基于货架图像识别的货物分析方法技术

本发明专利技术涉及一种基于货架图像识别的货物分析方法

【技术实现步骤摘要】
基于货架图像识别的货物分析方法、装置、设备及介质


[0001]本专利技术属于互联网服务
，具体涉及一种基于货架图像识别的货物分析方法
、
装置
、
设备及介质
。

技术介绍

[0002]基于货架图像识别的货物分析系统是面向品牌商对其代理的零售商进行分销管理的系统，分销模式广泛应用于互联网电商和传统零售领域，分销商直接或间接地给品牌商带来持续价值，通过分享
+
信任经济模式，达到品牌商与分销商共赢的局面
。
[0003]目前基于货架图像识别的货物分析系统仍存在以下待改进的地方：
[0004](1)
现有技术中图像中的货物识别的方法通常是将图像转为灰度图，然后通过阈值设定来检测图像特征数量，依赖于图像处理的精度和阈值设定是否合理，导致识别精度不高；
[0005](2)
直接使用边缘计算算子会出现噪声没有被排除，线条过于粗宽且浑浊
。

技术实现思路

[0006]为解决现有技术中存在的上述问题，本专利技术提供了一种基于货架图像识别的货物分析方法
、
装置
、
设备及介质，
[0007]本专利技术的目的可以通过以下技术方案实现：
[0008]获取所述拍摄图像，将所述拍摄图像上传；
[0009]对所述拍摄图像进行高斯核变换得到方向的图像梯度和方向的图像梯度，将方向的图像梯度和方向的图像梯度叠加，得到边缘化图像，对所述边缘化图像进行高对比处理和极坐标空间变换得到所述边缘化图像中的货架和库位的轮廓，检验所述拍摄图像的完整性和轮廓的闭合性，对通过检验的所述拍摄图像进行货物数量判读和摆放核验，得到货物数量结果和摆放核验结果；
[0010]将所述拍摄图像与拍摄时间
、
拍摄地点
、
货物数量结果和摆放核验结果关联，存入数据库；
[0011]作为本专利技术的一种优选技术方案，货架为品牌商指派零售商零售的商品的货架，库位为所述品牌商供应给所述零售商所述商品的存储库位
。
[0012]更进一步地，高对比处理包括：对所述方向的图像梯度和所述方向的图像梯度计算局部极值，将所述局部极值与预设的阈值比较，对大于所述阈值的所述局部极值进行强化，对小于所述阈值的所述局部极值进行弱化，得到所述边缘化图像的高对比图像
。
[0013]极坐标空间变换包括：将所述高对比图像中的所述局部极值映射到极坐标空间得到极坐标空间曲线，所述极坐标空间曲线的交点对应的所述局部极值组成所述货架的边缘和所述库位的边缘
。
[0014]具体地，货物数量判读和摆放核验包括：将所述拍摄图像输入
VGG
图像处理模型，
得到所述拍摄图像的特征图，所述
VGG
图像处理模型基于获取网络资源进行两次卷积模型训练，将所述特征图中包含的图像特征与预设的货物特征进行比对，得到所述图像特征的数量和所述图像特征的货物类别
。
[0015]优选地，拍摄图像在上传时产生监听事件，所述监听事件触发时将所述拍摄图像的格式转为
base64
格式，得到图像字符串，获取所述监听事件触发时的时间，将所述时间添加到所述图像字符串中，对所述图像字符串使用加密函数进行加密，将加密后的所述图像字符串上传至数据库
。
[0016]本专利技术的方法可以用基于货架图像识别的货物分析系统实现，包括：
[0017]零售商终端模块，用于上传拍摄图像，所述拍摄图像包括货架的照片和库位的照片；
[0018]图像识别模块，用于对上传的所述拍摄图像进行高斯核变换得到方向的图像梯度和方向的图像梯度，将所述方向的图像梯度和所述方向的图像梯度叠加，得到边缘化图像，对所述边缘化图像进行高对比处理和极坐标空间变换得到所述边缘化图像中的货架和库位的轮廓，检验所述拍摄图像的完整性和轮廓的闭合性，对通过检验的所述拍摄图像进行货物数量判读和摆放核验，得到货物数量结果和摆放核验结果；
[0019]数据存储模块，用于对所述拍摄图像进行存储，将所述拍摄图像与拍摄时间
、
拍摄地点
、
货物数量结果和摆放核验结果关联；
[0020]品牌终端模块，用于获取所述数据存储模块存储的所述拍摄图像和货物数量结果和摆放核验结果
。
[0021]其中，零售商终端模块与图像识别模块通过云计算服务器的数据库进行数据通信，图像识别模块分别与数据存储模块和所述品牌终端模块使用本地数据库进行数据通信
。
[0022]本专利技术提供了一种电子设备，包括存储器
、
处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如以上所述的基于货架图像识别的货物分析方法
。
[0023]本专利技术提供了一种电子设备，一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如以上所述的基于货架图像识别的货物分析方法
。
[0024]本专利技术的有益效果为：
[0025](1)
通过对图像进行高斯核变换得到方向的图像梯度和方向的图像梯度，将方向的图像梯度和方向的图像梯度叠加，得到边缘化图像，对所述边缘化图像进行高对比处理和极坐标空间变换得到所述边缘化图像中的货架和库位的轮廓，实现了对图像轮廓特征的提取，使图像中的轮廓特征更加地精细
、
清晰，无噪声干扰；
[0026](2)
通过基于获取网络资源进行两次卷积模型训练的
VGG
图像处理模型对拍摄图像获取特征图，将特征图中包含的图像特征与预设的货物特征进行比对，实现了更加精确的图像特征识别
、
图像特征数量识别和图像特征的货物类别识别
。
附图说明
[0027]为了便于本领域技术人员理解，下面结合附图对本专利技术作进一步的说明
。
[0028]图1为本专利技术的基于货架图像识别的货物分析方法的流程示意图；
具体实施方式
[0029]为更进一步阐述本专利技术为实现预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术的具体实施方式
、
结构
、
特征及其功效，详细说明如下
。
[0030]请参阅图1，一种基于货架图像识别的货物分析方法，包括：
[0031]获取所述拍摄图像，将所述拍摄图像上传；
[0032]对所述拍摄图像进行高斯核变换得到方向的图像梯度和方向的图像梯度，将方向的图像梯度和方向的图像梯度叠加，得到边缘化图像，对所述边缘化图像进行高对比处理和极坐标空间变换得到所述边缘化图像中的货架和库位的轮廓，检验所述拍摄图像的完整性和轮廓的闭合性，对通过检验的所述拍摄图像进行货物数量判读和摆放核验，得到货物数量结果和摆放核验结果；
...

【技术保护点】

【技术特征摘要】
1.
一种基于货架图像识别的货物分析方法，其特征在于，包括：获取拍摄图像，将所述拍摄图像上传；对所述拍摄图像进行高斯核变换得到方向的图像梯度和方向的图像梯度，将所述方向的图像梯度和所述方向的图像梯度叠加，得到边缘化图像，对所述边缘化图像进行高对比处理和极坐标空间变换得到所述边缘化图像中的货架和库位的轮廓，检验所述拍摄图像的完整性和所述轮廓的闭合性，对通过检验的所述拍摄图像进行货物数量判读和摆放核验，得到货物数量结果和摆放核验结果；将所述拍摄图像与拍摄时间
、
拍摄地点
、
货物数量结果和摆放核验结果关联，存入数据库
。2.
根据权利要求1所述的基于货架图像识别的货物分析方法，其特征在于，所述货架为品牌商指派零售商零售的商品的货架，所述库位为所述品牌商供应给所述零售商所述商品的存储库位
。3.
根据权利要求1所述的基于货架图像识别的货物分析方法，其特征在于，所述高对比处理包括：对所述方向的图像梯度和所述方向的图像梯度计算局部极值，将所述局部极值与预设的阈值比较，对大于所述阈值的所述局部极值进行强化，对小于所述阈值的所述局部极值进行弱化，得到所述边缘化图像的高对比图像
。4.
根据权利要求3所述的基于货架图像识别的货物分析方法，其特征在于，所述极坐标空间变换包括：将所述高对比图像中的映射到极坐标空间得到极坐标空间曲线，所述极坐标空间曲线的交点对应的所述局部极值组成所述货架的边缘和所述库位的边缘
。5.
根据权利要求1所述的基于货架图像识别的货物分析方法，其特征在于，所述货物数量判读和摆放核验包括：将所述拍摄图像输入
VGG
图像处理模型，得到所述拍摄图像的特征图，所述
VGG
图像处理模型基于获取网络资源进行两次卷积模型训练，将所述特征图中包含的图像特征与预设的货物特征进行比对，得到所述图像特征的数量和所述图像特征的货物类别
。6.
根据权利要求1所述的基于货架图像识别的货物分析方法，其特征在于，所述...

【专利技术属性】
技术研发人员：陈国平，吴肖峻，
申请(专利权)人：广东赛博威信息科技有限公司，
类型：发明
国别省市：