一种基于用户习惯学习的智能化妆镜个性化调节方法与流程

本发明涉及用户行为学习及机器学习控制，尤其涉及一种基于用户习惯学习的智能化妆镜个性化调节方法。

背景技术：

1、随着智能家居及智能镜面设备的发展，智能化妆镜逐渐应用于家庭固定梳妆场景。现有智能化妆镜通常结合镜面组件、照明组件、图像采集组件、环境光检测组件及用户操作组件，对用户镜前状态、环境光条件及用户操作进行采集，并根据采集结果对镜面照明参数及辅助调节参数进行控制。其中，照明参数可以包括亮度、色温等，辅助调节参数可以包括放大倍率等。部分智能化妆镜还能够记录用户的历史使用数据，并依据用户在不同使用情境下的操作记录形成参数偏好，从而在后续使用过程中按照历史偏好进行个性化调节。

2、现有的智能化妆镜大都采用当前状态检测后即时响应的调节方式，由于无法在会话早期识别用户的操作节奏变化，从而造成调节时机滞后、无法匹配用户实际化妆节奏的问题。

技术实现思路

1、为了弥补以上不足，本发明提供了一种基于用户习惯学习的智能化妆镜个性化调节方法，旨在改善现有的智能化妆镜大都采用当前状态检测后即时响应的调节方式，容易造成调节时机滞后、无法匹配用户实际化妆节奏的问题。

2、本发明提供了如下技术方案，一种基于用户习惯学习的智能化妆镜个性化调节方法，包括以下步骤：

3、s1、获取历史化妆会话数据，提取使用情境下的动作频率特征与参数偏好，构建包括正常模式和时间压力模式的双轨习惯模型，所述正常模式记录有频率基准；

4、s2、在当前化妆会话中，获取当前化妆阶段及当前操作频率，当在会话初始阶段所述当前操作频率大于所述正常模式的频率基准时，将当前会话模式确定为所述时间压力模式，否则确定为所述正常模式；

5、s3、根据当前化妆阶段以及当前会话模式预测下一化妆阶段，并根据当前环境光数据和所述下一化妆阶段对应的参数偏好计算目标控制参数，按预设斜率对当前控制参数向所述目标控制参数执行渐变更新；

6、s4、在所述渐变更新过程中，当接收到用户手动调节信号时，若所述手动调节信号与当前渐变更新方向一致，则增大所述渐变更新的斜率，若与当前渐变更新方向相反，则减小所述渐变更新的斜率或停止所述渐变更新；

7、s5、当当前化妆会话结束时，基于当前化妆会话的阶段序列、所述当前操作频率及所述手动调节信号更新所述双轨习惯模型。

8、采用上述技术方案，通过预先构建包含正常模式和时间压力模式的双轨习惯模型，并在当前化妆会话的初始阶段即获取当前操作频率并与正常模式的频率基准进行比较，进而当操作频率大于频率基准时直接将当前会话模式确定为时间压力模式并据此预测下一化妆阶段及生成目标控制参数，从而改善了现有的智能化妆镜大都采用当前状态检测后即时响应的调节方式，由于无法在会话早期识别用户的操作节奏变化，从而造成调节时机滞后、无法匹配用户实际化妆节奏的问题。

