对象识别方法及其装置.pdf

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201910014345.5 (22)申请日 2019.01.08 (71)申请人 平安科技 （深圳） 有限公司 地址 518000 广东省深圳市福田区福田街 道福安社区益田路5033号平安金融中 心23楼 (72)发明人 乐志能 (74)专利代理机构 深圳市立智方成知识产权代 理事务所(普通合伙) 44468 代理人 王增鑫 (51)Int.Cl. G06K 9/00(2006.01) G06K 9/46(2006.01) G06K 9/62(2006.01) (54)发明名称

2、 对象识别方法及其装置 (57)摘要 本发明技术领域涉及图像检测中的图像分 类， 其中公开对象识别方法， 包括： 通过拍摄获取 待识别的对象的若干图片； 从图片中提取得到对 象的特征信息； 将特征信息输入到预先训练的分 类识别模型中， 识别得到对象的分类； 根据分类 及对象对应关系列表识别出对象的标定信息。 本 发明还相应提供一种对象识别装置， 包括： 处理 器； 用于存储处理器可执行指令的存储器； 采集 置于所述对象识别装置中待识别对象的图片， 并 将所述图片发送于处理器的摄像头； 所述处理器 被配置为执行所述对象识别方法的步骤。 本发明 的方案识别效率高、 识别准确率高， 不仅能够针 对包

3、装的商品进行识别， 还能够对散装的商品进 行有效的识别， 适用的待识别对象广， 适应场景 多。 权利要求书2页 说明书12页 附图7页 CN 109886092 A 2019.06.14 CN 109886092 A 1.一种对象识别方法， 其特征在于， 包括： 通过拍摄获取待识别的对象的若干图片； 从所述图片中提取得到所述对象的特征信息； 将所述特征信息输入到预先训练的分类识别模型中， 识别得到所述对象的分类； 根据分类及对象对应关系列表识别出所述对象的标定信息。 2.根据权利要求1所述的对象识别方法， 其特征在于， 所述特征信息包括轮廓、 颜色， 将 所述特征信息输入到预先训练的分类识别模

4、型中， 识别得到所述对象的分类的步骤， 包括： 将轮廓和颜色输入所述分类识别模型生成对应不同对象的匹配值； 根据匹配值进行排序得到最大匹配值； 将所述最大匹配值对应对象的分类作为图片中对象的分类。 3.根据权利要求1所述的对象识别方法， 其特征在于， 将所述特征信息输入到预先训练 的分类识别模型中， 识别得到所述对象的分类的步骤， 包括： 获取当前环境的光照信息， 调用对应所述光照信息的分类识别模型； 所述特征信息和光照信息输入到预先训练的分类识别模型中， 识别得到所述对象的分 类。 4.根据权利要求3所述的对象识别方法， 其特征在于， 所述分类识别模型通过以下步骤 建立： 采集样本的原始图像

5、和对应采集场景的光照信息； 提取所述原始图像中用于匹配的特征； 获取所述样本的分类信息； 将所述特征、 分类信息以及光照信息关联并构建对应当前场景的分类识别模型。 5.根据权利要求1所述的对象识别方法， 其特征在于， 所述通过拍摄获取待识别的对象 的若干图片的步骤， 包括： 通过三维成像以所述对象为中心围绕拍摄得到待识别的对象的 全角度图片。 6.根据权利要求5所述的对象识别方法， 其特征在于， 通过三维成像以样本为中心采集 样本得到的原始图像， 根据原始图像训练所述分类识别模型。 7.根据权利要求5所述的对象识别方法， 其特征在于， 将所述特征信息输入到预先训练 的分类识别模型中， 识别得到

6、所述对象的分类的步骤， 包括： 将所述特征信息输入数量识别模型中， 识别得到所述对象的数量信息； 将所述特征信息输入到预先训练的分类识别模型中， 识别得到所述对象的分类； 将所述数量信息和当前待识别的对象关联， 与所述标定信息同步输出数量信息。 8.一种对象识别装置， 其特征在于， 包括： 处理器； 用于存储处理器可执行指令的存储器； 采集置于所述对象识别装置中待识别对象的图片， 并将所述图片发送于处理器的摄像 头； 其中， 所述处理器被配置为执行如权利要求1至7中任一项权利要求所述对象识别方法 的步骤。 9.根据权利要求8所述的对象识别装置， 其特征在于， 还包括向所述处理器发送待识别 权利

