CN113052662A - 数据处理方法、装置、电子设备、介质和程序产品 - Google Patents

Abstract

本公开提供一种数据处理方法，包括：获取通过移动终端设备输入的目标用户的用户特征数据和m个候选对象的对象特征数据，用户特征数据用于反映目标用户的偏好特征，基于目标用户的用户特征数据和m个候选对象的对象特征数据，筛选出n个目标对象，m≥n，通过移动终端设备采集目标用户的待测量部位的用户体貌特征数据和n个目标对象的待匹配部位的对象形态特征数据，根据用户体貌特征数据生成目标用户的用户三维模型，并基于对象形态特征数据生成一一对应于n个目标对象的n个对象三维模型，基于对用户三维模型和n个对象三维模型的分析，确定出与目标用户的偏好特征相匹配的推荐对象。本公开还提供一种数据处理装置、电子设备、介质和程序产品。

Description

数据处理方法、装置、电子设备、介质和程序产品

技术领域

本公开涉及数据处理的技术领域，特别是涉及一种数据处理方法、装置、电子设备、介质和程序产品。

背景技术

本部分旨在为权利要求书中陈述的本公开的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

随着互联网技术和电子商务的快速发展，通过传统的线下门店消费转变为通过网络的线上平台消费，逐渐成为越来越多用户的购物选择，各大平台也致力于向用户提供千人千面的个性化推荐服务，通过向用户推荐与其自身相匹配的商品来提高商品的销量，进而增强用户对平台的黏性。相关技术也提供了一些实现个性化推荐的数据处理方法。例如，分析处理用户购买数据或偏好数据来得出与用户匹配的商品，或者分析处理采集到的用户体貌特征数据，再结合用户购买数据或偏好数据来得出与用户匹配的商品。

但是，相关技术提供的上述解决方案虽然可以根据用户的偏好进行推荐，但是对于某类特殊的商品，例如服装、鞋帽类物品却无法准确地识别出是否与用户身体特征相匹配，导致购买后容易发生退换货的情况，且由于用户体貌特征数据的采集需要借助使用受场地受限制的专用设备，导致通过用户体貌特征数据进行个性化推荐的解决方案普适性较低，在一定程度上影响用户体验。

发明内容

有鉴于此，为了至少部分地克服相关技术存在的上述技术问题，本公开提供了一种数据处理方法、装置、电子设备、介质和程序产品。

为了实现上述目标，本公开的一个方面提供了一种数据处理方法，可以包括：获取通过移动终端设备输入的目标用户的用户特征数据和m个候选对象的对象特征数据，其中，上述用户特征数据用于反映上述目标用户的偏好特征，m为整数，且m≥2；基于上述目标用户的用户特征数据和上述m个候选对象的对象特征数据，筛选出n个目标对象，其中，n为整数，且m≥n；通过上述移动终端设备采集上述目标用户的待测量部位的用户体貌特征数据和上述n个目标对象的待匹配部位的对象形态特征数据；根据上述用户体貌特征数据生成上述目标用户的用户三维模型，并根据上述对象形态特征数据生成n个对象三维模型，其中，上述n个对象三维模型与上述n个目标对象一一对应；以及基于对上述用户三维模型和上述n个对象三维模型的分析，确定出与上述目标用户的偏好特征相匹配的推荐对象。

根据本公开的实施例，上述通过上述移动终端设备采集上述目标用户的待测量部位的用户体貌特征数据和上述n个目标对象的待匹配部位的对象形态特征数据可以包括以下之一：通过上述移动终端设备的第一采集装置采集上述目标用户的待测量部位的用户体貌特征数据和上述n个目标对象的待匹配部位的对象形态特征数据；通过上述移动终端设备的第二采集装置采集上述目标用户的待测量部位的用户体貌特征数据和上述n个目标对象的待匹配部位的对象形态特征数据，其中，上述第二采集装置独立于上述第一采集装置；通过上述移动终端设备的第一采集装置采集上述目标用户的待测量部位的用户体貌特征数据，并通过上述移动终端设备的第二采集装置采集上述n个目标对象的待匹配部位的对象形态特征数据；通过上述移动终端设备的第二采集装置采集上述目标用户的待测量部位的用户体貌特征数据，并通过上述移动终端设备的第一采集装置采集上述n个目标对象的待匹配部位的对象形态特征数据。

根据本公开的实施例，上述第一采集装置可以包括点阵投影仪以及红外摄像头；以及上述第二采集装置可以包括TOF摄像头。

根据本公开的实施例，上述数据处理方法还可以包括：通过上述移动终端设备的显示装置展示上述用户体貌特征数据，以使得上述目标用户能对上述用户体貌特征数据进行修改；以及通过上述显示装置展示上述n个目标对象的对象形态特征数据，以使得上述目标用户能对上述对象形态特征数据进行修改。

根据本公开的实施例，上述根据上述用户体貌特征数据生成上述目标用户的用户三维模型，并根据上述对象形态特征数据生成n个对象三维模型可以包括：响应于上述目标用户针对上述用户体貌特征数据的修改操作，获得修改后的用户体貌特征数据；根据上述修改后的用户体貌特征数据生成上述目标用户的用户三维模型；响应于上述目标用户针对上述对象形态特征数据的修改操作，获得修改后的对象形态特征数据；以及根据上述修改后的对象形态特征数据生成n个对象三维模型。

根据本公开的实施例，上述数据处理方法还可以包括：获取上述目标用户针对上述推荐对象的操作数据；以及基于上述操作数据，优化上述目标用户的用户特征数据和上述推荐对象的对象特征数据。

