智能服饰存储装置及基于其的存储、推荐方法与装置与流程

本发明涉及智能家具领域，更具体地，涉及一种智能服饰存储装置及基于其的存储、推荐方法与装置。

背景技术：

服饰存储装置如鞋柜、首饰柜等均属于日常生活中常用的家具用品，当前市场上服饰存储装置种类繁多，样式各异，但其设计和功能基本没跳出传统家具的概念范畴，随着人们生活水平的提高和生活节奏的加快，家庭中各类搭配服饰的数量和种类越来越多，如：鞋子、袜子、帽子、首饰等，用户想要为精心挑选的服装搭配合适的搭配服饰，如合适的鞋子、首饰等，需要一定的时间和精力，想到合适的搭配服饰，再将其从繁多的搭配服饰中找出也是一件繁琐的事情，特别是对于一些容量大、柜门多的服饰存储装置，往往需要打开多个柜门之后才能找到自己需要的搭配服饰，耗费很多时间和精力。

如何找出最适合用户当天服装类型的搭配服饰，成为亟待解决的问题。

技术实现要素：

鉴于上述问题，本发明的目的在于提供一种智能服饰存储装置及基于其的存储、推荐方法与装置。

为实现上述目的，本发明采取如下技术方案：

本发明首先提供了一种基于智能服饰存储装置的存储方法，包括：

采集待存储服饰的图片信息，将所述图片信息与数据库中已存储的图片数据进行比对，判断该待存储服饰是否为初次存储；

当该待存储服饰为初次存储时，解析所述图片信息以确定该待存储服饰的特征信息，根据所述特征信息及预设分类规则对该待存储服饰进行分类，提示将该待存储服饰存储于智能储物装置中与该待存储服饰分类类别相对应的存储位置，并将该待存储服饰的图片信息、特征信息、分类信息及存储位置信息进行关联存储。

具体地，所述特征信息包括种类、材质、颜色、款式、风格、适宜场合、适宜季节及尺寸数据中的一种或任意多种。

优选地，所述解析所述图片信息以确定该待存储服饰的特征信息的步骤，包括：

将获取的所述图片信息与数据库进行对比，获取该待存储服饰的同款产品及该同款产品的特征信息；

将所述特征信息作为该待存储服饰的特征信息并显示待确认界面，待用户发送确认指令后确定该待存储服饰的特征信息。

优选地，所述解析所述图片信息以确定该待存储服饰的特征信息的步骤，包括：

利用包含已知特征信息的图片数据作为样本库进行训练，基于深度学习技术建立所述特征信息相应的识别模型；

基于所述识别模型对所述待存储服饰的图片信息进行图像特征的识别，得到待存储服饰的特征信息。

优选地，还包括：记录各所述待存储服饰的保养时间及保养周期，根据所述保养时间和/或保养周期确定下次保养时间并对所述下次保养时间进行监控以便进行保养提醒。

具体地，所述基于智能服饰存储装置的存储方法，还包括：当该待存储服饰不是初次存储时，解析所述图片信息确定该服饰在所述智能储物装置中的存储位置信息。

进一步地，本发明还提供了一种基于智能服饰存储装置的服饰推荐方法，包括：

通过上述任一技术方案所述的存储方法将服饰存储于智能服饰存储装置中；

获取用户当前的着装信息；

基于预设搭配规则，从所述智能服饰存储装置的现存服饰中匹配与用户当前着装信息相匹配的搭配服饰，并将所述搭配服饰推荐给用户。

优选地，所述获取用户当前的着装信息之前，还包括：

获取当天的天气和/或温度信息，根据预设规则向用户推荐与当天天气和/或温度信息相匹配的服装。

优选地，所述获取用户当前的着装信息的步骤，包括：

采集用户当前的着装图片，解析该着装图片以确定用户当前的着装信息。

优选地，基于智能服饰储物装置的服饰推荐方法还包括：

获取用户对推荐的所述服饰的反馈信息，并将所述反馈信息及推荐的所述服饰作为训练样本建立推荐算法模型。

优选地，基于智能服饰储物装置的服饰推荐方法还包括：

基于所述反馈信息和各服饰的使用频次生成闲置服饰信息，接收出售或出租服饰的确定指令后，将用户选定的服饰及该服饰相对应的特征信息发送至预先建立联系的出售或出租平台上。

相应地，本发明提供了一种基于智能服饰存储装置的存储装置，包括：

判断模块，用于采集待存储服饰的图片信息，将所述图片信息与数据库中已存储的图片数据进行比对，判断该待存储服饰是否为初次存储；

确定模块，用于当该待存储服饰为初次存储时，解析所述图片信息以确定该待存储服饰的特征信息，根据所述特征信息及预设分类规则对该待存储服饰进行分类，提示将该待存储服饰存储于智能储物装置中与该待存储服饰分类类别相对应的存储位置，并将该待存储服饰的图片信息、特征信息、分类信息及存储位置信息进行关联存储。

相应地，本发明提供了一种基于智能服饰存储装置的服饰推荐装置，包括：

上述基于智能服饰存储装置的存储装置；

获取模块，用于获取用户当前的着装信息；

推荐模块，用于基于预设搭配规则，从所述智能服饰存储装置的显存服饰中匹配与用户当前着装信息相匹配的搭配服饰，并将所述搭配服饰推荐给用户。

相应地，本发明还提供了一种电子设备，包括：

一个或多个处理器；

存储器；

一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于执行上述任一技术方案所述的基于智能服饰存储装置的服饰推荐方法的步骤。

