[發(fā)明專利]一種基于計算機視覺的商品鋪貨率采集方法

在審

• 申請?zhí)枺?/td>: 201910767315.1
• 申請日: 2019-08-20
• 公開（公告）號: CN110543839A
• 公開（公告）日: 2019-12-06
• 發(fā)明（設(shè)計）人: 劉國儉;夏奕;簡思;劉昭
• 申請（專利權(quán)）人: 南京掌控網(wǎng)絡(luò)科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06Q30/02
• 代理公司: 32224 南京縱橫知識產(chǎn)權(quán)代理有限公司
• 代理人: 董建林<國際申請>=<國際公布>=<進入

1.一種基于計算機視覺的商品鋪貨率采集方法，其特征是，包括如下步驟：

采集獲取不少于一張鋪貨商品圖片，所述鋪貨商品圖片包括貨架商品圖片、冰柜商品圖片、柜臺商品圖片中的至少任一項；

利用基于計算機視覺的目標檢測模型對鋪貨商品圖片進行目標檢測，所述目標檢測模型包括通用商品檢測模型和本公司商品檢測模型；

根據(jù)目標檢測結(jié)果計算獲取本公司商品的鋪貨率。

2.根據(jù)權(quán)利要求1所述的基于計算機視覺的商品鋪貨率采集方法，其特征是，利用基于計算機視覺的目標檢測模型對鋪貨商品圖片進行目標檢測，包括：

利用通用商品檢測模型對鋪貨商品圖片進行目標檢測，標記圖片中所有商品的位置；

利用本公司商品檢測模型對鋪貨商品圖片進行目標檢測，標記圖片中所有本公司商品的位置；

通用商品檢測模型或／和本公司商品檢測模型對鋪貨商品圖片進行目標檢測的交并比為0.6至0.8。

3.根據(jù)權(quán)利要求2所述的基于計算機視覺的商品鋪貨率采集方法，其特征是，利用基于計算機視覺的目標檢測模型對鋪貨商品圖片進行目標檢測，還包括：對通用商品檢測模型和本公司商品檢測模型的目標檢測結(jié)果進行合并處理。

4.根據(jù)權(quán)利要求3所述的基于計算機視覺的商品鋪貨率采集方法，其特征是，對通用商品檢測模型和本公司商品檢測模型的目標檢測結(jié)果進行合并處理，包括：

合并通用商品檢測模型和本公司商品檢測模型的目標檢測結(jié)果；

在合并后的目標檢測結(jié)果中，提取位置重合的標記，納入本公司商品集合，位置重合的標記的判定標準包括兩標記位置的交并比大于預(yù)設(shè)閾值；

在合并后的目標檢測結(jié)果中，提取位置不重合的標記，納入非本公司商品集合，位置不重合的標記的判定標準包括兩標記位置的交并比不大于預(yù)設(shè)閾值；

所述預(yù)設(shè)閾值的取值范圍是0.6至0.8。

5.根據(jù)權(quán)利要求4所述的基于計算機視覺的商品鋪貨率采集方法，其特征是，根據(jù)目標檢測結(jié)果計算獲取本公司商品的鋪貨率，包括：

將本公司商品集合與非本公司商品集合并為所有商品集合；

求取本公司商品集合中元素數(shù)量與所有商品集合中元素數(shù)量的比值，作為本公司商品的鋪貨率。

6.根據(jù)權(quán)利要求1所述的基于計算機視覺的商品鋪貨率采集方法，其特征是，利用基于計算機視覺的目標檢測模型對鋪貨商品圖片進行目標檢測，還包括：對圖片中經(jīng)目標檢測重疊或交叉的區(qū)域去重。

7.根據(jù)權(quán)利要求1所述的基于計算機視覺的商品鋪貨率采集方法，其特征是，采集獲取不少于一張鋪貨商品圖片，包括：

利用移動終端拍攝獲取若干店內(nèi)鋪貨照片，所述移動終端包括手機，所述店內(nèi)鋪貨照片包括店內(nèi)貨架商品照片、店內(nèi)冰柜商品照片、店內(nèi)柜臺商品照片中的至少任一項；

從所述若干店內(nèi)鋪貨照片中提取不少于一張鋪貨商品圖片。

8.根據(jù)權(quán)利要求7所述的基于計算機視覺的商品鋪貨率采集方法，其特征是，利用移動終端拍攝獲取若干店內(nèi)鋪貨照片，還包括：

將所述若干店內(nèi)鋪貨照片上傳至SFA系統(tǒng)。

9.根據(jù)權(quán)利要求1至8中任一項所述的基于計算機視覺的商品鋪貨率采集方法，其特征是，目標檢測模型對鋪貨商品圖片進行目標檢測的交并比為0.7。