CN110084657A - 一种推荐服饰的方法和装置 - Google Patents
一种推荐服饰的方法和装置 Download PDFInfo
- Publication number
- CN110084657A CN110084657A CN201810073022.9A CN201810073022A CN110084657A CN 110084657 A CN110084657 A CN 110084657A CN 201810073022 A CN201810073022 A CN 201810073022A CN 110084657 A CN110084657 A CN 110084657A
- Authority
- CN
- China
- Prior art keywords
- user
- dress ornament
- face
- expression
- history
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 230000001815 facial effect Effects 0.000 claims abstract description 39
- 230000009467 reduction Effects 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 10
- 238000005034 decoration Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000007726 management method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 10
- 239000011449 brick Substances 0.000 description 10
- 239000004570 mortar (masonry) Substances 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 239000007787 solid Substances 0.000 description 10
- 230000006854 communication Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000002513 implantation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种推荐服饰的方法和装置,涉及计算机技术领域。该方法用于在用户试穿服饰之时或之后向其进行推荐,该方法的一具体实施方式包括:获取用户试穿该服饰时的至少一张面部图片,以及该服饰的信息;判断用户的面部图片是否满足预定义的服饰推荐条件,若是,向用户推荐该服饰的相似服饰和/或搭配服饰;否则,向用户推荐该服饰的互异服饰。该实施方式拥有更优质的用户体验,且能够提高企业销售额。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种推荐服饰的方法和装置。
背景技术
目前,线下服饰零售店的营销推荐手段主要是通过店员导购和发放宣传手册的形式引导消费者购物。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:现有的营销推荐手段造成了大量人力及印刷资源的浪费,并且导购员在引导消费者购物时,依据的更多是自身的经验及主观判断,无法为消费者提供更为客观精准、个性化的推荐,并且在门店人流量高峰期,消费者无法获取及时的、优质的服务,造成比较差的用户体验。同时,通过这种营销推荐手段,企业能够收集到的消费者的信息十分有限,进而无法为消费者提供量身定制的购物体验,同时也无法及时、准确的制定经营、销售策略来提高销售额。
因此,亟需一种拥有更优质的用户体验,且能够提高企业销售额的为用户推荐服饰的方法和装置。
发明内容
有鉴于此,本发明实施例提供一种推荐服饰的方法和装置,拥有更优质的用户体验,且能够提高企业销售业绩。
为实现上述目的,根据本发明实施例的一个方面,提供了一种推荐服饰的方法,用于在用户试穿服饰之时或之后向其进行推荐,包括:
获取用户试穿该服饰时的至少一张面部图片,以及该服饰的信息;
判断用户的面部图片是否满足预定义的服饰推荐条件,若是,向用户推荐该服饰的相似服饰和/或搭配服饰;否则,向用户推荐该服饰的互异服饰。
可选的,所述判断用户的面部图片是否满足预定义的服饰推荐条件包括:
根据用户的面部图片确定用户的表情;
若所述用户的表情为预定义的推荐表情,则确定所述面部图片满足所述服饰推荐条件。
可选的,所述相似服饰、搭配服饰以及互异服饰中的至少一种为当前降价服饰。
可选的,当用户为历史用户时,所述相似服饰、搭配服饰与互异服饰中的至少一种为所述用户的待推荐服饰;
其中,所述待推荐服饰利用用户的以下至少一种数据确定:年龄、性别、身高、体型、预设时间间隔的历史试穿记录和历史购买记录。
可选的,每一条历史试穿记录包括:试穿服饰、试穿时长以及用户的表情。
可选的,所述方法还包括:
当用户为历史用户时,向用户推荐存在于其历史试穿记录,但不存在于其历史购买记录中的当前降价服饰。
进一步的,所述根据用户的面部图片确定用户的表情包括:
确定每张面部图片中的人脸关键点信息;
根据人脸关键点信息对所有人脸图片进行筛选和校正,以获得正脸图片集;
对正脸图片集进行特征提取,以获得人脸特征向量集;
将所述人脸特征向量集输入预定义的表情分类器,以确定所述用户的表情。
进一步的,确定用户为历史用户包括:
对所述人脸特征向量集进行聚类,选择类中心特征向量作为所述用户的匹配特征向量;
确定预保存的历史特征向量集中是否存在与所述用户的匹配特征向量相匹配的特征向量,若是,则确定所述用户为历史用户。
为实现上述目的,根据本发明实施例的另一个方面,提供了一种推荐服饰的装置,用于在用户试穿服饰之时或之后向其进行推荐,包括:
获取模块,用于获取用户试穿该服饰时的至少一张面部图片,以及该服饰的信息;
推荐模块,用于判断用户的面部图片是否满足预定义的服饰推荐条件,若是,向用户推荐该服饰的相似服饰和/或搭配服饰;否则,向用户推荐该服饰的互异服饰。
可选的,所述推荐模块进一步用于根据用户的面部图片确定用户的表情,若所述用户的表情为预定义的推荐表情,则确定所述面部图片满足所述服饰推荐条件。
可选的,所述相似服饰、搭配服饰以及互异服饰中的至少一种为当前降价服饰。
可选的,当用户为历史用户时,所述相似服饰、搭配服饰与互异服饰中的至少一种为所述用户的待推荐服饰;
其中,所述待推荐服饰利用用户的以下至少一种数据确定:年龄、性别、身高、体型、预设时间间隔的历史试穿记录和历史购买记录。
可选的,每一条历史试穿记录包括:试穿服饰、试穿时长以及用户的表情。
