CN116137005A - 一种基于大数据的服装定制方法、系统和网络侧服务端 - Google Patents
一种基于大数据的服装定制方法、系统和网络侧服务端 Download PDFInfo
- Publication number
- CN116137005A CN116137005A CN202310152399.4A CN202310152399A CN116137005A CN 116137005 A CN116137005 A CN 116137005A CN 202310152399 A CN202310152399 A CN 202310152399A CN 116137005 A CN116137005 A CN 116137005A
- Authority
- CN
- China
- Prior art keywords
- clothing
- data
- user
- preset
- behavior
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000006399 behavior Effects 0.000 claims description 94
- 230000033001 locomotion Effects 0.000 claims description 40
- 230000009471 action Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 6
- 230000004048 modification Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 3
- 230000037237 body shape Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000009365 direct transmission Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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]
- G06Q30/0621—Item configuration or customization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明属于服装定制领域,针对服装定制依赖于人工数据采集不准确,定制的服装难以贴合用户行为习惯的问题,提出了一种基于大数据的服装定制方法、系统和网络侧服务端,所述方法包括:获取用户图像信息集;根据所述用户图像信息集,结合预设的行为特征规律,得到行为特征数据;根据所述用户图像信息集,结合预设的服装特征规律,得到服装特征数据;根据所述行为特征数据,对所述服装特征数据进行微调,结合款式模型,得到用户服装预设数据;输出所述用户服装预设数据。本案将行为特征与服装量体的当前数据来融合,进行服装定制,使得定制后的服装不仅仅符合预设的版型、用户的体型,还能够满足用户的行为活动。
Description
技术领域
本发明属于服装定制领域,具体涉及一种基于大数据的服装定制方法、系统和网络侧服务端。
背景技术
服装定制是未来的一个风口,好的服装定制算法,应用前景极其广阔。传统的服装定制过程中,均是量体师直接在获取的用户体型数据,并根据个人经验确定用户的服装型号,最后上传用户数据,使得生产端可以直接进行服装定制生产。然而这种服装定制方式较大的依赖量体师的个人经验,个人的量体手法和力度不一致,造成获取的体型数据不标准,不能进行标准化处理,量体师在测量时很容易出现数据记录错误的问题。并且用户个人的体型是不同的,个人的穿衣习惯和行为习惯也是不同的,有的客户穿衣偏爱大一码的,有的客户喜欢贴身小码的。直接采用传统的量衣定制的方法所产生的成衣很有可能不符合客户的运动需求。
发明内容
本发明提供一种基于大数据的服装定制方法、系统和网络侧服务端,用以解决现有技术中,服装定制依赖于人工数据采集不准确,定制的服装难以贴合用户行为习惯的问题。
本发明的基础方案为:一种基于大数据的服装定制方法,包括:
获取用户图像信息集;
根据所述用户图像信息集,结合预设的行为特征规律,得到行为特征数据;
根据所述用户图像信息集,结合预设的服装特征规律,得到服装特征数据;
根据所述行为特征数据,对所述服装特征数据进行微调,结合款式模型,得到用户服装预设数据;
