皮肤状态预测方法、皮肤状态预测装置、设备及存储介质与流程

1.本技术涉及人工智能领域，尤其涉及皮肤状态预测方法、皮肤状态预测装置、计算机设备及存储介质。


背景技术：

2.现有的皮肤检测仪一般是可以准确分析出肌肤油份、水分、色斑、毛孔、肌肤年龄，甚至还能通过获取肌肤角质层下的水分的数据直接获取水份数据，由此用户可以通过皮肤检测仪检测皮肤并清晰地了解自己的皮肤状况。
3.但是用户不仅需要清楚地了解自己的皮肤状况，更需要一套符合自己皮肤实际情况的护理治疗方案，但现有的皮肤检测仪仅能对用户的皮肤状况进行检测，并不能根据顾客自身皮肤特点智能生成合适的长期保养以及治疗方案。


技术实现要素：

4.本技术提供了一种皮肤状态预测方法、皮肤状态预测装置、计算机设备及存储介质，旨在解决现有的皮肤检测仪无法根据用户的皮肤检测结果智能生成对应的皮肤保养方案的问题。
5.为实现上述目的，本技术提供一种皮肤状态预测方法，所述方法包括：
6.获取目标用户的皮肤特征和皮肤检测指标；
7.将所述皮肤特征和所述皮肤检测指标输入到预训练的皮肤状态预测模型，得到第一预期皮肤状态；
8.根据所述第一预期皮肤状态，确定所述目标用户的皮肤问题；
9.基于预训练的皮肤修复模型对所述皮肤问题进行模拟修复，生成第二预期皮肤状态；
10.根据所述第一预期皮肤状态和所述第二预期皮肤状态确定对应的皮肤保养方案，并将所述皮肤保养方案推送至目标终端。
11.为实现上述目的，本技术还提供一种皮肤状态预测装置，所述皮肤状态预测装置包括：
12.数据获取模块，用于获取目标用户的皮肤特征和皮肤检测指标；
13.皮肤状态预测模块，用于将所述皮肤特征和所述皮肤检测指标输入到预训练的皮肤状态预测模型，得到第一预期皮肤状态；
14.皮肤问题确定模块，用于根据所述第一预期皮肤状态，确定所述目标用户的皮肤问题；
15.皮肤模拟修复模块，用于基于预训练的皮肤修复模型对所述皮肤问题进行模拟修复，生成第二预期皮肤状态；
16.皮肤保养方案生成模块，用于根据所述第一预期皮肤状态和所述第二预期皮肤状态确定对应的皮肤保养方案，并将所述皮肤保养方案推送至目标终端。
17.此外，为实现上述目的，本技术还提供一种计算机设备，所述计算机设备包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于执行所述的计算机程序并在执行所述的计算机程序时实现本技术实施例提供的任一项所述的皮肤状态预测方法。
18.此外，为实现上述目的，本技术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存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现本技术实施例提供的任一项所述的皮肤状态预测方法。
19.本技术实施例公开的皮肤状态预测方法、皮肤状态预测装置、设备及存储介质，通过皮肤特征和皮肤检测指标对用户的预期皮肤状态进行预测并生成第一预期皮肤状态，根据第一预期皮肤状态确定皮肤问题，并进行模拟修复生成第二预期皮肤状态，最后根据预期皮肤状态生成对应的皮肤保养和治疗方案。由此可以使皮肤检测仪不仅能够准确地检测用户的皮肤状态，还能智能生成符合用户皮肤特点的保养和治疗方案，提高用户使用体验。
附图说明
20.为了更清楚地说明本技术实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
21.图1是本技术实施例提供的一种皮肤状态预测方法的场景示意图；
22.图2是本技术实施例提供的一种皮肤状态预测方法的流程示意图；
23.图3是本技术一实施例提供的一种皮肤状态预测装置的示意性框图；
24.图4是本技术一实施例提供的一种计算机设备的示意性框图。
具体实施方式
