商品图像的识别算法与实现开题报告

1. 研究目的与意义（文献综述）

商品识别最早的应用场所是拍照购物，通过图像识别找到同款商品。早在10年前硅谷有个创业公司SnapTell’s就是做类似的产品，在2009年被亚马逊旗下公司A9收购。后来的图片社区pinterest和谷歌图片搜索都有类似的功能。如今，商品识别已经运用到我们的生活中，例如纽约的亚马逊无人超市和上海虹桥机场的无人超市等等，大大方便了人们的生活，解放了劳动力。超市是与人们生活密切相关的场所。商品是超市的核心，商品的状态直接反映了超市的运营情况。因此如果能及时获取各种商品的当前状态将有助于了解超市的销售情况方便及时应对。而超市已有的信息获取方式大多是基于静态的商品种类、数量的存储查询软件,并需要大量的人员来提供辅助信息。这种运作方式存在劳动力需求大、信息更新不及时等缺点。超市货架商品识别可以让超市管理智能化、高效化。目前,利用图像识别技术处理商场超市内的商品图像获取有效信息的研究越来越多。这些图像信息能协助商场管理货物信息,在统计商品的库存量，商品的种类数上比传统的人工方式更加高效和稳定。

智能货架和普通货架的区别在于没有售货员,顾客自主选购商品，通过智能货架的智能化管理系统实现自动结账。智能货架的出现会给人们带来更多的快捷体验，因此对于无人超市图像识别技术的研究,对于提升顾客的购物体验，有着十分重要的意义。智能货架的具体实现过程,顾客可以通过智能货架选择自己心仪的商品，智能货架上安装树莓派，对顾客的购物行为的图像进行采集.然后通过对购物前后的商品图像进行对比，得出商品的变化情况，包括商品的缺失，位置的改变等情况，因为智能货架的图像识别是基于位置识别的方法，同时对商品图像进行商品图像分割，并对相应的图像位置进行标记，以便于图像识别，然后采用图像识别技术，对采集到的图像进一步识别，得出顾客购买的商品种类以及数量等信息，上传到后台数据库，计算得出顾客需要支付的费用，实现智能货架的自动售货，进--步提高超市的智能化管理水平。

2. 研究的基本内容与方案

主要是用sift算法。sift特征匹配算法可以处理两幅图像之间发生平移、旋转、仿射变换情况下的匹配问题，具有很强的匹配能力。总体来说，sift算子具有以下特性：1.sift特征是图像的局部特征，对平移、旋转、尺度缩放、亮度变化、遮挡和噪声等具有良好的不变性，对视觉变化、仿射变换也保持一定程度的稳定性。2.独特性好，信息量丰富，适用于在海量特征数据库中进行快速、准确的匹配。3.多量性，即使少数的几个物体也可以产生大量sift特征向量。4.速度相对较快，经优化的sift匹配算法甚至可以达到实时的要求。5.可扩展性强，可以很方便的与其他形式的特征向量进行联合。

其sift算法的三大工序为：提取关键点；对关键点附加详细的信息（局部特征）也就是所谓的描述器；通过两方特征点（附带上特征向量的关键点）的两两比较找出相互匹配的若干对特征点，也就建立了景物间的对应关系。

提取关键点和对关键点附加详细的信息（局部特征）也就是所谓的描述器可以称做是sift特征的生成，即从多幅图像中提取对尺度缩放、旋转、亮度变化无关的特征向量，sift特征的生成一般包括以下几个步骤：1.构建尺度空间，检测极值点，获得尺度不变性。2.特征点过滤并进行精确定位。3.为特征点分配方向值。4.生成特征描述子。

3. 研究计划与安排

1-3周查阅中、英文资料，完成开题报告，完成不少于2万字符的英文翻译任务；

4-8周学习和评测特定商品图像的识别分类方法；

9-14周完成商品图像的识别分类算法实现和评测总结；

4. 参考文献（12篇以上）

[1]王苏西.基于卷积神经网络的零售商品识别系统设计与实现[d].东南大学,2019.

[2]张文卿,李为相,李为,陈鑫,倪再玥.改进的surf特征快速匹配算法[j].计算机工程与设计,2019,40(12):3526-3532.

[3]随玉腾.基于深度学习的商品识别研究[d].青岛科技大学,2019.