CN113159876B - 服装搭配推荐装置、方法及存储介质 - Google Patents

Abstract

本申请提供了一种服装搭配推荐装置、方法及存储介质，装置包显示面板，用于显示图像；摄像头，用于采集显示面板前方包含服装的图像；控制器，用于通过服装分类算法得到图像中服装目标的服装类别；通过服装分割算法得到每个服装目标的服装图像；根据服装类别和服装图像生成服装数据；根据来自智能量体仪的用户体型和服装数据，通过服装搭配算法生成服装搭配方案；向显示面板发送服装搭配方案；智能量体仪，包括光电识别模块和通信模块，光电识别模块用于采集用户的量体参数；根据量体参数得到用户体型，通信模块用于向控制器发送用户体型。本申请基于用户体型和服装数据生成服装搭配方案，实现了针对不同用户的个性化搭配，提高了搭配灵活性。

Description

服装搭配推荐装置、方法及存储介质

技术领域

本申请涉及深度学习技术领域，尤其涉及一种服装搭配推荐装置、方法及存储介质。

背景技术

服装不仅是人们用来遮体的生活必需品，还是人们用来展示身份、生活态度和个人魅力的重要装饰品。随着人们生活水平的不断提高，人们对于服装的消费需求也越来越强烈，而互联网购物的迅速发展，也在一定程度上加剧了人们购买服装的冲动。大量的服装被人们买回家后，往往被随意放置在衣柜中，当人们在选择服装类别进行搭配时，经常难以记起自己拥有哪些服装可供选择，导致过多的服装反而给人们的生活带来了困扰。

相关技术中，一种服装搭配推荐装置通过将用户的现有服装存储为服装图像，利用深度学习算法构建搭配模型，利用该搭配模型对服装图像进行搭配，并将搭配方案推荐给用户，解决了用户搭配难的问题。然而，上述服装搭配推荐装置在构建搭配模型时，仅根据服装本身的属性如颜色、长度等来进行搭配，不同用户采用服装搭配推荐装置推荐的搭配方案时，搭配效果差异较大，甚至部分用户采用服装搭配推荐装置推荐的搭配方案时，可能会使自己的身材缺点更加突出。

发明内容

本申请提供了一种服装搭配推荐装置、方法及存储介质，以解决不能进行个性化搭配的问题。

第一方面，本申请提供了一种服装搭配推荐装置，包括：

显示面板，用于显示图像；

摄像头，用于采集显示面板前方包含服装的图像；

控制器，用于通过服装分类算法得到所述图像中服装目标的服装类别；通过服装分割算法得到每个所述服装目标的服装图像；根据所述服装类别和服装图像生成服装数据；根据来自智能量体仪的用户体型和所述服装数据，通过服装搭配算法生成服装搭配方案；向显示面板发送所述服装搭配方案；

智能量体仪，包括光电识别模块和通信模块，所述光电识别模块用于采集用户的量体参数；根据所述量体参数得到用户体型，所述通信模块用于向所述控制器发送所述用户体型。

第二方面，本申请提供了一种服装搭配推荐方法，用于服装搭配推荐装置，所述服装搭配推荐装置包括摄像头、控制器、智能量体仪和显示面板，所述方法包括：

通过摄像头采集显示面板前方的图像；

通过服装分类算法得到所述图像中服装目标的服装类别；

通过服装分割算法得到每个所述服装目标的服装图像；

根据所述服装类别和服装图像生成服装数据；

根据来自智能量体仪的用户体型和所述服装数据，通过服装搭配算法生成服装搭配方案；

控制所述显示面板显示所述服装搭配方案。

第三方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被控制器执行时实现第二方面所述的服装搭配推荐方法。

本申请提供的服装搭配推荐装置、方法及存储介质的有益效果包括：

本申请通过服装分类算法对用户的服装进行分类，通过服装分割算法获取每件服装的服装图像，根据所述服装类别和服装图像生成服装数据，便于在服装搭配时，根据服装类别调用服装图像，并且，通过智能量体仪获取用户体型，根据基于用户体型和服装信息的服装搭配算法生成服装搭配方案，实现了针对不同用户的个性化搭配，提高了搭配灵活性。

