CN111667527B - 服装测量方法、装置及电子设备 - Google Patents

服装测量方法、装置及电子设备 Download PDF

Info

Publication number
CN111667527B
CN111667527B CN202010526179.XA CN202010526179A CN111667527B CN 111667527 B CN111667527 B CN 111667527B CN 202010526179 A CN202010526179 A CN 202010526179A CN 111667527 B CN111667527 B CN 111667527B
Authority
CN
China
Prior art keywords
points
clothing
determining
measured
pixel
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.)
Active
Application number
CN202010526179.XA
Other languages
English (en)
Other versions
CN111667527A (zh
Inventor
艾国
凌明
董煦
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.)
Innovation Qizhi Chengdu Technology Co ltd
Original Assignee
Innovation Qizhi Chengdu 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 Innovation Qizhi Chengdu Technology Co ltd filed Critical Innovation Qizhi Chengdu Technology Co ltd
Priority to CN202010526179.XA priority Critical patent/CN111667527B/zh
Publication of CN111667527A publication Critical patent/CN111667527A/zh
Application granted granted Critical
Publication of CN111667527B publication Critical patent/CN111667527B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20076—Probabilistic image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30124—Fabrics; Textile; Paper
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本申请提供了一种服装测量方法、装置及电子设备，其中，该服装测量方法，包括：通过目标检测模型对待测量服装图进行关键点检测，得到至少两个关键点；根据至少两个关键点确定出至少两条参考线；在至少两条参考线上确定出与至少两个关键点之间的距离为设定长度的至少一组基准点；根据至少一组基准点确定出待测量服装图中的至少一组测量点；根据至少一组测量点中的每一组测量点，确定待测量服装图中的待测量服装的测量区域尺寸。

