一种少数民族服装图像的识别方法技术

技术编号:20364384 阅读:68 留言:0更新日期:2019-02-16 17:12
本发明专利技术涉及一种少数民族服装图像的识别方法,属于计算机视觉、模式识别及图像应用领域。首先输入待识别的少数民族服装图像,通过对待识别图像和少数民族服装图像库中的训练图像进行人体检测,分别得到检测后的待识别图像和训练图像;其次,提取检测后的待识别图像和训练图像各自的颜色直方图、HOG、LBP、SIFT以及边缘5种底层特征,得到特征提取后的待识别图像和训练图像;然后,定义少数民族服装的语义属性,采用多任务模型学习少数民族服装的不同风格并训练分类器模型;最后,通过训练后的分类器,实现少数民族服装图像的识别并输出识别结果。本发明专利技术的识别方法具有较高的准确率和效率。

【技术实现步骤摘要】
一种少数民族服装图像的识别方法
本专利技术涉及一种少数民族服装图像的识别方法,属于计算机视觉、模式识别及图像应用领域。
技术介绍
随着少数民族服装图像数据的迅猛增长,迫切需要通过计算机对大规模图像进行自动分析,提取出人们能够理解的相关信息,以便于对这些珍贵的少数民族服装图像进行分析、管理和识别。目前服装图像识别公知方法中,大多数方法只关注底层特征的类别预测且只针对通用服装图像,陈等人(<Describingclothingbysemanticattributes>,2012:609–623Heidelberg)提出从身体部位提取底层特征,包括SIFT、颜色、纹理特征,然后使用包模型和SVM来预测属性和服装类别。Shen等人(<Unifiedstructuredlearningforsimultaneoushumanposeestimationandgarmentattributeclassification>,2014:4786–4798)则是通过姿态估计来提高识别的性能。Yang等人(<Real-timeclothingrecognitioninsurveillancevideos>,2011:2937-2940)提出了一个实时监控视频的服装识别系统,可实时按照预定义类别进行多个服装的标注,该系统使用区域生长方法的有效变体从该候选区域分割服装,采用多级线性SVM分类器来学习服装类别。Yamaguchi等人(<Mixandmatch:Jointmodelforclothingandattributerecognition>,2015,51.1–51.12)提出了基于CRF的服装属性组合的样式规则模型,但没有考虑姿态变化的问题。Chen(<Describingclothingbysemanticattributes>,2012:609–623)定义了服装属性来描述上装的外观,而该方法只能处理正面姿势的输入图像。Bhang(<WeaklySupervisedFine-GrainedCategorizationWithPart-BasedImageRepresentation>,2016,25(4):1713-1725)提出了一个易于部署的细粒度的图像分类方法。目前的公知方法中很少有针对少数民族服装图像的。区别于通用服装,少数民族服装图像颜色较鲜艳、层次明显,其款式大体有长袍和短衣两种;此外,少数民族服装包含很多局部细节属性,且纹理和图案更具特色。因此,本专利技术采用基于k-poselet的人体检测方法,对输入的待识别图像和训练图像进行整体和局部检测,以避免人体姿势和不同视角的影响。此外,通过定义的少数民族服装款式和语义属性类别,采用多任务模型学习出不同的民族服装风格,提高了服装识别的准确率。最后将特征提取后的待识别图像输入到训练好的分类器,提高了少数民族服装图像的识别效率。
技术实现思路
本专利技术涉及一种少数民族服装图像的识别方法,以用于有效地检测和识别云南少数民族服装图像,从而进一步提高少数民族服装图像识别的准确率和效率。本专利技术的技术方案是:一种少数民族服装图像的识别方法,首先输入待识别的少数民族服装图像,通过对待识别图像和少数民族服装图像库中的训练图像进行人体检测,分别得到检测后的待识别图像和训练图像;其次,提取检测后的待识别图像和训练图像各自的颜色直方图、HOG、LBP、SIFT以及边缘5种底层特征,得到特征提取后的待识别图像和训练图像;然后,定义少数民族服装的语义属性,采用多任务模型学习少数民族服装的不同风格并训练分类器模型;最后,通过训练后的分类器,实现少数民族服装图像的识别并输出识别结果。所述方法的具体步骤如下:Step1、输入待识别的少数民族服装图像G,从少数民族服装图像库中输入训练图像T,采用k-poselet(k>1)可变形部件模型分别对各个独立的poselet进行检测,实现人体的整体和局部检测,得到检测后的待识别图像G'和训练图像T'。Step2、分别提取检测后的待识别图像G'和训练图像各自T'的HOG、LBP、SIFT、颜色直方图和边缘算子5种底层特征,得到特征提取后的少数民族服装待识别图像G”和训练图像T”。Step3、首先将少数民族服装按照上身、下身、全局三个部分来定义相关的语义属性。然后,根据待识别图像G”和训练图像T”中提取到的HOG特征、LBP特征、SIFT特征、颜色特征、边缘算子特征,采用多任务特征学习模型以学习出少数民族服装的不同风格。其中W=[w1,...,wP]∈Rm×P表示Wi,即第i行属于任务Si权重向量的权重矩阵,表示第i个任务的类别标签,λ>0表示正则化参数,λ(W)是一个模型特定调节器。通过优化该学习模型,得到特征的权重向量。最后,通过权重向量选择从待识别图像G”和训练图像T”中提取到的HOG特征、LBP特征、SIFT特征、颜色特征、边缘算子特征,使用选择后的特征训练多个SVM分类器。Step4、通过训练后的分类器,实现少数民族服装的图像识别并输出少数民族服装图像的识别结果。本专利技术的有益效果是:1、公知的人体检测方法会因人体姿势变化和视角不同导致检测结果不准确的问题。本专利技术采用k-poselet(k>1)可变形部件模型分别对各个独立的poselet进行检测,实现对输入的待识别图像和训练图像中人体的整体和局部检测,避免了人体姿势和不同视角的影响,较好提高了检测的效果。2、公知的特征提取方法大多数是基于服装图像的全局特征。由于少数民族服装图像在颜色上较鲜艳、色调层次明显,色块间的对比和反差较大,且局部包含的细节属性较多、局部纹理和图案更具特色,因此,本专利技术提取了少数民族图像中的颜色直方图、HOG、LBP、SIFT以及边缘5种底层特征,并对特征提取后的图像集中的全局特征向量和局部特征向量作归一化处理,以提高后续识别的准确率。3、公知的方法多采用单任务学习训练分类器,即每个任务的样本单独训练一个SVM分类器。本专利技术采用多任务模型学习少数民族服装的不同民族风格,并训练多个SVM分类器,以更好地利用特征之间的相关性来减少高维度小样本的过度学习问题,较好地提高了少数民族服装图像的识别效率。附图说明图1为本专利技术的流程图;图2为本专利技术中人体检测后的效果示例图;图3为本专利技术中云南少数民族服装的特征提取示例图;图4为本专利技术中以苗族服装为例的SIFT特征提取和匹配示例图;图5为本专利技术中以白族服装为例的语义标注示例图;图6为本专利技术中部分云南少数民族服装的图像识别结果示例图;具体实施方式下面结合附图和具体实施方式对本专利技术作进一步说明。实施例1:如图1-6所示,一种少数民族服装图像的识别方法,具体步骤如下:Step1对待识别图像G和训练图像T进行人体检测,采用k-poselet(k>1)可变形部件模型分别对各个独立的poselet进行检测,实现人体的整体和局部检测,分别得到检测后的待识别图像G'和检测后的训练图像T';Step2分别提取检测后的待识别图像G'和检测后的训练图像T'本文档来自技高网
...

【技术保护点】
1.一种少数民族服装图像的识别方法,其特征在于,包括如下步骤:Step1对待识别图像G和训练图像T进行人体检测,分别得到检测后的待识别图像G'和检测后的训练图像T';Step2分别提取检测后的待识别图像G'和检测后的训练图像T'各自的颜色直方图、HOG、LBP、SIFT以及边缘算子5种底层特征,得到特征提取后的待识别图像G”和特征提取后的训练图像T”;Step3定义少数民族服装的语义属性,对检测后的训练图像T'进行语义属性标注,采用多任务特征模型学习少数民族服装的不同风格并训练分类器;Step4通过训练后的分类器,实现少数民族服装图像的识别并输出识别结果。

【技术特征摘要】
1.一种少数民族服装图像的识别方法,其特征在于,包括如下步骤:Step1对待识别图像G和训练图像T进行人体检测,分别得到检测后的待识别图像G'和检测后的训练图像T';Step2分别提取检测后的待识别图像G'和检测后的训练图像T'各自的颜色直方图、HOG、LBP、SIFT以及边缘算子5种底层特征,得到特征提取后的待识别图像G”和特征提取后的训练图像T”;Step3定义少数民族服装的语义属性,对检测后的训练图像T'进行语义属性标注,采用多任务特征模型学习少数民族服装的不同风格并训练分类器;Step4通过训练后的分类器,实现少数民族服装图像的识别并输出识别结果。2.根据权利要求1所述的一种少数民族服装图像的识别方法,其特征在于:所述训练图像T包括若干采集到的各少数民族的服装图像,采用k-poselet可变形部件模型分别对各个独立的poselet进行检测,实现人体的整体和局部检测,得到检测后的待识别图像G'和训练图像T'。3.根据权利要求1所述的少数民族服装图像的识别方法,其特征在于:所述Step3中分类器的训练是针对少数民族服装图像检测后的不同区域选择对应提取的底层特征进行训练分类器,上身检测到脖子区域提取的特征用来训练衣领分类器,肩膀和胳膊区域提取的特征则用来训练...

【专利技术属性】
技术研发人员:刘骊吴圣美付晓东黄青松刘利军
申请(专利权)人:昆明理工大学
类型:发明
国别省市:云南,53

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1