用于确定物品标签的方法和装置制造方法及图纸

本申请实施例公开了用于确定物品标签的方法和装置。方法的一具体实施方式包括：从预先获取的货架图像中提取预定物品的图像；基于预先训练的机器学习模型从预定物品的图像中提取预定物品的特征；将预定物品的特征与预先建立的特征库进行匹配，将特征库中与预定物品的特征匹配度最高的特征所对应的标签确定为预定物品的标签。由于可以通过特征库来识别货架图像的物品的标签，将使用少量的图像通过机器学习模型获取的各品项物品的特征添加到特征库中，即可实现确定货架图像中的各品项物品的标签。从而相对原有的使用基于分类的方法训练的物品识别模型来识别货架图像中各物品的标签，可以缩减了人力成本和时间成本。

Method and device for determining item labels

The embodiment of this application discloses a method and device for determining an item label. One specific embodiment of the method includes: extracting the image of the predetermined item from the pre-acquired shelf image; extracting the feature of the predetermined item from the image of the predetermined item based on the pre-trained machine learning model; matching the feature of the predetermined item with the pre-established feature library, and confirming the label corresponding to the feature of the highest matching degree between the feature library and the feature of the predetermined item. A label for the intended item. Because the label of items in the shelf image can be identified by feature library, the label of items in the shelf image can be determined by adding the features of items acquired from a small number of images through machine learning model to the feature library. Compared with the original object recognition model trained by the classification method to identify the labels of items in the shelf image, it can reduce the cost of human resources and time.

【技术实现步骤摘要】
用于确定物品标签的方法和装置
本申请涉及计算机
，具体涉及图像识别
，尤其涉及一种用于确定物品标签的方法和装置。
技术介绍
传统的商场或超市货架中货物的管理中，通常由人工对货架中的物品的状态进行确认，例如物品是否缺货、位置摆放是否正确等进行确认。这样就难免造成不能在第一时间发现货品的缺货，位置错误等问题，影响补货等后续进展，会直接影响收益等问题。为了加快对货架中的物品的状态进行确认，可以每隔预定时间采集货架照片，通过图像识别的技术在后台对货架上的物品的品项及物品的状态进行确认。利用现有的图像识别技术识别在后台对货架上的物品的品项及物品的状态时首先需要建立物品识别模型，利用物品识别模型来识别对货架上的物品的品项。目前使用的物品识别模型基于分类训练，也即使用大量的图像数据来训练物品识别模型以使物品识别模型可识别物品的品项。这样一来，当增加新品项的物品时，就需要使用包括原有品项物品的图像对对上述物品识别模型进行重新训练，以使物品识别模型可以识别出各品项的物品。当不断有新品项的物品增加时，需要使用大量的图像、不断地对物品识别模型进行训练。使得物品识别模型的维护需要消耗极大的人力成本和时间成本。
技术实现思路
本申请的目的在于提出一种用于确定物品标签的方法和装置，来解决以上
技术介绍
部分提到的技术问题。第一方面，本申请提供了一种用于确定物品标签的方法，上述用于确定物品标签的方法包括：从预先获取的货架图像中提取预定物品的图像；基于预先训练的机器学习模型从预定物品的图像中提取预定物品的特征；将预定物品的特征与预先建立的特征库进行匹配，其中，特征库中存储有多个物品中每个物品的特征以及每个物品对应的标签，任意一个物品的特征与该物品对应的标签关联存储，标签用于表示物品所属的品项；将特征库中与预定物品的特征匹配度最高的特征所对应的标签作为预定物品的标签。第二方面，本申请提供了一种用于确定物品标签的装置，上述用于确定物品标签的装置包括第一提取单元，配置用于从预先获取的货架图像中提取预定物品的图像；第二提取单元，配置用于基于预先训练的机器学习模型从预定物品的图像中提取预定物品的特征；匹配单元，配置用于将预定物品的特征与预先建立的特征库进行匹配，其中，特征库中存储有多个物品中每个物品的特征以及每个物品对应的标签，任意一个物品的特征与该物品对应的标签关联存储，标签用于表示物品所属的品项；标签确定单元，配置用于将特征库中与预定物品的特征匹配度最高的特征所对应的标签确定为预定物品的标签。第三方面，本申请提供了一种电子设备，包括一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现第一方面的用于确定物品标签的方法。第四方面，本申请提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面的用于确定物品标签的方法。本申请提供的用于确定物品标签的方法和装置，通过首先从预先获取的货架图像中提取预定物品的图像，然后基于预先训练的机器学习模型从上述预定物品的图像中提取预定物品的特征，接着将预定物品的特征与预先建立的特征库进行匹配，最后将特征库中与预定物品的特征匹配度最高的特征所对应的标签确定为预定物品的标签。使用本实施例提供的方法可以通过使用物品的特征库来识别货架图像中各的物品的标签。只需要将少量的图像通过机器学习模型获取的各品项物品的特征添加到特征库中，即可实现确定货架图像中的各品项物品的标签。当有新的品项的物品时，只需要通过机器学习模型使用少量的图像来获取该品项物品的特征，并将该品项的物品的特征添加到特征库中即可实现确定货架图像中的该新品项物品的标签。从而相对原有的使用基于分类的方法训练的物品识别模型来识别货架图像中物品的标签，缩减了人力成本和时间成本。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：图1是本申请可以应用于其中的示例性系统架构图；图2是根据本申请的用于确定物品标签的方法的一个实施例的流程图；图3是根据本申请的用于确定物品标签的方法的一个应用场景的示意图；图4是根据本申请的用于确定物品标签的装置的一个实施例的结构示意图；图5是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。具体实施方式下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关专利技术，而非对该专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关专利技术相关的部分。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。图1示出了可以应用本申请的用于确定物品标签的方法或用于确定物品标签的装置的实施例的示例性系统架构100。如图1所示，系统架构100可以包括货架101，摄像设备102、服务器103和网络104。网络104用以在摄像设备102和服务器103之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。货架101可以是设置在商场、超市、便利店、机场车站等货品交易场所的货架。货架101中可以包括多个物品放置区域。每个物品放置区域可以放置一定品项的物品。摄像设备102可以是各种类型的摄像设备，例如照相机、摄像机等等。摄像设备102可以每隔预定时间采集一次货架101的图像，并通过网络104将采集到的图像发给服务器103。使用摄像设备采集到的货架101的图像中可以包括设置在货架上的物品。服务器103可以是提供各种服务的服务器，例如接收摄像设备102发送的上述货架101的图像，并对上述货架101的图像进行处理从而识别货架的图像中各物品的标签的后台服务器。需要说明的是，本申请实施例所提供的用于确定物品标签的方法一般由服务器103执行，相应地，用于确定物品标签的装置一般设置于服务器103中。应该理解，图1中的货架、摄像设备、服务器和网络的数目仅仅是示意性的。根据实现需要，可以具有任意数目的货架、摄像设备、服务器和网络。继续参考图2，示出了根据本申请的用于确定物品标签的方法的一个实施例的流程200。该用于确定物品标签的方法，包括以下步骤：步骤201，从预先获取的货架图像中提取预定物品的图像。在本实施例中，货架(如图1所示的货架101)可以为商场、超市、便利店、机场车站等货品交易场所的货架。在货架上可以设置有多个物品放置区域。为了方便物品的管理，货架的任意一个物品放置区域可以对应一个品项的物品。在实际应用中，为了便于商场超市、便利店、机场车站等货品交易场所对物品的管理，每个品项的物品可以对应一个标签。这里的标签可以是用于表示物品所属的品项。在这里，标签例如可以是管理编码、条形码、二维码，或者具有任意可以一一对应地表征各物品所属品项的表现形式。此处，品项用于区分不同属性的物品，属性可以为物品的种类、品牌、型号、配置、等级、花色、生产日期、保质期、价格、产地等。例如产地为AA的BB品牌1.5升电热水壶对应的品项与产地为CC的BB品牌1.5升电热水壶对应的品项不相同。在本实施例中，用于确定物品标签的方法运行于其上的电子设备(例如图1所示的服务器103)本文档来自技高网...

【技术保护点】
1.一种用于确定物品标签的方法，其特征在于，所述方法包括：从预先获取的货架图像中提取预定物品的图像；基于预先训练的机器学习模型从所述预定物品的图像中提取所述预定物品的特征；将所述预定物品的特征与预先建立的特征库进行匹配，其中，所述特征库中存储有多个物品中每个物品的特征以及每个物品对应的标签，任意一个物品的特征与该物品对应的标签关联存储，所述标签用于表示物品所属的品项；将特征库中与所述预定物品的特征匹配度最高的特征所对应的标签确定为所述预定物品的标签。

【技术特征摘要】
1.一种用于确定物品标签的方法，其特征在于，所述方法包括：从预先获取的货架图像中提取预定物品的图像；基于预先训练的机器学习模型从所述预定物品的图像中提取所述预定物品的特征；将所述预定物品的特征与预先建立的特征库进行匹配，其中，所述特征库中存储有多个物品中每个物品的特征以及每个物品对应的标签，任意一个物品的特征与该物品对应的标签关联存储，所述标签用于表示物品所属的品项；将特征库中与所述预定物品的特征匹配度最高的特征所对应的标签确定为所述预定物品的标签。2.根据权利要求1所述的方法，其特征在于，所述预先建立的特征库是按照如下步骤获得的：获取标注了注解信息的物品的图像；将所述标注了注解信息的物品的图像输入到预先训练的机器学习模型以提取所述物品的特征；将提取的所述物品的特征与所述物品所对应的标签关联存入特征库。3.根据权利要求1所述的方法，其特征在于，在所述将特征库中与所述预定物品的特征匹配度最高的特征所对应的标签确定为所述预定物品的标签之后，所述方法还包括：在所述货架图像中增加与各物品对应的标签。4.根据权利要求1所述的方法，其特征在于，在所述基于预先训练的机器学习模型从所述预定物品的图像中提取所述预定物品的特征之前，所述方法还包括：对多个品项的物品中的每个品项的物品，执行如下标注操作：获取所述品项物品的图像；对所述品项物品的图像进行标注；使用经过标注的不同品项物品的图像对机器学习模型进行训练。5.根据权利要求1所述的方法，其特征在于，所述机器学习模型为深度残差网络模型。6.一种用于确定物品标签的装置，其特征在于，所述装置包括：第一提取单元，配置用于从预先获取的货架图像中提取预定物品的图像；第二提取单元，配置用于基于预先训练的机器学习模型从所述预定物品的图像中提取所述预定物品的特征；匹配单元，配置用于将所述预定物品的特征与预...

【专利技术属性】
技术研发人员：刘晓，谭志羽，陈宇，翁志，
申请(专利权)人：北京京东尚科信息技术有限公司，北京京东世纪贸易有限公司，
类型：发明
国别省市：北京,11