CN113362543B - 结算方法、装置、电子设备以及存储介质 - Google Patents
结算方法、装置、电子设备以及存储介质 Download PDFInfo
- Publication number
- CN113362543B CN113362543B CN202110558542.0A CN202110558542A CN113362543B CN 113362543 B CN113362543 B CN 113362543B CN 202110558542 A CN202110558542 A CN 202110558542A CN 113362543 B CN113362543 B CN 113362543B
- Authority
- CN
- China
- Prior art keywords
- target
- target object
- category
- article
- item
- 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
- 238000000034 method Methods 0.000 title claims description 68
- 238000005303 weighing Methods 0.000 claims abstract description 62
- 238000004590 computer program Methods 0.000 claims description 14
- 239000004973 liquid crystal related substance Substances 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000013135 deep learning Methods 0.000 abstract description 6
- 238000004364 calculation method Methods 0.000 abstract description 4
- 238000012545 processing Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000003993 interaction Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 241000220225 Malus Species 0.000 description 3
- 241000581835 Monodora junodii Species 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 235000013311 vegetables Nutrition 0.000 description 2
- 241000121802 Royena lycioides Species 0.000 description 1
- 235000010724 Wisteria floribunda Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 235000021016 apples Nutrition 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07G—REGISTERING THE RECEIPT OF CASH, VALUABLES, OR TOKENS
- G07G1/00—Cash registers
- G07G1/0018—Constructional details, e.g. of drawer, printing means, input means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
- G01G19/40—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups with provisions for indicating, recording, or computing price or other quantities dependent on the weight
- G01G19/413—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups with provisions for indicating, recording, or computing price or other quantities dependent on the weight using electromechanical or electronic computing means
- G01G19/414—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups with provisions for indicating, recording, or computing price or other quantities dependent on the weight using electromechanical or electronic computing means using electronic computing means only
- G01G19/4144—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups with provisions for indicating, recording, or computing price or other quantities dependent on the weight using electromechanical or electronic computing means using electronic computing means only for controlling weight of goods in commercial establishments, e.g. supermarket, P.O.S. systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
- G01G19/52—Weighing apparatus combined with other objects, e.g. furniture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07G—REGISTERING THE RECEIPT OF CASH, VALUABLES, OR TOKENS
- G07G1/00—Cash registers
- G07G1/01—Details for indicating
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07G—REGISTERING THE RECEIPT OF CASH, VALUABLES, OR TOKENS
- G07G1/00—Cash registers
- G07G1/12—Cash registers electronically operated
