CN107481101A - 穿衣推荐方法及其装置 - Google Patents

Abstract

本发明提出一种穿衣推荐方法及装置、终端设备，其中，方法包括：通过结构光获取用户的3D模型，从所述3D模型中提取所述用户当前的着装的深度信息，根据所述着装的深度信息获取向所述用户推荐的目标衣服。通过结构光获取用户当前着装的深度信息，进而能够根据深度信息构建出当前着装的3D模型，使得当前着装能够立体展示，便于获取当前着装的相关信息，从而能够根据相关信息获取到向用户推荐的衣服。本实施例中丰富穿衣推荐方式，并且提升穿衣推荐与用户自身穿衣需求匹配度的目的，以及解决现有通过用户对衣服浏览、点击或者购买等历史行为进行分析，然后向用户推荐相关的衣服，存在推荐方式单一、与用户自身穿衣需求匹配度较低的问题。

Description

穿衣推荐方法及其装置

技术领域

本发明涉及终端设备领域，尤其涉及一种穿衣推荐方法及其装置。

背景技术

目前，用户通过网络来购买衣服，已经成为日常生活一种常见的现象，大多商家通过用户对衣服浏览、点击或者购买等历史行为进行分析，然后向用户推荐相关的衣服。这种推荐方式比较单一，而且在用户为家人大量购买衣服后，推荐的衣服都是与家人相关的衣服，与用户自身穿衣需求匹配度较低。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的第一个目的在于提出一种穿衣推荐方法，以实现丰富穿衣推荐方式，并且提升穿衣推荐与用户自身穿衣需求匹配度的目的，以及解决现有通过用户对衣服浏览、点击或者购买等历史行为进行分析，然后向用户推荐相关的衣服，存在推荐方式单一、与用户自身穿衣需求匹配度较低的问题。

本发明的第二个目的在于提出一种穿衣推荐装置。

本发明的第三个目的在于提出一种终端设备。

本发明的第四个目的在于提出一个或多个包含计算机可执行指令的非易失性计算机可读存储介质。

为达上述目的，本发明第一方面实施例提出了一种穿衣推荐方法，包括：

通过结构光获取用户的3D模型；

从所述3D模型中提取所述用户当前的着装的深度信息；

根据所述着装的深度信息获取向所述用户推荐的目标衣服。

本发明实施例的穿衣推荐方法，通过结构光获取用户的3D模型，从所述3D模型中提取所述用户当前的着装的深度信息，根据所述着装的深度信息获取向所述用户推荐的目标衣服。通过结构光获取用户当前着装的深度信息，进而能够根据深度信息构建出当前着装的3D模型，使得当前着装能够立体展示，便于获取当前着装的相关信息，从而能够根据相关信息获取到向用户推荐的衣服。本实施例中丰富穿衣推荐方式，并且提升穿衣推荐与用户自身穿衣需求匹配度的目的，以及解决现有通过用户对衣服浏览、点击或者购买等历史行为进行分析，然后向用户推荐相关的衣服，存在推荐方式单一、与用户自身穿衣需求匹配度较低的问题。

为达上述目的，本发明第二方面实施例提出了一种穿衣推荐装置，包括：

模型获取模块，用于通过结构光获取用户的3D模型；

提取模块，用于从所述3D模型中提取所述用户当前的着装的深度信息；

推荐模块，用于根据所述着装的深度信息获取向所述用户推荐的目标衣服。

本发明实施例的穿衣推荐装置，通过结构光获取用户的3D模型，从所述3D模型中提取所述用户当前的着装的深度信息，根据所述着装的深度信息获取向所述用户推荐的目标衣服。通过结构光获取用户当前着装的深度信息，进而能够根据深度信息构建出当前着装的3D模型，使得当前着装能够立体展示，便于获取当前着装的相关信息，从而能够根据相关信息获取到向用户推荐的衣服。本实施例中丰富穿衣推荐方式，并且提升穿衣推荐与用户自身穿衣需求匹配度的目的，以及解决现有通过用户对衣服浏览、点击或者购买等历史行为进行分析，然后向用户推荐相关的衣服，存在推荐方式单一、与用户自身穿衣需求匹配度较低的问题。

为达上述目的，本发明第三方面实施例提出了一种终端设备，包括存储器及处理器，所述存储器中储存有计算机可读指令，所述指令被所述处理器执行时，使得所述处理器执行如本发明实施例第一方面所述的穿衣推荐方法。

