CN114693414A - 门店物品推荐方法、装置、计算机设备和存储介质 - Google Patents
门店物品推荐方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN114693414A CN114693414A CN202210618360.2A CN202210618360A CN114693414A CN 114693414 A CN114693414 A CN 114693414A CN 202210618360 A CN202210618360 A CN 202210618360A CN 114693414 A CN114693414 A CN 114693414A
- Authority
- CN
- China
- Prior art keywords
- article
- item
- target
- money
- dimensional
- 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.)
- Granted
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]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
- G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种门店物品推荐方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括:对与无线扫码器采集的条码信息对应的物品款码进行关联推荐,得到第一物品推荐结果;根据目标物品的目标条码信息,查询物品三维模型库,得到目标物品的物品三维模型;目标物品从第一物品推荐结果中选择得到;将试戴部位的部位图像和物品三维模型进行匹配处理,得到试戴部位的三维试戴效果;试戴部位为针对目标物品所确定的试戴部位;根据三维试戴效果的展示时间、目标物品的试戴次数和目标条码信息对应的目标物品款码,对第一物品推荐结果进行更新,得到第二物品推荐结果。采用本方法能够提高线下门店物品推荐效果和推荐效率。
Description
技术领域
本申请涉及人工智能技术领域,特别是涉及一种门店物品推荐方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
在饰品、服装、箱包等行业中,往往依靠工作人员的经验会向顾客推荐物品。随着人工智能技术的发展,对线下门店物品的数字化推荐服务也变得越来越重要。
传统技术中,通常根据顾客的穿搭特征进行物品推荐,然而,这种推荐方法容易受到顾客当天的穿搭风格的影响,无法准确、全面的进行物品推荐。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高线下门店物品推荐效果的门店物品推荐方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种门店物品推荐方法。所述方法包括:
对与无线扫码器采集的条码信息对应的物品款码进行关联推荐,得到第一物品推荐结果;
根据目标物品的目标条码信息,查询物品三维模型库,得到所述目标物品的物品三维模型;所述目标物品从所述第一物品推荐结果中选择得到;
将试戴部位的部位图像和所述物品三维模型进行匹配处理,得到所述试戴部位的三维试戴效果;所述试戴部位为针对所述目标物品所确定的试戴部位;
根据所述三维试戴效果的展示时间、所述目标物品的试戴次数和所述目标条码信息对应的目标物品款码,对所述第一物品推荐结果进行更新,得到第二物品推荐结果。
在其中一个实施例中,对与无线扫码器采集的条码信息对应的物品款码进行关联推荐,得到第一物品推荐结果,包括:
分别获取所述物品款码与门店物品数据库中各物品款码之间的第一关联度;
将所述第一关联度满足预设关联度条件的关联物品款码对应的门店物品,作为所述第一物品推荐结果。
在其中一个实施例中,分别获取所述物品款码与门店物品数据库中各历史物品款码之间的第一关联度,包括:
分别将所述物品款码和所述门店物品数据库中各历史物品款码对应映射为第一向量和第二向量;
根据所述第一向量和所述第二向量之间的向量相似度,得到所述物品款码与所述各历史物品款码之间的第一关联度。
在其中一个实施例中,根据所述三维试戴效果的展示时间、所述目标物品的试戴次数和所述目标条码信息对应的目标物品款码,对所述第一物品推荐结果进行更新,得到第二物品推荐结果,包括:
获取门店物品数据库中各预设物品类别对应的初始类别权重和各预设物品款码对应的初始款码权重;
根据所述目标物品所属的物品类别和所述目标物品的试戴次数,对所述各预设物品类别对应的初始类别权重进行更新,得到所述各预设物品类别对应的更新后类别权重;
根据所述目标物品的展示时间和所述目标物品款码,对所述各预设物品款码对应的初始款码权重进行更新,得到所述各预设物品款码对应的更新后款码权重;
根据所述目标物品款码与门店物品数据库中各历史物品款码之间的第二关联度,得到目标物品推荐结果;
根据所述更新后类别权重和所述更新后款码权重,对所述目标物品推荐结果和所述第一物品推荐结果进行更新,得到所述第二物品推荐结果。
在其中一个实施例中,在根据目标物品的目标条码信息,查询物品三维模型库,得到所述目标物品的物品三维模型之前,还包括:
获取所述目标物品的至少一张物品图像;
根据所述至少一张物品图像,对所述目标物品进行三维重建,得到目标物品的物品三维模型;
建立所述物品三维模型与所述目标物品的目标物品款码之间的映射关系,并将所述映射关系和所述物品三维模型存储至所述物品三维模型库;
所述根据目标物品的目标条码信息,查询物品三维模型库,得到所述目标物品的物品三维模型,包括:
根据所述目标物品款码与所述物品三维模型之间的映射关系,从所述物品三维模型库中,查询得到所述目标物品的物品三维模型。
在其中一个实施例中,将试戴部位的部位图像和所述物品三维模型进行匹配处理,得到所述试戴部位的三维试戴效果,包括:
确定所述试戴部位的部位类型;
根据所述部位类型对应的定位模型,对所述试戴部位的部位图像进行特征定位处理,得到所述部位图像中的目标试戴位置;
将所述物品三维模型匹配至所述部位图像中的目标试戴位置,得到所述试戴部位的三维试戴效果。
第二方面,本申请还提供了一种门店物品推荐装置。所述装置包括:
第一物品推荐模块,用于对与无线扫码器采集的条码信息对应的物品款码进行关联推荐,得到第一物品推荐结果;
三维模型获取模块,用于根据目标物品的目标条码信息,查询物品三维模型库,得到所述目标物品的物品三维模型;所述目标物品从所述第一物品推荐结果中选择得到;
试戴效果处理模块,用于将试戴部位的部位图像和所述物品三维模型进行匹配处理,得到所述试戴部位的三维试戴效果;所述试戴部位为针对所述目标物品所确定的试戴部位;
第二物品推荐模块,用于根据所述三维试戴效果的展示时间、所述目标物品的试戴次数和所述目标条码信息对应的目标物品款码,对所述第一物品推荐结果进行更新,得到第二物品推荐结果。
第三方面,本申请还提供了一种门店物品推荐系统。所述系统包括:无线扫码器和服务器;所述无线扫码器与所述服务器通讯连接;
