[发明专利]均值哈希算法二次精确识别方法

说明书

本发明公开了均值哈希算法二次精确识别方法，包括以下步骤：步骤一：商家预先对商品进行拍照；步骤二：将商品照片上传至基于均值哈希算法的图像识别系统的数据库中进行保存并计算出图片的特征指纹字符串；本发明通过设置的均值哈希算法系统，对图像识别系统处理后的商品图像进行算法识别对比，大大增加了对顾客拍摄的商品的识别准确率，通过生成图片特征指纹，对比图片特征指纹，使图像的系统化对比更加高效且准确，避免了目前在通过普通的AI图像识别技术对商品进行识别时，通常只能简单的识别商品的种类，无法根据商品的大小和颜色等对同一种类的商品进行精细化区分的问题。

技术领域

本发明属于哈希算法识别技术领域，具体涉及均值哈希算法二次精确识别方法。

背景技术

哈希算法，即安全散列算法(英语：Secure Hash Algorithm，缩写为SHA)是一个密码散列函数家族，是FIPS所认证的安全散列算法。能计算出一个数字消息所对应到的，长度固定的字符串(又称消息摘要)的算法。且若输入的消息不同，它们对应到不同字符串的机率很高。

目前在通过普通的AI图像识别技术对商品进行识别时，通常只能简单的识别商品的种类，无法根据商品的大小和颜色等对同一种类的商品进行精细化区分，因此AI图像识别技术目前来看还需要进一步进行改进。

发明内容

本发明要解决的技术问题是克服现有的缺陷，提供均值哈希算法二次精确识别方法，以解决上述背景技术中提出的目前在通过普通的AI图像识别技术对商品进行识别时，通常只能简单的识别商品的种类，无法根据商品的大小和颜色等对同一种类的商品进行精细化区分，因此AI图像识别技术目前来看还需要进一步进行改进的问题。

为实现上述目的，本发明提供如下技术方案：均值哈希算法二次精确识别方法，包括以下步骤：

步骤一：商家预先对商品进行拍照；

步骤二：将商品照片上传至基于均值哈希算法的图像识别系统的数据库中进行保存并计算出图片的特征指纹字符串；

步骤三：顾客将购买的商品放在称上进行称量时，设置在称上的摄像头对商品进行拍照，并将商品照片上传至基于深度神经网络的AI图像识别系统；

步骤四：系统内部对图像进行采集，采集后将图像上传至深度神经网络进行图像预处理；

步骤五：深度神经网络对图像进行预处理后，对图像进行特征提取，以方便后续的识别商品的大类；

步骤六：图像特征提取后，对商品图像的种类进行识别，将识别结果通过电信号送入均值哈希算法系统内部进行哈希算法二次识别；

步骤七：均值哈希算法系统对图片进行缩小尺寸处理；

步骤八：对图像进行简化色彩处理；

步骤九：根据均值哈希算法，计算图像的所有64个像素的灰度平均值；

步骤十：对像素灰度进行比较；

步骤十一：计算哈希值；

步骤十二：得到64位的图片特征指纹后进一步进行简化，将特征指纹进行编码得到长度为16的特征指纹字符串，与步骤二中的商家预先上传的图片的特征指纹字符串进行比较，这等同于计算“汉明距离”，如果不相同的字符个数小于一定范围，就认为两张图片是相似的，否则就认为这两张图片是不同的；

步骤十三；当顾客拍摄的商品图片的数量和数据库中商品图片的数量差距过大时，采用多图匹配对比的方式返回第一步进行商品图像的拍摄。

优选的，所述步骤五中，分割模型采用yolo5网络，在深度神经网络模型图像识别训练过程中，模型的可信度阈值设为0.6至0.8，交并比为0.6至0.8。