[发明专利]零售终端的物品陈列识别方法及系统

说明书

本发明提供一种零售终端的物品陈列识别方法及系统，该方法包括：获取零售终端内目标物品的陈列视频；对陈列视频进行切片，获取视频关键帧；对切片获得的图片进行预处理，获取目标图片；提取目标图片内表征目标物品的特征；根据图像样本内的样本特征对目标图片的特征进行识别，判断零售端陈列的目标物品是否合格；将识别结果推送至零售终端所在的智能设备上。

技术领域

本发明涉及计算机领域，且特别涉及一种零售终端的物品陈列识别方法及系统。

背景技术

为提高客户对品牌的了解和认可，品牌商会对商品的零售终端(超市、便利店、小卖铺等)作地堆或陈列等活动考核，如考核零售终端对商品的摆放是否符合要求。

目前的考核方式为：将陈列柜上的商品进行拍照并上传，系统把图像作为一个整体来和样本图做匹配，以识别陈列是否满足考核要求。由于受图像背景干扰、拍摄光线及拍摄目标商品远近距离影响，这种考核方法识别率极低，必须需要人工再审核，浪费了大量的人力、物力。另一方面，这种采用静态图来进行考核识别的方法，存在图片更改或替换等弄虚作假的潜在问题。

发明内容

本发明为了克服现有陈列摆放考核方法中静态图片受干扰因素影响而识别率低的问题，提供一种识别率高的零售终端的物品陈列识别方法及系统。

为了实现上述目的，本发明提供一种零售终端的物品陈列识别方法，该方法包括：

获取零售终端处目标物品的陈列视频；

对陈列视频进行切片，获取视频关键帧；

对切片获得的图片进行预处理，获取目标图片；

提取目标图片内表征目标物品的目标特征；

根据图像样本内的样本特征对目标特征进行识别，判断零售端陈列的目标物品是否合格；

将识别结果推送至零售终端所在的智能设备上。

根据本发明的一实施例，零售终端的物品陈列识别方法还包括：

获取图像样本文件并对图像样本文件进行分类，形成至少两类图像集；

对形成的至少两类图像集进行深度学习，获得样本特征。

根据本发明的一实施例，在获取样本特征时，根据历史的匹配值大小进行逐步筛选，获得最强特征点，在进行识别时，将目标特征与最强特征点进行匹配。

根据本发明的一实施例，当识别结果显示目标图片与图像样本不匹配时，将目标图片纳入图像样本文件内并进行分类，更新图像样本文件。

根据本发明的一实施例，对切片获得的图片进行预处理，获取目标图片，这一步骤包括：

计算获取到的视频关键帧的梯度统计特征，根据梯度阈值选取满足要求的图片；

计算图片在灰度图上的均值和方差，根据均值阈值和方差阈值选取满足要求的图片；

将满足上述要求的图片统一分辨率。

根据本发明的一实施例，在视频切片时，预加载陈列视频，间隔一段时间识别视频关键帧，并获取关键帧的位置，进行切片保存。

另一方面，本发明还提供一种零售终端的物品陈列识别系统，该系统包括获取模块、切片模块、预处理模块、提取模块、识别模块以及推送模块。获取模块获取零售终端内目标物品的陈列视频。切片模块对陈列视频进行切片，获取视频关键帧。预处理模块对切片获得的图片进行预处理，获取目标图片。提取模块提取目标图片内表征目标物品的目标特征。识别模块根据图像样本内的样本特征对目标特征进行识别，判断零售端陈列的目标物品是否合格。推送模块将识别结果推送至零售终端所在的智能设备上。