一种智能试衣妆方法及试衣妆镜

1.本发明属于智能设备技术领域，具体涉及一种智能试衣妆方法及试衣妆镜。


背景技术：

2.随着智能化、物联网、通信、云计算以及智能手机等技术的飞速发展，越来越多的硬件产品具有了智能联网的功能，如智能手环、智能手表、智能空调等等。随着智能硬件的兴起，出现了“智能试衣镜”的概念，其定位就是通过现场拍照等方式，方便使用者在试衣过程中更好的了解试穿效果。


技术实现要素：

3.本发明的目的是提供一种智能试衣妆方法及试衣妆镜，能够为使用者提供一个简单快捷的试穿效果展示。
4.为解决上述技术问题，本发明提供了如下的技术方案：
5.第一方面，本发明提供了一种智能试衣妆方法，包括：
6.获取衣服和妆容图像；
7.将衣服图像进行预处理并输入预构建的识别神经网络进行识别获取衣服类别；
8.根据衣服类别对衣服图像进行分类并生成衣服类别对应的衣服图像集；
9.获取用户选择的衣服类别，根据所述衣服类别从对应的衣服图像集中分别获取需要搭配的衣服图像；
10.将所述衣服图像与妆容图像进行拼接获取衣妆组合图像，并将衣妆组合图像进行排序预览；
11.获取用户选择的衣妆组合图像进行展示呈现。
12.可选的，所述衣服类别包括帽子、上衣、下衣、连体衣以及鞋子。
13.可选的，所述识别神经网络的构建包括：
14.采集衣服图像进行预处理并添加类别标签生成识别训练集；
15.初始化用于检测衣服类别的深度模型，并将识别训练集输入所述深度模型进行训练得到深度模型的损失值；
16.根据损失值调整深度模型的模型参数，直至损失值低于预设阈值获取训练好的深度模型；
17.将训练好的深度模型作为识别神经网络。
18.可选的，所述预处理包括对衣服图像进行灰度变换、中值滤波、直方图均衡化和尺寸归一化的图像处理。
19.可选的，所述将衣妆组合图像进行排序预览还包括：
20.根据用户选择的衣妆组合图像顺序获取顺序标签；
21.根据顺序标签和衣妆组合图像进行聚类获取用户喜好特征；
22.根据用户喜好特征做协同过滤找出用户喜好的衣妆组合图像进行排序。
23.第二方面，本发明提供了一种智能试衣妆镜，包括基座，所述基座中部设置有凹槽，所述凹槽内设置有显示器以及控制组件，所述凹槽表面配置有镜显玻璃；所述控制组件包括控制器、摄像头、存储单元以及通信单元；所述摄像头用于采集妆容图像，所述通信单元用于获取用户上传的衣服图像或妆容图像，所述控制器用于执行如上述的种智能试衣妆方法生成衣妆组合图像进行展示呈现；所述存储单元用于存储妆容图像、衣服图像以及衣妆组合图像。
24.可选的，还包括设置于镜显玻璃侧边的led补光灯以及光线感应器，所述led补光灯以及光线感应器均连接控制器进行反馈补光。
25.与现有技术相比，本发明的有益效果是：
26.本发明提供的一种智能试衣妆方法及智能试衣妆镜，通过获取衣服和妆容图像；进行类型识别和拼接获取衣妆组合图像，并向用户提供展示；用户仅需要通过手机上传衣服和妆容图像即可获取衣妆组合图像，能够方便快捷的了解试穿装束效果，为用户提供极大的便利。
附图说明
27.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
28.图1是本发明实施例提供的一种智能试衣妆方法的流程图。
具体实施方式
29.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
30.实施例一：
31.如图1所示，本发明实施例提供了一种智能试衣妆方法，包括以下步骤：
32.1、获取衣服和妆容图像。
33.2、将衣服图像进行预处理并输入预构建的识别神经网络进行识别获取衣服类别；
34.衣服类别包括但不限于帽子、上衣、下衣、连体衣以及鞋子。
35.识别神经网络的构建包括：
36.采集衣服图像进行预处理并添加类别标签生成识别训练集；
37.初始化用于检测衣服类别的深度模型，并将识别训练集输入深度模型进行训练得到深度模型的损失值；
38.根据损失值调整深度模型的模型参数，直至损失值低于预设阈值获取训练好的深度模型；
39.将训练好的深度模型作为识别神经网络。
40.上文中两处的预处理包括对衣服图像进行灰度变换、中值滤波、直方图均衡化和尺寸归一化的图像处理。
41.3、根据衣服类别对衣服图像进行分类并生成衣服类别对应的衣服图像集。
42.4、获取用户选择的衣服类别，根据衣服类别从对应的衣服图像集中分别获取需要搭配的衣服图像；
43.5、将衣服图像与妆容图像进行拼接获取衣妆组合图像，并将衣妆组合图像进行排序预览；
44.由于衣服图像与妆容图像的组合结果较多，因此为了将用户喜好的衣妆组合图像进行放在前面预览，将衣妆组合图像进行排序预览还包括：
45.根据用户选择的衣妆组合图像顺序获取顺序标签；
46.根据顺序标签和衣妆组合图像进行聚类获取用户喜好特征；
47.根据用户喜好特征做协同过滤找出用户喜好的衣妆组合图像进行排序。
48.6、获取用户选择的衣妆组合图像进行展示呈现。
49.实施例二：
50.本发明提供了一种智能试衣妆镜，包括基座，基座中部设置有凹槽，凹槽内设置有显示器以及控制组件，凹槽表面配置有镜显玻璃；控制组件包括控制器、摄像头、存储单元以及通信单元；摄像头用于采集妆容图像，通信单元用于获取用户上传的衣服图像或妆容图像，控制器用于执行如实施一提供的种智能试衣妆方法生成衣妆组合图像进行展示呈现；存储单元用于存储妆容图像、衣服图像以及衣妆组合图像。其中，还包括设置于镜显玻璃侧边的led补光灯以及光线感应器，led补光灯以及光线感应器均连接控制器进行反馈补光。
51.以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。