附图说明

为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种服装搭配推荐装置的结构示意图；

图2为本申请实施例提供的一种用户体型示意图；

图3为本申请实施例提供的一种服装搭配推荐装置的交互示意图；

图4为本申请实施例提供的一种服装搭配推荐方法的流程示意图；

图5为本申请实施例提供的一种服装分类方法的流程示意图；

图6为本申请实施例提供的一种服装分割方法的流程示意图；

图7为本申请实施例提供的一种服装分类管理示意图；

图8为本申请实施例提供的一种服装搭配方案示意图；

具体实施方式

为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。

第一方面，本申请提供了一种服装搭配推荐装置，用于进行服装搭配推荐，该服装搭配推荐可为智能穿衣镜，如图1所示，服装搭配推荐装置可包括镜体100、设置在镜体100上的控制器200、摄像头300、多媒体模块400、显示面板500、语音识别模块600、通信接口700，以及与通信接口700通信连接的智能量体仪800。

多媒体模块400可包括扬声器，能够播放音乐；摄像头300可用于拍摄镜体100前方的图像；显示面板500可显示摄像头300拍摄的图像，显示面板500可设置有触摸屏，利用触摸屏能够向显示面板500输入信息；语音识别模块可用于识别用户的语音指令，进而通过控制器200实现语音指令对应的功能。

通信接口700可包括多种接口，如WIFI接口、USB接口、网口、蓝牙等，便于连接多种外部设备，丰富服装搭配推荐装置的功能，服装搭配推荐装置通过通信接口700还与服装搭配推荐装置的服务器通信连接。

智能量体仪800设置有光电识别模块和通信模块，其中，光电识别模块可采集用户的量体参数，根据量体参数得到用户体型，其中，量体参数可包括肩宽、胸围、腰围、臀围等数据，用户体型可如图2所示，从左向右依次为香蕉型、苹果型、梨形和沙漏型。通信模块可与通信接口700连接，智能量体仪800可通过通信模块将用户体型发送到通信接口700，通信模块可包括蓝牙模块。

控制器200可包括多个处理器，如CPU和GPU，以提高数据计算能力。控制器200分别与摄像头300、多媒体模块400、显示面板500、语音识别模块600和通信接口700连接，其中，CPU可搭载操作系统，如安卓操作系统，对与控制器200连接的各模块进行控制以实现其功能，以及通过通信接口700获取智能量体仪800采集的用户体型，根据用户体型为用户推荐服装搭配方案。

控制器200可根据用户服装来确定服装搭配方案，也可根据用户的量体参数进行线上服装定制，根据定制的服装来确定服装搭配方案，或组合定制的服装和用户服装来确定搭配方案；另外，控制器200也可与服装搭配推荐装置的服务器通信连接，将用户服装和用户体型发送到服务器，由服务器进行服装搭配生成服装搭配方案，服务器将服装搭配方案通过网络推送到控制器200，控制器200再控制显示面板500显示服装搭配方案。

如图3所示，控制器200可控制显示面板500显示前端交互界面来与用户交互，以获取用户服装、进行线上服装定制以及显示服装搭配方案。

显示面板500显示的前端交互界面可包括多个控件，控件的名称可为服装录入、服装管理、服装搭配、智能量体、服装定制和家庭成员信息。控制器200或服装搭配推荐装置的服务器内设置有后台逻辑，根据后台逻辑对各控件进行后台数据管理，其中，当后台逻辑设置在服务器时，控制器200利用通信接口700将各控件的触发信号通过网络发送到服务器进行响应处理。

服装录入控件可根据触摸屏接收到对应该控件位置的触摸指令触发，服装录入控件响应于触发时可开启摄像头300拍摄镜体100前方的图像，可将拍摄的图像显示在显示面板500上，根据用户录入指令控制摄像头300定格图像生成录入照片，将录入照片保存到控制器200内，或通过网络将录入照片发送到服务器。用户录入指令可为语音识别模块600接收到的“拍摄”语音。控制器200或服务器在接收到录入照片后，可调用算法接口获取控制器200或服务器内存储的核心算法，如服装分割算法和服装分类算法，利用服装分割算法将录入照片中的服装图像提取出来，利用服装分类算法识别录入照片中服装的服装类别，根据服装图像和服装类别生成用户服装数据。

服装管理控件可根据触摸屏接收到对应该控件位置的触摸指令触发。服装管理控件响应于触发时可控制显示面板500展示用户服装数据。

服装搭配控件可根据触摸屏接收到对应该控件位置的触摸指令触发。服装搭配控件响应于触发时可获取服装数据，调用算法接口获取控制器200或服务器内存储的服装搭配算法，利用服装搭配算法将服装数据内的服装图像进行搭配，生成搭配数据，其中，服装数据可包括用户服装数据和/或定制服装数据，定制服装数据可根据服装定制控件被触发时获得。

智能量体控件可根据触摸屏接收到对应该控件位置的触摸指令触发。智能量体控件响应于触发时可启动智能量体仪800对用户进行量体，得到量体参数，根据量体参数生成用户体型，将量体参数和用户体型存储为身体数据。

服装定制控件可根据触摸屏接收到对应该控件位置的触摸指令触发。服装定制控件响应于触发时可获取身体数据中的量体参数，将量体参数发送到预设服务器，预设服务器为与服装搭配推荐装置合作的服装定制品牌的服务器，然后接收来自服装定制品牌根据量体参数生成的定制服装数据，将定制服装数据及购买控件展示在显示面板500上。响应于购买控件被触发，控制器200将生成订单信息并转到付款页面，当用户付款后，服装定制品牌可根据订单信息生产并向用户寄出用户购买的定制服装。

家庭成员信息控件可根据触摸屏接收到对应该控件位置的触摸指令触发。家庭成员信息控件响应于触发时可展示已添加成员控件和添加成员控件，其中，添加成员控件响应于触发时可建立一个用户账号，生成用户身份信息。用户可在新建的用户账号下前往前端交互界面进行操作，如操作服装录入控件、智能量体控件等，从而生成该用户账号的服装数据、身体数据等；已添加成员控件可包括多个已建立用户账号的用户账号控件，用户可通过操作不同的用户账号控件切换用户账号。一个服装搭配推荐装置可建立多个用户账号，供一个家庭的不同用户进行使用。

为对服装搭配推荐装置的后台逻辑做进一步描述，本申请第二方面示出了一种服装搭配推荐方法，如图4所示，包括以下步骤：

步骤S110：通过摄像头采集显示面板前方的图像。

用户可在显示面板显示的前端交互界面触发家庭成员信息控件，进而触发对应用户的已添加成员控件，然后返回前端交互界面，触发服装录入控件。

服装录入控件响应于触发后开始拍摄镜体前方的图像，并将拍摄的图像显示在显示面板上，用户可穿戴多件服装站立于镜体前方，根据显示面板上显示用户穿戴服装的图像，说出“拍摄”，语音识别模块将识别出的“拍摄”生成语音信号发送给控制器，控制器根据该语音信号触发用户录入指令，用户录入指令响应于触发可控制摄像头定格图像生成录入照片。

进一步的，根据录入照片可分析用户的肤色信息，例如，可预设不同肤色类型对应的RGB取值范围，根据录入照片进行人脸识别，可得到人脸区域，分析人脸区域的RGB值可得到用户的肤色类型。另外，也可采用用户输入的方式获取用户的肤色信息，例如，可在显示面板上显示不同肤色类型并显示肤色类型对应的示例图像供用户选择自己的肤色类型。

步骤S111：通过服装分类算法得到图像中服装目标的服装类别。

服装分类算法的流程如图5所示，包括步骤S210-S212：

步骤S210：提取服装目标的位置信息和服装目标的特征信息。

服装目标的位置信息和服装目标的特征信息可基于预先训练好的深度残差网络进行提取。深度残差网络可基于大量服装训练样本进行训练，通过在服装训练样本中标注服装目标的位置和类别，可使深度残差网络自动学习服装目标的位置特征和类别特征。当将摄像头拍摄的图像输入深度残差网络后，深度残差网络可对图像进行分析，提取出服装目标的位置信息和服装目标的特征信息。

步骤S211：预测服装目标的位置和服装目标的估计类别。

通过深度残差网络提取出服装目标的位置信息和服装目标的特征信息后，可基于yolov3的多尺度特征图来回归预测服装的位置以及服装的类别，由于相近类别的服装如半身短裙和半身长裙、短裤和长裤、短款外套和长款外套容易误识别，因此，本步骤中得到的服装类别称为可估计类别，可在下一步骤中对服装类别进行进一步预测。

步骤S212：根据估计类别对服装目标进行相近服装类别分析，得到服装目标的精确类别。

相近服装类别分析可采用尺寸阈值分析法，即将相近类别的服装分别确定其尺寸阈值范围，判断服装目标属于哪个尺寸阈值范围，从而得到服装目标的精确类别。

调用图5所示的服装分类算法后，可得到摄像头拍摄的图像中服装目标的服装类别。

在得到服装类别后，可设置将服装类别在服装目标一侧进行显示，响应于服装类别被选中，可显示服装属性编辑区域，用户可在服装属性编辑区域对服装类别进行修改，以解决个别情况下服装类别识别出错的问题，为便于服装搭配时根据服装类别确定搭配方案，服装属性编辑区域可显示服装目标的推荐类别供用户选择，推荐类别可为当前判断出的精确类别和相近服装类别，也可为全部服装类别。

除了服装类别之外，用户还可在服装属性编辑区域内输入服装目标的其他属性信息，如服装面料、服装颜色等，这些属性信息也可以选择的形式供用户进行设置。

步骤S112：通过服装分割算法得到每个服装目标的服装图像。

服装分割算法的流程如图6所示，包括步骤S310-S314：

步骤S310：通过分割网络模型提取服装图像。

服装目标的提取可基于预先训练好的分割网络模型进行提取。分割网络模型可基于Mask-RNN算法建立，并根据大量服装训练样本进行训练，使分割网络模型能够区分服装图像和其背景图像的分界线，从而可将服装目标中的背景图像剔除，保留服装目标中的服装区域的图像，该部分图像称为服装图像。然而，由于某些原因，如服装图像和其背景图像的颜色较为接近，导致提取的服装图像可能存在瑕疵，可在步骤S311-S313中对服装图像做进一步处理，以提高分割效果。

步骤S311：对服装图像进行连通区域检测。

将服装图像转换为单通道灰度图像，在该单通道灰度图像中，每个像素对应一个灰度值，取值范围在(0-255)之间，0代表黑色，255代表白色。黑色代表背景，其余的非黑色的块状区域构成连通域，连通域表示提取出来的服装图像。

根据每个像素的灰度值获取连通区域，即服装图像的边界，判断边界内部是否存在像素值与周围像素值差别较大的像素点，如果存在这种像素点，则认为这种像素点对应的区域为缺陷区域。

步骤S312：修复连通区域内的空洞。

按照步骤S311检测出的缺陷区域对应的像素点灰度值相对连通区域内的其他像素点的灰度值较高，因此可称缺陷区域为空洞，通过对空洞对应像素点的灰度值进行调整可修复空洞。

步骤S313：平滑服装图像的边缘。

通过对连通域进行卷积操作和二值操作，可提高服装图像边缘的平滑度。调用图6所述的服装分割算法后，可得到摄像头拍摄的图像中服装目标的服装图像。

进一步的，在得到服装图像后，可设置将服装图像在服装目标一侧进行显示，响应于服装图像被选中，可显示服装属性编辑区域，用户可在服装属性编辑区域设置服装存放位置，例如，服装属性编辑区域可设置有衣橱拍摄控件，用户可将智能穿衣镜移动至用户衣橱前方，触控衣橱拍摄控件，衣橱拍摄控件响应于触发时可控制摄像头拍摄衣橱图像，将衣橱图像展示在服装属性编辑区域，用户可对衣橱图像划分并命名多个存放区域，通过选中存放区域设置服装图像对应的服装存放位置。衣橱图像的数量可设置为多个，当用户选中服装图像后，可选择其中一个衣橱图像确定该服装图像对应的服装存放位置。

步骤S113：根据服装类别和服装图像生成用户服装数据。

在获得服装类别和服装图像后，可生成用户服装数据。进一步的，除了服装类别和服装图像，用户服装数据还可包括用户输入的服装类别、服装图像、存放区域等信息。

步骤S110-S113可重复执行，以录入用户的多件服装，控制器可将用户服装按照服装类别进行分类存储管理，以使用户能够按照服装类别查看自己的用户服装数据。如图7所示，当用户触发服装管理控件时，可查看不同服装类别如T恤、短裙分别对应的服装。

步骤S114：通过智能量体仪获取量体参数。

当用户触发智能量体控件后，控制器可启动智能量体仪测量用户的量体参数，根据量体参数生成用户体型。智能量体仪与控制器蓝牙连接，控制器可获取来自智能量体仪的量体参数和用户体型。

步骤S115：将量体参数发送到服装定制品牌。

控制器在获取量体参数和用户体型后，根据用户触发服装定制控件，可将量体参数发送到服装定制品牌的服务器，服装定制品牌的服务器获取来自控制器的量体参数后，可根据量体参数生成定制服装数据，将定制服装信息发送到控制器。

步骤S116：展示来自服装定制品牌的定制服装数据。

控制器接收到来自服装定制品牌的定制服装数据后，控制显示面板展示定制服装的图像和购买控件。

步骤S117：根据来自智能量体仪的用户体型和服装数据，通过服装搭配算法生成服装搭配方案。

服装搭配算法基于FashionAI深度学习算法对deepfashion公开服装数据集进行搭配训练得到。

进一步的，在进行搭配训练时，可结合搭配影响因素确定搭配方案，搭配影响因素可包括用户体型、肤色、年龄、气温等。在进行实际搭配时，用户体型可根据智能量体仪的量体参数得到，肤色和年龄可通过用户输入或分析用户录入照片等到，气温可通过联网获取对应当前地理位置的天气信息得到。根据上述搭配要素，以及用户服装或定制服装，可为用户计算出多套服装搭配方案，其中，服装搭配方案中的服装可仅为用户服装，也可仅为定制服装，还可包括用户服装和定制服装。

步骤S118：控制显示面板显示服装搭配方案。

在计算出服装搭配方案后，控制器可控制显示面板显示多套服装搭配方案，供用户选择，如图8所示，推荐搭配1中的服装包含T恤和半身长裙，推荐搭配2中的服装包含T恤和半身短裙，其中T恤和半身短裙是用户服装，半身长裙是定制服装。

进一步的，显示面板上的服装搭配方案响应于被用户选中，可展示服装搭配方案包含服装的服装信息，如用户服装的服装存放位置，定制服装的购买控件等，供用户查找或购买服装。

由上述实施例可见，本申请通过服装分类算法对用户的服装进行分类，通过服装分割算法获取每件服装的服装图像，根据所述服装类别和服装图像生成服装数据，便于在服装搭配时，根据服装类别调用服装图像，并且，通过智能量体仪获取用户体型，根据基于用户体型和服装信息的服装搭配算法生成服装搭配方案，实现了针对不同用户的个性化搭配，提高了搭配灵活性。

由于以上实施方式均是在其他方式之上引用结合进行说明，不同实施例之间均具有相同的部分，本说明书中各个实施例之间相同、相似的部分互相参见即可。在此不再详细阐述。

需要说明的是，在本说明书中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或暗示这些实体或操作之间存在任何这种实际的关系或顺序。而且，术语“包括”、“设置有”或者其任何其他变体意在涵盖非排他性的设置有，从而使得包括一系列要素的电路结构、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种电路结构、物品或者设备所固有的要素。在没有更多限制的情况下，有语句“包括一个……”限定的要素，并不排除在包括所述要素的电路结构、物品或者设备中还存在另外的相同要素。

本领域技术人员在考虑说明书及实践这里发明的公开后，将容易想到本申请的其他实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由权利要求的内容指出。

以上所述的本申请实施方式并不构成对本申请保护范围的限定。

Claims (12)

1.一种服装搭配推荐装置，其特征在于，包括：

显示面板，用于显示图像；

摄像头，用于采集显示面板前方包含服装的第一图像，以及采集用户衣橱的第二图像；

控制器，用于接收用户在所述第二图像上设置存放区域的操作，生成对应所述存放区域的服装存放位置；通过服装分类算法预测所述第一图像中服装目标的估计类别，将所述服装目标的尺寸与所述估计类别的尺寸阈值范围，以及所述估计类别的预设相近类别的尺寸阈值范围进行比较，根据比较结果确定所述服装目标的服装类别；通过服装分割算法得到每个所述服装目标的服装图像；根据所述服装类别、服装图像和用户输入的服装存放位置生成服装数据；分析所述第一图像中人脸区域的RGB值得到用户的肤色类型或获取用户输入的肤色信息；根据所述肤色类型、来自智能量体仪的用户体型和已录入的服装的服装数据，通过服装搭配算法生成服装搭配方案；向显示面板发送所述服装搭配方案；

智能量体仪，包括光电识别模块和通信模块，所述光电识别模块用于采集用户的量体参数；根据所述量体参数得到用户体型，所述通信模块用于向所述控制器发送所述用户体型。

2.根据权利要求1所述的服装搭配推荐装置，其特征在于，所述控制器还被配置为，向预设服务器发送所述量体参数，所述预设服务器用于根据所述量体参数生成定制服装。

3.根据权利要求1所述的服装搭配推荐装置，其特征在于，所述显示面板包括触摸屏，所述触摸屏被配置为，获取用户输入的服装面料和服装颜色；向所述控制器发送所述服装面料和服装颜色；所述控制器被配置为，根据所述服装面料、服装颜色、服装类别、服装图像和服装存放位置生成所述服装数据。

4.根据权利要求1所述的服装搭配推荐装置，其特征在于，所述显示面板包括触摸屏，所述触摸屏被配置为，获取用户输入的用户身份信息；向所述控制器发送所述用户身份信息；所述控制器还被配置为，在所述用户身份信息和服装数据之间建立对应关系。

5.根据权利要求1所述的服装搭配推荐装置，其特征在于，还包括通信接口，所述通信接口包括WIFI接口、USB接口、网口、蓝牙中的任意一种或多种，所述智能量体仪的通信模块通过所述通信接口与所述控制器连接。

6.根据权利要求1所述的服装搭配推荐装置，其特征在于，所述服装分类算法通过对深度残差网络模型进行训练得到，所述服装分割算法包括Mask-RCNN分割算法，所述服装搭配算法基于FashionAI深度学习算法对deepfashion公开服装数据集进行训练得到。

7.一种服装搭配推荐方法，其特征在于，所述方法包括：

采集用户衣橱的第二图像；

接收用户在所述第二图像上设置存放区域的操作，生成对应所述存放区域的服装存放位置；

采集包含服装的第一图像；

分析所述第二图像中人脸区域的RGB值，得到用户的肤色类型，或，获取用户输入的肤色信息；

通过服装分类算法得到所述第一图像中服装目标的估计类别，将所述服装目标的尺寸与所述估计类别的尺寸阈值范围，以及所述估计类别的预设相近类别的尺寸阈值范围进行比较，根据比较结果确定所述服装目标的服装类别；

通过服装分割算法得到每个所述服装目标的服装图像；

接收用户输入的所述服装目标的服装存放位置；

根据所述服装类别、服装图像和所述服装存放位置生成服装数据；

根据所述肤色类型、基于量体参数得到的用户体型和已录入的服装的服装数据，通过服装搭配算法生成服装搭配方案；

显示所述服装搭配方案。

8.根据权利要求7所述的服装搭配推荐方法，其特征在于，还包括：

根据所述量体参数生成定制服装。

9.根据权利要求7所述的服装搭配推荐方法，其特征在于，所述根据所述服装类别、服装图像和所述用户输入的服装存放位置生成服装数据，包括：

获取用户输入的服装面料和服装颜色；

根据所述服装面料、服装颜色、服装类别、服装图像和服装存放位置生成服装数据。

10.根据权利要求9所述的服装搭配推荐方法，其特征在于，还包括：

获取用户输入的用户身份信息；

在所述用户身份信息和服装数据之间建立对应关系。

11.根据权利要求7所述的服装搭配推荐方法，其特征在于，所述服装分类算法通过对深度残差网络模型进行训练得到，所述服装分割算法包括Mask-RCNN分割算法，所述服装搭配算法基于FashionAI深度学习算法对deepfashion公开服装数据集进行训练得到。

12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被控制器执行时实现权利要求7所述的服装搭配推荐方法。