多视角拼接图像目标去重训练方法、装置及智能售货机制造方法及图纸

本发明专利技术属于图像处理技术领域，解决了现有技术智能售货机采用多角度拼接视频分析，其存在同一商品重复检出，所导致的产生重复订单的技术问题，提供了一种多视角拼接图像目标去重训练方法、装置及智能售货机。该方法包括:获取商品区域从不同视角的各基础视频进行物理拼接后的目标视频；然后将目标视频的各帧图像进行正样本和负样本标注，得到由拼接后的各帧图像组成的样本集；将各样本输入支持向量机进行训练，得到能够依据拼接后的各帧图像中各目标的位置信息确定是否为同一商品的目标分类器；利用该目标分类器可以对同一帧图像中属于同一商品的多个检测目标进行去重，避免同一商品在同一帧图像中重复检出所产生的重复订单，提高检测的准确性。高检测的准确性。高检测的准确性。

【技术实现步骤摘要】
多视角拼接图像目标去重训练方法、装置及智能售货机


[0001]本专利技术涉及图像分析
，尤其涉及一种多视角拼接图像目标去重训练方法、装置及智能售货机。

技术介绍

[0002]随着人工智能技术的不断发展，零售业的售卖方式也发生了巨大的变化，其中智能售货机已经遍布在城市的各种场合，包括车站、商城、旅游景区或百货店均能发现各式各样的智能售货机，智能售货机以其无需专人看守、用户自动下单、购物结账的方式，极大遍历了特殊场景用户对于商品的购物需求。
[0003]然而，现有智能售货机包括全开门智能售货机，全开门智能售货机用户可以在智能售货机柜门打开时，在一次购物中可以进行多次拿放操作，同时可以一次选择多件商品后再进行统一结算，该智能售货机极大方便了用户的购物需求，但是这类智能售货机因为主要依赖购物视频进行商品订单结算，当用户在拿放商品时，商品部分特征会被遮挡，因此容易产生误检，生成异常订单的问题，为了消除商品因遮挡导致误检问题，先提供了一种从多个角度采集购物视频，然后将各购物视频进行拼接后再进行目标检测，从而提高目标检测的准确性；然而，由于拼接后的视频中各帧图像存在同一商品出现在不同位置情况，因此需要对各帧图像中同一商品进行去重，避免同一商品被多次检出，产生重复订单，影响用户体验。

