无人零售|商品图像识别之实现目标体分类识别的基础阐释_商业场景的目标识别

无人零售门店的出现加速了商品的高效流通，提高了人们生活质量，也促进了社会的发展。现今社会人工成本日渐高昂，商品图像的自动识别成为保障商品高效流通的重要技术之一。

为了抓住消费者的眼球并保证商品的高辨识度，零售企业的生产设计师会设计出各式各样的商品包装，力求为商品包装的形状、颜色、字符都赋予丰富的图像特征。如何从原始图像中，提取具有较强表示能力的图像特征，一直是智能图像处理的一个研究热点，包括了颜色特征、形状特征、纹理特征、点特征和语义特征等。

1、颜色特征

商品包装上的丰富颜色，给消费者强烈的视觉冲击。颜色是最直观的一种视觉特征，每一种物体都有其固有的颜色特征，不同种类的物体的颜色特征可能会有大不同，而同种物体的颜色特征相接近近。为了适用不同的应用需求和场景，颜色被放在不同的空间中度量，在不同空间，颜色的表述是不一样的。

2、形状特征

依据商品本身性质和运输等方面的考量，商品包装的规格是不尽相同的，比如饮料一般是瓶装和罐装、奶制品一般是盒装、部分零食是袋装、泡面一般是桶装等等，所以商品的形状非常多样。在数字图像处理中，商品图像的形状特征一般包括区域和轮廓边界特征。

3、纹理特征

纹理是一种十分复杂的图像特征，从视觉的角度来看，图像纹理在局部区域表现出不规则性，但是在整体上则呈现出某种有规律性或者周期性。纹理可分为自然纹理和人工纹理，前者比如沙滩、森林和草地等，后者比如帆布、线条等。

4、点特征

从商品图像中选取某些关键点，以这些局部特征点对图像进行分析，而非观察整幅图像。只要图像中有足够多可检测的关键点，并且这些特征点各不相同且特征稳定，能被精确地定位，那么就可以更好地识别物体。以关键点作为特征，属于局部特征。在物体识别领域，与全局特征相比能更好地描述和匹配图像。

5、语义特征

语义特征是建立在人类对图像所描述的对象或者事件的语义理解以及表达的情感等内容的基础上的高层特征，必须借助人们积累的经验和知识进行理解和判断。许多学者对基于区域和目标对象的高层图像语义特征进行研究，试图由底层视觉特征得到高层语义，从而可以使用高层语义特征来进行图像挖掘、检索。

人工智能作为当今热门的研究方向之一，专门研究让机器分析人类活动产生的经验和数据，不断学习到新的知识或者能力，并且为代替人类完成某项工作。国内一流的人工智能技术服务平台图普科技为零售行业的上下游产业链进行整体赋能，提升行业效率，帮助更多的传统零售商实现创新升级，促进零售业的智慧化发展。更多相关信息，可到官网了解。