服饰搭配推荐方法及控制装置、存储介质、衣橱与流程

[0001]
本发明属于服饰搭配应用技术领域，具体涉及一种服饰搭配推荐方法及控制装置、存储介质、衣橱。


背景技术：

[0002]
随着互联网时代的发展和大数据时代的到来，人们逐渐从信息过于匮乏的时代进入了信息过载的时代。因此，为了让用户从海量的信息中高效地获取所需要的信息，推荐引擎模块应运而生。
[0003]
推荐引擎模块是通过数据挖掘算法和其他用户的消费偏好对比，进行用户的个性化推荐。推荐引擎模块更多的部署在电商平台，进行精准营销。推荐引擎模块不需要用户提供明确的需求，而是通过分析用户的历史行为来对用户的兴趣进行建模，从而主动给用户推荐可满足他们的兴趣和需求的信息。每个用户所得到的推荐信息都是与自已行为特征和兴趣有关的，而不是笼统的大众信息。推荐引擎模块的主要任务就是联系用户和信息，它一方面帮助用户发现对自己有价值的信息，另一方面让信息能够展现在对它感兴趣的用户面前，从而实现信息消费者和信息生产者的双赢。基于大数据的推荐引擎模块通过分析用户的历史记录了解用户的喜好，从而主动为用户推荐其感兴趣的信息，满足用户的个性化推荐需求。
[0004]
目前，人们出门的时候，无论男女，都会花不少时间在穿衣搭配的挑选上，尤其对一些具有选择困难症的人，在穿衣搭配上可能会花费大量的时间。如何提高穿衣搭配的效率显得尤为重要。
[0005]
现在亟须一种服饰搭配推荐方法及控制装置、存储介质、衣橱。


技术实现要素：

[0006]
本发明所要解决的技术问题是如何根据用户已有服装自动向用户推荐其偏好的服饰搭配，从而有效节省用户进行自主穿搭的时间成本。
[0007]
针对上述问题，本发明提供了一种服饰搭配推荐方法及控制装置、存储介质、衣橱。
[0008]
第一方面，本发明提供了一种服饰搭配推荐方法，包括以下步骤：
[0009]
当接收到目标对象发送的服饰搭配请求时，根据当前环境信息、已知的目标对象的个人信息以及所述服饰搭配请求中的出席场合信息从已知的服饰搭配图片库中筛选出服饰搭配图片；
[0010]
对于筛选出的每一张服饰搭配图片的每一件服饰，从已知的目标对象的服装数据库中选出与该服饰相似度超过预设阈值的服装，作为与该服饰对应的服装，其中，所述目标对象的服装数据库根据目标对象所拥有的服装的图片构建；
[0011]
将与筛选出的每一张服饰搭配图片的每一件服饰分别对应的服装按照该服饰搭配图片的服饰搭配的方式进行搭配，生成新的服饰搭配推荐给目标对象。
[0012]
根据本发明的实施例，优选地，根据当前环境信息、已知的目标对象的个人信息以及所述服饰搭配请求中的出席场合信息从已知的服饰搭配图片库中筛选出服饰搭配图片，包括以下步骤：
[0013]
基于混合推荐机制，根据已知的目标对象的个人信息从已知的服饰搭配图片库中筛选出服饰搭配图片集合；
[0014]
根据当前环境信息和出席场合信息从所述服饰搭配图片集合中筛选出服饰搭配图片。
[0015]
根据本发明的实施例，优选地，所述混合推荐机制包括基于人口统计学的推荐、基于内容的推荐和协同过滤的推荐，基于混合推荐机制，根据已知的目标对象的个人信息从已知的服饰搭配图片库中筛选出服饰搭配图片集合，包括以下步骤：
[0016]
基于人口统计学的推荐，根据已知的目标对象的个人信息从已知的服饰搭配图片库中筛选出具有相同或相似个人信息的第一服饰搭配图片集合；
[0017]
根据目标对象对推荐的服饰搭配的反馈记录目标对象的个性化行为；
[0018]
分别基于内容的推荐和协同过滤的推荐，根据目标对象的个性化行为从已知的服饰搭配图片库中筛选出第二服饰搭配图片集合和第三服饰搭配图片集合；
[0019]
相应的，根据当前环境信息和出席场合信息从所述服饰搭配图片集合中筛选出服饰搭配图片，包括以下步骤：
[0020]
