1、-基于大數據的服裝個性定制Apparel personality customization based on big data【摘要】在網絡購物的新時代，用戶常常出現所購服裝不合身的現象，糾其原因主要是，服裝無法上身，尺碼不夠細化。其與上述情況，筆者通過人體照片拍攝采集，尋找網絡時代大數據背景下，尺碼細化，匹配以實現服裝個性定制的可能性，力求滿足網絡時代，大購物量的需求并提高網購服裝合身度。In the new era of online shopping, users often appear to buy clothing does not fit the body ,the main

2、reason is that the clothing can not be on the upper body, the size is not refined enough. With the above situation, the author through the body photograph collection, find the network era of big data background, size, refinement, in order to achieve the possibility of customization, and strive to me

3、et the network era, large shopping demand and improve the online shopping clothing fit.【關鍵詞】大數據Big data 服裝導購 clothing shopping guide 個性定制personalized tailor 尺碼細化 size refinement 自20世紀末以來，隨著網絡技術和計算機技術的快速開展，網上電子商務交易平臺得到了快速的開展，它直接改變了原來的交易模式，其相關的電子商務交易總額已與實體門面的交易總額不相上下，且以服裝業最為突出，服裝行業的網絡化交易已成為當代人的首先交易方式，

4、但是在服裝電子商務平臺的交易過程中仍然存在著很大問題即在網絡交易過程中，消費者不能親身試穿，尺碼不夠精細，導致相關衣服褲子等尺碼大小不能匹配自身體型。則如何在網絡時代大數據的背景下既保證量的需求，又滿足顧客對服裝合身度的要呢。筆者基于這一問題，提出大數據下的服裝個性定制理念，及用戶收藏產品上傳自身體型數據，當*一產品收集到大量體型數據時，對數據進展分類，以數據匹配服裝尺碼，并對于尺碼進展細化，加以生產，以準確顧客需求，并根據各型號數據所占數據總量的比重，分配資源，調整各尺碼服裝生產量。一：大數據背景所謂大數據便是指海量信息時代，隨著21世紀，網絡信息技術的不斷開展，互聯網公司在日常運營中生成、

5、累積的用戶網絡行為數據不斷增加并被記錄，形成了大數據的背景。隨著互聯網用戶的不斷增加，網絡購物這一新興領域逐步開展，收獲越來越多的使用客戶，隨著用戶點擊量和購置量的增加，網絡平臺所記錄的用戶服裝選擇喜好，類型，尺碼等數據也有所增加，當然服裝銷售商也會積累所購置用戶的數據，作為生產進貨的參考依據。同時網購服裝以便利快捷的自身優勢，逐步取代傳統線下購置模式，網購服裝需求量，購置量也日益增加，網絡大數據時代到來的同時，網絡服裝大數據也悄然形成。在這樣的大數據背景下，我們提出服裝個性化生產，基于精準的人體數據測量方式，大數據的背景與合理的數據分析方法，提倡將數據統合，分類，細化，以準確指導服裝生產與導

6、購，更好滿足生產商，銷售方，用戶等多方需求。二：數據測量及采集所謂大數據是對于一定類型的數據的統合，而大數據背景下的服裝個性定制以精準、豐富的人體體型參數的搜集為先決條件，用戶可以通過傳統測量方法手工測量自身體型參數并上傳數據，也可以通過上傳照片通過公式分析實現非接觸性測量。2.1測量方法1.傳統測量傳統測量方法以手工測量為主，以卷尺等材料，就人體相應部位進展接觸性測量。這種測量方法所得結果較為精準，并且用戶在家就可以完成，具有普及便捷等優點，但操作過程繁雜，較難獨立完成，仍具有一定的局限性。2.非接觸性測量隨著圖像分析軟件的不斷開發，非接觸性測量逐步開展。非接觸性測量與傳統測量模式最大的區別

7、就在于非接觸性的方式，往往只需借助儀器便可實現測量。非接觸性測量主要包括立體攝影測量法、激光測量法、TC2分層輪廓測量法等。非接觸性測量也可以以圖像提取人體體型特征點，并根據程序算法分析，得出精準人體體型參數。具有高效、快捷、精準等突出特點。2.2數據采集傳統服裝指標對應測量參數為身高、體重、肩寬、臂長、胸圍、臀圍、腿長。傳統測量參數籠統概括，只能在一定圍反映人體信息，卻做不到精準。就拿胸圍舉例，胸圍只是一個籠統而概括的參數，就女性胸部而言，存在上胸圍和下胸圍之間的差異，以胸圍這一參數籠統概括，無視人體上胸圍與下胸圍之間的差異性，勢必影響用戶的購物體驗，難以做到服裝合身適體。為實現數據的精準，

8、工程組通過細化分析增設人體體型特征點，提取更多參數，盡可能多地反映人體信息，實現精準測量匹配。測量參數點如下：肩寬、臂長、臂圍、上胸圍、下胸圍、腰圍、臀圍、上身長、領圍、身高、體重，切實提取各局部體型參數，以準確反映人體體型。用戶既可以通過傳統測量方式獲取各局部精準信息，也可以通過非接觸性測量獲取精準信息。我工程組就基于人體體型參數的非接觸性測量模式進展了深入研究。通過實拍試驗，我們發現正面照和側面照結合就可以提取到人體必要的體型測量特征點。從正、側面照對肩寬、臂長、臂圍、上胸圍、下胸圍、腰圍、臀圍、上身長、領圍、身高等數據的測量點進展定位，并以一元硬幣為參數，使之至于被拍攝者額頭，即可通過長

9、度比對提取到各特征點之間的距離，并通過算法分析精準得出人體各部位體型參數。這樣的方法使用者在日常生活中也可簡單便利使用，即通過手機拍攝清晰正面照、側面照各一，并將戰片上傳至網絡平臺，分析可反響人體體型數據。需要注意的是：需以1元硬幣為參照物放置于額頭，手機拍攝角度最好垂直于地面。并且就工程組前期實驗發現，最正確拍攝所著服裝為緊身衣或相對貼身的衣物，拍攝最正確背景為沒有雜物的白色墻壁。以上拍攝方式，拍攝方法有助于更好排除干擾項，實現更為精準的人體體型參數提取，實現準確數據采集。三：數據分析3.1分析方法基于數據采集及數據統計形成大數據背景，如何對數據進展分類和處理也是數據精準匹配的重要關鍵。現今

10、的大數據分類方法主要包括因子分析法、貝葉斯估計技術、降維升維法等。根據分析法原理，刪選有效信息，分類組合，可將用戶所上傳的體型資料參數按圍進展分類，與服裝本身尺寸進展匹配調整，使用戶體型數據與服裝參數到達精準匹配。3.2數據細化分類數據精細化分類，指在原有數據根底上進展加工，通過增加分類項，細化參數等方式，縮小分類圍，提高分類準確性。服裝導購數據細化分類也是如此，為實現精準匹配，還需對用戶體型數據和服裝尺碼分類數據進展細化加工，以提高服裝合身度實現精準導購。以女裝尺碼為例，傳統女裝尺碼分類如下：“女上裝尺碼對照表(cm)上裝尺碼SML*L155/80A160/84A165/88A170/92A

11、胸 圍(cm)78-8182-8586-8990-93腰 圍(cm)62-6667-7071-7475-79肩 寬(cm)36384042適合身高(cm)155/160160/165165/170170/175“女下裝尺碼詳細對照表(cm)下裝尺碼SML*L155/64A160/68A165/72A170/76A腰 圍(cm)62-6666-7070-7474-78臀 圍(cm)84-8888-9292-9696-100適合身高(cm)153-157158-162163-167168-172從上述傳統女裝尺碼表中我們不難發現其存在著弊端與局限性，參數少，分類粗。傳統的尺碼表只選擇女性極為突出的

12、幾個特征參數作為分類依據，參數少，不能反映全部身體特征，容易導致服裝局部部位貼身，局部部位不貼身，難以做到準確匹配，極大影響了服裝的合身度。另外s、m、L、*l等尺碼的劃分過于廣泛一個尺碼腰圍間隔3-4cm、臀圍間隔4cm左右等等，可以說在劃分上過于廣泛，甚至有可能出現胸圍屬于m碼、臀圍屬于L碼等情況。基于上述問題工程組提出新的人體體型特征采集點，將原有的尺碼分類標準從身高、體重、胸圍、臀圍、肩寬等拓展至肩寬、臂長、臂圍、上胸圍、下胸圍、腰圍、臀圍、上身長、領圍、身高等多個維度，并提出根據服裝劃分尺碼，細化尺碼的理念，細化尺碼表，增加分類參考維度，真正做到細化數據、準確匹配。根據提出理念，我工

13、程組初步擬定新女裝尺碼表，并根據服裝本身材質，設計等進展調整，舉例如下：寬松針織外衣尺碼表：規格*SSML*L身高155-155-160160-165165-172172+上胸圍80-80-8585-9595-102102+下胸圍70-70-7575-8686-9292+腰圍66-66-6868-7272-7676+臀圍82-82-8787-9393-9696+上身長60-60-6262-6464-6868+肩寬40-40-4242-4444-4646+臂圍25-25-2727-2929-3333+領圍32-32-3434-3636-4040+體重95-90-100100-110110-125

14、125+修身泳衣尺碼表:規格ML*L*L*L4*L身高155-155-160160-165165-170170-173173+上胸圍81-81-8686-9090-9494-9898+下胸圍75-75-7878-8080-8585-9090+腰圍66-66-7070-7272-7575-7979+臀圍85-85-8888-9292-9595-9898+上身長60-60-6262-6464-6666-6868+肩寬40-40-4242-4444-4646-4848+臂圍25-25-2727-2929-3131-3434+領圍33-33-3434-3636-3838-4040+體重85-85-92

15、92-100100-108108-115115+下裝尺碼表：規格SML*L身高155-155-160160-165165+體重85-85-9595-105105+腰圍63-63-6565-7070+腳踝圍18-18-2020-2222+臀圍84-84-8686-9191+大腿長44-44-4747-5050+小腿長35-35-3838-4141+大腿圍41-41-4545-5353+小腿圍33-33-3535-3737+膝蓋圍31-31-3333-3434+上述設想尺碼表，通過增設測量點，從而增加服裝參數想項。服裝與人體匹配時所要參考的數據也隨之增加，人體特征與更像參數的匹配能提高服裝各局部的

16、合身度，同時保持原有的理念，將服裝尺碼所對應的參數在一定圍進展波動，方便歸類生產，能進一步滿足供求雙方的需求。四：大數據下的服裝個性定制所謂大數據下的服裝個性定制是基于網絡大數據背景下提出的一種新的網絡服裝導購模式，即當商家通過用戶的網絡購物行為收集到較多的用戶體型數據時，經隱私原則，指導生產商細化尺碼分類，進展準確生產的新型網絡購物模式設想。旨在實現高效網絡購物模式下的服裝精準購置，實現網絡購物與私人定制的根本統一。4.1實現方法基于大數據的服裝個性化定制，實現步驟主要分為：測量數據收集數據數據細化分類反響廠家生產供貨。測量數據：用戶通過傳統測量方法或非接觸性測量方法，測量肩寬、臂長、臂圍、

17、上胸圍、下胸圍、腰圍、臀圍、上身長、領圍、身高、體重的人體數據。收集數據：用戶選擇心儀服裝并上傳自身人體體型參數，電腦保存記錄。數據細化分類：當數據收集到一定的量時，必然發現有局部用戶的體型數據極為接近甚至完全一樣。商家可以根據服裝面料的延展性和設計風格等因素，考慮用戶所上傳的體型數據，在原有尺碼表的根底上進展細化，制定服裝細化尺碼表，增加服裝碼數，縮小碼數適宜體型數據的圍。商家將收集到的用戶體型數據進展分類整理，并將用戶體型數據與細化尺碼表進展匹配，即了解各尺碼用戶需要人數，各尺碼占所需的服裝比例。反響廠家生產：廠家根據細化尺碼表和商家匯總的各尺碼所需人數及各尺碼所占服裝比例進展生產。供貨：

18、正常的網絡購物供貨方式。簡單來說就是，當用戶有購置意向時向商家提供自身的體型數據與心儀服裝款式，商家收到用戶提供人體體型數據時進展數據分類整理，當數據量到達一定值，便可以分析得出各類服裝意向購置人群的體型分類，細化原有服裝尺碼表，并根據細化尺碼表，將各尺碼需要人數提供應該服裝生產商，并有服裝生產商進展加工，按交貨日期向顧客交貨。這樣既能保證用戶體型與服裝能有較好的適宜度，也不用為保證合身度進展私人定制減少了服裝生產時間，這就是所謂的大數據下的服裝個性化定制。服裝個性化定制在網絡購物節日中同樣可以實現。當網購節開場前，用戶會挑選自己所喜歡的產品并上傳自身的體型數據，商家匯總用戶對各款服裝的關注人

19、數，各款服裝關注用戶的體型參數。將參數與已有的細化尺碼表進展匹配，將匹配結果反響給商家，提前準備各款服裝數量，以及各尺碼生產預估量。當網絡購物節開場時，用戶下單，此時各服裝按照用戶關注度和關注者體型參數，已經在服裝數量和服裝各尺碼數量上有了預先準備，可將前期準備的服裝進展銷售局部繼續生產。根本實現網絡購物與細化尺碼個性定制的統一。4.2實現意義實現基于大數據的服裝個性定制的網絡購物模式可以滿足用戶、商家、服裝生產商等多方需求，具有以下幾個突出意義：1. 提高服裝合身度 基于大數據的服裝個性化定制，以接觸性測量或精準非接觸性測量準確提取人體體型參數，并將精準的數據通過電腦上傳記錄，關注每一個用戶的體型參數。同時運用更細化的服裝尺碼表，增加服裝測量點，縮小尺碼適宜