CN112149461A - 用于识别对象的方法和设备 - Google Patents

Abstract

本公开的实施例提供了用于识别对象的方法、装置、设备和计算机可读存储介质。该方法包括：经由摄像装置，获取放置在第一表面上的对象的视频图像，第一表面在视频图像被获取期间被旋转预定角度；基于视频图像中的多帧图像，生成经标注的多个训练样本，多帧图像分别对应第一表面的多个不同的旋转角度；基于多个训练样本，训练识别模型，所述训练识别模型用于确定待识别图像中的待识别对象的对象类别和对象数目中的至少一项。本公开的实施例能够准确识别随意摆放的一个或多个待识别对象。

Description

用于识别对象的方法和设备

技术领域

本公开涉及商品识别，更具体地，涉及用于识别对象的方法、装置、设备、计算机可读存储介质。

背景技术

传统的识别对象(例如商品)的方案例如包括三种方式：第一种方式例如是，通过获取并识别在商品上附加的射频标签(RFID)所包括的商品信息，进而识别商品类别；第二种方式例如是，通过扫描印刷在商品外包装上的条形码或二维码，进而识别商品的类别；第三种方式例如是，基于所拍摄的商品图像来识别商品类别。

在传统的识别对象的方案中，不仅需要在对象(例如商品)上附加额外的射频标签或二维码，而且需要配置用于识别射频标签的识别装置、或者配置用于读取条形码或二维码的读取装置，因此***配置较为复杂、成本较高。此外，在传统的识别对象类别的方案中，无法识别随意摆放的多个商品，需要人为将每个商品的特定位置处的条形码或二维码逐个对准读取装置，因此需要耗费较多人力以用于调整商品条形码或二维码的读取位置和或读取距离。即便对于传统的图像识别商品的方案，通常针对拍摄角度有变化的商品、随意摆放的多个商品、或者外形相近的商品难以准确识别。

因此，传统的识别商品类别的方案难以准确识别随意摆放的一个或多个待识别对象，不便于广泛应用于无人售货的新零售产业模式。

发明内容

本公开提供一种用于识别对象的方法的和设备，能够准确识别随意摆放的一个或多个待识别对象。

根据本公开的第一方面，提供了一种用于识别对象的方法。该方法包括：经由摄像装置，获取放置在第一表面上的对象的视频图像，第一表面在视频图像被获取期间被旋转预定角度；基于视频图像中的多帧图像，生成经标注的多个训练样本，多帧图像分别对应第一表面的多个不同的旋转角度；基于多个训练样本，训练识别模型，所述训练识别模型用于确定待识别图像中的待识别对象的对象类别和对象数目中的至少一项。

根据本发明的第二方面，还提供一种用于识别对象的装置。该设备包括：存储器，被配置为存储一个或多个程序；处理单元，耦合至存储器并且被配置为执行一个或多个程序使***执行根据本公开的第一方面的方法。

根据本公开的第三方面，提供了一种非瞬态计算机可读存储介质。该非瞬态计算机可读存储介质上存储有机器可执行指令，机器可执行指令在被执行时使机器执行根据本公开的第一方面的方法。

根据本发明的第四方面，还提供一种用于识别对象的设备。该设备包括：第一表面，用于支撑放置在第一表面上的对象；第二表面，用于固定多个摄像装置，第一表面相对于第二表面可旋转；多个摄像装置，用于分别采集对象放置在第一表面上的多个视频图像，第一表面在多个视频被获取期间被旋转预定角度，多个摄像装置中的每一个摄像装置包括摄像头和用于支撑摄像头的支撑部件。

提供发明内容部分是为了简化的形式来介绍对概念的选择，它们在下文的具体实施方式中将被进一步描述。发明内容部分无意标识本公开的关键特征或主要特征，也无意限制本公开的范围。

附图说明

通过结合附图对本公开示例性实施例进行更详细的描述，本公开的上述以及其它目的、特征和优势将变得更加明显，其中，在本公开示例性实施例中，相同的参考标号通常代表相同部件。