相应地，本发明还提供了一种智能服饰存储装置，包括：

柜体、设于所述柜体上的摄像单元及显示单元、上述技术方案所述的电子设备，所述电子设备分别电性连接所述摄像单元和显示单元，所述摄像单元用于拍摄置于预设拍摄区域的服装或服饰，所述显示单元用于实现人机交互。

相对于现有技术，本发明提供的技术方案至少具有以下优点：

本发明提供的基于智能服饰存储装置的存储方法，利用待存储服饰的图片信息获取其特征信息，进而将该待存储服饰的图片信息、特征信息、分类信息及存储位置信息进行关联存储，建立与待存储服饰相关联的一系列关联信息，实现该待存储服饰信息完善，通过对搭配服饰的分类管理，便于该待存储服饰的查找与存取，节省用户找寻该待存储服饰的时间和精力。

本发明提供的基于智能服饰存储装置的服饰推荐方法，基于上述存储方法，将初次存储的服饰进行分类整理并加以存储，针对用户当前的着装特点自动为其推荐搭配的服饰，节省用户搭配服装的时间和精力，提升用户体验。

本发明提供的基于智能服饰存储装置的服饰推荐方法，收集用户对推荐服饰的反馈信息并通过反馈信息不断调整推荐算法模型。通过不断地交互和试错寻找最优推荐算法，进一步提升该系统推荐服饰的准确性和用户的满意度，提升服饰存储装置的智能化程度。

本发明的这些方面或其他方面在以下实施例的描述中会更加简明易懂。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述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发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出了本发明一个实施例提供的基于智能服饰存储装置的存储方法的流程示意图；

图2示出了本发明又一个实施例提供的基于智能服饰存储装置的存储方法的流程示意图；

图3示出了本发明又一个实施例提供的基于智能服饰存储装置的存储方法的流程示意图；

图4示出了本发明一个实施例提供的基于智能服饰存储装置的推荐方法的流程示意图；

图5为本发明一个实施例提供的基于智能服饰存储装置的存储装置的框图；

图6为本发明一个实施例提供的基于智能服饰存储装置的服饰推荐装置的框图；

图7为本发明提供的一个实施例中智能服饰存储装置的结构示意图；

图8为本发明提供的另一个实施例中智能服饰存储装置的结构示意图。

具体实施方式

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。

在本发明的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如101、102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。

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，都属于本发明保护的范围。

本发明实施例提供的基于智能服饰存储装置的存储方法主要在终端设备中实现，详细实现过程请参阅图1。该方法包括如下步骤：

S10，采集待存储服饰的图片信息，将所述图片信息与数据库中已存储的图片数据进行比对，判断该待存储服饰是否为初次存储。

采集待存储服饰的图片信息的过程，具体包括：通过语音或者图像引导用户将待存储服饰置于预先设置的拍摄区，接收到用户发送的确认拍摄或存储的指令，启动摄像头拍摄该待存储服饰从而获取该待存储服饰的图片信息，所述待存储服饰包括但不限于：鞋子、袜子、首饰、帽子、围巾等。预先设置特定拍摄区，能够保证每件服饰的拍摄距离、拍摄角度一致，提高智能服饰存储装置对图片识别的准确度，在另一种实施例中还可以在拍摄区设置服饰的固定件及配置专用照明灯，保证每次拍摄的角度、方位均及光线的一致性，进一步提高图片识别的精准性，降低图片识别时间进而提升用户体验。

利用图片识别技术将待存储服饰的图片信息与智能服饰存储装置中已存储的图片数据进行比对，由于已存储的图片数据的数量有限，且服饰在拍摄图片信息时的拍摄角度、位置及光线均一致，比对过程所需要的时间短，能够很快遍历已存储的图片数据，判断出该待存储服饰是否为初次存储。

在一种实施例中，也可以首先获取待存储服饰的特征信息，将待存储服饰的特征信息与智能服饰存储装置中已存储服饰的特征信息进行比对，判断该待存储服饰是否为初次存储。该种方式无需再次进行图像识别，仅需通过文字搜索就能判断待存储服饰是否为初次存储。

S11，当该待存储服饰为初次存储时，解析所述图片信息以确定该待存储服饰的特征信息，根据所述特征信息及预设分类规则对该待存储服饰进行分类，提示将该待存储服饰存储于智能储物装置中与该待存储服饰分类类别相对应的存储位置，并将该待存储服饰的图片信息、特征信息、分类信息及存储位置信息进行关联存储。

具体包括如下步骤：S111，当该待存储服饰为初次存储时，解析所述图片信息以确定该待存储服饰的特征信息。解析该待存储服饰的图片信息以获取该待存储服饰的特征信息，服饰的特征信息包括种类、材质、颜色、款式、风格、适宜场合、适宜季节及尺寸等数据中的一种或任意多种。例如：待存储服饰为首饰时，首饰的种类包括：耳饰、头饰、戒指、手环、项链、吊坠、手链、脚链等，首饰的材质包括：金、银、铂金、玉、钻石、珍珠、琥珀、布、金属等，首饰的颜色包括：红色、黄色、绿色、蓝色、黑色、白色、紫色、金色、银色等，首饰的风格包括：商务风格、小清新风格、朋克风格、复古风格、民族风格、日韩系风格等，首饰的适宜场合包括：适于宴会、适于运动，适于出游、适于上班、适于家居等，首饰的适用季节包括：适于春秋季节、适于夏季、适于冬季，首饰的尺寸包括：大尺寸首饰、中尺寸首饰、小尺寸首饰。