Description

服装测量方法、装置及电子设备
技术领域
本申请涉及服装测量技术领域，具体而言，涉及一种服装测量方法、装置及电子设备。
背景技术
服装的测量一般是通过深度学习的方式，识别出需要测量的点的位置，然后计算出需要测量的点之间的距离，从而实现服装的测量。但是，由于需要测量的点的位置特征性不明显，导致需要测量的点的识别较难。
发明内容
有鉴于此，本申请实施例的目的在于提供一种服装测量方法、装置及电子设备。能够达到更准确地测量服装的尺寸的效果。
第一方面，本申请实施例提供了一种服装测量方法，包括：
通过目标检测模型对待测量服装图进行关键点检测，得到至少两个关键点；
根据所述至少两个关键点确定出至少两条参考线；
在所述至少两条参考线上确定出与所述至少两个关键点之间的距离为设定长度的至少一组基准点；
根据所述至少一组基准点确定出所述待测量服装图中的至少一组测量点；
根据所述至少一组测量点中的每一组测量点，确定所述待测量服装图中的待测量服装的测量区域尺寸。
在一种可选的实施方式中，所述至少两个关键点包括：第一关键点和第二关键点；所述第一关键点为左侧衣袖下侧与衣身的交汇点；所述第二关键点右侧衣袖下侧与衣身的交汇点；所述根据所述至少两个关键点确定出至少两条参考线，包括：
确定出与所述第一关键点相交，且与所述待测量服装图中的服装区域的下边缘的夹角在第一设定区间内的第一参考线；
确定出与所述第二关键点相交，且与所述待测量服装图中的服装区域的下边缘的夹角在所述第一设定区间内的第二参考线，其中，90°在所述第一设定区间内。
本申请实施例提供的服装测量方法，两个关键点分别是较容易识别的左侧衣袖下侧与衣身的交汇点和右侧衣袖下侧与衣身的交汇点，基于容易识别的两个点确定出参考线，使服装的测量能够更容易，从而提高服装测量的效率。
在一种可选的实施方式中，所述至少两个关键点包括：第三关键点、第四关键点、第五关键点和第六关键点；所述第三关键点为左侧衣袖下侧与衣身的交汇点；所述第四关键点右侧衣袖下侧与衣身的交汇点；所述第五关键点为衣身的左下角顶角；所述第六关键点为衣身的右下角顶角；所述根据所述至少两个关键点确定出至少两条参考线，包括：
根据所述第五关键点和所述第六关键点确定出基准线；
确定出与所述第三关键点相交，且与所述基准线的夹角在第二设定区间内的第三参考线；
确定出与所述第四关键点相交，且与所述基准线的夹角在所述第二设定区间内的第四参考线，其中，90°在所述第二设定区间内。
本申请实施例提供的服装测量方法，两个关键点分别是较容易识别的左侧衣袖下侧与衣身的交汇点和右侧衣袖下侧与衣身的交汇点，再结合服装的下边缘确定出的两个关键点，从而可以更准确地确定出两条参考线。
在一种可选的实施方式中，所述根据所述至少一组基准点确定出所述待测量服装图中的至少一组测量点，包括：
根据所述至少一组基准点中的每一组基准点确定出辅助线，以得到至少一条辅助线；
在目标辅助线上查找出至少两个像素跳变的点，将所述至少两个像素跳变的点作为一组测量点，所述目标辅助线为所述至少一条辅助线中的任意一条。
本申请实施例提供的服装测量方法，还可以根据基准点确定出辅助线，在辅助线上找到测量点，在辅助线的帮助下，可以更容易更快地查找到测量点，从而可以提高服装测量的效率。
在一种可选的实施方式中，所述在目标辅助线上查找出至少两个像素跳变的点，将所述至少两个像素跳变的点作为一组测量点，包括：
将所述待测量服装图进行二值化处理，得到二值化图；
在所述二值化图中，在所述目标辅助线上查找出至少两个像素跳变的点，将所述至少两个像素跳变的点为一组测量点。
本申请实施例提供的服装测量方法，还可以先将待测量服装图进行二值化处理，从而使二值化图中仅有两个值的像素点，从而可以更容易确定出像素跳变的点，从而可以提高服装测量的效率。
在一种可选的实施方式中，所述在目标辅助线上查找出至少两个像素跳变的点，将所述至少两个像素跳变的点作为一组测量点，包括：
在所述待测量服装图中截取多个局部区域图，所述多个局部区域图中均包含辅助线、服装区域以及背景区域；
将所述多个局部区域图分别进行图像优化处理，得到多个优化局部图；
在所述多个优化局部图中，在所述目标辅助线上查找出至少两个像素跳变的点，将所述至少两个像素跳变的点作为一组测量点。
本申请实施例提供的服装测量方法，还可以对待测量服装图的局部图像进行处理，在识别像素跳变的点时，可以仅对局部图进行识别，从而可以减少识别内容，可以提高识别像素跳变的点的速度。
在一种可选的实施方式中，所述在目标辅助线上查找出至少两个像素跳变的点，将所述至少两个像素跳变的点作为一组测量点，包括：
在所述目标辅助线上，沿着所述待测量服装图的背景区域至服装区域查找出至少两个像素跳变的点，将所述至少两个像素跳变的点作为一组测量点。
本申请实施例提供的服装测量方法，由于背景色一般是相对较单一的颜色，而服装的颜色相对多变，因此从背景区域至服装区域查找出至少两个像素跳变的点，可以提高识别像素跳变的点时的识别准确性。
第二方面，本申请实施例还提供一种服装测量装置，包括：
