CN110020903A - 模拟用户试装的方法、装置、存储介质及移动终端 - Google Patents

Abstract

本申请实施例公开了一种模拟用户试装的方法、装置、存储介质及移动终端。该方法包括：在访问购物网站时，获取用户输入的试装请求；在检测到所述试装请求时，获取所述试装请求对应的衣服模型以及所述购物网站对应的用户标识；根据所述用户标识获取用户的人体模型，将所述衣服模型融合至所述人体模型得到试装模型，并显示所述试装模型。采用上述技术方案，可以解决相关技术中的网络购物场景下用户无法直观的确定衣服的款式或型号是否符合要求的问题，使移动终端可以提供模拟现实购物场景的功能。

Description

模拟用户试装的方法、装置、存储介质及移动终端

技术领域

本申请实施例涉及移动终端技术，尤其涉及一种模拟用户试装的方法、装置、存储介质及移动终端。

背景技术

随着电子商务的迅猛发展，越来越多的用户选择在网上购买服装。

然而，目前网络平台通常是以二维照片的方式展示商品。在为购买者提供便捷式的购物体验的同时，由于购买者通过二维照片并不能直观的判断自己购买的衣服或配饰是否合身，或者是否符合自己的形象及气质。从而，导致购买者买到的衣服款式或型号不符合自己的要求。

发明内容

本申请实施例提供一种模拟用户试装的方法、装置、存储介质及移动终端，可以模拟用户自己试装的效果，丰富了移动终端的功能。

第一方面，本申请实施例提供了一种模拟用户试装的方法，包括：

在访问购物网站时，获取用户输入的试装请求；

在检测到所述试装请求时，获取所述试装请求对应的衣服模型以及所述购物网站对应的用户标识；

根据所述用户标识获取用户的人体模型，将所述衣服模型融合至所述人体模型得到试装模型，并显示所述试装模型。

第二方面，本申请实施例还提供了一种模拟用户试装的装置，该装置包括：

请求检测模块，用于在访问购物网站时，获取用户输入的试装请求；

信息获取模块，用于在检测到所述试装请求时，获取所述试装请求对应的衣服模型以及所述购物网站对应的用户标识；

试装模型生成模块，用于根据所述用户标识获取用户的人体模型，将所述衣服模型融合至所述人体模型得到试装模型，并显示所述试装模型。

第三方面，本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的模拟用户试装的方法。

第四方面，本申请实施例还提供了一种移动终端，3D深度摄像头、存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，所述3D深度摄像头，用于拍摄具有景深信息的用户图像；所述处理器执行所述计算机程序时实现如上述第一方面所述的模拟用户试装的方法。

本申请实施例提供了一种模拟用户试装的方案，通过在试装功能开启后，若检测到购物网站的访问操作，则获取用户输入的试装请求；在检测到该试装请求时，获取该试装请求对应的衣服模型以及购物网站对应的用户标识；根据该用户标识获取用户的人体模型，将该衣服模型融合至该人体模型得到试装模型，并显示该试装模型，从而，展示用户自己试穿衣服的效果。采用上述技术方案，可以解决相关技术中的网络购物场景下用户无法直观的确定衣服的款式或型号是否符合要求的问题，使移动终端可以提供模拟现实购物场景的功能，实现直观的展示用户自己试装的效果，丰富了移动终端的功能。

附图说明

图1是本申请实施例提供的一种模拟用户试装的方法的流程图；

图2是本申请实施例提供的另一种模拟用户试装的方法的流程图；

图3是本申请实施例提供的一种模拟用户试装的装置的结构框图；

图4是本申请实施例提供的一种移动终端的结构框图；

图5是本申请实施例提供的一种智能手机的结构框图。

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本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。

在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。

需要说明的是，预先向移动终端内配置试装功能，用于模拟用户自己穿上服装的效果。该试装功能可以为独立的试装应用程序，具有独立的试装应用图标。用户可以在该试装应用程序中收藏经常浏览的购物网站的网址，以便于通过该试装应用程序链接到购物网站。该试装应用程序界面提供试装功能按键，在该试装功能按键被按下时，认为试装功能开启。可以理解的是，在移动终端内附加试装功能的方式有很多种，并不限于上述列举的方式。例如，试装功能还可以添加至安卓(Android)控制中心，用于在检测到用户对该试装功能对应的图标的操作指示时，开启试装功能等。若在浏览购物网站时检测到控制中心的显示操作，则显示控制中心并获取用户针对控制中心的操作指示。如果该操作指示是对试装功能对应的图标的操作，那么开启试装功能。

