一种商品识别方法、无人售货机及计算机可读存储介质技术

本发明专利技术实施例提供一种商品识别方法、无人售货机及计算机可读存储介质，该方法应用于无人售货机，包括：当检测到无人售货机的门正在关闭时，通过摄像头采集无人售货机门外一定范围内的视频数据；通过训练的目标物体检测模型识别视频数据包括的商品和用户，获得图像商品的种类、数量和位置以及用户位置；根据图像商品的种类、数量和位置以及用户位置确定被用户取走的商品的种类和数量。实施本发明专利技术实施例，可以提高商品识别准确性。

【技术实现步骤摘要】
一种商品识别方法、无人售货机及计算机可读存储介质
本专利技术涉及计算机
，具体涉及一种商品识别方法、无人售货机及计算机可读存储介质。
技术介绍
随着人工智能技术的不断发展，无人售货机已逐渐出现在人们生活中，因此，如何识别无人售货机中被用户取走的商品已成为一个亟待解决的技术问题。目前，一种重要的商品识别方法为：当检测到无人售货机的门被关闭时，扫描无人售货机中每个商品上的射频识别(RadioFrequencyIdentification，RFID)标签，将扫描的RFID标签与存储的RFID标签进行比较，将存储的RFID标签中除扫描的RFID标签之外的标签对应的商品确定为被用户取走的商品。然而，上述方法中由于RFID标签容易损坏，以致商品识别准确性较低。
技术实现思路
本专利技术实施例提供一种商品识别方法、无人售货机及计算机可读存储介质，用于提高商品识别准确性。第一方面提供一种商品识别方法，该方法应用于无人售货机，包括：当检测到所述无人售货机的门正在关闭时，通过摄像头采集所述无人售货机门外一定范围内的视频数据；通过训练的目标物体检测模型识别所述视频数据包括的商品和用户，获得图像商品的种类、数量和位置以及用户位置；根据所述图像商品的种类、数量和位置以及所述用户位置确定被用户取走的商品的种类和数量。第二方面提供一种无人售货机，包括用于执行第一方面提供的商品识别方法的单元。第三方面提供一种无人售货机，包括处理器、存储器、摄像头和收发器，所述处理器、所述存储器、所述摄像头和所述收发器相互连接，其中，所述摄像头用于采集视频数据，所述收发器用于与电子设备进行通信，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于调用所述程序指令执行第一方面提供的商品识别方法。第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行第一方面提供的商品识别方法。第五方面提供了一种应用程序，该应用程序用于在运行时执行第一方面提供的商品识别方法。本专利技术实施例中，当检测到无人售货机的门正在关闭时，通过摄像头采集无人售货机门外一定范围内的视频数据，通过训练的目标物体检测模型识别视频数据包括的商品和用户，获得图像商品的种类、数量和位置以及用户位置，根据图像商品的种类、数量和位置以及用户位置确定被用户取走的商品的种类和数量。先识别出视频数据中图像商品的种类、数量和位置以及用户位置，之后根据图像商品的种类、数量和位置以及用户位置确定被用户取走的商品的种类和数量，从而可以排除在图像中但不是被用户取走的商品，因此，可以提高商品识别准确性。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的一种商品识别方法的流程示意图；图2是本专利技术实施例提供的另一种商品识别方法的流程示意图；图3是本专利技术实施例提供的一种无人售货机的结构示意图；图4是本专利技术实施例提供的另一种无人售货机的结构示意图；图5是本专利技术实施例提供的一种图像示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术实施例提供一种商品识别方法、无人售货机及计算机可读存储介质，用于提高商品识别准确性。以下分别进行详细说明。请参阅图1，图1是本专利技术实施例提供的一种商品识别方法的流程示意图。其中，该商品识别方法应用于无人售货机。如图1所示，该商品识别方法可以包括以下步骤。101、当检测到无人售货机的门正在关闭时，通过摄像头采集无人售货机门外一定范围内的视频数据。本实施例中，由于用户在拿取商品后关门的那瞬间依然会停留在无人售货机门外附近的位置，因此，当检测到无人售货机的门正在关闭时，通过摄像头采集无人售货机门外一定范围内的视频数据，可以是通过摄像头采集一定时间段内无人售货机门外一定范围内的视频数据，也可以是通过摄像头采集无人售货机门外一定范围内的K帧视频数据。其中，K是预先设置好的大于1的整数。其中，摄像头可以是一个，也可以是多个，可以设置在无人售货机上，也可以设置在其他地方，但必须与无人售货机之间建立连接关系。当摄像头为多个时，可以将摄像头安装在不同的地方，以便可以同时采集到不同角度的图像。102、通过训练的目标物体检测模型识别视频数据包括的商品和用户，获得图像商品的种类、数量和位置以及用户位置。本实施例中，通过摄像头采集到无人售货机门外一定范围内的视频数据之后，通过训练的目标物体检测模型识别视频数据包括的商品和用户，获得图像商品的种类、数量和位置以及用户位置，即通过训练的目标物体检测模型识别视频数据中的商品种类、每种商品的数量和位置以及用户位置(即用户所在的位置)。此外，为了减少识别的图像数量，以便提高商品识别效率，可以先从视频数据中选取N帧图像，之后通过训练的目标物体检测模型识别N帧图像包括的商品和用户得到图像商品的种类、数量和位置以及用户位置。其中，N为大于1的整数。当只有一个摄像头采集视频数据时，从视频数据中选取N帧图像，可以是间隔一帧选取一帧，也可以是间隔两帧选取一帧，还可以是选取中间的部分帧，还可以是通过其他方式选取。当多个摄像头同时采集视频数据时，多个摄像头采集的视频数据的选取规则可以相同，也可以不同。其中，训练的目标物体检测模型可以为SSD网络模型，也可以为YOLO网络模型，还可以为Faster-rcnn网络模型，还可以为其它能够识别目标物体的模型。103、根据图像商品的种类、数量和位置以及用户位置确定被用户取走的商品的种类和数量。本实施例中，通过训练的目标物体检测模型识别出视频数据包括的商品和用户，获得图像商品的种类、数量和位置以及用户位置之后，根据图像商品的种类、数量和位置以及用户位置确定被用户取走的商品的种类和数量，可以先从图像商品中选取位置处于用户位置范围内的商品获得被用户取走的商品。请参阅图5，图5是本专利技术实施例提供的一种图像示意图。如图5所示，图像中包括一个用户和两罐饮料，一罐饮料被用户拿在手里，而一罐饮料位于用户后方的架子上，用户手上的饮料的位置区域处于用户的位置区域内，因此，该饮料可以被确定为被用户取走的饮料，而位于用户后方的饮料的位置区域处于用户的位置区域外，因此，该饮料被确定为不是被用户取走的饮料。之后根据图像商品的种类和数量确定被用户取走的商品的种类和数量，即根据步骤102中获得的图像商品的种类和数量以及上述获得的被用户取走的商品确定被用户取走的商品的种类和数量。在图1所描述的商品识别方法中，当检测到无人售货机的门正在关闭时，通过摄像头采集无人售货机门外一定范围内的视频数据，通过训练的目标物体检测模型识别视频数据包括的商品和用户，获得图像商品的种类、数量和位置以及用户位置，根据图像商品的种类、数量和位置以及用户位置确定被用户取走的本文档来自技高网...

【技术保护点】
1.一种商品识别方法，其特征在于，所述方法应用于无人售货机，包括：当检测到所述无人售货机的门正在关闭时，通过摄像头采集所述无人售货机门外一定范围内的视频数据；通过训练的目标物体检测模型识别所述视频数据包括的商品和用户，获得图像商品的种类、数量和位置以及用户位置；根据所述图像商品的种类、数量和位置以及所述用户位置确定被用户取走的商品的种类和数量。

【技术特征摘要】
1.一种商品识别方法，其特征在于，所述方法应用于无人售货机，包括：当检测到所述无人售货机的门正在关闭时，通过摄像头采集所述无人售货机门外一定范围内的视频数据；通过训练的目标物体检测模型识别所述视频数据包括的商品和用户，获得图像商品的种类、数量和位置以及用户位置；根据所述图像商品的种类、数量和位置以及所述用户位置确定被用户取走的商品的种类和数量。2.根据权利要求1所述的方法，其特征在于，所述根据所述图像商品的种类、数量和位置以及所述用户位置确定被用户取走的商品的种类和数量包括：从所述图像商品中选取位置处于所述用户位置范围内的商品，获得被用户取走的商品；根据所述图像商品的种类和数量确定所述被用户取走的商品的种类和数量。3.根据权利要求2所述的方法，其特征在于，所述通过摄像头采集所述无人售货机门外一定范围内的视频数据包括：通过摄像头采集一定时间段内所述无人售货机门外一定范围内的视频数据。4.根据权利要求3所述的方法，其特征在于，所述通过训练的目标物体检测模型识别所述视频数据包括的商品和用户，获得图像商品的种类、数量和位置以及用户位置包括：从所述视频数据中选取N帧图像，所述N为大于1的整数；通过训练的目标物体检测模型识别所述N帧图像包括的商品和用户，获得图像商品的种类、数量和位置以及用户位置。5.根据权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：采集包括商品图像和用户图像的训练图像，所述商品图像包括所有商品中每种商品不同角度和不同距离的图像，所述用户图像包括用户不同角度和不同距离的图像；标注所述商品图像中每张图像中商品的位置和种类以及所述用户图像中每张图像中用户的位置和种类，获得标注信息；使用所述训练图像和所述标注信息训练目标物体检测模型，获得训练的目标物体检测模型。6.根据权利要求5所述的方法，其特征在于，所述方法还包括：将所述训练图像转换为设定像素的图像，获得转换图像；所述使用所述训练图像和所述标注信息训练目标物体检测模型，获得训练的目标...

【专利技术属性】
技术研发人员：林丽梅，
申请(专利权)人：深圳和而泰数据资源与云技术有限公司，
类型：发明
国别省市：广东,44