输出所述用户服装预设数据。
进一步,输出所述用户服装预设数据,包括:
获取用户人体模型;
将所述用户服装预设数据加载到所述用户人体模型上,执行预设常规动作,显示出来。
进一步,获取用户人体模型,包括:
根据用户图像信息集,得到用户人体数据;
根据用户人体数据,进行人体建模,得到用户人体模型。
进一步,根据所述用户图像信息集,结合预设的行为特征规律,得到行为特征数据,包括:
识别图像用户信息集中的关键位点的相对位置信息;所述关键位点包括关节位点、肢体边缘位点;
将不同图像用户信息集中关键位点的相对位置,按照时间顺序进行连线,从而得到关键位点运动轨迹;
将所述关键位点运动轨迹,与预设的行为特征规律进行对比,得到与所述关键位点运动轨迹相对应的行为名称和运动范围;所述行为名称与所述行为特征规律一一对应;
将同一用户图像信息集中所有对应的行为名称和运动范围相关联,构成行为特征数据。
进一步,根据所述行为特征数据,对所述服装特征数据进行微调,结合款式模型,得到用户服装预设数据:
将所有服装特征数据,代入到预设的款式模型中,得到构成服装预设范围;
在所述行为特征数据超出服装预设范围时,将行为特征数据加入服装特征数据中;
将更新后的服装特征数据,重新代入到预设的款式模型中,并选择范围更大的构成服装微调范围,作为用户服装预设数据。
进一步,根据所述行为特征数据,对所述服装特征数据进行微调,结合款式模型,得到用户服装预设数据前,还包括:
获取用户的款式选择信息;
根据所述款式选择信息,查找到与所述款式选择信息相对应的款式模型。
进一步,根据所述行为特征数据,对所述服装特征数据进行微调,结合款式模型,得到用户服装预设数据,包括:
将所有服装特征数据,代入到预设的款式模型中,得到构成服装预设范围;
获取与所述款式模型相对应的微调部位和微调范围;
与所述微调部位相对应的行为特征数据是否符合所述微调范围;若符合,则将直接将所述行为特征数据更新所述服装特征数据,得到微调服装特征数据,将所述微调服装特征数据代入到预设的款式模型中,得到微调服装预设范围;
将非微调部位的服装预设范围,与微调部位的服装预设范围叠加,构成服装预设范围。
进一步,根据所述行为特征数据,对所述服装特征数据进行微调,结合款式模型,得到用户服装预设数据,还包括:
与所述微调部位相对应的行为特征数据是否符合所述微调范围;
若不符合,则将直接将所述行为特征数据更新所述服装特征数据,将所述服装特征数据代入到预设的款式模型中,选择范围更大的构成服装微调范围,作为用户服装预设数据。
本发明还提供一种基于大数据的服装定制系统,包括:
输入模块,用于获取用户图像信息集;
行为识别模块,用于根据输入模块发送的用户图像信息集,结合预设的行为特征规律,得到行为特征数据;
服装特征识别模块,用于根据输入模块发送的用户图像信息集,结合预设的服装特征规律,得到服装特征数据;
服装设定模块,根据行为识别模块发送的行为特征数据,对服装特征识别模块发送的服装特征数据进行微调,结合款式模型,得到用户服装预设数据;
输出模块,输出所述用户服装预设数据。
本发明还提供一种网络侧服务端,包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上述任一项所述的基于大数据的服装定制方法。
有益效果:本案中根据图像识别出行为特征规律得到行为特征数据,将行为特征与服装量体的当前数据来融合,进行服装定制,使得定制后的服装不仅仅符合预设的版型、用户的体型,还能够满足用户的行为活动需求。
附图说明
图1为本发明第一实施方式提供的一种基于大数据的服装定制方法的流程图;
图2为本发明第二实施方式提供的一种基于大数据的服装定制系统的结构示意图;
图3为本发明第三实施方式提供的网络客户端的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的各实施方式进行详细的阐述。然而,本领域的普通技术人员可以理解,在本发明各实施方式中,为了使读者更好地理解本申请而提出了许多技术细节。但是,即使没有这些技术细节和基于以下各实施方式的种种变化和修改,也可以实现本申请所要求保护的技术方案。下面通过具体实施方式进一步详细的说明:
第一实施方式:
本发明的第一实施方式提供一种基于大数据的服装定制方法,包括:获取用户图像信息集;根据所述用户图像信息集,结合预设的行为特征规律,得到行为特征数据;根据所述用户图像信息集,结合预设的服装特征规律,得到服装特征数据;根据所述行为特征数据,对所述服装特征数据进行微调,结合款式模型,得到用户服装预设数据;输出所述用户服装预设数据。
