[发明专利]一种基于复杂商品图像主体检测方法

说明书

技术领域

本发明涉及图像处理和图像搜索技术领域领域，具体是一种针对购物商品图像(服饰、鞋和包)的主体区域检测方法。

背景技术

随着电子商务和购物网站的发展，图像搜索在学术界和工业界备受关注。然而商品图像场景复杂，背景杂乱，多个目标共现，光照和物体遮挡等使得图像搜索成为一个具有挑战性的难题。在购物网站，最典型的比如淘宝网，卖家为了吸引顾客，往往选择街拍、模特图、多种颜色的同款商品拼接图等方式来展现商品。如此复杂的图片场景，给图像搜索带来了很强的噪声，这会极大的影响图像搜索的效果。为减小背景噪声带来的图像搜索效果影响，需要通过自动定位、准确捕捉输入商品图中的显著性的主体区域，有效地提高“以图搜图”的检索精度和效率，用于后续的特征提取。

早期的图像主体区域检测方法，包括计算图像的显著性图法及图像区域分割等算法。显著性图是通过计算颜色对比度和空间对比度来计算主体区域的，不能有效处理前景背景颜色相近的图像。图像分割算法不能有效处理背景杂乱的图像，误检出背景中物体而非商品主体。

发明内容

本发明的目的是克服现有技术的不足，提供一种基于复杂商品图像主体检测方法。

本发明的目的是通过以下技术方案实现的。基于复杂商品图像主体检测方法包括如下步骤：

(1)对于用户输入的查询图像先尺寸缩放，进行人脸检测；

(2)若步骤(1)中检测到了人脸，人脸以矩形框表示，则取出置信度(与人脸模型的匹配度)最大的人脸，采用分水岭分割算法，得出商品主体矩形区域的估计；

(3)若步骤(2)中没有检测到人脸，则默认图像中心区域为前景，采用基于图像中心的分水岭分割算法，得出商品主体的估计；

本发明的有益效果是，综合人脸检测技术和分水岭分割算法进行商品图像主体检测，提高了准确率，增强了复杂图像中主体检测的稳健性和通用性。

附图说明

图1是基于复杂商品图像主体检测方法的流程图。

具体实施方式

下面是结合附图详细描述本发明，本发明的目的和效果将变得更加明确。

步骤1，对于用户输入的查询图像，在保持原图宽高比的基础上，按照宽和高的最大值为310像素进行缩放，缩放后的图像是I，I.width是缩放后图像的宽度，I.height是缩放后图像的高度；

步骤2，对输入的查询图像进行人脸检测，并输出人脸区域的坐标FC＝Rect(FC.x,FC.y,FC.width,FC.height)，其中Rect代表矩形框，FC.x是FC的左上角x坐标，FC.y是FC的左上角y坐标，FC.width是FC的宽度，FC.height是FC的高度；

步骤3，若步骤2中检测到了人脸，若有多个人脸，只取面积最大的一个；根据人脸信息，将图像划分为3部分区域，设定前景区域F₁＝Rect(F₁.x,F₁.y,F₁.width,F₁.height)，其中Rect代表矩形框，F₁.x是F₁的左上角x坐标，F₁.y是F₁的左上角y坐标，F₁.width是F₁的宽度，F₁.height是F₁的高度，背景区域包括像素宽度为S的图像边界区域，及人脸上方区域B₁＝Rect(B₁.x,B₁.y,B₁.width,B₁.height),其中Rect代表矩形框，B₁.x是B₁的左上角x坐标，B₁.y是B₁的左上角y坐标，B₁.width是B₁的宽度，B₁.height是B₁的高度，剩余区域为不确定区域，针对以上3部分区域，采用Beucher S.The watershed transformation applied to image segmentation.Scanning Microsc 1992；6:299–314.d的分水岭分割算法，则分割后的前景区域取外接矩，就是商品的主体区域；

背景边界区域像素宽度S计算式是

S＝0.1min(I.width,I.height)