[发明专利]鞋模型检索管理方法和系统

权利要求书

1.一种鞋模型检索管理方法，包括以下步骤：

S1、对多张含有鞋底图像的鞋模型图片进行预处理，得到对应的标准图片，其中，所有标准图片具有一致的色度、尺寸和鞋底朝向；

S2、对每一标准图片，按预设的位置和层次进行抠取，得到多个不同的取样图块；所述按预设的位置和层次进行抠取包括：在标准图片的鞋底区域中标注出多个位置点；然后针对每一位置点，都以该位置点为中心抠取多个不同大小的图块；

S3、对每一标准图片，将步骤S2中形成的多个取样图块以及该标准图片统一缩放到一预定尺寸，得到多个归一化图块；

S4、将各归一化图块输入到预先训练过的对应参数的卷积神经网络中进行特征提取，以得到各归一化图块对应的参考特征向量；

S5、将每一标准图片的每一归一化图块对应的参考特征向量与该标准图片所属鞋模型的唯一标识号关联并保存于一特征库中；同一标准图片的多个参考特征向量构成该标准图片的特征矩阵；

S6、对给定的待检索图片执行步骤S1至S4，得到多个待比对特征向量；将各所述待比对特征向量与特征库中每一特征矩阵中对应位置和层次的参考特征向量分别进行比对以验证是否属于同一鞋模型；

S7、对所述多个待比对特征向量与所有特征矩阵中对应的参考特征向量比对验证的结果进行统计，以返回与待检索图片中的鞋底最匹配的鞋模型。

2.如权利要求1所述的鞋模型检索管理方法，其特征在于：标注的所述位置点的个数为n，每一位置点抠取m个不同大小的图块，使得每张标准图片得到m×n个不同的取样图块，经步骤S3后每张标准图片对应得到m×n+1个归一化图块；m≥1，n≥1。

3.如权利要求2所述的鞋模型检索管理方法，其特征在于：还包括对步骤S4中所述对应参数的卷积神经网络进行训练的步骤：选取多张标准图片的所有归一化图块，将每张标准图片的对应位置和层次的归一化图块分为一组，同时各标准图片本身对应的归一化图块作为一组，形成m×n+1组训练数据，用m×n+1组训练数据去分别训练具有同样架构的卷积神经网络，得到m×n+1套网络参数；

每一套网络参数对应地用于对所有标准图片的对应位置和层次的归一化图块进行特征提取。

4.如权利要求3所述的鞋模型检索管理方法，其特征在于：进行所述特征提取时，所述卷积神经网络的架构由输入端至输出端依次包括：

多个依次串联的卷积层；

连接于最后一层卷积层的第一全连接层和连接于倒数第二层卷积层的第二全连接层；

同时连接于第一和第二全连接层的输出端的第三全连接层；

其中，所述第三全连接层的输出为所述参考特征向量。

5.如权利要求1所述的鞋模型检索管理方法，其特征在于：步骤S6具体包括：将各待比对特征向量与特征库中每一标准图片的对应位置和层次的参考特征向量分别进行拼接，形成多个拼接向量后依次输入至预先训练过的SVM判同分类器中，以判别构成各所述拼接向量的待比对特征向量和对应的参考特征向量是否属于同一鞋模型并输出代表是或否的判别结果。

6.如权利要求5所述的鞋模型检索管理方法，其特征在于：还包括对SVM判同分类器进行训练的步骤：采用步骤S4中得到的参考特征向量，将属于同一鞋模型的对应位置和层次的两个参考特征向量进行拼接形成一个正例样本向量，将对应位置和层次的两个不属于同一鞋模型的参考特征向量进行拼接形成一个负例样本向量；从而，对每一标准图片，得到r个正例样本向量以及r个负例样本向量；采用各标准图片的对应位置和层次的正例样本向量和负例样本向量去训练所述SVM判同分类器，从而得到r个具有不同的参数的SVM判同分类器；其中r是一标准图片中的归一化图块的数量，r≥2；

每一SVM判同分类器分别基于各自的参数，对对应位置和层次的参考特征向量和待比对特征向量进行是否同属一个鞋模型的判别。