CN114027586B - 一种鞋靴定制方法 - Google Patents

一种鞋靴定制方法 Download PDF

Info

Publication number
CN114027586B
CN114027586B CN202111389456.8A CN202111389456A CN114027586B CN 114027586 B CN114027586 B CN 114027586B CN 202111389456 A CN202111389456 A CN 202111389456A CN 114027586 B CN114027586 B CN 114027586B
Authority
CN
China
Prior art keywords
shoe
data
model
type
fitting
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.)
Active
Application number
CN202111389456.8A
Other languages
English (en)
Other versions
CN114027586A (zh
Inventor
潘少宝
曹政敏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Xinglian Data Technology Co ltd
Original Assignee
Zhejiang Xinglian Data Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Xinglian Data Technology Co ltd filed Critical Zhejiang Xinglian Data Technology Co ltd
Priority to CN202111389456.8A priority Critical patent/CN114027586B/zh
Publication of CN114027586A publication Critical patent/CN114027586A/zh
Application granted granted Critical
Publication of CN114027586B publication Critical patent/CN114027586B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A43—FOOTWEAR
    • A43D—MACHINES, TOOLS, EQUIPMENT OR METHODS FOR MANUFACTURING OR REPAIRING FOOTWEAR
    • A43D1/00—Foot or last measuring devices; Measuring devices for shoe parts
    • A43D1/02—Foot-measuring devices
    • A—HUMAN NECESSITIES
    • A43—FOOTWEAR
    • A43D—MACHINES, TOOLS, EQUIPMENT OR METHODS FOR MANUFACTURING OR REPAIRING FOOTWEAR
    • A43D1/00—Foot or last measuring devices; Measuring devices for shoe parts
    • A43D1/02—Foot-measuring devices
    • A43D1/025—Foot-measuring devices comprising optical means, e.g. mirrors, photo-electric cells, for measuring or inspecting feet
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • 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
    • 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]
    • G06Q30/0621—Item configuration or customization
    • A—HUMAN NECESSITIES
    • A43—FOOTWEAR
    • A43D—MACHINES, TOOLS, EQUIPMENT OR METHODS FOR MANUFACTURING OR REPAIRING FOOTWEAR
    • A43D2200/00—Machines or methods characterised by special features
    • A43D2200/60—Computer aided manufacture of footwear, e.g. CAD or CAM

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Footwear And Its Accessory, Manufacturing Method And Apparatuses (AREA)

Abstract

本发明公开了一种鞋靴定制方法，包括：建立码型推荐算法模型；获取顾客脚型数据；将顾客脚型数据代入码型推荐算法模型中得到顾客试穿鞋楦对应的码型；获取试穿鞋楦的试穿标签；得到定制鞋款的码型后制作定制的成品鞋；获取顾客试穿定制的成品鞋的试穿感受，判断试穿是否合适；修改定制鞋的码型，本发明还公开了一种鞋靴定制系统，本发明依据测试人员的脚型数据与穿着舒适的鞋款码数和鞋款型号的关系，建立码型推荐算法模型，在顾客定制时，将定制顾客脚型数据代入码型推荐算法模型，得到顾客试穿鞋楦对应的码型，并记录顾客穿着过程中各部位的舒适度，再依据顾客脚型数据结合顾客试穿鞋楦的试穿码型及感受，为顾客推荐定制鞋款的码型。

