CN112580412A - 商品识别方法及装置 - Google Patents

商品识别方法及装置 Download PDF

Info

Publication number
CN112580412A
CN112580412A CN201910945542.9A CN201910945542A CN112580412A CN 112580412 A CN112580412 A CN 112580412A CN 201910945542 A CN201910945542 A CN 201910945542A CN 112580412 A CN112580412 A CN 112580412A
Authority
CN
China
Prior art keywords
video
user
image
identifying
commodity
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
Application number
CN201910945542.9A
Other languages
English (en)
Inventor
亢乐
包英泽
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.)
Baidu USA LLC
Original Assignee
Baidu USA LLC
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 Baidu USA LLC filed Critical Baidu USA LLC
Priority to CN201910945542.9A priority Critical patent/CN112580412A/zh
Priority to US17/029,978 priority patent/US11488384B2/en
Publication of CN112580412A publication Critical patent/CN112580412A/zh
Pending legal-status Critical Current

Links

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
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • 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
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects

Abstract

本申请公开了商品识别方法及装置，涉及无人零售商品识别领域。具体实现方案为：获取商店中各个摄像头拍摄得到的视频；针对每个视频，对视频进行识别，获取识别到传递商品动作的视频段，以及对应的参与用户；参与用户包括：传递发起用户和传递接收用户；将视频段输入预设的传递行为识别模型，获取识别结果，识别结果包括：传递的商品，以及对应的传递概率；根据识别结果，对参与用户的携带商品信息进行更新，从而实现对用户之间的商品传递行为进行识别，确保记在用户名下的商品与实际相符，提高了商品识别效率。

