Интеллектуальная система оценки параметров и рекомендации одежды по 3D-сканограммам потребителей Российский патент 2025 года по МПК G06F16/958 G06T15/00 

Область техники

Изобретение относится к области электронной дистанционной торговли. В частности, оно относится к средствам для дистанционного подбора предметов одежды для пользователей этой системы на основе 3D-сканограмм пользователей.

Уровень техники

Эпидемия, связанная с вирусом SARS-CoV-2 (COVID-19), и беспрецедентные меры, принятые государствами по сдерживанию распространения коронавирусной инфекции, стали одним из сильнейших изменений в индустрии розничной торговли (ритейла) за всю историю. Так, по оценкам аналитиков Сбербанка, за первую неделю карантина в России спрос на одежду упал на 94%. По оценкам McKinsey, падение выручки ритейлеров в 2020 году может достигнуть 27-30%. Произошло резкое перераспределение между каналами сбыта одежды (в 2019 году 70% продаж приходилось на офлайн-каналы, 30% - на онлайн-каналы) в связи с полным закрытием магазинов во многих странах.

Эти события привели к ухудшению финансового положения и банкротству многих ритейлеров, преимущественно ориентированных на офлайн-продажи. Прогнозируется, что введенные требования по безопасности (дезинфекция после каждой примерки, что приводит к быстрой потере товарного вида и росту издержек, ограничения по работе торговых залов т.д.), предъявляемые к офлайн-ритейлерам со стороны надзорных органов и покупателей, станут дополнительным стимулом для скорейшего внедрения технологий бесконтактной примерки. Несмотря на временный характер ограничительных и запретительных мер, долгосрочный тренд на рост доли онлайн-каналов сбыта за счет сокращения офлайн-каналов ускорится. Почти с самого начала кризиса наблюдается значительный рост интереса клиентов к мобильным решениям виртуальной примерки на базе смартфонов.

При этом на сегодняшний день не известно о коммерческой реализации системы дистанционной рекомендации при выборе одежды, формирующей рекомендации размера одежды конкретного бренда или рекомендации конкретного предмета одежды для ее приобретения или аренды.

Из патентного документа RU2615911C1 известны способ и система для построения реалистичного 3D-аватара покупателя для виртуальной примерочной. Это техническое решение принято в качестве ближайшего аналога. При этом документ RU2615911C1 носит, скорее, концептуальный характер и в нем не приводится численных параметров, характеризующих геометрическую модель аватара и подходы к ее построению.

Раскрытие изобретения

Система для рекомендации при выборе одежды содержит:

- устройство пользователя, содержащее фотокамеру, средство связи и графический интерфейс пользователя и выполненное с возможностью формирования изображений пользователя, передачи их серверу, получения рекомендаций от сервера и доведения рекомендаций до пользователя; и

- сервер, содержащий базу данных размерных признаков одежды, выполненный с возможностью получения от устройства пользователя изображений пользователя, формирования на их основе размерных признаков пользователя, сопоставления размерных признаков пользователя с размерными признаками одежды, сортировки результата сопоставления для формирования рейтинга посадки, формирования рекомендации и отправки рекомендации устройству пользователя.

Способ рекомендации при выборе одежды выполняется системой, содержащей устройство пользователя и сервер, и включает в себя следующие действия:

- формирование устройством пользователя изображений пользователя;

- передачу устройством пользователя изображений пользователя серверу;

- формирование сервером на основе изображений пользователя размерных признаков пользователя;

- сопоставление сервером размерных признаков пользователя с размерными признаками одежды;

- сортировку сервером результата сопоставления для формирования рейтинга посадки;

- формирование сервером рекомендации на основе результата сортировки;

- отправку сервером рекомендации устройству пользователя; и

- доведение устройством пользователя рекомендаций до пользователя.

Рекомендация при выборе одежды может представлять собой рекомендацию размера одежды конкретного бренда или рекомендацию конкретного предмета одежды.

Краткое описание чертежей

На фиг. 1 представлена блок-схема алгоритма согласно изобретению в режиме рекомендации размера одежды.

На фиг. 2 представлена блок-схема алгоритма согласно изобретению в режиме рекомендации предмета одежды.

