[发明专利]面向家居产品精细识别的优化方法

说明书

本发明公开一种面向家居产品精细识别的优化方法。包括：对供应商家居产品拍摄全景视频并进行经纬线构图处理，细分成多视角获取图像；对相邻点图像进行技术处理，组成最佳的有效图像集并训练评估；对用户实拍的家居图像进行目标检测，再与图像集对比判断。本发明还公开一种家居产品识别应用系统。本发明通过增加训练集的数量，增强图像的特征提取性能，进而增强精细识别的准确度，对图像的不精确识别、错误识别问题的研究具有重大意义。

技术领域

本发明属于计算机视觉图像处理技术领域，尤其涉及基于全景视频数据增强的电商家居产品图像识别方法，具体为一种面向家居产品精细识别的优化方法。

背景技术

随着多媒体技术的迅猛发展以及在深度学习上的逐步深入，人类观察世界的方式已经发展到充分利用电子器械来代替人眼对目标进行识别、跟踪和测量等等，并进一步做图像处理，利用计算机视觉来使计算机能像人眼那样通过视觉观察和理解世界，具有自主适应环境的能力。

计算机视觉领域的所有突破几乎都来自深度神经网络。约翰霍普金斯大学教授、计算机视觉的奠基人之一Alan Yuille提出这一领域最严峻的挑战是如何开发能够应对图像的组合爆炸的算法，即对图像因上下文导致的不精确识别、错误识别问题的算法研究。

尽管深度学习优于其他技术，但它们并非具有通用性。深度学习主要局限体现在图像特征提取和训练数据集不够大的问题上，这是导致图像不精确识别、错误识别问题的关键所在。本发明根据这一问题，通过结合家居产品识别、供应商与用户的应用体验，根据人眼观察的特性，从而得到优化图像的不精确识别、错误识别问题的方法。

现有技术中，对于家居产品的精细识别存在以下问题：

一：缺乏对真实世界的模拟研究，由于人眼是经过真实世界训练的，是三维全景环境训练得到的，故本发明将三维全景环境应用到计算机视觉之中；

二：缺乏充足的训练集图像数据集，使得图像的特征提取不够完善，需要加入更多的考虑因素；

三：缺乏上下文对图像主体影响的研究，深度网络对图像背景和遮挡的变化过于敏感，会对图像的识别造成错误判断。

发明内容

本发明的目的是针对现有技术存在的问题，提供一种面向家居产品精细识别的优化方法，能够有效增强家居产品精细识别能力。

为实现上述目的，本发明采用的技术方案是：

面向家居产品精细识别的优化方法，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；

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；

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。

本发明通过对供应商家居产品拍摄全景视频并进行经纬线构图处理，细分成多视角获取图像；然后对相邻点图像进行技术处理，组成最佳的有效图像集并训练评估；最后对用户实拍的家居图像进行目标检测，再与有效图像集对比判断来精细识别实拍的家居产品。本发明通过增加训练集的数量，增强图像的特征提取性能，来增强精细识别的准确度，对图像的不精确识别、错误识别问题的研究具有重大意义。

优选地，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。

优选地，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。