CN114041659B - 一种基于试穿标准化的鞋靴定制方法 - Google Patents

Abstract

本发明公开了一种基于试穿标准化的鞋靴定制方法，包括：用户注册；获得用户的三维脚型信息；采集并预存每款鞋靴各项属性；针对每款鞋靴的选型获得每款鞋靴的测量数据；建立码型推荐模型；记录用户穿着试穿码型鞋过程中各个部位的舒适度，获得试穿标签；结合所述试穿标签和用户注册时输入的个人标签信息，调整穿鞋试合适穿码型，定制成品鞋；用户试穿定制的成品鞋，优化码型推荐模型；本发明能够结合用户试穿以及个人标签等信息实现定制鞋靴以及使其制作鞋靴标准化，提高工作效率，降低成本。

Description

一种基于试穿标准化的鞋靴定制方法

技术领域

本发明涉及定制方法，具体涉及一种基于试穿标准化的鞋靴定制方法。

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，工作效率较低、成本较高且操作复杂，一般多为高端定制。

因此，急需提供一种基于标准化鞋靴定制方法来解决对传统定制方法受定制师傅的主观影响大、工作效率低、成本高以及操作复杂等问题。

发明内容

有鉴于此，本发明提供一种基于试穿标准化的鞋靴定制方法，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：

一种基于试穿标准化的鞋靴定制方法，包括：

S101：用户注册，根据用户注册时获取的个人信息，记为个人标签U_i{U_i}，用来识别标注用户；

S2：获得用户的三维脚型信息，用户注册成功后，使用三维脚型扫描设备扫描用户脚型，获得用户的三维脚型信息，并得到脚型测量数据F_f{f_i}；

S3：采集并预存鞋靴鞋款各项属性，针对每款鞋靴，使用三维鞋楦扫描设备采集各项属性并录入数据库保存，鞋靴鞋款属性记为S_s{S_i}；

S4：针对每款鞋靴的选型获得每款鞋靴的测量数据，针对每款鞋靴对应的楦型，预先采集鞋靴各项属性其标准型号中间码各部位的测量值，以及各部位对应的码型及型差，并录入数据库保存，鞋靴鞋楦属性记为L_l{L_i}；

S5：建立码型推荐模型，根据用户的三维脚型测量数据信息和每款鞋靴的测量数据建立码型推荐模型；

S6：获得用户试穿鞋对应适合的推荐码型，将所述脚型测量数据F_f{f_i}、所述鞋靴鞋款属性S_s{S_i}和所述鞋楦属性L_l{L_i}代入码型推荐模型，获得用户试穿鞋对应的码型；

S7：记录用户穿着试穿码型鞋过程中各个部位的舒适度，获得试穿标签，准备所有码型对应的试穿鞋备用，按照推荐码型方案，试穿相应的试穿鞋，同时依试穿登记部位，询问客户试穿感受，并将其试穿感受量化，记为试穿标签a_j。

S8：结合所述试穿标签和用户注册时输入的个人标签信息，调整试穿鞋试合适穿码型，定制成品鞋，依据定制鞋款与试穿鞋的关系，将推荐的码型转换为定制鞋款对应的码型，记为S₁、T₁。依据用户脚型测量数据F_f{f_i}以及用户的脚型特征信息，得到用户定制鞋款码型S₂、T₂。最终的定制数据为依据得到的定制鞋款的码型S₁、T₁，以及脚型特征码型S₂、T₂，结合用户信息U_i，得到用户定制鞋款的码型，并制作定制的成品鞋；

S9：用户试穿定制的成品鞋，形成标准化学习样本，优化码型推荐模型。

进一步地，所述个人信息包括但不限于基本信息和喜好信息。

进一步地，所述脚型测量数据包括：脚长、着地点长度、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、后跟间隙距离、拇趾高度、第一跖趾高度、跗骨高度、足弓高、拇趾翻转角度。

