[发明专利]模型训练用图像的快速扩充方法、系统、设备及存储介质

说明书

本发明提供了一种模型训练用图像的快速扩充方法、系统、设备及存储介质，包括采集若干张图像，通过预设的物体检测模型对每一图像上进行单元检测，识别图像上的多个商品区域；对每一图像上的价格标签进行单元检测，识别图像上的多个价格标签区域；识别出每一价格标签区域的条形码或条形码数列，读取条形码或条形码数列对应的商品信息，进而确定每一价格标签区域对应的商品信息；将商品区域的中心点与水平方向上距离最小的价格标签区域对应的商品信息相关联。本发明中商品图像自动采集车在商场中采集的货架上商品的图像，进而识别图像上的商品和条形码，并将条形码读出的商品信息与商品的图像一一对应，形成标注数据库，便于商品的管理。

技术领域

本发明涉及新零售，具体地，涉及一种模型训练用图像的快速扩充方法、系统、设备及存储介质。

背景技术

人工智能一浪接一浪地席卷全球，AI的其中一个重要分支——计算机视觉，也如雨后春笋，不断涌现出新的想法和应用。人脸识别已经逐渐渗透我们的日常生活，机器能够认准人脸，想必大家都有所耳闻；而另一类计算机视觉的应用，是进行商品识别。

当前新兴的一些无人零售店，背后就需要机器对商品进行自动识别，拍图购物、AR互动营销等场景，也运用了商品识别技术。基于深度神经网络的人工智能进行图像识别时，首先要有大量的数据。在无人零售店上应用时，需要对于每一商品进行识别，根据商品的特征辨识度，通常需要几十到几百张的有效图片，并对采集到的图片进行标准。因此有必要提供一种自动标注工具，实现图像的快速采集以及自动标注。

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模型训练用图像的快速扩充方法、系统、设备及存储介质。

根据本发明提供的模型训练用图像的快速扩充方法，包括如下步骤：

步骤S1：采集若干张图像，通过预设的物体检测模型对每一所述图像上进行单元检测，识别所述图像上的多个商品区域；

步骤S2：通过预设的价签检测模型对每一所述图像上的价格标签进行单元检测，识别所述图像上的多个价格标签区域；

步骤S3：识别出每一所述价格标签区域的条形码或条形码数列，读取所述条形码或条形码数列对应的商品信息，进而确定每一价格标签区域对应的商品信息；

步骤S4：将所述商品区域的中心点与水平方向上距离最小的所述价格标签区域对应的商品信息相关联。

优选地，所述图像采用商品图像自动采集车采集；

所述商品图像自动采集车包括车体、支架以及相机；所述支架设置在所述车体上且沿竖直方向延伸；所述车体带动所述支架移动；

所述相机通过安装件可拆卸的连接所述支架；多个所述相机沿所述支架的高度依次排列。

优选地，所述商品图像自动采集车的使用方法包括如下步骤：

步骤M1：根据目标商场中货架层数安装相对应数量的相机，并将每一所述相机的高度调整为与所述货架的一层高相一致；

步骤M2：使所述商品图像自动采集车根据设定路线移动；

步骤M3：当所述商品图像自动采集车移动至一货架前时，多个所述相机朝向所述货架的多层上的商品，对多层上的商品同时进行采集。

优选地，所述步骤S3包括如下步骤：

步骤S301：读取所述价格标签区域的条形码信息，当读取所述条形码信息失败时，触发步骤S302：

步骤S302：识别所述价格标签区域中多个数字顺次排列形成的条形码数字区域，通过OCR技术识别所述条形码数字区域的条形码数列；