[发明专利]一种基于Faster R-CNN算法的图书盘点方法及系统

说明书

本发明涉及一种基于Faster R‑CNN算法的图书盘点方法及系统，包括步骤一；图像采集设备采集书架图书图像；步骤二：将书架图书图像传输至图像处理单元；步骤三：图像处理单元通过Faster R‑CNN算法对采集的书架图书图像处理至符合图像识别；步骤四：把采集的图像信息还原为数字书架；步骤五：将数字书架传输至图像采集设备进行可视化的盘点整理书架。本发明解决图书盘点往往需要耗费大量的人力和时间的技术问题。

技术领域

本发明属于人工智能领域，具体涉及一种基于Faster R-CNN算法的图书盘点方法及系统。

背景技术

图书的流通、搬迁以及大规模开架借阅模式下读者对图书的随意放置，都有可能造成图书的实际信息与馆藏信息不符，比如经常会出现读者在图书馆书目检索系统中查到某书在馆，但到对应架位却无法找到此书的情况，影响了图书的借阅。

图书盘点作为图书馆的一项基础性的常态化工作，有助于馆员了解本馆纸质资源的情况。通过盘点，工作人员可以准确掌握图书的数量、位置以及在架情况，提高图书馆的服务水平和管理质量；但盘点往往需要耗费大量的人力和时间。

现有技术中，利用机器人进行图书盘点，具有无人值守，非接触、高效等优势，可以突破传统图书盘点方式的瓶颈问题，比如人力、注意力、耐心、时间、设备、成本等，能够使图书盘点工作得到根本性的改善，也让常规化的图书盘点成为可能。但也存在一些问题，机器人在未来很长一段时间都不能大范围普及应用，并且机器人读取信息的准确率、定位算法、纠错能力、与人的互动方面都存在优化的空间。

针对上述技术问题，本发明提供一种基于Faster R-CNN算法的图书盘点方法及系统，本案由此产生。

发明内容

本发明的目的在于提供一种基于Faster R-CNN算法的图书盘点方法，以解决图书盘点往往需要耗费大量的人力和时间的技术问题；

为实现上述目的，本发明具体提供的技术方案为：一种基于Faster R-CNN算法的图书盘点方法，包括步骤一；图像采集设备采集书架图书图像；步骤二：将书架图书图像传输至图像处理单元；步骤三：图像处理单元通过Faster R-CNN算法对采集的书架图书图像处理至符合图像识别；步骤四：把采集的图像信息还原为数字书架；步骤五：将数字书架传输至图像采集设备进行可视化的盘点整理书架。

进一步，所述Faster R-CNN算法对应的图书标签为二维码。

进一步，所述Faster R-CNN算法包括如下步骤：

步骤一：在整个图像上使用一个CNN，提取出特征图；

步骤二：区域候选网络，通过网络训练的方式从特征图中获取目标的大致位置；

步骤三：池化，利用前面获取到的位置，从特征图中抠出要用于分类的目标，并池化成固定长度的数据。

步骤四：将池化后的卷积特征送到全连接层进行分类和回归。

进一步，所述步骤二中的区域候选网络包括如下步骤：

一、把特征图分割成多个小区域，识别出哪些小区域是前景，哪些是背景，并打上对应的标签，对RPN进行训练使它对任意输入都具备识别前景、背景的能力；

二、边框回归，用于获取前景区域的大致坐标，通过训练anchor 与目标窗口之间的偏移量，得到所有候选框的位置和尺寸，即卷积特征。

进一步，所述池化为任意大小的卷积特征转换成固定长度的向量。

进一步，图像采集设备对书架图书连续采集形成若干书架图书图像，若干书架图书图像中包括图书的标签及所在书架、层架的信息。

进一步，所述图书的标签包括图书的位置、顺序和图书内容信息。