CN109376656A - 一种通过拍照方式分辨物品种类并计算数量的方法和系统 - Google Patents
一种通过拍照方式分辨物品种类并计算数量的方法和系统 Download PDFInfo
- Publication number
- CN109376656A CN109376656A CN201811253852.6A CN201811253852A CN109376656A CN 109376656 A CN109376656 A CN 109376656A CN 201811253852 A CN201811253852 A CN 201811253852A CN 109376656 A CN109376656 A CN 109376656A
- Authority
- CN
- China
- Prior art keywords
- identified
- point
- feature set
- target signature
- characteristic
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种通过拍照方式分辨物品种类并计算数量的方法和系统,包括:S1、对物品进行拍照,并上传至服务器;S2、服务器对待识别照片进行特征点提取并生成待识别特征集;S3、从预先存储的图像匹配集,将待识别特征集与该图像匹配集中的所有目标特征集进行特征匹配;S4、计算特征匹配度,选取最大特征匹配度的目标特征集,获取该目标特征集的物品种类及数量。本发明实现通过拍摄照片进行商品品类以及数量的自动识别,解决了现有技术中物品的清点需要依靠人工来完成的问题,有效提升工作效率,降低人工成本,通过自动识别,可准确对物品进行清点。
Description
技术领域
本发明涉及图像识别技术领域,特别是一种通过拍照方式分辨物品种类并计算数量的方法和系统。
背景技术
日常生活中存在大量的场景需要通过快速获取当前场景下的物品数量,比如当快递员面对地上数以百计的快递物品时可以快速知道要配送快递物品的数量,超市理货员面对货架上琳琅满目的商品时需要快速知道商品的种类和数量,学校老师在集合学生时需要快速清点学生的人数等。这在以前几乎是无法实现的想象,但是随着图像识别技术、大数据、人工智能技术的不断发展和应用的深度化,利用以上技术可以解决的这些领域的问题越来越容易实现,技术的发展推进了人类社会的进步,也使人们的生活更加的便利。
通过图像识别技术来自动对物品种类以及数量进行自动识别,在各种领域内都有很好的应用前景,例如商业流通领域、工业领域、农业领域等,而如何实现是本领域技术人员亟待解决的技术问题。
发明内容
本发明的目的是提供一种通过拍照方式分辨物品种类并计算数量的方法和系统,旨在解决现有技术中物品的清点需要依靠人工来完成的问题,有效提升工作效率,降低人工成本。
为达到上述技术目的,本发明提供了一种通过拍照方式分辨物品种类并计算数量的方法,所述方法包括以下步骤:
S1、对物品进行拍照,并上传至服务器;
S2、服务器对待识别照片进行特征点提取并生成待识别特征集;
S3、从预先存储的图像匹配集,将待识别特征集与该图像匹配集中的所有目标特征集进行特征匹配;
S4、计算特征匹配度,选取最大特征匹配度的目标特征集,获取该目标特征集的物品种类及物品数量。
优选地,所述服务器对待识别照片进行特征点提取并生成待识别特征集具体操作如下:
根据待识别图片生成对应的图像尺度空间,然后检测图像尺度空间中的局部极值点;
通过剔除低对比度点和边缘响应点对局部极值点进行精确定位,最终得到能够反映图像特征的特征点;
将待识别图片的特征点添加至待识别特征集。
优选地,所述特征匹配度的计算公式为:
α=N/M
α为特征匹配度,N为目标特征集中特征点的数量,M为待识别特征集与目标特征集之间匹配成功的特征点的品类数量。
优选地,所述物品数量为通过在待识别特征集与目标特征集之间匹配成功的特征点的品类中,选取最大数量的相同特征点,并将待识别特征集中此特征点的数量作为该物品的数量。
本发明还提供了一种通过拍照方式分辨物品种类并计算数量的系统,所述系统包括:
拍照图片上传模块,用于对物品进行拍照,并上传至服务器;
特征点提取模块,用于服务器对待识别照片进行特征点提取并生成待识别特征集;
特征匹配模块,用于从预先存储的图像匹配集,将待识别特征集与该图像匹配集中的所有目标特征集进行特征匹配;
物品品类及数量确定模块,用于计算特征匹配度,选取最大特征匹配度的目标特征集,获取该目标特征集的物品种类及物品数量。
优选地,所述特征点提取模块包括:
局部极值点确定单元,用于根据待识别图片生成对应的图像尺度空间,然后检测图像尺度空间中的局部极值点;
