[发明专利]一种用户个人服饰的搭配方法

说明书

技术领域

本发明涉及通信技术领域，尤其涉及一种用户个人服饰的搭配方法。

背景技术

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。

发明内容

(一)要解决的技术问题

本发明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

本发明是通过以下技术方案实现的：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，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(w1，...，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S1具体包括以下步骤：

S11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，本发明有如下优点：

本发明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。

附图说明

图1为本发明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发明，下面结合附图及具体实施方式对本发明作进一步的详细描述。