[发明专利]衣物柜收纳管理系统有效

专利信息
申请号: 201910257143.3 申请日: 2019-04-01
公开(公告)号: CN110399896B 公开(公告)日: 2020-08-28
发明(设计)人: 王宇 申请(专利权)人: 深圳远超智慧生活股份有限公司
主分类号: G06K9/62 分类号: G06K9/62;G06K9/46;G06K9/52;A47B61/00
代理公司: 合肥市科融知识产权代理事务所(普通合伙) 34126 代理人: 曹雪菲
地址: 518000 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明涉及一种衣物柜收纳管理系统,包括:衣物分析设备,用于基于衣物成像灰度阈值范围将实时均衡图像中的衣物目标识别出来以获得相应的目标区域,基于所述目标区域确定对应衣物目标的数个几何特征,并将所述数个几何特征组成特征向量;类型辨识设备,采用8输入4输出的单隐层BP神经网络,将所述数个几何特征作为输入层神经元,输出层为衣物季节类型。本发明的衣物柜收纳管理系统运行可靠,操作便捷。由于基于衣物柜前方人体的穿衣季节类型从衣物柜选择对应的一个或多个柜体并进行自动推送,从而能够为用户直接提供当季属性的柜体。
搜索关键词: 衣物 收纳 管理 系统
【主权项】:
1.一种衣物柜收纳管理系统,其特征在于,所述系统包括:衣物分析设备,与均衡操作设备连接,用于接收实时均衡图像,基于衣物成像灰度阈值范围将所述实时均衡图像中的衣物目标识别出来以获得相应的目标区域,基于所述目标区域确定对应衣物目标的数个几何特征:欧拉孔数、圆度、角点数、凸凹度、光滑度、长径比、紧密度和主轴角度,并将所述数个几何特征组成特征向量;类型辨识设备,与所述衣物分析设备连接,采用8输入4输出的单隐层BP神经网络,将所述数个几何特征作为输入层神经元,输出层为衣物季节类型,所述衣物季节类型包括春天服饰、夏天服饰、秋天服饰和冬天服饰;柜体推送设备,与所述类型辨识设备和衣物柜内各个柜体连接,用于接收所述衣物季节类型,并推送与所述衣物季节类型对应的一个或多个柜体;第一重复度分析设备,用于接收对衣物柜前方景象进行捕获所获得的景象捕获图像,获取所述景象捕获图像的各个像素点的各个红色分量值,基于所述各个红色分量值的重复度以作为第一重复度输出;第二重复度分析设备,用于接收所述景象捕获图像,获取所述景象捕获图像的各个像素点的各个蓝色分量值,基于所述各个蓝色分量值的重复度以作为第二重复度输出;第一重复度分析设备,用于接收所述景象捕获图像,获取所述景象捕获图像的各个像素点的各个绿色分量值,基于所述各个绿色分量值的重复度以作为第三重复度输出;参数识别设备,分别与所述第一重复度分析设备、所述第二重复度分析设备和所述第三重复度分析设备连接,用于分别接收所述第一重复度、所述第二重复度和所述第三重复度,基于所述第一重复度、所述第二重复度和所述第三重复度确定所述景象捕获图像的整体重复度;在所述参数识别设备中,基于所述第一重复度、所述第二重复度和所述第三重复度确定所述景象捕获图像的整体重复度包括:所述第一重复度与所述整体重复度成正比关系,所述第二重复度与所述整体重复度成正比关系,所述第三重复度与所述整体重复度成正比关系;几何校正设备,与所述参数识别设备连接,用于在接收到的整体重复度的数值小于等于预设重复度阈值时方接收来自所述第一重复度分析设备的景象捕获图像,还用于对所述景象捕获图像执行几何校正处理,以获得校正后图像;矩阵提取设备,用于接收所述校正后图像,对所述校正后图像执行颜色空间转换,以获得所述校正后图像的RGB颜色空间下的B颜色矩阵、R颜色矩阵和G颜色矩阵;动态滤波设备,与所述矩阵提取设备连接,用于基于所述R颜色矩阵的均方差确定对所述R颜色矩阵执行滤波处理的强度,基于所述G颜色矩阵的均方差确定对所述G颜色矩阵执行滤波处理的强度,对所述B颜色矩阵不进行滤波处理;组合执行设备,与所述动态滤波设备连接,用于将滤波处理后的R颜色矩阵、滤波处理后的G颜色矩阵和未滤波处理的B颜色矩阵进行组合操作,以获得对应的组合操作图像;均衡操作设备,与所述组合执行设备连接,用于将所述组合操作图像执行直方图均衡操作,以获得实时均衡图像;其中,在所述动态滤波设备中,基于所述R颜色矩阵的均方差确定对所述R颜色矩阵执行滤波处理的强度包括:所述R颜色矩阵的均方差越大,对所述R颜色矩阵执行滤波处理的强度越大。
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深圳远超智慧生活股份有限公司,未经深圳远超智慧生活股份有限公司许可,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/patent/201910257143.3/,转载请声明来源钻瓜专利网。

×

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