На фиг. 3 представлен пример представления информации о посадке в системе согласно изобретению.

На фиг. 4 представлен пример визуализации для пользователя результатов обмеров в системе согласно изобретению.

На фиг. 5 представлена графическая иллюстрация метода grid search в двумерном пространстве.

На фиг. 6 представлена схема стратификации тестовой части набора данных на K частей.

На фиг. 7 представлена схема объединения рекомендаций от различных вариантов осуществления алгоритма рекомендации в системе согласно изобретению.

На фиг. 8 представлен пример алгоритма способа типирования мужчин по типу фигуры.

На фиг. 9 представлен пример алгоритма способа типирования женщин по типу фигуры.

Осуществление изобретения

Интеллектуальная система для рекомендации одежды по 3D-сканограммам потребителей в целом обеспечивает выполнение следующих функций:

- рекомендация одежды на основе сопоставления 3D-сканограмм людей и спецификаций/параметров одежды;

- типирование 3D-сканограмм людей по фигуре и цветовому профилю;

- рекомендация одежды на основе типирования 3D-сканограмм людей;

- совмещение детализированной сканограммы головы человека с параметрической моделью;

- фильтрация текстур 3D-сканограмм людей с применением методов машинного обучения;

- обеспечение визуализации 3D-сканограмм людей в рекомендованной одежде с использованием цифровых лекал.

Настоящее изобретение направлено на реализацию первой из приведенных выше функций - выработку рекомендаций одежды на основе сопоставления 3D-сканограмм людей и спецификаций или параметров предметов одежды.

Входные воздействия (сигналы, информационные данные, механические воздействия и т.п.), необходимые для выполнения интеллектуальной системой указанной функции: воздействие пользователя с помощью манипуляторов посредством человеко-машинного интерфейса, ввод исходных и производных данных 3D-сканограмм индивидуальных потребителей.

Выходные реакции (сигналы, информационные данные, действия и т.п.), обеспечиваемые продукцией в результате выполнения интеллектуальной системой указанной функции: предоставление потребителю рекомендации одежды.

В настоящем изобретении реализованы способ и система для рекомендации одежды на основе сопоставления 3D-сканограмм людей и определяемых по ним размерных признаков человека с параметрами одежды, получаемыми напрямую для каждого предмета одежды, либо извлекаемыми из спецификаций одежды (т.н. spec sheet), являющихся частью технологических пакетов (т.н. tech pack).

Способ и система согласно настоящему изобретению имеют возможность работать в двух режимах: в режиме рекомендации размера одежды и в режиме рекомендации предметов одежды. Рекомендации формируются путем сопоставления обмеров пользователя и размерных признаков предметов одежды или размерных сеток.

На фиг. 1 представлена блок-схема алгоритма в режиме рекомендации размера одежды. При работе в режиме рекомендации размера одежды алгоритм принимает на вход фронтальные и боковые фотографии пользователя в полный рост, сделанные с использованием специального держателя (поставки, штатива), и размерные сетки брендов, их типы и подтипы. Фотографии могут быть сделаны на любую фотокамеру, включая камеру мобильного телефона, планшета, ноутбука или иного мобильного устройства, камеру настольного компьютера, «умного телевизора», коммуникационного центра «умного дома» и т.д. Загрузка фотографий пользователя в систему может выполняться через мобильное устройство, компьютер, «умный телевизор» и т.д. и использованием интернет-соединения или альтернативных способов доставки изображения (например, MMS-сообщения).

Размерные сетки брендов, их типы и подтипы извлекаются из базы данных размерных сеток. Данные размерных сеток подвергаются парсингу, в результате которого формируется набор размерных признаков размерных сеток.

После поступления запроса на рекомендацию (например, через мобильное приложение или через приложение браузера на устройстве пользователя) система получает от пользователя данные, характеризующие фигуру пользователя, или извлекает эти данные из профиля пользователя. Такими данными, в общем случае, являются рост, вес, портретная фотография пользователя, по меньшей мере одна фронтальная фотография в полный рост и по меньшей мере одна боковая фотография в полный рост. На основании этих данных система определяет размерные признаки пользователя. Алгоритмы определения размерных признаков пользователя по фотографиям известны и не описываются здесь для краткости. В качестве примера можно привести международную заявку PCT/IB2020/053263 этого же заявителя, в которой описан алгоритм параметризации тела пользователя на основе набора его фотографий и все содержание которой включено в данную заявку посредством ссылки.

Дополнительно пользователь может ввести результаты традиционных обмеров тела (ширину плеч, длину руки, длину ноги, обхват груди, обхват талии и т.д.), которые могут прямо или косвенно учитываться при определении размерных признаков пользователя.

Затем размерные признаки размерных сеток сопоставляются с размерными признаками пользователя. На основе этого сопоставления вычисляется рейтинг посадки для каждой размерной сетки и результаты вычисления сохраняются в массиве рейтингов посадки.

Затем с учетом рейтингов посадки выполняется сортировка размеров, результаты которой сохраняются в отсортированном массиве рейтингов посадки.

После этого на основе ранее полученных данных определяется наиболее подходящий размер для данного пользователя и через интерфейс пользователя сообщается пользователю в текстовом и/или графическом и/или звуковом виде.

На фиг. 2 представлена блок-схема алгоритма в режиме рекомендации предметов одежды. При работе в режиме рекомендации предмета одежды алгоритм способа принимает на вход данные о конкретных целевых предметах одежды, включая их размеры. Работа этого алгоритма по существу подобна алгоритму в режиме рекомендации размера одежды и отличается тем, что рейтинг посадки определяется для целевых предметов одежды, а не просто для размеров в размерной сетке.

Алгоритмы сопоставления размерных признаков пользователя с размерными признаками размерных сеток и/или предметов одежды известны и не описываются здесь для краткости. В качестве примера можно привести международную заявку PCT/IB2020/053263 этого же заявителя, в которой описан алгоритм сопоставления размерных признаков пользователя с размерными признаками размерных сеток и предметов одежды и алгоритм ранжирования результатов такого сопоставления и все содержание которой включено в данную заявку посредством ссылки.

На фиг. 3 представлен пример представления информации о посадке, а на фиг. 4 представлен пример визуализации для пользователя результатов обмеров в системе согласно изобретению. Эти результаты обмеров показаны на фиг. 4 черным цветом, на практике в графическом интерфейсе пользователя они могут быть представлены в цвете, при этом цвет может нести информацию о степени соответствия соответствующих размерных признаков предмета одежды размерным признакам пользователя, например зеленый - подходит (размерный признак как раз «в пору»), красный - тесно (размерный признак «мал»), синий - свободно (размерный признак «велик»).

Поскольку в алгоритме используется множество гиперпараметров, в системе согласно изобретению реализована возможность произвести их точную настройку на основе размеченного набора данных. Для этого используется метод поиска по сетке (grid search). Этот метод выполняет полный перебор по заданному вручную подмножеству пространства гиперпараметров алгоритма. При использовании метода grid search необходимо делать перекрестную проверку на тренировочном наборе данных. Для этого набор данных разбивается пропорционально на K частей. После этого алгоритм выполняется на K-1 частях тренировочного набора данных, используя оставшуюся одну часть как валидационную.

На фиг. 5 представлена графическая иллюстрация метода grid search в двумерном пространстве, а на фиг. 6 - схема стратификации тестовой части набора данных на K частей.

Поскольку система производит разметку кластеров данных с наибольшей точностью, реализована возможность производить разметку на заранее вычисленных гиперпараметрах, а для повышения точности обеспечена также возможность смешивать результаты рекомендаций двух и более гиперпараметров. На фиг. 7 представлена схема объединения рекомендаций от различных вариантов осуществления алгоритма рекомендации в системе согласно изобретению.

Во многих случаях практического использования системы согласно изобретению качество входных данных, полученных от пользователя, оказывается недостаточным для надежной работы алгоритма рекомендации (данные могут быть неполными, ошибочными, иногда намеренно искаженными). Для снижения негативного влияния недостатков данных на результат рекомендации система дополнена возможностью выдачи рекомендаций с учетом типирования фигур пользователей.

