技术摘要：
本发明公开了一种基于机器视觉的织物尺寸测量分布式系统及方法。所述系统包括：用于存储和训练织物测量模型的主服务器、以及一个或多个用于利用织物测量模型进行各类型织物测量的终端。所述方法包括以下步骤：(1)获取状态、以及成像条件下待测织物的图像；(2)进行灰度  全部
背景技术：
随着自动化时代的蓬勃兴起，在服装行业，高效率、高精度、低成本的服装尺寸自 动测量已经代替了传统的低效率、容易受人的疲劳所影响的人工的衣服尺寸测量。特别是 在机器视觉的推动下，各种优化算法如基于Fosrtner算法和SIFT技术的角点检测，如《机器 视觉在服装尺寸自动测量中的应用》、《基于机器视觉的服装尺寸在线测量系统》等，这些技 术都很好的能够测量衣服的尺寸，并且也已经得到了实现。 虽然现在所存在的基于机器视觉的衣物尺寸测量技术已经解决传统的人工衣物 尺寸测量所存在的问题并大部分替代了传统的人工衣物尺寸测量，给相关企业带来了高效 率、高收益。然而现有的织物测量方法，是仅仅通过机器视觉图像处理技术，根据特定的织 物类型而进行的图像到数据的提取，对于每一类型的织物需要调整算法测量尺寸。即使采 用自动识别算法获得织物类别，然而由于智能识别需要大量的先验数据来保证准确性，在 某一服装工厂进行自动的类型识别从而实现自动的衣物尺寸测量往往由于没有足够的训 练数据而达不到实际使用的分类精度要求，导致准确率过低，往往需要人工干预，消耗大量 人力成本，测量效率依然无法提高。 另外由于尺寸分析算法是静态的，因此对于同一类型的织物测量精度仅与图像质 量和测量算法相关，而不能自动学习不断提高测量精度。
技术实现要素：
针对现有技术的以上缺陷或改进需求，本发明提供了一种基于机器视觉的织物尺 寸测量分布式系统及方法，其目的在于通过分布式的系统，从大量的终端中收集训练数据， 用于织物类别分类，从而实现不同类别织物采用统一终端的自动测量、并进行尺码分类，由 此解决现有服装尺寸自动测量方法以织物类别为前提，而织物自动分类训练数据难以收集 导致的精度不高，难以实际应用因此自动测量方法受限于人工织物分类的技术问题。 为实现上述目的，按照本发明的一个方面，提供了一种基于机器视觉的织物尺寸 测量分布式系统，包括：用于存储和训练织物测量模型的主服务器、以及一个或多个用于利 用织物测量模型进行各类型织物测量的终端； 所述主服务器，用于接收并存储终端收集的织物测量训练数据、以及用于存储并 向终端提供经训练的织物测量模型，所述织物测量训练数据用于训练所述织物测量模型； 所述终端，用于采集待测量织物图像，并向所述主服务器请求最新的织物测量模 型，进而根据所述织物测量模型获得所述待测量织物的类别、尺码及尺寸数据，还用于收集 并向所述主服务器提供织物测量训练数据。 优选地，所述基于机器视觉的织物尺寸测量分布式系统，当其具有多个终端时，所 4 CN 111595237 A 说　明　书 2/8 页 述多个终端独立的进行织物测量，并测量获得的不同类别的织物数据，反馈汇总到所述主 服务器进行模型训练。 优选地，所述基于机器视觉的织物尺寸测量分布式系统，其所述织物测量训练数 据，包括图像的HOG特征值，图像的HOG特征值对应的织物类别、各类别织物的尺寸数据、以 及具有不同尺寸数据的各类别织物的标签。 所述织物测量模型，包括织物分类器和标签分类器；所述织物分类器，用于根据图 像的HOG特征值确定图像中织物的类别；对应每一中织物类别，具有一种标签分类器，用于 针对该织物类别的织物根据其尺寸数据获得该织物的标签。 优选地，所述基于机器视觉的织物尺寸测量分布式系统，其所述终端包括图像获 取模块、图像预处理模块、HOG特征提取模块、尺寸分析模块、以及测量结果模块；所述图像 获取模块，用于获取特定成像条件下的织物图像，包括测量区、摄像头，所述待测量的织物 平铺于处于摄像头正下方的测量区；所述图像预处理模块，对获取的待测织物图像进行灰 度化、降噪、边缘检测的处理，传递给所述HOG特征提取模块；所述HOG特征提取模块，用于提 取图像HOG特征，并向所述主服务器请求织物分类器进行织物分类，还用于将提取的图像 HOG特征以及相应织物分类结果反馈给所述主服务器、以及将织物分类结果提交给测量结 果模块；所述尺寸分析模块用于根据服装尺寸自动测量方法测量该类别的服装的尺寸数 据，并向所述主服务器请求标签分类器进行标签分类，还用于将测量的服装的尺寸数据、以 及相应标签分类结果反馈给所述主服务器和测量结果模块；所述测量结果模块用于获取、 存储并展示所述待测量织物的类别、标签以及尺寸数据。 按照本发明的另一个方面，提供了一种基于机器视觉的织物尺寸测量方法，包括 以下步骤： (1)获取状态、以及成像条件下待测织物的图像； (2)对于步骤(1)中获得的待测织物的图像进行灰度化、降噪处理、以及边缘检测， 获得处理后的织物图像； (3)对于步骤(2)中获取的处理后的织物图像，提取HOG特征并采用织物分类器对 HOG特征进行分类获得织物类别； (4)根据步骤(3)中获得的织物类别以及步骤(2)中获得的处理后的织物图像，采 用相应服装尺寸自动测量方法，获得待测织物的尺寸数据，并采用标签分类器进行分类获 得所述织物的标签； (5)将步骤(3)获得的HOG特征、及相应织物类别追加到织物分类器训练数据集中， 并重新训练织物分类器获得迭代更新后的织物分类器；将步骤(4)获得的尺寸数据、及相应 标签追加到该织物类别的标签分类器训练数据集中，并重新训练获得迭代更新后的标签分 类器。 优选地，所述基于机器视觉的织物尺寸测量方法，其步骤(3)所述提取HOG特征具 体为：对于处理后的织物图像，采用滑动窗沿梯度方向滑动，按照上下左右的顺序依次获得 滑动窗口内的四个单元内的像素值大小，得到滑动窗口的梯度直方图，采用指标函数获得 HOG特征值。 优选地，所述基于机器视觉的织物尺寸测量方法，其步骤(3)所述织物分类器，采 用支持向量机分类器，输入为图像HOG特征，输出织物类别，初始模型为人工标定数据训练 5 CN 111595237 A 说　明　书 3/8 页 获得，更新训练的数据来源于终端进行织物测量时收集的数据，优选高斯内核，利用SVM多 分类方法，即一对多进行训练，训练样本和测试样本采用自助法，直到找到最优超平面停止 训练。 优选地，所述基于机器视觉的织物尺寸测量方法，其步骤(4)所述标签分类器采用 BP神经网络分类器，其具输入层、3层隐藏层和输出层，所述输入层，为该类别织物的尺寸数 据，输入层节点个数与所述尺寸数据的数目相匹配，3层隐含层的节点个数略少于输入层节 点个数，隐含层激活函数采用Relu函数，输出层节点个数为该类型织物标签的数目，输出层 激活函数采用Sigmoid。输入数据为待测织物的尺寸数据，输出数据为织物标签，采用随机 梯度下降策略进行监督学习；所述标签分类器优选采用定期更新策略进行更新，其训练数 据优选从收集的织物测量训练数据中随机抽取足量的数据作为训练数据采用自主迭代法 训练直至损失函数达到最优。。 按照本发明的另一个方面，提供了一种应用于本发明提供的基于机器视觉的织物 尺寸测量分布式系统的主服务器，其用于接收并存储终端收集的织物测量训练数据、以及 用于存储并向终端提供经训练的织物测量模型，所述织物测量训练数据用于训练所述织物 测量模型。 按照本发明的另一个方面，提供了一种应用于本发明提供的基于机器视觉的织物 尺寸测量分布式系统的终端，其用于采集待测量织物图像，并向所述主服务器请求最新的 织物测量模型，进而根据所述织物测量模型获得所述待测量织物的类别、尺码及尺寸数据， 还用于收集并向所述主服务器提供织物测量训练数据。 总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有 益效果： 本发明提供的基于机器视觉的织物尺寸测量分布式系统，由于主服务器进行训练 数据的收集和织物分类模型的训练，因此具有服装测量需求的单位，例如服装厂只需要安 装测量终端，即可实现自动化的测量，无需单独重新收集和训练织物分类模型，实现了数据 共享。用户不需要根据织物类型手动干预测量方法，大幅降低了人力消耗。提高测量效率。 尤其适用于旧衣回收等，衣物类型复杂、需要频繁切换测量算法的织物自动化测量。 优选方案，增加标签识别器，从而迅速获得织物大小码数的标签信息，呈现形式更 优，提高了客户体验。 优选方案，由于主服务器存储的测量织物测量训练数据不断收集，织物测量模型 的精度不断提高，分布式的终端，无需额外的消耗即能同步提高测量精度。 附图说明 图1是本发明提供的基于机器视觉的织物尺寸测量分布式系统结构示意图； 图2是本发明提取HOG特征的示意图； 图3是本发明提供的基于机器视觉的织物尺寸测量方法流程示意图。 图4是本发明织物分类器训练示意图； 图5是本发明标签分类器训练示意图； 图6是本发明实施例1测量区的测量系统结构示意图。 6 CN 111595237 A 说　明　书 4/8 页