第八节　服装电子商务中的新技术概述

一、虚拟现实技术简介

虚拟现实技术是许多相关学科领域交叉、集成的产物。它的研究内容涉及人工智能、计算机科学、电子学、传感器、计算机图形学、智能控制、心理学等。我们必须清醒地认识到，虽然这个领域的技术潜力是巨大的，应用前景也是很广阔的，但仍存在着许多尚未解决的理论问题和尚未克服的技术障碍。客观而论，目前虚拟现实技术所取得的成就，绝大部分还仅限于扩展了计算机的接口能力，仅仅是刚刚开始涉及人的感知系统和肌肉系统与计算机的结合作用问题，还根本未涉及“人在实践中得到的感觉信息是怎样在人的大脑中存储和加工处理成为人对客观世界的认识”这一重要过程。只有当真正开始涉及并找到对这些问题的技术实现途径时，人和信息处理系统间的隔阂才有可能被彻底克服。我们期待着有朝一日，虚拟现实系统成为一种对多维信息处理的强大系统，成为人进行思维和创造的助手，成为对人已有的概念进行深化和获取新概念的有力工具。

虚拟现实技术（VR）是仿真技术的一个重要方向，是仿真技术与计算机图形学人机接口技术、多媒体技术、传感技术、网络技术等多种技术的集合，是一门富有挑战性的交叉技术前沿学科和研究领域。虚拟现实技术主要包括模拟环境、感知、自然技能和传感设备等。

模拟环境是由计算机生成的实时动态的三维立体逼真图像。感知是指理想的VR应该具有一切人所具有的感知功能，除计算机图形技术所生成的视觉感知外，还有听觉、触觉、力觉、运动等感知，甚至还包括嗅觉和味觉等，也称为多感知。自然技能是指人的头部转动，眼睛、手势或其他人体行为动作，由计算机来处理与参与者的动作相适应的数据，对用户的输入做出实时响应，并分别反馈到用户的五官。传感设备是指三维交互设备。就本质上来讲，虚拟现实就是一种先进的计算机用户接口，通过给用户同时提供诸如视、听、触等各种直观而又自然的实时感知交互手段，最大限度地方便了用户的操作，从而减轻用户的负担，提高整个系统的工作效率，实现用户与环境直接进行自然交互。虚拟现实技术具有以下四个重要特征。

1.多感知性

所谓多感知性就是说除了一般计算机所具有的视觉感知外，还有听觉感知、力觉感知、触觉感知、运动感知、甚至包括味觉感知和嗅觉感知等。理想的虚拟现实就是应该具有人所具有的感知功能。

2.存在感

存在感又称临场感，是指用户感到作为主角存在于模拟环境中的真实程度。理想的模拟环境应该达到使用户难以分辨真假的程度。

3.交互性

交互性是指用户对模拟环境内物体的可操作程度和从环境得到反馈的自然程度（包括实时性）。例如，用户可以用手去直接抓取环境中的物体，这时手有握着东西的感觉，并可以感觉物体的重量，视场中的物体也随着手的移动而移动。

4.自主性

自主性是指虚拟环境中物体依据物理定律动作的程度。例如，当受到力的推动时，物体会向力的方向移动，或翻倒、或从桌面落到地面等。

二、物联网技术简介

“物联网（Internet of Things）技术”的核心和基础仍然是“互联网技术”，是在互联网技术基础上延伸和扩展的一种网络技术。其用户端延伸和扩展到任何物品和物品之间，进行信息交换和通信，是通过射频识别（RFID）、红外感应器、全球定位系统、激光扫描器等信息传感设备，按约定的协议，将任何物品与互联网相连接，进行信息交换和通信，以实现智能化识别、定位、追踪、监控和管理的一种网络技术，实现对“万物”的“高效、节能、安全、环保”的管、控、营一体化管理和服务功能。

物联网技术是一项综合性的技术，是一个系统，物联网的应用关键需要解决传感器、RFID、嵌入式软件以及传输数据计算等领域的应用问题。简单讲，物联网是物与物、人与物之间的信息传递与控制。在物联网应用中有以下关键技术。

1.传感器技术

传感器技术是计算机应用中的关键技术，到目前为止绝大部分计算机处理的都是数字信号。自从有计算机以来就需要传感器把模拟信号转换成数字信号以方便计算机对之处理。

2.RFID技术

RFID标签也是一种传感器技术，RFID技术是融合了无线射频技术和嵌入式技术为一体的综合技术，RFID在自动识别、物品物流管理方面有着广阔的应用前景。

3.二维码技术

二维码作为物联网的一种核心应用，是用某种特定的几何图形按一定规律在平面上分布的黑白相间的图形记录数据信息的，在代码编制上巧妙地利用构成计算机内部逻辑的“0”“1”比特流的概念，使用若干个与二进制相对应的几何图形来表示文字数值信息，通过图像输入设备或光电扫描设备自动识别以实现信息自动处理，能够在横向和纵向两个方位同时表达信息，因此能在很小的面积内传递大量的信息。

三、大数据技术简介

大数据技术是互联网、移动应用、社交网络和物联网等技术发展的必然趋势。大数据应用已成为当前最为热门的信息技术应用领域，是数据分析的前沿技术，是从各种各样类型的数据中，快速获得有价值信息的能力。在电子商务活动中，对大量消费者提供产品或服务的企业可以利用大数据进行精准营销。大数据具有数据体量巨大、数据类型繁多、价值密度低、处理速度快等特点。大数据处理的关键技术包括：大数据采集、大数据预处理、大数据存储及管理、大数据分析及挖掘等技术。

1.大数据采集技术

大数据采集重点要突破分布式高速高可靠数据爬取或采集、高速数据全映像等大数据收集技术；突破高速数据解析、转换与装载等大数据整合技术；设计质量评估模型，开发数据质量技术，一般分为大数据智能感知层：主要包括数据传感体系、网络通信体系、传感适配体系、智能识别体系及软硬件资源接入系统，实现对结构化、半结构化、非结构化的海量数据的智能化识别、定位、跟踪、接入、传输、信号转换、监控、初步处理和管理等；基础支撑层：提供大数据服务平台所需的虚拟服务器，结构化、半结构化及非结构化数据的数据库及物联网络资源等基础支撑环境。

2.大数据预处理技术

主要完成对已接收数据的辨析、抽取、清洗等操作。

（1）抽取：因获取的数据可能具有多种结构和类型，数据抽取过程可以将复杂的数据转化为单一的或者便于处理的构型，以达到快速分析处理的目的。

（2）清洗：大数据并不全是有价值的，有些数据并不是我们所关心的内容，而另一些数据则是完全错误的干扰项，因此要对数据过滤“去噪”，从而提取出有效数据。

3.大数据存储及管理技术

大数据存储与管理要用存储器把采集到的数据存储起来，建立相应的数据库，并进行管理和调用。开发新型数据库技术，数据库分为关系型数据库、非关系型数据库以及数据库缓存系统。开发大数据安全技术，改进数据销毁、透明加解密、分布式访问控制、数据审计等技术；突破隐私保护和推理控制、数据真伪识别和取证、数据持有完整性验证等技术。

4.大数据分析及挖掘技术

数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。大数据分析技术应改进已有数据挖掘和机器学习技术，开发数据网络挖掘、特异群组挖掘、图挖掘等新型数据挖掘技术，突破基于对象的数据连接、相似性连接等大数据融合技术，突破用户兴趣分析、网络行为分析、情感语义分析等面向领域的大数据挖掘技术。