[发明专利]一种基于人脸特征的服装款型搭配算法

权利要求书

1.一种基于人脸特征的服装款型搭配算法，其特征在于，包括以下步骤：

S1：构建用于性别识别的卷积神经网络；

S2：对Adience图像数据集进行预处理，随后输入所述用于性别识别的卷积神经网络；

S3：对所述的用于性别识别的卷积神经网络进行训练；

S4：通过摄像头录制用户脸部视频，从视频中抽取图像帧；

S5：对所述图像帧进行人脸关键点检测，并输入所述用于识别性别的卷积神经网络；

S6：根据所述人脸关键点计算脸型参数；

S7：构建脸型参数和脸型的关系索引表；

S8：根据所述索引表和性别识别结果进行衣物推荐。

2.根据权利要求1所述的一种基于人脸特征的服装款型搭配算法，其特征在于，所述步骤S1所述的卷积神经网络包括三个卷积层、两个全连接层、和一个最终输出层。

3.根据权利要求2所述的一种基于人脸特征的服装款型搭配算法，其特征在于，所述步骤S2所述的预处理具体为：将所述Adience图像数据集中的图像缩放至256*256，通过中心裁剪将所述图像的尺寸裁剪为227*227。

4.根据权利要求3所述的一种基于人脸特征的服装款型搭配算法，其特征在于，所述步骤S3中训练的约束条件如下：所述用于性别识别的卷积神经网络中，所有层的权重采用标准偏差为0.01，均值为0的高斯随机值进行初始化；训练时不使用预训练模型，不使用基准可用的图像和标签之外的任何数据，网络从头开始进行训练；训练的目标值用与真实类别相对应的稀疏二进制向量表示，对于每个训练图像，目标标签向量具有类数的长度，在真实值所在索引位置为1，在其他位置为0；训练使用随机梯度下降算法进行训练，其中批量大小为50，初始学习率为e-3，在10K次迭代后降为e-4。

5.根据权利要求4所述的一种基于人脸特征的服装款型搭配算法，其特征在于，所述步骤S5通过以下方法进行所述人脸关键点检测：引用dlib中的人脸关键点检测模型检测人脸关键点，绘制包括68个人脸关键点的人脸关键点图像，记录每个所述人脸关键点的二维坐标值，并将68个所述人脸关键点编号1-68，记录检测样本数T，每通过所述检测模型从用户脸部视频中进行一次检测，T值加1。

6.根据权利要求5所述的一种基于人脸特征的服装款型搭配算法，其特征在于，所述步骤S6具体为：通过公式：I_s＝H_S/W_S*100％计算形态面指数，其中，I_s为形态面指数，H_S为形态面高，W_S为面宽；通过公式I_M＝W_M/W_S*100％计算颧下颌宽指数，其中，I_M为颧下颌宽指数W_M为下颌宽度，W_S为面宽。

7.根据权利要求6所述的一种基于人脸特征的服装款型搭配算法，其特征在于，所述步骤S6通过所述步骤S5所述的人脸关键点图像计算以下参数：形态面高H_S、面宽W_S、下颌宽度W_M；其中形态面高H_S为所述人脸关键点图像中点28与点9之间的欧式距离，面宽W_S为所述人脸关键点图像中点2和点16之间的欧式距离，下颌宽度W_M为所述人脸关键点图像中点5和点13之间的欧式距离。

8.根据权利要求7所述的一种基于人脸特征的服装款型搭配算法，其特征在于，所述步骤S7具体为：形态面指数大于100％为长脸，形态面指数大于70％且小于100％为中长脸，形态面指数小于70％为短脸；颧下颌宽指数大于100％为三角脸，颧下颌宽指数大于70％小于90％为五角脸，颧下颌宽指数大于40％且小于70％为三角脸。

9.根据权利要求8所述的一种基于人脸特征的服装款型搭配算法，其特征在于，所述步骤S8通过公式：

计算服装推荐参数VEST，其中，G为性别参数，G＝1为男性，G＝-1为女性，T为所述检测样本数，I_SK为第K个检测样本的形态面指数，MALE为男性服装调整参数，FEM为女性服装调整参数，I_MK为第K个检测样本的颧下颌宽指数，W_SK为第K个检测样本的面宽；男性服装调整参数MALE＝1.8，女性服装调整参数为FEM＝2.08；创建VEST推荐标签：当VEST0.85时，所述VEST推荐标签记录宽松、竖向花纹；当0.85VEST0.6时，所述VEST推荐标签记录贴身、塑形；当VEST0.6时所述VEST推荐标签记录高腰、短款；创建脸型推荐标签：为长脸用户添加以下标签：大衣、阔腿裤、v领、长筒靴；为中长脸用户添加以下标签：T恤、卫衣、高跟鞋、七分裤；为短脸用户添加以下标签：毛衣、宽袖、截短上装、牛仔裤；为五角脸用户添加以下标签：吊带、露背、连衣裙、背心；为瓜子脸用户添加以下标签：泡泡袖、T恤、短裤、运动鞋；为三角脸用户添加以下标签：衬衫、夹克、短外套、短裙；将用户性别、所述VEST推荐标签、所述脸型推荐标签进行组合得到服装搭配推荐。