本發(fā)明屬于服裝推薦技術(shù)領(lǐng)域，公開了一種服裝推薦系統(tǒng)，包括信息采集單元、服裝分類單元、服裝推薦單元、服裝推送單元。信息采集單元用于對(duì)用戶信息、環(huán)境信息、服裝信息進(jìn)行采集，構(gòu)建服裝數(shù)據(jù)集，得到用戶標(biāo)簽、環(huán)境標(biāo)簽；服裝分類單元用于對(duì)服裝數(shù)據(jù)集中的服裝進(jìn)行識(shí)別分類，得到服裝標(biāo)簽；服裝推薦單元用于根據(jù)標(biāo)簽信息對(duì)服裝數(shù)據(jù)集中的服裝進(jìn)行篩選，得到推薦服裝信息；服裝推送單元用于對(duì)推薦服裝信息進(jìn)行排序、實(shí)時(shí)顯示。本發(fā)明可以根據(jù)顧客本身及其所處環(huán)境給出最適合的服裝推薦，能夠大大提高推薦的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明屬于服裝推薦技術(shù)領(lǐng)域，更具體地，涉及一種服裝推薦系統(tǒng)。

背景技術(shù)

目前，隨著服裝制造業(yè)的飛速發(fā)展，服裝產(chǎn)品已經(jīng)變得十分多元化，伴隨服裝領(lǐng)域和互聯(lián)網(wǎng)領(lǐng)域的融合，更快的銷售需求成為了兩個(gè)領(lǐng)域融合的必然要求。智能服裝推薦系統(tǒng)因此被創(chuàng)造，該推薦系統(tǒng)的目的是準(zhǔn)確快速地為顧客推薦適合自己的服裝，節(jié)省服裝制造業(yè)中的宣傳、保存等成本，大大加快服裝領(lǐng)域的發(fā)展。

但是，現(xiàn)有的技術(shù)方案還無(wú)法達(dá)到智能服裝推薦的要求。例如，一種現(xiàn)有技術(shù)通過(guò)圖像分析處理，結(jié)合服裝元素分類基礎(chǔ)數(shù)據(jù)，分析各類服裝的風(fēng)格元素，從而得到特定風(fēng)格元素的服裝搭配；這種方式所關(guān)聯(lián)的相關(guān)點(diǎn)太少，最后得到的推薦結(jié)果的準(zhǔn)確性不夠準(zhǔn)確。另一種現(xiàn)有技術(shù)采用簡(jiǎn)單的詞語(yǔ)進(jìn)行檢索，獲得類似的服裝推薦，但是該方法的過(guò)程過(guò)于繁瑣，需要不斷的輸入對(duì)服裝的要求，也沒(méi)有達(dá)到智能服裝推薦的要求。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)的以上缺陷或改進(jìn)需求，本發(fā)明提供了一種服裝推薦系統(tǒng)，其目的在于能夠更加準(zhǔn)確全面的為顧客推薦服裝。

本發(fā)明提供一種服裝推薦系統(tǒng)，包括：信息采集單元、服裝分類單元、服裝推薦單元、服裝推送單元；

所述信息采集單元用于對(duì)用戶信息、環(huán)境信息、服裝信息進(jìn)行采集，構(gòu)建服裝數(shù)據(jù)集；用于根據(jù)所述用戶信息、所述環(huán)境信息分別得到用戶標(biāo)簽、環(huán)境標(biāo)簽；

所述服裝分類單元用于對(duì)所述服裝數(shù)據(jù)集中的服裝進(jìn)行識(shí)別分類，得到服裝標(biāo)簽；

所述服裝推薦單元用于根據(jù)標(biāo)簽信息對(duì)所述服裝數(shù)據(jù)集中的服裝進(jìn)行篩選，得到推薦服裝信息；

所述服裝推送單元用于對(duì)所述推薦服裝信息進(jìn)行排序、實(shí)時(shí)顯示。

優(yōu)選的，所述信息采集單元包括：用戶信息采集模塊、環(huán)境信息采集模塊、服裝信息采集模塊；

所述用戶信息采集模塊用于對(duì)用戶個(gè)人基本信息進(jìn)行采集；

所述環(huán)境信息采集模塊用于對(duì)用戶所處環(huán)境信息進(jìn)行采集；

所述服裝信息采集模塊用于對(duì)用戶服裝信息進(jìn)行采集，并建立所述服裝數(shù)據(jù)集；

其中，所述用戶信息采集模塊包括：輸入子模塊和解析子模塊；

所述輸入子模塊用于用戶輸入?yún)?shù)信息，所述參數(shù)信息包括臉部信息和人物信息，所述臉部信息包括正臉照、側(cè)臉照，所述人物信息為年齡、性別、身高、體重、職業(yè)信息、三圍信息中的至少一種；

所述解析子模塊用基于深度卷積神經(jīng)網(wǎng)絡(luò)的智能圖像識(shí)別方法，根據(jù)所述參數(shù)信息得到所述用戶標(biāo)簽。

優(yōu)選的，所述解析子模塊采用基于深度卷積神經(jīng)網(wǎng)絡(luò)對(duì)所述臉部信息進(jìn)行識(shí)別分類；所述基于深度卷積神經(jīng)網(wǎng)絡(luò)的智能圖像識(shí)別方法包括：

從網(wǎng)絡(luò)上爬取臉部圖像及與其對(duì)應(yīng)的標(biāo)簽描述作為訓(xùn)練集；

對(duì)訓(xùn)練集中的圖片進(jìn)行裁剪做預(yù)處理，輸入至一個(gè)a層網(wǎng)絡(luò)模型中，然后進(jìn)行卷積、池化處理得到特征向量，對(duì)得到的特征向量進(jìn)行多分類得到輸出標(biāo)簽，然后與輸入標(biāo)簽進(jìn)行對(duì)比得到誤差，通過(guò)損失函數(shù)進(jìn)行反向傳播更新權(quán)重，優(yōu)化網(wǎng)絡(luò)模型，得到訓(xùn)練好的用戶標(biāo)簽?zāi)Ｐ停?/p>

將待識(shí)別的臉部信息輸入至訓(xùn)練好的用戶標(biāo)簽?zāi)Ｐ?，得到用戶?biāo)簽。