一种衣物颜色识别方法、系统、设备及存储介质技术方案

本发明专利技术公开了一种衣物颜色识别方法、系统、设备及存储介质，旨在解决现有技术中衣物颜色识别方法准确率低的问题。本发明专利技术提出的衣物颜色识别方法，首先获取公开人物街拍图像，对衣物图像进行预处理得到衣物数据集；将三分之二的衣物数据集的衣物颜色进行标注形成衣物训练集；将金字塔池化模块和坐标注意力机制加入ResNet网络模型中，形成优化的ResNet网络模型，采用衣物训练集训练优化模型；将三分之一的衣物数据集作为衣物测试集；最后采用训练好的优化模型势识别测试数据集中的衣物颜色。本发明专利技术中优化模型的识别和训练的图像来源相同，通过在优化模型中加入金字塔池化模块和坐标注意力机制，从而提高颜色识别准确率。从而提高颜色识别准确率。从而提高颜色识别准确率。

【技术实现步骤摘要】
一种衣物颜色识别方法、系统、设备及存储介质


[0001]本专利技术属于图像处理领域，涉及一种衣物颜色识别方法、系统、设备及存储介质。

技术介绍

[0002]在侦查和安防领域，需要使用衣物的颜色、图案信息对场景中穿某件衣物的人进行分析，为异时、异地、异景下识别出这个人体提供检索特征；在网上购物系统中，同样可以通过搜索颜色特征对衣物进行实时检索。
[0003]在相关技术中，识别人体衣物颜色的方法包括：获取衣物图像，确定衣物图像中各个像素的颜色；统计各个颜色的像素数量，并将像素数量最多的颜色作为衣物的颜色。但是，当某中颜色的色度在两种颜色之间时，导致识别误差大，无法满足侦查和安防领域的搜索要求。

技术实现思路

[0004]本专利技术的目的在于解决现有技术中衣物颜色识别准确率低的缺陷性技术问题，提供一种衣物颜色识别方法、系统、设备及存储介质。
[0005]为达到上述目的，本专利技术采用以下技术方案予以实现：
[0006]本专利技术提出的一种衣物颜色识别方法，包括如下步骤：
[0007]获取衣物图像，对衣物图像进行预处理得到数据集，将三分之二的数据集的衣物颜色进行标注形成训练集，将三分之一的数据集作为测试集；
[0008]将金字塔池化模块和坐标注意力机制加入ResNet网络模型中，形成优化的ResNet网络模型；
[0009]采用训练集训练优化的ResNet网络模型，采用训练好的优化的ResNet网络模型判断测试集衣物颜色，实现衣物颜色识别。
[0010]优选地，获取优化的ResNet网络模型的具体步骤如下：
[0011]步骤1、从ResNet网络模型中选取ResNet18作为基层网络，对衣物图像进行全局特征提取；
[0012]步骤2、将步骤1得到的特征通过金字塔池化模块对不同尺寸特征进行融合获得空间信息；
[0013]步骤3、将通过金字塔池化模块提取特征输入坐标注意力机制模块，对通道间的色彩信息进行统计，同时关注衣物的位置信息；
[0014]步骤4、根据空间信息和衣物的位置信息获取优化的ResNet网络模型。
[0015]优选地，采用训练集训练优化的ResNet网络模型的具体操作步骤如下：
[0016]设置优化的ResNet网络模型训练参数，将训练集输入优化的ResNet网络模型进行训练。
[0017]优选地，将测试集输入训练好的优化的ResNet网络模型中进行预测，判断测试集衣物颜色。
[0018]优选地，预处理方法包括数据增强、数据归一化处理和数据压缩；
[0019]数据集中包括12种衣物颜色，训练集中各种衣物颜色图像的数量均匀分布。
[0020]优选地，至少两种衣物颜色图像的数量级不同时，或者，当所有衣物颜色图像数量级相同，且至少两种衣物颜色图像的数量之差大于一个数量级时，将所有衣物颜色图像的数量的公倍数作为目标数量。
[0021]优选地，衣物颜色图像的数量与目标数量之差大于一个数量级时，通过数字图像处理方法扩充衣物颜色图像的数量，直到衣物颜色图像的数量与目标之差小于一个数量级。
[0022]本专利技术提出的一种衣物颜色识别系统，包括：
[0023]数据集获取模块，所述数据集获取模块用于获取衣物图像，对衣物图像进行预处理得到数据集，将三分之二的数据集的衣物颜色进行标注形成训练集，将三分之一的衣物数据集作为测试集；
[0024]模型优化模块，所述模型优化模块用于将金字塔池化模块和坐标注意力机制加入ResNet网络模型中，形成优化的ResNet网络模型；
[0025]衣物颜色识别模块，所述衣物颜色识别模块用于采用训练集训练优化的ResNet网络模型，再采用训练好的优化的ResNet网络模型判断测试集衣物颜色，实现衣物颜色识别。
[0026]一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行计算机程序时实现衣物颜色识别方法的步骤。
[0027]一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现衣物颜色识别方法的步骤。
[0028]与现有技术相比，本专利技术具有以下有益效果：
[0029]本专利技术提出的一种衣物颜色识别方法，用三分之二的数据集进行训练可以提高网络的泛化性能，用三分之一的数据集进行测试则能够更精确的衡量网络性能；将金字塔池化模块和坐标注意力机制加入ResNet网络模型中，形成优化的ResNet网络模型，通过在优化的ResNet网络模型中加入金字塔池化模块和坐标注意力机制，从而提高颜色识别准确率；最后再采用训练集训练优化的ResNet网络模型来判断测试集衣物颜色，从而实现衣物颜色识别。
[0030]进一步地，以ResNet18网络为基础，设计金字塔池化模块提取特征以捕获图像中不同尺寸的物体信息，融合坐标注意力机制以关注人体衣物色彩信息，融入空洞卷积以提升网络效率。
[0031]进一步地，用测试集对优化后的ResNet网络进行测试，可以看出识别方法的有效性。
[0032]进一步地，将原始数据进行图像变换以实现对图像的扩充，此操作可提升网络的泛化性能。
[0033]进一步地，若至少两种衣物颜色图像的数量级不同时对于衣物数量较少的颜色识别率较低，当对图像进行扩充至所有衣物颜色图像数量级相同时，识别结果差距较小。
[0034]进一步地，对各种颜色衣物进行图像变换，扩充颜色较少的衣物图像以达到各种颜色衣物数量的均匀分布，能够提升对各种颜色识别的准确率。
[0035]本专利技术提出的一种衣物颜色识别系统，通过将预估系统划分为数据集获取模块、
模型优化模块和衣物颜色识别模块，采用模块化思想使各个模块之间相互独立，方便对各模块进行统一管理。
附图说明
[0036]为了更清楚的说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0037]图1为本专利技术提出的衣物颜色识别方法流程图。
[0038]图2为本专利技术的ResNet网络模型的识别衣物颜色的结构示意图。
[0039]图3为本专利技术的坐标注意力模块的结构图。
[0040]图4为本专利技术的ColorResNet训练过程图。
[0041]图5为本专利技术的实施例提供的衣物识别结果对比图。
[0042]图6为本专利技术提出的衣物颜色识别系统图。
具体实施方式
[0043]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。
...