检测模块，用于通过目标检测模型对待测量服装图进行关键点检测，得到至少两个关键点；
第一确定模块，用于根据所述至少两个关键点确定出至少两条参考线；
第二确定模块，用于在所述至少两条参考线上确定出与所述至少两个关键点之间的距离为设定长度的至少一组基准点；
第三确定模块，用于根据所述至少一组基准点确定出所述待测量服装图中的至少一组测量点；
第四确定模块，用于根据所述至少一组测量点中的每一组测量点确定，所述待测量服装图中的待测量服装的测量区域尺寸。
第三方面，本申请实施例还提供一种电子设备，包括：处理器、存储器，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述机器可读指令被所述处理器执行时执行上述第一方面，或第一方面的任一种可能的实施方式中的服装测量方法的步骤。
第四方面，本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述第一方面，或第一方面的任一种可能的实施方式中的服装测量方法的步骤。
本申请实施例提供的服装测量方法、装置、电子设备及计算机可读存储介质，采用识别出关键点，再基于关键点确定出测量点，最后再根据测量点得到测量区域尺寸，与现有技术中的直接识别出需要测量的点，再得到测量的尺寸相比，其能够更准确地获得测量点，从而可以使测量更加准确。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的电子设备的方框示意图。
图2为本申请实施例提供的服装测量方法的流程图。
图3为本申请实施例提供的服装测量方法中的待测量服装示意图。
图4为本申请实施例提供的服装测量方法中的另一待测量服装示意图。
图5为本申请实施例提供的服装测量方法中的再一待测量服装示意图。
图6为本申请实施例提供的服装测量装置的功能模块示意图。
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行描述。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
实施例一
为便于对本实施例进行理解，首先对执行本申请实施例所公开的服装测量方法的电子设备进行详细介绍。
如图1所示，是电子设备的方框示意图。电子设备100可以包括存储器111、存储控制器112、处理器113、外设接口114、输入输出单元115、显示单元116、采集单元117。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对电子设备100的结构造成限定。例如，电子设备100还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
上述的存储器111、存储控制器112、处理器113、外设接口114、输入输出单元115、显示单元116以及采集单元117各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。上述的处理器113用于执行存储器中存储的可执行模块。
其中，存储器111可以是，但不限于，随机存取存储器(Random Access Memory，简称RAM)，只读存储器(Read Only Memory，简称ROM)，可编程只读存储器(ProgrammableRead-Only Memory，简称PROM)，可擦除只读存储器(Erasable Programmable Read-OnlyMemory，简称EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-OnlyMemory，简称EEPROM)等。其中，存储器111用于存储程序，所述处理器113在接收到执行指令后，执行所述程序，本申请实施例任一实施例揭示的过程定义的电子设备100所执行的方法可以应用于处理器113中，或者由处理器113实现。
上述的处理器113可能是一种集成电路芯片，具有信号的处理能力。上述的处理器113可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(digital signalprocessor，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
上述的外设接口114将各种输入/输出装置耦合至处理器113以及存储器111。在一些实施例中，外设接口114，处理器113以及存储控制器112可以在单个芯片中实现。在其他一些实例中，他们可以分别由独立的芯片实现。
上述的输入输出单元115用于提供给用户输入数据。所述输入输出单元115可以是，但不限于，鼠标和键盘等。
上述的显示单元116在电子设备100与用户之间提供一个交互界面(例如用户操作界面)或用于显示图像数据给用户参考。在本实施例中，所述显示单元可以是液晶显示器或触控显示器。若为触控显示器，其可为支持单点和多点触控操作的电容式触控屏或电阻式触控屏等。支持单点和多点触控操作是指触控显示器能感应到来自该触控显示器上一个或多个位置处同时产生的触控操作，并将该感应到的触控操作交由处理器进行计算和处理。
上述的采集单元117用于拍摄照片或者视频。拍摄的照片或者视频可以存储至存储器111内。采集单元117具体可包括镜头模组、影像感测器以及闪光灯等组件。镜头模组用于对被拍摄的目标成像，并将所成的像映射至影像感测器中。影像感测器用于接收来自镜头模组的光线，实现感光，以记录图像信息。具体地，影像感测器可基于互补金属氧化物半导体(Complementary Metal Oxide Semiconductor，CMOS)、电荷耦合元件(Charge-coupled Device，CCD)或者其他影像感测原理实现。闪光灯用于在拍摄时进行曝光补偿。本实施例中，采集单元117可以用于采集待测量服装的图像数据。
本实施例中的电子设备100可以用于执行本申请实施例提供的各个方法中的各个步骤。下面通过几个实施例详细描述服装测量方法的实现过程。
实施例二
请参阅图2，是本申请实施例提供的服装测量方法的流程图。下面将对图2所示的具体流程进行详细阐述。
步骤201，通过目标检测模型对待测量服装图进行关键点检测，得到至少两个关键点。
在一种实施方式中，当待测量服装是衣服时，如图3所示，至少两个关键点包括：第一关键点W1和第二关键点W2。本实施例中，第一关键点W1为左侧衣袖下侧与衣身的交汇点。第二关键点W2右侧衣袖下侧与衣身的交汇点。
在另一种实施方式中，当待测量服装是衣服时，如图4所示，至少两个关键点包括：第三关键点W3、第四关键点W4、第五关键点W5和第六关键点W6。其中，第三关键点W3为左侧衣袖下侧与衣身的交汇点。第四关键点W4右侧衣袖下侧与衣身的交汇点。第五关键点W5为衣身的左下角顶角。第六关键点W6为衣身的右下角顶角。
在另一种实施方式中，如图5所示，当待测量服装是裤子时，所述至少两个关键点包括：第七关键点W7和第八关键点W8。其中，第七关键点W7可以是裤腰的左端点，第八关键点W8可以是裤腰的右端点。
本实施例中，上述的目标检测模型可以是预先训练的神经网络模型。通过对待测量服装图进行深度学习，以得到至少两个关键点。
可选地，上述的目标检测模型也可以是一边缘检测模型。通过对待测量服装图进行边缘检测，以得到至少两个关键点。
步骤202，根据所述至少两个关键点确定出至少两条参考线。
本实施例中，上述的至少两条参考线基于关键点作出的参考线。
可选地，如图3所示，至少两条参考线可以平行于待测量服装的中心线C1。示例性地，若待测量服装是对称的服装，则中心线可以表示待测量服装的对称线。
可选地，如图3所示，至少两条参考线可以垂直于待测量服装的下边缘L1。
在一种实施方式中，步骤202可以包括：确定出与所述第一关键点W1相交，且与所述待测量服装图中的服装区域的下边缘的夹角在第一设定区间内的第一参考线R1。确定出与所述第二关键点W2相交，且与所述待测量服装图中的服装区域的下边缘的夹角在所述第一设定区间内的第二参考线R2。
其中，90°在第一设定区间内。本实施例中，上述的第一设定区间可以是一个较小的区间。例如，第一设定区间可以是[85°，95°]、[86°，97°]、[83°，96°]、[89°，91°]等。
在一种实施方式中，如图4所示，步骤202可以包括：根据所述第五关键点和所述第六关键点确定出基准线W5W6；确定出与所述第三关键点相交，且与所述基准线W5W6的夹角在第二设定区间内的第三参考线。确定出与所述第四关键点相交，且与所述基准线W5W6的夹角在所述第二设定区间内的第四参考线。
其中，90°在所述第二设定区间内。上述的第二设定区间可以是一个较小的区间。可选地，第二设定区间可以与第一设定区间相同，也可以不同。例如，第一设定区间可以是[85°，95°]、[84°，93°]、[85°，93°]、[89°，91°]等数值区间。
在一种实施方式中，如图5所示，步骤202可以包括：确定出与所述第七关键点W7相交，且与所述待测量服装图中的服装区域的上边缘的夹角在第三设定区间内的第五参考线R3，确定出与所述第七关键点W8相交，且与所述待测量服装图中的服装区域的上边缘的夹角在第三设定区间内的第六参考线R4。
步骤203，在所述至少两条参考线上确定出与所述至少两个关键点之间的距离为设定长度的至少一组基准点。
在一种实施方式中，当待测量服装是衣服时，则需要测量的区域可以包括衣服胸围尺寸、衣服腰围尺寸等。
可选地，针对衣服胸围部位，则可以对应有第一组基准点。如图3所示，第一组基准点分别表示为Y1、Y2。本实施例中，第一组基准点与对应的关键点的距离可以是第一设定长度。可选地，该第一设定长度对应到待测量服装上的实际尺寸可以是2.3-2.8cm中的一长度。例如，可以是2.5cm、2.4cm等。
可选地，针对衣服腰围部位，则可以对应有第二组基准点。如图3所示，第二组基准点分别表示为X1、X2。本实施例中，第二组基准点与对应的关键点的距离可以是第二设定长度。可选地，该第二设定长度对应到待测量服装上的实际尺寸可以是19-22cm中的一长度。例如，该可以是20cm、21cm等。
在另一种实施方式中，当待测量服装是裤子时，则需要测量的区域可以包括裤子腰围尺寸、裤子臀围尺寸等。
可选地，针对裤子臀围部位，则可以对应有第三组基准点。如图5所示，第三组基准点分别表示为Z1、Z2。本实施例中，第三组基准点与对应的关键点的距离可以是第三设定长度。可选地，该第三设定长度对应到待测量服装上的实际尺寸可以是9-13cm中的一长度。例如，可以是10cm、13cm等。
可选地，针对裤子腰围部位，则此时的基准点与关键点相同。
可选地，由于待测量服装的尺寸与待测量服装的尺寸可能不是一比一的关系。因此，在确定基准点之前，还可以先获取待测量服装与待测量服装的比例尺。
则可以根据上述的设定长度对应的待测量服装上的实际尺寸、以及待测量服装与待测量服装的比例尺确定出待测量服装图上的设定长度的长度。
步骤204，根据所述至少一组基准点确定出所述待测量服装图中的至少一组测量点。
本实施例中，上述的测量点可以是一组基准点的所在的直线与待测量服装图中的服装边缘的交点。
可选地，步骤204可以包括以下步骤。
步骤2041，根据所述至少一组基准点中的每一组基准点确定出辅助线，以得到至少一条辅助线。
本实施例中，辅助线为过一组基准点中所有点的线。
可选地，任意一组基准点中可包括两个点。
在一种实施方式中，如图3所示，基于第一组基准点Y1和Y2确定出的辅助线为L2。
在一种实施方式中，如图3所示，基于第二组基准点X1和X2确定出的辅助线为L3。
在一种实施方式中，如图5所示，基于第三组基准点Z1和Z2确定出的辅助线为L4。
步骤2042，在目标辅助线上查找出至少两个像素跳变的点，将所述至少两个像素跳变的点作为一组测量点。
本实施例中，目标辅助线为所述至少一条辅助线中的任意一条。
其中，上述的像素跳变的点可以是相邻两个像素点的像素值相差较大时，该相邻两个像素点中的一个点。例如，上述的像素跳变的点可以是相邻两个像素点的像素值相差较大时，该相邻两个像素点中的像素值更大的一个点。例如，相邻两个像素点的值分别是0和255，则像素跳变的点可以为像素值为255的点。再例如，相邻两个像素点的像素值由个位数跳转至百位数，则像素跳变的点可以为像素值为百位数的点。
示例性地，目标辅助线上的各个像素点形成的向量分别为：A＝[a1,a2,a3,…ai-1，ai，…，aj,aj+1…,an]＝[3,8,10，…7,200，…190,12…,7]。
由上述向量A可以知道，目标辅助线上的像素点ai-1至像素点ai的像素值由4跳变至200，由于像素点a1,a2,a3,…ai-1均为像素值较小的值，像素点ai为像素值较大的值，像素点ai可以为一像素跳变的点。目标辅助线上的像素点aj至像素点aj+1的像素值由190跳变至12，由于像素点aj+1,aj+2,aj+3,…an均为像素值较小的值，像素点aj为像素值较大的值，像素点aj可以为一像素跳变的点。则目标辅助线的像素点ai和像素点aj分别为像素跳变的点，则像素点ai和像素点aj则为一组测量点。
在一种实施方式中，步骤2042可以包括：将所述待测量服装图进行二值化处理，得到二值化图；在所述二值化图中，在所述目标辅助线上查找出至少两个像素跳变的点，将所述至少两个像素跳变的点为一组测量点。
示例性地，上述的像素跳变的点可以表示在目标辅助线上各点的像素值由一个值转换至另一个值的像素点。
示例性地，在二值化图中，目标辅助线上的各个像素点形成的向量分别为：B＝[b1,b2,b3,…bi-1，bi，…，bj,bj+1…,bn]＝[0,0,0，…0,255，…255,0…,0]。
由上述向量B可以知道，目标辅助线上的像素点bi-1至像素点bi的像素值由0跳变至255，目标辅助线上的像素点bj至像素点bj+1的像素值由255跳变至0。则目标辅助线的像素点bi和像素点bj分别为像素跳变的点，则像素点bi和像素点bj则为一组测量点。
在一种实施方式中，步骤2042可以包括步骤a-步骤c。
步骤a，在所述待测量服装图中截取多个局部区域图。
其中，多个局部区域图中均包含辅助线、服装区域以及背景区域。
示例性地，如图3所示，局部区域图可以包括：局部图P1、局部图P2、局部图P3、局部图P4。
步骤b，将所述多个局部区域图分别进行图像优化处理，得到多个优化局部图。
可选地，上述的图像优化处理可以包括：
颜色聚类处理，通过颜色聚类处理，可以减少多种颜色的对像素跳变的点的识别的干扰；
将颜色聚类后的图进行后处理，例如，膨胀腐蚀，平滑等等，通过该后处理可以去除掉局部区域图中的离散的极小区域以及锯齿边缘。
步骤c，在所述多个优化局部图中，在所述目标辅助线上查找出至少两个像素跳变的点，将所述至少两个像素跳变的点作为一组测量点。
在一种实施方式中，步骤2042可以包括：在所述目标辅助线上，沿着所述待测量服装图的背景区域至服装区域查找出至少两个像素跳变的点，将所述至少两个像素跳变的点作为一组测量点。
