搭配模型构建方法、服饰推荐方法、装置、介质及终端制造方法及图纸

本申请实施例公开了一种搭配模型构建方法、服饰推荐方法、装置、介质及终端。该搭配模型构建方法包括：获取设定数量的具有景深信息的模特图像；根据该模特图像构建不同模特的三维模型，并对该三维模型对应的体型数据、套装及配饰进行标记得到第一图像样本；根据图像样本，采用设定的机器学习算法对预设的深度神经网络进行训练，得到搭配模型，其中，该图像样本包括第一图像样本，可以使该搭配模型具备基于体型数据及服饰风格推荐服饰搭配方案的功能。采用上述技术方案可以解决相关技术提供的服饰搭配方案智能程度受限的问题，可以提供达到用户预期效果的服饰推荐建议，提升了服饰推荐功能的智能性及精确度。

Collocation model building method, costume recommendation method, device, media and terminal

【技术实现步骤摘要】
搭配模型构建方法、服饰推荐方法、装置、介质及终端
本申请实施例涉及移动终端技术，尤其涉及一种搭配模型构建方法、服饰推荐方法、装置、介质及终端。
技术介绍
随着经济的飞速发展，服饰产品的品种、样式变得极为丰富而复杂，同时，人们对服装及配饰的要求也日益提高。面对品种、样式繁杂的服饰，人们通常希望得到专业而科学的搭配建议。相关技术中，用户的穿衣搭配知识一般通过阅读时尚杂志获取；也有一些服饰提供商尝试通过设置于商场内的显示屏展示该服饰品牌的设计师提供的穿衣搭配方案，从而，为用户提供该品牌的服饰的搭配建议，但是这种提供搭配建议的方式的智能程度受限，并不能达到用户预期的效果。
技术实现思路
本申请实施例提供一种搭配模型构建方法、服饰推荐方法、装置、介质及终端，可以提供一种优化的服饰推荐方案，提升服饰推荐功能的智能性及精确度。第一方面，本申请实施例提供了一种搭配模型构建方法，包括：获取设定数量的具有景深信息的模特图像，其中，所述模特图像中模特的体型不同，且身着预设的套装和配饰；根据所述模特图像构建不同模特的三维模型，并对所述三维模型对应的体型数据、套装及配饰进行标记得到第一图像样本；根据图像样本，采用设定的机器学习算法对预设的深度神经网络进行训练，得到搭配模型，其中，所述图像样本包括第一图像样本。第二方面，本申请实施例还提供了一种服饰推荐方法，包括：获取至少一帧用户图像及用户输入的衣着风格信息；根据所述用户图像确定对应的人体模型；将所述人体模型及所述衣着风格信息输入预先配置的搭配模型，获取所述搭配模型输出的服饰搭配建议，其中，所述搭配模型为根据预设的图像样本训练的深度学习模型，且该图像样本根据对设定模特的体型数据、套装及配饰进行标记得到；展示所述服饰搭配建议。第三方面，本申请实施例还提供了一种搭配模型构建装置，该装置包括：图像获取模块，用于获取设定数量的具有景深信息的模特图像，其中，所述模特图像中模特的体型不同，且身着预设的套装和配饰；样本确定模块，用于根据所述模特图像构建不同模特的三维模型，并对所述三维模型对应的体型数据、套装及配饰进行标记得到第一图像样本；模型训练模块，用于根据图像样本，采用设定的机器学习算法对预设的深度神经网络进行训练，得到搭配模型，其中，所述图像样本包括第一图像样本。第四方面，本申请实施例还提供了一种服饰推荐装置，该装置包括：信息获取模块，用于获取至少一帧用户图像及用户输入的衣着风格信息；人体模型确定模块，用于根据所述用户图像确定对应的人体模型；搭配建议确定模块，用于将所述人体模型及所述衣着风格信息输入预先配置的搭配模型，获取所述搭配模型输出的服饰搭配建议，其中，所述搭配模型为根据预设的图像样本训练的深度学习模型，且该图像样本根据对设定模特的体型数据、套装及配饰进行标记得到；搭配建议展示模块，用于展示所述服饰搭配建议。