9、进一步地，在s1中，所述获取历史化妆会话数据的步骤包括：

10、获取多个历史化妆会话的开始时间、结束时间、阶段序列及操作行为记录；

11、根据所述开始时间与所述结束时间确定各历史化妆会话的持续时长，并基于所述持续时长与预设时段划分使用情境；

12、将所述使用情境、所述阶段序列及所述操作行为记录对应关联，组合形成历史化妆会话数据。

13、进一步地，在s1中，所述提取使用情境下的动作频率特征与参数偏好的步骤包括：

14、按使用情境对历史化妆会话数据进行归类，统计同一使用情境下各化妆阶段的操作次数与阶段持续时长；

15、基于所述操作次数与所述阶段持续时长计算动作频率特征，并将动作频率特征的统计均值确定为所述正常模式下的频率基准；

16、提取用户手动调节后的控制参数与当前环境光数据所对应的预设基准参数之间的偏差值，将所述偏差值确定为参数偏好。

17、进一步地，在s1中，所述构建包括正常模式和时间压力模式的双轨习惯模型的步骤包括：

18、基于历史化妆会话数据中的动作频率特征，将历史化妆会话划分为正常会话与时间压力会话；

19、分别统计所述正常会话和所述时间压力会话在各化妆阶段间的转移频次，计算正常模式与时间压力模式下的阶段转移概率；

20、将所述阶段转移概率、所述参数偏好及所述正常模式下的频率基准绑定存储，构建形成双轨习惯模型。

21、进一步地，在s2中，所述获取当前化妆阶段及当前操作频率的步骤包括：

22、获取当前面部关注区域与面镜距离，识别当前化妆阶段；

23、当检测到面部处于镜前且无有效化妆动作时进入悬停状态，在所述悬停状态期间暂停统计当前操作频率；

24、当检测到恢复有效化妆动作时退出所述悬停状态，获取当前时间窗口内的实际持续时长与悬停时长，将所述悬停时长从所述实际持续时长中扣除得到有效持续时长；

25、根据所述当前时间窗口内的有效操作次数与所述有效持续时长计算当前操作频率。

26、进一步地，在s2中，所述当在会话初始阶段所述当前操作频率大于所述正常模式的频率基准时，将当前会话模式确定为所述时间压力模式的步骤包括：

27、计算所述当前操作频率与所述正常模式的频率基准的比值，若所述比值大于预设比值阈值，则生成候选时间压力标记；

28、计算所述当前操作频率与前一时刻操作频率的差值，得到操作加速度；

29、在当前化妆会话的初始阶段，当存在所述候选时间压力标记且所述操作加速度大于零时，将当前会话模式确定为所述时间压力模式。

30、进一步地，在s3中，所述根据当前化妆阶段以及当前会话模式预测下一化妆阶段的步骤包括：

31、读取在s2中确定的当前会话模式下，从当前化妆阶段到各候选下一化妆阶段的历史转移概率；

32、计算当前化妆阶段已持续时长与当前会话模式下该阶段的历史平均持续时长的匹配度；

33、根据所述历史转移概率和所述匹配度计算各候选下一化妆阶段的预测置信度，将置信度最高且大于预设置信度阈值的候选下一化妆阶段作为预测的下一化妆阶段。

34、进一步地，在s3中，所述按预设斜率对当前控制参数向所述目标控制参数执行渐变更新的步骤包括：

35、根据当前环境光数据确定预设基准控制参数，将所述预设基准控制参数与在s3中获取的所述下一化妆阶段对应的参数偏好叠加，计算得到目标控制参数；

36、计算所述目标控制参数与当前控制参数的参数差值；

37、当当前会话模式为所述时间压力模式时，根据所述当前操作频率与所述正常模式的频率基准的比值等比例缩短预设渐变时长，并根据所述参数差值与缩短后的预设渐变时长计算预设斜率；

38、在所述缩短后的预设渐变时长内，按所述预设斜率对当前控制参数逐步调整至所述目标控制参数。

39、进一步地，在s4中，所述若所述手动调节信号与当前渐变更新方向一致，则增大所述渐变更新的斜率的步骤包括：

40、将所述手动调节信号转换为参数变化矢量，将当前的渐变更新方向转换为渐变矢量；

41、计算所述参数变化矢量与所述渐变矢量的矢量点积；

42、当所述矢量点积大于零时，判定所述手动调节信号与当前渐变更新方向一致，按预设增益系数增大所述渐变更新的斜率。

43、进一步地，在s5中，所述基于当前化妆会话的阶段序列、所述当前操作频率及所述手动调节信号更新所述双轨习惯模型的步骤包括：

44、基于本次化妆会话的阶段序列更新对应会话模式下的阶段转移概率；

45、基于所述当前操作频率更新对应会话模式下的动作频率特征或所述正常模式下的频率基准；

46、基于所述手动调节信号对应的调节量更新对应会话模式及化妆阶段下的参数偏好；

47、对历史数据施加指数衰减权重后，将更新后的阶段转移概率、动作频率特征及参数偏好增量写入所述双轨习惯模型。

48、本发明具有如下有益效果：

49、1、本发明中，通过预先构建包含正常模式和时间压力模式的双轨习惯模型，并在当前化妆会话的初始阶段即获取当前操作频率并与正常模式的频率基准进行比较，进而当操作频率大于频率基准时直接将当前会话模式确定为时间压力模式并据此预测下一化妆阶段及生成目标控制参数，从而改善了现有的智能化妆镜大都采用当前状态检测后即时响应的调节方式，由于无法在会话早期识别用户的操作节奏变化，从而造成调节时机滞后、无法匹配用户实际化妆节奏的问题。

50、2、本发明中，通过在镜面参数的自动渐变更新过程中接收用户手动调节信号，并依据该手动调节信号与当前渐变更新方向的一致性判定结果来增大或减小渐变更新的斜率，进而在不中断自动调节流程的前提下将用户实时干预融入参数变化轨迹，从而改善了现有的智能化妆镜大都采用用户手动调节与自动调节相互独立或简单叠加的处理方式，由于无法区分用户干预的方向性意图，从而造成自动控制与用户操作之间产生控制权冲突的问题。

51、3、本发明中，通过在获取当前操作频率的过程中识别面部处于镜前但无有效化妆动作的情形并进入悬停状态，进而在悬停状态期间暂停统计当前操作频率，并在退出悬停状态后将悬停时长从实际持续时长中扣除以计算有效操作频率，从而改善了现有的智能化妆镜大都直接依据时间或面部存在状态进行阶段判断和操作统计，由于将拿取化妆用品等非化妆停顿行为等同于有效化妆时间，从而造成操作节奏误判和阶段错误切换的问题。