所述无线扫码器,用于采集物品的条码信息,并将所述条码信息转发到所述服务器;
所述服务器,用于执行如第一方面中任一项实施例所述的门店物品推荐方法的步骤。
在一个实施例中,所述系统还包括移动终端,用于接收和展示所述服务器发送的目标物品的物品三维模型、试戴部位的三维试戴效果、第一物品推荐结果和第二物品推荐结果。
第四方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
对与无线扫码器采集的条码信息对应的物品款码进行关联推荐,得到第一物品推荐结果;
根据目标物品的目标条码信息,查询物品三维模型库,得到所述目标物品的物品三维模型;所述目标物品从所述第一物品推荐结果中选择得到;
将试戴部位的部位图像和所述物品三维模型进行匹配处理,得到所述试戴部位的三维试戴效果;所述试戴部位为针对所述目标物品所确定的试戴部位;
根据所述三维试戴效果的展示时间、所述目标物品的试戴次数和所述目标条码信息对应的目标物品款码,对所述第一物品推荐结果进行更新,得到第二物品推荐结果。
第五方面,本申请还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,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
对与无线扫码器采集的条码信息对应的物品款码进行关联推荐,得到第一物品推荐结果;
根据目标物品的目标条码信息,查询物品三维模型库,得到所述目标物品的物品三维模型;所述目标物品从所述第一物品推荐结果中选择得到;
将试戴部位的部位图像和所述物品三维模型进行匹配处理,得到所述试戴部位的三维试戴效果;所述试戴部位为针对所述目标物品所确定的试戴部位;
根据所述三维试戴效果的展示时间、所述目标物品的试戴次数和所述目标条码信息对应的目标物品款码,对所述第一物品推荐结果进行更新,得到第二物品推荐结果。
第六方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
对与无线扫码器采集的条码信息对应的物品款码进行关联推荐,得到第一物品推荐结果;
根据目标物品的目标条码信息,查询物品三维模型库,得到所述目标物品的物品三维模型;所述目标物品从所述第一物品推荐结果中选择得到;
将试戴部位的部位图像和所述物品三维模型进行匹配处理,得到所述试戴部位的三维试戴效果;所述试戴部位为针对所述目标物品所确定的试戴部位;
根据所述三维试戴效果的展示时间、所述目标物品的试戴次数和所述目标条码信息对应的目标物品款码,对所述第一物品推荐结果进行更新,得到第二物品推荐结果。
上述门店物品推荐方法、装置、计算机设备、存储介质和计算机程序产品,对与无线扫码器采集的条码信息对应的物品款码进行关联推荐,得到第一物品推荐结果;根据目标物品的目标条码信息,查询物品三维模型库,得到目标物品的物品三维模型;目标物品从第一物品推荐结果中选择得到;通过将试戴部位的部位图像和物品三维模型进行匹配处理,得到试戴部位的三维试戴效果;试戴部位为针对目标物品所确定的试戴部位;进而根据三维试戴效果的展示时间、目标物品的试戴次数和目标条码信息对应的目标物品款码,对第一物品推荐结果进行更新,得到第二物品推荐结果。采用本方法,能够根据实时采集的条码信息得到第一物品推荐结果,并根据第一物品推荐结果中目标物品的试戴次数、展示时间等信息,进行更精细的推荐,得到第二物品推荐结果,而无需读取用户的相关信息,提高了线下门店物品的推荐效率和推荐效果;此外,通过成本较低的无线扫码器采集线下门店物品的条码信息,在采集便利的同时,还能够有效节省使用成本。
附图说明
图1为一个实施例中门店物品推荐方法的应用环境图;
图2为一个实施例中门店物品推荐方法的流程示意图;
图3为一个实施例中获取第二物品推荐结果步骤的流程示意图;
图4为另一个实施例中门店物品推荐方法的流程示意图;
图5为一个实施例中门店物品推荐装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的门店物品推荐方法,可以应用于如图1所示的应用环境中。其中,无线扫码器102通过网络与服务器104进行通信,服务器还与移动终端通信连接。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他网络服务器上。无线扫码器102扫描线下门店场景中的门店物品关联的条码,得到条码信息,无线扫码器102将条码信息发送到服务器104上;服务器104对与无线扫码器采集的条码信息对应的物品款码进行关联推荐,得到第一物品推荐结果;根据目标物品的目标条码信息,查询物品三维模型库,得到目标物品的物品三维模型;目标物品从第一物品推荐结果中选择得到;通过将试戴部位的部位图像和物品三维模型进行匹配处理,得到试戴部位的三维试戴效果;试戴部位为针对目标物品所确定的试戴部位;进而根据三维试戴效果的展示时间、目标物品的试戴次数和目标条码信息对应的目标物品款码,对第一物品推荐结果进行更新,得到第二物品推荐结果。其中,无线扫码器102可以但不限于是各种便携式无线扫码设备、手持无线扫码枪、桌面立式无线扫码器等。其中,服务器104上集成有一个或多个无线接收模块,无线接收模块用于接收无线扫码器102发送的数据。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。移动终端106包括但不限于是个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,便携式可穿戴设备可为智能手表、智能手环、头戴设备等。
在一个实施例中,如图2所示,提供了一种门店物品推荐方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤S201,对与无线扫码器采集的条码信息对应的物品款码进行关联推荐,得到第一物品推荐结果。
其中,条码信息指的是通过识别门店物品关联的条码得到的编码数据。通过服务器,对线下门店中的每一个门店物品生成条码信息;将条码信息与物品款码之间的对应关系记录在门店物品数据库中。
其中,物品款码指的是描述物品的外观、材质、宝石类型、工艺信息、颜色、图案特征、物品类别等多个维度的数据。
需要说明的是,门店物品可以是饰品,可以是服装,还可以是箱包,当然也可以是线下门店的其他物品;其中,饰品包括珠宝、手表和眼镜。
具体地,无线扫码器实时采集选择的门店物品的条码信息,通过蓝牙、2.4G、5G等无线通信技术,将条码信息发送到指定的服务器上,服务器接收条码信息并存储到预设存储位置;服务器根据条码信息与物品款码之间的对应关系,得到对应的物品款码,获取门店物品数据库中与采集的物品款码的各维度的信息相关联的物品款码;根据相关联的物品款码对应的门店物品,生成第一物品推荐结果。
其中,门店物品数据库中存储有多个线下门店中门店物品的物品款码、物品信息、条码信息等数据。
其中,第一推荐结果通过被推荐的门店物品的物品信息、款码信息和条码信息等数据构成。
步骤S202,根据目标物品的目标条码信息,查询物品三维模型库,得到目标物品的物品三维模型;目标物品从第一物品推荐结果中选择得到。
