CN109784323B - 图像识别的方法、装置、电子设备和计算机存储介质 - Google Patents
图像识别的方法、装置、电子设备和计算机存储介质 Download PDFInfo
- Publication number
- CN109784323B CN109784323B CN201910057429.7A CN201910057429A CN109784323B CN 109784323 B CN109784323 B CN 109784323B CN 201910057429 A CN201910057429 A CN 201910057429A CN 109784323 B CN109784323 B CN 109784323B
- Authority
- CN
- China
- Prior art keywords
- target
- recognized
- identified
- determining
- identification data
- 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.)
- Active
Links
Images
Abstract
本发明提供了一种图像识别的方法、装置、电子设备和计算机存储介质,该方法包括:获取摄像机对目标区域进行拍摄得到的目标图像,并确定目标图像中第一待识别对象和第二待识别对象在目标图像中的位置坐标;确定第二待识别对象中包含的标识码所表征的标识数据;基于位置坐标和标识数据确定第二待识别对象在目标区域内的目标位置坐标;根据目标位置坐标和标识数据确定目标对象在目标区域内的摆放信息。本发明中,能够自动识别目标对象在目标区域内的摆放信息,无需再通过手动录入的方式录入摆放信息,自动识别的方式准确性好,效率高且摆放信息的更新更加及时,缓解了现有的人工手动录入摆货信息的方式,准确性差,效率低且及时性欠佳的技术问题。
Description
技术领域
本发明涉及图像处理的技术领域,尤其是涉及一种图像识别的方法、装置、电子设备和计算机存储介质。
背景技术
在数字化货架的改造中,往往需要店员将店内所有商品与对应价签进行配对。在以往的配对方案中通常采用店员人工匹配商品与价签的方法,店员摆放好商品后,打印出对应价签,手动放置到相关位置,然后手工将对应的摆货信息(包括:商品信息以及商品所对应的位置信息)输入至数字化系统中。
当便利店商品种类较多,这样的人工配对过程需要较多的人力投入。与此同时,当便利店商品更替、布局变化时,需要较多的人力重新对数字化信息进行重新录入,可扩展性较差,且后续维护人力成本较高,若不及时更新会导致获取的数据准确性不足,无法满足数字化货架需要的基础数据的精度。
综上,现有的摆货信息需要人工手动录入,准确性差,效率低且及时性欠佳。
发明内容
有鉴于此,本发明的目的在于提供一种图像识别的方法、装置、电子设备和计算机存储介质,以缓解现有的人工手动录入摆货信息的方式,准确性差,效率低且及时性欠佳的技术问题。
第一方面,本发明实施例提供了一种图像识别的方法,应用于处理器,所述处理器与摄像机相连接,目标区域中包括第一待识别对象,所述第一待识别对象上放置有第二待识别对象;所述方法包括:获取所述摄像机对所述目标区域进行拍摄得到的目标图像,并确定所述目标图像中所述第一待识别对象和所述第二待识别对象在所述目标图像中的位置坐标;确定所述第二待识别对象中包含的标识码所表征的标识数据,其中,所述标识码为所述第二待识别对象所表征目标对象的标识码;基于所述位置坐标和所述标识数据确定所述第二待识别对象在所述目标区域内的目标位置坐标;根据所述目标位置坐标和所述标识数据确定所述目标对象在所述目标区域内的摆放信息,其中,所述摆放信息包括:属性信息和/或位置信息。
进一步地,确定所述第二待识别对象中包含的标识码所表征的标识数据包括:基于第二位置坐标对所述第二待识别对象中包含的标识码进行识别,得到所述标识码所表征的标识数据,其中,所述第二位置坐标为所述第二待识别对象在所述目标图像中的位置坐标。
进一步地,基于第二位置坐标对所述第二待识别对象中包含的标识码进行识别,得到所述标识码所表征的标识数据包括:根据所述第二位置坐标对所述目标图像进行裁剪,得到多张包含所述第二待识别对象的子图像;对每张所述子图像进行检测,得到每张所述子图像中的标识码区域;对每个所述标识码区域内的标识码进行识别,得到每个所述标识码区域内的标识码所表征的标识数据。
进一步地,所述第一待识别对象为多个,且每个所述第一待识别对象上放置有多个第二待识别对象;基于所述位置坐标和所述标识数据确定所述第二待识别对象在所述目标区域内的目标位置坐标包括:根据第一位置坐标和第二位置坐标确定每个所述第二待识别对象在各个所述第一待识别对象上的第一分布信息,其中,所述第一分布信息包括以下至少之一:每个所述第二待识别对象所属的第一待识别对象、每个所述第二待识别对象在其所属的第一待识别对象上的位置信息;根据所述第一分布信息和所述标识数据确定每个所述第二待识别对象在所述目标区域内的目标位置坐标,其中,所述第一位置坐标为所述第一待识别对象在所述目标图像中的位置坐标,所述第二位置坐标为所述第二待识别对象在所述目标图像中的位置坐标。
进一步地,根据所述第一位置坐标和所述第二位置坐标确定每个所述第二待识别对象在各个所述第一待识别对象上的第一分布信息包括:根据所述第一位置坐标和所述第二位置坐标确定每个第一图像区域和各个第二图像区域之间的重叠区域,其中,每个第一图像区域为每个第二待识别对象在所述目标图像中的区域,各个第二图像区域为各个第一待识别对象在所述目标图像中的区域;根据所述重叠区域确定每个所述第二待识别对象所属的第一待识别对象,以及每个所述第二待识别对象在其所属的第一待识别对象上的位置信息。
进一步地,所述重叠区域为多个;根据所述重叠区域确定每个所述第二待识别对象所属的第一待识别对象包括:在多个重叠区域中确定第二待识别对象Ai所对应的目标重叠区域,其中,i依次取1至I,I为所述第二待识别对象的数量;将所述目标重叠区域中面积最大的目标重叠区域所对应的第一待识别对象作为所述第二待识别对象Ai所属的第一待识别对象。
进一步地,所述摄像机为多个,且多个所述摄像机安装在所述目标区域的顶部的不同位置,多个所述摄像机对所述目标区域进行拍摄得到多张目标图像;根据所述第一分布信息和所述标识数据确定每个所述第二待识别对象在所述目标区域内的目标位置坐标包括:根据所述第一分布信息和所述标识数据判断是否对所述多张目标图像中相同第一待识别对象上的第二待识别对象进行拼接处理;若是,则基于所述第一分布信息和所述标识数据对所述多张目标图像中相同第一待识别对象上的第二待识别对象进行拼接处理,得到第一目标分布图,其中,所述第一目标分布图表征所述第一待识别对象上所包含的所有第二待识别对象的分布情况;基于所述第一目标分布图确定每个所述第二待识别对象在所述目标区域内的目标位置坐标。
进一步地,所述方法还包括:若否,则根据目标摄像机拍摄的目标图像确定第二目标分布图,其中,所述第二目标分布图表征所述第一待识别对象上所包含的所有第二待识别对象的分布情况;基于所述第二目标分布图确定每个所述第二待识别对象在所述目标区域内的目标位置坐标;其中,所述目标摄像机为安装在所述目标区域的顶端的多个摄像机中位于中间位置的摄像机。
进一步地,根据所述第一分布信息和所述标识数据判断是否对所述多张目标图像中相同第一待识别对象上的第二待识别对象进行拼接处理包括:若根据所述第一分布信息确定出不同摄像机拍摄的目标图像中相同第一待识别对象包含携带不同标识数据的第二待识别对象,则确定对所述多张目标图像中相同第一待识别对象上的第二待识别对象进行拼接处理。
进一步地,所述多张目标图像中包含相同的第一待识别对象,其中,所述相同的第一待识别对象为一个或多个;基于所述第一分布信息和所述标识数据对所述多张目标图像中相同第一待识别对象上的第二待识别对象进行拼接处理,得到第一目标分布图包括:根据所述第一分布信息确定第二分布信息,其中,所述第二分布信息用于表征每个所述相同的第一待识别对象在每张目标图像中所包含的第二待识别对象;基于所述第二分布信息在所述多张目标图像中确定待拼接图像,其中,所述待拼接图像中所包含的相同第一待识别对象中包含携带相同标识数据的第二待识别对象;对所述待拼接图像进行拼接处理,得到所述第一目标分布图。
进一步地,所述第一待识别对象上设置有测距方块;基于所述第一目标分布图确定每个所述第二待识别对象在所述目标区域内的目标位置坐标包括:获取所述目标区域的配置信息,其中,所述配置信息至少包括:所述目标区域的宽度、所述目标区域中各个所述第一待识别对象的高度;确定每个所述第二待识别对象在所述第一目标分布图中与所述第一目标分布图的预设边缘之间的测距方块的数量;根据所述配置信息和所述测距方块的数量确定每个所述第二待识别对象在所述目标区域内的目标位置坐标。
