CN107704882A - 一种基于数字图像处理技术的衣物类型识别方法及系统 - Google Patents

Abstract

本发明涉及衣物分类的技术领域，公开了一种基于数字图像处理技术的衣物类型识别方法，包括步骤一、对衣物进行收集分类，建立标准的衣物类型图像数据库；步骤二、对衣物类型图像数据库中各个类型衣物和待测衣物的图像进行特征提取；步骤三、对每个类型衣物的图像的特征进行分类方法训练学习，得到针对每个类型衣物的逻辑分类器；步骤四、利用各个逻辑分类器，对待测衣物图像特征进行分类，找出待测衣物归属衣物类型图像数据库中的类别。还公开了一种基于数字图像处理技术的衣物类型识别系统。本发明能够快速找出待测衣物归属衣物类型图像数据库中的类别，完成对待测衣物自动化的细致分类，为后续衣物回收等提供依据，促进服装业的发展。

Description

一种基于数字图像处理技术的衣物类型识别方法及系统

技术领域

本发明属于衣物分类的技术领域，具体涉及一种基于数字图像处理技术的衣物类型识别方法及系统。

背景技术

服装作为大众日常消费品，对其进行细致化分类是生产商一项应尽的义务，也是纺织贸易、服装回收中的重要环节。迄今为止服装分类很难找到标准，最没有争议的分类方法就是依靠人工或者计算机简单的按性别分类，可以分为三类：男装，女装，中性服装。在服装界，业内人士通常不这么分类，而是分为：针织与梭织。

由于国际国内服装市场竞争日趋激烈，服装行业除了要不断提高质量、降低成本外，还要把细致化的分类作为“商战利器”。在服装商品贸易方面，目前主流购衣网站采用TBIR技术违背了消费者依靠视觉信息检索服装商品图像的本质，无法进行精确、快速的检索。在服装的回收方面，服装一直属于最难处理的垃圾类别，即便是在垃圾分类最成熟的国家。它普遍存在着材料复杂分类难、损耗尺度把握难、价值不高回收难的问题。目前废旧服装的回收多限于材料层面，属于回收的初级阶段，许多本可以回收再利用的服装被当做生活垃圾处理。分类回收有利于目标产品的深度挖掘，包括不动的回收、销售渠道的建立以及高附加值产品的研发。显然现有的服装类型识别分类过于粗略，不符合当下纺织行业发展的需要、不利于回收再利用，造成资源浪费。

发明内容

本发明提供一种基于数字图像处理技术的衣物类型识别方法及系统，解决了现有服装识别分类过于粗略，不符合当下纺织行业发展的需要、不利于回收再利用，造成资源浪费等问题。

本发明可通过以下技术方案实现：

一种基于数字图像处理技术的衣物类型识别方法，其包括以下步骤：

步骤一、对衣物进行收集分类，建立标准的衣物类型图像数据库；

步骤二、对所述衣物类型图像数据库中各个类型衣物和待测衣物的图像进行特征提取；

步骤三、对每个类型衣物的图像的特征进行分类方法训练学习，得到针对每个类型衣物的逻辑分类器；

步骤四、利用各个逻辑分类器，对待测衣物图像特征进行分类，找出所述待测衣物归属衣物类型图像数据库中的类别。

进一步，所述步骤二中的特征提取方法包括以下步骤：

步骤Ⅰ、通过几何校正、图像增强、图像滤波和图像边缘检测方法，对图像进行预处理；

步骤Ⅱ、对预处理后的图像进行至少包括颜色、纹理、形状和空间关系的特征进行提取。

进一步，所述步骤三中进行分类方法训练学习包括利用一个或多个分类方法结合的方式，对所述衣物类型图像数据库的每个类型衣物的特征进行训练学习。

进一步，所述分类方法包括最大似然分类法、最小距离分类法、基于深度学习的图像识别方法的人工神经元网络法、模糊数学方法、决策树分类法、专家系统法。

进一步，所述步骤一中对各类衣物进行收集分类的方法包括依次按照性别、着装部位、样式、局部特征和流行年份进行分类的步骤。

进一步，所述性别包括男性、女性和中性，所述着装部位包括上衣、下衣和其他，所述样式包括T恤、衬衫、风衣、大衣、西服、短裤、七分裤、长裤，所述局部特征包括领型、袖型和其他。

一种上文所述的基于数字图像处理技术的衣物类型识别方法的衣物类型识别系统，包括：处理器，与所述处理器相连的图像采集模块、图像训练模块、图像鉴别模块和图像识别分类模块，

所述图像采集模块用于采集衣物类型图像数据库中各个类型的衣物的图像及待测衣物的图像，

所述图像训练模块用于将衣物类型图像数据库的各个类型的衣物的图像经预处理后提取特征，进行分类方法训练学习，得到各个类型的逻辑分类器，并组成逻辑分类器集，

所述图像鉴别模块用于将待测衣物的图像经预处理后提取特征，并将所述特征组成验证集，

所述图像识别分类模块用于利用逻辑分类器集中的各个逻辑分类器对验证集中的特征进行分类，从而找出待测衣物归属衣物类型图像数据库中的类别。

进一步，所述图像采集模块包括用于支撑衣物的支架，用于拍摄衣物的CCD相机及光源，所述CCD相机和光源均与处理器相连。

进一步，在所述支架一侧设置有两个侧面反光镜，两个所述侧面反光镜分别位于支架的两侧，在所述支架的另一侧前方设置有成像反光镜，所述CCD相机从一个角度通过所述成像反光镜能够同时得到待测衣物的正反两面的图像。

进一步，两个所述侧面反光镜相交且与支架的夹角相等，相交端的交线与支架的另一侧重合，从某一角度通过两个所述侧面反光镜能够同时得到待测衣物的正反两面的图像，在两个所述侧面反光镜的敞开端均设置带状的光源。

本发明有益的技术效果在于：

借助两个侧面反光镜和一个成像反光镜，获得待测衣物正反两面的图像，对图像进行特征提取，然后利用衣物归属衣物类型图像数据库中的各个类型的逻辑分类器，能够快速找出待测衣物归属衣物类型图像数据库中的类别，完成对待测衣物自动化的细致分类，为后续衣物回收等提供依据，促进服装业的发展。同时，衣物类型图像数据库的每个类型衣物都建立了逻辑分类器，根据实际发展需要，增加衣物类型仅需建立对应的逻辑分类器即可，便于进行实时更新，从而为衣物的分类判别提供准确、可靠的样本来源，增强适应性，便于推广应用。

附图说明

图1为本发明的立体结构示意图；

图2为本发明的电路连接框图；

图3为本发明的图像采集模块的结构示意图；

其中，1-支架，2-CCD相机，3-光源，4-侧面反光镜，5-成像反光镜，6-处理器。

具体实施方式

下面结合附图及较佳实施例详细说明本发明的具体实施方式。

如图1所示为本发明的总体流程图。本发明提出一种基于数字图像处理技术的衣物类型识别方法，可以采用下列步骤：

一、对衣物进行收集分类，建立标准的衣物类型图像数据库；

首先，收集各种类型的衣物；

其次，按照性别、着装部位、样式、局部特征和流行年份对各种类型的衣物进行分类。

性别包括男性、女性和中性；着装部位包括上衣、下衣和其他；样式包括T恤、衬衫、风衣、大衣、西服、短裤、七分裤、长裤等；局部特征包括领型，如高领、中领、低领或者方领、尖领、圆领、不规则领等；袖型，如蝙蝠袖、衬衫袖、罗纹收口袖等，此外还可以分为拉链、纽扣、有无口袋等。

二、对衣物类型图像数据库中各个类型衣物和待测衣物的图像进行的特征提取，具体包括：

步骤Ⅰ、通过几何校正、图像增强、图像滤波和图像边缘检测等方法，对图像进行预处理；

步骤Ⅱ、对预处理后的图像进行至少包括颜色、纹理、形状和空间关系的特征进行提取。

颜色或灰度特征提取可通过直方图统计提取；纹理或边缘特征提取可通过灰度共生矩阵特征提取、空间自相关法等提取；形状特征提取可通过主成分分析、独立成分分析等提取；空间关系特征提取可通过K-L变换、小波变换、傅里叶变换等提取。

三、对每个类型衣物的图像的特征进行分类方法训练学习，得到针对每个类型衣物的逻辑分类器，可采用一个或多个分类方法结合的方式，对衣物类型图像数据库中每个类型衣物的图像进行训练学习。其分类方法包括最大似然分类法，如贝叶斯分类器等、最小距离分类法，如马氏、欧式距离分类法等、基于深度学习的图像识别方法的人工神经元网络法、模糊数学方法、决策树分类法、专家系统法等。

本发明还基于上文所述的基于数字图像处理技术的衣物类型识别方法，提出一种衣物类型识别系统，系统包括：处理器，与处理器相连的图像采集模块、图像训练模块、图像鉴别模块和图像识别分类模块，如图2所示意，

图像采集模块用于采集衣物类型图像数据库中各个类型的衣物的图像及待测衣物的图像；图像训练模块用于将衣物类型图像数据库的各个类型的衣物的图像经预处理后提取特征，进行分类方法训练学习，得到各个类型的逻辑分类器，并组成逻辑分类器集；图像鉴别模块用于将待测衣物的图像经预处理后提取特征，并将这些特征组成验证集；图像识别分类模块用于利用逻辑分类器集中的各个逻辑分类器对验证集中的特征进行分类，从而找出待测衣物归属衣物类型图像数据库中的类别。

附图3为图像采集模块示意图，包括用于支撑待测衣物的支架1，用于拍摄待测衣物与且处理器6相连的CCD相机2及光源3，该处理器6可以为PC机等。

在支架1一侧设置有两个侧面反光镜4，两个侧面反光镜4分别位于支架1的两侧，且两个侧面反光镜4相交，与支架的夹角相等，相交端的交线与支架1的这一侧重合，敞开端均设置带状的光源3。在支架的另一侧前方设置有成像反光镜5，该成像反光镜5设置在某一角度能够通过两个侧面反光镜4能够同时得到待测衣物的正反两面的图像的位置，这样，CCD相机2从一个角度通过成像反光镜就能够同时得到待测衣物的正反两面的图像。

按照上述方法和系统，具体进行了以下操作：

一、收集市场上已有的服装图像，按照人工的方法进行细致分类，建立标准的衣物类型图像数据库，包括：

首先，按照性别进行收集分类：男装、女装、中性服装，每种图像各1000张。

其次，按照穿着部位进行收集分类：上衣、下衣、其他。每种图像各1000张。

再次，按照服装样式进行收集分类：T恤、衬衫、风衣、大衣、西服、短裤、七分裤、长裤等，每种图像各1000张。

然后，按照服装构件进行局部图像收集收集，如按照领型分为：高领、中领、低领，也分为方领、尖领、圆领、不规则领等，按照袖型分为：蝙蝠袖，衬衫袖，罗纹收口袖等，此外还可以分为：拉链、纽扣、有无口袋等。每种图像各1000张。

最后，按照服装的流行年份特征可收集收集为：2016年流行，2017流行等。每种图像各1000张。

二、衣物类型图像数据库中的各类图像的处理

首先，对衣物类型图像数据库中的各个类型的图像进行平移、缩放、旋转处理，使其图像规格相同。

进一步，对图像进行增强、滤波处理得到更清晰的图像。

进一步，利用K-L变换提取所有图像中的空间关系特征。

进一步，将提取到的空间关系特征导入到人工神经元网络中完成训练学习，得到各个类型的逻辑分类器。

三、识别服装类型：

首先，采集待测衣物的正反两面的数字图像。

进一步，采用分水岭法对待测衣物的正反两面的数字图像进行分割，分割得到局部图像包括：衣领，口袋，纽扣，袖口等。

进一步，利用K-L变换提取各个局部图像中的空间关系特征。

进一步，利用各个类型的逻辑分类器，对得到的待测衣物的特征进行分类识别。

最终得到待测衣物的类型：2016年流行、上衣、大衣、纽扣、有口袋。

本发明借助两个侧面反光镜和一个成像反光镜，获得待测衣物正反两面的图像，对图像进行特征提取，然后利用衣物归属衣物类型图像数据库中的各个类型的逻辑分类器，能够快速找出待测衣物归属衣物类型图像数据库中的类别，完成对待测衣物自动化的细致分类，为后续衣物回收等提供依据，促进服装业的发展。同时，衣物类型图像数据库的每个类型衣物都建立了逻辑分类器，根据实际发展需要，增加衣物类型仅需建立对应的逻辑分类器即可，便于进行实时更新，从而为衣物的分类判别提供了准确、可靠的样本来源，增强适应性，便于推广应用。

虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，因此，本发明的保护范围由所附权利要求书限定。

Claims (10)

1.一种基于数字图像处理技术的衣物类型识别方法，其特征在于包括以下步骤：

步骤一、对衣物进行收集分类，建立标准的衣物类型图像数据库；

步骤二、对所述衣物类型图像数据库中各个类型衣物和待测衣物的图像进行特征提取；

步骤三、对每个类型衣物的图像的特征进行分类方法训练学习，得到针对每个类型衣物的逻辑分类器；

步骤四、利用各个逻辑分类器，对待测衣物图像特征进行分类，找出所述待测衣物归属衣物类型图像数据库中的类别。

2.根据权利要求1所述的基于数字图像处理技术的衣物类型识别方法，其特征在于所述步骤二中的特征提取方法包括以下步骤：

步骤Ⅰ、通过几何校正、图像增强、图像滤波和图像边缘检测方法，对图像进行预处理；

步骤Ⅱ、对预处理后的图像进行至少包括颜色、纹理、形状和空间关系的特征进行提取。

3.根据权利要求1所述的基于数字图像处理技术的衣物类型识别方法，其特征在于所述步骤三中进行分类方法训练学习包括利用一个或多个分类方法结合的方式，对所述衣物类型图像数据库的每个类型衣物的特征进行训练学习。

4.根据权利要求3所述的基于数字图像处理技术的衣物类型识别方法，其特征在于：所述分类方法包括最大似然分类法、最小距离分类法、基于深度学习的图像识别方法的人工神经元网络法、模糊数学方法、决策树分类法、专家系统法。

5.根据权利要求1所述的基于数字图像处理技术的衣物类型识别方法，其特征在于：所述步骤一中对衣物进行收集分类的方法包括按照性别、着装部位、样式、局部特征和流行年份进行分类的步骤。

6.根据权利要求5所述的基于数字图像处理技术的衣物类型识别方法，其特征在于：所述性别包括男性、女性和中性，所述着装部位包括上衣、下衣和其他，所述样式包括T恤、衬衫、风衣、大衣、西服、短裤、七分裤、长裤，所述局部特征包括领型、袖型和其他。

7.一种基于权利要求1所述的基于数字图像处理技术的衣物类型识别方法的衣物类型识别系统，其特征在于包括：处理器，与所述处理器相连的图像采集模块、图像训练模块、图像鉴别模块和图像识别分类模块，

所述图像采集模块用于采集衣物类型图像数据库中各个类型的衣物的图像及待测衣物的图像，

所述图像训练模块用于将衣物类型图像数据库的各个类型的衣物的图像经预处理后提取特征，进行分类方法训练学习，得到各个类型的逻辑分类器，并组成逻辑分类器集，

所述图像鉴别模块用于将待测衣物的图像经预处理后提取特征，并将所述特征组成验证集，

所述图像识别分类模块用于利用逻辑分类器集中的各个逻辑分类器对验证集中的特征进行分类，从而找出待测衣物归属衣物类型图像数据库中的类别。

8.根据权利要求7所述的基于数字图像处理技术的衣物类型识别系统，其特征在于：所述图像采集模块包括用于支撑衣物的支架，用于拍摄衣物的CCD相机及光源，所述CCD相机和光源均与处理器相连。

9.根据权利要求8所述的基于数字图像处理技术的衣物类型识别系统，其特征在于：在所述支架一侧设置有两个侧面反光镜，两个所述侧面反光镜分别位于支架的两侧，在所述支架的另一侧前方设置有成像反光镜，所述CCD相机从一个角度通过所述成像反光镜能够同时得到待测衣物的正反两面的图像。

10.根据权利要求9所述的基于数字图像处理技术的衣物类型识别系统，其特征在于：两个所述侧面反光镜相交且与支架的夹角相等，相交端的交线与支架的另一侧重合，从某一角度通过两个所述侧面反光镜能够同时得到待测衣物的正反两面的图像，在两个所述侧面反光镜的敞开端均设置带状的光源。