CN114140676A - 基于图像识别的货架层确定方法、装置及介质 - Google Patents

Abstract

本申请公开了一种基于图像识别的货架层确定方法、装置及介质。该方法包括：基于预设的商品识别模型和货架识别模型，分别识别货架包内包括各个商品分别对应的图像坐标和若干子货架；对目标图像内包括的各个商品进行子货架分类；依据若干子货架内各自具有的各个商品分别对应的图像坐标对若干子货架进行层板划分，得到若干子货架分别具有的若干货架层板。本申请将货架层板识别调整为图像坐标式的点对点识别模式，使得确定出的货架层板更符合图像中的真实状态的效果，解决了现有技术中因采用模型对图像进行识别导致识别出的货架层板与图像中真实的货架层板间的倾斜角太大，导致识别出的货架层板不准确的问题，进一步提高了后续对商品位置的定位精度。

Description

基于图像识别的货架层确定方法、装置及介质

技术领域

本申请涉及图像识别技术领域，具体而言，本申请涉及一种基于图像识别的货架层确定方法、装置及介质。

背景技术

随着零售业的发展，通过图像识别技术在货架领域被广泛应用，尤其是在货架层板检测领域。相关的货架层板检测技术一般是通过对货架陈列图片中的挡板进行标注，并以此对图像识别模型进行训练，从而通过在图像上对货架层板进行标注达到货架识别的目的。由于这种货架层板检测技术主要是通过矩形区域来标注货架层板，而实际图片中的层板往往宽高比都很极端且带有一定的倾角，因此这种货架层板检测技术存在无法恰当地表示层板的倾角，识别精度差的问题。

发明内容

本申请提供了一种基于图像识别的货架层板确定方法、装置、电子设备及计算机可读存储介质，可以解决上述问题。所述技术方案如下：

第一方面，提供了一种基于图像识别的货架层板确定方法，该方法包括：

基于预设的商品识别模型，确定针对货架的目标图像内包括的各个商品分别对应的图像坐标；

基于预设的货架识别模型，确定所述目标图像内包括的若干子货架；

对所述目标图像内包括的各个商品包括的各个商品进行子货架分类，得到若干子货架内各自具有的各个商品；

依据若干子货架内各自具有的各个商品分别对应的所述图像坐标对若干子货架进行层板划分，得到若干子货架分别具有的若干货架层板。

第二方面，提供了一种基于图像识别的货架层板确定装置，该装置包括：

全货架商品确定模块，用于基于预设的商品识别模型，确定针对货架的目标图像内包括的各个商品分别对应的图像坐标；

子货架确定模块，用于基于预设的货架识别模型，确定所述目标图像内包括的若干子货架；

子货架商品确定模块，用于对所述目标图像内包括的各个商品包括的各个商品进行子货架分类，得到若干子货架内各自具有的各个商品；

货架分层处理模块，用于依据若干子货架内各自具有的各个商品分别对应的所述图像坐标对若干子货架进行层板划分，得到若干子货架分别具有的若干货架层板。

第三方面，提供了一种电子设备，该电子设备包括：

一个或多个处理器；

存储器；

一个或多个应用程序，其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序配置用于：执行上述基于图像识别的货架层板确定方法。

第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述基于图像识别的货架层板确定方法。

本申请实施例利用图像识别技术来对针对货架的目标图像进行识别，得到目标图像包括的全部商品以及全部商品各自的图像坐标和子货架，从而利用子货架对全部商品进行子货架分类，得到子货架内包括的各个商品，进而依据若干商品分别对应的图像坐标对若干子货架进行层板划分，实现对货架的货架层进行识别的目的，这种通过图像坐标来对货架层板进行识别的方式，将货架层板识别由传统的一体式框体识别模式调整为图像坐标式的点对点识别模式，起到了通过考虑了不同商品所处的位置来对图像的倾斜姿态进行自适应调整，使得确定出的货架层板更符合图像中的真实状态的效果，解决了现有技术中因采用模型对图像进行识别导致识别出的货架层板与图像中真实的货架层板间的倾斜角太大，导致识别出的货架层板不准确的问题，进一步提高了后续对商品位置的定位精度。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。

