基于形体特征变化的虚拟试衣推荐方法及系统

1.本发明涉及人工智能领域，特别涉及一种基于形体特征变化的虚拟试衣推荐方法及系统。


背景技术：

2.随着数字生活(digital living，dl)逐渐融入现实世界，现实世界映射与交互的虚拟世界，具备新型社会体系的数字生活空间；服装虚拟试穿(virtual fitting，vf)装置是通过虚拟成像技术手段，实现用户不用脱去衣服而360度查看试装搭配效果的硬件设备，在网络购物、远程试衣等方面具有广泛的应用前景。
3.cn111311373a公开了基于消费者社交网络的服装个性化定制方法和装置，包括所述基于消费者社交网络的服装个性化定制方法包括：获取消费者身体特征模型；获取定制服装特征数据，并与消费者身体特征模型匹配成定制方案；将多个定制方案发送至消费者社交网络，获取来自社交网络多组评价数据；将多组评价数据输入到模型中，确定是否符合满意标准，其中，所述模型为使用多组数据通过机器学习训练得到，所述多组数据的每组数据包括来自社交网络的多个维度的多组评价数据和消费者满意标准；其中，所述多个维度包括体型适合度和/或场合适合度和/或主观美感度；若达到消费者满意标准，确定定制方案，并输入服装定制数据库，预备服装定制；若未达到消费者满意标准，则取消定制方案，重新匹配生成服装定制方案。
4.传统虚拟试衣通常采用人体的主要的几个粗略的身体参数特征进行估算，其不仅与个性化需求匹配精度不高，且不能考虑个体的形体特征随时间的变化量，增加了产品个性化推荐难度。


技术实现要素：

5.经过长期实践发现，传统基于内容推荐、协同过滤推荐、混合推荐等推荐方法均采用已有数据进行分类、分群给予推送，难以实现针对个体差别的个性化推荐；而且个体随时间变化，其形体特征以及偏好数据均产生了较大的变化，传统的推荐方法难以达到实时、动态地精准个性化推荐。
6.有鉴于此，本发明旨在提出一种基于形体特征变化的虚拟试衣推荐方法，所述基于形体特征变化的虚拟试衣推荐方法包括，
7.步骤s1，获取形体特征参数以及偏好反馈数据，所述形体特征参数至少包括身高、体重、体脂率参数；所述偏好反馈数据至少包括服装舒适度评价参数、材料属性评价参数、外观评价参数；
8.步骤s2，将形体特征参数和偏好反馈数据进行数据预处理，其中数据预处理包括数据归一化处理；
9.步骤s3，将预处理后的形体特征参数形成数据向量v1，v1＝[a1,a2,a3,
…an
]，其中，ai为第i个类型形体特征参数；由数据向量v1在虚拟环境中产生虚拟形体；
[0010]
步骤s4，将预处理后的偏好反馈数据形成数据向量v2，v2＝[b1,b2,b3,
…bm
]；其中，bj为第j个类型偏好反馈数据；
[0011]
步骤s5，将v1，v2输入训练好的个性化推荐模型；个性化推荐模型由个体历史数据作为训练集训练得到；
[0012]
步骤s6，由所述个性化推荐模型输出个性化推荐试衣方案，在虚拟环境中的虚拟形体上进行试衣并产生偏好反馈数据。
[0013]
优选地，在步骤s1中，由形体特征测量装置获取所述形体特征参数，其中，所述形体特征测量装置至少包括具有测量功能的物联终端装置。
[0014]
优选地，在步骤s1中，所述偏好反馈数据获取至少包括虚拟环境中虚拟试衣后产生的反馈数据，以及网络成交订单的反馈数据。
[0015]
优选地，在步骤s2中，所述数据归一化处理包括采用min-max标准化方法或z-score标准化方法。
[0016]
优选地，所述个性化推荐模型包括通过个体历史数据训练包含隐含层的神经网络模型得到。
[0017]
优选地，将在虚拟环境中的虚拟形体上进行试衣后产生偏好反馈数据成为训练集。
[0018]
本发明还公开了一种基于神经网络个性化推荐模型构建方法，所述基于神经网络个性化推荐模型构建方法，每一个用户身份识别号对应一个基于神经网络个性化推荐模型；由用户身份识别号产生的偏好反馈数据作为训练集针对模型进行训练，得到如权利要求1-6任意一项所述的训练好的个性化推荐模型。
[0019]
本发明还公开了一种用于执行上述基于形体特征变化的虚拟试衣推荐方法的系统，所述系统包括，
[0020]
获取单元，用于获取形体特征参数以及偏好反馈数据，所述形体特征参数至少包括身高、体重、体脂率参数；所述偏好反馈数据至少包括服装舒适度评价参数、材料属性评价参数、外观评价参数；
[0021]
预处理单元，用于将形体特征参数和偏好反馈数据进行数据预处理，其中数据预处理包括数据归一化处理；
[0022]