7、要求书 1/2 页 2 CN 109886092 A 2 对象的计量信息的称重设备。 10.根据权利要求8所述的对象识别装置， 其特征在于， 还包括供所述摄像头移动的滑 轨， 所述处理器控制摄像头在滑轨上的移动。 权利要求书 2/2 页 3 CN 109886092 A 3 对象识别方法及其装置 技术领域 0001 本发明涉及图像识别领域， 更具体地， 涉及一种对象识别方法及其装置。 背景技术 0002 目前生活场景中， 例如是在超市购物的场景中， 对某些对象进行识别成为一个耗 时较多的环节。 这些需要识别的对象中可以包括固定包装的产品、 散装的产品， 尤其是对散 装的产品进行计价的时间较长，

8、 影响效率。 0003 现有技术中， 一般是将散装的产品预先经过打包、 称重、 输入单价、 贴标签等繁琐 的过程， 最终借助标签实现对散装的产品的计价。 在产品种类较多的情况下， 甚至还需要对 不同的产品分区域计价， 严重影响效率。 0004 上述对产品识别的过程， 耗时较长， 效率低， 准确率也不高， 对应适用识别的产品 数量较少， 不能适应现在产品数量和种类较多的识别场合。 发明内容 0005 鉴于上述问题， 本发明提出了一种对象识别方法和相应的对象识别装置， 其能够 通过待识别对象的图片， 快速高效识别待识别对象， 并输出标定信息。 0006 第一方面， 本发明提供一种对象识别方法， 包

9、括： 0007 通过拍摄获取待识别的对象的若干图片； 0008 从所述图片中提取得到所述对象的特征信息； 0009 将所述特征信息输入到预先训练的分类识别模型中， 识别得到所述对象的分类； 0010 根据分类及对象对应关系列表识别出所述对象的标定信息。 0011 结合第一方面， 所述特征信息包括轮廓、 颜色， 将所述特征信息输入到预先训练的 分类识别模型中， 识别得到所述对象的分类的步骤， 包括： 0012 将轮廓和颜色输入所述分类识别模型生成对应不同对象的匹配值； 0013 根据匹配值进行排序得到最大匹配值； 0014 将所述最大匹配值对应对象的分类作为图片中对象的分类。 0015 结合第一

10、方面， 将所述特征信息输入到预先训练的分类识别模型中， 识别得到所 述对象的分类的步骤， 包括： 0016 获取当前环境的光照信息， 调用对应所述光照信息的分类识别模型； 0017 所述特征信息和光照信息输入到预先训练的分类识别模型中， 识别得到所述对象 的分类。 0018 结合第一方面， 所述分类识别模型通过以下步骤建立： 0019 采集样本的原始图像和对应采集场景的光照信息； 0020 提取所述原始图像中用于匹配的特征； 0021 获取所述样本的分类信息； 0022 将所述特征、 分类信息以及光照信息关联并构建对应当前场景的分类识别模型。 说明书 1/12 页 4 CN 109886092

11、 A 4 0023 结合第一方面， 所述通过拍摄获取待识别的对象的若干图片的步骤， 包括： 通过三 维成像以所述对象为中心围绕拍摄得到待识别的对象的全角度图片。 0024 结合第一方面， 通过三维成像以样本为中心采集样本得到的原始图像， 根据原始 图像训练所述分类识别模型。 0025 结合第一方面， 将所述特征信息输入到预先训练的分类识别模型中， 识别得到所 述对象的分类的步骤， 包括： 0026 将所述特征信息输入数量识别模型中， 识别得到所述对象的数量信息； 0027 将所述特征信息输入到预先训练的分类识别模型中， 识别得到所述对象的分类； 0028 将所述数量信息和当前待识别的对象关联，

12、 与所述标定信息同步输出数量信息。 0029 第二方面， 本发明提供一种对象识别装置， 包括： 0030 处理器； 0031 用于存储处理器可执行指令的存储器； 0032 采集置于所述对象识别装置中待识别对象的图片， 并将所述图片发送于处理器的 摄像头； 0033 其中， 所述处理器被配置为如上述技术方案任一中技术方案中所述对象识别方法 的步骤。 0034 结合第二方面， 还包括向所述处理器发送待识别对象的计量信息的称重设备。 0035 结合第二方面， 还包括供所述摄像头移动的滑轨， 所述处理器控制摄像头在滑轨 上的移动 0036 第三方面， 本发明还提供一种非临时性计算机可读存储介质， 当所