第五方面，本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述第一方面所述的搭配模型构建方法，或者，该计算机程序被处理器执行时实现如上述第二方面所述的服饰推荐方法。第六方面，本申请实施例还提供了一种终端，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，该处理器执行所述计算机程序时实现如上述第一方面所述的搭配模型构建方法，或者，该处理器执行所述计算机程序时实现如上述第二方面所述的服饰推荐方法。本申请实施例提供一种搭配模型构建方案，通过获取设定数量的具有景深信息的模特图像；根据该模特图像构建不同模特的三维模型，并对该三维模型对应的体型数据、套装及配饰进行标记得到第一图像样本；根据图像样本，采用设定的机器学习算法对预设的深度神经网络进行训练，得到搭配模型，可以使该搭配模型具备基于体型数据及服饰风格推荐服饰搭配方案的功能。采用上述技术方案可以解决相关技术提供的服饰搭配方案智能程度受限的问题，可以提供达到用户预期效果的服饰推荐建议，提升了服饰推荐功能的智能性及精确度。附图说明图1是本申请实施例提供的一种搭配模型构建方法的流程图；图2是本申请实施例提供的一种服饰推荐方法的流程图；图3是本申请实施例提供的另一种服饰推荐方法的流程图；图4是本申请实施例提供的一种搭配模型构建装置的结构框图；图5是本申请实施例提供的一种服饰推荐装置的结构示意图；图6是本申请实施例提供的一种终端的结构示意图；图7是本申请实施例提供的另一种终端的结构示意图；图8是本申请实施例提供的一种智能手机的结构框图。具体实施方式下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。图1为本申请实施例提供的一种搭配模型构建方法的流程图，该方法可以由搭配模型构建装置来执行，其中，该装置可由软件和/或硬件实现。如图1所示，该方法包括：步骤110、获取设定数量的具有景深信息的模特图像。需要说明的是，本申请实施例对设定数量不作量化，只要获取的具有景深信息的模特图像足以构建关于模特的三维模型即可。其中，模特图像是选择不同体型、不同性别及不同年龄的模特，由专业服饰设计人员为这些模特设计服饰搭配，采用具有3D深度摄像头的拍摄装置(可以是移动终端)对身着预设的套装和配饰的模特进行拍摄，得到具有深度信息的图像。其中，套装是由专业服饰设计人员搭配好的服装。配饰包括头饰、耳饰、项链、手链、帽子、围巾及包等。需要说明的是，该3D深度摄像头可以采用结构光方案达到3D成像的效果。结构光方案，即结构光投射特定的光信息到物体表面后，由摄像头采集。根据物体造成的光信号的变化来计算物体的位置和深度等信息，进而复原整个三维空间。需要说明的是，获取具有深度信息的模特图像的方式有很多种，本申请实施例不作具体限定。一种方式可以是通过控制3D深度摄像头按照预设方向对身着设定搭配服饰的模特进行拍摄(包括拍摄照片或视频)，得到设定数量的具有景深信息的模特图像。其中，预设方向可以是模特的前后左右四个方向。可以理解的是，3D深度摄像头的拍摄方向并不限于上述列举的四个方向，也可以是环绕模特一周进行拍摄。例如，控制3D深度摄像头由模特的前后左右四个方向各拍摄至少一帧模特图像。又如，控制3D深度摄像头环绕身着设定搭配服饰的模特进行视频拍摄，得到模特视频。可以采用设定的分帧策略对该模特视频进行分帧处理，得到设定数量的具有景深信息的模特图像。其中，分帧策略可以是每隔设定时间间隔提取一帧图像得到设定数量的具有景深信息的模特图像。该设定时间间隔可以是系统默认的，需要说明的是，该时间间隔越短，提取的模特图像越多，由模特图像构建的三维模型越精确。步骤120、根据所述模特图像构建不同模特的三维模型，并对所述三维模型对应的体型数据、套装及配本文档来自技高网...

【技术保护点】
1.一种搭配模型构建方法，其特征在于，包括：获取设定数量的具有景深信息的模特图像，其中，所述模特图像中模特的体型不同，且身着预设的套装和配饰；根据所述模特图像构建不同模特的三维模型，并对所述三维模型对应的体型数据、套装及配饰进行标记得到第一图像样本；根据图像样本，采用设定的机器学习算法对预设的深度神经网络进行训练，得到搭配模型，其中，所述图像样本包括第一图像样本。

【技术特征摘要】
1.一种搭配模型构建方法，其特征在于，包括：获取设定数量的具有景深信息的模特图像，其中，所述模特图像中模特的体型不同，且身着预设的套装和配饰；根据所述模特图像构建不同模特的三维模型，并对所述三维模型对应的体型数据、套装及配饰进行标记得到第一图像样本；根据图像样本，采用设定的机器学习算法对预设的深度神经网络进行训练，得到搭配模型，其中，所述图像样本包括第一图像样本。2.根据权利要求1所述的方法，其特征在于，获取设定数量的具有景深信息的模特图像，包括：控制3D深度摄像头按照预设方向对身着设定搭配服饰的模特进行拍摄，得到设定数量的具有景深信息的模特图像。3.根据权利要求2所述的方法，其特征在于，控制3D深度摄像头按照预设方向对身着设定搭配服饰的模特进行拍摄，得到设定数量的具有景深信息的模特图像，包括：控制3D深度摄像头环绕身着设定搭配服饰的模特进行视频拍摄，得到模特视频；采用设定的分帧策略对所述模特视频进行分帧处理，得到设定数量的具有景深信息的模特图像。4.根据权利要求1所述的方法，其特征在于，对所述三维模型对应的体型数据、套装及配饰进行标记得到第一图像样本，包括：对所述三维模型的颈围、胸围、腰围、肩宽、手臂、臀围及腿部进行标记；对所述套装和配饰进行标记，并标记所述套装及配饰对应的第一衣着风格；根据标记后的三维模型对应的图像矩阵及第一衣着风格得到第一图像样本。5.根据权利要求1所述的方法，其特征在于，在对所述三维模型对应的体型数据、套装及配饰进行标记得到第一图像样本之后，还包括：获取套装及配饰的调整指示，并根据所述调整指示修改所述三维模型对应的套装及配饰的属性参数；对修改后的套装及配饰进行标记，并标记修改后的套装及配饰对应的第二衣着风格；根据标记后的三维模型对应的图像矩阵及第二衣着风格得到第二图像样本。6.根据权利要求1至5中任一项所述的方法，其特征在于，根据图像样本，采用设定的机器学习算法对预设的深度神经网络进行训练，得到搭配模型，包括：利用图像样本对预设的深度神经网络进行前向传播和后向传播两个阶段的训练；在所述后向传播训练计算得到的误差达到期望误差值时，训练结束，并得到搭配模型。7.一种服饰推荐方法，其特征在于，包括：获取至少一帧用户图像及用户输入的衣着风格信息；根据所述用户图像确定对应的人体模型；将所述人体模型及所述衣着风格信息输入预先配置的搭配模型，获取所述搭配模型输出的服饰搭配建议，其中，所述搭配模型为根据预设的图像样本训练的深度学习模型，且该图像样本根据对设定模特的体型数据、套装及配饰进行标记得到；展示所述服饰搭配建议。8.根据权利要求7所述的方法，其特征在于，获取至少一帧用户图像及用户输入的衣着风格信息，包括：在检测到服饰推荐功能启动时...

【专利技术属性】
技术研发人员：陈岩，刘耀勇，
申请(专利权)人：广东欧珀移动通信有限公司，
类型：发明
国别省市：广东,44