CN108734557A - 用于生成服饰推荐信息的方法、装置和系统 - Google Patents

Abstract

本申请实施例公开了用于生成服饰推荐信息的方法、装置和系统。该方法的一具体实施方式包括：接收用户的推荐请求，其中，推荐请求包括用户的基本信息、服装风格和设定的约束信息；根据用户的基本信息和服装风格，在预先存储的服饰数据集合中选取出服饰数据，作为候选服饰数据，其中，服饰数据集合中包括新服饰的服饰数据和用户现有服饰的服饰数据；在候选服饰数据中选取出与设定的约束信息匹配的候选服饰数据，作为推荐服饰数据；根据推荐服饰数据，生成与推荐请求对应的服饰推荐信息，以及将服饰推荐信息发送给用户。该实施方式可以实现生成富于针对性的服饰推荐信息，使得推荐的服饰更加符合用户需求。

Description

用于生成服饰推荐信息的方法、装置和系统

技术领域

本申请实施例涉及计算机技术领域，具体涉及用于生成服饰推荐信息的方法、装置和系统。

背景技术

随着互联网技术的快速发展，越来越多的人们开始选择网上购物。与传统购物方式(即实体店购物)相比，网上购物能够使人们在短时间内挑选到多种物品，可以大大地缩短购物时间。但在网上购物，人们往往只能看到物品的图片、视频，尤其是服装。由于每个人的体型不同，所以对于同一件服装，通常很难达到模特的穿着效果。这就会导致产生很多退换货的情况。

针对这种情况，目前也出现了很多服饰推荐方法。这些服饰推荐方法可以向用户推荐服饰。而所推荐的服饰一般都是用户当前没有的服饰，不能较好地利用用户已有的服饰。

发明内容

本申请实施例提出了用于控制家居设备的方法、装置和系统。

第一方面，本申请实施例提出了一种用于生成服饰推荐信息的方法，包括：接收用户的推荐请求，其中，推荐请求包括用户的基本信息、服装风格和设定的约束信息；根据用户的基本信息和服装风格，在预先存储的服饰数据集合中选取出服饰数据，作为候选服饰数据，其中，服饰数据集合中包括新服饰的服饰数据和用户现有服饰的服饰数据；在候选服饰数据中选取出与设定的约束信息匹配的候选服饰数据，作为推荐服饰数据；根据推荐服饰数据，生成与推荐请求对应的服饰推荐信息，以及将服饰推荐信息发送给用户。

在一些实施例中，根据用户的基本信息和服装风格，在预先存储的服饰数据集合中选取出服饰数据，作为候选服饰数据，包括：将用户的基本信息和服装风格以及服饰数据集合中的服饰数据输入预先训练的推荐模型中，将推荐模型输出的服饰数据作为候选服饰数据，其中，推荐模型用于根据用户的基本信息和服装风格向用户推荐服饰。

在一些实施例中，约束信息包括出席场合和地址；以及在候选服饰数据中选取出与设定的约束信息匹配的候选服饰数据，作为推荐服饰数据，包括：获取地址所在位置区域的天气信息；根据出席场合和天气信息，对候选服饰数据中的候选服装数据进行筛选，将筛选出的候选服装数据作为推荐服装数据；在服饰数据集合中，选取出与推荐服装数据所指示的服装进行搭配的服饰数据，作为搭配服饰数据；以及将推荐服装数据和搭配服饰数据作为推荐服饰数据。

在一些实施例中，约束信息包括用户输入的目标服饰信息；以及在候选服饰数据中选取出与设定的约束信息匹配的候选服饰数据，作为推荐服饰数据，包括：在候选服饰数据中，选取出与目标服饰信息所指示的服饰进行搭配的候选服饰数据，作为推荐服饰数据。

在一些实施例中，该方法还包括：接收用户的评测请求，其中，评测请求包括用户身穿搭配服饰的全身人像，或者用户输入的外形特征数据以及搭配服饰图像；对全身人像进行分析，提取用户的外形特征数据和搭配服饰的特征数据；或者对搭配服饰图像进行分析，提取搭配服饰的特征数据；将用户的外形特征数据和搭配服饰的特征数据输入预先训练的评测模型中，得到搭配服饰的评测结果，以及将评测结果发送给用户，其中，评测模型用于评测用户与搭配服饰间的匹配度。

在一些实施例中，评测模型通过以下训练步骤获得：获取样本用户的外型特征数据、样本搭配服饰的特征数据以及目标数目个评价用户对样本图像的评分，其中，样本图像为样本用户身穿样本搭配服饰的图像；对目标数目个评分进行统计分析，得到样本图像的评分正态分布函数；将样本用户的外形特征数据和样本搭配服饰的特征数据作为输入，将评分正态分布函数的均值和方差作为输出，训练得到评测模型。

第二方面，本申请实施例提出了一种用于生成服饰推荐信息的装置，包括：第一接收单元，被配置成接收用户的推荐请求，其中，推荐请求包括用户的基本信息、服装风格和设定的约束信息；第一选取单元，被配置成根据用户的基本信息和服装风格，在预先存储的服饰数据集合中选取出服饰数据，作为候选服饰数据，其中，服饰数据集合中包括新服饰的服饰数据和用户现有服饰的服饰数据；第二选取单元，被配置成在候选服饰数据中选取出与设定的约束信息匹配的候选服饰数据，作为推荐服饰数据；生成单元，被配置成根据推荐服饰数据，生成与推荐请求对应的服饰推荐信息，以及将服饰推荐信息发送给用户。

在一些实施例中，第一选取单元进一步被配置成：将用户的基本信息和服装风格以及服饰数据集合中的服饰数据输入预先训练的推荐模型中，将推荐模型输出的服饰数据作为候选服饰数据，其中，推荐模型用于根据用户的基本信息和服装风格向用户推荐服饰。

在一些实施例中，约束信息包括出席场合和地址；以及第二选取单元进一步被配置成：获取地址所在位置区域的天气信息；根据出席场合和天气信息，对候选服饰数据中的候选服装数据进行筛选，将筛选出的候选服装数据作为推荐服装数据；在服饰数据集合中，选取出与推荐服装数据所指示的服装进行搭配的服饰数据，作为搭配服饰数据；以及将推荐服装数据和搭配服饰数据作为推荐服饰数据。

在一些实施例中，约束信息包括用户输入的目标服饰信息；以及第二选取单元进一步被配置成：在候选服饰数据中，选取出与目标服饰信息所指示的服饰进行搭配的候选服饰数据，作为推荐服饰数据。

在一些实施例中，该装置还包括：第二接收单元，被配置成接收用户的评测请求，其中，评测请求包括用户身穿搭配服饰的全身人像，或者用户输入的外形特征数据以及搭配服饰图像；提取单元，被配置成对全身人像进行分析，提取用户的外形特征数据和搭配服饰的特征数据；或者对搭配服饰图像进行分析，提取搭配服饰的特征数据；评测单元，被配置成将用户的外形特征数据和搭配服饰的特征数据输入预先训练的评测模型中，得到搭配服饰的评测结果，以及将评测结果发送给用户，其中，评测模型用于评测用户与搭配服饰间的匹配度。

在一些实施例中，该装置还包括训练单元，被配置成：获取样本用户的外型特征数据、样本搭配服饰的特征数据以及目标数目个评价用户对样本图像的评分，其中，样本图像为样本用户身穿样本搭配服饰的图像；对目标数目个评分进行统计分析，得到样本图像的评分正态分布函数；将样本用户的外形特征数据和样本搭配服饰的特征数据作为输入，将评分正态分布函数的均值和方差作为输出，训练得到评测模型。

