基于機(jī)器視覺(jué)的服裝樣片輪廓特征數(shù)據(jù)采集系統(tǒng)

高 鵬，王永強(qiáng)，周聰玲，王中帥

(天津科技大學(xué)機(jī)械工程學(xué)院，天津 300222)

服裝紙樣是裁剪的重要依據(jù)，也是服裝各組成部分最具體的二維展現(xiàn)，同時(shí)也關(guān)乎服裝成品的版型尺寸.服裝的計(jì)算機(jī)輔助設(shè)計(jì)、制造越來(lái)越受到人們的關(guān)注[1]，其中服裝二維樣片的矢量化錄入是關(guān)鍵技術(shù)之一[2].矢量化過(guò)程可將服裝二維樣片特征數(shù)據(jù)進(jìn)行數(shù)字化錄入并最終生成 CAD文件，后期通過(guò)修改、編輯等操作達(dá)到再設(shè)計(jì)的目的.

目前行業(yè)內(nèi)的服裝樣片矢量化錄入大多采用數(shù)字化儀人工錄入的方式，其效率及精度受人為因素影響很大[3].本文研發(fā)的基于機(jī)器視覺(jué)的非接觸矢量化錄入系統(tǒng)使得上述問(wèn)題得到解決.該系統(tǒng)只需獲取二維服裝樣片的圖像，自動(dòng)處理形成服裝 CAD所需的矢量化文件，并且能夠自動(dòng)分類(lèi)識(shí)別，為服裝行業(yè)大數(shù)據(jù)提供服務(wù).

1 系統(tǒng)構(gòu)成及功能

系統(tǒng)包括圖像獲取、預(yù)處理、標(biāo)定、矢量化、數(shù)據(jù)類(lèi)型轉(zhuǎn)換及形狀特征識(shí)別分類(lèi)等模塊，可滿(mǎn)足服裝CAD軟件的需求.考慮到系統(tǒng)的性?xún)r(jià)比及圖像采集的便捷性[4]，用手機(jī)相機(jī)代替工業(yè)相機(jī)作為拍攝工具.同時(shí)考慮數(shù)據(jù)傳輸?shù)谋憬菪约澳繕?biāo)樣片獲取的完整性，通過(guò)在拍攝時(shí)設(shè)置取景框可保證在視野范圍內(nèi)的布滿(mǎn)率并通過(guò)傳輸直接到處理端.系統(tǒng)通過(guò)自動(dòng)生成虛擬網(wǎng)格，利用光-像平面標(biāo)定法可滿(mǎn)足測(cè)量精度[5].在服裝樣片特征數(shù)據(jù)矢量化過(guò)程中，本文依據(jù)服裝設(shè)計(jì)的相關(guān)知識(shí)將樣片邊緣曲線(xiàn)進(jìn)行擬合逼近，同時(shí)針對(duì)復(fù)雜曲線(xiàn)使用多次迭代逼近擬合的方法，提高了擬合的重合度并將分段凸點(diǎn)進(jìn)行平滑處理提高線(xiàn)條整體光順性.在分類(lèi)識(shí)別階段，根據(jù)特征利用神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)服裝樣片進(jìn)行自動(dòng)分類(lèi)[6]，方便后期的數(shù)據(jù)分析與檢索.系統(tǒng)的工作流程如圖 1所示.硬件系統(tǒng)結(jié)構(gòu)示意圖如圖2所示.

圖1 系統(tǒng)工作流程圖Fig. 1 Work flow of the system

圖2 硬件系統(tǒng)結(jié)構(gòu)示意圖Fig. 2 Structure diagram of the hardware system

硬件系統(tǒng)包括支架、標(biāo)定板、調(diào)節(jié)裝置等.調(diào)節(jié)裝置具有角度與高度調(diào)節(jié)功能，可適應(yīng)不同操作者.支架起整體支撐作用.背景標(biāo)定版選用白色半透明磁性板并將標(biāo)定網(wǎng)格噴涂其表面，配有背光光源，方便標(biāo)定過(guò)程，其背景標(biāo)定板示意圖如圖3所示.

圖3 背景標(biāo)定板示意圖Fig. 3 Background diagram of the calibration board

2 原理及方法

根據(jù)系統(tǒng)整體工作流程圖，硬件系統(tǒng)拍攝樣片圖像后，交由軟件系統(tǒng)完成處理的全過(guò)程并生成矢量化文件.

