CN109674133B - 一种鞋子定制模型创建方法、鞋子定制方法及其定制鞋 - Google Patents

Abstract

本发明公开了一种基于大数据的鞋子定制方法及其定制鞋，所述方法包括：获取用户行走时的行走情况信息；获取用户行走时的鞋子的穿着数据信息；将所述行走情况信息和所述穿着数据信息输入训练好的鞋子定制模型以获得适合用户穿着的鞋子的定制信息；一种基于大数据定制鞋，包括鞋底、鞋垫，还包括行走情况信息获取装置，设置于鞋底上，用于获取用户行走时的行走情况信息；穿着数据获取装置，设置于鞋垫和/或鞋底上，用于获取用户行走时鞋子的穿着数据信息；学习装置，设置于鞋底上，用于根据多次行走情况信息和鞋子的穿着数据信息输出适合用户穿着的鞋子的定制信息，学习装置为训练好的鞋子定制模型，提高了鞋子的舒适度及个性化，提升用户体验。

Description

一种鞋子定制模型创建方法、鞋子定制方法及其定制鞋

技术领域

本发明涉及鞋子技术领域，特别是涉及一种鞋子定制模型创建方法、鞋子定制方法及其定制鞋。

背景技术

足是人体重要的负重器官和运动器官，鞋子是日常生活中十分常见的用品，其穿戴在人的脚上，用于在人走路或是跑步的时候，保护人的脚不受到外界环境异物的伤害，而在人脚走路的过程中鞋子是随着脚一起运动的，因而假如出现鞋子不合适的情况，就会导致穿着不舒服，严重时还容易导致人脚受伤的问题，因此一双适脚的鞋子是相当有必要的。然而由于个体之间的差异性，每个人的脚的大小和形状都会有点差别，且每个人的走的路线不同，路况信息也不同，现有技术无法根据用户自身情况制定出适合用户穿着的鞋子，无法满足人们对舒适性以及个性化的需求。

发明内容

为解决上述问题，本发明提供了一种鞋子定制模型创建方法、鞋子定制方法及其定制鞋。

为实现上述目的，本发明采用的技术方案如下：一种鞋子定制模型的创建方法，所述方法包括：

获取用户行走时的行走情况信息；

获取用户行走时鞋子的穿着数据信息；

根据多次获取的行走情况信息和鞋子的穿着数据信息使用神经网络模型进行训练，训练后得到鞋子定制模型，所述训练后的鞋子定制模型以用户行走时的行走情况信息和鞋子的穿着数据作为输入，以适合用户穿着的鞋子的定制信息作为输出。

