一种基于3D打印模型内容的模型推荐方法技术

本申请公开了一种基于3D打印模型内容的模型推荐方法，包括：对3D打印模型库中模型进行特征提取，建立特征库；对用户定制或浏览的3D打印模型进行特征提取；用所提取的特征与所述特征库中模型的特征进行相似度对比，选出相似度最大的个模型进行推荐，为自然数；其中，所述特征提取包括：颜色特征提取、形状特征提取和纹理特征提取。应用本申请公开的技术方案，能够提高模型推荐的精确度。

【技术实现步骤摘要】
一种基于3D打印模型内容的模型推荐方法
本专利技术涉及3D打印技术，尤其涉及一种基于3D打印模型内容的模型推荐方法。
技术介绍
3D打印个性化定制的发展和电子商务技术的迅速普及，使得3D打印相关的互联网交互平台陆续建立。在线3D打印个性化定制服务平台为企业和客户之间提供了良好的沟通环境，拥有完善的服务体系，适应了现代市场的发展。随着3D打印产业的迅速壮大，个性化产品的创作也产生了大量乃至海量的个性化产品创意。这些创意的数据存储空间大、内容涵盖范围广、且检索速度慢。因此，如何对存储的海量创意数据进行处理，为用户提供便捷、快速、精准的服务，如何根据用户的购买和浏览记录，为用户推荐相似的创意模型是本申请研究的重点内容。现有的针对于单特征提取的模型推荐算法会丢失很多信息，因而推荐的模型不够精准，导致所推荐的内容用户不喜欢，满意度差。
技术实现思路
本申请提供了一种基于3D打印模型内容的模型推荐方法，以解决单特征提取模型推荐算法的信息丢失问题，提高模型推荐的精准度。本申请提供的一种基于3D打印模型内容的模型推荐方法，包括：对3D打印模型库中模型进行特征提取，建立特征库；对用户定制或浏览的3D打印模型进行特征提取；用所提取的特征与所述特征库中模型的特征进行相似度对比，选出相似度最大的K个模型进行推荐，K为自然数；其中，所述特征提取包括：颜色特征提取、形状特征提取和纹理特征提取。较佳的，所述颜色特征提取包括：将彩色模型量化为N1种颜色的彩色模型，并分别计算这N1种颜色在距离间隔为1和为2时的颜色相关矩阵，然后抽取两个相关矩阵的对角线元素作为物品的颜色特征，得到一个2N1维的颜色特征向量，其中，N1为自然数。较佳的，所述N1为64，所述颜色特征向量为较佳的，所述形状特征提取包括：采用模型的N2个不变矩作为所述模型的形状特征向量。较佳的，所述N2为7，所述形状特征向量为较佳的，所述纹理特征提取包括：首先，提取模型的共生矩阵，所述共生矩阵用两个位置的像素联合概率密度定义，然后，提取共生矩阵的N3个特征，并计算距离间隔分别取N4个值时的模型纹理特征，得到N3*N4维的模型纹理特征向量。较佳的，所述N3为6，所提取的共生矩阵的N3个特征包括：能量、相关性、对比度、反差、熵和最大概率；所述N4个取值分别为：1、2、3和4；所述N3*N4维的模型纹理特征向量为：较佳的，每一个模型用颜色特征向量、形状特征向量和纹理特征向量组成的159维向量表示，即v＝{vC,vS,vT}，其中：为颜色特征向量；为形状特征向量；为纹理特征向量。较佳的，所述进行相似度对比包括：根据确定所提取的特征与模型库中模型的特征的相似度；其中，S代表用户浏览模型和线下特征库模型的相似度，om代表线下特征库里的模型,t代表用户浏览的模型。由上述技术方案可见，本申请基于3D打印模型内容的模型推荐方法的主要特点是应用模型的颜色、形状和纹理特征来表示模型，并根据这些特征来度量两物品之间外观的相似性，并据此向用户进行模型推荐，从而提高模型推荐的精准度。附图说明图1为本申请基于3D打印模型内容的模型推荐方法的流程图。具体实施方式为使本申请的目的、技术方案及优点更加清楚明白，以下参照附图并举实施例，对本申请作进一步详细说明。具体来说，本专利技术主要由特征提取和相似度对比两部分组成。(1)特征提取：特征提取主要包括两部分：线下特征提取和线上特征提取。线下特征提取和线上特征提取的主要区别是：线下特征提取针对整个模型库进行特征提取，并建立特征库；而线上特征提取主要针对用户定制或浏览过的模型进行特征提取。特征提取可包括以下三个部分：1)颜色特征提取：首先，将彩色模型量化为N1种颜色的彩色模型，并分别计算这N1种颜色在距离间隔为1和为2时的颜色相关矩阵，然后抽取两个相关矩阵的对角线元素作为物品的颜色特征，得到一个2N1维的颜色特征向量。本申请以64色为例进行说明，进行颜色特征提取后将得到一个128维的颜色特征向量，即：2)形状特征提取：利用不变矩作为表述形状的主要特征。不变矩是一种区域描述子，满足平移、旋转和尺度不变性。可以采用模型的N2个不变矩作为物品的形状特征，较佳的，本申请采用模型的7个不变矩作为物品的形状特征，即：3)纹理特征提取：纹理也是模型的重要特征之一，它不依赖于颜色或亮度，反映的是模型中物体的内在特征，是物体表面结构组织排列的重要信息。本申请提取模型的纹理特征的具体步骤包括：首先，提取模型的共生矩阵，共生矩阵用两个位置的像素联合概率密度来定义，不仅反映亮度的分布特性，也反映具有同样或接近亮度的像素之间的位置分布特性，是有关图像亮度变化的二阶统计特征。然后，提取共生矩阵的N3个特征，这些特征因距离间隔的不同而不同，假设距离间隔分别取N4个值，将得到N3*N4维的模型纹理特征。较佳的，本身提取共生矩阵的能量、相关性、对比度、反差、熵和最大概率这6个特征，并将距离间隔分别取值为1、2、3和4，则可以得到24维的模型纹理特征，即：对于一个模型，经本申请上述特征提取后，可用其颜色特征向量、形状特征向量和纹理特征向量组成的2N1+N2+N3*N4维向量表示，其中，N1、N2、N3为自然数。以上述示例中的取值为例，一个模型可以用颜色特征向量、形状特征向量和纹理特征向量组成的159维向量表示，即v＝{vC,vS,vT}。对海量模型进行特征提取，即可得到线下特征库。(2)进行相似度对比：对用户定制或浏览的模型进行特征提取，用提取的特征值与线下生成的特征库中模型的特征进行相似度对比，挑选出相似度最大的K个模型推荐给用户。其中，S代表用户浏览模型和线下特征库模型的相似度，om代表线下特征库里的模型,t代表用户浏览的模型。将用户浏览模型与线下特征库模型的相似度进行大小排序，取相似度最大的K个模型推荐给用户。比如，S1＞S2＞...＞SK＞...＞Sn，则前K个为推荐模型。基于上述说明，本申请提供了一种基于3D打印模型内容的模型推荐方法，如图1所示，该方法包括：首先，对3D打印模型库中模型进行特征提取，建立特征库；然后，对用户定制或浏览的3D打印模型进行特征提取；最后，用所提取的特征与所述特征库中模型的特征进行相似度对比，选出相似度最大的个模型进行推荐；其中，所述特征提取包括：颜色特征提取、形状特征提取和纹理特征提取。本申请从用户购买商品行为出发，分析潜在需求。根据用户购买和浏览的模型实例，预测用户购买倾向和集体的消费喜好，提供推荐服务和决策支持，即推荐与用户购买或浏览最相似的3D模型，为用户提供便捷、快速、精准的服务，从而能够吸引更多的消费者使用。一旦研究成功并投入应用，将产生巨大的社会效益和经济效益。以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。本文档来自技高网...

