CN115033943A

CN115033943A - 自动鞋带特征的确定方法、装置、电子设备及存储介质

Info

Publication number: CN115033943A
Application number: CN202210745549.8A
Authority: CN
Inventors: 林子森; 吴昊; 谢子立; 林冠宇; 谢巧琳
Original assignee: Guangdong Shidi Intelligent Technology Co Ltd
Current assignee: Guangdong Shidi Intelligent Technology Co Ltd
Priority date: 2022-06-27
Filing date: 2022-06-27
Publication date: 2022-09-09
Anticipated expiration: 2042-06-27
Also published as: CN115033943B

Abstract

本申请公开了一种自动鞋带特征的确定方法、装置、电子设备及存储介质，本申请属于物联网技术领域。包括：若检测到处于鞋体设计界面，则识别鞋体的鞋带是否设计为自动鞋带；若是，则获取鞋楦的特征数据；将所述鞋楦的特征数据输入至预先构建的自动鞋带特征模型；其中，所述自动鞋带是预先基于样本数据构建的；所述样本数据包括鞋楦的特征数据与自动鞋带的特征数据；根据所述自动鞋带特征模型的输出结果，确定自动鞋带的特征数据；并根据所述自动鞋带的特征数据生成所述自动鞋带的渲染模型。本技术方案，可以通过对鞋楦特征数据的获取和使用，可以确定自动鞋带的特征数据，从而提高设计人员对于自动鞋带的设计效率和设计的合理性。

Description

自动鞋带特征的确定方法、装置、电子设备及存储介质

技术领域

本申请属于物联网技术领域，具体涉及一种自动鞋带特征的确定方法、装置、电子设备及存储介质。

背景技术

随着科技水平的迅速发展，人们对日常穿着装备的要求也在逐渐提高。尤其是对于鞋类的穿着，由于鞋类在不同需求下设计的区别是较大的。

目前，设计人员对于鞋体的设计往往是区分成几个模块的，例如鞋底、鞋面以及鞋带等。一方面，对于不同的模块，设计人员会按照不同模块的要求进行设计，然后拼装在一起，形成整个鞋体的设计效果。另一方面，由于目前运动鞋和旅游鞋等的普及程度越来越高，人们对运动鞋和旅游鞋等的要求也逐渐提高，所以一种新型的技术，即自动鞋带的使用也在逐渐增多。因此，如何能够在鞋体设计过程中，为设计人员自动鞋带的合理设计和高效设计，是本领域技术人员亟待解决的技术问题。

发明内容

本申请实施例的目的是提供一种自动鞋带特征的确定方法、装置、电子设备及存储介质，能够解决鞋体的设计人员手动设计造成的设计效率受限的问题，通过对鞋楦特征数据的获取和使用，可以确定自动鞋带的特征数据，从而提高设计人员对于自动鞋带的设计效率和设计的合理性。

第一方面，本申请实施例提供了一种自动鞋带特征的确定方法，所述方法包括：

若检测到处于鞋体设计界面，则识别鞋体的鞋带是否设计为自动鞋带；

若是，则获取鞋楦的特征数据；

将所述鞋楦的特征数据输入至预先构建的自动鞋带特征模型；其中，所述自动鞋带是预先基于样本数据构建的；所述样本数据包括鞋楦的特征数据与自动鞋带的特征数据；

根据所述自动鞋带特征模型的输出结果，确定自动鞋带的特征数据；并根据所述自动鞋带的特征数据生成所述自动鞋带的渲染模型。

第二方面，本申请实施例提供了一种自动鞋带特征的确定装置，所述装置包括：

设计识别模块，用于若检测到处于鞋体设计界面，则识别鞋体的鞋带是否设计为自动鞋带；

鞋楦特征数据获取模块，用于若所述设计识别模块的识别结果为是，则获取鞋楦的特征数据；

鞋楦特征数据处理模块，用于将所述鞋楦的特征数据输入至预先构建的自动鞋带特征模型；其中，所述自动鞋带是预先基于样本数据构建的；所述样本数据包括鞋楦的特征数据与自动鞋带的特征数据；