根据用户图像信息集,结合图像识别技术,识别符合的行为特征规律,得到行为特征数据,将行为特征与服装量体的服装特征数据来融合,得到用户服装预设数据,进行服装定制,使得定制后的服装不仅仅符合预设的版型、用户的体型,还能够满足用户的行为活动。
下面对本实施方式的基于大数据的服装定制方法的实现细节进行具体的说明,以下内容仅为方便理解提供的实现细节,并非实施本方案的必须,本实施方式的具体流程如图1所示,本实施方式应用于网络侧的服务端。
步骤101,获取用户图像信息集。
具体而言,用户图像信息集可以是用户一段视频,将视频中的每一帧都看成用户图像信息。用户图像信息集包括了时间和用户图像信息,也就是说,该用户图像信息集能够表示随着时间变化用户的各种不同动态姿势、体态变化。用户图像信息集也可以是用户的多个用户图像的集合,用户图像信息记录了用户的多种体态。
本步骤101的用户图像信息集的的获取方法,可以是由用户或者第三方进行上传,也可以是所处机器直接进行摄像等图像采集。若采用机器来直接进行图像采集,可以优选为,规定用户按照提示来进行一些动作(例如,抬手、举手、下蹲、马步等等),将这些动作视频/图像进行采集,随后与用户个人信息一起打包上传。那么,采用本方法能够在不见面的情况通过近照、视频来进行服装的定制,提高定制的适应性。
步骤102,根据所述用户图像信息集,结合预设的行为特征规律,得到行为特征数据。
具体而言,步骤102包括:
S2-1,识别图像用户信息集中的关键位点的相对位置信息;所述关键位点包括关节位点、肢体边缘位点;
S2-2,将不同图像用户信息集中关键位点的相对位置,按照时间顺序进行连线,从而得到关键位点运动轨迹;
S2-3,将所述相对位点运动轨迹,与预设的行为特征规律进行对比,得到与所述相对位点运动轨迹相对应的行为名称和运动范围;所述行为名称与所述行为特征规律一一对应,所述运动范围包括所述相对位点运动轨迹的最大值;
S2-4,将同一用户图像信息集中所有对应的行为名称和运动范围相关联,构成行为特征数据。
其中,步骤S2-1关键位点包括关键位点、肢体边缘点,关键位点的位置通常是预设的,也可以用户或工作人员添加关键位点,关键位点的作用是作为参考点。相对位置通常设置的参考点是人体中心线。由于图片拍摄具有缩小效果,在图片中往往是需要一个参照物来判断用户的具体尺寸,而图片仅仅能够得到相对尺寸。通常情况下,参照物设置为人体本身,人体的身高与图片的中人体的相对升高的比值能够得到缩小的比值,随后将该比值、结合关键位点的相对位置,能够得到1:1成衣的位置。
步骤S2-2中,相对位置是相对于预设的中心点的位置,通常预设的中心点设置为两眼之间的中心点,也可以设置为瞳孔中心等等。如果同一用户的图像之间的焦距相同(通过图像中人体的图像高度是否一致来判断,如果一致则焦距相同,如果不一致则焦距不同),那么,直接将图像中的相对位点按照时间顺序进行连接,得到运动轨迹,随后将该运动轨迹按照焦距进行放大,得到对应的用户实体的运动轨迹。
如果同一用户的不同图像之间的焦距不同,那么需要将所有图像首先根据对应焦距换算成当前用户的人体模型的相对位置,例如A图像焦距为a,B图像焦距为b,那么A图像换算(放大)成实际人体C,同样的B图像也换算(放大)为实际人体C’,随后将C中原A的相对位点作为新的A的位置x,C’中原B的相对位点作为新的B的位置y,将x和y按照时间来进行连线,得到实际用户模型的运动轨迹。
S2-3中,根据关键位点轨迹与预设的行为特征规律进行对比,得到运动的行为名称和运动范围。行为特征规律和行为名称是一一对应的,运动范围代表了关键位点运动幅度的集合。通过运动范围可以知晓各个运动行为执行时,用户的运行幅度,从一个位置到另一个位置的起点、终点、以及期间的一系列边缘位置。运动名称和运动范围能够代表了该用户在执行该运动名称对应的运动期间的运动范围、运动幅度,充分代表了用户的行为习惯。
S2-4中,将所有的运动名称和运动范围相关联,构成行为特征数据;该行为特征数据对各项运动进行集合,充分代表了用户的所有常规活动下这些运动都会有布料需求。
步骤103,根据所述用户图像信息集,结合预设的服装特征规律,得到服装特征数据。
具体而言,服装特征规律通常是预设的,是由工作人员预先导入的。服装特征规律为用户选择的服装款式所需要的服装位点采样规律。步骤103,具体包括:
