[发明专利]衣物污渍识别方法、装置、设备和存储介质在审

专利信息
申请号: 202010854939.X 申请日: 2020-08-24
公开(公告)号: CN114092924A 公开(公告)日: 2022-02-25
发明(设计)人: 章松发;熊明;高波 申请(专利权)人: 无锡小天鹅电器有限公司
主分类号: G06V20/60 分类号: G06V20/60;G06V10/20;G06V10/26;G06V10/54;G06V10/56;G06V10/764;H04N19/85
代理公司: 北京派特恩知识产权代理有限公司 11270 代理人: 蒋雅洁;张颖玲
地址: 214028 江苏省无*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 衣物 污渍 识别 方法 装置 设备 存储 介质
【说明书】:

发明公开了一种衣物污渍识别方法、装置、设备和存储介质。其中,该衣物污渍识别方法包括:获取待处理衣物的初始图像数据;对所述初始图像数据进行预处理,将所述初始图像数据转换为预设数据量大小的目标图像数据;将所述目标图像数据发送至用于污渍识别的服务器;接收所述服务器发送的污渍识别的识别结果;其中,所述预设数据量的范围为10千字节至2兆字节。本发明实施例可以减小用于污渍识别的图像数据的大小,且能提高污渍识别的识别效率,尤其适用于由服务器进行污渍识别的应用场景,可以减少上传的图像数据的大小及特征库中数据量的大小,并改善污渍识别的识别效率。

技术领域

本发明涉及衣物处理领域,尤其涉及一种衣物污渍识别方法、装置、设备和存储介质。

背景技术

随着科学技术的发展,衣物处理设备的智能化程度越来越高,相关技术中,存在通过图像采集来识别衣物污渍的技术,但往往采用当前采集的图像与预先采集的带有标签的特征库中的图像进行图像比对来识别污渍,导致特征库的数据量大,且识别效率低。

发明内容

有鉴于此,本发明实施例提供了一种衣物污渍识别方法、装置、设备和存储介质,旨在提高污渍识别的效率。

本发明实施例的技术方案是这样实现的:

第一方面,本发明实施例提供了一种衣物污渍识别方法,包括:

获取待处理衣物的初始图像数据;

对所述初始图像数据进行预处理,将所述初始图像数据转换为预设数据量大小的目标图像数据;

将所述目标图像数据发送至用于污渍识别的服务器;

接收所述服务器发送的污渍识别的识别结果;

其中,所述预设数据量的范围为10千字节至2兆字节。

在一些实施例中,所述对所述初始图像数据进行预处理,转换为预设数据量大小的目标图像数据,包括:

对所述初始图像数据进行数据压缩和/或像素调整,生成所述目标图像数据。

在一些实施例中,所述预设数据量的范围为40千字节至150千字节。

第二方面,本发明实施例还提供了一种衣物污渍识别方法,应用于服务器,所述方法包括:

接收待处理衣物的目标图像数据;

对所述目标图像数据进行图像增强处理;

对所述图像增强处理后的图像数据进行区域分割;

基于所述区域分割后的图像数据进行特征提取;

基于提取的特征与预设的特征库进行比对,识别待处理衣物的污渍类型;

其中,所述目标图像数据的数据量的范围为10千字节至2兆字节。

在一些实施例中,所述对所述目标图像数据进行图像增强处理,包括:

对所述目标图像数据基于亮度、纹理及噪声中的至少之一进行图像增强处理。

在一些实施例中,所述对所述图像增强处理后的图像数据进行区域分割,包括:

对所述图像增强处理后的图像数据分割为至少以下区域:污渍的视觉特征对应的第一区域和污渍的附着形态特征对应的第二区域。

在一些实施例中,所述基于所述区域分割后的图像数据进行特征提取,包括:

针对所述第一区域,提取以下特征中的至少之一:色彩、灰度和亮度;

针对所述第二区域,提取以下特征中的至少之一:纹理和方向角。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于无锡小天鹅电器有限公司,未经无锡小天鹅电器有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010854939.X/2.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top