技术摘要：
本发明涉及了一种基于穿搭理论的AI智能服装推荐方法，首先事先对服装库中所有服装进行服装属性识别及提取，然后对用户进行图像采集，通过采集的用户图像信息获取用户的人体、人脸属性信息，再基于用户的属性信息及服装库中服装的属性信息进行两次过滤，剔除明显不合适 全部
背景技术：
随着科技的发展和生产力的不断提高，服装的种类、款式、颜色越发的多种多样。 面对这种情况，越来越多的人们不知如何挑选出适合自己的服装，越来越多的商家不知如 何向消费者推荐服装。 现有的服装推荐体型主要是线上服装推荐体系，主要依据用户的历史行为及操 作，通过协同过滤等推荐算法，完成对服装产品的推荐。然而这种算法仅仅依靠用户行为偏 好，对于不懂得或不擅长穿搭的用户，其依然不能购买到合适的服装产品，故而并不能达到 较好的推荐效果。
技术实现要素：
本发明提供一种基于穿搭理论的AI智能服装推荐方法，旨在通过识别用户的人脸 风格、身材体型特点，经过AI分析为用户进行定制化服装推荐，让用户对推荐的服装满意， 同时又能提高商家进行服装销售的成交率。 一种基于穿搭理论的AI智能服装推荐方法，其特征在于，包括： S1 服装属性信息获取； S2 用户属性信息获取； S3 搭建并训练服装推荐评分模型； S4将所述服装属性信息、用户属性信息输入至预训练好的服装推荐模型中进行计算， 得到最终服装推荐结果，并显示所述最终服装推荐结果。 本发明的进一步技术方案是，步骤S1所述的服装属性信息包括：服装品牌、服装上 线时间、服装是否为当季主推、适合的年龄段、男装or女装、服装适合身材、服装颜色、服装 材质、服装类型、服装款型，其中所述的服装颜色、服装材质、服装类型、服装款型是基于深 度学习的AI图像自动识别而得到，而对于服装商家比较容易确认的服装品牌、服装上线时 间、服装是否为当季主推、适合的年龄段、服装适合身材属性则在上传服装时人为输入，这 样做极大的减轻了服装属性录入的人工工作量。 本发明的进一步技术方案是，步骤S2所述的用户属性信息是基于深度学习的AI图 像自动识别而得到的，包括：人脸属性信息和人体属性信息； 1）所述的人脸属性信息是基于深度学习的AI图像自动识别而得到的人脸属性信息，包 括：性别、年龄、faceid、肤色、肤质、脸型、五官分布、五官大小、五官轮廓形状以及人脸风 格，其中所述的人脸风格包括女性八大风格及男性六大风格，所述女性八大风格包括：浪漫 型、优雅型、端庄型、中性型、甜美型、创意型、戏剧型、自然型，所述男性五大风格包括：硬朗 型、潇洒型、典雅型、绅士型、个性时尚型、阳光时尚型； 3 CN 111612584 A 说 明 书 2/3 页 2）所述的人体属性信息，包括人体3D模型、人体的各个维度信息、人体体型体态类型以 及服装推荐尺码。 本发明的进一步技术方案是，步骤S3所述的服装推荐评分模型，是根据所述的服 装颜色、服装材质、服装类型、服装款型及人脸风格，搭建深度学习模型，通过大数据及美学 专家人工标注得到训练样本集，最终训练得到训练好的服装推荐评分模型，输出。 本发明的进一步技术方案是，步骤S4所述的预训练好的服装推荐模型其推荐过程 包括以下步骤： S4.1 根据用户性别、年龄从服装库中剔除掉不适合用户性别和年龄段的服装，将剩余 的服装作为第一服装筛选结果； S4.2 根据用户体型体态信息，从服装库中剔除掉不适合用户身材类型的服装，将剩余 的服装作为第二服装筛选结果； S4.3将所述第二服装筛选结果中服装的服装颜色、服装材质、服装类型、服装款型及用 户的人脸风格、以及所述的体型体态类型作为输入，输入至步骤S3的服装推荐评分模型中， 得到用户与第二服装筛选结果中每件服装匹配度的评分； S4.4 从所述当第二服装筛选结果中每件服装匹配度的评分，基于服装中是否为当季 主推属性分成两组，取每组匹配评分靠前的N套服装作为最终服装推荐结果； S4.5显示最终服装推荐结果、3D人体重构模型和所述的服装推荐尺码。 本发明提供的这种于穿搭理论的AI智能服装推荐方法，对于商家来说，极大减少 了服装属性录入的工作，同时AI也能比较好的过滤掉十分不适合用户的服装，减少了用户 看到不适合服装的数量，使得用户更容易看到适合自己的服装，进而提高服装的交易率。 附图说明 图1一种基于穿搭理论的AI智能服装推荐方法整体流程图； 图2图像获取； 图3可自由旋转的人体3D重构模型。
本发明涉及了一种基于穿搭理论的AI智能服装推荐方法，首先事先对服装库中所有服装进行服装属性识别及提取，然后对用户进行图像采集，通过采集的用户图像信息获取用户的人体、人脸属性信息，再基于用户的属性信息及服装库中服装的属性信息进行两次过滤，剔除明显不合适 全部
背景技术：
随着科技的发展和生产力的不断提高，服装的种类、款式、颜色越发的多种多样。 面对这种情况，越来越多的人们不知如何挑选出适合自己的服装，越来越多的商家不知如 何向消费者推荐服装。 现有的服装推荐体型主要是线上服装推荐体系，主要依据用户的历史行为及操 作，通过协同过滤等推荐算法，完成对服装产品的推荐。然而这种算法仅仅依靠用户行为偏 好，对于不懂得或不擅长穿搭的用户，其依然不能购买到合适的服装产品，故而并不能达到 较好的推荐效果。
技术实现要素：
本发明提供一种基于穿搭理论的AI智能服装推荐方法，旨在通过识别用户的人脸 风格、身材体型特点，经过AI分析为用户进行定制化服装推荐，让用户对推荐的服装满意， 同时又能提高商家进行服装销售的成交率。 一种基于穿搭理论的AI智能服装推荐方法，其特征在于，包括： S1 服装属性信息获取； S2 用户属性信息获取； S3 搭建并训练服装推荐评分模型； S4将所述服装属性信息、用户属性信息输入至预训练好的服装推荐模型中进行计算， 得到最终服装推荐结果，并显示所述最终服装推荐结果。 本发明的进一步技术方案是，步骤S1所述的服装属性信息包括：服装品牌、服装上 线时间、服装是否为当季主推、适合的年龄段、男装or女装、服装适合身材、服装颜色、服装 材质、服装类型、服装款型，其中所述的服装颜色、服装材质、服装类型、服装款型是基于深 度学习的AI图像自动识别而得到，而对于服装商家比较容易确认的服装品牌、服装上线时 间、服装是否为当季主推、适合的年龄段、服装适合身材属性则在上传服装时人为输入，这 样做极大的减轻了服装属性录入的人工工作量。 本发明的进一步技术方案是，步骤S2所述的用户属性信息是基于深度学习的AI图 像自动识别而得到的，包括：人脸属性信息和人体属性信息； 1）所述的人脸属性信息是基于深度学习的AI图像自动识别而得到的人脸属性信息，包 括：性别、年龄、faceid、肤色、肤质、脸型、五官分布、五官大小、五官轮廓形状以及人脸风 格，其中所述的人脸风格包括女性八大风格及男性六大风格，所述女性八大风格包括：浪漫 型、优雅型、端庄型、中性型、甜美型、创意型、戏剧型、自然型，所述男性五大风格包括：硬朗 型、潇洒型、典雅型、绅士型、个性时尚型、阳光时尚型； 3 CN 111612584 A 说 明 书 2/3 页 2）所述的人体属性信息，包括人体3D模型、人体的各个维度信息、人体体型体态类型以 及服装推荐尺码。 本发明的进一步技术方案是，步骤S3所述的服装推荐评分模型，是根据所述的服 装颜色、服装材质、服装类型、服装款型及人脸风格，搭建深度学习模型，通过大数据及美学 专家人工标注得到训练样本集，最终训练得到训练好的服装推荐评分模型，输出。 本发明的进一步技术方案是，步骤S4所述的预训练好的服装推荐模型其推荐过程 包括以下步骤： S4.1 根据用户性别、年龄从服装库中剔除掉不适合用户性别和年龄段的服装，将剩余 的服装作为第一服装筛选结果； S4.2 根据用户体型体态信息，从服装库中剔除掉不适合用户身材类型的服装，将剩余 的服装作为第二服装筛选结果； S4.3将所述第二服装筛选结果中服装的服装颜色、服装材质、服装类型、服装款型及用 户的人脸风格、以及所述的体型体态类型作为输入，输入至步骤S3的服装推荐评分模型中， 得到用户与第二服装筛选结果中每件服装匹配度的评分； S4.4 从所述当第二服装筛选结果中每件服装匹配度的评分，基于服装中是否为当季 主推属性分成两组，取每组匹配评分靠前的N套服装作为最终服装推荐结果； S4.5显示最终服装推荐结果、3D人体重构模型和所述的服装推荐尺码。 本发明提供的这种于穿搭理论的AI智能服装推荐方法，对于商家来说，极大减少 了服装属性录入的工作，同时AI也能比较好的过滤掉十分不适合用户的服装，减少了用户 看到不适合服装的数量，使得用户更容易看到适合自己的服装，进而提高服装的交易率。 附图说明 图1一种基于穿搭理论的AI智能服装推荐方法整体流程图； 图2图像获取； 图3可自由旋转的人体3D重构模型。
