[发明专利]视觉识别轨迹的筛错方法和售货柜的视觉识别方法在审

专利信息
申请号: 202011597121.0 申请日: 2020-12-28
公开(公告)号: CN112749638A 公开(公告)日: 2021-05-04
发明(设计)人: 陈海波;张梦倩 申请(专利权)人: 深兰人工智能(深圳)有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/46;G06K9/62
代理公司: 北京路浩知识产权代理有限公司 11002 代理人: 郑朝然
地址: 518000 广东省深圳市龙华*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 视觉 识别 轨迹 方法 售货
【权利要求书】:

1.一种视觉识别轨迹的筛错方法,其特征在于,包括:

基于多个摄像头采集的图像信息,确定与各摄像头对应的初始轨迹特征,所述初始轨迹特征包括物品属性;

从所有初始轨迹特征中去除各摄像头之间物品属性相同且对应同一实体对象的初始轨迹特征,得到第一误识别轨迹特征,其中,各摄像头对应的所述第一误识别轨迹特征的物品属性各不相同;

基于各摄像头之间所述第一误识别轨迹特征的相似度,确定第二误识别轨迹特征组;

判断所述第二误识别轨迹特征组内的各第二误识别轨迹特征对应同一实体对象,确定所述第二误识别轨迹特征组内置信度非最高的第二误识别轨迹特征为错误轨迹特征。

2.根据权利要求1所述的视觉识别轨迹的筛错方法,其特征在于,所述从所有初始轨迹特征中去除各摄像头之间物品属性相同且对应同一实体对象的初始轨迹特征,得到第一误识别轨迹特征,包括:

确定物品属性相同且与不同摄像头对应的轨迹特征之间的相似度;

依次将相似度最高的一组轨迹特征,作为同一实体对象去除,得到第一误识别轨迹特征。

3.根据权利要求1所述的视觉识别轨迹的筛错方法,其特征在于,所述基于各摄像头之间所述第一误识别轨迹特征的相似度,确定第二误识别轨迹特征组,包括:

确定每个摄像头对应的每个第一误识别轨迹特征与其他摄像头对应的每个第一误识别轨迹特征的相似度;

将所述相似度大于目标相似度的第一误识别轨迹特征,作为第二误识别轨迹特征组。

4.根据权利要求2或3所述的视觉识别轨迹的筛错方法,其特征在于,通过如下方法确定所述相似度:

提取轨迹特征的特征值;

基于所述特征值,确定轨迹特征之间的欧氏距离,所述欧氏距离用于表征所述相似度。

5.根据权利要求1-3中任一项所述的视觉识别轨迹的筛错方法,其特征在于,所述判断所述第二误识别轨迹特征组内的各第二误识别轨迹特征对应同一实体对象,包括:

确定所述第二误识别轨迹特征组内各第二误识别轨迹特征的运行方向特征和时间特征;

若运行方向特征相同,且时间特征有交集,确定各第二误识别轨迹特征对应同一实体对象。

6.一种售货柜的视觉识别方法,其特征在于,包括:

如权利要求1-5中任一项所述视觉识别轨迹的筛错方法;

对除所述错误轨迹特征之外的其他初始轨迹特征中的动作属性进行识别,基于识别出的动作属性,得到识别结果。

7.一种视觉识别轨迹的筛选装置,其特征在于,包括:

轨迹识别模块,用于基于多个摄像头采集的图像信息,确定与各摄像头对应的初始轨迹特征,所述初始轨迹特征包括物品属性;

第一确定模块,用于从所有初始轨迹特征中去除各摄像头之间物品属性相同且对应同一实体对象的初始轨迹特征,得到第一误识别轨迹特征,其中,各摄像头对应的所述第一误识别轨迹特征的物品属性各不相同;

第二确定模块,用于基于各摄像头之间所述第一误识别轨迹特征的相似度,确定第二误识别轨迹特征组;

第三确定模块,用于判断所述第二误识别轨迹特征组内的各第二误识别轨迹特征对应同一实体对象,确定所述第二误识别轨迹特征组内置信度非最高的第二误识别轨迹特征为错误轨迹特征。

8.根据权利要求7所述的视觉识别轨迹的筛选装置,其特征在于,所述第一确定模块包括:

第一确定单元,用于确定物品属性相同且与不同摄像头对应的轨迹特征之间的相似度;

第一处理单元,用于依次将相似度最高的一组轨迹特征,作为同一实体对象去除,得到第一误识别轨迹特征。

9.根据权利要求7所述的视觉识别轨迹的筛选装置,其特征在于,所述第二确定模块包括:

第二确定单元,用于确定每个摄像头对应的每个第一误识别轨迹特征与其他摄像头对应的每个第一误识别轨迹特征的相似度;

第二处理单元,用于将所述相似度大于目标相似度的第一误识别轨迹特征,作为第二误识别轨迹特征组。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深兰人工智能(深圳)有限公司,未经深兰人工智能(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011597121.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top