[发明专利]一种基于3D打印模型内容的模型推荐方法

说明书

技术领域

本发明涉及3D打印技术，尤其涉及一种基于3D打印模型内容的模型推荐方法。

背景技术

3D打印个性化定制的发展和电子商务技术的迅速普及，使得3D打印相关的互联网交互平台陆续建立。在线3D打印个性化定制服务平台为企业和客户之间提供了良好的沟通环境，拥有完善的服务体系，适应了现代市场的发展。随着3D打印产业的迅速壮大，个性化产品的创作也产生了大量乃至海量的个性化产品创意。这些创意的数据存储空间大、内容涵盖范围广、且检索速度慢。

因此，如何对存储的海量创意数据进行处理，为用户提供便捷、快速、精准的服务，如何根据用户的购买和浏览记录，为用户推荐相似的创意模型是本申请研究的重点内容。现有的针对于单特征提取的模型推荐算法会丢失很多信息，因而推荐的模型不够精准，导致所推荐的内容用户不喜欢，满意度差。

发明内容

本申请提供了一种基于3D打印模型内容的模型推荐方法，以解决单特征提取模型推荐算法的信息丢失问题，提高模型推荐的精准度。

本申请提供的一种基于3D打印模型内容的模型推荐方法，包括：

对3D打印模型库中模型进行特征提取，建立特征库；

对用户定制或浏览的3D打印模型进行特征提取；

用所提取的特征与所述特征库中模型的特征进行相似度对比，选出相似度最大的K个模型进行推荐，K为自然数；

其中，所述特征提取包括：颜色特征提取、形状特征提取和纹理特征提取。

较佳的，所述颜色特征提取包括：将彩色模型量化为N1种颜色的彩色模型，并分别计算这N1种颜色在距离间隔为1和为2时的颜色相关矩阵，然后抽取两个相关矩阵的对角线元素作为物品的颜色特征，得到一个2N1维的颜色特征向量，其中，N1为自然数。

较佳的，所述N1为64，所述颜色特征向量为

较佳的，所述形状特征提取包括：采用模型的N2个不变矩作为所述模型的形状特征向量。

较佳的，所述N2为7，所述形状特征向量为

较佳的，所述纹理特征提取包括：首先，提取模型的共生矩阵，所述共生矩阵用两个位置的像素联合概率密度定义，然后，提取共生矩阵的N3个特征，并计算距离间隔分别取N4个值时的模型纹理特征，得到N3*N4维的模型纹理特征向量。

较佳的，所述N3为6，所提取的共生矩阵的N3个特征包括：能量、相关性、对比度、反差、熵和最大概率；

所述N4个取值分别为：1、2、3和4；

所述N3*N4维的模型纹理特征向量为：

较佳的，每一个模型用颜色特征向量、形状特征向量和纹理特征向量组成的159维向量表示，即v＝{v_C,v_S,v_T}，其中：

为颜色特征向量；

为形状特征向量；

为纹理特征向量。

较佳的，所述进行相似度对比包括：根据确定所提取的特征与模型库中模型的特征的相似度；其中，S代表用户浏览模型和线下特征库模型的相似度，o_m代表线下特征库里的模型,t代表用户浏览的模型。

由上述技术方案可见，本申请基于3D打印模型内容的模型推荐方法的主要特点是应用模型的颜色、形状和纹理特征来表示模型，并根据这些特征来度量两物品之间外观的相似性，并据此向用户进行模型推荐，从而提高模型推荐的精准度。

附图说明

图1为本申请基于3D打印模型内容的模型推荐方法的流程图。

具体实施方式

为使本申请的目的、技术方案及优点更加清楚明白，以下参照附图并举实施例，对本申请作进一步详细说明。

具体来说，本发明主要由特征提取和相似度对比两部分组成。

(1)特征提取：

特征提取主要包括两部分：线下特征提取和线上特征提取。线下特征提取和线上特征提取的主要区别是：线下特征提取针对整个模型库进行特征提取，并建立特征库；而线上特征提取主要针对用户定制或浏览过的模型进行特征提取。

特征提取可包括以下三个部分：

1)颜色特征提取：

首先，将彩色模型量化为N1种颜色的彩色模型，并分别计算这N1种颜色在距离间隔为1和为2时的颜色相关矩阵，然后抽取两个相关矩阵的对角线元素作为物品的颜色特征，得到一个2N1维的颜色特征向量。本申请以64色为例进行说明，进行颜色特征提取后将得到一个128维的颜色特征向量，即：

2)形状特征提取：