一种具有智能推荐功能的鞋柜的制作方法

1.本发明涉及智能家居领域，具体涉及一种具有智能推荐功能的鞋柜。


背景技术：

2.现有鞋柜基本兼具功能性与美观性，不仅可以存储大量的鞋子，还起到装饰作用。如今已有鞋柜可以根据标签记录鞋子的位置，以便存取，并且配置了显示屏，可显示室外天气和时间。
3.现有的鞋柜大都不具备更加智能化的功能。当存储大量鞋子时，找鞋仍然很耗时；虽然鞋柜配置了显示屏可以显示天气和时间，但是功能单一且用处不大；鞋柜无法根据所穿服饰来推荐与之搭配的鞋子。


技术实现要素：

4.本发明的目的是根据上述现有技术的不足之处，提供一种具有智能推荐功能的鞋柜，其通过识别使用者的衣着服饰，推荐与之搭配的鞋靴，实现了鞋靴的智能推荐。
5.本发明目的实现由以下技术方案完成：
6.一种具有智能推荐功能的鞋柜，其包括：
7.柜体，包括若干个用于储存鞋靴的储存格；
8.摄像头，安装在所述柜体正面；
9.交互屏幕，安装在所述柜体的正面；
10.控制器，分别与所述摄像头以及所述交互屏幕电性连接，其被配置为：通过摄像头获取使用者的人脸图像以及衣着图像，通过人脸图像识别使用者的身份，根据天气信息、衣着图像以及使用者身份选取若干双推荐鞋靴，并通过交互屏幕进行展示；使用者选定鞋靴后，通过交互屏幕向使用者提示鞋靴所在的位置。
11.本发明的进一步改进在于：每个储存格还具有提示灯，以便在用户选定相应的鞋靴后进行闪烁提示。
12.本发明的进一步改进在于：所述控制器采用yolo算法对衣着图像进行识别分类，得到衣着的分类数据；根据分类数据，采用推荐算法从候选的鞋靴中选取推荐鞋靴。
13.本发明的进一步改进在于：所述推荐算法为knn分类算法，该算法模型的输入为衣着的分类数据。
14.本发明的进一步改进在于：使用者选定鞋靴后，所述控制器根据用户的选择对推荐算法的模型进行微调。
15.本发明的进一步改进在于：展示推荐鞋靴的过程中，优先展示与当前天气适合的鞋靴。
16.本发明的进一步改进在于：将鞋靴放入鞋柜时，控制器通过摄像头拍摄鞋靴，识别其类型，并向使用者提示空余的储存格的位置；使用者将鞋靴放入后，控制器记录相应储存格中所储存的鞋靴类型。
17.本发明的优点是：通过目标检测算法和推荐算法，节省了使用者找鞋的时间与搭配着装的时间，帮助不擅长搭配服饰的使用者搭配出时尚的穿搭。推荐算法还结合当地天气，帮助使用者选择适合当日天气的鞋子。鞋柜可以进行个性定义，且数据可移植，使用者设置自己的喜好，在多款鞋子都可以搭配时，鞋柜优先推荐使用者的偏爱款。使用者的信息可以导出，从而可以移植到新的鞋柜上。使用者使用推荐算法的次数越多，积累的数据集就越大，从而可以推荐出更合使用者心意的搭配，形成一个良性的循环。
附图说明
18.图1为具有智能推荐功能的鞋柜的立体视图；
19.图2为取鞋过程的流程图；
20.图3为存鞋过程的流程图。
具体实施方式
21.以下结合附图通过实施例对本发明的特征及其它相关特征作进一步详细说明，以便于同行业技术人员的理解：
22.实施例：如图1、2所示，本发明的实施例包括一种具有智能推荐功能的鞋柜，其包括：柜体4、摄像头1、交互屏幕2以及控制器(图中未示出)。柜体4的正面设置有多个用于储存鞋靴的储存格3，每个储存格3可存储一双鞋靴。交互屏幕2嵌设在柜体4的正面，其高度与使用者的视线平齐。摄像头1也嵌设在柜体4的正面，其高度略高于交互屏幕2。交互屏幕2为触摸屏，其与摄像头均与控制器电性连接。
23.控制器被配置为通过摄像头获取使用者的人脸图像以及衣着图像，通过人脸图像识别使用者的身份，根据天气信息、衣着图像以及使用者身份选取若干双推荐鞋靴，并通过交互屏幕2进行展示；使用者选定鞋靴后，通过交互屏幕2向使用者提示鞋靴所在的位置。