技术实现思路

[0004]有鉴于此，本专利技术实施例提供了一种多视角拼接图像目标去重训练方法、装置及智能售货机，用以解决现有的智能售货机采用多角度拼接视频分析，其存在同一商品重复检出，所导致的产生重复订单的技术问题。/>[0005]本专利技术采用的技术方案是：
[0006]本专利技术提供了一种多视角拼接图像目标去重训练方法，所述方法包括：
[0007]S1：获取商品区域的目标视频，其中，所述目标视频由若干基础视频对应的各帧图像进行物理拼接后得到的视频流构成，每一所述基础视频是以一视角采集所述商品区域发生的同一事件的图像组成，各个基础视频对应采集同一所述事件的视角不同；
[0008]S2：将所述目标视频的各帧图像进行正样本和负样本标注，得到用于模型训练的样本集，其中，同一帧图像中表示同一商品的目标标记为正样本，同一帧图像中表示不同商品的目标标记为负样本；
[0009]S3：将所述样本集输入支持向量机中进行训练，得到同一商品去重的目标分类器。
[0010]优选地，所述S2包括：
[0011]S21：将所述目标视频的各帧图像输入目标检测网络进行目标检测，得到各帧图像所有目标的检测结果；
[0012]S22：根据各目标的所述检测结果，对各帧图像的各目标进行正样本和/或负样本
标注，得到所述样本集。
[0013]优选地，所述S3包括：
[0014]S31：将所述样本集的各样本依次输入支持向量机；
[0015]S32：获取样本中各目标的位置坐标和预设类别，其中，所述预设类别为人工标注的正样本或负样本；
[0016]S33：根据各目标的所述位置坐标和对应的所述预设类别，将样本中正样本对应的各所述位置坐标标记为第一类别，将样本中负样本的各所述位置坐标标记为第二类别；
[0017]S34：重复S32至S33，直到输出表征商品位置相关性的分类决策函数对应的所述目标分类器。
[0018]优选地，所述S33包括：
[0019]S331：获取样本中各目标的中心点坐标和预设类别；
[0020]S332：对各所述中心点坐标进行归一化处理，得到各目标的所述位置坐标；
[0021]S333：根据各目标的所述位置坐标和对应的所述预设类别，利用公式S333：根据各目标的所述位置坐标和对应的所述预设类别，利用公式计算支持向量的均值，得到所述第一类别和所述第二类别；
[0022]其中，K为样本中所有目标对应的支持向量数量，y
s
为第S个目标对应的支持向量的预设类别，x
s
为第S个目标的位置坐标。
[0023]优选地，所述S332包括：
[0024]S3321：获取各样本中各目标的中心点坐标；
[0025]S3322：根据所述中心点坐标，利用公式进行归一化处理，得到各目标的所述位置坐标。
[0026]优选地，所述S34包括：
[0027]S341：获取当前样本中各目标的检测结果；
[0028]S342：根据所述检测结果的置信度大小对当前样本检出的各目标进行排序，得到置信度序列；
[0029]S343：根据所述置信度序列的置信度大小进行相关性判定，舍弃存在相关性且置信度小的目标，得到当前样本的舍弃存在相关性的目标后保留的所有目标；
[0030]S344：重复S341至S343，直到输出表征商品位置相关性的分类决策函数f(x)＝sign(w
T
x+b)对应的所述目标分类器；
[0031]其中，w
T
x+b为支持向量机算法中的超平面，w
T
为超平面的斜率，b为偏差，sign为符号函数。
[0032]优选地，所述S1包括：
[0033]S11：获取沿智能售货机的货架排列方向将智能售货机放置商品区域分为多个虚拟的商品区；
[0034]S12：获取在各商品区相向设置的各摄像头采集的视角范围内的基础视频；
[0035]S13：对各所述基础视频的各帧图像按采集时序相对应的各帧图像一一进行物理拼接，得到所述目标视频；
[0036]其中，所述物理拼接为拼接后的图像为参与拼接的所有图像的尺寸和。
[0037]本专利技术还提供了一种多视角拼接图像目标去重训练装置，所述装置包括：
[0038]数据采集模块：用于获取商品区域的目标视频，其中，所述目标视频由若干基础视频对应的各帧图像进行物理拼接后得到的视频流构成，每一所述基础视频是以一视角采集所述商品区域发生的同一事件的图像组成，各个基础视频对应采集同一所述事件的视角不同；
[0039]样本标记模块：用于将所述目标视频的各帧图像进行正样本和负样本标注，得到用于模型训练的样本集，其中，同一帧图像中表示同一商品的目标标记为正样本，同一帧图像中表示不同商品的目标标记为负样本；
[0040]模型训练模块：用于将所述样本集输入支持向量机中进行训练，得到同一商品去重的目标分类器。
[0041]本专利技术还提供了一种智能售货机，包括：至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现上述任一项所述的方法。
[0042]本专利技术还提供了一种介质，其上存储有计算机程序指令，当所述计算机程序指令被处理器执行时实现上述任一项所述的方法。
[0043]综上所述，本专利技术的有益效果如下：
[0044]本专利技术提供的一种多视角拼接图像目标去重训练方法、装置及智能售货机，通过智能售货机上多个不同视角的摄像头采集对应商品区域的基础视频，然后将各基础视频的各帧图像进行物本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多视角拼接图像目标去重训练方法，其特征在于，所述方法包括：S1：获取商品区域的目标视频，其中，所述目标视频由若干基础视频对应的各帧图像进行物理拼接后得到的视频流构成，每一所述基础视频是以一视角采集所述商品区域发生的同一事件的图像组成，各个基础视频对应采集同一所述事件的视角不同；S2：将所述目标视频的各帧图像进行正样本和负样本标注，得到用于模型训练的样本集，其中，同一帧图像中表示同一商品的目标标记为正样本，同一帧图像中表示不同商品的目标标记为负样本；S3：将所述样本集输入支持向量机中进行训练，得到同一商品去重的目标分类器。2.根据权利要求1所述的多视角拼接图像目标去重训练方法，其特征在于，所述S2包括：S21：将所述目标视频的各帧图像输入目标检测网络进行目标检测，得到各帧图像所有目标的检测结果；S22：根据各目标的所述检测结果，对各帧图像的各目标进行正样本和/或负样本标注，得到所述样本集。3.根据权利要求1所述的多视角拼接图像目标去重训练方法，其特征在于，所述S3包括：S31：将所述样本集的各样本依次输入支持向量机；S32：获取样本中各目标的位置坐标和预设类别，其中，所述预设类别为人工标注的正样本或负样本；S33：根据各目标的所述位置坐标和对应的所述预设类别，将样本中正样本对应的各所述位置坐标标记为第一类别，将样本中负样本的各所述位置坐标标记为第二类别；S34：重复S32至S33，直到输出表征商品位置相关性的分类决策函数对应的所述目标分类器。4.根据权利要求3所述的多视角拼接图像目标去重训练方法，其特征在于，所述S33包括：S331：获取样本中各目标的中心点坐标和预设类别；S332：对各所述中心点坐标进行归一化处理，得到各目标的所述位置坐标；S333：根据各目标的所述位置坐标和对应的所述预设类别，利用公式S333：根据各目标的所述位置坐标和对应的所述预设类别，利用公式计算支持向量的均值，得到所述第一类别和所述第二类别；其中，K为样本中所有目标对应的支持向量数量，y
s
为第S个目标对应的支持向量的预设类别，x
s
为第S个目标的位置坐标。5.根据权利要求4所述的多视角拼接图像目标去重训练方法，其特征在于，所述S332包括：S3321：获取各样本中各目标的中心点坐标；S3322：根据所述中心点坐标，利用公式进行归一化处理，得到各目标的所述位置坐...

【专利技术属性】
技术研发人员：陈俏锋，黄超群，王浩，张杰，束学璋，张元熙，郭家龙，邱俊波，
申请(专利权)人：深圳友朋智能商业科技有限公司，
类型：发明
国别省市：