一种服装区域获取方法及装置制造方法及图纸

本发明专利技术公开了一种服装区域获取方法及装置，所述服装区域获取方法包括以下步骤：步骤1、人手位置定位；步骤2、初始服装区域定位：得到人手区域后，在两手之间及两手以下区域按照比例得到服装区域的初始位置；步骤3、精确服装区域获取：得到服装初始区域之后，通过图像分割方法分割得到精准的服装区域。本发明专利技术适用于未着装于人体的服装区域的获取，更加符合智能家居及智慧零售的需求。而且，本发明专利技术提出了使用人手区域作为服装区域获取的基准，与仅通过服装的视觉特征获取其区域相比更能具适应性。

【技术实现步骤摘要】
一种服装区域获取方法及装置
本专利技术属于计算机视觉
，涉及图像处理与自动识别技术，特别涉及一种服装区域获取方法及装置。
技术介绍
服装区域的自动获取在很多应用领域都具有重要的作用，比如智能监控中的人物重识别、图像处理与修改、人物着装潮流分析等。以上领域均是对着装在人体上的服装区域进行提取和分析，其服装区域获取的手段主要包括两种：基于人脸检测的方法和基于人体姿势估计的方法。基于人脸检测的方法是首先通过人脸检测得到人脸位置和区域，然后按照人体结构特点，将人脸下方的一定比例范围的区域确定为服装区域。基于人体姿势估计的方法是首先通过人体姿势估计得到人体姿势，人体姿势估计结果中包括人体的主要关节点，比如肩部，腰部等关节点，基于这些关节点的位置确定服装区域。以上方法对于着装在人体上的服装区域的定位和获取比较有效，但是当服装并未着装于人体时便会失效，而智能家居和智慧零售领域便存在这样的应用场景。在智能家居方面，智能洗衣机首先要通过摄像头采集的视频获得服装区域，然后对服装的款式和材质等进行分析，此时的服装便不是着装在人体上。同样的，在智慧零售领域，在自动收银台购买衣服结账时，需通过摄像头采集所购买的衣服，以识别购买的衣服的品牌和型号等，此时的服装也不是着装在人体上。现有基于人脸检测和人体姿势估计的技术便不适用于以上两种场合。
技术实现思路
针对现有技术存在的不足，本专利技术提供一种服装区域获取方法及装置，不使用人脸区域作为参照，基于人手位置定位服装区域，可对未着装于人体上的服装区域可进行有效的获取，广泛用于智能家居和智慧零售等领域，比如智能洗衣机，智慧零售物品自动识别等。为了解决上述技术问题，本专利技术采用的技术方案是：一种服装区域获取方法，包括以下步骤：步骤1、人手位置定位：包括基于肤色的人手定位方法，和/或基于视觉特征的人手定位方法；步骤2、初始服装区域定位：得到人手区域后，在两手之间及两手以下区域按照比例得到服装区域的初始位置；步骤3、精确服装区域获取：得到服装初始区域之后，通过图像分割方法分割得到精准的服装区域。进一步的，步骤2中，通过步骤1得到人手区域后，得到人手区域的外接圆，进而得到左面人手区域外接圆的直径h1和右面人手区域外接圆的直径h2以及左右两个人手区域外接圆的圆心之间的距离h3；所述的初始服装区域为矩形，上边缘与两手区域外接圆心连线之间的距离为h4，宽度为h5，高度为h6，其中，h4的取值范围为(0，h1+h2)，h5的取值范围为(h3/2,h3*2)，h6的取值范围为(h3/3,h3*4)。优选的是，h4的取值为(h1+h2)/2，h5的取值为h3，h6的取值为h3。进一步的，步骤1中所述的基于肤色的人手定位方法，包括以下步骤：(1)首先，通过肤色检测方法得到图像/视频帧中的肤色区域：构建皮肤类直方图模型和非皮肤类直方图模型，并根据直方图模型采用贝叶斯决策判别任一像素属于皮肤类的概率，得到图像/视频帧中的肤色区域；(2)然后，对得到的肤色区域进行形态学处理以去除噪声区域；(3)再然后，分析图像中肤色联通区域的面积，根据实际应用情况设置面积阈值将面积过大和过小的区域排除；(4)最后，在剩余的肤色区域中，当正好存在两个面积差小于阈值的区域时，便认为是人手区域，其中该阈值取值范围为5％-30％。优选的是，步骤1中步骤(1)的具体实施步骤如下：①皮肤类直方图模型和非皮肤类直方图模型构建，具体的步骤如下：1)构建图像数据集，包括两个类别：包含人体皮肤的图像和完全不含有任何皮肤的图像；2)数据集预处理，将数据集中所有图像归一化到统一大小；3)对包含人体皮肤的图像采用人工方式进行皮肤区域划分；4)构建皮肤类直方图模型，逐行逐列读取皮肤类图像中每个像素对应的R、G、B值，对全部皮肤类图像的像素点所对应的颜色值进行计数，得到皮肤类直方图模型；5)采用与步骤4)相同的方法构建非皮肤类直方图模型；②使用直方图模型进行肤色检测，具体步骤如下：1)当皮肤类直方图模型和非皮肤类直方图模型构建完毕后，对于任一给定的像素值可以通过其颜色值计算相关概率，计算公式为：P(RGB|SKIN)＝S[RGB]/SNP(RGB|NONSKIN)＝N[RGB]/NN其中S[RGB]是该RGB颜色值在皮肤类直方图模型中对应权柄所存的计数和，N[RGB]为该RGB颜色值在非皮肤类直方图模型中对应权柄所存的计数和，SN和NN分别为皮肤类和非皮肤类直方图模型所包含的像素总个数。2)采用贝叶斯决策判别任一像素属于皮肤像素的概率，具体步骤如下：a.计算任一像素属于皮肤类的先验概率P(SKIN),计算公式如下：P(SKIN)＝SN/(SN+NN)b.计算任一像素属于非皮肤类的先验概率P(NONSKIN)，计算公式如下：P(NONSKIN)＝1-P(SKIN)c.根据步骤1)、a和b，采用贝叶斯决策计算给定像素属于皮肤类的概率：P(SKIN|RGB)＝P(RGB|SKIN)/[P(RGB|SKIN)P(SKIN)+P(RGB|NONSKIN)P(NONSKIN)]d.设定阈值T，并计算步骤c得到给定像素属于皮肤类的概率，若所得概率大于T，则判定为肤色像素，反之则为非肤色像素。优选的是，步骤1中步骤(3)的具体实施步骤如下：①以步骤(2)的结果为输入，求取肤色区域轮廓；②遍历轮廓，求得每个轮廓的面积；③设置最小面积阈值和最大面积阈值，筛选出面积大于最小面积阈值和小于最大面积阈值的区域为人手区域；④设置人手区域在图像中的长宽比例限制，进一步筛选人手区域。进一步的，步骤1中所述的基于视觉特征的人手定位方法，包括以下步骤：(1)标注在应用场景中图像的人手区域得到训练集；(2)将训练集输入到卷积神经网络中得到特征图，所述卷积神经网络采用SE-ResNet-101网络；(3)以步骤(2)得到的特征图为输入，使用区域候选网络在特征图上进行目标区域的选取；(4)将步骤(2)得到的特征图和步骤(3)得到的候选区域框作为感兴趣池化层输入，使用感兴趣池化层在特征图和候选区域框上提取目标区域框的特征；(5)经过感兴趣池化层后，得到固定大小的特征图，然后使用全连接层来进行人手类别判定和目标框预测；(6)得到基于视觉特征的人手检测器之后，将其用于相应应用场景的人手检测中，预测的目标框的左上角位置(x,y)和宽高(w,h)，当且仅当两只手同时出现时进行下一步初始服装区域定位。进一步的，步骤3中，在得到了服装初始区域之后，通过GrabCut或GraphCut前景背景分割方法，分割得到精准的服装区域，精确服装区域获取的具体步骤如下：(1)将步骤2得到的服装区域作为GrabCut或GraphCut方法的前景种子点；(2)设置背景区域种子点本文档来自技高网...

