一种基于改进型卷积神经网络的脚型图像尺码自动预测方法及预测装置制造方法及图纸

本发明专利技术涉及一种基于改进型卷积神经网络的脚型图像尺码自动预测方法，包括以下步骤:(S1)脚型图像分类器的训练；(S2)利用脚型图像分类器自动预测脚型图像对应的尺码和参数。另外，本发明专利技术还涉及一种基于改进型卷积神经网络的脚型图像尺码预测装置，包括脚型图像采集模块，用于采集脚型图像；训练模块，用于训练基于改进型卷积神经网络的脚型图像分类器；存储模块，用于保存脚型图像、基础脚型尺码参数、脚型图像分类器模型；传输模块：用于实时传输脚型图像；自动预测模块，用于自动预测脚型图像对应的尺码和参数。针对当前测量脚型尺码效率低下、主观性强的问题，本发明专利技术中的自动预测方法与预测装置，能够通过采集用户脚型图像，自动、快速的得到用户的脚型尺码和参数。

Foot type image size automatic prediction method and prediction device based on improved convolution neural network

The invention relates to a method for automatically predicting foot image size improved based on convolutional neural network, which comprises the following steps: (S1) foot image classifier training; (S2) automatic prediction of corresponding foot type image size and parameters of the foot type image classifier. In addition, the invention also relates to a device for prediction of foot type image size improved based on convolutional neural network, including foot image acquisition module, image acquisition for foot type; training module for the training of foot type improved image classifier based on convolutional neural network; storage module for storing image based, foot foot the size parameters, foot image classifier model; transmission module for real-time transmission of foot image; automatic prediction module for automatic prediction of corresponding image size and parameters of foot. In view of the current measurement of foot size low efficiency, subjective problem, automatic forecasting methods and apparatus of the invention, through collecting user foot images automatically and quickly obtain the foot size and parameters of the user.

