[发明专利]基于多摄像头的物品识别方法和装置在审
申请号: | 201811129012.9 | 申请日: | 2018-09-27 |
公开(公告)号: | CN109300100A | 公开(公告)日: | 2019-02-01 |
发明(设计)人: | 马玉明 | 申请(专利权)人: | 北京伟景智能科技有限公司 |
主分类号: | G06T5/50 | 分类号: | G06T5/50;G06T7/40;G06T7/90;G06K9/62;G06K9/46 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 100088 北京市海淀*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 待测目标 目标物品 三维立体图像 方法和装置 多摄像头 两幅图像 属性信息 物品识别 摄像头 融合 | ||
1.一种基于多摄像头的物品识别方法,其特征在于,包括:
通过至少两个摄像头获取待测目标的至少两幅图像,所述待测目标包括至少一件目标物品;
对所述至少两幅图像进行融合,得到所述待测目标的三维立体图像,从所述三维立体图像提取各目标物品的立体属性信息;
根据各目标物品的立体属性信息识别出对应的物品名称及数量。
2.根据权利要求1所述的方法,其特征在于,所述对所述至少两幅图像进行融合,得到所述待测目标的三维立体图像,从所述三维立体图像提取各目标物品的立体属性信息包括:
对所述至少两幅图像背景色过滤,并通过RGB锁定各目标物品的轮廓;
根据所述至少两幅图像中各目标物品的轮廓进行三维建模,并根据各目标物品的三维坐标获取对应的尺寸特征;
根据RGB算法够识别出各目标物品的颜色、纹理。
3.根据权利要求1所述的方法,其特征在于,所述根据各目标物品的立体属性信息识别出对应的物品名称及数量包括:
将所提取的各目标物品的立体属性特征与预先设置的分类特征池中的各物品的分类属性特征进行匹配,将匹配成功的物品名称作为各目标物品的物品名称;
统计各目标物体的物品名称得到所述待测目标包含的物品名称及数量。
4.根据权利要求3所述的方法,其特征在于,在所述根据各目标物品的立体属性信息识别出对应的物品名称及数量之前还包括:
根据已知物品的物品名称以及用以分类的标准立体属性特征构建分类特征池;
对所述分类特征池中的标准立体属性特征进行冲突检测,如果在检测中有冲突则继续对该类已知物品进行特征分析,追加新的立体属性特征到原有特征上,直到分类检测不冲突为止。
5.根据权利要求3所述的方法,其特征在于,还包括:
将所述分类特征池上传到服务器端或共享传送给其他移动终端。
6.根据权利要求3所述的方法,其特征在于,所述物品为商品,在所述根据各物品的立体属性信息识别出对应的物品名称及数量之后还包括:
根据所述物品名称从数据库中查询对应的价格,并根据各商品的数量得到所述待测目标的总价格。
7.一种基于多摄像头的物品识别装置,其特征在于,包括:
图像获取模块,被配置为通过至少两个摄像头获取待测目标的至少两幅图像,所述待测目标包括至少一件目标物品;
立体属性提取模块,被配置为对所述至少两幅图像进行融合,得到所述待测目标的三维立体图像,从所述三维立体图像提取各目标物品的立体属性信息;
识别模块,被配置为根据各目标物品的立体属性信息识别出对应的物品名称及数量。
8.根据权利要求7所述的装置,其特征在于,所述立体属性提取模块包括:
轮廓获取单元,被配置为对所述至少两幅图像背景色过滤,并通过RGB锁定各目标物品的轮廓;
尺寸特征获取单元,被配置为根据所述至少两幅图像中各目标物品的轮廓进行三维建模,并根据各目标物品的三维坐标获取对应的尺寸特征;
颜色纹理设别单元,被配置为根据RGB算法够识别出各目标物品的颜色、纹理。
9.根据权利要求7所述的方法,其特征在于,所述识别模块包括:
匹配单元,被配置为将所提取的各目标物品的立体属性特征与预先设置的分类特征池中的各物品的分类属性特征进行匹配,将匹配成功的物品名称作为各目标物品的物品名称;
统计单元,被配置为统计各目标物体的物品名称得到所述待测目标包含的物品名称及数量。
10.根据权利要求9所述的装置,其特征在于,还包括:
特征池构建单元,被配置为根据已知物品的物品名称以及用以分类的标准立体属性特征构建分类特征池;
冲突检测单元,被配置为对所述分类特征池中的标准立体属性特征进行冲突检测,如果在检测中有冲突则继续对该类已知物品进行特征分析,追加新的立体属性特征到原有特征上,直到分类检测不冲突为止。
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北京伟景智能科技有限公司,未经北京伟景智能科技有限公司许可,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/201811129012.9/1.html,转载请声明来源钻瓜专利网。