进一步地,根据所述目标位置坐标和所述标识数据确定所述目标对象在所述目标区域内的摆放信息包括:根据每个所述标识数据在关联关系表中确定与所述标识数据相对应的目标对象的属性信息,其中,所述关联关系表中包含目标对象的属性信息和标识数据之间的关联关系;基于所述第一目标分布图中相同第一待识别对象上的相邻两个第二待识别对象在所述目标区域内的目标位置坐标,确定所述相邻两个第二待识别对象中前一个第二待识别对象对应的目标对象在所述目标区域内的位置信息。
进一步地,所述第二待识别对象为对所述目标对象上的条码进行扫码后生成的,其中,当对所述目标对象上的条码进行扫码后,生成所述目标对象的属性信息与所述标识数据之间的关联关系;所述标识码包括:汉明码,所述标识数据包括:汉明码的数值。
第二方面,本发明实施例还提供了一种图像识别的装置,应用于处理器,所述处理器与摄像机相连接,目标区域中包括第一待识别对象,所述第一待识别对象上放置有第二待识别对象;所述装置包括:获取并确定单元,用于获取所述摄像机对所述目标区域进行拍摄得到的目标图像,并确定所述目标图像中所述第一待识别对象和所述第二待识别对象在所述目标图像中的位置坐标;第一确定单元,用于确定所述第二待识别对象中包含的标识码所表征的标识数据,其中,所述标识码为所述第二待识别对象所表征目标对象的标识码;第二确定单元,用于基于所述位置坐标和所述标识数据确定所述第二待识别对象在所述目标区域内的目标位置坐标;第三确定单元,用于根据所述目标位置坐标和所述标识数据确定所述目标对象在所述目标区域内的摆放信息,其中,所述摆放信息包括:属性信息和/或位置信息。
第三方面,本发明实施例还提供了一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面任一项所述的方法的步骤。
第四方面,本发明实施例提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质,所述程序代码使所述处理器执行上述第一方面任一项所述的方法的步骤。
在本发明实施例中,摄像机与处理器相连接,目标区域内设置有第一待识别对象,第一待识别对象上放置有第二待识别对象,当要对目标区域内的目标对象的摆放信息进行识别时,处理器先获取摄像机对目标区域进行拍摄得到的目标图像,并确定目标图像中第一待识别对象和第二待识别对象在目标图像中的位置坐标;然后,确定第二待识别对象中包含的标识码所表征的标识数据;进而,基于位置坐标和标识数据确定第二待识别对象在目标区域内的目标位置坐标;最后,根据目标位置坐标和标识数据确定目标对象在目标区域内的摆放信息。通过上述描述可知,在本发明实施例中,通过处理器对目标图像的处理能够自动识别目标对象在目标区域内的摆放信息,无需再通过人工手动录入的方式录入摆放信息,该自动识别的方式准确性好,效率高且摆放信息的更新也更加及时,缓解了现有的人工手动录入摆货信息的方式,准确性差,效率低且及时性欠佳的技术问题。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种电子设备的示意图;
图2为本发明实施例提供的一种图像识别的方法的流程图;
图3为本发明实施例提供的一种货架的示意图;
图4为本发明实施例提供的一种第二待识别对象的示意图;
图5为本发明实施例提供的目标图像的示意图;
图6为本发明实施例提供的对第一待识别对象进行人工标注后的训练样本的示意图;
图7为本发明实施例提供的对第二待识别对象进行人工标注后的训练样本的示意图;
图8为本发明实施例提供的重叠区域的示意图;
图9为本发明实施例提供的一种拼接后得到的第一目标分布图的示意图;
图10为本发明实施例提供的与图9对应的还原的第一目标分布图的示意图;
图11为本发明实施例提供的另一种拼接后得到的第一目标分布图的示意图;
图12为本发明实施例提供的与图11对应的还原的第一目标分布图的示意图;
图13为本发明实施例提供的一种图像识别的装置的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例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他实施例,都属于本发明保护的范围。
实施例1:
首先,参照图1来描述用于实现本发明实施例的电子设备100,该电子设备可以用于运行本发明各实施例的图像识别的方法。
如图1所示,电子设备100包括一个或多个处理器102、一个或多个存储器104、输入装置106、输出装置108以及摄像机110,这些组件通过总线系统112和/或其它形式的连接机构(未示出)互连。应当注意,图1所示的电子设备100的组件和结构只是示例性的,而非限制性的,根据需要,所述电子设备也可以具有其他组件和结构。
所述处理器102可以采用数字信号处理器(DSP,Digital Signal Processing)、现场可编程门阵列(FPGA,Field-Programmable Gate Array)、可编程逻辑阵列(PLA,Programmable Logic Array)和ASIC(Application Specific Integrated Circuit)中的至少一种硬件形式来实现,所述处理器102可以是中央处理单元(CPU,Central ProcessingUnit)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元,并且可以控制所述电子设备100中的其它组件以执行期望的功能。
所述存储器104可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器102可以运行所述程序指令,以实现下文所述的本发明实施例中(由处理器实现)的客户端功能以及/或者其它期望的功能。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据,例如所述应用程序使用和/或产生的各种数据等。
所述输入装置106可以是用户用来输入指令的装置,并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。
所述输出装置108可以向外部(例如,用户)输出各种信息(例如,图像或声音),并且可以包括显示器、扬声器等中的一个或多个。
所述摄像机110用于进行目标图像的采集,其中,摄像机所采集的目标图像经过所述图像识别的方法进行处理之后得到目标对象在目标区域内的摆放信息,例如,摄像机可以拍摄用户期望的图像(例如照片、视频等),然后,将该图像经过所述图像识别的方法进行处理之后得到目标对象在目标区域内的摆放信息,摄像机还可以将所拍摄的图像存储在所述存储器104中以供其它组件使用。
示例性地,用于实现根据本发明实施例的图像识别的方法的电子设备可以被实现为诸如智能手机、平板电脑等智能移动终端。
实施例2:
根据本发明实施例,提供了一种图像识别的方法的实施例,需要说明的是,在附图的流程图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。
图2是根据本发明实施例的一种图像识别的方法的流程图,如图2所示,该方法包括如下步骤:
步骤S202,获取摄像机对目标区域进行拍摄得到的目标图像,并确定目标图像中第一待识别对象和第二待识别对象在目标图像中的位置坐标;
在本发明实施例中,该图像识别的方法应用于处理器,处理器与摄像机相连接;目标区域中包括第一待识别对象,第一待识别对象上放置有第二待识别对象。
具体的,目标区域可以理解为被监控的区域,该目标区域可以是指地理范围内的区域(比如:河北省内的区域),也可以为具体实物所包围的区域(比如:货架、某间房间等等),本发明实施例对目标区域不进行具体限制。
在本发明实施例中,以目标区域为货架为例进行说明。图3为本发明的一种货架的示意图,在图3所示的货架中,其尺寸为175cm*90cm(本发明实施例对其不进行具体限制),其中包含7层用于放置商品(即本发明中的目标对象)的层板。
实现时,在每层层板朝向顾客的侧面上设置价签栏(即本发明中的第一待识别对象),并在层板上摆放商品,同时,在货架的顶部安装摄像机,摄像机的数量可以为1个(当货架的尺寸较小时,可以安装一个摄像机,只要该摄像机的视角能够覆盖其下方所有层板的价签栏的区域,并且能够拍摄得到清晰的目标图像即可),也可以为多个(如图3中所示的货架,当货架尺寸为175cm*90cm,摄像头的数量优选为3个,分别安装在货架顶部的两侧和中间位置,三个摄像头的视角如图3中所示的角度,这样3个摄像头协作才能将下方所有层板的价签栏的区域拍摄完整,另外安装的摄像机具体为1600W像素的摄像机,本发明实施例对摄像机的分辨率不进行具体限制),摄像机与处理器相连接,摄像机拍摄到的目标图像就能发送至处理器,进而由处理器对目标图像进行处理。
需要说明的是,处理器可以为图像数据处理的算法板(比如RK3399芯片),也可以为云端,还可以是部分图像处理工作在图像数据处理的算法板上完成,另外部分的图像处理工作在云端完成,并且,摄像机与处理器之间经过通讯协议的转换后通信连接,本发明实施例对上述处理器的形式不进行具体限制。
另外,店员在层板上摆放上商品后,通过传统扫码枪对摆放的商品上的条码进行扫码,扫描后,向算法板发起获取该被扫描商品的商品信息(即本发明中的属性信息)的请求,进而算法板生成该被扫描商品在店铺内的唯一标识数据,并生成该被扫描商品的标识数据与其商品信息(包括但不限于被扫描商品的EAN13编码、品名、规格、价格、分类、产地等)之间的关联关系,然后,将标识数据通过汉明码进行编码,得到标识码,进而将该标识码作为价签(即本发明中的第二待识别对象,其中还包括商品信息)中的一部分将价签打印出来。如图4所示,图4示出了本发明的一种第二待识别对象的示意图。
还可以是店员在层板上摆放上商品后,通过带有APP的扫码枪对摆放的商品上的条码进行扫码,扫描后,表示APP向云端发起了获取该被扫描商品的商品信息(即本发明中的属性信息)的请求,云端将商品信息发送至算法板,并在算法板中保存。同时,算法板生成该被扫描商品在店铺内的唯一标识数据,并生成该被扫描商品的标识数据与其商品信息(包括但不限于被扫描商品的EAN13编码、品名、规格、价格、分类、产地等)之间的关联关系,然后,将标识数据通过汉明码进行编码,得到标识码,进而将该标识码作为价签(即本发明中的第二待识别对象,其中还包括商品信息)中的一部分将价签打印出来。如图4所示,图4示出了本发明的一种第二待识别对象的示意图。
即第二待识别对象为对目标对象上的条码进行扫码后生成的,其中,当对目标对象上的条码进行扫码后,生成目标对象的属性信息与标识数据之间的关联关系;标识码包括:汉明码,标识数据包括:汉明码的数值。
本发明对标识码的形式不进行具体限制,还可以为二维码、条形码等等,发明人考虑到摄像机在对其下方的层板进行拍摄时,很难将与摄像机距离较远的层板上的第二待识别对象拍摄清晰,这样将无法对拍摄的图像进行后续的处理,而汉明码相较于二维码和条形码来讲,其具有容易被识别且具体自我矫正的特点,所以在本发明实施例中,优选标识码为汉明码。
此外,在得到第二待识别对象(即价签)后,店员将打印出来的第二待识别对象放置到第一待识别对象的目标位置,该目标位置在本发明实施例中具体为层板上放置的对应商品(第二待识别对象所表征的商品)的左下角在第一待识别对象上对应的位置。当然,该目标位置还可以是层板上放置的对应商品的右下角在第一待识别对象上对应的位置,本发明实施例对该目标位置不进行具体限制。
这样,摄像机就能拍摄到包含第一待识别对象和第二待识别对象的目标图像,进而将该目标图像发送至处理器,如图5所示,图5中示出了本发明的目标图像的示意图。在处理器获取到目标图像后,确定目标图像中第一待识别对象和第二待识别对象在目标图像中的位置坐标。
需要说明的是,本发明实施例对上述货架的应用场景不进行具体限制,还可以用于其它与货架的应用场景相似的场景,本发明不再进行一一阐述。当目标区域为货架时,第一待识别对象可以是指价签栏,第二待识别对象可以是指价签,并且在本发明实施例中,是以上述具体应用场景进行的描述,但该方法并不限于上述的应用场景。
步骤S204,确定第二待识别对象中包含的标识码所表征的标识数据,其中,标识码为第二待识别对象所表征目标对象的标识码;
在确定得到第一待识别对象和第二待识别对象在目标图像中的位置坐标后,进一步确定第二待识别对象中包含的标识码所表征的标识数据。
步骤S206,基于位置坐标和标识数据确定第二待识别对象在目标区域内的目标位置坐标;
下文中再对该过程进行详细描述,在此不再赘述。
步骤S208,根据目标位置坐标和标识数据确定目标对象在目标区域内的摆放信息,其中,摆放信息包括:属性信息和/或位置信息。
在得到第二待识别对象在目标区域内的目标位置坐标后,就能进一步根据目标位置坐标和标识数据确定目标对象在目标区域内的摆放信息。具体的,由于标识数据与目标对象的属性信息关联,所以可以通过标识数据确定目标对象的属性信息,又因为第二待识别对象的位置与货架上放置的目标对象的左下角位置相对应,所以可以通过相邻两个第二待识别对象在目标区域内的目标位置坐标,确定相邻两个第二待识别对象中前一个第二待识别对象所表征的目标对象在目标区域内的位置信息。
通过上述描述可知,本发明在确定目标对象在目标区域中的摆放信息时,无需人工干预,只需要对目标区域内的摄像机进行控制即可,控制目标区域内的摄像机定时对目标区域拍摄,然后经过本发明中的图像识别的方法就能确定得到目标对象在目标区域内的摆放信息,准确性好,摆放信息的更新也更加及时。
在本发明实施例中,摄像机与处理器相连接,目标区域内设置有第一待识别对象,第一待识别对象上放置有第二待识别对象,当要对目标区域内的目标对象的摆放信息进行识别时,处理器先获取摄像机对目标区域进行拍摄得到的目标图像,并确定目标图像中第一待识别对象和第二待识别对象在目标图像中的位置坐标;然后,确定第二待识别对象中包含的标识码所表征的标识数据;进而,基于位置坐标和标识数据确定第二待识别对象在目标区域内的目标位置坐标;最后,根据目标位置坐标和标识数据确定目标对象在目标区域内的摆放信息。通过上述描述可知,在本发明实施例中,通过处理器对目标图像的处理能够自动识别目标对象在目标区域内的摆放信息,无需再通过人工手动录入的方式录入摆放信息,该自动识别的方式准确性好,效率高且摆放信息的更新也更加及时,缓解了现有的人工手动录入摆货信息的方式,准确性差,效率低且及时性欠佳的技术问题。
上述内容对本发明的图像识别的方法进行了简要介绍,下面对其中涉及到的具体内容进行详细描述。
在本发明的一个可选实施例中,步骤S202,确定目标图像中第一待识别对象和第二待识别对象在目标图像中的位置坐标包括如下步骤:
步骤S2021,采用第一检测模型对目标图像进行检测,得到第一待识别对象在目标图像中的位置坐标,得到第一位置坐标;
具体的,第一检测模型为第一待识别对象的检测模型。在本发明实施例中,当第一待识别对象为价签栏时,第一检测模型具体可以为价签栏检测模型。将目标图像输入至价签栏检测模型中,就能输出价签栏在目标图像中的位置坐标,记为第一位置坐标。
需要说明的是,第一检测模型(即价签栏检测模型)为通过前期收集的货架上大量价签栏的照片,并对照片中的价签栏进行人工标注后,将其作为训练样本对原始检测模型进行训练得到的。为了保证检测精度,原始检测模型可以采用当前two-stage检测模型,如faster rcnn,本发明实施例对上述原始检测模型不进行具体限制。如图6(其中仅指示出了一个第一待识别对象)所示,图6中示出了对第一待识别对象进行人工标注后的训练样本的示意图。
步骤S2022,采用第二检测模型对目标图像进行检测,得到第二待识别对象在目标图像中的位置坐标,得到第二位置坐标。
具体的,第二检测模型为第二待识别对象的检测模型。在本发明实施例中,当第二待识别对象为价签时,第二检测模型具体可以为价签检测模型。将目标图像输入至价签检测模型中,就能输出价签在目标图像中的位置坐标,记为第二位置坐标。
需要说明的是,第二检测模型(即价签检测模型)为通过前期收集的货架上大量价签的照片,并对照片中的价签进行人工标注后,将其作为训练样本对原始检测模型进行训练得到的。为了保证检测精度,原始检测模型可以采用当前two-stage检测模型,如fasterrcnn,本发明实施例对上述原始检测模型不进行具体限制。如图7(其中仅指示出了部分第二待识别对象)所示,图7中示出了对第二待识别对象进行人工标注后的训练样本的示意图。
上述内容对确定第一待识别对象和第二待识别对象在目标图像中的位置坐标的过程进行了详细介绍,下面对第二待识别对象中包含的标识码所表征的标识数据的确定过程进行详细介绍。
在本发明的一个可选实施例中,步骤S204,确定第二待识别对象中包含的标识码所表征的标识数据包括:基于第二位置坐标对第二待识别对象中包含的标识码进行识别,得到标识码所表征的标识数据,其中,第二位置坐标为第二待识别对象在目标图像中的位置坐标。
具体包括如下步骤:
步骤S2041,根据第二位置坐标对目标图像进行裁剪,得到多张包含第二待识别对象的子图像;
具体的,在得到价签在目标图像中的位置坐标(即第二位置坐标)后,根据该第二位置坐标对目标图像进行裁剪,得到多张包含第二待识别对象的子图像。
步骤S2042,对每张子图像进行检测,得到每张子图像中的标识码区域;
可选地,采用第三检测模型对每张子图像进行检测,得到每张子图像中的标识码区域。第三检测模型具体为标识码检测模型,在此不再对第三检测模型进行详细赘述。
步骤S2043,对每个标识码区域内的标识码进行识别,得到每个标识码区域内的标识码所表征的标识数据。
可选地,采用识别模型对每个标识码区域内的标识码进行识别,得到每个标识码区域内的标识码所表征的标识数据。识别模型可以采用主流的模型,如resnet、xception等等,本发明实施例对识别模型不进行具体限制。如图4所示的第二待识别对象的示意图中,在对其中的汉明码进行识别时,类似于OCR文字识别,比如,图4中的汉明码中,白底黑色菱形表示0,黑底白色菱形表示1,那么可以是识别得到标识数据为:000100000010001011,本发明实施例中采用的汉明码为18位的汉明码,但本发明对该汉明码的位数不进行具体限制。
下面对第二待识别对象在目标区域内的目标位置坐标的确定过程进行详细描述。
在本发明的一个可选实施例中,第一待识别对象为多个,且每个第一待识别对象上放置有多个第二待识别对象(如图5所示);步骤S206,基于位置坐标和标识数据确定第二待识别对象在目标区域内的目标位置坐标包括如下步骤:
步骤S2061,根据第一位置坐标和第二位置坐标确定每个第二待识别对象在各个第一待识别对象上的第一分布信息,其中,第一分布信息包括以下至少之一:每个第二待识别对象所属的第一待识别对象、每个第二待识别对象在其所属的第一待识别对象上的位置信息,第一位置坐标为第一待识别对象在目标图像中的位置坐标,第二位置坐标为第二待识别对象在目标图像中的位置坐标;
具体包括如下步骤:
步骤S20611,根据第一位置坐标和第二位置坐标确定每个第一图像区域和各个第二图像区域之间的重叠区域,其中,每个第一图像区域为每个第二待识别对象在目标图像中的区域,各个第二图像区域为各个第一待识别对象在目标图像中的区域;
下面以一个具体的实例进行说明:
若得到的价签栏位置坐标(即第一位置坐标,是指包围价签栏的包围框的四个顶点在目标图像中的位置坐标)分别为:
上述位置坐标中包含id,该id表示价签栏的标识,是对价签栏进行检测时,自增产生的,即在进行价签栏检测时,检测到一个价签栏就增加一个id,下文中的价签位置坐标中的id也是通过这样的方式产生的,下文中不再赘述。
得到的价签位置坐标(即第二位置坐标,是指包围价签的包围框的四个顶点在目标图像中的位置坐标)分别为:
那么根据上述的第一位置坐标和第二位置坐标就能确定每个第一图像区域(即每个第二待识别对象在目标图像中的区域)和各个第二图像区域(即各个第一待识别对象在目标图像中的区域)之间的重叠区域。
具体的,得到的重叠区域的示意图如图8所示,其中包含价签栏1和价签栏2,并包含价签1,价签2,价签3,价签4和价签5。
步骤S20612,根据重叠区域确定每个第二待识别对象所属的第一待识别对象,以及每个第二待识别对象在其所属的第一待识别对象上的位置信息。
具体的,重叠区域为多个;根据重叠区域确定每个第二待识别对象所属的第一待识别对象包括如下(1)和(2)的步骤:
(1)在多个重叠区域中确定第二待识别对象Ai所对应的目标重叠区域,其中,i依次取1至I,I为第二待识别对象的数量;
(2)将目标重叠区域中面积最大的目标重叠区域所对应的第一待识别对象作为第二待识别对象Ai所属的第一待识别对象。
例如,第二待识别对象Ai为图8中的价签4,价签4所对应的目标重叠区域分别是价签4与价签栏1以及价签4与价签栏2之间的目标重叠区域,显然可知,价签4与价签栏2之间的目标重叠区域的面积最大,那么价签栏2就作为价签4所属的价签栏。同时,也得到了各个价签在其所属的价签栏上的分布的位置信息。
通过步骤S20611中的实例可以得到第一分布信息为:
Shelf1:pricetag1,pricetag3,pricetag2
Shelf2:pricetag4,pricetag5。
步骤S2062,根据第一分布信息和标识数据确定每个第二待识别对象在目标区域内的目标位置坐标。
具体的,摄像机为多个,且多个摄像机安装在目标区域的顶部的不同位置,多个摄像机对目标区域进行拍摄得到多张目标图像;
步骤S2062,根据第一分布信息和标识数据确定每个第二待识别对象在目标区域内的目标位置坐标包括如下步骤:
步骤S20621,根据第一分布信息和标识数据判断是否对多张目标图像中相同第一待识别对象上的第二待识别对象进行拼接处理;
下面先对拼接处理的原因进行说明,如图3所示,当三个摄像头对货架进行拍摄时,可以明显的看到,对于从上往下数的价签栏1(对应于层板1)、价签栏2(对应于层板2)、价签栏3(对应于层板3)和价签栏4(对应于层板4),中间的摄像头无法将其拍摄完整,也即拍摄的图像无法涵盖上述价签栏上放置的所有价签,这样将无法准确的计算价签的位置坐标,对于价签栏1,三个摄像头都无法其拍摄完整。为了得到每个价签栏上放置的所有价签的图像,所以,需要对多张目标图像(不同摄像头拍摄的)中相同价签栏上的价签进行拼接处理。
另外,并不是每个价签栏上的价签都需要拼接处理的过程,如图3所示,从上往下数的价签栏5、价签栏6和价签7来讲,中间位置的摄像头能够将其拍摄完整,也即中间位置的摄像头拍摄的目标图像可以涵盖价签栏5、价签栏6和价签7上放置的所有价签,那么,就无需对上述价签栏上的价签进行拼接处理。
所以,需要根据第一分布信息和标识数据判断是否对多张目标图像中相同第一待识别对象上的第二待识别对象进行拼接处理。
另外,这里对相同第一待识别对象的确定过程进行介绍(可以为以下两种方式中的任一方式):
方式一:上述内容中已经介绍了确定第一待识别对象在目标图像中的坐标位置,记为第一坐标位置,那么对于不同的目标图像,如果两个第一待识别对象在其所属的目标图像中的坐标位置中,表示高度的坐标位置(可以为纵坐标位置)相等,那么确定该两个第一待识别对象为相同第一待识别对象;
方式二:上述内容中已经介绍了确定第一待识别对象在目标图像中的坐标位置,记为第一坐标位置,那么,可以根据第一坐标位置中的表示高度的坐标位置(可以为纵坐标位置)对每张目标图像中的第一待识别对象进行排序,如对于目标图像1,确定的其中的第一待识别对象在目标图像1中的表示高度的坐标位置分别为800,700,600,500,400,300,200,那么可以根据上述表示高度的坐标位置对目标图像1中的第一待识别对象进行排序,分别为1,2,3,4,5,6,7,对于其它的目标图像,也按照上述方式对其中的第一待识别对象进行排序,如此根据不同目标图像中各第一待识别对象的序号就能确定两个第一待识别对象是否为相同第一待识别对象。如左摄像机拍摄的目标图像中,序号为1的第一待识别对象与中间的摄像机拍摄的目标图像中,序号也为1的第一待识别对象为相同第一待识别对象。
判断是否拼接处理的过程具体包括如下1)和2)的步骤:
1)若根据第一分布信息确定出不同摄像机拍摄的目标图像中相同第一待识别对象包含携带相同标识数据的第二待识别对象,则确定不对多张目标图像中相同第一待识别对象上的第二待识别对象进行拼接处理
为了便于理解,对该过程进行举例说明:比如,根据第一分布信息确定得到三个不同摄像机拍摄的三张目标图像中价签栏6(从上往下数)包含携带相同标识数据的价签。如左摄像机拍摄的目标图像中价签栏6包含携带a、b和c的价签,中间的摄像机拍摄的目标图像中价签栏6也包含携带a、b和c的价签,同样,右摄像机拍摄的目标图像中价签栏6也包含携带a、b和c的价签,那么就确定不对这三张目标图像中价签栏6上的价签进行拼接。
2)若根据第一分布信息确定出不同摄像机拍摄的目标图像中相同第一待识别对象包含携带不同标识数据的第二待识别对象,则确定对多张目标图像中相同第一待识别对象上的第二待识别对象进行拼接处理。
为了便于理解,对该过程也进行举例说明:比如,根据第一分布信息确定得到三个不同摄像机拍摄的三张目标图像中价签栏2(从上往下数)包含携带不同标识数据的价签。如左摄像机拍摄的目标图像中价签栏2包含携带a、b和c的价签,中间的摄像机拍摄的目标图像中价签栏2包含携带c和d的价签,右摄像机拍摄的目标图像中价签栏2包含携带d、e和f的价签,那么就确定对这三张目标图像中价签栏2上的价签进行拼接。
再比如,左摄像机拍摄的目标图像中价签栏2包含携带a、b和c的价签,中间的摄像机拍摄的目标图像中价签栏2包含携带c和d的价签,右摄像机拍摄的目标图像中价签栏2包含携带e的价签,那么就确定对这三张目标图像中价签栏2上的价签进行拼接。
拼接时,以中间的摄像机拍摄的目标图像为准,将左右摄像机拍摄的目标图像拼接到中间摄像机拍摄的目标图像上。下文中再对具体的拼接过程进行详细介绍。之所以要将两侧摄像机拍摄的目标图像拼接到中间的摄像机拍摄的目标图像上,是因为中间的摄像机的视野比两侧摄像机的视野正,拍摄得到的目标图像的变形相对较小,即误差较小,所以将两侧摄像机拍摄的目标图像拼接到中间的摄像机拍摄的目标图像上更加恰当,这样,后续确定的目标对象的位置信息也更加准确。
步骤S20622,若是,则基于第一分布信息和标识数据对多张目标图像中相同第一待识别对象上的第二待识别对象进行拼接处理,得到第一目标分布图,其中,第一目标分布图表征第一待识别对象上所包含的所有第二待识别对象的分布情况;
具体的拼接处理过程包括如下i)至iii)的步骤:多张目标图像中包含相同的第一待识别对象,其中,相同的第一待识别对象为一个或多个;
i)根据第一分布信息确定第二分布信息,其中,第二分布信息用于表征每个相同的第一待识别对象在每张目标图像中所包含的第二待识别对象;
ii)基于第二分布信息在多张目标图像中确定待拼接图像,其中,待拼接图像中所包含的相同第一待识别对象中包含携带相同标识数据的第二待识别对象;
iii)对待拼接图像进行拼接处理,得到第一目标分布图。
为了便于对上述的拼接过程更好的理解,下面以一个具体实例进行说明:
对于右侧摄像机拍摄的目标图像,可以根据其第一分布信息(包括第二待识别对象所属的第一待识别对象,即各价签所属的价签栏)确定属于价签栏1上的价签(即第二分布信息)。比如确定的属于价签栏1上的价签分别为R1、R2和R3,它们在右侧摄像机拍摄的目标图像中的位置坐标分别如下:
其中,上述坐标位置中的code项表示标识数据,在本发明实施例中,即为识别得到的汉明码的数值,下文中的code项也表示标识数据,下文中将不再对此进行赘述。
对于左侧摄像机拍摄的目标图像,确定的属于价签栏1上的价签分别为L1、L2和L3,它们在左侧摄像机拍摄的目标图像中的位置坐标分别如下:
对于中间的摄像机拍摄的目标图像,确定的属于价签栏1上的价签分别为M1和M2,它们在中间的摄像机拍摄的目标图像中的位置坐标分别如下:
在得到上述信息后,可以确定待拼接对象,由上可知:待拼接对象为:L3和M1,M2和R2,它们都属于价签栏1,并且L3和M1携带相同标识数据,M2和R2携带相同标识数据,如此对L3和M1进行拼接处理,对M2和R2进行拼接处理,拼接后得到的第一目标分布图如图9所示。
在进行拼接时,可以以中间的摄像头拍摄的目标图像为准,如图9所示,可以从图9中的中间的目标图像中的最左边的价签向左侧的目标图像中的价签进行遍历匹配,匹配得到与该最左边的价签的标识数据相同的标识数据相对应的价签,进而进行合并;同时,从图9中的中间的目标图像中的最右边的价签向右侧的目标图像中的价签进行遍历匹配,匹配得到与该最右边的价签的标识数据相同的标识数据相对应的价签,进而进行合并,最终得到的即为第一目标分布图(如图9所示,图9中的图像进行了比例尺的放大,所以其中的价签的包围框比较大),将其还原,还原的第一目标分布图如图10所示。
上述拼接处理的过程中,如图9所示,中间的摄像机拍摄的目标图像中的价签栏1上的价签和左右两侧摄像机拍摄的目标图像中的价签栏1上的价签之间都进行了拼接处理,如若中间的摄像机拍摄的目标图像中的价签栏1上的价签和右侧摄像机拍摄的目标图像中的价签栏1上的价签之间不存在相同的价签(即两个目标图像中价签栏1上的各价签的标识码数据都不相同),那么,确定中间的摄像机拍摄的目标图像中的最右侧价签与右侧摄像机拍摄的目标图像中的最左侧价签为相邻的价签,在这种情况下,拼接后的第一目标分布图如图11所示,对应的还原的第一目标分布图如图12所示。在图12中,M2和R1之间的距离可通过整个货架的宽度减去货架左边缘至M2之间的距离并减去R1的左侧到货架右边缘的距离得到。
步骤S20623,基于第一目标分布图确定每个第二待识别对象在目标区域内的目标位置坐标。
确定每个第二待识别对象在目标区域内的目标位置坐标的过程具体包括如下(A)至(C)的步骤:
在本发明实施例中,第一待识别对象上设置有测距方块,如图5中的第一待识别对象上的小方块,每个小方块为边长为1cm的正方形,本发明实施例对该测距方块的边长不进行具体限制。
(A)获取目标区域的配置信息,其中,配置信息至少包括:目标区域的宽度、目标区域中各个第一待识别对象的高度;
(B)确定每个第二待识别对象在第一目标分布图中与第一目标分布图的预设边缘之间的测距方块的数量;
(C)根据配置信息和测距方块的数量确定每个第二待识别对象在目标区域内的目标位置坐标。
下面对上述过程进行举例说明:
在本发明实施例中,以货架的左下角为原点,货架的宽为X轴,货架的高为Y轴建立货架的坐标系。获取得到货架中各个价签栏的高度后,就能确定各个价签栏上的价签的纵坐标数据,对于价签相对于货架的横坐标数据可通过测距方块和第一目标分布图进行计算。具体的,确定第一目标分布图中各个价签与价签栏的左侧边缘(即本发明中的预设边缘,以货架的左下角为原点,所以预设边缘为左侧边缘)之间的测距方块的数量,根据该预测方块的数量就能确定各个价签的横坐标数据。比如:如果一个价签与左侧边缘间的测距方块的数量为2,那么该价签的横坐标即为2。
另外,发明人考虑到各个价签与价签栏的左侧边缘之间的测距方块的数量可能不是整数。比如价签的左侧边缘与价签栏的左侧边缘之间的测距方块的数量为整数,价签的右侧边缘与价签栏的右侧边缘之间的测距方块的数量不是整数,那么可以通过像素点的个数确定价签的右侧边缘的横坐标数据。具体的,价签的右侧边缘遮挡了部分测距方块,那么可以根据该被遮挡的测距方块旁边的测距方块进行坐标的转换,比如旁边的测距方块中横向包含20个像素点,该20个像素点表示1cm(因为测距方块的边长即为1cm),那么可知1个像素点即为1/20cm,然后再根据该比例关系测算被遮挡部分的测距方块所代表的距离,进而就能测算出价签的右侧边缘的横坐标数据。
本发明中,测距方块的设置能够使得测算的价签的横坐标数据更加准确,如果不设置测距方块,只是固定每个像素点所表征的实际距离,进而通过比例关系计算得到价签的横坐标数据,这样的测算方式并不准确,因为摄像机的景深并不是线性变化的,边缘的像素点和中间的像素点所表征的实际距离并不相同,如果对所有像素点进行一概而论,那么最终测算的横坐标数据存在严重的误差。通过上述描述可知,当遮挡部分测距方块,进行横向坐标的测算时,计算的每个像素点所表征的实际距离,也是根据被遮挡的测距方块旁边的测距方块确定的,只有这样才能够使得最终确定的横向坐标数据更加准确。
步骤S20624,若否,则根据目标摄像机拍摄的目标图像确定第二目标分布图,其中,第二目标分布图表征第一待识别对象上所包含的所有第二待识别对象的分布情况;目标摄像机为安装在目标区域的顶端的多个摄像机中位于中间位置的摄像机。
如果不需要进行拼接处理,那么就将中间位置的摄像机拍摄的目标图像作为第二目标分布图。因为中间位置的摄像机所拍摄的目标图像更加准确(不会出现严重的变形),所以将中间位置的摄像机拍摄的目标图像作为第二目标分布图。另外,当中间位置的摄像机的数量为两个时,那么可以将其中任意一个摄像机拍摄的目标图像作为第二目标分布图。
步骤S20625,基于第二目标分布图确定每个第二待识别对象在目标区域内的目标位置坐标;
该过程与步骤S20623中的过程相同,可参考上述内容中的描述,在此不再赘述。
下面对确定目标对象在目标区域内的摆放信息的过程进行详细介绍:
在本发明的一个可选实施例中,步骤S208,根据目标位置坐标和标识数据确定目标对象在目标区域内的摆放信息包括如下步骤:
步骤S2081,根据每个标识数据在关联关系表中确定与标识数据相对应的目标对象的属性信息,其中,关联关系表中包含目标对象的属性信息和标识数据之间的关联关系;
步骤S2082,基于第一目标分布图中相同第一待识别对象上的相邻两个第二待识别对象在目标区域内的目标位置坐标,确定相邻两个第二待识别对象中前一个第二待识别对象对应的目标对象在目标区域内的位置信息。
下面进行举例说明:如图10所示,L1和L2同属于价签栏1,并且相邻,上述内容已经确定了L1和L2在货架内的目标位置坐标了,根据实际的价签、商品的摆放关系,那么就可以确定商品(即目标对象,该目标对象为L1对应的目标对象,因为价签放置在商品摆放位置的左下角)的位置坐标,该位置坐标为L1的目标位置坐标中左下角的位置坐标和L2的目标位置坐标中左下角的位置坐标。最终得到的目标对象在目标区域内的布局图。
本发明中的图像识别方法能够自动识别目标对象在目标区域内的摆放信息,减少了人工录入摆放信息时的人力投入,同时提高了数据的精度,准确性好,数据的更新也更加及时。将该方案应用于数字化货架中时,为后续确定各种商品的最佳摆放位置(即利用同等的货架面积,该种商品的布局方式能够创造出更多的销量)提供了基础数据。
实施例3:
本发明实施例还提供了一种图像识别的装置,该图像识别的装置主要用于执行本发明实施例上述内容所提供的图像识别的方法,以下对本发明实施例提供的图像识别的装置做具体介绍。
图13是根据本发明实施例的一种图像识别的装置的示意图,如图13所示,该装置应用于处理器,处理器与摄像机相连接;目标区域中包括第一待识别对象,第一待识别对象上放置有第二待识别对象,该图像识别的装置主要包括获取并确定单元10,第一确定单元20,第二确定单元30和第三确定单元40,其中:
获取并确定单元,用于获取摄像机对目标区域进行拍摄得到的目标图像,并确定目标图像中第一待识别对象和第二待识别对象在目标图像中的位置坐标;
第一确定单元,用于确定第二待识别对象中包含的标识码所表征的标识数据,其中,标识码为第二待识别对象所表征目标对象的标识码;
第二确定单元,用于基于位置坐标和标识数据确定第二待识别对象在目标区域内的目标位置坐标;
第三确定单元,用于根据目标位置坐标和标识数据确定目标对象在目标区域内的摆放信息,其中,摆放信息包括:属性信息和/或位置信息。
在本发明实施例中,摄像机与处理器相连接,目标区域内设置有第一待识别对象,第一待识别对象上放置有第二待识别对象,当要对目标区域内的目标对象的摆放信息进行识别时,处理器先获取摄像机对目标区域进行拍摄得到的目标图像,并确定目标图像中第一待识别对象和第二待识别对象在目标图像中的位置坐标;然后,确定第二待识别对象中包含的标识码所表征的标识数据;进而,基于位置坐标和标识数据确定第二待识别对象在目标区域内的目标位置坐标;最后,根据目标位置坐标和标识数据确定目标对象在目标区域内的摆放信息。通过上述描述可知,在本发明实施例中,通过处理器对目标图像的处理能够自动识别目标对象在目标区域内的摆放信息,无需再通过人工手动录入的方式录入摆放信息,该自动识别的方式准确性好,效率高且摆放信息的更新也更加及时,缓解了现有的人工手动录入摆货信息的方式,准确性差,效率低且及时性欠佳的技术问题。
可选地,第一确定单元还用于:基于第二位置坐标对第二待识别对象中包含的标识码进行识别,得到标识码所表征的标识数据,其中,第二位置坐标为第二待识别对象在目标图像中的位置坐标。
可选地,第一确定单元还用于:根据第二位置坐标对目标图像进行裁剪,得到多张包含第二待识别对象的子图像;对每张子图像进行检测,得到每张子图像中的标识码区域;对每个标识码区域内的标识码进行识别,得到每个标识码区域内的标识码所表征的标识数据。
可选地,第一待识别对象为多个,且每个第一待识别对象上放置有多个第二待识别对象;第二确定单元还用于:根据第一位置坐标和第二位置坐标确定每个第二待识别对象在各个第一待识别对象上的第一分布信息,其中,第一分布信息包括以下至少之一:每个第二待识别对象所属的第一待识别对象、每个第二待识别对象在其所属的第一待识别对象上的位置信息;根据第一分布信息和标识数据确定每个第二待识别对象在目标区域内的目标位置坐标,其中,第一位置坐标为第一待识别对象在目标图像中的位置坐标,第二位置坐标为第二待识别对象在目标图像中的位置坐标。
可选地,第二确定单元还用于:根据第一位置坐标和第二位置坐标确定每个第一图像区域和各个第二图像区域之间的重叠区域,其中,每个第一图像区域为每个第二待识别对象在目标图像中的区域,各个第二图像区域为各个第一待识别对象在目标图像中的区域;根据重叠区域确定每个第二待识别对象所属的第一待识别对象,以及每个第二待识别对象在其所属的第一待识别对象上的位置信息。
可选地,重叠区域为多个;第二确定单元还用于:在多个重叠区域中确定第二待识别对象Ai所对应的目标重叠区域,其中,i依次取1至I,I为第二待识别对象的数量;将目标重叠区域中面积最大的目标重叠区域所对应的第一待识别对象作为第二待识别对象Ai所属的第一待识别对象。
可选地,摄像机为多个,且多个摄像机安装在目标区域的顶部的不同位置,多个摄像机对目标区域进行拍摄得到多张目标图像;第二确定单元还用于:根据第一分布信息和标识数据判断是否对多张目标图像中相同第一待识别对象上的第二待识别对象进行拼接处理;若是,则基于第一分布信息和标识数据对多张目标图像中相同第一待识别对象上的第二待识别对象进行拼接处理,得到第一目标分布图,其中,第一目标分布图表征第一待识别对象上所包含的所有第二待识别对象的分布情况;基于第一目标分布图确定每个第二待识别对象在目标区域内的目标位置坐标。
可选地,第二确定单元还用于:若否,则根据目标摄像机拍摄的目标图像确定第二目标分布图,其中,第二目标分布图表征第一待识别对象上所包含的所有第二待识别对象的分布情况;基于第二目标分布图确定每个第二待识别对象在目标区域内的目标位置坐标;其中,目标摄像机为安装在目标区域的顶端的多个摄像机中位于中间位置的摄像机。
可选地,第二确定单元还用于:若根据第一分布信息确定出不同摄像机拍摄的目标图像中相同第一待识别对象包含携带不同标识数据的第二待识别对象,则确定对多张目标图像中相同第一待识别对象上的第二待识别对象进行拼接处理。
可选地,多张目标图像中包含相同的第一待识别对象,其中,相同的第一待识别对象为一个或多个;第二确定单元还用于:根据第一分布信息确定第二分布信息,其中,第二分布信息用于表征每个相同的第一待识别对象在每张目标图像中所包含的第二待识别对象;基于第二分布信息在多张目标图像中确定待拼接图像,其中,待拼接图像中所包含的相同第一待识别对象中包含携带相同标识数据的第二待识别对象;对待拼接图像进行拼接处理,得到第一目标分布图。
可选地,第一待识别对象上设置有测距方块;第二确定单元还用于:获取目标区域的配置信息,其中,配置信息至少包括:目标区域的宽度、目标区域中各个第一待识别对象的高度;确定每个第二待识别对象在第一目标分布图中与第一目标分布图的预设边缘之间的测距方块的数量;根据配置信息和测距方块的数量确定每个第二待识别对象在目标区域内的目标位置坐标。
可选地,第三确定单元还用于:根据每个标识数据在关联关系表中确定与标识数据相对应的目标对象的属性信息,其中,关联关系表中包含目标对象的属性信息和标识数据之间的关联关系;基于第一目标分布图中相同第一待识别对象上的相邻两个第二待识别对象在目标区域内的目标位置坐标,确定相邻两个第二待识别对象中前一个第二待识别对象对应的目标对象在目标区域内的位置信息。
可选地,第二待识别对象为对目标对象上的条码进行扫码后生成的,其中,当对目标对象上的条码进行扫码后,生成目标对象的属性信息与标识数据之间的关联关系;标识码包括:汉明码,标识数据包括:汉明码的数值。
本发明实施例所提供的图像识别的装置,其实现原理及产生的技术效果和前述实施例2中的方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
在另一个实施例中,还提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质,所述程序代码使所述处理器执行上述实施例2中所述的方法的步骤。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”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,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (16)
1.一种图像识别的方法,其特征在于,应用于处理器,所述处理器与摄像机相连接,目标区域中包括第一待识别对象,所述第一待识别对象上放置有第二待识别对象;所述方法包括:
获取所述摄像机对所述目标区域进行拍摄得到的目标图像,并确定所述目标图像中所述第一待识别对象和所述第二待识别对象在所述目标图像中的位置坐标;
确定所述第二待识别对象中包含的标识码所表征的标识数据,其中,所述标识码为所述第二待识别对象所表征目标对象的标识码;
基于所述位置坐标和所述标识数据确定所述第二待识别对象在所述目标区域内的目标位置坐标;
根据所述目标位置坐标和所述标识数据确定所述目标对象在所述目标区域内的摆放信息,其中,所述摆放信息包括:属性信息和/或位置信息。
2.根据权利要求1所述的方法,其特征在于,确定所述第二待识别对象中包含的标识码所表征的标识数据包括:
基于第二位置坐标对所述第二待识别对象中包含的标识码进行识别,得到所述标识码所表征的标识数据,其中,所述第二位置坐标为所述第二待识别对象在所述目标图像中的位置坐标。
3.根据权利要求2所述的方法,其特征在于,基于第二位置坐标对所述第二待识别对象中包含的标识码进行识别,得到所述标识码所表征的标识数据包括:
根据所述第二位置坐标对所述目标图像进行裁剪,得到多张包含所述第二待识别对象的子图像;
对每张所述子图像进行检测,得到每张所述子图像中的标识码区域;
对每个所述标识码区域内的标识码进行识别,得到每个所述标识码区域内的标识码所表征的标识数据。
4.根据权利要求1所述的方法,其特征在于,所述第一待识别对象为多个,且每个所述第一待识别对象上放置有多个第二待识别对象;
基于所述位置坐标和所述标识数据确定所述第二待识别对象在所述目标区域内的目标位置坐标包括:
根据第一位置坐标和第二位置坐标确定每个所述第二待识别对象在各个所述第一待识别对象上的第一分布信息,其中,所述第一分布信息包括以下至少之一:每个所述第二待识别对象所属的第一待识别对象、每个所述第二待识别对象在其所属的第一待识别对象上的位置信息;
根据所述第一分布信息和所述标识数据确定每个所述第二待识别对象在所述目标区域内的目标位置坐标,其中,所述第一位置坐标为所述第一待识别对象在所述目标图像中的位置坐标,所述第二位置坐标为所述第二待识别对象在所述目标图像中的位置坐标。
5.根据权利要求4所述的方法,其特征在于,根据第一位置坐标和第二位置坐标确定每个所述第二待识别对象在各个所述第一待识别对象上的第一分布信息包括:
根据所述第一位置坐标和所述第二位置坐标确定每个第一图像区域和各个第二图像区域之间的重叠区域,其中,每个第一图像区域为每个第二待识别对象在所述目标图像中的区域,各个第二图像区域为各个第一待识别对象在所述目标图像中的区域;
根据所述重叠区域确定每个所述第二待识别对象所属的第一待识别对象,以及每个所述第二待识别对象在其所属的第一待识别对象上的位置信息。
6.根据权利要求5所述的方法,其特征在于,所述重叠区域为多个;
根据所述重叠区域确定每个所述第二待识别对象所属的第一待识别对象包括:
在多个重叠区域中确定第二待识别对象Ai所对应的目标重叠区域,其中,i依次取1至I,I为所述第二待识别对象的数量;
将所述目标重叠区域中面积最大的目标重叠区域所对应的第一待识别对象作为所述第二待识别对象Ai所属的第一待识别对象。
7.根据权利要求4所述的方法,其特征在于,所述摄像机为多个,且多个所述摄像机安装在所述目标区域的顶部的不同位置,多个所述摄像机对所述目标区域进行拍摄得到多张目标图像;
根据所述第一分布信息和所述标识数据确定每个所述第二待识别对象在所述目标区域内的目标位置坐标包括:
根据所述第一分布信息和所述标识数据判断是否对所述多张目标图像中相同第一待识别对象上的第二待识别对象进行拼接处理;
若是,则基于所述第一分布信息和所述标识数据对所述多张目标图像中相同第一待识别对象上的第二待识别对象进行拼接处理,得到第一目标分布图,其中,所述第一目标分布图表征所述第一待识别对象上所包含的所有第二待识别对象的分布情况;
基于所述第一目标分布图确定每个所述第二待识别对象在所述目标区域内的目标位置坐标。
8.根据权利要求7所述的方法,其特征在于,所述方法还包括:
若否,则根据目标摄像机拍摄的目标图像确定第二目标分布图,其中,所述第二目标分布图表征所述第一待识别对象上所包含的所有第二待识别对象的分布情况;
基于所述第二目标分布图确定每个所述第二待识别对象在所述目标区域内的目标位置坐标;
其中,所述目标摄像机为安装在所述目标区域的顶端的多个摄像机中位于中间位置的摄像机。
9.根据权利要求7所述的方法,其特征在于,根据所述第一分布信息和所述标识数据判断是否对所述多张目标图像中相同第一待识别对象上的第二待识别对象进行拼接处理包括:
若根据所述第一分布信息确定出不同摄像机拍摄的目标图像中相同第一待识别对象包含携带不同标识数据的第二待识别对象,则确定对所述多张目标图像中相同第一待识别对象上的第二待识别对象进行拼接处理。
10.根据权利要求7所述的方法,其特征在于,所述多张目标图像中包含相同的第一待识别对象,其中,所述相同的第一待识别对象为一个或多个;
基于所述第一分布信息和所述标识数据对所述多张目标图像中相同第一待识别对象上的第二待识别对象进行拼接处理,得到第一目标分布图包括:
根据所述第一分布信息确定第二分布信息,其中,所述第二分布信息用于表征每个所述相同的第一待识别对象在每张目标图像中所包含的第二待识别对象;
基于所述第二分布信息在所述多张目标图像中确定待拼接图像,其中,所述待拼接图像中所包含的相同第一待识别对象中包含携带相同标识数据的第二待识别对象;
对所述待拼接图像进行拼接处理,得到所述第一目标分布图。
11.根据权利要求7所述的方法,其特征在于,所述第一待识别对象上设置有测距方块;
基于所述第一目标分布图确定每个所述第二待识别对象在所述目标区域内的目标位置坐标包括:
获取所述目标区域的配置信息,其中,所述配置信息至少包括:所述目标区域的宽度、所述目标区域中各个所述第一待识别对象的高度;
确定每个所述第二待识别对象在所述第一目标分布图中与所述第一目标分布图的预设边缘之间的测距方块的数量;
根据所述配置信息和所述测距方块的数量确定每个所述第二待识别对象在所述目标区域内的目标位置坐标。
12.根据权利要求7所述的方法,其特征在于,根据所述目标位置坐标和所述标识数据确定所述目标对象在所述目标区域内的摆放信息包括:
根据每个所述标识数据在关联关系表中确定与所述标识数据相对应的目标对象的属性信息,其中,所述关联关系表中包含目标对象的属性信息和标识数据之间的关联关系;
基于所述第一目标分布图中相同第一待识别对象上的相邻两个第二待识别对象在所述目标区域内的目标位置坐标,确定所述相邻两个第二待识别对象中前一个第二待识别对象对应的目标对象在所述目标区域内的位置信息。
13.根据权利要求1所述的方法,其特征在于,所述第二待识别对象为对所述目标对象上的条码进行扫码后生成的,其中,当对所述目标对象上的条码进行扫码后,生成所述目标对象的属性信息与所述标识数据之间的关联关系;所述标识码包括:汉明码,所述标识数据包括:汉明码的数值。
14.一种图像识别的装置,其特征在于,应用于处理器,所述处理器与摄像机相连接,目标区域中包括第一待识别对象,所述第一待识别对象上放置有第二待识别对象;所述装置包括:
获取并确定单元,用于获取所述摄像机对所述目标区域进行拍摄得到的目标图像,并确定所述目标图像中所述第一待识别对象和所述第二待识别对象在所述目标图像中的位置坐标;
第一确定单元,用于确定所述第二待识别对象中包含的标识码所表征的标识数据,其中,所述标识码为所述第二待识别对象所表征目标对象的标识码;
第二确定单元,用于基于所述位置坐标和所述标识数据确定所述第二待识别对象在所述目标区域内的目标位置坐标;
第三确定单元,用于根据所述目标位置坐标和所述标识数据确定所述目标对象在所述目标区域内的摆放信息,其中,所述摆放信息包括:属性信息和/或位置信息。
15.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至13中任一项所述的方法的步骤。
16.一种具有处理器可执行的非易失的程序代码的计算机可读介质,其特征在于,所述程序代码使所述处理器执行上述权利要求1至13中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910057429.7A CN109784323B (zh) | 2019-01-21 | 2019-01-21 | 图像识别的方法、装置、电子设备和计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910057429.7A CN109784323B (zh) | 2019-01-21 | 2019-01-21 | 图像识别的方法、装置、电子设备和计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109784323A CN109784323A (zh) | 2019-05-21 |
CN109784323B true CN109784323B (zh) | 2020-11-27 |
Family
ID=66501928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910057429.7A Active CN109784323B (zh) | 2019-01-21 | 2019-01-21 | 图像识别的方法、装置、电子设备和计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109784323B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11508149B2 (en) * | 2019-06-05 | 2022-11-22 | Novatek Microelectronics Corp. | Operating method with goods information and non-transitory computer readable medium thereof |
CN112149450A (zh) * | 2019-06-26 | 2020-12-29 | 浙江汉朔电子科技有限公司 | 排面检查系统及方法 |
CN110705363B (zh) * | 2019-09-06 | 2022-02-22 | 广州图匠数据科技有限公司 | 一种商品规格的识别方法与装置 |
CN112775955B (zh) * | 2019-11-06 | 2022-02-11 | 深圳富泰宏精密工业有限公司 | 机械手臂坐标确定方法、计算机装置 |
CN110866495B (zh) * | 2019-11-14 | 2022-06-28 | 杭州睿琪软件有限公司 | 票据图像识别方法及装置和设备、训练方法和存储介质 |
CN113034427B (zh) * | 2019-12-25 | 2024-01-23 | 合肥欣奕华智能机器股份有限公司 | 图像识别方法及图像识别装置 |
CN111310706B (zh) * | 2020-02-28 | 2022-10-21 | 创新奇智(上海)科技有限公司 | 一种商品价签识别方法及装置、电子设备、存储介质 |
CN111583539B (zh) * | 2020-04-17 | 2022-04-01 | 温州大学 | 一种自动化摆货及网络售货系统 |
CN111723730B (zh) * | 2020-06-18 | 2023-08-22 | 中国银行股份有限公司 | 对目标对象的数量进行预测的方法及相关设备 |
CN116882432B (zh) * | 2023-07-11 | 2024-03-22 | 深圳市裕源欣电子科技有限公司 | 多种物料的扫描方法、系统、可读存储介质及计算机设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3032459A1 (en) * | 2014-12-10 | 2016-06-15 | Ricoh Company, Ltd. | Realogram scene analysis of images: shelf and label finding |
US9697429B2 (en) * | 2013-06-12 | 2017-07-04 | Symbol Technologies, Llc | Method and apparatus for image processing to avoid counting shelf edge promotional labels when counting product labels |
CN108416403A (zh) * | 2018-03-08 | 2018-08-17 | 上海扩博智能技术有限公司 | 商品与标签的自动关联方法、系统、设备及存储介质 |
CN108596295A (zh) * | 2018-03-27 | 2018-09-28 | 英业达科技有限公司 | 使用自动车确认物品位置的系统及方法 |
CN108764391A (zh) * | 2018-04-25 | 2018-11-06 | 阿里巴巴集团控股有限公司 | 一种智能设备,商品盘点方法、装置以及设备 |
CN108830147A (zh) * | 2018-05-04 | 2018-11-16 | 广州图匠数据科技有限公司 | 一种基于图像识别的货架商品价格识别方法、装置和系统 |
CN109085535A (zh) * | 2018-06-29 | 2018-12-25 | 北京迈格威科技有限公司 | 货架电子标签的定位系统及方法 |
CN109191546A (zh) * | 2018-09-18 | 2019-01-11 | 北京无线体育俱乐部有限公司 | 地图生成法、信息获取方法、装置及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9758301B2 (en) * | 2015-03-24 | 2017-09-12 | Joseph Porat | System and method for overhead warehousing |
JP6897335B2 (ja) * | 2017-05-31 | 2021-06-30 | 富士通株式会社 | 学習プログラム、学習方法および物体検知装置 |
CN109145901B (zh) * | 2018-08-14 | 2023-04-21 | 腾讯科技(深圳)有限公司 | 物品识别方法、装置、计算机可读存储介质和计算机设备 |
-
2019
- 2019-01-21 CN CN201910057429.7A patent/CN109784323B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9697429B2 (en) * | 2013-06-12 | 2017-07-04 | Symbol Technologies, Llc | Method and apparatus for image processing to avoid counting shelf edge promotional labels when counting product labels |
EP3032459A1 (en) * | 2014-12-10 | 2016-06-15 | Ricoh Company, Ltd. | Realogram scene analysis of images: shelf and label finding |
CN108416403A (zh) * | 2018-03-08 | 2018-08-17 | 上海扩博智能技术有限公司 | 商品与标签的自动关联方法、系统、设备及存储介质 |
CN108596295A (zh) * | 2018-03-27 | 2018-09-28 | 英业达科技有限公司 | 使用自动车确认物品位置的系统及方法 |
CN108764391A (zh) * | 2018-04-25 | 2018-11-06 | 阿里巴巴集团控股有限公司 | 一种智能设备,商品盘点方法、装置以及设备 |
CN108830147A (zh) * | 2018-05-04 | 2018-11-16 | 广州图匠数据科技有限公司 | 一种基于图像识别的货架商品价格识别方法、装置和系统 |
CN109085535A (zh) * | 2018-06-29 | 2018-12-25 | 北京迈格威科技有限公司 | 货架电子标签的定位系统及方法 |
CN109191546A (zh) * | 2018-09-18 | 2019-01-11 | 北京无线体育俱乐部有限公司 | 地图生成法、信息获取方法、装置及系统 |
Non-Patent Citations (3)
Title |
---|
"商品图像检测方法的研究";王智慧;《中国优秀硕士学位论文全文数据库 信息科技辑》;20181015(第10期);第2章和第4章 * |
"基于图像处理的超市商品识别方法的研究";郝腾;《中国优秀硕士学位论文全文数据库 信息科技辑》;20150715(第7期);第2章和第4章 * |
"超市货架区域分割与商品识别研究";梁青青;《中国优秀硕士学位论文全文数据库 信息科技辑》;20130715(第7期);第1-4章 * |
Also Published As
Publication number | Publication date |
---|---|
CN109784323A (zh) | 2019-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109784323B (zh) | 图像识别的方法、装置、电子设备和计算机存储介质 | |
US11049279B2 (en) | Device for detecting positional relationship among objects | |
CN108416403B (zh) | 商品与标签的自动关联方法、系统、设备及存储介质 | |
JP7279896B2 (ja) | 情報処理装置、制御方法、及びプログラム | |
US20180253674A1 (en) | System and method for identifying retail products and determining retail product arrangements | |
US9836651B2 (en) | Displaying information relating to a designated marker | |
CN108364005A (zh) | 价格标签的自动识别方法、系统、设备及存储介质 | |
US20120070086A1 (en) | Information reading apparatus and storage medium | |
CN111259889A (zh) | 图像文本识别方法、装置、计算机设备及计算机存储介质 | |
JP2010518507A (ja) | 特徴マッチング方法 | |
CN111310706B (zh) | 一种商品价签识别方法及装置、电子设备、存储介质 | |
JP2013109773A (ja) | 特徴マッチング方法及び商品認識システム | |
WO2016158438A1 (ja) | 検品処理装置及び方法、及びプログラム | |
CN109816298B (zh) | 物流管理方法及系统 | |
CN113837151A (zh) | 表格图像处理方法、装置、计算机设备及可读存储介质 | |
CN113282779A (zh) | 图像搜索方法、装置、设备 | |
TWI700669B (zh) | 資訊處理裝置、控制方法及程式 | |
JP6651169B2 (ja) | 陳列状況判定システム | |
CN112579810B (zh) | 印刷电路板分类方法、装置、计算机设备和存储介质 | |
CN114926464B (zh) | 在双录场景下的图像质检方法、图像质检装置及系统 | |
JP2021157537A (ja) | 二次元マーカの認識装置、方法、プログラム及びシステム | |
JP7485140B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
CN111950325B (zh) | 一种目标识别方法、装置及电子设备 | |
US20170161529A1 (en) | Object recognition encoder | |
KR102255650B1 (ko) | 바코드를 이용한 감정물 사진 자동분류 시스템 및 방법 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |