基于工作场景的服饰色彩定位大数据智能评估方法.pdf

《基于工作场景的服饰色彩定位大数据智能评估方法.pdf》由会员分享，可在线阅读，更多相关《基于工作场景的服饰色彩定位大数据智能评估方法.pdf（9页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010187248.9 (22)申请日 2020.03.17 (71)申请人 李照宇 地址 618300 四川省成都市武侯区高新区 盛邦街333号7栋1单元902号 (72)发明人 李照宇 (74)专利代理机构 成都聚蓉众享知识产权代理 有限公司 51291 代理人 张辉 (51)Int.Cl. G06F 17/00(2019.01) (54)发明名称 一种基于工作场景的服饰色彩定位大数据 智能评估方法 (57)摘要 本发明公开一种基于工作场景的服饰色彩 定位大数据智能评估。

2、方法， 包括以下步骤： a、 构 建色彩组； b、 构建色号组； c、 搭建大数据评分标 准模型； d、 关对每组色号组进行评分； e、 设置评 分分组标准； f、 对完成评分的色号组进行评分分 组； g、 录入衣物数据并完成色彩评分； h、 选择当 前季节， 获取评分分组比例； i、 选择工作场合环 境； j、 设定不同工作场合环境下的评分分组标准 比例； k、 比较， 得到比较结果。 本发明利用大数据 人工智能算法， 协助消费者对自身衣橱进行管 理， 实现上班服饰搭配的最佳化、 得体化和高效 化， 协助大众消费者打造一种智能化、 低碳化的 绿色可持续生活模式。 权利要求书2页 说明书5页 。

3、附图1页 CN 111310097 A 2020.06.19 CN 111310097 A 1.一种基于工作场景的服饰色彩定位大数据智能评估方法， 其特征在于， 包括以下步 骤： a、 基于工作场景视觉原理， 构建数组色彩组； b、 基于RGB色彩模式的明度和纯度数据， 构建步骤a中所述的数组色彩组所包含的数组 色号组； c、 调取步骤a中构建的色彩组信息和步骤b中所构建的色号组信息， 搭建基于工作场合 视觉原理、 服饰色彩普适度和RGB色彩模式的大数据评分标准模型； d、 关联步骤b中构建的每组色号组的大数据信息， 对每组色号组进行评分； e、 基于当前季节， 设置评分分组标准； f、 基于。

4、季节变量和步骤e中设置的评分分组标准， 对步骤d中完成评分的色号组进行评 分分组； g、 录入衣物数据并完成色彩评分， 储存衣物数据和评分数据； h、 选择当前季节， 调取完成色彩评分的衣物信息， 获取评分分组比例； i、 设置工作场合环境， 设定不同工作场合环境下的评分分组标准比例； j、 选择工作场合环境， 比较步骤h中得到的分组比例和步骤i中设定的比例， 得到比较 结果。 2.根据权利要求1所述的一种基于工作场景的服饰色彩定位大数据智能评估方法， 其 特征在于， 步骤a中， 构建色彩组， 具体如下： 设置数个纯色为基本色； 在设置的纯色的基础上RGB色彩模式的明度和纯色不同进行延伸； 在。

5、纯色延伸的基础上， 加入混色， 形成以纯色及纯色延伸色和混色构成的数组纯色色 彩组； 组合至少两个上述相同的纯色色彩组或至少两个上述不同的纯色色彩组， 形成非纯色 色彩组； 保存数组纯色色彩组和非纯色色彩组数据。 3.根据权利要求1所述的一种基于工作场景的服饰色彩定位大数据智能评估方法， 其 特征在于， 步骤b中， 构建的色号组包括纯色色号组和非纯色色号组。 4.根据权利要求3所述的一种基于工作场景的服饰色彩定位大数据智能评估方法， 其 特征在于， 步骤d中， 纯色色号组评分， 具体如下： 根据RGB色彩模式对每组纯色色号组进行基础评分； 调取每组纯色色号组及该纯色色号组对应的衣物颜色在一定时。

