CN113469723A - 一种智能镜及穿衣频次的统计方法 - Google Patents
一种智能镜及穿衣频次的统计方法 Download PDFInfo
- Publication number
- CN113469723A CN113469723A CN202010351616.9A CN202010351616A CN113469723A CN 113469723 A CN113469723 A CN 113469723A CN 202010351616 A CN202010351616 A CN 202010351616A CN 113469723 A CN113469723 A CN 113469723A
- Authority
- CN
- China
- Prior art keywords
- clothing
- user
- target
- image
- garment
- 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
- 238000007619 statistical method Methods 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000001514 detection method Methods 0.000 claims description 14
- 239000004744 fabric Substances 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 8
- 238000013527 convolutional neural network Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 12
- 238000007726 management method Methods 0.000 description 9
- 230000002452 interceptive effect Effects 0.000 description 8
- 230000011218 segmentation Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000003203 everyday effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012905 input function Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0487—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser
- G06F3/0488—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser using a touch-screen or digitiser, e.g. input of commands through traced gestures
- G06F3/04883—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser using a touch-screen or digitiser, e.g. input of commands through traced gestures for inputting data by handwriting, e.g. gesture or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/16—Sound input; Sound output
- G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- 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]
- G06Q30/0641—Shopping interfaces
- G06Q30/0643—Graphical representation of items or shoppers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30124—Fabrics; Textile; Paper
Abstract
本申请提供了一种智能镜及穿衣频次的统计方法。该智能镜包括摄像头,用于采集用户的服装图像;显示屏,用于显示图像;处理器,被配置为:获取摄像头采集的用户的第一服装的服装图像,对用户的第一服装的服装图像进行处理,统计用户的第一服装的各服装目标的穿着频次,并确定出用户的穿衣风格,根据用户的穿衣风格,在显示屏上显示穿衣风格对应的服装商品,可以按照用户的穿衣风格对服装商品的推荐进行优化,从而提高服装商品的销售率,同时可以根据穿着频次的数量程度充分利用用户的衣橱中的服装,并提高资源利用率。
Description
技术领域
本申请涉及智能家居设备技术领域,尤其涉及一种智能镜及穿衣频次的统计方法。
背景技术
随着人们生活水平的提高,人们所购买的各式各样的衣服会逐渐增多,同时会将所购买的服装存放在衣橱中。然而,由于用户的衣橱中的服装太多,用户在每天进行穿衣搭配时不能顾及到衣橱的每件衣服,可能经常穿固定的几件衣服,部分服装被遗忘,无法被合理利用;经常不穿的衣服可能是用户不喜欢的,而一直占用衣橱空间也不方便衣橱的合理利用;智能镜对用户进行商品推荐的时候也不合用户心意,找不准用户的喜好点。
综上,目前亟需一种智能镜及穿衣频次的统计方法,用以对服装商品推荐进行优化,并提高服装商品销售率和衣橱服装利用率。
发明内容
本申请示例性的实施方式中提供了一种智能镜及穿衣频次的统计方法,用以对服装商品推荐进行优化,并提高服装商品销售率和衣橱服装利用率。
第一方面,本申请示例性的实施方式中提供了一种智能镜,包括:
摄像头,用于采集用户的服装图像;
显示屏,用于显示图像;
处理器,被配置为:
获取所述摄像头采集的所述用户的第一服装的服装图像;
对所述用户的第一服装的服装图像进行处理,统计所述用户的第一服装的各服装目标的穿着频次,并确定出所述用户的穿衣风格;
根据所述用户的穿衣风格,在所述显示屏上显示所述穿衣风格对应的服装商品。
在一些示例性的实施方式中,所述处理器被配置为:
对所述用户的第一服装的服装图像进行分类识别,提取出所述用户的第一服装的服装目标;
根据所述用户的第一服装的服装目标和所述用户的衣橱中的第二服装的服装目标,确定出所述第一服装的服装目标和所述第二服装的服装目标的相似度;
根据所述第一服装的服装目标和所述第二服装的服装目标的相似度,统计所述用户的第一服装的各服装目标的穿着频次;
根据所述用户的第一服装的各服装目标的穿着频次,确定出所述用户的穿衣风格。
在一些示例性的实施方式中,所述处理器被配置为:
将所述用户的第一服装的服装目标和所述用户的衣橱中的第二服装的服装目标输入到图像相似度比对模型,确定出所述第一服装的服装目标和所述第二服装的服装目标的多组相似度;
从所述第一服装的服装目标和所述第二服装的服装目标的多组相似度中确定出与所述第一服装的服装目标相似度最大的所述第二服装的服装目标;
将与所述第一服装的服装目标相似度最大的所述第二服装的服装目标对应的所述第二服装确定为所述用户的第一服装,并统计所述用户的第一服装的各服装目标的穿着频次。
在一些示例性的实施方式中,所述处理器被配置为:
获取服装图像相似的服装图像集和对应的相似度数据;
将所述服装图像相似的服装图像集和对应的相似度数据对卷积神经网络进行训练,得到所述图像相似度比对模型。
在一些示例性的实施方式中,所述智能镜还包括触摸屏和语音设备;所述处理器被配置为:
响应于所述用户通过所述触摸屏或所述语音设备下发的操作指令,触发所述摄像头采集所述用户的第二服装的服装图像;
对所述用户的第二服装的服装图像进行分类识别,提取出所述用户的第二服装的服装类别、服装特征以及服装目标;
接收所述用户在所述触摸屏上输入的所述用户的第二服装的服装面料以及服装颜色,并按照所述服装类别将所述用户的第二服装的服装图像和所述用户的第二服装的服装特征、服装目标以及服装面料和服装颜色存储在所述存储器中所述用户的衣橱。
在一些示例性的实施方式中,所述处理器被配置为:
对所述用户的第二服装的服装图像进行处理,提取出所述用户的第二服装的服装位置信息和服装特征信息;
根据所述用户的第二服装的服装位置信息和服装特征信息,对所述用户的第二服装图像进行目标检测,提取出所述用户的第二服装的服装类别和服装特征;
对所述用户的第二服装的服装图像进行分割,提取出所述用户的第二服装的服装目标。
在一些示例性的实施方式中,所述处理器被配置为:
针对所述用户的第一服装的任一服装目标,若所述服装目标的穿着频次高于第一设定阈值,则在所述显示屏上展示与所述服装目标对应的服装商品;
若所述服装目标的穿着频次低于第一设定阈值且高于第二设定阈值,则在所述显示屏上展示所述服装目标;
若所述服装目标的穿着频次低于所述第二设定阈值,则在所述显示屏上展示建议舍弃或捐赠所述服装目标的提示信息。
第二方面,本申请示例性的实施方式中提供了一种穿衣频次的统计方法,包括:
获取摄像头采集的用户的第一服装的服装图像;
对所述用户的第一服装的服装图像进行处理,统计所述用户的第一服装的各服装目标的穿着频次,并确定出所述用户的穿衣风格;
根据所述用户的穿衣风格,在所述显示屏上显示所述穿衣风格对应的服装商品。
上述技术方案中,通过对用户的第一服装的服装图像进行处理,统计用户的第一服装的各服装目标的穿着频次,并确定出用户的穿衣风格,根据用户的穿衣风格,在显示屏上显示穿衣风格对应的服装商品,可以按照用户的穿衣风格进行推荐,从而对服装商品推荐进行优化,进而提高服装商品的销售率,且对于用户不常穿着的衣橱中的服装,在为用户推荐衣橱服装搭配时提高该类服装的推荐频次,以充分利用用户的衣橱中的服装,而对于穿着频次极少的衣橱中的服装,向用户提出建议,及时舍弃或者捐赠来腾出衣橱空间,从而提高资源利用率。
在一些示例性的实施方式中,所述方法还包括:
对所述用户的第一服装的服装图像进行分类识别,提取出所述用户的第一服装的服装目标;
根据所述用户的第一服装的服装目标和所述用户的衣橱中的第二服装的服装目标,确定出所述第一服装的服装目标和所述第二服装的服装目标的相似度;
根据所述第一服装的服装目标和所述第二服装的服装目标的相似度,统计所述用户的第一服装的各服装目标的穿着频次;
根据所述用户的第一服装的各服装目标的穿着频次,确定出所述用户的穿衣风格。
上述技术方案中,通过对用户的第一服装的服装图像进行分类识别,提取出用户的第一服装的服装目标,并根据用户的第一服装的服装目标和用户的衣橱中的第二服装的服装目标,可以确定出第一服装的服装目标和第二服装的服装目标的相似度,根据该相似度可以准确快速地确定出与第一服装对应的衣橱中的服装,并统计第一服装的各服装目标的穿着频次,再根据第一服装的各服装目标的穿着频次,确定出用户的穿衣风格,进而按照用户的穿衣风格向用户推荐相关的服装商品,可以提高服装商品的销售率。
在一些示例性的实施方式中,所述方法还包括:
将所述用户的第一服装的服装目标和所述用户的衣橱中的第二服装的服装目标输入到图像相似度比对模型,确定出所述第一服装的服装目标和所述第二服装的服装目标的多组相似度;
从所述第一服装的服装目标和所述第二服装的服装目标的多组相似度中确定出与所述第一服装的服装目标相似度最大的所述第二服装的服装目标;
将与所述第一服装的服装目标相似度最大的所述第二服装的服装目标对应的所述第二服装确定为所述用户的第一服装,并统计所述用户的第一服装的各服装目标的穿着频次。
上述技术方案中,通过将用户的第一服装的服装目标和用户的衣橱中的第二服装的服装目标输入到图像相似度比对模型,由于是将用户的第一服装的服装目标与用户的衣橱中的各服装的服装目标输入该图像相似度比对模型进行一一比对处理,因此可以快速地确定出第一服装的服装目标和第二服装的服装目标的多组相似度,并确定出最大的相似度对应的第二服装的服装目标,将最大的相似度对应的第二服装确定为用户的第一服装,并统计用户的第一服装的各服装目标的穿着频次,可以为确定用户的穿衣风格提供支持。
在一些示例性的实施方式中,所述方法还包括:
获取服装图像相似的服装图像集和对应的相似度数据;
将所述服装图像相似的服装图像集和对应的相似度数据对卷积神经网络进行训练,得到所述图像相似度比对模型。
上述技术方案中,通过将服装图像相似的服装图像集和对应的相似度数据对卷积神经网络进行训练,得到图像相似度比对模型,可以为准确快速地确定用户的穿衣风格提供支持。
在一些示例性的实施方式中,所述方法还包括:
响应于所述用户通过所述触摸屏或所述语音设备下发的操作指令,触发所述摄像头采集所述用户的第二服装的服装图像;
对所述用户的第二服装的服装图像进行分类识别,提取出所述用户的第二服装的服装类别、服装特征以及服装目标;
接收所述用户在所述触摸屏上输入的所述用户的第二服装的服装面料以及服装颜色,并按照所述服装类别将所述用户的第二服装的服装图像和所述用户的第二服装的服装特征、服装目标以及服装面料和服装颜色存储在所述存储器中所述用户的衣橱。
上述技术方案中,通过将用户的现有服装进行分类识别,并将识别出用户的现有服装的服装特征、服装目标以及服装面料和服装颜色存储在用户的衣橱中,可以实现对用户的服装进行分类管理,以便更好地在前端交互界面(展示管理用户的服装信息。
在一些示例性的实施方式中,所述方法还包括:
对所述用户的第二服装的服装图像进行处理,提取出所述用户的第二服装的服装位置信息和服装特征信息;
根据所述用户的第二服装的服装位置信息和服装特征信息,对所述用户的第二服装图像进行目标检测,提取出所述用户的第二服装的服装类别和服装特征;
对所述用户的第二服装的服装图像进行分割,提取出所述用户的第二服装的服装目标。
在一些示例性的实施方式中,所述方法还包括:
针对所述用户的第一服装的任一服装目标,若所述服装目标的穿着频次高于第一设定阈值,则在所述显示屏上展示与所述服装目标对应的服装商品;
若所述服装目标的穿着频次低于第一设定阈值且高于第二设定阈值,则在所述显示屏上展示所述服装目标;
若所述服装目标的穿着频次低于所述第二设定阈值,则在所述显示屏上展示建议舍弃或捐赠所述服装目标的提示信息。
上述技术方案中,针对用户的第一服装的任一服装目标,通过将服装目标的穿着频次与设定阈值进行比较,可确定出服装目标的穿衣规律,并对于常穿的衣橱中的服装,根据用户的穿衣风格,在显示屏上显示穿衣风格对应的服装商品,可以按照用户的穿衣风格进行推荐,从而对服装商品推荐进行优化,进而提高服装商品的销售率,对于用户不常穿着的衣橱中的服装,在为用户推荐衣橱服装搭配时提高该类服装的推荐频次,以充分利用用户的衣橱中的服装,而对于穿着频次极少的衣橱中的服装,向用户提出建议,及时舍弃或者捐赠来腾出衣橱空间,从而提高资源利用率。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请一些实施例提供的一种智能镜的硬件配置框图;
图2为本申请一些实施例提供的一种智能镜的软件配置框图;
图3为本申请一些实施例提供的一种智能镜的用户界面的示意图;
图4为本申请一些实施例提供的一种穿衣频次的统计方法的流程示意图;
图5为本申请一些实施例提供的一种服装分类管理的流程示意图;
图6为本申请一些实施例提供的一种用户的服装在智能镜中进行分类管理的页面示意图;
图7为本申请一些实施例提供的另一种穿衣频次的统计方法的流程示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请作进一步地详细描述,显然,所描述的实施例仅仅是本申请的一部分实施例,而不是全部的实施例。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它实施例,都属于本申请保护的范围。
需要说明的是,本申请中说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,例如能够根据本申请实施例图示或描述中给出那些以外的顺序实施。
图1示例性的示出了本申请实施例提供的一种智能镜的硬件配置框图。如图1所示,智能镜100包括处理器110、检测器120、通信接口130、显示屏140、用户输入/输出接口150、存储器160、供电电源170。
处理器110包括CPU处理器111、RAM112、ROM113、图形处理器114、通信接口115以及通信总线。其中,RAM112和ROM113以及CPU处理器111、图形处理器114、通信接口115通过通信总线相连接;通信接口115可以包括第一接口115-1到第n接口115-n。这些接口也可以是经由网络被连接到外部设备的网络接口。
ROM113,用于存储各种系统启动的指令。如在收到开机信号时,智能镜100电源开始启动,CPU处理器111运行ROM中系统启动指令,将存储在存储器160的操作系统拷贝至RAM112中,以使开始运行启动操作系统。当操作系统启动完成后,CPU处理器111再将存储器160中各种应用程序拷贝至RAM112中,然后,开始运行启动各种应用程序。
图形处理器114,用于产生各种图形对象,如:图标、操作菜单、以及用户输入指令显示图形等。包括运算器,通过接收用户输入各种交互指令进行运算,根据显示属性显示各种对象。以及包括渲染器,产生基于运算器得到的各种对象,进行渲染的结果显示在显示屏140上。
CPU处理器111,用于执行存储在存储器160中操作系统和应用程序指令。以及根据接收外部输入的各种交互指令,来执行各种应用程序、数据和内容,以便最终显示各种图形内容。
在一些示例性实施例中,CPU处理器111,可以包括多个处理器。多个处理器可包括一个主处理器以及多个或一个子处理器。主处理器,用于在预加电模式中执行智能镜100的一些操作,和/或在正常模式下显示图像的操作。多个或一个子处理器,用于在待机模式等状态下一种操作。
检测器120,是智能镜100用于采集外部环境或与外部交互的信号。检测器120包括图像采集器121,如相机、摄像头等,可以用于采集外部环境场景,以及用于采集用户的属性或用户的服装图像。
在其他一些示例性实施例中,检测器120,还可以包括声音采集器122,如麦克风,可以用于接收用户的声音,包括用户控制智能镜100的控制指令的语音信号,或采集环境声音,用于识别环境场景类型。
在其他一些示例性实施例中,检测器120,还可以包括天气采集器123,如气温温度检测仪,用于采集当前的天气温度,或者采集当前的季节等天气气候属性数据。
通信接口130,用于根据各种通信协议类型与外部设备或外部服务器进行通信的组件。例如:通信接口130可以是Wifi模块131,蓝牙模块132,有线以太网模块133,USB134等其他网络通信协议模块或近场通信协议模块。
智能镜100可以通过通信接口130与外部控制设备或内容提供设备之间建立控制信号和数据信号发送和接收。
显示屏140,包括用于呈现图像的显示屏组件,以及驱动图像显示的驱动组件。显示图像内容,可以来自处理器110处理的图像内容,或者,可显示来自网络通信协议接收来自网络服务器端发送的各种图像内容。
此外,显示屏140,显示智能镜100中产生且用于控制智能镜100的用户操控UI界面。
