CN101842790A - 将服装版型与个人消费者进行匹配 - Google Patents

Abstract

公开了一种用于指定服装的版型以及将各服装的版型与各个消费者进行匹配的方法和系统。在一实施例中，方法包括基于从人群取样的尺寸和人口统计形体测量数据分类人体体形，以及用统计方法分析测量数据以确定适当数目的离散体形、以及各体形的测量值特性的范围。该方法包括向每一体形分配体形码，该体形码是表示该体形的单独名称和/或符号和/或曲线。在一实施例中，利用推荐引擎指定各服装的版型并将其与各个消费者进行匹配。

Description

将服装版型与个人消费者进行匹配

背景

本发明一般涉及服装制造和销售、数据处理领域，尤其涉及用于为个人指定服装版型(fit)的方法和系统。

库尔特沙门(Kurt Salmon)协会的1999调查报告62％的美国消费者对他们服装的版型非常不满意。版型不佳的服装会销售不出去并且在它们即使被售出时也经常被退货。在美国销售的女装的40％退货率中大部分是由尺寸和版型问题引起的。

版型问题的一个起因是缺乏标准。美国商业部在1983年1月20日撤消女装尺寸的商业标准。从那以后服装制造商和零售商一再重新定义先前的标准或发明其自己的专用量尺寸方案。个人的服装尺寸在各个服装品牌之间经常不同。这对于女装而言很常见。来自一家制造商的标示为“尺寸10”的礼服与来自另一制造商的尺寸10的版型不同。一个人可能非常合身，而另一个人可能根本不合身。消费者必须在购买之前试穿每件服装。即使是来自单个制造商的单个尺寸，也可存在因消费者的体形的多样性而引起的版型问题。

因此，需要一种更准确地指定服装的版型并将版型较佳的服装与个人消费者进行匹配的方法和系统，从而解决上述缺点。本发明提供一种用于指定服装的版型并基于推荐引擎将各服装的版型与消费者进行匹配的版型规范方法。版型规范方法包括三个过程：分类、匹配评估和个性化选购。

分类过程按体形分类人体体形，向每一通用体形分配体形码。

在一个实施例中，存在由编号为1到7的体形码表示的七种体形。分类过程还按体形分类各服装，向每一服装分配一个或多个相应的体形码。另外，提供一种收集服装概况(profile)的方法，服装概况是描述单个服装的数据。然后向服装分配版型码，版型码是其服装概况与其体形码的组合。服装的版型码可被存储在数据库中，打印在服装标牌上，嵌入射频标识(RFID)标签等。

分类过程还按体形分类各个消费者，向每一消费者分配相应的体形码。另外，提供一种收集消费者概况的方法，消费者概况是描述个人消费者和她的衣着偏好的数据。然后向消费者分配版型码，版型码是她的消费者概况与她的体形码的组合。

因而，知道了她的体形码，消费者可将她的体形码和服装的体形码进行比较以更准确地预测适合版型的可能性。消费者可通过使用匹配评估过程来更进一步地改进适当版型的可能性，该匹配评估过程将她的版型码与服装的版型码进行比较。匹配评估过程自动地将个人消费者的版型码与一种或多种服装的版型码进行匹配，同时推荐引擎产生用于呈现给消费者的匹配服装的经秩评定(ranked)列表。

版型规范方法包括提供消费者个人定制选购环境的个性化选购过程，个人定制选购环境可在在线和/或离线零售背景中实现。通过她们的个性化选购环境，消费者可访问分类及匹配评估过程，并且可向消费者呈现她可相信会与她合身并符合她的衣着偏好的推荐服装。

可从以下详细描述和附图获得对本发明的特性和优点的更好的理解。

附图简述

图1是根据本发明的实施例的版型规范方法的简化框图；

图2A-C是根据本发明的实施例的示出分类过程的简化框图；

图3A-3B示出根据本发明的实施例的全围和前部测量技术；

图3C-D示出根据本发明的实施例的高度和长度测量技术；

图4是根据本发明的实施例的匹配评估过程的简化框图；

图5A-5F是根据本发明的实施例的示出对合身礼服的匹配评估过程的流程图；

图6是根据本发明的实施例的匹配系统的示图；以及

图7是根据本发明的实施例的服装显示界面的示图。

本发明的这些和其它实施例将在下文中更详细地描述。

示例性实施例的描述

本发明的实施例涉及一种用于匹配服装的版型与个人的系统和方法。在一实施例中，用户向分析引擎提交多个测量值和生活方式数据以形成版型概况。分析引擎处理多个测量值和生活方式数据以匹配多个服装的版型。用户的版型概况被分类并且版型概况码被给予用户以表示其版型概况。在一实施例中，服装制造商、零售店等根据基于各服装测量值的版型概况码标示他们的服装。消费者将他们的版型概况码与服装的版型概况码进行比较以找到匹配其版型概况的服装。

贯穿本说明书，所示的各实施例和示例应被认为是示例性的，而非对本发明的限制。在描述本发明的实施例时，为了清楚起见女性消费者和女装将用作示例。然而，本发明并非旨在限于女装，因为本发明可用于包括男装和童装的各类服装。

版型规范过程

图1是描绘在此所述的版型规范过程100及其各组成过程的简化框图，这些组成过程有：分类过程110、匹配评估过程120、以及个性化选购过程130。这些过程是相互依赖的，共享输入和输出。分类过程110将人体体形分类成一组体形(在本实施例中由体形码1到7表示)。分类过程110还向各消费者和各服装分配体形码和版型码。给定个体消费者的体形码和版型码，匹配评估过程120计算该消费者可能合身的推荐服装的经秩评定列表。如以下进一步所述地，个性化选购过程130向消费者提供一种通过定制选购环境访问版型规范系统的手段。因而，规范过程100还可被描述为基于其体形、测量值等在N维人物空间P中定位一个人，在N维服装空间(G)中定位服装，对所有人和服装重复该步骤以生成人和服装的映射，f:P--＞G。

分类过程

图2A-2C描绘分类过程110。在一实施例中，分类过程110包括将人体体形定义为体形码的引擎210、根据体形码和版型码分类个人消费者的引擎220、以及根据体形码和版型码分类各服装的引擎230。

定义人的体形

图2A示出用于定义人体体形的引擎210。在一实施例中，引擎210确定人体的关键测量值的列表。表1列出如在本发明一实施例中使用的21个这种测量值。

表1

身体测量值

1	C	肩围
			2	C	胸围
3	C	腰围
			4	C	上臀围
5	C	臀围
			6	F	前/后肩到肩
7	F	前/后胸
			8	F	前/后腰
9	F	前/后上臀腰以下4″
			10	F	前/后臀腰以下9″或最宽点
11	H	高度：头顶
			12	H	高度：肩
13	H	高度：胸
			14	H	高度：腰
15	H	高度：上臀
			16	H	高度：臀
17	H	高度：膝
			18	D	总直裆(total rise)
19	D	袖笼全围
			20	D	内缝
21	D	臂长

图3A-3D描绘用于获得这些身体测量值的位置和技术。在一实施例中，引擎210使用人体体形分类算法，该人体体形分类算法是建立不同的身体测量值之间的算术和/或几何关系以用来生成用户概况的一系列计算。这些人体体形分类算法对每一测量值考虑2和3维的前部和侧部轮廓，并评估躯干上特定点的相对比例，包括但不限于：肩到臀、肩到胸、胸到腰、腰到臀的比例，身体前半部分的体重的比例等。例如，人体体形分类算法的两个计算是：

肩围减去臀围，即

1C-5C＝值1

胸围减去前胸再除以胸围，即

(2C-7F)/2C＝值6

表1A列出如在本发明一实施例中使用的13个这种计算。

表1A

体形分类算法计算

1C-5C＝值1
	2C-3C＝值2
2C-5C＝值3
	5C-3C＝值4
(1C-7F)/1C＝值5
	(2C-7F)/2C＝值6
(3C-8F)/3C＝值7
	(4C-10F)/4C＝值8
(5C-10F)/5C＝值9
	12H-16H＝值10
13H-14H＝值11
	16H-14H＝值12
16H-17H＝值13

参考图2A，引擎210处理来自人类群体和亚群体(例如，年龄为40-65岁的美国妇女)的代表性样本的身体测量值。在一实施例中，引擎210使用人体体形分类算法处理样本。引擎210用统计学方法分析结果来辨别群体内的聚类子集，每一子集共享公共数据值。在一实施例中，有命名为体形1到7的7个这种子集。每一体形都由一组核心测量值连同偏离各值的均值的可接受范围来定义。因而，这七种体形在经定义后可作为体形码1到7分配给个人消费者和服装。

分类个人消费者

在一实施例中，引擎220接收诸如在表1和图3A-D中所列值的个人消费者身体测量值，将那些数据输入到消费者体形分类算法。消费者体形分类算法可使用各种技术实现。例如，该消费者体形分类算法可使用在不同的身体测量值之间建立算术和/或几何关系的一系列计算来实现。这些计算接近地遵循上述人体体形分类算法的变换，但是还包括确定消费者与哪一体形最接近地匹配的最佳拟合分析。消费者然后可被分配以相应的体形码。

图2B示出引擎220的使用消费者身体测量值和消费者概况生成消费者版型码的一实施例。在一实施例中，引擎220收集消费者概况，该消费者概况是描述个人消费者和她的着衣偏好的数据。例如，表2列出如在本发明一实施例中使用的33个这种数据点。

表2

消费者概况数据

1000	C	消费者服务(代码)
			1001	D	肩部容限
1002	D	胸部容限
			1003	D	腰部容限
1004	D	臀部容限
			1005	D	调色板
1006	D	期望样式(浪漫、戏剧等)
			1007	D	期望面料(代码)
1008	D	我购买的品牌/设计师(代码)
			1009	D	我喜欢的品牌/设计师(代码)
1010	D	我发觉很难找到(裤子、套装、礼服、裙子、上装)
			1011	D	通常我穿(小号、中号、大号)
1012	D	通常我购买的尺寸(代码)

1000	C	消费者服务(代码)
			1013	D	每一套装我通常花费(代码)
1014	D	我把我的裤子穿在(腰部、腰部以下1’、很靠下)
			1015	D	我经常购物(代码)
1016	D	我在打折时购买(总是、有时、偶尔)
			1017	D	在线购买％
1018	D	我退货(代码)
			1019	D	我每次购物通常花费(代码)
1020	D	我从何地获得新闻(代码)
			1021	D	我从何地获得时尚新闻(代码)
1022	D	我最喜欢的网站(列表)
			1023	D	我所属的社团(代码)
1024	D	我的爱好(代码)
			1025	D	我随意行事
1026	D	我计划行事
			1027	D	我喜欢运动(代码)
1028	D	我偏好的音乐(代码)
			1029	D	房产业主(代码)
1030	D	我的座驾(代码)
			1031	D	我的孩子(代码)

1000	C	消费者服务(代码)
			1032	D	我的家庭收入(代码)

如图2B所示，引擎220采用消费者版型分类算法来处理消费者概况数据。消费者版型分类算法根据所表示数据的类型编码每一数据点。例如，胸部容限(1002D)是数值；房产业主(1029D)是布尔值；而“我购买的品牌”(1008D)是从流行品牌的查找表中导出的字母数字值。一旦被编码，数据点就被串接并与消费者的体形码组合。在一实施例中，所得的值本质上是消费者的测量和概况记录，并且可表示为单个经压缩和加密的字母数字串，该串是消费者的版型码。

分类各服装

图2示出用来处理服装体形码和服装概况以生成服装的版型码的引擎230的实施例。在一实施例中，引擎230接收各服装的测量值。表3列出如在本发明的一实施例中使用的35个这种测量值。

表3

服装测量值

1	C	肩围
			2	C	胸围
3	C	腰围
			4	C	上臀围
5	C	臀围
			6	F	前/后肩到肩
7	F	前/后胸
			8	F	前/后腰
9	F	前/后上臀腰以下4″
			10	F	前/后臀腰以下9″或最宽点
11	H	高度：肩到胸

1	C	肩围
			12	H	高度：肩到腰
13	H	高度：肩到上臀
			14	H	高度：肩到臀
15	H	高度：肩到下摆
			16	H	高度：腰到下摆(计算所得)
17	H	高度：前中到下摆
			18	H	高度：后中到下摆
19	H	外缝
			20	D	总直裆
21	D	袖笼全围
			22	D	内缝
23	D	袖长
			24	D	颈到肩
25	D	前直裆
			26	D	大腿围
27	D	裤脚口全围
			28	D	肩部容限
29	D	胸部容限
			30	D	腰部容限
31	D	上臀容限

1	C	肩围
			32	D	臀部容限
33	D	期望服装长度(膝上、齐膝、膝下、小腿中部、及地)
			34	D	期望衣袖容限
35	D	期望袖笼容限

参考图2C，引擎230采用服装体形分类算法来处理服装测量数据。在一实施例中，该服装体形分类算法可以是在各服装测量值之间建立算术和/或几何关系(表达为曲线)的一系列计算。对于不同的服装类型，有不同的关键测量值。例如，礼服将具有与夹克或裤子所不同的测量点。这些测量可从模式向导来取得，或从制造商的剪裁系统的CAD表示中导入，或手动地从服装本身获得。为导出匹配的体形码，引擎230将从测量值导出的服装的曲线与七个体形的每一个所表示的曲线进行比较，以确定该服装是否适于一个或多个体形。曲线分前部、侧面和后部轮廓进行比较。如上所述，曲线还可以三维(即3-D)地比较，并将身体的前半部分的体积与服装的前半部分的体积进行比较。一旦找到匹配的曲线，服装就被分配以与其匹配的体形码。

引擎230处理服装的概况。服装的概况是描述单个服装的数据。表4列出如在本发明一实施例中使用的23个这种数据点的示例。

表4

服装概况数据

101	C	版型(1＝紧身1B，1W，1H；2＝合身2B，2W，2H；3＝宽松3B，3W，3H)
			102	D	服装类型
103	D	服装类型码
			104	D	服装描述符
105	D	描述
			106	D	品牌
107	D	推荐零售价

108	D	口袋(代码)
			109	D	衣领和过肩(代码)
110	D	领口(代码)
			111	D	系扣(拉链、钮扣、钩子、松紧带)
112	D	衣袖样式(代码)
			113	D	裤腿样式
114	D	裙子样式
			115	D	颜色
116	D	产地(美国、中国、欧洲、印度、其它)
			117	D	用途(职业装、休闲装、特殊场合等)
118	D	样式(浪漫、戏剧、经典、艺术、基础、优雅、时髦等)
			119	D	面料(代码)
120	D	护理说明书(洗涤、干洗、其它)
			121	D	制造商的尺寸
122	D	异常码(Outlier code)(消费者ID)
			123	D	优先码

在一实施例中，引擎230采用服装版型分类算法来处理服装概况数据。服装版型分类算法与上述消费者版型分类算法类似地起作用以导出所得值。所得值是表示为单个经压缩和加密的字母数字串的服装的测量和版型记录，该串是服装的版型码。

匹配评估过程

图4描绘匹配评估过程120。在一实施例中，匹配评估过程120可被用来将消费者的版型码与服装的版型码进行比较。如在此所述地，版型码是多个消费者的或服装的属性的封装；即测量值、概况、体形码。在一实施例中，这六个属性的值(三个来自消费者410，三个来自服装420)被输入到匹配评估过程120。数据被传送到三个对应的滤波器：测量值过滤器430、概况过滤器450和体形码过滤器460。过滤器的输出是如表470所示的那些经评估服装的经秩评定的和经排序的列表。排序包括七个“保存箱”(holding bin)480-在本实施例中对每一体形码有一个，和箱D 239——“不要显示”，即丢弃440不合身的服装。此外，每一次评估时，服装被临时地分配以优先码(123D)。优先码确定服装在其保存箱480内的秩。这在如在此所述的选购过程在线进行时最有用，其中优先码将用来确定以何种顺序向消费者显示匹配的服装。

服装的类型(102-104D)必然地影响在评估时要考虑哪些数据点，以及它们的考虑顺序。例如，虽然夹克可具有肩围(1C)，但裤子则没有。因而，匹配评估规则随服装类型而改变。

作为进行匹配评估所需的规则和步骤的示例，考虑一消费者珍妮(珍妮)，以及来自设计师Leona Edmiston的合身礼服。表5列出包括珍妮的版型码的数据。

表5

珍妮的数据

数据点 数据类型 名称  示例值

消费者ID

1303

测量值

1	C	肩围	36.5
				2	C	胸围	32
3	C	腰围	29
				4	C	上臀围	32
5	C	臀围	35
				6	F	前/后肩到肩	19
7	F	前/后胸	17
				8	F	前/后腰	15.5
9	F	前/后上臀腰部以下4″	17
				10	F	前/后臀腰部以下9″或最宽点	19
11	H	高度：头顶	64
				12	H	高度：肩	53

1	C	肩围	36.5
				13	H	高度：胸	45.5
14	H	高度：腰	39
				15	H	高度：上臀	37
16	H	高度：臀	34
				17	H	高度：膝	17
18	D	总直裆	28
				19	D	袖笼全围	18
20	D	内缝	30
				21	D	臂长	20

体形

100

计算所得

体形码

5

概况

1000	C	消费者服务(代码)	512-想要职业化穿着
				1001	D	肩部容限	1
1002	D	胸部容限	2
				1003	D	腰部容限	1
1004	D	臀部容限	4
				1005	D	调色板	红、黄、褐
1006	D	期望样式(浪漫、戏剧等)	经典、优雅

1000	C	消费者服务(代码)	512-想要职业化穿着
				1007	D	期望面料(代码)	棉、毛、涤纶、粘胶纤维、氨纶
1008	D	我购买的品牌/设计师(代码)
				1009	D	我喜欢的品牌/设计师(代码)
1010	D	我发觉很难找到(裤子、套装、礼服、裙子、上装)
				1011	D	通常我穿着(小号、中号、大号)
1012	D	通常我购买的尺寸(代码)	10
				1013	D	每件套装我通常花费(代码)
1014	D	我把我的裤子穿在(腰部、腰部以下1”、很靠下)
				1015	D	我常常购物(代码)
1016	D	我在打折时购买(总是、有时、偶尔)
				1017	D	在线购买％
1018	D	我退货(代码)
				1019	D	我每次选购通常花费(代码)	$400
1020	D	我从何地获得新闻(代码)
				1021	D	我从何地获得时尚新闻(代码)
1022	D	我最喜欢的网站(列表)
				1023	D	我所属的社团(代码)
1024	D	我的爱好(代码)

1000	C	消费者服务(代码)	512-想要职业化穿着
				1025	D	我随意行事
1026	D	我计划行事
				1027	D	我喜欢运动(代码)
1028	D	我偏好的音乐(代码)
				1029	D	房产业主(代码)
1030	D	我的座驾(代码)
				1031	D	我的孩子(代码)
1032	D	我的家庭收入(代码)

表6列出包括礼服的版型码的数据。

表6

礼服的数据

数据点 数据类型 名称  示例值

服装ID

G1001

测量值

1	C	肩围	37
				2	C	胸围	34
3	C	腰围	30
				4	C	上臀围	34
5	C	臀围	39
				6	F	前/后肩到肩	18

1	C	肩围	37
				7	F	前/后胸	17
8	F	前/后腰	15
				9	F	前/后上臀腰以下4”	17.75
10	F	前/后臀腰以下9″或最宽点	20.5
				11	H	高度：肩到胸	9.5
12	H	高度：肩到腰	16.5
				13	H	高度：肩到上臀	20.5
14	H	高度：肩到臀	25.5
				15	H	高度：肩到下摆	38.75
16	H	高度：腰到下摆(计算所得)
				17	H	高度：前中到下摆	40
18	H	高度：后中到下摆
				19	H	外缝
20	D	总直裆
				21	D	袖笼全围	20
22	D	内缝
				23	D	袖长	22.75
24	D	颈到肩
				25	D	前直裆
26	D	大腿围

1	C	肩围	37
				27	D	裤脚口全围
28	D	肩部容限	2
				29	D	胸部容限	2
30	D	腰部容限	1.25
				31	D	上臀容限	2
32	D	臀部容限	4
				33	D	期望服装长度(膝上、齐膝、膝下、小腿中部、及地)	0(齐膝)
34	D	期望衣袖容限	3
				35	D	期望袖笼容限	2

体形

100

计算所得

体形码

1，5

概况

101	C	版型(1＝紧身1B，1W，1H；2＝合身2B，2W，2H；3＝宽松3B，3W，3H)	2B，2W
				102	D	服装类型	礼服
103	D	服装类型码	D1
				104	D	服装描述符	合身
105	D	描述	Natasha的胸省
				106	D	品牌	Leona Edmiston

101	C	版型(1＝紧身1B，1W，1H；2＝合身2B，2W，2H；3＝宽松3B，3W，3H)	2B，2W
				107	D	推荐零售价	$375
108	D	口袋(代码)	4个前袋
				109	D	衣领和过肩(代码)	圆形
110	D	领口(码)	圆领/小圆领
				111	D	系扣(拉链、钮扣、钩子、松紧带)	侧拉链
112	D	衣袖样式(代码)	长袖
				113	D	裤腿样式	～
114	D	裙子样式	A字裙
				115	D	颜色	巧克力褐色
116	D	产地(美国、中国、欧洲、印度、其它)	澳大利亚
				117	D	用途(职业、休闲、特殊场合等)	职业
118	D	样式(浪漫、戏剧、经典、艺术、基础、优雅、时髦等)	经典
				119	D	面料(代码)	72％涤纶、22％粘胶纤维、6％氨纶
120	D	护理说明书(洗涤、干洗、其它)	手洗不要甩干或干洗
				121	D	制造商尺寸	1
122	D	异常码(消费者ID)
				123	D	优先码

测量值过滤

如图4所示，作为测量值过滤过程的一部分，采用测量值过滤器430来将服装的测量值与消费者的测量值进行比较。

全围比较

测量值过滤器430比较服装和消费者的全围数据点1C到5C。例如，对以下值作比较：胸围(2C)、腰围(3C)、臀围(5C)、肩围(1C)以及最后上臀围(4C)。对于每一数据点，测量值过滤器430计算服装全围Cg减去消费者全围Cc的差值，如以下方程所示：

x＝1Cg-1Cc

如果结果(x)大于或等于零并且小于或等于相应的服装容限(28D到32D)，则测量过滤器430处理下一数据点，如以下方程所示：

如果(0≤x≤28Dg)，则继续下一数据点。

否则，测量过滤器430将当前服装丢弃到箱D并继而评估下一服装(如果有的话)。这些计算的流程图500A在图5A中描绘出。

参考图5A与表5和6中的数据，礼服具有34的胸围(2C)而珍妮的胸围是32。在步骤502A，使用以上方程：

34-32＝2

在步骤504A，2大于零并且小于或等于礼服的胸部容限(29D)：

0≤2≤2.

因此，在步骤504A找到了匹配。

测量过滤器430处理下一数据点-腰围(3C)。在步骤506A和508A，使用以上方程：

30-29＝1

0≤1≤1.25

在步骤508A找到了匹配。

测量过滤器430处理下一数据点-臀围(5C)。在步骤510A和512A，使用以上方程：

39-35＝4

0≤4≤4

在步骤512A找到了匹配。

测量过滤器430处理下一数据点-肩围(1C)。在步骤514A和516A，使用以上方程：

37-36.5＝.5

0≤.5≤2

在步骤516A找到了匹配。

测量过滤器430处理下一数据点-上臀围(4C)。在步骤518A和520A，使用以上方程：

34-32＝2

0≤2≤2

在步骤520A找到了匹配。

测量过滤器430继而计算前部比较。如果以上步骤中的任何一个不匹配，则在步骤522A，丢弃该服装和/或数据。

前部比较

在一实施例中，测量值过滤器430比较服装和消费者的前部数据点6F到10F。对于每一数据点，测量值过滤器430使用以下公式计算服装前部减去消费者前部的差值：

x＝6Fg-6Fc

如果结果(x)大于或等于零并且小于或等于相应的容限(再次为28D到32D)乘以消费者前部Fg除以消费者全围Fc(1C到5C)，则测量值过滤器430然后继续下一数据点，这可由以下公式表达：

如果(0≤x≤28Dg*(6Fc/1Cc))，则继续下一数据点

否则，测量值过滤器430将当前服装丢弃到箱D并继续评估下一服装(如果有的话)。这些计算的流程图500B在图5B中描绘出。

参考图5B与表5和6中的数据，该礼服具有19的前肩围(6F)而珍妮的前肩围是18。在步骤502B，确定服装的前肩围与消费者的前肩围之问的差值，这由以上方程表达：

19-18＝1

在步骤504B，1大于零并且小于或等于礼服的肩部容限(28D)乘以消费者前肩(6F)除以消费者的肩围(1C)，由以下计算示出：

0≤1≤2*(19/36.5)

在步骤504B找到了匹配。

测量值过滤器430继续处理下一数据点——前胸(7F)。在步骤506B和508B，确定并评估服装的前胸围与消费者的前胸围之间的差值。例如，应用以上方程：

17-17＝0

0≤0≤2*(17/32)

在步骤508B找到了匹配。

测量值过滤器430继续处理下一数据点——前腰(8F)。在步骤510B和512B，确定并评估服装的前腰围与消费者的前腰围之间的差值。例如，应用以上方程：

15.5-15＝.5

0≤.5≤1.25*(16/29)

在步骤512B找到了匹配。

测量值过滤器430继续处理下一数据点——前上臀(9F)。在步骤514B和516B，确定并评估服装的前上臀围与消费者的前上臀围之间的差值。例如，应用以上方程：

17.75-17＝.75

0≤.75≤2*(17/32)

在步骤516B找到了匹配。

测量过滤器430继续处理下一数据点——前臀(10F)。在步骤518B和520B，确定并评估服装的前臀围与消费者的前臀围之间的差值。例如，应用以上方程：

20.5-19＝.5

0≤.5≤4*(19/35)

在步骤520B找到了匹配。

测量值过滤器430继续高度比较。如果以上步骤中的任何一个不匹配，则在步骤522B丢弃该服装和/或数据。

高度比较

在一实施例中，测量值过滤器430计算高度并确保任何差值都大于0。测量值过滤器430比较消费者肩到下摆(12H)减去服装肩到下摆(15H)，这可在以下方程中表达为：

x＝12Hc-15Hg

如果结果(x)大于或等于零并且小于或等于消费者膝高(17H)加上期望服装长度(33D)，则测量过滤器430处理下一数据点，如以下方程所示：

如果(0≤x≤17Hc-33Dg)，则继续下一数据点

否则，测量值过滤器430将当前服装丢弃到箱D并继续评估下一服装(如果有的话)。这些计算的流程图500C在图5C中描绘出。

参考图5C与表5和6中的数据，珍妮的肩到下摆是53，而该礼服的肩到下摆是38.75。在步骤502C，确定消费者珍妮的肩到下摆与服装的肩到下摆之间的差值。例如，应用以上方程：

53-38.75＝14.5

在步骤504C，评估所算得的差值。例如，在珍妮的膝高是17且该礼服的期望长度是0时：

0≤14.5≤17+0

在步骤504C找到匹配，且测量值过滤器430可继续到肩到腰(12H)。

在一实施例中，在步骤506C，测量值过滤器430计算消费者肩高(12H)与消费者腰高(14H)之间的差值，这可被示为以下方程：

x＝12Hc-14Hc

如果在步骤508C，结果(x)大于或等于零并且小于或等于服装的肩到腰(12H)，则测量值过滤器430在步骤510C处理下一数据。步骤508C可使用以下方程表达：

如果(0≤x≤12Hg)，则继续下一数据点

否则，测量值过滤器430进入步骤522C，并且将当前服装丢弃到箱D并继续评估下一服装(如果有的话)。在步骤506C和508C，参考表5和6中的数据并且应用以上方程：

53-39＝14

0≤14≤16.5

在步骤508C找到了匹配。

测量值过滤器430可继续在步骤512C处理衣袖比较。

衣袖比较

在步骤510C，如果测量过滤器430确定消费者袖笼全围(19D)小于或等于服装袖笼全围(21D)，则测量值过滤器430继续下一数据点。步骤510C可由以下公式示出：

如果19Dc≤21Dg，则继续下一数据点

否则，测量值过滤器430继续步骤522C，并且将当前服装丢弃到箱D并继续评估下一服装(如果有的话)。

参考表5和6中的数据，珍妮的袖笼全围是18，而该礼服的是20。在步骤510C，应用以上方程：

18≤20

找到匹配。

测量值过滤器430继续到袖长(23D)。在步骤512C和514C，如果测值过滤器430确定服装袖长(23D)减去服装衣袖容限(34D)减去消费者臂长(21D)小于或等于零，则测量过滤器430继续使用概况过滤器450处理概况，如以下进一步所述。步骤514C可在以下方程中示出：

如果(23Dg-34Dg-21Dc≤0)，则继续到概况过滤器450

否则，测量值过滤器430进入步骤522C，并且将当前服装丢弃到箱D并继续评估下一服装(如果有的话)。参考表5和6中的数据，使用以上公式，找到匹配：

(22.75-3-20)≤0

并且匹配评估过程120可继续使用概况过滤器450处理概况。

概况过滤器

现在参考图5D，在一实施例中，服装的优先码通常总是为零。然而，在匹配评估过程110期间，可临时地给予该优先码一数值。如果服装在比较中失败，则通过向其优先码加一数字来作为“处罚”。优先码确定服装被推荐和显示给消费者的顺序。在一实施例中，服装的优先码越高，它对该消费者而言就越不合适，并且它就越在后面(例如，给予较低优先级)显示给消费者。具有优先码“1”的服装将在具有优先码“5”的服装之前(例如，给予较高优先级)被推荐并出现。在一实施例中，较低优先权码具有较高优先级。为简便起见，在该示例中，在比较失败时，向优先码加“1”。注意，该处罚的值对特定比较会是可变的并且可被加权。例如，未能匹配消费者的颜色偏好可对服装处罚3，而其未能匹配消费者的面料偏好则可只处罚2。

在一实施例中，每一消费者概况数据点都可被分配一个辅助值，称之为“重要性值”，以指示其对消费者的相对重要性。重要性值可被用来修改相应的处罚值，取决于服装的该特定方面对消费者有多重要而使该值更高或更低。例如，珍妮可能感觉服装的面料比其颜色更重要。如果是这样，则珍妮可给予面料重要性值2而给予颜色重要性值1。通过使用这些重要性值来修改先前的示例，显而易见，服装的颜色处罚还是3(3*1＝3)，而其面料处罚从2跳到4(2*2＝4)。为简便和清楚起见，在以下示例中，所有消费者的概况数据被认为是同等重要的，不分配重要性值且不计算处罚值的修改。

期望版型比较

概况过滤器450将以上全围比较的结果与消费者的期望肩部容限、胸、腰和臀(1001D到1004D)进行比较。如果概况过滤器450确定消费者的期望容限小于服装容限，则概况过滤器450通过用消费者的容限代替服装的容限来修改全围计算。这些计算的流程图500D在图5D中描绘出。

例如，在步骤502D，如果消费者肩部容限(1001D)小于服装肩部容限(28D)，则在步骤504D，概况过滤器450通过用消费者的肩部容限(1001D)代替服装的肩部容限(28D)来重新处理肩围计算。因此，应用以上公式：

x＝1Cg-1Cc

如果在步骤506D(0≤x≤28Dg)，则继续下一数据点

x变成

x＝1Cg-1Cc

如果在步骤506D(0≤x≤1001Dc)，则概况过滤器450处理下一数据点

参考图5D以及表5和6中的数据，珍妮在其肩部偏好紧身；她具有仅1的期望肩部容限，这小于我们在以上未修改的肩围比较中使用的为2的服装肩部容限。所以，概况过滤器450用珍妮的值来替代，并重新计算肩围：

37-36.5＝.5

0≤.5≤1

在步骤510D到522D匹配保持，因为珍妮的胸部、腰部和臀部容限(1002D-1004D)都不小于相应的服装容限(29D、30D和32D)，所以不必重新计算那些全围。然而，如果容限中的任一个都未通过，则与以上步骤504D和步骤506D中一样，它们会被重新计算并且对于每次重新计算失败，优先码加“1”。

例如，在步骤506D，如果服装使全围重新计算失败，则向服装的优先码(123D)加“1”，并且匹配评估过程120继续概况比较。因为在此示例中礼服已通过肩围评估，所以重新计算匹配评估过程120继续概况比较过程，且优先码仍等于零。

概况比较

概况比较计算的流程图500E在图5E中描绘出。匹配评估过程120如下比较这4个消费者和服装数据点：

在步骤502E，服装颜色(115d)是否包含在消费者的调色板(1005d)中值的数组中，并且

在步骤506E，服装样式(118d)包含在消费者的期望样式(1006d)中值的数组中，并且

在步骤508E，服装面料(119d)包含在消费者的期望面料(1007d)中值的数组中，并且

在步骤510E，服装零售价(107d)小于或等于消费者的“我通常花费”额(1019d)，则此服装是一匹配并且其优先码未改变。否则，匹配评估过程120继续步骤504E，并在每次比较失败时都将该服装的优先码加1。

参考表5和6中的数据，珍妮的颜色、样式、面料和价格偏好都匹配。匹配评估过程120继续尺寸比较，优先码仍为零。

在步骤514，匹配评估过程120将服装的制造商尺寸(121D)与消费者的通常尺寸(1012D)进行比较。这是取决于服装类型的尺寸值的数组。如上所述，制造商的尺寸随各制造商而显著变化，且甚至在内部也不一致。制造商通常具有其自身的专有量尺寸方案，例如“A”对“10”。所以，采用独立的尺寸查找表(此处未示出)来标准化该服装的制造商尺寸(121D)，以供在尺寸比较时使用。参考表5和6中我们的示例数据，该服装的制造商尺寸(121D)是1。尺寸查找表示出Leona Edmiston的尺寸1礼服与尺寸8相对应。在步骤512E，匹配评估过程120从消费者的通常尺寸中减去标准化的服装制造商尺寸。如果在步骤514E，差值大于正负4，则匹配评估过程120将优先码加1。步骤514E可用以下方程表达：

如果((1012Dc-121Dg)＞±4)，则优先码＝优先码+1

在此示例中，珍妮的通常礼服尺寸是10，而礼服的标准化制造商尺寸是8。

((10-8)＞±4)为假

所以该示例礼服仍然是完美的匹配且其优先码未改变为零。

体形码过滤器

在一实施例中，对每一体形采用一保存箱。如图所示，本实施例有七个保存箱：1-7。基于服装体形码(101)，服装被放置在其相应的一个或多个保存箱中。例如，服装的体形码可以是数字的数组，例如3，5，7。在此情况下，它将被放置在保存箱3，5和7中。一旦评估了服装的体形，匹配评估过程120就继续下一服装(如果有的话)的匹配评估。这些计算的流程图在图5f中描绘出。

在步骤502F，参考表5和6中的示例数据，该礼服的体形码是“1，5”。所以，它将被放置在保存箱1和5中。该礼服可作为最佳匹配来推荐给珍妮，因为该礼服共享珍妮的体形码5并具有优先码零。当完成时，匹配评估过程120继续步骤504F并结束。

在一些情况中，将在单个选购期间评估多件服装。如图5G所示，当所有服装已经受匹配评估过程120时，它们以每一保存箱544的内容按保存箱中每一服装的优先码的升序来排序。这些服装现在按体形码分开，并且它们从最合适的到最不合适的来排序。如图所示，可向消费者显示并推荐那些最佳匹配的服装。例如，来自保存箱544的与消费者的体形码(100c)相对应的服装。在一过程中，那些优先码为零的服装可被选择并显示给消费者。然而，在此示例中优先码为零的服装是最佳匹配，是消费者最可能合身和适合的服装，本领域的技术人员将认识到任何优先码、符号、标记等可被用来标示具有最佳匹配的服装。

在一实施例中，消费者可能希望考虑稍不完美地匹配她的服装。如果是这样，则匹配评估过程120可从她的体形码的保存箱取得那些优先码大于零的服装，并且可根据优先码按适合性顺序取得并显示它们。消费者可浏览不同体形的服装。事实上，服装可按多种方式来取得、排序并显示，如以下将描述的。

个性化选购过程

图6描绘用来使选购过程成为可能的匹配系统600。选购过程使消费者能访问分类过程110和匹配评估过程120。

消费者分类过程

在一实施例中，个性化选购过程130和匹配系统600：

1.测量消费者的身体

2.向分类过程110提供测量值

3.接收并处理消费者的体形码

4.接收消费者的概况

5.向分类过程110提供概况数据

6.接收消费者的版型码

根据体形码选购

一旦消费者知道她的体形码，她就可使用体形码来帮助选择适当的服装。她具有用来选择适当服装的若干选择。例如，她可在“实体”零售店中选择服装或者可使用在线选购环境。她简单地寻找打印在它的“使用保养说明标签”或标牌上的服装的体形码，并且然后将其体形码与她自己的进行比较。当然，她自己将不得不确保服装的尺寸是正确的，但是体形码将给予服装适合她的体形的信心。

根据版型码选购

如果消费者意识到自己处于能访问匹配系统600(以下描述其实施例)的环境，则她将能够使用她的版型码并且利用匹配评估过程120。例如，她可以检查特定服装有多满足她的需要，购买某种类型的服装，或者浏览所有类型的服装。因为消费者的身体测量值和偏好可以、并且将随着时间而改变。随着时间的流逝，她将想要和需要新的衣服。因而，消费者将反复地再访个性化选购过程130。

匹配系统

匹配系统600是版型规范过程100的实现。在一实施例中，匹配系统600是一计算机化系统，即用于数据处理和分发的硬件和软件的集合。该系统硬件可包括或者是单个或多个计算机，或多个计算设备的组合，这些计算设备包括但不限于：PC、PDA、蜂窝电话、服务器、防火墙和路由器。如在此所使用地，术语软件涉及可在任何种类的计算机处理器上执行的任何指令。

该系统软件可用任何计算机语言实现，且可作为目标代码、汇编、或机器码或这些和其它的组合来执行。该软件可包括一个或多个模块、软件、程序和其组合。该软件可以是一个或多个应用程序和套件的形式，且可包括低级驱动程序、目标代码、和其它低级软件。

该软件可被存储在任何本地或远程的机器可读介质上并从其中执行，这些机器可读介质诸如(作为示例而非限制)：磁性介质(例如，硬盘、磁带、软盘、卡式介质)、光学介质(例如，CD、DVD)、闪存产品(例如，存储棒、压缩闪存以及其它)、射频识别标签(RFID)、智能卡^TM、以及易失性和非易失性硅存储器产品(例如，随机存取存储器(RAM)、可编程只读存储器(PROM)、电可擦除可编程只读存储器(EEPROM)、以及其它)、甚至纸上机器可读介质(例如，打印的UPC条形码)。

匹配系统600可使用网络，该网络可包括web服务器644、文件和应用程序服务器、以及数据库服务器648，它们都在可包括局域网(LAN)660、宽域网(WAN)以及因特网620的网络化环境中运行。数据被传送到匹配系统600并且传送到其组件之中。这可以常规方式实现，该常规方式采用一套标准的TCP/IP协议，包括用于各种数据的传输的文件传输协议(FTP)和超文本传输协议(HTTP)。可采用可扩展标记语言(XML)来帮助数据交换和进程间通信，该语言是用于跨因特网与不同厂商的数据库和不同操作系统之间的数据交换的互换格式。可以使用软件、硬件和数据结构的附加的和更少的组件、单元、模块或其它排列来实现此处所描述的发明。

匹配系统600包括若干互连区域：版型规范后端640、制造商的模块630、以及零售模块610。

在一实施例中，版型规范后端640包含web服务器644、文件服务器650、数据库648、以及容纳用于分类和匹配评估软件的主要位置的应用程序服务器652。匹配系统600还包括个人消费者的体形和版型码642以及各服装的体形和版型码654的主数据库。

制造商的模块630是允许制造商获得其商品的体形和版型码的软件/硬件。例如，对于特定尺寸或SKU的每一服装，制造商将该服装的尺寸测量值和概况数据输入到该制造商模块中。此数据可通过经由例如工作站634与诸如cad系统632之类的制造商自己的内部系统来手动或自动输入。数据受服装分类引擎230支配，如在此所述地。这可通过版型规范后端640本地地或远程地发生。制造商现在可在制造过程中采用所得体形和版型码；例如在服装的标牌、销售标签、RFID标签等上打印和/或电子地嵌入体形码和版型码。

零售模块610出现在两个一般区域中：“实体”零售店和在线商店。通常零售店位于购物商场、购物中心等等，而在线商店通常是在家或办公室中经由个人计算机进行访问的。零售模块610还可通过自动服务终端、蜂窝电话、PDA以及其他独立或网络化设备访问。通过零售模块610消费者可利用个性化选购过程。例如，珍妮进入本地百货商店的女装部。在那里她利用这一机会来接收她自己的体形和版型码。她的身体测量值可例如通过全身扫描器来自动获取。她的概况数据也被收集并输入零售模块610，该模块可以是位于商店中或网络上的软件/硬件包。所得体形和版型码可以诸如打印收据、磁卡、或智能卡^TM等之类的各种形式返回给珍妮。

在一实施例中，珍妮获得用表示她的体形码的独特曲线模切(die-cut)的打印卡。她可使用她的体形码物理地浏览商店的库存以找到服装。她还可利用她的版型码和匹配评估过程来发现商店内适合她的服装。这可由珍妮通过使用商店的自动服务终端、她的蜂窝电话、PDA、或其他便携式计算设备来进行。例如，珍妮可以使她的体形和版型码嵌入智能卡^TM。类似地，女衬衫的体形和版型码可嵌入附着于女衬衫的RFID标签中。诸如PDA或蜂窝电话的手持计算设备可读取珍妮的智能卡^TM和RFID标签，并且通过具有嵌入计算设备的匹配评估软件或者通过向版型规范后端640发送版型码数据并显示所返回的结果来当场进行匹配评估。因此，使用这些方法，珍妮可现场抽查她在商店货架上找到的各服装，或者快速地发现商店中适合她的服装。

在一实施例中，体形和版型码可与诸如项目ID之类的另一数字或代码相关联。例如，制造商可使用项目ID来查找储存在中心数据库中的服装信息。该关联性可被用来使例如存储在附连到服装的RFID中的任意服装标识符与储存在诸如数据库648之类的数据库中的体形和版型码相链接。

另一方面，吉尔(Jill)更喜欢从家庭或在办公室选购。她经由PC和在线商店访问零售模块140。她也利用这个机会来接收她自身的体形和版型码。例如，跟随屏幕上的指令，她使用卷尺来收集她的身体测量值并将其输入到在线表单中。她还输入她的概况信息。此数据被发送到版型规范后端640以供处理。可向吉尔显示其返回体形码。她还可接收包含她的体形码和她的版型码的电子邮件，其体形码和版型码可以是可打印的、机器可读的格式，诸如条形码。类似于珍妮，所得体形和版型码可以各种形式，诸如打印的收据、磁卡、或智能卡^TM等之类的各种形式物理地或电学地发送给吉尔。它可作为数据文件或可执行程序转发到她的蜂窝电话。当在线购物时，吉尔可直接访问零售模块610，或者零售模块610可通过在线商店呈现给她，该在线商店预订零售模块为万维网服务。通过针对许多服装分流(tapping)匹配评估过程，零售模块610担当服装搜索引擎的作用。

在一实施例中，多件服装的匹配评估的结果可使用图7所示的图形用户界面(GUI)700显示给吉尔。此GUI界面允许她快速地查看和过滤匹配评估查询的结果。参考图7，体形控件是描绘此实施例的七个体形的在顶部的行710。点击体形，选择体形并且页面712的其余部分用匹配该体形的服装来更新。在界面700第一次显示时，可自动地选择消费者的体形并在页面712中显示匹配的服装。基于由如在此所述的匹配评估产生的保存箱的内容，服装可在服装区域720中显示。在一实施例中，分配给每个服装的优先码可被用来确定他们的显示顺序。例如，那些优先码为零的最佳版型服装可首先显示。消费者可通过选择分页控件760“翻页”浏览各服装。服装可使用图片、描述性文本、订购信息、购物车按钮等来显示。匹配评估的结果还可用电子邮件传输给珍妮，经由蜂窝电话、PDA来传递，以个性化打印目录的形式来物理地邮寄，或通过任何其它方法来传递。

可显示附加过滤器控件770。例如，服装类型(102Dg)过滤器列出各种类型的匹配服装，诸如“礼服”；品牌(106Dg)过滤器列出品牌和设计师，诸如Leona Edmiston；样式(118Dg)过滤器列出服装样式，诸如“浪漫”。在一实施例中，对于任一服装概况数据点，诸如颜色(115Dg)、面料(119Dg)、衣袖样式(112Dg)等，都可显示过滤器。例如，在用户选择诸如“夹克”等过滤器选项时，界面700将示出是夹克的所有匹配服装。

在其他实施例中，使用“复选框”样式选择界面来考虑多个和不连续的选择。例如，吉尔可点击“裙子、裤子、品牌A、浪漫装和艺术装”。服装区域可用满足所有这些过滤器选项的服装来更新。

为说明和描述目的已给出本发明的具体实施例的以上描述。这不旨在是穷尽的或将本发明限于所述精确形式，并且许多修改和变化鉴于上述示教是可能的。选择和描述各实施例以便于最佳地说明本发明的原理及其实践应用，从而使本领域的其他技术人员能按各实施例以及适用于所考虑的特殊用途的各种修改来最佳地利用本发明。

Claims (34)

1.一种使服装对个人合身的方法，所述方法包括：

接收消费者的身体尺寸；

基于所述消费者的身体尺寸确定消费者的第一服装分类；以及

将所述第一服装分类与分类为具有第二服装分类的至少一件服装进行比较以确定是否匹配。

2.如权利要求1所述的方法，其特征在于，还包括基于来自消费者的请求，向消费者提供具有匹配第二服装分类的一件或多件服装。

3.如权利要求1所述的方法，其特征在于，还包括测量所述至少一件服装的多个尺寸以生成所述第二服装分类。

4.如权利要求1所述的方法，其特征在于，接收所述消费者的身体尺寸包括接收多个上身尺寸。

5.如权利要求1所述的方法，其特征在于，接收所述消费者的身体尺寸包括接收多个下身尺寸。

6.如权利要求1所述的方法，其特征在于，确定所述第一服装分类包括确定至少一些体形尺寸与至少一件服装的尺寸之间的差值。

7.如权利要求1所述的方法，其特征在于，确定所述第一服装分类包括确定消费者身体的三维曲线表示与至少一件服装的三维曲线表示之间的差值。

8.如权利要求1所述的方法，其特征在于，还包括接收消费者的概况数据，其中所述第一服装分类使用消费者的身体尺寸和消费者的概况数据确定。

9.如权利要求8所述的方法，其特征在于，所述消费者的概况数据包括服装版型容限、或服装设计师容限、或颜色容限、或服装样式容限、或服装面料容限、或使用容限、或服装产地国家、或服装护理、或服装品牌的至少一个。

10.如权利要求1所述的方法，其特征在于，还包括使用在预定容限范围内匹配所述第一服装分类的第二服装分类来区分多件服装各自的优先次序。

11.如权利要求1所述的方法，其特征在于，还包括提供标识具有匹配所述消费者第一服装分类的第二服装分类的至少一件服装的输出。

12.如权利要求1所述的方法，其特征在于，所述第一服装分类包括与消费者的体形相关联的身体版型码。

13.如权利要求1所述的方法，其特征在于，所述第二服装分类包括与多个消费者体形相关联的至少一个身体版型码。

14.一种指定服装版型的方法，所述方法包括：

接收服装的尺寸；

接收标识服装的样式或制造商的服装概况数据；

基于所述服装的尺寸和所述服装的概况数据确定第一服装分类；以及

将第一服装分类与分类为具有所述第二服装分类的至少一位消费者进行比较以确定是否匹配。

15.如权利要求14所述的方法，其特征在于，所述服装的概况数据包括描述所述服装的数据。

16.如权利要求15所述的方法，其特征在于，描述所述服装的所述数据包括服装版型容限、或服装设计师容限、或颜色容限、或服装样式容限、或服装面料容限、或使用容限、或服装产地国家、或服装护理、或服装品牌的至少一个。

17.如权利要求14所述的方法，其特征在于，所述服装的尺寸基于计算机设计坐标。

18.如权利要求17所述的方法，其特征在于，所述坐标包括定义服装的一条或多条曲线的三维坐标。

19.如权利要求14所述的方法，其特征在于，确定所述第一服装分类包括按照身体测量数据与根据预定尺寸变化的服装尺寸之间的差值分类服装。

20.如权利要求14所述的方法，其特征在于，比较包括过滤所述第一服装分类和所述第二服装分类以确定服装呈现优先级。

21.如权利要求14所述的方法，其特征在于，所述第一服装分类包括与至少一个消费者体形相关联的至少一个身体版型码。

22.如权利要求14所述的方法，其特征在于，所述第二服装分类包括与消费者相关联的身体版型码。

23.一种用于使一件或多件服装与至少一位消费者匹配的系统，所述系统包括：

身体分类引擎，所述身体分类引擎能够基于多个消费者的身体尺寸以及一个或多个消费者服装偏好确定消费者的身体类别；

服装分类引擎，所述服装分类引擎能够基于服装的尺寸以及与一个或多个服装偏好相关联的至少一个服装属性针对一件或多件服装确定服装的身体类别；以及

服装匹配引擎，所述服装匹配引擎能够处理消费者的身体类别以及一个或多个的服装的身体类别以确定哪件服装适合消费者。

24.如权利要求23所述的系统，其特征在于，所述身体分类引擎被配置成将多个消费者体形分类成多个不同的身体版型类别。

25.如权利要求23所述的系统，其特征在于，所述消费者服装偏好包括服装版型容限、或服装设计师容限、或颜色容限、或服装样式容限、或服装面料容限、或使用容限、或服装产地国家、或服装护理的至少一个。

26.如权利要求23所述的系统，其特征在于，所述服装分类引擎被配置成将多件服装分类成多个不同的身体版型类别。

27.如权利要求23所述的系统，其特征在于，所述消费者的身体类别包括身体版型码。

28.如权利要求23所述的系统，其特征在于，所述服装的身体类别包括至少一个身体版型码。

29.一种呈现给消费者适合消费者身体的服装的方法，所述方法包括：

将多个人体体形分类成从多个身体尺寸生成的多个不同身体类别以及多个消费者服装偏好；

将多个服装分类成从服装的尺寸生成的多个服装类别以及多个服装概况；以及

标识在各个体形类别的容限范围内的服装类别。

30.如权利要求29所述的方法，其特征在于，分类多个人体体形包括为每一个身体类别提供容限范围。

31.如权利要求29所述的方法，其特征在于，分类多件服装包括将服装尺寸与多个身体尺寸进行比较以确定多件服装所属的一个或多个身体版型类别。

32.如权利要求29所述的方法，其特征在于，还包括呈现给消费者适合他们的身体、或他们的偏好、或他们的体形的服装。

33.如权力要求29所述的方法，其特征在于，所述身体类别包括多个不同的身体版型码。

34.如权利要求29所述的方法，其特征在于，所述服装类别包括多个不同的身体版型码。

Images