[发明专利]模拟用户穿戴服装饰品的方法、装置和系统

说明书

本发明公开了一种模拟用户穿戴服装饰品的方法、装置和系统，涉及计算机技术领域。该方法的一具体实施方式包括：获取用户的全身图像，基于评估模型对全身图像进行检测，以评估用户姿态；识别用户身份，根据用户身份推荐服装饰品；基于几何矩和边缘检测的识别算法识别用户手势，获得手势命令；基于用户姿态和手势命令模拟用户穿戴服装饰品。该实施方式能够减少计算量，提高计算速度以及识别准确度。

技术领域

本发明涉及计算机技术领域，尤其涉及一种模拟用户穿戴服装饰品的方法、装置和系统。

背景技术

目前，随着数字化、智能化的发展，各种新兴的技术与应用不断涌现，尤其是在识别领域，识别行业已经从稳步发展的初级阶段成功过渡到高速发展的成熟期。例如：人脸支付，刷脸签到、安防保卫、人机交互，跳舞机等。

通常，用户在购买服装时，本系统通过现有人脸识别，性别识别，年龄识别，姿态识别技术打造一种智能搭配系统，结合手势识别实时切换，让用户体验不一样的搭配穿衣风格。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

1.计算量巨大，耗时长，成本高

2.手势识别准确度低，需要用户多次挥手。

发明内容

有鉴于此，本发明实施例提供一种模拟用户穿戴服装饰品的方法、装置和系统，能够减少计算量，提高计算速度以及识别准确度。

为实现上述目的，根据本发明实施例的一个方面，提供了一种模拟用户穿戴服装饰品的方法。

本发明实施例的一种模拟用户穿戴服装饰品的方法包括：获取用户的全身图像，基于评估模型对所述全身图像进行检测，以评估用户姿态；其中，所述评估模型为基于MobileNet算法的openpose网络结构；识别用户身份，根据所述用户身份推荐服装饰品；基于几何矩和边缘检测的识别算法识别用户手势，获得手势命令；基于所述用户姿态和所述手势命令模拟用户穿戴服装饰品。

可选地，基于评估模型对所述全身图像进行检测，以评估用户姿态包括：利用所述MobileNet算法从所述全身图像中提取骨骼特征；利用所述openpose网络结构从所述骨骼特征提取骨骼线段和所述骨骼线段的关键点向量；利用余弦相似度、夹角余弦和所述骨骼线段的权重对所述关键点向量进行计算，以评估用户姿态。

可选地，所述用户身份包括用户名、用户性别和用户年龄；以及识别用户身份包括：在所述用户姿态与预设姿态匹配时，获取用户的面部图像；调整所述面部图像的尺寸，生成不同尺寸的面部图像，以构建图像金字塔；其中，所述图像金字塔的层数根据以下公式确定：

minL﹥12，org_L是所述面部图像的尺寸，minsize是最小人脸尺寸，factor是缩放因子，n是所述图像金字塔的层数；利用多层神经网络结构检测所述图像金字塔，得到人脸框，基于所述人脸框识别出所述用户名；利用分类模型对所述面部图像进行检测，以确定所述用户性别和所述用户年龄；其中，所述分类模型包括三个卷积层和二个全连接层。

可选地，基于几何矩和边缘检测的识别算法识别用户手势，获得手势命令包括：对用户的手部进行定位与追踪；获取用户的手势图像，并对所述手势图像进行二值化处理；采用几何矩和边缘检测的识别算法计算所述手势图像的七个几何矩特征分量，从七个所述几何矩特征分量中选择四个所述几何矩特征分量作为几何矩特征向量；生成所述手势图像的灰度图，检测所述灰度图的边缘，得到所述手势图像的边界方向特征向量；基于所述几何矩特征向量和所述边界方向特征向量，计算所述手势图像与手势库中的任一手势的距离，以获得手势命令。

为实现上述目的，根据本发明实施例的另一方面，提供了一种模拟用户穿戴服装饰品的装置。