根据本公开的实施例，上述数据处理方法还可以包括：响应于数据更新请求，更新上述用户体貌特征数据，其中，上述数据更新请求包括更新时间间隔或浮动数据。

根据本公开的实施例，上述数据处理方法还可以包括：获取上述目标用户针对上述推荐对象的评价数据；以及基于上述评价数据，优化上述推荐对象的对象形态特征数据。

为了实现上述目标，本公开的另一个方面提供了一种数据处理装置，可以包括：特征数据获取模块，用于获取通过移动终端设备输入的目标用户的用户特征数据和m个候选对象的对象特征数据，其中，上述用户特征数据用于反映上述目标用户的偏好特征，m为整数，且m≥2；目标对象筛选模块，用于基于上述目标用户的用户特征数据和上述m个候选对象的对象特征数据，筛选出n个目标对象，其中，n为整数，且m≥n；特征数据采集模块，用于通过上述移动终端设备采集上述目标用户的待测量部位的用户体貌特征数据和上述n个目标对象的待匹配部位的对象形态特征数据；三维模型生成模块，用于根据上述用户体貌特征数据生成上述目标用户的用户三维模型，并根据上述对象形态特征数据生成n个对象三维模型，其中，上述n个对象三维模型与上述n个目标对象一一对应；以及推荐对象确定模块，用于基于对上述用户三维模型和上述n个对象三维模型的分析，确定出与上述目标用户的偏好特征相匹配的推荐对象。

根据本公开的实施例，上述特征数据采集模块可以包括以下之一：第一采集子模块，用于通过上述移动终端设备的第一采集装置采集上述目标用户的待测量部位的用户体貌特征数据和上述n个目标对象的待匹配部位的对象形态特征数据；第二采集子模块，用于通过上述移动终端设备的第二采集装置采集上述目标用户的待测量部位的用户体貌特征数据和上述n个目标对象的待匹配部位的对象形态特征数据，其中，上述第二采集装置独立于上述第一采集装置；第三采集子模块，用于通过上述移动终端设备的第一采集装置采集上述目标用户的待测量部位的用户体貌特征数据，并通过上述移动终端设备的第二采集装置采集上述n个目标对象的待匹配部位的对象形态特征数据；第四采集子模块，用于通过上述移动终端设备的第二采集装置采集上述目标用户的待测量部位的用户体貌特征数据，并通过上述移动终端设备的第一采集装置采集上述n个目标对象的待匹配部位的对象形态特征数据。

根据本公开的实施例，上述第一采集装置可以包括点阵投影仪以及红外摄像头；以及上述第二采集装置可以包括TOF摄像头。

根据本公开的实施例，上述数据处理装置还可以包括：第一展示模块，用于通过上述移动终端设备的显示装置展示上述用户体貌特征数据，以使得上述目标用户能对上述用户体貌特征数据进行修改；以及第二展示模块，用于通过上述显示装置展示上述n个目标对象的对象形态特征数据，以使得上述目标用户能对上述对象形态特征数据进行修改。

根据本公开的实施例，上述三维模型生成模块可以包括：第一获得子模块，用于响应于上述目标用户针对上述用户体貌特征数据的修改操作，获得修改后的用户体貌特征数据；第一生成模块，用于根据上述修改后的用户体貌特征数据生成上述目标用户的用户三维模型；第二获得子模块，用于响应于上述目标用户针对上述对象形态特征数据的修改操作，获得修改后的对象形态特征数据；以及第二生成模块，用于根据上述修改后的对象形态特征数据生成n个对象三维模型。

根据本公开的实施例，上述数据处理装置还可以包括：操作数据获取模块，用于获取上述目标用户针对上述推荐对象的操作数据；以及第一数据优化模块，用于基于上述操作数据，优化上述目标用户的用户特征数据和上述推荐对象的对象特征数据。

根据本公开的实施例，上述数据处理装置还可以包括：特征数据更新模块，用于响应于数据更新请求，更新上述用户体貌特征数据，其中，上述数据更新请求包括更新时间间隔或浮动数据。

根据本公开的实施例，上述数据处理装置还可以包括：评价数据获取模块，用于获取上述目标用户针对上述推荐对象的评价数据；以及第二数据优化模块，用于基于上述评价数据，优化上述推荐对象的对象形态特征数据。

为了实现上述目标，本公开的另一方面提供了一种电子设备，包括：一个或多个处理器，存储器，用于存储一个或多个程序，其中，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如上所述的数据处理方法。

为了实现上述目标，本公开的另一方面提供了一种计算机可读存储介质，存储有计算机可执行指令，上述指令在被执行时用于实现如上所述的数据处理方法。

为了实现上述目标，本公开的另一方面提供了一种计算机程序，上述计算机程序包括计算机可执行指令，上述指令在被执行时用于实现如上所述的数据处理方法。

根据本公开提供的数据处理方法，通过移动终端设备可以采集目标用户的待测量部位的用户体貌特征数据和n个目标对象的待匹配部位的对象形态特征数据，建立目标用户的用户三维模型以及与n个目标对象一一对应的n个对象三维模型，通过对用户三维模型以及n个对象三维模型的数据进行分析匹配，可以确定出与目标用户的偏好特征相匹配的推荐对象，可以至少部分地克服相关技术用户体貌特征数据的采集需要借助使用受场地受限制的专用设备，导致通过用户体貌特征数据进行个性化推荐的解决方案普适性较低，在一定程度上影响用户体验的技术问题，并因此可以实现用户体貌特征数据的采集不再借助使用受场地限制的专用设备，利用用户自有的移动终端设备就可以完成数据采集的技术效果，普适性较高，此外在个性化推荐时可以向用户推荐与其偏好特征和用户体貌特征数据均匹配的推荐对象，实现从内(喜不喜欢)到内外(喜不喜欢和适不适合)的跨越，给用户提供更加符合其心理和生理预期的用户体验。

附图说明

通过参考附图阅读下文的详细描述，本公开示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本公开的若干实施方式，其中：

