基于数理统计的服装颜色匹配方法、装置和设备制造方法及图纸

本申请涉及一种基于数理统计的服装颜色匹配方法、装置和设备。所述方法包括：获取人体图像切片；其中，人体图像切片为对穿着待判断服装的人体的图像进行切分后得到的；对人体图像切片进行服装主要颜色的分割提取，生成该人员服装主要颜色的特征向量集的标准高斯分布模型和标准化矩阵；基于标准高斯分布模型、标准化矩阵和预设的目标颜色特征向量，判断该人员的服装颜色是否与目标颜色相匹配。如此设置，可以快速准确地得到匹配结果，相对于传统的匹配方法，设计简单、普适性高，具有很高的实用性。

【技术实现步骤摘要】
基于数理统计的服装颜色匹配方法、装置和设备
本申请涉及计算机图像处理
，尤其涉及一种基于数理统计的服装颜色匹配方法、装置和设备。
技术介绍
在实际生活或工作中，人们有时需要通过智能设备判断某人穿着的服装是否是特定服装。智能设备在判断时，需要对待判断的服装进行特征提取(最常见的是提取颜色特征)，相关技术中，传统方法是通过图像匹配，主成分分析等图像处理方法，对图像信息进行特征提取、过滤，最后使用特征匹配的方法进行特征识别，最后得到匹配结果，这种方式对图像信息的特征提取设计较为复杂，且普适性不高。
技术实现思路
本申请提供一种基于数理统计的服装颜色匹配方法、装置和设备，以解决现有的针对服装颜色的匹配方法普适性不高的问题。本申请的上述目的是通过以下技术方案实现的：第一方面，本申请实施例提供一种基于数理统计的服装颜色匹配方法，其包括：获取人体图像切片；其中，所述人体图像切片为对穿着待判断服装的人体的图像进行切分后得到的；对所述人体图像切片进行服装主要颜色的分割提取，生成该人员服装主要颜色的特征向量集的标准高斯分布模型和标准化矩阵；基于所述标准高斯分布模型、所述标准化矩阵和预设的目标颜色特征向量，判断该人员的服装颜色是否与目标颜色相匹配。可选的，所述对所述人体图像切片进行服装主要颜色的分割提取，生成该人员服装主要颜色的特征向量集的标准高斯分布模型和标准化矩阵，包括：对所述人体图像切片进行服装主要颜色的分割提取，生成主要颜色类；基于所述主要颜色类生成主要颜色的特征向量集，并计算所述主要颜色的特征向量集的协方差矩阵和分布中心；基于所述主要颜色的特征向量集的协方差矩阵和分布中心，计算得到所述主要颜色的特征向量集的标准高斯分布模型和标准化矩阵。可选的，所述对所述人体图像切片进行服装主要颜色的分割提取，生成主要颜色类，包括：对所述人体图像切片进行预处理；对所述预处理后得到的图像进行HLS颜色空间变换，并进行通道拆分，得到单一H、L、S的数据，对H、S数据按照像素坐标进行拼接为N×2的向量，将该向量作为聚类数据，其中，N＝wb×hb，wb,hb分别为所述人体图像切片的宽和高；基于预设聚类算法生成M个颜色类；对生成的每一个颜色类的特征向量进行统计，得到每一类的大小；如果聚类数量大于3类，也即M>3，则对各类的大小进行从大到小的排序，并结合所述人体图像切片的尺寸计算各类对应的占比，将占比大于等于预设阈值的类作为备选类；如果聚类数量小于等于3类，也即M≤3，则将全部类作为备选类；使用欧式距离公式，以图像中心点为固定端点，图像点p＝(i,j)为另一端点，连成线段，生成与所述人体图像切片相同尺寸的距离；其中，中心像素值为0，离中心越远，像素值越大；用各所述备选类的各像素所在坐标，取对应距离的像素值做累加，将累加结果作为各所述备选类的误差；取误差最小的备选类作为所述主要颜色类。可选的，所述预处理包括高斯模糊和下采样。可选的，所述基于所述主要颜色类生成主要颜色的特征向量集，并计算所述主要颜色的特征向量集的协方差矩阵和分布中心，包括：获取所述主要颜色类以及进行所述通道拆分后得到的H、S数据；对应所述主要颜色类存储的各像素坐标，提取对应的H、S数据，生成所述主要颜色的特征向量集；计算所述主要颜色的特征向量集中的H、S通道中的分布中心；对所述主要颜色的特征向量集进行协方差的计算，生成协方差矩阵。可选的，所述基于所述主要颜色的特征向量集的协方差矩阵和分布中心，计算得到所述主要颜色的特征向量集的标准高斯分布模型和标准化矩阵，包括：基于所述协方差矩阵得到所述主要颜色的特征向量集的标准高斯分布模型的3σ区间半径；基于所述分布中心得到平移矩阵；计算所述协方差矩阵中的特征值及特征向量；取计算得到的对应特征值最大的一个特征向量，计算所述主要颜色的特征向量集的倾角；对所述倾角进行修正；利用修正后的倾角，计算旋转矩阵；基于所述平移矩阵和所述旋转矩阵得到标准化矩阵。可选的，所述基于所述标准高斯分布模型、所述标准化矩阵和预设的目标颜色特征向量，判断该人员的服装颜色是否与目标颜色相匹配，包括：基于所述平移矩阵对所述预设的目标颜色特征向量进行修正，得到标准化的目标颜色特征向量；基于所述标准化矩阵对所述标准化的目标颜色特征向量进行变换，得到判决颜色特征向量；基于所述标准高斯分布模型的3σ区间半径构建标准椭圆方程；将所述判决颜色特征向量代入所述标准椭圆方程，若结果小于或等于1，则该人员的服装颜色与目标颜色相匹配，否则不匹配。可选的，所述预设的目标颜色特征向量的设置过程包括：获取用户设定的目标颜色；通过将RGB图像转换为HLS图像的转换公式，对所述目标颜色进行变换，得到所述预设的目标颜色特征向量。第二方面，本申请实施例还提供一种基于数理统计的服装颜色匹配装置，其包括：获取模块，用于获取人体图像切片；其中，所述人体图像切片为对穿着待判断服装的人体的图像进行切分后得到的；生成模块，用于对所述人体图像切片进行服装主要颜色的分割提取，生成该人员服装主要颜色的特征向量集的标准高斯分布模型和标准化矩阵；判断模块，用于基于所述标准高斯分布模型、所述标准化矩阵和预设的目标颜色特征向量，判断该人员的服装颜色是否与目标颜色相匹配。第三方面，本申请实施例还提供一种基于数理统计的服装颜色匹配设备，其特征在于，包括：存储器和与所述存储器相连接的处理器；所述存储器，用于存储程序，所述程序至少用于实现如第一方面任一项所述的基于数理统计的服装颜色匹配方法；所述处理器，用于调用并执行所述存储器存储的所述程序。本申请的实施例提供的技术方案可以包括以下有益效果：本申请的实施例提供的技术方案中，首先获取人体图像切片然后对人体图像切片进行主要颜色的分割提取，得到主要颜色的特征向量集的标准高斯分布模型和标准化矩阵，再基于得到的标准高斯分布模型和标准化矩阵以及预先设定的目标颜色特征向量，判断该人体的服装颜色是否与目标颜色相匹配。如此设置，可以快速准确地得到匹配结果，相对于传统的匹配方法，设计简单、普适性高，具有很高的实用性。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。图1为本申请实施例提供的一种基于数理统计的服装颜色匹配方法的流程示意图；图2为本申请实施例提供的生成标准高斯分布模型和标准化矩阵的流程示意图；图3为本申请实施例提供的一种基于数理统计的服装颜色匹配装置的结构示意图；图4为本申请实施例提供的一种基于数理统计的服装颜色匹配设备本文档来自技高网...

【技术保护点】
1.一种基于数理统计的服装颜色匹配方法，其特征在于，包括：/n获取人体图像切片；其中，所述人体图像切片为对穿着待判断服装的人体的图像进行切分后得到的；/n对所述人体图像切片进行服装主要颜色的分割提取，生成该人员服装主要颜色的特征向量集的标准高斯分布模型和标准化矩阵；/n基于所述标准高斯分布模型、所述标准化矩阵和预设的目标颜色特征向量，判断该人员的服装颜色是否与目标颜色相匹配。/n

【技术特征摘要】
1.一种基于数理统计的服装颜色匹配方法，其特征在于，包括：
获取人体图像切片；其中，所述人体图像切片为对穿着待判断服装的人体的图像进行切分后得到的；
对所述人体图像切片进行服装主要颜色的分割提取，生成该人员服装主要颜色的特征向量集的标准高斯分布模型和标准化矩阵；
基于所述标准高斯分布模型、所述标准化矩阵和预设的目标颜色特征向量，判断该人员的服装颜色是否与目标颜色相匹配。


2.根据权利要求1所述的方法，其特征在于，所述对所述人体图像切片进行服装主要颜色的分割提取，生成该人员服装主要颜色的特征向量集的标准高斯分布模型和标准化矩阵，包括：
对所述人体图像切片进行服装主要颜色的分割提取，生成主要颜色类；
基于所述主要颜色类生成主要颜色的特征向量集，并计算所述主要颜色的特征向量集的协方差矩阵和分布中心；
基于所述主要颜色的特征向量集的协方差矩阵和分布中心，计算得到所述主要颜色的特征向量集的标准高斯分布模型和标准化矩阵。


3.根据权利要求2所述的方法，其特征在于，所述对所述人体图像切片进行服装主要颜色的分割提取，生成主要颜色类，包括：
对所述人体图像切片进行预处理；
对所述预处理后得到的图像进行HLS颜色空间变换，并进行通道拆分，得到单一H、L、S的数据，对H、S数据按照像素坐标进行拼接为N×2的向量，将该向量作为聚类数据，其中，N＝wb×hb，wb,hb分别为所述人体图像切片的宽和高；
基于预设聚类算法生成M个颜色类；
对生成的每一个颜色类的特征向量进行统计，得到每一类的大小；
如果聚类数量大于3类，也即M>3，则对各类的大小进行从大到小的排序，并结合所述人体图像切片的尺寸计算各类对应的占比，将占比大于等于预设阈值的类作为备选类；如果聚类数量小于等于3类，也即M≤3，则将全部类作为备选类；
使用欧式距离公式，以图像中心点为固定端点，图像点p＝(i,j)为另一端点，连成线段，生成与所述人体图像切片相同尺寸的距离；其中，中心像素值为0，离中心越远，像素值越大；
用各所述备选类的各像素所在坐标，取对应距离的像素值做累加，将累加结果作为各所述备选类的误差；
取误差最小的备选类作为所述主要颜色类。


4.根据权利要求3所述的方法，其特征在于，所述预处理包括高斯模糊和下采样。


5.根据权利要求4所述的方法，其特征在于，所述基于所述主要颜色类生成主要颜色的特征向量集，并计算所述主要颜色的特征向量集的协方差矩阵和分布中心，包括：
获取所述主要颜色类以及进行所述通道拆分后得到的H、S数据；
对应所述主要颜色类存储的各...

【专利技术属性】
技术研发人员：杨淼，谢宏，
申请(专利权)人：成都云盯科技有限公司，
类型：发明
国别省市：四川;51