CN112001957A - 一种基于纹理算法的菜品分类计价方法及其系统 - Google Patents

一种基于纹理算法的菜品分类计价方法及其系统 Download PDF

Info

Publication number
CN112001957A
CN112001957A CN202010858328.2A CN202010858328A CN112001957A CN 112001957 A CN112001957 A CN 112001957A CN 202010858328 A CN202010858328 A CN 202010858328A CN 112001957 A CN112001957 A CN 112001957A
Authority
CN
China
Prior art keywords
texture
dishes
image
dish
feature library
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010858328.2A
Other languages
English (en)
Other versions
CN112001957B (zh
Inventor
刘德建
张延锋
柳旭辉
陈宏展
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.)
Fujian Tianqing Online Interactive Technology Co Ltd
Original Assignee
Fujian Tianqing Online Interactive Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fujian Tianqing Online Interactive Technology Co Ltd filed Critical Fujian Tianqing Online Interactive Technology Co Ltd
Priority to CN202010858328.2A priority Critical patent/CN112001957B/zh
Publication of CN112001957A publication Critical patent/CN112001957A/zh
Application granted granted Critical
Publication of CN112001957B publication Critical patent/CN112001957B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/49—Analysis of texture based on structural texture description, e.g. using primitives or placement rules
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0283—Price estimation or determination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/529—Depth or shape recovery from texture
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种基于纹理算法的菜品分类计价方法，所述方法包括如下步骤：步骤S1、根据收集到的各种分类的菜品提取3d纹理，并形成特征库；步骤S2、对要处理的菜品进行纹理提取，即检测物进行图像采集并且进行纹理过滤；步骤S3、将纹理过滤后的菜品图像与特征库进行比对，特征比对成功就进行对应的菜品分类，未找到就继续放入特征库，进行扩充特征库，并且继续重新采样；步骤S4、从商品分类中得到菜品相应价格，对当前识别的菜品类完成称重计价并进行打标签；提高了称重的效率。

