一种基于人体体征信息的服装匹配方法与系统与流程

本发明涉及计算机图形学
技术领域：
，尤其涉及一种基于人体体征信息的服装匹配方法与系统。
背景技术：
：基于虚拟现实的计算机动画是计算机图形学与艺术相结合的产物，三维计算机动画中的虚拟人物动画是其中的一个重要组成部分，在各种各样的3D仿真中扮演着重要的角色。动画人物的虚拟服装模拟是研究中的一个难点问题，服装的外形并不像刚体一样固定不变，其某些特征带来模拟上的难度，如服装的复杂多变形和高度变形性。服装本身是由多片布料缝合而成，面片之间需要满足缝合的约束，服装特有的结构约束，如褶皱等也需要加以表现，此外，人体运动可以彻底改变服装的视觉效果，穿着搭配和穿着层次等的影响也给虚拟服装的真实度带来了很大的挑战。虚拟服装的建模方法主要分为三种：几何法、物理法和混合法，目前基于物理的建模方法占据主导地位，虚拟服装建模中有两个亟待解决的问题，即提高虚拟的真实度和运算速度。技术实现要素：本发明的目的在于，提出一种能够根据消费者人体体征信息自动推荐符合消费者需求的服装匹配，解决现有虚拟建模真实度不高，运算速度慢的问题。为了实现上述目的，本发明所采用的技术方案为：一种基于人体体征信息的服装匹配方法，包括如下步骤：采集人体体征信息和服装单品信息的匹配方案并存储；接收所输入的消费者体征信息及消费者需求参数；计算消费者体征信息、消费者需求参数与匹配方案各对应项数据之间的相似度值，并依据预设的权重比例获取匹配度；依据匹配度的大小依序显示服装匹配结果。其中，所述的基于人体体征信息的服装匹配方法，还包括判断所采集人体体征信息和服装单品信息的匹配方案是否为晒单匹配方案；是晒单匹配方案，计算消费者体征信息、消费者需求参数与晒单匹配方案各对应项数据之间的相似度值，并依据预设的权重比例获取强匹配；非晒单匹配方案，计算消费者体征信息、消费者需求参数与非晒单匹配方案各对应项数据之间的相似度值，并依据预设的权重比例获取弱匹配；依据强匹配和弱匹配的类别分类依序显示服装匹配结果。其中，所述的基于人体体征信息的服装匹配方法，所述计算相似度值包括：计算消费者体征信息、消费者需求参数与匹配方案各对应项数据之间的差值，设置差值范围与分值之间的关系，依据所计算的差值获取每一项数据的分值。其中，所述的基于人体体征信息的服装匹配方法，还包括依据人体体征信息、服装单品信息或服装单品之间的特性数据将匹配方案分类存储。其中，所述的基于人体体征信息的服装匹配方法，所述人体体征信息包括身高、体重、肩宽、胸围、腰围、臀围、髋围、大腿围、小腿围、腿长、臂长、足颈围、上臂围、颈长、颈围、肤色、发质、脸型、皮肤机理、瞳孔颜色、身体比例；所述服装单品信息包括：款式、颜色、季节、版型。本发明还公开一种基于人体体征信息的服装匹配系统，包括：采集模块，用于采集人体体征信息和服装单品信息的匹配方案并存储；输入模块，用于接收所输入的消费者体征信息及消费者需求参数；匹配模块，用于计算消费者体征信息、消费者需求参数与匹配方案各对应项数据之间的相似度值，并依据预设的权重比例获取匹配度；第一显示模块，用于依据匹配度的大小依序显示服装匹配结果。其中，所述的基于人体体征信息的服装匹配系统，还包括判断模块：用于判断所采集人体体征信息和服装单品信息的匹配方案是否为晒单匹配方案；所述匹配模块包括：强匹配单元，弱匹配单元；所述强匹配单元用于判断为匹配方案后，计算消费者体征信息、消费者需求参数与晒单匹配方案各对应项数据之间的相似度值，并依据预设的权重比例获取强匹配；所述弱匹配单元用于判断为非晒单匹配方案后，计算消费者体征信息、消费者需求参数与非晒单匹配方案各对应项数据之间的相似度值，并依据预设的权重比例获取弱匹配；所述第一显示模块，用于依据强匹配和弱匹配的类别分类依序显示服装匹配结果。