其中,目标物品指的是需要进行虚拟试戴的门店物品。
其中,目标条码信息指的是目标物品的条码信息。
具体地,服务器将第一物品推荐结果发送到对应线下门店的移动终端上,移动终端展示第一物品推荐结果。从第一物品推荐结果中选择需要虚拟试戴的目标物品,然后无线扫码器采集目标物品的目标条码信息,并将目标条码信息发送到服务器;服务器通过目标条码信息,从物品三维模型库中,查询得到目标物品的物品三维模型;服务器将物品三维模型发送到移动终端上,以便于移动终端展示目标物品的物品三维模型。
步骤S203,将试戴部位的部位图像和物品三维模型进行匹配处理,得到试戴部位的三维试戴效果;试戴部位为针对目标物品所确定的试戴部位。
其中,试戴部位指的是待虚拟试戴目标物品的身体部位,例如,试戴项链的颈部,试戴手镯的腕部,试戴戒指的手部。
具体地,服务器识别得到试戴部位的部位图像中的目标试戴位置,根据目标试戴位置的图像位置信息,对物品三维模型展示的角度、大小进行调整,得到调整后的物品三维模型,将调整后的物品三维模型匹配到部位图像中的目标试戴位置,得到试戴部位的物品三维匹配结果,将该物品三维匹配结果作为试戴部位的三维试戴效果;服务器将三维试戴效果发送到移动终端上,以便于移动终端进行展示。
举例说明,假设试戴部位为用户的颈部,目标物品和物品三维模型分别为黄金项链和黄金项链三维模型,则移动终端将用户的颈部图像发送到服务器,服务器识别出颈部图像中的颈部试戴位置,根据颈部试戴位置的宽度和角度,调整黄金项链三维模型的大小和角度,将调整后的黄金项链三维模型贴图或套入到颈部图像上,作为用户的颈部试戴黄金项链的三维试戴效果。
步骤S204,根据三维试戴效果的展示时间、目标物品的试戴次数和目标条码信息对应的目标物品款码,对第一物品推荐结果进行更新,得到第二物品推荐结果。
其中,展示时间指的是目标物品的三维试戴效果在移动终端上的展示时长。
其中,试戴次数指的是目标物品进行虚拟试戴的次数。
需要说明的是,本方案对物品三维模型切换过程中消耗的时长忽略不计,默认物品三维模型的展示时间相当于用户的试戴时长。
具体地,移动终端采集各个目标物品的三维试戴效果的展示时间和试戴次数,然后将各个目标物品的试戴次数和三维试戴效果的展示时间发送到服务器,服务器接收各个目标物品的试戴次数和三维试戴效果的展示时间;服务器根据目标条码信息对应的目标物品款码,得到与目标物品款码的第二关联度满足预设关联度条件的第二关联物品款码对应的门店物品,作为目标物品推荐结果;根据三维试戴效果的展示时间和目标物品的试戴次数,从第一物品推荐结果和目标推荐结果中,筛选出第二物品推荐结果。
其中,第二推荐结果通过被推荐的门店物品的物品信息、款码信息和条码信息等数据构成。
上述门店物品推荐方法中,对与无线扫码器采集的条码信息对应的物品款码进行关联推荐,得到第一物品推荐结果;根据目标物品的目标条码信息,查询物品三维模型库,得到目标物品的物品三维模型;目标物品从第一物品推荐结果中选择得到;通过将试戴部位的部位图像和物品三维模型进行匹配处理,得到试戴部位的三维试戴效果;试戴部位为针对目标物品所确定的试戴部位;进而根据三维试戴效果的展示时间、目标物品的试戴次数和目标条码信息对应的目标物品款码,对第一物品推荐结果进行更新,得到第二物品推荐结果。采用本方法,能够根据实时采集的条码信息得到第一物品推荐结果,并根据第一物品推荐结果中目标物品的试戴次数、展示时间等信息,进行更精细的推荐,得到第二物品推荐结果,而无需读取用户的相关信息,提高了线下门店物品的推荐效率和推荐效果;此外,通过成本较低的无线扫码器采集线下门店物品的条码信息,在采集便利的同时,还能够有效节省使用成本。
在一个实施例中,上述步骤S201,对与无线扫码器采集的条码信息对应的物品款码进行关联推荐,得到第一物品推荐结果,具体包括如下步骤:分别获取物品款码与门店物品数据库中各物品款码之间的第一关联度;将第一关联度满足预设关联度条件的关联物品款码对应的门店物品,作为第一物品推荐结果。
其中,第一关联度指的是无线扫码器采集的条码信息对应的物品款码和门店物品数据库中各物品款码之间的相关性。
具体地,服务器判断门店物品数据库中各物品款码和物品款码之间的数据关系,得到款码关系;根据与款码关系相匹配的预设关联度处理方式,对物品款码与门店物品数据库中各物品款码之间的相关性进行计算,得到物品款码与门店物品数据库中各物品款码之间的第一关联度。例如,数据关系可以是不存在,可以是线性关系,也可以是随机关系,还可以非线性关系,当然也可以是其他类型的数据关系。
进一步地,服务器从根据第一关联度的数值信息,对第一关联度进行排序,得到排序后的第一关联度;从排序后的第一关联度中,选取满足预设关联度条件目标第一关联度,将目标第一关联度的关联物品款码对应的门店物品,作为第一物品推荐结果。例如,将预设关联度条件设置为前6个数值最高的关联度,那么先获取第一关联度中前6个数值最大的关联度对应的关联物品款码,再获取关联物品款码对应的关联门店物品,将关联门店物品作为第一物品推荐结果进行推荐。
本实施例中,服务器根据物品款码与门店物品数据库中各物品款码之间的第一关联度,将第一关联度满足预设关联度条件的关联物品款码对应的门店物品进行推荐,得到第一物品推荐结果,实现了通过线下门店的实时采集的条码信息对应的物品款码进行实时推荐,提高了线下门店物品的推荐效率,无需使用用户数据,提高了用户数据的安全性和隐私性。
在一个实施例中,获取物品款码与门店物品数据库中各历史物品款码之间的第一关联度,具体包括如下步骤:分别将物品款码和门店物品数据库中各历史物品款码对应映射为第一向量和第二向量;根据第一向量和第二向量之间的向量相似度,得到物品款码与各历史物品款码之间的第一关联度。
具体地,当门店物品数据库中各物品款码和物品款码之间的数据关系存在时,服务器将至少一张物品图像输入到预先训练的特征提取网络,得到特征提取网络输出的至少一个物品特征向量;建立物品特征向量与物品款码之间的向量映射关系;根据向量映射关系,确定物品款码对应的第一向量,以及各历史物品款码对应的第二向量;对第一向量分别与各第二向量进行距离计算,得到第一向量和各第二向量之间的向量相似度,作为物品款码与各历史物品款码之间的第一关联度。例如,根据第一向量和各第二向量之间的欧氏距离、余弦距离、曼哈顿距离、皮尔逊相关系数等,来得到向量相似度。
进一步地,当门店物品数据库中各物品款码和物品款码之间的数据关系不存在时,服务器分别获取物品款码和门店物品数据库中各物品款码对应的当前物品特征信息和各物品特征信息;将当前物品特征信息和各物品特征信息,输入到训练完成的特征语义匹配模型中,得到当前物品特征信息与各物品特征信息之间的语义匹配结果,将语义匹配结果作为第一关联度。
需要说明的是,门店A的门店物品的物品款码,是按照1、2、3、4、5等顺序生成,则可以认为门店A的物品款码之间的数据关系不存在,此时使用向量距离去判断物品款码之间的相关性是没有意义的,因而本方法通过物品款码对应的物品特征信息进行语义匹配处理,来得到物品特征信息之间的语义关联度。例如,假设选择的门店物品的物品特征信息为黄金-镶嵌钻石,则分别将黄金和镶嵌钻石输入到特征语义匹配模型中,得到与黄金语义匹配度较高的物品特征信息和与镶嵌钻石语义匹配度较高的物品特征信息。
