一种基于人工智能的衣着搭配系统及方法与流程

本发明涉及机器学习，尤其涉及一种基于人工智能的衣着搭配系统及方法。

背景技术：

1、随着社会、经济、文化的不断发展，服装品种讲究多样化、款式趋向时髦化。人们生活水平的日益提高，人们对衣着、服饰等有了更高的要求，面对品种、样式繁杂的服饰，人们通常希望得到专业而科学的搭配建议。

2、传统技术中，用户的穿衣搭配知识一般通过阅读时尚杂志获取，或者是仅仅根据用户的个人喜好和身材信息等，提供给用户智能搭配好的服装样本图像信息，但因对服装搭配的多种影响因素信息分析的都较为单一性，且多种因素信息之间的影响程度并未做进一步深化的分析，使得最后推荐的服装搭配结果不能给予用户较为满意的效果。

技术实现思路

1、为了克服上述现有技术的不足，本技术提供一种基于人工智能的衣着搭配系统及方法。

2、第一方面，本技术提供的一种基于人工智能的衣着搭配方法，所述方法包括：

3、获取用户身体的关键点位置信息，根据所述关键点位置信息，进行服装穿搭样本分析，输出待筛选对象服装样本库；

4、获取用户历史所有服装穿搭样本，对所述用户历史所有服装穿搭样本中的服装颜色信息进行颜色特征信息分析，输出历史服装颜色特征系数集；

5、对所述用户历史所有服装穿搭样本中的服装图案信息进行图案特征信息分析，输出历史服装图案特征系数集；

6、对所述用户历史所有服装穿搭样本进行样本分割，得到图像样本信息块分割结果，对图像样本信息块分割结果中的多个图像样本信息块进行特征信息分析，输出共同特征信息集和差异变化特征信息集；

7、基于所述共同特征信息集和差异变化特征信息集，获取第一关联特征系数集和第二关联特征系数集；

8、建立用户穿搭优选推荐模型，对所述用户进行基于待筛选对象服装样本库的当前服装穿搭优选推荐，输出当前用户服装穿搭优选推荐结果。

9、通过采用上述技术方案，通过根据用户身体的关键点位置信息得到比例优缺特征信息，并对服装穿搭样本库进行符合上述所得的比例优缺特征信息的服装穿搭样本筛选，即待筛选对象服装样本库，以减少后续用户大大量样本库中进行耗时耗力的信息提取以及大量资源处理的繁琐步骤和较大误差，提高信息分析处理的效率，通过对用户历史所有服装穿搭样本进行每套样本上所具备的所有颜色信息和图案信息进行区分开的分析，以提取出历史服装颜色特征系数集和历史服装图案特征系数集，以便于根据这两种特征系数集初步的分析出用户的个人喜好穿搭风格，通过对用户历史服装穿搭样本进行分割，并对所分割得到的多个信息块进行穿搭更改变化得特征信息的分析和提取，以找出多个信息块之间的共同特征信息和差异特征信息，并得到共同特征信息集和差异变化特征信息集,以此分析得出用户的服装穿搭的特征变化趋向，以及从这些特征变化趋向中找出符合上述对用户身体上的关键点进行分析得出的比例优缺特征信息的某些特征变化趋向，以筛选出最为符合用户的服装穿搭，通过提取出共同特征信息集和差异变化特征信息集分别与比例优缺特征信息集之间的关联系数，得到第一关联特征系数集和第二关联特征系数集，且将这两种关联特征系数集作为后续对用户的服装穿搭推荐的其中两种推荐结果预测的决定因子之一，根据上述所得到的多种特征系数集，以建立用户穿搭优选推荐模型，实现对用户服装穿搭进行精确性的预测推荐，得到当前用户服装穿搭优选推荐结果，通过模型预测，使得对用户服装穿搭的预测判断进行更加便捷性和效率更高的分析。

10、优选的，获取用户身体的关键点位置信息，根据所述关键点位置信息，获取所有关键点之间的用户关键点比例值数据信息；

11、获取标准身材关键点的标准比例值数据信息，将所述用户关键点比例值数据信息与标准比例值数据信息进行一一对比，得到多个数据比对结果，提取出多个数据比对结果中的比例优缺特征信息，根据比例优缺特征信息，得到比例优缺特征信息集；

12、基于所述比例优缺特征信息集，获取推荐服装搭配比例信息，根据推荐服装搭配比例信息，获取服装样本库，从服装样本库中筛选出符合推荐服装搭配比例信息的服装样本，输出待筛选对象服装样本库。

13、通过采用上述技术方案，通过获取用户身体上的所有关键点位置信息，并通过对所有关键点位置信息进行两两关键点位置之间比例数据的计算处理，得到用户关键点比例值数据信息，通过将用户关键点比例值数据信息中所有数据与标准比例值数据信息中所有数据进行一一对应的比对，以便于对有差异的多种数据进行求差值的计算处理，且所计算得出的差值数据就是用户比例优缺特征信息，此比例优缺特征信息有助于后续对用户服装穿搭进行优劣筛选，通过服装穿搭样本库管理平台根据比例优缺特征信息集，以获取采集到推荐服装搭配比例信息，再者从服装样本库中筛选出符合推荐服装搭配比例信息的服装样本，此待筛选对象服装样本库是较为符合用户身体各项特征信息的服装穿搭，通过对大数据信息进行缩小范围的筛选，以提高后续信息分析的精确性和简便性，以及减少信息之间的干扰性。

