用于服装匹配的信息处理方法及装置与流程

本公开涉及服装数据处理技术领域，具体涉及到一种用于服装匹配的信息处理方法及装置。

背景技术：

对消费用户来说，如何从大量的服装中确定与自己匹配的服装是比较困难的，一般是通过人工线下寻找并试穿的方式；或者新兴的通过线上3d试衣的方式进行试穿，而采用这种方式，针对每件衣服，都要专人来制作三维动画，三维动画制作参差不齐，无法真实反映衣服的样式，与人的适配效果不佳。

技术实现要素：

本公开的主要目的在于提供一种用于服装匹配的信息处理方法及装置，以解决服装与用户匹配度不佳的技术问题。

为了实现上述目的，根据本公开的第一方面，提供了一种用于服装匹配的信息处理方法，包括：在获取到目标用户人体图像后，对所述人体图像进行预处理，分别得到人体面部图像和人体三维建模图像；将所述人体面部图像输入至预先训练的识别模型中，对人体面部图像的肤色进行识别；基于所述肤色、所述三维建模图像，为所述目标用户匹配预设服装样式，得到与所述目标用户匹配的待评价服装样式；将所述待评价服装样式、以及所述面部图像发送至预设专家组，以得到肤色和所述面部图像、与所述待评价服装样式相匹配后的评分。

可选地，方法还包括对识别模型进行预先训练，包括：获取大量面部图像，以将其作为训练样本；将所述训练样本输入至预先建立的识别模型中，得到面部图像对应的色度的概率预测值，以将最大的概率预测值对应的色度确定为所述面部图像的色度；基于所述大量面部图像对应的色度，确定色度划分阈值；基于所述色度划分阈值确定的区间，确定肤色类型。

可选地，将所述肤色、所述待评价服装样式、以及所述面部图像发送至预设专家组，以得到肤色和所述面部图像、与所述待评价服装样式相匹配后的评分包括：将所述待评价服装样式与所述面部图像进行组合；将组合后的图像发送至所述预设专家组，以使预设专家组对所述组合后的图像进行评分；将评分最高的组合确定为与所述目标用户匹配的匹配服装样式。

可选地，方法还包括：利用大数据挖掘技术从预设位置处挖掘人体着装图像；利用大数据分析技术，确定不同肤色适应的服装颜色；和/或，将所述人体着装图像的服装样式进行分割，得到不同不同部位的服装样式；将所述人体着装图像中的人体各个部位的尺寸、所述不同部位的服装样式进行对应存储。

根据本公开的第二方面，提供了一种用于服装匹配的信息处理装置，包括：预处理单元，被配置成在获取到目标用户人体图像后，对所述人体图像进行预处理，分别得到人体面部图像和人体三维建模图像；识别单元，被配置成将所述人体头部图像输入至预先训练的识别模型中，对人体面部图像的肤色进行识别；匹配单元，被配置成基于所述肤色、所述三维建模图像，为所述目标用户匹配预设服装样式，得到与所述目标用户匹配的待评价服装样式；评分单元，被配置成将所述待评价服装样式、以及所述面部图像发送至预设专家组，以得到肤色和所述面部图像、与所述待评价服装样式相匹配后的评分。

可选地，装置还包括训练单元：获取大量面部图像，以将其作为训练样本；将所述训练样本输入至预先建立的识别模型中，得到面部图像对应的色度的概率预测值，以将最大的概率预测值对应的色度确定为所述面部图像的色度；基于所述大量面部图像对应的色度，确定色度划分阈值；基于所述色度划分阈值确定的区间，确定肤色类型。

可选地，评分单元进一步被配置成：将所述待评价服装样式与所述面部图像进行组合；将组合后的图像发送至所述预设专家组，以使预设专家组对所述组合后的图像进行评分；将评分最高的组合确定为与所述目标用户匹配的匹配服装样式。

可选地，装置还包括：大数据挖掘单元，被配置成利用大数据挖掘技术从预设位置处挖掘人体着装图像；大数据分析单元，被配置成利用大数据分析技术，确定不同肤色适应的服装颜色；和/或，图像分割单元，被配置成将所述人体着装图像的服装样式进行分割，得到不同不同部位的服装样式；存储单元，被配置成将所述人体着装图像中的人体各个部位的尺寸、所述不同部位的服装样式进行对应存储。

