CN105765574A - 用于物品和物品集合匹配的系统和方法 - Google Patents

Abstract

一种匹配系统和用于将输入物品或输入物品集合与所存储的物品和/或所存储的物品集合相匹配的相关方法及其制造和使用方法。

Description

用于物品和物品集合匹配的系统和方法

相关申请的交叉引用

本申请是2013年10月29日提交的美国临时申请61/897,056号的非临时申请并要求其权益，该申请以此方式通过引用结合于此。

附图简要说明

图1a是展示一种匹配系统的一个实施例的示例性网络图。

图1b是展示图1a的匹配服务器的一个实施例的示例性框图。

图2是展示一种物品匹配方法的一个实施例的示例性流程图。

图3是展示图2的物品匹配方法的一个实施例的示例性附图。

图4是展示另一种物品匹配方法的一个实施例的示例性流程图。

图5是展示图4的物品匹配方法的一个实施例的示例性附图。

图6是展示另一种物品匹配方法的一个实施例的示例性流程图。

图7是展示图6的物品匹配方法的一个实施例的示例性附图。

图8描绘了根据一个实施例的用于生成输入图像的界面。

图9描绘了根据一个实施例的输入图像处理方法。

图10描绘了根据一个实施例的供用户评级物品集合的用户设备上的界面。

图11a展示了根据一个实施例的用于训练用户偏好模块的方法。

图11b展示了根据一个实施例的用于生成用户青睐的物品和物品集合的预测的方法。

图12展示了根据一个实施例的用于为输入图像生成图像描述符的方法。

图13展示了根据一个实施例的经由多个图像描述符的距离标识与输入图像相比相似的所存储的对象的方法。

应注意的是，附图不是按比例绘制的，并且出于说明性目的，贯穿这些附图，具有相似结构或功能的元件总体上用类似的参考号表示。还应注意的是，附图仅旨在方便对优选实施例的描述。附图并不展示所描述的实施例的每个方面并且不限制本披露的范围。

优选实施方案的详细说明

由于当前可用的匹配系统是有缺陷的，改进的匹配系统和方法可以证明是令人期望的并且可以为广泛范围的应用提供基础，诸如库存物品匹配、电子商务应用中的物品匹配以及与用户已拥有的物品的匹配。根据在此所披露的一个实施例，可以通过图1a中所展示的匹配系统100来实现此结果。

转向图1a，匹配系统100被示出为包括经由网络130与多个用户设备120可操作地耦合的匹配服务器110。示例用户设备120包括用户自助服务设备120A、膝上计算机120B、智能手机120C以及智能镜子120D。然而，各种实施例可以包括任何合适的用户设备，包括台式计算机、头戴式计算机、智能手表、游戏机、家庭娱乐系统等。另外，进一步的实施例也可以包括任何令人期望的多个任何合适的用户设备，并且本示例匹配系统100不应被解释为仅限于本披露的范围和精神。

网络130可以包括一个或多个合适的有线或者无线网络，包括互联网、WiFi网络、蓝牙网络、广域网(WAN)、局域网(LAN)、蜂窝网等。

匹配服务器110可以包括可操作以执行此处描述的功能的一个或多个合适的服务器或者设备。在一些实施例中，匹配服务器110可以包括基于云的服务器系统等。如图1b所展示的，匹配服务器110可以包括处理器111、物品集合数据库112、单独的物品数据库113以及用户偏好数据库114。如此处进一步详细讨论的，物品集合数据库112可以包括被分组到一个集合中的一组单独的物品。在各种实施例中，集合可以包括任何令人期望的多个单独的物品，并且集合可以共享相同的物品。另外，在进一步的实施例中，一个集合可以是另一个更大集合的一部分。

出于展示的目的，以下披露描述了物品匹配系统和方法，这些系统和方法涉及衣服物品和被描述为套装等的衣服物品集合。然而，应当清楚这种匹配系统和方法可以被应用到任何合适类型的物品，包括但不限于家具、家用器皿、电子产品、植物、食物、工具、人、车辆等。