更进一步地，所述试穿鞋鞋靴鞋款属性包括楦号、款式、商品名、鞋型号、性别、头型、码数范围、型号范围。

进一步地，，所述鞋靴鞋款属性包括标准码数、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、型号。

进一步地，所述试穿标签包括拇趾部位、小趾部位、第一跖趾骨部位、第五跖趾骨部位、外踝部位、内踝部位、后跟部位、脚背部位。

进一步地，所述三维脚型扫描设备采用非接触式采集方法采集用户的脚型信息。

进一步地，用户试穿定制的成品鞋，形成标准化学习样本，优化买选哪个推荐模型的方法如下：

依据用户的穿着反馈，若用户试穿合适，将穿着合适的顾客的脚型数据以及穿着的码型数据加入学习算法的试穿标准化的学习样本中，进行算法推荐模型的优化；若用户试穿不合适，则再次修改定制鞋的码型，直至用户试穿合适后，将定制信息加入试穿标准化的学习样本。

从上述的技术方案可以看出，本发明的有益效果是：

1.用试穿鞋靴的试穿感受代替其他鞋款的穿着效果，能够在减少库存的同时保证试穿效果；

2.用户的定制订单可定制不同的码数和码型的鞋靴，是的定制覆盖的脚型数据范围更广，定制鞋靴穿着的舒适度更高；

3.依据用户试穿鞋靴时的感受以及注册时用户输入的喜好，来调整鞋靴定制方案，使得定制方案更加细化、人性化；

4.通过前期的学习以及后期不断的迭代，可使得推荐的码型更加准确，同时也可实现鞋楦的标准化。

除了上面所描述的目的、特征和优点之外，下文中将结合附图对实施本发明的最优实施例进行更详尽的描述，以便能容易地理解本发明的特征和优点。

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，下文将对本发明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，其中，附图仅仅用于展示本发明的一些实施例，而非将本发明的全部实施例限制于此。

在附图中：

图1为本发明中一种基于试穿鞋靴标准化的鞋靴定制方法的流程图。

图2为本发明中的基于前期样本试穿样本推荐试穿鞋码型的流程示意图。

图3为本发明中基于试穿鞋推荐定制鞋款码型的流程的排珠机构结构示意图。

图4为本发明中结合试穿鞋试穿结果以及脚型数据推荐定制鞋码型方案的流程的组成。

具体实施方式

为了使得本发明的技术方案的目的、技术方案和优点更加清楚，下文中将结合本发明具体实施例的附图，对本发明实施例的技术方案进行清楚、完整地描述。附图中相同的附图标记代表相同的部件。需要说明的是，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员在无需创造性劳动的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。

如图1所示的一种基于试穿鞋靴标准化的鞋靴定制方法，该基于试穿鞋靴标准化的鞋靴定制方法包括：

S1：用户注册，根据用户注册时获取的个人信息，记为U_i，用来识别标注用户。

个人信息包括个人基本信息和个人喜好信息，对应的个人标签可以包括个人基本标签信息和喜好标签信息。

具体地，个人基本标签信息包括但不限于年龄、性别、身高、体重等信息，个人喜好标签信息包括但不限于款颜色、款式、常穿尺码等。另外还可以对每个属性定义下属标签信息，例如年龄属性可包括婴儿、儿童和成人，性别标签可包括男和女。

S2：获得用户的三维脚型信息，用户注册时或注册成功后，使用三维脚型扫描设备扫描用户脚型，获得用户的三维脚型信息，并得到脚型测量数据F_f{f_i}。

三维脚型扫描设备采用用非接触式采集方法采集用户的脚型信息。

具体地，三维脚型扫描设备包括但不限于白光三维脚型扫描仪、红外三维脚型扫描仪或超声波脚型三维扫描仪。

脚型测量数据包括但不限于脚长、着地点长度、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、后跟间隙距离、拇趾高度、第一跖趾高度、跗骨高度、足弓高、拇趾翻转角度。

S3：采集并预存鞋靴鞋款各项属性，针对每款鞋靴使用三维鞋楦扫描设备采集各项属性并录入数据库保存，鞋靴鞋款属性记为S_s{S_i}。

具体地，鞋靴鞋款属性包括但不限于楦号、款式、商品名、鞋型号、性别、头型、码数范围、型号范围。

S4：针对每款鞋靴的选型获得每款鞋靴的测量数据。针对每款鞋靴对应的楦型，预先采集各项鞋靴款式属性其标准型号中间码各部位的测量值，以及各部位对应的码型及型差，笔杆录入数据库保存，鞋靴鞋楦属性记为L_l{L_i}。

