宋仙麗 夏建磊

DOI：10.19850/j.cnki.2096-4706.2021.08.027

摘? 要：圖像匹配是人體測量系統(tǒng)實現(xiàn)圍度測量的關(guān)鍵。圖像匹配的基礎(chǔ)和前提是圍度標記點的精準識別，標記點的識別效果受顏色、形狀等因素的影響。在圖像匹配過程中，可以通過提高彩色標記點的識別效率來提高圖像匹配準確性。文章設(shè)計多種不同顏色和不同形狀的標記點，利用基于HSV模型的顏色空間聚類算法對標記點進行各顏色的分類和坐標的聚類。經(jīng)實驗驗證，設(shè)計的黃品青圓形的標記點類型的識別效果較好。

關(guān)鍵詞：標記點識別;顏色空間聚類算法;HSV模型;圖像匹配

中圖分類號：TP391.4? ? 文獻標識碼：A? ? 文章編號：2096-4706（2021）08-0095-05

Optimization Design of Girth Marker Point Based on Color Space Clustering Algorithm

SONG Xianli，XIA Jianlei

（School of Electronic and Information，Zhongyuan University of Technology，Zhengzhou? 450007，China）

Abstract：Image matching is the key for human body measurement system to realize girth measurement. The basis and premise of image matching is the accurate identification of girth marker point. The identification effect of marker point is affected by color，shape and other factors. In the process of image matching，the accuracy of image matching can be improved by improving the identification efficiency of color marker point. In this paper，a variety of marker points with different colors and shapes are designed，and the color space clustering algorithm based on HSV model is used to carry out color classification and coordinate clustering on the marker points. It is verified by experiment that the recognition effect of the designed yellow-magenta-cyan circle mark point type is better.

Keywords：marker point identification;color space clustering algorithm;HSV model;image matching

0? 引? 言

隨著數(shù)字技術(shù)的出現(xiàn)，個性化服裝定制已成為當代消費者新的追求^[1]，而服裝設(shè)計也正朝著數(shù)字化、智能化的方向快速發(fā)展^[2]。準確的人體尺寸是服裝定制的先決條件^[3]。人體測量技術(shù)從開始的人工接觸式測量發(fā)展到現(xiàn)在的非接觸式測量^[4]。非接觸式測量又分為主動式和被動式兩種。主動式設(shè)備往往價格昂貴、體型龐大且有輻射^[5]。被動式測量利用普通相機采集人體彩色圖像，之后對人體圖像進行一系列圖像處理，獲得被測者的尺寸信息?；诙嘁朁c立體圖像的人體圍度測量系統(tǒng)^[6]在測量圍度時，其定制的緊身衣測量部位鑲嵌著一些循環(huán)使用的彩色標記點，圖像匹配是該系統(tǒng)實現(xiàn)圍度測量的關(guān)鍵。圖像匹配的基礎(chǔ)和前提是標記點的精準識別^[7]，標記點的識別效果又受顏色、形狀等因素的影響。為了提高標記點的識別效率，需要對標記點的顏色、形狀進行優(yōu)化。

1? 標記點設(shè)計

在標記點顏色優(yōu)化設(shè)計中，先固定標記點的形狀、大小、間距等其他干擾因素，通過實驗挑選出識別效果較好的標記點顏色組合。常用的顏色空間有RGB模型、YCbCr模型、HSV模型等。而最常用于顏色識別的是HSV模型，它由三個參數(shù)構(gòu)成：色度（H）、飽和度（S）、亮度（V）。對彩色標記點進行匹配時，標記點的顏色差異越大，標記點越容易被識別和匹配。在HSV顏色空間中，各類顏色的差異越大，對應(yīng)的色調(diào)（H）值范圍差別則越大，而所占的顏色空間分散程度也越大。顏料三基色黃色、品紅色、青色（黃品青）及光學三原色紅色、綠色、藍色（紅綠藍）兩種顏色組合對應(yīng)的HSV范圍如表1所示，在HSV空間中的散點圖如圖1所示。在HSV空間中，黃品青與紅綠藍兩種顏色組合的分散程度較大，由此本文選用了黃品青與紅綠藍來做標記點的顏色優(yōu)化實驗。

同理在標記點形狀優(yōu)化設(shè)計中，先固定標記點的顏色、大小、間距等其他干擾因素，然后對設(shè)計的圓形、方形、雪花形等形狀進行實驗驗證，挑選出識別效果較好的標記點形狀。

在制作標記點時，首先利用HSV顏色空間與YCbCr顏色空間的轉(zhuǎn)換關(guān)系，將挑選的顏色的對應(yīng)參數(shù)在YCbCr顏色空間里進行轉(zhuǎn)換再打印，以減小彩色打印時標記點顏色本身帶來的誤差。

2? 圖像采集

為了排除人體擺動、呼吸等對實驗結(jié)果造成影響，標記點優(yōu)化實驗的實驗目標設(shè)為一個規(guī)則的圓桶。本文使用兩個POINT GREY GS3-U3-28S4C-C型號的工業(yè)攝像頭搭建雙目立體視覺系統(tǒng)，如圖2所示。

相機拍攝距離為80 cm。使用低畸變百萬像素鏡頭，SONY ICX687傳感器，焦距6 mm，有效像素為1 928×1 448，總像素2.8 million pixel。同時還配置Intel（R） Core（TM） i7-10750H型號的中央處理器（CPU）、16 GB內(nèi)存和NVIDIA GeForce RTX 2060型號獨立顯卡的筆記本電腦。電腦通過使用兩個USB接口對雙目相機進行控制、采集及存儲鑲嵌著標記點的圓桶圖像。

3? 實驗與分析

3.1? 標記點顏色優(yōu)化

圖3是圓形黃品青標記點的實驗素材示例。

標記點的形狀設(shè)為圓形，直徑為5 mm，間距為1 cm。黃品青與紅綠藍兩種顏色組合的三個不同顏色的標記點分別依次排列，循環(huán)九次，一共有27個標記點。利用Photoshop軟件提取到鑲嵌著圓形黃品青與圓形紅綠藍標記點的左、右視圖的感興趣區(qū)域。

利用基于HSV模型的顏色空間聚類算法^[8]，在HSV顏色空間內(nèi)對鑲嵌著圓形黃品青標記點的左、右視圖的感興趣區(qū)域進行各顏色的分類和標記點的聚類。首先根據(jù)表1，將分割圖像中的標記點分為Y、M、C三種不同的顏色類別，分割圖像中的像素構(gòu)成一個數(shù)據(jù)集Z={z₁，z₂，…，z_i}，i=1，2，…，n，n=1 928×1 448。分割圖像由RGB顏色空間轉(zhuǎn)換為HSV顏色空間。假如V_i大于46則根據(jù)其色度值H_i分量對像素進行分類，并向該像素添加表示顏色類別的第四分量Ai;假如亮度值V_i大于46且11i

4? 結(jié)? 論

為了提高標記點的識別效果，本文設(shè)計了幾種不同顏色和不同形狀的彩色標記點。利用基于HSV模型的顏色空間聚類算法，對各種彩色標記點進行識別驗證，實驗證明了黃品青圓形標記點的識別效果較好。在圖像匹配過程中，通過提高標記點的識別效率，可以獲得準確的匹配點對位置信息，提高圖像匹配準確性，進而減小在非接觸人體測量中的人體尺寸測量誤差。

參考文獻：

[1] ZHANG J，LIU K，DONG M，et al. An intelligent garment recommendation system based on fuzzy techniques [J].The Journal of The Textile Institute，2020，111（9），1324-1330.

[2] SU G，HU X R，PENG T，et al. Research and Comparison of Smoothing Algorithms for Geometric Solid Figures [C]//2017 2nd International Conference on Communications，I.nformation Management and Network Security （CIMNS2017）.Beijing：DEStech Publications，2017：6.

[3] 賈俊瑛.基于圖像的人體尺寸測量方法研究 [D].上海：上海師范大學，2020.

[4] 尹汪.基于圖像的人體尺寸獲取 [D].武漢：武漢紡織大學，2018.

[5] WEISS A，HIRSHBERG D，BLACK M J. Home 3D body scans from noisy image and range data [C]//2011 IEEE International Conference on Computer Vision （ICCV 2011）.Barcelona：IEEE，2011：1951-1958.

[6] YANG L，HUANG Q，SONG X，et al. Girth Measurement Based on Multi-View Stereo Images for Garment Design [J].IEEE Access，2020，8：160338-160354.

[7] 馬永立.基于標記點的圖像點匹配方法研究 [D].西安：西安科技大學，2011.

[8] 黃倩倩.面向服裝設(shè)計的多視點人體參數(shù)測量 [D].鄭州：中原工學院，2020.

作者簡介：宋仙麗（1993—），女，漢族，河南周口人，碩士研究生在讀，研究方向：圖像處理、計算機視覺;夏建磊（1984—），男，漢族，河南漯河人，講師，碩士，研究方向：計算機視覺。

收稿日期：2021-03-09

基金項目：河南省高校重點科研項目（19A51 0005、21A510016、21A520052）;校內(nèi)重大項目成果培育計劃（K2020ZDPY02）