[发明专利]检测相机状态的方法及装置、电子设备、存储介质

说明书

本发明实施例涉及图像识别技术领域，公开了一种检测相机状态的方法及装置、电子设备、存储介质。本发明中，通过获取相机拍摄到的N种类型的图片，其中，N为大于2的自然数；将N种类型的图片作为训练数据进行卷积神经网络模型训练；利用训练好的模型预测相机实时拍摄的图片的类型；根据预测结果判定相机是否可用；提供了一种可靠的检测相机状态的方法，并且运用卷积神经网络对相机拍摄的图片进行分类，可使得对相机是否可用的判定更为准确。

技术领域

本发明实施例涉及图像识别技术领域，特别涉及一种检测相机状态的方法。

背景技术

近年来，无人售货机异军突起，深受用户的欢迎。最新的无人售货机技术抛弃重力感应，利用机器视觉识别商品，使得在无人值守的情况下，用户可真实触摸选购自己所需要的商品，并在用户购物结束后可自动进行结算，实现即拿即走，免去了用户现金或手机进行支付的过程。

发明人发现现有技术中至少存在如下问题：

当无人售货机的相机镜头起雾时，无人售货系统无法及时知道，从而无法准确识别商品。

发明内容

本发明实施方式的目的在于提供一种检测相机状态的方法及装置、电子设备、存储介质，使得系统能够准确检测到相机的状态。

为解决上述技术问题，本发明的实施方式提供了一种检测相机状态的方法，包括以下步骤：获取相机拍摄到的N种类型的图片，其中，N为大于2的自然数；将N种类型的图片作为训练数据进行卷积神经网络模型训练；利用训练好的模型预测相机实时拍摄的图片的类型；根据预测结果判定相机是否可用。

本发明的实施方式还提供了一种检测相机状态的装置，包括：获取模块，用于获取相机拍摄到的N种类型的图片，其中，N为大于2的自然数；训练模块，用于将N种类型的图片作为训练数据进行卷积神经网络模型训练；预测模块，用于利用训练好的模型预测相机实时拍摄的图片的类型；判定模块，用于根据预测结果判定相机是否可用。

本发明的实施方式还提供了一种电子设备，包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如上述的检测相机状态的方法。

本发明的实施方式还提供了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时实现上述的检测相机状态的方法。

本发明实施方式相对于现有技术而言，通过获取相机拍摄到的多种类型的图片，并用这些图片作为训练数据进行卷积神经网络模型训练，能够得到可靠的分类模型，利用训练好的模型预测相机实时拍摄的图片的类型，可预测出相机拍摄的照片的类型，根据预测结果，即可判定出相机是否可用，并且，卷积神经网络模型能够准确判定各图片的类型，而图片的种类越多，相机可用状态的判定也就更为准确。本实施例提供了一种可靠的检测相机状态的方法，并且运用卷积神经网络对相机拍摄的图片进行分类，可使得对相机是否可用的判定更为准确。

另外，上述将N种类型的图片作为训练数据进行卷积神经网络模型训练，具体包括：选择多个卷积神经网络；将N种类型的图片作为训练数据对多个卷积神经网络中的各卷积神经网络进行模型训练；上述利用训练好的模型预测相机实时拍摄的图片的类型，具体包括：利用训练好的各卷积神经网络模型预测相机实时拍摄的图片的类型；根据各卷积神经网络模型的预测结果进行投票，得到最终的预测结果。本实施方式提供了一种具体的运用卷积神经网络预测相机实时拍摄的图片的类型的方法，通过对多个卷积神经网络均进行模型训练，可得到多个预测模型，通过根据多个模型的预测结果进行投票得到最终的预测结果，可避免因某个模型的异常而导致的预测结果偏差较大，使得预测结果更为准确可靠。