CN110889419B - 一种货架分析方法、装置、系统及电子设备 - Google Patents
一种货架分析方法、装置、系统及电子设备 Download PDFInfo
- Publication number
- CN110889419B CN110889419B CN201811045439.0A CN201811045439A CN110889419B CN 110889419 B CN110889419 B CN 110889419B CN 201811045439 A CN201811045439 A CN 201811045439A CN 110889419 B CN110889419 B CN 110889419B
- Authority
- CN
- China
- Prior art keywords
- goods
- shelf
- label
- target
- target object
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
Abstract
本发明实施例提供了一种货架分析方法、装置、系统及电子设备,所述方法包括:获得目标货架图像;其中,所述目标货架图像中包含待分析货架对应的图像区域;识别所述目标货架图像中属于目标对象类别的各个目标对象,得到所述各个目标对象的属性信息,其中,所述目标对象类别为:与待确定的货架分析结果的类型相对应的对象类别;基于所述各个目标对象的属性信息,确定所述货架对应的货架分析结果。可见,本发明实施例所提供的货架分析方法可以自动化地对货架进行分析,而无需通过工作人员人工对货架进行分析,从而提高了货架分析的效率。
Description
技术领域
本发明涉及图像处理技术领域,特别是涉及一种货架分析方法、装置、系统及电子设备。
背景技术
货架在零售店名中被广泛采用,用来展示及陈列货品。例如在大型超市中,所有货品都被置于货架上,以方便顾客选购货品。
为了确保货品正常有序地销售,需要对货架进行分析。例如,需要分析货架上的各类货品的摆放区域是否准确,货架上的各类货品是否缺货,以及货架上粘贴的各类货品标签的粘贴区域是否准确等。
现有技术中,通常通过人工来对货架进行分析。例如,对于货架上摆放的每一类货品,工作人员人工检测该类货品在货架上的实际摆放区域与预先确定的该类货品的摆放区域是否相同。很显然,工作人员人工分析货架的效率较低。那么,如何快速有效地对货架进行分析,是一个亟待解决的问题。
发明内容
本发明实施例的目的在于提供一种货架分析方法、装置、系统及电子设备,以实现快速有效地对货架进行分析。具体技术方案如下:
第一方面,本发明实施例提供了一种货架分析方法,所述方法包括:
获得目标货架图像;其中,所述目标货架图像中包含待分析货架对应的图像区域;
识别所述目标货架图像中属于目标对象类别的各个目标对象,得到所述各个目标对象的属性信息,其中,所述目标对象类别为:与待确定的货架分析结果的类型相对应的对象类别;
基于所述各个目标对象的属性信息,确定所述货架对应的货架分析结果。
第二方面,本发明实施例提供了一种货架分析装置,所述装置包括:
图像获取模块,用于获得目标货架图像;其中,所述目标货架图像中包含待分析货架对应的图像区域;
对象识别模块,用于识别所述目标货架图像中属于目标对象类别的各个目标对象,得到所述各个目标对象的属性信息,其中,所述目标对象类别为:与待确定的货架分析结果的类型相对应的对象类别;
货架分析模块,用于基于所述各个目标对象的属性信息,确定所述货架对应的货架分析结果。
第三方面,本发明实施例提供了一种货架分析系统,所述系统包括:
图像采集设备和服务器;
其中,所述图像采集设备,用于采集目标货架图像,并将所采集的目标货架图像发送至服务器;其中,所述目标货架图像中包含待分析货架对应的图像区域;
服务器,用于从图像采集设备获得目标货架图像;识别所述目标货架图像中属于目标对象类别的各个目标对象,得到所述各个目标对象的属性信息,其中,所述目标对象类别为:与待确定的货架分析结果的类型相对应的对象类别;基于所述各个目标对象的属性信息,确定所述货架对应的货架分析结果。
第四方面,本发明实施例提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现第一方面所述的货架分析方法。
本发明实施例提供的技术方案,获得目标货架图像;其中,目标货架图像中包含待分析货架对应的图像区域;识别目标货架图像中属于目标对象类别的各个目标对象,得到各个目标对象的属性信息,其中,目标对象类别为:与待确定的货架分析结果的类型相对应的对象类别;基于各个目标对象的属性信息,确定货架对应的货架分析结果。可见,本发明实施例所提供的货架分析方法可以自动化地对货架进行分析,而无需通过工作人员人工对货架进行分析,从而提高了货架分析的效率。
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为本发明实施例所提供的一种货架分析方法的流程图;
图2为本发明实施例所提供的一种目标货架图像的示意图;
图3为本发明实施例所提供的一种采集目标货架图像的图像采集设备的安装方式示意图;
图4为本发明实施例所提供的一种目标棚格图的示意图;
图5为本发明实施例所提供的一种包含促销标签的目标货架图像的示意图;
图6为本发明实施例所提供的一种货架分析装置的结构示意图;
图7为本发明实施例所提供的一种货架分析系统的示意图;
图8为本发明实施例所提供的一种电子设备的示意图。
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。
为了解决现有技术存在的工作人员分析货架的效率较低的技术问题,本发明实施例提供了一种货架分析方法、装置、系统及电子设备。
第一方面,下面首先对本发明实施例所提供的一种货架分析方法进行介绍。
需要说明的是,本发明实施例所提供的一种货架分析方法的执行主体可以为一种货架分析装置,该货架分析装置可以运行于一种货架分析系统中用于数据处理的设备。
在具体应用中,该货架分析系统可以包括:服务器,以及用于采集待分析货架的目标货架图像的图像采集设备,此时,该货架分析装置可以运行于该服务器,以基于图像采集设备所拍摄的目标货架图像来得到货架分析结果;当然,该货架分析系统也可以仅仅包括:图像采集设备,此时,该货架分析装置可以运行于图像采集设备,那么,该图像采集设备在拍摄待分析货架的目标货架图像后,可以基于该目标货架图像来得到货架分析结果。其中,该图像采集设备可以为摄像头形式的相机等。
如图1所示,本发明实施例所提供的一种货架分析方法,可以包括如下步骤:
S110,获得目标货架图像;其中,目标货架图像中包含待分析货架对应的图像区域;
在对货架进行分析时,可以获取图像采集设备拍摄的目标货架图像,该目标货架图像中包括待分析货架对应的图像区域。需要说明的是,图像采集设备拍摄的任一张货架图像均可以是本发明实施例所述的目标货架图像。举例而言:目标货架图像可以是如图2所示的货架图像,由图2可知,货架图像中可以包括:陈列在货架上的货品,粘贴在货架上的货品标签等,当然,图2只是以举例的方式示意性地展示了货架图像,本发明对货架图像中所包括的内容不做具体限定。
其中,图像采集设备的安装方式可以有多种,在具体应用中,如图3所示,图像采集设备的安装方式可以为:吊装或内嵌于货架,当然并不局限于此。以吊装方式安装的图像采集设备可以称为吊装图像采集设备,以内嵌于货架方式安装的相机可以称为内嵌于货架的图像采集设备。
在图像采集设备的安装方式为吊装时,图像采集设备可以悬吊于待分析货架所在房间的屋顶上,图像采集设备可以由上而下地采集目标货架图像。以吊装的方式安装图像采集设备有诸多优点,例如,方便为图像采集设备供电;对图像采集设备体积和外观的约束较小;图像采集设备拍摄货架图像时,受到遮挡以及干扰的概率较小。
在图像采集设备的安装方式为内嵌于货架时,图像采集设备内嵌于某货架某层的底板之中。此时,图像采集设备也可以拍摄目标货架图像。以内嵌于货架的方式安装图像采集设备也有诸多优点,例如,图像采集设备所拍摄的货架图像的透视畸变小;而且,由于图像采集设备内嵌于货架中,因此图像采集设备不影响货架所在房间的外观。
可以理解的是,本发明实施例对图像采集设备的安装方式不做具体限定;且图像采集设备的数量可以根据实际情况来确定,本发明实施例对图像采集设备的数量不做具体限定。而且,图像采集设备可以实时地拍摄目标货架图像,也可以按照预设的采样间隔拍摄目标货架图像,本发明实施对此也不做具体限定。
S120,识别目标货架图像中属于目标对象类别的各个目标对象,得到各个目标对象的属性信息,其中,目标对象类别为:与待确定的货架分析结果的类型相对应的对象类别。
