论文部分内容阅读
超市由于其便利性逐渐成为人们日常生活中购物的重要选择。超市的核心是商品,商品的状态是超市运行情况的直接反映。为了掌握商品的销售情况以及给消费者提供良好的购物体验,超市管理人员需要经常核对盘点货架上商品的信息。而超市现有的获取商品信息的方法大都是根据商品信息的存储查询管理软件,并且需要超市管理人员辅助提供大量的信息。这种商品信息获取方法存在很多的缺点,比如需要大量的劳动力、不能及时更新商品信息等。因此需要研究更为方便快捷的获取超市商品信息的方法,以便更为方便及时的提供商品信息。 针对传统的货架商品信息获取方法的不足,本文研究了机器学习和计算机视觉相关技术在货架商品检测上的应用,并设计和实现了一种能智能快速地获得货架上摆放商品的信息的货架商品检测方法。 本文首先研究了最新的深度学习物体检测网络结构Faster R-CNN和SSD在货架商品检测上的应用,然后针对Faster R-CNN和SSD在货架层数很多且商品很多的货架图像上商品检测结果比较差的问题,设计和实现了一种基于分治策略的货架商品检测方法。首先根据Canny边缘检测结果的垂直投影直方图对货架图像进行分层分割,然后根据BRISK特征密度分布对单层的货架图像进行分割,得到一个个商品图像块,最后再通过Faster R-CNN和SSD物体检测模型进行检测。通过对真实场景下的洗发水商品图像进行测试,本文提出的方法在7类洗发水商品上的检测准确率为94%。