本发明实施例提供了三种方式获取该待存储服饰的特征信息，即通过智能检索、智能识别、手动录入中任意一种方式均能获取待存储服饰的特征信息。

方式一，通过智能检索方式确定该待存储服饰的特征信息的步骤，请参阅图2，包括如下步骤：

S1110，将获取的所述图片信息与数据库进行对比，获取该待存储服饰的同款产品及该同款产品的特征信息；

目前，越来越多的商家或普通民众选择将商品置于网络平台上出售或展示，为了更好地展示商品的性能往往会将该商品的各个方位的图片及商品的各种特征信息一同上传，因此，数据库中存有海量的图片数据及与该图片信息相对应的特征信息，其中，不乏存在待存储服饰的相似甚至相同的产品，通过图片识别技术进行多次对比、匹配，获取与待存储服饰的图片信息相同的图片数据，最终获取到该待存储服饰的同款产品，调取与该同款产品的图片信息相关联的特征信息。

S1111，将所述特征信息作为该待存储服饰的特征信息并显示待确认界面，待用户发送确认指令后确定该待存储服饰的特征信息。

由图像识别技术获取待存储服饰的同款产品，将该同款产品的特征信息作为待存储服饰的特征信息，将待存储服饰的图片信息及同款产品的特征信息显示在交互界面上，通过语音或文字引导用户确认或修改该特征信息，待用户发送直接确认或修改后确认的指令后，将用户确认后的特征信息作为待存储服饰的特征信息即获取到待存储服饰的特征信息。

智能检索方式通过将获得的待存储服饰的图片信息与存储的大量图片数据进行对比，利用互联网大数据的优势找到与待存储服饰的同类型产品，无需用户手动输入待存储服饰的信息，减少获取待存储服饰特征信息的时间，减少用户录入服饰信息的时间和精力，提升用户体验。

方式二，通过智能识别方式确定该待存储服饰的特征信息的步骤，请参阅图3，包括如下步骤：

S1120，利用包含已知特征信息的图片数据作为样本库进行训练，基于深度学习技术建立所述特征信息相应的识别模型；

所述特征信息包括种类、材质、颜色、款式、风格、适宜场合、适宜季节及尺寸数据中的一种或任意多种，将所述特征信息中的种类、材质、颜色、款式、尺寸设定为服饰的基本特征信息，所述风格、适用季节、适宜场合设定为服饰的高级特征信息。

智能识别是利用深度学习技术，利用包含服饰基本特征信息的数据样本库进行训练，进而智能识别。首先利用计算机视觉方法对服饰的图片信息进行识别，再利用决策树方法获取待存储服饰的特征信息。在一种实施例中，可以按照服饰的种类、材质、颜色、风格、适宜场合的顺序依次获取待存储服饰的特征信息。

所述基于深度学习技术建立所述特征信息相应的识别模型的过程，包括如下步骤：

依次利用包含所述特征信息中的任一已知基本特征信息的样本数据库训练建立所述基本特征的识别模型；

利用所述基本特征的识别模型建立所述特征信息中高级特征的识别模型。

所述建立所述特征信息相应的识别模型的方法包括但不限于卷积神经网络(Convolutional Neural Network,CNN)。CNN的基本结构包括两层，其一为特征提取层，每个神经元的输入与前一层的局部接受域相连，并提取该局部的特征。一旦该局部特征被提取后，它与其它特征间的位置关系也随之确定下来；其二是特征映射层，网络的每个计算层由多个特征映射组成，每个特征映射是一个平面，平面上所有神经元的权值相等。特征映射结构采用影响函数核小的sigmoid函数作为卷积网络的激活函数，使得特征映射具有位移不变性。此外，由于一个映射面上的神经元共享权值，因而减少了网络自由参数的个数。卷积神经网络中的每一个卷积层都紧跟着一个用来求局部平均与二次提取的计算层，这种特有的两次特征提取结构减小了特征分辨率。

以服饰为鞋子为例，阐述建立特征信息相应的识别模型的过程，鞋子的基本特征包含：材质，鞋子款式，鞋子颜色，鞋跟高度，鞋筒高度等基本特征信息。利用机器学习方法对鞋子进行基本特征信息提取和识别，分为两个层次进行。

在第一层识别中，分别建立包括材质、鞋子款式、鞋子颜色、鞋跟高度和鞋筒高度的五个模型。材质的输出分类包括：真皮、亮皮、磨砂皮、皮毛、帆布、塑料、其它，将已知材质的N(如，N≥10000)款鞋子的图片数据作为样本库，训练得到材质识别的模型。鞋子款式包括：运动鞋、休闲鞋、商务鞋、运动鞋、船鞋、凉鞋、拖鞋、其它；将已知款式的N款鞋子的图片数据作为样本库，训练得到款式识别的模型。鞋子颜色包括：红色、黄色、绿色、蓝色、黑色、白色、紫色、金色、银色、其它；将已知颜色的N款鞋子的图片数据作为样本库，训练得到颜色识别的模型。鞋跟高度包括：平底、低跟、中跟、高跟；将已知鞋跟高度的N款鞋子的图片数据作为样本库，训练得到鞋跟高度识别的模型。鞋筒高度包括：无筒、低筒、中筒、高筒；将已知鞋筒高度的N款鞋子的图片数据作为样本库，训练得到鞋筒高度识别的模型。

在第二层识别中，利用第一层识别中得到的关于鞋子材质、款式、颜色、鞋跟高度和鞋筒高度的特征作为模型的输入，输出：适用季节、适宜场合两个特征。适用季节包括：适于春秋季节、适于夏季、适于冬季；将已知适用季节的N(如，N≥10000)款鞋子的图片数据作为样本库，训练得到适用季节识别的模型。适宜场合包括：适于宴会、适于运动，适于出游、适于上班、适于家居；将已知适宜场合的N款鞋子的图片数据作为样本库，训练得到适宜场合识别的模型。

