基于深度感知的织物折皱表征与评级

The fabric surface produced durable creases during laundering and drying, destroying the aesthetic appearance and performance of textiles and apparel. Traditional human visual evaluation exists lots of defects which lead to the quality disputes in the business. This project aims to combine the multi-view reconstruction and depth perception mechanism, design a low cost sparse coding algorithm to fulfill the objective assessment of fabric appearance smoothness with multi-classification mechanism. Including: (1) utilize rotated multi-view geometric restraint principle to reconstruct the shape of the wrinkled fabric surface, and establish the depth image library. (2) explore the visual depth perception and attention mechanism, use eye tracking technology to analyze the visual stimulus information, and acquire the visual characteristics and weights. (3) focus on the training and coding of the bottom texture features, construct the visual dictionary and fulfill the automatic assessment of fabric smoothness with multi-classification. The proposed method in this project can avoid the interference of the fabric’s inherent texture, light shadows, etc, and establish an objective, accurate and rapid method to evaluate the effect of fabric care. This project can meet the demand of accurate detection and speedy entry-exit inspection, and would also offer the effective solution for objective evaluation of the similar fabric apparent performances .

织物经洗涤、烘干后表面产生杂乱的记忆折痕，降低了衣物的外观美感和服用性能。传统的人工视觉评级方法存在诸多缺陷，极易引起贸易双方的质量纠纷。本项目拟结合多目立体视觉重建技术与视觉深度感知机制，设计低代价的稀疏编码算法，利用多分类机制实现织物外观平整度的客观评级。具体为：（1）设计旋转式多目成像方式，依据多视图几何约束原理实现折褶织物的形貌重建，并在此基础上建立织物深度图像库；（2）探析视觉深度感知与注意机制，利用视线追踪技术分析织物折皱视觉刺激信息，确定视觉特征和权重排序；（3）着重对织物深度图像的底层纹理特征进行训练与编码，构建织物外观平整度视觉字典，利用多分类机制实现织物平整度的自动评级。项目所提出的方法能够避免织物自身纹理、光照阴影等的干扰，建立客观、准确、快捷的织物护理效果评价方法，以适应精确检测及出入境快速通关的需求，同时也为织物其他表观性能的客观评价提供了有效的解决思路。

为提升织物外观平整度客观评级主客观一致率，项目重点研究多样性织物折皱深度信息构建、人眼视觉注意机制、折皱纹理视觉稀疏编码以及基于多分类机制的自动评级策略等内容。（1）从送检情况、面料生产、市场供应、产品应用、生态可持续等视角，按照织物材质、组织结构、表观研究、花型等属性进行筛选，确立了75种织物类型，拓宽折皱形态基础信息。（2）深入研究了人眼视觉注意机制，提炼关键影响因素，除了对折皱织物外，增设了对织物起毛起球、服装色彩、服装展示的复杂场景进行延展性研究，从更为广阔的视野中，探寻人眼对织物基布、色彩、纹理、环境的眼动反馈，提出两个关键性客观评价指标：视觉热区重合率、视觉漂移度，明确了织物表面颜色、纹理、光照度等影响程度。（3）设计和研制了旋转式多目立体视觉重建平台，实现折皱无遗漏重建。优化设计形成旋转式双目机构，实现了由双目至多目的配准，完成折皱信息的全覆盖。优势为全覆盖采集面、减少多目相机的位置标定次数、降低硬件成本、减少因震动造成的形态改变。最终形成2136组有效折皱样本重建。（4）构建了折皱织物深度信息词典，实现了织物折皱等级的自动评级。为满足洗护程序、洗涤剂对织物性能的微弱影响的评价，延伸了原AATCC 124-2014标准至0.5~5（间隔0.5为一档），算法判定精度达到0.1级；判定的方式采用多分类支持向量机+非线性划分的粗、细结合形式，并对软件算法部分进行了优化，提高判定效率。（5）对系统进行软、硬件优化，联合行业协会、龙头企业、高校研制标准，使其能够尽快服务产业应用。系统主客观一致率超过96.4%（0.25级），精度为0.1级，检测速度<3分钟。期间发表学术论文20篇，申请发明专利4项，软著1项，研发两代自动评级设备，发布标准1项，培养研究生6名。本项目为数字图像技术和心理认知的交叉研究，有效规避了纺织品表观颜色和纹理对织物形貌评价的干扰，为类似织物表观性能的评估提供了理论支撑和方法指导。