需要说明的是，在检测到试装应用程序安装完成时，显示初始化界面，用于提示用户初始化试装功能。在初始化试装功能时，获取3D深度摄像头按照预设方向对用户拍摄(包括照片拍摄及视频拍摄)的用户图像，根据该用户图像生成人体模型，并将该人体模型与预设的用户标识关联存储于预设的白名单内。其中，3D深度摄像头可以用于拍摄具有景深信息的图像。可选的，3D深度摄像头包括基于结构光深度测距的深度摄像头和基于TOF(TimeOf Flight)测距的深度摄像头。其中，预设的用户标识可以是购物网站对应的用户标识，例如购物网站的登录名或用户名等。

可以理解的是，由预设方向对用户进行拍摄至少是沿用户的前后左右四个方向各拍摄至少一帧具有景深信息的用户图像。由于用户图像包含像素信息及景深信息，可以采用设定算法基于该用户图像构建用户的三维人体模型，将该人体模型与上述用户标识关联存储于预设的白名单。本申请实施例中对构建人体模型所使用的算法并不作限定。

可以理解的是，3D深度摄像头的拍摄方向并不限于上述列举的四个方向，也可以是环绕用户一周进行视频拍摄。例如，获取3D深度摄像头环绕用户拍摄得到的用户视频。然后，采用设定的分帧策略对该用户视频进行分帧处理，得到设定数量的具有深度信息的用户图像，并采用设定算法，根据该用户图像生成人体模型，将该人体模型与上述用户标识关联存储于预设的白名单。其中，分帧策略可以是每隔设定时间间隔提取一帧图像得到设定数量的具有景深信息的用户图像。该设定时间间隔可以是系统默认的，需要说明的是，该时间间隔越短，提取的用户图像越多，构建的人体模型也就越趋近于真实人体结构。

图1为本申请实施例提供的一种模拟用户试装的方法的流程图，该方法可以由模拟用户试装的装置来执行，其中，该装置可由软件和/或硬件实现，一般可集成在移动终端中，例如具有3D深度摄像头的移动终端。如图1所示，该方法包括：

步骤110、在访问购物网站时，获取用户输入的试装请求。

其中，试装请求是触发将用户选择的衣服对应的衣服模型“穿”在人体模型的操作的用户指示。试装请求可以通过用户手势或用户语音输入。例如，在初始化试装功能时，还预先定义代表试装请求的手势。移动终端在检测到用户输入的手势信息时，将该手势信息与预设的代表试装请求的手势进行比对，在两者匹配时，确定检测到试装请求。又如，在初始化试装功能时，提示用户输入一段代表试装请求的控制语音。从而，可以获取语音助手输入的用户语音，并将该用户语音与该控制语音进行匹配。若匹配成功，则确定检测到试装请求。

本申请实施例中，移动终端根据所访问的网络资源的URL(Uniform ResourceLocator，统一资源定位符)判断该网络资源是否为购物网站。例如，提取该URL包含的网络资源名称，根据该网络资源名称查询预设的购物网站名单。若该网络资源名称属于该购物网站名单，则确定在访问购物网站。需要说明的是，可以在确定访问购物网站后，判断试装功能是否开启。若试装功能开启，则获取用户输入的试装请求。若试装功能未开启，则可以执行原购物网站访问流程。

步骤120、在检测到所述试装请求时，获取所述试装请求对应的衣服模型以及所述购物网站对应的用户标识。

其中，用户标识为与购物网站对应的用于唯一标识用户的字符，包括但不限于登录名或用户名。

本申请实施例中，在检测到试装请求时，获取与购物网站对应的登录名或用户名等，作为用户标识。

需要说明的是，衣服模型为服装的立体模型。可以通过购物网站提供的应用程序编程接口(Application Programming Interface，简称API)获取衣服模型。示例性的，在检测到试装请求时，可以通过获取至少一帧屏幕截图的方式获取该试装请求对应的衣服标识。可选的，由帧缓冲Framebuffer中获取该试装请求对应的衣服的多帧截图图像。其中，衣服标识可以是衣服编号、衣服名称或货号等。可以提取该截图图像中的文字内容，根据该文字内容确定衣服标识。可以理解的是，获取试装请求对应的衣服标识的方式并不限于屏幕截图的方式，还可以是通过脚本文件获取当前购物网站显示的服装的商品信息(包括属性信息及衣服图片)，根据该商品信息确定衣服标识等。