其中，所述的基于人体体征信息的服装匹配系统，所述匹配模块计算相似度值包括：计算消费者体征信息、消费者需求参数与匹配方案各项数据之间的差值，设置差值范围与分值之间的关系，依据所计算的差值获取每一项数据的分值。其中，所述的基于人体体征信息的服装匹配系统，还包括分类模块，用于依据人体体征信息、服装单品信息或服装单品之间的特性数据将匹配方案分类存储。其中，所述的基于人体体征信息的服装匹配系统，所述人体体征信息包括身高、体重、肩宽、胸围、腰围、臀围、髋围、大腿围、小腿围、腿长、臂长、足颈围、上臂围、颈长、颈围、肤色、发质、脸型、皮肤机理、瞳孔颜色、身体比例；所述服装单品信息包括：款式、颜色、季节、版型。本发明的有益效果为：一、通过采集人体体征信息和服装单品的匹配方案进行数据建模，将消费者的体征信息、消费者需求参数和已有匹配方案各对应项数据之间进行匹配度计算，使得匹配结果能够最真实的结合消费者体征信息将服装单品进行虚拟建模，仿真，为消费者提供服装匹配购物指南。二、通过判断所采集的人体体征信息和服装单品的匹配方案是否为晒单匹配方案，将匹配度分为强匹配和弱匹配。其中，晒单匹配方案为已有消费者晒单的数据，将服装匹配结果分为强匹配和弱匹配，其中强匹配数据的真实性更高，更加可靠，更容易得到消费者的青睐。弱匹配数据能够给消费者提供更多参考意见，扩大消费者服装单品可选择范围。三、所述相似度值计算综合考虑消费者体征信息、消费者需求参数与匹配方案各项数据之间的差值，将消费者的各项数据与已有匹配方案的各项数据分别进行计算比对，其分析面广、全，能够全方位的考虑消费者的需求，使得匹配出的虚拟模型更加符合消费者。四、依据人体体征信息和服装单品信息、服装单品之间的特性数据将匹配方案分类存储，将数据分类存储后，在进行相似度计算过程中，能够依据类别进行相似度计算，去除关联度不大的类别的统计，避免进行大量数据计算，缩短数据计算时间，能够快速的依据消费者的体征信息和需求获取服装匹配结果。附图说明图1为本发明基于人体体征信息的服装匹配方法的方法流程图；图2为本发明基于人体体征信息的服装匹配方法的又一实施方式的方法流程图；图3为本发明基于人体体征信息的服装匹配系统的结构框图。具体实施方式以下将结合附图所示的具体实施方式对本发明进行详细描述。但这些实施方式并不限制本发明，本领域的普通技术人员根据这些实施方式所做出的结构、方法、或功能上的变换均包含在本发明的保护范围内。本发明的第一实施方式涉及一种基于人体体征信息的服装匹配方法，参阅图1所示，其包括如下步骤：S100：采集人体体征信息和服装单品信息的匹配方案并存储；具体的说，在该步骤中，人体的体征信息可包含身高、体重、肩宽、胸围、腰围、臀围、髋围、大腿围、小腿围、足颈围、上臂围、颈围、肤色、发质、脸型、皮肤机理、瞳孔颜色、身体比例。服装单品信息可以包括上衣、下衣、配件、鞋子、款式、颜色、季节、版型等。在该实施方式中，所述人体体征信息和服装单品信息匹配方案的采集可通过网络进行数据收集，如通过淘宝、京东等网络商城进行数据采集，采集已有消费者的消费历史记录，并引导历史消费者填写相关体征信息进行数据库的构建。