3.1、  主要研究内容：

3.1.1 设备原理

3.1.1.1建立镜架形态特征数据库

采集市场上现有的镜架形态，构建镜架形态原理数据库。第一阶段（供内部建构原理）：选用3D扫描仪，扫描采集5000副镜架数据，得到STL/OBJ和图像、视频等数据，得到的数据供设计团队内部建立映射与镜架形态原理数据库。第二阶段（原型设备输出与试用）：设计开发眼镜参数采集设备，以供后续眼镜店工作人员进行门店内镜架的入库。眼镜参数采集设备对市面上不同款眼镜进行采集。镜架图像处理与参数采集：对采集到的镜架三维模型进行处理，将模型与三维坐标对齐，并进行重建、优化、修剪、入库等。开发眼镜参数提取系统，根据三维模型自动提取镜架尺寸、镜架颜色等物理数据。手动输入其他参数，如镜架材质、价格、品牌等出厂基础信息

                                    

                                                          采集扫描仪

3.1.1.2建立用户审美偏好数据库

用户审美偏好获取:利用大数据挖掘、用户访谈等用户洞察方法，获取大于300人的用户审美偏好，建立审美偏好原理数据库。用户审美偏好聚类:将不同审美偏好的形容词进行聚类。

高端奢华人群：偏好高档、奢华品牌的眼镜，注重品质和设计的精致性

运动爱好人群：注重眼镜的功能性和舒适性，倾向于选择运动眼镜

商务专业人群：需要专业、正式的眼镜款式，适应工作环境和职业形象

个性时尚人群：喜欢独特、前卫的眼镜款式，追求个性化和时尚

环保意识人群：关注环保和可持续发展，倾向于选择环保材料眼镜款式

3.1.1.3构建用户审美偏好与镜架形态的映射模型

开发镜架形态自动分类系统；眼镜参数采集设备计算机学习映射模型，自动将眼镜参数采集设备采集的镜架根据其造型差异，划分为不同的类别，例如全框、半框、无框，根据镜框分为方的、圆的、异形的等不同类别。将聚类的偏好形容词与镜架造型进行映射。

3.1.2  设备设计

3.1.2.1结构设计

第一阶段使用三维扫描仪完成原理建构；第二阶段设计开发面向门店工作人员的眼镜采集设备。确定设备所需功能部件与光学扫描系统：包括高分辨率摄像头、激光或光学传感器等，用于扫描眼镜的各个部分。设计机械结构：确保眼镜在扫描过程中的稳定性，避免移动或晃动导致扫描失真。设计扫描结构，如支架。搭载高精度的运动旋转系统，确保完整扫描眼镜整体。照明系统：设计合适的照明系统，确保眼镜表面均匀照明，避免阴影影响扫描结果。接口和通信：集成各种接口，如USB、Wi-Fi、蓝牙等，用于数据传输和设备控制。主板和处理器：选择适当的主板和处理器，用于控制设备的各个部分，处理图像数据和传感器数据。

3.1.2.2设备人机交互

符合人体工程学：根据人体尺寸与习惯，设计的眼镜采集设备满足操作过程舒适性原则，不易造成使用者疲累。物理按键或触摸屏交互：触摸屏显示操作进程与功能模块，理按键方便用户进行相关操作。语音交互与功能指引：集成语音助手，使用户可以通过语音指令完成扫描、定义眼镜参数等操作，并及时反馈扫描进程，例如扫描失败，完成扫描等。视觉辅助：眼镜放置位置图标、功能部件图标、LED指示灯指示设备状态、指示屏上的图形或动画引导用户操作。设备直观易用：设备使用过程用户能够迅速理解如何操作。

3.1.3  设备原理

3.1.3.1建立脸部生理尺寸数据库；

人脸尺寸参数识别系统特征点定位：计算机自动定位人脸上的关键

特征点，例如眼角、鼻梁、太阳穴等。脸部关键部位尺寸测量：基于定位的特征点，测量不同部位的距离、角度和比例，得出人脸的关键部位尺寸参数。

3.1.3.2眼镜尺寸与舒适度关系

镜架关键尺寸实验：设计实验测试镜架哪些尺寸与人脸舒适度相关，找到强关联参数，例如镜腿长度等。舒适度实验：实验量化用户的舒适度以供建立映射。

3.1.3.3构建人脸生理尺寸与眼镜舒适度的映射模型

人脸尺寸采集+镜架推荐一体设备 建立映射：确定人脸关键部位的生理尺寸与眼镜尺寸之

间的舒适度关系，构建映射模型。

3.1.3.4融合人脸生理尺寸与用户审美偏好的镜架推荐

构建满足舒适度条件下的用户审美偏好与镜架造型推荐模型。根据用户自己选择的审美偏好，与品牌、价格等限制条件，在构建的门店镜架数据库中匹配合适的镜架，满足用户主观喜好、生理尺寸、特殊条件限制等要求。

3.2软件前端： 

3.2.1.1 UI设计前期调研

3.2.1.1现有资料整理及设计体系交接

梳理并与三联集团交接现有研究资料、设计资料等。了解三联集团现有设计体系，包括其范围、应用方式、 命名规范、迭代机制等。

3.2.1.2 品牌文化形象及桌面调研

（1）面向三联文化特点、设计趋势、实际受众群体诉求、 业务未来发展规划等方向进行品牌个性化的桌面研究 和关注点脚本设定。 

（2）重点从三联的品牌文化特征方向进行挖掘。 

（3）进行品牌文化符号的初步方向输出。

3.2.1.3  产品走向

对现有产品各个方面进行走查，方便了解优势和漏洞。主要包括：信息架构、交互流程、交互效果、设计文档、交互界面、功能实现、安全性等方面。

3.2.1.4  相关利益者访谈

获取各个相关利益者的需求和期望，了解不同利益者的优先级和关注点。 

访谈对象包括但不限于： 

（1）三联高层：部长，主管，相关领导； 

（2）关联业务及技术部门领导：采购部、销售部、营销部等关联部门； 

（3）项目组及开发团队成员； 

（4）眼镜消费群体。

3.2.1.5 相关竞品分析

对于同类相关竞品的品牌文化、风格、市场定位、动效、交互模式、设计元素、用户流程等进行分析，为后续提供灵感并避免常见的问题，进而输出三联的品牌差异化策略。 

（1）对三联的品牌文化特征进行点子发想及归纳总结，提出设计假设，确定三联的视觉关键词、设计意象图、交互参考图、交互元素创意点、情感化体验、交互假设。 

（2）包括品牌个性特征定位；确认频道一级页面；视觉 风格关键词；品牌视觉元素提炼。

3.2.2UI整体设计规范输出

3.2.2.1视觉设计输出

（1）视觉规范体系：输出整套UI规范系统，即服务端与管理端的整体视觉颜色、字体和图标等，确保界面美观协调性和一致性。 

（2）信息架构：设计两台设备UI操作系统及网页管理系统清晰的信息架构，操作顺序与功能。 

（3）布局和导航：设计直观的页面布局和导航结构，确保用户可以轻松地浏览不同的功能和页面。 

（4）交互元素设计：包括UI操作界面的所有的交互元素、按钮、输入框、下拉菜单等。 

（5）动效设计：使用适当的动画和过渡效果，增强用户的交互体验。

3.2.2.2镜架采集设备UI设计

主要用于“眼镜参数采集设备”的操作交互。包括镜架扫描与重建模块和尺寸识别与特征分类模块。

3.2.2.3镜架扫描与重建模块

（1）开始扫描：包括设备状态检查、根据页面提示调整镜架位置等。 

（2）基础信息输入： 包括镜架型号、品牌、售卖价格、材质、重量、入库时间、库存量等信息的输入。 

（3）扫描进度与实时预览：提供实时的镜架扫描重建进度预览，及剩余扫描时间，识别精度等参数。 

（4）镜架三维重建模型展示：展示镜架的三维效果，若重建效果不佳调整识别精度进行重新扫描。

3.2.2.4尺寸识别与特征分类模块

（1）尺寸参数识别：标示出镜架各部位的尺寸。包括中梁长度、镜框长宽、镜腿长度、镜架整体宽度等。 

（2）镜架特征分类： 将镜框根据眼镜造型特点自动归类到相应的类别中，例如全框、半框、无框、方形框、圆形镜框、异形镜框等。 

（3）信息汇总与确认：展示镜架的基础信息、三维效果、尺寸参数、特征类别等所有信息，供操作者确认。 

（4）入库成功：显示成功入库的提示信息，告知用户操作已完成。允许用户选择继续进行下一副眼镜的扫描与识别。

3.2.3人脸采集与镜架推荐一体设备操作UI设计

主要用于“人脸尺寸采集+镜架推荐一体设备”上的交互。包括人脸尺寸扫描模块和眼镜个性化推荐模块。

3.2.3.1人脸尺寸扫描模块

（1）欢迎界面：包含设备的品牌标识和简洁的欢迎词，让用户在启动设备时感受到友好和专业。 

（2）脸部授权与隐私保护：提供清晰的隐私政策，不使用人脸肖像用于他途。提醒用户关于脸部数据只提取脸部尺寸用于眼镜选择服务，用户授权人脸数据。 

（3）扫描引导界面：提供清晰的动作指引，告诉用户如何调整姿势、位置以便进行扫描。使用图示、动画或简短的文字说明。 

（4）实时反馈界面：在扫描过程中，提供实时的扫描进度条或百分比，以及清晰的指示，反馈用户扫描的进展。 

（5）人脸尺寸分析界面：根据扫描的人脸尺寸参数，设计展示动效，并标注人脸关键部位尺寸。

3.2.3.2眼镜个性化推荐模块

（1）用户个人数据输入（可选填）：用户个人情况输入，包括验光数据、自己眼镜数据等信息。 

（2）眼镜款式选择：根据扫描获得的人脸尺寸数据，用户在设备上进行个性化眼镜偏好选择，并加入限制条件，包括品牌、价格、材质等。系统推荐符合用户期待的眼镜。 

（3）推荐结果显示：显示推荐的眼镜款式和相关特征信息，提供眼镜柜台位置，以供用户佩戴查看效果。 

（4）提交镜架订单：选购到自己喜欢的镜架后，可直接在设备上下单，然后寻找导购人员进行配镜片服务。

3.2.4   网页管理端UI

3.2.4.1镜架信息综合管理平台

（1）眼镜管理交互系统： 制定用户在系统中的各种操作，包括点击顺序、菜单栏管理、层级划分、页面导航、防误触操作、图标示意等。 

（2）镜架特征提取系统：包括镜架尺寸、形态、颜色等特征的精确测量与识别。 

镜架数据检索系统：可以查看不同类别下的在库眼镜汇总信息。 

（3）镜架信息查询系统：一款镜架的入库时间、型号、品牌、价格、材质、尺寸、色彩、三维模型等详细信息。 

（4）镜架在库跟踪系统：镜架成交后的库存情况更新，在镜架数据库中减去已售数量，显示库存余量、售出量。

3.2.4.2用户脸部参数管理平台

（1）用户信息管理交互系统：包括人脸参数的菜单栏布局、重要信息的位置排布、人眼浏览顺序设计、功能架构等。 

（2）用户脸部特征提取系统：眼睛宽度、鼻梁宽度、鼻深、头部尺寸、脸型等人脸特征的精确测量与识别。 

（3）用户信息检索系统：搜索和筛选功能，查看所有进行脸部生理参数扫描用户的表单。管理员可以快速找到特定用户的信息。 

（4）用户信息查询系统：查看用户的个人详细信息，包括姓名、联系信息等基本信息，扫描数据以及手动添加的信息，如验光数据、原镜架数据等。 

（5）管理员操作记录和权限管理系统：记录管理员对用户数据的操作，包括添加、编辑、删除等。限制数据下载权限，保证人脸数据安全性。

3.2.4.3用户审美偏好数据管理平台

原理库： 

（1）用户审美偏好数据管理交互系统：设计和组织信息结构，包括页面布局、导航结构等。 制定系统整体风格，确定各元素的相对位置和大小。 

（2）用户审美偏好数据检索系统：已建立的用户审美偏好类别的展示与检索。 

（3）用户审美偏好数据查询系统：已建立的用户审美偏好与镜架造型映射的具体对应信息查看。 

迭代库： 

（1）设备输出后置于门店内，不断的采集新的用户审美偏好与对应的成交镜架形态，将其反馈到数据库，从而不断更新优化原数据库。

3.2.4.4眼镜售后管理与跟踪平台

（1）眼镜售后管理与跟踪交互系统：在用户操作后给予即时反馈，例如提示信息，设计用户错误操作的提示和纠正机制，提高系统容错性。系统数据可视化的设计。 

（2）眼镜售后管理与跟踪数据检索系统：查看所有成交订单的汇总表单，并提供检索功能。 

（3）眼镜售后管理与跟踪数据查询系统：查看每一位用户成交订单的详细信息，包括购入的镜架、选择的审美偏好、人脸尺寸、所选镜片、费用等。 

（4）眼镜售后管理与跟踪数据分析系统：根据成交订单分析镜架可能的流行趋势和关联性，为进货眼镜的类型提供参考。根据销售情况，预测下一季度成交量，为眼镜进货数量提供参考。

3.3软件后端

3.3.1 针对用户的数据管理

3.3.1.1 构建MySQL数据库

存储所有用户及订单信息，用户人脸特征通过人脸采集一体设备导入，订单的新建、去除、查询、调整，都通过对数据库增删查改来实现。

3.3.1.2 管理所有用户信息

管理包括用户账户信息（用户注册信息及保存的偏好设置）、用户人脸参数及特征（通过人脸参数与特征提取算法获得）、用户个人数据（选填的验光数据）、个人订单信息等。包括：

审美偏好：用户可能偏好简约、稳重、时尚或运动等不同风格的镜架。

价格：用户对价格的敏感度不同，价格信息有助于筛选符合用户预算的镜架。

品牌：用户可能对特定品牌有偏好，如高端品牌或经济型品牌。

价格：用户可能有一个价格上限或偏好的经济型选项。

材质：用户可能对材质有特定要求，如轻便、耐用或过敏性考虑。管理

3.3.2 针对用户的系统管理

3.3.2.1 人脸参数检测与特征提取系统

算法生成人脸参数及特征结果。其中主要包括适应性嵌入层和适应性网络两部分。整个系统通过以下步骤，能够从原始的人脸图像数据中提取出有用的特征，并最终预测出人脸的尺寸参数，为个性化的镜架推荐提供基础数据。最终，经过多层FC和RaLU处理后的特征被送入预测器，预测器根据学习到的特征进行最终的预测，输出人脸尺寸参数。具体包括：

Tensor Splicing：合并不同来源的特征向量，以便更全面地表示输入数据。

Mean Operation: 计算特征向量的平均值，进行数据标准化，减少不同特征之间的量纲差异，提高模型的泛化能力。

全连接层（FC）: 位于网络的最后几层，用于分类任务的输出层。它将前一层的特征图（矩阵）展开成一维向量，为分类器提供输入。其作用是将学到的“分布式特征表示”映射到样本标记空间，起到分类器的作用。多层FC通过增加网络的深度，可以学习到更复杂的特征表示。每一层FC都会对输入进行线性变换，然后通过激活函数引入非线性。

ReLU激活函数：用于引入非线性，帮助网络学习复杂模式。在每一层FC之后，使用ReLU激活函数来增加网络的非线性表达能力，使得网络能够学习到更复杂的特征。

3.3.2.2 镜架推荐系统

管理员拥有自己的管理员账户，同时可以管理用户账户信息、用户人脸参数及特征、用户个人数据（验光数据）、用户审美偏好、订单详细信息（镜架、镜片）等。基于镜架形态、特征参数提取算法、人脸参数检测与特征提取算法生成的镜架、人脸数据等参数，为用户推荐镜架。这个系统利用先进的算法和用户数据来推荐镜架。具体包括：

偏好结果：通过机器学习模型的训练，得到能够预测用户偏好的模型。

品牌评分：根据用户对不同品牌的偏好程度进行评分。

价格评分：根据用户的价格敏感度和预算限制进行评分。

材质评分：根据用户对不同材质的偏好进行评分。

3.3.3 针对镜架的数据管理

3.3.3.1 构建MySQL数据库

存储所有镜架信息、所有用户及订单信息。眼镜采集设备导入的新镜架信息，以及用户和订单的新建、去除、查询、调整，都通过对数据库增删查改来实现。具体包括

数据采集：从各种来源收集镜架的详细信息，包括制造商、零售商和用户反馈。

数据分类：根据镜架的属性，如形态、材质、价格等，对数据进行分类，以便于检索和分析。

数据整理：对收集到的数据进行清洗和整理，确保数据的准确性和一致性。

数据库更新：定期更新数据库，以反映市场上新的镜架款式和变化。

3.3.3.2 管理所有镜架信息

管理所有镜架形态及特征标签、镜架详细数据（入库时间、型号、 品牌、材质、色彩，三维模型等详细信息）、镜架库存余量等。具体包括：

镜架形态：如镜面宽度、镜高、镜脚长等，这些尺寸信息对于确保镜架与用户脸型的匹配至关重要。

材质：记录镜架的材质，如塑料、金属、钛合金等，材质影响镜架的耐用性、重量和舒适度。

价格：存储镜架的价格信息，帮助用户根据预算选择合适的镜架。

其他属性：镜架的品牌、设计者、流行趋势等信息。

3.3.4 针对镜架的系统管理

3.3.4.1 镜架形态与特征参数提取系统

算法生成人脸参数及特征结果。这个系统通过特征标签来描述和分类镜架的风格和特性，以便更好地匹配用户的个性化需求。包括特征标签和利用图像处理和模式识别技术，识别镜架的关键审美特征进行特征识别。

 

2.2  国内外同类研究工作的现状

2.2.1人脸特征识别的研究现状

人脸识别是通过计算机对采集到的人脸信息进行处理，识别出人脸的关键信息，实现身份辨别的技术。人脸识别因其在采集生物特征方面的便捷性，得到国内外众多研究者的关注， 近几十年在技术方面发展迅猛。国外，1991年麻省理工的Turk以特征向量的集合表示人脸特征，开发了一种利用面部特征识别人的系统，凸显了利用机器学习进行人脸识别的优势。 2002年，Thalheim等人提出可采用人脸图片或者视频进行人脸验证的方法。2015年,Google公司的Schroff等人开发了一个用于面部验证的FaceNet系统。FaceNet在深度卷积网络的基础方法上进行了改进，可以直接学习嵌入到欧式空间中的人脸验证，能够有效降低人脸验证（识别是同一人）的错误率。美国的人脸识别技术在很多前瞻领域取得了突破性进展，FBI推出的电子识别系统，将实现全面监视嫌疑人，有利于打击违法犯罪行为和维护国家安全。国 内，2004年商汤科技研究出了实现深度隐藏身份特征（DeepID） 的用户人脸验证方法。 目前商汤科技的人脸识别技术在行业内名列前茅，与京东、银联等都有合作，也参与了与政府合作的智慧城市项目。旷世科技是人脸识别方面的独角兽公司，发表了多篇有影响力的文章，促进了多个行业革命性的发展。face++是旷视科技研发的人工智能平台，能够提供人脸检测、情绪识别、面部特征分析等技术，并提供一些开源代码，协助商业和学术研究。科大讯飞与汤晓鸥团队合作，研发出超高水平的人脸识别技术，在线和离线状态都能实现人脸检测。 阿里基于深度学习和海量人脸标注数据，依托阿里云技术，为客户提供稳定、可靠的大流量服务。

由上述研究可知，国内外在人脸识别的研究上取得了很大进展，因其非侵扰、快速、精准度髙等技术优点，主要被应用在身份识别、公共安全、表情识别、金融安全等方面。随着人脸识别技术的发展和推广，其在商业和国防领域上的巨大应用价值逐步凸显。

2.2.2性化眼镜设计研究现状

人性化设计是指以设计出满足人们物质、精神需求的产品为目标，给予用户好用、舒适、 满足的感受，人性化的设计是当今产品设计的发展方向和追求理想。 人性化的眼镜设计， 即把人的因素放在首位，设计出满足用户的生理、心理需求的眼镜。

国外，Hideyoshi和Shuichi（2004）提出了一个消费者参与眼镜框架设计过程的工业设计系统。该系统基于交互式计算技术，客户可以通过图像与系统交互，对系统提供的样本进行评估，逐步缩小候选范围。在实验设计中，先输入被访者的脸部特征参数，被访者用三个感性词对系统提供的六个眼镜样本进行评估，通过遗传算法分别做三次迭代处理，得出最终的设计方案。最后再做一次对比实验，系统生成的眼镜的与别的眼镜随机对比，并通过问卷调查验证系统的正确性。Mochimaru和Kouchi（2008）构建了一个三维面部形状数据库系统，并从统计学上推导出日本成年男性具有代表性的面部形状。他们开发了一个眼镜框架推荐系统，该系统根据测量到的单个用户的3D脸型来建议合适的框架大小，并通过用户佩戴选定的眼镜框研宄特定情感反应的印象评级。Kee Man Chuah（2008）等人介绍了利用电脑虚拟现实技术开发的一个面向客户的设计支持系统。该系统把电脑虚拟现实技术与感性工学方法相结合，并以青少年眼镜设计为例对该方法进行了评价。在该原型系统中，用户或消费者可以根据给定的镜框类型、镜框尺寸、镜框厚度、镜框颜色来选择眼镜的设计。该系统可以根据用户的选择生成不同的眼镜设计，然后可以转换成不同的颜色。

国内，胡小羽（2008）从人机工程学的角度出发，基于中国人的脸部特征，研宄了对眼镜尺寸和规格设计有重要影响的瞳距和眶距，为眼镜的设计、生产和选配提供参考。基于个性化面部特征，为了满足个性化设计产品需求，Zhou H（2008）等人提出了一种基于面部特征的网络环境下眼镜配置设计系统。该系统建立了眼镜参数化组件库，采集用户脸部正、侧面图片生成面部3D模型，提取个性化的面部特征参数。依据用户的面部参数和要求，对眼镜组件进行配置，从而完成了整个眼镜的设计过程。该系统包括三个模块：（１）人脸提取模块。提取出用户的正面和侧面照片，通过计算确定直接影响眼镜设计的脸部特征参数。 （２） 眼镜匹配设计模块。 首先将用户的定性需求转化成定量数据，并结合其脸部特征参数构建眼镜配置需求。其次，该模块根据特征需求在眼镜组件数据库中搜索匹配的组件，然后将搜索到的眼镜组件组装在一起（根据用户的需求，可以考虑搜索到的眼镜组件的变形设计）， 同时将其可视化。最后，设计师根据客户和经销商浏览后的反馈改进设计。（３）眼镜组件输入模块。在该模块中，设计师可以输入、更新和删除镜架、镜片等眼镜组件。它包括眼镜组件的详细装配信息和它们的需求映射关系。刘雨东（2014）提出一种基于头部三维信息在线定制眼镜的设计方法。首先利用3D扫描仪采集用户头部信息，建立数字模型。接着根据用户的头部数字模型进行眼镜的个性化设计和推荐。最后呈现给眼镜仿真试戴效果，并输出眼镜。

Cheng-Hung（2015 ）等人对3D眼镜框架的设计特征和用户面部特征之间相互作用是如何影响用户的个性特征的进行了研究。首先进行人脸分类，识别出具有代表性的面部；其次， 使用3D面部扫描仪捕获已识别出的人脸模型，构建逼真的人脸3D模型；而后，确定可识别的人脸参数变化阈值，在此基础上移动眼睛控制点来修改眼睛距离和眼睛方向进行3D人脸变形，构建3D眼镜框架；最后进行感性评价实验，采用自信水平、友善程度和吸引力水平三种情感指标进行衡量。这些研宄为情感化产品设计和感性工程学增加了新的维度，即人类社会认知。张嘉欣等人通过对比广东青年与西方评价头部数据的差异，发现了头部形态尺寸对眼镜形状、尺寸的影响。Chu（2017）等人提出了一种基于参数化人脸建模的眼镜框架个性化设计计算框架。非接触式扫描采集大量三维人脸模型作为训练数据；采用主成分分析可以降低数据复杂度，同时保留足够的数据方差；通过交叉参数化对简化模型进行修改，使其具有相同的网格连接性；利用真人的面部图像绘制合成的几何图形，生成人脸模型，这些模型不仅可以实时调整框架设计，而且可以评估设计风格是否适合或如何适合个人的面部特征。 基于以人为中心的设计理念，提髙了三维人体测量数据的实用价值。由上述研宄可知，目前眼镜的人性化设计主要涉及适配人脸生理特征、与用户交互、感性工学研宄 眼镜与人脸相互作用等方面的影响。其中，很多倾向于综合研宄人脸生理尺寸和感性工学，并强调用户参与设计的重要性，以此获得人性化的眼镜产品。