根据本公开的第三方面，提供了一种计算机可读存储介质，存储有计算机指令，所述计算机指令用于使所述计算机执行第一方面任意一项实施例所述的用于服装匹配的信息处理方法。

根据本公开的第四方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行第一方面任意一项实施例所述的用于服装匹配的信息处理方法。

在本公开实施例中，首先在获取到目标用户人体图像后，对人体图像进行预处理，分别得到人体面部图像和人体三维建模图像；将人体面部图像输入至预先训练的识别模型中，对人体面部图像的肤色进行识别；而后基于肤色、所述三维建模图像，为所述目标用户匹配预设服装样式，得到与所述目标用户匹配的待评价服装样式；最后将待评价服装样式、以及所述面部图像发送至预设专家组，以得到肤色和所述面部图像、与所述待评价服装样式相匹配后的评分。首先通过对肤色进行识别、对人体进行三维建模，而后基于识别得到的肤色和三维模型，确定与之匹配的服装样式，利用专家组评分对服装样式进行评分，可以得到与目标用户最匹配的服装，提高了匹配准确率，进而提高了购买效率和成交率。解决了相关技术中匹配率不佳的技术问题。

附图说明

为了更清楚地说明本公开具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本公开的一些实施方式，对于本领域普通技术人员来讲，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是根据本公开实施例的用于服装匹配的信息处理方法的流程图；

图2是根据本公开实施例的用于服装匹配的信息处理装置的结构示意图；

图3是根据本公开实施例的电子设备的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本公开方案，下面将结合本公开实施例中的附图，对本公开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公开一部分的实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通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，都应当属于本公开保护的范围。

需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

根据本公开实施例，提供了一种用于服装匹配的信息处理方法，如图1所示，该方法包括如下的步骤101至步骤104：

步骤101：在获取到目标用户人体图像后，对所述人体图像进行预处理，分别得到人体面部图像和人体三维建模图像。

在本实施例中，可以从实时获取目标用户人体的图像、或者从目标用户的图库中获取目标用户的人体图像后，对图像进行分割得到待处理的面部图像，对待处理的面部图像进行去噪、去高光处理，得到的人体面部图像。还经过图像识别的方式，确定人体图像的建模尺寸、基于所述建模尺寸确定人体三维建模。可以理解的是基于识别得到的建模尺寸，还可以接收目标用户的尺寸微调修改，并基于修改后的尺寸进行三维建模。通过三维建模可以得到真实的符合人体的各部位尺寸的图像模型，该模型可以体现目标用户各个部位的尺寸，例如，脖子长度、头围、臂长、肩宽、肩厚、胯宽、臀围、腿长、腿粗、脚脖长等。通过三维建模后的三维图像，可以用于适配服装样式，例如，对于小腿围大于一定围度的图像，其匹配到的裙子式样，其长度一定不能是小腿全露的，可以是长度及脚踝的长度；或者是匹配到直线型阔腿牛仔裤等。

可以理解的是，人体图像即包括人体全部部位的图像，该人体图像用于三维建模和肤色识别。

步骤102：将所述人体头部图像输入至预先训练的识别模型中，对人体面部图像的肤色进行识别。

在本实施例中，可以将步骤101得到的人体面部图像作为识别模型的输入，输出面部图像对应的肤色类型，得到的肤色类型可以是基于色度划分的黑色、黄色、中性、白色。

作为本实施例一种可选的实现方式，方法还包括对识别模型进行预先训练，包括：获取大量面部图像，以将其作为训练样本；将所述训练样本输入至预先建立的识别模型中，得到面部图像对应的色度的概率预测值，以将最大的概率预测值对应的色度确定为所述面部图像的色度；基于所述大量面部图像对应的色度，确定色度划分阈值；基于所述色度划分阈值确定的区间，确定肤色类型。

