CN110348529B - 一种智能的衣服流行风格预测方法与*** - Google Patents

Abstract

本发明提供一种智能的衣服流行风格预测方法与***，主要包括获取当前热播的电视及电影综艺节目；通过预设的潮流影视明星和主角的名单，获取带有明星的镜头片段；根据明星穿着的衣服；获取合并视频中衣服最完整的帧，对衣服进行提取；根据衣服长度、颜色、款式、质地、花纹特征，对所述明星穿的衣服进行风格特征提取，对奇装异服进行去除，根据衣服风格特征进行聚类；根据聚类后形成的多个类别，进行类别排序；根据所述明星衣服风格流行度排序，针对类似风格和设计，进行服装设计或者物料进货量的预测本发明能够对未来服饰风格和衣服的进货量进行把控和预测，协助设计师进行衣服设计。

Description

一种智能的衣服流行风格预测方法与***

技术领域

本发明涉及计算机应用技术领域，尤其涉及一种智能的衣服流行风格预测方法与***。

背景技术

在衣服设计过程中，不仅仅需要设计师的独特设计，也要符合社会的潮流方向。而引领潮流的除了比较小众的服装梯台，还有大众明星的穿衣风格。相比之下，当代电视剧、电影等受众更多，因此比较容易形成对偶像的崇拜和跟风。当前的淘宝服装广告等，也经常会看到打着‘该衣服是刘诗诗同款’等标语。由此可见，电影明星的衣着打扮对服装潮流的走向有着较大的影响力。不过，普通演员并无法达到这种偶像崇拜的效果，因此他们的穿着的衣服并不能用于流行风格的预测。

时尚主题的电视电影主角的穿衣搭配风格会影响潮流，通过多大量电视和视频网站上，主人公或者影视明星的衣服穿着，预测接下去的衣服流行风格，为生产和市场需求做准备。

发明内容

本发明提供了一种智能的衣服流行风格预测方法，主要包括以下步骤：

获取当前热播的电视及电影综艺节目；通过预设的潮流影视明星和主角的名单；获取明星人脸，并对节目中的人物进行人脸识别，获取明星镜头；

根据明星镜头，获取他们穿着的衣服；根据衣服，对多个视频片段进行合并，获取合并视频中衣服最完整的帧，对衣服进行提取；

根据衣服长度、颜色、款式、质地、花纹特征，对明星穿的衣服进行风格特征提取，根据衣服风格特征进行聚类。

根据聚类后形成的多个类别，进行类别排序；其中，所述类别排序是指，每一个聚类后的类别都代表一种风格的衣服；计算所述每一个类别的数量，计算数量比重，进行类别排序，获得明星衣服风格流行度排序。

根据所述明星衣服风格流行度排序，针对类似风格和设计，进行服装设计。

进一步可选地，如上所述的方法中，所述获取当前热播的电视及电影综艺节目；通过预设的潮流影视明星和主角的名单，主要包括：

获取当前网络各大影视排行榜，对排行榜进行统计分析，获得当前热播的电视及电影节目；

通过获取百度搜索风云榜接口，获得当前男女演员排行榜，获取最前面的top n个明星；

进一步可选地，如上所述的方法中，所述获取明星人脸，并对节目中的人物进行人脸识别，获取明星镜头，根据明星镜头，获取他们穿着的衣服，主要包括：

对视频中的人物进行人脸识别，获取具有所述明星的视频片段，

根据视频中人物穿着衣服，对片段进行合并。

所述片段合并是指，识别多个视频片段中，所述明星是否穿着同一件衣服，若是，则将多个视频片段进行合并。

进一步可选地，如上所述的方法中，所述识别多个视频片段中，明星是否穿着同一件衣服，主要包括：

通过图像识别技术，在第一视频和第二视频中提取明星穿着的衣服，采用opencv或者matlab提取视频帧中衣服的颜色特征、灰度特征、纹理特征，针对所述三种特征的特征向量；计算特征向量的相似度，若两个视频的相似度大于一定的阈值，则认定第一视频与第二视频穿着的是同一件衣服。

