[发明专利]一种基于深度学习估计着装状态下人体胸腰部尺寸的方法

说明书

本发明公开了一种基于深度学习估计着装状态下人体胸腰部尺寸的方法，所述方法包括如下步骤：S1、获取估计对象在着装状态下的人体正面图；S2、采用人体成衣尺寸模型对步骤S1获取的人体正面图进行处理，计算出着装状态下人体胸腰部的成衣尺寸；S3、先构建人体胸腰部松量模型，然后采用人体胸腰部松量模型对步骤S1的人体正面图进行处理，计算出着装状态下人体胸腰部松量；S4、将步骤S2得到的成衣尺寸与步骤S3得到的胸腰部松量做差，从而构建出着装状态下人体胸腰部尺寸模型，利用该模型即能获得着装状态下人体胸腰部尺寸。本发明可快速得出人体胸腰部尺寸，很好的解决了着装时胸腰部尺寸测量困难及无法随时随地测量的难题。

技术领域

本发明涉及一种基于深度学习估计着装状态下人体胸腰部尺寸的方法，属于人体测量技术领域。

背景技术

当今，在非接触式人体测量技术中，二维非接触式人体测量的准确性及方便性是目前研究的重点和热点，二维非接触式人体测量技术就是通过拍摄几组照片，对照片的人体进行轮廓提取、特征点识别和围度拟合的处理，最后依据二维尺寸推算出三维人体尺寸。

目前非接触式人体测量技术主要是通过顾客提供照片，然后对该照片进行一系列的处理，最后测出相应部位的尺寸，然后目前的问题是该方法简单方便但是精准度偏低。于宗琴等人(人体二维照片图像学尺寸测量技术研究，于宗琴、王琴华，工业技术与职业教育)通过对采集的正面、侧面和背面的三张图片进行转灰度、图像取反、和轮廓图的提取等预处理，获取适合计算机的像素图像，最后结合人体体型特征规律和服装制作工艺要求，在轮廓图的边缘上确定出特征点以得到人体特征部位的图像学尺寸，该方法围度方向的准确度较低，因为人体围度是不规则椭圆形，所以用一般的算法来计算误差相对较大，而且该文章没有提及远程测体要求是否达到。刘小雪(自然着装状态下人体胸宽的计算，刘小雪，天津纺织科技)提出通过边缘检测获得人体正面、侧面的外轮廓线,然后识别人体一些相关特征点,通过将特征点拟合成曲线,在曲线上确定侧胸围点来确定胸宽的尺寸，该方法一定程度上推进了通过照片获取人体胸围尺寸的发展，但是由于人体体型的差异，特征点拟合会有较大差异，最后对胸宽尺寸的获取有很大影响。

发明内容

针对现有技术存在的上述问题，本发明的目的是提供一种基于深度学习估计着装状态下人体胸腰部尺寸的方法。

为实现上述发明目的，本发明采用的技术方案如下：

一种基于深度学习估计着装状态下人体胸腰部尺寸的方法，包括如下步骤：

S1、获取估计对象在着装状态下的人体正面图；

S2、采用人体成衣尺寸模型对步骤S1获取的人体正面图进行处理，计算出着装状态下人体胸腰部的成衣尺寸；

S3、先构建人体胸腰部松量模型，然后采用人体胸腰部松量模型对步骤S1的人体正面图进行处理，计算出着装状态下人体胸腰部松量；所述的人体胸腰部松量模型是先采用迁移学习的方法迁移了ResNet50模型，然后在迁移后的ResNet50模型的49与50层之间添加MMD算法构建而得；

S4、将步骤S2得到的成衣尺寸与步骤S3得到的胸腰部松量做差，从而构建出着装状态下人体胸腰部尺寸模型，利用该模型即能获得着装状态下人体胸腰部尺寸。

一种实施方案，步骤S3中具体包括如下步骤：

S31、数据采集：采集多张已知其净体状态下胸腰部尺寸的人体在着装状态下的胸腰部尺寸的正面图，并对采集的图片进行增强处理；

S32、数据分类：根据着装状态下人体胸腰部松量将步骤S31采集的图片分为若干类，并分别用标签标记，然后将分类好的图片分为训练样本数据集和测试样本数据集；

S33、构建人体胸腰部松量模型：先采用迁移学习的方法迁移了ResNet50模型，然后在迁移后的ResNet50模型的49与50层之间添加MMD算法，从而构建人体胸腰部松量模型；