【技术实现步骤摘要】
一种商品图像去重识别方法及装置
[0001]本专利技术涉及图像处理
，尤其涉及一种商品图像去重识别方法及装置。
技术介绍
[0002]目前，在超长冰柜商品识别的场景中，一般采用分区域识别，并结合基于关键点匹配的图像拼接实现商品去重，完成超长冰柜的整体识别，得到完整的铺货信息。与传统的货架不同，冰柜玻璃门散射容易导致商品成像模糊，故需对冰柜场景进行近拍，使得商品图像清晰可识别。但这也将导致超长冰柜分区域采集的相邻两张图像有非常大的视差。
[0003]对于现有的商品识别方法，基于特征点的图像拼接，要求物体处于近似同一平面，但近拍情况下，冰柜表面商品若摆放不齐整会被放大，最终导致拼接效果难以达到预期，为了让拼接有较稳定的拼接效果，两张拼接图需要更大的重叠区域让算法可以获取足量的正确匹配点。因此对拼接图像要求较高，同一冰柜，需要拍摄非常多的图片，效率较低，导致无法准确、快速的识别商品铺货明细。
技术实现思路
[0004]本专利技术提供了一种商品图像去重识别方法及装置，以解决从现有商品图像识别中对图像拍摄...
【技术保护点】
【技术特征摘要】
1.一种商品图像去重识别方法，其特征在于，包括：将商品图像集输入预先训练好的商品去重模型，以使所述商品去重模型识别所述商品图像集中所有商品的铺货明细，所述商品图像集至少包括两张商品图像；其中，所述商品去重模型识别所述商品图像集中所有商品的铺货明细，具体为：获取商品图像集中所有商品图像中各个商品的邻域集和商品编码；根据所述邻域集和所述商品编码预测商品图像集中各个商品图像的拼接方向，获取各个商品图像的所有重叠边；根据所述重叠边计算单应矩阵，并根据所述单应矩阵对所有商品图像进行去重，以识别所有商品图像中所有商品的铺货明细。2.如权利要求1所述的商品图像去重识别方法，其特征在于，在所述将商品图像集输入预先训练好的商品去重模型之前，还包括：构建商品解析模型，所述商品解析模型包括编码模型和检测模型，具体的：根据自监督学习算法对无标签的SKU图片进行训练，获得第一特征提取模块；并根据所述第一特征提取模块构建商品编码模型；对商品图片进行标注，并根据标注好的商品图片训练检测模型。3.如权利要求2所述的商品图像去重识别方法，其特征在于，所述获取商品图像集中所有商品图像中各个商品的邻域集和商品编码，具体为：根据商品解析模型识别各个商品图像中所有商品的商品编码和位置信息；根据所述位置信息对各个商品进行分割，生成若干个分割图集，所述一个分割图集中包括同一商品图像的所有商品的分割图；根据各个商品分割图的位置关系获取各个商品的邻域集。4.如权利要求3所述的商品图像去重识别方法，其特征在于，所述根据各个商品分割图的位置关系获取各个商品的邻域集，具体为：根据所述分割图计算各个商品的最小外包矩形，记录所述最小外包矩形的中心坐标；根据最小外包矩形的中心坐标计算同一商品图像中各个商品的邻域集。5.如权利要求4所述的商品图像去重识别方法，其特征在于，在所述根据所述邻域集和所述商品编码预测商品图像集中各个商品图像的拼接方向，获取各个商品图像的所有重叠边之前，还包括：根据所述商品编码模型对各个商品的分割图进行特征提取，获取各个商品的特征向量；根据商品的特征向量，计算任意两个商品之间的匹配点集，所述任意两个商品分别来自不同的商...
【专利技术属性】
技术研发人员：李德圆，丁明，王杰，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：
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。