13、述存储介质中 的指令由移动终端的处理器执行时， 使得移动终端能够执行上述对象识别方法的步骤。 0037 相对于现有技术， 本发明的技术方案能对待识别对象通过分类识别模型进行识 别， 得到分类后， 再通过对象对应关系列表得到待识别对象的标定信息， 识别效率高、 识别 准确率高。 本发明不仅能够针对包装的商品进行识别， 还能够对散装的商品进行有效的识 别， 适用的待识别对象广， 适应场景多。 本发明的技术方案还提供一种对象识别装置， 能够 用于实现上述技术方案的方法步骤， 能识别待识别对象得到标定信息。 0038 本发明的这些方面或其他方面在以下实施例的描述中会更加简明易懂。 附图说明 0039

14、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。 0040 图1示出了根据本发明一个实施例的对象识别方法的方法流程图； 0041 图2是利用本发明的方法对对象识别得到分类的方法流程图； 0042 图3示出了本发明一个实施例中其中一个对象的特征示意图； 0043 图4示出了本发明一个实施例中另一个对象的特征示意图； 0044 图5是利用本发明的方法根据光照信息选择对应的分类识别模型的方法流程图；

15、0045 图6是利用本发明的方法根据光照信息训练对应分类识别模型的方法流程图； 说明书 2/12 页 5 CN 109886092 A 5 0046 图7是利用本发明的方法根据数量识别模型得到数量信息的方法流程图； 0047 图8是利用本发明的方法其中一个对象识别得到数量信息的过程示意图； 0048 图9是利用本发明的方法另一对象识别得到数量信息的过程示意图； 0049 图10是本发明提供的一种对象识别装置的装置结构示意图； 0050 图11是本发明提供的一种对象识别装置的装置结构正视图； 0051 图12是本发明提供的另一种对象识别装置的装置结构正视图； 0052 图13示出的是与本发明实施

16、例提供的终端相关的手机的部分结构的框图。 具体实施方式 0053 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。 0054 在本发明的说明书和权利要求书及上述附图中的描述的一些流程中， 包含了按照 特定顺序出现的多个操作， 但是应该清楚了解， 这些操作可以不按照其在本文中出现的顺 序来执行或并行执行， 操作的序号如101、 102等， 仅仅是用于区分开各个不同的操作， 序号 本身不代表任何的执行顺序。 另外， 这些流程可以包括更多或更少的操作， 并且这些操作可 以按顺序执行或并行执行。 需要说明的是， 本文中

17、的 “第一” 、“第二” 等描述， 是用于区分不 同的消息、 设备、 模块等， 不代表先后顺序， 也不限定 “第一” 和 “第二” 是不同的类型。 0055 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， 本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施 例， 都属于本发明保护的范围。 0056 请参考图1， 图1示出了根据本发明一个实施例的对象识别方法的方法流程图。 为 了能够对放置在一定区域的对象进行有效快捷的识别进而输出标定信息， 本实施例

18、提供一 种对象识别方法， 包括步骤： 0057 步骤S11： 通过拍摄获取待识别的对象的若干图片。 0058 待识别对象可以是在超市、 商店中售卖的产品， 例如是散装的水果、 农副产品等产 品。 若干图片的拍摄可以是连续或同时采集待识别对象多个角度图像。 当然， 还可以采集待 识别对象在不同外界环境下的图片， 例如是不同光照环境下的图片。 0059 步骤S12： 从所述图片中提取得到所述对象的特征信息。 0060 从上述图片中提取得到待识别对象的特征信息， 例如是颜色及其组合、 轮廓、 光 斑、 条纹等等特征。 0061 步骤S13： 将所述特征信息输入到预先训练的分类识别模型中， 识别得到所

19、述对象 的分类。 0062 将上述特征信息输入到分类识别模型中时， 分类识别模型根据预先训练中获得的 数据， 可以识别得到待识别对象的分类。 分类可以是对应待识别对象的对应的分类编号或 者是能确定待识别对象的其他信息。 以包装的商品为例， 分类可以是计算机可以识别的条 码、 二维码、 货物编号等等。 结合这个例子， 对于散装的商品也不难理解， 可以是一些能够特 定指向商品的编号。 0063 步骤S14： 根据分类及对象对应关系列表识别出所述对象的标定信息。 说明书 3/12 页 6 CN 109886092 A 6 0064 根据待识别对象的分类， 从对象对应关系列表中识别得到标定信息。 其中

