图像处理方法及系统技术方案

本发明专利技术公开了一种图像处理方法及系统，以在线给出用户的着装建议。该系统包括：客户端，用于获取用户的着装建议请求，根据着装建议请求建立与远程服务器的连接，并打开摄像头采集用户的全身图像，将着装建议请求连同所采集图像发送给远程服务器，以及将远程服务器反馈的着装建议结果显示输出；服务器端，用于建立与客户端的远程连接，获取客户端的着装建议请求和采集图像，提取采集图像的全身轮廓特征、面部轮廓特征及服饰颜色分布特征，通过K‑means统计向量方法获取与该形体特征、面部轮廓特征及服饰颜色分布特征对应的指导模型，以及根据该指导模型向客户端返回着装建议结果。

【技术实现步骤摘要】

本专利技术涉及通信
，尤其涉及一种图像处理方法及系统。
技术介绍
移动领域硬件技术的高速发展赋予了智能移动终端更广阔的应用前景，智能移动终端成为个人连接网络和企业提供服务的重要平台。例如：Android系统作为当前市场占有率最高的智能移动操作系统，其开放性、丰富的硬件特性、免费的服务和快速的更新迭代使得可移动设备的性能日益增强，与计算机的差距日益缩小，应用也日益丰富，功能多样。传统的服装搭配检测方式一般由求职者本人或者周围人根据书籍、网络或经验进行判断，其存在主观性、随意性、局限性等不足。随着计算机数字图像处理技术以及人工智能技术的不断发展，人们可以尝试利用计算机代替人来对求职者的服装搭配进行评判。
技术实现思路
本专利技术目的在于公开一种图像处理方法及系统，以在线给出用户的着装建议。为实现上述目的，本专利技术公开了一种图像处理方法，执行于客户端的步骤包括：获取用户的着装建议请求；根据所述着装建议请求建立与远程服务器的连接，并打开摄像头采集用户的全身图像；将所述着装建议请求连同所采集图像发送给所述远程服务器；以及将所述远程服务器反馈的着装建议结果显示输出。与之对应的，执行于服务器端的图像处理方法包括：建立与客户端的远程连接；获取所述客户端的着装建议请求和采集图像；提取所述采集图像的全身轮廓特征、面部轮廓特征及服饰颜色分布特征；通过K—means统计向量方法获取与该形体特征、面部轮廓特征及服饰颜色分布特征对应的指导模型；根据该指导模型向所述客户端返回着装建议结果。为实现上述目的，本专利技术公开了一种图像处理系统，包括：客户端，用于获取用户的着装建议请求，根据所述着装建议请求建立与远程服务器的连接，并打开摄像头采集用户的全身图像，将所述着装建议请求连同所采集图像发送给所述远程服务器，以及将所述远程服务器反馈的着装建议结果显示输出；服务器端，用于建立与客户端的远程连接，获取所述客户端的着装建议请求和采集图像，提取所述采集图像的全身轮廓特征、面部轮廓特征及服饰颜色分布特征，通过K-means统计向量方法获取与该形体特征、面部轮廓特征及服饰颜色分布特征对应的指导模型，以及根据该指导模型向所述客户端返回着装建议结果。本专利技术具有以下有益效果：采用B/S网络架构来实现在线测试，极大提高了监测的便捷性；交互简单，可扩充性好。而且通过K-means统计向量方法获取与该形体特征、面部轮廓特征及服饰颜色分布特征对应的指导模型，处理和识别速度快，准确率高。下面将参照附图，对本专利技术作进一步详细的说明。附图说明构成本申请的一部分的附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是本专利技术优选实施例公开的图像处理方法执行于客户端的流程图；图2是本专利技术优选实施例公开的图像处理方法执行于服务器端的流程图。具体实施方式以下结合附图对本专利技术的实施例进行详细说明，但是本专利技术可以由权利要求限定和覆盖的多种不同方式实施。本专利技术实施例首先公开一种图像处理方法，该方法可运行于基于Android平台或IOS等平台的手机客户端上，其具体表现形式包括但不限于基于相应平台所开发及加载的应用APP及其配套硬件的组合，该手机客户端与远程的服务器端可通过socket通信。如图1所示，该方法执行于手机客户端的流程包括：步骤S1、获取用户的着装建议请求。该着装建议请求可通过点击相应APP中的触控按键或菜单发出。步骤S2、根据所述着装建议请求建立与远程服务器的连接，并打开摄像头采集用户的全身图像。步骤S3、将所述着装建议请求连同所采集图像发送给所述远程服务器。例如，可通过TCP/IP协议将相关信息传输给服务器端。步骤S4、将所述远程服务器反馈的着装建议结果显示输出。与上述客户端所执行步骤相对应的，服务器端图像处理如图2所示，包括：步骤S5、建立与客户端的远程连接。步骤S6、获取客户端的着装建议请求和采集图像。步骤S7、提取采集图像的全身轮廓特征、面部轮廓特征及服饰颜色分布特征。其中，轮廓提取是将轮廓图像作为掩膜和原图像按位做逻辑与操作，得到去除背景的图像；或者是采用Canny算法对用户的灰度图像进行检测，提取轮廓信息，具体方法可为：先用高斯滤波器抑制图像中的噪声，分别用水平方向，垂直方向，45°方向和135°一阶偏导有限差分计算图像梯度幅值和方向，然后对累加的梯度幅值进行非极大值抑制，最后用高阈值检测边缘，低阈值连接边缘。可选的，该步骤所提取的全身轮廓特征包括但不限于灰度图像中的角点特征、边缘特征以及阈值特征等其中的任意一种或任意组合；该面部轮廓特征包括但不限于肤色特征、脸型特征、发型特征等其中的任意一种或任意组合；该服饰颜色分布特征包括但不限于：在HSV空间中，分别提取上半身的主色调特征、上半身的次色调特征、下半身的主色调特征和下半身的次色调特征等其中的任意一种或任意组合。可选的，在该步骤之前还包括：对采集图像进行灰度变换、颜色空间转换、中值滤波、背景分离等预处理中的任意一种或任意组合。其中，灰度变换为根据各像素的R、G、B颜色分量计算各像素的灰度值，可选的，灰度值的计算公式可采用如下公式：Gray＝R*0.299+G*0.587+B*0.114。遍历同一张测试图像的每一个像素点，都进行上述操作，可以获得整幅图像的灰度变换图像。上述预处理中，颜色空间转换是将RGB彩色图像转换为HSV色彩空间图像；中值滤波(将图像中的每个像素点灰度值用其邻域范围内的灰度值中间值代替，同时保留边缘信息)是使用非线性的双边滤波方法对图像进行降噪及平滑处理；背景分离是将所采集图像中的用户图像与背景分离，以消除噪音，得到更精确的用户特征，以便后续进行特征提取。本实施例中，背景分离可采用二维快速0TSU阈值算法进行背景分离，其在灰度直方图上选取阈值进行分割，阈值分割的性能取决于阈值的选取。设图像丁(x，y)尺寸为M×N，定义以(x，y)为中心的像素点邻域平均灰度为： g ( x , y ) = 1 k 2 Σ m = [ - k / 2 ] k / 2 Σ m = [ - k / 2 ] k / 2 f ( x + m , y + m ) ]]>其中k为像素邻域的大小，[k/2]表示对k/2取整；记像素灰度值为i且邻域平均灰度值为j的本文档来自技高网...

【技术保护点】
一种图像处理方法，执行于客户端，其特征在于，包括：获取用户的着装建议请求；根据所述着装建议请求建立与远程服务器的连接，并打开摄像头采集用户的全身图像；将所述着装建议请求连同所采集图像发送给所述远程服务器；以及将所述远程服务器反馈的着装建议结果显示输出。

【技术特征摘要】
1.一种图像处理方法，执行于客户端，其特征在于，包括：获取用户的着装建议请求；根据所述着装建议请求建立与远程服务器的连接，并打开摄像头采集用户的全身图像；将所述着装建议请求连同所采集图像发送给所述远程服务器；以及将所述远程服务器反馈的着装建议结果显示输出。2.一种图像处理方法，执行于远程服务器端，其特征在于，包括：建立与客户端的远程连接；获取所述客户端的着装建议请求和采集图像；提取所述采集图像的全身轮廓特征、面部轮廓特征及服饰颜色分布特征；通过K-means统计向量方法获取与该形体特征、面部轮廓特征及服饰颜色分布特征对应的指导模型；根据该指导模型向所述客户端返回着装建议结果。3.根据权利要求2所述的图像处理方法，其特征在于，所述通过K-means统计向量方法获取与该形体特征、面部轮廓特征及服饰颜色分布特征对应的指导模型之前，还包括：使用haar特征分类的方法训练样本集数据，得到分类指导模型；所述通过K-means统计向量方法获取与该形体特征、面部轮廓特征及服饰颜色分布特征对应的指导模型包括：将所述采样图像的高维特征向量与所述分类指导模型中的标准向量依次取欧氏距离，通过欧式距离的远近确定与该形体特征、面部轮廓特征及服饰颜色分布特征对应的指导模型。4.根据权利要求2所述的图像处理方法，其特征在于，所述提取所述采集图像的全身轮廓特征、面部轮廓特征及服饰颜色分布特征之前还包括：对所述采集图像进行以下预处理中的任意一种或任意组合：颜色空间转换、灰度变换、中值滤波、背景分离。5.根据权利要求4所述的图像处理方法，其特征在于，所述灰度变换为根据各像素的R、G、B颜色分量计算各像素的灰度值；所述颜色空间转换是将RGB彩色图像转换为HSV色彩空间图像；所述中值滤波是使用非线性的双边滤波方法对图像进行降噪处理；所述背景分离是将所采集图像中的用户图像与背景分离。6.根据权利要求5所述的图像处理方法，其特征在于，所述背景分离采用如下递推算法：设图像f(x，y)尺寸为M×N，定义以(x，y)为中心的像素点邻域平均灰度为： g ( x , y ) = 1 k 2 Σ m = [ - k / 2 ] k / 2 Σ m = [ - k / 2 ] k / 2 f ( x + m , y + m ) ]]>记像素灰度值为i且邻域平均灰度值为j的像素点个数为fij，则相应的概率密度为Pij为：pij＝fij/(M×N)；i，j＝0，1，…，255以i，j为之变量，Pij为变量，形成二维直方图，假设二值灰度直方图被分割阈值(s，t)分为四部分，对角线经过区域分别对应背景和目标，原理对角线的区域对应圆边和噪声，则背景和目标出现的概率可以定义为： w 0 ( s , t ) = P r ( c 0 ) = Σ i = 0 s Σ j = 0 t p i j w 1 ( s , t ) = P r ( c 1 ) = Σ i = s + 1 255 Σ j = t + 1 255 p i j ]]>在二维OTSU算法中假设w0+w1≈1，目标和背景的均值矢量定义为： μ 0 = ( μ 0 s , μ 0 t ) T = [ Σ i = 0 s Σ j = 0 t ip i j / w 0 ( s , t ) , Σ i = 0 s Σ j = 0 t jp i j / w 0 ( s , t ) , ] T μ 1 = ( μ 1 s , μ 1 t ) T = [ Σ i = s + 1 255 Σ j = t + 1 255 ip i j / w 1 ( s , t ) , Σ i = s + 1 255 Σ j = t + 1 255 jp i j / w 1 ( s , t ) , ] T ]]>总体均值μ2定义为： μ z = ( μ z 0 , μ z 1 ) T = [ Σ i = 0 255 Σ j = 0 255 ip i j , Σ i = 0 255 ...

【专利技术属性】
技术研发人员：蒋直平，于健昕，胡幽，滕晓雯，邓英捷，李帅，俞永斌，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南;43