CN111860071A - 用于识别物品的方法和装置 - Google Patents
用于识别物品的方法和装置 Download PDFInfo
- Publication number
- CN111860071A CN111860071A CN201910362139.3A CN201910362139A CN111860071A CN 111860071 A CN111860071 A CN 111860071A CN 201910362139 A CN201910362139 A CN 201910362139A CN 111860071 A CN111860071 A CN 111860071A
- Authority
- CN
- China
- Prior art keywords
- article
- information
- item
- matched
- identified
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000005484 gravity Effects 0.000 claims abstract description 132
- 230000008859 change Effects 0.000 claims abstract description 99
- 230000004044 response Effects 0.000 claims abstract description 30
- 238000004590 computer program Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 abstract description 6
- 238000012549 training Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 235000015205 orange juice Nutrition 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- CDBYLPFSWZWCQE-UHFFFAOYSA-L Sodium Carbonate Chemical compound [Na+].[Na+].[O-]C([O-])=O CDBYLPFSWZWCQE-UHFFFAOYSA-L 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 235000011389 fruit/vegetable juice Nutrition 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000008213 purified water Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 239000013585 weight reducing agent Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
- G06V20/47—Detecting features for summarising video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
-
- 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
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本公开的实施例公开了用于识别物品的方法和装置。该方法的一具体实施方式包括:获取目标承载设备所承载的物品的重力变化信息和重力变化前后针对目标承载设备所拍摄的至少两张图像;从预设的物品信息集合中确定出与重力变化信息匹配的至少一个物品信息,得到待匹配物品信息集合;从预设的物品信息集合中确定出与至少两张图像匹配的物品信息作为待识别物品信息;响应于确定待匹配物品信息集合中存在与待识别物品信息一致的待匹配物品信息,发送表征待识别物品信息所指示的物品被拿取或放回的信息。该实施方式实现了终端设备综合利用重力变化和图像进行物品取放的识别,与云端识别相比有效减少了网络传输的数据量。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及用于识别物品的方法和装置。
背景技术
随着人工智能技术的发展,基于计算机视觉的物品识别技术也取得越来越广泛的应用。
相关的方式通常是根据对摄像头所拍摄的图像进行物品识别,当识别出的物品的可信概率大于预设阈值时输出识别结果,当识别出的物品的可信概率小于预设阈值时进行人工干预,从而对图像中的物品图像进行进一步的识别。
发明内容
本公开的实施例提出了用于识别物品的方法和装置。
第一方面,本公开的实施例提供了一种用于识别物品的方法,该方法包括:获取目标承载设备所承载的物品的重力变化信息和重力变化前后针对目标承载设备所拍摄的至少两张图像;从预设的物品信息集合中确定出与重力变化信息匹配的至少一个物品信息,得到待匹配物品信息集合;从预设的物品信息集合中确定出与至少两张图像匹配的物品信息作为待识别物品信息;响应于确定待匹配物品信息集合中存在与待识别物品信息一致的待匹配物品信息,发送表征待识别物品信息所指示的物品被拿取或放回的信息。
在一些实施例中,该方法还包括:响应于确定待匹配物品信息集合中不存在与待识别物品信息一致的待匹配物品信息,将重力变化信息和至少两张图像发送至目标电子设备,以使目标电子设备从预设的物品信息集合中确定出与重力变化信息和至少两张图像匹配的物品信息。
在一些实施例中,上述从预设的物品信息集合中确定出与至少两张图像匹配的物品信息作为待识别物品信息,包括:将至少两张图像分别输入至预先训练的物品识别模型,得到与输入的图像对应的物品识别结果,其中,物品识别模型用于表征图像与物品识别结果之间的对应关系;根据所得到的至少两个物品识别结果与预设的物品信息集合中的物品信息之间的匹配,确定待识别物品信息。
