一种基于云平台的智能服饰搭配推荐方法及系统与流程

本发明涉及智能家居领域，尤其是一种基于云平台的智能服饰搭配推荐方法及系统。

背景技术：

随着经济发展，衣食越来越丰足，随之而来的是对衣食品质提升的要求，就穿衣而言，不止拥有的衣服数量多了、质地好了、款式翻新快了，当代的快节奏生活人们在居家、工作、社交等等场合间不断快速转换自身角色，还对着装适宜出席的场合有着必然的需求，并且希望在着装适宜的基础上，通过各种衣服的搭配，穿出时尚、个性，即，要求人们能够在自己种类繁杂数量众多的衣物中快速选择并搭配出适合即将出席的场合的衣服，而且得要跟得上流行，不失礼，也不能缺乏个性。

但当代流行元素多样、多元、多变，除时装界人士和少数时尚达人外，一般人很难能紧跟流行脚步快速搭配出适合不同场合的服装。

技术实现要素：

有鉴于此，本发明的主要目的在于提供一种基于云平台的智能服饰搭配推荐方法及系统，能够自动选择并搭配出满足用户需求的服装。

为达到上述目的，本发明的技术方案如下：

基于本发明实施例提供一种基于云平台的智能服饰搭配推荐方法，该方法包括：

获取并存储衣柜中每件服装的特征；

接收到搜索条件，搜索网络中符合该搜索条件的成套服装图片；分析搜索出的成套服装图片，得出组成各图片中成套服装的各件服装的特征；

针对每套所述成套服装，分别确定该套服装中的各件服装在衣柜中都有 与之特征相匹配的服装，显示该成套服装的图片；

所述符合该搜索条件的成套服装图片的搜索范围包括：网络基础服务提供的信息和云服务端共享的信息。

进一步地，所述获取衣柜中每件服装的特征为：

分别拍摄衣柜中每件服装；分别分析拍摄到的各图片的灰度和灰度变化，得到各图片中服装的特征；和/或，接收用户手动输入的衣柜中每件服装的特征。

进一步地，所述搜索条件至少包括：穿着场合和预选数；相应的，所述搜索网络中符合该搜索条件的成套服装图片包括：通过网络接口在网络中搜索符合所述穿着场合的成套服装图片；依据发布时间依据最接近当前时间至与当前时间间隔远的顺序，取搜索到的成套服装图片中图片，直到所取出的图片数目与预选数相等，所取出的全部图片即为所述符合该搜索条件的成套服装图片；或者，通过网络接口在网络中搜索符合所述穿着场合的成套服装图片；在搜索到的图片中二次搜索当前时间前设定时间段内发布的图片；依据或点评最多至被点评少的顺序，在二次搜索的结果中取图片，直到取出的图片数目与预选数相等，所取出的全部图片即为所述符合该搜索条件的成套服装图片。

进一步地，所述确定在衣柜中存在与成套服装图片中的一件服装特征相匹配的服装为：

a、在预先设置的服装类型库中，查询该件服装的各特征与记录中相应特征均能匹配的记录，该记录中的服装类型即为该服装所属类型；

b、查询存储衣柜中的各服装特征的记录中是否有标记有服装类型的特征记录，如果有，执行步骤c；否则，执行步骤d；

c、查询标记的各服装类型中与所述服装所属类型一致的服装类型，如果查询到，则认为在衣柜中存在与该件服装特征相匹配的服装；如果未能查询到，则执行步骤d；

d、查询存储衣柜中的各服装特征的记录中是否有未标记有服装类型的特征记录，如果有，执行步骤e；否则，认为在衣柜中不存在与该件服装特征相匹 配的服装；

e、在预先设置的服装类型库中，分别查询与每条未标记有服装类型的特征记录中相应特征均能匹配的记录，将查询到的记录中的服装类型标记在该特征记录中，返回步骤c。

进一步地，在符合搜索条件的各成套服装图片中，没有包括的各件服装在衣柜中均存在与之特征相匹配的服装的成套服装图片时，该方法还包括：显示搭配失败，以及放宽搜索条件的提示。

进一步地，显示输入放宽搜索条件的提示后该方法还包括：

搭配失败计数加1；

确定搭配失败计数超出设定值，则显示更新衣柜中服装的提示，搜索失败计数清零。

基于本发明实施例，还提供一种基于云平台的智能服饰搭配推荐系统，该系统包括：

获取模块，用于获取衣柜中每件服装的特征；

第一存储模块，用于存储所述衣柜中每件服装的特征；

第一输入模块，用于接收搜索条件；

接口模块，用于通过计算机连接互联网或直接与互联网连接，搜索符合所述搜索条件的成套服装图片并传给第一图像分析模块；其中，所述符合该搜索条件的成套服装图片的搜索范围包括：网络基础服务提供的信息和云服务端共享的信息；

第一图像分析模块，用于分析网络接口传来的成套服装图片的灰度和灰度变化，得出其中各件服装的特征并传给匹配计算模块；

匹配计算模块，用于针对每套所述成套服装，分别确定该套服装中的各件服装在衣柜中都有与之特征相匹配的服装；

显示模块，用于显示匹配计算模块确定的成套服装的图片。

进一步地，所述获取模块包括：图像摄取模块、第二图像分析模块，和/或，第二输入模块；其中，

图像摄取模块，用于分别拍摄衣柜中每件服装；

第二图像分析模块，用于分析拍摄到的各图片的灰度和灰度变化，得到各图片中服装的特征，并传给第一存储模块；

第二输入模块，用于接收用户手动输入的衣柜中每件服装的特征。

进一步地，所述匹配计算模块，还用于在符合搜索条件的各成套服装图片中，没有包括的各件服装在衣柜中均存在与之特征相匹配的服装的成套服装图片时，传给显示模块块搭配失败，放宽搜索条件的提示；相应的，

显示模块，还用于显示块搭配失败，放宽搜索条件的提示。

进一步地，该系统还包括：计数模块、比较模块；

计数模块，用于在搭配失败时，计数加1；并用于收到比较模块的信号时清零；

比较模块，用于比较计数模块计数值和设定值的大小，并在该计数值大于设定值时，给计数模块信号，并给显示模块更新衣柜中服装的提示；相应的，

显示模块，还用于显示更新衣柜中服装的提示。

基于上述，本发明提供的一种基于云平台的智能服饰搭配推荐方法及系统，具有以下优点和特点：

1、通过搜索网络中符合该用户需求的成套服装图片，获得符合用户需求的服装搭配方式，并在符合用户需求的服装搭配方式中，进一步选择用户当前拥有的服装能够实现的服装搭配方式展现给用户，即，自动选择并搭配出满足用户需求的服装，这样，用户不再需要考虑如何用拥有的服装搭配出需求的效果，省时省力，且避免了着装不合宜的问题；

2、在符合所述穿着场合的成套服装图片中，选取发布时间近的成套服装图片，以保证服装搭配足够时尚；而进一步选取点评多的成套服装图片，则还保证了服装搭配被更多人关注、喜欢；

3、采用服装类型相同替代各特征匹配，并在首次确定服装的类型后，即在该服装的特征记录中标记服装类型，减少了所需匹配计算的次数，节省运 算资源；

4、支持搜索失败后放宽搜索条件再次搜索，在用户服装款式较全较时尚时，节省运算资源；而在用户服装在款式和时尚度较欠缺的条件下，也能尽可能给出符合用户需求的服装搭配方式；

5、及时提示用户更新衣柜中服装，保持用户拥有的服装时尚，以便随时能够满足用户需求。

附图说明

图1为本发明实施例一基于云平台的智能服饰搭配推荐方法的流程示意图；

图2为本发明实施例二基于云平台的智能服饰搭配推荐系统的结构示意图。

具体实施方式

具体的，本发明实施例一基于云平台的智能服饰搭配推荐方法的流程如图1所示，包括：

步骤101：获取并存储衣柜中每件服装的特征。

步骤102：接收到搜索条件，搜索网络中符合该搜索条件的成套服装图片。

步骤103：分析搜索出的成套服装图片的灰度和灰度变化，得出组成各图片中成套服装的各件服装的特征。这里，所述其中各件服装的特征，即搜索出的成套服装图片中的每套服装所包括的全部服装。

步骤104：针对每套所述成套服装，分别确定该套服装中的各件服装在衣柜中都有与之特征相匹配的服装，则该套服装即为推荐给用户的搭配方式，显示该成套服装的图片。

步骤101中，

所述获取衣柜中每件服装的特征具体为：

分别拍摄衣柜中每件服装；

分别分析拍摄到的各图片的灰度和灰度变化，得到各图片中服装的特征；和/或，

接收用户手动输入的衣柜中每件服装的特征。其中，

所述特征至少包括：服装的形状、面料、厚度、颜色。

所述分析拍摄到的各图片的灰度和灰度变化得出图片中服装的特征具体为：

所述颜色的提取：服装的组成颜色可使用RGB颜色采集颜色数据,而用HSV颜色模型可以考察服装色彩特征:根据色彩学理论，色相环上间隔15°以内的色彩为同类色，因此可将色相环按15°一个区域，分割成24个区域，每个区域用位于区域中央的第8色相代表。将色相分布按区域求和，得到的区域分布中占比最高的区域即是服装色彩的主色调。

