The embodiment of the present invention provides a commodity identification method and device, which relates to the field of commodity identification. The embodiment of the present invention can accurately identify commodities on the premise of fast, safe and low cost. The method includes: acquiring the first image generated by taking the identifying commodity from the first shooting angle and the second image generated by taking the identifying commodity from the second shooting angle; in which the first shooting angle and the second shooting angle are not symmetrical in the horizontal direction relative to the position of the identifying commodity; using the preset neural network model, according to the first image and the second image, Identify the types of goods to be identified. The invention is applied to commodity identification.
【技术实现步骤摘要】
一种商品识别方法及装置
本专利技术涉及商品识别领域,尤其涉及一种商品识别方法及装置。
技术介绍
近年来,随着无人商店等商品售卖形式的迅速发展,如何快捷方便的对商品种类进行自动识别,便成为了一项需要解决的问题。目前,现有的商品识别手段大体分为两种:1、条形码识别。这种方法主要是通过扫描商品包装上的条形码进而完成对商品种类的识别。在利用条形码识别商品类型时,需要用户先找到条形码再将条形码对准扫描装置完成扫描,操作复杂。2、RFID(RadioFrequencyIdentification,无线射频识别)识别。这种方法是通过在商品上佩戴RFID标签,然后在用户购买商品时通过接收RFID标签发出的电波信号来识别商品。这种方式存在运营成本高,且容易造假的问题。针对上述现有的商品识别方法,本专利技术提出一种新的商品识别方法,能够在保证快捷、安全、低成本的前提下,完成商品识别的任务。
技术实现思路
本专利技术的实施例提供了一种商品识别方法及装置,能够在保证快捷、安全、低成本的前提下准确识别商品。为达到上述目的,本专利技术采用如下技术方案:第一方面,本专利技术实施例提供一种商品识别方法,包括:获取从第一拍摄角度拍摄待识别商品所生成的第一图像以及从第二拍摄角度拍摄待识别商品所生成的第二图像;其中,相对于待识别商品的位置,第一拍摄角度与第二拍摄角度在水平方向上不对称;利用预设神经网络模型,根据第一图像和第二图像,识别待识别商品的种类。第二方面,本专利技术实施例提供一种商品识别装置,包括:获取单元,用于获取从第一拍摄角度拍摄待识别商品所生成的第一图像以及从第二拍摄角度拍摄待识别商品 ...
【技术保护点】
1.一种商品识别方法,其特征在于,包括:获取从第一拍摄角度拍摄待识别商品所生成的第一图像以及从第二拍摄角度拍摄待识别商品所生成的第二图像;其中,相对于待识别商品的位置,所述第一拍摄角度与所述第二拍摄角度在水平方向上不对称;利用预设神经网络模型,根据所述第一图像和所述第二图像,识别所述待识别商品的种类。
【技术特征摘要】
1.一种商品识别方法,其特征在于,包括:获取从第一拍摄角度拍摄待识别商品所生成的第一图像以及从第二拍摄角度拍摄待识别商品所生成的第二图像;其中,相对于待识别商品的位置,所述第一拍摄角度与所述第二拍摄角度在水平方向上不对称;利用预设神经网络模型,根据所述第一图像和所述第二图像,识别所述待识别商品的种类。2.根据权利要求1所述商品识别方法,其特征在于,所述获取从第一拍摄角度拍摄待识别商品所生成的第一图像以及从第二拍摄角度拍摄待识别商品所生成的第二图像,具体包括:获取摄像装置从所述第一拍摄角度拍摄所述待识别商品的第一原始图像,以及摄像装置从所述第二拍摄角度拍摄所述待识别商品的第二原始图像;分别对所述第一原始图像和所述第二原始图像进行预处理,生成所述第一图像和所述第二图像;所述预处理具体包括:对图像进行灰度化,生成灰度图像;对所述灰度图像进行边缘锐化,生成锐化图像;对所述锐化图像进行边缘提取,生成边缘图像;对所述边缘图像进行二值化,生成二值化图像;对所述二值化图像进行闭操作,生成闭操作图像;删除所述闭操作图像中的背景图像,输出删除背景图像之后的图像。3.根据权利要求2所述商品识别方法,其特征在于,所述删除所述闭操作图像中的背景图像,具体包括:按照预设方法,框选所述闭操作图像中所包括的轮廓,生成M个轮廓区域;确定所述M个轮廓区域中每个轮廓区域的最小包围矩形,生成M个最小包围矩形;分别计算所述M个最小包围矩形中每个最小包围矩形的中心位置和面积;确定所述M个最小包围矩形中的冗余矩形;所述冗余矩形至少包括:中心位置不在预设区域中的最小包围矩形以及面积小于预设面积的最小包围矩形;生成目标矩形框;所述目标矩形框能够包围所述M个最小包围矩形中除冗余矩形之外的其他最小包围矩形;删除所述闭操作图像中除所述目标矩形框之外的图像部分。4.根据权利要求1所述商品识别方法,其特征在于,所述利用预设神经网络模型,根据所述第一图像和所述第二图像,识别所述待识别商品的种类,具体包括:利用所述预设神经网络模型,分别根据所述第一图像和所述第二图像,生成第一识别结果和第二识别结果;所述第一识别结果中包括所述第一图像对应的可能性最高的N个商品种类以及对应的概率参数;所述第二识别结果中包括所述第二图像对应的可能性最高的N个商品种类以及对应的概率参数;若所述第一识别结果与所述第二识别结果中,有且仅有一个商品种类的概率参数大于第一概率阈值,则确定所述待识别商品为所述概率参数大于第一概率阈值的商品种类;所述方法还包括:若所述第一识别结果与所述第二识别结果中,存在两个以上的商品种类的概率参数大于所述第一概率阈值,则将所述第一识别结果与所述第二识别结果中相同商品种类的概率参数合并,生成第三识别结果;并确定所述待识别商品为所述第三识别结果中概率参数最大的商品种类。5.根据权利要求1-4任一项所述商品识别方法,其特征在于,在利用所述预设神经网络模型,根据所述第一图像和所述第二图像,识别所述待识别商品的种类之前,所述方法还包括:获取Q幅所述待识别商品的图像;所述Q幅所述待识别商品的图像,包括:从以待识别商品的位置为球心的球面上,相对所述球心在水平方向或者竖直方向上每间隔预设角度所拍摄得到的待识别商品的图像;利用所述Q幅所述待识别商品的图像,对所述预设神...
【专利技术属性】
技术研发人员:岳振,翟建光,李佳,李新,李昊旻,
申请(专利权)人:青岛海信智能商用系统股份有限公司,
类型:发明
国别省市:山东,37
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。