进一步可选地，如上所述的方法中，所述获取合并视频中衣服最完整的帧，对衣服进行提取，主要包括：

针对合并后的视频，抽取视频中能够拍摄到明星全身的帧，

若无法抽取明星的全身视频帧，抽取能够观测到的衣服面积最大的帧；

抽取明星身上穿着的衣服，根据拍摄到多个角度的衣服，获取衣服在各个角度的特征，包括长度、颜色、款式、质地、花型。

进一步可选地，如上所述的方法中，所述根据衣服各部位长度、颜色、结构、质地、花型特征，对明星穿的衣服进行风格特征提取，主要包括：

抽取视频中衣服，计算衣服各部位的长度和各部件之间的比例；

对衣服颜色进行提取，转换成rgb值；

对衣服质地进行分析，包括通过opencv软件提取表面皱纹数量，判断是柔软型还是挺爽型；通过提取衣服表面反光程度，判断是光泽型还是暗淡型；

根据对衣服上的花朵进行花朵图片识别，获取花型大小、颜色、位置特征；

进一步可选地，如上所述的方法中，所述根据衣服风格特征进行聚类，主要包括：

根据长度、颜色、结构、质地、花型特征，进行特征提取，构建特征矩阵，根据特征，采用scikit-learn软件的birch聚类技术，进行风格聚类，将具有相似风格的衣服聚合到一起。

进一步可选地，如上所述的方法中，所述根据聚类后形成的多个类别，进行类别排序，主要包括：

根据百度百科对款式的分类方法，对款式进行分类，主要包括典雅系列、印花系列、时尚系列、晚装系列、休闲系列、运动系列；

根据款式分类，获取各个系列的网上衣服样本，训练款式分类模型，对需要进行衣服进行分类；

针对每一种分类好的衣服类别，再进行一次聚类，获得该分类类别下的流行度排序。

进一步可选地，如上所述的方法中，所述根据所述明星衣服风格流行度排序，针对类似风格和设计，进行服装设计，主要包括：

根据明星衣服风格流行度排序，预测当年各类型和风格的需求量比重，根据需求量比重，进购衣服原材料比重，进行衣服制作；

根据明星衣服风格流行度排序，设计师针对性的抽取最流行的设计风格，在新衣服中加入流行元素。

本发明公开了一种基于影视明星穿着的衣服流行风格预测***，所述***包括：

影视节目与明星获取模块，用于获取最流行时尚的影视节目与影视明星；

明星衣服获取模块，用于识别明星并识别明星穿着的衣服；

衣服特征提取模块，用于提取明星的衣服特征；

风格流行度排序模块，用于根据明星衣服风格穿着的数量，判断哪种风格更被明星穿得更多；

预测与设计模块，用于根据预测的流行风格，改进物料进货和衣服的设计；

本发明实施例提供的技术方案可以包括以下有益效果：

本发明通过获取影视明星的穿衣风格，预测因为偶像效应，可能导致的衣服风格的流行，本发明能排除明星穿奇装异服所产生的不准确影响，预测未来的流行因素。可以对工厂对穿衣服料采购的判断和服装设计师对未来服饰风格的把控起到预测和协助的作用。

附图说明

图1为本发明的智能的衣服流行风格预测方法实施例的流程图；

图2为本发明的智能的衣服流行风格预测***实施例的结构图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。

图1为本发明的基于视频主角识别的衣服流行风格预测方法的流程图。如图1所示，本实施例的基于视频主角识别的衣服流行风格预测方法，具体可以包括如下步骤：

步骤101，获取现代影视电影和当红明星。

获取当前网络各大影视排行榜，对排行榜进行统计分析，获得当前热播的电视及电影节目；通过电影类型接口，获取现代片和都市片。因为只有都市片类型的电影电视或综艺节目，里面的服装才会是当前潮流相对应的，现代人不可能会学习古装剧里面的装扮，即便学习了，也并不会形成潮流。