人体体征信息的采集还可通过智能扫描终端进行数据提取，如采用人体扫描仪获得用户的身高、体重、肩宽、胸围、腰围、臀围、髋围、大腿围、小腿围、腿长、臂长、足颈围、上臂围、颈长、颈围、肤色、发质、脸型、皮肤机理、瞳孔颜色、发质、脸型、瞳孔颜色、上身长、下身长、身体比例或臂长等信息；脚部扫描仪可以扫描人体脚部获得用户的脚长、脚宽、脚厚、脚趾长度等信息；手部扫描仪可以扫描人体手部获得用户的手长、手宽、手厚、手指长度等信息；另外，通过智能扫描终端还可以识别用户的肤色深浅。智能扫描终端可以放置在校园门口、商场门口等人流量较大的地方。将所采集的匹配方案进行存储，为后续的服装匹配提供数据服务。所述的匹配方案可采用云端存储或本地存储，云端存储可存储于云服务器上，本地存储可采用硬盘存储、软盘存储等各种具备存储功能的硬件设备。S200：接收所输入的消费者体征信息及消费者需求参数；具体的，消费者可通过字符、语音、图片或者视频等方式输入消费者个人的体征信息及消费者需求信息。所输入的消费者个人体征信息可依据需求输入，比如消费者需要了解上衣的匹配方案，则其输入肩宽、胸围、头发长度、头围、身高、身体比例、发质、脸型、瞳孔颜色、臂长、上臂围、上身长等体征信息，并输入所需衣服类型、颜色、款式、面料、出席场合、价格范围等需求参数；比如消费者需要了解下衣(裤子、裙子等)的匹配方案，则其输入腰围、臀围、大腿围、小腿围、下身长等体征信息，并输入需求参数：类型、颜色、款式、面料、出席场合、价格范围等。消费者所输入的体征信息及需求参数为下述的服装匹配提供数据。S300：计算消费者体征信息、消费者需求参数与匹配方案各对应项数据之间的相似度值，并依据预设的权重比例获取匹配度；在进行相似度值计算的时候，将消费者体征信息、消费者需求参数中的各项数据与匹配方案各对应项数据之间进行比对。比如在步骤S200中，消费者需要了解上衣的匹配方案，在进行相似度值计算的时候需要将肩宽、胸围、头发长度、头围、身高、身体比例、发质、脸型、瞳孔颜色、臂长、上臂围、上身长等体征信息的每一项数据逐项与匹配方案中相对应项的数据进行比对，将衣服类型、颜色、款式、面料、出席场合、价格范围等需求参数的每一项数据逐项与匹配方案中对应项的数据进行比对。更具体的说，将消费者的肩宽与匹配方案的肩宽进行相似度值计算，判断该项数据二者是否相似，将消费者的胸围与匹配方案的胸围进行相似度计算，判断该项数据二者是否相似。若消费者体征信息、需求参数包含数据：A1、A2、A3、A4、A5······，匹配方案包含体征信息、需求参数：A’1、A’2、A’3、A’4、A’5······，则将各对应项数据逐项进行相似度值计算。将A1与A’1进行相似度对比获得相似度值D1，将A2与A’2进行相似度对比获得相似度值D2，将A3与A’3进行相似度对比获得相似度值D3，A4与A’4进行相似度对比获得相似度值D4，A5与A’5进行相似度对比获得相似度值D5，依次类推逐项对比获得各项数据的相似度值。然后根据预设的各项数据的权重比例获取最后的匹配度，例如，上述的相似度值D1占比10％，相似度值D2占比10％，相似度值D3占比5％，相似度值D4占比20％，相似度值D5占比3％······所有相似度值占比之和为100％。依据预设的权重比例获取匹配度。S400：依据匹配度的大小依序显示服装匹配结果。具体的，在该步骤中，将步骤S300中所获取的匹配度，依据匹配度大小将服装匹配方案在显示界面显示。在显示界面中，可设置匹配度小于50的匹配方案不显示，或设置仅显示匹配度大于80的匹配方案，或者设置其他显示方式以实现查阅匹配后的匹配方案。