摘 要：紡織品及服裝研究與計(jì)算機(jī)、信息技術(shù)的融合發(fā)展是推進(jìn)紡織品及服裝產(chǎn)業(yè)智能化的必然途徑，聚焦圖像識(shí)別技術(shù)在紡織品及服裝研究中的應(yīng)用，歸納其研究內(nèi)容和研究成果。如紡織品領(lǐng)域的纖維及織物組織識(shí)別、紡織品疵點(diǎn)檢驗(yàn)、面料檢索，服裝領(lǐng)域的人體體型識(shí)別、服裝款式圖與樣版圖識(shí)別、服裝著裝圖檢索分類等;闡述圖像識(shí)別關(guān)鍵技術(shù)簡況及分類依據(jù)等。討論研究中存在的問題、空缺與難點(diǎn)，提出未來的研究方向和研究前景。

　　關(guān)鍵詞：圖像識(shí)別;紡織品檢驗(yàn);服裝圖像;計(jì)算機(jī)視覺;機(jī)器學(xué)習(xí)

　　《服裝學(xué)報(bào)》由教育部主管、江南大學(xué)(國家“211工程”重點(diǎn)建設(shè)高校)主辦的專業(yè)性學(xué)術(shù)期刊。

　　信息化時(shí)代快速發(fā)展下，紡織服裝領(lǐng)域中圖像信息所占比例日益提高，成為獲取和傳遞信息的重要工具。人們的生產(chǎn)生活方式也因此改變：在紡織服裝生產(chǎn)過程中，通過獲取與處理圖像將物理圖像轉(zhuǎn)化為所需信息，為自動(dòng)化生產(chǎn)提供信息輸入;在紡織服裝作為商品的展示與銷售過程中，以紡織品及服裝為內(nèi)容的圖像檢索、識(shí)別、標(biāo)注等技術(shù)為用戶篩選商品信息提供了便利，還可進(jìn)行個(gè)性化推薦等。

　　其中所用技術(shù)為圖像工程及人工智能領(lǐng)域中的圖像識(shí)別技術(shù)，其目的是讓計(jì)算機(jī)代替人類處理大量物理信息，對(duì)圖像作出各種處理、分析，最終識(shí)別所要研究的目標(biāo)。圖像識(shí)別技術(shù)的研究進(jìn)展與計(jì)算機(jī)圖形學(xué)、計(jì)算機(jī)視覺、機(jī)器學(xué)習(xí)、模糊邏輯等理論和技術(shù)有密切聯(lián)系，[1]其應(yīng)用范圍涉及醫(yī)學(xué)、生物、工業(yè)自動(dòng)化、公共安全等領(lǐng)域。[2]

　　本文結(jié)合國內(nèi)外文獻(xiàn)研究及技術(shù)調(diào)查，針對(duì)紡織服裝圖像，對(duì)圖像識(shí)別相關(guān)技術(shù)進(jìn)行簡要介紹;并就紡織品和服裝領(lǐng)域分別闡述圖像識(shí)別在其中的應(yīng)用構(gòu)想與結(jié)果。討論目前應(yīng)用中存在的不足和研究空缺，期望促進(jìn)圖像識(shí)別在紡織服裝領(lǐng)域的進(jìn)一步發(fā)展，帶動(dòng)傳統(tǒng)紡織服裝行業(yè)的轉(zhuǎn)型升級(jí)。

　　1 圖像識(shí)別在紡織服裝上的應(yīng)用

　　根據(jù)應(yīng)用領(lǐng)域及生產(chǎn)過程的不同，圖像識(shí)別在紡織服裝上的應(yīng)用可分為紡織品領(lǐng)域和服裝領(lǐng)域。

　　1.1 紡織領(lǐng)域

　　圖像識(shí)別技術(shù)在紡織及紡織品中多用于纖維和織物組織識(shí)別、疵點(diǎn)檢測以及面料檢索等，其識(shí)別難度和應(yīng)用廣泛度有所差異，介紹如下。

　　1.1.1 纖維及織物組織識(shí)別

　　紡織階段，圖像識(shí)別技術(shù)可用于識(shí)別區(qū)分各類纖維及其織物，還可用于原棉加工前識(shí)別非棉雜質(zhì)。對(duì)于織物組織結(jié)構(gòu)，針織物中對(duì)緯編組織的研究較多，如對(duì)其編織周期的識(shí)別及組織結(jié)構(gòu)的編碼分類等。[3]機(jī)織物中目前能夠識(shí)別出織物中的三原組織;還可輔以亮度累加法檢測分割經(jīng)緯紗線、定位組織點(diǎn)，用于計(jì)算紗線密度和組織點(diǎn)的自動(dòng)分類。[4]但由于織物組織結(jié)構(gòu)復(fù)雜多樣，即使是人工識(shí)別，若非專業(yè)人士也難以輕易辨認(rèn)，因此目前大多相關(guān)研究還停留在人工與計(jì)算機(jī)交互操作提取特征進(jìn)行識(shí)別，難以大范圍推廣。

　　1.1.2 織物疵點(diǎn)檢測

　　織物疵點(diǎn)檢測經(jīng)過十?dāng)?shù)年的發(fā)展，已基本能完成疵點(diǎn)判別、疵點(diǎn)分割、疵點(diǎn)分類等功能，并應(yīng)用于工業(yè)。識(shí)別準(zhǔn)度是其中較為重要的驗(yàn)收指標(biāo)，但在保證準(zhǔn)度的前提下，識(shí)別速度也需逐步提高，目前疵點(diǎn)在線監(jiān)測的速度要求一般高于60 m/min，檢測的疵點(diǎn)最小尺寸為0.5 mm。[5]近年進(jìn)展多為提高精細(xì)度及速度、擴(kuò)展識(shí)別疵點(diǎn)類別及檢驗(yàn)規(guī)范化等，還有部分學(xué)者在對(duì)織物褶皺及折痕的研究中也使用了圖像識(shí)別相關(guān)技術(shù)，提出多視域織物外觀平整度客觀評(píng)級(jí)方法，嘗試讓機(jī)器判斷織物平整度并驗(yàn)證，為織物表現(xiàn)性能的評(píng)估提供了有效的解決方案。[6]

　　1.1.3 面料檢索

　　面料圖像的商業(yè)價(jià)值和大眾使用率較高，消費(fèi)者和生產(chǎn)商都有挑選符合自己預(yù)期面料的需求;且面料圖像的顏色、紋理、形狀等底層特征相對(duì)較為簡單明晰，易于被計(jì)算機(jī)提取和區(qū)分。計(jì)算機(jī)除了能夠通過對(duì)比面料圖像實(shí)現(xiàn)相似面料的檢索之外，還可基于對(duì)部分特征明顯的面料進(jìn)行感性屬性定義，實(shí)現(xiàn)對(duì)面料的主觀情感標(biāo)注。如分析面料顏色的飽和度、對(duì)比度、色彩關(guān)系及紋理、圖案等，人工將客觀指標(biāo)歸納至感性認(rèn)知，用于面料檢索和推薦。[7]但目前的面料檢索研究樣本仍較為單一，多為同類面料不同色彩，或同類面料不同圖案的研究，且人工定義情感屬性局限較大，可嘗試多維度多分類研究。

　　1.2 服裝領(lǐng)域

　　服裝領(lǐng)域中，對(duì)人體體型及服裝款式圖、樣板圖的識(shí)別多為服裝院校和服裝專業(yè)研究者完成;而計(jì)算機(jī)、信息技術(shù)領(lǐng)域等學(xué)者通常從識(shí)別服裝實(shí)物圖、著裝圖入手，對(duì)相關(guān)圖像進(jìn)行識(shí)別、檢索、分割、分類及標(biāo)注等。

　　1.2.1 人體體型識(shí)別

　　人體是服裝的基礎(chǔ)，服裝的智能化生產(chǎn)離不開對(duì)個(gè)體體型的研究及描述。對(duì)人體體型的研究多基于來源于二維測量或三維人體掃描的數(shù)據(jù)，但就圖像識(shí)別技術(shù)發(fā)展以來，也漸有學(xué)者致力于對(duì)圖像信息的分析以識(shí)別體型。一般是對(duì)人體二維照片進(jìn)行預(yù)處理后提取輪廓曲線，再用一定的描述方法對(duì)曲線分類、以達(dá)到對(duì)體型分類的目的。[8]

　　1.2.2 服裝款式圖與樣版圖識(shí)別

　　關(guān)于服裝款式圖，可運(yùn)用shock graph技術(shù)提取形狀特征再對(duì)其分類;[9]對(duì)于樣版圖，可對(duì)樣版邊緣進(jìn)行識(shí)別，在樣片文件中儲(chǔ)存縫紉信息以用于自動(dòng)縫紉技術(shù)。[10]但服裝行業(yè)中的款式圖風(fēng)格不一，還未形成一個(gè)統(tǒng)一規(guī)范作為分類標(biāo)準(zhǔn);且shock graph一般用于進(jìn)行形狀外輪廓的識(shí)別與匹配，不包括內(nèi)部細(xì)節(jié)，無法作為樣版庫的檢索依據(jù)。需求方面，對(duì)服裝款式圖與樣版圖的識(shí)別需求較小;識(shí)別難度方面，服裝款式圖和樣版圖像只包含黑白二色及線條，無顏色和紋理特征，就發(fā)展現(xiàn)狀而言識(shí)別難度較實(shí)物圖高，需要對(duì)比不同的圖像識(shí)別模型和方法，綜合選擇最合適的方案。

　　1.2.3 服裝著裝圖檢索分類(圖1)

　　服裝圖像識(shí)別可分為對(duì)服裝廓形、尺寸的識(shí)別，及服裝分類、檢索和標(biāo)注。服裝廓形的識(shí)別中，一般先在人體著裝照片以人臉或人體膚色為參照來確定照片中的服裝，再對(duì)服裝掃描識(shí)別特征點(diǎn)、獲取數(shù)據(jù)，由人體身高比例或其他公式自動(dòng)計(jì)算測量服裝廓形相關(guān)尺寸，以此定義照片中的服裝廓形。[11]借助計(jì)算機(jī)可實(shí)現(xiàn)部分服裝實(shí)物圖的尺寸及尺碼測量，但仍有較多人機(jī)交互工作量。[12]

　　服裝著裝圖的識(shí)別發(fā)展相對(duì)成熟，基本能夠?qū)崿F(xiàn)對(duì)相同或相似服裝的檢索，服裝長度、寬松度及各部件等細(xì)節(jié)要素的識(shí)別，以及服裝圖像的分類和款式屬性標(biāo)注，其中用到了大量計(jì)算機(jī)視覺及機(jī)器學(xué)習(xí)的前沿技術(shù)。[13]

　　2 相關(guān)技術(shù)

　　圖像識(shí)別技術(shù)主要通過對(duì)比存儲(chǔ)的信息和當(dāng)前信息從而識(shí)別圖像，不同圖像不同目的的識(shí)別分析稍有不同，在此介紹圖像識(shí)別的分類及其關(guān)鍵技術(shù)。

　　2.1 圖像識(shí)別分類

　　2.1.1 按發(fā)展階段

　　圖像識(shí)別的發(fā)展主要經(jīng)歷了文字識(shí)別、數(shù)字圖像識(shí)別、物體識(shí)別3個(gè)階段。[14]可分為最初對(duì)擁有模式數(shù)據(jù)庫的印刷體文本的識(shí)別，對(duì)較為清晰的數(shù)字圖像提取輪廓、線條計(jì)算加以識(shí)別，以及掃描獲取現(xiàn)實(shí)物體圖像、記錄像素色值對(duì)物體進(jìn)行識(shí)別3類。服裝標(biāo)簽及樣版圖紙中的文字、符號(hào)可通過文字識(shí)別技術(shù)獲得，服裝圖像的識(shí)別也從外輪廓線條推進(jìn)至內(nèi)部細(xì)節(jié)和款式屬性的識(shí)別，即往識(shí)別細(xì)分類、自動(dòng)化發(fā)展。

　　2.1.2 按識(shí)別粒度

　　根據(jù)識(shí)別粒度不同，可分為通用圖像識(shí)別、細(xì)粒度圖像識(shí)別和更精細(xì)粒度圖像識(shí)別等。[15]其中通用圖像識(shí)別，指識(shí)別區(qū)分度較大、隸屬不同大類的物體，如目標(biāo)檢測、圖像分割(將人體、衣物從背景中區(qū)分出來)和圖像分類等;細(xì)粒度圖像識(shí)別，則是對(duì)大類下的子類進(jìn)行識(shí)別，如服裝中的各類服飾、款式識(shí)別等，大多采用深度學(xué)習(xí)方法;更精細(xì)粒度識(shí)別，包括人臉識(shí)別、指紋識(shí)別等，還有紡織品中的織物組織識(shí)別。根據(jù)目前的技術(shù)原理，其發(fā)展需要質(zhì)量更好的大量織物組織圖片，以及對(duì)細(xì)部特征提取更為敏感的學(xué)習(xí)算法。

　　2.1.3 按識(shí)別形式

　　常見的圖像識(shí)別技術(shù)形式有模式識(shí)別、神經(jīng)網(wǎng)絡(luò)識(shí)別和降維形式識(shí)別等。模式識(shí)別原理是按一定的規(guī)則，對(duì)比已有圖像和新獲得圖像的相似度，相似度高為同類，一般用于面料和服裝的檢索、分類等。神經(jīng)網(wǎng)絡(luò)識(shí)別形式是在傳統(tǒng)圖像識(shí)別的基礎(chǔ)上融合神經(jīng)網(wǎng)絡(luò)算法。降維形式的圖像識(shí)別則是對(duì)圖像中包含的高維性特征數(shù)據(jù)信息進(jìn)行降維。降維又可分為線性降維和非線性降維，一般用于特征篩選與表達(dá)。[16]

　　2.1.4 按圖像語義層次

　　圖像語義可分為低層、中層、高層，也稱為視覺層、對(duì)象層和概念層，[17]對(duì)圖像的研究因此可分為圖像處理、圖像分析和圖像理解3個(gè)層次(圖2)。

　　圖像識(shí)別技術(shù)也可據(jù)此分為3類，它們的識(shí)別依據(jù)、識(shí)別技術(shù)路線都不同?；诘蛯诱Z義的圖像識(shí)別以顏色、紋理和形狀為識(shí)別基礎(chǔ)，這些特征也被稱為底層特征語義;中層語義通常包含了屬性特征，及某一對(duì)象在某一時(shí)刻的狀態(tài)和特點(diǎn)，如服裝中可由數(shù)據(jù)歸納出的客觀屬性――款式細(xì)節(jié)等，目前需要人為歸納;高層語義指圖像表達(dá)出的接近人類理解的主觀感受語言，如人們對(duì)衣物的風(fēng)格描述等，圖像識(shí)別可基于此進(jìn)行情感或物體關(guān)系的描述。

　　2.2 計(jì)算機(jī)視覺

　　計(jì)算機(jī)要進(jìn)行圖像識(shí)別，首先需要“看見”、“看懂”圖像，這由計(jì)算機(jī)視覺相關(guān)技術(shù)實(shí)現(xiàn)，其關(guān)鍵技術(shù)有特征提取、圖像分割、圖像匹配等。

　　2.2.1 特征提取

　　特征提取是將圖像上的特征點(diǎn)劃分為不同特征子集的過程，對(duì)圖像識(shí)別的精度和速度有重要影響。[2]圖像的基礎(chǔ)特征有顏色、紋理、形狀及各部分之間的空間關(guān)系等，其中空間關(guān)系特征包括圖像中不同識(shí)別目標(biāo)的相對(duì)位置關(guān)系和每個(gè)目標(biāo)在圖像中的絕對(duì)位置信息。服裝及人體的關(guān)鍵點(diǎn)及關(guān)鍵部位等的識(shí)別均以特征提取為基礎(chǔ);[18]在對(duì)織物組織結(jié)構(gòu)的識(shí)別中，重點(diǎn)提取組織點(diǎn)的色彩和紋理特征，再對(duì)提取出的特征向量進(jìn)行運(yùn)算和自動(dòng)分類，有助于實(shí)現(xiàn)組織結(jié)構(gòu)的自動(dòng)識(shí)別。[4]吳歡等[19]基于CaffeNet模型通過女褲外輪廓并描述，對(duì)女褲廓形進(jìn)行了分類，但在進(jìn)行特征提取時(shí)由于自動(dòng)化識(shí)別不足，還無法實(shí)現(xiàn)自動(dòng)拾取關(guān)鍵點(diǎn)，需進(jìn)行手動(dòng)操作，這是識(shí)別系統(tǒng)實(shí)現(xiàn)全自動(dòng)亟待解決的問題。

　　2.2.2 圖像分割

　　根據(jù)不同識(shí)別目的，圖像分割可以是圖像識(shí)別的前期工作，如先將服裝從雜亂背景中分割出來、再進(jìn)行進(jìn)一步識(shí)別提高準(zhǔn)確性;[20]也可以是最終成果，如著裝人體的服裝檢測、輪廓檢測、自動(dòng)識(shí)別抓取衣物等。[21]分割方法有基于閾值、基于邊緣檢測，以及基于區(qū)域的圖像分割。目前借助各種理論模型提出的分割算法已達(dá)上千種，在進(jìn)行某幅圖像分割時(shí)，只采用一種方法一般較難得到理想的分割結(jié)果，因此需要將以上各種方法有機(jī)結(jié)合并加以改造，構(gòu)造多級(jí)分割體系，以獲得最優(yōu)的分割結(jié)果。

　　2.2.3 圖像匹配

　　圖像匹配是指從不同視角得到的圖像中識(shí)別出與目標(biāo)相同或相似的圖像區(qū)域。最常用的匹配方法是模板匹配和模式識(shí)別，模板匹配形式較單一，基本是將圖像像素逐一對(duì)比，難以解決變形圖像的識(shí)別。

　　模式識(shí)別可用于圖像檢索和分類等，將相似的、與其他圖像區(qū)分度大的部分圖像分為同類，是人工智能發(fā)展的基石?，F(xiàn)今某些模式識(shí)別算法還可進(jìn)行圖像理解和描述，如高珊[22]提出樣本之間的相似度可通過距離度量學(xué)習(xí)來得到，其建立了一種多標(biāo)簽距離度量學(xué)習(xí)模型，并將該模型運(yùn)用到已獲得的特征上，得到新的距離度量學(xué)習(xí)特征;之后結(jié)合服裝圖片的客觀風(fēng)格文本描述信息，對(duì)多視圖學(xué)習(xí)特征集進(jìn)行多標(biāo)簽分類，得到服裝多個(gè)主觀風(fēng)格的識(shí)別結(jié)果。