[发明专利]一种基于特征提取的妆容推荐方法及系统

说明书

本发明提出了一种基于特征提取的妆容推荐方法及系统，涉及深度学习技术领域。一种基于特征提取的妆容推荐方法包括：获取用户需求及用户特征并进行用户面部特征分析；根据用户提交需求及面部特征分析结果，在后台数据库进行图像匹配；配合用户选择的风格和特征推荐妆容数据集；通过用户上传的图像及用户选择的模特ID迁移及选定妆容。其能够以深度学习技术为核心，利用端云结合的系统架构思想，对端与云进行职责分配，保证产品运行时的负载均衡和高并发量支持，为用户提供良好的交互体验。此外本发明还提出了一种基于特征提取的妆容推荐系统。

技术领域

本发明涉及深度学习技术领域，具体而言，涉及一种基于特征提取的妆容推荐方法及系统。

背景技术

随着时代的发展，个人形象逐步发挥出其品牌效应，成为个人社交礼仪的重要组成部分。妆容作为其中的重要组成部分，受到越来越多人的重视。近几年互联网社交平台和网络直播的迅猛发展，使得美妆的受众面积和影响力进一步扩大。2020年10月百度营销中心发布的《2020百度美妆行业研究(人群篇)》发现，美妆领域市场规模不断扩大，越来越多的人开始接触化妆品并开始修饰自己的妆容。

从化妆过程的角度看，美妆可以划分为妆容设计和教程上妆两大功能领域。各美妆群体对妆容设计和教程的获取主要集中在各大社交分享平台和美妆推荐APP，但是其推荐的妆容设计与教程普遍存在以下现象：

1.推荐的妆容设计固定单一，主观因素较强，不具有个性化和定制性；

2.推荐的妆容教程数量繁杂且品质不一，用户需要花费大量时间用于筛选和甄别，不具有便捷性和品质性；

3.各大平台只提供的静态的教程信息，缺少与用户之间的交互，用户无法对自己的妆容进行及时的判断和评价，学习周期长成本高。

发明内容

本发明的目的在于提供一种基于特征提取的妆容推荐方法，其能够以深度学习技术为核心，结合AI Boost和AIUnit的技术支持，利用端云结合的系统架构思想，对端与云进行职责分配，保证产品运行时的负载均衡和高并发量支持，为用户提供良好的交互体验。

本发明的另一目的在于提供一种基于特征提取的妆容推荐系统，其能够运行一种基于特征提取的妆容推荐方法。

本发明的实施例是这样实现的：

第一方面，本申请实施例提供一种基于特征提取的妆容推荐方法，其包括获取用户需求及用户特征并进行用户面部特征分析；根据用户提交需求及面部特征分析结果，在后台数据库进行图像匹配；配合用户选择的风格和特征推荐妆容数据集；通过用户上传的图像及用户选择的模特ID迁移及选定妆容。

在本发明的一些实施例中，上述获取用户需求及用户特征并进行用户面部特征分析包括：通过RetinaFace和MobileNet，结合AI Boost和AIUnit在移动端实现用户面部位置锚框和特征点的提取。

在本发明的一些实施例中，上述还包括：在用户面部特征提取中，提取到的用户面部特征并分析用户面部位置。

在本发明的一些实施例中，上述根据用户提交需求及面部特征分析结果，在后台数据库进行图像匹配包括：通过缓存中的人脸特征数据与服务器中保存的模特静态特征数据进行匹配，为用户匹配到特征相似的模特图像。

在本发明的一些实施例中，上述还包括：将提取出的用户上传图像中的人脸特征信息，同时保存至数据库对应用户表中及缓存列表中。

在本发明的一些实施例中，上述配合用户选择的风格和特征推荐妆容数据集包括：判断缓存列表中是否存在人脸特征信息，若是，则利用数据库中模特静态人脸位置信息和用户人脸位置信息进行迁移，若不是，则判定为前置算法未执行完，提示用户等待重新匹配图像。