用于推荐化妆调色板或头发着色方案中的至少一个的计算设备、方法和装置制造方法及图纸

提供了用于推荐化妆调色板或头发着色方案中的至少一个的方法和装置。所述方法包括：提取与用户相关联的数字图像的至少一个区域的颜色集（201）；基于指示所提取的颜色集的一个或多个输入来生成针对与用户相关联的数字图像的至少两个其他区域的化妆调色板或头发着色方案中的至少一个的颜色推荐信息（202）；以及基于所述颜色推荐信息来生成化妆调色板推荐或头发着色方案推荐的虚拟表示的一个或多个实例（203）。多个实例（203）。多个实例（203）。

【技术实现步骤摘要】
【国外来华专利技术】用于推荐化妆调色板或头发着色方案中的至少一个的计算设备、方法和装置


[0001]本公开涉及美容行业领域。更具体地，本公开涉及用于推荐化妆调色板或头发着色方案中的至少一个的计算设备、方法和装置。

技术介绍

[0002]美丽始终是消费者的追求。研究表明，个体的外表不仅对他/她的自信具有重要的影响，而且对他人的第一印象也具有重要的影响。其中，人们在选择化妆品产品（诸如，化妆产品、头发着色产品和其他化妆品产品）时更加注重颜色匹配。
[0003]然而，对于消费者来说选择预期的颜色是困难的。
[0004]在相关的现有技术中，通常颜色专家（诸如，化妆KOL）根据个人经验和颜色理论来给出推荐的颜色匹配。然而，这种方法是主观的，并且仅能够针对区域对来推荐和谐的颜色匹配，并且因此无法满足针对更多区域来推荐和谐的颜色匹配的需要。
[0005]因此，需要针对更多区域来推荐化妆和/或头发着色的颜色，以便呈现在颜色方面和谐的自然外观。

技术实现思路

[0006]提供该
技术实现思路
是为了以简化的形式来介绍将在下面的详细描述中进一步描述的概念的选择。该
技术实现思路
不意图标识所要求保护的主题的关键特征或必要特征，也不意图用于限制所要求保护的主题的范围。
[0007]下面将进一步详细描述本公开的各个方面和特征。
[0008]根据本公开的第一方面，提供了一种计算设备，包括：最佳颜色单元，其包括计算电路，所述计算电路被配置成提取与用户相关联的数字图像的至少一个区域的颜色集，并且基于指示所提取的颜色集的一个或多个输入来生成针对与用户相关联的数字图像的至少两个其他区域的化妆调色板或头发着色方案中的至少一个的颜色推荐信息；以及化妆和头发颜色单元，其包括计算电路，所述计算电路被配置成基于所述颜色推荐信息来生成化妆调色板推荐或头发着色方案推荐的虚拟表示的一个或多个实例。
[0009]在本公开的所述第一方面的一个实施例中，所述最佳颜色单元包括计算电路，所述计算电路进一步被配置成：将所提取的颜色集存储在存储器中；将所述提取的颜色集定位到样本训练集中，其中所述样本训练集包括多个采样图像的不同区域的颜色的信息、所述多个采样图像的不同区域的颜色组合的信息、以及每一个颜色组合的总得分的信息；搜索在所述样本训练集中包含所述提取的颜色集的颜色组合；对对应于所述搜索的颜色组合的总得分进行排序；基于所述经排序的总得分来生成推荐的颜色组合。
[0010]在本公开的所述第一方面的另一个实施例中，所述最佳颜色单元包括计算电路，所述计算电路进一步被配置成：通过预测模型基于指示所提取的颜色集的一个或多个输入来生成针对与用户相关联的数字图像的至少两个其他区域的化妆调色板或头发着色方案
中的至少一个的颜色推荐信息。更具体地，所述预测模型包括卡方自动交互检测器（CHAID）决策树模型、多变量高斯映射分类器等中的一个。
[0011]在本公开的所述第一方面的又一个实施例中，当所述预测模型包括卡方自动交互检测器（CHAID）决策树模型时，所述最佳颜色单元包括计算电路，所述计算电路进一步被配置成：将所述提取的颜色集输入到所述CHAID决策树模型，其中所述提取的颜色集是类别类型，所述CHAID决策树模型是从样本训练集来训练的，所述样本训练集包括多个采样图像的不同区域的颜色的信息、所述多个采样图像的不同区域的颜色组合的信息、以及每一个颜色组合的总得分的信息；生成针对与用户相关联的数字图像的至少两个其他区域的化妆调色板或头发着色方案中的至少一个的颜色推荐信息。
[0012]在本公开的所述第一方面的又一个实施例中，当所述预测模型包括卡方自动交互检测器（CHAID）决策树模型时，所述最佳颜色单元包括计算电路，所述计算电路进一步被配置成：将所述提取的颜色集转变成颜色空间中的对应颜色数值；将所述对应颜色数值输入到所述CHAID决策树模型，所述CHAID决策树模型是从样本训练集来训练的，所述样本训练集包括多个采样图像的不同区域的颜色数值的信息和每一个颜色组合的总得分的信息；生成针对与用户相关联的数字图像的至少两个其他区域的化妆调色板或头发着色方案中的至少一个的颜色推荐信息。
[0013]在本公开的所述第一方面的又一个实施例中，当所述预测模型包括多变量高斯映射分类器时，所述最佳颜色单元包括计算电路，所述计算电路进一步被配置成：将所述提取的颜色集转变成颜色空间中的对应颜色数值；将所述对应颜色数值输入到所述多变量高斯映射分类器，所述多变量高斯映射分类器是从样本训练集来训练的，所述样本训练集包括多个采样图像的不同区域的颜色数值的信息和每一个颜色组合的总得分的信息；生成针对与用户相关联的数字图像的至少两个其他区域的化妆调色板或头发着色方案中的至少一个的颜色推荐信息。
[0014]根据本公开的第二方面，提供了一种用于推荐化妆调色板或头发着色方案中的至少一个的方法，所述方法包括：提取与用户相关联的数字图像的至少一个区域的颜色集；基于指示所提取的颜色集的一个或多个输入来生成针对与用户相关联的数字图像的至少两个其他区域的化妆调色板或头发着色方案中的至少一个的颜色推荐信息；以及基于所述颜色推荐信息来生成化妆调色板推荐或头发着色方案推荐的虚拟表示的一个或多个实例。
[0015]在本公开的所述第二方面的一个实施例中，所述基于指示所提取的颜色集的一个或多个输入来生成针对与用户相关联的数字图像的至少两个其他区域的化妆调色板或头发着色方案中的至少一个的颜色推荐信息包括：将所述提取的颜色集存储在存储器中；将所述提取的颜色集定位到样本训练集中，其中所述样本训练集包括多个采样图像的不同区域的颜色的信息、所述多个采样图像的不同区域的颜色组合的信息、以及每一个颜色组合的总得分的信息；搜索在所述样本训练集中包含所述提取的颜色集的颜色组合；对对应于所述搜索的颜色组合的总得分进行排序；基于所述经排序的总得分来生成推荐的颜色组合。
[0016]在本公开的所述第二方面的另一个实施例中，通过预测模型来实现所述基于指示所提取的颜色集的一个或多个输入来生成针对与用户相关联的数字图像的至少两个其他区域的化妆调色板或头发着色方案中的至少一个的颜色推荐信息。更特别地，所述预测模
型包括卡方自动交互检测器（CHAID）决策树模型、多变量高斯映射分类器等中的一个。
