|
一、 选题的背景和意义
1、课题研究背景
随着移动终端技术和网络技术的飞速发展，人们可以使用移动客户端上网，随时随地从互联网获取信息和服务，解决吃、穿、住、行乃至社交及身体健康管理等生活各方面问题，各类移动应用服务便应运而生。
与此同时，随着经济的发展和生活水平的提高，人们对服装的消费量急剧增加。在服装的销售行业，据中国电子商务中心发布的《中国服装电商行业发展报告》[1]显示，在2015-2016年度我国在服装电子商务的交易额为3.7万亿元，相比于2014年的2.9万亿元同比增长了25.4%，在2022年初，我国纺织品服装出口出口额同比增长8.9%，纺织行业大部分品类产品出口仍保持较高增速[2]。而随着时尚行业的发展与小众文化的推广，人们对服装的要求不再仅限于够穿，对服装的款式、色调、材质等，对服装的多样性与个性化消费需求也在逐步提升。对于服饰图像的研究伴随着移动端购物平台的兴起而得到不断的发展。目前，在服饰电子商务的视觉时尚分析领域主要围绕服饰图像分类、识别、属性预测、检索、搭配、及服饰推荐和智能试衣等进行研究。同时百度、亚马逊、谷歌等科技公司都已推出了具备搜图功能的应用和产品，在服装图像搜索和应用中，阿里巴巴旗下各类App也推出了的“以图搜图”功能[3]。总体说来，服饰图像识别和管理技术在不断的提升，使用门槛也在不断降低。
2、课题研究意义
服饰消费数量的不断增长意味着平均单人购入的服饰数量也在不断增长，人们不仅面临着服装管理、服装搭配等问题，并且由于目前各类服饰的购入渠道基本为线上线下店铺和二手交易，极少支持定制，服装产品的消费需求与产品设计供给间存在的落差[4],人们的个性化需求也面临着无法及时得到满足的问题，供货商开发效率也很难提高。由此可见开发出具有支持个性化的服装定制的移动端应用系统，不仅可以随时随地满足客户的便捷式个性化购物需求，还可以满足企业的经营需求，优化企业管理方式，提高企业工作效率，从而推动服装定制行业的进一步发展。
在此基础上，移动端系统能综合运用图像识别、图像分类和检索推荐等目前较为成熟的技术形成服饰的信息化管理,实现将客户拍摄上传的已购入服饰的图像进行数据导入与分类管理，将结果可视化，并依据客户对目标服饰的描述进行检索，按符合程度进行自动推荐，若客户没有挑到满意的服饰则将描述转为求购贴，将很大程度上解决目前客户面临的服饰管理问题。本课题的研究方向是服饰识别与管理系统的设计与实现，面向的是对服饰管理与个性化有需求的客户以及各类服饰供货商，最终呈现的是基于Android的APP，正切合目前服饰信息化管理与销售市场的痛点。
二、 国内外研究现状及发展趋势
1） 关于服饰识别与管理方面
一个完整的图像识别任务过程主要分三个步骤：①图像分割阶段用于完成对于给定的图像将目标对象和背景图像的分离；②特征提取阶段用于对分割后的图像提取出能表示目标的特征；③根据提取的特征对目标进行分类的图像分类阶段。而伴随着图像处理技术的逐渐成熟和计算机视觉技术的快速发展，图像识别技术得到了也日臻完善，被越来越广泛的进行运用[5]。
深度学习作为机器学习中最热门的方法，起源于人工神经元感知模型，流行于上世纪80年代的反向传播(back-propagation)[6]，在2012年Krizhevsky等人提出的AlexNet深度卷积神经网络(Convolution Neural Network,CNN)[7]在ImageNet图像识别大赛中以显著的优势取得当时最好的成绩并超越人类识别的准确率。2017 年 8 月，OpenCV 3.3 正式发布，带来了高度改进的“深度神经网络”（DNN）模块，该模块支持多种深度学习框架，包括 Caffe、TensorFlow 和 Torch/PyTorch，为通过深度学习实现图像的识别与管理提供了巨大支持。随着近年来大数据的推广和研究深度学习框架的完善，很多国内外学者开始将深度学习技术应用在服装相关研究中，北卡罗来纳大学M.Hidi Kiapour发表的文章Where-to-Buy-It(WTBI)[8]中，提出把street-to-shop的服装识别与检索任务形式化为一种cross-domain的商品相似度学习问题，并在此基础上设计了一种用于特定类别的相似度计算的网络参数学习方式。中国台湾学者Lin[9]等通过微调预训练的模型获得类哈希的图像特征表示，然后通过层级深度搜索进行图像检索。2017年后，国内以百度EasyDL为主，多家面向AI零算法基础或追求高效率开发的用户提供商业AI模型训练与服务的平台逐步建立并普及了起来，平台训练后的各类模型精准度较高且在不断提升。
衣物的信息化管理，依托于服饰识别体现为用户通过对自身拥有的衣物信息的完整、准确把握，实现衣物信息的再组织、再利用，从而解决生活中的实际问题。根据部分文献中设计的原型、市面上存在的产品，目前，针对这一需求的解决方案可以分为三类：（1）通用的信息记录工具如Excel、印象笔记等（2）纯软件形式的衣物管理App如“今日装OOTD”、“Stylebook”等；（3）结合软硬件的衣物管理系统，这类系统在国内通常都被命名为“智能衣橱”或“智能衣柜”，国外通常称为“Smart Closet”、“Smart Wardrobe”。这些一定程度上实现了服装的信息化管理但都不支持个性化定制服饰。
2） 关于服饰个性化定制方面
服装定制从时间顺序上可分为五个阶段：原始手工阶段、手工定制萎缩时代（成衣崛起）、手工定制消匿时代（大规模差异化成衣普及）、新定制萌芽期（成衣困境）、新定制爆发期（量身定制大规模普及）。无论是成衣还是定制服装，目前都无法完全取代对方，但定制服装产业正处于螺旋式上升的阶段[10]。
国外目前主流的服装定制系统主要分为两类：一类是高级时尚服装定制工作室的管理系统，这种工作室对工艺要求很高，价格高昂，受众较小，同时管理系统并没有统一的购买平台；另一类服装定制系统是应用在大型服装企业中，解决的是单人单裁的批量定制生产方式，主要依赖于三维人体扫描技术，将客户的身体数据储存在管理系统的数据库内，使顾客可以进行虚拟试穿，而后通过服装CAD、CAM和自动裁床等技术快速打版生产[9]，这种模式下可选择的服装版式图案选择较为单一，如果有特殊定制需求的客户往往无法获得满意的服务。国内当前面向服装定制市场的供货商主要集中在中小型企业与个体手工户，规模比较小，达不到大批量生产，一般是较为零散的“量体裁衣”式定制服装，相关从业人员一般缺乏专业的服装设计教育，存在款式单一、个性化不足的特点，直接采购国外大企业的“单人单裁”系统成本较高，可能会比自行开发还要昂贵，因此国内需要开发出更适应国内定制需求的销售体系。目前国内常见的定制需求有“发图定制”，这只是针对图案的定制，版型跳不出基础服装款式，此外，影视剧和戏曲舞台服装也时常需要通过定制的方式来更好地贴合角色形象，类似的旗袍圈和汉服圈内也掀起了一股定制热潮[11]。
综上所述，当前服饰的识别与管理类APP 在服装行业具有良好的应用前景和发展趋势，该类APP有效解决服装行业所面临的供给不均衡与信息化管理不统一的问题。移动客户端综合运用图像识别、图像分类和检索推荐等技术,实现服饰的图像的数据导入与分类，将结果可视化，并依据描述进行检索，按符合程度进行自动推荐，不仅能有效进行服饰的信息化管理，而且使服装归类规则更为明晰,对服装批发、销售、设计等方面的规范与推动都有极大的助理。伴随着技术的更迭，未来的服饰识别技术可以成为专业的穿衣顾问,迅速得出多套合适的搭配组合。
三、 研究的主要内容和拟解决的关键问题
本毕业设计旨在将各类服饰信息化的基础上，实现高效的服饰挑选和分类管理，目标用户群体为对服饰有个性化需求的人们，本系统开发的是Android客户端和web管理端，具有移动户用端随时随身性、互动性的优势，通过采集用户上传的图片信息和个性化需求，形成已有服饰与定制需求的记录。基于这些数据，开发数据可视化系统和管理系统，能够达到推荐与管理的效果。
更具体来说，主要研究内容和拟解决的关键问题如下。
1、研究的目标及主要内容
1） 研究分析用户需求
服饰识别与管理APP主要有三类用户：一是需要服饰管理与定制的客户，可以统计客户已有的服饰进行高效分类和记忆，避免产生重复购买的现象，还可以对客户的个性化需求进行供货商推荐，便于获得满意的服饰；二是各类服饰供应商，在生产下一批次服饰前，供应商通过APP收集的各类定制需求进行下一步生产的规划，同时扩展了销售对象，有效解决产品滞销问题；三是系统管理员，对客户及供应商上传的服饰信息、两者交流消息信息与用户账号密码信息进行管理。
2） 系统功能设计
在对服饰识别与管理类APP进行全面的需求分析的基础上，深入分析与设计系统的总体功能、数据库设计和前端界面效果等方面，使最终开发的APP实现以下五个重要功能模块：①数据收集：对各类服饰进行拍摄与分类整理；②数据导入与预处理：开发数据导入与处理程序，依据参数将其处理为预定格式与大小；③服饰学习与分类：使用深度学习API及引入预训练模型对导入的服饰图片进行学习并分析其类别；④服饰检索：依据客户对目标服饰的描述进行检索，按符合程度进行自动推荐，若客户没有挑到满意的服饰则将描述转为求购贴；⑤定制推荐：将客户的定制需求推荐给上传过相关类型自制服饰的供应商，方便其进行点对点销售
3） 系统的实现
服饰识别与管理类APP的实现主要分为系统的架构实现和功能实现两方面。其中，系统架构采取前后端分离框架Android+Django+MySQL，并使用OpenCV库；功能实现主要体现在“注册登录”“服饰上传”“服装分类管理”“服饰检索”“定制推荐”这五个客户端功能模块的正常使用。系统测试主要对系统功能是否完善和性能是满足需求方面进行测试，从而确保运行的流畅和稳定。
4） 总结与综合分析
对服饰识别与管理类APP的构建进行分析总结，综合分析系统的优缺点，并对系统的应用效果以及发展前景进行展望，并提出系统的不足之处。
2、拟解决的关键问题
1） 如何合理地预处理及存储拍摄的服饰图片？
2）如何实现服装关键字检索匹配准确结果？
3）如何协助用户实现服饰定制？
a) 如何标准化客户个性化定制需求使得客户与供货商有效沟通？
b) 如何实现供货商快速筛选出可接单的客户？
四、 研究方法及技术路线
1、研究方法
本课题主要采取了三种研究方法。
1） 文献研究法
使用文献研究法。通过查找相关文献资料对其进行阅读、翻译以及整理，来对当前国内外识别与管理系统的发展和所采用的技术有一个比较清晰的了解。通过对各类成较为熟技术与软件系统的案例学习，进行借鉴各功能模块的开发。
2） 问卷调查法
使用问卷调查法。通过获取第一手真实资料，作为用户服饰管理与个性化定制等需求的分析基础，问卷调查的对象主要为高校学生和社会工作人员等。
3） 实证研究法
使用实验法。在了解了研究的主要内容，制定了技术路线后，不断的进行定量分析与实验是课题研究不可缺少的一部分。在本课题中，开发了一个以Android为载体的APP和以web管理端，项目分为三类用户：客户、供货商和管理员，设置多个需求不同的用户进行全面的测试使用，查看所开发的服饰信息数字化与管理的各功能模块是否可以正常使用。
2、技术路线
服饰识别与管理系统的设计与实现的整体技术路线如图 1所示。本课题第一阶段，在分析背景与意义的基础上确认课题需解决的问题；第二阶段，通过文献研究法与问卷调查法对提出的方法进行可行性进行分析；第三阶段，通过实证研究法进行系统的开发并完成测试；第四步，对毕设课题成果进行总结与展望。
服饰识别与管理系统的编程实如图 2所示。为实现服饰识别与管理系统，本课题前端开发工具为Android Studio，主要运用Java和XML语言，后端部分采用基于python的Django框架进行开发,前后端的技术连接使用 C/S 架构（Client-Server）。
在前端，Android客户端通常由一个或多个基本组件组成。当决定使用哪些组件来构建Android应用程序时，需要将它们注册在AndroidManifest.xml文件中，这是一个XML配置文件，在这个文件中可以声明应用程序组件以及它们的特性和要求，可以概括为XML定义了APP的界面效果，Java描述了APP的行为逻辑[12]。Web管理端通过选用Python Web框架开发，使用了HTML、CSS、JS技术栈。
在后端，Django是Python编程语言驱动的一个高水准的开源模型。使用这种架构，可以方便、快捷地创建高品质、易维护、数据库驱动的应用程序。这也正是许多中小型创业团体开发采用这种架构进行设计的主要原因[12]。另外，在Django框架中，还可以下载许多功能强大的的第三方插件与Python开源库，使得Django具有较强的可扩展性，逐渐成为web开发者热衷选择的框架,而在本课题中将使用实现了图像处理很多通用算法的计算机视觉库OpenCV[13]提供服饰图像所需的api 接口，并使用Django与后台数据库连接并提供各个api接口给安卓前端。
前后端的技术连接使用 C/S 架构（Client-Server）即客户机和服务器结构。客户机是指用于发送请求的PC机或终端系统，服务器则是用来为客户机提供服务和信息反馈。C/S结构可以充分利用两端硬件环境的优势，将通讯任务合理分配到客户端和服务器端，降低了系统的通讯实现的开销[14]。
图1 整体技术路线图
图2 编程实现图
五、 研究工作进度安排
（1）第七学期第 13 周—第七学期第 19 周 查阅服装识别方面的相关文献，了解课题研究背景及现状及发展趋势；了解各类识别服饰的方法；了解实现识别后信息管理的具体方法； 规划课题的技术路线，制定合理的工作计划。
（2）第七学期第 20 周—第八学期第 01 周 进行前后端开发工具的配置，墨刀进行前端页面的设置并完成对重要前端页面的构建，并在第八学期第 01 周前完成毕设开题的相关工作及材料提交。
（3）第八学期第 02 周—第八学期第 08 周 完成前端界面的所有设计（服饰识别技术，识别信息上传，识别信息管理），完成MYSQL后端数据库的所有数据存储，并完成前后端的数据交互，使得开发的APP可以正常运行。其中第八学期第 05 周完成中期检查任务。
（4）第八学期第 09 周—第八学期第 10 周 根据测试结果以及指导老师的意见对APP进行改进和完善，并按要求撰写毕业论文初稿。
（5）第八学期第 11 周—第八学期第 11 周 按照学院要求提交毕业论文以及毕设的相关材料，以便专家评审。
（6）第八学期第 12 周—第八学期第 12 周 根据学院评审专家组的评审意见，对论文进行修改；
准备毕业设计答辩并制作答辩 PPT。
（7）第八学期第 13 周—第八学期第 13 周 按要求完成系统演示及毕业答辩。
（8）第八学期第 14 周—第八学期第 16 周 按要求提交毕设的相关论文材料给指导老师。
六、 主要参考文献
[1] 中国电子商务研究中心.2015-2016年度中国服装电商行业报告[R].2016.
[2] 陆健,刘欣.出口额同比增长8.9% 2022年1—2月我国纺织品服装出口重点市场盘点[J].纺织服装周刊,2022(14):12.
[3] 周文波. 基于深度学习的服饰图像识别定位及检索的研究[D].广东工业大学,2020.
[4] 刘红文,李翠云,黄智高等.新中式服装产品的消费需求与产品设计供给落差[J].纺织学报,2021,42(08):167-174.
[5] 杨东宁,曾婷,朱延杰.图像识别技术的原理和应用[J].电子技术与软件工程,2020(01):102-103.
[6] 赵月,王来花,王伟胜,乔丽娟,阮泉.融合反向传播的无参考模糊图像质量评价[J].计算机应用与软件,2022,39(09):248-254+306.
[7] Krizhevsky A, Sutskever I, Hinton G E. Imagenet classification with deepconvolutional neural networks[C]//Advances in neural information processing systems.2012:1097-1105.
[8] Kiapour M H, Han X, Lazebnik S, et al. Where to Buy It: Matching Street Clothing Photos in Online Shops[C]// IEEE International Conference on Computer Vision. IEEE, 2015.
[9] Lin K, Yang H F, Liu K H, et al. Rapid clothing retrieval via deep learning of binarycodes and hierarchical search[C]//Proceedings of the 5th ACM on InternationalConference on Multimedia Retrieval.ACM, 2015: 499-502.
[10] 葛青青.体验经济下的定制服装模式[J].化纤与纺织技术,2022,51(06):92-94.
[11] 谢阳颖,成泽丽,隋淑倩.我国高级定制服装发展现状和对策分析[J].纺织报告,2021,40(6):33-34.
[12] Bloch J. Effective Java[M]. Piscataway, N.J: IEEE Press, 2009:12.
[13] 高焕超.基于Django的在线学习系统设计与实现[J].电脑编程技巧与维护,2021(08):35-36+92.
[14] 杜聪.浅谈OpenCV计算机视觉库[J].科技资讯,2016,14(28):7-8.
|