Алгоритмы типирования необходимы для корректной рекомендации пользователю одежды по категории, фасону, материалу, цвету и т. д. Например, алгоритм не должен рекомендовать приталенную рубашку мужчине с выступающим животом: такая рубашка будет жать в животе и будет чрезмерно свободна в шее и плечах. Таким образом, алгоритм должен рекомендовать одежду, позволяющую компенсировать или скрыть недостатки телосложения, например, одежду прямого и свободного кроя. Мужчинам с атлетической фигурой, напротив, алгоритм должен рекомендовать приталенную одежду, так как она будет подчеркивать атлетический силуэт.

Внутри основных типов различают подтипы, каждый из которых несет признаки двух основных типов. Морфологическая характеристика телосложения мужчин по Бунаку представлена в табл. 1.

Таблица 1. Характеристика телосложения мужчин

№ п/п Типы телосложения мужчин Признаки Жироотложение Степень развития мышц Форма грудной клетки Форма живота Форма спины 1 Грудной Слабое Слабое Плоская Впалая Сутулая Грудно-мускульный Смешанные признаки I и II, с преобладанием признаков I типа Мускульно-грудной Смешанные признаки I и II, с преобладанием признаков II типа 2 Мускульный Умеренное Средняя Цилиндрическая Прямая ` Волнистая или прямая Мускульно-брюшной Смешанные признаки II и III, с преобладанием признаков II типа Брюшно-мускульный Смешанные признаки II и III, с преобладанием признаков III типа 3 Брюшной Обильное Слабая или средняя Коническая Округло-выпуклый Сутулая или волнистая

Морфологическая характеристика телосложения мужчин по Бунаку представлена в табл. 2.

Таблица 2. Характеристики типов телосложений женщин

Группа Название Типы Характеристики типов А Лептозомные- узкосложенные Астенический Слабое развитие мускулатуры и жироотложений; длинная, узкая грудная клетка; плоская грудь, впалый живот; узкие бедра Отенопластический Жироотложение хорошее. Подчеркнутые черты женственности Б Мезозомные- средние, широкосложенные Пикнический Среднее развитие мышц и жироотложений; цилиндрическая грудная клетка; живот прямой, слегка округлен; таз широкий. «Жировая красота». Мезопластический Близок к пикническому; больше мышц, меньше жира В Мегалозомные- большой, атлетический Атлетический Повышенное развитие мышц; повышенная степень жироотложений (напоминает типы телосложения мужчин) Субатлетический Средняя степень развития мускулатуры и жироотложений Эурипластический (громоздкий) Сильно развитая мускулатура и обильное жироотложение

В качестве примера на фиг. 8 и фиг. 9 представлен один из способов типирования человека- по типу фигуры: у мужчин (фиг. 8)- 3 типа фигуры, у женщин (фиг. 9)- 5 типов фигуры. За основные параметры приняты основные обмеры, такие как обхват груди, обхват талии и обхват бедер.

Определенные таким образом типы фигур используются для выработки рекомендаций одежды, представленные в табл. 3.

Таблица 3. Алгоритмизированные рекомендации по виду осанки

Тип осанки Стилистическая рекомендация Рекомендации по типологии для предприятий при проектировании изделий Рекомендуется Не рекомендуется наклонная - толстовка/худи
для визуальной коррекции фигуры
- трапециевидный крой юбок, либо просто более свободный крой
- предпочтителен свободный крой А-силуэта - обтягивающие (узкие) вещи (футболки, платья, рубашки, юбки и т. д.)
- модели с открытыми плечами
- узкие вещи с острыми плечиками на вточном рукаве - увеличение глубины проймы (АГ=Впрз+Пспр+Ос/4)
- плечевая выточка на спинке изделия (мягкая ткань- 2,5- 3 см, жесткая или сухая- 2-2,5 см)
- расстояние выточки А2И на плечевом шве (выточка располагается ближе к середине плечевого среза, длина вытачки ИИ2 = 6-9 см, линия ИИ2 прямая, И1И2 плавная кривая)
перегибистая - складки, вытачки и сборки на юбке
- драпировки на лифе
- юбки-клинки, юбки широкого кроя - прямой крой
- узкие юбки - распределение Пг (по спине (Пшс)- 25%, по полочке (Пшп)- 20%, по пройме (Ппр)- 55%)
- уменьшение глубины проймы
(АГ=Впрз+Пспр-Ос/4)

Таблица 4. Алгоритмизированные рекомендации по пространственному положению рук

Положение Рекомендации по типологии для предприятий при проектировании изделий Для фигуры с рукой, отклоненной к спинке Пройма спинки: уменьшение отрезка Г₁ 1 на 0,5 см
Пройма переда: увеличение биссектрисы угла Г₄ (линия Г₄2) на 0,5 см Для фигуры с рукой, отклоненной вперед Пройма спинки: увеличение отрезка Г₁ 1 на 0,3 см
Пройма переда: уменьшение биссектрисы угла Г₄ (линия Г₄2) на 0,3 см

Таблица 5. Алгоритмизированные рекомендации по высоте плеча

Тип Рекомендации по типологии для предприятий при проектировании изделий Высокие Поднятие линии плеча, уменьшение глубины проймы на шаблоне, перемещение контрольных точек, при спортивном телосложении- не уменьшение глубины проймы, а увеличение высоты оката рукава Покатые Опускание линии плеча, увеличение глубины проймы, восстановление контрольных точек Выступающие вперед Поднятие линии плача на полочке изделия, увеличение высоты оката рукава, проведение более выгнутой линии со стороны полочки

Таблица 6. Алгоритмизированные рекомендации по форме нижних конечностей

Форма конечности Изображение Стилистические рекомендации Рекомендуется Не рекомендуется О-образная (варусная) - юбки с длиной макси или длиной до колена
- расклешенные, широкие брюки - расклешенные юбки Х-образная (вальгарусная) - расклешенные к низу платья
- брюки свободного прямого покроя или с плавным клешем от колен
- юбка-годе - расклешенные к низу брюки или джинсы
- юбка-карандаш
- рисунки вдоль штанин П-образная - юбка-годе, трапециевидная юбка, юбка-карандаш, просторная макси-юбка, прямая юбка-миди, юбка-татьянка длиной чуть ниже колена
- прямые классические брюки со стрелками
- брюки с расширение от бедра - шорты длиной чуть выше колена
- мини-юбка «пояс» (выше 20 см от колена)
- пышная мини-юбка

Алгоритмы рекомендаций на основе типирования тела человека по базовым размерным признакам опирается на следующие принципы. При массовом производстве одежда изготавливается не на индивида, а на небольшое количество типов фигур, которое обеспечивает антропометричной одеждой все исходное множество вариантов фигур потребителей. Отсюда основная цель размерной типологии - выделение ограниченного количества типов фигур по сочетанию размерных признаков, которые обеспечивают максимальную удовлетворенность населения антропометричной одеждой. По расчетам М. В. Игнатьева для достижения удовлетворенности потребителя одеждой по двум ведущим признакам необходимо выпускать 25 номеров одежды. Для достижения той же удовлетворенности при трех ведущих признаках необходимо 125 номеров, а учет пяти ведущих признаков требует более 1000 номеров одежды.

Степень связи между двумя признаками измеряется коэффициентом корреляции r_ху, который определяется по следующей формуле:

Для ряда видов одежды в качестве ведущих размерных признаков выбираются те из них, антропометричность одежды с которыми является наиболее приоритетной. Так, для сорочки мужской наиболее приоритетным является обхват шеи, а для бюстгальтеров - обхват груди.

Таблица 7. Ведущие размерные признаки, определяемые алгоритмами рекомендаций, и их пограничные значения

Наименование ведущего размерного признака Значения ведущих размерных признаков по половозрастным признакам Взрослое население Детское население Мужчины Женщины Мальчики Девочки Рост
Обхват груди третий
Обхват талии
Обхват бедер 158-188
84-128
66-134
- 146-176
84-136
-
92-152 62-188
40-104
51-90
- 62-176
40-104
51-84
-

Важным этапом алгоритмов рекомендаций является установление интервала между соседними номерами типовых фигур. Значения интервалов для размерных признаков тела установлены стандартом и составляют 3,5-4,5 % от величины размерного признака. В российской швейной промышленности межразмерный интервал по обхватам груди, талии и бедер принят равным ±2 см, по длине тела ±3 см. Межполнотный интервал по обхвату бедер и талии взрослого населения равен ±2 см, а у детей по обхвату талии ±3 см.

