[發明專利]一種基于深度學習和圖像處理的貨架商品模糊檢測方法

在審

• 申請號: 202011015957.5
• 申請日: 2020-09-24
• 公開（公告）號: CN112329522A
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 魏勛;李一帆
• 申請（專利權）人: 上海品覽數據科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 上海創開專利代理事務所(普通合伙) 31374
• 代理人: 汪發成

本發明公開了一種基于深度學習和圖像處理的貨架商品模糊檢測方法，涉及人工智能計算機視覺、圖像處理技術領域。本發明方法包括：S1、獲取貨架圖片；S2、訓練貨架檢測模型；S3、訓練商品檢測模型；S4、對貨架圖像進行檢測，得到貨架區域；S5、對貨架區域內的像素計算拉普拉斯方差，如果高于閾值THRESHOLD_1則為清晰圖片，反之進入S6；S6、對貨架圖像進行商品檢測，得到商品的bbox列表；S7、對商品bbox區域的像素計算拉普拉斯方差；S8、判斷是否為清晰圖片，反之為模糊。本發明可以有效的分辨貨架商品圖片是否模糊，進而將模糊的貨架圖片篩除，提高系統的準確率。

技術領域

本發明涉及人工智能計算機視覺、圖像處理技術領域領域，特別是涉及一種基于深度學習和圖像處理的貨架商品模糊檢測方法。

背景技術

在新零售時代，零售生產商為了更好地掌控線下商品的售賣情況，通常會派遣業代人員去超市賣場進行拍照巡檢，然后對商品的陳列方式進行審核。這就必須要求采集的貨架商品圖片是清晰的，否則無法準確的識別商品類別。為了達到這個目的，需要對采集的貨架商品圖片進行模糊檢測。

檢測圖像是否模糊，通常直接采用拉普拉斯方差法，即對圖像的每個像素點計算拉普拉斯梯度，然后再計算其方差，通常方差越大說明圖像越清晰，反之圖像越模糊。現有技術中主要有：直接對全局圖像使用拉普拉斯方差法，很容易受到非貨架區域的干擾，例如貨架區域比較模糊，但是非貨架區域很清晰的情況下，這種判斷方法容易失效；某些商品本身像素差異不大，比如一瓶醬油，除去標簽部分其他地方都是黑色的，直接使用拉普拉斯方差法，算出的方差值很低，容易被誤判成模糊。因此，針對以上問題，提供一種基于深度學習和圖像處理的貨架商品模糊檢測方法具有重要意義。

發明內容

本發明提供了一種基于深度學習和圖像處理的貨架商品模糊檢測方法，解決了以上問題。

為解決上述技術問題，本發明是通過以下技術方案實現的：

本發明的一種基于深度學習和圖像處理的貨架商品模糊檢測方法，包括如下步驟：

S1、獲取不同角度，不同光照，不同分辨率的貨架圖片；

S2、訓練貨架檢測模型；

S3、訓練商品檢測模型；

S4、對貨架圖像進行檢測，得到貨架的bbox，即為貨架區域；

S5、對貨架區域內的像素計算拉普拉斯方差，如果高于閾值THRESHOLD_1則為清晰圖片，反之進入S6；

S6、對貨架圖像進行商品檢測，得到商品的bbox列表；

S7、對商品bbox區域的像素計算拉普拉斯方差；

S8、如果超過一半的商品的拉普拉斯方差大于THRESHOLD_2，則為清晰圖片，反之為模糊。

進一步地，所述S2步驟具體包括如下步驟：

S21、收集不同角度，光照的貨架圖片；

S22、對部分商品圖片進行人工標注訓練一個較弱的貨架檢測模型M0；

S23、使用M0對全量數據進行預標注，人工調整；

S24、使用全量數據訓練貨架檢測模型M1。

進一步地，所述S3步驟具體包括如下步驟：

S31、收集不同角度，光照的貨架商品圖片；

S32、對部分商品圖片進行人工標注訓練一個較弱的商品檢測模型M2；

S33、使用M0對全量數據進行預標注，人工調整；

S34、使用全量數據訓練商品檢測模型M3。