为达上述目的，本发明第四方面实施例提出了一个或多个包含计算机可执行指令的非易失性计算机可读存储介质，当所述计算机可执行指令被一个或多个处理器执行时，使得所述处理器执行如第一方面实施例所述的穿衣推荐方法。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为本发明实施例提供的一种穿衣推荐方法的流程示意图；

图2为本发明实施例提供的一个投射结构光的装置组合示意图；

图3为本发明实施例提供的均匀结构光的示意图；

图4为本发明实施例提供的穿衣推荐方法的结果示意图；

图5为本发明实施例提供的另一种穿衣推荐方法的流程示意图；

图6为本发明实施例中非均匀的结构光的示意图；

图7为本发明实施例提供的另一种穿衣推荐方法的流程示意图；

图8为本发明实施例提供的另一种穿衣推荐方法的流程示意图；

图9为本发明实施例提供的另一种穿衣推荐方法的流程示意图；

图10为本发明实施例提供的一种穿衣推荐装置的结构示意图；

图11为本发明实施例提供的另一种穿衣推荐装置的结构示意图；

图12为本发明实施例提供的一种终端设备中的图像处理电路的结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面参考附图描述本发明实施例的穿衣推荐方法及装置、终端设备。

目前，用户通过网络来购买衣服，已经成为日常生活一种常见的现象，大多商家通过用户对衣服浏览、点击或者购买等历史行为进行分析，然后向用户推荐相关的衣服。这种推荐方式比较单一，而且在用户为家人大量购买衣服后，推荐的衣服都是与家人相关的衣服，与用户自身穿衣需求匹配度较低。

针对这一问题，本发明实施例提出一种穿衣推荐方法，以实现丰富穿衣推荐方式，并且提升穿衣推荐与用户自身穿衣需求匹配度的目的，以及解决现有通过用户对衣服浏览、点击或者购买等历史行为进行分析，然后向用户推荐相关的衣服，存在推荐方式单一、与用户自身穿衣需求匹配度较低的问题。

图1为本发明实施例提供的穿衣推荐方法的流程示意图。

如图1所示，该穿衣推荐方法包括以下步骤：

步骤101，通过结构光获取用户的3D模型。

其中，已知空间方向光束的投影集合称为结构光(structured light)。

作为一种示例，图2为一个投射结构光的装置组合示意图。图2中仅以结构光的投影集合为线的集合进行示例，对于投影集合为散斑图案的结构光的原理类似。如图2所示，该装置中可以包括光学投射器和摄像机，其中，光学投射器将一定模式的结构光投射于被测物体(用户)所处的空间内，在用户的身体表面上形成由身体表面的形状所调制的光条的三维图像。该三维图像由处于另一位置的摄像机探测，从而获得畸变的光条二维图像。光条的畸变程度取决于光学投射器与摄像机之间的相对位置和用户身体表面的轮廓，直观上，沿光条显示出的位移(或偏移)与用户身体表面的高度成比例，扭曲表示了平面的变化，不连续显示了用户身体表面的物理间隙，当光学投射器与摄像机之间的相对位置一定时，由畸变的光条二维图像坐标即可重现用户的身体表面的三维轮廓，即获得用户的3D模型。

作为一种示例，可以采用公式(1)计算获得人脸3D模型，其中，公式(1)如下所示：

其中，(x,y,z)为获取的用户3D模型的坐标，b为投射装置与摄像头之间的基线间距，F为摄像头的焦距，θ为投射装置向用户所处的空间投射预设的结构光图案时的投影角度，(x',y')为用户的二维畸变图像的坐标。

作为一种示例，结构光的类型包括光栅型、光点型、斑纹型(包括圆形斑纹和十字斑纹)，如图3所示，上述结构光是均匀排布的。对应地，生成结构光的设备可以是将光点、线、光栅、格网或斑纹投影到被测物体上的某种投影设备或仪器，比如光学投射器，也可以是生成激光束的激光器。

本实施例中，可在电脑、手机、掌上电脑等终端设备上安装一个结构光发射设备，结构光发射装置用于向用户发射结构光。

终端设备可以通过一个穿衣推荐的应用程序调用结构光投射装置，然后由结构光投射装置向用户发出结构光。当结构光照射到用户身体上之后，由于用户身体表面并不是平整的，所以用户对结构光进行反射时，会造成结构光的畸变。进一步地由终端设备上的摄像头采集用户反射的光，由于反射的结构光光中携带的畸变信息，从而可以根据携带的畸变信息计算出用户各特征点的深度信息，能够完成对用户的三维空间的复原，构建出用户的3D模型。

