System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及到美容仪,特别是涉及到一种美容仪的神经检测控制方法、装置、设备和存储介质。
技术介绍
1、美容仪是一种根据人体生理机能进行调节改善身体和面部的机器。根据工作原理,美容仪可以分为激光美容仪、射频美容仪等,美容仪通常具有多种工作档位,以适应不同使用者的需求。使用过程中,使用者可以根据皮肤的实际情况,选择对应的工作档位,以达到体验效果。
2、专利文献(cn114917472a)公开了一种引导使用美容仪的方法和系统,该方法由电子设备执行,该电子设备上当前运行有应用程序,电子设备与美容仪之间存在通信连接,该方法包括:基于通信连接获取美容仪当前的工作模式;在美容仪的工作模式为使用模式的情况下,采集用户使用美容仪过程的多个第一图像;对多个第一图像进行处理,确定美容仪的第一移动轨迹;根据第一移动轨迹和预设的标准轨迹。通过上述专利,确定用户的当前使用动作是否规范;在用户的当前使用动作不规范的情况下,通过提醒用户规范使用美容仪。而在上述专利中,无法准确判断面部重要神经的位置,在面部深层中,有一些比较重要的神经如三叉神经、咬肌神经。这些神经广泛分布在深层的面部肌肉和骨骼周围,并控制着面部的感觉和运动,如表情、咀嚼和眼部运动等。如果这些神经受到损伤或压迫,就可能会导致面部疼痛、麻木或运动障碍等症状,从而给面部神经造成不必要的刺激,给用户带来不适甚至伤害。
3、因此,现有技术存在缺陷,需要改进。
技术实现思路
1、为了解决现有技术中的一个或者几个问题,本申请的主要目的为提供
2、为了实现上述专利技术目的,本申请提出一种美容仪的神经检测控制方法,所述方法包括:
3、获取检测组件的脸部数据,其中脸部数据包括脸部神经数据和脸部肌肉数据;
4、提取所述脸部神经数据,对所述脸部神经数据进行预处理;
5、将已预处理的所述脸部神经数据输入已训练的模型中,通过已训练的模型将所述脸部神经数据进行识别转换成图像信息;
6、识别所述图像信息,对所述图像信息进行层次划分,得到表面浅层图像和平复深层图像;
7、将所述平复深层图像输入已训练的神经网络中,通过神经网络识别平复深层图像中脸部重要神经坐标参数,其中重要神经包括三叉神经和咬肌神经;
8、基于所述脸部重要神经坐标参数,确定所述美容仪的工作状态,所述工作状态包括停止工作和正常工作。
9、进一步地,所述将所述平复深层图像输入已训练的神经网络中,通过神经网络识别平复深层图像中的脸部重要神经坐标参数,包括:
10、将所述平复深层图像输入已训练的神经网络中,所述已训练的神经网络包括卷积层、池化层及全连接层;
11、通过所述卷积层获取图像信息中的三叉神经和咬肌神经特征,通过所述池化层将所述三叉神经和咬肌神经的特征进行降低维度,得到抽象特征向量,通过全连接层将所述抽象特征向量映射到坐标参考空间;
12、基于所述抽象特征向量映射到坐标参考空间的结果,得到所述坐标参考空间中三叉神经和咬肌神经的坐标参数。
13、进一步地,所述将已预处理的所述脸部神经数据输入已训练的模型中,通过已训练的模型将所述脸部神经数据进行识别转换成图像信息,包括:
14、对vae模型进行训练,并根据已训练的所述vae模型构建生成模型,所述生成模型包括编码器和解码器;
15、将已预处理的所述脸部神经数据输入编码器中;
16、通过所述编码器将所述脸部神经数据进行解析,并将解析后的脸部神经数据按照预设的排序方式映射在构建空间内;
17、通过所述解码器将构建空间内的所述脸部神经数据进行重组构建;
18、基于所述解码器重组构建的结果,将重组构建后的脸部神经数据转换成图像信息。
19、进一步地,所述对所述脸部神经数据进行预处理,包括:
20、解析所述脸部神经数据,得到噪声信号和非噪声信号;
21、提取所述非噪声信号,通过小波变换提取所述非噪声信号的频率参数,通过差分算法提取所述非噪声信号的幅值参数;
22、判断所述非噪声信号的频率特征和幅值特征是否满足优化条件;
23、当所述非噪声信号的频率参数和幅值参数满足优化条件,则对所述非噪声信号的频率参数和幅值参数按照预设的方式迭代优化。
24、进一步地,所述通过小波变换提取所述非噪声信号的频率参数,包括:
25、将所述非噪声信号进行小波变换,得到小波变换系数;
