CN110070299A - 一种商品货架整洁度评分方法及系统 - Google Patents

一种商品货架整洁度评分方法及系统 Download PDF

Info

Publication number
CN110070299A
CN110070299A CN201910355520.7A CN201910355520A CN110070299A CN 110070299 A CN110070299 A CN 110070299A CN 201910355520 A CN201910355520 A CN 201910355520A CN 110070299 A CN110070299 A CN 110070299A
Authority
CN
China
Prior art keywords
commodity
commodity shelf
projected image
shelf
realtime graphic
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.)
Granted
Application number
CN201910355520.7A
Other languages
English (en)
Other versions
CN110070299B (zh
Inventor
肖钧文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Stare Technology Co Ltd
Original Assignee
Chengdu Stare Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu Stare Technology Co Ltd filed Critical Chengdu Stare Technology Co Ltd
Priority to CN201910355520.7A priority Critical patent/CN110070299B/zh
Publication of CN110070299A publication Critical patent/CN110070299A/zh
Application granted granted Critical
Publication of CN110070299B publication Critical patent/CN110070299B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06398—Performance of employee with respect to a job function
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/254—Analysis of motion involving subtraction of images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30232—Surveillance

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Multimedia (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种商品货架整洁度评分方法及系统，该方法包括：获取商品货架的实时图像；对所述实时图像中的商品货架进行透视投影，得到垂直视角的投影图像；确定所述投影图像的显著性目标区域；对所述显著性目标区域进行聚类，得到所述商品货架上的所有商品区域；计算所有商品区域的方向集中度；根据所述方向集中度，对所述投影图像中商品货架的整洁度进行评分。本发明提供的技术方案，能够让门店管理者轻松了解到门店货架上的商品是否整洁，为门店管理者对员工的实际工作进行绩效考核提供了可衡量标准，能够提高门店管理者的管理效率。

