CN112990095B - 商品陈列分析方法、装置、设备及存储介质 - Google Patents
商品陈列分析方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112990095B CN112990095B CN202110391601.XA CN202110391601A CN112990095B CN 112990095 B CN112990095 B CN 112990095B CN 202110391601 A CN202110391601 A CN 202110391601A CN 112990095 B CN112990095 B CN 112990095B
- Authority
- CN
- China
- Prior art keywords
- sku
- layer
- information
- scene
- selection frame
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了商品陈列分析方法、装置、设备及存储介质,涉及计算机视觉技术领域。所述方法包括根据获取的货架照片,识别货架信息及货架上摆放的SKU,对SKU进行框选,并在SKU选框上标注;对货架照片采用实例分割算法对不同场景和层进行框选,并在场景选框和层选框上标注场景实例分割信息和层实例分割信息;根据实例分割信息将场景与对应的层进行关联、将层与对应的SKU进行关联,完成分层识别得到关联结果。本发明基于准确的场景、层实例分割信息及SKU陈列信息可准确计算空位信息,能显著提高商品空位及空位所在层数的识别准确率,为快消企业提供更精准的陈列分析,辅助其对市场进行精准把控。
Description
技术领域
本发明涉及计算机视觉技术领域,尤其涉及商品陈列分析方法、装置、设备及存储介质。
背景技术
货架和冰柜场景是诸多大型快消企业作为终端生动化的重要载体,其合规的陈列是捕获更多消费者、快速掌控终端、经营终端的重要王牌,在销售竞争中影响巨大。过去陈列检查完全依赖众多业务员拜访门店,通过人眼和手工完成陈列的统计。在此过程中人工陈列检查不仅需要耗费大量时间,而且检查质量也难以保证。快消企业为了控制成本往往只抽样调查,无法获取完整真实的数据进行全面洞察分析,从而造成企业对市场的误判。
为了提升业务员的巡检效率、降低出错率,还原货架及冰柜的真实陈列情况,近年来人工智能技术特别是深度学习技术被广泛应用于陈列识别及陈列分析。通过手机端采集照片,采用AI深度学习算法识别冰柜及货架本品、竞品、冰柜、货架层数、SKU所属层数、空位信息后结合业务逻辑自动计算冰柜的饱满度、纯净度、本品排面占比、主推产品是否占据黄金位置等信息,进而自动准确的判断冰柜及货架陈列信息是否满足陈列需求,避免手动清点错误,保证所有费用的投放真实有效。
SKU(Stock Keeping Unit)表示商品的最小销售单元,作为最小销售单元的一款商品拥有不同颜色,代表不同的SKU,例:一件衣服,有红色、白色、蓝色,则SKU编码也不相同,在本申请文件中用SKU指代任一款最小销售单元的商品。其中SKU空位信息、空位所在层数的识别准确与否会严重影响本品排面占比、饱满度及是否占据黄金位置的指标计算,进而影响陈列识别的准确率,因此SKU空位识别及空位所在分层的正确率就显得尤为重要。
发明内容
本发明目的在于,提供商品陈列分析方法、装置、设备及存储介质,基于准确的场景、层实例分割信息及SKU陈列信息可准确计算空位信息,以提高SKU空位及空位所在层数的识别准确率,提供陈列分析指导。
为实现上述目的,本发明实施例提供一种商品陈列分析方法,包括:根据获取的货架照片,识别货架信息及货架上摆放的SKU,用矩形框对SKU进行框选得到SKU选框,并在所述SKU选框上标注SKU信息;对所述货架照片采用实例分割算法对不同场景和层进行矩形框框选分别得到场景选框和层选框,并在所述场景选框和所述层选框上标注实例分割信息;所述实例分割信息包括场景实例分割信息和层实例分割信息;根据所述实例分割信息将场景与对应的层进行关联、将层与对应的SKU进行关联,完成分层识别得到关联结果;根据所述SKU信息、场景实例分割信息、层实例分割信息和关联结果,得到货架陈列信息。
优选地,还包括根据所述SKU选框和所述层选框得到层空位信息。
优选地,层空位包括层的前排及后排均没有SKU放置的A型空位,以及层的前排没有SKU放置,但后排有SKU放置的B型空位;所述根据所述SKU选框和所述层选框得到层空位信息中包括:根据所述SKU选框底边的平均宽度和层的前排及后排均没有SKU的宽度,得到A型空位信息;根据所述SKU选框底边中点与对应的所述层选框底边之间的距离,得到B型空位信息。
优选地,所述根据所述实例分割信息将场景与对应的层进行关联、将层与对应的SKU进行关联,完成分层识别得到关联结果,包括:根据所述实例分割信息和SKU信息进行轮廓提取,得到若干场景轮廓、层轮廓和SKU轮廓;根据所述层轮廓获得层中心点及其坐标,查找层对应的层中心点落入的场景轮廓,以将层与场景进行关联;对不同场景内的层按照中心点的坐标排序得到层轮廓的层数;根据所述SKU轮廓获得SKU中心点及其坐标,查找SKU对应的SKU中心点落入的层轮廓,以将SKU与层进行关联。
优选地,所述陈列信息包括货架饱满度、目标SKU排面占比和目标SKU排列位置优劣情况。
本发明实施例还提供一种商品陈列分析装置,包括:SKU识别模块,用于根据获取的货架照片,识别货架信息及货架上摆放的SKU,用矩形框对SKU进行框选得到SKU选框,并在所述SKU选框上标注SKU信息;分割模块,用于对所述货架照片采用实例分割算法对不同场景和层进行矩形框框选分别得到场景选框和层选框,并在所述场景选框和所述层选框上标注实例分割信息;所述实例分割信息包括场景实例分割信息和层实例分割信息;关联模块,用于根据所述实例分割信息将场景与对应的层进行关联、将层与对应的SKU进行关联,完成分层识别得到关联结果;分析模块,用于根据所述SKU信息、场景实例分割信息、层实例分割信息和关联结果,得到货架陈列信息。
优选地,还包括空位识别模块,用于根据所述SKU选框和所述层选框得到层空位信息。
优选地,层空位包括层的前排及后排均没有SKU放置的A型空位,以及层的前排没有SKU放置,但后排有SKU放置的B型空位;所述空位识别模块包括:A型空位识别模块,用于根据所述SKU选框底边的平均宽度和层的前排及后排均没有SKU的宽度,得到A型空位信息;B型空位识别模块,用于根据所述SKU选框底边中点与对应的所述层选框底边之间的距离,得到B型空位信息。
本发明实施例还提供一种计算机终端设备,包括一个或多个处理器和存储器。存储器与所述处理器耦接,用于存储一个或多个程序;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上述任一实施例所述的商品陈列分析方法。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述任一实施例所述的商品陈列分析方法。
相比于现有技术,本发明具有如下有益效果:
(1)识别效率高:场景实例分割和层实例分割采用一次实例分割正向推理算法即可完成。
(2)识别精度高:采用实例分割算法使场景识别、层识别及空位识别的精度达到95%以上,进而提高货架饱满度、纯净度、本品排面占比、主推产品是否占据黄金位置等指标的识别准确率。
(3)识别信息丰富:本发明可提供货架场景位置信息、被测商品及其竞品位置信息、层位信息及多种类型空位信息识别,为快消企业提供真实可靠的陈列数据分析,辅助其准确判断市场现状及发展趋势。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施方式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方式,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是本发明某一实施例提供的商品陈列分析方法的流程示意图;
图2是本发明另一实施例提供的商品陈列分析方法的流程示意图;
图3是本发明某一实施例提供的商品陈列分析方法获得的实例分割信息的示意图;
图4是本发明某一实施例提供的商品陈列分析装置的结构示意图;
图5是本发明另一实施例提供的商品陈列分析装置的结构示意图;
图6是本发明某一实施例提供的计算机终端设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作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。
应当理解,文中所使用的步骤编号仅是为了方便描述,不对作为对步骤执行先后顺序的限定。
应当理解,在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
请参阅图1,图1是本发明某一实施例提供的商品陈列分析方法的流程示意图。在本实施例中,商品陈列分析方法包括:
步骤S100,根据获取的货架照片,识别货架信息及货架上摆放的SKU,用矩形框对SKU进行框选得到SKU选框,并在SKU选框上标注SKU信息。
步骤S200,对货架照片采用实例分割算法对不同场景和层进行矩形框框选分别得到场景选框和层选框,并在场景选框和层选框上标注实例分割信息;实例分割信息包括场景实例分割信息和层实例分割信息。
步骤S300,根据实例分割信息将场景与对应的层进行关联、将层与对应的SKU进行关联,完成分层识别得到关联结果。
步骤S400,根据SKU信息、场景实例分割信息、层实例分割信息和关联结果,得到货架陈列信息。
请参阅图2,图2是本发明另一实施例提供的商品陈列分析方法的流程示意图。结合上述实施例,商品陈列分析方法还包括步骤S310:根据SKU选框和层选框得到层空位信息。
为了进一步地细化货架陈列信息,将层空位细分为层的前排及后排均没有SKU放置的A型空位,以及层的前排没有SKU放置,但后排有SKU放置的B型空位。步骤S310根据SKU选框和层选框得到层空位信息中包括:步骤S311,根据SKU选框底边的平均宽度和层的前排及后排均没有SKU的宽度,得到A型空位信息。步骤S312,根据SKU选框底边中点与对应的层选框底边之间的距离,得到B型空位信息。
其中,A型空位信息可以直接从步骤S100中得到,根据获取的货架照片,识别货架信息及货架上摆放的SKU同时将不是SKU的部位作为空位,具体的A型空位数可以通过计算所有商品的平均宽度,然后基于识别后的A型空位宽度对A型空位分割得到。可参考公式:
其中,B型空位信息,主要是把步骤每层SKU信息按照横坐标排序,计算SKU选框其外接矩形底部中点纵坐标和层选框的外接矩形框的底部线条之间的距离d i,基于如下公式识别B型空位:
其中,d avg表示所有SKU选框其外接矩形底部中点纵坐标和层选框的外接矩形框的底部线条距离的平均值,N为商品个数,h表示商品高度。
货架(或冰柜等)场景图片往往既包含冰柜也包含货架还可能包含地堆或陈列架场景等。冰柜图片也会存在单冰柜、多冰柜场景,单冰柜场景中还会存在单开门和多开门等复杂情况。因此为了更好理解图片内容,采用深度学习实例分割算法对不同场景分割,得到货架、冰柜等不同场景的实例分割信息。在场景实例分割推理时同时完成货架层及冰柜层的实例分割,如图3所示。
对场景及层实例分割信息提取轮廓,计算所有层中心点坐标,判断层中心点坐标是否在场景轮廓内,若在把场景和层关联,对不同场景内的层信息按照中心坐标排序得到层轮廓的层数。按照相同的步骤把层信息和SKU信息进行关联进而识别商品所在层数完成分层识别。
步骤S300,根据实例分割信息将场景与对应的层进行关联、将层与对应的SKU进行关联,完成分层识别得到关联结果,包括:
步骤S301,根据实例分割信息和SKU信息进行轮廓提取,得到若干场景轮廓、层轮廓和SKU轮廓。
步骤S302,根据层轮廓获得层中心点及其坐标,查找层对应的层中心点落入的场景轮廓,以将层与场景进行关联;
步骤S303,对不同场景内的层按照中心点的坐标排序得到层轮廓的层数;根据SKU轮廓获得SKU中心点及其坐标,查找SKU对应的SKU中心点落入的层轮廓,以将SKU与层进行关联。
货架陈列信息包括货架饱满度、目标SKU排面占比和目标SKU排列位置优劣情况。本发明实施例,主要是通过场景与对应地货架层之间的关联关系,以及货架层与对应地SKU之间的关联关系,得出相应地货架饱满度、纯净度、本品排面占比、主推产品是否占据黄金位置等指标,完成业务逻辑的计算及陈列信息分析。
请参阅图4,图4是本发明某一实施例提供的商品陈列分析装置的结构示意图。在本实施例中与上述实施例相同的部分,在此不再赘述。本实施例提供的商品陈列分析装置包括:
SKU识别模块1,用于根据获取的货架照片,识别货架信息及货架上摆放的SKU,用矩形框对SKU进行框选得到SKU选框,并在SKU选框上标注SKU信息;
分割模块2,用于对货架照片采用实例分割算法对不同场景和层进行矩形框框选分别得到场景选框和层选框,并在场景选框和层选框上标注实例分割信息;实例分割信息包括场景实例分割信息和层实例分割信息;
关联模块3,用于根据实例分割信息将场景与对应的层进行关联、将层与对应的SKU进行关联,完成分层识别得到关联结果;
分析模块4,用于根据SKU信息、场景实例分割信息、层实例分割信息和关联结果,得到货架陈列信息。
请参阅图5,图5是本发明另一实施例提供的商品陈列分析装置的结构示意图。在本实施例中与上述实施例相同的部分,在此不再赘述。基于上述实施例提供的商品陈列分析装置还包括:
空位识别模块5,用于根据SKU选框和层选框得到层空位信息。为了进一步地细化货架陈列信息,将层空位细分为层的前排及后排均没有SKU放置的A型空位,以及层的前排没有SKU放置,但后排有SKU放置的B型空位;空位识别模块包括:A型空位识别模块,用于根据SKU选框底边的平均宽度和层的前排及后排均没有SKU的宽度,得到A型空位信息;B型空位识别模块,用于根据SKU选框底边中点与对应的层选框底边之间的距离,得到B型空位信息。
关于商品陈列分析装置的具体限定可以参见上文中对于的限定,在此不再赘述。上述商品陈列分析装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
请参阅图6,本发明实施例提供一种计算机终端设备,包括一个或多个处理器和存储器。存储器与所述处理器耦接,用于存储一个或多个程序,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上述任意一个实施例中的商品陈列分析方法。
处理器用于控制该计算机终端设备的整体操作,以完成上述的商品陈列分析方法的全部或部分步骤。存储器用于存储各种类型的数据以支持在该计算机终端设备的操作,这些数据例如可以包括用于在该计算机终端设备上操作的任何应用程序或方法的指令,以及应用程序相关的数据。该存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。
在一示例性实施例中,计算机终端设备可以被一个或多个应用专用集成电路(Application Specific 1ntegrated Circuit,简称AS1C) 、数字信号处理器(DigitalSignal Processor,简称DSP) 、数字信号处理设备(Digital Signal Processing Device,简称DSPD)、可编程逻辑器件(Programmable Logic Device,简称PLD) 、现场可编程门阵列(Field Programmable Gate Array ,简称FPGA) 、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的商品陈列分析方法,并达到如上述方法一致的技术效果。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述任意一个实施例中的商品陈列分析方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器,上述程序指令可由计算机终端设备的处理器执行以完成上述的商品陈列分析方法,并达到如上述方法一致的技术效果。
本发明实施例提供的商品陈列分析方法包括根据获取的货架照片,识别货架信息及货架上摆放的SKU,对SKU进行框选,并在SKU选框上标注SKU信息;对货架照片采用实例分割算法对不同场景和层进行矩形框框选,并在场景选框和层选框上标注实例分割信息;实例分割信息包括场景实例分割信息和层实例分割信息;根据实例分割信息将场景与对应的层进行关联、将层与对应的SKU进行关联,完成分层识别得到关联结果;根据SKU信息、场景实例分割信息、层实例分割信息和关联结果,得到货架陈列信息。场景实例分割和层实例分割采用一次实例分割正向推理算法即可完成。采用实例分割算法使场景识别、层识别及空位识别的精度达到95%以上,进而提高冰柜及货架饱满度、纯净度、本品排面占比、主推产品是否占据黄金位置等指标的识别准确率。本发明可提供货架场景位置信息、被测商品及其竞品位置信息、层位信息及多种类型空位信息识别,为快消企业提供真实可靠的陈列数据分析,辅助其准确判断市场现状及发展趋势。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (9)
1.一种商品陈列分析方法,其特征在于,包括:
根据获取的货架照片,识别货架信息及货架上摆放的SKU,用矩形框对SKU进行框选得到SKU选框,并在所述SKU选框上标注SKU信息;
对所述货架照片采用实例分割算法对不同场景和层进行矩形框框选分别得到场景选框和层选框,并在所述场景选框和所述层选框上标注实例分割信息;所述实例分割信息包括场景实例分割信息和层实例分割信息;
根据所述实例分割信息将场景与对应的层进行关联、将层与对应的SKU进行关联,完成分层识别得到关联结果;具体包括:根据所述实例分割信息和SKU信息进行轮廓提取,得到若干场景轮廓、层轮廓和SKU轮廓;根据所述层轮廓获得层中心点及其坐标,查找层对应的层中心点落入的场景轮廓,以将层与场景进行关联;对不同场景内的层按照中心点的坐标排序得到层轮廓的层数;根据所述SKU轮廓获得SKU中心点及其坐标,查找SKU对应的SKU中心点落入的层轮廓,以将SKU与层进行关联;
根据所述SKU信息、场景实例分割信息、层实例分割信息和关联结果,得到陈列信息。
2.根据权利要求1所述的商品陈列分析方法,其特征在于,还包括:
根据所述SKU选框和所述层选框得到层空位信息。
3.根据权利要求2所述的商品陈列分析方法,其特征在于,层空位包括层的前排及后排均没有SKU放置的A型空位,以及层的前排没有SKU放置,但后排有SKU放置的B型空位;
所述根据所述SKU选框和所述层选框得到层空位信息中包括:
根据所述SKU选框底边的平均宽度和层的前排及后排均没有SKU的宽度,得到A型空位信息;
根据所述SKU选框底边中点与对应的所述层选框底边之间的距离,得到B型空位信息。
4.根据权利要求1所述的商品陈列分析方法,其特征在于,所述陈列信息包括饱满度、目标SKU排面占比和目标SKU排列位置优劣情况。
5.一种商品陈列分析装置,其特征在于,包括:
SKU识别模块,用于根据获取的货架照片,识别货架信息及货架上摆放的SKU,用矩形框对SKU进行框选得到SKU选框,并在所述SKU选框上标注SKU信息;
分割模块,用于对所述货架照片采用实例分割算法对不同场景和层进行矩形框框选分别得到场景选框和层选框,并在所述场景选框和所述层选框上标注实例分割信息;所述实例分割信息包括场景实例分割信息和层实例分割信息;
关联模块,用于根据所述实例分割信息将场景与对应的层进行关联、将层与对应的SKU进行关联,完成分层识别得到关联结果;具体包括:根据所述实例分割信息和SKU信息进行轮廓提取,得到若干场景轮廓、层轮廓和SKU轮廓;根据所述层轮廓获得层中心点及其坐标,查找层对应的层中心点落入的场景轮廓,以将层与场景进行关联;对不同场景内的层按照中心点的坐标排序得到层轮廓的层数;根据所述SKU轮廓获得SKU中心点及其坐标,查找SKU对应的SKU中心点落入的层轮廓,以将SKU与层进行关联;
分析模块,用于根据所述SKU信息、场景实例分割信息、层实例分割信息和关联结果,得到货架陈列信息。
6.根据权利要求5所述的商品陈列分析装置,其特征在于,还包括:
空位识别模块,用于根据所述SKU选框和所述层选框得到层空位信息。
7.根据权利要求6所述的商品陈列分析装置,其特征在于,层空位包括层的前排及后排均没有SKU放置的A型空位,以及层的前排没有SKU放置,但后排有SKU放置的B型空位;所述空位识别模块包括:
A型空位识别模块,用于根据所述SKU选框底边的平均宽度和层的前排及后排均没有SKU的宽度,得到A型空位信息;
B型空位识别模块,用于根据所述SKU选框底边中点与对应的所述层选框底边之间的距离,得到B型空位信息。
8.一种计算机终端设备,其特征在于,包括:
一个或多个处理器;
存储器,与所述处理器耦接,用于存储一个或多个程序;
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至4任一项所述的商品陈列分析方法。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述的商品陈列分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110391601.XA CN112990095B (zh) | 2021-04-13 | 2021-04-13 | 商品陈列分析方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110391601.XA CN112990095B (zh) | 2021-04-13 | 2021-04-13 | 商品陈列分析方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112990095A CN112990095A (zh) | 2021-06-18 |
CN112990095B true CN112990095B (zh) | 2021-09-14 |
Family
ID=76338018
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110391601.XA Active CN112990095B (zh) | 2021-04-13 | 2021-04-13 | 商品陈列分析方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112990095B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113657317A (zh) * | 2021-08-23 | 2021-11-16 | 上海明略人工智能(集团)有限公司 | 一种货物位置识别方法、系统、电子设备及存储介质 |
CN115909358B (zh) * | 2022-07-27 | 2024-02-13 | 广州市玄武无线科技股份有限公司 | 商品规格识别方法、装置、终端设备及计算机存储介质 |
CN116311219B (zh) * | 2023-01-29 | 2024-02-09 | 广州市玄武无线科技股份有限公司 | 一种基于透视变换的地堆本品占地面积计算方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108898141A (zh) * | 2018-06-14 | 2018-11-27 | 中山大学 | 基于图像检测的商品货架分割和层信息统计方法 |
CN110069980A (zh) * | 2019-03-05 | 2019-07-30 | 北京三快在线科技有限公司 | 基于图像的产品聚合方法及装置、电子设备 |
CN110245580A (zh) * | 2019-05-24 | 2019-09-17 | 北京百度网讯科技有限公司 | 一种检测图像的方法、装置、设备和计算机存储介质 |
CN110705424A (zh) * | 2019-09-25 | 2020-01-17 | 广州市玄武无线科技股份有限公司 | 一种商品陈列位置的定位方法、装置及存储介质 |
CN111626201A (zh) * | 2020-05-26 | 2020-09-04 | 创新奇智(西安)科技有限公司 | 商品检测方法、装置及可读存储介质 |
CN111882606A (zh) * | 2020-07-01 | 2020-11-03 | 上海品览数据科技有限公司 | 一种基于深度学习的货架商品分层方法 |
CN112446437A (zh) * | 2020-12-11 | 2021-03-05 | 上海品览数据科技有限公司 | 一种基于机器视觉的货架商品规格识别方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110184837A1 (en) * | 2010-01-24 | 2011-07-28 | Janos Biro | System and method for ordering products and materials using an electronic sku finder |
US11113554B2 (en) * | 2017-10-09 | 2021-09-07 | Great Masters Art Authentication, Llc | Systems and methods for identifying and authenticating artistic works |
CN108197873A (zh) * | 2018-01-23 | 2018-06-22 | 广州誉点信息科技有限公司 | 仓库商品拣货方法、装置、计算机设备及存储介质 |
CN109784809A (zh) * | 2019-01-10 | 2019-05-21 | 深圳市启海仓储有限公司 | 货位分配管理方法及系统 |
CN112560563A (zh) * | 2019-09-26 | 2021-03-26 | 北京迈格威科技有限公司 | 物品布局的识别方法、装置及电子设备 |
CN111291834B (zh) * | 2020-03-27 | 2022-06-10 | 华士磐典科技(上海)有限公司 | 一种快速生成货架数字陈列图的方法 |
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 |
CN112330801A (zh) * | 2020-11-03 | 2021-02-05 | 烟台创迹软件有限公司 | 一种货架陈列设计方法 |
CN112389966B (zh) * | 2020-11-20 | 2022-07-05 | 王琳 | 一种自动分拣运输车及其分拣方法 |
-
2021
- 2021-04-13 CN CN202110391601.XA patent/CN112990095B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108898141A (zh) * | 2018-06-14 | 2018-11-27 | 中山大学 | 基于图像检测的商品货架分割和层信息统计方法 |
CN110069980A (zh) * | 2019-03-05 | 2019-07-30 | 北京三快在线科技有限公司 | 基于图像的产品聚合方法及装置、电子设备 |
CN110245580A (zh) * | 2019-05-24 | 2019-09-17 | 北京百度网讯科技有限公司 | 一种检测图像的方法、装置、设备和计算机存储介质 |
CN110705424A (zh) * | 2019-09-25 | 2020-01-17 | 广州市玄武无线科技股份有限公司 | 一种商品陈列位置的定位方法、装置及存储介质 |
CN111626201A (zh) * | 2020-05-26 | 2020-09-04 | 创新奇智(西安)科技有限公司 | 商品检测方法、装置及可读存储介质 |
CN111882606A (zh) * | 2020-07-01 | 2020-11-03 | 上海品览数据科技有限公司 | 一种基于深度学习的货架商品分层方法 |
CN112446437A (zh) * | 2020-12-11 | 2021-03-05 | 上海品览数据科技有限公司 | 一种基于机器视觉的货架商品规格识别方法 |
Non-Patent Citations (1)
Title |
---|
超市货架区域分割与商品识别研究;梁青青;《中国优秀硕士学位论文全文数据库 信息科技辑》;20130715(第7期);第I138-1174页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112990095A (zh) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112990095B (zh) | 商品陈列分析方法、装置、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 | |
US10713621B2 (en) | Method for tracking and characterizing perishable goods in a store | |
CN108846621B (zh) | 一种基于策略模块的库存管理系统 | |
US9697429B2 (en) | Method and apparatus for image processing to avoid counting shelf edge promotional labels when counting product labels | |
CN110705424B (zh) | 一种商品陈列位置的定位方法、装置及存储介质 | |
CN109117824B (zh) | 商品的管理方法、装置、电子设备及储存介质 | |
CN111507253B (zh) | 基于人工智能的陈列物品审核方法、装置 | |
CN109886169B (zh) | 应用于无人货柜的物品识别方法、装置、设备及存储介质 | |
CN112464697A (zh) | 基于视觉和重力感应的商品与顾客的匹配方法和装置 | |
US20210366027A1 (en) | Smart display apparatus and smart display method | |
CN111161346B (zh) | 将商品在货架中进行分层的方法、装置和电子设备 | |
CN114419289A (zh) | 一种基于Unity的虚拟场景货架陈列方法及系统 | |
CN110222569B (zh) | 对象检测方法、装置、电子设备及可读存储介质 | |
CN113468914A (zh) | 一种商品纯净度的确定方法、装置及设备 | |
CN109978720A (zh) | 穿着评分方法、装置、智能设备及存储介质 | |
US20240104587A1 (en) | Familiarity degree estimation apparatus, familiarity degree estimation method, and recording medium | |
CN112365315B (zh) | 商品展示位置推荐方法、装置、系统以及存储介质 | |
CN111783627B (zh) | 商品存量确定方法、装置及设备 | |
CN113033286A (zh) | 一种货柜内商品的识别方法及装置 | |
US11961280B2 (en) | System and method for image processing for trend analysis | |
CN110533451A (zh) | 智能视觉计价系统 | |
TWI841884B (zh) | 智慧商店的選品規劃方法、選品規劃系統及其處理設備 | |
CN113298542B (zh) | 数据更新的方法、自助设备及存储介质 | |
CN115527238A (zh) | 人体识别方法、陈列柜货架、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 | ||
CP02 | Change in the address of a patent holder |
Address after: 510000 room 23bd, No. 109, TIYU West Road, Tianhe District, Guangzhou City, Guangdong Province Patentee after: GUANGZHOU XUANWU WIRELESS TECHNOLOGY Co.,Ltd. Address before: 32B, no.103b, TianLiHe Road, Guangzhou, 510000 Patentee before: GUANGZHOU XUANWU WIRELESS TECHNOLOGY Co.,Ltd. |
|
CP02 | Change in the address of a patent holder |