论文部分内容阅读
随着经济的快速发展,用户日益关注服装的个性化。现有服装颜色推荐系统通常基于用户对其肤色的主观判断推荐相应服装颜色。另一方面,基于用户个人喜好和购买习惯的推荐方法,缺乏专业服装颜色搭配指导。随着图像识别技术和深度学习的迅速发展,基于肤色识别的服装颜色推荐成为服装销售领域的发展趋势。本文所设计的基于肤色识别的服装颜色推荐系统应用图像识别技术对人脸肤色进行分类并根据分类结果推荐服装颜色。首先设计基于Unet-FC~4-SVM肤色识别模型降低光照亮度和光源颜色对肤色识别准确率的影响。其次应用四季色彩理论对特定肤色的用户进行服装颜色推荐。针对拍摄环境的光照亮度和光源颜色影响人脸图片中肤色识别的问题,本文首先设计Unet-FC~4光照处理模型。其中Unet算法的优势在于其拼接相同维度的特征以防止信息丢失,实验结果表明,基于Unet的光照亮度增强算法,与直方图均衡化和Retinex算法对比,在MSE、PSNR、SSIM三种图像质量评价指标上,其光照亮度增强效果优于后两者算法;另一方面,因FC~4算法采用选择机制以避免语义不明色块影响光源颜色估计,模型中所选用的基于FC~4的光源颜色去除算法,与白平衡算法对比,亦在上述三种图像质量评价指标上优于后者。应用四季色彩理论中肤色的分类标准,本文将人脸肤色分成春夏秋冬四种类型并设计基于SVM的多分类器肤色识别模型。模型中首先应用基于Haar特征的人脸检测算法和集成回归树(Ensemble of Regression Trees,ERT)方法分割用户脸部的纯肤色区域,获取有效数据达到数据增强与降低干扰的目的;其次提取肤色融合特征,训练基于SVM的多分类器模型。最后,结合前述Unet-FC~4光照处理算法,获得基于Unet-FC~4-SVM的肤色识别模型。实验结果表明,对比Unet-SVM和FC~4-SVM模型,基于Unet-FC~4-SVM的肤色识别模型准确率最高。本文编程实现了基于肤色识别的服装颜色推荐系统。其中,算法模块(光照处理、肤色识别)在TensorFlow深度学习框架中应用Python语言实现四季型肤色的识别。在服装颜色推荐模块中基于MySQL数据库设计用户以及服装数据表的实体关系图,利用对象存储系统实现服装图片文件的存储。最后基于Django网页开发框架实现用户交互、算法模块管理以及服装颜色推荐等功能。本文所设计的基于肤色识别的服装颜色推荐系统可以为用户提供客观肤色识别结果,并在此基础上给予专业服装颜色建议。