图2是展示一种物品匹配方法200的一个实施例的示例性流程图。方法200在框205中开始，其中，接收一个输入物品，并且在框210中，标识包括与该输入物品相似的至少一个物品的集合组合。在框215，对所标识的集合组合进行排序，并且在220，选择所标识的集合组合中的一部分集合组合。在225，将所选择的集合中相似的物品替换成该输入物品以生成一个或多个输出集合，并且在230，呈现该一个或多个输出集合。例如，参考图3，输入物品可以是T恤301，并且可以对包括与输入T恤301相似的物品的套装集合310进行搜索。在各种实施例中，这种搜索可以包括对物品集合数据库112(图1b)的搜索。

如图2所示的，可以返回多个匹配集合310，该多个匹配集合包括与输入T恤301相似的衬衫。例如，第一匹配集合310A被展示为包括男式软呢帽311、与输入T恤301相似的T恤312、短裤313以及人字拖314。

为了生成一个或多个输出集合320，输入T恤301可以替换每个匹配集合310中相似的物品。例如，除了输入T恤301已替换最初存在于第一匹配集合310A中的T恤312外，第一输出集合320A对应于第一匹配集合310A。

在各种实施例中，可以根据用户可能定义的或者未定义的各种合适的标准对多个匹配集合320进行标识和排序。例如，在一些实施例中，用户可以定义匹配和/或分类标准，这些标准包括物品成本、物品风格、物品季节、物品颜色、物品尺寸等。相应地，可以基于这种用户定义的标准对物品集合进行选择或排序。在各种实施例中，可以基于硬编码规则、统计模型等对物品集合进行选择。

对于正在购买衣服、计划每日浏览、整理衣柜集合、以及娱乐的用户来说，图2和图3的实施例在各种实施例中可能是令人期望的。例如，参考图3，输入衬衫301可以是用户已拥有的衬衫，并且一个或多个输出集合可以是供用户穿搭那件衬衫的套装推荐。相应地，在各种实施例中，单独的物品数据库113和/或物品集合数据库112可以包括用户的私人衣柜中存在的衣服物件。在各种实施例中，用户可以根据套装类型(例如休闲、运动、商务、正装、夏装、冬装、秋装、春装等)对结果进行筛选。

替代性地，在一些实施例中，输入衬衫301可以是用户当前没有但用户可能会购买的衬衫。在这种实施例中，用户可以将这件新衬衫与用户的衣柜中存在的衣服物件进行比较，以确定这件新衬衫和用户已拥有的衣服物品会生成什么样的套装组合。这可能是令人期望的，因为它可以告知用户这种新买的衣服是否与用户的现有衣柜里的衣服搭配以及它是否会生成令人期望的新的套装组合。

在另一个实施例中，单独的物品数据库113和/或物品集合数据库112(图1b)可以包括用户会会购买的衣服物件。在这种实施例中，并且参考图3，输入衬衫301可以是用户已拥有的衬衫，并且通过标识输出集合320，用户可以标识生成令人期望的包括用户已拥有的输入衬衫301的套装的其他衣服物件。替代性地，输入衬衫301可以是用户还没有但是用户感兴趣的衬衫。相应地，输出集合320可以包括用户可以购买的将与这件新衬衫搭配的其他衣服物件，并且可以告知用户关于购买这件新衬衫是否是令人期望的以及是否可能导致从输出集合320购买一个或多个物品。在各种实施例中，用户可以根据套装类型(例如休闲、运动、商务、正装、夏装、冬装、秋装、春装等)对结果进行筛选。在进一步的实施例中，用户可以基于单个物品价格、输出集合价格、物品品牌、物品尺寸、可存储性等对结果进行筛选。