图1示出了根据本公开的实施例的用于识别对象的***100的架构图；

图2示出了根据本公开的实施例的采集装置200的俯视图；

图3示出了根据本公开的实施例的用于识别单个对象的方法300的示意图。；

图4示出了根据本公开的实施例的用于识别对象的方法400的流程图；

图5示出了根据本公开的实施例的采集装置500的示意图；

图6示出了根据本公开的实施例的采集装置600的示意图；

图7示出了根据本公开的实施例的用于生成训练样本的方法700的流程图；

图8示出了根据本公开的实施例的用于生成训练样本的方法800的示意图；

图9示出了根据本公开的实施例的卷积神经网络模型900的示意图；

图10示出了根据本公开的实施例的用于识别对象的方法1000的示意图；

图11示出了根据本公开的实施例的用于识别商品的方法1100的流程图；以及

图12示意性示出了适于用来实现本公开实施例的电子设备1200的框图。

在各个附图中，相同或对应的标号表示相同或对应的部分。

具体实施方式

下面将参照附图更详细地描述本公开的优选实施例。虽然附图中下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

在本公开的实施例的描述中，术语“包括”及其类似用语应当理解为开放性包含，即“包括但不限于”。术语“基于”应当理解为“至少部分地基于”。术语“一个实施例”或“该实施例”应当理解为“至少一个实施例”。术语“第一”、“第二”等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。

如上文所描述的，在传统的识别对象的方案中，需要配置射频标签的识别装置、或者条形码或二维码的读取装置，以及需要人为将每个对象的条形码或二维码位置逐个对准读取装置，因此造成***配置较为复杂、硬件及人力成本较高，而且无法识别随意摆放的多个商品。传统的基于图像识别对象的方案针对拍摄角度有变化的对象、随意摆放的多个对象、或者外形相近的对象难以准确识别。因此，传统的识别对象的方案不便于广泛应用于无人售货的新零售产业模式。

为了至少部分地解决上述问题以及其他潜在问题中的一个或者多个，本公开的示例实施例提出了一种用于识别对象的方案。在该方案中，经由摄像装置，获取放置在第一表面上的对象的视频图像，第一表面在视频图像被获取期间被旋转预定角度；基于视频图像中的多帧图像，生成经标注的多个训练样本，多帧图像分别对应第一表面的多个不同的旋转角度；基于多个训练样本，训练识别模型，所述训练识别模型用于确定待识别图像中的待识别对象的对象类别和对象数目中的至少一项。

在上述方案中，通过基于旋转的第一表面上的对象的采集视频中的对应不同旋转角度的多帧图像，生成经标注的多个训练样本，以用于训练识别模型，以便确定待识别对象的对象类别和对象数目，能够使得经由对象的多视度拍摄的、大量样本训练的识别模型能够准确识别随意摆放的多个待识别对象；而且对于摄像头的不同拍摄角度和光线情况具有较好的适应性。

图1示出了根据本公开的实施例的用于识别对象的***100的架构图。如图1所示，***100包括用于采集待识别对象的视频的采集装置110和计算设备130(例如是用于识别对象的装置)。在一些实施例中，采集装置110例如包括：一个或多个摄像装置、第一表面120、第二表面122、旋转装置124和旋转控制装置126。如图1所示，每个摄像装置例如包括摄像头114(例如第一摄像头114-1或第二摄像头114-2)、支撑部件116(例如第一支撑部件116-1或第二支撑部件116-2)、夹紧装置112(例如第一夹紧装置112-1或第二夹紧装置112-2)和锁定装置118(例如第一锁定装置118-1或第二锁定装置118-2)。

在一些实施例中，多个摄像装置的多个摄像头114用于分别获取对象150放置在第一表面120上的多个视频图像。在多个视频被获取期间，第一表面120被旋转预定角度。通过采用上述技术手段，可以在短时间内大量采集到用于商品识别所需的图像数据。

支撑部件116用于分别支撑摄像头114。夹紧装置112用于将摄像头114固定在支撑部件116上。在一些实施例中，夹紧装置112至少具有夹紧位置和松开位置，使得摄像头114在对应支撑部件116上的设置高度和设置角度中的至少一项可调节。在一些实施例中，多个摄像头114中的至少两个摄像头(例如第一摄像头114-1与第二摄像头114-2)距离第一表面120的垂直距离被设置为不同。

第一表面120可以由旋转装置124带动而相对于第二表面122旋转。旋转装置124，位于第一表面120与第二表面122之间，用于可旋转地支撑第一表面120。第二表面122用于固定多个支撑部件116。锁定装置118用于分别将多个摄像头114的支撑部件116固定在第二表面的多个不同位置处。

