CN108596704B - 用于定制的大规模个性化脚楦匹配方法及系统 - Google Patents

Abstract

本申请公开了一种用于定制的大规模个性化脚楦匹配方法及系统。该方法包括：接收用户脚型数据；检测所述脚型数据与预设标准脚型数据是否相同；以及如果检测所述用户脚型数据与预设标准脚型数据不同，则建立所述用户脚型数据的矢量运动模型和敏感参数。本申请解决了由于脚型数据受姿态、跟高、运动或其他因素的影响较大造成的匹配、定制效果差的技术问题。

Description

用于定制的大规模个性化脚楦匹配方法及系统

技术领域

本申请涉及脚型和鞋楦匹配领域，具体而言，涉及一种用于定制的大规模个性化脚楦匹配方法及系统。

背景技术

鞋楦，是鞋的成型模具。鞋楦不仅决定鞋造型和式样，更决定着鞋是否合脚，能否起到保护脚的作用。

人的脚型根据季节或时间的变化，存在着一定程度的变化。比如，脚型长度夏天比冬天长2.0mm，脚型长度在下午比上午长1.75mm。

针对相关技术中脚型数据精度受姿态、运动或其他因素的影响较大的问题，目前尚未提出有效的解决方案。

发明内容

本申请的主要目的在于提供一种用于定制的大规模个性化脚楦匹配方法及系统，以解决脚型数据精度受姿态、运动或其他因素的影响较大的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种用于定制的大规模个性化脚楦匹配方法及系统。

根据本申请的用于定制的大规模个性化脚楦匹配方法包括：接收用户脚型数据；检测所述脚型数据与预设标准脚型数据是否相同；以及如果检测所述用户脚型数据与预设标准脚型数据不同，则建立所述用户脚型数据的矢量运动模型。

进一步的，还包括：确定所述用户选择的用户款型数据；检测是否接收到用户的新定制请求；如果检测接收到用户的新定制请求，则按照预设款式规则建立所述用户款型数据的敏感参数模型和材料划分模型；其中，所述预设款式规则中至少包括：款式分类和材料划分规则。

进一步的，还包括：对所述用户脚型数据执行如下的第一鞋楦数值转化操作：根据所述敏感参数模型和所述材料划分模型预设第一转化规则；根据所述矢量运动模型预设第二转化规则；通过所述第一转化规则和所述第二转化规则，将所述用户脚型数据转化为所述鞋楦数值。

进一步的，如果检测所述用户脚型数据与预设标准脚型数据不同，则建立所述用户脚型数据的矢量运动模型包括：根据扫描的脚型STL模型与标准脚型的STL模型进行差分运算；依据生物力学规律，并在脚型运动规律的经验参数基础上建立所述用户脚型数据的矢量运动模型。

进一步的，对所述用户脚型数据执行如下的第一鞋楦数值转化操作之后还包括：对根据所述鞋楦数值得到鞋楦模型执行舒适度评分操作；判断执行舒适度评分操作的结果是否满足预设推荐条件；以及如果判断执行舒适度评分操作的结果是否满足预设推荐条件，则向用户执行对应选码推荐操作。

进一步的，所述接收用户脚型数据包括如下的任一一种或者多种数据类型：底样型、角度、足弓后身高度、长度、宽度、肥度、高度、脚型底面轮廓、脚型侧面轮廓、脚型三维形状、脚部正侧图像、脚部内侧图像、脚部外侧图像、脚部后跟图像、行走姿势数据、脚部习惯偏好、脚趾长度信息、用户偏好信息。

为了实现上述目的，根据本申请的另一方面，提供了一种用于定制的大规模个性化脚楦匹配系统。

根据本申请的用于定制的大规模个性化脚楦匹配系统包括：接收模块，用于接收用户脚型数据；检测模块，用于检测所述脚型数据与预设标准脚型数据是否相同；以及第一建立模块，用于在检测所述用户脚型数据与预设标准脚型数据不同时，建立所述用户脚型数据的矢量运动模型。