在各种实施例中，使用现有的套装组合数据库112(图1b)生成可以被添加到套装组合数据库112(图1b)的新的套装组合可能是令人期望的。例如，在一个实施例中，可以基于某些已定义的标准选择一个输入物品，并且可以从单独的物品数据库113(图1b)、从互联网上选择的图片、或者其他令人期望的来源获取这种输入物品。如图2和图3中以及如上文所述，可以对套装组合数据库112中最相似的物品进行搜索。可以标识多个匹配集合310，并且如果发现输入物品301满足与给定的匹配集合310中的物品足够相似的阈值，则输入物品310可以替换匹配集合310中的相似的物品，以生成并入在套装组合数据库112中的输出集合320。在各种实施例中，可以应用进一步的标准选择包含在套装组合数据库112中的匹配集合310。例如，这种标准可以包括所生成的套装中的物品与该输入套装或者物品之间平均相似度阈值。

图4是展示另一种物品匹配方法400的一个实施例的示例性流程图。方法400在框405开始，其中，接收一组输入物品，并且在框410，标识包括与至少一个输入物品相似的至少一个物品的一个或多个集合组合，并且在415，对该一个或多个所标识的集合组合进行排序。在420，选择所标识的集合组合中的一部分集合组合，并且在425，将所选择的集合中的一个或多个相似的物品替换成对应的输入物品，以生成这些物品的一个或多个输出集合。在430呈现该一个或多个输出集合。

例如，如图5所描绘的，输入集合500可以包括连衣裙501以及钱包502。可以标识成包括与输入物品501、502以及附加物品相似的多个物品的多个匹配集合510。如图5所描绘的，第一匹配集合510A可以包括与输入连衣裙501相似的连衣裙511、鞋子512以及与输入钱包502相似的钱包513。在一些实施例中，输入集合500中的所有物品可能在一个或多个匹配集合510中都没有一个相应的匹配项。例如，在进一步的匹配集合510中，可能只有输入连衣裙501的一个匹配项，但没有输入钱包502的匹配项。

可以用各种方式标识和选择这些匹配集合510。在一个实施例中，每个输入物品501、502可以是对物品集合数据库113(图1b)的搜索的基础，并且，所得所标识的集合可以被组合成一组结果。在另一个实施例中，对物品集合数据库113(图1b)的搜索查询可以包括多个输入物品501、502。

可以用任何合适的方式对匹配集合进行排序。在一个实施例中，每个独特的集合都可以按照此处讨论的各种标准被赋予某一权重，包括这些匹配集合物品对该输入物品集合的最高平均相似度。在进一步的实施例中，与其他输入物品相比，某些输入物品可以接收更高的匹配权重。例如，参考图5，输入连衣裙501可以接收比输入钱包502更高的一个匹配权重，因为与更接近的相匹配的钱包相比，有更接近的相匹配的连衣裙可能是更令人期望的。换言之，可以确定用户可能更喜欢具有更接近的相匹配的连衣裙的匹配集合，因为连衣裙是一套套装的基础，而钱包仅仅是一件装饰品。相应地，与近似匹配的钱包相比，包括更近似匹配的连衣裙的集合可以有一个权重偏差。一个实施例对这些套装组合进行了排序，这些组合是根据这些输入物品与该套装组合集合中最相似物品之间的平均相似度设置的。该套装中相应的相似的物品则可以被替换成这些输入物品以生成新的推荐组合集合。

为了生成输出集合520，这些匹配物品可以被替换成这些输入物品。例如，如图5所示，匹配集合510中的连衣裙511被替换成输出集合520A中的输入连衣裙501，并且匹配集合510中的钱包513被替换成输出集合520A中的输入钱包502。在510A、520A两个集合中，鞋子512保持不变，因为没有与鞋子512相对应的输入物品。

在一些实施例中，输入物品可能不会替换集合中的物品以生成输出集合。相反，一个或多个输入物品可以被简单地添加到一个输出集合中。例如，参考图5中的该输入集合，假设这些匹配集合510中任何一个集合都不包括钱包，但包括连衣裙。在这种示例中，输入连衣裙501可以替换该匹配集合中的连衣裙，但是输入钱包502可以被简单地添加到该输出集合中。

在各种实施例中，输入集合500中的一个或多个物品可以是用户的当前衣柜的一部分，并且匹配集合510和/或输出集合520中的一个或多个物品也可以是用户的当前衣柜的一部分。在进一步的实施例中，输入集合500中的一个或多个物品可以是可以被用户购买的物品，或者是虚拟物品，并且匹配集合510和/或输出集合520中的一个或多个物品也可以被用户购买或者是虚拟物品。

例如，在一些实施例中，用户可以输入该用户的衣柜中存在的多个物品，并且接收包括这些输入物品以及该用户的现有衣柜中存在的进一步物品的套装推荐。在另一个示例中，该用户可以输入该用户的衣柜中存在的多个物品，并且接收包括这些输入物品以及可以被该用户购买的物品的套装推荐。在一个进一步的示例中，用户可以输入该用户期望购买的物品，并且接收包括该用户的现有衣柜中的物品和/或该用户的现有衣柜中不存在的可以被该用户购买的物品的套装推荐。

图6是展示一种进一步的物品匹配方法600的一个实施例的示例性流程图。方法600在框605中开始，其中，接收一组输入物品，并且循环框610开始了所有输入物品的一个循环。在框615处，标识与该输入物品相似的至少一个物品，并且循环框620结束了所有输入物品的该循环。在框625处，通过将该输入集合中的每个输入物品替换成一个已标识的相似物品生成新物品集合。在框630中，对这些所生成的集合进行排序，并且在635处，选择已排序的已生成的一部分集合。在框640中，呈现该一个或多个所选择的输出集合。

例如，参考图7，输入集合700可以包括连衣裙701、鞋子702以及钱包703。每个输入物品701、702、703可以被用作单独物品数据库113(图1b)中的搜索查询以标识数据库113中与输入物品701、702、703相似的一个或多个物品。对于输入连衣裙701，可以标识多个相似的物品710，其中一个是第一匹配连衣裙710A。对于输入鞋子702，可以标识多个相似的物品720，其中一个是第一匹配的鞋子720A。对于输入钱包703，可以标识多个相似的物品730，其中一个是第一匹配钱包730A。所标识的匹配物品710、720、730可以被组合成多个输出集合740，其中一个是包括第一匹配连衣裙710A、第一匹配鞋子720A、以及第一匹配钱包730A的第一输出集合740A。

可以用各种合适的方式生成输出集合740。例如，在各种实施例中，对输出集合来说，不包括重复物品(例如，多条连衣裙)可能是令人期望的。相应地，可以生成与该输入集合中的物品类型和物品数量相对应的输出集合。然而，在一些实施例中，输出集合可以比输入集合包括更少或更多的物品。

在进一步的实施例中，可以实现一种贪婪方法，其中，输入对象被随机选择为被替换成最相似的对象。该对象被移出候选列表，并且被替换的输入对象被替换。其余的物品被迭代地处理直到这一约束条件被移除。一个进一步的实施例是，通过每次对这些输入对象进行迭代来迭代探索所有可能的组合，并且最终选择平均相似度最高的组合，或根据其他某一个令人期望的质量度量来选择该组合。在一些实施例中，在生成一个新的套装组合时，考虑替换物品的顺序以减少重复并且改善总体连贯性可能是令人期望的。在进一步的实施例中，在输出套装组合时，基于各种合适的某些标准对这些套装进行排序以改善用户满意度可能是令人期望的。

在另一个实施例中，给定输入集合700，可以生成反映与输入集合700相对应的主题的一个推荐列表。例如，可以为每个输入物品生成一组推荐。可以基于各种标准对这些推荐进行排序，这些标准包括考虑这些输入集合对象与所生成的集合推荐中的对象之间的平均相似度。

在各种实施例中，输入集合700中的一个或多个物品可以是用户的当前衣柜的一部分，并且匹配集合710、720、730和/或输出集合740中的一个或多个物品也可以是用户的当前衣柜的一部分。在进一步的实施例中，输入集合700中的一个或多个物品可以是可以被用户购买的物品，或者是虚拟物品，并且匹配集合710、720、730和/或输出集合740中的一个或多个物品也可以被用户购买或者是虚拟物品。

