夏 明，宋 婧，姜朝陽，馬延彬

(1. 東華大學(xué) 服裝與藝術(shù)設(shè)計學(xué)院，上海 200051； 2. 同濟大學(xué) 上海國際設(shè)計創(chuàng)新研究院，上海 200092； 3. 東華大學(xué) 現(xiàn)代服裝設(shè)計與技術(shù)教育部重點實驗室，上海 200051)

服裝款式識別應(yīng)用廣泛，對整個服裝行業(yè)有很大影響。服裝廓形體現(xiàn)結(jié)構(gòu)設(shè)計和風(fēng)格，影響和制約款式結(jié)構(gòu)的設(shè)計[1-2]。倪文楊提出廓形、面料、色彩及款式四要素作為連衣裙構(gòu)成要素[3]。肩部、腰部、臀部及下擺部位的寬度和放松量是影響服裝廓形的主要因素，省道和分割線等細(xì)節(jié)設(shè)計也會產(chǎn)生部分影響[4]。Hou等提出采用形狀不變矩和傅里葉描述子共同提取服裝輪廓，使用直方圖形式對服裝款式匹配計算，實現(xiàn)服裝檢索[5]。

陶晨等利用Ada Boost算法檢測到圖像中的人臉后[6]，將著裝人體分割為六大區(qū)段，利用區(qū)段寬度和長度數(shù)據(jù)建立輪廓的形態(tài)比公式，將廓形量化，從而實現(xiàn)款式的識別[7]。陳嬡嬡等提出對服裝關(guān)鍵點定位，利用暗含的圖形關(guān)系提取深度卷積特征來進(jìn)行相似性度量[8]。屠青青提出關(guān)鍵點的款式識別，外部輪廓和內(nèi)部結(jié)構(gòu)共同描述款式，用于服裝風(fēng)格的識別[9]。

目前在款式檢索上應(yīng)用的以圖搜圖檢索技術(shù)，主要以圖像提取的色彩、紋理、輪廓等特征綜合進(jìn)行相似度計算。檢索結(jié)果以色彩和輪廓相似為主，色彩和輪廓的提取和圖像內(nèi)容相關(guān)，并不限于服裝本身，易受背景的影響，主要應(yīng)用于消費者或設(shè)計師使用場景。本文主要考慮服裝款式的結(jié)構(gòu)特征，以連衣裙款式關(guān)鍵點輪廓為基礎(chǔ)，通過對輪廓的不同描述和相似性度量計算，比較了不同算法的款式識別精確度和準(zhǔn)確度。利用相似度測評表，驗證了基于系數(shù)分配的歐氏距離優(yōu)化算法的可行性。本文研究可應(yīng)用于服裝結(jié)構(gòu)相似款式的快速檢索。

1 連衣裙輪廓的提取

1.1 連衣裙輪廓要素分析

1.1.1 廓形與結(jié)構(gòu)設(shè)計

服裝廓形必須符合人體的基本結(jié)構(gòu)，因此服裝輪廓一定受到人體基本關(guān)鍵點的限制。連衣裙輪廓最常見的為S形、X形、H形、A形，如圖1所示。S形凸顯人體曲線，與人體弧線趨勢保持基本一致；X形樣板設(shè)計在S基礎(chǔ)上增加下擺量；H形的特點是隱藏人體曲線，胸圍線以上保持合體，塑造服裝寬松效果；A形與H形在胸圍線以上相同，但是下擺量放大，無收腰設(shè)計。

圖1 連衣裙廓形與結(jié)構(gòu)設(shè)計Fig.1 Dress silhouette and structure design. (a) Silhouette of S; (b) Silhouette of X; (c) Silhouette of H; (d) Silhouette of A

圖2 廓形組合Fig.2 Silhouette combination

通過分析廓形的變化規(guī)律發(fā)現(xiàn)，影響廓形的部位包括肩部、胸部、腰部、臀部、膝蓋和下擺。

1.1.2 輪廓關(guān)鍵點確定

將幾種常見的基本廓形按照肩-胸、胸-腰、腰-臀、臀-膝和膝-擺5部分的不同組合，如圖2所示。

分析歸納后發(fā)現(xiàn)膝蓋處的變化規(guī)律不固定，而廓形的變化又在臀部和下擺之間，因此將膝蓋線改為中擺線，中擺線一般為臀圍線與下擺線的中間位置，但對于魚尾裙類似的廓形，中擺線位置調(diào)整為臀圍與下擺之間突出變化的位置。如圖2所示，胸圍線對廊形的影響并不明顯，因此決定剔除胸圍線，減少2個特征點的提取，不僅降低了特征點的提取量，而且降低了因提取不準(zhǔn)確導(dǎo)致的誤差。影響廓形的主要部位的具體位置包括肩部、腰部、臀部、中擺、下擺5處對應(yīng)的10個關(guān)鍵點。