步骤102，从3D模型中提取用户当前的着装的深度信息。

在用户的3D模型构建完成后，可以识别出衣服的轮廓以及边界，进而可以从用户的3D模型中获取到属于用户当前着装的特征点，然后利用隶属于用户着装的特征点的深度信息，构成所述着装的深度信息。

步骤103，根据着装的深度信息获取向用户推荐的目标衣服。

在获取到着装的深度信息后，就可以根据着装的深度信息对用户当前所穿着的衣服的形态进行重构。作为一种示例，可以预先训练模型识别系统，将着装的3D模型输入到模型识别系统中，可以通过该模型识别系统获取到用户着装所隶属的类别。例如，类别可以包括：大衣、衬衫、裤子等。进一步地，还可以识别出着装的款式，例如，大衣的款式可以包括：宽松款、收身款和A字款等。

在获取到着装所隶属的类别和款式后，可以按照类别和款式形成候选衣服集合，可以从候选衣服集合中选取部分或者全部候选衣服作为向用户推荐的目标衣服。

作为另一种示例，可以根据着装的深度信息，获取到所述着装的厚度，然后可以基于该厚度在获取到的候选衣服集合中选取出一定量的候选衣服作为目标衣服。具体地，获取每个候选衣服集合中每个候选衣服的厚度，然后将每个候选衣服的厚度与着装的厚度进行比较，获取两个厚度的第一差值，选取第一差值在预设第一范围内的候选衣服作为目标衣服。

作为另一种示例，为了使推荐的衣服能够与用户的体型贴合，可以根据当前着装的尺寸来选取推荐的衣服。具体地，根据着装的3D模型，获取着装的尺寸信息。例如，当着装为上衣时，可以获取到着装的长度、胸围、肩宽、袖长等尺寸信息。在获取到尺寸信息后，就可以从得到的候选衣服集合中选取部分或者全部候选衣服作为目标衣服。

具体地，获取候选衣服集合中每个候选衣服的尺寸信息，将该着装的尺寸信息与每个候选衣服的尺寸信息进行比较，获取两个尺寸的第二差值，选取第二差值在预设第二范围内的候选衣服作为目标衣服。由于将候选衣服的尺寸与当前着装的尺寸的差异控制在合理的范围内，从而可以保证推荐的候选衣服能够与用户的体型贴合，用户体验更好。

举例说明，图4中为第一幅图为用户当前着装，该当前着装为一个大衣，根据当前着装选取出的目标衣服为两件款式相近的大衣，如图4中的第二幅图和第三图所示。

本实施例提供的穿衣推荐方法，通过结构光获取用户的3D模型，从3D模型中提取用户当前的着装的深度信息，根据着装的深度信息获取向用户推荐的目标衣服。本实施例中，通过结构光获取用户当前着装的深度信息，进而能够根据深度信息构建出当前着装的3D模型，使得当前着装能够立体展示，便于获取当前着装的相关信息，从而能够根据相关信息获取到向用户推荐的衣服。本实施例中丰富穿衣推荐方式，并且提升穿衣推荐与用户自身穿衣需求匹配度的目的，以及解决现有通过用户对衣服浏览、点击或者购买等历史行为进行分析，然后向用户推荐相关的衣服，存在推荐方式单一、与用户自身穿衣需求匹配度较低的问题。

为了更加清楚地说明本发明实施例中利用结构光获取用户的3D模型的具体实现过程，本发明实施例提出了另一种穿衣推荐方法，图4为本发明另一实施例提出的穿衣推荐方法的流程示意图。

如图5所示，在如图1所示实施例的基础上，步骤101可以包括以下步骤：

步骤501，向用户发射结构光。

终端设备上可以安装有场景对应的应用程序，通过该应用程序可以调用生成结构光投射装置，然后由结构光向用户发出结构光。

步骤502，采集结构光在用户身体形成上的发射光并获取用户的深度信息。

当向用户发射的结构光到达用户之后，由于身体上各个部位会对结构光造成阻碍结构光会在身体处发生反射，此时，可以通过终端设备中设置的摄像头对结构光在身体上的反射光进行采集，通过采集到的反射光可以获取到用户的深度信息。

步骤503，基于深度信息重构用户的3D模型。

具体的，用户的深度信息中可能包括用户和背景，首先对深度信息进行去噪处理及平滑处理，来获取用户所在区域的图像，进而通过前后景分割等处理，将用户与背景图分割。

进一步地，可从深度信息中提取用于构建用户3D模型的各特征点数据，进而根据提取的特征点数据，将这些特征点连接成网络。比如根据各个点在空间上的距离关系，将相同平面的点，或者距离在阈值范围内的点连接成三角形网络，进而将这些网络进行拼接，就可以生成用户的3D模型。

