CN112685579A - 一种基于大数据的发型及着装匹配系统 - Google Patents

Abstract

本发明提供了一种基于大数据的发型及着装匹配系统，包括属性数据录入单元接收服装结构属性、发型结构属性和风格属性；着装属性分类单元根据风格属性对待匹配着装数据进行分类；发型属性聚类学习单元对发型结构属性大数据进行聚类学习，获得不同风格属性下各类发型结构属性的权重占比；匹配推荐单元推荐匹配相应风格属性下的服装结构属性和发型结构属性；三维建模单元根据匹配推荐的服装结构属性和发型结构属性结合待匹配着装数据建立全身三维立体模型。本发明通过对大数据的学习和对发型着装的属性关联设定，自动生成多变的发型和着装匹配方案及三维立体模型效果展示，具有数字化、智能化特点，应用灵活性更强。

Description

一种基于大数据的发型及着装匹配系统

技术领域

本发明涉及大数据应用技术领域，具体涉及一种基于大数据的发型及着装匹配系统。

背景技术

随着社会的进步和科技的发展，人们的生活质量在提高，同时对个人形象设计也越来越重视。随着互联网技术的发展，电子商务在逐渐普及，现有技术中利用现代互联网技术，已出现提供人们利用互联网试穿衣服和网上购买衣服的系统和方法。其不足是，方法单一，仅限于时装的试穿和购买，缺乏多元形象要素匹配方案。或由专家系统提供个性化形象设计意见，但智能化不高，缺乏直观性和灵活性，不利于广泛普及使用。

人们在进行服装搭配时，往往同样的单件衣服，单独展示起来很好，在模特身上穿起来也很漂亮，可是和自己的发型及其他衣物搭配起来往往效果不尽如人意，无法展示整体形象设计的气质。人们需要反复尝试搭配或亲自试穿现场观看在自己身上的真实效果。但对于发型来说频繁改变尝试需要大量的时间成本和金钱成本，无法满足人们对不同发型和着装搭配的尝试需求。

因此，如何提供一种基于大数据的、智能的发型及着装匹配系统是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种基于大数据的发型及着装匹配系统，通过对大数据的学习和对发型着装的属性关联设定，自动生成多变的发型和着装匹配方案及三维立体模型效果展示，具有数字化、智能化特点，应用灵活性更强。

为了实现上述目的，本发明采用如下技术方案：

一种基于大数据的发型及着装匹配系统，包括：属性数据录入单元、着装属性分类单元、发型属性聚类学习单元、数据库、匹配推荐单元和三维建模单元；

所述属性数据录入单元用于接收服装结构属性、发型结构属性和风格属性并存储至所述数据库；服装结构属性关联存储有至少一个风格属性；所述数据库还存储有分别与所述服装结构属性、发型结构属性相关联的服装素材和发型素材；

所述着装属性分类单元用于根据风格属性对待匹配着装数据进行分类；

所述发型属性聚类学习单元利用聚类学习算法对发型结构属性大数据所属风格属性进行聚类学习，获得不同风格属性下各类发型结构属性的权重占比；

所述匹配推荐单元用于对待匹配着装数据按照所属风格属性，调取当前风格属性下各类发型结构属性的权重占比，从高至低推荐匹配相应风格属性下的服装结构属性和发型结构属性；

所述三维建模单元根据匹配推荐的服装结构属性和发型结构属性从数据库中搜索服装素材和发型素材，结合待匹配着装数据建立全身三维立体模型。

优选的，所述属性数据录入单元包括录入界面；

所述录入界面具有结构属性录入窗口、风格属性录入窗口和保存按钮，当所述服装结构属性和风格属性均完成填写后，所述保存按钮功能开启，并用于执行将服装结构属性和风格属性关联存储至数据库的操作；或，当所述发型结构属性完成填写后，所述保存按钮功能开启，并用于执行将发型结构属性存储至数据库的操作；

