眼镜的推荐方法、装置、存储介质及终端设备制造方法及图纸

本申请实施例公开了一种眼镜的推荐方法、装置、存储介质及终端设备。该方法包括：获取样本图片集合，并从所述样本图片集合中筛选佩戴眼镜的人物图片；将所述佩戴眼镜的人物图片输入训练模型，进行训练，以得到眼镜样式推荐模型；获取待推荐用户的人物图片，利用所述眼镜样式推荐模型，确定待推荐的眼镜样式，并进入眼镜样式推荐界面。本申请所提供的技术方案，可以实现优化眼镜的推荐方式的效果。

Recommending methods, devices, storage media and terminal equipment for glasses

The present application embodiment discloses a method of recommendation, a device, a storage medium, and a terminal device for a spectacle. The method includes: obtaining the sample images collection and screening glasses from the collection of the sample images of characters in the picture; picture will input the training model, the wearing glasses for training, in order to get the glasses style recommendation model; obtain the figure recommended users, glasses style recommendation model using the determined the recommended style glasses, glasses and enter the recommended style interface. The technical scheme provided by this application can achieve the effect of optimizing the method of recommending glasses.

【技术实现步骤摘要】
眼镜的推荐方法、装置、存储介质及终端设备
本申请实施例涉及计算机领域，尤其涉及一种眼镜的推荐方法、装置、存储介质及终端设备。
技术介绍
随着互联网特别是移动互联网的快速发展，电子商务已经成为一种不可忽视的销售方式，网络购物已经成为人们生活的重要组成部分。影响电子商务进一步发展的因素除了支付、物流之外，另外一种重要的因素是用户的选择。随着各大电商销售的产品数量的急剧增加，用户能够做出选择的也逐渐增多。眼镜的选择更是比衣物等选择更加复杂，细微的变化能够体现出完全不同的风格，效果也更是千差万别。因此，如何在线眼镜试戴技术中，使得用户在线选购眼镜时能够如同亲身体验到佩戴效果，让用户快速、精准得到更符合潮流、更专业、更适合自己的眼镜，已经成为电子商务能够在这一领域获得更大发展的关键问题。
技术实现思路
本申请实施例提供一种眼镜的推荐方法、装置、存储介质及终端设备，可以优化眼镜的推荐方式。第一方面，本申请实施例提供了一种眼镜的推荐方法，该方法包括：获取样本图片集合，并从所述样本图片集合中筛选佩戴眼镜的人物图片；将所述佩戴眼镜的人物图片输入训练模型，进行训练，以得到眼镜样式推荐模型；获取待推荐用户的人物图片，利用所述眼镜样式推荐模型，确定待推荐的眼镜样式，并进入眼镜样式推荐界面。第二方面，本申请实施例提供了一种眼镜的推荐装置，该装置包括：样本图片集合筛选模块，用于获取样本图片集合，并从所述样本图片集合中筛选佩戴眼镜的人物图片；眼镜样式推荐模型确定模块，用于将所述佩戴眼镜的人物图片输入训练模型，进行训练，以得到眼镜样式推荐模型；眼镜样式推荐模块，用于获取待推荐用户的人物图片，利用所述眼镜样式推荐模型，确定待推荐的眼镜样式，并进入眼镜样式推荐界面。第三方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请实施例所述的眼镜的推荐方法。第四方面，本申请实施例提供了一种终端设备，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如本申请实施例所述的眼镜的推荐方法。本申请实施例所提供的技术方案，通过获取样本图片集合，并从所述样本图片集合中筛选佩戴眼镜的人物图片；将所述佩戴眼镜的人物图片输入训练模型，进行训练，以得到眼镜样式推荐模型；获取待推荐用户的人物图片，利用所述眼镜样式推荐模型，确定待推荐的眼镜样式，并进入眼镜样式推荐界面。通过采用本申请所提供的技术方案，可以实现优化眼镜的推荐方式的效果。附图说明图1为本申请实施例提供的一种眼镜的推荐方法的流程示意图；图2为本申请实施例提供的另一种眼镜的推荐方法的流程示意图；图3为本申请实施例提供的另一种眼镜的推荐方法的流程示意图；图4为本申请实施例提供的另一种眼镜的推荐方法的流程示意图；图5为本申请实施例提供的另一种眼镜的推荐方法的流程示意图；图6为本申请实施例提供的一种眼镜的推荐装置的结构框图；图7为本申请实施例提供的一种终端设备的结构示意图。具体实施方式下面结合附图并通过具体实施方式来进一步说明本申请的技术方案。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。图1为本申请实施例提供的一种眼镜的推荐方法的流程示意图，该方法可以由眼镜的推荐装置执行，其中该装置可由软件和/或硬件实现，一般可集成在终端设备中。如图1所示，该方法包括：S101、获取样本图片集合，并从所述样本图片集合中筛选佩戴眼镜的人物图片。其中，样本图片集合可以是终端设备内部存储的图片的集合，也可以是通过访问图片共享服务器得到的图片的集合。终端设备可以是智能手机、平板电脑以及个人数字助理等。其中，图片集合中可能存在着包括人物图片、场景图片以及动物图片等等，其中场景图片可以是包含人物的场景图片和不包含人物的场景图片，其中包含人物的场景图片也可以作为一种人物图片，而只把不包含人物的场景图片作为场景图片。对于终端设备如何识别图片中是否含有人物，可以通过图片识别技术实现。在获取到样本图片集合后，可以通过图片识别技术中筛选出佩戴眼镜的人物图片，其中，可以将筛选后的不佩戴眼镜的人物图片以及其他图片做清除处理，以避免占用终端设备的内存。值得说明的是，在本申请实施例中，可以采用通过相应的服务器完成上述操作，直接得到筛选后的佩戴眼镜的人物图片下发至终端设备，这样设置的好处是可以减小对于终端设备存储空间的占用，以及减小图片识别过程对终端设备造成的运算负担，进而在终端设备直接得到服务器筛选后的结果再进行相应处理。其中，如果是终端设备获取网络共享的样本图片集合可以是通过在访问相应的图片共享服务器之后下载样本图片集合。其中，可以对样本图片集合中的分辨率较高的图片进行降维或者下采样处理，相应的，可以设置一个图片分辨率的识别范围，例如可以设置在1024*768至1440*900之间。当样本图片集合中图片的分辨率高于1440*900时，可以进行下采样处理，得到其分辨率在设置的识别范围之间的结果，在样本图片集合中的图片低于1024*768时，可以选择将其从样本图片集合中删除，后者在图片识别后，根据图片识别结果确定是否将其进行删除操作，如图片的识别结果比较好，则可以保留该图片，如果图片的识别结果不是很好，则可以做删除处理。S102、将所述佩戴眼镜的人物图片输入训练模型，进行训练，以得到眼镜样式推荐模型。在得到佩戴眼镜的人物图片之后，将佩戴眼镜的人物图片输入训练模型，可以得到一个关于眼镜样式推荐模型，即可以在对佩戴眼镜的人物图片中，每种发型、脸型等的用户选择了什么样式的眼镜，进行学习和训练之后，得到与用户的发型、脸型等对应的眼镜样式。其中，利用机器学习手段，具体的，可以通过卷积神经网络(ConvolutionalNeuralNetwork，CNN)进行学习，卷积神经网络是一种前馈神经网络，一般地，CNN的基本结构包括两层，其一为特征提取层，每个神经元的输入与前一层的局部接受域相连，并提取该局部的特征。一旦该局部特征被提取后，它与其它特征间的位置关系也随之确定下来；其二是特征映射层，网络的每个计算层由多个特征映射组成，每个特征映射是一个平面，平面上所有神经元的权值相等。特征映射结构采用影响函数核小的sigmoid函数作为卷积网络的激活函数，使得特征映射具有位移不变性。此外，由于一个映射面上的神经元共享权值，因而减少了网络自由参数的个数。卷积神经网络中的每一个卷积层都紧跟着一个用来求局部平均与二次提取的计算层，这种特有的两次特征提取结构减小了特征分辨率。利用卷积神经网络进行训练的好处是在于卷积神经网络对于图像处理领域效果较好，可以提高机器学习模型训练的效果。S103、获取待推荐用户的人物图片，利用所述眼镜样式推荐本文档来自技高网...

