CN117893289A - 一种基于ar和ai的虚拟试穿系统 - Google Patents
一种基于ar和ai的虚拟试穿系统 Download PDFInfo
- Publication number
- CN117893289A CN117893289A CN202410298527.0A CN202410298527A CN117893289A CN 117893289 A CN117893289 A CN 117893289A CN 202410298527 A CN202410298527 A CN 202410298527A CN 117893289 A CN117893289 A CN 117893289A
- Authority
- CN
- China
- Prior art keywords
- user
- clothing
- data
- garment
- try
- 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
- 238000013461 design Methods 0.000 claims abstract description 51
- 238000009877 rendering Methods 0.000 claims abstract description 30
- 238000010146 3D printing Methods 0.000 claims abstract description 13
- 238000004519 manufacturing process Methods 0.000 claims abstract description 11
- 238000004891 communication Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 36
- 238000013473 artificial intelligence Methods 0.000 claims description 20
- 230000000694 effects Effects 0.000 claims description 14
- 230000015572 biosynthetic process Effects 0.000 claims description 9
- 238000003786 synthesis reaction Methods 0.000 claims description 9
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000006399 behavior Effects 0.000 claims description 3
- 238000012790 confirmation Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 239000003550 marker Substances 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 16
- 238000012545 processing Methods 0.000 abstract description 13
- 230000002452 interceptive effect Effects 0.000 abstract description 2
- 230000010354 integration Effects 0.000 abstract 1
- 210000001624 hip Anatomy 0.000 description 20
- 239000011159 matrix material Substances 0.000 description 15
- 230000008569 process Effects 0.000 description 14
- 238000003860 storage Methods 0.000 description 10
- 210000002414 leg Anatomy 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000013500 data storage Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 210000003127 knee Anatomy 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008485 antagonism Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000012938 design process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 210000004197 pelvis Anatomy 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 210000000689 upper leg Anatomy 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 210000003423 ankle Anatomy 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 244000309466 calf Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 210000000245 forearm Anatomy 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000009740 moulding (composite fabrication) Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000007665 sagging Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/006—Mixed reality
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Computer Graphics (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提供一种基于AR和AI的虚拟试穿系统，属于数字数据处理技术领域。所述试穿系统由服务终端和客户端组成，服务终端负责处理用户数据，生成定制服装样式及数据，并支持3D打印生产。客户端则负责与服务终端的通信，收集用户身材数据和服装需求，提供虚拟试穿演示。系统的操作流程分为初选、复选和试穿三个阶段，逐步细化用户的选择，最终生成适配用户身材的定制服装。此外，引入了一个计费模块，该模块考虑了设计复杂度、服装数量、渲染精度和3D打印成本等因素，实时预估用户的费用，增加了系统的透明度和用户体验。整个方案旨在提供一种高效、互动和个性化的服装购物体验，满足现代消费者对于服装定制化和技术集成化的需求。
Description
技术领域
本发明属于数字应用技术领域，具体而言，涉及一种基于AR和AI的虚拟试穿系统。
背景技术
随着数字化技术的迅速发展和消费者需求的个性化趋势，传统服装行业正经历着一场深刻的变革。特别是增强现实（AR）和人工智能（AI）技术的兴起，为服装设计、定制和试穿提供了全新的解决方案。在这一背景下，基于AR和AI的虚拟试穿系统应运而生，旨在提升用户体验，提高定制效率，同时降低成本和资源浪费。
传统的服装购买过程通常涉及实体店的试穿，这不仅耗时耗力，而且受到地理位置的限制。此外，由于标准尺码往往无法满足所有消费者的需求，定制化服装成为一种趋势。然而，传统的定制过程复杂且成本高昂，且试穿和调整过程效率低下。
利用AR技术，用户可以在虚拟环境中实现身临其境的试穿体验，无需实际更换服装即可预览不同款式和颜色的效果，大大节省了时间和物流成本。AI技术的应用，尤其是生成式设计和智能推荐算法，使得根据用户偏好和身体数据定制化设计成为可能，提升了设计的效率和精准度。
同时，随着3D打印技术的成熟，将虚拟定制服装转化为实体产品的门槛大幅降低。3D打印不仅能够精确地根据用户的身体数据打印出合身的服装，还能够在设计过程中轻松调整，实现真正的个性化定制。
查阅相关的公开技术，公告号为CN114592337B的技术方案提出一种服装设计系统，包括了验布、剪裁、印刷、成型、质检等模块，实现了成衣的一体化生产；公告号为EP2690979B1的技术方案提出一种设计服装的方法，通过使用触觉感应器进行服装多个部位的设计，从而提供具有良好触感的衣服；公告号为US09408426B2的技术方案提出一种服装三维设计系统，其通过将衣服生产中的多个环节进行数字化分解以及进行单独的设计，用于实现服装的精细化生产。
以上技术方案均提出了各种采用现代数字技术的服装设计及生产方式，但对于高度个性化以及带有复杂设计的服装，目前的技术方案还未能达到理想的应用效果。
背景技术的前述论述仅意图便于理解本发明。此论述并不认可或承认提及的材料中的任一种公共常识的一部分。
发明内容
本发明的目的在于，提供一种基于AR和AI的虚拟试穿系统，属于数字数据处理技术领域。所述试穿系统由服务终端和客户端组成，服务终端负责处理用户数据，生成定制服装样式及数据，并支持3D打印生产。客户端则负责与服务终端的通信，收集用户身材数据和服装需求，提供虚拟试穿演示。系统的操作流程分为初选、复选和试穿三个阶段，逐步细化用户的选择，最终生成适配用户身材的定制服装。此外，引入了一个计费模块，该模块考虑了设计复杂度、服装数量、渲染精度和3D打印成本等因素，实时预估用户的费用，增加了系统的透明度和用户体验。
本发明采用如下技术方案：一种基于AR和AI的虚拟试穿系统，所述试穿系统包括：
服务终端，被配置为运行服务平台；所述服务终端用于接收从客户端输入的用户数据，并为用户生成定制化的服装样式以及相应的服装数据，并进一步包括将服装数据输出生成动态演示效果，以及输出到3D打印设备进行生产；
客户端，被配置为运行一个用户程序，并与所述服务终端通讯连接；用户通过所述用户程序进行用户信息录入，包括用户身材数据录入，服装喜好录入，获取所述试穿系统所生成的服装；并且包括进行服装的虚拟试穿演示，进行服装订单确认以及订单支付；
其中，所述试穿系统包括以下三个阶段的步骤，生成提供给用户进行虚拟试穿的服装：
初选阶段：用户通过客户端进行用户注册；客户端收集用户的用户信息并发送到服务终端；服务终端生成并存储对应的用户档案；根据用户档案，生成初选服装列表并返回到客户端中，统计用户浏览所述初选服装列表时的反馈数据；
复选阶段：服务终端根据所述用户档案以及所述反馈数据，生成一款或以上的复选服装，并汇总一款或以上的复选服装形成复选服装列表；由用户在所述复选服装列表中确定是否有想要进行虚拟试穿的复选服装；若不选择试穿，则更新所述复选服装列表中的服装，直到用户选择所述复选服装进行虚拟试穿；
试穿阶段：根据用户档案中的用户身材数据，调整用户选择进行虚拟试穿的所述复选服装的多个尺寸数据，并将调整完的服装合成到用户的三维身体模型上之后，通过客户端向用户进行演示；
优选的，所述服务平台包括：
服装数据库，被配置为存储有多款服装的服装数据，每款服装的服装数据包括有多个设计元素的元素参数；
建模模块，被配置为根据客户端的所述用户程序所采集的用户身材数据，生成对应于用户身材的三维身体模型。
生成模块，被配置为利用生成式人工智能技术，生成一款或以上的服装模型；
渲染模块，被配置为根据所述服装模型进行渲染，生成可见的服装图像；
合成模块，被配置为将所述服装模型与所述三维身体模型进行适配和合成，生成与三维身体模型结合合适的服装试穿图像；
优选的，每款所述复选服装的尺寸由多个合身因子进行描述；每个合身因子用于描述一个服装部位的尺寸；
优选的，在所述初选阶段中，包括以下子步骤：
S100：用户注册，由用户在客户端上输入个人基本信息以及服装喜好信息；通过客户端采集用户身材数据；将所述个人基本信息、服装喜好信息以及用户身材数据发送到服务终端；
S200：服务终端根据用户的个人基本信息、服装喜好信息以及用户身材数据，和生成用户档案；
S300：根据用户档案，从所述服装数据库中进行初次服装匹配，生成初选服装列表；并将所述初选服装列表返回客户端上供用户进行浏览；
S400：客户端统计用户浏览所述初选服装列表的反馈数据，并将所述反馈数据发送到服务终端；
优选的，所述用户身材数据通过用户采用客户端的摄像装置进行扫描采集后生成；
优选的，用户在采用客户端扫描采集所述用户身材数据时，通过在身体上附加尺寸标定物从而使所述建模模块获得尺寸基准值；
优选的，所述反馈数据包括用户在浏览所述初选服装列表的服装时产生的以下至少一项数据：
对所述初选服装列表的至少一件服装的观看时间；
对所述初选服装列表的至少一件服装的评分；
对所述初选服装列表的至少一件服装进行收藏；
对所述初选服装列表的至少一件服装进行的编辑；
优选的，在所述试穿阶段中，包括以下子步骤：
D100：提取用户的三维身体模型以及用户选中的所述复选服装的服装数据；
D200：通过所述合成模块将所述复选服装的服装数据调整为与用户的三维身体模型进行适配和合成，生成与三维身体模型结合合适的服装试穿图像；
D300：通过所述渲染模块对服装试穿图像进行重新渲染；
D400：生成展示用的服装试穿演示用的模型，并生成动态演示视频；
优选的，所述试穿系统包括设置有常驻于所述用户程序的显示界面的计费系统，用于提示用户在截至当前任意一个操作步骤时所预估的最终费用P；其中P的计算方式为：
，
上式中，Basic为基础费用，为用户开始使用所述试穿系统时的固定基础费用；
Cc、Cn、Cr以及Cf分别为服装复杂度系数、服装数量系数、渲染精度系数和用户反馈修正系数，以上系数的具体数值由相关技术人员根据试穿系统的运算能力进行具体设定；Cw为3D打印的单位重量费用；
D为服装设计复杂度等级，根据服装的设计元素的复杂性由试穿系统进行自动评估；N为用户在初选和复选阶段所浏览的服装总数；R为渲染精度等级，由用户根据需要选择，更高的等级提供更精细的视觉效果；F为用户反馈次数，包括用户对服装样式、颜色、尺寸进行的调整次数；W为服装的净重；
Α、β、δ是指数因子，用于调整对应变量增长的速率，三个指数因子根据试穿系统对用户的历史行为进行分析从而生成的经验数值。
本发明所取得的有益效果是：
1. 本技术方案的试穿系统通过结合AR和AI技术，能够根据用户提供的身材数据和个人偏好，快速生成个性化的服装设计方案；AI算法能够从大量的设计参数和用户反馈中学习，不断优化推荐的准确性；同时，AR技术提供的虚拟试穿体验，使用户能够即时预览定制服装的外观和风格，确保最终定制产品能够满足用户的期望，从而大大提高了个性化定制的效率和满意度；
2. 本技术方案的试穿系统通过提供虚拟试穿功能，允许用户在没有物理限制的情况下，轻松尝试不同风格和设计的服装；用户可以在虚拟环境中自由切换服装款式，调整颜色和尺寸，并且实时查看服装在不同动作下的表现，这种高度互动和沉浸式的体验明显优胜于传统线下购物；
3. 本技术方案的试穿系统结合3D打印技术，可以将虚拟设计直接转化为实体产品，这不仅缩短了生产周期，还大大减少了因尺寸不合或设计调整导致的物料浪费；此外，通过精确计算和预估费用，用户可以在设计阶段就对成本有清晰的了解，避免不必要的开支，使整个生产过程更加经济高效；
4. 本技术方案的服务终端部分采用模块化设计，系统中硬件部分的各工作模块、部件，以及软件部分的指令、参数、算法均可以通过后期进行方便的替换和/或升级，从而降低本系统的搭建成本与维护成本。
附图说明
从以下结合附图的描述可以进一步理解本发明。图中的部件不一定按比例绘制，而是将重点放在示出实施例的原理上。在不同的视图中，相同的附图标记指定对应的部分。
附图标号说明：10-服务终端; 20-客户端; 30-网络；110-服装数据库；112-建模模块；114-生成模块；116-渲染模块；118-合成模块；502-总线；504-处理器；506-主存储器；508-只读存储器；510-存储设备；512-显示器；514-输入装置；516-光标控制设备；518-网络设备；
图1为本发明实施例中试穿系统的布局示意图；
图2为本发明实施例中试穿系统执行试穿操作的步骤图；
图3为本发明实施例中所述服务终端的架构示意图；
图4为本发明实施例中生成模块生成三维身体模型的流程图；
图5为本发明实施例中服务终端所采用的计算装置的框架示意图。
具体实施方式
为了使得本发明的目的技术方案及优点更加清楚明白，以下结合其实施例，对本发明进行进一步详细说明；应当理解，此处所描述的具体实施例仅用于解释本发明 ，并不用于限定本发明。对于本领域技术人员而言，在查阅以下详细描述之后，本实施例的其它系统、方法和/或特征将变得显而易见。旨在所有此类附加的系统、方法、特征和优点都包括在本说明书内。包括在本发明的范围内，并且受所附权利要求书的保护。在以下详细描述中描述了所公开的实施例的另外的特征，并且这些特征根据以下详细描述将是显而易见的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或组件必须具有特定的方位。以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
实施例一，示例性地提出一种基于AR和AI的虚拟试穿系统，如附图1所示，所述试穿系统包括：
服务终端10，被配置为运行服务平台；所述服务终端10用于接收从客户端20输入的用户数据，并为用户生成定制化的服装样式以及相应的服装数据，并进一步包括将服装数据输出生成动态演示效果，以及输出到3D打印设备进行生产；
客户端20，被配置为运行一个用户程序，并与所述服务终端10通过网络30通讯连接；用户通过所述用户程序进行用户信息录入，包括用户身材数据录入，服装喜好录入，获取所述试穿系统所生成的服装；并且包括进行服装的虚拟试穿演示，进行服装订单确认以及订单支付；
其中，如附图2所示，所述试穿系统包括以下三个阶段的步骤，生成提供给用户进行虚拟试穿的服装：
初选阶段：用户通过客户端20进行用户注册；客户端20收集用户的用户信息并发送到服务终端10；服务终端10生成并存储对应的用户档案；根据用户档案，生成初选服装列表并返回到客户端20中，统计用户浏览所述初选服装列表时的反馈数据；
复选阶段：服务终端10根据所述用户档案以及所述反馈数据，生成一款或以上的复选服装，并汇总一款或以上的复选服装形成复选服装列表；由用户在所述复选服装列表中确定是否有想要进行虚拟试穿的复选服装；若不选择试穿，则更新所述复选服装列表中的服装，直到用户选择所述复选服装进行虚拟试穿；
试穿阶段：根据用户档案中的用户身材数据，调整用户选择进行虚拟试穿的所述复选服装的多个尺寸数据，并将调整完的服装合成到用户的三维身体模型上之后，通过客户端20向用户进行演示；
优选的，如附图3所示，所述服务终端10包括：
服装数据库110，被配置为存储有多款服装的服装数据，每款服装的服装数据包括有多个设计元素的元素参数；
建模模块112，被配置为根据客户端20的所述用户程序所采集的用户身材数据，生成对应于用户身材的三维身体模型；
生成模块114，被配置为利用生成式人工智能技术，生成一款或以上的服装模型；
渲染模块116，被配置为根据所述服装模型进行渲染，生成可见的服装图像；
合成模块118，被配置为将所述服装模型与所述三维身体模型进行适配和合成，生成与三维身体模型结合合适的服装试穿图像；
优选的，每款所述复选服装的尺寸由多个合身因子进行描述；每个合身因子用于描述一个服装部位的尺寸；
优选的，所述用户身材数据通过用户采用客户端20的摄像装置进行扫描采集后生成；
优选的，用户在采用客户端20扫描采集所述用户身材数据时，通过在身体上附加尺寸标定物从而使所述建模模块112获得尺寸基准值；
优选的，在所述初选阶段中，包括以下子步骤：
S100：用户注册，由用户在客户端上输入个人基本信息以及服装喜好信息；通过客户端采集用户身材数据；将所述个人基本信息、服装喜好信息以及用户身材数据发送到服务终端；
S200：服务终端根据用户的个人基本信息、服装喜好信息以及用户身材数据，和生成用户档案；
S300：根据用户档案，从所述服装数据库110中进行初次服装匹配，生成初选服装列表；并将所述初选服装列表返回客户端上供用户进行浏览；
S400：客户端统计用户浏览所述初选服装列表的反馈数据，并将所述反馈数据发送到服务终端；
优选的，所述反馈数据包括用户在浏览所述初选服装列表的服装时产生的以下至少一项数据：
对所述初选服装列表的至少一件服装的观看时间；
对所述初选服装列表的至少一件服装的评分；
对所述初选服装列表的至少一件服装进行收藏；
对所述初选服装列表的至少一件服装进行的编辑操作数量；
优选的，在所述试穿阶段中，包括以下子步骤：
D100：提取用户的三维身体模型以及用户选中的所述复选服装的服装数据；
D200：通过所述合成模块118将所述复选服装的服装数据调整为与用户的三维身体模型进行适配和合成，生成与三维身体模型结合合适的服装试穿图像；
D300：通过所述渲染模块116对服装试穿图像进行重新渲染；
D400：生成展示用的服装试穿演示用的模型，并生成动态演示视频；
优选的，所述试穿系统包括设置有常驻于所述用户程序的显示界面的计费系统，用于提示用户在截至当前任意一个操作步骤时所预估的最终费用P；其中P的计算方式为：
，
上式中，Basic为基础费用，为用户开始使用所述试穿系统时的固定基础费用；
Cc、Cn、Cr以及Cf分别为服装复杂度系数、服装数量系数、渲染精度系数和用户反馈修正系数，以上系数的具体数值由相关技术人员根据试穿系统的运算能力进行具体设定；Cw为3D打印的单位重量费用；
D为服装设计复杂度等级，根据服装的设计元素的复杂性由试穿系统进行自动评估；N为用户在初选和复选阶段所浏览的服装总数；R为渲染精度等级，由用户根据需要选择，更高的等级提供更精细的视觉效果；F为用户反馈次数，包括用户对服装样式、颜色、尺寸进行的调整次数；W为服装的净重；
Α、β、δ是指数因子，用于调整对应变量增长的速率，三个指数因子根据试穿系统对用户的历史行为进行分析从而生成的经验数值；
进一步地说明所述试穿系统的实施方式；
在示例性的实施方式中，所述服务终端10可以根据实际的应用需求和资源配置灵活选择；具体来说，服务终端10可以是单一的计算机设备，用于处理相对较少的用户请求和数据处理任务，适合于小规模或初步实施的系统部署；在此配置下，单一计算机设备承担所有数据处理、存储和网络通信功能，简化了系统架构和维护工作；
在示例性的实施方式中，所述服务终端10可以采用多台计算机设备组成的计算群组形式，用于处理能力和并发用户数量要求更高的应用场景；在此形式下，多台计算机设备通过网络连接，协同完成数据处理和服务提供任务，可有效提升系统的处理能力和容错性；计算群组内的计算机设备可以根据任务需求动态分配，实现资源的高效利用；
在示例性的实施方式中，所述服务终端10还可以采用通过云计算技术构建的分布式计算集群形式；在分布式计算集群中，计算资源分布在云端的多个服务器上，通过云计算平台的管理和调度；分布式计算集群支持大规模数据处理和存储，满足大用户基数和高数据吞吐量的需求，特别适合于大型或全球性的应用部署；
进一步的，用户所使用的客户端可以包括多种电子设备，其中包括但不限于移动电话、手提电脑、个人台式电脑、平板电脑以及智能穿戴设备等；优选的，客户端可以设置有处理器、存储器、摄像装置以及通讯元件；其中处理器以及存储器可以用于运行所述用户程序；摄像装置可以包括摄像头、距离传感器、红外传感器、激光传感器等元件，用于获取包括用户的身材、面容等图像信息；
进一步地，在步骤S100中，用户通过客户端实施以下信息的录入：
个人基本信息输入，可以包括用户的姓名、年龄、性别等；通过以上信息使所述试穿系统了解用户的基本背景，为后续的个性化服务提供基础数据；
服装喜好信息收集，包括喜爱的服装风格，例如休闲、正式、运动等、颜色偏好、常穿服装尺码等，使得所述试穿系统能够根据用户的个性化需求推荐适合的服装样式和设计；
身材信息采集，客户端通过内置或外接的传感器设备，采集用户的身材信息；用户可根据客户端提供的指导进行特定的姿势和动作，以确保数据的准确性，此过程中，系统可能通过图像识别、三维建模等技术实时生成用户的身体尺寸数据；
采集的用户数据进行打包并发送至服务终端；
在步骤S200中，服务终端接收到这些信息后，将其存储于用户档案中，用于后续的服装推荐、定制和虚拟试穿过程；
在一些优选的示例性实施方式中，用户档案可以以一个多维变量的形式进行记录，以全面地描述用户的特征；这些特征不仅包括基本的个人信息如年龄、性别和身高等，还细化到了服装喜好、身材特点及历史选择偏好等多个维度；每个维度都被赋予一定的参数值，共同构成了一个高维度的特征向量，用于在系统中唯一标识每个用户；多维变量的设计使得用户档案能够为后续的人工智能分析提供丰富的输入信息；AI算法通过分析这些高维度数据，可以准确地识别用户的偏好模式，比如某些特定风格、颜色或设计的偏好；这种深度学习过程不仅能够基于用户已明确表达的喜好提供推荐，还能挖掘出用户潜在的、未被明确表述的偏好，从而实现更加精准的个性化服务；
利用这种高维度的用户档案，系统能够在用户进行虚拟试穿时，实时调整推荐算法，根据用户的即时反馈动态调整服装推荐，使得推荐结果更加符合用户的实际需求；此外，这些数据还能被用于定制设计过程中，设计师或自动设计系统可以根据用户档案中的信息，定制出真正符合用户身材特征和风格偏好的独特服装；
在示例性的实施方式中，在步骤S300中，包括采用以下步骤进行所述初选服装列表的建立：
S301：基于服装数据库110中的多个服装数据，建立服装参数矩阵M；该矩阵M中，如果服装的某一设计元素无输入数据，则矩阵M中对应该元素的值为0，如果服装的某一设计元素有输入数据，则服装参数矩阵M中对应该元素的值为1；
S302：建立结合设计元素权重系数后的级别矩阵；设定N＝diM，其中，di为矩阵M第i个元素mi的权重级别补偿系数；优选的，di的具体数值可以根据所述用户档案所建立的多维变量进行映射，以进行用户特征与设计元素的权重系数之间的转化；
S303：建立状态向量，对矩阵M中的每个服装参数元素选择一个数据点作为中心矩阵点，该中心矩阵点组成的矩阵为状态向量矩阵V；
S304：计算矩阵M中第i个元素mi与第i个元素对象应的中心矩阵点之间的距离di，其中，
,
并将di建立为距离矩阵D；
S305：建立推荐模型Suggestion：
，
其中，ei=M/di，fi=V/di，gi=D/di，λ为设定系数；
S306：根据所述推荐模型Suggestion，计算出所述服装数据库110每款服装的推荐模型Suggestion的数值S，并且排序获得n个最大值Smax，n个值中的每一个对应的矩阵的各个元素的数值，即为一件初选服装的各个设计元素的参数值；将n个值对应的服装即组成所述初选服装列表；其中，n的具体数值可以由用户自行设定；并且n的数值将影响用户使用所述试穿系统所产生的最终费用P；
进一步的，在复选阶段，所述生成模块114基于所述用户档案以及所述反馈数据，进行复选服装生成的一种示例性步骤包括：
数据预处理：生成模块114收集到用户在浏览初选服装列表时的反馈数据后，首先对这些数据进行预处理；预处理步骤优选的包括（1）清洗数据，去除无效或错误的数据点；（2）数据标准化，确保数据格式一致，便于分析；（3）数据分类，根据不同的反馈类型如点击、收藏、评分等进行分类，等等；
特征提取：从预处理后的数据中提取关键特征，这些特征可能包括用户对某款服装的浏览时长、点击频率、评分高低、评论内容等；这些特征能够反映用户对初选服装的喜好程度和偏好细节；
偏好模式学习：利用生成式人工智能算法，如生成对抗网络（GANs），对提取的特征进行深度学习；通过分析用户对初选服装的反馈模式，AI模型学习并理解用户的喜好特征，包括偏爱的服装风格、颜色、图案等；
生成复选服装设计：基于学习到的用户偏好模式，生成式AI算法设计一款或多款新的复选服装；其中，可选的生成式AI算法包括：生成对抗网络（GANs）：生成对抗网络是一种深度学习模型，由两部分组成：生成器和判别器；生成器的目标是产生足够真实的数据，以至于判别器无法区分真实数据和生成的数据；这种模型特别适用于生成高质量的图片，因此被广泛用于服装设计中，能够生成新颖的服装图案和样式；变分自编码器（VAEs）：变分自编码器是另一种生成式模型，它通过编码输入数据来学习数据的潜在表示，然后从这些潜在表示中解码出新的数据；VAEs可以用于生成新的服装设计，尤其是当需要平滑地探索设计空间时；条件生成模型：这类模型可以在给定某些条件（如风格、颜色、布料等）的情况下生成数据；在本实施方式中，条件生成模型可以用于根据特定的设计要求或用户偏好生成服装设计；风格迁移算法：风格迁移算法可以将一种图像的风格应用到另一种图像上，同时保留后者的内容，这可以用于将特定的艺术风格或图案应用到服装设计上，创造出独特的视觉效果；增强学习算法：在一些示例性的高级应用中，增强学习技术可以用来训练模型，以优化服装设计的某些方面，比如舒适度、实用性或流行度，通过奖励机制，模型学习如何改进设计以达到预定的目标；深度梦境算动漫：深度梦境是一种基于深度神经网络的算法，通过放大和迭代地增强图像中的特征来创造超现实的图像效果，从而生成极具创意和未来感的设计；
优化与迭代：生成的复选服装设计可能会经过多轮迭代优化；每轮迭代中，AI算法细化设计细节，调整风格元素，以进一步贴近用户的个性化需求；
进一步的，将上述步骤生成的服装数据引入渲染模块116进行渲染与展示，使复选服装设计具备高质量渲染效果，以达到展示效果；然后将这些图像发送到用户的客户端，展示给用户进行进一步的选择和反馈；
在复选阶段中，复选服装并未使用用户的身材数据进行合成化展示，以进一步提高生成速度，节省运算资源；
最后进入试穿阶段后，示例性地说明每个步骤的实施方式包括：
D100：提取用户的三维身体模型及复选服装数据，服务终端访问用户档案，提取存储在服务终端中的用户三维身体模型；三维身体模型是通过先前的扫描或用户提供的尺寸数据生成的，准确反映了用户的身体尺寸和形态；同时，服务终端检索用户在复选阶段选中的服装数据，这些数据包括服装的设计细节、尺寸参数、材质属性等，为后续的适配和合成准备必要的信息；
D200：适配与合成服装试穿图像；所述合成模块118根据用户的三维身体模型和选中的复选服装数据进行工作；首先，所述合成模块118会对复选服装的尺寸和形状进行调整，确保服装能够自然地贴合用户的身体模型；接着，合成算法将调整后的服装模型与用户的身体模型进行合成，生成适合展示服装在用户身上的虚拟试穿的三维动态模型，此过程考虑了服装的垂坠、贴合度以及可能的动态变化，以确保合成的图像尽可能真实；
D300：重新渲染服装试穿图像，经过合成后，渲染模块116对合成的服装试穿图像进行高质量渲染；这一步骤旨在提高图像的真实感，包括对光照、阴影、反射和服装材质等视觉效果进行精细处理；渲染过程采用高级图形处理技术，确保生成的图像在视觉上接近实物，为用户提供准确的试穿效果预览；
D400：生成动态演示视频，服务终端基于渲染后的服装试穿图像，创建一个动态的演示模型，模拟用户在真实场景中穿着该服装的样子；优选的，此过程包括一系列动作和姿势，如行走、转身、弯腰等，旨在展示服装在不同动作下的表现；动态演示视频由一系列经过精细渲染的帧组成，展示服装随着用户动作的自然流动和变化；这一步骤不仅增强了虚拟试穿的互动性和真实感，也帮助用户更全面地了解服装的特性和适用性；
在优选的示例性实施方式中，在完成服装试穿图像的渲染后，服务终端进一步加入AR展示内容；通过将动态演示视频与AR技术结合，允许用户通过客户端设备（如智能手机或平板电脑）的摄像头，采集实时的身体以及面容状态，并在实际环境中实时预览服装效果；用户可以在自己的居住或工作空间内，看到虚拟的服装如何在自己的身上展现，提供了一种仿佛镜子中反映的试穿体验；
并且，所述试穿系统可以提供实时互动方法；用户可以通过客户端在现实空间中移动和转动，AR系统会实时调整虚拟服装的显示，以匹配用户的视角和位置；这种实时互动性让用户能够从不同角度和距离观察服装的细节，增强了试穿体验的真实感和沉浸感；
并且，所述试穿系统的AR演示还可以加入环境适应性，通过识别用户所处的真实环境，如光照条件、背景等，调整虚拟服装的显示效果，使其更自然地融入真实世界中，这种环境适应性进一步提升了试穿体验的真实度和可信度。
实施例二：本实施例应当理解为至少包含前述任意一个实施例的全部特征，并在其基础上进一步改进；
在示例性的实施方式中，采用所述客户端采集用户身材数据的方式包括采用三维采集的方式进行大量数据的采集；用户程序利用客户端所具备图像传感器对用户的全身三维扫描；
在示例性的实施方式中，用户程序向用户提供采集数据的流程指引，其中包括固定客户端设备的方式，利用将客户端放置在指定高度以及指定距离的位置；用户将身体立定并进行旋转身体的动作；在旋转身体的过程中，客户端的图像传感器对用户进行全身扫描；
在示例性的实施方式中，用户程序将用户身体的每个部位的多个位置点以一组数据点进行描述，定义位置点在三维空间中的X、Y、Z坐标；这些坐标共同描述了身体的表面几何形状；通过处理数据点云，系统可以保持独立于扫描仪，从而生成独立的坐标数据；也就是说，它可以使用任何扫描仪生成的数据，例如白光、激光或红外扫描仪，生成数据点云；
在示例性的实施方式中，用户完成扫描后，数据被发送到服务终端；所述建模模块112将扫描数据转换为数字化的身体结构数据，并建立用户身体表面的数学模型；这个转换过程从一个通用的身体结构开始，本质上是一个具有固定数量的身体结构元素的基础线框模型，其中包括多个部位，例如腰部和臀部位置的子模型；对于每个被扫描的对象，通过分析扫描数据来确定这些身体结构元素的位置，以识别其在被扫描对象上的正确放置；
在示例性的实施方式中，扫描数据被分段以将主要身体部位（例如手臂、腿、上下躯干和头部）放置在不同的文件层上，以便可以分别查看和分析身体部位；这些文件层可以视为可以单独或组合查看的顶层透明度；
在示例性的实施方式中，一旦为用户确定了身体扫描贴合模型，后续过程可以更有效地评估每个被扫描的受试者以确定合适的服装尺寸并分析该服装的贴合度，因为每个身体扫描贴合模型都标识了被扫描受试者的所有关键身体位置；
进一步，如附图4所示，说明一种示例性的从定义物体表面几何形状的原始数据点集合中确定物体扫描拟合模型的方法的流程图；
在步骤400处，根据原始数据确定被用户的总高度；
在步骤402处，将总高度分成两半以确定髋关节水平的近似位置；
在步骤404处，手臂近似地定位为腰部上方的那些数据点，其从身体向外延伸的远超过髋部区域的最宽点；
在步骤406处，分析髋部区域的数据点以确定定义腿和骨盆之间的间隙轮廓；
在步骤408处，通过比较近似髋关节位置区域内原始数据的横截面切片来缩小实际髋关节位置；在此步骤中也确定了身躯的侧缝和中心前部位置；然后将原始数据的原点移动到髋围的中心，因为这是身体的近似重心；
在步骤410处，对下髋部和大腿上部区域的中心数据点进行分析，以确定发生在腿和骨盆之间的前轮廓的位置以及发生在腿和臀部之间的后轮廓的位置；这两个轮廓用于确定定义胯部的曲线；
在步骤412处，确定每条腿的位置，使得腿可以从身体上移开并放置在单独的层上；
在步骤414中，确定腰部近似位置；
在步骤416中，进一步确定了实际的腰位；建模模块112沿着身体的前腰区域适配前轮廓线，沿着后腰区域适配后轮廓线，以及沿着侧腰区域适配侧轮廓线；腰部通常不垂直于身体的高度，在较大的身体中倾斜程度大于在较小的身体中；腰部连接了前、后和侧轮廓线的凹陷处；
在步骤418中，确定定义腰部的曲线；
在步骤420中，通过评估手臂和躯干之间形成的轮廓线来确定手臂的实际位置；
在步骤422中，确定了脖颈的位置；
在步骤424中，调整原始数据和模型以补偿上半身的不对称性；几乎每个人在某种程度上都是不对称的；然而，几乎每个人都穿对称的衣服；此外，无论扫描对象试图如何对称地站立，身体都很容易偏移到一个不对称的位置；
在步骤426中，确定了曲线以定义身体的下躯干或躯干部分；下躯干区域定义为位于胯部和腰部之间的区域，不包括腿部；
进一步的，在步骤428中，确定了曲线以定义身体的上躯干或躯干部分；上躯干区域定义为位于腰部和肩膀之间的区域，但不包括手臂；下躯干和上躯干区域的每个曲线都是横穿身体的，并定义了躯干区域的横截面；
在步骤430中，确定肩部曲线以定义身体的肩部区域；肩部曲线是垂直穿过肩部的，以更好地保留肩部细节；
在步骤432中，确定膝盖和脚踝的位置；
在步骤434中，确定曲线以定义大腿（膝盖以上）和小腿（膝盖以下）；曲线围绕腿部取出，定义了腿部的横截面；
在步骤436中，确定肘部和腕部的位置；
在步骤438中，确定曲线以定义上臂（肘部以上）和前臂（肘部以下）；曲线围绕手臂取出，定义了手臂的横截面；
通过以上步骤进行身体尺寸的测定，可以在扫描中找到三维身体模型中每个需要定义的点位置在用户身体上相应的点，无论用户的身体大小或形状如何。
实施例三：本实施例应当理解为至少包含前述任意一个实施例的全部特征，并在其基础上进一步改进；
在示例性的实施方式中，所述服务终端为一个至少包括处理器以及存储器的计算装置；而更具体地，如附图5所示，说明所述服务终端中所采用的计算装置的实施方式；所述计算装置可应用于所述热泵设备之中各工作组件的数据储存、运算以及指令结果的输出过程；
示例性地，计算装置包括总线502或用于传送信息的其他通信机制、与总线502耦合用于处理信息的一个或多个处理器504；处理器504可以是例如一个或多个通用微处理器；
计算装置还包括主存储器506，例如随机存取存储器RAM、高速缓存和/或其他动态存储设备，其耦合到总线502用于存储要由处理器504执行的信息和指令；主存储器506还可以用于在由处理器504执行的指令的执行期间存储临时变量或其他中间信息；这些指令当存储在处理器504可访问的存储介质中时，将计算装置呈现为被定制为执行指令中指定操作的专用机器；
计算装置还可以包括耦合到总线502的只读存储器ROM508或其他静态存储设备，用于存储处理器504的静态信息和指令；当中例如磁盘、光盘或USB驱动器闪存驱动器等的存储设备510将耦合到总线502以用于存储信息和指令；
并且进一步的，耦合到总线502还可以包括用于显示各种信息、数据、媒体等的显示器512、用于允许计算装置的用户控制、操纵计算装置和/或与计算装置交互的输入装置514；
优选的一种与所述管理系统进行交互的方式可以是通过光标控制设备516，例如计算机鼠标或类似的控制/导航机制；
进一步的，计算装置还可以包括耦合到总线502的网络设备518；其中网络设备518可以包括例如有线网卡、无线网卡、交换芯片、路由器、交换机等部件；
一般而言，本文所使用的词语“引擎”、“组件”、“系统”、“数据库”等可以指硬件或固件中体现的逻辑，或者指软件指令的集合，可能具有条目以及退出点，以诸如Java、C或C++的编程语言编写；软件组件可以被编译并链接成可执行程序，安装在动态链接库中，或者可以用解释型编程语言（例如BASIC、Perl或Python）来编写；应当理解，软件组件可以从其他组件或从它们自身调用，和/或可以响应于检测到的事件或中断而被调用；
配置为在计算设备上执行的软件组件可以在计算机可读介质上提供，例如光盘、数字视频盘、闪存驱动器、磁盘或任何其他有形介质，或者作为数字下载并且可以最初存储采用压缩或可安装格式，需要在执行之前安装、解压缩或解密；这样的软件代码可以部分或全部存储在执行计算设备的存储器设备上，以供计算设备执行；软件指令可以嵌入固件中，例如EPROM；还应当理解，硬件组件可以由连接的逻辑单元例如门和触发器组成，和/或可以由可编程单元例如可编程门阵列或处理器组成；
计算装置包括可以使用定制的硬连线逻辑、一个或多个ASIC或FPGA、固件和/或程序逻辑来实现本文描述的技术，所述程序逻辑与计算机系统相结合使得计算装置成为专用的计算设备；
根据一个或多个实施例，本文的技术由计算装置响应于处理器504执行主存储器506中包含的一个或多个指令的一个或多个序列而执行；这样的指令可以从诸如存储设备510之类的另一存储介质读入主存储器506；主存储器506中包含的指令序列的执行使得处理器504执行本文描述的处理步骤；在替代实施例中，可以使用硬连线电路来代替软件指令或与软件指令组合；
如本文所使用的术语“非暂时性介质”和类似术语指的是存储使机器以特定方式操作的数据和/或指令的任何介质；这样的非暂时性介质可以包括非易失性介质和/或易失性介质；非易失性介质包括例如光盘或磁盘，例如存储设备510；易失性介质包括动态存储器，例如主存储器506；
其中，非暂时性介质的常见形式包括例如软盘、软盘、硬盘、固态驱动器、磁带或任何其他磁性数据存储介质、CD-ROM、任何其他光学数据存储介质、任何具有孔图案的物理介质、RAM、PROM 和 EPROM、FLASH-EPROM、NVRAM、任何其他存储芯片或盒以及其网络版本；
非瞬态介质不同于传输介质，但可以与传输介质结合使用；传输介质参与非瞬态介质之间的信息传输；例如，传输介质包括同轴电缆、铜线和光纤，包括构成总线502的电线；传输介质还可以采用声波或光波的形式，例如无线电波和红外数据通信。
虽然上面已经参考各种实施例描述了本发明，但是应当理解，在不脱离本发明的范围的情况下，可以进行许多改变和修改。也就是说上面讨论的方法，系统和设备是示例。各种配置可以适当地省略，替换或添加各种过程或组件。例如，在替代配置中，可以以与所描述的顺序不同的顺序执行方法，和/或可以添加，省略和/或组合各种部件。而且，关于某些配置描述的特征可以以各种其他配置组合，如可以以类似的方式组合配置的不同方面和元素。此外，随着技术发展其中的元素可以更新，即许多元素是示例，并不限制本公开或权利要求的范围。
在说明书中给出了具体细节以提供对包括实现的示例性配置的透彻理解。然而，可以在没有这些具体细节的情况下实践配置例如，已经示出了众所周知的电路，过程，算法，结构和技术而没有不必要的细节，以避免模糊配置。该描述仅提供示例配置，并且不限制权利要求的范围，适用性或配置。相反，前面对配置的描述将为本领域技术人员提供用于实现所描述的技术的使能描述。在不脱离本公开的精神或范围的情况下，可以对元件的功能和布置进行各种改变。
综上，其旨在上述详细描述被认为是例示性的而非限制性的，并且应当理解，以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。
Claims (8)
1.一种基于AR和AI的虚拟试穿系统，其特征在于，所述试穿系统包括：
服务终端，被配置为运行服务平台；所述服务终端用于接收从客户端输入的用户数据，并为用户生成定制化的服装样式以及相应的服装数据，并进一步包括将服装数据输出生成动态演示效果，以及输出到3D打印设备进行生产；
客户端，被配置为运行一个用户程序，并与所述服务终端通讯连接；用户通过所述用户程序进行用户信息录入，包括用户身材数据录入，服装喜好录入，获取所述试穿系统所生成的服装；并且包括进行服装的虚拟试穿演示，进行服装订单确认以及订单支付；
其中，所述试穿系统包括以下三个阶段的步骤，生成提供给用户进行虚拟试穿的服装：
初选阶段：用户通过客户端进行用户注册；客户端收集用户的用户信息并发送到服务终端；服务终端生成并存储对应的用户档案；根据用户档案，生成初选服装列表并返回到客户端中，统计用户浏览所述初选服装列表时的反馈数据；
复选阶段：服务终端根据所述用户档案以及所述反馈数据，生成一款或以上的复选服装，并汇总一款或以上的复选服装形成复选服装列表；由用户在所述复选服装列表中确定是否有想要进行虚拟试穿的复选服装；若不选择试穿，则更新所述复选服装列表中的服装，直到用户选择所述复选服装进行虚拟试穿；
试穿阶段：根据用户档案中的用户身材数据，调整用户选择进行虚拟试穿的所述复选服装的多个尺寸数据，并将调整完的服装合成到用户的三维身体模型上之后，通过客户端向用户进行演示；
其中，所述试穿系统包括设置有常驻于所述用户程序的显示界面的计费系统，用于提示用户在截至当前任意一个操作步骤时所预估的最终费用P；其中P的计算方式为：
，
上式中，Basic为基础费用，为用户开始使用所述试穿系统时的固定基础费用；
Cc、Cn、Cr以及Cf分别为服装复杂度系数、服装数量系数、渲染精度系数和用户反馈修正系数，以上系数的具体数值由相关技术人员根据试穿系统的运算能力进行具体设定；Cw为3D打印的单位重量费用；
D为服装设计复杂度等级，根据服装的设计元素的复杂性由试穿系统进行自动评估；N为用户在初选和复选阶段所浏览的服装总数；R为渲染精度等级，由用户根据需要选择，更高的等级提供更精细的视觉效果；F为用户反馈次数，包括用户对服装样式、颜色、尺寸进行的调整次数；W为服装的净重；
α、β、δ是指数因子，用于调整对应变量增长的速率，三个指数因子根据试穿系统对用户的历史行为进行分析从而生成的经验数值。
2.如权利要求1所述试穿系统，其特征在于，所述服务终端包括：
服装数据库，被配置为存储有多款服装的服装数据，每款服装的服装数据包括有多个设计元素的元素参数；
建模模块，被配置为根据客户端的所述用户程序所采集的用户身材数据，生成对应于用户身材的三维身体模型；
生成模块，被配置为利用生成式人工智能技术，生成一款或以上的服装模型；
渲染模块，被配置为根据所述服装模型进行渲染，生成可见的服装图像；
合成模块，被配置为将所述服装模型与所述三维身体模型进行适配和合成，生成与三维身体模型结合合适的服装试穿图像。
3.如权利要求2所述试穿系统，其特征在于，每款所述复选服装的尺寸由多个合身因子进行描述；每个合身因子用于描述一个服装部位的尺寸。
4.如权利要求3所述试穿系统，其特征在于，所述用户身材数据通过用户采用客户端的摄像装置进行扫描采集后生成。
5.如权利要求4所述试穿系统，其特征在于，用户在采用客户端扫描采集所述用户身材数据时，通过在身体上附加尺寸标定物从而使所述建模模块获得尺寸基准值。
6.如权利要求5所述试穿系统，其特征在于，在所述初选阶段中，包括以下子步骤：
S100：用户注册，由用户在客户端上输入个人基本信息以及服装喜好信息；通过客户端采集用户身材数据；将所述个人基本信息、服装喜好信息以及用户身材数据发送到服务终端；
S200：服务终端根据用户的个人基本信息、服装喜好信息以及用户身材数据，和生成用户档案；
S300：根据用户档案，从所述服装数据库中进行初次服装匹配，生成初选服装列表；并将所述初选服装列表返回客户端上供用户进行浏览；
S400：客户端统计用户浏览所述初选服装列表的反馈数据，并将所述反馈数据发送到服务终端。
7.如权利要求6所述试穿系统，其特征在于，所述反馈数据包括用户在浏览所述初选服装列表的服装时产生的以下至少一项数据：
对所述初选服装列表的至少一件服装的观看时间；
对所述初选服装列表的至少一件服装的评分；
对所述初选服装列表的至少一件服装进行收藏；
对所述初选服装列表的至少一件服装进行的编辑操作数量。
8.如权利要求7所述试穿系统，其特征在于，在所述试穿阶段中，包括以下子步骤：
D100：提取用户的三维身体模型以及用户选中的所述复选服装的服装数据；
D200：通过所述合成模块将所述复选服装的服装数据调整为与用户的三维身体模型进行适配和合成，生成与三维身体模型结合合适的服装试穿图像；
D300：通过所述渲染模块对服装试穿图像进行重新渲染；
D400：生成展示用的服装试穿演示用的模型，并生成动态演示视频。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410298527.0A CN117893289A (zh) | 2024-03-15 | 2024-03-15 | 一种基于ar和ai的虚拟试穿系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410298527.0A CN117893289A (zh) | 2024-03-15 | 2024-03-15 | 一种基于ar和ai的虚拟试穿系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117893289A true CN117893289A (zh) | 2024-04-16 |
Family
ID=90639752
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410298527.0A Pending CN117893289A (zh) | 2024-03-15 | 2024-03-15 | 一种基于ar和ai的虚拟试穿系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117893289A (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6546309B1 (en) * | 2000-06-29 | 2003-04-08 | Kinney & Lange, P.A. | Virtual fitting room |
| CN107577897A (zh) * | 2017-09-25 | 2018-01-12 | 广州云翥轩设计有限公司 | 一种个性化服装设计专家推荐系统 |
| CN108960998A (zh) * | 2018-06-29 | 2018-12-07 | 云智衣橱（深圳）科技有限责任公司 | 一种服装定制的方法及系统 |
| CN109598798A (zh) * | 2012-12-14 | 2019-04-09 | 韩国电子通信研究院 | 虚拟物拟合方法及虚拟物拟合服务系统 |
| 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 |
| CN112150239A (zh) * | 2020-09-10 | 2020-12-29 | 浙江网安文化发展有限公司 | 一种穿搭图像信息推荐方法及装置 |
| US20220253923A1 (en) * | 2021-02-11 | 2022-08-11 | Sean Joseph Donnelly | Virtual Fitting Room |
| CN115204987A (zh) * | 2022-08-04 | 2022-10-18 | 浙江星链数据科技有限公司 | 一种用于鞋服交易的定制购物方法及购物系统 |
| CN117292097A (zh) * | 2023-11-23 | 2023-12-26 | 南昌世弘泛亚科技股份有限公司 | Ar试穿互动体验方法及系统 |
-
2024
- 2024-03-15 CN CN202410298527.0A patent/CN117893289A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6546309B1 (en) * | 2000-06-29 | 2003-04-08 | Kinney & Lange, P.A. | Virtual fitting room |
| CN109598798A (zh) * | 2012-12-14 | 2019-04-09 | 韩国电子通信研究院 | 虚拟物拟合方法及虚拟物拟合服务系统 |
| CN107577897A (zh) * | 2017-09-25 | 2018-01-12 | 广州云翥轩设计有限公司 | 一种个性化服装设计专家推荐系统 |
| CN108960998A (zh) * | 2018-06-29 | 2018-12-07 | 云智衣橱（深圳）科技有限责任公司 | 一种服装定制的方法及系统 |
| 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 |
| CN112150239A (zh) * | 2020-09-10 | 2020-12-29 | 浙江网安文化发展有限公司 | 一种穿搭图像信息推荐方法及装置 |
| US20220253923A1 (en) * | 2021-02-11 | 2022-08-11 | Sean Joseph Donnelly | Virtual Fitting Room |
| CN115204987A (zh) * | 2022-08-04 | 2022-10-18 | 浙江星链数据科技有限公司 | 一种用于鞋服交易的定制购物方法及购物系统 |
| CN117292097A (zh) * | 2023-11-23 | 2023-12-26 | 南昌世弘泛亚科技股份有限公司 | Ar试穿互动体验方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 中国纺织信息中心等编著: "《时尚产业数字技术展望》", 30 November 2022, 中国纺织出版社, pages: 163 - 164 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10489683B1 (en) | Methods and systems for automatic generation of massive training data sets from 3D models for training deep learning networks | |
| US10777020B2 (en) | Virtual representation creation of user for fit and style of apparel and accessories | |
| CN113496507B (zh) | 一种人体三维模型重建方法 | |
| KR100523742B1 (ko) | 3차원 안경 시뮬레이션 시스템 및 방법 | |
| US7460125B2 (en) | Apparatus and method for immediately creating and controlling virtual reality interactive human body model for user-centric interface | |
| Baek et al. | Parametric human body shape modeling framework for human-centered product design | |
| Su et al. | Deepcloth: Neural garment representation for shape and style editing | |
| CN107924579A (zh) | 生成个性化3d头部模型或3d身体模型的方法 | |
| CN114758213A (zh) | 一种服装模型的布料解算方法、设备和存储介质 | |
| CN114037802A (zh) | 三维人脸模型重建方法、装置、存储介质及计算机设备 | |
| US11507781B2 (en) | Methods and systems for automatic generation of massive training data sets from 3D models for training deep learning networks | |
| US20210375045A1 (en) | System and method for reconstructing a 3d human body under clothing | |
| TWI780919B (zh) | 人臉影像的處理方法、裝置、電子設備及儲存媒體 | |
| WO2015017687A2 (en) | Systems and methods for producing predictive images | |
| CN113570634B (zh) | 对象三维重建方法、装置、电子设备及存储介质 | |
| GB2580596A (en) | Interactive system for automatically synthesizing a content-aware fill | |
| CN114693570A (zh) | 一种人体模型图像的融合处理方法、设备和存储介质 | |
| Wang et al. | BLSM: A bone-level skinned model of the human mesh | |
| Li et al. | Remodeling of mannequins based on automatic binding of mesh to anthropometric parameters | |
| CN118096980A (zh) | 一种基于自定义扩散模型的三维虚拟试穿方法和系统 | |
| Broll et al. | Generative deep learning approaches for the design of dental restorations: A narrative review | |
| Hu et al. | Predicting high-fidelity human body models from impaired point clouds | |
| CN117593178A (zh) | 一种基于特征引导的虚拟试衣方法 | |
| CN117893289A (zh) | 一种基于ar和ai的虚拟试穿系统 | |
| CN111696177A (zh) | 人体三维模型和仿真人像动画的生成方法、装置和介质 |
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 |