【技术实现步骤摘要】
一种面膜配方的调配方法
[0001]本专利技术涉及人工智能配方调配
，尤其涉及一种面膜配方的调配方法
。
技术介绍
[0002]在开发面膜配方之前，化妆品科学家和研发团队首先会对各种可能的成分进行研究和了解，这包括了解各种天然和合成成分的功效和特性，例如保湿剂
、
抗氧化剂
、
维生素
、
植物提取物等，了解面膜的功能和目标非常重要，例如，某些面膜可能旨在深层清洁毛孔，而其他面膜可能旨在保湿和滋养
。
确定面膜的目标有助于选择适当的成分，根据研究和了解的成分，面膜的配方可以选择合适的成分
。
这些成分可能包括清洁剂，吸附剂，保湿剂，抗氧化剂，维生素，果酸等
。
根据所选成分的特性和功效，将它们按照一定比例配比，将各种成分按照配方进行混合，并进行初步调试和测试
。
这包括将配方中的各种成分混合到一起，观察它们的相容性和稳定性，并对配方的质地
、
气味和功效进行评估
。
如...
【技术保护点】
【技术特征摘要】
1.
一种面膜配方的调配方法，其特征在于，作用于面膜样本，包括以下步骤：步骤
S1
：利用初始面膜样本获取面膜特性数据集；对面膜特性数据集进行面膜成分分析，生成面膜成分知识图谱；步骤
S2
：通过智能皮肤分析设备获取用户皮肤生理数据；利用虚拟现实技术进行脸部模型仿真，从而生成
3D
虚拟人脸模型；根据用户皮肤生理数据对
3D
虚拟人脸模型进行数据融合，从而生成虚拟实验人脸模型；步骤
S3
：根据面膜成分知识图谱和虚拟实验人脸模型进行智能平台构建，生成面膜自定义调配平台；获取用户输入数据；根据用户输入数据对面膜自定义调制平台进行用户输入数据分析，生成面膜配方成分数据；步骤
S4
：通过微型摄像机采集用户人脸图像；根据面膜自定义平台对用户人脸图像进行面膜形态确认，生成面膜形态调整数据；根据面膜形态调整数据对用户人脸图像进行人脸贴合，生成人脸贴合面膜数据；步骤
S5
：基于神经网络模型对人脸贴合面膜数据和面膜配方成分数据进行模型构建，生成环境调配预测模型；根据环境调配预测模型进行配方预测，从而得到面膜调配显示结果
。2.
根据权利要求1所述的面膜配方的调配方法，其特征在于，步骤
S1
包括以下步骤：步骤
S11
：获取初始面膜样本；步骤
S12
：利用气相色谱质谱联方法对初始面膜样本进行化合物分离，从而得到面膜组分特性数据；将面膜组分特性数据进行数据分类收集，从而得到面膜特性数据集；步骤
S13
：将面膜特性数据集按照预设的属性进行数据划分，生成面膜属性图谱；通过面膜组分特性数据对面膜属性图谱进行关联节点设置，从而生成面膜成分关联图谱；步骤
S14
：基于互联网对面膜成分关联图谱进行成分信息查询，生成面膜成分信息数据；根据图数据库工具将面膜成分信息数据导入至面膜成分关联图谱进行数据整合和可视化，从而生成面膜成分知识图谱
。3.
根据权利要求2所述的面膜配方的调配方法，其特征在于，步骤
S2
包括以下步骤：步骤
S21
：根据智能皮肤分析设备获取用户皮肤生理数据；步骤
S22
：通过摄像机进行多人脸图像拍摄，得到人脸采集图像集；基于面部关键点检测算法对人脸采集图像集进行人脸特征点提取，生成面部特征数据；步骤
S23
：将人脸采集图像集进行数据对齐，生成人脸对齐图像集；利用高斯滤波器对人脸对齐图像集进行图像规范化，从而生成标准人脸图像集；步骤
S24
：根据多视角立体重建方法对标准人脸图像集进行人脸三维形状重建，生成精细
3D
人脸模型；利用三维激光点云技术对精细
3D
人脸模型进行激光扫描，得到三维人脸点云数据；步骤
S25
：将三维人脸点云数据进行网格聚合，生成三维人脸三角网格；根据预设的孔洞阈值对三维人脸三角网格进行拓扑检测，当三维人脸三角网格小于或等于预设的孔洞阈值时，则生成正常三维人脸模型；当三维人脸三角网格大于预设的孔洞阈值时，则对三维人脸三角网格进行拓扑修复，直至生成正常三维人脸模型；步骤
S26
：根据用户皮肤生理数据对正常三维人脸模型进行纹理映射，生成仿真三维人脸模型；利用虚拟现实开发环境对仿真三维人脸模型进行虚拟现实空间导入，得到虚拟实
验人脸模型
。4.
根据权利要求3所述的面膜配方的调配方法，其特征在于，步骤
S24
包括以下步骤：步骤
S241
：利用相机根据主视角和副视角对标准人脸图像集进行图像拍摄，生成主视角拍摄图像和辅助视角拍摄图像，其中主视角包括前视角和侧视角，副视角包括后视角和斜距离视角；步骤
S242
：基于主视角拍摄图像对相机进行外部参数标定，生成第一标定相机镜头；基于辅助视角拍摄图像对相机进行内部参数标定，生成第二标定相机镜头；步骤
S243
：根据第一标定相机镜头和第二标定相机镜头对标准人脸图像集进行特征点搜索，从而生成主视角特征点和副视角特征点；步骤
S244
：利用特征匹配算法对主视角特征点和副视角特征点进行相同二维特征点匹配，得到二维图像特征点，其中二维图像特征点包括主视角图像特征点和副视角图像特征点；步骤
S245
：通过主视角图像特征点对副视角图像特征点进行特征点重合匹配，得到视角重合特征点；利用汉明距离对视角重合特征点进行相似性度量，从而生成特征点匹配程度；根据特征点匹配程度对二维图像特征点进行匹配对筛选，生成特征点对应关系；步骤
S246
：基于几何一致性方法对视角重合特征点进行误匹配检测，当检测到误匹配特征点时，则利用特征点对应关系对视角重合特征点进行特征点剔除，从而生成标准重合特征点；步骤
S247
：利用特征点视差测量公式对标准重合特征点进行立体匹配计算，生成特征点位移深度；根据特征点位移深度进行深度图构建，从而生成特征点视差图；步骤
S248
：基于特征点视差图进行人脸三维形状重建，生成精细
3D
人脸模型；利用三维激光点云技术对精细
3D
人脸模型进行激光扫描，得到三维人脸点云数据
。5.
根据权利要求4所述的面膜配方的调配方法，其特征在于，步骤
S247
中的特征点视差测量公式如下所示：式中，
D(x,y)
表示为特征点位移深度，即视差值，
x
表示为特征点的像素横坐标，
y...
【专利技术属性】
技术研发人员：龙松波，官蕾，
申请(专利权)人：南昌启承堂生物科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。