一种鞋靴定制方法及系统技术方案

本发明专利技术公开了一种鞋靴定制方法，包括：建立码型推荐算法模型；获取顾客脚型数据；将顾客脚型数据代入码型推荐算法模型中得到顾客试穿鞋楦对应的码型；获取试穿鞋楦的试穿标签；得到定制鞋款的码型后制作定制的成品鞋；获取顾客试穿定制的成品鞋的试穿感受，判断试穿是否合适；修改定制鞋的码型，本发明专利技术还公开了一种鞋靴定制系统，本发明专利技术依据测试人员的脚型数据与穿着舒适的鞋款码数和鞋款型号的关系，建立码型推荐算法模型，在顾客定制时，将定制顾客脚型数据代入码型推荐算法模型，得到顾客试穿鞋楦对应的码型，并记录顾客穿着过程中各部位的舒适度，再依据顾客脚型数据结合顾客试穿鞋楦的试穿码型及感受，为顾客推荐定制鞋款的码型。款的码型。款的码型。

【技术实现步骤摘要】
一种鞋靴定制方法及系统


[0001]本专利技术涉及鞋靴定制领域，尤其涉及一种鞋靴定制方法及系统。

技术介绍

[0002]随着越来越多的年轻消费者对穿着个性化需求的增加，鞋靴行业的个性化定制逐渐成为趋势，而大部分的个性化定制主要为外观、材质以及颜色的定制，也有部分为手工定制，手工定制单主要是定制鞋楦师傅通过手工或者机器测量的方法，获得定制顾客脚型数据信息，然后通过询问定制顾客常穿码数，让顾客试穿试穿鞋对应的码数，并记录穿着不舒适的部位，后期定制师傅依据顾客脚型数据以及试穿情况，修改定制鞋款对应的鞋楦，以达到鞋靴定制的目的，此种定制方法受定制师傅的主观影响较大，且操作复杂，一般多为高端定制，同时，此种定制方法需要每位顾客的脚型数据定制不同的鞋楦，制作过程复杂、耗费时间；此外，此种定制方法在定制过程中，没有系统的记录数据，所以不能实现规模化的定制。
[0003]因此，提供一种新的技术方案改善上述问题，是本领域技术人员急需解决的问题。

技术实现思路

[0004]有鉴于此，本专利技术提供一种鞋靴定制方法及系统，以解决上述技术问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：
[0006]一种鞋靴定制方法，包括：建立码型推荐算法模型；获取顾客脚型数据；将顾客脚型数据代入码型推荐算法模型中得到顾客试穿鞋楦对应的码型；根据顾客试穿码型对应的试穿鞋楦的试穿感受获取试穿鞋楦的试穿标签；根据试穿鞋楦的试穿标签调整试穿鞋楦的试穿码型，并根据调整后的试穿鞋楦的试穿码型与顾客脚型数据得到定制鞋款的码型后制作定制的成品鞋；获取顾客试穿定制的成品鞋的试穿感受，判断试穿是否合适；修改定制鞋的码型。
[0007]在上述的方案中，所述建立码型推荐算法模型包括以下步骤：将鞋款属性S
s
{s
i
}和与鞋款对应的鞋楦属性L
l
{l
i
}录入数据库保存，并获取测试人员的三维脚型信息后得到测试人员的脚型数据F
f
{f
i
}，根据测试人员在试穿包含不同的码型组合的鞋款后获取穿着舒适的鞋款码数S
i
和鞋款型号T
i
；根据测试人员的脚型数据F
f
{f
i
}以及穿着舒适的鞋款码数S
i
和鞋款型号T
i
获取鞋楦数据冗余参数；将测试人员的脚型数据F
f
{f
i
}作为试穿样本，按预设比例将试穿样本划分为训练集和测试集后建立深度学习神经网络算法模型；将训练集中测试人员的脚型数据以及对应的穿着舒适的鞋款码数和鞋款型号输入至深度学习神经网络算法模型中进行训练，建立包括码数推荐模型和型号推荐模型的码型推荐算法模型。
[0008]在上述的方案中，所述获取鞋楦数据冗余参数包括以下步骤：将测试人员的脚型数据按照获取的舒适的鞋款型号分类，将各类中的脚型数据按穿着舒适的鞋款码数分类，得到各鞋款码数对应的脚型数据均值；对各鞋款码数对应的脚型数据均值进行线性拟合获取拟合数据，并根据拟合数据得到各鞋款型号中各鞋款码数对应的脚型数据；获取各鞋款
型号中各鞋款码数对应的鞋楦数据；获取各鞋款型号中各鞋款码数对应的脚型数据与各鞋款型号中各鞋款码数对应的鞋楦数据差值，得到鞋楦数据冗余参数。
[0009]在上述的方案中，所述建立包括码数推荐模型和的型号推荐模型的码型推荐算法模型包括以下步骤：建立码数推荐模型；建立型号推荐模型；获取码型推荐算法模型。
[0010]在上述的方案中，所述建立码数推荐模型包括以下步骤：获取与测试人员的脚型数据对应的鞋楦数据冗余参数，并获取测试人员的脚型数据与对应的鞋楦数据冗余参数的差值后得到新脚型数据；通过插值法对新脚型数据中的脚长与鞋楦数据中的楦底样长处理后得到脚长对应的鞋款码数S1；通过矩阵相似度分析方法对新脚型数据中的长度数据与鞋楦数据中的长度数据处理后得到长度数据对应的鞋款码数S2；将训练集中测试人员的脚型数据以及对应的穿着舒适的鞋款码数输入至已建立深度学习神经网络算法模型中进行训练，不断调整参数，直至测试集中数据的通过率达到第一预定阈值后得到脚型对应的鞋款码数S3；通过线性回归算法对鞋款码数S1、鞋款码数S2、鞋款码数S3以及测试人员的脚型数据以及对应的穿着舒适的鞋款码数进行处理，调整深度学习神经网络算法模型直至测试集中数据的通过率达到第二预定阈值，得到码数推荐模型。
[0011]在上述的方案中，所述建立型号推荐模型包括以下步骤：获取与测试人员的脚型数据对应的鞋楦数据冗余参数，并获取测试人员的脚型数据与对应的鞋楦数据冗余参数的差值后得到新脚型数据；通过矩阵相似度分析方法对新脚型数据中的宽度数据与鞋楦数据中的宽度数据处理后得到宽度数据对应的鞋款型号T1；通过矩阵相似度分析方法对新脚型数据中的围度数据与鞋楦数据中的围度数据处理后得到长度数据对应的鞋款型号T2；将训练集中测试人员的脚型数据以及对应的穿着舒适的鞋款型号输入至已建立深度学习神经网络算法模型中进行训练，不断调整参数，直至测试集中数据的通过率达到第一预定阈值后得到脚型对应的鞋款型号T3；通过线性回归算法对鞋款型号T1、鞋款型号T2、鞋款型号T3以及测试人员的脚型数据以及对应的穿着舒适的鞋款型号进行处理，调整深度学习神经网络算法模型直至测试集中数据的通过率达到第二预定阈值，得到型号推荐模型。
[0012]在上述的方案中，所述根据试穿鞋楦的试穿标签调整试穿鞋楦的试穿码型包括以下步骤：判断顾客脚型数据中脚背高度数据是否在脚背高度阈值范围内；通过第一调整参数调整试穿鞋楦的码数和型号；判断顾客脚型数据中脚趾宽度数据是否在脚趾宽度阈值范围内；通过第二调整参数调整试穿鞋楦的码数和型号；判断顾客脚型数据中拇趾翻转角度是否在拇趾翻转角度阈值范围内；通过第三调整参数调整试穿鞋楦的码数和型号；判断顾客脚型数据中脚长度是否在脚长度阈值范围内；通过第四调整参数调整试穿鞋楦的码数和型号；获取最终顾客脚型对应的试穿鞋楦的码数和型号。
[0013]在上述的方案中，所述根据调整后的试穿鞋楦的试穿码型与顾客脚型数据得到定制鞋款的码型后制作定制的成品鞋包括以下步骤：根据定制鞋款与试穿鞋楦的的关系，将完成调整的试穿鞋楦的码数转换为对应的定制鞋款码数S
s1
，将完成调整的试穿鞋楦的型号转换为对应的定制鞋款型号T
t1
；获取顾客脚型数据对应的定制鞋款码数S
s2
和对应的定制鞋款型号T
t2
；将定制鞋款码数S
s1
与定制鞋款码数S
s2
加权求和后得到最终鞋款码数S，将定制鞋款型号T
t1
与定制鞋款型号T
t2
加权求和后得到最终鞋款型号T；根据最终鞋款码数S和最终鞋款型号T制作定制的成品鞋。
[0014]本专利技术还提供一种鞋靴定制系统，包括：顾客数据获取模块、信息处理模块和显示
模块，所述顾客数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种鞋靴定制方法，其特征在于，包括：建立码型推荐算法模型；获取顾客脚型数据；将顾客脚型数据代入码型推荐算法模型中得到顾客试穿鞋楦对应的码型；根据顾客试穿码型对应的试穿鞋楦的试穿感受获取试穿鞋楦的试穿标签；根据试穿鞋楦的试穿标签调整试穿鞋楦的试穿码型，并根据调整后的试穿鞋楦的试穿码型与顾客脚型数据得到定制鞋款的码型后制作定制的成品鞋；获取顾客试穿定制的成品鞋的试穿感受，判断试穿是否合适；修改定制鞋的码型。2.根据权利要求1所述的鞋靴定制方法，其特征在于，所述建立码型推荐算法模型包括以下步骤：将鞋款属性S
s
{s
i
}和与鞋款对应的鞋楦属性L
l
{l
i
}录入数据库保存，并获取测试人员的三维脚型信息后得到测试人员的脚型数据F
f
{f
i
}，根据测试人员在试穿包含不同的码型组合的鞋款后获取穿着舒适的鞋款码数S
i
和鞋款型号T
i
；根据测试人员的脚型数据F
f
{f
i
}以及穿着舒适的鞋款码数S
i
和鞋款型号T
i
获取鞋楦数据冗余参数；将测试人员的脚型数据F
f
{f
i
}作为试穿样本，按预设比例将试穿样本划分为训练集和测试集后建立深度学习神经网络算法模型；将训练集中测试人员的脚型数据以及对应的穿着舒适的鞋款码数和鞋款型号输入至深度学习神经网络算法模型中进行训练，建立包括码数推荐模型和型号推荐模型的码型推荐算法模型。3.根据权利要求2所述的鞋靴定制方法，其特征在于，所述获取鞋楦数据冗余参数包括以下步骤：将测试人员的脚型数据按照获取的舒适的鞋款型号分类，将各类中的脚型数据按穿着舒适的鞋款码数分类，得到各鞋款码数对应的脚型数据均值；对各鞋款码数对应的脚型数据均值进行线性拟合获取拟合数据，并根据拟合数据得到各鞋款型号中各鞋款码数对应的脚型数据；获取各鞋款型号中各鞋款码数对应的鞋楦数据；获取各鞋款型号中各鞋款码数对应的脚型数据与各鞋款型号中各鞋款码数对应的鞋楦数据差值，得到鞋楦数据冗余参数。4.根据权利要求2所述的鞋靴定制方法，其特征在于，所述建立包括码数推荐模型和的型号推荐模型的码型推荐算法模型包括以下步骤：建立码数推荐模型；建立型号推荐模型；获取码型推荐算法模型。5.根据权利要求4所述的鞋靴定制方法，其特征在于，所述建立码数推荐模型包括以下步骤：获取与测试人员的脚型数据对应的鞋楦数据冗余参数，并获取测试人员的脚型数据与对应的鞋楦数据冗余参数的差值后得到新脚型数据；通过插值法对新脚型数据中的脚长与鞋楦数据中的楦底样长处理后得到脚长对应的鞋款码数S1；通过矩阵相似度分析方法对新脚型数据中的长度数据与鞋楦数据中的长度数据处理后得到长度数据对应的鞋款码数S2；将训练集中测试人员的脚型数据以及对应的穿着舒适的鞋款码数输入至已建立深度学习神经网络算法模型中进行训练，不断调整参数，直至测试集中数据的通过率达到第一预定阈值后得到脚型对应的鞋款码数S3；通过线性回归算法对鞋款码数S1、鞋款码数S2、鞋款码数S3以及测试人员的脚型数据以及对应的穿着舒适的鞋款码数进行处理，调整深度学习神经网络算法模型直至测试集中数据的通过率达到第二预定阈值，得到码数推荐模型。6.根据权利要求4所述的鞋靴定制方法，其特征在于，所述建立型号推荐模型包括以下
步骤：获取与测试人...

【专利技术属性】
技术研发人员：潘少宝，曹政敏，
申请(专利权)人：浙江星链数据科技有限公司，
类型：发明
国别省市：