可选的,所述装置还包括:
历史推荐模块,用于当用户为历史用户时,向用户推荐存在于其历史试穿记录,但不存在于其历史购买记录中的当前降价服饰。
进一步的,所述推荐模块进一步用于确定每张面部图片中的人脸关键点信息;根据人脸关键点信息对所有人脸图片进行筛选和校正,以获得正脸图片集;对正脸图片集进行特征提取,以获得人脸特征向量集;将所述人脸特征向量集输入预定义的表情分类器,以确定所述用户的表情。
进一步的,所述装置还包括:确定模块,用于通过下述步骤确定用户为历史用户:对所述人脸特征向量集进行聚类,选择类中心特征向量作为所述用户的匹配特征向量;确定预保存的历史特征向量集中是否存在与所述用户的匹配特征向量相匹配的特征向量,若是,则确定所述用户为历史用户。
为实现上述目的,根据本发明实施例的另一个方面,提供了一种推荐电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
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本发明实施例提供的推荐服饰的方法。
为实现上述目的,根据本发明实施例的另一个方面,提供了一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现本发明实施例提供的推荐服饰的方法。
本发明实施例提供的推荐服饰的方法和装置,基于计算机视觉技术获取用户的特征,然后基于用户表情等特征反映出的用户对于服饰的喜好,以及用户的个人情况和当前的状态,结合具体的推荐策略实现对于用户的精准推荐。该方法可以应用于任何具有图像采集条件的推荐场景中,进行商品的营销推荐,实现精准营销。并且对首次收集到的用户的特征信息进行记录,并在之后再次收集到该用户的特征信息时,对该用户的用户画像进行更新和修正,以使得推荐结果更精确和人性化,给用户以量身定制的购物体验。该方法在收集用户特征信息的同时还可以通过射频识别技术获得相关商品的信息,并结合POS、CRM以及ERP系统的信息构成智慧门店的大数据,进而能够基于更为精确的用户画像,积极、主动的给消费者个性化的建议及引导,同时,提高企业的销售业绩,这些信息也可以提供给商品的销售企业和生产企业,使企业及时获得市场反馈,为企业执行决策提供参考。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是本发明实施例提供的推荐服饰的方法的主要流程的示意图;
图2是本发明实施例提供的获取用户的特征信息的过程的主要流程的示意图;
图3是本发明实施例提供的计算人脸图片的人脸的倾斜角度的示意图;
图4是本发明实施例提供的推荐服饰的装置的主要模块的示意图;
图5是本发明实施例提供的推荐服饰的系统的应用示意图;
图6是本发明实施例可以应用于其中的示例性系统架构图;
图7是适于用来实现本发明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
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
本发明实施例提供一种推荐服饰的方法,该方法基于计算机视觉技术(ComputerVersion,CV)获取用户的特征,然后基于用户的特征为用户进行精准推荐。该方法可以应用于任何具有图像采集条件的推荐场景中,例如,可以应用于实体店(门店和超市等),进行服饰的营销推荐,实现精准营销。
该方法在用户试穿服饰之时或之后向用户进行服饰的推荐,在本发明中,装饰是指人体的物品总称,包括服装、鞋、帽、袜子、手套、围巾、领带、提包、阳伞以及发饰等等。如图1所示,该方法包括:步骤S101和步骤S102。在步骤S101中,获取用户试穿该服饰时的至少一张面部图片,以及该服饰的信息。在本步骤中,对用户的图片进行采集,在本发明的一种实施方式中,采集的方式可以为通过网络摄像头收集用户的视频数据,获取视频数据中的一帧画面作为用户的图片,进而在后续的步骤中基于用户的图片进行分析以获得用户的面部图片,进而得到用户的面部特征信息。其中,在视频数据中提取图片的方式可以根据具体应用场景的需求和计算能力进行配置,例如,可以只获取一张图片,也可以获取多张图片,获取多张图片的方式可以为在视频数据中每隔一段时间或每隔一定数量帧进行一帧画面的提取。当然,在本发明中,也可以通过除网络摄像头外的其他图像采集设备采集用户的图片,例如,摄像机和照相机等等。
在本发明的一种实施方式中,应用场景为实体店,用于采集用户图片的图像采集设备可以结合具体的推荐需求,设置在店门处以及店内特定位置,该特定位置可以为店内用户可以表现出对于商品的购买意图的地方。例如,实体店为销售服饰的门店,该特定位置可以是用户进行商品的试穿或试戴的地方,图像采集设备可以相应设置在试衣镜上。又如,实体店为超市,该特定位置可以是用户挑选商品的地方,图像采集设备可以相应设置在摆放商品的货架附近。
在获取用户的图片集后,通过对于用户的图片进行特征分析,得到用户的特征信息,用户的特征信息可以包括:用户的长相、性别、年龄、身高、体型、表情、动作以及其他基于图片能够反映出的特征。这些特征信息能够在一定程度上反映出用户的个人情况和当前的状态,在后续步骤中,基于这些信息结合具体的推荐策略即可实现对于用户的精准推荐。当在获取到用户的多张图片后,可以对每张图片进行特征分析,从而得到用户在一段时间内的特征变化情况,以获得更全面,更准确的用户的个人情况和当前状态。
然后,在步骤S102中,判断用户的面部图片是否满足预定义的服饰推荐条件,若是,向其推荐该服饰的相似服饰和/或搭配服饰,否则,向其推荐该服饰的互异服饰。在本步骤中,预定义的服饰推荐条件可以为用户的面部图片中带有可以体现出用户对于正在试穿的服饰的感受是比较喜欢和满意的信息,当用户的面部图片满足该条件时,即表明用户对于当前试穿的服饰满意,反之,当用户的面部图片不满足该条件时,则表明用户对于当前试穿的服饰不满意。
当用户的面部图片满足该条件时,向用户推荐相似服饰和/或搭配服饰,可以通过预配置的相似度和搭配度计算方法来确定当前试穿服饰的相似服饰和搭配服饰。其中,相似服饰是指与当前用户正在试穿的服饰在款式、颜色、尺码以及风格等方面接近或相同的其他服饰,例如,对于用户正在试穿一件外套,该外套的相似服饰可以是与其同一颜色、风格或同一系列的其他外套。搭配服饰是指可以与当前用户正在试穿相搭配的其他服饰,例如,对于用户正在试穿一条裤子,该裤子的搭配服饰可以是在款式、颜色或者风格等方面相搭配的衬衫、外套或者鞋子等等。
当用户的面部图片不满足该条件时,向用户推荐该服饰的互异服饰,互异服饰是指与当前用户试穿的服饰相似度较低的服饰,可以通过预配置的相似度计算方法来确定当前试穿服饰的互异服饰。例如,对于一件外套,其互异服饰可以是与其在颜色、风格或款式等方面相差较大的其他外套。
本发明上述方法基于用户的面部图像获知用户对于试穿服饰的喜好程度,从而根据用户的喜好程度对用户进行服饰的推荐,推荐的过程可以将焦点关注在用户的喜好上,推荐结果更为客观准确。
