本公開涉及智能設(shè)備技術(shù)領(lǐng)域，具體而言，涉及一種智能導(dǎo)購方法、系統(tǒng)、共享服務(wù)器和智能導(dǎo)購機器人。

背景技術(shù)：

隨著科技的進步，現(xiàn)代生活中人們對智能自動化服務(wù)的需求逐步提升，一些服務(wù)類場所(如商場或超市)配套的智能設(shè)備也應(yīng)運而生。

目前，在部分商場或超市已出現(xiàn)導(dǎo)購機器人，能夠?qū)崿F(xiàn)商場區(qū)域路線顯示、巡航指引、簡單語音對話的功能，滿足消費者的一般需求。例如，具有簡單的路線顯示和商品呈現(xiàn)功能的導(dǎo)購機器人。

消費者的需求多而且個性化較強，對導(dǎo)購機器人提出了更高的要求，不僅需要簡單的路線顯示和簡單商品呈現(xiàn)，還需要提供更加智能化、個性化的購買建議和深層次的服務(wù)體驗。因此，現(xiàn)有技術(shù)中的技術(shù)方案還存在有待改進之處。

需要說明的是，在上述背景技術(shù)部分公開的信息僅用于加強對本公開的背景的理解，因此可以包括不構(gòu)成對本領(lǐng)域普通技術(shù)人員已知的現(xiàn)有技術(shù)的信息。

技術(shù)實現(xiàn)要素：

本公開的目的在于提供一種智能導(dǎo)購方法、系統(tǒng)、共享服務(wù)器和智能導(dǎo)購機器人，進而至少在一定程度上克服由于相關(guān)技術(shù)的限制和缺陷而導(dǎo)致的一個或者多個問題。

本公開的其他特性和優(yōu)點將通過下面的詳細描述變得清晰，或者部分地通過本公開的實踐而習(xí)得。

根據(jù)本公開的一個方面，提供一種智能導(dǎo)購方法，包括：

根據(jù)客戶數(shù)據(jù)進行分類、建模得到包含多個客戶類型的客戶數(shù)據(jù)模型；

根據(jù)店鋪數(shù)據(jù)以及服裝數(shù)據(jù)進行分類、建模得到包含多個服裝類型的服裝數(shù)據(jù)模型；

通過對購買歷史進行分類分析，結(jié)合所述客戶數(shù)據(jù)模型和所述服裝數(shù)據(jù)模型進行匹配，得到針對某一客戶類型的服裝推薦方案。

在本公開的一種示例性實施例中，所述客戶數(shù)據(jù)還包括體型特征；

通過圖像傳感器采集人臉圖像，并對所述人臉圖像進行分析得到所述客戶數(shù)據(jù)，其中所述客戶數(shù)據(jù)包括年齡特征、性別特征、膚色特征和心理特征；

通過三維掃描傳感器對人體進行掃描并分析得到包含所述體型特征的客戶數(shù)據(jù)。

在本公開的一種示例性實施例中，對所述人臉圖像進行分析包括：

基于所述人臉圖像進行訓(xùn)練，得到人臉模型；

基于所述人臉模型分別對年齡、性別、膚色和心理進行檢測和訓(xùn)練，得到所述客戶數(shù)據(jù)模型，其中所述客戶數(shù)據(jù)模型中按照年齡、性別、膚色和心理進行劃分包含多個客戶類型。

在本公開的一種示例性實施例中，還包括：

將所述客戶數(shù)據(jù)模型上傳并存儲到共享服務(wù)器；

采集到新的人臉圖像，并上傳到所述共享服務(wù)器；

所述新的人臉圖像經(jīng)所述共享服務(wù)器中的所述客戶數(shù)據(jù)模型進行人臉區(qū)域檢測以及特征提取，得到與所述新的人臉相應(yīng)的年齡特征、性別特征、膚色特征和心理特征。

在本公開的一種示例性實施例中，還包括：通過對已存的推薦成功和推薦失敗的記錄進行分析，結(jié)合所述客戶數(shù)據(jù)模型和所述服裝數(shù)據(jù)模型進行匹配，得到針對某一客戶類型的服裝推薦方案，根據(jù)所述服裝推薦方案提供本場導(dǎo)引方案或根據(jù)所述服裝推薦方案和所述本場導(dǎo)引方案生成試穿效果圖和逛店路線圖。