在一些实施例中,上述发送表征待识别物品信息所指示的物品被拿取或放回的信息,包括:根据所得到的至少两个物品识别结果和至少两张图像拍摄时间的先后关系,确定物品的取放状态,其中,物品的取放状态包括物品被拿取和物品被放回;根据物品的取放状态,发送表征待识别物品信息所指示的物品被拿取或放回的信息。
在一些实施例中,该方法还包括:根据待识别物品信息所指示的物品被拿取或放回的信息,发送表征更新待识别物品信息所指示的物品的库存信息的信息。
第二方面,本公开的实施例提供了一种用于识别物品的装置,该装置包括:获取单元,被配置成获取目标承载设备所承载的物品的重力变化信息和重力变化前后针对目标承载设备所拍摄的至少两张图像;第一确定单元,被配置成从预设的物品信息集合中确定出与重力变化信息匹配的至少一个物品信息,得到待匹配物品信息集合;第二确定单元,被配置成从预设的物品信息集合中确定出与至少两张图像匹配的物品信息作为待识别物品信息;第一发送单元,被配置成响应于确定待匹配物品信息集合中存在与待识别物品信息一致的待匹配物品信息,发送表征待识别物品信息所指示的物品被拿取或放回的信息。
在一些实施例中,该装置还包括:第二发送单元,被配置成响应于确定待匹配物品信息集合中不存在与待识别物品信息一致的待匹配物品信息,将重力变化信息和至少两张图像发送至目标电子设备,以使目标电子设备从预设的物品信息集合中确定出与重力变化信息和至少两张图像匹配的物品信息。
在一些实施例中,上述第二确定单元包括:识别模块,被配置成将至少两张图像分别输入至预先训练的物品识别模型,得到与输入的图像对应的物品识别结果,其中,物品识别模型用于表征图像与物品识别结果之间的对应关系;匹配模块,被配置成根据所得到的至少两个物品识别结果与预设的物品信息集合中的物品信息之间的匹配,确定待识别物品信息。
在一些实施例中,上述第一发送单元包括:确定模块,被配置成根据所得到的至少两个物品识别结果和至少两张图像拍摄时间的先后关系,确定物品的取放状态,其中,物品的取放状态包括物品被拿取和物品被放回;发送模块,被配置成根据物品的取放状态,发送表征待识别物品信息所指示的物品被拿取或放回的信息。
在一些实施例中,该装置还包括:第三发送单元,被配置成根据待识别物品信息所指示的物品被拿取或放回的信息,发送表征更新待识别物品信息所指示的物品的库存信息的信息。
第三方面,本公开的实施例提供了一种用于识别物品的系统,该系统包括:承载设备,承载设备上安装有重力传感器,重力传感器被配置成采集承载设备所承载的物品的重力信息;智能相机,智能相机与重力传感器通信连接,智能相机被配置成执行如第一方面中任一实现方式描述的方法。
在一些实施例中,上述通信连接包括总线连接。
在一些实施例中,该系统还包括:电子设备,被配置成将至少两张图像输入至预先训练的物品取放识别模型,得到物品取放信息,其中,物品取放识别模型用于表征至少两张图片与物品取放信息之间的对应关系,物品取放信息用于表征输入的图像对应的物品被拿取或放回。
第四方面,本公开的实施例提供了一种终端,该终端包括:一个或多个处理器;存储装置,其上存储有一个或多个程序;摄像头,被配置成采集图像;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第五方面,本公开的实施例提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
第六方面,本申请实施例提供了另一种服务器,包括:接口;存储器,其上存储有一个或多个程序;以及一个或多个处理器,在操作上连接到上述接口和上述存储器,用于:获取目标承载设备所承载的物品的重力变化信息和重力变化前后针对目标承载设备所拍摄的至少两张图像;从预设的物品信息集合中确定出与重力变化信息匹配的至少一个物品信息,得到待匹配物品信息集合;从预设的物品信息集合中确定出与至少两张图像匹配的物品信息作为待识别物品信息;响应于确定待匹配物品信息集合中存在与待识别物品信息一致的待匹配物品信息,发送表征待识别物品信息所指示的物品被拿取或放回的信息。
第七方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,其中,当上述计算机程序被一个或多个处理器执行时,使得上述一个或多个处理器:获取目标承载设备所承载的物品的重力变化信息和重力变化前后针对目标承载设备所拍摄的至少两张图像;从预设的物品信息集合中确定出与重力变化信息匹配的至少一个物品信息,得到待匹配物品信息集合;从预设的物品信息集合中确定出与至少两张图像匹配的物品信息作为待识别物品信息;响应于确定待匹配物品信息集合中存在与待识别物品信息一致的待匹配物品信息,发送表征待识别物品信息所指示的物品被拿取或放回的信息。
本公开的实施例提供的用于识别物品的方法和装置,首先,获取目标承载设备所承载的物品的重力变化信息和重力变化前后针对目标承载设备所拍摄的至少两张图像;而后,从预设的物品信息集合中确定出与重力变化信息匹配的至少一个物品信息,得到待匹配物品信息集合;之后,从预设的物品信息集合中确定出与至少两张图像匹配的物品信息作为待识别物品信息;最后,响应于确定待匹配物品信息集合中存在与待识别物品信息一致的待匹配物品信息,发送表征待识别物品信息所指示的物品被拿取或放回的信息。从而实现了终端设备综合利用重力变化和图像进行物品取放的识别,与云端识别相比有效减少了网络传输的数据量。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的用于识别物品的方法的一个实施例的流程图;
图3是根据本公开的实施例的用于识别物品的方法的一个应用场景的示意图;
图4是根据本公开的用于识别物品的方法的又一个实施例的流程图;
图5是根据本公开的用于识别物品的装置的一个实施例的结构示意图;
图6是根据本公开的用于识别物品的系统的一个实施例的结构示意图;
图7是适于用来实现本公开的实施例的电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的用于识别物品的方法或用于识别物品的装置的示例性架构100。
如图1所示,系统架构100可以包括智能相机101、重力传感器102、网络103和服务器104。网络103用以在智能相机101、重力传感器102和服务器104之间提供通信链路的介质。网络103可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
智能相机101、重力传感器102通过网络103与服务器104交互,以接收或发送消息等。智能相机101可以是能够对所拍摄的图像进行图像识别的电子设备。其上可以运行有预先训练的用于进行图像识别的深度神经网络模型。
服务器104可以是提供各种服务的服务器,例如为智能相机101和重力传感器102所获取的信息进行物品识别提供支持的后台服务器。后台服务器可以根据智能相机101所拍摄的图像和重力传感器102所采集的重力变化信息进行分析处理,生成上述图像和重力变化对应的物品的识别结果,并将处理结果反馈给目标电子设备。
需要说明的是,上述智能相机也可以对所拍摄的图像和重力传感器102所采集的重力变化信息进行分析处理,生成上述图像和重力变化对应的物品的识别结果,此时,可以不存在网络103和服务器104。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本公开的实施例所提供的用于识别物品的方法一般由智能相机101执行,相应地,用于识别物品的装置一般设置于智能相机101中。
应该理解,图1中的智能相机、重力传感器、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的智能相机、重力传感器、网络和服务器。
继续参考图2,示出了根据本公开的用于识别物品的方法的一个实施例的流程200。该用于识别物品的方法包括以下步骤:
步骤201,获取目标承载设备所承载的物品的重力变化信息和重力变化前后针对目标承载设备所拍摄的至少两张图像。
在本实施例中,用于识别物品的方法的执行主体(如图1所示的智能相机101)可以通过有线连接方式或者无线连接方式获取目标承载设备所承载的物品的重力变化信息和重力变化前后针对目标承载设备所拍摄的至少两张图像。其中,上述目标承载设备可以是根据实际的应用需求,预先指定的任意承载设备。上述目标承载设备也可以是能够在上述执行主体的摄像头拍摄的图像中完全呈现的承载设备。也就是说,上述执行主体的摄像头的视野能够完全覆盖上述目标承载设备。
在本实施例中,作为示例,上述执行主体可以从安装在上述目标承载设备的重力传感器获取目标承载设备所承载的物品的重力变化信息。其中,上述重力变化信息可以是各种形式。例如,可以是上述重力传感器在不同时刻所采集的重力值,也可以是上述重力传感器所采集的重力值随时间变化的曲线。上述执行主体可以在重力值发生变化时计算重力值变化的差值。作为又一示例,上述执行主体可以从触发器获取上述重力变化信息。其中,上述触发器可以与上述重力传感器连接,当检测到重力值的变化大于预设阈值时可以触发信号。上述执行主体响应于接收到上述触发信号,可以根据接收到触发信号前后的重力值计算重力值的变化。
在本实施例中,上述执行主体可以实时采集针对上述目标承载设备的图像,并将采集到的图像存入存储设备。其中,上述存储设备可以是上述执行主体的本地缓存,也可以是与上述执行主体通信连接的外部存储设备。响应于获取到上述重力变化信息,上述执行主体可以根据重力变化信息对应的时刻,从上述存储设备中分别获取上述时刻前后与上述时刻相邻的各一帧图像。可选地,上述执行主体还可以在上述时刻前后分别选取多于一帧的图像,以实现冗余备份。
步骤202,从预设的物品信息集合中确定出与重力变化信息匹配的至少一个物品信息,得到待匹配物品信息集合。
在本实施例中,上述执行主体可以根据步骤201所获取的重力变化信息,从预设的物品信息集合中确定出匹配的至少一个物品信息。其中,上述物品信息可以包括与物品相关的各种信息。例如,上述物品信息可以包括物品名称和物品重量。可选地,上述物品信息还可以包括但不限于以下至少一项:物品品牌,物品图像,物品售价,物品生产商信息,物品描述信息。需要说明的是,数值相同的物品重量可以对应有多个物品名称。例如,上述预设的物品信息集合可以包括“汽水——500g”、“橙汁——500g”、“矿泉水——550g”、“开心果——300g”。
在本实施例中,对于预设的物品信息集合中的物品信息,响应于确定该物品信息中的物品重量与步骤201所获取的重力变化信息相匹配,将该物品信息确定为待匹配物品信息。其中,上述匹配可以包括相差小于预设重量阈值,也可以包括相差小于预设比例阈值。作为示例,物品信息中的物品重量为200g,重力变化信息指示变化为208g,预设重量阈值为10g,则可以确定上述物品信息中的物品重量与重力变化信息匹配。作为又一示例,上述例子中,预设比例阈值为3%,则可以确定上述物品信息中的物品重量与重力变化信息不匹配。然后,上述执行主体可以将所确定的至少一个待匹配物品信息组成待匹配物品信息集合。
步骤203,从预设的物品信息集合中确定出与至少两张图像匹配的物品信息作为待识别物品信息。
在本实施例中,上述执行主体根据步骤201所获取的至少两张图像,可以通过各种方式从预设的物品信息集合中确定出匹配的物品信息,得到待匹配物品信息集合。作为示例,上述预设的物品信息还可以包括从物品图像中提取的特征。其中,上述从图像中提取特征的方法可以包括但不限于以下至少一项:SIFT(Scale-invariant feature transform,尺度不变特征变换),HOG(Histogram of Oriented Gradient,方向梯度直方图),CNN(Convolutional Neural Network,卷积神经网络)。上述执行主体可以利用与物品信息中提取特征的方法对步骤201所获取的至少两张图像进行特征提取,得到图像特征。然后,上述执行主体可以计算所获取的图像对应的图像特征与上述预设的物品信息集合中的从物品图像中提取的特征之间的相似度。上述相似度例如可以是余弦相似度。之后,上述执行主体可以将与所获取的图像对应的图像特征之间的相似度最高的特征对应的物品信息确定为待识别物品信息。
步骤204,响应于确定待匹配物品信息集合中存在与待识别物品信息一致的待匹配物品信息,发送表征待识别物品信息所指示的物品被拿取或放回的信息。