图2示出了根据本公开的实施例的采集装置200的俯视图。如图2所示，第一摄像头214-1与第二摄像头214-2距离第一表面220的垂直距离被设置为不同。第一锁定装置218-1和第二锁定装置218-2分别将第一摄像头214-1的支撑部件与第二摄像头214-2的支撑部件固定在第二表面222的不同位置处。在一些实施例中，第一表面220为带可转动底座的识别工作台。

在一些实施例中，将对象(例如多个待售商品)置于识别工作台上，通过旋转控制装置驱动旋转装置进而带动第一表面220旋转，当传感器检测到旋转装置或第一表面220旋转时，触发第一摄像头214-1与第二摄像头214-2记录下放置在第一表面220上的待识别对象的视频图像，然后将所记录的视频图像通过有线或者无线方式发送至用于识别待识别对象的对象类别和/或数量的计算设备(例如图1中的用于识别对象的装置130)。

在一些实施例中，待识别对象可以是一个对象，也可以是多个对象。图3示出了根据本公开的实施例的用于识别单个对象的方法300的示意图。如图3所示，单个待识别对象(例如苹果)被以第一位姿放置于第一表面320上；开始旋转第一表面320；响应于检测到第一表面320被旋转，由摄像头314采集以第一位姿放置的对象350的第一视频图像直至第一表面320旋转过预定角度(例如360度)。然后，将待识别对象350调整至以第二位姿放置于第一表面320上；开始旋转第一表面320；响应于检测到第一表面320被旋转，由摄像头314获取以第二位姿放置的待识别对象350的第二视频图像。依次类推，摄像头314可以获取待识别对象350以多个不同位姿放置在第一表面320上的多个视频图像。

图4示出了根据本公开的实施例的用于识别对象的方法400的流程图。在图4中，各个动作例如由控制器执行。方法400还可以包括未示出的附加动作和/或可以省略所示出的动作，本公开的范围在此方面不受限制。

在框402处，经由摄像装置，计算设备130获取放置在第一表面120上的对象150的视频图像，第一表面120在视频图像被获取期间被旋转预定角度。

在一些实施例中，当计算设备130检测到第一表面120被旋转时，使摄像装置采集放置在第一表面上的对象150的视频图像。在一些实施例中，当计算设备130检测到第一表面120的旋转角度超过预定值，向旋转控制装置发送信号，以便使得旋转装置停止旋转，响应于检测到第一表面120停止旋转，使得摄像装置停止采集视频。通过采用上述手段，能够实现第一表面120的旋转与摄像装置采集视频图像相同步。

在一些实施例中，可以以多种方式获取在第一表面120上的对象150的视频图像。例如，可以经由摄像装置，计算设备130获取对象150以第一位姿放置在第一表面120上的第一视频图像；以及获取对象150以第二位姿放置在第一表面120上的第二视频图像。在一些实施例中，计算设备130经由多个摄像装置，分别获取对象150放置在第一表面120上的多个视频图像，多个摄像装置中的摄像头相对于对象150处于不同的拍摄位置。图5示出了根据本公开的实施例的采集装置500的示意图。如图5所示，摄像头514-1与摄像头514-2相对于第一表面520上的对象550处于不同的拍摄位置与不同的拍摄角度540-1与540-2。在一些实施例中，多个摄像装置中的摄像头中的至少两个摄像头距离第一表面的垂直距离被设置为不同。图6示出了根据本公开的实施例的采集装置600的示意图。如图6所示，摄像头614-1与摄像头614-2距离第一表面620的垂直距离被设置为不同。通过采用上述手段，计算设备130可以高效率地获取待识别对象150以多个不同位姿、来自不同拍摄角度或拍摄高度的丰富的视频图像，基于由不同位姿、不同拍摄位置的视频图像所形成的样本而训练的识别模型，能够准确识别在外形上相近的不同对象，以及对于摄像头的不同角度和光线情况具有较好的适应性。