在获得了目标货架图像之后,可以利用预先训练好的算法模型识别目标货架图像中属于目标对象类别的各个目标对象,并得到各个目标对象的属性信息。其中,目标对象类别可以为:货品标签类别,促销标签类别,货品类别,人员类别等;相应的,目标对象可以为货品标签,促销标签,货品,人员等。并且,各个目标对象的属性可以为:目标对象的位置信息,目标对象的区域大小等。本发明实施例对目标对象类别、目标对象及目标对象的属性信息不做具体限定。
需要说明的是,目标对象类别为与待确定的货架分析结果的类型相对应的对象类别,也就是说,货品分析结果的类型决定所需识别的对象类别,在货架分析结果的类型确定的情况下,待识别的对象类别是确定的。另外,对于不同对象类别的目标对象,在货架分析时,所需的属性信息可以不同或相同。
可选地,在一种实现方式中,在货品分析结果的类型为货品陈列是否准确,即货品在货架上的陈列区域是否准确时,目标对象类别可以为:货品标签类别,此时,目标对象类别对应的各个目标对象为货品标签,各个目标对象的属性信息可以为:货品标签的位置信息。
在货品分析结果的类型为促销标签是否准确,即促销标签在货架上的区域是否准确时,目标对象类别可以为:促销标签类别和货品标签类别,此时,目标对象类别对应的各个目标对象为:促销标签和货品标签,各个目标对象的属性信息可以为:各个促销标签的位置信息和促销信息,以及各个货品标签的位置信息和各个货品标签所指示货品的货品标识。
在货品分析结果的类型为货品是否缺货时,目标对象类别可以为:货品类别和货品标签类别,此时,目标对象类别对应的各个目标对象为:货品和货品标签,各个目标对象的属性信息可以为:各个货品的位置信息和各个货品标签的位置信息。
在货品分析结果的类型为货品的热度信息时,目标对象类别可以为:货品类别和货品标签类别,此时,目标对象类别对应的各个目标对象为:货品和货品标签,各个目标对象的属性信息可以为:各个货品的位置信息和各个货品标签的位置信息。
在货品分析结果的类型为人员的热度信息时,目标对象类别可以为:人员类别,此时,目标对象类别对应的各个目标对象为:人员,各个目标对象的属性信息可以为:人员数量。
为了方案完整及描述清楚,后续结合具体实施例,对识别所述目标货架图像中属于目标对象类别的各个目标对象,得到所述各个目标对象的属性信息进行详细描述。需要强调的是,上述所给出的关于货架分析结果的类型与对象类别的映射关系,仅仅作为示例,并不应该构成对本发明实施例的限定。
S130,基于各个目标对象的属性信息,确定货架对应的货架分析结果。
由于目标对象类别是与待确定的货架分析结果的类型相对应的对象类别,因此,在得到各个目标对象的属性信息后,可以基于各个目标对象的属性信息,确定货架对应的货架分析结果。可以理解的是,对于不同类型的货架分析结果,基于各个目标对象的属性信息,确定货架对应的货架分析结果的具体过程不同。为了方案完整及描述清楚,下面结合具体实施例,对基于各个目标对象的属性信息,确定货架对应的货架分析结果的具体实现方式进行详细描述。
本发明实施例提供的技术方案,获得目标货架图像;其中,目标货架图像中包含待分析货架对应的图像区域;识别目标货架图像中属于目标对象类别的各个目标对象,得到各个目标对象的属性信息,其中,目标对象类别为:与待确定的货架分析结果的类型相对应的对象类别;基于各个目标对象的属性信息,确定货架对应的货架分析结果。可见,本发明实施例所提供的货架分析方法可以自动化地对货架进行分析,而无需通过工作人员人工对货架进行分析,从而提高了货架分析的效率。
需要说明的是,待确定的货架分析结果的类型可以是固定的,此时,目标对象类别可以是固定的。当然,在每次货架分析时,可以由人工指定当前待确定的货架分析结果的类型,或者,该货架分析装置根据预先设定的规则,确定当前待确定的货架分析结果的类型,这样,可以提高货架分析的可控性,从而满足不同时刻下的货架分析需求。其中,该预先设定的规则可以为:关于时间点/时间段与货架分析结果的类型的对应关系,当然并不局限于此。那么,为了提高货架分析的可控性,在一种实施方式中,在识别目标货架图像中属于目标对象类别的各个目标对象,得到各个目标对象的属性信息的步骤之前,所述货架分析方法还可以包括:
获得待确定的货架分析结果的类型;
基于预设的关于货架分析结果的类型与对象类别的映射关系,确定与待确定的货架分析结果的类型相对应的目标对象类别。
在该实施方式中,在对目标货架图像的对象进行识别之前,可以获得待确定的货架分析结果的类型;并且,基于预设的关于货架分析结果的类型与对象类别的映射关系,确定与待确定的货架分析结果的类型相对应的目标对象类别。具体的,关于货架分析结果的类型与对象类别的映射关系,可以为:货品陈列是否准确对应于:货品标签类别;促销标签是否准确对应于:促销标签类别和货品标签类别;货品是否缺货对应于:货品类别和货品标签类别;货品的热度信息对应于:货品类别和货品标签类别;人员的热度信息对应于:人员类别。当然,这只是示例性地对关于货架分析结果的类型与对象类别的映射关系进行了描述,并不应该构成对本发明实施例的限定。
举例而言,当所获得的货品分析结果的类型为货品陈列是否准确时,基于预设的关于货架分析结果的类型与对象类别的映射关系,可以确定目标对象类别为:货品标签类别,此时,可以只识别目标货架图像中的货品标签。
为了方案清楚,下面结合待确定的货架分析结果的各个类型,分别介绍识别目标货架图像中属于目标对象类别的各个目标对象,得到各个目标对象的属性信息的具体过程,以及基于各个目标对象的属性信息,确定货架对应的货架分析结果的具体过程。
在一种实施方式中,待确定的货架分析结果的类型包括:货品陈列是否准确,相应的,目标对象类别包括:货品标签类别。
相应的,S120,识别目标货架图像中属于目标对象类别的各个目标对象,得到各个目标对象的属性信息的步骤,可以包括:
识别目标货架图像中各个货品标签,得到各个货品标签的位置信息。上述货品标签可以为:用于展示商品名称、价格等信息的纸质显示牌或电子显示牌;
其中,可以利用预先训练的、用于识别货品标签的位置信息的神经网络模型,来识别目标货架图像中各个货品标签,得到各个货品标签的位置信息。关于神经网络模型的类型、结构以及训练过程,在此不做限定。
相应的,S130,基于各个目标对象的属性信息,确定货架对应的货架分析结果的步骤,可以包括如下步骤a1-a4:
a1,基于各个货品标签的位置信息,确定各个货品标签在货架中的层号和列号;
其中,基于各个货品标签的位置信息,确定各个货品标签在货架中的层号和列号的步骤的具体实现方式存在多种,任一种能够基于各个对象的位置信息来确定各个对象的层号和列号的实现方式均可以适用于本发明实施例。可选地,在一种示例中,基于各个货品标签的位置信息,确定各个货品标签在货架中的层号和列号的步骤,可以包括:
将各个货品标签位置信息按照纵坐标信息由小到大或由大到小进行垂直投影,得到各个货品标签在货架中的层号;
将每一层号对应的各个货品标签的位置信息按照横坐标信息由小到大或由大到小进行水平投影,得到各个货品标签在货架中的列号。
a2,针对每一货品标签,确定该货品标签所指示货品的货品标识。
其中,关于所述针对每一货品标签,确定该货品标签所指示货品的货品标识的步骤的具体实现方式存在多种。可选地,针对每一货品标签,确定该货品标签所指示货品的货品标识的步骤,可以包括:
针对每一货品标签,识别该货品标签,得到该货品标签所指示货品的货品标识。其中,所谓的识别该货品标签具体可以为:对该货品标签所在的图像区域中的文字或者条形码进行识别,得到该货品标签所指示货品的货品标识。
可选地,目标对象类别还包括:货品类别;此时,针对每一货品标签,确定该货品标签所指示货品的货品标识的步骤,可以包括:
识别目标货架图像中各个货品,得到各个货品的位置信息和货品标识;
针对每一货品标签,从各个货品的位置信息中,确定符合第一筛选条件的第一位置信息,将对应第一位置信息的货品的货品标识,作为该货品标签所指示货品的货品标识,其中,第一筛选条件为:所对应的区域与该货品标签的位置信息所对应的区域最近。
在该实施方式中,第一位置信息所对应的区域与该货品标签的位置信息所对应的区域最近,说明第一位置信息所对应的货品是该货品标签所指示的货品,因此,第一位置信息所对应的货品的货品标识与该货品标签所指示货品的货品标识相同,可以将对应第一位置信息的货品的货品标识,作为该货品标签所指示货品的货品标识。
a3,基于各个货品标签在货架中的层号和列号,以及各个货品标签所指示货品的货品标识,按照预设的生成方式,生成货架的目标棚格图;
其中,预设的生成方式为:每一货品标签对应目标棚格图中的一个棚格,任一货品标签所对应棚格的标识为该货品标签所指示货品的货品标识,且任一货品标识所对应棚格在棚格图中的层号和列号,与该货品标签在货架中的层号和列号相同。
在得到各个货品标签在货架中的层号和列号以及各个货品标签所指示的货品标识后,即可以生成目标货架图像的目标棚格图。任一货架的棚格图指货架布置的拓扑图,用于标明每一层、每一列的商品类别和位置关系。
举例而言,目标货架图像为图2所示的货架图像,该货架图像最上面一层(层号为1)所陈列的商品有三类,从左到右,这三类商品的商品标识依次为A、B、C;该货架图像中间一层(层号为2)所陈列的商品有两类,从左到右,这两类商品的商品标识依次为D、E;该货架图像最下面一层(层号为3)所陈列的商品有三类,从左到右,这三类商品的商品标识依次为F、G、H。
由图2可知,目标货架图像中包含8个货品标签。分别识别8个货品标签的位置信息和8个货品标签所指示货品的货品标识,分别为A、B、C、D、E、F、G、H。
将8个货品标签的位置信息按照纵坐标由小到大(由上到下)进行垂直投影,得到各个货品标签在货架中的层号,可以理解的是,8个货品标签中,其中,有3个货品标签的层号为1,有2个货品标签的层号为2,其余3个货品标签的层号为3。
在得到各个货品标签在货架中的层号后,将层号为1的3个货品标签按照横坐标信息由小到大(由左到右)进行水平投影,得到层号为1的3个货品标签的列号分别为1、2、3;将层号为2的2个货品标签按照横坐标信息由小到大进行水平投影,得到层号为2的2个货品标签的列号分别为1、2;将层号为3的3个货品标签按照横坐标信息由小到大进行水平投影,得到层号为3的3个货品标签的列号分别为1、2、3。
在得到各个货品标签在货架中的层号和列号之后,以及各个货品标签所指示的货品标识后,即可以绘制出目标货架图像对应的目标棚格图,所绘制出的目标棚格图可以为如图4所示的棚格图。
a4,基于目标棚格图和预设的标准棚格图的对比结果,确定货架的货品陈列是否准确。
在绘制出目标棚格图之后,可以将目标棚格图和预设的标准棚格图进行比对,得到对比结果,并基于所得到的对比结果,确定货架的货品陈列是否准确。
可选地,基于目标棚格图和预设的标准棚格图的对比结果,确定货架的货品陈列是否准确的步骤,可以包括:
针对目标棚格图中的每一棚格,判断该棚格的标识与该棚格所对应的标准棚格的标识是否一致,如果是,确定货架的货品陈列准确,否则,确定货架的货品陈列不准确,该棚格所对应的标准棚格为:标准棚格图中与该棚格的层号和列号相同的棚格。
举例而言,目标棚格图中的一个棚格的标识为A,该棚格所对应的标准棚格的标识也为B,说明货架的货品陈列不准确。
并且,由于目标棚格图是基于货架上的货品标签来生成的,因此,基于目标棚格图和预设的标准棚格图的对比结果,还可以判断出货架上的货品标签是否丢失。例如,如果目标棚格图和预设的标准棚格图的对比结果为:目标棚格图的层数与标准棚格图的层数不同;或者目标棚格图的列数与标准棚格图的列数不同,则可以判断出货架上的货品标签存在丢失的情况。
在确定出货架的货品陈列不准确或者货架上的货品标签丢失后,为了使得工作人员及时得知货品陈列不准确或者货架上的货品标签丢失,可以向与工作人员关联的终端发送报警信息。其中,与工作人员关联的终端可以是手机、电脑等,报警信息的内容可以是简单的报警声音,还可以是携带有货架的货品陈列不准确或者货架上的货品标签丢失的信息;报警信息的形式可以是播放语音,发短信,发邮件等,本发明实施例对报警信息的内容和形式不做具体限定。
在另一种实施方式中,待确定的货架分析结果的类型包括:促销标签是否准确;目标对象类别包括:促销标签类别和货品标签类别。
相应的,S120,识别目标货架图像中属于目标对象类别的各个目标对象,得到各个目标对象的属性信息的步骤,可以包括:
识别目标货架图像中各个促销标签和各个货品标签,得到各个促销标签的位置信息和促销信息,以及各个货品标签的位置信息和各个货品标签所指示货品的货品标识。其中,可以利用预先训练的、用于识别货品标签的位置信息的神经网络模型,来识别目标货架图像中各个促销标签和各个货品标签,得到各个促销标签的位置信息和促销信息,以及各个货品标签的位置信息和各个货品标签所指示货品的货品标识。关于神经网络模型的类型、结构以及训练过程,在此不做限定。
相应的,S130,基于各个目标对象的属性信息,确定货架对应的货架分析结果的步骤,可以包括如下两个步骤,分别为b1和b2:
b1,针对每一促销标签,从各个货品标签的位置信息中,确定符合第二筛选条件的第二位置信息,将对应第二位置信息的货品标签的货品标识,作为该促销标签所对应的货品标识;其中,第二筛选条件为:所对应的区域与该促销标签的位置信息所对应的区域最近;
b2,针对每一促销标签,判断该促销标签的促销信息,是否与目标指定促销信息匹配,如果匹配,确定该促销标签准确,否则,确定该促销标签不准确;其中,目标指定促销信息为:该促销标签对应的货品标识所关联的指定促销信息。
在该实施方式中,针对每一促销标签,如果一个货品标签的位置信息所对应的区域与该促销标签的位置信息所对应的区域最近,说明该促销标签与该货品标签针对的是同一货品,因此,可以将该货品标签的货品标识作为该促销标签所对应的货品标识。其中,任一种能够计算两个位置信息所对应区域间的距离的实现方式,均可以适用于本发明实施例。
举例而言,如图5所示,目标货架图像的最上层左边有一个促销标签,该促销标签的促销信息为20%,假设所确定的该促销标签所对应的货品标识为A,但与货品标识为A所关联的指定促销信息为30%,可见,20%与30%不同,即该促销标签的促销信息与该促销标签对应的货品标识所关联的制定促销信息不匹配,因此,可以确定该促销标签不准确。
可以理解的是,通过本实施例提供的技术方案,还可以发现促销标签是否漏标。例如,如果与某一货品标识关联的指定促销信息为50%,而在目标货架图像中未识别出来货品标识对应的促销信息,此时,可以判断出促销标签漏标。
同样的,在确定出促销标签不准确或促销标签漏标后,为了使得工作人员及时得知促销标签不准确或促销标签漏标,可以向与工作人员关联的终端发送报警信息,在此不再赘述。
在另一种实施方式中,待确定的货架分析结果的类型包括:货品是否缺货;
目标对象类别包括:货品类别和货品标签类别。
相应的,S120,识别目标货架图像中属于目标对象类别的各个目标对象,得到各个目标对象的属性信息的步骤,可以包括:
识别目标货架图像中各个货品和各个货品标签,得到各个货品的位置信息和各个货品标签的位置信息。
其中,可以利用预先训练的、用于识别货品标签的位置信息的神经网络模型,来识别目标货架图像中各个货品和各个货品标签,得到各个货品的位置信息和各个货品标签的位置信息。关于神经网络模型的类型、结构以及训练过程,在此不做限定。
相应的,S130,基于各个目标对象的属性信息,确定货架对应的货架分析结果的步骤,可以包括如下步骤c1和c2:
c1,基于各个货品标签的位置信息,计算各个货品标签所指示货品的指定存放区域;
可选地,在一种示例性的实现方式中,基于各个货品标签的位置信息,计算各个货品标签所指示货品的指定存放区域的步骤,可以包括:
针对每一货品标签,基于该货品标签的位置信息和参考对象的位置信息,计算该货品标签所指示货品的指定存放区域的左下方的顶点和右下方的顶点,利用左下方的顶点、右下方的顶点以及预定的每一层的高度值,确定该货品标签所指示货品的指定存放区域;
其中,任一货品标签对应的参考对象为:与该货品标签位于同一水平位置、且相邻的货品标签,或者,货架的货架边缘上与该货品标签在同一水平位置的区域。
在该实现方式中,当任一货品标签对应的参考对象为:与该货品标签位于同一水平位置、且相邻的货品标签时,可以通过该货品标签的位置信息与其相邻的货品标签的位置信息,来确定该货品标签所指示货品的指定存放区域的左下方的顶点和右下方的顶点。
例如,任一货品标签位于该货品标签所指示货品的指定存放区域的左下角,可以将该货品标签的左上方的顶点作为指定存放区域的左下方的顶点,将与该货品标签相邻的货品标签的左上方的顶点作为指定存放区域的右下方的顶点。
同样的,在任一货品标签对应的参考对象为:货架的货架边缘上与该货品标签在同一水平位置的区域时,也可以通过该货品标签的位置信息与参考对象的位置信息,来确定该货品标签所指示货品的指定存放区域的左下方的顶点和右下方的顶点。
需要说明的是,货品标签的位置信息不同,所确定的货品标签所指示货品的指定存放区域的左下方的顶点和右下方的顶点也不同。本发明实施例对此不做具体限定。
c2,针对每一货品标签,从各个货品的位置信息中,确定符合第三筛选条件的第三位置信息,计算各个第三位置信息所对应区域的面积之和,计算面积之和与该货品标签所对应指定存放区域的面积的比值,作为该货品标签所对应货品的存储比值,并判断存储比值是否小于预设存储比值,如果是,确定该货品标签所对应的货品缺货,否则,确定该货品标签所对应的货品未缺货;其中,第三筛选条件为:所对应区域位于该货品标签所指示货品的指定存放区域。