24.具体的，控制器通过摄像头获取使用者的人脸图像，并根据人脸图像识别使用者的身份。如果使用者的人脸数据已经存储于存储器的数据中，则调取相应使用者的推荐模型以及偏好设置。如果该使用者的人脸不在数据库中，询问是否需要将该使用者添加到数据库中。
25.控制器还具有网络模块，用于接入互联网。控制器可通过互联网获取固件更新，并通过天气sdk以及网络定位功能获取使用者所在城市的天气信息。
26.在确认使用者身份以及天气信息后，控制器对使用者的衣着图像进行识别。在一个具体实施例中，控制器采用yolo算法对衣着图像进行识别分类，得到衣着的分类数据。例如，得到长款咖色风衣、短款图案马甲。
27.获取完成后，控制器调用推荐算法，根据衣着的分类数据从候选的鞋靴中选取推荐鞋靴。在一个实施例中，推荐算法为knn算法，具体实现步骤如下：
28.①
收集大量的专业服装搭配师搭配的服饰图片作为数据集，将不同的服饰标注成不同的数值，得到结构化的数据格式。该数据可将不的服饰采用不同的向量进行表示，并将各服饰的向量拼接或者相加的方式进行融合，得到最终的分类数据。本步骤中得到的标记数据可作为初始的训练集，进而得到初始的推荐模型，该模型可作为默认模型。
29.每次的预测过程包括以下步骤，knn算法为本领域的现有算法，在此不进行详细的
的介绍：
30.②
计算已知类别数据集中的点与当前使用者所穿服饰对应的点之间的距离。
31.③
按照距离递增次序排序。
32.④
选取与当前点距离最小的k个点，也就是和当前使用者所穿服饰风格最相近的点。
33.⑤
确定前k个点所在类别的出现频率。
34.⑥
返回前k个点出现频率最高的类别作为使用者所穿服饰对应的点的预测分类，从而推荐出相应风格的鞋子。
35.通过上面的内容可知，控制器每次调用推荐算法会产生多个推荐结果。在显示过程中，控制器会根据天气情况对推荐结果经排序。不同的鞋靴有不同的适宜温度和适宜天理，在向鞋柜中加入新的鞋子时，可以为鞋子设置合适的标签，例如“适合雨天”、“雨天不宜穿”等，当天气是雨天时，鞋柜便优先推荐标签是“适合雨天”的鞋子。
36.当使用者从多个推荐选项中选定所要穿的鞋靴后，控制器通过交互屏幕2显示对应鞋靴所在的位置，并通过相应的储存格3上的提示灯对用户进行闪烁提示。
37.在用户做出选择之后，如果用户选择的不是排在第一位的推荐选项，则根据用户的选择对推荐算法的模型进行微调，得到用户的个性化推荐模型。
38.如图3所示，使用者将鞋靴放入鞋柜时，控制器通过摄像头拍摄鞋靴，识别其类型以及所有者，并向使用者提示空余的储存格的位置；使用者将鞋靴放入后，控制器记录相应储存格中所储存的鞋靴类型。每个储存格中可配置重量传感器，已检测鞋靴是否放入。
39.该鞋柜配有摄像头，可以通过人脸识别技术识别出不同使用者，每个使用者可以设置自己的喜好，在多款鞋子都可以搭配的时候，鞋柜优先推荐使用者偏爱的款式。每位使用者的鞋子数量、款式，以及个人偏好等相关数据都可以导出，以便传动到新的鞋柜上。克服了传统鞋柜没有个性定制功能的问题。
40.通过目标检测算法和推荐算法，节省了使用者找鞋的时间与搭配着装的时间，帮助不擅长搭配服饰的使用者搭配出时尚的穿搭。推荐算法还结合当地天气，帮助使用者选择适合当日天气的鞋子。鞋柜可以进行个性定义，且数据可移植，使用者设置自己的喜好，在多款鞋子都可以搭配时，鞋柜优先推荐使用者的偏爱款。使用者的信息可以导出，从而可以移植到新的鞋柜上。使用者使用推荐算法的次数越多，积累的数据集就越大，从而可以推荐出更合使用者心意的搭配，形成一个良性的循环。
41.以上的本发明实施方式，并不构成对本发明保护范围的限定。任何在本发明的精神和原则之内所作的修改、同替换和改进等，均应包含在本发明的保护范围之内。