[發(fā)明專利]一種基于物品主顏色識別分析的補(bǔ)貨方法

在審

• 申請?zhí)枺?/td>: 202210553385.9
• 申請日: 2022-05-20
• 公開（公告）號: CN114897579A
• 公開（公告）日: 2022-08-12
• 發(fā)明（設(shè)計）人: 龐明鋒;李攀星;龐樓陽
• 申請（專利權(quán)）人: 杭州福柜科技有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06T7/13;G06T7/62;G06T7/90
• 代理公司: 天津垠坤知識產(chǎn)權(quán)代理有限公司 12248
• 代理人: 江潔;趙玉琴

1.一種基于物品主顏色識別分析的補(bǔ)貨方法，其特征在于，包括以下步驟：

S1、商品主顏色分析，商品的圖像都是純白底色，商品主顏色分析是針對商品圖像的顏色進(jìn)行分析；

S2、補(bǔ)貨商品相似判斷。

2.根據(jù)權(quán)利要求1所述的一種基于物品主顏色識別分析的補(bǔ)貨方法，其特征在于，包括以下步驟：根據(jù)S1中的操作步驟，商品主顏色分析的方法為：

S11、提取商品輪廓坐標(biāo)

設(shè)輸入的圖像為3*M*N，即高為M，寬為N，用矩陣表示為：

其中A為RGB圖像的矩陣表達(dá)形式，a_{i，M-1，N-1}為某i通道坐標(biāo)為(M-1,N-1)的像素值，取值范圍為[0,255]，i取值范圍為[1,3],M為圖像的高，N為圖像的；

經(jīng)歷過二值化和腐蝕膨脹后，其中二值化閾值選擇為T＝128，得到的矩陣A′，如下所示：

其中A′為二值化后的圖像矩陣，a′_M-1，N-1坐標(biāo)為(M-1,N-1)的像素值，取值范圍為[0,255]；M為圖像的高，N為圖像的寬，f為對原始的RGB像素進(jìn)行二值化操作；

二值化后的圖像的像素的值為：

a′_i，j＝0為商品物體區(qū)域；α′_i，j＝255為空白區(qū)域；其中i∈[0，M-1]，j∈[0，N-1]；

之后遍歷矩陣A′找出a′_i，j的值從255到0突變或0到255突變的邊界點的坐標(biāo)(x_i，y_j)，所有的這樣坐標(biāo)的集合D＝{(x_i，y_j)}即為輪廓坐標(biāo)；

S12、找出無效白色區(qū)域

將圖像的左上角作為坐標(biāo)原點(0,0)，寬方向為坐標(biāo)X軸，高方向為Y軸，計算輪廓坐標(biāo)集合D＝{(x_i，y_j)}，其中(x_i，y_j)為輪廓坐標(biāo)點的x軸和y軸的值；

輪廓坐標(biāo)(x_i，y_j)集合的最大和最小值即為外接矩形的最大和最小坐標(biāo)，則計算矩形框的中心坐標(biāo)為:

x_center＝(i_min+i_max)/2,x_center＝(i_min+i_max)/2

其中(x_min，y_min)為矩形的最小坐標(biāo)為，(x_max，y_max)為矩形的最大坐標(biāo)，x_center和y_center為矩形的中心坐標(biāo)；

矩形框的面積為：

S_rec＝(i_max-i_min)*(j_max-j_min)

以(x_center，y_center)為中心重新構(gòu)建輪廓坐標(biāo)的坐標(biāo)系，新的輪廓坐標(biāo)系如下所示：

其中x_i和y_j為老的輪廓坐標(biāo)系集合，x′_i和y′_j分別為以(x_center，y_center)為中心的新的輪廓坐標(biāo)系集合，新的輪廓坐標(biāo)集合為：

D′＝{(x′_i，y′_j)},

D′即為新的坐標(biāo)輪廓的集合；(x′_i，y′_j)為新的輪廓坐標(biāo)

然后計算商品區(qū)域中像素的個數(shù)即為y′_j的絕對值之和：

S＝∑|y′_j|

其中S為商品區(qū)域中像素的個數(shù)，y′_j為新的輪廓坐標(biāo)的Y軸的值，S就可近似為商品區(qū)域像素大小的和，則矩形框內(nèi)商品外的面積為：

S_extern＝S_rec-S

其中S_extern即為無效區(qū)域的面積，S_rec為矩形框的面積，S計算商品區(qū)域中像素的個數(shù)；

S13、分析主顏色

HSV顏色分類:

摳出矩形區(qū)域的圖像，設(shè)置大小為m*n，將圖像從RGB，轉(zhuǎn)化為HSV，轉(zhuǎn)換后矩陣為：

其中a_{i，m-1，n-1}為RGB圖像某i通道坐標(biāo)為(m-1,n-1)的像素值，其中i的取值范圍為[1,3]，f_hsv將圖像從RGB轉(zhuǎn)為HSV的函數(shù)；

其中A_hsv為3*M*N維，按照h、s、v來拆分像素矩陣為：

其中A_h為HSV顏色的H像素矩陣，坐標(biāo)為H像素矩陣(m-1,n-1)的像素值；A_s為HSV顏色的S像素矩陣，坐標(biāo)為S像素矩陣(m-1,n-1)的像素值；A_v為HSV顏色的V像素矩陣，坐標(biāo)為V像素矩陣(m-1,n-1)的像素值；

根據(jù)HSV顏色分類表中h、s、v的值確定顏色矩陣，如果該像素點是屬于某種顏色k則設(shè)置為255，否則設(shè)置為0；計算公式如下所示：

其中A_k代表顏色的像素矩陣，k的取值為黑、灰、白、紅、橙、黃、綠、青、藍(lán)、紫；對應(yīng)的是某種顏色的最大和最小的hsv的值，該值可參照HSV顏色分類表；

當(dāng)某個坐標(biāo)點的H、S、V的像素值位于某個顏色區(qū)間的時候，該像素點對應(yīng)的就是相應(yīng)顏色，可將該點像素值設(shè)置為255；

對處理后的顏色矩陣A_k先進(jìn)行二值化處理，其中二值化閾值選擇T＝128，二值化之后進(jìn)行膨脹處理，之后統(tǒng)計顏色矩陣A_k中，像素值為255點的個數(shù)，即為某種顏色k的像素個數(shù)之和，也就是S_k；

由于整個像素矩陣中是包含商品外的區(qū)域，就是之前算出的白色的無效區(qū)域S_extern，因此白色的真實值為：

S′_白＝S_白-S_extern

其中S_白為商品矩形區(qū)域S_k中統(tǒng)計出來的白色的個數(shù)，S_extern為白色的無效區(qū)域，S′_白即為商品中白色中商品真實的像素大小；

對黑、灰、白、紅、橙、黃、綠、青、藍(lán)、紫的像素面積S_k進(jìn)行歸一化，除以S_rec面積得到顏色系數(shù)ε_k，公式如下：

ε_k＝S_k/S_rec

其中ε_k各個顏色對應(yīng)的顏色系數(shù)，k∈[1，10]，S_rec為摳出來的實際矩形面，S_k為統(tǒng)計出來的各個顏色像素的數(shù)量，之后對ε_k進(jìn)行從大到小排序；

設(shè)置顏色系數(shù)ε，則最終的商品主顏色的選擇方式為：

其中C就是該商品最終分析的主顏色的結(jié)果，δ根據(jù)經(jīng)驗一般取值為0.5，k的取值為黑、灰、白、紅、橙、黃、綠、青、藍(lán)、紫，ε_k為顏色系數(shù)的最大值，顏色系數(shù)排名第二為ε_k-1。

3.根據(jù)權(quán)利要求1所述的一種基于物品主顏色識別分析的補(bǔ)貨方法，其特征在于，包括以下步驟：根據(jù)S2中的操作步驟，所述補(bǔ)貨商品相似判斷的方法為：

將商品經(jīng)過主顏色分析后，整理相同的主顏色為同一類別，考慮同種顏色商品中顏色系數(shù)的關(guān)系，其中顏色系數(shù)的邊界設(shè)置為0.7和0.5，等級p劃分如下公式所示：

的k為某一種顏色，n是同一柜中顏色相同的商品數(shù)量，中的n-1和中的n代表為同種顏色不同商品的顏色系數(shù)；p是商品相似度檢查的結(jié)果等級，結(jié)果等級標(biāo)準(zhǔn)如下所示：

其中p就是商品相似度檢查的結(jié)果等級，p等級劃分是根據(jù)同種顏色的顏色系數(shù)，并結(jié)合顏色系數(shù)邊界進(jìn)行等級劃分，等級劃分是判斷補(bǔ)貨商品是否規(guī)范、是否有相似商品。