一種基于個(gè)性化需求的智能配鏡算法研究

侯增選 王軍驊 黃 磊 張迪婧 吳忠得

(大連理工大學(xué)機(jī)械工程學(xué)院 遼寧 大連 116024)

0 引 言

隨著互聯(lián)網(wǎng)的迅猛發(fā)展及個(gè)性化定制文化的流行，以互聯(lián)網(wǎng)為依托的智能配鏡新零售模式日新月著，越來越多的消費(fèi)者期望根據(jù)個(gè)人特點(diǎn)定制出適合自己的產(chǎn)品。眼鏡作為日常消費(fèi)品，與人們生活關(guān)系密切，而目前消費(fèi)者購買眼鏡大多在專業(yè)眼鏡店或醫(yī)院進(jìn)行購買，款式種類有限，且在佩戴舒適度方面有待提升。因而智能配鏡逐漸為人熟知，根據(jù)用戶偏好及用戶面部特征智能匹配出適合的眼鏡也逐漸被消費(fèi)者所接受。

在基于用戶個(gè)性化需求進(jìn)行個(gè)性化定制及智能匹配方面，相關(guān)企業(yè)及學(xué)者均作了大量的研究工作。蔡銘等[1]基于語義網(wǎng)技術(shù)建立了用戶檢索需求與網(wǎng)絡(luò)制造資源智能匹配模型，開發(fā)了Swirrsm智能檢索系統(tǒng)。周宏明等[2]根據(jù)用戶面部特征與眼鏡特征參數(shù)之間的映射關(guān)系，建立了基于用戶面部特征的智能匹配算法。何保峰等[3]以框架方式進(jìn)行應(yīng)急預(yù)案存儲(chǔ)，并基于矢量空間模型建立智能匹配算法模型，在應(yīng)急預(yù)案匹配領(lǐng)域具有較好的應(yīng)用前景。劉雨東[4]基于人臉面部特征信息和用戶屬性信息開發(fā)了眼鏡產(chǎn)品的個(gè)性化定制系統(tǒng)。Ma等[5]提出了一種基于累積前景理論的圖像匹配智能評(píng)估方法，有效地解決了圖像匹配評(píng)估問題。李新等[6]建立了云制造資源與加工任務(wù)的統(tǒng)一本體模型之間的智能匹配算法，為云制造環(huán)境下的加工路徑優(yōu)化奠定了基礎(chǔ)。盛步云等[7]基于語義搜索技術(shù)建立了制造業(yè)服務(wù)資源庫和服務(wù)需求之間的智能匹配算法，開發(fā)了基于云制造服務(wù)平臺(tái)的智能匹配引擎。Song等[8]基于數(shù)據(jù)標(biāo)簽和策略規(guī)則表達(dá)提出了電力業(yè)務(wù)數(shù)據(jù)的智能匹配濾波算法，極大提高了識(shí)別和過濾電力業(yè)務(wù)系統(tǒng)的敏感數(shù)據(jù)效率和準(zhǔn)確率。Liu等[9]利用圖形挖掘技術(shù)來研究特定藥物的匹配規(guī)則，建立了藥物自動(dòng)匹配方法。

本文基于用戶屬性信息、用戶偏好信息及用戶面部特征信息建立了用戶個(gè)性化需求信息與眼鏡模型庫之間的智能匹配算法，并將智能匹配流程劃分為眼鏡模型庫檢索、眼鏡框型匹配、面部參數(shù)匹配、優(yōu)化調(diào)整四個(gè)階段。基于該智能匹配算法采用C++編程語言基于Qt、Open Inventor等工具開發(fā)了智能配鏡系統(tǒng)。并在該系統(tǒng)平臺(tái)下將本文所述智能匹配算法與關(guān)鍵詞匹配算法進(jìn)行對(duì)比，驗(yàn)證了本文所述智能匹配算法的有效性，提高了用戶個(gè)性化需求信息與眼鏡模型庫之間的匹配精度和效率。

1 智能匹配模型建立

智能配鏡系統(tǒng)是通過建立用戶個(gè)性化需求信息數(shù)據(jù)模型與眼鏡模型庫之間的智能匹配模型來實(shí)現(xiàn)用戶智能選型配鏡的。用戶個(gè)性化需求信息數(shù)據(jù)模型由用戶屬性信息、用戶偏好信息及用戶面部特征信息構(gòu)成；眼鏡模型庫是基于UG平臺(tái)開發(fā)的眼鏡參數(shù)化設(shè)計(jì)系統(tǒng)來建立的。以此搭建用戶個(gè)性化需求信息數(shù)據(jù)模型與眼鏡模型庫之間的智能匹配模型。

1.1 用戶需求信息數(shù)據(jù)模型與眼鏡模型庫建立

用戶個(gè)性化需求信息具體劃分為：用戶屬性信息、用戶偏好信息、用戶面部特征信息。

(1) 用戶屬性信息(AttInformation)：AttInformation={gender, glaType}，由性別、配鏡類型兩個(gè)元素組成。智能配鏡系統(tǒng)根據(jù)用戶屬性信息匹配到眼鏡模型庫中的某一子類模型庫。

(2) 用戶偏好信息(PreInformation)：PreInformation={fraType, fraColor, fraMaterial}，由鏡架類型、鏡架顏色、鏡架材質(zhì)組成。系統(tǒng)根據(jù)用戶偏好信息匹配出對(duì)應(yīng)子類模型庫中適宜的眼鏡款式，并按優(yōu)先級(jí)在三維可視化平臺(tái)上顯示。

(3) 用戶面部特征信息(FeaInformation)：FeaInformation={a, b, c, d, e, α, β}，由耳根上點(diǎn)間距(a)、鼻托貼合點(diǎn)間距(b)、鼻寬(c)、鼻高(d)、側(cè)面間距(e)、眼眶前傾角(α)、鼻基準(zhǔn)角(β)組成。系統(tǒng)根據(jù)用戶面部特征信息對(duì)眼鏡列表中每一款眼鏡進(jìn)行面部參數(shù)匹配，匹配出適合于該面部特征的眼鏡。

用戶個(gè)性化需求信息數(shù)據(jù)模型如圖1所示。

圖1 用戶個(gè)性化需求信息數(shù)據(jù)模型

眼鏡模型庫的建立是基于UG平臺(tái)開發(fā)的眼鏡參數(shù)化設(shè)計(jì)系統(tǒng)，該系統(tǒng)本文不作細(xì)述，眼鏡模型庫組織結(jié)構(gòu)如圖2所示。根據(jù)眼鏡架規(guī)格尺寸[10]，應(yīng)用該眼鏡參數(shù)化設(shè)計(jì)系統(tǒng)將每一款式的眼鏡定制為三種不同的尺寸型號(hào)，為實(shí)現(xiàn)基于用戶面部特征的面部參數(shù)匹配過程提供依據(jù)；并將定制的眼鏡模型統(tǒng)一將prt格式轉(zhuǎn)為wrl格式，方便在智能配鏡系統(tǒng)平臺(tái)上進(jìn)行展示。

1.2 智能匹配模型建立

為實(shí)現(xiàn)基于用戶個(gè)性化需求的智能配鏡的功能，構(gòu)建了用戶個(gè)性化需求信息與眼鏡模型庫之間的智能匹配模型，如圖3所示。

具體智能匹配流程劃分如下：

(1) 眼鏡模型庫檢索：為便于眼鏡模型庫的擴(kuò)展建立了基于DFS的眼鏡模型庫檢索算法。基于用戶屬性信息(性別、所配眼鏡類型)匹配到眼鏡模型庫中的某一具體子類眼鏡模型庫。

(2) 眼鏡框型匹配：建立基于語義相似度的眼鏡框型匹配算法，根據(jù)用戶偏好信息計(jì)算對(duì)應(yīng)子類眼鏡模型庫中每一款眼鏡的匹配相似度值，按相似度值大小輸出眼鏡推薦列表。

(3) 面部參數(shù)匹配：建立面部參數(shù)匹配算法模型，根據(jù)用戶面部特征信息計(jì)算對(duì)應(yīng)眼鏡推薦列表中每款眼鏡三種不同型號(hào)的匹配度值，更新輸出匹配到具體型號(hào)的眼鏡推薦列表。

(4) 優(yōu)化調(diào)整：根據(jù)用戶偏好影響因子及用戶面部特征影響因子對(duì)更新后的眼鏡推薦列表進(jìn)行權(quán)重計(jì)算，輸出最優(yōu)眼鏡推薦列表。

2 智能配鏡算法

2.1 眼鏡模型庫檢索

為便于眼鏡模型庫的擴(kuò)展，基于用戶屬性信息建立了優(yōu)化DFS遍歷檢索算法，實(shí)現(xiàn)具體眼鏡類型庫的檢索過程，算法如圖4所示。

圖4 眼鏡模型庫檢索算法模型

眼鏡模型庫檢索環(huán)節(jié)根據(jù)用戶的性別、配鏡類型信息實(shí)現(xiàn)對(duì)子類模型庫的精確檢索，并將檢索到匹配的子類模型庫節(jié)點(diǎn)信息返回給眼鏡框型匹配環(huán)節(jié)。該算法優(yōu)勢(shì)在于無需考慮眼鏡模型庫組織結(jié)構(gòu)的復(fù)雜性，實(shí)現(xiàn)對(duì)子類模型庫節(jié)點(diǎn)的精準(zhǔn)高效檢索。

2.2 眼鏡框型匹配

基于Jaccard語義相似度計(jì)算方法及Wu&Palmer語義相似度計(jì)算方法建立眼鏡框型匹配算法，匹配過程中分別計(jì)算單個(gè)關(guān)鍵詞的Jaccard相似度值及Wu&Palmer語義相似度值，進(jìn)而計(jì)算單個(gè)關(guān)鍵詞匹配相似度值，最后計(jì)算出鏡架類型、鏡架顏色、鏡架材質(zhì)綜合相似度值；在子類眼鏡模型庫中按綜合相似度值輸出對(duì)應(yīng)的眼鏡推薦列表。

(1) 根據(jù)Jaccard相似度計(jì)算方法[11-12]，給出以下計(jì)算公式：

(1)

式中：fea(key)為用戶偏好信息關(guān)鍵詞特征庫，fea(obj)為眼鏡本體特征庫，|cnt_fea[(fea(key))∩(fea(obj))]|為關(guān)鍵詞特征庫與眼鏡本體特征庫交集特征數(shù)量，|cnt_fea[(fea(key))∪(fea(obj))]|為關(guān)鍵詞特征庫與眼鏡本體特征庫并集特征數(shù)量。

(2) 根據(jù)Wu&Palmer語義相似度計(jì)算方法[13-14]，給出以下計(jì)算公式：

(2)

式中：lso(key,obj)為key和obj公共祖先節(jié)點(diǎn)，w_depth(lso(key,obj))為key和obj公共祖先節(jié)點(diǎn)所處的深度，w_len(key,obj)為關(guān)鍵詞key和obj之間的最短路徑長(zhǎng)度。

(3) 根據(jù)Jaccard語義相似度計(jì)算方法及Wu&Palmer語義相似度計(jì)算方法建立單關(guān)鍵詞匹配相似度計(jì)算公式：

sim_sin(key,obj)=ε1×sim_con(key,obj)+

ε2×sim_sem(key,obj)

(3)

式中：ε1、ε2為調(diào)節(jié)因子，ε1、ε2均大于0且ε1+ε2=1。

(4) 根據(jù)鏡架類型、鏡架顏色、鏡架材質(zhì)計(jì)算眼鏡框型匹配綜合相似度，計(jì)算公式如下：

sim(P,G)=α×sim_sin(keytype,objtype)+

β×sim_sin(keycolor,objcolor)+

γ×sim_sin(keymaterial,objmaterial)

(4)

式中：P、G分別為用戶偏好信息、眼鏡本體特征信息；α、β、γ分別為鏡架類型、鏡架顏色、鏡架材質(zhì)影響因子，α、β、γ均大于0且α+β+γ=1，可以通過用戶偏好分析設(shè)置α、β、γ占比。

根據(jù)用戶偏好信息通過該眼鏡框型匹配算法計(jì)算子類模型庫中每款眼鏡相似度值，并輸出最優(yōu)眼鏡款式到眼鏡推薦列表，為面部參數(shù)匹配過程提供依據(jù)。

2.3 面部參數(shù)匹配

通過計(jì)算用戶面部特征信息與眼鏡推薦列表中每款眼鏡三種不同型號(hào)之間的匹配度值，輸出匹配到具體眼鏡型號(hào)的眼鏡推薦列表。面部參數(shù)匹配算法過程如下：

(1) 分別計(jì)算與眼鏡鼻梁、鏡框、鏡腿設(shè)計(jì)相關(guān)的面部特征信息(Fnos,Ffra,Fleg)與三種不同眼鏡型號(hào)之間的匹配度值。

與鼻梁、鏡框、鏡腿設(shè)計(jì)相關(guān)的面部特征與某一具體眼鏡型號(hào)之間的匹配度值計(jì)算公式依次如下：

(5)

(2) 計(jì)算用戶面部特征信息(F)與三種不同眼鏡型號(hào)之間的綜合面部參數(shù)匹配度值：

mac_par(F,Gi)=α×mac_nos(Fnos,Gi)+

β×mac_fra(Ffra,Gi)+

γ×mac_leg(Fleg,Gi)

(6)

式中：α、β、γ分別為鼻梁、鏡框、鏡腿的影響因子，α、β、γ均大于0，α+β+γ=1。

(3) 計(jì)算出與用戶面部特征信息匹配最優(yōu)的眼鏡型號(hào)：

Gopt=max{mac_par(F,G1),mac_par(F,G2),

mac_par(F,G3)}

(7)

根據(jù)用戶面部特征信息通過該面部參數(shù)匹配算法將匹配到具體眼鏡型號(hào)輸出到眼鏡推薦列表，以便進(jìn)行優(yōu)化調(diào)整。

2.4 優(yōu)化調(diào)整

根據(jù)用戶偏好影響因子(ε1)與用戶面部特征影響因子(ε2)計(jì)算面部參數(shù)匹配所得的眼鏡推薦列表每款眼鏡的綜合匹配度值：

match(Gtype)=ε1×sim_fea(P,Gtype)+ε2×

mac_par(F,Gtype)

(8)

式中：Gtype為眼鏡推薦列表中某一具體型號(hào)的眼鏡；P、F分別為用戶偏好信息、用戶面部特征信息；ε1、ε2均大于0且ε1+ε2=1，由用戶設(shè)置占比。

根據(jù)綜合匹配度值對(duì)眼鏡推薦列表中的眼鏡進(jìn)行優(yōu)化排序，輸出最優(yōu)眼鏡推薦列表。

3 仿真與驗(yàn)證

為驗(yàn)證本文所述智能匹配算法在智能配鏡過程中的有效性，基于該智能匹配算法開發(fā)了智能配鏡系統(tǒng)，該智能配鏡系統(tǒng)能夠根據(jù)用戶個(gè)性化需求信息實(shí)現(xiàn)智能配鏡功能。并與關(guān)鍵詞匹配算法進(jìn)行對(duì)比，以匹配精度及匹配范圍作為算法評(píng)估標(biāo)準(zhǔn)。

3.1 實(shí)驗(yàn)設(shè)計(jì)

本實(shí)驗(yàn)所使用的眼鏡模型數(shù)據(jù)集是基于UG/Open API二次開發(fā)工具開發(fā)的眼鏡參數(shù)化設(shè)計(jì)系統(tǒng)所建立的眼鏡模型庫；模型庫共包含四種眼鏡類型庫，每種眼鏡類型庫共包含十種款式的眼鏡模型，每款眼鏡包含三種不同型號(hào)的眼鏡模型。用戶面部特征信息由面部三維掃描模型唯一確定，如圖5所示；用戶需求信息如表1所示。

圖5 面部三維模型

特征類別個(gè)性化需求信息關(guān)鍵詞信息性別男男配鏡類型光學(xué)鏡光學(xué)鏡鏡架類型全框全框鏡架顏色銀灰色銀灰色鏡架材質(zhì)金屬金屬耳根上點(diǎn)間距165.375 21 mm———鼻托貼合點(diǎn)間距17.433 98 mm———鼻寬41.514 65 mm———鼻高46.511 30 mm———側(cè)面間距82.354 88 mm———眼眶前傾角25.002 82°———鼻基準(zhǔn)角29.317 39°———

3.2 驗(yàn)證結(jié)果分析

在同一智能配鏡系統(tǒng)平臺(tái)下，分別對(duì)本文所述智能匹配算法與關(guān)鍵詞匹配算法進(jìn)行測(cè)試，以匹配精度及匹配范圍作為判斷依據(jù)，表2為實(shí)驗(yàn)統(tǒng)計(jì)數(shù)據(jù)。

表2 實(shí)驗(yàn)統(tǒng)計(jì)數(shù)據(jù)

相對(duì)于關(guān)鍵詞匹配算法，本文所述智能匹配算法能夠精確匹配到眼鏡模型庫中的對(duì)應(yīng)具體眼鏡型號(hào)，因此大幅減小了眼鏡匹配范圍，匹配數(shù)量?jī)H為關(guān)鍵詞匹配算法的1/3，避免了重復(fù)匹配相同款式不同型號(hào)眼鏡的情況。智能配鏡系統(tǒng)匹配結(jié)果如圖6所示，此處僅將完全匹配的眼鏡款式列出。

圖6 眼鏡推薦列表

4 結(jié) 語

為實(shí)現(xiàn)基于用戶個(gè)性化需求信息的智能配鏡功能，構(gòu)建了用戶個(gè)性化需求信息數(shù)據(jù)模型，搭建了基于UG平臺(tái)的眼鏡參數(shù)化設(shè)計(jì)系統(tǒng)眼鏡模型庫，并建立了二者之間的智能匹配算法。

應(yīng)用該智能匹配算法,基于Qt、Open Inventor等工具開發(fā)了智能配鏡系統(tǒng)，并在該系統(tǒng)平臺(tái)下與關(guān)鍵詞匹配算法進(jìn)行了對(duì)比。實(shí)驗(yàn)結(jié)果表明本文所述智能配鏡算法能夠有效實(shí)現(xiàn)用戶個(gè)性化需求與眼鏡模型庫之間的智能匹配，為實(shí)現(xiàn)基于用戶個(gè)性化需求的眼鏡個(gè)性化定制奠定了基礎(chǔ)。