14、优选的，获取用户历史所有服装穿搭样本，对所述用户历史所有服装穿搭样本进行服装颜色和图案信息的提取，输出服装颜色信息和服装图案信息；

15、对所述服装颜色信息进行各个颜色在整体服装颜色中的占比面积数据的计算和集合处理，输出历史服装颜色占比面积数据信息集；

16、对所述服装颜色信息中各个颜色位于服装的位置和各个颜色之间的关联影响进行特征系数的提取，根据特征系数，得到历史服装颜色关联特征系数集；

17、将所述历史服装颜色占比面积数据信息集和历史服装颜色关联特征系数集进行集合，得到历史服装颜色特征系数集。

18、通过采用上述技术方案，通过获取用户历史所有服装穿搭样本，并对用户历史服装穿搭样本上所具备的所有颜色信息进行提取，首先对各个颜色在所整体属服装上的占比面积进行计算，以得到历史服装颜色占比面积数据信息集，再者获取到对每套服装穿搭上所具备的所有颜色位于每套服装穿搭整体上的位置信息，可得知每个颜色所具备的视觉特征，且每个颜色之间还具有一定的相互关联影响性，故对服装颜色信息中各个颜色位于服装的位置和各个颜色之间的关联影响进行特征系数的提取，通过将服装上所具备的细微特征信息进行区分开的分析，初步的降低多种信息之间的干扰性，后者将两者有关联性的特征进行相互关联影响性的分析判断，以帮助后续对用户服装穿搭的推荐预测。

19、优选的，基于所述服装图案信息，对服装图案信息进行各个图案在整体服装中的占比数据的计算和集合处理，输出历史服装图案占比数据信息集；

20、对所述服装图案信息中各个图案位于服装的位置和各个图案之间的关联影响进行特征系数的提取，根据特征系数，得到历史服装图案关联特征系数集；

21、将所述历史服装图案占比数据信息集和历史服装图案关联特征系数集进行集合处理，输出历史服装图案特征系数集。

22、通过采用上述技术方案，通过获取历史服装颜色特征系数集，即首先提取出用户历史服装穿搭样本中每套服装穿搭上所具备的所有图案信息，首先对各个图案在所整体属服装上的占比面积进行计算，以得到每套服装穿搭上所有图案的占比面积数据信息，再者获取到对每套服装穿搭上所具备的所有图案位于每套服装穿搭整体上的位置信息，可得知每个图案所具备的视觉特征，且每个图案之间还具有一定的相互关联影响性，故对服装图案信息中各个图案位于服装的位置和各个图案之间的关联影响进行特征系数的提取，在大量的信息中，往往隐藏这一些无法直接观察到的规律和趋势，通过关联性分析，可提取出这些隐藏性的规律特征信息，从而更好地预测未来的发展。

23、优选的，对所述用户历史所有服装穿搭样本进行基于用户关键点比例值数据信息的样本分割，输出图像样本信息块分割结果；

24、将所述图像样本信息块分割结果中相同分割位置上的多个图像样本信息块进行一一比对，以提取出多个图像样本信息块之间的共同特征信息和差异变化特征信息，根据共同特征信息和差异变化特征信息，得到共同特征信息集和差异变化特征信息集。

25、通过采用上述技术方案，通过将用户历史服装穿搭样本进行分割，且分割的位置是基于用户关键点比例值数据信息进行分割的，得到图像样本信息块分割结果，通过将信息分割分析处理，以便于将复杂的图像信息分解为更简单的部分，从而降低信息分析的难度和复杂性，提取出每两套服装穿搭比对结果中的共同特征信息以及不同的差异变化特征信息，得到的共同特征信息集和差异变化特征信息集对于后续用户服装穿搭预测推荐具有一定决定性的影响，通过分割处理有助于从图像中提取出有用的信息，且减少计算量，即将图像分割成多个区域，每个区域都进行单独的分析处理，以此对没单独的图像信息的特征进行准确的提取，提高信息处理的效率。

26、优选的，基于所述共同特征信息集，提取出共同特征信息集和比例优缺特征信息集之间的关联影响系数，输出第一关联特征系数集；

27、基于所述差异变化特征信息集，提取出差异变化特征信息集和比例优缺特征信息集之间的关联影响系数，输出第二关联特征系数集。

28、通过采用上述技术方案，通过将共同特征信息集和比例优缺特征信息集组合，并提取出这两种特征信息集中每个特征信息之间的关联影响系数，此两者之间是具有直观性的联系的，可提取出两者信息之间的关联影响系数，以得到第一关联特征系数集，差异变化特征信息集和比例优缺特征信息集组合，同样的，提取出这两种特征信息集中每个特征信息之间的关联影响系数，并将差异变化特征信息集和比例优缺特征信息集中的所有特征信息都进行关联影响系数的提取，以得到第二关联特征系数集，通过此方法对关联影响系数的提取，以便于分析各种信息对用户服装穿搭变量的影响程度，有助于发现多种信息之间的潜在关系，以便于为用户服装穿搭研究提供新的视角。

29、优选的，建立一个神经网络模型，将所述待筛选对象服装样本库、历史服装颜色关联特征系数集、历史服装图案关联特征系数集、第一关联特征系数集和第二关联特征系数集均输入至神经网络模型中进行训练，得到用户穿搭优选推荐模型；

30、获取当前用户从待筛选对象服装样本库中挑选的多个目标服装样本集，基于所述多个目标服装样本集，获取当前目标服装颜色关联特征系数集、当前服装图案关联特征系数集、当前第一关联特征系数集和当前第二关联特征系数集；

31、将所述多个目标服装样本集、当前目标服装颜色关联特征系数集、当前服装图案关联特征系数集、当前第一关联特征系数集和当前第二关联特征系数集均输入至用户穿搭优选推荐模型中进行训练，输出当前用户服装穿搭优选推荐结果。

32、通过采用上述技术方案，通过根据上述所得出的待筛选对象服装样本库和四种特征系数集，即历史服装颜色关联特征系数集、历史服装图案关联特征系数集、第一关联特征系数集和第二关联特征系数集对神经网络模型中的训练，得到训练好的用户穿搭优选推荐模型，通过分析用户历史服装穿搭数据信息，以对用户当前所需要的服装穿搭进行预测，充分的利用了历史信息资源，减少了历史信息资源的浪费，并增强了预测结果的依据性和有效性，通过从用户信息管理平台上获取到当前用户从待筛选对象服装样本库中挑选的多个目标服装样本集，以实时更新用户的所需服装穿搭特征信息，以此提高预测的准确性，通过将获取到的当前目标服装颜色关联特征系数集、当前服装图案关联特征系数集、当前第一关联特征系数集和当前第二关联特征系数集通过用户穿搭优选推荐模型进行当前用户服装穿搭优选推荐结果的预测，可直接性的验证理论上的正确性，且有助于优化资源分配，更好地理解和掌握事物的发展规律，提高用户服装穿搭配置的效率。

33、第二方面，一种基于人工智能的衣着搭配系统，包括：

34、用户信息获取单元，用于获取用户身体的关键点位置信息，根据关键点位置信息，进行服装穿搭样本分析，输出待筛选对象服装样本库；

35、服装颜色特征分析单元，用于获取用户历史所有服装穿搭样本，对用户历史所有服装穿搭样本中的服装颜色信息进行颜色特征信息分析，输出历史服装颜色特征系数集；

36、服装图案特征分析单元，用于对用户历史所有服装穿搭样本中的服装图案信息进行图案特征信息分析，输出历史服装图案特征系数集；

37、服装更换特征分析单元，用于对用户历史所有服装穿搭样本进行样本分割，得到图像样本信息块分割结果，对图像样本信息块分割结果中的多个图像样本信息块进行特征信息分析，输出共同特征信息集和差异变化特征信息集；

38、信息关联系数分析单元，用于基于共同特征信息集和差异变化特征信息集，获取第一关联特征系数集和第二关联特征系数集；

39、服装穿搭优推单元，用于建立用户穿搭优选推荐模型，对用户进行基于待筛选对象服装样本库的当前服装穿搭优选推荐，输出当前用户服装穿搭优选推荐结果。

40、与现有技术相比，本发明具有以下特点和有益效果：

41、1.通过获取到用户身体上的所有关键点位置信息，以便于对用户的自身优劣势比例信息进行更加直观精确性的计算，并方便后续对于用户的服装进行扬长避短的搭配，且有助于后续对用户历史的服装穿搭进行比例优缺特征信息的比对分析，以实现推荐的服装穿搭将用户的优点进行放大化以及缺点进行最小化，并通过对用户历史服装穿搭样本进行颜色特征、图案特征以及样本分割进行一系列的分析，以提取出多种影响服装穿搭视觉效果的因素信息进行关联影响性的特征分析，以规避对多种影响因素信息进行单独区分开的分析，造成服装穿搭推荐结果的较低满意效果，增强多种影响因素信息之间的关联性，提高对用户服装穿搭特征隐藏性的特征进行较高精确性的分析判断。

42、2.通过根据用户历史服装穿搭特征信息的一系列分析，得到多种影响信息单一性的特征系数集以及多种影响因素信息之间多样性的关联性影响特征系数集，并将所得到的多种特征系数集均传输至所建立的神经网络模型中进行训练，得到用户穿搭优选推荐模型，并对当前用户的服装穿搭样本进行一系列的特征信息的分析，以根据用户穿搭优选推荐模型，实现对用户当前服装穿搭进行优选推荐，以此提高了用户服装搭配的效率，且更加有助于用户了解到自身的一些隐藏性的特征信息，提高用户体验满意度。