一种预测鞋码的方法、装置和系统以及计算机可读存储介质

专利主权项内容

1.一种预测鞋码的方法，其特征在于，包括以下步骤：鞋型确定步骤，接收来自个体对鞋的请求，确定鞋型；鞋特征向量获取步骤，根据所请求鞋的鞋型，确定多个与鞋码有关联的鞋特征向量，个体足特征向量获取步骤，通过测量获取所述个体的至少一只足的多个与鞋码有关联的足特征向量，预测步骤，通过预测模型根据所述多个鞋特征向量和所述多个足特征向量来为所述个体生成预测鞋码，其中，所述预测模型通过以下方法获得，对象脚数据采集步骤，采集多个不同对象的左足和右脚的3D数据，构建各个对象的3D脚模型，对象脚特征提取步骤：从各个对象的3D脚模型中提取多个与鞋码有关联的特定足部特征f构成N维特征向量F(f，f，…，f)；>>>鞋特征提取模块，从不同鞋款的3D鞋数据中提取多个与鞋码有关联的特定鞋特征l构成鞋特征向量L(l，l…l)；>>>聚类分析步骤：随机选择K个点作为初始的聚类中心点，计算每个足部特征f与K个聚类中心的距离，分到离其最近的聚类中心点所代表的类簇中，通过不断更新类簇中心点，确定脚型聚类，其中，各个所述足部特征f在聚类中的权重，采用相对熵作近似计算，包括；生成所述足部特征f的向量n代表特征个数, 1≤n≤N，按下式(1)，计算所述足部特征f的维度的高斯函数，其中为所有对象在该特征f上的值组成的向量，μ是高斯分布的期望值，σ是高斯分布的标准方差，>按照下式(2)计算各个所述足部特征f所组成的向量的相对熵/>以下式(3)作为相对熵权重的K-means公式，针对每一个足部特征f计算出关于K个聚类中心的特征向量F的中心值以及针对每一个足部特征f的相对熵加权的欧式距离，其中，h，h，h，…，h为对应维度的相对熵，F＝(f，f，…f)和F＝(f，f，…f)，123N111121N221222N偏好确定步骤：分析同一脚型分类中各所述对象对于不同鞋款的尺寸选择差异及确定该脚型分类的基本尺码SW。