CN114219578A - 无人服装售卖方法、装置、终端及存储介质 - Google Patents
无人服装售卖方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN114219578A CN114219578A CN202111583916.0A CN202111583916A CN114219578A CN 114219578 A CN114219578 A CN 114219578A CN 202111583916 A CN202111583916 A CN 202111583916A CN 114219578 A CN114219578 A CN 114219578A
- Authority
- CN
- China
- Prior art keywords
- user
- clothing
- clothes
- acquiring
- selling
- 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
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
- G06Q30/06—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
- 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
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/006—Mixed reality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/16—Cloth
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Computer Graphics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Architecture (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种无人服装售卖方法,应用于无人售卖领域。该方法包括:建立无人服装售卖终端与售卖服务器之间的连接,从售卖服务器中获取推荐服装列表;获取第一用户基于推荐服装列表所选择的待试穿服装;获取待试穿服装的属性信息,根据属性信息获取与待试穿服装对应的服装模型;实时获取第一用户的视频图像,基于图像处理算法和仿真试穿算法对视频图像和服装模型进行处理,获得第一用户试穿待试穿服装的效果图像并实时显示;根据效果图像生成分享链接发送给第二用户;获取第一用户对效果图像的第一评价和第二用户对效果图像的第二评价,根据第一评价和第二评价从待试穿服装中给第一用户推荐目标服装。本发明提升了购买率和用户体验。
Description
技术领域
本发明涉及无人售卖技术领域,尤其涉及无人服装售卖方法、装置、终端及存储介质。
背景技术
人们在景区、纪念场馆、运动会场参观游览时,往往会购买些纪念品、纪念服之类的商品。传统销售纪念服的方式需要导购员引导顾客购买、在试衣间试装、收银员结算费用。人力、场地成本较高。当客流量较大时,尺码款式挑选需要排队,试衣需要排队(对不同款式要反复试穿耗时会更久),支付需要排队。购买效率随客流量的增大而降低,顾客的潜在购买意愿也大大降低。随着我国商务部对无人零售行业的明确支持,自动无人售卖机在无人看管的情况下可以24小时正常营业。但目前市场上还未出现集挑选、试穿、支付于一体的无人售卖的服装售卖方法以及服装售卖终端。现有的无人售卖机只能直接进行选购,顾客购物欲望较低。
鉴于此,本领域亟需一种无人服装售卖方法、装置、终端及存储介质,以解决现有技术存在的技术问题。
发明内容
本发明实施例提供无人服装售卖方法、装置、终端及存储介质,以解决现有技术的纪念服售卖的不方便以及无人售卖机功能性不足的技术问题,以提升顾客的购买欲望。
第一方面,本发明的一种无人服装售卖方法,包括:
建立无人服装售卖终端与售卖服务器之间的连接,从所述售卖服务器中获取推荐服装列表;
获取第一用户基于所述推荐服装列表所选择的待试穿服装;
获取所述待试穿服装的属性信息,根据所述属性信息获取与所述待试穿服装对应的服装模型;
实时获取所述第一用户的视频图像,基于图像处理算法和仿真试穿算法对所述视频图像和所述服装模型进行处理,获得所述第一用户试穿所述待试穿服装的效果图像并实时显示;
根据所述效果图像生成分享链接并将所述分享链接发送给第二用户;
获取所述第一用户对所述效果图像的第一评价和所述第二用户对所述效果图像的第二评价,根据所述第一评价和所述第二评价从所述待试穿服装中给所述第一用户推荐目标服装。
优选地,所述根据所述第一评价和所述第二评价从所述待试穿服装中给所述第一用户推荐目标服装之后,还包括:
获取所述第一用户确认购买的所述目标服装以及选择的提货方式;
根据所述目标服装的所述属性信息和所述提货方式生成订单;
根据所述订单生成支付码,获取所述第一用户的支付结果,若所述支付结果为支付成功,则根据所述提货方式出货。
