CN114782812A - 一种智能秤干扰识别方法、装置、***及存储介质 - Google Patents
一种智能秤干扰识别方法、装置、***及存储介质 Download PDFInfo
- Publication number
- CN114782812A CN114782812A CN202210409471.2A CN202210409471A CN114782812A CN 114782812 A CN114782812 A CN 114782812A CN 202210409471 A CN202210409471 A CN 202210409471A CN 114782812 A CN114782812 A CN 114782812A
- Authority
- CN
- China
- Prior art keywords
- weighing
- living body
- identification
- recognition
- interference
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种智能秤干扰识别方法、装置、***及存储介质。该方法包括:若检测到称重行为,则获取目标时段内的目标区域图像以及活体检测结果;其中,所述目标时段从称重数据变化时刻开始,至称重数据稳定时刻结束;根据所述活体检测结果,确定所述目标区域图像的识别意图,并按照所述识别意图进行识别,得到识别结果;根据所述识别结果,确定所述称重行为是否存在视觉干扰。本技术方案可以解决智能秤干扰识别准确率低的问题,可以在提高干扰识别准确率的同时,为顾客带来良好的购物体验,为商家节约人工成本。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种智能秤干扰识别方法、装置、***及存储介质。
背景技术
随着人工智能的飞速发展,目前智能秤在商超中已经开始大量展开使用,顾客将需要称重的商品,放到智能秤上,启动智能秤上摄像头进行商品识别,将对应的商品条码返回给称重软件,最终将称重商品的识别结果返回到屏幕上,顾客只需要点击称重商品图片,即可打印价签,完成称重任务。在为顾客带来方便的同时,也节约了商超单位的人工成本。
实际场景中,由于没有专门的称重员,顾客在自助称重的过程中,有恶或无意接触称台,导致称重结果不准,给超市或者顾客带来损失。例如:将称重过程中的商品用手部提拉等形式,恶意减秤。另外,一些情况下,商品称重的过程,手部、包装袋等将待称重商品完全或者部分遮挡,造成商品误识别或无法识别,进而导致计价不准确,给顾客或商家带来损失,引起一些不必要的纠纷等。
现有技术通常采用红外检测的方式探测智能秤的称台附近是否有活体,但是无法判断手部等检测到的活体是否对智能秤造成干扰。因此,上述方案干扰识别的准确率低,容易出现误报现象。
发明内容
本发明提供了一种智能秤干扰识别方法、装置、***及存储介质,以解决智能秤干扰识别准确率低的问题,可以在提高干扰识别准确率的同时,为顾客带来良好的购物体验,为商家节约人工成本。
根据本发明的一方面,提供了一种智能秤干扰识别方法,所述方法包括:
若检测到称重行为,则获取目标时段内的目标区域图像以及活体检测结果;其中,所述目标时段从称重数据变化时刻开始,至称重数据稳定时刻结束;
根据所述活体检测结果,确定所述目标区域图像的识别意图,并按照所述识别意图进行识别,得到识别结果;
根据所述识别结果,确定所述称重行为是否存在视觉干扰。
根据本发明的另一方面,提供了一种智能秤干扰识别装置,该装置包括:图像及检测结果获取模块,用于若检测到称重行为,则获取目标时段内的目标区域图像以及活体检测结果;其中,所述目标时段从称重数据变化时刻开始,至称重数据稳定时刻结束;
识别结果生成模块,用于根据所述活体检测结果,确定所述目标区域图像的识别意图,并按照所述识别意图进行识别,得到识别结果;
视觉干扰确定模块,用于根据所述识别结果,确定所述称重行为是否存在视觉干扰。
根据本发明的另一方面,提供了智能秤干扰识别***,所述***包括:活体检测设备、图像采集设备、称重数据采集设备、至少一个处理器以及存储器;
