[发明专利]一种货架陈列检测方法、装置及系统

说明书

本发明公开了一种货架陈列检测方法，通过两次迁移学习作为检测模型和识别模型的实现基础，从通用多类别的目标检测到特定场景特定类别的目标检测，从一般类别的图像特征提取到具体类别的图像特征提取，充分挖掘了深度学习网络模型复用的潜力，能够以较小的训练代价获得较好的检测和识别效果。将商品检测的任务拆分为目标检测与目标识别两个子任务，采用检测模型与识别模型相协同的方式加以完成。检测模型和识别模型是两个相互独立的模型，通过两个模型的协同操作能够有效地保障最终陈列检测结果的可靠性和准确性。本发明还提供了一种装置及系统，同样具有上述有益效果。

技术领域

本发明涉及图像检测识别技术领域，特别是涉及一种货架陈列检测方法、一种货架陈列检测装置以及一种货架陈列检测系统。

背景技术

当下，各类零售行业都在追求科学化、智能化的门店管理，门店货架商品的陈列管理便是这一追求的具体体现。货架的陈列是指以货架商品为主体，以一定的方法和技巧，将商品按照事先制定的销售规划，有规律有目的地在货架上进行摆放和展示，起到方便购买、刺激销售和美化购物环境的作用，能够使货架空间的利用率得到最优化，同时还能起到优化库存的作用，对零售门店的科学化、智能化管理意义重大。

传统的货架商品陈列检测依赖于门店督导人员的现场检查，人力成本巨大。在有了门店监控设备以及智能手机等智能移动产品之后，督导人员可以远程获取门店现场图像，然而对于货架陈列的检测，依旧需要对人工对获取的门店现场图像进行查验，这仍然是一项耗时费力的过程，且难以保障陈列检测工作的时效性。所以如何提供一种可以快速有效的对商品陈列进行检测的方法是本领域技术人员急需解决的问题。

发明内容

本发明的目的是提供一种货架陈列检测方法，可以快速有效的对商品陈列进行检测；本发明的另一目的在于提供一种货架陈列检测装置以及一种货架陈列检测系统，可以快速有效的对商品陈列进行检测。

为解决上述技术问题，本发明提供一种货架陈列检测方法，包括：

获取待检测货架数据；所述待检测货架数据包括货架实拍图；

调用货架商品检测模型，根据所述待检测货架数据生成对应所述货架实拍图中每个商品的检测框；所述货架商品检测模型为使用标注好的货架数据集对通用目标检测模型进行迁移学习，得到的检测模型；

对所述检测框进行排序，确定所述检测框的次序；

调用货架商品识别模型，根据所述检测框的次序对所述检测框内的商品进行特征提取，得到所述检测框中商品的实际特征向量；所述货架商品识别模型为使用标注好的商品数据集对所述货架商品检测模型进行迁移学习，得到的识别模型；

将所述实际特征向量与目标商品样本的标准特征向量进行相似度计算，生成比对结果。

可选的，在调用货架商品检测模型之前，还包括：

使用标注好的货架数据集对通用目标检测模型进行迁移学习，得到货架商品检测模型；

使用标注好的商品数据集对所述货架商品检测模型进行迁移学习，得到货架商品识别模型。

可选的，所述使用标注好的商品数据集对所述货架商品检测模型进行迁移学习，得到货架商品识别模型包括：

将所述货架商品检测模型改造为对应度量学习的待训练模型；

基于度量学习，使用标注好的商品数据集对所述待训练模型进行迁移学习，得到货架商品识别模型。

可选的，所述对所述检测框进行排序，确定所述检测框的次序包括：

基于k均值聚类模型对所述检测框进行排序，确定所述检测框的次序。

可选的，所述基于k均值聚类模型对所述检测框进行排序，确定所述检测框的次序包括：