首页 > 分享 > 一种宠物颜值评分方法、装置、存储介质及设备与流程

一种宠物颜值评分方法、装置、存储介质及设备与流程

萌宠菠菠乐园
2025-01-17 19:44

1.本发明涉及人工智能领域，具体而言，涉及一种宠物颜值评分方法、装置、存储介质及设备。

背景技术：

2.随着宠物在人们日常生活中的占比越来越大，人们对宠物的了解也越来越深，人们在购买或领养宠物时，也会对宠物的颜值进行比较，进而在行业内有了一套评判标准，行业中也经常会举办宠物选美比赛，而宠物本身条件(身型，颜值等)很重要。
3.现实生活中，往往颜值高的宠物售价也高。而目前并缺少针对宠物颜值进行评分的智能方法或软件。
4.因此，关于宠物颜值评分方面的技术，而有待于改进或发展。

技术实现要素：

5.本发明实施例提供了一种宠物颜值评分方法、装置、存储介质及设备，能根据宠物细粒度种类结合关键点信息对宠物的颜值进行量化评分。
6.根据本发明的一实施例，提供了一种宠物颜值评分方法，包括以下步骤：
7.基于获取的宠物图像进行细粒度分析，得到宠物的细粒度类别；
8.基于细粒度类别，对图像中的面部进行检测，得到宠物的面部图像；
9.对面部图像进行分析，得到面部图像中的关键点信息；
10.根据关键点信息进行计算，得到一组评判参数组，评判参数组内有若干评判参数；
11.将计算出的评判参数与细粒度类别对应的标准参数进行加权对比，得到对待检测的宠物的颜值评分。
12.进一步地，在基于获取的宠物图像进行细粒度分析，得到宠物的细粒度类别之前还包括：
13.获取待检测的宠物的图像。
14.进一步地，将计算出的评判参数与细粒度类别对应的标准参数进行加权对比，得到对待检测的宠物的颜值评分中包括：
15.通过颜值评分公式计算宠物的颜值评分；
16.颜值评分公式为：
17.s＝λ1×
m1+λ2×
m2+...+λ
n
×
m
n
18.其中，s为颜值评分，λ1,λ2,..,λ
n
分别为0至1中的权值，m1,m2,..,m
n
分别为评判参数组内的评判参数。
19.一种宠物颜值评分装置，包括：
20.细粒度分类模型，基于获取的宠物图像进行细粒度分析，得到宠物的细粒度类别；
21.目标检测模型，用于基于细粒度类别，对图像中的面部进行检测，得到宠物的面部图像；
22.关键点检测模型，用于对面部图像进行分析，得到面部图像中的关键点信息；
23.参数计算模块，用于根据关键点信息进行计算，得到一组评判参数组，评判参数组内有若干评判参数；
24.颜值评分模块，用于将计算出的评判参数于细粒度类别对应的标准参数进行加权对比，得到对待检测的宠物的颜值评分。
25.进一步地，装置包括：
26.图像获取模块，用于获取待检测的宠物的图像。
27.进一步地，颜值评分模块包括：
28.计算单元，用于通过颜值评分公式计算宠物的颜值评分；
29.颜值评分公式为：
30.s＝λ1×
m1+λ2×
m2+...+λ
n
×
m
n
31.其中，s为颜值评分，λ1,λ2,..,λ
n
分别为0至1中的权值，m1,m2,..,m
n
分别为评判参数组内的评判参数。
32.一种计算机可读存储介质，计算机可读存储介质存储一个或多个程序，一个或多个程序可被一个或多个处理器执行，以实现如上述任意一项的宠物颜值评分方法中的步骤。
33.一种终端设备，包括：处理器、存储器及通信总线；存储器上存储有可被处理器执行的计算机可读程序；
34.通信总线实现处理器和存储器之间的连接通信；
35.处理器执行计算机可读程序时实现上述任意一项的宠物颜值评分方法中的步骤。
36.本发明实施例中的宠物颜值评分方法、装置、存储介质及设备中，方法包括：基于获取的宠物图像进行细粒度分析，得到宠物的细粒度类别；基于细粒度类别，对图像中的面部进行检测，得到宠物的面部图像；对面部图像进行分析，得到面部图像中的关键点信息；根据关键点信息进行计算，得到一组评判参数组，评判参数组内有若干评判参数；将计算出的评判参数于细粒度类别对应的标准参数进行加权对比，得到对待检测的宠物的颜值评分。本技术基于得到的宠物的细粒度类别，并根据细粒度类别，得到宠物的面部图像，对面部图像进行分析，得到面部图像中的关键点信息，根据关键点信息计算得到若干评判参数，将评判参数与细粒度类别对应的标准参数进行加权对比，得到对待检测的宠物的颜值评分；本技术能够根据宠物细粒度种类结合关键点信息对宠物的颜值进行量化评分。
附图说明
37.此处所说明的附图用来提供对本发明的进一步理解，构成本技术的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
38.图1为本发明宠物颜值评分方法的流程图；
39.图2为本发明宠物颜值评分装置的原理图；
40.图3为本发明提供的终端设备原理图。
具体实施方式
41.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的
附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
42.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
43.根据本发明一实施例，提供了一种宠物颜值评分方法，参见图1和图2，包括以下步骤：
44.s101：基于获取的宠物图像进行细粒度分析，得到宠物的细粒度类别；
45.s102：基于细粒度类别，对图像中的面部进行检测，得到宠物的面部图像；
46.s103：对面部图像进行分析，得到面部图像中的关键点信息；
47.s104：根据关键点信息进行计算，得到一组评判参数组，评判参数组内有若干评判参数；
48.s105：将计算出的评判参数与细粒度类别对应的标准参数进行加权对比，得到对待检测的宠物的颜值评分。
49.本技术基于得到的宠物的细粒度类别，并根据细粒度类别，得到宠物的面部图像，对面部图像进行分析，得到面部图像中的关键点信息，根据关键点信息计算得到若干评判参数，将评判参数与细粒度类别对应的标准参数进行加权对比，得到对待检测的宠物的颜值评分；本技术能够根据宠物细粒度种类结合关键点信息对宠物的颜值进行量化评分。
50.实施例中，在基于获取的宠物图像进行细粒度分析，得到宠物的细粒度类别之前还包括：
51.获取待检测的宠物的图像。
52.本技术通过摄像机对待评分的宠物进行拍照，并将拍摄的图像供评分使用。
53.实施例中，将计算出的评判参数与细粒度类别对应的标准参数进行加权对比，得到对待检测的宠物的颜值评分中包括：
54.通过颜值评分公式计算宠物的颜值评分；
55.颜值评分公式为：
56.s＝λ1×
m1+λ2×
m2+...+λ
n
×
m
n
57.其中，s为颜值评分，λ1,λ2,..,λ
n
分别为0至1中的权值，m1,m2,..,m
n
分别为评判参数组内的评判参数。
58.本技术将计算出的评判参数与宠物类别对应的标准评判参数进行加权比对，权值根据具体类别进行动态调整，最终得到颜值分数。
59.具体地，颜值评分公式为：
60.颜值＝λ1×
参数1+λ2×
参数2+......+λ
n
×
参数
n
61.λ1,λ2,..,λ
n
均为0到1之间的的权值，根据具体细粒度类别而有所不同。
62.本技术可以用对多种宠物进行颜值评分，例如，获取猫的图像则对猫的颜值进行评分，获取宠物狗的图像则对狗的颜值进行评分。
63.下面以猫的具体实施例，对本发明的宠物颜值评分方法进行详细说明：
64.步骤一：获取宠物猫的图像。
65.步骤二：将获取的图像输入猫细粒度分类模型，得到猫的细粒度类别。
66.具体地，例如得到猫的细粒度类别为波斯猫、布偶猫、暹罗猫等等。
67.步骤三：将猫的图像输入到猫脸检测模型，得到猫脸图像。
68.步骤四：将猫脸图像通过猫脸关键点检测模型得到若干个猫脸关键点的位置，并利用关键点位置信息计算出一组评判参数组。
69.具体地，猫脸关节点可以为预设的猫脸上的特征，如猫的眼睛、耳朵、鼻子、嘴巴及猫的毛发，包括毛发的颜色、长短、色泽及光滑度等等；可以选择获取的数量，本实施例中选取猫脸部上十五个关键点来进行计算。
70.步骤五：将计算出的评判参数和猫类别对应的标准评判参数进行加权比对，权值根据具体类别进行动态调整，最终得到颜值分数。
71.具体地，通过颜值评分公式计算宠物的颜值评分；
72.颜值评分公式为：
73.s＝λ1×
m1+λ2×
m2+...+λ
n
×
m
n
74.其中，s为颜值评分，λ1,λ2,..,λ
n
分别为0至1中的权值，m1,m2,..,m
n
分别为评判参数组内的评判参数。
75.具体的，若需要对宠物狗进行颜值评分，则对使用狗的图像按照上述步骤进行评分步骤。
76.具体的，该猫细粒度分类模型训练步骤如下：
77.第一步：预设各种类猫的特征。
78.第二步：输入大量各种类型猫的图像。
79.第三步：识别所有的图像中的特征，将每一张图像中的获取的特征与预设猫的特征进行对比。
80.第四步：通过算法将图像中获取的特征与预设猫的特征相似度高的则视为该类种的猫，直至对所有图像中猫的种类进行分类，完成细粒度分类模型。
81.具体地，对其它宠物，例如狗，则生成狗的细粒度分类模型。
82.根据本发明的另一实施例，提供了一种宠物颜值评分装置，参见图2，包括：
83.细粒度分类模型100，基于获取的宠物图像进行细粒度分析，得到宠物的细粒度类别；
84.目标检测模型200，用于基于细粒度类别，对图像中的面部进行检测，得到宠物的面部图像；
85.关键点检测模型300，用于对面部图像进行分析，得到面部图像中的关键点信息；
86.参数计算模块400，用于根据关键点信息进行计算，得到一组评判参数组，评判参数组内有若干评判参数；
87.颜值评分模块500，用于将计算出的评判参数于细粒度类别对应的标准参数进行
加权对比，得到对待检测的宠物的颜值评分。
88.本技术基于得到的宠物的细粒度类别，并根据细粒度类别，得到宠物的面部图像，对面部图像进行分析，得到面部图像中的关键点信息，根据关键点信息计算得到若干评判参数，将评判参数与细粒度类别对应的标准参数进行加权对比，得到对待检测的宠物的颜值评分；本技术能够根据宠物细粒度种类结合关键点信息对宠物的颜值进行量化评分。
89.下面以猫的具体实施例，对本发明的宠物颜值评分方法进行详细说明：
90.步骤一：获取宠物猫的图像。
91.步骤二：将获取的图像输入猫细粒度分类模型，得到猫的细粒度类别。
92.具体地，例如得到猫的细粒度类别为波斯猫、布偶猫、暹罗猫等等。
93.步骤三：将猫的图像输入到猫脸检测模型，得到猫脸图像。
94.步骤四：将猫脸图像通过猫脸关键点检测模型得到若干个猫脸关键点的位置，并利用关键点位置信息计算出一组评判参数组。
95.具体地，猫脸关节点可以为预设的猫脸上的特征，如猫的眼睛、耳朵、鼻子、嘴巴及猫的毛发，包括毛发的颜色、长短、色泽及光滑度等等；可以选择获取的数量，本实施例中选取猫脸部上十五个关键点来进行计算。
96.步骤五：将计算出的评判参数和猫类别对应的标准评判参数进行加权比对，权值根据具体类别进行动态调整，最终得到颜值分数。
97.实施例中，装置包括：
98.图像获取模块，用于获取待检测的宠物的图像。
99.例如，通过摄像机获取图像。
100.实施例中，颜值评分模块包括：
101.计算单元，用于通过颜值评分公式计算宠物的颜值评分；
102.颜值评分公式为：
103.s＝λ1×
m1+λ2×
m2+...+λ
n
×
m
n
104.其中，s为颜值评分，λ1,λ2,..,λ
n
分别为0至1中的权值，m1,m2,..,m
n
分别为评判参数组内的评判参数。
105.基于上述宠物颜值评分方法，本实施例提供了一种计算机可读存储介质，计算机可读存储介质存储一个或多个程序，一个或多个程序可被一个或多个处理器执行，以实现如上述实施例的宠物颜值评分方法中的步骤。
106.基于上述宠物颜值评分方法，本技术还提供了一种终端设备，如图3所示，其包括至少一个处理器(processor)20；显示屏21；以及存储器(memory)22，还可以包括通信接口(communications interface)23和总线24。其中，处理器20、显示屏21、存储器22和通信接口23可以通过总线24完成相互间的通信。显示屏21设置为显示初始设置模式中预设的用户引导界面。通信接口23可以传输信息。处理器20可以调用存储器22中的逻辑指令，以执行上述实施例中的方法。
107.此外，上述的存储器22中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。
108.存储器22作为一种计算机可读存储介质，可设置为存储软件程序、计算机可执行程序，如本公开实施例中的方法对应的程序指令或模块。处理器20通过运行存储在存储器
22中的软件程序、指令或模块，从而执行功能应用以及数据处理，即实现上述实施例中的方法。
109.存储器22可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端设备的使用所创建的数据等。
110.此外，存储器22可以包括高速随机存取存储器，还可以包括非易失性存储器。例如，u盘、移动硬盘、只读存储器(read
‑
only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等多种可以存储程序代码的介质，也可以是暂态存储介质。
111.此外，上述存储介质以及终端设备中的多条指令处理器加载并执行的具体过程在上述方法中已经详细说明，在这里就不再一一陈述。
112.以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。