21、眼镜推荐单元122、订单生成单元123。其中，眼镜推荐单元122基于从用户设备110接收的各种信息(例如用户输入信息和图像信息等)确定向用户推荐的用于试戴的候选眼镜。订单生成单元123可以用于在用户确定购买某款眼镜后生成相应的订单。
[0030]用户偏好130、专家推荐140、历史记录150被服务器用于确定向用户推荐的眼镜。眼镜数据库160用于存储作为商品的眼镜的各种属性/描述信息以及三维模型。以下将结合附图3至6分别详细描述。
[0031]图2是根据本发明实施例的对用户脸型进行测量的示例。一般来说，可以测量头像图像中的多种参数，例如，额头最宽处、颧骨最宽处、下巴最宽处、脸的长度等。根据这些参数能够确定用户的脸型，将人的脸型分为六种脸型，即圆形脸、长形脸、椭圆形脸、方形脸、三角形脸、瓜子脸。基于对用户脸型的判断，可以为用户推荐合适的眼镜。以下描述各种脸型的特点以及从审美角度看相适应的眼镜类型:
[0032](I)圆型脸的特点是颧骨最宽处长度和脸的长度差不多，脸上圆线条较多，要求佩戴棱角较分明的眼镜。若选择圆金丝边或根丝边的镜框，会使脸显得更圆。镜框为宽斜边型的也会使脸显得梢长一点。
[0033](2)长型脸的特点是颧骨最宽处长度比脸的长度小，高额头，颂骨较为实出，下巴也偏长，戴上合适的眼镜可令脸型显得宽短一些。比如，宽边的鼻架及深色的镜腿会打破长脸的直线条感。因为宽边、大镜框的眼镜能将脸的下半部分遮盖去较多，所以长脸型者可佩戴这类眼镜。
[0034](3)椭圆型脸的最宽部分位于额骨区域，并流畅匀称地向额头及下巴两边缩移，额头最宽处和下巴最宽处的长度相当。若所选眼镜的形状、比例适宜，椭圆型脸可与之匹配得相当完美。
[0035](4)方型脸的特点是宽额头。面部棱角分明、颂骨区较高、较宽，脸的侧部很不明显，脸型方正。佩戴镜框呈圆型的或椭圆型的眼镜会使脸部的轮廓线显得柔和一些。如戴上色调明快的金属镜框也可消除这种生硬感。
[0036](5)三角型脸比较有棱有角，非常适合圆形以及椭圆形的镜框，来缓和脸部较为刚硬的线条。流线型眼镜可以较好地弥补下领较尖、较短这个缺陷。
[0037](6)瓜子脸的特点是额头宽扁、下巴较尖，颂骨几乎与眼睛持平。这种脸型的下半部分线条流畅且较匀称、所以应佩戴可以在脸上形成“纵向线条”的眼镜，以弥补上半部分铰为宽扁的不足。最好是选择镜框呈椭圆型的、线条较分明的眼镜。
[0038]图3示出了根据本发明实施例的用户偏好分析模块的一个示例。
[0039]典型地，系统收集用户在系统中的浏览历史和购买记录数据，并将其存储数据库中，每个用户对应若干条记录，这些数据称为原始数据，如用户浏览记录301和/或用户购买记录(未示出)。然后，系统对这些数据进行分析，筛选出用户浏览较多的商品，根据商品的部分属性，例如颜色、品牌、材质、风格等(如商品信息表302所示)，将用户浏览信息和商品信息进行关联可以得到用户对某种颜色、品牌、材质、风格等的偏好情况，也可以将这些数据重新写入数据库中形成新的数据，如用户统计数据表303。
[0040]这些统计数据会随着时间不断更新。随着系统收集的用户浏览历史和购买记录越来越多，也越来越能够准确反映出用户的偏好，从而可以根据这些偏好数据来向用户推荐相关的商品。
[0041]例如，在用户统计数据表303中有一条统计数据:用户A累计浏览了材质为全记忆太空胶的眼镜100次，则可以认为用户A偏好于材质为全记忆太空胶的眼镜，可以利用这一信息向用户终端推荐类似的商品。本领域技术人员可以理解，还可以根据其他属性来推荐商品，例如品牌、风格、颜色等。
[0042]此外，用户偏好数据还可以由用户通过用户设备手动输入形成。
[0043]图4示出了根据本发明实施例的专家推荐模块的示例。
[0044]在实际配镜过程中，我们注意到用户需求一般比较抽象，甚至用户也不知道哪些眼镜能够满足自己的需求。如果仅基于眼镜属性等筛选条件可能很难搜索到满足需求的商品。为此本发明还引入两类专家推荐模块。
[0045]第一类专家推荐模块是对当下大众用户的一些需求进行分析，抽象概括出一些模式，比如护眼模式、青少年模式、太阳镜模式、近视镜模式等，每种模式对应具有某些属性的商品，用这些模式来代表用户的某种需求。这类模式作为用户搜索眼镜时的一个选项，当选择了某个模式时，则返回给用户这些模式匹配的商品，这些商品相比传统搜索给出的结果更加精确地匹配用户通用需求，大幅度缩短用户选择眼镜的时间，进而提高用户体验。
[0046]如图4所示，在专家推荐模块中分别定义了四种模式。例如，护眼模式对应于防蓝光眼镜片，青少年模式对应于炫彩颜色镜框，太阳镜模式对应于某种性价比最高的品牌(比如威古氏)，以及近视镜模式对应于某几种销量最高的树脂镜片。
[0047]如果用户长期在电脑前工作，想配一个保护眼睛的眼镜，但不知道应该如何选择眼镜。通过专家推荐模块，可以在搜索条件中加入人为要素的筛选条件，理解到这类用户的需求，抽象出了护眼模式。如果用户选择护眼模式，则系统根据后台存储的模式与商品的匹配数据，返回防蓝光眼镜片的商品给用户，用户的需求得到满足。需要注意的是，可以定义新的专家推荐模式及其对应的商品属性，还可以进行增加、删除和修改等，以及时有效地满足用户的需要。
[0048]另一类专家推荐的实施场景是，当某些用户有特殊需求的时候，比如需要配一副眼镜用于某个场合，或者是配一副眼镜搭配某款时装，用户上传相关的照片或者视频资料，和/或通过和在线的专家文字、语音和视频沟通，由在线专家给用户推荐适合的眼镜。
[0049]图5示出了根据本发明实施例的历史记录模块的示例。
[0050]在系统购买记录的原始数据中，每个商品会对应一个销售数量，根据销售数量进行降序排列，可得到商品的销售排行。
[0051]用户在使用系统时，需要搜索他们想要的商品，将用户输入的关键字以及此关键字搜索的次数记录下来，形成搜索记录。每个关键字会对应系统的搜索次数，对搜索次数进行降序排序，取其前若干(例如前十名)，可得到热门搜索。
[0052]在图5所示的示例中，眼镜A销售100副，眼镜B销售20副，眼镜C销售5副，那么销售排行为:眼镜A、眼镜B、眼镜C。在搜索时，用户搜索关键字统计如下:树脂为100次，太阳镜230次，近视镜130次。热门搜索的关键字排行为:太阳镜、近视镜、树脂。
[0053]那么，当用户输入关键词来搜索眼镜时，可以把近期出现的热门搜索关键词作为备选，供用户选择，或者直接向用户推荐热销的眼镜。
[0054]图6示出了根据本发明实施例的在线配镜的示意图。如图6所示，从上至下分别是用户浏览记录、销量和浏览量历史记录、专家推荐、眼镜属性表、以及推荐表单。
[0055]由此，结合用户浏览记录、销量和浏览量历史记录、专家推荐、眼镜属性表，便可多个方面给用户推荐出适合用户喜好、年龄、使用模式、热推、热销以及热门的眼镜。
[0056]例如，用户A选定的搜索条件是太阳镜模式，浏览材质为树脂的太阳镜10次，则可认为该用户偏好于材质为树脂的太阳镜，对于材质为树脂的太阳镜中销量前3的树脂太阳镜为:B、C、D。材质为树脂的太阳镜中浏览量前3的为:B、C、F;在材质为树脂的太阳镜B、C中系统推荐的眼镜为B，可以在用户终端将材质为树脂的太阳镜B作为最佳推荐给用户推荐。同时将材质为树脂的太阳镜C、D、F作为相关眼镜推荐给用户。
[0057]如果用户选择眼镜B作为试戴眼镜，则可以根据眼镜B的商品ID获取该眼镜的三维模型，三维模型属性包括眼镜颜色、材质、边框等属性。然后，服务器可以将该三维模型发送给用户设备，以便在用户设备上将用户头像和试戴眼镜合成为试戴图像。
[0058]在试戴过程中，系统判断用户是长形脸，适合大框眼镜或者是宽边眼镜。若B是大框眼镜或者是宽边眼镜，那么系统同时会把满足条件的D和F重点推荐给客户。若B不是大框眼镜或者是宽边眼镜，那么系统会提示用户D和F更适合他(