在上述实施方式不同的一改进的实施方式中，参阅图2所示，所采集的人体体征信息和服装单品的匹配方案还进行是否为晒单匹配方案判断，其具体步骤：判断所采集人体体征信息和服装单品的匹配方案是否为晒单匹配方案；是晒单匹配方案，执行步骤S301：计算消费者体征信息、消费者需求参数与晒单匹配方案各对应项数据之间的相似度值，并依据预设的权重比例获取强匹配；非晒单匹配方案，执行步骤S302：计算消费者体征信息、消费者需求参数与非晒单匹配方案各对应项数据之间的相似度值，并依据预设的权重比例获取弱匹配。在该实施方式中，所述晒单匹配方案是指历史消费用户将其匹配方案(包括体征信息、服装单品信息数据)通过网络数据以图片、照片或视频的形式分享晒单，晒单匹配方案以真实的图片、照片或视频为凭据可信度更高，更容易受到消费者的青睐。所述匹配方案被标记为晒单匹配方案后，则获取的匹配度被标记为强匹配，所述匹配方案被标记为非晒单匹配方案后，则获取的匹配度被标记为弱匹配。在显示界面显示的时候，依据强匹配和弱匹配的类别分类依序显示服装匹配结果，可选择将强匹配方案显示在界面的前面，强匹配中匹配度大的显示在前，匹配度小的显示在后。将弱匹配方案显示在强匹配界面的后面，弱匹配中匹配度大的显示靠前，匹配度小的显示靠后。或者强匹配方案、弱匹配方案在不同的显示界面下显示，并依据匹配度的大小依序显示或者倒序显示。上述实施方式的一改进实施方式中，所述基于人体体征信息的服装匹配方法中，所述计算相似度值包括：计算消费者体征信息、消费者需求参数与匹配方案各对应项数据之间的差值，设置差值范围与分值之间的关系，依据所计算的差值获取每一项数据的分值。在该实施方式中，优选的可设置差值为0的给予满分，差值超过规定范围的数据忽略不计(即得0分)。假设差值范围与分值之间关系如下所示，其中Ai表示历史匹配方案数据，A’i表示消费者输入数据：Di＝|Ai-A’i|00<Di≤22<Di≤33<Di≤55<Di≤66<Di分值100908060500每项数据取得差值的得分后，依据预设的权重比例将各项得分相加就得出以消费者数据为基础的匹配度，其中，每项数据的权重比例0％-100％不等，所有权重数之和是100％。所述差值Di与分值之间的关系并不仅仅局限于上表所列的关系，所述差值Di与分值之间的关系可依据实际使用的需求设置。上述实施方式的一改进实施方式中，所述的基于人体体征信息的服装匹配方法，还包括依据人体体征信息或服装单品信息服装单品之间的特性数据将匹配方案分类存储。在该过程中，将匹配方案进行分类存储，使得在进行匹配度计算时能够大大的减小数据计算数量，缩短数据处理时间，提高数据处理效率。所述的分类存储依据人体体征信息或服装单品信息、进行分类，例如人体体征信息的特性数据可以分类为：瘦、胖、高、矮，身高1.5-1.6米，身高1.6-1.7m，长发、短发、白皮肤、黄皮肤、黑皮肤等类别，服装单品信息的特性数据可以分类为：上衣、下衣、长袖、短袖、外套、皮衣、羽绒服、棉质衣服、麻布衣服、款式颜色、季节、版型等等。所述分类存储可依据使用的需求，根据人体体征信息或者根据服装单品信息进行分类，还可以根据服装单品之间的特性数据进行分类，可将同类型的服装单品分为一类，或者符合某一人体体征信息的分为一类，所述分类并不仅仅局限于本实施方式所列举的范围。