根據(jù)本公開的另一方面，還提供一種智能導(dǎo)購系統(tǒng)，包括：

客戶建模模塊，用于根據(jù)客戶數(shù)據(jù)進行分類、建模得到包含多個客戶類型的客戶數(shù)據(jù)模型；

服裝建模模塊，用于根據(jù)店鋪數(shù)據(jù)以及服裝數(shù)據(jù)進行分類、建模得到包含多個服裝類型的服裝數(shù)據(jù)模型；

分析匹配模塊，用于通過對購買歷史進行分類分析，結(jié)合所述客戶數(shù)據(jù)模型和所述服裝數(shù)據(jù)模型進行匹配，得到針對某一客戶類型的服裝推薦方案。

在本公開的一種示例性實施例中，還包括：

存儲模塊，用于存儲所述客戶數(shù)據(jù)、所述店鋪數(shù)據(jù)和所述服裝數(shù)據(jù)；

輸入模塊，用于采集人臉圖像；

輸出模塊，用于將所述服裝推薦方案以圖像或語音的形式呈現(xiàn)出來。

在本公開的再一方面，還提供一種共享服務(wù)器，包括：

客戶建模模塊，用于根據(jù)客戶數(shù)據(jù)進行分類、建模得到包含多個客戶類型的客戶數(shù)據(jù)模型；

服裝建模模塊，用于根據(jù)店鋪數(shù)據(jù)以及服裝數(shù)據(jù)進行分類、建模得到包含多個服裝類型的服裝數(shù)據(jù)模型；

分析匹配模塊，用于通過對購買歷史進行分類分析，結(jié)合所述客戶數(shù)據(jù)模型和所述服裝數(shù)據(jù)模型進行匹配，得到針對某一客戶類型的服裝推薦方案；

存儲模塊，用于存儲所述客戶數(shù)據(jù)、所述店鋪數(shù)據(jù)和所述服裝數(shù)據(jù)。

在本公開的又一方面，還提供一種智能導(dǎo)購機器人，包括以上所述的智能導(dǎo)購系統(tǒng)和顯示屏，所述顯示屏為分區(qū)顯示屏；

所述分區(qū)顯示屏包括試穿效果顯示區(qū)、本場推薦顯示區(qū)和分析建議區(qū)，所述試穿效果顯示區(qū)用于顯示針對客戶類型所推薦服裝的試穿效果的圖片或視頻，所述本場推薦顯示區(qū)用于顯示在本場內(nèi)購買所所述所推薦服裝的店鋪位置，所述分析建議區(qū)用于顯示推薦的分析和理由。

本公開的某些實施例的智能導(dǎo)購方法中，分別對客戶數(shù)據(jù)、店鋪數(shù)據(jù)和服裝數(shù)據(jù)進行分類建模得到客戶數(shù)據(jù)模型和服裝數(shù)據(jù)模型，通過對購買歷史進行分析結(jié)合客戶數(shù)據(jù)模型和服裝數(shù)據(jù)模型進行匹配，得到服裝推薦方案。

應(yīng)當理解的是，以上的一般描述和后文的細節(jié)描述僅是示例性和解釋性的，并不能限制本公開。

附圖說明

此處的附圖被并入說明書中并構(gòu)成本說明書的一部分，示出了符合本公開的實施例，并與說明書一起用于解釋本公開的原理。顯而易見地，下面描述中的附圖僅僅是本公開的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1示出本公開示例性實施例中一種智能導(dǎo)購方法的流程圖。

圖2示出本公開示例性實施例中對人臉圖像進行分析的流程圖。

圖3示出進行線下客戶數(shù)據(jù)建模以及線上后續(xù)應(yīng)用模型進行訓(xùn)練得到用戶特征的示意圖。

圖4示出本公開示例性實施例中一種智能導(dǎo)購系統(tǒng)的示意圖。

圖5示出本公開示例性實施例中另一種智能導(dǎo)購系統(tǒng)的示意圖。

圖6示出本公開示例性實施例中一種共享服務(wù)器的示意圖。

圖7示出本公開示例性實施例中一種終端的示意圖。

圖8示出本公開示例性實施例中一種智能導(dǎo)購機器人的示意圖。

圖9示出本公開示例性實施例中一種智能導(dǎo)購機器人的架構(gòu)示意圖。

具體實施方式

現(xiàn)在將參考附圖更全面地描述示例實施方式。然而，示例實施方式能夠以多種形式實施，且不應(yīng)被理解為限于在此闡述的范例；相反，提供這些實施方式使得本公開將更加全面和完整，并將示例實施方式的構(gòu)思全面地傳達給本領(lǐng)域的技術(shù)人員。附圖僅為本公開的示意性圖解，并非一定是按比例繪制。圖中相同的附圖標記表示相同或類似的部分，因而將省略對它們的重復(fù)描述。

此外，所描述的特征、結(jié)構(gòu)或特性可以以任何合適的方式結(jié)合在一個或更多實施方式中。在下面的描述中，提供許多具體細節(jié)從而給出對本公開的實施方式的充分理解。然而，本領(lǐng)域技術(shù)人員將意識到，可以實踐本公開的技術(shù)方案而省略所述特定細節(jié)中的一個或更多，或者可以采用其它的方法、組元、裝置、步驟等。在其它情況下，不詳細示出或描述公知結(jié)構(gòu)、方法、裝置、實現(xiàn)、材料或者操作以避免喧賓奪主而使得本公開的各方面變得模糊。

附圖中所示的一些方框圖是功能實體，不一定必須與物理或邏輯上獨立的實體相對應(yīng)?？梢圆捎密浖问絹韺崿F(xiàn)這些功能實體，或在一個或多個硬件模塊或集成電路中實現(xiàn)這些功能實體，或在不同網(wǎng)絡(luò)和/或處理器裝置和/或微控制器裝置中實現(xiàn)這些功能實體。

消費者在購買一些不涉及自身狀態(tài)或狀況的商品過程中，例如購買一本書，導(dǎo)購機器人只需根據(jù)書名以及書的內(nèi)容即可給出相應(yīng)的推薦書目；而對于某些會涉及消費者自身狀態(tài)或狀況的購買動作，例如購買服裝，導(dǎo)購機器人還需要考慮消費者的一些基本信息(身高、體重等)才能給出更加符合消費者心理的推薦方案。

圖1示出本公開示例性實施例中一種智能導(dǎo)購方法的流程圖。

如圖1所示，在步驟s10中，根據(jù)客戶數(shù)據(jù)進行分類、建模得到包含多個客戶類型的客戶數(shù)據(jù)模型。

本公開中的客戶數(shù)據(jù)包含的特征信息較為廣泛，在一些實施例中，客戶數(shù)據(jù)包括年齡特征、性別特征、膚色特征和心理特征，在另一些實施例中，客戶數(shù)據(jù)除了包括上述特征之外，還可以包括體型特征。并按照這些特征可以從多個維度將客戶劃分為多個客戶類型，例如，按照年齡特征可以將客戶分為青年、中年、老年等，按照性別特征可以將客戶分為女性和男性，按照膚色特征可以將客戶分為膚色偏白、膚色偏黃、膚色適中等，按照心理特征可以將客戶分為高興、平靜、悲傷等，按照體型特征可以將客戶分為偏胖、偏瘦、體型適中等。因此在客戶數(shù)據(jù)模型中可以包括多個客戶子模型。

在一示例性實施例中，描述客戶數(shù)據(jù)模型的特征包括：性別、年齡、膚色、心理、體型等，對于客戶數(shù)據(jù)中不同的特征信息需要通過不同的采集手段獲得，其中，性別、年齡、膚色、心理等四個特征可以通過對圖像傳感器采集到的人臉圖像進行分析得到，體型特征可以通過三維掃描傳感器對人體進行掃描和分析得到。

在一示例性實施例中，對人臉圖像進行分析得到用戶畫像可以通過兩次模型訓(xùn)練得到，圖2示出本公開示例性實施例中對人臉圖像進行分析的流程圖。

如圖2所示，在步驟s101中，基于人臉圖像進行訓(xùn)練，得到人臉模型。

如圖2所示，在步驟s102中，基于人臉模型分別對年齡、性別、膚色和心理進行檢測和訓(xùn)練，得到客戶數(shù)據(jù)模型，其中客戶數(shù)據(jù)模型中按照年齡、性別、膚色和心理進行劃分包含多個客戶類型。

進行模型訓(xùn)練時需要有足夠多的樣本數(shù)據(jù)，首先，需要具有足夠多的帶有人臉標記的樣本數(shù)據(jù)庫，然后，分別提取這些樣本的haar特征，并利用adaboost等機器學(xué)習(xí)算法進行訓(xùn)練，最終得到人臉模型。

得到人臉模型之后，還對性別檢測、年齡檢測、膚色檢測、心理檢測(高興、平靜、悲傷)的模型進行訓(xùn)練，過程同人臉模型的訓(xùn)練，仍然需要準備充足的樣本數(shù)據(jù)進行訓(xùn)練，并提取lbp(localbinarypattern，局部二值模式)、haar等特征，利用機器學(xué)習(xí)算法進行訓(xùn)練。lbp是一種用來描述圖像局部紋理特征的算子，它具有旋轉(zhuǎn)不變性和灰度不變性等顯著的優(yōu)點。

haar特征是根據(jù)圖像的區(qū)域灰度對比特性進行設(shè)計得到的，haar特征值定義為白色區(qū)域像素值之和與黑色區(qū)域像素值之和的差值。haar特征值反映了圖像的灰度變化情況。例如：臉部的一些特征能由矩形特征簡單的描述，如：眼睛要比臉頰顏色要深，鼻梁兩側(cè)比鼻梁顏色要深，嘴巴比周圍顏色要深等。但矩形特征只對一些簡單的圖形結(jié)構(gòu)，如邊緣、線段較敏感，所以只能描述特定走向(水平、垂直、對角)的結(jié)構(gòu)。

adaboost算法是一種自適應(yīng)的boosting算法，基本思想是選取若干弱分類器，組合成強分類器。弱分類器形式如下：

其中，x是樣本，f是提取的haar特征，θ是固定閾值，可手動設(shè)置，p是不等式方向的極性。

但是單一弱分類器的分類性能很差，需要adaboost算法進行加權(quán)組合多個弱分類器進行強化，步驟如下：

1)給定樣本圖像(x1,y1),(x2,y2),(x3,y3)…,其中y值表示正負樣本，+1是正樣本，-1是負樣本。

2)初始化樣本權(quán)重，m和l分別是正負樣本數(shù)。

3)對于t＝1，…,t

①歸一化權(quán)值

②選擇加權(quán)誤差最小的弱分類器

③更新權(quán)值

如果分類正確，ei＝0，否則ei＝1，

④最終得到的強分類器是：

在客戶數(shù)據(jù)模型建模過程中，不僅僅考慮客戶外在的一些特征，例如性別、年齡、膚色等，還考慮到客戶的內(nèi)在的特征信息，例如心理狀態(tài)是高興還是悲傷等，使得推薦的結(jié)果更加人性化，更有可能接近客戶預(yù)期。

在一示例性實施例中，得到客戶數(shù)據(jù)模型之后，還可以進一步將客戶數(shù)據(jù)模型上傳并存儲到共享服務(wù)器，例如，可以是云端服務(wù)器。利用圖像傳感器采集新的人臉圖像，并將新的人臉圖像上傳到共享服務(wù)器，這樣，新的人臉圖像經(jīng)共享服務(wù)器中的客戶數(shù)據(jù)模型進行人臉區(qū)域檢測以及特征提取，得到與新的人臉相應(yīng)的年齡特征、性別特征、膚色特征和心理特征。通過將客戶數(shù)據(jù)模型上傳到共享服務(wù)器，每次采集到新的人臉圖像之后，還需要將人臉圖像也上傳到共享服務(wù)器就可以計算得到相應(yīng)的特征信息，有利于圖像的快速處理，降低終端處理數(shù)據(jù)量過大造成的計算壓力。

基于上述，圖3示出進行線下客戶數(shù)據(jù)建模以及線上后續(xù)應(yīng)用模型進行訓(xùn)練得到用戶特征的示意圖。

如圖1所示，在步驟s20中，根據(jù)店鋪數(shù)據(jù)以及服裝數(shù)據(jù)進行分類、建模得到包含多個服裝類型的服裝數(shù)據(jù)模型。

在一示例性實施例中，根據(jù)不同維度將服裝進行分類，一般主要依據(jù)客戶數(shù)據(jù)模型的劃分標準來對服裝進行分類，除此之外，進一步根據(jù)客戶偏好進行劃分，例如按照品牌、風(fēng)格、價位等劃分，將服裝數(shù)據(jù)模型分為多個服裝子模型，以方便進行匹配和客戶進行選擇。

在另一示例性實施例中，除了單純的對服裝進行分類之外，還需要結(jié)合本場店鋪分布信息對服裝進行分類，例如二樓女裝，三樓男裝等。另外，店鋪數(shù)據(jù)除了樓層還可以進一步具體到攤位號，以及店鋪內(nèi)活動信息等，但本公開并不限定于此。

如圖1所示，在步驟s30中，通過對購買歷史進行分類分析，結(jié)合客戶數(shù)據(jù)模型和服裝數(shù)據(jù)模型進行匹配，得到針對某一客戶類型的服裝推薦方案。

在示例性實施例中，購買歷史為記錄的歷史客戶的購買信息，例如客戶的年齡、膚色、體型、偏好、購買力以及購買成功或失敗的記錄。通過對客戶的購買歷史進行分析，在結(jié)合客戶數(shù)據(jù)和服裝數(shù)據(jù)匹配給出相應(yīng)的服裝推薦方案更加符合客戶預(yù)期，推薦成功率也會更高。

在示例性實施例中，除了根據(jù)購買歷史進行推薦，還可以根據(jù)別人的記錄信息進行推薦，可以包括但不限于以下方法：

通過對已存的推薦成功和推薦失敗的記錄進行分析，結(jié)合客戶數(shù)據(jù)模型和服裝數(shù)據(jù)模型進行匹配，得到針對某一客戶類型的服裝推薦方案。

以下以客戶a為例，首先查詢客戶a的購買歷史，以獲得客戶a更傾向于購買哪一風(fēng)格、在哪個價位的服裝，從而給出相應(yīng)的服裝推薦方案，給客戶提供比較貼切的購買建議。如果對購買歷史分析沒有找到客戶a的購買歷史，則結(jié)合客戶a的年齡、性別、膚色、心理、體型等特征信息，從購買歷史中找到特征信息較為接近的客戶b的購買歷史，同樣可以給客戶提供比較貼切的購買建議。如果結(jié)合客戶a的年齡、性別、膚色、心理、體型等特征信息，也沒有找到較為接近的購買歷史，則查找推薦成功或失敗的記錄信息給出服裝推薦，并在客戶對服裝推薦方案給出的評價或反映記錄為成功或失敗，并將這一條推薦存儲到共享服務(wù)器。例如客戶查看某一條服裝推薦方案的時間較長則確定為推薦成功，如果客戶查看某一條服裝推薦方案的時間較短則確定為推薦失敗。判斷推薦成功或失敗的依據(jù)還可以有其他參考，本公開不做具體限定。

在一示例性實施例中，除了給出服裝推薦方案，還進一步根據(jù)服裝推薦方案提供本場引導(dǎo)方案，也就是進一步結(jié)合店鋪數(shù)據(jù)給客戶提供相應(yīng)的在本場內(nèi)的導(dǎo)引方案，方便客戶按照推薦方案實施購買。

在一示例性實施例中，該智能導(dǎo)購方法還包括根據(jù)服裝推薦方案和本場引導(dǎo)方案生成試穿效果圖和逛店線路圖，讓客戶更加直觀的對推薦方案進行考慮。

綜上所述，本公開實施方式公開的智能導(dǎo)購方法，分別對客戶數(shù)據(jù)、店鋪數(shù)據(jù)和服裝數(shù)據(jù)進行分類建模得到客戶數(shù)據(jù)模型和服裝數(shù)據(jù)模型，通過對購買歷史進行分析結(jié)合客戶數(shù)據(jù)模型和服裝數(shù)據(jù)模型進行匹配，得到服裝推薦方案。該方法可以用于解決現(xiàn)有的推薦方案不夠智能和個性化的問題，通過對客戶數(shù)據(jù)模型和服裝數(shù)據(jù)模型進行匹配，提供更加有針對性的推薦方案，可有效提升客戶滿意度。

圖4示出本公開示例性實施例中一種智能導(dǎo)購系統(tǒng)的示意圖。如圖4所示，該智能導(dǎo)購系統(tǒng)100包括客戶建模模塊110、服裝建模模塊120和分析匹配模塊130。

客戶建模模塊110用于根據(jù)客戶數(shù)據(jù)進行分類、建模得到包含多個客戶類型的客戶數(shù)據(jù)模型。服裝建模模塊120用于根據(jù)店鋪數(shù)據(jù)以及服裝數(shù)據(jù)進行分類、建模得到包含多個服裝類型的服裝數(shù)據(jù)模型。分析匹配模塊130用于通過對購買歷史進行分類分析，結(jié)合客戶數(shù)據(jù)模型和服裝數(shù)據(jù)模型進行匹配，得到針對某一客戶類型的服裝推薦方案。

該智能導(dǎo)購系統(tǒng)分別對客戶數(shù)據(jù)、店鋪數(shù)據(jù)和服裝數(shù)據(jù)進行分類建模得到客戶數(shù)據(jù)模型和服裝數(shù)據(jù)模型，通過對購買歷史進行分析結(jié)合客戶數(shù)據(jù)模型和服裝數(shù)據(jù)模型進行匹配，得到服裝推薦方案。該方法可以用于解決現(xiàn)有的推薦方案不夠智能和個性化的問題，通過對客戶數(shù)據(jù)模型和服裝數(shù)據(jù)模型進行匹配，提供更加有針對性的推薦方案，可有效提升客戶滿意度。

圖5還示出本公開示例性實施例中另一種智能導(dǎo)購系統(tǒng)的示意圖。如圖5所示，該智能導(dǎo)購系統(tǒng)100包括客戶建模模塊110、服裝建模模塊120、分析匹配模塊130、存儲模塊140、輸入模塊150和輸出模塊160。

客戶建模模塊110用于根據(jù)客戶數(shù)據(jù)進行分類、建模得到包含多個客戶類型的客戶數(shù)據(jù)模型。服裝建模模塊120用于根據(jù)店鋪數(shù)據(jù)以及服裝數(shù)據(jù)進行分類、建模得到包含多個服裝類型的服裝數(shù)據(jù)模型。分析匹配模塊130用于通過對購買歷史進行分類分析，結(jié)合客戶數(shù)據(jù)模型和服裝數(shù)據(jù)模型進行匹配，得到針對某一客戶類型的服裝推薦方案。存儲模塊140用于存儲客戶數(shù)據(jù)、店鋪數(shù)據(jù)和服裝數(shù)據(jù)。輸入模塊150用于采集人臉圖像，輸出模塊160用于將服裝推薦方案以圖像或語音的形式呈現(xiàn)出來。

在一示例性實施例中，輸入模塊150采集客戶的人臉圖像等信息，存儲模塊140還用于將采集的原始數(shù)據(jù)進行預(yù)處理，轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)后再按照客戶數(shù)據(jù)、服裝數(shù)據(jù)和店鋪數(shù)據(jù)進行存儲。存儲模塊140用于存儲客戶數(shù)據(jù)，例如客戶的年齡、膚色、性別、體型、購買力、偏好以及向該客戶推薦成功或失敗的記錄，以便根據(jù)存儲的這些數(shù)據(jù)進行分析匹配。店鋪數(shù)據(jù)包括攤位號、活動信息等，服裝數(shù)據(jù)包括類別、價格、風(fēng)格、顏色、尺寸等。存儲模塊140還用于存儲一導(dǎo)引語數(shù)據(jù)庫，導(dǎo)引語就是播放服裝推薦方案的語音。

在一示例性實施例中，得到的服裝推薦方案可以經(jīng)輸出模塊160以圖像或語音的形式呈現(xiàn)給客戶，可以是以下述至少一種形式：

將圖像通過顯示屏顯示，或打印成紙質(zhì)文件顯示，還或者通過語音播放出來。

圖6示出本公開示例性實施例中一種共享服務(wù)器的示意圖。該共享服務(wù)器600包括客戶建模模塊610、服裝建模模塊620、分析匹配模塊630和存儲模塊640。

客戶建模模塊610用于根據(jù)客戶數(shù)據(jù)進行分類、建模得到包含多個客戶類型的客戶數(shù)據(jù)模型。服裝建模模塊620用于根據(jù)店鋪數(shù)據(jù)以及服裝數(shù)據(jù)進行分類、建模得到包含多個服裝類型的服裝數(shù)據(jù)模型。分析匹配模塊630用于通過對購買歷史進行分類分析，結(jié)合客戶數(shù)據(jù)模型和服裝數(shù)據(jù)模型進行匹配，得到針對某一客戶類型的服裝推薦方案。存儲模塊640用于存儲客戶數(shù)據(jù)、店鋪數(shù)據(jù)和服裝數(shù)據(jù)。

圖7示出本公開示例性實施例中一種終端的示意圖，該終端700包括輸入模塊710、輸出模塊720以及與圖6所示共享服務(wù)器600進行通信的通信模塊730。輸入模塊710包括但不限于攝像頭、掃描儀器、話筒、指紋識別器等，用于采集客戶數(shù)據(jù)。輸出模塊720包括但不限于顯示屏、打印機、語音播放器等。通信模塊730用于將輸入模塊710采集的信息發(fā)送給共享服務(wù)器600，也用于接收共享服務(wù)器600的服裝推薦方案并以語音或圖像的形式呈現(xiàn)出來。

圖8示出本公開示例性實施例中一種智能導(dǎo)購機器人的示意圖，該智能導(dǎo)購機器人800除了包括一般機器人多具有的硬件和外觀之外，還包括上述實施例中的智能導(dǎo)購系統(tǒng)和顯示屏810。

在一示例性實施例中，該顯示屏810為分區(qū)顯示屏，包括試穿效果顯示區(qū)811、本場推薦顯示區(qū)812和分析建議區(qū)813，試穿效果顯示區(qū)811用于顯示針對客戶類型所推薦服裝的試穿效果的圖片或視頻，本場推薦顯示區(qū)812用于顯示在本場內(nèi)購買所所推薦服裝的店鋪位置，分析建議區(qū)813用于顯示推薦的分析和理由。

在一示例性實施例中，該智能導(dǎo)購機器人800還具有打印機820，用于將試穿效果圖和逛店路線圖通過打印機打印出來供客戶取走觀看。另外，該智能導(dǎo)購機器人800還具有語音播放器，用于將服裝推薦方案以語音播放出來。

在一示例性實施例中，圖9示出該智能導(dǎo)購機器人的架構(gòu)示意圖。該智能機器人可以將系統(tǒng)部分包括存儲模塊、建模單元和分析匹配模塊設(shè)置在共享服務(wù)器中，建模單元用于實現(xiàn)客戶數(shù)據(jù)模型和服裝數(shù)據(jù)模型的監(jiān)控，而僅保留硬件設(shè)備部分的輸入模塊、輸出模塊，實現(xiàn)客戶數(shù)據(jù)信息的輸入和推薦方案的輸出。

此外，上述智能導(dǎo)購系統(tǒng)中進行建模和匹配的各步驟的具體細節(jié)，已經(jīng)在對應(yīng)的實施例中進行了詳細的描述，因此此處不再贅述。而且，盡管在附圖中以特定順序描述了本公開中方法的各個步驟，但是，這并非要求或者暗示必須按照該特定順序來執(zhí)行這些步驟，或是必須執(zhí)行全部所示的步驟才能實現(xiàn)期望的結(jié)果。附加的或備選的，可以省略某些步驟，將多個步驟合并為一個步驟執(zhí)行，以及/或者將一個步驟分解為多個步驟執(zhí)行等。

本領(lǐng)域技術(shù)人員在考慮說明書及實踐這里公開的發(fā)明后，將容易想到本公開的其它實施方案。本申請旨在涵蓋本公開的任何變型、用途或者適應(yīng)性變化，這些變型、用途或者適應(yīng)性變化遵循本公開的一般性原理并包括本公開未公開的本技術(shù)領(lǐng)域中的公知常識或慣用技術(shù)手段。說明書和實施例僅被視為示例性的，本公開的真正范圍和精神由所附的權(quán)利要求指出。