1.一种基于形状和颜色特征的鞋垫自动分类的方法，其特征在于：包括离线训练和在线识别：

(1)、离线训练，包括如下步骤：

①.一幅图像有多个鞋垫，先手动矩形框选鞋垫，然后对图像进行中值滤波，再对RGB图像转换到HSV颜色空间，对V通道图像进行阈值分割，再对阈值分割后图像进行最大轮廓提取；

②.对最大轮廓的面积、弧长、最小外接矩形的长、最小外接矩形的宽、H通道图像灰度均值作为特征；

③.根据鞋垫左右脚识别方法，分别建立左右SVM分类器，并添加类别标签，然后进行SVM训练，并将训练后的文件保存下来；

(2)、在线识别，包括如下步骤：

①.读取图像后，对整个图像进行中值滤波，然后对RGB图像转换到HSV颜色空间中，对V通道图像进行阈值分割，对分割后的二值图像进行轮廓提取，遍历每条轮廓；

②.对于①中提取的轮廓，首先对轮廓面积进行判断，设置阈值，当面积较小时，表示为杂质，舍弃；然后提取轮廓的面积、弧长、最小外接矩形的长、最小外接矩形的宽、H通道图像灰度均值作为特征；

③.根据鞋垫左右脚识别方法，如果为左脚就用左脚SVM分类器进行分类，如果为右脚就用右脚SVM分类器进行分类；从而得到分类标签，进一步将鞋垫归纳到其所属的那一类；

所述鞋垫左右脚识别方法，步骤如下：①.对输入的轮廓计算三阶矩，计算轮廓质心(Xc,Yc)和主轴斜率，并计算经过质心垂直主轴直线方程L1；

②.对①中输入轮廓逐个点计算，判断点在直线L1的左侧还是右侧；

③.分别计算直线L1的左侧和右侧的轮廓点面积S1、S2，及质心(X1,Y1)和质心(X2,Y2)；

④.判断S1和S2的面积大小，若S1大于S2，则S1为鞋头部分，根据(X1,Y1)与(Xc,Yc)位置关系，获取需要的旋转角度，使1中轮廓绕(Xc,Yc)旋转，使(X1,Y1)与(Xc,Yc)直线在水平位置，鞋头朝左；若S2大于S1，则S2为鞋头部分，根据(X2,Y2)与(Xc,Yc)位置关系，获取需要的旋转角度，使1中轮廓绕(Xc,Yc)旋转，使(X2,Y2)与(Xc,Yc)直线在水平位置，鞋头朝左；

⑤.获取旋转后轮廓的凸包区域与旋转后区域的差值，差值区域的质心(Xres,Yres)，如果Yres小于Yc，判断为左脚，如果Yres大于Yc，判断为右脚。