Description

一种鞋靴定制方法
技术领域
本发明涉及鞋靴定制领域，尤其涉及一种鞋靴定制方法。
背景技术
随着越来越多的年轻消费者对穿着个性化需求的增加，鞋靴行业的个性化定制逐渐成为趋势，而大部分的个性化定制主要为外观、材质以及颜色的定制，也有部分为手工定制，手工定制单主要是定制鞋楦师傅通过手工或者机器测量的方法，获得定制顾客脚型数据信息，然后通过询问定制顾客常穿码数，让顾客试穿试穿鞋对应的码数，并记录穿着不舒适的部位，后期定制师傅依据顾客脚型数据以及试穿情况，修改定制鞋款对应的鞋楦，以达到鞋靴定制的目的，此种定制方法受定制师傅的主观影响较大，且操作复杂，一般多为高端定制，同时，此种定制方法需要每位顾客的脚型数据定制不同的鞋楦，制作过程复杂、耗费时间；此外，此种定制方法在定制过程中，没有系统的记录数据，所以不能实现规模化的定制。
因此，提供一种新的技术方案改善上述问题，是本领域技术人员急需解决的问题。
发明内容
有鉴于此，本发明提供一种鞋靴定制方法，以解决上述技术问题。
为实现上述目的，本发明提供如下技术方案：
一种鞋靴定制方法，包括：建立码型推荐算法模型；获取顾客脚型数据；将顾客脚型数据代入码型推荐算法模型中得到顾客试穿鞋楦对应的码型；根据顾客试穿码型对应的试穿鞋楦的试穿感受获取试穿鞋楦的试穿标签；根据试穿鞋楦的试穿标签调整试穿鞋楦的试穿码型，并根据调整后的试穿鞋楦的试穿码型与根据顾客脚型数据得到定制鞋款的码型后制作定制的成品鞋；获取顾客试穿定制的成品鞋的试穿感受，判断试穿是否合适；修改定制鞋的码型。
在上述的方案中，所述建立码型推荐算法模型包括以下步骤：将鞋款属性Ss{si}和与鞋款对应的鞋楦属性Ll{li}录入数据库保存，并获取测试人员的三维脚型信息后得到测试人员的脚型数据Ff{fi}，根据测试人员在试穿包含不同的码型组合的鞋款后获取穿着舒适的鞋款码数Si和鞋款型号Ti；根据测试人员的脚型数据Ff{fi}以及穿着舒适的鞋款码数Si和鞋款型号Ti获取鞋楦数据冗余参数；将测试人员的脚型数据Ff{fi}作为试穿样本，按预设比例将试穿样本划分为训练集和测试集后建立深度学习神经网络算法模型；将训练集中测试人员的脚型数据以及对应的穿着舒适的鞋款码数和鞋款型号输入至深度学习神经网络算法模型中进行训练，建立包括码数推荐模型和型号推荐模型的码型推荐算法模型。
在上述的方案中，所述获取鞋楦数据冗余参数包括以下步骤：将测试人员的脚型数据按照获取的舒适的鞋款型号分类，将各类中的脚型数据按穿着舒适的鞋款码数分类，得到各鞋款码数对应的脚型数据均值；对各鞋款码数对应的脚型数据均值进行线性拟合获取拟合数据，并根据拟合数据得到各鞋款型号中各鞋款码数对应的脚型数据；获取各鞋款型号中各鞋款码数对应的鞋楦数据；获取各鞋款型号中各鞋款码数对应的脚型数据与各鞋款型号中各鞋款码数对应的鞋楦数据差值，得到鞋楦数据冗余参数。
在上述的方案中，所述建立包括码数推荐模型和型号推荐模型的码型推荐算法模型包括以下步骤：建立码数推荐模型；建立型号推荐模型；获取码型推荐算法模型。
在上述的方案中，所述建立码数推荐模型包括以下步骤：获取与测试人员的脚型数据对应的鞋楦数据冗余参数，并获取测试人员的脚型数据与对应的鞋楦数据冗余参数的差值后得到新脚型数据；通过插值法对新脚型数据中的脚长与鞋楦数据中的楦底样长处理后得到脚长对应的鞋款码数S1；通过矩阵相似度分析方法对新脚型数据中的长度数据与鞋楦数据中的长度数据处理后得到长度数据对应的鞋款码数S2；将训练集中测试人员的脚型数据以及对应的穿着舒适的鞋款码数输入至已建立深度学习神经网络算法模型中进行训练，不断调整参数，直至测试集中数据的通过率达到第一预定阈值后得到脚型对应的鞋款码数S3；通过线性回归算法对鞋款码数S1、鞋款码数S2、鞋款码数S3以及测试人员的脚型数据以及对应的穿着舒适的鞋款码数进行处理，调整深度学习神经网络算法模型直至测试集中数据的通过率达到第二预定阈值，得到码数推荐模型。
