CN110119675B - 一种产品识别方法和装置 - Google Patents
一种产品识别方法和装置 Download PDFInfo
- Publication number
- CN110119675B CN110119675B CN201910240355.0A CN201910240355A CN110119675B CN 110119675 B CN110119675 B CN 110119675B CN 201910240355 A CN201910240355 A CN 201910240355A CN 110119675 B CN110119675 B CN 110119675B
- Authority
- CN
- China
- Prior art keywords
- product
- image
- target product
- detected
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000001514 detection method Methods 0.000 claims abstract description 20
- 238000007781 pre-processing Methods 0.000 claims abstract description 13
- 238000001914 filtration Methods 0.000 claims description 3
- 230000006872 improvement Effects 0.000 description 8
- 230000009466 transformation Effects 0.000 description 4
- 235000013361 beverage Nutrition 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 244000269722 Thea sinensis Species 0.000 description 1
- 235000006468 Thea sinensis Nutrition 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 235000020279 black tea Nutrition 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-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
- G06V20/00—Scenes; Scene-specific elements
- G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
- G06V20/36—Indoor scenes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种产品识别方法，包括：获取待检测图像，对所述待检测图像进行预处理；将完成预处理的若干张所述待检测图像拼接，以得到拼接图像；对所述拼接图像进行识别操作，输出产品分布的识别结果；根据所述产品分布的识别结果，生成产品预测报表。本发明实施例还公开了一种产品识别装置。采用本发明实施例，能够避免人为因素影响，提升产品识别的检测精度以及进行产品业务趋势分析。
Description
技术领域
本发明涉及图像识别领域，尤其涉及一种产品识别方法和装置。
背景技术
随着大数据的广泛应用，各生产厂家为了快速准确获取相关产品在市场上的销售信息，需要从各销售网点搜集大量的数据，其中一个主要信息就是产品在销售网点的摆放信息，包括产品(含竞品)在货架和冰箱、以及产品在MIT(普通地堆)和割箱上的摆放信息等，但是生产厂家从各销售网点获得的数据多为图像数据，为了将图像转化成便于统计的数字信息，需要花费大量的人员对海量图像数据进行分析，而这些图像可能包含多张重复拍摄的图像，需要依靠人工进行筛选，少则几十G，多则几百G，让人眼花缭乱，且人工分析会出现查不准、瞒报错报和时效性差等现象，影响生产厂家获取数据准确性和时效性，最终影响到商机预测。
发明内容
本发明实施例的目的是提供一种产品识别方法和装置，能够避免人为因素影响，提升产品识别的检测精度以及进行产品业务趋势分析。
为实现上述目的，本发明实施例提供了一种产品识别方法，包括：
获取待检测图像，对所述待检测图像进行预处理；
将完成预处理的若干张所述待检测图像拼接，以得到拼接图像；
对所述拼接图像进行识别操作，输出产品分布的识别结果；
根据所述产品分布的识别结果，生成产品预测报表。
本发明公开的产品识别方法，首先将完成预处理的若干张待检测图像拼接，能够对采集的待检测图像进行有效数据的整合，避免因样本信息不全而导致分析数据缺失,同时能够删除重复数据，减少工作量；然后对所述拼接图像进行识别操作，大大降低了人为干扰因素的影响，识别速度快，可以快速批量处理海量数据；最后根据所述产品分布的识别结果生成产品预测报表，能够挖掘商业机会和金融服务的潜力，也可进行业务趋势分析，挖掘产品等有价值信息，为客服、运营、营销提供有效的支撑。
作为上述方案的改进，所述将进行完预处理后的若干张所述待检测图像拼接，以得到拼接图像，包括：
对每一所述待检测图像进行特征点提取；
判断任意两张所述待检测图像的特征点之间的欧氏距离是否小于预设距离阈值；
若是，则融合两张所述待检测图像之间的重叠区域后将两张所述待检测图像拼接；若否，则直接将两张所述待检测图像拼接。
作为上述方案的改进，所述对所述待检测图像进行预处理，包括：
对所述待检测图像进行过滤，以筛选掉不满足预设条件的所述待检测图像。
作为上述方案的改进，所述对每一所述待检测图像进行特征点提取，包括：
利用SURF角点特征描述子对每一所述待检测图像进行特征点提取。
作为上述方案的改进，所述获取待检测图像前，还包括：
获取终端用户的身份信息、当前地理位置信息和登录时间信息，并对所述身份信息进行验证。
作为上述方案的改进，所述对所述拼接图像进行识别操作，输出产品分布的识别结果，包括：
判断所述拼接图像中是否含有第一目标产品；
当所述拼接图像中含有第一目标产品时，获取所述第一目标产品的产品信息；
根据所述第一目标产品的产品信息判断所述第一目标产品在所述拼接图像像中是否处于密集分布状态；
当所述第一目标产品在所述拼接图像中处于密集分布状态时，对所述拼接图像进行分割，以得到若干个局部块图像；
对每一所述局部块图像进行识别，获取每一所述局部块图像中第二目标产品的产品信息；
融合所述第一目标产品的产品信息和所述第二目标产品的产品信息，输出产品分布的识别结果。
本发明公开的产品识别方法，通过对获取的拼接图像进行多次识别，使目标检测精度大大提升，当目标产品在拼接图像中处于密集分布时，采用对拼接图像进行分割的方法后进一步识别，能够提高产品识别的准确性。
作为上述方案的改进，所述方法还包括：
当所述拼接图像中不含有第一目标产品时，对所述拼接图像进行分割，以得到若干个局部块图像；
对每一所述局部块图像进行识别，获取每一所述局部块图像中第二目标产品的产品信息；
输出所述第二目标产品的产品信息为产品分布的识别结果。
作为上述方案的改进，所述方法还包括：
当所述第一目标产品在所述拼接图像中处于非密集分布状态时，输出所述第一目标产品的产品信息为产品分布的识别结果。
作为上述方案的改进，所述判断所述拼接图像中是否含有第一目标产品，包括：
判断所述拼接图像中产品的检测率是否大于预设的第一置信度；
若是，则判定检测率大于所述第一置信度的产品为所述第一目标产品；若否，则判定所述拼接图像中不含有所述第一目标产品。
本发明实施例还公开一种产品识别装置，包括：
图像预处理模块，用于获取待检测图像，对所述待检测图像进行预处理；
图像拼接模块，用于将完成预处理的若干张所述待检测图像拼接，以得到拼接图像；
产品识别模块，用于对所述拼接图像进行识别操作，输出产品分布的识别结果；
预测报表生成模块，用于根据所述产品分布的识别结果，生成产品预测报表。
附图说明
图1是本发明实施例提供的一种产品识别方法的流程图；
图2是本发明实施例提供的一种产品识别方法中步骤S2的流程图；
图3是本发明实施例提供的一种产品识别方法中步骤S3的流程图；
图4是本发明实施例提供的一种产品识别装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。基于本发明中的实施例，本领域普通技术人员在没有作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。
实施例一
参见图1，图1是本发明实施例提供的一种产品识别方法的流程图；包括：
S1、获取待检测图像，对待检测图像进行预处理；
S2、将完成预处理的若干张待检测图像拼接，以得到拼接图像；
S3、对拼接图像进行识别操作，输出产品分布的识别结果；
S4、根据产品分布的识别结果，生成产品预测报表。
优选的，在执行步骤S1前，还包括：获取终端用户的身份信息、当前地理位置信息(所述地理位置信息为终端用户登录的执行所述产品识别方法的终端设备的地理位置信息)和登录时间信息，并对身份信息进行验证。具体的，根据身份信息判定当前终端用户是否预设权限者；若是，则能够进行产品识别操作，若否，则禁止执行产品识别操作，从而能够提高产品识别的安全性。
在步骤S1中，在进行数据采样时，获取到多张待检测图像，采样的地点可以为任一商场的产品货架，则待检测图像为数据采集系统采样的产品图像。在获取到多张待检测图像后，对待检测图像进行预处理，包括：对待检测图像进行过滤，以筛选掉不满足预设条件的待检测图像，预设条件可根据用户自定义来设定，比如该预设条件可以设定为待检测图像的图像清晰度大于清晰度阈值、待检测图像的亮度大于亮度阈值等，从而剔除模糊、偏暗、变色、曝光、扭曲、角度变换等无效数据，减少后台数据存储空间的浪费和传输时间。图像过滤算法主要利用了LAB颜色空间信息，通过亮度、红/绿分量、黄/蓝分量,将纹理、亮度、方差等信息进行描述，从而达到终端数据筛选和检测。
在步骤S2中，参见图2，将进行完预处理后的若干张待检测图像拼接，以得到拼接图像，包括：
S21、对每一待检测图像进行特征点提取；
S22、判断任意两张待检测图像的特征点之间的欧氏距离是否小于预设距离阈值；
S23、若是，则融合两张待检测图像之间的重叠区域后将两张待检测图像拼接；若否，则直接将两张待检测图像拼接。
优选的，利用SURF角点特征描述子对每一待检测图像进行特征点提取。利用特征点构建图像序列之间的变换矩阵，找到图像之间的重叠区域，并对重叠区域图像进行融合，从而达到快速、准确、无序图像拼接的目的。具体的，当判定两张待检测图像的特征点之间的欧氏距离小于预设距离阈值时，表明两张待检测图像之间存在重叠区域，此时将欧氏距离小于预设距离阈值的特征点构建成变换矩阵，所述变换矩阵能够描述两张待检测图像中重叠区域的位置关系，从而能够根据该位置关系融合两张待检测图像的重叠区域。优选的，所述预设距离阈值为0.8。即使同一角度多次采集也可自动融合，减少了后台服务器的负荷，对海量SKU图像数据有效性分析，全自动检测，且仅需一键完成。
在步骤S3中，参见图3，对拼接图像进行识别操作，输出产品分布的识别结果，包括：
S31、判断拼接图像中是否含有第一目标产品；
S32、当拼接图像中含有第一目标产品时，获取第一目标产品的产品信息；
S33、根据第一目标产品的产品信息判断第一目标产品在拼接图像像中是否处于密集分布状态；
S34、当第一目标产品在拼接图像中处于密集分布状态时，对拼接图像进行分割，以得到若干个局部块图像；
S35、对每一局部块图像进行识别，获取每一局部块图像中第二目标产品的产品信息；
S36、融合第一目标产品的产品信息和第二目标产品的产品信息，输出产品分布的识别结果。
在步骤S31中，拼接图像的图像尺寸信息记为Width、Height，并采用基于深度学习的目标检测技术(比如：训练后的模式识别的神经网络算法)进行预检测，即将拼接图像作为输入，初次识别得到不同产品的产品信息。优选的，产品信息包括但不限于产品的类型、坐标信息和尺寸信息。优选的，产品的类型为饮料食品，比如：康师傅冰红茶、脉动饮料等瓶装饮料。
优选的，判断获取的拼接图像中是否含有第一目标产品，包括：判断拼接图像中产品的检测率是否大于预设的第一置信度；若是，则判定检测率大于第一置信度的产品为第一目标产品；若否，则判定拼接图像中不含有第一目标产品。
第一置信度可以设为T1＝0.9，即当检测到拼接图像中的产品时，判断是否能够提取出当前产品在拼接图像的起始坐标以及尺寸(长度、宽度)，此时，产品的检测率可以根据当前产品检测到的起始坐标、长度和宽度来设定。比如，若当前产品能够检测到起始坐标、长度和宽度，则判定当前产品的检测率大于第一置信度；若当前产品仅能够检测到起始坐标和宽度，无法检测长度，则判定当前产品的检测率小于第一置信度。
在步骤S32中，当判定拼接图像中含有第一目标产品时，获取第一目标产品的产品信息，此时所有第一目标产品的集合表示为G1＝[a,b,c,d,e...]，其中a表示G1中的任一个第一目标产品，a在拼接图像上的起始位置坐标Xa、Ya,尺寸为Wa、Ha，以此类推；
在步骤S33中，进一步判断第一目标产品在拼接图像中是否处于密集分布状态；包括：
S331、获取拼接图像中横向尺寸最小的第一目标产品；
S332、根据第一目标产品的最小横向尺寸计算拼接图像的密集值；
S333、判断密集值是否小于预设的密集阈值；
S334、若是，则判定第一目标产品在拼接图像中处于密集分布状态；若否，则判定第一目标产品在拼接图像中处于非密集分布状态。
优选的，获取第一目标产品的最小横向尺寸与拼接图像的横向尺寸的比值为拼接图像的密集值。
利用货物摆放规律，将所有第一目标产品中横向尺寸最小的用于密集值的计算，假如第一目标产品a＝min(G1)的最小横向尺寸为Wa，则密集值为Ma＝Wa/Width。优选的，预设的密集阈值可以设为Mamax＝0.1，当Ma<0.1时，则判定第一目标产品在拼接图像中处于密集分布状态；当Ma≥0.1时，判定第一目标产品在拼接图像中处于非密集分布状态。
具体的，在步骤S34中，根据预设尺寸对拼接图像进行分割；其中，预设尺寸为最小横向尺寸与预设比例的乘积。
通过二次识别区域划分实现多分辨率检测，先进行横方向区域划分,每局部块的横方向尺寸为Lw＝Wa*10，其中，Wa为步骤S13中得到的最小横向尺寸，预设比例设为10；每张图像横方向用Lw块大小进行平分，最后一块不足Lw，向左补齐，横向被分成Nw＝(Width/Lw+0.5)个局部块，局部块纵方向尺寸和横方向尺寸一致为Lh＝Lw,同样原理计算出纵方向局部块个数Nh，所以原始的拼接图像被细分成Nw*Nh个局部块图像。
优选的，当判定第一目标产品在拼接图像中处于非密集分布状态时，输出第一目标产品的产品信息为产品分布的识别结果。此时表明拼接图像识别的结果较为准确，无需再进一步对拼接图像进行分割。
在步骤S35中，对每一局部块图像进行识别，具体包括：获取局部块图像中检测率大于第二置信度的产品为第二目标产品。
在识别每一局部块图像中的第二目标产品时，同样是需要通过置信度来确定。判断局部块图像中是否含有第二目标产品，包括：判断局部块图像中产品的检测率是否大于预设的第二置信度；若是，则判定检测率大于第二置信度的产品为第二目标产品；若否，则判定局部块图像中不含有第二目标产品，此时得到第二目标产品的合集为G2＝[A,B,C,D,E...]；其中，A表示G2中的任一个第二目标产品。第二置信度可以设为T2＝0.7(T1>T2,其中阈值T1是保证检出的所有目标尽量准确，阈值T2目的是尽量检测全所有目标)，具体的产品的检测率根据具体情况来设定，本发明对此不作具体限定。
在步骤S36中，融合第一目标产品的产品信息和第二目标产品的产品信息，输出产品分布的识别结果，包括：
S361、判断第一目标产品与第二目标产品的重复率是否大于预设重复率阈值；
S362、若是，则删除与第一目标产品重复的第二目标产品；若否，则保留第二目标产品；
S363、输出第一目标产品的产品信息和第二目标产品的产品信息为产品分布的识别结果。
融合两次识别结果G1和G2，目的是删除G2中重复检测的目标，包括删除G2自己的重复目标以及G1、G2之间的重复目标，其中是否为重复目标是通过计算两个目标区域的IOU来判断，预设重复率阈值可以设为0.2，IOU计算方式为：
如果IOU>0.2则删除G2中对应的目标，反之IOU≤0.2则保留。最后输出所有目标区域G＝G1+G2，G即为产品分布的识别结果。
进一步的，在步骤S31中当判定拼接图像中不含有第一目标产品时，此时可能因为产品的尺寸较小，在拼接图像中无法识别出来，因此，需要对拼接图像进行分割，以得到若干个局部块图像。此时识别过程包括：
S301、当拼接图像中不含有第一目标产品时，对拼接图像进行分割，以得到若干个局部块图像；
S302、对每一局部块图像进行识别，获取每一局部块图像中第二目标产品的产品信息；
S303、输出第二目标产品的产品信息为产品分布的识别结果。
此时分割的拼接图像的方法为：根据预设数量对拼接图像进行分割；其中，预设数量为预先设定的，比如预设数量为Nw*Nh，Nw＝2,Nh＝2；将Nw*Nh个局部块图像作为输入进行二次识别，再次得到不同产品的类型、坐标信息和尺寸信息。
在步骤S4中，利用上述大数据(包括识别结果但不限于产品信息、位置信息和时间信息的分析信息)，阶段性制成产品预测报表，挖掘商业机会和金融服务的潜力。客户可以第一时间了解不同周期，陈列产品的售卖情况(产品销售量与时间周期、陈列位置的关系)，及时补货。同时，也可进行业务趋势分析，挖掘产品等有价值信息，为客服、运营、营销提供有效的支撑。
本发明公开的产品识别方法，首先将完成预处理的若干张待检测图像拼接，能够对采集的待检测图像进行有效数据的整合，避免因样本信息不全而导致分析数据缺失,同时能够删除重复数据，减少工作量；然后对拼接图像进行识别操作，大大降低了人为干扰因素的影响，识别速度快，可以快速批量处理海量数据；最后根据产品分布的识别结果生成产品预测报表，能够挖掘商业机会和金融服务的潜力，也可进行业务趋势分析，挖掘产品等有价值信息，为客服、运营、营销提供有效的支撑。
实施例二
参见图4，图4是本发明实施例提供的一种产品识别装置的结构示意图；包括：
图像预处理模块1，用于获取待检测图像，对待检测图像进行预处理；
图像拼接模块2，用于将完成预处理的若干张待检测图像拼接，以得到拼接图像；
产品识别模块3，用于对拼接图像进行识别操作，输出产品分布的识别结果；
预测报表生成模块4，用于根据产品分布的识别结果，生成产品预测报表。
具体的产品识别装置的各个功能请参考上述实施例一所述的产品识别方法的过程，在此不再赘述。
本发明公开的产品识别装置，首先图像拼接模块2将完成预处理的若干张待检测图像拼接，能够对采集的待检测图像进行有效数据的整合，避免因样本信息不全而导致分析数据缺失；然后产品识别模块3对所述拼接图像进行识别操作，大大降低了人为干扰因素的影响，识别速度快，可以快速批量处理海量数据；最后预测报表生成模块4根据所述产品分布的识别结果生成产品预测报表，能够挖掘商业机会和金融服务的潜力，也可进行业务趋势分析，挖掘产品等有价值信息，为客服、运营、营销提供有效的支撑。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (9)
1.一种产品识别方法，其特征在于，包括：
获取待检测图像，对所述待检测图像进行预处理；
将完成预处理的若干张所述待检测图像拼接，以得到拼接图像；
对所述拼接图像进行识别操作，输出产品分布的识别结果；
根据所述产品分布的识别结果，生成产品预测报表；
其中，所述对所述拼接图像进行识别操作，输出产品分布的识别结果，包括：
判断所述拼接图像中是否含有第一目标产品；
当所述拼接图像中含有第一目标产品时，获取所述第一目标产品的产品信息；
根据所述第一目标产品的产品信息判断所述第一目标产品在所述拼接图像中是否处于密集分布状态；
当所述第一目标产品在所述拼接图像中处于密集分布状态时，对所述拼接图像进行分割，以得到若干个局部块图像；
对每一所述局部块图像进行识别，获取每一所述局部块图像中第二目标产品的产品信息；
融合所述第一目标产品的产品信息和所述第二目标产品的产品信息，输出产品分布的识别结果；
其中，所述融合所述第一目标产品的产品信息和所述第二目标产品的产品信息，输出产品分布的识别结果，包括：
判断第一目标产品与第二目标产品的重复率是否大于预设重复率阈值；
若是，则删除与第一目标产品重复的第二目标产品；若否，则保留第二目标产品；
输出第一目标产品的产品信息和第二目标产品的产品信息为产品分布的识别结果。
2.如权利要求1所述的产品识别方法，其特征在于，所述将进行完预处理后的若干张所述待检测图像拼接，以得到拼接图像，包括：
对每一所述待检测图像进行特征点提取；
判断任意两张所述待检测图像的特征点之间的欧氏距离是否小于预设距离阈值；
若是，则融合两张所述待检测图像之间的重叠区域后将两张所述待检测图像拼接；若否，则直接将两张所述待检测图像拼接。
3.如权利要求1所述的产品识别方法，其特征在于，所述对所述待检测图像进行预处理，包括：
对所述待检测图像进行过滤，以筛选掉不满足预设条件的所述待检测图像。
4.如权利要求2所述的产品识别方法，其特征在于，所述对每一所述待检测图像进行特征点提取，包括：
利用SURF角点特征描述子对每一所述待检测图像进行特征点提取。
5.如权利要求1所述的产品识别方法，其特征在于，所述获取待检测图像前，还包括：
获取终端用户的身份信息、当前地理位置信息和登录时间信息，并对所述身份信息进行验证。
6.如权利要求1所述的产品识别方法，其特征在于，所述方法还包括：
当所述拼接图像中不含有第一目标产品时，对所述拼接图像进行分割，以得到若干个局部块图像；
对每一所述局部块图像进行识别，获取每一所述局部块图像中第二目标产品的产品信息；
输出所述第二目标产品的产品信息为产品分布的识别结果。
7.如权利要求1所述的产品识别方法，其特征在于，所述方法还包括：
当所述第一目标产品在所述拼接图像中处于非密集分布状态时，输出所述第一目标产品的产品信息为产品分布的识别结果。
8.如权利要求1所述的产品识别方法，其特征在于，所述判断所述拼接图像中是否含有第一目标产品，包括：
判断所述拼接图像中产品的检测率是否大于预设的第一置信度；
若是，则判定检测率大于所述第一置信度的产品为所述第一目标产品；若否，则判定所述拼接图像中不含有所述第一目标产品。
9.一种产品识别装置，其特征在于，包括：
图像预处理模块，用于获取待检测图像，对所述待检测图像进行预处理；
图像拼接模块，用于将完成预处理的若干张所述待检测图像拼接，以得到拼接图像；
产品识别模块，用于对所述拼接图像进行识别操作，输出产品分布的识别结果；
预测报表生成模块，用于根据所述产品分布的识别结果，生成产品预测报表；
其中，所述产品识别模块具体用于：
判断所述拼接图像中是否含有第一目标产品；
当所述拼接图像中含有第一目标产品时，获取所述第一目标产品的产品信息；
根据所述第一目标产品的产品信息判断所述第一目标产品在所述拼接图像像中是否处于密集分布状态；
当所述第一目标产品在所述拼接图像中处于密集分布状态时，对所述拼接图像进行分割，以得到若干个局部块图像；
对每一所述局部块图像进行识别，获取每一所述局部块图像中第二目标产品的产品信息；
判断第一目标产品与第二目标产品的重复率是否大于预设重复率阈值；
若是，则删除与第一目标产品重复的第二目标产品；若否，则保留第二目标产品；
输出第一目标产品的产品信息和第二目标产品的产品信息为产品分布的识别结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910240355.0A CN110119675B (zh) | 2019-03-28 | 2019-03-28 | 一种产品识别方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910240355.0A CN110119675B (zh) | 2019-03-28 | 2019-03-28 | 一种产品识别方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110119675A CN110119675A (zh) | 2019-08-13 |
| CN110119675B true CN110119675B (zh) | 2021-07-27 |
Family
ID=67520719
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910240355.0A Active CN110119675B (zh) | 2019-03-28 | 2019-03-28 | 一种产品识别方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110119675B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110795998B (zh) * | 2019-09-19 | 2023-03-24 | 深圳云天励飞技术有限公司 | 人流量的检测方法、装置、电子设备及可读存储介质 |
| CN110910314B (zh) * | 2019-11-27 | 2020-09-25 | 广州市玄武无线科技股份有限公司 | 一种货架场景图像的拼接方法及装置 |
| CN111950554A (zh) * | 2020-08-17 | 2020-11-17 | 深圳市丰巢网络技术有限公司 | 一种身份证识别方法、装置、设备及存储介质 |
| CN114895664A (zh) * | 2022-03-28 | 2022-08-12 | 安克创新科技股份有限公司 | 割草方法、装置、存储介质及电子设备 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103839065A (zh) * | 2014-02-14 | 2014-06-04 | 南京航空航天大学 | 人群动态聚集特征提取方法 |
| CN104487207A (zh) * | 2012-06-12 | 2015-04-01 | 实耐宝公司 | 具有高级功能的存货控制系统 |
| CN107122375A (zh) * | 2016-12-12 | 2017-09-01 | 南京理工大学 | 基于图像特征的图像主体的识别方法 |
| CN108960038A (zh) * | 2018-05-04 | 2018-12-07 | 广州图匠数据科技有限公司 | 一种基于图像识别技术的购物手推车及其识别方法 |
| CN109214306A (zh) * | 2018-08-15 | 2019-01-15 | 京东方科技集团股份有限公司 | 货架扫货机器人及货架扫货系统 |
| CN109409218A (zh) * | 2018-09-18 | 2019-03-01 | 北京无线体育俱乐部有限公司 | 提示方法、装置及系统 |
| CN109522947A (zh) * | 2018-10-31 | 2019-03-26 | 联想(北京)有限公司 | 识别方法和设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106503691B (zh) * | 2016-11-10 | 2019-12-20 | 广州视源电子科技股份有限公司 | 一种人脸图片的身份标注方法和装置 |
-
2019
- 2019-03-28 CN CN201910240355.0A patent/CN110119675B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104487207A (zh) * | 2012-06-12 | 2015-04-01 | 实耐宝公司 | 具有高级功能的存货控制系统 |
| CN103839065A (zh) * | 2014-02-14 | 2014-06-04 | 南京航空航天大学 | 人群动态聚集特征提取方法 |
| CN107122375A (zh) * | 2016-12-12 | 2017-09-01 | 南京理工大学 | 基于图像特征的图像主体的识别方法 |
| CN108960038A (zh) * | 2018-05-04 | 2018-12-07 | 广州图匠数据科技有限公司 | 一种基于图像识别技术的购物手推车及其识别方法 |
| CN109214306A (zh) * | 2018-08-15 | 2019-01-15 | 京东方科技集团股份有限公司 | 货架扫货机器人及货架扫货系统 |
| CN109409218A (zh) * | 2018-09-18 | 2019-03-01 | 北京无线体育俱乐部有限公司 | 提示方法、装置及系统 |
| CN109522947A (zh) * | 2018-10-31 | 2019-03-26 | 联想(北京)有限公司 | 识别方法和设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110119675A (zh) | 2019-08-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110119675B (zh) | 一种产品识别方法和装置 | |
| US11004129B2 (en) | Image processing | |
| US10839211B2 (en) | Systems, methods and computer program products for multi-resolution multi-spectral deep learning based change detection for satellite images | |
| CN109740588B (zh) | 基于弱监督和深度响应重分配的x光图片违禁品定位方法 | |
| US7136524B1 (en) | Robust perceptual color identification | |
| CN110163076A (zh) | 一种图像数据处理方法和相关装置 | |
| CN105893253A (zh) | 应用软件测试方法、测试装置及测试设备 | |
| KR20070045445A (ko) | 동영상의 비주얼 특징을 이용한 유해 동영상 판별함수 생성및 판별 방법 그리고 그 장치 | |
| Beumier et al. | Digital terrain models derived from digital surface model uniform regions in urban areas | |
| US8340412B2 (en) | Image processing | |
| CN108447064B (zh) | 一种图片处理方法及装置 | |
| CN102025959A (zh) | 从低清晰度视频产生高清晰度视频的系统与方法 | |
| CN102930251B (zh) | 两维收藏品数据收录与甄别的装置和方法 | |
| CN114926466B (zh) | 基于大数据的土地一体化监测和决策方法、平台 | |
| CN113033516A (zh) | 对象识别统计方法及装置、电子设备、存储介质 | |
| CN110599479A (zh) | 一种监测区域变化检测方法、装置及存储介质 | |
| CN117437264A (zh) | 行为信息的识别方法、设备和存储介质 | |
| US20150029230A1 (en) | System and method for estimating target size | |
| CN110110594B (zh) | 一种产品分布识别方法和装置 | |
| JP7337557B2 (ja) | 情報処理装置、システム、情報処理方法及びプログラム | |
| CN101425075A (zh) | 搜索图像的方法和设备 | |
| CN111860261A (zh) | 一种客流值的统计方法、装置、设备及介质 | |
| CN109644236A (zh) | 角度检测方法 | |
| CN110874733A (zh) | 支持外接设备的被动扫码支付方法和装置 | |
| US12033218B2 (en) | Assessing damages on vehicles |
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 | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Wang Yang Inventor after: Cui Shanling Inventor before: Wang Yang Inventor before: Cui Shanling |