[发明专利]一种服装识别方法及装置

说明书

一种服装识别方法及装置，所述方法包括获取图像中人体的人体关键点坐标；根据待识别服装的类型截取所述人体关键点附近的图像区域的局部区域图像；使用深度学习的方式对各个局部区域图像提取服装的局部特征；使用深度学习的方式对所述服装整体图像提取所述服装的全局特征；计算所述待识别服装与对比服装的局部特征相似度以及所述待识别服装与所述对比服装的全局特征相似度；根据所述局部特征相似度和所述全局特征相似度进行服装识别。本发明提供的服装识别方法及装置，根据人体关键点提取服装的关键局部特征，并有效融合服装的关键局部特征以及全局特征，可以有效提高服装识别的精度。

技术领域

本发明涉及图像信息处理技术领域，具体地涉及一种服装识别方法及装置。

背景技术

近几年网络购物的飞速发展已经极大的改变了人们的购物习惯，网络购物市场越来越大，其中服装购买是网络购物最大需求之一。当前消费者购买服装时，仍然主要依靠通过文字描述进行检索的方式查找自己喜欢的服装，但由于文字表述的差异和不全面性，导致检索结果往往差强人意。当用户在街头或者视频资料中看到自己喜欢的衣服，并且想要购买时，最为简单高效的方式应该是利用用户获得的图片到购物网站上直接搜索。目前各大购物网站也开始支持通过图片进行检索，但检索准确率仍然较低。这是因为，当前基于图片的服装检索算法主要是基于服饰全局特征或者服装关键点进行比对检索，然而由于服装款式、姿态、甚至遮挡问题对于当前的算法有着极大的挑战。

当前服装检索算法中，一类是基于图片，使用深度学习的方法，从图片中提取出服装的类别，属性等信息，根据已知的服装类别，基于深度学习网络提取服装的高维特征向量，然后计算不同服装图片之间特征向量的相似度，从而得出识别检索结果。由于类别、属性等能够记录的属性毕竟是有限的，难以应对服装款式和姿态变化的多样性，因此检索精度有限。

另一类是通过深度学习的方法，从输入的服装图片中提取高维的特征表达向量。通过比对不同图片的特征表达向量的相似度得出比对结果。服装款式和姿态的变化对特征表达向量的影响非常明显，从而导致服装识别检索的精度较低。

为了应对姿态及遮挡等问题，部分研究者采用对服装关键点进行预测，从而根据服装关键点提取服装的局部特征，将局部特征与全局特征融合后，应用于服装检索。由于服装款式千变万化，姿态变化也多种多样，导致服装关键点的定义和位置估计难度较大，准确率很低，从而不能显著提升检索精度。

发明内容

本发明的目的在于提出一种的服装识别方法及装置，以提高服装识别的精度。

为达此目的，本发明采用以下技术方案：

一种服装识别方法，所述方法包括：获取图像中人体的人体关键点坐标,；根据待识别服装的类型截取所述人体关键点附近的图像区域的局部区域图像；使用深度学习的方式对各个局部区域图像提取服装的局部特征；使用深度学习的方式对服装整体图像提取服装的全局特征，其中，所述服装整体图像根据现有的服装检测算法或骨架结合点信息获取；计算所述待识别服装与对比服装的局部特征相似度以及所述待识别服装与所述对比服装的全局特征相似度；根据所述局部特征相似度和所述全局特征相似度进行服装识别。

上述方案中，所述使用深度学习的方式对各个局部区域图像提取特征，包括：所述局部特征通过特征提取器提取，所述特征提取器通过机器学习或卷积神经网络获取。

上述方案中，所述计算所述待识别服装与对比服装的局部特征相似度以及所述待识别服装与所述对比服装的全局特征相似度，包括：根据相似度计算函数计算所述全局特征相似度。

上述方案中，所述计算所述待识别服装与对比服装的局部特征相似度以及所述待识别服装与所述对比服装的全局特征相似度，还包括：采用所述相似度计算函数计算所述待识别服装与所述对比服装的局部区域图像相似度；将各个局部区域图像相似度加权求和，得到所述待识别服装与所述对比服装的局部特征相似度。