形体参数单元，用于将预处理后的形体特征参数形成数据向量v1，v1＝[a1,a2,a3,
…an
]，其中，ai为第i个类型形体特征参数；由数据向量v1在虚拟环境中产生虚拟形体；
[0023]
偏好反馈单元，用于将预处理后的偏好反馈数据形成数据向量v2，v2＝[b1,b2,b3,
…bm
]；其中，bj为第j个类型偏好反馈数据；
[0024]
输入单元，用于将v1，v2输入训练好的个性化推荐模型；个性化推荐模型由个体历史数据作为训练集训练得到；
[0025]
输出显示单元，用于由所述个性化推荐模型输出个性化推荐试衣方案，在虚拟环境中的虚拟形体上进行试衣并产生偏好反馈数据；
[0026]
所述获取单元至少包括物联终端装置，所述物联终端装置至少包括可穿戴设备，用于物联终端形体特征参数的数据采集；
[0027]
所述输出显示单元至少包括虚拟三维人体显示模块和反馈打分模块，所述虚拟三维人体显示模块用于显示由数据向量v1在虚拟环境中产生虚拟形体；其中，虚拟形体至少
包括与实际个体一一对应的形体特征参数；所述反馈打分模块用于虚拟形体上进行试衣交互过程产生的产生偏好反馈数据的计算和存储。
[0028]
本发明公开了一种电子设备，包括存储器和处理器：所述存储器，用于存储计算机程序；所述处理器，用于当执行计算机程序时，实现上述的基于形体特征变化的虚拟试衣推荐方法。
[0029]
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明提供的方法。
[0030]
相对于现有技术，本发明通过获取形体特征参数以及偏好反馈数据，将形体特征参数和偏好反馈数据进行数据预处理，由形体特征参数具体数据在虚拟环境中产生个体虚拟形体；将形体特征参数以及偏好反馈数据输入训练好的个性化推荐模型；由所述个性化推荐模型输出个性化推荐试衣方案，在虚拟环境中的虚拟形体上进行试衣并产生偏好反馈数据。该方法能够针对不同的个体实时采集形体特征参数，在虚拟环境中实时构建个体虚拟形体，通过与个体一一对应的个性化推荐模型进行试衣推荐，个体通过虚拟环境中交互产生新的偏好反馈数据，用于进一步的基于神经网络的个性化推荐模型训练，形成了“闭环”数据更新迭代，使得个性化推荐模型更为精准和高效，更好地实现针对个体差别的实时、动态地个性化推荐。
[0031]
本发明的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
[0032]
构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施方式及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
[0033]
图1为本发明的服装个性化定制方法的流程图。
具体实施方式
[0034]
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
[0035]
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明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发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。
[0036]
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”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，以便这里描述的本发明的实施例。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。
[0037]
为了解决背景技术部分所指出传统的基于内容推荐、协同过滤推荐、混合推荐等推荐方法均采用已有数据进行分类、分群给予推送，难以实现针对个体差别的个性化推荐；
而且个体随时间变化，其形体特征以及偏好数据均产生了较大的变化，传统的推荐方法难以达到实时、动态地精准个性化推荐等问题。本发明提供一种基于形体特征变化的虚拟试衣推荐方法，如图1所示，所述基于形体特征变化的虚拟试衣推荐方法包括，
[0038]
步骤s1，获取形体特征参数以及偏好反馈数据，所述形体特征参数至少包括身高、体重、体脂率参数；所述偏好反馈数据至少包括服装舒适度评价参数、材料属性评价参数、外观评价参数；
[0039]