若购物网站提供试装服务，则可以根据该衣服标识查询该购物网站获取该衣服标识对应的衣服模型。需要说明的是，提供试装服务的购物网站具有各个商品的立体模型，通过购物网站提供的API，移动终端可以访问立体模型的存储空间，获取该衣服标识对应的衣服模型。

若购物网站未提供试装服务，或者该试装请求对应的服装不存在对应的衣服模型，则采用设定的算法，根据该试装请求对应的衣服的属性信息构建衣服模型。示例性的，若购物网站不提供试装服务，或者该试装请求对应的服装不存在对应的衣服模型，则由屏幕截图中提取该试装请求对应的衣服属性信息及衣服的图片，通过预先配置的转换模型根据衣服的属性信息与衣服的图片生成对应的衣服模型。其中，转换模型是根据衣服样本模型及衣服样本属性训练的深度神经网络。

为了便于理解，本申请实施例对转换模型的构建过程进行简要说明。为构建转换模型，可以预先设置深度神经网络的隐藏层的数目以及输入层、隐藏层和输出层各层的节点数，以及初始化深度神经网络的第一参数，其中，第一参数包括各层的偏置值及边的权重。然后，利用设定数量的衣服样本模型及对应的衣服的属性信息训练该深度神经网络，得到转换模型。

需要说明的是，衣服样本模型包括衣服图片及服装框架模型，包括但不限于上衣框架模型、裙子框架模型及裤子框架模型等。衣服样本属性包括颈围、胸围、腰围、肩宽、臂长、臀围及衣长，并且，衣长包括上衣长度、裤子长度及裙长等。根据该衣服样本属性调整服装框架模型，得到与衣服样本匹配的框架模型，从而，对于不同尺寸及型号的衣服可以复用服装框架模型。可选的，由于服装框架模型可以复用，可以仅预设上衣、裤子、连衣裙及半身裙等几种服装框架模型，减小试装功能的内存占用率。可以利用三维纹理贴图技术将衣服图片贴于服装框架模型的对应面，得到衣服样本模型。衣服图片包括服装打板中各个衣片的图像。为了简化转换模型的训练过程，可以获取衣服的正面图片及反面图片作为衣服图片。例如，由屏幕截图中提取衣服的正面图片和反面图片。可选的，分别提取正面图片及反面图片中的衣服轮廓，根据该衣服轮廓确定拍摄焦距和拍摄角度。从而，可以确定正面图片与反面图片的拍摄焦距和拍摄角度是否相同。在拍摄焦距不相同时，放大或缩小图片以使正面图片与反面图片的拍摄焦距相同。在拍摄视角不同时，旋转图片使正面图片与反面图片的拍摄视角相同。

预先构建设定数量的服装框架模型，根据各个衣服样本的衣服样本属性调整服装框架模型，得到对应于各个衣服样本的服装框架模型。然后，将衣服样本的正面图片与反面图片分别融合至对应于衣服样本的服装框架模型，得到各个衣服样本的衣服样本模型。将衣服样本模型输入上述预设的深度神经网络，采用设定的机器学习算法生成转换模型。其中，设定的机器学习算法包括前向传播算法和后向传播算法。示例性的，利用衣服样本模型对预设的深度神经网络进行前向传播和后向传播两个阶段的训练。在后向传播训练计算得到的误差达到期望误差时，训练结束，得到转换模型。

需要说明的是，本申请实施例中对深度神经网络的层数、神经元的数量、卷积核和/或权重等网络参数不作限定。本申请实施例对转换模型的构建操作的执行主体也不进行限制，可以是服务器也可以是移动终端。

步骤130、根据所述用户标识获取用户的人体模型，将所述衣服模型融合至所述人体模型得到试装模型，并显示所述试装模型。

需要说明的是，试装模型指的是人体模型与衣服模型融合后得到的呈现用户“穿上”衣服的立体模型。例如，可以采用三维纹理贴图技术，将衣服模型与人体模型按照正确的面对应关系融合得到试装模型，其中，正确的面对应关系包括上衣模型对应人体躯干上部，裤子模型对应人体躯干下部，衣服模型的正面对应人体模型的正面，以及衣服模型的反面对应人体模型的反面等。