优选地,所述从所述售卖服务器中获取推荐服装列表包括:
获取当前气候环境和所述售卖服务器的在售服装的试衣时长、下单率、库存量、销售区域;
基于大数据分析的方式对所述当前气候环境、所述试衣时长、所述下单率、所述库存量、所述销售区域进行分析,生成所述推荐服装列表。
优选地,所述基于大数据分析的方式对所述当前气候环境、所述试衣时长、所述下单率、所述库存量、所述销售区域进行分析,生成所述推荐服装列表之后,还包括:
获取所述在售服装的历史浏览行为,所述历史浏览行为包括浏览顺序、浏览时长、浏览次数;
基于大数据分析的方式对所述历史浏览行为进行分析,完善所述推荐服装列表。
优选地,所述实时获取所述第一用户的视频图像,基于图像处理算法和仿真试穿算法对所述视频图像和所述服装模型进行处理,获得所述第一用户试穿所述待试穿服装的效果图像并实时显示包括:
实时获取所述第一用户的视频图像;
从所述视频图像中识别所述第一用户的人体轮廓,实时捕捉所述第一用户的姿势动作;
根据所述姿势动作和所述人体轮廓计算遮挡所述服装模型的区域,根据计算结果对所述服装模型进行变形,渲染所述服装模型的阴影和纹理,获得渲染后的服装图像;
将所述服装图像与所述视频图像进行合成处理,获得所述效果图像并实时显示。
优选地,所述实时获取所述第一用户的视频图像,基于图像处理算法和仿真试穿算法对所述视频图像和所述服装模型进行处理,获得所述第一用户试穿所述待试穿服装的效果图像之后,还包括:
基于所述待试穿服装的所述属性信息获取所述待试穿服装的关联服装列表;
接收所述第一用户试穿所述关联服装列表中的服装的指令,显示所述第一用户试穿所述关联服装的图像。
优选地,所述无人服装售卖方法还包括:
实时监控所述无人服装售卖终端的服装库存信息;当所述服装库存低于预设值时,发送补货提醒至所述售卖服务器。
第二方面,本发明的一种无人服装售卖装置,包括:
第一获取模块,用于建立所述无人服装售卖终端与售卖服务器之间的连接,从所述售卖服务器中获取推荐服装列表;
交互模块,用于获取第一用户基于所述推荐服装列表所选择的待试穿服装;
第二获取模块,用于获取所述待试穿服装的属性信息,根据所述属性信息获取与所述待试穿服装对应的服装模型;
图像合成模块,用于实时获取所述第一用户的视频图像,基于图像处理算法和仿真试穿算法对所述视频图像和所述服装模型进行处理,获得所述第一用户试穿所述待试穿服装的效果图像并实时显示;
分享模块,用于根据所述效果图像生成分享链接并将所述分享链接发送给第二用户;
推荐模块,用于获取所述第一用户对所述效果图像的第一评价和所述第二用户对所述效果图像的第二评价,根据所述第一评价和所述第二评价从所述待试穿服装中给所述第一用户推荐目标服装。
第三方面,本发明的一种无人服装售卖终端,所述无人服装售卖终端包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上所述无人服装售卖方法的步骤。
第四方面,本发明的一种计算机可读存储介质,所述计算机可读存储介质存储有程序文件,所述程序文件被处理器执行时实现如上所述的无人服装售卖方法的步骤。
上述的无人服装售卖方法、装置、终端及存储介质,通过从售卖服务器获取推荐服装列表,可以根据不同用户和不同的销售情况进行更加合适的推荐,提高用户的购买欲望,用户可以对选择的服装查看具体的商品属性;通过获取用户的视频图像,基于图像处理算法和仿真试穿算法对视频图像进行处理得到更加真实的试穿效果图像;生成效果图像的分享链接分享给其他用户,提高了用户购买的社交性同时更有利于商家进行推广;根据用户的评价生成购买推荐,促进成交率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的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一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明第一实施例中无人服装售卖方法的流程示意图;
图2是本发明第一实施例中步骤S101一可选的流程示意图;
图3是本发明第一实施例中步骤S101另一可选的流程示意图;
图4是本发明第一实施例中步骤S104的流程示意图;
图5是本发明第二实施例中无人服装售卖方法的流程示意图;
图6是本发明第三实施例中无人服装售卖方法的流程示意图;
图7是本发明一实施例的无人服装售卖装置的结构示意图;
图8是本发明另一实施例的无人服装售卖装置的结构示意图;
图9是本发明实施例的无人服装售卖终端的结构示意图;
图10是本发明实施例的计算机可读存储介质的结构示意图。
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作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。
本发明的无人服装售卖方法,用于无人服装售卖终端。如图1所示,为本发明第一实施例的无人服装售卖方法的流程图,包括以下步骤:
步骤S101:建立无人服装售卖终端与售卖服务器之间的连接,从售卖服务器中获取推荐服装列表。
在步骤S101中,无人服装售卖终端为无人服装售卖机,无人服装售卖终端可设于旅游景区、纪念场馆、运动会场等。无人售卖终端包括本体、显示屏以及摄像头。在其他实施例中,为了进一步地提高顾客购买的便利性,无人服装售卖终端可以直接是手机、平板电脑等便携性移动终端设备。需要说明的是,本实施例的服装包括但不限于衣服、帽子、鞋等可穿着的服装。售卖服务器存储有所有在售服装的数据,无人售卖终端与售卖服务器之间建立连接后,无人售卖终端从售卖服务器中获取推荐服装列表并进行显示,以使第一用户能够通过服装推荐列表挑选待试穿服装。需要说明的是,在其他实施例中,第一用户也可以通过无人服装售卖终端选择不使用推荐服装列表,直接浏览全部在售服装,在全部在售服装中直接选择待试穿服装。
进一步地,如图2所示,步骤S101包括以下步骤:
步骤S201:建立无人服装售卖终端与售卖服务器之间的连接。
步骤S202:获取包括但不限于当前气候环境和售卖服务器的在售服装的试衣时长、下单率、库存量、销售区域。
由于气候环境对服装的销量起着非常关键的作用,所以分析当前气候环境非常重要,气候环境包括季节和温度等。另外本实施例的在售服装的试衣时长、下单率、库存量、销售区域的数据对销量也有很重要的作用。其中,试衣时长为用户试穿服装的时长,下单率指服装的销量,库存量为无人服装售卖终端的服装库存或整个销售区域的库存。
步骤S203:基于大数据分析的方式对当前气候环境、试衣时长、下单率、库存量、销售区域进行分析,生成推荐服装列表。
在步骤S203中,基于大数据分析的方式,对当前气候环境、试衣时长、下单率、库存量、销售区域进行分析,例如:如某季节某区域服装A下单率最高,则增加服装A权重;如当某服装库存量不足时降低改服装推荐权重;如下单服装A之前大多用户都会多次游览服装B,则增加服装B权重。根据不同数据之间的权重综合计算出推荐服装列表,以提高成交率。无人售卖终端从售卖服务器中获取推荐服装列表后进行显示,以使第一用户能够通过服装推荐列表挑选待试穿服装。
进一步地,在另一个可选实施例中,如图3所示,步骤S101包括以下步骤:
步骤S301:建立无人服装售卖终端与售卖服务器之间的连接。
该步骤与上述的步骤S201类似,为简约起见,在此不重复。
步骤S302:获取包括但不限于当前气候环境和售卖服务器的在售服装的试衣时长、下单率、库存量、销售区域。
该步骤与上述的步骤S202类似,为简约起见,在此不重复。
步骤S303:基于大数据分析的方式对当前气候环境、试衣时长、下单率、库存量、销售区域进行分析,生成推荐服装列表。
该步骤与上述的步骤S203类似,为简约起见,在此不重复。
步骤S304:获取在售服装的历史浏览行为,历史浏览行为包括但不限于浏览顺序、浏览时长、浏览次数。
需要说明的是,历史浏览行是用户浏览在售服装的历史浏览行为。在一个实施例中,如果第一用户是已注册用户并且有历史浏览行为,也可以进一步在分析的过程中加入第一用户的历史浏览行为。
步骤S305:基于大数据分析的方式对历史浏览行为进行分析,完善推荐服装列表。
在步骤S305中,浏览顺序、浏览时长、浏览次数可根据实际情况分配不同的权重。通过对在售服装的历史浏览行为进行分析,进一步完善推荐服装列表,提高了推荐服装列表的准确性,提高成交率。
步骤S102:获取第一用户基于推荐服装列表所选择的待试穿服装。
在步骤S102中,第一用户通过无人服装售卖终端在推荐服装列表中选择待试穿服装,无人售卖终端通过第一用户的指令获取第一用户选择的待试穿服装。
步骤S103:获取待试穿服装的属性信息,根据属性信息获取与待试穿服装对应的服装模型。
在步骤S103中,待试穿服装的属性信息包括但不限于:服装品号、款式、尺码、颜色、数量、价格、衣物尺寸(衣长、袖长、肩宽、腰围、裤长等)、图片详情等信息。服装模型包括但不限于服装颜色、尺寸(衣长、袖长、肩宽、腰围、裤长等)、图片、点位信息等。属性信息对应唯一的服装模型。
步骤S104:实时获取第一用户的视频图像,基于图像处理算法和仿真试穿算法对视频图像和服装模型进行处理,获得第一用户试穿待试穿服装的效果图像并实时显示。
进一步地,如图4所示,步骤S104包括:
步骤S401:实时获取第一用户的视频图像。
在步骤S401中,通过无人服装售卖终端的摄像头实时获取第一用户的视频图像,将视频图像作为原始视频图像供后续的识别检测及合成使用。
步骤S402:从视频图像中识别第一用户的人体轮廓,实时捕捉第一用户的姿势动作。
在步骤S402中,识别人体轮廓首先需要定位人脸,人脸包含肤色、眼、嘴等信息。其中肤色信息需要排除环境光线的影响,可将图像的RGB色彩空间转为YCbCr色彩空间,器转换公式为:Y=0.299R+0.587G+0.114B;Cb=0.564(B-Y);Cr=0.713(R-Y)。根据统计学原理,认为肤色像素投影到YCbCr色彩空间后符合正态分布的随机样本也满足高斯分布。二维高斯型函数样本统计公式为:P(Cr,Cb)=exp[-0.5(x-m)TC-1(x-m),其中:x为样本像素在YCbCr空间的值x=[Cb,Cr]。M为肤色在YCbCr空间的样本均值M=E(x),C为肤色相似度模型的协方差矩阵C=E((x-M)(x-M)T)。为确定函数里的参数,需要采集大量的肤色样本和机器学习来计算他们的统计特征,即用来得到M和C的值。代入高斯函数求得各个P(Cb,Cr)值,然后进行归一化处理。做法是:将Pi(Cb,Cr)/max(Pi(Cb,Cr)),用这个商作为该点的相似度值。为了查看相似度后图像,可以将[0,1]转化为[0,255]。肤色可为后续人脸检测及姿态检测提供参考依据。