在本发明的一种实施方式中,步骤S102中判断用户的面部图片是否满足预定义的服饰推荐条件的过程具体为:根据用户的面部图片确定用户的表情,若用户的表情为预定义的推荐表情,则确定面部图片满足服饰推荐条件。预定义的推荐表情可以包括能够体现出用户对于正在试穿的服饰的感受是较为喜欢和满意的表情,例如高兴、惊喜或兴奋等等。例如,当用户在试穿某服饰时,流露出高兴的表情,通过对在步骤S101中获得的用户的面部图片进行分析,即可确定其中用户的表情为高兴,是预定义的推荐表情,进而确定用户的面部图片满足预定义的服饰推荐条件,此时,向用户推荐用户正在试穿的服饰的相似服饰和/或搭配服饰。
在发明的一种实施方式中,上述步骤中推荐的相似服饰、搭配服饰以及互异服饰中的至少一种为当前降价服饰。当前降价服饰即当前正在促销的服饰,在当前正在促销的所有服饰中,选择对应的相似服饰、搭配服饰以及互异服饰推荐给用户。
在发明中,当用户为历史用户时,相似服饰、搭配服饰与互异服饰中的至少一种为用户的待推荐服饰,其中,待推荐服饰利用用户的以下至少一种特征数据确定:年龄、性别、身高、体型、预设时间间隔的历史试穿记录和历史购买记录。在本发明中,可以通过利用上述数据构建的用户画像为该用户提供待推荐服饰。用户画像Persona是指真实用户的虚拟代表,是建立在一系列真实数据之上的目标用户模型。本发明提供的推荐服饰的方法,通过获取到的用户的特征信息构建用户的用户画像,将用户的长相、性别、年龄、身高、体型、表情、动作、历史试穿记录和历史购买记录等作为该用户的用户画像中的元素,当然用户画像中的元素并不局限于上述特征,也可以包括结合应用场景需求对收集的特征信息进行分析后为用户添加的标签元素,例如,在销售服饰的应用场景中,可以为用户画像添加用户偏爱的服饰的种类和风格等标签元素。
当用户是历史用户时,即老用户,则可以在本次用户进行试穿时,采集用户的特征数据,根据用户的特征数据更新该用户的用户画像,然后根据用户画像,为用户推荐相似服饰、搭配服饰与互异服饰,即在推荐相似服饰、搭配服饰与互异服饰考虑到用户的个人信息,为其推荐符合其年龄、性别、身高以及体型等特征的服饰。当用户非历史用户时,则根据用户的特征信息创建该用户的用户画像。为用户创建的用户画像中还可以包括有用户的进店次数,在每次收集到某一用户的特征信息后,更新该用户的用户画像的进店次数。
通过不断更新和修正用户的用户画像,可以使得用户画像更加丰富和详细,基于真实数据在深度和广度上对于用户有更多个了解。例如,在实体店销售的应用场景中,对于首次进店的用户,当收集到该用户的特征信息后,即为该用户创建用户画像。对于熟客,即经常光顾门店的用户,该用户每次进店时,即可收集到该用户的特征信息,通过每次收集的特征信息不断对该用户的用户画像进行更新和修正,以使得推荐的结果更精确和人性化,给用户以量身定制的购物体验。
在本发明的一种实施方式中,用户的历史试穿记录中的每一条历史试穿记录具体可以包括:试穿服饰、试穿时长以及用户的表情。即用户历史试穿记录中记录了用户的曾经试穿过的服饰,和每件服饰的试穿时长,以及用户当时的表情,综合用户的试穿时长和表情即可以更精确的体现出用户对于试穿过的某件服饰的喜好程度,进而还可以统计获取到用户对于某类服饰好恶。在为用户推荐时,就可以在从用户喜欢的服饰类型中确定相似服饰、搭配服饰和互异服饰。
可选的,本发明提供的服饰推荐方法还可以包括:当用户为历史用户时,向用户推荐存在于其历史试穿记录,但不存在于其历史购买记录中的当前降价服饰。即推荐给用户其曾经试穿过但是没有买的服饰。
为用户提供的推荐信息可以通过不同的方式提供给用户,例如,通过语音播报或通过画面展示,推荐信息可以是文字、语音、图片、视频以及交互界面等等。例如,将推荐的服饰的图片或视频展示给用户。
在本发明的一种实施方式中,获取包括用户的表情、年龄以及性别的特征信息的过程具体可以包括为如下步骤。如2所示,首先,在采集到用户的图片后,对用户的图片集进行人脸检测,以获得人脸图片集和每张人脸图片的人脸关键点信息。在本发明的一种实施方式中,人脸检测过程可以通过多任务卷积神经网络(Multi-task convolutional neuralnetworks,MTCNN)实现,MTCNN较传统的人脸检测网络,鲁棒性更高,同时兼顾了实时性。MTCNN对图片集中的每张图片进行人脸检测,输出每张图片的人脸的方框及人脸关键点信息(如双眼中心点,鼻子中心点,左嘴角点,右嘴角点)。根据人脸的方框,截取图片中的人脸部分得到人脸图片,以在后续步骤中进行人脸特征提取,根据人脸关键点信息,可以在后续步骤中对人脸图片进行歪脸,斜脸的校正。
在具体的应用过程中,由于目前摄像头的帧率基本在25fps或更高,当采集图片的方式配置为在视频数据中连续采集每帧图片时,对于同一用户会采集到大量的连续图片,其中会存在一部分图片不满足进行特征提取的要求。因此,在完成人脸检测后,需根据人脸关键点信息对人脸图片集进行筛选和校正,以获得正脸图片集。首先,将人脸图片集中人脸关键点信息缺失的人脸图片去除。然后根据双眼中心点信息,计算人脸图片集中剩余的每张人脸图片的人脸的倾斜角度,将人脸的倾斜角度超出预设范围人脸图片去除,例如,将人脸的倾斜角度大于正15度或小于负15度的人脸图片去除。
其中,计算人脸的倾斜角度的方法如图3所示,根据左眼中心点(x1,y1)、右眼中心点(x2,y2)和水平线构造直角三角形,其中直角顶点坐标为(x1,y2),通过下述公式计算得到倾斜角度α:
α=arctan((y2-y1)/(x2-x1))。
最后,根据剩余的每张图片的人脸倾斜角度对人脸图片的人脸进行校正,以得到正脸图片集。
在获得正脸图片集后,对正脸图片集进行特征提取,以获得人脸特征向量集。在本发明的一种实施方式中,特征提取过程可以通过人脸识别网络FaceNet实现,其中,损失函数选用三元组损失函数triplet loss,该模型在人脸识别数据集(Labeled Faces in theWild,LFW)上的准确率高于99%。将正脸图片集中的每一张图片送入FaceNet网络,获得其输出的每张图片的1024维的人脸特征向量,从而获得用户的人脸特征向量集。
进而,将人脸特征向量集输入预定义的分类器,以获得用户的特征信息集,预定义的分类器包括下述分类器中的一种或多种的组合:表情分类器、年龄分类器以及性别分类器。在本发明的一种实施方式中,基于支持向量机(Support Vector Machine,SVM)实现分类器。其中,年龄分类器和性别分类器采用趋向Adience数据集进行训练,表情分类器采用扩展的Cohn-Kanade数据集进行训练。结合不同的应用场景和需求可以对上述训练的分类器的数据集中的图片进行相应的选择和标签重生成。经过分类器的分类算法后,即可得到包括用户的表情、年龄和性别的分类标签的特征信息集。
