CN109829940A - 一种基于机器视觉的测量服装尺寸的方法和系统 - Google Patents

Abstract

本发明提供了一种基于机器视觉的测量服装尺寸的方法和系统。所述方法包括以下步骤：将服装样本平铺在衣物工作台上，拍摄图像；选择训练图像，在图像上进行关键点的标注，使用标注得到的数据训练神经网络；将待测服装平铺在衣物工作台上，拍摄待测服装的图像，使用神经网络进行关键点的识别；根据机器视觉测量得到的距离，经计算得到服装的具体尺寸。本发明提供了基于机器视觉的测量服装尺寸的系统，综合使用了图像处理算法和统计学计算方法，迅速得到平铺的衬衣的尺码，适合电商、工厂大规模使用，比传统的人工测量的方式更加准确、快捷。

Description

一种基于机器视觉的测量服装尺寸的方法和系统

技术领域

本发明属于机器视觉领域，具体涉及一种基于机器视觉的测量服装尺寸的方法和系统。

背景技术

依据个人口味和喜好的定制式商品推荐和个性化购物体验已经成为了在线购物的新标志。不同渠道、不同来源的服装的尺码标准不一样，即使有尺码表，尺码表也可能不准确，所以在线服装零售需要进行统一尺寸测量。传统方法是用人手工测量，该方法费时费力。在线零售平台可以利用更多的工具和资源，通过技术辅助，全面升级定制化购物体验为用户提供更为方便快捷的购物体验。

发明内容

本发明目的在于提供一种基于机器视觉的测量服装尺寸的方法和系统，借助参照物，可以精准的测算服装的各个维度，获取服装的尺码，便于线上统一尺码销售。

为了实现本发明的目的，本发明提供了如下技术方案：

一种基于机器视觉的测量服装尺寸的方法，它包括以下步骤：

（1）将服装样本平铺在衣物工作台上，拍摄图像；

（2）选择训练图像，进行关键点的标注，使用标注得到的数据训练神经网络；

（3）将待测服装平铺在衣物工作台上，拍摄待测服装的图像，使用神经网络进行关键点的识别；

（4）根据关键点测量需要的距离，计算得到服装的具体尺寸。

一种基于机器视觉的测量服装尺寸的系统，所述系统包括：

衣物工作台，用于放置平铺的服装；

拍摄模块，用于获取平铺的服装的图像；

测量模块，用于获取计算服装尺寸的各种距离；

计算模块，用于训练神经网络、计算服装的尺寸。

进一步的，所述系统将拍摄模块和测量模块集成到同一个传感器，将图像和距离传输给计算模块。

进一步的，所述步骤（1）中拍摄图像使用高清摄像头。

进一步的，所述衣物工作台位于高清摄像头正下方，距离为1.5~2米。

进一步的，所述服装包括上衣，裤子和帽子。

进一步的，所述服装为衬衣，所述步骤（2）中关键点包括左领口，右领口，下领口，左肩头，右肩头，左侧腋下，右侧腋下，左上袖头，右上袖头，右下袖头，左下袖头，左下摆，右下摆。

进一步的，所述步骤（2）中选择训练图像为选择2000-2200张图片。

进一步的，所述步骤（2）神经网络为使用MaskR-CNN网络，最后一层侧输出为一个带有关键点的mask层，用于在待测衬衣上识别关键点。

与现有技术相比，本发明的优点和有益效果为：1、本发明提供了基于机器视觉的测量服装尺寸的方法和系统。本发明利用人工视觉原理，使用固定在工作台上方的固定位置的摄像头和激光测距雷达，在衣物工作台上把衣物平展，使用预先训练的神经网络找到关键点，再使用几何学的方法计算的到衣服的尺码。

2、传统测量方法速度慢，本发明提供的自动化测量方法只需要展开衣物，数据就可以自动获取，成倍数的提高效率；

3、使用传统人工测量方法，不同人测量手法会导致个体差异，本发明使用利用机器视觉和深度神经网络，实现自动化流程，过程均一、准确；

本发明提供了基于机器视觉的测量服装尺寸的方法和系统，综合使用了图像处理算法和统计学计算方法，迅速得到平铺的服装的尺码，适合电商、工厂大规模使用，比传统的人工测量的方式更加准确、快捷。

附图说明

图1为衬衣的展开方式和关键点的标记示意图；

图2为使用机器视觉和深度神经网络实现服装的目标检测和关键部位标记示意图，其中，1为激光测距雷达；2为摄像头；p为摄像头和激光测距雷达的位置；p’为p在衣物工作台上垂直投影；m为p和p’的垂直距离；l为p到右肩头的距离；k为p和右下摆的距离；l’为l在衣物工作台的投影；k’为k在衣物工作台的投影；α为l’和k’间的夹角。

具体实施方式

下面结合具体实施方式对本发明的技术方案作进一步详细的说明。

实施例1

一种基于机器视觉的测量服装尺寸的系统，所述系统包括衣物工作台、拍摄模块、测量模块、计算模块。所述拍摄模块为高清摄像头，用于获取平铺的服装的图像；所述衣物工作台用于放置平铺的服装，所述衣物工作台位于摄像头正下方，距离为1.5米左右，具体高度可以通过测距模块进行矫正，用于放置平铺的衬衣；所述测量模块为激光测距雷达，所述激光测距雷达用于衣服照片信息采集，能够精准测量计算服装尺寸所需的距离；所述计算模块为带有GTX1080Ti GPU以上的计算机，用于训练神经网络、计算服装的尺寸。所述系统将高清摄像头和激光测距雷达集成到同一个传感器，将拍摄到的图片和测量到的距离传输给计算机。

本实施例以衬衣为例，基于机器视觉的测量衬衣尺寸的方法包括以下步骤：

（1）选择典型的衬衣样本，将衬衣平展，铺在衣物工作台上，衬衣的展开方式如图1所示。每个衬衣之间留有5cm左右的距离，对每件衬衣进行拍照取样，上传到带有GTX1080TiGPU以上的计算机，选取2000张左右的照片作为训练数据集。

（2）在照片上人工标注几个关键的标记点，包括左领口、右领口、下领口、左肩头、右肩头、左侧腋下、右侧腋下、左上袖头、右上袖头、右下袖头、左下袖头、左下摆、右下摆，如图1所示。使用标注得到的数据训练神经网络，神经网络为使用MaskR-CNN网络，最后一层侧输出为一个带有关键点的mask层，可以用于在待测衬衣上识别关键点。

（3）将待测衬衣平铺在衣物工作台上，高清摄像头拍照，对拍摄得到的照片使用神经网络进行关键点识别。

（4）利用机器视觉和深度神经网络，实现服装的目标检测和关键部位标记。距离的测量需要通过摄像头的输入来定点，测量工作是使用激光测距雷达具体测量，得到待测衬衣的具体数据。

使用激光测距雷达获取各个关键点的位置，p为摄像头和激光测距雷达的位置；m为p和衣物工作台的垂直距离； p’为p在衣物工作台上垂直投影；l为p到右肩头的距离；k为p和右下摆的距离；l’和k’分别为l和k在衣物工作台的投影；α为l’和k’间的夹角，如图2所示。根据勾股定理可以得到l’和k’，结合余弦定理，可以得到衣长，肩宽、袖长、袖口宽、领围、胸围等数据也用同样方法获得。

以上实施例仅用以说明本发明的技术方案，而非对其进行限制；尽管参照前述实施例对本发明进行了详细的说明，对于本领域的普通技术人员来说，依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明所要求保护的技术方案的精神和范围。

Claims (9)

1.一种基于机器视觉的测量服装尺寸的方法，其特征在于：它包括以下步骤：

（1）将服装样本平铺在衣物工作台上，拍摄图像；

（2）选择训练图像，进行关键点的标注，使用标注得到的数据训练神经网络；

（3）将待测服装平铺在衣物工作台上，拍摄待测服装的图像，使用神经网络进行关键点的识别；

（4）根据关键点测量需要的距离，计算得到服装的具体尺寸。

2.一种基于机器视觉的测量服装尺寸的系统，其特征在于：所述系统包括：

衣物工作台，用于放置平铺的服装；

拍摄模块，用于获取平铺的服装的图像；

测量模块，用于获取计算服装尺寸的各种距离；

计算模块，用于训练神经网络、计算服装的尺寸。

3.根据权利要求2所述的基于机器视觉的测量服装尺寸的系统，其特征在于：所述系统将拍摄模块和测量模块集成到同一个传感器，将图像和距离传输给计算模块。

4.根据权利要求1所述的基于机器视觉的测量服装尺寸的方法，其特征在于：所述步骤（1）中拍摄图像使用高清摄像头。

5.根据权利要求4所述的基于机器视觉的测量服装尺寸的方法，其特征在于：所述衣物工作台位于高清摄像头正下方，距离为1.5~2米。

6.根据权利要求1所述的基于机器视觉的测量服装尺寸的方法，其特征在于：所述服装包括上衣，裤子和帽子。

7.根据权利要求6所述的基于机器视觉的测量服装尺寸的方法，其特征在于：所述服装为衬衣，所述步骤（2）中关键点包括左领口，右领口，下领口，左肩头，右肩头，左侧腋下，右侧腋下，左上袖头，右上袖头，右下袖头，左下袖头，左下摆，右下摆。

8.根据权利要求1所述的基于机器视觉的测量衬衣尺寸的方法，其特征在于：所述步骤（2）中选择训练图像为选择2000-2200张图片。

9.根据权利要求1所述的基于机器视觉的测量衬衣尺寸的方法，其特征在于：所述步骤（2）神经网络为使用MaskR-CNN网络，最后一层侧输出为一个带有关键点的mask层，用于在待测衬衣上识别关键点。