进一步的，所述行走情况信息包括路面环境、行走时间、行走距离中的一种或者多种。

进一步的，所述穿着数据信息包括鞋面上多个位置的压力值、凹陷面积、凹陷深度，鞋底多个位置的磨损度中的一种或多种。

进一步的，所述定制信息包括鞋码、鞋型、鞋垫形状、鞋材质中的一种或多种。

一种基于大数据的鞋子定制方法，所述方法包括：

获取用户行走时的行走情况信息；

获取用户行走时的鞋子的穿着数据信息；

将所述行走情况信息和所述穿着数据信息输入训练好的鞋子定制模型以获得适合用户穿着的鞋子的定制信息。

一种基于大数据定制鞋，包括鞋底、鞋垫，还包括

行走情况信息获取装置，设置于鞋底上，用于获取用户行走时的行走情况信息；

穿着数据获取装置，设置于鞋垫和/或鞋底上，用于获取用户行走时鞋子的穿着数据信息；

学习装置，设置于鞋底上，训练好的鞋子定制模型写入学习装置中，用于根据多次行走情况信息和鞋子的穿着数据信息输出适合用户穿着的鞋子的定制信息。

进一步的，所述行走情况信息获取装置包括摄像头，所述摄像头包括多个，分别设置于鞋底的多个位置。

进一步的，所述行走情况信息获取装置包括计时器、路程计量器，分别设置于鞋底上，所述计时器用于记录用户行走时间，所述路程计量器用于记录用户行走距离。

进一步的，所述穿着数据获取装置包括扫描器、磨损度传感器，所述扫描器设置于鞋垫上，所述磨损度传感器包括多个，分别设置于鞋底的多个位置上。

进一步的，还包括通讯装置，所述通讯装置与学习装置信号连接，用于接收学习装置发出的定制信息。

由上述对本发明的描述可知，与现有技术相比，本发明的鞋子定制模型创建方法、鞋子定制方法及其定制鞋，获取用户行走时的行走情况信息；获取用户行走时的鞋子的穿着数据信息；将所述行走情况信息和所述穿着数据信息输入训练好的鞋子定制模型以获得适合用户穿着的鞋子的定制信息，设计出适合用户穿着的鞋，提高了鞋子的舒适度及个性化，提升用户体验。

附图说明

图1为本发明定制鞋的结构示意图；

图2为本发明定制鞋鞋底结构示意图；

图3为本发明定制鞋的结构框图；

图4为本发明基于大数据的鞋子定制方法流程图；

图5为本发明基于大数据定制鞋的结构框图。

具体实施方式

本发明的核心是提供一种鞋子定制模型创建方法、鞋子定制方法及其定制鞋，通过用户自身情况获得鞋子的定制信息，设计出适合用户穿着的鞋，提高了鞋子的舒适度及个性化，提升用户体验。

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。

参照图1、图2所示，本实施例公开了一种基于大数据定制鞋，包括鞋底1、鞋垫2，还包括行走情况信息获取装置3、穿着数据获取装置4、学习装置5、通讯装置6，

所述行走情况信息获取装置3设置于鞋底1上，获取用户行走时的行走情况信息，所述行走情况信息获取装置包括摄像头31、计时器32、路程计量器33，分别设置于鞋底上，所述摄像头设有三个，分别从鞋子的正前方、两侧方三个视角采集用户行走时的路面环境，例如，行走在公路、马路、小道等，走在公路或马路上时，路面平整，对鞋底的摩擦力较小，走在小道上，路面可能存在凹凸不平，不仅对鞋底的摩擦力较大，而且用户走路时可能出现足部用力不均的情况，例如行走路上水较多，鞋子容易进水，行走路上灰尘较多，鞋子容易沾灰，所述计时器32记录用户行走时间和静止穿着时间，所述路程计量器32记录用户行走距离，通过对路面环境、行走时间、静止穿着时间、行走距离的采集，获取用户鞋子的穿着习惯，另外摄像头31、计时器32、路程计量器32可以与用户的手机进行连接通讯，把采集的路面环境、行走时间、行走距离发送到用户手机，用户即可用手机查看，

穿着数据获取装置4设置于鞋垫2和鞋底1的鞋底上，获取用户行走时的穿着数据信息，所述穿着数据获取装置4包括扫描器、磨损度传感器，扫描器设置于鞋垫2上，扫描鞋垫，即可得到脚在鞋垫上的凹陷面积，磨损度传感器设置在鞋底1上，设置多个磨损度传感器采集鞋底面上多个位置的磨损度，例如采集鞋后跟两侧的磨损度；