进一步的，还包括：获取模块，用于获取用户款型数据；划分模块，用于根据预设款型规则对所述用户款型数据款式分类和材料划分；第二建立模块，用于按照款式分类和材料划分结果建立所述用户脚型数据的敏感参数模型和材料划分模型。

进一步的，还包括：鞋楦转化模块，所述鞋楦转化模块包括：第一预设单元，用于根据所述敏感参数模型和所述材料划分模型预设第一转化规则；第二预设单元，用于根据所述矢量运动模型预设第二转化规则；转换单元，用于通过所述第一转化规则和所述第二转化规则，将所述用户脚型数据转化为所述第一鞋楦数值。

进一步的，还包括：推荐模块，所述推荐模块包括：评分单元，用于对根据所述鞋楦数值得到鞋楦模型执行舒适度评分操作；条件判断单元，用于判断执行舒适度评分操作的结果是否满足预设推荐条件；以及推荐单元，用于如果判断执行舒适度评分操作的结果是否满足预设推荐条件，则向用户执行对应选码推荐操作。

在本申请实施例中，采用大规模个性化脚楦匹配的方式，通过对用户脚型数据和标准脚型数据的判断，达到了建立矢量运动模型的目的，从而实现了脚型数据精度不受姿态、运动或其他因素影响的技术效果，进而解决了由于脚型数据精度受姿态、运动或其他因素的影响较大造成的匹配、定制效果差的技术问题。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请第一实施例的大规模个性化脚楦匹配方法流程示意图；

图2是根据本申请第二实施例的大规模个性化脚楦匹配方法流程示意图；

图3是根据本申请第三实施例的大规模个性化脚楦匹配方法流程示意图；

图4是根据本申请第四实施例的大规模个性化脚楦匹配方法流程示意图；

图5是根据本申请第五实施例的大规模个性化脚楦匹配方法流程示意图；

图6是根据本申请第一实施例的大规模个性化脚楦匹配系统结构示意图；

图7是根据本申请第二实施例的大规模个性化脚楦匹配系统结构示意图；

图8是根据本申请第三实施例的大规模个性化脚楦匹配系统结构示意图；

图9是根据本申请第四实施例的大规模个性化脚楦匹配系统结构示意图；

图10是根据本申请优选实施例的大规模个性化脚楦匹配方法流程示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

在本申请中，术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、“中”、“竖直”、“水平”、“横向”、“纵向”等指示的方位或位置关系为基于附图所示的方位或位置关系。这些术语主要是为了更好地描述本申请及其实施例，并非用于限定所指示的装置、元件或组成部分必须具有特定方位，或以特定方位进行构造和操作。

并且，上述部分术语除了可以用于表示方位或位置关系以外，还可能用于表示其他含义，例如术语“上”在某些情况下也可能用于表示某种依附关系或连接关系。对于本领域普通技术人员而言，可以根据具体情况理解这些术语在本申请中的具体含义。

此外，术语“安装”、“设置”、“设有”、“连接”、“相连”、“套接”应做广义理解。例如，可以是固定连接，可拆卸连接，或整体式构造；可以是机械连接，或电连接；可以是直接相连，或者是通过中间媒介间接相连，又或者是两个装置、元件或组成部分之间内部的连通。对于本领域普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

根据本发明实施例，提供了一种用于定制的大规模个性化脚楦匹配方法，如图1所示，该方法包括如下的步骤S101至步骤S103：

步骤S101、接收用户脚型数据；

用户脚型数据是指与脚型相关的参数或影响因素，均可通过测量或信息采集而获得；所述接收的用户脚型数据包括如下的任一一种或者多种数据类型：底样型、角度、足弓后身高度、长度、宽度、肥度、高度、脚型底面轮廓、脚型侧面轮廓、脚型三维形状、脚部正侧图像、脚部内侧图像、脚部外侧图像、脚部后跟图像、行走姿势数据、脚部习惯偏好、脚趾长度信息、用户偏好信息。通过用户脚型数据为建立矢量运动模型提供保障。