在本可选的实现方式中，可以预先训练图像识别模型，该图像识别模型可以实现对面部图像肤色的识别。训练过程的样本可以是从人脸图像库中获取人脸，由于图像受到拍摄的影响，因此需要对图像进行去噪和去高光处理，得到可以反映人体自然状态下的图像。将大量的面部图像作为训练样本，而后将训练样本输入至深度神经网络模型中，得到面部图像对应的色度概率预测值。色度可以包括卢宣肤色表中的36种肤色，通过识别模型的识别后，可以输出对应色度的概率值。而后基于各个最大概率值进行阈值划分，例如，将概率值为大于百分之99.99的确定为黑色、将概率值在百分之80到百分之99之间的确定为白色、其余确定为黄色，由于不同的肤色对服装的颜色有非常高的要求，例如黄色皮肤如果匹配到了橘黄色服装、那么这种搭配是非常不适配的，因此通过肤色识别后，可以预先确定与肤色适配的服装样式。

步骤103：基于所述肤色、所述三维建模图像，为所述目标用户匹配预设服装样式，得到与所述目标用户匹配的待评价服装样式。

在本实施例中，通过识别得到的肤色和三维建模得到的人体图像后，可以基于识别得到的肤色，确定数据库中存储的与肤色相匹配的预设服装样式的颜色。数据库中存储了商店中各个服装图像，每一个图像均对应存储了服装的版式、该版式可以是人工标注的内容(例如，a字连衣裙、直筒裤、牛仔裤、中长西装)、尺寸(每一件衣服各个部位地尺寸)和服装颜色。例如，商店中与黄色肤色相匹配的服装颜色有乳白色、杏色、等，那么可以初步筛选出乳白色、杏色等颜色的服装。而后在初步筛选得到的服装样式中，确定与三维建模图像相匹配的服装样式。匹配过程可以是基于预先设置的匹配规则，对人体各个部位进行匹配，综合得到匹配的样式。例如，对于胯宽的人、其适配的版型为a字、直筒，因此如果三维建模图像中显示人体比例中胯宽，则匹配a字、直筒等元素的服装样式，而后基于具体的三维尺寸，例如，脖短，则匹配规则为筛除高领口衣服，那么可以从a字、直筒等样式中删除高领口样式，得到a字、直筒、半高领、低领等元素样式，如果用户属于腰部偏长，那么将低腰样式筛除，优先从a字、直筒、半高领、低领等元素样式确定高腰样式。最后得到的结果即为与目标用户匹配的结果，例如，将商店中高腰线a字连衣裙和高腰a字半身裙、半身低领口针织衫等作为最终的推荐结果。将推荐服装推荐至目标用户，目标用户可以基于推荐进行线下试衣，从而提高了匹配准确率和效率。

具体地，也可以在确定初始推荐结果后，将其作为待评价服装样式发送至专家组。

作为本实施例一种可选的实现方式，利用大数据挖掘技术从预设位置处挖掘人体着装图像；利用大数据分析技术，确定不同肤色适应的服装颜色；和/或，将所述人体着装图像的服装样式进行分割，得到不同不同部位的服装样式；将所述人体着装图像中的人体各个部位的尺寸、所述不同部位的服装样式进行对应存储。

在本可选的实现方式中，预设匹配规则的建立可以基于大数据技术确定，从各个时尚秀图库或者网站中合法爬取图片后，对图片进行分析处理，确定与肤色适配的服装颜色，和与人体各个部位适配的服装细节设计结构，通过自动化的方式对适配的服装细节结构进行标定。例如，脖子短适配半高领和低领等。

步骤104：将所述待评价服装样式、以及所述面部图像发送至预设专家组，以得到肤色和所述面部图像、与所述待评价服装样式相匹配后的评分。

在本实施例中，在得到待评价服装样式后，将面部图像和待评价的服装样式进行专家组评分。

作为本实施例一种可选的实现方式，将所述待评价服装样式与所述面部图像进行组合；将组合后的图像发送至所述预设专家组，以使预设专家组对所述组合后的图像进行评分；将评分最高的组合确定为与所述目标用户匹配的匹配服装样式。