在框404处，计算设备130基于视频图像中的多帧图像，生成经标注的多个训练样本，多帧图像分别对应第一表面的多个不同的旋转角度。

在一些实施例中，可以基于多种方法生成多个训练样本。例如，图7示出了根据本公开的实施例的用于生成训练样本的方法700的流程图。如图7，在框702处，基于多帧图像中的第一帧图像，标注对象在第一帧图像中的首帧位置信息和对象类别；在框704处，基于首帧位置信息，确定对象在多帧图像中的其他每一帧图像中的逐帧位置信息；在框706处，基于逐帧位置信息和对象类别，分割多帧图像，以生成用于形成训练样本的多个单体参考图像，训练样本与对象类别相关联。

以下结合图8进一步来描述生成训练样本的方法800。图8示出了根据本公开的实施例的用于生成训练样本的方法800的示意图。如图8中的上部图所示，在视频图像的多帧图像的首帧图像中标出商品(例如经由标记框810-1标注矿泉水的首帧位置)的位置及名称，然后逐帧播放视频图像，通过基于光流(optic flow)和/或卡尔曼滤波算法构建的跟踪模型，跟踪多帧图像中需要标注的对象。在一些实施例中，可以通过如下方式确定逐帧位置信息：例如，计算设备130基于首帧位置信息、多帧图像中的相邻帧图像的像素在时间域上的变化以及相邻帧图像之间对象的运动信息，确定逐帧位置信息。在一些实施例中，例如基于所标注的信息，生成商品的单体图像及对应标注框信息txt文件。如图8中的下部图所示，商品被转动中的当前帧图像中商品位置被标注。例如，矿泉水在当前帧的逐帧位置信息被以标记框810-2标注，果冻在当前帧的逐帧位置信息被以标记框820标注，鲜米果在当前帧的逐帧位置信息被以标记框830标注，花生在当前帧的逐帧位置信息被以标记框840标注。在一些实施例中，确定逐帧位置信息的方式还包括：调整当前帧图像中的逐帧位置信息，使得当前帧中的对象位于标注框内，标注框与逐帧位置信息相关联。例如，对于位置跟踪不准确的帧图像进行矫正，例如调整标记框810-2的大小，使矿泉水刚好在标记框810-2之内。

在框406处，计算设备130基于多个训练样本，训练识别模型，训练识别模型用于确定待识别图像中的待识别对象的对象类别和对象数目中的至少一项。在一些实施例中，识别模型例如是卷积神经网络模型，其可以通过具有不同网络结构的算法模型来实施。在一些实施例中，识别模型为包括输入层、中间层和输出层的卷积神经网络，中间层包括多个卷积层。图9示出了根据本公开的实施例的卷积神经网络模型900的示意图。如图9所示，卷积神经网络模型900包括输入层910、多个中间层920-1、910-2至910-N、以及输出层930。输入层910例如包括多个神经元912(即单元)。在一些实施例中，例如将标注得到的参考图像及文件输入至输入层；然后分析参考图像，训练检测器如YOLO，检测参考图像内的商品；然后对检测到的与商品相关的参考图像进行分割，以形成商品单体参考图像；对每个分割后的商品单体参考图像，训练分类器，以便进行商品识别。例如，运用商品单体参考图像训练了一个CNN网络，此网络可以将RGB图像转换为N维全局描述矩阵，以用于商品识别。

在一些实施例中，识别模型可以通过以下方式确定待识别对象的对象类别和对象数目中的至少一项：识别模型可以确定待识别图像中与待识别对象相关联的对象区域；以及基于对象区域，确定对象类别和对象数目中的至少一项。在一些实施例中，识别模型可以将待识别图像转换为多维矩阵，以用于识别对象类别。在一些实施例中，计算设备130可以基于对象区域，生成关于对象类别的多个识别结果；对多个识别结果进行排序；以及基于经排序的识别结果与预定参考图像的相似度，确定对象类别，预定参考图像与预定对象类别相关联。以下结合图10说明识别对象类型的方法1000。图10示出了根据本公开的实施例的用于识别对象的方法1000的示意图。在框1010处，获取待识别图像(例如通过将输入视频转化为图像来获得待识别图像)；在框1012处，检测待识别图像中的对象(例如商品)；在框1014处，确定待识别图像中的对象区域(商品区域，如1030所示)；在框1016处，对检测到的对象区域进行分割；在框1018-1020处，对每个被分割的对象区域进行识别，选取排序靠前的识别结果，比较与商品参考图像数据库1022中的预定参考图像的相似度；在框1026处，基于相似度的比较，确定识别结果。该识别结果例如是以标注框1040标注出所识别出的商品(例如是药品)的数量。