在上述的方案中，所述建立型号推荐模型包括以下步骤：获取与测试人员的脚型数据对应的鞋楦数据冗余参数，并获取测试人员的脚型数据与对应的鞋楦数据冗余参数的差值后得到新脚型数据；通过矩阵相似度分析方法对新脚型数据中的宽度数据与鞋楦数据中的宽度数据处理后得到宽度数据对应的鞋款型号T1；通过矩阵相似度分析方法对新脚型数据中的围度数据与鞋楦数据中的围度数据处理后得到围度数据对应的鞋款型号T2；将训练集中测试人员的脚型数据以及对应的穿着舒适的鞋款型号输入至已建立深度学习神经网络算法模型中进行训练，不断调整参数，直至测试集中数据的通过率达到第一预定阈值后得到脚型对应的鞋款型号T3；通过线性回归算法对鞋款型号T1、鞋款型号T2、鞋款型号T3以及测试人员的脚型数据以及对应的穿着舒适的鞋款型号进行处理，调整深度学习神经网络算法模型直至测试集中数据的通过率达到第二预定阈值，得到型号推荐模型。
在上述的方案中，所述根据试穿鞋楦的试穿标签调整试穿鞋楦的试穿码型包括以下步骤：判断顾客脚型数据中脚背高度数据是否在脚背高度阈值范围内；通过第一调整参数调整试穿鞋楦的码数和型号；判断顾客脚型数据中脚趾宽度数据是否在脚趾宽度阈值范围内；通过第二调整参数调整试穿鞋楦的码数和型号；判断顾客脚型数据中拇趾翻转角度是否在拇趾翻转角度阈值范围内；通过第三调整参数调整试穿鞋楦的码数和型号；判断顾客脚型数据中脚长度是否在脚长度阈值范围内；通过第四调整参数调整试穿鞋楦的码数和型号；获取最终顾客脚型对应的试穿鞋楦的码数和型号。
在上述的方案中，所述根据调整后的试穿鞋楦的试穿码型与根据顾客脚型数据得到定制鞋款的码型后制作定制的成品鞋包括以下步骤：根据定制鞋款与试穿鞋楦的的关系，将完成调整的试穿鞋楦的码数转换为对应的定制鞋款码数Ss1，将完成调整的试穿鞋楦的型号转换为对应的定制鞋款型号Tt1；获取顾客脚型数据对应的定制鞋款码数Ss2和对应的定制鞋款型号Tt2；将定制鞋款码数Ss1与定制鞋款码数Ss2加权求和后得到最终鞋款码数S，将定制鞋款型号Tt1与定制鞋款型号Tt2加权求和后得到最终鞋款型号T；根据最终鞋款码数S和最终鞋款型号T制作定制的成品鞋。
本发明还提供一种鞋靴定制系统，包括：顾客数据获取模块、信息处理模块和显示模块，所述顾客数据获取模块用于获取顾客的基本信息以及顾客脚型数据，所述顾客数据获取模块包括用户终端以及三维脚型扫描设备；所述信息处理模块与所述顾客数据获取模块相连接，所述信息处理模块用于对所述顾客数据获取模块发送的数据进行处理后获取顾客脚型对应的鞋款的推荐码数和鞋款的推荐型号；所述显示模块与所述信息处理模块相连接，所述显示模块用于对所述信息处理模块发送的信号进行显示，所述显示模块包括LCD触摸显示屏、按键和指示灯，所述按键和所述指示灯均与所述LCD触摸显示屏相连接，所述按键包括锁屏按键和亮度调节按键。
在上述的方案中，所述信息处理模块包括数据库和算法执行单元，所述算法执行单元与所述数据库相连接，所述数据库用于保存鞋款属性Ss{si}和与鞋款对应的鞋楦属性Ll{li}；所述算法执行单元用于通过已建立的码型推荐算法模型获取顾客脚型对应的鞋款的推荐码数和鞋款的推荐型号。
综上所述，本发明的有益效果是：依据测试人员的脚型数据与穿着舒适的鞋款码数和鞋款型号的关系，建立码型推荐算法模型，在顾客定制时，将定制顾客脚型数据代入码型推荐算法模型，得到顾客试穿鞋楦对应的码型，并记录顾客穿着过程中各部位的舒适度，再依据顾客脚型数据结合顾客试穿鞋楦的试穿码型及感受，为顾客推荐定制鞋款的码型。
鞋款按码型定制比现阶段规模生产的单一码数可覆盖更多、更广泛的人群，又比现阶段一对一高端定制更适合规模化生产，即可实现前端顾客的定制需求，又同时兼容后端工厂批量化生产，使得规模定制更加高效、快捷。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为本发明中鞋靴定制方法的流程图。
图2为本发明中建立码型推荐算法模型的步骤图。
图3为本发明中获取鞋楦数据冗余参数的步骤图。
图4为本发明中建立包括码数推荐模型和的型号推荐模型的码型推荐算法模型的的步骤图。
图5为本发明中建立码数推荐模型的步骤图。
图6为本发明中建立型号推荐模型的步骤图。
图7为本发明中根据试穿鞋楦的试穿标签调整试穿鞋楦的试穿码型的流程图。
图8为本发明中根据调整后的试穿鞋楦的试穿码型与根据顾客脚型数据得到定制鞋款的码型后制作定制的成品鞋的步骤图。
图9为本发明中鞋靴定制系统的组成示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施方式和附图，对本发明做进一步详细说明。在此，本发明的示意性实施方式及其说明用于解释本发明，但并不作为对本发明的限定。
如图1所示，本发明的一种鞋靴定制方法，其特征在于，包括：
步骤S1：建立码型推荐算法模型；
步骤S2：获取顾客脚型数据；
步骤S3：将顾客脚型数据代入码型推荐算法模型中得到顾客试穿鞋楦对应的码型；
步骤S4：根据顾客试穿码型对应的试穿鞋楦的试穿感受获取试穿鞋楦的试穿标签；
步骤S5：根据试穿鞋楦的试穿标签调整试穿鞋楦的试穿码型，并根据调整后的试穿鞋楦的试穿码型与根据顾客脚型数据得到定制鞋款的码型后制作定制的成品鞋；
步骤S6：获取顾客试穿定制的成品鞋的试穿感受，判断试穿是否合适；
步骤S7：修改定制鞋的码型。
在本实施例中，顾客脚型数据包括脚长度、着地点长度、脚背高度、脚趾宽度、拇趾翻转角度、跖趾前宽、跖趾斜宽、踵心全宽、脚趾斜围、跖趾前围、跖趾斜围、腰围、跗围、背围、兜跟围、后跟间隙距离、拇趾高度、第一跖趾高度、跗骨高度和足弓高等。
在本实施例中，顾客试穿定制的成品鞋，依据顾客的试穿感受，若顾客试穿合适，则返回步骤S1，将顾客脚型数据以及成品鞋的码型数据输入至码型推荐算法模型，进行码型推荐算法模型的优化；若顾客试穿不合适，则修改定制鞋的码型，直至顾客试穿合适后，将将顾客脚型数据以及成品鞋的码型数据输入至码型推荐算法模型中进行码型推荐算法模型的优化。
如图2所示，所述建立码型推荐算法模型包括以下步骤：
步骤S11：将鞋款属性Ss{si}和与鞋款对应的鞋楦属性Ll{li}录入数据库保存，并获取测试人员的三维脚型信息后得到测试人员的脚型数据Ff{fi}，根据测试人员在试穿包含不同的码型组合的鞋款后获取穿着舒适的鞋款码数Si和鞋款型号Ti；
步骤S12：根据测试人员的脚型数据Ff{fi}以及穿着舒适的鞋款码数Si和鞋款型号Ti获取鞋楦数据冗余参数；
步骤S13：将测试人员的脚型数据Ff{fi}作为试穿样本，按预设比例将试穿样本划分为训练集和测试集后建立深度学习神经网络算法模型；将训练集中测试人员的脚型数据以及对应的穿着舒适的鞋款码数和鞋款型号输入至深度学习神经网络算法模型中进行训练，建立包括码数推荐模型和型号推荐模型的码型推荐算法模型。
如图3所示，所述获取鞋楦数据冗余参数包括以下步骤：
步骤S121：将测试人员的脚型数据按照获取的舒适的鞋款型号分类，将各类中的脚型数据按穿着舒适的鞋款码数分类，得到各鞋款码数对应的脚型数据均值；
步骤S122：对各鞋款码数对应的脚型数据均值进行线性拟合获取拟合数据，并根据拟合数据得到各鞋款型号中各鞋款码数对应的脚型数据；
步骤S123：获取各鞋款型号中各鞋款码数对应的鞋楦数据；
步骤S124：获取各鞋款型号中各鞋款码数对应的脚型数据与各鞋款型号中各鞋款码数对应的鞋楦数据差值，得到鞋楦数据冗余参数。
在本实施例中，所述鞋楦数据包括底样长、后身长度、脚趾斜宽、跖趾前宽、跖趾斜宽、踵心全宽、脚趾斜围、跖趾前围、跖趾斜围、腰围、跗围、背围、兜跟围、后弧间隙、脚趾直宽、脚趾直围、跟高和型号等。
如图4所示，所述建立包括码数推荐模型和型号推荐模型的码型推荐算法模型包括以下步骤：
步骤S131：建立码数推荐模型；
步骤S132：建立型号推荐模型；
步骤S133：获取码型推荐算法模型。
如图5所示，所述建立码数推荐模型包括以下步骤：
步骤S1311：获取与测试人员的脚型数据对应的鞋楦数据冗余参数，并获取测试人员的脚型数据与对应的鞋楦数据冗余参数的差值后得到新脚型数据；
步骤S1312：通过插值法对新脚型数据中的脚长与鞋楦数据中的楦底样长处理后得到脚长对应的鞋款码数S1；
步骤S1313：通过矩阵相似度分析方法对新脚型数据中的长度数据与鞋楦数据中的长度数据处理后得到长度数据对应的鞋款码数S2；
步骤S1314：将训练集中测试人员的脚型数据以及对应的穿着舒适的鞋款码数输入至已建立深度学习神经网络算法模型中进行训练，不断调整参数，直至测试集中数据的通过率达到第一预定阈值后得到脚型对应的鞋款码数S3；
步骤S1315：通过线性回归算法对鞋款码数S1、鞋款码数S2、鞋款码数S3以及测试人员的脚型数据以及对应的穿着舒适的鞋款码数进行处理，调整深度学习神经网络算法模型直至测试集中数据的通过率达到第二预定阈值，得到码数推荐模型。
在本实施例中，新脚型数据中的长度数据包括着地点长度，鞋楦数据中的长度数据包括后身长度。
如图6所示，所述建立型号推荐模型包括以下步骤：
步骤S1321：获取与测试人员的脚型数据对应的鞋楦数据冗余参数，并获取测试人员的脚型数据与对应的鞋楦数据冗余参数的差值后得到新脚型数据；
步骤S1322：通过矩阵相似度分析方法对新脚型数据中的宽度数据与鞋楦数据中的宽度数据处理后得到宽度数据对应的鞋款型号T1；
步骤S1323：通过矩阵相似度分析方法对新脚型数据中的围度数据与鞋楦数据中的围度数据处理后得到围度数据对应的鞋款型号T2；
步骤S1324：将训练集中测试人员的脚型数据以及对应的穿着舒适的鞋款型号输入至已建立深度学习神经网络算法模型中进行训练，不断调整参数，直至测试集中数据的通过率达到第一预定阈值后得到脚型对应的鞋款型号T3；
步骤S1325：通过线性回归算法对鞋款型号T1、鞋款型号T2、鞋款型号T3以及测试人员的脚型数据以及对应的穿着舒适的鞋款型号进行处理，调整深度学习神经网络算法模型直至测试集中数据的通过率达到第二预定阈值，得到型号推荐模型。
在本实施例中，新脚型数据中的宽度数据包括脚趾宽度，鞋楦数据中的宽度数据包括脚趾斜宽。
在本实施例中，新脚型数据中的围度数据包括脚趾斜围、跖趾前围、跖趾斜围、腰围、跗围、背围以及兜跟围等，鞋楦数据中的围度数据包括脚趾斜围、跖趾前围、跖趾斜围、腰围、跗围、背围、兜跟围等。
如图7所示，所述根据试穿鞋楦的试穿标签调整试穿鞋楦的试穿码型包括以下步骤：
步骤S511：判断顾客脚型数据中脚背高度数据是否在脚背高度阈值范围内；
步骤S512：通过第一调整参数调整试穿鞋楦的码数和型号；
步骤S513：判断顾客脚型数据中脚趾宽度数据是否在脚趾宽度阈值范围内；
步骤S514：通过第二调整参数调整试穿鞋楦的码数和型号；
步骤S515：判断顾客脚型数据中拇趾翻转角度是否在拇趾翻转角度阈值范围内；
步骤S516：通过第三调整参数调整试穿鞋楦的码数和型号；
步骤S517：判断顾客脚型数据中脚长度是否在脚长度阈值范围内；
步骤S518：通过第四调整参数调整试穿鞋楦的码数和型号；
步骤S519：获取最终顾客脚型对应的试穿鞋楦的码数和型号。
如图8所示，所述根据调整后的试穿鞋楦的试穿码型与根据顾客脚型数据得到定制鞋款的码型后制作定制的成品鞋包括以下步骤：
步骤S521：根据定制鞋款与试穿鞋楦的的关系，将完成调整的试穿鞋楦的码数转换为对应的定制鞋款码数Ss1，将完成调整的试穿鞋楦的型号转换为对应的定制鞋款型号Tt1；
步骤S522：获取顾客脚型数据对应的定制鞋款码数Ss2和对应的定制鞋款型号Tt2；