1.2 輪廓提取方案設(shè)計

1.2.1 連衣裙樣本的確定

由于國際品牌的模特身材在較小的范圍內(nèi)變化，而且款式結(jié)構(gòu)更加規(guī)范，因此選定包括DIOR、CHANEL、BURBERRY等國際品牌的連衣裙樣本。由于本實驗?zāi)康氖墙⑦B衣裙款式結(jié)構(gòu)與輪廓之間的關(guān)系，因此在輪廓提取和對比時，領(lǐng)型、袖型、色彩、面料等因素暫時不予考慮。為避免模特身材、動作姿態(tài)等其他因素對連衣裙輪廓的影響，剔除部分造型夸張、模特姿態(tài)不端正、面料特征突出的連衣裙圖片。

1.2.2 輪廓提取方法

本文實驗分為人工分類、計算機語言程序編輯、輪廓提取3個步驟。實驗方案如下。

1)人工分類。對所選樣本按照A形、S形、X形、H形、T形、O形六大廓形進(jìn)行人工分類。其中T形和O形的占比僅為4.2%，且此類造型與面料的關(guān)系較大，因此后續(xù)的研究僅針對A形、S形、X形、H形4種廓形，共114款連衣裙。將所有樣本按照“廓形類別”-“數(shù)字”的規(guī)則進(jìn)行命名，以便后續(xù)研究的進(jìn)行。

2)計算機語言程序編輯。用計算機語言程序編輯得到輪廓提取的程序，可實現(xiàn)導(dǎo)入圖片、放大和縮小、增加和刪除點，可以記錄所有點的順序并記錄坐標(biāo)。該程序?qū)⑻崛〉妮喞４鏋镃ONTOUR文件、TAGGING文件、TXT文件，其中CONTOUR 文件是選取的點組成的輪廓圖形，TXT文件為輪廓點的坐標(biāo)。

3)輪廓提取。通過增加或刪除點的操作確定所用的10個點，即肩線、腰圍線、臀圍線、中擺線、下擺線5個圍度線。規(guī)定所有的樣本都從右肩點—右腰點—右臀點—右中擺點—右下擺點—左下擺點—左中擺點—左臀點—左腰點—左肩點的順時針方向取點，記為1～10，實現(xiàn)連衣裙輪廓的提取。

為使輪廓提取統(tǒng)一標(biāo)準(zhǔn)，應(yīng)遵守以下規(guī)則：1)抹胸等肩胸部有造型的連衣裙，肩線的2點應(yīng)定位在正常肩點；2)魚尾裙等有裙擺造型的連衣裙，將中擺線2點設(shè)置在裙擺開始變化的轉(zhuǎn)折點位置；3)模特的身體比例在小范圍內(nèi)穩(wěn)定，臀圍線的位置按人體比例確定；4)腰線的2點依據(jù)實際服裝的腰線位置確定。

1.2.3 輪廓描述子提取

結(jié)合相關(guān)文獻(xiàn)，提取肩寬Ws、腰寬Ww、臀寬Wh、中擺寬Wz、下擺寬Wx、肩腰距離L1、腰臀距離L2、臀擺距離L3以及腰線、中擺線、下擺線與連衣裙外輪廓線的夾角Pw、Pz、Px的余弦值共11組數(shù)據(jù)作為連衣裙形狀的描述子，如圖3所示。

圖3 輪廓描述方式圖解Fig.3 Contour description mode diagram

2 連衣裙輪廓匹配計算

2.1 輪廓相似度測評表

為方便計算方法的對比和優(yōu)化，需要相對權(quán)威準(zhǔn)確的廓形相似度測評表，針對服裝工程背景人員對樣本廓形相似度做出判斷，忽略袖型、領(lǐng)型等其他因素的影響。相似度選項設(shè)置為不相似、稍微相似、相似、非常相似與相同5個程度，后臺分別對應(yīng)計分0、0.25、0.5、0.75、1，得到8份有效問卷。將得到的問卷整理后得出人工相似度測評表，以便后續(xù)應(yīng)用。研究發(fā)現(xiàn)，對于所屬同類廓形間的相似度評分高，樣本相似度最高的基本為同類廓形。結(jié)合服裝結(jié)構(gòu)知識，同類廓形的服裝其結(jié)構(gòu)版型更具有相似性，當(dāng)不同廓形的相似度結(jié)果非常接近時，可優(yōu)先考慮同類廓形。