Description

一种基于纹理算法的菜品分类计价方法及其系统
技术领域
本发明涉及计算机通讯技术领域，特别是一种基于纹理算法的菜品分类计价方法及其系统。
背景技术
当前，超市的售卖流程是顾客挑选好菜品，然后超市工作人员放在电子秤上用肉眼识别后进行手动称重，这样的操作方式带来了诸多不便。顾客在购买好果蔬时，需要等待超市里面的工作人员把购买好的产品放到电子秤上称出产品的价格。大多数工作人员为了不出错，把大量的标记价格标签记在纸上，每当需要称出各种菜的价格时，工作人员需要查看记录在电子秤纸上的标记，当有些标签半遮时，甚至需要手动输入。此工作方式的效率较慢，需要排队等待过秤，有时工作人员不在的情况下，会导致顾客长时间等待,部分客户可能因等待时间过长而放弃已选菜品的购买。因此，需要一种新的方案用来替代当前的用人力为主的秤重计价方式，减少人力成本，提高效率，增加购买力。
3D纹理就是立体的“图形”。3D纹理技术是能大幅度提高3D图像真实性的3D图像处理技术，通过采集物体立体表面构成计算机能识别的3D纹理物件（这里采用3d立方体贴图纹理采集），跟计算机预先提取物件做成的的3D纹理特征库进行一一比对，根据精准度，进行分类。Mipmap是目前应用最为广泛的纹理映射技术之一，在三维图像的二维代替物中达到立体感效应。Mipmap技术与材质贴图技术结合，根据距观看者远近距离的不同，以不同的分辨率将单一的材质贴图以多重图像的形式表现出来并代表平面纹理。
发明内容
为克服上述问题，本发明的目的是提供一种基于纹理算法的菜品分类计价方法，能对菜品分类并自动计价，提高了工作效率。
本发明采用以下方案实现：一种基于纹理算法的菜品分类计价方法，所述方法包括如下步骤：
步骤S1、根据收集到的各种分类的菜品提取3d纹理，并形成特征库；
步骤S2、对要处理的菜品进行纹理提取，即检测物进行图像采集并且进行纹理过滤；
步骤S3、将纹理过滤后的菜品图像与特征库进行比对，特征比对成功就进行对应的菜品分类，未找到就继续放入特征库，进行扩充特征库，并且继续重新采样；
步骤S4、从商品分类中得到菜品相应价格，对当前识别的菜品类完成称重计价并进行打标签。
进一步的，所述步骤S1进一步具体为：获取收集到的物件的六个面的图像信息，通过3d立方体贴图纹理采集技术，采集物体立体表面信息，形成计算机能识别的3d纹理物件；根据3d纹理物件所属类型进行筛选，即根据不同表面信息，区分出材质纹理的相同点和不同点，建立一个特征库，将属于对应类型的物件作为样本筛选进入相应的特征库。
进一步的，所述步骤S2进一步具体为：对要处理的菜品进行图像采集，将各菜品物件表面信息进行整理汇总，分门别类进行采集筛选；用Mipmap纹理技术对菜品物件的图像进行纹理过滤，Mipmap纹理技术与材质贴图技术结合，以不同的分辨率将单一的材质贴图以多重图像的形式表现出来并代表平面纹理：尺寸最大的图像放在前面显著的位置，而相对较小的图像则后退到背景区域，每一个不同的尺寸等级定义成一个Mipmap水平；避免了锯齿边缘在图像中出现，加快渲染速度和减少图像锯齿，进行优化采集到的物件贴图，过滤出对应纹理类型的物件。
进一步的，所述步骤S3进一步具体为：将采集到的物件和特征库的物件进行特征比对，由于常见的菜品的各种特征比较明显，材质纹理差异大，提供了比对的可能性和操作性，比对正确的物件就进行对应的菜品分类，放入属于自己对应的类别中；未找到就继续放入3d纹理的特征库，进行扩充特征库，并且继续重新采样。
本发明还提供了一种基于纹理算法的菜品分类计价系统，所述系统包括：建立特征库模块、物件纹理提取模块、特征比对模块、以及计价模块；
