基于轮廓曲率特征点和支持向量机的服装款式识别方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN106384126A(43)申请公布日2017.02.08(21)申请号201610806669.9(22)申请日2016.09.07(71)申请人东华大学地址201199上海市松江区人民北路2999号(72)发明人万贤福李东汪军(74)专利代理机构上海统摄知识产权代理事务所(普通合伙)31303代理人阎晓辉(51)Int.Cl.G06K9/62(2006.01)G06K9/54(2006.01)权利要求书2页说明书6页附图2页(54)发明名称基于轮廓曲率特征点和支持向量机的服装款式识别方法(57)摘要本发明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。CN106384126ACN106384126A权利要求书1/2页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)23/2Ck＝|dk″|/(1+dk′)；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。3.根据权利要求2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low取值范围为90-100。4.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。5.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。6.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2CN106384126A权利要求书2/2页特征在于，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。7.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