在上述方案中，通过基于旋转的第一表面上的对象的采集视频中的对应不同旋转角度的多帧图像，生成经标注的多个训练样本，用以训练识别模型来确定待识别对象的对象类别和对象数目，能够使得基于对象的多视度的、大量样本训练的识别模型能够准确识别随意摆放的多个待识别对象；而且对于摄像头的不同角度和光线情况具有较好的适应性。

在一些实施例中，方法400还包括：计算设备130基于所确定的对象150类别和对象数目，确定待识别对象的价格。例如，计算设备130基于所确定的对象类别，搜索与对象类别相关联的单价；以及基于所确定的对象数量和单价，确定待识别对象的价格。

在一些实施例中，方法400可以用在商品识别***中，以便实现在收银环节中识别多目标商品，辅助完成商品识别。图11示出了根据本公开的实施例的用于识别商品的方法1100的流程图。如图11所示，在框1102处，计算设备130获取输入视频(该输入视频例如经由旋转多角度拍摄商品而采集)；在框1104处，将输入视频转换为待识别图像(例如，计算设备130将输入视频逐帧转换为图像)；在框1106处，检测待识别图像中的商品对象；在框1108处，裁剪所检测到的商品区域；在框1110处，对每个商品区域进行识别；在框1112处，生成商品识别结果(例如，经由相似性搜索得出最终识别结果)。在上述方案中，通过旋转多角度拍摄商品，可捕捉更多角度的商品外观样本，使得经由上述样本训练的识别模型能够够更为准确地识别多目标商品。

图12示意性示出了适于用来实现本公开实施例的电子设备1200的框图。设备1200可以用于实现图1的控制设备120。如图所示，设备1200包括中央处理单元(CPU)1201，其可以根据存储在只读存储器(ROM)1202中的计算机程序指令或者从存储单元1208加载到随机访问存储器(RAM)1203中的计算机程序指令，来执行各种适当的动作和处理。在RAM1203中，还可存储设备1200操作所需的各种程序和数据。CPU 1201、ROM 1202以及RAM1203通过总线1204彼此相连。输入/输出(I/O)接口1205也连接至总线1204。

设备1200中的多个部件连接至I/O接口1205，包括：输入单元1206，例如键盘、鼠标等；输出单元1207，例如各种类型的显示器、扬声器等；存储单元1208，例如磁盘、光盘等；以及通信单元1209，例如网卡、调制解调器、无线通信收发机等。通信单元1209允许设备1200通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理单元1201执行上文所描述的各个方法和处理，例如执行方法400、700、800、1000、1100。例如，在一些实施例中，方法400、700、800、1000、1100可被实现为计算机软件程序，其被存储于机器可读介质，例如存储单元1208。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1202和/或通信单元1209而被载入和/或安装到设备1200上。当计算机程序加载到RAM 1203并由CPU 1201执行时，可以执行上文描述的方法400、700、800、1000的一个或多个操作。备选地，在其他实施例中，CPU 1201可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法400、700、800、1000、1100的一个或多个动作。

本公开可以是方法、装置、***和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、装置(***)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理单元，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理单元执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

以上仅为本公开的可选实施例，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等效替换、改进等，均应包含在本公开的保护范围之内。

Claims (21)

1.一种用于识别对象的方法，包括：

经由摄像装置，获取放置在第一表面上的对象的视频图像，所述第一表面在所述视频图像被获取期间被旋转预定角度；

基于所述视频图像中的多帧图像，生成经标注的多个训练样本，所述多帧图像分别对应所述第一表面的多个不同的旋转角度；以及

基于所述多个训练样本，训练识别模型，所述训练识别模型用于确定待识别图像中的待识别对象的对象类别和对象数目中的至少一项。

2.根据权利要求1所述的方法，还包括：

基于所确定的所述对象类别和所述对象数目，确定所述待识别对象的价格。

3.根据权利要求1所述的方法，其中生成经标注的多个训练样本包括：

基于所述多帧图像中的第一帧图像，标注所述对象在第一帧图像中的首帧位置信息和所述对象类别；

基于所述首帧位置信息，确定所述对象在所述多帧图像中的其他每一帧图像中的逐帧位置信息；以及

基于所述逐帧位置信息和所述对象类别，分割所述多帧图像，以生成用于形成所述训练样本的多个单体参考图像，所述训练样本与所述对象类别相关联。

4.根据权利要求3所述的方法，其中确定逐帧位置信息包括：

基于所述首帧位置信息、所述多帧图像中的相邻帧图像的像素在时间域上的变化以及所述相邻帧图像之间所述对象的运动信息，确定所述逐帧位置信息。

5.根据权利要求3所述的方法，其中确定逐帧位置信息包括：

调整所述多帧图像中的当前帧图像中的所述逐帧位置信息，使得所述当前帧图像中的所述对象位于标注框内，所述标注框与所述逐帧位置信息相关联。

6.根据权利要求1所述的方法，其中确定待识别对象的对象类别和对象数目中的至少一项包括：

将待识别图像转换为多维矩阵，以用于识别所述待识别对象的所述对象类别。

7.根据权利要求1所述的方法，其中确定待识别对象的对象类别和对象数目中的至少一项包括：

确定待识别图像中与所述待识别对象相关联的对象区域；以及

基于所述对象区域，确定所述对象类别和对象数目中的至少一项。

8.根据权利要求7所述的方法，其中确定所述待识别对象的对象类别和对象数目中的至少一项包括：

基于所述对象区域，生成关于所述对象类别的多个识别结果；

对所述多个识别结果进行排序；以及

基于经排序的识别结果与预定参考图像的相似度，确定所述对象类别，所述预定参考图像与预定对象类别相关联。

9.根据权利要求1所述的方法，其中识别模型为包括输入层、中间层和输出层的卷积神经网络，所述中间层包括多个卷积层。

10.根据权利要求1所述的方法，其中获取放置在第一表面上的对象的视频图像包括：

获取所述对象以第一位姿放置在所述第一表面上的第一视频图像包括；以及

获取所述对象以第二位姿放置在所述第一表面上的第二视频图像。

11.根据权利要求1所述的方法，其中获取放置在第一表面上的对象的视频图像包括：

经由多个摄像装置，分别获取所述对象放置在所述第一表面上的多个视频图像，所述多个摄像装置中的摄像头相对于所述对象处于不同的拍摄位置。

12.根据权利要求1所述的方法，其中所述多个摄像装置中的摄像头中的至少两个摄像头距离所述第一表面的垂直距离被设置为不同。

13.根据权利要求1所述的方法，还包括：

响应于检测到所述第一表面开始被旋转，使所述摄像装置获取放置在所述第一表面上的所述对象的视频图像。

14.一种用于识别对象的装置，所述装置包括：

存储器，被配置为存储一个或多个程序；

处理单元，耦合至所述存储器并且被配置为执行所述一个或多个程序使所述装置执行根据权利要求1-13中任一所述的方法的步骤。

15.一种非瞬态计算机可读存储介质，其上存储有机器可执行指令，所述机器可执行指令在被执行时使机器执行根据权利要求1-13中任一项所述的方法的步骤。

16.一种用于识别对象的设备，包括：

第一表面，用于支撑放置在所述第一表面上的对象；

第二表面，用于固定多个摄像装置，所述第一表面相对于所述第二表面可旋转；以及

多个摄像装置，用于分别采集所述待测对象放置在所述第一表面上的多个视频图像，所述第一表面在所述多个视频被获取期间被旋转预定角度，所述多个摄像装置中的每一个摄像装置包括摄像头和用于支撑所述摄像头的支撑部件。

17.根据权利要求16所述的设备，还包括：

多个夹紧装置，用于分别将所述摄像头与对应支撑部件连接，所述夹紧装置至少包括夹紧位置和松开位置，使得所述摄像头在所述对应支撑部件上的设置高度和设置角度中的至少一项可调节。

18.根据权利要求16所述的设备，其中所述多个摄像装置的摄像头中的至少两个摄像头距离所述第一表面的垂直距离被设置为不同。

19.根据权利要求16所述的设备，还包括：

多个锁定装置，用于分别将所述多个摄像装置的所述支撑部件固定在所述第二表面的多个不同位置处。

20.根据权利要求16所述的设备，还包括：

旋转装置，位于所述第一表面与所述第二表面之间，用于可旋转地支撑所述第一表面。

21.根据权利要求16所述的设备，还包括：

旋转控制装置，用于响应于检测到来自识别装置的信号，驱动所述旋转装置旋转。

Images