[发明专利]一种基于深度学习的化妆品推荐方法及系统

说明书

本发明公开了一种基于深度学习的化妆品推荐方法及系统，该方法包括：采集待检测用户的人脸图像为待检测图像；提取待检测图像的图像特征，将图像特征作为预先训练的第一神经网络的输入，得到与图像特征对应的特征描述；将包括有特征描述及预先获取的化妆品信息的待检测信息作为利用深度学习方法预先训练的第二神经网络的输入，得到对应的化妆品信息为推荐化妆品信息。由于本申请公开的上述技术方案中得到的推荐化妆品信息是针对与待检测用户的人脸图像的特征描述得到的，因此能够使得推荐化妆品信息对应化妆品特征能够符合待检测用户的人脸特征，也即推荐化妆品信息对应化妆品能够适用于待检测用户，从而使得用户能够有效找到自己适用的化妆品。

技术领域

本发明涉及模式识别技术领域，更具体地说，涉及一种基于深度学习的化妆品推荐方法及系统。

背景技术

如今，化妆品日益多样化，市场也是鱼龙混杂；这就使人们在如何选择适合的化妆品上出现了难题。

目前市面上较流行的化妆品软件通常是采用以下方式为用户选取出适合的化妆品：收集不同用户对化妆品的使用体验后的评价，然后使新用户找到与自己条件(包括皮肤、年龄等)相近的其他用户，查看找到的其他用户对特定产品的评价，以此为依据选取出比较适合自己的化妆品，或者使新用户通过找到的其他用户购买的化妆品找到自己潜在需要的产品。但是，毕竟每个人的个体情况存在一定的差异，因此通过上述方式寻找到的化妆品对用户未必适用。

综上所述，如何提供一种能够使得用户有效找到自己适用的化妆品，是目前本领域技术人员亟待解决的问题。

发明内容

本发明的目的是提供一种基于深度学习的化妆品推荐方法及系统，以使得用户能够有效找到自己适用的化妆品。

为了实现上述目的，本发明提供如下技术方案：

一种基于深度学习的化妆品推荐方法，包括：

采集待检测用户的人脸图像为待检测图像；

提取所述待检测图像的图像特征，将所述图像特征作为预先训练的第一神经网络的输入，得到与所述图像特征对应的特征描述；

将包括有所述特征描述及预先获取的化妆品信息的待检测信息作为利用深度学习方法预先训练的第二神经网络的输入，得到对应的化妆品信息为推荐化妆品信息。

优选的，提取所述待检测图像的图像特征，包括：

基于AAM对所述待检测图像检测得到其中的人脸特征点，并采用特征三角形面积基于所述人脸特征点对所述待检测图像提取得到对应的几何特征；

采用三角中心点采样Gabor纹理特征提取法基于所述几何特征对所述待检测图像提取得到对应的纹理特征；

采用Wrapper方法对所述几何特征及所述纹理特征均进行特征选择，得到对应的最优特征作为图像特征。

优选的，采用Wrapper方法对所述几何特征及所述纹理特征均进行特征选择之前，还包括：

利用PCA对提取得到的几何特征及纹理特征进行降维处理。

优选的，提取所述待检测图像的图像特征之前，还包括：

对所述待检测图像进行包括人脸图像增强操作及归一化操作的预处理。

优选的，采集待检测用户的人脸图像为待检测图像，包括：

通过不同角度对所述待检测用户的人脸部分进行拍摄，得到对应的待检测图像。

优选的，将所述待检测信息作为所述第二神经网络的输入之前，还包括：

获取所述待检测用户所处位置的环境信息，并将所述环境信息加入所述待检测信息中。