毛发类型识别方法、装置、电子设备及存储介质制造方法及图纸

本公开提供了一种毛发类型识别方法、装置、电子设备及存储介质，所述方法包括：获取用户的毛发图像；获取所述用户的目标性别类型；基于预训练的与所述目标性别类型对应的神经网络，对所述毛发图像分别在预设的各毛发属性上的类别进行分类，获取所述各毛发属性分别对应的分类结果，所述各毛发属性相互独立；基于所述各毛发属性分别对应的分类结果，确定所述用户的毛发类型。本公开实施例能够提高毛发类型识别的精准度。

Methods, devices, electronic devices and storage media of hair type recognition

【技术实现步骤摘要】
毛发类型识别方法、装置、电子设备及存储介质
本公开涉及人工智能领域，具体涉及一种毛发类型识别方法、装置、电子设备及存储介质。
技术介绍
随着信息技术的高速发展，在生活的许多场景中都会存在毛发类型识别的需求，例如：如果在虚拟形象生成场景中，能够准确识别并还原用户的头发类型，生成的虚拟形象将为用户带来更好的体验。现有技术中，对于毛发类型的识别，常常无法足够清晰地区分不同类型毛发之间的区别，从而导致对毛发类型的识别精准度低。
技术实现思路
本公开的一个目的在于提出一种毛发类型识别方法、装置、电子设备及存储介质，能够提高毛发类型识别的精准度。根据本公开实施例的一方面，公开了一种毛发类型识别方法，所述方法包括：获取用户的毛发图像；获取所述用户的目标性别类型；基于预训练的与所述目标性别类型对应的神经网络，对所述毛发图像分别在预设的各毛发属性上的类别进行分类，获取所述各毛发属性分别对应的分类结果，所述各毛发属性相互独立；基于所述各毛发属性分别对应的分类结果，确定所述用户的毛发类型。根据本公开实施例的一方面，公开了一种毛发类型识别装置，所述装置包括：第一获取模块，配置为获取用户的毛发图像；第二获取模块，配置为获取所述用户的目标性别类型；第三获取模块，配置为基于预训练的与所述目标性别类型对应的神经网络，对所述毛发图像分别在预设的各毛发属性上的类别进行分类，获取所述各毛发属性分别对应的分类结果，所述各毛发属性相互独立；确定模块，配置为基于所述各毛发属性分别对应的分类结果，确定所述用户的毛发类型。根据本公开实施例的一方面，公开了一种毛发类型识别电子设备，包括：存储器，存储有计算机可读指令；处理器，读取存储器存储的计算机可读指令，以执行以上权利要求中的任一个所述的方法。根据本公开实施例的一方面，公开了一种计算机程序介质，其上存储有计算机可读指令，当所述计算机可读指令被计算机的处理器执行时，使计算机执行以上权利要求中的任一个所述的方法。本公开实施例中，进行毛发类型识别时，是在各个相互独立的毛发属性上分别进行分类，进而基于得到的相互独立的各个分类结果，确定毛发类型。通过这种先分别在各个相互独立的属性上精细分类，再根据精细分类后的各个分类结果，确定整体的毛发类型的方法，提高了毛发类型识别的精准度。本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。附图说明通过参考附图详细描述其示例实施例，本公开的上述和其它目标、特征及优点将变得更加显而易见。图1示出了根据本公开一个实施例的基本体系构架组成。图2示出了根据本公开一个实施例的毛发类型识别方法的流程图。图3示出了根据本公开一个实施例的各子神经网络共享浅层特征的神经网络。图4示出了根据本公开一个实施例的男性发型在各发型属性上的具体分类。图5示出了根据本公开一个实施例的女性发型在各发型属性上的具体分类。图6示出了根据本公开一个实施例的发型识别的完整过程。图7示出了根据本公开一个实施例的毛发类型识别装置的框图。图8示出了根据本公开一个实施例的毛发类型识别电子设备的硬件图。具体实施方式现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些示例实施方式使得本公开的描述将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多示例实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的示例实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、步骤等。在其它情况下，不详细示出或描述公知结构、方法、实现或者操作以避免喧宾夺主而使得本公开的各方面变得模糊。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。本公开实施例涉及到人工智能领域。人工智能(ArtificialIntelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音技术、自然语言处理技术以及机器学习/深度学习等几大方向。具体的，本公开实施例所涉及到的人工智能领域主要为人工智能领域中的计算机视觉技术与机器学习。计算机视觉技术(ComputerVision,CV)计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取信息的人工智能系统。计算机视觉技术通常包括图像处理、图像识别、图像语义理解、图像检索、OCR、视频处理、视频语义理解、视频内容/行为识别、三维物体重建、3D技术、虚拟现实、增强现实、同步定位与地图构建等技术，还包括常见的人脸识别、指纹识别等生物特征识别技术。机器学习(MachineLearning,ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、式教学习等技术。下面参考图1对本公开实施例的体系构架进行描述。图1示出了本公开一实施例的体系构架组成：云端服务器10、用户端20。其中，云端服务器10作为该实施例的执行主体，主要用于对用户的毛发类型进行识别本文档来自技高网...

【技术保护点】
1.一种毛发类型识别方法，其特征在于，所述方法包括：/n获取用户的毛发图像；/n获取所述用户的目标性别类型；/n基于预训练的与所述目标性别类型对应的神经网络，对所述毛发图像分别在预设的各毛发属性上的类别进行分类，获取所述各毛发属性分别对应的分类结果，所述各毛发属性相互独立；/n基于所述各毛发属性分别对应的分类结果，确定所述用户的毛发类型。/n

【技术特征摘要】
1.一种毛发类型识别方法，其特征在于，所述方法包括：
获取用户的毛发图像；
获取所述用户的目标性别类型；
基于预训练的与所述目标性别类型对应的神经网络，对所述毛发图像分别在预设的各毛发属性上的类别进行分类，获取所述各毛发属性分别对应的分类结果，所述各毛发属性相互独立；
基于所述各毛发属性分别对应的分类结果，确定所述用户的毛发类型。


2.根据权利要求1所述的方法，其特征在于，获取用户的毛发图像，包括：
获取所述用户的用户图像；
基于预设的人脸检测技术，提取出所述用户图像的人脸图像，并将所述人脸图像确定为所述用户的毛发图像。


3.根据权利要求1所述的方法，其特征在于，获取所述用户的目标性别类型，包括：
获取所述用户的人脸图像；
将所述人脸图像输入预设的性别识别模型中，获取所述性别识别模型输出的所述用户的目标性别类型。


4.根据权利要求1所述的方法，其特征在于，获取所述用户的目标性别类型，包括：获取用户端配置的所述用户的目标性别类型。


5.根据权利要求1所述的方法，其特征在于，所述各毛发属性包括：毛发的区域属性、毛发的纹理属性。


6.根据权利要求1所述的方法，其特征在于，所述神经网络包括各子神经网络，所述...

【专利技术属性】
技术研发人员：冷欣航，孙冲，李琛，戴宇荣，杨文欢，钟伽文，杨晓琪，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44