设两色块的色相h1、h2，在着装图上对应面积百分比r1、r2，色相对比度Ch，规定：

Ch＝min(|h1－h2|，360－|h1－h2|)×min(r1/r2，r2/r1) (1)

利用式(1)计算主色调与其余各个区域之间的对比度，将得出的最大值作为相应着装图的色相对比度。

所述面料的提取：服装皱褶密度可用于评价服装的光滑程度。服装皱褶密度在本文中的含义是整个服装图片中皱褶的数量。为实现便捷地提取服装皱褶的密度信息，本文尝试在二值化图像的基础上进行提取。把图像背景与目标服装区域区分开，即经过调整，把面积大于一定值的区域去除，再把图片中无关的噪声信号滤除，把面积小于一定值的区域去除。计算连通区域面积在一定范围内的数量。对于服装的面料，提取它们密度信息，并分类存储。例如棉的密度为80，真丝的密度为143。

所述服装的形状的提取：运用canny算子对图像进行处理，首先对图像进行caussian平滑，然后对于平滑后的图像进行Roberts算子运算，可以测得服装的边缘，就是服装的形状。

所述厚度的提取：通过提取服装标签的信息提取，具体为：

读取服装标签图片，进行灰度化处理，即将图片的彩色信息转换成灰度信息，获取灰度图片。灰度化过滤器使用OPENCV灰度化权重系数。然后将 灰度图尽心高斯模糊处理，让图片变得更圆滑。进而将灰度图片进行二值化处理，得到二值化图片。最后通过边界过滤器对二值图片进行腐蚀和膨化，获得图片中的图像边界，然后根据图像边界对图片进行切割，筛选掉不符合字库字体的图片切片，剩下文字区域。将文字图片进行统一化处理，转化成统一大小的文字图片。并将文字图片与字典进行比较，得到文字内容。当然在确定文字的时候，要选择字典，选择语言。

所述存储衣柜中每件服装的特征为：

预先设置表格式的电子衣柜，至少包括字段服装的形状、面料、厚度、颜色；

为衣柜中每件服装的特征存储在电子衣柜的相应字段中，并且同一件服装的特征占据电子衣柜中的一条记录。

步骤102中，

所述接收搜索条件具体为：

通过音频输入设备接收用户声音指示的搜索条件；或者，

通过键盘接收用户键入的搜索条件；或者，

通过触控面板接收用户输入的搜索条件。

所述搜索条件至少包括：穿着场合和预选数；

所述符合该搜索条件的成套服装图片的搜索范围包括：网络基础服务提供的信息和云服务端共享的信息；相应的，

所述搜索网络中符合该搜索条件的成套服装图片具体为：

步骤a21、通过网络接口在网络中搜索符合所述穿着场合的成套服装图片；

步骤b21、依据发布时间依据最接近当前时间至与当前时间间隔远的顺序，取搜索到的成套服装图片中图片，直到所取出的图片数目与预选数相等，所取出的全部图片即为所述符合该搜索条件的成套服装图片；或者，

步骤a22、通过网络接口在网络中搜索符合所述穿着场合的成套服装图片；

步骤b22、在搜索到的图片中二次搜索当前时间前设定时间段内发布的图片；依据或点评最多至被点评少的顺序，在二次搜索的结果中取图片，直到取出的图片数目与预选数相等，所取出的全部图片即为所述符合该搜索条件的成套服装图片。

这里，步骤a21、a22，均可以采用数据接口与计算机连接，将穿着场合传给计算机，通过计算机连接互联网完成搜索；相应的，

步骤b21、b22，可以是通过数据接口从计算机获取符合所述穿着场合的成套服装图片后，在本地实现；还可以通过数据接口传输预选数给计算机，在计算机上实现后，将符合搜索条件的成套服装图片传回本地。

还可以采用网络接口直接与互联网连接，在本地实现步骤a21、b21，或a22、b22。

在云服务端设置有分布式面向列的开源数据库(HBase)和通用的并行计算框架(Spark)；相应的，

所述云服务端信息共享的具体实现方式为：

将数据存储在HBase中，Spark控制HBase实现对服装数据信息的计算，并将计算的结果重新存储到HBase中；其中，

Spark中的弹性分布式数据集(RDD，Resilient Distributed Dataset)包含Action(执行)和Transformation(转换)两个控制类，所述由Spark控制HBase实现对服装数据信息的计算具体包括：