25.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
26.附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。另外，虽然在装置示意图中进行了功能模块的划分，但是在某些情况下，可以以不同于装置示意图中的模块划分。
27.在本技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
28.随着人们生活水平的提高和对美容护肤了解的知识日渐增多，人们对于美容护肤也越来越理性化，他们已不再满足于各式各样广告千篇一律的介绍和推荐，而他们更愿意接受针对他们皮肤实际情况的、对皮肤做完真正检查和分析后得出的个性化的保养和治疗方案。
29.良好的检测仪还具有不同的分析模块并且可以准确分析出肌肤油份、水分、色斑、毛孔、肌肤年龄、皮肤弹性等的变化状况，并且每一项的检测都应有准确的数据，比如水份达到多少个百分比，油份，色斑，弹性等达到多少个百份比，然后和标准值做对比，可以对自
己的皮肤状况一目了然。如今，对皮肤各项生理指标进行系统检测和分析，已日渐成为皮肤科在诊断、治疗之前必不可少的手段和基础。但是还没有皮肤检测仪可以做到实时监测顾客皮肤生理指标变化并再现给顾客，并通过此制定符合顾客自身皮肤特点的长期保养和治疗方案。
30.为解决上述问题，本技术提供了一种皮肤状态预测方法，应用于皮肤检测仪，具体应用在皮肤检测仪的服务器中，通过对人脸图像进行特征提取并分析得到皮肤特征，再通过皮肤特征和皮肤检测指标对用户的预期皮肤状态进行预测并生成对应的皮肤保养和治疗方案。由此可以使皮肤检测仪功能不仅能够准确地检测用户的皮肤状态，还能智能生成符合用户皮肤特点的保养和治疗方案。
31.其中，服务器例如可以为单独的服务器或服务器集群。但为了便于理解，以下实施例将以应用于服务器的皮肤状态预测方法进行详细介绍。
32.下面结合附图，对本技术的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
33.如图1所示，本技术实施例提供的皮肤状态预测方法，可以应用于如图1所示的应用环境中。该应用环境中包含有终端设备110和皮肤检测仪120，其中，终端设备110可以通过网络与皮肤检测仪120进行通信。具体地，皮肤检测仪120获取终端设备110发送的目标用户的用户数据和皮肤检测指标，皮肤检测仪120通过用户数据确定皮肤特征，并根据皮肤特征和皮肤检测指标对用户的预期皮肤状态进行预测并生成皮肤保养方案，并将皮肤保养方案发送至终端设备110，以使用户根据该皮肤保养方案对皮肤进行保养。其中，皮肤检测仪120包括服务器，具体是皮肤检测仪120中的服务器与终端设备110通信连接，该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。终端设备110可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等，但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本技术在此不做限制。
34.请参阅图2，图2是本技术实施例提供的一种皮肤状态预测方法的示意流程图。其中，该皮肤状态预测方法可以皮肤检测仪中，由此可以使皮肤检测仪不仅能够准确地检测用户的皮肤状态，还能智能生成符合用户皮肤特点的保养方案，提高用户使用体验。
35.如图2所示，该皮肤状态预测方法包括步骤s101至步骤s105。
36.s101、获取目标用户的皮肤特征和皮肤检测指标。