所述活体检测设备、图像采集设备以及称重数据采集设备均与所述处理器通信连接,所述处理器与所述存储器通信连接;
其中,所述活体检测设备,用于检测目标区域内是否存在活体遮挡;
所述图像采集设备,用于采集目标区域图像;
所述称重数据采集设备,用于采集智能秤称重数据;
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行时实现本发明任一实施例所述的智能秤干扰识别方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的智能秤干扰识别方法。
本发明实施例的技术方案,通过活体检测结果,确定目标区域图像的识别意图,得到识别结果,进而根据识别结果确定称重行为是否存在视觉干扰。该方案可以解决智能秤干扰识别准确率低的问题,可以在提高干扰识别准确率的同时,为顾客带来良好的购物体验,为商家节约人工成本。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种智能秤干扰识别方法的流程图;
图2A是根据本发明实施例二提供的一种智能秤干扰识别方法的流程图;
图2B是根据本发明实施例二提供的称重曲线正常情况和异常情况对比示意图;
图3是根据本发明实施例三提供的一种智能秤干扰识别装置的结构示意图;
图4是实现本发明实施例的智能秤干扰识别方法的智能秤干扰识别***的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种智能秤干扰识别方法的流程图,本实施例可适用于智能秤干扰识别的情况,该方法可以由智能秤干扰识别装置来执行,该装置可以采用硬件和/或软件的形式实现,该装置可配置于智能秤干扰识别***中。如图1所示,该方法包括:
S110、若检测到称重行为,则获取目标时段内的目标区域图像以及活体检测结果;其中,所述目标时段从称重数据变化时刻开始,至称重数据稳定时刻结束。
本方案可以由智能秤干扰识别***执行,所述智能秤干扰识别***可以包括活体检测设备、图像采集设备、称重数据采集设备以及至少一个处理器以及存储器等。智能称干扰识别***可以通过称重数据采集设备采集智能称的称重数据,根据称重数据判断是否发生称重行为,例如智能称干扰识别***可以检测称重数据是否存在称重重量变化,如果存在,则认为发生了称重行为。进一步的,智能称干扰识别***还可以检测称重重量变化的大小和变化时间等信息,避免称重行为的误判,提高称重行为判断准确率。
智能称干扰识别***可以将称重数据变化时刻至称重数据稳定时刻的时长作为称重行为发生的目标时段。其中,称重数据稳定时刻可以称重重量达到某一数值并直到预设时长内未发生变化的最后时刻。例如称重数据在7:00:00从0kg开始发生变化,在7:00:01达到3kg,在其后的1秒钟内,称重数据3kg未发生变化。智能称干扰识别***则可以确定称重数据变化时刻为7:00:00,称重数据稳定时刻是7:00:02。
智能称干扰识别***可以获取目标时段内图像采集设备采集的目标区域图像,以及活体检测设备探测目标区域得到的活体检测结果。其中,目标区域可以包括影响称重物品识别的区域,例如智能称称台区域,还可以包括可能发生称重作弊行为的区域,例如智能称周边区域。
可以理解的,所述活体检测设备可以是红外活体探测器,用于检测目标区域内是否存在人体手部等活体遮挡,所述活体检测设备可以配置于一处,也可以配置于多处。具体的,所述活体检测设备可以配置于智能称称台上方,也可以配置于智能称周边。如果活体检测设备探测到目标区域内存在活体则认为目标区域内存在活体遮挡。所述图像采集设备用于采集目标区域图像,可以是光学成像设备,例如可见光摄像头,也可以是热成像设备,例如红外热成像仪。
S120、根据所述活体检测结果,确定所述目标区域图像的识别意图,并按照所述识别意图进行识别,得到识别结果。
容易理解的,所述活体检测结果可以包括是否存在活体遮挡。智能称干扰识别***可以根据目标时段内活体存在的时长来判断是否存在活体遮挡。例如活体存在的时长超过目标时段的50%,则确定存在活体遮挡。假设目标时段为2秒,活体存在时长1.5秒,则可以确定活体检测结果为存在活体遮挡。智能称干扰识别***也可以根据目标时段内活体出现的次数来判断是否存在活体遮挡,例如目标时段内活体出现的次数超过预设次数阈值,则判定为存在活体遮挡。假设预设次数阈值为3次,目标时段内活体出现的次数为5次,可以确定活体检测结果为存在活体遮挡。
