近年来,随着互联网电子商务的普及和网络购物的快速发展,作为网络购物中受众面最为广泛的服装板块,消费需求也经历着成倍数的增长。而消费者在选中了自己喜欢的款式之后,在网上按照自己的尺寸选购衣服之后却发现不合身,只能选择退换或者将就着穿,对网购信任度受到影响。那么如何帮助消费者选择令他们满意的服装就是一个大问题,我们建议找出一种服装号型推荐的模型来解决这个难题。本论文从图像中提取服装号型推荐需要的数据信息,再结合服装对应号型的数据信息,通过定义一个合身度评价函数得到不同体型的人适合的号型,从而构建一个号型归档数据库。再采用SVM模型的方法对实验数据进行验证,通过与BP神经网络算法的对比找出更适合服装号型推荐的方法,实现服装号型的准确推荐。本论文的主要工作如下:首先拍摄人体正面和侧面照片并对图像进行边缘提取,获得边缘轮廓。根据获得的照片进行人体尺寸数据的提取。采用了Roberts算子、Prewitt算子、Sobel算子和传统的Canny算子对图像进行处理,对Canny算子采用一种优化的Canny算子对图像进行边缘轮廓提取,该算法相比于其他算子提取算法,边缘提取的效果更加出色,为后面人体尺寸的提取奠定了基础。其次对人体尺寸数据以及服装号型数据进行提取。运用Harris角点检测算法找到人体关键部位的特征点,结合人体尺寸线定义确定关键部位的位置,分别获取人体的身高、颈宽、颈厚、胸宽、胸厚、肩宽、腰厚和腰宽等二维尺寸信息。运用BP神经网络的方法,对二维尺寸信息进行三维尺寸信息转换,获得人体的三维尺寸信息。对于服装号型数据的获取,本文以女长袖为对象,根据国家服装号型的规定,分别获取女长袖号型的各个号型数据,作为服装号型数据的依据。然后构建了合身度评价模型。利用获取的人体尺寸的数据以及服装号型的数据,结合人对身体各部位的服装舒适感程度的不同,提出基于合身度评价模型的服装号型推荐的方法。接着采用SVM方法建立服装号型的推荐模型。基于获取的人体尺寸数据以及推荐的号型数据,建立号型归档数据库,运用遗传算法、粒子群算法和网格搜索算法的SVM模型对服装进行号型推荐,选取最优的SVM模型。同时将该SVM模型与传统的BP神经网络进行对比,通过之间的比较确定更适合服装号型推荐的模型方法。最后,对全文进行了总结和展望,归纳了主要研究成果与实验结论,并提出了一些值得进一步拓展研究的方向与问题。