图1示意性示出了适用于本公开实施例的数据处理方法、装置、电子设备、介质和程序产品的系统架构；

图2示意性示出了适用于本公开实施例的数据处理方法、装置、电子设备、介质和程序产品的应用场景；

图3示意性示出了根据本公开实施例的数据处理方法的流程图；

图4示意性示出了根据本公开实施例的数据处理装置的框图；

图5示意性示出了根据本公开实施例的适于实现上文描述的数据处理方法的计算机可读存储介质产品的示意图；以及

图6示意性示出了根据本公开实施例的适于实现上文描述的数据处理方法的电子设备的框图。

在附图中，相同或对应的标号表示相同或对应的部分。

应该注意的是，附图并未按比例绘制，并且出于说明目的，在整个附图中类似结构或功能的元素通常用类似的附图标记来表示。

具体实施方式

以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了上述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。

附图中示出了一些方框图和/或流程图。应理解，方框图和/或流程图中的一些方框或其组合可以由计算机程序指令来实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，从而这些指令在由该处理器执行时可以创建用于实现这些方框图和/或流程图中所说明的功能/操作的装置。本公开的技术可以硬件和/或软件(包括固件、微代码等)的形式来实现。另外本公开的技术可以采取存储有指令的计算机可读存储介质上的计算机程序产品的形式，该计算机程序产品可供指令执行系统使用或者结合指令执行系统使用。

需要说明的是，本公开所提供的数据处理方法、装置、电子设备、介质和程序产品可用于金融领域中，也可用于除金融领域之外的任意领域中。因此，对本公开所提供的数据处理方法、装置、电子设备、介质和程序产品的应用领域不做具体限定。

在相关技术中，通过用户的购买数据或偏好数据，经过计算，分析出与用户匹配的商品能够根据用户的偏好进行商品推荐，但是对于服装、鞋帽类的商品却无法准确地识别出商品与用户的身体特征是否匹配，这样识别出的商品虽然与用户偏好相匹配但是可能与用户自己的身体特征并不相匹配，导致用户在购买商品后容易发生退换货的情况。通过专用设备或者用户自行录入的方式采集用户外貌特征数据，再结合用户的购买数据或偏好数据，经过计算，分析出与用户匹配的商品能够对第一类方案进行补充，但是用户外貌特征数据的采集要么需要借助专用设备，要么需要用户自行录入，而专用设备的使用受场地限制，无法让大多数用户受益，用户自行录入存在因测量方式、精度导致的误差，无法准确地收集数据，影响推荐效果。

本公开提供了一种数据处理方法、能够应用该方法的数据处理装置、电子设备、计算机可读存储介质以及程序产品。该方法用于移动终端设备，可以包括数据采集过程和数据分析过程。在数据采集过程中，获取通过移动终端设备输入的目标用户的用户特征数据和m个候选对象的对象特征数据，用户特征数据用于反映目标用户的偏好特征，m为整数，m≥2，通过移动终端设备采集目标用户的待测量部位的用户体貌特征数据和n个目标对象的待匹配部位的对象形态特征数据，并基于目标用户的用户特征数据和m个候选对象的对象特征数据，筛选出n个目标对象，n为整数，m≥n。在完成数据采集之后，进入数据分析过程，首先根据用户体貌特征数据生成目标用户的用户三维模型，并根据对象形态特征数据生成与n个目标对象一一对应的n个对象三维模型，然后基于对用户三维模型和n个对象三维模型的分析，确定出与目标用户的偏好特征相匹配的推荐对象。

图1示意性示出了适用于本公开实施例的数据处理方法、装置、电子设备、介质和程序产品的系统架构100。需要注意的是，图1所示仅为可应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。

如图1所示，根据该实施例的系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

终端设备101、102、103可以是具有图像采集装置、显示装置并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、智能手表。

服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。

需要说明的是，本公开实施例所提供的数据处理方法一般可以由终端设备101、102、103执行。相应地，本公开实施例所提供的数据处理装置一般可以设置于终端设备101、102、103中。本公开实施例所提供的数据处理方法也可以由不同于终端设备101、102、103且能够与终端设备101、102、103和/或服务器105通信的其他终端设备执行。相应地，本公开实施例所提供的数据处理装置也可以设置于不同于终端设备101、102、103且能够与终端设备101、102、103和/或服务器105通信的其他终端设备中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

图2示意性示出了适用于本公开实施例的数据处理方法、装置、电子设备、介质和程序产品的应用场景。

如图2所示，在该应用场景200中，获取通过移动终端设备输入的目标用户的用户特征数据210以及5个候选对象(包括对象1、对象2、对象3、对象4以及对象5)的对象特征数据220(包括对象1的对象特征数据221、对象2的对象特征数据222、对象3的对象特征数据223、对象4的对象特征数据224以及对象5的对象特征数据225)。基于目标用户的用户特征数据210以及5个候选对象的对象特征数据220，可以对5个候选对象进行初步筛选，从中确定出与目标用户的用户特征数据210相匹配的3个对象作为目标对象(对象1、对象3以及对象5)。通过移动终端设备采集目标用户的待测量部位的用户体貌特征数据230和3个目标对象的待匹配部位的对象形态特征数据，即对象1的对象形态特征数据231、对象3的对象形态特征数据232以及对象5的对象形态特征数据233。根据用户体貌特征数据230可以生成用户三维模型240，根据对象1的对象形态特征数据231可以生成对象1的对象三维模型241，根据对象3的对象形态特征数据232可以生成对象3的对象三维模型242，根据对象5的对象形态特征数据233可以生成对象5的对象三维模型243，然后基于对用户三维模型240、对象1的对象三维模型241、对象3的对象三维模型242以及对象5的对象三维模型243的分析，可以对3个目标对象进行再次筛选，从中可以确定出与目标用户的偏好特征相匹配的推荐对象为对象3。