图1为本申请实施例提供的一种基于图像识别的货架层确定方法的流程示意图；

图2为本申请实施例提供的一种基于图像识别的货架层确定装置的结构示意图。

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能解释为对本申请的限制。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。

下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。

本申请实施例提供了一种基于图像识别的货架层板确定方法，如图1所示，该方法包括：步骤S101至步骤S104。

步骤S101、基于预设的商品识别模型，确定针对货架的目标图像内包括的各个商品分别对应的图像坐标。

在本申请实施例中，图像坐标用于表征商品在图像坐标系中的位置。具体地，可以依据商品识别模型标记出的框体来确定商品在图像中的图像坐标，如将框体的四个顶点的坐标作为定位商品的图像坐标。

步骤S102、基于预设的货架识别模型，确定目标图像内包括的若干子货架。

具体的，货架模型可以是能够识别多种货架的全模型，也可以是由多个单一模型(即对某种货架进行识别的模型)组成。例如，假设该货架模型由多个单一模型组成，即该货架模型提供多种货架分别对应的识别模型，这样在应用时，能够根据用户的选定操作来确定所选定的模型，并根据所选定的模型对目标图像进行识别，得到目标图像包括的若干子货架。

具体地，可以根据货架中轴向设置的分隔栏体，来确定子货架的数量。例如，长度为20米的主货架一般由多个货架组合而成，因此，可以不同货架之间存在轴向设置的栏板(即单个货架的竖向端板)，来确定子货架。再如，双开门货架，可以中间挡板来进行子货架划分，即双开门货架具有左右两个子货架。

应用时，子货架一般通过矩形框来进行表示，并将识别出的子货架在目标图像中进行标记。

步骤S103、对目标图像内的各个商品进行子货架分类，得到若干子货架内各自具有的各个商品。

具体的，可以根据货架识别模型标记出的框体，来判断目标图像中包括的各个商品分别对应的图像坐标所处的子货架。

步骤S104、依据若干子货架内各自具有的各个商品分别对应的图像坐标对若干子货架进行层板划分，得到若干子货架分别具有的若干货架层板。

具体的，可以各个商品的纵坐标来判断不同商品是否处于同一层，若处于同一层则能够在子货架上进行货架层划分。例如，若商品A的纵坐标与商品B的纵坐标的差值为H，若H大于预设的差值范围，那么可以确定二者未处于同一层。

具体地，可以先确定图像中最左端商品和最右端商品来进行线段绘制，并根据与子货架的偏转角最小的来确定货架层板。

本申请实施例利用图像识别技术来对针对货架的目标图像进行识别，得到目标图像包括的全部商品以及全部商品各自的图像坐标和子货架，从而利用子货架对全部商品进行子货架分类，得到子货架内包括的各个商品，进而依据若干商品分别对应的图像坐标对若干子货架进行层板划分，实现对货架的货架层进行识别的目的，这种通过图像坐标来对货架层板进行识别的方式，将货架层板识别由传统的一体式框体识别模式调整为图像坐标式的点对点识别模式，起到了通过考虑了不同商品所处的位置来对图像的倾斜姿态进行自适应调整，使得确定出的货架层板更符合图像中的真实状态的效果，解决了现有技术中因采用模型对图像进行识别导致识别出的货架层板与图像中真实的货架层板间的倾斜角太大，导致识别出的货架层板不准确的问题，进一步提高了后续对商品位置的定位精度。

在一些实现方式中，步骤S101进一步包括：

对商品识别模型识别出的区域进行标记，得到目标图像内包括的各个商品分别对应的商品标记框，并依据目标图像内包括的各个商品分别对应的商品标记框，确定目标图像内包括的各个商品分别对应的图像坐标；