第三方面，本申请实施例提出了一种用于生成服饰推荐信息的系统，包括终端和服务器；终端，被配置成获取用户的推荐请求，其中，推荐请求包括用户的基本信息、服装风格和设定的约束信息；将推荐请求发送至服务器；以及将服务器发送的与推荐请求对应的服饰推荐信息呈现给用户；服务器，被配置成根据用户的基本信息和服装风格，在预先存储的服饰数据集合中选取出服饰数据，作为候选服饰数据，其中，服饰数据集合中包括新服饰的服饰数据和用户现有服饰的服饰数据；在候选服饰数据中选取出与设定的约束信息匹配的候选服饰数据，作为推荐服饰数据；根据推荐服饰数据，生成与推荐请求对应的服饰推荐信息，以及将服饰推荐信息发送至终端。

在一些实施例中，根据用户的基本信息和服装风格，在预先存储的服饰数据集合中选取出服饰数据，作为候选服饰数据，包括：将用户的基本信息和服装风格以及服饰数据集合中的服饰数据输入预先训练的推荐模型中，将推荐模型输出的服饰数据作为候选服饰数据，其中，推荐模型用于根据用户的基本信息和服装风格向用户推荐服饰。

在一些实施例中，推荐模型通过以下训练步骤获得：获取样本用户的基本信息和服装风格以及样本服饰数据，其中，样本服饰数据包括适合样本用户的正样本服饰数据以及不适合样本用户的负样本服饰数据；将样本用户的基本信息和服装风格以及样本服饰数据作为输入，将正样本服饰数据作为输出，训练得到推荐模型。

在一些实施例中，约束信息包括出席场合和地址；以及在候选服饰数据中选取出与设定的约束信息匹配的候选服饰数据，作为推荐服饰数据，包括：获取地址所在区域的天气信息；根据出席场合和天气信息，对候选服饰数据中的候选服装数据进行筛选，将筛选出的候选服装数据作为推荐服装数据；在服饰数据集合中，选取出与推荐服装数据所指示的服装进行搭配的服饰数据，作为搭配服饰数据；将推荐服装数据和搭配服饰数据作为推荐服饰数据。

在一些实施例中，约束信息包括用户输入的目标服饰信息；以及在候选服饰数据中选取出与设定的约束信息匹配的候选服饰数据，作为推荐服饰数据，包括：在候选服饰数据中，选取出与目标服饰信息所指示的服饰进行搭配的候选服饰数据，作为推荐服饰数据。

在一些实施例中，服饰数据集合通过以下至少一项生成步骤得到：从服饰类的大数据集合中获取服饰数据；或对获取的服饰图像进行分析，提取服饰数据；或对包含服饰信息的链接地址所指示的页面进行分析，获取服饰数据；对服饰数据进行存储，生成服饰数据集合。

在一些实施例中，终端还被配置成：获取用户的评测请求，其中，评测请求包括用户身穿搭配服饰的全身人像，或者用户输入的外形特征数据以及搭配服饰图像；将评测请求发送至服务器；以及将服务器发送的与评测请求对应的评测结果呈现给用户；以及服务器还被配置成：对全身人像进行分析，提取用户的外形特征数据和搭配服饰的特征数据；或者对搭配服饰图像进行分析，提取搭配服饰的特征数据；将用户的外形特征数据和搭配服饰的特征数据输入预先训练的评测模型中，得到搭配服饰的评测结果，其中，评测模型用于评测用户与搭配服饰间的匹配度；将评测结果发送至终端。

在一些实施例中，评测模型通过以下训练步骤获得：获取样本用户的外型特征数据、样本搭配服饰的特征数据以及目标数目个评价用户对样本图像的评分，其中，样本图像为样本用户身穿样本搭配服饰的图像；对目标数目个评分进行统计分析，得到样本图像的评分正态分布函数；将样本用户的外形特征数据和样本搭配服饰的特征数据作为输入，将评分正态分布函数的均值和方差作为输出，训练得到评测模型。

在一些实施例中，该系统还包括智能照相机；智能照相机设置有控制电路、麦克风、按键、无线通信部件、扬声器、指示灯、摄像头和闪光灯，其中，无线通信部件被配置成将智能照相机与终端通信连接，摄像头的最大采集距离不小于1米；智能照相机被配置成通过麦克风、按键或无线通信部件中的至少一种获取用户指令；根据获取的用户指令，通过摄像头采集图像；以及将采集的图像发送至终端。

第四方面，本申请实施例提出了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上述第一方面中任一实施例所描述的方法。

第五方面，本申请实施例提出了一种计算机可读介质，其上存储有计算机程序，其中，该计算机程序被处理器执行时实现如上述第一方面中任一实施例所描述的方法。

本申请实施例提出的用于生成服饰推荐信息的方法、装置和系统，通过接收用户的推荐请求，从而可以根据用户的基本信息和服装风格，在预先存储的服饰数据集合中选取出服饰数据，作为候选服饰数据。其中，推荐请求可以包括用户的基本信息、服装风格和设定的约束信息。这里的服饰数据集合中可以包括新服饰(即用户没有的服饰)的服饰数据和用户现有服饰的服饰数据。接着，可以在候选服饰数据中选取出与设定的约束信息匹配的候选服饰数据，作为推荐服饰数据。之后，可以根据推荐服饰数据，生成与推荐请求对应的服饰推荐信息，并可以将服饰推荐信息发送给用户。这样有助于生成富于针对性的服饰推荐信息，从而可以使得推荐的服饰更加符合用户需求，有利于提高用户体验。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的用于生成服饰推荐信息的方法的一个实施例的流程图；

图3是根据本申请的用于生成服饰推荐信息的方法的又一个实施例的流程图；

图4是根据本申请的用于生成服饰推荐信息的装置的一个实施例的结构示意图；

图5是根据本申请的用于生成服饰推荐信息的系统的一个实施例的时序图；

图6是根据本申请的用于生成服饰推荐信息的系统的又一个实施例的时序图；

图7是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

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。

图1示出了可以应用本申请实施例的用于生成服饰推荐信息的方法、装置或系统的示例性系统架构100。

如图1所示，系统架构100可以包括终端101、102，网络103、105，照相机104和服务器106。网络103可以用以在终端101、102与照相机104之间提供通信链路的介质。网络105可以用以在终端101、102与服务器106之间提供通信链路的介质。网络103、105可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端101、102通过网络105与服务器106进行交互，以接收或发送消息等。终端101、102上可以安装有各种客户端应用，例如服饰推荐类应用、服饰评价类应用、照相机APP(Application，第三方应用程序)、网页浏览器和即时通讯工具等。

这里的终端101、102可以是硬件，也可以是软件。当终端101、102为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、膝上型便携计算机和台式计算机等等。当终端101、102为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

照相机104可以具有图像采集功能的各种照相机。照相机104可以通过网络103，将其采集的图像发送给终端101、102。

服务器106可以是提供各种服务的服务器，例如可以是对终端101、102上安装的各种应用提供支持的后台服务器。后台服务器可以接收用户使用终端101、102发送的推荐请求；并可以从云服务器上的服饰类大数据集合中获取服饰数据，以更新其上存储的服饰数据集合。后台服务器可以对这些数据进行分析处理，并可以将处理结果(如服饰推荐信息)发送给终端101、102。

这里的服务器106可以是硬件，也可以是软件。当服务器106为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器106为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本申请实施例所提供的用于生成服饰推荐信息的方法一般由服务器106执行。相应地，用于生成服饰推荐信息的装置一般设置于服务器106中。

可以理解的是，当终端101、102上安装有摄像头的情况下，系统架构100中可以不设置照相机104。

应该理解，图1中的终端、网络、照相机以及服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端、网络、照相机以及服务器。

继续参见图2，其示出了根据本申请的用于生成服饰推荐信息的方法的一个实施例的流程200。该用于生成服饰推荐信息的方法可以包括以下步骤：

步骤201，接收用户的推荐请求。

在本实施例中，用于生成服饰推荐信息的方法的执行主体(例如图1所示的服务器106)可以通过有线连接方式或无线连接方式，来接收用户使用终端(例如图1所示的终端101、102)发送的推荐请求。其中，推荐请求可以包括用户的基本信息、服装风格和设定的约束信息。

在本实施例中，用户的基本信息可以是与服饰选择相关的个人信息，例如可以包括(但不限于)年龄、性别、职业、身高、肤色等等。服装风格一般是指服装在形式和内容方面所显示出来的价值取向、内在品格和艺术特色。服装风格通常可以包括(但不限于)瑞丽、百搭、淑女、日风、韩版、民族、欧美、学院、嘻哈、田园、波西米亚等等。服装风格可以体现出用户的穿衣喜好和习惯。约束信息可以是用户设定的与服饰选择相关的信息，例如约束信息可以是季节、服饰类型(如上衣、裤装、连衣裙等)。

在这里，终端可以通过多种方式来生成推荐请求。例如用户可以在其所使用的终端上安装第三方应用。并且可以在该应用上设置登录信息和用户信息等。其中，用户信息中可以包括基本信息和服装风格。用户还可以在该应用上设定约束信息。这样，终端在确定用户的登录请求验证通过的情况下，可以获取该用户的用户信息。并且可以根据接收到的用户设定的约束信息，生成该用户的推荐请求，从而将推荐请求发送给执行主体。这样一来，有助于提高信息的生成效率。

再例如，在用户未设置登录信息或者其他用户(非登录信息所指示的用户)使用终端的情况下，终端可以接收用户输入的基本信息、服装风格和设定的约束信息，从而生成该用户的推荐请求。同时，终端可以对用户输入的基本信息和服装风格进行存储，从而生成用户信息列表。在这里，用户输入信息的方式在本申请中并不限制，如可以包括语音输入、手动输入、选择输入等。

此外，用户可以对上述用户信息列表中的用户信息进行编辑(如添加、删除、修改等)。用户还可以通过在用户信息列表中选取用户信息的方式来输入基本信息和服装风格。这样可以提高用户使用的灵活性和便捷性。

在本实施例中，终端可以通过多种方式来确定用户的服装风格。例如，终端可以根据用户输入的用于描述穿衣喜好的关键字来确定服装风格。再例如，终端可以根据用户的职业来确定服装风格。作为示例，若用户的职业为人力资源主管，则可以确定其服装风格为通勤或职场套装。再者，终端还可以对用户的穿衣图像或订单信息进行分析，提取出服饰的属性特征。进而对这些属性特征进行聚类分析，从而确定用户的服装风格。

步骤202，根据用户的基本信息和服装风格，在预先存储的服饰数据集合中选取出服饰数据，作为候选服饰数据。

在本实施例中，执行主体可以根据用户的基本信息和服装风格，在预先存储的服饰数据集合中选取出服饰数据，作为候选服饰数据。其中，服饰数据集合中可以包括新服饰(即用户没有的服饰)的服饰数据和用户现有服饰的服饰数据。这里的服饰数据可以是用于描述服饰特征的数据。例如服饰数据可以包括属性特征数据(如服饰的款式类型、材质、花色、风格等)。这些数据可以由专业的时尚行业从业人员进行准确的描述，也可以由大数据统计得到。

再例如，服饰数据还可以包括服饰的图像特征数据。这些数据可以是人工标注的，也可以是执行主体将服饰图像输入已训练的深度学习网络中而得到的。作为示例，首先执行主体可以通过深度学习网络提取服饰图像的高维度的浮点特征；之后，可以采用注意力机制从中抽取出，以作为图像特征数据。在这里，可以将样本服饰图像作为输入，将样本服饰的图像特征数据作为输出，以训练深度学习网络。

进一步地，执行主体还可以利用深度学习网络对各服饰进行分类。例如可以基于triplet loss(一种损失函数)算法来缩短相似服饰的图像特征数据之间的距离。此时，执行主体可以利用正样本(即属于同类的样本服饰图像)和负样本(即属于异类的样本服饰图像)，对深度学习网络进行训练。

在本实施例中，执行主体可以采用多种方式来生成服饰数据集合。例如，执行主体可以从云服务器上存储的服饰类大数据集合中获取服饰数据。又例如，执行主体可以对终端发送的服饰图像进行分析(如在云服务器中查找到与该服饰图像相同或相似的服饰图像，或者将其输入上述深度学习网络)，从而得到服饰数据。这里的服饰图像可以是终端拍摄的，也可以是照相机(例如图1所示的照相机104)拍摄的。再例如，执行主体可以接收终端发送的包含服饰信息的链接地址，从而可以对链接地址所指示的页面进行分析，进而得到服饰数据。通过对得到的服饰数据进行存储，生成服饰数据集合。其中，服饰数据集合的存储位置在本申请中并不限制。

也就是说，执行主体可以通过搜索服饰或人工添加服饰的方式，来不断扩充更新服饰数据集合中的服饰数据，丰富了服饰的种类和数量。对于人工添加服饰的方式，用户可以采用拍照、输入服饰的链接地址等方式进行服饰的添加，尤其是添加用户已有(现有)服饰。这样，可以提高用户使用的便捷性。同时，可以使执行主体具有电子衣橱功能，这样用户还可以对现有服饰进行管理。

可以理解的是，通常情况下，服饰不仅可以包括服装(如上衣、裤子和裙子等)，还可以包括鞋、帽、袜子、手套、围巾、领带、提包、阳伞、发饰等。

在本实施例的一些可选地实现方式中，执行主体可以在服饰数据集合中选取出与用户的基本信息、服装风格相匹配的服饰数据。并可以将选取出的服饰数据作为候选服饰数据。如风格与服装风格相同或相近，款式类型符合用户身高，且花色适合用户肤色等。

可选地，为了使选取的候选服饰数据所指示的服饰更加符合用户需求，提高选取的准确度，执行主体可以将用户的基本信息和服装风格以及服饰数据集合中的服饰数据输入预先训练的推荐模型中。进而可以将推荐模型输出的服饰数据作为候选服饰数据。其中，推荐模型可以用于向用户推荐适合的服饰。需要说明的是，上述深度学习网络可以是推荐模型中的一部分；或者推荐模型可以是上述深度学习网络中的一部分；再或者两者也可以是相互独立的。

在这里，推荐模型可以通过以下训练步骤获得：首先，执行主体可以获取样本用户的基本信息和服装风格以及样本服饰数据。其中，样本服饰数据可以包括适合样本用户的正样本服饰数据以及不适合样本用户的负样本服饰数据。之后，执行主体可以将样本用户的基本信息和服装风格以及样本服饰数据作为输入，将正样本服饰数据作为输出，对初始模型进行训练，从而得到推荐模型。其中，初始模型可以是基于机器学习技术而创建的现有的各种学习模型，如支持向量机(Support Vector Machine，SVM)、迭代算法(Adaboost)或深度学习神经网络等。