S5：建立鞋靴码型推荐模型，根据用户的三维脚型信息和每款鞋靴的测量值建立码型推荐模型。

S6：获得用户试穿鞋对应适合的推荐码型，将所述脚型测量数据集F_f{f_i}、所述鞋靴鞋款属性集S_s{S_i}和所述鞋楦属性集L_l{L_i}代入码型推荐模型，获得用户试穿鞋对应的码型。

具体地，将用户脚型数据集分别带入码数推荐模型和型号推荐模型，得到用户的试穿鞋对应的码型。

S7：记录用户穿着试穿码型鞋过程中各个部位的舒适度，准备所有码型对应的试穿鞋备用，按照推荐码型方案，试穿相应的试穿鞋，同时依试穿登记部位，询问客户试穿感受，并将其试穿感受量化，记为试穿标签a_j。

S8：结合所述试穿标签和用户注册时输入的个人试穿鞋喜好，调整并推荐试穿鞋试合适穿码型，依据定制鞋款与试穿鞋的关系，将推荐的码型转换为定制鞋款对应的码型，记为S₁、T₁。依据用户脚型测量数据F_f{f_i}以及用户的脚型特征信息，得到用户定制鞋款码型S₂、T₂。最终的定制数据为依据得到的定制鞋款的码型S₁、T₁，以及脚型特征码型S₂、T₂，结合用户信息U_i，得到用户定制鞋款的码型，并制作试穿定制的成品鞋。

S9：用户试穿定制成品鞋，形成标准化学习样本，优化码型推荐模型。

具体地，用户试穿定制的成品鞋，形成标准化学习样本，优化码型土建模型发发如下：

依据用户的穿着反馈，若用户试穿合适，将穿着合适的顾客的脚型数据以及穿着的码型数据加入学习算法的试穿标准化的学习样本中，进行算法推荐模型的优化；若用户试穿不合适，则再次修改定制鞋的码型，直至用户试穿合适后，将定制信息加入试穿标准化的学习样本。

图2为本发明中一种实施例中基于前期样本试穿样本推荐试穿鞋码型的流程示意图，该方法包括以下步骤：

S201：根据已有试穿样本建立并保存码数推荐模型和型号推荐模型。

依据前期已有的试穿样本，即包括试穿人员的脚型测量数据F_f{f_i}，以及各试穿人员穿着对应鞋款的码型范围。用脚型测量数据以及码数范围建立码数对应的机器学习、深度学习模型，并保存码数推荐模型。用脚型测量数据以及型号范围建立型号对应的机器学习、深度学习模型，并保存型号推荐模型；

S202：通过试穿人员的脚型数据和试穿码数获得码数推荐模型的推荐参数和型号推荐模型的推荐参数。

将试穿人员按一定的规格随机分组，并将每组试穿人员对应的脚型测量数据和试穿码数，分批次送入码数推荐模型，得到码数推荐模型的推荐参数，并保存该参数。依同样的方法将试穿人员的脚型测量数据和试穿型号，分批次送入型号推荐模型，得到型号推荐模型的推荐参数，并保存该参数。

S203：将用户的脚型数据送入码数和型号推荐模型，得到用户试穿鞋的推荐码型方案。

图3为本发明中另一实施例中基于试穿鞋推荐定制鞋款码型的流程示意图，方法包括以下步骤：

S301：建立码数推荐模型和型号推荐模型模型。

将前期试穿样本按一定的比例划分为训练集和测试集，以脚型测量数据F_f{f_i}为输入层，以试穿码数S_i为输出层，建立深度学习神经网络算法模型，中间建立n个不同的隐藏层，其中用正则化防止过拟合。将训练集试穿人员脚型数据以及对应穿着舒适的码数，按固定的样本数喂入神经网络模型，迭代n_i次数据集，在迭代n_j(其中j＜i)次后，需用测试集验证一次结果，直至测试集准确率达到相应阈值η，保存码数推荐模型。建立型号推荐模型的方法同上，并将型号推荐模型予以保存。

