一种基于人工智能的口罩定制系统的制作方法

本实用新型涉及人工智能定制技术领域，特别是涉及一种基于人工智能的口罩定制系统。

背景技术：

目前的防护口罩的基本主要分为一次性防护口罩和特殊防护口罩(例如n95)，这些口罩的缺陷是，口罩的尺寸与使用者的脸型与大小不匹配，戴用时间长一点之后，要么是防护效果差(口罩比较宽松戴在脸上，没有达到防护效果)，要么是面部留下深深的痕迹，佩戴者的感受差，而且空气通过的流量下降，氧气吸入少，人体的免疫能力下降。由于不同人的脸型，尺寸变化很大，所以统一标准尺寸的口罩很难适用于全部人群。另外，由于儿童的脸型较小，不适于佩戴现有的成人口罩。

因此，亟需一种基于人工智能的口罩定制系统，能够解决现有统一尺寸的口罩不能适用所有人群的问题。

技术实现要素：

本实用新型的目的是提供一种基于人工智能的口罩定制系统，以解决上述现有统一尺寸的口罩不能适用所有人群的问题。

为实现上述目的，本实用新型提供了如下方案：

本实用新型提供一种基于人工智能的口罩定制系统，包括采集模块，所述采集模块用于采集人体面部图像；

还包括云端服务器，所述云端服务器包括存储模块、控制模块和计算模块，所述存储模块与所述采集模块建立连接，用于存储采集到的人体面部图像；所述计算模块通过所述控制模块与所述存储模块连接，用于对人体面部图像进行计算，得到口罩尺寸。

优选地，所述采集模块采用手机端app、小程序或电脑端软件。

优选地，所述存储模块采用存储器和/或云存储。

优选地，所述存储器采用浪潮存储器。

优选地，所述控制模块采用适用批处理技术的mapreduce模块。

优选地，所述计算模块采用nvidiajetsonxavier系列人工智能芯片盒。

本实用新型相对于现有技术取得了以下有益技术效果：

本实用新型提供的一种基于人工智能的口罩定制系统，系统包括采集模块和云端服务器，所述云端服务器包括存储模块、控制模块和计算模块，所述存储模块与所述采集模块建立连接；所述计算模块通过所述控制模块与所述存储模块连接，通过随机对人体面部进行测量建立初始模型，再通过将采集的图像对初始模型进行修正，最后建立口罩变量，将采集到的图像通过计算匹配到最终模型中，通过最终模型与口罩变量的匹配，得到定制口罩的尺寸，口罩的尺寸能够与定制者面部尺寸最大程度的吻合，提高了口罩的防护效果和佩戴舒适性。

附图说明

为了更清楚地说明本实用新型实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本实用新型的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本实用新型提供的一种基于人工智能的口罩定制系统各部分连接关系示意图；

图2为本实用新型提供的一种基于人工智能的口罩定制系统使用方法步骤流程图；

图3为本实用新型提供的一种基于人工智能的口罩定制系统使用方法中n95口罩变量分布示意图；

图4为本实用新型提供的一种基于人工智能的口罩定制系统使用方法中一次性口罩变量分布示意图；

图中：1：采集模块、2：云端服务器、21：存储模块、22：控制模块、23：计算模块。

具体实施方式

下面将结合本实用新型实施例中的附图，对本实用新型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实用新型一部分实施例，而不是全部的实施例。基于本实用新型中的实施例，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，都属于本实用新型保护的范围。

本实用新型的目的是提供一种基于人工智能的口罩定制系统，以解决现有统一尺寸的口罩不能适用所有人群的问题。

为使本实用新型的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本实用新型作进一步详细的说明。

实施例1：

本实施例提供一种基于人工智能的口罩定制系统，如图1所示，包括采集模块1，采集模块1用于采集人体面部图像；还包括云端服务器2，云端服务器2包括存储模块21、控制模块22和计算模块23，存储模块21与采集模块1建立连接，用于存储采集到的人体面部图像；计算模块23通过控制模块22与存储模块21连接，用于对人体面部图像进行计算，得到口罩尺寸。

具体地，采集模块采用手机端app。

进一步地，存储模块采用存储器，并同步到云端。

进一步地，存储器采用浪潮存储器。

进一步地，控制模块采用适用批处理技术的mapreduce模块。

进一步地，计算模块采用nvidiajetsonxavier系列人工智能芯片盒。

本实施例提供的一种基于人工智能的口罩定制系统，如图2所示，其使用方法为：

(1)建立初始模型：通过随机对人体面部尺寸进行测量，测量的范围包括眉心到人中两点之间的长度、左右颧骨最高点之间的长度、鼻子的高度、眼窝到颧骨的长度、鼻子的弧度等16个模型数据，得到初始面部3d模型，并将其存储至存储模块21；

(2)采集图像：通过手机端app随机拍摄人体面部照片，得到面部图像，并将采集到的图像存储至存储模块21，图像存储采用hadoop布局；

(3)计算：控制模块22控制计算模块23对存储模块21中的图像进行模式识别计算，得到面部特征数据，并将其匹配到初始面部3d模型中；

(4)建立最终模型：计算模块23通过随机森林算法利用图像数据对初始面部3d模型进行修正，得到最终面部3d模型，采集的人脸图像数据越多，得到的最终面部3d模型越准确；

(5)建立口罩变量：以n95口罩为例，根据口罩不同部分的尺寸、弧度建立若干变量，如图3所示，分别采集口罩中a、b、c、d、e、f、g这7段的长度和弧度参数以及h段耳绳的长度、j段金属压条的长度，得到16个变量，计算模块23将16个变量与最终面部3d模型的16个模型数据进行匹配；以一次性口罩为例，如图4所示，分别采集口罩中a、b、c、d、e、f这6段的长度和宽度参数以及g段口罩的整体长度、h段口罩的整体宽度、j段金属压条的长度以及k段耳绳的长度，得到16个变量，计算模块23将16个变量与最终面部3d模型的16个模型数据进行匹配，计算模块23采用决策树算法；

(6)获得定制尺寸：通过采集模块1对定制者面部进行图像数据采集，采集到的图像数据通过计算模块23匹配到最终面部3d模型中，再将最终面部3d模型匹配到口罩变量中，得到定制尺寸；同时，计算模块23利用采集到的定制者面部图像数据对最终面部3d模型再次进行修正，以不断提高精度。

需要说明的是，在源数据的采集中，性别、年龄、民族、身高、体重等也可以作为参考因素，但人体面部的长度、宽度仍需作为权重最重的选择，面部形状和局部特征次之，性别、年龄、民族、身高、体重等等因素最为权重最轻的选择。

本实用新型应用了具体个例对本实用新型的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本实用新型的方法及其核心思想；同时，对于本领域的一般技术人员，依据本实用新型的思想，在具体实施方式及应用范围上均会有改变之处。综上，本说明书内容不应理解为对本实用新型的限制。