【技术实现步骤摘要】
本申请涉及计算机，具体而言，涉及一种物品的查找方法和装置、存储介质、电子装置。
技术介绍
1、在日常生活中，由于有些物体体积较小，所以更容易被遗弃。但是这类物品往往十分重要，比如说钥匙串。若以人力去寻找往往费时费力，而且通常在寻找此类物品时，时间又非常紧迫，寻物系统就是用来解决这个问题的，可帮助用户更快地更高效地寻找此类物品。
2、目前，寻物系统大部分都是需要采用信号发送与接受的方式实现，也就是说需要在被寻物上添加一个模块，这种方式需要对被寻物进行修改，改变其结构，可能会对被寻物的性能有影响，且会产品一定的成本。
3、针对上述相关技术中寻物系统的成本较高的技术问题，目前尚未提出有效的解决方案。
技术实现思路
1、本申请实施例提供了一种物品的查找方法和装置、存储介质、电子装置，以至少解决相关技术中寻物系统的成本较高的技术问题。
2、根据本申请实施例的一个方面，提供了一种物品的查找方法，包括：获取用户输入的物品名称，其中，所述物品名称为待查找的目标物品的名称；通过图像传感器采集所在范围内的目标图像；将从所述目标图像中提取的图像特征与特征库中的图像特征进行匹配，从而确定所述目标物品的所在位置。
3、可选地，将从所述目标图像中提取的图像特征与特征库中的图像特征进行匹配，从而确定所述目标物品的所在位置，包括：利用特征提取器从所述目标图像中提取各个区域的图像特征；将从各个区域提取的图像特征与所述特征库中指定类别的图像特征进行匹配，从而确定所述目标
4、可选地，将从各个区域提取的图像特征与所述特征库中指定类别的图像特征进行匹配，从而确定所述目标物品的所在位置，包括：调用预先训练好的分类器，将各个区域的图像特征与所述指定类别的图像特征进行匹配，得到所述目标图像的各个区域中与所述指定类别的图像特征匹配的目标区域；将所述目标区域中物品的位置作为所述目标物品的所在位置。
5、可选地，将从所述目标图像中提取的图像特征与特征库中的图像特征进行匹配，从而确定所述目标物品的所在位置之后，所述方法还包括：在所述目标图像中标记出所述目标物品的所在位置，并发送给用户进行查看。
6、可选地，在调用预先训练好的分类器，将各个区域的图像特征与所述指定类别的图像特征进行匹配，得到所述目标图像的各个区域中与所述指定类别的图像特征匹配的目标区域之前，所述方法还包括：获取多种类别的物品图像；利用特征提取器从所述物品图像中提取各种类别的物品的图像特征；利用提取各种类别的物品的图像特征对原始的分类器进行训练，得到训练好的分类器。
7、可选地，利用提取各种类别的物品的图像特征对原始的分类器进行训练，得到训练好的分类器，包括：将各种类别的物品的图像特征作为训练样本，以生成训练数据集，其中，所述训练数据集中包括每种类别的物品的训练样本和对应的类别标签；构建多个决策树，对于每一个决策树，通过利用所述训练数据集进行训练，以生成分类节点；将所述多个决策树组合成随机森林，作为训练好的分类器。
8、可选地，在通过利用所述训练数据集进行训练，以生成分类节点的过程中，包括：获取所述多个决策树的基尼指数；在所述多个决策树的基尼指数小于设定阈值的情况下，停止训练。
9、根据本申请实施例的另一方面，还提供了一种物品的查找装置，包括：获取单元，用于获取用户输入的物品名称，其中，所述物品名称为待查找的目标物品的名称；采集单元，用于通过图像传感器采集所在范围内的目标图像；匹配单元，用于将从所述目标图像中提取的图像特征与特征库中的图像特征进行匹配，从而确定所述目标物品的所在位置。
10、可选地，匹配单元还用于：利用特征提取器从所述目标图像中提取各个区域的图像特征；将从各个区域提取的图像特征与所述特征库中指定类别的图像特征进行匹配，从而确定所述目标物品的所在位置，其中，所述目标物品属于所述指定类别。
11、可选地，匹配单元还用于：调用预先训练好的分类器，将各个区域的图像特征与所述指定类别的图像特征进行匹配，得到所述目标图像的各个区域中与所述指定类别的图像特征匹配的目标区域；将所述目标区域中物品的位置作为所述目标物品的所在位置。
12、可选地，匹配单元还用于：将从所述目标图像中提取的图像特征与特征库中的图像特征进行匹配，从而确定所述目标物品的所在位置之后，在所述目标图像中标记出所述目标物品的所在位置，并发送给用户进行查看。
13、可选地，本申请的装置还可包括，预训练单元，用于：在调用预先训练好的分类器，将各个区域的图像特征与所述指定类别的图像特征进行匹配，得到所述目标图像的各个区域中与所述指定类别的图像特征匹配的目标区域之前，获取多种类别的物品图像；利用特征提取器从所述物品图像中提取各种类别的物品的图像特征；利用提取各种类别的物品的图像特征对原始的分类器进行训练，得到训练好的分类器。
14、可选地，预训练单元还用于：将各种类别的物品的图像特征作为训练样本，以生成训练数据集，其中，所述训练数据集中包括每种类别的物品的训练样本和对应的类别标签；构建多个决策树，对于每一个决策树，通过利用所述训练数据集进行训练，以生成分类节点；将所述多个决策树组合成随机森林，作为训练好的分类器。
15、可选地，预训练单元还用于：获取所述多个决策树的基尼指数；在所述多个决策树的基尼指数小于设定阈值的情况下，停止训练。
16、根据本申请实施例的另一方面，还提供了一种存储介质，该存储介质包括存储的程序，程序运行时执行上述的方法。
17、根据本申请实施例的另一方面，还提供了一种电子装置，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，处理器通过计算机程序执行上述的方法。
18、在本申请实施例中，获取用户输入的物品名称，所述物品名称为待查找的目标物品的名称，通过图像传感器采集所在范围内的目标图像，将从所述目标图像中提取的图像特征与特征库中的图像特征进行匹配，从而确定所述目标物品的所在位置，本方案利用特征匹配和图像特征提取技术，结合摄像头高效地在室内外为用户寻找遗失物品，能够更快更高效地寻找如钥匙串之类，小巧易遗失的物品，而不用额外的增加成本，可以解决相关技术中寻物系统的成本较高的技术问题。
本文档来自技高网...【技术保护点】
1.一种物品的查找方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，将从所述目标图像中提取的图像特征与特征库中的图像特征进行匹配，从而确定所述目标物品的所在位置，包括：
3.根据权利要求2所述的方法，其特征在于，将从各个区域提取的图像特征与所述特征库中指定类别的图像特征进行匹配，从而确定所述目标物品的所在位置，包括：
4.根据权利要求3所述的方法，其特征在于，将从所述目标图像中提取的图像特征与特征库中的图像特征进行匹配，从而确定所述目标物品的所在位置之后，所述方法还包括：
5.根据权利要求3所述的方法，其特征在于，在调用预先训练好的分类器，将各个区域的图像特征与所述指定类别的图像特征进行匹配，得到所述目标图像的各个区域中与所述指定类别的图像特征匹配的目标区域之前，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，利用提取各种类别的物品的图像特征对原始的分类器进行训练，得到训练好的分类器，包括：
7.根据权利要求6所述的方法，其特征在于，在通过利用所述训练数据集进行训练，以生成分类节
8.一种物品的查找装置，其特征在于，包括：
9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序运行时执行上述权利要求1至7任一项中所述的方法。
10.一种电子装置，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器通过所述计算机程序执行上述权利要求1至7任一项中所述的方法。
...【技术特征摘要】
1.一种物品的查找方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，将从所述目标图像中提取的图像特征与特征库中的图像特征进行匹配，从而确定所述目标物品的所在位置，包括：
3.根据权利要求2所述的方法，其特征在于，将从各个区域提取的图像特征与所述特征库中指定类别的图像特征进行匹配，从而确定所述目标物品的所在位置，包括：
4.根据权利要求3所述的方法，其特征在于，将从所述目标图像中提取的图像特征与特征库中的图像特征进行匹配，从而确定所述目标物品的所在位置之后，所述方法还包括：
5.根据权利要求3所述的方法，其特征在于，在调用预先训练好的分类器，将各个区域的图像特征与所述指定类别的图像特征进行匹配，得到所述目标图像的各个区域中与...
【专利技术属性】
技术研发人员：曾嘉懿，白金蓬，黎清顾，
申请(专利权)人：珠海格力电器股份有限公司，
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。