S302：通过定制用户的脚型数据获得定时用户试穿鞋对应的码型。

将定制用户脚型数据分别载入码数推荐模型和型号推荐模型，得到定制用户试穿鞋对应码型S_st。

S302：记录定制用户试穿推荐试穿鞋各部位穿着感受，量化试穿标签。

定制用户试穿推荐试穿鞋码型，并记录各部位穿着感受。依据标签量化规则，量化试穿标签a_j。结合试穿标签，调整试穿鞋试穿码型为S_st。

S303：获得定制鞋款码型和标准化鞋楦。

依据试穿鞋楦与定制鞋楦的相似度S_i{S_i}，调整定制鞋的定制方案，并得到基于试穿鞋推荐定制鞋款码型S₁、T₁。也可依据相似度修改定制鞋款对应的母楦的鞋楦，即为标准化鞋楦的过程。

如图4所示为发明中一实施例结合试穿鞋试穿结果和脚型数据推荐定制鞋码的流程示意图。方法包括以下步骤：

S401，定制用户脚型数据信息中，按照脚长与码数的关系S_s＝f_s{m_j}得到脚型基本码数，按照跖趾斜围、跗围与型号的关系S_t＝f_t{m_i,m_j}得到脚型基础型号。若脚背高低指数不超过指定阈值，以及脚型围度数据与楦型围度数据在指定范围内，则需对脚型跗围数据进行一定量的补偿。在脚型基本型号不超过指定阈值时，依据足弓高度对脚型跗围数据进行补偿。在脚型数据补偿之后，再次按照跖趾斜围、跗围与型号的关系S_t＝f_t{m_i,m_j}得到脚型调整后的型号。

依据脚型特征和进退码规则，调整基本码数和型号。首先依据脚型肥瘦度，对码数和型号进行调整，若脚型肥瘦度在特定阈值范围内，则补偿相应的型号，并依据规则调整码数，同时再次将型号换算为该码数对应的型号S_st＝{S_x,S_t,b_i}，其中b_i为调整参数。若脚趾宽窄指数超过特定阈值，同时脚型肥瘦度在特定阈值范围内，则需调整码数或者码数和型号同时调整S_st＝{S_x,S_t,b_i}，其中b_i为调整参数。若拇趾翻转角度超过特定阈值，同时脚型肥瘦度在特定阈值范围内，则需再次调整码数或者码数和型号同时调整S_st＝{S_x,S_t,b_k}，其中b_k为调整参数。若脚型属于特大脚或小脚范围内，同时脚型肥瘦度在特定阈值范围内，则需再次调整码数或者码数和型号同时调整S_st＝{S_x,S_t,b_m}，其中b_m为调整参数。经过上述行为调整后，即可得到脚型数据及脚型特征对应码型S₂、T₂。

S402：依据试穿鞋得到的定制鞋款的码型以及脚型特征码型，确定最终定制鞋码型数据。

将试穿鞋得到的定制鞋款的码型S₁、T₁和脚型特征特征码型S₂、T₂加权求和后所得所有码型，即最终码数S，最终码数S＝S₁×w₁+S₂×w₂，同时将将各型号T₁、T₂转换为最终码数S对应的型号得到最终型号T，最终型号T为各型号的加权求和，即T＝T₁×w₁+T₂×w₂。

S403：结合推荐方案以及用户个人喜好信息，确定最终定制鞋码型方案。

结合定制码型数据以及定制用户个人喜好信息，将适合的码型方案再次优化，得到最适合该用户的码数及型号组合，确定最终定制鞋码型方案。

本发明依据前期试穿人员脚型数据与穿着试穿鞋码型直接的关系，建立码型推荐算法模型；定制顾客定制时，将定制顾客脚型数据代入码型推荐算法模型，得到顾客对应试穿鞋应该试穿的码型，并记录顾客穿着过程中各部位的舒适度。再依据基于脚型数据及特征推荐定制鞋款的码，结合顾客穿着试穿鞋的码型及感受，为定制顾客推荐定制鞋款定制时需制作的码型。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。