本实施例中，通过结构光获取用户当前着装的深度信息，进而能够根据深度信息构建出当前着装的3D模型，使得当前着装能够立体展示，便于获取当前着装的相关信息，从而能够根据相关信息获取到向用户推荐的衣服。

此处需要说明的是，作为一种示例，上述实施例中采用的结构光可以为非均匀的结构光，非均匀的结构光为多个光斑的集合构成的散斑图案或乱点图案。

图6为本发明实施例中非均匀的结构光的投影集合示意图。如图6所示，本发明实施例中采用的是非均匀的结构光，其中，非均匀的结构光为随机排列非均匀的散斑图案，也就是说，该非均匀的结构光为多个光斑的集合，且多个光斑之间采用不均匀的分散方式排布，进而构成一个散斑图案。由于散斑图案所占的存储空间较小，因而，投射装置运行时不会对终端设备的运行效率造成太大影响，能够节约终端的存储空间。

此外，本发明实施例中采用的散斑图案，相较于其他现有的结构光类型而言，散列排布能够降低能量消耗，节省电量，提高终端的续航能力。

在本发明实施例中，可以在电脑、手机、掌上电脑等终端中设置投射装置和摄像头。投射装置向用户发射非均匀的结构光即散斑图案。具体地，可以利用投射装置中的衍射光学元件形成散斑图案，其中，该衍射光学元件上设置有一定数量的浮雕，不规则的散斑图案就由衍射光学元件上不规则的浮雕产生。本发明实施例中，浮雕凹槽深度和数量可以通过算法设置。

其中，投射装置可以用于向被测对象所处的空间投射一个预设的散斑图案。摄像头可以用于对已投射散斑图案的被测对象进行采集，以得到带有散斑图案的被测对象的二维畸变图像。

本发明实施例中，当终端的摄像头对准用户时，终端中的投射装置可以向用户所处的空间投射预设的散斑图案，该散斑图案中具有多个散斑点，当该散斑图案被投射到用户身体表面上时，该散斑图案中的好多散斑点会由于身体表面包含的各个部位的原因而发生偏移。通过终端设备的摄像头对用户的身体所反射的非均匀的结构光进行采集，得到带有散斑图案的用户的二维畸变图像。

进一步地，将采集到的散斑图像与参考散斑图像按照预定算法进行图像数据计算，获取采集到的散斑图像的各个散斑点(特征点)相对于参考散斑点(参考特征点)的移动距离。最后根据该移动距离、参考散斑图像与终端上摄像头的距离以及投射装置与摄像头之间的相对间隔值，利用三角法得到散斑红外图像的各个散斑点的深度信息，进而根据深度信息可获得用户的3D模型。

日常生活中，用户还会衣服的颜色有一定的喜好或者要求。为了使推荐的衣服更加符合用户的需求或者喜好，本发明施例提出另一种穿衣推荐方法，以实现穿衣推荐与用户自身穿衣需求匹配的目的。

图7为本发明实施例提供的另一种穿衣推荐方法的流程示意图。如图7所示，该穿衣推荐方法可以包括以下步骤：

步骤701，通过结构光获取用户的3D模型。

步骤702，从3D模型中提取用户当前的着装的深度信息。

步骤703，根据所述着装的深度信息形成着所述装的3D模型。

步骤704，根据所述着装的3D模型，获取候选衣服集合。

关于步骤701～步骤704的相关介绍，可参见上述实施例中相关内容的记载，此处不再赘述。

步骤705，获取所述着装的颜色信息。

作为一种示例，可以采用另外一个摄像头采集用户的彩色图像，根据采集到的彩色图像提取出用户当前着装的颜色信息。

作为另一种示例，可以由用户手动录入用户当前着装的颜色信息，或者用户语音录入当前着装的颜色信息。

步骤706，获取候选衣服集合中每个候选衣服的颜色信息。

在确定了当前着装的颜色信息后，为了向用户推荐颜色相近的衣服，可以获取候选衣服集合中每个候选衣服的颜色信息，例如可以从每个候选衣服的描述信息中，提取出关于衣服颜色的关键字，从而能够确定出候选衣服的颜色信息，或者从候选衣服的图片中进行图片处理，分析出候选衣服的颜色信息。

步骤707，将所述着装的颜色信息与每个候选衣服的颜色信息进行比较，获取所述着装与候选衣服在颜色上的相似度。

在确定出每个候选衣服的颜色后，可以将颜色信息进行比较，能够识别出当前着装的颜色与候选衣服在颜色上的相似度，具体地，可以将每个颜色的RGB值进行比较，进而确定出衣服在颜色上的相似度。通过比较可以发现粉红色与玫红色之间的相似度高达80％，粉红色与黄色的相似度为10％等。

步骤708，从候选衣服集合中选取相似度超过阈值的候选衣服作为目标衣服。

本实施例中，可以预先设置一个阈值，在相似度超过该阈值时，说明候选衣服与当前着装在颜色上比较相似，而在相似度未超过阈值时，说明候选衣服与当前着装在颜色上相差较大。为了满足用户对颜色的需求，可以从候选衣服集合中选取出相似度超出阈值的候选衣服作为目标衣服，

步骤709，在终端设备上展示目标衣服。

本实施例中，结合用户当前着装的颜色信息，从基于着装3D模型选取的候选衣服集合中，选择出与着装颜色相近的目标衣服，进一步地提高推荐的衣服与用户自身穿衣需求的匹配度。本实施例中丰富穿衣推荐方式，并且提升穿衣推荐与用户自身穿衣需求匹配度的目的，以及解决现有通过用户对衣服浏览、点击或者购买等历史行为进行分析，然后向用户推荐相关的衣服，存在推荐方式单一、与用户自身穿衣需求匹配度较低的问题。

日常生活中，用户还会衣服的材质有一定的喜好或者要求。为了使推荐的衣服更加符合用户的需求或者喜好，本发明施例提出另一种穿衣推荐方法，以实现穿衣推荐与用户自身穿衣需求匹配的目的。

图8为本发明实施例提供的另一种穿衣推荐方法的流程示意图。如图8所示，该穿衣推荐方法可以包括以下步骤：

步骤801，通过结构光获取用户的3D模型。

步骤802，从3D模型中提取所述用户当前的着装的深度信息。

步骤803，根据所述着装的深度信息形成着装的3D模型。

步骤804，根据所述着装的3D模型，获取候选衣服集合。

关于步骤801～步骤804的相关介绍，可参见上述实施例中相关内容的记载，此处不再赘述。

步骤805，获取所述着装的材质信息。

作为一种示例，可以采用另外一个摄像头采集用户的带有色彩的图像，对采集到的图像进行纹路分析，可以提取出用户当前着装的材质信息，例如材质信息为棉质、麻质、丝绸等。

作为另一种示例，可以由用户手动录入用户当前着装的材质信息，或者用户语音录入当前着装的材质信息。

步骤806，获取候选衣服集合中每个候选衣服的材质信息。

在确定了当前着装的材质信息后，为了向用户推荐相同材质的衣服，可以获取候选衣服集合中每个候选衣服的材质信息，例如可以从每个候选衣服的描述信息中，提取出关于衣服材质的关键字，从而能够确定出候选衣服的材质信息，或者从候选衣服的图片中进行图片处理，分析出候选衣服的材质信息。

步骤807，从候选衣服集合中选取与着装相同材质的候选衣服作为目标衣服。

在确定出每个候选衣服的材质后，可以将颜色信息进行比较，能够识别出与当前着装的材质相同的候选衣服。

步骤808，在终端设备上展示目标衣服。

本实施例中，结合用户当前着装的材质信息，从基于着装3D模型选取的候选衣服集合中，选择出与着装材质相同的目标衣服，进一步地提高推荐的衣服与用户自身穿衣需求的匹配度。本实施例中丰富穿衣推荐方式，并且提升穿衣推荐与用户自身穿衣需求匹配度的目的，以及解决现有通过用户对衣服浏览、点击或者购买等历史行为进行分析，然后向用户推荐相关的衣服，存在推荐方式单一、与用户自身穿衣需求匹配度较低的问题。

图9为本发明实施例提供的另一种穿衣推荐方法的流程示意图。如图9所示，该穿衣推荐方法可以包括以下步骤：

首先，基于结构光获取用户的3D模型，然后从中提取出着装的深度信息，进而构建着装的3D模型。进一步地，基于着装的3D模型，获取候选衣服集合。为了能够使推荐的衣服能够满足用户自身的穿衣需求，获取当前着装的属性信息，其中，该属性信息包括着装的厚度、尺寸、材质和/或颜色。可以基于属性信息中一个或者多个属性进行组合，从候选衣服集合中确定出目标衣服，例如，可以结合厚度+材质从候选衣服集合中选取目标衣服，或者结合厚度+材质+颜色从候选衣服集合中选取目标衣服。在确定出目标衣服之后，可以将目标衣服在终端设备上进行展示。

