[发明专利]一种基于机器学习的口红色号识别方法

说明书

本发明提出了一种基于机器学习的口红色号识别方法，用于解决现有的通过人眼判断口红的颜色或者传统的算法识别而导致判断结果稳定性差的问题。包括获取口红色号训练样本；使用训练样本的色度信息训练识别模型，模型包括两路并行的聚类分支，分别将RGB值和HSV值输入两路分支进行独立训练，直到聚类稳定，确定类簇数量和簇中心；将待识别的样本的RGB和HSV值分别输入训练完成的识别模型，得到两个结果，将其输入决策树得到最终识别结果。本发明采用RGB和HSV分别判断口红颜色，相较于单一RGB或者HSV识别具有更高的准确度，同时通过图像归一化去除了因光照环境的不同对识别结果造成的干扰，从而提高了口红色号识别的准确度。

技术领域

本发明属于机器学习应用技术领域，特别是涉及一种基于机器学习的红色号识别方法。

背景技术

目前，人们在选择口红时，往往是通过人眼来判断口红的颜色，然后，根据口红的颜色决定是否选择该口红。

这种通过人眼判断口红的颜色的方式容易受多种因素的影响，例如，受人体自身身体状况的影响、受口红置于的光环境的影响，从而造成人们对同一颜色的口红在不同情景下得到不同的颜色判断结果，即对口红的颜色的判断结果不稳定。

并且，由于口红的种类繁多，不同品牌的口红有各自独立的颜色定义标准，品牌为了唇部彩妆的色号具有强识别度，对于不同颜色的产品有各种命名与定义，不容易将不同品牌的口红放在一起进行颜色的比较，仅凭借肉眼难以识别口红的具体颜色，无法确定该种口红的色号。例如，不同品牌的某种口红实质上是一种颜色，但是却有着不同的叫法，人们很难记住不同品牌的相似颜色口红之间的差别，从而对人们对口红的颜色的选择造成困扰。因此，对于分析当前口红色流行趋势造成了一定的难度。

目前，识别口红色号的参数仅有RGB值一种，本方法同时采用RGB和HSV两种参数，双通道同时进行识别，综合评估两者的的结果，减小误差。

发明内容

为了解决快速、准确识别不同品牌口红色号的问题，本发明提出了一种基于机器学习的口红色号识别方法，该方法能够输出稳定的口红颜色判断结果，实现对不同品牌各种口红色号的准确识别。具体技术方案如下：

步骤1、获取口红色号训练样本，对训练样本进行预处理，获取训练样本的色度信息，包括RGB值和HSV值信息；

步骤2、使用训练样本的色度信息训练识别模型，所述识别模型包括两路并行的聚类分支，分别将RGB值和HSV值输入两路并行的聚类分支进行独立训练，直到聚类稳定，获得两套独立的聚类分支，确定类簇数量和簇中心；

步骤3、将待识别的样本的RGB值和HSV值信息分别输入训练完成的识别模型，得到输出两个结果，将两个结果输入到决策树进行决策得到最终识别结果。

进一步的，预处理包括：

将训练样本的图片归一化；

对训练样本的图片进行降噪处理，并取平均值；

获取降噪处理后的训练样本RGB值和HSV值。

进一步的，所述训练样本为在各大口红品牌官方网站上获取的口红的色度信息，待识别样本为用户上传的口红图片。

进一步的，所述聚类分支使用机器学习中K-Medians聚类方法进行聚类。

与现有技术相比，本公开的有益效果是：

本发明实现对待测图片的口红色号的识别，实现了智能的口红色号的识别，用户只需要提供面部图像，便可识别出其口红色号。另外，传统的口红色号识别方法都只是基于RGB一种检测标准进行检测，本申请采用了RGB和HSV双通道进行决策识别，提高了识别精度。通过双通道训练提高了识别速度。

附图说明

图1为本发明提供的一种基于机器学习的口红色号识别方法的流程图。