26、通过对所述小波变换系数进行分析,根据小波变换系数在分解尺度增加过程中所产生的特征变化选择阈值系数;
27、将所述阈值系数和所述小波变化系数进行滤波处理,得到频率参数。
28、进一步地,所述通过差分算法提取所述非噪声信号的幅值参数,包括:
29、将所述非噪声信号转换成连续采样点的数组模型,将相邻两个采样点进行差值计算得到差分信号;
30、将所述差分信号进行取绝对值,得到幅值参数;
31、其中,所述相邻两个采样点进行差值计算的公式为:δx(t)=x(t+1)-x(t),x(t+1)为第一个采样点,x(t)为第一个采样点相邻的第二个采样点。
32、进一步地,所述基于所述脸部重要神经坐标参数,确定所述美容仪的工作状态,包括:
33、获取所述美容仪的位置信息;
34、基于所述脸部重要神经坐标参数,判断所述美容仪的位置信息是否满足停止工作的条件;
35、当所述美容仪的位置信息与神经坐标参数之间的距离小于预设的距离阈值时,则判定所述美容仪的位置信息满足停止工作的条件,控制所述美容仪停止工作。
36、本申请实施例还提供一种美容仪的神经检测控制装置,包括:
37、获取模块,用于获取检测组件的脸部数据,其中脸部数据包括脸部神经数据和脸部肌肉数据;
38、处理模块,用于提取所述脸部神经数据,对所述脸部神经数据进行预处理;
39、转换模块,用于将已预处理的所述脸部神经数据输入已训练的模型中,通过已训练的模型将所述脸部神经数据进行识别转换成图像信息;
40、划分模块,用于识别所述图像信息,对所述图像信息进行层次划分,得到表面浅层图像和平复深层图像;
41、识别模块,用于将所述图像信息输入已训练的神经网络中,通过神经网络识别图像信息中的脸部重要神经坐标参数;
42、控制模块,基于所述脸部重要神经坐标参数,确定所述美容仪的工作状态,所述工作状态包括停止工作和正常工作。
43、本申请还提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
44、本申请还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时本文档来自技高网...
【技术保护点】
1.一种美容仪的神经检测控制方法,其特征在于,所述美容仪包括检测组件,所述方法包括:
2.根据权利要求1所述的美容仪的神经检测控制方法,其特征在于,所述将所述平复深层图像输入已训练的神经网络中,通过神经网络识别平复深层图像中的脸部重要神经坐标参数,包括:
3.根据权利要求1所述的美容仪的神经检测控制方法,其特征在于,所述将已预处理的所述脸部神经数据输入已训练的模型中,通过已训练的模型将所述脸部神经数据进行识别转换成图像信息,包括:
4.根据权利要求1所述的美容仪的神经检测控制方法,其特征在于,所述对所述脸部神经数据进行预处理,包括:
5.根据权利要求4所述的美容仪的神经检测控制方法,其特征在于,所述通过小波变换提取所述非噪声信号的频率参数,包括:
6.根据权利要求4所述的美容仪的神经检测控制方法,其特征在于,所述通过差分算法提取所述非噪声信号的幅值参数,包括:
7.根据权利要求1所述的美容仪的神经检测控制方法,其特征在于,所述基于所述脸部重要神经坐标参数,确定所述美容仪的工作状态,包括:
8.一种
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种美容仪的神经检测控制方法,其特征在于,所述美容仪包括检测组件,所述方法包括:
2.根据权利要求1所述的美容仪的神经检测控制方法,其特征在于,所述将所述平复深层图像输入已训练的神经网络中,通过神经网络识别平复深层图像中的脸部重要神经坐标参数,包括:
3.根据权利要求1所述的美容仪的神经检测控制方法,其特征在于,所述将已预处理的所述脸部神经数据输入已训练的模型中,通过已训练的模型将所述脸部神经数据进行识别转换成图像信息,包括:
4.根据权利要求1所述的美容仪的神经检测控制方法,其特征在于,所述对所述脸部神经数据进行预处理,包括:
5.根据权利要求4所述的美容仪的神经检测控制方法,其特征在于,所述通过小波变换提取所述非噪...
【专利技术属性】
技术研发人员:刘茂才,
申请(专利权)人:欣颜时代广州技术有限公司,
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。