其中，N款鞋子相关图像数据可以从互联网获取，N的大小可以人为设定，如可以设定N≥10000，即N可以为20000、50000等数值，为了降低本地运算需要的硬件成本，训练模型可以搭载处理。经过两层深度学习图像识别后，获取鞋子的特征信息对应的识别模型。

S1121，基于所述识别模型对所述待存储服饰的图片信息进行图像特征的识别，获取待存储服饰的特征信息。

解析获取到的待存储服饰的图片信息，根据已建立的服饰的特征信息对应的识别模型获取待存储服饰的特征信息，结合上一示例，经过两层深度学习图形识别后，能够获取待存储鞋子的特征信息，包括：色系、鞋跟高度、风格款式、适用季节、适宜场合。

通过智能识别方式获取待存储服饰的特征信息，在建立服饰的特征信息的识别模型后，无需借助网络服务就能够通过待存储服饰的图片信息获取其特征信息，节省获取时间，几乎无需用户参与，提升服饰存储装置的智能化程度，提升用户体验。

方式三，通过手动输入方式确定该待存储服饰的特征信息。

用户购回服饰之后，一般都可以通过商品或其外包装上贴付的商品详情获取待存储服饰的特征信息，用户只需按照商品详情信息单上提供的商品信息手动输入智能服饰存储装置，所述智能服饰存储装置即获取待存储服饰的特征信息，该种方式获取到的待存储服饰的特征信息最为准确，方式最为简单便捷，但需要用户的参与度高。

进一步地，将获取到的待存储服饰的特征信息存入本地数据库，以便下次进行待存储服饰的识别。

S112，根据所述特征信息及预设分类规则对该待存储服饰进行分类，提示将该待存储服饰存储于智能储物装置中与该待存储服饰分类类别相对应的存储位置，并将该待存储服饰的图片信息、特征信息、分类信息及存储位置信息进行关联存储。

待存储服饰为初次存储时，需要将该存储服饰分类存储便于统一管理，可以根据服饰的特征信息如服饰的尺寸、适用季节等对所述服饰进行分类，也可以按照预设分类规则如用户的使用频次进行分类，将相同类别的服饰放置于智能服饰存储装置的相近区域，也可以提前将智能服饰存储装置划分区域，如：将存储首饰的智能首饰柜按照尺寸划分为大尺寸存储柜、中尺寸存储柜、小尺寸存储柜，将存储鞋子的智能鞋柜按照适用季节划分为春秋季存储柜、夏季存储柜、冬季存储柜。根据智能服饰存储柜的区域划分及待存储服饰的特征信息获取待存储服饰的存储区域，选择该存储区域中任一空闲的存储位置为待存储服饰的存储位置并记录该存储位置的编号。

通过语音提示将该待存储服饰存储于智能储物装置中与该待存储服饰分类类别相对应的存储位置，在一种优选的实施例中通过直接开启该存储位置的打开开关来提示该待存储服饰相对应的存储位置，当然，提示方式还包括：在交互界面上显示该存储位置，或者通过设置每个存储位置发出声响提示音等任一种方法或其组合来提醒用户该存储位置。

然后，将该待存储服饰的图片信息、特征信息、分类信息及存储位置信息进行关联存储，以便下次进行存储服饰的搜索。

进一步地，所述基于智能服饰存储装置的存储方法，还包括：检测到该待存储服饰不是初次存储时，解析所述图片信息确定该服饰在所述智能储物装置中的存储位置信息。可以直接为用户打开该存储编号对应的储物装置以便待存储服饰重新放回智能服饰存储装置中。

在一种实施例中，所述基于智能服饰存储装置的存储方法，还包括：记录各所述待存储服饰的保养时间及保养周期，根据所述保养时间和/或保养周期确定下次保养时间并对所述下次保养时间进行监控以便进行保养提醒。即在解析待存储服饰的图片信息以确定其特征信息时，可以同样利用图片识别方法获取该待存储服饰的保养信息，如：上次保养时间及保养周期，根据保养信息在下次保养时间之前设置保养提醒，例如：检测到待存储首饰的保养周期为1年，今年的4月12日保养过，则在明年的4月10日设置保养提醒，提醒方式包括：在交互界面上显示与该服饰需要保养相关的信息或/和将该提醒信息发送至与该智能服饰存储装置相关联的客户端。

进一步地，通过记录各所述待存储服饰的保养时间及保养周期，检测服饰存储装置中服饰的保养情况，当检测到某件服饰已损坏时，在交互界面上显示该服饰的损坏情况，若用户确认无法修复，请求释放该存储位置，有利于及时发现受损的服饰及空出可用空间，最大程度地利用服饰存储装置的存储空间。

进一步地，本发明实施例还提供了一种基于智能服饰存储装置的推荐方法，请参照图4，包括：

S40，通过上述任一技术方案所述的存储方法将服饰存储于智能服饰存储装置中。

利用上述技术方案所述的基于智能服饰存储装置的存储方法将服饰存储于智能服饰存储装置中，使得智能服饰存储装置中存储的服饰井然有序，使已存储的服饰建立完善的关联信息，便于该服饰的查找与存取，提升了服饰存储装置的智能化程度。

