一种基于双模型的鞋楦参数自动预测方法及预测装置的制造方法
【技术领域】
[0001] 本发明涉及一种参数自动预测方法及预测装置，特别涉及一种基于双模型的鞋楦 参数自动预测方法及预测装置。
【背景技术】
[0002] 随着社会的进步，经济的发展，人民生活水平的提高，人们对鞋子的款式、舒适度 及制鞋工艺的要求也在逐渐提高，市场上常见的鞋子大多是均码，根据经验设计，对于大多 数消费者而言，存在不合脚的风险，而定制一双合脚的鞋子，不仅费时，花费也过于昂贵，普 通消费者往往无法承担。
[0003] 其中，鞋楦是制作鞋子的基准，与鞋子的舒适度、款式等有直接关系，也是制约消 费者定制合适鞋子的关键节点。目前，鞋楦参数一般通过有经验的技术师傅修正脚型基本 参数获得，而脚型数据由人工获取的一些基本特征参数构成，鞋楦在这些特征点处的修正、 过渡大多由设计者的经验决定，不仅具有很强的主观性，效率低，价格居高不下，因此，传统 的鞋楦模型设计方法难以满足快速设计高质量鞋楦的要求，制约了舒适、优质低价的鞋子 的设计和制作。
【发明内容】
[0004] 为了解决现有技术的不足，本发明的目的是提供一种能够快速、准确的鞋楦参数 自动预测方法及预测装置。
[0005] 为了实现上述目的，本发明提供了一种基于双模型的鞋楦参数自动预测方法，包 括如下步骤：
[0006] 步骤一，脚与楦分类模型、脚与楦差值模型的训练；
[0007] 步骤二，利用双模型自动预测鞋楦参数。
[0008] 优选地，步骤一进一步包括如下步骤：
[0009] 步骤S101，测量测试者足部参数；
[0010] 步骤S102,让测试者试穿基础鞋楦制作的鞋，匹配最合适的鞋码；
[0011] 步骤S103,将不同的鞋码作为不同的类别，足部参数作为特征，利用SVM训练分类 器，得到脚与楦分类模型；
[0012] 步骤S104,读入基础鞋楦参数，与足部参数一一对应，做差值；
[0013] 步骤S105,统计相同鞋码的差值期望，得到脚与楦差值模型。
[0014] 优选地，步骤二进一步包括如下步骤：
[0015] 步骤S201，测量消费者的足部参数；
[0016] 步骤S202,利用脚与楦分类模型预测鞋楦码数；
[0017] 步骤S203,在脚与楦差值模型中，获取鞋楦码数对应的脚与楦的差值；
[0018] 步骤S204,足部参数加上对应的差值得到最终楦的参数。
[0019] 本发明还提供了一种基于双模型的鞋楦参数自动预测装置，包括数据采集模块， 用于采集足部参数；双模型训练模块，用于训练脚与鞋楦分类模型和脚与鞋楦差值模型； 存储模块，用于保存足部数据、基础鞋楦参数、脚与鞋楦分类模型、脚与鞋楦差值模型；自动 预测模块，用于自动预测鞋楦参数。
[0020] 针对当前鞋楦设计效率低下、主观性强的问题，挖掘客户穿鞋的共性，设计出基于 双模型的鞋楦参数自动预测方法与装置，能够根据客户的足部参数自动预测并设计出合 适的鞋楦参数。
【附图说明】
[0021] 图1是本发明第一优选实施例的流程图；
[0022] 图2是本发明第二优选实施例的流程图；
[0023] 图3是本发明所提供的预测装置的结构示意图。
【具体实施方式】
[0024] 如图1所示，本发明提供了一种基于双模型的鞋楦参数自动预测方法，包括如下 步骤：
[0025] 步骤一，脚与楦分类模型、脚与楦差值模型的训练；
[0026] 步骤二，利用双模型自动预测鞋楦参数。
[0027] 有利地，所述步骤一进一步包括如下步骤：
[0028] S101，测量测试者足部参数；
[0029] S102,让测试者试穿基础鞋楦制作的鞋，匹配最合适的鞋码；
[0030] S103,将不同的鞋码作为不同的类别，足部参数作为特征，利用SVM训练分类器， 得到脚与楦分类模型；
[0031] S104,读入基础鞋楦参数，与足部参数一一对应，做差值；
[0032] S105,统计相同鞋码的差值期望，得到脚与楦差值模型。
[0033] 如图2所示，所述步骤一还可以进一步包括如下步骤：
[0034] S111，测量测试者足部参数；
[0035] S112,让测试者试穿基础鞋楦制作的鞋，匹配最合适的鞋码；
[0036] Sl 13,读入基础鞋楦参数，与足部参数 对应，做差值
[0037] S114,统计相同鞋码的差值期望，得到脚与楦差值模型；
[0038] S115,将不同的鞋码作为不同的类别，足部参数作为特征，利用SVM训练分类器， 得到脚与楦分类模型。
[0039] 上述SlOl步骤中，测量测试者足部参数时，具体包括脚长、后身长、后跟边距、脚 跖围G2、脚跖围G3、脚兜跟围G4、脚宽、掌宽、拇指外突点轮廓5里宽、小趾外突点轮廓外宽、 第一跖趾轮廓里宽、第五跖趾轮廓外宽、腰窝轮廓外宽、踵心轮廓全宽、拇指高度、脚型G2 高、脚型G3高、脚型G4高、脚投影底面积、G2面积、G3面积、G4面积、G4前中截面面积、脚 前部体积、整脚体积。
[0040] 上述S102步骤中，即让测试者试穿基础鞋楦制作的鞋，匹配最合适的鞋0码，这里 需要让多个测试者试穿基础鞋楦制作的鞋，但匹配到最合适的鞋码时，记录下来，并且与该 测试者的足部参数相联系，得到分类模型。
[0041] 上述S103和S115步骤中，在得到脚与鞋楦分类模型时，需要利用SVM训练分类 器。SVM英文全称为support vector machine，中文名为支持向量机，通俗来讲，它是一种 二类分类模型，其基本模型定义为特征空间上的间5隔最大的线性分类器，其学习策略便 是间隔最大化，最终可转化为一个凸二次规划问题的求解。
[0042] 上述S105和S114步骤中，得到脚与楦差值模型时，需要利用的公式如下：
[0044] 其中i表示不同鞋码，Ni为鞋码i对应学习样本数，C为足部参数与鞋楦参数差 值。
[0045] 通过步骤一可以得到两个模型，即分类模型和差值模型。
[0046] 步骤二可以进一步包括如下步骤：
[0047] S201，测量消费者的足部参数；
[0048] S202,利用脚与楦分类模型预测鞋楦码数；
[0049] S203,在脚与楦差值模型中，获取鞋楦码数对应的脚与楦的差值；
[0050] S204,足部参数加上对应的差值得到最终楦的参数。
[0051] 在上述步骤S201中，先测量要定制鞋的某个