基于深度学习的商品检测算法研究
发布时间：2021-08-16 12:17
无人超市消费便利、方便高效,逐渐成为一种新兴的购物方式。与传统超市的自助扫码结算方式不同,无人超市的结算过程发生在购物动作结束的同时,更加快捷。因此,准确检测出无人超市环境下购物过程中的商品信息对于实时掌握商品销售情况、提供更好的客户购物体验等都至关重要。根据普通人的购物习惯,通过对手部所持商品进行检测,即可实现对客户购物情况等信息的获取。本文基于计算机视觉技术和深度学习理论,从多目标商品检测、单目标背景下的手持商品识别和多目标背景下的手持商品检测等方面进行了研究,主要研究内容如下:1.针对目前缺乏多目标背景下的手持商品检测数据集的问题,本文以模拟的无人超市商品货架为背景,10种商品为检测目标,构建了同时包含彩色图像和深度图像的数据集,适用于多目标商品检测和多目标背景下的手持商品检测。2.研究了深度学习目标检测结构Faster R-CNN,构建了多目标商品检测模型。针对Kinect人体关键点检测方法在身体发生遮挡时容易产生骨架错乱的现象,研究了基于CPMs模型的人体关键点检测方法,通过获取图像的纹理信息和关节点置信图的空间信息得到关节点位置,为实现手持商品检测模型提供支持。3.针对单目...
【文章来源】：西安建筑科技大学陕西省
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
0类商品实例示例
西安建筑科技大学硕士学位论文15GrabCutCropandResize样本贴图图2.6训练数据构建流程1）原始样本采集从不同角度对图2.5所示的10种常见饮品实例进行拍摄获得视频数据。相关拍摄情况如下：(1)摄像头在距离目标对象1米的距离进行拍摄；(2)摄像机分别从平视、俯视45°和仰视45°的角度进行拍摄；(3)摄像机的每个角度都分别对目标的0°(以商品正面商标为0°)到180°进行拍摄，之后掉转目标方向再拍摄一次。由于在视频拍摄过程中允许商品产生运动，因此对视频进行抽帧操作后提取出的图像中同时包含有清晰和模糊的图像。采集的原始样本图像如图2.7所示。图2.7原始样本图像示例最终抽取出的图像中，每个类别商品大约36张左右，包含有目标对象的各个角度。10类商品共获得324张原始图像，采用labelImg[50]将原始图像标注为VOC2007[51]格式，得到包含位置和类别信息的标注文件。2）目标对象分割在进行样本图像贴图之前，需要对粘贴的目标对象进行分割，本文采用GrabCut[52]算法对目标图像进行分割。GrabCut是图像分割的常用算法，是GraphCut算法[53]的改进。该算法利用图
西安建筑科技大学硕士学位论文16像中的纹理(颜色)信息和边界(反差)信息来区分前景和背景，算法思想是将整幅图像映射为s-t网络图，如图2.8所示，图中的源点和分别指前景和背景的终点。图2.8s-t网络图可根据人为画框的方式选定前景和背景范围，即进行算法初始化操作。之后分别构建前景和背景的高斯混合模型，并采用-均值聚类[54]进行初始化操作。通过计算各相邻节点之间的距离获得分割的能量权重值，构造未知区的s-t网络图，最后以最大流-最小割算法进行切分。GrabCut算法通过不断更新和修正高斯混合模型参数使之趋于收敛来实现分割，即使Gibbs能量函数[55]逐渐减少，最终收敛。在本文中，使用标注数据中的位置信息进行初始化。对原始样本图像进行分割后得到如图2.9所示样本前景图像及其对应的mask图像。(a)前景图像(b)mask图2.9样本前景图像及其对应的mask图像3)样本图像贴图在保留前景图像和对应mask图像不同大小的原尺寸情况下，对前景图像及其对应的mask图像同时进行缩放，缩放规则为分别缩放到短边长为15像素、30像素、60像素和100像素。基于上面生成的各尺寸的前景样本图像及其对应的mask图像，我们随机选取
【参考文献】：
期刊论文
[1]基于区域分割的混合地震预测算法[J]. 周天祥,董红斌,周雯. 计算机工程. 2019(09)
[2]基于最优k均值聚类的时空动态背景模型[J]. 舒浩浩,陈盛双,李石君. 小型微型计算机系统. 2019(02)
[3]基于自动种子区域生长的超声B图像缺陷分割方法[J]. 倪豪,郑慧峰,王月兵,呼刘晨,曹永刚,张凯. 计量学报. 2018(06)
[4]融合深度信息的Grabcut自动图像分割[J]. 刘辉,石小龙,漆坤元,左星. 小型微型计算机系统. 2018(10)
[5]改进的基于深度学习的遥感图像分类算法[J]. 王鑫,李可,徐明君,宁晨. 计算机应用. 2019(02)
[6]Faster R-CNN在工业CT图像缺陷检测中的应用[J]. 常海涛,苟军年,李晓梅. 中国图象图形学报. 2018(07)
[7]基于SAD算法的立体匹配的实现[J]. 岳陈平,孟丽娅. 微型机与应用. 2013(06)
[8]一种基于边缘与区域信息的先验水平集图像分割方法[J]. 王斌,李洁,高新波. 计算机学报. 2012(05)
[9]基于分裂合并法和Ncut法的图像分割[J]. 邵健萍,陈丽芳. 江南大学学报(自然科学版). 2011(05)
[10]一种基于区域Gibbs势能函数的视频运动对象分割算法[J]. 包红强,张兆扬. 通信学报. 2005(06)
博士论文
[1]基于数据挖掘方法的长春地区40岁以上人群2型糖尿病非侵入性风险评分研究[D]. 刘玉佳.吉林大学 2018
[2]基于特征学习的无约束环境下的人脸识别研究[D]. 田雷.北京邮电大学 2018