S3-1,从用户图像信息集中识别出服装位点;所述服装位点为预设的服装位点,和/或,用户选择的服装款式需要的服装位点;
S3-2,根据所述服装常见位点到参考点的距离,计算用户实体的服装位点。
通过服装特征规律,从用户图像信息中采样得到对应的图像服装数据,随后将该图像服装数据等比例(参考焦距)还原成用户实体对应的服装特征数据。
步骤104,根据所述行为特征数据,对所述服装特征数据进行微调,结合款式模型,得到用户服装预设数据。
具体而言,步骤104包括:
S4-1,将所有服装特征数据,代入到预设的款式模型中,得到构成服装预设范围;
S4-2,在所述行为特征数据超出服装预设范围时,将行为特征数据加入服装特征数据中更新;将更新后的服装特征数据,重新代入到预设的款式模型中,并选择范围更大的构成服装微调范围,作为用户服装预设数据;
S4-3,在所述行为特征数据未超出服装预设范围时,将S4-1中的服装预设范围设定为用户服装预设数据。
该方案中,预设的款式模型,一方面可以是用户预先设定的默认款式模型,也可以是由用户进行选择的款式模型。S4-1,直接将用户对应的服装特征数据代入到款式模型得到的服装预设范围,实质上是将款式规律等比例放大到用户正好合身的服装范围;S4-2和S4-3中,判断用户运动对应的幅度是否超出服装固定的服装范围,如果没有超出则直接将S4-1中的服装预设范围设定为用户服装预设数据,代表了原先的服装款式并不影响用户的常见运动习惯,如果超出则执行S4-2,代表了原先的服装款式应县该用户的常见运动习惯,需要在原先的款式基础上进行修改。
此处步骤S4-2是直接将行为特征数据加入服装特征数据中更新,进行直接更改,也就是说,根据用户运动习惯,将服装重新进行代入到款式模型中,对该款式进行等比放大,即选择更大的本款衣服作为定制衣服。
在一些示例中,本步骤104中的款式模型的来源包括:获取用户的款式选择信息;根据所述款式选择信息,查找到与所述款式选择信息相对应的款式模型。即预存有各种款式的款式模型,用户在具体实施时可以通过输入款式选择信息的方式选择对应的款式模型。期间款式模型代表了该款式对应的服装设计规律。
在一些示例中,本步骤S4-2还可以是:
S4-2-1,将所有服装特征数据,代入到预设的款式模型中,得到构成服装预设范围;
S4-2-2,获取与所述款式模型相对应的微调部位和微调范围;
S4-2-3,与所述微调部位相对应的行为特征数据是否符合所述微调范围;
S4-2-3-1,若符合,则将直接将所述行为特征数据更新所述服装特征数据,得到微调服装特征数据,将所述微调服装特征数据代入到预设的款式模型中,得到微调服装预设范围;
S4-2-4,将非微调部位的服装预设范围,与微调部位的服装预设范围叠加,构成服装预设范围。
本示例中,引入了微调的概念,在原先的固定款式(对应款式模型)的基础上,允许进行某些部位的微调。根据行为特征对款式的部位进行微调,在满足贴身性能的前提下,保证用户运动的合理性。
进一步,S4-2-3步骤还包括:若不符合,则将直接将所述行为特征数据更新所述服装特征数据,将所述服装特征数据代入到预设的款式模型中,选择范围更大的构成服装微调范围,作为用户服装预设数据。表明了,如果微调不可更改的话,直接替换为更大的款式来执行。
步骤105,输出所述用户服装预设数据。
具体而言,输出的方式可以是直接显示,也可以是直接通过预设联系方式发送代表“用户服装预设数据”的语音、短信、传真等。
在一些示例中,S6-1获取用户人体模型;S6-2,将所述用户服装预设数据加载到所述用户人体模型上,执行预设常规动作,显示出来。
本示例中,直接将服装通过建模来展示出来,相比数据而言更为直观,也便于用户提前了解自身定制的服装未来的样子,便于用户根据自身需求提出修改意见。
进一步,S6-1中,获取用户人体模型,包括:S6-1-1,根据用户图像信息集,得到用户人体数据;6-1-2,根据用户人体数据,进行人体建模,得到用户人体模型。本案直接以用户的身材进行建模,使得服装展示更为清晰明确,也便于用户提供自身进一步改进位置。
另外,作为本方案的低配,步骤104还可是,根据用户实体服装位点,找到对应的代入到款式模型中,得到用户服装预设数据。
其中,服装的款式模型具有多个,通常为用户选择的服装款式的规律,根据用户实体服装位点,对该服装特征款式对应的服装特征规律,进行等比例放大,从而得到用户服装预设数据。与原先的步骤104相比的区别在于,本案并不考虑用户行为方式对服装进行微调和改进。
