[发明专利]一种基于商标图像的物品自动识别方法

说明书

本发明涉及图像识别技术领域，更具体地，涉及一种基于商标图像的物品自动识别方法，包括以下步骤，S1：数据采集步骤；S2：数据预处理步骤；S3：读取待识别图像；S4：提取待识别图像特征；S5：特征匹配；S6：信息提取。本发明根据输入的图像用特定的算法提取其特征并与样本库进行比对，得出最相近的商标样本，并输出相关的商标信息。

技术领域

本发明涉及图像识别技术领域，更具体地，涉及一种基于商标图像的物品自动识别方法。

背景技术

商标作为区别商品或服务来源的标志，可以区别不同商品或服务最重要、最本质的功能和来源，引导消费者认牌购物或消费。在现代社会，同一商品的生产厂家成百上千，同一性能的服务比比皆是，而商标是商品或服务的标志，代表着生产者或经营者的信誉，因此，商标能起到引导消费者获得满意商品或服务的作用。由于不同的商标包含了很多不同的有用信息,所以商标的自动识别在物流运输,广告和电子商务等方面有着广泛的应用前景。而对于普通的消费者来说只要简单地拍摄商标的图片，通过手机软件便可以实现快速的识别，大大地减少购买到假冒伪劣的产品的风险，更可以通过商标了解到更多关于生产商的咨询，能提供更多保障。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于商标图像的物品自动识别方法。

为解决上述技术问题，本发明采用的技术方案是：一种基于商标图像的物品自动识别方法，包括以下步骤：

S1：数据采集，利用编写的网络爬虫脚本，收集中国商标网的图标数据以及商户注册信息，并将数据导入本地数据库。数据爬取的整个过程中，对数据的处理和数据的转变很多，并且都不相互影响，只有相互协作的关系，故可以采用 “队列—线程池” 的处理方式。队列就像传送带，负责数据的在线程池之间的传输。线程池负责处理队列里面的数据，并转化为下一个线程池需要的数据。用这样的方法可以有效的同时下载多组数据并不会引起冲突。

S2：数据预处理，对数据库收集到的图像数据，利用改进的sift算法提取图像特征，并将特征信息以文件的形式储存在数据库中。sift算法是基于物体上的一些局部外观的兴趣点而与影像的大小和旋转无关。 对于光线、噪声、些微视角改变的容忍度也相当高。基于这些特性，它们是高度显著而且相对容易撷取，在母数庞大的特征数据库中，很容易辨识物体而且鲜有误认。使用sift算法描述对于部分物体遮蔽的侦测率也相当高，甚至只需要3个以上的sift物体特征就足以计算出位置与方位。

S3：读取待识别图像，用户导入待识别的商标图像，通过勾画工具选出商标的集中区域进行识别。

S4：提取待识别图像特征，利用改进的sift算法实时提取待识别图像的数据特征，获取特征向量。

S5：特征匹配，遍历匹配待识别图像的特征向量与数据库中的特征向量，计算并排序得到与特征最接近的商标。

S6：信息提取，根据步骤S5获取到的商标信息，搜索数据库相应的商户注册信息并把搜索到的商标信息以及相应的商户注册信息返回给用户。

优选地，步骤S3具体为：

s31：用户输入待识别图像；

s32：对待识别的图像进行裁剪，裁剪含有商标的图像；

s33：对含有商标的图像进行格式转换。

优选地，在步骤S1中，将数据导入本地数据库后并进行保存，这样设置可以在每次识别后不需要重新处理。

与现有技术相比，本发明的有益效果是：