CN109344313A - 一种基于商标图像的物品自动识别方法 - Google Patents
一种基于商标图像的物品自动识别方法 Download PDFInfo
- Publication number
- CN109344313A CN109344313A CN201810858764.2A CN201810858764A CN109344313A CN 109344313 A CN109344313 A CN 109344313A CN 201810858764 A CN201810858764 A CN 201810858764A CN 109344313 A CN109344313 A CN 109344313A
- Authority
- CN
- China
- Prior art keywords
- image
- trademark
- data
- recognized
- images
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及图像识别技术领域，更具体地，涉及一种基于商标图像的物品自动识别方法，包括以下步骤，S1：数据采集步骤；S2：数据预处理步骤；S3：读取待识别图像；S4：提取待识别图像特征；S5：特征匹配；S6：信息提取。本发明根据输入的图像用特定的算法提取其特征并与样本库进行比对，得出最相近的商标样本，并输出相关的商标信息。
Description
技术领域
本发明涉及图像识别技术领域，更具体地，涉及一种基于商标图像的物品自动识别方法。
背景技术
商标作为区别商品或服务来源的标志，可以区别不同商品或服务最重要、最本质的功能和来源，引导消费者认牌购物或消费。在现代社会，同一商品的生产厂家成百上千，同一性能的服务比比皆是，而商标是商品或服务的标志，代表着生产者或经营者的信誉，因此，商标能起到引导消费者获得满意商品或服务的作用。由于不同的商标包含了很多不同的有用信息,所以商标的自动识别在物流运输,广告和电子商务等方面有着广泛的应用前景。而对于普通的消费者来说只要简单地拍摄商标的图片，通过手机软件便可以实现快速的识别，大大地减少购买到假冒伪劣的产品的风险，更可以通过商标了解到更多关于生产商的咨询，能提供更多保障。
发明内容
本发明的目的在于克服现有技术的不足，提供一种基于商标图像的物品自动识别方法。
为解决上述技术问题，本发明采用的技术方案是：一种基于商标图像的物品自动识别方法，包括以下步骤：
S1：数据采集，利用编写的网络爬虫脚本，收集中国商标网的图标数据以及商户注册信息，并将数据导入本地数据库。数据爬取的整个过程中，对数据的处理和数据的转变很多，并且都不相互影响，只有相互协作的关系，故可以采用 “队列—线程池” 的处理方式。队列就像传送带，负责数据的在线程池之间的传输。线程池负责处理队列里面的数据，并转化为下一个线程池需要的数据。用这样的方法可以有效的同时下载多组数据并不会引起冲突。
S2：数据预处理，对数据库收集到的图像数据，利用改进的sift算法提取图像特征，并将特征信息以文件的形式储存在数据库中。sift算法是基于物体上的一些局部外观的兴趣点而与影像的大小和旋转无关。 对于光线、噪声、些微视角改变的容忍度也相当高。基于这些特性，它们是高度显著而且相对容易撷取，在母数庞大的特征数据库中，很容易辨识物体而且鲜有误认。使用sift算法描述对于部分物体遮蔽的侦测率也相当高，甚至只需要3个以上的sift物体特征就足以计算出位置与方位。
S3：读取待识别图像，用户导入待识别的商标图像，通过勾画工具选出商标的集中区域进行识别。
S4：提取待识别图像特征，利用改进的sift算法实时提取待识别图像的数据特征，获取特征向量。
S5：特征匹配，遍历匹配待识别图像的特征向量与数据库中的特征向量，计算并排序得到与特征最接近的商标。
S6：信息提取，根据步骤S5获取到的商标信息，搜索数据库相应的商户注册信息并把搜索到的商标信息以及相应的商户注册信息返回给用户。
优选地，步骤S3具体为：
s31：用户输入待识别图像；
s32：对待识别的图像进行裁剪，裁剪含有商标的图像；
s33：对含有商标的图像进行格式转换。
优选地，在步骤S1中，将数据导入本地数据库后并进行保存，这样设置可以在每次识别后不需要重新处理。
与现有技术相比，本发明的有益效果是：
本发明为一种基于商标图像的物品自动识别方法，通过编写爬虫软件在中国商标网上获取商标数据，确定数据结构，建立商标数据库；下载数据并实现数据库管理的功能，方便日后对数据库进行管理；设计图像识别算法，实现商标识别；即根据输入的图像用特定的算法提取其特征并于样本库进行比对，得出最相近的商标样本，并输出相关的商标信息，有利于消费者快速识别商标信息，极大地减少消费者购买假冒伪劣产品的风险，还可以通过商标了解到更多关于生产商的信息，为消费者提供更多购物保障。
附图说明
图1为本发明的流程图。
具体实施方式
下面结合具体实施方式对本发明作进一步的说明。其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本专利的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
实施例
如图1所示，本实施例一种基于商标图像的物品自动识别方法，具体包括下述步骤：
S1：数据采集，利用编写的网络爬虫脚本，收集中国商标网的图标数据以及商户注册信息，并将数据导入本地数据库；
S2：数据预处理，对数据库收集到的图像数据，利用改进的sift算法提取图像特征，并将特征信息以文件的形式储存在数据库中；
S3：读取待识别图像，用户导入待识别的商标图像，通过勾画工具选出商标的集中区域进行识别；
S4：提取待识别图像特征，利用改进的sift算法实时提取待识别图像的数据特征，获取特征向量；
S5：特征匹配，遍历匹配待识别图像的特征向量与数据库中的特征向量，计算并排序得到与特征最接近的商标；
S6：信息提取，根据步骤S5获取到的商标信息，搜索数据库相应的商户注册信息并把搜索到的商标信息以及相应的商户注册信息返回给用户。
其中，步骤S3具体为：
s31：用户输入待识别图像；
s32：对待识别的图像进行裁剪，裁剪含有商标的图像；
s33：对含有商标的图像进行格式转换。
另外，在步骤S1中，将数据导入本地数据库后并进行保存。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。
Claims (3)
1.一种基于商标图像的物品自动识别方法，其特征在于，包括以下步骤：
S1：数据采集，利用编写的网络爬虫脚本，收集中国商标网的图标数据以及商户注册信息，并将数据导入本地数据库；
S2：数据预处理，对数据库收集到的图像数据，利用改进的sift算法提取图像特征，并将特征信息以文件的形式储存在数据库中；
S3：读取待识别图像，用户导入待识别的商标图像，通过勾画工具选出商标的集中区域进行识别；
S4：提取待识别图像特征，利用改进的sift算法实时提取待识别图像的数据特征，获取特征向量；
S5：特征匹配，遍历匹配待识别图像的特征向量与数据库中的特征向量，计算并排序得到与特征最接近的商标；
S6：信息提取，根据步骤S5获取到的商标信息，搜索数据库相应的商户注册信息并把搜索到的商标信息以及相应的商户注册信息返回给用户。
2.根据权利要求1所述的一种基于商标图像的物品自动识别方法，其特征在于：步骤S3具体为：
s31：用户输入待识别图像；
s32：对待识别的图像进行裁剪，裁剪含有商标的图像；
s33：对含有商标的图像进行格式转换。
3.根据权利要求1所述的一种基于商标图像的物品自动识别方法，其特征在于：在步骤S1中，将数据导入本地数据库后并进行保存。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810858764.2A CN109344313A (zh) | 2018-07-31 | 2018-07-31 | 一种基于商标图像的物品自动识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810858764.2A CN109344313A (zh) | 2018-07-31 | 2018-07-31 | 一种基于商标图像的物品自动识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109344313A true CN109344313A (zh) | 2019-02-15 |
Family
ID=65291421
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810858764.2A Pending CN109344313A (zh) | 2018-07-31 | 2018-07-31 | 一种基于商标图像的物品自动识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109344313A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113239228A (zh) * | 2021-06-11 | 2021-08-10 | 上海适享文化传播有限公司 | 基于图像识别的商品打标签方法 |
| CN115588115A (zh) * | 2022-09-27 | 2023-01-10 | 北京羽乐创新科技有限公司 | 一种识别商标图片的方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102622420A (zh) * | 2012-02-22 | 2012-08-01 | 哈尔滨工程大学 | 基于颜色特征和形状上下文的商标图像检索方法 |
| CN104156413A (zh) * | 2014-07-30 | 2014-11-19 | 中国科学院自动化研究所 | 一种基于商标密度的个性化商标匹配识别方法 |
| CN106897722A (zh) * | 2015-12-18 | 2017-06-27 | 南京财经大学 | 一种基于区域形状特征的商标图像检索方法 |
| CN107967482A (zh) * | 2017-10-24 | 2018-04-27 | 广东中科南海岸车联网技术有限公司 | 图标识别方法及装置 |
| CN108038122A (zh) * | 2017-11-03 | 2018-05-15 | 福建师范大学 | 一种商标图像检索的方法 |
-
2018
- 2018-07-31 CN CN201810858764.2A patent/CN109344313A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102622420A (zh) * | 2012-02-22 | 2012-08-01 | 哈尔滨工程大学 | 基于颜色特征和形状上下文的商标图像检索方法 |
| CN104156413A (zh) * | 2014-07-30 | 2014-11-19 | 中国科学院自动化研究所 | 一种基于商标密度的个性化商标匹配识别方法 |
| CN106897722A (zh) * | 2015-12-18 | 2017-06-27 | 南京财经大学 | 一种基于区域形状特征的商标图像检索方法 |
| CN107967482A (zh) * | 2017-10-24 | 2018-04-27 | 广东中科南海岸车联网技术有限公司 | 图标识别方法及装置 |
| CN108038122A (zh) * | 2017-11-03 | 2018-05-15 | 福建师范大学 | 一种商标图像检索的方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113239228A (zh) * | 2021-06-11 | 2021-08-10 | 上海适享文化传播有限公司 | 基于图像识别的商品打标签方法 |
| CN115588115A (zh) * | 2022-09-27 | 2023-01-10 | 北京羽乐创新科技有限公司 | 一种识别商标图片的方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zeng et al. | 3dmatch: Learning the matching of local 3d geometry in range scans | |
| Zhou et al. | Evaluating local features for day-night matching | |
| CN106202362A (zh) | 图像推荐方法和图像推荐装置 | |
| CN108830251A (zh) | 信息关联方法、装置和系统 | |
| CN104794519B (zh) | 一种云鉴别系统及云鉴别方法 | |
| CN109615016A (zh) | 一种基于金字塔输入增益的卷积神经网络的目标检测方法 | |
| Schlüter et al. | Vision-based identification service for remanufacturing sorting | |
| Pechiammal et al. | An efficient approach for automatic license plate recognition system | |
| CN105718552A (zh) | 基于服装手绘草图的服装图像检索方法 | |
| CN109344313A (zh) | 一种基于商标图像的物品自动识别方法 | |
| Seidl et al. | Automated classification of petroglyphs | |
| Kim et al. | Discovering characteristic landmarks on ancient coins using convolutional networks | |
| CN112149690A (zh) | 一种基于生物图像特征识别的溯源方法和溯源系统 | |
| CN110659374A (zh) | 一种基于神经网络提取车辆特征值及属性的以图搜图方法 | |
| CA3162655A1 (en) | Image processing based methods and apparatus for planogram compliance | |
| Zhang et al. | MVB: A large-scale dataset for baggage re-identification and merged Siamese networks | |
| Srivastava et al. | Enhanced object detection with deep convolutional neural networks | |
| Zhang et al. | Fine detection and classification of multi-class barcode in complex environments | |
| CN117593420A (zh) | 基于图像处理的平面图纸标注方法、装置、介质及设备 | |
| Nguyen et al. | You always look again: Learning to detect the unseen objects | |
| CN110825896A (zh) | 一种商标检索系统及检索方法 | |
| CN111008210B (zh) | 商品识别方法、装置、编解码器及存储装置 | |
| Peng et al. | QR code detection with faster-RCNN based on FPN | |
| Chen et al. | Content-based image retrieval with LIRe and SURF on a smartphone-based product image database | |
| Pawar et al. | Miniscule object detection in aerial images using YOLOR: a review |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190215 |