[發明專利]基于神經網絡的商品識別方法、裝置、自助收銀臺

有效

• 申請號: 201810135196.3
• 申請日: 2018-02-09
• 公開（公告）號: CN108320404B
• 公開（公告）日: 2020-04-03
• 發明（設計）人: 陳子林;王良旗
• 申請（專利權）人: 繽果可為（北京）科技有限公司
• 主分類號: G07G1/00
• 分類號: G07G1/00;A47F9/04;G06Q20/20;G06Q20/32;G07G3/00;G07C9/37;G06K9/00;G06N3/08
• 代理公司: 北京元周律知識產權代理有限公司 11540
• 代理人: 李花

本發明公開了一種基于神經網絡的商品識別方法、裝置、自助收銀臺，該方法包括：獲得含有待檢測商品的圖像；將含有待檢測商品的圖像輸入基于神經網絡的識別系統，基于神經網絡的識別系統輸出待檢測商品信息。該方法通過普通攝像頭獲取商品圖像，利用基于神經網絡的圖像識別算法獲取商品信息，無需要借助第三方標識，用戶只需將選購商品放至攝像頭下獲取圖像后即可實現識別，使用成本低廉，識別準確性高。

技術領域

本發明涉及一種基于神經網絡的商品識別方法、裝置、自助收銀臺，屬于深度學習神經網絡和圖像識別領域。

背景技術

現有自助結算場景下商品機器識別主要分為兩種：

第一種是基于RFID電子標簽((Radio Frequency Identification，又稱無線射頻識別)識別結算方式。首先在數據庫中為每個具有唯一ID的電子標簽指定商品對應關系，然后將該電子標簽張貼到所有在售的該類商品上。結算時通過讀卡器讀出電子標簽唯一ID，據此ID在數據庫中查詢該商品的信息，從而完成“識別”商品，并進行結算。此結算方式主要識別對象為RFID電子標簽而非商品。需要使用大量的標簽，增加使用和糾錯成本。識別商品時，讀卡器還容易受電磁干擾。

第二種是用戶自助將商品上的條碼放在掃碼器下，通過機器掃碼實現商品“識別”。此方法需要用戶親自掃描，容易出現各類掃描誤操作，而增加使用成本。比如一件商品多次掃碼導致重復計數，商品條碼變形后，難以正確掃描等。同時該方法還存在防盜效果差的問題。

發明內容

為解決上述技術問題，本發明提供了一種基于深度學習的基于神經網絡的商品識別方法，該方法通過普通攝像頭獲取商品圖像，利用基于神經網絡的圖像識別算法獲取商品信息，無需要借助第三方標識，用戶只需將選購商品放至攝像頭下獲取圖像后即可實現識別，使用成本低廉，識別準確性高。

基于神經網絡的商品識別方法，包括：

獲得含有待檢測商品的圖像；

將含有待檢測商品的圖像輸入基于神經網絡的識別系統，基于神經網絡的識別系統輸出待檢測商品信息；獲得含有待檢測商品的圖像至少為二維圖像；獲得含有待檢測商品的圖像至少包括角度和/或景深不同第一圖像至第N圖像；N≥2；

神經網絡識別系統包括基于區域卷積神經網絡的第一神經網絡；基于神經網絡的商品識別方法包括步驟：

(a1)將第一圖像輸入第一神經網絡，第一神經網絡輸出第一商品信息；將第N圖像輸入第一神經網絡，第一神經網絡輸出第N商品信息；

(b1)判斷第N商品信息是否包含在第一商品信息中：

如判斷結果為是，則將第一商品信息作為待檢測商品信息輸出；

如判斷結果為否，則輸出反饋提示。

可選地，獲得含有待檢測商品的圖像至少包括不同角度和/或不同景深的第一圖像至第N圖像；N＝2～4；第一圖像為待檢測商品的正面圖像。

可選地，步驟(a1)中還包括稱量待檢測商品重量的步驟，得到實際稱量的商品總重量；步驟(b1)為(b2)計算第一商品信息中商品總重量，與實際稱量的商品總重量對比得到差分數據，判斷差分數據是否小于等于預設閾值：

如判斷結果為是，則將第一商品信息作為待檢測商品信息輸出；如判斷結果為否，則輸出反饋提示。

可選地，神經網絡識別系統包括基于區域卷積神經網絡的第一神經網絡；基于神經網絡的商品識別方法包括步驟：

包括步驟：

(a3)將第一圖像輸入第一神經網絡，第一神經網絡輸出第一商品信息；將第N圖像輸入第一神經網絡，第一神經網絡輸出第N商品信息；