20、， 标定信 息是指待识别对象的详细信息。 以前述的散装水果为例， 标定信息可以是散装水果的名称、 单价、 计价方式、 产地等信息。 其中， 对象对应关系列表可以是分类与标定信息一一对应的 列表， 还可以是包括分类和标定信息之间关联关系的数据库。 0065 为了更好识别得到本实施例中的待识别对象的标定信息， 本实施例还提供一种得 到对象分类的方法， 请参考图2， 图2是利用本发明的方法对对象识别得到分类的方法流程 图。 所述对象识别方法的步骤S13包括： 0066 步骤S21： 将轮廓和颜色输入所述分类识别模型生成对应不同对象的匹配值。 0067 以轮廓和颜色作为特征信息， 有较高的通用度， 通

21、常采用轮廓和颜色就可以区分 出大部分的对象， 例如是各种商品。 将轮廓和颜色的特征信息输入到分类识别模型中， 分类 识别模型将输出对应不同对象的匹配值， 匹配值的量化数值各有不同。 0068 请参考图3， 图3示出了本发明一个实施例中其中一个对象的特征示意图。 为了更 好的描述本技术方案， 图3引入一个具体的待识别对象 “花牛苹果” 。 在提取特征信息 时， 提取到图3中待识别对象的特征信息A是近球状轮廓和红色的特征， 在待识别对象的顶 部识别到特征信息B为圆形凹陷， 在待识别对象表面识别得到特征信息C为反光光斑， 在待 识别对象的底部识别得到特征信息D为若干突起结构。 0069 将上述特征信

22、息A特征信息D输入到分类识别模型中， 可以识别的到与不同分类 之间的匹配值。 例如， 待识别对象与代表 “花牛苹果” 的分类的匹配值为95， 待识别对象与 代表 “红富士苹果” 的分类的匹配值为60， 待识别对象与代表 “红火龙果” 的分类的匹配值 为30， 待识别对象与代表 “黄豆” 的分类的匹配值为5。 获得匹配值的方法可以是将待识 别对象的特征信息与各个分类的特征信息进行比较， 量化两者之间的相似度。 0070 步骤S22： 根据匹配值进行排序得到最大匹配值。 0071 针对上述得到的匹配值进行数值由大到小的排序， 得到最大匹配值为95。 0072 步骤S23： 将所述最大匹配值对应对象

23、的分类作为图片中对象的分类。 0073 95的最大匹配值对应对象的分类， 对应的标定信息为 “花牛苹果” ， 将 “花牛苹 果” 的分类编号可以作为当前图片中待识别对象的分类， 例如 “花牛苹果” 的分类是编号 K001。 将最大匹配值对应对象的分类作为待识别对象的分类具有较高的可靠性， 为了获得 可靠性较高的识别结果， 在本例子中还可以设定最低匹配值的要求， 当匹配值小于最低匹 配值条件时， 输出识别失败的信息或重新采集待识别对象的图片。 例如， 在上述的识别过程 中， 如果最大匹配值最高都不超过50， 说明识别得到的分类可靠性较低， 识别结果的准确 性不能满足要求。 0074 为了更好展示

24、本实施例的技术方案， 本例中还尝试列举另一待识别对象 “红 富士苹果” 为例， 辅助解释本发明技术方案的细节。 请参考图4， 图4示出了本发明一个实施 例中另一个对象的特征示意图。 0075 首先提取图4中待识别对象的特征信息， 得到特征信息E特征信息H， 在提取之前 还可以针对待识别对象的放置位置和角度进行一定的旋转、 裁剪等调整。 下面以待识别对 象正置状态进行描述， 其中特征信息E是待识别对象的轮廓信息和颜色信息， 待识别对象的 轮廓为圆形球状， 颜色信息为粉红与黄色条纹组合间隔； 在待识别对象的顶部提取得到的 特征信息F为圆形凹陷特征； 在待识别对象的底部提取得到的特征信息G为平底部特

25、征； 在 说明书 4/12 页 7 CN 109886092 A 7 待识别对象的表面提取得到的特征信息H为无反光特征。 0076 将上述特征信息E特征信息H的输入前述的分类识别模型， 得到待识别对象特征 信息与内置于分类识别模型的对象的特征信息的若干匹配值： 待识别对象与代表 “花牛苹 果” 的分类的匹配值为65， 待识别对象与代表 “红富士苹果” 的分类的匹配值为93， 待识 别对象与代表 “山东苹果” 的分类的匹配值为80， 待识别对象与代表 “花生” 的分类的匹配 值为8。 得到最大匹配值对应对象的分类， 即待识别对象的分类为代表 “红富士苹果” 的编 号K002。 获得匹配值的方法可

