[发明专利]面向家居产品精细识别的优化方法

权利要求书

1.面向家居产品精细识别的优化方法，其特征在于，包括：

S1，拍摄家居产品的全景视频；

S2，利用经纬线构图模拟全景环境，采集多视角图像；

针对家居产品进行360度的全景分析，采用选取等差值的经度线和等差值的纬度线得到交点，从而得到相应的图像采样点，进行多视角图像样张的采集；根据个体的需要调整经纬度差值实现采集精度的高低选取；

S3，利用相邻图像分割和图像相似冗余处理，形成有效图像集；

在高精度的经纬线构图采集之后，相邻的两个采集点的采集图像存在主体目标略有差异，背景基本一致的特点，于是使用图像分割的直接单阈值方法提取相邻图像交叠的部分，即为相邻图像差异部分；

针对分割后的图像采取如下公式：

其中，为原图像灰度值，为分割后图像灰度值，分割阈值 ， 表示分割区域用的两种的灰度值；

根据图像差异设定合理的限定值，小于该限定值的相邻图像视为具有高度特征相似性的两个图像，于是采取保留其一的处理方式，并继续执行相邻图像分割，经过多次筛选，保留剩余的图像组成最佳的有效图像集；

S4，对有效图像集进行训练分析和特征提取；

S5，对实拍家居产品图像进行目标检测和特征提取；

S6，对实拍家居产品图像的特征与有效图像集的特征进行对比判断，实现家居产品精细识别。

2.根据权利要求1所述的面向家居产品精细识别的优化方法，其特征在于，S1进一步包括：利用360度全景视频拍摄器材，对于供应商的家居产品进行空间位移的环绕拍摄。

3.根据权利要求1所述的面向家居产品精细识别的优化方法，其特征在于，S2进一步包括：利用经纬构图的方法采集多视角图像样张，形成初步的图像集。

4.根据权利要求3所述的面向家居产品精细识别的优化方法，其特征在于，所述利用经纬构图的方法采集多视角图像样张进一步包括：采用选取等差值的经度线和等差值的纬度线得到交点，从而得到相应的图像采样点，进行多视角图像样张的采集。

5.根据权利要求4所述的面向家居产品精细识别的优化方法，其特征在于，通过调整经度差值和纬度差值进行不同精度的图像采集。

6.根据权利要求1所述的面向家居产品精细识别的优化方法，其特征在于，所述相邻图像分割进一步包括：利用图像分割的直接单阈值方法提取相邻图像交叠的部分，获取相邻图像差异部分。

7.根据权利要求6所述的面向家居产品精细识别的优化方法，其特征在于，所述图像相似冗余处理进一步包括：为相邻图像差异部分的差异程度设定限定值，小于所述限定值的相邻图像视为具有高度特征相似性的两个图像，采取保留其一的处理方式，并继续执行相邻图像分割，经过多次筛选，保留剩余的图像组成有效图像集。

8.根据权利要求7所述的面向家居产品精细识别的优化方法，其特征在于，所述图像相似冗余处理进一步包括：对家居产品的对称性视角的图像，进行对称处理后再采取图像分割和相似冗余处理。

9.根据权利要求1所述的面向家居产品精细识别的优化方法，其特征在于，S5进一步包括：针对用户在任意场景下拍摄的家居产品图像，对其进行基于深度学习的目标检测，通过对图像中不同颜色模块的感知定位并分类出其中目标物体；再利用不同尺寸的滑动窗口选中目标家居产品，提取视觉特征。

10.一种家居产品识别应用系统，采用如权利要求1至9中任一项所述的方法实现，其特征在于，包括：

全景视频拍摄模块：利用360度全景视频拍摄器材，对于供应商的家居产品进行空间位移的环绕拍摄；

全景环境模拟模块：利用经纬线构图方法采集多视角图像样张，形成初步的图像集；

相邻图像分割模块：利用图像分割的直接单阈值方法提取相邻图像交叠的部分，获取相邻图像差异部分；

图像相似冗余处理模块：为相邻图像差异部分的差异程度设定限定值，小于所述限定值的相邻图像视为具有高度特征相似性的两个图像，采取保留其一的处理方式，并继续执行相邻图像分割，经过多次筛选，保留剩余的图像组成有效图像集；

训练模块：对有效图像集进行训练分析和特征提取；

目标检测模块：针对用户在任意场景下拍摄的家居产品图像，对其进行基于深度学习的目标检测，通过对图像中不同颜色模块的感知定位并分类出其中目标物体；再利用不同尺寸的滑动窗口选中目标家居产品，提取视觉特征；

识别判断模块：对实拍家居产品图像的特征与有效图像集的特征进行对比判断，实现家居产品精细识别。