在本发明实施例中,确定用户为历史用户的过程具体为:首先,在对正脸图片集进行特征提取,获得人脸特征向量集后,对人脸特征向量集进行聚类,选择类中心特征向量作为用户的匹配特征向量。然后,确定预保存的历史特征向量集中是否存在与用户的匹配特征向量相匹配的特征向量,若是,则确定存在已保存的该用户的用户画像,否则确定不存在已保存的该用户的用户画像,并将该用户的匹配特征向量加入预保存的历史特征向量集中。
在本发明的一种实施方式中,通过kmeans无监督聚类算法对人脸特征向量集进行聚类,有效的选取类中心特征向量,用于与预先保存的历史特征向量集进行匹配,由于类中心是类的均值,因此类中心特征向量可以有效的代表用户的人脸特征向量集,所以在进行匹配时,在保证匹配准确度的同时,降低了匹配过程的计算量。
当预保存的历史特征向量集中存在与用户的匹配特征向量相匹配的特征向量时,说明该用户的人脸特征向量之前已经录入了预保存的历史特征向量集中。例如,在实体店销售的应用场景中,在某用户初次光顾时,将该用户的人脸特征向量录入用于进行熟客匹配的特征向量集中保存,当该用户下一次光顾时,根据下一次光顾时收集的该用户的人脸特征向量就可以在用于进行熟客匹配的特征向量集中匹配到对应的特征向量,从而确定该用户为熟客。
在本发明中,通过识别在预定义范围内用户的服饰上的射频识别标签,以获取服饰的信息。在本发明方法的实际应用过程中,预定义范围通常可选为用户的身体的周围,该范围内的用户的服饰可以为用户所穿戴的服饰以及携带的服饰等。本步骤通过射频识别技术对用户的服饰进行识别。射频识别技术(Radio Frequency Identification,RFID)是一种通信技术,可通过无线电讯号识别带有射频识别标签的特定目标并读写相关数据。射频识别标签植入在服饰上,其上记录所植入物品的相关信息,例如,植入物品为服装,射频识别标签上可记录有该服装的名称、款式、颜色、尺码、生产厂家以及生产日期等等信息。通过识别该射频识别标签即可获得该服装的上述这些信息。
在本发明的一种实施方式中,应用场景为实体店,用户的服饰可以是指用户穿戴或手持的物品,用于识别射频识别标签的设备可以结合具体的推荐需求与采集用户图片的图像采集设备设置在一处,该位置可以为店内用户可以表现出与购买意图的地方。例如,实体店为销售服饰的门店,识别射频识别标签的设备和图像采集设备可以设置在试衣镜上,对用户所试穿的服饰上的射频识别标签进行识别。又如,实体店为超市,识别射频识别标签的设备和图像采集设备可以相应设置在摆放服饰的货架附近。
在本发明中,可以结合具体的推荐策略设置射频识别标签的识别设备的识别范围,当物品进入识别设备的识别范围内时,该物品才会被识别到。对应上例,应用场景为超市,识别设备的识别范围可以设置在摆放服饰的货架外,当顾客从货架上拿起服饰时,该服饰的射频识别标签才会被识别设备识别到,从而得知顾客从货架上拿起查看或者拿走了什么服饰,进而了解顾客的购买意图。
基于服饰的特征信息和用户的特征信息集即可了解到用户对于服饰的购买意图,在基于服饰的特征信息和用户的特征信息集创建或更新后的用户画像后,用户画像中即可记录有与用户对于特定服饰及其相关类目物品的购买意图相关的信息,进而使得用户画像更加丰富和详细。
在本发明中,在服饰进入预定义的识别范围内时开始计时,在服饰离开该识别范围后结束计时,以获得该服饰的出现时长。其中,服饰的出现时长即指服饰出现在射频识别标签的识别设备的预定义的识别范围内的时间,当识别设备识别到物品的射频识别标签后,开始计时,直至物品的射频识别标签离开识别设备的识别范围结束。对于服饰进入或离开识别范围的判定,可以设置为当服饰部分或全部进入识别范围时,认定服饰进入识别范围,对于服饰离开识别范围的判定同理。
如上例,应用场景为销售服饰的门店,识别射频识别标签的设备和图像采集设备设置在试衣镜上,识别设备的识别范围即试衣镜前方,当顾客穿着服饰出现在试衣镜前,识别设备识别到该服饰,开始计时,直至顾客离开试衣镜前或者换下该服饰,结束计时,即获得该用户试穿该服饰的试穿时长。又如,实体店为超市,识别射频识别标签的设备和图像采集设备设置在摆放服饰的货架附近,识别设备的识别范围设置在摆放服饰的货架外,当顾客拿起从货架上拿起服饰进行查看,识别设备识别到该服饰,开始计时,直至顾客放回该服饰或带走该服饰,结束计时,即获得该用户查看该服饰的时长。
基于服饰的出现时长可以更为详细的了解到用户对于某一件服饰的购买意图,可以量化用户对于某一件物品的喜爱程度,结合用户的特征信息中的表情等特征信息,即可多角度的充分的了解用户的意图。进而在根据用户画像进行推荐时,为用户量体裁衣,提供个性化的精确的推荐信息。
下面结合一具体应用场景对本发明提供的推荐服饰的方法作进一步的说明,该应用场景为销售服饰的门店,通过本发明提供的方法对门店的顾客进行营销推荐。
在该场景中,门店内的服饰中植入有唯一的射频识别标签,用于唯一标识该服饰并记录该服饰的相关信息。通过射频识别标签阅读器识别服饰的射频识别标签,通过网络摄像头采集消费者影像。射频识别标签阅读器和网络摄像头设置在门店的试衣间处,可以集成在试衣镜上,使得该试衣镜不仅具有普通的试衣照镜功能,还能够采集镜前消费者的影像以及识别消费者所试穿的服饰的射频识别标签,并可以将收集到的信息上传至服务器,由部署在服务器上的门店管理分析系统进行处理并返回推荐信息。该试衣镜还可以具有镜面显示装置,用于展示返回的推荐信息。
在该场景中,通过消费者的图片信息收集消费者的人脸特征、性别特征、年龄特征、表情特征、身高特征以及体形特征。通过消费者的人脸特征与数据库中保存的用于进行熟客匹配的特征向量集的匹配,收集消费者的进店时间、进店次数以及是否是熟客的信息。基于服饰中植入的射频识别标签收集消费者试穿的服饰信息,各服饰的试穿时长信息。基于消费者试穿某服饰时的表情特征分析得出该用户对与该服饰的试穿满意度。
其中,通过表情分类器、年龄分类器以及性别分类器得到用户的表情、年龄和性别的分类标签的特征信息,上述三个分类器的最终输出的对应的分类标签为及相应的置信度:
表情标签(三种):喜欢、中性、不喜欢;
年龄标签(八个年龄段):0-4,4-8,8-16,16-25,25-34,34-48,48-60,60+;
性别标签(两类):男、女。
与此同时,还可以结合销售时点信息(Point of sale,POS)系统,客户关系管理(Customer relationship management,CRM)系统及企业资源计划(Enterprise ResourcePlanning,ERP)系统来获取更多的消费者信息和商品销售状况信息。例如,通过POS系统,可以收集到消费者购买的服饰信息,结合通过射频识别标签收集的消费者试穿的服饰信息,可以获得消费者的购买力、购物频次以及试穿转化率等信息。结合CRM系统,可以将消费者的特征信息对应到消费者会员体系中,获得消费者登记的姓名和年龄等个人信息。通过ERP系统,结合通过射频识别标签收集的服饰信息,可以知道对应服饰的库存,畅销度等类似信息,这些信息一方面可以用于构建用户的用户画像,或作为推荐信息呈现给消费者,另一方面可以提供给企业,以便于企业可以更好的进行调货,补货以及供应等。