步骤s2，将形体特征参数和偏好反馈数据进行数据预处理，其中数据预处理包括数据归一化处理；
[0040]
步骤s3，将预处理后的形体特征参数形成数据向量v1，v1＝[a1,a2,a3,
…an
]，其中，ai为第i个类型形体特征参数；由数据向量v1在虚拟环境中产生虚拟形体；
[0041]
步骤s4，将预处理后的偏好反馈数据形成数据向量v2，v2＝[b1,b2,b3,
…bm
]；其中，bj为第j个类型偏好反馈数据；
[0042]
步骤s5，将v1，v2输入训练好的个性化推荐模型；个性化推荐模型由个体历史数据作为训练集训练得到；
[0043]
步骤s6，由所述个性化推荐模型输出个性化推荐试衣方案，在虚拟环境中的虚拟形体上进行试衣并产生偏好反馈数据。
[0044]
本发明通过获取形体特征参数以及偏好反馈数据，将形体特征参数和偏好反馈数据进行数据预处理，由形体特征参数具体数据在虚拟环境中产生个体虚拟形体；将形体特征参数以及偏好反馈数据输入训练好的个性化推荐模型；由所述个性化推荐模型输出个性化推荐试衣方案，在虚拟环境中的虚拟形体上进行试衣并产生偏好反馈数据。该方法能够针对不同的个体实时采集形体特征参数，在虚拟环境中实时构建个体虚拟形体，通过与个体一一对应的个性化推荐模型进行试衣推荐，个体通过虚拟环境中交互产生新的偏好反馈数据，用于进一步的基于神经网络的个性化推荐模型训练，形成了“闭环”数据更新迭代，使得个性化推荐模型更为精准和高效，更好地实现针对个体差别的实时、动态地个性化推荐。
[0045]
通过多源获得个体的形态特征变化，在本发明更为优选的情况下，在步骤s1中，由形体特征测量装置获取所述形体特征参数，其中，所述形体特征测量装置至少包括具有测量功能的物联终端装置。例如，通过体脂秤获得个体的身高、体重、体脂率为[180cm，165kg，13％]。更为优选地情况下，能够通过物联网中的可穿戴设备读取个体形体特征参数。其中，在步骤s1中，按照个体身份识别号进行形体特征参数读取，包括个体基本属性参数，例如，至少包括性别、年龄、职业信息。
[0046]
为了更为实时地获取试衣后的偏好反馈数据，在本发明更为优选的情况下，在步骤s1中，所述偏好反馈数据获取至少包括虚拟环境中虚拟试衣后产生的反馈数据，以及网络成交订单的反馈数据。由个性化推荐模型在虚拟环境中推荐给“虚拟”个体进行试穿，个性化推荐试衣方案为多个，根据推荐指数由高到低进行排列。个体试衣后，针对每一个性化推荐试衣方案进行评价，评价优选地以1-10分进行打分以及文本形式提交。
[0047]
为了更好地针对多源多种数据进行高效地处理，在本发明更为优选的情况下，在步骤s2中，所述数据归一化处理包括采用min-max标准化方法(min-max normalization，mmn)或z-score标准化方法(zero-mena normalization，zmn)。由于多源不同数据往往量纲不同，例如，身高、体重、体脂率为[180cm，165kg，13％]，归一化处理后[0.94，0.67，0.24]，
有利于提高数据处理效率。其中，min-max标准化方法为，
[0048]
x'＝(x-x
min
)/(x
max-x
min
)
[0049]
其中，x'为归一化后的无量纲数值，x为个体数值，x
min
为该样本中最小的数值，x
max
为该样本中最大的数值。例如，在个体形体
[0050]
为了更为精准地推送个性化试衣方案，通过基于神经网络的个性化推荐方法，在本发明更为优选的情况下，所述个性化推荐模型包括通过个体历史数据训练包含隐含层的神经网络模型得到。例如，个体在之前的试衣或者购衣着装过程中对衣服属性产生了偏好修正，则可以实时提交偏好反馈数据，使得训练数据得到更新，且与之一一对应的“孪生”虚拟形体偏好的改变。例如，通过可穿戴设备获取个体体重变化，随着个体体重增加造成体形变化，原本的服装尺寸不能满足现有体形的需求，个体会在试穿原先尺寸衣服后产生不舒适，进而需要偏好进行修正。
[0051]
在虚拟试穿的同时，站在观察者的角度观察“孪生”虚拟形体试穿效果，并产生偏好反馈数据，实时地将偏好反馈数据提交至基于神经网络的训练集中，继续调整和训练神经网络模型，使得个性化推荐模型与“孪生”虚拟形体模型更精准地符合现实中的个体，由个性化推荐模型产生“大脑”，虚拟形体模型产生“肉体”，更好地符合个性化试衣需求，在本发明更为优选的情况下，将在虚拟环境中的虚拟形体上进行试衣后产生偏好反馈数据成为训练集。
[0052]
在本发明技术方案中，为了更好地在虚拟环境下产生与个体各项特征相符的，且与个体形体特征变化一一对应的个性化推荐模型，本发明还提供了一种基于神经网络个性化推荐模型构建方法，每一个用户身份识别号对应一个基于神经网络个性化推荐模型；由用户身份识别号产生的偏好反馈数据作为训练集针对模型进行训练，得到上述的训练好的个性化推荐模型。
[0053]
为了更好执行上述基于形体特征变化的虚拟试衣推荐方法，本发明还公开了一种用于执行上述基于形体特征变化的虚拟试衣推荐方法的系统，所述系统包括，
[0054]
获取单元，用于获取形体特征参数以及偏好反馈数据，所述形体特征参数至少包括身高、体重、体脂率参数；所述偏好反馈数据至少包括服装舒适度评价参数、材料属性评价参数、外观评价参数；
[0055]
预处理单元，用于将形体特征参数和偏好反馈数据进行数据预处理，其中数据预处理包括数据归一化处理；
[0056]
形体参数单元，用于将预处理后的形体特征参数形成数据向量v1，v1＝[a1,a2,a3,
…an
]，其中，ai为第i个类型形体特征参数；由数据向量v1在虚拟环境中产生虚拟形体；
[0057]
偏好反馈单元，用于将预处理后的偏好反馈数据形成数据向量v2，v2＝[b1,b2,b3,
…bm
]；其中，bj为第j个类型偏好反馈数据；
[0058]
输入单元，用于将v1，v2输入训练好的个性化推荐模型；个性化推荐模型由个体历史数据作为训练集训练得到；
[0059]
输出显示单元，用于由所述个性化推荐模型输出个性化推荐试衣方案，在虚拟环境中的虚拟形体上进行试衣并产生偏好反馈数据；
[0060]
所述获取单元至少包括物联终端装置，所述物联终端装置至少包括可穿戴设备，用于物联终端形体特征参数的数据采集；
[0061]
所述输出显示单元至少包括虚拟三维人体显示模块和反馈打分模块，所述虚拟三维人体显示模块用于显示由数据向量v1在虚拟环境中产生虚拟形体；其中，虚拟形体至少包括与实际个体一一对应的形体特征参数；所述反馈打分模块用于虚拟形体上进行试衣交互过程产生的产生偏好反馈数据的计算和存储。
[0062]
本发明通过获取单元获取形体特征参数以及偏好反馈数据，由预处理单元将形体特征参数和偏好反馈数据进行数据预处理，由形体参数单元将形体特征参数具体数据在虚拟环境中产生个体虚拟形体；输入单元将形体特征参数以及偏好反馈数据输入训练好的个性化推荐模型；由输出显示单元中的所述个性化推荐模型输出个性化推荐试衣方案，在虚拟环境中的虚拟形体上进行试衣并产生偏好反馈数据。该系统能够针对不同的个体实时采集形体特征参数，在虚拟环境中实时构建个体虚拟形体，通过与个体一一对应的个性化推荐模型进行试衣推荐，个体通过虚拟环境中交互产生新的偏好反馈数据，用于进一步的基于神经网络的个性化推荐模型训练，形成了“闭环”数据更新迭代，使得个性化推荐模型更为精准和高效，更好地实现针对个体差别的实时、动态地个性化推荐。
[0063]
本发明还公开了一种电子设备，包括存储器和处理器：所述存储器，用于存储计算机程序；所述处理器，用于当执行计算机程序时，实现上述的基于形体特征变化的虚拟试衣推荐方法。
[0064]
进一步地，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明提供的方法。
[0065]
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
[0066]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
[0067]
在本发明所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
[0068]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0069]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0070]
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用
时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、移动终端、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
[0071]
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。