[發明專利]人物風格檢測系統、方法、終端及介質

有效

• 申請號: 201810374265.6
• 申請日: 2018-04-24
• 公開（公告）號: CN108596094B
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 馬文濤;湯質;葉曉薇;孫義環;蔣程凱;潘杰
• 申請（專利權）人: 杭州數為科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京酷愛智慧知識產權代理有限公司 11514
• 代理人: 劉坦

1.一種人物風格檢測系統，其特征在于，包括數據輸入模塊、圖像預處理模塊、模型訓練模塊和專家規則模塊，其中，所述數據輸入模塊用于用戶輸入待檢測圖像和用戶基本信息；所述圖像預處理模塊用于對待檢測圖像進行預處理，得到含有人臉五官特征點的新圖像，將所述新圖像傳輸到模型訓練模塊；所述模型訓練模塊對接收的新圖像進行深度學習，識別出新圖像所屬人物風格，得到模型預測結果，將所述模型結果傳輸給專家規則模塊；所述專家規則模塊接收模型預測結果，根據用戶基本信息與人物風格的關系對模型預測結果進行校正，得到風格診斷結果；專家規則校正模塊包含有行業專家對人物風格的歸類規則；所述人物風格的歸類參數包括輪廓屬性和量感屬性；

所述模型訓練模塊包括模型構建模塊、DNN模型模塊和參數調整模塊，所述模型構建模塊用于采用已經標注好人物風格的圖像作為訓練樣本，從輪廓屬性和量感屬性兩個維度構建深度學習模型；所述DNN模型模塊用于將輪廓屬性分別從宏觀和微觀方向分別構建兩個輪廓屬性DNN模型，通過對宏觀輪廓屬性DNN模型和微觀輪廓屬性模型DNN模型的結果進行比較和修正，得出最終的輪廓屬性，將量感屬性分別從宏觀和微觀方向分別構建兩個量感屬性DNN模型，通過對兩個量感屬性DNN模型的結果進行比較和修正，得到最終的量感屬性；結合最終的輪廓屬性和最終的量感屬性得出待檢測樣本圖像的人物所屬風格的模型預測結果；所述參數調整模塊用于在樣本訓練時調整訓練參數。

2.如權利要求1所述的人物風格檢測系統，其特征在于，所述系統還包括結果輸出模塊，所述結果輸出模塊用于輸出風格診斷結果。

3.如權利要求1所述的人物風格檢測系統，其特征在于，所述圖像預處理模塊包括圖像剪裁模塊和特征點提取模塊，所述圖像剪裁模塊用于將待檢測圖像進行剪裁截取，得到人臉圖像；所述特征點提取模塊用于提取人臉圖像中的五官特征點，以五官特征點為基準點生成新圖像。

4.一種人物風格檢測方法，其特征在于，具體包括以下步驟，

獲取待檢測圖像和用戶的基本信息；

對所述待檢測圖像進行預處理，得到含有人臉五官特征點的新圖像；

對所述新圖像進行深度學習，識別出新圖像所屬風格，得到模型預測結果；

根據用戶基礎信息與人物風格的關系對所述模型預測結果進行專家規則校正，得到風格診斷結果；所述人物風格的歸類參數包括輪廓屬性和量感屬性；

將含有五官特征點的新圖像輸入模型訓練模塊，模型訓練模塊通過獲取大量的標注好人物風格的圖像作為訓練樣本，從輪廓屬性和量感屬性兩個維度構建深度學習模型，在樣本訓練時調整訓練參數，再將輪廓屬性分別從宏觀和微觀方向分別構建兩個輪廓屬性DNN模型，通過對宏觀輪廓屬性DNN模型和微觀輪廓屬性模型DNN模型的結果進行比較和修正，得出最終的輪廓屬性；將量感屬性分別從宏觀和微觀方向分別構建兩個量感屬性DNN模型，通過對兩個量感屬性DNN模型的結果進行比較和修正，得到最終的量感屬性，結合最終的輪廓屬性和最終的量感屬性得出待檢測樣本圖像的人物所屬風格的模型預測結果。

5.如權利要求4所述的人物風格檢測方法，其特征在于，還包括，對風格診斷結果進行輸出。

6.如權利要求4所述的人物風格檢測方法，其特征在于，對所述待檢測圖像進行預處理的具體方法包括：

對待檢測圖像進行剪裁截取，得到人臉圖像；

提取人臉圖像中的五官特征點，以五官特征點為基準點生成新圖像。

7.一種人物風格檢測終端，其特征在于，包括處理器、輸入設備、輸出設備和存儲器，所述處理器、輸入設備、輸出設備和存儲器相互連接，所述存儲器用于存儲計算機程序，所述計算機程序包括程序指令，其特征在于，所述處理器被配置用于調用所述程序指令，執行如權利要求4-6任一項所述的方法。

8.一種計算機可讀存儲介質，其特征在于，所述計算機存儲介質存儲有計算機程序，所述計算機程序包括程序指令，所述程序指令當被處理器執行時使所述處理器執行如權利要求4-6任一項所述的方法。