CN108932478A - 基于图像的物体定位方法、装置及购物车 - Google Patents

Abstract

本申请公开一种基于图像的物体定位方法、装置及购物车，以解决现有技术中商品识别效率低的问题。本申请提供一种基于图像的物体定位方法，该方法可以包括步骤：获取主场景图像；采集受试物体周围的至少一幅图像；识别所述至少一幅图像中的特定物品图像；如果所述特定物品图像包含在所述主场景图像中，则基于所述特定物品图像确定所述受试物体的位置。本申请所提出的技术方案，成本较低，只需要采集图像的摄像头和普通的CPU设备即可。基于图像的场景分析，能更好的知道所处环境，比仅仅知道当前的室内绝对坐标系位置要更有意义。

Description

基于图像的物体定位方法、装置及购物车

技术领域

本申请涉及智能定位领域，具体而言，涉及一种基于图像的物体定位方法。此外，本申请还涉及一种基于图像的物体定位装置和一种购物车。

背景技术

常见的室内无线定位技术还有：Wi-Fi技术、蓝牙技术、红外线技术、超宽带和超声波技术等。

Wi-Fi技术通过无线接入点(包括无线路由器)组成的无线局域网络，可以实现复杂环境中的定位、监测和追踪任务。它以网络节点(无线接入点)的位置信息为基础和前提，采用经验测试和信号传播模型相结合的方式，对已接入的移动设备进行位置定位，最高精确度大约在1米至20米之间。如果定位测算仅基于当前连接的Wi-Fi接入点，而不是参照周边Wi-Fi的信号强度合成图，则Wi-Fi定位就很容易存在误差。另外，Wi-Fi接入点通常都只能覆盖半径90米左右的区域，而且很容易受到其他信号的干扰，从而影响其精度，定位器的能耗也较高。

蓝牙通讯是一种短距离低功耗的无线传输技术，在室内安装适当的蓝牙局域网接入点后，将网络配置成基于多用户的基础网络连接模式，并保证蓝牙局域网接入点始终是这个微网络的主设备。这样通过检测信号强度就可以获得用户的位置信息。不过，对于复杂的空间环境，蓝牙定位系统的稳定性稍差，受噪声信号干扰大。

红外线技术室内定位是通过安装在室内的光学传感器，接收各移动设备(红外线标识)发射调制的红外射线进行定位，具有相对较高的室内定位精度。但是，由于光线不能穿过障碍物，使得红外射线仅能视距传播，容易受其他灯光干扰，并且红外线的传输距离较短，使其室内定位的效果很差。当移动设备放置在口袋里或者被墙壁遮挡时，就不能正常工作，需要在每个房间、走廊安装接收天线，导致总体造价较高。

超宽带(Uwb)技术与传统通信技术的定位方法有较大差异，它不需要使用传统通信体制中的载波，而是通过发送和接收具有纳秒或纳秒级以下的极窄脉冲来传输数据，可用于室内精确定位，例如：战场士兵的位置发现、机器人运动跟踪等。Uwb方案目前精准度较高，但是同样也是受到障碍物的影响，如果需要无死角，需要铺设的基站较多，整体成本目前普遍偏高。

公开于本申请背景技术部分的信息仅仅旨在加深对本申请的一般背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。

发明内容

本申请的主要目的在于提供一种自动且高效识别物品位置的基于图像的物体定位方法，以解决现有技术中商品识别效率低的问题。

为了解决上述问题，本申请提供一种基于图像的物体定位方法，该方法可以包括步骤：获取主场景图像；采集受试物体周围的至少一幅图像；识别所述至少一幅图像中的特定物品图像；如果所述特定物品图像包含在所述主场景图像中，则基于所述特定物品图像确定所述受试物体的位置。

进一步的，所述识别所述至少一幅图像中的特定物品图像，包括：利用图像采集分析算法识别至少一幅图像中的特定物品图像。

更进一步的，所述图像采集分析算法包括以下步骤：利用摄像头获取物品周围至少两幅图像，从含有目标物品的至少两幅图像中减去所述主场景图像，得到目标商品的至少两个区域；逐帧使用meanshift算法分析所述至少两个区域中是否为商品库里的商品。

进一步的，所述主场景图像包括超市图像、商场图像或者书店图像。

进一步的，该方法还可以包括步骤：在基于所述特定物品图像确定所述受试物体的位置之后，将该位置的信息显示给用户。

进一步的，利用摄像头获取主场景图像以及利用该摄像头采集受试物体周围的至少一幅图像。

本申请还提供一种基于图像的物体定位装置，其可以包括：获取模块，其配置为，获取主场景图像；采集模块，其配置为，采集受试物体周围的至少一幅图像；识别模块，其配置为，识别所述至少一幅图像中的特定物品图像；以及定位模块，其配置为，如果所述特定物品图像包含在所述主场景图像中，则基于所述特定物品图像确定所述受试物体的位置。

进一步的，所述识别模块利用图像采集分析算法识别至少一幅图像中的特定物品图像，其中，所述图像采集分析算法包括：利用摄像头获取物品周围至少两幅图像，从含有目标物品的至少两幅图像中减去所述主场景图像，得到目标商品的至少两个区域；以及逐帧使用meanshift算法分析所述至少两个区域中是否为商品库里的商品。

进一步的，还包括显示模块，其配置为，将受试物体所在位置信息显示给用户。

本申请还提供一种购物车，其包括车体和设置在车体上的图像获取装置和控制器，所述图像获取装置获取主场景图像信息并且采集受试物体周围的至少一幅图像，并且将该图像信息发送至控制器；所述控制器识别所述至少一幅图像中的特定物品图像；如果所述特定物品图像包含在所述主场景图像中，所述控制器基于所述特定物品图像确定受试物体所在的位置。

本申请的有益效果是：

基于这种图像识别分析方法，用户在一个环境中识别当前所处环境同样不需要枯燥的经纬坐标值。而是通过当前周边环境，周边环境的物品来识别当前所处的状态，通过在行走过程中持续分析周边场景图片，来获取更多的信息。本申请所提出的技术方案，成本较低，只需要采集图像的摄像头和普通的CPU设备即可。基于图像的场景分析，能更好的知道所处环境，比仅仅知道当前的室内绝对坐标系位置要更有意义。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是本申请实施例的基于图像的物体定位方法的流程图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。

此外，在实施例中出现的术语，例如“配置为”、“设置”、“设有”、“连接”、“通信连接”应做广义理解。例如，可以是固定连接，可拆卸连接，或整体式构造；可以是机械连接，或电连接；可以是直接相连，或者是通过中间媒介间接相连，又或者是两个装置、元件或组成部分之间内部的连通。对于本领域普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

本发明所涉及的室内定位的方法的一个主要目的其实不一定是要知道当前很精确的位置，一般是要知道当前处于哪里，比如在大型百货商场，用户知道当前在哪几个门店附近，在不在扶梯，电梯附近等。比如在超市内，用户知道当前所处的货架是哪个，是日用品货架，还是生鲜蔬菜区等。所以针对这类室内定位的场景，本申请提出一种新的解决方案。

基于机器视觉的场景定位的原理是，利用图像识别分析周边的物体，检测周边物体是否是特定物体或者该物体的具体类别是什么，以此来根据先验知识，来了解当前所处的位置。实际应用时，移动的人或物体上，可以持有一个带摄像头的设备，利用摄像头采集图像，设备对图像进行分析来是被当前所处的环境，比如在超市内，图像识别当前附近的物体有鱼肉，那么设备知道当前处于生鲜区；如果检测到酒瓶，易拉罐，那么当前处于酒水区。

下面结合图1对本申请的基于图像的物体定位方法进行详细的说明，根据本申请的基于图像的物体定位方法可以包括：步骤S1，利用摄像装置(例如摄像头)获取主场景内的所有图像信息并且将这些信息存储在后台数据库中。例如这些主场景信息可以是室内的地图信息，这些信息是预先获取和预先存储的。之后步骤S2，利用设置在购物车内的摄像头采集受试物体周围的至少一幅图像，该受试物体可以是使用者也可以是购物车或者购物车中的商品。

在步骤S3，利用图像采集分析算法识别至少一幅图像中的特定物品图像，所述图像采集分析算法可以包括步骤：利用摄像头获取物品周围至少两幅图像，从含有目标物品的至少两幅图像中减去所述主场景图像，得到目标商品的至少两个区域，最后逐帧使用meanshift算法分析所述至少两个区域中是否为商品库里的商品。也就是说，当用户向购物车内放入商品时，安装在购物车上的摄像头捕捉此刻至少一幅图像中的特定物品图像P2，使用含有目标商品的多幅画面P2减去其中一幅主场景图像P1，取出目标商品多个区域R1。将多个区域R1与图像库里收集存储的类似图像和自学习规律进行比对，逐帧使用meanshift算法分析得出该商品为库里哪种称重商品。本申请中的meanshift算法，又称为均值漂移算法，是聚类，图像平滑、分割以及视频跟踪等领域中的通用算法，在此不对其进行详细描述。

在步骤S4，如果所述特定物品图像包含在所述主场景图像中，则基于所述特定物品图像确定所述受试物体的位置。最后，在步骤S5，在基于所述特定物品图像确定所述受试物体的位置之后，将该位置信息显示给用户。

需要说明的是，在本发明附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

根据本申请实施例，本申请还提供一种基于图像的物体定位装置，该装置包括：获取模块，其获取主场景图像；采集模块，其采集受试物体周围的至少一幅图像；识别模块，其识别所述至少一幅图像中的特定物品图像；以及定位模块，如果所述特定物品图像包含在所述主场景图像中，该定位模块基于所述特定物品图像确定所述受试物体的位置。

其中，所述识别模块利用图像采集分析算法识别至少一幅图像中的特定物品图像，所述具体的图像采集分析算法在前面已经进行了详细的描述，这里不再进行赘述。

本申请还涉及一种购物车，其包括车体和设置在车体上的图像获取装置和控制器，所述图像获取装置获取主场景图像信息并且采集受试物体周围的至少一幅图像，并且将该图像信息发送至控制器。所述控制器识别所述至少一幅图像中的特定物品图像；如果所述特定物品图像包含在所述主场景图像中，所述控制器基于所述特定物品图像确定受试物体所在的位置。

显然，本领域的技术人员应该明白，上述的本申请的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本申请不限制于任何特定的硬件和软件结合。

此外，所述具体的虚拟装置模块能够以计算机编码的方式的形式来实现，可以被存储于计算机可读存储介质中，通过计算机处理器执行，从而实现具体的功能。

由于计算机软件程序可以存储于计算机可读存储介质。所述计算机可读存储介质可以包括：能够携带计算机程序代码的任何实体装置、虚拟装置、优盘、移动硬盘、磁碟、光盘、计算机存储器、只读计算机存储器(Read-Only Memory，ROM)、随机存取计算机存储器(Random Access Memory，RAM)、电载波信号、电信信号以及其他软件分发介质等。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种基于图像的物体定位方法，其特征在于，包括以下步骤：

获取主场景图像；

采集受试物体周围的至少一幅图像；

识别所述至少一幅图像中的特定物品图像；

如果所述特定物品图像包含在所述主场景图像中，则基于所述特定物品图像确定所述受试物体的位置。

2.根据权利要求1所述的基于图像的物体定位方法，其特征在于，所述识别所述至少一幅图像中的特定物品图像，包括：利用图像采集分析算法识别至少一幅图像中的特定物品图像。

3.根据权利要求2所述的基于图像的物体定位方法，其特征在于，所述图像采集分析算法包括以下步骤：

利用摄像头获取物品周围至少两幅图像，从含有目标物品的至少两幅图像中减去所述主场景图像，得到目标商品的至少两个区域；

逐帧使用meanshift算法分析所述至少两个区域中是否为商品库里的商品。

4.根据权利要求1所述的基于图像的物体定位方法，其特征在于，所述主场景图像包括超市图像、商场图像或者书店图像。

5.根据权利要求1所述的基于图像的物体定位方法，其特征在于，还包括步骤：在基于所述特定物品图像确定所述受试物体的位置之后，将该位置的信息显示给用户。

6.根据权利要求1所述的基于图像的物体定位方法，其特征在于，利用摄像头获取主场景图像以及利用该摄像头采集受试物体周围的至少一幅图像。

7.一种基于图像的物体定位装置，其特征在于，包括：

获取模块，其配置为，获取主场景图像；

采集模块，其配置为，采集受试物体周围的至少一幅图像；

识别模块，其配置为，识别所述至少一幅图像中的特定物品图像；以及

定位模块，其配置为，如果所述特定物品图像包含在所述主场景图像中，则基于所述特定物品图像确定所述受试物体的位置。

8.根据权利要求7所述的基于图像的物体定位装置，其特征在于，所述识别模块利用图像采集分析算法识别至少一幅图像中的特定物品图像，其中，所述图像采集分析算法包括：利用摄像头获取物品周围至少两幅图像，从含有目标物品的至少两幅图像中减去所述主场景图像，得到目标商品的至少两个区域；以及逐帧使用meanshift算法分析所述至少两个区域中是否为商品库里的商品。

9.根据权利要求7或8所述的基于图像的物体定位装置，其特征在于，还包括显示模块，其配置为，将受试物体所在位置信息显示给用户。

10.一种购物车，其特征在于，包括车体和设置在车体上的图像获取装置和控制器，

所述图像获取装置获取主场景图像信息并且采集受试物体周围的至少一幅图像，并且将该图像信息发送至控制器；

所述控制器识别所述至少一幅图像中的特定物品图像；如果所述特定物品图像包含在所述主场景图像中，所述控制器基于所述特定物品图像确定受试物体所在的位置。