应该理解，图2中的候选对象、目标对象和推荐对象的数目仅仅是示意性的。根据数据处理的实际情况，可以具有相应数目的候选对象、目标对象和推荐对象，本公开对此不做具体限定。

相关技术提供的上述解决方案虽然可以根据用户的偏好进行推荐，但是对于某类特殊的商品，例如服装、鞋帽类物品却无法准确地识别出是否与用户身体特征相匹配，导致购买后容易发生退换货的情况，且由于用户体貌特征数据的采集需要借助使用受场地受限制的专用设备，导致通过用户体貌特征数据进行个性化推荐的解决方案普适性较低，在一定程度上影响用户体验。

图3示意性示出了根据本公开实施例的数据处理方法的流程图。

如图3所示，该数据处理方法300可以包括操作S310～操作S350。

在操作S310，获取通过移动终端设备输入的目标用户的用户特征数据和m个候选对象的对象特征数据，m为整数，且m≥2。

根据本公开的实施例，移动终端设备可以是如图1中所示的终端设备中的任意一种。目标用户可以是通过移动终端设备进行购物的用户，用户特征数据用于反映目标用户的偏好特征，偏好特征可以通过标签的形式表征目标用户在购买某一品类商品时偏爱的风格特征，例如森系、甜美、气质。用户特征数据可以包括但不限于用户年龄、用户性格、用户收入、历史购买记录。候选对象可以是目标用户欲购买的商品。可选地，可以是可穿戴商品，例如服装、鞋帽品类中的一种或多种，本公开对此不做限定。需要说明的是，目标用户的用户特征数据为无法测量的数据，因此采用用户录入的方式进行获取。同样地，候选对象的对象特征数据也采用用户录入的方式进行获取。

在操作S320，基于目标用户的用户特征数据和m个候选对象的对象特征数据，筛选出n个目标对象，n为整数，且m≥n。

根据本公开的实施例，首先根据用户特征数据和对象特征数据的内容匹配程度，对m个候选对象进行初步筛选，这样可以初步筛选出与用户特征数据相匹配的n个目标对象。

在操作S330，通过移动终端设备采集目标用户的待测量部位的用户体貌特征数据和n个目标对象的待匹配部位的对象形态特征数据。

根据本公开的实施例，目标对象的待匹配部位取决于目标用户所要购买的商品，目标用户的待测量部位也取决于目标用户所要购买的商品。示例性的，若目标用户所要购买的商品为鞋子，那么待测量部位为目标用户的双脚，待匹配部位为鞋子。若目标用户所要购买的商品为帽子，那么待测量部位为目标用户的头部，待匹配部位为帽子。若目标用户所要购买的商品为衬衣，那么待测量部位为目标用户的上身以及上肢，待匹配部位为衬衣。

根据本公开的实施例，用户体貌特征数据可以是目标用户的待测量部位的外部轮廓的量化数据，也可以是目标用户的待测量部位的内部轮廓的量化数据，还可以是目标用户的待测量部位的外部轮廓和内部轮廓的量化数据。量化数据可以是长度、宽度、以及高度等尺寸信息。相应地，对象形态特征数据可以是目标对象的待匹配部位的外部轮廓的量化数据，也可以是目标对象的待匹配部位的内部轮廓的量化数据，还可以是目标对象的待匹配部位的外部轮廓和内部轮廓的量化数据。量化数据可以是长度、宽度、以及高度等尺寸信息。

在操作S340，根据用户体貌特征数据生成目标用户的用户三维模型，并根据对象形态特征数据生成n个对象三维模型。

根据本公开的实施例，在用户体貌特征数据采集完成后，可以利用该数据对目标用户的体型、体貌进行建模来生成目标用户的用户三维模型，在n个目标对象的对象形态特征数据采集完成后，可以利用该数据对目标对象的外型、外貌进行建模来生成与n个目标对象一一对应的n个对象三维模型。

在操作S350，基于对用户三维模型和n个对象三维模型的分析，确定出与目标用户的偏好特征相匹配的推荐对象。

根据本公开的实施例，将用户三维模型和n个对象三维模型进行匹配。具体实施时，可以利用对象形态特征数据与采集的用户体貌特征数据进行指标匹配。例如，服装类目标对象的匹配指标可以包含肩宽、袖长、胸围、腰围、裤长、整体身形等内容，鞋帽类目标对象的匹配指标包含头围、脚长、脚宽等内容。以用户待测部位为脚，待匹配部位是鞋子为例。通过各自三维模型数据的匹配计算，可以通过判断鞋子三维模型的空间立体数据能否包含脚的三维模型数据来确定脚是否可以放入到鞋子里面，确定用户的脚是否与鞋子的大小完全契合。

根据本公开的实施例，筛选出的与目标用户的偏好特征相匹配的推荐对象为最终推荐商品。可选地，向目标用户做推荐时可以将匹配出的适合用户的尺码选项进行展示，以方便用户进行查看。

通过本公开的实施例，通过移动终端设备可以采集目标用户的待测量部位的用户体貌特征数据和n个目标对象的待匹配部位的对象形态特征数据，建立目标用户的用户三维模型以及与n个目标对象一一对应的n个对象三维模型，通过对用户三维模型以及n个对象三维模型的数据进行分析匹配，可以确定出与目标用户的偏好特征相匹配的推荐对象，可以至少部分地克服相关技术用户体貌特征数据的采集需要借助使用受场地受限制的专用设备，导致通过用户体貌特征数据进行个性化推荐的解决方案普适性较低，在一定程度上影响用户体验的技术问题，并因此可以实现用户体貌特征数据的采集不再借助使用受场地限制的专用设备，利用用户自有的移动终端设备就可以完成数据采集的技术效果，普适性较高，此外在个性化推荐时可以向用户推荐与其偏好特征和用户体貌特征数据均匹配的推荐对象，实现从内(喜不喜欢)到内外(喜不喜欢以及适不适合)的跨越，给用户提供更加符合其心理和生理预期的用户体验。