获取HBase中的数据，将数据在Hadoop分布式文件系统(HDFS，Hadoop Distributed File System)中分成一系列的数据块，通过使用Transformation中的映射(map)将数据进行map操作，而在map操作后产生的中间结果分别写到输出文件中；Action根据其中间结果对其进行合并，在这里调用Action中的归约(reduce)函数将map的键值对进行合并，得到结果写入HDFS管理的输出文件中。

步骤103中，

所述分析搜索出的成套服装图片的灰度和灰度变化的实现方法与步骤 101中基本相同，此处不再赘述。

步骤104中，

所述确定包括的各件服装在衣柜中均存在与之特征相匹配的服装的成套服装图片，即，该成套服装图片中的服装在衣柜中均能找到，也就是衣柜中现有的服装能够搭配出该套服装。

所述确定在衣柜中存在与成套服装图片中的一件服装特征相匹配的服装为：

步骤a4、在预先设置的服装类型库中，查询该件服装的各特征与记录中相应特征均能匹配的记录，该记录中的服装类型即为该服装所属类型；

步骤b4、查询存储衣柜中的各服装特征的记录中是否有标记有服装类型的特征记录，如果有，执行步骤c4；否则，执行步骤d4；

步骤c4、查询标记的各服装类型中与所述服装所属类型一致的服装类型，如果查询到，则认为在衣柜中存在与该件服装特征相匹配的服装；如果未能查询到，则执行步骤d4；

步骤d4、查询存储衣柜中的各服装特征的记录中是否有未标记有服装类型的特征记录，如果有，执行步骤e4；否则，认为在衣柜中不存在与该件服装特征相匹配的服装；

步骤e4、在预先设置的服装类型库中，分别查询与每条未标记有服装类型的特征记录中相应特征均能匹配的记录，将查询到的记录中的服装类型标记在该特征记录中，返回步骤c4。

在符合搜索条件的各成套服装图片中，没有包括的各件服装在衣柜中均存在与之特征相匹配的服装的成套服装图片时，即符合搜索条件的各成套服装图片中的任一套服装，在衣柜中均不能找到搭配其所需的全部服装，即搭配失败时，本发明实施例一还包括：显示搭配失败，以及放宽搜索条件的提示。

这里，放宽搜索条件，即，提示用户增大预选数，预选数越大，越容易搭配成功。

在搭配失败时，本发明实施例一还包括：

搭配失败计数加1；

确定搭配失败计数超出设定值，则显示更新衣柜中服装的提示，搜索失败计数清零。其中，

所述设定值可以由用户依据自身对时尚的追求程度设置，在预选数越小、设定值也越小时，衣柜中的服装更新间隔越短，则越时尚。

如图2所示，本发明实施例二基于云平台的智能服饰搭配推荐系统的结构包括：

获取模块，用于获取衣柜中每件服装的特征；

第一存储模块，用于存储所述衣柜中每件服装的特征；

第一输入模块，用于接收搜索条件；

接口模块，用于通过计算机连接互联网或直接与互联网连接，搜索符合所述搜索条件的成套服装图片并传给第一图像分析模块；其中，所述符合该搜索条件的成套服装图片的搜索范围包括：网络基础服务提供的信息和云服务端共享的信息；

第一图像分析模块，用于分析网络接口传来的成套服装图片的灰度和灰度变化，得出其中各件服装的特征并传给匹配计算模块；

匹配计算模块，用于在所述各成套服装图片中，确定包括的各件服装在衣柜中均存在与之特征相匹配的服装的成套服装图片；

显示模块，用于显示匹配计算模块确定的成套服装的图片。

其中，

所述获取模块包括：图像摄取模块、第二图像分析模块，和/或，第二输入模块；其中，

图像摄取模块，用于分别拍摄衣柜中每件服装；

第二图像分析模块，用于分析拍摄到的各图片的灰度和灰度变化，得到各图片中服装的特征，并传给第一存储模块；

第二输入模块，用于接收用户手动输入的衣柜中每件服装的特征。

所述匹配计算模块，还用于在符合搜索条件的各成套服装图片中，没有包括的各件服装在衣柜中均存在与之特征相匹配的服装的成套服装图片时，传给显示模块块搭配失败，放宽搜索条件的提示；相应的，

显示模块，还用于显示块搭配失败，放宽搜索条件的提示。

本发明实施例二还包括：计数模块、比较模块；

计数模块，用于在搭配失败时，计数加1；并用于收到比较模块的信号时清零；

比较模块，用于比较计数模块计数值和设定值的大小，并在该计数值大于设定值时，给计数模块信号，并给显示模块更新衣柜中服装的提示；相应的，

显示模块，还用于显示更新衣柜中服装的提示。

以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。