[发明专利]一种时尚图像主色调解析方法

说明书

本发明涉及一种时尚图像主色调解析方法，其特征在于，包括如下步骤：S1、深度学习时尚服饰检测框架的构建；S2、目标检测损失函数的设计；S3、时尚服饰前景目标区域的提取预处理；S4、时尚服饰候选区域的主色调解析操作。其优点表现在：鲁棒性强、精确度高、目标定位准确，背景干扰因素低，自动化程度高，能够有效提高主色调解析的精确率。

技术领域

本发明涉及计算机视觉识别技术领域，具体地说，是一种时尚图像主色调 解析方法。

背景技术

时尚服饰的风格一直以来都是时尚领域重点关注的话题，而作为风格表现 形式的主要色调自然成为了行业关注的焦点，主色调为服饰的选款及搭配提供 参考事实依据，这也意味着主色调的准确获取成为了一项具有实用价值的研究 对象。

主色调主要是指某件时尚单品所包含的主要几种色调，主色调的提取解析 广泛应用于电商、街拍以及时尚领域，不仅可以为设计师提供色彩设计，也可 以用于图像相似类别搜索、分类以及识别。由于时尚品牌多样，款式风格各异， 单纯的采用人工方式去采集和分析当前流行的主色调，势必存在分析不准确并 且非常耗时耗力。为了让色彩信息在数据事实层面得到较为精准的反馈，因此有必要建立一套自动化的主色调提取方法。主色调的提取主要运用视觉图像处 理技术和深度学习技术，对整个时尚图片库进行单品或者单品牌进行提取解析 的工作。

目前已有的对图片进行主色调分析的算法大致分为以下几类：

1.运用颜色量化法：因为彩色图像一般采用RGB色彩模式，每个像素由 RGB三个颜色分量组成，每个分量由8位表示，红绿蓝三原色组合共有1677 万(256*256*256)万种颜色，如果将RGB看作是三维空间中的三个坐标轴， 则可以得到一个色彩分布立体图。其中一种量化法中位切分算法的原理很简单 直接，将图像颜色看作是色彩空间中的长方体，从初始整个图像作为一个长方 体开始，将RGB中最长的一边从颜色统计的中位数一切为二，使得到的两个 长方体所包含的像素数量相同，重复上述步骤，直到最终切分得到长方体的数量等于主题颜色数量为止。另一种量化法八叉树算法将颜色成分转换成二进制 之后，较低位(八叉树中位置较深层)数值将被压缩进较高位(八叉树中较浅 层)并逐渐进行合并。

2.运用聚类算法：主要多采用Kmeans聚类算法，KMeans算法的原理较为 简洁：将图像中每个像素点的信息归为k个类别，使得每个类别中的每个数据 样本，距离该类别的中心距离最小，最终获取的类别中心分别为图像的几个主 色调，但是这种方法存在的弊端在于无法提前预知图像色彩的复杂度，一旦复 杂度较高，而归类类别k设定较小，则会稀释主色调在所有颜色中的权重及分布状况，无法满足特定的提取和分析。

图像的主要前景的定位是实现时尚图像主要颜色提取的重要环节，也是实 现色彩分析的先决条件，然而基于以上几种现有的方法的主色调提取方法存在 目标定位不准确，背景干扰因素较大等原因，不太适合准确的主色调解析。

中国专利文献：CN201810982554.4，申请日2018.08.27，专利名称为：一 种基于图像识别和知识图谱的时尚领域文本生成方法。公开了一种基于图像识 别和知识图谱的时尚领域文本生成方法，步骤S1、采用深度学习的方法，对 基本的图片视频数据进行基础信息的提取，并对针对所有的时尚的基础信息进 行分解和整理，训练深度学习的算法，对图像基础信息进行提取；步骤S2、 预先准备时尚领域的知识图谱，对市面上的流行元素进行定义，将基础信息和 流行信息相关联；步骤S3、将上述的基本信息和推理的高阶抽象标签作为搜 索关键字，在已有的时尚领域专业文章库中搜索相似文本，按照相似度排序， 生成摘要文字。

上述专利文献的一种基于图像识别和知识图谱的时尚领域文本生成方法， 能够解决在时尚领域中需要撰写大量和图片文字相关性非常大的领域专业文 稿的问题，提供时尚编辑文字素材，以激发时尚编辑的灵感，提高时尚撰稿效 率。但是关于一种鲁棒性强、精确度高、目标定位准确，背景干扰因素低，自 动化更优的适合准确的主色调解析的一种时尚图像主色调解析方法目前则没有相关的报道。