根据当前环境信息和出席场合信息从所述第一服饰搭配图片集合、第二服饰搭配图片集合和第三服饰搭配图片集合中筛选出服饰搭配图片。
[0021]
根据本发明的实施例，优选地，所述个性化行为包括偏好的服饰搭配，分别基于内容的推荐和协同过滤的推荐，根据目标对象的个性化行为从已知的服饰搭配图片库中筛选出第二服饰搭配图片集合和第三服饰搭配图片集合，包括以下步骤：
[0022]
基于内容的推荐，从已知的服饰搭配图片库中筛选出与目标对象的偏好的服饰搭配特性相同的服饰搭配图片汇合为第二服饰搭配图片集合；
[0023]
基于协同过滤的推荐，从已知的服饰搭配图片库中筛选出与目标对象的偏好的服饰搭配相关联的服饰搭配图片汇合为第三服饰搭配图片集合。
[0024]
根据本发明的实施例，优选地，在根据当前环境信息和出席场合信息从所述第一服饰搭配图片集合、第二服饰搭配图片集合和第三服饰搭配图片集合中筛选出服饰搭配图片之后，所述方法还包括以下步骤：
[0025]
对分别从所述第一服饰搭配图片集合、第二服饰搭配图片集合和第三服饰搭配图片集合中筛选出的服饰搭配图片进行分区显示；
[0026]
相应的，将与筛选出的每一张服饰搭配图片的每一件服饰分别对应的服装按照该服饰搭配图片的服饰搭配的方式进行搭配，生成新的服饰搭配推荐给目标对象，包括以下步骤：
[0027]
将与分区显示的每一张服饰搭配图片的每一件服饰分别对应的服装按照该服饰搭配图片的服饰搭配的方式进行服饰搭配，生成新的服饰搭配，分区推荐给目标对象。
[0028]
根据本发明的实施例，优选地，所述目标对象的服装数据库根据目标对象所拥有的服装的图片构建，包括以下步骤：
[0029]
收集目标对象所拥有的服装的图片；
[0030]
利用分类模型对所述目标对象所拥有的服装的图片进行分类，得到分类后的目标对象的服装数据库，其中，所述分类模型通过已知的服装图片库训练得到。
[0031]
根据本发明的实施例，优选地，从已知的目标对象的服装数据库中选出与该服饰相似度超过预设阈值的服装，包括以下步骤：
[0032]
从已知的目标对象的服装数据库中选出与该服饰的颜色和/或样式相似度超过预设阈值的服装。
[0033]
第二方面，本发明提供了一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。
[0034]
第三方面，本发明提供了一种服饰搭配推荐控制装置，其包括存储器和处理器，该存储器上存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。
[0035]
第四方面，本发明提供了一种衣橱，包括上述服饰搭配推荐控制装置。
[0036]
与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：
[0037]
应用本发明的服饰搭配推荐方法，当接收到目标对象发送的服饰搭配请求时，根据当前环境信息、已知的目标对象的个人信息以及所述服饰搭配请求中的出席场合信息从已知的服饰搭配图片库中筛选出服饰搭配图片；对于筛选出的每一张服饰搭配图片的每一件服饰，从已知的目标对象的服装数据库中选出与该服饰相似度超过预设阈值的服装，作为与该服饰对应的服装，其中，所述目标对象的服装数据库根据目标对象所拥有的服装的图片构建，能够基于用户已有的服装向用户推荐符合用户要求的服饰搭配，节省了用户进行自主穿搭的时间。
[0038]
本发明的其它特征和优点将在随后的说明书中阐述，并且部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
[0039]
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例共同用于解释本发明，并不构成对本发明的限制。在附图中：
[0040]
图1示出了本发明实施例一服饰搭配推荐方法的流程图；
