CN111008291A - 一种基于图像特征提取的女性风格辨识方法 - Google Patents

一种基于图像特征提取的女性风格辨识方法 Download PDF

Info

Publication number
CN111008291A
CN111008291A CN201911010409.0A CN201911010409A CN111008291A CN 111008291 A CN111008291 A CN 111008291A CN 201911010409 A CN201911010409 A CN 201911010409A CN 111008291 A CN111008291 A CN 111008291A
Authority
CN
China
Prior art keywords
style
pixel point
picture
calculating
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201911010409.0A
Other languages
English (en)
Inventor
郑泽宇
许原野
董静雅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Pinghang Vision Information Technology Co Ltd
Original Assignee
Hangzhou Pinghang Vision Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Pinghang Vision Information Technology Co Ltd filed Critical Hangzhou Pinghang Vision Information Technology Co Ltd
Priority to CN201911010409.0A priority Critical patent/CN111008291A/zh
Publication of CN111008291A publication Critical patent/CN111008291A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Library & Information Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种基于图像特征提取的女性风格辨识方法。所述的辨识方法主要包括以下内容：专业设计师对已有的女性图片进行风格标识，通过图像特征提取，测量和提取能够抽取到的数据，找出最优的不同风格特征矩阵，其后输入待识别的图像，并通过二范数进行空间度量，最后输出待识别图像的风格。本测量方法利用图像的特征识别，无需专业的设计师即可快速得出女性的风格，成本较低，便于根据女性风格进行相关推荐。