例如,现有技术中A款的服装只有S/M/L三款服装比例,其中A款服装的特征可以采用服装特征规律α来表示,将用户尺码为y的,根据服装特征规律α进行等比例放大,具体为将y代入到服装特征规律α中,使得产生的服装特征数据能够满足用户的要求。
本案最终形成的服装特征数据并不一定是常见尺码,因为定制的关系,保证服装贴合用户的身材,避免出现一个尺码偏大而另一个尺码偏小的情况(例如,S码偏小M偏大)
上面各种方法的步骤划分,只是为了描述清楚,实现时可以合并为一个步骤或者对某些步骤进行拆分,分解为多个步骤,只要包括相同的逻辑关系,都在本专利的保护范围内;对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计,但不改变其算法和流程的核心设计都在该专利的保护范围内。
第二实施方式:
本发明的第二实施方式提供一种基于大数据的服装定制系统,如图2所示,包括:
输入模块201,用于获取用户图像信息集;
行为识别模块202,用于根据输入模块发送的用户图像信息集,结合预设的行为特征规律,得到行为特征数据;
服装特征识别模块203,用于根据输入模块发送的用户图像信息集,结合预设的服装特征规律,得到服装特征数据;
服装设定模块204,根据行为识别模块发送的行为特征数据,对服装特征识别模块发送的服装特征数据进行微调,结合款式模型,得到用户服装预设数据;
输出模块205,输出所述用户服装预设数据。
不难发现,本实施方式为与第一实施方式相对应的系统实施例,本实施方式可与第一实施方式互相配合实施。第一实施方式中提到的相关技术细节在本实施方式中依然有效,为了减少重复,这里不再赘述。相应地,本实施方式中提到的相关技术细节也可应用在第一实施方式中。
值得一提的是,本实施方式中所涉及到的各模块均为逻辑模块,在实际应用中,一个逻辑单元可以是一个物理单元,也可以是一个物理单元的一部分,还可以以多个物理单元的组合实现。此外,为了突出本发明的创新部分,本实施方式中并没有将与解决本发明所提出的技术问题关系不太密切的单元引入,但这并不表明本实施方式中不存在其它的单元。
第三实施方式:
本发明第三实施方式涉及一种网络侧服务端,如图3所示,包括至少一个处理器301;以及,与至少一个处理器301通信连接的存储器302;其中,存储器302存储有可被至少一个处理器301执行的指令,指令被至少一个处理器301执行,以使至少一个处理器301能够执行上述的基于大数据的服装定制方法。
其中,存储器302和处理器301采用总线方式连接,总线可以包括任意数量的互联的总线和桥,总线将一个或多个处理器301和存储器302的各种电路连接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件,也可以是多个元件,比如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。经处理器301处理的数据通过天线在无线介质上进行传输,进一步,天线还接收数据并将数据传送给处理器301。
处理器301负责管理总线和通常的处理,还可以提供各种功能,包括定时,外围接口,电压调节、电源管理以及其他控制功能。而存储器302可以被用于存储处理器301在执行操作时所使用的数据。
以上所述的仅是本发明的实施例,方案中公知的具体结构及特性等常识在此未作过多描述,所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手段的能力,所属领域普通技术人员可以在本申请给出的启示下,结合自身能力完善并实施本方案,一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (10)
1.一种基于大数据的服装定制方法,其特征在于,包括:
获取用户图像信息集;
根据所述用户图像信息集,结合预设的行为特征规律,得到行为特征数据;
根据所述用户图像信息集,结合预设的服装特征规律,得到服装特征数据;
根据所述行为特征数据,对所述服装特征数据进行微调,结合款式模型,得到用户服装预设数据;
输出所述用户服装预设数据。
2.根据权利要求1所述的一种基于大数据的服装定制方法,其特征在于,输出所述用户服装预设数据,包括:
获取用户人体模型;
将所述用户服装预设数据加载到所述用户人体模型上,执行预设常规动作,显示出来。
3.根据权利要求2所述的一种基于大数据的服装定制方法,其特征在于,获取用户人体模型,包括:
根据用户图像信息集,得到用户人体数据;
根据用户人体数据,进行人体建模,得到用户人体模型。
4.根据权利要求1所述的一种基于大数据的服装定制方法,其特征在于,根据所述用户图像信息集,结合预设的行为特征规律,得到行为特征数据,包括:
识别图像用户信息集中的关键位点的相对位置信息;所述关键位点包括关节位点、肢体边缘位点;
将不同图像用户信息集中关键位点的相对位置,按照时间顺序进行连线,从而得到关键位点运动轨迹;
将所述关键位点运动轨迹,与预设的行为特征规律进行对比,得到与所述关键位点运动轨迹相对应的行为名称和运动范围;所述行为名称与所述行为特征规律一一对应;
将同一用户图像信息集中所有对应的行为名称和运动范围相关联,构成行为特征数据。
5.根据权利要求1所述的一种基于大数据的服装定制方法,其特征在于,根据所述行为特征数据,对所述服装特征数据进行微调,结合款式模型,得到用户服装预设数据:
将所有服装特征数据,代入到预设的款式模型中,得到构成服装预设范围;
在所述行为特征数据超出服装预设范围时,将行为特征数据加入服装特征数据中;
将更新后的服装特征数据,重新代入到预设的款式模型中,并选择范围更大的构成服装微调范围,作为用户服装预设数据。
6.根据权利要求5所述的一种基于大数据的服装定制方法,其特征在于,根据所述行为特征数据,对所述服装特征数据进行微调,结合款式模型,得到用户服装预设数据前,还包括:
获取用户的款式选择信息;
根据所述款式选择信息,查找到与所述款式选择信息相对应的款式模型。
7.根据权利要求1所述的一种基于大数据的服装定制方法,其特征在于,根据所述行为特征数据,对所述服装特征数据进行微调,结合款式模型,得到用户服装预设数据,包括:
将所有服装特征数据,代入到预设的款式模型中,得到构成服装预设范围;
获取与所述款式模型相对应的微调部位和微调范围;
与所述微调部位相对应的行为特征数据是否符合所述微调范围;若符合,则将直接将所述行为特征数据更新所述服装特征数据,得到微调服装特征数据,将所述微调服装特征数据代入到预设的款式模型中,得到微调服装预设范围;
将非微调部位的服装预设范围,与微调部位的服装预设范围叠加,构成服装预设范围。
8.根据权利要求7所述的一种基于大数据的服装定制方法,其特征在于,根据所述行为特征数据,对所述服装特征数据进行微调,结合款式模型,得到用户服装预设数据,还包括:
与所述微调部位相对应的行为特征数据是否符合所述微调范围;
若不符合,则将直接将所述行为特征数据更新所述服装特征数据,将所述服装特征数据代入到预设的款式模型中,选择范围更大的构成服装微调范围,作为用户服装预设数据。
9.一种基于大数据的服装定制系统,其特征在于,包括:
输入模块,用于获取用户图像信息集;
行为识别模块,用于根据输入模块发送的用户图像信息集,结合预设的行为特征规律,得到行为特征数据;
服装特征识别模块,用于根据输入模块发送的用户图像信息集,结合预设的服装特征规律,得到服装特征数据;
服装设定模块,根据行为识别模块发送的行为特征数据,对服装特征识别模块发送的服装特征数据进行微调,结合款式模型,得到用户服装预设数据;
输出模块,输出所述用户服装预设数据。
10.一种网络侧服务端,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至8中任一项所述的基于大数据的服装定制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310152399.4A CN116137005A (zh) | 2023-02-22 | 2023-02-22 | 一种基于大数据的服装定制方法、系统和网络侧服务端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310152399.4A CN116137005A (zh) | 2023-02-22 | 2023-02-22 | 一种基于大数据的服装定制方法、系统和网络侧服务端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116137005A true CN116137005A (zh) | 2023-05-19 |
Family
ID=86333457
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310152399.4A Pending CN116137005A (zh) | 2023-02-22 | 2023-02-22 | 一种基于大数据的服装定制方法、系统和网络侧服务端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116137005A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113223024A (zh) * | 2021-05-31 | 2021-08-06 | 常州纺织服装职业技术学院 | 基于人体三维数据的布料分配方法、系统和网络侧服务端 |
-
2023
- 2023-02-22 CN CN202310152399.4A patent/CN116137005A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113223024A (zh) * | 2021-05-31 | 2021-08-06 | 常州纺织服装职业技术学院 | 基于人体三维数据的布料分配方法、系统和网络侧服务端 |
CN113223024B (zh) * | 2021-05-31 | 2023-08-08 | 常州纺织服装职业技术学院 | 基于人体三维数据的布料分配方法、系统和网络侧服务端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2017145466A1 (ja) | 情報処理システム、クライアント端末、情報処理方法、および記録媒体 | |
CN109522886B (zh) | 形体数据的测量方法、装置以及计算机可读存储介质 | |
US20170281313A1 (en) | Method and system for providing remote teeth alignment services and computer-readable medium on which the method is recorded | |
WO2015129353A1 (ja) | 仮想試着システム、仮想試着プログラム、仮想試着方法および仮想試着プログラムを記憶した記憶媒体 | |
CN116137005A (zh) | 一种基于大数据的服装定制方法、系统和网络侧服务端 | |
KR101116896B1 (ko) | 패턴생성 장치 및 방법과 장갑 주문제작 장치 및 방법 | |
CN109003168A (zh) | 虚拟试衣方法、智能电视以及计算机可读存储介质 | |
CN112346353A (zh) | 智能设备控制方法及装置 | |
CN109165428B (zh) | 一种智能服装定制平台 | |
CN110579978B (zh) | 调节家电设备的方法、装置及存储介质 | |
CN105159541B (zh) | 用于空港服务的多媒体终端及其显示方法 | |
CN109982124A (zh) | 用户场景智能分析方法、装置和存储介质 | |
CN112417277A (zh) | 衣物的推荐方法、装置、存储介质以及电子装置 | |
CN111353100A (zh) | 服装信息推荐方法、装置、移动终端和存储介质 | |
CN107609487B (zh) | 一种用户头像的生成方法和装置 | |
CN107274899B (zh) | 空调器语音控制方法、装置、空调器及可读存储介质 | |
KR20200025291A (ko) | 사용자 단말기를 이용한 퍼스널 컬러진단을 통한 쇼핑서비스 제공방법 및 그 시스템 | |
CN109508708B (zh) | 形体数据的测量方法、装置以及计算机可读存储介质 | |
KR20020077623A (ko) | 코디네이션 정보 제공 서비스 시스템 및 이 시스템의 운영방법 | |
CN105847596A (zh) | 一种防沉迷方法、装置及终端设备 | |
CN109461055A (zh) | 服装尺寸确定方法、装置、设备及存储介质 | |
CN113421149A (zh) | 定制服装下单管理系统 | |
KR20190057516A (ko) | 증강현실을 이용한 인공지능형 토탈패션 스타일링 시스템 | |
CN112529654A (zh) | 一种个性校服定制系统 | |
JP7090956B1 (ja) | マッチング処理サーバ、マッチング処理方法、及びマッチング処理プログラム |
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 |