此处需要说明的是，在从候选衣服集合中选取目标衣服时，每增加一个属性，选取出的目标衣服越能满足用户的穿衣需求。

本实施例中，结合用户当前着装的属性信息，从基于着装3D模型选取的候选衣服集合中，选择出与着装材质相同的目标衣服，极大地提高推荐的衣服与用户自身穿衣需求的匹配度。本实施例中丰富穿衣推荐方式，并且提升穿衣推荐与用户自身穿衣需求匹配度的目的，以及解决现有通过用户对衣服浏览、点击或者购买等历史行为进行分析，然后向用户推荐相关的衣服，存在推荐方式单一、与用户自身穿衣需求匹配度较低的问题。

图10为本本发明实施例提供的一种穿衣推荐装置的结构示意图。如图10所示，该穿衣推荐装置包括：模型获取模块11、提取模块12和推荐模块13。

模型获取模块11，用于通过结构光获取用户的3D模型；

提取模块12，用于从所述3D模型中提取所述用户当前的着装的深度信息。

推荐模块13，用于根据所述着装的深度信息获取向所述用户推荐的目标衣服。

图10的基础之上，图11为本发明实施例提供的另一种穿衣推荐装置的结构示意图。如图11所示，该推荐模块13包括：

模型构建单元131，根据着装的深度信息形成着装的3D模型。

识别单元132，用于根据所述着装的3D模型，识别所述着装所隶属的类别和所述着装的款式。

获取单元133，用于在所隶属的类别下按照所述款式获取候选衣服集合。

确定单元134，用于从所述候选衣服集合中选取部分或者全部候选衣服作为所述目标衣服。

进一步地，获取单元133，还用于根据所述着装的深度信息获取所述着装的厚度。

进一步地，确定单元134，具体用于获取所述候选衣服集合中每个候选衣服的厚度，将每个候选衣服的厚度与所述着装的厚度进行比较，获取两个厚度的第一差值，选取所述第一差值在预设第一范围内的所述候选衣服作为所述目标衣服。

进一步地，获取单元133，还用于根据所述着装的3D模型，获取所述着装的尺寸信息；

进一步地，确定单元134，具体用于获取所述候选衣服集合中每个候选衣服的尺寸信息，将所述着装的尺寸信息与每个候选衣服的尺寸信息进行比较，获取两个尺寸的第二差值，选取所述第二差值在预设第二范围内的所述候选衣服作为所述目标衣服。

进一步地，获取单元133，还用于获取所述着装的材质信息。

进一步地，确定单元134，具体用于获取所述候选衣服集合中每个候选衣服的材质信息，从所述候选衣服集合中选取与所述着装相同材质的候选衣服作为所述目标衣服。

进一步地，获取单元133，还用于获取所述着装的颜色信息。

进一步地，确定单元134，具体用于获取所述候选衣服集合中每个候选衣服的颜色信息，将所述着装的颜色信息与每个候选衣服的颜色信息进行比较，获取所述着装与所述候选衣服在颜色上的相似度，从所述候选衣服集合中选取所述相似度超过阈值的所述候选衣服作为所述目标衣服。

进一步地，提取模块12，具体用于从所述3D模型中识别出隶属于所述着装的特征点，获取所述特征点的深度信息，形成所述着装的深度信息。

进一步地，所述结构光为非均匀的结构光，所述非均匀的结构光为多个光斑的集合构成的散斑图案或乱点图案，是由设置在终端上的投射装置中的衍射光学元件形成的，其中，所述衍射光学元件上设置有一定数量的浮雕，所述浮雕的凹槽深度不同。

本实施例提供的穿衣推荐方法，通过结构光获取用户的3D模型，从3D模型中提取用户当前的着装的深度信息，根据着装的深度信息获取向用户推荐的目标衣服。本实施例中，通过结构光获取用户当前着装的深度信息，进而能够根据深度信息构建出当前着装的3D模型，使得当前着装能够立体展示，便于获取当前着装的相关信息，从而能够根据相关信息获取到向用户推荐的衣服。本实施例中丰富穿衣推荐方式，并且提升穿衣推荐与用户自身穿衣需求匹配度的目的，以及解决现有通过用户对衣服浏览、点击或者购买等历史行为进行分析，然后向用户推荐相关的衣服，存在推荐方式单一、与用户自身穿衣需求匹配度较低的问题。

上述穿衣推荐装置中各个模块的划分仅用于举例说明，在其他实施例中，可将穿衣推荐装置按照需要划分为不同的模块，以完成上述穿衣推荐装置的全部或部分功能。

本发明实施例还提供一种终端设备。上述终端设备中包括图像处理电路，图像处理电路可以利用硬件和/或软件组件实现，可包括定义ISP(Image Signal Processing，图像信号处理)管线的各种处理单元。图12为一个实施例中图像处理电路的示意图。如图12所示，为便于说明，仅示出与本发明实施例相关的图像处理技术的各个方面。