在本实施例中,响应于确定待匹配物品信息集合中存在与待识别物品信息一致的待匹配物品信息,上述执行主体可以发送表征待识别物品信息所指示的物品被拿取或放回的信息。作为示例,上述执行主体可以根据步骤201所获取的重力变化信息,确定待识别物品信息所指示的物品被拿取或放回。例如,如果上述重力变化信息指示重量增加,上述执行主体可以确定待识别物品信息所指示的物品被放回;如果上述重力变化信息指示重量减少,上述执行主体可以确定待识别物品信息所指示的物品被拿取。之后,上述执行主体可以根据上述待识别物品信息所指示的物品被拿取或放回,发送相应的信息。可选地,上述信息可以发送至用于商品结算的终端,也可以发送至记录有物品存量信息的电子设备(例如终端或服务器)。
在本实施例的一些可选的实现方式中,响应于确定待匹配物品信息集合中不存在与待识别物品信息一致的待匹配物品信息,上述执行主体还可以将步骤201所获取的重力变化信息和至少两张图像发送至目标电子设备。从而使目标电子设备从预设的物品信息集合中确定出与重力变化信息和至少两张图像匹配的物品信息。
在本实施例的一些可选的实现方式中,根据待识别物品信息所指示的物品被拿取或放回的信息,上述执行主体还可以发送表征更新待识别物品信息所指示的物品的库存信息的信息。从而,可以使目标设备根据更新后的库存信息执行相应的操作。例如,上述执行主体向目标设备发送表征某种类物品库存减少的信息,上述目标设备可以执行相应的补货操作,例如将新的该种类物品放入被拿取的物品原来所在的位置。
继续参见图3,图3是根据本公开的实施例的用于识别物品的方法的应用场景的一个示意图。在图3的应用场景中,用户将货架302上的一瓶500ml的“橙汁”304取走。安装在货架302上的重力传感器303检测到重力值的变化,重力变化信息305为“减少500g”。智能相机301从重力传感器302获取重力变化信息305,获取重力变化前后的图像306。根据预设的物品信息集合,智能相机301可以确定出与上述重力变化信息匹配的待匹配物品信息集合307中的物品信息包括“纯净水”、“橙汁”、“酸梅汤”。智能相机301确定出与重力变化前后的图像306匹配的待识别物品信息308为“橙汁”。响应于确定待匹配信息集合307中存在与待识别物品信息308一致的待匹配物品信息,智能相机301可以发送“橙汁被拿取”的信息309。
目前,现有技术之一通常是将采集的图像信息发送至云端服务器进行图像识别,以确定被取放的物品。由此,一方面大量的数据传输耗费了过多的网络资源,产生较高的成本;另一方面单纯依靠图像识别的识别率不高,需要依赖较多的人工参与进行辅助识别。而本公开的上述实施例提供的方法,终端设备(如智能相机)可以直接根据所获取的重力变化信息和重力变化前后的图像进行物品取放的识别。由此,一方面节省了大量数据传输所占用的网络资源,降低了成本,有助于推进边缘计算的应用;另一方面采用重力信息与图像识别两种方式相互验证,提高了识别的准确率,减小了人工干预的比例。
进一步参考图4,其示出了用于识别物品的方法的又一个实施例的流程400。该用于识别物品的方法的流程400,包括以下步骤:
步骤401,获取目标承载设备所承载的物品的重力变化信息和重力变化前后针对目标承载设备所拍摄的至少两张图像。
步骤402,从预设的物品信息集合中确定出与重力变化信息匹配的至少一个物品信息,得到待匹配物品信息集合。
上述步骤401、步骤402分别与前述实施例中的步骤201、步骤202一致,上文针对步骤201、步骤202的描述也适用于步骤401、步骤402,此处不再赘述。
步骤403,将至少两张图像分别输入至预先训练的物品识别模型,得到与输入的图像对应的物品识别结果。
在本实施例中,上述执行主体可以将步骤401所获取的至少两张图像分别输入至预先训练的物品识别模型,得到与输入的图像对应的物品识别结果。其中,上述物品识别模型可以用于表征图像与物品识别结果之间的对应关系。上述物品识别结果可以用于指示图像中显示的物品。上述物品信息与前述实施例步骤202中的描述相同,此处不再赘述。
在本实施例中,上述物品识别模型可以通过以下步骤训练得到:
第一步,获取训练样本集合,训练样本包括样本图像和与样本图像对应的样本物品识别结果。其中,训练样本可以利用人工标注的方式来生成。
第二步,从上述训练样本集合中选取训练样本,以及执行以下训练步骤:将选取的训练样本的样本图像输入初始模型,得到物品识别结果;将所得到的物品识别结果与输入的样本图像对应的样本物品识别结果进行比较,确定损失值;基于所确定的损失值确定是否满足预设的训练结束条件;响应于确定满足预设的训练结束条件,将初始模型确定为物品识别模型。其中,上述初始模型例如可以是CNN。上述损失值可以利用预设的损失函数进行计算。上述预设的训练结束条件可以包括但不限于以下至少一项:训练时间超过预设时长,训练次数超过预设次数,计算所得的损失值小于预设的差异阈值。
第三步,响应于确定不满足预设的训练结束条件,调整初始模型中的相关参数,以及从上述训练样本集合中重新选取样本,使用调整后的初始模型作为初始模型,继续执行上述第二步的训练步骤。其中,上述调整方式可以采用BP(Back Propagation,反向传播)算法或者SGD(Stochastic Gradient Descent,随机梯度下降)算法。
需要说明的是,上述训练步骤的执行主体可以与用于识别物品的方法的执行主体相同或者不同。如果相同,则上述训练步骤的执行主体可以在训练得到物品识别模型后将训练好的物品识别模型的结构信息和参数值存储在本地。如果不同,则上述训练步骤的执行主体可以在训练得到物品识别模型后将训练好的物品识别模型的结构信息和参数值发送给用于识别物品的方法的执行主体。
步骤404,根据所得到的至少两个物品识别结果与预设的物品信息集合中的物品信息之间的匹配,确定待识别物品信息。
在本实施例中,上述执行主体可以将所得到的至少两个物品识别结果与预设的物品信息集合中的物品信息进行匹配。对于所得到的至少两个物品识别结果中的物品识别结果,响应于确定预设的物品信息集合中存在与该物品识别结果匹配的物品信息,将该物品信息确定为待识别物品信息。
需要说明的是,在物品取放识别的应用场景中,在所获取的至少两张图像中,往往存在至少一张无物品图像。其中,上述无物品图像用于指示图像中不包括待识别物品的图像。在这些实现方式中,上述预设的物品信息集合中不存在与上述无物品图像对应的物品识别结果匹配的物品信息。
步骤405,响应于确定待匹配物品信息集合中存在与待识别物品信息一致的待匹配物品信息,发送表征待识别物品信息所指示的物品被拿取或放回的信息。
在本实施例中,上述步骤405与前述实施例中的步骤204一致,上文针对步骤204的描述也适用于步骤405。
在本实施例的一些可选的实现方式中,上述执行主体还可以通过以下步骤发送表征待识别物品信息所指示的物品被拿取或放回的信息:
第一步,根据所得到的至少两个物品识别结果和至少两张图像拍摄时间的先后关系,确定物品的取放状态。
在这些实现方式中,响应于确定待匹配物品信息集合中存在与待识别物品信息一致的待匹配物品信息,上述执行主体可以根据所得到的至少两个物品识别结果和至少两张图像拍摄时间的先后关系,确定物品的取放状态。其中,上述物品的取放状态可以包括物品被拿取和物品被放回。作为示例,上述执行主体可以根据步骤401所获取的至少两张图像拍摄时间的先后关系,确定待识别物品信息所指示的物品的取放状态。例如,在上述两张图像中,如果先拍摄的图像显示有待识别物品信息所指示的物品,后拍摄的图像中不包括待识别物品信息所指示的物品的图像,上述执行主体可以确定待识别物品信息所指示的物品被拿取。相应地,如果先拍摄的图像中不包括待识别物品信息所指示的物品的图像,后拍摄的图像显示有待识别物品信息所指示的物品,上述执行主体可以确定待识别物品信息所指示的物品被放回。
第二步,根据物品的取放状态,发送表征待识别物品信息所指示的物品被拿取或放回的信息。
在这些实现方式中,上述执行主体可以根据步骤404所确定的待识别物品信息所指示的物品的取放状态,发送表征待识别物品信息所指示的物品被拿取或放回的信息。可选地,上述信息可以发送至用于商品结算的终端,也可以发送至记录物品存量信息的电子设备。
从图4中可以看出,与图2对应的实施例相比,本实施例中的用于识别物品的方法的流程400细化了从预设的物品信息集合中确定出与至少两张图像匹配的物品信息作为待识别物品信息的步骤。由此,本实施例描述的方案可以利用预先训练的物品识别模型确定与重力变化前后的图像相匹配的物品,从而实现了以更少的延迟、更低的成本在终端设备上进行物品取放的识别。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了用于识别物品的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例提供的用于识别物品的装置500包括获取单元501、第一确定单元502、第二确定单元503和第一发送单元504。其中,获取单元501,被配置成获取目标承载设备所承载的物品的重力变化信息和重力变化前后针对目标承载设备所拍摄的至少两张图像;第一确定单元502,被配置成从预设的物品信息集合中确定出与重力变化信息匹配的至少一个物品信息,得到待匹配物品信息集合;第二确定单元503,被配置成从预设的物品信息集合中确定出与至少两张图像匹配的物品信息作为待识别物品信息;第一发送单元504,被配置成响应于确定待匹配物品信息集合中存在与待识别物品信息一致的待匹配物品信息,发送表征待识别物品信息所指示的物品被拿取或放回的信息。
在本实施例中,用于识别物品的装置500中:获取单元501、第一确定单元502、第二确定单元503和第一发送单元504的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202、步骤203和步骤204的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,上述用于识别物品的装置500还可以包括第二发送单元(图中未示出)。其中,上述第二发送单元,可以被配置成响应于确定待匹配物品信息集合中不存在与待识别物品信息一致的待匹配物品信息,将重力变化信息和至少两张图像发送至目标电子设备,以使目标电子设备从预设的物品信息集合中确定出与重力变化信息和至少两张图像匹配的物品信息。
在本实施例的一些可选的实现方式中,上述第二确定单元503可以包括:识别模块(图中未示出)、匹配模块(图中未示出)。其中,上述识别模块可以被配置成将至少两张图像分别输入至预先训练的物品识别模型,得到与输入的图像对应的物品识别结果,其中,物品识别模型用于表征图像与物品识别结果之间的对应关系。上述匹配模块可以被配置成根据所得到的至少两个物品识别结果与预设的物品信息集合中的物品信息之间的匹配,确定待识别物品信息。
在本实施例的一些可选的实现方式中,上述第一发送单元504可以包括:确定模块(图中未示出)、发送模块(图中未示出)。其中,上述确定模块可以被配置成根据所得到的至少两个物品识别结果和至少两张图像拍摄时间的先后关系,确定物品的取放状态,其中,物品的取放状态包括物品被拿取和物品被放回。上述发送模块可以被配置成根据物品的取放状态,发送表征待识别物品信息所指示的物品被拿取或放回的信息。
在本实施例的一些可选的实现方式中,上述用于识别物品的装置500还可以包括第三发送单元(图中未示出)。其中,上述第三发送单元可以被配置成根据待识别物品信息所指示的物品被拿取或放回的信息,发送表征更新待识别物品信息所指示的物品的库存信息的信息。
本公开的上述实施例提供的装置,通过获取单元501获取目标承载设备所承载的物品的重力变化信息和重力变化前后针对目标承载设备所拍摄的至少两张图像;而后,第一确定单元502从预设的物品信息集合中确定出与重力变化信息匹配的至少一个物品信息,得到待匹配物品信息集合;之后,第二确定单元503从预设的物品信息集合中确定出与至少两张图像匹配的物品信息作为待识别物品信息;最后,响应于确定待匹配物品信息集合中存在与待识别物品信息一致的待匹配物品信息,第一发送单元504发送表征待识别物品信息所指示的物品被拿取或放回的信息。从而实现了终端设备综合利用重力变化和图像进行物品取放的识别,与云端识别相比有效减少了网络传输的数据量。
下面参考图6,其示出了根据本公开的用于识别物品的系统的一个实施例的架构图。