Description

一种基于图像特征提取的女性风格辨识方法
技术领域
本发明涉及一种利用图像特征提取的风格辨识方法。
背景技术
对于很多女性而言，每次逛街都不知道该买什么样的衣服，而且家里衣服很多，到出门的时候却找不到一件满意的衣服，总是哪么几件衣服穿来穿去，找不到属于自己的穿衣款式，不知道什么样的衣服适合自己，导致对自己的形象越来越不满意。针对这一问题，提出一种基于图像特征提取的风格辨识方法。现有的女性风格主要有八种款式风格，分别是：少女型、优雅型、浪漫型、少年型、前卫型、古典型、戏剧型和自然型。女性通过对脸部拍照，达到对脸部特征的提取，得到自己的风格，找到适合自己的款式风格的穿衣搭配。卖家也可以通过女性的风格，进行有针对的产品推荐。该方法可以方便快捷的了解女性的风格，不需要专业的设计师进行辨识，节省了人力和物力，适用范围广泛。
发明内容
本发明的目的在于提供一种利用图像特征识别的风格辨识方法，旨在提供一种便捷的方式进行风格测试。
本发明采用如下测量技术方案：
1、一种基于图像特征提取的风格辨识方法，主要包括如下几个步骤：
S1专业设计师对已有的女性图片进行风格标识；
S2将图片在梯度方向进行加权投影，并将投影后的图片划分为若干小区域，，并对图片中每个像素点的积分计算，达到对小区域特征提取，得到图像的特征矩阵；
S3输出最优的不同风格特征矩阵；
S4通过手机(平板电脑或其他智能移动端设备)将女性测量者进行拍照，通过通信技术(有线/无线互联网)将图片上传到服务器上或云端服务器；
S5通过二范数进行空间度量，输出待识别图像的风格，得到测量者风格。
2、本发明的进一步技术方案是：步骤S1中还包括以下内容：
1)标记人员应为专业的设计师，保证图片风格标记的正确性；
2)标记的图片应达到一定数目，保证特征提取的全面性，并具有一定的容错性。
3、本发明的进一步技术方案是：步骤S2中还包括以下内容：
1)采用Gamma校正法对已经标记的图像进行颜色空间的标准化，
I(x,y)＝I(x,y)gamma
I为已标记的图像，gamma为一常数，
Figure RE-GDA0002349462190000021
(x,y)为图像上任一像素点；
2)计算像素点(x,y)处的水平方向梯度Gx(x,y)＝H(x+1,y)-H(x-1,y) 和像素点(x,y)处的垂直方向梯度Gy(x,y)＝H(x+1,y)-H(x-1,y)(H(x,y)为像素点(x,y)的像素值)，接着计算像素点(x,y)的梯度
Figure RE-GDA0002349462190000022
和梯度方向
Figure RE-GDA0002349462190000023
3)将图片沿梯度方向进行投影，利用梯度大小作为投影权值，并将投影后的图像分为若干个小单元格，每个单元格为m×n个像素点(m、n均为常数)；
4)计算每个单元格内所有像素点的颜色特征均值
Figure RE-GDA0002349462190000024
(ci是第i个像素点的颜色特征),计算可得第i个像素点的颜色特征的量化值
Figure RE-GDA0002349462190000025
5)计算第i个像素点位置特征的量化值
Figure RE-GDA0002349462190000026
(dmax是目标区域中距离目标中心距离最远的像素点到目标区域中心点的距离，di是第i个像素点到目标区域中心点的距离)；
6)计算第i个像素点的加权系数
Figure RE-GDA0002349462190000027
7)计算特征u的加权系数
Figure RE-GDA0002349462190000028
(r∈Ωk，Ωk是具有有第u个特征值的m个像素点在目标区域的集合)；
7)计算每一个像素点G(x,y)的左上角方向所有的像素和 ii(x,y)＝∑k≤x,j≤yf(k,j)；
8)对于任意一个小区域，当其左上角的像素点为G(x1,y1)，则其右上角的像素点为G(x1,y1+n),左下角的像素点为G(x1+m,y1。,右下角的像素点为G(x1+m,y1+n)(m、n为小区域的长和宽)。则该区域的特征值D＝ ii(x1,y1)+ii(x1,y1+n)-ii(x1+m,y1)+ii(x1+m,y1+n)；
9)利用子窗口特征D和加权系数Su，得到特征矩阵。
4、本发明的进一步技术方案是，所述步骤S3还包括以下内容：
计算模型的平方误差和
Figure RE-GDA0002349462190000031
利用
Figure RE-GDA0002349462190000032
Figure RE-GDA0002349462190000033
求得θ,即求得其的代价函数
Figure RE-GDA0002349462190000034
并对多张该风格的图片进行相同操作，输出该风格最优的风格特征矩阵。采用相同的方法的到8种风格特征矩阵L1,L2,…,L8。
5、本发明的进一步技术方案是，所述步骤S4还包括以下内容：
1)图片应具有较高的分辨率；
2)图片包含脸部图片，并且脸部应当清晰且无遮挡物。
6、本发明的进一步技术方案是，所述步骤S5还包括以下内容：
将待测图片进行上述的步骤S2和步骤S3后，输出待测试图片的特征矩阵L′，并利用二范数进行空间度量，输出对应的风格：
Figure RE-GDA0002349462190000035
附图说明
图1为本发明专利所涉及的风格特征矩阵计算方式；
图2为本发明专利所涉及的最优特征矩阵计算方式；
图3为本发明专利所涉及的输入图片的风格计算方式。

Claims (6)

1.一种基于图像特征提取的风格辨识方法，其特征在于：
S1专业设计师对已有的女性图片进行风格标识；
S2将图片在梯度方向进行加权投影，并将投影后的图片划分为若干小区域，并对图片中每个像素点的积分计算，达到对小区域特征提取，得到该图片的特征矩阵；
S3输出最优的不同风格特征矩阵；
S4通过手机(平板电脑或其他智能移动端设备)将女性测量者进行拍照，通过通信技术(有线/无线互联网)将图片上传到服务器上或云端服务器；
S5通过二范数进行空间度量，输出待识别图像的风格，得到测量者风格。
2.根据权利要求1所述的测量方法，所述步骤S1中的风格标识在于，
1)标记人员应为专业的设计师，保证图片风格标记的正确性；
2)标记的图片应达到一定数目，保证特征提取的全面性，并具有一定的容错性。
3.根据权利要求1所述的测量方法，所述步骤S2特征在于，
1)采用Gamma校正法对已经标记的图像进行颜色空间的标准化，
I(x,y)＝I(x,y)gamma
I为已标记的图像，gamma为一常数，
Figure RE-RE-FDA0002398458720000011
为图像上任一像素点；
2)计算像素点(x,y)处的水平方向梯度Gx(x,y)＝H(x+1,y)-H(x-1,y)和像素点(x,y)处的垂直方向梯度Gy(x,y)＝H(x+1,y)-H(x-1,y)(H(x,y)为像素点(x,y)的像素值)。接着计算像素点(x,y)的梯度
Figure RE-RE-FDA0002398458720000012
和梯度方向
Figure RE-RE-FDA0002398458720000013
3)将图片沿梯度方向进行投影，利用梯度大小作为投影权值，并将投影后的图像分为若干个小单元格，每个单元格为m×n个像素点(m、n均为常数)；
4)计算每个单元格内所有像素点的颜色特征均值
Figure RE-RE-FDA0002398458720000014
(ci是第i个像素点的颜色特征),计算可得第i个像素点的颜色特征的量化值
Figure RE-RE-FDA0002398458720000015
5)计算第i个像素点位置特征的量化值
Figure RE-RE-FDA0002398458720000016
(dmax是目标区域中距离目标中心距离最远的像素点到目标区域中心点的距离，di是第i个像素点到目标区域中心点的距离)；
6)计算第i个像素点的加权系数
Figure RE-RE-FDA0002398458720000021
7)计算特征u的加权系数
Figure RE-RE-FDA0002398458720000022
(r∈Ωk，Ωk是具有有第u个特征值的m个像素点在目标区域的集合)；
8)计算每一个像素点G(x,y)的左上角方向所有的像素和ii(x,y)＝∑k≤x,j≤yf(k,j)；
9)对于任意一个小区域，当其左上角的像素点为G(x1,y1)，则其右上角的像素点为G(x1,y1+n),左下角的像素点为G(x1+m,y1。,右下角的像素点为G(x1+m,y1+n)(m、n为小区域的长和宽)。则该区域的特征值D＝ii(x1,y1)+ii(x1,y1+n)-ii(x1+m,y1)+ii(x1+m,y1+n)；
10)利用子窗口特征D和加权系数Su，得到特征矩阵。
4.根据权利要求1所述的测量方法，所述步骤S3特征在于，
计算模型的平方误差和
Figure RE-RE-FDA0002398458720000023
利用
Figure RE-RE-FDA0002398458720000024
Figure RE-RE-FDA0002398458720000025
求得θ,即求得其的代价函数
Figure RE-RE-FDA0002398458720000026
并对多张该风格的图片进行相同操作，输出该风格最优的风格特征矩阵。采用相同的方法的到8种风格特征矩阵L1,L2,…,L8。
5.根据权利要求1所述的测量方法，所述步骤S4特征在于，
1)图片应具有较高的分辨率；
2)图片包含脸部图片，并且脸部应当清晰且无遮挡物。
6.根据权利要求1所述的测量方法，所述步骤S5特征在于，
将待测图片进行上述的步骤S2和步骤S3后，输出待测试图片的特征矩阵L′，并利用二范数进行空间度量，输出对应的风格
Figure RE-RE-FDA0002398458720000027
(i为矩阵的行数，j为矩阵的列数)。
CN201911010409.0A 2019-10-23 2019-10-23 一种基于图像特征提取的女性风格辨识方法 Pending CN111008291A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911010409.0A CN111008291A (zh) 2019-10-23 2019-10-23 一种基于图像特征提取的女性风格辨识方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911010409.0A CN111008291A (zh) 2019-10-23 2019-10-23 一种基于图像特征提取的女性风格辨识方法

Publications (1)

Publication Number Publication Date
CN111008291A true CN111008291A (zh) 2020-04-14

Family

ID=70110881

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911010409.0A Pending CN111008291A (zh) 2019-10-23 2019-10-23 一种基于图像特征提取的女性风格辨识方法

Country Status (1)

Country Link
CN (1) CN111008291A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070165966A1 (en) * 2005-07-15 2007-07-19 Yissum Research Development Co. Closed form method and system for matting a foreground object in an image having a background
US20160189006A1 (en) * 2014-12-31 2016-06-30 TCL Research America Inc. Robust error correction with multi-model representation for face recognition
CN106971196A (zh) * 2017-03-02 2017-07-21 南京信息工程大学 一种基于代价敏感的核稀疏表示分类器的消防车识别方法
CN109272568A (zh) * 2018-10-10 2019-01-25 南京大学 一种采用基元发现的人脸风格图像处理方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070165966A1 (en) * 2005-07-15 2007-07-19 Yissum Research Development Co. Closed form method and system for matting a foreground object in an image having a background
US20160189006A1 (en) * 2014-12-31 2016-06-30 TCL Research America Inc. Robust error correction with multi-model representation for face recognition
CN106971196A (zh) * 2017-03-02 2017-07-21 南京信息工程大学 一种基于代价敏感的核稀疏表示分类器的消防车识别方法
CN109272568A (zh) * 2018-10-10 2019-01-25 南京大学 一种采用基元发现的人脸风格图像处理方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
MINH-TAN PHAM: "Fusion of Polarimetric Features and Structural Gradient Tensors for VHR PolSAR Image Classification" *
周燕;曾凡智;: "基于二维压缩感知和分层特征的图像检索算法" *

Similar Documents

Publication Publication Date Title
US11416781B2 (en) Image processing method and apparatus, and computer-readable medium, and electronic device
CN108304435B (zh) 信息推荐方法、装置、计算机设备及存储介质
CN109165645B (zh) 一种图像处理方法、装置以及相关设备
WO2021082635A1 (zh) 一种关注区域检测方法、装置、可读存储介质及终端设备
CN108304820B (zh) 一种人脸检测方法、装置及终端设备
WO2020103417A1 (zh) 一种bmi评测方法、装置及计算机可读存储介质
US11417095B2 (en) Image recognition method and apparatus, electronic device, and readable storage medium using an update on body extraction parameter and alignment parameter
CN105718869A (zh) 一种评估图片中人脸颜值的方法和装置
CN109711399B (zh) 基于图像的店铺识别方法、装置，电子设备
CN110765882B (zh) 一种视频标签确定方法、装置、服务器及存储介质
CN113435282B (zh) 基于深度学习的无人机影像麦穗识别方法
CN111814620A (zh) 人脸图像质量评价模型建立方法、优选方法、介质及装置
WO2021103187A1 (zh) 图像处理方法及装置、处理器、电子设备、存储介质
CN109191428A (zh) 基于掩蔽纹理特征的全参考型图像质量评价方法
CN110689046A (zh) 图像识别方法、装置、计算机装置及存储介质
CN107506792B (zh) 一种半监督的显著对象检测方法
CN108647264A (zh) 一种基于支持向量机的图像自动标注方法及装置
CN111652260B (zh) 一种人脸聚类样本数量的选择方法及系统
CN109583341B (zh) 对包含人像的图像的多人骨骼关键点检测方法及装置
CN111401363A (zh) 车架号图像生成方法、装置、计算机设备和存储介质
CN114782769A (zh) 训练样本的生成方法、装置、系统及目标对象的检测方法
CN109978956A (zh) 采集设备的标定方法、装置及标定系统
CN111008291A (zh) 一种基于图像特征提取的女性风格辨识方法
CN107832695A (zh) 在视网膜图像中基于纹理特征的视盘识别方法及装置
CN110490065A (zh) 人脸识别方法及装置、存储介质、计算机设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200414