基于轮廓曲率特征点和支持向量机的服装款式识别方法技术

本发明专利技术涉及一种基于轮廓曲率特征点和支持向量机的服装款式识别方法，首先通过对服装图像的预处理获得服装轮廓，然后提取服装轮廓的轮廓曲率特征点作为特征向量，最后予以基于支持向量机的服装款式识别。服装图像的预处理包括服装图像分割、边缘检测、倾斜校正和轮廓曲线平滑；提取轮廓曲率特征点作为特征向量是指从服装轮廓曲线中提取曲率较大部位的点集，以代表轮廓外形的主要特征，按一定顺序排列，形成特征向量；予以基于支持向量机的服装款式识别是指采用支持向量机分类方法对服装款式进行分类。本发明专利技术提出的服装款式的识别方法能够使服装款式识别达到86％以上的准确率，每个样本识别耗时较短，具有快速准确的特点。

【技术实现步骤摘要】

本专利技术属于服装款式识别领域，涉及一种基于轮廓曲率特征点和支持向量机的服装款式识别方法，特别是涉及一种经图像预处理后得到服装轮廓图像，且基于轮廓曲率特征点和支持向量机的服装款式识别的方法。
技术介绍
随着电子商务的日益成熟，网购服装已经日益普遍。然而，如何在网购平台的海量服装图像中检索喜爱的服装款式却一直困扰着经营者和消费者。当前网购平台中服装款式的检索皆是基于文字的检索，一方面，需要花费大量的人工做标签；另一方面，文字的表达过于抽象，不够形象与具体，消费者难以通过文字检索找到心仪的服装。服装款式的计算机识别技术有望解决以上困扰。由消费者提供样例图片，采用自动识别技术将其主要特征识别出来之后与平台服装库进行比对，实现准确的检索。此外，服装款式的计算机识别技术还能够辅助人员追踪。在视频监控系统中，根据服装款式特征追踪相关人员。商场视频监控系统通过识别顾客着装，进行大数据分析，能够获取当前的服装款式流行趋势，制定针对性更强的销售方案。可见服装款式识别具有广阔的市场应用前景。寻找一种描述服装形状特征及分类的方法是服装款式识别领域的研究重点。近年来围绕服装轮廓进行款式识别的研究有了一些成果。An等(ANLX，LIW.Anintegratedapproachtofashionflatsketchesclassification[J].InternationalJournalofClothingScienceandTechnology，2014，26(5)：346-366.)使用小波傅里叶描述子描述服装设计平面图的轮廓特征并进行极端学习机分类研究；Hou等(HOUAL，ZHAOLQ，SHIDC.Garmentimageretrievalbasedonmulti-features[C].2010InternationalConferenceonComputer，Mechatronics，ControlandElectronicEngineering(CMCE2010).2010：194-197)提出了使用融合特征(Hu不变矩和傅里叶描述子)来描述服装的轮廓特征，通过计算欧式距离来判断形状的相似性。这些研究所采用的形状特征描述算子(傅里叶描述子、小波傅里叶描述子和Hu不变矩等)能够描述服装轮廓的形状特征，但是它们却无法直观地与服装轮廓的形状特征对应起来。平滑曲线通常可以通过曲率极值点勾勒出来，这些曲率极值点代表了曲线的主要形状特征。从服装轮廓曲线中提取此类点(即轮廓曲率特征点)来代表服装轮廓形状特征，作为特征向量以供后续款式分类用，能够直观地与服装轮廓的形状特征对应起来，从而克服目前服装款式识别方法存在的问题。
技术实现思路
