技术领域
[0001] 本
发明涉及衣物柜领域，尤其涉及一种衣物柜收纳管理系统。
背景技术
[0002] 衣物柜是收纳存放衣物的柜具，通常以不锈
钢、实木、钢化玻璃、五金配件为材料，一般以柜体、
门板、静
音轮子、门帘为组件，内置挂衣杆、裤架、拉篮、消毒
灯具等配件，采用冲孔、装配、压铆、
焊接等工艺，具有阻燃、防鼠、无缝防蟑螂、防尘、防蛀、防潮、洁净美观、移动方便等作用，有大容量智能消毒衣柜、无电源通玻柜、
不锈钢衣柜、紫外线消毒保洁衣柜、防潮多功能衣柜、男女更衣柜、干燥防蟑螂衣柜、折叠衣柜、简易衣柜。衣物柜的门体常见的分类为平开门，柜内与柜外推拉门等，衣物柜所用的板材一般有不锈钢、金属、木材等。
发明内容
[0003] 本发明至少具备以下三处关键的发明点：
[0004] (1)基于衣物柜前方人体的穿衣季节类型从所述衣物柜选择对应的一个或多个柜体并进行自动推送，为用户直接提供当季属性的柜体，以方便用户的衣物放置和衣物提取；
[0005] (2)对图像的
颜色分量执行选择性的滤波处理，同时在具体的滤波处理中，基于颜色矩阵的均方差确定对颜色矩阵执行滤波处理的强度，实现了自适应的
图像处理；
[0006] (3)基于图像的各个颜色分量的各个重复度进行图像的整体重复度的判断，为图像的整体重复度的判断提供针对性的解决方案。
[0007] 根据本发明的一方面，提供了一种衣物柜收纳管理系统，所述系统包括：
[0008] 衣物分析设备，与均衡操作设备连接，用于接收实时均衡图像，基于衣物成像灰度
阈值范围将所述实时均衡图像中的衣物目标识别出来以获得相应的目标区域，基于所述目标区域确定对应衣物目标的数个几何特征：欧拉孔数、圆度、
角点数、凸凹度、光滑度、长径比、紧
密度和
主轴角度，并将所述数个几何特征组成
特征向量；
[0009] 类型辨识设备，与所述衣物分析设备连接，采用8输入4输出的单隐层BP神经网络，将所述数个几何特征作为
输入层神经元，
输出层为衣物季节类型，所述衣物季节类型包括春天服饰、夏天服饰、秋天服饰和冬天服饰；
[0010] 柜体推送设备，与所述类型辨识设备和衣物柜内各个柜体连接，用于接收所述衣物季节类型，并推送与所述衣物季节类型对应的一个或多个柜体；
[0011] 第一重复度分析设备，用于接收对衣物柜前方景象进行捕获所获得的景象捕获图像，获取所述景象捕获图像的各个
像素点的各个红色分量值，基于所述各个红色分量值的重复度以作为第一重复度输出；
[0012] 第二重复度分析设备，用于接收所述景象捕获图像，获取所述景象捕获图像的各个像素点的各个蓝色分量值，基于所述各个蓝色分量值的重复度以作为第二重复度输出；
[0013] 第一重复度分析设备，用于接收所述景象捕获图像，获取所述景象捕获图像的各个像素点的各个绿色分量值，基于所述各个绿色分量值的重复度以作为第三重复度输出。
[0014] 本发明的衣物柜收纳管理系统运行可靠，操作便捷。由于基于衣物柜前方人体的穿衣季节类型从衣物柜选择对应的一个或多个柜体并进行自动推送，从而能够为用户直接提供当季属性的柜体。
附图说明
[0015] 以下将结合附图对本发明的实施方案进行描述，其中：
[0016] 图1为根据本发明实施方案示出的衣物柜收纳管理系统所应用的衣物柜的结构示意图。
具体实施方式
[0017] 下面将参照附图对本发明的衣物柜收纳管理系统的实施方案进行详细说明。
[0018]
电子控制表现为弱电控制。弱电一般是指直流
电路或音频、视频线路、网络线路、电话线路，交流
电压一般在36V以内。
家用电器中的电话、电脑、电视机的
信号输入(
有线电视线路)、音响设备(输出端线路)等家用电器均为弱电电气设备。强电和弱电从概念上讲，一般是容易区别的，主要区别是用途的不同。强电是用作一种动
力能源。弱电是作为一种信号电。电压并不是区分强电和弱电的方法。
[0019] 建筑中的弱电主要有两类：一类是国家规定的安全电压等级及控制电压等
低电压电能，有交流与直流之分。交流36V以下，直流24V以下，如24V直流控制电源，或应急照明灯备用电源。另一类是载有语音、图像、数据等信息的信息源，如电话、电视、计算机的信息。
[0020] 目前，对于衣物柜的使用者而言，由于柜内各个季节的衣物都有，很难在海量的衣物内找到属于当前季节的衣物，更不用说从众多当前季节的衣物进行具体的衣物选择了，同时衣物的收纳也需要一种基于季节类型的管理机制。
[0021] 为了克服上述不足，本发明搭建了一种衣物柜收纳管理系统，能够有效解决相应的技术问题。
[0022] 图1为根据本发明实施方案示出的衣物柜收纳管理系统所引用的衣物柜的结构示意图。
[0023] 根据本发明实施方案示出的衣物柜收纳管理系统包括：
[0024] 衣物分析设备，与均衡操作设备连接，用于接收实时均衡图像，基于衣物成像灰度阈值范围将所述实时均衡图像中的衣物目标识别出来以获得相应的目标区域，基于所述目标区域确定对应衣物目标的数个几何特征：欧拉孔数、圆度、角点数、凸凹度、光滑度、长径比、紧密度和主轴角度，并将所述数个几何特征组成特征向量；
[0025] 类型辨识设备，与所述衣物分析设备连接，采用8输入4输出的单隐层BP神经网络，将所述数个几何特征作为输入层神经元，输出层为衣物季节类型，所述衣物季节类型包括春天服饰、夏天服饰、秋天服饰和冬天服饰；
[0026] 柜体推送设备，与所述类型辨识设备和衣物柜内各个柜体连接，用于接收所述衣物季节类型，并推送与所述衣物季节类型对应的一个或多个柜体；
[0027] 第一重复度分析设备，用于接收对衣物柜前方景象进行捕获所获得的景象捕获图像，获取所述景象捕获图像的各个像素点的各个红色分量值，基于所述各个红色分量值的重复度以作为第一重复度输出；
[0028] 第二重复度分析设备，用于接收所述景象捕获图像，获取所述景象捕获图像的各个像素点的各个蓝色分量值，基于所述各个蓝色分量值的重复度以作为第二重复度输出；
[0029] 第一重复度分析设备，用于接收所述景象捕获图像，获取所述景象捕获图像的各个像素点的各个绿色分量值，基于所述各个绿色分量值的重复度以作为第三重复度输出；
[0030] 参数识别设备，分别与所述第一重复度分析设备、所述第二重复度分析设备和所述第三重复度分析设备连接，用于分别接收所述第一重复度、所述第二重复度和所述第三重复度，基于所述第一重复度、所述第二重复度和所述第三重复度确定所述景象捕获图像的整体重复度；
[0031] 在所述参数识别设备中，基于所述第一重复度、所述第二重复度和所述第三重复度确定所述景象捕获图像的整体重复度包括：所述第一重复度与所述整体重复度成正比关系，所述第二重复度与所述整体重复度成正比关系，所述第三重复度与所述整体重复度成正比关系；
[0032] 几何校正设备，与所述参数识别设备连接，用于在接收到的整体重复度的数值小于等于预设重复度阈值时方接收来自所述第一重复度分析设备的景象捕获图像，还用于对所述景象捕获图像执行几何校正处理，以获得校正后图像；
[0033] 矩阵提取设备，用于接收所述校正后图像，对所述校正后图像执行颜色空间转换，以获得所述校正后图像的
RGB颜色空间下的B颜色矩阵、R颜色矩阵和G颜色矩阵；
[0034] 动态滤波设备，与所述矩阵提取设备连接，用于基于所述R颜色矩阵的均方差确定对所述R颜色矩阵执行滤波处理的强度，基于所述G颜色矩阵的均方差确定对所述G颜色矩阵执行滤波处理的强度，对所述B颜色矩阵不进行滤波处理；
[0035] 组合执行设备，与所述动态滤波设备连接，用于将滤波处理后的R颜色矩阵、滤波处理后的G颜色矩阵和未滤波处理的B颜色矩阵进行组合操作，以获得对应的组合操作图像；
[0036] 均衡操作设备，与所述组合执行设备连接，用于将所述组合操作图像执行直方图均衡操作，以获得实时均衡图像；
[0037] 其中，在所述动态滤波设备中，基于所述R颜色矩阵的均方差确定对所述R颜色矩阵执行滤波处理的强度包括：所述R颜色矩阵的均方差越大，对所述R颜色矩阵执行滤波处理的强度越大。
[0038] 接着，继续对本发明的衣物柜收纳管理系统的具体结构进行进一步的说明。
[0039] 在所述衣物柜收纳管理系统中：
[0040] 在所述动态滤波设备中，基于所述G颜色矩阵的均方差确定对所述G颜色矩阵执行滤波处理的强度包括：所述G颜色矩阵的均方差越大，对所述G颜色矩阵执行滤波处理的强度越大。
[0041] 所述衣物柜收纳管理系统中还可以包括：
[0042] 第一参数获取设备，与所述均衡操作设备连接，用于接收所述实时均衡图像，对所述实时均衡图像执行红色通道均值解析，以获得第一红色通道均值；
[0043] 第二参数获取设备，用于接收所述莱娜图，对所述莱娜图执行红色通道均值解析，以获得第二红色通道均值。
[0044] 所述衣物柜收纳管理系统中还可以包括：
[0045] 参数比较设备，分别与所述第一参数获取设备和所述第二参数获取设备连接，用于接收所述第一红色通道均值和所述第二红色通道均值，并在所述第一红色通道均值大于等于所述第二红色通道均值时，发出第一控制指令，在所述第二红色通道均值是所述第一红色通道均值的三倍以上时，发出第三控制指令，以及在所述第二红色通道均值是所述第一红色通道均值的三倍到二倍之间时，发出第二控制指令；
[0046] 选择处理设备，分别与所述衣物分析设备和所述参数比较设备连接，用于在接收到所述第二控制指令时，激活色相
修改设备以对所述实时均衡图像执行单次红色色相曲线提升处理，并获得对应的选择处理图像以替换所述实时均衡图像发送给所述衣物分析设备，还用于在接收到所述第三控制指令时，激活色相修改设备以对所述实时均衡图像执行双次红色色相曲线提升处理，并获得对应的选择处理图像以替换所述实时均衡图像发送给所述衣物分析设备；
[0047] 其中，所述选择处理设备还用于在接收到所述第一控制指令时，将所述实时均衡图像作为选择处理图像以替换所述实时均衡图像发送给所述衣物分析设备。
[0048] 所述衣物柜收纳管理系统中还可以包括：
[0049] 色相修改设备，用于在激活状态对输入图像执行单次或双次红色色相曲线提升处理，在非激活状态停止对输入图像执行单次或双次红色色相曲线提升处理；
[0050] 其中，所述逐次插值设备由数字处理芯片来实现，所述数字处理芯片内部采用程序和数据分开的哈佛结构，具有
硬件乘法器，采用流
水线操作，提供各种数字处理控制指令以分别实现各种
数字信号处理
算法。
[0051] 根据本发明实施方案示出的衣物柜收纳管理方法包括：
[0052] 使用衣物分析设备，与均衡操作设备连接，用于接收实时均衡图像，基于衣物成像灰度阈值范围将所述实时均衡图像中的衣物目标识别出来以获得相应的目标区域，基于所述目标区域确定对应衣物目标的数个几何特征：欧拉孔数、圆度、角点数、凸凹度、光滑度、长径比、紧密度和主轴角度，并将所述数个几何特征组成特征向量；
[0053] 使用类型辨识设备，与所述衣物分析设备连接，采用8输入4输出的单隐层BP神经网络，将所述数个几何特征作为输入层神经元，输出层为衣物季节类型，所述衣物季节类型包括春天服饰、夏天服饰、秋天服饰和冬天服饰；
[0054] 使用柜体推送设备，与所述类型辨识设备和衣物柜内各个柜体连接，用于接收所述衣物季节类型，并推送与所述衣物季节类型对应的一个或多个柜体；
[0055] 使用第一重复度分析设备，用于接收对衣物柜前方景象进行捕获所获得的景象捕获图像，获取所述景象捕获图像的各个像素点的各个红色分量值，基于所述各个红色分量值的重复度以作为第一重复度输出；
[0056] 使用第二重复度分析设备，用于接收所述景象捕获图像，获取所述景象捕获图像的各个像素点的各个蓝色分量值，基于所述各个蓝色分量值的重复度以作为第二重复度输出；
[0057] 使用第一重复度分析设备，用于接收所述景象捕获图像，获取所述景象捕获图像的各个像素点的各个绿色分量值，基于所述各个绿色分量值的重复度以作为第三重复度输出；
[0058] 使用参数识别设备，分别与所述第一重复度分析设备、所述第二重复度分析设备和所述第三重复度分析设备连接，用于分别接收所述第一重复度、所述第二重复度和所述第三重复度，基于所述第一重复度、所述第二重复度和所述第三重复度确定所述景象捕获图像的整体重复度；
[0059] 在所述参数识别设备中，基于所述第一重复度、所述第二重复度和所述第三重复度确定所述景象捕获图像的整体重复度包括：所述第一重复度与所述整体重复度成正比关系，所述第二重复度与所述整体重复度成正比关系，所述第三重复度与所述整体重复度成正比关系；
[0060] 使用几何校正设备，与所述参数识别设备连接，用于在接收到的整体重复度的数值小于等于预设重复度阈值时方接收来自所述第一重复度分析设备的景象捕获图像，还用于对所述景象捕获图像执行几何校正处理，以获得校正后图像；
[0061] 使用矩阵提取设备，用于接收所述校正后图像，对所述校正后图像执行颜色空间转换，以获得所述校正后图像的RGB颜色空间下的B颜色矩阵、R颜色矩阵和G颜色矩阵；
[0062] 使用动态滤波设备，与所述矩阵提取设备连接，用于基于所述R颜色矩阵的均方差确定对所述R颜色矩阵执行滤波处理的强度，基于所述G颜色矩阵的均方差确定对所述G颜色矩阵执行滤波处理的强度，对所述B颜色矩阵不进行滤波处理；
[0063] 使用组合执行设备，与所述动态滤波设备连接，用于将滤波处理后的R颜色矩阵、滤波处理后的G颜色矩阵和未滤波处理的B颜色矩阵进行组合操作，以获得对应的组合操作图像；
[0064] 使用均衡操作设备，与所述组合执行设备连接，用于将所述组合操作图像执行直方图均衡操作，以获得实时均衡图像；
[0065] 其中，在所述动态滤波设备中，基于所述R颜色矩阵的均方差确定对所述R颜色矩阵执行滤波处理的强度包括：所述R颜色矩阵的均方差越大，对所述R颜色矩阵执行滤波处理的强度越大。
[0066] 接着，继续对本发明的衣物柜收纳管理方法的具体步骤进行进一步的说明。
[0067] 所述衣物柜收纳管理方法中：
[0068] 在所述动态滤波设备中，基于所述G颜色矩阵的均方差确定对所述G颜色矩阵执行滤波处理的强度包括：所述G颜色矩阵的均方差越大，对所述G颜色矩阵执行滤波处理的强度越大。
[0069] 所述衣物柜收纳管理方法还可以包括：
[0070] 使用第一参数获取设备，与所述均衡操作设备连接，用于接收所述实时均衡图像，对所述实时均衡图像执行红色通道均值解析，以获得第一红色通道均值；
[0071] 使用第二参数获取设备，用于接收所述莱娜图，对所述莱娜图执行红色通道均值解析，以获得第二红色通道均值。
[0072] 所述衣物柜收纳管理方法还可以包括：
[0073] 使用参数比较设备，分别与所述第一参数获取设备和所述第二参数获取设备连接，用于接收所述第一红色通道均值和所述第二红色通道均值，并在所述第一红色通道均值大于等于所述第二红色通道均值时，发出第一控制指令，在所述第二红色通道均值是所述第一红色通道均值的三倍以上时，发出第三控制指令，以及在所述第二红色通道均值是所述第一红色通道均值的三倍到二倍之间时，发出第二控制指令；
[0074] 使用选择处理设备，分别与所述衣物分析设备和所述参数比较设备连接，用于在接收到所述第二控制指令时，激活色相修改设备以对所述实时均衡图像执行单次红色色相曲线提升处理，并获得对应的选择处理图像以替换所述实时均衡图像发送给所述衣物分析设备，还用于在接收到所述第三控制指令时，激活色相修改设备以对所述实时均衡图像执行双次红色色相曲线提升处理，并获得对应的选择处理图像以替换所述实时均衡图像发送给所述衣物分析设备；
[0075] 其中，所述选择处理设备还用于在接收到所述第一控制指令时，将所述实时均衡图像作为选择处理图像以替换所述实时均衡图像发送给所述衣物分析设备。
[0076] 所述衣物柜收纳管理方法还可以包括：
[0077] 使用色相修改设备，用于在激活状态对输入图像执行单次或双次红色色相曲线提升处理，在非激活状态停止对输入图像执行单次或双次红色色相曲线提升处理；
[0078] 其中，所述逐次插值设备由数字处理芯片来实现，所述数字处理芯片内部采用程序和数据分开的哈佛结构，具有硬件乘法器，采用流水线操作，提供各种数字处理控制指令以分别实现各种数字
信号处理算法。
[0079] 另外，所述衣物分析设备采用GPU来实现。GPU就是能够从硬件上支持T&L(Transform and Lighting，多边形转换和
光源处理)的显示芯片，由于T&L是3D
渲染中的一个重要部分，其作用是计算多边形的3D
位置与处理动态光线效果，也能称为“几何处理”。一个好的T&L单元，能提供细致的3D物体和高级的光线特效；只不过大多数PC中，T&L的大部分运算是交由CPU处理的(这就也就是所谓
软件T&L)，因为CPU的任务繁多，除了T&L之外，还要做内存管理和输入响应等非3D图形处理工作，所以在实际运算的时候性能会大打折扣，一般出现显卡等待CPU数据的情况，CPU运算速度远跟不上时下复杂三维游戏的要求。即使CPU的工作
频率超出1GHz或更高，对他的帮助也不大，因为这是PC本身设计造成的问题，与CPU的速度无太大关系。
[0080] 最后应注意到的是，在本发明各个
实施例中的各功能设备可以集成在一个处理设备中，也可以是各个设备单独物理存在，也可以两个或两个以上设备集成在一个设备中。
[0081] 所述功能如果以软件功能设备的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对
现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，
服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动
硬盘、只读
存储器(ROM，Read-Only Memory)、
随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0082] 以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉
本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以
权利要求的保护范围为准。
