一种用户个人服饰的搭配方法组成比例

本发明专利技术涉及通信技术领域，尤其涉及一种用户个人服饰的搭配方法，包括以下步骤：S1用户对其衣橱内的服饰拍照，并导入计算机而构建视觉数据驱动的个人衣橱模型；S2个人衣橱模型基于网络大数据应用机器学习方法了解时尚趋势，提供服饰搭配建议；S3用户参照服饰搭配建议，选择着装。本发明专利技术提供一种个人服饰的搭配方法，通过机器学习方法分析网络上的海量时尚图片，基于网络大数据了解时尚趋势，并且应用获取到的“时尚知识”为用户推荐基于其个人衣橱的服饰搭配，快速满足了客户的定制化要求和时尚需求。

【技术实现步骤摘要】
【专利摘要】本专利技术涉及通信
，尤其涉及，包括以下步骤：S1用户对其衣橱内的服饰拍照，并导入计算机而构建视觉数据驱动的个人衣橱模型；S2个人衣橱模型基于网络大数据应用机器学习方法了解时尚趋势，提供服饰搭配建议；S3用户参照服饰搭配建议，选择着装。本专利技术提供一种个人服饰的搭配方法，通过机器学习方法分析网络上的海量时尚图片，基于网络大数据了解时尚趋势，并且应用获取到的“时尚知识”为用户推荐基于其个人衣橱的服饰搭配，快速满足了客户的定制化要求和时尚需求。【专利说明】
本专利技术涉及通信
，尤其涉及。
技术介绍
人们每天都需要决定自己穿什么衣服。那些注重时尚的人们会以自己喜欢的某一件服饰开始，去选择一套服饰搭配组合。我们要解决的问题，举例来说，当用户从衣橱中选出一条裙子，如何帮助用户根据她的个人品位，从她的衣橱中选出一件合适的衬衣来搭配这条裙子？又或者，给定一双鞋子或者T恤，如何选择一条搭配好看的短裤。到目前为止，这样的服饰搭配建议都是完全基于人工，而对于那些希望穿出时尚品味而又对时尚潮流不甚了解或者缺乏时间的人，是一个不易解决的问题。 到目前为止，这是一个巨大的未被解决的问题。尽管有人在尝试解决其中的一些子问题。举例来说，为了理解某种颜色应该搭配另一种什么颜色，有人会基于颜色理论(色彩调节轮)或时尚专家(编辑编写)建立一套含有系列规则的推荐系统。可是这样的方法只适用于通用情形，无法给用户提供个性化服务，也就是无法根据用户自己衣橱里的衣服做推荐。而且，这样的方法也无法满足用户的定制化需求，比如用户希望追随某些名人的时尚品味的需求，并希望从自己的衣橱中选出合适服饰穿出类似这个名人的风格。
技术实现思路
(一 )要解决的技术问题 本专利技术的目的是一种具有基于用户个人衣橱的服饰的搭配方法，满足用户的时尚品味需求。 ( 二 )技术方案 本专利技术是通过以下技术方案实现的:，包括以下步骤: SI用户对其衣橱内的服饰拍照，并导入计算机而构建视觉数据驱动的个人衣橱模型，用户拍摄其衣橱内服饰照片，从而用视觉分析的方法构建一个“个人衣橱模型”，并产生一个量化的视觉数据特征，以代表用户的个人时尚风格的概念和方法。 S2个人衣橱模型基于网络大数据应用机器学习方法了解时尚趋势，提供服饰搭配建议，个人衣橱模型利用社交网络的公开数据通过机器学习模块学习而了解时尚趋势。 S3用户参照服饰搭配建议，选择着装。 其中，所述步骤S2中，可通过周期性收集社交网络信息获取训练数据了解时尚趋势。 其中，所述步骤S2具体包括以下步骤: S21个人衣橱模型通过机器学习模块自动挖掘社交媒体的服饰搭配图片； S22通过应用自然语言处理领域的统计语言模型方法，计算某种风格服饰搭配的出现概率顺序分布，来分析时尚服饰搭配； S23在用户指定某个服饰后，个人衣橱模型基于服饰搭配的出现概率提供着装建议。 优选地，所述步骤S2还包括以下步骤: 根据用户喜欢的明星穿衣风格，调整步骤S22中服饰搭配的出现概率分布参数。 其中，所述步骤23具体包括以下步骤: 针对用户指定的某个服饰，使用一个N-gram模型，用来预测下一个出现的服饰； 该N-gram模型为马尔可夫模型，即(n-1) -order ； 在时尚领域内，N代表在预测服饰的过程中涉及到的服饰数量。 进一步，还包括以下步骤: S4通过设立混乱度判断模型的方法，来判断个人衣橱模型的预测效力。 其中，所述步骤S2中还包括提供整个衣橱的时尚水平评分的方法，具体方法如下: 采用统计语言模型的公式P(wl，-,wm)计算得出整个个人衣橱模型的时尚得分评价；其中，Wm代表一个服饰，P代表各种服饰搭配的时尚程度。 进一步，所述个人衣橱模型可推荐用户服饰购买链接，用于与其个人衣橱模型中的服饰搭配，提升该个人衣橱模型的时尚指数。 其中，所述步骤SI具体包括以下步骤: Sll采用一个自动分类器去对用户所拍照的服饰进行分类，并打上语义标签； S12采用支持向量机模块提取所拍照的服饰的多维视觉特征向量； S13通过视觉特征向量建立一个类似统计语言模型的个人衣橱模型。 (三)有益效果 与现有技术和产品相比，本专利技术有如下优点: 本专利技术提供一种个人服饰的搭配方法，通过机器学习方法分析网络上的海量时尚图片，基于网络大数据了解时尚趋势，并且应用获取到的“时尚知识”为用户推荐基于其个人衣橱的服饰搭配，快速满足了客户的定制化要求和时尚需求。 【专利附图】【附图说明】 图1为本专利技术提供的一种用户个人服饰搭配方法的步骤图。 【具体实施方式】 为了便于本领域普通技术人员理解和实施本专利技术，下面结合附图及【具体实施方式】对本专利技术作进一步的详细描述。 如图1所示，本实施例提供，包括以下步骤: SI用户对其衣橱内的服饰拍照，并导入计算机且构建视觉数据驱动的个人衣橱模型； 其中，用户拍摄其衣橱内服饰照片，从而用视觉分析的方法构建一个“个人衣橱模型”，并产生一个量化的视觉数据特征，以代表用户的个人时尚风格的概念和方法。 步骤SI具体包括以下步骤: Sll采用一个自动分类器去对用户所拍照的服饰进行自动分类，并打上语义标签。 为了获得用户的个人衣橱模型，我们会采用某种定标方法。比如，我们会提醒用户去给她衣橱里的衣服拍照。在这个实现过程中，我们会用一个自动的分类器去对用户所拍照的服饰进行自动分类(如裙子，裤子，鞋等)，并打上语义标签。 S12采用支持向量机模块提取所拍照的服饰的多维视觉特征向量；在使用自然语言处理(Natural Language Processing,NLP)领域方法之外,还有其他方案,其中一个方案就是使用其他机器学习的技术，如支持向量机(Support Vector Machines, SVM)对服饰图片进行识别。 在数据结构方面，一个时尚服饰的模型以基于物体视觉特征的多维特征向量去表示，并用语义标签去描述这个物体是什么。其中需要特别注意的是，我们用视觉特征，而不是文本性描述，这是因为文本性描述会丢失重要的信息，而计算机提取的视觉特征可以更好地获得一个物体的本质特征并且可用量化数据驱动。 S13通过视觉特征向量建立一个类似统计语言模型的个人衣橱模型。 其中，视觉特征向量可以让我们接下来得以建立一个类似统计语言模型(Statistical Language Model, SLM)的时尚模型，并用它来为用户的时尚服饰搭配提供建议，或计算其时尚指数。 S2个人衣橱模型基于网络大数据应用机器学习方法了解时尚趋势，提供服饰搭配建议。 具体地，个人衣橱模型利用社交网络的公开数据通过机器学习模块学习而了解时尚趋势，步骤S2包括以下具体步骤: S21个人衣橱模型通过机器学习模块自动挖掘社交媒体的服饰搭配图片。 S22通过应用自然语言处理领域的统计语言模型方法，计算设定风格服饰搭配的出现概率顺序分布，来分析时尚服饰搭配。 这个新颖的实现方式将会应用来自自然语言处理NLP领域的算法和技术。我们观察到，要解决如何使得不同的服饰可以相互搭配，这个问题与自然语言处理里如何找到相互配合的词语类似。举例来说，为什么“strong team”本文档来自技高网...

【技术保护点】
一种用户个人服饰的搭配方法，其特征在于，包括以下步骤：S1用户对其衣橱内的服饰拍照，并导入计算机而构建视觉数据驱动的个人衣橱模型；S2个人衣橱模型基于网络大数据应用机器学习方法了解时尚趋势，提供服饰搭配建议；S3用户参照服饰搭配建议，选择着装。

【技术特征摘要】

【专利技术属性】
技术研发人员：马修罗伯特斯科特，黄鼎隆，
申请(专利权)人：深圳码隆科技有限公司，
类型：发明
国别省市：北京;11