论文部分内容阅读
据调查显示,外貌是影响中国女性自信的最主要因素,但仍有近80%的中国女性化妆群体仍处在初级阶段,对于化妆初学者而言,他们需要花费大量时间探索自己理想的妆容;与此同时,基于人脸识别的研究在美妆行业产生了丰富的应用系统,但这些应用系统还难以满足中国女性对妆容推荐的诉求。通过调研发现,中国女性受访者对妆容推荐的需求度达84.2%,同时其对妆容风格的选择具有职业和场合适应性,其中日常妆容的需求度最高,以此确立本研究的目标人群、用户场景与产品定位。基于一定的化妆理论基础与实践技术,本文收集了人脸风格分类数据集与推荐妆容数据集,经手动分类后,邀请专业化妆师进行风格类别校正。并通过人脸风格与妆容风格的匹配性探究实验,从除均衡风格外的8种风格的人脸分类数据集中随机选取15张,运用妆容迁移算法将不同类型的妆容迁移到选取的素颜人脸上,以此评估不同人脸风格对试妆效果的影响。结果表明,同一种妆容在不同风格的素颜人脸上的试妆效果及同一人脸对不同风格妆容的试妆效果有显著差异,且不同的面部的感觉、知觉水平与妆容的形态、色彩意化映射具有正向联系,以此提出中国女性的妆容推荐规则和妆容设计原则。根据用户调研与实验结果,探讨了基于人脸风格分析的中国女性妆容推荐方法。采用了基于神经网络的分类算法对分类好的数据集进行监督训练,得出人脸风格分类模型;并根据一定的妆容推荐规则,利用人脸关键点检测分支已经训练好的网络,抽取输入图像和对应数据库中人脸图像的特征图,在隐空间中进行特征图的余弦相似度比较,排序后选出最相似的妆容推荐给用户。通过综合用户调研、化妆知识调研、风格匹配实验结果及妆容推荐方法的研究成果,本文设计了一款满足用户需求的基于微信小程序的中国女性妆容推荐应用,帮助用户快速找到心仪的妆容,并运用开发的应用原型进行系统可用性测试,最后的测试结果证明了其应用价值。