基于场景的服饰推荐方法、装置、设备及系统与流程

1.本技术属于图像技术领域，具体涉及一种基于场景的服饰推荐方法、装置、设备及系统。


背景技术：

2.当今社会中，服饰作为人们生活的必需品，不仅起到了御寒保暖的作用，还起到了展现人们的形体美感、穿衣品味的社交作用，尤其是随着社会的发展和进步，人们对衣着服饰的搭配也越来也重视。
3.然而，普通大众对衣着服饰如何搭配并不擅长，为了帮助普通大众进行合理的服饰搭配，目前，相关技术中，有利用智能终端设备进行图像采集，并根据采集的图像向用户进行服饰推荐的技术方案。
4.相关技术中的方案，智能终端设备仅通过服饰图片数据，基于服饰之间的搭配效果进行简单推荐，并未深入的考虑服饰的上身效果，造成了推荐的服饰不适合用户，服饰推荐结果准确性低、效果差的问题。
5.相应地，本领域需要一种新的基于场景的服饰推荐方法、装置、设备及系统来解决上述问题。


技术实现要素：

6.为了解决现有技术中的上述问题，即为了解决现有服饰推荐结果准确性低、效果差的问题，本技术提供了一种基于场景的服饰推荐方法、装置、设备及系统。
7.根据本技术实施例的第一方面，本技术提供了一种基于场景的服饰推荐方法，包括：
8.采集用户图像信息；根据所述用户图像信息，确定用户面部信息和服饰信息；根据预设的搭配场景信息和所述服饰信息，确定目标服饰数据库；其中，所述搭配场景信息用于表征用户的穿着服饰的场景；根据所述用户面部信息，确定所述目标服饰数据库中与所述用户面部信息相匹配的服饰推荐信息。
9.在上述基于场景的服饰推荐方法的优选技术方案中，所述根据预设的搭配场景信息和所述服饰信息，确定目标服饰数据库，包括：
10.根据所述服饰信息，获取对应的多个初始服饰数据库，其中，所述初始服饰数据库中包括所述服饰信息，各所述初始服饰数据库分别对应一个服饰特征；将各所述初始服饰数据库对应的服饰特征与所述搭配场景信息进行匹配度评估，得到与各初始服饰数据库分别对应的匹配度评估值；将大于预设匹配度阈值的所述匹配度评估值对应的初始服饰数据库，确定为目标服饰数据库。
11.在上述基于场景的服饰推荐方法的优选技术方案中，所述服饰特征包括以下至少一种：服饰颜色、服饰款式、服饰类型。
12.在上述基于场景的服饰推荐方法的优选技术方案中，根据所述用户图像信息，确
定用户面部信息和服饰信息，包括：根据预设的训练至收敛的神经网络模型对所述用户图像信息进行特征识别，得到服饰特征和用户面部特征；在预设的面部信息库中，确定与所述用户面部特征相匹配的面部信息；在预设的服饰信息库中，确定与所述服饰特征相匹配的服饰信息。
13.在上述基于场景的服饰推荐方法的优选技术方案中，根据所述用户面部信息，确定所述目标服饰数据库中与所述用户面部信息相匹配的服饰推荐信息，包括：根据所述用户面部信息，确定用户的身份特征；根据预设的用户服饰映射关系，确定所述身份特征对应的备选服饰信息；其中，所述用户服饰映射关系用于表征用户身份特征与备选服饰信息的之间的映射；将所述备选服饰信息的集合确定为服饰推荐信息。
14.在上述基于场景的服饰推荐方法的优选技术方案中，所述面部信息包括以下至少一种：面部轮廓、面部肤色、面部发型、面部发色。
15.在上述基于场景的服饰推荐方法的优选技术方案中，在根据所述用户面部信息，确定所述目标服饰数据库中与所述用户面部信息相匹配的服饰推荐信息之后，还包括：将所述服饰推荐信息发送至显示屏设备进行显示。
16.根据本技术实施例的第二方面，本技术提供了一种基于场景的服饰推荐装置，包括：
17.采集模块，用于采集用户图像信息；第一确定模块，用于根据所述用户图像信息，确定用户面部信息和服饰信息；第二确定模块，用于根据预设的搭配场景信息和所述服饰信息，确定目标服饰数据库；其中，所述搭配场景信息用于表征用户的穿着服饰的场景；第三确定模块，用于根据所述用户面部信息，确定所述目标服饰数据库中与所述用户面部信息相匹配的服饰推荐信息。
18.在上述基于场景的服饰推荐装置的优选技术方案中，所述第二确定模块，具体用于：根据所述服饰信息，获取对应的多个初始服饰数据库，其中，所述初始服饰数据库中包括所述服饰信息，各所述初始服饰数据库分别对应一个服饰特征；将各所述初始服饰数据库对应的服饰特征与所述搭配场景信息进行匹配度评估，得到与各初始服饰数据库分别对应的匹配度评估值；将大于预设匹配度阈值的所述匹配度评估值对应的初始服饰数据库，确定为目标服饰数据库。
19.在上述基于场景的服饰推荐装置的优选技术方案中，所述服饰特征包括以下至少一种：服饰颜色、服饰款式、服饰类型。
20.在上述基于场景的服饰推荐装置的优选技术方案中，所述第一确定模块，具体用于：根据预设的训练至收敛的神经网络模型对所述用户图像信息进行特征识别，得到服饰特征和用户面部特征；在预设的面部信息库中，确定与所述用户面部特征相匹配的面部信息；在预设的服饰信息库中，确定与所述服饰特征相匹配的服饰信息。
21.在上述基于场景的服饰推荐装置的优选技术方案中，所述第三确定模块，具体用于：根据所述用户面部信息，确定用户的身份特征；根据预设的用户服饰映射关系，确定所述身份特征对应的备选服饰信息；其中，所述用户服饰映射关系用于表征用户身份特征与备选服饰信息的之间的映射；将所述备选服饰信息的集合确定为服饰推荐信息。
22.在上述基于场景的服饰推荐装置的优选技术方案中，所述面部信息包括以下至少一种：面部轮廓、面部肤色、面部发型、面部发色。
23.在上述基于场景的服饰推荐装置的优选技术方案中，还包括：显示模块，用于将所述服饰推荐信息发送至显示屏设备进行显示。
24.根据本技术实施例的第三方面，本技术提供了一种电子设备，包括：存储器，处理器以及计算机程序；
25.其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行如本技术实施例第一方面任一项所述的基于场景的服饰推荐方法。根据本技术实施例的第四方面，本技术提供了一种智能家居系统，包括摄像设备、显示屏设备及本技术实施例第三方面提供的电子设备，所述摄像设备和所述显示屏设备分别与所述电子设备通信连接，其中，所述摄像设备，用于采集用户图像信息；所述显示屏设备，用于接收所述电子设备发送的服饰推荐信息并进行显示。
26.根据本技术实施例的第五方面，本技术提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如本技术实施例第一方面任一项所述的基于场景的服饰推荐方法。
27.本技术提供的基于场景的服饰推荐方法、装置、设备及系统，通过采集用户图像信息；根据所述用户图像信息，确定用户面部信息和服饰信息；根据预设的搭配场景信息和所述服饰信息，确定目标服饰数据库；其中，所述搭配场景信息用于表征用户的穿着服饰的场景；根据所述用户面部信息，确定所述目标服饰数据库中与所述用户面部信息相匹配的服饰推荐信息，由于通过搭配场景信息和用户面部信息，可以进一步地的提高所推荐的服饰与用户的匹配程度，使得推荐服饰能够对于具有不同面部信息的用户，在不同穿着场景下具有更好的服饰搭配效果，提高了服饰推荐结果的准确性和服饰推荐效果。
附图说明
28.下面参照附图来描述本技术的基于场景的服饰推荐方法、装置、设备及系统的优选实施方式。附图为：
29.图1为本技术实施例提供的基于场景的服饰推荐方法的应用场景图；
30.图2为本技术一个实施例提供的基于场景的服饰推荐方法的流程图；
31.图3为本技术另一个实施例提供的基于场景的服饰推荐方法的流程图；
32.图4为本技术一个实施例提供的基于场景的服饰推荐装置的结构示意图；
33.图5为本技术另一个实施例提供的基于场景的服饰推荐装置的结构示意图；
34.图6为本技术一个实施例提供的电子设备的示意图；
35.图7为本技术一个实施例提供的智能家居系统的示意图。
具体实施方式
36.首先，本领域技术人员应当理解的是，这些实施方式仅仅用于解释本技术的技术原理，并非旨在限制本技术的保护范围。本领域技术人员可以根据需要对其做出调整，以便适应具体的应用场合。
37.下面将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附
权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。
38.首先对本技术实施例的应用场景进行解释：
39.图1为本技术实施例提供的基于场景的服饰推荐方法的应用场景图，如图1所示，本技术实施例提供的基于场景的服饰推荐方法的执行主体可以为一种电子设备，例如为智能摄像头。智能摄像头可以为单独的智能终端设备，也可以为智能家居系统的一部分。智能摄像头采集用户图像信息，例如为用户的全身照片，或者全身视频，通过对用户图像信息进行离线分析，得到适合用户的服饰推荐信息，例如为一组服饰照片，并将该服饰照片通过与该智能摄像头通信连接的显示屏进行显示，使用户能够得到适合自己的单独或搭配服饰信息。
40.目前，相关技术中，为用户进行服饰推荐的技术方案，通常是通过用户的购买记录的信息进行服饰推荐，或者是基于用户穿着或者指定的服饰图片，基于大数据，针对该服饰图片进行搭配推荐。然而，一件服饰，或者多件服饰间的搭配，并一定适用于所有用户，也不一定适用于所有穿着场合。而上述技术方案中，未考虑到用户的具体差异，以及穿着场合之间的具体差异，而仅考虑了服饰自身的特性，因此，导致了推荐的服饰与具体用户不合适，或者与穿着场景不合适的问题。
41.下面以具体地实施例对本技术的技术方案以及本技术的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本技术的实施例进行描述。
42.图2为本技术一个实施例提供的基于场景的服饰推荐方法的流程图，示例性地，该方法的执行主体可以为具有图像采集功能的电子设备，例如智能摄像头。如图2所示，本实施例提供的基于场景的服饰推荐方法包括以下几个步骤：
43.步骤s101，采集用户图像信息。
44.示例性地，用户图像信息为用于描述用户外部特征的信息，更进一步地，例如用户的面部特征、身材特征、服饰特征等一种或多种。示例性地，用户图像信息的实现形式有多种，例如为包含用户外表特征的一组或多组照片或者视频，再例如，为用户的三维轮廓扫描信息，只要是能够表现用户的外部特征的信息均可，此处不对用户图像信息的具体实现方式进行限定。
45.采集用户图像信息的方式也有多种，示例性地，通过本实施例提供的方法的执行主体带有的图像采集单位，对用户进行实时的用户图像信息采集，更加具体地，例如通过本实施例提供的方法的执行主体为智能摄像头，智能摄像头通过包括镜头在内的图像采集单元，采集用户的图像信息。示例性地，还可以通过其他与本实施例提供的方法的执行主体进行通讯连接的电子设备，采集图像采集信息，例如，通过本实施例提供的方法的执行主体为智能家居终端，智能家居终端与摄像头通信连接，智能家居终端通过摄像头，采集用户图像信息，并进行后续的处理。再例如，智能家居终端与存储介质连接，智能家居从该存储介质中，直接读取用户图像信息。此处，不对采集用户图像信息的具体实现方法进行限定。
46.步骤s102，根据用户图像信息，确定用户面部信息和服饰信息。
47.用户图像信息中包括了用户外部特征，即例如用户的面部、躯干等。因此，通过对用户图像信息进行数据处理和特征提取，可以识别出用户的面部信息和服饰信息。其中，示例性地，用户的面部信息包括面部轮廓、面部肤色、面部发型、面部发色等一种或多种。服饰
信息包括用户所穿搭的一件或多件服饰。示例性地，根据需要，还可以对用户的面部信息和服饰信息进行进一步地细分，例如面部发型可以包括长发、短发，而长发还包括a类长发、b类长发；服饰信息可以包括一件冬装或两件夏装，而夏装中又包括上身夏装、下身夏装，上身夏装还可以包括a类上身夏装、b类上身夏装、c类上身夏装等。本实施例中，用户面部信息和服饰信息的具体实现方式，可以根据具体需要进行设置，此处不进行具体限定。
48.示例性地，通过用户图像信息确定用户面部信息和服饰信息的方法有多种，例如通过卷积神经网络对用户图像信息进行特征识别和分类，而获得用户面部信息和服饰信息，也可以通过接收用户输入的指令信息，确定对应的用户面部信息和服饰信息，或者二者的结合，其中具体的实施方式为本领域现有技术，此处不再赘述。
49.步骤s103，根据预设的搭配场景信息和服饰信息，确定目标服饰数据库。
50.服饰数据库为存储多种服饰信息的数据库，示例性地，服饰信息为描述服饰的图片、文字、标识，则服饰数据库中部则包括了多种服饰对应的图片、文字、标识。示例性地，服饰数据库可以预设在本实施例提供的方法的执行主体上，例如，存储在智能摄像头内部的非易失内存中。其中，目标服饰数据库为多个服饰数据库中与搭配场景信息和服饰信息相对应的服饰数据库。
51.其中，服饰搭配场景和服饰信息与目标服饰数据库之间具有预设映射关系，例如，搭配场景信息a1与服饰信息b1，可以共同确定一个确定目标服饰数据库#1，目标服饰数据库#1中，包括服饰信息b1同一类型，且与搭配场景信息a1相匹配的所有服饰信息。因此，可以根据搭配场景和服饰信息，可以确定目标服饰数据库。
52.进一步地，搭配场景信息为描述服饰搭配场景的信息，可以包括图片、文字或标识中的一种或多种。例如，搭配场景信息a对应运动场景，搭配场景信息b对应工作场景。在大众的进行服饰搭配时，服饰搭配场景使不可或缺的考虑因素，例如，在工作场景下，更合适与穿衬衫、西服等服饰；而在运动场景下，则更适合穿运动鞋、短袖运动衫。而反之则会产生不匹配的服饰穿搭效果。因此，根据搭配场景信息确定一个与之匹配的目标服饰数据库，可以提高推荐的服饰信息的准确性。
53.步骤s104，根据用户面部信息，确定目标服饰数据库中与用户面部信息相匹配的服饰推荐信息。
54.由于不同用户，其对应的用户面部信息并不相同，例如有的用户为国字脸，有的用户为瓜子脸，因此，对于不同的用户面部信息，与其搭配的服饰也是不同的。
55.具体地，电子设备根据用户面部信息，与目标服饰数据库中的多个服饰信息进行匹配计算，能够得到适合用户面部信息的推荐服饰信息。其中，示例性地，可以先通过外部数据进行打标签后，进行模型训练，获得一个训练至收敛的面部信息匹配模型，该面部信息匹配模型能够接收用户面部信息，并从目标服饰数据库中，输出与该用户面部信息最匹配的服饰信息，示例性地，该服饰信息以图片、文字等方式输出，即为服饰推荐信息。具体地样本打标、模型训练过程为本领域现有技术，此处不再赘述。
56.本实施例中，通过采集用户图像信息；根据用户图像信息，确定用户面部信息和服饰信息；根据预设的搭配场景信息和服饰信息，确定目标服饰数据库；其中，搭配场景信息用于表征用户的穿着服饰的场景；根据用户面部信息，确定目标服饰数据库中与用户面部信息相匹配的服饰推荐信息，由于通过搭配场景信息和用户面部信息，可以进一步地的提
高所推荐的服饰与用户的匹配程度，使得推荐服饰能够对于具有不同面部信息的用户，在不同穿着场景下具有更好的服饰搭配效果，提高了服饰推荐结果的准确性和服饰推荐效果。
57.图3为本技术另一个实施例提供的基于场景的服饰推荐方法的流程图，如图3所示，本实施例提供的基于场景的服饰推荐方法在图2所示实施例提供的基于场景的服饰推荐方法的基础上，对s102-s104进一步细化，并在步骤s204之后增加了对服饰推荐信息进行输出的步骤，则本实施例提供的基于场景的服饰推荐方法包括以下几个步骤：
58.步骤s201，采集用户图像信息。
59.步骤s202，根据预设的训练至收敛的神经网络模型对用户图像信息进行特征识别，得到服饰特征和用户面部特征。示例性地，通过预设的训练至收敛的神经网络模型对用户图像信息进行特征识别，可以得到用户图像信息中，与服饰和人脸相关的信息，即服饰特征和用户面部特征。示例性地，服饰特征包括服饰颜色、服饰款式、服饰类型中的一种或多种。例如，用户的面部肤色偏黑为用户面部特征，服饰颜色为白色是服饰图中。
60.步骤s203，在预设的面部信息库中，确定与用户面部特征相匹配的面部信息；在预设的服饰信息库中，确定与服饰特征相匹配的服饰信息。
61.示例性地，预设的面部信息库和预设的服饰信息库为预设的数据文件或数据库，其中，预设的面部信息库和预设的服饰信息库可以设置在电子设备内的存储介质中，也可以存储在外部与电子设备通信连接的存储介质中，电子设备可以通过实时或非实时的手段获取到预设的面部信息库和预设的服饰信息库，通过面部特征和服饰特征，分别在对应的面部信息库和服饰信息库相应地进行对比检索，可以分别获得一个或多个匹配度最高的目标，即面部信息和服饰信息。其中，具体的特征对比和检索技术，问本领域现有技术，此处不进行具体赘述。
62.步骤s204，根据服饰信息，获取对应的多个初始服饰数据库，其中，初始服饰数据库中包括服饰信息，各初始服饰数据库分别对应一个服饰特征。
63.具体地，服饰信息可以对应多个初始服饰数据库。示例性地，服饰信息为上衣，则该服饰信息可以对应冬季上衣的数据库、夏季上衣的数据库等多个初始服饰数据库。这些初始服饰数据库中，均包括与该服饰信息相同或相匹配的服饰信息。同时，多个初始服饰数据库分别对应不同的服饰特征，例如，冬季上衣的数据库对应冬装特征；夏季上衣的数据库对应夏季特征。
64.此处，需要说明的是，对于服饰特征，不仅限于季节，还可以包括款式、颜色、种类等多个维度的特征，此处，不进行一一举例，具体可以根据实际需要进行设置。
65.步骤s205，将各初始服饰数据库对应的服饰特征与搭配场景信息进行匹配度评估，得到与各初始服饰数据库分别对应的匹配度评估值。
66.步骤s206，将大于预设匹配度阈值的匹配度评估值对应的初始服饰数据库，确定为目标服饰数据库。
67.示例性地，将各服饰特征与搭配场景信息进行匹配度评估，可以通过已经神经网络等自学习模型实现，具体地，例如，通过预先对相匹配的服饰信息进行服饰特征的标记，同时与搭配场景信息进行匹配度标记，生成样本数据。之后根据该样本数据进行神经网络
训练，获得一个匹配度评估模型，该匹配度评估模型可以用于对服饰特征与搭配场景信息之间的匹配度进行评估，并输出一个具体的匹配度评估值。其中，具体的样本打标签和模型训练过程，为本领域现有技术，此处不再进行赘述。
68.进一步地，通过预设匹配度阈值，对匹配度评估值进行筛选，若大于匹配度阈值，则认为是该匹配度评估值对应的服饰数据库，为目标服饰数据库。经过匹配度筛选的目标服饰数据库中，满足与搭配场景信息相匹配的要求，即，该目标服饰数据库中的服饰信息，与搭配场景信息是相匹配的。
69.步骤s207，根据用户面部信息，确定用户的身份特征。
70.示例性地，用户面部信息包括面部轮廓、面部肤色、面部发型、面部发色中的一种或多种，根据用户面部信息，可以确定用户的外形特征，为了实现能准确推荐与用户相匹配的服饰信息，因此，可以根据用户的面部信息，将用户的进行分类，每个类别的用户具有相似的特征，即身份特征。例如，身份特征可以为青春、流行、保守等，当然，可以理解的是，根据需要，还可以对身份特征的分类进行进一步地细分，例如，青春a、青春b等。此处，不对用户身份特征的具体实现进行限定。
71.示例性地，根据用户面部信息确定身份特征的方法，可以由多种，例如通过大数据的技术手段，获得训练至收敛的身份特征识别模型，用于根据用户面部信息确定身份特征；也可以通过人为设定特征规则的方式，确定身份特征，此处不进行具体限定。
72.步骤s208，根据预设的用户服饰映射关系，确定身份特征对应的备选服饰信息；其中，用户服饰映射关系用于表征用户身份特征与备选服饰信息的之间的映射。
73.其中，示例性地，用户服饰映射关系可以为一个预设的映射表，或者一个逻辑表达式或模型，利用用户服饰映射关系，可以通过输入身份特征，得到一个明确的输出，即备选服饰信息。服饰映射关系可以是用户设置后得到的，也可以是通过标记后的数据进行训练后得到的，此处不进行具体限定。
74.示例性地，备选服饰信息为目标服饰数据库中符合身份特征的服饰信息，备选服饰信息可以包括一个或多个具体的服饰信息，例如，3件目标服饰数据库中的裤子，2件目标服饰数据库中的上衣等。备选服饰信息可以为图片、文字、标识中的一种或多种实现形式。
75.步骤s209，将备选服饰信息的集合确定为服饰推荐信息。
76.具体地，经过身份特征筛选的备选服饰信息，能够满足匹配用户面部信息的要求，因此，将备选服饰信息的集合作为服饰推荐信息，以实现向用户推荐与用户和穿着场景相匹配的服饰的目的。
77.本实施例步骤中，通过身份特征对目标服饰数据库中的服饰信息进行筛选，得到与用户的身份特征相匹配的备选服饰信息，由于考虑到了用户自身的外形特征，因此能够进行一步的提高服饰推荐的准确性，提高服饰推荐效果。
78.步骤s210，将服饰推荐信息发送至显示屏设备进行显示。
79.具体地，显示屏与电子设备通过有线或无线的方式连接，将服饰推荐信息以图片、信息或二者混合的方式发送至显示屏，通过显示屏进行显示，能够使用户更加直观的看到服饰推荐信息的准确性，提高设备和用户之间的交互体验。
80.图4为本技术一个实施例提供的基于场景的服饰推荐装置的结构示意图，如图4所示，本实施例提供的基于场景的服饰推荐装置4包括：
81.采集模块41，用于采集用户图像信息。
82.第一确定模块42，用于根据用户图像信息，确定用户面部信息和服饰信息。
83.第二确定模块43，用于根据预设的搭配场景信息和服饰信息，确定目标服饰数据库；其中，搭配场景信息用于表征用户的穿着服饰的场景。
84.第三确定模块44，用于根据用户面部信息，确定目标服饰数据库中与用户面部信息相匹配的服饰推荐信息。
85.可选地，第二确定模块44，具体用于：根据服饰信息，获取对应的多个初始服饰数据库，其中，初始服饰数据库中包括服饰信息，各初始服饰数据库分别对应一个服饰特征；将各初始服饰数据库对应的服饰特征与搭配场景信息进行匹配度评估，得到与各初始服饰数据库分别对应的匹配度评估值；将大于预设匹配度阈值的匹配度评估值对应的初始服饰数据库，确定为目标服饰数据库。
86.在上述基于场景的服饰推荐装置的优选技术方案中，服饰特征包括以下至少一种：服饰颜色、服饰款式、服饰类型。
87.可选地，第一确定模块42，具体用于：根据预设的训练至收敛的神经网络模型对用户图像信息进行特征识别，得到服饰特征和用户面部特征；在预设的面部信息库中，确定与用户面部特征相匹配的面部信息；在预设的服饰信息库中，确定与服饰特征相匹配的服饰信息。
88.可选地，第三确定模块44，具体用于：根据用户面部信息，确定用户的身份特征；根据预设的用户服饰映射关系，确定身份特征对应的备选服饰信息；其中，用户服饰映射关系用于表征用户身份特征与备选服饰信息的之间的映射；将备选服饰信息的集合确定为服饰推荐信息。
89.在上述基于场景的服饰推荐装置的优选技术方案中，面部信息包括以下至少一种：面部轮廓、面部肤色、面部发型、面部发色。
90.其中，采集模块41、第一确定模块42、第二确定模块43、第三确定模块44依次连接。本实施例提供的基于场景的服饰推荐装置4可以执行如图2所示的方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
91.图5为本技术另一个实施例提供的基于场景的服饰推荐装置的结构示意图，如图5所示，本实施例提供的基于场景的服饰推荐装置在图4所示实施例提供的基于场景的服饰推荐装置的基础上，还增加了显示模块51，则本实施例提供的基于场景的服饰推荐装置5，还包括：
92.显示模块51，用于将服饰推荐信息发送至显示屏设备进行显示。
93.其中，采集模块41、第一确定模块42、第二确定模块43、第三确定模块44、显示模块51依次连接。本实施例提供的基于场景的服饰推荐装置4可以执行如图2或图3所示的方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
94.图6为本技术一个实施例提供的电子设备的示意图，如图6所示，本实施例提供的电子设备6包括：存储器61，处理器62以及计算机程序。
95.其中，计算机程序存储在存储器61中，并被配置为由处理器62执行以实现本技术图2或图3所对应的实施例提供的基于场景的服饰推荐方法。
96.其中，存储器61和处理器62通过总线63连接。
97.相关说明可以对应参见图2或图3所对应的实施例中的步骤所对应的相关描述和效果进行理解，此处不做过多赘述。
98.本技术一个实施例提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行以实现本技术图2或图3所对应的实施例中任一实施例提供的基于场景的服饰推荐方法。
99.其中，计算机可读存储介质可以是rom、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。
100.图7为本技术一个实施例提供的智能家居系统的示意图，如图7所示，本技术提供的智能家居系统7，包括：摄像设备71、显示屏设备72及如图6所示实施例提供的电子设备73，摄像设备71和显示屏设备72分别与电子设备73通信连接，其中，摄像设备71，用于采集用户图像信息；显示屏设备72，用于接收电子设备发送的服饰推荐信息并进行显示；电子设备73用于实现本技术图2或图3所对应的实施例中任一实施例提供的基于场景的服饰推荐方法。
101.在本技术所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
102.本领域技术人员在考虑说明书及实践这里公开的申请后，将容易想到本技术的其它实施方案。本技术旨在涵盖本技术的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本技术的一般性原理并包括本技术未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本技术的真正范围和精神由下面的权利要求书指出。
103.应当理解的是，本技术并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本技术的范围仅由所附的权利要求书来限制
104.至此，已经结合附图所示的优选实施方式描述了本技术的技术方案，但是，本领域技术人员容易理解的是，本技术的保护范围显然不局限于这些具体实施方式。在不偏离本技术的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本技术的保护范围之内。