S41，获取用户当前的着装信息。

获取用户当前的着装信息的步骤具体包括：接收到用户发送的着装完成的确定指令后，引导用户到预设的拍摄区域，所述拍摄区域为距摄像头一定距离的区域，该距离可以人为设定或者根据算法算出的最佳拍摄距离。待用户站定之后，采集用户当前的着装图片，此处的“着装”优选服装，包括上衣、下衣等，但不包括鞋子、袜子等配饰，通过图像识别等技术解析该图片以确定用户当前的着装信息，所述着装信息包括但不限于上述的特征信息，通过智能识别方法获取用户当前着装的适宜场合及颜色等信息。

在另一种优选的实施例中，在获取用户当前的着装信息之前，还包括：获取当天的天气和/温度信息，根据预设规则向用户推荐与当天天气和/或温度信息相匹配的服装，如：当天温度低，微风，阴天，向用户推荐稍厚能挡风的服装。由于智能服饰存储装置中并未收录用户的服装，并不了解用户已有的服装信息，可以提醒用户当天的天气及温度或/和当前天气适合穿哪种类型的服装。

在另一种实施例中，该智能服饰存储装置可以与智能穿衣镜、智能服装柜、用户日程表协同工作，根据当天的天气及温度情况或/和用户当天的日程安排向用户推荐智能服装柜中存储的具体服装，同时智能服饰存储装置根据智能服装柜推荐的服装推荐相匹配的搭配服饰，用户无需在穿搭上花费时间和精力，即可快速得体地出行。

S42，基于预设搭配规则，从所述智能服饰存储装置的现存服饰中匹配与用户当前着装信息相匹配的搭配服饰，并将所述搭配服饰推荐给用户。

将用户着装信息相应按照所述特征信息或预设分类规则进行分类，建立用户着装信息与服饰分类信息之间的映射关系，所述预设搭配规则，包括但不限于，根据着装与服饰相同的特征信息进行搭配，如用户着装的特征信息包括：适于上班、冬季，则为其推荐鞋子时，也按照适于上班、冬季的标准来选择搭配鞋子。

根据预设搭配规则挑选出与用户当前的着装相匹配的搭配服饰，与用户当前的着装相匹配的搭配服饰可能有多件，将其显示于交互界面供用户选择确定，待用户确定搭配服饰后，提示用户该搭配服饰所在的存储位置。同样地，提示方式优选直接开启该存储位置的打开开关来提示该推荐服饰的存储位置，当然，提示方式还包括：语音提示、在交互界面上显示该存储位置、通过设置每个存储位置发出声响提示音等任一种方法或其组合来提醒用户该存储位置。

进一步地，收集用户对推荐服饰的反馈信息，并将所述反馈信息及推荐服饰作为训练样本建立推荐算法模型。

反馈信息包括：智能服饰存储装置向用户推荐多套服饰时，用户最终确定的服饰信息，及用户对所最终确定的搭配服饰的满意程度信息等。收集所述推荐服饰信息，用户的选择信息及对推荐服饰的满意程度等作为训练样本，建立推荐算法模型，并通过更多的反馈信息不断调整推荐算法模型。通过不断地交互和试错寻找最优推荐算法，掌握用户的喜好，进一步提升该系统推荐服饰的准确性和用户的满意度，提升服饰存储装置的智能化程度。

进一步地，基于智能服饰储物装置的服饰推荐方法还包括：基于所述反馈信息和各服饰的使用频次生成闲置服饰信息，接收出售或出租服饰的确定指令后，将用户选定的服饰及该服饰相对应的特征信息发送至预先建立联系的出售或出租平台上。

用户拥有的服饰众多，但经常利用到的服饰有限，很多服饰利用的次数少，在存储装置中占用存储资源，造成资源的浪费，基于用户利用存储装置中各服饰的使用频次结合用户对推荐服饰的反馈信息，统计整理存储装置中闲置的服饰列表，并将其显示在交互界面上，请求用户确认出售或出租的服饰，待接受到用户发出的确认出售或出租的指令后，将用户确定的服饰及该服饰相关联的特征信息发送至预先建立联系的出售或出租平台上，如二手首饰的租卖网等，实现用户资产配置更加合理化。

当然，智能服饰存储装置取出服饰的方法不仅限于向用户推荐服饰，也能通过手动方式取出服饰，包括，通过交互界面检索智能服饰存储装置中已存储的服饰的图片信息来选定要取出的目标服饰，在一种优选的实施例中，通过层级菜单供用户筛选服饰，层级菜单可以设置为高级特征信息到基本特征信息的顺序，比如：适宜季节、风格、颜色、大小。待用户确定要取出的目标服饰后，提示用户该目标服饰所在位置，提示方式优选为直接打开目标服饰所在存储位置的锁定开关。

适应前述各实施例，基于计算机模块化思维，本发明进一步提供一种与前述实施例相应的基于智能服饰存储装置的存储装置，请参阅图5，本实施例中至少包含以下模块：判断模块51、确定模块52。

判断模块51，用于采集待存储服饰的图片信息，将所述图片信息与数据库中已存储的图片数据进行比对，判断该待存储服饰是否为初次存储。

通过语音或者图像引导用户将待存储服饰置于预先设置的拍摄区，接收到用户发送的确认拍摄或存储的指令，启动摄像头拍摄该待存储服饰从而获取该待存储服饰的图片信息，所述待存储服饰包括但不限于：鞋子、袜子、首饰、帽子等。预先设置特定拍摄区，能够保证每件服饰的拍摄距离、拍摄角度一致，提高智能服饰存储装置对图片识别的准确度，在另一种实施例中还可以在拍摄区设置服饰的固定件及配置专用照明灯，保证每次拍摄的角度、方位均及光线的一致性，进一步提高图片识别的精准性，降低图片识别时间进而提升用户体验。

利用图片识别技术将待存储服饰的图片信息与智能服饰存储装置中已存储的图片数据进行比对，由于已存储的图片数据的数量有限，且服饰在拍摄图片信息时的拍摄角度、位置及光线均一致，比对过程所需要的时间短，能够很快遍历已存储的图片数据，判断出该待存储服饰是否为初次存储。

确定模块52，用于当该待存储服饰为初次存储时，解析所述图片信息以确定该待存储服饰的特征信息。

解析该待存储服饰的图片信息以获取该待存储服饰的特征信息，服饰的特征信息包括种类、材质、颜色、款式、风格、适宜场合、适宜季节及尺寸等数据中的一种或任意多种。本发明实施例提供了三种方式获取该待存储服饰的特征信息，即通过智能检索、智能识别、手动录入中任意一种方式均能获取待存储服饰的特征信息。

方式一，通过智能检索方式确定该待存储服饰的特征信息，包括：

对比单元，用于将获取的所述图片信息与数据库进行对比，获取该待存储服饰的同款产品及该同款产品的特征信息；

目前，越来越多的商家或普通民众选择将商品置于网络平台上出售或展示，为了更好地展示商品的性能往往会将该商品的各个方位的图片及商品的各种特征信息一同上传，因此，数据库中存有海量的图片数据及与该图片信息相对应的特征信息，其中，不乏存在待存储服饰的相似甚至相同的产品，通过图片识别技术进行多次对比、匹配，获取与待存储服饰的图片信息相同的图片数据，最终获取到该待存储服饰的同款产品，调取与该同款产品的图片信息相关联的特征信息。

确定单元，用于将所述特征信息作为该待存储服饰的特征信息并显示待确认界面，待用户发送确认指令后确定该待存储服饰的特征信息。

由图像识别技术获取待存储服饰的同款产品，将该同款产品的特征信息作为待存储服饰的特征信息，将待存储服饰的图片信息及同款产品的特征信息显示在交互界面上，通过语音或文字引导用户确认或修改该特征信息，待用户发送直接确认或修改后确认的指令后，将用户确认后的特征信息作为待存储服饰的特征信息即获取到待存储服饰的特征信息。

智能检索方式通过将获得的待存储服饰的图片信息与存储的大量图片数据进行对比，利用互联网大数据的优势找到与待存储服饰的同类型产品，无需用户手动输入待存储服饰的信息，减少获取待存储服饰特征信息的时间，减少用户录入服饰信息的时间和精力，提升用户体验。

方式二，通过智能识别方式确定该待存储服饰的特征信息，包括：

建立单元，用于利用包含已知特征信息的图片数据作为样本库进行训练，基于深度学习技术建立所述特征信息相应的识别模型；

智能识别是利用深度学习技术，利用包含服饰基本特征信息的数据样本库进行训练，进而智能识别。

所述基于深度学习技术建立所述特征信息相应的识别模型的过程，包括：依次利用包含所述特征信息中的任一已知基本特征信息的样本数据库训练建立所述基本特征的识别模型；利用所述基本特征的识别模型建立所述特征信息中高级特征的识别模型。

所述建立所述特征信息相应的识别模型的方法包括但不限于卷积神经网络(Convolutional Neural Network,CNN)。以服饰为鞋子为例，阐述建立特征信息相应的识别模型的过程，鞋子的基本特征包含：材质，鞋子款式，鞋子颜色，鞋跟高度，鞋筒高度等基本特征信息。利用机器学习方法对鞋子进行基本特征信息提取和识别，分为两个层次进行。

在第一层识别中，分别建立包括材质、鞋子款式、鞋子颜色、鞋跟高度和鞋筒高度的五个模型。材质的输出分类包括：真皮、亮皮、磨砂皮、皮毛、帆布、塑料、其它，将已知材质的N(如，N≥10000)款鞋子的图片数据作为样本库，训练得到材质识别的模型。鞋子款式包括：运动鞋、休闲鞋、商务鞋、运动鞋、船鞋、凉鞋、拖鞋、其它；将已知款式的N款鞋子的图片数据作为样本库，训练得到款式识别的模型。鞋子颜色包括：红色、黄色、绿色、蓝色、黑色、白色、紫色、金色、银色、其它；将已知颜色的N款鞋子的图片数据作为样本库，训练得到颜色识别的模型。鞋跟高度包括：平底、低跟、中跟、高跟；将已知鞋跟高度的N款鞋子的图片数据作为样本库，训练得到鞋跟高度识别的模型。鞋筒高度包括：无筒、低筒、中筒、高筒；将已知鞋筒高度的N款鞋子的图片数据作为样本库，训练得到鞋筒高度识别的模型。

在第二层识别中，利用第一层识别中得到的关于鞋子材质、款式、颜色、鞋跟高度和鞋筒高度的特征作为模型的输入，输出：适用季节、适宜场合两个特征。适用季节包括：适于春秋季节、适于夏季、适于冬季；将已知适用季节的N(如，N≥10000)款鞋子的图片数据作为样本库，训练得到适用季节识别的模型。适宜场合包括：适于宴会、适于运动，适于出游、适于上班、适于家居；将已知适宜场合的N款鞋子的图片数据作为样本库，训练得到适宜场合识别的模型。

其中，N款鞋子相关图像数据可以从互联网获取，N的大小可以人为设定，如可以设定N≥10000，即N可以为20000、50000等数值，为了降低本地运算需要的硬件成本，训练模型可以搭载处理。经过两层深度学习图像识别后，获取鞋子的特征信息对应的识别模型。