[3]视觉显著性计算及其应用研究[D]. 杨军.华南理工大学 2014
硕士论文
[1]基于深度学习的变电设备图像特征提取[D]. 陈旭.南京邮电大学 2018
[2]基于复合神经网络的开放域问题分类方法研究与实现[D]. 周忠诚.国防科学技术大学 2017
[3]基于多特征融合的商品图像分类[D]. 余健.西南交通大学 2013
[4]基于数据挖掘的复杂仿真数据分析方法研究[D]. 田萌.哈尔滨工业大学 2010
本文编号：3345657
【文章来源】：西安建筑科技大学陕西省
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
0类商品实例示例
西安建筑科技大学硕士学位论文15GrabCutCropandResize样本贴图图2.6训练数据构建流程1）原始样本采集从不同角度对图2.5所示的10种常见饮品实例进行拍摄获得视频数据。相关拍摄情况如下：(1)摄像头在距离目标对象1米的距离进行拍摄；(2)摄像机分别从平视、俯视45°和仰视45°的角度进行拍摄；(3)摄像机的每个角度都分别对目标的0°(以商品正面商标为0°)到180°进行拍摄，之后掉转目标方向再拍摄一次。由于在视频拍摄过程中允许商品产生运动，因此对视频进行抽帧操作后提取出的图像中同时包含有清晰和模糊的图像。采集的原始样本图像如图2.7所示。图2.7原始样本图像示例最终抽取出的图像中，每个类别商品大约36张左右，包含有目标对象的各个角度。10类商品共获得324张原始图像，采用labelImg[50]将原始图像标注为VOC2007[51]格式，得到包含位置和类别信息的标注文件。2）目标对象分割在进行样本图像贴图之前，需要对粘贴的目标对象进行分割，本文采用GrabCut[52]算法对目标图像进行分割。GrabCut是图像分割的常用算法，是GraphCut算法[53]的改进。该算法利用图
西安建筑科技大学硕士学位论文16像中的纹理(颜色)信息和边界(反差)信息来区分前景和背景，算法思想是将整幅图像映射为s-t网络图，如图2.8所示，图中的源点和分别指前景和背景的终点。图2.8s-t网络图可根据人为画框的方式选定前景和背景范围，即进行算法初始化操作。之后分别构建前景和背景的高斯混合模型，并采用-均值聚类[54]进行初始化操作。通过计算各相邻节点之间的距离获得分割的能量权重值，构造未知区的s-t网络图，最后以最大流-最小割算法进行切分。GrabCut算法通过不断更新和修正高斯混合模型参数使之趋于收敛来实现分割，即使Gibbs能量函数[55]逐渐减少，最终收敛。在本文中，使用标注数据中的位置信息进行初始化。对原始样本图像进行分割后得到如图2.9所示样本前景图像及其对应的mask图像。(a)前景图像(b)mask图2.9样本前景图像及其对应的mask图像3)样本图像贴图在保留前景图像和对应mask图像不同大小的原尺寸情况下，对前景图像及其对应的mask图像同时进行缩放，缩放规则为分别缩放到短边长为15像素、30像素、60像素和100像素。基于上面生成的各尺寸的前景样本图像及其对应的mask图像，我们随机选取
【参考文献】：
期刊论文
[1]基于区域分割的混合地震预测算法[J]. 周天祥,董红斌,周雯. 计算机工程. 2019(09)
[2]基于最优k均值聚类的时空动态背景模型[J]. 舒浩浩,陈盛双,李石君. 小型微型计算机系统. 2019(02)
[3]基于自动种子区域生长的超声B图像缺陷分割方法[J]. 倪豪,郑慧峰,王月兵,呼刘晨,曹永刚,张凯. 计量学报. 2018(06)
[4]融合深度信息的Grabcut自动图像分割[J]. 刘辉,石小龙,漆坤元,左星. 小型微型计算机系统. 2018(10)
[5]改进的基于深度学习的遥感图像分类算法[J]. 王鑫,李可,徐明君,宁晨. 计算机应用. 2019(02)
[6]Faster R-CNN在工业CT图像缺陷检测中的应用[J]. 常海涛,苟军年,李晓梅. 中国图象图形学报. 2018(07)
[7]基于SAD算法的立体匹配的实现[J]. 岳陈平,孟丽娅. 微型机与应用. 2013(06)
[8]一种基于边缘与区域信息的先验水平集图像分割方法[J]. 王斌,李洁,高新波. 计算机学报. 2012(05)
[9]基于分裂合并法和Ncut法的图像分割[J]. 邵健萍,陈丽芳. 江南大学学报(自然科学版). 2011(05)
[10]一种基于区域Gibbs势能函数的视频运动对象分割算法[J]. 包红强,张兆扬. 通信学报. 2005(06)
博士论文
[1]基于数据挖掘方法的长春地区40岁以上人群2型糖尿病非侵入性风险评分研究[D]. 刘玉佳.吉林大学 2018
[2]基于特征学习的无约束环境下的人脸识别研究[D]. 田雷.北京邮电大学 2018
[3]视觉显著性计算及其应用研究[D]. 杨军.华南理工大学 2014
硕士论文
[1]基于深度学习的变电设备图像特征提取[D]. 陈旭.南京邮电大学 2018
[2]基于复合神经网络的开放域问题分类方法研究与实现[D]. 周忠诚.国防科学技术大学 2017
[3]基于多特征融合的商品图像分类[D]. 余健.西南交通大学 2013
[4]基于数据挖掘的复杂仿真数据分析方法研究[D]. 田萌.哈尔滨工业大学 2010
本文编号：3345657
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3345657.html
最近更新
教材专著
