CN105760999A - 一种衣服推荐管理方法及系统 - Google Patents

Abstract

本发明实施例公开了一种衣服推荐管理方法及系统，其中，该方法包括：对用户的着装进行拍照，获得包含衣服的照片；对所述包含衣服的照片进行分割，获得衣服图片；对所述衣服图片添加标签；根据衣服对应的标签检索该类标签的衣服；为用户推荐该类标签的衣服。在本发明实施例中，通过摄像头给用户拍照，并通过图像分割技术和图像识别技术等对照片进行处理，实现推荐用户当日着装和根据检测到的衣服使用情况供用户处理冗余衣服提供建议，可以为用户推荐衣服及冗余衣服的管理，为用户着装提供便利。

Description

一种衣服推荐管理方法及系统

技术领域

本发明涉及衣服推荐技术领域，尤其涉及一种衣服推荐管理方法及系统。

背景技术

目前的衣物推荐和管理系统有两个功能——日常搭配推荐功能和衣物管理功能。现有中存在将协同过滤推荐算法应用于在衣物管理方面，另外，也有基于参数的衣物管理方法。

协同过滤推荐算法主要分为两种：基于用户的协同过滤推荐算法和基于物品的协同过滤推荐算法。

基于用户的协同过滤算法首先要根据用户历史行为信息，寻找与新用户相似的其他用户，同时，根据这些相似用户对其他项的评价信息预测当前新用户可能喜欢的项。给定用户评分数据矩阵R，基于用户的协同过滤算法需要定义相似度函数s:U*U—>R，以计算用户之间的相似度，然后根据评分数据和相似矩阵计算推荐结果。

基于项目的协同过滤算法与基于用户的协同过滤算法不一样的是，基于项目的协同过滤算法计算项目之间的相似度，从而预测用户评分。该算法可以预先计算项目之间的相似度，这样可提高性能。

而基于参数的衣物管理方法主要是为每件衣服都建立一个项，项中包括衣服购买来的样子以及衣服的购买日期，当衣服购买的期限超过一定时间就发出提醒，提醒用户对该衣服进行处理。

协同过滤推荐算法和基于参数的衣物管理算法虽是现在用途比较广泛的算法，但它们都有各自的缺点。

基于用户的协同过滤算法是根据与用户相似的其他用户来为当前用户推荐新的物品，基于物品的协同过滤算法是根据物品之间的相似度来为用户推荐物品，而这两种算法所推荐的物品通常是当前用户所没有的物品，并且这两种算法是基于大数据量下的算法，其响应时间较长，无法快速给用户提供推荐。

此方法所实现的功能较为简单，没有依据衣物的具体情况来分析衣服的去向。例如衣服长时间没穿、衣服变形等情况，以及根据衣服的相应情况来进行衣物的丢弃、捐赠等处理。

发明内容

本发明的目的在于克服现有技术的不足，本发明提供了一种衣服推荐管理方法及系统，可以为用户推荐衣服及冗余衣服的管理，为用户着装提供便利。

为了解决上述问题，本发明提出了一种衣服推荐管理方法，所述方法包括：

对用户的着装进行拍照，获得包含衣服的照片；

对所述包含衣服的照片进行分割，获得衣服图片；

对所述衣服图片添加标签；

根据衣服对应的标签检索该类标签的衣服；

为用户推荐该类标签的衣服。

优选地，在所述对所述包含衣服的照片进行分割，获得衣服图片的步骤之后，还包括：

对所述衣服图片进行冗余衣服的检测。

优选地，所述对所述衣服图片进行冗余衣服的检测的步骤，包括：

对所述衣服图片进行图像匹配处理；

检测图片中的衣服是否存在缺陷。

优选地，在所述检测图片中的衣服是否存在缺陷的步骤之后，还包括：

检测该件衣服最近的穿着时间。

优选地，所述对所述衣服图片进行图像匹配处理的步骤，包括：

对所述衣服图片中的衣服进行特征向量提取；

对提取后的特征向量进行匹配，获得匹配结果。

优选地，所述对所述衣服图片中的衣服进行特征向量提取步骤，包括：

对所述衣服图片中的衣服进行尺度空间极值点检测，获取关键特征点；

对所述关键特征点进行定位；

对所述关键特征点进行方向分配；

生成特征描述子。

相应地，本发明还提供一种衣服推荐管理系统，所述系统包括：

摄像头模块，用于对用户的着装进行拍照，获得包含衣服的照片；

图像识别模块，用于对所述包含衣服的照片进行分割，获得衣服图片；并对所述衣服图片添加标签；

衣服推荐模块，用于根据衣服对应的标签检索该类标签的衣服，为用户推荐该类标签的衣服。

优选地，所述系统还包括：

冗余衣服检测模块，用于对所述衣服图片进行冗余衣服的检测。

优选地，所述冗余衣服检测模块包括：

匹配处理单元，用于对所述衣服图片进行图像匹配处理；

检测单元，用于检测图片中的衣服是否存在缺陷。

优选地，所述匹配处理单元包括：

对所述衣服图片中的衣服进行特征向量提取；

对提取后的特征向量进行匹配，获得匹配结果。

在本发明实施例中，通过摄像头给用户拍照，并通过图像分割技术和图像识别技术等对照片进行处理，实现推荐用户当日着装和根据检测到的衣服使用情况供用户处理冗余衣服提供建议，可以为用户推荐衣服及冗余衣服的管理，为用户着装提供便利。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1是本发明实施例的衣服推荐管理方法的流程示意图；

图2是本发明实施例的衣服推荐管理系统的结构组成示意图。

具体实施方式

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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1是本发明实施例的衣服推荐管理方法的流程示意图，如图1所示，该方法包括：

S1，对用户的着装进行拍照，获得包含衣服的照片；

S2，对包含衣服的照片进行分割，获得衣服图片；

S3，对衣服图片添加标签；

S4，根据衣服对应的标签检索该类标签的衣服；

S5，为用户推荐该类标签的衣服。

在S2中，采用人脸检测技术检测人脸，根据人脸位置确定衣服的可能区域，最后结合衣服的边缘信息，采用迭代算法找到包含衣服边缘最多的衣服外接矩形，实现衣服区域的精确定位。

在S3中，标签内容包括：衣服类型(上衣或裤子等)、最后穿戴时间及破损程度(是否破损、是否变形)。

进一步地，在S2之后，还包括：

对衣服图片进行冗余衣服的检测。具体实施中，利用基于图像匹配技术的SIFT算法对冗余衣服进行检测。

对衣服图片进行冗余衣服的检测的步骤，包括：

对衣服图片进行图像匹配处理；

检测图片中的衣服是否存在缺陷。

对衣服图片进行图像匹配处理的步骤，包括：

对衣服图片中的衣服进行特征向量提取；

对提取后的特征向量进行匹配，获得匹配结果。

对衣服图片中的衣服进行特征向量提取步骤，包括：

对衣服图片中的衣服进行尺度空间极值点检测，获取关键特征点；

对关键特征点进行定位；

对关键特征点进行方向分配；

生成特征描述子。

在尺度空间极值点检测过程中，选取出一些具有代表性的点，所选取的点在图像经过伸缩、旋转、叠加噪声和其他一些变化后仍能被提取出来——即具有不变性，因此用户在摄像头前因动作、光线等因素而造成的变化都能被容忍。

已经在尺度空间中找到了一些极值关键点，但这些点并不是都能使用，要添加限制条件去除一些不好的关键特征点，在三维尺度空间D(x,y,σ)(σ为尺度空间因子，值越小表示图像被平滑的越少，相应的尺度也就越小)中找到了极值点，但由于空间是离散化的，极值点的位置精度也被限制于离散点上，因此。

$\frac{\∂D^T}{\∂X}+\frac{{\∂}^{2}D}{\∂X^2}X=0$

已经确定了一些特征关键点，接下来需要一些参数来描述这个点，即关键点描述子。首先需要一个方向参数，以获取对图像旋转的不变性。

这里采用取关键点周围一块区域内的梯度信息综合，作为关键点的方向。

方向计算是在高斯模糊后的图像L上进行的，且尺度与关键点所在尺度相同。二维空间上每一点的梯度(包括幅值m(x,y)和角度θ(x,y))可以用以下方程表示：

$m(x,y)=\sqrt{{\left(L\right(x+1,y)-L(x-1,y\left)\right)}^2+{\left(L\right(x,y+1)-L(x,y-1\left)\right)}^2}$

$\mathrm{\θ}(x,y)={\tan }^{-1}\left(\frac{L(x,y+1)-L(x,y-1)}{L(x+1,y)-L(x-1,y)}\right)$

将这个区域内所有点的梯度方向绘制成直方图，其中直方图将360度分成36份。每一个加入直方图中的方向需要根据其梯度幅值和到中央关键点距离进行权重。

前面已经获取了特征关键点的位置、尺度和方向。可以直接将两幅图像关键点附近的区域进行相关性分析计算，根据相似度来判断是否匹配。

当两幅图像的SIFT特征向量生成以后，紧接着就可以采用特征向量的欧式距离来作为两幅图像中特征点的相似性判断度量。在其中一副图像中选取某个特征点，通过遍历搜索在另一幅图像中找到距离最近的两个特征点，在这两个特征点中，如果次近距离除以最近距离小于预先给定的某一阈值，则判定为一对匹配点。

通过相似性度量得到的匹配对，难免会产生一些错误匹配，所以可以根据几何限制和其他的附加约束条件来减少错误的匹配对数，提高图像匹配的鲁棒性。

在检测图片中的衣服是否存在缺陷的步骤之后，还包括：检测该件衣服最近的穿着时间。更新该衣服的最新穿戴时间；同时找出长时间未穿的衣服。

相应地，本发明实施例还提供一种衣服推荐管理系统，如图2所示，该系统包括：

摄像头模块1，用于对用户的着装进行拍照，获得包含衣服的照片；

图像识别模块2，用于对包含衣服的照片进行分割，获得衣服图片；并对衣服图片添加标签；

衣服推荐模块3，用于根据衣服对应的标签检索该类标签的衣服，为用户推荐该类标签的衣服。

该系统还包括：冗余衣服检测模块(图中未示出)，用于对衣服图片进行冗余衣服的检测。

进一步地，冗余衣服检测模块包括：

匹配处理单元，用于对衣服图片进行图像匹配处理；

检测单元，用于检测图片中的衣服是否存在缺陷。

匹配处理单元包括：

对衣服图片中的衣服进行特征向量提取；

对提取后的特征向量进行匹配，获得匹配结果。

本发明的系统实施例中各功能模块的功能可参见本发明方法实施例中的流程处理，这里不再赘述。

在本发明实施例中，通过摄像头给用户拍照，并通过图像分割技术和图像识别技术等对照片进行处理，实现推荐用户当日着装和根据检测到的衣服使用情况供用户处理冗余衣服提供建议，可以为用户推荐衣服及冗余衣服的管理，为用户着装提供便利。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，ReadOnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁盘或光盘等。

另外，以上对本发明实施例所提供的衣服推荐管理方法及系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种衣服推荐管理方法，其特征在于，所述方法包括：

对用户的着装进行拍照，获得包含衣服的照片；

对所述包含衣服的照片进行分割，获得衣服图片；

对所述衣服图片添加标签；

根据衣服对应的标签检索该类标签的衣服；

为用户推荐该类标签的衣服。

2.如权利要求1所述的衣服推荐管理方法，其特征在于，在所述对所述包含衣服的照片进行分割，获得衣服图片的步骤之后，还包括：

对所述衣服图片进行冗余衣服的检测。

3.如权利要求2所述的衣服推荐管理方法，其特征在于，所述对所述衣服图片进行冗余衣服的检测的步骤，包括：

对所述衣服图片进行图像匹配处理；

检测图片中的衣服是否存在缺陷。

4.如权利要求3所述的衣服推荐管理方法，其特征在于，在所述检测图片中的衣服是否存在缺陷的步骤之后，还包括：

检测该件衣服最近的穿着时间。

5.如权利要求3或4所述的衣服推荐管理方法，其特征在于，所述对所述衣服图片进行图像匹配处理的步骤，包括：

对所述衣服图片中的衣服进行特征向量提取；

对提取后的特征向量进行匹配，获得匹配结果。

6.如权利要求5所述的衣服推荐管理方法，其特征在于，所述对所述衣服图片中的衣服进行特征向量提取步骤，包括：

对所述衣服图片中的衣服进行尺度空间极值点检测，获取关键特征点；

对所述关键特征点进行定位；

对所述关键特征点进行方向分配；

生成特征描述子。

7.一种衣服推荐管理系统，其特征在于，所述系统包括：

摄像头模块，用于对用户的着装进行拍照，获得包含衣服的照片；

图像识别模块，用于对所述包含衣服的照片进行分割，获得衣服图片；并对所述衣服图片添加标签；

衣服推荐模块，用于根据衣服对应的标签检索该类标签的衣服，为用户推荐该类标签的衣服。

8.如权利要求7所述的衣服推荐管理系统，其特征在于，所述系统还包括：

冗余衣服检测模块，用于对所述衣服图片进行冗余衣服的检测。

9.如权利要求8所述的衣服推荐管理系统，其特征在于，所述冗余衣服检测模块包括：

匹配处理单元，用于对所述衣服图片进行图像匹配处理；

检测单元，用于检测图片中的衣服是否存在缺陷。

10.如权利要求9所述的衣服推荐管理，其特征在于，所述匹配处理单元包括：

对所述衣服图片中的衣服进行特征向量提取；

对提取后的特征向量进行匹配，获得匹配结果。