2.2 傳統(tǒng)歐式距離計算

采用上述提取的11組數(shù)據(jù)作為輪廓描述子，利用傳統(tǒng)歐式距離方法計算形狀間距離。描述子通常是用向量或矩陣表示，因此就是計算向量間的距離，常用的有歐氏距離(Euclidean distance)，計算公式為

式中：ai、bi分別代表輪廓a和輪廓b的輪廓描述子；n為描述子個數(shù)；D為2個輪廓之間的歐式距離，D越小，輪廓相似度越高。將輪廓描述子歸一化后進(jìn)行計算，使計算的歐式距離標(biāo)準(zhǔn)化在[0，1]區(qū)間，數(shù)值為0時，表示2個連衣裙完全相同。將結(jié)果與1相減，即得到了連衣裙形狀的相似度：

S=1-D

利用傳統(tǒng)歐式距離得到的連衣裙形狀相似度結(jié)果與廓形相似度測評表做簡單對比發(fā)現(xiàn)，歐式距離對應(yīng)的相似度數(shù)值較大且分散，不能有效地篩選出相似的連衣裙款式。

2.3 基于系數(shù)分配的歐式距離

傳統(tǒng)歐式距離的計算方法將所有描述指標(biāo)按照同一貢獻(xiàn)程度進(jìn)行計算，但是不同指標(biāo)的影響程度不同，基于此提出將11組描述子分為寬度、高度和角度余弦值3個方面。利用傳統(tǒng)歐式距離分別對3個方面的值進(jìn)行計算，并轉(zhuǎn)換為相似度。將e1、e2、e33個系數(shù)分別賦予3個方面的相似度，使之相加得到的相似度與人工測評得到的廓形相似度測評表相等，因此e1、e2、e33個系數(shù)應(yīng)該滿足以下表達(dá)式：

式中：Sc、Sh、Sw分別代表角度余弦值、高度、寬度3個方面的相似度；Sn代表廓形相似度測評表中的相似度，Sc、Sh、Sw、Sn均為114×114的對稱矩陣。通過解超定方程組，得到唯一的最小二乘解：e1=0.902 9、e2=0.269 6、e3=-0.588 4。將所得到的3個系數(shù)反推計算，得到新的114×114的矩陣Y，對角線均為0.584 1，將矩陣Y中的元素均除以0.584 1，對角線的值轉(zhuǎn)換為1，同時保持矩陣元素的比例大小。將此表作為基于系數(shù)分配的歐式距離的相似度結(jié)果，與其他方法作對比。此外，根據(jù)系數(shù)絕對值的大小，在輪廓特征描述子中按照相似度影響程度大小排序為：角度余弦值、寬度、高度。

2.4 形狀上下文匹配

形狀上下文(SC)用一定的樣本點集合描述物體的外部形狀，是Belongie從統(tǒng)計學(xué)角度出發(fā)，根據(jù)目標(biāo)輪廓點建立的形狀描述子[10]。形狀上下文描述方法和原理如下。

1)構(gòu)建極坐標(biāo)空間。在極坐標(biāo)空間下，點之間的方向與距離可更直觀地表示。將極坐標(biāo)空間按照極半徑和角度方向劃分為M份和N份，即劃分為M×N個區(qū)間，將所有點的二維坐標(biāo)轉(zhuǎn)換為極坐標(biāo)；

2)將每個輪廓點Pi分別作為原點，統(tǒng)計其余輪廓點相對于點Pi在各區(qū)間的分布個數(shù)，得到該點的形狀上下文直方圖；

3)每個樣本由n個點組成，可得到n個M×N的直方圖矩陣，即得到該樣本的形狀上下文描述子。

圖4示出輪廓點間的相對關(guān)系?？紤]到計算速度等，本文實驗取M=6，N=8，建立6×8的對數(shù)極坐標(biāo)空間。將款式輪廓數(shù)據(jù)均勻采樣為100個坐標(biāo)點，每款服裝對應(yīng)100個6×8的直方圖矩陣，得到款式輪廓的形狀上下文描述子。計算某款式形狀上下文描述子與其他輪廓描述子之間的距離，就可獲得匹配代價。

圖4 輪廓某點與其他點相對關(guān)系Fig.4 Relative relation of some point to rest of contour. (a) Any point in contour; (b) Any two points in contour; (c) Relative relationship

形狀上下文匹配的具體過程如下。

1)應(yīng)用匈牙利算法將輸入款式A的輪廓點集與輪廓庫中的款式B的輪廓點集進(jìn)行匹配計算，得到輪廓點集的匹配關(guān)系與匹配代價Cs值；

2)將輸入款式A的輪廓點集與輪廓庫中所有款式樣本輪廓點集進(jìn)行匹配計算，得到與所有款式輪廓的匹配代價Cs值，取匹配代價最小的款式作為與款式A最匹配的款式。

根據(jù)上述步驟即可實現(xiàn)基于服裝輪廓匹配的款式的識別。圖5是以樣本S-24與樣本S-60的輪廓匹配為例的示意圖。

圖5 輪廓匹配示意圖Fig.5 Contour matching diagram. (a) Histogram of point a; (b) Histogram of point b; (c) Histogram of point c; (d) Diagram of matching S-24 and S-60

3 輪廓匹配結(jié)果對比

3.1 準(zhǔn)確度和精確度計算

在本文實驗的相似度計算中，并沒有明確的值域表明某2個圖像不相似。為體現(xiàn)數(shù)據(jù)匹配的全面度，對匹配結(jié)果進(jìn)行評價時，規(guī)定：按照相似度在前n位的樣本序號與相似度測評表的樣本序號的重合個數(shù)評價，匹配效果的評價指標(biāo)的計算方法具體步驟如下。

1)分別將傳統(tǒng)歐式距離、基于系數(shù)分配的歐式距離和形狀上下文匹配3種方法計算得出的每個樣本的相似度結(jié)果排序，提取在前n位和前m位的樣本序號。

2)采用同樣的方法將廓形相似度測評表中每個樣本相似度排序在前n位和前m位的樣本序號提取出來。

3)分別統(tǒng)計3種方法的匹配結(jié)果排序在前n位的樣本序號與相似度測評表中前n位的樣本序號的重合個數(shù)。然后將每個樣本的重合個數(shù)除以n作為該方法匹配結(jié)果的準(zhǔn)確度。

4)分別統(tǒng)計3種方法的匹配結(jié)果排序在前m位的樣本序號與相似度測評表中前m位的樣本序號的重合個數(shù)。然后將每個樣本的重合個數(shù)除以m作為該方法匹配結(jié)果的精確度。

對匹配的相似結(jié)果觀察后發(fā)現(xiàn)，相似度排在前10的款式相似度具有說服性，排名越靠后，相似度越低，排名第1的均為樣本自身，因此n取11；相似度排在前4位的款式非常相似，因此m取4，分別計算3種算法的準(zhǔn)確度和精確度。傳統(tǒng)歐式距離、基于系數(shù)分配的歐式距離和形狀上下文匹配3種方法的準(zhǔn)確度分別為38.91%、45.36%、82.91%；精確度分別為40.13%、40.57%、77%。

3.2 實驗結(jié)果分析

3.2.1 3種算法結(jié)果對比

3種算法所有測試樣本的準(zhǔn)確度和精確度曲線如圖6所示，表明形狀上下文算法的匹配效果最佳，使用形狀上下文匹配算法的整體準(zhǔn)確度和精確度分別為82.91%、77%，比使用基于系數(shù)分配的歐式距離算法分別高出37.55%、36.43%。

圖6 3種算法結(jié)果對比圖Fig.6 Comparison of results of three algorithms. (a) Accuracy; (b) Precision

3.2.2 歐式距離結(jié)果對比

基于系數(shù)分配的歐式距離匹配效果與形狀上下文算法相比不夠理想，準(zhǔn)確度和精確度分別為45.36%和40.57%，但與傳統(tǒng)歐式距離的匹配效果相比，準(zhǔn)確度和精確度分別提高了6.45%和0.44%。

4 結(jié) 論

通過對連衣裙輪廓關(guān)鍵點的提取和匹配計算的研究，得到以下結(jié)論。

1)形狀上下文的匹配效果最佳，準(zhǔn)確度和精確度分別達(dá)到82.91%、77%，可作為輪廓相似性度量算法。

2)基于系數(shù)分配的歐式距離優(yōu)化方法的準(zhǔn)確度和精確度比傳統(tǒng)歐式距離方法分別提高了6.45%和0.44%，驗證了本文優(yōu)化方法的可行性。

3)在輪廓特征描述子中按照相似度影響程度大小排序為：角度余弦值、寬度、高度。