接下来通过Haar级联检测器检测人脸关键特征。首先创建级联分类器,利用创建的级联分类器对图像进行多尺度检测,然后设置好比例因子、最小邻居数、目标大小范围等参数。比例因子指定在每个图像比例下图像大小减少多少的参数,用于创建比例金字塔。最小邻居数指定每个候选矩形应保留多少个邻居,此参数将影响检测到的面部的质量,值越高,检测越少,但质量越高。最小邻居数取3~6对它来说是一个很好的价值,用作一个目标被多个窗口检测出来时起调节作用。目标大小范围限定目标检测的区间,超过该尺寸范围则被忽略。
采用Eichner方法检测人体骨架,包括四肢和躯干。利用Ramanan基于边缘的人体解析方法提供初始参数。设D为结构模型参数集,I为图像,BP代表部件空间信息。姿态后验概率为P(BP/I,D)∝exp(∑(i,j)∈Eψ(bpi,bpj)+∑iΦ(I/bpi,D),其中,ψ(bpi,bpj)为学习到的空间位置关系先验概率,Φ(I/bpi,D)为位置bpi的图像与对应部件i的似然程度。当部件i用于描述时,计算部件t方法其中,ωit为混合权重,为初始的外观模型,从而实现外观转换,继而进行后续的姿态估计。
使用稠密的人体姿态估计方法DensePose将每个像素映射到一个稠密的姿态点上,建立图像到人体表面的对应关系。通过预测24个部分的划分,对于每个部分它都有人体表面的UV参数化,它的网格坐标提供了密集的信息,可以用来表示丰富的姿势细节。通过上述步骤实现第一用户的姿势动作的捕捉。
步骤S403:根据姿势动作和人体轮廓计算遮挡服装模型的区域,根据计算结果对服装模型进行变形,渲染服装模型的阴影和纹理,获得渲染后的服装图像。
在步骤S403中,通过估计薄板样条插值TPS(Thin Plate Spline)或仿射的变换进行服装模型变形。例如,TPS插值方法:给定两张图片中一些相互对应的控制点,TPS可以将其中一个图片进行特定的形变,使得其控制点可以与另一张图片的控制点重合。通过扭曲图片来保证有多个点能够同时被映射,同时鼓小化弯曲能量,可以对表面进行柔性的变形。空间变换网络STN(Spatial Transformer Network):STN分为参数预测、坐标映射、像素采集三部分,作为一个特殊的网络模块可嵌入到网络的任意层中进行空间变换,增强模型的空间不变性。使用CNN(Convolutional Neural Network)提取特征以应对场景变换较大及复杂的几何形变。使用几何匹配模块GMM(Geometric Matching Module)来变形服装模型,使它与人体大致对齐。几何匹配模块由四个部分组成:1)两个分别提取人体和服装模型高级特征的网络;2)相关层将两个特征组合成单个张量,作为回归器网络的输入;3)预测空间变换参数θ的回归网络;4)一个TPS变换模块,用于将服装模型变形到输出,渲染服装模型的阴影和纹理,获得渲染的服装图像。通过上述方法对服装模型进行变形,渲染服装模型的阴影和纹理,获得渲染的服装图像。
步骤S404:将服装图像与视频图像进行合成处理,获得效果图像并实时显示。
在步骤S404中,合成服装图像与视频图像,使用形状上下文匹配估计TPS变换参数直接计算变换映射。输入人体表征和变形后的服装图片,输出一个合成掩码和粗糙人像图片。再用合成掩码引导粗糙人像图片和变形后的服装图片融合在一起生成效果图像。由于像素错位会导致产生模糊的结果,将服装模型外观扭曲到合成的人体解析图中,降低输入人体姿态和目标人体姿态之间的错位问题。通过使用仿射和TPS变换从扭曲瓶颈层的特征图,而不是仅使用仿射直接处理像素。由于用于几何匹配的卷积神经网络结构的泛化能力,该方法直接使用其预训练模型来估计参考解析和合成解析之间的转换映射。变换映射来扭曲移除服装的用户图像,计算前后遮挡区域,将第一用户的视频图像的身体部分与改变姿势的服装部分结合获得效果图像。通过预处理网络来生成服装掩码,再使用DensePose估计模型来生成上身区域掩码,然后将这两个区域合并成一个联合掩码。通过上述的方法,获得效果图像,并实时显示在显示屏上。
步骤S105:根据效果图像生成分享链接并将分享链接发送给第二用户。
在步骤S105中,无人服装售卖终端可将效果图像生成分享链接,第一用户通过将分享链接分享给第二用户。其中,第一用户可以将多套试穿的服装的效果图像打包生成一个分享链接,第二用户点开分享链接即可查看多套效果图像,第二用户对多套效果图像进行评价。需要说明的是,第二用户也可以通过分享链接接入售卖服务器进行购物。
步骤S106:获取第一用户对效果图像的第一评价和第二用户对效果图像的第二评价,根据第一评价和第二评价从待试穿服装中给第一用户推荐目标服装。
在步骤S106中,第一用户可以对效果图像进行打分,即第一评价;第二用户通过分享链接对效果图像进行打分,即第二评价;无人服装售卖终端根据第一评价和第二评价,得出得分最高的效果图像,给推荐第一用户推荐得分最高的效果图像对应的服装。
本发明第一实施例的无人服装售卖方法,通过从售卖服务器获取推荐服装列表,可以根据不同用户和不同的销售情况进行更加合适的推荐,提高用户的购买欲望,用户可以对选择的服装查看具体的商品属性;通过获取用户的视频图像,基于图像处理算法和仿真试穿算法对视频图像进行处理得到更加真实的试穿效果图像;生成效果图像的分享链接分享给其他用户,提高了用户购买的社交性同时更有利于商家进行推广;根据用户的评价生成购买推荐,促进成交率。
图5为本发明第二实施例的无人服装售卖方法,如图5所示,该方法包括以下步骤:
步骤S501:建立无人服装售卖终端与售卖服务器之间的连接,从售卖服务器中获取推荐服装列表。
该步骤与上述的步骤S101类似,为简约起见,在此不重复。
步骤S502:获取第一用户基于推荐服装列表所选择的待试穿服装。
该步骤与上述的步骤S102类似,为简约起见,在此不重复。
步骤S503:获取待试穿服装的属性信息,根据属性信息获取与待试穿服装对应的服装模型。
该步骤与上述的步骤S103类似,为简约起见,在此不重复。
步骤S504:实时获取第一用户的视频图像,基于图像处理算法和仿真试穿算法对视频图像和服装模型进行处理,获得第一用户试穿待试穿服装的效果图像并实时显示。
该步骤与上述的步骤S104类似,为简约起见,在此不重复。
步骤S505:基于第一用户当前试穿的待试穿服装的属性信息,获取待试穿服装的关联服装列表。
在步骤S505中,在第一用户进行试穿待试穿服装时,基于大数据分析的方法获取待试穿服装的关联服装列表,关联服装列表可包括但不限于与待试穿服装配套的服装、多数购买了待试穿服装的用户选择同时购买的服装等,获取关联服装列表后可以在显示屏的边缘显示关联列表的小图或者采用上拉菜单显示的方式,在不影响用户查看效果图像的前提下对用户进行推荐。用户可以在不退出当前试穿界面的情况下直接选择关联服装列表中的服装进行试穿。
步骤S506:接收第一用户试穿关联服装列表中的服装的指令,显示第一用户试穿关联服装的效果图像。需要说明的是,第一用户也可以将此试穿的效果图像生成分享链接。
步骤S507:根据效果图像生成分享链接并将分享链接发送给第二用户。
该步骤与上述的步骤S105类似,为简约起见,在此不重复。
步骤S508:获取第一用户对效果图像的第一评价和第二用户对效果图像的第二评价,根据第一评价和第二评价从待试穿服装中给第一用户推荐目标服装。
该步骤与上述的步骤S106类似,为简约起见,在此不重复。
本发明第二实施例的无人服装售卖方法,在第一实施例的基础上,用户可以在不退出当前试穿界面的情况下直接选择关联服装列表中的服装进行试穿,大大提高了用户的使用体验,同时提高配套服装的成交率。
图6为本发明第三实施例的无人服装售卖方法,如图6所示,该方法包括以下步骤:
步骤S601:建立无人服装售卖终端与售卖服务器之间的连接,从售卖服务器中获取推荐服装列表。
该步骤与上述的步骤S101类似,为简约起见,在此不重复。
步骤S602:获取第一用户基于推荐服装列表所选择的待试穿服装。
该步骤与上述的步骤S102类似,为简约起见,在此不重复。
步骤S603:获取待试穿服装的属性信息,根据属性信息获取与待试穿服装对应的服装模型。
该步骤与上述的步骤S103类似,为简约起见,在此不重复。
步骤S604:实时获取第一用户的视频图像,基于图像处理算法和仿真试穿算法对视频图像和服装模型进行处理,获得第一用户试穿待试穿服装的效果图像并实时显示。
该步骤与上述的步骤S104类似,为简约起见,在此不重复。
步骤S605:基于第一用户当前试穿的待试穿服装的属性信息,获取待试穿服装的关联服装列表。
该步骤与上述的步骤S505类似,为简约起见,在此不重复。
步骤S606:接收第一用户试穿关联服装列表中的服装的指令,显示第一用户试穿关联服装的效果图像。
该步骤与上述的步骤S506类似,为简约起见,在此不重复。
步骤S607:根据效果图像生成分享链接并将分享链接发送给第二用户。
该步骤与上述的步骤S105类似,为简约起见,在此不重复。
步骤S608:获取第一用户对效果图像的第一评价和第二用户对效果图像的第二评价,根据第一评价和第二评价从待试穿服装中给第一用户推荐目标服装。
该步骤与上述的步骤S106类似,为简约起见,在此不重复
步骤S609:获取第一用户确认购买的目标服装以及选择的提货方式。其中,提货方式包括线下自取或快递寄送等。
步骤S610:根据目标服装的属性信息和提货方式生成订单。
具体地,根据属性信息对应的价格和第一用户选择的提货方式生成订单,订单包括第一用户购买的目标服装的款式、颜色、数量以及提货方式等。
步骤S611:根据订单生成支付码,获取第一用户的支付结果,若支付结果为支付成功,则根据提货方式出货。若支付效果为支付识别则提醒第一用户重新进行支付。
本发明第三实施例的无人服装售卖方法,在第一实施例和第二实施例的基础上,用户可自行选择提货方式,当用户无法自提时,例如当前的无人服装售卖终端没有购买的服装时,可以选择快递寄送从其他区域发货。提高了用户的购物体验。
在一可实现的实施例中,在上述基础上,无人服装售卖方法还包括:步骤S0:实时监控无人服装售卖终端的服装库存信息,当服装库存低于预设值时,发送补货提醒至售卖服务器。
通过上述步骤能实现服装库存的实时监控,防止脱销。同时也可以对无人服装售卖终端或售卖服务器长时间销量不佳的服装进行标记,方便做出更合理的库存分配。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在一实施例中,如图7所示,本发明提供一种无人服装售卖装置70,该无人服装售卖装置70与上述实施例中无人服装售卖方法一一对应。该无人服装售卖装置70包括:第一获取模块71、交互模块72、第二获取模块73、图像合成模块74、分享模块75、推荐模块76。各功能模块详细说明如下:
第一获取模块71用于建立无人服装售卖终端与售卖服务器之间的连接,从售卖服务器中获取推荐服装列表;
交互模块72用于获取第一用户基于推荐服装列表所选择的待试穿服装;
第二获取模块73用于获取待试穿服装的属性信息,根据属性信息获取与待试穿服装对应的服装模型;
图像合成模块74用于实时获取第一用户的视频图像,基于图像处理算法和仿真试穿算法对视频图像和服装模型进行处理,获得第一用户试穿待试穿服装的效果图像并实时显示;
分享模块75用于根据效果图像生成分享链接并将分享链接发送给第二用户;
推荐模块76用于获取第一用户对效果图像的第一评价和第二用户对效果图像的第二评价,根据第一评价和第二评价从待试穿服装中推荐第一用户欲购买的目标服装。
在一可实现的实施例中,在上述基础上,如图8所示,无人服装售卖装置70还包括订单模块77用于获取第一用户确认购买的目标服装以及选择的提货方式,根据目标服装的属性信息和提货方式生成订单,根据订单生成支付码,获取第一用户的支付结果,若支付结果为支付成功,则根据提货方式出货。进一步地,无人服装售卖装置70还包括库存监控模块78,用于实时监控无人服装售卖终端的服装库存信息,当服装库存低于预设值时,发送补货提醒至售卖服务器。
其中,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块,本申请中所出现的模块的划分,仅仅是一种逻辑上的划分,实际应用中实现时可以有另外的划分方式。
关于无人服装售卖装置70的具体限定可以参见上文中对于无人服装售卖方法的限定,在此不再赘述。上述无人服装售卖装置70中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器82中,也可以以软件形式存储于计算机设备中的存储器81中,以便于处理器82调用执行以上各个模块对应的操作。
在一个实施例中,本发明提供了一种无人服装售卖终端80,无人服装售卖终端80包括存储器81、处理器82及存储在存储器81上并可在处理器82上运行的计算机程序,处理器82执行计算机程序时实现上述实施例中无人服装售卖方法的步骤。或者,处理器82执行计算机程序时实现上述实施例中无人服装售卖装置70的各模块/单元的功能。为避免重复,这里不再赘述。需要说明的是,在本实施例中,无人服装售卖终端80为无人服装售卖机,无人服装售卖终端80可设于旅游景区、纪念场馆、运动会场等。在其他实施例中,为了进一步地提高顾客购买的便利性,无人服装售卖终端80可以直接是手机、平板电脑等便携性移动终端设备,此时,用户直接用便携性移动终端设备接入售卖服务器进行购物。
处理器82可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,处理器是计算机装置的控制中心,利用各种接口和线路连接整个计算机装置的各个部分。
存储器81可用于存储计算机程序和/或模块,处理器82通过运行或执行存储在存储器81内的计算机程序和/或模块,以及调用存储在存储器81内的数据,实现计算机装置的各种功能。存储器81可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、视频数据等)等。存储器81可以集成在处理器82中,也可以与处理器82分开设置。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有程序文件91,程序文件91被处理器执行时实现上述实施例中无人服装售卖方法的步骤。或者,程序文件91被处理器执行时实现上述实施例中无人服装售卖装置70的各模块/单元的功能。为避免重复,这里不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过程序文件91来指令相关的硬件来完成,程序文件91可存储于一非易失性计算机可读取存储介质中,该程序文件91在执行时,可包括如上述各方法的实施例的流程。
其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种无人服装售卖方法,其特征在于,包括:
建立无人服装售卖终端与售卖服务器之间的连接,从所述售卖服务器中获取推荐服装列表;
获取第一用户基于所述推荐服装列表所选择的待试穿服装;
获取所述待试穿服装的属性信息,根据所述属性信息获取与所述待试穿服装对应的服装模型;
实时获取所述第一用户的视频图像,基于图像处理算法和仿真试穿算法对所述视频图像和所述服装模型进行处理,获得所述第一用户试穿所述待试穿服装的效果图像并实时显示;
根据所述效果图像生成分享链接并将所述分享链接发送给第二用户;
获取所述第一用户对所述效果图像的第一评价和所述第二用户对所述效果图像的第二评价,根据所述第一评价和所述第二评价从所述待试穿服装中给所述第一用户推荐目标服装。
2.根据所述权利要求1所述的无人服装售卖方法,其特征在于,所述根据所述第一评价和所述第二评价从所述待试穿服装中给所述第一用户推荐目标服装之后,还包括:
获取所述第一用户确认购买的所述目标服装以及选择的提货方式;
根据所述目标服装的所述属性信息和所述提货方式生成订单;
根据所述订单生成支付码,获取所述第一用户的支付结果,若所述支付结果为支付成功,则根据所述提货方式出货。
3.根据权利要求1所述的无人服装售卖方法,其特征在于,所述从所述售卖服务器中获取推荐服装列表包括:
获取当前气候环境和所述售卖服务器的在售服装的试衣时长、下单率、库存量、销售区域;
基于大数据分析的方式对所述当前气候环境、所述试衣时长、所述下单率、所述库存量、所述销售区域进行分析,生成所述推荐服装列表。
4.根据权利要求3所述的无人服装售卖方法,其特征在于,所述基于大数据分析的方式对所述当前气候环境、所述试衣时长、所述下单率、所述库存量、所述销售区域进行分析,生成所述推荐服装列表之后,还包括:
获取所述在售服装的历史浏览行为,所述历史浏览行为包括浏览顺序、浏览时长、浏览次数;
基于大数据分析的方式对所述历史浏览行为进行分析,完善所述推荐服装列表。
5.根据权利要求1所述的无人服装售卖方法,其特征在于,所述实时获取所述第一用户的视频图像,基于图像处理算法和仿真试穿算法对所述视频图像和所述服装模型进行处理,获得所述第一用户试穿所述待试穿服装的效果图像并实时显示包括:
实时获取所述第一用户的视频图像;
从所述视频图像中识别所述第一用户的人体轮廓,实时捕捉所述第一用户的姿势动作;
根据所述姿势动作和所述人体轮廓计算遮挡所述服装模型的区域,根据计算结果对所述服装模型进行变形,渲染所述服装模型的阴影和纹理,获得渲染后的服装图像;
将所述服装图像与所述视频图像进行合成处理,获得所述效果图像并实时显示。
6.根据权利要求1所述的无人服装售卖方法,其特征在于,所述实时获取所述第一用户的视频图像,基于图像处理算法和仿真试穿算法对所述视频图像和所述服装模型进行处理,获得所述第一用户试穿所述待试穿服装的效果图像之后,还包括:
基于所述待试穿服装的所述属性信息获取所述待试穿服装的关联服装列表;
接收所述第一用户试穿所述关联服装列表中的服装的指令,显示所述第一用户试穿所述关联服装的图像。
7.根据权利要求1所述的无人服装售卖方法,其特征在于,所述无人服装售卖方法还包括:
实时监控所述无人服装售卖终端的服装库存信息;当所述服装库存低于预设值时,发送补货提醒至所述售卖服务器。
8.一种无人服装售卖装置,其特征在于,包括:
第一获取模块,用于建立所述无人服装售卖终端与售卖服务器之间的连接,从所述售卖服务器中获取推荐服装列表;
交互模块,用于获取第一用户基于所述推荐服装列表所选择的待试穿服装;
第二获取模块,用于获取所述待试穿服装的属性信息,根据所述属性信息获取与所述待试穿服装对应的服装模型;
图像合成模块,用于实时获取所述第一用户的视频图像,基于图像处理算法和仿真试穿算法对所述视频图像和所述服装模型进行处理,获得所述第一用户试穿所述待试穿服装的效果图像并实时显示;
分享模块,用于根据所述效果图像生成分享链接并将所述分享链接发送给第二用户;
推荐模块,用于获取所述第一用户对所述效果图像的第一评价和所述第二用户对所述效果图像的第二评价,根据所述第一评价和所述第二评价从所述待试穿服装中给所述第一用户推荐目标服装。
9.一种无人服装售卖终端,所述无人服装售卖终端包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述无人服装售卖方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有程序文件,其特征在于,所述程序文件被处理器执行时实现如权利要求1至7中任一项所述的无人服装售卖方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111583916.0A CN114219578A (zh) | 2021-12-22 | 2021-12-22 | 无人服装售卖方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111583916.0A CN114219578A (zh) | 2021-12-22 | 2021-12-22 | 无人服装售卖方法、装置、终端及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114219578A true CN114219578A (zh) | 2022-03-22 |
Family