Abstract
本公开提供了结算方法、装置、电子设备以及存储介质，涉及人工智能技术领域，尤其涉及计算机视觉和深度学习技术领域，可应用于图像识别场景下。具体实现方案为：通过摄像头采集目标物品的图像并通过称重台获取目标物品的重量；对目标物品的图像进行识别，获取图像中目标物品对应的特征；根据目标物品对应的特征与预先确定的至少一个物品类别对应的聚类中心，确定目标物品所属的目标类别；根据目标物品对应的特征与目标类别下至少一个子类别物品对应的特征，确定目标物品所属的目标子类别；根据目标物品的目标子类别及目标物品的重量，对目标物品进行结算。由此，提高了目标物品的结算效率和准确性，降低了结算的人力成本。
Description
技术领域
本公开涉及人工智能技术领域，特别涉及计算机视觉和深度学习技术领域，可应用于图像识别场景下，尤其涉及结算方法、装置、电子设备以及存储介质。
背景技术
目前，商场或者超市中有很多蔬菜、水果、散装食品或散装用品等物品，这类物品需要通过人工确定物品的种类、单价等信息，并称量物品的重量后才能进行结算。
上述结算方式，由于需要依赖人工确定物品的种类、单价等信息，人力成本高，且易出现误操作，准确率低。并且，由于通过人工从冗长的物品列表中选择物品的种类并确定物品的单价等信息，耗时长，因此结算效率低。
发明内容
本公开提供了一种结算方法、装置、电子设备、存储介质以及计算机程序产品。
根据本公开的一方面，提供了一种结算方法，应用于具有摄像头的称重台，方法包括：通过所述摄像头采集目标物品的图像并通过所述称重台获取目标物品的重量；对所述目标物品的图像进行识别，获取所述图像中所述目标物品对应的特征；根据所述目标物品对应的特征与预先确定的至少一个物品类别对应的聚类中心，确定所述目标物品所属的目标类别；根据所述目标物品对应的特征与所述目标类别下至少一个子类别物品对应的特征，确定所述目标物品所属的目标子类别；根据所述目标物品的目标子类别及所述目标物品的重量，对所述目标物品进行结算。
根据本公开的另一方面，提供了一种结算装置，应用于具有摄像头的称重台，装置包括：第一获取模块，用于通过所述摄像头采集目标物品的图像并通过所述称重台获取目标物品的重量；第一识别模块，用于对所述目标物品的图像进行识别，获取所述图像中所述目标物品对应的特征；第一确定模块，用于根据所述目标物品对应的特征与预先确定的至少一个物品类别对应的聚类中心，确定所述目标物品所属的目标类别；第二确定模块，用于根据所述目标物品对应的特征与所述目标类别下至少一个子类别物品对应的特征，确定所述目标物品所属的目标子类别；结算模块，用于根据所述目标物品的目标子类别及所述目标物品的重量，对所述目标物品进行结算。
根据本公开的另一方面，提供了一种电子设备，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如上所述的结算方法。
根据本公开的另一方面，提供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如上所述的结算方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据如上所述的结算方法。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是根据本公开第一实施例的结算方法的流程示意图；
图2是根据本公开第一实施例的称重台的结构示意图；
图3是根据本公开第二实施例的结算方法的流程示意图；
图4是根据本公开第三实施例的结算方法的流程示意图；
图5是根据本公开第三实施例的称重台包括的结算系统的服务框架图；
图6是根据本公开第四实施例的结算装置的结构示意图；
图7是根据本公开第五实施例的结算装置的结构示意图；
图8是用来实现本公开实施例的结算方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开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，而不会背离本公开的范围和精神。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。
可以理解的是，目前，商场或者超市中有很多蔬菜、水果、散装食品或散装用品等物品，这类物品需要通过人工确定物品的种类、单价等信息，并称量物品的重量后才能进行结算。
上述结算方式，由于需要依赖人工确定物品的种类、单价等信息，人力成本高，且易出现误操作，准确率低。并且，由于通过人工从冗长的物品列表中选择物品的种类并确定物品的单价等信息，耗时长，因此结算效率低。
本公开为了提高目标物品的结算效率和准确性，降低结算的人力成本，提出一种结算方法，该结算方法，应用于具有摄像头的称重台，方法包括：通过摄像头采集目标物品的图像并通过称重台获取目标物品的重量；对目标物品的图像进行识别，获取图像中目标物品对应的特征；根据目标物品对应的特征与预先确定的至少一个物品类别对应的聚类中心，确定目标物品所属的目标类别；根据目标物品对应的特征与目标类别下至少一个子类别物品对应的特征，确定目标物品所属的目标子类别；根据目标物品的目标子类别及目标物品的重量，对目标物品进行结算。由此，能够实现快速、准确的确定目标物品所属的种类，从而能够实现快速、准确的对目标物品进行结算，且无需依靠人力，从而提高了目标物品的结算效率和准确性，降低了结算的人力成本。
下面参考附图描述本公开实施例的结算方法、装置、电子设备、非瞬时计算机可读存储介质以及计算机程序产品。
首先结合图1，对本公开提供的结算方法进行详细描述。
图1是根据本公开第一实施例的结算方法的流程示意图。其中，需要说明的是，本公开实施例提供的结算方法，执行主体为结算装置。该结算装置可以为电子设备，也可以被配置在电子设备中，以提高目标物品的结算效率和准确性，降低结算的人力成本。本公开实施例以结算装置被配置在电子设备中为例进行说明。
其中，电子设备，可以独立于称重台设置，也可以设置在称重台中，本申请对此不作限制。其中，电子设备独立于称重台设置时，电子设备可以是任意能够进行数据处理的计算设备，例如笔记本电脑、智能手机、可穿戴设备等移动计算设备，或者台式计算机等静止的计算设备，或者服务器，或者其它类型的计算设备等；电子设备设置在称重台中时，电子设备可以是称重台中的结算系统，本公开对此不作限制。
如图1所示，结算方法，可以包括以下步骤：
步骤101，通过摄像头采集目标物品的图像并通过称重台获取目标物品的重量。
其中，目标物品为待进行结算的物品。
在示例性实施例中，可以在称重台中设置摄像头，用于采集待称重结算的目标物品。其中，本公开对摄像头的数量以及摄像头的设置位置不作限制，只需能够采集目标物品的图像即可。
在示例性实施例中，称重台可以包括称重装置，从而通过称重装置获取目标物品的重量。其中，称重装置例如可以为压力传感器等任意能够称量重量的装置，本公开对此不作限制。
在示例性实施例中，参考图2所示的称重台200，称重台可以包括称重装置201以及结算系统202。其中，摄像头例如可以设置在称重台200的称重装置201上，结算装置可以配置在结算系统202中，结算系统202可以设置有用户交互界面。
在需要对目标物品进行称重及结算时，用户比如顾客或者超市工作人员可以将目标物品放置在称重装置201上，并且通过用户交互界面，触控具有结算功能的按钮，以启动结算系统202进行结算。结算系统202中的结算装置可以调用结算接口模块，启动称重装置201上设置的摄像头来采集目标物品的图像，并通过称重装置201获取目标物品的重量。