在一些应用场景中，执行主体上可以预先存储有多种推荐模型。其中，不同的推荐模型对应不同的服饰类型。这样，执行主体可以将用户的基本信息和服装风格以及服饰数据集合中的服饰数据输入各推荐模型中，进而可以将各推荐模型输出的服饰数据作为候选服饰数据。或者，在约束信息中包括服饰类型的情况下，执行主体可以将用户的基本信息和服装风格以及服饰数据集合中的服饰数据，输入与约束信息中的服饰类型对应的推荐模型中。并可以将该推荐模型输出的服饰数据作为候选服饰数据。

步骤203，在候选服饰数据中选取出与设定的约束信息匹配的候选服饰数据，作为推荐服饰数据。

在本实施例中，执行主体可以在步骤202的候选服饰数据中，继续选取出与设定的约束信息匹配的候选服饰数据。并可以将选取出的候选服饰数据作为推荐服饰数据。可以理解的是，推荐服饰数据所指示的服饰中既可以包括新服饰，也可以包括用户的现有服饰。

在本实施例的一些可选地实现方式中，约束信息可以包括出席场合和地址。其中，地址的表述方式在本申请中并不限制，如可以是建筑物名、经纬度坐标或通信地址等。在这里，用户可以手动输入地址，也可以通过地图选址实现地址输入。

此时，执行主体首先可以获取地址所在位置区域的天气信息；之后，可以根据出席场合和天气信息，对候选服饰数据中的候选服装数据进行筛选，将筛选出的候选服装数据作为推荐服饰数据。或者进一步地，执行主体将筛选出的候选服装数据作为推荐服装数据；接着，可以在服饰数据集合中，选取出与推荐服装数据所指示的服装进行搭配的服饰数据，作为搭配服饰数据；最后，可以将推荐服装数据和搭配服饰数据作为推荐服饰数据。

例如出席场合可以是户外运动(如登山)，地址可以是A山。这样可以获取到A山的天气信息(如晴，18-28℃，东北风2级)。从而筛选出夏季运动裤和T恤作为推荐服装。同时，可以依据大数据或预设的搭配算法选取出夏季运动鞋、鸭舌帽或皮肤衣等搭配服饰。从而可以将推荐服装和搭配服饰的服饰数据作为推荐服饰数据。这里的搭配算法可以根据实际情况设置，例如可以统计大量用户的穿衣搭配数据，并根据普遍(常见)的穿衣搭配数据来构建搭配算法。

可以理解的是，与候选服饰数据相比，服饰数据集合中所包含的服饰的数量更多，种类更丰富。因此，在整个服饰数据集合中选取搭配的服饰数据，有助于提高推荐服装数据所指示的服装的整体搭配效果。然而，为了使整体搭配更加符合用户需求，执行主体也可以在候选服饰数据中，选取出与推荐服装数据所指示的服装进行搭配的候选服饰数据，作为搭配服饰数据。这样还有利于提高信息的处理效率。

需要说明的是，约束信息中还可以包括出行时间。这样执行主体可以获取地址所在位置区域在对应出行时间的一段时长内的天气信息。在没有出行时间的情况下，执行主体可以获取地址所在位置区域在预设时长内的天气信息。其中，预设时长可以根据实际情况设置，如当日、未来两天等。

可选地，约束信息还可以包括用户输入的目标服饰信息。其中，目标服饰可以是任意服饰，其可以是新服饰，也可以是用户的现有服饰。目标服饰信息可以用于描述目标服饰，如可以是目标服饰标识(用于唯一表示目标服饰)、图像或链接地址等。此时，执行主体也可以依据大数据或预设的搭配算法等方式，在候选服饰数据中选取出与目标服饰信息所指示的服饰进行搭配的候选服饰数据，作为推荐服饰数据。

可以理解的是，为了提高方法的实用性，用户可以选择现有服饰，即还可以在约束信息中设定现有服饰。这样便可以在候选服饰数据中选取出属于用户现有服饰的候选服饰数据，从而减少资源浪费。例如执行主体可以根据出席场合和天气信息，为用户选择现有服装。同时可以推荐新服饰或现有服饰进行搭配。再例如用户选择一件或几件目标服饰后，执行主体可以为用户选择与其搭配的现有服饰。此外，为了提高用户体验，执行主体同时可以选择与其(目标服饰)搭配的新服饰，以供用户选择。即此时的推荐服饰数据中可以包括第一推荐服饰数据和第二推荐服饰数据。其中，第一推荐服饰数据可以为与目标服饰搭配的现有服饰的服饰数据；第二推荐服饰数据可以为与目标服饰搭配的新服饰的服饰数据。

步骤204，根据推荐服饰数据，生成与推荐请求对应的服饰推荐信息，以及将服饰推荐信息发送给用户。

在本实施例中，执行主体可以根据步骤203中的推荐服饰数据，生成与步骤201中的推荐请求对应的服饰推荐信息。并可以将生成的服饰推荐信息发送给用户所使用的终端(即用户)。

例如，执行主体可以获取推荐服饰数据所指示的服饰的标识或图像，从而生成服饰推荐信息。又例如，执行主体可以对推荐服饰数据所指示的服饰的图像进行分析处理，生成平面搭配图像或立体搭配图像，以作为服饰推荐信息。这样有助于提高搭配效果的直观性，便于用户选择。作为示例，服饰推荐信息中还可以包括新服饰的销售链接、推荐尺码或者现有服饰的存放位置等信息。

需要说明的是，传统的服饰推荐算法主要依赖于用户与商品的相关性，或者商品与商品之间属性的相关性来实现的。而通过服饰的图像特征数据更容易确定服饰是否适合用户。因此其与用户的相关性更高。本实施例中通过在服饰数据中增加服饰的图像特征数据，可以让用户对推荐的服饰更加满意，有助于提高服饰推荐的准确度。

本实施例提供的用于生成服饰推荐信息的方法，通过接收用户的推荐请求，从而可以根据用户的基本信息和服装风格，在预先存储的服饰数据集合中选取出服饰数据，作为候选服饰数据。其中，推荐请求可以包括用户的基本信息、服装风格和设定的约束信息。这里的服饰数据集合中可以包括新服饰的服饰数据和用户现有服饰的服饰数据。接着，可以在候选服饰数据中选取出与设定的约束信息匹配的候选服饰数据，作为推荐服饰数据。之后，可以根据推荐服饰数据，生成与推荐请求对应的服饰推荐信息，并可以将服饰推荐信息发送给用户。这样有助于生成富于针对性的服饰推荐信息，从而可以使得推荐的服饰更加符合用户需求，有利于提高用户体验。

进一步参见图3，其示出了根据本申请的用于生成服饰推荐信息的方法的一个实施例的流程200。该用于生成服饰推荐信息的方法不仅可以包括图2实施例中的步骤，还可以包括以下步骤：

步骤301，接收用户的评测请求。

在本实施例中，用于生成服饰推荐信息的方法的执行主体(例如图1所示的服务器106)可以通过有线连接方式或无线连接方式，来接收用户使用终端(例如图1所示的终端101、102)发送的评测请求。其中，评测请求可以包括用户身穿搭配服饰的全身人像，或者用户输入的外形特征数据以及搭配服饰图像。

在这里，全身人像可以是终端拍摄的；也可以是照相机(例如图1所示的照相机104)拍摄的。外形特征数据可以是用于描述用户外形特征的数据。例如可以包括(但不限于)身高、肩宽、三围尺寸、四肢长度等。这些数据可以通过用户自己测量得到。再例如还可以包括脸型、肤色、发型等。这些数据可以是用户手动输入的，也可以是对用户的人脸图像进行分析而得到的。搭配服饰图像可以是通过终端或照相机对服饰进行拍摄而得到的；也可以是通过对网上服饰图像进行截图而得到的；还可以是用户利用终端在服饰图像集合中选取得到的。其中，服饰图像集合中的服饰图像所指示的服饰与上述服饰数据集合中的服饰数据所指示的服饰相对应。

可以理解的是，上述全身人像中既包含了用户的外形特征数据，也包含了搭配服饰图像。也就是说，用户可以通过多种方式来输入外形特征数据以及搭配服饰图像，从而生成评测请求。这样可以提高用户使用的灵活性和便捷性，有助于扩大适用范围。

步骤302，对全身人像进行分析，提取用户的外形特征数据和搭配服饰的特征数据；或者对搭配服饰图像进行分析，提取搭配服饰的特征数据。

在本实施例中，若步骤301中的评测请求中包括全身人像，则执行主体可以对该全身人像进行分析，从而提取用户的外形特征数据和搭配服饰的特征数据。若步骤301中的评测请求中包括搭配服饰图像，则执行主体可以对该搭配服饰图像进行分析，提取搭配服饰的特征数据。其中，搭配服饰的特征数据可以是用于描述服饰特征的数据，如可以参见上述服饰数据。

在本实施例中，对于用户的外形特征数据，例如执行主体可以对全身人像进行人脸检测识别，从而根据识别结果来获取用户的相关信息，并结合全身人像得到用户的外形特征数据。再例如全身人像可以为深度图像，这样执行主体通过分析计算图像中的深度信息，便可以得到用户的外形特征数据。

可以理解的是，无论是全身人像中用户所穿着的搭配服饰，还是搭配服饰图像中的服饰，通常都包含在服饰数据集合中的服饰数据所指示的服饰中。因此，对于搭配服饰的特征数据，执行主体可以在服饰数据集合中查找到与搭配服饰图像所指示的服饰对应的服饰数据，从而得到其特征数据。进一步地，执行主体还可以在云服务器中获取到与搭配服饰图像所指示的服饰对应的服饰信息，从而得到其特征数据。

步骤303，将用户的外形特征数据和搭配服饰的特征数据输入预先训练的评测模型中，得到搭配服饰的评测结果，以及将评测结果发送给用户。

在本实施例中，执行主体可以将用户的外形特征数据和搭配服饰的特征数据输入预先训练的评测模型中，从而将评测模型的输出结果作为搭配服饰的评测结果。并可以将评测结果发送给用户(即用户所使用的终端)。其中，评测模型可以用于评测用户与搭配服饰间的匹配度。

在本实施例的一些可选地实现方式中，评测模型可以通过以下训练步骤获得：首先，执行主体可以获取样本用户的外型特征数据、样本搭配服饰的特征数据以及目标数目个评价用户对样本图像的评分。其中，样本图像为样本用户身穿样本搭配服饰的图像。接着，可以对目标数目个评分进行统计分析，得到样本图像的评分正态分布函数；之后，可以将样本用户的外形特征数据和样本搭配服饰的特征数据作为输入，将评分正态分布函数的均值和方差作为输出，训练得到评测模型。这样可以将评测模型输出的均值作为评测结果。

需要说明的是，目标数目可以根据实际情况设置。评价用户可以是任意用户。而为了提高评测结果的准确度，这里的目标数目可以先对大些，如不小于6。同时可以挑选专业的人员作为评价用户，或者挑选不同职业、不同年龄段的人群作为评价用户，以扩大评价用户的覆盖面，提升数据的可信度。

可选地，执行主体也可以对上述目标数目个评分进行统计分析(如去除最高评分和最低评分)，得到样本图像的评分平均值。从而将样本用户的外形特征数据和样本搭配服饰的特征数据作为输入，将评分平均值作为输出，训练得到评测模型。

可以理解的是，穿衣搭配是否好看主要来自于每个人的主观判断。因此很难制定出一个非常明确清晰的好看标准。而且同一个人穿不同衣服或者同一件衣服穿在不同人身上都会产生不同的效果差异。本实施例中利用目标数目个评价用户对样本图像的评分，来训练得到评测模型。这样不仅考虑了人的因素，也考虑了服饰的因素，可以有利于提高评测结果的准确度。而且评测模型也可以用于评测服饰之间的搭配程度。

在这里，执行主体还可以通过大数据算法，预测服饰的流行趋势。从而可以不断优化评测模型以及上述服饰推荐过程。

本实施例提供的用于生成服饰推荐信息的方法，不仅可以接收用户的推荐请求，向用户推荐服饰。还可以接收用户的评测请求，对用户搭配的服饰进行评测。同时，以大数据作为支撑，可以不断丰富服饰数据，优化服饰推荐、评测结果。此外，可以记录用户信息，便于用户使用。还具有电子衣橱功能，用户可以从中选取现有的服饰，提高资源利用率。

请参见图4，作为对上述各图所示方法的实现，本申请提供了一种用于生成服饰推荐信息的装置的一个实施例。该装置实施例与上述各实施例所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图4所示，本实施例的用于生成服饰推荐信息的装置400可以包括：第一接收单元401，被配置成接收用户的推荐请求，其中，推荐请求包括用户的基本信息、服装风格和设定的约束信息；第一选取单元402，被配置成根据用户的基本信息和服装风格，在预先存储的服饰数据集合中选取出服饰数据，作为候选服饰数据，其中，服饰数据集合中包括新服饰的服饰数据和用户现有服饰的服饰数据；第二选取单元403，被配置成在候选服饰数据中选取出与设定的约束信息匹配的候选服饰数据，作为推荐服饰数据；生成单元404，被配置成根据推荐服饰数据，生成与推荐请求对应的服饰推荐信息，以及将服饰推荐信息发送给用户。

在本实施例的一些可选地实现方式中，第一选取单元401可以进一步被配置成：将用户的基本信息和服装风格以及服饰数据集合中的服饰数据输入预先训练的推荐模型中，将推荐模型输出的服饰数据作为候选服饰数据，其中，推荐模型用于向用户推荐适合的服饰。

可选地，上述约束信息可以包括出席场合和地址；以及第二选取单元403可以进一步被配置成：获取地址所在位置区域的天气信息；根据出席场合和天气信息，对候选服饰数据中的候选服装数据进行筛选，将筛选出的候选服装数据作为推荐服装数据；在服饰数据集合中，选取出与推荐服装数据所指示的服装进行搭配的服饰数据，作为搭配服饰数据；以及将推荐服装数据和搭配服饰数据作为推荐服饰数据。

进一步地，上述约束信息可以包括用户输入的目标服饰信息；以及第二选取单元403可以进一步被配置成：在候选服饰数据中，选取出与目标服饰信息所指示的服饰进行搭配的候选服饰数据，作为推荐服饰数据。

在一些应用场景中，该装置400还可以包括：第二接收单元(图4中未示出)，被配置成接收用户的评测请求，其中，评测请求包括用户身穿搭配服饰的全身人像，或者用户输入的外形特征数据以及搭配服饰图像；提取单元(图4中未示出)，被配置成对全身人像进行分析，提取用户的外形特征数据和搭配服饰的特征数据；或者对搭配服饰图像进行分析，提取搭配服饰的特征数据；评测单元(图4中未示出)，被配置成将用户的外形特征数据和搭配服饰的特征数据输入预先训练的评测模型中，得到搭配服饰的评测结果，以及将评测结果发送给用户，其中，评测模型用于评测用户与搭配服饰间的匹配度。