37.其中，所述目标用户为需要进行皮肤检测、皮肤保养或皮肤治疗的用户，所述皮肤特征可以包括皮肤瑕疵、皮肤类型、皱纹深度、色斑状况、角质层厚度、红血丝状况等特征信息。所述皮肤特征用于作为皮肤状态预测模型的输入。所述皮肤检测指标可以通过皮肤检测仪利用医用级的光源检测得到，具体可以包括皮肤的各项生理指标，比如含水量、ph值、油脂分泌程度、色素分布均匀度、弹性状况等。
38.在一些实施例中，获取目标用户的用户数据，从所述用户数据中提取人脸图像和所述皮肤检测指标；确定所述人脸图像的目标区域，对所述目标区域进行特征提取，得到所述皮肤特征。由此可以准确地提取到目标用户的皮肤特征，从而能够提高皮肤状态预测的准确性。
39.其中，所述用户数据包括目标用户对应的人脸图像和皮肤检测指标，具体可以从用户数据中提取人脸图像和所述皮肤检测指标。所述人脸图像可以通过皮肤检测仪获取或通过终端设备获取比如通过手机拍摄目标用户的人脸图像再发送至皮肤检测仪，所述人脸图像的目标区域为对所述人脸图像进行分割以及筛选后得到面部区域，用于进行特征提取，从而得到皮肤特征。
40.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。
41.人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
42.具体地，识别了目标用户的身份信息后，还可以根据目标用户的身份信息查询该用户对应的历史用户数据，该历史用户数据可以包括历史皮肤检测指标。
43.示例性的，可以通过图像识别方法，对所述人脸图像进行图像识别处理，从而确定所述人脸图像对应的目标用户，从而在服务器中获取该用户对应的历史皮肤检测指标。
44.示例性的，还可以通过虹膜或指纹等方式对目标用户的身份进行识别，从而获取该用户对应的历史皮肤检测指标。所述历史皮肤检测指标也可以通过用户上传至服务器得到。
45.在一些实施例中，基于人脸特征点检测模型，对所述人脸图像进行面部特征点识别，得到所述人脸图像中的各面部轮廓特征点对应的坐标信息；根据各所述面部轮廓特征点对应的坐标信息对所述人脸图像进行划分，得到多个面部区域；对所述多个面部区域进行筛选，并将筛选后的面部区域作为所述人脸图像的目标区域。由此可以先对人脸图像进行划分并筛选，能够快速确定需要进行特征提取的面部区域，去除无关面部区域，从而能够更精确地提取得到皮肤特征。
46.其中，所述人脸特征点检测模型可以采用深度神经网络结构，将人脸图像作为深度神经网络结构的输入，深度神经网络的输出为人脸轮廓的特征点的坐标信息。然后根据这些坐标信息，对人脸图像进行区域划分，得到多个面部区域。
47.具体地，对所述多个面部区域进行筛选是先检测多个面部区域是否包括有目标对象；若所述面部区域包括目标对象，则将该面部区域作为所述人脸图像的目标区域；若所述面部区域不包括目标对象，则将该面部区域筛选掉，不在该面部区域中提取皮肤特征。
48.示例性的，可以通过人脸特征点检测模型识别得到的面部轮廓特征点以及各所述面部轮廓特征点的坐标信息，并根据这些面部轮廓特征点的坐标信息对所述人脸图像进行划分，得到多个面部区域比如包括额头的面部区域、包括鼻子的面部区域、包括眼睛的面部区域等等。然后分别检测各个面部区域中是否包括目标对象，并将存在目标对象的面部区域筛选出来，并将这些面部区域作为所述人脸图像的目标区域。
49.在一些实施例中，基于目标检测算法，对所述目标区域进行目标检测，得到至少一个目标对象；对所述目标对象进行特征提取，得到所述目标对象的特征信息；根据所述特征
信息确定所述目标对象的对象类型；根据所述目标对象的对象类型，确定所述皮肤特征。由此可以准确地识别得到目标对象的对象类型，并对标对象的特征信息进行再筛选，提高后续皮肤状态预测的准确性。
50.其中，所述目标检测算法可以包括r-cnn目标检测算法、yolo目标检测算法和ssd目标检测算法等。所述目标对象可以为目标区域中的阴影区域或瑕疵区域等区域对应的对象。