6、间段内的搜索指数， 进 行评分修正， 得到评分。 5.根据权利要求3所述的一种基于工作场景的服饰色彩定位大数据智能评估方法， 其 特征在于， 步骤d中， 非纯色色号组中同纯色色号组评分为所有纯色色号组评分的中间值， 不同纯色色号组为所有纯色色号组评分中间值的1/2。 6.根据权利要求1所述的一种基于工作场景的服饰色彩定位大数据智能评估方法， 其 特征在于， 步骤f中， 季节变量为不同季节的平均温度。 7.根据权利要求1所述的一种基于工作场景的服饰色彩定位大数据智能评估方法， 其 特征在于， 评分分组为高分组、 中分组和低分组。 权利要求书 1/2 页 2 CN 111310097 A 2 8.。

7、根据权利要求1所述的一种基于工作场景的服饰色彩定位大数据智能评估方法， 其 特征在于， 步骤g中， 录入衣物的色彩评分， 具体如下： 选择与录入衣物对应的色彩组； 选择与录入衣物对应的色号组； 基于工作场景视觉原理和该衣物对应的色号组评分， 得出该衣物的评分； 选择当前季节， 得出该衣物对应的评分分组。 权利要求书 2/2 页 3 CN 111310097 A 3 一种基于工作场景的服饰色彩定位大数据智能评估方法 技术领域 0001 本发明属于信息技术领域， 具体涉及一种基于工作场景的服饰色彩定位大数据智 能评估方法。 背景技术 0002 随着人们生活水平的提高， 缺衣少物成为了过去式。 随着。

8、消费者衣橱里服饰越来 越多， 如何有效的管理衣橱， 对服饰进行最佳组合搭配， 满足个人穿衣搭配美感需求， 成为 一个迫切的需求。 并且， 随着绿色低碳化理念的推广， 国家推崇创建 “绿色低碳” 社会。 对于 个人而言， 如何有效利用衣橱旧物， 搭配出潮流心意， 成为另一个迫切需求。 更为重要的是， 对于绝大多数消费者而言， 上班工作场景是生活中 “穿衣搭配” 的最重要场景， 如何在工作 场景中， 每天出门上班前最短时间内挑选出当天最佳衣着， 实现 “衣橱管理” 搭配得体、 大 方、 高效， 是每一位上班族的刚性需求。 0003 当前市面上绝大部分穿衣搭配书籍及网络上绝大部分时尚穿衣搭配博主穿搭。

9、经 验分享往往有如下四个突出缺陷： 1、 场景定位不清晰， 各场景泛泛而谈； 2、 过于重视定性描 述或主观经验分享， 无法系统化、 理论化、 标准化及大数据化； 3、 过于强调 “买买买” ， 用新品 淘汰旧品来追逐潮流， 理念不绿色低碳环保； 4、 过于站在专家身份看问题， 没有深入到消费 者自身面临的衣橱矛盾困境中， 提供解决方案。 0004 人类是视觉动物， 天生对颜色具有敏锐的感知， 不同色彩往往带给人们不同的心 情因子和视觉感官。 一套服饰一旦色彩搭配恰当， 人们服饰观感好评度将达到七成以上。 在 工作场景下， 不同的场合需要不同的形象， 比如正式会议需要严谨感、 拜访客户需要专业。

10、 感、 日常同事相处需要亲切感等。 这些不同的认知感受， 最直接有效的传达方式就是恰当的 色彩组合搭配。 与此同时，“旧衣新用” 最好的做法， 是找到与旧衣最恰当的服饰色彩搭配， 形成得体美感。 只要实现服饰色彩搭配合理， 所有的旧衣都是新衣效果， 都是当日最好的穿 搭状态。 因此， 对服饰色彩成功进行科学定位与色彩匹配， 是实现工作场景下穿衣搭配得体 的重要前提， 也是实现 “旧衣新穿” 的必要条件。 但在实际生活中， 不是所有消费者都是专业 的色彩学大师， 在衣橱里如何根据当前面临的工作场合， 在上班出门前几分钟内， 快速选择 最得体的服装色彩搭配， 展现大方得体的形象状态， 时刻困扰着绝。

11、大多数人。 消费者个人主 观的直觉认知， 受限于色彩知识、 欣赏水平、 生活经历的诸多因素， 往往导致色彩定位与目 标效果值出现很大的偏差， 同时人工的色彩定位也会浪费大量的时间。 发明内容 0005 本发明所要解决的技术问题便是针对上述现有技术的不足， 提供一种基于工作场 景的服饰色彩定位大数据智能评估方法， 利用大数据人工智能算法， 协助消费者对自身衣 橱进行管理， 实现上班服饰搭配的最佳化、 得体化和高效化， 协助大众消费者打造一种智能 化、 低碳化的绿色可持续生活模式。 0006 本发明所采用的技术方案是： 一种基于工作场景的服饰色彩定位大数据智能评估 说明书 1/5 页 4 CN 1。

12、11310097 A 4 方法， 包括以下步骤： 0007 a、 基于工作场景视觉原理， 构建数组色彩组； 0008 b、 基于RGB色彩模式的明度和纯度数据， 构建步骤a中所述的数组色彩组所包含的 数组色号组； 0009 c、 调取步骤a中构建的色彩组信息和步骤b中所构建的色号组信息， 搭建基于工作 场合视觉原理、 服饰色彩普适度和RGB色彩模式的大数据评分标准模型； 0010 d、 关联步骤b中构建的每组色号组的大数据信息， 对每组色号组进行评分； 0011 e、 基于当前季节， 设置评分分组标准； 0012 f、 基于季节变量和步骤e中设置的评分分组标准， 对步骤d中完成评分的色号组进 。

13、行评分分组； 0013 g、 录入衣物数据并完成色彩评分， 储存衣物数据和评分数据； 0014 h、 选择当前季节， 调取完成色彩评分的衣物信息， 获取评分分组比例； 0015 i、 设置工作场合环境， 设定不同工作场合环境下的评分分组标准比例； 0016 j、 选择工作场合环境， 比较步骤h中得到的分组比例和步骤i中设定的比例， 得到 比较结果。 0017 其中一个实施例中， 步骤a中， 构建色彩组， 具体如下： 0018 设置数个纯色为基本色； 0019 在设置的纯色的基础上RGB色彩模式的明度和纯色不同进行延伸； 0020 在纯色延伸的基础上， 加入混色， 形成以纯色及纯色延伸色和混色构。

14、成的数组纯 色色彩组； 0021 组合至少两个上述相同的纯色色彩组或至少两个上述不同的纯色色彩组， 形成非 纯色色彩组； 0022 保存数组纯色色彩组和非纯色色彩组数据。 0023 其中一个实施例中， 步骤b中， 构建的色号组包括纯色色号组和非纯色色号组。 0024 其中一个实施例中， 步骤d中， 纯色色号组评分， 具体如下： 0025 根据RGB色彩模式对每组纯色色号组进行基础评分； 0026 调取每组纯色色号组及该纯色色号组对应的衣物颜色在一定时间段内的搜索指 数， 进行评分修正， 得到评分。 0027 其中一个实施例中， 步骤d中， 非纯色色号组中同纯色色号组评分为所有纯色色号 组评分的。

15、中间值， 不同纯色色号组为所有纯色色号组评分中间值的1/2。 0028 其中一个实施例中， 步骤f中， 季节变量为不同季节的平均温度。 0029 其中一个实施例中， 评分分组为高分组、 中分组和低分组。 0030 其中一个实施例中， 步骤g中， 录入衣物的色彩评分， 具体如下： 0031 选择与录入衣物对应的色彩组； 0032 选择与录入衣物对应的色号组； 0033 基于工作场景视觉原理和该衣物对应的色号组评分， 得出该衣物的评分； 0034 选择当前季节， 得出该衣物对应的评分分组。 0035 本发明的有益效果在于： 0036 1、 本发明做到了用户与产品的智能闭环化连接， 在工作刚需高频场。

16、景下， 基于用 说明书 2/5 页 5 CN 111310097 A 5 户自身衣橱现状， 利用大数据人工智能技术， 协助消费者对自身衣橱色彩进行快速大数据 化， 从而实现 “衣橱管理” 的标准化、 高效化和智能化； 0037 2、 通过一系列科学理论智能算法载体， 以色彩定位为切入点， 实现智能匹配出存 量衣饰适合工作场景的 “最佳搭配组合” ， 解决上班族日常出门 “刚需” 痛点； 0038 3、 通过大数据人工智能技术协助消费者用户盘活 “衣橱存量” ， 在兼顾衣饰得体和 自身喜好的同时， 打造绿色低碳化生活方式， 促进 “绿色低碳” 社会建设。 附图说明 0039 图1为本发明季节变量。

17、色彩适用性评级图。 具体实施方式 0040 下面将结合附图及具体实施例对本发明作进一步详细说明。 0041 一种基于工作场景的服饰色彩定位大数据智能评估方法， 包括以下步骤： 0042 步骤一、 基于工作场景视觉原理， 构建数组色彩组； 0043 步骤二、 基于RGB色彩模式的明度和纯度数据， 构建步骤一中所述的数组色彩组所 包含的数组色号组； 0044 步骤三、 调取步骤一中构建的色彩组信息和步骤二中所构建的色号组信息， 搭建 基于工作场合视觉原理、 服饰色彩普适度和RGB色彩模式的大数据评分标准模型； 0045 步骤四、 关联步骤二中构建的每组色号组的大数据信息， 对每组色号组进行评分； 。

18、0046 步骤五、 基于当前季节， 设置评分分组标准； 0047 步骤六、 基于季节变量和步骤五中设置的评分分组标准， 对步骤四中完成评分的 色号组进行评分分组； 0048 步骤七、 录入衣物数据并完成色彩评分， 储存衣物数据和评分数据； 0049 步骤八、 选择当前季节， 调取完成色彩评分的衣物信息， 获取评分分组比例； 0050 步骤九、 设置工作场合环境， 设定不同工作场合环境下的评分分组标准比例； 0051 步骤十、 选择工作场合环境， 比较步骤八中得到的分组比例和步骤九中设定的比 例， 得到比较结果。 0052 本实施例中， 步骤一中， 构建色彩组， 具体如下： 0053 设置数个纯。

19、色为基本色； 0054 在设置的纯色的基础上RGB色彩模式的明度和纯色不同进行延伸； 0055 在纯色延伸的基础上， 加入混色， 形成以纯色及纯色延伸色和混色构成的数组纯 色色彩组； 0056 组合至少两个上述相同的纯色色彩组或至少两个上述不同的纯色色彩组， 形成非 纯色色彩组； 0057 保存数组纯色色彩组和非纯色色彩组数据。 0058 本实施例中， 步骤二中， 构建的色号组包括纯色色号组和非纯色色号组。 0059 本实施例中， 步骤四中， 纯色色号组评分， 具体如下： 0060 根据RGB色彩模式对每组纯色色号组进行基础评分； 0061 调取每组纯色色号组及该纯色色号组对应的衣物颜色在一定。

20、时间段内的搜索指 说明书 3/5 页 6 CN 111310097 A 6 数， 进行评分修正， 得到评分。 0062 本实施例中， 步骤四中， 非纯色色号组中同纯色色号组评分为所有纯色色号组评 分的中间值， 不同纯色色号组为所有纯色色号组评分中间值的1/2。 0063 本实施例中， 步骤六中， 季节变量为不同季节的平均温度。 0064 本实施例中， 评分分组为高分组、 中分组和低分组。 0065 本实施例中， 步骤七中， 录入衣物的色彩评分， 具体如下： 0066 选择与录入衣物对应的色彩组； 0067 选择与录入衣物对应的色号组； 0068 基于工作场景视觉原理和该衣物对应的色号组评分， 。

21、得出该衣物的评分； 0069 选择当前季节， 得出该衣物对应的评分分组。 0070 本发明基于十六进制颜色码表， 采用RCB颜色明度、 纯度数值进行区分。 常规情况 下本发明构建 “8+2” 组色彩组， 其包括8组纯色组和2组非纯色组， 上述8组纯色组和2组非纯 色组中包含139组色号组。 0071 8组纯色色彩组是以纯色为主的组合色进行类别分类； 纯色分类以大自然彩虹7色 “红、 橙、 黄、 绿、 青、 蓝、 紫” 为基础， 按照RGB明度和纯度不同进行延伸， 并在彩虹7色上增加 一组混色 “黑白灰” ， 最终形成 “红、 桃红粉红、 紫、 褐橘米白、 金黄、 绿、 蓝、 黑 白灰” 8组纯。

22、色色彩组。 0072 2组非纯色色彩组(即花色)通过结合的方式实现， 其结合方式分为2种： 第一种为8 组纯色色彩组中同组2个或2个以上的颜色； 第二种为8组纯色色彩组中不同组2个或2个以 上的颜色。 0073 139组色号组大数据评分是基于三个原理： 第1，“8+2” 组色彩组总共包含139组色 号组， 其中137组纯色色号组， 2组非纯色色号组(即花色组)； 第2， 根据137组纯色色号组对 应的RGB纯度(饱和度)进行基础打分， 饱和度越低、 得分越高， 并结合 “每组纯色色号组及该 纯色色号组对应的衣物颜色” (如黑色衣服)最近一段时间内(如90天)大数据搜索指数(PC+ 移动)进行大。

23、数据评分修正， 得到最终评分； 第三， 工作场景偏向于体现人的专业性， 非纯色 色号组(即花色组)不太适合工作场合， 因此非纯色色号组中同纯色色号组评分为所有纯色 色号组评分的中间值， 不同纯色色号组为所有纯色色号组评分中间值的1/2。 0074 上述记载的 “8+2” 组色彩组和其包含139组色号组为常规情况下的设置， 可满足大 部分的情况。 但是本发明的色彩组和色号组不限于上述数量， 可根据实际情况进行设置。 0075 如图1所示， 季节变量色彩适用性高中低评级原理为： 将输入变量分为冬季、 春季、 夏季、 秋季， 不同的季节对应不同的平均天气温度， 取北半球过去10年的气温值， 可以发现。

24、 冬季平均气温10度、 10度春季/秋季20度。 按照人视觉原理， 天气温 度越低， 越倾向于色彩明度低； 天气温度越高， 越倾向于色彩明度高。 以此为原理， 结合纯色 色彩明度数据， 对季节不同下， 纯色色彩高、 中、 低分组标准， 按照帕累托分布进行调整， 从 而形成不同季节下， 色彩适用性高中低评级标准。 图1中所示的评级图为常规情况下的评 级。 本发明的评级不限于图1， 可根据实际情况进行调整。 0076 本发明所指的工作场合环境包括正式环境和较正式环境。 正式环境适合于金融 业、 咨询业、 国企、 事业单位、 公务员等； 较正式场合适合于外企、 互联网公司、 技术公司等。 0077 以上所述实施例仅表达了本发明的具体实施方式， 其描述较为具体和详细， 但并 说明书 4/5 页 7 CN 111310097 A 7 不能因此而理解为对本发明专利范围的限制。 应当指出的是， 对于本领域的普通技术人员 来说， 在不脱离本发明构思的前提下， 还可以做出若干变形和改进， 这些都属于本发明的保 护范围。 说明书 5/5 页 8 CN 111310097 A 8 图1 说明书附图 1/1 页 9 CN 111310097 A 9 。