[發明專利]一種圖像集中自動識別商品的方法和設備

在審

• 申請號: 202110332450.0
• 申請日: 2021-03-29
• 公開（公告）號: CN113065447A
• 公開（公告）日: 2021-07-02
• 發明（設計）人: 劉國儉;許允杰;夏奕;劉昭
• 申請（專利權）人: 南京掌控網絡科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 董建林

本發明公開了一種圖像集中自動識別商品的方法和設備，方法包括：獲取待識別商品的圖像；通過預先訓練的目標檢測模型在所述待識別商品的圖像中截取待識別商品的商品單圖；通過預先訓練的深度神經網絡提取所述商品單圖的特征向量；將所提取的商品單圖的特征向量與已識別商品特征向量庫中的商品特征向量進行匹配，根據匹配結果確定待識別商品的商品類型；其中，所述已識別商品特征向量庫存儲有商品特征向量與商品類型之間的映射關系。本發明能夠快速高效的對圖像中出現的商品自動進行特征提取并自動識別商品。

技術領域

本發明涉及一種圖像集中自動識別商品的方法和設備，屬于計算機視覺技術領域。

背景技術

SFA(銷售能力自動化)是CRM客戶關系管理系統的一個重要業務組件。SFA通過拜訪目標制定、路線規劃、設置執行規范、任務執行、執行結果分析等一系列功能對業務人員在外行為進行規范和引導，幫助業務人員正確高效的完成拜訪規定步驟。

隨著人工智能的發展，圖像中的商品檢測已經成為SFA中一個重要的功能，用來自動識別貨架、冰箱等照片中的商品，幫助企業做進一步的陳列檢測、鋪貨率統計等等。當前做商品檢測主要通過指定商品類型，收集對應圖像，標注訓練模型進行檢測。但商品的商品類型繁多，新商品不斷出現，已有商品也會更換包裝上市，這樣就需要及時收集商品類型和圖像，維護一個商品庫并不斷更新訓練模型，帶來很大的工作量。

發明內容

本發明的目的在于克服現有技術中的不足，提出一種圖像集中自動識別商品的方法和設備，能夠自動從圖像集中識別商品，從而使商品的識別簡化并降低工作量。

為達到上述目的，本發明是采用下述技術方案實現的：

第一方面，本發明提供了一種圖像集中自動識別商品的方法，包括以下步驟：

獲取待識別商品的圖像；

通過預先訓練的目標檢測模型在所述待識別商品的圖像中截取待識別商品的商品單圖；

通過預先訓練的深度神經網絡提取所述商品單圖的特征向量；

將所提取的商品單圖的特征向量與已識別商品特征向量庫中的商品特征向量進行匹配，根據匹配結果確定待識別商品的商品類型；

其中，所述已識別商品特征向量庫存儲有商品特征向量與商品類型之間的映射關系。

進一步的，將所提取的商品單圖的特征向量與已識別商品特征向量庫中的商品征向量進行匹配，根據匹配結果確定待識別商品的商品類型的方法包括：計算已提取的商品單圖的特征向量與已識別商品特征向量庫中各商品特征向量之間的距離；若計算得到的距離小于閾值，則將待識別商品的商品類型確定為相應商品特征向量所映射的商品類型。

進一步的，根據匹配結果確定待識別商品的商品類型的方法還包括：

對于距離計算結果均大于或等于閾值的待識別商品單圖的特征向量，將待識別商品單圖的特征向量存入未識別特征向量庫；

對未識別特征向量庫中的多個商品單圖的特征向量進行聚類；

獲取聚類結果中新增商品類型的類型標注信息；

將新增商品類型及其對應的商品單圖的特征向量存入已識別商品特征向量庫。

進一步的，所述目標檢測模型采用FasterRCNN目標檢測算法，所述目標檢測模型的訓練過程包括：

獲取各種場景下商品的圖像作為圖像集合；

將圖像集合中出現的各種商品進行標注并為每種商品標注為唯一的一種標簽，將標注好的圖像集作為訓練集，利用訓練集訓練目標檢測模型，得到訓練好的目標檢測模型。

進一步的，所述已識別商品特征向量庫的構建方法包括：