[发明专利]基于卷积神经网络的图像识别技术的结算方法和装置

权利要求书

1.一种基于卷积神经网络的图像识别技术的结算方法，其特征在于，所述结算方法包括：

采集步骤，采集放置在结算台上的待分类的M个商品的N张图片，N张所述图片与N个拍摄角度一一对应，N个拍摄角度中至少有一个第一拍摄角度，所述第一拍摄角度为从M个商品的正上方向下对M个商品进行拍照的拍摄角度；

目标检测步骤，先对在所述第一拍摄角度下采集的图片进行目标检测以获取与M个商品一一对应的M个第一矩形区域图像，再根据所述第一矩形区域图像的数量对N张所述图片中剩余的图片分别进行目标检测以在每张图片中获取与M个商品一一对应的M个剩余矩形区域图像；

第一分类步骤，根据所述第一矩形区域图像、所述剩余矩形区域图像和预先训练的一级分类模型，获取与每个商品对应的N个初级分类结果，所述一级分类模型为基于卷积神经网络的图像识别技术架构且经购物场所内所有商品训练的模型，根据与每个商品对应的N个所述初级分类结果和预先训练的一级线性回归模型获取与每个商品对应的一级分类结果；

确认步骤，以与每个商品对应的所述一级分类结果作为每个商品的第一次分类结果；

结算步骤，根据每个商品的所述第一次分类结果对M个商品进行结算；

其中，M、N为大于等于2的自然数。

2.根据权利要求1所述的结算方法，其特征在于，在第一分类步骤之后，确认步骤之前，所述结算方法还包括：

第二分类步骤，若所述一级分类结果为相似商品，则根据与所述相似商品对应的所述第一矩形区域图像、所述剩余矩形区域图像和预先训练的二级分类模型，获得与所述相似商品对应的N个次级分类结果，再根据N个所述次级分类结果和预先训练的二级线性回归模型获取与所述相似商品对应的二级分类结果，并以所述二级分类结果作为所述相似商品的第一次分类结果，所述二级分类模型为预先基于卷积神经网络的图像识别技术架构且经购物场所内相似商品训练的模型，否则执行确认步骤。

3.根据权利要求1或2所述的结算方法，其特征在于，在确认步骤之后，结算步骤之前，所述结算方法还包括：

根据与每个商品对应的第一矩形区域图像、剩余矩形区域图像和与每个商品的所述第一次分类结果对应的预先训练的支持向量机模型，判断图片中的商品是否与所述第一次分类结果一致，若一致则执行结算步骤，否则提醒顾客商品无库存。

4.根据权利要求1所述的结算方法，其特征在于，在待分类的M个商品的正上方布置1个摄像头，以从正上方向下对M个所述商品进行拍照来采集图片；

在待分类的M个所述商品的四周布置4个摄像头，以从斜下方向上对M个所述商品进行拍照来采集图片。

5.一种基于卷积神经网络的图像识别技术的结算装置，其特征在于，所述结算装置包括：

采集装置，用于采集放置在结算台上的待分类的M个商品的N张图片，N张所述图片与N个拍摄角度一一对应，N个拍摄角度中至少有一个第一拍摄角度，所述第一拍摄角度为从M个商品的正上方向下对M个商品进行拍照的拍摄角度；

目标检测装置，用于先对在所述第一拍摄角度下采集的图片进行目标检测以获取与M个商品一一对应的M个第一矩形区域图像，再根据所述第一矩形区域图像的数量对N张所述图片中剩余的图片分别进行目标检测以在每张图片中获取与M个商品一一对应的M个剩余矩形区域图像；

第一分类装置，根据所述第一矩形区域图像、所述剩余矩形区域图像和预先训练的一级分类模型，获取与每个商品对应的N个初级分类结果，所述一级分类模型为基于卷积神经网络的图像识别技术架构且经购物场所内所有商品训练的模型，根据与每个商品对应的N个所述初级分类结果和预先训练的一级线性回归模型获取与每个商品对应的一级分类结果；

确认装置，用于以与每个商品对应的所述一级分类结果作为每个商品的第一次分类结果；和

结算装置，用于根据每个商品的所述第一次分类结果对M个商品进行结算；

其中，M、N为大于等于2的自然数。