CN115375943A - 一种行李图像处理方法和相关装置 - Google Patents
一种行李图像处理方法和相关装置 Download PDFInfo
- Publication number
- CN115375943A CN115375943A CN202211031617.0A CN202211031617A CN115375943A CN 115375943 A CN115375943 A CN 115375943A CN 202211031617 A CN202211031617 A CN 202211031617A CN 115375943 A CN115375943 A CN 115375943A
- Authority
- CN
- China
- Prior art keywords
- baggage
- image
- luggage
- images
- sample
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
- G06V10/765—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects using rules for classification or partitioning the feature space
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了一种行李图像识别方法和相关装置,为了能够进行准确的行李匹配,处理设备可以先训练得到用于进行行李分类的分类模型,训练过程如下:处理设备可以先获取样本行李图像集合,该样本行李图像集合包括多个样本行李图像,样本行李图像具有对应的样本行李类别。处理设备可以通过初始模型对多个样本行李图像进行分类,确定多个样本行李图像分别对应的待定行李类别,根据该待定行李类别和样本行李类别之间的差异,对初始模型进行调整,得到用于进行行李图像分类的分类模型,从而可以使该模型学习到如何准确基于行李图像识别行李类别,进而可以基于行李图像进行更加准确地行李类别确定,提高了行李类别的识别精度。
Description
技术领域
本申请涉及数据处理技术领域,特别是涉及一种行李图像处理方法和相关装置。
背景技术
进入21世纪,科学技术日新月异,航空运输的发展也在如火如荼地进行之中。随着人们思想的不断开放以及对航空业信任程度的提升,空中交通运载量逐年增加,各航空公司让旅客享受优质高效服务的同时,对行李的管理也成为机场不可忽视的一项重要工作,行李运输质量成为评价一个机场服务水平和服务质量的重要参考因素之一。然而,在各航司实际的运行过程中,也正是由于乘机出行旅客人数的大量增加,导致激增了旅客不正常行李的数量,也让旅客对航司的满意度直线下降。不正常行李指未在规定时间内将行李准确交付给旅客的行李。
在相关技术中,对于匹配查找行李,主要是通过人工的方式进行查找,这种查找方式效率低下,旅客的体验较差。
发明内容
为了解决上述技术问题,本申请提供了一种行李图像处理方法,处理设备可以基于行李的图像信息对行李进行分类,从而能够进行更加准确的行李匹配。
本申请实施例公开了如下技术方案:
第一方面,本申请实施例公开了一种行李图像处理方法,所述方法包括:
获取样本行李图像集合,所述样本行李图像集合包括多个样本行李图像,所述样本行李图像具有对应的样本行李类别;
通过初始模型对所述多个样本行李图像进行分类,确定所述多个样本行李图像分别对应的待定行李类别;
根据所述待定行李类别和所述样本行李类别之间的差异,对所述初始模型进行调整,得到用于进行行李图像分类的分类模型。
第二方面,本申请实施例公开了一种行李图像处理装置,所述装置包括第一获取单元、分类单元和调整单元:
所述第一获取单元,用于获取样本行李图像集合,所述样本行李图像集合包括多个样本行李图像,所述样本行李图像具有对应的样本行李类别;
所述分类单元,用于通过初始模型对所述多个样本行李图像进行分类,确定所述多个样本行李图像分别对应的待定行李类别;
所述调整单元,用于根据所述待定行李类别和所述样本行李类别之间的差异,对所述初始模型进行调整,得到用于进行行李图像分类的分类模型。
在一种可能的实现方式中,所述装置还包括第二获取单元和第一确定单元:
所述第二获取单元,用于获取待识别行李图像;
所述第一确定单元,用于通过所述分类模型,确定所述待识别行李图像对应的目标行李类别。
在一种可能的实现方式中,所述装置还包括第二确定单元、第三确定单元和第四确定单元:
