衣物分拣方法、装置、计算机可读介质及电子设备与流程

1.本技术属于衣物分类技术领域，具体涉及一种衣物分拣方法、装置、计算机可读介质以及电子设备。


背景技术：

2.随着生活水平的不断提高，人们对于衣物的更新也更加频繁。而对于旧衣物的回收，目前还是采用人工根据衣物的外形轮廓大小来判断旧衣物的尺寸，并据尺寸将衣物进行分拣。
3.然而，人工对于衣物尺寸的判断并不准确，经常会出现分拣不当，导致旧衣物的实际尺寸与人工分拣的不匹配的问题，这样会增加旧衣物的回收成本，不利于衣物的后续处理。
4.需要说明的是，在上述背景技术部分公开的信息仅用于加强对本技术的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。


技术实现要素：

5.本技术的目的在于提供一种衣物分拣方法、装置、计算机可读介质以及电子设备，至少在一定程度上克服相关技术中衣物在分拣时尺寸判断不准确、人工分拣成本高等技术问题。
6.本技术的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本技术的实践而习得。
7.根据本技术实施例的一个方面，提供一种衣物分拣方法，所述方法包括：
8.获取衣物的标牌图像数据和轮廓图像数据；
9.识别所述标牌图像数据得到第一尺寸信息，识别所述轮廓图像数据得到第二尺寸信息；
10.根据所述第一尺寸信息和所述第二尺寸信息计算得出目标尺寸信息；
11.基于所述目标尺寸信息对所述衣物进行分拣。
12.在本技术的一些实施例中，基于以上技术方案，识别所述标牌图像数据得到第一尺寸信息，包括：
13.对所述标牌图像数据进行文字识别，得到所述衣物的尺码信息；
14.根据所述尺码信息得到第一尺寸信息。
15.在本技术的一些实施例中，基于以上技术方案，识别所述轮廓图像数据得到第二尺寸信息，包括：
16.通过锚框标记或轮廓拟合构造所述轮廓图像数据的衣物图形轮廓；
17.通过预训练的机器学习模型识别所述衣物图形轮廓，得到轮廓编码信息；
18.基于所述轮廓编码信息得到第二尺寸信息。
19.在本技术的一些实施例中，基于以上技术方案，通过锚框标记构造所述轮廓图像
数据的衣物图形轮廓，包括：
20.利用预训练类别和偏移量标签的锚框扫描所述轮廓图像数据，计算所述锚框与真实边界框的交并比，若交并比大于等于交并比阈值，将所述锚框作为预测边界框；
21.调整所述预测边界框的中心点和宽高，输出衣物图形轮廓。
22.在本技术的一些实施例中，基于以上技术方案，根据所述第一尺寸信息和所述第二尺寸信息计算得出目标尺寸信息，包括：
23.计算所述第一尺寸信息和所述第二尺寸信息的相似度，得到相似值；
24.当所述相似值大于预设阈值时，将所述第一尺寸信息或所述第二尺寸信息作为目标尺寸信息。
25.在本技术的一些实施例中，基于以上技术方案，根据所述第一尺寸信息和所述第二尺寸信息计算得出目标尺寸信息，包括：
26.计算所述第一尺寸信息和所述第二尺寸信息的相似度，得到相似值；
27.当所述相似值小于预设阈值时，设定与所述第一尺寸信息相关的第一权重值和与所述第二尺寸信息相关的第二权重值；
28.根据所述第一尺寸信息、第二尺寸信息、第一权重值和第二权重值计算得出目标尺寸信息。
29.在本技术的一些实施例中，基于以上技术方案，设定与所述第一尺寸信息相关的第一权重值和与所述第二尺寸信息相关的第二权重值，包括：
30.获取所述第一尺寸信息对应的尺码和所述第二尺寸信息对应的尺码；
31.若所述第一尺寸信息对应的尺码大于所述第二尺寸信息对应的尺码，则将所述第一权重值设定为m，将所述第二权重值设定为n，且m大于n；
32.若所述第一尺寸信息对应的尺码小于等于所述第二尺寸信息对应的尺码，则将所述第一权重值设定为m，将所述第二权重值设定为n，且m小于n；
33.其中，m和n均为大于零小于1的数。
34.根据本技术实施例的一个方面，提供一种衣物分拣装置，包括：
35.获取模块，被配置为获取衣物的标牌图像数据和轮廓图像数据；
36.识别模块，被配置为识别所述标牌图像数据得到第一尺寸信息，识别所述轮廓图像数据得到第二尺寸信息；
37.计算模块，被配置为根据所述第一尺寸信息和所述第二尺寸信息计算得出目标尺寸信息；
38.分拣模块，被配置为基于所述目标尺寸信息对所述衣物进行分拣。
39.在本技术的一些实施例中，基于以上技术方案，所述识别模块包括：
40.第一识别单元，用于对所述标牌图像数据进行文字识别，得到所述衣物的尺码信息；并根据所述尺码信息得到第一尺寸信息。
41.在本技术的一些实施例中，基于以上技术方案，所述识别模块包括第二识别单元，所述第二识别单元包括：
42.轮廓构建单元，用于通过锚框标记或轮廓拟合构造所述轮廓图像数据的衣物图形轮廓；
43.轮廓识别单元，用于通过预训练的机器学习模型识别所述衣物图形轮廓，得到轮
廓编码信息；并基于所述轮廓编码信息得到第二尺寸信息。
44.在本技术的一些实施例中，基于以上技术方案，所述轮廓构建单元包括锚框识别单元，所述锚框识别单元包括：
45.预测边界框获取单元，用于利用预训练类别和偏移量标签的锚框扫描所述轮廓图像数据，计算所述锚框与真实边界框的交并比，若交并比大于等于交并比阈值，将所述锚框作为预测边界框；
46.锚框调整单元，用于调整所述预测边界框的中心点和宽高，输出衣物图形轮廓。
47.在本技术的一些实施例中，基于以上技术方案，所述计算模块包括：
48.相似度计算单元，用于计算所述第一尺寸信息和所述第二尺寸信息的相似度，得到相似值；
49.目标尺寸确认单元，用于当所述相似值大于预设阈值时，将所述第一尺寸信息或所述第二尺寸信息作为目标尺寸信息。
50.在本技术的一些实施例中，基于以上技术方案，所述计算模块还包括：
51.相似度计算单元，用于计算所述第一尺寸信息和所述第二尺寸信息的相似度，得到相似值；
52.权重设定单元，用于当所述相似值小于预设阈值时，设定与所述第一尺寸信息相关的第一权重值和与所述第二尺寸信息相关的第二权重值；
53.尺寸计算单元，用于根据所述第一尺寸信息、第二尺寸信息、第一权重值和第二权重值计算得出目标尺寸信息。
54.在本技术的一些实施例中，基于以上技术方案，所述权重设定单元包括：
55.尺码获取单元，用于获取所述第一尺寸信息对应的尺码和所述第二尺寸信息对应的尺码；
56.第一权重子单元，用于在所述第一尺寸信息对应的尺码大于所述第二尺寸信息对应的尺码时，将所述第一权重值设定为m，将所述第二权重值设定为n，且m大于n；
57.第二权重子单元，用于在所述第一尺寸信息对应的尺码小于等于所述第二尺寸信息对应的尺码时，将所述第一权重值设定为m，将所述第二权重值设定为n，且m小于n；
58.其中，m和n均为大于零小于1的数。
59.根据本技术实施例的一个方面，提供一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如以上技术方案中的衣物分拣方法。
60.根据本技术实施例的一个方面，提供一种电子设备，该电子设备包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器被配置为经由执行所述可执行指令来执行如以上技术方案中的衣物分拣方法。
61.根据本技术实施例的一个方面，提供一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行如以上技术方案中的衣物分拣方法。
62.在本技术实施例提供的技术方案中，本技术通过获取衣物的标牌图像数据和轮廓图像数据；识别所述标牌图像数据得到第一尺寸信息，识别所述轮廓图像数据得到第二尺寸信息；根据所述第一尺寸信息和所述第二尺寸信息计算得出目标尺寸信息；最后基于所
述目标尺寸信息对所述衣物进行分拣。通过本技术的衣物分拣方法，可以利用标牌图像数据和轮廓图像数据两者组合作为衣物的尺寸判断标准，可以准确的判断衣物的尺寸，并对衣物进行自动分拣，减少了人工投入，降低了衣物回收的成本，避免出现尺寸信息识别不准确导致的分拣不当问题，有利于衣物的后续处理。
63.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。
附图说明
64.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
65.图1示意性地示出了应用本技术技术方案的示例性系统架构框图。
66.图2示意性地示出了本技术衣物分拣方法的流程图。
67.图3示意性地示出了本技术标牌图像数据的识别方法流程图。
68.图4示意性的示出了尺码与第一尺寸信息对应表。
69.图5示意性地示出了本技术轮廓图像数据的识别方法流程图。
70.图6示意性的示出了本技术通过锚框标记的方法构造衣物图形轮廓的方法流程图。
71.图7为本技术实施例提供的边缘轮廓进行多边形拟合处理的原理图。
72.图8示意性的示出了本技术第一尺寸信息和第二尺寸信息差异较大时，对应的目标尺寸信息的计算方法流程图。
73.图9示意性的示出了本技术设定第一权重值和第二权重值的方法流程图。
74.图10示意性的示出了本技术衣物分拣装置的结构框图。
75.图11示意性示出了适于用来实现本技术实施例的电子设备的计算机系统结构框图。
具体实施方式
76.现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本技术将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。
77.此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本技术的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本技术的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本技术的各方面。
78.附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
79.附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
80.日常生活中对于衣物的分拣，经常需要耗费人力物力来完成。而且，通过人工进行分拣会出现分拣不精确问题。而衣物分拣不精确的主要原因包括：第一，对于新衣物来说，由于厂家在制作时实际的衣物大小与其标注的尺寸不对应，例如有些新衣物实际尺码是l，但是其衣物实际大小确实m等。第二，对于旧衣物的回收来说，由于旧衣物经常会出现尺码变大或清洗太多缩小的情况。因此，由于以上两种情况的存在，目前还无法对衣物的尺码做自动的准确判断，会导致分拣不当，衣物的实际尺寸与分拣时的尺寸不匹配的问题，这样会无形中增加旧衣物的回收成本，不利于衣物的后续处理。
81.为了解决以上的问题，本技术公开了一种衣物分拣方法、衣物分拣装置、计算机可读介质以及电子设备，下面将通过各个方面进一步说明本技术的内容。
82.图1示意性地示出了应用本技术技术方案的示例性系统架构框图。
83.如图1所示，系统架构100可以包括终端设备110、网络120和服务器130。终端设备110可以包括智能手机、平板电脑、笔记本电脑、台式电脑等各种电子设备。服务器130可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云计算服务的云服务器。网络120可以是能够在终端设备110和服务器130之间提供通信链路的各种连接类型的通信介质，例如可以是有线通信链路或者无线通信链路。
84.根据实现需要，本技术实施例中的系统架构可以具有任意数目的终端设备、网络和服务器。例如，服务器130可以是由多个服务器设备组成的服务器群组。另外，本技术实施例提供的技术方案可以应用于终端设备110，也可以应用于服务器130，或者可以由终端设备110和服务器130共同实施，本技术对此不做特殊限定。
85.在本技术的一个实施例中，本技术的终端设备110或服务器130获取衣物的标牌图像数据和轮廓图像数据；并识别标牌图像数据得到第一尺寸信息，识别轮廓图像数据得到第二尺寸信息；再根据第一尺寸信息和第二尺寸信息计算得出目标尺寸信息；最后基于目标尺寸信息对衣物进行分拣。利用本技术的方法可以将衣物的图像数据和轮廓图像数据作为衣物尺寸确定的依据，提高了衣物尺码识别的准确性，降低了旧衣物的回收成本。
86.以上部分介绍了应用本技术技术方案的示例性系统架构的内容，接下来继续介绍本技术的衣物分拣方法。
87.如图2所示，图2示意性地示出了本技术衣物分拣方法的流程图。根据本技术实施例的一个方面，本技术提供一种衣物分拣方法，包括步骤s210-步骤s240。
88.在步骤s210中：获取衣物的标牌图像数据和轮廓图像数据。
