This invention discloses a supermarket recognition method based on sparse representation. It first collects the image data of the goods and divides it into training set and test set. First, the local descriptors of the key points of the training set and the key points of the test set are obtained after processing the training set and the image data of the test set respectively. According to the local descriptor at the key point of the training set, the sparse dictionary can be trained. The trained sparse dictionary can be sparse and calculate the global feature descriptor for the local descriptors. The SVM classification method is used to train the image data class standard and the global feature descriptor of the training set to get the SVM classifier. Then the global feature descriptor of the test set can be input to the SVM classifier to identify the goods. The recognition method of the invention has high recognition precision for the supermarket goods.
【技术实现步骤摘要】
一种基于稀疏表示的超市商品图像识别方法
本专利技术涉及计算机视觉与智能识别
,特别是一种基于稀疏表示的超市商品图像识别方法。
技术介绍
随着计算机及相关技术的迅猛发展,人工智能技术已经慢慢地渗透到人们的生活当中,无人超市作为智慧城市概念的一个热点,为人们提供便利,但无人超市在经营过程中存在一个难以避免的问题,就是因一些消费者的不自觉行为而导致超市的损失;随着机器视觉技术和图像处理技术的极大发展,开发一种新颖有效的基于图像处理的商品图像识别系统是解决无人超市盗损问题和自动结账的有效方式,商品图像识别系统利用图像分析算法对输入图像进行分析,分辨其所属的商品种类并清算消费者所消费的账单,这样既能达到自动识别商品并结账的功能,也能解决商品被盗损的问题。
技术实现思路
为解决上述问题,本专利技术的目的在于提供一种基于稀疏表示的超市商品图像识别方法,可以对超市内的商品进行较为精确的识别。本专利技术解决其问题所采用的技术方案是:一种基于稀疏表示的超市商品图像识别方法,包括以下步骤:A、采集商品的图像数据,并分成训练集和测试集,分别对训练集和测试集的各个图像数据进行分割、合并以及提取处理,得到训练集和测试集中各个商品完整的食物区域;B、选取训练集和测试集中对应的食物区域的关键点;C、对每一个关键点进行特征提取后得到每一个关键点的局部描述符;D、根据训练集的关键点的局部描述符,采用稀疏字典训练方法对图像数据进行学习得到一个过完备的稀疏字典;E、利用学习到的稀疏字典对训练集以及测试集的每一个图像数据的关键点的局部描述符进行稀疏表示,并计算得到训练集的全局特征描述符以及测试集 ...
【技术保护点】
1.一种基于稀疏表示的超市商品图像识别方法,其特征在于:包括以下步骤:A、采集商品的图像数据,并分成训练集和测试集,分别对训练集和测试集的各个图像数据进行分割、合并以及提取处理,得到训练集和测试集中各个商品完整的食物区域;B、选取训练集和测试集中对应的食物区域的关键点;C、对每一个关键点进行特征提取后得到每一个关键点的局部描述符;D、根据训练集的关键点的局部描述符,采用稀疏字典训练方法对图像数据进行学习得到一个过完备的稀疏字典;E、利用学习到的稀疏字典对训练集以及测试集的每一个图像数据的关键点的局部描述符进行稀疏表示,并计算得到训练集的全局特征描述符以及测试集的全局特征描述符;F、利用SVM分类方法对图像数据的类标和训练集的全局特征描述符进行训练得到SVM分类器;G、SVM分类器根据测试集的全局特征描述符对商品进行识别。
【技术特征摘要】
1.一种基于稀疏表示的超市商品图像识别方法,其特征在于:包括以下步骤:A、采集商品的图像数据,并分成训练集和测试集,分别对训练集和测试集的各个图像数据进行分割、合并以及提取处理,得到训练集和测试集中各个商品完整的食物区域;B、选取训练集和测试集中对应的食物区域的关键点;C、对每一个关键点进行特征提取后得到每一个关键点的局部描述符;D、根据训练集的关键点的局部描述符,采用稀疏字典训练方法对图像数据进行学习得到一个过完备的稀疏字典;E、利用学习到的稀疏字典对训练集以及测试集的每一个图像数据的关键点的局部描述符进行稀疏表示,并计算得到训练集的全局特征描述符以及测试集的全局特征描述符;F、利用SVM分类方法对图像数据的类标和训练集的全局特征描述符进行训练得到SVM分类器;G、SVM分类器根据测试集的全局特征描述符对商品进行识别。2.根据权利要求1所述的一种基于稀疏表示的超市商品图像识别方法,其特征在于:所述步骤A中分别对训练集和测试集的各个图像数据进行分割处理,采用基于SLIC的超像素分割方法对图像数据进行分割并得到小图像块。3.根据权利要求2所述的一种基于稀疏表示的超市商品图像识别方法,其特征在于:所述步骤A中分别对训练集和测试集的各个图像数据进行合并处理,利用区域合并的方法对相似度高的小图像块进行合并。4.根据权利要求3所述的一种基于稀疏表示的超市商品图像识别方法,其特征在于:所述步骤A中分别对训练集和测试集的各个图像数据进行提取处理,其具体步骤为:...
【专利技术属性】
技术研发人员:滕家宁,张东,
申请(专利权)人:佛山市顺德区中山大学研究院,广东顺德中山大学卡内基梅隆大学国际联合研究院,中山大学,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。