26、以是将待识别对象的特征信息与各个分类的特征信息进行比 较， 量化两者之间的相似度。 0077 获得上述分类(在本例中分类表现为一段的计算机可以识别代码的计算机可读语 言， 例如是编号K001、 K002)， 可以通过对象对应关系列表得到待识别对象的标定信息， 例如 K001的分类对应标定信息 “花牛苹果” ， K002的分类对应标定信息 “红富士苹果” 。 由此， 分类 通过对象对应关系列表的关联关系得到待识别对象的标定信息。 0078 上述特征信息的选择可以根据特征的识别难度、 对角度或光照的要求、 是否具有 可变性等因素考虑， 根据不同识别对象可以采用不同的特征信息用于识别对象的分类。 例

27、 如， 针对火龙果， 可以提取是否具有鳞片卵状披针形叶片的特征， 为了提升识别的速度兼顾 准确性， 可以在训练模型时提取为鳞片近圆形叶片特征； 针对豆类， 可以着重提取轮廓特征 信息和颜色信息等足以区分的特征信息； 针对肉类， 例如猪肉、 羊肉可以识别肉的颜色和脂 肪机理等特征。 总的来说， 颜色和轮廓的特征信息是经常涉及、 可靠性较高的识别特征信 息。 0079 为了获得更好的识别准确性， 本发明中还根据识别场景的环境因素选择不同的分 类识别模型。 请参考图5， 图5是利用本发明的方法根据光照信息选择对应的分类识别模型 的方法流程图。 前述对象识别方法的步骤步骤S13包括： 0080 步骤S

28、51： 获取当前环境的光照信息， 调用对应所述光照信息的分类识别模型。 0081 通过光线传感器等光学传感设备获得当前的光照信息， 其中光照信息可以包括光 通量、 光照强度、 光照角度等。 根据得到的光照信息选择适应当前识别场景的分类识别模 型。 例如， 针对光照强度预先训练有高强度分类识别模型、 普通光照分类识别模型、 低强度 分类识别模型。 0082 步骤S52： 所述特征信息和光照信息输入到预先训练的分类识别模型中， 识别得到 所述对象的分类。 0083 将识别得到的特征信息和光照信息输入匹配当前识别场景的分类识别模型， 得到 待识别对象的分类。 0084 在上述过程中， 针对一些受光照

29、影响明显的特征信息， 在不同光照条件下都会有 不同的识别结果， 例如是图3中的特征信息C和图4中的特征信息H。 由此， 还可以采集待识别 对象在不同光照条件下的特征信息变化， 将这种变化输入对应的分类识别模型中得到更准 确的识别结果， 有效避免匹配值相近的识别结果。 0085 在图3中， 由于待识别对象的特性， 在高光强度的条件下， 识别得到特征信息C1的 光斑数量和特征信息C2的光斑强度都高于在低光强度条件下识别得到的特征信息C3中包含 的光斑数量和特征信息C4的光斑强度。 因此， 可以计算光斑数量变化量 C和光斑强度变化 量C： 说明书 5/12 页 8 CN 109886092 A 8

30、0086 C|C1-C3|； 0087 C|C2-C4|。 0088 分类识别模型得到上述光斑数量变化量 C和光斑强度变化量C后进行识别， 得 到若干匹配值。 在图4中， 由于待识别对象的特性， 红富士苹果的光斑数量变化量 C和光斑 强度变化量C都明显小于花牛苹果的光斑数量变化量 C和光斑强度变化量C。 0089 在上述过程中， 为了得到不同光照条件下的光斑数量变化量 C和光斑强度变化量 C作为特征信息C的信息内容， 本发明还需要改变当前识别场景的光照条件， 识别设备或 者用户可以通过调节光源的光照或者通过LED闪光灯获得瞬时的高强度光照环境以便于相 应设备采集在高强度光照条件下待识别对象的图

31、片。 当然， 如果对应分类识别模型是适应 高强度光照条件下的分类识别模型， 可以仅采集在高强度光照条件下的待识别对象的图 片， 而不需要计算变化量， 可以减少数据采集量和数据处理量。 0090 为了得到上述在不同光照条件下， 即适应不同光照信息的分类识别模型， 本实施 例提供了相应的技术方案。 请参考图6， 图6是利用本发明的方法根据光照信息训练对应分 类识别模型的方法流程图。 所述分类识别模型通过以下步骤训练得到： 0091 步骤S61： 采集样本的原始图像和对应采集场景的光照信息。 0092 在上述过程中， 可以通过光线传感器采集用于训练的样本所在场景的光照信息， 通过摄像头采集样本的原始

32、图像用于后续的分类识别模型训练。 0093 步骤S62： 提取所述原始图像中用于匹配的特征。 0094 在本实施例中， 在原始图像中的各个部分通过扫描确定图像中的特征， 并取相应 特征信息。 为了更好定位待识别对象， 还可以在待识别对象的放置区域， 设置辅助识别的标 记， 例如是位置框、 定位点等标记。 设置辅助识别标记也能便于在原始图像、 待识别对象的 图像中， 快速准确地提取特征， 尤其是反映轮廓的特征信息和反映颜色的特征信息。 值得注 意的是， 本发明的方法也可以使用于当所述待识别对象是具有固定包装的商品的识别场景 中， 此时特征信息可以是商品包装的轮廓或关键字词、 条形码、 二维码等文

33、本信息。 0095 步骤S63： 获取所述样本的分类信息。 0096 样本的分类信息一般是指样本的名称或种类， 一般在购物等商品识别场景中是指 能唯一确定待识别对象的名称或者识别编号。 以生鲜水果为例， 待识别对象的分类信息可 以是编号 “A001” 也可以是 “花牛苹果” 。 当待识别对象在相应的识别场景中仅有一种时， 例 如是只有一种苹果时， 那么分类信息可以是 “苹果” ， 以简化输出分类信息的数据量， 也便于 后续辨识。 0097 步骤S64： 将所述特征、 分类信息以及光照信息关联并构建对应当前场景的分类识 别模型。 0098 将前述特征、 分类信息以及当前光照条件对应的光照信息之间

34、建立映射关系， 相 互关联的特征、 分类信息以及光照信息构建得到对应当前场景的分类识别模型。 其中， 当前 场景是指当前训练环境下的光照条件。 当然， 在其他可能影响到识别的场景中， 环境的因素 也可以作为训练时需要考虑的场景信息， 作为训练、 选择分类识别模型的参数。 0099 在一些情况下， 待识别对象的放置位置、 放置角度并不是规整的， 并且对于特定的 待识别对象可能在多个角度或者在立体的状态下具有更便于识别的特征信息。 为了解决在 上述情况下待识别对象的识别问题， 本发明推出一种技术方案， 过三维成像以所述对象为 说明书 6/12 页 9 CN 109886092 A 9 中心围绕拍摄

35、得到待识别的对象的全角度图片。 其中的三维成像技术通过以待识别对象为 中心， 采集待识别对象全角度的图像信息。 三维成像的过程中可以采用旋转连续的拍摄方 式得到相应的图片， 还可以采用在一个圆周上均等的三点布设摄像头采集待识别对象的图 片。 除此之外， 还可以通过红外传感器采集待识别对象的三维轮廓的特征信息， 相对于平面 的图像的轮廓， 三维轮廓的特征信息更能体现待识别对象的轮廓。 0100 相应地， 在训练所述分类识别模型的过程中， 所采集的原始图片为通过三维成像 以样本为中心采集样本得到原始图像。 同时为了能够识别三维轮廓特征信息， 在训练分类 识别模型时还可以通过在圆周等分的三点布设散点

36、红外发射端和接收器， 获取样本的三维 轮廓特征信息。 0101 在本发明常用的使用场景中， 例如是在超市购物的过程中， 某些商品是不是按照 重量计价的， 而是按照数量计算价格的场景。 请参考图7， 图7是利用本发明的方法根据数量 识别模型得到数量信息的方法流程图。 对此， 本发明还提出一种技术方案， 所述对象识别方 法中， 步骤S13将所述特征信息输入到预先训练的分类识别模型中， 识别得到所述对象的分 类包括： 0102 步骤S71： 将所述特征信息输入数量识别模型中， 识别得到所述对象的数量信息。 0103 请辅助参考填图8， 图8是利用本发明的方法其中一个对象识别得到数量信息的过 程示意图

37、。 图8中展示的待识别对象为两个红富士苹果， 在提取特征信息时， 提取得到轮廓 的特征信息I， 提取得到的轮廓的特征信息I中包括交叠的圆形轮廓。 将特征信息I输入数量 识别模型中， 识别得到交叠的圆形轮廓有两个， 相应输出数量信息为 “2” 。 0104 步骤S72： 将所述特征信息输入到预先训练的分类识别模型中， 识别得到所述对象 的分类。 0105 将轮廓特征信息、 颜色特征信息等特征信息输入到分类识别模型中就可以得到待 识别对象的分类， 具体的步骤可以参考上述识别过程。 0106 步骤S73： 将所述数量信息和当前待识别的对象关联， 与所述标定信息同步输出数 量信息。 0107 在输出上

38、述标定信息的同时可以同步展示数量信息， 例如输出 “红富士苹果2个” 。 在一些场景中， 还可以结合用户的支付场景， 用户将待识别对象放置在指定区域后， 获取得 到待识别对象的标定信息和数量信息。 标定信息和数量信息可以记录在用户的账户中等待 结算， 或者可以生成二维码、 价格标签等便于后续计价的实体结算工具。 0108 本实施例还提供另一种对象的数量识别的过程展示， 请参考图9， 图9是利用本发 明的方法另一对象识别得到数量信息的过程示意图。 图9中待识别对象是一堆4个的带叶橙 子， 通过提取特征信息得到特征信息J为若干重叠的圆形轮廓图形。 将特征信息J输入数量 识别模型中， 得到数量信息为

39、 “4” 。 在一些场景中， 可能由于待识别对象的堆叠、 遮挡， 识别 得到的特征信息不准确， 还可以采集多个角度待识别对象的图片， 通过多角度的特征信息 得到的数量信息进行比较和分析， 得到准确的数量信息。 例如是通过分层分析或者分区域 识别等方法， 一定程度降低待识别对象堆叠、 遮挡带来的影响。 0109 上述的对象识别方法可以应用在对象识别装置上， 请参考图10， 图10是本发明提 供的一种对象识别装置的装置结构示意图。 一种对象识别装置， 包括： 0110 处理器101； 说明书 7/12 页 10 CN 109886092 A 10 0111 用于存储处理器可执行指令的存储器102；

40、 0112 采集置于所述对象识别装置中待识别对象的图片， 并将所述图片发送于处理器的 摄像头103； 0113 其中， 所述处理器被配置为执行上述任一技术方案中所述对象识别方法的步骤。 0114 为了更好地展示上述对象识别装置的具体结构， 请参考图11， 图11是本发明提供 的一种对象识别装置的装置结构正视图。 本发明中提供一种对象识别装置对象识别台 110， 用于识别待识别对象并得到标定信息， 包括： 0115 集合处理器101和存储器102功能的计算机设备111， 计算机设备111设置在对象识 别台110的底部； 0116 用于采集待识别对象的图片的摄像头113， 摄像头113通过连接架1

41、12连接到对象 识别台110的主体上， 摄像头113可以通过内置与连接架112的数据线与计算机设备111进行 数据传输； 0117 用于承托待识别对象的承托平台114。 0118 以用户在购物场景中为例， 用户在承托平台114上放置5根香蕉， 用户可通过手机 终端或客户端、 对象识别台110的操作界面向计算机设备111中的处理器发出执行上述对象 识别方法的步骤。 计算机设备111向摄像头113发出采集待识别对象的指令， 摄像头113将采 集得到待识别对象的图片发送至计算机设备111， 处理器相应提取图片中特征信息， 例如是 颜色特征信息、 轮廓特征信息， 并将特征信息输入内置在处理器的分类识别

42、模型中， 分类识 别模型通过识别得到待识别对象的分类。 处理器根据待识别对象的分类对象对应关系列表 中识别的到待识别对象的标定信息是 “香蕉” 。 0119 为了获得待识别对象的计量信息， 对象识别台110还包括向所述处理器发送待识 别对象的计量信息的称重设备。 在本实施例中提供的对象识别台110中， 称重设备与承托平 台114一体成型， 使承托平台114具有称重的功能。 其中， 计量信息是指待识别对象的重量、 质量、 个数等用于计量的信息。 当需要识别待识别对象的数量时， 可以关闭称重设备， 承托 平台114承托待识别对象， 并可以通过标识在承托平台114表面的标识， 定位待识别对象。 在

43、上述例子中， 待识别对象 “香蕉” 可以通过承托平台114称重得到重量信息， 处理器还可以通 过 “香蕉” 的标定信息获取对应的单价进行计价。 0120 为了便于摄像头113能采集待识别对象的多角度图片， 所示对象识别台110还包括 供所述摄像头113移动的滑轨(未示出)， 所述处理器控制摄像头113在滑轨上的移动。 当然， 在图11出示的对象识别台110可以通过连接架112移动带动摄像头113的移动。 为了获取当 前识别场景的光照信息， 在摄像头113的背侧还设有光线传感器115。 0121 本实施例还提供另一种对象识别装置， 请参考图12是本发明提供的另一种对象识 别装置的装置结构正视图。

44、 本发明中提供一种对象识别装置对象识别柜120， 包括： 0122 集合处理器101和存储器102功能的计算机设备121， 计算机设备121设置在对象识 别台120的底部； 0123 用于采集待识别对象的图片的摄像头122， 摄像头122可以通过无线数据传输方式 与计算机设备121进行数据传输。 摄像头122通过在滑轨125上移动实现滑动， 进而实现待识 别对象的图片的多角度采集； 0124 用于承托待识别对象的承托平台126； 说明书 8/12 页 11 CN 109886092 A 11 0125 用于盖合形成封闭区域的柜门123。 0126 在一些应用场景中， 柜门123可以触动点动开关

45、或者传感器， 处理器可以开始执行 上述识别对象方法的相关步骤。 更进一步， 还可以进一步在上述对象识别柜120中设置打包 装置， 避免待识别对象的数量发生改变。 这一技术方案可以应用在购物场景中， 一定程度避 免已经经过计量的待识别对象出现数量变化。 0127 为了降低设备的制造成本， 摄像头122可以替换为安置手机的支架， 用户可以将手 机放置在支架上， 支架可以在处理器的控制下在滑轨125上滑动， 采集得到的标定信息可以 通过手机内置客户端或者手机与计算机设备121之间的数据传输而交互。 这种技术方案可 以适用于一些新零售或者智慧超市、 无人超市的场景中。 更进一步， 手机上的闪光灯也可以

46、 改变当前识别场景的光照条件， 改变所采集的特征信息。 手机上的其他传感器， 例如红外发 射和接收传感器， 还可以辅助采集待识别对象的三维特征信息。 分类识别模型和对象对应 关系列表等数据可以保存在云端数据库中， 服务器也可以执行上述方法， 将标定信息向手 机等用户终端或客户端下发。 0128 本发明实施例还提供了一种终端设备， 如图13所示， 为了便于说明， 仅示出了与本 发明实施例相关的部分， 具体技术细节未揭示的， 请参照本发明实施例方法部分。 该终端可 以为包括手机、 平板电脑、 PDA(Personal Digital Assistant， 个人数字助理)、 POS(Point of

47、 Sales， 销售终端)、 车载电脑等任意终端设备， 以终端为手机为例： 0129 图13示出的是与本发明实施例提供的终端相关的手机的部分结构的框图。 参考图 13， 手机包括： 射频(Radio Frequency， RF)电路1310、 存储器1320、 输入单元1330、 显示单元 1340、 传感器1350、 音频电路1360、 无线保真(wireless fidelity， WiFi)模块1370、 处理器 1380、 以及电源1390等部件。 本领域技术人员可以理解， 图13中示出的手机结构并不构成对 手机的限定， 可以包括比图示更多或更少的部件， 或者组合某些部件， 或者不同的

48、部件布 置。 0130 下面结合图13对手机的各个构成部件进行具体的介绍： 0131 RF电路1310可用于收发信息或通话过程中， 信号的接收和发送， 特别地， 将基站的 下行信息接收后， 给处理器1380处理； 另外， 将设计上行的数据发送给基站。 通常， RF电路 1310包括但不限于天线、 至少一个放大器、 收发信机、 耦合器、 低噪声放大器(Low Noise Amplifier， LNA)、 双工器等。 此外， RF电路1310还可以通过无线通信与网络和其他设备通 信。 上述无线通信可以使用任一通信标准或协议， 包括但不限于全球移动通讯系统(Global System of Mobi

49、le communication， GSM)、 通用分组无线服务(General Packet Radio Service， GPRS)、 码分多址(Code Division Multiple Access， CDMA)、 宽带码分多址 (Wideband Code Division Multiple Access,WCDMA)、 长期演进(Long Term Evolution， LTE)、 电子邮件、 短消息服务(Short Messaging Service， SMS)等。 0132 存储器1320可用于存储软件程序以及模块， 处理器1380通过运行存储在存储器 1320的软件程序以及

50、模块， 从而执行手机的各种功能应用以及数据处理。 存储器1320可主 要包括存储程序区和存储数据区， 其中， 存储程序区可存储操作系统、 至少一个功能所需的 应用程序(比如声音播放功能、 图像播放功能等)等； 存储数据区可存储根据手机的使用所 创建的数据(比如音频数据、 电话本等)等。 此外， 存储器1320可以包括高速随机存取存储 器， 还可以包括非易失性存储器， 例如至少一个磁盘存储器件、 闪存器件、 或其他易失性固 说明书 9/12 页 12 CN 109886092 A 12 态存储器件。 0133 输入单元1330可用于接收输入的数字或字符信息， 以及产生与手机的用户设置以 及功能控