自动鞋带特征数据确定模块，用于根据所述自动鞋带特征模型的输出结果，确定自动鞋带的特征数据；并根据所述自动鞋带的特征数据生成所述自动鞋带的渲染模型。

第三方面，本申请实施例提供了一种电子设备，该电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。

第四方面，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤。

第五方面，本申请实施例提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如第一方面所述的方法。

在本申请实施例中，若检测到处于鞋体设计界面，则识别鞋体的鞋带是否设计为自动鞋带；若是，则获取鞋楦的特征数据；将所述鞋楦的特征数据输入至预先构建的自动鞋带特征模型；其中，所述自动鞋带是预先基于样本数据构建的；所述样本数据包括鞋楦的特征数据与自动鞋带的特征数据；根据所述自动鞋带特征模型的输出结果，确定自动鞋带的特征数据；并根据所述自动鞋带的特征数据生成所述自动鞋带的渲染模型。通过上述自动鞋带特征的确定方法，可以解决鞋体的设计人员手动设计造成的设计效率受限的问题，通过对鞋楦特征数据的获取和使用，可以确定自动鞋带的特征数据，从而提高设计人员对于自动鞋带的设计效率和设计的合理性。

附图说明

图1是本申请实施例一提供的自动鞋带特征的确定方法的流程示意图；

图2是本申请实施例二提供的自动鞋带特征的确定方法的流程示意图；

图3是本申请实施例三提供的自动鞋带特征的确定装置的结构示意图；

图4是本申请实施例提供的电子设备的结构示意图。

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，下面结合附图对本申请具体实施例作进一步的详细描述。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本申请一部分实施例，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获得的所有其他实施例，都属于本申请保护的范围。

本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不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，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。

下面结合附图，通过具体的实施例及其应用场景对本申请实施例提供的自动鞋带特征的确定方法、装置、电子设备及存储介质进行详细地说明。

实施例一

图1是本申请实施例一提供的自动鞋带特征的确定方法的流程示意图。如图1所示，具体包括如下步骤：

S101，若检测到处于鞋体设计界面，则识别鞋体的鞋带是否设计为自动鞋带。

首先，本方案的使用场景可以是在智能终端，例如智能手机、平板电脑或者台式电脑上，在设计人员通过软件或者编辑页面进行鞋体设计时所使用的。由于鞋体设计界面可以包含工具栏、展示栏以及模型编辑栏等，设计人员可以通过工具栏选择想要使用的工具，在展示栏进行鞋体某些部件的绘制、调整等。每个部件在调整后会生成自己空间模型，在模型编辑栏中进行显示。

基于上述使用场景，可以理解的，本申请的执行主体可以是该智能终端，还可以是在智能终端中运行软件或者编辑页面的处理器，此处不做过多的限定。

本方案中，鞋体设计界面，可以是设计人员对鞋体进行设计时所进入的界面。其可以是设计软件的某个界面，还可以是通过浏览器打开的带有鞋体设计功能的界面。

本方案中，对鞋体设计界面的检测方式，可以是通过智能终端的总线识别设计软件是否被打开，如果被打开，则确定当前处于鞋体设计界面。还可以是通过识别浏览器页面的访问内容中是否包括带有鞋体设计功能的界面的网络地址，若有访问，则确定当前处于鞋体设计界面。

识别鞋体的鞋带是否设计为自动鞋带，可以是识别设计人员输入的鞋带的特征中是否包括自动鞋带选项，具体的，如果设计人员在自动鞋带选项上进行勾选，则确定为包括自动鞋带选项。

本方案中，具体的，自动鞋带可以是自动进行收紧和放松的鞋带，其收紧和放松的方式可以是通过设置旋钮按键，按一下旋钮按键上方则自动收紧，横向扭一下则将鞋带放松。可以理解的，自动鞋带的粗细以及长度等，可以是和普通鞋带存在区别的，例如为了减小自动收紧的阻力，自动鞋带的设置会相较于普通鞋带更细，再加之为了控制其收紧和放松的范围，自动鞋带的长度也是由自动鞋带的设置所绑定的，较普通鞋带的开放式设置也会存在区别。

S102，若是，则获取鞋楦的特征数据。

鞋楦的特征数据，可以包括鞋楦的宽度、高度和底部倾斜程度的数据，例如鞋楦的在某一个特定位置的上下高度等，还可以包括鞋楦的底部厚度、足弓部位曲线等。本方案中，可以包括某一个特征曲线上面的点所构成的底部倾斜程度。鞋楦的高度可以是鞋面包裹的最高处到足底之间的距离，鞋楦宽度可以是鞋楦在脚掌部位的最大宽度。除此之外，鞋楦的特征数据还可以包括鞋楦中底长、鞋楦肥度、鞋楦脚背围以及鞋楦腰围等。

S103，将所述鞋楦的特征数据输入至预先构建的自动鞋带特征模型；其中，所述自动鞋带是预先基于样本数据构建的；所述样本数据包括鞋楦的特征数据与自动鞋带的特征数据。

此处所采用的自动鞋带特征模型，可以是预先构建的。自动鞋带特征模型的构建方式可以是通过机器学习的方式，则得到的就是机器学习模型。采用机器学习模型的好处是可以挖掘出鞋楦的特征数据与自动鞋带的特征数据的潜在关联，并且可以根据需求来实时进行优化。本方案还可以采用人工建立关联关系的方式来构建，则得到的就是一个映射模型。采用映射模型的好处是便于维护和修改，在发现某一映射存在问题时，可以有针对性的进行修改，无需重新训练。

本方案中，无论是哪一种模型，都需要预先基于样本数据来构建的。具体的，样本数据包括鞋楦的特征数据与自动鞋带的特征数据。本方案中，如果是机器学习的网络模型，则可以将样本数据采用预先绑定好的方式进行输入，来训练模型对鞋楦的特征数据与自动鞋带的特征数据的挖掘能力。如果是映射模型，则需要获取批量样本数据，来对每种鞋楦的特征数据与自动鞋带的特征数据的关联数量，总结出关联数量较高的作为映射关系，当然也可以由设计人员手动来确定，也可以是显示关联数量并由设计人员参考来确定。

在本方案中，可选的，自动鞋带的特征数据包括：自动鞋带的走线位置。

其中，自动鞋带的走线位置，可以是表明自动鞋带在鞋面部件上的走线位置，其不仅可以包括自动鞋带本身，还可以包括用于与自动鞋带向绑定设置的鞋带飞线等。其中，鞋带飞线可以是两端分别于鞋底、鞋面或者鞋底和鞋面连接的，在某一特征位置进行转向，以供自动鞋带穿过的线状部件。

本方案这样设置，通过使用自动鞋带特征模型输出数据，可以将自动鞋带的走线位置信息与鞋楦的特征数据关联起来，既能够确保设计过程中的设计效率，也能够考虑到用户的穿着感受，为设计人员提高设计效率，和为穿着用户提供更科学的穿着体验。

S104，根据所述自动鞋带特征模型的输出结果，确定自动鞋带的特征数据；并根据所述自动鞋带的特征数据生成所述自动鞋带的渲染模型。

此处，由于自动鞋带特征模型的输出结果可以是一个或者多个结果，因此，可以根据自动鞋带特征模型的输出结果，确定其中得到一个或者多个自动鞋带的特征数据的设计结果。可以理解的，在通过自动鞋带特征模型输出自动鞋带的特征数据的同时，还可以输出其设计原理。例如，输入鞋楦的特征数据之后，可以输出两组自动鞋带的特征数据，并分别说明这样设计的原理，如利于穿脱，或者稳定性更好等。具体的，自动鞋带的特征数据可以包括6孔位的孔位数量和鞋带孔位的具体位置等。