在一些实施例中，该装置400还可以包括训练单元(图4中未示出)，被配置成：获取样本用户的外型特征数据、样本搭配服饰的特征数据以及目标数目个评价用户对样本图像的评分，其中，样本图像为样本用户身穿样本搭配服饰的图像；对目标数目个评分进行统计分析，得到样本图像的评分正态分布函数；将样本用户的外形特征数据和样本搭配服饰的特征数据作为输入，将评分正态分布函数的均值和方差作为输出，训练得到评测模型。

可以理解的是，该装置400中记载的诸单元与参考图2和图3描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于该装置400及其中包含的单元，在此不再赘述。

继续参见图5，其示出了本申请提供的用于生成服饰推荐信息的系统的一个时序图。

本实施例中的用于生成服饰推荐信息的系统可以包括终端和服务器。如图5所示，在步骤501中，终端获取用户的推荐请求。

在本实施例中，终端(例如图1所示的终端101、102)可以通过多种方法来获取用户的推荐请求。其中，推荐请求可以包括用户的基本信息、服装风格和设定的约束信息。终端获取推荐请求的方式可以参见图2实施例的步骤201中的相关描述，此处不再赘述。

在步骤502中，终端可以将推荐请求发送至服务器(例如图1所示的服务器106)。在这里，终端与服务器之间可以是有线连接，也可以是无线连接。

在步骤503中，服务器根据用户的基本信息和服装风格，在预先存储的服饰数据集合中选取出服饰数据，作为候选服饰数据。

在本实施例中，服务器在接收到终端发送的推荐请求后，可以根据用户的基本信息和服装风格，在预先存储的服饰数据集合中选取出服饰数据，作为候选服饰数据。其中，服饰数据集合中可以包括新服饰的服饰数据和用户现有服饰的服饰数据。这里可以参见图2实施例的步骤202中的相关描述，此处不再赘述。

在本实施例的一些可选地实现方式中，服务器可以通过以下至少一项生成步骤得到服饰数据集合：从服饰类的大数据集合中获取服饰数据；或对获取的服饰图像进行分析，提取服饰数据；或对包含服饰信息的链接地址所指示的页面进行分析，获取服饰数据；对服饰数据进行存储，生成服饰数据集合。

可选地，服务器可以将用户的基本信息和服装风格以及服饰数据集合中的服饰数据输入预先训练的推荐模型中，将推荐模型输出的服饰数据作为候选服饰数据。其中，推荐模型可以用于根据用户的基本信息和服装风格向用户推荐服饰。

进一步地，推荐模型可以通过以下训练步骤获得：获取样本用户的基本信息和服装风格以及样本服饰数据，其中，样本服饰数据包括适合样本用户的正样本服饰数据以及不适合样本用户的负样本服饰数据；将样本用户的基本信息和服装风格以及样本服饰数据作为输入，将正样本服饰数据作为输出，训练得到推荐模型。

在步骤504中，服务器在候选服饰数据中选取出与设定的约束信息匹配的候选服饰数据，作为推荐服饰数据。这里可以参见图2实施例的步骤203中的相关描述，此处不再赘述。

在本实施例的一些可选地实现方式中，约束信息可以包括出席场合和地址。此时，服务器可以获取地址所在区域的天气信息；根据出席场合和天气信息，对候选服饰数据中的候选服装数据进行筛选，将筛选出的候选服装数据作为推荐服装数据；在服饰数据集合中，选取出与推荐服装数据所指示的服装进行搭配的服饰数据，作为搭配服饰数据；将推荐服装数据和搭配服饰数据作为推荐服饰数据。

可选地，约束信息也可以包括用户输入的目标服饰信息。此时，服务器可以在候选服饰数据中，选取出与目标服饰信息所指示的服饰进行搭配的候选服饰数据，作为推荐服饰数据。

在步骤505中，服务器根据推荐服饰数据，生成与推荐请求对应的服饰推荐信息，以及将服饰推荐信息发送至终端。这里可以参见图2实施例的步骤204中的相关描述，此处不再赘述。

在步骤506中，终端将服务器发送的、与推荐请求对应的服饰推荐信息呈现给用户。

本实施例中的用于生成服饰推荐信息的系统，可以通过终端获取用户的推荐请求，并将其发送给服务器。其中，推荐请求可以包括用户的基本信息、服装风格和设定的约束信息。进而通过服务器可以根据用户的基本信息和服装风格，在预先存储的服饰数据集合中选取出服饰数据，作为候选服饰数据。这里的服饰数据集合中可以包括新服饰的服饰数据和用户现有服饰的服饰数据。接着，服务器可以在候选服饰数据中选取出与设定的约束信息匹配的候选服饰数据，作为推荐服饰数据。之后，服务器可以根据推荐服饰数据，生成与推荐请求对应的服饰推荐信息，并可以将服饰推荐信息发送至终端。这样有助于生成富于针对性的服饰推荐信息，从而可以使得推荐的服饰更加符合用户需求，有利于提高用户体验。

进一步参见图6，其示出了本申请提供的用于生成服饰推荐信息的系统的又一个时序图。

本实施例中的系统不仅可以包括终端(例如图1所示的终端101、102)和服务器(例如图1所示的服务器106)，还可以包括智能照相机(例如图1所示的照相机104)。智能照相机中可以设置有控制电路、麦克风、按键、无线通信部件、扬声器、指示灯、摄像头和闪光灯。其中，无线通信部件可以被配置成将智能照相机与终端通信连接。这里的无线通信部件可以是采用各种无线通信连接技术的设备或功能模块。无线通信连接技术可以包括(但不限于)蓝牙、红外线或wifi(wireless fidelity，无线宽带)。

如图6所示，在步骤601中，智能照相机可以通过麦克风、按键或无线通信部件中的至少一种获取用户指令。其中，按键可以包括触摸按键和/或实体按键。

在本实施例中，用户指令可以是用于指示对智能照相机进行操作的指令，如拍照、参数调整、图像浏览等指令。在这里，用户可以向智能照相机发出语音指令。此时，智能照相机中的控制电路可以对麦克风所接收的语音信息进行分析识别，从而得到语音用户指令。用户还可以通过终端上安装的照相机APP，向智能照相机发送用户指令。这样可以便于用户自拍操作，尤其是全身自拍。

在本实施例中，为了满足用户的自拍需求，尤其是全身人像自拍，摄像头的最大采集距离可以不小于1米。且麦克风和扬声器的有效作用距离应该也不小于1米。例如最大距离可以在3米以上(包含3米)。这样可以将摄像头的最佳采集距离调整在1.5米与3米之间(包含1.5米和3米)。而且镜头视角可以在60°至90°。同时，智能照相机还可以设置有外壳和底座。外壳与底座之间至少在俯仰方向上为可调节连接。这样，通过调整用户与智能照相机的距离以及智能照相机的俯仰角度，可以拍摄大部分体型(身高、胖瘦等)用户的全身人像。进而可以提高智能照相机的适用范围。需要说明的是，上述可调节连接可以采用现有的各种连接结构实现，如铰接、磁性吸附连接等。

在步骤602中，智能照相机可以根据获取的用户指令，通过摄像头采集图像。

在本实施例中，当用户指令用于指示拍照时，智能照相机中的控制电路可以打开摄像头以采集图像。其中，图像可以包括如人脸图像、全身人像、服饰图像等任意图像。此时，控制电路可以对摄像头采集的图像进行实时分析，以确定当前拍摄位置的光照情况。并且根据光照情况可以控制闪光灯的开关，以进行补光拍摄。为了达到更好的补光效果，智能照相机可以设置有至少两个闪关灯，且这些闪光灯的亮度可以相同，也可以不同(以适用于不同的拍摄距离)。

此外，在拍摄过程中，智能照相机可以具有图像实时分析功能。这样，当用户不在摄像头的拍摄区域内时，可以生成反馈信息。进而可以通过扬声器和/或闪关灯将反馈信息反馈给用户。这样，不仅可以提升用户与智能照相机之间的交互体验。还有助于提高图像的拍摄效果，减少拍摄时长，提高拍摄效率。

本实施例中的摄像头可以包括彩色摄像头。为了提高拍摄图像的画面质量，可以采用分辨率在500万像素以上的彩色摄像头。在一些应用场景中，摄像头还可以包括深度传感器。这样可以同时采集深度图像和彩色图像。

在步骤603中，智能照相机可以将采集的图像发送至终端。

本实施例的用于生成服饰推荐信息的系统中的终端和服务器，不仅可以分别实现图5实施例中的终端和服务器的处理步骤，还可以实现以下步骤：

如图6所示，在步骤604中，终端获取用户的评测请求。

在本实施例中，终端可以根据用户利用智能照相机采集的图像，来获取用户的评测请求。其中，评测请求可以包括用户身穿搭配服饰的全身人像，或者用户输入的外形特征数据以及搭配服饰图像。这里可以参见图3实施例的步骤301中的相关描述，此处不再赘述。

在步骤605中，终端将评测请求发送至服务器。

在步骤606中，服务器对全身人像进行分析，提取用户的外形特征数据和搭配服饰的特征数据；或者对搭配服饰图像进行分析，提取搭配服饰的特征数据。这里可以参见图3实施例的步骤302中的相关描述，此处不再赘述。

在步骤607中，服务器将用户的外形特征数据和搭配服饰的特征数据输入预先训练的评测模型中，得到搭配服饰的评测结果。其中，评测模型用于评测用户与搭配服饰间的匹配度。这里可以参见图3实施例的步骤303中的相关描述，此处不再赘述。

在本实施例的一些可选地实现方式中，评测模型可以通过以下训练步骤获得：获取样本用户的外型特征数据、样本搭配服饰的特征数据以及目标数目个评价用户对样本图像的评分，其中，样本图像为样本用户身穿样本搭配服饰的图像；对目标数目个评分进行统计分析，得到样本图像的评分正态分布函数；将样本用户的外形特征数据和样本搭配服饰的特征数据作为输入，将评分正态分布函数的均值和方差作为输出，训练得到评测模型。

在步骤608中，服务器将评测结果发送至终端。

在步骤609中，终端将服务器发送的、与评测请求对应的评测结果呈现给用户。

本实施例中的用于生成服饰推荐信息的系统，不仅可以接收用户的推荐请求，向用户推荐服饰。还可以接收用户的评测请求，对用户搭配的服饰进行评测。此外，通过智能照相机可以更加方便、快捷地采集图像，便于用户操作。也就是说，用户可以利用智能照相机这种便捷的设备，来获取自身的如身高、体型、肤色、面部信息等信息。并可以将这些信息用于服饰推荐和服饰评测。

下面参见图7，其示出了适于用来实现本申请实施例的电子设备(例如图1所示的服务器106)的计算机系统700的结构示意图。图7示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图7所示，计算机系统700包括中央处理单元(CPU)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有系统700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

以下部件连接至I/O接口705：包括键盘、麦克风、摄像装置等的输入部分706；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括第一接收单元、第一选取单元、第二选取单元和生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一接收单元还可以被描述为“接收用户的推荐请求的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：接收用户的推荐请求，其中，推荐请求包括用户的基本信息、服装风格和设定的约束信息；根据用户的基本信息和服装风格，在预先存储的服饰数据集合中选取出服饰数据，作为候选服饰数据，其中，服饰数据集合中包括新服饰的服饰数据和用户现有服饰的服饰数据；在候选服饰数据中选取出与设定的约束信息匹配的候选服饰数据，作为推荐服饰数据；根据推荐服饰数据，生成与推荐请求对应的服饰推荐信息，以及将服饰推荐信息发送给用户。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (23)

1.一种用于生成服饰推荐信息的方法，包括：

接收用户的推荐请求，其中，所述推荐请求包括用户的基本信息、服装风格和设定的约束信息；

根据所述用户的基本信息和服装风格，在预先存储的服饰数据集合中选取出服饰数据，作为候选服饰数据，其中，所述服饰数据集合中包括新服饰的服饰数据和所述用户现有服饰的服饰数据；

在候选服饰数据中选取出与设定的约束信息匹配的候选服饰数据，作为推荐服饰数据；

根据推荐服饰数据，生成与所述推荐请求对应的服饰推荐信息，以及将所述服饰推荐信息发送给所述用户。

2.根据权利要求1所述的方法，其中，所述根据所述用户的基本信息和服装风格，在预先存储的服饰数据集合中选取出服饰数据，作为候选服饰数据，包括：

将用户的基本信息和服装风格以及所述服饰数据集合中的服饰数据输入预先训练的推荐模型中，将所述推荐模型输出的服饰数据作为候选服饰数据，其中，所述推荐模型用于根据用户的基本信息和服装风格向用户推荐服饰。

3.根据权利要求1所述的方法，其中，所述约束信息包括出席场合和地址；以及

所述在候选服饰数据中选取出与设定的约束信息匹配的候选服饰数据，作为推荐服饰数据，包括：

获取地址所在位置区域的天气信息；根据出席场合和天气信息，对候选服饰数据中的候选服装数据进行筛选，将筛选出的候选服装数据作为推荐服装数据；在所述服饰数据集合中，选取出与推荐服装数据所指示的服装进行搭配的服饰数据，作为搭配服饰数据；以及将推荐服装数据和搭配服饰数据作为推荐服饰数据。

4.根据权利要求1所述的方法，其中，所述约束信息包括所述用户输入的目标服饰信息；以及

所述在候选服饰数据中选取出与设定的约束信息匹配的候选服饰数据，作为推荐服饰数据，包括：

在候选服饰数据中，选取出与所述目标服饰信息所指示的服饰进行搭配的候选服饰数据，作为推荐服饰数据。

5.根据权利要求1-4之一所述的方法，其中，所述方法还包括：

接收用户的评测请求，其中，所述评测请求包括用户身穿搭配服饰的全身人像，或者用户输入的外形特征数据以及搭配服饰图像；

对所述全身人像进行分析，提取用户的外形特征数据和搭配服饰的特征数据；或者对所述搭配服饰图像进行分析，提取搭配服饰的特征数据；

将用户的外形特征数据和搭配服饰的特征数据输入预先训练的评测模型中，得到搭配服饰的评测结果，以及将所述评测结果发送给用户，其中，所述评测模型用于评测用户与搭配服饰间的匹配度。

6.根据权利要求5所述的方法，其中，所述评测模型通过以下训练步骤获得：

获取样本用户的外型特征数据、样本搭配服饰的特征数据以及目标数目个评价用户对样本图像的评分，其中，所述样本图像为样本用户身穿样本搭配服饰的图像；

对目标数目个评分进行统计分析，得到样本图像的评分正态分布函数；

将样本用户的外形特征数据和样本搭配服饰的特征数据作为输入，将评分正态分布函数的均值和方差作为输出，训练得到评测模型。

7.一种用于生成服饰推荐信息的装置，包括：

第一接收单元，被配置成接收用户的推荐请求，其中，所述推荐请求包括用户的基本信息、服装风格和设定的约束信息；

第一选取单元，被配置成根据所述用户的基本信息和服装风格，在预先存储的服饰数据集合中选取出服饰数据，作为候选服饰数据，其中，所述服饰数据集合中包括新服饰的服饰数据和所述用户现有服饰的服饰数据；

第二选取单元，被配置成在候选服饰数据中选取出与设定的约束信息匹配的候选服饰数据，作为推荐服饰数据；

生成单元，被配置成根据推荐服饰数据，生成与所述推荐请求对应的服饰推荐信息，以及将所述服饰推荐信息发送给所述用户。

8.根据权利要求7所述的装置，其中，所述第一选取单元进一步被配置成：

将用户的基本信息和服装风格以及所述服饰数据集合中的服饰数据输入预先训练的推荐模型中，将所述推荐模型输出的服饰数据作为候选服饰数据，其中，所述推荐模型用于根据用户的基本信息和服装风格向用户推荐服饰。

9.根据权利要求7所述的装置，其中，所述约束信息包括出席场合和地址；以及

所述第二选取单元进一步被配置成：

获取地址所在位置区域的天气信息；根据出席场合和天气信息，对候选服饰数据中的候选服装数据进行筛选，将筛选出的候选服装数据作为推荐服装数据；在所述服饰数据集合中，选取出与推荐服装数据所指示的服装进行搭配的服饰数据，作为搭配服饰数据；以及将推荐服装数据和搭配服饰数据作为推荐服饰数据。

10.根据权利要求7所述的装置，其中，所述约束信息包括所述用户输入的目标服饰信息；以及

所述第二选取单元进一步被配置成：

在所述候选服饰数据中，选取出与所述目标服饰信息所指示的服饰进行搭配的候选服饰数据，作为推荐服饰数据。

11.根据权利要求7-10之一所述的装置，其中，所述装置还包括：

第二接收单元，被配置成接收用户的评测请求，其中，所述评测请求包括用户身穿搭配服饰的全身人像，或者用户输入的外形特征数据以及搭配服饰图像；

提取单元，被配置成对所述全身人像进行分析，提取用户的外形特征数据和搭配服饰的特征数据；或者对所述搭配服饰图像进行分析，提取搭配服饰的特征数据；

评测单元，被配置成将用户的外形特征数据和搭配服饰的特征数据输入预先训练的评测模型中，得到搭配服饰的评测结果，以及将所述评测结果发送给用户，其中，所述评测模型用于评测用户与搭配服饰间的匹配度。

12.根据权利要求11所述的装置，其中，所述评测模型通过以下训练步骤获得：

获取样本用户的外型特征数据、样本搭配服饰的特征数据以及目标数目个评价用户对样本图像的评分，其中，所述样本图像为样本用户身穿样本搭配服饰的图像；

对目标数目个评分进行统计分析，得到样本图像的评分正态分布函数；

将样本用户的外形特征数据和样本搭配服饰的特征数据作为输入，将评分正态分布函数的均值和方差作为输出，训练得到评测模型。

13.一种用于生成服饰推荐信息的系统，包括终端和服务器；

所述终端，被配置成获取用户的推荐请求，其中，所述推荐请求包括用户的基本信息、服装风格和设定的约束信息；将所述推荐请求发送至所述服务器；以及将所述服务器发送的与所述推荐请求对应的服饰推荐信息呈现给所述用户；

所述服务器，被配置成根据所述用户的基本信息和服装风格，在预先存储的服饰数据集合中选取出服饰数据，作为候选服饰数据，其中，所述服饰数据集合中包括新服饰的服饰数据和所述用户现有服饰的服饰数据；在候选服饰数据中选取出与设定的约束信息匹配的候选服饰数据，作为推荐服饰数据；根据推荐服饰数据，生成与所述推荐请求对应的服饰推荐信息，以及将所述服饰推荐信息发送至所述终端。

14.根据权利要求13所述的系统，其中，所述根据所述用户的基本信息和服装风格，在预先存储的服饰数据集合中选取出服饰数据，作为候选服饰数据，包括：

将用户的基本信息和服装风格以及所述服饰数据集合中的服饰数据输入预先训练的推荐模型中，将所述推荐模型输出的服饰数据作为候选服饰数据，其中，所述推荐模型用于根据用户的基本信息和服装风格向用户推荐服饰。

15.根据权利要求14所述的系统，其中，所述推荐模型通过以下训练步骤获得：

获取样本用户的基本信息和服装风格以及样本服饰数据，其中，样本服饰数据包括适合样本用户的正样本服饰数据以及不适合样本用户的负样本服饰数据；

将样本用户的基本信息和服装风格以及样本服饰数据作为输入，将正样本服饰数据作为输出，训练得到推荐模型。

16.根据权利要求13所述的系统，其中，所述约束信息包括出席场合和地址；以及

所述在候选服饰数据中选取出与设定的约束信息匹配的候选服饰数据，作为推荐服饰数据，包括：

获取地址所在区域的天气信息；根据出席场合和天气信息，对候选服饰数据中的候选服装数据进行筛选，将筛选出的候选服装数据作为推荐服装数据；在所述服饰数据集合中，选取出与推荐服装数据所指示的服装进行搭配的服饰数据，作为搭配服饰数据；将推荐服装数据和搭配服饰数据作为推荐服饰数据。

17.根据权利要求13所述的系统，其中，所述约束信息包括所述用户输入的目标服饰信息；以及

所述在候选服饰数据中选取出与设定的约束信息匹配的候选服饰数据，作为推荐服饰数据，包括：

所述在候选服饰数据中，选取出与所述目标服饰信息所指示的服饰进行搭配的候选服饰数据，作为推荐服饰数据。

18.根据权利要求13所述的系统，其中，所述服饰数据集合通过以下至少一项生成步骤得到：

从服饰类的大数据集合中获取服饰数据；或对获取的服饰图像进行分析，提取服饰数据；或对包含服饰信息的链接地址所指示的页面进行分析，获取服饰数据；

对服饰数据进行存储，生成服饰数据集合。

19.根据权利要求13所述的系统，其中，所述终端还被配置成：

获取用户的评测请求，其中，所述评测请求包括用户身穿搭配服饰的全身人像，或者用户输入的外形特征数据以及搭配服饰图像；将所述评测请求发送至所述服务器；以及将所述服务器发送的与所述评测请求对应的评测结果呈现给用户；以及

所述服务器还被配置成：

对所述全身人像进行分析，提取用户的外形特征数据和搭配服饰的特征数据；或者对所述搭配服饰图像进行分析，提取搭配服饰的特征数据；将用户的外形特征数据和搭配服饰的特征数据输入预先训练的评测模型中，得到搭配服饰的评测结果，其中，所述评测模型用于评测用户与搭配服饰间的匹配度；将所述评测结果发送至所述终端。

20.根据权利要求19所述的系统，其中，所述评测模型通过以下训练步骤获得：

获取样本用户的外型特征数据、样本搭配服饰的特征数据以及目标数目个评价用户对样本图像的评分，其中，所述样本图像为样本用户身穿样本搭配服饰的图像；

对目标数目个评分进行统计分析，得到样本图像的评分正态分布函数；

将样本用户的外形特征数据和样本搭配服饰的特征数据作为输入，将评分正态分布函数的均值和方差作为输出，训练得到评测模型。

21.根据权利要求13-20之一所述的系统，其中，所述系统还包括智能照相机；

所述智能照相机设置有控制电路、麦克风、按键、无线通信部件、扬声器、指示灯、摄像头和闪光灯，其中，无线通信部件被配置成将所述智能照相机与所述终端通信连接，摄像头的最大采集距离不小于1米；

所述智能照相机被配置成通过麦克风、按键或无线通信部件中的至少一种获取用户指令；根据获取的用户指令，通过摄像头采集图像；以及将采集的图像发送至所述终端。

22.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。

23.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1-6中任一所述的方法。