一种服饰智能搭配系统和方法

技术领域

本发明涉及智能服饰搭配技术领域，特别涉及一种服饰智能搭配系统和方法。

背景技术

随着人类文明的不断发展，人们对于物质要求、生活品质也越来越高。

为了满足人们日益提高的物质要求，以及对于生活品质的追求，人们经常通过淘宝、穿衣应用软件进行服饰选购，但这种选购方式只能满足用户的购物需求，但是在颜色搭配、款型搭配等方便，网购并不能提供给人们在实地穿着搭配的体验，如果网购回来试穿不合适需要退货退款，增加了成本，体验也不佳，不能真正符合每个用户的穿衣搭配需求。

近年来,服饰搭配已经成为人们日常生活不可缺少的部分，因为得体的搭配套装可以迅速提高人们的外在形象。但并不是所有人都擅长服饰搭配，一些缺少审美的人经常会困扰于互补服饰(上衣、下衣)之间兼容与否、导致不兼容的因素是什么、有哪些可供选择的服饰等问题。

发明内容

本发明针对现有技术的缺陷，提供了一种服饰智能搭配系统和方法。针对用户基于用户已有的服饰进行服饰搭配推荐和新单品购入建议，

为了实现以上发明目的，本发明采取的技术方案如下：

一种服饰智能搭配系统，包括：云端服务器、云端处理器和WEB端；

所述云端服务器用于存储服饰智能搭配程序，智能搭配程序可被一个或者多个处理器执行，以实现服饰智能搭配的方法。

所述处理器用于执行云端服务器中存储的智能搭配程序，以实现服饰智能搭配的方法。

所述WEB端用于录入服饰款式、3D款式数据、人机交互、显示搭配结果。

智能搭配程序的功能模块包括：数据采集模块、系统建模模块、数据预处理、数据可视化模块和智能搭配模块；

数据采集模块：收集用户上传的拟购入的新的服饰款式和用户已有的服饰款式；

数据预处理模块：对数据采集模块收集的款式进行预处理；

系统建模模块：建立采用神经网络的搭配置换模型；

智能搭配模块：将新的服饰款式和用户已有的服饰款式进行部件置换搭配，获得与新服饰款式的搭配建议；

数据可视化模块：用以呈现给用户清晰、直观的数据；进行可视化配置和统计分析配置；根据统计配置查询组织数据，根据可视化配置呈现数据结果。

进一步地，搭配置换模型，包括：第一卷积层、第二层卷积层、第三卷积层、第四卷积层、第五卷积层、最大池化层、全连接层和梯度提升树算法；

第一卷积层至第五卷积层用于提取衣物款式的特征；

最大池化层用于全连接层用于将提取的所有特征以一维向量的方式表示出来。梯度提升树算法进行服饰搭配款式的有监督训练。

所述搭配置换模型的服饰搭配方法，包括以下步骤：

步骤1、构建基于款式的模型库建立及部件分层，包括：鞋款式库、鞋楦库、大底库和饰件库；

步骤2、构建基于神经网络的模型学习；

步骤3、根据专业智能部件置换搭配方案执行所对应的服饰搭配；

步骤4、款式智能搭配展示系统：对部件的搭配后大量新款式进行可视化展示。

本发明还公开了一种服饰智能搭配方法，包括：

若用户想要购买新的服饰，则获得拟购入的新的服饰款式，将新服饰款式与用户已有的服饰款式通过WEB端上传至服务器，

服务器得到用户上传的新服饰款式或根据单品的购买链接查找到相应服饰款式；对新服饰款式中的服饰进行特征提取，区分服饰分类；

服务器的智能搭配程序将新服饰款式分别与已有服饰部件模型进行置换搭配，获得与新服饰相搭配的搭配建议和搭配方案；由用户根据搭配方案决定新服饰单品是否购买。

进一步地，用户将所有的已有的服饰款式通过WEB端上传至服务器，服务器的智能搭配程序将所有已有服饰款式部件进行排列组合搭配，从而得到新的款式输出搭配建议。

与现有技术相比，本发明的优点在于：让款式可以轻松的根据顾客的意愿实现新的款式设计搭配，对不擅长服饰搭配的用户提供更好的穿搭选择，用户体验更好，能够增加用户好感度。本发明更加智能，服饰的搭配更能贴近用户理想状态，并且搭配效率高，实现成本低。

附图说明

图1是本发明实施例鞋类服饰智能搭配流程图；

图2是本发明实施例鞋类智能搭配效果图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚明白，以下根据附图并列举实施例，对本发明做进一步详细说明。

一种服饰智能搭配系统，包括：云端服务器、云端处理器和WEB端；

所述云端服务器用于存储服饰智能搭配程序，智能搭配程序可被一个或者多个处理器执行，以实现服饰智能搭配的方法。

所述处理器用于执行云端服务器中存储的智能搭配程序，以实现服饰智能搭配的方法。

所述WEB端用于录入服饰款式、3D款式数据、人机交互、显示搭配结果。

智能搭配程序的功能模块包括：数据采集模块、系统建模模块、数据预处理、数据可视化模块和智能搭配模块；

数据采集模块：收集用户上传的拟购入的新的服饰款式和用户已有的服饰款式；

数据预处理模块：对数据采集模块收集的款式进行预处理；

系统建模模块：建立采用神经网络的搭配置换模型；

智能搭配模块：将新的服饰款式和用户已有的服饰款式进行部件置换搭配，获得与新服饰款式的搭配建议；

数据可视化模块：用以呈现给用户清晰、直观的数据；进行可视化配置和统计分析配置；根据统计配置查询组织数据，根据可视化配置呈现数据结果；

搭配置换模型，包括：第一卷积层、第二层卷积层、第三卷积层、第四卷积层、第五卷积层、最大池化层、全连接层和梯度提升树算法；

第一卷积层至第五卷积层用于提取衣物款式的特征；

最大池化层用于全连接层用于将提取的所有特征以一维向量的方式表示出来。梯度提升树算法进行服饰搭配款式的有监督训练。

如图1所示，针对一种鞋类智能搭配方法，包括以下步骤：

S1：款式设计模型、鞋楦模型、大底模型、鞋跟模型、配饰件模型等模型的建立与上传服务器建立数据库。

S2：数据预处理模块：对数据采集模块收集的款式进行模型简化和UI分类处理。模型简化100M以内，以满足网页运行的需要，一般的模型简化到30M左右。

S3：智能搭配模块：将已有的服饰款式和数据库设计的服饰配件进行部件置换搭配，获得与新服饰款式的搭配建议。

S4：专业智能部件置换搭配方案执行所对应的服饰搭配；

S5：数据可视化模块通过WEB端用于录入和展示服饰款式、人机交互、显示搭配结果。款式智能搭配展示系统：对部件的搭配后大量新款式进行可视化展式。

如图2所示，用以呈现给用户清晰、直观的数据；进行可视化配置和；根据统计配置查询组织数据，根据可视化配置呈现数据结果。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的实施方法，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。