基于图像的服装号型推荐模型研究

发布时间：2017-04-26 18:07

  本文关键词：基于图像的服装号型推荐模型研究，由笔耕文化传播整理发布。

【摘要】：近年来,随着互联网电子商务的普及和网络购物的快速发展,作为网络购物中受众面最为广泛的服装板块,消费需求也经历着成倍数的增长。而消费者在选中了自己喜欢的款式之后,在网上按照自己的尺寸选购衣服之后却发现不合身,只能选择退换或者将就着穿,对网购信任度受到影响。那么如何帮助消费者选择令他们满意的服装就是一个大问题,我们建议找出一种服装号型推荐的模型来解决这个难题。本论文从图像中提取服装号型推荐需要的数据信息,再结合服装对应号型的数据信息,通过定义一个合身度评价函数得到不同体型的人适合的号型,从而构建一个号型归档数据库。再采用SVM模型的方法对实验数据进行验证,通过与BP神经网络算法的对比找出更适合服装号型推荐的方法,实现服装号型的准确推荐。本论文的主要工作如下:首先拍摄人体正面和侧面照片并对图像进行边缘提取,获得边缘轮廓。根据获得的照片进行人体尺寸数据的提取。采用了Roberts算子、Prewitt算子、Sobel算子和传统的Canny算子对图像进行处理,对Canny算子采用一种优化的Canny算子对图像进行边缘轮廓提取,该算法相比于其他算子提取算法,边缘提取的效果更加出色,为后面人体尺寸的提取奠定了基础。其次对人体尺寸数据以及服装号型数据进行提取。运用Harris角点检测算法找到人体关键部位的特征点,结合人体尺寸线定义确定关键部位的位置,分别获取人体的身高、颈宽、颈厚、胸宽、胸厚、肩宽、腰厚和腰宽等二维尺寸信息。运用BP神经网络的方法,对二维尺寸信息进行三维尺寸信息转换,获得人体的三维尺寸信息。对于服装号型数据的获取,本文以女长袖为对象,根据国家服装号型的规定,分别获取女长袖号型的各个号型数据,作为服装号型数据的依据。然后构建了合身度评价模型。利用获取的人体尺寸的数据以及服装号型的数据,结合人对身体各部位的服装舒适感程度的不同,提出基于合身度评价模型的服装号型推荐的方法。接着采用SVM方法建立服装号型的推荐模型。基于获取的人体尺寸数据以及推荐的号型数据,建立号型归档数据库,运用遗传算法、粒子群算法和网格搜索算法的SVM模型对服装进行号型推荐,选取最优的SVM模型。同时将该SVM模型与传统的BP神经网络进行对比,通过之间的比较确定更适合服装号型推荐的模型方法。最后,对全文进行了总结和展望,归纳了主要研究成果与实验结论,并提出了一些值得进一步拓展研究的方向与问题。
【关键词】：图像边缘提取 号型推荐 Harris角点检测 合身度评价 神经网络
【学位授予单位】：东华大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;TP391.3
【目录】：

• 摘要5-7
• ABSTRACT7-11
• 第一章 绪论11-17
• 1.1 研究目的与意义11-12
• 1.2 国内外研究现状12-15
• 1.2.1 图像边缘提取技术的研究现状12-13
• 1.2.2 服装合身度评价的研究现状13-14
• 1.2.3 支持向量机的研究现状14-15
• 1.3 论文的主要内容和创新点15-16
• 1.4 论文的章节安排16-17
• 第2章 基于图像的人体边缘轮廓提取17-27
• 2.1 引言17
• 2.2 实验图像获取17-18
• 2.2.1 实验样本容量确定17-18
• 2.2.2 实验要求18
• 2.3 图像边缘提取算法的原理介绍18-26
• 2.3.1 梯度算子19-20
• 2.3.2 Canny算子20-22
• 2.3.3 Canny算子的优化22-26
• 2.4 小结26-27
• 第3章 人体尺寸和服装尺寸信息获取27-38
• 3.1 引言27
• 3.2 人体尺寸信息获取计划方案27-28
• 3.3 人体尺寸信息获取方法28-36
• 3.3.1 Harris角点检测算法原理28-29
• 3.3.2 人体特征点提取29-30
• 3.3.3 人体关键部位位置确定30-32
• 3.3.4 关键部位宽度和厚度确定32-34
• 3.3.5 特征尺寸提取结果分析34
• 3.3.6 人体三维尺寸信息转换34-36
• 3.4 服装号型尺寸信息获取36-37
• 3.5 小结37-38
• 第4章 服装合身度评价模型的建立38-45
• 4.1 引言38
• 4.2 服装合身度评价指标及表现形式[50]38-40
• 4.2.1 空间表现形式38-39
• 4.2.2 平面表现形式39
• 4.2.3 压力等其他表现形式39-40
• 4.3 合身度评价模型的构建40-44
• 4.3.1 合身度评价函数的定义40-42
• 4.3.2 号型确认方法42-43
• 4.3.3 实验举例43-44
• 4.4 小结44-45
• 第5章 基于SVM的服装号型推荐模型45-61
• 5.1 引言45
• 5.2 支持向量机的基础知识45-48
• 5.2.1 支持向量机理论的介绍45-46
• 5.2.2 核函数类46-47
• 5.2.3 支持向量机的多分类算法47-48
• 5.3 支持向量机参数优化算法48-51
• 5.3.1 遗传算法48-49
• 5.3.2 粒子群算法49-50
• 5.3.3 网格搜索算法50-51
• 5.4 构建SVM模型步骤51-59
• 5.4.1 数据归一化51
• 5.4.2 训练样本和测试样本的确定51-52
• 5.4.3 核函数的确定52-53
• 5.4.4 参数寻优53-59
• 5.5 BP神经网络预测模型59-60
• 5.6 小结60-61
• 第6章 总结与展望61-63
• 6.1 总结61-62
• 6.2 展望62-63
• 参考文献63-68
• 致谢68-69
• 攻读硕士期间参与的项目和学士成果69

【参考文献】

中国期刊全文数据库 前1条

1 陈雪芳;杨继臣;;交叉验证KNN支持向量预选取算法在说话人识别上的应用[J];科学技术与工程;2013年20期

  本文关键词：基于图像的服装号型推荐模型研究，，由笔耕文化传播整理发布。

本文编号：328960