[发明专利]一种基于深度学习的服装色彩认知系统及其认知方法

说明书

本发明公开了一种基于深度学习的服装色彩认知方法及其认知方法，包括以下步骤：(a)给定一张图片，首先通过构建卷积神经网络模型，像素级分割得到图片中所包含的服装主体；(b)将服装主体的分割掩码进行二值化处理后，以得到每个服装主体的RGB区域；(c)利用图像颜色空间技术，由RGB颜色空间转换到对光照等影响更不敏感的HSV颜色空间；(d)对于HSV空间的颜色区域，采用EM聚类算法，得到服装的色彩分布情况；(e)利用构建的大规模标准服装颜色色卡体系，对提取的颜色色块映射得到颜色名，实现了对图片中各服装主体色彩的精确认知。实现了更精确的服装主体定位以及颜色提取，基于构建的更全面的颜色色卡对照表，最终达到服装色彩精确认知的目的。

技术领域

本发明涉及深度学习领域，特别涉及一种基于深度学习的服装色彩认知系统及其认知方法。

背景技术

数字化时代智能设备的普及、亚马逊、阿里、京东等电商平台的发展以及微信、Facebook、Instagram等社交网站和时尚平台的流行，服装及服装相关时尚类、商品类图像快速增长。对于这些仅包含图片或附属少量文本信息的非结构化数据，如何快速获取海量图片中能直观表达出视觉特征，是商品图片语义理解分析的一项基础但又很具有挑战性的问题。而颜色特征作为服装图像的智能分析中最能直观呈现的视觉特征之一，是服装及服装相关领域中表达视觉特征的重要语言之一，是服装图像分析的重要组成部分，具有十分重要的行业意义。

现有技术方案往往只是采用传统图像处理方法，很难精确识别服装主体的色彩。比如，对整张图片采用像素值统计分析，根据RGB值的均值比例情况，来作为颜色结果；或者仅采用传统k-means聚类方法，对整张图片聚类分析，根据各聚类占据的分布情况，判断服装区域的色彩比例；另外，也有些方法采用服装检测技术裁剪出服装矩形框区域，再结合k-means聚类，分析服装区域的颜色。此外，还有一些利用传统图像处理算法的颜色分析方法。

但是，由于颜色特征是对于服装等相关领域的图像理解的最直观的视觉特征，以往的分析方法大多借助传统图像算法，如RGB颜色空间，统计分析各像素值数量，判断整张图像的颜色情况；或者利用颜色直方图分析方法以及其它机器学习算法来认知服装图像的色彩信息。这种分析方法实际上是对整张图像进行分析，同时提取了服装区域和非服装区域的像素信息，难以准确的服装区域进行色块提取和色彩认知。而且采用RGB颜色空间的服装色彩提取方法，很容易受光照等外界因素的影响。此外，传统方案的颜色色卡较为受限，一般基于通用色卡，而并非完全适用于服装领域。

发明内容

本发明要解决的技术问题是提供一种基于深度学习的服装色彩认知系统及其认知方法，能够结合传统图像处理与机器学习技术，实现了更精确的服装主体定位以及颜色提取，基于构建的更全面的颜色色卡对照表，最终达到服装色彩精确认知的目的，进而推动服装认知分析、服装与肤色的搭配等应用领域的进一步发展。

为了解决上述技术问题，本发明的技术方案为：

一种基于深度学习的服装色彩认知方法，包括以下步骤：

(a)给定一张图片，首先通过构建卷积神经网络模型，像素级分割得到图片中所包含的服装主体；

(b)将服装主体的分割掩码进行二值化处理后，结合原图以得到每个服装主体的RGB区域；

(c)利用图像颜色空间技术，由RGB颜色空间转换到对光照等影响更不敏感的HSV颜色空间；

(d)对于HSV空间的颜色区域，采用EM聚类算法，得到服装的色彩分布情况；

(e)利用构建的大规模标准服装颜色色卡体系，对提取的颜色色块映射得到颜色名,最终，实现了对图片中各服装主体色彩的精确认知。

根据上述方法，在步骤(a)中，构建卷积神经网络模型还包括以下步骤：