在本实施例中,服务器根据门店物品数据库中各物品款码和物品款码之间的数据关系,采用不同的第一该关联度获取方式,实现了对物品款码与门店物品数据库中各物品款码之间的关联度的合理获取,能够为门店物品的推荐提供准确、合理的依据,从而提高了线下门店物品的推荐效果。
在一个实施例中,如图3所示,上述步骤S204,根据三维试戴效果的展示时间、目标物品的试戴次数和目标条码信息对应的目标物品款码,对第一物品推荐结果进行更新,得到第二物品推荐结果,具体包括如下步骤:
步骤S301,获取门店物品数据库中各预设物品类别对应的初始类别权重和各预设物品款码对应的初始款码权重。
步骤S302,根据目标物品所属的物品类别和目标物品的试戴次数,对各预设物品类别对应的初始类别权重进行更新,得到各预设物品类别对应的更新后类别权重。
步骤S303,根据目标物品的展示时间和目标物品款码,对各预设物品款码对应的初始款码权重进行更新,得到各预设物品款码对应的更新后款码权重。
步骤S304,根据更新后类别权重和更新后款码权重,对目标物品推荐结果和第一物品推荐结果进行更新,得到第二物品推荐结果。
其中,初始类别权重指的是为门店物品数据库中各预设物品类别设置的初始权重。例如,门店物品数据库中包含物品类别1,物品类别2,物品类别3和物品类别4,将物品类别1,物品类别2,物品类别3和物品类别4的初始类别权重均设置为0.25。
其中,初始款码权重指的是为门店物品数据库中各预设物品款码设置的初始权重。
具体地,预先确定并存储门店物品数据库中各预设物品类别对应的初始类别权重和各预设物品款码对应的初始款码权重;服务器接收到目标物品的试戴次数和目标物品的展示时间后,从门店物品数据库中,获取预先存储的各预设物品类别对应的初始类别权重和各预设物品款码对应的初始款码权重。
服务器判断目标物品所属的物品类别,根据目标物品的试戴次数,对目标物品所属的物品类别对应的初始类别权重进行增加,并对预设物品类别中除目标物品所属的物品类别之外的物品类别对应的初始类别权重进行减少,得到各预设物品类别对应的更新后类别权重。例如,移动终端上展示的第一推荐结果中包含物品a、物品b、物品c、物品d和物品e,其中,物品a的物品类别为1,物品b的物品类别为1,物品c的物品类别为2,物品d的物品类别为3,物品e的物品类别为4。用户选中物品a、物品b、物品c和物品e作为目标物品,物品a的试戴次数为2次,物品b的试戴次数为1次,物品c的试戴次数为5次,物品d的试戴次数为0次,物品e的试戴次数为4次;物品类别1至物品类别4的初始类别权重均为m;由于物品c的试戴次数最多,则物品类别2的更新后类别权重为m+i,由于物品e的试戴次数第二多,则物品类别4的更新后类别权重为m+j,由于物品a和物品b属于同一物品类别,物品a和物品b进行了试戴,但是它们的综合试戴次数最少,则物品类别1的更新后类别权重为m+k,由于物品d未进行试戴,则物品类别3的更新后类别权重为m-i-j-k,其中,i>j>k。
服务器判断目标物品款码所属的物品款码;根据目标物品的展示时间,对目标物品款码所属的物品款码对应的初始款码权重进行增加,并对预设物品款码中除目标物品款码所属的物品款码之外的物品款码对应的初始款码权重进行减少,得到各预设物品款码对应的更新后款码权重。例如,移动终端上展示的第一推荐结果中包含物品a、物品b、物品c和物品d,其中,物品a的物品款码为1000,物品b的物品款码为1001,物品c的物品款码为1010,物品d的物品款码为1100。用户选中物品a、物品b和物品c作为目标物品,物品a的试戴时长为3分钟,物品b的试戴时长为1分钟,物品c的试戴次数为10分钟,物品d的试戴时长为0分钟;物品款码1000、物品款码1001、物品款码1010和物品款码1100的初始款码权重均为n;由于物品c的试戴时长最长,则物品款码1010的更新后款码权重为n+p,由于物品a的试戴时长第二长,则物品款码1000的更新后款码权重为n+q,由于物品b进行了试戴,但其试戴时长最短,则物品款码1001的更新后款码权重为n+l,由于物品d的试戴时长进行了试戴,则物品款码1100的更新后款码权重为n-p-q-l,其中,p>q>l。
根据更新后类别权重和更新后款码权重,分别对目标物品推荐结果中的物品类别和款码关联度和第一物品推荐结果中的物品类别和款码关联度进行加权,得到目标物品推荐结果中各门店物品的综合推荐数据,以及第一物品推荐结果中各门店物品的综合推荐数据;将综合推荐数据中满足预设推荐数据阈值的目标综合推荐对应的门店物品,作为第二物品推荐结果。
在本实施例中,服务器根据实时采集的第一物品推荐结果中目标物品的试戴次数、展示时间等信息,得到更精准的第二物品推荐结果,提高了线下门店的推荐效率,通过结合第一物品推荐结果和标物品推荐结果中的门店物品进行综合推荐,提高了线下门店物品的推荐效果。
在一个实施例中,在根据目标物品的目标条码信息,查询物品三维模型库,得到目标物品的物品三维模型之前,还包括:获取目标物品的至少一张物品图像;根据至少一张物品图像,对目标物品进行三维重建,得到目标物品的物品三维模型;建立物品三维模型与目标物品的目标物品款码之间的映射关系,并将映射关系和物品三维模型存储至物品三维模型库。
其中,物品三维模型库存储有每一个物品款码对应的物品三维模型,以及物品三维模型与物品款码之间的映射关系。
具体地,通过拍摄装置拍摄线下门店中各门店物品的至少一张物品图像,将至少一张物品图像发送到服务器;服务器将至少一张物品图像,输入到渲染信息模型中,得到至少一张物品图像的渲染信息;将至少一张物品图像,输入到特征提取网络模型中,得到至少一张物品图像的图像特征;根据至少一张物品图像、至少一张物品图像的渲染信息和至少一张物品图像的图像特征,对各门店物品进行三维重建,得到各门店物品的物品三维模型。服务器构建各门店物品的物品三维模型与各门店物品的物品款码之间的映射关系,并将映射关系和各门店物品的物品三维模型存储至物品三维模型库中。
举例说明,假设物品款码为0001-0010-0100-1000,某线下门店中,物品款码为0001-0010-0100-1000的门店物品有物品A、物品B、物品C和物品D,由于物品A、物品B、物品C和物品D都是同款样式、材质和工艺的饰品,所以物品A、物品B、物品C和物品D的物品款码相同,但是线下门店为了区分各个物品,常常会给物品A、物品B、物品C和物品D设置不同的条码信息。因此,即使物品A、物品B、物品C和物品D的物品款码相同,它们的条码信息也可能不同。
上述步骤S202,根据目标物品的目标条码信息,查询物品三维模型库,得到目标物品的物品三维模型,具体包括如下步骤:根据目标物品款码与物品三维模型之间的映射关系,从物品三维模型库中,查询得到目标物品的物品三维模型。
具体地,服务器根据目标物品款码与物品三维模型之间的映射关系,生成物品三维模型对应的模型查询指令;通过模型查询指令查询物品三维模型库,得到目标物品的物品三维模型。
在本实施例中,通过为门店物品建立物品三维模型,物品款码与物品三维模型之间的映射关系,查询得到目标物品的物品三维模型,无需建立条码信息与物品三维模型之间的映射关系,避免了对样式、材质和工艺等多维度均相同的、条码信息却不同的物品的重复建模,提高了物品三维模型构建效率,节省了门店物品构建物品三维模型的构建成本。此外,通过物品三维模型进行虚拟试戴,还能够提升线下门店场景的相关数据采集的及时性,从而提高了线下门店物品的推荐效率。