所述建立特征库模块，根据收集到的各种分类的菜品提取3d纹理，并形成特征库；
所述物件纹理提取模块，对要处理的菜品进行纹理提取，即检测物进行图像采集并且进行纹理过滤；
所述特征比对模块，将纹理过滤后的菜品图像与特征库进行比对，特征比对成功就进行对应的菜品分类，未找到就继续放入特征库，进行扩充特征库，并且继续重新采样；
所述计价模块，用于从商品分类中得到菜品相应价格，对当前识别的菜品类完成称重计价并进行打标签。
进一步的，所述建立特征库模块实现的方式进一步具体为：获取收集到的物件的六个面的图像信息，通过3d立方体贴图纹理采集技术，采集物体立体表面信息，形成计算机能识别的3d纹理物件；根据3d纹理物件所属类型进行筛选，即根据不同表面信息，区分出材质纹理的相同点和不同点，建立一个特征库，将属于对应类型的物件作为样本筛选进入相应的特征库。
进一步的，所述物件纹理提取模块实现的方式进一步具体为：对要处理的菜品进行图像采集，将各菜品物件表面信息进行整理汇总，分门别类进行采集筛选；用Mipmap纹理技术对菜品物件的图像进行纹理过滤，Mipmap纹理技术与材质贴图技术结合，以不同的分辨率将单一的材质贴图以多重图像的形式表现出来并代表平面纹理：尺寸最大的图像放在前面显著的位置，而相对较小的图像则后退到背景区域，每一个不同的尺寸等级定义成一个Mipmap水平；避免了锯齿边缘在图像中出现，加快渲染速度和减少图像锯齿，进行优化采集到的物件贴图，过滤出对应纹理类型的物件。
进一步的，所述特征比对模块实现的方式进一步具体为：将采集到的物件和特征库的物件进行特征比对，由于常见的菜品的各种特征比较明显，材质纹理差异大，提供了比对的可能性和操作性，比对正确的物件就进行对应的菜品分类，放入属于自己对应的类别中；未找到就继续放入3d纹理的特征库，进行扩充特征库，并且继续重新采样。
本发明的有益效果在于：本发明通过Mipmap纹理过滤进一步优化了检测效果，最终进行特征库比对输出分类结果，意在为菜品分类增加一种高智能、可行性的菜品分类并自动计价的方法，提高了工作效率。
附图说明
图1是本发明的方法流程示意图。
图2是本发明的系统原理框图。
具体实施方式
下面结合附图对本发明做进一步说明。
请参阅图1所示，本发明的一种基于纹理算法的菜品分类计价方法，所述方法包括如下步骤：
步骤S1、根据收集到的各种分类的菜品提取3d纹理，并形成特征库；
步骤S2、对要处理的菜品进行纹理提取，即检测物进行图像采集并且进行纹理过滤；
步骤S3、将纹理过滤后的菜品图像与特征库进行比对，特征比对成功就进行对应的菜品分类，未找到就继续放入特征库，进行扩充特征库，并且继续重新采样；
步骤S4、从商品分类中得到菜品相应价格，对当前识别的菜品类完成称重计价并进行打标签。
下面结合一具体实施例对本发明作进一步说明：
本发明的一种基于纹理算法的菜品分类计价方法，所述方法为：
1. 3d纹理特征库生成
1) 样本：物件6面图像（前，后，左，右，上，下）
获取到收集到的物件的六个面的图像信息，分别是前面、后面、左面、右面、上面和下面。通过3d立方体贴图纹理采集技术，采集物体立体表面信息，形成计算机可以识别的3d纹理物件。
2) 样本入库
根据物件所属类型进行筛选，根据不同表面信息，区分出材质纹理的相同点和不同点，建立一个数据库，将属于对应类型的物件作为样本筛选进入相应的3d纹理特征库。
2. 检测物纹理提取
1) 检测物图像采集
对要处理的菜品进行图像采集，将各菜品物件表面信息进行整理汇总，分门别类进行采集筛选；
