[发明专利]商品图像中目标识别方法、系统、设备及存储介质

说明书

本发明提供了一种商品图像中目标识别方法、系统、设备及存储介质，包括步骤S1：获取若干张图像，将所述图像输入预训练的场景分类模型，确定所述图像对应的应用场景；步骤S2：根据图像对应的应用场景，选择预训练的ROI区域检测模型，检测出所述图像上的ROI区域；步骤S3：将检测出ROI区域的图像进行矫正生成矫正后图像；步骤S4：将矫正后图像输入预训练的目标识别模型，进行所述图像上每一商品区域的识别。本发明中在商品区域识别前，创造性的先依次进行场景分类，质量调整，ROI区域识别以及图像矫正，最后再进行商品区域的识别，显著的提高了商品区域的识别准确率，将商品识别的准确率，由60％提升至95％左右，推进了商品识别技术在新零售领域的应用。

技术领域

本发明涉及图像识别技术，具体地，涉及一种商品图像中目标识别方法、系统、设备及存储介质。

背景技术

随着计算机和智能手机中硬件部分的计算能力增强，近几年来，机器学习和计算机视觉技术取得了飞速的发展，很多研发人员做了大量的工作来研发可辅助人们日常任务的机器学习和计算机视觉算法。

在新零售领域，需要通过手机定期对货架图像进行采集，并将采集后的图像汇集到后台系统中。后天系统利用图像处理技术获取图像中每个商品的种类，数目以及位置信息等。将生成的数据汇聚成报表，并定期更新图像数据后。便能够根据图像数据就可以对货架上的商品情况完全掌控。

经过对现有技术的检索，发现申请号为201710566434.1的发明专利公开了一种基于深度匹配网络的商品种类识别方法，其方法为采集标准照片作为模板图像对拍摄商品进行匹配；申请号为201710281127.9的发明专利公开了一种基于图像识别技术的货架识别方法，该方法是一种深度学习的图像识别方法。可见应用计算机视觉技术，能准确地识别货架图片中的信息并统计，避免了人工现场核查的麻烦。但由于商场场景复杂性，拍摄的图像是成千上万的，单一图像处理算法并不能适应复杂的场景，现有技术中尚未有一种商品识别方法系统，并且该系统具有自检能力，能对误判有较强的鲁棒性。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种商品图像中目标识别方法、系统、设备及存储介质。

根据本发明提供的商品图像中目标识别方法，包括：

步骤S1：获取若干张图像，将所述图像输入预训练的场景分类模型，确定所述图像对应的应用场景；

步骤S2：根据图像对应的应用场景，选择预训练的ROI区域检测模型，检测出所述图像上的ROI区域；

步骤S3：将检测出ROI区域的图像进行矫正生成矫正后图像；

步骤S4：将矫正后图像输入预训练的目标识别模型，进行所述图像上每一商品区域的识别。

优选地，在所述步骤S1和所述步骤S2之间设置有图像质量调整步骤，所述图像质量调整步骤通过如下任一种或任多种实现：

-当图像的曝光量大于第一预定阈值时，降低所述图像的饱和度；

-当图像的曝光量小于第二预定阈值时，增加所述图像的饱和度；

-识别出所述图像上的模糊区域，将所述模糊区域进行清晰度调整；

所述降低或增加图像饱和度通过设置饱和度调节因子实现，利用曝光量和饱和度调节因子形成坐标抽，不同曝光量对应设置不同的饱和度调节因子，形成不同的直线斜率，其中，斜率表示通过饱和度调节因子调节图像色彩渐变的快慢。

优选地，所述步骤S1包括如下步骤：

步骤S101：获取多张用于场景分类的训练图像，对每一所述用于场景分类的训练图像进行应用场景的类别标注；

步骤S102：利用标注应用场景后的所述训练图像建立所述场景分类模型；