所述第二确定单元,用于确定所述目标行李类别对应的行李图像数据库,所述行李图像数据库包括对应所述目标行李类别的多个行李图像,所述多个行李图像分别具有对应的行李;
所述第三确定单元,用于根据所述待识别图像与所述多个行李图像之间的相似度,确定与所述待识别图像之间相似度最高的目标行李图像;
所述第四确定单元,用于将所述目标行李图像对应的行李确定为所述待识别图像对应的行李。
在一种可能的实现方式中,所述多个行李图像分别具有对应的图像特征,所述第三确定单元具体用于:
确定所述待识别图像对应的第一图像特征;
确定所述第一图像特征与所述多个行李图像所对应图像特征之间的相似度;
将与所述第一图像特征之间相似度最高的图像特征确定为第二图像特征;
将对应所述第二图像特征的行李图像确定为目标行李图像。
在一种可能的实现方式中,所述第三确定单元具体用于:
获取所述待识别图像对应的行李信息;
根据所述行李信息,生成所述待识别图像对应的第一图像特征。
在一种可能的实现方式中,所述行李信息包括颜色信息、重量信息、行李件数信息、行李航班信息中至少两种,所述第三确定单元具体用于:
确定至少两种行李信息分别对应的第一图像子特征,所述第一图像特征包括所述至少两种行李信息分别对应的第一图像子特征;
所述多个行李图像对应的图像特征包括与所述第一图像子特征对应的第二图像子特征,所述第三确定单元具体用于;
确定所述第一图像子特征与所对应第二图像子特征之间的子相似度;
根据所述多个第一图像子特征分别对应的子相似度,确定所述第一图像特征与所述图像特征之间的相似度;
将与所述第一图像特征之间相似度最高的图像特征确定为第二图像特征。
第三方面,本申请实施例公开了一种计算机设备,所述计算机设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行第一方面中任意一项所述的行李图像处理方法。
第四方面,本申请实施例公开了一种计算机可读存储介质,所述计算机可读存储介质用于存储计算机程序,所述计算机程序用于执行第一方面中任意一项所述的行李图像处理方法。
第五方面,本申请实施例公开了一种包括指令的计算机程序产品,当其在计算机上运行时,使得所述计算机执行第一方面中任意一项所述的行李图像处理方法。
由上述技术方案可以看出,为了能够进行准确的行李匹配,处理设备可以先训练得到用于进行行李分类的分类模型,训练过程如下:处理设备可以先获取样本行李图像集合,该样本行李图像集合包括多个样本行李图像,样本行李图像具有对应的样本行李类别。处理设备可以通过初始模型对多个样本行李图像进行分类,确定多个样本行李图像分别对应的待定行李类别,根据该待定行李类别和样本行李类别之间的差异,对初始模型进行调整,得到用于进行行李图像分类的分类模型,从而可以使该模型学习到如何准确基于行李图像识别行李类别,进而可以基于行李图像进行更加准确地行李类别确定,提高了行李类别的识别精度。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术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申请的一些实施例,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为本申请实施例提供的一种行李图像处理方法的流程图;
图2为本申请实施例提供的一种行李图像处理方法的示意图;
图3为本申请实施例提供的一种行李图像处理方法的示意图;
图4为本申请实施例提供的一种行李图像处理装置的结构框图。
具体实施方式
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。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
在相关技术中,对于匹配查找行李,大部分机场仍然采用老旧的工作方式,仅靠人工查找方式完成行李与旅客的交接,还有一部分机场则是借鉴国外WorldTracer***,利用行李关键词对行李进行文本查找方式。但上述两种行李匹配查找的方法工作量大,不仅错误率高,查准率低下,耗费时间还过长,效率低下,俨然已经不够满足当下现代化大数据时代的需求现状。
为了解决上述技术问题,本申请提供了一种行李图像处理方法,处理设备可以基于该方法训练得到用于进行行李图像分类的分类模型,从而可以基于该分类模型对行李图像进行准确分类,进而可以提高行李的查找效率。
可以理解的是,该方法可以应用于处理设备上,该处理设备能够进行行李图像处理,例如具有行李图像处理功能的终端设备或服务器。该方法可以通过终端设备或服务器独立执行,也可以应用于终端设备和服务器通信的网络场景,通过终端设备和服务器配合执行。其中,终端设备可以为计算机、手机等设备。服务器可以理解为是应用服务器,也可以为Web服务器,在实际部署时,该服务器可以为独立服务器,也可以为集群服务器。