本方案中，在得到自动鞋带的特征数据之后，本方案可以根据所得到的特征数据在鞋体设计界面的模型编辑栏中生成自动鞋带的渲染模型。例如，在得到其自动鞋带的特征数据为5孔和具体的孔位之后，可以生成自动鞋带的渲染模型，该模型可以模拟在鞋面上穿过孔位和两端连接固定的样式。本方案这样设置的好处是有利于设计人员观看和进一步进行设计，例如设计人员可以根据该样式，进一步设计鞋带上面的颜色、图案等。

本实施例所提供的技术方案，通过自动鞋带特征模型输出的自动鞋带的特征数据，确定自动鞋带的渲染模型，可以有效提高设计人员的设计效率。并且还能够在自动鞋带特征模型中预先设置有利于用户穿着感受的信息，并在输出自动鞋带的特征数据的过程中进行体现，从而使得所设计的自动鞋带更加符合用户的穿着需求，提高穿着体验。

在上述各技术方案的基础上，可选的，所述自动鞋带特征模型的构建过程，包括：

获取预设数量的样本数据；其中，所述样本数据包括鞋楦的特征数据与自动鞋带的特征数据；

构建初始模型，并采用所述样本数据对所述初始模型进行训练，得到自动鞋带特征模型。

其中，预设数量可以是1000件，或者是更多或更少的数量，预设数量的样本数据可以是在设计人员设计之后采集得到的，还可以是通过鞋体模型的图片或者模型数据中读取的。本方案中，由于需要构建鞋楦的特征数据与自动鞋带的特征数据之间的映射关系，因此，在获取样本数据之后，可以进行数据的清洗，即从所有的样本数据中筛选出具有鞋楦的特征数据与自动鞋带的特征数据的样本数据，从而为后续的模型训练提供有价值的数据。

本方案中，模型的训练方式包括优先构建初始模型，其中初始模型的超参数可以预先设置好。然后通过样本数据对初始模型中的参数进行训练，以得到训练后的自动鞋带特征模型。可以理解的，本方案可以得到以鞋楦的特征数据作为输入，以自动鞋带的特征数据作为输出的自动鞋带特征模型。除此之外，该自动鞋带特征模型还可以输出其他部件，例如输出鞋面，以及输出鞋面的特征数据等。

本方案通过使用机器学习模型，可以深度挖掘出样本数据中鞋楦的特征数据与自动鞋带的特征数据之间的关联性，并基于此关联性输出自动鞋带的特征数据，从而为设计人员提供更高效的设计体验，同时还能够在其中引入用户使用反馈等数据，以提高鞋体设计的科学性。

获取历史设计记录中的鞋楦的特征数据与自动鞋带的特征数据；

根据所述历史设计记录，建立鞋楦的特征数据与自动鞋带的特征数据之间的映射关系；

基于所述映射关系，构建自动鞋带特征模型。

与上述技术方案有所区别的，本技术方案采用的是基于关联关系构建的自动鞋带特征模型。具体的，可以是获取历史设计记录中鞋楦的特征数据与自动鞋带的特征数据。其中，自动鞋带的特征数据的获取方式，可以是直接获取当前鞋楦的设计过程中所确定的自动鞋带的特征数据，还可以是获取与当前鞋楦的特征相类似的鞋楦的特征数据对应的自动鞋带的特征数据。除此之外，还可以通过其他方式来获取。鞋楦的特征数据可以是基于设计数据得到的，例如鞋楦编号为1000 0101，则可以通过服务端获取编号为1000 0101的鞋楦的特征数据，并获取其对应的自动鞋带的特征数据。在这个过程中，如果发现鞋楦编号为1000 0110与编号为1000 0101的鞋楦特征数据很接近，也可以通过服务端获取编号为10000110的鞋楦的特征数据，并获取其对应的自动鞋带的特征数据，作为辅助参考信息。在得到这些数据之后，可以构建一个具有鞋楦的特征数据与自动鞋带的特征数据之间的关联关系的数据库，具体的可以将其以数据库表的形式进行录入。