基于上述收集到的各类信息,组成智慧门店的大数据,从单个消费者的维度来讲,可以用于创建或更新消费者的用户画像,进而根据上述各类信息结合具体的推荐策略对消费者进行精准推荐,从而积极、主动的给消费者个性化的建议及引导。从消费者群体来讲,可更准确地获取某一群体的消费习惯。如某一年龄段的消费者更感兴趣的商品、购买力、试穿转化率,某一类体形的消费者更热衷的商品和搭配等,某一性别的消费者更愿意关注的商品类型等。从店铺维度来讲,可更准确地获取用于指导营销的有价值的信息,如店铺试穿最热商品排名,销售最热商品排名,热门搭配排名,店铺的受众群体划分,不同受众群体的购买力,店铺的客流量,试穿流量,熟客率等。从商品维度来讲,可为商品建立画像,如具体哪一年龄段哪种体形的人更容易对该商品感兴趣,该商品试穿频次,试穿满意度,试穿后的转化率等。
在本应用场景中,可以基于收集到的智慧门店的大数据和用户画像进行具体的推荐策略的指定,从而充分利用上述收集到的各类信息,对消费者进行精准推荐。例如,消费者进入门店后,当摄像头捕捉到用户图片时,会自动与数据库中保存的用于进行熟客匹配的特征向量集进行匹配,获取当前用户是否为熟客,以及相应的用户画像,如果该消费者为熟客,则根据历史记录进行相应的推荐,如之前试穿过的目前正在促销的服饰。
例如:通过当前消费者的表情得知,该消费者对试穿服饰不满意,同时该消费者为首次来门店,则根据该消费者的性别,年龄,体形,结合历史数据分析,推荐与试穿的服饰差异较大,且具有更适合的尺寸或颜色,或此类消费者最可能感兴趣的服装。又如,若该消费者之前来过门店,是熟客,则可以根据用户画像推荐之前试穿未买的,现在处于促销状态的商品,或最接近用户喜好的商品。又或者,消费者对试穿服饰比较满意,则会基于用户的体形,年龄特征向该消费者推送相应的搭配商品、促销信息以及热销商品。相应的推荐信息会推送至试衣镜进行展示,以引导消费者购物。
本发明实施例还提供一种推荐服饰的装置,如图4所示,该装置400包括:获取模块401和推荐模块402。
获取模块401用于获取用户试穿该服饰时的至少一张面部图片,以及该服饰的信息。
推荐模块402用于判断用户的面部图片是否满足预定义的服饰推荐条件,若是,向用户推荐该服饰的相似服饰和/或搭配服饰;否则,向用户推荐该服饰的互异服饰。
在本发明中,推荐模块进一步用于根据用户的面部图片确定用户的表情,若用户的表情为预定义的推荐表情,则确定面部图片满足服饰推荐条件。
在本发明中,相似服饰、搭配服饰以及互异服饰中的至少一种为当前降价服饰。
在本发明中,当用户为历史用户时,相似服饰、搭配服饰与互异服饰中的至少一种为用户的待推荐服饰;
其中,待推荐服饰利用用户的以下至少一种数据确定:年龄、性别、身高、体型、预设时间间隔的历史试穿记录和历史购买记录。
在本发明中,每一条历史试穿记录包括:试穿服饰、试穿时长以及用户的表情。
在本发明中,推荐服饰的装置还包括:
历史推荐模块,用于当用户为历史用户时,向用户推荐存在于其历史试穿记录,但不存在于其历史购买记录中的当前降价服饰。
推荐模块进一步用于确定每张面部图片中的人脸关键点信息;根据人脸关键点信息对所有人脸图片进行筛选和校正,以获得正脸图片集;对正脸图片集进行特征提取,以获得人脸特征向量集;将人脸特征向量集输入预定义的表情分类器,以确定用户的表情。
装置还包括:确定模块,用于通过下述步骤确定用户为历史用户:对人脸特征向量集进行聚类,选择类中心特征向量作为用户的匹配特征向量;确定预保存的历史特征向量集中是否存在与用户的匹配特征向量相匹配的特征向量,若是,则确定用户为历史用户。
本发明实施例提供的推荐服饰的装置还包括:识别模块。识别模块用于识别在预定义范围内用户的服饰上的射频识别标签,以获取服饰的信息。在本发明实施例中,识别模块进一步用于在服饰进入预定义的识别范围内时开始计时,在服饰离开该识别范围后结束计时,以获得该服饰的出现时长。
在本发明的一种具体的实施方式中,如图5所示,本发明还提供一种推荐系统,该系统包括部署在实体店的采集推荐单元和部署在服务器的管理分析单元。本发明提供的识别模块的部署于采集推荐单元中,识别模块识别商品上的射频识别RFID标签得到RFID识别码,然后发送给管理分析单元。采集推荐单元中还包括图像采集模块和显示模块,显示模块用于向用户展示推荐信息,图像采集模块用于采集用户的影像,其可以是网络摄像机、照相机等设备。其将采集到的图像信息实时发送给管理分析单元。
本发明上述实施例提供的推荐模块配置在管理分析单元中,管理分析单元中还包括:图像分析模块和传统门店管理模块,图像分析模块集成有本发明上述实施例提供的获取模块的功能。传统门店管理模块用于基于POS系统、CRM系统和ERP系统获取更多的消费者信息和商品销售状况信息,并提供给推荐模块,推荐模块将生成的推荐信息发送回采集推荐单元,由显示模块进行展示。该推荐系统还包括与管理分析单元通信连接的手持终端,该终端可以提醒导购员及时提供相应的服务给消费者。
本发明实施例提供的推荐服饰的方法和装置,基于计算机视觉技术获取用户的特征,然后基于用户情绪等特征反映出的用户对于服饰的喜好,以及用户的个人情况和当前的状态,结合具体的推荐策略实现对于用户的精准推荐。该方法可以应用于任何具有图像采集条件的推荐场景中,进行商品的营销推荐,实现精准营销。并且对首次收集到的用户的特征信息进行记录,并在之后再次收集到该用户的特征信息时,对该用户的用户画像进行更新和修正,以使得推荐结果更精确和人性化,给用户以量身定制的购物体验。该方法在收集用户特征信息的同时还可以通过射频识别技术获得相关商品的信息,并结合POS、CRM以及ERP系统的信息构成智慧门店的大数据,进而能够基于更为精确的用户画像,积极、主动的给消费者个性化的建议及引导,同时,提高企业的销售业绩,这些信息也可以提供给商品的销售企业和生产企业,使企业及时获得市场反馈,为企业执行决策提供参考。
图6示出了可以应用本发明实施例的推荐服饰的方法或推荐服饰的装置的示例性系统架构600。
如图6所示,系统架构600可以包括终端设备601、602、603,网络604和服务器605。网络604用以在终端设备601、602、603和服务器605之间提供通信链路的介质。网络604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。
用户可以使用终端设备601、602、603通过网络604与服务器605交互,以接收或发送消息等。终端设备601、602、603上可以安装有各种通讯客户端应用。
终端设备601、602、603可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器605可以是提供各种服务的服务器,例如为用户提供推荐信息的后台管理服务器。
需要说明的是,本发明实施例所提供的推荐服饰的方法一般由服务器605执行,相应地,推荐服饰的装置一般设置于服务器605中。
应该理解,图6中的终端设备、网络和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设备、网络和服务器。
下面参考图7,其示出了适于用来实现本发明实施例的终端设备的计算机系统700的结构示意图。图7示出的终端设备仅仅是一个示例,不应对本发明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(6PU)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。6PU 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、鼠标等的输入部分706;包括诸如阴极射线管(6RT)、液晶显示器(L6D)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,根据本发明公开的实施例,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,本发明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(6PU)701执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示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(6D-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储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。而在本发明中,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,图示了按照本发明各种实施例的系统、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,上述模块、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,框图或流程图中的每个方框、以及框图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。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括获取模块和推荐模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定,例如,推荐模块还可以被描述为“用于判断用户的面部图片是否满足预定义的服饰推荐条件的模块”。
作为另一方面,本发明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设备中所包含的;也可以是单独存在,而未装配入该设备中。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一个该设备执行时,使得该设备包括:
获取用户试穿该服饰时的至少一张面部图片,以及该服饰的信息;
判断用户的面部图片是否满足预定义的服饰推荐条件,若是,向用户推荐该服饰的相似服饰和/或搭配服饰;否则,向用户推荐该服饰的互异服饰。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (18)
1.一种推荐服饰的方法,用于在用户试穿服饰之时或之后向其进行推荐,其特征在于,包括:
获取用户试穿该服饰时的至少一张面部图片,以及该服饰的信息;
判断用户的面部图片是否满足预定义的服饰推荐条件,若是,向用户推荐该服饰的相似服饰和/或搭配服饰;否则,向用户推荐该服饰的互异服饰。
2.根据权利要求1所述的方法,其特征在于,所述判断用户的面部图片是否满足预定义的服饰推荐条件包括:
根据用户的面部图片确定用户的表情;
若所述用户的表情为预定义的推荐表情,则确定所述面部图片满足所述服饰推荐条件。
3.根据权利要求1或2所述的方法,其特征在于,所述相似服饰、搭配服饰以及互异服饰中的至少一种为当前降价服饰。
4.根据权利要求1或2所述的方法,其特征在于,当用户为历史用户时,所述相似服饰、搭配服饰与互异服饰中的至少一种为所述用户的待推荐服饰;
其中,所述待推荐服饰利用用户的以下至少一种数据确定:年龄、性别、身高、体型、预设时间间隔的历史试穿记录和历史购买记录。
5.根据权利要求4所述的方法,其特征在于,每一条历史试穿记录包括:试穿服饰、试穿时长以及用户的表情。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
当用户为历史用户时,向用户推荐存在于其历史试穿记录,但不存在于其历史购买记录中的当前降价服饰。
7.根据权利要求2所述的方法,其特征在于,所述根据用户的面部图片确定用户的表情包括:
确定每张面部图片中的人脸关键点信息;
根据人脸关键点信息对所有人脸图片进行筛选和校正,以获得正脸图片集;
对正脸图片集进行特征提取,以获得人脸特征向量集;
将所述人脸特征向量集输入预定义的表情分类器,以确定所述用户的表情。
8.根据权利要求7中所述的方法,其特征在于,确定用户为历史用户包括:
对所述人脸特征向量集进行聚类,选择类中心特征向量作为所述用户的匹配特征向量;
确定预保存的历史特征向量集中是否存在与所述用户的匹配特征向量相匹配的特征向量,若是,则确定所述用户为历史用户。
9.一种推荐服饰的装置,用于在用户试穿服饰之时或之后向其进行推荐,其特征在于,包括:
获取模块,用于获取用户试穿该服饰时的至少一张面部图片,以及该服饰的信息;
推荐模块,用于判断用户的面部图片是否满足预定义的服饰推荐条件,若是,向用户推荐该服饰的相似服饰和/或搭配服饰;否则,向用户推荐该服饰的互异服饰。
10.根据权利要求9所述的装置,其特征在于,所述推荐模块进一步用于根据用户的面部图片确定用户的表情,若所述用户的表情为预定义的推荐表情,则确定所述面部图片满足所述服饰推荐条件。
11.根据权利要求9或10所述的装置,其特征在于,所述相似服饰、搭配服饰以及互异服饰中的至少一种为当前降价服饰。
12.根据权利要求9或10所述的装置,其特征在于,当用户为历史用户时,所述相似服饰、搭配服饰与互异服饰中的至少一种为所述用户的待推荐服饰;
其中,所述待推荐服饰利用用户的以下至少一种数据确定:年龄、性别、身高、体型、预设时间间隔的历史试穿记录和历史购买记录。
13.根据权利要求12所述的装置,其特征在于,每一条历史试穿记录包括:试穿服饰、试穿时长以及用户的表情。
14.根据权利要求13所述的装置,其特征在于,所述装置还包括:
历史推荐模块,用于当用户为历史用户时,向用户推荐存在于其历史试穿记录,但不存在于其历史购买记录中的当前降价服饰。
15.根据权利要求10所述的装置,其特征在于,所述推荐模块进一步用于确定每张面部图片中的人脸关键点信息;根据人脸关键点信息对所有人脸图片进行筛选和校正,以获得正脸图片集;对正脸图片集进行特征提取,以获得人脸特征向量集;将所述人脸特征向量集输入预定义的表情分类器,以确定所述用户的表情。
16.根据权利要求15中所述的装置,其特征在于,所述装置还包括:确定模块,用于通过下述步骤确定用户为历史用户:对所述人脸特征向量集进行聚类,选择类中心特征向量作为所述用户的匹配特征向量;确定预保存的历史特征向量集中是否存在与所述用户的匹配特征向量相匹配的特征向量,若是,则确定所述用户为历史用户。
17.一种推荐电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
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1-8中任一所述的方法。
18.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-8中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810073022.9A CN110084657A (zh) | 2018-01-25 | 2018-01-25 | 一种推荐服饰的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810073022.9A CN110084657A (zh) | 2018-01-25 | 2018-01-25 | 一种推荐服饰的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110084657A true CN110084657A (zh) | 2019-08-02 |
Family
ID=67412037
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810073022.9A Pending CN110084657A (zh) | 2018-01-25 | 2018-01-25 | 一种推荐服饰的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110084657A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110647688A (zh) * | 2019-09-30 | 2020-01-03 | 上海掌门科技有限公司 | 信息呈现方法、装置、电子设备和计算机可读介质 |
CN110827129A (zh) * | 2019-11-27 | 2020-02-21 | 中国联合网络通信集团有限公司 | 一种商品推荐方法及装置 |
CN111523981A (zh) * | 2020-04-29 | 2020-08-11 | 深圳追一科技有限公司 | 虚拟试用方法、装置、电子设备及存储介质 |
CN112256973A (zh) * | 2020-11-04 | 2021-01-22 | 贝壳技术有限公司 | 用户画像修正方法、装置、介质和电子设备 |
CN112418744A (zh) * | 2019-08-22 | 2021-02-26 | 北京京东振世信息技术有限公司 | 一种筛选配送策略的方法和装置 |
CN112633974A (zh) * | 2020-12-18 | 2021-04-09 | 咪咕动漫有限公司 | 产品推荐方法、装置、零售终端及零售平台 |
CN113140044A (zh) * | 2020-01-20 | 2021-07-20 | 海信视像科技股份有限公司 | 一种虚拟穿戴物品显示的方法及智能试衣装置 |
CN113674053A (zh) * | 2021-08-13 | 2021-11-19 | 沈阳化工大学 | 一种试戴口罩的虚拟智能显现系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103218609A (zh) * | 2013-04-25 | 2013-07-24 | 中国科学院自动化研究所 | 一种基于隐最小二乘回归的多姿态人脸识别方法及其装置 |
CN104298682A (zh) * | 2013-07-18 | 2015-01-21 | 广州华久信息科技有限公司 | 一种基于人脸表情图像的信息推荐效果的评价方法及手机 |
CN104462468A (zh) * | 2014-12-17 | 2015-03-25 | 百度在线网络技术(北京)有限公司 | 信息提供方法及装置 |
US20150170250A1 (en) * | 2009-12-17 | 2015-06-18 | Navneet Dalal | Recommendation engine for clothing and apparel |
CN106384083A (zh) * | 2016-08-31 | 2017-02-08 | 上海交通大学 | 一种自动面部表情识别并进行信息推荐的方法 |
CN106886909A (zh) * | 2015-12-15 | 2017-06-23 | 中国电信股份有限公司 | 用于商品选购的方法和系统 |
CN107203897A (zh) * | 2017-04-24 | 2017-09-26 | 广东数相智能科技有限公司 | 一种产品推荐度的评价方法、装置及系统 |
CN107358451A (zh) * | 2017-07-17 | 2017-11-17 | 竹间智能科技(上海)有限公司 | 一种交互式智能魔镜 |
CN107578018A (zh) * | 2017-09-12 | 2018-01-12 | 中国地质大学(武汉) | 基于情感识别的试衣满意度处理方法、系统及智能试衣镜 |
-
2018
- 2018-01-25 CN CN201810073022.9A patent/CN110084657A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150170250A1 (en) * | 2009-12-17 | 2015-06-18 | Navneet Dalal | Recommendation engine for clothing and apparel |
CN103218609A (zh) * | 2013-04-25 | 2013-07-24 | 中国科学院自动化研究所 | 一种基于隐最小二乘回归的多姿态人脸识别方法及其装置 |
CN104298682A (zh) * | 2013-07-18 | 2015-01-21 | 广州华久信息科技有限公司 | 一种基于人脸表情图像的信息推荐效果的评价方法及手机 |
CN104462468A (zh) * | 2014-12-17 | 2015-03-25 | 百度在线网络技术(北京)有限公司 | 信息提供方法及装置 |
CN106886909A (zh) * | 2015-12-15 | 2017-06-23 | 中国电信股份有限公司 | 用于商品选购的方法和系统 |
CN106384083A (zh) * | 2016-08-31 | 2017-02-08 | 上海交通大学 | 一种自动面部表情识别并进行信息推荐的方法 |
CN107203897A (zh) * | 2017-04-24 | 2017-09-26 | 广东数相智能科技有限公司 | 一种产品推荐度的评价方法、装置及系统 |
CN107358451A (zh) * | 2017-07-17 | 2017-11-17 | 竹间智能科技(上海)有限公司 | 一种交互式智能魔镜 |
CN107578018A (zh) * | 2017-09-12 | 2018-01-12 | 中国地质大学(武汉) | 基于情感识别的试衣满意度处理方法、系统及智能试衣镜 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112418744A (zh) * | 2019-08-22 | 2021-02-26 | 北京京东振世信息技术有限公司 | 一种筛选配送策略的方法和装置 |
CN110647688A (zh) * | 2019-09-30 | 2020-01-03 | 上海掌门科技有限公司 | 信息呈现方法、装置、电子设备和计算机可读介质 |
CN110827129A (zh) * | 2019-11-27 | 2020-02-21 | 中国联合网络通信集团有限公司 | 一种商品推荐方法及装置 |
CN110827129B (zh) * | 2019-11-27 | 2022-11-11 | 中国联合网络通信集团有限公司 | 一种商品推荐方法及装置 |
CN113140044A (zh) * | 2020-01-20 | 2021-07-20 | 海信视像科技股份有限公司 | 一种虚拟穿戴物品显示的方法及智能试衣装置 |
CN111523981A (zh) * | 2020-04-29 | 2020-08-11 | 深圳追一科技有限公司 | 虚拟试用方法、装置、电子设备及存储介质 |
CN112256973A (zh) * | 2020-11-04 | 2021-01-22 | 贝壳技术有限公司 | 用户画像修正方法、装置、介质和电子设备 |
CN112256973B (zh) * | 2020-11-04 | 2021-09-10 | 贝壳找房(北京)科技有限公司 | 用户画像修正方法、装置、介质和电子设备 |
CN112633974A (zh) * | 2020-12-18 | 2021-04-09 | 咪咕动漫有限公司 | 产品推荐方法、装置、零售终端及零售平台 |
CN113674053A (zh) * | 2021-08-13 | 2021-11-19 | 沈阳化工大学 | 一种试戴口罩的虚拟智能显现系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110084657A (zh) | 一种推荐服饰的方法和装置 | |
US10242396B2 (en) | Automatic color palette based recommendations for affiliated colors | |
CN109165992A (zh) | 一种智能导购方法、装置、系统及计算机存储介质 | |
CN108230086A (zh) | 一种商品售卖调整的系统、方法及存储介质 | |
US9830630B2 (en) | Product presentation assisted by visual search | |
CN106055710A (zh) | 基于视频的商品推荐方法及装置 | |
CN106202317A (zh) | 基于视频的商品推荐方法及装置 | |
CN102156942A (zh) | 一种基于无线射频技术的商品推荐方法 | |
US9727620B2 (en) | System and method for item and item set matching | |
CN106202316A (zh) | 基于视频的商品信息获取方法及装置 | |
KR20210098884A (ko) | 사용자의 체형 및 구매 이력을 이용하여 패션 아이템 추천 서비스를 제공하는 방법 | |
CN102855273A (zh) | 终端和信息获取方法 | |
WO2009135170A1 (en) | System and method for networking shops online and offline | |
CN108713212A (zh) | 用于基于分组信息提供信息的方法、系统和介质 | |
KR102286286B1 (ko) | 패션 코디네이션 공유 시스템 및 방법 | |
US20210233152A1 (en) | System and Method for Fashion Recommendations | |
WO2010002920A1 (en) | System and method for networking shops online and offline | |
KR102295459B1 (ko) | 사용자에게 날짜를 이용하여 패션 아이템 추천 서비스를 제공하는 방법 | |
CN111311315A (zh) | 视频处理方法、装置、电子设备和存储介质 | |
CN108230033A (zh) | 用于输出信息的方法和装置 | |
CN110097400A (zh) | 信息推荐方法、装置及系统、存储介质、智能交互设备 | |
CN108596646B (zh) | 一种融合人脸属性分析的服装搭配推荐方法 | |
KR20230137861A (ko) | 고객 맞춤 준비로 구매 편의성을 제공하는 오프라인 구매 서비스 제공 방법 및 장치 | |
KR20210127464A (ko) | 딥러닝을 통한 코디 및 스타일링 방법 및 시스템 | |
Tan et al. | Research on Marketing Modes of New Retail Based on 4C Principles: a Case Study of UNIQLO |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |