一种卷烟烟包的识别方法及装置与流程

1.本技术涉及图像识别技术领域，更具体地，涉及一种卷烟烟包的识别方法及装置。


背景技术：

2.在烟草营销管理中，经常需要对收集得到的包含卷烟的图片数据进行卷烟的识别和分类处理，以便统计烟草营销活动的效果。目前该过程主要依赖于人工进行分类和统计，所涉及的劳动力成本较高，且正确率依赖于工作人员的技术熟练程度、疲劳程度、专注度等不可靠因素，容易出现统计错误。


技术实现要素：

3.本技术提供一种卷烟烟包的识别方法及装置，自动对包含卷烟烟包的图像进行处理，从而获得卷烟烟包的品牌分类结果，避免分类结果受人工因素的干扰，提高了烟草信息处理的准确率和效率，降低了劳动力成本。
4.本技术提供了一种卷烟烟包的识别方法，包括如下步骤：
5.对第一图像进行预处理，获得第二图像；其中，第一图像和第二图像至少包括与卷烟烟包对应的图像区域；
6.从第二图像中提取目标对象；
7.对目标对象进行分类，将分类结果作为卷烟烟包所属的烟草品牌类别。
8.优选地，对第一图像进行预处理，包括对第一图像进行线性滤波，获得第三图像，将第三图像作为第二图像。
9.优选地，对第一图像进行预处理，还包括采用逆滤波技术对第三图像进行图像修复与增强，获得第二图像。
10.优选地，从第二图像中提取目标对象，具体包括：
11.对第二图像进行边缘检测，获得边缘线段上的点；
12.将所有边缘线段上的点依次连接起来，形成至少一个封闭的连通域，将每个连通域作为一个对象；
13.对所有对象的矩形度进行排序，将矩形度最大的对象对应的连通域作为目标区域；
14.将目标区域从第二图像中分割出来，作为目标对象。
15.优选地，计算对象的矩形度包括如下步骤：
16.计算对象对应的连通域的面积，作为第一面积；
17.计算对象对应的连通域的最小外接矩形的面积，作为第二面积；
18.将第一面积和第二面积的比值作为对象的矩形度。
19.优选地，基于梯度进行边缘检测。
20.优选地，对目标对象进行分类，将分类结果作为卷烟烟包所属的烟草品牌类别，具体包括：
21.将目标对象输入最大似然分类器，获得目标对象与已知的各个烟草品牌类别的相似度；
22.将相似度最大的烟草品牌类别作为分类结果，作为卷烟烟包所属的烟草品牌类别。
23.本技术还提供一种卷烟烟包的识别装置，包括预处理模块、目标对象提取模块以及分类模块；
24.预处理模块用于对第一图像进行预处理，获得第二图像；其中，第一图像和第二图像至少包括与卷烟烟包对应的图像区域；
25.目标对象提取模块用于从第二图像中提取目标对象；
26.分类模块用于对目标对象进行分类，将分类结果作为卷烟烟包所属的烟草品牌类别。
27.优选地，目标对象提取模块包括边缘检测模块、对象获得模块、目标区域确定模块以及分割模块；
28.边缘检测模块用于对第二图像进行边缘检测，获得边缘线段上的点；
29.对象获得模块用于将所有边缘线段上的点依次连接起来，形成至少一个封闭的连通域，将每个连通域作为一个对象；
30.目标区域确定模块用于对所有对象的矩形度进行排序，将矩形度最大的对象对应的连通域作为目标区域；
31.分割模块用于将目标区域从第二图像中分割出来，作为目标对象。
32.优选地，目标区域确定模块包括第一面积计算模块、第二面积计算模块以及矩形度计算模块；
33.第一面积计算模块用于计算对象对应的连通域的面积，作为第一面积；
34.第二面积计算模块用于计算对象对应的连通域的最小外接矩形的面积，作为第二面积；
35.矩形度计算模块用于将第一面积和第二面积的比值作为对象的矩形度。
36.优选地，基于梯度进行边缘检测。
37.优选地，分类模块包括相似度获得模块以及比较模块；
38.相似度获得模块用于将目标对象输入最大似然分类器，获得目标对象与已知的各个烟草品牌类别的相似度；
39.比较模块用于将相似度最大的烟草品牌类别作为分类结果，作为卷烟烟包所属的烟草品牌类别。
40.通过以下参照附图对本技术的示例性实施例的详细描述，本技术的其它特征及其优点将会变得清楚。
附图说明
41.被结合在说明书中并构成说明书的一部分的附图示出了本技术的实施例，并且连同其说明一起用于解释本技术的原理。
42.图1为本技术提供的卷烟烟包的识别方法的流程图；
43.图2为本技术提供的提取目标对象的流程图；
44.图3为本技术提供的对象的最小外接矩形的示意图；
45.图4为本技术提供的卷烟烟包的识别装置的结构图；
46.图5为本技术提供的目标区域确定模块的结构图。
具体实施方式
47.现在将参照附图来详细描述本技术的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本技术的范围。
48.以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本技术及其应用或使用的任何限制。
49.对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，技术、方法和设备应当被视为说明书的一部分。
50.在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。
51.本技术提供一种卷烟烟包的识别方法及装置，自动对包含卷烟烟包的图像进行处理，从而获得卷烟烟包的品牌分类结果，避免分类结果受人工因素的干扰，提高了烟草信息处理的准确率和效率，降低了劳动力成本。
52.实施例一
53.如图1所示，本技术提供的卷烟烟包的识别方法包括如下步骤：
54.s110：对第一图像进行预处理，获得第二图像；其中，第一图像和第二图像至少包括与卷烟烟包对应的图像区域。
55.优选地，第一图像中只有一个卷烟烟包的图像区域。
56.可以理解地，对卷烟烟包进行拍照时，不可避免地会采集到卷烟烟包所处的环境中的其他事物，因此，第一图像中不仅包括与卷烟烟包对应的图像区域，还可能包括其所处环境中的其他事物的图像区域。
57.具体地，作为一个实施例，对第一图像进行预处理可以包括对第一图像进行线性滤波，获得第三图像，将第三图像作为第二图像。
58.具体地，可以采用维纳滤波器对第一图像进行线性滤波，在尽可能地降低噪声信号的同时恢复有用信号。
59.在一个优选的实施例中，在线性滤波后，还采用逆滤波技术对第三图像进行图像修复与增强，以获得第二图像。
60.具体地，作为一个实施例，采用点扩散函数的解析模型对第三图像中由于环境光照闪动所造成的模糊进行去卷积操作，从而对第三图像进行修复和增强。
61.s120：从第二图像中提取目标对象。在后续的识别过程中仅仅针对该目标对象进行分类识别，相对于对整个第二图像进行分类识别，本技术减少了识别时的搜索范围，提高了工作效率。
62.具体地，如图2所示，从第二图像中提取目标对象，具体包括：
63.s1201：对第二图像进行边缘检测，获得边缘线段上的点。
64.具体地，基于梯度进行边缘检测，通过计算每个像素点的梯度值，判断该像素是否
为梯度值最大的点。如果是，则该点为边缘线段上的一个点。
65.s1202：将所有边缘线段上的点依次连接起来，形成至少一个封闭的连通域，将每个连通域作为一个对象，由此获得第二图像的对象集o＝{o1,o2,
…
,on}，其中n为从第二图像中检测出来的具有4连通或8连通属性的对象的个数。
66.s1203：对所有对象的矩形度进行排序，将矩形度最大的对象对应的连通域作为目标区域。
67.具体地，计算对象的矩形度包括如下步骤：
68.p1：计算对象对应的连通域的面积，作为第一面积ai。
69.每个对象oi(1≤i《n),通过统计该对象对应的连通域内像素点的个数，将该连通域内像素点的个数作为该对象的第一面积ai。
70.具体地，对于具有4连通属性的对象，先从区域内任意一点出发，采用上、下、左、右四个方向逐像素移动的方式统计连通域内像素点的个数；对于具有8连通属性的对象，采用上、下、左、右、左上、右上、左下、右下八个方向逐像素移动的方式统计连通域内像素点的个数。
71.p2：对象对应的连通域的最小外接矩形的面积，作为第二面积a
′i。
72.具体地，，计算与对象oi对应的连通域的每一条边存在共线的外接矩形(如图3所示)的面积并排序，取其中的最小值作为第二面积a
′i。
73.p3：将第一面积ai和第二面积a
′i的比值作为对象的矩形度r，即
[0074][0075]
获得每个对象的矩形度后，将矩形度最大的对象对应的连通域作为目标区域。由于卷烟烟包为矩形，因此，矩形度越大，对象的外形越接近矩形，因此，矩形度最大的对象对应的连通域是第二图像中的卷烟烟包的图像区域的概率最大。
[0076]
s1204：将目标区域从第二图像中分割出来，作为目标对象。
[0077]
s130：对目标对象进行分类，将分类结果作为卷烟烟包所属的烟草品牌类别。
[0078]
具体地，作为一个实施例，对目标对象进行分类，将分类结果作为卷烟烟包所属的烟草品牌类别，具体包括：
[0079]
s1301：将目标对象输入最大似然分类器，获得目标对象与最大似然分类器中已知的各个烟草品牌类别的相似度。
[0080]
s1302：将相似度最大的烟草品牌类别作为分类结果，作为卷烟烟包所属的烟草品牌类别。
[0081]
实施例二
[0082]
基于上述识别方法，本技术还提供一种卷烟烟包的识别装置。如图4所示，识别装置包括预处理模块410、目标对象提取模块420以及分类模块430。
[0083]
预处理模块410用于对第一图像进行预处理，获得第二图像；其中，第一图像和第二图像至少包括与卷烟烟包对应的图像区域。
[0084]
目标对象提取模块420用于从第二图像中提取目标对象。
[0085]
分类模块430用于对目标对象进行分类，将分类结果作为卷烟烟包所属的烟草品牌类别。
[0086]
其中，目标对象提取模块420包括边缘检测模块4201、对象获得模块4202、目标区域确定模块4203以及分割模块4204。
[0087]
边缘检测模块4201用于对第二图像进行边缘检测，获得边缘线段上的点。
[0088]
对象获得模块4202用于将所有边缘线段上的点依次连接起来，形成至少一个封闭的连通域，将每个连通域作为一个对象。
[0089]
目标区域确定模块4203用于对所有对象的矩形度进行排序，将矩形度最大的对象对应的连通域作为目标区域。
[0090]
分割模块4204用于将目标区域从第二图像中分割出来，作为目标对象。
[0091]
如图5所示，目标区域确定模块4203包括第一面积计算模块42031、第二面积计算模块42032以及矩形度计算模块42033；
[0092]
第一面积计算模块42031用于计算对象对应的连通域的面积，作为第一面积。
[0093]
第二面积计算模块42032用于计算对象对应的连通域的最小外接矩形的面积，作为第二面积。
[0094]
矩形度计算模块42033用于将第一面积和第二面积的比值作为对象的矩形度。
[0095]
如图4所示，分类模块430包括相似度获得模块4301以及比较模块4302。
[0096]
相似度获得模块4301用于将目标对象输入最大似然分类器，获得目标对象与已知的各个烟草品牌类别的相似度。
[0097]
比较模块4302用于将相似度最大的烟草品牌类别作为分类结果，作为卷烟烟包所属的烟草品牌类别。
[0098]
本技术通过对待识别的卷烟烟包的图像进行预处理和目标定位来确定待识别对象所在区域，并选择最大似然分类器对该区域进行分类，能够在采集环境中光照变化较大和存在其它干扰因素的情况下更好地识别卷烟烟包信息，可在大多数实际应用场景中取得较好的效果。
[0099]
虽然已经通过例子对本技术的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上例子仅是为了进行说明，而不是为了限制本技术的范围。本领域的技术人员应该理解，可在不脱离本技术的范围和精神的情况下，对以上实施例进行修改。本技术的范围由所附权利要求来限定。