图像的校正方法、装置、设备以及计算机可读存储介质制造方法及图纸

本申请实施例提供了图像的校正方法、装置、设备以及计算机可读存储介质，通过旋转对图像进行校正，以此在在一定程度上，可提高对图像的商品识别结果的识别精度。本申请实施例提供的图像的校正方法，包括：获取待校正图像，其中，待校正图像的图像内容包含商品以及承载商品的货架层；从待校正图像中识别货架层两端的左端点以及右端点；检测线段与水平线之间的夹角，其中，线段由左端点以及右端点两者所构成；根据夹角，确定待校正图像的旋转角度；根据旋转角度对待校正图像进行旋转，得到校正后的图像。图像。图像。

【技术实现步骤摘要】
图像的校正方法、装置、设备以及计算机可读存储介质


[0001]本申请涉及图像识别领域，具体涉及图像的校正方法、装置、设备以及计算机可读存储介质。

技术介绍

[0002]近几年，物联网的建设如火如荼，物联网正在快速地渗透到各个领域。同时，随着人力成本的不断提高，无人超市成为物联网建设的一个发展趋势，以科技智能化代替传统人工管理，有望成为零售业一个新的突破口。
[0003]无人超市的运营中，离不开对商品的监控，在无人超市的现场，可通过部署的摄像头监控超市内的众多商品，并上传至后台的服务器，以实时为商品的库存量单位(Stock Keeping Unit，SKU)信息提供丰富的数据支撑。在这过程中，服务器需要对摄像头所采集的图像进行商品识别，识别出图像中所包含的商品。
[0004]其中，服务器可采用商品识别模型来进行商品识别，从这可看出，商品识别模型的识别精度，为无人超市的运营起到重要的作用，而同时在实际应用中发现，在现有的相关技术中，商品识别模型的识别结果，其精度欠佳，仍待改善。

技术实现思路

[0005]本申请实施例提供了图像的校正方法、装置、设备以及计算机可读存储介质，通过旋转对图像进行校正，以此在在一定程度上，可提高后续商品识别模型对图像的商品识别结果的识别精度。
[0006]第一方面，本申请实施例提供了一种图像的校正方法，方法包括：
[0007]获取待校正图像，其中，待校正图像的图像内容包含商品以及承载商品的货架层；
[0008]从待校正图像中识别货架层两端的左端点以及右端点；
[0009]检测线段与水平线之间的夹角，其中，线段由左端点以及右端点两者所构成；
[0010]根据夹角，确定待校正图像的旋转角度；
[0011]根据旋转角度对待校正图像进行旋转，得到校正后的图像。
[0012]结合本申请实施例第一方面，在本申请实施例第一种可能的实现方式中，当货架层包括多个子货架层时，左端点包括多个子左端点，右端点包括多个子右端点，检测线段与水平线之间的夹角包括：
[0013]从左端点以及右端点的点集中，识别出子货架层各自对应的端点组，其中，每个端点组包括属于同一子货架层的子左端点以及子右端点；
[0014]检测端点组构成的线段与水平线之间的多个夹角；
[0015]根据夹角，确定待校正图像的旋转角度包括：
[0016]将多个夹角的均值作为校正图像的旋转角度。
[0017]结合本申请实施例第一方面第一种可能的实现方式，在本申请实施例第一方面第二种可能的实现方式中，从左端点以及右端点的点集中，识别出子货架层各自对应的端点
组包括：
[0018]依次检测多个子左端点中的任意端点与多个子右端点中的任意端点之间的距离；
[0019]从多个子右端点中，依次确定与多个子左端点中的每个端点取得最短距离的端点，以及从多个子左端点中，依次确定与多个子右端点中的每个端点取得最短距离的端点；
[0020]汇总取得最短距离的端点组，作为子货架层各自对应的端点组。
[0021]结合本申请实施例第一方面第二种可能的实现方式，在本申请实施例第一方面第三种可能的实现方式中，汇总取得最短距离的端点组，作为子货架层各自对应的端点组包括：
[0022]汇总取得最短距离的第一端点组；
[0023]当第一端点组中存在重复的目标端点时，对第一端点组进行优化处理，其中，优化处理用于剔除目标端点对应的多个端点组中除取得最短距离以外的端点组；
[0024]将进行优化处理后的第一端点组作为子货架层各自对应的端点组。
[0025]结合本申请实施例第一方面第二种可能的实现方式，在本申请实施例第一方面第四种可能的实现方式中，汇总取得最短距离的端点组，作为子货架层各自对应的端点组包括：
[0026]汇总取得最短距离的第二端点组；
[0027]当第二端点组中存在构成的线段形成交叉的目标端点组时，对第二端点组进行优化处理，其中，优化处理用于剔除目标端点组中取得最短距离以外的端点组；
[0028]将进行优化处理后的第二端点组作为子货架层各自对应的端点组。
[0029]结合本申请实施例第一方面第二种可能的实现方式，在本申请实施例第一方面第五种可能的实现方式中，方法还包括：
[0030]获取标注有多个货架层各自对应的端点组的图像；
[0031]将标注有多个货架层各自对应的端点组的图像作为训练集，结合损失函数训练神经网络模型，其中，损失函数包括端点定位损失函数、端点类别损失函数以及端点分组损失函数；
[0032]从左端点以及右端点的点集中，识别出子货架层各自对应的端点组包括：
[0033]通过完成训练的神经网络模型，从左端点以及右端点的点集中，识别出子货架层各自对应的端点组。
[0034]结合本申请实施例第一方面，在本申请实施例第一方面第六种可能的实现方式中，根据旋转角度对待校正图像进行旋转，得到校正后的图像之后，方法还包括：
[0035]通过商品识别模型对校正后的图像进行商品识别处理，识别校正后的图像中所包含的商品。
[0036]第二方面，本申请实施例提供了一种图像的校正装置，装置包括：
[0037]获取单元，用于获取待校正图像，其中，待校正图像的图像内容包含商品以及承载商品的货架层；
[0038]识别单元，用于从待校正图像中识别货架层两端的左端点以及右端点；
[0039]检测单元，用于检测线段与水平线之间的夹角，其中，线段由左端点以及右端点两者所构成；
[0040]确定单元，用于根据夹角，确定待校正图像的旋转角度；
[0041]旋转单元，用于根据旋转角度对待校正图像进行旋转，得到校正后的图像。
[0042]结合本申请实施例第二方面，在本申请实施例第二种可能的实现方式中，当货架层包括多个子货架层时，左端点包括多个子左端点，右端点包括多个子右端点，检测单元，具体用于：
[0043]从左端点以及右端点的点集中，识别出子货架层各自对应的端点组，其中，每个端点组包括属于同一子货架层的子左端点以及子右端点；
[0044]检测端点组构成的线段与水平线之间的多个夹角；
[0045]确定单元，具体用于：
[0046]将多个夹角的均值作为校正图像的旋转角度。
[0047]结合本申请实施例第二方面第一种可能的实现方式，在本申请实施例第二方面第二种可能的实现方式中，检测单元，具体用于：
[0048]依次检测多个子左端点中的任意端点与多个子右端点中的任意端点之间的距离；
[0049]从多个子右端点中，依次确定与多个子左端点中的每个端点取得最短距离的端点，以及从多个子左端点中，依次确定与多个子右端点中的每个端点取得最短距离的端点；
[0050]汇总取得最短距离的端点组，作为子货架层各自对应的端点组。
[0051]结合本申请实施例第二方面第二种可能的实现本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像的校正方法，其特征在于，所述方法包括：获取待校正图像，其中，所述待校正图像的图像内容包含商品以及承载所述商品的货架层；从所述待校正图像中识别所述货架层两端的左端点以及右端点；检测线段与水平线之间的夹角，其中，所述线段由所述左端点以及所述右端点两者所构成；根据所述夹角，确定所述待校正图像的旋转角度；根据所述旋转角度对所述待校正图像进行旋转，得到校正后的图像。2.根据权利要求1所述的方法，其特征在于，当所述货架层包括多个子货架层时，所述左端点包括多个子左端点，所述右端点包括多个子右端点，所述检测线段与水平线之间的夹角包括：从所述左端点以及所述右端点的点集中，识别出所述子货架层各自对应的端点组，其中，每个所述端点组包括属于同一子货架层的子左端点以及子右端点；检测所述端点组构成的线段与所述水平线之间的多个夹角；根据所述夹角，确定所述待校正图像的旋转角度包括：将所述多个夹角的均值作为所述校正图像的旋转角度。3.根据权利要求2所述的方法，其特征在于，所述从所述左端点以及所述右端点的点集中，识别出所述子货架层各自对应的端点组包括：依次检测所述多个子左端点中的任意端点与所述多个子右端点中的任意端点之间的距离；从所述多个子右端点中，依次确定与所述多个子左端点中的每个端点取得最短距离的端点，以及从所述多个子左端点中，依次确定与所述多个子右端点中的每个端点取得最短距离的端点；汇总取得最短距离的端点组，作为所述子货架层各自对应的端点组。4.根据权利要求3所述的方法，其特征在于，所述汇总取得最短距离的端点组，作为所述子货架层各自对应的端点组包括：汇总取得最短距离的第一端点组；当所述第一端点组中存在重复的目标端点时，对所述第一端点组进行优化处理，其中，所述优化处理用于剔除所述目标端点对应的多个端点组中除取得最短距离以外的端点组；将进行优化处理后的所述第一端点组作为所述子货架层各自对应的端点组。5.根据权利要求3所述的方法，其特征在于，所述汇总取得最短距离的端点组，作为所述子货架层各自对应的端...

【专利技术属性】
技术研发人员：连自锋，熊君君，张伟华，罗中华，
申请(专利权)人：顺丰科技有限公司，
类型：发明
国别省市：