参见图1,图1为本申请实施例提供的一种行李图像处理方法的流程图,该方法包括:
S101:获取样本行李图像集合。
其中,该样本行李图像集合包括多个样本行李图像,样本行李图像具有对应的样本行李类别,该样本行李类别为样本行李图像中的行李所对应的准确类别,例如可以基于国际航空运输协会IATA的标准确定行李类别。
S102:通过初始模型对多个样本行李图像进行分类,确定多个样本行李图像分别对应的待定行李类别。
在训练过程中,处理设备可以先通过初始模型确定该多个样本行李图像分别对应的待定行李类别,该待定行李类别即为模型针对该样本行李图像中的行李所输出的行李类别。
S103:根据待定行李类别和样本行李类别之间的差异,对初始模型进行调整,得到用于进行行李图像分类的分类模型。
上已述及,该样本行李类别为样本行李图像中的行李所对应的准确类别,该待定行李类别即为模型针对该样本行李图像中的行李所输出的行李类别,因此,通过待定行李类别和样本行李类别之间的差异,能够体现出该初始模型所确定出的行李类别与准确的行李类别之间的差异,进而能够体现出该初始模型对于行李类别确定的准确度。
从而,通过该差异对初始模型进行调节,可以使该初始模型学习到如何准确识别出行李画像对应的行李类别,从而可以得到用于进行行李图像分类的分类模型。
由上述技术方案可以看出,为了能够进行准确的行李匹配,处理设备可以先训练得到用于进行行李分类的分类模型,训练过程如下:处理设备可以先获取样本行李图像集合,该样本行李图像集合包括多个样本行李图像,样本行李图像具有对应的样本行李类别。处理设备可以通过初始模型对多个样本行李图像进行分类,确定多个样本行李图像分别对应的待定行李类别,根据该待定行李类别和样本行李类别之间的差异,对初始模型进行调整,得到用于进行行李图像分类的分类模型,从而可以使该模型学习到如何准确基于行李图像识别行李类别,进而可以基于行李图像进行更加准确地行李类别确定,提高了行李类别的识别精度。
在一种可能的实现方式中,处理设备可以将训练得到的分类模型应用到对行李图像的识别中。处理设备可以获取待识别行李图像,然后通过该分类模型,确定待识别行李图像对应的目标行李类别。
在一种可能的实现方式中,在识别出行李图像对应的行李类别后,处理设备还可以进一步通过该行李类别对行李图像对应的行李进行识别。处理设备可以预先存储各个行李类别对应的行李图像数据库,即处理设备可以预先采集多个行李的图像按照行李类别存入数据库中。行李图像数据库中包括对应各个行李类别的行李图像,数据库中的行李图像具有对应的行李。
处理设备可以确定目标行李类别对应的行李图像数据库,该行李图像数据库包括对应目标行李类别的多个行李图像,多个行李图像分别具有对应的行李。处理设备可以根据待识别图像与多个行李图像之间的相似度,确定与待识别图像之间相似度最高的目标行李图像,然后将目标行李图像对应的行李确定为所述待识别图像对应的行李,从而能够高效、准确的识别出待识别图像对应的行李,便于查找用户行李等。
具体的,为了能够精确的分析行李图像之间的相似度,在一种可能的实现方式中,多个行李图像可以分别具有对应的图像特征,该图像特征用于体现行李图像中的图像特点。在确定相似度时,处理设备可以确定待识别图像对应的第一图像特征,该第一图像特征用于体现该待识别图像的图像特点,然后,处理设备可以确定该第一图像特征与多个行李图像所对应图像特征之间的相似度,该相似度能够体现出该待识别图像与目标行李类别下的多个行李图像之间分别的图像特点相似程度,处理设备可以将与所述第一图像特征之间相似度最高的图像特征确定为第二图像特征,然后将对应所述第二图像特征的行李图像确定为目标行李图像,从而可以从在图像特征角度确定出与该待识别图像最接近的行李图像。
具体的,在一种可能的实现方式中,处理设备可以获取该待识别图像对应的行李信息,该行李信息用于标识该待识别图像中的行李情况。处理设备可以根据该行李信息,生成该待识别图像对应的第一图像特征。
在一种可能的实现方式中,为了使识别出的行李更加准确,处理设备可以综合多个维度的行李信息进行相似度分析。例如,该行李信息可以包括颜色信息、重量信息、行李件数信息、行李航班信息中的至少两种,处理设备可以确定至少两种行李信息分别对应的第一图像子特征,该第一图像特征包括至少两种行李信息分别对应的第一图像子特征,即该第一图像特征可以包括多个维度的行李特征。在目标行李类型对应的数据库中,多个行李图像对应的图像特征包括与该第一图像子特征对应的第二图像子特征,即该数据库中的行李图像的图像特征中具有与待识别图像的图像特征相对应的图像子特征。