本申请实施例中，在访问购物网站时，检测到试装请求，获取该购物网站对应的登录名或用户名等唯一标识用户身份的标识符，作为用户标识。根据该用户标识查询预设的白名单，得到人体模型，其中，预设的白名单内关联存储用户标识及人体模型。按照衣服模型与人体模型的空间对应关系，从不同的角度和方向将衣服模型的图像贴到该人体模型的表面，得到试装模型，并显示该试装模型。可选的，提供模型旋转功能，若检测到用户输入的模型旋转手势，则根据该模型旋转手势的持续时间及手势滑动方向确定试装模型的旋转角度及旋转方向，以便于用户由各个方向查看衣服的试穿效果。

本实施例的技术方案，通过在试装功能开启后，若检测到购物网站的访问操作，则获取用户输入的试装请求；在检测到该试装请求时，获取该试装请求对应的衣服模型以及购物网站对应的用户标识；根据该用户标识获取用户的人体模型，将该衣服模型融合至该人体模型得到试装模型，并显示该试装模型，从而，展示用户自己试穿衣服的效果。采用上述技术方案，可以解决相关技术中的网络购物场景下用户无法直观的确定衣服的款式或型号是否符合要求的问题，使移动终端可以提供模拟现实购物场景的功能，实现直观的展示用户自己试装的效果，丰富了移动终端的功能。

图2是本申请实施例提供的另一种模拟用户试装的方法的流程图。如图2所述，该方法包括：

步骤201、在访问购物网站时，获取用户输入的试装请求。

可以理解的是，试装功能可以在访问购物网站之前就开启。在试装功能被开启后，若检测到用户正在浏览购物网站，则获取用户输入的试装请求。例如，移动终端检测到关于试装应用程序的开启操作，则确定试装功能被开启，可以通过试装应用程序链接到购物网站，并在检测到用户的试装请求后，于该试装应用程序的界面内显示试装模型。可选的，还可以通过试装应用程序关联打开购物网站对应的应用程序，以供用户在购物网站对应的应用程序内进行商品浏览，并在检测到用户的试装请求后，跳转回试装应用程序，并在该试装应用程序的界面内显示试装模型。

可替换的，试装功能可以在访问购物网站的过程中开启。例如，在检测到用户浏览购物网站的过程中对控制中心的操作，根据该操作显示控制中心，若获取到用户开启控制中心内的试装功能开关，则确定试装功能被开启，由此时起，若用户还在浏览购物网站，则获取用户输入的试装请求。

可以理解的是，开启试装功能的方式有很多种，本申请实施例并不作具体限定，并且获取试装请求的场景也并不限于上述列举的方式。

步骤202、判断所述购物网站是否提供试装服务，若是，则执行步骤203，否则执行步骤205。

需要说明的是，预先获取提供试装服务的购物网站的网站标识。例如，以网站白名单的方式存储可以提供试装服务的购物网站的网站标识，并于移动终端出厂前配置于该移动终端内，其中，该网站标识可以是URL，或者URL包含的关键字符等。可选的，还可以在更新网站白名单时，由移动厂商服务器下发新的网站白名单至移动终端，以供移动终端进行更新。

获取该购物网站的网站标识，包括但不限于获取该购物网站的URL，将URL作为网站标识，或者通过分析该购物网站的URL得到购物网站的网站标识。例如，移动终端上购物网站的URL通常为http://m.xx.cn的形式，可以通过提取该URL中的关键字符得到网站标识。其中，关键字符可以是//m.后的字符，或者直接提取紧邻//m的分隔符“.”至下一个分隔符“.”之间的多个字符。

本申请实施例中，根据网站标识查询网站白名单，判断该网站标识是否属于该网站白名单，若是，则确定该网站标识对应的购物网站提供试装服务，执行步骤203，否则，确定该网站标识对应的购物网站不提供试装服务，执行步骤205。

步骤203、获取屏幕截图，由所述屏幕截图中提取所述试装请求对应的衣服标识。

步骤204、获取与所述衣服标识对应的衣服模型。

移动终端通过购物网站提供的API获取该衣服标识对应的衣服模型，在获得到衣服模型后，跳转至执行步骤207。

步骤205、获取屏幕截图，由所述屏幕截图中提取所述试装请求对应的衣服的属性信息以及所述试装请求对应的衣服的图片。

在购物网站不提供试装服务时，由帧缓冲Framebuffer中获取该试装请求对应的页面的多帧页面截图。从而，分别提取该页面截图中的文字信息与图片信息，分析该文字信息中得到衣服的属性信息，还由该图片信息中获取衣服的正面图片及反面图片。需要说明的是，该衣服的属性信息包括但不限于颈围、胸围、腰围、肩宽、臂长、臀围及衣长，其中，衣长包括上衣长、裤长及裙长等。