【技术实现步骤摘要】
一种基于改进型卷积神经网络的脚型图像尺码自动预测方法及预测装置
本专利技术涉及一种脚型图像尺码自动预测方法及预测装置，特别涉及一种基于改进型卷积神经网络的脚型图像尺码自动预测方法及预测装置。
技术介绍
近年来，人们消费水平快速提高，市场上的鞋子也琳琅满目，如何能让人们快速、便捷的选择一款最适合的鞋子成为一种刚性需求，能大大提高大家的购买体验。而市场上常见的鞋子大多是均码，根据经验设计，倘若要定制一双合适的鞋子，需要人工进行复杂的测量脚的尺码和参数，对于大多数消费者而言，在公共场合，让工作人员接触式的测量自己的脚，并不是很好的体验，而往往因此放弃消费。因此，快速、便捷、准确的获取消费者的脚型尺码和参数，不仅能让消费者购买到舒适、合脚的鞋子，还能大大提升其购物体验。在当前人工智能的时代背景下，我们需要一种快速、便捷、准确的获取消费者的脚型尺码和参数的技术。
技术实现思路
为了解决现有技术的不足，本专利技术的目的是提供一种能够快速、便捷、准确的脚型图像尺码自动预测方法及预测装置。为了实现上述目的，本专利技术提供了一种基于改进型卷积神经网络的脚型图像尺码自动预测方法，包括如下步骤：步骤S1，脚型图像分类器的训练；步骤S2，利用脚型图像分类器自动预测脚型图像对应的尺码和参数。优选地，所述步骤S1进一步包括如下步骤：步骤S101，采集测试者脚型图像，并定义脚型对应的尺码和参数；步骤S102，测量测试者脚型对应的尺码和参数；步骤S103，对脚型图像进行预处理，包括进行水平翻转、旋转变换和随机裁剪，用于增加样本数量；步骤S104，设计具有旋转不变性的改进型卷积神经网络特征提取模板；步骤S105，将不同的尺码和参数作为不同的类别，脚型图像作为输入，利用改进型卷积神经网络提取的不变性卷积特征作为特征，使用softmax分类器作为脚型图像分类器，利用误差反向传播算法训练脚型图像分类器模型。优选地，步骤S2进一步包括如下步骤：步骤S201，采集消费者的脚型图像；步骤S202，对脚型图像进行预处理，根据设定的样本尺寸分别在图像中心、左上角、右上角、左下角、右下角分别裁剪出一张图像，并做水平翻转处理，一共获取10张脚型图像；步骤S203，将上述10张图像，利用训练好的改进型卷积神经网络脚型图像分类器提取特征，并预测对应的尺码和参数，综合10张图像对应的尺码，得到最终预测尺码和参数。本专利技术还提供了一种基于改进型卷积神经网络的脚型图像尺码自动预测装置，包括脚型图像采集模块，用于采集脚型图像；训练模块，用于训练基于改进型卷积神经网络的脚型图像分类器；存储模块，用于保存脚型图像、基础脚型尺码参数、脚型图像分类器模型；传输模块，用于实时传输脚型图像；自动预测模块，用于自动预测脚型图像对应的尺码和参数。有利地，所述训练模块包括具有旋转不变性的改进型卷积神经网络特征提取模板设计单元和脚型图像尺码分类器训练单元。有利地，所述自动预测模块包括具有旋转不变性的改进型卷积神经网络特征提取单元和softmax分类器特征分类单元。针对当前人工测量尺码参数效率低下、主观性强的问题，设计出基于改进型卷积神经网络的脚型图像尺码自动预测方法与装置，能够根据客户的脚型图像自动预测对应的尺码和参数。附图说明图1是本专利技术提供的自动预测方法流程图；图2是本专利技术提供的自动预测装置的结构框图；图3是本专利技术提供的自动预测装置优选实施例的结构示意图。其中，1、相机；2、数据传输器；3、支架；4、支撑平台；5、服务器；6、脚放置处；7、LED灯。具体实施方式如图1、图2和图3所示，本专利技术提供了一种基于改进型卷积神经网络的脚型图像尺码自动预测方法，包括如下步骤：步骤S1，脚型图像分类器的训练；步骤S2，利用脚型图像分类器自动预测脚型图像对应的尺码和参数。优选地，所述步骤S1进一步包括如下步骤：步骤S101，采集测试者脚型图像，并定义脚型对应的尺码和参数；步骤S102，测量测试者脚型对应的尺码和参数；步骤S103，对脚型图像进行预处理，包括进行水平翻转、旋转变换和随机裁剪，用于增加样本数量；步骤S104，设计具有旋转不变性的改进型卷积神经网络特征提取模板；步骤S105，将不同的尺码和参数作为不同的类别，脚型图像作为输入，利用改进型卷积神经网络提取的不变性卷积特征作为特征，使用softmax分类器作为脚型图像分类器，利用误差反向传播算法训练脚型图像分类器模型。在所述步骤S101中，采集测试者脚型图像时，需要将脚放置于图3中的脚放置处6；脚型的尺码和参数为国标定义的鞋子的尺码，以及对应的脚型参数，具体包括脚长、脚跖围G2、脚跗围G3、脚兜跟围G4、脚宽、掌宽、拇指外突点轮廓里宽、小趾外突点轮廓外宽、第一跖趾轮廓里宽、第五跖趾轮廓外宽、腰窝轮廓外宽、踵心轮廓全宽、拇指高度、脚型G2高、脚型G3高、脚型G4高、脚投影底面积、G2面积、G3面积、G4面积、G4前中截面面积、脚前部体积、整脚体积。在所述步骤S102中，即让测试者试穿标准尺码制作的鞋，匹配最合适的尺码，需要让测试者多次试穿，只有在匹配到最合适的鞋码时，记录下来，需要测试者数量应大于等于1万人。在所述步骤S103中，对脚型图像进行预处理，包括进行水平翻转、旋转变换和随机裁剪，用于增加样本数量。上述S104步骤中，与传统的卷积神经网络(CNN)不同在于，将卷积核以右下角为中心，分别旋转90°，180°和270°，并与初始卷积核一起，组成新的卷积核，称为改进型卷积神经网络(Improved-CNN)。上述S105步骤中，利用改进型卷积神经网络提取特征，利用误差反向传播(BP)算法训练基于改进型卷积神经网络脚型图像尺码分类器，根据分类器的预测结果与样本标记类别的误差更新网络参数。每次迭代采用最小批的方式计算误差并反向传播误差以更新网络参数。在训练时，初始学习率设为0.01，每次随机输入256张图像样本，当迭代1万次后，学习率调整为0.001，当在验证集上的正确率不再提高时，停止训练，得到脚型图像分类器模型。优选地，所述步骤S2进一步包括如下步骤：步骤S201，采集消费者的脚型图像；步骤S202，对脚型图像进行预处理，根据设定的样本尺寸分别在图像中心、左上角、右上角、左下角、右下角分别裁剪出一张图像，并做水平翻转处理，一共获取10张脚型图像；步骤S203，将上述10张图像，利用训练好的改进型卷积神经网络脚型图像分类器提取特征，并预测对应的尺码和参数，综合10张图像对应的尺码和参数，得到最终预测尺码和参数。在所述步骤S201中，采集消费者脚型图像时，需要将脚放置于图3中的脚放置处；脚型的尺码和参数为国标定义的鞋子的尺码，以及对应的脚型参数，具体包括脚长、脚跖围G2、脚跗围G3、脚兜跟围G4、脚宽、掌宽、拇指外突点轮廓里宽、小趾外突点轮廓外宽、第一跖趾轮廓里宽、第五跖趾轮廓外宽、腰窝轮廓外宽、踵心轮廓全宽、拇指高度、脚型G2高、脚型G3高、脚型G4高、脚投影底面积、G2面积、G3面积、G4面积、G4前中截面面积、脚前部体积、整脚体积。在上述步骤S203中，利用训练好的改进型卷积神经网络脚型图像分类器提取特征，并预测对应的尺码和参数，将概率最大的尺码和参数作为最终的预测尺码和参数。如图2所示，本专利技术还提供了一种基于改进型卷积神经网络的脚型图像尺码自本文档来自技高网...

【技术保护点】
一种基于改进型卷积神经网络的脚型图像尺码自动预测方法，其特征在于,包括以下步骤:(S1)脚型图像分类器的训练；(S2)利用脚型图像分类器自动预测脚型图像对应的尺码和参数。

【技术特征摘要】
1.一种基于改进型卷积神经网络的脚型图像尺码自动预测方法，其特征在于,包括以下步骤:(S1)脚型图像分类器的训练；(S2)利用脚型图像分类器自动预测脚型图像对应的尺码和参数。2.根据权利要求1所述的一种基于改进型卷积神经网络的脚型图像尺码自动预测方法，其特征在于，所述步骤(S1)包括如下步骤：(S101)采集测试者脚型图像，并定义脚型对应的尺码和参数；(S102)测量测试者脚型对应的尺码和参数；(S103)对脚型图像进行预处理，包括进行水平翻转、旋转变换和随机裁剪，用于增加样本数量；(S104)设计具有旋转不变性的改进型卷积神经网络特征提取模板；(S105)将不同的尺码和参数作为不同的类别，脚型图像作为输入，利用改进型卷积神经网络提取的不变性卷积特征作为特征，使用softmax分类器作为脚型图像分类器，利用误差反向传播算法训练脚型图像分类器模型。3.根据权利要求2所述的一种基于改进型卷积神经网络的脚型图像尺码自动预测方法，其特征在于，所述步骤(S2)包括如下步骤：(S201)采集消费者的脚型图像；(S202)对脚型图像进行预处理，根据设定的样本尺寸分...

【专利技术属性】
技术研发人员：李文谦，张水发，
申请(专利权)人：李文谦，张水发，
类型：发明
国别省市：广东,44