CN108629661B - 一种应用于无人服饰店的产品推荐方法 - Google Patents

Abstract

一种应用于无人服饰店的产品推荐方法，特点为：当顾客利用APP客户端扫描无人服饰店的开门编码图像时，控制拍摄设备对顾客进行拍摄，以获得拍摄图像；在无人服饰店的开门后，将拍摄图像以及无人服饰店的唯一店铺标识上传至云端设备；云端设备利用人像特征算法确定拍摄图像中包含人像时，利用人像属性算法对人像进行前向计算，得到人像的属性信息；云端设备以无人服饰店的唯一店铺标识为依据，从无人服饰店对应的在售服饰数据库中查询出与人像的属性信息相适配的至少一种服饰推送给该APP客户端。有利于提升店铺的成交率和转化率。此外，本发明实施例可以更加准确的检测出拍摄图像中是否存在人像，从而可以提高人像检测的准确度。

Description

一种应用于无人服饰店的产品推荐方法

技术领域

本发明涉及互联网技术领域，尤其涉及一种应用于无人服饰店的产品推荐方法。

技术领域

随着无人零售店在一些城市的兴起，无人服饰店也逐渐的在一线城市发展起来。然而，当前电子商务(简称电商)正在以异军突起之势迅速向国民经济各行各业渗透，这给无人服饰店带来巨大的挑战和打击。无人服饰店如何与电商抗衡，抢夺市场，以提升无人服饰店的成交率，是很多无人服饰店的经营者需要考虑的问题。

发明内容

本发明实施例公开一种应用于无人服饰店的产品推荐方法，有利于提升店铺的成交率。

其中，一种应用于无人服饰店的产品推荐方法，所述方法包括：

当顾客利用APP客户端扫描所述无人服饰店的开门编码图像时，控制拍摄设备对所述顾客进行拍摄，以获得拍摄图像；

在所述无人服饰店的开门后，将所述拍摄图像以及所述无人服饰店的唯一店铺标识上传至云端设备；

所述云端设备利用人像特征算法确定所述拍摄图像中是否包含人像；若所述拍摄图像中包含人像，所述云端设备利用人像属性算法对所述人像进行前向计算，得到所述人像的属性信息；

所述云端设备以所述无人服饰店的唯一店铺标识为依据，从所述无人服饰店对应的在售服饰数据库中查询出与所述人像的属性信息相适配的至少一种服饰；

所述云端设备向所述APP客户端推送查询出的所述与所述人像的属性信息相适配的至少一种服饰。

作为一种可选的实施方式，本发明实施例中，所述云端设备向所述APP客户端推送查询出的所述与所述人像的属性信息相适配的至少一种服饰之后，所述方法还包括：

所述云端设备检测所述APP客户端上报的顾客从所述与所述人像的属性信息相适配的至少一种服饰中选取的目标服饰；

所述云端设备向所述APP客户端推送所述目标服饰在所述无人服饰店中的摆放位置。

作为一种可选的实施方式，本发明实施例中，所述云端设备向所述APP客户端推送所述目标服饰在所述无人服饰店中的摆放位置之后，所述方法还包括：

所述云端设备检测所述APP客户端上报的所述顾客针对所述目标服饰的购买指令；

所述云端设备响应所述目标服饰的购买指令，从所述APP客户端的电子账户中扣除所述目标服饰对应的销售金额，并将扣除的所述目标服饰对应的销售金额增加至所述无人服饰店的电子账户中；

所述云端设备向所述APP客户端推送通知消息，所述通知消息用于通知所述目标服饰对应的销售金额已从所述APP客户端的电子账户中扣除，请所述顾客带走所述目标服饰。

作为一种可选的实施方式，本发明实施例中，所述云端设备利用人像特征算法确定所述拍摄图像中是否包含人像，包括：

所述云端设备从模板数据库中读取出常见姿势模板；

所述云端设备根据所述拍摄图像中的地理场景从所述常见姿势模板中确定待用姿势模板；

所述云端设备根据所述待用姿势模板确定待用姿势的包络框；

所述云端设备利用所述包络框在拍摄图像中进行匹配，若匹配成功，则确定所述拍摄图像中包含人像。

作为一种可选的实施方式，本发明实施例中，所述云端设备根据所述拍摄图像中的地理场景从所述常见姿势模板中确定待用姿势模板，包括：

所述云端设备对所述拍摄图像对应的图像焦平面的地理场景进行识别；

若识别出所述图像焦平面的地理场景为路面，则所述云端设备从所述常见姿势模板中确定站立姿势和下蹲姿势为待用姿势模板；

或者，若识别出所述图像焦平面的地理场景为栏杆，则所述云端设备从所述常见姿势模板中确定站立姿势和依靠姿势为待用姿势模板；

或者，若识别出所述图像焦平面的地理场景为椅子，则所述云端设备从所述常见姿势模板中确定站立姿势和坐下姿势为待用姿势模板。

作为一种可选的实施方式，本发明实施例中，所述人像属性算法是基于多个样本人像图像以及所述多个样本人像图像的多个属性信息的识别结果按照属性信息的不同类型进行训练得到；其中，所述属性信息包括年龄、性别以及身高。

作为一种可选的实施方式，本发明实施例中，所述人像属性算法通过以下方式训练得到，即：

所述云端设备读取预先录入的样本人像数据，每个样本人像数据中包含样本人像图像以及样本人像图像的多个属性信息；

所述云端设备从所述样本人像图像中提取人像特征；

所述云端设备根据初始模型中的不同属性信息对应的子模型对每个样本人像图像的人像特征进行前向计算，得到每个样本人像图像的多个属性信息的预测值；

所述云端设备根据所述预测值与属性信息的值，按照属性信息的不同类型计算得到所述多个属性信息的损耗；

所述云端设备将所述多个属性信息的损耗求和，得到所述多个属性信息的总损耗；

所述云端设备对所述初始模型中的不同属性信息对应的子模型的参数进行调整，直到调整后的参数使得所述多个属性信息的总损耗小于或等于预设阈值时，停止调整得到所述人像属性算法。

作为一种可选的实施方式，本发明实施例中，所述云端设备根据所述预测值与属性信息的值，按照属性信息的不同类型计算得到所述多个属性信息的损耗，包括：

所述云端设备对于所述多个属性信息中每一个属性信息，若所述属性信息为回归属性，按照如下公式对所述属性信息的预测值和属性信息的值进行计算，得到所述属性信息的损耗：

其中，m表示所述属性信息在多个属性信息中的编号，

表示初始模型计算得到的预测值，

表示所述属性信息的值，i表示回归维度，j表示回归维度的标，L表示所述属性信息对应的损耗。

作为一种可选的实施方式，本发明实施例中，所述云端设备根据所述预测值与属性信息的值，按照属性信息的不同类型计算得到所述多个属性信息的损耗，包括：

所述云端设备对于所述多个属性信息中每一个属性信息，若所述属性信息不为回归属性，按照如下公式对所述属性信息的预测向量和属性信息向量进行计算，得到所述属性信息的损耗：

其中，m表示所述属性信息在多个属性信息中的编号，x表示所述属性信息的值，z表示初始模型计算得到的预测值，d表示所述属性信息的识别结果数目，h表示所述属性信息的识别结果的标识，L表示所述属性信息对应的损耗。

作为一种可选的实施方式，本发明实施例中，所述开门编码图像为开门二维码，所述与所述人像的属性信息相适配的至少一种服饰是指与所述人像的属性信息相适配的、热门度超过指定阈值的至少一种服饰。

本发明实施例中，当顾客利用APP客户端扫描无人服饰店的开门编码图像时，可以控制拍摄设备对顾客进行拍摄，以获得拍摄图像；在无人服饰店的开门后，云端设备可以先利用人像特征算法确定拍摄图像包括的顾客的人像，再利用人像属性算法对该人像进行前向计算，得到该人像的属性信息(如年龄、性别以及身高)，并从无人服饰店对应的在售服饰数据库中查询出与人像的属性信息相适配的至少一种服饰推荐给APP客户端，从而有利于提升无人服饰店的成交率。此外，与现有技术中基于人脸检测来判断图像中是否存在人像的方式相比较，本发明实施例可以更加准确的检测出拍摄图像中是否存在人像，从而可以提高人像检测的准确度。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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他的附图。

图1为本发明实施例公开的一种应用于无人服饰店的产品推荐方法的流程示意图；

图2为本发明实施例公开的另一种应用于无人服饰店的产品推荐方法的流程示意图；

图3为本发明实施例公开的另一种应用于无人服饰店的产品推荐方法的流程示意图。

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做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。

需要说明的是，本发明实施例的术语“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。

本发明实施例公开一种应用于无人服饰店的产品推荐方法，有利于提升无人服饰店的成交率。以下进行结合附图进行详细描述。

请参阅图1，图1为本发明实施例公开的一种应用于无人服饰店的产品推荐方法的流程示意图。如图1所示，该应用于无人服饰店的产品推荐方法可以包括以下步骤：

101、当顾客利用APP客户端扫描无人服饰店的开门编码图像时，控制拍摄设备对该顾客进行拍摄，以获得拍摄图像。

102、在无人服饰店的开门后，将拍摄图像以及无人服饰店的唯一店铺标识上传至云端设备。

103、云端设备利用人像特征算法确定拍摄图像中是否包含人像；若拍摄图像中包含人像，云端设备利用人像属性算法对该人像进行前向计算，得到该人像的属性信息。

本发明实施例中，该人像的属性信息可以包括年龄、性别以及身高。

104、云端设备以无人服饰店的唯一店铺标识为依据，从无人服饰店对应的在售服饰数据库中查询出与该人像的属性信息相适配的至少一种服饰。

105、云端设备向APP客户端推送查询出的与该人像的属性信息相适配的至少一种服饰。

本发明实施例中，上述的开门编码图像可以为开门二维码，与该人像的属性信息相适配的至少一种服饰可以是与该人像的属性信息相适配的、热门度超过指定阈值的至少一种服饰，从而可以实现向顾客推荐与其属性信息相匹配的热门的服饰，提高顾客在无人服饰店的购物体验。

在图1所描述的产品推荐方法中，当顾客利用APP客户端扫描无人服饰店的开门编码图像时，可以控制拍摄设备对顾客进行拍摄，以获得拍摄图像；在无人服饰店的开门后，云端设备可以先利用人像特征算法确定拍摄图像包括的顾客的人像，再利用人像属性算法对该人像进行前向计算，得到该人像的属性信息(如年龄、性别以及身高)，并从无人服饰店对应的在售服饰数据库中查询出与人像的属性信息相适配的至少一种服饰推荐给APP客户端，从而有利于提升无人服饰店的成交率。此外，与现有技术中基于人脸检测来判断图像中是否存在人像的方式相比较，图1所描述的产品推荐方法可以更加准确的检测出拍摄图像中是否存在人像，从而可以提高人像检测的准确度。

请参阅图2，图2为本发明实施例公开的一种应用于无人服饰店的产品推荐方法的流程示意图。如图2所示，该应用于无人服饰店的产品推荐方法可以包括以下步骤：

201、当顾客利用APP客户端扫描无人服饰店的开门编码图像时，控制拍摄设备对该顾客进行拍摄，以获得拍摄图像。

202、在无人服饰店的开门后，将拍摄图像以及无人服饰店的唯一店铺标识上传至云端设备。

203、云端设备利用人像特征算法确定拍摄图像中是否包含人像；若拍摄图像中包含人像，云端设备利用人像属性算法对该人像进行前向计算，得到该人像的属性信息。

作为一种可选的实施方式，在上述步骤203中，云端设备利用人像特征算法确定拍摄图像中是否包含人像，可以包括：

云端设备从模板数据库中读取出常见姿势模板；

云端设备根据拍摄图像中的地理场景从常见姿势模板中确定待用姿势模板；

云端设备根据待用姿势模板确定待用姿势的包络框；

云端设备利用包络框在拍摄图像中进行匹配，若匹配成功，则确定拍摄图像中包含人像。

其中，上述实施方式与现有技术中基于人脸检测来判断图像中是否存在人像的方式相比较，可以更加准确的检测出拍摄图像中是否存在人像，从而可以提高人像检测的准确度。

作为一种可选的实施方式，云端设备根据拍摄图像中的地理场景从常见姿势模板中确定待用姿势模板，可以包括：

云端设备对拍摄图像对应的图像焦平面的地理场景进行识别；

若识别出图像焦平面的地理场景为路面，则云端设备从常见姿势模板中确定站立姿势和下蹲姿势为待用姿势模板；

或者，若识别出图像焦平面的地理场景为栏杆，则云端设备从常见姿势模板中确定站立姿势和依靠姿势为待用姿势模板；

或者，若识别出图像焦平面的地理场景为椅子，则云端设备从常见姿势模板中确定站立姿势和坐下姿势为待用姿势模板。

本发明实施例中，该人像属性算法是基于多个样本人像图像以及多个样本人像图像的多个属性信息的识别结果按照属性信息的不同类型进行训练得到；其中，属性信息包括年龄、性别以及身高。

作为一种可选的实施方式，上述的人像属性算法通过以下方式训练得到，即：

云端设备读取预先录入的样本人像数据，每个样本人像数据中包含样本人像图像以及样本人像图像的多个属性信息；

云端设备从所述样本人像图像中提取人像特征；

云端设备根据初始模型中的不同属性信息对应的子模型对每个样本人像图像的人像特征进行前向计算，得到每个样本人像图像的多个属性信息的预测值；

云端设备根据预测值与属性信息的值，按照属性信息的不同类型计算得到多个属性信息的损耗；

云端设备将多个属性信息的损耗求和，得到多个属性信息的总损耗；

云端设备对初始模型中的不同属性信息对应的子模型的参数进行调整，直到调整后的参数使得多个属性信息的总损耗小于或等于预设阈值时，停止调整得到人像属性算法。

作为一种可选的实施方式，云端设备根据预测值与属性信息的值，按照属性信息的不同类型计算得到多个属性信息的损耗，可以包括：

云端设备对于多个属性信息中每一个属性信息，若该属性信息为回归属性，按照如下公式对该属性信息的预测值和属性信息的值进行计算，得到该属性信息的损耗：

其中，m表示该属性信息在多个属性信息中的编号，

表示初始模型计算得到的预测值，

表示该属性信息的值，i表示回归维度，j表示回归维度的标，L表示该属性信息对应的损耗。

作为另一种可选的实施方式，云端设备根据预测值与属性信息的值，按照属性信息的不同类型计算得到多个属性信息的损耗，可以包括：

云端设备对于多个属性信息中每一个属性信息，若该属性信息不为回归属性，按照如下公式对该属性信息的预测向量和属性信息向量进行计算，得到该属性信息的损耗：

其中，m表示该属性信息在多个属性信息中的编号，x表示该属性信息的值，z表示初始模型计算得到的预测值，d表示该属性信息的识别结果数目，h表示该属性信息的识别结果的标识，L表示该属性信息对应的损耗。

204、云端设备以无人服饰店的唯一店铺标识为依据，从无人服饰店对应的在售服饰数据库中查询出与该人像的属性信息相适配的至少一种服饰。

205、云端设备向APP客户端推送查询出的与该人像的属性信息相适配的至少一种服饰。

206、云端设备检测APP客户端上报的顾客从上述的与该人像的属性信息相适配的至少一种服饰中选取的目标服饰。

本发明实施例中，云端设备检测APP客户端上报的顾客从上述的与该人像的属性信息相适配的至少一种服饰中选取的目标服饰之后，以及执行步骤206之前，可以先执行以下步骤，即：

云端设备可以根据该人像的属性信息，调用与该人像的属性信息相匹配的虚拟人体模型，并将由所述目标服饰数字化所形成的虚拟服饰加载至虚拟人体模型；

云端设备将已加载由所述目标服饰数字化所形成的虚拟服饰的虚拟人体模型推送至APP客户端，并向APP客户端推送询问信息，该询问信息用于询问是否购买该目标服饰，如果APP客户端反馈确认购买该目标服饰，执行步骤207，从而可以提高顾客在无人服饰店中购买到合适自身的属性信息的服饰的概率。

207、云端设备向APP客户端推送目标服饰在无人服饰店中的摆放位置。

其中，实施图2所描述的方法，有利于提升无人服饰店的成交率。此外，与现有技术中基于人脸检测来判断图像中是否存在人像的方式相比较，图2所描述的产品推荐方法可以更加准确的检测出拍摄图像中是否存在人像，从而可以提高人像检测的准确度。

请参阅图3，图3为本发明实施例公开的另一种应用于无人服饰店的产品推荐方法的流程示意图。如图3所示，该应用于无人服饰店的产品推荐方法可以包括以下步骤：

301、当顾客利用APP客户端扫描无人服饰店的开门编码图像时，控制拍摄设备对该顾客进行拍摄，以获得拍摄图像。

302、在无人服饰店的开门后，将拍摄图像以及无人服饰店的唯一店铺标识上传至云端设备。

303、云端设备利用人像特征算法确定拍摄图像中是否包含人像；若拍摄图像中包含人像，云端设备利用人像属性算法对该人像进行前向计算，得到该人像的属性信息。

304、云端设备以无人服饰店的唯一店铺标识为依据，从无人服饰店对应的在售服饰数据库中查询出与该人像的属性信息相适配的至少一种服饰。

305、云端设备向APP客户端推送查询出的与该人像的属性信息相适配的至少一种服饰。

306、云端设备检测APP客户端上报的顾客从上述的与该人像的属性信息相适配的至少一种服饰中选取的目标服饰。

307、云端设备向APP客户端推送目标服饰在无人服饰店中的摆放位置。

308、云端设备检测APP客户端上报的该顾客针对目标服饰的购买指令。

作为一种可选的实施方式，云端设备在执行步骤308之后，以及在执行步骤309之前，还可以执行以下步骤，即：

云端设备通知APP客户端采集顾客的人脸图像；

云端设备检测APP客户端上报的该顾客的人脸图像；

云端设备根据该顾客的人脸图像的色彩信息，对该顾客的人脸图像进行二值化处理，将二值化处理后的该顾客的人脸图像分成多个像素块，并对每个像素块内所有像素对应的像素值进行或运算，得到每个像素块的或运算结果组成该顾客的人脸图像的下采样图片；将得到的下采样图片划分为多个像素区域，通过对每个像素区域中所有像素点的或运算结果求和，获得组成该顾客的人脸图像的每个像素区域的特征信息；根据该顾客的人脸图像的每个像素区域的特征信息判断该顾客的人脸图像与云端设备预先存储的该APP客户端的合法用户的人脸图像是否相匹配，若匹配，执行步骤309-步骤310；

若不相匹配，云端设备通知APP客户端采集顾客的耳道孔模型，APP客户端可以向该顾客的无线耳机发送校验用户身份指令，以触发无线耳机发出验证声音，并且由无线耳机通过麦克风收集验证声音经过耳道反射回来的反射声并传递给APP客户端，由APP客户端根据无线耳机传递的反射声的信号特征为基础辨识出该耳道的耳道孔模型，并上报给云端设备；

云端设备识别该耳道的耳道孔模型是否与云端设备预先存储的该APP客户端的合法用户的耳道孔模型相匹配，如果相匹配，执行步骤309-步骤310，从而可以提高APP客户端的电子账户的安全性。

309、云端设备响应目标服饰的购买指令，从APP客户端的电子账户中扣除目标服饰对应的销售金额，并将扣除的目标服饰对应的销售金额增加至无人服饰店的电子账户中。

310、云端设备向APP客户端推送通知消息，该通知消息用于通知目标服饰对应的销售金额已从APP客户端的电子账户中扣除，请顾客带走目标服饰。

其中，实施图3所描述的方法，有利于提升无人服饰店的成交率。此外，与现有技术中基于人脸检测来判断图像中是否存在人像的方式相比较，图3所描述的产品推荐方法可以更加准确的检测出拍摄图像中是否存在人像，从而可以提高人像检测的准确度。

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，存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。

以上对本发明实施例公开的一种应用于无人服饰店的产品推荐方法进行了详细介绍，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 (9)

1.一种应用于无人服饰店的产品推荐方法，其特征在于，所述方法包括：

当顾客利用APP客户端扫描所述无人服饰店的开门编码图像时，控制拍摄设备对所述顾客进行拍摄，以获得拍摄图像；

在所述无人服饰店开门后，将所述拍摄图像以及所述无人服饰店的唯一店铺标识上传至云端设备；

所述云端设备利用人像特征算法确定所述拍摄图像中是否包含人像；若所述拍摄图像中包含人像，所述云端设备利用人像属性算法对所述人像进行前向计算，得到所述人像的属性信息；

所述云端设备以所述无人服饰店的唯一店铺标识为依据，从所述无人服饰店对应的在售服饰数据库中查询出与所述人像的属性信息相适配的至少一种服饰；

所述云端设备向所述APP客户端推送查询出的所述与所述人像的属性信息相适配的至少一种服饰；

所述云端设备利用人像特征算法确定所述拍摄图像中是否包含人像，包括：

所述云端设备从模板数据库中读取出常见姿势模板；

所述云端设备根据所述拍摄图像中的地理场景从所述常见姿势模板中确定待用姿势模板；

所述云端设备根据所述待用姿势模板确定待用姿势的包络框；

所述云端设备利用所述包络框在拍摄图像中进行匹配，若匹配成功，则确定所述拍摄图像中包含人像。

2.根据权利要求1所述的产品推荐方法，其特征在于，所述云端设备向所述APP客户端推送查询出的所述与所述人像的属性信息相适配的至少一种服饰之后，所述方法还包括：

所述云端设备检测所述APP客户端上报的顾客从所述与所述人像的属性信息相适配的至少一种服饰中选取的目标服饰；

所述云端设备向所述APP客户端推送所述目标服饰在所述无人服饰店中的摆放位置。

3.根据权利要求2所述的产品推荐方法，其特征在于，所述云端设备向所述APP客户端推送所述目标服饰在所述无人服饰店中的摆放位置之后，所述方法还包括：

所述云端设备检测所述APP客户端上报的所述顾客针对所述目标服饰的购买指令；

所述云端设备响应所述目标服饰的购买指令，从所述APP客户端的电子账户中扣除所述目标服饰对应的销售金额，并将扣除的所述目标服饰对应的销售金额增加至所述无人服饰店的电子账户中；

所述云端设备向所述APP客户端推送通知消息，所述通知消息用于通知所述目标服饰对应的销售金额已从所述APP客户端的电子账户中扣除，请所述顾客带走所述目标服饰。

4.根据权利要求1所述的产品推荐方法，其特征在于，所述云端设备根据所述拍摄图像中的地理场景从所述常见姿势模板中确定待用姿势模板，包括：

所述云端设备对所述拍摄图像对应的图像焦平面的地理场景进行识别；

若识别出所述图像焦平面的地理场景为路面，则所述云端设备从所述常见姿势模板中确定站立姿势和下蹲姿势为待用姿势模板；

或者，若识别出所述图像焦平面的地理场景为栏杆，则所述云端设备从所述常见姿势模板中确定站立姿势和倚靠姿势为待用姿势模板；

或者，若识别出所述图像焦平面的地理场景为椅子，则所述云端设备从所述常见姿势模板中确定站立姿势和坐下姿势为待用姿势模板。

5.根据权利要求1-4任一项所述的产品推荐方法，其特征在于，所述人像属性算法是基于多个样本人像图像以及所述多个样本人像图像的多个属性信息的识别结果按照属性信息的不同类型进行训练得到；其中，所述属性信息包括年龄、性别以及身高。

6.根据权利要求5所述的产品推荐方法，其特征在于，所述人像属性算法通过以下方式训练得到，即：

所述云端设备读取预先录入的样本人像数据，每个样本人像数据中包含样本人像图像以及样本人像图像的多个属性信息；

所述云端设备从所述样本人像图像中提取人像特征；

所述云端设备根据初始模型中的不同属性信息对应的子模型对每个样本人像图像的人像特征进行前向计算，得到每个样本人像图像的多个属性信息的预测值；

所述云端设备根据所述预测值与属性信息的值，按照属性信息的不同类型计算得到所述多个属性信息的损耗；

所述云端设备将所述多个属性信息的损耗求和，得到所述多个属性信息的总损耗；

所述云端设备对所述初始模型中的不同属性信息对应的子模型的参数进行调整，直到调整后的参数使得所述多个属性信息的总损耗小于或等于预设阈值时，停止调整得到所述人像属性算法。

7.根据权利要求6所述的产品推荐方法，其特征在于，所述云端设备根据所述预测值与属性信息的值，按照属性信息的不同类型计算得到所述多个属性信息的损耗，包括：

所述云端设备对于所述多个属性信息中每一个属性信息，若所述属性信息为回归属性，按照如下公式对所述属性信息的预测值和属性信息的值进行计算，得到所述属性信息的损耗：

其中，m表示所述属性信息在多个属性信息中的编号，

表示初始模型计算得到的预测值，

表示所述属性信息的值，i表示回归维度，j表示回归维度的标，L表示所述属性信息对应的损耗。

8.根据权利要求6所述的产品推荐方法，其特征在于，所述云端设备根据所述预测值与属性信息的值，按照属性信息的不同类型计算得到所述多个属性信息的损耗，包括：

所述云端设备对于所述多个属性信息中每一个属性信息，若所述属性信息不为回归属性，按照如下公式对所述属性信息的预测向量和属性信息向量进行计算，得到所述属性信息的损耗：

其中，m表示所述属性信息在多个属性信息中的编号，x表示所述属性信息的值，z表示初始模型计算得到的预测值，d表示所述属性信息的识别结果数目，h表示所述属性信息的识别结果的标识，L表示所述属性信息对应的损耗。

9.根据权利要求1-4任一项所述的产品推荐方法，其特征在于，所述开门编码图像为开门二维码，所述与所述人像的属性信息相适配的至少一种服饰是指与所述人像的属性信息相适配的、热门度超过指定阈值的至少一种服饰。

Images