步骤206、将所述图片及所述衣服的属性信息输入预设的转换模型，获取所述转换模型输出的衣服模型。

需要说明的是，该转换模型是预先配置于移动终端内，且根据衣服样本模型及衣服样本属性训练的深度神经网络。将该试装请求对应的衣服的正面图片、反面图片及衣服的属性信息输入该转换模型，能够得到对应于该衣服的立体模型，记为衣服模型。

步骤207、根据所述购物网站对应的登录名或用户名称查询预设的白名单，得到人体模型。

步骤208、将所述衣服模型融合至所述人体模型得到试装模型，并显示所述试装模型。

步骤209、获取用户的历史位置记录，根据所述历史位置记录确定常驻位置及处于所述常驻位置的时间。

需要说明的是，历史位置记录包括用户的历史位置以及在该历史位置停留的历史时间。例如，假设用户A经常在工作日的9点至17点出现在xx大厦，那么将xx大厦记为用户A的历史位置，9点至17点为用户在某一历史位置的历史时间。

示例性的，移动终端通过GPS以及接入的WIFI(无线保真)的SSID(ServiceSetIdentifier，服务集标识)确定用户的位置，将该位置与在该位置的停留时间关联存储于位置白名单内。

本申请实施例中，由试装请求触发执行获取用户历史位置记录的操作，该获取用户历史位置记录的操作与得到试装模型的操作并行执行，并行执行可以提升移动终端的执行效率。可选的，还可以由得到试装模型触发执行获取用户历史位置记录的操作。从而，在得到试装模型后，执行本步骤的获取用户历史位置记录的操作，避免在实现试衣功能的过程中发生卡顿现象。分析该历史位置记录，提取出现次数超过设定次数阈值且停留时间超过设定时间阈值的位置，将该位置作为常驻位置，并将在该常驻位置的停留时间记为常驻位置的时间。

步骤210、根据所述常驻位置及时间预测用户职业。

采用大数据分析的手段，基于上述常驻位置及在常驻位置的时间预测用户职业。例如，若某一用户在每天8点半至17点30停留在农业银行xx分行，且停留时间超过6小时，则确定该用户为银行职员。

步骤211、根据所述用户职业及所述试装请求对应的衣服预测用户的消费需求。

通过预先对不同职业的用户的购买记录进行分析，得到不同职业的用户的购买偏好。根据当前的用户职业确定当前用户可能的购买偏好，结合该试装请求对应的衣服确定与当前用户匹配的参考购买偏好。然后，移动终端获取该试装请求对应的衣服的特征信息(例如款式、功能及风格等)，根据该参考购买偏好及该特征信息生成当前用户的消费需求。

步骤212、由所述购物网站中查询符合所述消费需求的目标商品，显示所述目标商品。

移动终端将消费需求作为查询条件查询购物网站，得到符合该消费需求的目标商品，显示该目标商品。

可以理解的是，本申请实施例并不限定步骤209至步骤212的执行顺序。

假设按照上述步骤中列举的顺序执行，即在显示试装模型后，执行确定消费需求的操作，可以避免发生卡顿现象。

假设在检测到试装请求时，与确定试装模型的操作并行执行预测消费需求的操作，则可以在显示试装模型时，显示目标商品。可选的，在试装功能界面显示试装模型时，以小窗口显示目标商品的缩略图，该缩略图可以根据用户输入的显示下一批的操作指示自动更换。在检测到用户选择某一衣服对应的缩略图时，获取该衣服对应的衣服模型，将该衣服模型融合至人体模型得到试装模型，并显示该试装模型。例如，用户的试装请求选择的是一件上衣，根据用户职业和该上衣的特征信息预测用户可能会购买一件裤子，以缩略图的形式显示该职业的人群经常购买的裤子，获取用户输入的选择操作。在检测到针对某一条裤子的选择操作时，获取该裤子对应的衣服模型，并将该裤子对应的衣服模型融合至人体模型，显示用户自己“穿上”选中的上衣及裤子的试装模型。

可选的，获取用户选择的目标商品，判断该目标商品是否在线下有售，若是，则提示用户选择线上购买或线下购买。在检测到用户选择线下购买时，根据用户的当前位置搜索距离用户最近的线下门店，并将该线下门店的信息显示在屏幕上。可选的，用户点击该线下门店，还可以提供由当前位置至该线下门店的导航路线，方便用户快速找到该线下门店。

