用于基于图像的一次性制品的大小设定的系统和方法与流程

1.本公开涉及用于确定待由受试者穿着的一次性制品的推荐大小的系统和方法，并且更特别地，涉及用于基于对受试者的图像的处理确定待由受试者穿着的一次性制品的推荐大小的系统和方法。


背景技术：

2.吸收制品诸如尿布、训练裤等等以多种大小和配置制造。为了确保吸收制品是令人舒适的并适当地执行，穿着适当的大小是重要的。就可供用于购买的多个产品系列而言，并且就通常具有多个大小设定选项的每条产品系列而言，确定哪条产品系列和哪一种大小均适用于特定穿着者可以是具有挑战性的。此外，一次性制品大小通常基于穿着者的体重而不是穿着者的物理尺寸来推荐。然而，穿着者的体重可能是穿着者的实际物理尺寸的较差预测因子，因此根据穿着者的体重选择产品大小可导致不适当的贴合性。此外，虽然对穿着者的物理尺寸的了解与适当的一次性制品贴合性相关，但穿着者的物理尺寸通常不是已知的并且可能难以手动测量。因此，需要用于基于穿着者的物理属性推荐吸收制品的系统和方法。


技术实现要素：

3.在一种形式中，一种基于计算机的方法包括：由一次性制品推荐计算系统将多个一次性制品大小设定模型存储在数据存储库中，该多个一次性制品大小设定模型对应于可供用于购买的相应的多个预制一次性制品。该方法还包括：由该一次性制品推荐计算系统接收由至少一个相机收集的图像，其中该图像包括受试者的表示，并且该受试者是预制一次性制品的消费者。该方法还包括：由一次性制品推荐计算系统确定图像的比例，该比例使图像中的受试者的表示的尺寸与受试者的物理尺寸相关。该方法还包括：由一次性制品推荐计算系统确定图像中的受试者的表示的物理属性。该方法还包括：由一次性制品推荐计算系统基于图像的比例和受试者的表示的物理属性确定受试者的多个贴合性参数。该方法还包括：由一次性制品推荐计算系统将多个贴合性参数应用于多个一次性制品大小设定模型中的一个或多个一次性制品大小设定模型。该方法还包括：由一次性制品推荐计算系统基于多个贴合性参数到多个一次性制品大小设定模型中的一个或多个一次性制品大小设定模型的应用确定受试者的推荐预制一次性制品，其中推荐预制一次性制品选自可供用于购买的多个预制一次性制品。该方法还包括：由一次性制品推荐计算系统提供对受试者的推荐预制一次性制品的指示。
4.在另一种形式中，一种基于计算机的系统包括：数据存储库，其中多个一次性制品大小设定模型由该数据存储库存储，该多个一次性制品大小设定模型对应于可供用于购买的相应大小的预制一次性制品。该系统还包括：一次性制品推荐计算系统，该一次性制品推荐计算系统包括计算机可读介质，在该计算机可读介质上存储有计算机可执行指令。这些计算机可执行指令被配置成指示一个或多个计算机处理器：接收由远程移动计算装置收集
的受试者的图像；确定该图像的比例；并且处理该图像以确定受试者的物理属性。基于图像的比例和受试者的物理属性，确定受试者的多个贴合性参数。计算机可执行指令进一步被配置成指示一个或多个计算机处理器将多个贴合性参数与多个一次性制品大小设定模型中的一个或多个一次性制品大小设定模型进行比较。基于多个贴合性参数与多个一次性制品大小设定模型中的一个或多个一次性制品大小设定模型的比较，确定受试者的推荐预制一次性制品。计算机可执行指令被配置成指示一个或多个计算机处理器将对推荐预制一次性制品的指示发送到远程移动计算装置。
5.在另一种形式中，一种基于计算机的方法包括：存储多个一次性制品大小设定模型，该多个一次性制品大小设定模型对应于可供用于购买的相应的多个预制一次性制品。该方法还包括：接收由至少一个相机收集的图像，其中该图像包括受试者的表示，并且该受试者是预制一次性制品的消费者。该方法还包括：确定图像的比例，该比例使图像中的受试者的表示的尺寸与受试者的物理尺寸相关。该方法还包括：通过图像处理来确定图像中的受试者的表示的物理属性。该方法还包括：基于图像的比例和受试者的表示的物理属性确定受试者的多个贴合性参数。该方法还包括：由一次性制品推荐计算系统基于多个贴合性参数到多个一次性制品大小设定模型中的一个或多个一次性制品大小设定模型的应用确定受试者的推荐预制一次性制品，其中推荐预制一次性制品选自可供用于购买的多个预制一次性制品。该方法还包括：由一次性制品推荐计算系统提供对受试者的推荐预制一次性制品的指示。
附图说明
6.通过参考以下结合附图所作的对本公开的非限制性实施方案的描述，本公开的上述和其它特征和优点以及获得它们的方式将变得更加显而易见，并且本公开自身将更好地被理解，其中：
7.图1描绘了与示例性一次性制品推荐计算系统交互的用户。
8.图2描绘了与另一示例性一次性制品推荐计算系统交互的用户。
9.图3a至图3c描绘了放置在图像捕获装置的视场内的示例性比例对象和受试者。
10.图4至图7描绘了用于一次性制品推荐计算系统的各种示例性操作布置。
11.图8描绘了可由一次性制品推荐计算系统执行的示例性处理。
12.图9描绘了使用比例对象对受试者的贴合性参数的确定。
13.图10描绘了使用脚尺寸确定比例来对受试者的贴合性参数的确定。
14.图11描绘了使用头围确定比例来对受试者的贴合性参数的确定。
15.图12描绘了一次性制品阵容的简化的大小设定模型。
16.图13描绘了用于图像收集和推荐显示的一系列简化界面。
17.图14描绘了使用比例对象图形引导区进行图像收集的一系列简化界面。
18.图15至图16描绘了显示示例性消耗预测的简化界面。
19.图17至图19描绘了显示示例性购买路径的简化界面。
20.图20描绘了用于收集来自用户的各种输入并显示推荐的一系列简化界面。
21.图21是针对受试者推荐预制一次性制品的示例性方法的流程图。
具体实施方式
22.本公开涉及用于基于对图像的处理确定预期穿着者的物理属性来推荐一次性制品的大小的系统和方法。现在将描述本公开的各种非限制性实施方案以在总体上理解制造系统和方法的功能、设计以及操作的原理。这些非限制性实施方案的一个或多个示例示出于附图中。本领域的普通技术人员将会理解，本文所述的以及附图所示出的系统和方法为非限制性示例实施方案，并且本公开的各种非限制性实施方案的范围完全由权利要求书限定。结合一个非限制性实施方案所说明或所述的特征可与其它非限制性实施方案的特征组合。此类修改和变型旨在被包括在本公开的范围内。
23.如本文所用，术语“吸收制品”是指紧贴或邻近穿着者的身体以吸收和容纳从身体排出的各种流出物的一次性装置，诸如婴幼儿尿布、儿童尿布、成人尿布、裤型尿布、训练裤、女性卫生制品等等。通常，这些制品包括顶片、底片、吸收芯、采集系统(该采集系统可称为液体管理系统并且可由一个或若干层构成)和通常其它部件，其中吸收芯通常至少部分地置于底片和采集系统之间或置于顶片和底片之间。本公开的吸收制品将以胶粘尿布的形式在下面说明书和附图中进一步说明。然而，不应认为该描述是对权利要求的范围的限制。相反，本公开应用于任何合适形式的吸收制品(例如，训练裤、女性卫生制品、成人失禁产品等)。例如，本文所述的系统和方法适用于一系列不同的吸收制品类型，诸如一次性的、半耐用的、单次使用的、多次使用的、多部分的、布料、裤、套穿或插入类型的吸收制品和产品。根据本公开的吸收制品可以是预制的，使得这些吸收制品以被配置成由具有某些物理属性的穿着者穿着的预先确定的大小制造。在一些实施方案中，根据本公开的吸收制品至少部分地可定制，诸如，某些方面可基于预期穿着者的物理属性来配置。以举例的方式，待由特定穿着者穿着的吸收制品的腿部环箍大小可被定制大小以向该特定穿着者提供更好的贴合性。
24.在一些配置中，本文所述的系统和方法可接收受试者的一个或多个数字图像，并且通过各种图像处理技术来确定受试者的物理属性。受试者可为例如婴幼儿、婴儿、学步儿童或吸收制品的其他穿着者。由本发明的系统和方法确定的特定物理属性可基于具体实施而变化，但在一些配置中，执行图像分析以确定各种贴合性参数。贴合性参数的示例包括受试者的估计腰围、受试者的估计大腿围和如从肚脐到下背部测量的受试者的估计直裆测量结果。贴合性参数可应用于吸收制品的各种大小设定模型以评估哪一种或多种产品将贴合受试者。然后可提供受试者的吸收制品推荐。该推荐可识别例如产品大小、产品类型和产品系列中的任一者。在一些配置中，除图像之外的关于受试者的附加信息可用于确定推荐。可由本文所述的系统和方法利用的关于受试者的附加信息的非限制性示例包括但不限于受试者的年龄、受试者的胎龄、受试者的地理位置和发育标志完成。示例性发育标志可包括但不限于爬行、攀靠在家具上、行走、开始如厕训练等。附加地或另选地，关于受试者的尺寸信息可由用户提供，该尺寸信息诸如受试者的身高、体重、头围等，该尺寸信息可在进行吸收制品推荐时由系统利用。附加地或另选地，关于当前所用产品的贴合性评估或性能反馈以及其它基于使用的参数诸如每天的大便尿布的数目或每天的湿尿布的数目还可被提供为输入。附加地或另选地，吸收制品偏好诸如对更天然的产品的偏好、对适用于更活跃的儿童的产品的偏好、对高吸收性或夜用产品的偏好等可由用户提供并被考虑到。
25.其它用户提供的信息可包括例如穿着者是穿着衣服还是仅穿着尿布，或者该信息
可通过例如算法来确定。在上述示例中的任一者中，与用户配置文件相关联的数据或其它用户提供的信息可用于确定推荐。附加地或另选地，从公共生长图表数据库获得的数据可用于确定推荐。此外，系统所利用的用户提供的信息的类型可取决于被推荐的吸收制品的类型。以举例的方式，对于女性卫生产品推荐，用户提供的信息可包括但不限于月经频率、所用的当前产品、流量、先前月经周期的日期、典型的周期长度、所用的产品的吸收性等。附加地或另选地，随着穿着者的年龄和/或体重显著变化，可使用生长数据和图表。对于失禁产品，用户提供的信息可包括失禁类型、所用的当前产品等。
26.本文所述的系统和方法可用于生成对广泛多种吸收制品的推荐，这些吸收制品包括例如女性卫生或成人失禁空间中的产品。因此，虽然本文所述的许多附图和示例包括用于说明目的的婴儿，但本公开并不限于此。例如，对于女性卫生或成人失禁空间中的产品，系统的用户可以是受试者，并且受试者的图像可通过使用相机定时器特征部或反射镜来捕获。根据本公开处理的图像可包括受试者，诸如全身图像，或平坦地放置在平坦表面上的受试者的内衣。如下文更详细地描述，如果受试者站立并且他们的整个身体存在于图像中并且这个人的身高被提供给系统，则比例标记物可以是人本身。作为另外一种选择，图像中可包括任何其它类型的比例标记物，诸如手持平贴身体的比例标记物、身体或衣服上的标贴、或具有已知尺寸的其它合适的对象。在受试者在反射镜中拍摄反射图像的一些实施方案中，比例标记物可以是电话本身，如在反射中显现的。