ID=80705122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111583916.0A Pending CN114219578A (zh) | 2021-12-22 | 2021-12-22 | 无人服装售卖方法、装置、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114219578A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117575636A (zh) * | 2023-12-19 | 2024-02-20 | 东莞莱姆森科技建材有限公司 | 一种基于视频处理的智能镜控制方法及系统 |
-
2021
- 2021-12-22 CN CN202111583916.0A patent/CN114219578A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117575636A (zh) * | 2023-12-19 | 2024-02-20 | 东莞莱姆森科技建材有限公司 | 一种基于视频处理的智能镜控制方法及系统 |
CN117575636B (zh) * | 2023-12-19 | 2024-05-24 | 东莞莱姆森科技建材有限公司 | 一种基于视频处理的智能镜控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3479296B1 (en) | System of virtual dressing utilizing image processing, machine learning, and computer vision | |
US10777021B2 (en) | Virtual representation creation of user for fit and style of apparel and accessories | |
CA2734143C (en) | Method and apparatus for estimating body shape | |
CN111787242B (zh) | 用于虚拟试衣的方法和装置 | |
CN111681070B (zh) | 线上商品的购买方法、购买装置、存储装置及购买设备 | |
JP5728406B2 (ja) | 衣服画像処理システム、衣服画像処理方法、プログラム | |
WO2017005014A1 (zh) | 搜索匹配商品的方法及装置 | |
CN110245611B (zh) | 图像识别方法、装置、计算机设备和存储介质 | |
CN107928275A (zh) | 信息推荐方法、智能镜子及存储介质 | |
CN109871826A (zh) | 信息展示方法、装置、计算机可读存储介质和计算机设备 | |
CN112905889A (zh) | 服饰搜索方法及装置、电子设备和介质 | |
JP6656572B1 (ja) | 情報処理装置、表示制御方法および表示制御プログラム | |
US20240037869A1 (en) | Systems and methods for using machine learning models to effect virtual try-on and styling on actual users | |
Shadrach et al. | Smart virtual trial room for apparel industry | |
CN109074498A (zh) | 用于pos区域的访问者跟踪方法和系统 | |
JP2018112777A (ja) | 推奨アイテム出力プログラム、出力制御プログラム、推奨アイテム出力装置、出力制御装置、推奨アイテム出力方法および出力制御方法 | |
CN114219578A (zh) | 无人服装售卖方法、装置、终端及存储介质 | |
CN114638929A (zh) | 线上虚拟试衣方法、装置、电子设备及存储介质 | |
KR102064653B1 (ko) | 증강현실 의류 쇼핑을 위한 웨어러블 글래스 및 증강현실 의류 쇼핑 방법 | |
CN110084676A (zh) | 一种线上商品推荐方法、网络终端和具有存储功能的装置 | |
CN116524088B (zh) | 珠宝虚拟试戴方法、装置、计算机设备和存储介质 | |
CN112884556A (zh) | 一种基于混合现实的店铺展示方法、系统、设备和介质 | |
WO2015172229A1 (en) | Virtual mirror systems and methods | |
CN110955879A (zh) | 设备控制方法、装置、计算机设备和存储介质 | |
CN116452745A (zh) | 手部建模、手部模型处理方法、设备和介质 |
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 |