近年来,随着网络技术的发展,越来越多的人通过网络来寻找以及购买当下符合自身需求的流行服饰,但是淹没在网络海量时尚信息中,人们通常需要花大量的时间寻找与自己相关的时尚衣着信息。如何快捷的在网络海量信息中搜寻出合适的服装搭配已经成为当今人们,特别是女性群体,在使用网络时最关注的问题之一。为了填补海量信息和用户需求之间的鸿沟,目前已经有一些服装搭配推荐系统被提出并实现,但是基于手工标注的检索和推荐,使大部分该类系统只能适应小规模数据并且容错性较差。因此实现一个具有广泛适应性的智能时尚推荐系统需要基于视觉方式对网络海量数据进行实时过滤,并对服装图片和视频进行自动特征标注和智能推荐。在本课题中,我们提出一个基于视觉方法面向整个网络环境的个性化智能时尚推荐系统。本系统结合多种图像处理,数据挖掘等技术,能针对网络海量时尚多媒体信息的实时捕获,分析以及推荐。本系统具有以下创新点:(1)通过结合时尚行业的现实需求,以及提出的系统构架和创新的方法,形成了一个较为完善的面向网络海量时尚多媒体信息的智能服装特征分析和推荐系统,具有更广泛的适应性。(2)根据服装的特点提出基于关键点的服装款式识别方法,结合了外部轮廓几何特征和内部拓扑结构两方面因素,较为全面的描述了服装款式特征,解决了服装风格识别的问题。(3)层级进化的时尚多媒体过滤方法,基于层级进化机制实现了对网络实时多媒体信息的过滤和分析,提升了系统的效率。其中,复杂动态场景下的模特精确轮廓抽取方法,解决了网络视频服装特征分析的问题。(4)多维度的时尚服装特征识别。综合了服装风格,色彩,纹理三个主要特征的视觉表达和识别模型。本课题的研究成果,有效的在海量数据中将用户需求和当下网络中时尚信息联系起来,进而成为连接时尚界专业人士,非专业人士以及服装制造商三方的信息协作平台,具有良好的市场发展潜力。