[发明专利]基于深度学习的服装流行元素预测的系统及方法

权利要求书

1.一种基于深度学习的服装流行元素预测系统所用的预测方法，其特征是：包括数据收集模块，图像处理模块，数据处理模块，服装检索模块，结果预测模块；

数据收集模块采集各大网站平台的服装图形和室内或者室外人流视频，利用图像处理模块的图形自动标注系统对网站图形照片进行语义标签，利用视频自动识别标注，对视频中服装进行识别标注，数据处理模块对商场、步行街或者大学的人流量和服装的服装穿着比例进行统计，对服装的颜色进行比例统计，将商场、步行街或者大学采集视频的衣服穿着结合各大网站的图形进行集合统计，数据处理模块计算得出受欢迎的服装款式和颜色，服装检索模块对受欢迎的服装款式和颜色的图像进行检索，检索得出相应的服装穿着，结果预测模块得出短时间内的服装流行元素结果；

数据收集模块通过商场、步行街或者大学进行视频采集，对视频的服装颜色和款式进行识别；

图像处理模块标记网络上各个时段的图像的地址来源或者照片的预览数量，对服装上的图案和款式进行分类，服装上的图案包括字母图案、卡通图案和清爽无图案；

图像处理模块对商场、步行街或者大学采集视频的服装颜色和款式进行标记处理，对服装上的图案进行分类；

预测方法包括：

S1、数据收集模块采集各大社交平台和服装网站的服装图像，且生成图像列表；

S2、数据收集模块采集 室内或者室外人流视频，对视频的服装颜色和款式进行分析；

S3、对网站爬取的服装图像关键点特征进行提取，提取的特征点包括款式、色彩、图案特征，对图像的来源，照片的预览人数进行统计生成表格；

S4、将网站爬取的服装信息和商场、步行街或者大学采集视频的服装信息进行数据整理，列出计算数据最高的服装；

S5、利用回归分析对数据处理模块的列出计算数据最高的服装进行多元非线性回归模型分析，分析外在因素对于服装的影响，其中时间和季节为自变量，预测结果为因变量，通过时间和季节预测服装流行元素；

S7、由于服装元素受着当地的时间、季节所影响着，数据集中特征与结果存在着线性关系：y_i＝a₁x_i+a₂z_i+a₃(i＝1,2,3,…n)，其中a₁,a₂,a₃为代求参数，y_i为结果，x_i,z_i为特征，这里运用多变量线性回归的方式：最小二乘法矩阵形式；

S8、为了求参数，设置目标为误差平方和最小；误差平方和为：

通过对S(a₁,a₂,a₃)分别求a₁,a₂,a₃的偏导数，然后使它们等于零，得到误差平方和最小值；

令通过解该方程组可以解出：a₁,a₂,a₃的值；

此时的y_i＝a₁x_i+a₂z_i+a₃(i＝1,2,3,…n)是所求的最佳解；

S9、计算数据最高的服装元素利用时序预测方法通过时间网络对服装的流行元素进行预测。

2.根据权利要求1所述一种基于深度学习的服装流行元素预测系统所用的预测方法，其特征是：数据收集模块通过“网络爬虫”技术对网络上各个时段的图像进行爬取，生成图像列表，对图像列表上的图像进行识别，生成服装颜色、款式和服装搭配的分析表。