对于每一货品标签,在确定了该货品标签所指示货品的指定存放区域后,可以计算在该指定存放区域中,货品所占的面积之和,并计算货品所占的面积之和与该指定存放区域的面积的比值,将该比值作为该货品标签所对应货品的存储比值;并判断该存储比值是否小于预设存储比值,如果该存储比值小于预设存储比值,则说明该货品标签所指示货品的指定存放区域中的商品较少,此时,可以确定该货品标签所对应的货品缺货;如果该存储比值不小于预设存储比值,则说明该货品标签所指示货品的指定存放区域中的商品较多,此时,可以确定该货品标签所对应的货品不缺货。
需要说明的是,预设存储比值的大小可以按照实际情况进行设置,如可以是0%,10%等,本发明实施例对预设存储比值的大小不做具体限定。
同样的,在确定出货品缺货后,为了使得工作人员及时得知货品缺货,可以向与工作人员关联的终端发送报警信息,在此不再赘述。
在另一种实施方式中,待确定的货架分析结果的类型包括:货品的热度信息;
目标对象类别包括:货品类别和货品标签类别;
此时,获得目标货架图像的步骤,可以包括:
获得预定时间段内的多张目标货架图像;
相应的,S120,识别目标货架图像中属于目标对象类别的各个目标对象,得到各个目标对象的属性信息的步骤,可以包括:
针对每一目标货架图像,识别该目标货架图像中各个货品和各个货品标签,得到各个货品的位置信息和各个货品标签的位置信息。
在该实施例中,为了得知货品的热度信息,需要获得预定时间段内的多张目标货架图像。该预设时间段可以是分钟、小时、天等,本发明实施例对预设时间段不做具体限定。
相应的,S130,基于各个目标对象的属性信息,确定货架对应的货架分析结果的步骤,可以包括如下步骤d1-d3:
d1,针对每一张目标货架图像,基于该目标货架图像中各个货品的位置信息和各个货品标签的位置信息,确定每一货品标签所对应货品的存储比值;
其中,在上述步骤c2中,已经对如何基于该目标货架图像中各个货品的位置信息和各个货品标签的位置信息,确定每一货品标签所对应货品的存储比值进行了详细介绍,在此不再赘述。
d2,针对相邻的两张目标货架图像,计算同一货品标签所对应货品的存储比值的差值;
d3,针对每一货品标签,将该货品标签对应的各个差值之和,作为该货品标签对应的货品的货品热度。
举例而言,获得一小时内采集的3张目标货品图像,这三张相邻的目标货架图像分别为目标货品图像1、目标货品图像2和目标货品图像3,其中,目标货品图像1中货品标签1所对应货品的存储比值为90%;目标货品图像2中货品标签1所对应货品的存储比值为70%;目标货品图像3中货品标签1所对应货品的的存储比值为60%;目标货品图像1中货品标签1所对应货品的存储比值与目标货品图像2中货品标签1所对应货品的存储比值之差为20%;目标货品图像2中货品标签1所对应货品的存储比值与目标货品图像3中货品标签1所对应货品的存储比值之差为10%;将计算所得到的两个存储比值的差值求和,得到该货品标签1对应的货品的货品热度为30%。
在另一种实施方式中,待确定的货架分析结果的类型包括:人员的热度信息;
目标对象类别包括:人员类别;
获得目标货架图像的步骤,包括:
获得预定时间段内的多张目标货架图像;
S120,识别目标货架图像中属于目标对象类别的各个目标对象,得到各个目标对象的属性信息的步骤,包括:
针对每一目标货架图像,识别该目标货架图像中各个人员,得到该目标货架图像中所包含人员的人员数量。
在该实施例中,为了得知货品的热度信息,需要获得预定时间段内的多张目标货架图像。该预设时间段可以是分钟、小时、天等,本发明实施例对预设时间段不做具体限定。
在一种实施方式中,S130,基于各个目标对象的属性信息,确定货架对应的货架分析结果的步骤,可以包括如下两个步骤,分别为e1和e2:
e1,计算各个目标货架图像中所包含人员的人员数量之和;
e2,将计算所得到的人员数量之和与多张目标货架图像的图像数量的比值,作为人员的热度信息。举例而言,获得一小时内采集的3张目标货品图像,分别为目标货品图像1、目标货品图像2和目标货品图像3,其中,目标货品图像1中所包含的人员数量为6个;目标货品图像2中所包含的人员数量为9个;目标货品图像3中所包含的人员数量为3个;这三张目标货品图像中所包含人员的人员数量之和为18;计算所得到的人员数量之和与目标货架图像的图像数量的比值为6,那么,人员的热度信息为6。
可以理解的是,在得到货品的热度信息以及人员的热度信息后,还可以计算货品的热度信息与人员的热度信息的比值,即可以得到货品的转化率。
需要强调的是,本发明实施例中待确定的货架分析结果的类型可以只包括一个,还可以同时包括多种。也就是说,可以同时分析货品陈列是否准确、促销标签是否准确、货品是否缺货、货品的热度信息、人员的热度信息中的一种或者多种,本发明实施例对此不作具体限定。并且,可以将货架分析结果以报表的形式输出,这都是合理的。
第二方面,本发明实施例提供了一种货架分析装置,如图6所示,所述装置包括:
图像获取模块610,用于获得目标货架图像;其中,所述目标货架图像中包含待分析货架对应的图像区域;
对象识别模块620,用于识别所述目标货架图像中属于目标对象类别的各个目标对象,得到所述各个目标对象的属性信息,其中,所述目标对象类别为:与待确定的货架分析结果的类型相对应的对象类别;
货架分析模块630,用于基于所述各个目标对象的属性信息,确定所述货架对应的货架分析结果。
本发明实施例提供的技术方案,获得目标货架图像;其中,目标货架图像中包含待分析货架对应的图像区域;识别目标货架图像中属于目标对象类别的各个目标对象,得到各个目标对象的属性信息,其中,目标对象类别为:与待确定的货架分析结果的类型相对应的对象类别;基于各个目标对象的属性信息,确定货架对应的货架分析结果。可见,本发明实施例所提供的货架分析方法可以自动化地对货架进行分析,而无需通过工作人员人工对货架进行分析,从而提高了货架分析的效率。
可选的,所述装置还可以包括:
类型确定模块,用于在所述对象识别模块识别所述目标货架图像中属于目标对象类别的各个目标对象,得到所述各个目标对象的属性信息之前,获得待确定的货架分析结果的类型;
基于预设的关于货架分析结果的类型与对象类别的映射关系,确定与所述待确定的货架分析结果的类型相对应的目标对象类别。
可选的,所述待确定的货架分析结果的类型包括:货品陈列是否准确;
所述目标对象类别包括:货品标签类别;
所述对象识别模块,具体用于:
识别所述目标货架图像中各个货品标签,得到所述各个货品标签的位置信息。
可选的,所述货架分析模块,包括:
层号列号确定子模块,用于基于各个货品标签的位置信息,确定各个货品标签在货架中的层号和列号;
第一货品标识确定子模块,用于针对每一货品标签,确定该货品标签所指示货品的货品标识;
棚格图生成子模块,用于基于各个货品标签在货架中的层号和列号,以及各个货品标签所指示货品的货品标识,按照预设的生成方式,生成所述目标货架图像的目标棚格图,其中,所述预设的生成方式为:每一货品标签对应所述目标棚格图中的一个棚格,任一货品标签所对应棚格的标识为该货品标签所指示货品的货品标识,且任一货品标识所对应棚格在棚格图中的层号和列号,与该货品标签在货架中的层号和列号相同;
货品陈列确定子模块,用于基于所述目标棚格图和预设的标准棚格图的对比结果,确定所述货架的货品陈列是否准确。
可选的,所述货品陈列确定子模块,具体用于:
针对所述目标棚格图中的每一棚格,判断该棚格的标识与该棚格所对应的标准棚格的标识是否一致,如果是,确定所述货架的货品陈列准确,否则,确定所述货架的货品陈列不准确,该棚格所对应的标准棚格为:所述标准棚格图中与该棚格的层号和列号相同的棚格。
可选的,所述层号列号确定子模块,具体用于:
将各个货品标签位置信息按照纵坐标信息由小到大或由大到小进行垂直投影,得到各个货品标签在货架中的层号;
将每一层号对应的各个货品标签的位置信息按照横坐标信息由小到大或由大到小进行水平投影,得到各个货品标签在货架中的列号。
可选的,所述货品标识确定子模块,具体用于:
针对每一货品标签,识别该货品标签,得到该货品标签所指示货品的货品标识。
可选的,所述目标对象类别还包括:货品类别;
所述货品标识确定子模块,具体用于:
识别所述目标货架图像中各个货品,得到所述各个货品的位置信息和货品标识;
针对每一货品标签,从各个货品的位置信息中,确定符合第一筛选条件的第一位置信息,将对应所述第一位置信息的货品的货品标识,作为该货品标签所指示货品的货品标识,其中,所述第一筛选条件为:所对应的区域与该货品标签的位置信息所对应的区域最近。
可选的,所述待确定的货架分析结果的类型包括:促销标签是否准确;
所述目标对象类别包括:促销标签类别和货品标签类别;
所述对象识别模块,具体用于:
识别所述目标货架图像中各个促销标签和各个货品标签,得到所述各个促销标签的位置信息和促销信息,以及各个货品标签的位置信息和各个货品标签所指示货品的货品标识。
可选的,所述货架分析模块,包括:
第二货品标识确定子模块,针对每一促销标签,从各个货品标签的位置信息中,确定符合第二筛选条件的第二位置信息,将对应第二位置信息的货品标签的货品标识,作为该促销标签所对应的货品标识;其中,所述第二筛选条件为:所对应的区域与该促销标签的位置信息所对应的区域最近;
促销标签确定子模块,用于针对每一促销标签,判断该促销标签的促销信息,是否与目标指定促销信息匹配,如果匹配,确定该促销标签准确,否则,确定该促销标签不准确;其中,所述目标指定促销信息为:该促销标签对应的货品标识所关联的指定促销信息。
可选的,所述待确定的货架分析结果的类型包括:货品是否缺货;
所述目标对象类别包括:货品类别和货品标签类别;
所述对象识别模块,具体用于:
识别所述目标货架图像中各个货品和各个货品标签,得到所述各个货品的位置信息和所述各个货品标签的位置信息。
可选的,所述货架分析模块,包括:
存放区域确定子模块,用于基于各个货品标签的位置信息,计算各个货品标签所指示货品的指定存放区域;
货品缺货确定子模块,用于针对每一货品标签,从各个货品的位置信息中,确定符合第三筛选条件的第三位置信息,计算各个第三位置信息所对应区域的面积之和,计算所述面积之和与该货品标签所对应指定存放区域的面积的比值,作为该货品标签所对应货品的存储比值,并判断所述存储比值是否小于预设存储比值,如果是,确定该货品标签所对应的货品缺货,否则,确定该货品标签所对应的货品未缺货;其中,所述第三筛选条件为:所对应区域位于该货品标签所指示货品的指定存放区域。
可选的,所述存放区域确定子模块,具体用于:
针对每一货品标签,基于该货品标签的位置信息和参考对象的位置信息,计算该货品标签所指示货品的指定存放区域的左下方的顶点和右下方的顶点,利用左下方的顶点、右下方的顶点以及预定的每一层的高度值,确定该货品标签所指示货品的指定存放区域;
其中,任一货品标签对应的参考对象为:与该货品标签位于同一水平位置、且相邻的货品标签,或者,所述货架的货架边缘上与该货品标签在同一水平位置的区域。
可选的,所述待确定的货架分析结果的类型包括:货品的热度信息;
所述目标对象类别包括:货品类别和货品标签类别;
所述图像获取模块,具体用于:
获得预定时间段内的多张目标货架图像;
所述对象识别模块,具体用于:
针对每一目标货架图像,识别该目标货架图像中各个货品和各个货品标签,得到所述各个货品的位置信息和所述各个货品标签的位置信息。
可选的,所述货架分析模块,包括:
存储比值确定子模块,用于针对每一张目标货架图像,基于该目标货架图像中各个货品的位置信息和所述各个货品标签的位置信息,确定每一货品标签所对应货品的存储比值;
存储比值差值确定子模块,用于针对相邻的两张目标货架图像,计算同一货品标签所对应货品的存储比值的差值;
货品热度确定子模块,用于针对每一货品标签,将该货品标签对应的各个差值之和,作为该货品标签对应的货品的货品热度。
可选的,所述待确定的货架分析结果的类型包括:人员的热度信息;
所述目标对象类别包括:人员类别;
所述图像获取模块,具体用于:
获得预定时间段内的多张目标货架图像;
所述对象识别模块,具体用于:
针对每一目标货架图像,识别该目标货架图像中各个人员,得到该目标货架图像中所包含人员的人员数量。
可选的,所述货架分析模块,包括:
人员数量计算子模块,用于计算各个目标货架图像中所包含人员的人员数量之和;
人员热度确定子模块,用于将计算所得到的人员数量之和与多张目标货架图像的图像数量的比值,作为人员的热度信息。
第三方面,本发明实施例提供了一种货架分析系统,如图7所示,所述系统包括:
图像采集设备710和服务器720;
其中,所述图像采集设备710,用于采集目标货架图像,并将所采集的目标货架图像发送至服务器;其中,所述目标货架图像中包含待分析货架对应的图像区域;
服务器720,用于从图像采集设备获得目标货架图像;识别所述目标货架图像中属于目标对象类别的各个目标对象,得到所述各个目标对象的属性信息,其中,所述目标对象类别为:与待确定的货架分析结果的类型相对应的对象类别;基于所述各个目标对象的属性信息,确定所述货架对应的货架分析结果。
本发明实施例提供的技术方案,获得目标货架图像;其中,目标货架图像中包含待分析货架对应的图像区域;识别目标货架图像中属于目标对象类别的各个目标对象,得到各个目标对象的属性信息,其中,目标对象类别为:与待确定的货架分析结果的类型相对应的对象类别;基于各个目标对象的属性信息,确定货架对应的货架分析结果。可见,本发明实施例所提供的货架分析方法可以自动化地对货架进行分析,而无需通过工作人员人工对货架进行分析,从而提高了货架分析的效率。
可选的,所述服务器,还用于:
在所述对象识别模块识别所述目标货架图像中属于目标对象类别的各个目标对象,得到所述各个目标对象的属性信息之前,获得待确定的货架分析结果的类型;
基于预设的关于货架分析结果的类型与对象类别的映射关系,确定与所述待确定的货架分析结果的类型相对应的目标对象类别。
可选的,在第一种实施方式中,所述待确定的货架分析结果的类型包括:货品陈列是否准确;
所述目标对象类别包括:货品标签类别;
所述服务器识别所述目标货架图像中属于目标对象类别的各个目标对象,得到所述各个目标对象的属性信息,具体为:
识别所述目标货架图像中各个货品标签,得到所述各个货品标签的位置信息。
可选的,所述基于所述各个目标对象的属性信息,确定所述货架对应的货架分析结果,具体为:
基于各个货品标签的位置信息,确定各个货品标签在货架中的层号和列号;
针对每一货品标签,确定该货品标签所指示货品的货品标识;
基于各个货品标签在货架中的层号和列号,以及各个货品标签所指示货品的货品标识,按照预设的生成方式,生成所述目标货架图像的目标棚格图,其中,所述预设的生成方式为:每一货品标签对应所述目标棚格图中的一个棚格,任一货品标签所对应棚格的标识为该货品标签所指示货品的货品标识,且任一货品标识所对应棚格在棚格图中的层号和列号,与该货品标签在货架中的层号和列号相同;
基于所述目标棚格图和预设的标准棚格图的对比结果,确定所述货架的货品陈列是否准确。
可选的,所述服务器基于所述目标棚格图和预设的标准棚格图的对比结果,确定所述货架的货品陈列是否准确,具体为:
针对所述目标棚格图中的每一棚格,判断该棚格的标识与该棚格所对应的标准棚格的标识是否一致,如果是,确定所述货架的货品陈列准确,否则,确定所述货架的货品陈列不准确,该棚格所对应的标准棚格为:所述标准棚格图中与该棚格的层号和列号相同的棚格。
可选的,所述服务器基于各个货品标签的位置信息,确定各个货品标签在货架中的层号和列号,具体为:
将各个货品标签位置信息按照纵坐标信息由小到大或由大到小进行垂直投影,得到各个货品标签在货架中的层号;
将每一层号对应的各个货品标签的位置信息按照横坐标信息由小到大或由大到小进行水平投影,得到各个货品标签在货架中的列号。
可选的,所述服务器针对每一货品标签,确定该货品标签所指示货品的货品标识,具体为:
针对每一货品标签,识别该货品标签,得到该货品标签所指示货品的货品标识。
可选的,所述目标对象类别还包括:货品类别;
所述服务器针对每一货品标签,确定该货品标签所指示货品的货品标识,具体为:
识别所述目标货架图像中各个货品,得到所述各个货品的位置信息和货品标识;
针对每一货品标签,从各个货品的位置信息中,确定符合第一筛选条件的第一位置信息,将对应所述第一位置信息的货品的货品标识,作为该货品标签所指示货品的货品标识,其中,所述第一筛选条件为:所对应的区域与该货品标签的位置信息所对应的区域最近。
可选的,所述待确定的货架分析结果的类型包括:促销标签是否准确;
所述目标对象类别包括:促销标签类别和货品标签类别。
所述服务器识别所述目标货架图像中属于目标对象类别的各个目标对象,得到所述各个目标对象的属性信息,具体为:
识别所述目标货架图像中各个促销标签和各个货品标签,得到所述各个促销标签的位置信息和促销信息,以及各个货品标签的位置信息和各个货品标签所指示货品的货品标识。
可选的,所述服务器基于所述各个目标对象的属性信息,确定所述货架对应的货架分析结果,具体为:
针对每一促销标签,从各个货品标签的位置信息中,确定符合第二筛选条件的第二位置信息,将对应第二位置信息的货品标签的货品标识,作为该促销标签所对应的货品标识;其中,所述第二筛选条件为:所对应的区域与该促销标签的位置信息所对应的区域最近;
针对每一促销标签,判断该促销标签的促销信息,是否与目标指定促销信息匹配,如果匹配,确定该促销标签准确,否则,确定该促销标签不准确;其中,所述目标指定促销信息为:该促销标签对应的货品标识所关联的指定促销信息。
可选的,所述待确定的货架分析结果的类型包括:货品是否缺货;
