[发明专利]一种基于计算机视觉的成衣测量和缺陷检测的方法

说明书

本发明公开了成衣测量与缺陷检测技术领域的一种基于计算机视觉的成衣测量和缺陷检测的方法，采用摄像头拍摄的图片作为输入，将图片直接输入到基于深度学习算法的网络模型，整个基于深度学习算法的网络模型包括三个部分：特征提取网络、成衣测量分支和缺陷监测分支，特征提取网络利用卷积神经网络提取图像特征；成衣测量分支提取图像关键点信息，通过关键点位置进行成衣测量，缺陷检测分支提取图像缺陷分割结果，通过分割结果输出缺陷检测结果，利用由特征提取网络、成衣测量分支和缺陷监测分支三部分组成的框架，可以直接利用原始拍摄图像作为输入，快速完成成衣测量和缺陷检测，准确度高、实时性好。

技术领域

本发明涉及成衣测量与缺陷检测技术领域，具体为一种基于计算机视觉的成衣测量和缺陷检测的方法。

背景技术

在成衣质检领域，成衣测量和表面缺陷检测是很重要的部分。目前在这一部分，主要还是靠人工去检查，这种方式的效率低下，成本高，而且难以保证检测的准确性，为提升效率，目前基于深度学习技术实现的成衣测量与表面缺陷检测成为一种潜在的高效解决方案。

成衣测量和表面缺陷检测，具有几个明显的特点。一是衣服本身不是刚体，摆放过程中难免存在弯曲变形等问题，这就大大增加了难度。二是衣服尺寸不一，样式不同，尤其是Logo部分，每个品牌都不相同，同时，缺陷大小不一，变化很大，布疵、脏污、破洞等缺陷尺寸变化非常大，进一步加大检测难度。三是工业领域用户的要求非常严苛，因此准确率要求高，速度要求高。四是现有技术通常将成衣测量和缺陷检测分开进行，二者的输入虽然是同一图像，但在处理流程中通常分开进行。

基于此，本发明设计了一种基于计算机视觉的成衣测量和缺陷检测的方法，提升成衣测量和缺陷检测的准确性。

发明内容

本发明的目的在于提供一种基于计算机视觉的成衣测量和缺陷检测的方法，提升成衣测量和缺陷检测的准确性，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于计算机视觉的成衣测量和缺陷检测的方法，采用摄像头拍摄的图片作为输入，将图片直接输入到基于深度学习算法的网络模型，整个基于深度学习算法的网络模型包括三个部分：特征提取网络、成衣测量分支和缺陷监测分支，特征提取网络利用卷积神经网络提取图像特征；成衣测量分支提取图像关键点信息，通过关键点位置进行成衣测量，缺陷检测分支提取图像缺陷分割结果，通过分割结果输出缺陷检测结果。

优选的，在所述特征提取网络中，conv层提取特征，pooling层进行下采样，采用conv+pooling级联的方式，逐步提取高层语义特征，并输出多个层次的结果。

优选的，在所述成衣测量分支中，采用逐层特征累加的方式，将不同层级的特征累加起来，通过一个conv层，最终输出关键点坐标并进行成衣测量。

优选的，在所述缺陷监测分支中，采用逐层特征累加的方式，将不同层级的特征累加，并通过一个conv层，最终输出缺陷检测结果。

与现有技术相比，本发明的有益效果是：利用由特征提取网络、成衣测量分支和缺陷监测分支三部分组成的框架，可以直接利用原始拍摄图像作为输入，快速完成成衣测量和缺陷检测，准确度高、实时性好。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。

图1为本发明工作流程框架图；

图2为本发明特征提取网络的示意图；

图3为本发明成衣测量分支的示意图；

图4为本发明缺陷检测分支的示意图。

具体实施方式