智能称干扰识别***可以根据活体检测结果,判断称重行为是否存在活体遮挡,影响了正常的物品识别。如果活体检测结果为存在活体遮挡,智能称干扰识别***可以根据目标区域图像,确定活体遮挡是否影响了物品识别。如果活体检测结果为不存在活体遮挡,智能称干扰识别***可以根据目标区域图像,确定是否存在非活体遮挡。
在确定了目标区域图像的识别意图之后,智能称干扰识别***可以按照识别意图,调用不同的识别模型,得到识别结果。假设识别意图A为确定活体遮挡是否影响了物品识别,识别意图B为确定是否存在非活体遮挡,对于识别意图A,智能称干扰识别***可以调用图像检测模型或图像分割模型,以得到活体遮挡区域的面积、位置等信息。对于识别意图B,智能称干扰识别***可以调用图像分类模型,确定是否存在非活体干扰,或确定非活体遮挡物的类型,同时智能称干扰识别***也可以调用图像检测模型或图像分割模型,进一步确定非活体遮挡区域的面积、位置等信息。
S130、根据所述识别结果,确定所述称重行为是否存在视觉干扰。
根据遮挡物类型、遮挡面积以及遮挡位置等信息,智能称干扰识别***可以判断称重行为是否存在视觉干扰,影响了正常的称重物品识别。由于目标时段内可能存在多幅目标区域图像,智能称干扰识别***也可以根据目标时段内各目标区域图像的识别结果出现的比重,来判断称重行为是否存在视觉干扰。例如目标时段内各目标区域图像为同一识别结果的数量超过总图像数量的50%,则确定称重行为存在视觉干扰。假设目标时段内共生成10幅目标区域图像,其中1幅目标区域图像的识别结果为活体遮挡物影响了物品识别,则不能认定该称重行为存在视觉干扰。
本技术方案通过活体检测结果,确定目标区域图像的识别意图,得到识别结果,进而根据识别结果确定称重行为是否存在视觉干扰。该方案可以解决智能秤干扰识别准确率低的问题,可以在提高干扰识别准确率的同时,为顾客带来良好的购物体验,为商家节约人工成本。
实施例二
图2A为本发明实施例二提供的一种智能秤干扰识别方法的流程图,本实施例以上述实施例为基础进行细化。如图2A所示,该方法包括:
S210、若检测到称重行为,则获取目标时段内的目标区域图像以及活体检测结果;其中,所述目标时段从称重数据变化时刻开始,至称重数据稳定时刻结束。
S220、判断所述活体检测结果是否为存在活体遮挡。
在本方案中,所述活体检测结果分为存在活体遮挡和不存在活体遮挡两种情况。如果所述活体检测结果为存在活体遮挡,则执行S230,如果所述活体检测结果为不存在活体遮挡,则执行S250。
S230、根据所述目标区域图像,确定活体遮挡区域是否影响物体识别。
智能称干扰识别***可以利用图像检测模型,检测目标区域图像中活体遮挡物所在位置和活体遮挡物面积,然后根据活体遮挡物所在位置和活体遮挡物面积,判断活体遮挡区域是否影响物体识别。例如活体遮挡物位于目标区域图像的中心位置,并且活体遮挡物面积超过目标区域图像面积的50%,则可以认为活体遮挡物已经影响物体识别。为了更加准确的确定活体遮挡物的位置和面积,智能称干扰识别***也可以采用图像分割模型,更加精确的标记活体遮挡物边界,进而根据活体遮挡物边界内覆盖面积,确定活体遮挡物是否影响物体识别。其中,所述图像检测模型和所述图像分割模型可以是基于传统图形学算法实现的,也可以是基于深度学习算法实现的,还可以是结合两者优势的组合算法实现的。
需要说明的是,在确定了活体检测结果为存在活体遮挡,智能称干扰识别***也可以进一步判断称重过程中是否存在非活体遮挡,以克服称重过程中存在多种类型遮挡的问题。
S240、若所述活体遮挡区域影响物体识别,则确定所述称重行为存在视觉干扰。
S250、根据所述目标区域图像,确定称重过程中是否存在非活体遮挡。