技术特征：
1.一种智能试衣妆方法，其特征在于，包括：获取衣服和妆容图像；将衣服图像进行预处理并输入预构建的识别神经网络进行识别获取衣服类别；根据衣服类别对衣服图像进行分类并生成衣服类别对应的衣服图像集；获取用户选择的衣服类别，根据所述衣服类别从对应的衣服图像集中分别获取需要搭配的衣服图像；将所述衣服图像与妆容图像进行拼接获取衣妆组合图像，并将衣妆组合图像进行排序预览；获取用户选择的衣妆组合图像进行展示呈现。2.根据权利要求1所述的一种智能试衣妆方法，其特征在于，所述衣服类别包括帽子、上衣、下衣、连体衣以及鞋子。3.根据权利要求1所述的一种智能试衣妆方法，其特征在于，所述识别神经网络的构建包括：采集衣服图像进行预处理并添加类别标签生成识别训练集；初始化用于检测衣服类别的深度模型，并将识别训练集输入所述深度模型进行训练得到深度模型的损失值；根据损失值调整深度模型的模型参数，直至损失值低于预设阈值获取训练好的深度模型；将训练好的深度模型作为识别神经网络。4.根据权利要求1或3所述的一种智能试衣妆方法，其特征在于，所述预处理包括对衣服图像进行灰度变换、中值滤波、直方图均衡化和尺寸归一化的图像处理。5.根据权利要求1所述的一种智能试衣妆方法，其特征在于，所述将衣妆组合图像进行排序预览还包括：根据用户选择的衣妆组合图像顺序获取顺序标签；根据顺序标签和衣妆组合图像进行聚类获取用户喜好特征；根据用户喜好特征做协同过滤找出用户喜好的衣妆组合图像进行排序。6.一种智能试衣妆镜，其特征在于，包括基座，所述基座中部设置有凹槽，所述凹槽内设置有显示器以及控制组件，所述凹槽表面配置有镜显玻璃；所述控制组件包括控制器、摄像头、存储单元以及通信单元；所述摄像头用于采集妆容图像，所述通信单元用于获取用户上传的衣服图像或妆容图像，所述控制器用于执行如权利要求1-5任一项所述的种智能试衣妆方法生成衣妆组合图像进行展示呈现；所述存储单元用于存储妆容图像、衣服图像以及衣妆组合图像。7.根据权利要求6所述的一种智能试衣妆镜，其特征在于，还包括设置于镜显玻璃侧边的led补光灯以及光线感应器，所述led补光灯以及光线感应器均连接控制器进行反馈补光。

技术总结
本发明提供一种智能试衣妆方法及试衣妆镜，其方法包括：获取衣服和妆容图像；将衣服图像进行预处理并输入预构建的识别神经网络进行识别获取衣服类别；根据衣服类别对衣服图像进行分类并生成衣服类别对应的衣服图像集；获取用户选择的衣服类别，根据所述衣服类别从对应的衣服图像集中分别获取需要搭配的衣服图像；将所述衣服图像与妆容图像进行拼接获取衣妆组合图像，并将衣妆组合图像进行排序预览；获取用户选择的衣妆组合图像进行展示呈现；本发明能够为使用者提供一个简单快捷的试穿效果展示。果展示。果展示。


技术研发人员：胡紫嫣 彭成圆
受保护的技术使用者：无锡职业技术学院
技术研发日：2022.04.29
技术公布日：2022/7/19