本实施例的技术方案，通过获取用户的历史位置记录，根据历史位置记录确定常驻位置及处于常驻位置的时间；根据常驻位置及时间预测用户职业；根据用户职业及所述试装请求对应的衣服预测用户的消费需求；由购物网站中查询符合消费需求的目标商品，显示目标商品，可以结合用户职业及试装请求对应的衣服由移动终端向用户推送目标商品，避免购物网站仅根据购买记录推送商品不够精确的情况发生，提升了推送商品的精确性，从而，提高推送购买率，并且丰富了移动终端的功能。

图3是本申请实施例提供的一种模拟用户试装的装置的结构框图。该装置可以通过软件和/或硬件实现，可被集成于移动终端内，例如具有3D深度摄像头的移动终端，用于执行本申请实施例提供的模拟用户试装的方法。如图3所示，该装置包括：

请求检测模块310，用于在访问购物网站时，获取用户输入的试装请求；

信息获取模块320，用于在检测到所述试装请求时，获取所述试装请求对应的衣服模型以及所述购物网站对应的用户标识；

试装模型生成模块330，用于根据所述用户标识获取用户的人体模型，将所述衣服模型融合至所述人体模型得到试装模型，并显示所述试装模型。

本实施例的技术方案提供一种模拟用户试装的装置，可以解决相关技术中的网络购物场景下用户无法直观的确定衣服的款式或型号是否符合要求的问题，使移动终端可以提供模拟现实购物场景的功能，实现直观的展示用户自己试装的效果，丰富了移动终端的功能。

可选的，还包括：

人体模型生成模块，用于在初始化试装功能时，获取3D深度摄像头按照预设方向拍摄用户得到的用户图像；根据所述用户图像生成人体模型，并将所述人体模型与所述用户标识关联存储于预设的白名单。

进一步的，人体模型生成模块包括：

视频拍摄子模块，用于获取3D深度摄像头环绕用户拍摄得到的用户视频；

图像获取子模块，用于采用设定的分帧策略对所述用户视频进行分帧处理，得到设定数量的具有深度信息的用户图像。

可选的，信息获取模块320具体用于：

在所述购物网站提供试装服务时，获取屏幕截图，由所述屏幕截图中提取所述试装请求对应的衣服标识；

获取与所述衣服标识对应的衣服模型。

可选的，信息获取模块320具体用于：

在所述购物网站不提供试装服务时，获取屏幕截图，由所述屏幕截图中提取所述试装请求对应的衣服的属性信息以及所述试装请求对应的衣服的图片；

将所述图片及所述衣服的属性信息输入预设的转换模型，获取所述转换模型输出的衣服模型，其中，所述转换模型是根据衣服样本模型及衣服样本属性训练的深度神经网络，所述衣服样本属性包括颈围、胸围、腰围、肩宽、臂长、臀围及衣长。

可选的，试装模型生成模块330具体用于：

根据所述购物网站对应的登录名或用户名称查询预设的白名单，得到人体模型，将所述衣服模型融合至所述人体模型得到试装模型，并显示所述试装模型。

可选的，该装置还包括：

推送模块，用于获取用户的历史位置记录，根据所述历史位置记录确定常驻位置及处于所述常驻位置的时间；根据所述常驻位置及时间预测用户职业；根据所述用户职业及所述试装请求对应的衣服预测用户的消费需求；由所述购物网站中查询符合所述消费需求的目标商品，显示所述目标商品。

本申请实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种模拟用户试装的方法，该方法包括：

在访问购物网站时，获取用户输入的试装请求；

在检测到所述试装请求时，获取所述试装请求对应的衣服模型以及所述购物网站对应的用户标识；

根据所述用户标识获取用户的人体模型，将所述衣服模型融合至所述人体模型得到试装模型，并显示所述试装模型。

存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括：安装介质，例如CD-ROM、软盘或磁带装置；计算机系统存储器或随机存取存储器，诸如DRAM、DDR RAM、SRAM、EDO RAM，兰巴斯(Rambus)RAM等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)；寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外，存储介质可以位于程序在其中被执行的第一计算机系统中，或者可以位于不同的第二计算机系统中，第二计算机系统通过网络(诸如因特网)连接到第一计算机系统。第二计算机系统可以提供程序指令给第一计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。

当然，本申请实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的模拟用户试装的操作，还可以执行本申请任意实施例所提供的模拟用户试装的方法中的相关操作。

本申请实施例提供了一种移动终端，该移动终端内具有操作系统，该移动终端中可集成本申请实施例提供的模拟用户试装的装置。其中，移动终端可以为智能手机或PAD(平板电脑)等。图4是本申请实施例提供的一种移动终端的结构框图。如图4所示，该移动终端可以包括摄像头410、存储器420及处理器430。其中，所述摄像头410为3D深度摄像头，可以采用结构光方案拍摄得到具有景深信息的用户图像。所述存储器420，用于存储计算机程序、人体模型及试装模型等。所述处理器430读取并执行所述存储器420中存储的计算机程序。所述处理器430在执行所述计算机程序时实现以下步骤：在访问购物网站时，获取用户输入的试装请求；在检测到所述试装请求时，获取所述试装请求对应的衣服模型以及所述购物网站对应的用户标识；根据所述用户标识获取用户的人体模型，将所述衣服模型融合至所述人体模型得到试装模型，并显示所述试装模型。

上述示例中列举的摄像头、存储器及处理器均为移动终端的部分元器件，所述移动终端还可以包括其它元器件。以智能手机为例，说明上述移动终端可能的结构。

图5是本申请实施例提供的一种智能手机的结构框图。如图5所示，该智能手机可以包括：存储器501、中央处理器(Central Processing Unit，CPU)502(又称处理器，以下简称CPU)、外设接口503、RF(Radio Frequency，射频)电路505、音频电路506、扬声器511、显示器512、摄像头513、电源管理芯片508、输入/输出(I/O)子系统509、其他输入/控制设备510以及外部端口504，这些部件通过一个或多个通信总线或信号线507来通信。

应该理解的是，图示智能手机500仅仅是移动终端的一个范例，并且智能手机500可以具有比图中所示出的更多的或者更少的部件，可以组合两个或更多的部件，或者可以具有不同的部件配置。图中所示出的各种部件可以在包括一个或多个信号处理和/或专用集成电路在内的硬件、软件、或硬件和软件的组合中实现。

下面就本实施例提供的集成有妆容推荐装置的智能手机进行详细的描述。

存储器501，所述存储器501可以被CPU502、外设接口503等访问，所述存储器501可以包括高速随机存取存储器，还可以包括非易失性存储器，例如一个或多个磁盘存储器件、闪存器件、或其他易失性固态存储器件。在存储器511中存储计算机程序，还可以存储人体模型、试装模型及预设的白名单等，其中，该预设的白名单包括多个白名单，第一白名单可以存储人体模型与所述用户标识关联关系，第二白名单可以是网站白名单，用于存储购物网站的网站标识，第三白名单可以是位置白名单，用于存储用户位置及在该用户位置的停留时间等。

外设接口503，所述外设接口503可以将设备的输入和输出外设连接到CPU502和存储器501。

I/O子系统509，所述I/O子系统509可以将设备上的输入输出外设，例如屏幕512和其他输入/控制设备510，连接到外设接口503。I/O子系统509可以包括显示控制器5091和用于控制其他输入/控制设备510的一个或多个输入控制器5092。其中，一个或多个输入控制器5092从其他输入/控制设备510接收电信号或者向其他输入/控制设备510发送电信号，其他输入/控制设备510可以包括物理按钮(按压按钮、摇臂按钮等)、拨号盘、滑动开关、操纵杆、点击滚轮。值得说明的是，输入控制器5092可以与以下任一个连接：键盘、红外端口、USB接口以及诸如鼠标的指示设备。

屏幕512，可以是触摸屏，所述屏幕512是用户终端与用户之间的输入接口和输出接口，将可视输出显示给用户，可视输出可以包括图形、文本、图标、视频等。

摄像头513，所述摄像头513采用结构光方案获取用户人体的光学图像，并将光学图像转换为电信号，通过外设接口503存储于存储器501。

I/O子系统509中的显示控制器5051从屏幕512接收电信号或者向屏幕512发送电信号。屏幕512检测屏幕上的接触，显示控制器5091将检测到的接触转换为与显示在屏幕512上的用户界面对象的交互，即实现人机交互，显示在屏幕512上的用户界面对象可以是运行游戏的图标、联网到相应网络的图标等。值得说明的是，设备还可以包括光鼠，光鼠是不显示可视输出的触摸敏感表面，或者是由屏幕形成的触摸敏感表面的延伸。

RF电路505，主要用于建立手机与无线网络(即网络侧)的通信，实现手机与无线网络的数据接收和发送。例如收发短信息、电子邮件等。具体地，RF电路505接收并发送RF信号，RF信号也称为电磁信号，RF电路505将电信号转换为电磁信号或将电磁信号转换为电信号，并且通过该电磁信号与通信网络以及其他设备进行通信。RF电路505可以包括用于执行这些功能的已知电路，其包括但不限于天线系统、RF收发机、一个或多个放大器、调谐器、一个或多个振荡器、数字信号处理器、CODEC(COder-DECoder，编译码器)芯片组、用户标识模块(Subscriber Identity Module，SIM)等等。

音频电路506，主要用于从外设接口503接收音频数据，将该音频数据转换为电信号，并且将该电信号发送给扬声器511。

扬声器511，用于将手机通过RF电路505从无线网络接收的语音信号，还原为声音并向用户播放该声音。

电源管理芯片508，用于为CPU502、I/O子系统及外设接口所连接的硬件进行供电及电源管理。

本申请实施例提供的移动终端，可以解决相关技术中的网络购物场景下用户无法直观的确定衣服的款式或型号是否符合要求的问题，使移动终端可以提供模拟现实购物场景的功能，实现直观的展示用户自己试装的效果，丰富了移动终端的功能。

上述实施例中提供的模拟用户试装的装置、存储介质及移动终端可执行本申请任意实施例所提供的模拟用户试装的方法，具备执行该方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节，可参见本申请任意实施例所提供的模拟用户试装的方法。

注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由所附的权利要求范围决定。

Claims (10)

1.一种模拟用户试装的方法，其特征在于，包括：

在访问购物网站时，获取用户输入的试装请求；

在检测到所述试装请求时，获取所述试装请求对应的衣服模型以及所述购物网站对应的用户标识；

根据所述用户标识获取用户的人体模型，将所述衣服模型融合至所述人体模型得到试装模型，并显示所述试装模型。

2.根据权利要求1所述的方法，其特征在于，还包括：

在初始化试装功能时，获取3D深度摄像头按照预设方向拍摄用户得到的用户图像；

根据所述用户图像生成人体模型，并将所述人体模型与所述用户标识关联存储于预设的白名单。

3.根据权利要求2所述的方法，其特征在于，获取3D深度摄像头按照预设方向拍摄用户得到的用户图像，包括：

获取3D深度摄像头环绕用户拍摄得到的用户视频；

采用设定的分帧策略对所述用户视频进行分帧处理，得到设定数量的具有深度信息的用户图像。

4.根据权利要求1所述的方法，其特征在于，获取所述试装请求对应的衣服模型，包括：

在所述购物网站提供试装服务时，获取屏幕截图，由所述屏幕截图中提取所述试装请求对应的衣服标识；

获取与所述衣服标识对应的衣服模型。

5.根据权利要求1所述的方法，其特征在于，获取所述试装请求对应的衣服模型，包括：

在所述购物网站不提供试装服务时，获取屏幕截图，由所述屏幕截图中提取所述试装请求对应的衣服的属性信息以及所述试装请求对应的衣服的图片；

将所述图片及所述衣服的属性信息输入预设的转换模型，获取所述转换模型输出的衣服模型，其中，所述转换模型是根据衣服样本模型及衣服样本属性训练的深度神经网络，所述衣服样本属性包括颈围、胸围、腰围、肩宽、臂长、臀围及衣长。

6.根据权利要求1所述的方法，其特征在于，根据所述用户标识获取用户的人体模型，包括：

根据所述购物网站对应的登录名或用户名称查询预设的白名单，得到人体模型。

7.根据权利要求1至6中任一项所述的方法，其特征在于，还包括：

获取用户的历史位置记录，根据所述历史位置记录确定常驻位置及处于所述常驻位置的时间；

根据所述常驻位置及时间预测用户职业；

根据所述用户职业及所述试装请求对应的衣服预测用户的消费需求；

由所述购物网站中查询符合所述消费需求的目标商品，显示所述目标商品。

8.一种模拟用户试装的装置，其特征在于，包括：

请求检测模块，用于在访问购物网站时，获取用户输入的试装请求；

信息获取模块，用于在检测到所述试装请求时，获取所述试装请求对应的衣服模型以及所述购物网站对应的用户标识；

试装模型生成模块，用于根据所述用户标识获取用户的人体模型，将所述衣服模型融合至所述人体模型得到试装模型，并显示所述试装模型。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的模拟用户试装的方法。

10.一种移动终端，包括3D深度摄像头、存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，所述3D深度摄像头，用于拍摄具有景深信息的用户图像；其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的模拟用户试装的方法。