所述录入界面还显示若干预存的已录入服装结构属性和发型结构属性。

优选的，所述服装结构属性包括一级结构属性和二级结构属性，一级结构属性包括上衣、下衣、连衣、配饰；每个一级结构属性至少包括一个二级结构属性；

所述发型结构属性为多个并行结构属性，包括长短属性、直曲属性、发色属性，所述属性数据录入单元支持多个并行结构属性的交叉录入；

所述风格属性包括运动、商务、轻奢、淑女、嘻哈、中性和休闲。

优选的，所述发型属性聚类学习单元具体执行如下步骤：

利用互联网获取模特搭配大数据，并自动识别当前模特的发型结构属性和所搭配的服装结构属性；

根据服装结构属性与风格属性的关联存储关系，为当前模特所搭配服装分配若干风格属性标签；

为当前模特的发型结构属性与所述若干风格属性标签建立关联并存储至数据库，计算获得不同风格属性下各类发型结构属性的权重占比。

优选的，所述自动识别当前模特的发型结构属性和所搭配的服装结构属性包括：

利用图像识别算法获取当前模特的发型部分和各个服装结构部分；

利用神经网络学习模型为当前模特的发型部分分配发型结构属性，为各个服装结构部分分配服装结构属性标签。

优选的，所述三维建模单元根据发型素材生成发型三维立体模型，根据服装素材生成全身三维立体模型，并通过展示界面进行展示；所述展示界面还具有切换按钮，用于执行权重占比从高至低的发型结构属性所对应的发型素材的切换操作，以及当前风格属性下不同服装结构属性所对应的服装素材的切换操作，并对每一次切换执行三维建模展示。

优选的，还包括匹配输入界面，用于接收待匹配发型数据和着装数据。

经由上述的技术方案可知，与现有技术相比，本发明的有益效果包括：

1、个性化的形象设计，将服装与发型进行匹配推荐，而是综合考虑用户的适合风格，进行专属的形象设计；

2、服装发型大数据学习功能，将发型结构属性与服装结构属性建立风格属性关联，实现针对性组合搭配，增强用户体验；

3、搭配推荐功能，通过商品推荐功能，能够为用户发现适合自己的服饰，提高了用户粘性和用户满意度；

4、系统整体移植性能较强，实现了全数字化智能化匹配，减少人力成本，并适用于商场店铺和个人使用，灵活性强；

5、用户可以轻松实现自然人数字化形象设计，达到直观的、系统的、较真实反映个人形象的综合效果，轻松地完成得体的、较好的、令人满意的现实生活自然人形象设计。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图；

图1为本发明实施例提供的一种基于大数据的发型及着装匹配系统的组成结构图；

图2为本发明实施例提供的发型及着装匹配系统的执行流程图。

具体实施方式

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。

参见图1，为本实施例公开的一种基于大数据的发型及着装匹配系统的组成结构图。包括：属性数据录入单元、着装属性分类单元、发型属性聚类学习单元、数据库、匹配推荐单元和三维建模单元；

属性数据录入单元用于接收服装结构属性、发型结构属性和风格属性并存储至数据库；服装结构属性关联存储有至少一个风格属性；数据库还存储有分别与服装结构属性、发型结构属性相关联的服装素材和发型素材；

着装属性分类单元用于根据风格属性对待匹配着装数据进行分类；

发型属性聚类学习单元利用聚类学习算法对发型结构属性大数据所属风格属性进行聚类学习，获得不同风格属性下各类发型结构属性的权重占比；

匹配推荐单元用于对待匹配着装数据按照所属风格属性，调取当前风格属性下各类发型结构属性的权重占比，从高至低推荐匹配相应风格属性下的服装结构属性和发型结构属性；

三维建模单元根据匹配推荐的服装结构属性和发型结构属性从数据库中搜索服装素材和发型素材，结合待匹配着装数据建立全身三维立体模型。

本实施例中，可嵌入到各种网页、桌面客户端应用程序及移动客户端应用程序中。其中，发型属性聚类学习单元可以预先获取互联网上各类含有搭配发型的服装图像大数据，以获取发型结构属性对应的风格属性结果并存储。也可以实时与互联网交互，获取搭配图像大数据，对发型属性聚类学习规则进行实时更新。

在一个实施例中，待匹配着装数据由匹配输入界面输入，用于接收待匹配发型数据和着装数据。对于输入的待匹配着装数据，自动识别其发型结构属性或服装结构属性，执行风格属性关联操作。

在一个实施例中，属性数据录入单元包括录入界面，录入界面具有两组功能窗口，一组为服装录入窗口，一组为发型录入窗口；

服装录入窗口具有服装结构属性录入窗口、风格属性录入窗口和保存按钮，人为输入服装结构属性，并为其选择一相匹配的风格属性，当服装结构属性和风格属性均完成填写后，保存按钮功能开启，并用于执行将服装结构属性和风格属性关联存储至数据库的操作。

发型录入窗口具有结构属性录入窗口和保存按钮。当发型结构属性完成填写后，保存按钮功能开启，并用于执行将发型结构属性存储至数据库的操作。对于发型结构属性不采用人为匹配风格属性的方案，而是采用大数据聚类学习的方式为其匹配风格属性，由于发型本身与服装的风格属性关联性并不强，若要建立其关联性，本实施例选择利用大数据智能聚类学习的方法实现。

录入界面还显示若干预存的已录入服装结构属性和发型结构属性。

本实施例中，还提供对已录入服装结构属性和发型结构属性的修改功能按钮。

在一个实施例中，服装结构属性包括一级结构属性和二级结构属性，一级结构属性包括上衣、下衣、连衣、配饰；每个一级结构属性至少包括一个二级结构属性，二级结构属性从属于一级结构属性。

如，上衣的二级结构属性包括：皮衣、夹克、风衣、衬衣、雪纺衫、毛衣、卫衣、T恤、POLO衫、短袖、长袖等。

下衣的二级结构属性包括：西裤、半身裙、长裙、皮裙、皮裤、卫裤、休闲裤、牛仔裤、七分裤、短裤、长裤等。

连衣的二级结构属性包括：雪纺连衣裙、毛线连衣裙、连体工装等；

配饰的二级结构属性包括：帽子、腰带、围巾、发带、鞋靴、袜子等。

发型结构属性为多个并行结构属性，包括长短属性、直曲属性、发色属性、发样属性，属性数据录入单元支持多个并行结构属性的交叉录入。

如，一款发型为黑色长直发，录入的发型结构属性为黑发属性、长发属性、直发属性、散发属性。

风格属性包括运动、商务、轻奢、淑女、嘻哈、中性和休闲。

参见图2，为本实施例的系统工作流程图，在一个实施例中，发型属性聚类学习单元以有线或无线的方式自动获取互联网中大量含有搭配发型的服装图像，或者开发者以固定周期更新发型属性聚类学习单元的学习库(数据库中单独设置的存储区域)，以实现对发型结构属性与风格属性关联关系的学习，具体执行如下步骤：

发型属性聚类学习单元利用互联网获取模特搭配大数据，并自动识别当前模特的发型结构属性和所搭配的服装结构属性。

本实施例中，利用图像识别算法获取当前模特的发型部分和各个服装结构部分。对于一张包含有长曲黄色马尾发型的模特图片，识别其所搭配服饰为棒球帽、卫衣、卫裤和皮靴。利用神经网络学习模型为当前模特的发型部分分配发型结构属性，为各个服装结构部分分配服装结构属性标签，分配发型结构属性为：黄发属性、长发属性、曲发属性、马尾发样属性；分配服装结构属性为：一级结构属性：上衣、下衣、鞋、配饰；二级结构属性：上衣：卫衣、下衣：卫裤、鞋：皮靴、配饰：棒球帽。

根据服装结构属性与风格属性的关联存储关系，为当前模特所搭配服装分配若干风格属性标签。

本实施例中，分配上衣风格属性标签为运动、休闲；分配下衣风格属性标签为运动、休闲；分配配饰风格属性标签为运动、中性。

为当前模特的发型结构属性与若干风格属性标签建立关联并存储至数据库，选取合适的聚类算法计算获得不同风格属性下各类发型结构属性的权重占比。

本领域技术人员可以理解的是，聚类算法采用现有技术中的聚类算法，根据待聚类数据需求进行合理选择。

本实施例中，为当前模特的发型结构属性关联运动、休闲、中性的风格属性标签并存储至数据库。

在其他实施例中，若相同发型结构属性搭配的服装结构属性为连衣裙，则关联淑女的风格属性标签并存储至数据库。

在一个实施例中，相同发型可以关联多个风格标签，因此，在数据库中存储的结果为：一个风格属性下会关联若干不同发型结构属性，但是每个发型结构属性的占比存在差异，数据库将其由高至低进行排序，匹配推荐单元对待匹配着装数据按照所属风格属性，调取当前风格属性下各类发型结构属性的权重占比，并按照顺序从高至低推荐匹配相应风格属性下的服装结构属性和发型结构属性。

