[发明专利]基于超像素的图像的实际货架图景象分析

说明书

本发明公开了一种基于超像素的图像的实际货架图景象分析。所包括的图像识别系统接收包括多个被组织的对象的实际货架图图像，并且检测和识别零售货架上的一个或多个货品的实际货架图图像中的对象，识别货架前端和货架前端上的标签，识别货架下的空闲空间，识别可能存在未被识别的产品的区域，以及识别产品“缺货”的区域。

背景技术

本公开文本主要涉及图像处理中的对象检测的领域，本公开文本尤其涉及用于分析多个被组织的对象的图像的系统和方法，以识别图像中的对象、货架前端和货架前端上的标签、货架之下的空闲空间、可能存在未识别出的对象的区域和空置区域。

发明内容

所述技术包括接收多个被组织的对象的图像的图像识别系统。图像识别系统基于多个被组织的对象的图像中的各组像素生成图像分段(例如，超像素)，并且利用从对多个被组织的对象的图像进行的图像分析得到的信息和观察值对图像分段加标签。此外，系统基于图像分段对多个被组织的对象的图像的区域进行分类。区域例如可以包括图像中的识别出的对象、货架前端和标签、货架之下的空闲空间、可能存在未识别出的对象的区域、以及产品“缺货”的区域。

其他实施例包括用于识别图像中的对象的对应的方法和计算机程序产品。本文中描述的特征和优势并不是完全包括形式的，并且许多额外的特征和优势对于阅读了本说明书和附图的本领域技术人员而言是清楚的。此外，还应当注意的是，本说明书中选用使用的词语主要用于易于理解本申请和指示性的目的，而并不限制本申请的范围。

附图说明

通过附图中的示例非限制性地描述本申请，在附图中，相似的附图标记用于指代相似的单元。

图1是说明了用于分析零售货架的图像的系统100的一个示例性实施例的高层框图；

图2是说明了包括实际货架图(realogram)分析应用的示例性实际货架图分析系统的框图；

图3是基于超像素的实际货架图景象分析的示例方法的流程图；

图4说明了示例性的实际货架图；

图5A示出了包括货架和货架上的产品的示例性的实际货架图；

图5B示出了叠加有超像素的示例性的实际货架图；

图6是用于基于超像素以及在一些实施例中的其他观察值来识别实际货架图区域的示例性方法的流程图；

图7A和图7B示出了用于识别实际货架图图像中示出的货架前端的示例性方法的流程图；

图8示出了叠加有超像素以及示出了用于确定货架外观特征的超像素之间的关系的箭头的示例性实际货架图的一部分；

图9是用于检测可能的货架边界的处理的示例性图示；

图10是以各自的角度示出了超像素列表的示例性图示；

图11是示出了用于确定货架外观特征的超像素之间的关系的示例性图示；

图12A是示出了超像素边界处的量化梯度的示例性图示；

图12B是示出了一对超像素的量化梯度的示例性数据结构；

图13是用于检测和确定实际货架图图像中示出的货架前端上的标签的位置的示例性方法的流程图；

图14A是示出了叠加有超像素的示例性实际货架图的一部分，其中所述超像素被编号以示出货架分段的集群；

图14B是示出了叠加有超像素的示例性实际货架图的一部分，其中所述超像素被编号以示出货架分段的集群；

图15是示出具有最少超像素和具有最多非水平线的超像素的集群之间的交叉的示例性图示；