在一个实施例中,上述步骤S203,将试戴部位的部位图像和物品三维模型进行匹配处理,得到试戴部位的三维试戴效果,具体包括如下步骤:确定试戴部位的部位类型;根据部位类型对应的定位模型,对试戴部位的部位图像进行特征定位处理,得到部位图像中的目标试戴位置;将物品三维模型匹配至部位图像中的目标试戴位置,得到试戴部位的三维试戴效果。
其中,定位模型指的是用于识别部位图像中需要匹配物品三维模型的图像位置的模型。
具体地,服务器将试戴部位的部位图像,输入到预先训练完成的图像识别模型中,得到试戴部位的部位类型;然后服务器从预先训练完成的多个定位模型中,得到部位类型对应的定位模型;进而将试戴部位的部位图像,输入到部位类型对应的定位模型中进行特征定位处理,得到部位图像中的多个目标像素,根据目标像素的像素位置信息,生成目标试戴位置;根据目标试戴位置,对物品三维模型的大小、位置和角度等信息进行调整,将调整后的物品三维模型展示在部位图像中的目标试戴位置,得到试戴部位的三维试戴效果。
在本实施例中,通过定位模型对试戴部位的部位图像进行特征定位处理,能够得到部位图像中的目标试戴位置;进而将物品三维模型匹配至部位图像中的目标试戴位置,得到试戴部位的三维试戴效果。采用本方法,能够实现线下门店的门店物品的虚拟试戴,并通过实时采集虚拟试戴时物品试戴次数和展示时长,去自动得到第二物品推荐结果,从而提高了线下门店物品的推荐效率和推荐效果。
在一个实施例中,如图4所示,提供了另一种门店物品推荐方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤S401,分别将物品款码和门店物品数据库中各历史物品款码对应映射为第一向量和第二向量;根据第一向量和第二向量之间的向量相似度,得到物品款码与各历史物品款码之间的第一关联度。
步骤S402,将第一关联度满足预设关联度条件的关联物品款码对应的门店物品,作为第一物品推荐结果。
步骤S403,根据目标物品的至少一张物品图像,对目标物品进行三维重建,得到目标物品的物品三维模型;建立物品三维模型与目标物品的目标物品款码之间的映射关系,并将映射关系和物品三维模型存储至物品三维模型库。
步骤S404,根据目标物品款码与物品三维模型之间的映射关系,从物品三维模型库中,查询得到目标物品的物品三维模型。
步骤S405,确定试戴部位的部位类型;根据部位类型对应的定位模型,对试戴部位的部位图像进行特征定位处理,得到部位图像中的目标试戴位置。
步骤S406,将物品三维模型匹配至部位图像中的目标试戴位置,得到试戴部位的三维试戴效果。
步骤S407,根据目标物品所属的物品类别和目标物品的试戴次数,对门店物品数据库中各预设物品类别对应的初始类别权重进行更新,得到各预设物品类别对应的更新后类别权重。
步骤S408,根据目标物品的展示时间和目标物品款码,对门店物品数据库中各预设物品款码对应的初始款码权重进行更新,得到各预设物品款码对应的更新后款码权重。
步骤S409,根据目标物品款码与门店物品数据库中各历史物品款码之间的第二关联度,得到目标物品推荐结果。
步骤S410,根据更新后类别权重和更新后款码权重,对目标物品推荐结果和第一物品推荐结果进行更新,得到第二物品推荐结果。
在本实施例中,能够根据实时采集的条码信息得到第一物品推荐结果,并根据第一物品推荐结果中目标物品的试戴次数、展示时间等信息,进行更精细的推荐,得到第二物品推荐结果,而无需读取用户的相关信息,提高了线下门店物品的推荐效率和推荐效果;此外,通过成本较低的无线扫码器采集线下门店物品的条码信息,在采集便利的同时,还能够有效节省使用成本。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,提供了一种门店物品推荐系统,如图1所示,包括:无线扫码器和服务器;无线扫码器与服务器通讯连接。
无线扫码器,用于采集物品的条码信息,并将条码信息转发到服务器。
服务器,用于执行上述门店物品推荐方法中的实施例的步骤。
其中,服务器上集成有一个或多个无线接收模块,无线接收模块用于接收无线扫码器发送的数据。
需要说明的是,无线扫码器应用成本比射频识别(Radio FrequencyIdentification,RFID)标签小,能够广泛应用在线下门店场景中。
具体地,无线扫码器实时采集选择的门店物品的条码信息,通过蓝牙、2.4G、5G等无线通信技术,将条码信息发送到指定的服务器上,服务器接收条码信息并存储到预设存储位置,服务器执行相应处理。无线扫码器与服务器之间采用多对一的接收方式,即多个无线扫码器将采集的数据发送到同一个服务器上。
在本实施例中,通过无线扫码器扫描读取门店物品的条码信息,无需为门店物品配置RFID标签,有效地节省了线下门店的开发成本,采用多对一的接收方式,可以通过一个无线接收模块来实现数据的接收,而无需设置多个无线接收模块,进一步节省了线下门店的开发成本。同时,无线扫码器的实时采集,还提高了线下门店物品推荐的及时性。
在一个实施例中,门店物品推荐系统还包括移动终端,用于接收和展示服务器发送的目标物品的物品三维模型、试戴部位的三维试戴效果、第一物品推荐结果和第二物品推荐结果。
其中,移动终端包括但不限于是个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,便携式可穿戴设备可为智能手表、智能手环、头戴设备等。
具体地,移动终端指的是线下门店工作人员使用的终端设备。移动终端上携带有拍摄装置,能够采集用户的试戴部位的部位图像。移动终端还用于将试戴部位的部位图像发送到服务器。
在本实施例中,通过移动终端进行物品三维模型、三维试戴效果的展示,便于使用,还提高了线下门店物品的推荐效果,通过移动终端上的拍摄装置实时采集试戴部位的部位图像,能够提高线下门店物品的推荐效率。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的门店物品推荐方法的门店物品推荐装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个门店物品推荐装置实施例中的具体限定可以参见上文中对于门店物品推荐方法的限定,在此不再赘述。
在一个实施例中,如图5所示,提供了一种门店物品推荐装置500,包括:第一物品推荐模块501、三维模型获取模块502、试戴效果处理模块503和第二物品推荐模块504,其中:
第一物品推荐模块501,用于对与无线扫码器采集的条码信息对应的物品款码进行关联推荐,得到第一物品推荐结果。
三维模型获取模块502,用于根据目标物品的目标条码信息,查询物品三维模型库,得到目标物品的物品三维模型;目标物品从第一物品推荐结果中选择得到。
试戴效果处理模块503,用于将试戴部位的部位图像和物品三维模型进行匹配处理,得到试戴部位的三维试戴效果;试戴部位为针对目标物品所确定的试戴部位。
第二物品推荐模块504,用于根据三维试戴效果的展示时间、目标物品的试戴次数和目标条码信息对应的目标物品款码,对第一物品推荐结果进行更新,得到第二物品推荐结果。
