CN111612584A - 一种基于穿搭理论的ai智能服装推荐方法 - Google Patents

Abstract

本发明涉及了一种基于穿搭理论的AI智能服装推荐方法，首先事先对服装库中所有服装进行服装属性识别及提取，然后对用户进行图像采集，通过采集的用户图像信息获取用户的人体、人脸属性信息，再基于用户的属性信息及服装库中服装的属性信息进行两次过滤，剔除明显不合适的服装，最后再结合美学理论、用户信息及服装属性信息进行用户与服装匹配度的评分，以一定规则取评分较高的服装进行推荐。

Description

一种基于穿搭理论的AI智能服装推荐方法

技术领域

本发明涉及服装推荐技术领域，具体涉及一种基于穿搭理论的AI智能服装推荐方法。

背景技术

随着科技的发展和生产力的不断提高，服装的种类、款式、颜色越发的多种多样。面对这种情况，越来越多的人们不知如何挑选出适合自己的服装，越来越多的商家不知如何向消费者推荐服装。

现有的服装推荐体型主要是线上服装推荐体系，主要依据用户的历史行为及操作，通过协同过滤等推荐算法，完成对服装产品的推荐。然而这种算法仅仅依靠用户行为偏好，对于不懂得或不擅长穿搭的用户，其依然不能购买到合适的服装产品，故而并不能达到较好的推荐效果。

发明内容

本发明提供一种基于穿搭理论的AI智能服装推荐方法，旨在通过识别用户的人脸风格、身材体型特点，经过AI分析为用户进行定制化服装推荐，让用户对推荐的服装满意，同时又能提高商家进行服装销售的成交率。

一种基于穿搭理论的AI智能服装推荐方法，其特征在于，包括：

S1 服装属性信息获取；

S2 用户属性信息获取；

S3 搭建并训练服装推荐评分模型；

S4将所述服装属性信息、用户属性信息输入至预训练好的服装推荐模型中进行计算，得到最终服装推荐结果，并显示所述最终服装推荐结果。

本发明的进一步技术方案是，步骤S1所述的服装属性信息包括：服装品牌、服装上线时间、服装是否为当季主推、适合的年龄段、男装or女装、服装适合身材、服装颜色、服装材质、服装类型、服装款型，其中所述的服装颜色、服装材质、服装类型、服装款型是基于深度学习的AI图像自动识别而得到，而对于服装商家比较容易确认的服装品牌、服装上线时间、服装是否为当季主推、适合的年龄段、服装适合身材属性则在上传服装时人为输入，这样做极大的减轻了服装属性录入的人工工作量。

本发明的进一步技术方案是，步骤S2所述的用户属性信息是基于深度学习的AI图像自动识别而得到的，包括：人脸属性信息和人体属性信息；

1）所述的人脸属性信息是基于深度学习的AI图像自动识别而得到的人脸属性信息，包括：性别、年龄、faceid、肤色、肤质、脸型、五官分布、五官大小、五官轮廓形状以及人脸风格，其中所述的人脸风格包括女性八大风格及男性六大风格，所述女性八大风格包括：浪漫型、优雅型、端庄型、中性型、甜美型、创意型、戏剧型、自然型，所述男性五大风格包括：硬朗型、潇洒型、典雅型、绅士型、个性时尚型、阳光时尚型；

2）所述的人体属性信息，包括人体3D模型、人体的各个维度信息、人体体型体态类型以及服装推荐尺码。

本发明的进一步技术方案是，步骤S3所述的服装推荐评分模型，是根据所述的服装颜色、服装材质、服装类型、服装款型及人脸风格，搭建深度学习模型，通过大数据及美学专家人工标注得到训练样本集，最终训练得到训练好的服装推荐评分模型，输出。

本发明的进一步技术方案是，步骤S4所述的预训练好的服装推荐模型其推荐过程包括以下步骤：

S4.1 根据用户性别、年龄从服装库中剔除掉不适合用户性别和年龄段的服装，将剩余的服装作为第一服装筛选结果；

S4.2 根据用户体型体态信息，从服装库中剔除掉不适合用户身材类型的服装，将剩余的服装作为第二服装筛选结果；

S4.3将所述第二服装筛选结果中服装的服装颜色、服装材质、服装类型、服装款型及用户的人脸风格、以及所述的体型体态类型作为输入，输入至步骤S3的服装推荐评分模型中，得到用户与第二服装筛选结果中每件服装匹配度的评分；

S4.4 从所述当第二服装筛选结果中每件服装匹配度的评分，基于服装中是否为当季主推属性分成两组，取每组匹配评分靠前的N套服装作为最终服装推荐结果；

S4.5显示最终服装推荐结果、3D人体重构模型和所述的服装推荐尺码。

本发明提供的这种于穿搭理论的AI智能服装推荐方法，对于商家来说，极大减少了服装属性录入的工作，同时AI也能比较好的过滤掉十分不适合用户的服装，减少了用户看到不适合服装的数量，使得用户更容易看到适合自己的服装，进而提高服装的交易率。

附图说明

图1一种基于穿搭理论的AI智能服装推荐方法整体流程图；

图2图像获取；

图3可自由旋转的人体3D重构模型。

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好的理解本发明。值得注意的是，此处所描述的具体实施例仅是用以解释本发明，并不用户限定本发明。