根据本公开的实施例，移动终端设备配置的数据采集装置可以包括第一采集装置和第二采集装置。其中第一采集装置和第二采集装置相互独立，且具有不同的应用距离。根据采集部位的不同、采集部位与采集装置之间的距离，采集装置的应用距离的不同，可以调用相应地采集装置来采集特征数据。例如，采集部位为上身以及上肢，若采集距离较远，则可以调用应用距离较大的采集装置。若采集距离较近，例如自拍，则可以调用应用距离较近采集装置。

作为一种可选的实施例，前述操作S330(通过移动终端设备采集目标用户的待测量部位的用户体貌特征数据和n个目标对象的待匹配部位的对象形态特征数据)可以包括以下之一：通过前述移动终端设备的第一采集装置采集前述目标用户的待测量部位的用户体貌特征数据和前述n个目标对象的待匹配部位的对象形态特征数据；通过前述移动终端设备的第二采集装置采集前述目标用户的待测量部位的用户体貌特征数据和前述n个目标对象的待匹配部位的对象形态特征数据，其中，前述第二采集装置独立于前述第一采集装置；通过前述移动终端设备的第一采集装置采集前述目标用户的待测量部位的用户体貌特征数据，并通过前述移动终端设备的第二采集装置采集前述n个目标对象的待匹配部位的对象形态特征数据；通过前述移动终端设备的第二采集装置采集前述目标用户的待测量部位的用户体貌特征数据，并通过前述移动终端设备的第一采集装置采集前述n个目标对象的待匹配部位的对象形态特征数据。

通过本公开的实施例，用户体貌特征数据和对象形态特征数据的采集不再借助专用的采集设备，利用用户自有移动终端设备就可以完成数据采集，降低数据采集的难度，扩大受益用户范围。

作为一种可选的实施例，前述第一采集装置可以包括点阵投影仪以及红外摄像头；以及前述第二采集装置可以包括TOF摄像头。

根据本公开的实施例，为了降低数据采集的难度，并提升适用的用户范围，可以通过用户移动终端设备配置的结构光(Structured Light)和TOF(Time of Flight，飞行时间)摄像头中的一种或全部装置进行数据采集。

具体实施时，第一采集装置可以是基于结构光实现数据采集的采集装置，结构光是一组由投影仪以及摄像头所组成的系统结构。用投影仪投射特定的光信息到物体的表面后以及背景后，由摄像头采集。根据物体造成的光信号的变化来计算物体的位置和深度信息，进而复原整个三维空间。也就是说，结构光技术是利用光学手段拍摄物体的三维结构，再将获取到的信息进行深入处理的技术。以搭载有结构光技术的智能手机为例，其搭载的点阵投影仪在工作的时候可以投射出30000个光点到被测物体上。同时红外镜头开始工作，通过读取点阵图案，捕捉红外图像，经过处理便能获得一张“结构图”。结合前置镜头记录的2D图像，最终可以生成一张被测物体精准的三维数据图。

具体实施时，第二采集装置可以是基于与结构光技术不同的TOF技术实现数据采集的采集装置，其发射的是持续不断的“面光源”。光线遇到不可穿透的物体会发生反射。利用这一原理，通过记录反射光到达接收器的时间，由于光速和波长已知，理论上便能快速计算出光源与物体之间的距离，由此可以得到一张被测物体的三维图像。

在本公开中，TOF技术与结构光技术都可能会出现光信息衰减的问题，其应用距离不可避免地会受到限制。而TOF方法由于是使用面光源，理论上只要可以提高发射功率，就能够保证足够的应用距离。对比来看，结构光技术功耗更小，技术更成熟，更加适合静态场景。而TOF技术在远距离下噪音较低，同时拥有更高的FPS(Frame Per Second，画面每秒传输帧数)，因此更加适合动态场景。具体实施时，基于结构光技术实现数据采集的第一采集装置可以是移动终端设备配置的前置摄像头，其应用距离受限制。而基于TOF技术实现数据采集的第二采集装置可以是移动终端设备配置的后置摄像头。

通过本公开的实施例，通过移动终端设备内置的点阵投影仪以及红外摄像头可以实现用户体貌特征数据和对象形态特征数据的采集，通过移动终端设备内置的TOF摄像头也可以实现用户体貌特征数据和对象形态特征数据的采集，方便快捷，可以降低数据采集的难度，并提升适用的用户范围。

考虑到实际的采集环境，以及采集装置的分辨率限制，在本公开中，将采集到的特征数据(包括用户体貌特征数据和对象形态特征数据)展示给用户，方便用户对数据进行修正，来纠正采集数据的错误。

作为一种可选的实施例，前述数据处理方法还可以包括：通过前述移动终端设备的显示装置展示前述用户体貌特征数据，以使得前述目标用户能对前述用户体貌特征数据进行修改；以及通过前述显示装置展示前述n个目标对象的对象形态特征数据，以使得前述目标用户能对前述对象形态特征数据进行修改。

通过本公开的实施例，在数据采集成功后可以将采集到的数据通过移动终端设备的显示装置展示给用户，这样方便用户对采集到的数据进行修正。在本公开中，显示装置可以是移动终端设备的显示屏。本公开对具体的展示形式不做限定。

作为一种可选的实施例，前述操作S340(根据用户体貌特征数据生成目标用户的用户三维模型，并根据对象形态特征数据生成n个对象三维模型)可以包括：响应于前述目标用户针对前述用户体貌特征数据的修改操作，获得修改后的用户体貌特征数据；根据前述修改后的用户体貌特征数据生成前述目标用户的用户三维模型；响应于前述目标用户针对前述对象形态特征数据的修改操作，获得修改后的对象形态特征数据；以及根据前述修改后的对象形态特征数据生成n个对象三维模型。