步骤102，对目标物品的图像进行识别，获取图像中目标物品对应的特征。
其中，目标物品对应的特征，可以包括目标物品的轮廓、纹理、颜色等特征中的至少一种。
在示例性实施例中，可以训练识别模型，从而将目标物品的图像输入预先训练的识别模型，即可对目标物品的图像进行识别，获取图像中目标物品对应的特征。其中，识别模型，可以是任意深度神经网络模型，例如卷积神经网络模型、递归神经网络模型等，或者，也可以是其它类型的数据处理模型，本公开对此不作限制。训练识别模型时，可以采用深度学习的方法进行训练，相比其它机器学习方法，深度学习在大数据集上的表现更好。
步骤103，根据目标物品对应的特征与预先确定的至少一个物品类别对应的聚类中心，确定目标物品所属的目标类别。
在示例性实施例中，可以预先设置数据库，数据库中包括多种物品分别对应的特征以及多种物品分别对应的单价、库存量等物品信息，并且，可以预先对多种物品分别对应的特征进行聚类，获取至少一个物品类别以及每个物品类别对应的聚类中心。进而在获取目标物品对应的特征后，可以根据目标物品对应的特征与预先确定的至少一个物品类别对应的聚类中心，确定目标物品所属的目标类别。
在示例性实施例中，对数据库中多个物品分别对应的特征进行聚类，获取的物品类别的数量为一个时，可以将该物品类别，确定为目标物品所属的目标类别；获取的物品类别的数量为多个时，可以根据目标物品对应的特征与多个物品类别分别对应的聚类中心之间的距离，确定目标物品所属的目标类别。
步骤104，根据目标物品对应的特征与目标类别下至少一个子类别物品对应的特征，确定目标物品所属的目标子类别。
在示例性实施例中，目标类别下可能包含一个子类别物品或多个子类别物品。在目标类别下包含一个子类别物品时，可以将该子类别物品所属的子类别，确定为目标物品所属的目标子类别；在目标类别下包含多个子类别物品时，可以根据目标物品对应的特征以及多个子类别物品分别对应的特征，确定与目标物品最匹配的目标子类别物品，将目标子类别物品所属的子类别确定为目标物品所属的目标子类别。
其中，获取目标物品的重量的步骤，也可以在步骤102之后或者步骤103之后执行，本公开对获取目标物品的重量的步骤的执行时机不作限制，只需在步骤105之前执行即可。
步骤105，根据目标物品的目标子类别及目标物品的重量，对目标物品进行结算。
在示例性实施例中，由于数据库中存储了多种物品分别对应的单价、库存量等物品信息，从而确定了目标物品的目标子类别后，即可根据目标子类别，查询数据库，确定目标物品的物品信息，进而根据目标物品的物品信息及目标物品的重量，对目标物品进行结算。
由于在进行目标物品的结算时，通过摄像头获取目标物品的图像，进而根据目标物品的图像来确定目标物品所属的目标类别及目标子类别，相比人工能够更准确、快速的确定目标物品所属的种类，从而能够实现快速、准确的对目标物品进行结算，且由于无需依赖人工从冗长的物品列表中选择物品的种类并确定物品的单价等信息，从而降低了结算时所需的人力成本。
本公开实施例提供的结算方法，应用于具有摄像头的称重台，首先可以通过摄像头采集目标物品的图像并通过称重台获取目标物品的重量，再对目标物品的图像进行识别，获取图像中目标物品对应的特征，根据目标物品对应的特征与预先确定的至少一个物品类别对应的聚类中心，确定目标物品所属的目标类别，根据目标物品对应的特征与目标类别下至少一个子类别物品对应的特征，确定目标物品所属的目标子类别，进而根据目标物品的目标子类别及目标物品的重量，对目标物品进行结算。由此，能够实现快速、准确的确定目标物品所属的种类，从而能够实现快速、准确的对目标物品进行结算，且无需依靠人力，从而提高了目标物品的结算效率和准确性，降低了结算的人力成本。
下面结合图3，对本公开提供的结算方法进一步说明。
图3是根据本公开第二实施例的结算方法的流程示意图。如图3所示，本公开实施例提供的结算方法，可以包括以下步骤：
步骤301，通过摄像头采集目标物品的图像并通过称重台获取目标物品的重量。
步骤302，对目标物品的图像进行识别，获取图像中目标物品对应的特征。
其中，步骤301-302的具体实现过程及原理，可以参考上述实施例的描述，此处不再赘述。
可以理解的是，在实际应用中，摄像头采集的目标物品的图像，可能不仅包含目标物品，还包含其它内容，比如可能包含用户的手指、部分其它物品等。那么，为了准确对目标物品的图像进行识别，提高获取的目标物品对应的特征的准确性，在示例性实施例中，还可以获取目标物品的图像中目标物品所占的区域，并提取目标物品的图像中包含目标物品所占的区域的局部图像，进而对局部图像进行识别，获取局部图像中目标物品对应的特征。
其中，提取局部图像的方式，可以参考相关技术，此处不再赘述。
在示例性实施例中，可以预先设置数据库，数据库中包括多种物品分别对应的特征以及多种物品分别对应的单价、库存量等物品信息，并且，可以预先对多种物品分别对应的特征进行聚类，获取至少一个物品类别以及每个物品类别对应的聚类中心。进而在获取目标物品对应的特征后，可以根据目标物品对应的特征与预先确定的至少一个物品类别对应的聚类中心，确定目标物品所属的目标类别。
其中，对多种物品分别对应的特征进行聚类时，可以采用泰森多边形聚类算法或者基于密度的聚类算法等任意聚类算法，本公开对此不作限制。
在示例性实施例中，对数据库中多种物品分别对应的特征进行聚类，获取的物品类别的数量为一个时，可以将该物品类别，确定为目标物品所属的目标类别；获取的物品类别的数量为多个时，可以采用以下步骤303-304确定目标物品所属的目标类别。
步骤303，确定目标物品对应的特征与预先确定的多个物品类别分别对应的聚类中心之间的距离。
其中，目标物品对应的特征与预先确定的多个物品类别分别对应的聚类中心之间的距离，可以为SBD距离(shape-based distance，基于形状的距离)，也可以为其它距离，本公开对此不作限制。
其中，确定目标物品对应的特征与预先确定的多个物品类别分别对应的聚类中心之间的距离的方法，可以参考相关技术，此处不再赘述。
步骤304，将预先确定的多个物品类别中，对应的聚类中心与目标物品对应的特征之间的距离最短的物品类别，确定为目标物品所属的目标类别。
在示例性实施例中，确定目标物品对应的特征与预先确定多个物品类别分别对应的聚类中心之间的距离后，可以将多个物品类别中，对应的聚类中心与目标物品对应的特征之间的距离最短的物品类别，确定为目标物品所属的目标类别。
举例来说，假设预先确定了多个物品类别，其中，物品类别A对应聚类中心a，物品类别B对应聚类中心b，物品类别C对应聚类中心c。本公开实施例中，针对每个物品类别，可以确定目标物品对应的特征与物品类别对应的聚类中心之间的距离。假设多个物品类别分别对应的聚类中心与目标物品对应的特征之间的距离中，聚类中心a与目标物品对应的特征之间的距离最短，则可以将聚类中心a对应的物品类别A，确定为目标物品所属的目标类别。
在示例性实施例中，确定了目标物品所属的目标类别后，即可根据目标物品对应的特征与目标类别下至少一个子类别物品对应的特征，确定目标物品所属的目标子类别。
在示例性实施例中，目标物品所属的目标类别下包含一个子类别物品时，可以将该子类别物品所属的子类别，确定为目标物品所属的目标子类别；在目标类别下包含多个子类别物品时，可以采用以下步骤305-306确定目标物品所属的目标子类别。
步骤305，针对每个子类别物品，确定子类别物品对应的特征与目标物品对应的特征之间的匹配度。
步骤306，根据匹配度及多个子类别物品分别对应的子类别，确定目标物品所属的目标子类别。
