[发明专利]一种图像集中自动识别商品的方法和设备

说明书

本发明公开了一种图像集中自动识别商品的方法和设备，方法包括：获取待识别商品的图像；通过预先训练的目标检测模型在所述待识别商品的图像中截取待识别商品的商品单图；通过预先训练的深度神经网络提取所述商品单图的特征向量；将所提取的商品单图的特征向量与已识别商品特征向量库中的商品特征向量进行匹配，根据匹配结果确定待识别商品的商品类型；其中，所述已识别商品特征向量库存储有商品特征向量与商品类型之间的映射关系。本发明能够快速高效的对图像中出现的商品自动进行特征提取并自动识别商品。

技术领域

本发明涉及一种图像集中自动识别商品的方法和设备，属于计算机视觉技术领域。

背景技术

SFA(销售能力自动化)是CRM客户关系管理系统的一个重要业务组件。SFA通过拜访目标制定、路线规划、设置执行规范、任务执行、执行结果分析等一系列功能对业务人员在外行为进行规范和引导，帮助业务人员正确高效的完成拜访规定步骤。

随着人工智能的发展，图像中的商品检测已经成为SFA中一个重要的功能，用来自动识别货架、冰箱等照片中的商品，帮助企业做进一步的陈列检测、铺货率统计等等。当前做商品检测主要通过指定商品类型，收集对应图像，标注训练模型进行检测。但商品的商品类型繁多，新商品不断出现，已有商品也会更换包装上市，这样就需要及时收集商品类型和图像，维护一个商品库并不断更新训练模型，带来很大的工作量。

发明内容

本发明的目的在于克服现有技术中的不足，提出一种图像集中自动识别商品的方法和设备，能够自动从图像集中识别商品，从而使商品的识别简化并降低工作量。

为达到上述目的，本发明是采用下述技术方案实现的：

第一方面，本发明提供了一种图像集中自动识别商品的方法，包括以下步骤：

获取待识别商品的图像；

通过预先训练的目标检测模型在所述待识别商品的图像中截取待识别商品的商品单图；

通过预先训练的深度神经网络提取所述商品单图的特征向量；

将所提取的商品单图的特征向量与已识别商品特征向量库中的商品特征向量进行匹配，根据匹配结果确定待识别商品的商品类型；

其中，所述已识别商品特征向量库存储有商品特征向量与商品类型之间的映射关系。

进一步的，将所提取的商品单图的特征向量与已识别商品特征向量库中的商品征向量进行匹配，根据匹配结果确定待识别商品的商品类型的方法包括：计算已提取的商品单图的特征向量与已识别商品特征向量库中各商品特征向量之间的距离；若计算得到的距离小于阈值，则将待识别商品的商品类型确定为相应商品特征向量所映射的商品类型。

进一步的，根据匹配结果确定待识别商品的商品类型的方法还包括：

对于距离计算结果均大于或等于阈值的待识别商品单图的特征向量，将待识别商品单图的特征向量存入未识别特征向量库；

对未识别特征向量库中的多个商品单图的特征向量进行聚类；

获取聚类结果中新增商品类型的类型标注信息；

将新增商品类型及其对应的商品单图的特征向量存入已识别商品特征向量库。

进一步的，所述目标检测模型采用FasterRCNN目标检测算法，所述目标检测模型的训练过程包括：

获取各种场景下商品的图像作为图像集合；

将图像集合中出现的各种商品进行标注并为每种商品标注为唯一的一种标签，将标注好的图像集作为训练集，利用训练集训练目标检测模型，得到训练好的目标检测模型。

进一步的，所述已识别商品特征向量库的构建方法包括：