将所述目标图像输入值所述商品识别模型，得到所述商品识别模型输出的所述目标图像内包括的各个商品分别对应的图像坐标。

本申请实施例提供的商品识别模型的输出结果包括两种：一、输出商品标记框；二、输出商品的图像坐标。因此，在商品识别模型的输出结果为商品标记框的情形下，此时还需要额外对该商品标记框的四个顶点的坐标进行计算的步骤，这样才能得到商品的图像坐标。

在本申请实施例中，所采用的商品识别模型的输出结果为商品的图像坐标，这种直接输出图像坐标的方式，无需额外执行坐标计算的步骤，提高对目标图像的识别效率。

具体的，商品标记框一般为矩形框。应用时，为了提高用户对识别结果的可阅读性，可以预先对商品标记框的RGB颜色参数进行配置，例如，将商品标记框设置为绿色。

具体的，可以将商品标记框底部左端位置确定为图像坐标，或者将商品标记框的中心点确定为商品坐标。应用时，还可以采用其他方式来确定商品的图像坐标。

在一些实现方式中，如图1所示，步骤S103进一步包括：步骤S1031-步骤S1033(图中未示出)。

步骤S1031、确定货架识别模型标记出的若干子货架分别对应的子货架框体；

步骤S1032、对若干子货架分别对应的子货架框体以及货架内包括的各个商品分别对应的商品标记框进行重合度判断；

步骤S1033、基于重合度判断结果，确定若干子货架内各自具有的各个商品。

本申请实施例通过商品标记框和子货架框体的重合度的计算，来确定某一商品所处的子货架，达到了通过区域间比较来快速对货架内全部商品的再分类目的。

具体的，若任一商品标记框与任一子货架框体的重合度大于预设的重合度阈值时，则确定该任一商品标记框指向的商品位于该任一子货架框体所属的子货架。应用时，若某一商品标记框位于某一子货架框内，那么该某一商品标记框与该某一子货架框体的重合度为100％。

在一些实现方式中，步骤S1031包括：

依据预构建的子货架模型对目标图像进行识别，得到货架内包括的若干子货架分别对应的子货架框体。

具体的，可以根据预先配置的子货架标记工具对子货架进行标记。更具体地，可以对子货架标记工具的颜色参数进行设置，以通过提高用户对子货架框体的可读性。应用时，子货架标记工具的颜色参数一般与商品标记框的颜色参数不同，通过不同的参数，使得两种标记框呈现不同的颜色，以使用户能够不同的颜色快速确定二者的区别。

在一些实现方式中，如图1所示，步骤S103进一步包括：步骤S1034-步骤S1036(图中未示出)。

步骤S1034、确定若干子货架分别所处的图像区域；

步骤S1035、基于目标图像内包括的各个商品分别对应的图像坐标，判断目标图像内包括的各个商品分别所处的图像区域；

步骤S1036、依据判断结果，确定若干子货架内各自具有的各个商品。

相比较步骤S1031-步骤S1033，本申请实施例提供了通过判断点坐标是否落入图像区域所处范围的方式，来确定某一商品所处的子货架，起到了通过点坐标来提高对货架内全部商品的再分类的精度的目的。

在一些实现方式中，如图1所示，步骤S104进一步包括：步骤S1041-步骤S1043(图中未示出)。

步骤S1041、基于任一子货架内各自具有的各个商品分别对应的图像坐标，逐层确定该任一子货架具有的各个货架层，以及该任一子货架具有的各个货架层分别具有的货架层商品集；

步骤S1042、在该任一子货架具有的各个货架层分别具有的货架层商品集中，确定该任一子货架具有的各个货架层分别对应的位于左端端部的第一商品和位于右端端部的第二商品；

步骤S1043、依据该任一子货架具有的各个货架层分别对应的位于左端端部的第一商品和位于右端端部的第二商品进行线段绘制，并依据绘制的线段确定该任一子货架具有的各个货架层板。

具体地，可以根据不同商品间的纵坐标的差值来进行同层判断。

具体的，线段绘制以子货架的边界范围为截至点，即，沿最两端的两个商品绘制直线，将该直线延伸至子货架完成线段绘制，并将绘制完成的线段作为子货架的货架层板。因此，若目标图像存在倾斜拍摄问题，那么绘制出的货架层板将与水平位置存在一定偏转角度，使得确定出的货架层板与图像中真实的货架层板更相似，不仅解决了现有技术中因通过规则的矩形框来进行货架层板标记，导致的货架识别精度差的问题，还降低了因训练货架层板模型导致的识别成本高的问题。

在一些实现方式中，步骤S1041基于任一子货架内具有的各个商品分别对应的图像坐标，确定该任一子货架的底部货架层，以及该任一子货架的底部货架层具有的各个商品的步骤，包括：

对该任一子货架内具有的各个商品分别对应的图像坐标进行遍历，得到该任一子货架内底部纵坐标最小的商品；

以该任一子货架内底部纵坐标最小的商品，确定该任一子货架的底部货架层具有的第一商品集；

确定所述第一商品集中商品的纵坐标均值；

基于该任一子货架内具有剩余的各个商品的图像坐标，确定该任一子货架内具有的剩余的各个商品的纵坐标分别与所述第一商品集中商品的纵坐标均值的差值的绝对值；

确定该任一子货架内具有剩余的各个商品分别与所述第一商品集的商品高度均值；

若该任一子货架内具有的剩余的任一商品的纵坐标分别与所述第一商品集中商品的纵坐标均值的差值的绝对值小于该任一子货架内具有剩余的该任一商品与所述第一商品集的商品高度均值的一半，则将该任一子货架内具有的剩余的该任一商品，确定为所述第一商品集的商品，直至得到所述第一商品集包括的所有商品，以依据所述第一商品集合确定该任一子货架内底部货架层中位于左端端部的第一商品和位于右端端部的第二商品。

本申请实施例通过遍历纵坐标的最小值来确定子货架最底层的商品，这种方式起到了由下至上对子货架进行逐层遍历，使货架层的识别依序进行，降低货架层识别的开销。

在一些实现方式中，在该任一子货架具有的各个货架层分别具有的货架层商品集中，确定该任一子货架具有的各个货架层分别对应的位于左端端部的第一商品和位于右端端部的第二商品的步骤之前，该方法还包括：

对该任一子货架具有的各个货架层分别具有的货架层商品集中各个商品进行排序，以确定出该任一子货架具有的各个货架层具有各个商品的左右位置。

具体地，可以根据商品集中个商品的横坐标来进行排序，从而将该商品集中横坐标最小和横坐标最大的作为线段绘制的两个点。

在执行完成步骤S1041后，能够确定出的是不同货架层所具有的全部商品，并无法确定同层的不同商品的前后位置。因此，通过该实施例能够直观有效地将各货架层的各个商品的位置进行显示，甚至提供商品间左右关系。

本申请的又一实施例提供了一种基于图像识别的货架层确定装置，如图2所示，该装置20包括：全货架商品确定模块201、子货架确定模块202、子货架商品确定模块203以及货架分层处理模块204。

全货架商品确定模块201，用于基于针对货架的目标图像，确定货架内包括的各个商品分别对应的图像坐标；

子货架确定模块202，用于确定目标图像包括的若干子货架；

子货架商品确定模块203，用于对货架包括的各个商品进行分配，得到若干子货架内各自具有的各个商品；

货架分层处理模块204，用于依据若干子货架内各自具有的各个商品分别对应的图像坐标对若干子货架进行层板划分，得到若干子货架分别具有的若干货架层板。

本申请实施例利用图像识别技术来对针对货架的目标图像进行识别，得到目标图像包括的全部商品以及全部商品各自的图像坐标和子货架，从而利用子货架对全部商品进行子货架分类，得到子货架内包括的各个商品，进而依据若干商品分别对应的图像坐标对若干子货架进行层板划分，实现对货架的货架层进行识别的目的，这种通过图像坐标来对货架层板进行识别的方式，将货架层板识别由传统的一体式框体识别模式调整为图像坐标式的点对点识别模式，起到了通过考虑了不同商品所处的位置来对图像的倾斜姿态进行自适应调整，使得确定出的货架层板更符合图像中的真实状态的效果，解决了现有技术中因采用模型对图像进行识别导致识别出的货架层板与图像中真实的货架层板间的倾斜角太大，导致识别出的货架层板不准确的问题，进一步提高了后续对商品位置的定位精度。

进一步地，全货架商品确定模块包括：

第一图像坐标确定子模块，用于对所述商品识别模型识别出的区域进行标记，得到所述目标图像内包括的各个商品分别对应的商品标记框，并依据所述目标图像内包括的各个商品分别对应的商品标记框，确定所述目标图像内包括的各个商品分别对应的图像坐标；

第二图像坐标确定子模块，用于将所述目标图像输入值所述商品识别模型，得到所述商品识别模型输出的所述目标图像内包括的各个商品分别对应的图像坐标。

进一步地，子货架确定模块包括：

第二框体确定子模块，用于确定货架识别模型标记出的若干子货架分别对应的子货架框体；

重合度判断子模块，用于对若干子货架分别对应的子货架框体以及货架内包括的各个商品分别对应的商品标记框进行重合度判断；

第一商品分框子模块，用于基于重合度判断结果，若干子货架内各自具有的各个商品。

进一步地，第二框体确定子模块包括：

第二框体标记单元，用于依据预构建的子货架模型对目标图像进行识别，得到货架内包括的若干子货架分别对应的子货架框体。

进一步地，子货架确定模块包括：

子货架图像区域确定子模块，用于确定若干子货架分别所处的图像区域；

商品坐标范围确定子模块，用于基于目标图像内包括的各个商品分别对应的图像坐标，对货架包括的各个商品分别所处的图像区域进行判断；

第二商品分框子模块，用于依据判断结果，确定若干子货架内各自具有的各个商品。

进一步地，货架分层处理模块包括：

同层商品确定子模块，用于确定若干子货架中各自包括的处于同层的位于左端端部的第一商品和位于右端端部的第二商品；

货架层确定子模块，用于依据若干子货架中各自包括的处于同层的位于左端端部的第一商品和位于右端端部的第二商品进行线段绘制，得到若干子货架中各自包括的位于该同层的货架层板。

进一步地，货架分层处理模块还包括：

商品集确定子模块，用于基于任一子货架内各自具有的各个商品分别对应的图像坐标，逐层确定该任一子货架具有的各个货架层，以及该任一子货架具有的各个货架层分别具有的货架层商品集；

边缘商品确定子模块，用于在该任一子货架具有的各个货架层分别具有的货架层商品集中，确定该任一子货架具有的各个货架层分别对应的位于左端端部的第一商品和位于右端端部的第二商品；

层板绘制子模块，用于依据该任一子货架具有的各个货架层分别对应的位于左端端部的第一商品和位于右端端部的第二商品进行线段绘制，并依据绘制的线段确定该任一子货架具有的各个货架层板。

进一步地，商品集确定子模块基于任一子货架内具有的各个商品分别对应的图像坐标，确定该任一子货架具有的底部货架层，以及该任一子货架具有的底部货架层具有的各个商品，包括：

商品遍历子模块，用于对该任一子货架内具有的各个商品分别对应的图像坐标进行遍历，得到该任一子货架内底部纵坐标最小的商品；

商品集确定子模块，用于以该任一子货架内底部纵坐标最小的商品，确定该任一子货架的底部货架层具有的第一商品集；

商品集纵坐标均值计算子模块，用于确定所述第一商品集中商品的纵坐标均值；

商品纵坐标差值计算子模块，用于基于该任一子货架内具有剩余的各个商品的图像坐标，确定该任一子货架内具有的剩余的各个商品的纵坐标分别与所述第一商品集中商品的纵坐标均值的差值的绝对值；

商品集商品高度均值计算子模块，用于确定该任一子货架内具有剩余的各个商品分别与所述第一商品集的商品高度均值；

商品分类子模块，用于若该任一子货架内具有的剩余的任一商品的纵坐标分别与所述第一商品集中商品的纵坐标均值的差值的绝对值小于该任一子货架内具有剩余的该任一商品与所述第一商品集的商品高度均值的一半，则将该任一子货架内具有的剩余的该任一商品，确定为所述第一商品集的商品，直至得到所述第一商品集包括的所有商品，以依据所述第一商品集合确定该任一子货架内底部货架层中位于左端端部的第一商品和位于右端端部的第二商品。

在该任一子货架具有的各个货架层分别具有的货架层商品集中，确定该任一子货架具有的各个货架层分别对应的位于左端端部的第一商品和位于右端端部的第二商品的步骤之前，该装置还包括：

同层商品排序模块，用于对该任一子货架具有的各个货架层分别具有的货架层商品集中各个商品进行排序，以确定出该任一子货架具有的各个货架层具有各个商品的左右位置。

本实施例的基于图像识别的货架层板确定装置可执行本申请实施例一所示的基于图像识别的货架层板确定方法，其实现原理相类似，此处不再赘述。

本申请又一实施例提供了一种终端，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，该处理器执行计算机程序时以实现上述基于图像识别的货架层确定方法。

具体地，处理器可以是CPU，通用处理器，DSP，ASIC，FPGA或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。

具体地，处理器通过总线与存储器连接，总线可包括一通路，以用于传送信息。总线可以是PCI总线或EISA总线等。总线可以分为地址总线、数据总线、控制总线等。

存储器可以是ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM、CD-ROM或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。

可选的，存储器用于存储执行本申请方案的计算机程序的代码，并由处理器来控制执行。处理器用于执行存储器中存储的应用程序代码，以实现上述实施例提供的基于图像识别的货架层确定装置的动作。

本申请又一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，该程序被处理器执行时实现上述基于图像识别的货架层确定方法。

以上所描述的装置实施例仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。

以上是对本申请的较佳实施进行了具体说明，但本申请并不局限于上述实施方式，熟悉本领域的技术人员在不违背本申请精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (10)

1.一种基于图像识别的货架层确定方法，其特征在于，包括：

基于预设的商品识别模型，确定针对货架的目标图像内包括的各个商品分别对应的图像坐标；

基于预设的货架识别模型，确定所述目标图像内包括的若干子货架；

对所述目标图像内包括的各个商品进行子货架分类，得到若干子货架内各自具有的各个商品；

依据若干子货架内各自具有的各个商品分别对应的图像坐标对若干子货架进行层板划分，得到若干子货架分别具有的若干货架层板。

2.根据权利要求1所述的方法，其特征在于，所述基于预设的商品识别模型，确定针对货架的目标图像内包括的各个商品分别对应的图像坐标的步骤，包括以下至少一种：

对所述商品识别模型识别出的区域进行标记，得到所述目标图像内包括的各个商品分别对应的商品标记框，并依据所述目标图像内包括的各个商品分别对应的商品标记框，确定所述目标图像内包括的各个商品分别对应的图像坐标；

将所述目标图像输入值所述商品识别模型，得到所述商品识别模型输出的所述目标图像内包括的各个商品分别对应的图像坐标。

3.根据权利要求2所述的方法，其特征在于，所述对所述目标图像内包括的各个商品进行子货架分类，得到若干子货架内各自具有的各个商品的步骤，包括：

确定所述货架识别模型标记出的若干子货架分别对应的子货架框体；

对若干子货架分别对应的子货架框体以及所述货架内包括的各个商品分别对应的商品标记框进行重合度判断；

基于重合度判断结果，确定若干子货架内各自具有的各个商品。

4.根据权利要求1所述的方法，其特征在于，所述对所述目标图像内包括的各个商品进行子货架分类，得到若干子货架内各自具有的各个商品的步骤，包括：

确定若干子货架分别所处的图像区域；

基于所述目标图像内包括的各个商品分别对应的图像坐标，判断所述目标图像内包括的各个商品分别所处的图像区域；

依据判断结果，确定若干子货架内各自具有的各个商品。

5.根据权利要求1所述的方法，其特征在于，所述依据若干子货架内各自具有的各个商品分别对应的图像坐标对若干子货架进行层板划分，得到若干子货架分别具有的若干货架层板的步骤，包括：

基于任一子货架内各自具有的各个商品分别对应的图像坐标，逐层确定该任一子货架具有的各个货架层，以及该任一子货架具有的各个货架层分别具有的货架层商品集；

在该任一子货架具有的各个货架层分别具有的货架层商品集中，确定该任一子货架具有的各个货架层分别对应的位于左端端部的第一商品和位于右端端部的第二商品；

依据该任一子货架具有的各个货架层分别对应的位于左端端部的第一商品和位于右端端部的第二商品进行线段绘制，并依据绘制的线段确定该任一子货架具有的各个货架层板。

6.根据权利要求5所述的方法，其特征在于，基于任一子货架内具有的各个商品分别对应的图像坐标，确定该任一子货架具有的底部货架层，以及该任一子货架具有的底部货架层具有的各个商品的步骤，包括：

对该任一子货架内具有的各个商品分别对应的图像坐标进行遍历，得到该任一子货架内底部纵坐标最小的商品；

以该任一子货架内底部纵坐标最小的商品，确定该任一子货架的底部货架层具有的第一商品集；

确定所述第一商品集中商品的纵坐标均值；

基于该任一子货架内具有剩余的各个商品的图像坐标，确定该任一子货架内具有的剩余的各个商品的纵坐标分别与所述第一商品集中商品的纵坐标均值的差值的绝对值；

确定该任一子货架内具有剩余的各个商品分别与所述第一商品集的商品高度均值；

若该任一子货架内具有的剩余的任一商品的纵坐标分别与所述第一商品集中商品的纵坐标均值的差值的绝对值小于该任一子货架内具有剩余的该任一商品与所述第一商品集的商品高度均值的一半，则将该任一子货架内具有的剩余的该任一商品，确定为所述第一商品集的商品，直至得到所述第一商品集包括的所有商品，以依据所述第一商品集合确定该任一子货架内底部货架层中位于左端端部的第一商品和位于右端端部的第二商品。

7.根据权利要求1所述的方法，其特征在于，在该任一子货架具有的各个货架层分别具有的货架层商品集中，确定该任一子货架具有的各个货架层分别对应的位于左端端部的第一商品和位于右端端部的第二商品的步骤之前，所述方法还包括：

对该任一子货架具有的各个货架层分别具有的货架层商品集中各个商品进行排序，以确定出该任一子货架具有的各个货架层具有各个商品的左右位置。

8.一种基于图像识别的货架层板确定装置，其特征在于，包括：

全货架商品确定模块，用于基于预设的商品识别模型，确定针对货架的目标图像内包括的各个商品分别对应的图像坐标；

子货架确定模块，用于基于预设的货架识别模型，确定所述目标图像内包括的若干子货架；

子货架商品确定模块，用于对所述目标图像内包括的各个商品包括的各个商品进行子货架分类，得到若干子货架内各自具有的各个商品；

货架分层处理模块，用于依据若干子货架内各自具有的各个商品分别对应的所述图像坐标对若干子货架进行层板划分，得到若干子货架分别具有的若干货架层板。

9.一种电子设备，其特征在于，其包括：

一个或多个处理器；

存储器；

一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序配置用于：执行根据权利要求1-7任一项所述的方法。

10.一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，该程序被处理器执行时实现权利要求1-7任一项所述的方法。

Images