[发明专利]识别密集陈列商品的方法及其装置

说明书

本发明公开了识别密集陈列商品的方法，包括下列步骤：(1)输入密集陈列商品的图像；(2)对所述输入密集陈列商品的图像中的每个商品进行检测，输出每个商品的空间位置关系；进而输出每个商品的类别概率分布估计信息；(3)将所有检测到的商品根据空间位置关系划分到不同的商品簇，针对每个商品簇，基于空间位置关系，利用商品的类别概率分布估计信息组合成该商品簇的概率分布特征序列；(4)形成一个线性可分特征向量；(5)依据所述线性可分特征向量，通过分类器进行二次分类，得到该商品簇的各个商品新的类别概率分布估计，最终得到该商品簇的最终类别。本发明具有有效提升渠道陈列场景中难分样本即商品的识别准确率的优点。

技术领域

本发明涉及产品分类的技术领域，具体涉及到一种识别密集陈列商品的方法及其装置的技术。

背景技术

在快消品渠道陈列场景，大量多种多样的商品密集陈列于货架、地堆等容器上，由于光线、角度、遮挡、模糊、小尺寸、外观相似等因素的影响，使得一些商品的可分特征不可见，从而大大增加识别难度。现有的图像识别模型通常是先检测出商品，然后对检测出的单个商品进行识别。在这种难分情形下，模型很可能会由于提取不到可区分特征而识别错误，单纯通过优化模型参数已难以有效解决这类问题。但是，这种难分样本对人来说却相对简单得多，因为人很容易通过其周边的商品信息来判断出其属于哪种商品。而对于渠道陈列场景，商品通常是密集排列在货架上，并且单个品牌的商品(往往也是目标商品sku)通常集中排列在一起，增加了难分样本的识别准确率的提升难度。

发明内容

为了克服现有技术的不足，本发明的目的在于提供一种识别密集陈列商品的方法及其装置，有效提升渠道陈列场景中难分样本即商品的识别准确率。

为达上述目的，本发明采用以下技术方案：

一种识别密集陈列商品的方法，其特征在于所述识别密集陈列商品的方法包括下列步骤：

(1)输入密集陈列商品的图像；

(2)对所述输入密集陈列商品的图像中的每个商品进行检测，输出每个商品的空间位置关系；

根据检测到的每个商品的空间位置关系截取关心区域的图像，输出单个商品的切图，以此对检测到的单个商品进行分类，输出每个商品的类别概率分布估计信息；

(3)将所有检测到的商品根据空间位置关系划分到不同的商品簇，针对每个商品簇，基于空间位置关系，利用商品的类别概率分布估计信息组合成该商品簇的概率分布特征序列；

(4)根据步骤(3)该商品簇的概率分布特征序列，进行上下文信息提取和融合，形成一个线性可分特征向量；

(5)依据所述线性可分特征向量，通过分类器进行二次分类，得到该商品簇的各个商品新的类别概率分布估计，并根据该新的类别概率分布估计得到该商品簇的最终类别。

步骤(3)中，对于货架上的商品，首先根据商品垂直方向之间的距离划分为不同的货架层，然后在每一层中根据两个相邻商品之间的距离划分为不同的商品簇；对于地堆商品，首先根据水平方向和垂直方向上各商品之间的距离划分为不同的行和列，然后分别在水平和垂直方向上根据两个相邻商品之间的距离划分为不同的商品簇；然后，根据步骤(2)中得到的每个商品的类别概率分布估计信息，获得每一个商品属于某个类别的最大概率值，然后将该最大概率值与阈值进行比较，找出最大概率值低于阈值的商品，称为不确定商品，所述阈值是介于0到1之间的值，根据具体应用进行调整；然后对找出的每个不确定商品，利用其所属商品簇中所有商品的概率信息组成固定长度的特征序列，当商品个数少于特征序列的长度时，通过补充值全为0的特征向量进行补齐；步骤(4)中将商品簇的概率分布特征序列输入到一个带有注意力模块的循环神经网络中，通过循环神经网络利用序列的上下文信息转换成所述的线性可分特征向量。

步骤(3)中，每个商品簇内部具有较强的空间上下文信息，商品簇之间的具有较弱的空间上下文信息。