检测相机状态的方法及装置、电子设备、存储介质制造方法及图纸

本发明专利技术实施例涉及图像识别技术领域，公开了一种检测相机状态的方法及装置、电子设备、存储介质。本发明专利技术中，通过获取相机拍摄到的N种类型的图片，其中，N为大于2的自然数；将N种类型的图片作为训练数据进行卷积神经网络模型训练；利用训练好的模型预测相机实时拍摄的图片的类型；根据预测结果判定相机是否可用；提供了一种可靠的检测相机状态的方法，并且运用卷积神经网络对相机拍摄的图片进行分类，可使得对相机是否可用的判定更为准确。

【技术实现步骤摘要】
检测相机状态的方法及装置、电子设备、存储介质
本专利技术实施例涉及图像识别
，特别涉及一种检测相机状态的方法。
技术介绍
近年来，无人售货机异军突起，深受用户的欢迎。最新的无人售货机技术抛弃重力感应，利用机器视觉识别商品，使得在无人值守的情况下，用户可真实触摸选购自己所需要的商品，并在用户购物结束后可自动进行结算，实现即拿即走，免去了用户现金或手机进行支付的过程。专利技术人发现现有技术中至少存在如下问题：当无人售货机的相机镜头起雾时，无人售货系统无法及时知道，从而无法准确识别商品。
技术实现思路
本专利技术实施方式的目的在于提供一种检测相机状态的方法及装置、电子设备、存储介质，使得系统能够准确检测到相机的状态。为解决上述技术问题，本专利技术的实施方式提供了一种检测相机状态的方法，包括以下步骤：获取相机拍摄到的N种类型的图片，其中，N为大于2的自然数；将N种类型的图片作为训练数据进行卷积神经网络模型训练；利用训练好的模型预测相机实时拍摄的图片的类型；根据预测结果判定相机是否可用。本专利技术的实施方式还提供了一种检测相机状态的装置，包括：获取模块，用于获取相机拍摄到的N种类型的图片，其本文档来自技高网...

【技术保护点】
1.一种检测相机状态的方法，其特征在于，包括：获取相机拍摄到的N种类型的图片，其中，N为大于2的自然数；将所述N种类型的图片作为训练数据进行卷积神经网络模型训练；利用训练好的模型预测相机实时拍摄的图片的类型；根据预测结果判定相机是否可用。

【技术特征摘要】
1.一种检测相机状态的方法，其特征在于，包括：获取相机拍摄到的N种类型的图片，其中，N为大于2的自然数；将所述N种类型的图片作为训练数据进行卷积神经网络模型训练；利用训练好的模型预测相机实时拍摄的图片的类型；根据预测结果判定相机是否可用。2.根据权利要求1所述的检测相机状态的方法，其特征在于，所述将所述N种类型的图片作为训练数据进行卷积神经网络模型训练，具体包括：选择多个卷积神经网络；将所述N种类型的图片作为训练数据对所述多个卷积神经网络中的各卷积神经网络进行模型训练；所述利用训练好的模型预测相机实时拍摄的图片的类型，具体包括：利用训练好的各卷积神经网络模型预测所述相机实时拍摄的图片的类型；根据各卷积神经网络模型的预测结果进行投票，得到最终的预测结果。3.根据权利要求2所述的检测相机状态的方法，其特征在于，所述多个卷积神经网络至少包括深度残差网络；所述根据所述各卷积神经网络的预测结果进行投票，得到最终的预测结果，包括：若所述投票结果为平票，则以深度残差网络的预测结果作为最终的预测结果。4.根据权利要求1所述的检测相机状态的方法，其特征在于，所述根据预测结果判定相机是否可用具体为：判断所述预测结果是否表征所述相机实时拍摄的图片清晰，若是，则判定所述相机可用，否则，判定所述相机不可用。5.根据权利要求4所述的检测相机状态的方法，其特征在于，所述利用训练好的模型预测相机实时拍摄的图片的类型，具体包括：利用训练好的模型预测所述相...

【专利技术属性】
技术研发人员：陈海波，
申请(专利权)人：深兰科技上海有限公司，
类型：发明
国别省市：上海,31