2) 纹理过滤
用Mipmap技术进行纹理过滤。Mipmap技术与材质贴图技术结合，以不同的分辨率将单一的材质贴图以多重图像的形式表现出来并代表平面纹理：尺寸最大的图像放在前面显著的位置，而相对较小的图像则后退到背景区域。每一个不同的尺寸等级定义成一个Mipmap水平。避免了不想要的锯齿边缘（称为锯齿状图形）在图像中出现，加快渲染速度和减少图像锯齿，进行优化采集到的物件贴图，过滤出对应纹理类型的物件。
所述Mipmap纹理技术相当于纹理的不同层次细节，当物体距离比较近时，使用高分辨率的Mipmap图像；当物体距离比较远时，使用低分辨率的图像；处理过程中，它将原始高分辨率纹理缩减为低分辨率的小纹理，缩减的方式是高度和宽度减半，并用减半后的值作为小纹理的尺度；Mipmap纹理技术根据对象与相机的距离在纹理链中的任何低分辨率的Mipmap之间进行切换，而不是重复对单个纹理进行采样。
3. 进行特征库比对
将采集到的物件和特征库的物件进行特征比对。因为常见的菜品的各种特征比较明显，材质纹理差异非常大，提供了比对的可能性和操作性，比对正确的物件就进行对应的菜品分类，放入属于自己的类别中；未找到就继续放入3d纹理的特征库，进行扩充特征库，并且继续重新采样。随着样本系数的增大，对于提高筛选精确度，速度等都将会进一步提高。
4. 自动称重计价
将识别的菜品称重后并查询本地商品单品价格，并自动完成称重计价。
请参阅图2所示，本发明还提供了一种基于纹理算法的菜品分类计价系统，所述系统包括：建立特征库模块、物件纹理提取模块、特征比对模块、以及计价模块；
所述建立特征库模块，根据收集到的各种分类的菜品提取3d纹理，并形成特征库；
所述物件纹理提取模块，对要处理的菜品进行纹理提取，即检测物进行图像采集并且进行纹理过滤；
所述特征比对模块，将纹理过滤后的菜品图像与特征库进行比对，特征比对成功就进行对应的菜品分类，未找到就继续放入特征库，进行扩充特征库，并且继续重新采样；
所述计价模块，用于从商品分类中得到菜品相应价格，对当前识别的菜品类完成称重计价并进行打标签。
所述建立特征库模块实现的方式进一步具体为：获取收集到的物件的六个面的图像信息，通过3d立方体贴图纹理采集技术，采集物体立体表面信息，形成计算机能识别的3d纹理物件；根据3d纹理物件所属类型进行筛选，即根据不同表面信息，区分出材质纹理的相同点和不同点，建立一个特征库，将属于对应类型的物件作为样本筛选进入相应的特征库。
其中，所述物件纹理提取模块实现的方式进一步具体为：对要处理的菜品进行图像采集，将各菜品物件表面信息进行整理汇总，分门别类进行采集筛选；用Mipmap纹理技术对菜品物件的图像进行纹理过滤，Mipmap纹理技术与材质贴图技术结合，以不同的分辨率将单一的材质贴图以多重图像的形式表现出来并代表平面纹理：尺寸最大的图像放在前面显著的位置，而相对较小的图像则后退到背景区域，每一个不同的尺寸等级定义成一个Mipmap水平；避免了锯齿边缘在图像中出现，加快渲染速度和减少图像锯齿，进行优化采集到的物件贴图，过滤出对应纹理类型的物件。
进一步的，所述特征比对模块实现的方式进一步具体为：将采集到的物件和特征库的物件进行特征比对，由于常见的菜品的各种特征比较明显，材质纹理差异大，提供了比对的可能性和操作性，比对正确的物件就进行对应的菜品分类，放入属于自己对应的类别中；未找到就继续放入3d纹理的特征库，进行扩充特征库，并且继续重新采样。
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (8)

1.一种基于纹理算法的菜品分类计价方法，其特征在于：所述方法包括如下步骤：
步骤S1、根据收集到的各种分类的菜品提取3d纹理，并形成特征库；
步骤S2、对要处理的菜品进行纹理提取，即检测物进行图像采集并且进行纹理过滤；
步骤S3、将纹理过滤后的菜品图像与特征库进行比对，特征比对成功就进行对应的菜品分类，未找到就继续放入特征库，进行扩充特征库，并且继续重新采样；
步骤S4、从商品分类中得到菜品相应价格，对当前识别的菜品类完成称重计价并进行打标签。
2.根据权利要求1所述的一种基于纹理算法的菜品分类计价方法，其特征在于：所述步骤S1进一步具体为：获取收集到的物件的六个面的图像信息，通过3d立方体贴图纹理采集技术，采集物体立体表面信息，形成计算机能识别的3d纹理物件；根据3d纹理物件所属类型进行筛选，即根据不同表面信息，区分出材质纹理的相同点和不同点，建立一个特征库，将属于对应类型的物件作为样本筛选进入特征库。
3.根据权利要求1所述的一种基于纹理算法的菜品分类计价方法，其特征在于：所述步骤S2进一步具体为：对要处理的菜品进行图像采集，将各菜品物件表面信息进行整理汇总，分门别类进行采集筛选；用Mipmap纹理技术对菜品物件的图像进行纹理过滤，Mipmap纹理技术与材质贴图技术结合，以不同的分辨率将单一的材质贴图以多重图像的形式表现出来并代表平面纹理：尺寸最大的图像放在前面显著的位置，而相对较小的图像则后退到背景区域，每一个不同的尺寸等级定义成一个Mipmap水平；避免了锯齿边缘在图像中出现，加快渲染速度和减少图像锯齿，进行优化采集到的物件贴图，过滤出对应纹理类型的物件。
4.根据权利要求1所述的一种基于纹理算法的菜品分类计价方法，其特征在于：所述步骤S3进一步具体为：将采集到的物件和特征库的物件进行特征比对，由于常见的菜品的各种特征比较明显，材质纹理差异大，提供了比对的可能性和操作性，比对正确的物件就进行对应的菜品分类，放入属于自己对应的类别中；未找到就继续放入3d纹理的特征库，进行扩充特征库，并且继续重新采样。
5.一种基于纹理算法的菜品分类计价系统，其特征在于：所述系统包括：建立特征库模块、物件纹理提取模块、特征比对模块、以及计价模块；
所述建立特征库模块，根据收集到的各种分类的菜品提取3d纹理，并形成特征库；
所述物件纹理提取模块，对要处理的菜品进行纹理提取，即检测物进行图像采集并且进行纹理过滤；
所述特征比对模块，将纹理过滤后的菜品图像与特征库进行比对，特征比对成功就进行对应的菜品分类，未找到就继续放入特征库，进行扩充特征库，并且继续重新采样；
所述计价模块，用于从商品分类中得到菜品相应价格，对当前识别的菜品类完成称重计价并进行打标签。
6.根据权利要求5所述的一种基于纹理算法的菜品分类计价系统，其特征在于：所述建立特征库模块实现的方式进一步具体为：获取收集到的物件的六个面的图像信息，通过3d立方体贴图纹理采集技术，采集物体立体表面信息，形成计算机能识别的3d纹理物件；根据3d纹理物件所属类型进行筛选，即根据不同表面信息，区分出材质纹理的相同点和不同点，建立一个特征库，将属于对应类型的物件作为样本筛选进入相应的特征库。
7.根据权利要求5所述的一种基于纹理算法的菜品分类计价系统，其特征在于：所述物件纹理提取模块实现的方式进一步具体为：对要处理的菜品进行图像采集，将各菜品物件表面信息进行整理汇总，分门别类进行采集筛选；用Mipmap纹理技术对菜品物件的图像进行纹理过滤，Mipmap纹理技术与材质贴图技术结合，以不同的分辨率将单一的材质贴图以多重图像的形式表现出来并代表平面纹理：尺寸最大的图像放在前面显著的位置，而相对较小的图像则后退到背景区域，每一个不同的尺寸等级定义成一个Mipmap水平；避免了锯齿边缘在图像中出现，加快渲染速度和减少图像锯齿，进行优化采集到的物件贴图，过滤出对应纹理类型的物件。
8.根据权利要求5所述的一种基于纹理算法的菜品分类计价系统，其特征在于：所述特征比对模块实现的方式进一步具体为：将采集到的物件和特征库的物件进行特征比对，由于常见的菜品的各种特征比较明显，材质纹理差异大，提供了比对的可能性和操作性，比对正确的物件就进行对应的菜品分类，放入属于自己对应的类别中；未找到就继续放入3d纹理的特征库，进行扩充特征库，并且继续重新采样。
CN202010858328.2A 2020-08-24 2020-08-24 一种基于纹理算法的菜品分类计价方法及其系统 Active CN112001957B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010858328.2A CN112001957B (zh) 2020-08-24 2020-08-24 一种基于纹理算法的菜品分类计价方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010858328.2A CN112001957B (zh) 2020-08-24 2020-08-24 一种基于纹理算法的菜品分类计价方法及其系统

Publications (2)

Publication Number Publication Date
CN112001957A true CN112001957A (zh) 2020-11-27
CN112001957B CN112001957B (zh) 2023-08-18

Family

ID=73471713

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010858328.2A Active CN112001957B (zh) 2020-08-24 2020-08-24 一种基于纹理算法的菜品分类计价方法及其系统

Country Status (1)

Country Link
CN (1) CN112001957B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116978003A (zh) * 2023-09-22 2023-10-31 支付宝(杭州)信息技术有限公司 食材商品的纹理检测处理方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1374620A (zh) * 2002-03-27 2002-10-16 深圳市特得维技术有限公司 计算机视觉三维彩色扫描系统及其扫描方式
WO2003054796A2 (en) * 2001-12-20 2003-07-03 Koninklijke Philips Electronics N.V. Image rendering apparatus and method using mipmap texture mapping
WO2005104042A1 (en) * 2004-04-20 2005-11-03 The Chinese University Of Hong Kong Block-based fragment filtration with feasible multi-gpu acceleration for real-time volume rendering on standard pc
CN107767590A (zh) * 2016-08-16 2018-03-06 深圳仪普生科技有限公司 物品自动识别商用条码电子秤及物品自动识别方法
CN109658365A (zh) * 2017-10-11 2019-04-19 阿里巴巴集团控股有限公司 图像处理方法、装置、系统和存储介质
CN111508051A (zh) * 2020-04-22 2020-08-07 浙江无端科技股份有限公司 一种纹理加载方法及相关装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003054796A2 (en) * 2001-12-20 2003-07-03 Koninklijke Philips Electronics N.V. Image rendering apparatus and method using mipmap texture mapping
CN1374620A (zh) * 2002-03-27 2002-10-16 深圳市特得维技术有限公司 计算机视觉三维彩色扫描系统及其扫描方式
WO2005104042A1 (en) * 2004-04-20 2005-11-03 The Chinese University Of Hong Kong Block-based fragment filtration with feasible multi-gpu acceleration for real-time volume rendering on standard pc
CN107767590A (zh) * 2016-08-16 2018-03-06 深圳仪普生科技有限公司 物品自动识别商用条码电子秤及物品自动识别方法
CN109658365A (zh) * 2017-10-11 2019-04-19 阿里巴巴集团控股有限公司 图像处理方法、装置、系统和存储介质
CN111508051A (zh) * 2020-04-22 2020-08-07 浙江无端科技股份有限公司 一种纹理加载方法及相关装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CHRIST_SUN: "Mipmap纹理技术", 《HTTPS://BLOG.CSDN.NET/SOSESOA/ARTICLE/DETAILS/48469637》 *
王世淼;曾忠;李春梅;张军;: "基于结构光扫描三维重建技术研究", 北京印刷学院学报 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116978003A (zh) * 2023-09-22 2023-10-31 支付宝(杭州)信息技术有限公司 食材商品的纹理检测处理方法及装置
CN116978003B (zh) * 2023-09-22 2024-03-12 支付宝(杭州)信息技术有限公司 食材商品的纹理检测处理方法及装置

Also Published As

Publication number Publication date
CN112001957B (zh) 2023-08-18

Similar Documents

Publication Publication Date Title
CN107767590A (zh) 物品自动识别商用条码电子秤及物品自动识别方法
CN102930264B (zh) 基于图像识别技术的商品陈列信息采集分析系统及方法
US7909248B1 (en) Self checkout with visual recognition
US6592033B2 (en) Item recognition method and apparatus
CN103617420A (zh) 基于图像特征匹配的商品快速识别方法及系统
CN109741551B (zh) 一种商品识别结算方法、装置及系统
Marder et al. Using image analytics to monitor retail store shelves
CN101268478A (zh) 采用视频分析检测可疑活动的方法及装置
CN109977983A (zh) 获得训练图像的方法及装置
CN110942293B (zh) 物品信息的处理方法、设备、存储介质及系统
CN113344012B (zh) 物品识别方法、装置及设备
CN112598350B (zh) 一种基于点云扫描的仓储堆料管理方法及系统
CN111814660A (zh) 一种图像识别方法、终端设备及存储介质
CN110909698A (zh) 电子秤识别结果输出方法、系统、装置以及可读存储介质
CN112001957A (zh) 一种基于纹理算法的菜品分类计价方法及其系统
CN109919731A (zh) 基于线下购物过程的产品推荐模块
CN110705620A (zh) 一种基于翻拍识别的陈列图像检测方法、装置及存储介质
CN115063084A (zh) 一种卷烟零售商户库存盘点方法及系统
CN111292153B (zh) 信息推荐方法、装置、系统和存储介质
JP7446403B2 (ja) 精算のための複数商品の製品認識
DE112019006422T5 (de) Automatisierte kassensysteme und verfahren
CN115661624A (zh) 一种货架的数字化方法、装置及电子设备
CN110162654A (zh) 一种基于融合特征与检索结果优化的现勘图像检索算法
CN116091162A (zh) 一种电商商品推荐方法及其装置
CN114821234A (zh) 网络训练及目标检测方法、装置、设备及存储介质

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