[發明專利]基于視覺的商品識別檢測方法及裝置

在審

• 申請號: 201811457416.0
• 申請日: 2018-11-30
• 公開（公告）號: CN109635690A
• 公開（公告）日: 2019-04-16
• 發明（設計）人: 任飛翔
• 申請（專利權）人: 任飛翔
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/08;G06N3/04
• 代理公司: 北京卓唐知識產權代理有限公司 11541
• 代理人: 唐海力

1.一種基于視覺的商品識別檢測方法，其特征在于，所述方法包括：

采集樣本商品的圖像；

根據預設樣本商品的商品信息，在所述圖像中對所述樣本商品進行標注；

將標注后的所述圖像通過CNN神經網絡進行深度學習，得到所述樣本商品的商品特征模型；

將所述商品特征模型發送至預設商品識別終端；以及

所述商品識別終端采集目標商品的圖像，并根據所述商品特征模型對所述目標商品進行圖像識別，得到所述目標商品對應的商品信息。

2.根據權利要求1所述的商品識別檢測方法，其特征在于，所述采集樣本商品的圖像包括：

通過圖像采集裝置對所述樣本商品進行圖像信息采集，其中，所述樣本商品的擺放狀態為售賣時的實際擺放狀態。

3.根據權利要求1所述的商品識別檢測方法，其特征在于，所述商品信息包括：商品材質、商品顏色、商品形狀、商品尺寸、商品品牌、商品類型、商品類別、商品名稱和光照度中的至少一種。

4.根據權利要求1所述的商品識別檢測方法，其特征在于，所述在圖像中對所述樣本商品進行標注之后，將標注后的所述圖像通過CNN神經網絡進行深度學習之前包括：

將標注后的所述樣本商品的商品信息的數據格式轉換為對應的能夠進行CNN神經網絡訓練的數據格式。

5.根據權利要求1所述的商品識別檢測方法，其特征在于，所述將標注后的所述圖像通過CNN神經網絡進行深度學習，得到所述樣本商品的商品特征模型包括：

對所述圖像進行RCNN神經網絡訓練，得到訓練數據與真實數據數據的誤差值的誤差值；

對所述誤差值進行糾正操作；

判斷糾正后的當前所述誤差值是否達到預設目標值；以及

如果判定糾正后的當前所述誤差值達到預設目標值，則結束訓練，得到所述樣本商品的商品特征模型。

6.根據權利要求1所述的商品識別檢測方法，其特征在于，所述將商品特征模型發送至預設商品識別終端包括：

判斷所述商品特征模型與所述預設商品識別終端上當前的商品特征模型是否相同；

如果所述商品特征模型與所述預設商品識別終端上當前的商品特征模型不同，則將所述商品特征模型發送至所述預設商品識別終端。

7.根據權利要求1所述的商品識別檢測方法，其特征在于，所述商品識別終端采集目標商品的圖像，并根據所述商品特征模型對所述目標商品進行圖像識別，得到所述目標商品對應的商品信息之前包括：

將第三方商品特征模型按照所述商品特征模型的數據格式進行格式轉化；

將轉化后的所述第三方商品特征模型發送至預設商品識別終端。

8.根據權利要求1所述的商品識別檢測方法，其特征在于，所述商品識別終端采集目標商品的圖像，并根據所述商品特征模型對所述目標商品進行圖像識別，得到所述目標商品對應的商品信息包括：

判斷所述目標商品的圖像信息與所述商品特征模型的相似概率數值是否達到預設可識別概率數值；

如果判定所述目標商品的圖像信息與所述商品特征模型的相似概率數值達到預設可識別概率數值，則得到所述目標商品的商品信息。

9.一種基于視覺的商品識別檢測裝置，其特征在于，包括：

樣本商品圖像采集單元，用于采集樣本商品的圖像；

樣本商品圖像標注單元，用于根據預設樣本商品的商品信息，在所述圖像中對所述樣本商品進行標注；

商品特征模型獲取單元，用于將標注后的所述圖像通過CNN神經網絡進行深度學習，得到所述樣本商品的商品特征模型；

商品特征模型發送單元，用于將所述商品特征模型發送至預設商品識別終端；以及

目標商品識別單元，用于所述商品識別終端采集目標商品的圖像，并根據所述商品特征模型對所述目標商品進行圖像識別，得到所述目標商品對應的商品信息。

10.根據權利要求9所述的商品識別檢測裝置，其特征在于，所述商品特征模型獲取單元包括：

訓練誤差值獲取模塊，用于對所述圖像進行RCNN神經網絡訓練，得到訓練數據與真實數據的誤差值；

訓練誤差值糾正模塊，用于對所述誤差值進行糾正操作；

訓練誤差值判斷模塊，用于判斷糾正后的當前所述誤差值是否達到預設目標值；以及

特征模型獲取模塊，用于如果判定糾正后的當前所述誤差值達到預設目標值，則結束訓練，得到所述樣本商品的商品特征模型。