[发明专利]一种融合四季色彩理论的服装个性化推荐方法

说明书

本发明公开了一种融合四季色彩理论的服装个性化推荐方法，具体按照如下步骤进行；步骤1：利用爬虫技术获取人脸图像信息，建立用户肤色的四季色彩理论数据集；步骤2：利用MTCNN网络对输入的人脸图像进行处理，随后基于自我诊断色彩季型技术，融合迁移学习与MobileNet网络，然后构建用户肤色的四季色彩理论模型；步骤3：利用多输出分类的方法对服装数据集进行训练，使用FashionNet网络对服装的款式和颜色进行分类，得到服装分类模型；步骤4：根据用户肤色的四季色彩理论模型与服装分类模型，来进行用户服装推荐。本发明实现与用户脸部特征相协调的个性化的服装推荐，在实际应用中具有较高的准确率。

技术领域

本发明属于服装推荐技术领域，具体涉及一种融合四季色彩理论的服装个性化推荐方法。

背景技术

随着电子商务的快速发展，在线商品信息量迅速膨胀，特别是纺织服装领域，由于生产加工技术的多元化，服装商品信息呈爆炸式增长，如何从海量的服装数据中检索出满足用户个性化需求的服装，成为当今服装电子商务亟需解决的问题。当前购物平台普遍推荐最流行的服装，或根据用户所提出的场景、服装颜色等条件向用户进行推荐，均未考虑衣服颜色是否与用户肤色、瞳色、发色等匹配，是否适合消费者。目前的服装推荐方法存在对用户的肤色，发色，瞳色，等特征与服装的之间的匹配度不高，从而对用户进行服装推荐的推荐准确率不高。因此，综合来看，目前的服装推荐方法存在对用户肤色、发色、瞳色等与服装颜色匹配度不高的问题，导致服装推荐的准确率不高，用户体验有待进一步提高。

发明内容

本发明的目的是提供一种融合四季色彩理论的服装个性化推荐方法，解决了目前的服装推荐方法存在对用户肤色等与服装颜色匹配度不高、用户体验较差的问题。

本发明所采用的技术方案是，

一种融合四季色彩理论的服装个性化推荐方法，具体按照如下步骤进行；

步骤1：利用爬虫技术获取人脸图像信息，建立用户肤色的四季色彩理论数据集；

步骤2：利用MTCNN网络对人脸图像进行预处理，然后基于自我诊断色彩季型的内容将人脸图像信息分为春、夏、秋、冬四类，构建用户肤色的四季色彩理论模型；

步骤3：利用多输出分类的方法对服装数据集进行训练，使用FashionNet网络对服装的款式和颜色进行分类，得到服装分类模型；

步骤4：根据用户肤色的四季色彩理论模型与服装分类模型，来进行用户服装推荐。

本发明的特点还在于，

步骤1中，提取的用户面部特征包括有肤色、瞳色以及发色。

步骤2中，采用MTCNN的多任务级联CNN的人脸检测模型方式完成对人脸图像预处理操作。

步骤2中，预处理具体为：

步骤2.1：构建图像金字塔，对原图像进行不同尺度缩放，以适应不同尺寸的面部检测；

步骤2.2：使用Pnet网络生成人脸候选框和边框回归向量

步骤2.3：使用Rnet网络滤除大量的错误窗口，对保留下来的窗口继续使用边框回归和非极大值抑制来进一步优化预测结果；

步骤2.4：使用Onet网络输出五个人脸面部特征点。

步骤2中，Pnet网络、Rnet网络以及Onet网络选取的激活函数为PReLu，函数表达式如下公式(1)：

对于样本x_i人脸的判定交叉熵损失函数入如下公式(2)：