特征点定位单元,用于通过剔除低对比度点和边缘响应点对局部极值点进行精确定位,最终得到能够反映图像特征的特征点;
待识别特征集添加单元,用于将待识别图片的特征点添加至待识别特征集。
优选地,所述特征匹配度的计算公式为:
α=N/M
α为特征匹配度,N为目标特征集中特征点的数量,M为待识别特征集与目标特征集之间匹配成功的特征点的品类数量。
优选地,所述物品数量为通过在待识别特征集与目标特征集之间匹配成功的特征点的品类中,选取最大数量的相同特征点,并将待识别特征集中此特征点的数量作为该物品的数量。
发明内容中提供的效果仅仅是实施例的效果,而不是发明所有的全部效果,上述技术方案中的一个技术方案具有如下优点或有益效果:
与现有技术相比,本发明基于特征匹配,将待识别图片的待识别特征集与图像匹配集中的目标特征集进行特征匹配,通过计算特征匹配度,从而确定所拍摄图片中的物品品类,并根据相同特征点的数量计算物品数量,从而实现通过拍摄照片进行物品品类以及数量的自动识别,解决了现有技术中物品的清点需要依靠人工来完成的问题,有效提升工作效率,降低人工成本,通过自动识别,可准确对物品进行清点。在商业流通领域,可以快速识别商品种类和数量,加速商品流通;在工业领域,可以快速识别工业涉及的配件等物品的种类和数量,提高生产效率;在农业领域,可快速识别农田中农作物的种类和数量,便于农作物管理。
附图说明
图1为本发明实施例中所提供的一种通过拍照方式分辨物品种类并计算数量的方法流程图;
图2为本发明实施例中所提供的一种通过拍照方式分辨物品种类并计算数量的系统结构框图。
具体实施方式
为了能清楚说明本方案的技术特点,下面通过具体实施方式,并结合其附图,对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开,下文中对特定例子的部件和设置进行描述。此外,本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的,其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意,在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。
下面结合附图对本发明实施例所提供的一种通过拍照方式分辨物品种类并计算数量的方法和系统进行详细说明。
如图1所示,本发明实施例公开了一种通过拍照方式分辨物品种类并计算数量的方法,包括以下步骤:
S1、对物品进行拍照,并上传至服务器;
S2、服务器对待识别照片进行特征点提取并生成待识别特征集;
S3、从预先存储的图像匹配集,将待识别特征集与该图像匹配集中的所有目标特征集进行特征匹配;
S4、计算特征匹配度,选取最大特征匹配度的目标特征集,获取该目标特征集的物品种类及物品数量。
在物品识别过程中,工作人员使用带有物品识别的终端,例如手机、平板等对物品拍照,终端将拍照后的照片上传至远程服务器,由远程服务器对商品类别以及数量进行自动标注和识别,并将识别结果发送至终端。
建立目标图像匹配集,根据超市中货品的种类,预先将每种物品在货架上按同种方式进行摆放时的照片存储至服务器,作为样本数据,并识别每类物品图片的特征点,生成目标特征集,并将所有的目标特征集添加至图像匹配集,并标定物品类别。
所述服务器对待识别照片进行特征点提取并生成待识别特征集具体操作如下:
根据待识别图片生成对应的图像尺度空间,然后检测图像尺度空间中的局部极值点;
通过剔除低对比度点和边缘响应点对局部极值点进行精确定位,最终得到能够反映图像特征的特征点;
将待识别图片的特征点添加至待识别特征集。
在生成待识别特征集后,需要提取图像匹配集中相应物品品类的目标特征集,将待识别特征集与目标特征集进行特征匹配,统计特征匹配成功的特征点,假设目标特征集中特征点的数量为N,待识别特征集与目标特征集之间匹配成功的特征点的品类数量为M。
计算特征匹配度,其计算公式为:
α=N/M
α为特征匹配度,N为目标特征集中特征点的数量,M为待识别特征集与目标特征集之间匹配成功的特征点的品类数量。
通过上述方法,将待识别特征集分别与图像匹配集中的所有目标特征集进行特征匹配,选取最大特征匹配度的目标特征集,并获取该目标特征集的商品品类,由此可得到待识别图片中的物品品类。
在物品品类获取后,确定该物品的数量。
通过在待识别特征集与目标特征集之间匹配成功的特征点的品类中,选取最大数量的相同特征点,并将待识别特征集中此特征点的数量作为该物品的数量。
远程服务器对物品类别以及数量进行自动标注和识别,并将识别结果发送至终端。
本发明实施例基于特征匹配,将待识别图片的待识别特征集与图像匹配集中的目标特征集进行特征匹配,通过计算特征匹配度,从而确定所拍摄图片中的物品品类,并根据相同特征点的数量计算物品数量,从而实现通过拍摄照片进行物品品类以及数量的自动识别,解决了现有技术中物品的清点需要依靠人工来完成的问题,有效提升工作效率,降低人工成本,通过自动识别,可准确对物品进行清点。在商业流通领域,可以快速识别商品种类和数量,加速商品流通;在工业领域,可以快速识别工业涉及的配件等物品的种类和数量,提高生产效率;在农业领域,可快速识别农田中农作物的种类和数量,便于农作物管理。
如图2所示,本发明实施例还公开了一种通过拍照方式分辨物品种类并计算数量的系统,所述系统包括:
拍照图片上传模块,用于对物品进行拍照,并上传至服务器;
特征点提取模块,用于服务器对待识别照片进行特征点提取并生成待识别特征集;
特征匹配模块,用于从预先存储的图像匹配集,将待识别特征集与该图像匹配集中的所有目标特征集进行特征匹配;
物品品类及数量确定模块,用于计算特征匹配度,选取最大特征匹配度的目标特征集,获取该目标特征集的物品种类及物品数量。
所述特征点提取模块包括:
局部极值点确定单元,用于根据待识别图片生成对应的图像尺度空间,然后检测图像尺度空间中的局部极值点;
特征点定位单元,用于通过剔除低对比度点和边缘响应点对局部极值点进行精确定位,最终得到能够反映图像特征的特征点;
待识别特征集添加单元,用于将待识别图片的特征点添加至待识别特征集。
所述特征匹配度的计算公式为:
α=N/M
α为特征匹配度,N为目标特征集中特征点的数量,M为待识别特征集与目标特征集之间匹配成功的特征点的品类数量。
所述物品数量为通过在待识别特征集与目标特征集之间匹配成功的特征点的品类中,选取最大数量的相同特征点,并将待识别特征集中此特征点的数量作为该商品的数量。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,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,均应包含在本发明的保护范围之内。
Claims (8)
1.一种通过拍照方式分辨物品种类并计算数量的方法,其特征在于,所述方法包括以下步骤:
S1、对物品进行拍照,并上传至服务器;
S2、服务器对待识别照片进行特征点提取并生成待识别特征集;
S3、从预先存储的图像匹配集,将待识别特征集与该图像匹配集中的所有目标特征集进行特征匹配;
S4、计算特征匹配度,选取最大特征匹配度的目标特征集,获取该目标特征集的物品种类及物品数量。
2.根据权利要求1所述的一种通过拍照方式分辨物品种类并计算数量的方法,其特征在于,所述服务器对待识别照片进行特征点提取并生成待识别特征集具体操作如下:
根据待识别图片生成对应的图像尺度空间,然后检测图像尺度空间中的局部极值点;
通过剔除低对比度点和边缘响应点对局部极值点进行精确定位,最终得到能够反映图像特征的特征点;
将待识别图片的特征点添加至待识别特征集。
3.根据权利要求1或2所述的一种通过拍照方式分辨物品种类并计算数量的方法,其特征在于,所述特征匹配度的计算公式为:
α=N/M
α为特征匹配度,N为目标特征集中特征点的数量,M为待识别特征集与目标特征集之间匹配成功的特征点的品类数量。
4.根据权利要求1或2所述的一种通过拍照方式分辨物品种类并计算数量的方法,其特征在于,所述物品数量为通过在待识别特征集与目标特征集之间匹配成功的特征点的品类中,选取最大数量的相同特征点,并将待识别特征集中此特征点的数量作为该物品的数量。
5.一种通过拍照方式分辨物品种类并计算数量的系统,其特征在于,所述系统包括:
拍照图片上传模块,用于对物品进行拍照,并上传至服务器;
特征点提取模块,用于服务器对待识别照片进行特征点提取并生成待识别特征集;
特征匹配模块,用于从预先存储的图像匹配集,将待识别特征集与该图像匹配集中的所有目标特征集进行特征匹配;
物品品类及数量确定模块,用于计算特征匹配度,选取最大特征匹配度的目标特征集,获取该目标特征集的物品种类及物品数量。
6.根据权利要求5所述的一种通过拍照方式分辨物品种类并计算数量的系统,其特征在于,所述特征点提取模块包括:
局部极值点确定单元,用于根据待识别图片生成对应的图像尺度空间,然后检测图像尺度空间中的局部极值点;
特征点定位单元,用于通过剔除低对比度点和边缘响应点对局部极值点进行精确定位,最终得到能够反映图像特征的特征点;
待识别特征集添加单元,用于将待识别图片的特征点添加至待识别特征集。
7.根据权利要求6或7所述的一种通过拍照方式分辨物品种类并计算数量的系统,其特征在于,所述特征匹配度的计算公式为:
α=N/M
α为特征匹配度,N为目标特征集中特征点的数量,M为待识别特征集与目标特征集之间匹配成功的特征点的品类数量。
8.根据权利要求6或7所述的一种通过拍照方式分辨物品种类并计算数量的系统,其特征在于,所述物品数量为通过在待识别特征集与目标特征集之间匹配成功的特征点的品类中,选取最大数量的相同特征点,并将待识别特征集中此特征点的数量作为该物品的数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811253852.6A CN109376656A (zh) | 2018-10-24 | 2018-10-24 | 一种通过拍照方式分辨物品种类并计算数量的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811253852.6A CN109376656A (zh) | 2018-10-24 | 2018-10-24 | 一种通过拍照方式分辨物品种类并计算数量的方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109376656A true CN109376656A (zh) | 2019-02-22 |
Family
ID=65401523
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811253852.6A Pending CN109376656A (zh) | 2018-10-24 | 2018-10-24 | 一种通过拍照方式分辨物品种类并计算数量的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109376656A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110239232A (zh) * | 2019-04-08 | 2019-09-17 | 上海泰威技术发展股份有限公司 | 一种针对板材多图案变化打印的智能识别方法 |
CN110636557A (zh) * | 2019-06-19 | 2019-12-31 | 李英 | 基于环境监测的热点访问控制平台 |
CN111275375A (zh) * | 2020-01-10 | 2020-06-12 | 湖南一品佳餐饮管理有限公司 | 一种食品分类运输规划方法 |
CN113743856A (zh) * | 2021-01-05 | 2021-12-03 | 北京京东乾石科技有限公司 | 物品分拣方法及装置、存储介质 |
WO2024027854A1 (zh) * | 2022-08-05 | 2024-02-08 | 顺丰科技有限公司 | 快件数量确定方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103065135A (zh) * | 2013-01-25 | 2013-04-24 | 上海理工大学 | 基于数字图像处理的车牌号码匹配算法 |
CN103729654A (zh) * | 2014-01-22 | 2014-04-16 | 青岛新比特电子科技有限公司 | 基于改进sift算法的图像匹配检索系统 |
CN105224913A (zh) * | 2015-09-01 | 2016-01-06 | 上海斐讯数据通信技术有限公司 | 一种物品数量检测方法及装置 |
CN106934376A (zh) * | 2017-03-15 | 2017-07-07 | 成都创想空间文化传播有限公司 | 一种图像识别方法、装置及移动终端 |
CN207624043U (zh) * | 2017-12-28 | 2018-07-17 | 融讯伟业(北京)科技有限公司 | 商品通关设备及购物系统 |
-
2018
- 2018-10-24 CN CN201811253852.6A patent/CN109376656A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103065135A (zh) * | 2013-01-25 | 2013-04-24 | 上海理工大学 | 基于数字图像处理的车牌号码匹配算法 |
CN103729654A (zh) * | 2014-01-22 | 2014-04-16 | 青岛新比特电子科技有限公司 | 基于改进sift算法的图像匹配检索系统 |
CN105224913A (zh) * | 2015-09-01 | 2016-01-06 | 上海斐讯数据通信技术有限公司 | 一种物品数量检测方法及装置 |
CN106934376A (zh) * | 2017-03-15 | 2017-07-07 | 成都创想空间文化传播有限公司 | 一种图像识别方法、装置及移动终端 |
CN207624043U (zh) * | 2017-12-28 | 2018-07-17 | 融讯伟业(北京)科技有限公司 | 商品通关设备及购物系统 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110239232A (zh) * | 2019-04-08 | 2019-09-17 | 上海泰威技术发展股份有限公司 | 一种针对板材多图案变化打印的智能识别方法 |
CN110636557A (zh) * | 2019-06-19 | 2019-12-31 | 李英 | 基于环境监测的热点访问控制平台 |
CN110636557B (zh) * | 2019-06-19 | 2020-07-17 | 山东工商学院 | 基于环境监测的热点访问控制平台 |
CN111275375A (zh) * | 2020-01-10 | 2020-06-12 | 湖南一品佳餐饮管理有限公司 | 一种食品分类运输规划方法 |
CN111275375B (zh) * | 2020-01-10 | 2023-07-28 | 湖南一品佳餐饮管理有限公司 | 一种食品分类运输规划方法 |
CN113743856A (zh) * | 2021-01-05 | 2021-12-03 | 北京京东乾石科技有限公司 | 物品分拣方法及装置、存储介质 |
WO2024027854A1 (zh) * | 2022-08-05 | 2024-02-08 | 顺丰科技有限公司 | 快件数量确定方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109376656A (zh) | 一种通过拍照方式分辨物品种类并计算数量的方法和系统 | |
Gan et al. | Immature green citrus fruit detection using color and thermal images | |
CN101551851B (zh) | 一种红外图像目标识别方法 | |
CN108345912A (zh) | 一种基于rgbd信息与深度学习的商品快速结算系统 | |
CN110659646A (zh) | 一种多任务证件图像自动处理方法、装置、设备及可读存储介质 | |
CN107292318B (zh) | 基于中心暗通道先验信息的图像显著性物体检测方法 | |
CN103617420A (zh) | 基于图像特征匹配的商品快速识别方法及系统 | |
CN109754009B (zh) | 物品识别方法、装置、售货系统和存储介质 | |
CN106909941A (zh) | 基于机器视觉的多表字符识别系统及方法 | |
CN102880634B (zh) | 基于云的智能人脸识别检索方法 | |
CN109670546A (zh) | 一种基于预设模板的商品匹配及数量回归识别算法 | |
CN103325122A (zh) | 基于双向排序的行人检索方法 | |
CN108596137A (zh) | 一种基于图像识别算法的商品扫描录入方法 | |
CN108108735A (zh) | 一种汽车车牌号自动识别方法 | |
CN102789578A (zh) | 基于多源目标特征支持的红外遥感图像变化检测方法 | |
CN105224913A (zh) | 一种物品数量检测方法及装置 | |
CN102495998A (zh) | 基于视觉选择性注意计算模型的静态目标检测方法 | |
KR20140066686A (ko) | 주소록에 추가하고자 하는 명함이 존재하는지 여부를 판단하는 방법 | |
CN110992500B (zh) | 考勤方法、装置及存储介质、服务器 | |
CN110543839A (zh) | 一种基于计算机视觉的商品铺货率采集方法 | |
CN107145892B (zh) | 一种基于自适应融合机制的图像显著性物体检测方法 | |
CN113920306B (zh) | 目标再识别方法、装置及电子设备 | |
CN110728205A (zh) | 一种基于ai云计算的便携式水稻智能考种系统 | |
CN110705363A (zh) | 一种商品规格的识别方法与装置 | |
CN108875830A (zh) | 一种基于图像识别的货架商品离线识别方法、系统及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190222 |