一种移动电子商务图像搜索购物方法技术

本发明专利技术公开了一种移动电子商务图像搜索购物方法，涉及图像处理技术领域。本发明专利技术包括如下步骤：获取大量商品参考图像，采用边缘检测算子来提取模块图像区域中特征部分的目标边缘图像并输入对应的关键目标词；构建模板索引；上传待搜索商品图像数据进行预处理；用户框选预处理后的商品图像的特征部分以及对应的关键词输入至搜索模型进行深化对比分析；在电子商务网站上进行匹配检索并排序。本发明专利技术通过训练图片搜索模型，在待搜索的商品图像上进行框选并标注关键词数据作为模板索引，在电子商务网站上进行匹配检索，根据相似度比对算法的计算结果进行排序，推送给用户，提高了商品图像检索的准确率和检索效率。图像检索的准确率和检索效率。图像检索的准确率和检索效率。

【技术实现步骤摘要】
一种移动电子商务图像搜索购物方法


[0001]本专利技术属于图像处理
，特别是涉及一种移动电子商务图像搜索购物方法。

技术介绍

[0002]目前，在图像识别的发展中，主要有三种识别方法：统计模式识别、结构模式识别、模糊模式识别。图像分割是图像处理中的一项关键技术，自20世纪70年代，其研究已经有几十年的历史，一直都受到人们的高度重视，至今借助于各种理论提出了数以千计的分割算法，而且这方面的研究仍然在积极地进行着。随着图像识别技术的逐渐成熟和逐步商业化，其在众多领域得到应用。而随着自媒体和信息网络的逐步发达，用户对于各种商业软件的使用方便性也提出更高的要求，将图像识别技术应用在为用户服务方面则会很好地解决这一问题。特别是，目前个人用户喜欢在网站上寻找明星或他人的穿着或物品，企业用于则需要在黄页或产品推广平台搜索日常看到的某个零部件，对于这些问题，有时用户无法准确描述其名字或特征，此时辅以图像识别就会很好的提升用户体验，不仅提升电子商务提供商的营业额，也同时提高用户的使用效率，从而实现双赢。
[0003]因此，需要一种移动电子商务图像搜索购物方法。

技术实现思路

[0004]本专利技术的目的在于提供一种移动电子商务图像搜索购物方法，通过训练图片搜索模型，在待搜索的商品图像上进行框选并标注关键词数据作为模板索引，在电子商务网站上进行匹配检索，根据相似度比对算法的计算结果进行排序，推送给用户，解决了现有的消费者网上购物文字搜索不便、影响用户消费体验的问题。
[0005]为解决上述技术问题，本专利技术是通过以下技术方案实现的：
[0006]本专利技术为一种移动电子商务图像搜索购物方法，包括如下步骤：
[0007]步骤S1：获取大量商品参考图像，采集每张图像的LBP特征向量并制作模板；
[0008]步骤S2：采用边缘检测算子来提取模块图像区域中特征部分的目标边缘图像并输入对应的关键目标词；
[0009]步骤S3：对边缘图像的特征区域图像进行二值化处理构建模板索引；
[0010]步骤S4：上传待搜索商品图像数据进行预处理；
[0011]步骤S5：用户框选预处理后的商品图像的特征部分以及对应的关键词输入至搜索模型；
[0012]步骤S6：对上传的图像数据、关键词数据以及特征部分数据信息进行深化对比分析；
[0013]步骤S7：在电子商务网站上进行匹配检索，根据相似度比对算法的计算结果进行排序，推送给用户。
[0014]作为一种优选的技术方案，所述步骤S1中，图像的LBP特征向量提取过程为：
[0015]步骤S11：将参考图像的重叠区域划分成多个子区域；
[0016]步骤S12：将每个子区域相邻的像素灰度值与其进行比较；
[0017]步骤S13：就算子每个子区域的统计直方图，并进行归一化处理；
[0018]步骤S14：将得到的每个子区域的统计直方图连接成一个特征向量。
[0019]作为一种优选的技术方案，所述步骤S3中，构建模板索引的具体步骤为：
[0020]步骤S31：对由多个信号组成的二值图像扫描行进行扫描；
[0021]步骤S32：建立自顶向下逐行、自左向右逐段的行程编码表；
[0022]步骤S33：行程编码表的每一行记录均标记存储对应的检索行号、起始列号和终止列号；
[0023]作为一种优选的技术方案，所述步骤S4中，预处理方式包括：图像颜色平衡处理、去除污渍和商品区域检测；
[0024]其中，所述图像颜色平衡吃力通过simplest color balance或gray world算法，用于提升图片质量；所述去除污渍通过掩膜重建算法，用于将图片进行降噪；所述商品区域检测通过overfeat或RCNN算法，用于统一商品图片的尺寸规则。
[0025]作为一种优选的技术方案，所述步骤S5中，搜索模型的训练流程采用步骤S1中获取的大量商品参考图像作为训练集来进行搜索模型的训练，具体流程如下：
[0026]步骤S51：经过不同预处理的图像训练组件ResNet，标签与原图像相同；
[0027]步骤S52：获取各个组件ResNet的特征层拼接到一起，对应原图像的标签；
[0028]步骤S53：添加若干层全连接层，训练人工神经网络；
[0029]步骤S54：根据整体模型分类表现，交替调整特征层和人工神经网络；
[0030]步骤S55：固定各部分的参数，将整体作为搜索模型。
[0031]作为一种优选的技术方案，所述步骤S7中，购物软件将搜索出的商品信息提取，并按照相应的排序方式展现出来，用户通过浏览购物软件中显示的产品信息，从而选择符合自己购买条件的商品，完成购物操作。
[0032]作为一种优选的技术方案，所述商品按照人气从高到低排序、人气从低到高排序、销量从高到低排序、销量从低到高排序、信用从高到低排序、信用从低到高排序、价格从高到低排序以及价格从低到高排序中的一种排序方法进行排序。
[0033]作为一种优选的技术方案，所述步骤S7中，相似度比对算法具体公式为：
[0034][0035]式中，(i,j)表示待配准图像中与模板对应位置的子区域的左上角坐标；(x,y)为当前处理的点相对于模板原点的坐标；m和n为模板感兴趣区域的宽度和高度；f
i,j
(i,j)是左上角坐标为(i，j)的待配准子图像中坐标为(x，y)的像素灰度值，T(x，y)为模板中坐标值为(x，y)的像素点灰度值。
[0036]本专利技术具有以下有益效果：
[0037]本专利技术通过训练图片搜索模型，在待搜索的商品图像上进行框选并标注关键词数据作为模板索引，在电子商务网站上进行匹配检索，根据相似度比对算法的计算结果进行排序，推送给用户，提高了商品图像检索的准确率和检索效率。
[0038]当然，实施本专利技术的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
[0039]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述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例，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为本专利技术的一种移动电子商务图像搜索购物方法流程图。
具体实施方式
[0041]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，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前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0042]请参阅图1所示，本专利技术为一种移动电子商务图像搜索购物方法，包括一种移动电子商务图像搜索购物方法，包括如下步骤：
[0043]步骤S1：获取大量商品参考图像，采集每张图像的LBP特征向量并制作模板；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种移动电子商务图像搜索购物方法，其特征在于，包括如下步骤：步骤S1：获取大量商品参考图像，采集每张图像的LBP特征向量并制作模板；步骤S2：采用边缘检测算子来提取模块图像区域中特征部分的目标边缘图像并输入对应的关键目标词；步骤S3：对边缘图像的特征区域图像进行二值化处理构建模板索引；步骤S4：上传待搜索商品图像数据进行预处理；步骤S5：用户框选预处理后的商品图像的特征部分以及对应的关键词输入至搜索模型；步骤S6：对上传的图像数据、关键词数据以及特征部分数据信息进行深化对比分析；步骤S7：在电子商务网站上进行匹配检索，根据相似度比对算法的计算结果进行排序，推送给用户。2.根据权利要求1所述的一种移动电子商务图像搜索购物方法，其特征在于，所述步骤S1中，图像的LBP特征向量提取过程为：步骤S11：将参考图像的重叠区域划分成多个子区域；步骤S12：将每个子区域相邻的像素灰度值与其进行比较；步骤S13：就算子每个子区域的统计直方图，并进行归一化处理；步骤S14：将得到的每个子区域的统计直方图连接成一个特征向量。3.根据权利要求1所述的一种移动电子商务图像搜索购物方法，其特征在于，所述步骤S3中，构建模板索引的具体步骤为：步骤S31：对由多个信号组成的二值图像扫描行进行扫描；步骤S32：建立自顶向下逐行、自左向右逐段的行程编码表；步骤S33：行程编码表的每一行记录均标记存储对应的检索行号、起始列号和终止列号。4.根据权利要求1所述的一种移动电子商务图像搜索购物方法，其特征在于，所述步骤S4中，预处理方式包括：图像颜色平衡处理、去除污渍和商品区域检测；其中，所述图像颜色平衡吃力通过simplest color balance或gray world算法，用于提升图片质量；所述去除污渍通过掩膜重建算法，用于将图片...

【专利技术属性】
技术研发人员：王迪，
申请(专利权)人：杭州么贝软件科技有限公司，
类型：发明
国别省市：