通过本公开的实施例，基于修改后的特征数据来生成三维模型，可以提高三维模型的精确度，减少模型的返工次数，提高对象推荐的效率，给用户及时地推荐对象，提高用户体验。

在本公开中，前述通过移动终端设备录入的数据将作为初始数据，后续根据用户和推荐对象的交易情况，通过算法对其进行数据的优化。

作为一种可选的实施例，前述数据处理方法还可以包括：获取前述目标用户针对前述推荐对象的操作数据；以及基于前述操作数据，优化前述目标用户的用户特征数据和前述推荐对象的对象特征数据。

根据本公开的实施例，在确定出目标用户的推荐对象之后，可以根据目标用户对该推荐对象的操作情况，优化目标用户的用户特征数据，也可以根据目标用户对该推荐对象的操作情况结合目标用户对推荐对象之外的其他对象的操作数据，优化目标用户的用户特征数据。具体实施时，操作数据可以包括但不限于点击操作的数据、点击后的跳转操作的数据、购买操作的数据、分享操作的数据、收藏操作的数据，根据上述中的一种或多种操作数据可以形成目标用户的用户标签。可选地，目标用户对推荐对象之外的其他对象可以是用户主动执行操作的对象，例如可以是目标用户执行自主浏览操作的商品，可以是目标用户执行自主点击操作的商品，可以是目标用户执行自主购买操作的商品，可以是目标用户执行自主分享操作的商品，可以是目标用户执行自主收藏操作的商品。

根据本公开的实施例，在确定出目标用户的推荐对象之后，可以根据目标用户对该推荐对象的操作情况，优化推荐对象的对象特征数据。具体实施时，操作数据可以包括但不限于点击操作的数据、点击后的跳转操作的数据、购买操作的数据、分享操作的数据、收藏操作的数据，根据上述中的一种或多种操作数据可以形成该推荐对象的对象标签。具体实施时，推荐对象的数据优化可以根据浏览该推荐对象的用户标签对推荐对象所对应标签进行加权，根据推荐对象后的点击情况和跳转情况对推荐对象所对应标签进行降权。

通过本公开的实施例，对目标用户的用户特征数据和推荐对象的对象特征数据的优化，可以提高推荐对象的准确性，从解决用户喜不喜欢的层次深入到用户适不适合的层次，降低用户和推荐对象后期因特征数据不匹配导致的退换货成本。

作为一种可选的实施例，前述数据处理方法还可以包括：响应于数据更新请求，更新前述用户体貌特征数据，其中，前述数据更新请求包括更新时间间隔或浮动数据。

根据本公开的实施例，对于目标用户的体貌特征数据，可以定期提醒用户进行更新。若提醒后未及时更新，则可以根据当前时间与体貌特征数据上次更新的时间的间隔进行自动修正。可选地，当前时间与体貌特征数据上次更新的时间的间隔时间越长，自动修正时浮动数据越大。

通过本公开的实施例，目标用户的体貌特征数据可以定期更新，或者自动更新，使得体貌特征数据始终与目标用户当前的实际情况相吻合，可以保证体貌特征数据的实时性和有效性，为用户三维模型的生成提供最新的数据，确保三维模型能够反映目标用户的当前的真实体貌特征。

作为一种可选的实施例，前述数据处理方法还可以包括：获取前述目标用户针对前述推荐对象的评价数据；以及基于前述评价数据，优化前述推荐对象的对象形态特征数据。

根据本公开的实施例，在目标用户购买该推荐对象成功之后，还可以根据对该推荐对象的评价对浮动数据修正，这样可以始终保持对象形态特征数据的相对准确性。具体实施时，可以根据商品购买后的目标用户的评价数据对推荐对象的对象标签、尺寸内容进行修正。

通过本公开的实施例，不断完善推荐对象的对象形态特征数据，可以保证推荐对象数据的准确性。

图4示意性示出了根据本公开实施例的数据处理装置的框图。

如图4所示，该数据处理装置400可以包括特征数据获取模块410、目标对象筛选模块420、特征数据采集模块430、三维模型生成模块440以及推荐对象确定模块450。

特征数据获取模块410，用于获取通过移动终端设备输入的目标用户的用户特征数据和m个候选对象的对象特征数据，其中，用户特征数据用于反映目标用户的偏好特征，m为整数，且m≥2。可选地，特征数据获取模块410例如可以用于执行图3描述的操作S310，在此不再赘述。

目标对象筛选模块420，用于基于目标用户的用户特征数据和m个候选对象的对象特征数据，筛选出n个目标对象，其中，n为整数，且m≥n。可选地，目标对象筛选模块420例如可以用于执行图3描述的操作S320，在此不再赘述。

特征数据采集模块430，用于通过移动终端设备采集目标用户的待测量部位的用户体貌特征数据和n个目标对象的待匹配部位的对象形态特征数据。可选地，特征数据采集模块430例如可以用于执行图3描述的操作S330，在此不再赘述。

三维模型生成模块440，用于根据用户体貌特征数据生成目标用户的用户三维模型，并根据对象形态特征数据生成n个对象三维模型，其中，n个对象三维模型与n个目标对象一一对应。可选地，三维模型生成模块440例如可以用于执行图3描述的操作S340，在此不再赘述。

推荐对象确定模块450，用于基于对用户三维模型和n个对象三维模型的分析，确定出与目标用户的偏好特征相匹配的推荐对象。可选地，推荐对象确定模块450例如可以用于执行图3描述的操作S350，在此不再赘述。

作为一种可选的实施例，前述特征数据采集模块430可以包括以下之一：第一采集子模块，用于通过前述移动终端设备的第一采集装置采集前述目标用户的待测量部位的用户体貌特征数据和前述n个目标对象的待匹配部位的对象形态特征数据；第二采集子模块，用于通过前述移动终端设备的第二采集装置采集前述目标用户的待测量部位的用户体貌特征数据和前述n个目标对象的待匹配部位的对象形态特征数据，其中，前述第二采集装置独立于前述第一采集装置；第三采集子模块，用于通过前述移动终端设备的第一采集装置采集前述目标用户的待测量部位的用户体貌特征数据，并通过前述移动终端设备的第二采集装置采集前述n个目标对象的待匹配部位的对象形态特征数据；第四采集子模块，用于通过前述移动终端设备的第二采集装置采集前述目标用户的待测量部位的用户体貌特征数据，并通过前述移动终端设备的第一采集装置采集前述n个目标对象的待匹配部位的对象形态特征数据。

作为一种可选的实施例，前述第一采集装置可以包括点阵投影仪以及红外摄像头；以及前述第二采集装置可以包括TOF摄像头。

作为一种可选的实施例，前述数据处理装置还可以包括：第一展示模块，用于通过前述移动终端设备的显示装置展示前述用户体貌特征数据，以使得前述目标用户能对前述用户体貌特征数据进行修改；以及第二展示模块，用于通过前述显示装置展示前述n个目标对象的对象形态特征数据，以使得前述目标用户能对前述对象形态特征数据进行修改。

作为一种可选的实施例，前述三维模型生成模块440可以包括：第一获得子模块，用于响应于前述目标用户针对前述用户体貌特征数据的修改操作，获得修改后的用户体貌特征数据；第一生成模块，用于根据前述修改后的用户体貌特征数据生成前述目标用户的用户三维模型；第二获得子模块，用于响应于前述目标用户针对前述对象形态特征数据的修改操作，获得修改后的对象形态特征数据；以及第二生成模块，用于根据前述修改后的对象形态特征数据生成n个对象三维模型。

作为一种可选的实施例，前述数据处理装置还可以包括：操作数据获取模块，用于获取前述目标用户针对前述推荐对象的操作数据；以及第一数据优化模块，用于基于前述操作数据，优化前述目标用户的用户特征数据和前述推荐对象的对象特征数据。

作为一种可选的实施例，前述数据处理装置还可以包括：特征数据更新模块，用于响应于数据更新请求，更新前述用户体貌特征数据，其中，前述数据更新请求包括更新时间间隔或浮动数据。

作为一种可选的实施例，前述数据处理装置还可以包括：评价数据获取模块，用于获取前述目标用户针对前述推荐对象的评价数据；以及第二数据优化模块，用于基于前述评价数据，优化前述推荐对象的对象形态特征数据。

需要说明的是，数据处理装置部分实施例中各模块的实施方式、解决的技术问题、实现的功能、以及达到的技术效果分别与数据处理方法部分实施例中各对应的步骤的实施方式、解决的技术问题、实现的功能、以及达到的技术效果相同或类似，在此不再赘述。

根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FNGA)、可编程逻辑阵列(NLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

例如，特征数据获取模块、目标对象筛选模块、特征数据采集模块、三维模型生成模块、推荐对象确定模块、第一采集子模块、第二采集子模块、第三采集子模块、第四采集子模块、第一展示模块、第二展示模块、第一获得子模块、第一生成模块、第二获得子模块、第二生成模块、操作数据获取模块、第一数据优化模块、特征数据更新模块、评价数据获取模块以及第二数据优化模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，特征数据获取模块、目标对象筛选模块、特征数据采集模块、三维模型生成模块、推荐对象确定模块、第一采集子模块、第二采集子模块、第三采集子模块、第四采集子模块、第一展示模块、第二展示模块、第一获得子模块、第一生成模块、第二获得子模块、第二生成模块、操作数据获取模块、第一数据优化模块、特征数据更新模块、评价数据获取模块以及第二数据优化模块中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FNGA)、可编程逻辑阵列(NLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，特征数据获取模块、目标对象筛选模块、特征数据采集模块、三维模型生成模块、推荐对象确定模块、第一采集子模块、第二采集子模块、第三采集子模块、第四采集子模块、第一展示模块、第二展示模块、第一获得子模块、第一生成模块、第二获得子模块、第二生成模块、操作数据获取模块、第一数据优化模块、特征数据更新模块、评价数据获取模块以及第二数据优化模块中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

图5示意性示出了根据本公开实施例的适于实现上文描述的数据处理方法的计算机可读存储介质产品的示意图。

在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在设备上运行时，程序代码用于使设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的数据处理方法中的前述各项操作(或步骤)，例如，电子设备可以执行如图3中所示的操作S310～操作S350。

程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是一一但不限于一一电、磁、光、电磁、红外线、或半导体的系统、系统或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(ENROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

如图5所示，描述了根据本发明的实施方式的数据处理的程序产品500，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在设备，例如个人电脑上运行。然而本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、系统或者器件使用或者与其结合使用。

可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、系统或者器件使用或者与其结合使用的程序。可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、有线、光缆，RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言-诸如Java，C++等，还包括常规的过程式程序设计语言-诸如“C”，语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络一一包括局域网(LAA)或广域网(WAA)一连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

图6示意性示出了根据本公开实施例的适于实现上文描述的数据处理方法的电子设备的框图。图6示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图6所示，根据本公开实施例的电子设备600包括处理器601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。处理器601例如可以包括通用微处理器(例如CNU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))，等等。处理器601还可以包括用于缓存用途的板载存储器。处理器601可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。

在RAM 603中，存储有电子设备600操作所需的各种程序和数据。处理器601、ROM602以及RAM 603通过总线604彼此相连。处理器601通过执行ROM 602和/或RAM 603中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM 602和RAM 603以外的一个或多个存储器中。处理器601也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例如图3中所示的操作S310～操作S350。

根据本公开的实施例，电子设备600还可以包括输入/输出(I/O)接口605，输入/输出(I/O)接口605也连接至总线604。系统600还可以包括连接至I/O接口605的以下部件中的一项或多项：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAA卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

根据本公开的实施例，根据本公开实施例的方法流程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读存储介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被处理器601执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。

本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的数据处理方法，包括如图3中所示的操作S310～操作S350。

根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(ENROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM 602和/或RAM 603和/或ROM 602和RAM 603以外的一个或多个存储器。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。

以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目标，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

Claims (12)

1.一种数据处理方法，包括：

获取通过移动终端设备输入的目标用户的用户特征数据和m个候选对象的对象特征数据，其中，所述用户特征数据用于反映所述目标用户的偏好特征，m为整数，且m≥2；

基于所述目标用户的用户特征数据和所述m个候选对象的对象特征数据，筛选出n个目标对象，其中，n为整数，且m≥n；

通过所述移动终端设备采集所述目标用户的待测量部位的用户体貌特征数据和所述n个目标对象的待匹配部位的对象形态特征数据；

根据所述用户体貌特征数据生成所述目标用户的用户三维模型，并根据所述对象形态特征数据生成n个对象三维模型，其中，所述n个对象三维模型与所述n个目标对象一一对应；

基于对所述用户三维模型和所述n个对象三维模型的分析，确定出与所述目标用户的偏好特征相匹配的推荐对象。

2.根据权利要求1所述的方法，其中，所述通过所述移动终端设备采集所述目标用户的待测量部位的用户体貌特征数据和所述n个目标对象的待匹配部位的对象形态特征数据包括以下之一：

通过所述移动终端设备的第一采集装置采集所述目标用户的待测量部位的用户体貌特征数据和所述n个目标对象的待匹配部位的对象形态特征数据；

通过所述移动终端设备的第二采集装置采集所述目标用户的待测量部位的用户体貌特征数据和所述n个目标对象的待匹配部位的对象形态特征数据，其中，所述第二采集装置独立于所述第一采集装置；

通过所述移动终端设备的第一采集装置采集所述目标用户的待测量部位的用户体貌特征数据，并通过所述移动终端设备的第二采集装置采集所述n个目标对象的待匹配部位的对象形态特征数据；

通过所述移动终端设备的第二采集装置采集所述目标用户的待测量部位的用户体貌特征数据，并通过所述移动终端设备的第一采集装置采集所述n个目标对象的待匹配部位的对象形态特征数据。

3.根据权利要求2所述的方法，其中：

所述第一采集装置包括点阵投影仪以及红外摄像头；

所述第二采集装置包括TOF摄像头。

4.根据权利要求1所述的方法，其中，所述方法还包括：

通过所述移动终端设备的显示装置展示所述用户体貌特征数据，以使得所述目标用户能对所述用户体貌特征数据进行修改；

通过所述显示装置展示所述n个目标对象的对象形态特征数据，以使得所述目标用户能对所述对象形态特征数据进行修改。

5.根据权利要求4所述的方法，其中，所述根据所述用户体貌特征数据生成所述目标用户的用户三维模型，并根据所述对象形态特征数据生成n个对象三维模型包括：

响应于所述目标用户针对所述用户体貌特征数据的修改操作，获得修改后的用户体貌特征数据；

根据所述修改后的用户体貌特征数据生成所述目标用户的用户三维模型；

响应于所述目标用户针对所述对象形态特征数据的修改操作，获得修改后的对象形态特征数据；

根据所述修改后的对象形态特征数据生成n个对象三维模型。

6.根据权利要求1所述的方法，其中，所述方法还包括：

获取所述目标用户针对所述推荐对象的操作数据；

基于所述操作数据，优化所述目标用户的用户特征数据和所述推荐对象的对象特征数据。

7.根据权利要求1所述的方法，其中，所述方法还包括：

响应于数据更新请求，更新所述用户体貌特征数据，其中，所述数据更新请求包括更新时间间隔或浮动数据。

8.根据权利要求1所述的方法，其中，所述方法还包括：

获取所述目标用户针对所述推荐对象的评价数据；

基于所述评价数据，优化所述推荐对象的对象形态特征数据。

9.一种数据处理装置，包括：

特征数据获取模块，用于获取通过移动终端设备输入的目标用户的用户特征数据和m个候选对象的对象特征数据，其中，所述用户特征数据用于反映所述目标用户的偏好特征，m为整数，且m≥2；

目标对象筛选模块，用于基于所述目标用户的用户特征数据和所述m个候选对象的对象特征数据，筛选出n个目标对象，其中，n为整数，且m≥n；

特征数据采集模块，用于通过所述移动终端设备采集所述目标用户的待测量部位的用户体貌特征数据和所述n个目标对象的待匹配部位的对象形态特征数据；

三维模型生成模块，用于根据所述用户体貌特征数据生成所述目标用户的用户三维模型，并根据所述对象形态特征数据生成n个对象三维模型，其中，所述n个对象三维模型与所述n个目标对象一一对应；

推荐对象确定模块，用于基于对所述用户三维模型和所述n个对象三维模型的分析，确定出与所述目标用户的偏好特征相匹配的推荐对象。

10.一种电子设备，包括：

一个或多个处理器；以及

存储器，用于存储一个或多个程序，

其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行根据权利要求1至8中任一项所述的方法。

11.一种计算机可读存储介质，存储有计算机可执行指令，所述指令在被执行时使处理器执行根据权利要求1至8中任一项所述的方法。

12.一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时执行根据权利要求1至8中任一项所述的方法。

Images