[發明專利]一種儲物裝置的存取物識別方法、存儲介質及儲物裝置

有效

• 申請號: 201711460898.0
• 申請日: 2017-12-28
• 公開（公告）號: CN109359649B
• 公開（公告）日: 2022-03-11
• 發明（設計）人: 陳敏
• 申請（專利權）人: 深圳TCL新技術有限公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/75;G06V10/774;G06V10/25
• 代理公司: 深圳市君勝知識產權代理事務所(普通合伙) 44268
• 代理人: 王永文;劉文求

1.一種儲物裝置的存取物識別方法，其特征在于，所述方法包括：

預先在所述儲物裝置中建立識別模型；

當儲物裝置的門體被打開時，所述儲物裝置開啟預設的若干攝像頭；

當物體從儲物裝置的某儲物空間存入或取出時，則所述儲物裝置控制設置在該儲物空間的攝像頭對物體進行拍攝；

所述儲物裝置自動調用更新后的識別模型對所述攝像頭拍攝的圖片進行識別，識別出被存入或取出的物體；

所述攝像頭設置在所述儲物裝置的每一層儲物空間的上方，且每一層儲物空間的隔板采用非透明的材料制成；

所述識別模型建立方式具體包括：

所述儲物裝置預先從互聯網或者在所述儲物裝置被存入或者取出物體的過程中抓取圖片，作為圖片樣本庫；

所述儲物裝置將所述圖片樣本庫中的圖片依次發送至預設的訓練模型中，并與訓練模型中預設的分類閾值進行匹配；

當所述圖片樣本庫中的圖片符合預設的分類閾值時，則將該圖片放入初步分類中；

對所述初步分類中的所有圖片進行像素值計算，并逐一對比像素值，得出像素值差異值；

根據所述像素值差異值進行圖片的篩選，將篩選后的圖片放入分類樣本中；

根據分類樣本中的圖片，在訓練模型進行深度學習與訓練，建立第一識別模型。

2.根據權利要求1中所述的儲物裝置的存取物識別方法，其特征在于，所述儲物裝置自動調用預先建立好的識別模型對所述攝像頭拍攝的圖片進行識別，識別出被存入或取出的物體之后還包括：

所述儲物裝置根據此次攝像頭拍攝的圖片發送至預設的圖片樣本庫中，用于所述識別模型的更新操作。

3.根據權利要求1中所述的儲物裝置的存取物識別方法，其特征在于，所述根據分類樣本中的圖片，對所述訓練模型進行重新深度學習與訓練，完成所述訓練模型的更新之后還包括：

所述儲物裝置將所述圖片樣本庫中不符合預設的分類閾值的圖片輸入至所述第一識別模型中，并與所述第一識別模型中預設的分類閾值進行匹配；

當圖片符合預設的分類閾值時，則將該圖片放入初步分類中；

對所述初步分類中的圖片進行像素值計算，并逐一對比像素值，得出像素值差異值；

根據所述像素值差異值進行圖片的篩選，將篩選后的圖片放入分類樣本中；

根據分類樣本中的圖片，對所述第一識別模型進行重新深度學習與訓練，建立第二識別模型。

4.根據權利要求3中所述的儲物裝置的存取物識別方法，其特征在于，所述根據分類樣本中的圖片，對所述第一識別模型進行重新深度學習與訓練，建立第二識別模型之后還包括：循環執行建立第一識別模型步驟和建立第二識別模型的步驟，進行所述識別模型的迭代更新。

5.根據權利要求1或3中所述的儲物裝置的存取物識別方法，其特征在于，根據所述像素值差異進行圖片的篩選具體包括：

預先設置用于圖片篩選的像素值差異范圍；

將計算得到的像素值差異值與像素值差異范圍進行匹配；

對于符合像素值差異范圍的圖片，僅保留一個。

6.一種存儲介質，其上存儲有多條指令，其特征在于，所述指令適于由處理器加載并執行，以實現上述權利要求1-5任一項所述的儲物裝置的存取物識別方法。

7.一種儲物裝置，其特征在于，包括：處理器、與處理器通信連接的存儲介質，所述存儲介質適于存儲多條指令；所述處理器適于調用所述存儲介質中的指令，以執行實現上述權利要求1-5任一項所述的儲物裝置的存取物識別方法。