При решении задачи определения оптимального числа типов фигур был взят трехсигмовый предел, в качестве типовых выделены все фигуры, частота встречаемости которых составляет не менее 0,1 % (не реже, чем один человек на тысячу). Таким образом, было установлено 360 типов фигур для мужского населения и 509 типов - для женского населения. Стандартом России для производства одежды установлены 172 типовые фигуры мужчин и 137 типовых фигур женщин. Для каждого типа установлена частота встречаемости в целом по стране и по отдельным регионам.

ОСТ 17-326-81 устанавливает для производства женской одежды 137 типов фигур, которые делятся на 4 пол нотные, 9 размерных и 3 возрастные подгруппы.

Полнота устанавливается как разница между Об и Огш, равная:

I группа - 4 см - малая полнота;

II группа - 8 см - средняя полнота;

III группа - 12 см - большая полнота;

IV группа - 16 см - очень большая полнота.

Весь диапазон размеров от 88 до 136 (13 номеров) разбит на три подгруппы: малых размеров 88-104, больших размеров 108-120 и особо больших размеров 124-136.

Первая полнотная группа включает только группу малых размеров, вторая - все три подгруппы, третья - подгруппу малых и больших размеров и четвертая - подгруппу малых размеров, таким образом, весь диапазон типоразмеров в женской типологии содержит 7 подгрупп.

Для женщин предусмотрено стандартом 6 ростов от 146 до 176 см, причем 6-й рост (176 см) предусматривается только для VII размерной группы 1-й полнотной подгруппы.

Каждой полнотной группе соответствует определенное сочетание возрастных групп.

Типология мужского населения представлена ОСТ 17-325-86 «Изделия швейные, трикотажные, меховые. Фигуры мужчин типовые. Размерные признаки для проектирования одежды».

Стандарт устанавливает для производства одежды 172 типовые фигуры, сгруппированные в 5 полнотных групп и два полнотных ряда. В первый ряд включены размеры от 84 до 104, во второй - от 108 до 128.

Для установления типовых фигур интервал по росту принят равным ±3 см, по обхвату груди +2 см, по обхвату талии ±2 см. Межполнотный интервал по обхвату талии равен ±3 см.

Маркировка одежды ведется тремя цифрами: первая обозначает рост, вторая - полный обхват груди Ш и третья цифра - полный обхват бедер для женщин и талии для мужчин и детей, например: 158-96-100 обозначает Ш рост, 48 размер, 1-ю полноту (для женщин).

Все фигуры женщин по признаку Огш поделены на три размерные серии: малых размеров 76-104, средних 104-128 и больших 128-146 см.

Межразмерный интервал для фигур с Огш от 76 до 104 см составляет 4 см, а от 104 до 128 - 6 см.

По ростам выделено всего 3 подгруппы: малый - 156 см, средний - 164 см и большой - 172 см. Интервал по росту - 8 см.

Полноту определяют как разницу между Об и Огщ, т.е. П = Об - Огш. Различают три полноты: малую Пм = 0, среднюю Пс = 6 см и большую Пб = 12 см.

Таблица 8. Нумерация женской одежды для фигуры среднего телосложения

Страна Номер одежды Россия 40 42 44 46 48 50 52 54 56 58 Европа 34 36 38 40 42 44 46 48 50 52 США 6 8 10 12 14 16 18 20 22 Международная XS S M L XL XXL XXXL

Таблица 9. Нумерация мужской одежды для фигур нормального телосложения

Страна Номера одежды Верхняя одежда Россия 44 46 48 50 52 54 56 58 Европа 44 46 48 50 52 54 56 58 Международная S M L XL XXL XXL XXXL XXXXL Сорочки по обхвату шеи Россия 39 40 41 42 43 44 45 46 Европа 15 1\2 16 16 1\2 17 17 1\2 18 Международная S M L XL XXL XXXL

Одежда изготавливается на фигуры ростом от 162 до 190 см. Межростовый интервал принят равным 6 см. В соответствии с этим установлено 5 ростовых групп:

Очень короткий Р - 162 см,

Короткий S - 168 см,

Средний М - 174 см,

Длинный L - 180 см,

Очень длинный XL - 186 см.

Пример: Спортивная атлетическая фигура долихоморфного типа пропорций тела. В группу входят фигуры от 44 до 52 размера, от 168 до 190 см роста (8-Х). Базовая фигура: 50, 8 / 174.

Пример реализации алгоритма анализа фигуры у женщин

1. Тип фигуры (соотношение талии и бедер: прямой, полуприталенный, приталенный)

2. Рост: (до 165 - низкий, 166-172 - средний, 173 и выше - высокий)

3. Длина туловища: АF=FK пропорциональное телосложение. АF длиннее - удлиненный торс, FK длиннее - ноги длиннее торса.

4. Размер груди: если разница между обхватом груди и обхватом под грудью меньше 8 см, то грудь S, если больше 18 см, то L.

5. Ширина плеч и ширина бедер

Пропорциональные: бедра шире до 2,5 см

Больше 2,5 см: коррекция бедер

Меньше 2,5 см: коррекция плеч

6. Длина руки: пропорциональная (сгиб локтя на уровне талии), удлиненная - рекомендуются аксессуары/многослойность, укороченная - не рекомендуются горизонтальные акценты

7. Высота лица и высота шеи

a. Пропорциональная: 2/3 высоты лица

b. Укороченная: меньше 2/3

c. Удлиненная: больше 2/3d. Пример реализации алгоритма анализа фигуры у мужчин

1. Тип фигуры:

a. Треугольник: плечи шире бедер

b. Прямоугольник: объем плеч, талии и бедер в пределах ε

c. Перевернутый треугольник: бедра шире плеч

d. Округлая: обхват живота выше заданного порога

2. Рост:

a. до 172: низкий

b. 173-176: средний

c. 177 и выше: высокий

3. Длина туловища:

a. Пропорциональное туловище: AF=FK

b. Удлиненный торс: AF>FK

c. Удлиненные ноги: AF<FK

При осуществлении варианта реализации изобретения описанная выше система имела следующие показатели:

- время обеспечения рекомендации одежды на основе сопоставления 3D-сканограмм людей и спецификаций/параметров одежды (от момента получения 3D-сканограммы до момента выдачи рекомендации): до 10 минут;

- параметр точности сопоставления 3D-сканограмм людей и спецификаций/параметров одежды - средняя ошибка сопоставления: до 3 см;

- mAP (Mean Average Precision, средняя нормальная точность) алгоритма машинного обучения рекомендательной системы: 0,8;

- RMSE (Root-Mean-Square Error, среднеквадратичное отклонение) алгоритма машинного обучения рекомендательной системы: до 5 см;

- MAE (Mean Absolute Error, среднее абсолютное отклонение) алгоритма машинного обучения рекомендательной системы: до 3 см;

- глубина нейронной сети алгоритма машинного обучения рекомендательной системы: 18 слоев.

Изобретение относится к области электронной дистанционной торговли, в частности к средствам для дистанционного подбора предметов одежды для пользователей этой системы на основе 3D-сканограмм пользователей. Заявленная система для рекомендации при выборе одежды содержит: устройство пользователя, содержащее фотокамеру, средство связи и графический интерфейс пользователя и выполненное с возможностью формирования изображений пользователя, передачи их серверу, получения рекомендаций от сервера и доведения рекомендаций до пользователя; и сервер, содержащий базу данных размерных признаков одежды, выполненный с возможностью получения от устройства пользователя изображений пользователя, формирования на их основе размерных признаков пользователя, сопоставления размерных признаков пользователя с размерными признаками одежды, сортировки результата сопоставления для формирования рейтинга посадки, формирования рекомендации и отправки рекомендации устройству пользователя. Причем в указанной системе применяются ведущие размерные признаки пользователя, выбранные из всех размерных признаков пользователя, для определения типовых фигур мужчин и типовых фигур женщин, при этом степень связи между признаками x и y измеряется коэффициентом корреляции r_ху. Технический результат - создание системы дистанционной рекомендации при выборе одежды потребителей. 2 н. и 12 з.п. ф-лы, 9 ил.

1. Система для рекомендации при выборе одежды, содержащая:

устройство пользователя, содержащее фотокамеру, средство связи и графический интерфейс пользователя и выполненное с возможностью формирования изображений пользователя, передачи их серверу, получения рекомендаций от сервера и доведения рекомендаций до пользователя; и

сервер, содержащий базу данных размерных признаков одежды, выполненный с возможностью получения от устройства пользователя изображений пользователя, формирования на их основе размерных признаков пользователя, сопоставления размерных признаков пользователя с размерными признаками одежды, сортировки результата сопоставления для формирования рейтинга посадки, формирования рекомендации и отправки рекомендации устройству пользователя,

отличающаяся применением ведущих размерных признаков пользователя, выбранных из всех размерных признаков пользователя, для определения типовых фигур мужчин и типовых фигур женщин, при этом степень связи между признаками x и y измеряется коэффициентом корреляции r_ху, определяемым по следующей формуле:

где – математическое ожидание значения признака x, – математическое ожидание значения признака y, σ_x – величина среднеквадратичного отклонения значения признака x, σ_y – величина среднеквадратичного отклонения значения признака y, n = 3.

2. Система по п. 1, в которой ведущие размерные признаки пользователя при определении типовых фигур мужчин и типовых фигур женщин по меньшей мере частично отличаются.

3. Система по п. 1, в которой применено 360 типовых фигур мужчин и 509 типовых фигур женщин, основанных на ведущих размерных признаках пользователя.

4. Система по п. 1, в которой рекомендация представляет собой рекомендацию размера одежды конкретного бренда.

5. Система по п. 1, в которой рекомендация представляет собой рекомендацию конкретного предмета одежды.

6. Система по п. 1, в которой отправляемая устройству пользователя рекомендация формируется из нескольких рекомендаций.

7. Система по п. 1, в которой размерные признаки пользователя формируются сервером с учетом результатов типирования фигуры пользователя.

8. Способ рекомендации при выборе одежды, выполняемый системой, содержащей устройство пользователя и сервер, включающий в себя следующие действия:

формирование устройством пользователя изображений пользователя;

передачу устройством пользователя изображений пользователя серверу;

формирование сервером на основе изображений пользователя размерных признаков пользователя;

сопоставление сервером размерных признаков пользователя с размерными признаками одежды;

сортировку сервером результата сопоставления для формирования рейтинга посадки;

формирование сервером рекомендации на основе результата сортировки;

отправку сервером рекомендации устройству пользователя; и

доведение устройством пользователя рекомендаций до пользователя,

отличающийся применением ведущих размерных признаков пользователя, выбранных из всех размерных признаков пользователя, для определения типовых фигур мужчин и типовых фигур женщин, при этом степень связи между признаками x и y измеряется коэффициентом корреляции r_ху, определяемым по следующей формуле:

где – математическое ожидание значения признака x, – математическое ожидание значения признака y, σ_x – величина среднеквадратичного отклонения значения признака x, σ_y – величина среднеквадратичного отклонения значения признака y, n = 3.

9. Способ по п. 8, в котором ведущие размерные признаки пользователя при определении типовых фигур мужчин и типовых фигур женщин по меньшей мере частично отличаются.

10. Способ по п. 8, в котором применено 360 типовых фигур мужчин и 509 типовых фигур женщин, основанных на ведущих размерных признаках пользователя.

11. Способ по п. 8, в котором рекомендация представляет собой рекомендацию размера одежды конкретного бренда.

12. Способ по п. 8, в котором рекомендация представляет собой рекомендацию конкретного предмета одежды.

13. Способ по п. 8, в котором отправляемая устройству пользователя рекомендация формируется из нескольких рекомендаций.

14. Способ по п. 8, в котором размерные признаки пользователя формируются сервером с учетом результатов типирования фигуры пользователя.