所述目标对象类别包括:货品类别和货品标签类别。
所述识别所述目标货架图像中属于目标对象类别的各个目标对象,得到所述各个目标对象的属性信息,具体为:
识别所述目标货架图像中各个货品和各个货品标签,得到所述各个货品的位置信息和所述各个货品标签的位置信息。
可选的,所述服务器基于所述各个目标对象的属性信息,确定所述货架对应的货架分析结果,具体为:
基于各个货品标签的位置信息,计算各个货品标签所指示货品的指定存放区域;
针对每一货品标签,从各个货品的位置信息中,确定符合第三筛选条件的第三位置信息,计算各个第三位置信息所对应区域的面积之和,计算所述面积之和与该货品标签所对应指定存放区域的面积的比值,作为该货品标签所对应货品的存储比值,并判断所述存储比值是否小于预设存储比值,如果是,确定该货品标签所对应的货品缺货,否则,确定该货品标签所对应的货品未缺货;其中,所述第三筛选条件为:所对应区域位于该货品标签所指示货品的指定存放区域。
可选的,所述服务器基于各个货品标签的位置信息,计算各个货品标签所指示货品的指定存放区域,具体为:
针对每一货品标签,基于该货品标签的位置信息和参考对象的位置信息,计算该货品标签所指示货品的指定存放区域的左下方的顶点和右下方的顶点,利用左下方的顶点、右下方的顶点以及预定的每一层的高度值,确定该货品标签所指示货品的指定存放区域;
其中,任一货品标签对应的参考对象为:与该货品标签位于同一水平位置、且相邻的货品标签,或者,所述货架的货架边缘上与该货品标签在同一水平位置的区域。
可选的,所述待确定的货架分析结果的类型包括:货品的热度信息;
所述目标对象类别包括:货品类别和货品标签类别;
所述获得目标货架图像,具体为:
获得预定时间段内的多张目标货架图像;
所述服务器识别所述目标货架图像中属于目标对象类别的各个目标对象,得到所述各个目标对象的属性信息,具体为:
针对每一目标货架图像,识别该目标货架图像中各个货品和各个货品标签,得到所述各个货品的位置信息和所述各个货品标签的位置信息。
可选的,所述服务器基于所述各个目标对象的属性信息,确定所述货架对应的货架分析结果,具体为:
针对每一张目标货架图像,基于该目标货架图像中各个货品的位置信息和所述各个货品标签的位置信息,确定每一货品标签所对应货品的存储比值;
针对相邻的两张目标货架图像,计算同一货品标签所对应货品的存储比值的差值;
针对每一货品标签,将该货品标签对应的各个差值之和,作为该货品标签对应的货品的货品热度。
可选的,所述待确定的货架分析结果的类型包括:人员的热度信息;
所述目标对象类别包括:人员类别;
所述服务器获得目标货架图像,具体为:
获得预定时间段内的多张目标货架图像;
所述服务器识别所述目标货架图像中属于目标对象类别的各个目标对象,得到所述各个目标对象的属性信息,具体为:
针对每一目标货架图像,识别该目标货架图像中各个人员,得到该目标货架图像中所包含人员的人员数量。
可选的,所述服务器基于所述各个目标对象的属性信息,确定所述货架对应的货架分析结果,具体为:
计算各个目标货架图像中所包含人员的人员数量之和;
将计算所得到的人员数量之和与多张目标货架图像的图像数量的比值,作为人员的热度信息。
第四方面,本发明实施例还提供了一种电子设备,如图8所示,包括处理器801、通信接口802、存储器803和通信总线804,其中,处理器801,通信接口802,存储器803通过通信总线804完成相互间的通信,
存储器803,用于存放计算机程序;
处理器801,用于执行存储器803上所存放的程序时,实现第一方面所述的货架分析方法。
本发明实施例提供的技术方案,获得目标货架图像;其中,目标货架图像中包含待分析货架对应的图像区域;识别目标货架图像中属于目标对象类别的各个目标对象,得到各个目标对象的属性信息,其中,目标对象类别为:与待确定的货架分析结果的类型相对应的对象类别;基于各个目标对象的属性信息,确定货架对应的货架分析结果。可见,本发明实施例所提供的货架分析方法可以自动化地对货架进行分析,而无需通过工作人员人工对货架进行分析,从而提高了货架分析的效率。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
第五方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现实现第一方面所述的货架分析方法。
本发明实施例提供的技术方案,获得目标货架图像;其中,目标货架图像中包含待分析货架对应的图像区域;识别目标货架图像中属于目标对象类别的各个目标对象,得到各个目标对象的属性信息,其中,目标对象类别为:与待确定的货架分析结果的类型相对应的对象类别;基于各个目标对象的属性信息,确定货架对应的货架分析结果。可见,本发明实施例所提供的货架分析方法可以自动化地对货架进行分析,而无需通过工作人员人工对货架进行分析,从而提高了货架分析的效率。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、系统、电子设备及存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (20)
1.一种货架分析方法,其特征在于,所述方法包括:
获得目标货架图像;其中,所述目标货架图像中包含待分析货架对应的图像区域;
识别所述目标货架图像中属于目标对象类别的各个目标对象,得到所述各个目标对象的属性信息,其中,所述目标对象类别为:与待确定的货架分析结果的类型相对应的对象类别;
基于所述各个目标对象的属性信息,确定所述货架对应的货架分析结果;
其中,在所述目标对象类别为货品标签类别时,各个目标对象的属性信息为:货品标签的位置信息;
在所述目标对象类别为促销标签类别和货品标签类别时,各个目标对象的属性信息为:各个促销标签的位置信息和促销信息,以及各个货品标签的位置信息和各个货品标签所指示货品的货品标识;
在所述目标对象类别为货品类别和货品标签类别,各个目标对象的属性信息为:各个货品的位置信息和各个货品标签的位置信息;
在所述目标对象类别为人员类别时,各个目标对象的属性信息为:人员数量。
2.根据权利要求1所述的方法,其特征在于,在所述识别所述目标货架图像中属于目标对象类别的各个目标对象,得到所述各个目标对象的属性信息的步骤之前,所述方法还包括:
获得待确定的货架分析结果的类型;
基于预设的关于货架分析结果的类型与对象类别的映射关系,确定与所述待确定的货架分析结果的类型相对应的目标对象类别。
3.根据权利要求1或2所述的方法,其特征在于,所述待确定的货架分析结果的类型包括:货品陈列是否准确;
所述目标对象类别包括:货品标签类别;
所述识别所述目标货架图像中属于目标对象类别的各个目标对象,得到所述各个目标对象的属性信息的步骤,包括:
识别所述目标货架图像中各个货品标签,得到所述各个货品标签的位置信息。
4.根据权利要求3所述的方法,其特征在于,所述基于所述各个目标对象的属性信息,确定所述货架对应的货架分析结果的步骤,包括:
基于各个货品标签的位置信息,确定各个货品标签在货架中的层号和列号;
针对每一货品标签,确定该货品标签所指示货品的货品标识;
基于各个货品标签在货架中的层号和列号,以及各个货品标签所指示货品的货品标识,按照预设的生成方式,生成所述目标货架图像的目标棚格图,其中,所述预设的生成方式为:每一货品标签对应所述目标棚格图中的一个棚格,任一货品标签所对应棚格的标识为该货品标签所指示货品的货品标识,且任一货品标识所对应棚格在棚格图中的层号和列号,与该货品标签在货架中的层号和列号相同;
基于所述目标棚格图和预设的标准棚格图的对比结果,确定所述货架的货品陈列是否准确。
5.根据权利要求4所述的方法,其特征在于,所述基于所述目标棚格图和预设的标准棚格图的对比结果,确定所述货架的货品陈列是否准确的步骤,包括:
针对所述目标棚格图中的每一棚格,判断该棚格的标识与该棚格所对应的标准棚格的标识是否一致,如果是,确定所述货架的货品陈列准确,否则,确定所述货架的货品陈列不准确,该棚格所对应的标准棚格为:所述标准棚格图中与该棚格的层号和列号相同的棚格。
6.根据权利要求4所述的方法,其特征在于,所述基于各个货品标签的位置信息,确定各个货品标签在货架中的层号和列号的步骤,包括:
将各个货品标签位置信息按照纵坐标信息由小到大或由大到小进行垂直投影,得到各个货品标签在货架中的层号;
将每一层号对应的各个货品标签的位置信息按照横坐标信息由小到大或由大到小进行水平投影,得到各个货品标签在货架中的列号。
7.根据权利要求4所述的方法,其特征在于,针对每一货品标签,确定该货品标签所指示货品的货品标识的步骤,包括:
针对每一货品标签,识别该货品标签,得到该货品标签所指示货品的货品标识。
8.根据权利要求4所述的方法,其特征在于,所述目标对象类别还包括:货品类别;
所述针对每一货品标签,确定该货品标签所指示货品的货品标识的步骤,包括:
识别所述目标货架图像中各个货品,得到所述各个货品的位置信息和货品标识;
针对每一货品标签,从各个货品的位置信息中,确定符合第一筛选条件的第一位置信息,将对应所述第一位置信息的货品的货品标识,作为该货品标签所指示货品的货品标识,其中,所述第一筛选条件为:所对应的区域与该货品标签的位置信息所对应的区域最近。
9.根据权利要求1或2所述的方法,其特征在于,所述待确定的货架分析结果的类型包括:促销标签是否准确;
所述目标对象类别包括:促销标签类别和货品标签类别;
所述识别所述目标货架图像中属于目标对象类别的各个目标对象,得到所述各个目标对象的属性信息的步骤,包括:
识别所述目标货架图像中各个促销标签和各个货品标签,得到所述各个促销标签的位置信息和促销信息,以及各个货品标签的位置信息和各个货品标签所指示货品的货品标识。
10.根据权利要求9所述的方法,其特征在于,基于所述各个目标对象的属性信息,确定所述货架对应的货架分析结果,包括:
针对每一促销标签,从各个货品标签的位置信息中,确定符合第二筛选条件的第二位置信息,将对应第二位置信息的货品标签的货品标识,作为该促销标签所对应的货品标识;其中,所述第二筛选条件为:所对应的区域与该促销标签的位置信息所对应的区域最近;
针对每一促销标签,判断该促销标签的促销信息,是否与目标指定促销信息匹配,如果匹配,确定该促销标签准确,否则,确定该促销标签不准确;其中,所述目标指定促销信息为:该促销标签对应的货品标识所关联的指定促销信息。
11.根据权利要求1或2所述的方法,其特征在于,所述待确定的货架分析结果的类型包括:货品是否缺货;
所述目标对象类别包括:货品类别和货品标签类别;
所述识别所述目标货架图像中属于目标对象类别的各个目标对象,得到所述各个目标对象的属性信息的步骤,包括:
识别所述目标货架图像中各个货品和各个货品标签,得到所述各个货品的位置信息和所述各个货品标签的位置信息。
12.根据权利要求11所述的方法,其特征在于,所述基于所述各个目标对象的属性信息,确定所述货架对应的货架分析结果的步骤,包括:
基于各个货品标签的位置信息,计算各个货品标签所指示货品的指定存放区域;
针对每一货品标签,从各个货品的位置信息中,确定符合第三筛选条件的第三位置信息,计算各个第三位置信息所对应区域的面积之和,计算所述面积之和与该货品标签所对应指定存放区域的面积的比值,作为该货品标签所对应货品的存储比值,并判断所述存储比值是否小于预设存储比值,如果是,确定该货品标签所对应的货品缺货,否则,确定该货品标签所对应的货品未缺货;其中,所述第三筛选条件为:所对应区域位于该货品标签所指示货品的指定存放区域。
13.根据权利要求12所述的方法,其特征在于,所述基于各个货品标签的位置信息,计算各个货品标签所指示货品的指定存放区域的步骤,包括:
针对每一货品标签,基于该货品标签的位置信息和参考对象的位置信息,计算该货品标签所指示货品的指定存放区域的左下方的顶点和右下方的顶点,利用左下方的顶点、右下方的顶点以及预定的每一层的高度值,确定该货品标签所指示货品的指定存放区域;
其中,任一货品标签对应的参考对象为:与该货品标签位于同一水平位置、且相邻的货品标签,或者,所述货架的货架边缘上与该货品标签在同一水平位置的区域。
14.根据权利要求1或2所述的方法,其特征在于,所述待确定的货架分析结果的类型包括:货品的热度信息;
所述目标对象类别包括:货品类别和货品标签类别;
所述获得目标货架图像的步骤,包括:
获得预定时间段内的多张目标货架图像;
所述识别所述目标货架图像中属于目标对象类别的各个目标对象,得到所述各个目标对象的属性信息的步骤,包括:
针对每一目标货架图像,识别该目标货架图像中各个货品和各个货品标签,得到所述各个货品的位置信息和所述各个货品标签的位置信息。
15.根据权利要求14所述的方法,其特征在于,所述基于所述各个目标对象的属性信息,确定所述货架对应的货架分析结果的步骤,包括:
针对每一张目标货架图像,基于该目标货架图像中各个货品的位置信息和所述各个货品标签的位置信息,确定每一货品标签所对应货品的存储比值;
针对相邻的两张目标货架图像,计算同一货品标签所对应货品的存储比值的差值;
针对每一货品标签,将该货品标签对应的各个差值之和,作为该货品标签对应的货品的货品热度。
16.根据权利要求1或2所述的方法,其特征在于,所述待确定的货架分析结果的类型包括:人员的热度信息;
所述目标对象类别包括:人员类别;
所述获得目标货架图像的步骤,包括:
获得预定时间段内的多张目标货架图像;
所述识别所述目标货架图像中属于目标对象类别的各个目标对象,得到所述各个目标对象的属性信息的步骤,包括:
针对每一目标货架图像,识别该目标货架图像中各个人员,得到该目标货架图像中所包含人员的人员数量。
17.根据权利要求16所述的方法,其特征在于,所述基于所述各个目标对象的属性信息,确定所述货架对应的货架分析结果的步骤,包括:
计算各个目标货架图像中所包含人员的人员数量之和;
将计算所得到的人员数量之和与多张目标货架图像的图像数量的比值,作为人员的热度信息。
18.一种货架分析装置,其特征在于,所述装置包括:
图像获取模块,用于获得目标货架图像;其中,所述目标货架图像中包含待分析货架对应的图像区域;
对象识别模块,用于识别所述目标货架图像中属于目标对象类别的各个目标对象,得到所述各个目标对象的属性信息,其中,所述目标对象类别为:与待确定的货架分析结果的类型相对应的对象类别;
货架分析模块,用于基于所述各个目标对象的属性信息,确定所述货架对应的货架分析结果;
其中,在所述目标对象类别为货品标签类别时,各个目标对象的属性信息为:货品标签的位置信息;
在所述目标对象类别为促销标签类别和货品标签类别时,各个目标对象的属性信息为:各个促销标签的位置信息和促销信息,以及各个货品标签的位置信息和各个货品标签所指示货品的货品标识;
在所述目标对象类别为货品类别和货品标签类别,各个目标对象的属性信息为:各个货品的位置信息和各个货品标签的位置信息;
在所述目标对象类别为人员类别时,各个目标对象的属性信息为:人员数量。
19.一种货架分析系统,其特征在于,所述系统包括:
图像采集设备和服务器;
其中,所述图像采集设备,用于采集目标货架图像,并将所采集的目标货架图像发送至服务器;其中,所述目标货架图像中包含待分析货架对应的图像区域;
服务器,用于从图像采集设备获得目标货架图像;识别所述目标货架图像中属于目标对象类别的各个目标对象,得到所述各个目标对象的属性信息,其中,所述目标对象类别为:与待确定的货架分析结果的类型相对应的对象类别;基于所述各个目标对象的属性信息,确定所述货架对应的货架分析结果;
其中,在所述目标对象类别为货品标签类别时,各个目标对象的属性信息为:货品标签的位置信息;
在所述目标对象类别为促销标签类别和货品标签类别时,各个目标对象的属性信息为:各个促销标签的位置信息和促销信息,以及各个货品标签的位置信息和各个货品标签所指示货品的货品标识;
在所述目标对象类别为货品类别和货品标签类别,各个目标对象的属性信息为:各个货品的位置信息和各个货品标签的位置信息;
在所述目标对象类别为人员类别时,各个目标对象的属性信息为:人员数量。
20.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-17任一所述的方法步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811045439.0A CN110889419B (zh) | 2018-09-07 | 2018-09-07 | 一种货架分析方法、装置、系统及电子设备 |
PCT/CN2019/103291 WO2020048376A1 (zh) | 2018-09-07 | 2019-08-29 | 一种货架分析方法、装置、系统及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811045439.0A CN110889419B (zh) | 2018-09-07 | 2018-09-07 | 一种货架分析方法、装置、系统及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110889419A CN110889419A (zh) | 2020-03-17 |
CN110889419B true CN110889419B (zh) | 2023-04-07 |
Family
ID=69722749
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811045439.0A Active CN110889419B (zh) | 2018-09-07 | 2018-09-07 | 一种货架分析方法、装置、系统及电子设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110889419B (zh) |
WO (1) | WO2020048376A1 (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111507253B (zh) * | 2020-04-16 | 2023-06-30 | 腾讯科技(深圳)有限公司 | 基于人工智能的陈列物品审核方法、装置 |
CN113643083A (zh) * | 2020-04-27 | 2021-11-12 | 京东方科技集团股份有限公司 | 一种商品标记及展示方法、服务器、终端及商品展示系统 |
CN113627418B (zh) * | 2020-05-07 | 2023-08-25 | 杭州海康威视数字技术股份有限公司 | 数据管理方法、计算机设备及计算机可读存储介质 |
CN113298597A (zh) * | 2020-08-06 | 2021-08-24 | 阿里巴巴集团控股有限公司 | 对象热度分析系统、方法及装置 |
CN113344478B (zh) * | 2021-08-06 | 2022-01-04 | 捷尔杰(天津)设备有限公司 | 离散生产线连续配料方法、装置、电子设备及存储介质 |
CN115205665B (zh) * | 2022-09-15 | 2022-12-02 | 创新奇智(合肥)科技有限公司 | 一种识别产品位置的方法、装置、电子设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184405A (zh) * | 2011-04-19 | 2011-09-14 | 清华大学 | 图像采集分析方法 |
CN102789601A (zh) * | 2012-04-12 | 2012-11-21 | 北京京东世纪贸易有限公司 | 货场结构控制方法和装置 |
CN107045641A (zh) * | 2017-04-26 | 2017-08-15 | 广州图匠数据科技有限公司 | 一种基于图像识别技术的货架识别方法 |
CN108491825A (zh) * | 2018-03-30 | 2018-09-04 | 百度在线网络技术(北京)有限公司 | 信息生成方法和装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7168618B2 (en) * | 2004-08-12 | 2007-01-30 | International Business Machines Corporation | Retail store method and system |
US8189855B2 (en) * | 2007-08-31 | 2012-05-29 | Accenture Global Services Limited | Planogram extraction based on image processing |
CN102930264B (zh) * | 2012-09-29 | 2015-10-28 | 李炳华 | 基于图像识别技术的商品陈列信息采集分析系统及方法 |
US10002344B2 (en) * | 2016-10-17 | 2018-06-19 | Conduent Business Services, Llc | System and method for retail store promotional price tag detection |
CN107292248B (zh) * | 2017-06-05 | 2023-04-07 | 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 |
-
2018
- 2018-09-07 CN CN201811045439.0A patent/CN110889419B/zh active Active
-
2019
- 2019-08-29 WO PCT/CN2019/103291 patent/WO2020048376A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184405A (zh) * | 2011-04-19 | 2011-09-14 | 清华大学 | 图像采集分析方法 |
CN102789601A (zh) * | 2012-04-12 | 2012-11-21 | 北京京东世纪贸易有限公司 | 货场结构控制方法和装置 |
CN107045641A (zh) * | 2017-04-26 | 2017-08-15 | 广州图匠数据科技有限公司 | 一种基于图像识别技术的货架识别方法 |
CN108491825A (zh) * | 2018-03-30 | 2018-09-04 | 百度在线网络技术(北京)有限公司 | 信息生成方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2020048376A1 (zh) | 2020-03-12 |
CN110889419A (zh) | 2020-03-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110889419B (zh) | 一种货架分析方法、装置、系统及电子设备 | |
CN108416403B (zh) | 商品与标签的自动关联方法、系统、设备及存储介质 | |
CN109446883B (zh) | 商品状态识别方法、装置、电子设备及可读存储介质 | |
EP2662831B1 (en) | Comparing virtual and real images of a shopping planogram | |
US11887051B1 (en) | Identifying user-item interactions in an automated facility | |
CN110705666A (zh) | 人工智能云计算展示架货架货物和标签监控与存储货物方法 | |
CN108647671B (zh) | 一种光学标识视觉识别方法及基于该方法的无人售货柜 | |
CN111340126A (zh) | 物品识别方法、装置、计算机设备和存储介质 | |
CN112508109B (zh) | 一种图像识别模型的训练方法及装置 | |
CN111222389B (zh) | 商超货架上商品的分析方法和系统 | |
CN112074842A (zh) | 价签信息显示方法、装置及货架系统 | |
CN109522947B (zh) | 识别方法和设备 | |
US11748787B2 (en) | Analysis method and system for the item on the supermarket shelf | |
CN111368138A (zh) | 视频类别标签的排序方法、装置、电子设备及存储介质 | |
CN108629318B (zh) | 一种基于图像识别技术的货架陈列识别方法、装置和系统 | |
CN111428743B (zh) | 商品识别方法、商品处理方法、装置及电子设备 | |
US20120170809A1 (en) | Procedure for recognizing objects | |
CN113674049A (zh) | 基于图片搜索的商品在架位置识别方法、系统和存储介质 | |
CN113743382B (zh) | 一种货架陈列检测方法、装置及系统 | |
CN112560563A (zh) | 物品布局的识别方法、装置及电子设备 | |
CN111047731A (zh) | 一种基于ar技术的电信机房巡检方法及系统 | |
CN115661624A (zh) | 一种货架的数字化方法、装置及电子设备 | |
CN115587769A (zh) | 商品缺货状态的检测方法、装置、计算机设备及存储介质 | |
CN110738260A (zh) | 一种零售门店太空箱摆放检测方法、装置和设备 | |
CN112801016A (zh) | 一种选票数据统计方法、装置、设备和介质 |
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 |