以上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 (5)

1.一种基于试穿标准化的鞋靴定制方法，其特征在于，包括以下步骤：

S1：用户注册，根据用户注册时获取的个人信息，记为个人标签U_i{U_i}，用来识别标注用户；

S2：获得用户的三维脚型信息，用户注册成功后，使用三维脚型扫描设备扫描用户脚型，获得用户的三维脚型信息，并得到脚型测量数据F_f{f_i}；

S3：采集并预存每款鞋靴各项属性，针对每款鞋靴使用三维鞋楦扫描设备采集各项属性并录入数据库保存，鞋靴鞋款属性记为S_s{S_i}；

S4：针对每款鞋靴的选型获得每款鞋靴的鞋楦测量数据，针对每款鞋靴对应的楦型，预先采集各项鞋靴属性的标准型号中间码各部位的测量值，以及各部位对应的码型及型差，并录入数据库保存，鞋靴的鞋楦测量数据记为L_l{L_i}；

S5：建立码型推荐模型，根据用户的脚型测量数据和每款鞋靴的鞋楦测量数据建立码型推荐模型；

S6：依据用户试穿、鞋靴鞋款属性和鞋楦测量数据获得用户试穿鞋对应适合的推荐码型，将所述脚型测量数据F_f{f_i}、所述鞋靴鞋款属性S_s{S_i}和所述鞋楦测量数据L_l{L_i}代入码型推荐模型，获得用户试穿鞋对应的码型；

S7：记录用户穿着对应码型的试穿鞋过程中各个部位的舒适度，获得试穿标签，准备所有码型对应的试穿鞋备用，按照推荐码型方案，试穿相应的试穿鞋，同时依试穿登记部位，询问客户试穿感受，并将其试穿感受量化，记为试穿标签a_j；

S8：结合所述试穿标签和用户注册时输入的个人标签，调整试穿鞋的码型，定制成品鞋，依据定制鞋款与试穿鞋的关系，将推荐的码型转换为定制鞋款对应的码型，记为S₁、T₁；依据用户脚型测量数据F_f{f_i}以及用户的脚型特征信息，得到用户脚型特征码型S₂、T₂；依据得到的定制鞋款的码型S₁、T₁，以及脚型特征码型S₂、T₂，并结合用户个人标签U_i{U_i}得到用户最终的定制鞋款的码型，并制作定制的成品鞋；

S9：用户试穿定制的成品鞋，形成试穿标准化学习样本，优化码型推荐模型；

所述鞋靴鞋款属性包括标准码数、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、型号；

用户试穿定制的成品鞋，形成试穿标准化学习样本，优化码型推荐模型的方法如下：

用户试穿定制的成品鞋，依据用户的穿着反馈，若用户试穿合适，将穿着合适的顾客的脚型数据以及穿着的码型数据加入学习算法的试穿标准化的学习样本中，进行算法码型推荐模型的优化；若用户试穿不合适，则再次修改定制鞋的码型，直至用户试穿合适后，将定制信息加入试穿标准化的学习样本。

2.如权利要求1所述的基于试穿标准化的鞋靴定制方法，其特征在于，所述个人标签包括基本信息和喜好信息,所述基本信息包括年龄、性别、身高和体重信息，所述喜好信息包括鞋款颜色、款式和常穿尺码。

3.如权利要求1所述的基于试穿标准化的鞋靴定制方法，其特征在于，所述三维脚型信息包括脚长、着地点长度、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、后跟间隙距离、拇趾高度、第一跖趾高度、跗骨高度、足弓高、拇趾翻转角度。

4.如权利要求1所述的基于试穿标准化的鞋靴定制方法，其特征在于，所述试穿标签包括拇趾部位、小趾部位、第一跖趾骨部位、第五跖趾骨部位、外踝部位、内踝部位、后跟部位、脚背部位。

5.如权利要求1所述的基于试穿标准化的鞋靴定制方法，其特征在于，所述三维脚型扫描设备采用非接触式采集方法采集用户的脚型信息。

Images