步骤S523：将定制鞋款码数Ss1与定制鞋款码数Ss2加权求和后得到最终鞋款码数S，将定制鞋款型号Tt1与定制鞋款型号Tt2加权求和后得到最终鞋款型号T；
步骤S524：根据最终鞋款码数S和最终鞋款型号T制作定制的成品鞋。
在本实施例中，最终鞋款码数S通过以下公式得到：S＝ω1Ss1+ω2Ss2，其中，S为最终鞋款码数，ω1为定制鞋款码数Ss1的权重，ω2为定制鞋款码数Ss2的权重。
在本实施例中，最终鞋款型号T通过以下公式得到：T＝ω3Tt1+ω4Tt2，其中，S为最终鞋款码数，ω3为定制鞋款型号Tt1的权重，ω4为定制鞋款型号Tt2的权重。
如图9所示，本发明还提供一种鞋靴定制系统，包括：顾客数据获取模块、信息处理模块和显示模块，所述顾客数据获取模块用于获取顾客的基本信息以及顾客脚型数据，所述顾客数据获取模块包括用户终端以及三维脚型扫描设备；所述信息处理模块与所述顾客数据获取模块相连接，所述信息处理模块用于对所述顾客数据获取模块发送的数据进行处理后获取顾客脚型对应的鞋款的推荐码数和鞋款的推荐型号；所述显示模块与所述信息处理模块相连接，所述显示模块用于对所述信息处理模块发送的信号进行显示，所述显示模块包括LCD触摸显示屏、按键和指示灯，所述按键和所述指示灯均与所述LCD触摸显示屏相连接，所述按键包括锁屏按键和亮度调节按键。
在本实施例中，所述指示灯为双色LED指示灯，所述指示灯用于指示所述LCD触摸显示屏的电源连接状态和锁屏状态。
进一步地，所述信息处理模块包括数据库和算法执行单元，所述算法执行单元与所述数据库相连接，所述数据库用于保存鞋款属性Ss{si}和与鞋款对应的鞋楦属性Ll{li}；所述算法执行单元用于通过已建立的码型推荐算法模型获取顾客脚型对应的鞋款的推荐码数和鞋款的推荐型号。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种鞋靴定制方法，其特征在于，包括：
建立码型推荐算法模型；
获取顾客脚型数据；
将顾客脚型数据代入码型推荐算法模型中得到顾客试穿鞋楦对应的码型；
根据顾客试穿码型对应的试穿鞋楦的试穿感受获取试穿鞋楦的试穿标签；
根据试穿鞋楦的试穿标签调整试穿鞋楦的试穿码型，并根据调整后的试穿鞋楦的试穿码型与根据顾客脚型数据得到定制鞋款的码型后制作定制的成品鞋；
获取顾客试穿定制的成品鞋的试穿感受，判断试穿是否合适；
修改定制鞋的码型；
其中，所述建立码型推荐算法模型包括以下步骤：将鞋款属性Ss{si}和与鞋款对应的鞋楦属性Ll{li}录入数据库保存，并获取测试人员的三维脚型信息后得到测试人员的脚型数据Ff{fi}，根据测试人员在试穿包含不同的码型组合的鞋款后获取穿着舒适的鞋款码数Si和鞋款型号Ti；根据测试人员的脚型数据Ff{fi}以及穿着舒适的鞋款码数Si和鞋款型号Ti获取鞋楦数据冗余参数；将测试人员的脚型数据Ff{fi}作为试穿样本，按预设比例将试穿样本划分为训练集和测试集后建立深度学习神经网络算法模型；将训练集中测试人员的脚型数据以及对应的穿着舒适的鞋款码数和鞋款型号输入至深度学习神经网络算法模型中进行训练，建立包括码数推荐模型和型号推荐模型的码型推荐算法模型；
所述获取鞋楦数据冗余参数包括以下步骤：将测试人员的脚型数据按照获取的舒适的鞋款型号分类，将各类中的脚型数据按穿着舒适的鞋款码数分类，得到各鞋款码数对应的脚型数据均值；对各鞋款码数对应的脚型数据均值进行线性拟合获取拟合数据，并根据拟合数据得到各鞋款型号中各鞋款码数对应的脚型数据；获取各鞋款型号中各鞋款码数对应的鞋楦数据；获取各鞋款型号中各鞋款码数对应的脚型数据与各鞋款型号中各鞋款码数对应的鞋楦数据差值，得到鞋楦数据冗余参数；
所述根据试穿鞋楦的试穿标签调整试穿鞋楦的试穿码型包括以下步骤：判断顾客脚型数据中脚背高度数据是否在脚背高度阈值范围内；通过第一调整参数调整试穿鞋楦的码数和型号；判断顾客脚型数据中脚趾宽度数据是否在脚趾宽度阈值范围内；通过第二调整参数调整试穿鞋楦的码数和型号；判断顾客脚型数据中拇趾翻转角度是否在拇趾翻转角度阈值范围内；通过第三调整参数调整试穿鞋楦的码数和型号；判断顾客脚型数据中脚长度是否在脚长度阈值范围内；通过第四调整参数调整试穿鞋楦的码数和型号；获取最终顾客脚型对应的试穿鞋楦的码数和型号；
所述根据调整后的试穿鞋楦的试穿码型与根据顾客脚型数据得到定制鞋款的码型后制作定制的成品鞋包括以下步骤：根据定制鞋款与试穿鞋楦的关系，将完成调整的试穿鞋楦的码数转换为对应的定制鞋款码数Ss1，将完成调整的试穿鞋楦的型号转换为对应的定制鞋款型号Tt1；获取顾客脚型数据对应的定制鞋款码数Ss2和对应的定制鞋款型号Tt2；将定制鞋款码数Ss1与定制鞋款码数Ss2加权求和后得到最终鞋款码数S，将定制鞋款型号Tt1与定制鞋款型号Tt2加权求和后得到最终鞋款型号T；根据最终鞋款码数S和最终鞋款型号T制作定制的成品鞋。
2.根据权利要求1所述的鞋靴定制方法，其特征在于，所述建立包括码数推荐模型和型号推荐模型的码型推荐算法模型包括以下步骤：建立码数推荐模型；建立型号推荐模型；获取码型推荐算法模型。
3.根据权利要求2所述的鞋靴定制方法，其特征在于，所述建立码数推荐模型包括以下步骤：获取与测试人员的脚型数据对应的鞋楦数据冗余参数，并获取测试人员的脚型数据与对应的鞋楦数据冗余参数的差值后得到新脚型数据；通过插值法对新脚型数据中的脚长与鞋楦数据中的楦底样长处理后得到脚长对应的鞋款码数S1；通过矩阵相似度分析方法对新脚型数据中的长度数据与鞋楦数据中的长度数据处理后得到长度数据对应的鞋款码数S2；将训练集中测试人员的脚型数据以及对应的穿着舒适的鞋款码数输入至已建立深度学习神经网络算法模型中进行训练，不断调整参数，直至测试集中数据的通过率达到第一预定阈值后得到脚型对应的鞋款码数S3；通过线性回归算法对鞋款码数S1、鞋款码数S2、鞋款码数S3以及测试人员的脚型数据以及对应的穿着舒适的鞋款码数进行处理，调整深度学习神经网络算法模型直至测试集中数据的通过率达到第二预定阈值，得到码数推荐模型。
4.根据权利要求2所述的鞋靴定制方法，其特征在于，所述建立型号推荐模型包括以下步骤：获取与测试人员的脚型数据对应的鞋楦数据冗余参数，并获取测试人员的脚型数据与对应的鞋楦数据冗余参数的差值后得到新脚型数据；通过矩阵相似度分析方法对新脚型数据中的宽度数据与鞋楦数据中的宽度数据处理后得到宽度数据对应的鞋款型号T1；通过矩阵相似度分析方法对新脚型数据中的围度数据与鞋楦数据中的围度数据处理后得到围度数据对应的鞋款型号T2；将训练集中测试人员的脚型数据以及对应的穿着舒适的鞋款型号输入至已建立深度学习神经网络算法模型中进行训练，不断调整参数，直至测试集中数据的通过率达到第一预定阈值后得到脚型对应的鞋款型号T3；通过线性回归算法对鞋款型号T1、鞋款型号T2、鞋款型号T3以及测试人员的脚型数据以及对应的穿着舒适的鞋款型号进行处理，调整深度学习神经网络算法模型直至测试集中数据的通过率达到第二预定阈值，得到型号推荐模型。
CN202111389456.8A 2021-11-22 2021-11-22 一种鞋靴定制方法 Active CN114027586B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111389456.8A CN114027586B (zh) 2021-11-22 2021-11-22 一种鞋靴定制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111389456.8A CN114027586B (zh) 2021-11-22 2021-11-22 一种鞋靴定制方法

Publications (2)

Publication Number Publication Date
CN114027586A CN114027586A (zh) 2022-02-11
CN114027586B true CN114027586B (zh) 2022-12-02

Family

ID=80138607

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111389456.8A Active CN114027586B (zh) 2021-11-22 2021-11-22 一种鞋靴定制方法

Country Status (1)

Country Link
CN (1) CN114027586B (zh)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104679857B (zh) * 2015-02-16 2018-02-23 北京知足科技有限公司 一种基于匹配的信息推荐方法和系统
CN104732526B (zh) * 2015-02-16 2018-05-04 北京知足科技有限公司 一种足鞋匹配方法和装置
CN109003167B (zh) * 2018-08-01 2020-12-29 深圳市云智数据服务有限公司 用于鞋靴定制的数据处理方法及装置
CN113554489A (zh) * 2021-07-27 2021-10-26 吴立俊 一种高贴合鞋履定制流程

Also Published As

Publication number Publication date
CN114027586A (zh) 2022-02-11

Similar Documents

Publication Publication Date Title
CN106779977B (zh) 一种基于智能移动终端的服装搭配方法及其系统
AU649955B2 (en) Integrated system for foot measurement, last and footwear manufacture
CN104981830A (zh) 服装搭配系统和方法
US5450314A (en) Data processing methods and apparatus for supporting analysis/judgement
CN105608614A (zh) 一种在线定制鞋的方法、系统及终端设备
CN114041659B (zh) 一种基于试穿标准化的鞋靴定制方法
CN108428167A (zh) 一种鞋子定制的控制方法及控制系统
KR102148714B1 (ko) 맞춤형 신발 제공을 위한 라스트의 생성 방법
CN113987344A (zh) 基于版型库的3d服装款式智能模拟方法及其成本估算方法
CN108446952A (zh) 一种智能选码方法及系统
Luximon et al. A fit metric for footwear customization
CN108960262A (zh) 一种预测鞋码的方法、装置和系统以及计算机可读存储介质
CN114027586B (zh) 一种鞋靴定制方法
CN108596704A (zh) 用于定制的大规模个性化脚楦匹配方法及系统
CN108288304A (zh) 鞋垫及中底的制作方法、系统及终端设备
Morrison Cereal imports by developing countries: Trends and determinants
RAJASEKERA et al. Apparel design optimization for global market: Kansei engineering preference model
CN109003167A (zh) 用于鞋靴定制的数据处理方法及装置
van Lottum et al. Features of kansei engineering characterizing its use in two studies: Men's everyday footwear and historic footwear
CN109840336A (zh) 服装设计样本推荐方法和装置
CN114155058A (zh) 一种鞋靴规模化定制方法及系统
Au et al. A methodology for determining the allowances for fitting footwear
CN114647877A (zh) 根据动态足压分布进行鞋体设计的方法和装置
CN107440237A (zh) 一种女鞋的零库存销售方式以及定制配售方法
CN113011496A (zh) 一种基于图模型的服装图像分类方法

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
GR01 Patent grant
GR01 Patent grant