民族特色服饰是指各民族文化中独有的特色服饰,是承载传统文化的重要标志之一。本文运用机器学习的方法对中国特色服饰的识别进行研究。针对我国最常见的12种中国特色服饰,本文搜集大量的中国特色服饰图像,分别运用传统机器学习方法和深度学习方法对中国特色服饰的识别进行研究,通过训练得到识别模型,并将模型移植到安卓智能终端。本文的主要工作如下:1.构建服饰图像集,共13类图像,共计4259幅。其中包括汉族、维族、苗族、旗袍、藏族、蒙古族、朝鲜族、满族、羌族、佤族、白族、壮族12类特色服饰和1类其他类日常服饰。图像分辨率分布在200×230至683 × 1024之间。2.实现了基于特征级联和支持向量机的中国特色服饰识别。提取图像的LBP特征和HSV特征,通过级联的方式将两种特征组合在一起,利用SVM训练得到中国特色服饰识别模型。该模型的平均识别正确率为61.8%,单幅图像测试时长为4.40s。3.实现了基于卷积神经网络迁移的中国特色服饰识别。更改VGG16网络模型,使其输出节点对应13种服饰类别,对数据集进行了镜像和剪切的扩充处理,微调最后3层全连接层和最后3层卷积层进行重新训练,得到识别模型。该模型的平均识别正确率为90.8%,单幅图像测试时长为8.12s。4.基于安卓系统的中国特色服饰识别算法移植。本文通过配置Android环境、定义模型和Android接口,将微调的中国特色服饰识别模型移植到安卓操作系统。测试结果表明,该APP的平均识别正确率为90.8%,识别一幅服饰图像平均用时为12s。