识别单元，用于基于所述识别模型对所述待存储服饰的图片信息进行图像特征的识别，获取待存储服饰的特征信息。

解析获取到的待存储服饰的图片信息，根据已建立的服饰的特征信息对应的识别模型获取待存储服饰的特征信息，结合上一示例，经过两层深度学习图形识别后，能够获取待存储鞋子的特征信息，包括：色系、鞋跟高度、风格款式、适用季节、适宜场合。

通过智能识别方式获取待存储服饰的特征信息，在建立服饰的特征信息的识别模型后，无需借助网络服务就能够通过待存储服饰的图片信息获取其特征信息，节省获取时间，几乎无需用户参与，提升服饰存储装置的智能化程度，提升用户体验。

方式三，通过手动输入方式确定该待存储服饰的特征信息。

用户购回服饰之后，一般都可以通过商品或其外包装上贴付的商品详情获取待存储服饰的特征信息，用户只需按照商品详情信息单上提供的商品信息手动输入智能服饰存储装置，所述智能服饰存储装置即获取待存储服饰的特征信息，该种方式获取到的待存储服饰的特征信息最为准确，方式最为简单便捷，但需要用户的参与度高。

确定模块还用于根据所述特征信息及预设分类规则对该待存储服饰进行分类，提示将该待存储服饰存储于智能储物装置中与该待存储服饰分类类别相对应的存储位置，并将该待存储服饰的图片信息、特征信息、分类信息及存储位置信息进行关联存储。

待存储服饰为初次存储时，需要将该存储服饰分类存储便于统一管理，可以根据服饰的特征信息如服饰的尺寸、适用季节等对所述服饰进行分类，也可以按照预设分类规则如用户的使用频次进行分类，将相同类别的服饰放置于智能服饰存储装置的相近区域，也可以提前将智能服饰存储装置划分区域，如：将存储首饰的智能首饰柜按照尺寸划分为大尺寸存储柜、中尺寸存储柜、小尺寸存储柜，将存储鞋子的智能鞋柜按照适用季节划分为春秋季存储柜、夏季存储柜、冬季存储柜。根据智能服饰存储柜的区域划分及待存储服饰的特征信息获取待存储服饰的存储区域，选择该存储区域中任一空闲的存储位置为待存储服饰的存储位置并记录该存储位置的编号。

通过语音提示将该待存储服饰存储于智能储物装置中与该待存储服饰分类类别相对应的存储位置，在一种优选的实施例中通过直接开启该存储位置的打开开关来提示该待存储服饰相对应的存储位置，当然，提示方式还包括：在交互界面上显示该存储位置，或者通过设置每个存储位置发出声响提示音等任一种方法或其组合来提醒用户该存储位置。

然后，将该待存储服饰的图片信息、特征信息、分类信息及存储位置信息进行关联存储，以便下次进行存储服饰的搜索。

进一步地，基于智能服饰存储装置的存储装置还包括：回置模块，用于检测到该待存储服饰不是初次存储时，解析所述图片信息确定该服饰在所述智能储物装置中的存储位置信息。可以为用户直接打开该存储编号对应的储物装置以便该待存储服饰的重新放回智能服饰存储装置。

在一种实施例中，所述基于智能服饰存储装置的存储装置，还包括：护理模块，用于记录各所述待存储服饰的保养时间及保养周期，根据所述保养时间和/或保养周期确定下次保养时间并对所述下次保养时间进行监控以便进行保养提醒。如：根据该次保养时间及服饰的保养周期确定该服饰下次保养时间，为下次保养时间之前设定保养提醒，即在解析待存储服饰的图片信息以确定其特征信息时，可以同样利用图片识别方法获取该待存储服饰的保养信息，如：上次保养时间及保养周期，根据保养信息在下次保养时间之前设置保养提醒，例如：检测到待存储首饰的保养周期为1年，今年的4月12日保养过，则在明年的4月10日设置保养提醒，提醒方式包括：在交互界面上显示与该服饰需要保养相关的信息或/和将该提醒信息发送至与该智能服饰存储装置相关联的客户端。

相应地，本发明还提供了一种基于智能服饰存储装置的服饰推荐装置，请参照图6，本实施例中至少包含以下模块：存储装置61、获取模块62、推荐模块63。

存储装置61，用于通过上述任一存储技术方案将服饰存储于智能服饰存储装置中。

利用上述技术方案所述的基于智能服饰存储装置的存储方法将服饰存储于智能服饰存储装置中，使得智能服饰存储装置中存储的服饰井然有序，使已存储的服饰建立完善的关联信息，便于该服饰的查找与存取，提升了服饰存储装置的智能化程度。

获取模块62，用于获取用户当前的着装信息。

获取模块还用于接收到用户发送的着装完成的确定指令后，引导用户到预设的拍摄区域，所述拍摄区域为距摄像头一定距离的区域，该距离可以人为设定或者根据算法算出的最佳拍摄距离。待用户站定之后，采集用户当前的着装图片，此处的“着装”指服装，包括上衣、下衣等，但不包括鞋子、袜子等配饰，通过图像识别等技术解析该图片以确定用户当前的着装信息，所述着装信息包括但不限于上述的特征信息，通过智能识别方法获取用户当前着装的适宜场合及颜色等信息。

在另一种优选的实施例中，获取模块还包括：通信模块，通过通信模块获取当天的天气和/温度信息，根据预设规则向用户推荐与当天天气和/或温度信息相匹配的服装，如：当天温度低，微风，阴天，向用户推荐稍厚能挡风的服装。由于智能服饰存储装置中并未收录用户的服装，并不了解用户已有的服装信息，可以提醒用户当天的天气及温度或/和当前天气适合穿哪种类型的服装。

在另一种实施例中，该智能服饰存储装置可以与智能穿衣镜、智能服装柜、用户日程表协同工作，根据当天的天气及温度情况或/和用户当天的日程安排向用户推荐智能服装柜中存储的具体服装，同时智能服饰存储装置根据智能服装柜推荐的服装推荐相匹配的搭配服饰，用户无需在穿搭上花费时间和精力，即可快速得体地出行。

推荐模块63，用于基于预设搭配规则，从所述智能服饰存储装置的显存服饰中匹配与用户当前着装信息相匹配的搭配服饰，并将所述搭配服饰推荐给用户。

将用户着装信息相应按照所述特征信息或预设分类规则进行分类，建立用户着装信息与服饰分类信息之间的映射关系，所述预设搭配规则，包括但不限于，根据着装与服饰相同的特征信息进行搭配，如用户着装的特征信息包括：适于上班、冬季，则为其推荐鞋子时，也按照适于上班、冬季的标准来选择搭配鞋子。

根据预设搭配规则挑选出与用户当前着装相匹配的搭配服饰后，与用户当前的着装相匹配的搭配服饰可能有多件，将其显示于交互界面供用户选择确定，待用户确定搭配服饰后，提示用户该搭配服饰所在的存储位置。同样地，提示方式优选直接开启该存储位置的打开开关来提示该推荐服饰的存储位置，当然，提示方式还包括：语音提示、在交互界面上显示该存储位置、通过设置每个存储位置发出声响提示音等任一种方法或其组合来提醒用户该存储位置。

进一步地，所述服饰推荐装置还包括：反馈模块，用于获取用户对推荐的所述服饰的反馈信息，并将所述反馈信息及推荐服饰作为训练样本建立推荐算法模型。

反馈信息包括：智能服饰存储装置向用户推荐多套服饰时，用户最终确定的服饰信息，及用户对所最终确定的搭配服饰的满意程度信息等。收集所述推荐服饰信息，用户的选择信息及对推荐服饰的满意程度等作为训练样本，建立推荐算法模型，并通过更多的反馈信息不断调整推荐算法模型。通过不断地交互和试错寻找最优推荐算法，掌握用户的喜好，进一步提升该系统推荐服饰的准确性和用户的满意度，提升服饰存储装置的智能化程度。

进一步地，基于智能服饰储物装置的服饰推荐装置还包括：闲置模块，用于基于所述反馈信息和各服饰的使用频次生成闲置服饰信息，接收出售或出租服饰的确定指令后，将用户选定的服饰及该服饰相对应的特征信息发送至预先建立联系的出售或出租平台上。

用户拥有的服饰众多，但经常利用到的服饰有限，很多服饰利用的次数少，在存储装置中占用存储资源，造成资源的浪费，基于用户利用存储装置中各服饰的使用频次结合用户对推荐服饰的反馈信息，统计整理存储装置中闲置的服饰列表，并将其显示在交互界面上，请求用户确认出售或出租的服饰，待接受到用户发出的确认出售或出租的指令后，将用户确定的服饰及该服饰相关联的特征信息发送至预先建立联系的出售或出租平台上，如二手首饰的租卖网等，实现用户资产配置更加合理化。

更进一步地，本发明实施例还提供了一种电子设备，包括：一个或多个处理器；

存储器；

一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于执行上述任一技术方案所述的基于智能服饰存储装置的存储方法的步骤。所述基于智能服饰存储装置的存储装置可以为包括手机、平板电脑、PDA(Personal Digital Assistant，个人数字助理)等任意终端设备。

实施过程与基于智能服饰存储装置的存储方法的实施例中相同，在此不再赘述。

更进一步地，本发明实施例还提供了一种智能服饰存储装置，如图7或图8所示，包括：柜体1、摄像单元3、显示单元4、上述电子设备，所述电子设备及所述摄像单元3、显示单元4都可以设于柜体内部或柜体外部，为了更好地保护所述电子设备、摄像单元3和显示单元4，优选将所述电子设备、摄像单元3和显示单元4嵌于柜体内，所述电子设备分别电性连接所述摄像单元3和显示单元4，所述摄像单元3用于拍摄置于预设拍摄区域的服装或服饰，所述显示单元4用于实现人机交互。所述摄像单元优选为摄像器，所述显示单元优选为触控显示面板。

如图7及图8所示，柜体1包括多个子柜10，各个子柜10的大小可以相同，如图8所示，各所述子柜的尺寸也可以不同，如图7所示有三种类型，包括：大尺寸存储柜11、中尺寸存储柜12、小尺寸存储柜13。本发明实施例中所述智能储物装置优选为鞋柜或首饰柜。所述子柜10的打开方式包括手动打开及自动打开，本发明实施例优选柜门能够受控制器控制自动打开的子柜。

在另一种实施例中，子柜10的柜门上还设有转轴2，如图7及图8所示，该转轴2用于连接柜体1与柜门，该转轴2可以位于柜门的任意侧，图7及图8中，所述转轴2位于柜门的靠近柜顶的一侧，方便柜门的顺利打开。

实施过程与基于智能服饰存储装置的服饰推荐方法的实施例中相同，在此不再赘述。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，所揭露的方法和装置，也可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块、单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，存储介质可以包括：只读存储器，磁盘或光盘等。

以上对本发明所提供的智能服饰存储装置及基于其的存储、推荐方法与装置进行了详细介绍，对于本领域的一般技术人员，依据本发明实施例的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。