门店商品陈列图像造假识别方法、装置、设备及介质制造方法及图纸

本发明专利技术公开了一种门店商品陈列图像造假识别方法、装置、设备及介质，其中所述方法包括：获取多个门店的位置信息，以及每一门店对应的商品陈列图像；根据门店的位置信息对多个门店进行分组，对于每一分组，执行下述步骤：对组内各门店的商品陈列图像进行特征提取，得到第一图像特征；利用预设第一自编码器模型对商品陈列图像的SKU信息进行处理，得到第二图像特征；对第一图像特征和第二图像特征进行融合处理，得到融合特征矩阵；计算所述融合特征矩阵两两特征向量间的相似度，根据所计算的相似度结果，识别存在商品陈列图像造假的门店。上述方法不仅结合图像特征学习表观相似性，还利用语义注释学习继续宁融合，从而提升了图像造假识别准确率。假识别准确率。假识别准确率。

【技术实现步骤摘要】
门店商品陈列图像造假识别方法、装置、设备及介质


[0001]本专利技术涉及计算机
，特别是涉及一种门店商品陈列图像造假识别方法、装置、设备及介质。

技术介绍

[0002]在快消品行业，对商品陈列活动费用投放进行核算时，往往需要业务人员对门店的商品陈列情况进行拍照采集，后台根据所采集的商品陈列图像信息进行活动费用核算。然而，部分业务人员会对门店陈列情况进行增报，或利用临近门店有陈列活动的图像代替未进行陈列活动的门店进行虚假上报，因此，在庞大的门店陈列拍照数据中，通常难以快速判别是否存在造假情况。
[0003]目前，厂家主要通过委派督导人员到门店进行人工抽检的方式进行造假识别，但这种方式不仅成本较高，且效率低下；另一方面，现有的图像识别技术对于相同图片的识别能得到较好的判别结果，但对于相似的商品陈列图片，往往判断准确率也较低。

技术实现思路

[0004]针对上述技术问题，本专利技术提供一种门店商品陈列图像造假识别方法、装置、设备及介质，能够准确、快速地从庞大的门店陈列拍照数据中识别存在商品陈列图像造假的门店。
[0005]第一方面，本专利技术提供一种门店商品陈列图像造假识别方法，包括：
[0006]获取多个门店的位置信息，以及每一门店对应的商品陈列图像；
[0007]根据所述门店的位置信息对多个所述门店进行分组，对于每一分组，执行下述步骤：
[0008]对组内各门店的商品陈列图像进行特征提取，得到第一图像特征；
[0009]利用预设第一自编码器模型对所述商品陈列图像的SKU信息进行处理，得到第二图像特征；
[0010]对所述第一图像特征和所述第二图像特征进行融合处理，得到融合特征矩阵；
[0011]计算所述融合特征矩阵两两特征向量间的相似度，根据所计算的相似度结果，识别存在商品陈列图像造假的门店。
[0012]可选的，所述根据所计算的相似度结果，识别存在商品陈列图像造假的门店，具体为：
[0013]判断计算得到的相似度是否大于预设阈值；
[0014]若存在大于所述预设阈值的相似度，基于所述融合特征矩阵的索引，确定对应的存在商品陈列图像造假的门店。
[0015]可选的，所述对所述第一图像特征和所述第二图像特征进行融合处理，得到融合特征矩阵，具体为：
[0016]对所述第一图像特征和所述第二图像特征进行水平拼接，得到拼接特征矩阵；
[0017]利用预设第二自编码器模型对所述拼接特征矩阵进行处理，得到融合特征矩阵。
[0018]可选的，采用ResNet101作为骨架网络，对组内各门店的商品陈列图像进行图像特征提取，得到第一图像特征。
[0019]可选的，所述预设第一自编码器模型具体为：变分自编码器模型。
[0020]第二方面，本专利技术还提供一种门店商品陈列图像造假识别装置，包括：
[0021]图像获取模块，用于获取多个门店的位置信息，以及每一门店对应的商品陈列图像；
[0022]图像识别模块，用于根据所述门店的位置信息对多个所述门店进行分组，对于每一分组，执行下述步骤：
[0023]对组内各门店的商品陈列图像进行特征提取，得到第一图像特征；
[0024]利用预设第一自编码器模型对所述商品陈列图像的SKU信息进行处理，得到第二图像特征；
[0025]对所述第一图像特征和所述第二图像特征进行融合处理，得到融合特征矩阵；
[0026]计算所述融合特征矩阵两两特征向量间的相似度，根据所计算的相似度结果，识别存在商品陈列图像造假的门店。
[0027]可选的，所述根据所计算的相似度结果，识别存在商品陈列图像造假的门店，具体为：
[0028]判断计算得到的相似度是否大于预设阈值；
[0029]若存在大于所述预设阈值的相似度，基于所述融合特征矩阵的索引，确定对应的存在商品陈列图像造假的门店。
[0030]可选的，所述对所述第一图像特征和所述第二图像特征进行融合处理，得到融合特征矩阵，具体为：
[0031]对所述第一图像特征和所述第二图像特征进行水平拼接，得到拼接特征矩阵；
[0032]利用预设第二自编码器模型对所述拼接特征矩阵进行处理，得到融合特征矩阵。
[0033]第三方面，本专利技术实施例还提供一种计算设备，所述计算设备包括：
[0034]通信接口，用于与其他装置进行通信；
[0035]处理器，与所述通信接口耦合，使得所述通信装置执行第一方面所述的门店商品陈列图像造假识别方法。
[0036]第四方面，本专利技术实施例还提供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，当所述计算机程序在计算机上运行时，使得所述计算机执行第一方面所述的门店商品陈列图像造假识别方法。
[0037]相比现有技术，本专利技术的有益效果在于：
[0038]本专利技术提供的门店商品陈列图像造假识别方法首先基于门店地理位置信息对众多门店进行分组，而对于组内各门店由业务代表拜访拍照得到的商品陈列图像，则分别获取图像的SKU识别内容和图像特征两种异构特征，以将二者进行融合，实现基于融合特征计算相似度，进而得到造假识别结果。SKU识别结果是陈列语义上的注释，故通过图像特征学习表观相似性后，再利用语义注释的学习加以融合佐证，能够有效提升相似商品陈列图像造假识别的准确率，且相对于人工抽检方式，其识别效率更高。
附图说明
[0039]为了更清楚地说明本专利技术的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施方式，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。
[0040]图1是本专利技术实施例提供的门店商品陈列图像造假识别方法的流程示意图；
[0041]图2是本专利技术实施例提供的门店商品陈列图像造假识别装置的结构示意图。
具体实施方式
[0042]下面结合附图和具体实施方式对本专利技术的技术方案作进一步更详细的描述。显然，所描述的实施例仅仅是本专利技术的一部分实施例，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作出创造性劳动的前提下所获得的所有其他实施例，都应属于本专利技术保护的范围。
[0043]在本专利技术的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。在本专利技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连。
[0044]对于本领域的普通技术人员而言，可以结合具体情况理解上述术语在本专利技术中的具体含义。此外，在本专利技术的描述中，除非另有说明，“多个”的含义是两个或两个以上。
[0045]流程图中或在此以其他方式描述的任何过程或方法描述可以被理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种门店商品陈列图像造假识别方法，其特征在于，包括：获取多个门店的位置信息，以及每一门店对应的商品陈列图像；根据所述门店的位置信息对多个所述门店进行分组，对于每一分组，执行下述步骤：对组内各门店的商品陈列图像进行特征提取，得到第一图像特征；利用预设第一自编码器模型对所述商品陈列图像的SKU信息进行处理，得到第二图像特征；对所述第一图像特征和所述第二图像特征进行融合处理，得到融合特征矩阵；计算所述融合特征矩阵两两特征向量间的相似度，根据所计算的相似度结果，识别存在商品陈列图像造假的门店。2.根据权利要求1所述的门店商品陈列图像造假识别方法，其特征在于，所述根据所计算的相似度结果，识别存在商品陈列图像造假的门店，具体为：判断计算得到的相似度是否大于预设阈值；若存在大于所述预设阈值的相似度，基于所述融合特征矩阵的索引，确定对应的存在商品陈列图像造假的门店。3.根据权利要求1所述的门店商品陈列图像造假识别方法，其特征在于，所述对所述第一图像特征和所述第二图像特征进行融合处理，得到融合特征矩阵，具体为：对所述第一图像特征和所述第二图像特征进行水平拼接，得到拼接特征矩阵；利用预设第二自编码器模型对所述拼接特征矩阵进行处理，得到融合特征矩阵。4.根据权利要求1所述的门店商品陈列图像造假识别方法，其特征在于，采用ResNet101作为骨架网络，对组内各门店的商品陈列图像进行图像特征提取，得到第一图像特征。5.根据权利要求1所述的门店商品陈列图像造假识别方法，其特征在于，所述预设第一自编码器模型具体为：变分自编码器模型。6.一种门店商品陈列图像造假识别装置，其特征在于，包括：图像获取模块，用于获取多个门店...

【专利技术属性】
技术研发人员：林沛欣，林木兴，黄应棣，卢超，许洁斌，
申请(专利权)人：广州市玄武无线科技股份有限公司，
类型：发明
国别省市：