参阅图3所示，本发明实施方式还公开一种基于人体体征信息的服装匹配系统，包括：采集模块，用于采集人体体征信息和服装单品信息的匹配方案并存储；输入模块，用于接收所输入的消费者体征信息及消费者需求参数；匹配模块，用于计算消费者体征信息、消费者需求参数与匹配方案各对应项数据之间的相似度值，并依据预设的权重比例获取匹配度；第一显示模块，用于依据匹配度的大小依序显示服装匹配结果。上述实施方式所述的基于人体体征信息的服装匹配系统的一种改进实施方式中：还包括判断模块：用于判断所采集人体体征信息和服装单品的匹配方案是否为晒单匹配方案；所述匹配模块包括：强匹配单元，弱匹配单元；所述强匹配单元用于判断为匹配方案后，计算消费者体征信息、消费者需求参数与晒单匹配方案各对应项数据之间的相似度值，并依据预设的权重比例获取强匹配；所述弱匹配单元用于判断为非晒单匹配方案后，计算消费者体征信息、消费者需求参数与非晒单匹配方案各对应项数据之间的相似度值，并依据预设的权重比例获取弱匹配；所述第一显示模块，用于依据强匹配和弱匹配的类别分类显示服装匹配结果。上述实施方式所述的基于人体体征信息的服装匹配系统的一种改进实施方式中，所述匹配模块计算相似度值包括：计算消费者体征信息、消费者需求参数与匹配方案各对应项数据之间的差值，设置差值范围与分值之间的关系，依据所计算的差值获取每一项数据的分值。上述实施方式所述的基于人体体征信息的服装匹配系统的一种改进实施方式中，还包括分类模块，用于依据人体体征信息和服装单品信息、服装单品之间的特性数据将匹配方案分类存储。上述实施方式所述的基于人体体征信息的服装匹配系统的一种改进实施方式中，所述人体体征信息包括身高、体重、肩宽、胸围、腰围、臀围、髋围、大腿围、小腿围、腿长、臂长、足颈围、上臂围、颈长、颈围、肤色、发质、脸型、皮肤机理、瞳孔颜色、身体比例；所述服装单品信息包括：款式、颜色、季节、版型。上述实施方式所述的基于人体体征信息的服装匹配系统是基于人体体征信息的服装匹配方法相对应的系统实施例，基于人体体征信息的服装匹配方法中提到的相关技术细节在本实施方式中依然有效，为了减少重复，这里不再赘述。上述实施方式所述的基于人体体征信息的服装匹配方法，通过采集人体体征信息和服装单品的匹配方案进行数据建模，依据消费者的体征信息及消费者需求参数进行服装匹配，使得匹配结果能够最真实的结合消费者体征信息将服装单品进行虚拟建模；通过判断所采集的人体体征信息和服装单品的匹配方案是否为晒单匹配方案，将匹配度分为强匹配和弱匹配。其中，晒单匹配方案为已有消费者晒单的数据，将服装匹配结果分为强匹配和弱匹配，其中强匹配数据的真实性更高，更加可靠，更容易得到消费者的青睐。弱匹配数据能够给消费者提供更多参考意见，扩大消费者服装单品可选择范围。所述相似度值计算综合考虑消费者体征信息、消费者需求参数与匹配方案各项数据之间的差值，将消费者的各项数据与已有匹配方案的各项数据分别进行计算比对，其分析面广、全，能够全方位的考虑消费者的需求，使得匹配出的虚拟模型更加符合消费者。依据人体体征信息和服装单品、服装单品之间的特性数据将匹配方案分类存储，将数据分类存储后，在进行相似度计算过程中，能够依据类别进行相似度计算，去除关联度不大的类别的统计，避免进行大量数据计算，缩短数据计算时间，能够快速的依据消费者的体征信息和需求获取服装匹配结果。应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施方式中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。当前第1页1 2 3