如图12所示，图像处理电路90包括成像设备910、ISP处理器930和控制逻辑器940。成像设备910可包括具有一个或多个透镜912、图像传感器914的照相机和结构光投射器916。结构光投射器916将结构光投影至被测物。其中，该结构光图案可为激光条纹、格雷码、正弦条纹、或者，随机排列的散斑图案等。图像传感器914捕捉投影至被测物形成的结构光图像，并将结构光图像发送至ISP处理器930，由ISP处理器930对结构光图像进行解调获取被测物的深度信息。同时，图像传感器914也可以捕捉被测物的色彩信息。当然，也可以由两个图像传感器914分别捕捉被测物的结构光图像和色彩信息。

其中，以散斑结构光为例，ISP处理器930对结构光图像进行解调，具体包括，从该结构光图像中采集被测物的散斑图像，将被测物的散斑图像与参考散斑图像按照预定算法进行图像数据计算，获取被测物上散斑图像的各个散斑点相对于参考散斑图像中的参考散斑点的移动距离。利用三角法转换计算得到散斑图像的各个散斑点的深度值，并根据该深度值得到被测物的深度信息。

当然，还可以通过双目视觉的方法或基于飞行时差TOF的方法来获取该深度图像信息等，在此不做限定，只要能够获取或通过计算得到被测物的深度信息的方法都属于本实施方式包含的范围。

在ISP处理器930接收到图像传感器914捕捉到的被测物的色彩信息之后，可被测物的色彩信息对应的图像数据进行处理。ISP处理器930对图像数据进行分析以获取可用于确定成像设备910的一个或多个控制参数的图像统计信息。图像传感器914可包括色彩滤镜阵列(如Bayer滤镜)，图像传感器914可获取用图像传感器914的每个成像像素捕捉的光强度和波长信息，并提供可由ISP处理器930处理的一组原始图像数据。

ISP处理器930按多种格式逐个像素地处理原始图像数据。例如，每个图像像素可具有9、10、12或14比特的位深度，ISP处理器930可对原始图像数据进行一个或多个图像处理操作、收集关于图像数据的图像统计信息。其中，图像处理操作可按相同或不同的位深度精度进行。

ISP处理器930还可从图像存储器920接收像素数据。图像存储器920可为存储器装置的一部分、存储设备、或电子设备内的独立的专用存储器，并可包括DMA(Direct MemoryAccess，直接存储器存取)特征。

当接收到原始图像数据时，ISP处理器930可进行一个或多个图像处理操作。

在ISP处理器930获取到被测物的色彩信息和深度信息后，可对其进行融合，得到三维图像。其中，可通过外观轮廓提取方法或轮廓特征提取方法中的至少一种提取相应的被测物的特征。例如通过主动形状模型法ASM、主动外观模型法AAM、主成分分析法PCA、离散余弦变换法DCT等方法，提取被测物的特征，在此不做限定。再将分别从深度信息中提取到被测物的特征以及从色彩信息中提取到被测物的特征进行配准和特征融合处理。这里指的融合处理可以是将深度信息以及色彩信息中提取出的特征直接组合，也可以是将不同图像中相同的特征进行权重设定后组合，也可以有其他融合方式，最终根据融合后的特征，生成三维图像。

三维图像的图像数据可发送给图像存储器920，以便在被显示之前进行另外的处理。ISP处理器930从图像存储器920接收处理数据，并对所述处理数据进行原始域中以及RGB和YCbCr颜色空间中的图像数据处理。三维图像的图像数据可输出给显示器960，以供用户观看和/或由图形引擎或GPU(Graphics Processing Unit，图形处理器)进一步处理。此外，ISP处理器930的输出还可发送给图像存储器920，且显示器960可从图像存储器920读取图像数据。在一个实施例中，图像存储器920可被配置为实现一个或多个帧缓冲器。此外，ISP处理器930的输出可发送给编码器/解码器950，以便编码/解码图像数据。编码的图像数据可被保存，并在显示于显示器960设备上之前解压缩。编码器/解码器950可由CPU或GPU或协处理器实现。

ISP处理器930确定的图像统计信息可发送给控制逻辑器940单元。控制逻辑器940可包括执行一个或多个例程(如固件)的处理器和/或微控制器，一个或多个例程可根据接收的图像统计信息，确定成像设备910的控制参数。以下为运用图12中图像处理技术实现穿衣推荐方法的步骤：

通过结构光获取用户的3D模型；

从所述3D模型中提取所述用户当前的着装的深度信息；

根据所述着装的深度信息获取向所述用户推荐的目标衣服。

本发明实施例还提供了一个或多个包含计算机可执行指令的非易失性计算机可读存储介质，当所述计算机可执行指令被一个或多个处理器执行时，使得所述处理器执行以下步骤：

通过结构光获取用户的3D模型；

从所述3D模型中提取所述用户当前的着装的深度信息；

根据所述着装的深度信息获取向所述用户推荐的目标衣服。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (11)

1.一种穿衣推荐方法，其特征在于，包括：

通过结构光获取用户的3D模型；

从所述3D模型中提取所述用户当前的着装的深度信息；

根据所述着装的深度信息获取向所述用户推荐的目标衣服。

2.根据权利要求1所述的方法，其特征在于，所述根据所述着装的深度信息获取向所述用户推荐的目标衣服，包括：

根据所述着装的深度信息形成所述着装的3D模型；

根据所述着装的3D模型，识别所述着装所隶属的类别和所述着装的款式；

在所隶属的类别下按照所述款式获取候选衣服集合；

从所述候选衣服集合中选取部分或者全部候选衣服作为所述目标衣服。

3.根据权利要求2所述的方法，其特征在于，还包括：

根据所述着装的深度信息获取所述着装的厚度；

所述从所述候选衣服集合中选取部分或者全部候选衣服作为所述目标衣服，包括：

获取所述候选衣服集合中每个候选衣服的厚度；

将每个候选衣服的厚度与所述着装的厚度进行比较，获取两个厚度的第一差值；

选取所述第一差值在预设第一范围内的所述候选衣服作为所述目标衣服。

4.根据权利要求2所述的方法，其特征在于，还包括：

根据所述着装的3D模型，获取所述着装的尺寸信息；

所述从所述候选衣服集合中选取部分或者全部候选衣服作为所述目标衣服，包括：

获取所述候选衣服集合中每个候选衣服的尺寸信息；

将所述着装的尺寸信息与每个候选衣服的尺寸信息进行比较，获取两个尺寸的第二差值；

选取所述第二差值在预设第二范围内的所述候选衣服作为所述目标衣服。

5.根据权利要求2所述的方法，其特征在于，还包括：

获取所述着装的材质信息；

所述从所述候选衣服集合中选取部分或者全部候选衣服作为所述目标衣服，包括：

获取所述候选衣服集合中每个候选衣服的材质信息；

从所述候选衣服集合中选取与所述着装相同材质的候选衣服作为所述目标衣服。

6.根据权利要求2所述的方法，其特征在于，还包括：

获取所述着装的颜色信息；

所述从所述候选衣服集合中选取部分或者全部候选衣服作为所述目标衣服，包括：

获取所述候选衣服集合中每个候选衣服的颜色信息；

将所述着装的颜色信息与每个候选衣服的颜色信息进行比较，获取所述着装与所述候选衣服在颜色上的相似度；

从所述候选衣服集合中选取所述相似度超过阈值的所述候选衣服作为所述目标衣服。

7.根据权利要求1所述的方法，其特征在于，所述从所述3D模型中提取所述用户当前的着装的深度信息，包括：

从所述3D模型中识别出隶属于所述着装的特征点；

获取所述特征点的深度信息，形成所述着装的深度信息。

8.根据权利要求1-7任一项所述的方法，其特征在于，所述结构光为非均匀的结构光，所述非均匀的结构光为多个光斑的集合构成的散斑图案或乱点图案，是由设置在终端上的投射装置中的衍射光学元件形成的，其中，所述衍射光学元件上设置有一定数量的浮雕，所述浮雕的凹槽深度不同。

9.一种穿衣推荐装置，其特征在于，包括：

模型获取模块，用于通过结构光获取用户的3D模型；

提取模块，用于从所述3D模型中提取所述用户当前的着装的深度信息；

推荐模块，用于根据所述着装的深度信息获取向所述用户推荐的目标衣服。

10.一种终端设备，包括存储器及处理器，所述存储器中储存有计算机可读指令，所述指令被所述处理器执行时，使得所述处理器执行如权利要求1至8中任一项所述的穿衣推荐方法。

11.一个或多个包含计算机可执行指令的非易失性计算机可读存储介质，当所述计算机可执行指令被一个或多个处理器执行时，使得所述处理器执行如权利要求1至8中任一项所述的穿衣推荐方法。