CN109003167A - 用于鞋靴定制的数据处理方法及装置 - Google Patents

Abstract

本申请公开了一种用于鞋靴定制的数据处理方法及装置。其中数据处理方法包括：接收第一用户数据；确定第一鞋款数据；根据所述第一用户数据和第一鞋款数据向用户推荐预设第一码型数据；监测第一码型数据对应的第一试穿量化数据；将所述第一码型数据转化为第一用户数据中的鞋靴定制码型；通过转化所述第一穿量化数据和鞋靴定制码型，完成鞋靴定制处理。其中数据处理装置包括：接收单元，确定单元，推荐单元，检测单元，转化单元以及结束单元。本申请解决了鞋靴定制行业的库存较大、主观因素及试穿感受影响定制效果、定制生产成本高、不易进行标准化规模化操作的技术问题。

Description

用于鞋靴定制的数据处理方法及装置

技术领域

本申请涉及鞋类定制技术领域，具体而言，涉及一种鞋靴定制的数据处理方法及装置。

背景技术

鞋靴定制是指基于脚型扫描设备测量的用户足部数据，为用户制作穿着更为舒适的鞋子的过程。现阶段鞋类定制店面的定制方法一般为以下步骤：1)用户在店面用设备或人工的方法测量足部数据，然后登记用户常穿尺码以及穿鞋喜好；2)基于用户反馈的常穿尺码让用户试穿所需的定制款式对应(或其它相近的款式)的尺码；3)记录用户试穿的不舒适的部位。然后依据试穿的码数以及试穿感受修改鞋楦，以达到鞋靴定制的目的。

发明人发现此种试穿方法多为人工测量或用户个人提供，此种试穿方法主观因素影响较大，操作复杂度较高，生产成本较高，一般只适用于针对个人的鞋靴定制；同时这种方法不利于结构化的记录数据，所以不能进行标准化和规模化操作。

发明内容

本申请的主要目的在于提供一种用于鞋靴定制的数据处理方法及装置，以解决鞋类定制中主观因素影响较大，操作复杂度较高，生产成本较高的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种用于鞋靴定制的数据处理方法。

根据本申请的数据处理方法包括：接收第一用户数据，其中，所述第一用户数据用于作为鞋靴定制的数据；确定第一鞋款数据，其中，所述第一鞋款数据用于作为鞋靴试穿的数据；根据所述第一用户数据和第一鞋款数据向用户推荐预设第一码型数据；监测第一码型数据对应的第一试穿量化数据；将所述第一码型数据转化为第一用户数据中的鞋靴定制码型；通过所述第一试穿量化数据和鞋靴定制码型，完成鞋靴定制处理。

进一步的，所述接收第一用户数据包括：接收第一用户信息；确定第一用户鞋靴穿着偏好；根据所述第一用户信息和所述第一用户鞋靴穿着偏好得到用户特征数据。

进一步的，所述接收第一用户数据还包括：获取第一用户三维脚型信息；根据所述第一用户三维脚型信息得到第一用户脚型测量数据，所述第一用户脚型测量数据用于确定第一码型数据。

进一步的，确定第一鞋款数据包括：采集第一鞋款属性数据，用于区分不同鞋款种类；采集第一鞋款楦型数据，所述第一鞋款楦型数据与所述第一鞋款属性数据一一对应。

进一步的，基于所述第一鞋款属性数据以及所述第一鞋款楦型数据，将各鞋款进行分类，分类方法包括如下的任意一种或者多种：相关系数、欧式距离、KNN分类、关联规则分类、人工神经网络算法。

进一步的，所述分类方法将楦型数据符合划分标准的鞋款划分为同一品类；统计各品类中各个鞋款之间的相似性，选择一款鞋作为试穿鞋；依据试穿结果调整同一品类中各鞋款与试穿鞋之间的码型转换关系。

进一步的，根据所述第一用户数据和第一鞋款数据向用户推荐预设第一码型数据包括：向用户推荐所选鞋款所属分类中试穿鞋对应的码型。

进一步的，监测第一码型数据对应的第一试穿量化数据包括：将用户试穿感受量化处理，包括试穿鞋靴、试穿登记部位及试穿感受记录、试穿感受登记量化；将所述第一码型数据转化为第一用户数据中的鞋靴定制码型包括：依据所述第一码型数据和用户所选鞋款的码型转换关系进行码型转化，基于量化的用户试穿感受调整所选鞋款的码型。

进一步的，通过所述第一试穿量化数据和鞋靴定制码型，完成鞋靴定制处理之后还包括：基于试穿结果，通过数据模型处理，得到第一码型数据的初始化参数；依据第一鞋款数据与所述第一码型数据的转化关系，优化转化参数，实现鞋楦标准化；结合所述第一码型数据以及所述第一鞋靴穿着偏好，优化码型方案，得到最适合码型。

为了实现上述目的，根据本申请的另一方面，提供了一种用于鞋靴定制的数据处理装置。

根据本申请的用于鞋靴定制的数据处理装置包括：接收单元，用于接收第一用户数据，其中，所述第一用户数据用于作为鞋靴定制的数据；确定单元，用于确定第一鞋款数据，其中，所述第一鞋款数据用于作为鞋靴试穿的数据；推荐单元，用于根据所述第一用户数据和第一鞋款数据向用户推荐预设第一码型数据；监测单元，用于监测第一码型数据对应的第一试穿量化数据；转化单元，用于将所述第一码型数据转化为第一用户数据中的鞋靴定制码型；结束单元，用于通过所述第一试穿量化数据和鞋靴定制码型，完成鞋靴定制处理。

在本申请实施例中，采用不断的学习、迭代的方式，通过少量试穿鞋款的分类，达到了减少库存和定制更加客观准确的目的，从而实现了使得鞋靴定制更加方便、准确，可推广到规模化定制的技术效果，进而解决了主观因素影响较大，操作复杂度较高，生产成本较高，不利于结构化的记录数据，所以不能进行标准化和规模化操作的技术问题。

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是根据本申请实施例的用于鞋靴定制的数据处理装置示意图；

图2是根据本申请实施例的数据处理方法示意图；

图3是根据本申请实施例的接收第一用户数据示意图；

图4是根据本申请实施例的确定第一鞋款数据示意图；以及

图5是根据本申请实施例的优化推荐码型示意图。

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“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。

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。

本申请通过自学习、自优化方法也可使鞋楦数据尽可能统一一致，从而最大限度地减少库存。而大量样本的试穿记录可以提高推荐算法的精度，最终可取代试穿过程，实现真正的虚拟试鞋。本申请提出的方法可以减少主观因素对试穿感受以及定制的影响，并可同时积累用户行为及脚型数据，使得鞋靴定制更加方便、准确，可推广到规模化定制。

如图1所示，本申请涉及一种用于鞋靴定制的数据处理装置，该数据处理装置包括接收单元10、确定单元20、推荐单元30、检测单元40、转化单元50以及结束单元60。

其中，接收单元，用于接收第一用户数据，可以通过用户注册或填写表格等方式接受第一用户数据，第一用户数据用于作为鞋靴定制的数据。

确定单元，用于确定第一鞋款数据，对于每款鞋靴，需要预先采集各项属性并录入数据库保存，其中，所述第一鞋款数据用于作为鞋靴试穿的数据。

推荐单元，用于根据所述第一用户数据和第一鞋款数据向用户推荐预设第一码型数据，推荐系统通过分析以上数据，为用户推荐最为接近的码型。

监测单元，用于监测第一码型数据对应的第一试穿量化数据，用户试穿定制的成品鞋，若用户试穿合适，则形成一条完整的定制信息流，作为后期定制的学习样本，进行参数以及定制方案的优化；若用户试穿不合适，则结合用户试穿反馈感受，再次修改定制的成品鞋，直至用户试穿合适后，将定制信息加入学习样本，实现匹配推荐的自学习、自进化，以及定制方案的自循环。

转化单元，用于将所述第一码型数据转化为第一用户数据中的鞋靴定制码型，将用户所试穿的试穿鞋款转化为对应码型的定制鞋款。

结束单元，用于通过所述第一试穿量化数据和鞋靴定制码型，完成鞋靴定制处理。

如图2所示，本申请涉及一种用于鞋靴定制的数据处理方法，该数据处理方法包括以下步骤：

步骤S101，接收第一用户数据，记为u_i，通过用户注册获取用户的个人信息数据，通过三维扫描设备获取的用户的三维脚型信息，并得到脚型测量数据M_f{m_i}。

步骤S102，确定第一鞋款数据，对于每款鞋靴，需要预先采集各项属性并录入数据库保存，记为P_s{p_i}，每款鞋靴对应的楦型，记为P_l{p_i}，需要预先通过系统采集各项属性并录入数据库保存。

步骤S103，根据所述第一用户数据和第一鞋款数据向用户推荐预设第一码型数据，基于用户信息u_i，、脚型数据M_f{m_i}、鞋款属性P_s{p_i}、鞋楦属性P_l{p_i}，推荐用户所选鞋款所属品类中试穿鞋对应适合的码型。

步骤S104，监测第一码型数据对应的第一试穿量化数据，按照推荐码型方案，试穿相应的鞋款，并记录试穿感受，记为F_i。

其中，记录试穿感受需要记录试穿登记部位，包括但不限于拇趾部位、小趾部位、着地点部位、脚宽部位、跖围部位、脚弓部位、跗围部位、后跟部位、跟口部位等。将试穿感受进行等级量化，包括但不限于松、稍松、合适、稍紧、紧等。准备所有码型对应的试穿鞋备用，依用户脚型数据推荐适合用户的码型，试穿相应的试穿鞋，同时依试穿登记部位，询问客户试穿感受，并将其试穿感受按照感受等级量化。

但若考虑成本，试穿鞋可省去型号最小的一套试穿鞋。若推荐试穿为最小型号的鞋款，可选择同码的比最小型号大一个型号的鞋型，并在鞋腔内放置特定的鞋垫，即可达到试穿最小型号鞋款的效果。

步骤S105，将所述第一码型数据转化为第一用户数据中的鞋靴定制码型。依据定制鞋款与试穿鞋的关系，将推荐的码型转换为定制鞋款对应的码型。将用户试穿感受量化，最终的定制数据为依据得到的定制鞋款的码型，结合用户信息、试穿反馈，得到用户定制鞋款的定制方案，并制作定制的成品鞋。

步骤S106，通过所述第一试穿量化数据和鞋靴定制码型，完成鞋靴定制处理。

用户试穿定制的成品鞋，若用户试穿合适，则形成一条完整的定制信息流，作为后期定制的学习样本，进行参数以及定制方案的优化；若用户试穿不合适，则结合用户试穿反馈感受，再次修改定制的成品鞋，直至用户试穿合适后，将定制信息加入学习样本，实现匹配推荐的自学习、自进化，以及定制方案的自循环。

如图3所示，该数据处理方法中的接收第一用户数据按照以下步骤进行：

步骤S201，接收第一用户信息。根据用户注册时获取的个人信息，包括但不限于姓名、性别、年龄。

步骤S202，确定第一用户鞋靴穿着偏好。根据注册获取用户个人喜好(品牌、款式、颜色、常穿尺码等)，在后期推荐试穿尺码以及定制时，加入用户的个人穿鞋喜好。

步骤S203，根据所述第一用户信息和所述第一用户鞋靴穿着偏好得到用户特征数据，用来识别标记用户。

步骤S204，获取第一用户三维脚型信息。

第一用户三维脚型信息包括但不限于脚长、跖趾围、水平脚宽、水平趾宽、踵心全宽、脚趾厚、脚背高(跗骨高)、脚腰围、脚背围(跗围)、兜跟围、着地点长、第一跖趾点长、第五跖趾长、踵心长、最大脚宽、斜趾宽、斜脚宽、跖趾高、斜脚宽角、斜趾宽角、拇指里宽、小指外宽、第一跖趾里宽、第五跖趾外宽、腰窝外宽等。

步骤S205，根据所述第一用户三维脚型信息得到第一用户脚型测量数据，所述第一用户脚型测量数据用于确定第一码型数据。将第一用户三维脚型信息处理并保存，转化为第一用户脚型测量数据，后续的试穿推荐、规模化定制皆以此三维脚型数据为基础。

如图4所示，该处理方法中的确定第一鞋款数据按照以下步骤进行：

步骤S301，采集第一鞋款属性数据，用于区分不同鞋款种类。

第一鞋款属性数据包括但不限于其所属的楦号、款式、商品名、商品型号、品牌、上市时间、上市季节、鞋跟高、防水台高、跟形、掌垫、内底/鞋垫放置顺序、内里材质、性别、类别、鞋底材质、头型、鞋面材质、皮革材料工艺、鞋型号等。

步骤S302，采集第一鞋款楦型数据，所述第一鞋款楦型数据与所述第一鞋款属性数据一一对应。

第一鞋款楦型数据包括但不限于楦号、品牌、楦跟高、性别、款型、头型、生产工厂、鞋楦创建时间、鞋楦创建季节等。对于特定鞋款对应鞋楦，需要预先采集其标准型号中间码各特征部位的测量值，并录入数据库保存，包括但不限于标准码数、脚长、底样长、着地点长、第一跖趾长、第五跖趾长、底趾长、楦身宽、楦身趾宽、楦身跟宽、底宽、底斜宽、底趾宽、底跟宽、跖围、腰围、跗围、头厚、跟高、前跷等，并录入各数据相应的码差、型差。

如图5所示，该数据处理方法中的优化推荐码型过程包括：

步骤S401，基于试穿结果，通过数据模型处理，得到第一码型数据的初始化参数。

基于前期少量的试穿结果以及后期定制样本，使用不同的数据模型和方法，例如机器学习、神经网络算法等，得到试穿鞋各个码型对应的鞋楦测量数据与各个脚型数据的关系S_ij＝f_i(M_lj,M_fj)，其中，i＝1,2,…,k，j＝1,2,…,m，k为脚型肥瘦度的数量，m为测量数据的数量；即可得到该鞋款推荐码型的初始化参数。

步骤S402，依据第一鞋款数据与所述第一码型数据的转化关系，优化转化参数，实现鞋楦标准化。

在用户试穿试穿鞋对应的码型后，按照该鞋款与试穿鞋的关系S_i＝f{s_j,a_j}调整定制鞋的定制方案。若定制鞋款在后期的定制过程中，与试穿鞋推荐方案有整体差异，则可调整该鞋款与试穿鞋的关系S_i＝f{s_j,a_j}，即试穿鞋码与非试穿鞋码转换参数优化，根据转换参数可对非试穿鞋楦进行修改，使得同类中各鞋款鞋码一致，即实现同类鞋楦标准化。也可根据不同类试穿鞋之间的转换参数对试穿鞋楦进行修改，使得不同类中各鞋款鞋码一致，即实现不同类鞋楦标准化。

步骤S403，结合所述第一码型数据以及所述第一鞋靴穿着偏好，优化码型方案，得到最适合码型。

结合推荐方案以及用户偏好信息，将适合的码型方案再次优化，得到最适合该用户的码型。根据脚型数据推荐合适的试穿鞋尺码的转换参数优化，使推荐更准确。当准确率达到一定水平之后，则可以取消试穿鞋，最大程度地节约成本。

需要特别说明的是，在将鞋款进行分类时，将具有相似楦型数据的鞋款划分为同一品类，具体的划分方法包括但不限于相关系数、欧式距离、KNN分类、关联规则分类、人工神经网络算法等，并为每种算法的相似性设置权重，综合各类算法所得最终相似性为S_i{s_iw_i}。

之后，统计各品类中各个鞋款之间的相似性s_i，得到鞋款与其他鞋款相似性的总和S_i{s_i}，选择相似性总和最高的一款鞋作为试穿鞋，其试穿结果可代表这一品类鞋的试穿感受。同一品类中选用第i款为这个品类的试穿鞋，而第i款试穿鞋与该品类中其他各鞋款各有一个转换关系为S_i＝f{s_j,a_j}，其中，j＝1,2,…,n，n为该品类的总鞋款数。

可组织少量的试穿人员依次试穿同一品类中的鞋款，即通过试穿来验证初始化的分类。并同时依据试穿结果调整同一品类中各鞋款与试穿款之间转换关系S_i＝f{s_j,a_j}，也可确定后期定制鞋款与试穿鞋款之间的码型转换关系S_i＝f{s_j,a_j}。

随着后期的定制样本的不断增加，也可帮助不断更新定制鞋款与试穿鞋关系中的参数，并不断优化分类，在此过程中也可不断的验证优化分类模型的分类参数。最终可达到以最少的分类，即用最少的试穿鞋代表最多的鞋款试穿感受。

从以上的描述中，可以看出，本申请实现了如下技术效果：少量试穿鞋可代替所有鞋款的试穿感受，避免不必要的库存，并同时保证了试穿的效果；推荐的码型范围更广，使得推荐以及试穿的数据更加准确；量化用户试穿鞋款的感受，为定制方案提供参考依据；在用户注册及试穿阶段积累消费行为数据，可以对用户进行精准营销；通过不断的学习、迭代，可使得鞋款分类更加准确，同时也可实现鞋楦的标准化。

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 (10)

1.一种用于鞋靴定制的数据处理方法，其特征在于，包括：

接收第一用户数据，其中，所述第一用户数据用于作为鞋靴定制的数据；

确定第一鞋款数据，其中，所述第一鞋款数据用于作为鞋靴试穿的数据；

根据所述第一用户数据和第一鞋款数据向用户推荐预设第一码型数据；

监测第一码型数据对应的第一试穿量化数据；

将所述第一码型数据转化为第一用户数据中的鞋靴定制码型；

通过所述第一试穿量化数据和鞋靴定制码型，完成鞋靴定制处理。

2.根据权利要求1所述的数据处理方法，其特征在于，所述接收第一用户数据包括：

接收第一用户信息；

确定第一用户鞋靴穿着偏好；

根据所述第一用户信息和所述第一用户鞋靴穿着偏好得到用户特征数据。

3.根据权利要求1所述的数据处理方法，其特征在于，所述接收第一用户数据还包括：

获取第一用户三维脚型信息；

根据所述第一用户三维脚型信息得到第一用户脚型测量数据，所述第一用户脚型测量数据用于确定第一码型数据。

4.根据权利要求1所述的数据处理方法，其特征在于，确定第一鞋款数据包括：

采集第一鞋款属性数据，用于区分不同鞋款种类；

采集第一鞋款楦型数据，所述第一鞋款楦型数据与所述第一鞋款属性数据一一对应。

5.根据权利要求4所述的数据处理方法，其特征在于，基于所述第一鞋款属性数据以及所述第一鞋款楦型数据，将各鞋款进行分类，分类方法包括如下的任意一种或者多种：相关系数、欧式距离、KNN分类、关联规则分类、人工神经网络算法。

6.根据权利要求5所述的数据处理方法，其特征在于，

所述分类方法将楦型数据符合划分标准的鞋款划分为同一品类；

统计各品类中各个鞋款之间的相似性，选择一款鞋作为试穿鞋；

依据试穿结果调整同一品类中各鞋款与试穿鞋之间的码型转换关系。

7.根据权利要求1所述的数据处理方法，其特征在于，根据所述第一用户数据和第一鞋款数据向用户推荐预设第一码型数据包括：向用户推荐所选鞋款所属分类中试穿鞋对应的码型。

8.根据权利要求1所述的数据处理方法，其特征在于，

监测第一码型数据对应的第一试穿量化数据包括：

将用户试穿感受量化处理，包括试穿鞋靴、试穿登记部位及试穿感受记录、试穿感受登记量化；

将所述第一码型数据转化为第一用户数据中的鞋靴定制码型包括：

依据所述第一码型数据和用户所选鞋款的码型转换关系进行码型转化，基于量化的用户试穿感受调整所选鞋款的码型。

9.根据权利要求1所述的数据处理方法，其特征在于，通过所述第一试穿量化数据和鞋靴定制码型，完成鞋靴定制处理之后还包括：

基于试穿结果，通过数据模型处理，得到第一码型数据的初始化参数；

依据第一鞋款数据与所述第一码型数据的转化关系，优化转化参数，实现鞋楦标准化；

结合所述第一码型数据以及所述第一鞋靴穿着偏好，优化码型方案，得到最适合码型。

10.一种用于鞋靴定制的数据处理装置，其特征在于，包括：

接收单元，用于接收第一用户数据，其中，所述第一用户数据用于作为鞋靴定制的数据；

确定单元，用于确定第一鞋款数据，其中，所述第一鞋款数据用于作为鞋靴试穿的数据；

推荐单元，用于根据所述第一用户数据和第一鞋款数据向用户推荐预设第一码型数据；

监测单元，用于监测第一码型数据对应的第一试穿量化数据；

转化单元，用于将所述第一码型数据转化为第一用户数据中的鞋靴定制码型；

结束单元，用于通过所述第一试穿量化数据和鞋靴定制码型，完成鞋靴定制处理。