李梦瑶,周亚同,韦 创,李 民
(1.河北工业大学电子信息工程学院,天津 300401;2.华中科技大学水电与数字化工程学院,湖北 武汉 430074)
随着人工智能的发展,计算机视觉[1]和图像处理等技术成功运用到新零售[2]场景中,为零售商提供关于消费者需求的全面数据。在新零售场景中,无人货架作为消费者选购商品后可以自助扫码结算的平台,能有效反馈消费者的购买需求和偏好情况。通过统计各类商品被消费者拿起浏览的次数或消费者的购买清单,可以分析消费者购买行为,以此调整备货、进货策略,更好地满足无人货架场景的及时性需求,以改变传统零售商供应商品的低效、被动模式。
实现准确、高效定位无人货架前顾客上身关节点,是后续手持商品识别的重要基础。近年来,人体关节点的定位研究主要分为3类[3 - 5]。
(1)基于硬件传感器的研究方面。微软于2010年研发的光学传感器Kinect[6],能够根据内置算法实时获取人体关节点。Shotton等[7,8]将Kinect获取的人体深度图像像素分类为身体的多个部位,实现人体关节点检测。李文阳等[9]克服了光照因素对Kinect获取的人体图像造成的干扰,实现了人体关节点精确定位。Kinect等传感设备虽能方便地获取人体关节点位置信息,但对传感摄像头的依赖会导致应用区域的局限性并且增加了视频获取成本。
(2)基于图结构模型的研究方面。该类方法首先建立人体模型,并将其划分为不同部位,再通过图像处理提取特征实现人体关节点定位[10]。……