(1)圖像獲取及預(yù)處理：為獲取樣片圖像并提高系統(tǒng)經(jīng)濟(jì)性與便捷性，系統(tǒng)利用手機(jī)相機(jī)獲取樣片圖像，并通過(guò)無(wú)線(xiàn)網(wǎng)絡(luò)傳送至計(jì)算機(jī)，進(jìn)行二值化，邊緣提取及排序等操作.

(2)系統(tǒng)標(biāo)定：采用光-像平面標(biāo)定法是為了建立物像平面間對(duì)應(yīng)關(guān)系，針對(duì)大場(chǎng)景測(cè)量采用生成虛擬網(wǎng)格的方法，保證系統(tǒng)的測(cè)量精度.

(3)矢量化：為實(shí)現(xiàn)圖像邊緣輪廓的矢量化，針對(duì)邊緣曲線(xiàn)進(jìn)行角點(diǎn)檢測(cè)、線(xiàn)段分割、直曲擬合等過(guò)程，對(duì)邊緣線(xiàn)條進(jìn)行拆分?jǐn)M合.

(4)識(shí)別分類(lèi)：為減少后期樣片矢量化文件的人工分類(lèi)操作，系統(tǒng)根據(jù)不同服裝及不同部位樣片形狀的差異，提取樣片圖像中具有尺度不變性的形狀特征，通過(guò) MLP多層感知器進(jìn)行學(xué)習(xí)，達(dá)到分類(lèi)的目的.

(5)數(shù)據(jù)格式轉(zhuǎn)換：為了生成適用于服裝設(shè)計(jì)CAD軟件中的DXF文件，實(shí)現(xiàn)數(shù)據(jù)格式的轉(zhuǎn)換[7].

2.1 圖像獲取及預(yù)處理

針對(duì)獲取的圖像，利用二值化方法濾除圖像噪聲，同時(shí)實(shí)現(xiàn)目標(biāo)與背景的分割.目標(biāo)圖像邊緣曲線(xiàn)描述了樣片的輪廓特征，針對(duì)具有全封閉特征的服裝樣片邊緣進(jìn)行檢測(cè)，適合采用 8-鄰域聯(lián)通方法進(jìn)行.其原理為判斷像素間的連接關(guān)系是否滿(mǎn)足 8-鄰域的連接原則：假設(shè)圖像中當(dāng)前像素點(diǎn)為 g(x，y)，那么習(xí)慣上將距其像素距離為 1的 4個(gè)像素點(diǎn) g(x-1，y)、g(x+1，y)、g(x，y-1)、g(x，y+1)以及其對(duì)角臨近的 4 個(gè)像素點(diǎn) g(x-1，y-1)、g(x-1，y+1)，g(x+1，y-1)、g(x+1，y+1)稱(chēng)為 8-鄰域像素點(diǎn).當(dāng)前像素是否為邊緣的判斷依據(jù)在其 8-鄰域內(nèi)有部分像素點(diǎn)在目標(biāo)區(qū)域內(nèi)，也有部分像素在背景區(qū)域內(nèi)，據(jù)此可實(shí)現(xiàn)檢測(cè)邊緣.8-鄰域的連接形式如圖4所示.

圖4 8-鄰域連接形式Fig. 4 8-neighborhood connection form

2.2 系統(tǒng)標(biāo)定

通常情況下，二維光像平面的標(biāo)定只需通過(guò)尋找圖像坐標(biāo)系與世界坐標(biāo)系對(duì)應(yīng)的4個(gè)角點(diǎn)，求出變換矩陣即可實(shí)現(xiàn)，但是偏離角點(diǎn)越遠(yuǎn)的點(diǎn)測(cè)量精度越低.鑒于部分服裝樣片實(shí)際尺寸較大，為保證系統(tǒng)測(cè)量精度，本文采用虛擬網(wǎng)格標(biāo)定法，如圖5所示.

圖5 虛擬網(wǎng)格標(biāo)定法Fig. 5 Virtual grid calibration method

利用噴涂在測(cè)量區(qū)域邊界上的黑白實(shí)體方框，在其所包圍的有效測(cè)量區(qū)域內(nèi)部產(chǎn)生若干虛擬如圖 5所示細(xì)線(xiàn)網(wǎng)格，然后通過(guò)每個(gè)虛擬網(wǎng)格上的4個(gè)角點(diǎn)實(shí)現(xiàn)上述對(duì)應(yīng)關(guān)系，可求解出若干個(gè)變換矩陣.后期對(duì)于任何一個(gè)測(cè)量點(diǎn)可首先判斷其處于哪個(gè)虛擬網(wǎng)格內(nèi)，再利用該變換矩陣求取其世界坐標(biāo)，該方法可有效提高測(cè)量精度.坐標(biāo)系xoy和坐標(biāo)系x'o'y'分別為圖像坐標(biāo)系及世界坐標(biāo)系.

2.3 矢量化

矢量化主要包括角點(diǎn)檢測(cè)、邊緣分割、直曲擬合等過(guò)程.其中角點(diǎn)檢測(cè)目的是為了尋找不同線(xiàn)段間的轉(zhuǎn)折點(diǎn).Harris角點(diǎn)檢測(cè)算法是一種有效的角點(diǎn)檢測(cè)算法，其通過(guò)利用局部窗口在圖像移動(dòng)時(shí)不同的灰度值變化以確定角點(diǎn)位置.其表達(dá)式為

式中：w (x ,y)為窗口函數(shù)；g (x + u ,y + v )為平移后的圖像灰度；g (x ,y)為圖像灰度.

應(yīng)用 Harris角點(diǎn)檢測(cè)算子對(duì)樣片的邊緣輪廓圖像進(jìn)行角點(diǎn)檢測(cè)，而角點(diǎn)則是輪廓邊緣中不同線(xiàn)段間的分割點(diǎn).在獲得角點(diǎn)后，可通過(guò)角點(diǎn)對(duì)邊緣進(jìn)行分割，使其變成獨(dú)立的線(xiàn)段，而后進(jìn)行擬合建立模型.

對(duì)于直線(xiàn)其擬合模型較為簡(jiǎn)單，可用式(2)表示

式中：P1、P2為線(xiàn)段起始和終止點(diǎn)，t ∈ [ 0 , 1].

針對(duì)樣片的邊緣曲線(xiàn)，服裝 CAD系統(tǒng)中常用的曲線(xiàn)模型主要為三次 Bezier曲線(xiàn)，由于其具有可控性強(qiáng)、線(xiàn)型平滑直觀(guān)、設(shè)計(jì)修改方便的優(yōu)點(diǎn)而被普遍用于服裝CAD曲線(xiàn)的生成中.三次Bezier曲線(xiàn)控制點(diǎn)及曲線(xiàn)形式如圖6所示.

圖6 三次Bezier曲線(xiàn)Fig. 6 Cubic Bezier curve

其表達(dá)式為

式中：Q1、Q2、Q3、Q4為多邊形控制點(diǎn)，t ∈ [ 0 , 1].生成曲線(xiàn)的形狀是由控制點(diǎn) Q所決定的，而其控制點(diǎn)的獲取由其邊緣點(diǎn)求出，邊緣點(diǎn)與控制點(diǎn)的關(guān)系為

式中：P1、P2、P3、P4為曲線(xiàn)邊緣點(diǎn)，Q1、Q2、Q3、Q4為曲線(xiàn)控制點(diǎn)，t1, t2∈ [ 0 ,1].若取 P1、P2為邊緣等分點(diǎn)，則 t1＝0.33，t2＝0.67，通過(guò)已知條件求解上述方程，即可得出未知控制點(diǎn) Q2、Q3.P1、Q1和 P4、Q4分別為邊緣點(diǎn)和控制點(diǎn)的起始和終止點(diǎn)，其為重合關(guān)系.

雖然三次 Bezier曲線(xiàn)對(duì)簡(jiǎn)單的服裝曲線(xiàn)有著很好的擬合效果，但對(duì)于某些邊緣曲線(xiàn)用一條三次Bezier去整體擬合效果不佳，其重合度較低，該種邊緣曲線(xiàn)可定義為復(fù)雜邊緣曲線(xiàn).針對(duì)這一問(wèn)題，本文采用改進(jìn)的多次迭代以三次 Bezier曲線(xiàn)逼近擬合的方法[8]，將復(fù)雜曲線(xiàn)進(jìn)行二等分操作后再分段用三次Bezier曲線(xiàn)進(jìn)行擬合并判斷重合度[9]，直到結(jié)果滿(mǎn)足要求.重合度可由決定系數(shù)R2及最大誤差δ表示，其表達(dá)式為

式中：PQ為擬合曲線(xiàn)點(diǎn)；PI為圖像邊緣像素點(diǎn)；為圖像邊緣像素點(diǎn)平均值；di為擬合點(diǎn)與圖像點(diǎn)間的像素距離；ti為線(xiàn)段中的像素點(diǎn).文本中確定相關(guān)系數(shù)R2＞0.99且最大誤差δ＜2的像素距離為滿(mǎn)足重合度.

針對(duì)上述過(guò)程中所產(chǎn)生的若干等分點(diǎn)可能對(duì)線(xiàn)條整體光順造成的不良影響，后期采用邊緣濾波可以消除[9].矢量化過(guò)程流程如圖7所示.

圖7 矢量化流程Fig. 7 Vectorization process

2.4 樣片特征識(shí)別與分類(lèi)

考慮到服裝設(shè)計(jì)大數(shù)據(jù)庫(kù)的需求，這些矢量化文件需要分類(lèi)進(jìn)行保存，可通過(guò)不同樣片間的形狀特征，如矩形度、圓度、不變矩等，利用人工神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行分類(lèi).數(shù)據(jù)庫(kù)的建立主要包含樣片名稱(chēng)及其對(duì)應(yīng)DXF文件，樣片最大尺寸為600mm×900mm，后期為完善數(shù)據(jù)庫(kù)可繼續(xù)添加布料、裁片數(shù)量等信息.人工神經(jīng)網(wǎng)絡(luò)由輸入層、輸出層及若干隱層組成[10]，其模型如圖8所示.

其中輸入層和輸出層必須存在，隱藏層可根據(jù)解決問(wèn)題的復(fù)雜程度設(shè)置一層或多層.就本系統(tǒng)而言，輸入層為樣片的形狀特征：矩形度、圓度、不變矩，而輸出結(jié)果即為樣片的形狀特征通過(guò)隱層計(jì)算的分類(lèi)結(jié)果.其不同層間存在權(quán)重 w及偏置 b，層間的傳遞關(guān)系為

式中：x為輸入值；w為權(quán)重系數(shù)；b為偏置；sigmoid為激活函數(shù)；A為輸出值.

圖8 神經(jīng)網(wǎng)絡(luò)模型Fig. 8 Neural network model

神經(jīng)網(wǎng)絡(luò)要解決的最基本問(wèn)題是分類(lèi)問(wèn)題.將特征值傳入隱藏層中，通過(guò)帶有結(jié)果的數(shù)據(jù)來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)的參數(shù)(權(quán)重w及偏置b)，使得輸出值與給定的結(jié)果一致，即可用來(lái)預(yù)測(cè)新的輸入值.

而針對(duì)服裝樣片的分類(lèi)而言，對(duì)樣片的識(shí)別分類(lèi)過(guò)程可簡(jiǎn)述為

(1)輸入樣本，提取形狀特征[11].

(2)創(chuàng)建分類(lèi)器，輸入形狀特征，劃分不同類(lèi).

(3)輸入識(shí)別圖像，提取形狀特征，用訓(xùn)練結(jié)果對(duì)其分類(lèi).

形狀特征是區(qū)分不同樣片主要依據(jù)，不同部位的樣片間矩形度、圓度、不變矩等形狀特征[12]有很大差別，通過(guò)在不同樣片對(duì)這些特征的提取，并將其進(jìn)行學(xué)習(xí)分類(lèi)，可獲取在不同的拍攝環(huán)境具有平移、旋轉(zhuǎn)、縮放變換下的不變性的分類(lèi)結(jié)果，滿(mǎn)足系統(tǒng)的分類(lèi)要求.

2.5 數(shù)據(jù)格式轉(zhuǎn)換

鑒于服裝CAD軟件均將DXF格式的文件作為通用的數(shù)據(jù)接口文件，本系統(tǒng)將矢量化數(shù)據(jù)按照DXF文件的生成形式，以組碼、組值的形式生成DXF文件，滿(mǎn)足后續(xù)在服裝 CAD軟件中查看、編輯等需求.

3 實(shí)驗(yàn)驗(yàn)證

參照企業(yè)內(nèi)部生產(chǎn)制造工藝流程有關(guān)規(guī)定，本文設(shè)定尺寸的測(cè)量精度誤差在1mm范圍內(nèi).

3.1 測(cè)量精度驗(yàn)證

本系統(tǒng)設(shè)定的測(cè)量范圍：1100mm×1300mm.實(shí)驗(yàn)中將 200mm×120mm的標(biāo)準(zhǔn)矩形樣板分別放置在背景標(biāo)定板的9個(gè)不同的位置上，矩形塊尺寸由標(biāo)尺測(cè)得，具有毫米級(jí)精度，標(biāo)定塊的放置形式如圖9所示.

圖9 矩形塊位置Fig. 9 Rectangular block location

利用虛擬網(wǎng)格標(biāo)定方法得到的測(cè)量數(shù)據(jù)見(jiàn)表1.其中表格序號(hào)對(duì)應(yīng)圖 9中標(biāo)號(hào)，表中長(zhǎng)邊標(biāo)準(zhǔn)值為 200mm，寬邊標(biāo)準(zhǔn)值為 120mm.本實(shí)驗(yàn)在改變光照條件下共進(jìn)行了 5次實(shí)驗(yàn)，其結(jié)果皆在精度范圍之內(nèi).

表1 標(biāo)定實(shí)驗(yàn)獲得測(cè)量數(shù)據(jù)Tab. 1 Calibration experiment for getting measurement data

通過(guò)表 1數(shù)據(jù)可知，測(cè)量最大誤差為 0.58mm，滿(mǎn)足1mm的系統(tǒng)需求.

3.2 擬合線(xiàn)條的重合度驗(yàn)證

以“大袖膽布”樣片為例，其處理過(guò)程如圖10所示.初次擬合過(guò)程中直線(xiàn)與簡(jiǎn)單曲線(xiàn)的擬合結(jié)果皆滿(mǎn)足 R2＞0.99、δ＜2的重合度要求，但對(duì)于如圖 11所示的上端復(fù)雜曲線(xiàn)，往往需要多次迭代以提高重合度.

由圖 11可知：初次擬合后上端復(fù)雜曲線(xiàn)其 R2＝0.485，δ＝6.367，皆不滿(mǎn)足重合度；通過(guò)一次迭代后其 R2＝0.994，δ＝2.456，其 R2已滿(mǎn)足要求，但其 δ仍偏大；通過(guò)二次迭代其 R2＝0.999，δ＝1.610，已滿(mǎn)足要求，結(jié)束迭代.因此，通過(guò)迭代等分逼近操作，可有效提高擬合相關(guān)系數(shù)并減小最大誤差，上述復(fù)雜曲線(xiàn)重合度已滿(mǎn)足服裝樣片的擬合需求.圖像矢量化通過(guò)數(shù)據(jù)轉(zhuǎn)換至DXF文件，如圖12所示.

圖10 擬合實(shí)驗(yàn)Fig. 10 Fitting experiment

圖11 原圖與擬合圖對(duì)比結(jié)果Fig. 11 Comparison results of the original map and the fitted map

圖12 圖像矢量化通過(guò)數(shù)據(jù)轉(zhuǎn)換至DXF文件Fig. 12 Image vectorization converted to DXF file through data conversion

3.3 識(shí)別分類(lèi)實(shí)驗(yàn)驗(yàn)證

在識(shí)別實(shí)驗(yàn)階段，提取不同部位的服裝樣片如圖13所示.其不同部位的識(shí)別樣本數(shù)皆為 120，提取每個(gè)樣片，獲得其形狀特征進(jìn)行學(xué)習(xí)分類(lèi)，最后把每個(gè)樣片圖像在不同位置角度及尺度[14]變換下進(jìn)行識(shí)別分類(lèi)，其識(shí)別正確率皆為100%.

圖13 服裝樣片圖Fig. 13 Clothing sample graph

由實(shí)驗(yàn)可以看出，由于選用具有尺度不變性的形狀特征，其識(shí)別結(jié)果準(zhǔn)確度可以滿(mǎn)足不同樣片間的識(shí)別要求.尺度不變性特征指被測(cè)物圖像在進(jìn)行平移、旋轉(zhuǎn)、縮放變換下仍保持不變的形狀特征，正如本文研究用以分類(lèi)的矩形度、圓度、不變矩，保證被測(cè)物在不同條件下識(shí)別結(jié)果的準(zhǔn)確性.

4 結(jié) 論

本文利用機(jī)器視覺(jué)檢測(cè)技術(shù)與神經(jīng)網(wǎng)絡(luò)算法研發(fā)的非接觸式二維服裝紙樣矢量化錄入系統(tǒng)可替代傳統(tǒng)數(shù)字化儀，便捷、高效地實(shí)現(xiàn)了二維服裝紙樣特征數(shù)據(jù)的數(shù)字化錄入，具有較高的性?xún)r(jià)比.實(shí)驗(yàn)結(jié)果表明，系統(tǒng)在1100mm×1300mm有效測(cè)量范圍內(nèi)，圖像內(nèi)包含待測(cè)信息并滿(mǎn)足一定尺度變換范圍下，其測(cè)量精度滿(mǎn)足＜1mm 的要求，可推廣應(yīng)用于服裝設(shè)計(jì)與制造行業(yè)，具有應(yīng)用價(jià)值.