例如，在一些实施例中，用户可以输入该用户的衣柜中存在的多个物品，并且接收包括该用户的现有衣柜中存在的进一步物品的套服推荐。在另一个示例中，该用户可以输入该用户的衣柜中存在的多个物品，并且接收包括可以被该用户购买的物品的套装推荐。在一个进一步的示例中，用户可以输入该用户期望购买的物品，并且接收包括该用户的现有衣柜中的物品和/或该用户的现有衣柜中不存在的会被该用户购买的物品的套装推荐。

在各种实施例中，输入物品可以包括输入图像。这种输入图像可以是由系统管理员生成的图像或者可以是用户选择或捕捉的图像。例如，用户可以从互联网上选择图像或者可以通过智能手机设备等捕捉图像。在一些实施例中，预处理一个物品的该输入图像以从前景中提取该物品可能是令人期望的。另外，将各种类别数据和一个图像相关联可能是令人期望的，这样可以改进物品匹配和推荐的质量。

例如，图8描绘了根据一个实施例的用于以连续的步骤生成输入图像的界面800，这些连续步骤用来生成界面800A、800B、800C以及800D中分别展示的该输入图像。在第一界面800A中，用户可以选择生成一个新物品并且经由第一菜单805指示该物品的第一类别的选项。正如在第一界面800A中展示的，该用户已经选择了该物品为“上衣(TOP)”。在第二界面800B中，该用户可以经由第二菜单810选择一个子类别，在这种情况中是“女式衬衫(BLOUSE)”。

在各种实施例中，可以显示允许用户捕捉或编辑现有图像的类别叠加，这样使得它最适合该类别叠加。例如，给定在菜单805和810中选择“上衣”和“女式衬衫”，可以显示“女式衬衫上衣”类别叠加815，如界面800C所展示。该类别叠加可以与一个设备摄像机一起使用以指导用户在该类别叠加中捕捉最适合的一个图像，包括物品的定向、框架中的物品尺寸等。相应地，用户可以移动该摄像机靠近或稍远于该物品、旋转或以其他方式移动该摄像机以使得该物品尽可能靠近在类别叠加815内。如界面800D所示，示出了包括女式衬衫825的图像820，其中，该女式衬衫基本上在类别叠加815内。当该物品被确定在类别叠加815内时，该界面可以自动捕捉一个图像，或者用户可以发起图像捕捉。替代性地，用户可以加载用户之前捕捉的一个现有图像或在别处获得的一个图像(例如在互联网上获得的图像)。替代性地，如界面800D所示，用户可以移动、调整大小和旋转图像820以使得所显示的女式衬衫820基本上在类别叠加815内。例如，在用户设备的触摸屏上用手指收聚并拖拽可以便于这种移动、调整大小以及旋转。

在各种实施例中，一个经捕捉的输入图像可以接收进一步的处理。例如，可以假定该输入物品和经叠加的类别轮廓一致的概率很高。相应地，可以生成概率性的先验示意图，该示意图将输入图像区域分成概率高的前景区域、概率高的背景区域和未知区域。这些区域标记可以是离散的或连续的(例如以不同概率值标记)。使用该先验示意图，图像处理技术(诸如图像分割等)可以被用于从该背景中提取该物品。图9展示了该过程的一个示例。

在各种实施例中，允许用户对物品集合或套装进行评级可能是令人期望的。例如，如图10所描绘，用户设备120可以呈现一个或多个物品集合1010，并且该用户可以经由对应的输入按钮1020表明用户是否喜欢或不喜欢一个给定的物品集合。在图10所示的示例中，竖起大拇指和大拇指朝下按钮分别与两个所呈现的物品集合1010相关联。在进一步的实施例中，一个界面可以被配置成用于使用户为用户设备120上呈现的一个物品或物品集合提供各种紧密度指示，包括一个三、四或五星级评定、或包括滑块等的一个评级系统。

用户做出的物品和/或物品集合的这种评级可能是令人期望的，因为这种数据可以被用于在全球范围内在许多用户之间或针对提供评级的用户对物品和/或物品集合进行排序以及筛选。用户排名可以被用于确定和预测用户偏好以及用于对所标识的匹配物品集合或物品进行筛选和排序，这些可能都是令人期望的，以便提高用户体验。与用户偏好相关的数据可以被存储于用户偏好数据库114中(图1b)。

在各种实施例中，与物品或物品集合的偏好相关的用户输入可以被用作监督机器学习的输入以训练用户偏好预测算法、模块等。监督机器学习可以包括任何合适的类型，包括神经网络、单层感知器、多层感知器、决策树、径向基函数(RBF)网络、统计学习算法(例如贝叶斯网络)、支持向量机(SVM)、关联向量机(RVM)、线性或逻辑回归等。在一些实施例中，本披露的各个方面可以被应用于半监督机器学习技术。

例如，如图11a所展示，示出为1110A-N的多个训练数据1110被输入一个用户偏好训练模块1120中，并且一个经训练的算法、模块等可以被存储于用户偏好数据库114或其他合适的位置。训练数据可以包括与一个或多个物品、物品集合等相关的任何合适数据。例如，训练数据可以包括诸如价格、颜色、季节、性别、风格类型、图案、尺寸、纹理等数据。在各种实施例中，如文中所讨论的，可以从物品图像和/或物品集合图像中自动提取这种特征。在一些实施例中，用户可能被要求通过提供输入训练数据的一个经定义的集合来训练她的偏好，然而在一些实施例中，用户可以提供一段时间内用户所选择的训练数据。

为了提供用户青睐的物品或物品集合的预测，经训练的算法或模块可以在物品集合数据库112和/或单独物品数据库113中搜索满足用户的偏好的物品或物品集合。在一些实施例中，用户偏好预测可以被用于用户可以购买的所选择的物品或物品集合和/或用户已拥有的物品中的物品或物品集合。在一些实施例中，可以基于用户偏好生成新的物品集合。如图11b所描绘，用户预测模块1125可以将来自用户简档数据库114的数据用来输出多个套装推荐1130，即推荐1130A-N。

在各种实施例中，本文中所讨论的系统和方法可以被应用于离散的物理位置，诸如商店、商业街或购物区。例如，用户可以拜访一个服装店并接收基于该服装店库存和/或该用户的私人衣柜的各种物品或套装推荐。在一个实施例中，用户可以获得关于如何设计该商店存在的一个感兴趣物品的样式的反馈。用户也可以接收关于一个感兴趣物品如何可以被设计成搭配该用户的现有衣柜的样式的反馈。

在进一步的实施例中，用户可以接收基于该用户当前所穿的一件衣服的物品或物品集合推荐。例如，该用户可以使用在零售位置的自助服务设备120A、智能镜子120D或其他设备120(参见图1a)，并且设备120可以捕捉该用户的一个图像以及该用户现在所穿的衣服。经处理的图像可以被用于基于商店库存和/或用户衣柜做出物品和/或物品集合推荐。在各种实施例中，设备120可以被配置成用于获得与给定零售位置相关联的降价销售、促销、优惠券、打折等。相应地，在各种实施例中，系统100(图1a)可以与一个或多个商户信息数据库进行接口连接以接收关于商店库存的数据。

类似地，本系统和方法可以被应用于电子商务。例如，用户浏览在线商店可以接收基于电子商店库存和/或用户衣柜的物品和/或物品集合推荐。在各种实施例中，如本文所述，用户可以将来自电子商店等的物品用作输入物品或可以将来自电子商店的物品集合用作输入物品。

可以用各种合适方式完成相似物品的搜索，并且可以针对任何合适的原因生成输入物品和/或输入物品集合。例如，在各种实施例中，人工操作员可以对将与合适描述符相关联的物品图像或物品标识符进行编码。在进一步的实施例中，无需用户或操作员干预，可以自动处理物品图像。

在一个实施例中，物品的视觉信息可以被捕捉且存储为数学描述。这种数学描述的一个特定实施例以数字的数学向量呈现。在一个示例中，如图12所展示，原始图像1205被捕捉或获得，并且在框1210中图像分割被应用于原始图像1205，从而产生经分割的图像1215。以上结合图9讨论了图像分割处理的一个示例。

经分割的图像1215可以被分析以获得可以被用于如本文所讨论的物品和物品集合匹配的各种类型的合适数据。在图12的示例中，分析包括框1220中的颜色分析、框1225中的纹理分析以及框1230中的形状分析，从而分别产生颜色直方图1240、梯度直方图(HoG)1250以及形状描述符1260。

在各种实施例中，该颜色描述符可以由各种颜色通道上的图像像素的数量构成。该颜色描述符可以被表示为被称为颜色直方图1240的一个向量。类似地，纹理描述符可以测量相对于纹理过滤器的不同空间位置的对象物品的响应。纹理描述符的一个特定实施例是梯度直方图(HoG)描述符。另外，基于该对象物品分割，有可能将该图像分成固定数量的区域，并且注释每个区域是否包含该图像分割。这种标注可以被变换成0和1的数学表现形式，其中，0意味着该图像区域不包含图像分割，而1意味着该图像区域包含图像分割。例如，形状描述符1260将包含图像分割的图像区域示出为黑色，将不包含图像分割的区域示出为白色。

在各种实施例中，物品和/或物品集合的图像可以被处理以获得如上讨论的图像数据，并且可以基于这种数据进行物品或物品集合的匹配的确定。例如，如图13所展示，新的物品图像1310可以被生成或以其他方式由用户提供，并且可以在框1315中对图像1310进行对象物品描述提取。新的对象描述符(诸如颜色直方图1320、梯度直方图(HoG)1325以及形状描述符1330)可以与来自对象物品数据库1335的物品和/或物品集合的相同描述符进行比较，并且对于框1340、1345以及1350中的每个框，可以计算距离(例如欧氏距离)。与物品和/或物品集合相比针对新的物品图像1310的描述符的所确定的距离可以被用于标识多个相似对象物品1355和/或多个物品集合(图13未示出)。

将输入物品或输入物品集合与其他物品或者物品集合进行匹配可以包括由基于类别等(诸如关键字、价格、颜色、季节、风格等)的图像分析或图像描述符生成的任何合适的图像描述符的比较。这些比较变量可以基于用户偏好或基于变量的重要性被适当加权重。

所描述的这些实施例易于经历各种修改和替代形式，并且其具体示例已经通过在这些附图中进行举例来示出并且在此详细地描述。然而，应当理解，所描述的这些实施例并不旨在限制于所披露的具体形式或方法，而相反地，本披露旨在覆盖所有的修改、等效方案和替换方案。另外，本文中所描述的方法的任何步骤可以由人工操作员执行或无需人工操作员交互可以被自动执行。

Claims (18)

1.一种物品匹配方法，该方法包括：

接收一个输入物品；

标识包括与该输入物品相似的一个物品的多个所存储的物品集合；

对该多个所标识的输入物品集合进行排序；

选择这些所标识的所存储的物品集合中的一部分物品集合；

用该输入物品替换这些所选择的所存储的物品集合中的每个物品集合中的相似物品以生成多个输出集合；并且

呈现这些输出集合。

2.如权利要求1所述的物品匹配方法，其中，该输入物品包括：

一个物品的一个输入物品图像；以及

与该输入物品图像相对应的多个输入物品图像描述符。

3.如权利要求2所述的物品匹配方法，其中，这些输入物品图像描述符包括该输入物品图像的图像分析数据。

4.如权利要求3所述的物品匹配方法，进一步包括：

对该输入物品图像进行图像分割以生成一个经分割的输入物品图像；

对该经分割的输入物品图像进行颜色分析、纹理分析和形状分析以生成多个输入物品图像描述符。

5.如权利要求4所述的物品匹配方法，其中，所述标识包括与该输入物品相似的一个物品的多个所存储的物品集合包括将该多个所生成的输入物品图像描述符和与多个所存储的物品集合相关联的多个相应的物品图像描述符进行比较。

6.如权利要求5所述的物品匹配方法，进一步包括：

将多个输入物品图像描述符类别与该输入物品图像相关联；并且

其中，所述标识包括与该输入物品相似的一个物品的多个所存储的物品集合包括：

将该多个相关联的输入物品图像描述符类别和与多个所存储的物品集合相关联的多个相应的物品图像描述符类别进行比较。

7.一种物品匹配方法，该方法包括：

接收包括多个输入物品的一个输入物品集合；

标识包括与至少一个输入物品相似的至少一个所存储的物品的多个所存储的物品集合；

对该多个所标识的所存储的物品集合进行排序；

选择这些所标识的所存储的物品集合中的一部分物品集合；

用一个相应的输入物品替换这些所选择的所存储的物品集合中的每个物品集合中的一个或多个相似的所存储的物品以生成多个输出集合；并且

呈现这些输出集合。

8.如权利要求7所述的物品匹配方法，其中，这些输入物品各自包括一个物品的一个输入物品图像和与该输入物品图像相对应的多个输入物品图像描述符。

9.如权利要求8所述的物品匹配方法，其中，这些输入物品图像描述符包括该输入物品图像的图像分析数据。

10.如权利要求9所述的物品匹配方法，进一步包括：

对每个输入物品图像进行图像分割以生成多个经分割的输入物品图像；

对这些经分割的输入物品图像进行颜色分析、纹理分析和形状分析以生成与一个对应的输入物品图像关联的多个输入物品图像描述符。

11.如权利要求10所述的物品匹配方法，其中，所述标识包括与至少一个输入物品相似的至少一个所存储的物品的多个所存储的物品集合包括：

将多个所生成的对应的输入物品图像描述符和与多个所存储的物品集合相关联的多个相应的物品图像描述符进行比较。

12.如权利要求11所述的物品匹配方法，进一步包括：

将多个输入物品图像描述符类别与这些输入物品图像相关联；并且

其中，所述标识包括与至少一个输入物品相似的至少一个所存储的物品的多个所存储的物品集合包括：

将该多个相关联的输入物品图像描述符类别和与多个所存储的物品集合相关联的多个相应的物品图像描述符类别进行比较。

13.一种物品匹配方法，该方法包括：

接收包括多个输入物品的一个输入物品集合；

为每一个输入物品标识至少一个相似的所存储的物品；

在各种组合中用一个对应的所标识的相似的所存储的物品替换这些输入物品以生成多个所生成的物品集合；

对该多个所生成的物品集合进行排序；

选择这些所排序的所生成的物品集合的一部分物品集合以生成多个输出集合；并且

呈现这些输出集合。

14.如权利要求13所述的物品匹配方法，其中，这些输入物品各自包括一个物品的一个输入物品图像和与该输入物品图像相对应的多个输入物品图像描述符。

15.如权利要求14所述的物品匹配方法，其中，这些输入物品图像描述符包括该输入物品图像的图像分析数据。

16.如权利要求15所述的物品匹配方法，进一步包括：

对每个输入物品图像进行图像分割以生成多个经分割的输入物品图像；

对这些经分割的输入物品图像进行颜色分析、纹理分析和形状分析以生成与一个对应的输入物品图像关联的多个输入物品图像描述符。

17.如权利要求16所述的物品匹配方法，其中，所述为每一个输入物品标识至少一个相似的所存储的物品包括：

将多个所生成的对应的输入物品图像描述符和与多个所存储的物品集合相关联的多个相应的输入物品图像描述符进行比较。

18.如权利要求17所述的物品匹配方法，进一步包括：

将多个输入物品图像描述符类别与这些输入物品图像相关联；并且

其中，所述为每一个输入物品标识至少一个相似的所存储的物品包括：

将该多个相关联的输入物品图像描述符类别和与多个所存储的物品集合相关联的多个相应的所存储的物品图像描述符类别进行比较。