[发明专利]一种物品识别方法、装置及存储介质有效

专利信息
申请号: 202011167365.5 申请日: 2020-10-28
公开(公告)号: CN112001373B 公开(公告)日: 2021-01-22
发明(设计)人: 赵进;孔飞;王海;刘邦长;谷书锋;赵红文;罗晓斌;常德杰;刘朝振;张一坤;武云召;庄博然;袁晓飞 申请(专利权)人: 北京妙医佳健康科技集团有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/46;G06K9/62;G06N3/08
代理公司: 北京超凡宏宇专利代理事务所(特殊普通合伙) 11463 代理人: 曹瑞敏
地址: 100000 北京市朝阳*** 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: 一种 物品 识别 方法 装置 存储 介质
【权利要求书】:

1.一种物品识别方法,其特征在于,包括:

接收待识别物品的图像;

将所述待识别物品的图像输入预先训练获取的图像特征提取器,得到所述待识别物品的图像的第一特征向量;

根据所述待识别物品的图像的第一特征向量以及图像数据库中的图像特征向量,确定所述待识别物品的类别信息,其中,所述图像数据库中包括多个物品的图像信息,每个所述物品的图像信息至少包括:物品的类别、图像的第一特征向量;其中,所述第一特征向量为浮点数形式的特征向量;

所述根据所述待识别物品的图像的第一特征向量以及图像数据库中的图像特征向量,确定所述待识别物品的类别信息,包括:

将所述待识别物品的图像的第一特征向量输入预先训练获取的特征量化器,得到所述待识别物品的图像的第二特征向量,所述第二特征向量为二进制特征向量;

根据所述待识别物品的图像的第一特征向量、第二特征向量以及图像数据库中的图像特征向量,确定所述待识别物品的类别信息。

2.根据权利要求1所述的方法,其特征在于,所述图像数据库中每个物品的图像信息还包括:图像的第二特征向量;

所述根据所述待识别物品的图像的第一特征向量、第二特征向量以及图像数据库中的图像特征向量,确定所述待识别物品的类别信息,包括:

将所述待识别物品的图像的第二特征向量与所述图像数据库中各图像信息的第二特征向量进行比对,根据比对结果,从所述图像数据库中筛选出待选图像信息集合;

将所述待识别物品的第一特征向量与所述待选图像信息集合中各图像信息的第一特征向量进行比对,根据比对结果,确定所述待识别物品的类别信息。

3.根据权利要求2所述的方法,其特征在于,所述将所述待识别物品的图像的第二特征向量与所述图像数据库中各图像信息的第二特征向量进行比对,根据比对结果,从所述图像数据库中筛选出待选图像信息集合,包括:

对所述待识别物品的图像的第二特征向量与所述图像数据库中各图像信息的第二特征向量进行异或操作,得到比对结果,所述比对结果用于标识所述待识别物品的图像与所述图像数据库中各图像信息的不相似度;

将小于第一预设阈值的不相似度对应的图像数据库中的各图像信息加入所述待选图像信息集合。

4.根据权利要求2所述的方法,其特征在于,所述将所述待识别物品的第一特征向量与所述待选图像信息集合中各图像信息的第一特征向量进行比对,根据比对结果,确定所述待识别物品的类别信息,包括:

确定所述待识别物品的图像的第一特征向量与所述待选图像信息集合中各第一特征向量的欧式距离,得到所述待识别物品的图像的第一特征向量与所述待选图像信息集合中各第一特征向量的不相似度;

根据所述待识别物品的图像的第一特征向量与所述待选图像信息集合中各第一特征向量的不相似度,确定所述待识别物品的类别信息。

5.根据权利要求4所述的方法,其特征在于,所述根据所述待识别物品的图像的第一特征向量与所述待选图像信息集合中各第一特征向量的不相似度,确定所述待识别物品的类别信息,包括:

将最小不相似度对应的待选图像信息集合中的图像信息所标识的物品的类别,作为所述待识别物品的类别。

6.根据权利要求1所述的方法,其特征在于,所述根据所述待识别物品的图像的第一特征向量以及图像数据库中的图像特征向量,确定所述待识别物品的类别信息,包括:

将所述待识别物品的图像的第一特征向量与所述图像数据库中各图像信息的第一特征向量进行比对,根据比对结果,确定待识别物品的类别信息。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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妙医佳健康科技集团有限公司,未经北京妙医佳健康科技集团有限公司许可,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/202011167365.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top