在本可选的实现方式中，通过将目标用户的面部图像(可用于体现目标用户长相的图像)、与待评价服装样式进行组合，组合即通过图像融合技术将实体衣物适配至目标用户图像上、并将面部图像的色度调整至所识别的肤色类型上。而后通过专家组对每套服装的评分，将得分最高的前n位作为推荐的服装样式，发送给目标用户，以使目标用户进行线下试衣。

通过专家组评分，更能提高服装与目标用户的适配准确度，以达到最优的审美等级。

从以上的描述中，可以看出，本公开实现了如下技术效果：能够为目标用户匹配出美感、准确度最佳的服装，因此进一步提高了购买成交率和购买效率。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

根据本公开实施例，还提供了一种用于实施上述用于服装匹配的信息处理方法的装置，如图2所示，该装置包括：预处理单元201，被配置成在获取到目标用户人体图像后，对所述人体图像进行预处理，分别得到人体面部图像和人体三维建模图像；识别单元202，被配置成将所述人体头部图像输入至预先训练的识别模型中，对人体面部图像的肤色进行识别；匹配单元203，被配置成基于所述肤色、所述三维建模图像，为所述目标用户匹配预设服装样式，得到与所述目标用户匹配的待评价服装样式；评分单元204，被配置成将所述待评价服装样式、以及所述面部图像发送至预设专家组，以得到肤色和所述面部图像、与所述待评价服装样式相匹配后的评分。

作为本实施例一种可选的实现方式，装置还包括训练单元：取大量面部图像，以将其作为训练样本；将所述训练样本输入至预先建立的识别模型中，得到面部图像对应的色度的概率预测值，以将最大的概率预测值对应的色度确定为所述面部图像的色度；基于所述大量面部图像对应的色度，确定色度划分阈值；基于所述色度划分阈值确定的区间，确定肤色类型。

作为本实施例一种可选的实现方式，所述评分单元204进一步被配置成：将所述待评价服装样式与所述面部图像进行组合；将组合后的图像发送至所述预设专家组，以使预设专家组对所述组合后的图像进行评分；将评分最高的组合确定为与所述目标用户匹配的匹配服装样式。

作为本实施例一种可选的实现方式，装置还包括：大数据挖掘单元，被配置成利用大数据挖掘技术从预设位置处挖掘人体着装图像；大数据分析单元，被配置成利用大数据分析技术，确定不同肤色适应的服装颜色；和/或，图像分割单元，被配置成将所述人体着装图像的服装样式进行分割，得到不同不同部位的服装样式；存储单元，被配置成将所述人体着装图像中的人体各个部位的尺寸、所述不同部位的服装样式进行对应存储。

本公开实施例提供了一种电子设备，如图3所示，该电子设备包括一个或多个处理器31以及存储器32，图3中以一个处理器31为例。

该控制器还可以包括：输入装置33和输出装置34。

处理器31、存储器32、输入装置33和输出装置34可以通过总线或者其他方式连接，图3中以通过总线连接为例。

处理器31可以为中央处理器(centralprocessingunit，cpu)。处理器31还可以为其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现场可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器32作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本公开实施例中的控制方法对应的程序指令/模块。处理器31通过运行存储在存储器32中的非暂态软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例的用于服装匹配的信息处理方法。

存储器32可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据服务器操作的处理装置的使用所创建的数据等。此外，存储器32可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器32可选包括相对于处理器31远程设置的存储器，这些远程存储器可以通过网络连接至网络连接装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置33可接收输入的数字或字符信息，以及产生与服务器的处理装置的用户设置以及功能控制有关的键信号输入。输出装置34可包括显示屏等显示设备。

一个或者多个模块存储在存储器32中，当被一个或者多个处理器31执行时，执行如图1所示的方法。

本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各电机控制方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(read-onlymemory，rom)、随机存储记忆体(randomaccessmemory，ram)、快闪存储器(flashmemory)、硬盘(harddiskdrive，缩写：hdd)或固态硬盘(solid-statedrive，ssd)等；存储介质还可以包括上述种类的存储器的组合。

虽然结合附图描述了本公开的实施方式，但是本领域技术人员可以在不脱离本公开的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。