用户输入/输出接口150,其中,用户输入接口用于接收用户的输入信号,然后,将接收用户的输入信号发送给处理器110,包括语音设备((图中未示出,比如麦克风)、触摸屏(图中未示出)等其他输入接口中至少一者。比如用户可以通过语音、触摸等动作实现用户指令输入功能,输入接口通过将接收的模拟信号转换为数字信号,以及数字信号转换为相应指令信号,发送至处理器110。用户输出接口通过将用户输入接口接收的用户指令输出至处理器110,或者,输出由处理器110处理的图像。这里,用户输出接口可以包括LED接口和输出图像的显示屏140等。例如,用户输出接口接收处理器110处理后的输出信号,并将输出信号在显示屏140上显示为图像形式。
示例的,用户通过触摸屏或语音设备输入用户命令,用户输入接口则根据用户的输入,显示屏140则通过处理器110响应用户的输入。
在一些实施例中,用户可以在显示屏140上显示的图形用户界面(GUI)输入用户命令,则用户输入接口通过图形用户界面(GUI)接收用户输入命令。
处理器110,通过存储在存储器160上中各种软件控制程序,来控制智能镜100的工作和响应用户的操作。
存储器160,用于存储驱动和控制智能镜100的各种运行程序、数据和应用。存储器160,可以存储用户输入的各类控制信号指令。包括存储用于驱动智能镜100的各种软件模块。如:存储器160中存储的各种软件模块,包括:基础模块、检测模块、显示控制模块、通信模块等。
其中,基础模块用于智能镜100中各个硬件之间信号通信、并向上层模块发送处理和控制信号的底层软件模块;检测模块用于从各种检测器或用户输入接口中收集各种信息,并进行数模转换以及分析管理的管理模块;显示控制模块用于控制显示屏140进行显示图像内容的模块,可以用于播放多媒体图像内容和UI界面等信息。通信模块,用于与外部设备之间进行控制和数据通信的模块。
同时,存储器160还可用于存储接收外部数据和用户数据、各种用户界面中的图像以及视觉效果图等。
另外,存储器160,具体用于存储驱动智能镜100中处理器110的运行程序,以及存储智能镜100内置各种应用程序,以及用户从外部设备下载的各种应用程序、以及与应用相关各种图形用户界面,以及与图形用户界面相关的各种对象,用户数据信息,以及各种支持应用的内部数据。存储器160还用于存储OS内核、中间件和应用等系统软件,以及存储显示屏140、通信接口130、检测器120输入/输出接口等驱动程序和相关数据,或存储其他用户数据。
供电电源170,用于为智能镜100中的各元件提供启动及运行的电力支持。形式可以为电池及相关控制电路。在用户的操作下,将外部电源输入的电力为智能镜100提供电源供电支持。供电电源170可以包括安装智能镜100内部的内置电源电路,也可以是安装在智能镜100外部电源,在智能镜100中提供外接电源的电源接口。
图2示例性的示出了本申请实施例提供的一种智能镜的软件配置框图。如图2所示,可以包括操作系统161、界面布局管理器162、事件传输系统163、应用程序164。
操作系统161,包括用于处理各种基础系统服务和用于实施硬件相关任务的执行操作软件,充当应用程序和硬件组件之间完成的数据处理的媒介,比如安卓操作系统。一些实施例中,部分操作系统内核可以包含一系列软件,用以管理智能镜100的硬件资源,并为其他程序或软件代码提供服务。
其他一些实施例中,部分操作系统内核可包含一个或多个设备驱动器,设备驱动器可以是操作系统中的一组软件代码,帮助操作或控制智能镜关联的设备或硬件。驱动器可以包含操作视频、音频和/或其他多媒体组件的代码。示例的,包括显示屏、摄像头、Flash和WiFi。
其中,可访问性模块1611,用于访问或修改应用程序,以实现应用程序的可访问性和对其显示内容的可操作性。
通信模块1612,用于经由相关通信接口和通信网络与其他外设的连接。
用户界面模块1613,用于提供显示用户界面的对象,以供各应用程序可访问,可实现用户的可操作性。比如智能镜的前端交互界面。
控制应用程序1614,用于可控制进程管理,包括运行时间应用程序等。
事件传输系统163,可在操作系统161内或应用程序164中实现,以一些实施例中,一方面在操作系统161内实现,同时在应用程序164中实现,用于监听各种用户输入的事件,并根据各种事件指代响应各类事件或子事件的识别结果,而实施一组或多组预定义的操作的处理程序。
其中,事件监听模块1631,用于监听用户输入接口输入事件或子事件;事件识别模块1632,用于对各种用户输入接口输入各类事件的定义,识别出各种事件或子事件,且将其传输给处理器110用以执行其相应一组或多组的处理程序。比如处理器110根据智能镜100中存储的逻辑程序和核心算法对相应的事件或子事件进行处理,并将处理后的结果呈现在显示屏140上。
其中,事件或子事件,是指智能镜100中一个或多个检测器检测的输入。比如用户语音输入的各种子事件或在触摸屏上操作输入的各种子事件。
界面布局管理器162,直接或间接接收来自于事件传输系统163监听到各用户输入的事件或子事件,用于更新用户界面的布局,包括但不限于界面中各控件或子控件的位置,以及容器的大小或位置、层级等与界面布局相关各种执行操作。
图3示例性的示出了本申请实施例提供的一种智能镜的用户界面的示意图。如图3所示,用户界面包括多个视图显示区,示例的,用户可以根据自己的需求进行相应的操作(比如测身材或进行服装搭配),分别在各自的视图显示区呈现出对应的显示结果,另外,用户也可以根据自己出席的场合或自己的需求在衣橱页面或商城页面选择喜欢的服装进行搭配,在视图显示区呈现出用户选择的服装的搭配效果,以供用户进行选择并购买,或根据用户每天穿着。
需要说明的是,多个视图显示区可以是可视的界线,也可以是不可视的界线。比如可通过各视图显示区的背景颜色不同标识不同视图显示区,还可以通过边界线等可视的标识,也可以有不可视的隐形边界。也可以不存在可视的或非可视的边界,而仅在屏幕上显示一定范围区域中相关联的视图,具有尺寸和/或排布相同改变属性时,而该一定范围区域则被视同一种视图分区的边界的存在。
本申请的一些实施例提供的智能镜中,处理器可被配置为:获取摄像头采集的用户的第一服装的服装图像,对用户的第一服装的服装图像进行处理,统计用户的第一服装的各服装目标的穿着频次,并确定出用户的穿衣风格,根据用户的穿衣风格,在显示屏上显示穿衣风格对应的服装商品。比如用户出门前照镜子的时候,智能镜自动为用户拍摄全身照,获取用户的服装图像,并对用户的第一服装的服装图像进行处理,判断出智能镜的衣橱中的服装为用户的当前穿着服装,以此对该衣橱中的服装进行统计,统计出衣橱中每件服装的穿着频次,并确定出用户的穿衣风格,按照用户的穿衣风格在智能镜首页推荐展示商家的服装商品。
可选地,处理器还被配置为:对用户的第一服装的服装图像进行分类识别,提取出用户的第一服装的服装目标,根据用户的第一服装的服装目标和用户的衣橱中的第二服装的服装目标,确定出第一服装的服装目标和第二服装的服装目标的相似度,根据第一服装的服装目标和第二服装的服装目标的相似度,统计用户的第一服装的各服装目标的穿着频次,根据用户的第一服装的各服装目标的穿着频次,确定出用户的穿衣风格。比如,在智能镜对用户的穿着服装的服装图像进行处理时,根据用户的穿着服装的服装目标和用户的衣橱中的服装的服装目标,确定出用户的穿着服装的服装目标和用户的衣橱中的服装的服装目标的相似度,以此统计出用户的穿着服装的每件服装的穿着频次,并确定出用户的穿衣风格。
可选地,处理器还被配置为:将用户的第一服装的服装目标和用户的衣橱中的第二服装的服装目标输入到图像相似度比对模型,确定出第一服装的服装目标和第二服装的服装目标的多组相似度,从第一服装的服装目标和第二服装的服装目标的多组相似度中确定出与第一服装的服装目标相似度最大的所述第二服装的服装目标,将与第一服装的服装目标相似度最大的第二服装的服装目标对应的所述第二服装确定为用户的第一服装,并统计用户的第一服装的穿着频次。比如,在智能镜对用户的穿着服装的服装图像进行处理时,利用图像相似度比对模型将用户的穿着服装的服装目标和用户的衣橱中的各服装的服装目标一一比对,确定出多组相似度,并将相似度进行比对,将与用户的穿着服装相似度最大的衣橱中的服装确定为用户的穿着服装的服装目标(即服装单品),并统计出用户的穿着服装的每件服装的穿着频次。
可选地,处理器还被配置为:获取服装图像相似的服装图像集和对应的相似度数据,将服装图像相似的服装图像集和对应的相似度数据对卷积神经网络进行训练,得到图像相似度比对模型。比如图像相似度比对模型是预先进行训练过的,训练数据为包含服装目标的相似图像对和对应的相似度数据,将训练数据作为算法卷积神经网络的输入,不断反向修正卷积神经网络参数,使其能够达到辨别相似图像的水平,将图像相似度比对模型保存起来。
可选地,智能镜还包括触摸屏和语音设备;处理器还被配置为:响应于用户通过触摸屏或语音设备下发的操作指令,触发摄像头采集用户的第二服装的服装图像,对用户的第二服装的服装图像进行分类识别,提取出用户的第二服装的服装类别、服装特征以及服装目标,接收用户在触摸屏上输入的用户的第二服装的服装面料以及服装颜色,并按照服装类别将用户的第二服装的服装图像和用户的第二服装的服装特征、服装目标以及服装面料和服装颜色存储在存储器中用户的衣橱。
可选地,处理器还被配置为:对用户的第二服装的服装图像进行处理,提取出用户的第二服装的服装位置信息和服装特征信息,根据用户的第二服装的服装位置信息和服装特征信息,对用户的第二服装图像进行目标检测,提取出用户的第二服装的服装类别和服装特征,对用户的第二服装的服装图像进行分割,提取出用户的第二服装的服装目标。
可选地,处理器还被配置为:针对用户的第一服装的任一服装目标,若服装目标的穿着频次高于第一设定阈值,则在显示屏上展示与服装目标对应的服装商品,若服装目标的穿着频次低于第一设定阈值且高于第二设定阈值,则在显示屏上展示服装目标,若服装目标的穿着频次低于第二设定阈值,则在显示屏上展示建议舍弃或捐赠服装目标的提示信息。比如,在统计出用户的穿着服装的穿着频次后,根据该穿着频次,发现用户常穿的服装,归纳出用户喜欢的穿衣风格,在智能镜首页推荐服装商品时,按照用户喜爱的穿衣风格进行推荐,提高服装商品的销售率;对于用户衣橱里不常穿的服装,在智能镜首页为用户推荐衣橱服装搭配的时候提高这类衣服的推荐频次,充分利用服装;对于用户极少穿着的服装,在镜子的衣橱页面提示用户,建议用户及时舍弃或者捐赠这类衣服,腾出实体衣橱空间,提高衣橱空间利用率。
图4示例性的示出了一种穿衣频次的统计方法的流程示意图。该流程可由智能镜100执行。
如图4所示,该流程包括:
步骤401,获取摄像头采集的用户的第一服装的服装图像。
在本申请实施例中,该用户的第一服装是指用户当前在智能镜前照镜子时所穿着的一套服装,且用户在照镜子时,智能镜自动为用户拍摄全身照,获取用户的服装图像。
步骤402,对所述用户的第一服装的服装图像进行处理,统计所述用户的第一服装的各服装目标的穿着频次,并确定出所述用户的穿衣风格。
在本申请实施例中,智能镜检测到用户,并对用户的第一服装的服装图像进行处理,进而统计用户的第一服装的各服装目标的穿着频次,可以确定出用户的穿衣风格。其中,穿着频次可以以天或月等周期维度为单位来进行统计,并将统计结果应用到智能镜的搭配推荐或衣橱管理中。
由于在对用户的第一服装的服装图像进行处理并统计第一服装的各服装目标的穿着频次之前,需要先对用户的服装进行分类管理,以便更好地在前端交互界面(即用户界面)展示管理用户的服装信息。图5示例性的示出了一种服装分类管理的流程示意图。
如图5所示,该流程包括:
步骤501,获取第二服装的服装图像。
在本申请实施例中,通过智能镜前置的摄像头获取用户的包含服装属性信息的服装图像。其中,服装属性信息包括服装类别、服装特征、服装目标等;第二服装可以是指用户拥有的任意一套服装。
步骤502,将第二服装的服装图像输入到目标分类检测模型进行分类识别。
在本申请实施例中,将第二服装的服装图像输入到目标分类检测模型进行分类识别,提取出服装类别和特征。具体地,利用分类算法采用基于残差网络结构的基础网络对服装的位置信息与服装特征信息进行提取,再基于目标检测识别网络的多尺度特征图思想来回归预测服装的位置以及服装类别,同时提取出服装特征。其中,服装特征包括领形、门襟、口袋、下摆等。
步骤503,将第二服装的服装图像输入到语义分割模型进行处理。
在本申请实施例中,将第二服装的服装图像输入到语义分割模型进行处理,提取出服装目标。具体地,在提取出服装类别和特征之后,为更好的在智能镜的前端交互界面展示管理服装属性信息,采用语义分割神经网络剔除背景信息,只保留服装属性信息,提取出服装目标。
步骤506,将服装分类管理存储。
在本申请实施例中,按照服装类别将服装特征、服装目标以及服装面料和服装颜色存储在智能镜的用户的衣橱中。具体地,基于目标分类检测与分割算法提取出服装类别和特征以及服装目标,进而可以在前端交互界面更好的分类展示用户的所有服装,基于类别的查找一目了然。通过目标分类检测与分割算法的相关处理,可以获取服装的精准类别和特征以及只包含服装属性信息的图片数据。为了增加服装属性维度,可以在前端交互界面加入用户在智能镜上输入的服装的面料信息与颜色信息。其中,存储在智能镜的衣橱中的用户的各服装为用户的各服装的服装单品;用户的服装在智能镜中进行分类管理的页面可以如图6所示。
在对用户的服装进行分类管理之后,对用户的第一服装的服装图像进行处理,统计用户的第一服装的各服装目标的穿着频次,并确定出用户的穿衣风格。图7示例性的示出了另一种穿衣频次的统计方法的流程示意图。
如图7所示,该流程包括:
步骤701,获取第一服装的服装图像。
在本申请实施例中,用户在智能镜前照镜子时,智能镜自动为用户拍摄全身照,获取用户的第一服装的服装图像。比如用户出门时,在智能镜前照镜子,智能镜会自动拍摄用户的全身照。
步骤702,将第一服装的服装图像输入到目标分类检测模型进行分类识别。
在本申请实施例中,将第一服装的服装图像输入到目标分类检测模型进行分类识别,提取出第一服装的服装类别和特征。
步骤703,将第一服装的服装图像输入到语义分割模型进行处理。
在本申请实施例中,将第一服装的服装图像输入到语义分割模型进行处理,提取出第一服装的服装目标。
步骤704,获取用户的各服装的服装信息。
在本申请实施例中,从用户的衣橱中获取用户的各服装的服装信息。其中,服装信息可以包括服装类别、服装特征、服装目标、服装面料和服装颜色等。
步骤705,利用图像相似度比对模型进行处理。
在本申请实施例中,将第一服装的服装类别和特征、第一服装的服装目标以及用户的各服装的服装类别、服装特征、服装目标输入到图像相似度比对模型进行处理,确定出第一服装和用户的各服装的多组相似度。
步骤706,统计用户的第一服装的各服装目标的穿着频次并确定用户的穿衣风格。
在本申请实施例中,将第一服装和用户的各服装的多组相似度进行比对,确定出相似度最大的那组包含第一服装和用户的服装,并将相似度最大的那组对应的用户的服装确定为用户的第一服装的服装目标,统计用户的第一服装的各服装目标的穿着频次,再根据穿着频次确定出用户的穿衣风格。此外,在统计出用户的第一服装的各服装目标的穿着频次之后,针对用户的第一服装的任一服装目标,若该服装目标的穿着频次高于第一设定阈值,则归纳总结出用户的穿衣风格,根据用户的穿衣风格向用户推荐与用户的穿衣风格对应的服装商品;若该服装目标的穿着频次低于第一设定阈值且高于第二设定阈值,则在显示屏上增加展示该服装目标的展示频次;若该服装目标的穿着频次低于第二设定阈值,则在显示屏上展示建议舍弃或捐赠该服装目标的提示信息。其中,第一设定阈值和第二设定阈值根据经验设置。
具体地,将用户的穿着服装的服装信息提取出来,然后与用户衣橱中已预先存储的服装进行比对,把服装对应起来,判断为哪件,则可以将对应的服装进行穿着频次的统计。在用户每天出门前照镜子的时候,智能镜自动为用户拍摄全身照,将全身照作为输入图像,输入服装管理流程的目标分类检测模型和语义分割模型,进行同样的服装信息识别,提取出用户的穿着服装的服装目标。利用图像相似度比对算法,将提取的穿着服装图像与用户衣橱中的各服装的服装图像一一比对,图像相似度比对模型是预先进行训练过的,训练数据为包含服装目标的相似图像对和对应的相似度数据,将训练数据作为算法卷积神经网络的输入,不断反向修正卷积神经网络参数,使其能够达到辨别相似图像的水平,将模型保存起来,把提取的穿着服装图像和用户衣橱中的各服装的服装图像一一成对组合,输入图像相似度比对模型,得到一个相似度数据,对相似度比较大小,将最大相似度的那一对图像包含的衣橱中的服装图像判断为用户的穿着服装。将判断出来的穿着服装统计频次,发现用户常穿的服装,归纳出用户喜欢的穿衣风格,在智能镜首页推荐服装商品时,按照用户喜爱的穿衣风格进行推荐,提高服装商品的销售率;对于用户衣橱里不常穿的服装,在智能镜首页为用户推荐衣橱服装搭配的时候提高这类衣服的推荐频次,充分利用服装;对于用户极少穿着的服装,在镜子的衣橱页面提示用户,建议用户及时舍弃或者捐赠这类衣服,腾出实体衣橱空间,提高衣橱空间利用率。其中,用户衣橱中的各服装为各服装的服装单品。
步骤403,根据所述用户的穿衣风格,在所述显示屏上显示所述穿衣风格对应的服装商品。
在本申请实施例中,根据用户的穿衣风格,在智能镜的显示屏上推荐展示与用户的穿衣风格对应的服装商品,以供用户选择和购买该服装商品。
由以上技术方案可知,本申请提供一种智能镜及穿衣频次的统计方法,可通过对用户的第一服装的服装图像进行处理,统计用户的第一服装的各服装目标的穿着频次,并确定出用户的穿衣风格,根据用户的穿衣风格,在显示屏上显示穿衣风格对应的服装商品,可以按照用户的穿衣风格进行推荐,从而对服装商品推荐进行优化,进而提高服装商品的销售率,且对于用户不常穿着的衣橱中的服装,在为用户推荐衣橱服装搭配时提高该类服装的推荐频次,以充分利用用户的衣橱中的服装,而对于穿着频次极少的衣橱中的服装,向用户提出建议,及时舍弃或者捐赠来腾出衣橱空间,从而提高资源利用率。
由于本申请实施例中的通信终端和计算机存储介质可以应用于上述处理方法,因此,其所能获得的技术效果也可参考上述方法实施例,本申请的实施例在此不再赘述。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种智能镜,其特征在于,包括:
摄像头,用于采集用户的服装图像;
显示屏,用于显示图像;
处理器,被配置为:
获取所述摄像头采集的所述用户的第一服装的服装图像;
对所述用户的第一服装的服装图像进行处理,统计所述用户的第一服装的各服装目标的穿着频次,并确定出所述用户的穿衣风格;
根据所述用户的穿衣风格,在所述显示屏上显示所述穿衣风格对应的服装商品。
2.如权利要求1所述的智能镜,其特征在于,所述处理器被配置为:
对所述用户的第一服装的服装图像进行分类识别,提取出所述用户的第一服装的服装目标;
根据所述用户的第一服装的服装目标和所述用户的衣橱中的第二服装的服装目标,确定出所述第一服装的服装目标和所述第二服装的服装目标的相似度;
根据所述第一服装的服装目标和所述第二服装的服装目标的相似度,统计所述用户的第一服装的各服装目标的穿着频次;
根据所述用户的第一服装的各服装目标的穿着频次,确定出所述用户的穿衣风格。
3.如权利要求2所述的智能镜,其特征在于,所述处理器被配置为:
将所述用户的第一服装的服装目标和所述用户的衣橱中的第二服装的服装目标输入到图像相似度比对模型,确定出所述第一服装的服装目标和所述第二服装的服装目标的多组相似度;
从所述第一服装的服装目标和所述第二服装的服装目标的多组相似度中确定出与所述第一服装的服装目标相似度最大的所述第二服装的服装目标;
将与所述第一服装的服装目标相似度最大的所述第二服装的服装目标对应的所述第二服装确定为所述用户的第一服装,并统计所述用户的第一服装的各服装目标的穿着频次。
4.如权利要求3所述的智能镜,其特征在于,所述处理器被配置为:
获取服装图像相似的服装图像集和对应的相似度数据;
将所述服装图像相似的服装图像集和对应的相似度数据对卷积神经网络进行训练,得到所述图像相似度比对模型。
5.如权利要求2所述的智能镜,其特征在于,所述智能镜还包括触摸屏和语音设备;所述处理器被配置为:
响应于所述用户通过所述触摸屏或所述语音设备下发的操作指令,触发所述摄像头采集所述用户的第二服装的服装图像;
对所述用户的第二服装的服装图像进行分类识别,提取出所述用户的第二服装的服装类别、服装特征以及服装目标;
接收所述用户在所述触摸屏上输入的所述用户的第二服装的服装面料以及服装颜色,并按照所述服装类别将所述用户的第二服装的服装图像和所述用户的第二服装的服装特征、服装目标以及服装面料和服装颜色存储在所述存储器中所述用户的衣橱。
6.如权利要求5所述的智能镜,其特征在于,所述处理器被配置为:
对所述用户的第二服装的服装图像进行处理,提取出所述用户的第二服装的服装位置信息和服装特征信息;
根据所述用户的第二服装的服装位置信息和服装特征信息,对所述用户的第二服装图像进行目标检测,提取出所述用户的第二服装的服装类别和服装特征;
对所述用户的第二服装的服装图像进行分割,提取出所述用户的第二服装的服装目标。
7.如权利要求1至6任一项所述的智能镜,其特征在于,所述处理器被配置为:
针对所述用户的第一服装的任一服装目标,若所述服装目标的穿着频次高于第一设定阈值,则在所述显示屏上展示与所述服装目标对应的服装商品;
若所述服装目标的穿着频次低于第一设定阈值且高于第二设定阈值,则在所述显示屏上展示所述服装目标;
若所述服装目标的穿着频次低于所述第二设定阈值,则在所述显示屏上展示建议舍弃或捐赠所述服装目标的提示信息。
8.一种穿衣频次的统计方法,其特征在于,包括:
获取摄像头采集的用户的第一服装的服装图像;
对所述用户的第一服装的服装图像进行处理,统计所述用户的第一服装的各服装目标的穿着频次,并确定出所述用户的穿衣风格;
根据所述用户的穿衣风格,在所述显示屏上显示所述穿衣风格对应的服装商品。
9.如权利要求8所述的方法,其特征在于,所述方法还包括:
对所述用户的第一服装的服装图像进行分类识别,提取出所述用户的第一服装的服装目标;
根据所述用户的第一服装的服装目标和所述用户的衣橱中的第二服装的服装目标,确定出所述第一服装的服装目标和所述第二服装的服装目标的相似度;
根据所述第一服装的服装目标和所述第二服装的服装目标的相似度,统计所述用户的第一服装的各服装目标的穿着频次;
根据所述用户的第一服装的各服装目标的穿着频次,确定出所述用户的穿衣风格。
10.如权利要求9所述的方法,其特征在于,所述方法还包括:
将所述用户的第一服装的服装目标和所述用户的衣橱中的第二服装的服装目标输入到图像相似度比对模型,确定出所述第一服装的服装目标和所述第二服装的服装目标的多组相似度;
从所述第一服装的服装目标和所述第二服装的服装目标的多组相似度中确定出与所述第一服装的服装目标相似度最大的所述第二服装的服装目标;
将与所述第一服装的服装目标相似度最大的所述第二服装的服装目标对应的所述第二服装确定为所述用户的第一服装,并统计所述用户的第一服装的各服装目标的穿着频次。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010351616.9A CN113469723A (zh) | 2020-04-28 | 2020-04-28 | 一种智能镜及穿衣频次的统计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010351616.9A CN113469723A (zh) | 2020-04-28 | 2020-04-28 | 一种智能镜及穿衣频次的统计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113469723A true CN113469723A (zh) | 2021-10-01 |
Family
ID=77865908
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010351616.9A Pending CN113469723A (zh) | 2020-04-28 | 2020-04-28 | 一种智能镜及穿衣频次的统计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113469723A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114911384A (zh) * | 2022-05-07 | 2022-08-16 | 青岛海信智慧生活科技股份有限公司 | 镜子显示器及其远程控制方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105005897A (zh) * | 2014-04-25 | 2015-10-28 | 普适系统株式会社 | 智能镜系统及其提供方法 |
CN106649383A (zh) * | 2015-11-02 | 2017-05-10 | 阿里巴巴集团控股有限公司 | 服饰管理方法及系统 |
CN107080435A (zh) * | 2017-05-27 | 2017-08-22 | 文曙东 | 虚拟衣橱管理系统和方法以及基于该系统的服饰销售方法 |
CN107153357A (zh) * | 2016-03-02 | 2017-09-12 | 美的集团股份有限公司 | 衣柜、智能镜子及其控制方法 |
CN107451896A (zh) * | 2017-08-09 | 2017-12-08 | 陕西科技大学 | 家庭智能试衣镜系统 |
CN108596730A (zh) * | 2018-04-26 | 2018-09-28 | 北京超满意科技有限责任公司 | 服饰信息的处理方法、装置及智能设备 |
CN108734557A (zh) * | 2018-05-18 | 2018-11-02 | 北京京东尚科信息技术有限公司 | 用于生成服饰推荐信息的方法、装置和系统 |
CN109117779A (zh) * | 2018-08-06 | 2019-01-01 | 百度在线网络技术(北京)有限公司 | 一种穿搭推荐方法、装置及电子设备 |
CN110648186A (zh) * | 2018-06-26 | 2020-01-03 | 杭州海康威视数字技术股份有限公司 | 数据分析方法、装置、设备及计算机可读存储介质 |
CN110859047A (zh) * | 2018-06-21 | 2020-03-03 | 深圳市蚂蚁雄兵物联技术有限公司 | 服装管理方法、装置及智能穿衣镜 |
-
2020
- 2020-04-28 CN CN202010351616.9A patent/CN113469723A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105005897A (zh) * | 2014-04-25 | 2015-10-28 | 普适系统株式会社 | 智能镜系统及其提供方法 |
CN106649383A (zh) * | 2015-11-02 | 2017-05-10 | 阿里巴巴集团控股有限公司 | 服饰管理方法及系统 |
CN107153357A (zh) * | 2016-03-02 | 2017-09-12 | 美的集团股份有限公司 | 衣柜、智能镜子及其控制方法 |
CN107080435A (zh) * | 2017-05-27 | 2017-08-22 | 文曙东 | 虚拟衣橱管理系统和方法以及基于该系统的服饰销售方法 |
CN107451896A (zh) * | 2017-08-09 | 2017-12-08 | 陕西科技大学 | 家庭智能试衣镜系统 |
CN108596730A (zh) * | 2018-04-26 | 2018-09-28 | 北京超满意科技有限责任公司 | 服饰信息的处理方法、装置及智能设备 |
CN108734557A (zh) * | 2018-05-18 | 2018-11-02 | 北京京东尚科信息技术有限公司 | 用于生成服饰推荐信息的方法、装置和系统 |
CN110859047A (zh) * | 2018-06-21 | 2020-03-03 | 深圳市蚂蚁雄兵物联技术有限公司 | 服装管理方法、装置及智能穿衣镜 |
CN110648186A (zh) * | 2018-06-26 | 2020-01-03 | 杭州海康威视数字技术股份有限公司 | 数据分析方法、装置、设备及计算机可读存储介质 |
CN109117779A (zh) * | 2018-08-06 | 2019-01-01 | 百度在线网络技术(北京)有限公司 | 一种穿搭推荐方法、装置及电子设备 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114911384A (zh) * | 2022-05-07 | 2022-08-16 | 青岛海信智慧生活科技股份有限公司 | 镜子显示器及其远程控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10019779B2 (en) | Browsing interface for item counterparts having different scales and lengths | |
US10242396B2 (en) | Automatic color palette based recommendations for affiliated colors | |
EP3584717A1 (en) | Electronic device and method for providing search result thereof | |
US20210350441A1 (en) | Electronic device and method for operating same | |
WO2017005167A1 (zh) | 一种推荐应用的方法及装置 | |
US10026176B2 (en) | Browsing interface for item counterparts having different scales and lengths | |
CN106202316A (zh) | 基于视频的商品信息获取方法及装置 | |
CN115357959B (zh) | 基于语音指令进行设计的鞋体模型设计方法及装置 | |
EP3843024A1 (en) | Computing device and operation method thereof | |
KR102469717B1 (ko) | 오브젝트에 대한 검색 결과를 제공하기 위한 전자 장치 및 이의 제어 방법 | |
US20200265233A1 (en) | Method for recognizing object and electronic device supporting the same | |
CN107239222A (zh) | 一种触摸屏的操控方法及终端设备 | |
US10438085B2 (en) | Image analysis apparatus, image analysis method, and storage medium | |
CN113469723A (zh) | 一种智能镜及穿衣频次的统计方法 | |
US20210150243A1 (en) | Efficient image sharing | |
KR20180026155A (ko) | 사용자 이미지를 이용한 대여 아이템 선호도 자동 분석 장치 및 이를 이용한 방법 | |
CN109410010A (zh) | 服装推荐方法、装置、设备及存储介质 | |
CN111054070B (zh) | 基于游戏的商品展示方法、装置、终端及存储介质 | |
CN112860068A (zh) | 人机交互方法、装置、电子设备、介质和计算机程序产品 | |
CN112307242A (zh) | 服饰搭配方法及装置、计算设备和介质 | |
KR102344818B1 (ko) | 가상 옷장 구축 시스템 및 그 제어 방법 | |
US20150139558A1 (en) | Searching device, searching method, and computer program product | |
US11233953B2 (en) | Image editing method and electronic device supporting same | |
CN111222596A (zh) | 衣物管理方法、装置、衣柜 | |
CN111666963A (zh) | 一种服饰风格的识别方法、装置及设备 |
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 |