51.示例性的，可以通过r-cnn目标检测算法对所述目标区域进行目标对象的检测，利用不同尺寸的滑动窗口框住目标区域的某一部分作为候选区域；提取候选区域相关的视觉特征，比如人脸检测常用的harr特征；行人检测和普通目标检测常用的hog特征等；利用分类器进行识别，从而检测得到至少一个目标对象；分别对每个目标对象进行特征提取，得到各所述目标对象的特征信息，并根据各所述目标对象的特征信息确定各所述目标对象的对象类型比如为第一皮肤瑕疵类型。
52.在一些实施例中，基于预训练的分类器，根据所述目标对象的特征信息对所述目标对象进行分类，得到所述目标对象的对象类型；若所述目标对象的对象类型为第一皮肤瑕疵类型，则将所述目标对象的特征信息作为皮肤特征。其中，所述目标对象的对象类型包括第一皮肤瑕疵类型或第二皮肤瑕疵类型，可以认为第一皮肤瑕疵类型即为目标皮肤瑕疵类型，由此可以准确地区分目标对象为何种皮肤瑕疵类型，从而能够准确地进行皮肤状态预测并确定目标用户所存在的皮肤问题。
53.其中，所述第一皮肤瑕疵类型可以为痘痘、红血丝、黑头等可以通过皮肤护理手段消除的皮肤瑕疵，第二皮肤瑕疵类型可以为痣、雀斑等难以通过皮肤护理手段消除的皮肤瑕疵。
54.具体地，可以收集至少1000张面部仅包含有第一皮肤瑕疵类型的图片样本和至少1000张面部仅包含有第二皮肤瑕疵类型的图片样本，使用连通域分析方法计算得到各个皮肤瑕疵的问题区域的位置和面积，并进行人工标记，最后将包含有第一皮肤瑕疵类型的图片样本和包含有第二皮肤瑕疵类型的图片样本分别标记为“第一皮肤瑕疵类型”和“第二皮肤瑕疵类型”，并与各自皮肤瑕疵的位置和面积作为训练数据输入到预设的分类器中，训练得到所述预训练的分类器。其中，所述预设的分类器可以包括决策树分类器、贝叶斯分类器和k-近邻分类器等。
55.具体地，确定所述目标对象的对象类型为第一皮肤瑕疵类型或第二皮肤瑕疵类型；若所述目标对象的对象类型为第一皮肤瑕疵类型，则将所述目标对象的特征信息作为皮肤特征；若所述目标对象的对象类型为第二皮肤瑕疵类型，则将所述目标对象的特征信息过滤掉，不对该目标对象的特征信息进行皮肤状态预测。
56.示例性的，基于预训练的分类器，根据所述目标对象的特征信息比如目标对象红肿、目标对象凸起等特征信息，对所述目标对象进行分类，得到所述目标对象可能为痘痘，即目标对象对应的对象类型为第一皮肤瑕疵类型，并将所述目标对象的特征信息作为皮肤特征。
57.示例性的，若包括多个目标对象，a对象的特征信息为红肿、凸起等，b对象的特征信息为毛细血管扩张等，c对象的特征信息为扁平、附着毛发等；通过预训练的分类器，根据各自的特征信息进行分类，可以确定a对象的特征信息与痘痘的的特征信息相似率最高，即
为第一皮肤瑕疵类型，b对象的特征信息与红血丝的的特征信息相似率最高，即为第一皮肤瑕疵类型，c对象的特征信息与痣的的特征信息相似率最高，即为第二皮肤瑕疵类型，因此将a对象和b对象的特征信息作为皮肤特征。
58.在一些实施例中，若所述目标对象的对象类型为目标皮肤瑕疵类型，确定所述目标对象在所述目标区域的面积占比；根据所述面积占比为所述目标对象对应的特征信息分配对应的权重比例，并将所述目标对象的特征信息以及对应的权重比例作为皮肤特征。由此可以根据目标对象的瑕疵面积大小确定对应的权重比例，提高皮肤状态预测的准确性。
59.由于一般的痘痘或者其它皮肤瑕疵，都是面积越大，情况越严重，比较痘痘很大颗，往往也会伴随着疼痛等症状，对于皮肤状态的影响也越大，因此可以根据面积占比确定各目标对象对应的权重比例。
60.示例性的，假设包括两个目标对象的对象类型为目标皮肤瑕疵类型，第一目标对象在所述目标区域的面积占比为30％，第二目标对象在所述目标区域的面积占比为20％，由此可以分别为第一目标对象的特征信息和第二目标对象的特征信息分别分配权重比例为60％和40％。
61.s102、将所述皮肤特征和所述皮肤检测指标输入到预训练的皮肤状态预测模型，得到第一预期皮肤状态。
62.其中，所述皮肤状态预测模型用于生成所述第一预期皮肤状态，其中，所述第一预期皮肤状态为未经修复的皮肤状态预期效果，所述皮肤状态预测模型可以通过回归预测模型、卡尔曼滤波预测模型和bp神经网络预测模型等预测模型训练得到，用于得到预期皮肤状态数据。
63.在一些实施例中，根据所述皮肤特征和所述皮肤检测指标确定所述目标用户的皮肤类型和初始皮肤状态；根据所述皮肤类型和所述初始皮肤状态，对所述目标用户的皮肤状态进行预测，得到第一预期皮肤状态。其中，所述皮肤类型可以包括干性皮肤、中性皮肤、油性皮肤、混合性皮肤以及敏感性皮肤，所述初始皮肤状态为目标用户目前的皮肤状态。
64.具体地，根据所述皮肤特征和所述皮肤检测指标确定所述目标用户的皮肤类型和初始皮肤状态以及对应的皮肤分值；根据所述皮肤类型和所述初始皮肤状态以及对应的皮肤分值，对所述目标用户的皮肤状态进行预测，得到第一预期皮肤状态以及对应的皮肤分值。由此可以准确地确定用户目前的皮肤状态以及分值，再模拟生成未经修复的皮肤状态预期效果以及分值，直观对比从而体现用户的皮肤状态以及未来皮肤发展趋势。
65.示例性的，可以根据皮肤的含水量、皮脂分泌状况、皮肤ph值以及皮肤对外界刺激反应性的不同等生理指标确定皮肤类型。示例性的，中性皮肤的角质层含水量正常在10％到20％之间，ph值4.5到6.5，皮脂分泌适中。干性皮肤的角质层水分含量低于10％，ph值大于6.5，皮脂分泌少。油性皮肤角质层含水量20％左右或降低，ph小于4.5，皮质分泌旺盛。混合性皮肤兼有油性皮肤与干性或者中性皮肤的共同特点，表现为面中央部位呈油性，油脂分泌多，毛孔粗大，颊部皮肤干燥。敏感性皮肤是指皮肤遇外界冷热，酒精及药物等后自觉皮肤灼热、刺痛、紧绷，甚至出现红斑丘疹，毛细血管扩张，对外界刺激反应强，普通化妆品耐受性差。
66.示例性的，比如目标用户的含水量20％左右或降低，ph小于4.5，皮质分泌旺盛，则可以确定所述目标用户的皮肤类型为油性皮肤，并根据所述皮肤特征确定目标用户的初始
皮肤状态以及对应的皮肤分值为70分；根据所述皮肤类型和所述初始皮肤状态以及对应的皮肤分值，对所述目标用户的皮肤状态进行预测，得到第一预期皮肤状态以及对应的皮肤分值为60分。由此可以使用户直观地得知皮肤状态会越来越差，提醒用户需要对皮肤保养或治疗等。
67.在一些实施例中，还可以根据所述皮肤特征、所述皮肤检测指标和所述历史用户数据确定所述目标用户的皮肤类型和初始皮肤状态以及对应的皮肤分值，其中，所述历史用户数据包括历史皮肤特征和历史皮肤检测指标，需要说明的是，所述历史用户数据可以为最近一次或最近几次进行皮肤检测所得到的皮肤特征和皮肤检测指标。增加了历史皮肤特征和历史皮肤检测指标等数据进行第一预期皮肤状态的预测，可以更清晰、准确地确定目标用户的皮肤状态变化趋势，再对所述目标用户的皮肤状态进行预测，从而可以更准确地确定第一预期皮肤状态。
68.可以理解的是，还可以为历史皮肤特征和历史皮肤检测指标分配对应的权重比例，一般来说，历史用户数据检测的时间越久远，分配的权重比例越低，从而可以提高数据的可靠性并更准确地确定第一预期皮肤状态。
69.s103、根据所述第一预期皮肤状态，确定所述目标用户的皮肤问题。
70.其中，确定皮肤问题用于为后续的模拟保养作准备，用于生成第二预期皮肤状态。
71.在一些实施例中，根据所述第一预期皮肤状态，遍历皮肤问题数据库并匹配得到所述目标用户的皮肤问题。其中，所述皮肤问题数据库用于存储皮肤问题，可以从中匹配确定目标用户的皮肤问题。
72.具体地，可以根据第一预期皮肤状态以及皮肤特征，遍历皮肤问题数据库并匹配得到类似或相同的皮肤状态和皮肤特征，并将类似或相同的皮肤状态和皮肤特征所存在的皮肤问题作为目标用户的皮肤问题。
73.s104、基于预训练的皮肤修复模型对所述皮肤问题进行模拟修复，生成第二预期皮肤状态。
74.其中，所述皮肤修复模型可以模拟生成对皮肤问题进行修复后的皮肤状态预期效果。
75.在一些实施例中，基于皮肤修复模型，对所述目标用户的皮肤问题进行模拟保养处理，生成第二预期皮肤状态。由此可以模拟未来皮肤发展趋势生成未经修复的预期效果以及修复皮肤问题后的生成修复后的预期效果，从而可以使用户直观对比，让用户对自己的皮肤预期效果有直观的了解。
76.其中，所述第二预期皮肤状态为经修复后的皮肤状态预期效果，所述第一预期皮肤状态和所述第二预期皮肤状态可以以图片的形式发送给用户进行查看。
77.在一些实施例中，还可以获取历史用户数据，所述历史用户数据包括历史皮肤特征和历史皮肤检测指标，用于表征目标用户最近几次的皮肤特征和皮肤检测指标，为生成第一预期皮肤状态作铺垫。需要说明的是，历史皮肤检测指标可以为最近一次或最近三次的皮肤特征和皮肤检测指标，在此不做具体限定。
78.具体地，可以基于所述皮肤趋势预测模型，根据所述皮肤特征、所述皮肤检测指标和所述历史用户数据，对所述目标用户的皮肤状态进行预测，得到第一预期皮肤状态。
79.示例性的，根据所述皮肤特征和所述皮肤检测指标，加上了历史皮肤检测指标可
以更清晰、准确地确定目标用户的皮肤状态变化趋势，再对所述目标用户的皮肤状态进行预测，得到第一预期皮肤状态，由此可以更准确地确定第一预期皮肤状态。遍历皮肤问题数据库并搜寻与第一预期皮肤状态相同或相似的皮肤状态，并匹配得到该皮肤状态存在的皮肤问题；最后基于皮肤修复模型，对这些皮肤问题进行模拟修复，生成第二预期皮肤状态。
80.s105、根据所述第一预期皮肤状态和所述第二预期皮肤状态确定对应的皮肤保养方案，并将所述皮肤保养方案推送至目标终端。
81.其中，所述皮肤保养方案可以包括皮肤护理方案以及饮食方案，所述目标终端为目标用户对应的终端设备。
82.在一些实施例中，根据所述目标用户的皮肤问题，确定各所述皮肤问题对应的皮肤护理方案以及饮食方案。
83.具体地，可以在所述皮肤问题数据库中查询得到所述目标用户存在的皮肤问题，并确定这些皮肤问题各自对应的皮肤护理方案以及饮食方案。
84.示例性的，比如确定目标用户存在的皮肤问题为经常长痘逗，可以智能确定对应的皮肤保养方案比如在生活层面需要避免熬夜，规律适当的作息时间，避免压力过大，比如在饮食方面需要少吃油、甜、辣的饮食，尽量不要吃宵夜。在医疗层面可以外用含维甲酸类的药物，或者过氧化苯甲酰类的药物等，由此可以使用户快速接收到符合自己皮肤状况的皮肤保养方案，使用户能够及时进行皮肤治疗。
85.请参阅图3，图3是本技术一实施例提供的一种皮肤状态预测装置的示意性框图，该皮肤状态预测装置可以配置于服务器中，用于执行前述的皮肤状态预测方法。
86.如图3所示，该皮肤状态预测装置200包括：数据获取模块201、皮肤状态预测模块202、皮肤问题确定模块203、皮肤模拟修复模块204和皮肤保养方案生成模块205。
87.数据获取模块201，用于获取目标用户的皮肤特征和皮肤检测指标；
88.皮肤状态预测模块202，用于将所述皮肤特征和所述皮肤检测指标输入到预训练的皮肤状态预测模型，得到第一预期皮肤状态；
89.皮肤问题确定模块203，用于根据所述第一预期皮肤状态，确定所述目标用户的皮肤问题；
90.皮肤模拟修复模块204，用于用于基于预训练的皮肤修复模型对所述皮肤问题进行模拟修复，生成第二预期皮肤状态；
91.皮肤保养方案生成模块205，用于根据所述第一预期皮肤状态和所述第二预期皮肤状态确定对应的皮肤保养方案，并将所述皮肤保养方案推送至目标终端。
92.数据获取模块201，还用于获取目标用户的用户数据，从所述用户数据中提取人脸图像和所述皮肤检测指标；确定所述人脸图像的目标区域，对所述目标区域进行特征提取，得到所述皮肤特征。
93.数据获取模块201，还用于基于人脸特征点检测模型，对所述人脸图像进行面部特征点识别，得到所述人脸图像中的各面部轮廓特征点对应的坐标信息；根据各所述面部轮廓特征点对应的坐标信息对所述人脸图像进行划分，得到多个面部区域；对所述多个面部区域进行筛选，并将筛选后的面部区域作为所述人脸图像的目标区域。
94.数据获取模块201，还用于基于目标检测算法，对所述目标区域进行目标检测，得到至少一个目标对象；对所述目标对象进行特征提取，得到所述目标对象的特征信息；根据
所述特征信息确定所述目标对象的对象类型；根据所述目标对象的对象类型，确定所述皮肤特征。
95.数据获取模块201，还用于基于预训练的分类器，根据所述目标对象的特征信息对所述目标对象进行分类，得到所述目标对象的对象类型；若所述目标对象的对象类型为第一皮肤瑕疵类型，则将所述目标对象的特征信息作为皮肤特征。
96.数据获取模块201，还用于若所述目标对象的对象类型为第一皮肤瑕疵类型，确定所述目标对象在所述目标区域的面积占比；根据所述面积占比为所述目标对象对应的特征信息分配对应的权重比例，并将所述目标对象的特征信息以及对应的权重比例作为皮肤特征。
97.皮肤问题确定模块203，还用于根据所述第一预期皮肤状态，遍历皮肤问题数据库并匹配得到所述目标用户的皮肤问题；皮肤模拟修复模块204，还用于基于所述皮肤修复模型，根据所述皮肤问题对所述目标用户的皮肤进行模拟保养处理，生成第二预期皮肤状态。
98.皮肤状态预测模块202，还用于根据所述皮肤特征和所述皮肤检测指标确定所述目标用户的皮肤类型和初始皮肤状态；根据所述皮肤类型和所述初始皮肤状态，对所述目标用户的皮肤状态进行预测，得到第一预期皮肤状态。
99.需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和各模块、单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
100.本技术的方法、装置可用于众多通用或专用的计算系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、机顶盒、可编程的消费终端设备、网络pc、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
101.示例性的，上述的方法、装置可以实现为一种计算机程序的形式，该计算机程序可以在如图4所示的计算机设备上运行。
102.请参阅图4，图4是本技术实施例提供的一种计算机设备的示意图。该计算机设备可以是服务器。
103.如图4所示，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口，其中，存储器可以包括易失性存储介质、非易失性存储介质和内存储器。
104.非易失性存储介质可存储操作系统和计算机程序。该计算机程序包括程序指令，该程序指令被执行时，可使得处理器执行任意一种皮肤状态预测方法。
105.处理器用于提供计算和控制能力，支撑整个计算机设备的运行。
106.内存储器为非易失性存储介质中的计算机程序的运行提供环境，该计算机程序被处理器执行时，可使得处理器执行任意一种皮肤状态预测方法。
107.该网络接口用于进行网络通信，如发送分配的任务等。本领域技术人员可以理解，该计算机设备的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
108.应当理解的是，处理器可以是中央处理单元(central processing unit，cpu)，该处理器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。其中，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。
109.其中，在一些实施方式中，所述处理器用于运行存储在存储器中的计算机程序，以实现如下步骤：获取目标用户的皮肤特征和皮肤检测指标；将所述皮肤特征和所述皮肤检测指标输入到预训练的皮肤状态预测模型，得到第一预期皮肤状态；根据所述第一预期皮肤状态，确定所述目标用户的皮肤问题；基于预训练的皮肤修复模型对所述皮肤问题进行模拟修复，生成第二预期皮肤状态；根据所述第一预期皮肤状态和所述第二预期皮肤状态确定对应的皮肤保养方案，并将所述皮肤保养方案推送至目标终端。
110.在一些实施例中，所述处理器还用于：获取目标用户的用户数据，从所述用户数据中提取人脸图像和所述皮肤检测指标；确定所述人脸图像的目标区域，对所述目标区域进行特征提取，得到所述皮肤特征。
111.在一些实施例中，所述处理器还用于：基于人脸特征点检测模型，对所述人脸图像进行面部特征点识别，得到所述人脸图像中的各面部轮廓特征点对应的坐标信息；根据各所述面部轮廓特征点对应的坐标信息对所述人脸图像进行划分，得到多个面部区域；对所述多个面部区域进行筛选，并将筛选后的面部区域作为所述人脸图像的目标区域。
112.在一些实施例中，所述处理器还用于：基于目标检测算法，对所述目标区域进行目标检测，得到至少一个目标对象；对所述目标对象进行特征提取，得到所述目标对象的特征信息；根据所述特征信息确定所述目标对象的对象类型；根据所述目标对象的对象类型，确定所述皮肤特征。
113.在一些实施例中，所述处理器还用于：基于预训练的分类器，根据所述目标对象的特征信息对所述目标对象进行分类，得到所述目标对象的对象类型；若所述目标对象的对象类型为第一皮肤瑕疵类型，则将所述目标对象的特征信息作为皮肤特征。
114.在一些实施例中，所述处理器还用于：根据所述第一预期皮肤状态，遍历皮肤问题数据库并匹配得到所述目标用户的皮肤问题；基于所述皮肤修复模型，根据所述皮肤问题对所述目标用户的皮肤进行模拟保养处理，生成第二预期皮肤状态。
115.在一些实施例中，所述处理器还用于：根据所述皮肤特征和所述皮肤检测指标确定所述目标用户的皮肤类型和初始皮肤状态；根据所述皮肤类型和所述初始皮肤状态，对所述目标用户的皮肤状态进行预测，得到第一预期皮肤状态。
116.本技术实施例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上存储有计算机程序，所述计算机程序中包括程序指令，所述程序指令被执行时实现本技术实施例提供的任一种皮肤状态预测方法。
117.其中，所述计算机可读存储介质可以是前述实施例所述的计算机设备的内部存储单元，例如所述计算机设备的硬盘或内存。所述计算机可读存储介质也可以是所述计算机设备的外部存储设备，例如所述计算机设备上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。
118.进一步地，所述计算机可读存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区
块链节点的使用所创建的数据等。
119.本发明所指区块链语言模型的存储、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。
120.以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以权利要求的保护范围为准。