通过获取百度搜索风云榜接口，获得当前男女演员排行榜，获取最前面的top n个明星；明星热度越高，他/她成为人们偶像并被模仿的概率越高。而且，这种模仿是随时代而变化的。就像三十年前，人们会更多模仿港澳台明星例如刘德华、郭富城等明星的穿衣和头发中分的发型。而现代更多模仿当红明星，如杨紫、tf-boy等现代明星的时装模样。不再跟随旧明星的时装及发型等。

步骤102，获取明星人脸，并对节目中的人物进行人脸识别，获取明星镜头，根据明星镜头，获取他们穿着的衣服。

对视频中的人物进行人脸识别，获取具有所述明星的视频片段。人脸识别是成熟的技术方法，属于公知技术，只要在网上获取到明星的人脸照片，就可以在视频中，对明星人脸进行视频跟踪，获得具有该明星镜头的所有视频片段。

根据视频中人物穿着衣服，对片段进行合并。

视频片段的合并是指，识别多个视频片段中，检测明星是否穿着同一件衣服，若是，则将多个视频片段进行合并。多个视频合并能够在接下去的分析中，一方面将同一件衣服进行总体分析，另一方面避免有一些能够展现明星衣服全貌镜头被漏掉。

识别多个视频片段中，明星是否穿着同一件衣服的方法包括：

通过图像识别技术，在第一视频和第二视频中提取明星穿着的衣服，采用opencv或者matlab提取视频帧中衣服的颜色特征、灰度特征、纹理特征这三种特征向量；计算特征向量的相似度，若两个视频的相似度大于一定的阈值，则认定第一视频与第二视频穿着的是同一件衣服。

步骤103，获取合并视频中衣服最完整的帧，对衣服进行提取。

针对合并后的视频，抽取视频中能够拍摄到明星全身的帧，

若无法抽取明星的全身视频帧，则抽取能够观测到的衣服面积最大的帧；这个搜索过程，通过分析各个帧中，衣服能够被镜头拍摄到的最大面积，对镜头进行筛选。因为只有拍摄的角度好，能够完整拍摄到衣服，才能更好的对明星身上的衣服进行分析。

抽取视频中衣抽取明星身上穿着的衣服，根据拍摄到多个角度的衣服，获取衣服在各个角度的特征，包括长度、颜色、款式、质地、花型。

步骤104，根据衣服各部位长度、颜色、结构、质地、花型特征，对明星穿的衣服进行风格特征提取。

通过拍摄到的衣服的视频帧，根据该明星在网上可以获得的身高体重，可以推算出获取他/她穿着的衣服各个部位的长度及比例。根据视频帧可以进一步分析出衣服颜色及颜色搭配，衣服质地、花型等。具体方法包括：

计算衣服各部位的长度和各部件之间的比例；

对衣服颜色进行提取，转换成rgb值；

对衣服质地进行分析，包括通过openvc软件提取表面皱纹数量，判断是柔软型还是挺爽型；通过提取衣服表面反光程度，判断是光泽型还是暗淡型；

根据对衣服上的花朵进行花朵图片识别，获取花型大小、颜色、位置特征；

这些特征都从各个角度构造了衣服的细节特征，可以很好的区分不同衣服之间的风格特点。

步骤105，对奇装异服进行去除。

根据长度、颜色、结构、质地、花型特征，提取特征，对于特征具有明显差异的奇装异服，进行去除；有些综艺节目，明星歌星等，穿着奇特，这种衣服也只是适合极少部分人，很难形成时尚潮流，因此当红明星穿着的奇装异服，属于所有衣服流行风格预测中的噪音数据。应该进行去除。