进而在后续的使用过程中，可以基于想要设计的鞋体的鞋楦的特征数据，进行检索，得到具有相关或者相近鞋楦的特征数据的鞋带的设计数据。本方案可以基于历史设计的自动鞋带的特征数据进行输出，得到当前鞋楦对应的自动鞋带的特征数据。

本实施例这样设置的好处是可以基于大量的历史数据构建模型，从而提高模型输出结果与设计人员的设计构思的相关性。同时，在自动输出的过程中，还可以提高设计人员的工作效率。

实施例二

图2是本申请实施例二提供的自动鞋带特征的确定方法的流程示意图。本方案对上述实施例做出了更优的改进，具体改进为：根据所述自动鞋带特征模型的输出结果，确定自动鞋带的特征数据；并根据所述自动鞋带的特征数据生成所述自动鞋带的渲染模型，包括：识别所述自动鞋带特征模型的输出结果；若所述输出结果的可信度超过预设可信度阈值，则根据所述输出结果确定自动鞋带的特征数据；对所述自动鞋带基于所述自动鞋带的特征数据进行渲染，得到自动鞋带的渲染模型；在模型编辑栏中显示所述自动鞋带的渲染模型。

如图2所示，具体包括如下步骤：

S201，若检测到处于鞋体设计界面，则识别鞋体的鞋带是否设计为自动鞋带；若是，则执行S202；若否，则结束流程。

S202，获取鞋楦的特征数据。

S203，将所述鞋楦的特征数据输入至预先构建的自动鞋带特征模型，得到输出结果；其中，所述自动鞋带是预先基于样本数据构建的。

其中，所述样本数据包括鞋楦的特征数据与自动鞋带的特征数据。

S204，识别所述输出结果的可信度是否超过预设可信度阈值；若是，则执行S205；若否，则结束流程。

本方案中，在自动鞋带特征模型的输出结果的过程中，可以附加输出该输出结果的可信度。结合上述示例，如果是机器学习模型，其输出的结果可以绑定一个可信度数据，也就是基于样本数据得到的自动鞋带的特征数据，依据挖掘出来的关联关系只能够确定该自动鞋带的特征数据的准确度为50％，或者准的度可以达到80％。相类似的，在另外一种自动鞋带特征模型中，可以基于历史数据中的鞋楦的特征数据的相似度，来确定输出结果的可信度。例如当前输入的鞋楦特征数据与历史数据中0001 1010的相似度为85％，其他没有较为相似的历史数据，则可以基于0001 1010的自动鞋带设计数据，来确定输出结果，并将输出结果的可信度设置为与相似度相同，即也是85％。

本方案中，相似度阈值可以预先配置，例如配置为60％，则可以在得到的输出结果的相似度低于60％时，确定自动鞋带的特征数据的输出结果不可用，此时可以由设计人员进行手动设计。

S205，根据所述输出结果确定自动鞋带的特征数据。

若所述输出结果的可信度超过预设可信度阈值，则可以根据所述输出结果确定自动鞋带，以及所述自动鞋带的特征数据。可以理解的，如果符合可信度阈值，则可以直接以其输出的结果确定自动鞋带以及自动鞋带的特征数据。

S206，对所述自动鞋带基于所述自动鞋带的特征数据进行渲染，得到自动鞋带的渲染模型。

S207，在模型编辑栏中显示所述自动鞋带的渲染模型。

在确定自动鞋带之后，就可以基于自动鞋带的特征数据进行渲染，可以理解的，其渲染结果可以作为渲染模型，并在鞋体设计界面的模型编辑栏中进行显示。可以理解的，在生成自动鞋带的渲染模型之后，设计人员依然可以对其进行某些维度数据的修改，例如所确定的自动鞋带为5孔，设计人员可以基于鞋面或者鞋底的其他特征，对其进行已有特征数据的修改或者对其进行未有特征数据的补充，例如修改为6孔，或者修改已有孔位的位置，或者对鞋带的长度、颜色以及图案进行补充。

本实施例通过对其可信度进行判断，可以输出更加符合设计人员的设计习惯或者符合用户的穿着体验的数据，同时也可以使得输出结果更具合理性，避免所输出的结果效果参差不齐，影响设计人员的整体设计过程。

在上述实施例的基础上，可选的，对所述自动鞋带基于所述自动鞋带的特征数据进行渲染，得到自动鞋带的渲染模型，包括：

识别所述自动鞋带的特征数据是否满足渲染条件；

若不满足，则确定所述自动鞋带的欠缺特征数据；

基于预先训练的特征数据补全模型，对所述欠缺特征数据进行补全处理；

对自动鞋带基于补全后的特征数据进行渲染。

可以理解的，自动鞋带进行渲染的过程中，有些特征数据是必须存在的，例如鞋带的孔位以及孔数的数据，如果不存在，则只能够渲染一条平直的鞋带，没办法给设计人员展示出整体的效果。因此，在得到自动鞋带的特征数据之后，需要对其是否满足渲染条件进行识别。此处的渲染条件，可以是对其特征数据是否能够包含所有渲染所必需的数据，如果是，则可以直接进行渲染，如果不满足，则可以生成提示信息，由设计人员手动添加未包含的渲染所必需的数据，从而可以基于手动添加的结果进行渲染。

本实施例这样设置，可以在由模型进行自动鞋带的特征数据的输出的同时，对渲染过程是否能够进行渲染进行判断，并且在不能够进行渲染时由设计人员进行手动添加，以提高设计人员的设计效率。同时避免了采用默认值进行补充影响对自动鞋带的整体渲染效果。

在上述技术方案的基础上，可选的，在基于预先训练的特征数据补全模型，对所述欠缺特征数据进行补全处理之后，所述方法还包括：

确定补全处理的补全结果数量；

若补全结果数量为至少两个，则对自动鞋带基于补全后的特征数据进行渲染，包括：

基于每一补全结果，对自动鞋带进行渲染，得到至少两个自动鞋带的渲染模型，并在模型编辑栏中显示所述自动鞋带的渲染模型。

本方案可以对补全结果的数量进行识别，如果识别到补全结果为至少两个，则可以针对每一个补全结果进行渲染，以得到至少两个渲染模型，在模型编辑栏中进行显示。

本技术方案这样设置的好处是可以同时记录设计人员的所想要得到的多个设计结果，并以列表或者其他方式进行渲染和显示，从而可以方便设计人员进行对比，并且记录设计人员的设计灵感，提高设计人员的使用体验。

实施例三

图3是本申请实施例三提供的自动鞋带特征的确定装置的结构示意图。如图3所示，具体包括如下：

设计识别模块301，用于若检测到处于鞋体设计界面，则识别鞋体的鞋带是否设计为自动鞋带；

鞋楦特征数据获取模块302，用于若所述设计识别模块301的识别结果为是，则获取鞋楦的特征数据；

鞋楦特征数据处理模块303，用于将所述鞋楦的特征数据输入至预先构建的自动鞋带特征模型；其中，所述自动鞋带是预先基于样本数据构建的；所述样本数据包括鞋楦的特征数据与自动鞋带的特征数据；

自动鞋带特征数据确定模块304，用于根据所述自动鞋带特征模型的输出结果，确定自动鞋带的特征数据；并根据所述自动鞋带的特征数据生成所述自动鞋带的渲染模型。

进一步的，自动鞋带的特征数据包括：自动鞋带的走线位置。

进一步的，所述装置还包括自动鞋带特征模型构建模块，所述自动鞋带特征模型构建模块用于：

基于所述映射关系，构建自动鞋带特征模型。

进一步的，所述自动鞋带特征数据确定模块，具体用于：

识别所述自动鞋带特征模型的输出结果；

若所述输出结果的可信度超过预设可信度阈值，则根据所述输出结果确定自动鞋带的特征数据；

对所述自动鞋带基于所述自动鞋带的特征数据进行渲染，得到自动鞋带的渲染模型；

在模型编辑栏中显示所述自动鞋带的渲染模型。

进一步的，所述自动鞋带特征数据确定模块，具体用于：

识别所述自动鞋带的特征数据是否满足渲染条件；

若不满足，则确定所述自动鞋带的欠缺特征数据；

对自动鞋带基于补全后的特征数据进行渲染。

进一步的，所述自动鞋带特征数据确定模块，具体还用于：

确定补全处理的补全结果数量；

本申请实施例中的自动鞋带特征的确定装置可以是装置，也可以是终端中的部件、集成电路、或芯片。该装置可以是移动电子设备，也可以为非移动电子设备。示例性的，移动电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本或者个人数字助理(personal digital assistant，PDA)等，非移动电子设备可以为服务器、网络附属存储器(Network Attached Storage，NAS)、个人计算机(personal computer，PC)、电视机(television，TV)、柜员机或者自助机等，本申请实施例不作具体限定。

本申请实施例中的自动鞋带特征的确定装置可以为具有操作系统的装置。该操作系统可以为安卓(Android)操作系统，可以为ios操作系统，还可以为其他可能的操作系统，本申请实施例不作具体限定。

本申请实施例提供的自动鞋带特征的确定装置能够实现图1至图2的方法实施例实现的各个过程，为避免重复，这里不再赘述。

实施例四

如图4所示，本申请实施例还提供一种电子设备400，包括处理器401，存储器402，存储在存储器402上并可在所述处理器401上运行的程序或指令，该程序或指令被处理器401执行时实现上述自动鞋带特征的确定方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

需要说明的是，本申请实施例中的电子设备包括上述所述的移动电子设备和非移动电子设备。

实施例五

本申请实施例还提供一种可读存储介质，所述可读存储介质上存储有程序或指令，该程序或指令被处理器执行时实现上述自动鞋带特征的确定方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

其中，所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质，包括计算机可读存储介质，如计算机只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等。

实施例六

本申请实施例另提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现上述自动鞋带特征的确定方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

应理解，本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。

上面结合附图对本申请的实施例进行了描述，但是本申请并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本申请的保护之内。

上述仅为本申请的较佳实施例及所运用的技术原理。本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行的各种明显变化、重新调整及替代均不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由权利要求的范围决定。

Claims

1.一种自动鞋带特征的确定方法，其特征在于，所述方法包括：

若是，则获取鞋楦的特征数据；

2.根据权利要求1所述的方法，其特征在于，自动鞋带的特征数据包括：自动鞋带的走线位置。

3.根据权利要求2所述的方法，其特征在于，所述自动鞋带特征模型的构建过程，包括：

4.根据权利要求2所述的方法，其特征在于，所述自动鞋带特征模型的构建过程，包括：

基于所述映射关系，构建自动鞋带特征模型。

5.根据权利要求1所述的方法，其特征在于，根据所述自动鞋带特征模型的输出结果，确定自动鞋带的特征数据；并根据所述自动鞋带的特征数据生成所述自动鞋带的渲染模型，包括：

识别所述自动鞋带特征模型的输出结果；

在模型编辑栏中显示所述自动鞋带的渲染模型。

6.根据权利要求5所述的方法，其特征在于，对所述自动鞋带基于所述自动鞋带的特征数据进行渲染，得到自动鞋带的渲染模型，包括：

识别所述自动鞋带的特征数据是否满足渲染条件；

若不满足，则确定所述自动鞋带的欠缺特征数据；

对自动鞋带基于补全后的特征数据进行渲染。

7.根据权利要求6所述的方法，其特征在于，在基于预先训练的特征数据补全模型，对所述欠缺特征数据进行补全处理之后，所述方法还包括：

确定补全处理的补全结果数量；

8.一种自动鞋带特征的确定装置，其特征在于，所述装置包括：

9.一种电子设备，其特征在于，包括处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1-7中任一项所述的自动鞋带特征的确定方法的步骤。

10.一种可读存储介质，其特征在于，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1-7中任一项所述的自动鞋带特征的确定方法的步骤。