[0041]
图2示出了本发明实施例二服饰搭配推荐方法的流程图；
[0042]
图3示出了本发明实施例五服饰搭配推荐控制装置三个模块的构建流程图。
具体实施方式
[0043]
以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。
[0044]
实施例一
[0045]
为解决现有技术中存在的上述技术问题，本发明实施例提供了一种服饰搭配推荐方法。
[0046]
参照图1，本实施例的服饰搭配推荐方法，包括以下步骤：
[0047]
s110，实时监测是否接收到目标对象发送的服饰搭配请求：
[0048]
若是，则执行步骤s120；
[0049]
若否，则不予响应；
[0050]
s120，基于混合推荐机制，根据已知的目标对象的个人信息从已知的服饰搭配图片库中筛选出服饰搭配图片集合；
[0051]
s130，根据当前环境信息和出席场合信息从所述服饰搭配图片集合中筛选出服饰搭配图片；
[0052]
s140，对于筛选出的每一张服饰搭配图片的每一件服饰，从已知的目标对象的服装数据库中选出与该服饰相似度超过预设阈值的服装，作为与该服饰对应的服装，其中，所述目标对象的服装数据库根据目标对象所拥有的服装的图片构建；
[0053]
s150，将与筛选出的每一张服饰搭配图片的每一件服饰分别对应的服装按照该服饰搭配图片的服饰搭配的方式进行搭配，生成新的服饰搭配推荐给目标对象。
[0054]
在步骤s120中，已知的目标对象的个人信息为目标对象预先提供的，已知的目标对象的个人信息包括目标对象的个人身形和感兴趣的服饰搭配，已知的服饰搭配图片库为通过预先收集已知的服饰搭配图片构建而成的。
[0055]
在步骤s130中，当前环境信息至少包括当前季节和当前温度。
[0056]
在步骤s140中，所述目标对象的服装数据库根据目标对象所拥有的服装的图片构建，包括以下步骤：
[0057]
收集目标对象所拥有的服装的图片；
[0058]
利用分类模型对所述目标对象所拥有的服装的图片进行分类，得到分类后的目标对象的服装数据库，其中，所述分类模型通过已知的服装图片库训练得到。
[0059]
本实施例的服饰搭配推荐方法，在接收到目标对象发送的服饰搭配请求时，根据当前环境信息、已知的目标对象的个人信息以及所述服饰搭配请求中的出席场合信息从已知的服饰搭配图片库中筛选出服饰搭配图片；对于筛选出的每一张服饰搭配图片的每一件服饰，从已知的目标对象的服装数据库中选出与该服饰相似度超过预设阈值的服装，作为与该服饰对应的服装，其中，所述目标对象的服装数据库根据目标对象所拥有的服装的图片构建，能够基于用户已有的服装向用户推荐符合用户要求的服饰搭配，节省了用户进行自主穿搭的时间。
[0060]
实施例二
[0061]
为解决现有技术中存在的上述技术问题，本发明实施例基于实施例一提供了一种服饰搭配推荐方法，其中，本发明实施例的方法对实施例一中步骤s120、s130和步骤s150进行改进，在步骤s120中，所述混合推荐机制包括基于人口统计学的推荐、基于内容的推荐和协同过滤的推荐。
[0062]
参照图2，本实施例的方法，包括以下步骤：
[0063]
s210，实时监测是否接收到目标对象发送的服饰搭配请求：
[0064]
若是，则执行步骤s221；
[0065]
若否，则不予响应；
[0066]
s221，基于人口统计学的推荐，根据已知的目标对象的个人信息从已知的服饰搭
配图片库中筛选出具有相同或相似个人信息的第一服饰搭配图片集合；
[0067]
s222，根据目标对象对推荐的服饰搭配的反馈记录目标对象的个性化行为；
[0068]
s223，分别基于内容的推荐和协同过滤的推荐，根据目标对象的个性化行为从已知的服饰搭配图片库中筛选出第二服饰搭配图片集合和第三服饰搭配图片集合；
[0069]
s231，根据当前环境信息和出席场合信息从所述第一服饰搭配图片集合、第二服饰搭配图片集合和第三服饰搭配图片集合中筛选出服饰搭配图片；
[0070]
s232，对分别从所述第一服饰搭配图片集合、第二服饰搭配图片集合和第三服饰搭配图片集合中筛选出的服饰搭配图片进行分区显示；
[0071]
s240，对于筛选出的每一张服饰搭配图片的每一件服饰，从已知的目标对象的服装数据库中选出与该服饰相似度超过预设阈值的服装，作为与该服饰对应的服装，其中，所述目标对象的服装数据库根据目标对象所拥有的服装的图片构建；
[0072]
s250，将与筛选出的每一张服饰搭配图片的每一件服饰分别对应的服装按照该服饰搭配图片的服饰搭配的方式进行搭配，生成新的服饰搭配推荐给目标对象。
[0073]
在步骤s233中，当所述个性化行为包括偏好的服饰搭配时，分别基于内容的推荐和协同过滤的推荐，根据目标对象的个性化行为从已知的服饰搭配图片库中筛选出第二服饰搭配图片集合和第三服饰搭配图片集合，包括以下步骤：
[0074]
基于内容的推荐，从已知的服饰搭配图片库中筛选出与目标对象的偏好的服饰搭配特性相同的服饰搭配图片汇合为第二服饰搭配图片集合；
[0075]
基于协同过滤的推荐，从已知的服饰搭配图片库中筛选出与目标对象的偏好的服饰搭配相关联的服饰搭配图片汇合为第三服饰搭配图片集合。
[0076]
以下通过举例的方式说明与目标对象的偏好的服饰搭配相关联的服饰搭配图片：假设目标对象的偏好的服饰搭配为a和b，其他目标对象的偏好的服饰搭配为a、b和c，那么c为与目标对象的偏好的服饰搭配a和b相关联的服饰搭配图片。
[0077]
在步骤s240中，所述相似度包括服装颜色和/或样式的相似度。
[0078]
在步骤s250中，在将新的服饰搭配分区推荐给目标对象之后，所述服饰搭配推荐方法还包括以下步骤：
[0079]
记录目标对象对每次推荐的服饰搭配的个性化偏好，以将该个性化偏好作为个性化行为返回步骤s223。
[0080]
本实施例基于用户对每次推荐的服饰搭配的反馈进行个性化偏好记录，以达到推荐机制越来越准确的效果。
[0081]
实施例三
[0082]
为解决现有技术中存在的上述技术问题，本发明实施例还提供了一种存储介质。
[0083]
本实施例的存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述实施例中方法的步骤。
[0084]
实施例四
[0085]
为解决现有技术中存在的上述技术问题，本发明实施例还提供了一种服饰搭配推荐控制装置。
[0086]
本实施例的服饰搭配推荐控制装置，其包括存储器和处理器，该存储器上存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。
[0087]
实施例五
[0088]
为解决现有技术中存在的上述技术问题，本发明实施例还提供了一种衣橱。
[0089]
本实施例的衣橱，包括上述服饰搭配推荐控制装置，其中，该服饰搭配推荐控制装置可以嵌入到所述衣橱上。
[0090]
参见图3，服饰搭配推荐控制装置需要大量的数据构建云端数据库：用户基本信息服装数据库、用户偏好分析数据库、服饰搭配图片库、季节气温数据库等。而数据的获取可以通过网络爬虫技术获取，利用脚本自动化收集数据可以提高收集数据效率，构建云端大数据平台的效率。
[0091]
如图3所示，服饰搭配推荐控制装置主要分为三个部分：智能分类整理模块、用户搜索引擎模块和推荐引擎模块。智能分类整理模块主要是利用用户目前所拥有的服装库和大数据平台云端所拥有的服装图片库，基于深度学习算法-图像识别，将衣橱中所有服装进行分类，然后进行自动化整理。进行自动化处理后的衣橱不仅整洁并且分类有序。用户搜索引擎模块主要是利用云端积累的用户基本信息服装数据库、云端服饰搭配图片库、智能分类后的用户服装库和季节气温数据库构建一个搜索引擎方便用户输入出门场所，以获取相应出门场所对应的穿搭。推荐引擎模块基于大数据的用户个性化服饰搭配模型，依次进行人体体型分析，用户兴趣模型构建，然后对用户进行个性化推荐。
[0092]
智能分类整理模块中可以采用的深度学习算法：卷积神经网络模型(简称cnn)。卷积神经网络常用于影像数据的分析处理，故在智能分类整理模块中就采用该算法。卷积神经网络主要应用于图像分类、目标检测和语义分割。在这个场景中，该算法就是用来解决图像分类的。智能分类整理模块的操作步骤就是：获取用户个人衣橱所有服装的图像，利用经过云端的服装图片库训练好的卷积神经网络分类模型对用户个人衣橱的所有服装进行分类，然后自动化整理用户的个人衣橱。智能分类整理模块充分利用衣橱的空间，减少用户人工对衣橱服装进行分类的时间成本。
[0093]
用户搜索引擎模块是基于多个云端数据库构建的一个关于出门场所的搜索引擎模块，用户可以输入出门场所，搜索引擎可以反馈给用户相应出门场所的穿搭。而且该搜索引擎和推荐引擎模块是一体化的，搜索引擎模块返回给用户的信息就是推荐引擎模块基于大数据的用户个性化服饰搭配模型，依次进行人体体型分析，用户兴趣模型构建，对用户个性化推荐的。推荐引擎主要有以下三类：基于人口统计学的推荐、基于内容的推荐、基于协同过滤的推荐。基于人口统计学的推荐：根据系统用户的基本信息发现用户的相关程度。基于内容的推荐：根据推荐物品或内容的元数据，发现物品和内容的相关性。基于协同过滤的推荐：根据用户对物品或者信息的偏好，发现物品或者内容本身的相关性，或者是发现用户的相关性。为了让用户拥有更多的推荐选择，在推荐引擎模块采用的机制上用混合推荐机制。在混合推荐机制中，考虑分区的混合。分区的混合就是采用多种推荐机制，并将不同的推荐结果分不同的区显示给用户。这种推荐机制能有效给用户进行个性化推荐，能大大减少用户在穿搭方面消耗的时间成本。
[0094]
本实施例的服饰搭配推荐控制装置分为三个部分：智能分类整理模块、用户搜索引擎和推荐引擎模块。智能分类整理模块主要是利用用户目前所拥有的服装库和大数据平台云端所拥有的服装图片库，基于深度学习算法-图像识别，将衣橱中所有服装进行分类，然后进行自动化整理。进行自动化处理后的衣橱不仅整洁并且分类有序。用户搜索引擎主
要是利用云端积累的用户基本信息服装数据库、云端服饰搭配图片库、智能分类后的用户服装库和季节气温数据库构建一个搜索引擎方便用户输入出门场所，以获取相应出门场所对应的穿搭。推荐引擎模块基于大数据的用户个性化服饰搭配模型，依次进行人体体型分析，用户兴趣模型构建，然后对用户进行个性化推荐。因此，服饰搭配推荐控制装置能够通过这三个模块有效地对用户已有的服装进行智能化归类整理，并把用户已有的服装类型、种类上传到云端数据库，建立相关搜索引擎，通过用户的所需出行的场所，并基于用户偏好的推荐引擎模块进行个性化穿搭推荐。
[0095]
本实施例的衣橱作为智能家居，将推荐引擎模块部署在衣橱上，立足于云端积累的用户基本信息服装数据库，用户偏好分析数据库以及服饰搭配图片库，提出了基于大数据的用户个性化服饰搭配模型，依次进行人体体型分析，用户兴趣模型构建，然后对用户进行个性化推荐，解决用户个性化搭配问题并节省用户消耗在穿搭上的时间成本。
[0096]
本实施例的推荐引擎根据不同的推荐机制可能用到数据源中的不同部分，分析一定的规则或直接对用户穿搭的喜好进行预测计算，从而能有效节省用户进行自主穿搭的时间成本。
[0097]
虽然本发明所公开的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所公开的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的保护范围，仍须以所附的权利要求书所界定的范围为准。