考虑服装上可能存在多种颜色，而背景区域的颜色相对单一，因此，从背景区域至服装区域查找像素跳变的点，可以使查找的像素跳变的点能够更加准确。
在一种实施方式中，如图3所示，基于辅助线为L2确定出的测量点分别为B1和B2。
在一种实施方式中，如图3所示，基于辅助线为L3确定出的测量点分别为E1和E2。
在一种实施方式中，如图5所示，基于辅助线为L4确定出的测量点分别为F1和F2。
步骤205，根据所述至少一组测量点中的每一组测量点，确定所述待测量服装图中的待测量服装的测量区域尺寸。
可选地，每一组测量点中包括两个测量点，两个测量点之间的距离，则为测量区域尺寸的图示距离。进一步地，将根据该图示距离、以及待测量服装与待测量服装的比例尺得到测量区域尺寸。
根据本实施例中的服装测量方法，通过采用识别出关键点，再基于关键点确定出测量点，最后再根据测量点得到测量区域尺寸，从而可以不需要识别模型识别位置不清楚的点，而是基于容易识别的点找出作为测量基准的点，从而可以提高服装测量的准确性。
实施例三
基于同一申请构思，本申请实施例中还提供了与服装测量方法对应的服装测量装置，由于本申请实施例中的装置解决问题的原理与前述的服装测量方法实施例相似，因此本实施例中的装置的实施可以参见上述方法的实施例中的描述，重复之处不再赘述。
请参阅图6，是本申请实施例提供的服装测量装置的功能模块示意图。本实施例中的服装测量装置中的各个模块用于执行上述方法实施例中的各个步骤。服装测量装置包括：检测模块301、第一确定模块302、第二确定模块303、第三确定模块304、以及第四确定模块305；其中，
检测模块301，用于通过目标检测模型对待测量服装图进行关键点检测，得到至少两个关键点；
第一确定模块302，用于根据所述至少两个关键点确定出至少两条参考线；
第二确定模块303，用于在所述至少两条参考线上确定出与所述至少两个关键点之间的距离为设定长度的至少一组基准点；
第三确定模块304，用于根据所述至少一组基准点确定出所述待测量服装图中的至少一组测量点；
第四确定模块305，用于根据所述至少一组测量点中的每一组测量点确定，所述待测量服装图中的待测量服装的测量区域尺寸。
一种可能的实施方式中，所述至少两个关键点包括：第一关键点和第二关键点；所述第一关键点为左侧衣袖下侧与衣身的交汇点；所述第二关键点右侧衣袖下侧与衣身的交汇点；第一确定模块302，用于：
确定出与所述第一关键点相交，且与所述待测量服装图中的服装区域的下边缘的夹角在第一设定区间内的第一参考线；
确定出与所述第二关键点相交，且与所述待测量服装图中的服装区域的下边缘的夹角在所述第一设定区间内的第二参考线，其中，90°在所述第一设定区间内。
一种可能的实施方式中，所述至少两个关键点包括：第三关键点、第四关键点、第五关键点和第六关键点；所述第三关键点为左侧衣袖下侧与衣身的交汇点；所述第四关键点右侧衣袖下侧与衣身的交汇点；所述第五关键点为衣身的左下角顶角；所述第六关键点为衣身的右下角顶角；第一确定模块302，用于：
根据所述第五关键点和所述第六关键点确定出基准线；
确定出与所述第三关键点相交，且与所述基准线的夹角在第二设定区间内的第三参考线；
确定出与所述第四关键点相交，且与所述基准线的夹角在所述第二设定区间内的第四参考线，其中，90°在所述第二设定区间内。
一种可能的实施方式中，第三确定模块304包括：辅助线确定单元、查找单元；
辅助线确定单元，用于根据所述至少一组基准点中的每一组基准点确定出辅助线，以得到至少一条辅助线；
查找单元，用于在目标辅助线上查找出至少两个像素跳变的点，将所述至少两个像素跳变的点作为一组测量点，所述目标辅助线为所述至少一条辅助线中的任意一条。
一种可能的实施方式中，查找单元，用于：
将所述待测量服装图进行二值化处理，得到二值化图；
在所述二值化图中，在所述目标辅助线上查找出至少两个像素跳变的点，将所述至少两个像素跳变的点为一组测量点。
一种可能的实施方式中，查找单元，用于：
在所述待测量服装图中截取多个局部区域图，所述多个局部区域图中均包含辅助线、服装区域以及背景区域；
将所述多个局部区域图分别进行图像优化处理，得到多个优化局部图；
在所述多个优化局部图中，在所述目标辅助线上查找出至少两个像素跳变的点，将所述至少两个像素跳变的点作为一组测量点。
一种可能的实施方式中，查找单元，用于：
在所述目标辅助线上，沿着所述待测量服装图的背景区域至服装区域查找出至少两个像素跳变的点，将所述至少两个像素跳变的点作为一组测量点。
此外，本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述方法实施例中所述的服装测量方法的步骤。
本申请实施例所提供的服装测量方法的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行上述方法实施例中所述的服装测量方法的步骤，具体可参见上述方法实施例，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (8)

1.一种服装测量方法，其特征在于，包括：
通过目标检测模型对待测量服装图进行关键点检测，得到至少两个关键点；其中，所述至少两个关键点包括第一关键点和第二关键点；所述第一关键点为左侧衣袖下侧与衣身的交汇点；所述第二关键点右侧衣袖下侧与衣身的交汇点；
根据所述至少两个关键点确定出至少两条参考线；
在所述至少两条参考线上确定出与所述至少两个关键点之间的距离为设定长度的至少一组基准点；
根据所述至少一组基准点确定出所述待测量服装图中的至少一组测量点；
根据所述至少一组测量点中的每一组测量点，确定所述待测量服装图中的待测量服装的测量区域尺寸；
其中，所述根据所述至少两个关键点确定出至少两条参考线，包括：确定出与所述第一关键点相交，且与所述待测量服装图中的服装区域的下边缘的夹角在第一设定区间内的第一参考线；确定出与所述第二关键点相交，且与所述待测量服装图中的服装区域的下边缘的夹角在所述第一设定区间内的第二参考线，其中，90°在所述第一设定区间内；
其中，所述根据所述至少一组基准点确定出所述待测量服装图中的至少一组测量点，包括：根据所述至少一组基准点中的每一组基准点确定出辅助线，以得到至少一条辅助线；在目标辅助线上查找出至少两个像素跳变的点，将所述至少两个像素跳变的点作为一组测量点，所述目标辅助线为所述至少一条辅助线中的任意一条。
2.根据权利要求1所述的方法，其特征在于，所述至少两个关键点还包括：第三关键点、第四关键点、第五关键点和第六关键点；所述第三关键点为左侧衣袖下侧与衣身的交汇点；所述第四关键点右侧衣袖下侧与衣身的交汇点；所述第五关键点为衣身的左下角顶角；所述第六关键点为衣身的右下角顶角；所述根据所述至少两个关键点确定出至少两条参考线，还包括：
根据所述第五关键点和所述第六关键点确定出基准线；
确定出与所述第三关键点相交，且与所述基准线的夹角在第二设定区间内的第三参考线；
确定出与所述第四关键点相交，且与所述基准线的夹角在所述第二设定区间内的第四参考线，其中，90°在所述第二设定区间内。
3.根据权利要求1所述的方法，其特征在于，所述在目标辅助线上查找出至少两个像素跳变的点，将所述至少两个像素跳变的点作为一组测量点，包括：
将所述待测量服装图进行二值化处理，得到二值化图；
在所述二值化图中，在所述目标辅助线上查找出至少两个像素跳变的点，将所述至少两个像素跳变的点为一组测量点。
4.根据权利要求1所述的方法，其特征在于，所述在目标辅助线上查找出至少两个像素跳变的点，将所述至少两个像素跳变的点作为一组测量点，包括：
在所述待测量服装图中截取多个局部区域图，所述多个局部区域图中均包含辅助线、服装区域以及背景区域；
将所述多个局部区域图分别进行图像优化处理，得到多个优化局部图；
在所述多个优化局部图中，在所述目标辅助线上查找出至少两个像素跳变的点，将所述至少两个像素跳变的点作为一组测量点。
5.根据权利要求1所述的方法，其特征在于，所述在目标辅助线上查找出至少两个像素跳变的点，将所述至少两个像素跳变的点作为一组测量点，包括：
在所述目标辅助线上，沿着所述待测量服装图的背景区域至服装区域查找出至少两个像素跳变的点，将所述至少两个像素跳变的点作为一组测量点。
6.一种服装测量装置，其特征在于，包括：
检测模块，用于通过目标检测模型对待测量服装图进行关键点检测，得到至少两个关键点；
第一确定模块，用于根据所述至少两个关键点确定出至少两条参考线；其中，所述至少两个关键点包括第一关键点和第二关键点；所述第一关键点为左侧衣袖下侧与衣身的交汇点；所述第二关键点右侧衣袖下侧与衣身的交汇点；
第二确定模块，用于在所述至少两条参考线上确定出与所述至少两个关键点之间的距离为设定长度的至少一组基准点；
第三确定模块，用于根据所述至少一组基准点确定出所述待测量服装图中的至少一组测量点；
第四确定模块，用于根据所述至少一组测量点中的每一组测量点确定，所述待测量服装图中的待测量服装的测量区域尺寸；
所述第一确定模块，具体用于确定出与所述第一关键点相交，且与所述待测量服装图中的服装区域的下边缘的夹角在第一设定区间内的第一参考线；确定出与所述第二关键点相交，且与所述待测量服装图中的服装区域的下边缘的夹角在所述第一设定区间内的第二参考线，其中，90°在所述第一设定区间内；
所述第三确定模块，具体用于根据所述至少一组基准点中的每一组基准点确定出辅助线，以得到至少一条辅助线；在目标辅助线上查找出至少两个像素跳变的点，将所述至少两个像素跳变的点作为一组测量点，所述目标辅助线为所述至少一条辅助线中的任意一条。
7.一种电子设备，其特征在于，包括：处理器、存储器，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述机器可读指令被所述处理器执行时执行如权利要求1至5任一所述的方法的步骤。
8.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至5任一所述的方法的步骤。
CN202010526179.XA 2020-06-10 2020-06-10 服装测量方法、装置及电子设备 Active CN111667527B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010526179.XA CN111667527B (zh) 2020-06-10 2020-06-10 服装测量方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010526179.XA CN111667527B (zh) 2020-06-10 2020-06-10 服装测量方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN111667527A CN111667527A (zh) 2020-09-15
CN111667527B true CN111667527B (zh) 2023-06-13

Family

ID=72386709

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010526179.XA Active CN111667527B (zh) 2020-06-10 2020-06-10 服装测量方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN111667527B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109166147A (zh) * 2018-09-10 2019-01-08 深圳码隆科技有限公司 基于图片的服装尺寸测量方法及装置
CN109829940A (zh) * 2018-12-28 2019-05-31 青岛红创众投科技发展有限公司 一种基于机器视觉的测量服装尺寸的方法和系统
CN110051069A (zh) * 2019-03-13 2019-07-26 中山易裁剪网络科技有限公司 一种服装尺寸测量系统及其测量方法
CN110349201A (zh) * 2019-07-07 2019-10-18 创新奇智(合肥)科技有限公司 一种基于神经网络的衣服尺寸测量方法、系统及电子设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11475508B2 (en) * 2018-11-15 2022-10-18 Vêtements Flip Design Inc. Methods and systems for evaluating a size of a garment

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109166147A (zh) * 2018-09-10 2019-01-08 深圳码隆科技有限公司 基于图片的服装尺寸测量方法及装置
CN109829940A (zh) * 2018-12-28 2019-05-31 青岛红创众投科技发展有限公司 一种基于机器视觉的测量服装尺寸的方法和系统
CN110051069A (zh) * 2019-03-13 2019-07-26 中山易裁剪网络科技有限公司 一种服装尺寸测量系统及其测量方法
CN110349201A (zh) * 2019-07-07 2019-10-18 创新奇智(合肥)科技有限公司 一种基于神经网络的衣服尺寸测量方法、系统及电子设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Real-time clothing recognition in surveillance videos;Ming Yang等;《2011 18th IEEE International Conference on Image Processing》;2937-2940 *
基于服装款式图三维数据获取的研究;陈哲;《中国优秀硕士学位论文全文数据库 (工程科技Ⅰ辑)》;B024-478 *

Also Published As

Publication number Publication date
CN111667527A (zh) 2020-09-15

Similar Documents

Publication Publication Date Title
US20210183032A1 (en) System and method for finding lines in an image with a vision system
WO2020051959A1 (zh) 基于图片的服装尺寸测量方法及装置
CN107958458B (zh) 图像分割方法、图像分割系统及包括其的设备
CN107274450B (zh) 信息处理装置及其控制方法
CN108182433A (zh) 一种表计读数识别方法及系统
CN112336342B (zh) 手部关键点检测方法、装置及终端设备
KR20220075290A (ko) 비전 시스템으로 이미지에서 라인을 찾기 위한 시스템 및 방법
JP2008203916A (ja) 画像処理装置、プログラム及び画像処理方法
CN110910334B (zh) 一种实例分割方法、图像处理设备及计算机可读存储介质
JP2018151830A (ja) 画像処理装置、画像処理方法及びプログラム
Xu et al. Feature-based 3D reconstruction of fabric by binocular stereo-vision
CN111199198B (zh) 一种图像目标定位方法、图像目标定位装置及移动机器人
CN111667527B (zh) 服装测量方法、装置及电子设备
CN109634460B (zh) 一种基于区域镜像的触控识别方法、装置及触控显示装置
CN109685111B (zh) 动作识别方法、计算系统、智能设备及存储介质
US11854214B2 (en) Information processing apparatus specifying a relationship between a sensor and an object included in image data, and method and non-transitory computer-readable storage medium
CN115862124A (zh) 视线估计方法、装置、可读存储介质及电子设备
JP7126653B2 (ja) 測定システム、測定方法、測定サーバおよび測定プログラム
CN111132309B (zh) 一种定位方法、装置、服务器及存储介质
KR101175751B1 (ko) 스트랩다운 이중 모드 영상탐색기의 베이시안 규칙 기반 표적 결정 방법
Mei et al. The edge detection of brain tumor
CN107145579B (zh) 地理信息线要素伪节点检查方法及装置
CN105183454A (zh) 一种基于测体衣图像的自动选码方法及电子设备
CN111462234B (zh) 一种位置确定方法及装置
Mount et al. New approaches to robust, point-based image registration.

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
GR01 Patent grant
GR01 Patent grant