在一个实施例中,第一物品推荐模块501,还用于分别获取物品款码与门店物品数据库中各物品款码之间的第一关联度;将第一关联度满足预设关联度条件的关联物品款码对应的门店物品,作为第一物品推荐结果。
在一个实施例中,门店物品推荐装置500还包括关联度确定模块,用于分别将物品款码和门店物品数据库中各历史物品款码对应映射为第一向量和第二向量;根据第一向量和第二向量之间的向量相似度,得到物品款码与各历史物品款码之间的第一关联度。
在一个实施例中,第二物品推荐模块504,还用于获取门店物品数据库中各预设物品类别对应的初始类别权重和各预设物品款码对应的初始款码权重;根据目标物品所属的物品类别和目标物品的试戴次数,对各预设物品类别对应的初始类别权重进行更新,得到各预设物品类别对应的更新后类别权重;根据目标物品的展示时间和目标物品款码,对各预设物品款码对应的初始款码权重进行更新,得到各预设物品款码对应的更新后款码权重;根据目标物品款码与门店物品数据库中各历史物品款码之间的第二关联度,得到目标物品推荐结果;根据更新后类别权重和更新后款码权重,对目标物品推荐结果和第一物品推荐结果进行更新,得到第二物品推荐结果。
在一个实施例中,门店物品推荐装置500还包括三维模型构建模块,用于获取目标物品的至少一张物品图像;根据至少一张物品图像,对目标物品进行三维重建,得到目标物品的物品三维模型;建立物品三维模型与目标物品的目标物品款码之间的映射关系,并将映射关系和物品三维模型存储至物品三维模型库。三维模型获取模块502,还用于根据目标物品款码与物品三维模型之间的映射关系,从物品三维模型库中,查询得到目标物品的物品三维模型。
在一个实施例中,试戴效果处理模块503,还用于确定试戴部位的部位类型;根据部位类型对应的定位模型,对试戴部位的部位图像进行特征定位处理,得到部位图像中的目标试戴位置;将物品三维模型匹配至部位图像中的目标试戴位置,得到试戴部位的三维试戴效果。
上述门店物品推荐装置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中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储条码信息、物品款码和物品信息等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种门店物品推荐方法。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息和用户试戴部位的部位图像等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
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,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,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、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (11)
1.一种门店物品推荐方法,其特征在于,所述方法包括:
对与无线扫码器采集的条码信息对应的物品款码进行关联推荐,得到第一物品推荐结果;
根据目标物品的目标条码信息,查询物品三维模型库,得到所述目标物品的物品三维模型;所述目标物品从所述第一物品推荐结果中选择得到;
将试戴部位的部位图像和所述物品三维模型进行匹配处理,得到所述试戴部位的三维试戴效果;所述试戴部位为针对所述目标物品所确定的试戴部位;
根据所述三维试戴效果的展示时间、所述目标物品的试戴次数和所述目标条码信息对应的目标物品款码,对所述第一物品推荐结果进行更新,得到第二物品推荐结果。
2.根据权利要求1所述的方法,其特征在于,所述对与无线扫码器采集的条码信息对应的物品款码进行关联推荐,得到第一物品推荐结果,包括:
分别获取所述物品款码与门店物品数据库中各物品款码之间的第一关联度;
将所述第一关联度满足预设关联度条件的关联物品款码对应的门店物品,作为所述第一物品推荐结果。
3.根据权利要求2所述的方法,其特征在于,所述分别获取所述物品款码与门店物品数据库中各历史物品款码之间的第一关联度,包括:
分别将所述物品款码和所述门店物品数据库中各历史物品款码对应映射为第一向量和第二向量;
根据所述第一向量和所述第二向量之间的向量相似度,得到所述物品款码与所述各历史物品款码之间的第一关联度。
4.根据权利要求1所述的方法,其特征在于,所述根据所述三维试戴效果的展示时间、所述目标物品的试戴次数和所述目标条码信息对应的目标物品款码,对所述第一物品推荐结果进行更新,得到第二物品推荐结果,包括:
获取门店物品数据库中各预设物品类别对应的初始类别权重和各预设物品款码对应的初始款码权重;
根据所述目标物品所属的物品类别和所述目标物品的试戴次数,对所述各预设物品类别对应的初始类别权重进行更新,得到所述各预设物品类别对应的更新后类别权重;
根据所述目标物品的展示时间和所述目标物品款码,对所述各预设物品款码对应的初始款码权重进行更新,得到所述各预设物品款码对应的更新后款码权重;
根据所述目标物品款码与门店物品数据库中各历史物品款码之间的第二关联度,得到目标物品推荐结果;
根据所述更新后类别权重和所述更新后款码权重,对所述目标物品推荐结果和所述第一物品推荐结果进行更新,得到所述第二物品推荐结果。
5.根据权利要求1所述的方法,其特征在于,在根据目标物品的目标条码信息,查询物品三维模型库,得到所述目标物品的物品三维模型之前,还包括:
获取所述目标物品的至少一张物品图像;
根据所述至少一张物品图像,对所述目标物品进行三维重建,得到目标物品的物品三维模型;
建立所述物品三维模型与所述目标物品的目标物品款码之间的映射关系,并将所述映射关系和所述物品三维模型存储至所述物品三维模型库;
所述根据目标物品的目标条码信息,查询物品三维模型库,得到所述目标物品的物品三维模型,包括:
根据所述目标物品款码与所述物品三维模型之间的映射关系,从所述物品三维模型库中,查询得到所述目标物品的物品三维模型。
6.根据权利要求1所述的方法,其特征在于,所述将试戴部位的部位图像和所述物品三维模型进行匹配处理,得到所述试戴部位的三维试戴效果,包括:
确定所述试戴部位的部位类型;
根据所述部位类型对应的定位模型,对所述试戴部位的部位图像进行特征定位处理,得到所述部位图像中的目标试戴位置;
将所述物品三维模型匹配至所述部位图像中的目标试戴位置,得到所述试戴部位的三维试戴效果。
7.一种门店物品推荐装置,其特征在于,所述装置包括:
第一物品推荐模块,用于对与无线扫码器采集的条码信息对应的物品款码进行关联推荐,得到第一物品推荐结果;
三维模型获取模块,用于根据目标物品的目标条码信息,查询物品三维模型库,得到所述目标物品的物品三维模型;所述目标物品从所述第一物品推荐结果中选择得到;
试戴效果处理模块,用于将试戴部位的部位图像和所述物品三维模型进行匹配处理,得到所述试戴部位的三维试戴效果;所述试戴部位为针对所述目标物品所确定的试戴部位;
第二物品推荐模块,用于根据所述三维试戴效果的展示时间、所述目标物品的试戴次数和所述目标条码信息对应的目标物品款码,对所述第一物品推荐结果进行更新,得到第二物品推荐结果。
8.一种门店物品推荐系统,其特征在于,所述系统包括:无线扫码器和服务器;所述无线扫码器与所述服务器通讯连接;
所述无线扫码器,用于采集物品的条码信息,并将所述条码信息转发到所述服务器;
所述服务器,用于执行权利要求1至6中任一项所述的方法的步骤。
9.根据权利要求8所述的系统,所述系统还包括移动终端,用于接收和展示所述服务器发送的目标物品的物品三维模型、试戴部位的三维试戴效果、第一物品推荐结果和第二物品推荐结果。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210618360.2A CN114693414B (zh) | 2022-06-02 | 2022-06-02 | 门店物品推荐方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210618360.2A CN114693414B (zh) | 2022-06-02 | 2022-06-02 | 门店物品推荐方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114693414A true CN114693414A (zh) | 2022-07-01 |
CN114693414B CN114693414B (zh) | 2022-11-04 |
Family
ID=82131008
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210618360.2A Active CN114693414B (zh) | 2022-06-02 | 2022-06-02 | 门店物品推荐方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114693414B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116524088A (zh) * | 2023-07-03 | 2023-08-01 | 深圳星坊科技有限公司 | 珠宝虚拟试戴方法、装置、计算机设备和存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104156746A (zh) * | 2014-08-13 | 2014-11-19 | 西华大学 | 基于rfid服装标签的专卖体验店管理系统及其方法 |
CN105956161A (zh) * | 2016-05-17 | 2016-09-21 | 北京奇虎科技有限公司 | 一种信息推荐方法和装置 |
CN106971249A (zh) * | 2017-05-05 | 2017-07-21 | 北京挖玖电子商务有限公司 | 一种销量预测及补货方法 |
CN109360037A (zh) * | 2018-08-17 | 2019-02-19 | 深圳市赛亿科技开发有限公司 | 衣物推荐的方法、智能试衣镜及计算机可读存储介质 |
CN110148040A (zh) * | 2019-05-22 | 2019-08-20 | 珠海随变科技有限公司 | 一种虚拟试衣方法、装置、设备和存储介质 |
CN111178920A (zh) * | 2018-11-09 | 2020-05-19 | 阿里巴巴集团控股有限公司 | 商品对象信息推荐方法、装置及系统 |
CN111310049A (zh) * | 2020-02-25 | 2020-06-19 | 腾讯科技(深圳)有限公司 | 一种信息交互方法及相关设备 |
CN111353843A (zh) * | 2018-12-24 | 2020-06-30 | 阿里巴巴集团控股有限公司 | 商品的推送方法、装置和系统 |
CN113554484A (zh) * | 2021-07-21 | 2021-10-26 | 恒信玺利实业股份有限公司 | 一种虚拟试戴方法、装置、存储介质及电子设备 |
US20220022582A1 (en) * | 2018-02-27 | 2022-01-27 | Levi Strauss & Co. | Recommendations and Allocations in an Apparel Management System |
US20220051361A1 (en) * | 2019-11-05 | 2022-02-17 | Strong Force Vcn Portfolio 2019, Llc | Artificial intelligence system for control tower and enterprise management platform managing container fleet |
-
2022
- 2022-06-02 CN CN202210618360.2A patent/CN114693414B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104156746A (zh) * | 2014-08-13 | 2014-11-19 | 西华大学 | 基于rfid服装标签的专卖体验店管理系统及其方法 |
CN105956161A (zh) * | 2016-05-17 | 2016-09-21 | 北京奇虎科技有限公司 | 一种信息推荐方法和装置 |
CN106971249A (zh) * | 2017-05-05 | 2017-07-21 | 北京挖玖电子商务有限公司 | 一种销量预测及补货方法 |
US20220022582A1 (en) * | 2018-02-27 | 2022-01-27 | Levi Strauss & Co. | Recommendations and Allocations in an Apparel Management System |
CN109360037A (zh) * | 2018-08-17 | 2019-02-19 | 深圳市赛亿科技开发有限公司 | 衣物推荐的方法、智能试衣镜及计算机可读存储介质 |
CN111178920A (zh) * | 2018-11-09 | 2020-05-19 | 阿里巴巴集团控股有限公司 | 商品对象信息推荐方法、装置及系统 |
CN111353843A (zh) * | 2018-12-24 | 2020-06-30 | 阿里巴巴集团控股有限公司 | 商品的推送方法、装置和系统 |
CN110148040A (zh) * | 2019-05-22 | 2019-08-20 | 珠海随变科技有限公司 | 一种虚拟试衣方法、装置、设备和存储介质 |
US20220051361A1 (en) * | 2019-11-05 | 2022-02-17 | Strong Force Vcn Portfolio 2019, Llc | Artificial intelligence system for control tower and enterprise management platform managing container fleet |
CN111310049A (zh) * | 2020-02-25 | 2020-06-19 | 腾讯科技(深圳)有限公司 | 一种信息交互方法及相关设备 |
CN113554484A (zh) * | 2021-07-21 | 2021-10-26 | 恒信玺利实业股份有限公司 | 一种虚拟试戴方法、装置、存储介质及电子设备 |
Non-Patent Citations (7)
Title |
---|
ADITHYA NARAYAN等: "IOT Based Comprehensive Retail Malpractice Detection and Payment System", 《2020 IEEE INTERNATIONAL CONFERENCE ON ELECTRONICS, COMPUTING AND COMMUNICATION TECHNOLOGIES (CONECCT)》 * |
WEI LIANG: "Functional Workspace Optimization via Learning Personal Preferences from Virtual ExperiencesFunctional Workspace Optimization via Learning Personal Preferences from Virtual Experiences", 《IEEE TRANSACTIONS ON VISUALIZATION AND COMPUTER GRAPHICS》 * |
WEI-LIN HSIAO等: "ViBE: Dressing for Diverse Body Shapes", 《2020 IEEE/CVF CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION》 * |
ZHOU HUIXIANG等: "The design of distance education system based on P2P technology", 《PROCEEDINGS OF THE 2009 INTERNATIONAL FORUM ON COMPUTER SCIENCE-TECHNOLOGY AND APPLICATIONS (IFCSTA 2009)》 * |
周会祥等: "基于P2P技术的混合云存储模型", 《华中科技大学学报(自然科学版)》 * |
李智超: "基于Kinect的虚拟试衣系统的设计与实现", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
栗景: "圣得西服装搭配推荐系统设计研究与实践", 《中国优秀博硕士学位论文全文数据库(硕士)经济与管理科学辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116524088A (zh) * | 2023-07-03 | 2023-08-01 | 深圳星坊科技有限公司 | 珠宝虚拟试戴方法、装置、计算机设备和存储介质 |
CN116524088B (zh) * | 2023-07-03 | 2023-09-19 | 深圳星坊科技有限公司 | 珠宝虚拟试戴方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114693414B (zh) | 2022-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6825141B2 (ja) | 服飾コーディネーションの推薦方法および装置、電子デバイス、記憶媒体 | |
US10942967B1 (en) | Verifying item attributes using artificial intelligence | |
CN104504055B (zh) | 基于图像相似度的商品相似计算方法及商品推荐系统 | |
US9082086B2 (en) | Adaptively learning a similarity model | |
CN110910199A (zh) | 项目信息的排序方法、装置、计算机设备及存储介质 | |
CN113254549B (zh) | 人物关系挖掘模型的训练方法、人物关系挖掘方法及装置 | |
CN104778594A (zh) | 一种新型的智能化网络购衣平台系统及方法 | |
CN109582876A (zh) | 旅游行业用户画像构造方法、装置和计算机设备 | |
US20120296776A1 (en) | Adaptive interactive search | |
US10460464B1 (en) | Device, method, and medium for packing recommendations based on container volume and contextual information | |
CN114693414B (zh) | 门店物品推荐方法、装置、计算机设备和存储介质 | |
CN114936301B (zh) | 智能家居建材数据的管理方法、装置、设备及存储介质 | |
CN107015659A (zh) | 一种手表虚拟试戴方法和系统 | |
US11972466B2 (en) | Computer storage media, method, and system for exploring and recommending matching products across categories | |
CN116402590B (zh) | 一种基于人工智能的个性化服装商城系统及推荐方法 | |
CN111161009B (zh) | 信息推送方法、装置、计算机设备和存储介质 | |
CN114239758B (zh) | 珠宝款码确定方法、装置、计算机设备和存储介质 | |
KR20210127464A (ko) | 딥러닝을 통한 코디 및 스타일링 방법 및 시스템 | |
CN114580791B (zh) | 膨化机工作状态识别方法、装置、计算机设备、存储介质 | |
CN114219578A (zh) | 无人服装售卖方法、装置、终端及存储介质 | |
JP6210554B2 (ja) | 認識装置、認識プログラム及び認識方法 | |
US10755342B1 (en) | Multisource augmented reality model | |
CN114283300A (zh) | 标签确定方法及装置、模型训练方法及装置 | |
CN114693371A (zh) | 门店数据分析方法、装置、计算机设备和存储介质 | |
CN111696180A (zh) | 一种虚拟仿真人的生成方法、系统、装置和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |