CN108021939A - 一种旧图书的自动分类方法 - Google Patents
一种旧图书的自动分类方法 Download PDFInfo
- Publication number
- CN108021939A CN108021939A CN201711234036.6A CN201711234036A CN108021939A CN 108021939 A CN108021939 A CN 108021939A CN 201711234036 A CN201711234036 A CN 201711234036A CN 108021939 A CN108021939 A CN 108021939A
- Authority
- CN
- China
- Prior art keywords
- books
- book
- data
- training
- characteristic value
- 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.)
- Pending
Links
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Library & Information Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Image Analysis (AREA)
Abstract
本发明涉一种基于机器视觉旧图书的自动分类方法。包括以下步骤:步骤一:训练图书分类器;步骤二:训练图书模型,提取图书特征值,将数据放入特征数据库;步骤三:通过分类器检测图书;步骤四:获取目标图书的图像数据;步骤五:将图像数据输入模型得到图书数据;步骤六:将不同的图书分类;该图书分类方法,它是机器学习没与视觉算法的有效集成,能够在图书图像采集的过程中,得到图书的详细信息,并对图书进行归类。此方法突破人工分类的限制,操作方便,可以有效地节省成本和人力物力,可移植性强,今后可集成入多款智能产品中,创造一定的经济效益和实用价值。
Description
技术领域:
本发明涉及一种图书分类领域,具体涉及一种旧图书的自动分类方法。
背景技术:
目前,旧图书有着很大的市场,旧图书最常见的分类放大就是使用人工来分类,这种分类方法耗时耗力。特别是对于一些大型的图书馆而言,图书的分类工作占据了图书管理人员大量的工作时间,导致管理人员工作效率较低。尤其是对于二手书的分类,其分类更是一个巨大的工作量,也对二手书的回收利用形成阻碍。
人工分类方法局限性较大,对于某些特定的场合,效率低,操作不够方便。
发明内容
现有技术不能满足人们的需要,为弥补现有技术不足,本发明旨在提供一种旧图书分类的方法。
为实现上述目的,本发明采用以下技术方案:一种图书分类方法,包括以下步骤:步骤一,训练图书分类器;步骤二:训练图书模型,提取图书特征值,将数据放入特征数据库;步骤三:通过分类器检测图书;步骤四:获取目标图书的图像数据;步骤五:将图像数据输入模型得到图书数据;步骤六:将不同的图书分类;其中:
在步骤一中:首先利用检测器,训练图像分类器,该分类器可以检测视频图像中的图书,并得到图书像素大小;
在步骤二中:收集大量数据样本,要求样本覆盖面广,主要包括分类器检出标准图书像素大小数据、提取特征值并贴上标签(对应的图书详细信息,比如书名、作者、出版社等)后存入特征数据库;
在步骤三中:对步骤二中的数据进行训练(以图书像素为输入,图书特征值作为输出进行训练构建模型。然后将得到的图书特征值作为输入特征值数据库),得到模型,并将训练出的模型加载于前端设备;
在步骤四中:根据上述的三个步骤构成的图书特征数据库;在实际应用中,图书处于一定的范围内,利用训练好的图书分类器检测前端摄像头画面中的图书图像,如果前端摄像头前的一定范围内未检测到图书,则系统处于等待状态,如果检测到图书,对图书进行筛选匹配到最佳的目标图书;
步骤五:提取目标图书的特征值,并在特征数据库中进行查找比对,识别出图书的具体信息。
步骤六:识别出具体信息的图书,给系统一个反馈信号,根据该反馈信号,按预先设定好的路径,将旧图书输送到不同的图书盒。
与现有技术相比,本发明的有益效果是:该图书分类方法,它是机器学习算法与视觉算法的有效集成,能够在图书图像采集的过程中,得到图书的详细信息,并对图书进行归类。此方法突破人工分类的限制,操作方便,可以有效地节省成本和人力物力,可移植性强,今后可集成入多款智能产品中,创造一定的经济效益和实用价值。
附图说明:
图1为本发明的流程图。
具体实施方式:
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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它实施例,都属于本发明保护的范围。
请参阅图1,本发明实施例中,一种图书分类方法,包括以下步骤:步骤一,训练图书分类器;步骤二:训练图书模型,提取图书特征值,将数据放入特征数据库;步骤三:通过分类器检测图书;步骤四:获取目标图书的图像数据;步骤五:将图像数据输入模型得到图书数据;步骤六:将不同的图书分类;其中:
在步骤一中:首先利用检测器,训练图像分类器,该分类器可以检测视频图像中的图书,并得到图书像素大小、图书在摄像头画面中与上边框的像素距离数据;
在步骤二中:收集大量数据样本,要求样本覆盖面广,主要包括分类器检出标准图书像素大小数据、提取特征值并贴上标签(对应的图书详细信息,比如书名、作者、出版社等)后存入特征数据库;
在步骤三中:对步骤二中的数据进行训练(以图书像素为输入,图书特征值作为输出进行训练构建模型。然后将得到的图书特征值作为输入特征值数据库),得到模型,并将训练出的模型加载于前端设备;
在步骤四中:根据上述的三个步骤构成的图书特征数据库;在实际应用中,图书处于一定的范围内,利用训练好的图书分类器检测前端摄像头画面中的图书图像,如果前端摄像头前的一定范围内未检测到图书,则系统处于等待状态,如果检测到图书,对图书进行筛选得到最佳的目标图书;
步骤五:提取目标图书的特征值,并在特征数据库中进行查找比对,识别出图书的具体信息。
步骤六:识别出具体信息的图书,给系统一个反馈信号,根据该反馈信号,按预先设定好的路径,将旧图书输送到不同的图书盒。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其它的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
以上所述,仅为本发明的较佳实施例,并不用以限制本发明,凡是依据本发明的技术实质对以上实施例所作的任何细微修改、等同替换和改进,均应包含在本发明技术方案的保护范围之内。
Claims (1)
1.一种基于机器视觉的旧图书分类方法,其特征在于,包括以下步骤:步骤一:训练图书分类器;步骤二:训练图书模型,提取图书特征值,将数据放入特征数据库;步骤三:通过分类器检测图书;步骤四:获取目标图书的图像数据;步骤五:将图像数据输入模型得到图书数据;步骤六:将不同的图书分类;
在步骤一中:首先利用检测器,训练图像分类器,该分类器可以检测视频图像中的图书,并得到图书像素大小;
在步骤二中:收集大量数据样本,要求样本覆盖面广,主要包括分类器检出标准图书像素大小数据、提取特征值并贴上标签(对应的图书详细信息,比如书名、作者、出版社等)后存入特征数据库;
在步骤三中:对步骤二中的数据进行训练(以图书像素为输入,图书特征值作为输出进行训练构建模型,然后将得到的图书特征值作为输入特征值数据库),得到模型,并将训练出的模型加载于前端设备;
在步骤四中:根据上述的三个步骤构成的图书特征数据库;在实际应用中,图书处于一定的范围内,利用训练好的图书分类器检测前端摄像头画面中的图书图像,如果前端摄像头前的一定范围内未检测到图书,则系统处于等待状态,如果检测到图书,对图书进行筛选得到最佳的目标图书;
步骤五:提取目标图书的特征值,并在特征数据库中进行查找比对,识别出图书的具体信息;
步骤六:识别出具体信息的图书,给系统一个反馈信号,根据该反馈信号,按预先设定好的路径,将旧图书输送到不同的图书盒。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711234036.6A CN108021939A (zh) | 2017-11-30 | 2017-11-30 | 一种旧图书的自动分类方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711234036.6A CN108021939A (zh) | 2017-11-30 | 2017-11-30 | 一种旧图书的自动分类方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108021939A true CN108021939A (zh) | 2018-05-11 |
Family
ID=62077587
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711234036.6A Pending CN108021939A (zh) | 2017-11-30 | 2017-11-30 | 一种旧图书的自动分类方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108021939A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108875808A (zh) * | 2018-05-17 | 2018-11-23 | 延安职业技术学院 | 一种基于人工智能的图书分类方法 |
CN109657750A (zh) * | 2018-12-12 | 2019-04-19 | 枣庄学院 | 一种图书馆图书自动分类方法 |
CN110210546A (zh) * | 2019-05-24 | 2019-09-06 | 江西理工大学 | 一种基于图像处理的书籍自动归类方法 |
CN112181969A (zh) * | 2020-10-11 | 2021-01-05 | 北京维应科技有限责任公司 | 一种基于nlp和图像识别的二手图书版次识别装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104751163A (zh) * | 2013-12-27 | 2015-07-01 | 同方威视技术股份有限公司 | 对货物进行自动分类识别的透视检查系统和方法 |
CN104866524A (zh) * | 2015-04-10 | 2015-08-26 | 大连交通大学 | 一种商品图像精细分类方法 |
CN105631461A (zh) * | 2016-02-01 | 2016-06-01 | 信阳农林学院 | 一种图像识别系统及方法 |
CN106126626A (zh) * | 2016-06-23 | 2016-11-16 | 昆明理工大学 | 一种基于特征提取的图书检索方法 |
CN107133644A (zh) * | 2017-05-03 | 2017-09-05 | 牡丹江医学院 | 数字化图书馆内容分析系统及方法 |
-
2017
- 2017-11-30 CN CN201711234036.6A patent/CN108021939A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104751163A (zh) * | 2013-12-27 | 2015-07-01 | 同方威视技术股份有限公司 | 对货物进行自动分类识别的透视检查系统和方法 |
CN104866524A (zh) * | 2015-04-10 | 2015-08-26 | 大连交通大学 | 一种商品图像精细分类方法 |
CN105631461A (zh) * | 2016-02-01 | 2016-06-01 | 信阳农林学院 | 一种图像识别系统及方法 |
CN106126626A (zh) * | 2016-06-23 | 2016-11-16 | 昆明理工大学 | 一种基于特征提取的图书检索方法 |
CN107133644A (zh) * | 2017-05-03 | 2017-09-05 | 牡丹江医学院 | 数字化图书馆内容分析系统及方法 |
Non-Patent Citations (2)
Title |
---|
刘汝翠: "基于自动智能分类器的图书馆乱架图书检测_", 《现代商贸工业》 * |
张敏等: "基于改进二值模式的图书文档图像分类", 《红外技术》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108875808A (zh) * | 2018-05-17 | 2018-11-23 | 延安职业技术学院 | 一种基于人工智能的图书分类方法 |
CN109657750A (zh) * | 2018-12-12 | 2019-04-19 | 枣庄学院 | 一种图书馆图书自动分类方法 |
CN110210546A (zh) * | 2019-05-24 | 2019-09-06 | 江西理工大学 | 一种基于图像处理的书籍自动归类方法 |
CN110210546B (zh) * | 2019-05-24 | 2022-05-31 | 江西理工大学 | 一种基于图像处理的书籍自动归类方法 |
CN112181969A (zh) * | 2020-10-11 | 2021-01-05 | 北京维应科技有限责任公司 | 一种基于nlp和图像识别的二手图书版次识别装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108021939A (zh) | 一种旧图书的自动分类方法 | |
Gundupalli et al. | Multi-material classification of dry recyclables from municipal solid waste based on thermal imaging | |
CN110929756B (zh) | 基于深度学习的钢材尺寸和数量的识别方法、智能设备和存储介质 | |
CN109583315B (zh) | 一种面向智能视频监控的多通道快速人体姿态识别方法 | |
Gundupalli et al. | Classification of metallic and non-metallic fractions of e-waste using thermal imaging-based technique | |
CN1343339A (zh) | 视频流可分类符号分离的方法与系统 | |
CN101833664A (zh) | 基于稀疏表达的视频图像文字检测方法 | |
US11335086B2 (en) | Methods and electronic devices for automated waste management | |
CN107977639A (zh) | 一种人脸清晰度判断方法 | |
CN103065163B (zh) | 一种基于静态图片的快速目标检测识别系统及方法 | |
CN104318254A (zh) | 一种基于dct低频分量特征的快速煤岩识别方法 | |
CN107341139A (zh) | 一种多媒体处理方法、装置、电子设备及存储介质 | |
Setiawan et al. | The use of scale invariant feature transform (SIFT) algorithms to identification garbage images based on product label | |
CN113807347A (zh) | 一种基于目标检测技术的厨余垃圾杂质识别方法 | |
CN104217206A (zh) | 基于高清视频的实时上座率统计方法 | |
CN102142090B (zh) | 车辆检测方法和系统 | |
CN105095837A (zh) | 一种台标识别方法和系统 | |
CN113657143B (zh) | 一种基于分类和检测联合判决的垃圾分类方法 | |
CN111539257A (zh) | 人员重识别方法、装置和存储介质 | |
CN102129569B (zh) | 基于多尺度对比特征的对象检测设备和方法 | |
CN101984451A (zh) | 基于视频的遮挡火焰检测方法及装置 | |
CN113255550A (zh) | 一种基于视频的行人垃圾扔投次数统计方法 | |
Samal et al. | Texture as the basis for individual tree identification | |
CN106934425A (zh) | 一种基于深度学习的工业产品清点方法 | |
CN107292892A (zh) | 视频帧图像的分割方法及装置 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180511 |