[发明专利]一种针对购物图像搜索的目标衣物图像提取方法

说明书

所属技术领域

本发明涉及图像处理以及搜索引擎技术领域，具体是一种针对购物图像中主体目标/商品(包括：衣物、包、鞋等商品)的提取方法。 

背景技术

基于内容的购物图像搜索是近年来学术界和工业界的研究热点，然而图像背景杂乱、多目标共存、物体遮挡等问题使得大规模图像搜索成为一个具有挑战性的研究课题。 

电子商务和在线购物网站通常存在大量包含人物(如：模特)的购物图片。为了吸引顾客，商家往往会邀请模特穿上待售的衣物进行拍摄，使得购物图片不仅包含了衣物本身，还包含背景和人物等其它噪音。由于购物图像在自然场景下受到背景、光线、角度、遮挡、人物、环境噪音等因素的影响，使得图像的整个场景较为复杂。这给基于内容的购物图像搜索造成了极大的困难。同时，用户更关注模特身上的主体衣物而不关心图像中其它的内容。因此如何有效地从购物图片中提取用户真正感兴趣的商品，即模特身上的衣物，保留最核心的商品目标，去除噪音，对进一步分析图像内容及提高购物商品图像搜索的准确度具有极其重要的作用。 

发明内容

鉴于现有技术的以上缺点，本发明的目的是，提供一种提取购物商品图像中人物身上商品(如衣物)的方法。使之利用人脸和肤色检测作为辅助信息，通过统计概率模型估计前景衣服和背景的概率，结合空间概率一致性，自动提 取人物身上的衣物商品，适用于含单个人物和多个人物的购物图像商品提取。 

本发明的目的是通过如下的手段实现的。 

一种针对购物图像搜索的目标衣物图像提取方法，用于在含单个人物和多个人物的购物商品图像中进行主体目标衣物图像提取，其特征在于，对所述复杂购物图像，借助人脸和肤色检测，辅助确定前景和背景模型，使得算法更准确地提取衣服部分，降低图像中噪声的干扰，包含如下的步骤： 

1)图像预处理：对复杂图像进行降低图像中噪声干扰的预处理； 

2)人脸和肤色检测： 

对1)预处理过后的图像进行人脸检测和肤色检测，采用椭圆模型和高斯模型结合的方法检测出肤色区域，即：对图像分别用单高斯肤色模型和椭圆模型肤色检测以后再将两个检测结果的交集作为肤色检测的最终结果，使用Adaboost人脸检测算法在肤色区域定位人脸，确定人脸区域； 

3)衣物初定位： 

对2)所获得到的人脸区域之外的区域进行辨析，分出身体躯干区域和身体活动区域；衣物初定位的结果是身体躯干部分的衣物； 

4)建立衣物模型和背景模型： 

根据步骤3)得到的三个区域，建立衣物模型和背景模型； 

a)建立衣物模型：将躯干活动区域去除步骤2得到的肤色区域作为衣物样本集，建立衣物的高斯混合模型，求出每个像素点是衣物的概率； 

b)建立背景模型：将模特的身体活动区域以外的部分加上身体躯干区域中的肤色区域作为背景样本集，建立背景的高斯混合模型，求出每个像素点是背景的概率； 

c)计算图像空间信息：采用合适的分割算法对原图像进行分割，分割后的任一 区域中的像素点是衣物或背景的概率是接近的即空间概率分布一致，计算每个区域所有像素点的平均衣物概率和背景概率作为该区域空间信息概率； 

d)加入空间信息修正衣物和背景模型：结合步骤a、b得出的前背景概率和步骤c得出的空间信息概率，修正每个像素点是前景或者背景的概率； 

5)衣物初定位： 

a)根据第4步的结果，将所有衣物概率大于背景概率的像素点构成衣物区域，所有背景概率大于衣物概率的像素点构成背景区域； 

b)对得到的衣物区域去除第2步得到的肤色区域，得到最终的衣物区域； 

6)输出所得目标衣物图像信息。 

本发明方法考虑了人物的人脸位置，将肤色和人脸检测作为辅助信息协助定位衣物区域，根据人脸准确地对衣物进行初定位；采用统计概率模型分析衣物和图像背景，同时考虑了图像的空间信息使得模型更准确，不需要人为干预，适合大规模购物图像自动提取商品目标。不仅适用于含单人物(模特)的购物图像，同样适用于含有多人物(模特)的购物图像，可以准确提取出每个人物(模特)身上的衣物商品。尤其适合在电子商务和在线购物网站使用，消除复杂图像背景的影响，辨识和分析主体目标图像，为购物图像搜索引擎服务。 

附图说明：

图1是本发明购物图像衣物商品提取算法的流程图。