从而,处理设备可以确定第一图像子特征与所对应第二图像子特征之间的子相似度,然后根据多个第一图像子特征分别对应的子相似度,确定该第一图像特征与图像特征之间的相似度,即综合多个维度的行李特征之间的相似度来更加准确地确定出行李图像之间的相似度。处理设备可以将与所述第一图像特征之间相似度最高的图像特征确定为第二图像特征。
如图2和图3所示,当旅客前往某地时,在进行行李托运时,处理设备可以按照本***的组成模块,首先进行行李图像采集。在安检拍照环节,相机全方面的记录行李的图像属性,同时与行李的编号一同保存至行李图像数据库中。在之后的分拣和装车环节,又可根据行李的BSM报文读取它的其他标签属性,并将这些信息依照行李编号补充至相对应的行李图像数据库信息中,使得数据库变得更加完整全面,不再是徒有行李图片的“空壳子”,此时的数据库也被称为行李画像数据库。
具体的,处理设备可以通过行李图像采集模块,在安检拍照环节里,通过相机全方位的拍摄以此获取行李图片属性。行李图像属性包括行李的颜色、形状、纹理等等,并将该行李编号一同保存至后台服务器(行李图像采集数据库)中。
通过行李画像接收模块,可以在分拣乃至装车环节,通过RFID行李条读取并接收行李的其他标签属性,例如旅客姓名、行李件数、行李重量、行李目的地、航班号、航班起飞时间等等。在后台服务器中,依照行李编号,将以上标签属性补充至对应后台***中。此模块相对于行李画像采集模块,全面完整地从多个角度记录行李的标签属性。
通过行李画像分类模块,可以利用神经网络对行李画像进行分类。依据上个模块收到的行李画像各标签属性,对应得到每件行李画像的特征向量。构建神经网络***,提取每件行李画像的特征向量,并利用神经网络模型对每一幅行李画像进行分类。根据分类的结果,分别建立各自类别的行李图像数据库。
具体的,处理设备可以利用该神经网络对整个行李画像数据库按照国际航空运输协会IATA对行李的分类标准进行分类。根据句分类结果,构建行李各自的图像数据库。例如,上述旅客的行李可以按照分类标准被存储在C库中。
经过一段时间后,旅客到达目的地,但在行李到达转盘并没有找到自己的的行李。此时旅客可以进入基于行李画像的查找匹配查找***,其查找流程如下:
1、在***中,输入待匹配查找行李的图像。
2、处理设备根据输入待匹配查找行李图像利用神经网络对图像进行分类,确定待匹配行李的行李类别。
3、通过行李画像分类模块所建立的图像库,查找与待匹配行李类别相同的图像数据库C;
4、提取待查找匹配行李的颜色特征向量,计算该行李与相同类别图像库C中各行李图像的颜色特征相似性测度。
5、提取待查找匹配行李的其他特征向量,计算行李与相同类别图像库C中各行李图像的其他特征相似性测度。
6、加权计算颜色特征向量和其他特征向量的相似性测度,融合成总的相似性测度,作为最终匹配查找的判断依据。
7、根据总的相似性测度,降序排列相同类别的图像数据库C中的各行李图像数据,最终得出匹配查找结果。根据得出的匹配查找结果,如果匹配成功,则进行登记行李的速运流程;如果匹配失败并在一定的期限内,则继续进行全网匹配,如果不在规定的期限内,则无法交付进行结案。
附图中的流程图和框图,图示了按照本公开各种实施例的***、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、或代码的一部分,该模块、程序段、或代码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。也应当注意,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,两个接连地表示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操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。
基于上述实施例提供的一种行李图像处理方法,本申请实施例还提供了一种行李图像处理装置,参见图4,图4为本申请实施例提供的一种行李图像处理装置400的结构框图,该装置包括第一获取单元401、分类单元402和调整单元403:
所述第一获取单元401,用于获取样本行李图像集合,所述样本行李图像集合包括多个样本行李图像,所述样本行李图像具有对应的样本行李类别;
所述分类单元402,用于通过初始模型对所述多个样本行李图像进行分类,确定所述多个样本行李图像分别对应的待定行李类别;
所述调整单元403,用于根据所述待定行李类别和所述样本行李类别之间的差异,对所述初始模型进行调整,得到用于进行行李图像分类的分类模型。
在一种可能的实现方式中,所述装置还包括第二获取单元和第一确定单元:
所述第二获取单元,用于获取待识别行李图像;
所述第一确定单元,用于通过所述分类模型,确定所述待识别行李图像对应的目标行李类别。
在一种可能的实现方式中,所述装置还包括第二确定单元、第三确定单元和第四确定单元:
所述第二确定单元,用于确定所述目标行李类别对应的行李图像数据库,所述行李图像数据库包括对应所述目标行李类别的多个行李图像,所述多个行李图像分别具有对应的行李;
所述第三确定单元,用于根据所述待识别图像与所述多个行李图像之间的相似度,确定与所述待识别图像之间相似度最高的目标行李图像;
所述第四确定单元,用于将所述目标行李图像对应的行李确定为所述待识别图像对应的行李。
在一种可能的实现方式中,所述多个行李图像分别具有对应的图像特征,所述第三确定单元具体用于:
确定所述待识别图像对应的第一图像特征;
确定所述第一图像特征与所述多个行李图像所对应图像特征之间的相似度;
将与所述第一图像特征之间相似度最高的图像特征确定为第二图像特征;
将对应所述第二图像特征的行李图像确定为目标行李图像。
在一种可能的实现方式中,所述第三确定单元具体用于:
获取所述待识别图像对应的行李信息;
根据所述行李信息,生成所述待识别图像对应的第一图像特征。
在一种可能的实现方式中,所述行李信息包括颜色信息、重量信息、行李件数信息、行李航班信息中至少两种,所述第三确定单元具体用于:
确定至少两种行李信息分别对应的第一图像子特征,所述第一图像特征包括所述至少两种行李信息分别对应的第一图像子特征;
所述多个行李图像对应的图像特征包括与所述第一图像子特征对应的第二图像子特征,所述第三确定单元具体用于;
确定所述第一图像子特征与所对应第二图像子特征之间的子相似度;
根据所述多个第一图像子特征分别对应的子相似度,确定所述第一图像特征与所述图像特征之间的相似度;
将与所述第一图像特征之间相似度最高的图像特征确定为第二图像特征。
本申请实施例还提供了一种计算机设备,该终端设备所包括的处理器还具有以下功能:
获取样本行李图像集合,所述样本行李图像集合包括多个样本行李图像,所述样本行李图像具有对应的样本行李类别;
通过初始模型对所述多个样本行李图像进行分类,确定所述多个样本行李图像分别对应的待定行李类别;
根据所述待定行李类别和所述样本行李类别之间的差异,对所述初始模型进行调整,得到用于进行行李图像分类的分类模型。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定。
另外,本申请实施例还提供了一种存储介质,所述存储介质用于存储计算机程序,所述计算机程序用于执行上述实施例提供的行李图像处理方法。
本申请实施例还提供了一种包括指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例提供的行李图像处理方法。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质可以是下述介质中的至少一种:只读存储器(英文:read-only memory,缩写:ROM)、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于设备及***实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的设备及***实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述,仅为本申请的一种具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.一种行李图像处理方法,其特征在于,所述方法包括:
获取样本行李图像集合,所述样本行李图像集合包括多个样本行李图像,所述样本行李图像具有对应的样本行李类别;
通过初始模型对所述多个样本行李图像进行分类,确定所述多个样本行李图像分别对应的待定行李类别;
根据所述待定行李类别和所述样本行李类别之间的差异,对所述初始模型进行调整,得到用于进行行李图像分类的分类模型。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取待识别行李图像;
通过所述分类模型,确定所述待识别行李图像对应的目标行李类别。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
确定所述目标行李类别对应的行李图像数据库,所述行李图像数据库包括对应所述目标行李类别的多个行李图像,所述多个行李图像分别具有对应的行李;
根据所述待识别图像与所述多个行李图像之间的相似度,确定与所述待识别图像之间相似度最高的目标行李图像;
将所述目标行李图像对应的行李确定为所述待识别图像对应的行李。
4.根据权利要求3所述的方法,其特征在于,所述多个行李图像分别具有对应的图像特征,所述根据所述待识别图像与所述多个行李图像之间的相似度,确定与所述待识别图像之间相似度最高的目标行李图像,包括:
确定所述待识别图像对应的第一图像特征;
确定所述第一图像特征与所述多个行李图像所对应图像特征之间的相似度;
将与所述第一图像特征之间相似度最高的图像特征确定为第二图像特征;
将对应所述第二图像特征的行李图像确定为目标行李图像。
5.根据权利要求4所述的方法,其特征在于,所述确定所述待识别图像对应的第一图像特征,包括:
获取所述待识别图像对应的行李信息;
根据所述行李信息,生成所述待识别图像对应的第一图像特征。
6.根据权利要求5所述的方法,其特征在于,所述行李信息包括颜色信息、重量信息、行李件数信息、行李航班信息中至少两种,所述根据所述行李信息,生成所述待识别图像对应的第一图像特征,包括:
确定至少两种行李信息分别对应的第一图像子特征,所述第一图像特征包括所述至少两种行李信息分别对应的第一图像子特征;
所述多个行李图像对应的图像特征包括与所述第一图像子特征对应的第二图像子特征,所述将与所述第一图像特征之间相似度最高的图像特征确定为第二图像特征,包括;
确定所述第一图像子特征与所对应第二图像子特征之间的子相似度;
根据所述多个第一图像子特征分别对应的子相似度,确定所述第一图像特征与所述图像特征之间的相似度;
将与所述第一图像特征之间相似度最高的图像特征确定为第二图像特征。
7.一种行李图像处理装置,其特征在于,所述装置包括第一获取单元、分类单元和调整单元:
所述第一获取单元,用于获取样本行李图像集合,所述样本行李图像集合包括多个样本行李图像,所述样本行李图像具有对应的样本行李类别;
所述分类单元,用于通过初始模型对所述多个样本行李图像进行分类,确定所述多个样本行李图像分别对应的待定行李类别;
所述调整单元,用于根据所述待定行李类别和所述样本行李类别之间的差异,对所述初始模型进行调整,得到用于进行行李图像分类的分类模型。
8.一种计算机设备,其特征在于,所述计算机设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行权利要求1-6中任意一项所述的行李图像处理方法。
9.一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用于存储计算机程序,所述计算机程序用于执行权利要求1-6中任意一项所述的行李图像处理方法。
10.一种包括指令的计算机程序产品,当其在计算机上运行时,使得所述计算机执行权利要求1-6任意一项所述的行李图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211031617.0A CN115375943A (zh) | 2022-08-26 | 2022-08-26 | 一种行李图像处理方法和相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211031617.0A CN115375943A (zh) | 2022-08-26 | 2022-08-26 | 一种行李图像处理方法和相关装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115375943A true CN115375943A (zh) | 2022-11-22 |
Family
ID=84066926
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211031617.0A Pending CN115375943A (zh) | 2022-08-26 | 2022-08-26 | 一种行李图像处理方法和相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115375943A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117037127A (zh) * | 2023-10-07 | 2023-11-10 | 四川省机场集团有限公司成都天府国际机场分公司 | 一种基于行李类型的托盘分配方法 |
-
2022
- 2022-08-26 CN CN202211031617.0A patent/CN115375943A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117037127A (zh) * | 2023-10-07 | 2023-11-10 | 四川省机场集团有限公司成都天府国际机场分公司 | 一种基于行李类型的托盘分配方法 |
CN117037127B (zh) * | 2023-10-07 | 2023-12-12 | 四川省机场集团有限公司成都天府国际机场分公司 | 一种基于行李类型的托盘分配方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111931664B (zh) | 混贴票据图像的处理方法、装置、计算机设备及存储介质 | |
US9141886B2 (en) | Method for the automated extraction of a planogram from images of shelving | |
CN105139040A (zh) | 一种排队状态信息检测方法及其*** | |
US20120027304A1 (en) | Semantic parsing of objects in video | |
CN111860510B (zh) | 一种x光图像目标检测方法及装置 | |
US20230186509A1 (en) | Article identification and tracking | |
CN109141250B (zh) | 箱包尺寸测量方法、装置和箱包尺寸测量服务器 | |
CN111061890A (zh) | 一种标注信息验证的方法、类别确定的方法及装置 | |
CN111461101B (zh) | 工服标志的识别方法、装置、设备及存储介质 | |
US11966829B2 (en) | Convolutional artificial neural network based recognition system in which registration, search, and reproduction of image and video are divided between and performed by mobile device and server | |
US20210201090A1 (en) | Method and apparatus for image processing and image classification | |
CN111275060A (zh) | 识别模型更新处理方法、装置、电子设备及存储介质 | |
CN111639970A (zh) | 基于图像识别的物品价格确定方法及相关设备 | |
US20200401833A1 (en) | License plate detection system | |
CN112380462A (zh) | 参展路径规划方法、装置、服务器及计算机可读存储介质 | |
CN112100425A (zh) | 基于人工智能的标签标注方法、装置、电子设备及介质 | |
CN115375943A (zh) | 一种行李图像处理方法和相关装置 | |
Ariyawansa et al. | Review on state of art data mining and machine learning techniques for intelligent Airport systems | |
CN111626578A (zh) | 物流货车的调配方法、装置、设备及存储介质 | |
CN111126112B (zh) | 候选区域确定方法和装置 | |
US11820534B2 (en) | Baggage weight prediction | |
CN113657473A (zh) | 一种基于迁移学习的Web服务分类方法 | |
CN112560902A (zh) | 基于书脊视觉信息的图书识别方法及*** | |
Wang et al. | Aprus: An airborne altitude-adaptive purpose-related uav system for object detection | |
CN110570318A (zh) | 计算机执行的基于视频流的车辆定损方法及装置 |
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 |