CN107832795A - 物品识别方法、系统以及电子设备 - Google Patents
物品识别方法、系统以及电子设备 Download PDFInfo
- Publication number
- CN107832795A CN107832795A CN201711126214.3A CN201711126214A CN107832795A CN 107832795 A CN107832795 A CN 107832795A CN 201711126214 A CN201711126214 A CN 201711126214A CN 107832795 A CN107832795 A CN 107832795A
- Authority
- CN
- China
- Prior art keywords
- space
- probability
- type
- space type
- target item
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000015654 memory Effects 0.000 claims description 21
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012790 confirmation Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 9
- 230000006870 function Effects 0.000 description 17
- 238000004364 calculation method Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种物品识别方法、系统以及电子设备，涉及图像识别技术领域，包括：识别目标物品所在图像中的物体，根据第一物体信息分别计算第一物体属于第一空间类型与第二空间类型的概率得到第一概率与第二概率；同样的根据第二物体信息计算得到第三概率与第四概率；将第一概率与第三概率相加得到第一空间总概率，同样的方法得到第二空间总概率；将第一空间总概率与第二空间总概率对比，判断目标物品属于的空间类型，判断目标物品属于的物品类型；根据物品类型与初始信息确定目标物品的准确信息，解决了在利用图像识别技术识别家具时部分功能不同的家具会因外形相似而极易造成混淆，从而导致识别结果的不准确的技术问题。
Description
技术领域
本发明涉及图像识别技术领域，尤其是涉及一种物品识别方法、系统以及电子设备。
背景技术
图像识别是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术。
一般图像识别的过程中，采用相机拍摄图片，然后再利用软件根据图片灰阶差做进一步识别处理。另外在地理学中指将遥感图像进行分类的技术。
但是，目前对出图片中的物品进行识别的识别效果不够精准，例如在利用图像识别技术识别家具时，部分功能不同的家具会因外形相似而极易造成混淆，如厨房的橱柜与卫生间的储藏柜，从而导致识别结果的不准确。
发明内容
有鉴于此，本发明的目的在于提供一种物品识别方法、系统以及电子设备，以解决现有技术中存在的目前对出图片中的物品进行识别的识别效果不够精准，例如在利用图像识别技术识别家具时，部分功能不同的家具会因外形相似而极易造成混淆，如厨房的橱柜与卫生间的储藏柜，从而导致识别结果的不准确的技术问题。
第一方面，本发明实施例提供了一种物品识别方法，包括：
识别目标物品所在图像中的物体，得到物体信息；其中，物体信息包括：第一物体信息与第二物体信息；
设置多个空间类型；其中，所述空间类型包括：第一空间类型与第二空间类型；
根据所述第一物体信息分别计算第一物体属于所述第一空间类型与所述第二空间类型的概率，得到第一概率与第二概率；
根据所述第二物体信息分别计算第二物体属于所述第一空间类型与所述第二空间类型的概率，得到第三概率与第四概率；
将所述第一概率与所述第三概率进行相加，得到目标物品属于所述第一空间类型的第一空间总概率；
将所述第二概率与所述第四概率进行相加，得到目标物品属于所述第二空间类型的第二空间总概率；
将所述第一空间总概率与所述第二空间总概率进行对比，得到对比结果；
根据所述对比结果判断目标物品属于的空间类型，得到准确空间类型；
根据所述准确空间类型判断目标物品属于的物品类型；
识别图像中的目标物品，得到初始信息；
根据所述物品类型与所述初始信息，确定目标物品的准确信息。
结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述根据所述对比结果判断目标物品属于的空间类型，得到准确空间类型，具体包括：
当所述对比结果为所述第一空间总概率大于所述第二空间总概率时，判断目标物品属于所述第一空间类型，所述第一空间类型为准确空间类型；
当所述对比结果为所述第二空间总概率大于所述第一空间总概率时，判断目标物品属于所述第二空间类型，所述第二空间类型为准确空间类型。
结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述设置多个空间类型之后，还包括：
根据所述第一物体信息对所述空间类型进行排除，得到第一物体剩余空间类型；
根据所述第二物体信息对所述空间类型进行排除，得到第二物体剩余空间类型；
查询所述第一物体剩余空间类型与所述第二物体剩余空间类型之间相同的空间类型，得到共有空间类型。
结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，所述查询所述第一物体剩余空间类型与所述第二物体剩余空间类型之间相同的空间类型，得到共有空间类型之后，还包括：
根据所述共有空间类型确认目标物品属于的空间类型，得到正确空间类型。
结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，所述根据所述对比结果判断目标物品属于的空间类型，得到准确空间类型之后，还包括：
根据所述准确空间类型与所述正确空间类型判断目标物品属于的最终空间类型。
结合第一方面，本发明实施例提供了第一方面的第五种可能的实施方式，其中，所述根据所述准确空间类型与所述正确空间类型判断目标物品属于的最终空间类型之后，还包括：
根据所述最终空间类型判断目标物品属于的物品类型。
结合第一方面，本发明实施例提供了第一方面的第六种可能的实施方式，其中，所述设置多个空间类型之后，还包括：
识别与计算图像中的物体在空间中所占的平面比例。
结合第一方面，本发明实施例提供了第一方面的第七种可能的实施方式，其中，所述识别与计算图像中的物体在空间中所占的平面比例之后，还包括：
根据所述物体信息与所述平面比例判断空间类型。
第二方面，本发明实施例还提供一种物品识别系统，包括：
物体识别模块，用于识别目标物品所在图像中的物体，得到物体信息，其中，物体信息包括：第一物体信息与第二物体信息；
空间设置模块，用于设置多个空间类型，其中，所述空间类型包括：第一空间类型与第二空间类型；
概率计算模块，用于根据所述第一物体信息分别计算第一物体属于所述第一空间类型与所述第二空间类型的概率，得到第一概率与第二概率；
概率计算模块还用于根据所述第二物体信息分别计算第二物体属于所述第一空间类型与所述第二空间类型的概率，得到第三概率与第四概率；
概率统计模块，用于将所述第一概率与所述第三概率进行相加，得到目标物品属于所述第一空间类型的第一空间总概率；
概率统计模块还用于将所述第二概率与所述第四概率进行相加，得到目标物品属于所述第二空间类型的第二空间总概率；
概率对比模块，用于将所述第一空间总概率与所述第二空间总概率进行对比，得到对比结果；
空间判断模块，用于根据所述对比结果判断目标物品属于的空间类型，得到准确空间类型；
物品类型判断模块，用于根据所述准确空间类型判断目标物品属于的物品类型；
初始识别模块，用于识别图像中的目标物品，得到初始信息；
物品确定模块，用于根据所述物品类型与所述初始信息，确定目标物品的准确信息。
第三方面，本发明实施例还提供一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述如第一方面所述的方法的步骤。
本发明实施例提供的技术方案带来了以下有益效果：本发明实施例提供的物品识别方法、系统以及电子设备中，物品识别方法包括：识别目标物品所在图像中的物体，得到物体信息；其中，物体信息包括：第一物体信息与第二物体信息；设置多个空间类型；其中，所述空间类型包括：第一空间类型与第二空间类型；根据所述第一物体信息分别计算第一物体属于所述第一空间类型与所述第二空间类型的概率，得到第一概率与第二概率；根据所述第二物体信息分别计算第二物体属于所述第一空间类型与所述第二空间类型的概率，得到第三概率与第四概率；将所述第一概率与所述第三概率进行相加，得到目标物品属于所述第一空间类型的第一空间总概率；将所述第二概率与所述第四概率进行相加，得到目标物品属于所述第二空间类型的第二空间总概率；将所述第一空间总概率与所述第二空间总概率进行对比，得到对比结果；根据所述对比结果判断目标物品属于的空间类型，得到准确空间类型；根据所述准确空间类型判断目标物品属于的物品类型；识别图像中的目标物品，得到初始信息；根据所述物品类型与所述初始信息，确定目标物品的准确信息，在图像识别过程中，通过对与目标物品相同空间的其他物体也进行识别，从而判断出该空间的类型，以此来辨别出目标识别物品的类型与功能，再根据该类型以及对目标物品初步识别出的外形等，得到更加精确的目标物品识别结果，在此过程中，通过对目标物品的类型的判断，使得功能不同的物品不会再因外形相似而造成混淆，从而解决了现有技术中存在的目前对出图片中的物品进行识别的识别效果不够精准，例如在利用图像识别技术识别家具时，部分功能不同的家具会因外形相似而极易造成混淆，如厨房的橱柜与卫生间的储藏柜，从而导致识别结果的不准确的技术问题。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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。
图1示出了本发明实施例一所提供的物品识别方法的流程图；
图2示出了本发明实施例二所提供的物品识别方法的流程图；
图3示出了本发明实施例三所提供的一种物品识别系统的结构示意图；
图4示出了本发明实施例四所提供的一种电子设备的结构示意图。
图标：4-物品识别系统；41-物体识别模块；42-空间设置模块；43-概率计算模块；44-概率统计模块；45-概率对比模块；46-空间判断模块；47-物品类型判断模块；48-初始识别模块；49-物品确定模块；5-电子设备；51-存储器；52-处理器；53-总线；54-通信接口。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
目前对出图片中的物品进行识别的识别效果不够精准，例如在利用图像识别技术识别家具时，部分功能不同的家具会因外形相似而极易造成混淆，如厨房的橱柜与卫生间的储藏柜，从而导致识别结果的不准确，基于此，本发明实施例提供的一种物品识别方法、系统以及电子设备，可以解决现有技术中存在的目前对出图片中的物品进行识别的识别效果不够精准，例如在利用图像识别技术识别家具时，部分功能不同的家具会因外形相似而极易造成混淆，如厨房的橱柜与卫生间的储藏柜，从而导致识别结果的不准确的技术问题。
为便于对本实施例进行理解，首先对本发明实施例所公开的一种物品识别方法、系统以及电子设备进行详细介绍。
实施例一：
本发明实施例提供的一种物品识别方法，可以用于家具等商品的识别搜索，能够应用于场景的识别，例如根据场景识别出更精准的商品。如图1所示，物品识别方法可以包括：
S11：识别目标物品所在图像中的物体，得到物体信息；其中，物体信息包括：第一物体信息与第二物体信息。
作为一个优选方案，识别目标物品所在图像中的除目标物品以外的其他物体。目标物品可以为需要识别的家具等商品，图像中的物体可以为该家具所在图像中的除该家具以外的其他物体，如电器、摆饰品、其他家具等。
S12：设置多个空间类型；其中，空间类型包括：第一空间类型与第二空间类型。
其中，空间类型可以为客厅、餐厅、厨房、卧室等场景类型或房间类型。例如，第一空间类型为客厅，第二空间类型为卧室。
S13：根据第一物体信息分别计算第一物体属于第一空间类型与第二空间类型的概率，得到第一概率与第二概率。
S14：根据第二物体信息分别计算第二物体属于第一空间类型与第二空间类型的概率，得到第三概率与第四概率。
优选的，可以利用家具、电器等物体应该属于的场景或房间，来计算场景或房间类型的概率。例如，如果识别到该场景或房间内有沙发，则该场景或房间的类型可能会客厅与卧室，经过计算得出属于客厅的概率为50％，属于卧室的概率为10％。再例如：识别到防盗门，属于客厅的概率为50％，属于餐厅的概率为30％，属于厨房的概率为10％，属于卧室的概率为0％。
S15：将第一概率与第三概率进行相加，得到目标物品属于第一空间类型的第一空间总概率。
S16：将第二概率与第四概率进行相加，得到目标物品属于第二空间类型的第二空间总概率。
具体的，通过对属于相同空间类型之间概率的累加计算，得到目标物品可能属于某个空间类型的总概率。例如，通过对电视的空间类型概率计算得到属于客厅的概率为40％，通过对沙发的概率计算得到属于客厅的概率为50％，则将同属于客厅的各个概率40％与50％进行相加，得到该空间属于客厅的总概率为90％。
S17：将第一空间总概率与第二空间总概率进行对比，得到对比结果。
本步骤中，对比结果可以为第一空间总概率大于第二空间总概率，也可以为第一空间总概率小于第二空间总概率。
S18：根据对比结果判断目标物品属于的空间类型，得到准确空间类型。
作为本实施例的优选实施方式，当对比结果为第一空间总概率大于第二空间总概率时，判断目标物品属于第一空间类型，第一空间类型为准确空间类型。
同样的，当对比结果为第二空间总概率大于第一空间总概率时，判断目标物品属于第二空间类型，第二空间类型为准确空间类型。
S19：根据准确空间类型判断目标物品属于的物品类型。
S20：识别图像中的目标物品，得到初始信息。
S21：根据物品类型与初始信息，确定目标物品的准确信息。
在实际应用中，能够根据每个场景应该有什么，通过各种筛选确定与概率计算，最终确定需要识别的物品所属空间类型，从而便于确定后续的目标物品的准确信息。
因此，在识别出图片中的场景属于何种室内空间后，如客厅、卧室、卫生间、厨房等，能够根据所在空间能够更精准的判断出图中家具的类型而避免部分功能不同的家具因外形相似而混淆，例如橱柜与卫生间储藏柜，虽然外形都属于柜子，但由于放置于不通过的房间而具有不同的具体功能，通过该方法便能够精确的识别出该柜子为厨房的橱柜还是卫生间的储藏柜。
实施例二：
本发明实施例提供的一种物品识别方法，可以用于家具等商品的识别搜索，能够应用于场景的识别，例如根据场景识别出更精准的商品。如图2所示，物品识别方法可以包括：
S31：识别目标物品所在图像中的物体，得到物体信息；其中，物体信息包括：第一物体信息与第二物体信息。
本步骤中，识别目标物品所在图像中的除目标物品以外的其他物体。目标物品可以为需要识别的家具等商品，图像中的物体可以为该家具所在图像中的除该家具以外的其他物体，如电器、摆饰品、其他家具等。
S32：设置多个空间类型；其中，空间类型包括：第一空间类型与第二空间类型。
其中，空间类型可以为客厅、餐厅、厨房、卧室等场景类型或房间类型。例如，第一空间类型为客厅，第二空间类型为卧室。
S33：根据第一物体信息对空间类型进行排除，得到第一物体剩余空间类型；根据第二物体信息对空间类型进行排除，得到第二物体剩余空间类型。
本实施例中，利用每个场景或房间不应该有的家具、电器等物体来排除场景或房间的类型。例如，如果该场景或房间内有冰箱，则该场景或房间的类型排除厕所与卧室，物体剩余空间类型便可以包括客厅、餐厅与厨房。
S34：查询第一物体剩余空间类型与第二物体剩余空间类型之间相同的空间类型，得到共有空间类型。
例如，经过类型排除后，第一物体剩余空间类型包括客厅、餐厅与厨房，第二物体剩余空间类型包括客厅、卧室与阳台，则共有空间类型便为二者都具有的客厅。
S35：根据共有空间类型确认目标物品属于的空间类型，得到正确空间类型。
作为本实施例的优选实施方式，共有空间类型可以为目标物品属于的正确空间类型。
S36：根据第一物体信息分别计算第一物体属于第一空间类型与第二空间类型的概率，得到第一概率与第二概率；根据第二物体信息分别计算第二物体属于第一空间类型与第二空间类型的概率，得到第三概率与第四概率。
进一步的是，利用家具、电器等物体应该属于的场景或房间，来计算场景或房间类型的概率。例如，如果识别到该场景或房间内有沙发，则该场景或房间的类型可能会客厅与卧室，经过计算得出属于客厅的概率为50％，属于卧室的概率为10％。再例如：识别到防盗门，属于客厅的概率为50％，属于餐厅的概率为30％，属于厨房的概率为10％，属于卧室的概率为0％。
S37：将第一概率与第三概率进行相加，得到目标物品属于第一空间类型的第一空间总概率；将第二概率与第四概率进行相加，得到目标物品属于第二空间类型的第二空间总概率。
优选的，通过对属于相同空间类型之间概率的累加计算，得到目标物品可能属于某个空间类型的总概率。例如，通过对电视的空间类型概率计算得到属于客厅的概率为40％，通过对沙发的概率计算得到属于客厅的概率为50％，则将同属于客厅的各个概率40％与50％进行相加，得到该空间属于客厅的总概率为90％。
S38：将第一空间总概率与第二空间总概率进行对比，得到对比结果。
需要说明的是，对比结果可以为第一空间总概率大于第二空间总概率，也可以为第一空间总概率小于第二空间总概率。
S39：根据对比结果判断目标物品属于的空间类型，得到准确空间类型。
在一种实现方式中，当对比结果为第一空间总概率大于第二空间总概率时，判断目标物品属于第一空间类型，第一空间类型为准确空间类型。
在另一种实现方式中，当对比结果为第二空间总概率大于第一空间总概率时，判断目标物品属于第二空间类型，第二空间类型为准确空间类型。
S40：根据准确空间类型与正确空间类型判断目标物品属于的最终空间类型。
