[發(fā)明專利]庫存盤點方法及裝置

在審

• 申請?zhí)枺?/td>: 201910933259.4
• 申請日: 2019-09-29
• 公開（公告）號: CN110930087A
• 公開（公告）日: 2020-03-27
• 發(fā)明（設(shè)計）人: 汪振杰;仝西魯
• 申請（專利權(quán)）人: 杭州惠合信息科技有限公司
• 主分類號: G06Q10/08
• 分類號: G06Q10/08;G06K9/32;G06K9/62;G06N3/04
• 代理公司: 上海精晟知識產(chǎn)權(quán)代理有限公司 31253
• 代理人: 吳金姿

本發(fā)明提供一種庫存盤點方法及裝置，庫存盤點方法包括：獲取待檢測的貨架圖像；對獲取的待檢測的貨架圖像進行特征提取，得到具有多個尺度的多層特征圖；融合獲得的多層特征圖，得到多尺度融合的特征圖；利用區(qū)域提名網(wǎng)絡(luò)對多尺度融合的特征圖進行區(qū)域提名，以獲得滿足設(shè)定要求的多個候選框；修正獲得的多個候選框以形成修正后的特征圖；對修正后的特征圖進行特征向量提取；根據(jù)獲得的特征向量檢測每個候選框所包含的商品種類以及對應的坐標位置；統(tǒng)計待檢測的貨架圖像中各種商品的總數(shù)。

技術(shù)領(lǐng)域

本發(fā)明涉及計算機領(lǐng)域，其特征涉及一種庫存盤點方法及裝置。

背景技術(shù)

零售終端門店為了清點商品數(shù)量以及貨架商品陳列整理，每隔一段時間需要進行庫存盤點。定期的庫存盤點可以幫助零售終端門店合理化庫存，加速資金周轉(zhuǎn)，最終降低經(jīng)營成本、提高利潤。目前，零售終端門店通常都需要人工來對零售終端門店的貨架和倉庫中的商品進行統(tǒng)計盤點。但是由于零售終端門店的商品數(shù)目巨大，人工盤點的方式效率低下、十分耗時耗力、甚至往往會影響到零售終端門店的正常營業(yè)。

近幾年來，基于深度神經(jīng)網(wǎng)絡(luò)的目標檢測技術(shù)在人臉檢測、圖像內(nèi)容檢索等領(lǐng)域得到了快速發(fā)展。但是在庫存盤點的實際應用場景中，仍然存在一系列的難題：大多數(shù)商品目標在貨架圖像中往往存在尺寸較小，商品分布十分密集等。而目前流行的基于深度神經(jīng)網(wǎng)絡(luò)的目標檢測方法在遇到上述情況時檢測準確率比較低，尤其是當目標物體分布密集時往往會漏檢或者無法檢出目標。

發(fā)明內(nèi)容

本發(fā)明為了克服現(xiàn)有庫存盤點方法因目標檢測準確率低而導致盤點準確率低的問題，提供一種目標識別準確率高的庫存盤點方法及裝置。

為了實現(xiàn)上述目的，本發(fā)明提供一種庫存盤點方法，其包括：

獲取待檢測的貨架圖像；

對獲取的待檢測的貨架圖像進行特征提取，得到具有多個尺度的多層特征圖；

融合獲得的多層特征圖，得到多尺度融合的特征圖；

利用區(qū)域提名網(wǎng)絡(luò)對多尺度融合的特征圖進行區(qū)域提名，以獲得滿足設(shè)定要求的多個候選框；

修正獲得的多個候選框以形成修正后的特征圖；

對修正后的特征圖進行特征向量提取；

根據(jù)獲得的特征向量檢測每個候選框所包含的商品種類以及對應的坐標位置；

統(tǒng)計待檢測的貨架圖像中各種商品的總數(shù)。

根據(jù)本發(fā)明的一實施例，對獲取的待檢測的貨架圖像進行特征提取時，將待檢測的貨架圖像輸入包含多個卷積單元的特征提取網(wǎng)絡(luò)內(nèi)，每個卷積單元輸出一層特征圖。

根據(jù)本發(fā)明的一實施例，當獲得多層特征圖后，融合獲得的多層特征圖，其具體的步驟為：

對上一層融合后的特征圖b_n-1做上采樣操作；

通過1*1卷積使當前層特征圖a_n的特征圖通道數(shù)減半；

將卷積后的當前層特征圖a_n與上采樣后的上一層融合后的特征圖b_n-1相加，獲得當前層融合后的特征圖b_n；

其中：b₁＝a₁；

b_n＝1*1卷積(a_n)+上采樣(b_n-1)。

根據(jù)本發(fā)明的一實施例，利用區(qū)域提名網(wǎng)絡(luò)對多尺度融合的特征圖進行區(qū)域提名，以獲得滿足設(shè)定要求的多個候選框的步驟包括：