在一个实施例中，对于匹配推荐单元推荐的服装结构属性，在数据库中搜索相对应的服装数据，即服装建模素材，导入至三维建模单元，根据服装素材生成全身三维立体模型，并通过展示界面进行展示；展示界面还具有切换按钮，用于执行权重占比从高至低的发型结构属性所对应的发型素材的切换操作，以及当前风格属性下不同服装结构属性所对应的服装素材的切换操作，并对每一次切换执行三维建模展示。

本实施例中，三维建模单元根据发型素材生成发型三维立体模型，发型三维立体模型可以脱离全身三维立体模型单独建模，便于用户不改变服装造型，切换发型时，仅对发型进行重建模，不会对服装重复相同的建模操作，减少计算负荷。

以上对本发明所提供的基于大数据的发型及着装匹配系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本发明的限制。

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 (7)

1.一种基于大数据的发型及着装匹配系统，其特征在于，包括：属性数据录入单元、着装属性分类单元、发型属性聚类学习单元、数据库、匹配推荐单元和三维建模单元；

所述属性数据录入单元用于接收服装结构属性、发型结构属性和风格属性并存储至所述数据库；服装结构属性关联存储有至少一个风格属性；所述数据库还存储有分别与所述服装结构属性、发型结构属性相关联的服装素材和发型素材；

所述着装属性分类单元用于根据风格属性对待匹配着装数据进行分类；

所述发型属性聚类学习单元利用聚类学习算法对发型结构属性大数据所属风格属性进行聚类学习，获得不同风格属性下各类发型结构属性的权重占比；

所述匹配推荐单元用于对待匹配着装数据按照所属风格属性，调取当前风格属性下各类发型结构属性的权重占比，从高至低推荐匹配相应风格属性下的服装结构属性和发型结构属性；

所述三维建模单元根据匹配推荐的服装结构属性和发型结构属性从数据库中搜索服装素材和发型素材，结合待匹配着装数据建立全身三维立体模型。

2.根据权利要求1所述的基于大数据的发型及着装匹配系统，其特征在于，所述属性数据录入单元包括录入界面；

所述录入界面具有结构属性录入窗口、风格属性录入窗口和保存按钮，当所述服装结构属性和风格属性均完成填写后，所述保存按钮功能开启，并用于执行将服装结构属性和风格属性关联存储至数据库的操作；或，当所述发型结构属性完成填写后，所述保存按钮功能开启，并用于执行将发型结构属性存储至数据库的操作；

所述录入界面还显示若干预存的已录入服装结构属性和发型结构属性。

3.根据权利要求1所述的基于大数据的发型及着装匹配系统，其特征在于，所述服装结构属性包括一级结构属性和二级结构属性，一级结构属性包括上衣、下衣、连衣、配饰；每个一级结构属性至少包括一个二级结构属性；

所述发型结构属性为多个并行结构属性，包括长短属性、直曲属性、发色属性，所述属性数据录入单元支持多个并行结构属性的交叉录入；

所述风格属性包括运动、商务、轻奢、淑女、嘻哈、中性和休闲。

4.根据权利要求1所述的基于大数据的发型及着装匹配系统，其特征在于，所述发型属性聚类学习单元具体执行如下步骤：

利用互联网获取模特搭配大数据，并自动识别当前模特的发型结构属性和所搭配的服装结构属性；

根据服装结构属性与风格属性的关联存储关系，为当前模特所搭配服装分配若干风格属性标签；

为当前模特的发型结构属性与所述若干风格属性标签建立关联并存储至数据库，计算获得不同风格属性下各类发型结构属性的权重占比。

5.根据权利要求4所述的基于大数据的发型及着装匹配系统，其特征在于，所述自动识别当前模特的发型结构属性和所搭配的服装结构属性包括：

利用图像识别算法获取当前模特的发型部分和各个服装结构部分；

利用神经网络学习模型为当前模特的发型部分分配发型结构属性，为各个服装结构部分分配服装结构属性标签。

6.根据权利要求1所述的基于大数据的发型及着装匹配系统，其特征在于，所述三维建模单元根据发型素材生成发型三维立体模型，根据服装素材生成全身三维立体模型，并通过展示界面进行展示；所述展示界面还具有切换按钮，用于执行权重占比从高至低的发型结构属性所对应的发型素材的切换操作，以及当前风格属性下不同服装结构属性所对应的服装素材的切换操作，并对每一次切换执行三维建模展示。

7.根据权利要求1所述的基于大数据的发型及着装匹配系统，其特征在于，还包括匹配输入界面，用于接收待匹配发型数据和着装数据。

Images