3D模型生成方法、装置及设备与流程

3d模型生成方法、装置及设备
技术领域
1.本技术涉及图像处理技术领域，尤其涉及一种3d模型生成方法、装置及设备。


背景技术：

2.随着生活水平的不断提高，人们在追求物质生活改善的同时，也越来越注重精神层面的提升，因此人们越来越重视衣着和妆容。在时尚的生活潮流中，合适的发型及发色能够大大提升个人形象气质，也能够提升自己在他人面前的自信。
3.相关技术中，一般是向用户提供2d发型图片供用户选择，用户可以通过理发店提供的2d发型图片预先选择发型及发色，但是用户的五官、脸型等条件和发型图片中的模特可能并不一样，模特的发型并不一定适合用户，因此，只有修剪完头发才能看出效果。可见，2d发型图片并不能反映出用户采用推荐的发型和发色后的效果。
4.因此，相关技术中的方法通过2d发型图片无法为用户准确地推荐合适的发型和发色。


技术实现要素：

5.为克服相关技术中存在的问题，本技术提供一种3d模型生成方法、装置及设备，该3d模型生成方法、装置及设备能够为用户准确地推荐合适的发型和发色。
6.本技术第一方面提供了一种3d模型生成方法，包括：
7.获取目标用户的人脸图像；
8.根据所述人脸图像生成目标用户3d模型；
9.获取所述目标用户3d模型的瞳孔颜色，根据所述瞳孔颜色匹配对应的发色；
10.获取所述目标用户3d模型的头部特征，根据所述头部特征匹配对应的发型；
11.在所述目标用户3d模型上显示匹配的发型和发色。
12.在一种实施方式中，所述头部特征包括脸型和面部特征；
13.所述根据所述头部特征匹配对应的发型的步骤，包括：
14.根据所述脸型匹配对应的发型长度，根据所述面部特征匹配对应的发型样式。
15.在一种实施方式中，所述面部特征包括：面部轮廓特征和面部容貌特征；
16.所述面部轮廓特征包括太阳穴凹陷、颧弓凸出和下颌角宽三者中的至少一个；
17.所述面部容貌特征包括眉型特征、鼻型特征和嘴型特征三者中的至少一个。
18.在一种实施方式中，所述头部特征还包括头型；
19.所述根据所述头部特征匹配对应的发型的步骤，包括：
20.根据所述脸型匹配对应的发型长度，根据所述面部特征及所述头型匹配对应的发型样式。
21.在一种实施方式中，所述方法还包括：获取所述目标用户3d模型的颈部特征和/或肩部特征；
22.在所述根据头部特征匹配对应的发型时，同时结合所述颈部特征和/或肩部特征
进行发型的匹配。
23.在一种实施方式中，所述方法还包括：获取所述目标用户3d模型面部的雀斑特征和/或痘印特征；
24.在所述根据瞳孔颜色匹配对应的发色时，同时结合所述雀斑特征和/或痘印特征进行发色的匹配。
25.在一种实施方式中，所述获取所述目标用户3d模型的瞳孔颜色，包括：
26.通过获取目标用户3d模型的眼睛区域的关键特征点、色彩值、亮度值，并按照设定算法进行颜色分析，确定所述目标用户的瞳孔颜色。
27.在一种实施方式中，所述在所述目标用户3d模型上显示匹配的发型和发色，包括：
28.在匹配的发型和发色为两种或两种以上时，所述目标用户3d模型的发型和发色可进行切换，所述切换包括自动切换或根据用户的选择进行手动切换。
29.本技术第二方面提供了一种3d模型生成装置，包括：
30.图像获取模块，用于获取目标用户的人脸图像；
31.模型生成模块，用于根据所述图像获取模块获取的人脸图像生成目标用户3d模型；
32.发色匹配模块，用于获取所述模型生成模块生成的目标用户3d模型的瞳孔颜色，根据所述瞳孔颜色匹配对应的发色；
33.发型匹配模块，用于获取所述模型生成模块生成的目标用户3d模型的头部特征，根据所述头部特征匹配对应的发型；
34.发型显示模块，用于在所述模型生成模块生成的目标用户3d模型上显示匹配的发型和发色。
35.在一种实施方式中，所述发型匹配模块包括：
36.脸型处理子模块，用于根据所述头部特征中的脸型匹配对应的发型长度；
37.面部特征处理子模块，用于根据所述头部特征中的面部特征匹配对应的发型样式。
38.在一种实施方式中，所述发型匹配模块还包括：
39.头型处理子模块，用于根据所述头部特征中的头型匹配对应的发型样式。
40.本技术第三方面提供了一种电子设备，包括：
41.处理器；以及
42.存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行上述的方法。
43.本技术第四方面提供了一种非暂时性机器可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行上述的方法。
44.本技术提供的技术方案可以包括以下有益效果：
45.本技术的方案，获取目标用户的人脸图像后，先根据人脸图像生成目标用户3d模型，再获取目标用户3d模型的瞳孔颜色，及获取目标用户3d模型的头部特征，然后根据瞳孔颜色匹配对应的发色，根据头部特征匹配对应的发型，最后在目标用户3d模型上显示匹配的发型和发色。因为目标用户3d模型是根据用户的人脸图像生成，并且目标用户3d模型的三维效果更贴合目标用户实际情况，能够准确地反映目标用户的实际外形特征，因此，基于
目标用户3d模型能够为目标用户推选贴合真实效果的换发体验。进一步的，根据目标用户3d模型的瞳孔颜色匹配对应的发色及根据目标用户3d模型的头部特征匹配对应的发型，可以使得推荐结果更能与用户的实际外形特征契合，推荐更准确，更形象，对用户更具有参考价值，可以提高用户使用体验。
46.本技术的方案，头部特征可以包括脸型和面部特征，可以是根据脸型匹配对应的发型长度，根据面部特征匹配对应的发型样式；其中面部轮廓特征包括太阳穴凹陷、颧弓凸出和下颌角宽三者中的至少一个，面部容貌特征包括眉型特征、鼻型特征和嘴型特征三者中的至少一个。这样，就可以综合考虑用户更细微的多个特征，使得推荐的发型和发色更加准确。
47.本技术的方案，在匹配对应的发型时，还可以进一步参考头型、颈部特征或肩部特征等，使得在推荐发型和发色时考虑更全面，推荐更准确。
48.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。
附图说明
49.通过结合附图对本技术示例性实施方式进行更详细的描述，本技术的上述以及其它目的、特征和优势将变得更加明显，其中，在本技术示例性实施方式中，相同的参考标号通常代表相同部件。
50.图1为本技术实施例示出的3d模型生成方法的流程示意图；
51.图2为本技术实施例示出的3d模型生成方法的另一流程示意图；
52.图3为本技术实施例示出的3d模型生成方法的另一流程示意图；
53.图4为本技术实施例示出的3d模型生成方法中确定太阳穴凹陷的示意图；
54.图5为本技术实施例示出的3d模型生成装置的结构示意图；
55.图6为本技术实施例示出的3d模型生成装置的另一结构示意图；
56.图7为本技术实施例示出的电子设备的结构示意图。
具体实施方式
57.下面将参照附图更详细地描述本技术的优选实施方式。虽然附图中显示了本技术的优选实施方式，然而应该理解，可以以各种形式实现本技术而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本技术更加透彻和完整，并且能够将本技术的范围完整地传达给本领域的技术人员。
58.在本技术使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本技术。在本技术和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
59.应当理解，尽管在本技术可能采用术语“第一”、“第二”、“第三”等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本技术范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更
多个该特征。在本技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
60.随着“颜值时代”的来临，对美丽的展示与追求，使得人们重视衣着和妆容，而合适的发型和发色有助于提升个人形象。在相关技术中，仅仅通过生成2d影像信息，以对用户进行发型的推荐，无法为用户准确地推荐合适的发型，更不能实现发色的推选。针对上述问题，本技术实施例提供3d模型生成方法，能够为用户准确地推荐合适的发型和发色。具体的，以下结合附图详细描述本技术实施例的技术方案。
61.图1为本技术实施例示出的3d模型生成方法的流程示意图。
62.参见图1，该方法流程包括：
63.在步骤s101中，获取目标用户的人脸图像。
64.获取目标用户的人脸图像，可以是获取用户的正脸和/或侧脸的图片。具体的，可以提示用户将头部移动到拍摄区域，终端的摄像头采集用户的正脸图片；随后，用户根据提示，向左与向右转动头部，终端的摄像头采集用户的侧脸图片，从而获取到目标用户的人脸图像，使得后续可以根据上述采集到的影像图片信息生成目标用户3d模型。
65.还需说明的是，也可以直接获取用户上传的一张正脸图片和两张侧脸图片来获取目标用户的人脸图像。
66.在步骤s102中，根据人脸图像生成目标用户3d模型。
67.根据人脸图像生成目标用户3d模型可以是通过用户的正脸和/或侧脸的图片生成目标用户3d模型。
68.在步骤s103中，获取目标用户3d模型的瞳孔颜色，根据瞳孔颜色匹配对应的发色。
69.获取目标用户3d模型的瞳孔颜色，可以是通过获取目标用户3d模型的眼睛区域的关键特征点、色彩值、亮度值，并按照设定算法进行颜色分析，确定用户的瞳孔颜色。确定用户的瞳孔颜色后，就可以根据瞳孔颜色与发色的映射关系，匹配对应的发色。
70.所说的关键特征点，例如可以包括眼白、眼球、虹膜等特征点。其中，虹膜能够调节瞳孔的大小，里面包含有色素，色素量最多的，一般就是黑眼睛；色素量较多的，一般就是褐眼睛；色素量最少的，一般就是蓝眼睛。获取上述特征点的图像，其中上述特征点的图像可以通过像素来表达，通过计算各个像素的rgb(red、green、blue，红、绿、蓝)平均值能够描述各种颜色。具体的，根据各个像素的rgb平均值能够计算眼睛各区域的颜色，根据计算出的眼睛各区域的颜色，最终可以确定瞳孔的颜色。所说的设定算法，例如可以是颜色特征提取算法但不局限于此。颜色特征提取算法例如又可以是颜色直方图法或基于小波的分块图像颜色特征提取法，其中，关于颜色特征提取的具体操作方式可以通过多种手段实现，在此不做详细阐述。
71.在步骤s104中，获取目标用户3d模型的头部特征，根据头部特征匹配对应的发型。
72.具体的，目标用户3d模型的头部特征包括脸型和面部特征，可以根据脸型匹配对应的发型长度，根据面部特征匹配对应的发型样式。面部特征可以包括面部轮廓特征，而面部轮廓特征可以包括：太阳穴凹陷、颧弓凸出、下颌角宽等体现轮廓框架的特征，根据面部轮廓特征与发型样式的映射关系，匹配对应的发型样式。
73.需说明的是，步骤s103和步骤s104没有必然的顺序关系。
74.在步骤s105中，在目标用户3d模型上显示匹配的发型和发色。
75.在匹配的发型和发色为两种或两种以上时，可以将目标用户3d模型的发型和发色进行切换，该切换的方式包括自动切换或根据用户的选择进行手动切换。通过切换方式的设定，目标用户可以进行多种发型及发色的筛选与比对，为目标用户提供更多的选择建议，进而目标用户根据自身的喜好确定最终的结果，提高体验感及功能性。
76.在本实施例中，获取目标用户的人脸图像后，先根据人脸图像生成目标用户3d模型，再获取目标用户3d模型的瞳孔颜色，及获取目标用户3d模型的头部特征，然后根据瞳孔颜色匹配对应的发色，根据头部特征匹配对应的发型，最后在目标用户3d模型上显示匹配的发型和发色。因为目标用户3d模型是根据用户的人脸图像生成，并且目标用户3d模型的三维效果更贴合目标用户实际情况，能够准确地反映目标用户的实际外形特征，因此，基于目标用户3d模型能够为目标用户推选贴合真实效果的换发体验。进一步的，根据目标用户3d模型的瞳孔颜色匹配对应的发色及根据目标用户3d模型的头部特征匹配对应的发型，可以使得推荐结果更能与用户的实际外形特征契合，推荐更准确，更形象，对用户更具有参考价值，可以提高用户使用体验。
77.图2为本技术实施例示出的3d模型生成方法的另一流程示意图。图2可以根据脸型和面部特征匹配对应的发型，其中面部特征以面部容貌特征为例说明。
78.参见图2，该方法流程包括：
79.在步骤s201中，获取目标用户的人脸图像。
80.获取目标用户的人脸图像，可以是获取用户的正脸和/或侧脸的图片。具体的，可以提示用户将头部移动到拍摄区域，终端的摄像头采集用户的正脸图片；随后，用户根据提示，向左与向右转动头部，终端的摄像头采集用户的侧脸图片，从而获取到目标用户的人脸图像，使得后续可以根据上述采集到的影像图片信息生成目标用户3d模型。
81.还需说明的是，也可以直接获取用户上传的一张正脸图片和两张侧脸图片来获取目标用户的人脸图像。
82.在步骤s202中，根据人脸图像生成目标用户3d模型。
83.根据人脸图像生成目标用户3d模型可以是通过用户的正脸和/或侧脸的图片生成目标用户3d模型。
84.在步骤s203中，获取目标用户3d模型的瞳孔颜色，根据瞳孔颜色匹配对应的发色。
85.获取目标用户3d模型的瞳孔颜色，可以是通过获取目标用户3d模型的眼睛区域的关键特征点、色彩值、亮度值，并按照设定算法进行颜色分析，确定用户的瞳孔颜色。确定用户的瞳孔颜色后，就可以根据瞳孔颜色与发色的映射关系，匹配对应的发色。
86.所说的关键特征点，例如可以包括眼白、眼球、虹膜等特征点。其中，虹膜能够调节瞳孔的大小，里面包含有色素，色素量最多的，一般就是黑眼睛；色素量较多的，一般就是褐眼睛；色素量最少的，一般就是蓝眼睛。获取上述特征点的图像，其中上述特征点的图像可以通过像素来表达，通过计算各个像素的rgb(red、green、blue，红、绿、蓝)平均值能够描述各种颜色。具体的，根据各个像素的rgb平均值能够计算眼睛各区域的颜色，根据计算出的眼睛各区域的颜色，最终可以确定瞳孔的颜色。
87.所说的设定算法，例如可以是颜色特征提取算法但不局限于此。颜色特征提取算法例如又可以是颜色直方图法或基于小波的分块图像颜色特征提取法，其中，关于颜色特征提取的具体操作方式可以通过多种手段实现，在此不做详细阐述。
88.在步骤s204中，获取目标用户3d模型的脸型和面部特征，根据脸型和面部特征匹配对应的发型。
89.根据脸型和面部特征匹配对应的发型，可以是根据脸型匹配对应的发型长度，根据面部特征匹配对应的发型样式。面部特征可以包括面部容貌特征，而面部容貌特征可以是眉型特征、鼻型特征或嘴型特征等。鼻型一般可以包括狭鼻、中鼻、阔鼻等类型。嘴型一般可以包括标准嘴唇型、薄嘴唇、厚嘴唇等类型。以面部容貌特征是眉型特征为例，可以根据脸型匹配对应的发型长度，根据眉型特征匹配对应的发型样式。其中，眉型特征可以包括以下至少一种特征或特征的组合：眉毛形状、眉毛颜色、眉毛深浅，根据具体的眉型特征，就可以根据眉型特征与发型样式的映射关系，匹配对应的发型样式。
90.需说明的是，步骤s203和步骤s204没有必然的顺序关系。
91.在步骤s205中，在目标用户3d模型上显示匹配的发型和发色。
92.在匹配的发型和发色为两种或两种以上时，可以将目标用户3d模型的发型和发色进行切换，该切换的方式包括自动切换或根据用户的选择进行手动的切换。通过切换方式的设定，目标用户可以进行多种发型及发色的筛选与比对，为目标用户提供更多的选择建议，进而目标用户根据自身的喜好确定最终的结果，提高体验感及功能性。
93.在本实施例中，可以是根据用户脸型匹配对应的发型长度，根据面部轮廓特征例如眉型特征匹配对应的发型样式。这样，就可以综合考虑用户更多的特征，使得推荐的发型和发色更加准确。
94.图3为本技术实施例示出的3d模型生成方法的另一流程示意图。图3相对图1和图2更详细描述了本技术的方案，也综合考虑了更多的特征。
95.本实施例中，可以通过用户的人脸图像生成用户的目标用户3d模型，并可以根据瞳孔颜色、头部特征、颈部特征和肩部特征等进行发型和发色的推荐。其中头部特征可以包括头型、脸型、面部特征，面部特征可以包括面部轮廓特征和面部容貌特征，而面部轮廓特征又可以包括太阳穴凹陷、颧弓凸出、下颌角宽三者中的至少一种，面部容貌特征又可以包括眉型特征、鼻型特征和嘴型特征三者中的至少一种。其中，发型可以包括发型长度和发型样式等方面。
96.参见图3，该方法流程包括：
97.在步骤s301中，获取目标用户的人脸图像。
98.获取目标用户的人脸图像，可以是获取用户的正脸和/或侧脸的图片。具体的，提示用户将头部移动到拍摄区域，终端的摄像头采集用户的正脸图片；随后，用户根据提示，向左与向右转动头部，终端的摄像头采集用户的侧脸图片，从而获取到目标用户的人脸图像，使得后续可以根据上述采集到的影像图片信息生成目标用户3d模型。
99.更具体的，本实施例可以获取用户通过终端设备摄像头拍摄的脸部图片，或者获取用户直接上传的脸部图片，脸部图片一般包含完整的正脸五官区域、侧脸颊区域以及耳朵等，可以包括正脸和/或侧脸的图片等。其中，终端设备可以是手机、平板等。其中，通过摄像头拍摄可以是先通过摄像头拍摄视频，然后截取视频中的图片；或者，直接通过摄像头拍摄照片。其中，关于摄像头，可以是3d摄像头或2d摄像头，通过3d摄像头能够采集视野内空间每个点位的三维空间坐标，通过算法可以复原获取三维立体成像；而通过2d摄像头一般是获取到图像中每个点的二维空间坐标即(x，y)坐标。
100.还需说明的是，也可以直接获取用户上传的一张正脸图片和两张侧脸图片来获取目标用户的人脸图像。
101.在步骤s302中，根据人脸图像生成目标用户3d模型。
102.根据人脸图像生成目标用户3d模型可以通过用户的正脸和/或侧脸的图片生成目标用户3d模型。
103.获取用户的用户脸部图片后，可以采用相关3d人脸识别算法，根据人脸关键特征点生成目标用户3d模型。相关的3d人脸识别算法，例如可以是基于图像特征的算法、基于模型可变参数的算法或基于深度学习的算法等相关技术中通常采用的算法，本公开不加以限定。其中的人脸关键特征点例如可以包括眼睛、瞳孔、鼻部、嘴部、耳朵、眉部以及人脸各部件轮廓点等特征点但不局限于此。以基于模型可变参数的算法为例，该算法将通用人脸模型的3d变形和基于距离映射的矩阵迭代最小相结合，去恢复头部姿态和3d人脸。随着模型形变的关联关系的改变不断更新姿态参数，重复此过程直到最小化尺度达到要求。基于模型可变参数的算法与基于图像特征的算法的最大区别在于：后者在人脸姿态每变化一次后，需要重新搜索特征点的坐标，而前者只需调整3d变形模型的参数。
104.在步骤s303中，确定目标用户3d模型的脸型，根据预设的脸型与发型长度的映射关系确定用户脸型匹配的发型长度。
105.本实施例可以根据脸部长宽比、颧弓下颌比、脸部轮廓点方差等数据，确定脸型。
106.本实施例可以预先将脸型设定为若干种类型，例如可以将脸型分为7种：瓜子脸、梨形脸、方形脸、娃娃脸、长形脸、标准脸、混合脸。
107.本实施例还可以预先将发型长度可以分为若干种类型，例如可以将发型分为短发、中发和长发。需说明的是，还可以在短发、中发和长发3种主要类型上再细分。
108.其中，脸型与发型的匹配一般要考虑发型长度即发型的长短，例如长形脸和方形脸不适合选择短发的发型，在视觉上会拉长脸部长度，应选择长发的发型。本实施例预设的脸型与发型的映射关系如下表所示但不局限于此：
109.序号脸型匹配的发型长度1瓜子脸超a齐耳短发、清爽玉米烫、中分长直发2梨形脸初恋头、小樱花短发、高级s卷3方形脸韩系气质短发、初恋头、中分锁骨发4娃娃脸复古羊毛卷、法式大c卷、法式大卷5长形脸俏皮bobo头、复古羊毛卷、梨花烫6标准脸优雅lob头、优雅lob头、百搭纹理烫7混合脸辛芷蕾头、经典柔软卷、优雅慵懒烫
110.表1
111.在步骤s304中，确定目标用户3d模型的面部轮廓特征，根据预设的面部轮廓特征与发型样式的映射关系确定发型样式。
112.本实施例可以根据对用户脸部设定区域的检测，参考检测得到的面部轮廓特征关键点信息，确定面部轮廓特征，并设置面部轮廓特征标签用于供参考。
113.例如确定的面部轮廓特征可以包括：太阳穴凹陷、颧弓凸出、下颌角宽等。参见图4，举例说明了如何确定太阳穴凹陷。例如，可以在人脸形成多个标记点，多个标记点围合成
面部轮廓线，如果太阳穴处的轮廓线凹陷，则表明太阳穴凹陷。
114.颧骨和颧弓位于脸部中部外侧，是脸部的重要支撑和骨性标志，并对颅脑和脸部肌肉起保护作用。颧骨是单一骨骼，位于眼眶的外下方，菱形，形成面颊部的骨性突起。颧弓由两块骨骼组成，颧骨颞突与颞骨颧突结合形成的颧弓，位于颅面骨的两侧，呈向外的弓形。一般颧骨过高会影响脸部侧面颜值，颧弓突出会影响脸部正面颜值。
115.下颌角宽一般是下颌骨角部的骨性肥大或咬肌的过度发育凸出于两侧腮部，会部分影响脸部颜值。
116.面部轮廓特征的主要作用是可以提供是否需要进行发型修饰的参考。针对颧弓凸出，匹配的发型样式主要是采用头发遮挡或者蓬松的样式修饰，例如可以是刘海样式及采用烫发进行修饰，在烫发卷度上也进行匹配，这样可以遮盖颧弓凸出的问题。针对太阳穴凹陷，匹配的发型样式主要采用遮挡的方式，例如可以是采用刘海样式进行修饰。针对下颌角宽，可以是采用合适的刘海样式进行修饰。
117.其中，提供的刘海样式又可以细分为普通刘海、斜刘海、空气刘海、三七分刘海和八字刘海等，让用户在细节上有更多的选择，提升用户体验。例如，空气刘海能有效修饰发际线过高和太阳穴凹陷等问题；三七分刘海有自然的内扣弧度，很好的修饰脸型，尤其是修饰太阳穴凹陷和颧弓凸出的问题，发尾小碎发更凸显青春活力；八字刘海的八字卷度设计能强效修饰脸部轮廓，同时凸显精致的五官，有效修饰窄额头、太阳穴凹陷和颧弓凸出的问题。
118.本实施例预设的面部轮廓特征与发型样式的映射关系如下表所示但不局限于此：
119.序号面部轮廓特征发型样式1颧弓凸出采用刘海样式及采用烫发2太阳穴凹陷采用刘海样式3下颌角宽采用刘海样式
120.表2
121.以发型为短发为例，将短发发型结合发型样式，可以细分为不同风格类型。例如：细碎短发烫类型，细碎短发烫是瓜子脸可以尝试的发型，露出耳朵的短发更能凸显人的五官，整体感觉清爽又利落；细碎的刘海会使得整体的造型不单调，顶部头发打造出蓬松的效果会更有气质。又例如：气质短发类型，气质短发能柔和面部棱角，打理起来轻便简洁，更显乖巧；三七分的刘海有自然的内扣弧度，可很好修饰脸型，尤其是可以修饰太阳穴凹陷和颧弓凸出。又例如：中分长直发型，保持了直发的自然感，发尾可适当修剪出层次，与瓜子脸搭配会更有女神范；中分长的刘海往往会顺着脸型自然散落，可以有效遮挡太阳穴凹陷和颧弓凸出问题。
122.在步骤s305中，确定目标用户3d模型的面部容貌特征，根据预设的面部容貌特征与发型样式的映射关系确定发型样式。
123.面部容貌特征可以是眉型特征、鼻型特征或嘴型特征等。鼻型一般可以包括狭鼻、中鼻、阔鼻等类型。嘴型一般可以包括标准嘴唇型、薄嘴唇、厚嘴唇等类型。
124.本实施例以面部容貌特征是眉型特征为例但不局限于此，可以根据眉型特征匹配对应的发型样式。本实施例可以根据对用户眉部区域的关键特征点的检测，确定眉型特征。其中眉型特征可以包括以下至少一种特征或特征的组合：眉毛形状、眉毛颜色、眉毛深浅。
125.眉毛的形状一般可以分为平眉、挑眉、标准眉这3种类型但不局限于此。例如，标准眉的特点是比较不挑脸型，眉锋一般是在整条眉毛的三分之二处，内眼角往前鼻梁的垂直线上是眉头，标准眉的眉底一般是有点弧度，有两头淡中间深的效果。例如，挑眉的特点是干净利落眉锋高挑，而且颜色也比较浓重，眉峰一般是在整条眉毛的二分之一处，眉锋定在高出眉肌的3毫米处，眉尾在鼻翼和处眼角的斜线位置。例如，平眉的特点是看起来更加协调，更加的平易近人，眉锋一般在整条眉毛的二分之一处，眉头在鼻梁垂直线上的点，眉尾在鼻翼到外眼角45度斜线上，眉尾底部微微上一点弧度。
126.眉型特征的主要作用也是可以提供是否需要进行发型修饰的参考。
127.本实施例预设的眉型特征与发型样式的映射关系如下表所示但不局限于此：
128.序号眉型特征发型样式1平眉采用刘海样式2挑眉采用刘海样式及采用烫发3标准眉采用刘海样式
129.表3
130.在步骤s306中，确定目标用户3d模型的头型，同时结合头型进行发型样式的匹配。
131.头部特征还可以包括头型；在根据头部特征匹配对应的发型时，可以同时参考头型进行发型样式的匹配。头型的分类一般可以包括圆形、椭圆形、方形等。例如如果头型是方形，一般不适合短发。根据不同头型，可以选择采用不同的发型样式，例如采用烫发或刘海样式，而刘海样式又可以选择普通刘海、斜刘海、空气刘海等。
132.在步骤s307中，确定目标用户3d模型的颈部特征和/或肩部特征，同时结合颈部特征和/或肩部特征进行发型的匹配。
133.本实施例除了获取头部特征外，还可以获取目标用户3d模型的颈部特征和/或肩部特征；在根据头部特征匹配对应的发型时，可以同时参考颈部特征和/或肩部特征进行发型的匹配。颈部特征一般可以包括长颈形、短颈形等。肩部特征一般可以包括宽肩形、窄肩形等。例如颈部长颈形，发型的后颈底轮廓也要根据情况选择圆弧型或体现层次的倒坡型较为合适。例如肩部宽肩形，适合长发，用头发遮住肩，可以显得肩膀小些。
134.因此，除了考虑头部特征外，本实施例通过同时考虑肩部、颈部特征，可以更全面反映出用户的身材特征，结合更全面的身材特征，可使得发型的推荐更加准确。
135.需说明的是，步骤s304、步骤s305、步骤s306、步骤s307之间没有必然的顺序关系。
136.在步骤s308中，确定目标用户3d模型的雀斑特征和/或痘印特征，根据预设的雀斑特征、痘印特征与发色的映射关系确定发型的发色。
137.雀斑是脸部皮肤上的黄褐色点状色素沉着斑，一般是圆形、卵圆形或不规则。痘印一般是脸部长青春痘后留下的痕迹，痘印有深浅之分。痘印也分为很多种类型，一般包括黑色痘印、红色痘印、凹洞性痘印等。
138.本实施例可以根据对用户脸部区域的检测，确定是否含有雀斑或痘印。雀斑特征的信息可以至少包括以下一种：深浅信息、颜色信息、形状信息、尺寸信息、密度信息等。
139.本实施例预设的雀斑特征、痘印特征与发色的映射关系如下表所示但不局限于此：
140.序号雀斑特征和痘印特征发色
1有雀斑巧克力色、焦糖咖色2有痘印黑茶色、冷棕色
141.表4
142.需说明的是，步骤s304、步骤s305、步骤s306、步骤s307与步骤s308之间没有必然的顺序关系。
143.在步骤s309中，确定目标用户3d模型的瞳孔颜色，根据预设的瞳孔颜色与发色的映射关系确定发型的发色。
144.本实施例通过获取目标用户3d模型的眼睛区域的关键特征点、色彩值、亮度值，并按照设定算法进行颜色分析，可以确定用户的瞳孔颜色，根据不同瞳孔颜色可以推荐不同发色。
145.所说的关键特征点，例如可以包括眼白、眼球、虹膜等特征点。其中，虹膜能够调节瞳孔的大小，里面包含有色素，色素量最多的，一般就是黑眼睛；色素量较多的，一般就是褐眼睛；色素量最少的，一般就是蓝眼睛。获取上述特征点的图像，其中上述特征点的图像可以通过像素来表达，通过计算各个像素的rgb(red、green、blue，红、绿、蓝)平均值能够描述各种颜色。具体的，根据各个像素的rgb平均值能够计算眼睛各区域的颜色，根据计算出的眼睛各区域的颜色，最终可以确定瞳孔的颜色。
146.需说明的是，确定发型的发色可以是以瞳孔颜色匹配发色为主，同时可以进一步结合雀斑特征和/或痘印特征进行发色的匹配。
147.所说的设定算法，例如可以是颜色特征提取算法但不局限于此。颜色特征提取算法例如又可以是颜色直方图法或基于小波的分块图像颜色特征提取法。以颜色直方图法为例，颜色直方图是在许多图像检索系统中被广泛采用的颜色特征。它所描述的是不同色彩在整幅图像中所占的比例，而并不关心每种色彩所处的空间位置，即无法描述图像中的对象或物体。计算颜色直方图时，将颜色空间划分成若干个小的颜色区间，每个小区间成为直方图的一个bin，这个过程称为颜色量化。然后，通过计算颜色落在每个小区间内的像素数量可以得到颜色直方图。
148.本实施例可以通过眼睛关键特征点left_eye_center点附近的颜色信息，识别分析出瞳孔颜色。
149.本实施例中的瞳孔颜色可以包括多种颜色：黑色、棕色、琥珀色、灰色、蓝色、绿色、银色、榛子色、异色、中心异色等。
150.本实施例中的发色可以包括多款发色，例如黑色、黑茶色、最浅亚麻色、贵妃亚麻色、雾面亚麻灰色、巧克力色、暖焦糖色、蜜糖棕色、茶棕色、冷棕色、暖棕色、香槟金色、奶奶灰色、雾霾蓝色等。其中，黑茶色是黑色中带有一些茶色；焦糖色是棕色和其他颜色组合出来的效果；蜜糖棕是棕色占的比重很高，在阳光下有点偏深褐色的效果。
151.一般而言，暖色的瞳孔颜色，匹配对应暖色的发色；冷色的瞳孔颜色，匹配对应色的发色。
152.本实施例预设的瞳孔颜色与发色的映射关系如下表所示但不局限于此：
[0153][0154]
表5
[0155]
需说明的是，步骤s309匹配发色的步骤和前面匹配发型长度或发型样式的的各步骤之间没有必然的顺序关系，与步骤s308也没有必然的顺序关系，各自可以分开独立进行。
[0156]
在步骤s310中，在目标用户3d模型上显示匹配的发型和发色。
[0157]
本实施例可以将目标用户3d模型原有的发型部分移除，显示匹配的发型和发色供用户参考。需说明的是，如果在匹配的发型和发色为两种或以上时，本实施例可以将目标用户3d模型的发型和发色进行切换，该切换的方式包括自动切换或根据用户的选择进行手动切换。通过切换方式的设定，目标用户可以进行多种发型及发色的筛选与比对，为目标用户提供更多的选择建议，进而目标用户根据自身的喜好确定最终的结果，提高体验感及功能性。
[0158]
本实施例中可以提供多款热门和经典发型，供用户可以随意切换。进一步的，针对不同发型还可以配有相应的打理方法与剪发要点。另外，还同时具有保存视频并转发、保存画报的功能。
[0159]
需说明的是，本实施例中还可以对匹配发型和发色的目标用户3d模型进行放大、缩小和旋转等各种操作，从而可以从不同角度更形象展示发型和发色。还需说明的是，本实施例也可以不考虑眉型特征。
[0160]
本实施例的方案，可以综合用户的多种特征，例如根据瞳孔颜色和头部特征进行发型和发色的推荐，其中头部特征可以包括头型、脸型、面部轮廓特征(例如太阳穴凹陷、颧弓凸出、下颌角宽)、面部容貌特征(例如眉型特征、鼻型特征、嘴型特征)等，从而可以为每个用户提供最合适自己的发型和发色，为用户提供更准确的推荐参考意见，提高了用户体验。
[0161]
与前述应用功能实现方法实施例相对应，本技术还提供了3d模型生成装置、设备及相应的实施例。
[0162]
图5为本技术实施例示出的3d模型生成装置的结构示意图。
[0163]
参见图5，该3d模型生成装置50包括：图像获取模块51、模型生成模块52、发色匹配
模块53、发型匹配模块54、发型显示模块55。
[0164]
图像获取模块51，用于获取目标用户的人脸图像。图像获取模块51获取目标用户的人脸图像，可以是获取用户的正脸和/或侧脸的图片。
[0165]
模型生成模块52，用于根据图像获取模块51获取的人脸图像生成目标用户3d模型。模型生成模块52可以根据获取的用户的正脸和/或侧脸的图片，生成目标用户3d模型。
[0166]
发色匹配模块53，用于获取模型生成模块52生成的目标用户3d模型的瞳孔颜色，根据所述瞳孔颜色匹配对应的发色。发色匹配模块53可以是通过获取目标用户3d模型的眼睛区域的关键特征点、色彩值、亮度值，并按照设定算法进行颜色分析，确定用户的瞳孔颜色。确定用户的瞳孔颜色后，就可以根据瞳孔颜色与发色的映射关系，匹配对应的发色。所说的设定算法，例如可以是颜色特征提取算法但不局限于此。颜色特征提取算法例如又可以是颜色直方图法或基于小波的分块图像颜色特征提取法，其中，关于颜色特征提取的具体操作方式可以通过多种手段实现，在此不做详细阐述。
[0167]
发型匹配模块54，用于获取模型生成模块52生成的目标用户3d模型的头部特征，根据头部特征匹配对应的发型。目标用户3d模型的头部特征包括脸型和面部特征，发型匹配模块54可以根据脸型匹配对应的发型长度，根据面部特征匹配对应的发型样式。
[0168]
发型显示模块55，用于在模型生成模块52生成的目标用户3d模型上显示匹配的发型和发色。在匹配的发型和发色为两种或两种以上时，发型显示模块55可以将目标用户3d模型的发型和发色进行切换，该切换的方式包括自动切换或根据用户的选择进行手动切换。
[0169]
图6为本技术实施例示出的3d模型生成装置的另一结构示意图。
[0170]
参见图6，该3d模型生成装置50包括：图像获取模块51、模型生成模块52、发色匹配模块53、发型匹配模块54、发型显示模块55。
[0171]
图像获取模块51、模型生成模块52、发色匹配模块53、发型匹配模块54、发型显示模块55的功能可参见图5中的描述，此处不再赘述。
[0172]
发型匹配模块54可以包括：脸型处理子模块541、面部特征处理子模块542。
[0173]
脸型处理子模块541，用于根据头部特征中的脸型匹配对应的发型长度。本实施例中可以预先将脸型设定为若干种类型，例如可以将脸型分为7种：瓜子脸、梨形脸、方形脸、娃娃脸、长形脸、标准脸、混合脸。本实施例中还可以预先将发型长度可以分为若干种类型，例如可以将发型分为短发、中发和长发。需说明的是，还可以在短发、中发和长发3种主要类型上再细分。
[0174]
面部特征处理子模块542，用于根据头部特征中的面部特征匹配对应的发型样式。面部特征可以包括面部轮廓特征和面部容貌特征，而面部轮廓特征又可以包括太阳穴凹陷、颧弓凸出、下颌角宽三者中的至少一种，面部容貌特征又可以包括眉型特征、鼻型特征或嘴型特征等。
[0175]
发型匹配模块54还可以包括：头型处理子模块543。
[0176]
头型处理子模块543，用于根据头部特征中的头型匹配对应的发型样式。头型的分类一般可以包括圆形、椭圆形、方形等。在根据头部特征匹配对应的发型样式时，可以同时参考头型进行匹配。例如如果头型是方形，一般不适合短发，可以匹配长发。根据不同头型，可以选择采用不同的发型样式，例如采用烫发或刘海样式，而刘海样式又可以选择普通刘
海、斜刘海、空气刘海等。
[0177]
还需说明的是，发色匹配模块53还可以根据预设的雀斑特征、痘印特征与发色的映射关系确定发型的发色。雀斑是脸部皮肤上的黄褐色点状色素沉着斑，一般是圆形、卵圆形或不规则。痘印一般是脸部长青春痘后留下的痕迹，痘印有深浅之分。痘印也分为很多种类型，一般包括黑色痘印、红色痘印、凹洞性痘印等。对于有雀斑的情况，发色一般可以选择巧克力色、焦糖咖色等但不局限于此；对于有痘印的情况，发色一般可以选择黑茶色、冷棕色等但不局限于此。另外，发型匹配模块54根据头部特征匹配对应的发型时，还可以同时结合颈部特征和/或肩部特征进行发型的匹配。
[0178]
在本实施例中，可以是根据瞳孔颜色匹配对应的发色，根据用户脸型匹配对应的发型长度，根据面部特征匹配对应的发型样式。进一步的，还可以是根据用户脸型匹配对应的发型长度，根据头型、面部轮廓特征、面部容貌特征、颈部特征、肩部特征等匹配对应的发型样式。这样，就可以综合考虑更多的用户的特征，使得推荐的发型和发色更加准确。
[0179]
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不再做详细阐述说明。
[0180]
图7为本技术实施例示出的电子设备的结构示意图。该电子设备可以是移动终端设备但不局限于此。
[0181]
参见图7，电子设备1000包括存储器1010和处理器1020。
[0182]
处理器1020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)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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。
[0183]
存储器1010可以包括各种类型的存储单元，例如系统内存、只读存储器(rom)，和永久存储装置。其中，rom可以存储处理器1020或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中，永久性存储装置采用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中，永久性存储装置可以是可移除的存储设备(例如软盘、光驱)。系统内存可以是可读写存储设备或者易失性可读写存储设备，例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外，存储器1010可以包括任意计算机可读存储媒介的组合，包括各种类型的半导体存储芯片(dram，sram，sdram，闪存，可编程只读存储器)，磁盘和/或光盘也可以采用。在一些实施方式中，存储器1010可以包括可读和/或写的可移除的存储设备，例如激光唱片(cd)、只读数字多功能光盘(例如dvd-rom，双层dvd-rom)、只读蓝光光盘、超密度光盘、闪存卡(例如sd卡、min sd卡、micro-sd卡等等)、磁性软盘等等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。
[0184]
存储器1010上存储有可执行代码，当可执行代码被处理器1020处理时，可以使处理器1020执行上文述及的方法中的部分或全部。
[0185]
上文中已经参考附图详细描述了本技术的方案。在上述实施例中，对各个实施例
的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其他实施例的相关描述。本领域技术人员也应该知悉，说明书中所涉及的动作和模块并不一定是本技术所必须的。另外，可以理解，本技术实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减，本技术实施例装置中的模块可以根据实际需要进行合并、划分和删减。
[0186]
此外，根据本技术的方法还可以实现为一种计算机程序或计算机程序产品，该计算机程序或计算机程序产品包括用于执行本技术的上述方法中部分或全部步骤的计算机程序代码指令。
[0187]
或者，本技术还可以实施为一种非暂时性机器可读存储介质(或计算机可读存储介质、或机器可读存储介质)，其上存储有可执行代码(或计算机程序、或计算机指令代码)，当可执行代码(或计算机程序、或计算机指令代码)被电子设备(或计算设备、服务器等)的处理器执行时，使处理器执行根据本技术的上述方法的各个步骤的部分或全部。
[0188]
本领域技术人员还将明白的是，结合这里的申请所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。
[0189]
附图中的流程图和框图显示了根据本技术的多个实施例的系统和方法的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标记的功能也可以以不同于附图中所标记的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0190]
以上已经描述了本技术的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。