[发明专利]一种基于人体语义分割的服饰色彩提取方法

权利要求书

1.一种基于人体语义分割的服饰色彩提取方法，其特征在于：

S1、输入为RGB格式的服饰图像；

S2、基于卷积神经网络的语义分割模型提取服饰类别和掩膜信息；

S3、将掩膜处特定服饰类别的RGB像素值转换到LAB色彩空间；

S4、将S3中的LAB值进行光照归一化处理，并通过手肘法确定主体色的数量；

S5、将S4得到的LAB值进行K-means聚类操作，K值为主体色数量，聚类完成后统计中心簇面积；

S6、将聚类中心的LAB值转到HSV空间来表征色相、纯度、明度和冷暖；

S7、依次执行S3-S6对输入图像中所包含的服装类型的色彩信息进行编码，形成该图像的色彩编码，所述服装类型包括上衣、裤子、半裙、连衣裙；

S8、基于S7获取的色彩编码信息，可应用于推荐、搭配和检索方面；

所述服饰色彩编码信息，至少包括以下步骤：

1）人体语义分割模型的实现，包括：数据采集、标注、模型搭建、训练和测试；

标注了4种基本服装类型包括：上衣、裤子、半裙和连衣裙；

2）基于服饰的语义掩膜来获得原图的像素值，并将其转移到LAB色彩空间；

3）对LAB值进行光照归一化处理，通过手肘法来确定聚类簇的个数K；

4）使用K-means算法对LAB值进行聚类，K个聚类中心表征为服饰的基本颜色构成，中心簇的面积为服饰中的色彩占比，色彩编码可以表示为F=(C,LS,LM),其中C表示服装类型，LS表示LAB颜色集合，LM表示每个独立色彩对应的面积比例；

5）将4）中的颜色集合LS转换到HSV空间，计算LS的色相H、纯度S、明度V和冷暖WC信息，即LS-(H,S,V,WC)；

6）对输入图像中的不同服装语义进行提取色彩信息，最后的特征编码形式为：F={F1,F2,...,Fn}={(C1,(H1,S1,V1,WC1),LM1),(C2,(H2,S2,V2,WC2),LM2),...,(Cn,(Hn,Sn,Vn,WCn),LMn)}，其中n表示图像中包含的服装类别数量。

2.根据权利要求1所述的人体语义分割的服饰色彩提取方法，所述步骤S2中的语义分割模型为基于DeepLab v3+的图迁移学习。