【技术实现步骤摘要】
利用人工智能算法订购定制鞋垫的方法
[0001]本专利技术涉及一种利用人工智能(AI)算法订购定制鞋垫的方法,更具体地,涉及一种利用人工智能算法从人的各种足部图像中建立分类足型的学习模型,并基于所述学习的模型读取客户的后足部图像,以向客户提供对应于足型的定制鞋垫信息,从而,客户可以订购经优化的鞋垫的方法。
技术介绍
[0002]两脚加起来有52块大小骨头、无数的关节、肌腱、韧带、神经和血管聚集在一起,发挥支撑我们的身体并保持平衡的重要作用。脚的不正常和变形会影响整个骨骼系统,包括膝盖、骨盆、腰部及颈部。
[0003]鞋垫(insole)是一种插入到鞋内以提高鞋的合脚性,减轻行走或运动过程中产生的冲击,从而,保护穿鞋者的脚的同时,缓解疲劳度的手段。
[0004]鞋垫和鞋子一样重要,被称为第二个鞋,但是,最初购买鞋垫时附带于鞋内的鞋垫往往存在不能完全反映穿鞋者的脚状态的情况,当脚部出现不正常或变形时更是如此。
[0005]近来,为了保持健康,对使足部保持舒适的功能性鞋垫的需求逐渐增加。功能性鞋垫是批量生产的现成产品,因此,在价格和购买时间上比定制鞋垫更有优势。然而,功能性鞋垫虽然为了使用者的足部健康而制作,但也有与定制鞋垫相比,无法满足使用者所有的足部状态的局限。
[0006]由于定制鞋垫是反映脚状态而制作,因此更有益于脚的健康。尤其,经验过脚部不正常或变形或足底筋膜炎等的足部疾病的人更喜欢定制鞋垫。然而,定制鞋垫需要亲自访问门店,而且是手工制作,因此,在制作时间和费用方面都存在负担。r/>[0007]韩国授权专利第10
‑
1899064号公开了一种使用智能设备通过足部尺寸测量信息制作定制型组装鞋垫的系统和方法。
[0008]IA230376D
技术实现思路
[0009]本专利技术的目的在于,利用人工智能算法为客户选择经优化的足型和鞋垫,并且,无需访问门店而通过在线购买的简单的方式提供经优化的定制鞋垫。
[0010]为达成所述目的,根据本专利技术的利用人工智能算法订购定制鞋垫的方法,其中,包括:a)为了利用人工智能算法建立学习模型,获取多个后足部原始图像的步骤;b)检测从所述获得的后足部原始图像中去除背景及/或噪声的后足部图像的步骤;c)根据所述检测的后足部图像数据、所述检测的后足部图像计算内踝的倾斜角、外踝的倾斜角及小腿二等分线的倾斜角,来生成学习模型的输入数据(输入层)的步骤;d)利用人工智能算法学习所述输入数据(输入层)作为足型的输出数据(输出层)的足型学习步骤;e)基于在所述足型学习步骤构建的人工智能算法,分析从客户终端传送而来的足部图像,对客户的足型进行分类的足型分类步骤;f)向客户终端传送对所述分类的足型进行优化的鞋垫信息的步骤;以及
g)从所述客户终端向供应者终端输出订购信息的步骤。
[0011]一实施方式中,所述人工智能算法可以是包括深度神经网络及卷积神经网络,利用深度神经网络学习所述内踝的倾斜角、外踝的倾斜角、小腿二等分线的倾斜角、及被所述小腿二等分线左右划分的脚后跟的左右面积数据,利用卷积神经网络学习所述后足部图像。
[0012]一实施方式中,所述内踝的倾斜角可以是连接从后足部图像计算的内踝(medial malleolus)与足底部位的内侧面所成的直线的角度,所述外踝的倾斜角可以是连接从后足部图像计算的外踝(lateral malleolus)与足底部位的外侧面所成的直线的角度。
[0013]一实施方式中,所述小腿二等分线可以是先设置对内踝和外踝之间的距离进行两等分的脚踝中心点、以所述脚踝中心点为准的预定的半径,并设置对所述半径和小腿(leg)轮廓线相交的两地点进行两等分的小腿中心点,然后相连接所述踝中心点和小腿中心点而形成。
[0014]一实施方式中,所述足型可以是选自以下6种类型:
[0015]①
GA
‑
型:后足部为未得到补偿的后足内翻(uncompensated rearfoot varus),前足部为最高3级前足外翻(forefoot valgus),足弓高度为3级,IA230376D
[0016]整体3级外旋(supinated)型;
[0017]②
NA
‑
型:后足部为外翻(rearfoot valgus),前足部为柔性外翻(forefoot valgus),足弓高度为1级,整体1级内旋(pronated)型;
[0018]③
DA
‑
型:后足部为未得到补偿的内翻,前足部为中性(neutral),足弓高度为中间的2级,整体中性(neutral,normal(正常))型;
[0019]④
LA
‑
型:后足部为得到补偿的内翻,前足部为中性,足弓高度为1级,整体2级内旋型;
[0020]⑤
MA
‑
型:后足部为未得到补偿的内翻,前足部为2级内翻,足弓高度为2级,整体2级外旋型;
[0021]⑥
BA
‑
型:后足部为得到补偿的内翻(compensated rearfoot varus),前足部为内翻,足弓高度为0级,整体3级内旋型。
[0022]一实施方式中,应用于所述GA
‑
型的鞋垫可以是后足部形成为外侧比内侧高5至15度的倾斜角,前足部形成为第二、第三、第四、第五跖骨容纳部位高于第一跖骨容纳部位,中足部形成为外侧高于内侧,跟骨与骰骨相结合的跟骨
‑
骰骨弓(Caclneual cuboid arch)部位形成3级的高支撑部。
[0023]一实施方式中,应用于所述NA
‑
型的鞋垫可以是后足部形成为内侧以平缓的倾斜更高于外侧,以防止脚向内倒(Eversion),在中足部形成用于容纳内侧足底筋膜的凹槽(Plantar Fascia Groove),以防止足底内侧筋膜过度紧张,前足部形成为内侧略高于外侧,大脚趾部位从第一跖骨(Mortons Extension)延伸,形成为较高,外侧CCA(Caclneual cuboid arch)部位形成1级的低支撑部。
[0024]一实施方式中,应用于所述DA
‑
型的鞋垫可以是后足部形成为内侧没有倾斜或者以平缓的倾斜略高于外侧,中足部形成有支撑部,以控制横向足弓,前足部的第二、第三、第四跖骨容纳部分略高于左右周边部,外侧CCA(Caclneual cuboid arch)部位形成1级的低支撑部。
[0025]一实施方式中,应用于所述LA
‑
型的鞋垫可以是后足部形成为内侧以平缓的倾斜更高于外侧,以防止脚向内倒(Eversion),在中足部形成用于容纳内侧足底筋膜的凹槽(Plantar Fascia Groove),以防止内侧足底筋膜过度紧张,前足部形成为内侧略高于外侧,大脚趾部位从第一跖骨(Mortons Extension)延伸,形成为较高。
本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种利用人工智能算法订购定制鞋垫的方法,其特征在于,包括:a)为了利用人工智能算法建立学习模型,获取多个后足部原始图像的步骤;b)检测从所述获得的后足部原始图像中去除背景及/或噪声的后足部图像的步骤;c)根据所述检测的后足部图像数据、所述检测的后足部图像计算内踝的倾斜角、外踝的倾斜角及小腿二等分线的倾斜角,来生成学习模型的输入数据(输入层)的步骤;d)利用人工智能算法学习所述输入数据(输入层)作为足型的输出数据(输出层)的足型学习步骤;e)基于在所述足型学习步骤构建的人工智能算法,分析从客户终端传送而来的足部图像,对客户的足型进行分类的足型分类步骤;f)向客户终端传送对所述分类的足型进行优化的鞋垫信息的步骤;以及g)从所述客户终端向供应者终端输出订购信息的步骤。2.根据权利要求1所述的利用人工智能算法订购定制鞋垫的方法,其特征在于,所述步骤c)中还包括被所述小腿二等分线左右划分的脚后跟的左右面积数据作为学习模型的输入数据。3.根据权利要求1所述的利用人工智能算法订购定制鞋垫的方法,其特征在于,所述人工智能算法包括深度神经网络及卷积神经网络,利用深度神经网络学习所述内踝的倾斜角、外踝的倾斜角、小腿二等分线的倾斜角,利用卷积神经网络学习所述后足部图像。4.根据权利要求1所述的利用人工智能算法订购定制鞋垫的方法,其特征在于,所述内踝的角度是连接从后足部图像计算的内踝与足底部位的内侧面所成的直线的角度,所述外踝的角度是连接从后足部图像计算的外踝与足底部位的外侧面所成的直线的角度。5.根据权利要求1所述的利用人工智能算法订购定制鞋垫的方法,其特征在于,所述小腿二等分线的倾斜角是在小腿足部图像中,将对应于小腿的部分以预定高度分为多个后生成的多个水平线(横线)和小腿的轮廓线相交的两侧坐标设置一系列中心点,以所述中心点为对象,采用线性回归法及最小二乘近似法检测的垂直线的角度。6.根据权利要求1所述的利用人工智能算法订购定制鞋垫的方法,其特征在于,所述足型选自以下6种类型:
①
GA
‑
型:后足部为未得到补偿的后足内翻(uncompensated rearfoot varus),前足部为最高3级前足外翻(forefoot valgus),足弓高度为3级,整体3级外旋(supinated)型;
②
NA
‑
型:后足部为外翻(rearfoot valgus),前足部为柔性外翻(forefoot valgus),足弓高度为1级,整体1级内旋(pronated)型;
③
DA
‑
型:后足部为未得到补偿的内翻,前足部为中性(neutral),足弓高度为中间的2级,整体中性(neutral,normal(正常))型;
④
LA
‑
型:后足部为得到补偿的内翻,前足部为中性,足弓高度为1级,整体2级内旋型;
⑤
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。