【技术保护点】
一种眼镜的推荐方法，其特征在于，包括：获取样本图片集合，并从所述样本图片集合中筛选佩戴眼镜的人物图片；将所述佩戴眼镜的人物图片输入训练模型，进行训练，以得到眼镜样式推荐模型；获取待推荐用户的人物图片，利用所述眼镜样式推荐模型，确定待推荐的眼镜样式，并进入眼镜样式推荐界面。

【技术特征摘要】
1.一种眼镜的推荐方法，其特征在于，包括：获取样本图片集合，并从所述样本图片集合中筛选佩戴眼镜的人物图片；将所述佩戴眼镜的人物图片输入训练模型，进行训练，以得到眼镜样式推荐模型；获取待推荐用户的人物图片，利用所述眼镜样式推荐模型，确定待推荐的眼镜样式，并进入眼镜样式推荐界面。2.根据权利要求1所述的眼镜的推荐方法，其特征在于，将所述佩戴眼镜的人物图片输入训练模型，进行训练，以得到眼镜样式推荐模型，包括：提取所述佩戴眼镜的人物图片的人物特征和眼镜样式；将所述人物特征和眼镜样式输入训练模型，进行训练；通过训练模型，得到人物特征与最佳眼镜样式的映射函数。3.根据权利要求2所述的眼镜的推荐方法，其特征在于，所述人物特征包括：脸型、眉型、发型、发髻线、眼睛大小、瞳孔距离、眼睛与眉毛之间的距离以及眼睛在人脸的位置比例中的至少一种特征；所述眼镜样式包括：镜框形状、镜框大小、镜框粗细、镜框材质以及镜腿样式中的至少一种。4.根据权利要求1所述的眼镜的推荐方法，其特征在于，还包括：获取所述眼镜样式推荐界面中用户选择的眼镜样式，根据所述眼镜样式，生成眼镜三维模型；将所述眼镜三维模型与用户的头部照片进行图片合成，生成试戴图片。5.根据权利要求4所述的眼镜的推荐方法，其特征在于，在生成试戴图片之后，还包括：获取用户的试戴效果评价信息，如果所述试戴效果评价信息为第一预设结果，则向用户提供推荐眼镜样式相符的链接；如果所述试戴效果评价信息为第二预...

【专利技术属性】
技术研发人员：陈岩，
申请(专利权)人：广东欧珀移动通信有限公司，
类型：发明
国别省市：广东,44