1.基于大数据的智能数据分析系统，包括大数据更新库、衣着分类模块和出鞋控制模块，其特征在于：所述大数据更新库用于大数据学习更新衣服类型特征，所述衣着分类模块用于分析个人当天穿着所属类型并判断个人当前出行行程类型，所述出鞋控制模块用于根据个人出行行程控制对应类型鞋子所在鞋柜处推行伸出，便于个人直接在符合行程类型的鞋子中任意挑选，所述大数据更新库与衣着分类模块电连接，所述衣着分类模块与出鞋控制模块电连接。

2.根据权利要求1所述的基于大数据的智能数据分析系统，其特征在于：所述大数据更新库包括数据采集模块和特征学习模块，所述数据采集模块用于通过网络采集不同类型服饰的主要轮廓特征，所述特征学习模块与数据采集模块电连接，所述特征学习模块用于学习整理不同类型衣服综合特征轮廓曲线数据。

3.根据权利要求2所述的基于大数据的智能数据分析系统，其特征在于：所述衣着分类模块包括光敏拍摄单元、成像数据分析模块和逻辑判断模块，所述光敏拍摄单元用于根据光敏变换信号触发拍摄图像，所述成像数据分析模块与光敏拍摄单元电连接，所述成像数据分析模块用于根据成像信息分析计算当前个人穿着所属服饰类型，所述逻辑判断模块与成像数据分析模块以及大数据更新库电连接，所述逻辑判断模块用于根据服饰类型分析判断个人当前出行行程类型。

4.根据权利要求3所述的基于大数据的智能数据分析系统，其特征在于：所述出鞋控制模块包括感应标签单元和执行单元，所述感应标签单元用于记录鞋类数据，并与鞋柜贴合感应传输，所述执行单元用于控制鞋柜在对应鞋类处的底部移动，使对应鞋类从鞋柜内部挪出。

5.根据权利要求4所述的基于大数据的智能数据分析系统，其特征在于：所述成像数据分析模块包括识别抠图子模块、轮廓拟合子模块和数据计算子模块，所述识别抠图子模块用于对成像画面进行服饰轮廓扣剪，所述轮廓拟合子模块用于对扣剪后的服饰画面轮廓拟合轮廓线，所述数据计算子模块用于计算轮廓线的波动数值并分析判断服饰类型。

6.根据权利要求5所述的基于大数据的智能数据分析系统，其特征在于：所述基于大数据的智能数据分析系统的运行方法包括以下步骤：步骤S1：大数据更新库不断更新当下不同类型的服饰主体样式数据，并整理学习主体样式特征数据，得到不同类型服饰的主要特征数据库；

步骤S2：个人起床后，根据当前的行程类型进入衣帽间换好与行程搭配的服饰类型，并在镜子面前整理衣着；

步骤S3：当个人在镜子处时，衣着分类模块拍摄当前个人图像，并分析判断服饰类型，判断个人当前出行的行程类型，并将判断结果以电信号形式传送至出鞋控制模块；

步骤S4：出鞋控制模块根据当前行程类型，匹配相同类型的感应标签单元，并对相同感应标签单元所在鞋柜处执行移动，控制对应类型的鞋从鞋柜内部挪出。

7.根据权利要求6所述的基于大数据的智能数据分析系统，其特征在于：所述步骤S3进一步包括以下步骤：

步骤S31：光敏拍摄单元实时感应环境光，并将感应光敏信号转换为电信号；

步骤S32：当个人在镜子处后，身体遮挡住衣帽间内的灯光源，光敏拍摄单元感应光线变弱触发电信号进行拍摄，并将拍摄图像电信号传输至成像数据分析模块；

步骤S33：成像数据分析模块获取个人在镜子面前的服饰穿着图像数据，对图像数据进行数据分析后将数据分析结果电信号传输至逻辑判断模块；

步骤S34：逻辑判断模块获取大数据更新库不同类型服饰的主要特征数据和对当前个人所穿着服饰的数据分析结果做判断，判断当前个人服饰类型后得到个人当前出行的行程类型。

8.根据权利要求7所述的基于大数据的智能数据分析系统，其特征在于：所述步骤S33进一步包括以下步骤：

步骤S331：获取光敏拍摄单元拍摄的图像数据后，识别抠图子模块对图像进行智能识别；

步骤S332：根据图像中个人与背景景深度不同对图像中个人画面进行抠图；

步骤S333：抠图后的图像为个人身体图像，轮廓拟合子模块对个人身体图像轮廓按固定间隔距离进行标定，并将标定后的点连线形成个人身体轮廓拟合线；

步骤S334：数据计算模块截取一段个人身体拟合线，并以线段两端点连线得到标准线，依次测量此段个人身体拟合线中所有标定点值至标准线的距离；

步骤S335：以标准线一侧为正，另一侧为负，得到所有标定点至标准线距离数列{l1、l2、l3…ln}；

步骤S336：随机获取数列中任意数值，当与其两侧数值互为正负时，对当前数值进行标记，最终得到当前数列中被标记数值的数量m，并通过被标记的数值m与所有标定点n的比值得到当前轮廓的波动频率H；

2

步骤S337：通过方差公式计算个人身体拟合线中所有标定点相对标准线的波动程度S。

9.根据权利要求8所述的基于大数据的智能数据分析系统，其特征在于：所述步骤S336中当前轮廓的波动频率H的计算公式为：式中，当被标记数值的数量m越大时，则数列中更多相邻的数值互为正负，则相对标准线波动频率更高。

2

所述步骤S337中个人身体拟合线中所有标定点相对标准线的波动程度S 的计算公式为：

式中，通过方差公式计算数列相对标准线的波动程度，当标定点整体与标准线离散程度大时，则波动程度更大。

10.根据权利要求9所述的基于大数据的智能数据分析系统，其特征在于：所述步骤S34进一步包括：

步骤S341：逻辑判断模块通过获取大数据更新库，分别得到商务类、休闲类和运动类服饰所对应的服饰主体样式的波动频和波动程度标准；

步骤S342：获取当前数据计算子模块分析计算的数据；

步骤S343：当波动频率H较大时，逻辑判断模块判断为休闲类服饰，输出自由出行的行程类型；

2

步骤S344：当波动频率H较小且波动程度S较大时，逻辑判断模块判断为运动类服饰，输出运动出行的行程类型；

2

步骤S345：当波动频率H较小且波动程度S较小时，逻辑判断模块判断为商务类服饰，输出商务出行的行程类型。