一种基于物品主颜色识别分析的补货方法技术

本发明专利技术提供一种基于物品主颜色识别分析的补货方法，涉及颜色识别分析技术领域，包括以下步骤：S1、商品主颜色分析，商品的图像都是纯白底色，商品主颜色分析是针对商品图像的颜色进行分析；S2、补货商品相似判断，本申请中，从商品的颜色属性着手，通过提交补货单的时候，分析商品的主颜色属性，并对柜内商品进行颜色相似性判断，如果不合规范，就提醒补货人员修改重新提交，从而减少柜内相同或相近颜色的出现。的出现。的出现。

【技术实现步骤摘要】
一种基于物品主颜色识别分析的补货方法


[0001]本专利技术涉及颜色识别分析
，特别的为一种基于物品主颜色识别分析的补货方法。

技术介绍

[0002]通用的物品的识别方法一般是通过商品外观的颜色、商标信息、纹理特征等属性进行识别的。当柜子中存放颜色相似的物品时，就会很容易造成商品识别的错误，尤其是在无人货柜的场景中用户购物的过程中会存在遮挡的行为，就很容易造成识别的错误，有明显的误检情况，也就会直接导致订单识别准确率的下降。不仅会对运营商造成货损，也会严重影响用户的体验。
[0003]虽然现在已经有相对完善的商品上架规范制度，但是由于运营商对规范的熟悉程度不够完全或者运营商完全不按照规范操作，在同一个柜内放相似的商品，这样也就会导致识别准确率降低。

技术实现思路

[0004]本专利技术提供的专利技术目的在于提供一种基于物品主颜色识别分析的补货方法，在补货的时候通过识别物品的主颜色属性，分析柜内颜色相似的物品，从而提醒补货人员修改补货商品。避免同一柜子中出现颜色相似的物品，从而减少无人货柜识别中因商品颜色相似造成的识别错误率。
[0005]为实现以上目的，本专利技术通过以下技术方案予以实现：一种基于物品主颜色识别分析的补货方法，包括以下步骤：
[0006]S1、商品主颜色分析，商品的图像都是纯白底色，商品主颜色分析是针对商品图像的颜色进行分析；
[0007]S2、补货商品相似判断。
[0008]优选的，根据S1中的操作步骤，商品主颜色分析的方法为：
[0009]S11、提取商品轮廓坐标；
[0010]设输入的图像为3*M*N，即高为M，宽为N，用矩阵表示为：
[0011][0012]其中A为RGB图像的矩阵表达形式，a
i，M
‑
1，N
‑1为某i通道坐标为(M
‑
1,N
‑
1)的像素值，取值范围为[0,255]。i取值范围为[1,3],M为图像的高，N为图像的；
[0013]经历过二值化和腐蚀膨胀后，其中二值化阈值选择为T＝128，得到的矩阵A，如下所示：
[0014][0015]其中A
′
为二值化后的图像矩阵，a
′
M
‑
1，N
‑1坐标为(M
‑
1,N
‑
1)的像素值，取值范围为[0,255]；M为图像的高，N为图像的宽。f为对原始的RGB像素进行二值化操作；
[0016]二值化后的图像的像素的值为：
[0017]a
′
i，j
＝0为商品物体区域；a
′
i，j
＝255为空白区域；其中i∈[0，M
‑
1]，j∈[0，N
‑
1]；
[0018]之后遍历矩阵A
′
找出a
′
i，j
的值从255到0突变或0到255突变的边界点的坐标(x
i
，y
j
)，所有的这样坐标的集合D＝{(x
i
，y
j
)即为轮廓坐标；
[0019]S12、找出无效白色区域
[0020]将图像的左上角作为坐标原点(0,0)，宽方向为坐标X轴，高方向为Y轴，计算轮廓坐标集合D＝{(x
i
，y
i
)}，其中(x
i
，y
j
)为轮廓坐标点的x轴和y轴的值；
[0021]轮廓坐标(x
i
，y
j
)集合的最大和最小值即为外接矩形的最大和最小坐标。则计算矩形框的中心坐标为:
[0022]x
center
＝(i
min
+i
max
)/2，x
center
＝(i
min
+i
max
)/2
[0023]其中(x
min
，y
min
)为矩形的最小坐标为，(x
max
，y
max
)为矩形的最大坐标。
[0024]x
center
和y
center
为矩形的中心坐标；
[0025]矩形框的面积为：
[0026]S
rec
＝(i
max
‑
i
min
)*(j
max
‑
j
min
)
[0027]以(x
center
，y
center
)为中心重新构建轮廓坐标的坐标系，新的轮廓坐标系如下所示：
[0028][0029]其中x
i
和y
j
为老的轮廓坐标系集合，x
′
i
和y
′
j
分别为以(x
center
，y
center
)为中心的新的轮廓坐标系集合，新的轮廓坐标集合为：
[0030]D
′
＝{(x
′
i
，y
′
j
)}，
[0031]D
′
即为新的坐标轮廓的集合；(x
′
i
，y
′
j
)为新的轮廓坐标
[0032]然后计算商品区域中像素的个数即为y
j
的绝对值之和：
[0033]S＝∑|y
′
j
|
[0034]其中S为商品区域中像素的个数，y
′
j
为新的轮廓坐标的Y轴的值。S就可近似为商品区域像素大小的和，则矩形框内商品外的面积为
[0035]S
extern
＝S
rec
‑
S
[0036]其中S
extern
即为无效区域的面积，S
rec
为矩形框的面积，S计算商品区域中像素的个数；
[0037]S13、分析主颜色
[0038]HSV颜色分类：
[0039]抠出矩形区域的图像，设置大小为m*n，将图像从RGB，转化为HSV(转换使用Opencv接口即可)，转换后矩阵为：
[0040][0041]其中A
hsv
为3*M*N维，按照h、s、v来拆分像素矩阵为：
[0042][0043][0044][0045]其中A
k
代表颜色的像素矩阵，k的取值为黑、灰、白、红、橙、黄、绿、青、蓝、紫；对应的是某种颜色的最大和最小的hsv的值，该值可参照HSV颜色分类表。
[0046]当某个坐标点的H、S、V的像素值位于某个颜色区间的时候，该像素点对应的就是相应颜色，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于物品主颜色识别分析的补货方法，其特征在于，包括以下步骤：S1、商品主颜色分析，商品的图像都是纯白底色，商品主颜色分析是针对商品图像的颜色进行分析；S2、补货商品相似判断。2.根据权利要求1所述的一种基于物品主颜色识别分析的补货方法，其特征在于，包括以下步骤：根据S1中的操作步骤，商品主颜色分析的方法为：S11、提取商品轮廓坐标设输入的图像为3*M*N，即高为M，宽为N，用矩阵表示为：其中A为RGB图像的矩阵表达形式，a
i，M
‑
1，N
‑1为某i通道坐标为(M
‑
1,N
‑
1)的像素值，取值范围为[0,255]，i取值范围为[1,3],M为图像的高，N为图像的；经历过二值化和腐蚀膨胀后，其中二值化阈值选择为T＝128，得到的矩阵A
′
，如下所示：其中A
′
为二值化后的图像矩阵，a
′
M
‑
1，N
‑1坐标为(M
‑
1,N
‑
1)的像素值，取值范围为[0,255]；M为图像的高，N为图像的宽，f为对原始的RGB像素进行二值化操作；二值化后的图像的像素的值为：a
′
i，j
＝0为商品物体区域；α
′
i，j
＝255为空白区域；其中i∈[0，M
‑
1]，j∈[0，N
‑
1]；之后遍历矩阵A
′
找出a
′
i，j
的值从255到0突变或0到255突变的边界点的坐标(x
i
，y
j
)，所有的这样坐标的集合D＝{(x
i
，y
j
)}即为轮廓坐标；S12、找出无效白色区域将图像的左上角作为坐标原点(0,0)，宽方向为坐标X轴，高方向为Y轴，计算轮廓坐标集合D＝{(x
i
，y
j
)}，其中(x
i
，y
j
)为轮廓坐标点的x轴和y轴的值；轮廓坐标(x
i
，y
j
)集合的最大和最小值即为外接矩形的最大和最小坐标，则计算矩形框的中心坐标为:x
center
＝(i
min
+i
max
)/2,x
center
＝(i
min
+i
max
)/2其中(x
min
，y
min
)为矩形的最小坐标为，(x
max
，y
max
)为矩形的最大坐标，x
center
和y
center
为矩形的中心坐标；矩形框的面积为：S
rec
＝(i
max
‑
i
min
)*(j
max
‑
j
min
)以(x
center
，y
center
)为中心重新构建轮廓坐标的坐标系，新的轮廓坐标系如下所示：其中x
i
和y
j
为老的轮廓坐标系集合，x
′
i
和y
′
j
分别为以(x
center
，y
center
)为中心的新的轮
廓坐标系集合，新的轮廓坐标集合为：D
′
＝{(x
′
i
，y
′
j
)},D
′
即为新的坐标轮廓的集合；(x
′
i
，y
′
j
)为新的轮廓坐标然后计算商品区域中像素的个数即为y
′
j
的绝对值之和：S＝∑|y
′
j
|其中S为商品区域中像素的个数，y
′
j
为新的轮廓坐标的Y轴的值，S就可近似为商品区域像素大小的和，则矩形...

【专利技术属性】
技术研发人员：庞明锋，李攀星，庞楼阳，
申请(专利权)人：杭州福柜科技有限公司，
类型：发明
国别省市：