一種基于人體體征信息的服裝匹配方法與系統與流程

本發明涉及計算機圖形學
技術領域：
，尤其涉及一種基于人體體征信息的服裝匹配方法與系統。
背景技術：
：基于虛擬現實的計算機動畫是計算機圖形學與藝術相結合的產物，三維計算機動畫中的虛擬人物動畫是其中的一個重要組成部分，在各種各樣的3D仿真中扮演著重要的角色。動畫人物的虛擬服裝模擬是研究中的一個難點問題，服裝的外形并不像剛體一樣固定不變，其某些特征帶來模擬上的難度，如服裝的復雜多變形和高度變形性。服裝本身是由多片布料縫合而成，面片之間需要滿足縫合的約束，服裝特有的結構約束，如褶皺等也需要加以表現，此外，人體運動可以徹底改變服裝的視覺效果，穿著搭配和穿著層次等的影響也給虛擬服裝的真實度帶來了很大的挑戰。虛擬服裝的建模方法主要分為三種：幾何法、物理法和混合法，目前基于物理的建模方法占據主導地位，虛擬服裝建模中有兩個亟待解決的問題，即提高虛擬的真實度和運算速度。技術實現要素：本發明的目的在于，提出一種能夠根據消費者人體體征信息自動推薦符合消費者需求的服裝匹配，解決現有虛擬建模真實度不高，運算速度慢的問題。為了實現上述目的，本發明所采用的技術方案為：一種基于人體體征信息的服裝匹配方法，包括如下步驟：采集人體體征信息和服裝單品信息的匹配方案并存儲；接收所輸入的消費者體征信息及消費者需求參數；計算消費者體征信息、消費者需求參數與匹配方案各對應項數據之間的相似度值，并依據預設的權重比例獲取匹配度；依據匹配度的大小依序顯示服裝匹配結果。其中，所述的基于人體體征信息的服裝匹配方法，還包括判斷所采集人體體征信息和服裝單品信息的匹配方案是否為曬單匹配方案；是曬單匹配方案，計算消費者體征信息、消費者需求參數與曬單匹配方案各對應項數據之間的相似度值，并依據預設的權重比例獲取強匹配；非曬單匹配方案，計算消費者體征信息、消費者需求參數與非曬單匹配方案各對應項數據之間的相似度值，并依據預設的權重比例獲取弱匹配；依據強匹配和弱匹配的類別分類依序顯示服裝匹配結果。其中，所述的基于人體體征信息的服裝匹配方法，所述計算相似度值包括：計算消費者體征信息、消費者需求參數與匹配方案各對應項數據之間的差值，設置差值范圍與分值之間的關系，依據所計算的差值獲取每一項數據的分值。其中，所述的基于人體體征信息的服裝匹配方法，還包括依據人體體征信息、服裝單品信息或服裝單品之間的特性數據將匹配方案分類存儲。其中，所述的基于人體體征信息的服裝匹配方法，所述人體體征信息包括身高、體重、肩寬、胸圍、腰圍、臀圍、髖圍、大腿圍、小腿圍、腿長、臂長、足頸圍、上臂圍、頸長、頸圍、膚色、發質、臉型、皮膚機理、瞳孔顏色、身體比例；所述服裝單品信息包括：款式、顏色、季節、版型。本發明還公開一種基于人體體征信息的服裝匹配系統，包括：采集模塊，用于采集人體體征信息和服裝單品信息的匹配方案并存儲；輸入模塊，用于接收所輸入的消費者體征信息及消費者需求參數；匹配模塊，用于計算消費者體征信息、消費者需求參數與匹配方案各對應項數據之間的相似度值，并依據預設的權重比例獲取匹配度；第一顯示模塊，用于依據匹配度的大小依序顯示服裝匹配結果。其中，所述的基于人體體征信息的服裝匹配系統，還包括判斷模塊：用于判斷所采集人體體征信息和服裝單品信息的匹配方案是否為曬單匹配方案；所述匹配模塊包括：強匹配單元，弱匹配單元；所述強匹配單元用于判斷為匹配方案后，計算消費者體征信息、消費者需求參數與曬單匹配方案各對應項數據之間的相似度值，并依據預設的權重比例獲取強匹配；所述弱匹配單元用于判斷為非曬單匹配方案后，計算消費者體征信息、消費者需求參數與非曬單匹配方案各對應項數據之間的相似度值，并依據預設的權重比例獲取弱匹配；所述第一顯示模塊，用于依據強匹配和弱匹配的類別分類依序顯示服裝匹配結果。其中，所述的基于人體體征信息的服裝匹配系統，所述匹配模塊計算相似度值包括：計算消費者體征信息、消費者需求參數與匹配方案各項數據之間的差值，設置差值范圍與分值之間的關系，依據所計算的差值獲取每一項數據的分值。其中，所述的基于人體體征信息的服裝匹配系統，還包括分類模塊，用于依據人體體征信息、服裝單品信息或服裝單品之間的特性數據將匹配方案分類存儲。其中，所述的基于人體體征信息的服裝匹配系統，所述人體體征信息包括身高、體重、肩寬、胸圍、腰圍、臀圍、髖圍、大腿圍、小腿圍、腿長、臂長、足頸圍、上臂圍、頸長、頸圍、膚色、發質、臉型、皮膚機理、瞳孔顏色、身體比例；所述服裝單品信息包括：款式、顏色、季節、版型。本發明的有益效果為：一、通過采集人體體征信息和服裝單品的匹配方案進行數據建模，將消費者的體征信息、消費者需求參數和已有匹配方案各對應項數據之間進行匹配度計算，使得匹配結果能夠最真實的結合消費者體征信息將服裝單品進行虛擬建模，仿真，為消費者提供服裝匹配購物指南。二、通過判斷所采集的人體體征信息和服裝單品的匹配方案是否為曬單匹配方案，將匹配度分為強匹配和弱匹配。其中，曬單匹配方案為已有消費者曬單的數據，將服裝匹配結果分為強匹配和弱匹配，其中強匹配數據的真實性更高，更加可靠，更容易得到消費者的青睞。弱匹配數據能夠給消費者提供更多參考意見，擴大消費者服裝單品可選擇范圍。三、所述相似度值計算綜合考慮消費者體征信息、消費者需求參數與匹配方案各項數據之間的差值，將消費者的各項數據與已有匹配方案的各項數據分別進行計算比對，其分析面廣、全，能夠全方位的考慮消費者的需求，使得匹配出的虛擬模型更加符合消費者。四、依據人體體征信息和服裝單品信息、服裝單品之間的特性數據將匹配方案分類存儲，將數據分類存儲后，在進行相似度計算過程中，能夠依據類別進行相似度計算，去除關聯度不大的類別的統計，避免進行大量數據計算，縮短數據計算時間，能夠快速的依據消費者的體征信息和需求獲取服裝匹配結果。附圖說明圖1為本發明基于人體體征信息的服裝匹配方法的方法流程圖；圖2為本發明基于人體體征信息的服裝匹配方法的又一實施方式的方法流程圖；圖3為本發明基于人體體征信息的服裝匹配系統的結構框圖。具體實施方式以下將結合附圖所示的具體實施方式對本發明進行詳細描述。但這些實施方式并不限制本發明，本領域的普通技術人員根據這些實施方式所做出的結構、方法、或功能上的變換均包含在本發明的保護范圍內。本發明的第一實施方式涉及一種基于人體體征信息的服裝匹配方法，參閱圖1所示，其包括如下步驟：S100：采集人體體征信息和服裝單品信息的匹配方案并存儲；具體的說，在該步驟中，人體的體征信息可包含身高、體重、肩寬、胸圍、腰圍、臀圍、髖圍、大腿圍、小腿圍、足頸圍、上臂圍、頸圍、膚色、發質、臉型、皮膚機理、瞳孔顏色、身體比例。服裝單品信息可以包括上衣、下衣、配件、鞋子、款式、顏色、季節、版型等。在該實施方式中，所述人體體征信息和服裝單品信息匹配方案的采集可通過網絡進行數據收集，如通過淘寶、京東等網絡商城進行數據采集，采集已有消費者的消費歷史記錄，并引導歷史消費者填寫相關體征信息進行數據庫的構建。人體體征信息的采集還可通過智能掃描終端進行數據提取，如采用人體掃描儀獲得用戶的身高、體重、肩寬、胸圍、腰圍、臀圍、髖圍、大腿圍、小腿圍、腿長、臂長、足頸圍、上臂圍、頸長、頸圍、膚色、發質、臉型、皮膚機理、瞳孔顏色、發質、臉型、瞳孔顏色、上身長、下身長、身體比例或臂長等信息；腳部掃描儀可以掃描人體腳部獲得用戶的腳長、腳寬、腳厚、腳趾長度等信息；手部掃描儀可以掃描人體手部獲得用戶的手長、手寬、手厚、手指長度等信息；另外，通過智能掃描終端還可以識別用戶的膚色深淺。智能掃描終端可以放置在校園門口、商場門口等人流量較大的地方。將所采集的匹配方案進行存儲，為后續的服裝匹配提供數據服務。所述的匹配方案可采用云端存儲或本地存儲，云端存儲可存儲于云服務器上，本地存儲可采用硬盤存儲、軟盤存儲等各種具備存儲功能的硬件設備。S200：接收所輸入的消費者體征信息及消費者需求參數；具體的，消費者可通過字符、語音、圖片或者視頻等方式輸入消費者個人的體征信息及消費者需求信息。所輸入的消費者個人體征信息可依據需求輸入，比如消費者需要了解上衣的匹配方案，則其輸入肩寬、胸圍、頭發長度、頭圍、身高、身體比例、發質、臉型、瞳孔顏色、臂長、上臂圍、上身長等體征信息，并輸入所需衣服類型、顏色、款式、面料、出席場合、價格范圍等需求參數；比如消費者需要了解下衣(褲子、裙子等)的匹配方案，則其輸入腰圍、臀圍、大腿圍、小腿圍、下身長等體征信息，并輸入需求參數：類型、顏色、款式、面料、出席場合、價格范圍等。消費者所輸入的體征信息及需求參數為下述的服裝匹配提供數據。S300：計算消費者體征信息、消費者需求參數與匹配方案各對應項數據之間的相似度值，并依據預設的權重比例獲取匹配度；在進行相似度值計算的時候，將消費者體征信息、消費者需求參數中的各項數據與匹配方案各對應項數據之間進行比對。比如在步驟S200中，消費者需要了解上衣的匹配方案，在進行相似度值計算的時候需要將肩寬、胸圍、頭發長度、頭圍、身高、身體比例、發質、臉型、瞳孔顏色、臂長、上臂圍、上身長等體征信息的每一項數據逐項與匹配方案中相對應項的數據進行比對，將衣服類型、顏色、款式、面料、出席場合、價格范圍等需求參數的每一項數據逐項與匹配方案中對應項的數據進行比對。更具體的說，將消費者的肩寬與匹配方案的肩寬進行相似度值計算，判斷該項數據二者是否相似，將消費者的胸圍與匹配方案的胸圍進行相似度計算，判斷該項數據二者是否相似。若消費者體征信息、需求參數包含數據：A1、A2、A3、A4、A5······，匹配方案包含體征信息、需求參數：A’1、A’2、A’3、A’4、A’5······，則將各對應項數據逐項進行相似度值計算。將A1與A’1進行相似度對比獲得相似度值D1，將A2與A’2進行相似度對比獲得相似度值D2，將A3與A’3進行相似度對比獲得相似度值D3，A4與A’4進行相似度對比獲得相似度值D4，A5與A’5進行相似度對比獲得相似度值D5，依次類推逐項對比獲得各項數據的相似度值。然后根據預設的各項數據的權重比例獲取最后的匹配度，例如，上述的相似度值D1占比10％，相似度值D2占比10％，相似度值D3占比5％，相似度值D4占比20％，相似度值D5占比3％······所有相似度值占比之和為100％。依據預設的權重比例獲取匹配度。S400：依據匹配度的大小依序顯示服裝匹配結果。具體的，在該步驟中，將步驟S300中所獲取的匹配度，依據匹配度大小將服裝匹配方案在顯示界面顯示。在顯示界面中，可設置匹配度小于50的匹配方案不顯示，或設置僅顯示匹配度大于80的匹配方案，或者設置其他顯示方式以實現查閱匹配后的匹配方案。在上述實施方式不同的一改進的實施方式中，參閱圖2所示，所采集的人體體征信息和服裝單品的匹配方案還進行是否為曬單匹配方案判斷，其具體步驟：判斷所采集人體體征信息和服裝單品的匹配方案是否為曬單匹配方案；是曬單匹配方案，執行步驟S301：計算消費者體征信息、消費者需求參數與曬單匹配方案各對應項數據之間的相似度值，并依據預設的權重比例獲取強匹配；非曬單匹配方案，執行步驟S302：計算消費者體征信息、消費者需求參數與非曬單匹配方案各對應項數據之間的相似度值，并依據預設的權重比例獲取弱匹配。在該實施方式中，所述曬單匹配方案是指歷史消費用戶將其匹配方案(包括體征信息、服裝單品信息數據)通過網絡數據以圖片、照片或視頻的形式分享曬單，曬單匹配方案以真實的圖片、照片或視頻為憑據可信度更高，更容易受到消費者的青睞。所述匹配方案被標記為曬單匹配方案后，則獲取的匹配度被標記為強匹配，所述匹配方案被標記為非曬單匹配方案后，則獲取的匹配度被標記為弱匹配。在顯示界面顯示的時候，依據強匹配和弱匹配的類別分類依序顯示服裝匹配結果，可選擇將強匹配方案顯示在界面的前面，強匹配中匹配度大的顯示在前，匹配度小的顯示在后。將弱匹配方案顯示在強匹配界面的后面，弱匹配中匹配度大的顯示靠前，匹配度小的顯示靠后。或者強匹配方案、弱匹配方案在不同的顯示界面下顯示，并依據匹配度的大小依序顯示或者倒序顯示。上述實施方式的一改進實施方式中，所述基于人體體征信息的服裝匹配方法中，所述計算相似度值包括：計算消費者體征信息、消費者需求參數與匹配方案各對應項數據之間的差值，設置差值范圍與分值之間的關系，依據所計算的差值獲取每一項數據的分值。在該實施方式中，優選的可設置差值為0的給予滿分，差值超過規定范圍的數據忽略不計(即得0分)。假設差值范圍與分值之間關系如下所示，其中Ai表示歷史匹配方案數據，A’i表示消費者輸入數據：Di＝|Ai-A’i|00<Di≤22<Di≤33<Di≤55<Di≤66<Di分值100908060500每項數據取得差值的得分后，依據預設的權重比例將各項得分相加就得出以消費者數據為基礎的匹配度，其中，每項數據的權重比例0％-100％不等，所有權重數之和是100％。所述差值Di與分值之間的關系并不僅僅局限于上表所列的關系，所述差值Di與分值之間的關系可依據實際使用的需求設置。上述實施方式的一改進實施方式中，所述的基于人體體征信息的服裝匹配方法，還包括依據人體體征信息或服裝單品信息服裝單品之間的特性數據將匹配方案分類存儲。在該過程中，將匹配方案進行分類存儲，使得在進行匹配度計算時能夠大大的減小數據計算數量，縮短數據處理時間，提高數據處理效率。所述的分類存儲依據人體體征信息或服裝單品信息、進行分類，例如人體體征信息的特性數據可以分類為：瘦、胖、高、矮，身高1.5-1.6米，身高1.6-1.7m，長發、短發、白皮膚、黃皮膚、黑皮膚等類別，服裝單品信息的特性數據可以分類為：上衣、下衣、長袖、短袖、外套、皮衣、羽絨服、棉質衣服、麻布衣服、款式顏色、季節、版型等等。所述分類存儲可依據使用的需求，根據人體體征信息或者根據服裝單品信息進行分類，還可以根據服裝單品之間的特性數據進行分類，可將同類型的服裝單品分為一類，或者符合某一人體體征信息的分為一類，所述分類并不僅僅局限于本實施方式所列舉的范圍。參閱圖3所示，本發明實施方式還公開一種基于人體體征信息的服裝匹配系統，包括：采集模塊，用于采集人體體征信息和服裝單品信息的匹配方案并存儲；輸入模塊，用于接收所輸入的消費者體征信息及消費者需求參數；匹配模塊，用于計算消費者體征信息、消費者需求參數與匹配方案各對應項數據之間的相似度值，并依據預設的權重比例獲取匹配度；第一顯示模塊，用于依據匹配度的大小依序顯示服裝匹配結果。上述實施方式所述的基于人體體征信息的服裝匹配系統的一種改進實施方式中：還包括判斷模塊：用于判斷所采集人體體征信息和服裝單品的匹配方案是否為曬單匹配方案；所述匹配模塊包括：強匹配單元，弱匹配單元；所述強匹配單元用于判斷為匹配方案后，計算消費者體征信息、消費者需求參數與曬單匹配方案各對應項數據之間的相似度值，并依據預設的權重比例獲取強匹配；所述弱匹配單元用于判斷為非曬單匹配方案后，計算消費者體征信息、消費者需求參數與非曬單匹配方案各對應項數據之間的相似度值，并依據預設的權重比例獲取弱匹配；所述第一顯示模塊，用于依據強匹配和弱匹配的類別分類顯示服裝匹配結果。上述實施方式所述的基于人體體征信息的服裝匹配系統的一種改進實施方式中，所述匹配模塊計算相似度值包括：計算消費者體征信息、消費者需求參數與匹配方案各對應項數據之間的差值，設置差值范圍與分值之間的關系，依據所計算的差值獲取每一項數據的分值。上述實施方式所述的基于人體體征信息的服裝匹配系統的一種改進實施方式中，還包括分類模塊，用于依據人體體征信息和服裝單品信息、服裝單品之間的特性數據將匹配方案分類存儲。上述實施方式所述的基于人體體征信息的服裝匹配系統的一種改進實施方式中，所述人體體征信息包括身高、體重、肩寬、胸圍、腰圍、臀圍、髖圍、大腿圍、小腿圍、腿長、臂長、足頸圍、上臂圍、頸長、頸圍、膚色、發質、臉型、皮膚機理、瞳孔顏色、身體比例；所述服裝單品信息包括：款式、顏色、季節、版型。上述實施方式所述的基于人體體征信息的服裝匹配系統是基于人體體征信息的服裝匹配方法相對應的系統實施例，基于人體體征信息的服裝匹配方法中提到的相關技術細節在本實施方式中依然有效，為了減少重復，這里不再贅述。上述實施方式所述的基于人體體征信息的服裝匹配方法，通過采集人體體征信息和服裝單品的匹配方案進行數據建模，依據消費者的體征信息及消費者需求參數進行服裝匹配，使得匹配結果能夠最真實的結合消費者體征信息將服裝單品進行虛擬建模；通過判斷所采集的人體體征信息和服裝單品的匹配方案是否為曬單匹配方案，將匹配度分為強匹配和弱匹配。其中，曬單匹配方案為已有消費者曬單的數據，將服裝匹配結果分為強匹配和弱匹配，其中強匹配數據的真實性更高，更加可靠，更容易得到消費者的青睞。弱匹配數據能夠給消費者提供更多參考意見，擴大消費者服裝單品可選擇范圍。所述相似度值計算綜合考慮消費者體征信息、消費者需求參數與匹配方案各項數據之間的差值，將消費者的各項數據與已有匹配方案的各項數據分別進行計算比對，其分析面廣、全，能夠全方位的考慮消費者的需求，使得匹配出的虛擬模型更加符合消費者。依據人體體征信息和服裝單品、服裝單品之間的特性數據將匹配方案分類存儲，將數據分類存儲后，在進行相似度計算過程中，能夠依據類別進行相似度計算，去除關聯度不大的類別的統計，避免進行大量數據計算，縮短數據計算時間，能夠快速的依據消費者的體征信息和需求獲取服裝匹配結果。應當理解，雖然本說明書按照實施方式加以描述，但并非每個實施方式僅包含一個獨立的技術方案，說明書的這種敘述方式僅僅是為清楚起見，本領域技術人員應當將說明書作為一個整體，各實施方式中的技術方案也可以經適當組合，形成本領域技術人員可以理解的其他實施方式。上文所列出的一系列的詳細說明僅僅是針對本發明的可行性實施方式的具體說明，它們并非用以限制本發明的保護范圍，凡未脫離本發明技藝精神所作的等效實施方式或變更均應包含在本發明的保護范圍之內。當前第1頁1 2 3