本专利技术的目的是提供一种新的基于轮廓曲率特征点和支持向量机(SVM)的服装款式识别方法。为达到上述目的，本专利技术采用的技术方案为：基于轮廓曲率特征点和支持向量机的服装款式识别方法，首先通过对服装图像的预处理获得服装轮廓，然后提取服装轮廓的轮廓曲率特征点作为特征向量，最后予以基于支持向量机的服装款式识别；所述服装图像的预处理包括服装图像分割、边缘检测、倾斜校正和轮廓曲线平滑，获得服装轮廓图像，以供后续轮廓曲率特征点的提取；所述服装轮廓的轮廓像素点坐标采用b(k)＝(xk,yk)表示，式中，xk和yk分别为轮廓像素点在数字图像坐标系中的横坐标值与纵坐标值，k＝0,1,2,...K-1，K为轮廓像素点总数；所述提取服装轮廓的轮廓曲率特征点的步骤如下：1)求取轮廓在序号为k点处的一阶导数dk′、二阶导数dk″和曲率Ck，其中：dk′＝(yk+1-yk)/(xk+1-xk)dk″＝(dk+1′-dk′)/(xk+1-xk)Ck＝|dk″|/(1+dk′2)3/2；2)对轮廓的曲率曲线进行峰值检测，并依据峰值的大小将峰值点的坐标排序；3)选取曲率曲线峰值最大的前40个点作为服装轮廓初始特征点集；4)将服装轮廓图旋转90度，即令b(k)＝(yk,xk)，重复步骤1)和2)，选取曲率曲线峰值最大的前10个点作为服装轮廓的增补特征点集；5)将初始特征点集和增补特征点集合并为服装轮廓曲率总特征点集，作为特征向量。作为优选的技术方案：如上所述的基于轮廓曲率特征点和支持向量机的服装款式识别方法，所述服装图像为白色背景的单件服装图像，所述服装图像分割步骤如下：1)将服装图像转化为灰度图像，将彩色图像三维RGB空间中每个像素的颜色向直线R＝G＝B做射影，转化为一维空间的灰度图像；2)将灰度图像进行灰度的线性变换，将灰度图像的灰度值在low-255之间的值映射到0-255之间，低于low的值映射为0，增强灰度图像中服装图案与背景的对比度；3)使用最大类间方差法对灰度图像进行二值化，并对二值图像进行取反运算，便于后续形态学处理；4)对二值图像进行形态学闭运算处理，平滑服装图案的边界，连接边界狭窄的缺口，其中闭运算的结构元素为半径2-4个像素的圆盘；5)在步骤4)获得的二值图像中标记8连通的区域，找到最大面积的8连通区域即为服装区域，并对服装区域填充内部空洞，得到完整服装区域。如上所述的基于轮廓曲率特征点和支持向量机的服装款式识别方法，所述low取值范围为90-100。如上所述的基于轮廓曲率特征点和支持向量机的服装款式识别方法，所述边缘检测是指使用Canny算子对服装区域进行边缘检测，获取服装的外部轮廓。如上所述的基于轮廓曲率特征点和支持向量机的服装款式识别方法，所述倾斜校正步骤如下：1)获取服装轮廓的最小外接矩形，将服装轮廓从-10度旋转到+10度，服装轮廓最小外接矩形的面积最小时，服装轮廓无倾斜；2)将无倾斜的服装轮廓图像按照最小外接矩形的尺寸剪切，然后进行双三次插值的尺寸缩放，设定轮廓的高度为480像素，轮廓的宽度按照高度的缩放比例进行变换。如上所述的基于轮廓曲率特征点和支持向量机的服装款式识别方法，所述轮廓曲线平滑步骤如下：1)读取服装轮廓的轮廓像素点在数字图像坐标系中的坐标，将轮廓点坐标集进行离散傅里叶变换；2)截取前100个低频分量进行离散傅里叶反变换。如上所述的基于轮廓曲率特征点和支持向量机的服装款式识别方法，所述基于支持向量机的服装款式识别即采用支持向量机分类方法对服装款式进行分类，支持向量机分类方法是采用LibSVM工具箱(http://www.csie.ntu.edu.tw/～cjlin/)进行服装款式的支持向量机分类；具体步骤为：1)将样本库的特征向量进行主成分分析，选取累计贡献率为95％的成分为主成分，其中特征向量中坐标b(k)为复数形式，即b(k)＝xk+jyk，j为虚数单位；2)随机抽取60％的样本作为训练集，剩余的40％的样本作为测试集；3)将训练集特征向量和服装款式标签作为输入，使用网格搜索法寻找支持向量机分类器中惩罚参数和核参数的最优值，其中惩罚参数的范围是[-8,8]，核参数的范围是[-8,8]，步长为1；4)使用最优的参数、训练集特征向量及款式标签，训练得到支持向量机分类器；5)将测试集特征向量作为输入，运用训练好的支持向量机分类器进行计算，得到测试集服装款式的分类结果，统计识别率。有益效果：1)本专利技术对服装图像预处理能够有效获取平滑无倾斜的服装轮廓；2)本专利技术基于轮廓本文档来自技高网...

【技术保护点】
基于轮廓曲率特征点和支持向量机的服装款式识别方法，其特征是：首先通过对服装图像的预处理获得服装轮廓，然后提取服装轮廓的轮廓曲率特征点作为特征向量，最后予以基于支持向量机的服装款式识别；所述服装图像的预处理包括服装图像分割、边缘检测、倾斜校正和轮廓曲线平滑；所述服装轮廓的轮廓像素点坐标采用b(k)＝(xk,yk)表示，式中，xk和yk分别为轮廓像素点在数字图像坐标系中的横坐标值与纵坐标值，k＝0,1,2,...,K‑1，K为轮廓像素点总数；所述提取服装轮廓的轮廓曲率特征点的步骤如下：1)求取轮廓在序号为k点处的一阶导数dk′、二阶导数dk″和曲率Ck，其中：dk′＝(yk+1‑yk)/(xk+1‑xk)dk″＝(dk+1′‑dk′)/(xk+1‑xk)Ck＝|dk″|/(1+dk′2)3/2；2)对轮廓的曲率曲线进行峰值检测，并依据峰值的大小将峰值点的坐标排序；3)选取曲率曲线峰值最大的前40个点作为服装轮廓初始特征点集；4)将服装轮廓图旋转90度，即令b(k)＝(yk,xk)，重复步骤1)和2)，选取曲率曲线峰值最大的前10个点作为服装轮廓的增补特征点集；5)将初始特征点集和增补特征点集合并为服装轮廓曲率总特征点集，作为特征向量。...

【技术特征摘要】
1.基于轮廓曲率特征点和支持向量机的服装款式识别方法，其特征是：首先通过对服装图像的预处理获得服装轮廓，然后提取服装轮廓的轮廓曲率特征点作为特征向量，最后予以基于支持向量机的服装款式识别；所述服装图像的预处理包括服装图像分割、边缘检测、倾斜校正和轮廓曲线平滑；所述服装轮廓的轮廓像素点坐标采用b(k)＝(xk,yk)表示，式中，xk和yk分别为轮廓像素点在数字图像坐标系中的横坐标值与纵坐标值，k＝0,1,2,...,K-1，K为轮廓像素点总数；所述提取服装轮廓的轮廓曲率特征点的步骤如下：1)求取轮廓在序号为k点处的一阶导数dk′、二阶导数dk″和曲率Ck，其中：dk′＝(yk+1-yk)/(xk+1-xk)dk″＝(dk+1′-dk′)/(xk+1-xk)Ck＝|dk″|/(1+dk′2)3/2；2)对轮廓的曲率曲线进行峰值检测，并依据峰值的大小将峰值点的坐标排序；3)选取曲率曲线峰值最大的前40个点作为服装轮廓初始特征点集；4)将服装轮廓图旋转90度，即令b(k)＝(yk,xk)，重复步骤1)和2)，选取曲率曲线峰值最大的前10个点作为服装轮廓的增补特征点集；5)将初始特征点集和增补特征点集合并为服装轮廓曲率总特征点集，作为特征向量。2.根据权利要求1所述的基于轮廓曲率特征点和支持向量机的服装款式识别方法，其特征在于，所述服装图像为白色背景的单件服装图像，所述服装图像分割步骤如下：1)将服装图像转化为灰度图像，将彩色图像三维RGB空间中每个像素的颜色向直线R＝G＝B做射影，转化为一维空间的灰度图像；2)将灰度图像进行灰度的线性变换，将灰度图像的灰度值在low-255之间的值映射到0-255之间，低于low的值映射为0；3)使用最大类间方差法对灰度图像进行二值化，并对二值图像进行取反运算；4)对二值图像进行形态学闭运算处理，平滑服装图案的边界，连接边界狭窄的缺口，其中闭运算的结构元素为半径2-4个像素的圆盘；5)在步骤4)获得的二值图像中标记8连通的区域，找到最大面积的8连通区域即...

【专利技术属性】
技术研发人员：万贤福，李东，汪军，
申请(专利权)人：东华大学，
类型：发明
国别省市：上海;31