智能称干扰识别***在不存在活体遮挡的前提下,可以进一步通过图像分类模型,判断目标区域图像是否存在非活体遮挡。同图像检测模型和图像分割模型类似,所述图像分类模型可以是基于传统图形学算法实现的,也可以是基于深度学习算法实现的,还可以是结合两者优势的组合算法实现的。图像分类模型可以通过预先训练,学习到需要识别的正常物品,例如超市经营范围内的全部商品。当图像分类模型无法对目标区域图像进行分类时,则无法识别的物体为非活体遮挡物。智能称干扰识别***也可以通过图像分类模型实现对全部物体的识别,在识别到到非活体遮挡物时,可以进行正常分类,然后将分类结果与需称重物品清单进行比对,如果分类结果无法与需称重物品清单中任何一项对应,则说明该物体为非活体遮挡物。
S260、若称重过程中存在非活体遮挡,则确定非活体遮挡区域是否影响物体识别。
进一步的,智能称干扰识别***也可以采用图像检测模型或图像分割模型对非活体遮挡区域是否影响物体识别进行判断。需要说明的是,对非活体遮挡物和活体遮挡物的识别可以通过同一图像检测模型或图像分割模型实现,也可以通过不同的图像检测模型或图像分割模型实现。
S270、若所述非活体遮挡区域影响物体识别,则确定所述称重行为存在视觉干扰。
在本方案中,可选的,在检测到称重行为之后,所述方法还包括:
获取目标时段内智能称的称重数据,并确定所述称重数据的异常判断结果;
根据所述异常判断结果,结合所述活体检测结果或所述识别结果,确定所述称重行为是否存在称重干扰。
其中,所述称重数据可以是称重曲线,智能称干扰识别***可以根据称重曲线与预设标准重量变化规则的比较结果,确定称重曲线是否异常。所述标准重量变化规则可以包括两项:(1)抖动现象出现次数低于预设次数阈值;(2)稳定过程时长在预设稳定时长区间内。图2B是根据本发明实施例二提供的称重曲线正常情况和异常情况对比示意图,如图2B,稳定时刻在600ms的曲线为正常的称重曲线,曲线表面光滑,重量达到稳定速度较快。稳定时刻在1200ms的曲线为异常的称重曲线,曲线表面出现多处抖动,例如有可能是用户在称重过程中恶意提拉造成的称重曲线波动。另外,异常称重曲线的重量达到稳定速度较慢。因此,若称重曲线出现的抖动现象次数高于预设次数阈值,或者,所述重量变化曲线的稳定过程时长不在预设稳定时长区间内,则确定称重曲线异常。
所述称重数据也可以是称重向量,智能称干扰识别***可以利用分类模型对称重向量进行分类,判断称重向量是否为异常称重向量。智能称干扰识别***也可以通过相似度计算模型计算称重向量与预设标准称重向量的相似度,然后根据计算得到的相似度与相似度阈值进行比较,得到最终的异常判断结果。
智能称干扰识别***可以根据异常判断结果确定当前称重行为是否存在作弊等称重干扰行为,但是单一称重数据容易造成称重干扰误判。为了增加称重干扰判别的可靠性,智能称干扰识别***可以结合活体检测结果或识别结果,一方面通过多维度信息可以实现更加准确的称重干扰判别,另一方面还可以对称重干扰进行纠因,避免称重干扰的产生。
本方案可以对称重干扰行为进行稳定可靠的识别,有利于创造公平公正的称重环境,在避免商家利益损失的同时,为顾客带来良好的购物体验。
在一个可行的方案中,所述根据所述异常判断结果,结合所述活体检测结果或所述识别结果,确定所述称重行为是否存在称重干扰,包括:
若所述称重数据异常,并且所述活体检测结果为存在活体遮挡,则确定所述称重行为存在称重干扰;其中,所述称重干扰为活体干扰;
若所述称重数据异常,并且所述识别结果为称重过程中存在非活体遮挡,则确定所述称重行为存在称重干扰;其中,所述称重干扰为非活体干扰。
需要说明的是,如果称重数据异常,活体检测结果为存在活体遮挡,并且识别结果为称重过程中存在非活体遮挡,则说明称重行为存在多种干扰。
本方案可以实现可靠的称重干扰识别和称重干扰纠因,最大化避免商家经济损失。
在另一个可行的方案中,在确定所述称重行为存在视觉干扰之后,所述方法还包括:
若所述称重行为存在视觉干扰,并且,所述活体遮挡区域影响物体识别,则提示用户移开所述活体遮挡物。
在确定了称重行为存在视觉干扰之后,智能称干扰识别***可以根据目标区域图像的识别结果判断视觉干扰是由活体遮挡物造成的,还是由非活体遮挡物造成的。如果是由活体遮挡物造成的,例如人体手部,智能称干扰识别***可以提示用户移开活体遮挡物,以实现物品识别。
本方案可以根据视觉干扰的原因,对用户进行提示,有利于及时排除遮挡,实现可靠准确的物品识别,进而避免因物品误识别为商家造成的经济损失。
在一个优选的方案中,在确定所述称重行为存在视觉干扰之后,所述方法还包括:
若所述称重行为存在视觉干扰,并且,所述非活体遮挡区域影响物体识别,则通过预先训练的非活体遮挡物检测模型,确定非活体遮挡物的类别信息和位置信息;
根据所述类别信息和所述位置信息,提示用户移开所述非活体遮挡物。
如果视觉干扰是由非活体遮挡物造成的,例如塑料袋,智能称干扰识别***可以通过非活体遮挡物检测模型,确定非活体遮挡物的类别信息和位置信息。其中,非活体遮挡物检测模型可以是针对非活体遮挡物预先训练完成的图像检测模型。根据类别信息和位置信息,智能称干扰识别***可以生成提示语音,提示用户排除非活体遮挡物造成的视觉干扰,例如“亲爱的顾客,称重失败,请将称台中央的塑料袋打开,以便商品准确识别,谢谢!”。
本方案可以利用非活体遮挡物检测模型,确定非活体遮挡物的类别信息和位置信息,有利于向用户精准描述非活体遮挡物,进而及时排除非活体遮挡物的视觉干扰,实现物品的准确识别。
本技术方案通过活体检测结果,确定目标区域图像的识别意图,得到识别结果,进而根据识别结果确定称重行为是否存在视觉干扰。该方案可以解决智能秤干扰识别准确率低的问题,可以在提高干扰识别准确率的同时,为顾客带来良好的购物体验,为商家节约人工成本。
实施例三
图3为本发明实施例三提供的一种智能秤干扰识别装置的结构示意图。如图3所示,该装置包括:
图像及检测结果获取模块310,用于若检测到称重行为,则获取目标时段内的目标区域图像以及活体检测结果;其中,所述目标时段从称重数据变化时刻开始,至称重数据稳定时刻结束;
识别结果生成模块320,用于根据所述活体检测结果,确定所述目标区域图像的识别意图,并按照所述识别意图进行识别,得到识别结果;
视觉干扰确定模块330,用于根据所述识别结果,确定所述称重行为是否存在视觉干扰。
在一个可行的方案中,可选的,所述识别结果生成模块320,包括:
影响物体识别确定单元,用于若所述活体检测结果为存在活体遮挡,则根据所述目标区域图像,确定活体遮挡区域是否影响物体识别;
相应的,所述视觉干扰确定模块330,包括:
活体视觉干扰确定单元,用于若所述活体遮挡区域影响物体识别,则确定所述称重行为存在视觉干扰。
在另一个可行的方案中,可选的,所述识别结果生成模块320,包括:
非活体遮挡确定单元,用于若所述活体检测结果为不存在活体遮挡,则根据所述目标区域图像,确定称重过程中是否存在非活体遮挡;
相应的,所述视觉干扰确定模块330,包括:
非活体影响物体识别确定单元,若称重过程中存在非活体遮挡,则确定非活体遮挡区域是否影响物体识别;
非活体视觉干扰确定单元,若所述非活体遮挡区域影响物体识别,则确定所述称重行为存在视觉干扰。
在上述方案的基础上,可选的,所述装置还包括:
异常判断结果确定模块,用于获取目标时段内智能称的称重数据,并确定所述称重数据的异常判断结果;
称重干扰确定模块,用于根据所述异常判断结果,结合所述活体检测结果或所述识别结果,确定所述称重行为是否存在称重干扰。
在本方案中,可选的,所述称重干扰确定模块,具体用于:
若所述称重数据异常,并且所述活体检测结果为存在活体遮挡,则确定所述称重行为存在称重干扰;其中,所述称重干扰为活体干扰;
若所述称重数据异常,并且所述识别结果为称重过程中存在非活体遮挡,则确定所述称重行为存在称重干扰;其中,所述称重干扰为非活体干扰。
可选的,所述装置还包括:
活体遮挡物移开提示模块,用于若所述称重行为存在视觉干扰,并且,所述活体遮挡区域影响物体识别,则提示用户移开所述活体遮挡物。
在一个优选的方案中,所述装置还包括:
非活体遮挡物信息确定模块,用于若所述称重行为存在视觉干扰,并且,所述非活体遮挡区域影响物体识别,则通过预先训练的非活体遮挡物检测模型,确定非活体遮挡物的类别信息和位置信息;
非活体遮挡物移开提示模块,用于根据所述类别信息和所述位置信息,提示用户移开所述非活体遮挡物。
本发明实施例所提供的智能秤干扰识别装置可执行本发明任意实施例所提供的智能秤干扰识别方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4示出了可以用来实施本发明的实施例的智能秤干扰识别***410的结构示意图。智能秤干扰识别***旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。智能秤干扰识别***还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示,智能秤干扰识别***410包括至少一个处理器411,活体检测设备416、图像采集设备417、称重数据采集设备418以及与至少一个处理器411通信连接的存储器,如只读存储器(ROM)412、随机访问存储器(RAM)413等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器411可以根据存储在只读存储器(ROM)412中的计算机程序或者从存储单元421加载到随机访问存储器(RAM)413中的计算机程序,来执行各种适当的动作和处理。在RAM 413中,还可存储智能秤干扰识别***410操作所需的各种程序和数据。处理器411、ROM 412以及RAM 413通过总线414彼此相连。输入/输出(I/O)接口415也连接至总线414。
智能秤干扰识别***410中的多个部件连接至I/O接口415,包括:活体检测设备416,用于检测目标区域内是否存在活体遮挡,例如红外活体探测器等;图像采集设备417,用于采集目标区域图像,例如可见光摄像头等;称重数据采集设备418,用于采集智能秤称重数据,例如智能秤称重传感器;输入单元419,例如键盘、鼠标等;输出单元420,例如各种类型的显示器、扬声器等;存储单元421,例如磁盘、光盘等;以及通信单元422,例如网卡、调制解调器、无线通信收发机等。通信单元422允许智能秤干扰识别***410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。
处理器411可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器411的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器411执行上文所描述的各个方法和处理,例如智能秤干扰识别方法。
在一些实施例中,智能秤干扰识别方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元421。在一些实施例中,计算机程序的部分或者全部可以经由ROM 412和/或通信单元422而被载入和/或安装到智能秤干扰识别***410上。当计算机程序加载到RAM 413并由处理器411执行时,可以执行上文描述的智能秤干扰识别方法的一个或多个步骤。备选地,在其他实施例中,处理器411可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行智能秤干扰识别方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在智能秤干扰识别***上实施此处描述的***和技术,该智能秤干扰识别***具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给智能秤干扰识别***。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算***可以包括顾客端和服务器。顾客端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有顾客端-服务器关系的计算机程序来产生顾客端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种智能秤干扰识别方法,其特征在于,所述方法包括:
若检测到称重行为,则获取目标时段内的目标区域图像以及活体检测结果;其中,所述目标时段从称重数据变化时刻开始,至称重数据稳定时刻结束;
根据所述活体检测结果,确定所述目标区域图像的识别意图,并按照所述识别意图进行识别,得到识别结果;
根据所述识别结果,确定所述称重行为是否存在视觉干扰。
2.根据权利要求1所述的方法,其特征在于,所述根据所述活体检测结果,确定所述目标区域图像的识别意图,并按照所述识别意图进行识别,得到识别结果,包括:
若所述活体检测结果为存在活体遮挡,则根据所述目标区域图像,确定活体遮挡区域是否影响物体识别;
相应的,所述根据所述识别结果,确定所述称重行为是否存在视觉干扰,包括:
若所述活体遮挡区域影响物体识别,则确定所述称重行为存在视觉干扰。
3.根据权利要求1所述的方法,其特征在于,所述根据所述活体检测结果,确定所述目标区域图像的识别意图,并按照所述识别意图进行识别,得到识别结果,包括:
若所述活体检测结果为不存在活体遮挡,则根据所述目标区域图像,确定称重过程中是否存在非活体遮挡;
相应的,所述根据所述识别结果,确定所述称重行为是否存在视觉干扰,包括:
若称重过程中存在非活体遮挡,则确定非活体遮挡区域是否影响物体识别;
若所述非活体遮挡区域影响物体识别,则确定所述称重行为存在视觉干扰。
4.根据权利要求2或3所述的方法,其特征在于,在检测到称重行为之后,所述方法还包括:
获取目标时段内智能称的称重数据,并确定所述称重数据的异常判断结果;
根据所述异常判断结果,结合所述活体检测结果或所述识别结果,确定所述称重行为是否存在称重干扰。
5.根据权利要求4所述的方法,其特征在于,所述根据所述异常判断结果,结合所述活体检测结果或所述识别结果,确定所述称重行为是否存在称重干扰,包括:
若所述称重数据异常,并且所述活体检测结果为存在活体遮挡,则确定所述称重行为存在称重干扰;其中,所述称重干扰为活体干扰;
若所述称重数据异常,并且所述识别结果为称重过程中存在非活体遮挡,则确定所述称重行为存在称重干扰;其中,所述称重干扰为非活体干扰。
6.根据权利要求2所述的方法,其特征在于,在确定所述称重行为存在视觉干扰之后,所述方法还包括:
若所述称重行为存在视觉干扰,并且,所述活体遮挡区域影响物体识别,则提示用户移开所述活体遮挡物。
7.根据权利要求3所述的方法,其特征在于,在确定所述称重行为存在视觉干扰之后,所述方法还包括:
若所述称重行为存在视觉干扰,并且,所述非活体遮挡区域影响物体识别,则通过预先训练的非活体遮挡物检测模型,确定非活体遮挡物的类别信息和位置信息;
根据所述类别信息和所述位置信息,提示用户移开所述非活体遮挡物。
8.一种智能秤干扰识别装置,其特征在于,包括:
图像及检测结果获取模块,用于若检测到称重行为,则获取目标时段内的目标区域图像以及活体检测结果;其中,所述目标时段从称重数据变化时刻开始,至称重数据稳定时刻结束;
识别结果生成模块,用于根据所述活体检测结果,确定所述目标区域图像的识别意图,并按照所述识别意图进行识别,得到识别结果;
视觉干扰确定模块,用于根据所述识别结果,确定所述称重行为是否存在视觉干扰。
9.一种智能秤干扰识别***,其特征在于,所述***包括:活体检测设备、图像采集设备、称重数据采集设备、至少一个处理器以及存储器;
所述活体检测设备、图像采集设备以及称重数据采集设备均与所述处理器通信连接,所述处理器与所述存储器通信连接;
其中,所述活体检测设备,用于检测目标区域内是否存在活体遮挡;
所述图像采集设备,用于采集目标区域图像;
所述称重数据采集设备,用于采集智能秤称重数据;
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的智能秤干扰识别方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的智能秤干扰识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210409471.2A CN114782812A (zh) | 2022-04-19 | 2022-04-19 | 一种智能秤干扰识别方法、装置、***及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210409471.2A CN114782812A (zh) | 2022-04-19 | 2022-04-19 | 一种智能秤干扰识别方法、装置、***及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114782812A true CN114782812A (zh) | 2022-07-22 |
Family
ID=82431231
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210409471.2A Pending CN114782812A (zh) | 2022-04-19 | 2022-04-19 | 一种智能秤干扰识别方法、装置、***及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114782812A (zh) |
-
2022
- 2022-04-19 CN CN202210409471.2A patent/CN114782812A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11861584B2 (en) | Self-service settlement method, apparatus and storage medium | |
US10853702B2 (en) | Method and apparatus for checkout based on image identification technique of convolutional neural network | |
CN109840504B (zh) | 物品取放行为识别方法、装置、存储介质及设备 | |
CN108875664B (zh) | 选购商品的识别方法、装置以及售货机 | |
US9299229B2 (en) | Detecting primitive events at checkout | |
CN109886169B (zh) | 应用于无人货柜的物品识别方法、装置、设备及存储介质 | |
CN113065614B (zh) | 分类模型的训练方法和对目标对象进行分类的方法 | |
US11797996B2 (en) | Payment information processing method, apparatus, device and computer readable storage medium | |
WO2017215362A1 (zh) | 一种基于超市购物车的智能购物***及其控制方法 | |
CN112466035A (zh) | 基于视觉和重力感应的商品识别方法、装置和*** | |
CN111178116A (zh) | 无人售货方法、监控摄像机及*** | |
CN111723777A (zh) | 商品取放过程判别方法、装置、智能货柜和可读存储介质 | |
JPWO2019123714A1 (ja) | 情報処理装置、商品推薦方法、およびプログラム | |
CN113643260A (zh) | 用于检测图像质量的方法、装置、设备、介质和产品 | |
CN113706227A (zh) | 一种货架商品推荐方法及装置 | |
CN114529850A (zh) | 自助收银的风险识别方法、装置及*** | |
CN115761457A (zh) | 商品识别方法、装置、电子设备及计算机可读介质 | |
US20240104587A1 (en) | Familiarity degree estimation apparatus, familiarity degree estimation method, and recording medium | |
CN114782812A (zh) | 一种智能秤干扰识别方法、装置、***及存储介质 | |
CN113378601A (zh) | 防止货损的方法、自助设备及存储介质 | |
CN112950329A (zh) | 商品动态信息生成方法、装置、设备及计算机可读介质 | |
CN111144438A (zh) | 一种广告单中商品检测方法及装置 | |
CN112734446A (zh) | 基于视觉和重力检测的商品验证方法和装置 | |
CN115077677A (zh) | 一种散装物品的识别方法、装置、设备及介质 | |
CN113888798A (zh) | 无人售货柜的商品变动检测方法、装置、设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |