论文部分内容阅读
服装在线销售已成为大众生活的一部分,但是在线销售中消费者无法实际试穿服装,虚拟试衣技术将试衣过程展示给用户有效地解决了这一难题。目前虚拟试衣构建的仿真系统能够较真实地将服装试衣的过程可视化给用户,但是在布料真实度和服装舒适度评估效率上仍有待改进。为了提高虚拟试衣过程的真实度和效率,本文对虚拟试衣的两个方向进行了研究:将真实布料精准克隆到虚拟场景、提高虚拟试衣的舒适度评估效率。结合机器学习方法,本文提出了一种基于增强动态稠密轨迹特征的布料材质识别克隆算法和一种从服装样板图库学习服装舒适度评估模型的方法。1)首先利用材质合成方法构造64种不同布料材质的布料仿真视频数据库;然后迁移预训练的VGG网络增强数据库中布料视频的各帧特征信息,并消除部分非动态特征;其次利用动态稠密轨迹特征描述布料动态视频的动态特征,以充分捕捉不同布料材质视频的动态信息;最后通过Fisher向量编码生成布料动态信息的特征数据库,并训练支持向量机(Support Vector Machine,SVM)分类器建立布料材质视频动态信息到材质属性参数的映射。2)首先采集试衣模特尺寸数据和服装样板图数据,并利用迁移学习改善服装样板图构建试穿服装样板图数据库,同时提出基于虚拟仿真技术的舒适度标签获取方法,为数据库中对应的试穿服装样板添加舒适度标签。然后提取服装样板图的局部二值模式(Local Binary Pattern,LBP)融合试衣模特尺寸数据形成融合特征。最后,利用融合特征训练支持向量机模型得到服装舒适度评估模型。本文的贡献点如下:(1)提出增强动态稠密轨迹特征,提取的布料运动信息有效地表示了布料运动特征。该特征能够有效地区分不同布料材质的运动,有助于基于运动的布料材质识别模型的识别。(2)提出一种基于增强动态稠密轨迹特征的布料材质识别算法,有效识别、克隆布料到虚拟场景中,解决虚拟试衣场景克隆真实布料材质的问题。该布料材质识别克隆算法对64种不同布料材质视频的材质种类识别正确率达73.83%,能够有效克隆真实布料材质。(3)提出一种从服装样板图库学习服装舒适度评估模型的方法,高效地评估服装舒适度,解决虚拟试衣技术舒适度评估效率低的问题。该服装舒适度评估算法正确率和平均时间分别为83.4%和12s,具有较高的精确度和效率。