进一步，根据通过步骤S39得到的准确空间类型与通过步骤S35得到的正确空间类型，最终确定精确的最终空间类型。在识别出图片中的场景属于何种室内空间后，如客厅、卧室、卫生间、厨房等，根据所在空间能够更精准的判断出图中家具的类型而避免部分功能不同的家具因外形相似而混淆，例如橱柜与卫生间储藏柜，这步的最后便能够确定了最终场景。
S41：根据最终空间类型判断目标物品属于的物品类型。
S42：识别图像中的目标物品，得到初始信息。
S43：根据物品类型与初始信息，确定目标物品的准确信息。
本实施例中，能够根据每个场景应该有什么与不应该有什么，通过各种排除与确定，还可以利用概率，最终确定需要识别的物品所属空间类型，从而便于确定后续的目标物品的准确信息。
作为本实施例的另一种实施方式，在设置多个空间类型之后，识别与计算图像中的物体在空间中所占的平面比例，然后，根据物体信息与平面比例判断空间类型。因此，可以通过识别计算该物体在平面所占的百分比来判断空间类型，例如识别计算出床所占得比例超过60％，则判断该空间类型为卧室。
实施例三：
本发明实施例提供的一种物品识别系统，如图3所示，物品识别系统4可以包括：物体识别模块41、空间设置模块42、概率计算模块43、概率统计模块44、概率对比模块45、空间判断模块46、物品类型判断模块47、初始识别模块48以及物品确定模块49。
对于物体识别模块41，可以用于识别目标物品所在图像中的物体，得到物体信息，其中，物体信息包括：第一物体信息与第二物体信息；空间设置模块42可以用于设置多个空间类型，其中，空间类型包括：第一空间类型与第二空间类型。
在实际应用中，概率计算模块43可以用于根据第一物体信息分别计算第一物体属于第一空间类型与第二空间类型的概率，得到第一概率与第二概率；概率计算模块43还可以用于根据第二物体信息分别计算第二物体属于第一空间类型与第二空间类型的概率，得到第三概率与第四概率。
作为一个优选方案，概率统计模块44可以用于将第一概率与第三概率进行相加，得到目标物品属于第一空间类型的第一空间总概率；概率统计模块44还可以用于将第二概率与第四概率进行相加，得到目标物品属于第二空间类型的第二空间总概率。
需要说明的是，概率对比模块45可以用于将第一空间总概率与第二空间总概率进行对比，得到对比结果；空间判断模块46可以用于根据对比结果判断目标物品属于的空间类型，得到准确空间类型；物品类型判断模块47可以用于根据准确空间类型判断目标物品属于的物品类型；初始识别模块48可以用于识别图像中的目标物品，得到初始信息；物品确定模块49可以用于根据物品类型与初始信息，确定目标物品的准确信息。
实施例四：
本发明实施例提供的一种电子设备，如图4所示，电子设备5可以包括存储器51、处理器52，存储器51中存储有可在处理器52上运行的计算机程序，处理器52执行计算机程序时实现上述实施例一或实施例二提供的方法的步骤。
参见图4，电子设备5还可以包括：总线53和通信接口54，所述处理器52、通信接口54和存储器51通过总线53连接；处理器52用于执行存储器51中存储的可执行模块，例如计算机程序。
其中，存储器51可能包含高速随机存取存储器(RAM，Random Access Memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口54(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。
总线53可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器51可以用于存储程序，所述处理器52在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器52中，或者由处理器52实现。
处理器52可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器52中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器52可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital SignalProcessing，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器51，处理器52读取存储器51中的信息，结合其硬件完成上述方法的步骤。
除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本发明的范围。
本发明实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。
在这里示出和描述的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制，因此，示例性实施例的其他示例可以具有不同的值。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、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，所述模块、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，两个连续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，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动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。
本发明实施例提供的电子设备，与上述实施例提供的物品识别方法、以及系统具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。
另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
本发明实施例所提供的进行物品识别方法的计算机程序产品，包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述功能如果以软件功能单元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。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，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。
Claims (10)
1.一种物品识别方法，其特征在于，包括：
识别目标物品所在图像中的物体，得到物体信息；其中，物体信息包括：第一物体信息与第二物体信息；
设置多个空间类型；其中，所述空间类型包括：第一空间类型与第二空间类型；
根据所述第一物体信息分别计算第一物体属于所述第一空间类型与所述第二空间类型的概率，得到第一概率与第二概率；
根据所述第二物体信息分别计算第二物体属于所述第一空间类型与所述第二空间类型的概率，得到第三概率与第四概率；
将所述第一概率与所述第三概率进行相加，得到目标物品属于所述第一空间类型的第一空间总概率；
将所述第二概率与所述第四概率进行相加，得到目标物品属于所述第二空间类型的第二空间总概率；
将所述第一空间总概率与所述第二空间总概率进行对比，得到对比结果；
根据所述对比结果判断目标物品属于的空间类型，得到准确空间类型；
根据所述准确空间类型判断目标物品属于的物品类型；
识别图像中的目标物品，得到初始信息；
根据所述物品类型与所述初始信息，确定目标物品的准确信息。
2.根据权利要求1所述的物品识别方法，其特征在于，所述根据所述对比结果判断目标物品属于的空间类型，得到准确空间类型，具体包括：
当所述对比结果为所述第一空间总概率大于所述第二空间总概率时，判断目标物品属于所述第一空间类型，所述第一空间类型为准确空间类型；
当所述对比结果为所述第二空间总概率大于所述第一空间总概率时，判断目标物品属于所述第二空间类型，所述第二空间类型为准确空间类型。
3.根据权利要求1所述的物品识别方法，其特征在于，所述设置多个空间类型之后，还包括：
根据所述第一物体信息对所述空间类型进行排除，得到第一物体剩余空间类型；
根据所述第二物体信息对所述空间类型进行排除，得到第二物体剩余空间类型；
查询所述第一物体剩余空间类型与所述第二物体剩余空间类型之间相同的空间类型，得到共有空间类型。
4.根据权利要求3所述的物品识别方法，其特征在于，所述查询所述第一物体剩余空间类型与所述第二物体剩余空间类型之间相同的空间类型，得到共有空间类型之后，还包括：
根据所述共有空间类型确认目标物品属于的空间类型，得到正确空间类型。
5.根据权利要求4所述的物品识别方法，其特征在于，所述根据所述对比结果判断目标物品属于的空间类型，得到准确空间类型之后，还包括：
根据所述准确空间类型与所述正确空间类型判断目标物品属于的最终空间类型。
6.根据权利要求5所述的物品识别方法，其特征在于，所述根据所述准确空间类型与所述正确空间类型判断目标物品属于的最终空间类型之后，还包括：
根据所述最终空间类型判断目标物品属于的物品类型。
7.根据权利要求1所述的物品识别方法，其特征在于，所述设置多个空间类型之后，还包括：
识别与计算图像中的物体在空间中所占的平面比例。
8.根据权利要求7所述的物品识别方法，其特征在于，所述识别与计算图像中的物体在空间中所占的平面比例之后，还包括：
根据所述物体信息与所述平面比例判断空间类型。
9.一种物品识别系统，其特征在于，包括：
物体识别模块，用于识别目标物品所在图像中的物体，得到物体信息，其中，物体信息包括：第一物体信息与第二物体信息；
空间设置模块，用于设置多个空间类型，其中，所述空间类型包括：第一空间类型与第二空间类型；
概率计算模块，用于根据所述第一物体信息分别计算第一物体属于所述第一空间类型与所述第二空间类型的概率，得到第一概率与第二概率；
概率计算模块还用于根据所述第二物体信息分别计算第二物体属于所述第一空间类型与所述第二空间类型的概率，得到第三概率与第四概率；
概率统计模块，用于将所述第一概率与所述第三概率进行相加，得到目标物品属于所述第一空间类型的第一空间总概率；
概率统计模块还用于将所述第二概率与所述第四概率进行相加，得到目标物品属于所述第二空间类型的第二空间总概率；
概率对比模块，用于将所述第一空间总概率与所述第二空间总概率进行对比，得到对比结果；
空间判断模块，用于根据所述对比结果判断目标物品属于的空间类型，得到准确空间类型；
物品类型判断模块，用于根据所述准确空间类型判断目标物品属于的物品类型；
初始识别模块，用于识别图像中的目标物品，得到初始信息；
物品确定模块，用于根据所述物品类型与所述初始信息，确定目标物品的准确信息。
10.一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至8任一项所述的方法的步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711126214.3A CN107832795B (zh) | 2017-11-14 | 2017-11-14 | 物品识别方法、系统以及电子设备 |
| PCT/CN2018/115497 WO2019096180A1 (zh) | 2017-11-14 | 2018-11-14 | 物品识别方法、系统以及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711126214.3A CN107832795B (zh) | 2017-11-14 | 2017-11-14 | 物品识别方法、系统以及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107832795A true CN107832795A (zh) | 2018-03-23 |
| CN107832795B CN107832795B (zh) | 2021-07-27 |
Family
ID=61655311
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711126214.3A Active CN107832795B (zh) | 2017-11-14 | 2017-11-14 | 物品识别方法、系统以及电子设备 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN107832795B (zh) |
| WO (1) | WO2019096180A1 (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109190697A (zh) * | 2018-08-29 | 2019-01-11 | 德比软件(上海)有限公司 | 一种酒店图片分类判断系统和方法 |
| CN109409381A (zh) * | 2018-09-18 | 2019-03-01 | 北京居然之家云地汇新零售连锁有限公司 | 基于人工智能的家具顶视图的分类方法及系统 |
| WO2019096180A1 (zh) * | 2017-11-14 | 2019-05-23 | 深圳码隆科技有限公司 | 物品识别方法、系统以及电子设备 |
| CN110737941A (zh) * | 2019-10-12 | 2020-01-31 | 南京我爱我家信息科技有限公司 | 一种基于概率模型及像素统计模型的房屋装修程度识别系统和方法 |
| CN112426100A (zh) * | 2019-08-26 | 2021-03-02 | 江苏美的清洁电器股份有限公司 | 一种控制方法、装置及存储介质 |
| CN112685626A (zh) * | 2019-10-17 | 2021-04-20 | 北京星选科技有限公司 | 一种对象类型的确定方法、装置、电子设备及存储介质 |
| CN116009560A (zh) * | 2023-03-24 | 2023-04-25 | 科大讯飞股份有限公司 | 机器人及其寻桩方法、装置及存储介质 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060013436A1 (en) * | 2003-03-28 | 2006-01-19 | Olympus Corporation | Data authoring device |
| CN102930246A (zh) * | 2012-10-16 | 2013-02-13 | 同济大学 | 一种基于点云片段分割的室内场景识别方法 |
| CN102945567A (zh) * | 2012-10-19 | 2013-02-27 | 深圳先进技术研究院 | 室内场景的分类与重建方法及系统 |
| CN104077784A (zh) * | 2013-03-29 | 2014-10-01 | 联想(北京)有限公司 | 提取目标对象的方法和电子设备 |
| CN104573711A (zh) * | 2014-12-22 | 2015-04-29 | 上海交通大学 | 基于文本-物体-场景关系的物体和场景的图像理解方法 |
| CN105488044A (zh) * | 2014-09-16 | 2016-04-13 | 华为技术有限公司 | 数据处理的方法和设备 |
| EP3115927A1 (en) * | 2015-07-09 | 2017-01-11 | Thomson Licensing | Method and apparatus for processing a scene |
| CN106650798A (zh) * | 2016-12-08 | 2017-05-10 | 南京邮电大学 | 一种结合深度学习与稀疏表示的室内场景识别方法 |
| CN106776619A (zh) * | 2015-11-20 | 2017-05-31 | 百度在线网络技术（北京）有限公司 | 用于确定目标对象的属性信息的方法和装置 |
| CN106851098A (zh) * | 2017-01-20 | 2017-06-13 | 努比亚技术有限公司 | 一种图像处理方法及移动终端 |
| CN107194318A (zh) * | 2017-04-24 | 2017-09-22 | 北京航空航天大学 | 目标检测辅助的场景识别方法 |
| CN107341508A (zh) * | 2017-06-22 | 2017-11-10 | 北京飞搜科技有限公司 | 一种快速美食图片识别方法及系统 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2013280203A1 (en) * | 2013-12-24 | 2015-07-09 | Canon Kabushiki Kaisha | Method of classifying objects in scenes |
| CN105426925B (zh) * | 2015-12-28 | 2019-03-08 | 联想(北京)有限公司 | 图像标注方法和电子设备 |
| CN106446933B (zh) * | 2016-08-31 | 2019-08-02 | 河南广播电视大学 | 基于上下文信息的多目标检测方法 |
| CN107832795B (zh) * | 2017-11-14 | 2021-07-27 | 深圳码隆科技有限公司 | 物品识别方法、系统以及电子设备 |
-
2017
- 2017-11-14 CN CN201711126214.3A patent/CN107832795B/zh active Active
-
2018
- 2018-11-14 WO PCT/CN2018/115497 patent/WO2019096180A1/zh active Application Filing
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060013436A1 (en) * | 2003-03-28 | 2006-01-19 | Olympus Corporation | Data authoring device |
| CN102930246A (zh) * | 2012-10-16 | 2013-02-13 | 同济大学 | 一种基于点云片段分割的室内场景识别方法 |
| CN102945567A (zh) * | 2012-10-19 | 2013-02-27 | 深圳先进技术研究院 | 室内场景的分类与重建方法及系统 |
| CN104077784A (zh) * | 2013-03-29 | 2014-10-01 | 联想(北京)有限公司 | 提取目标对象的方法和电子设备 |
| CN105488044A (zh) * | 2014-09-16 | 2016-04-13 | 华为技术有限公司 | 数据处理的方法和设备 |
| CN104573711A (zh) * | 2014-12-22 | 2015-04-29 | 上海交通大学 | 基于文本-物体-场景关系的物体和场景的图像理解方法 |
| EP3115927A1 (en) * | 2015-07-09 | 2017-01-11 | Thomson Licensing | Method and apparatus for processing a scene |
| CN106776619A (zh) * | 2015-11-20 | 2017-05-31 | 百度在线网络技术（北京）有限公司 | 用于确定目标对象的属性信息的方法和装置 |
| CN106650798A (zh) * | 2016-12-08 | 2017-05-10 | 南京邮电大学 | 一种结合深度学习与稀疏表示的室内场景识别方法 |
| CN106851098A (zh) * | 2017-01-20 | 2017-06-13 | 努比亚技术有限公司 | 一种图像处理方法及移动终端 |
| CN107194318A (zh) * | 2017-04-24 | 2017-09-22 | 北京航空航天大学 | 目标检测辅助的场景识别方法 |
| CN107341508A (zh) * | 2017-06-22 | 2017-11-10 | 北京飞搜科技有限公司 | 一种快速美食图片识别方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| SAURABH GUPTA 等: "Perceptual Organization and Recognition of Indoor Scenes from RGB-D Images", 《2013 IEEE CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION》 * |
| 薛梦霞 等: "基于视觉显著性的场景目标识别", 《控制工程》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019096180A1 (zh) * | 2017-11-14 | 2019-05-23 | 深圳码隆科技有限公司 | 物品识别方法、系统以及电子设备 |
| CN109190697A (zh) * | 2018-08-29 | 2019-01-11 | 德比软件(上海)有限公司 | 一种酒店图片分类判断系统和方法 |
| CN109409381A (zh) * | 2018-09-18 | 2019-03-01 | 北京居然之家云地汇新零售连锁有限公司 | 基于人工智能的家具顶视图的分类方法及系统 |
| CN112426100A (zh) * | 2019-08-26 | 2021-03-02 | 江苏美的清洁电器股份有限公司 | 一种控制方法、装置及存储介质 |
| CN112426100B (zh) * | 2019-08-26 | 2022-10-21 | 美智纵横科技有限责任公司 | 一种控制方法、装置及存储介质 |
| CN110737941A (zh) * | 2019-10-12 | 2020-01-31 | 南京我爱我家信息科技有限公司 | 一种基于概率模型及像素统计模型的房屋装修程度识别系统和方法 |
| CN112685626A (zh) * | 2019-10-17 | 2021-04-20 | 北京星选科技有限公司 | 一种对象类型的确定方法、装置、电子设备及存储介质 |
| CN116009560A (zh) * | 2023-03-24 | 2023-04-25 | 科大讯飞股份有限公司 | 机器人及其寻桩方法、装置及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2019096180A9 (zh) | 2019-08-29 |
| WO2019096180A1 (zh) | 2019-05-23 |
| CN107832795B (zh) | 2021-07-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107832795A (zh) | 物品识别方法、系统以及电子设备 | |
| CN108734162B (zh) | 商品图像中目标识别方法、系统、设备及存储介质 | |
| US10824916B2 (en) | Weakly supervised learning for classifying images | |
| CN110135915B (zh) | 商品推荐方法和系统 | |
| US20170068945A1 (en) | Pos terminal apparatus, pos system, commodity recognition method, and non-transitory computer readable medium storing program | |
| CN107766349B (zh) | 一种生成文本的方法、装置、设备及客户端 | |
| CN107918767B (zh) | 目标检测方法、装置、电子设备及计算机可读介质 | |
| CN106204658A (zh) | 运动图像跟踪方法及装置 | |
| JP2017174272A (ja) | 情報処理装置及びプログラム | |
| US20170330206A1 (en) | Motion line processing system and motion line processing method | |
| CN108922084A (zh) | 一种商品识别方法及装置 | |
| CN104915440A (zh) | 一种商品排重方法和系统 | |
| CN109508575A (zh) | 人脸跟踪方法及装置、电子设备和计算机可读存储介质 | |
| Shewell et al. | Comparison of fiducial marker detection and object interaction in activities of daily living utilising a wearable vision sensor | |
| CN112991380B (zh) | 基于视频图像的轨迹生成方法、装置、电子设备和介质 | |
| CN109523573A (zh) | 目标对象的跟踪方法和装置 | |
| CN108257301A (zh) | 物流系统的售货方法、售货物流系统以及电子设备 | |
| US20170147873A1 (en) | Motion recognition method and motion recognition device | |
| US9576203B2 (en) | Devices, systems, and methods for knowledge-based inference for material recognition | |
| CN110197457A (zh) | 图案码位置调整方法、装置及计算机可读存储介质 | |
| CN115170157A (zh) | 一种门店审核方法、装置、设备及存储介质 | |
| CN108776972A (zh) | 一种对象跟踪方法及装置 | |
| CN111222377B (zh) | 一种商品信息确定方法、装置及电子设备 | |
| CN108595375A (zh) | 一种滤波方法、装置及存储介质 | |
| US11558539B2 (en) | Systems and methods of detecting and identifying an object |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20191104 Address after: 518081 Yantian Modern Industrial Service Center, 3018 Shayan Road, Shatoujiao Street, Yantian District, Shenzhen City, Guangdong Province, 33 floors Applicant after: SHENZHEN MALONG TECHNOLOGY Co.,Ltd. Applicant after: Shenzhen Malong artificial intelligence research center Address before: 518000, Shenzhen, Yantian District, Guangdong Province Industrial Street East International Creative port 2, 5 B Applicant before: SHENZHEN MALONG TECHNOLOGY Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PP01 | Preservation of patent right | ||
| PP01 | Preservation of patent right |
Effective date of registration: 20211123 Granted publication date: 20210727 |
|
| PD01 | Discharge of preservation of patent | ||
| PD01 | Discharge of preservation of patent |
Date of cancellation: 20220415 Granted publication date: 20210727 |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20221215 Address after: 518000 floor 33, Yantian modern industry service center, 3018 Shayan Road, Shatoujiao street, Yantian District, Shenzhen City, Guangdong Province Patentee after: Shenzhen mailong Intelligent Technology Co.,Ltd. Address before: 518081 floor 33, Yantian modern industry service center, 3018 Shayan Road, Shatoujiao street, Yantian District, Shenzhen, Guangdong Province Patentee before: SHENZHEN MALONG TECHNOLOGY Co.,Ltd. Patentee before: Shenzhen Malong artificial intelligence research center |