在一些实施例中，通过测量脚部获得底样型、角度、足弓后身高度、长度、宽度、肥度、高度。

在一些实施例中，通过3D扫描脚部获得脚型底面轮廓、脚型侧面轮廓、脚型三维形状。

在一些实施例中，通过多方位拍摄脚部获得脚部正侧图像、脚部内侧图像、脚部外侧图像、脚部后跟图像。

在一些实施例中，通过采集脚部行为偏好和习惯获得行走姿势数据、脚部习惯偏好、脚趾长度信息、用户偏好信息。

在一些实施例中，所述底样型包括但不限于，瘦型、标准型、小肥型、肥型、高背型和凸骨型。

在一些实施例中，所述角度包括但不限于，中轴线偏角、拇指偏角和小趾偏角。

在一些实施例中，所述足弓后身高度包括但不限于，内踝骨高度、外踝骨高度和后跟凸点高度。

在一些实施例中，所述长度包括但不限于，脚长、腰窝长、第一趾长度和第五趾长度。

在一些实施例中，所述宽度包括但不限于，踵心宽度、腰窝宽度、第一趾宽度和第五趾宽度。

在一些实施例中，所述肥度包括但不限于，第一五趾围度、兜跟围、附围、腰围和下腰围。

在一些实施例中，所述高度包括但不限于，拇指高度、第一趾高度、第五趾高度、小趾高度、附围高度、背围高度、腰围高度、兜跟围高度和下腰围高度。

步骤S102、检测所述用户脚型数据与预设标准脚型数据是否相同；

预设标准脚型数据是指与标准脚型相关的参数或影响因素，可直接预设相应的参数和影响因素，通过预设标准脚型数据和用户脚型数据的比对可以得到两者是否有差别，程序检测到是否有差别后，执行相应的操作。避免重复建立矢量运动模型，提升了方法的检测效率。

步骤S103、如果检测所述用户脚型数据与预设标准脚型数据不同，则建立所述用户脚型数据的矢量运动模型。

检测到用户脚型数据与预设标准脚型数据存在差别时，确定存在差别的用户脚型数据，并据此建立矢量运动模型；矢量运动模型为考虑运动、站或坐姿态、脚部姿态(高跟、平底跟)等影响因素的可变模型，从而能够通过矢量运动模型实现脚型数据精度不受姿态、运动或其他因素影响的技术效果。

从以上的描述中，可以看出，本发明实现了如下技术效果：

在本申请实施例中，采用大规模个性化脚楦匹配的方式，通过对用户脚型数据和标准脚型数据的判断，达到了建立矢量运动模型的目的，从而实现了脚型数据精度不受姿态、运动或其他因素影响的技术效果，进而解决了由于脚型数据精度受姿态、运动或其他因素的影响较大造成的匹配、定制效果差的技术问题。

根据本发明实施例，优选的，如图2所示，还包括：

步骤S201、获取用户款型数据；

用户款型数据包括鞋型款式和鞋型材料；通过获取成品鞋信息，并提取成品鞋信息中的款式、材料数据作为用户款型数据；成品鞋信息可以预先录入数据库中，为款式分类和材料划分提供保障。

步骤S202、根据预设款型规则对所述用户款型数据款式分类和材料划分，

所述预设款式规则中至少包括：款式分类和材料划分规则；鞋型款式可以分为切尔西、来富等多种款式，分类规则即把相同的款式归为一类，不同的鞋款，一级参数和二级参数不同，高限参数也不同；鞋型材料可以按柔软度分为多个级别，优选的，将成品鞋划分为六个级别，分别为I、II、III、IV、V、VI六个级别；为建立模型提供技术保障。

步骤S203、按照款式分类和材料划分结果建立所述用户脚型数据的敏感参数模型和材料划分模型。

不同的鞋型款式对用户脚型数据中的参数(三维测量值)敏感度不相同，因此，通过款式分类后，不同的鞋型款式可以对应不同的参数等级，从而可以建立敏感参数模型，用于反应鞋型款式和参数等级的关系；优选的，敏感参数模型可以见下表1，将用户脚型数据中的参数划分为1级和2级参数，在表格的对应位置填上参数等级，从而能够区分不同鞋型款式对应的不同参数等级，进而为选择合适的码数提供了保障。当运动矢量模型求解后，可根据求解运动矢量模型时输入的款型，求解相应款型的敏感参数模型。

表1

上述的6个柔软度级别，I、II为比较柔软的鞋款，III、IV为中等柔软的鞋款，V、VI为硬度比较高的鞋款；柔软度不同，会导致客户的舒适度感觉不一样；由此，可以根据上述柔软度级别建立材料划分模型，考虑柔软度因素，为选择合适的码数提供了参考。

根据本发明实施例，优选的，如图3所示，还包括：对所述用户脚型数据执行如下的第一鞋楦数值转化操作：

步骤S301、根据所述敏感参数模型和所述材料划分模型预设第一转化规则；

步骤S302、根据所述矢量运动模型预设第二转化规则；

步骤S303、通过所述第一转化规则和所述第二转化规则，将所述用户脚型数据转化为所述鞋楦数值。

三维脚型测量值和鞋楦值之间，存在一定的转换关系，不同的鞋款，转换关系不同，不同的姿态、运动状态，转换关系也不同。转换关系和敏感参数模型、材料划分模型、矢量运动模型有关，通过转换关系得到转化规则，将用户脚型数据转化为鞋楦数值，从而能够大大提高脚型与鞋楦的匹配度。此处假定为站立姿态：商务男鞋楦，在站立时的姿势扫描，第一趾到第五趾的宽度，应减去2.0，脚长减0.75，踵心宽度减0.5为鞋楦转换的参数值。

根据本发明实施例，优选的，如图4所示，如果检测所述用户脚型数据与预设标准脚型数据不同，则建立所述用户脚型数据的矢量运动模型包括：

步骤S401、根据扫描的脚型STL模型与标准脚型的STL模型进行差分运算；

步骤S402、依据生物力学规律，并在脚型运动规律的经验参数基础上建立所述用户脚型数据的矢量运动模型。

扫描的脚型STL模型为用户脚型数据中的信息；标准脚型的STL模型为预设的标准脚型数据。根据所述用户脚型数据与标准脚型的比较，以及所述生物力学规律，并在脚型运动规律的经验参数基础上，创建脚型的矢量运动模式；优选的，该模型能适应不同跟高脚型的动态模型，根据跟高求得脚型对应的状态模型来进行脚楦匹配；即当客户选择了款型，则得到相应的跟高，再把跟高参数代入运算：通过已经确定的矢量运动模型中的参数(跟高参数)，将跟高代入矢量运动模型中，运算获得该脚型对应的特定状态模型，从而能够为脚楦匹配提供保障。

根据本发明实施例，优选的，如图5所示，对所述用户脚型数据执行如下的第一鞋楦数值转化操作之后还包括：

步骤S501、对根据所述鞋楦数值得到鞋楦模型执行舒适度评分操作；

步骤S502、判断执行舒适度评分操作的结果是否满足预设推荐条件；以及

步骤S503、如果判断执行舒适度评分操作的结果是否满足预设推荐条件，则向用户执行对应选码推荐操作。

根据鞋楦数值能够生成一鞋楦模型，通过敏感参数模型、材料划分模型和适量运动模型进行舒适度分析，得到鞋楦模型的舒适度评分，并且根据评分对多个用户的鞋楦模型进行排名；从而保证选码流程的正常进行。预设推荐条件为舒适度大于百分之八十，则推荐选码；进而保证推荐的鞋码能够为人带来足够的舒适度。

根据本发明实施例，优选的，如图10所示，第一转化规则和第二转换规则为一级参数选码、二级参数选码，再通过小码/过肥、大码/过肥的判断得到对应的鞋楦模型，再对鞋楦模型执行舒适度评分操作，最后通过舒适度排名判断舒适度大于百分之八十的，推荐选码。通过以上流程的执行，完成鞋楦转化以及舒适度评分，进而实现选码的精确性。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

根据本发明实施例，还提供了一种用于实施上述大规模个性化脚楦匹配方法的装置，如图6所示，该装置包括：接收模块，用于接收用户脚型数据；检测模块，用于检测所述脚型数据与预设标准脚型数据是否相同；以及第一建立模块，用于在检测所述用户脚型数据与预设标准脚型数据不同时，建立所述用户脚型数据的矢量运动模型。

具体的，用户脚型数据是指与脚型相关的参数或影响因素，均可通过测量或信息采集而获得；所述接收的用户脚型数据包括如下的任一一种或者多种数据类型：底样型、角度、足弓后身高度、长度、宽度、肥度、高度、脚型底面轮廓、脚型侧面轮廓、脚型三维形状、脚部正侧图像、脚部内侧图像、脚部外侧图像、脚部后跟图像、行走姿势数据、脚部习惯偏好、脚趾长度信息、用户偏好信息。通过用户脚型数据为建立矢量运动模型提供保障。

根据本发明实施例，优选的，如图7所示，还包括：确定模块，用于确定所述用户选择的用户款型数据；第二检测模块，用于检测是否接收到第一用户的新定制请求；第二建立模块，如果检测接收到第一用户的新定制请求，则按照预设款式规则建立所述用户款型数据的敏感参数模型和材料划分模型；其中，所述预设款式规则中至少包括：款式分类和材料划分规则。预设标准脚型数据是指与标准脚型相关的参数或影响因素，可直接预设相应的参数和影响因素，通过预设标准脚型数据和用户脚型数据的比对可以得到两者是否有差别，程序检测到是否有差别后，执行相应的操作。避免重复建立矢量运动模型，提升了方法的检测效率。检测到用户脚型数据与预设标准脚型数据存在差别时，确定存在差别的用户脚型数据，并据此建立矢量运动模型；矢量运动模型为考虑运动、站或坐姿态、脚部姿态(高跟、平底跟)等影响因素的可变模型，从而能够通过矢量运动模型实现脚型数据精度不受姿态、运动或其他因素影响的技术效果。

在一些实施例中，通过测量脚部获得底样型、角度、足弓后身高度、长度、宽度、肥度、高度。

在一些实施例中，通过3D扫描脚部获得脚型底面轮廓、脚型侧面轮廓、脚型三维形状。

在一些实施例中，通过多方位拍摄脚部获得脚部正侧图像、脚部内侧图像、脚部外侧图像、脚部后跟图像。

在一些实施例中，通过采集脚部行为偏好和习惯获得行走姿势数据、脚部习惯偏好、脚趾长度信息、用户偏好信息。

在一些实施例中，所述底样型包括但不限于，瘦型、标准型、小肥型、肥型、高背型和凸骨型。

在一些实施例中，所述角度包括但不限于，中轴线偏角、拇指偏角和小趾偏角。

在一些实施例中，所述足弓后身高度包括但不限于，内踝骨高度、外踝骨高度和后跟凸点高度。

在一些实施例中，所述长度包括但不限于，脚长、腰窝长、第一趾长度和第五趾长度。

在一些实施例中，所述宽度包括但不限于，踵心宽度、腰窝宽度、第一趾宽度和第五趾宽度。

在一些实施例中，所述肥度包括但不限于，第一五趾围度、兜跟围、附围、腰围和下腰围。

在一些实施例中，所述高度包括但不限于，拇指高度、第一趾高度、第五趾高度、小趾高度、附围高度、背围高度、腰围高度、兜跟围高度和下腰围高度。

从以上的描述中，可以看出，本发明实现了如下技术效果：

在本申请实施例中，采用大规模个性化脚楦匹配的方式，通过对用户脚型数据和标准脚型数据的判断，达到了建立矢量运动模型的目的，从而实现了脚型数据精度不受姿态、运动或其他因素影响的技术效果，进而解决了由于脚型数据精度受姿态、运动或其他因素的影响较大造成的匹配、定制效果差的技术问题。

根据本发明实施例，优选的，如图7所示，还包括：获取模块，用于获取用户款型数据；划分模块，用于根据预设款型规则对所述用户款型数据款式分类和材料划分；第二建立模块，用于按照款式分类和材料划分结果建立所述用户脚型数据的敏感参数模型和材料划分模型。用户款型数据包括鞋型款式和鞋型材料；通过获取成品鞋信息，并提取成品鞋信息中的款式、材料数据作为用户款型数据；成品鞋信息可以预先录入数据库中，为款式分类和材料划分提供保障。所述预设款式规则中至少包括：款式分类和材料划分规则；鞋型款式可以分为切尔西、来富等多种款式，分类规则即把相同的款式归为一类，不同的鞋款，一级参数和二级参数不同，高限参数也不同；鞋型材料可以按柔软度分为多个级别，优选的，将成品鞋划分为六个级别，分别为I、II、III、IV、V、VI六个级别；为建立模型提供技术保障。不同的鞋型款式对用户脚型数据中的参数(三维测量值)敏感度不相同，因此，通过款式分类后，不同的鞋型款式可以对应不同的参数等级，从而可以建立敏感参数模型，用于反应鞋型款式和参数等级的关系；优选的，敏感参数模型可以见下表1，将用户脚型数据中的参数划分为1级和2级参数，在表格的对应位置填上参数等级，从而能够区分不同鞋型款式对应的不同参数等级，进而为选择合适的码数提供了保障。上述的6个柔软度级别，I、II为比较柔软的鞋款，III、IV为中等柔软的鞋款，V、VI为硬度比较高的鞋款；柔软度不同，会导致客户的舒适度感觉不一样；由此，可以根据上述柔软度级别建立材料划分模型，考虑柔软度因素，为选择合适的码数提供了参考。

表1

根据本发明实施例，优选的，如图8所示，还包括：鞋楦转化模块，所述鞋楦转化模块包括：第一预设单元，用于根据所述敏感参数模型和所述材料划分模型预设第一转化规则；第二预设单元，用于根据所述矢量运动模型预设第二转化规则；转换单元，用于通过所述第一转化规则和所述第二转化规则，将所述用户脚型数据转化为所述第一鞋楦数值。三维脚型测量值和鞋楦值之间，存在一定的转换关系，不同的鞋款，转换关系不同，不同的姿态、运动状态，转换关系也不同。转换关系和敏感参数模型、材料划分模型、矢量运动模型有关，通过转换关系得到转化规则，将用户脚型数据转化为鞋楦数值，从而能够大大提高脚型与鞋楦的匹配度。此处假定为站立姿态：商务男鞋楦，在站立时的姿势扫描，第一趾到第五趾的宽度，应减去2.0，脚长减0.75，踵心宽度减0.5为鞋楦转换的参数值。

根据本发明实施例，优选的，如图9所示，还包括：推荐模块，所述推荐模块包括：评分单元，用于对根据所述鞋楦数值得到鞋楦模型执行舒适度评分操作；条件判断单元，用于判断执行舒适度评分操作的结果是否满足预设推荐条件；以及推荐单元，用于如果判断执行舒适度评分操作的结果是否满足预设推荐条件，则向用户执行对应选码推荐操作。根据鞋楦数值能够生成一鞋楦模型，通过敏感参数模型、材料划分模型和适量运动模型进行舒适度分析，得到鞋楦模型的舒适度评分，并且根据评分对多个用户的鞋楦模型进行排名；从而保证选码流程的正常进行。预设推荐条件为舒适度大于百分之八十，则推荐选码；进而保证推荐的鞋码能够为人带来足够的舒适度。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (5)

1.一种用于定制的大规模个性化脚楦匹配方法，其特征在于，包括：

接收用户脚型数据；

检测所述用户脚型数据与预设标准脚型数据是否相同；以及

如果检测所述用户脚型数据与预设标准脚型数据不同，则建立所述用户脚型数据的矢量运动模型；所述矢量运动模型为考虑至少包括运动、站或坐姿、脚步姿态影响因素的可变模型；

获取用户款型数据；

根据预设款型规则对所述用户款型数据款式分类和材料划分，其中，所述预设款型规则中至少包括：款式分类和材料划分规则；

按照款式分类和材料划分结果建立所述用户脚型数据的敏感参数模型和材料划分模型；所述敏感参数模型用于反应鞋型款式和用户脚型数据中的参数等级的关系；所述材料划分模型根据鞋型材料柔软度级别建立；

对所述用户脚型数据执行如下的第一鞋楦数值转化操作：

根据所述敏感参数模型和所述材料划分模型预设第一转化规则；

根据所述矢量运动模型预设第二转化规则；

通过所述第一转化规则和所述第二转化规则，将所述用户脚型数据转化为所述鞋楦数值；

其中，如果检测所述用户脚型数据与预设标准脚型数据不同，则建立所述用户脚型数据的矢量运动模型包括：

根据扫描的脚型STL模型与标准脚型的STL模型进行差分运算；

依据生物力学规律，并在脚型运动规律的经验参数基础上建立所述用户脚型数据的矢量运动模型。

2.根据权利要求1所述的大规模个性化脚楦匹配方法，其特征在于，对所述用户脚型数据执行如下的第一鞋楦数值转化操作之后还包括：

对根据所述鞋楦数值得到鞋楦模型执行舒适度评分操作；

判断执行舒适度评分操作的结果是否满足预设推荐条件；以及

如果判断执行舒适度评分操作的结果是否满足预设推荐条件，则向用户执行对应选码推荐操作。

3.根据权利要求1所述的大规模个性化脚楦匹配方法，其特征在于，所述接收用户脚型数据包括如下的任一一种或者多种数据类型：底样型、角度、足弓后身高度、长度、宽度、肥度、高度、脚型底面轮廓、脚型侧面轮廓、脚型三维形状、脚部正侧图像、脚部内侧图像、脚部外侧图像、脚部后跟图像、行走姿势数据、脚部习惯偏好、脚趾长度信息、用户偏好信息。

4.一种用于定制的大规模个性化脚楦匹配系统，其特征在于，包括：

接收模块，用于接收用户脚型数据；

检测模块，用于检测所述脚型数据与预设标准脚型数据是否相同；以及

第一建立模块，用于在检测所述用户脚型数据与预设标准脚型数据不同时，建立所述用户脚型数据的矢量运动模型；所述矢 量运动模型为考虑至少包括运动、站或坐姿、脚步姿态影响因素的可变模型；

获取模块，用于获取用户款型数据；

划分模块，用于根据预设款型规则对所述用户款型数据款式分类和材料划分；

第二建立模块，用于按照款式分类和材料划分结果建立所述用户脚型数据的敏感参数模型和材料划分模型；所述敏感参数模型用于反应鞋型款式和用户脚型数据中的参数等级的关系；所述材料划分模型根据鞋型材料柔软度级别建立；

鞋楦转化模块，所述鞋楦转化模块包括：

第一预设单元，用于根据所述敏感参数模型和所述材料划分模型预设第一转化规则；

第二预设单元，用于根据所述矢量运动模型预设第二转化规则；

转换单元，用于通过所述第一转化规则和所述第二转化规则，将所述用户脚型数据转化为第一鞋楦数值；

所述第一建立模块，还用于根据扫描的脚型STL模型与标准脚型的STL模型进行差分运算；依据生物力学规律，并在脚型运动规律的经验参数基础上建立所述用户脚型数据的矢量运动模型。

5.根据权利要求4所述的大规模个性化脚楦匹配系统，其特征在于，还包括：推荐模块，所述推荐模块包括：

评分单元，用于对根据所述鞋楦数值得到鞋楦模型执行舒适度评分操作；

条件判断单元，用于判断执行舒适度评分操作的结果是否满足预设推荐条件；以及

推荐单元，用于如果判断执行舒适度评分操作的结果是否满足预设推荐条件，则向用户执行对应选码推荐操作。

Images