[发明专利]一种基于图像的商品结算方法、装置、介质及电子设备

说明书

本发明实施例提供了一种基于图像的商品结算方法、装置、介质及电子设备，包括：对所获取的待结算图像进行检测，确定出上述待结算图像中待结算商品的区域图像；对所待结算商品的区域图像进行低维度映射，获得对应于上述待结算商品的特征向量；基于上述待结算商品的特征向量，在预设的特征向量识别数据库中识别出上述待结算商品的特征向量所对应的价格信息；将所识别出的价格信息求和，输出上述待结算图像的结算总价格。本发明实施例的技术方案在零售结算场景中，无需结算员操作，对用户放置在结算台上的商品进行识别，实现了自动、快速、准确地识别商品类别与数量计算结算金额，降低了成本。

技术领域

本发明涉及基于商品识别及结算技术领域，具体而言，涉及一种基于图像的商品结算方法及一种基于图像的商品结算装置。

背景技术

目前的商品结算方式主要包括以下几种方式：

(1)基于条码识别的商品识别技术：商品包装上印刷的条码是识别商品的唯一性标识，对应了商品在商品库中的唯一编号。基于条码识别的商品识别技术通过图像识别技术，识别商品条码、确定商品的编号，然后在商品库中读取商品的名称、类别、价格等信息，完成商品结算等功能，能够减少结算人员手工输入商品信息的人力和时间，提高结算效率。由于商品条码已成为行业标准，条码识别设备技术较成熟、成本较低，该技术已广泛应用于超市、商场等零售场景。

(2)基于射频识别的商品识别技术：射频识别是一种基于无线通信的标签识别技术。基于射频识别的商品识别技术，首先将射频识别电子标签安装与商品包装上。在识别时，通过射频识别读取设备读取商品射频识别电子标签信息、获取商品编号，在商品库中读取商品的名称、类别、价格等信息，完成商品结算等功能，减少结算人员手工输入商品信息的人力和时间，提高结算效率。但由于射频识别电子标签、读取器等设备部署成本较高，该技术尚未大规模应用于零售场景。

(3)图像识别技术：目前图像识别技术的成熟方法主要采用深度神经网络模型，使用大规模图像数据训练神经网络，具体的技术包括图像中的目标检测和目标分类。

而上述现有技术方案存在以下缺点：

(1)在零售结算场景中需要结算人员复杂的操作，首先需寻找商品包装上条码的位置、手持条码识别设备、设备扫描器与条码对准扫描等操作，并且需要对多件商品进行逐一扫描操作，耗费大量人力，延长结算时间。

(2)由于需要提前为商品安装RFID电子标签，RFID电子标签高昂的部署和维护成本很高，难以广泛应用于零售场景。

(3)目前针对细粒度的对象识别如商品识别，一般的深度神经网络模型仍难以达到较高准确率，而采用更深的网络结构一方面会增加计算时间，另一方面导致模型训练困难。此外，由于商品外观的相似性，仅通过一般的分类损失函数进行网络训练难以达到较好的区分效果。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本发明的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本发明实施例的目的在于提供一种基于图像的商品结算方法及一种基于图像的商品结算装置，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的结算时间长、结算操作复杂、电子标签成本高以及现有图像识别技术实用性低等一个或者多个问题。

本发明实施例的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。

根据本发明实施例的第一方面，提供一种基于图像的商品结算方法，包括：

对所获取的待结算图像进行检测，确定出上述待结算图像中待结算商品的区域图像；

对所待结算商品的区域图像进行低维度映射，获得对应于上述待结算商品的特征向量；