奇装异服的识别方法主要是判断当前衣服与传统衣服的特征差异，例如传统衣服有99%袖子都是适合手臂宽度的长度大小的。而当前的衣服宽度是正常手臂宽度的30倍，则超出了正常范围。或者传统的衣服，衣领都是在脖子处长度只有三四厘米，而该明星的衣领延伸到头部，长度有10厘米，则说明衣服太过特异，这样的衣服应该被排除出去。总之，当差异大于一定阈值时，判断为奇装异服，应该进行去除。

步骤106，对衣服根据款式，进行分类，然后再针对分类后的每一个细分类别，再进行聚类。对聚类形成的多个类别，进行类别排序，这个过程，主要包括：

根据百度百科对款式的分类方法，对款式进行分类，主要包括典雅系列、印花系列、时尚系列、晚装系列、休闲系列、运动系列；

根据款式分类，获取各个系列的网上衣服样本，这些样本包含了各种***的衣服类型，通过人工打标签，获得各种类别的训练数据，然后通过这些数据，训练款式分类模型；该分类模型可以采用深度学习算法进行构建，通过预先训练好的衣服风格分类模型，对衣服进行分类，获得明星穿的每一个衣服类型的款式。

接着，首先对明星的衣服进行分类；进行分类的原因，在于不同款式之间的衣服，虽然能够进行数量多少的比较，但是这种比较不够精准，比较难以客观的表现各种衣服款式一间的差异。而如果先对款式分类，例如只针对明星穿的不同的晚装来进行风格比较，就能针对晚装系列的类型，更加可能形成流行的款式进行预测。如果不先分类，那么晚装跟运动服进行比较，会导致比较结果不够精准。

接下去，针对每一种分类好的衣服类别，再进行一次聚类，获得该分类类别下的流行度排序。聚类的特征除了上面已经获得的长度、颜色、结构、质地、花型，同样的道理还可以加入包括衣领、袖子、裤腿、口袋、纽扣、腰带、裙角等，更多细致的特征。这样可以使聚类样本的差异更大，更有办法进行精准的聚类分析。

对上述说到的各种特征进行特征提取，构建特征矩阵，采用scikit-learn软件的birch聚类技术，进行风格聚类，将具有相似风格的衣服聚合到一起。并且根据聚合后的各个类别的数量，进行排序。获得明星穿着最多的款式，它们将有可能成为最流行的衣服风格。

这个过程的具体实施例，例如，经过***自动分类后，在视频中所有明星穿的晚装类别，总个有1000件晚装衣服，那么需要对这1000件晚装的衣服，再次进行一次聚类，使晚装风格也得到进一步的风格差异的聚合。例如聚合成了8个类别，分别为533件，234件，109件，65件，24件，23件，9件，3件， 那么就能够识别出，第一个最大的类别有533件的风格，是当年晚装风格最可能的流行类别。

步骤107，根据明星衣服风格流行度排序，针对类似风格和设计，进行服装设计，或者物料进货规划。

根据明星衣服风格流行度排序，预测当年各类型和风格的需求量比重，根据需求量比重，进购衣服原材料比重，进行衣服制作；

根据明星衣服风格流行度排序，设计师针对性的抽取最流行的设计风格，在新衣服中加入流行元素。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例可以通过软件实现，也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解，上述实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (5)

1.一种智能的衣服流行风格预测方法，其特征在于，所述方法包括：

获取当前热播的电视及电影综艺节目；通过预设的潮流影视明星和主角的名单，获取所述明星人脸；并对节目中的人物进行人脸识别，获取带有明星的镜头片段；

根据明星镜头片段，获取所述明星穿着的衣服；根据相同的衣服，对多个视频片段进行合并，获取合并视频中衣服最完整的帧，对衣服进行提取；针对合并后的视频，抽取视频中能够拍摄到明星全身的帧，

若无法抽取明星的全身视频帧，抽取能够观测到的衣服面积最大的帧；

抽取明星身上穿着的衣服，根据拍摄到多个角度的衣服，获取衣服在各个角度的特征，包括长度、颜色、款式、质地、花型；

根据衣服长度、颜色、款式、质地、花型特征，对所述明星穿的衣服进行风格特征提取，包括抽取视频中衣服，计算衣服各部位的长度和各部件之间的比例；

对衣服颜色进行提取，转换成rgb值；

对衣服质地进行分析，包括通过opencv软件提取表面皱纹数量，判断是柔软型还是挺爽型；通过提取衣服表面反光程度，判断是光泽型还是暗淡型；

根据对衣服上的花朵进行花朵图片识别，获取花型大小、颜色、位置特征；

根据长度、颜色、结构、质地、花型特征，提取特征，对于特征具有明显差异的奇装异服，进行去除；

所述奇装异服的识别方法包括，判断当前衣服与传统衣服的特征差异，当差异大于一定阈值时，判断为奇装异服，应该进行去除；

去除奇装异服之后，根据衣服风格特征进行聚类；

根据所述提取特征，构建特征矩阵，采用scikit-learn软件的birch聚类技术，进行风格聚类，将具有相似风格的衣服聚合到一起；

获得明星衣服风格流行度排序，包括根据百度百科对款式的分类方法，对款式进行分类，包括典雅系列、印花系列、时尚系列、晚装系列、休闲系列、运动系列；

根据款式分类，获取各个系列的网上衣服样本，训练款式分类模型，对需要分类的衣服进行分类；

针对每一种分类好的衣服类别，再进行一次聚类，获得该分类类别下的流行度排序；

根据明星衣服风格流行度排序，预测当年各类型和风格的需求量比重，根据需求量比重，进购衣服原材料比重，进行衣服制作；

根据明星衣服风格流行度排序，设计师针对性的抽取最流行的设计风格，在新衣服中加入流行元素。

2.根据权利要求1所述的方法，其中，所述获取当前热播的电视及电影综艺节目；通过预设的潮流影视明星和主角的名单，获取明星人脸，包括：

获取当前网络各大影视排行榜，对排行榜进行统计分析，获得当前热播的电视及电影节目；通过影视类型接口，获取现代片和都市片的影视类型；

通过获取百度搜索风云榜接口，获得当前男女演员排行榜，获取最前面的n 个明星；并获取明星的人脸图片。

3.根据权利要求1所述的方法，其中，所述对节目中的人物进行人脸识别，获取明星镜头，根据明星镜头，获取所述明星穿着的衣服，包括：

对视频中的人物进行人脸识别，获取具有所述明星的视频片段，

根据视频中人物穿着衣服，如果衣服相同，则对片段进行合并；

所述片段合并是指，识别多个视频片段中，所述明星是否穿着同一件衣服，若是，则将多个视频片段进行合并。

4.根据权利要求3所述的方法，其中，所述识别多个视频片段中，明星是否穿着同一件衣服，包括：

通过图像识别技术，在第一视频和第二视频中提取明星穿着的衣服，采用opencv或者matlab提取视频帧中衣服的三种特征：颜色特征、灰度特征、纹理特征，针对以上三种特征的特征向量；计算特征向量的相似度，若两个视频的相似度大于一定的阈值，则认定第一视频与第二视频穿着的是同一件衣服。

5.一种基于视频主角识别的衣服流行风格预测***，其特征在于，应用如权利要求1所述的一种智能的衣服流行风格预测方法，所述***包括：

影视节目与明星获取模块，用于获取最流行时尚的影视节目与影视明星；

明星衣服获取模块，用于识别明星并识别明星穿着的衣服；

衣服特征提取模块，用于提取明星的衣服特征；

风格流行度排序模块，用于根据明星衣服风格穿着的数量，判断哪种风格被明星穿得更多；

预测与设计模块，用于根据预测的流行风格，改进物料进货和衣服的设计。

Images