识别，得到目标图片特征集合，包括：
97.利用所述化妆推荐模型中的卷积层对所述目标图片进行卷积操作，得到卷积矩阵集合；
98.对所述卷积矩阵集合进行平均池化操作，得到池化矩阵集合；
99.对所述池化矩阵集合中各个池化矩阵进行扁平化操作，得到目标图片特征序列集合，并所述对目标图片特征序列集合进行全连接特征识别操作，得到目标图片特征集合。
100.本发明实施例通过所述化妆推荐模型中用于图像识别的网络对目标图片或面部图片进行卷积、池化、扁平化及全连接操作。其中，卷积操作用于对目标图片或面部图片进行特征提取，池化及扁平化操作用于对提取到的特征进行降维操作，全连接操作用于对降维后的特征进行分类识别，得到目标图片特征集合或面部图片特征集合。其中，本发明实施例在池化过程中采用平均池化的操作是指每次取池化核大小的像素块，计算其像素值的平均值，作为输出特征图中对应位置的像素值的操作，有利于位置特征稳定性、抑制模型过拟
合的作用。其中，本发明实施例中，所述目标图片特征集合及面部图片特征集合中的特征包括眼部、鼻子、嘴部、肤色、眉毛等等。
101.s3、根据所述目标图片特征集合及所述面部图片特征集合，对所述目标图片及所述面部图片进行图像对齐，得到重叠图片组合。
102.本发明实施例中的图像对齐是指将面部图片与目标图片，通过平移或缩放大小，将眼睛对眼睛、鼻子对鼻子进行对齐，然后将两张图片的像素进行混合，得到重叠图片组合。
103.详细的，参考图4所示，本发明实施例中，所述根据所述目标图片特征集合及所述面部图片特征集合，对所述目标图片及所述面部图片进行图像对齐，得到重叠图片组合，包括：
104.s40、对所述目标图片特征集合及所述面部图片特征集合进行分组操作，得到各个面部位置块，并对各个面部位置块进行聚类；
105.s41、根据所述各个面部位置块之间的对应关系，及各个面部位置块的聚类中心及大小，将所述目标图片的各个面部位置块缩放及位移至所述面部图片对应的各个面部位置块上，得到所述目标图片及所述面部图片的重叠图片组合。
106.s4、根据预设的权重变化规则，对所述重叠图片组合中的目标图片及面部图片进行加权特征融合操作，得到图片过度帧序列，并对所述图片过度帧序列进行基于预设帧数间隔的图片提取操作，得到化妆阶段图像集合。
107.本发明实施例中，所述权重变化规则是指目标图片的像素权重逐渐增加，面部图片的像素权重逐渐减小，最终由面部图片慢慢变为目标图片。
108.详细的，本发明实施例中，所述根据预设的权重变化规则，对所述重叠图片组合中的目标图片及面部图片进行加权特征融合操作，得到图片过度帧序列，包括：
109.根据权重变化规则，对所述重叠图片组合中的目标图片及面部图片的权重进行初始值配置，得到所述目标图片的第一权重及所述面部图片的第二权重；
110.在预设的目标区间范围内，根据所述第一权重与所述第二权重和为1的规则，对所述第一权重进行逐渐增加，得到更新第一权重序列及更新第二权重序列；
111.根据所述更新第一权重序列及所述更新第二权重序列，对所述目标图片及所述面部图片中的像素数据进行融合，得到图片过度帧序列。
112.本发明实施例初始化后，所述目标图片的第一权重为0，所述面部图片的第二权重为1，然后在目标区间范围[0，1]进行变化，若更新第一权重为0.2，则所述更新第二权重就为0.8。本发明实施例中，在权重不断变化的过程中，权重每变化一次，得到一个像素融合的图片过度帧，当权重变化完成后，得到图片过度帧序列。
[0113]
进一步的，本发明实施例通过预设的帧数间隔，例如间隔0.2个权重变化对应的帧数作为间隔帧数，进行筛选，得到化妆阶段图像集合。
[0114]
s5、根据顺序从所述化妆阶段图像集合中提取相邻的化妆阶段图像，得到化妆图像组合，并对所述化妆图像组合进行色彩分析，得到妆容变化特征集合。
[0115]
本发明实施例中，若所述化妆阶段图像集合为【1，2，3，4，5
……
】，则获取到的化妆图像组合可以为【1-2、2-3、3-4、
……
】。
[0116]
进一步的，本发明实施例通过化妆推荐模型中用于图像特征识别的网络对所述化
妆图像组合进行识别，得到1-2之间的变化区域、2-3之间的变化区域
……
及各自化妆图像组合的妆容变化特征集合。
[0117]
本发明实施例中，可以通过设置变化幅度对化妆进度进行把控，例如1-2之间、2-3之间没有太大的变化，得到3-4出现较为明显的特征差别，则可以将1-4进行合并作为一个新的化妆图像组合，并得到组合更新的妆容变化特征集合。
[0118]
s6、根据所述妆容变化特征集合进行智能化妆品推荐，得到智能推荐结果，并将所述智能推荐结果可视化至所述智能镜子的透明显示区域。
[0119]
本发明实施例中，根据所述所述妆容变化特征集合可以对每个阶段的进行智能化妆品推荐，得到每组化妆图像组合对应的智能推荐结果，然后将所有的智能推荐结果进行统一整合，然后制定一个完整的化妆流程，作为最终的智能推荐结果。并将最终的智能推荐结果可视化至所述智能镜子的透明显示区域中。其中，所述透明显示是指在浴室镜的基础上覆盖一个透明显示膜，或者在玻璃层中嵌入透明的显示线路或者其他的显示技术的既能显示数据画面，又能实现基础镜子功能。
[0120]
进一步的，本发明实施例中，所述将所述智能推荐结果可视化至预构建的浴室镜透明显示区域，包括：
[0121]
获取用户的第一触屏指令，根据所述第一触屏指令对所述透明显示区域进行位移；
[0122]
获取用户的第二触屏指令，根据所述第二触屏指令对所述透明显示区域中的智能推荐结果进行进度控制。
[0123]
本发明实施例中，用户可以通过手指在浴室镜的透明显示区域上点击或拖动，使得透明显示区域可以被控制，例如移动缩放或教程进度控制，实现智能化化妆教学。此外，本发明实施例中的拍摄用户的面部图片的过程，可以根据预设的时间频率、化妆进度，或者用户手动点击更新等方式进行图片更新，而当更新的图片与对应阶段的化妆进程不对应时，可以通过智能镜子搭配的补光灯的闪烁等方式进行纠正提醒。
[0124]
本发明实施例可以获取用户输入的目标图像，并识别到用户的面部图片，通过面部图片与目标图片的图片融合，得到用户化妆时的化妆阶段图像集合；然后利用预训练的化妆推荐模型识别各化妆阶段变化时的妆容变化特征集合，则可以根据所述妆容变化特征集合进行智能推荐，得到智能推荐结果，便于用户实现趋于目标图像的个性化化妆。因此，本发明实施例提供的一种基于智能镜子的辅助化妆方法，能够通过智能镜子帮助用户进行个性化化妆。
[0125]
如图5所示，是本发明一实施例提供的基于智能镜子的辅助化妆装置的功能模块图。
[0126]
本发明所述基于智能镜子的辅助化妆装置100可以安装于电子设备中。根据实现的功能，所述基于智能镜子的辅助化妆装置100可以包括数据获取模块101、图片对比模块102、化妆进度分段模块103及化妆推荐模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
[0127]
在本实施例中，关于各模块/单元的功能如下：
[0128]
所述数据获取模块101，用于利用智能镜子接收用户选择的目标图片，及拍摄用户
architecture，简称eisa)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
[0138]
所述通信接口13用于上述电子设备1与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如wi-fi接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(display)、输入单元(比如键盘(keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
[0139]
图6仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图6示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
[0140]
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、wi-fi模块等，在此不再赘述。
[0141]
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
[0142]
所述电子设备1中的所述存储器11存储的基于智能镜子的辅助化妆程序是多个指令的组合，在所述处理器10中运行时，可以实现：
[0143]
利用智能镜子接收用户选择的目标图片，及拍摄用户的面部图片；
[0144]
利用预训练的化妆推荐模型对所述目标图片进行特征识别，得到目标图片特征集合，及对所述面部图片进行特征识别，得到面部图片特征集合；
[0145]
根据所述目标图片特征集合及所述面部图片特征集合，对所述目标图片及所述面部图片进行图像对齐，得到重叠图片组合；
[0146]
根据预设的权重变化规则，对所述重叠图片组合中的目标图片及面部图片进行加权特征融合操作，得到图片过度帧序列，并对所述图片过度帧序列进行基于预设帧数间隔的图片提取操作，得到化妆阶段图像集合；
[0147]
根据顺序从所述化妆阶段图像集合中提取相邻的化妆阶段图像，得到化妆图像组合，并对所述化妆图像组合进行色彩分析，得到妆容变化特征集合；
[0148]
根据所述妆容变化特征集合进行智能化妆品推荐，得到智能推荐结果，并将所述智能推荐结果可视化至所述智能镜子的透明显示区域。
[0149]
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
[0150]
进一步地，所述电子设备1集成的模块/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使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够
携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)。
[0151]
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
[0152]
利用智能镜子接收用户选择的目标图片，及拍摄用户的面部图片；
[0153]
利用预训练的化妆推荐模型对所述目标图片进行特征识别，得到目标图片特征集合，及对所述面部图片进行特征识别，得到面部图片特征集合；
[0154]
根据所述目标图片特征集合及所述面部图片特征集合，对所述目标图片及所述面部图片进行图像对齐，得到重叠图片组合；
[0155]
根据预设的权重变化规则，对所述重叠图片组合中的目标图片及面部图片进行加权特征融合操作，得到图片过度帧序列，并对所述图片过度帧序列进行基于预设帧数间隔的图片提取操作，得到化妆阶段图像集合；
[0156]
根据顺序从所述化妆阶段图像集合中提取相邻的化妆阶段图像，得到化妆图像组合，并对所述化妆图像组合进行色彩分析，得到妆容变化特征集合；
[0157]
根据所述妆容变化特征集合进行智能化妆品推荐，得到智能推荐结果，并将所述智能推荐结果可视化至所述智能镜子的透明显示区域。
[0158]
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
[0159]
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0160]
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
[0161]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
[0162]
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
[0163]
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
[0164]
本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、
延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
[0165]
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
[0166]
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，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案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

技术特征：
1.基于智能镜子的辅助化妆方法，其特征在于，所述方法包括：利用智能镜子接收用户选择的目标图片，及拍摄用户的面部图片；利用预训练的化妆推荐模型对所述目标图片进行特征识别，得到目标图片特征集合，及对所述面部图片进行特征识别，得到面部图片特征集合；根据所述目标图片特征集合及所述面部图片特征集合，对所述目标图片及所述面部图片进行图像对齐，得到重叠图片组合；根据预设的权重变化规则，对所述重叠图片组合中的目标图片及面部图片进行加权特征融合操作，得到图片过度帧序列，并对所述图片过度帧序列进行基于预设帧数间隔的图片提取操作，得到化妆阶段图像集合；根据顺序从所述化妆阶段图像集合中提取相邻的化妆阶段图像，得到化妆图像组合，并对所述化妆图像组合进行色彩分析，得到妆容变化特征集合；根据所述妆容变化特征集合进行智能化妆品推荐，得到智能推荐结果，并将所述智能推荐结果可视化至所述智能镜子的透明显示区域。2.如权利要求1所述的基于智能镜子的辅助化妆方法，其特征在于，所述利用预训练的化妆推荐模型对所述目标图片进行特征识别之前，所述方法包括：利用预设埋点爬取网络中的化妆数据，并对所述化妆数据进行聚类分组，构建化妆知识图谱，所述化妆数据包括化妆产品数据及用户化妆行为数据；根据所述化妆知识图谱，构建基于化妆数据包-化妆流程标签的键值对作为训练样本集合，并根据预设分组规则将所述训练样本集合分组为训练集及测试集；获取包含图像识别网络、化妆品推荐网络及化妆手段推荐网络的化妆推荐模型，并对所述化妆品推荐网络进行辅助任务配置；依次从所述训练集中提取一个训练样本，利用所述化妆推荐模型对所述训练样本中的化妆数据包进行模型预测，得到预测化妆操作步骤；利用交叉熵损失算法计算所述训练样本对应的化妆流程标签与所述预测化妆操作步骤的损失值，并根据梯度下降方法，对所述损失值最小化时的模型参数进行网络逆向更新，得到更新化妆推荐模型；判断所述训练集中的训练样本是否全部参与训练；当所述训练集中的训练样本未全部参与训练，则返回上述依次从所述训练集中提取一个训练样本的步骤，对所述更新化妆推荐模型进行迭代更新；当所述训练集中的训练样本全部参与训练，则利用所述测试集对所述更新化妆推荐模型进行测试，得到测试准确率；判断所述测试准确率是否大于预设的合格阈值；当所述测试准确率小于所述合格阈值时，返回上述根据所述化妆知识图谱，构建基于化妆数据包-化妆流程标签的键值对作为训练样本集合的步骤，对所述训练样本集合进行重新分组，继续优化所述更新化妆推荐模型；当所述测试准确率大于或等于所述合格阈值时，得到初级化妆推荐模型；获取当前用户的可用化妆产品图片，识别当前用户的可用化妆产品的产品型号信息，并根据所述产品型号信息构建用户化妆产品画像；利用所述用户化妆产品画像对所述初级化妆推荐模型进行微调训练，得到训练完成的
化妆推荐模型。3.如权利要求1所述的基于智能镜子的辅助化妆方法，其特征在于，所述根据所述目标图片特征集合及所述面部图片特征集合，对所述目标图片及所述面部图片进行图像对齐，得到重叠图片组合，包括：对所述目标图片特征集合及所述面部图片特征集合进行分组操作，得到各个面部位置块，并对各个面部位置块进行聚类；根据所述各个面部位置块之间的对应关系，及各个面部位置块的聚类中心及大小，将所述目标图片的各个面部位置块缩放及位移至所述面部图片对应的各个面部位置块上，得到所述目标图片及所述面部图片的重叠图片组合。4.如权利要求1所述的基于智能镜子的辅助化妆方法，其特征在于，所述根据预设的权重变化规则，对所述重叠图片组合中的目标图片及面部图片进行加权特征融合操作，得到图片过度帧序列，包括：根据权重变化规则，对所述重叠图片组合中的目标图片及面部图片的权重进行初始值配置，得到所述目标图片的第一权重及所述面部图片的第二权重；在预设的目标区间范围内，根据所述第一权重与所述第二权重和为1的规则，对所述第一权重进行逐渐增加，得到更新第一权重序列及更新第二权重序列；根据所述更新第一权重序列及所述更新第二权重序列，对所述目标图片及所述面部图片中的像素数据进行融合，得到图片过度帧序列。5.如权利要求1所述的基于智能镜子的辅助化妆方法，其特征在于，所述利用预训练的化妆推荐模型对所述目标图片进行特征识别，得到目标图片特征集合，包括：利用所述化妆推荐模型中的卷积层对所述目标图片进行卷积操作，得到卷积矩阵集合；对所述卷积矩阵集合进行平均池化操作，得到池化矩阵集合；对所述池化矩阵集合中各个池化矩阵进行扁平化操作，得到目标图片特征序列集合，并所述对目标图片特征序列集合进行全连接特征识别操作，得到目标图片特征集合。6.如权利要求1所述的基于智能镜子的辅助化妆方法，其特征在于，所述拍摄用户的面部图片，包括：利用预构建的摄像设备，获取化妆席位的拍摄图像，利用预构建的对象识别模型对所述拍摄图像进行目标对象的自动识别，得到识别结果；判断所述识别结果是否为包含预设的目标对象；当所述识别结果为目不包含目标对象时，关闭所述摄像设备；当所述识别结果为包含目标对象时，利用所述对象识别模型的激活函数对所述目标对象的面部特征进行识别，并将面部识别结果进行框选标记；对被标记过的面部识别结果进行框定位回归操作，得到完整的用户的面部图片。7.如权利要求1所述的基于智能镜子的辅助化妆方法，其特征在于，所述将所述智能推荐结果可视化至所述智能镜子的透明显示区域，包括：获取用户的第一触屏指令，根据所述第一触屏指令对所述透明显示区域进行位移；获取用户的第二触屏指令，根据所述第二触屏指令对所述透明显示区域中的智能推荐结果进行进度控制。
8.一种基于智能镜子的辅助化妆装置，其特征在于，所述装置包括：数据获取模块，用于利用智能镜子接收用户选择的目标图片，及拍摄用户的面部图片；图片对比模块，用于利用预训练的化妆推荐模型对所述目标图片进行特征识别，得到目标图片特征集合，及对所述面部图片进行特征识别，得到面部图片特征集合，及根据所述目标图片特征集合及所述面部图片特征集合，对所述目标图片及所述面部图片进行图像对齐，得到重叠图片组合；化妆进度分段模块，用于根据预设的权重变化规则，对所述重叠图片组合中的目标图片及面部图片进行加权特征融合操作，得到图片过度帧序列，并对所述图片过度帧序列进行基于预设帧数间隔的图片提取操作，得到化妆阶段图像集合；化妆推荐模块，用于根据顺序从所述化妆阶段图像集合中提取相邻的化妆阶段图像，得到化妆图像组合，并对所述化妆图像组合进行色彩分析，得到妆容变化特征集合，及根据所述妆容变化特征集合进行智能化妆品推荐，得到智能推荐结果，并将所述智能推荐结果可视化至所述智能镜子的透明显示区域。9.一种电子设备，其特征在于，所述电子设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的基于智能镜子的辅助化妆方法。10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的基于智能镜子的辅助化妆方法。

技术总结
本发明涉及人工智能技术，揭露了一种基于智能镜子的辅助化妆方法、装置、设备及存储介质。所述方法包括：利用智能镜子获取目标图片及用户的面部图片；分别对目标图片及面部图片进行特征识别，得到目标图片特征集合及面部图片特征集合；根据目标图片特征集合及面部图片特征集合，对目标图片及面部图片进行图像对齐，得到重叠图片组合；根据预设的权重变化规则，对所述重叠图片组合中的目标图片及面部图片进行加权特征融合操作，得到图片过度帧序列，截取得到化妆阶段图像集合；对所述化妆阶段图像集合中的妆容变化特征集合进行智能化妆品推荐，得到智能推荐结果。本发明可以通过智能镜子帮助用户进行个性化化妆。智能镜子帮助用户进行个性化化妆。智能镜子帮助用户进行个性化化妆。


技术研发人员：陈清源
受保护的技术使用者：东莞莱姆森科技建材有限公司
技术研发日：2023.04.14
技术公布日：2023/9/23