CN110705363B - 一种商品规格的识别方法与装置 - Google Patents

一种商品规格的识别方法与装置 Download PDF

Info

Publication number
CN110705363B
CN110705363B CN201910842862.1A CN201910842862A CN110705363B CN 110705363 B CN110705363 B CN 110705363B CN 201910842862 A CN201910842862 A CN 201910842862A CN 110705363 B CN110705363 B CN 110705363B
Authority
CN
China
Prior art keywords
commodity
price
information
board
position 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
Application number
CN201910842862.1A
Other languages
English (en)
Other versions
CN110705363A (zh
Inventor
牟永强
韩冉
刘荣杰
李晓杰
王芹
郭怡适
黄耀鸿
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.)
Imagedt Co ltd
Original Assignee
Imagedt 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 Imagedt Co ltd filed Critical Imagedt Co ltd
Priority to CN201910842862.1A priority Critical patent/CN110705363B/zh
Publication of CN110705363A publication Critical patent/CN110705363A/zh
Application granted granted Critical
Publication of CN110705363B publication Critical patent/CN110705363B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种商品规格的识别方法与装置，该方法先根据货架商品图片，提取第一商品的位置信息、价格牌的位置信息、价格牌的价格信息；根据第一商品的位置信息和价格牌的位置信息，匹配与第一商品距离最近的价格牌，将匹配的价格牌的价格信息作为第一商品的第一价格信息，根据第一价格信息中的商品名称，查找与商品名称对应的多种规格，以及每种规格对应的零售价，获取商品规格表；根据价格推算方法，将第一价格信息中商品价格与商品规格表中的零售价进行匹配，获取与第一商品价格最接近的规格，从而识别出第一商品对应的规格。采用本发明技术方案不用时刻考虑拍照角度及拍照姿势对商品成像造成的影响，有效提高了商品规格识别的准确度。

Description

一种商品规格的识别方法与装置
技术领域
本发明涉及图像识别技术领域，尤其涉及一种商品规格的识别方法与装置。
背景技术
目前，主要采用图像识别技术来获取货架商品图片上的各个商品的信息，但是货架商品图片中各商品所成的像受普通可见光相机透视的影响，导致不同规格的商品所成的像完全相同。因此，难以从货架商品图片中识别出每个商品分别一一对应的规格信息。
现有技术中，通常采用恢复二维图像中的景深信息的方法或参照物与实际物体的比例换算的方法，实现货架商品图片中商品规格的识别。其中，恢复二维图像中的景深信息的方法，首先通过其他传感器生成深度信息，并结合普通可见光相机生成的RGB图像；其次，通过深度学习技术以数据驱动的方式建立二维图像和景深之间的关系，从而达到商品规格识别的目的，但该方法中的景深信息是通过算法估算获得，准确度和精确度较低。
参照物与实际物体的比例换算的方法，首先获取标记物或商品的物理尺寸；其次，根据标记物或商品的物理尺寸，获取同一图像中标记物和待识别商品在图像中的大小，并计算出两者之间的比例，最后根据两者之间的比例换算出待识别商品的实际尺寸。但该方法受拍照角度的影响，拍摄的货架商品图片不同位置会出现不同的畸变，从而导致同一规格的商品在同一张图片中的不同位置出现大小的差异，进而降低了商品规格识别的准确度。
发明内容
本发明实施例提供了一种商品规格的识别方法与装置，不用时刻考虑拍照角度及拍照姿势对商品成像造成的影响，有效提高了商品规格识别的准确度。
为了解决上述技术问题，本发明实施例提供了一种商品规格的识别方法，包括：
获取并根据货架商品图片，提取第一商品的位置信息、每个价格牌的位置信息以及各个所述价格牌分别一一对应的价格信息；
根据所述第一商品的位置信息和所述价格牌的位置信息，匹配与所述第一商品距离最近的价格牌，将匹配的价格牌的价格信息作为所述第一商品的第一价格信息，具体为：根据所述第一商品的位置信息和多个所述价格牌的位置信息，获取所有位于所述第一商品的右侧及下方的价格牌，获得若干个第一价格牌；分别计算所述第一商品与各个所述第一价格牌之间的高度差，提取所述高度差与预设阈值相同的第一价格牌，获得若干个第二价格牌；分别计算所述第一商品与各个所述第二价格牌之间的欧式距离，提取所述欧式距离最小的第二价格牌，将匹配的价格牌的价格信息作为所述第一商品的第一价格信息，所述第一价格信息包括第一商品名称和第一商品价格；
根据所述第一商品名称，查找与所述第一商品名称对应的多种规格，以及每种所述规格对应的零售价，获取第一商品规格表，其中所述第一商品规格表包括第一商品名称、多种规格、以及每种所述规格分别一一对应的零售价；
根据预设的价格推算方法，将所述第一商品价格与所述第一商品规格表中的零售价进行匹配，获取与所述第一商品价格最接近的规格，从而识别出所述第一商品对应的规格。
作为优选方案，所述预设的价格推算方法，包括：向上价格区间确定商品规格法、向下价格区间确定商品规格法、价格浮动机制确定商品规格法、零售价与商品价格的差值绝对值法。
作为优选方案，所述根据所述第一商品的位置信息和所述价格牌的位置信息，匹配与所述第一商品距离最近的价格牌，将匹配的价格牌的价格信息作为所述第一商品的第一价格信息，具体为：
根据所述第一商品的位置信息和所述多个价格牌的位置信息，获取所有位于所述第一商品的右侧及下方的价格牌，获得若干个第一价格牌；
分别计算所述第一商品与各个所述第一价格牌之间的高度差，提取所述高度差与预设阈值相同的第一价格牌，获得若干个第二价格牌；
分别计算所述第一商品与各个所述第二价格牌之间的欧式距离，提取所述欧式距离最小的第二价格牌，将匹配的价格牌的价格信息作为所述第一商品的第一价格信息，所述第一价格信息包括第一商品名称和第一商品价格。
作为优选方案，所述一种商品规格的识别方法，还包括，
根据所述货架商品图片，提取全部商品的位置信息；
根据所述货架商品图片的高度和所述商品的位置信息，构建商品列向量；其中，商品列向量中元素1，表示货架商品图片对应的高度存在商品；商品列向量中元素0，表示货架商品图片对应的高度不存在商品；
根据所述商品列向量，提取全部所述商品列向量中连续间隔n个元素都为0的区间，获得若干个货架层，其中n为大于20的正整数。
相应地，本发明实施例还提供一种商品规格的识别装置，包括：
数据获取模块，用于获取并根据货架商品图片，提取第一商品的位置信息、每个价格牌的位置信息以及各个所述价格牌分别一一对应的价格信息；
商品与价格牌关联模块，用于根据所述第一商品的位置信息和所述价格牌的位置信息，匹配与所述第一商品距离最近的价格牌，将匹配的价格牌的价格信息作为所述第一商品的第一价格信息，具体为：根据所述第一商品的位置信息和多个所述价格牌的位置信息，获取所有位于所述第一商品的右侧及下方的价格牌，获得若干个第一价格牌；分别计算所述第一商品与各个所述第一价格牌之间的高度差，提取所述高度差与预设阈值相同的第一价格牌，获得若干个第二价格牌；分别计算所述第一商品与各个所述第二价格牌之间的欧式距离，提取所述欧式距离最小的第二价格牌，将匹配的价格牌的价格信息作为所述第一商品的第一价格信息，所述第一价格信息包括第一商品名称和第一商品价格；商品规格表获取模块，用于根据所述第一商品名称，查找与所述第一商品名称对应的多种规格，以及每种所述规格对应的零售价，获取第一商品规格表，其中所述第一商品规格表包括第一商品名称、多种规格、以及每种所述规格分别一一对应的零售价；
商品规格推算模块，用于根据预设的价格推算方法，将所述第一商品价格与所述第一商品规格表中的零售价进行匹配，获取与所述第一商品价格最接近的规格，从而识别出所述第一商品对应的规格。
实施本发明实施例，具有如下有益效果：
本发明实施例提供的商品规格的识别方法，先根据货架商品图片，提取第一商品的位置信息、价格牌的位置信息、价格牌的价格信息；根据第一商品的位置信息和价格牌的位置信息，匹配与第一商品距离最近的价格牌，将匹配的价格牌的价格信息作为第一商品的第一价格信息，根据第一价格信息中的商品名称，查找与商品名称对应的多种规格，以及每种规格对应的零售价，获取商品规格表；根据价格推算方法，将第一价格信息中商品价格与商品规格表中的零售价进行匹配，获取与第一商品价格最接近的规格，从而识别出第一商品对应的规格。相比于现有技术采用参照物与实际物体的比例换算的方法，本发明技术方案不用时刻考虑拍照角度及拍照姿势对商品成像造成的影响，而是将价格牌中的商品价格与预设的商品规格表中的零售价进行匹配，从而获取该商品对应的规格信息，使得商品规格识别的准确度更高。
附图说明
图1是本发明提供的商品规格的识别方法的第一实施例的流程示意图；
图2是本发明提供的商品规格的识别装置的第二实施例的结构示意图。
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，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。
第一实施例：
参见图1，是本发明提供的商品规格的识别方法的一种实施例的流程示意图。如图1所述，该构建方法包括步骤101至步骤104，各步骤具体如下：
步骤101：获取并根据货架商品图片，提取第一商品的位置信息、每个价格牌的位置信息以及各个价格牌分别一一对应的价格信息。
在本实施例中，步骤101具体为：获取货架商品图片，根据货架商品图片，利用预先训练好的商品检测与识别模型，获取货架图中第一商品的位置信息，根据货架商品图片，利用预先训练好的价格牌检测与识别模型，获取每个价格牌的位置信息以及各个价格牌分别一一对应的价格信息。
在本实施例中，还可以根据货架商品图片，提取全部商品的位置信息；根据货架商品图片的高度和商品的位置信息，构建商品列向量；其中，商品列向量中元素1，表示货架商品图片对应的高度存在商品；商品列向量中元素0，表示货架商品图片对应的高度不存在商品；根据商品列向量，提取全部商品列向量中连续间隔n个元素都为0的区间，获得若干个货架层，其中n为大于20的正整数。
步骤102：根据第一商品的位置信息和价格牌的位置信息，匹配与第一商品距离最近的价格牌，将匹配的价格牌的价格信息作为第一商品的第一价格信息，第一价格信息包括第一商品名称和第一商品价格。
在本实施例中，第一商品的位置信息包括第一商品的横向顶点坐标、纵向顶点坐标、第一商品位置中心的坐标；价格牌的位置信息该价格牌的横向顶点坐标、纵向顶点坐标、价格牌位置中心的坐标。
在本实施例中，步骤102，具体为：根据第一商品的位置信息和多个价格牌的位置信息，获取所有位于第一商品的右侧及下方的价格牌，获得若干个第一价格牌；分别计算第一商品与各个第一价格牌之间的高度差，提取高度差与预设阈值相同的第一价格牌，获得若干个第二价格牌；分别计算第一商品与各个第二价格牌之间的欧式距离，提取欧式距离最小的第二价格牌，将匹配的价格牌的价格信息作为第一商品的第一价格信息，第一价格信息包括第一商品名称和第一商品价格。其中，预设阈值的计算公式如下：thres＝ymax-ymin，其中ymin为商品的纵向下顶点坐标，ymax为商品的纵向上顶点坐标。
譬如，根据第一商品的位置信息，获取第一商品右侧及下方的所有第一价格牌，分别计算第一商品位置中心的坐标到各个第一价格牌位置中心的坐标之间的高度差，提取高度差相与第一商品的纵向顶点坐标之差相同的第一价格牌，获得若干个第二价格牌，分别计算第一商品与各个第二价格牌之间的欧式距离，提取欧式距离最小的第二价格牌，将匹配的价格牌的价格信息作为第一商品的第一价格信息；其中，预设阈值为thres＝y1max-y1min，y1min为第一商品的纵向下顶点坐标，y1max为第一商品的纵向上顶点坐标。
在本实施例中，若第一商品的右侧及下方未能匹配到第一价格牌，或者第一商品与第一价格牌之间的高度差不满足预设阈值时，则查找与第一商品同系列的第二商品，取最相近的第二商品，将第二商品对应的价格牌的价格信息作为第一商品的第一价格信息，若未找到同系列的第二商品，则选取最接近第一商品的第三商品，将第三商品的价格牌的价格信息作为第一商品的第一价格信息。
步骤103：根据第一商品名称，查找与第一商品名称对应的多种规格，以及每种规格对应的零售价，获取第一商品规格表，其中第一商品规格表包括第一商品名称、多种规格、以及每种规格分别一一对应的零售价；商品规格表中的商品规格按照零售价的数值大小，按照由小到大的顺序进行排序。
譬如，第一商品匹配到的商品价格为p，根据第一商品名称查找对应的多种规格，以及每个规格对应的零售价，假设第一商品获取到m个规格，分别为m1,m2,…mm，每个规格分别一一对应的零售价为：p1,p2,…pm，并按照零售价的数值，由小到大的顺序排序。
步骤104：根据预设的价格推算方法，将第一商品价格与第一商品规格表中的零售价进行匹配，获取与第一商品价格最接近的规格，从而识别出第一商品对应的规格。
在本实施例中，预设的价格推算方法包括：向上价格区间确定商品规格法、向下价格区间确定商品规格法、价格浮动机制确定商品规格法、零售价与商品价格的差值绝对值法。
在本实施例中，向上价格区间确定商品规格法，具体为：假设第一商品匹配到的商品价格为p，第一商品匹配到m个规格。遍历第一商品规格表中每一种规格对应的价格，当
Figure GDA0003460107730000071
时，则第一商品属于第j种规格，其中，当j＝m时，pj+1＝2×pj。
在本实施例中，向下价格区间确定商品规格法，具体为：假设第一商品匹配到的商品价格为p，第一商品匹配到m个规格。遍历第一商品规格表中每一种规格对应的价格，当
Figure GDA0003460107730000072
时，则第一商品属于第j种规格，其中，当j＝1时，pj-1＝pj/2。
在本实施例中，价格浮动机制确定商品规格法，具体为：假设第一商品匹配到的商品价格为p，第一商品匹配到m个规格，浮动参数为ratio。遍历第一商品规格表中每一种规格对应的价格，当p∈(pj(1-ratio)，pj(1+ratio)]时，则第一商品属于第j种规格。
在本实施例中，零售价与商品价格的差值绝对值法，具体为：假设第一商品匹配到的商品价格为p，第一商品匹配到m个规格。遍历第一商品规格表中每一种规格对应的价格，则第一商品对应的规格为：j＝arg min(|p-pj|)。
由上可见，本发明实施例提供的商品规格的识别方法，先根据货架商品图片，提取第一商品的位置信息、价格牌的位置信息、价格牌的价格信息；根据第一商品的位置信息和价格牌的位置信息，匹配与第一商品距离最近的价格牌，将匹配的价格牌的价格信息作为第一商品的第一价格信息，根据第一价格信息中的商品名称，查找与商品名称对应的多种规格，以及每种规格对应的零售价，获取商品规格表；根据价格推算方法，将第一价格信息中商品价格与商品规格表中的零售价进行匹配，获取与第一商品价格最接近的规格，从而识别出第一商品对应的规格。相比于现有技术采用参照物与实际物体的比例换算的方法，本发明技术方案不用时刻考虑拍照角度及拍照姿势对商品成像造成的影响，而是将价格牌中的商品价格与预设的商品规格表中的零售价进行匹配，从而获取该商品对应的规格信息，使得商品规格识别的准确度高。
第二实施例：
请参见图2，是本发明提供的一种商品规格的识别装置的第二实施例的结构示意图。该装置包括：数据获取模块201、商品与价格牌关联模块202、商品规格表获取模块203、商品规格推算模块204。
数据获取模块201，用于获取并根据货架商品图片，提取第一商品的位置信息、每个价格牌的位置信息以及各个价格牌分别一一对应的价格信息；
商品与价格牌关联模块202，用于根据第一商品的位置信息和价格牌的位置信息，匹配与第一商品距离最近的价格牌，将匹配的价格牌的价格信息作为第一商品的第一价格信息，第一价格信息包括第一商品名称和第一商品价格；
商品规格表获取模块203，用于根据第一商品名称，查找与第一商品名称对应的多种规格，以及每种规格对应的零售价，获取第一商品规格表，其中第一商品规格表包括第一商品名称、多种规格、以及每种规格分别一一对应的零售价；
商品规格推算模块204，用于根据预设的价格推算方法，将第一商品价格与第一商品规格表中的零售价进行匹配，获取与第一商品价格最接近的规格，从而识别出第一商品对应的规格。
本实施例更详细的工作原理和流程可以但不限于参见第一实施例的商品规格的识别方法。
由上可见，本发明实施例提供的商品规格的识别装置，不用时刻考虑拍照角度及拍照姿势对商品成像造成的影响，而是将价格牌中的商品价格与预设的商品规格表中的零售价进行匹配，从而获取该商品对应的规格信息，使得商品规格识别的准确度高。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。
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 (4)

1.一种商品规格的识别方法，其特征在于，包括：
获取并根据货架商品图片，提取第一商品的位置信息、每个价格牌的位置信息以及各个所述价格牌分别一一对应的价格信息；
根据所述第一商品的位置信息和所述价格牌的位置信息，匹配与所述第一商品距离最近的价格牌，将匹配的价格牌的价格信息作为所述第一商品的第一价格信息，具体为：根据所述第一商品的位置信息和多个所述价格牌的位置信息，获取所有位于所述第一商品的右侧及下方的价格牌，获得若干个第一价格牌；分别计算所述第一商品与各个所述第一价格牌之间的高度差，提取所述高度差与预设阈值相同的第一价格牌，获得若干个第二价格牌；其中，所述高度差具体为所述第一商品位置中心的坐标到各个所述第一价格牌位置中心的坐标之间的高度差；分别计算所述第一商品与各个所述第二价格牌之间的欧式距离，提取所述欧式距离最小的第二价格牌，将匹配的价格牌的价格信息作为所述第一商品的第一价格信息，所述第一价格信息包括第一商品名称和第一商品价格；其中，所述欧式距离以所述第一商品位置中心的坐标和各个所述第二价格牌位置中心为计算依据；
根据所述第一商品名称，查找与所述第一商品名称对应的多种规格，以及每种所述规格对应的零售价，获取第一商品规格表，其中所述第一商品规格表包括第一商品名称、多种规格、以及每种所述规格分别一一对应的零售价；
根据预设的价格推算方法，将所述第一商品价格与所述第一商品规格表中的零售价进行匹配，获取与所述第一商品价格最接近的规格，从而识别出所述第一商品对应的规格。
2.如权利要求1所述的商品规格的识别方法，其特征在于，所述预设的价格推算方法，包括：向上价格区间确定商品规格法、向下价格区间确定商品规格法、价格浮动机制确定商品规格法、零售价与商品价格的差值绝对值法。
3.如权利要求1所述的商品规格的识别方法，其特征在于，还包括，
根据所述货架商品图片，提取全部商品的位置信息；
根据所述货架商品图片的高度和所述商品的位置信息，构建商品列向量；其中，商品列向量中元素1，表示货架商品图片对应的高度存在商品；商品列向量中元素0，表示货架商品图片对应的高度不存在商品；
根据所述商品列向量，提取全部所述商品列向量中连续间隔n个元素都为0的区间，获得若干个货架层，其中n为大于20的正整数。
4.一种商品规格的识别装置，其特征在于，包括：
数据获取模块，用于获取并根据货架商品图片，提取第一商品的位置信息、每个价格牌的位置信息以及各个所述价格牌分别一一对应的价格信息；
商品与价格牌关联模块，用于根据所述第一商品的位置信息和所述价格牌的位置信息，匹配与所述第一商品距离最近的价格牌，将匹配的价格牌的价格信息作为所述第一商品的第一价格信息，具体为：根据所述第一商品的位置信息和多个所述价格牌的位置信息，获取所有位于所述第一商品的右侧及下方的价格牌，获得若干个第一价格牌；分别计算所述第一商品与各个所述第一价格牌之间的高度差，提取所述高度差与预设阈值相同的第一价格牌，获得若干个第二价格牌；其中，所述高度差具体为所述第一商品位置中心的坐标到各个所述第一价格牌位置中心的坐标之间的高度差；分别计算所述第一商品与各个所述第二价格牌之间的欧式距离，提取所述欧式距离最小的第二价格牌，将匹配的价格牌的价格信息作为所述第一商品的第一价格信息，所述第一价格信息包括第一商品名称和第一商品价格；其中，所述欧式距离以所述第一商品位置中心的坐标和各个所述第二价格牌位置中心为计算依据；
商品规格表获取模块，用于根据所述第一商品名称，查找与所述第一商品名称对应的多种规格，以及每种所述规格对应的零售价，获取第一商品规格表，其中所述第一商品规格表包括第一商品名称、多种规格、以及每种所述规格分别一一对应的零售价；
商品规格推算模块，用于根据预设的价格推算方法，将所述第一商品价格与所述第一商品规格表中的零售价进行匹配，获取与所述第一商品价格最接近的规格，从而识别出所述第一商品对应的规格。
CN201910842862.1A 2019-09-06 2019-09-06 一种商品规格的识别方法与装置 Active CN110705363B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910842862.1A CN110705363B (zh) 2019-09-06 2019-09-06 一种商品规格的识别方法与装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910842862.1A CN110705363B (zh) 2019-09-06 2019-09-06 一种商品规格的识别方法与装置

Publications (2)

Publication Number Publication Date
CN110705363A CN110705363A (zh) 2020-01-17
CN110705363B true CN110705363B (zh) 2022-02-22

Family

ID=69194420

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910842862.1A Active CN110705363B (zh) 2019-09-06 2019-09-06 一种商品规格的识别方法与装置

Country Status (1)

Country Link
CN (1) CN110705363B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111291555B (zh) * 2020-02-28 2024-02-27 深圳市微购科技有限公司 商品规格的识别方法、装置和计算机可读存储介质
CN111931674B (zh) * 2020-08-18 2024-04-02 创新奇智(成都)科技有限公司 物品识别管理方法、装置、服务器及可读存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107248098A (zh) * 2017-05-25 2017-10-13 深圳市思域网络技术有限公司 一种商品自动匹配和展示的方法及系统
CN107766862A (zh) * 2017-10-19 2018-03-06 成都博智维讯信息技术股份有限公司 商品价格标签数字识别方法
CN109784323A (zh) * 2019-01-21 2019-05-21 北京旷视科技有限公司 图像识别的方法、装置、电子设备和计算机存储介质
CN109993629A (zh) * 2019-03-13 2019-07-09 深圳市元征科技股份有限公司 数据处理方法及电子设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106203227B (zh) * 2016-06-28 2018-09-18 无锡威峰科技股份有限公司 借助图形码对电子价格标签进行定位刷新的方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107248098A (zh) * 2017-05-25 2017-10-13 深圳市思域网络技术有限公司 一种商品自动匹配和展示的方法及系统
CN107766862A (zh) * 2017-10-19 2018-03-06 成都博智维讯信息技术股份有限公司 商品价格标签数字识别方法
CN109784323A (zh) * 2019-01-21 2019-05-21 北京旷视科技有限公司 图像识别的方法、装置、电子设备和计算机存储介质
CN109993629A (zh) * 2019-03-13 2019-07-09 深圳市元征科技股份有限公司 数据处理方法及电子设备

Also Published As

Publication number Publication date
CN110705363A (zh) 2020-01-17

Similar Documents

Publication Publication Date Title
CN109829398B (zh) 一种基于三维卷积网络的视频中的目标检测方法
US9443164B2 (en) System and method for product identification
US7929728B2 (en) Method and apparatus for tracking a movable object
CN109154993A (zh) 用于对物品定位、识别和计数的系统和方法
CN108734087B (zh) 物体自动识别方法以及系统、购物设备和存储介质
US9195904B1 (en) Method for detecting objects in stereo images
US20100259537A1 (en) Computer vision cad models
CN103003814A (zh) 使用大型数据库进行对象识别的系统及方法
US9824434B2 (en) System and method for object recognition
US20170076428A1 (en) Information processing apparatus
JP2012083855A (ja) 物体認識装置及び物体認識方法
JP6410450B2 (ja) オブジェクト識別装置、オブジェクト識別方法及びプログラム
CN110705363B (zh) 一种商品规格的识别方法与装置
CN111310706A (zh) 一种商品价签识别方法及装置、电子设备、存储介质
Attamimi et al. Real-time 3D visual sensor for robust object recognition
CN108550229A (zh) 一种人工智能自动收银方法
US20220415012A1 (en) Image processing based methods and apparatus for planogram compliance
CN103164693A (zh) 一种监控视频行人检测匹配方法
CN113935774A (zh) 图像处理方法、装置、电子设备及计算机存储介质
CN111428743B (zh) 商品识别方法、商品处理方法、装置及电子设备
US20220414379A1 (en) Hand detection trigger for item identification
US20220414900A1 (en) Item identification using multiple cameras
US20220414899A1 (en) Item location detection using homographies
US20220414375A1 (en) Image cropping using depth information
US11568564B2 (en) Mapping multiple views to an identity

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