在示例性实施例中，在目标物品所属的目标类别下包含多个子类别物品时，每个子类别物品对应一个子类别。针对每个子类别物品，可以确定子类别物品对应的特征与目标物品对应的特征之间的匹配度，进而根据匹配度确定多个子类别物品与目标物品的匹配度，从而将多个子类别物品中，与目标物品的匹配度最高的子类别物品所属的子类别，确定为目标物品所属的目标子类别。
其中，子类别物品对应的特征与目标物品对应的特征之间的匹配度，可以采用相关技术中的匹配度确定方法，此处不再赘述。
举例来说，假设目标物品所属的目标类别为苹果类，其中，苹果类下包含红富士苹果、红星苹果、青苹果等多个子类别。本公开实施例中，针对每种子类别，可以确定子类别对应的特征与目标物品对应的特征之间的匹配度，假设青苹果对应的特征与目标物品对应的特征之间的匹配度最高，则可以确定目标物品所属的目标子类别为青苹果。
通过根据目标物品对应的特征与预先确定的多个物品类别分别对应的聚类中心之间的距离来确定目标物品所属的目标类别，能够实现准确确定目标物品所属的目标类别。通过根据目标物品对应的特征与目标类别下每个子类别物品对应的特征之间的匹配度，来确定目标物品所属的目标子类别，能够实现准确确定目标物品所属的目标子类别。并且，通过先根据目标物品对应的特征，与预先确定的多个物品类别分别对应的聚类中心，确定目标物品所属的目标类别，可以先确定目标物品所属的一个比较大的类别，后续再根据目标物品对应的特征与目标类别下至少一个子类别物品对应的特征，可以确定目标物品所属的更细粒度的类别。由于将目标物品对应的特征与数据库中多种物品对应的特征进行匹配时，只需将目标物品对应的特征与数据库中目标类别下至少一个子类别物品对应的特征进行匹配，无需将目标物品对应的特征与数据库中所有细粒度类别的物品对应的特征进行匹配，从而减少了计算量，且节省了计算时间，进一步提高了结算效率。
可以理解的是，上述根据目标物品对应的特征来确定目标物品所属的目标类别及目标子类别的过程，可以理解为将目标物品对应的特征作为检索特征来查询数据库，以确定目标物品所属的目标类别及目标子类别。
另外，本公开实施例中，对目标物品的图像进行识别获取的目标物品对应的特征，可能包括一个特征，也可能包括多个特征。在获取的目标物品对应的特征的数量为一个时，可以直接将目标物品对应的特征作为检索特征，查询数据库来确定目标物品所属的目标类别及目标子类别。在获取的目标物品对应的特征的数量为多个时，可以为每个特征设置对应的权重，从而将设置好对应权重的多个特征同时作为检索特征，查询数据库来确定目标物品所属的目标类别及目标子类别。其中，每个特征对应的权重的具体设置方式可以根据需要设置，本公开对权重的设置方式不作限制。
需要说明的是，本公开实施例中，步骤302-306可以通过一个自学习更新模型来实现，自学习更新模型具备提取图像中目标物品的特征的能力，以及特征的检索能力，从而能够识别目标物品的图像，获取目标物品对应的特征，并将目标物品对应的特征作为检索特征，查询数据库来确定目标物品所属的目标类别及目标子类别。
并且，自学习更新模型具备特征的聚类能力，可以对数据库中各物品的特征进行聚类，确定至少一个物品类别以及物品类别对应的聚类中心，在数据库中出现新增特征时，也能够实时根据更新特征以及数据库中已有的特征更新数据库中的物品类别及物品类别对应的聚类中心，进而使得在进行目标物品的结算时，能够更准确的确定目标物品所属的目标类别及目标子类别，从而用户可以根据需要在数据库中存储任意物品的物品信息及对应的特征，满足用户的个性化需求。并且，数据库中新增特征时，无需对自学习更新模型进行重新训练，减少了结算成本。
在示例性实施例中，确定了目标物品的目标子类别以及目标物品的重量后，可以通过以下步骤307-308的方式，根据目标物品的目标子类别及目标物品的重量，对目标物品进行结算。
步骤307，将目标子类别对应的子类别物品的物品信息，确定为目标物品的物品信息。
其中，物品信息，可以包括物品的单价、库存量、属性等任意与物品结算有关的信息。
步骤308，根据目标物品的物品信息及目标物品的重量，对目标物品进行结算。
在示例性实施例中，由于数据库中存储了多种物品分别对应的物品信息，从而确定了目标物品的目标子类别后，即可根据目标子类别，查询数据库，确定目标子类别对应的子类别物品的物品信息，进而将目标子类别对应的子类别物品的物品信息，确定为目标物品的物品信息。
在示例性实施例中，将目标物品的物品信息中包含的单价，与目标物品的重量作积，即可确定目标物品的总价，从而可以对目标物品进行结算。
通过将目标子类别对应的子类别物品的物品信息，确定为目标物品的物品信息，实现了准确确定目标物品的物品信息，进而通过根据目标物品的物品信息及目标物品的重量，对目标物品进行结算，实现了对目标物品的准确结算。
本公开实施例的结算方法，通过摄像头采集目标物品的图像并通过称重台获取目标物品的重量，对目标物品的图像进行识别，获取图像中目标物品对应的特征，对目标物品的图像进行识别，获取图像中目标物品对应的特征，将预先确定的多个物品类别中，对应的聚类中心与目标物品对应的特征之间的距离最短的物品类别，确定为目标物品所属的目标类别，针对每个子类别物品，确定子类别物品对应的特征与目标物品对应的特征之间的匹配度，根据匹配度及多个子类别物品分别对应的子类别，确定目标物品所属的目标子类别，将目标子类别对应的子类别物品的物品信息，确定为目标物品的物品信息，根据目标物品的物品信息及目标物品的重量，对目标物品进行结算。由此，能够实现快速、准确的确定目标物品所属的种类，从而能够实现快速、准确的对目标物品进行结算，且无需依靠人力，从而提高了目标物品的结算效率和准确性，降低了结算的人力成本。
通过上述分析可知，本公开实施例中，可以预先设置数据库，数据库中包括多种物品分别对应的特征以及多种物品分别对应的物品信息，并且可以对多种物品分别对应的特征进行聚类，获取至少一个物品类别以及物品类别对应的聚类中心，从而可以根据目标物品对应的特征以及至少一个物品类别对应的聚类中心，确定目标物品的物品信息。下面结合图4，对本公开提供的结算方法中在数据库中存储物品对应的特征及物品信息以及对物品对应的特征进行聚类的过程进行进一步说明。
图4是根据本公开第三实施例的结算方法的流程示意图。如图4所示，本公开实施例提供的结算方法，还可以包括以下步骤：
步骤401，通过摄像头采集入库物品的图像。
其中，入库物品，为数据库中未存储对应特征或物品信息的物品，或者为数据库中需要更新对应特征或物品信息的物品。
步骤402，对入库物品的图像进行识别，获取入库物品对应的特征。
其中，步骤401-402的具体实现过程及原理，可以参考上述实施例中对目标物品的图像的获取及识别的描述，此处不再赘述。
步骤403，对入库物品对应的特征以及数据库中已存储的物品对应的特征进行聚类，获取至少一个物品类别以及物品类别对应的聚类中心。
在示例性实施例中，数据库中可能已存储有其它物品对应的特征，那么获取入库物品对应的特征后，可以将入库物品对应的特征以及数据库中已存储的物品对应的特征进行聚类，获取至少一个物品类别，并且，对于每个物品类别，可以根据该物品类别下的子类别物品对应的特征，计算该物品类别对应的聚类中心。其中，确定物品类别对应的聚类中心的方法，可以参考相关技术中的聚类方法，本公开对此不作赘述。
并且，获取入库物品对应的特征后，还可以将入库物品对应的特征存储在数据库中。
进而，在进行目标物品的结算时，可以将目标物品对应的特征作为检索特征，在数据库中查询，确定目标物品对应的特征与数据库中已确定的至少一个物品类别对应的聚类中心之间的距离，以确定目标物品所属的目标类别，并确定目标物品对应的特征与数据库中目标类别下至少一个子类别物品对应的特征之间的匹配度，以确定目标物品所属的目标子类别，进而根据目标物品所属的目标子类别确定目标物品的物品信息，从而实现根据目标物品的物品信息及目标物品的重量对目标物品进行结算。
在示例性实施例中，为了能够在确定目标物品所属的目标子类别后，确定目标物品的物品信息，还需要预先在数据库中存储子类别物品的物品信息。相应的，在根据目标物品的目标子类别及目标物品的重量，对目标物品进行结算之前，还可以包括以下步骤：
获取入库物品所属的子类别及入库物品的物品信息；
将入库物品所属的子类别、入库物品的物品信息及入库物品对应的特征，对应存储在数据库中。
其中，获取入库物品的物品信息的过程可以与步骤401同时执行，也可以在步骤401之后执行，本公开对此不作限制，只需在根据目标物品的目标子类别及目标物品的重量，对目标物品进行结算之前执行即可。
在示例性实施例中，参考图2所示的称重台200，用户可以将入库物品放置到称重台200上，并在称重台200的人机交互界面触控具有入库功能的按钮，以启动结算系统202进行物品入库，并通过人机交互界面输入入库物品的物品信息。结算装置可以通过称重台200的摄像头采集入库物品的图像，并对入库物品的图像进行识别，获取入库物品对应的特征，将入库物品对应的特征与数据库中已存储的物品对应的特征进行聚类，获取至少一个物品类别以及物品类别对应的聚类中心。并且，结算装置可以获取入库物品所属的子类别，进而将入库物品所属的子类别、入库物品的物品信息及入库物品对应的特征，对应存储在数据库中。
需要说明的是，本公开实施例中，对于每个入库物品，在需要将该入库物品对应的特征及物品信息存储或更新到数据库中时，均可以通过摄像头获取入库物品的图像，对入库物品的图像进行识别，获取入库物品对应的特征，进而对入库物品对应的特征以及数据库中已存储的物品对应的特征进行聚类，获取至少一个物品类别以及物品类别对应的聚类中心，并将入库物品的所属的子类别、入库物品的物品信息及入库物品对应的特征对应存储在数据库中。
由于在数据库中新增特征时能够实时根据更新特征以及数据库中已有的特征更新数据库中的物品类别及物品类别对应的聚类中心，进而使得在进行目标物品的结算时，能够更准确的确定目标物品所属的目标类别及目标子类别，且用户可以根据需要在数据库中存储任意物品的物品信息及对应的特征，满足了用户的个性化需求。
另外，本公开实施例中，在数据库中存储入库物品对应的特征时，摄像头采集的入库物品的图像，可以包括对入库物品套袋后的图像及未对入库物品套袋的图像，从而使得数据库中存储的入库物品对应的特征，可以包括对入库物品套袋后的图像进行识别获取的特征以及未对入库物品套袋的图像进行识别获取的特征，进而使得在对目标物品进行结算时，无论目标物品是否套袋，都能准确确定目标物品所属的目标类别及目标子类别，进而提高结算的准确性。
需要说明的是，步骤401-403可以在图1所示的步骤101之后执行，也可以在图1所示的步骤102之后执行，本公开对此不作限制，只需在步骤103之前执行即可。
下面结合图2所示的称重台200以及图5所示的称重台200中配置的结算系统202的服务框架，对本公开实施例提供的结算方法进行说明。
如图2和图5所示，称重台200可以包括称重装置201和结算系统202。以超市上新场景为例，为了实现对上新物品的结算，需要将上新物品对应的特征、所属的子类别及物品信息存储到数据库中，此时该上新物品称为入库物品。超市工作人员可以将入库物品放置到称重台200上，并在称重台200的人机交互界面触控具有入库功能的按钮，以启动结算系统202进行物品入库，并通过人机交互界面输入入库物品的物品信息。结算装置可以调用结算接口模块501，通过称重台200的摄像头采集入库物品的图像，并对入库物品的图像进行识别。对入库物品的图像进行识别时，可以通过检测服务502检测入库物品的图像中入库物品所占的区域，提取入库物品的图像中包含入库物品所占的区域的局部图像，通过特征服务503对局部图像进行识别，获取局部图像中入库物品对应的特征。进而将入库物品对应的特征、入库物品对应的物品信息及入库物品的子类别对应存入数据库504中。自学习更新模型506可以对入库物品对应的特征以及数据库中已有的物品对应的特征进行聚类，获取至少一个物品类别及物品类别对应的聚类中心。
在对目标物品进行结算时，顾客或者超市工作人员可以将目标物品放置在称重装置201上，并且通过用户交互界面，触控具有结算功能的按钮，以启动结算系统202进行结算。结算系统202中的结算装置可以调用结算接口模块，启动称重装置201上设置的摄像头来采集目标物品的图像，并通过称重装置201获取目标物品的重量。进一步的，结算装置可以对目标物品的图像进行识别，在识别时，可以通过检测服务502检测目标物品的图像中目标物品所占的区域，提取目标物品的图像中包含目标物品所占的区域的局部图像，通过特征服务503对局部图像进行识别，获取局部图像中目标物品对应的特征。进而通过检索服务505，将目标物品对应的特征作为检索特征，查询数据库504，根据目标物品对应的特征与数据库中预先确定的至少一个物品类别对应的聚类中心，确定目标物品所属的目标类别，根据目标物品对应的特征与目标类别下至少一个子类别物品对应的特征，确定目标物品所属的目标子类别。进而结算装置可以根据目标子类别及目标物品的重量，得到目标物品的结算结果。
需要说明的是，上述称重台可以应用于各商超的物品结算，支持各商超共享结算接口模块，服务成本独立于称重台数量，成本低。
本公开实施例的结算方法，通过采用摄像头采集入库物品的图像，对入库物品的图像进行识别，获取入库物品对应的特征，对入库物品对应的特征以及数据库中已存储的物品对应的特征进行聚类，获取至少一个物品类别以及物品类别对应的聚类中心，实现了根据入库物品对应的特征，更新数据库中的物品类别及物品类别对应的聚类中心，进而使得在进行目标物品的结算时，能够更准确的确定目标物品所属的目标类别及目标子类别，且用户可以根据需要在数据库中存储任意物品的物品信息及对应的特征，满足了用户的个性化需求。
下面结合图6，对本公开提供的结算装置进行说明。
图6是根据本公开第四实施例的结算装置的结构示意图。
如图6所示，本公开提供的结算装置600，包括：第一获取模块601、第一识别模块602、第一确定模块603、第二确定模块604以及结算模块605。
其中，第一获取模块601，用于通过摄像头采集目标物品的图像并通过称重台获取目标物品的重量；
第一识别模块602，用于对目标物品的图像进行识别，获取图像中目标物品对应的特征；
第一确定模块603，用于根据目标物品对应的特征与预先确定的至少一个物品类别对应的聚类中心，确定目标物品所属的目标类别；
第二确定模块604，用于根据目标物品对应的特征与目标类别下至少一个子类别物品对应的特征，确定目标物品所属的目标子类别；
结算模块605，用于根据目标物品的目标子类别及目标物品的重量，对目标物品进行结算。
需要说明的是，本实施例提供的结算装置600，可以执行前述实施例的结算方法。其中，结算装置可以为电子设备，也可以被配置在电子设备中，以提高目标物品的结算效率和准确性，降低结算的人力成本。
其中，电子设备，可以独立于称重台设置，也可以设置在称重台中，本申请对此不作限制。其中，电子设备独立于称重台设置时，电子设备可以是任意能够进行数据处理的计算设备，例如笔记本电脑、智能手机、可穿戴设备等移动计算设备，或者台式计算机等静止的计算设备，或者服务器，或者其它类型的计算设备等；电子设备设置在称重台中时，电子设备可以是称重台中的结算系统，本公开对此不作限制。
需要说明的是，前述对于结算方法的实施例的说明，也适用于本公开提供的结算装置，此处不再赘述。
本公开实施例提供的结算装置，应用于具有摄像头的称重台，首先可以通过摄像头采集目标物品的图像并通过称重台获取目标物品的重量，再对目标物品的图像进行识别，获取图像中目标物品对应的特征，根据目标物品对应的特征与预先确定的至少一个物品类别对应的聚类中心，确定目标物品所属的目标类别，根据目标物品对应的特征与目标类别下至少一个子类别物品对应的特征，确定目标物品所属的目标子类别，进而根据目标物品的目标子类别及目标物品的重量，对目标物品进行结算。由此，能够实现快速、准确的确定目标物品所属的种类，从而能够实现快速、准确的对目标物品进行结算，且无需依靠人力，从而提高了目标物品的结算效率和准确性，降低了结算的人力成本。
下面结合图7，对本公开提供的结算装置进行说明。
图7是根据本公开第六实施例的结算装置的结构示意图。
如图7所示，结算装置700，具体可以包括：第一获取模块701、第一识别模块702、第一确定模块703、第二确定模块704以及结算模块705。其中，图7中第一获取模块701、第一识别模块702、第一确定模块703、第二确定模块704以及结算模块705与图6中第一获取模块601、第一识别模块602、第一确定模块603、第二确定模块604以及结算模块605具有相同功能和结构。
在示例性实施例中，第一识别模块702，包括：
获取单元，用于获取目标物品的图像中目标物品所占的区域；
提取单元，用于提取目标物品的图像中包含目标物品所占的区域的局部图像；
识别单元，用于对局部图像进行识别，获取局部图像中目标物品对应的特征。
在示例性实施例中，物品类别的数量为多个，第一确定模块703，包括：
第一确定单元，用于确定目标物品对应的特征与预先确定的多个物品类别分别对应的聚类中心之间的距离；
第二确定单元，用于将预先确定的多个物品类别中，对应的聚类中心与目标物品对应的特征之间的距离最短的物品类别，确定为目标物品所属的目标类别。
在示例性实施例中，目标物品所属的目标类别下包含多个子类别物品；
第二确定模块704，包括：
第三确定单元，用于针对每个子类别物品，确定子类别物品对应的特征与目标物品对应的特征之间的匹配度；
第四确定单元，用于根据匹配度及多个子类别物品分别对应的子类别，确定目标物品所属的目标子类别。
在示例性实施例中，结算模块705，包括：
第五确定单元，用于将目标子类别对应的子类别物品的物品信息，确定为目标物品的物品信息；
结算单元，用于根据目标物品的物品信息及目标物品的重量，对目标物品进行结算。
在示例性实施例中，如图7所示，结算装置700还可以包括：
第二获取模块706，用于通过摄像头采集入库物品的图像；
第二识别模块707，用于对入库物品的图像进行识别，获取入库物品对应的特征；
聚类模块708，用于对入库物品对应的特征以及数据库中已存储的物品对应的特征进行聚类，获取至少一个物品类别以及物品类别对应的聚类中心。
在示例性实施例中，如图7所示，结算装置700还可以包括：
第三获取模块709，用于获取入库物品所属的子类别及入库物品的物品信息；
存储模块710，用于将入库物品所属的子类别、入库物品的物品信息及入库物品对应的特征，对应存储在数据库中。
需要说明的是，前述对于结算方法的实施例的说明，也适用于本公开提供的结算装置，此处不再赘述。
本公开实施例提供的结算装置，应用于具有摄像头的称重台，首先可以通过摄像头采集目标物品的图像并通过称重台获取目标物品的重量，再对目标物品的图像进行识别，获取图像中目标物品对应的特征，根据目标物品对应的特征与预先确定的至少一个物品类别对应的聚类中心，确定目标物品所属的目标类别，根据目标物品对应的特征与目标类别下至少一个子类别物品对应的特征，确定目标物品所属的目标子类别，进而根据目标物品的目标子类别及目标物品的重量，对目标物品进行结算。由此，能够实现快速、准确的确定目标物品所属的种类，从而能够实现快速、准确的对目标物品进行结算，且无需依靠人力，从而提高了目标物品的结算效率和准确性，降低了结算的人力成本。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。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/或者要求的本公开的实现。
如图8所示，设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如结算方法。例如，在一些实施例中，结算方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的结算方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行结算方法。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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)、互联网和区块链网络。
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。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
本公开涉及人工智能技术领域，特别涉及计算机视觉和深度学习技术领域，可应用于图像识别场景下。
需要说明的是，人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
根据本公开实施例的技术方案，应用于具有摄像头的称重台，首先可以通过摄像头采集目标物品的图像并通过称重台获取目标物品的重量，再对目标物品的图像进行识别，获取图像中目标物品对应的特征，根据目标物品对应的特征与预先确定的至少一个物品类别对应的聚类中心，确定目标物品所属的目标类别，根据目标物品对应的特征与目标类别下至少一个子类别物品对应的特征，确定目标物品所属的目标子类别，进而根据目标物品的目标子类别及目标物品的重量，对目标物品进行结算。由此，能够实现快速、准确的确定目标物品所属的种类，从而能够实现快速、准确的对目标物品进行结算，且无需依靠人力，从而提高了目标物品的结算效率和准确性，降低了结算的人力成本。
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，本发公开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，只要能够实现本公开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，并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (13)
1.一种结算方法，应用于具有摄像头的称重台，方法包括：
通过所述摄像头采集目标物品的图像并通过所述称重台获取目标物品的重量；
对所述目标物品的图像进行识别，获取所述图像中所述目标物品对应的特征，所述目标物品对应的特征包括：目标物品的轮廓、纹理、颜色；
根据所述目标物品对应的特征与预先确定的至少一个物品类别对应的聚类中心，确定所述目标物品所属的目标类别，其中，所述确定所述目标物品所属的目标类别，包括：通过自学习更新模型提取图像中目标物品的特征，为每个特征设置对应的权重，将设置对应权重的多个特征同时作为检索特征，查询数据库中存储物品的信息及对应的特征来确定目标物品所属的目标类别；
针对每个子类别物品，确定所述目标物品对应的特征与所述目标类别下至少一个子类别物品对应的特征之间的匹配度，根据所述匹配度及所述多个子类别物品分别所属的子类别，确定所述目标物品所属的目标子类别；
根据所述目标物品的目标子类别及所述目标物品的重量，对所述目标物品进行结算；
其中，所述根据所述目标物品对应的特征与预先确定的至少一个物品类别对应的聚类中心，确定所述目标物品所属的目标类别之前，还包括：
通过所述摄像头采集入库物品的图像；
对所述入库物品的图像进行识别，获取所述入库物品对应的特征；
自学习更新模型对所述入库物品对应的特征以及数据库中已存储的物品对应的特征进行聚类，获取所述至少一个物品类别以及所述物品类别对应的聚类中心，在数据库中出现新增特征时，实时根据更新特征以及数据库中己有的特征更新数据库中的物品类别及物品类别对应的聚类中心；
所述对所述目标物品的图像进行识别，获取所述图像中所述目标物品对应的特征，包括：
获取所述目标物品的图像中所述目标物品所占的区域；
提取所述目标物品的图像中包含所述目标物品所占的区域的局部图像；
对所述局部图像进行识别，获取所述局部图像中所述目标物品对应的特征。
2.根据权利要求1所述的方法，其中，所述物品类别的数量为多个，所述根据所述目标物品对应的特征与预先确定的至少一个物品类别对应的聚类中心，确定所述目标物品所属的目标类别，包括：
确定所述目标物品对应的特征与预先确定的多个所述物品类别分别对应的聚类中心之间的距离；
将所述预先确定的多个所述物品类别中，对应的聚类中心与所述目标物品对应的特征之间的距离最短的物品类别，确定为所述目标物品所属的目标类别。
3.根据权利要求1所述的方法，其中，所述目标物品所属的目标类别下包含多个子类别物品。
4.根据权利要求1所述的方法，其中，所述根据所述目标物品的目标子类别及所述目标物品的重量，对所述目标物品进行结算，包括：
将所述目标子类别对应的子类别物品的物品信息，确定为所述目标物品的物品信息；
根据所述目标物品的物品信息及所述目标物品的重量，对所述目标物品进行结算。
5.根据权利要求4所述的方法，其中，所述根据所述目标物品的目标子类别及所述目标物品的重量，对所述目标物品进行结算之前，还包括：
获取所述入库物品所属的子类别及所述入库物品的物品信息；
将所述入库物品所属的子类别、所述入库物品的物品信息及所述入库物品对应的特征，对应存储在所述数据库中。
6.一种结算装置，应用于具有摄像头的称重台，装置包括：
第一获取模块，用于通过所述摄像头采集目标物品的图像并通过所述称重台获取目标物品的重量；
第一识别模块，用于对所述目标物品的图像进行识别，获取所述图像中所述目标物品对应的特征，所述目标物品对应的特征包括：目标物品的轮廓、纹理、颜色；
第一确定模块，用于根据所述目标物品对应的特征与预先确定的至少一个物品类别对应的聚类中心，确定所述目标物品所属的目标类别，其中，所述确定所述目标物品所属的目标类别，包括：通过自学习更新模型提取图像中目标物品的特征，为每个特征设置对应的权重，将设置对应权重的多个特征同时作为检索特征，查询数据库中存储物品的信息及对应的特征来确定目标物品所属的目标类别；
第二确定模块，用于根据所述目标物品对应的特征与所述目标类别下至少一个子类别物品对应的特征，确定所述目标物品所属的目标子类别；
结算模块，用于根据所述目标物品的目标子类别及所述目标物品的重量，对所述目标物品进行结算；
还包括：
第二获取模块，用于通过所述摄像头采集入库物品的图像；
第二识别模块，用于对所述入库物品的图像进行识别，获取所述入库物品对应的特征；
聚类模块，用于通过自学习更新模型对所述入库物品对应的特征以及数据库中已存储的物品对应的特征进行聚类，获取所述至少一个物品类别以及所述物品类别对应的聚类中心，在数据库中出现新增特征时，实时根据更新特征以及数据库中己有的特征更新数据库中的物品类别及物品类别对应的聚类中心；
所述第一识别模块，包括：
获取单元，用于获取所述目标物品的图像中所述目标物品所占的区域；
提取单元，用于提取所述目标物品的图像中包含所述目标物品所占的区域的局部图像；
识别单元，用于对所述局部图像进行识别，获取所述局部图像中所述目标物品对应的特征；
第三确定单元，用于针对每个子类别物品，确定所述子类别物品对应的特征与所述目标物品对应的特征之间的匹配度；
第四确定单元，用于根据所述匹配度及所述多个子类别物品分别所属的子类别，确定所述目标物品所属的目标子类别。
7.根据权利要求6所述的装置，其中，所述物品类别的数量为多个，所述第一确定模块，包括：
第一确定单元，用于确定所述目标物品对应的特征与预先确定的多个所述物品类别分别对应的聚类中心之间的距离；
第二确定单元，用于将所述预先确定的多个所述物品类别中，对应的聚类中心与所述目标物品对应的特征之间的距离最短的物品类别，确定为所述目标物品所属的目标类别。
8.根据权利要求6所述的装置，其中，所述目标物品所属的目标类别下包含多个子类别物品。
9.根据权利要求6所述的装置，其中，所述结算模块，包括：
第五确定单元，用于将所述目标子类别对应的子类别物品的物品信息，确定为所述目标物品的物品信息；
结算单元，用于根据所述目标物品的物品信息及所述目标物品的重量，对所述目标物品进行结算。
10.根据权利要求6所述的装置，其中，还包括：
第三获取模块，用于获取所述入库物品所属的子类别及所述入库物品的物品信息；
存储模块，用于将所述入库物品所属的子类别、所述入库物品的物品信息及所述入库物品对应的特征，对应存储在所述数据库中。
11.一种电子设备，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，其中，所述计算机指令用于使所述计算机执行根据权利要求1-5中任一项所述的方法。
13.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110558542.0A CN113362543B (zh) | 2021-05-21 | 2021-05-21 | 结算方法、装置、电子设备以及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110558542.0A CN113362543B (zh) | 2021-05-21 | 2021-05-21 | 结算方法、装置、电子设备以及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113362543A CN113362543A (zh) | 2021-09-07 |
| CN113362543B true CN113362543B (zh) | 2023-10-31 |
Family
ID=77527124
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110558542.0A Active CN113362543B (zh) | 2021-05-21 | 2021-05-21 | 结算方法、装置、电子设备以及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113362543B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103049513A (zh) * | 2012-12-14 | 2013-04-17 | 杭州淘淘搜科技有限公司 | 一种服饰鞋包类商品图像多视觉特征融合方法 |
| CN105069457A (zh) * | 2015-07-15 | 2015-11-18 | 杭州朗和科技有限公司 | 图像识别方法和装置 |
| 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 |
| CN109165639A (zh) * | 2018-10-15 | 2019-01-08 | 广州广电运通金融电子股份有限公司 | 一种指静脉识别方法、装置及设备 |
| CN109388727A (zh) * | 2018-09-12 | 2019-02-26 | 中国人民解放军国防科技大学 | 一种基于聚类的bgp人脸快速检索方法 |
| CN109426781A (zh) * | 2017-08-29 | 2019-03-05 | 阿里巴巴集团控股有限公司 | 人脸识别数据库的构建方法、人脸识别方法、装置及设备 |
| CN109697801A (zh) * | 2017-10-23 | 2019-04-30 | 北京京东尚科信息技术有限公司 | 自助结算设备、方法、装置、介质及电子设备 |
| CN110175249A (zh) * | 2019-05-31 | 2019-08-27 | 中科软科技股份有限公司 | 一种相似图片的检索方法及系统 |
| CN110335426A (zh) * | 2019-05-09 | 2019-10-15 | 杨伟 | 商品计价方法、智能电子秤和收银系统 |
| CN111966856A (zh) * | 2020-06-29 | 2020-11-20 | 北京百度网讯科技有限公司 | 图片数据处理方法、装置、电子设备和存储介质 |
| CN112269894A (zh) * | 2020-12-03 | 2021-01-26 | 北京沃东天骏信息技术有限公司 | 物品池生成方法、图片搜索方法、装置、电子设备及介质 |
-
2021
- 2021-05-21 CN CN202110558542.0A patent/CN113362543B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103049513A (zh) * | 2012-12-14 | 2013-04-17 | 杭州淘淘搜科技有限公司 | 一种服饰鞋包类商品图像多视觉特征融合方法 |
| CN105069457A (zh) * | 2015-07-15 | 2015-11-18 | 杭州朗和科技有限公司 | 图像识别方法和装置 |
| 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 |
| CN109426781A (zh) * | 2017-08-29 | 2019-03-05 | 阿里巴巴集团控股有限公司 | 人脸识别数据库的构建方法、人脸识别方法、装置及设备 |
| CN109697801A (zh) * | 2017-10-23 | 2019-04-30 | 北京京东尚科信息技术有限公司 | 自助结算设备、方法、装置、介质及电子设备 |
| CN109388727A (zh) * | 2018-09-12 | 2019-02-26 | 中国人民解放军国防科技大学 | 一种基于聚类的bgp人脸快速检索方法 |
| CN109165639A (zh) * | 2018-10-15 | 2019-01-08 | 广州广电运通金融电子股份有限公司 | 一种指静脉识别方法、装置及设备 |
| CN110335426A (zh) * | 2019-05-09 | 2019-10-15 | 杨伟 | 商品计价方法、智能电子秤和收银系统 |
| CN110175249A (zh) * | 2019-05-31 | 2019-08-27 | 中科软科技股份有限公司 | 一种相似图片的检索方法及系统 |
| CN111966856A (zh) * | 2020-06-29 | 2020-11-20 | 北京百度网讯科技有限公司 | 图片数据处理方法、装置、电子设备和存储介质 |
| CN112269894A (zh) * | 2020-12-03 | 2021-01-26 | 北京沃东天骏信息技术有限公司 | 物品池生成方法、图片搜索方法、装置、电子设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113362543A (zh) | 2021-09-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104537341B (zh) | 人脸图片信息获取方法和装置 | |
| CN113065614B (zh) | 分类模型的训练方法和对目标对象进行分类的方法 | |
| CN111832590B (zh) | 物品识别方法和系统 | |
| CN113627508B (zh) | 陈列场景识别方法、装置、设备以及存储介质 | |
| CN113656668B (zh) | 多模态信息库的检索方法、管理方法、装置、设备和介质 | |
| CN113205037A (zh) | 事件检测的方法、装置、电子设备以及可读存储介质 | |
| CN114741544B (zh) | 图像检索方法、检索库构建方法、装置、电子设备及介质 | |
| JP7393475B2 (ja) | 画像を検索するための方法、装置、システム、電子デバイス、コンピュータ可読記憶媒体及びコンピュータプログラム | |
| CN113360700A (zh) | 图文检索模型的训练和图文检索方法、装置、设备和介质 | |
| CN112560480B (zh) | 任务社区发现方法、装置、设备和存储介质 | |
| CN112989235B (zh) | 基于知识库的内链构建方法、装置、设备和存储介质 | |
| CN112784102A (zh) | 视频检索方法、装置和电子设备 | |
| CN113362543B (zh) | 结算方法、装置、电子设备以及存储介质 | |
| CN113704494B (zh) | 基于知识图谱的实体检索方法、装置、设备以及存储介质 | |
| CN114461837A (zh) | 一种图像处理方法、装置及电子设备 | |
| CN112801078A (zh) | 兴趣点poi的匹配方法、装置、电子设备及存储介质 | |
| CN113296680A (zh) | 菜品图片上传方法、装置、计算机设备及可读存储介质 | |
| CN116340831B (zh) | 一种信息分类方法、装置、电子设备及存储介质 | |
| CN115331217B (zh) | 一种餐食结算方法、装置、设备及介质 | |
| CN117746069B (zh) | 以图搜图的模型训练方法、和以图搜图方法 | |
| CN113360688B (zh) | 信息库的构建方法、装置及系统 | |
| CN115222986A (zh) | 一种物品陈列信息的更新方法、装置、设备及介质 | |
| CN115795023B (zh) | 文档推荐方法、装置、设备以及存储介质 | |
| CN113420781A (zh) | 品牌识别方法、装置、设备、存储介质和程序产品 | |
| CN116049335A (zh) | Poi分类及模型训练方法、装置、设备和存储介质 |
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 |