学习装置5设置于鞋底1上，用于根据多次行走情况信息和鞋子的穿着数据信息输出适合用户穿着的鞋子的定制信息，定制信息包括鞋码、鞋型、鞋垫形状、鞋材质，当摄像头采集到用户经常走在公路或马路上时，路面平整，对鞋底的摩擦力较小，鞋底可以采用较软的材质，走路更舒服，当摄像头采集到用户经常走在小道上，路面可能存在凹凸不平，不仅对鞋底的摩擦力较大，而且用户走路时可能出现足部用力不均的情况，鞋底可以采用较硬的材质，同时鞋垫采用较厚且较软的材质，当摄像头采集到用户行走路上水较多，鞋子容易进水，将鞋底做高，且在鞋底与鞋帮接触位置增加防水功能，当摄像头采集到行走路上灰尘较多，鞋子容易沾灰，鞋帮采用较为平滑的面料，不容易聚集灰尘，当用户的行走时间较长时，由于长时间走路，鞋底采用较软的材质，当用户的穿着静止时间较长时，由于脚长时间处于封闭状态，鞋帮采用透气性较好的面料，当用户每天行走距离较长时，鞋底采用较软的材质，根据脚趾到脚跟的距离计算鞋码，根据脚在鞋垫上的凹陷面积、凹陷深度得到用户脚型，根据脚型生成鞋型、鞋垫形状，例如足弓的凹陷深度较浅，则适当调高足弓位置处鞋垫的高度，鞋底的高度；根据凹陷面积、凹陷深度、磨损度生成，例如足弓的凹陷深度较深或鞋底内侧磨损度较高时为偏平足，走路时，脚底会过度向内旋转，由于频繁挤压，走多了会造成小腿、脚踝等部位酸痛，采用后跟有2～3厘米高，或者内侧足弓处有较硬材质的鞋子，能支撑脚底，达到整体平衡，足弓的凹陷深度较浅时或鞋底外侧磨损度较高时为弓形足，由于足弓高，当重力转移到前脚掌时，脚的侧面没有正常脚型柔软，缓冲能力较差，走久了容易造成膝盖、髋关节疼痛等不适，脚掌上还会出现老茧采用弹性厚底、有气垫的鞋子，以削减压力，当鞋底内外两侧的磨损度较为均匀时为正常足，正常足的人脚趾相对粗短、脚板也较宽，采用鞋头宽一些的鞋，空间舒适，不会给脚掌造成挤压感，行走、久站都不会太累，

所述通讯装置6与学习装置5信号连接，用于接收学习装置5发出的定制信息。

本实施例还提供了一种鞋子定制模型的创建方法，如图3所示，所述方法包括以下步骤：

S101：获取用户行走时的行走情况信息；

S102：获取用户行走时鞋子的穿着数据信息；

S103：根据多次获取的行走情况信息和鞋子的穿着数据信息使用神经网络模型进行训练，训练后得到鞋子定制模型，所述训练后的鞋子定制模型以用户行走时的行走情况信息和鞋子的穿着数据作为输入，以适合用户穿着的鞋子的定制信息作为输出；

具体的，采用摄像头采集大量用户行走时的行走情况信息，所述摄像头设有三个，分别从鞋子的正前方、两侧方三个视角采集用户行走时的路面环境图像，例如，行走在公路、马路、小道等，走在公路或马路上时，路面平整，对鞋底的摩擦力较小，走在小道上，路面可能存在凹凸不平，不仅对鞋底的摩擦力较大，而且用户走路时可能出现足部用力不均的情况，例如行走路上水较多，鞋子容易进水，行走路上灰尘较多，鞋子容易沾灰，所述计时器32记录用户行走时间和静止穿着时间，所述路程计量器32记录用户行走距离；

采用扫描器扫描大量鞋垫图像，采用多个磨损度传感器采集鞋底面上多个位置的磨损度，由于经常磨损的部位为鞋后跟，在本实施例中采集鞋后跟两侧的磨损度，

将路面环境图像输入到神经网络模型，本实施中采用卷积神经网络模型，对路面环境图像进行卷积运算，提取得到初步特征图，进行卷积分解，得到该图像的轮廓图，对轮廓图中的每个像素点的幅值进行识别统计，颜色幅值的取值范围为0-255，幅值较低的路面较为平整，幅值较高的表示路面有凹部，路面不平整，将鞋垫图像输入到卷积神经网络模型，对鞋垫图像进行卷积运算，提取得到初步特征图，进行卷积分解，得到该图像的轮廓图，即可得到脚在鞋垫上的凹陷面积图像，对凹陷面积图像采用BP神经网络模型进行计算，得到脚趾与脚趾之间的距离、脚趾与脚跟之间的距离、脚掌之间的距离，对轮廓图中的每个像素点的幅值进行识别统计，颜色幅值的取值范围为0-255，幅值较低表示凹陷深度较浅，幅值较高的表示凹陷深度较深，

根据多次行走情况信息和鞋子的穿着数据信息输出适合用户穿着的鞋子的定制信息，定制信息包括鞋码、鞋型、鞋垫形状、鞋材质，根据脚趾到脚跟的距离计算鞋码，当摄像头采集到用户经常走在公路或马路上时，路面平整，对鞋底的摩擦力较小，鞋底可以采用较软的材质，走路更舒服，当摄像头采集到用户经常走在小道上，路面可能存在凹凸不平，不仅对鞋底的摩擦力较大，而且用户走路时可能出现足部用力不均的情况，鞋底可以采用较硬的材质，同时鞋垫采用较厚且较软的材质，当摄像头采集到用户行走路上水较多，鞋子容易进水，将鞋底做高，且在鞋底与鞋帮接触位置增加防水功能，当摄像头采集到行走路上灰尘较多，鞋子容易沾灰，鞋帮采用较为平滑的面料，不容易聚集灰尘，当用户的行走时间较长时，由于长时间走路，鞋底采用较软的材质，当用户的穿着静止时间较长时，由于脚长时间处于封闭状态，鞋帮采用透气性较好的面料，当用户每天行走距离较长时，鞋底采用较软的材质，根据脚在鞋垫上的凹陷面积、凹陷深度得到用户脚型，根据脚型生成鞋型、鞋垫形状，例如足弓的凹陷深度较浅，则适当调高足弓位置处鞋垫的高度，鞋底的高度；根据凹陷面积、凹陷深度、磨损度生成，例如足弓的凹陷深度较深或鞋底内侧磨损度较高时为偏平足，走路时，脚底会过度向内旋转，由于频繁挤压，走多了会造成小腿、脚踝等部位酸痛，采用后跟有2～3厘米高，或者内侧足弓处有较硬材质的鞋子，能支撑脚底，达到整体平衡，足弓的凹陷深度较浅时或鞋底外侧磨损度较高时为弓形足，由于足弓高，当重力转移到前脚掌时，脚的侧面没有正常脚型柔软，缓冲能力较差，走久了容易造成膝盖、髋关节疼痛等不适，脚掌上还会出现老茧采用弹性厚底、有气垫的鞋子，以削减压力，当鞋底内外两侧的磨损度较为均匀时为正常足，正常足的人脚趾相对粗短、脚板也较宽，采用鞋头宽一些的鞋，空间舒适，不会给脚掌造成挤压感，行走、久站都不会太累，将训练好的鞋子定制模型写入芯片中，置于鞋上。

本实施例还提供了一种基于大数据的鞋子定制方法，如图3所示，所述方法包括以下步骤：

S201：获取用户行走时的行走情况信息；

S202：获取用户行走时的鞋子的穿着数据信息；

S203：将所述行走情况信息和所述穿着数据信息输入训练好的鞋子定制模型以获得适合用户穿着的鞋子的定制信息。

具体的，采用摄像头采集用户行走时的行走情况信息，所述摄像头设有三个，分别从鞋子的正前方、两侧方三个视角采集用户行走时的路面环境图像，或用户运动时室内或室外的路面环境图像，采用扫描器采集鞋垫图片，将路面环境图像和鞋垫图像输入到上述训练好的鞋子定制模型中，该鞋子定制模型采用卷积神经网络模型训练，卷积神经网络模型主要由五个部分组成：输入层、卷积层、池化层、全连接层、softmax层、具体来说，输入的图像首先经过第一个卷积层，通过卷积操作，得到卷积特征图(Feature Map)，卷积特征图再经过池化层，进行池化操作，池化的目的是进行降维度，减少冗余特征，经过多层卷积和池化操作，得到的图像特征输入全连接层，进行激活，全连接层也可以有多层，最后由softmax层输出分类结果，例如用户经常是在马路上行走，用户为弓形足，则采用弹性厚底、有气垫的鞋子，不仅可缓解膝盖、髋关节疼痛，还可在一定程度上对用户走路姿势进行矫正。

另外摄像头、计时器、路程计量器可以与用户的手机进行连接通讯，把采集的路面环境、行走时间、行走距离发送到用户手机，用户即可用手机查看。

本实施例提供的一种鞋子定制模型创建方法、鞋子定制方法及其定制鞋，本发明的鞋子定制模型创建方法、鞋子定制方法及其定制鞋，获取用户行走时的行走情况信息；获取用户行走时的鞋子的穿着数据信息；将所述行走情况信息和所述穿着数据信息输入训练好的鞋子定制模型以获得适合用户穿着的鞋子的定制信息，通过对路面环境、行走时间、静止穿着时间、行走距离的采集，获取用户鞋子的穿着习惯，结合穿着习惯及用户穿着数据设计出适合用户穿着的鞋，提高了鞋子的舒适度及个性化，提升用户体验。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (9)

1.一种鞋子定制模型的创建方法，其特征在于，所述方法包括：

获取用户行走时的行走情况信息，所述行走情况信息包括路面环境、行走时间、行走距离中的一种或者多种；

获取用户行走时鞋子的穿着数据信息；

根据多次获取的行走情况信息和鞋子的穿着数据信息使用神经网络模型进行训练，训练后得到鞋子定制模型，所述训练后的鞋子定制模型以用户行走时的行走情况信息和鞋子的穿着数据作为输入，以适合用户穿着的鞋子的定制信息作为输出。

2.根据权利要求1所述的鞋子定制模型的创建方法，其特征在于：所述穿着数据信息包括鞋面上多个位置的压力值、凹陷面积、凹陷深度，鞋底多个位置的磨损度中的一种或多种。

3.根据权利要求1所述的鞋子定制模型的创建方法，其特征在于：所述定制信息包括鞋码、鞋型、鞋垫形状、鞋材质中的一种或多种。

4.一种基于大数据的鞋子定制方法，其特征在于，所述方法包括：

获取用户行走时的行走情况信息，所述行走情况信息包括路面环境、行走时间、行走距离中的一种或者多种；

获取用户行走时的鞋子的穿着数据信息；

将所述行走情况信息和所述穿着数据信息输入训练好的鞋子定制模型以获得适合用户穿着的鞋子的定制信息。

5.一种基于大数据定制鞋，包括鞋底、鞋垫，其特征在于：还包括

行走情况信息获取装置，设置于鞋底上，用于获取用户行走时的行走情况信息，所述行走情况信息包括路面环境、行走时间、行走距离中的一种或者多种；

穿着数据获取装置，设置于鞋垫和/或鞋底上，用于获取用户行走时鞋子的穿着数据信息；

学习装置，设置于鞋底上，训练好的鞋子定制模型写入学习装置中，用于根据多次行走情况信息和鞋子的穿着数据信息输出适合用户穿着的鞋子的定制信息。

6.根据权利要求5所述的基于大数据定制鞋，其特征在于：所述行走情况信息获取装置包括摄像头，所述摄像头包括多个，分别设置于鞋底的多个位置，用于获取路面环境。

7.根据权利要求5所述的基于大数据定制鞋，其特征在于：所述行走情况信息获取装置包括计时器、路程计量器，分别设置于鞋底上，所述计时器用于记录用户行走时间和/或静止穿着时间，所述路程计量器用于记录用户行走距离。

8.根据权利要求5所述的基于大数据定制鞋，其特征在于：所述穿着数据获取装置包括扫描器、磨损度传感器，所述扫描器设置于鞋垫上，所述磨损度传感器包括多个，分别设置于鞋底的多个位置上。

9.根据权利要求5所述的基于大数据定制鞋，其特征在于：还包括通讯装置，所述通讯装置与学习装置信号连接，用于接收学习装置发出的定制信息。

Images