【技术保护点】
一种基于3D打印模型内容的模型推荐方法，其特征在于，包括：对3D打印模型库中模型进行特征提取，建立特征库；对用户定制或浏览的3D打印模型进行特征提取；用所提取的特征与所述特征库中模型的特征进行相似度对比，选出相似度最大的K个模型进行推荐，K为自然数；其中，所述特征提取包括：颜色特征提取、形状特征提取和纹理特征提取。

【技术特征摘要】
1.一种基于3D打印模型内容的模型推荐方法，其特征在于，包括：对3D打印模型库中模型进行特征提取，建立特征库；对用户定制或浏览的3D打印模型进行特征提取；用所提取的特征与所述特征库中模型的特征进行相似度对比，选出相似度最大的K个模型进行推荐，K为自然数；其中，所述特征提取包括：颜色特征提取、形状特征提取和纹理特征提取。2.根据权利要求1所述的方法，其特征在于：所述颜色特征提取包括：将彩色模型量化为N1种颜色的彩色模型，并分别计算这N1种颜色在距离间隔为1和为2时的颜色相关矩阵，然后抽取两个相关矩阵的对角线元素作为物品的颜色特征，得到一个2N1维的颜色特征向量，其中，N1为自然数。3.根据权利要求2所述的方法，其特征在于：所述N1为64，所述颜色特征向量为4.根据权利要求1所述的方法，其特征在于：所述形状特征提取包括：采用模型的N2个不变矩作为所述模型的形状特征向量。5.根据权利要求4所述的方法，其特征在于：所述N2为7，所述形状特征向量为6.根据权利要求1所述...

【专利技术属性】
技术研发人员：王尚广，李静林，孙其博，王红熳，林荣恒，杨放春，
申请(专利权)人：广东银禧科技股份有限公司，
类型：发明
国别省市：广东,44