Description

商品识别方法及装置
技术领域
本申请涉及图像处理技术领域，具体涉及无人零售商品识别领域，尤其涉及商品识别方法及装置。
背景技术
目前，智慧零售店中，在货架上设置有重力传感器和摄像头，识别顾客从货架上拿取了什么商品，但难以对顾客之间的商品传递行为进行识别，导致记在顾客名下的商品与实际不符，导致结账金额不准确。
发明内容
本申请提出一种商品识别方法及装置，通过对顾客之间的商品传递行为进行识别，确保记在顾客名下的商品与实际相符，提高了商品识别效率。
本申请一方面实施例提出了一种商品识别方法，包括：获取商店中各个摄像头拍摄得到的视频；针对每个视频，对所述视频进行识别，获取识别到传递商品动作的视频段，以及对应的参与用户；所述参与用户包括：传递发起用户和传递接收用户；将所述视频段输入预设的传递行为识别模型，获取识别结果，所述识别结果包括：传递的商品，以及对应的传递概率；根据所述识别结果，对所述参与用户的携带商品信息进行更新。
在本申请一个实施例中，所述针对每个视频，对所述视频进行识别，获取识别到传递商品动作的视频段，以及对应的参与用户，包括：针对每个视频，对所述视频中的每帧图像进行识别，获取识别到传递商品动作的至少一个第一图像；将所述至少一个第一图像按照时间点进行排序，将排序结果中对应的时间点差值小于预设差值阈值的相邻第一图像聚合在一起，得到至少一个视频段；确定所述视频段对应的参与用户。
在本申请一个实施例中，所述确定所述视频段对应的参与用户，包括：获取所述视频段中每帧图像对应的深度信息；根据所述视频段中的每帧图像以及对应的深度信息，确定所述视频段中每帧图像的点云信息；根据所述视频段中每帧图像的点云信息，以及所述商店中各个用户的点云信息，确定所述视频段对应的参与用户。
在本申请一个实施例中，所述传递行为识别模型对视频段的处理过程为，获取所述视频段中的传递前图像、传递中图像以及传递后图像；对所述传递前图像进行识别，确定传递前传递发起用户所拿取的商品以及对应的识别概率；对所述传递中图像进行识别，确定传递中传递发起用户和传递接收用户同时拿取的商品以及对应的识别概率；对所述传递后图像进行识别，确定传递后传递接收用户所拿取的商品以及对应的识别概率；根据传递前传递发起用户所拿取的商品以及对应的识别概率、传递中传递发起用户和传递接收用户同时拿取的商品以及对应的识别概率、传递后传递接收用户所拿取的商品以及对应的识别概率，确定传递的商品以及对应的传递概率。
在本申请一个实施例中，所述根据所述识别结果，对所述参与用户的携带商品信息进行更新，包括：获取所述识别结果中的最大传递概率对应的第一商品；对所述传递发起用户的携带商品信息中的第一商品信息进行删除处理；在所述传递接收用户的携带商品信息中添加所述第一商品信息。
本申请实施例的商品识别方法，通过获取商店中各个摄像头拍摄得到的视频；针对每个视频，对视频进行识别，获取识别到传递商品动作的视频段，以及对应的参与用户；参与用户包括：传递发起用户和传递接收用户；将视频段输入预设的传递行为识别模型，获取识别结果，识别结果包括：传递的商品，以及对应的传递概率；根据识别结果，对参与用户的携带商品信息进行更新，从而实现对用户之间的商品传递行为进行识别，确保记在用户名下的商品与实际相符，提高了商品识别效率。
本申请另一方面实施例提出了一种商品识别装置，包括：获取模块，用于获取商店中各个摄像头拍摄得到的视频；识别模块，用于针对每个视频，对所述视频进行识别，获取识别到传递商品动作的视频段，以及对应的参与用户；所述参与用户包括：传递发起用户和传递接收用户；输入模块，用于将所述视频段输入预设的传递行为识别模型，获取识别结果，所述识别结果包括：传递的商品，以及对应的传递概率；更新模块，用于根据所述识别结果，对所述参与用户的携带商品信息进行更新。
在本申请一个实施例中，所述识别模块具体用于，针对每个视频，对所述视频中的每帧图像进行识别，获取识别到传递商品动作的至少一个第一图像；将所述至少一个第一图像按照时间点进行排序，将排序结果中对应的时间点差值小于预设差值阈值的相邻第一图像聚合在一起，得到至少一个视频段；确定所述视频段对应的参与用户。
在本申请一个实施例中，所述识别模块具体用于，获取所述视频段中每帧图像对应的深度信息；根据所述视频段中的每帧图像以及对应的深度信息，确定所述视频段中每帧图像的点云信息；根据所述视频段中每帧图像的点云信息，以及所述商店中各个用户的点云信息，确定所述视频段对应的参与用户。
在本申请一个实施例中，所述传递行为识别模型对视频段的处理过程为，获取所述视频段中的传递前图像、传递中图像以及传递后图像；对所述传递前图像进行识别，确定传递前传递发起用户所拿取的商品以及对应的识别概率；对所述传递中图像进行识别，确定传递中传递发起用户和传递接收用户同时拿取的商品以及对应的识别概率；对所述传递后图像进行识别，确定传递后传递接收用户所拿取的商品以及对应的识别概率；根据传递前传递发起用户所拿取的商品以及对应的识别概率、传递中传递发起用户和传递接收用户同时拿取的商品以及对应的识别概率、传递后传递接收用户所拿取的商品以及对应的识别概率，确定传递的商品以及对应的传递概率。
在本申请一个实施例中，所述更新模块具体用于，获取所述识别结果中的最大传递概率对应的第一商品；对所述传递发起用户的携带商品信息中的第一商品信息进行删除处理；在所述传递接收用户的携带商品信息中添加所述第一商品信息。
本申请实施例的商品识别装置，通过获取商店中各个摄像头拍摄得到的视频；针对每个视频，对视频进行识别，获取识别到传递商品动作的视频段，以及对应的参与用户；参与用户包括：传递发起用户和传递接收用户；将视频段输入预设的传递行为识别模型，获取识别结果，识别结果包括：传递的商品，以及对应的传递概率；根据识别结果，对参与用户的携带商品信息进行更新，从而实现对用户之间的商品传递行为进行识别，确保记在用户名下的商品与实际相符，提高了商品识别效率。
本申请另一方面实施例提出了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请实施例的商品识别方法。
本申请另一方面实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本申请实施例的商品识别方法。
本申请另一方面实施例提出了商品识别方法，包括：获取商店中各个摄像头拍摄得到的视频；针对每个视频，对所述视频进行识别，获取识别到传递商品动作的视频段，以及对应的参与用户和传递的商品；所述参与用户包括：传递发起用户和传递接收用户；根据所述参与用户和传递的商品，对所述参与用户的携带商品信息进行更新。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是根据本申请第一实施例的示意图；
图2是根据本申请第二实施例的示意图；
图3是根据本申请第三实施例的示意图
图4是用来实现本申请实施例的商品识别方法的电子设备的框图；
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
下面参考附图描述本申请实施例的商品识别方法及装置。
图1是根据本申请第一实施例的示意图。其中，需要说明的是，本实施例提供的商品识别方法的执行主体为商品识别装置，该装置可以由软件和/或硬件的方式实现，该装置可以配置在终端设备或者服务器中，该实施例对此不作具体限定。
如图1所示，该商品识别方法可以包括：
步骤101，获取商店中各个摄像头拍摄得到的视频。
本申请中，摄像头可以位于商店的顶部且朝向商店内部。摄像头的数量可以为多个，每个摄像头覆盖商店的一部分区域，多个摄像头覆盖商店的所有区域。
本申请中，摄像头可以与商品识别装置连接，将拍摄得到的视频实时上报给商品识别装置。另外，摄像头还可以将自身的标识上报给商品识别装置，以便商品识别装置了解视频是哪个摄像头上报的。
步骤102，针对每个视频，对视频进行识别，获取识别到传递商品动作的视频段，以及对应的参与用户；参与用户包括：传递发起用户和传递接收用户。
本申请中，商品识别装置执行步骤102的过程具体可以为，针对每个视频，对视频中的每帧图像进行识别，获取识别到传递商品动作的至少一个第一图像；将至少一个第一图像按照时间点进行排序，将排序结果中对应的时间点差值小于预设差值阈值的相邻第一图像聚合在一起，得到至少一个视频段；确定视频段对应的参与用户。
其中，传递商品动作是一个维持一定时间段的动作，因此，同一个传递商品动作可以存在于多帧图像中，为了确保后续识别商品的准确度，可以获取存在有传递商品动作的多帧图像以进行后续识别。本申请中，同一个商品传递动作一般是连续的，多个商品传递动作之间一般是不连续的，因此，可以将至少一个第一图像按照时间点进行排序，获取排序结果中相邻第一图像的时间点的差值，将差值小于预设差值阈值的相邻第一图像聚合在一起，得到每个商品传递动作对应的视频段。其中，差值阈值可以根据视频中相邻图像的时间点差值确定。
本申请中，商品识别装置确定视频段对应的参与用户的过程具体可以为，获取视频段中每帧图像对应的深度信息；根据视频段中的每帧图像以及对应的深度信息，确定视频段中每帧图像的点云信息；根据视频段中每帧图像的点云信息，以及商店中各个用户的点云信息，确定视频段对应的参与用户。
本申请中，确定视频段对应的参与用户后，还可以根据视频段中参与用户的点云信息，确定参与用户的位置以及身体姿态等，根据参与用户的位置以及身体姿态等区分传递发起用户和传递接收用户。
本申请中，商品识别装置可以实时根据各个摄像头拍摄得到的视频以及视频中每帧图像的深度信息，生成商店的全局点云信息，对全局点云信息进行聚类，生成各个用户的点云信息，并实时对各个用户的点云信息进行跟踪，确定各个用户的携带商品信息。其中，跟踪过程中，若用户从货架上拿取了商品，则在携带商品信息中添加拿取的商品信息；若用户接收到其他用户传递的商品，则在携带商品信息中添加接收的商品信息。
步骤103，将视频段输入预设的传递行为识别模型，获取识别结果，识别结果包括：传递的商品，以及对应的传递概率。
本申请中，传递行为识别模型对视频段的处理过程为，获取视频段中的传递前图像、传递中图像以及传递后图像；对传递前图像进行识别，确定传递前传递发起用户所拿取的商品以及对应的识别概率；对传递中图像进行识别，确定传递中传递发起用户和传递接收用户同时拿取的商品以及对应的识别概率；对传递后图像进行识别，确定传递后传递接收用户所拿取的商品以及对应的识别概率；根据传递前传递发起用户所拿取的商品以及对应的识别概率、传递中传递发起用户和传递接收用户同时拿取的商品以及对应的识别概率、传递后传递接收用户所拿取的商品以及对应的识别概率，确定传递的商品以及对应的传递概率。
具体地，针对每个商品，将传递前该商品的识别概率、传递中该商品的识别概率、传递后该商品的识别概率相乘，得到该商品对应的传递概率。
步骤104，根据识别结果，对参与用户的携带商品信息进行更新。
本申请中，商品识别装置执行步骤104的过程具体可以为，获取识别结果中的最大传递概率对应的第一商品；对传递发起用户的携带商品信息中的第一商品信息进行删除处理；在传递接收用户的携带商品信息中添加第一商品信息。
本申请实施例的商品识别方法，通过获取商店中各个摄像头拍摄得到的视频；针对每个视频，对视频进行识别，获取识别到传递商品动作的视频段，以及对应的参与用户；参与用户包括：传递发起用户和传递接收用户；将视频段输入预设的传递行为识别模型，获取识别结果，识别结果包括：传递的商品，以及对应的传递概率；根据识别结果，对参与用户的携带商品信息进行更新，从而实现对用户之间的商品传递行为进行识别，确保记在用户名下的商品与实际相符，提高了商品识别效率。
为了实现上述实施例，本申请实施例还提供一种商品识别装置。
图2是根据本申请第二实施例的示意图。如图2所示，该商品识别装置100包括：
获取模块110，用于获取商店中各个摄像头拍摄得到的视频；
识别模块120，用于针对每个视频，对所述视频进行识别，获取识别到传递商品动作的视频段，以及对应的参与用户；所述参与用户包括：传递发起用户和传递接收用户；
输入模块130，用于将所述视频段输入预设的传递行为识别模型，获取识别结果，所述识别结果包括：传递的商品，以及对应的传递概率；
更新模块140，用于根据所述识别结果，对所述参与用户的携带商品信息进行更新。
在本申请一个实施例中，所述识别模块120具体用于，针对每个视频，对所述视频中的每帧图像进行识别，获取识别到传递商品动作的至少一个第一图像；将所述至少一个第一图像按照时间点进行排序，将排序结果中对应的时间点差值小于预设差值阈值的相邻第一图像聚合在一起，得到至少一个视频段；确定所述视频段对应的参与用户。
在本申请一个实施例中，所述识别模块120具体用于，获取所述视频段中每帧图像对应的深度信息；根据所述视频段中的每帧图像以及对应的深度信息，确定所述视频段中每帧图像的点云信息；根据所述视频段中每帧图像的点云信息，以及所述商店中各个用户的点云信息，确定所述视频段对应的参与用户。
在本申请一个实施例中，所述传递行为识别模型对视频段的处理过程为，获取所述视频段中的传递前图像、传递中图像以及传递后图像；对所述传递前图像进行识别，确定传递前传递发起用户所拿取的商品以及对应的识别概率；对所述传递中图像进行识别，确定传递中传递发起用户和传递接收用户同时拿取的商品以及对应的识别概率；对所述传递后图像进行识别，确定传递后传递接收用户所拿取的商品以及对应的识别概率；根据传递前传递发起用户所拿取的商品以及对应的识别概率、传递中传递发起用户和传递接收用户同时拿取的商品以及对应的识别概率、传递后传递接收用户所拿取的商品以及对应的识别概率，确定传递的商品以及对应的传递概率。
在本申请一个实施例中，所述更新模块140具体用于，获取所述识别结果中的最大传递概率对应的第一商品；对所述传递发起用户的携带商品信息中的第一商品信息进行删除处理；在所述传递接收用户的携带商品信息中添加所述第一商品信息。
其中，需要说明的是，前述对商品识别方法的解释说明也适用于本实施例的商品识别装置，此处不再赘述。
本申请实施例的商品识别装置，通过获取商店中各个摄像头拍摄得到的视频；针对每个视频，对视频进行识别，获取识别到传递商品动作的视频段，以及对应的参与用户；参与用户包括：传递发起用户和传递接收用户；将视频段输入预设的传递行为识别模型，获取识别结果，识别结果包括：传递的商品，以及对应的传递概率；根据识别结果，对参与用户的携带商品信息进行更新，从而实现对用户之间的商品传递行为进行识别，确保记在用户名下的商品与实际相符，提高了商品识别效率。
图3是根据本申请第三实施例的示意图，其中，需要说明的是，本实施例提供的商品识别方法的执行主体为商品识别装置，该装置可以由软件和/或硬件的方式实现，该装置可以配置在终端设备或者服务器中，该实施例对此不作具体限定。
如图3所示，该商品识别方法可以包括：
步骤301，获取商店中各个摄像头拍摄得到的视频。
步骤302，针对每个视频，对视频进行识别，获取识别到传递商品动作的视频段，以及对应的参与用户和传递的商品；参与用户包括：传递发起用户和传递接收用户。
本申请中，在一种示例中，商品识别装置可以针对每个视频，对视频进行识别，获取识别到传递商品动作的视频段，以及对应的参与用户；参与用户包括：传递发起用户和传递接收用户；将视频段输入预设的传递行为识别模型，获取识别结果，识别结果包括：传递的商品，以及对应的传递概率；根据识别结果确定传递的商品。
在另一种示例中，商品识别装置可以在视频中，选择一个能识别到传递商品动作的图像，对图像进行识别，确定传递的商品以及参与用户。
步骤303，根据所述参与用户和传递的商品，对所述参与用户的携带商品信息进行更新。
需要说明的是，前述对商品识别方法的解释说明也适用于本实施例的商品识别方法，此处不再赘述。
本申请实施例的商品识别方法，通过获取商店中各个摄像头拍摄得到的视频；针对每个视频，对视频进行识别，获取识别到传递商品动作的视频段，以及对应的参与用户和传递的商品；参与用户包括：传递发起用户和传递接收用户；根据参与用户和传递的商品，对参与用户的携带商品信息进行更新，从而实现对用户之间的商品传递行为进行识别，确保记在用户名下的商品与实际相符，提高了商品识别效率。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图4所示，是根据本申请实施例的商品识别方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图4所示，该电子设备包括：一个或多个处理器401、存储器402，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图4中以一个处理器401为例。
存储器402即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的商品识别方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的商品识别方法。
存储器402作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的商品识别方法对应的程序指令/模块(例如，附图2所示的获取模块110、识别模块120、输入模块130和更新模块140)。处理器401通过运行存储在存储器402中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的商品识别方法。
存储器402可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据商品识别的电子设备的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器402可选包括相对于处理器401远程设置的存储器，这些远程存储器可以通过网络连接至商品识别的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
商品识别的方法的电子设备还可以包括：输入装置403和输出装置404。处理器401、存储器402、输入装置403和输出装置404可以通过总线或者其他方式连接，图4中以通过总线连接为例。
输入装置403可接收输入的数字或字符信息，以及产生与商品识别的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置404可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (13)

1.一种商品识别方法，其特征在于，包括：
获取商店中各个摄像头拍摄得到的视频；
针对每个视频，对所述视频进行识别，获取识别到传递商品动作的视频段，以及对应的参与用户；所述参与用户包括：传递发起用户和传递接收用户；
将所述视频段输入预设的传递行为识别模型，获取识别结果，所述识别结果包括：传递的商品，以及对应的传递概率；
根据所述识别结果，对所述参与用户的携带商品信息进行更新。
2.根据权利要求1所述的方法，其特征在于，所述针对每个视频，对所述视频进行识别，获取识别到传递商品动作的视频段，以及对应的参与用户，包括：
针对每个视频，对所述视频中的每帧图像进行识别，获取识别到传递商品动作的至少一个第一图像；
将所述至少一个第一图像按照时间点进行排序，将排序结果中对应的时间点差值小于预设差值阈值的相邻第一图像聚合在一起，得到至少一个视频段；
确定所述视频段对应的参与用户。
3.根据权利要求2所述的方法，其特征在于，所述确定所述视频段对应的参与用户，包括：
获取所述视频段中每帧图像对应的深度信息；
根据所述视频段中的每帧图像以及对应的深度信息，确定所述视频段中每帧图像的点云信息；
根据所述视频段中每帧图像的点云信息，以及所述商店中各个用户的点云信息，确定所述视频段对应的参与用户。
4.根据权利要求1所述的方法，其特征在于，所述传递行为识别模型对视频段的处理过程为，
获取所述视频段中的传递前图像、传递中图像以及传递后图像；
对所述传递前图像进行识别，确定传递前传递发起用户所拿取的商品以及对应的识别概率；
对所述传递中图像进行识别，确定传递中传递发起用户和传递接收用户同时拿取的商品以及对应的识别概率；
对所述传递后图像进行识别，确定传递后传递接收用户所拿取的商品以及对应的识别概率；
根据传递前传递发起用户所拿取的商品以及对应的识别概率、传递中传递发起用户和传递接收用户同时拿取的商品以及对应的识别概率、传递后传递接收用户所拿取的商品以及对应的识别概率，确定传递的商品以及对应的传递概率。
5.根据权利要求1所述的方法，其特征在于，所述根据所述识别结果，对所述参与用户的携带商品信息进行更新，包括：
获取所述识别结果中的最大传递概率对应的第一商品；
对所述传递发起用户的携带商品信息中的第一商品信息进行删除处理；
在所述传递接收用户的携带商品信息中添加所述第一商品信息。
6.一种商品识别装置，其特征在于，包括：
获取模块，用于获取商店中各个摄像头拍摄得到的视频；
识别模块，用于针对每个视频，对所述视频进行识别，获取识别到传递商品动作的视频段，以及对应的参与用户；所述参与用户包括：传递发起用户和传递接收用户；
输入模块，用于将所述视频段输入预设的传递行为识别模型，获取识别结果，所述识别结果包括：传递的商品，以及对应的传递概率；
更新模块，用于根据所述识别结果，对所述参与用户的携带商品信息进行更新。
7.根据权利要求6所述的装置，其特征在于，所述识别模块具体用于，
针对每个视频，对所述视频中的每帧图像进行识别，获取识别到传递商品动作的至少一个第一图像；
将所述至少一个第一图像按照时间点进行排序，将排序结果中对应的时间点差值小于预设差值阈值的相邻第一图像聚合在一起，得到至少一个视频段；
确定所述视频段对应的参与用户。
8.根据权利要求7所述的装置，其特征在于，所述识别模块具体用于，
获取所述视频段中每帧图像对应的深度信息；
根据所述视频段中的每帧图像以及对应的深度信息，确定所述视频段中每帧图像的点云信息；
根据所述视频段中每帧图像的点云信息，以及所述商店中各个用户的点云信息，确定所述视频段对应的参与用户。
9.根据权利要求6所述的装置，其特征在于，所述传递行为识别模型对视频段的处理过程为，
获取所述视频段中的传递前图像、传递中图像以及传递后图像；
对所述传递前图像进行识别，确定传递前传递发起用户所拿取的商品以及对应的识别概率；
对所述传递中图像进行识别，确定传递中传递发起用户和传递接收用户同时拿取的商品以及对应的识别概率；
对所述传递后图像进行识别，确定传递后传递接收用户所拿取的商品以及对应的识别概率；
根据传递前传递发起用户所拿取的商品以及对应的识别概率、传递中传递发起用户和传递接收用户同时拿取的商品以及对应的识别概率、传递后传递接收用户所拿取的商品以及对应的识别概率，确定传递的商品以及对应的传递概率。
10.根据权利要求6所述的装置，其特征在于，所述更新模块具体用于，
获取所述识别结果中的最大传递概率对应的第一商品；
对所述传递发起用户的携带商品信息中的第一商品信息进行删除处理；
在所述传递接收用户的携带商品信息中添加所述第一商品信息。
11.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1－5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1－5中任一项所述的方法。
13.一种商品识别方法，其特征在于，包括：
获取商店中各个摄像头拍摄得到的视频；
针对每个视频，对所述视频进行识别，获取识别到传递商品动作的视频段，以及对应的参与用户和传递的商品；所述参与用户包括：传递发起用户和传递接收用户；
根据所述参与用户和传递的商品，对所述参与用户的携带商品信息进行更新。
CN201910945542.9A 2019-09-30 2019-09-30 商品识别方法及装置 Pending CN112580412A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910945542.9A CN112580412A (zh) 2019-09-30 2019-09-30 商品识别方法及装置
US17/029,978 US11488384B2 (en) 2019-09-30 2020-09-23 Method and device for recognizing product

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910945542.9A CN112580412A (zh) 2019-09-30 2019-09-30 商品识别方法及装置

Publications (1)

Publication Number Publication Date
CN112580412A true CN112580412A (zh) 2021-03-30

Family

ID=75116904

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910945542.9A Pending CN112580412A (zh) 2019-09-30 2019-09-30 商品识别方法及装置

Country Status (2)

Country Link
US (1) US11488384B2 (zh)
CN (1) CN112580412A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015191265A (ja) * 2014-03-27 2015-11-02 Kddi株式会社 認識装置、データサーバ、認識プログラム及び認識方法
KR20170055406A (ko) * 2015-11-11 2017-05-19 에스지생활안전 주식회사 상품 추적 시스템 및 상품 추적 방법
KR20180009330A (ko) * 2017-12-28 2018-01-26 에스지생활안전 주식회사 상품 추적 시스템 및 상품 추적 방법
US20180144379A1 (en) * 2016-11-22 2018-05-24 Kabushiki Kaisha Toshiba Image forming apparatus and sales support system
KR20180057448A (ko) * 2016-11-22 2018-05-30 주식회사 모닝커머스 전자상거래 활성화를 위한 홈쇼핑 방송의 실시간 중계 서비스 시스템 및 그 방법
JP2019125359A (ja) * 2018-01-12 2019-07-25 ライン プラス コーポレーションＬＩＮＥ Ｐｌｕｓ Ｃｏｒｐｏｒａｔｉｏｎ 情報推薦方法及びコンピュータシステム
CN110210939A (zh) * 2019-05-31 2019-09-06 广州太平洋电脑信息咨询有限公司 信息推送方法、装置和计算机设备
WO2019179256A1 (zh) * 2018-03-23 2019-09-26 阿里巴巴集团控股有限公司 一种自助购物风控方法及系统

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8259175B2 (en) * 2010-02-01 2012-09-04 International Business Machines Corporation Optimizing video stream processing
US9396621B2 (en) * 2012-03-23 2016-07-19 International Business Machines Corporation Systems and methods for false alarm reduction during event detection
US9495748B2 (en) * 2013-03-15 2016-11-15 Daqri, Llc Segmentation of content delivery
JP5632512B1 (ja) * 2013-07-02 2014-11-26 パナソニック株式会社 人物行動分析装置、人物行動分析システムおよび人物行動分析方法、ならびに監視装置
JP6253311B2 (ja) * 2013-08-28 2017-12-27 キヤノン株式会社 画像処理装置、画像処理方法
CN104732412A (zh) * 2015-04-08 2015-06-24 柳州市润博莱电子商务有限公司 一种保证电子商务前后端相一致的方法
US10203211B1 (en) * 2015-12-18 2019-02-12 Amazon Technologies, Inc. Visual route book data sets
CN109414119B (zh) * 2016-05-09 2021-11-16 格拉班谷公司 用于在环境内计算机视觉驱动应用的系统和方法
US10127438B1 (en) * 2017-08-07 2018-11-13 Standard Cognition, Corp Predicting inventory events using semantic diffing
US10943128B2 (en) * 2018-11-01 2021-03-09 Ncr Corporation Constructing shopper carts using video surveillance
WO2020156108A1 (en) * 2019-01-28 2020-08-06 Shenzhen Malong Technologies Co., Ltd. System and methods for monitoring retail transactions
CN110264177A (zh) * 2019-05-27 2019-09-20 东南大学 一种自助购物系统及方法
US20200387865A1 (en) * 2019-06-05 2020-12-10 Inokyo, Inc. Environment tracking
EP3786861A1 (en) * 2019-08-27 2021-03-03 Ford Global Technologies, LLC A computer-implemented logistics method
CN112529604B (zh) * 2019-08-30 2023-09-15 百度在线网络技术（北京）有限公司 物料投放方法、装置、电子设备和存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015191265A (ja) * 2014-03-27 2015-11-02 Kddi株式会社 認識装置、データサーバ、認識プログラム及び認識方法
KR20170055406A (ko) * 2015-11-11 2017-05-19 에스지생활안전 주식회사 상품 추적 시스템 및 상품 추적 방법
US20180144379A1 (en) * 2016-11-22 2018-05-24 Kabushiki Kaisha Toshiba Image forming apparatus and sales support system
KR20180057448A (ko) * 2016-11-22 2018-05-30 주식회사 모닝커머스 전자상거래 활성화를 위한 홈쇼핑 방송의 실시간 중계 서비스 시스템 및 그 방법
KR20180009330A (ko) * 2017-12-28 2018-01-26 에스지생활안전 주식회사 상품 추적 시스템 및 상품 추적 방법
JP2019125359A (ja) * 2018-01-12 2019-07-25 ライン プラス コーポレーションＬＩＮＥ Ｐｌｕｓ Ｃｏｒｐｏｒａｔｉｏｎ 情報推薦方法及びコンピュータシステム
WO2019179256A1 (zh) * 2018-03-23 2019-09-26 阿里巴巴集团控股有限公司 一种自助购物风控方法及系统
CN110210939A (zh) * 2019-05-31 2019-09-06 广州太平洋电脑信息咨询有限公司 信息推送方法、装置和计算机设备

Also Published As

Publication number Publication date
US20210097292A1 (en) 2021-04-01
US11488384B2 (en) 2022-11-01

Similar Documents

Publication Publication Date Title
CN111722245B (zh) 定位方法、定位装置和电子设备
CN111860167B (zh) 人脸融合模型获取及人脸融合方法、装置及存储介质
CN112241764A (zh) 图像识别方法、装置、电子设备及存储介质
CN110659600B (zh) 物体检测方法、装置及设备
CN111586319A (zh) 视频的处理方法和装置
CN112270711B (zh) 模型训练以及姿态预测方法、装置、设备以及存储介质
CN111259755B (zh) 数据关联方法、装置、设备及存储介质
CN110852379B (zh) 用于目标物体识别的训练样本生成方法及装置
CN111462174A (zh) 多目标跟踪方法、装置以及电子设备
CN111601013B (zh) 用于处理视频帧的方法和装置
CN111246257A (zh) 视频推荐方法、装置、设备及存储介质
CN111695519A (zh) 关键点定位方法、装置、设备以及存储介质
CN112507833A (zh) 人脸识别及模型训练的方法、装置、设备和存储介质
CN112241716A (zh) 训练样本的生成方法和装置
CN111695516A (zh) 热力图的生成方法、装置及设备
CN111967304A (zh) 基于边缘计算的获取物品信息方法、装置和结算台
CN112561059A (zh) 用于模型蒸馏的方法和装置
CN114187392A (zh) 虚拟偶像的生成方法、装置和电子设备
CN111563541B (zh) 图像检测模型的训练方法和装置
CN112270303A (zh) 图像识别方法、装置以及电子设备
CN112396494A (zh) 商品引导方法、装置、设备及存储介质
CN110798681B (zh) 成像设备的监测方法、装置和计算机设备
CN111767990A (zh) 神经网络的处理方法和装置
CN111275827A (zh) 基于边缘的增强现实三维跟踪注册方法、装置和电子设备
CN113255411A (zh) 目标检测方法、装置、电子设备及存储介质

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