本發(fā)明涉及圖片識別領域，尤其涉及一種酒標圖片的識別方法。

背景技術：

目前，市場上有很多品牌的酒，超市工作人員或者是酒類收集者往往不能將不同品牌的酒進行分類，經常會出現不是同一品牌的酒瓶放錯位置的現象，這會使不同品牌的酒瓶整理分類帶來很多麻煩，而對酒瓶進行分類的主要依據在于貼在酒瓶外面的酒標，因此，研究一種用于識別酒標圖片的方法是十分重要的。

技術實現要素：

本發(fā)明旨在至少在一定程度上解決相關技術中的技術問題之一。 為此，本發(fā)明的一個目的在于提出一種酒標圖片的識別方法，該方法可以提高酒標圖片的識別的準確度。

本發(fā)明的另一個目的在于提出一種酒標圖片的識別裝置。

為達到上述目的，本發(fā)明第一方面實施例提出的酒標圖片的識別方法，包括：讀取并識別酒標圖片中的文字，并記錄文字在酒標圖片中的位置及次數；找出酒標圖片中的特征點，記錄特征點在酒標圖片中出現的位置及次數；計算酒標圖片的平均色階值及最大最小值；根據所述酒標圖片中的特征點及所述酒標圖片平均色階值，識別所述待識別的酒標圖片。

所述對待識別的兩張酒標圖片進行特征點提取，得到所述兩張酒標圖片的多個特征點包括：采用SIFT提取出來待識別的兩張相似酒標圖片進行特征點提取，得到所述兩張酒標圖片的多個特征點。

所述特征點和平均色階值出現的位置分別存儲在不同的數據庫表格中，以提升計算速度，如果被識別酒標與之匹配上的文字太少或者沒有，則放棄該樣本酒標的計算。

所述將待識別的酒標圖片進行解析，并獲得解析結果包括：在獲取被識別酒標時，先計算酒標區(qū)域，分析共性，并排除外景干擾信息，并根據預先存儲所述酒標圖片中的特征點及酒標平均色階值規(guī)則，對待識別的酒標圖片進行解析，獲得待識別的酒標圖片信息。

所述排除外景干擾信息如下：先將被提交酒標縮放到一定像素比例，從第一個像素開始計算他附近的像素是否和它連續(xù)，這樣會得到一組連續(xù)區(qū)域，取最大一組連續(xù)區(qū)域，如果這個區(qū)域超過圖片的一定比例，則視為有效酒標區(qū)域，如果每個連續(xù)區(qū)域都達不到這個比例，則將全圖視為酒標區(qū)域。

為達到上述目的，本發(fā)明第二方面實施例提出的一種酒標的識別裝置，包括：

獲取模塊，用于讀取并識別酒標圖片中的文字，并記錄文字在酒標圖片中的位置及次數；

提取模塊，用于找出酒標圖片中的特征點，記錄特征點在圖片中出現的位置及次數；

計算模塊，用于計算酒標圖片平均色階值及最大最小值；

識別模塊，用于根據所述酒標圖片中的特征點及酒標圖片平均色階值，識別所述待識別的酒標圖片。

所述一種酒標圖片的識別裝置還包括：提取模塊，用于所述對待識別的兩張酒標圖片進行特征點提取，得到所述兩張酒標圖片的多個特征點包括：采用SIFT提取出來待識別的兩張相似酒標圖片進行特征點提取，得到所述兩張酒標圖片的多個特征點。

所述一種酒標圖片的識別裝置還包括存儲模塊，用于所述特征點和平均色階值出現的位置分別存儲在不同的數據庫表格中，以提升計算速度，如果被識別酒標與之匹配上的文字太少或者沒有，則放棄該樣本酒標的計算。

所述一種酒標圖片的識別裝置還包括：解析模塊，用于所述將待識別的酒標圖片進行解析，并獲得解析結果包括：在獲取被識別酒標時，先計算酒標區(qū)域，分析共性，并排除外景干擾信息，并根據預先存儲所述酒標圖片中的特征點及酒標平均色階值規(guī)則，對待識別的酒標圖片進行解析，獲得待識別的酒標圖片信息。

所述一種酒標圖片的識別裝置還包括：排除干擾模塊，用于排除外景干擾，先將被提交酒標縮放到一定像素比例，從第一個像素開始計算他附近的像素是否和它連續(xù)，這樣會得到一組連續(xù)區(qū)域，取最大一組連續(xù)區(qū)域，如果這個區(qū)域超過圖片的一定比例，則視為有效酒標區(qū)域，如果每個連續(xù)區(qū)域都達不到這個比例，則將全圖視為酒標區(qū)域。

本發(fā)明的有益效果為：本公開實施例提供的方法及裝置，在確定了正確匹配的酒標圖片中的特征點及酒標平均色階值對之后，分析共性，并排除干擾信息，來提高了相似酒標圖片識別的速度和準確性。

附圖說明

本發(fā)明上述的和/或附加的方面和優(yōu)點從下面結合附圖對實施例的描述中將變得明顯和容易理解，其中：

圖1是本發(fā)明一實施例提出的酒標圖片的識別方法的流程示意圖；

圖2是本發(fā)明另一實施例提出的酒標圖片的識別裝置的結構示意圖；

圖3是本發(fā)明實施例的實例圖；

圖4是本發(fā)明酒標圖片去除背景干擾后的示意圖。

具體實施方式

下面詳細描述本發(fā)明的實施例，所述實施例的示例在附圖中示出，其中自始至終相同或類似的標號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附圖描述的實施例是示例性的，僅用于解釋本發(fā)明，而不能理解為對本發(fā)明的限制。相反，本發(fā)明的實施例包括落入所附加權利要求書的精神和內涵范圍內的所有變化、修改和等同物。

圖1是本發(fā)明一實施例提出的圖片識別方法的流程示意圖，該方法包括：

S11:讀取并識別酒標圖片中的文字，并記錄文字在酒標圖片中的位置及次數；

S12:找出酒標圖片中的特征點，記錄特征點在酒標圖片中出現的位置及次數；

其中，所述對待識別的兩張酒標圖片進行特征點提取，得到所述兩張酒標圖片的多個特征點包括：采用SIFT提取出來待識別的兩張相似酒標圖片進行特征點提取，得到所述兩張酒標圖片的多個特征點；

S13:計算酒標圖片的平均色階值及最大最小值；

所述特征點和平均色階值出現的位置分別存儲在不同的數據庫表格中，以提升計算速度，如果被識別酒標與之匹配上的文字太少或者沒有，則放棄該樣本酒標的計算；

S14:根據所述酒標圖片中的特征點及酒標酒標平均色階值，識別所述待識別的酒標圖片；

其中，所述將待識別的酒標圖片進行解析，并獲得解析結果包括：在獲取被識別酒標時，先計算酒標區(qū)域，分析共性，并排除外景干擾信息，并根據預先存儲所述酒標圖片中的特征點及酒標平均色階值規(guī)則，對待識別的酒標圖片進行解析，獲得待識別的酒標圖片信息。

如圖4所示，所述排除外景干擾信息如下：先將被提交酒標縮放到一定像素比例，從第一個像素開始計算他附近的像素是否和它連續(xù)，這樣會得到一組連續(xù)區(qū)域，取最大一組連續(xù)區(qū)域，如果這個區(qū)域超過圖片的一定比例，則視為有效酒標區(qū)域，如果每個連續(xù)區(qū)域都達不到這個比例，則將全圖視為酒標區(qū)域。

例如，如圖3所示，數據庫中酒標圖片中字母R相對的坐標為：（-0.19,-0.21）(X和Y的坐標值均為-1到1之間，取比例)，用戶提交的R相對坐標為：（-0.27,-0.16），對于比較，設定一個偏差閾值Δx,Δy，假定此次比較偏差值都在閾值范圍內，則視為匹配成功。如果匹配不在閾值范圍內，則先記錄下，取出所有匹配不在閾值范圍內的識別字母，計算相對位置，比如樣本和被識別酒標圖片中都識別到字母“C”，計算兩個圖片中“C”和“R”的Δx,Δy，再進行計算比較。如果相對位置在一個允許的誤差范圍內，則這些字母都視為匹配正確，反之則匹配不正確。

將同一款酒標圖片的所有樣本對比完，對于樣本中匹配上的情況做一個綜合評分，例如，全部匹配上為100分，都沒有匹配上，為0分，部分匹配上的話，按照每個出現字母權重計算得分。

圖2是本發(fā)明另一實施例提出的酒標圖片的識別裝置的結構示意圖，該裝置包括：獲取模塊、提取模塊、計算模塊和識別模塊；

獲取模塊用于讀取并識別酒標圖片中的文字，并記錄文字在酒標圖片中的位置及次數；

提取模塊用于找出酒標圖片中的特征點，記錄特征點在圖片中出現的位置及次數；

提取模塊用于所述對待識別的兩張酒標圖片進行特征點提取，得到所述兩張酒標圖片的多個特征點包括：采用SIFT提取出來待識別的兩張相似酒標圖片進行特征點提取，得到所述兩張酒標圖片的多個特征點。

計算模塊用于計算酒標圖片平均色階值及最大最小值；

存儲模塊用于所述特征點和平均色階值出現的位置分別存儲在不同的數據庫表格中，以提升計算速度，如果被識別酒標與之匹配上的文字太少或者沒有，則放棄該樣本酒標的計算；

識別模塊用于根據所述酒標圖片中的特征點及酒標圖片平均色階值，識別所述待識別的酒標圖片；

解析模塊用于將待識別的酒標圖片進行解析，并獲得解析結果包括：在獲取被識別酒標時，先計算酒標區(qū)域，分析共性，并排除外景干擾信息，并根據預先存儲所述酒標圖片中的特征點及酒標平均色階值規(guī)則，對待識別的酒標圖片進行解析，獲得待識別的酒標圖片信息。

如圖4所示，排除干擾模塊用于先將被提交酒標縮放到一定像素比例，從第一個像素開始計算他附近的像素是否和它連續(xù)，這樣會得到一組連續(xù)區(qū)域，取最大一組連續(xù)區(qū)域，如果這個區(qū)域超過圖片的一定比例，則視為有效酒標區(qū)域，如果每個連續(xù)區(qū)域都達不到這個比例，則將全圖視為酒標區(qū)域。

例如，如圖3所示，通過獲取模塊、提取模塊和計算模塊來建立數據庫中酒標圖片中字母R相對的坐標為：（-0.19,-0.21）(X和Y的坐標值均為-1到1之間，取比例)，用戶提交的R相對坐標為：（-0.27,-0.16），通過識別模塊來比較，設定一個偏差閾值Δx,Δy，假定此次比較偏差值都在閾值范圍內，則視為匹配成功。如果匹配不在閾值范圍內，則先記錄下，取出所有匹配不在閾值范圍內的識別字母，計算相對位置，比如樣本和被識別酒標圖片中都識別到字母“C”，計算兩個圖片中“C”和“R”的Δx,Δy，再進行計算比較。如果相對位置在一個允許的誤差范圍內，則這些字母都視為匹配正確，反之則匹配不正確。

將同一款酒標圖片的所有樣本對比完，對于樣本中匹配上的情況做一個綜合評分，例如，全部匹配上為100分，都沒有匹配上，為0分，部分匹配上的話，按照每個出現字母權重計算得分。

以上所述僅為本發(fā)明的優(yōu)選實施例，并非因此限制其專利范圍，凡是利用本發(fā)明 說明書及附圖內容所作的等效結構或等效流程變換，直接或間接運用在其他相關的技術領域，均同理包括在本發(fā)明的專利保護范圍內。