CN108984776A - 一种可自动更新且精准识别产品的智能化识别系统 - Google Patents
一种可自动更新且精准识别产品的智能化识别系统 Download PDFInfo
- Publication number
- CN108984776A CN108984776A CN201810819408.XA CN201810819408A CN108984776A CN 108984776 A CN108984776 A CN 108984776A CN 201810819408 A CN201810819408 A CN 201810819408A CN 108984776 A CN108984776 A CN 108984776A
- Authority
- CN
- China
- Prior art keywords
- image
- module
- product
- automatically updated
- sensor system
- 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
Landscapes
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明属于图像识别技术领域,公开了一种可自动更新且精准识别产品的智能化识别系统。本发明包括服务器单元及采集单元;采集单元包括图像采集模块、图像预处理模块及图像显示模块;服务器单元包括图像处理模块、数据库、图像比对模块及自动更新模块;匹配结果通过图像显示模块显示。本发明使得人们可以随时使用对采集单元拍摄产品后上传至服务器单元进行匹配,不限区域使用,实用便捷,省时省力;在识别目标图像时,通过对目标图像描述子的提取实现检索匹配,识别精度高,描述子的逐渐上传可以对数据库中的产品图像进行逐步筛选,不需要完全上传目标图像后才能开始识别,因此识别速度快,实用性极高,进一步提高了用户体验度。
Description
技术领域
本发明属于图像识别技术领域,具体涉及一种可自动更新且精准识别产品的智能化识别系统。
背景技术
在移动支付和自助购物逐渐普及的现在,人们在线下门店中购物时想与线上门店比价或想对产品详情进一步了解时,普遍使用特定装置扫描条码或其他识别码来获取产品详情及线上门店的价格;目前也出现了一些通过特定装置拍摄产品实现实时产品图像搜索的线下门店,可以实现对特定装置输入的图像内容进行实时的识别,整个识别过程是在云端进行的,这样就可以充分地利用云端计算资源对数据库进行高速的检索。
但是上述技术中特定设备一般是有线连接于店内某一处,因此操作时具有很大的局限性,而线上门店与线下门店的产品进行比较时,需要耗费较长的时间进行查找,耗时耗力,使用十分不便;同时,目前基于云端的实时图像识别技术其实是通过上传本地图片到服务器,服务器将待识别的图片与存储的图片逐一进行比较,这种图片识别方式在通信网络较差的情况下,用户实时上传图像的速度会受到很大影响,由此造成识别缓慢的问题。
发明内容
为了解决现有技术存在的上述问题,本发明的目的在于提供一种可随时随地操作、使用便捷、实用性高、识别速度快、可自更新数据库、识别精度高的产品识别系统。
本发明所采用的技术方案为:
一种可自动更新且精准识别产品的智能化识别系统,包括服务器单元及采集单元。
所述的采集单元包括:用于通过拍摄获取当前产品的目标图像的图像采集模块,用于提取当前目标图像的特征序列并将特征序列发送至服务器单元的图像预处理模块,及用于显示当前目标图像及来自服务器单元的匹配结果的图像显示模块。
所述的服务器单元包括:用于接收所有的产品图像并分别提取每个产品图像的特征序列的图像处理模块,用于存储每个产品图像及其特征序列的数据库,用于获取当前图像的特征序列与数据库中的产品图像的特征序列进行匹配并输出匹配结果的图像比对模块,及用于更新数据库中产品图像的自动更新模块;每个产品图像关联有唯一对应的互动内容文件;所述的互动内容文件存储于数据库中;所述的匹配结果通过图像显示模块显示。
作为优选,所述的自动更新模块包括:用于读取图像比对模块中匹配失败的当前图像的读取模块,及用于搜索与当前图像有关的网页并将网页中与当前图像相关的补充图像发送至图像处理模块的搜索模块;所述的搜索模块搜索不到与匹配失败的当前图像相关的补充图像时输出搜索失败信息。
作为优选,所述的搜索模块通过比对网页中图像的特征序列与当前图像的特征序列的相似度来判断网页中图像与当前图像是否相关。
作为优选,所述的搜索模块通过爬虫程序爬取网页中的图像。
作为优选,所述的图像预处理模块包括:用于使用ORB算法提取当前目标图像的所有ORB特征点的提取模块,用于将当前目标图像的每个ORB特征点处理成描述子后再将所有描述子进行处理形成当前图像的特征序列的处理模块,及用于接收来自图像比对模块的匹配结果的通信模块。
作为优选,每个ORB特征点的描述子均为一个128位的二进制序列;所述的图像比对模块输出与当前图像的描述子序列的字符串匹配度最高的产品图像作为匹配结果图像;当匹配结果图像的描述子序列与当前图像的描述子序列的匹配度低于65%时,图像比对模块输出无法匹配信息。
作为优选,所述的搜索模块输出与匹配失败的当前图像的描述子序列的字符串匹配度最高的产品图像作为补充图像;当匹配结果图像的描述子序列与当前图像的描述子序列的匹配度低于85%时,搜索模块输出搜索失败信息。
作为优选,所述的服务器单元还包括:错误反馈模块;所述的错误反馈模块用于输出无法匹配信息及搜索失败信息至上位管理终端。
作为优选,所述的采集单元为移动终端;所述的图像采集模块为高清摄像头;所述的图像显示模块为触摸式水墨显示屏。
本发明的有益效果为:
通过服务器单元及采集单元的配合使用,使得人们可以随时使用采集单元拍摄产品后上传至服务器单元进行匹配,不限区域使用,实用性高,且可以在采集单元显示当前产品的互动内容,操作便捷,省时省力;同时,本发明中的各类图像的特征序列基于描述子样本构建,在识别目标图像时,通过对目标图像描述子的提取实现检索匹配,相比于整个图像进行像素对比,描述子的数据量小,识别精度高,通信网络较差对识别的速度影响小,且描述子的逐渐上传,可以对数据库中的产品图像进行逐步筛选,不需要完全上传目标图像后才能开始识别,因此识别速度快,实用性极高,进一步提高了用户体验度,适用于在具备物联网智慧场景的场所推广使用。
附图说明
图1是本发明的结构框图。
具体实施方式
下面结合附图及具体实施例对本发明做进一步阐释。
实施例:
如图1所示,本实施例提供一种可自动更新且精准识别产品的智能化识别系统,包括服务器单元及采集单元。本实施例中,采集单元为移动终端,由此使得人们通过图像获取产品的互动内容不需要再受到地域限制;图像采集模块为高清摄像头,由此保证拍摄的产品图像尽可能清晰,避免影响识别成功率;图像显示模块为触摸式水墨显示屏,由此在保证高分辨率的同时,便于人们通过显示屏反馈信息。
采集单元包括:用于通过拍摄获取当前产品的目标图像的图像采集模块,用于提取当前目标图像的特征序列并将特征序列发送至服务器单元的图像预处理模块,及用于显示当前目标图像及来自服务器的匹配结果的图像显示模块;图像显示模块与图像预处理模块电连接,经过图像预处理模块的匹配结果经过图像显示模块显示,同时图像显示模块将人们反馈的信息发送至图像预处理模块进行下一步处理。
服务器单元包括:用于接收所有的产品图像并分别提取每个产品图像的特征序列的图像处理模块,用于存储每个产品图像及其特征序列的数据库,用于获取当前图像的特征序列与数据库中的产品图像的特征序列进行匹配并输出匹配结果的图像比对模块,及用于更新数据库中产品图像的自动更新模块;每个产品图像关联有唯一对应的互动内容文件,互动内容文件可以但不仅限于包括当前产品的详细介绍、价格等;互动内容文件存储于数据库中;匹配结果通过图像显示模块显示,即图像比对模块与图像预处理模块通信连接,实现各项数据的交互。
本实施例中,自动更新模块包括:用于读取图像比对模块中匹配失败的当前图像的读取模块,及用于搜索与当前图像有关的网页并将网页中与当前图像相关的补充图像发送至图像处理模块的搜索模块;搜索模块搜索不到与匹配失败的当前图像相关的补充图像时输出搜索失败信息。
本实施例中,搜索模块通过比对网页中图像的特征序列与当前图像的特征序列的相似度来判断网页中图像与当前图像是否相关。
本实施例中,搜索模块通过爬虫程序爬取网页中的图像。
本实施例中,图像预处理模块包括:用于使用ORB算法提取当前目标图像的所有ORB特征点的提取模块,用于将当前目标图像的每个ORB特征点处理成描述子后再将所有描述子进行处理形成当前图像的特征序列的处理模块,及用于接收来自图像比对模块的匹配结果的通信模块,对应的,服务器单元也设置有通信模块,用于实现处理模块与图像比对模块之间的数据交互;使用ORB算法提取图像的ORB特征点在《基于ORB和SIFT的特征提取算法》(《哈尔滨师范大学自然科学学报》2017,33(2):25-29)中已有详细介绍,此处不再赘述。
本实施例中,每个ORB特征点的描述子均为一个128位的二进制序列,描述子的数据量小,识别精度高,通信网络较差对识别的速度影响小,且描述子的逐渐上传,可以对数据库中的产品图像进行逐步筛选,不需要完全上传目标图像后才能开始识别,因此识别速度快;图像比对模块输出与当前图像的描述子序列的字符串匹配度最高的产品图像作为匹配结果图像;当匹配结果图像的描述子序列与当前图像的描述子序列的匹配度低于65%时,图像比对模块输出无法匹配信息。
在产品图像的描述子生成步骤中,收集的产品图像数量要多且来自各种场景,一般需要几万张,其存放在一个文件夹内,常用的图像格式均可,譬如JPG、JPEG、JPE、JFIF、BMP;分别对每张产品图像进行一定的缩放比例以建立一个图像金字塔,对产品图像的各个尺度使用ORB算法提取所有ORB特征点,并对每一个ORB特征点生成相应的描述子,最终生成一个产品图像的特征序列;对收集到的每个产品图像均做该步骤的处理。
本实施例中,搜索模块输出与匹配失败的当前图像的描述子序列的字符串匹配度最高的产品图像作为补充图像;当匹配结果图像的描述子序列与当前图像的描述子序列的匹配度低于85%时,搜索模块输出搜索失败信息。
本实施例中,服务器单元还包括:错误反馈模块;错误反馈模块用于输出无法匹配信息及搜索失败信息至上位管理终端;上位管理终端为管理员或监控人员使用的终端,由此便于管理员及时查看是属于系统故障还是数据库缺失,进而进行下一步操作,即进行系统维修或进行数据库完善。
本发明不局限于上述可选的实施方式,任何人在本发明的启示下都可得出其他各种形式的产品。上述具体实施方式不应理解成对本发明的保护范围的限制,本发明的保护范围应当以权利要求书中界定的为准,并且说明书可以用于解释权利要求书。
Claims (9)
1.一种可自动更新且精准识别产品的智能化识别系统,其特征在于:包括服务器单元及采集单元;
所述的采集单元包括:用于通过拍摄获取当前产品的目标图像的图像采集模块,用于提取当前目标图像的特征序列并将特征序列发送至服务器单元的图像预处理模块,及用于显示当前目标图像及来自服务器单元的匹配结果的图像显示模块;
所述的服务器单元包括:用于接收所有的产品图像并分别提取每个产品图像的特征序列的图像处理模块,用于存储每个产品图像及其特征序列的数据库,用于获取当前图像的特征序列与数据库中的产品图像的特征序列进行匹配并输出匹配结果的图像比对模块,及用于更新数据库中产品图像的自动更新模块;每个产品图像关联有唯一对应的互动内容文件;所述的互动内容文件存储于数据库中;所述的匹配结果通过图像显示模块显示。
2.根据权利要求1所述的可自动更新且精准识别产品的智能化识别系统,其特征在于:所述的自动更新模块包括:用于读取图像比对模块中匹配失败的当前图像的读取模块,及用于搜索与当前图像有关的网页并将网页中与当前图像相关的补充图像发送至图像处理模块的搜索模块;所述的搜索模块搜索不到与匹配失败的当前图像相关的补充图像时输出搜索失败信息。
3.根据权利要求2所述的可自动更新且精准识别产品的智能化识别系统,其特征在于:所述的搜索模块通过比对网页中图像的特征序列与当前图像的特征序列的相似度来判断网页中图像与当前图像是否相关。
4.根据权利要求3所述的可自动更新且精准识别产品的智能化识别系统,其特征在于:所述的搜索模块通过爬虫程序爬取网页中的图像。
5.根据权利要求4所述的可自动更新且精准识别产品的智能化识别系统,其特征在于:所述的图像预处理模块包括:用于使用ORB算法提取当前目标图像的所有ORB特征点的提取模块,用于将当前目标图像的每个ORB特征点处理成描述子后再将所有描述子进行处理形成当前图像的特征序列的处理模块,及用于接收来自图像比对模块的匹配结果的通信模块。
6.根据权利要求5所述的可自动更新且精准识别产品的智能化识别系统,其特征在于:每个ORB特征点的描述子均为一个128位的二进制序列;所述的图像比对模块输出与当前图像的描述子序列的字符串匹配度最高的产品图像作为匹配结果图像;当匹配结果图像的描述子序列与当前图像的描述子序列的匹配度低于65%时,图像比对模块输出无法匹配信息。
7.根据权利要求6所述的可自动更新且精准识别产品的智能化识别系统,其特征在于:所述的搜索模块输出与匹配失败的当前图像的描述子序列的字符串匹配度最高的产品图像作为补充图像;当匹配结果图像的描述子序列与当前图像的描述子序列的匹配度低于85%时,搜索模块输出搜索失败信息。
8.根据权利要求7所述的可自动更新且精准识别产品的智能化识别系统,其特征在于:所述的服务器单元还包括:错误反馈模块;所述的错误反馈模块用于输出无法匹配信息及搜索失败信息至上位管理终端。
9.根据权利要求1至8任一所述的可自动更新且精准识别产品的智能化识别系统,其特征在于:所述的采集单元为移动终端;所述的图像采集模块为高清摄像头;所述的图像显示模块为触摸式水墨显示屏。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810819408.XA CN108984776A (zh) | 2018-07-24 | 2018-07-24 | 一种可自动更新且精准识别产品的智能化识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810819408.XA CN108984776A (zh) | 2018-07-24 | 2018-07-24 | 一种可自动更新且精准识别产品的智能化识别系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108984776A true CN108984776A (zh) | 2018-12-11 |
Family
ID=64549979
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810819408.XA Pending CN108984776A (zh) | 2018-07-24 | 2018-07-24 | 一种可自动更新且精准识别产品的智能化识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108984776A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109801287A (zh) * | 2019-01-30 | 2019-05-24 | 温州大学 | 一种基于模板匹配与图像质量评估的标贴破损检测方法 |
CN114724087A (zh) * | 2022-04-22 | 2022-07-08 | 四川众合智控科技有限公司 | 一种提升地铁巡检设备图像识别准确率的识别方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090070415A1 (en) * | 2006-07-31 | 2009-03-12 | Hidenobu Kishi | Architecture for mixed media reality retrieval of locations and registration of images |
CN102063616A (zh) * | 2010-12-30 | 2011-05-18 | 上海电机学院 | 一种基于图像特征匹配的商品自动识别系统及方法 |
CN102073849A (zh) * | 2010-08-06 | 2011-05-25 | 中国科学院自动化研究所 | 目标图像识别系统及方法 |
CN106156152A (zh) * | 2015-04-15 | 2016-11-23 | 北京赛伯传奇科技有限公司 | 图像识别浏览器 |
CN106874445A (zh) * | 2017-02-10 | 2017-06-20 | 深圳前海大造科技有限公司 | 基于词汇树检索与相似度验证的云端图像识别方法 |
CN106971133A (zh) * | 2016-01-14 | 2017-07-21 | 芋头科技(杭州)有限公司 | 一种提高图像识别精度装置及方法 |
-
2018
- 2018-07-24 CN CN201810819408.XA patent/CN108984776A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090070415A1 (en) * | 2006-07-31 | 2009-03-12 | Hidenobu Kishi | Architecture for mixed media reality retrieval of locations and registration of images |
CN102073849A (zh) * | 2010-08-06 | 2011-05-25 | 中国科学院自动化研究所 | 目标图像识别系统及方法 |
CN102063616A (zh) * | 2010-12-30 | 2011-05-18 | 上海电机学院 | 一种基于图像特征匹配的商品自动识别系统及方法 |
CN106156152A (zh) * | 2015-04-15 | 2016-11-23 | 北京赛伯传奇科技有限公司 | 图像识别浏览器 |
CN106971133A (zh) * | 2016-01-14 | 2017-07-21 | 芋头科技(杭州)有限公司 | 一种提高图像识别精度装置及方法 |
CN106874445A (zh) * | 2017-02-10 | 2017-06-20 | 深圳前海大造科技有限公司 | 基于词汇树检索与相似度验证的云端图像识别方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109801287A (zh) * | 2019-01-30 | 2019-05-24 | 温州大学 | 一种基于模板匹配与图像质量评估的标贴破损检测方法 |
CN114724087A (zh) * | 2022-04-22 | 2022-07-08 | 四川众合智控科技有限公司 | 一种提升地铁巡检设备图像识别准确率的识别方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3437019B1 (en) | Optical character recognition in structured documents | |
CN110472090B (zh) | 基于语义标签的图像检索方法以及相关装置、存储介质 | |
CN109284729B (zh) | 基于视频获取人脸识别模型训练数据的方法、装置和介质 | |
CN110598019B (zh) | 重复图像识别方法及装置 | |
CN108898269A (zh) | 基于度量的电力图像环境影响评估方法 | |
CN113989556B (zh) | 一种小样本医学影像分类方法和系统 | |
CN113435335B (zh) | 微观表情识别方法、装置、电子设备及存储介质 | |
CN112820071A (zh) | 一种行为识别方法和装置 | |
CN116468392A (zh) | 一种电网工程项目进度监控方法、装置、设备及存储介质 | |
CN111177436B (zh) | 一种人脸特征检索方法、装置及设备 | |
CN108182475A (zh) | 一种基于自动编码机-超限学习机的多维度数据特征识别方法 | |
Fang et al. | Visible-infrared person re-identification via semantic alignment and affinity inference | |
CN110008828A (zh) | 基于差异正则化的成对约束成分分析度量优化方法 | |
CN108984776A (zh) | 一种可自动更新且精准识别产品的智能化识别系统 | |
Song et al. | Discriminative feature extraction for video person re-identification via multi-task network | |
CN113094287B (zh) | 页面兼容性检测方法、装置、设备及存储介质 | |
CN114612897A (zh) | 一种智能果蔬称重打票方法、装置、电子设备及存储介质 | |
Bains et al. | Dynamic features based stroke recognition system for signboard images of Gurmukhi text | |
CN111612063A (zh) | 一种图像匹配方法、装置、设备及计算机可读存储介质 | |
Zeng et al. | STAR: Zero-shot Chinese character recognition with stroke-and radical-level decompositions | |
CN116883740A (zh) | 相似图片识别方法、装置、电子设备和存储介质 | |
CN108596068B (zh) | 一种动作识别的方法和装置 | |
CN115984588A (zh) | 图像背景相似度分析方法、装置、电子设备及存储介质 | |
Hachad et al. | Student's attendance management using deep facial recognition | |
CN115994239A (zh) | 一种基于原型对比学习的半监督遥感图像检索方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181211 |
|
RJ01 | Rejection of invention patent application after publication |