基于卷积神经网络的汉服关键尺寸自动测量

王奕文，罗戎蕾，康宇哲

(1. 浙江理工大学 服装学院，浙江 杭州 310018；2. 浙江理工大学 国际教育学院，浙江 杭州 310018； 3. 浙江省丝绸与时尚文化研究中心，浙江 杭州 310018；4. 浙江理工大学 信息学院，浙江 杭州 310018)

古代汉服的结构及形制研究是传统服饰研究的重要组成部分。博物馆为避免风化等问题对文物造成的损害，大部分出土衣物在测量和拍照完成后会保存在库房里，很少展出，且发掘报告中给出的数据有限，后续研究人员无法按照需求进行尺寸测量，不利于传统服饰文化的继承与发展。

尺寸自动测量一般应用于成衣检验环节。曹丽等[1]提出利用边缘检测算法和拐点检测算法进行尺寸测量；王生伟等[2]利用Shi-Tomasi算法进行角点检测求得尺寸特征点；董建明等[3]利用SUSAN算子和回光反射标志结合测量比，标定推算尺寸数据；肖祎[4]采用Canny边缘检测算法、霍夫(Hough)变换提取轮廓并进行关键点分级扫描检索，最后利用拟合公式求得尺寸数据。以上研究都是基于人工设计的检测算法，样本特征提取单一，易受到周围环境和服装形变的干扰。

针对以上分析，本文提出一种基于卷积神经网络的古代汉服关键尺寸自动测量方案，以汉服上衣为例进行实验，所测关键尺寸包括领口宽、袖口宽、通袖长、袖宽、胸围宽、下摆宽和衣长等。在特征提取上采用深度学习的卷积神经网络(CNN)进行汉服关键点检测。卷积神经网络可从大量的原始图像中进行特征自学习，从而有效避免外界因素的干扰，在目标识别与定位方面具有明显优势。……