【技术保护点】

【技术特征摘要】
1.一种衣物颜色识别方法，其特征在于，包括如下步骤：获取衣物图像，对衣物图像进行预处理得到数据集，将三分之二的数据集的衣物颜色进行标注形成训练集，将三分之一的数据集作为测试集；将金字塔池化模块和坐标注意力机制加入ResNet网络模型中，形成优化的ResNet网络模型；采用训练集训练优化的ResNet网络模型，采用训练好的优化的ResNet网络模型判断测试集衣物颜色，实现衣物颜色识别。2.根据权利要求1所述的衣物颜色识别方法，其特征在于，获取优化的ResNet网络模型的具体步骤如下：步骤1、从ResNet网络模型中选取ResNet18作为基层网络，对衣物图像进行全局特征提取；步骤2、将步骤1得到的特征通过金字塔池化模块对不同尺寸特征进行融合获得空间信息；步骤3、将通过金字塔池化模块提取特征输入坐标注意力机制模块，对通道间的色彩信息进行统计，同时关注衣物的位置信息；步骤4、根据空间信息和衣物的位置信息获取优化的ResNet网络模型。3.根据权利要求2所述的衣物颜色识别方法，其特征在于，采用训练集训练优化的ResNet网络模型的具体操作步骤如下：设置优化的ResNet网络模型训练参数，将训练集输入优化的ResNet网络模型进行训练。4.根据权利要求3所述的衣物颜色识别方法，其特征在于，将测试集输入训练好的优化的ResNet网络模型中进行预测，判断测试集衣物颜色。5.根据权利要求1所述的衣物颜色识别方法，其特征在于，预处理方法包括数据增强、数据归一化处理和数据压缩；数据集中包括12种衣物颜色，训练...

【专利技术属性】
技术研发人员：王海燕，黄玥玥，王瑞婷，陈晓，
申请(专利权)人：陕西科技大学，
类型：发明
国别省市：