【技术保护点】
1.一种服装区域获取方法，其特征在于，包括以下步骤：/n步骤1、人手位置定位：包括基于肤色的人手定位方法，和/或基于视觉特征的人手定位方法；/n步骤2、初始服装区域定位：得到人手区域后，在两手之间及两手以下区域按照比例得到服装区域的初始位置；/n步骤3、精确服装区域获取：得到服装初始区域之后，通过图像分割方法分割得到精准的服装区域。/n

【技术特征摘要】
1.一种服装区域获取方法，其特征在于，包括以下步骤：
步骤1、人手位置定位：包括基于肤色的人手定位方法，和/或基于视觉特征的人手定位方法；
步骤2、初始服装区域定位：得到人手区域后，在两手之间及两手以下区域按照比例得到服装区域的初始位置；
步骤3、精确服装区域获取：得到服装初始区域之后，通过图像分割方法分割得到精准的服装区域。


2.根据权利要求1所述的服装区域获取方法，其特征在于，步骤2中，通过步骤1得到人手区域后，得到人手区域的外接圆，进而得到左面人手区域外接圆的直径h1和右面人手区域外接圆的直径h2以及左右两个人手区域外接圆的圆心之间的距离h3；所述的初始服装区域为矩形，上边缘与两手区域外接圆心连线之间的距离为h4，宽度为h5，高度为h6，其中，h4的取值范围为(0，h1+h2)，h5的取值范围为(h3/2,h3*2)，h6的取值范围为(h3/3,h3*4)。


3.根据权利要求2所述的服装区域获取方法，其特征在于，h4的取值为(h1+h2)/2，h5的取值为h3，h6的取值为h3。


4.根据权利要求1-3任一项所述的服装区域获取方法，其特征在于，步骤1中所述的基于肤色的人手定位方法，包括以下步骤：
(1)首先，通过肤色检测方法得到图像/视频帧中的肤色区域：构建皮肤类直方图模型和非皮肤类直方图模型，并根据直方图模型采用贝叶斯决策判别任一像素属于皮肤类的概率，得到图像/视频帧中的肤色区域；
(2)然后，对得到的肤色区域进行形态学处理以去除噪声区域；
(3)再然后，分析图像中肤色联通区域的面积，根据实际应用情况设置面积阈值将面积过大和过小的区域排除；
(4)最后，在剩余的肤色区域中，当正好存在两个面积差小于阈值的区域时，便认为是人手区域，其中该阈值取值范围为5％-30％。


5.根据权利要求4所述的服装区域获取方法，其特征在于，步骤1中步骤(1)的具体实施步骤如下：
①皮肤类直方图模型和非皮肤类直方图模型构建，具体的步骤如下：
1)构建图像数据集，包括两个类别：包含人体皮肤的图像和完全不含有任何皮肤的图像；
2)数据集预处理，将数据集中所有图像归一化到统一大小；
3)对包含人体皮肤的图像采用人工方式进行皮肤区域划分；
4)构建皮肤类直方图模型，逐行逐列读取皮肤类图像中每个像素对应的R、G、B值，对全部皮肤类图像的像素点所对应的颜色值进行计数，得到皮肤类直方图模型；
5)采用与步骤4)相同的方法构建非皮肤类直方图模型；
②使用直方图模型进行肤色检测，具体步骤如下：
1)当皮肤类直方图模型和非皮肤类直方图模型构建完毕后，对于任一给定的像素值可以通过其RGB颜色值计算相关概率，计算公式为：
P(RGB|SKIN)＝S[RGB]/SN
P(RGB|NONSKIN)＝N[RGB]/NN
其中S[RGB]是该RGB颜色值在皮肤类直方图模型中对应权柄所存的计数和，N[RGB]为该RGB颜色值在非皮肤类直方图模型中对应权柄所存的计数和，SN和NN分别为皮肤类和非皮肤类直方图模型所包含的像素总个数。
2)采用贝叶斯决策判别任一像素属于皮肤像素的概率，具...

【专利技术属性】
技术研发人员：黄磊，魏志强，张文锋，张明林，魏冠群，
申请(专利权)人：中国海洋大学，
类型：发明
国别省市：山东;37