Description

一种商品货架整洁度评分方法及系统
技术领域
本发明涉及图像处理技术领域，具体涉及一种商品货架整洁度评分方法及系统。
背景技术
连锁门店是指众多小规模的、分散的、经营同类商品和服务的同一品牌的零售店，在总部的组织领导下，采取共同的经营方针、一致的营销行动，实行集中采购和分散销售的有机结合，通过规范化经营实现规模经济效益的联合。
对于大型连锁门店来说，管理者需要管理几千家、上万家连锁店，如何高效率地管理这些门店，监控门店的员工是否认真工作，是所有门店管理者都面临的问题。现有技术中，为了便于管理者监管门店，提出了在每个门店安装监控视频的技术方案，管理者通过在后台查看监控视频的方式进行门店管理。
这种方法的缺点在于：由于管理者管理任务繁重，不可能24小时一直监控视频，而且门店这么多，一个人也不可能完全监控。另外，管理者通也只是主观上对门店的管理进行定性评价，无法对门店工作人员的工作是否到位进行定量评价，例如，门店是否及时理货，商品货架上的商品是否整洁，顾客走后商品是否及时归位.....等等，不利于门店的考核管理。
发明内容
有鉴于此，本发明的目的在于克服现有技术的不足，提供一种商品货架整洁度评分方法及系统，以解决现有技术中门店管理中商品货架整洁度评价无法实现定量评分的问题。
为实现以上目的，本发明采用如下技术方案：
一种商品货架整洁度评分方法，包括：
获取商品货架的实时图像；
对所述实时图像中的商品货架进行透视投影，得到垂直视角的投影图像；
确定所述投影图像的显著性目标区域；
对所述显著性目标区域进行聚类，得到所述商品货架上的所有商品区域；
计算所有商品区域的方向集中度；
根据所述方向集中度，对所述投影图像中商品货架的整洁度进行评分。
优选地，所述确定所述投影图像的显著性目标区域，包括：
对所述投影图像进行滤噪，平滑处理所述投影图像；
对平滑处理后的投影图像进行RGB到LAB的颜色空间转换；
计算LAB颜色空间下所述投影图像中的每个像素点与所述投影图像像素的算术平均值的欧式距离，并将所述欧式距离作为该像素点的显著值；
判断各个像素点的显著值是否大于第一阈值，若是，将大于阈值的像素点所聚集的区域确定为显著性目标区域。
优选地，对所述显著性目标区域进行聚类，得到所述商品货架上的所有商品区域，包括：
将所述显著性目标区域作为掩膜图像，与原实时图像求与，得到所述显著性目标区域的sobel轮廓；
根据预设聚类算法对所述sobel轮廓进行聚类，得到所述商品货架上每个商品区域的点集。
优选地，所述计算所有商品区域的方向集中度，包括：
对任一商品区域，计算所述商品区域内所有长轮廓的方向向量及所有方向向量的平均值；
根据所有方向向量的平均值，利用RANSAC算法，确定所述商品区域内所有长轮廓的最大可能指向；
计算与所述最大可能指向相同的方向向量的数量占比，得到第一数值，将所述第一数值作为该商品区域的方向集中度。
优选地，所述方法，还包括：
对任一商品区域，判断所述商品区域的面积是否在预设面积阈值范围内，若是，保留该商品区域；
对保留的所有商品区域，判断任意两个商品区域中心像素点的方向向量的连线是否与商品货架的边缘保持一致或成一定角度；
计算与商品货架的边缘保持一致的连线的数量占比，得到第二数值，将所述第二数值作为所述商品货架的整洁度的评分的参考值。
优选地，对所述投影图像中商品货架的整洁度进行评分，包括：
按预设权重分配，对所述第一数值和第二数值加权求和，将加权求和后的结果作为所述商品货架的整洁度的评分。
优选地，所述对所述投影图像进行滤噪，包括：
对所述投影图像进行中值滤波，和/或，高斯滤波。
优选地，所述预设聚类算法，包括：DBSCAN聚类算法。
优选地，所述获取商品货架的实时图像，包括：
从被监控门店的监控视频中提取多帧商品货架的实时图像；
判断当前帧的实时图像是否有前景移动目标，若是，剔除掉当前帧的实时图像，提取下一帧的实时图像，直至提取的实时图像中没有前景移动目标。
另外，本发明还提出了一种商品货架整洁度评分系统，包括：
获取模块，用于获取商品货架的实时图像；
投影模块，用于对所述实时图像中的商品货架进行透视投影，得到垂直视角的投影图像；
确定模块，用于确定所述投影图像的显著性目标区域；
聚类模块，用于对所述显著性目标区域进行聚类，得到所述商品货架上的所有商品区域；
计算模块，用于计算所有商品区域的方向集中度；
评分模块，用于根据所述方向集中度，对所述投影图像中商品货架的整洁度进行评分。
本发明采用以上技术方案，至少具备以下有益效果：
通过提取商品货架投影图像的显著性目标区域，对所述显著性目标区域进行聚类，确定出商品货架上的所有商品区域，计算所有商品区域的方向集中度，根据所述方向集中度，对所述投影图像中商品货架的整洁度进行评分，从而让门店管理者轻松了解到门店货架上的商品是否整洁，为门店管理者对员工的实际工作进行绩效考核提供了可衡量标准，能够提高门店管理者的管理效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本发明的一些实施例，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为本发明一实施例提供的一种商品货架整洁度评分方法的流程图；
图2A为本发明一实施例提供的透视投影前的实时图像；
图2B为本发明一实施例提供的透视投影后的实时图像；
图3为本发明一实施例提供的一种商品货架整洁度评分系统的示意框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。显然，所描述的实施例仅仅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的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
参见图1，本发明一实施例提供的一种商品货架整洁度评分方法，包括：
步骤S1、获取商品货架的实时图像；
步骤S2、对所述实时图像中的商品货架进行透视投影，得到垂直视角的投影图像；
步骤S3、确定所述投影图像的显著性目标区域；
步骤S4、对所述显著性目标区域进行聚类，得到所述商品货架上的所有商品区域；
步骤S5、计算所有商品区域的方向集中度；
步骤S6、根据所述方向集中度，对所述投影图像中商品货架的整洁度进行评分。
参见图2A和图2B，所述步骤S2中对所述实时图像中的商品货架进行透视投影，得到垂直视角的投影图像，这样设置的好处在于：
因为很多商品是根据商品货架(例如，桌子、柜子等)的延伸方向进行摆放的，把商品货架透视投影到垂直视角，透视投影之后更利于确定商品货架上的商品是否与商品货架的边缘保持保持一致方向，此时再对商品货架的整洁度进行评分更准确。
可以理解的是，本发明提供的技术方案，通过提取商品货架投影图像的显著性目标区域，对所述显著性目标区域进行聚类，确定出商品货架上的所有商品区域，计算所有商品区域的方向集中度，根据所述方向集中度，对所述投影图像中商品货架的整洁度进行评分，从而让门店管理者轻松了解到门店货架上的商品是否整洁，为门店管理者对员工的实际工作进行绩效考核提供了可衡量标准，能够提高门店管理者的管理效率。
优选地，所述确定所述投影图像的显著性目标区域，包括：
对所述投影图像进行滤噪，平滑处理所述投影图像；
对平滑处理后的投影图像进行RGB到LAB的颜色空间转换；
计算LAB颜色空间下所述投影图像中的每个像素点与所述投影图像像素的算术平均值的欧式距离，并将所述欧式距离作为该像素点的显著值；
判断各个像素点的显著值是否大于第一阈值，若是，将大于阈值的像素点所聚集的区域确定为显著性目标区域。
其中，优选地，所述对所述投影图像进行滤噪，包括：
对所述投影图像进行中值滤波，和/或，高斯滤波。
可以理解的是，所述第一阈值根据历史经验值进行设定，或者，根据实验数据进行设定。本发明提供的这种显著性目标区域确定方法，步骤流程简单、部署实施方便，系统响应速度快，用户体验度好、满意度高。
优选地，对所述显著性目标区域进行聚类，得到所述商品货架上的所有商品区域，包括：
将所述显著性目标区域作为掩膜图像，与原实时图像求与，得到所述显著性目标区域的sobel轮廓；
根据预设聚类算法对所述sobel轮廓进行聚类，得到所述商品货架上每个商品区域的点集。
优选地，所述预设聚类算法，包括：DBSCAN聚类算法。
可以理解的是，显著性目标区域得到比如鞋子的掩膜图像，sobel算子根据掩膜图像得到的处理后的结果去计算方向和长度；DBSCAN聚类算法对于找到鞋子区域(一个鞋子在显著性处理后可能会得到几个部分，需要通过此方法把鞋子图像的部分块找到并组合起来)。
优选地，所述计算所有商品区域的方向集中度，包括：
对任一商品区域，计算所述商品区域内所有长轮廓的方向向量及所有方向向量的平均值；
根据所有方向向量的平均值，利用RANSAC算法，确定所述商品区域内所有长轮廓的最大可能指向；
计算与所述最大可能指向相同的方向向量的数量占比，得到第一数值，将所述第一数值作为该商品区域的方向集中度。
可以理解的是，任何一个轮廓本身就是像素点集构成，如鞋子的轮廓，计算其轮廓的主方向作为方向向量。
需要说明的是，所述最大可能指向，是指所述商品区域内的所有长轮廓的最可能的朝向，例如商品区域内是一双靴子，最大可能指向是指这双靴子的最可能朝向。
所述长轮廓的判断，可以为人为设定一个第二阈值，一般为商品的大概范围(如鞋子的轮廓主要在于鞋边，一般阴影较大)。可以理解的是，若商品区域内的轮廓大于所述第二阈值，则判定该轮廓为长轮廓。
所述计算与所述最大可能指向相同的方向向量的数量占比，得到第一数值，具体为：
根据公式：第一数值＝与所述最大可能指向相同的方向向量的数量/所有方向向量的数量，得到第一数值。
优选地，所述方法，还包括：
对任一商品区域，判断所述商品区域的面积是否在预设面积阈值范围内，若是，保留该商品区域；
对保留的所有商品区域，判断任意两个商品区域中心像素点的方向向量的连线是否与商品货架的边缘保持一致或成一定角度；
计算与商品货架的边缘保持一致的连线的数量占比，得到第二数值，将所述第二数值作为所述商品货架的整洁度的评分的参考值。
需要说明的是，所述预设面积阈值范围根据历史经验值进行设定，或者，根据实验数据进行设定。
所述计算与商品货架的边缘保持一致的连线的数量占比，得到第二数值，具体为：
根据公式：第二数值＝与商品货架的边缘保持一致的连线的数量/所有连线的数量，得到第二数值。
优选地，对所述投影图像中商品货架的整洁度进行评分，包括：
按预设权重分配，对所述第一数值和第二数值加权求和，将加权求和后的结果作为所述商品货架的整洁度的评分。
需要说明的是，所述预设权重分配根据历史经验值进行设定，或者，根据实验数据进行设定。例如，可以将所述第一数值和第二数值的权重皆设为0.5。
可以理解的是，本发明提供的这种商品货架整洁度评分方法，综合考虑了商品货架上商品区域的方向集中度，及商品区域的商品摆放倾斜度，评分标准更客观，评分结果也更贴近商品货架上商品的实际摆放情况，评分结果更具有权威性和证明力，用户满意度高。
优选地，所述获取商品货架的实时图像，包括：
从被监控门店的监控视频中提取多帧商品货架的实时图像；
判断当前帧的实时图像是否有前景移动目标，若是，剔除掉当前帧的实时图像，提取下一帧的实时图像，直至提取的实时图像中没有前景移动目标。
优选地，本发明采用改进的VIBE背景建模的方法，判断实时图像中是否有前景移动目标(如运动行人)，剔除有前景移动目标的实时图像。
可以理解的是，本发明提供的技术方案，在商品货架整洁度评分之前，先剔除有前景移动目标的实时图像，只提取没有前景移动目标的实时图像，后续对实时图像的处理及评分更准确，评分结果更接近门店工作人员的实际工作情况，整洁度评分更具有权威性和证明力。
另外，参见图3，本发明还提出了一种商品货架整洁度评分系统100，包括：
获取模块101，用于获取商品货架的实时图像；
投影模块102，用于对所述实时图像中的商品货架进行透视投影，得到垂直视角的投影图像；
确定模块103，用于确定所述投影图像的显著性目标区域；
聚类模块104，用于对所述显著性目标区域进行聚类，得到所述商品货架上的所有商品区域；
计算模块105，用于计算所有商品区域的方向集中度；
评分模块106，用于根据所述方向集中度，对所述投影图像中商品货架的整洁度进行评分。
可以理解的是，本发明提供的技术方案，通过提取商品货架投影图像的显著性目标区域，对所述显著性目标区域进行聚类，确定出商品货架上的所有商品区域，计算所有商品区域的方向集中度，根据所述方向集中度，对所述投影图像中商品货架的整洁度进行评分，从而让门店管理者轻松了解到门店货架上的商品是否整洁，为门店管理者对员工的实际工作进行绩效考核提供了可衡量标准，能够提高门店管理者的管理效率。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，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，可轻易想到变化或替换，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以所述权利要求的保护范围为准。术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。术语“多个”指两个或两个以上，除非另有明确的限定。

Claims (10)

1.一种商品货架整洁度评分方法，其特征在于，包括：
获取商品货架的实时图像；
对所述实时图像中的商品货架进行透视投影，得到垂直视角的投影图像；
确定所述投影图像的显著性目标区域；
对所述显著性目标区域进行聚类，得到所述商品货架上的所有商品区域；
计算所有商品区域的方向集中度；
根据所述方向集中度，对所述投影图像中商品货架的整洁度进行评分。
2.根据权利要求1所述的方法，其特征在于，所述确定所述投影图像的显著性目标区域，包括：
对所述投影图像进行滤噪，平滑处理所述投影图像；
对平滑处理后的投影图像进行RGB到LAB的颜色空间转换；
计算LAB颜色空间下所述投影图像中的每个像素点与所述投影图像像素的算术平均值的欧式距离，并将所述欧式距离作为该像素点的显著值；
判断各个像素点的显著值是否大于第一阈值，若是，将大于阈值的像素点所聚集的区域确定为显著性目标区域。
3.根据权利要求1所述的方法，其特征在于，对所述显著性目标区域进行聚类，得到所述商品货架上的所有商品区域，包括：
将所述显著性目标区域作为掩膜图像，与原实时图像求与，得到所述显著性目标区域的sobel轮廓；
根据预设聚类算法对所述sobel轮廓进行聚类，得到所述商品货架上每个商品区域的点集。
4.根据权利要求1所述的方法，其特征在于，所述计算所有商品区域的方向集中度，包括：
对任一商品区域，计算所述商品区域内所有长轮廓的方向向量及所有方向向量的平均值；
根据所有方向向量的平均值，利用RANSAC算法，确定所述商品区域内所有长轮廓的最大可能指向；
计算与所述最大可能指向相同的方向向量的数量占比，得到第一数值，将所述第一数值作为该商品区域的方向集中度。
5.根据权利要求4所述的方法，其特征在于，还包括：
对任一商品区域，判断所述商品区域的面积是否在预设面积阈值范围内，若是，保留该商品区域；
对保留的所有商品区域，判断任意两个商品区域中心像素点的方向向量的连线是否与商品货架的边缘保持一致或成一定角度；
计算与商品货架的边缘保持一致的连线的数量占比，得到第二数值，将所述第二数值作为所述商品货架的整洁度的评分的参考值。
6.根据权利要求5所述的方法，其特征在于，对所述投影图像中商品货架的整洁度进行评分，包括：
按预设权重分配，对所述第一数值和第二数值加权求和，将加权求和后的结果作为所述商品货架的整洁度的评分。
7.根据权利要求2所述的方法，其特征在于，所述对所述投影图像进行滤噪，包括：
对所述投影图像进行中值滤波，和/或，高斯滤波。
8.根据权利要求3所述的方法，其特征在于，
所述预设聚类算法，包括：DBSCAN聚类算法。
9.根据权利要求1所述的方法，其特征在于，所述获取商品货架的实时图像，包括：
从被监控门店的监控视频中提取多帧商品货架的实时图像；
判断当前帧的实时图像是否有前景移动目标，若是，剔除掉当前帧的实时图像，提取下一帧的实时图像，直至提取的实时图像中没有前景移动目标。
10.一种商品货架整洁度评分系统，其特征在于，包括：
获取模块，用于获取商品货架的实时图像；
投影模块，用于对所述实时图像中的商品货架进行透视投影，得到垂直视角的投影图像；
确定模块，用于确定所述投影图像的显著性目标区域；
聚类模块，用于对所述显著性目标区域进行聚类，得到所述商品货架上的所有商品区域；
计算模块，用于计算所有商品区域的方向集中度；
评分模块，用于根据所述方向集中度，对所述投影图像中商品货架的整洁度进行评分。
CN201910355520.7A 2019-04-29 2019-04-29 一种商品货架整洁度评分方法及系统 Active CN110070299B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910355520.7A CN110070299B (zh) 2019-04-29 2019-04-29 一种商品货架整洁度评分方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910355520.7A CN110070299B (zh) 2019-04-29 2019-04-29 一种商品货架整洁度评分方法及系统

Publications (2)

Publication Number Publication Date
CN110070299A true CN110070299A (zh) 2019-07-30
CN110070299B CN110070299B (zh) 2022-11-18

Family

ID=67369475

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910355520.7A Active CN110070299B (zh) 2019-04-29 2019-04-29 一种商品货架整洁度评分方法及系统

Country Status (1)

Country Link
CN (1) CN110070299B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111339894A (zh) * 2020-02-20 2020-06-26 支付宝(杭州)信息技术有限公司 一种数据处理、风险识别方法、装置、设备及介质
CN114022849A (zh) * 2022-01-05 2022-02-08 鑫安利中（北京）科技有限公司 一种基于大数据的企业安全管理方法及系统
CN115082448A (zh) * 2022-07-26 2022-09-20 青岛美迪康数字工程有限公司 肠道清洁度评分方法、装置和计算机设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102982332A (zh) * 2012-09-29 2013-03-20 顾坚敏 基于云处理方式的零售终端货架影像智能分析系统
US20130119138A1 (en) * 2011-11-11 2013-05-16 James T. Winkel Projected image planogram system
CN107292248A (zh) * 2017-06-05 2017-10-24 广州诚予国际市场信息研究有限公司 一种基于图像识别技术的商品管理方法及系统
CN108537166A (zh) * 2018-04-08 2018-09-14 上海天壤智能科技有限公司 确定货架浏览量以及分析浏览量的方法和装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130119138A1 (en) * 2011-11-11 2013-05-16 James T. Winkel Projected image planogram system
CN102982332A (zh) * 2012-09-29 2013-03-20 顾坚敏 基于云处理方式的零售终端货架影像智能分析系统
CN107292248A (zh) * 2017-06-05 2017-10-24 广州诚予国际市场信息研究有限公司 一种基于图像识别技术的商品管理方法及系统
CN108537166A (zh) * 2018-04-08 2018-09-14 上海天壤智能科技有限公司 确定货架浏览量以及分析浏览量的方法和装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111339894A (zh) * 2020-02-20 2020-06-26 支付宝(杭州)信息技术有限公司 一种数据处理、风险识别方法、装置、设备及介质
CN114022849A (zh) * 2022-01-05 2022-02-08 鑫安利中（北京）科技有限公司 一种基于大数据的企业安全管理方法及系统
CN115082448A (zh) * 2022-07-26 2022-09-20 青岛美迪康数字工程有限公司 肠道清洁度评分方法、装置和计算机设备

Also Published As

Publication number Publication date
CN110070299B (zh) 2022-11-18

Similar Documents

Publication Publication Date Title
CN110070299A (zh) 一种商品货架整洁度评分方法及系统
US8812344B1 (en) Method and system for determining the impact of crowding on retail performance
US8873794B2 (en) Still image shopping event monitoring and analysis system and method
CN101303727B (zh) 基于视频人数统计的智能管理方法及其系统
CN108537166A (zh) 确定货架浏览量以及分析浏览量的方法和装置
CN103914691B (zh) 基于人脸识别的目标群体分析系统、方法及身高识别方法
CN101853286B (zh) 视频缩略图智能选取方法
CN108898104A (zh) 一种物品识别方法、装置、系统及计算机存储介质
CN105426828A (zh) 人脸检测方法、装置及系统
AU2019213395A1 (en) System and method for determining demographic information
CN106937253A (zh) 一种顾客判断方法及系统、服务器
WO2013057904A1 (ja) 蝟集判定装置及び蝟集判定方法
CN110633697A (zh) 一种厨房卫生智能监控方法
CN111681234A (zh) 门店货架上摆放试用装产品规范检测方法、系统及设备
CN106558061A (zh) 一种基于云计算的收银防损方法及系统
TWM592541U (zh) 影像辨識系統
WO2022127276A1 (zh) 信息处理方法、装置、电子设备及存储介质、计算机程序
CN110070064B (zh) 一种商品货架整洁度识别方法及系统
CN113158724A (zh) 一种监控方法及系统
CN110378299A (zh) 一种室内灯光条件下的衣着识别系统
KR100543706B1 (ko) 비젼기반 사람 검출방법 및 장치
CN112880660B (zh) 一种智能建筑WiFi和红外热成像仪的融合定位系统及方法
CN111127096B (zh) 基于头肩和人脸识别的商品区域客流优化统计方法与系统
Ibrahim et al. Mouth covered detection for yawn
TWI765633B (zh) 基於人臉幾何模型的影像辨識系統

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 610000 Chengdu, Sichuan, China (Sichuan) free trade pilot area, Chengdu high tech Zone, 10 Tianhua two road 219, 6 level 601.

Applicant after: Chengdu Huina Intelligent Technology Co.,Ltd.

Address before: 610000 Chengdu, Sichuan, China (Sichuan) free trade pilot area, Chengdu high tech Zone, 10 Tianhua two road 219, 6 level 601.

Applicant before: CHENGDU DINGDING TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information
CB02 Change of applicant information

Address after: No. 803 and 804, 8 / F, building 7, No. 599, shijicheng South Road, Chengdu hi tech Zone, China (Sichuan) pilot Free Trade Zone, Chengdu 610000, Sichuan Province

Applicant after: Chengdu yunstare Technology Co.,Ltd.

Address before: 610000 Chengdu, Sichuan, China (Sichuan) free trade pilot area, Chengdu high tech Zone, 10 Tianhua two road 219, 6 level 601.

Applicant before: Chengdu Huina Intelligent Technology Co.,Ltd.

Address after: 610000 Chengdu, Sichuan, China (Sichuan) free trade pilot area, Chengdu high tech Zone, 10 Tianhua two road 219, 6 level 601.

Applicant after: Chengdu Huina Intelligent Technology Co.,Ltd.

Address before: 610000 Chengdu, Sichuan, China (Sichuan) free trade pilot area, Chengdu high tech Zone, 10 Tianhua two road 219, 6 level 601.

Applicant before: CHENGDU DINGDING TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant