CN106951904A - 图像识别装置 - Google Patents

图像识别装置 Download PDF

Info

Publication number
CN106951904A
CN106951904A CN201611051933.9A CN201611051933A CN106951904A CN 106951904 A CN106951904 A CN 106951904A CN 201611051933 A CN201611051933 A CN 201611051933A CN 106951904 A CN106951904 A CN 106951904A
Authority
CN
China
Prior art keywords
area
identification
image
pattern recognition
recognition device
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201611051933.9A
Other languages
English (en)
Other versions
CN106951904B (zh
Inventor
安永真明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toshiba TEC Corp
Original Assignee
Toshiba TEC Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Toshiba TEC Corp filed Critical Toshiba TEC Corp
Publication of CN106951904A publication Critical patent/CN106951904A/zh
Application granted granted Critical
Publication of CN106951904B publication Critical patent/CN106951904B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/10544—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation by scanning of the records by radiation in the optical part of the electromagnetic spectrum
    • G06K7/10712—Fixed beam scanning
    • G06K7/10722—Photodetector array or CCD scanning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/08—Payment architectures
    • G06Q20/20—Point-of-sale [POS] network systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/22—Character recognition characterised by the type of writing
    • G06V30/224—Character recognition characterised by the type of writing of printed characters having additional code marks or containing code marks
    • G06V30/2247—Characters composed of bars, e.g. CMC-7
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07G—REGISTERING THE RECEIPT OF CASH, VALUABLES, OR TOKENS
    • G07G1/00—Cash registers
    • G07G1/0036—Checkout procedures
    • G07G1/0045—Checkout procedures with a code reader for reading of an identifying code of the article to be registered, e.g. barcode reader or radio-frequency identity [RFID] reader
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Abstract

本发明公开了一种图像识别装置，其能够高速地进行对象物的识别，该图像识别装置包括：存储部、图像取得部、抽出部、码识别部及目的物识别部。存储部，对应每个作为识别对象的对象物存储从附加在对象物上的码信息获得的识别信息和用于目的物识别的对象物的图像信息。图像取得部取得摄像图像。抽出部，从所述摄像图像中抽出有对象物的对象物区域。码识别部，在所述对象物区域中抽出附加在对象物上的码信息，根据已抽出的码信息识别所述识别信息。目的物识别部，当基于所述码识别部的对象物的识别已失败时，通过所述对象物区域的图像和所述存储部所存储的各对象物的图像信息识别对象物。

Description

图像识别装置
本申请主张申请日为2016年01月06日、申请号为US14/989200的美国申请为优先权，并引用上述申请的内容。
技术领域
本发明的实施例涉及一种图像识别装置。
背景技术
目前，在图像识别装置中有具有根据摄像头所摄像的图像识别对象物的功能的装置。作为识别对象物的功能，有条形码识别及目的物识别等。目的物识别是通过对从摄像头所摄像的图像取得的图像信息和预先保持的对象物本体的图像信息进行比较来识别已取得的图像信息所包含的对象物的处理。通常，目的物识别在运用上的优点很多，但另一方面处理费时间(需要处理时间)。因此，图像识别装置被期望减轻目的物识别的负担。
发明内容
鉴于上述问题，本发明所要解决的技术问题是，提供一种图像识别装置，其能够高速地进行对象物的识别。
为解决上述问题，本发明的一实施例，提供了一种图像识别装置，包括：存储部、图像取得部、抽出部、码识别部及目的物识别部。存储部，对应每个作为识别对象的对象物存储从附加在对象物上的码信息获得的识别信息和用于目的物识别的对象物的图像信息。图像取得部取得摄像图像。抽出部，从所述摄像图像中抽出有对象物的对象物区域。码识别部，在所述对象物区域中抽出附加在对象物上的码信息，并根据已抽出的码信息识别所述识别信息。目的物识别部，当基于所述码识别部的对象物的识别失败了时，通过所述对象物区域的图像和所述存储部所存储的各对象物的图像信息识别对象物。
根据这样的构成，通过设置码识别部和目的物识别部，能够高速地进行对象物的识别。
对于图像识别装置，在一种可能的实施方式中，还包括：摄像部，摄像所述对象物被载置的载置面的图像，其中，所述图像取得部取得所述摄像部所摄像的摄像图像。
根据这样的构成，通过具有摄像对象物被载置的载置面的图像的摄像部，能够容易地识别出对象物区域。
对于图像识别装置，在一种可能的实施方式中，所述载置面以指定的颜色形成，所述抽出部基于所述载置面的颜色从所述摄像图像中抽出所述对象物区域。
根据这样的构成，通过载置面用指定的颜色形成，从而能够更准确地识别出对象物区域。
对于图像识别装置，在一种可能的实施方式中，所述存储部存储对象物的特征点或局部特征量，作为用于目的物识别的对象物的图像信息，所述目的物识别部从所述对象物区域中抽出特征点或局部特征量，从所述存储部检索从所述对象物区域中抽出的特征点或局部特征量的至少一部分一致的特征点或局部特征量的对象物。
根据这样的构成，通过存储对象物的特征点或局部特征量，能够在不能码识别的情况下，采用目的物识别来对对象物区域进行识别，从而能够降低识别处理时间。
本发明的第二实施例，还提供一种图像识别装置，用于识别对象物，包括：存储部，对应每个作为识别对象的对象物存储用于目的物识别的对象物的图像信息；图像取得部，取得摄像图像；抽出部，从所述摄像图像中抽出存在有至少一个对象物的对象物区域；以及识别部，在所述对象物区域中多次执行用于识别各个对象物的识别处理。
根据这样的构成，通过设置在对象物区域中多次执行用于识别各个对象物的识别处理的识别部，即使多个对象物以作为对象物区域难以切开的状态下存在时，也能够分别识别所有的对象物。
对于图像识别装置，在一种可能的实施方式中，还包括：摄像部，摄像所述对象物被载置的载置面的图像，其中，所述图像取得部取得所述摄像部所摄像的摄像图像。
根据这样的构成，通过具有摄像对象物被载置的载置面的图像的摄像部，能够容易地从摄像图像中识别出对象物区域。
对于图像识别装置，在一种可能的实施方式中，所述存储部存储表示对象物的特征点的信息，作为用于目的物识别的对象物的图像信息，所述识别部从所述对象物区域中抽出特征点，基于从所述对象物区域中抽出的特征点和所述存储部所存储的各对象物的特征点识别至少一个对象物。
根据这样的构成，通过存储表示对象物的特征点的信息，能够在不能码识别的情况下，采用目的物识别来对对象物区域进行识别，从而能够降低识别处理时间。
对于图像识别装置，在一种可能的实施方式中，所述识别部当能够识别出至少一个对象物时，在下次以后的识别处理中基于除已能够识别出的对象物的特征点以外的特征点执行识别对象物的识别处理。
根据这样的构成，通过在下次以后的识别处理中基于除已能够识别出的对象物的特征点以外的特征点执行识别对象物的识别处理，能够降低处理时间。
对于图像识别装置，在一种可能的实施方式中，所述存储部对应每个作为识别对象的对象物存储对象物的面积信息，所述识别部从所述存储部取得已能够识别出的对象物的面积，当在所述对象物区域中已能够识别出的所有的对象物的总面积和所述对象物区域的整体面积一致时，结束对所述对象物区域的识别处理。
根据这样的构成，由于能够通过面积比较判断识别处理的结束，从而无需进行用于识别对象物的识别已结束的识别处理，能够减轻识别处理的负担。
对于图像识别装置，在一种可能的实施方式中，所述识别部当所述对象物区域的整体面积与在所述对象物区域中已能够识别出的所有的对象物的总面积相比小时，判定为对所述对象物区域的识别处理已失败。
根据这样的构成，由于通过面积比较来判断识别处理的失败，从而无需进行用于识别对象物的识别已失败的识别处理，能够减轻识别处理的负担。
附图说明
下面，参照附图对本发明所涉及的图像识别装置进行说明。当结合附图考虑时，通过参照下面的详细描述，能够更完整更好地理解本发明以及容易得知其中许多伴随的优点，但此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定，其中：
图1是概略地示出第一实施例所涉及的图像识别装置的构成例的图；
图2是表示第一实施例所涉及的图像识别装置的构成例的框图；
图3是表示第一实施例所涉及的图像识别装置的动作例的流程图；
图4是表示第二实施例所涉及的对象物区域的例图；
图5是用于对第二实施例所涉及的图像识别装置的动作例进行说明的图；
图6是表示第二实施例所涉及的图像识别装置的动作例的流程图；以及
图7是表示第三实施例所涉及的图像识别装置的动作例的流程图。
附图标记说明
1 机箱 2 摄像部
3 处理部 10 图像识别装置
11 处理器 12 ROM
13 RAM 14 NVM
14a 数据库 15 显示部
16 接口 20 对象物区域
具体实施方式
以下将参考附图详细说明本发明的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外，为了更好的说明本发明，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本发明同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本发明的主旨。
下面，参照附图对实施例进行说明。
第一实施例
首先，对第一实施例所涉及的图像识别装置进行说明。
图1是概略地示出第一实施例所涉及的图像识别装置10的构成例的图。
图像识别装置10识别规定位置所放置的对象物。例如，图像识别装置10是设置在店铺等中，识别顾客或店员所放置的商品的装置。此外，图像识别装置10也可以对识别出的商品执行结算处理。作为识别对象的对象物并不限定于指定的物体。例如，对象物是物品、商品或产品等。
图像识别装置10作为识别对象物的功能，至少具有码识别功能和目的物识别功能。码识别是基于附加在对象物上的码信息识别对象物的处理。基于码识别的识别对象的对象物附加有用于指定自身的码信息。例如，附加在对象物上的码信息是条形码或二维代码等。此外，目的物识别通过对象物本体的图像来识别对象物。
如图1所示，图像识别装置10具有机箱1、摄像部2及处理部3等。
机箱1是形成图像识别装置10的外形的框架。机箱1以能够配置对象物的方式被形成。在图1所示的例子中，机箱1为コ字型，在机箱1中具有放置有对象物的载置台。在机箱1中放置有对象物的载置台，具有能够配置对象物的区域。例如，图像识别装置10如果是识别筐中的对象物的形态，则载置台是能够载置筐的构成。此外，如果是载置台直接载置对象物的形态，则载置台的载置对象物的区域(载置面)，以便于识别对象物的颜色来构成。例如，载置台的载置面为黑色。
摄像部2摄像包含对象物被载置的载置面的摄像区域的图像。在图1所示的例子中，摄像部2以从上方摄像对象物被放置的载置面的方式被设置。摄像部2是若能放置在载置面上则就能够摄像对象物的摄像部就可以，其设置位置及方向并不限定于指定的构成。例如，摄像部2也可以从斜上方摄像载置面的方式被设置。
另外，图像识别装置10也可以具有多个摄像部2。这时，多个摄像部2也可以用各不相同的位置及角度摄像对象物的方式被设置。
摄像部2是具有CCD等摄像元件的摄像头或扫描仪等的图像摄像装置。此外，摄像部2只要是取得能识别对象物的图像信息的图像摄像装置就可以，并不限定于指定的构成。例如，摄像部2也可以是摄像不可见光的图像摄像装置。
处理部3根据摄像部2所摄像的图像识别对象物。例如，处理部3是通过处理器执行程序从而能够执行处理的电子计算机等。处理部3也可以将表示识别出的对象物的信息(对象物的识别结果)发送给外部装置。处理部3通过将对象物的识别结果发送给外部装置从而使外部的显示装置显示对象物的识别结果。关于处理部3进行详细后述。
另外，图像识别装置10也可以具有用于照射载置面上所放置的对象物的照明灯等。
此外，摄像部2及处理部3也可以与机箱1一体地形成。
此外，图像识别装置10也可以根据需要具有其他适宜的构成，或者减少上述的构成。
在这里，图像识别装置10的摄像部2摄像包含作为载置面上所放置的对象物的商品A及商品B的图像。
接着，对图像识别装置10的构成例进行说明。
图2是表示图像识别装置10的构成例的框图。
如图2所示，图像识别装置10包括摄像部2及处理部3等。处理部3包括处理器(CPU)11、ROM12、RAM13、NVM14、显示部15及接口16等。
处理器11包括由集成电路等构成的运算电路。处理器11执行图像识别装置10整体的控制及各种处理。处理器11基于ROM12或NVM14所存储的程序及控制数据进行各种处理。例如，处理器11通过执行ROM12或NVM14所存储的程序，来进行与图像识别装置10的动作控制或图像识别装置10的运用形态对应的处理。
另外，各种功能中的一部分功能也可以通过硬件电路来实现。这时，处理器11对通过硬件电路执行的功能进行控制。
ROM12是预先存储控制用程序及控制数据等的非易失性的存储器。ROM12在存储了控制程序及控制数据等的状态下被安装在图像识别装置10中。
RAM13是易失性的存储器。RAM13临时存储处理器11的处理中的数据等。RAM13基于来自处理器11的命令存储各种应用程序。此外，RAM13也可以存储执行应用程序所需的数据及执行应用程序的结果等。
NVM14(存储部)是SSD、HDD或闪存ROM等可写入及改写数据的非易失性的存储器。NVM14存储与图像识别装置10的使用用途对应的控制程序、应用程序及各种数据。例如，NVM14向程序文件及数据文件等各文件中写入有控制程序及各种数据等。
此外，NVM14具有数据库14a。数据库14a存储针对作为识别对象的各对象物的识别处理用的词库数据。例如，数据库14a对应每个对象物存储译码附加在对象物上的码信息后获得的识别信息(例如商品代码)。此外，数据库14a对应每个对象物存储目的物识别用的图像信息。目的物识别用的图像信息诸如是表示对象物的图像和对象物的特征点的信息或表示对象物的局部特征量的信息等。此外，数据库14a存储各对象物的面积信息。对象物的面积信息不光存储表示指定的面的面积的信息，而且还存储表示各面的面积的信息。此外，数据库14a也可以存储表示对象物的重量的重量信息等。
显示部15是通过处理器11的控制显示各种信息的显示装置。显示部15诸如是液晶显示装置。
接口16是用于处理器11与摄像部2进行通信的接口。接口16将来自处理器11的摄像图像的控制信号发送给摄像部2。此外，接口16取得摄像部2所摄像的图像。也就是说，处理器11通过接口16取得摄像部2所摄像的图像。
另外，处理部3也可以进一步包括操作部等。此外，图像识别装置10也可以根据需要具有其他适宜的构成或减少上述构成。
接着，对处理器11所实现的功能进行说明。
首先，处理器11具有取得包含对象物的图像的功能(图像取得部)。例如，处理器11通过接口16将摄像图像的控制信息发送给摄像部2。摄像部2按照该控制信号摄像载置面。摄像部2通过接口16将已摄像的图像发送给处理器11。处理器11从摄像部2取得图像。
另外，处理器11也可以从外部装置取得包含对象物的图像。
此外，处理器11具有从摄像部2所摄像的图像抽出对象物的图像(对象物区域)的功能(抽出部)。例如，处理器11抽出载置面的除颜色(例如黑色)以外的区域作为对象物区域。
此外，处理器11也可以基于摄像图像中的各部的高度(例如摄像图像中的各部和机箱1的顶棚的距离)抽出对象物区域。当检测出摄像图像中的各部的高度时，图像识别装置10具有测量载置面及载置面上的对象物的高度的距离传感器。处理器11从距离传感器取得表示摄像图像中的各部的高度的信息。当取得表示摄像图像中的各部的高度的信息时，则处理器11在摄像图像中抽出比载置面高的区域，作为对象物区域。此外，处理器11也可以抽出高度不同的面作为不同的对象物区域。
另外，处理器11抽出对象物区域的方法并不限定于指定的方法。
此外，处理器11具有检测出在对象物区域中的码信息，并通过识别检测出的码信息来识别与代码对应的对象物的功能(码识别功能)(码识别部)。例如，处理器11从对象物区域抽出附加在对象物上的码信息的区域(码区域)。例如，处理器11针对对象物区域执行采用模式匹配等的光栅扫描，抽出码区域。另外，处理器11指定码区域的方法并不限定于指定的方法。
在从摄像图像抽出码区域后，处理器11对码区域所包含的码信息进行译码。当对码信息进行译码时，则处理器11从数据库14a检索与译码结果(商品代码)对应的对象物。处理器11识别与译码结果对应的对象物作为对象物区域中的对象物。
此外，处理器11具有从码识别已失败的对象物区域中通过目的物识别识别对象物的功能(目的物识别部)。例如，处理器11针对抽取码区域已失败的对象物区域或者译码从码区域抽出的码信息已失败的对象物区域，进行目的物识别。
也就是说，处理器11对摄像图像中的对象物区域进行目的物识别。在目的物识别中，处理器11判定对象物区域的图像信息和数据库14a所登记的各对象物的图像信息是否一致。如果在数据库14a中有与对象物区域的图像信息一致的图像信息，则处理器11识别为在对象物区域中的对象物是图像信息一致的对象物。
此外，当基于从图像信息获得的特征点进行目的物识别时，处理器11从对象物区域的图像抽出特征点。处理器11判定从对象物区域抽出的特征点和数据库14a所登记的各对象物的特征点是否一致。如果在数据库14a中有与从对象物区域中抽出的特征点一致的特征点，则处理器11识别为在对象物区域中的对象物是特征点一致的对象物。
此外，当基于从图像信息获得的局部特征量进行目的物识别时，处理器11从对象物区域的图像抽出局部特征量。处理器11判定从对象物区域中抽出的局部特征量和数据库14a所登记的各对象物的局部特征量是否一致。如果在数据库14a中有与从对象物区域中抽出的局部特征量一致的局部特征量，则处理器11识别为在对象物区域中的对象物是局部特征量一致的对象物。
另外，处理器11进行目的物识别的方法并不限定于指定方法。此外，处理器11也可以光栅扫描对象物区域进行上述任一判定。
接着，对第一实施例所涉及的图像识别装置10的动作例进行说明。
图3是用于对第一实施例所涉及的图像识别装置10的动作例进行说明的流程图。
首先，图像识别装置10的处理器11采用摄像部2摄像载置面上的图像。处理器11取得通过摄像部2所摄像的摄像图像(ACT11)。当取得摄像图像时，则处理器11从已取得的摄像图像抽出对象物区域(ACT12)。
当抽出对象物区域时，则处理器11在抽出的对象物区域中执行码识别(ACT13)。当码识别失败时(ACT14的)，则在该对象物区域中执行目的物识别(ACT15)。
当码识别成功了时(ACT14的YES)或目的物识别成功了时(ACT17的YES)，处理器11将在ACT13或ACT15中已识别出的对象物作为摄像图像的识别结果存储在RAM13或NVM14中(ACT17)。
当目的物识别失败了时，处理器11判定为对该对象物区域的识别失败了(ACT18)。例如，处理器11也可以将表示对该对象物区域的识别失败了的情况的信息存储在RAM13或NVM14等中。
当存储了表示识别出的对象物的信息时(ACT17)或判定为识别失败了时(ACT18)，处理器11判定在已取得的摄像图像中是否有其他对象物区域(ACT19)。当判定为有其他对象物区域时(ACT19的YES)，处理器11返回到ACT13，在其他对象物区域中进行同样的动作。
当判定为没有其他对象物区域时(ACT19的NO)，处理器11结束动作。
另外，处理器11也可以将识别结果显示在显示部15等上。此外，处理器11也可以将识别已失败的对象物区域显示在显示部15等上。此外，处理器11也可以将识别结果及/或识别已失败的对象物区域发送给外部装置。
另外，对象物也可以不具有代码。此外，图像信息也可以具有关于对象物的几个面(上面、侧面或底面等)的信息。
如以上那样，第一实施例所涉及的图像识别装置，在从摄像图像中抽出的对象物区域中执行码识别。此外，图像识别装置当码识别已失败时，对码识别已失败的对象物区域执行目的物识别。也就是说，第一实施例所涉及的图像识别装置先进行处理比较轻(处理时间快)的代码的识别处理，在代码的识别处理中不能识别的对象物区域中进行处理比较重(处理费时间)的目的物识别。
根据第一实施例，图像识别装置能够高效地实施码识别和目的物识别。此外，根据第一实施例，图像识别装置能够使进行处理费时间(需要处理时间)的目的物识别的区域减少，从而作为对象物的整体识别处理，处理时间能够高速化。
第二实施例
接着，对第二实施例进行说明。
第二实施例所涉及的图像识别装置10，在对象物区域中多次进行识别处理(码识别或目的物识别等)这点上，与第一实施例所涉及的图像识别装置10不同。此外，第二实施例所涉及的图像识别装置10，具有与第一实施例所说明的图1及图2所示的同样的硬件构成。
在这里，对第二实施例所涉及的图像识别装置10所实现的功能进行说明。
第二实施例所涉及的图像识别装置10的处理器11，具有在对象物区域中多次执行识别处理的功能(识别部)。例如，处理器11在某对象物区域中作为识别处理进行码识别或目的物识别。处理器11在从该对象物区域识别出一个对象物后，进一步在该对象物区域中进行识别处理。处理器11在该对象物区域中重复识别处理，直到无法识别出新的对象物。
例如，处理器11如下那样执行基于目的物识别的对象物的识别处理。在这里，目的物识别是使用从图像信息获得的特征点或局部特征量的识别处理。
首先，处理器11在对象物区域的图像中抽出特征点或局部特征量。处理器11判定从对象物区域中抽出的特征点或局部特征量和数据库14a所登记的各对象物的特征点或局部特征量是否一致。处理器11当能够检测出特征点或局部特征量一致的对象物时，识别(判断)为在对象物区域中的一个对象物是特征点或局部特征量一致的对象物。
在能够识别出一个对象物后，处理器11从对象物区域的特征点或局部特征量中删除在上述处理中判断为一致的特征点或局部特征量。也就是说，处理器11，在下次以后的识别处理中基于除识别已成功的对象物有关的特征点或局部特征量以外的特征点或局部特征量进行目的物识别。
处理器11，判定对象物区域的剩余的特征点或局部特征量和数据库14a中的各对象物的特征点或局部特征量是否一致。处理器11当能够检测出特征点或局部特征量一致的对象物时，识别(判断)为在对象物区域中的一个对象物是特征点或局部特征量一致的对象物。
处理器11重复上述动作，直到没有一致的特征点或局部特征量。通过以上处理，图像识别装置10能够识别对象物区域中的所有对象物。
接着，对处理器11的目的物识别的具体例进行说明。
图4是从摄像图像中抽出的对象物区域20的例子的图。在图4所示的例子中，在对象物区域20中存在有商品A和商品B。
图5是用于对处理器11的基于目的物识别的处理例进行说明的图。
在这里，处理器11在对象物区域20中抽出图5所示那样的特征点。在图5所示的例子中，示出对象物区域20内的圆圈为特征点。处理器11将对象物区域20的特征点和数据库14a所登记的对象物的特征点进行比较。在这里，处理器11在对象物区域20中，将与在数据库14a中的商品A的特征点一致的特征点从对象物区域20发现了。这时，处理器11识别商品A作为在对象物区域20中的一个对象物。
在能够识别出商品A后，处理器11在从对象物区域20中抽出的特征点中删除与商品A的特征点一致的特征点(即商品A的特征点)。在图5所示的例子中，已被删除的特征点用虚线的圆圈示出。在从由对象物区域20中抽出的特征点删除了商品A的特征点后，处理器11进一步执行第二次的目的物识别。如图5所示，第二次的目的物识别是处于在从对象物区域20中抽出的特征点中删除了商品A的特征点的状态下被实施的。
处理器11在第二次的目的物识别中，对剩余的特征点和数据库14a所登记的各对象物的特征点进行比较。在这里，处理器11在对象物区域20中发现了与数据库14a所登记的商品B的特征点一致的特征点。这时，处理器11识别商品B作为在对象物区域20中的另一对象物。
在能够识别出商品B后，处理器11在从对象物区域20中抽出的特征点中删除与商品B的特征点一致的特征点(即商品B的特征点)。在从由对象物区域20中抽出的特征点删除了商品B的特征点后，处理器11再执行第三次的目的物识别。如图5所示，第三次的目的物识别是在删除了商品A的特征点和商品B的特征点的状态下被实施的。
处理器11在第三次的目的物识别中，对剩余的特征点和数据库14a所登记的各对象物的特征点进行比较。在这里，处理器11未发现有与剩余的特征点一致的特征点。当判断出为没有一致的特征点时，处理器11结束对该对象物区域20的目的物识别的处理。
接着，对第二实施例所涉及的图像识别装置10的动作例进行说明。
图6是用于对第二实施例所涉及的图像识别装置10的动作例进行说明的流程图。
首先，处理器11采用摄像部2摄像载置面上的图像。处理器11从摄像部2取得摄像图像(ACT21)。当取得摄像图像时，则处理器11从摄像图像中抽出对象物区域(ACT22)。当抽出对象物区域时，则处理器11从对象物区域中抽出特征点或局部特征量(ACT23)。
当从对象物区域中抽出特征点或局部特征量时，则处理器11在对象物区域中进行目的物识别(ACT24)。当识别成功时(ACT25的YES)，则处理器11将识别出的对象物作为摄像图像的识别结果存储在RAM13或NVM14中(ACT26)。
当存储识别结果时，则处理器11删除在对象物区域中在ACT24中已识别的对象物的特征点(ACT27)。当删除特征点时，则处理器11返回到ACT24。处理器11采用剩余的特征点或局部特征量进行目的物识别。
当识别失败时(ACT25的NO)，则处理器11判定是否有其他的对象物区域(ACT28)。当判定为有其他的对象物区域时(ACT28的YES)，则处理器11返回到ACT23，在其他的对象物区域中进行同样的动作。
当判定为没有其他的对象物区域时(ACT28的NO)，则处理器11结束动作。
另外，处理器11也可以当在对象物区域中一个对象物也未能识别出时，将表示在该对象物区域中识别处理已失败的信息存储在RAM13或NVM14中。此外，处理器11也可以将表示在该对象物区域中识别处理已失败的信息发送给外部装置。
此外，处理器11也可以采用码识别指定对象物来替代目的物识别。这时，处理器11可以不执行ACT23及ACT27。
如以上那样，第二实施例所涉及的图像处理装置在一个对象物区域中多次进行对象物的识别处理。根据第二实施例，即使在一个对象物区域中存在有多个对象物的情况下，图像识别装置也能够识别一个对象物区域中所存在的所有的对象物。例如，即使多个对象物在作为对象物区域难以切开(区分)的状态下被放置在载置面上时，图像识别装置也能够分别识别所有的对象物。
此外，第二实施例所涉及的图像处理装置删除能识别出的对象物的特征点后执行下一识别处理。通过这样，图像处理装置由于在删除了已识别处理的特征点的状态下能进行第二次以后的识别处理，所以能够减少处理时间。
第三实施例
接着，对第三实施例进行说明。
第三实施例所涉及的图像识别装置10在对对象物区域的面积和识别出的对象物的面积进行比较这点，与第二实施例所涉及的图像识别装置10不同。此外，第三实施例所涉及的图像识别装置10具有与在第一实施例中所说明的图1及图2所示的同样的硬件构成。不过，第三实施例所涉及的图像识别装置10在数据库14a中存储表示各对象物的面积的面积信息。例如，面积信息既可以用毫米或英寸等示出面积，又可以用摄像图像中的像素数示出面积。此外，数据库14a就各对象物存储各面(例如，上面、底面或侧面等)的面积，作为面积信息。
接着，对第三实施例所涉及的图像识别装置10的处理器11所实现的功能进行说明。
处理器11具有取得对象物区域的整体面积的功能(面积取得部)。例如，处理器11取得对象物区域的整体像素数作为对象物区域的整体面积。
此外，处理器11具有取得在对象物区域中识别出的所有的对象物的总面积(已识别处理的面积)的功能。例如，处理器11参照数据库14a所登记的面积信息，取得已能够识别出的对象物的面积。另外，处理器11也可以识别在对象物区域中的对象物的面(对象物的被摄像面)，从数据库14a取得对象物的被摄像面的面积。这时，数据库14a就各对象物登记有表示各面的面积的信息。
处理器11当在对象物区域中能识别出的对象物是一个时，取得能识别出的对象物的面积作为已识别处理的面积。此外，处理器11当在对象物区域中能够识别出多个对象物时，计算出合计了识别出的各对象物的面积后的面积作为已识别处理的面积。
此外，处理器11具有对对象物区域的整体面积和已识别处理的面积进行比较的功能。例如，处理器11判定对象物区域的整体面积与已识别处理的面积相比大。处理器11当对象物区域的整体面积与已识别处理的面积相比大时，判定在对象物区域中存在有未识别的对象物的可能性高。因此，当对象物区域的整体面积与已识别处理的面积相比大时，处理器11再次执行识别处理。
此外，处理器11判定对象物区域的整体面积与已识别处理的面积相比较小。处理器11当对象物区域的整体面积与已识别处理的面积相比小时，判定为在对对象物区域的识别处理结果中包含有误识别的可能性高。例如，假想有对象物区域的整体面积与已识别处理的面积相比小的情况、识别出与在对象物区域中的对象物不同的对象物的情况或者识别出在对象物区域中所不存在的对象物的情况。因此，当对象物区域的整体面积与已识别处理的面积相比小时，处理器11判定为对象物区域的识别处理已失败。
此外，处理器11判定对象物区域的整体面积和已识别处理的面积是否一致。在这里，处理器11也可以当对象物区域的面积和识别面积之差小于等于规定阈值时，判定为对象物区域的面积和识别面积一致。处理器11当对象物区域的整体面积和已识别处理的面积一致时，判定为在对象物区域中完成了识别处理。因此，当对象物区域的整体面积和已识别处理的面积一致时，处理器11结束对对象物区域的识别处理。
接着，对第三实施例所涉及的图像识别装置10的动作例进行说明。
图7是用于对第三实施例所涉及的图像识别装置10的动作例进行说明的流程图。
首先，第三实施例所涉及的图像识别装置10的处理器11采用摄像部2摄像载置面上的图像。处理器11从摄像部2取得摄像图像(ACT31)。当取得摄像图像时，则处理器11从摄像图像中抽出对象物区域(ACT32)。当抽出对象物区域时，则处理器11从对象物区域中抽出特征点或局部特征量(ACT33)。当抽出特征点或局部特征量时，则处理器11取得对象物区域的整体面积(ACT34)。
当取得对象物区域的整体面积时，则处理器11在对象物区域中执行目的物识别(ACT35)。当成功识别一个对象物时(ACT36的YES)，则处理器11计算出已能识别出的对象物的面积(已识别处理的面积)(ACT37)。当计算出已识别处理的面积时，则处理器11判定对象物区域的整体面积和已识别处理的面积是否一致(ACT38)。在这里，处理器11也可以根据对象物区域的整体面积和已识别处理的面积之间的差分是否小于规定的阈值来判定是否一致。
当判定为对象物区域的整体面积和已识别处理的面积不一致时(ACT38的NO)，则处理器11判定对象物区域的整体面积是否与已识别处理的面积相比大(ACT39)。当判定为对象物区域的整体面积与已识别处理的面积相比大时(ACT39的YES)，则处理器11从由对象物区域中抽出的特征点删除已能够识别出的对象物(已识别处理的对象物)的特征点(ACT40)。当删除已能够识别出的对象物的特征点时，则处理器11返回到ACT35。
当判定为对象物区域的整体面积和已识别处理的面积一致时(ACT38的YES)，则处理器11将已能够识别出的各对象物作为与摄像图像对应的识别结果存储在RAM13或NVM14中(ACT41)。
当存储识别结果时，则处理器11判定在摄像图像中是否有其他的对象物区域(ACT42)。当判定为有其他的对象物区域时(ACT42的YES)，则处理器11返回到ACT33，在其他的对象物区域中进行同样的动作。当判定为没有其他的对象物区域时(ACT42的NO)，则处理器11结束动作。
当对象物的识别失败了时(ACT36的YES)或当判定为对象物区域的整体面积与已识别处理的面积相比小时(ACT39的NO)，处理器11判定为对对象物区域的识别处理已失败(ACT43)。例如，处理器11也可以将对该对象物区域的识别已失败了的信息存储在RAM13或NVM14等中。
当判定为对对象物区域的识别处理已失败了时，则处理器11前进到ACT42。
另外，处理器11也可以在取得了对象物区域的整体面积后从对象物区域中抽出特征点。
此外，处理器11也可以采用码识别指定对象物来替代目的物识别。这时，处理器11也可以不执行ACT33及ACT40。
如以上那样，第三实施例所涉及的图像识别装置，通过对在对象物区域中已能够识别出的对象物的面积(已识别处理的面积)和对象物区域的整体面积进行比较来判定是否对对象物区域中的所有的对象物识别已结束了。根据第三实施例，图像识别装置当已识别处理的面积与对象物区域的整体面积一致时判断为对对象物区域的识别处理已结束。根据第三实施例，图像识别装置由于能够通过面积比较来判断识别处理的结束，所以无需进行用于识别对象物的识别已结束的识别处理，能够减轻识别处理的负担。
此外，第三实施例所涉及的图像识别装置，当对象物区域的整体面积与已识别处理的面积相比小时，判定为有误识别。根据第三实施例，能够通过对象物区域的整体面积与已识别处理的面积的比较来检测出误识别。
另外，在上述的第三实施例中，虽然通过面积比较来判定识别处理的结束，但是作为变形例，图像识别装置也可以通过重量的比较来判定识别处理的结束。重量比较，能够通过预先设置计量在载置面(被摄像面)上的所有对象物的重量的重量传感器并将表示各对象物的重量的重量信息登记在数据库14a中来实现。
例如，图像识别装置，将通过重量传感器计量的在载置面上的全部对象物的重量和从由摄像图像获得的所有的对象物区域中识别出的所有对象物的总重量进行比较。图像识别装置如果载置面上的所有对象物的重量和已识别的所有对象物的总重量一致，则能够判断为对摄像图像整体的各对象物的识别已正常结束了。此外，图像识别装置如果载置面上的所有对象物的重量与已识别的所有对象物的总重量相比小，则也可以判断为包含有误识别的可能性高。
虽然对本发明的几个实施例进行了说明，但是这些实施例是作为例子提出的，并不意图限定发明的范围。这些新颖的实施例可以用其他的各种形式来实施，在不脱离发明要旨的范围内可以进行各种省略、替换、变更。这些实施例及其变形均被包含在发明的范围或要旨中，而且，包含在权利要求的范围所记载的发明和其均等的范围内。
在本发明中，提供了一种图像识别装置，包括：存储部、图像取得部、抽出部、码识别部及目的物识别部。存储部，对应每个作为识别对象的对象物存储从附加在对象物上的码信息获得的识别信息和用于目的物识别的对象物的图像信息。图像取得部取得摄像图像。抽出部，从所述摄像图像中抽出有对象物的对象物区域。码识别部，在所述对象物区域中抽出附加在对象物上的码信息，并根据已抽出的码信息识别所述识别信息。目的物识别部，当基于所述码识别部的对象物的识别失败了时，通过所述对象物区域的图像和所述存储部所存储的各对象物的图像信息识别对象物。通过这样，能够高速地进行对象物的识别。
在本发明中，图像识别装置还包括：摄像部，摄像所述对象物被载置的载置面的图像，其中，所述图像取得部取得所述摄像部所摄像的摄像图像。通过这样，能够容易地识别出对象物区域。
在本发明中，所述载置面以指定的颜色形成，所述抽出部基于所述载置面的颜色从所述摄像图像中抽出所述对象物区域。通过这样，能够更准确地识别出对象物区域。
在本发明中，所述存储部存储对象物的特征点或局部特征量，作为用于目的物识别的对象物的图像信息，所述目的物识别部从所述对象物区域中抽出特征点或局部特征量，从所述存储部检索从所述对象物区域中抽出的特征点或局部特征量的至少一部分一致的特征点或局部特征量的对象物。通过这样，能够在不能码识别的情况下，采用目的物识别来对对象物区域进行识别，从而能够降低识别处理时间。
此外，在本发明中，还提供一种图像识别装置，用于识别对象物包括：存储部，对应每个作为识别对象的对象物存储用于目的物识别的对象物的图像信息；图像取得部，取得摄像图像；抽出部，从所述摄像图像中抽出存在有至少一个对象物的对象物区域；以及识别部，在所述对象物区域中多次执行用于识别各个对象物的识别处理。通过这样，即使多个对象物以作为对象物区域难以切开的状态下存在时，也能够分别识别所有的对象物。
在本发明中，所述存储部存储表示对象物的特征点的信息，作为用于目的物识别的对象物的图像信息，所述识别部从所述对象物区域中抽出特征点，基于从所述对象物区域中抽出的特征点和所述存储部所存储的各对象物的特征点识别至少一个对象物。通过这样，能够在不能码识别的情况下，采用目的物识别来对对象物区域进行识别，从而能够降低识别处理时间。
在本发明中，所述识别部当能够识别出至少一个对象物时，在下次以后的识别处理中基于除已能够识别出的对象物的特征点以外的特征点执行识别对象物的识别处理。通过这样，能够降低处理时间。
在本发明中，所述存储部对应每个作为识别对象的对象物存储对象物的面积信息，所述识别部从所述存储部取得已能够识别出的对象物的面积，当在所述对象物区域中已能够识别出的所有的对象物的总面积和所述对象物区域的整体面积一致时，结束对所述对象物区域的识别处理。通过这样，无需进行用于识别对象物的识别已结束的识别处理，能够减轻识别处理的负担。
在本发明中，所述识别部当所述对象物区域的整体面积与在所述对象物区域中已能够识别出的所有的对象物的总面积相比小时，判定为对所述对象物区域的识别处理已失败。通过这样，无需进行用于识别对象物的识别已失败的识别处理，能够减轻识别处理的负担。

Claims (10)

1.一种图像识别装置，用于识别对象物，包括：
存储部，对应每个作为识别对象的对象物存储从附加在对象物上的码信息获得的识别信息和用于目的物识别的对象物的图像信息；
图像取得部，取得摄像图像；
抽出部，从所述摄像图像中抽出有对象物的对象物区域；
码识别部，在所述对象物区域中抽出附加在对象物上的码信息，根据已抽出的码信息识别所述识别信息；以及
目的物识别部，当基于所述码识别部的对象物的识别失败了时，通过所述对象物区域的图像和所述存储部所存储的各对象物的图像信息识别对象物。
2.根据权利要求1所述的图像识别装置，还包括：
摄像部，摄像所述对象物被载置的载置面的图像，
其中，所述图像取得部取得所述摄像部所摄像的摄像图像。
3.根据权利要求2所述的图像识别装置，其中，
所述载置面以指定的颜色形成，
所述抽出部基于所述载置面的颜色从所述摄像图像中抽出所述对象物区域。
4.根据权利要求1所述的图像识别装置，其中，
所述存储部存储对象物的特征点或局部特征量，作为用于目的物识别的对象物的图像信息，
所述目的物识别部从所述对象物区域中抽出特征点或局部特征量，从所述存储部检索从所述对象物区域中抽出的特征点或局部特征量的至少一部分一致的特征点或局部特征量的对象物。
5.一种图像识别装置，用于识别对象物，包括：
存储部，对应每个作为识别对象的对象物存储用于目的物识别的对象物的图像信息；
图像取得部，取得摄像图像；
抽出部，从所述摄像图像中抽出存在有至少一个对象物的对象物区域；以及
识别部，在所述对象物区域中多次执行用于识别各个对象物的识别处理。
6.根据权利要求5所述的图像识别装置，还包括：
摄像部，摄像所述对象物被载置的载置面的图像，
其中，所述图像取得部取得所述摄像部所摄像的摄像图像。
7.根据权利要求5所述的图像识别装置，其中，
所述存储部存储表示对象物的特征点的信息，作为用于目的物识别的对象物的图像信息，
所述识别部从所述对象物区域中抽出特征点，基于从所述对象物区域中抽出的特征点和所述存储部所存储的各对象物的特征点识别至少一个对象物。
8.根据权利要求7所述的图像识别装置，其中，
所述识别部当能够识别出至少一个对象物时，在下次以后的识别处理中基于除已能够识别出的对象物的特征点以外的特征点执行识别对象物的识别处理。
9.根据权利要求5所述的图像识别装置，其中，
所述存储部对应每个作为识别对象的对象物存储对象物的面积信息，
所述识别部从所述存储部取得已能够识别出的对象物的面积，当在所述对象物区域中已能够识别出的所有的对象物的总面积和所述对象物区域的整体面积一致时，结束对所述对象物区域的识别处理。
10.根据权利要求9所述的图像识别装置，其中，
所述识别部当所述对象物区域的整体面积与在所述对象物区域中已能够识别出的所有的对象物的总面积相比小时，判定为对所述对象物区域的识别处理已失败。
CN201611051933.9A 2016-01-06 2016-11-24 图像识别装置 Active CN106951904B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US14/989,200 2016-01-06
US14/989,200 US9818038B2 (en) 2016-01-06 2016-01-06 Image recognition apparatus

Publications (2)

Publication Number Publication Date
CN106951904A true CN106951904A (zh) 2017-07-14
CN106951904B CN106951904B (zh) 2021-01-26

Family

ID=59235675

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611051933.9A Active CN106951904B (zh) 2016-01-06 2016-11-24 图像识别装置

Country Status (3)

Country Link
US (2) US9818038B2 (zh)
JP (2) JP2017123163A (zh)
CN (1) CN106951904B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108229946A (zh) * 2018-02-08 2018-06-29 中山简单点网络技术有限公司 一种无人销售结算系统及系统识别商品的方法
CN109697801A (zh) * 2017-10-23 2019-04-30 北京京东尚科信息技术有限公司 自助结算设备、方法、装置、介质及电子设备
WO2023280098A1 (zh) * 2021-07-06 2023-01-12 盒马(中国)有限公司 称重处理方法、装置及电子设备

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102255351B1 (ko) * 2014-09-11 2021-05-24 삼성전자주식회사 홍채 인식 방법 및 장치
US10095939B2 (en) * 2017-02-06 2018-10-09 Toshiba Tec Kabushiki Kaisha Article recognition apparatus and article recognition method
JP2019021100A (ja) * 2017-07-19 2019-02-07 東芝テック株式会社 画像探索装置、商品認識装置および画像探索プログラム
JP6967981B2 (ja) 2018-01-25 2021-11-17 東芝テック株式会社 物品認識装置及び商品決済装置
JP7274644B2 (ja) * 2018-05-08 2023-05-16 東芝テック株式会社 物品認識装置
JP7062507B2 (ja) * 2018-05-08 2022-05-16 東芝テック株式会社 物品認識装置
JP6595691B1 (ja) * 2018-11-29 2019-10-23 株式会社東芝 荷降ろし装置、荷降ろし方法及びプログラム

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090190798A1 (en) * 2008-01-25 2009-07-30 Sungkyunkwan University Foundation For Corporate Collaboration System and method for real-time object recognition and pose estimation using in-situ monitoring
CN102799854A (zh) * 2011-05-23 2012-11-28 株式会社摩如富 图像识别装置以及图像识别方法
CN103116771A (zh) * 2013-02-20 2013-05-22 吴凡 一种基于条形码的目标识别方法及应用系统

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8494909B2 (en) * 2009-02-09 2013-07-23 Datalogic ADC, Inc. Automatic learning in a merchandise checkout system with visual recognition
KR101293776B1 (ko) * 2010-09-03 2013-08-06 주식회사 팬택 객체 리스트를 이용한 증강 현실 제공 장치 및 방법
JP5675233B2 (ja) * 2010-09-09 2015-02-25 キヤノン株式会社 情報処理装置、その認識方法及びプログラム
JP5431429B2 (ja) * 2011-09-06 2014-03-05 東芝テック株式会社 情報処理装置及びプログラム
US9424480B2 (en) * 2012-04-20 2016-08-23 Datalogic ADC, Inc. Object identification using optical code reading and object recognition
JP5666538B2 (ja) * 2012-11-09 2015-02-12 富士重工業株式会社 車外環境認識装置
JP5760022B2 (ja) * 2013-02-28 2015-08-05 東芝テック株式会社 商品情報表示装置及びコンピュータプログラム
US10650264B2 (en) * 2013-05-31 2020-05-12 Nec Corporation Image recognition apparatus, processing method thereof, and program
JP2016001464A (ja) * 2014-05-19 2016-01-07 株式会社リコー 処理装置、処理システム、処理プログラム、及び、処理方法
JP6501501B2 (ja) * 2014-11-12 2019-04-17 キヤノン株式会社 情報処理装置、情報処理方法、情報処理システム及びプログラム
JP6341124B2 (ja) * 2015-03-16 2018-06-13 カシオ計算機株式会社 オブジェクト認識装置および認識結果提示方法
US9747512B2 (en) * 2015-06-25 2017-08-29 Toshiba Tec Kabushiki Kaisha Article recognition apparatus and image processing method for article recognition apparatus

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090190798A1 (en) * 2008-01-25 2009-07-30 Sungkyunkwan University Foundation For Corporate Collaboration System and method for real-time object recognition and pose estimation using in-situ monitoring
CN102799854A (zh) * 2011-05-23 2012-11-28 株式会社摩如富 图像识别装置以及图像识别方法
CN103116771A (zh) * 2013-02-20 2013-05-22 吴凡 一种基于条形码的目标识别方法及应用系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109697801A (zh) * 2017-10-23 2019-04-30 北京京东尚科信息技术有限公司 自助结算设备、方法、装置、介质及电子设备
CN108229946A (zh) * 2018-02-08 2018-06-29 中山简单点网络技术有限公司 一种无人销售结算系统及系统识别商品的方法
WO2023280098A1 (zh) * 2021-07-06 2023-01-12 盒马(中国)有限公司 称重处理方法、装置及电子设备

Also Published As

Publication number Publication date
US20170193319A1 (en) 2017-07-06
US20180032833A1 (en) 2018-02-01
JP2021057054A (ja) 2021-04-08
US9818038B2 (en) 2017-11-14
US10095943B2 (en) 2018-10-09
JP2017123163A (ja) 2017-07-13
CN106951904B (zh) 2021-01-26
JP7102490B2 (ja) 2022-07-19

Similar Documents

Publication Publication Date Title
CN106951904A (zh) 图像识别装置
CN103714338B (zh) 图像处理装置和图像处理方法
JP6517666B2 (ja) 物品管理装置、その方法、及びそのプログラム
US9256775B1 (en) Image recognition apparatus and commodity information processing apparatus
JP6344389B2 (ja) 光学文字認識装置
CN107403128B (zh) 一种物品识别方法及装置
JP6560757B2 (ja) 検査室自動化のためのトップビューサンプルチューブ画像からのバーコードタグ状態の分類
TWI254891B (en) Face image detection method, face image detection system, and face image detection program
JP6831951B2 (ja) 画像認識システム
CN108241859B (zh) 车牌的校正方法及装置
US20180260661A1 (en) Image processing apparatus, image processing method, and image processing program
JP2018131331A (ja) 物品管理装置及び物品管理方法
JP6679891B2 (ja) 検品処理装置、検品システム、検品処理方法及びプログラム
CN104809099B (zh) 文档文件生成装置及文档文件生成方法
CN107315989A (zh) 针对医学资料图片的文本识别方法和装置
CN111144372A (zh) 车辆检测方法、装置、计算机设备和存储介质
JPWO2021171622A5 (ja) 情報処理装置、情報処理方法及びプログラム
JP2023156991A (ja) 情報処理システム
CN111832381A (zh) 物体信息登记装置以及物体信息登记方法
JP5045211B2 (ja) 文字認識装置、外観検査装置及び文字認識方法
CN115830599A (zh) 工业字符识别方法、模型训练方法、装置、设备和介质
JP6890849B2 (ja) 情報処理システム
CN115769256A (zh) 连续动态扫描的分割
JP6454249B2 (ja) 薬剤監査装置及び方法
JP6941331B2 (ja) 画像認識システム

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant