本文關(guān)鍵詞：智能家居中基于視覺(jué)的服裝分析和推薦研究，由筆耕文化傳播整理發(fā)布。

【摘要】：服裝對(duì)人們的生活必不可少,隨著新的服裝材質(zhì)、樣式不斷出現(xiàn),服裝的挑選、清洗等家務(wù)活動(dòng)比以往更加耗費(fèi)人力物力。而近年針對(duì)人們?nèi)粘Ｉ罘⻊?wù)的智能家居技術(shù)也在不斷發(fā)展,使人們的生活變得越來(lái)越便利。在這樣的背景下,采用智能技術(shù)手段解決日常生活場(chǎng)景中的服裝問(wèn)題,將人們從繁瑣的家務(wù)活動(dòng)中解脫出來(lái),不但成為了人們的實(shí)際需求,也成為了智能家居領(lǐng)域的熱點(diǎn)課題。為了解決智能家居系統(tǒng)中針對(duì)服裝的智能服務(wù)中的關(guān)鍵問(wèn)題,本文基于計(jì)算機(jī)視覺(jué)方法,對(duì)家居場(chǎng)景中的服裝區(qū)域提取、服裝圖像匹配和服裝推薦等問(wèn)題進(jìn)了研究,并針對(duì)每個(gè)問(wèn)題提出了新的算法模型,為智能家居中針對(duì)服裝的應(yīng)用提供有效支持。研究主要從三個(gè)方面展開(kāi)：一、基于視覺(jué)顯著性的服裝區(qū)域提取方法非限定條件下的家居場(chǎng)景中的服裝區(qū)域提取是一個(gè)極有挑戰(zhàn)性的問(wèn)題：1、靜態(tài)場(chǎng)景中背景雜亂,容易與前景目標(biāo)混淆；2、服裝色彩和紋理多樣化,難以獲取統(tǒng)一規(guī)律；3、圖像拍攝角度隨意,服裝目標(biāo)的外形不規(guī)則或拍攝不完整,外形上缺乏規(guī)律性。由于存在上述困難,難以采用結(jié)構(gòu)化的視覺(jué)特征模型對(duì)服裝區(qū)域進(jìn)行提取。因此,本文提出一種基于視覺(jué)顯著性的服裝區(qū)域提取方法。方法采用了基手圖像分割的目標(biāo)提取思路,首先將圖像分成若干同質(zhì)的塊,對(duì)每個(gè)圖像塊采用改進(jìn)的視覺(jué)顯著性方法,在像素對(duì)比度和塊幾何特征的基礎(chǔ)上求取視覺(jué)顯著性度量。為了去除背景中的顯著部分,方法基于場(chǎng)景視頻圖像序列,引入混合高斯模型求得場(chǎng)景的前景概率圖,對(duì)視覺(jué)顯著性做進(jìn)一步修正。最終將修正的視覺(jué)顯著性大于閾值的圖像區(qū)域視作服裝區(qū)域進(jìn)行提取。二、基于視覺(jué)特征集的服裝圖像匹配算法研究服裝的表面特征存在兩方面特點(diǎn)：一是部分服裝的為紋理特征并非均一不變；二是存在具有含有語(yǔ)義的局部區(qū)域,如衣領(lǐng)、紐扣等�；诜b產(chǎn)品的設(shè)計(jì)因素,不同服裝之間的上述特征具有高度的可區(qū)分性,對(duì)服裝圖像的識(shí)別甚至可以起到?jīng)Q定性的作用。但在非平整的服裝圖像中,因服裝隨外界條件發(fā)生了形變,為服裝圖像的識(shí)別帶來(lái)了挑戰(zhàn)：1、服裝將產(chǎn)生大量褶皺和遮擋,掩蓋了部分表面特征；2、服裝的表面紋理會(huì)因服裝形變而產(chǎn)生旋轉(zhuǎn)和扭曲,使原本一致的紋理區(qū)域也呈現(xiàn)出多種特性。針對(duì)服裝圖像的上述特點(diǎn),本文通過(guò)引入平整的服裝圖像,與非平整服裝圖像進(jìn)行匹配,將識(shí)別問(wèn)題轉(zhuǎn)化為匹配問(wèn)題進(jìn)行解決；并提出一種基于視覺(jué)特征集的服裝圖像匹配方法,將服裝圖像描述為三種視覺(jué)特征的集合,通過(guò)融合三種特征匹配關(guān)系對(duì)服裝圖像進(jìn)行匹配。方法首先基于圖像分割方法,定義了服裝圖像的局部語(yǔ)義區(qū)塊,并從局部語(yǔ)義區(qū)塊中提取服裝的局部語(yǔ)義特征；在紋理特征方面,將服裝圖像按照紋理分割成若干個(gè)同質(zhì)區(qū)域,對(duì)每一個(gè)區(qū)域分別采樣提取紋理特征；同時(shí)提取了對(duì)形變具有較強(qiáng)魯棒性的顏色特征。在上述三種特征匹配關(guān)系基礎(chǔ)上,定義了基于高斯函數(shù)的服裝圖像的匹配度度量方法,并根據(jù)匹配度大小對(duì)平整服裝圖像進(jìn)行排序,作為方法的結(jié)果。三、基于特征分層模型的服裝推薦算法研究服裝推薦方法根據(jù)服裝圖像的視覺(jué)描述,針對(duì)輸入圖像和高級(jí)語(yǔ)義描述提供符合條件的推薦結(jié)果。其中,服裝特征的提取是實(shí)現(xiàn)基于視覺(jué)內(nèi)容的服裝推薦的基礎(chǔ)和關(guān)鍵。服裝圖像語(yǔ)義信息層次復(fù)雜,各類(lèi)描述之間的邊界并不明確,使得基于單一層次統(tǒng)計(jì)特征提取的推薦方法效果不理想。為了獲取更符合人類(lèi)視覺(jué)系統(tǒng)認(rèn)識(shí)的服裝特征描述,本文根據(jù)視覺(jué)認(rèn)識(shí)過(guò)程先整體再局部的特點(diǎn),提出了-種服裝特征分層模型。該方法在局部語(yǔ)義層提出基于分割的服裝語(yǔ)義片段定義,對(duì)服裝片段提取顏色、幾何和紋理特征：在語(yǔ)義區(qū)塊層,通過(guò)對(duì)服裝區(qū)塊進(jìn)行聚類(lèi)獲得服裝語(yǔ)義區(qū)塊；之后結(jié)合區(qū)塊的顏色和分布特征,和服裝的色彩、外形等全局特征來(lái)對(duì)服裝圖像進(jìn)行描述。在推薦過(guò)程中根據(jù)高級(jí)語(yǔ)義描述對(duì)服裝進(jìn)行分類(lèi),僅對(duì)所需的同類(lèi)服裝圖像進(jìn)行推薦,以驗(yàn)證方法對(duì)服裝推薦的有效性。本文以智能家居中的實(shí)際應(yīng)用為導(dǎo)向,研究了服裝智能服務(wù)系統(tǒng)模型中的服裝區(qū)域提取、服裝匹配和服裝推薦等視覺(jué)問(wèn)題,為基于視覺(jué)方法對(duì)服裝圖像進(jìn)行理解和分析提供了有效的解決思路,具有一定的借鑒意義。
【關(guān)鍵詞】：視覺(jué)顯著性 前景提取 圖像匹配 基于內(nèi)容的檢索 智能家居
【學(xué)位授予單位】：中國(guó)海洋大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TU855;TP391.41
【目錄】：

• 摘要5-7
• Abstract7-11
• 1 緒論11-17
• 1.1 研究背景11-12
• 1.2 主要工作及創(chuàng)新點(diǎn)12-16
• 1.2.1 基于視覺(jué)顯著性的服裝區(qū)域提取方法13-14
• 1.2.2 基于視覺(jué)特征集的服裝圖像匹配方法14-15
• 1.2.3 基于特征分層模型的服裝推薦方法15-16
• 1.3 論文組織結(jié)構(gòu)16-17
• 2 國(guó)內(nèi)外研究現(xiàn)狀17-23
• 2.1 服裝區(qū)域提取研究現(xiàn)狀17-18
• 2.2 服裝圖像匹配研究現(xiàn)狀18-21
• 2.3 服裝推薦和檢索研究現(xiàn)狀21-23
• 3 基于視覺(jué)顯著性的服裝區(qū)域提取方法23-48
• 3.1 目標(biāo)檢測(cè)和視覺(jué)顯著性檢測(cè)方法介紹23-25
• 3.2 服裝區(qū)域提取流程概述25-26
• 3.3 基于視覺(jué)顯著性的服裝區(qū)域提取方法26-39
• 3.3.1 基于圖的圖像分割方法26-29
• 3.3.2 改進(jìn)的區(qū)域視覺(jué)顯著性度量29-33
• 3.3.3 基于混合高斯模型的背景估計(jì)33-37
• 3.3.4 基于改進(jìn)區(qū)域視覺(jué)顯著性的目標(biāo)提取37-39
• 3.4 實(shí)驗(yàn)原型系統(tǒng)和數(shù)據(jù)來(lái)源39-43
• 3.4.1 服裝智能服務(wù)原型系統(tǒng)39-41
• 3.4.2 實(shí)驗(yàn)數(shù)據(jù)集構(gòu)建41-43
• 3.5 實(shí)驗(yàn)和分析43-47
• 3.6 本章小結(jié)47-48
• 4 基于視覺(jué)特征集的服裝圖像匹配方法48-73
• 4.1 基于視覺(jué)特征的服裝匹配方法介紹49-50
• 4.2 服裝圖像匹配流程概述50-53
• 4.2.1 基于視覺(jué)特征集的服裝圖像匹配關(guān)系50-52
• 4.2.2 家居服裝圖像匹配流程52-53
• 4.3 基于視覺(jué)特征集的服裝圖像匹配方法53-68
• 4.3.1 服裝顏色特征提取和匹配53-56
• 4.3.2 服裝紋理特征提取和匹配56-61
• 4.3.3 服裝局部語(yǔ)義特征提取和匹配61-66
• 4.3.4 服裝圖像特征合并算法和閾值的確定66-67
• 4.3.5 融合多種特征匹配的服裝圖像匹配度定義67-68
• 4.4 實(shí)驗(yàn)和分析68-71
• 4.5 本章小結(jié)71-73
• 5 基于特征分層模型的服裝推薦方法73-91
• 5.1 服裝推薦和相關(guān)方法介紹73-75
• 5.2 服裝特征分層模型概述75-76
• 5.2.1 人類(lèi)視覺(jué)認(rèn)識(shí)過(guò)程分析75-76
• 5.2.2 服裝特征分層模型76
• 5.3 基于特征分層模型的服裝推薦方法76-86
• 5.3.1 服裝圖像全局特征提取76-79
• 5.3.2 服裝語(yǔ)義區(qū)塊特征提取79-85
• 5.3.3 服裝圖像特征描述85-86
• 5.3.4 服裝圖像推薦算法流程86
• 5.4 實(shí)驗(yàn)和分析86-90
• 5.5 本章小結(jié)90-91
• 6 總結(jié)與展望91-94
• 6.1 本文總結(jié)91-93
• 6.1.1 基于視覺(jué)顯著性的服裝區(qū)域提取方法91-92
• 6.1.2 基于視覺(jué)特征集的服裝圖像匹配方法92
• 6.1.3 基于特征分層模型的服裝推薦方法92-93
• 6.2 展望93-94
• 參考文獻(xiàn)94-101
• 致謝101-102
• 個(gè)人簡(jiǎn)歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文與研究成果102-103

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 廖壯嘉;智能家居的黃金時(shí)代[J];智能建筑與城市信息;2004年02期

2 廖壯嘉;20歲 智能家居的青春年華[J];智能建筑與城市信息;2004年03期

3 ;比爾·蓋茨的智能家居[J];中華建設(shè);2005年05期

4 陳鵬;;智能家居的系統(tǒng)分類(lèi)和設(shè)計(jì)[J];儀器儀表標(biāo)準(zhǔn)化與計(jì)量;2006年02期

5 王偉光;;走近國(guó)外智能化家居[J];數(shù)字社區(qū)&智能家居;2007年02期

6 張鼎盛;;享受生活 享受智能家居[J];建材與裝修情報(bào);2007年05期

7 張鼎盛;;享受生活 享受智能家居[J];建材與裝修情報(bào);2007年07期

8 李磊;林曉杰;;智能家居的標(biāo)準(zhǔn)與協(xié)議[J];數(shù)字社區(qū)&智能家居;2008年01期

9 ;專(zhuān)注、專(zhuān)業(yè)、專(zhuān)心——打造智能家居行業(yè)第一媒體[J];數(shù)字社區(qū)&智能家居;2008年01期

10 戚振興;;淺議我國(guó)智能家居發(fā)展[J];廣西輕工業(yè);2009年10期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 吳效明;趙錦萌;吳劍波;;智能家居的醫(yī)療監(jiān)測(cè)技術(shù)研究[A];中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)成立30周年紀(jì)念大會(huì)暨2010中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)學(xué)術(shù)大會(huì)壁報(bào)展示論文[C];2010年

2 榮蓉;吳文p，

本文編號(hào)：383761