27.现在参见图1，描绘了与根据非限制性实施方案的示例性一次性制品推荐计算系统100交互的用户122。在图1中，用户122正在寻求受试者124的吸收制品推荐。用户122可将受试者124定位在图像捕获装置114的视场130内。在例示的实施方案中，比例对象128也被包括在视场130中并且被捕获在图像118中。比例对象128的大小或比例对象128上的印刷标记的大小对于一次性制品推荐计算系统100可以是已知的。就这一点而言，比例对象128可以是例如标准大小的纸片、信用卡、扑克牌、纸币、硬币等。在一些实施方案中，一次性制品的包装可与比例对象128一起出售。这种比例对象128可印刷或以其它方式设置在包装上，或者可以是包含在包装内的独立对象。在一些实施方案中，比例对象128可从网站下载并由用户122打印。然而，如下文更详细地描述，在其它具体实施中，无需将比例对象128包括在图像118中。
28.一旦受试者124适当地定位在视场130内，就可收集包括受试者126和比例对象128的表示的图像118。在一些实施方案中，可向用户122提供辅助或引导，以辅助受试者124在图像捕获装置114的视场130内的适当对准和放置。图像118可以是受试者124的单个图像、多个静止图像或者电影或视频剪辑。
29.为了确保图像118可用于本文所述的图像处理技术，一次性制品推荐计算系统100可在接收到图像118时执行各种例程。例如，一次性制品推荐计算系统100可执行透视校正以便考虑可能存在于图像118中的任何梯形失真。还可确定考虑梯形失真所需的校正量，并且如果校正量超过某些预设边界，则可拒绝图像。
30.一次性制品推荐计算系统100还可执行各种错误检查例程，以确保受试者124被适当地定向并定位在视场130内。可向用户提供关于所建议调整(诸如位置调整或环境调整)的实时反馈，这些调整可需要在处理可前进至下一步骤之前进行。例如，受试者124可需要仰卧，其中图像捕获装置114基本上定位在头顶上方，并且错误检查例程可确认该取向。另
外，可需要放置比例对象128，使得比例对象128的所有四个角部或其它属性是可见的并且适当地定位在视场130内。各种错误检查例程还可检查受试者的眼睛是否睁开并查看图像捕获装置114，以及受试者的其它姿势或位置方面(即，足够可见且适当地定向以用于分析的肢体)。错误检查例程可确认受检者128适当地定位在框内，使得受检者128与框的边缘相距足够的距离并且适当地居中。各种例程可执行例如面部跟踪、姿势跟踪、对象跟踪等。可执行一些初始例程或子例程以提高图像分析和后续推荐的总体处理速度。例如，通过首先运行检测受试者128的面部的例程，系统然后可快速地估计受试者的身体应当位于框内何处。一次性制品推荐计算系统100还可确认照明水平适用于图像处理，确认受试者在焦点上，确认比例对象的存在等。在图像118不满足这些检查中的一个或多个检查或其它类型的预处理检查的情况下，可请求用户122提供附加图像118以便校正问题。例如，当受试者124定位在视场130中时，可通过在实时预览上根据系统配置本地或远程地实时地执行一些错误检查。在一些实施方案中，直到满足某些标准，用户122才将允许用图像捕获装置114收集图像。例如，使用实时预览，用户122可重新定位受试者128和/或比例对象128，例如以满足错误检查例程或验证过程。
31.在一些实施方案中，某些错误检查例程或验证过程可在图像捕获装置114处本地执行(诸如例如，由图2所示的与图像捕获装置114相关联的远程计算装置238执行)，并且其它过程可由一次性制品推荐计算系统100执行。例如，可相对快速地执行的一个或多个例程可由远程计算装置执行。例如结合远程计算装置上的实时预览屏幕，此类高速例程可能特别有帮助，如下文更详细地描述。可需要更高准确度水平并且可能需要更多时间和资源的其它例程可由一次性制品推荐计算系统100执行。此外，为了提高处理速度或匹配用于训练各种机器学习模型的图像的分辨率，可首先对图像118进行下采样以用于初始处理。例如，在初始处理期间，可使用低分辨率图像检测比例对象128的角部(或其它属性)。应当理解，与系统相关联的各种过程可最佳地以不同的分辨率运行，如与各种机器学习算法同样的情况。此外，一些过程可能在全分辨率图像上运行太慢。在一些实施方案中，在每个算法以其最佳分辨率运行之后，可将数据重新映射到原始图像分辨率(或例如单个下采样分辨率)。可使用上采样、下采样、裁剪或使用图像的各部分的各种组合。下采样还可减小文件大小，这可有利地允许下采样图像与全分辨率图像相比更快地在各种装置之间发送。一旦收集了合适的图像118并校正了透视，一次性制品推荐计算系统100就可确定图像118的比例。虽然可使用多种合适的技术来确定图像118的比例，但图1中的图像118的比例可基于比例对象128的已知尺寸来确定。例如，了解到比例对象128为8.5英寸乘11英寸的纸片，一次性制品推荐计算系统100可确定图像118的总体比例。因此，可由一次性制品推荐计算系统100确定图像118的像素至英寸转换或其它合适的比例。
32.一次性制品推荐计算系统100可执行各种处理以识别受试者124的物理属性，如图像118中所表示。在一些实施方案中，例如，识别关节位置，诸如踝部、髋部、肩部等。使用图像118的比例，一次性制品推荐计算系统100然后可确定受试者124的物理属性的各种尺寸。如本文所提供，可使用多种技术中的任一种来确定物理属性的各种尺寸，这些技术诸如线性相关模型、机器学习算法等。可确定的尺寸的非限制性示例包括但不限于髋部宽度、腰部宽度、躯干长度、耳朵之间的距离、瞳孔之间的距离等。
33.一旦确定了受试者124的物理属性，就可生成多个贴合性参数。贴合性参数可与用
于生成用于各种吸收制品的大小设定模型的一个或多个参数相关。在图1中，由一次性制品推荐计算系统100生成的贴合性参数包括受试者124的估计腰围、受试者124的估计大腿围和受试者124的估计直裆测量结果。然而，应当理解，可利用多种不同类型的贴合性参数中的任一种。
34.用于预制吸收制品的多个大小设定模型108可存储在数据库106内。一般来讲，每个预制吸收制品均可具有相关联的大小设定模型108，该大小设定模型包括该特定制品的贴合性参数范围。在例示的实施方案中，例如，每个大小设定模型108为三维模型，该三维模型包括与特定吸收制品相关联的腰围范围、大腿围范围和直裆测量结果范围。在其它实施方案中，大小设定模型可利用不同的贴合性参数。在确定受试者124的贴合性参数时，一次性制品推荐计算系统100可将贴合性参数应用于大小设定模型108以确定哪个预制一次性制品是针对受试者124适当设定大小的。在一些情况下，受试者124的贴合性参数可落入各自与不同大小的吸收制品相关联的多个不同大小设定模型108的边界内。在此类情况下，一次性制品推荐计算系统100可基于哪个吸收制品很可能更好地贴合来进行推荐。然而，在一些配置中，贴合性参数或穿着者的其它物理属性可用于在按需制造过程中制造定制的吸收制品。例如，定制的吸收制品可具有某种基础设计，同时允许某些方面基于受试者的贴合性参数被修改并被定制配置成贴合预期受试者。在制造定制的吸收制品之后，可将吸收制品直接装运到受试者的家中或装运到例如邻近受试者的零售点。
35.仍然参见图1，可经由合适的用户界面116向用户122提供推荐120。用户界面116可以是能够向用户122传达信息的任何合适的装置或方法，诸如计算装置的显示屏、文本消息、电子邮件消息、应用内消息等。推荐120的范围可变化。在一些具体实施中，推荐120识别适用于受试者124的吸收制品的大小，被示出为产品大小推荐134。在一些具体实施中，推荐120可包括附加信息，诸如产品类型推荐132和产品阵容推荐136。该附加信息可提供关于受试者124是否应当穿着例如胶粘尿布或训练裤尿布的推荐。此外，推荐120可指示要购买的特定大小的产品的推荐数目(即，基于受试者124的预期生长)。推荐120还可指示将推荐产品大小加大(size-up)的时间。根据产品的类型，推荐120可指示例如一次性衬里或一次性插入件的大小。推荐120还可提供购买信息(诸如识别销售推荐产品的在线零售商或实体零售商)和/或提供关于订阅购买程序的信息。一般来讲，订阅购买程序可例行地随时间推移而向用户122发送多批推荐大小的一次性制品。在一些情况下，分批提供的一次性制品的大小可随时间推移而自动增大，以考虑受试者124的生长。
36.一次性制品推荐计算系统100可使用任何合适的基于处理器的装置或系统来提供，该装置或系统诸如个人计算机、移动通信装置、膝上型计算机、平板计算机、服务器、主机或多个计算机的集合(例如，网络)。一次性制品推荐计算系统100可包括一个或多个处理器104和一个或多个计算机存储器单元102。为了方便起见，图1中示出仅一个处理器104和仅一个存储器单元102。处理器104可执行存储在存储器单元102上的软件指令。处理器104可实现为具有一个或多个核的集成电路(ic)。一次性制品推荐计算系统100还可利用一个或多个图形处理单元(gpu)来辅助图像处理的各个方面，以执行适用于视觉成像分析的一个或多个机器学习模型和/或卷积神经网络模型。存储器单元102可包括易失性和/或非易失性存储器单元。易失性存储器单元可包括例如随机存取存储器(ram)。非易失性存储器单元可包括例如只读存储器(rom)以及机械非易失性存储器系统，诸如例如硬盘驱动器、光盘
驱动器等。ram和/或rom存储器单元可实现为例如分立存储器ic。
37.存储器单元102可存储供本文所述的一次性制品推荐计算系统100使用的可执行软件和数据。当一次性制品推荐计算系统100的处理器104执行软件时，可致使处理器104执行一次性制品推荐计算系统100的各种操作，诸如分析图像、确定物理属性和贴合性参数、将贴合性参数与大小设定模型进行比较，以及向用户提供推荐。
38.一次性制品推荐计算系统100所用的数据可来自各种来源，诸如数据库106，该数据库可以是例如电子计算机数据库。存储在数据库106中的数据可存储在非易失性计算机存储器中，该非易失性计算机存储器诸如硬盘驱动器、只读存储器(例如，rom ic)或其它类型的非易失性存储器。在一些实施方案中，一个或多个数据库106可存储在例如远程电子计算机系统上。应当理解，多种其它数据库或其它类型的存储器存储结构可被利用或者以其它方式与一次性制品推荐计算系统100相关联。
39.根据各种实施方案，一次性制品推荐计算系统100可包括一个或多个计算机服务器，该一个或多个计算机服务器可包括一个或多个web服务器、一个或多个应用服务器和/或一个或多个其它类型的服务器。为了方便起见，图1中描绘了仅一个web服务器110和一个应用服务器112，但本领域的普通技术人员将理解，本公开并不限于此。服务器110、112可由处理器(例如cpu)、存储器单元(例如ram、rom)、非易失性存储系统(例如硬盘驱动器系统)和其它元件构成。
40.在一些实施方案中，web服务器110可提供图形web用户界面，诸如用户界面116，各个用户122可通过该图形web用户界面与一次性制品推荐计算系统100交互。图形web用户界面也可被称为客户端门户、客户端界面、图形客户端界面等。web服务器110可接受来自各种实体(诸如http/https响应)的请求，诸如http/https请求，以及任选的数据内容，诸如网页(例如html文档)和链接对象(诸如图像、视频等)。应用服务器112可为不使用web浏览器与一次性制品推荐计算系统100通信的用户提供用户界面诸如界面116。此类用户可具有安装在用户的计算装置上的特殊软件，以允许用户经由通信网络与应用服务器112通信，如下文更详细地描述。此外，用户界面可包括通过任何合适的通信门户诸如聊天、语音或视频与自动化代理或人类代理的连接，以引导用户使用推荐计算系统。
41.可向用户122呈现界面116，如由一次性制品推荐计算系统100生成的。用户122可利用例如移动电话、智能电话、平板计算机、膝上型计算机、台式计算机、信息亭或能够显示界面116的其它计算装置。如上文所提供的，界面116可基于上述图像分析和处理识别一个或多个推荐120。
42.一次性制品推荐计算系统200的另选的实施方案在图2中例示，并且可在许多方面与图1所示的一次性制品推荐计算系统100类似或相同。例如，一次性制品推荐计算系统200可包括存储器单元202、处理器204和用于存储大小设定模型208的数据库206。一次性制品推荐计算系统100可包括各种软件程序诸如系统程序和应用以提供根据所描述的实施方案的计算能力。系统程序可包括但不限于操作系统(os)、装置驱动程序、编程工具、实用程序、软件库、应用编程接口(api)等。示例性操作系统可包括本地操作系统以及利用基于云的计算服务，诸如microsoft azure服务器、amazon web服务(aws)、alibaba云等等。
43.一次性制品推荐计算系统200还可包括各种服务器，诸如web服务器210和/或应用服务器212。如图2所示，用户222可经由具有相机214和用户界面216的远程计算装置238与
一次性制品推荐计算系统200交互。远程计算装置238可以是适用于通过网络进行通信的任何类型的计算机装置，诸如可穿戴计算装置、移动电话、平板计算机、作为手持式计算机和移动电话组合的装置(有时称为“智能电话”)、个人计算机(诸如膝上型计算机、上网本计算机、台式计算机等)或任何其它合适的联网通信装置，诸如例如个人数字助理(pda)、移动游戏装置或媒体播放器。
44.在一些实施方案中，远程计算装置238可提供多种应用以允许用户222使用一次性制品推荐计算系统200来完成一个或多个特定任务。应用可包括但不限于web浏览器应用(例如，internet explorer、mozilla、firefox、safari、opera、netscape navigator)、电话应用(例如，蜂窝、voip、ptt)、联网应用、消息传送应用(例如，电子邮件、im、sms、mms、黑莓信使、微信、小红书、whatsapp)等。远程计算装置238可包括各种软件程序诸如系统程序和应用以提供根据所描述的实施方案的计算能力。系统程序可包括但不限于操作系统(os)、装置驱动程序、编程工具、实用程序、软件库、应用编程接口(api)等。示例性操作系统可包括例如但不限于palm os、microsoft os、apple os、android os、unix os、linux os、symbian os、embedix os、用于无线(brew)os的二元运行时环境、javaos、无线应用协议(wap)os、以及基于云的计算服务，诸如microsoft azure服务器、amazon web服务(aws)、alibaba云等等。
45.远程计算装置238可包括用于与一次性制品推荐计算系统200交互的各种部件。远程计算装置238可包括与一个或多个应用一起使用的部件，这些部件诸如触笔、触敏屏幕、按键(例如，输入按键、预设和可编程的热键)、按钮(例如，动作按钮、多向导航按钮、预设和可编程的快捷按钮)、开关、麦克风、扬声器、音频耳机、深度传感器、ir投影仪、立体相机、陀螺仪、加速度计等。用户222可经由多种其它电子通信技术与一次性制品推荐计算系统200交互，这些电子通信技术诸如但不限于http请求、应用内消息传送和短消息服务(sms)消息。电子通信可由在远程计算装置238上执行的专用应用生成，或者可使用对远程计算装置238大致标准的一个或多个应用生成。应用可被包括或被实现为存储在计算机可读存储介质诸如易失性或非易失性存储器上的可执行计算机程序指令，这些可执行计算机程序指令能够由处理器检索和执行以便为远程计算装置238提供操作。存储器还可存储用于存储供处理器和/或远程计算装置238的其它元件使用的数据的各种数据库和/或其它类型的数据结构(例如，阵列、文件、表、记录)。
46.类似于图1所描绘的过程，用户222可通过将受试者224放置在相机214的视场230中来收集受试者224的图像218。例如，在移动电话的上下文中，相机214可以是在用户界面216上提供图像的预览的后向相机。如图所示，比例对象228可包括在图像218中以便由一次性制品推荐计算系统200进行图像处理。在例示的实施方案中，包括受试者226的表示的图像218经由电子通信网络240提供给一次性制品推荐计算系统200。通信网络可包括多个计算机和/或数据网络(包括互联网、lan、wan、gprs网络、lte网络等)并且可包括有线和/或无线通信链路。在一些实施方案中，在将图像218提供给一次性制品推荐计算系统200之前，远程计算装置238可执行各种类型的预处理，诸如错误检查例程。此外，如下文参照图3至图6更详细地描述，在一些实施方案中，远程计算装置238可对图像218执行图像处理，并且将图像处理的输出提供给一次性制品推荐计算系统200。
47.仍然参见图2，在接收到图像218时，一次性制品推荐计算系统200可执行如图1所
述的处理以便生成针对用户222的推荐220。推荐220然后可经由网络240发送以在远程计算装置238的用户界面216上显示。推荐220的范围、格式和内容可变化。在例示的实施方案中，推荐220包括推荐产品类型232、推荐产品大小234和推荐产品阵容236，但本公开并不限于此。
48.现在参见图3a至图3b，示出了各自邻近具有视场330的图像捕获装置314定位的示例性比例对象328和受试者326的侧视图。在图3a至图3b两者中，比例对象328被示出为放置在与受试者326所仰卧的平面相同的平面上，该平面在本文中被称为比例对象焦平面344。比例对象焦平面344可与(例如)地板、床、婴儿床或受试者326所放置的其它表面大致共面。由于受试者326的体积，因此受试者326的髋部不与比例对象焦平面344共面。相反，受试者326的髋部位于髋部焦平面342中，该髋部焦平面大致平行于比例对象焦平面344，但与比例对象焦平面344相比更邻近图像捕获装置314。
49.基于比例对象328对由图像捕获装置314收集的图像的比例的确定确定与比例对象焦平面344共面的对象的比例。因此，根据受试者326和图像捕获装置314之间的距离，该比例可能无法提供足以确定髋部焦平面342的比例的准确度。然而，根据本公开的各种实施方案，可计算、估计或测量比例对象焦平面344和髋部焦平面342之间的距离，并且然后将该距离用于确定髋部焦平面342的比例，从而允许通过图像分析更准确地确定受试者326的尺寸。然而，应当注意，根据其它实施方案，本文所述的大小设定推荐过程可基于比例对象焦平面344的比例，而不考虑比例对象焦平面344和受试者的物理属性可能所处于的焦平面之间的任何可能的比例的差值。
50.随着将图像捕获装置314进一步拉离受试者326，髋部焦平面342和比例对象焦平面344的比例之间的差值将减小。在图3a中，图像捕获装置314相对靠近受试者336，其中图像捕获装置314和比例对象焦平面344之间的距离被示出为距离d
1a
，并且图像捕获装置314和髋部焦平面342之间的距离被示出为距离d
2a
。髋部焦平面342和比例对象焦平面344之间的距离被示出为距离d
3a
，该距离d
3a
等于d
1a
减d
2a
。在图3b中，图像捕获装置314被定位成更远，并且图像捕获装置314和比例对象焦平面344之间的距离被示出为距离d
1b
，并且图像捕获装置314和髋部焦平面342之间的距离被示出为距离d
2b
。髋部焦平面342和比例对象焦平面344之间的距离被示出为距离d
3b
，该距离d
3b
等于d
1b
减d
2b
。随着将图像捕获装置314拉离受试者326(即，从图3a所示的位置移动到图3b所示的位置)，距离d3变成距离d1的更小部分，并且髋部焦平面342和比例对象焦平面344的比例的差值减小。因此，如果图像捕获装置314定位在离受试者326足够远的距离处，则比例对象328和受试者326之间的比例的差值基本上不影响大小推荐并且可被视为可忽略不计。然而，在比例的差值不可忽略不计的情况下，本文所述的图像处理可考虑髋部焦平面342和比例对象焦平面344之间的距离并补偿该差值，从而避免受试者326的所计算尺寸被确定为大于实际物理尺寸的情形。
51.可使用多种合适的技术来补偿髋部焦平面342(如通过比例对象328所确定的)和比例对象焦平面344的比例之间的差值。然而，应当注意，本公开的一些实施方案不试图补偿髋部焦平面342和比例对象焦平面344的比例之间的任何差值，不管差值的量值如何。如果期望补偿比例的差值，则髋部焦平面342和比例对象焦平面344的比例的差值与髋部焦平面342和比例对象焦平面344到图像捕获装置314的节点332(图3c)之间的距离成线性比例。如本领域所理解的，节点是进入图像捕获装置324的透镜的所有光线会聚的点。此外，焦距
提供节点和图像捕获装置314的图像传感器之间的距离。图像捕获装置314的焦距可在所捕获图像中以元数据提供。使用图像捕获装置314的焦距、受试者326的所投影大小(好像受试者的所投影大小与比例对象焦平面344共面那样)，以及比例对象焦平面344和髋部焦平面342之间的距离，可确定髋部焦平面342的比例。
52.现在参见图3c，示出了受试者326的躯干的横截面端视图，其中髋部348示意性地示出。髋部348位于髋部焦平面342中。距离d
1c
可基于图像捕获装置314上的图像的像素大小和图像捕获装置314的焦距(如图像元数据中所提供的)来确定，因为比例对象328的大小是已知的(即，81/2英寸乘11英寸，或其它合适的大小)。在一些实施方案中，如果距离d
1c
被认为超过某个阈值，则可在不对比例对象焦平面344和髋部焦平面342的间距进行任何调整的情况下确定受试者326的尺寸。然而，在一些实施方案中，可执行进一步的处理以提供这种调整，以便更准确地确定受试者326的各种尺寸。在一个实施方案中，实际髋部宽度(即，图3c中的尺寸ha)可基于如由图像捕获装置324所收集的受试者在比例对象焦平面344尺寸上投影的髋部宽度h
p
的像素大小和距离d
1c
来导出。例如，可基于在受试者326的比例对象焦平面344上投影的髋部宽度h
p
，使用髋部平面常数来确定髋部焦平面342在比例对象焦平面344上方的距离(示出为距离d
3c
)。在一个示例性具体实施中，受试者326的厚度t被认为是受试者的髋部尺寸ha的约90％。此外，在侧视图中，受试者的髋部被认为位于受试者的高度的中间(即，厚度t的50％)。因此，受试者的髋部可位于处于比例对象焦平面344上方约0.45倍髋部宽度的平面中，其中髋部平面常数0.45被计算为0.9和0.5的乘积。因此，距离d
3c
可被估计为髋部尺寸ha的0.45倍。一旦确定了距离d
3c
，就可根据如基于比例对象328确定的比例对象焦平面344的比例来线性外推髋部焦平面342的比例。应当理解，虽然本文提供了0.45的髋部平面常数，但在不脱离本公开的范围的情况下可使用其它髋部平面常数。
53.此外，根据各种具体实施，可使用其它方法来测量髋部焦平面342和比例对象焦平面344之间的距离。例如，到髋部焦平面342和比例对象焦平面344的距离可由与图像捕获装置314相关联的仪器直接测量。此类距离可通过立体摄影测量、红外三角测量、激光测距、红外飞行时间或它们的组合来测量或至少内插。在一些具体实施中，诸如当远程计算装置具有多个图像捕获装置314时，可分析在多个位置处同时拍摄的多个图像。在任何情况下，可根据本文所述的系统和方法使用多种方法中的任一种，以准确地考虑放置比例对象328的平面和受试者326的物理特征部的平面之间的竖直差值。图4至图7示意性地描绘了根据本公开的一次性制品推荐计算系统的各种示例性操作布置。首先参见图4，示出了类似于图2所描绘的操作布置的操作布置。即，远程计算装置438使用相机414收集图像418。图像418经由电子通信网络440提供给一次性制品推荐计算系统400。一次性制品推荐计算系统400被配置成执行图像处理442以确定图像418中的受试者的贴合性参数。一次性制品推荐计算系统400被进一步配置成执行产品贴合性处理444以将图像418中的受试者的贴合性参数应用于大小设定模型408。在图像处理442和产品贴合性处理444之后，一次性制品推荐计算系统400可传输推荐420以在远程计算装置438的用户界面416上显示。
54.图5描绘了具有另选的操作布置的实施方案。如图所示，远程计算装置538包括相机514和用户界面516，类似于先前所述的实施方案。然而，在该实施方案中，大小设定模型508由远程计算装置538存储。另外，图像处理542和产品贴合性处理544由远程计算装置538执行。因此，例如，远程计算装置538一般可提供一次性制品推荐计算系统100的功能。如图
所示，在一些实施方案中，远程计算装置538可通过网络540向一次性制品推荐计算系统500提供各种数据。在例示的实施方案中，将性能数据546提供给一次性制品推荐计算系统500，并且可将各种更新548提供给远程计算装置538。性能数据546可从远程计算装置538的用户收集，并且可与例如基于产品贴合性或产品性能的吸收制品推荐的质量有关。如从多个用户收集的性能数据546可用于诸如使用自学模型随时间推移而改变并更新各种贴合性参数。然后可将此类所更新贴合性参数提供给远程计算装置538，以试图随时间推移而不断地改进产品贴合性推荐。图6描绘了又一个示例性另选的操作布置。在该实施方案中，远程计算装置638具有相机614和用户界面616。远程计算装置638被配置成对由相机614收集的图像执行图像处理642。作为该图像处理642的结果，可确定贴合性参数650并经由通信网络640的通信将这些贴合性参数提供给一次性制品推荐计算系统600。在接收到贴合性参数650时，一次性制品推荐计算系统600可执行产品贴合性处理644以将所接收的贴合性参数650应用于大小设定模型608。然后一次性制品推荐计算系统600可向远程计算装置638提供推荐620以在用户界面616上显示。因此，图6描绘了一种示例性操作布置，在该操作布置中，处理步骤在远程计算装置638和一次性制品推荐计算系统600之间拆分。
55.图7描绘了具有另选的操作布置的另一个实施方案，该另选的操作布置在远程计算装置和一次性制品推荐计算系统之间拆分处理。在该示例性布置中，大小设定模型708由远程计算装置738存储。远程计算装置的相机714用于收集图像718，该图像通过通信网络740提供给一次性制品推荐计算系统700。一次性制品推荐计算系统700被配置成执行成像处理742以便确定贴合性参数750。然后可将贴合性参数750传达到远程计算装置738以用于产品贴合性处理744。产品贴合性处理744可将贴合性参数750应用于大小设定模型708并且生成推荐以在用户界面716上显示。
56.如图3至图6所示，一些处理可在远程计算装置上本地发生，而其它处理可在一次性制品推荐计算系统处发生。因此，可在远程计算装置上执行的相对快的算法可与在服务器端上执行的相对慢的算法分开。该方法可允许对用户的实时的实时预览引导，例如，因为支持实时的实时预览引导功能的此类例程可由远程计算装置本地执行。因此，关于识别比例对象和确定图像的比例，可使用过程的组合，该组合包括低分辨率对象检测算法，这些低分辨率对象检测算法首先确定图像中比例对象所在的区域。例如，此类过程可在远程计算装置处本地执行。此类过程还可包括高分辨率对象检测算法，这些高分辨率对象检测算法试图识别比例对象的特定特征部诸如角部、边缘、印刷标记等的最佳搜索邻域。高分辨率算法或过程可在一次性制品推荐计算系统上运行。这些过程还可包括各种细化算法诸如边缘检测算法，以精确地定位比例对象的特征部。这些算法可以各种方式组合，这些方式包括将部分图像从一个算法馈送到下一个算法(即，定向搜索)，基于一个算法的输入来对另一个算法的搜索参数进行加权，或者基于单个算法定位感兴趣的特征部的置信度选择该单个算法的结果。
57.因此，在一些实施方案中，一组超低分辨率算法可在远程计算装置上运行。更特别地，这些算法可足够快以在远程计算装置上执行，同时足以提供足够的引导和/或错误检查。然而，这些算法可能不一定准确到足以确定受试者的身体尺寸。这些算法的目标是提供附加的错误检查，同时还为高分辨率算法提供引导。例如，由一次性制品推荐计算系统执行的高分辨率算法可精确地选择图像中的兴趣点，其中搜索由低分辨率结果引导。在一些情
况下，该高分辨率算法是可足够精确以用作模型的基础的算法。
58.仅出于说明性目的，下文提供根据一个非限制性实施方案的各种过程的示例性相互影响。首先，可由远程计算装置执行合适的编程功能以定位比例对象。在一些实施方案中，可将开源计算视觉库诸如opencv用于该过程。该过程可用于引导用户将比例对象放置在框中的适当位置，对比例对象的存在进行错误检查等。该过程可使用简单的对象检测，例如，在比例对象周围放置边界框，尽管该过程不一定被设计成找到边缘或角部或执行图像分割。接下来，在一次性制品推荐计算系统处，具有机器学习算法的第一遍可确认存在未起皱的白色纸张或其它合适的比例对象(即，错误检查)，并且定位角部或其它属性的搜索邻域，如可能的情况那样。然后可由一次性制品推荐计算系统在角部搜索邻域内执行边缘检测算法以精确地选择比例对象角部或其它属性。应当注意，在整个图像中出现了各种边缘，这就是该算法聚焦于比例对象出现的特定区域是有益的原因。一旦被识别，这些位置就可用于根据本公开按比例缩放图像。
59.在任何情况下，通过在本地远程计算装置和一次性制品推荐计算系统之间共享各种图像处理算法，可优化大小推荐过程的总体准确度和速度，同时还允许在大量的同时用户中实现可缩放性。现在参见图8，示意性地示出了可由一次性制品推荐计算系统800执行的示例性处理。一次性制品推荐计算系统800可接收未处理图像818a，该未处理图像包括受试者826和比例对象828的表示。在图像处理842期间，可对未处理图像818a执行多种错误检查以确保图像适用于分析。图像处理842还可校正任何梯形失真效应，该梯形失真效应是由图像捕获装置和受试者之间的相对角度引起的畸变。可利用用于梯形失真校正的任何合适的方法，该方法包括利用由与相机相关联的传感器(诸如加速度计、陀螺仪等)收集的信息来辅助校正相机的角度。图像处理842可进行可需要的任何其它图像校正，诸如例如对光、颜色、固有相机参数、透镜畸变或其它畸变的校正或调整。此外，可针对图像量化图像所需的校正量，使得如果需要超过将影响推荐准确度的阈值的校正，则请求新图像。
60.具体关于根据各种实施方案对比例对象执行图像处理例程，可执行多种错误检查例程，以确保包括在图像中的比例对象是足够的并且可由系统使用。例如，可使用关于比例对象识别的各方面的置信度水平。在一些实施方案中，探知纸片或纸张边缘的角部检测的置信度水平，以确定图像中的比例对象是否可接受。附加地或另选地，例如，可使用各种算法来确定是否存在适当的比例对象并且除比例对象的边缘或角部之外还搜索其它因素。在一个具体实施中，执行图像分析以确定比例对象是否包括印刷物或线以试图确定比例对象实际上是否适合于处理。图像分析还可检测比例对象中是否存在孔(诸如3个环粘结剂孔或螺旋粘结剂孔)。图像分析还可检查例如角部是否因撕裂而可能不可见，或者寻找比例对象折叠或弯曲的证据。可确定比例对象是否不可用并请求带有合适比例对象的另一个图像，或者在一些情况下，直到解决比例对象的问题才允许收集图像。另外，根据本公开的算法可搜索边缘的线性或以其它方式将比例对象贴合到预期形状(例如，矩形或圆形)，以确定比例对象是否已经折叠或以其它方式变形。算法还可搜索纹理以检测比例对象的表面中的皱纹。基于与比例对象有关的算法的结果，系统可确定是继续处理剩余图像还是拒绝图像并从用户请求不同的图像。在一些实施方案中，可向用户提供关于拒绝的推理(即，缺失的角部、检测到的皱纹、不正确的长径比等)的通知。除与比例对象相关联的错误检查和验证例程之外，可参照对受试者的分析来执行多种类似例程。例如，在一些实施方案中，每个关节
位置的置信度值和/或针对单个关节预测的关节位置的数目可用于检测错误并确定图像是否适用。因此，根据本文所述的系统和方法，可在处理期间的各个点处执行多种错误检查以确保图像适用。
61.在对除任何其它问题之外的任何梯形失真进行校正并且满足任何其它错误检查之后，可分析经处理图像818b以确定该图像的比例。在一些实施方案中，利用比例对象828的所检测到的比例属性852来确定经处理图像818b的比例。例如，如果比例对象828是测量结果为8.5英寸乘11英寸的常规纸片，则一次性制品推荐计算系统800可识别比例对象828，并且然后在成像处理842期间测量比例对象828的角部至角部尺寸。一次性制品推荐计算系统800还可确认两个角部至角部尺寸类似，这确认了对任何梯形失真效应的校正是成功的。然后，基于纸片的13.9英寸的已知的角部至角部尺寸，一次性制品推荐计算系统800可确定经处理图像818b的比例。在一些实施方案中，在校正之前和/或之后分析比例对象828的长径比，或者类似地，在校正之前和/或之后分析比例对象的任何尺寸(例如，第一边长、第二边长、宽度、对角线等)，可用于检测不适用于处理推荐的图像。在一些实施方案中，未处理图像818a可包括多于一个比例对象828，使得图像中的比例对象中的一个比例对象用于透视校正，处理图像818b中的其它比例对象可用于确认应用了正确的比例并且充分移除了透视。此外，虽然图8描绘了用于比例对象828的常规纸片的使用，但本发明并不限于此。此外，可使用比例对象828的其它测量结果来确定缩放比例。例如，在一些具体实施中，比例属性852可以是比例对象828的所测量的顶部宽度和底部宽度以及比例对象828的左高度和右高度。比例对象828的顶部宽度和底部宽度可被平均以确定在x方向上的比例，并且比例对象828的左高度和右高度可被平均以确定在y方向上的比例。确定经处理图像818b的x方向比例和y方向比例两者可增加总体准确度，尤其是当经处理图像818b的像素不是正方形时，诸如在视频图像的情况下。
62.经处理图像818b还示意性地示出了可在图像处理842期间探知的受试者826的示例性物理属性854。在例示的实施方案中，确定各种关节位置和物理特征部(即，耳部位置、眼睛位置、鼻部位置等)。此种确定可由一次性制品推荐计算系统800执行，或该确定可本地执行、由第三方计算系统远程执行、或由任何其它合适的资源执行。在一些具体实施中，利用基于机器学习的模型来识别关节位置或其它类型的物理特征部。用于确定受试者图像的关节位置的示例性资源由宾夕法尼亚州匹兹堡的卡纳吉美隆大学(carnegie mellon university,pittsburgh,pennsylvania)提供的openpose提供。openpose是一种用于共同地检测单个图像上的人体关键点、手关键点、面部关键点和脚关键点的实时多人系统。用于检测用户的物理属性854的其它技术可包括边缘检测和对象检测算法。以举例的方式，作为确定关节位置的另外一种选择或除此之外，可使用算法来识别由受试者826的乳头和肚脐形成的三角形。基于如基于图像的比例所确定的该三角形的尺寸，可应用模型来确定受试者826的适当大小设定。
63.一旦已经识别出物理属性854，一次性制品推荐计算系统800就可基于比例确定受试者826的各种尺寸。虽然所确定尺寸可基于物理属性854而变化，但在一些具体实施中，示例性尺寸包括躯干测量结果、耳朵之间的距离、肩部宽度和髋部宽度。
64.在产品贴合性处理844期间，可由一次性制品推荐计算系统800基于与物理属性854相关联的尺寸确定各种贴合性参数。然后一次性制品推荐计算系统800所利用的特定贴
合性参数可被选择来匹配各种大小设定模型808的贴合性参数。例如，大小设定模型808可各自由可接受范围的某些贴合性参数限定，这些贴合性参数诸如但不限于肚脐处的腰围、从肚脐到背部的直裆测量结果以及大腿围。因此，一次性制品推荐计算系统800可基于物理属性854的所确定尺寸估计贴合性参数。在一些实施方案中，例如，统计模型用于将物理属性854的各种尺寸与各种贴合性参数或直接与优选的尿布大小相关。此外，在一些实施方案中，除通过图像分析探知的物理属性854的各种尺寸之外，统计模型的其它输入可包括性别和年龄，以及由用户键入的其它特定尺寸或信息，如下文更详细地描述。
65.现在参见图9，示出了基于物理属性954的示例性贴合性参数956。在例示的实施方案中，贴合性参数956包括在肚脐处的腰围、从肚脐到背部的直裆测量结果和大腿围。类似于图8，贴合性参数956是基于受试者的被示出为关节位置、眼睛位置等的物理属性954以及比例对象928。然而，图10至图11示出了可使用其它方法来确定图像的比例。参见图10，用于确定比例和贴合性参数的示例性过程是基于身体部位尺寸，如由一次性制品推荐计算系统的用户所提供的那样。例如，在例示的实施方案中，脚大小1054由用户提供给一次性制品推荐计算系统。脚大小1054可以任何合适的格式提供，该格式诸如鞋大小或脚长度。当受试者的脚以适当角度捕获在图像内时，一次性制品推荐计算系统可利用受试者的脚的已知尺寸来确定图像的比例。基于受试者的比例和物理属性，可确定各种贴合性参数1056。图11描绘了另一种配置，在该配置中，用户将头围提供给一次性制品推荐计算系统。类似于图10，利用受试者的已知尺寸或如由已知的头围计算出的参数诸如头部宽度1154，一次性制品推荐计算系统可确定图像的比例。继而，一次性制品推荐计算系统然后可确定贴合性参数1156。在其它实施方案中，贴合性参数中的一个或多个贴合性参数诸如腰部尺寸或高度可附加地或作为另外一种选择由用户提供，以便按比例缩放图像。例如，关于身高，图像中的受试者的身高可由关节距离之和计算。此外，两眼间距离或眼睛直径可用于按比例缩放图像，因为这些尺寸在群体中具有非常小的差异，并且仅随年龄非常缓慢地变化。以举例的方式，新生儿的眼球直径为16mm /-2mm，并且3岁时的眼球直径为19mm /-2mm。因此，在接收到受试者的年龄时，一次性制品推荐计算系统可利用年龄与眼球直径曲线来识别在正确比例几毫米内的眼球直径。
66.也可使用其它一种或多种技术(诸如摄影测量)来确定图像的比例。可从两个或更多个已知位置拍摄受试者的两个或更多个图像，其中通过跟踪参考点来计算照片内对象的大小。作为另外一种选择，单个装置上的多个透镜可捕获可用于摄影测量过程的图像。另一种方法是利用在空间中移动的单个相机，并测量相机移动的位置。作为另外一种选择，可使用点云或结构光。在该方法中，可将条的已知图案或点的阵列投影到目标区域/受试者上。然后，当投影光落在不同的3d对象上时，相机可读取该投影光的变形。使用算法，可基于已知光图案的所测量变形计算那些对象的3d形状和尺寸。只要被配置用于该目的的相机可检测变形光图案，结构光就可以是可见的、ir或其它波长。作为另外一种选择，深度传感器可用于计算到对象的距离，并且基于相对平坦的对象(诸如婴儿或婴儿身体的一部分)在图像中占据的像素数量并使用三角测量或三角函数计算比例来计算比例。作为另外一种选择，可将来自智能电话或其它装置的倾斜传感器、位置传感器、加速度计或其它传感器结合到该方法中，以帮助计算所采集图像或3d扫描中的比例。
67.现在参见图12，示意性地描绘了用于一次性制品的示例性产品阵容的大小1至6的
简化大小设定模型1208。虽然大小设定模型1208a-1208f中的每个大小设定模型根据腰部尺寸和直裆尺寸来限定，但本公开并不限于此。例如，大小设定模型1208a-1208f可包括附加尺寸(诸如大腿围)或者可基于不同的尺寸。在任何情况下，根据本公开，一次性制品推荐计算系统可将如通过图像分析确定的受试者的贴合性参数应用于大小设定模型1208，以确定哪一个或多个大小的一次性制品可由受试者穿着的。
68.图12以图形方式示出了两个不同受试者(被示出为受试者1260和受试者1262)的示例性贴合性参数。首先参见由受试者1260限定的贴合性参数，一次性制品推荐计算系统可确定受试者1260落入大小1的一次性制品大小设定模型1208a内，并且向用户提供此种推荐。然而，由受试者1262限定的贴合性参数致使受试者1262落入多个大小设定模型(即大小2的大小设定模型1208b和大小3的大小设定模型1208c)内。一次性制品推荐计算系统可使用各种方法来确定要向用户推荐这两种大小中的哪一种。根据所例示的实施方案，一次性制品推荐计算系统确定从由受试者1262限定的贴合性参数到所牵涉的大小设定模型的边界中的每个边界的相对距离。在例示的实施方案中，距离1266a-d是到大小3的大小设定模型1208c的边界的距离，并且距离1264a-d是到大小2的大小设定模型1208b的边界的距离。更特别地，距离1266a和1266c是到大小3的大小设定模型1208c的腰部贴合性参数的上下边界的距离。距离1266b和1266d是到大小3的大小设定模型1208c的直裆贴合性参数的上下边界的距离。距离1264a和1264c是到大小2的大小设定模型1208b的腰部贴合性参数的上下边界的距离。距离1264b和1264d是到大小2的大小设定模型1208b的直裆贴合性参数的上下边界的距离。
69.一旦确定了距离1266a-d和1264a-d，一次性制品推荐计算系统就可基于所测量距离推荐一次性制品大小。在一些实施方案中，例如，一次性制品推荐计算系统可识别每个大小设定模型1208b和1208c的所有边界尺寸1266a-d和1264a-d的最小尺寸。然后，一次性制品推荐计算系统可比较这两个最小尺寸，并且推荐具有那些尺寸中的最大尺寸的大小设定模型。
70.图13至图20描绘了根据非限制性实施方案的各种计算装置上的简化示例性用户界面显示器。用户界面显示器可以是例如图1的一次性制品推荐计算系统100或图2和图4至图6的任何远程计算装置238、438、538、638、738的部件。首先参见图13，示出了可呈现在计算装置1320上的一系列界面1300a-1300b。界面1300a示出了在图像收集过程期间的示例性图像预览窗格1302。图像预览窗格1302可用于适当地对准视场中的受试者。在一些实施方案中，图像预览窗格1302可包括图形引导区或其它类型的反馈以辅助用户对准，诸如增强现实。如图所示，交互式元件1304可由用户激活以拍摄受试者的一张图片或一系列图片。由计算装置1320收集的图像可根据本公开进行处理，并且可向用户呈现界面1300b。界面1300b可以任何合适的格式呈现推荐1306。应当理解，推荐1306可包括与推荐相关联的多种信息，诸如推荐产品类型、推荐产品阵容等。在一些实施方案中，界面1300b还可包括贴合性量度1308。贴合性量度1308可指示推荐一次性制品预期贴合受试者的方式。贴合性量度1308可基于例如受试者的贴合性参数在推荐大小的一次性制品的大小设定模型内的相对位置。
71.图14描绘了可由一次性制品推荐计算系统在计算装置1420上呈现的其它示例性简化界面1400。界面1400a示出了在图像收集过程期间的示例性图像预览窗格1402。图像预
览窗格1402可用于适当地对准视场中的比例对象1428以及引导用户在离受试者1426足够远的距离处收集图像。在该示例性具体实施中，图像预览窗格1402包括用于辅助用户进行图像收集过程的比例对象图形引导区1429。如界面1400b所示，一旦检测到比例对象1428和比例对象图形引导区1429的适当对准，就可向用户呈现交互式元件1404。只有在比例对象1428适当地定位在比例对象图形引导区1429的边界内之后，才允许用户收集图像。因此，使用比例对象图形引导区1429可向用户提供实时反馈以有助于图像收集过程。
72.使用比例对象图形引导区1429可确保受试者1426与计算装置1420相距足够的距离。通过迫使用户从特定距离收集图像，可减小或消除内插根据图3a至图3c的受试者1426的比例的必要性。另外，比例对象图形引导区1429还可确保计算装置1420和比例对象1428之间的相对角度对于处理是可接受的，从而避免因透视效果而需要对图像梯形失真进行过度校正。
73.比例对象图形引导区1429还可以指引用户将比例对象1428放置在相对于受试者1426的特定取向上。参考图14，比例对象图形引导区1429在图像预览窗格1402中的放置确保比例对象1428被放置到受试者1426的左上方。引导用户将比例对象1428放置在特定位置中可减小所收集图像的总体可变性。减小的可变性可提高总体准确度，因为可选择比例对象1428和受试者1426在图像中的相对定位，以匹配训练系统和开发模型所使用的图像的相对定位。附加地或另选地，可使用图形引导区来辅助受试者的对准和放置。此类图形引导区可指引用户将受试者放置在特定取向内(即，头部朝向框的顶部并且腿部朝向框的底部)，这可有助于减小例如所收集图像的可变性。
74.图15描绘了可由一次性制品推荐计算系统在计算装置1520上呈现的另一个示例性简化界面1500。界面1500可提供一次性制品消耗预测1510，如由一次性制品推荐计算系统所确定的。一次性制品消耗预测1510可包括多种信息，诸如预测的消耗速率(即，在一定时间段内所用的吸收制品的数目)和/或直到穿着者将需要移动至不同大小和/或产品系列的时间量。在例示的实施方案中，例如，一次性制品消耗预测1510包括推荐大小1506、时间段预测1512和基于预测的消耗速率的数量预测1514。因此，一次性制品消耗预测1510通知用户预期受试者在接下来的22天内穿着大小2的一次性制品，并且将在该时间段内消耗65个制品。用于确定此种一次性制品消耗预测1510的模型可基于任何数目的输入，包括受试者的物理属性、年龄、性别、生长历史、推断的疾病控制和预防中心(cdc)生长图表等。例如，一些输入可基于图像分析来确定，而其它输入可基于用户供应的信息，诸如在图像提交时提供的信息或先前在创建用户配置文件时提交的信息。在一些实施方案中，可随时间推移(即，大于3天)收集受试者的一系列图像，其中受试者的生长模式基于受试者的生长图像到图像来确定。关于确定预测消耗速率，可使用各种技术。例如，用户可输入关于他们购买吸收制品的时间和他们购买的数目的信息。该信息可使用任何合适的技术来收集，该技术诸如用户通过界面手动提供信息或扫描吸收制品的包装上的upc代码。例如，可通过将upc代码的扫描绑定到奖励程序来激励提供该信息。在一些实施方案中，用户提供关于他们每天更换的一次性制品的数目的信息。在一些实施方案中，利用有关穿着者基于年龄在一天中使用的吸收制品的数目的统计模型。此外，虽然一些消耗预测被示意性地示出为所消耗的吸收制品的数目，但这些消耗预测也可根据吸收制品的包装的数目来表示。根据包装消耗表示的消耗预测可考虑包装配置，因为包含在包装内的吸收制品的数目可基于吸收制品大
小、产品阵容等而变化。
75.由一次性制品推荐计算系统提供的推荐还可包括对用户的值计算，该值计算结合了各种推荐元素(诸如将被消耗的一次性制品的数目、到商店的行程次数以及其它消耗量度)以向用户提供最佳总体值。关于产品的自动化装运，推荐可包括产品阵容中各种产品的装运时间表。一次性制品推荐计算系统可被配置成从用户接收反馈以提供关于接收推荐的方式的信息。该反馈可用于通过跨多个用户收集反馈来改进或以其它方式细化该特定推荐和/或随时间推移而改进总体模型的质量。此外，基于一次性制品消耗预测，一次性制品推荐计算系统可在到了购买附加的一次性制品的时候将通知调度给用户。此类通知可呈任何合适的格式，并且可通过任何合适的通信介质调度。在一些实施方案中，通知是文本消息、电子邮件消息、应用内消息、日程约会、提醒、智能扬声器通知、弹出式通知、地理围栏通知(例如，当物理上靠近商店时)或它们的组合。此外，还可向用户提供订阅购买程序，使得一次性制品被例行地发送给用户，并且一次性制品的推荐大小随时间推移而自动增大。在一些配置中，提供了批量装运，该批量装运包含预测随时间推移将由穿着者使用的所有各种大小的一次性制品的量。
76.图16描绘了可在计算装置1520的界面1500上显示的另一个示例性一次性制品消耗预测1510。一次性制品消耗预测1510包括推荐大小1506、时间段预测1514和数量预测1516。在该实施方案中，时间段预测1514根据日期来表示，并且数量预测1516包括使用速率。例如，使用率可被调节为输入，使得相关联的推荐随用户提供的关于速率的输入而改变。
77.图17至图19描绘了可经由界面提供给用户的购买路径的示例性指示。购买路径可以任何合适的格式来表示。首先参见图17，计算装置1720的示例性界面1500示出推荐大小1706和购买路径1708的第一示例。在该实施方案中，购买路径1708是零售商地图，该零售商地图基于由计算装置1720提供的gps数据提供实时位置信息。因此，购买路径1708可将用户引导到零售商的过道以购买推荐大小1706的一次性制品，并且在一些实施方案中，向用户提供附加信息，诸如可购买数量、定价数据等。图18描绘了计算装置1820的示例性界面1800，该界面示出了另一个示例性购买路径1808以及推荐大小1806。购买路径1808可包括一个或多个基于web的链接以经由在线零售商或在线市场论坛来购买推荐大小1806的一次性制品。图19描绘了计算装置1920的示例性界面1900，该界面示出了另一个示例性购买路径1908以及推荐大小1906。该实施方案中的购买路径1908可包括地图，该地图包括驾驶方向以将用户指引至零售商购买一次性制品。如图所示，可提供附加的购买相关信息，诸如过道位置、可购买数量、定价数据等。
78.现在参见图20，描绘了计算装置2020的示例性简化界面2000a-c。界面2000a示意性地描绘了可由一次性制品推荐计算系统利用的来自用户的多种输入的集合。例如，提供发育标志2002可辅助一次性制品推荐计算系统推荐适当的产品系列。示例性发育标志2002可包括但不限于爬行、攀靠在家具上、行走、开始如厕训练、睡整觉等。附加地或另选地，可将用户供应的输入2004提供给一次性制品推荐计算系统以有助于生成推荐。示例性用户供应的输入2004可包括例如体重、长度、头部大小、生日、受试者在出生时的胎龄等。附加输入可包括地理位置，因为某些区域就一次性制品的贴合性而论具有不同的期望。例如，地理位置可基于用户的计算机装置的物理位置来探知，或者地理位置可作为登记过程的一部分由
用户提供。可单独地或与群体生长曲线(诸如儿童的常规cdc生长曲线)一起可视化并跟踪一个或多个输入。界面2000b示意性地描绘了受试者的图像的集合。类似于图13，界面2000b可具有示例性图像预览窗格2006。图像预览窗格2006可用于适当地对准视场中的受试者。交互式元件2008可由用户激活以拍摄受试者的一张图片或一系列图片。由计算装置2020收集的图像可根据本公开进行处理，并且可向用户呈现界面2000c。界面2000c可以任何合适的格式呈现推荐2010。推荐2010可基于如本文所述的图像分析和由用户经由界面2000a提供的附加信息两者。应当理解，推荐2010可包括推荐产品类型、推荐产品阵容等。示例性界面2000c还包括贴合性量度2012，以指示推荐一次性制品预期贴合受试者的方式。
79.图21描绘了用于为受试者推荐预制一次性制品的方法的示例性流程图2100。在2102处，该方法包括存储多个一次性制品大小设定模型，该多个一次性制品大小设定模型对应于可供用于购买的相应的多个预制一次性制品。大小设定模型可由一次性制品推荐计算系统存储，如图1至图6所示。就这一点而言，大小设定模型可存储在集中式储存库中或可本地存储在最终用户计算机装置处。在2104处，接收由至少一个相机收集的图像。图像可包括受试者的表示。受试者是预制一次性制品的消费者，诸如婴幼儿、婴儿或学步儿童。所接收图像可以是例如静止图像、静止图像的集合或视频。
80.在2106处，确定将图像中的受试者的表示的尺寸与受试者的物理尺寸相关的图像的比例。该比例可通过任何合适的技术来确定，该技术诸如利用图像中的比例对象或基于图像中的受试者的已知身体部位尺寸(诸如受试者的身高、受试者的瞳孔内距离或头围)来推断比例。在2108处，确定图像中的受试者的表示的物理属性。如上所述，物理属性可包括受试者的多个关节位置、图像中的受试者的表示的所检测到的方面之间的距离，以及受试者的面积或图像中的受试者的表示的一个方面的其它可量化测量结果。
81.在2110处，基于图像的比例和受试者的表示的物理属性确定受试者的多个贴合性参数。贴合性参数可包括例如受试者的估计腰围、受试者的估计大腿围和受试者的估计直裆测量结果。在2112处，将多个贴合性参数应用于多个一次性制品大小设定模型中的一个或多个一次性制品大小设定模型。例如，可确定哪个大小设定模型捕获受试者的估计腰围、受试者的估计大腿围和受试者的估计直裆测量结果中的每一者。
82.在2114处，基于多个贴合性参数到多个一次性制品大小设定模型中的一个或多个一次性制品大小设定模型的应用，确定受试者的推荐预制一次性制品。该推荐预制一次性制品选自可供用于购买的多个预制一次性制品。在2116处，向用户提供对受试者的推荐预制一次性制品的指示。
83.组合
84.a.一种基于计算机的方法，该方法包括：
85.由一次性制品推荐计算系统将多个一次性制品大小设定模型存储在数据存储库中，该多个一次性制品大小设定模型对应于可供用于购买的相应的多个预制一次性制品；
86.由该一次性制品推荐计算系统接收由至少一个相机收集的图像，其中该图像包括受试者的表示，并且该受试者是预制一次性制品的消费者；
87.由该一次性制品推荐计算系统确定该图像的比例，该比例使该图像中的该受试者的该表示的尺寸与该受试者的物理尺寸相关；
88.由该一次性制品推荐计算系统确定该图像中的该受试者的该表示的物理属性；
89.由该一次性制品推荐计算系统基于该图像的该比例和该受试者的该表示的这些物理属性确定该受试者的多个贴合性参数；
90.由该一次性制品推荐计算系统将该多个贴合性参数应用于该多个一次性制品大小设定模型中的一个或多个一次性制品大小设定模型；
91.由该一次性制品推荐计算系统基于该多个贴合性参数到该多个一次性制品大小设定模型中的该一个或多个一次性制品大小设定模型的应用确定该受试者的推荐预制一次性制品，其中该推荐预制一次性制品选自可供用于购买的该多个预制一次性制品；并且
92.由该一次性制品推荐计算系统提供对该受试者的该推荐预制一次性制品的指示。
93.b.根据段落a所述的基于计算机的方法，其中，该受试者的该推荐预制一次性制品包括推荐标准大小的预制一次性制品、推荐产品系列的预制一次性制品和推荐样式的预制一次性制品的任一者。
94.c.根据段落a至b中任一项所述的基于计算机的方法，其中，该图像包括比例对象，该比例对象邻近该受试者的该表示定位。
95.d.根据段落c所述的基于计算机的方法，其中，该图像中的该比例对象的这些物理尺寸对于该一次性制品推荐计算系统是已知的。
96.e.根据段落a至d中任一项所述的基于计算机的方法，其中，确定该图像的该比例包括：确定x方向比例和y方向比例。
97.f.根据段落a至e中任一项所述的基于计算机的方法，该方法还包括：
98.在确定该多个贴合性参数之前，由该一次性制品推荐计算系统处理该图像以考虑该受试者和该至少一个相机之间的视角角度。
99.g.根据段落a至f中任一项所述的基于计算机的方法，其中，这些物理属性包括该受试者的多个关节位置。
100.h.根据段落g所述的基于计算机的方法，其中，该受试者的该多个关节位置至少部分地基于机器学习模型来确定。
101.i.根据段落a至h中任一项所述的基于计算机的方法，其中，这些物理属性包括该图像中的该受试者的该表示的所检测到的方面之间的距离。
102.j.根据段落a至i中任一项所述的基于计算机的方法，其中，这些物理属性包括该图像中的该受试者的该表示的一个方面的长度、宽度、面积和体积中的任一者。
103.k.根据段落a至j中任一项所述的基于计算机的方法，其中，该多个贴合性参数是基于与该受试者的这些物理属性中的一个或多个物理属性的相关性。
104.l.根据段落a至k中任一项所述的基于计算机的方法，其中，这些物理属性包括头部宽度、眼睛间距距离、躯干长度、髋部宽度和肩部宽度中的任一者。
105.m.根据段落a至l中任一项所述的基于计算机的方法，其中，这些贴合性参数包括该受试者的估计腰围、该受试者的估计大腿围和该受试者的估计直裆测量结果中的任一者。
106.n.根据段落m所述的基于计算机的方法，其中，该多个一次性制品大小设定模型中的每个一次性制品大小设定模型包括腰围范围、大腿围范围和直裆测量结果范围。
107.o.根据段落n所述的基于计算机的方法，其中，将该多个贴合性参数应用于该多个一次性制品大小设定模型中的一个或多个一次性制品大小设定模型包括：针对每个相应的
一次性制品大小设定模型来确定：该估计腰围是否在该腰围范围内，该估计大腿围是否在该大腿围范围内，以及该估计直裆测量结果是否在该直裆测量结果范围内。
108.p.根据段落o所述的基于计算机的方法，其中，该受试者的该推荐预制一次性制品是被确定成针对该受试者设定大小的多个不同预制一次性制品中的一个预制一次性制品。
109.q.根据段落a至p中任一项所述的基于计算机的方法，该方法还包括：
110.由该一次性制品推荐计算系统接收一个或多个用户供应值。
111.r.根据段落q所述的基于计算机的方法，其中，这些用户供应值包括该受试者的年龄、该受试者的体重、该受试者的种族、该受试者的性别、该受试者的身高、该受试者在出生时的胎龄和该受试者的头围中的任一者。
112.s.根据段落a至r中任一项所述的基于计算机的方法，该方法还包括：
113.由该一次性制品推荐计算系统确定一次性制品消耗预测；并且
114.由该一次性制品推荐计算系统提供该一次性制品消耗预测。
115.t.根据段落s所述的基于计算机的方法，其中，该一次性制品消耗预测是基于这些用户供应值中的一个或多个用户供应值。
116.u.根据段落t所述的基于计算机的方法，其中，该一次性制品消耗预测是基于这些用户供应值中的一个或多个用户供应值和所确定物理属性中的一个或多个物理属性。
117.v.根据段落r至u中任一项所述的基于计算机的方法，其中，该一次性制品消耗预测包括待由该受试者使用的这些推荐预制一次性制品的估计数目。
118.w.根据段落r至v中任一项所述的基于计算机的方法，其中，该一次性制品消耗预测与产品、产品大小和产品阵容中的任一者相关联。
119.x.根据段落r至w中任一项所述的基于计算机的方法，其中，该一次性制品消耗预测包括该推荐预制一次性制品将贴合该受试者的估计时间量。
120.y.根据段落r至x中任一项所述的基于计算机的方法，该方法还包括：
121.由该一次性制品推荐计算系统基于该一次性制品消耗预测向远程计算装置发送购买提醒通知。
122.z.根据段落r至y中任一项所述的基于计算机的方法，该方法还包括：
123.由该一次性制品推荐计算系统将用户登记到用于预制一次性制品的订阅购买程序中。
124.aa.根据段落r至z中任一项所述的基于计算机的方法，该方法还包括：
125.在一定时间段之后，自动地增大这些推荐预制一次性制品的推荐大小。
126.ab.根据段落a至aa中任一项所述的基于计算机的方法，其中，该图像是由移动计算装置收集的该受试者的一个或多个静止图像。
127.ac.根据段落ab所述的基于计算机的方法，其中，该受试者的该一个或多个静止图像由该移动计算装置的后向相机收集。
128.ad.根据段落a至ac中任一项所述的基于计算机的方法，该方法还包括：
129.由该一次性制品推荐计算系统接收在一定时间段内收集的受试者的多个图像，其中该时间段大于三天；并且
130.由该一次性制品推荐计算系统基于根据该多个图像确定的该受试者的生长模式预测一次性制品消耗预测。
131.ae.根据段落ad所述的基于计算机的方法，该方法还包括：
132.由该一次性制品推荐计算系统基于根据该多个图像确定的该受试者的该生长模式预测推荐预制一次性制品大小变化随时间推移的预测。
133.af.根据段落a至ae中任一项所述的基于计算机的方法，该方法还包括：
134.由该一次性制品推荐计算系统提供至少一个图像收集引导工具。
135.ag.根据段落af所述的基于计算机的方法，其中，该至少一个图像收集引导工具包括用于在图像收集期间呈现给用户的图形叠层。
136.ah.根据段落af所述的基于计算机的方法，其中，该至少一个图像收集引导工具包括比例对象图形引导区。
137.ai.根据段落a至ah中任一项所述的基于计算机的方法，其中，处理该图像以确定该图像的比例包括：利用该受试者的已知身体部位大小。
138.aj.根据段落ai所述的基于计算机的方法，其中，该受试者的该已知身体部位大小是该受试者的身高、该受试者的瞳孔内距离和该受试者的头围中的任一者。
139.ak.根据段落a至aj中任一项所述的基于计算机的方法，其中，处理该图像以确定该图像的比例包括：在摄影测量过程中利用该受试者的多个图像。
140.al.根据段落a至ak中任一项所述的基于计算机的方法，其中，处理该图像以确定该图像的比例包括：分析投影到该受试者上的结构光的变形。
141.am.根据段落a至al中任一项所述的基于计算机的方法，该方法还包括：
142.由该一次性制品推荐计算系统确定该受试者的地理位置，其中该受试者的该推荐预制一次性制品是基于该地理位置。
143.an.根据段落a至am中任一项所述的基于计算机的方法，其中，该图像是该受试者的全身俯视图，并且其中该受试者是婴幼儿、婴儿和学步儿童中的任一者。
144.ao.根据段落an所述的基于计算机的方法，其中，该受试者在该图像中仰卧。
145.ap.根据段落ao所述的基于计算机的方法，该方法还包括：
146.由该一次性制品推荐计算系统的错误检查模块验证该图像的一个或多个验证参数。
147.aq.根据段落ap所述的基于计算机的方法，其中，验证这些验证参数包括：验证婴儿的存在、婴儿的姿势、比例对象的存在、相机相对于比例对象的取向和视角，以及相机相对于受试者的取向和视角中的任一者。
148.ar.根据段落ao所述的基于计算机的方法，其中，验证这些验证参数包括：验证该比例对象的物理属性中的任一者。
149.as.根据段落ar所述的基于计算机的方法，该方法还包括：在验证该比例对象的物理属性之前对该图像进行下采样。
150.at.根据段落a至as中任一项所述的基于计算机的方法，该方法还包括：
151.由该一次性制品推荐计算系统提供对该受试者的该推荐预制一次性制品的购买路径的指示。
152.au.根据段落a至at中任一项所述的基于计算机的方法，其中，预制一次性制品是一次性尿布和一次性训练裤中的任一者。
153.av.根据段落a至au中任一项所述的基于计算机的方法，其中，由该至少一个相机
收集的该图像是单个图像。
154.aw.一种基于计算机的系统，该系统包括：
155.数据存储库，其中多个一次性制品大小设定模型由该数据存储库存储，该多个一次性制品大小设定模型对应于可供用于购买的相应大小的预制一次性制品；并且
156.一次性制品推荐计算系统，该一次性制品推荐计算系统包括计算机可读介质，在该计算机可读介质上存储有计算机可执行指令，这些计算机可执行指令被配置成指示一个或多个计算机处理器执行以下操作：
157.接收由远程移动计算装置收集的受试者的图像；
158.确定该图像的比例；
159.处理该图像以确定该对象的物理属性；
160.基于该图像的该比例和该受试者的这些物理属性，确定该受试者的多个贴合性参数；
161.将该多个贴合性参数与该多个一次性制品大小设定模型中的一个或多个一次性制品大小设定模型进行比较；
162.基于该多个贴合性参数与该多个一次性制品大小设定模型中的该一个或多个一次性制品大小设定模型的比较，确定该受试者的推荐预制一次性制品；并且
163.将对该推荐预制一次性制品的指示发送到该远程移动计算装置。
164.ax.根据段落aw所述的基于计算机的系统，其中，该受试者的该推荐预制一次性制品包括推荐标准大小的预制一次性制品、推荐产品系列的预制一次性制品和推荐样式的预制一次性制品的任一者。
165.ay.根据段落aw至ax中任一项所述的基于计算机的系统，其中，该图像包括比例对象，该比例对象邻近该受试者的该表示定位。
166.az.根据段落ay所述的基于计算机的系统，其中，该图像中的该比例对象的这些物理尺寸对于该一次性制品推荐计算系统是已知的。
167.ba.根据段落az所述的基于计算机的系统，其中，对于该一次性制品推荐计算系统已知的该图像中的该比例对象的这些物理尺寸包括角部至角部尺寸、高度尺寸、宽度尺寸和半径尺寸中的任一者。
168.bb.根据段落aw至ba中任一项所述的基于计算机的系统，其中，这些计算机可执行指令进一步被配置成指示一个或多个计算机处理器执行以下操作：
169.在确定该多个贴合性参数之前，处理该图像以考虑该受试者和该至少一个相机之间的视角角度。
170.bc.根据段落aw至bb中任一项所述的基于计算机的系统，其中，这些物理属性包括该受试者的多个关节位置。
171.bd.根据段落bc所述的基于计算机的系统，其中，该受试者的该多个关节位置至少部分地基于机器学习模型来确定。
172.be.根据段落aw至bd中任一项所述的基于计算机的系统，其中，这些物理属性包括该图像中的该受试者的该表示的所检测到的方面之间的距离。
173.bf.根据段落aw至be中任一项所述的基于计算机的系统，其中，这些物理属性包括该图像中的该受试者的该表示的一个方面的圆周、面积和体积中的任一者。
174.bg.根据段落aw至bf中任一项所述的基于计算机的系统，其中，该多个贴合性参数是基于与该受试者的这些物理属性中的一个或多个物理属性的相关性。
175.bh.根据段落aw至bg中任一项所述的基于计算机的系统，其中，这些物理属性包括头部宽度、眼睛间距距离、躯干长度、髋部宽度和肩部宽度中的任一者。
176.bi.根据段落aw至bh中任一项所述的基于计算机的系统，其中，这些贴合性参数包括该受试者的估计腰围、该受试者的估计大腿围和该受试者的估计直裆测量结果中的任一者。
177.bj.根据段落bi所述的基于计算机的系统，其中，该多个一次性制品大小设定模型中的每个一次性制品大小设定模型包括腰围范围、大腿围范围和直裆测量结果范围。
178.bk.根据段落bj所述的基于计算机的系统，其中，该多个贴合性参数与该多个一次性制品大小设定模型中的一个或多个一次性制品大小设定模型的比较包括：针对每个相应的一次性制品大小设定模型来确定：该估计腰围是否在该腰围范围内，该估计大腿围是否在该大腿围范围内，以及该估计直裆测量结果是否在该直裆测量结果范围内。
179.bl.根据段落bk所述的基于计算机的系统，其中，该受试者的该推荐预制一次性制品是被确定成针对该受试者设定大小的多个不同预制一次性制品中的一个预制一次性制品。
180.bm.根据段落aw至bl中任一项所述的基于计算机的系统，其中，这些计算机可执行指令进一步被配置成指示一个或多个计算机处理器执行以下操作：
181.接收如键入到该远程计算装置中的一个或多个用户供应值。
182.bn.根据段落bm所述的基于计算机的系统，其中，这些用户供应值包括该受试者的年龄、该受试者的体重、该受试者的种族、该受试者的性别、该受试者的身高、该受试者在出生时的胎龄和该受试者的头围中的任一者。
183.bo.根据段落bm至bn中任一项所述的基于计算机的系统，其中，这些计算机可执行指令进一步被配置成指示一个或多个计算机处理器执行以下操作：
184.确定一次性制品消耗预测；并且
185.向该远程移动计算装置提供该一次性制品消耗预测。
186.bp.根据段落bo所述的基于计算机的系统，其中，该一次性制品消耗预测是基于这些用户供应值中的一个或多个用户供应值。
187.bq.根据段落bp所述的基于计算机的系统，其中，该一次性制品消耗预测是基于这些用户供应值中的一个或多个用户供应值和所确定物理属性中的一个或多个物理属性。
188.br.根据段落bo至bq中任一项所述的基于计算机的系统，其中，该一次性制品消耗预测包括待由该受试者使用的这些推荐预制一次性制品的估计数目。
189.bs.根据段落bo至br中任一项所述的基于计算机的系统，其中，该一次性制品消耗预测与产品、产品大小和产品阵容中的任一者相关联。
190.bt.根据段落bo至bs中任一项所述的基于计算机的系统，其中，该一次性制品消耗预测包括该推荐预制一次性制品将贴合该受试者的估计时间量。
191.bu.根据段落bo至bt中任一项所述的基于计算机的系统，其中，这些计算机可执行指令进一步被配置成指示一个或多个计算机处理器执行以下操作：
192.基于该一次性制品消耗预测向该远程计算装置发送购买提醒通知。
193.bv.根据段落bo至bu中任一项所述的基于计算机的系统，其中，这些计算机可执行指令进一步被配置成指示一个或多个计算机处理器执行以下操作：
194.将用户登记到用于预制一次性制品的订阅购买程序中。
195.bw.根据段落bo至bv中任一项所述的基于计算机的系统，其中，这些计算机可执行指令进一步被配置成指示一个或多个计算机处理器执行以下操作：
196.在一定时间段之后，自动地增大这些推荐预制一次性制品的推荐大小。
197.bx.根据段落aw至bw中任一项所述的基于计算机的系统，其中，该图像是由该远程移动计算装置收集的该受试者的一个或多个静止图像。
198.by.根据段落bx所述的基于计算机的系统，其中，该受试者的该一个或多个静止图像由该远程移动计算装置的后向相机收集。
199.bz.根据段落aw至by中任一项所述的基于计算机的系统，其中，这些计算机可执行指令进一步被配置成指示一个或多个计算机处理器执行以下操作：
200.接收在一定时间段内收集的受试者的多个图像，其中该时间段大于三天；并且
201.基于根据该多个图像确定的该受试者的生长模式，预测一次性制品消耗预测。
202.ca.根据段落bz所述的基于计算机的系统，其中，这些计算机可执行指令进一步被配置成指示一个或多个计算机处理器执行以下操作：
203.基于根据该多个图像确定的该受试者的该生长模式预测推荐预制一次性制品大小变化随时间推移的预测。
204.cb.根据段落aw至ca中任一项所述的基于计算机的系统，其中，这些计算机可执行指令进一步被配置成指示一个或多个计算机处理器执行以下操作：
205.提供至少一个图像收集引导工具。
206.cc.根据段落cb所述的基于计算机的系统，其中，该至少一个图像收集引导工具包括用于在图像收集期间呈现给用户的图形叠层。
207.cd.根据段落aw至cc中任一项所述的基于计算机的系统，其中，处理该图像以确定该图像的比例包括：利用该受试者的已知身体部位大小。
208.ce.根据段落cd所述的基于计算机的系统，其中，该受试者的该已知身体部位大小是该受试者的身高和该受试者的头围中的任一者。
209.cf.根据段落aw至ce中任一项所述的基于计算机的系统，其中，处理该图像以确定该图像的比例包括：在摄影测量过程中利用该受试者的多个图像。
210.cg.根据段落aw至cf中任一项所述的基于计算机的系统，其中，处理该图像以确定该图像的比例包括：考虑该比例对象的平面和该受试者的物理属性所在的平面之间的竖直间距。
211.ch.根据段落aw至cg中任一项所述的基于计算机的系统，其中，处理该图像以确定该图像的比例包括：分析投影到该受试者上的结构光的变形。
212.ci.根据段落aw至ch中任一项所述的基于计算机的系统，其中，这些计算机可执行指令进一步被配置成指示一个或多个计算机处理器执行以下操作：
213.确定该受试者的地理位置，其中该受试者的该推荐预制一次性制品是基于该地理位置。
214.cj.根据段落aw至ci中任一项所述的基于计算机的系统，其中，该图像是该受试者
的全身俯视图，并且其中该受试者是婴幼儿、婴儿和学步儿童中的任一者。
215.ck.根据段落cj所述的基于计算机的系统，其中，该受试者在该图像中仰卧。
216.cl.根据段落ck所述的基于计算机的系统，其中，这些计算机可执行指令进一步被配置成指示一个或多个计算机处理器执行以下操作：
217.验证该图像的一个或多个验证参数。
218.cm.根据段落cl所述的基于计算机的系统，其中，验证这些验证参数包括：验证婴儿的存在、婴儿的姿势、比例对象的存在、相机相对于比例对象的取向和视角，以及相机相对于受试者的取向和视角中的任一者。
219.cn.根据段落aw至cm中任一项所述的基于计算机的系统，其中，这些计算机可执行指令进一步被配置成指示一个或多个计算机处理器执行以下操作：
220.提供对该受试者的该推荐预制一次性制品的购买路径的指示。
221.co.根据段落aw至cn中任一项所述的基于计算机的系统，其中，预制一次性制品是一次性尿布和一次性训练裤中的任一者。
222.cp.根据段落aw至co中任一项所述的基于计算机的系统，其中，从该远程移动计算装置接收的该图像是单个图像。
223.cq.一种基于计算机的方法，该方法包括：
224.存储多个一次性制品大小设定模型，该多个一次性制品大小设定模型对应于可供用于购买的相应的多个预制一次性制品；
225.接收由至少一个相机收集的图像，其中该图像包括受试者的表示，并且该受试者是预制一次性制品的消费者；
226.确定该图像的比例，该比例使该图像中的该受试者的该表示的尺寸与该受试者的物理尺寸相关；
227.通过图像处理来确定该图像中的该受试者的该表示的物理属性；
228.基于该图像的该比例和该受试者的该表示的这些物理属性，确定该受试者的多个贴合性参数；
229.由该一次性制品推荐计算系统基于该多个贴合性参数到该多个一次性制品大小设定模型中的该一个或多个一次性制品大小设定模型的应用确定该受试者的推荐预制一次性制品，其中该推荐预制一次性制品选自可供用于购买的该多个预制一次性制品；并且
230.由该一次性制品推荐计算系统提供对该受试者的该推荐预制一次性制品的指示。
231.本文所公开的量纲和值不应理解为严格限于所引用的精确数值。相反，除非另外指明，否则每个此类量纲旨在表示所述值以及围绕该值功能上等同的范围。例如，公开为“40mm”的量纲旨在表示“约40mm”。
232.除非明确排除或以其他方式限制，本文中引用的每一篇文献，包括任何交叉引用或相关专利或专利申请以及本技术对其要求优先权或其有益效果的任何专利申请或专利，均据此全文以引用方式并入本文。对任何文献的引用不是对其作为与本发明的任何所公开或本文受权利要求书保护的现有技术的认可，或不是对其自身或与任何一个或多个参考文献的组合提出、建议或公开任何此类发明的认可。此外，当本发明中术语的任何含义或定义与以引用方式并入的文献中相同术语的任何含义或定义矛盾时，应当服从在本发明中赋予该术语的含义或定义。
233.虽然已举例说明和描述了本发明的具体实施方案，但是对于本领域技术人员来说显而易见的是，在不脱离本发明的实质和范围的情况下可作出各种其他变化和修改。因此，本文旨在于所附权利要求中涵盖属于本发明范围内的所有此类变化和修改。