随着计算机和互联网技术的全面普及,越来越多的信息技术运用到服装行业,其中对服装图像处理、服装3D建模以及服装相似个性化推荐等方面的研究占了绝大多数,而对基于图像内容的服装搭配推荐的研究还很少。服装的更新换代速度导致服装数据资源保持较快的增长率,导致用户很难有充足的时间去选择自己合适的服装。如何在巨大规模的服装数据中迅速推荐出适合用户以及当下流行趋势的搭配方案成为一个迫切需要解决的问题。传统的服装推荐绝大都是基于用户数据的相似服装的推荐,而关于服装搭配推荐的研究寥寥无几。同时传统的基于协同过滤算法的推荐系统过多依赖于用户的行为数据,虽然推荐结果较为理想,但是在处理较稀疏数据时效果不佳以及冷启动问题。针对上述问题,本文提出了一种面向虚拟试衣的服装搭配推荐系统,其主要研究目标如下:1.详细调研了本系统涉及的关键技术和相关理论,对Kinect骨骼追踪技术、服装推荐技术以及支持向量机算法作了重点介绍。2.通过互联网资源收集大量的专家服装搭配数据和普通服装数据;选取四种典型的图像特征对服装数据进行提取,作为推荐的数据基础。3.结合增强现实和Kinect体感技术,完成服装的虚拟试穿和场景体验功能;提出服装设计“群智”概念,结合虚拟试衣和服装设计,完成服装自主设计功能。4.实现SVM算法,通过修改训练集的正负样本比例,特征向量维数以及SVM参数等方面训练出高性能的搭配推荐模型,并同其他算法进行推荐精确度对比。