如图6所示,用于识别物品的系统的架构600可以包括承载设备601和智能相机602。其中,承载设备601上可以安装有重力传感器6011。上述重力传感器6011可以被配置成采集承载设备601所承载的物品604的重力信息。上述智能相机602可以与上述重力传感器6011通信连接。上述智能相机602可以被配置成执行如前述实施例所描述的用于识别物品的方法。
在本实施例的一些可选的实现方式中,上述智能相机602可以与上述重力传感器6011通过总线连接。
在本实施例的一些可选的实现方式中,用于识别物品的系统还可以包括:电子设备603。其中,上述电子设备603可以被配置成将至少两张图像输入至预先训练的物品取放识别模型,得到物品取放信息。上述物品取放识别模型可以用于表征至少两张图片与物品取放信息之间的对应关系。上述物品取放信息可以用于表征输入的图像对应的物品被拿取或放回。需要说明的是,上述物品取放识别模型可以通过与前述实施例的步骤403类似的方式训练得到,此处不再赘述。
本公开的上述实施例提供的用于识别物品的系统,首先通过安装在承载设备上的重力传感器将获取的重力信息发送至智能相机;然后智能相机根据重力信息的变化获取重力变化前后的至少两张图像;之后,智能相机根据重力信息的变化和所获取的至少两张图像与预设的物品信息集合中的物品信息进行匹配;而后,响应于确定根据重力信息的变化和上述两张图像所匹配的物品信息一致,上述智能相机可以发送表征所匹配的物品信息所指示的物品被拿取或放回的信息。从而实现了终端设备综合利用重力变化和图像进行物品取放的识别,与云端识别相比有效减少了网络传输的数据量。
下面参考图7,其示出了适于用来实现本公开的实施例的电子设备(例如图1中的智能相机)700的结构示意图。本公开的实施例中的终端设备可以包括但不限于安装有视觉处理芯片的诸如移动电话、笔记本电脑、智能相机、PDA(个人数字助理)、PAD(平板电脑)等等的移动终端以及诸如台式计算机等等的固定终端。图7示出的终端设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图7所示,电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中,还存储有电子设备700操作所需的各种程序和数据。处理装置701、ROM 702以及RAM703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
通常,以下装置可以连接至I/O接口705:包括例如触摸屏、触摸板、摄像头、麦克风、加速度计、陀螺仪等的输入装置706;包括例如液晶显示器(LCD,Liquid CrystalDisplay)、扬声器、振动器等的输出装置707;包括例如闪存等的存储装置708;以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图7中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置709从网络上被下载和安装,或者从存储装置708被安装,或者从ROM 702被安装。在该计算机程序被处理装置701执行时,执行本公开的实施例的方法中限定的上述功能。
需要说明的是,本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(Radio Frequency,射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述终端中所包含的;也可以是单独存在,而未装配入该终端中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该终端执行时,使得该终端:获取目标承载设备所承载的物品的重力变化信息和重力变化前后针对目标承载设备所拍摄的至少两张图像;从预设的物品信息集合中确定出与重力变化信息匹配的至少一个物品信息,得到待匹配物品信息集合;从预设的物品信息集合中确定出与至少两张图像匹配的物品信息作为待识别物品信息;响应于确定待匹配物品信息集合中存在与待识别物品信息一致的待匹配物品信息,发送表征待识别物品信息所指示的物品被拿取或放回的信息。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开的各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器,包括获取单元、第一确定单元、第二确定单元、第一发送单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取目标承载设备所承载的物品的重力变化信息和重力变化前后针对目标承载设备所拍摄的至少两张图像的单元”。
作为又一方面,本申请实施例还提供了另一种服务器,包括:接口;存储器,其上存储有一个或多个程序;以及一个或多个处理器,在操作上连接到上述接口和上述存储器,用于:获取目标承载设备所承载的物品的重力变化信息和重力变化前后针对目标承载设备所拍摄的至少两张图像;从预设的物品信息集合中确定出与重力变化信息匹配的至少一个物品信息,得到待匹配物品信息集合;从预设的物品信息集合中确定出与至少两张图像匹配的物品信息作为待识别物品信息;响应于确定待匹配物品信息集合中存在与待识别物品信息一致的待匹配物品信息,发送表征待识别物品信息所指示的物品被拿取或放回的信息。
作为又一方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,其中,当上述计算机程序被一个或多个处理器执行时,使得上述一个或多个处理器:获取目标承载设备所承载的物品的重力变化信息和重力变化前后针对目标承载设备所拍摄的至少两张图像;从预设的物品信息集合中确定出与重力变化信息匹配的至少一个物品信息,得到待匹配物品信息集合;从预设的物品信息集合中确定出与至少两张图像匹配的物品信息作为待识别物品信息;响应于确定待匹配物品信息集合中存在与待识别物品信息一致的待匹配物品信息,发送表征待识别物品信息所指示的物品被拿取或放回的信息。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (15)
1.一种用于识别物品的方法,包括:
获取目标承载设备所承载的物品的重力变化信息和重力变化前后针对所述目标承载设备所拍摄的至少两张图像;
从预设的物品信息集合中确定出与所述重力变化信息匹配的至少一个物品信息,得到待匹配物品信息集合;
从所述预设的物品信息集合中确定出与所述至少两张图像匹配的物品信息作为待识别物品信息;
响应于确定所述待匹配物品信息集合中存在与所述待识别物品信息一致的待匹配物品信息,发送表征所述待识别物品信息所指示的物品被拿取或放回的信息。
2.根据权利要求1所述的方法,其中,所述方法还包括:
响应于确定所述待匹配物品信息集合中不存在与所述待识别物品信息一致的待匹配物品信息,将所述重力变化信息和所述至少两张图像发送至目标电子设备,以使所述目标电子设备从所述预设的物品信息集合中确定出与所述重力变化信息和所述至少两张图像匹配的物品信息。
3.根据权利要求1所述的方法,其中,所述从所述预设的物品信息集合中确定出与所述至少两张图像匹配的物品信息作为待识别物品信息,包括:
将所述至少两张图像分别输入至预先训练的物品识别模型,得到与输入的图像对应的物品识别结果,其中,所述物品识别模型用于表征图像与物品识别结果之间的对应关系;
根据所得到的至少两个物品识别结果与所述预设的物品信息集合中的物品信息之间的匹配,确定待识别物品信息。
4.根据权利要求3所述的方法,其中,所述发送表征所述待识别物品信息所指示的物品被拿取或放回的信息,包括:
根据所得到的至少两个物品识别结果和所述至少两张图像拍摄时间的先后关系,确定物品的取放状态,其中,所述物品的取放状态包括物品被拿取和物品被放回;
根据所述物品的取放状态,发送表征所述待识别物品信息所指示的物品被拿取或放回的信息。
5.根据权利要求1-4之一所述的方法,其中,所述方法还包括:
根据所述待识别物品信息所指示的物品被拿取或放回的信息,发送表征更新所述待识别物品信息所指示的物品的库存信息的信息。
6.一种用于识别物品的装置,包括:
获取单元,被配置成获取目标承载设备所承载的物品的重力变化信息和重力变化前后针对所述目标承载设备所拍摄的至少两张图像;
第一确定单元,被配置成从预设的物品信息集合中确定出与所述重力变化信息匹配的至少一个物品信息,得到待匹配物品信息集合;
第二确定单元,被配置成从所述预设的物品信息集合中确定出与所述至少两张图像匹配的物品信息作为待识别物品信息;
第一发送单元,被配置成响应于确定所述待匹配物品信息集合中存在与所述待识别物品信息一致的待匹配物品信息,发送表征所述待识别物品信息所指示的物品被拿取或放回的信息。
7.根据权利要求6所述的装置,其中,所述装置还包括:
第二发送单元,被配置成响应于确定所述待匹配物品信息集合中不存在与所述待识别物品信息一致的待匹配物品信息,将所述重力变化信息和所述至少两张图像发送至目标电子设备,以使所述目标电子设备从所述预设的物品信息集合中确定出与所述重力变化信息和所述至少两张图像匹配的物品信息。
8.根据权利要求6所述的装置,其中,所述第二确定单元包括:
识别模块,被配置成将所述至少两张图像分别输入至预先训练的物品识别模型,得到与输入的图像对应的物品识别结果,其中,所述物品识别模型用于表征图像与物品识别结果之间的对应关系;
匹配模块,被配置成根据所得到的至少两个物品识别结果与所述预设的物品信息集合中的物品信息之间的匹配,确定待识别物品信息。
9.根据权利要求8所述的装置,其中,所述第一发送单元包括:
确定模块,被配置成根据所得到的至少两个物品识别结果和所述至少两张图像拍摄时间的先后关系,确定物品的取放状态,其中,所述物品的取放状态包括物品被拿取和物品被放回;
发送模块,被配置成根据所述物品的取放状态,发送表征所述待识别物品信息所指示的物品被拿取或放回的信息。
10.根据权利要求6-9之一所述的装置,其中,所述装置还包括:
第三发送单元,被配置成根据所述待识别物品信息所指示的物品被拿取或放回的信息,发送表征更新所述待识别物品信息所指示的物品的库存信息的信息。
11.一种用于识别物品的系统,包括:
承载设备,所述承载设备上安装有重力传感器,所述重力传感器被配置成采集所述承载设备所承载的物品的重力信息;
智能相机,所述智能相机与所述重力传感器通信连接,所述智能相机被配置成执行如1-5中任一所述的方法。
12.根据权利要求11所述的系统,其中,所述通信连接包括总线连接。
13.根据权利要求11或12所述的系统,其中,所述系统还包括:
电子设备,被配置成将所述至少两张图像输入至预先训练的物品取放识别模型,得到物品取放信息,其中,所述物品取放识别模型用于表征至少两张图片与物品取放信息之间的对应关系,所述物品取放信息用于表征输入的图像对应的物品被拿取或放回。
14.一种终端,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
摄像头,被配置成采集图像;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
15.一种计算机可读介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求1-5中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910362139.3A CN111860071A (zh) | 2019-04-30 | 2019-04-30 | 用于识别物品的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910362139.3A CN111860071A (zh) | 2019-04-30 | 2019-04-30 | 用于识别物品的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111860071A true CN111860071A (zh) | 2020-10-30 |
Family
ID=72965776
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910362139.3A Pending CN111860071A (zh) | 2019-04-30 | 2019-04-30 | 用于识别物品的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111860071A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111967304A (zh) * | 2020-06-30 | 2020-11-20 | 北京百度网讯科技有限公司 | 基于边缘计算的获取物品信息方法、装置和结算台 |
CN112665698A (zh) * | 2020-12-15 | 2021-04-16 | 重庆电子工程职业学院 | 一种智能电子秤 |
CN113643473A (zh) * | 2021-10-13 | 2021-11-12 | 北京每日优鲜电子商务有限公司 | 信息识别方法、装置、电子设备和计算机可读介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108335408A (zh) * | 2018-03-02 | 2018-07-27 | 北京京东尚科信息技术有限公司 | 用于自动售货机的物品识别方法、装置、系统及存储介质 |
CN108921048A (zh) * | 2018-06-14 | 2018-11-30 | 深圳码隆科技有限公司 | 一种购物结算方法、装置和用户终端 |
CN108985861A (zh) * | 2018-08-23 | 2018-12-11 | 深圳码隆科技有限公司 | 一种基于开放式购物环境的购物结算控制方法和装置 |
CN109509304A (zh) * | 2017-09-14 | 2019-03-22 | 阿里巴巴集团控股有限公司 | 自动售货机及其控制方法、装置及计算机系统 |
-
2019
- 2019-04-30 CN CN201910362139.3A patent/CN111860071A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109509304A (zh) * | 2017-09-14 | 2019-03-22 | 阿里巴巴集团控股有限公司 | 自动售货机及其控制方法、装置及计算机系统 |
CN108335408A (zh) * | 2018-03-02 | 2018-07-27 | 北京京东尚科信息技术有限公司 | 用于自动售货机的物品识别方法、装置、系统及存储介质 |
CN108921048A (zh) * | 2018-06-14 | 2018-11-30 | 深圳码隆科技有限公司 | 一种购物结算方法、装置和用户终端 |
CN108985861A (zh) * | 2018-08-23 | 2018-12-11 | 深圳码隆科技有限公司 | 一种基于开放式购物环境的购物结算控制方法和装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111967304A (zh) * | 2020-06-30 | 2020-11-20 | 北京百度网讯科技有限公司 | 基于边缘计算的获取物品信息方法、装置和结算台 |
CN112665698A (zh) * | 2020-12-15 | 2021-04-16 | 重庆电子工程职业学院 | 一种智能电子秤 |
CN113643473A (zh) * | 2021-10-13 | 2021-11-12 | 北京每日优鲜电子商务有限公司 | 信息识别方法、装置、电子设备和计算机可读介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108830235B (zh) | 用于生成信息的方法和装置 | |
CN108416323B (zh) | 用于识别人脸的方法和装置 | |
CN109993150B (zh) | 用于识别年龄的方法和装置 | |
CN108337505B (zh) | 信息获取方法和装置 | |
CN110059623B (zh) | 用于生成信息的方法和装置 | |
CN111860071A (zh) | 用于识别物品的方法和装置 | |
CN108229375B (zh) | 用于检测人脸图像的方法和装置 | |
CN110209658B (zh) | 数据清洗方法和装置 | |
CN110660102B (zh) | 基于人工智能的说话人识别方法及装置、系统 | |
CN110211121B (zh) | 用于推送模型的方法和装置 | |
CN109934142B (zh) | 用于生成视频的特征向量的方法和装置 | |
CN110673717A (zh) | 用于控制输出设备的方法和装置 | |
CN110008926B (zh) | 用于识别年龄的方法和装置 | |
CN111340015A (zh) | 定位方法和装置 | |
CN111126159A (zh) | 用于实时跟踪行人的方法、装置、电子设备和介质 | |
CN108038473B (zh) | 用于输出信息的方法和装置 | |
CN110414625B (zh) | 确定相似数据的方法、装置、电子设备及存储介质 | |
CN110765304A (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
CN111027376A (zh) | 一种确定事件图谱的方法、装置、电子设备及存储介质 | |
CN111310595A (zh) | 用于生成信息的方法和装置 | |
CN111898529B (zh) | 脸部检测方法、装置、电子设备和计算机可读介质 | |
CN110334763B (zh) | 模型数据文件生成、图像识别方法、装置、设备及介质 | |
US11610328B2 (en) | Method and apparatus for identifying item | |
CN110188833B (zh) | 用于训练模型的方法和装置 | |
CN111259689B (zh) | 用于发送信息的方法和装置 |
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 |