89.其中，本技术的标牌图像数据和轮廓图像数据可以通过摄像头进行采集。摄像头可以对需要分拣的衣物进行自动拍照，本技术可以与衣物自动分拣设备配合使用，例如，衣物自动分拣设备上有传送带，在传送带正上方有摄像头，用户通过传送带将衣物依次传输，其中摄像头会重点采集标牌的图像数据以及整个衣物的轮廓图像数据。
90.对于标牌图像数据，若是新衣物的分拣，可以采集该衣物的吊牌和位于领口处的标牌；对于旧衣物的分拣，可以采集领口处的标牌，得到标牌图像数据，其中，在标牌图像数据中包括了该衣物的尺码信息。例如，该衣物的尺码是l，表示该衣物服装尺码是40码，胸围
是87-90cm，腰围是71-74cm，肩宽是39cm，对应的身高和胸围为165/90a。
91.对于轮廓图像数据指的是整个衣物的轮廓信息，可以通过摄像头采集整个衣物的外形图像来获取。通过以上方法获取到标牌图像数据和轮廓图像数据后，可以进行步骤s220。
92.在步骤s220中：识别标牌图像数据得到第一尺寸信息，识别轮廓图像数据得到第二尺寸信息。
93.其中，本技术在对标牌图像数据和轮廓图像数据进行识别之前，还可以对标牌图像数据和轮廓图像数据进行预处理。预处理的方式可以是分别设定标牌图像数据和轮廓图像数据的基准长宽比，通过将标牌图像数据和轮廓图像数据进行放大缩小，以使标牌图像数据和轮廓图像数据的长宽比与基准长宽比相同。例如，本技术可以设定标牌图像数据的基准长宽比是5cm*5cm，轮廓图像数据的基准长宽比为20cm*20cm。通过以上预处理方法，可以提高识别的准确性，避免因长宽比不同导致识别错误。
94.下面具体介绍本技术标牌图像数据和轮廓图像数据的识别方法。
95.在本技术的一个实施例中，如图3所示，图3示意性地示出了本技术标牌图像数据的识别方法流程图。本技术识别标牌图像数据得到第一尺寸信息的方法包括步骤s310-步骤s320。
96.步骤s310：对标牌图像数据进行文字识别，得到衣物的尺码信息。
97.本技术对于标牌图像数据，可以利用fots框架识别算法进行文字识别，其中fots框架识别算法是端到端文本检测与识别算法，通过fots框架识别算法可以识别出衣物的尺码信息。本技术还可以通过其他文字识别算法，例如ocr文字识别算法来进行识别，本技术对此不作限制。
98.通过对标牌图像数据进行文字识别后，可以得到衣物的尺码信息，例如：m，l，xl等。
99.步骤s320：根据尺码信息得到第一尺寸信息。
100.得到尺码信息之后，就可以根据该尺码信息，利用国际通用的标准衣物尺码表，来得到第一尺寸信息。如图4所示，图4示意性的示出了尺码与第一尺寸信息对应表。通过图4可以将尺码信息转换成第一尺寸信息。例如，尺码信息是l，对应的该衣物的第一尺寸信息包括：服装尺码是40码，胸围是87-90cm，腰围是71-74cm，肩宽是39cm，对应的身高和胸围为165/90a。
101.通过以上方法获得了关于标牌图像数据的第一尺码信息，以下公开对轮廓图像数据识别的内容。
102.在本技术的一个实施例中，如图5所示，图5示意性地示出了本技术轮廓图像数据的识别方法流程图。识别轮廓图像数据得到第二尺寸信息的方法包括步骤s510-步骤s530。
103.步骤s510：通过锚框标记或轮廓拟合构造轮廓图像数据的衣物图形轮廓。
104.本技术可以通过锚框标记的方法或者轮廓拟合的方法来构造轮廓图像数据的衣物图形轮廓。接下来具体公开两种方法的构建过程。
105.在本技术的一个实施例中，如图6所示，图6示意性的示出了本技术通过锚框标记的方法构造衣物图形轮廓的方法流程图。本技术利用锚框标记得到衣物图形轮廓的方法包括步骤s610-步骤s620。
106.步骤s610：利用预训练类别和偏移量标签的锚框扫描轮廓图像数据，计算锚框与真实边界框的交并比，若交并比大于等于交并比阈值，将锚框作为预测边界框。
107.在说明锚框之前，需要解释下边界框的概念，在目标检测里，通常使用边界框来描述目标位置。边界框可以是一个矩形框，由矩形左上角的坐标与右下角的坐标确定。当然，当识别的物体较为复杂时，例如，本技术识别衣物时，可以利用与衣物外形对应的多边形作为边界框，当边界框是多边形时，可以通过多边形各个边对应的顶点坐标来确定。
108.在进行轮廓图像数据的衣物轮廓识别过程中，需要利用区域采样方法采集衣物轮廓，本技术使用的区域采样方法是利用一个边界框作为一个区域，通过边界框识别轮廓图像数据中包含的衣物图形轮廓，并调整区域边缘从而更准确地预测目标的真实边界框。而本技术是以轮廓图像数据中的每个像素为中心生成多个大小和宽高比不同的边界框。这些边界框被称为锚框(anchor box)，即该锚框是用来识别轮廓图像数据中存在的衣物图形轮廓所预先得到的大小和宽高比不同的边界框。
109.而锚框标记的步骤包括锚框训练和锚框预测的过程。预训练类别和偏移量标签的锚框就是对应的锚框训练的过程。锚框训练是在训练集中，将每个锚框视为一个训练样本。为了训练锚框标记模型，我们需要为每个锚框标注两类标签：一是锚框所含目标的类别，简称类别，例如对于衣物来说，短袖、长袖和夹克等都可以是对应的类别，这些类别的边界框均为不同形状的多边形，例如，夹克为没有袖子的多边形衣服形状，九分裤为固定裤长的裤子形状等。二是真实边界框相对锚框的偏移量，简称偏移量。因此，经过锚框训练后，所有的锚框都会标注两类标签，即类别和偏移量。通过锚框训练，就能够生成许多大小和宽高比不同的锚框。对应本技术就是生成许多大小和宽高比不同的衣服形状或裤子形状的多边形。
110.而训练完成后就需要进行锚框预测。锚框预测是利用锚框扫描轮廓图像数据，计算锚框与真实边界框的交并比，若交并比大于等于交并比阈值，将锚框作为预测边界框；其中，真实边界框在本技术指代衣物的实际外形轮廓对应的边框。在识别时，本技术通过多个边界框作为锚框来匹配轮廓图像数据中的真实边界框，若两者交并比大于等于特定阈值，则将对应的边界框作为预测边界框。
111.具体的，锚框预测是通过锚框训练生成的多个锚框扫描轮廓图像数据，而轮廓图像数据中包含了衣物的衣物图形轮廓，利用多个锚框与真实边界框进行扫描覆盖，计算交并比，并判断交并比是否大于设定的交并比阈值，若大于设定的交并比阈值就将该锚框作为对应衣物图形轮廓的预测边界框。其中，交并比是任意一个锚框与真实边界框的交集面积与并集面积的比值，而交并比阈值可以设置为0.5。
112.当得出预测边界框后，还可以通过损失函数来评价预测边界框和真实边界框不一样的程度，若两者相差较大，可以将该锚框排除，从而重新进行步骤s610。而本技术可以利用交叉熵损失函数，也可以利用其它损失函数来进行评价。
113.通过以上方法得到预测边界框之后，由于锚框数量有限，因此预测边界框与真实边界框还是存在差距，这时可以利用边框回归的方法调整预测边界框，具体如步骤s620。
114.步骤s620：调整预测边界框的中心点和宽高，输出衣物图形轮廓。
115.通过调整预测边界框的中心点和宽高来进一步调节与真实边界框的差距，从而实现预测边界框能够更准确的表示衣物图形轮廓，当得到预测边界框之后，通过预测边界框的偏移量就可以得到衣物图形轮廓。例如，通过预测边界框得到对应的类别是短袖，对应的
74cm，肩宽是39cm的短袖。
130.通过以上步骤获得第一尺寸信息和第二尺寸信息后，可以继续步骤s230。
131.在步骤s230中：根据第一尺寸信息和第二尺寸信息计算得出目标尺寸信息。
132.其中，本技术可以直接将第一尺寸信息和第二尺寸信息进行求平均值得到对应的目标尺寸信息，例如，当第一尺寸信息中的衣物胸围是87cm，腰围是74cm，肩宽是39cm；第二尺寸信息的衣物胸围是89cm，腰围是78cm，肩宽是41cm时，对应的可以得到目标尺寸信息：胸围是是88，腰围是76，肩宽是40。本技术还可以利用以下的方法来计算目标尺寸信息。
133.当第一尺寸信息和第二尺寸信息差异较小时，对应的方法如下。
134.在本技术的一个实施例中，根据第一尺寸信息和第二尺寸信息计算得出目标尺寸信息的方法，包括：
135.计算第一尺寸信息和第二尺寸信息的相似度，得到相似值，当相似值大于预设阈值时，将第一尺寸信息或第二尺寸信息作为目标尺寸信息。该方案在第一尺寸信息和第二尺寸信息差异不大时，可以任意取其中一个作为目标尺寸信息。
136.其中，在本技术的一个实施例中，本技术计算第一尺寸信息和第二尺寸信息的相似度，得到相似值的方法，包括：获取第一尺寸信息和第二尺寸信息的腰围信息，胸围信息和肩宽信息；分别计算第一尺寸信息和第二尺寸信息的腰围信息，胸围信息和肩宽信息的相似度，得到第一相似值，第二相似值和第三相似值；将第一相似值，第二相似值和第三相似值求平均数得到相似值。
137.本技术也可以单独计算腰围信息，胸围信息和肩宽信息的相似值，并将三者分别进行对比来进行相似值的判断。本技术对于相似值计算方法可以先将尺寸信息向量化，然后计算两个向量的距离，距离越近对应的两个尺寸信息越相似。
138.本技术在进行腰围信息，胸围信息和肩宽信息的相似值计算时，还可以直接计算数值差异，并将数值差异作为相似值。例如，第一尺寸信息中腰围是75，第二尺寸信息中腰围是71.对应的相似值可以是2，表示两者的尺寸差值。在用数值差异作为相似值时，对应的差异值越小，第一尺寸信息和第二尺寸信息越相似。
139.以上公开的是本技术第一尺寸信息和第二尺寸信息差异小时，当第一尺寸信息和第二尺寸信息差异较大时，对应的目标尺寸信息的计算方法包括以下步骤。
140.在本技术的一个实施例中，如图8所示，图8示意性的示出了本技术第一尺寸信息和第二尺寸信息差异较大时，对应的目标尺寸信息的计算方法流程图。根据第一尺寸信息和第二尺寸信息计算得出目标尺寸信息的方法，包括步骤s810-步骤s830：
141.步骤s810：计算第一尺寸信息和第二尺寸信息的相似度，得到相似值。
142.该计算方法同第一尺寸信息和第二尺寸信息差异较小时的相似值计算方法，此处不再赘述。
143.步骤s820：当相似值小于预设阈值时，设定与第一尺寸信息相关的第一权重值和与第二尺寸信息相关的第二权重值。
144.当相似值小于预设阈值时，说明两者差异较大，对应的以差异值进行计算时，差异值越大表示第一尺寸信息和第二尺寸信息差异较大。此时本技术会为第一尺寸信息和第二尺寸信息分别设定不同的权重值。
145.在本技术的一个实施例中，如图9所示，图9示意性的示出了本技术设定第一权重
值和第二权重值的方法流程图。设定与第一尺寸信息相关的第一权重值和与第二尺寸信息相关的第二权重值的方法，包括步骤s910-步骤s930。
146.步骤s910：获取第一尺寸信息对应的尺码和第二尺寸信息对应的尺码。
147.其中，第一尺寸信息中包括衣物的腰围信息，胸围信息和肩宽信息，这些信息通过图4的尺码对应表可以转换成尺码信息，因此，可以获取到第一尺寸信息对应的尺码和第二尺寸信息对应的尺码。
148.步骤s920：若第一尺寸信息对应的尺码大于第二尺寸信息对应的尺码则将第一权重值设定为m，将第二权重值设定为n，且m大于n。
149.当第一尺码信息对应的尺码较大时，本技术对应的就设置第一权重值较大，例如，第一权重值为0.7，第二权重值为0.3。
150.步骤s930：若第一尺寸信息对应的尺码小于等于第二尺寸信息对应的尺码，则将第一权重值设定为m，将第二权重值设定为n，且m小于n；其中，m和n均为大于零小于1的数。
151.当第二尺码信息对应的尺码较大时，本技术对应的可以第二重值较大，例如，第一权重值为0.3第二权重值为0.7。
152.步骤s830：根据第一尺寸信息、第二尺寸信息、第一权重值和第二权重值计算得出目标尺寸信息。
153.当获取到第一尺寸信息、第二尺寸信息、第一权重值和第二权重值后，就可以根据第一尺寸信息、第二尺寸信息、第一权重值和第二权重值得到目标尺寸信息。
154.具体的计算方式是目标尺寸信息＝第一尺寸信息*第一权重值 第二尺寸信息*第二权重值。其中，本技术在计算时，可以具体计算尺寸信息下的腰围信息，胸围信息，肩宽信息，然后分别将这三个利用权重的方式计算得到新的腰围信息，胸围信息，肩宽信息作为目标尺寸信息。
155.完成以上步骤，可以继续进行步骤s240。
156.在步骤s240中：基于目标尺寸信息对衣物进行分拣。
157.当获取到衣物的目标尺寸信息后，就可以基于该目标尺寸信息对衣物进行分拣，例如，将相同尺寸的分拣到一起。此时对应可以结合衣物分拣设备，例如设置多个回收框，每个回收框对应不同尺寸衣物，根据目标尺寸信息将对应尺寸的衣物推入到回收框中，以实现对衣物的分拣。
158.在本技术实施例提供的技术方案中，本技术通过获取衣物的标牌图像数据和轮廓图像数据；识别标牌图像数据得到第一尺寸信息，识别轮廓图像数据得到第二尺寸信息；根据第一尺寸信息和第二尺寸信息计算得出目标尺寸信息；最后基于目标尺寸信息对衣物进行分拣。通过本技术的衣物分拣方法，可以利用标牌图像数据和轮廓图像数据两者组合作为衣物的尺寸判断标准，可以准确的判断衣物的尺寸，并对衣物进行自动分拣，减少了人工投入，降低了衣物回收的成本，避免出现尺寸信息识别不准确导致的分拣不当问题，有利于衣物的后续处理。
159.应当注意，尽管在附图中以特定顺序描述了本技术中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
160.以上部分介绍了本技术数据衣物分拣方法的内容，接下来继续介绍本技术衣物分拣装置的内容。
161.图10示意性地示出了本技术实施例提供的衣物分拣装置的结构框图。如图10所示，根据本技术实施例的一个方面，提供一种衣物分拣装置1000，包括：
162.获取模块1010，被配置为获取衣物的标牌图像数据和轮廓图像数据；
163.识别模块1020，被配置为识别标牌图像数据得到第一尺寸信息，识别轮廓图像数据得到第二尺寸信息；
164.计算模块1030，被配置为根据第一尺寸信息和第二尺寸信息计算得出目标尺寸信息；
165.分拣模块1040，被配置为基于目标尺寸信息对衣物进行分拣。
166.在本技术的一些实施例中，基于以上技术方案，识别模块1020包括：
167.第一识别单元，用于对标牌图像数据进行文字识别，得到衣物的尺码信息；并根据尺码信息得到第一尺寸信息。
168.在本技术的一些实施例中，基于以上技术方案，识别模块包括第二识别单元，第二识别单元包括：
169.轮廓构建单元，用于通过锚框标记或轮廓拟合构造轮廓图像数据的衣物图形轮廓；
170.轮廓识别单元，用于通过预训练的机器学习模型识别衣物图形轮廓，得到轮廓编码信息；并基于轮廓编码信息得到第二尺寸信息。
171.在本技术的一些实施例中，基于以上技术方案，所述轮廓构建单元包括锚框识别单元，所述锚框识别单元包括：
172.预测边界框获取单元，用于利用预训练类别和偏移量标签的锚框扫描所述轮廓图像数据，计算所述锚框与真实边界框的交并比，若交并比大于等于交并比阈值，将所述锚框作为预测边界框；
173.锚框调整单元，用于调整所述预测边界框的中心点和宽高，输出衣物图形轮廓。
174.在本技术的一些实施例中，基于以上技术方案，计算模块1030包括：
175.相似度计算单元，用于计算第一尺寸信息和第二尺寸信息的相似度，得到相似值；
176.目标尺寸确认单元，用于当相似值大于预设阈值时，将第一尺寸信息或第二尺寸信息作为目标尺寸信息。
177.在本技术的一些实施例中，基于以上技术方案，计算模块1030还包括：
178.相似度计算单元，用于计算第一尺寸信息和第二尺寸信息的相似度，得到相似值；
179.权重设定单元，用于当相似值小于预设阈值时，设定与第一尺寸信息相关的第一权重值和与第二尺寸信息相关的第二权重值；
180.尺寸计算单元，用于根据第一尺寸信息、第二尺寸信息、第一权重值和第二权重值计算得出目标尺寸信息。
181.在本技术的一些实施例中，基于以上技术方案，权重设定单元包括：
182.尺码获取单元，用于获取第一尺寸信息对应的尺码和第二尺寸信息对应的尺码；
183.第一权重子单元，用于在第一尺寸信息对应的尺码大于第二尺寸信息对应的尺码时，将第一权重值设定为m，将第二权重值设定为n，且m大于n；
184.第二权重子单元，用于在第一尺寸信息对应的尺码小于等于第二尺寸信息对应的尺码时，将第一权重值设定为m，将第二权重值设定为n，且m小于n；
185.其中，m和n均为大于零小于1的数。
186.本技术各实施例中提供的衣物分拣装置的具体细节已经在对应的方法实施例中进行了详细的描述，此处不再赘述。
187.以上部分介绍了本技术衣物分拣装置的内容，接下来继续介绍本技术其它方面的内容。
188.根据本技术实施例的一个方面，提供一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如以上技术方案中的衣物分拣方法。
189.根据本技术实施例的一个方面，提供一种电子设备，该电子设备包括：处理器；以及存储器，用于存储处理器的可执行指令；其中，处理器被配置为经由执行可执行指令来执行如以上技术方案中的衣物分拣方法。
190.根据本技术实施例的一个方面，提供一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行如以上技术方案中的衣物分拣方法。
191.图11示意性地示出了用于实现本技术实施例的电子设备的计算机系统结构框图。
192.需要说明的是，图11示出的电子设备的计算机系统1100仅是一个示例，不应对本技术实施例的功能和使用范围带来任何限制。
193.如图11所示，计算机系统1100包括中央处理器1101(central processing unit，cpu)，其可以根据存储在只读存储器1102(read-only memory，rom)中的程序或者从存储部分1108加载到随机访问存储器1103(random access memory，ram)中的程序而执行各种适当的动作和处理。在随机访问存储器1103中，还存储有系统操作所需的各种程序和数据。中央处理器1101、在只读存储器1102以及随机访问存储器1103通过总线1104彼此相连。输入/输出接口1105(input/output接口，即i/o接口)也连接至总线1104。
194.以下部件连接至输入/输出接口1105：包括键盘、鼠标等的输入部分1106；包括诸如阴极射线管(cathode ray tube，crt)、液晶显示器(liquid crystal display，lcd)等以及扬声器等的输出部分1107；包括硬盘等的存储部分1108；以及包括诸如局域网卡、调制解调器等的网络接口卡的通信部分1109。通信部分1109经由诸如因特网的网络执行通信处理。驱动器1110也根据需要连接至输入/输出接口1105。可拆卸介质1111，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1110上，以便于从其上读出的计算机程序根据需要被安装入存储部分1108。
195.特别地，根据本技术的实施例，各个方法流程图中所描述的过程可以被实现为计算机软件程序。例如，本技术的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分1109从网络上被下载和安装，和/或从可拆卸介质1111被安装。在该计算机程序被中央处理器1101执行时，执行本技术的系统中限定的各种功能。
196.需要说明的是，本技术实施例所示的计算机可读介质可以是计算机可读信号介质
或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(erasable programmable read only memory，eprom)、闪存、光纤、便携式紧凑磁盘只读存储器(compact disc read-only memory，cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本技术中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本技术中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
197.附图中的流程图和框图，图示了按照本技术各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
198.应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本技术的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
199.通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本技术实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本技术实施方式的方法。
200.本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本技术的其它实施方案。本技术旨在涵盖本技术的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本技术的一般性原理并包括本技术未公开的本技术领域中的公知常识或惯用技术手段。
201.应当理解的是，本技术并不局限于上面已经描述并在附图中示出的精确结构，并
且可以在不脱离其范围进行各种修改和改变。本技术的范围仅由所附的权利要求来限制。