[0017]在本公开的所述第二方面的另一个实施例中，当所述预测模型包括卡方自动交互检测器（CHAID）决策树模型时，所述基于指示所提取的颜色集的一个或多个输入来生成针对与用户相关联的数字图像的至少两个其他区域的化妆调色板或头发着色方案中的至少一个的颜色推荐信息包括：将所述提取的颜色集输入到所述CHAID决策树模型，其中所述提取的颜色集是类别类型，所述CHAID决策树模型是从样本训练集来训练的，所述样本训练集包括多个采样图像的不同区域的颜色的信息、所述多个采样图像的不同区域的颜色组合的信息、以及每一个颜色组合的总得分的信息；生成针对与用户相关联的数字图像的至少两个其他区域的化妆调色板或头发着色方案中的至少一个的颜色推荐信息。...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种计算设备，包括：最佳颜色单元，其包括计算电路，所述计算电路被配置成提取与用户相关联的数字图像的至少一个区域的颜色集，并且基于指示所提取的颜色集的一个或多个输入来生成针对与用户相关联的数字图像的至少两个其他区域的化妆调色板或头发着色方案中的至少一个的颜色推荐信息；以及化妆和头发颜色单元，其包括计算电路，所述计算电路被配置成基于所述颜色推荐信息来生成化妆调色板推荐或头发着色方案推荐的虚拟表示的一个或多个实例。2.根据权利要求1所述的计算设备，其中所述最佳颜色单元包括计算电路，所述计算电路进一步被配置成：将所提取的颜色集存储在存储器中；将所述提取的颜色集定位到样本训练集中，其中所述样本训练集包括多个采样图像的不同区域的颜色的信息、所述多个采样图像的不同区域的颜色组合的信息、以及每一个颜色组合的总得分的信息；搜索在所述样本训练集中包含所述提取的颜色集的颜色组合；对对应于所述搜索的颜色组合的总得分进行排序；基于所述经排序的总得分来生成推荐的颜色组合。3.根据权利要求1所述的计算设备，其中所述最佳颜色单元包括计算电路，所述计算电路进一步被配置成：通过预测模型基于指示所提取的颜色集的一个或多个输入来生成针对与用户相关联的数字图像的至少两个其他区域的化妆调色板或头发着色方案中的至少一个的颜色推荐信息。4.根据权利要求3所述的计算设备，其中所述预测模型包括卡方自动交互检测器（CHAID）决策树模型和多变量高斯映射分类器中的一个。5.根据权利要求4所述的计算设备，其中当所述预测模型包括卡方自动交互检测器（CHAID）决策树模型时，所述最佳颜色单元包括计算电路，所述计算电路进一步被配置成：将所述提取的颜色集输入到所述CHAID决策树模型，其中所述提取的颜色集是类别类型，所述CHAID决策树模型是从样本训练集来训练的，所述样本训练集包括多个采样图像的不同区域的颜色的信息、所述多个采样图像的不同区域的颜色组合的信息、以及每一个颜色组合的总得分的信息；生成针对与用户相关联的数字图像的至少两个其他区域的化妆调色板或头发着色方案中的至少一个的颜色推荐信息。6.根据权利要求4所述的计算设备，其中当所述预测模型包括卡方自动交互检测器（CHAID）决策树模型时，所述最佳颜色单元包括计算电路，所述计算电路进一步被配置成：将所述提取的颜色集转变成颜色空间中的对应颜色数值；将所述对应颜色数值输入到所述CHAID决策树模型，所述CHAID决策树模型是从样本训练集来训练的，所述样本训练集包括多个采样图像的不同区域的颜色空间中的颜色数值的信息和每一个颜色组合的总得分的信息；生成针对与用户相关联的数字图像的至少两个其他区域的化妆调色板或头发着色方案中的至少一个的颜色推荐信息。7.根据权利要求4所述的计算设备，其中当所述预测模型包括多变量高斯映射分类器
时，所述最佳颜色单元包括计算电路，所述计算电路进一步被配置成：将所述提取的颜色集转变成颜色空间中的对应颜色数值；将所述对应颜色数值输入到所述多变量高斯映射分类器，所述多变量高斯映射分类器是从样本训练集来训练的，所述样本训练集包括多个采样图像的不同区域的颜色空间中的颜色数值的信息和每一个颜色组合的总得分的信息；生成针对与用户相关联的数字图像的至少两个其他区域的化妆调色板或头发着色方案中的至少一个的颜色推荐信息。8.根据权利要求1
‑
7所述的计算设备，其中所述至少一个区域、所述至少两个其他区域和不同区域能够是所述用户的身体的特征位于其中的区域。9.一种用于推荐化妆调色板或头发着色方案中的至少一个的方法，所述方法包括：提取与用户相关联的数字图像的至少一个区域的颜色集；基于指示所提取的颜色集的一个或多个输入来生成针对与用户相关联的数字图像的至少两个其他区域的化妆调色板或头发着色方案中的至少一个的颜色推荐信息；以及基于所述颜色推荐信息来生成化妆调色板推荐或头发着色方案推荐的虚拟表示的一个或多个实例。10.根据权利要求9所述的方法，其中所述基于指示所提取的颜色集的一个或多个输入来生成针对与用户相关联的数字图像的至少两个其他区域的化妆调色板或头发着色方案中的至少一个的颜色推荐信息包括：将所述提取的颜色集存储在存储器中；将所述提取的颜色集定位到样本训练集中，其中所述样本训练集包括多个采样图像的不同区域的颜色的信息、所述多个采样图像的不同区域的颜色组合的信息、以及每一个颜色组合的总得分的信息；搜索在所述样本训练集中包含所述提取的颜色集的颜色组合；对对应于所述搜索的颜色组合的总得分进行排序；基于所述经排序的总得分来生成推荐的颜色组合。11.根据权利要求9所述的方法，其中通过预测模型来实现所述基于指示所提取的颜色集的一个或多个输入来生成针对与用户相关联的数字图像的至少两个其他区域的化妆调色板或头发着色方案中的至少一个的颜色推荐信息。12.根据权利要求11所述的方法，其中所述预测模型包括卡方自动交互检测器（CHAID）决策树模型和多变量高斯映射分类器中的一个。13.根据权利要求12所述的方法，其中当所述预测模型包括卡方自动交互检测器（CHAID）决策树模型时，所述基于指示所提取的颜色集的一个或多个输入来生成针对与用户相关联的数字图像的至少两个其他区域的化妆调色板或头发着色方案中的至少一个的颜色推荐信息包括：将所述提取的颜色集输入到所述CHAID决策树模型，其中所述提取的颜色集是类别类型，所述CHAID决策树模型是从样本训练集来训练的，所述样本训练集包括多个采样图像的不同区域的颜色的信息、所述多个采样图像的不同区域的颜色组合的信息、以及每一个颜色组合的总得分的信息；生成针对与用户相关联的数字图像的至少两个其他区域的化妆调色板或头发着色方
案中的至少一个的颜色推荐信息。14.根据权利要求12所述的方法，其中当所述预测模...

【专利技术属性】
技术研发人员：李舒婷，朱婷婷，蒋晴，吴俊，刘洪辉，
申请(专利权)人：莱雅公司，
类型：发明
国别省市：