本实施例中，公开了一种基于穿搭理论的AI智能服装推荐方法，整体流程如图1所示：

获取服装库中所有服装的服装属性，包括服装品牌、服装上线时间、服装是否为当季主推、适合的年龄段、男装or女装、服装适合身材、服装颜色、服装材质、服装类型、服装款型，其中服装品牌、服装上线时间、服装是否为当季主推、适合的年龄段、男装or女装、服装适合身材为人为输入得到，其他属性则通过AI图像自动识别。

对用户进行全身正面照片、侧面照片采集，拍摄姿势如图3所示。

正面照片中通过深度学习人脸检测模型，首先定位人脸位置，并截取保存。

将截取保存的人脸图像放入与训练好的人脸属性识别模型中，识别出人脸的性别、年龄、faceid、肤色、肤质、脸型、五官分布、五官大小、五官轮廓形状以及人脸风格。

将用户的正面、侧面照片同时作为输入，放入预训练好的人体属性识别模型中，得到人体的3D模型，如图3所示，再基于3D人体模型计算出人体的各个维度信息、人体体型体态类型以及服装推荐尺码。

基于用户的性别、年龄，结合服装属性中男装or女装、适合的年龄段进行筛选，剔除掉不合适的服装。

基于用户的体型体态，结合服装属性中的服装适合身材进行筛选，进一步剔除掉不合适的服装。

以服装颜色、服装材质、服装类型、服装款型及用户的人脸风格、以及所述的体型体态类型作为输入，放入预训练好的有监督服装推荐模型中，输出用户与每套服装匹配度评分。

基于每套服装中是否具有当季主推的属性，将服装分成两组，每组取评分排名靠前的N组服装，作为最终的服装推荐结果。

显示最终的服装推荐结果、3D人体重构模型以及服装尺码推荐，提高用户体验的同时，也为用户选择服装提供便利。

Claims (7)

1.一种基于穿搭理论的AI智能服装推荐方法，其特征在于，包括：

S1 服装属性信息获取；

S2 用户属性信息获取；

S3 搭建并训练服装推荐评分模型；

S4将所述服装属性信息、用户属性信息输入至预训练好的服装推荐模型中进行计算，得到最终服装推荐结果，并显示所述最终服装推荐结果。

2.根据权利要求1所述的一种基于穿搭理论的AI智能服装推荐方法，其特征在于，步骤S1所述的服装属性信息包括：服装品牌、服装上线时间、服装是否为当季主推、适合的年龄段、男装or女装、服装适合身材、服装颜色、服装材质、服装类型、服装款型，其中所述的服装颜色、服装材质、服装类型、服装款型是基于深度学习的AI图像自动识别而得到。

3.根据权利要求1所述的一种基于穿搭理论的AI智能服装推荐方法，其特征在于，步骤S2所述的用户属性信息是基于深度学习的AI图像自动识别而得到的，包括：人脸属性信息和人体属性信息。

4.根据权利要求3所述的人脸属性信息是基于深度学习的AI图像自动识别而得到的人脸属性信息，包括：性别、年龄、faceid、肤色、肤质、脸型、五官分布、五官大小、五官轮廓形状以及人脸风格，其中所述的人脸风格包括女性八大风格及男性六大风格，所述女性八大风格包括：浪漫型、优雅型、端庄型、中性型、甜美型、创意型、戏剧型、自然型，所述男性五大风格包括：硬朗型、潇洒型、典雅型、绅士型、个性时尚型、阳光时尚型。

5.根据权利要求3所述的人体属性信息，包括人体3D模型、人体的各个维度信息、人体体型体态类型以及服装推荐尺码。

6.根据权利要求1所述的一种基于穿搭理论的AI智能服装推荐方法，其特征在于，步骤S3所述的服装推荐评分模型，是根据权利要求2中所述的服装颜色、服装材质、服装类型、服装款型及权利要求4中所述的人脸风格，搭建深度学习模型，通过大数据及美学专家人工标注得到训练样本集，最终训练得到训练好的服装推荐评分模型，输出。

7.根据权利要求1所述的一种基于穿搭理论的AI智能服装推荐方法，其特征在于，步骤S4所述的预训练好的服装推荐模型其推荐过程包括以下步骤：

S4.1根据用户性别、年龄从服装库中剔除掉不适合用户性别和年龄段的服装，将剩余的服装作为第一服装筛选结果；

S4.2根据用户体型体态信息，从服装库中剔除掉不适合用户体型体态类型的服装，将剩余的服装作为第二服装筛选结果；

S4.3将所述第二服装筛选结果中服装的服装颜色、服装材质、服装类型、服装款型及用户的人脸风格、以及所述的体型体态类型作为输入，输入至步骤S3的服装推荐评分模型中，得到用户与第二服装筛选结果中每件服装匹配度的评分；

S4.4 从所述当第二服装筛选结果中每件服装匹配度的评分，基于服装中是否为当季主推属性分成两组，取每组匹配评分靠前的N套服装作为最终服装推荐结果；

S4.5显示最终服装推荐结果、3D人体重构模型和所述的服装推荐尺码。

Images