物品类别统计方法、系统、计算机设备和可读存储介质与流程

本发明涉及物品类别统计方法，具体而言，涉及一种物品类别统计方法、一种物品类别统计系统、一种计算机设备和一种计算机可读存储介质。

背景技术：

随着科学技术的发展，对于图像检测识别的技术的应用也越发广泛，如识别商品名称、分析商品类别等。现有技术中，可预先建立训练模型，再通过训练模型对目标物品进行检测识别，并根据训练模型识别其他图像中是否存在目标物品。然而，在图像检测用于物品类别统计时，仍存在遗漏统计与重复统计的现象，极大的影响了统计结果的准确性，为后续筛选增加了难度。

技术实现要素：

本发明旨在至少解决现有技术或相关技术中存在的技术问题之一。

为此，本发明的一个目的在于提供一种物品类别统计方法。

本发明的另一个目的在于提供一种物品类别统计系统。

本发明的另一个目的在于提供一种计算机设备。

本发明的另一个目的在于提供一种计算机可读存储介质。

为了实现上述目的，根据本发明的第一方面的实施例，提供了一种物品类别统计方法，包括：获取预设时间内对应于预设位置的多张图片；确定在预设时间内每张图片中所有目标物品在多个预设类别中的类别；在任意相邻两张图片中判断后一图片中每个目标物品是否在前一图片中出现，且目标物品在相邻两张图片中出现的位置间的间距小于预设间距，生成判断结果；在判断结果为否时，记录后一图片中未在前一图片中出现的目标物品的类别和/或记录在相邻两张图片中出现，且间距大于或等于预设间距的目标物品的类别。

在该技术方案中，通过在预设时间内获取同一位置的多张图片，检测分析各个相邻两张图片中目标物品的类别，也即在预设时间内，对同一位置进行多次采样，且每次采样间隔时间较短，以保证样本采集的完整性，通过对比任意相邻两张图片中的目标物品，并在判断后一图片中每个目标物品在前一图片中未出现时，记录后一图片中未在前一图片中出现的目标物品的类别，至所有图片均统计完成后，进行下一次统计，在判断后一图片中任一目标物品在前一图片中出现时，记录间距大于或等于预设间距的目标物品的类别。通过上述技术方案，能够准确地记录同一位置目标物品的种类，减少统计过程中出现的遗漏统计或者重复统计现象，提高物品类别统计的有效性与可靠性。

其中，根据实际需求确定记录对象，具体而言，可以单独记录未出现的目标物品的类别，也可以单独记录间距大于或等于预设间距的目标物品的类别，此外，还可以将未出现的目标物品的类别以及间距大于或等于预设间距的目标物品的类别全部记录。

具体地说，判断后一图片中任一目标物品在前一图片中出现，根据前一图片中目标物品位置和后一图片中目标物品位置之间的距离确定间距，而当上述间距大于或等于预设间距时，记录后一图片中目标物品的类别，意味着后一图片中的目标物品与前一图片中的目标物品不是同一个目标物品，反之，则为同一个目标物品。

其中，可以理解的是，在统计预设时间内目标物品的类别时，类别数量均从零开始计数，每记录到一个不重复的目标物品(即不是同一目标物品)，则在该目标物品对应的类别的数量上加1。其中，相邻两张图片可以理解为按照时间顺序，连续拍摄的两张图片，或可以理解为视频中相邻的两帧。

在上述任一技术方案中，优选地，还包括：根据预设算法确定每张图片中对应于目标物品的检测框；确定每个检测框中目标物品的位置。

在该技术方案中，在物品类别统计的过程中，需要对图片中的目标物品进行检测识别，以确定物品类别，为了尽量减少无关因素的影响，在检测识别目标物品的类别前，可根据预设算法确定每张图片中对应于目标物品的检测框，进而在识别过程中可需要根据预设算法提取图片中检测框内的目标物品的特征信息并进行分类。因此，通过预设算法确定图片中对应于目标物品的检测框，能够快速且准确的获取目标物品的特征信息，有效地减少了无关因素的影响，提高检测精度。

另外，图片中对应于目标物品的检测框即为目标物品在图片中所处位置，这也意味着，在确定检测框位置的同时，可确定目标物品在图片中的位置。

在上述任一技术方案中，优选地，在获取预设时间内对应于预设位置的多张图片之前，还包括：确定每个预设类别的多张训练图片以及每张训练图片的标签信息；根据物体检测算法以及标签信息，确定对应于标签信息以及检测框的训练模型，其中，标签信息包括所有预设类别以及对应于每个训练图片中所有目标物品的位置。

在该技术方案中，在物品类别统计的过程前，需要对预设算法进行检测训练，获得对应于标签信息和检测框的训练模型，以提高物品检测的准确度和识别效率。因而，通过设置多张训练图片，确定每张训练图片的标签信息以及检测框，进而根据物体检测算法得到对应于标签信息及检测框的训练模型。其中，物体检测算法即为预设算法。

具体地说，标签信息中包括所有预设类别及每个训练图片中所有目标物品的位置，所有目标物品的位置与检测框的位置存在一定的对应关系，优选地，训练图片中存在多个检测框，每个检测框内仅存在一个目标物品，此外，还可以在每个训练图片中仅存在一个检测框，该检测框内包括所有的目标物品，进而在对物体检测算法进行训练时，可通过识别标签信息中的特征信息确定对应的检测框位置，进而得到对应于标签信息和检测框的训练模型，提高物品检测的准确度和识别效率，提升用户体验。

在上述任一技术方案中，优选地，根据预设算法确定每张图片中对应于目标物品的检测框，具体包括：根据物体检测算法，确定目标物品在图片中的水平极限尺寸以及竖直极限尺寸；根据水平极限尺寸、竖直极限尺寸以及目标物品的位置确定对应于目标物品的左上坐标以及右下坐标；根据左上坐标、右下坐标以及训练模型确定检测框。

在该技术方案中，通过根据物体检测算法确定的目标物品在图片中的水平极限尺寸以及竖直极限尺寸，由水平极限尺寸、竖直极限尺寸以及目标物品的位置确定目标物品的对应位置，进而根据训练模型确定对应于目标物品的检测框，使得目标物品的所有特征信息均包括在检测框之内，以提高检测结果的有效性与准确性。

其中，通过根据水平极限尺寸、竖直极限尺寸以及目标物品的位置确定对应于目标物品的左上坐标以及右下坐标，再由左上坐标、右下坐标以及训练模型确定检测框，也即通过两点确定检测框大小及位置，减少了检测框生成时间，提高统计效率。

在上述任一技术方案中，优选地，在任意相邻两张图片中判断后一图片中每个目标物品是否在前一图片中出现之前，还包括：记录预设时间内对应于预设位置的首张图片中所有目标物品的类别。

在该技术方案中，在物品类别的统计过程中，包含有对比前一图片中目标物品的类别与后一目标物品的类别这一步骤，而预设位置的首张图片并无前一张图片可以进行对比，为了避免统计遗漏，因而，通过记录预设时间内对应于预设位置的首张图片中所有目标物品的类别，有效地保证物品类别统计结果的准确性。

根据本发明的第二方面的技术方案，提供了一种物品类别统计系统，包括：图片获取单元，用于获取预设时间内对应于预设位置的多张图片；类别确定单元，用于确定在预设时间内每张图片中所有目标物品在多个预设类别中的类别；类别判断单元，用于在任意相邻两张图片中判断后一图片中每个目标物品是否在前一图片中出现，且目标物品在相邻两张图片中出现的位置间的间距小于预设间距，生成判断结果；存储单元，用于在判断结果为否时，记录后一图片中未在前一图片中出现的目标物品的类别和/或记录在相邻两张图片中出现，且间距大于或等于预设间距的目标物品的类别。

在该技术方案中，通过在预设时间内获取同一位置的多张图片，检测分析各个相邻两张图片中目标物品的类别，也即在预设时间内，对同一位置进行多次采样，且每次采样间隔时间较短，以保证样本采集的完整性，通过对比任意相邻两张图片中的目标物品，并在判断后一图片中每个目标物品在前一图片中未出现时，记录后一图片中未在前一图片中出现的目标物品的类别，至所有图片均统计完成后，进行下一次统计，在判断后一图片中任一目标物品在前一图片中出现时，记录间距大于或等于预设间距的目标物品的类别。通过上述技术方案，能够准确地记录同一位置目标物品的种类，减少统计过程中出现的遗漏统计或者重复统计现象，提高物品类别统计的有效性与可靠性。

具体地说，判断后一图片中任一目标物品在前一图片中出现，根据前一图片中目标物品位置和后一图片中目标物品位置之间的距离确定间距，而当上述间距大于或等于预设间距时，记录后一图片中目标物品的类别，意味着后一图片中的目标物品与前一图片中的目标物品不是同一个目标物品，反之，则为同一个目标物品。

其中，可以理解的是，在统计预设时间内目标物品的类别时，类别数量均从零开始计数，每记录到一个不重复的目标物品(即不是同一目标物品)，则在该目标物品对应的类别的数量上加1。

其中，相邻两张图片可以理解为按照时间顺序，连续拍摄的两张图片，或可以理解为视频中相邻的两帧。

在上述任一技术方案中，优选地，还包括：检测框确定单元，用于根据预设算法确定每张图片中对应于目标物品的检测框；位置确定单元，用于确定每个检测框中目标物品的位置。

在该技术方案中，在物品类别统计的过程中，需要对图片中的目标物品进行检测识别，以确定物品类别，为了尽量减少无关因素的影响，在检测识别目标物品的类别前，可根据预设算法确定每张图片中对应于目标物品的检测框，进而在识别过程中可需要根据预设算法提取图片中检测框内的目标物品的特征信息并进行分类。因此，检测框确定单元通过预设算法确定图片中对应于目标物品的检测框，能够快速且准确的获取目标物品的特征信息，有效地减少了无关因素的影响，提高检测精度。

另外，图片中对应于目标物品的检测框即为目标物品在图片中所处位置，这也意味着，在由位置确定单元确定检测框位置的同时，可确定目标物品在图片中的位置。

在上述任一技术方案中，优选地，还包括：标签确定单元，用于在获取预设时间内对应于预设位置的多张图片之前，确定每个预设类别的多张训练图片以及每张训练图片的标签信息；模型确定单元，用于根据物体检测算法以及标签信息，确定对应于标签信息以及检测框的训练模型，其中，标签信息包括所有预设类别以及对应于每个训练图片中所有目标物品的位置。

在该技术方案中，在物品类别统计的过程前，需要对预设算法进行检测训练，获得对应于标签信息和检测框的训练模型，以提高物品检测的准确度和识别效率。因而，通过设置多张训练图片，确定每张训练图片的标签信息以及检测框，进而根据物体检测算法得到对应于标签信息及检测框的训练模型。其中，物体检测算法即为预设算法。

具体地说，标签信息中包括所有预设类别及每个训练图片中所有目标物品的位置，所有目标物品的位置与检测框的位置存在一定的对应关系，优选地，训练图片中存在多个检测框，每个检测框内仅存在一个目标物品，此外，还可以在每个训练图片中仅存在一个检测框，该检测框内包括所有的目标物品，进而在对物体检测算法进行训练时，可通过识别标签信息中的特征信息确定对应的检测框位置，进而得到对应于标签信息和检测框的训练模型，提高物品检测的准确度和识别效率，提升用户体验。

在上述任一技术方案中，优选地，检测框确定单元，具体包括：尺寸确定单元，用于根据物体检测算法，确定目标物品在图片中的水平极限尺寸以及竖直极限尺寸；坐标确定单元，用于根据水平极限尺寸、竖直极限尺寸以及目标物品的位置确定对应于目标物品的左上坐标以及右下坐标；模型检测确定单元，用于根据左上坐标、右下坐标以及训练模型确定检测框。

在该技术方案中，通过根据物体检测算法确定的目标物品在图片中的水平极限尺寸以及竖直极限尺寸，由水平极限尺寸、竖直极限尺寸以及目标物品的位置确定目标物品的对应位置，进而根据训练模型确定对应于目标物品的检测框，使得目标物品的所有特征信息均包括在检测框之内，以提高检测结果的有效性与准确性。

其中，通过尺寸确定单元根据水平极限尺寸、竖直极限尺寸以及目标物品的位置确定对应于目标物品的左上坐标以及右下坐标，再由模型检测确定单元根据左上坐标、右下坐标以及训练模型确定检测框，也即通过两点确定检测框大小及位置，减少了检测框生成时间，提高统计效率。

在上述任一技术方案中，还包括：首张记录单元，用于在在任意相邻两张图片中判断后一图片中每个目标物品是否在前一图片中出现之前，记录预设时间内对应于预设位置的首张图片中所有目标物品的类别。

在该技术方案中，在物品类别的统计过程中，包含有对比前一图片中目标物品的类别与后一目标物品的类别这一步骤，而预设位置的首张图片并无前一张图片可以进行对比，为了避免统计遗漏，因而，通过首张记录单元记录预设时间内对应于预设位置的首张图片中所有目标物品的类别，有效地保证物品类别统计结果的准确性。

根据本发明的第三个方面的技术方案，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一项技术方案限定的物品类别统计方法的步骤。

在该技术方案中，通过将上述技术方案限定的物品类别统计方法存储于计算机程序中，处理器执行计算机程序时实现上述任一项技术方案限定的物品类别统计方法的步骤时，能够准确地记录同一位置目标物品的种类，减少统计过程中出现的遗漏统计或者重复统计现象，提高物品类别统计的有效性与可靠性，且通过预设算法确定图片中对应于目标物品的检测框，能够快速且准确的获取目标物品的特征信息，有效地减少了无关因素的影响，提高检测精度。

根据本发明的第四个方面的技术方案，提供了一种计算机可读存储介质，其上存储有计算机程序，处理器执行上述计算机程序被处理器执行时实现上述任一项技术方案限定的物品类别统计方法的步骤。

在该技术方案中，通过将上述技术方案限定的物品类别统计方法存储于计算机可读存储介质，处理器执行计算机程序时实现上述任一项技术方案限定的物品类别统计方法的步骤时，能够准确地记录同一位置目标物品的种类，减少统计过程中出现的遗漏统计或者重复统计现象，提高物品类别统计的有效性与可靠性，且通过预设算法确定图片中对应于目标物品的检测框，能够快速且准确的获取目标物品的特征信息，有效地减少了无关因素的影响，提高检测精度。

本发明的附加方面和优点将在下面的描述部分中给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1示出了根据本发明的一个实施例的物品类别统计方法的示意流程图；

图2示出了根据本发明的另一个实施例的物品类别统计方法的示意流程图；

图3示出了根据本发明的另一个实施例的物品类别统计方法的示意流程图；

图4示出了根据本发明的另一个实施例的物品类别统计方法的示意流程图；

图5示出了根据本发明的另一个实施例的物品类别统计方法的示意流程图；

图6示出了根据本发明的一个实施例的物品类别统计系统的示意框图；

图7示出了根据本发明的另一个实施例的物品类别统计系统的示意框图；

图8示出了根据本发明的一个实施例的计算机设备的示意框图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

实施例一、

图1示出了根据本发明的一个实施例的物品类别统计方法的示意流程图。

如图1所示，根据本发明的实施例的物品类别统计方法，包括：步骤s102，获取预设时间内对应于预设位置的多张图片；步骤s104，确定在预设时间内每张图片中所有目标物品在多个预设类别中的类别；步骤s106，在任意相邻两张图片中判断后一图片中每个目标物品是否在前一图片中出现，且目标物品在相邻两张图片中出现的位置间的间距小于预设间距，生成判断结果；步骤s108，在判断结果为否时，记录后一图片中未在前一图片中出现的目标物品的类别和/或记录在相邻两张图片中出现，且间距大于或等于预设间距的目标物品的类别。

通过在预设时间内获取同一位置的多张图片，检测分析各个相邻两张图片中目标物品的类别，也即在预设时间内，对同一位置进行多次采样，且每次采样间隔时间较短，以保证样本采集的完整性，通过对比任意相邻两张图片中的目标物品，一方面在判断后一图片中每个目标物品在前一图片中未出现时，记录后一图片中未在前一图片中出现的目标物品的类别，至所有图片均统计完成后，进行下一次统计，另一方面，在判断后一图片中任一目标物品在前一图片中出现时，记录二者之间的间距大于或等于预设间距的目标物品的类别，。通过上述技术方案，能够准确地记录同一位置目标物品的种类，减少统计过程中出现的遗漏统计或者重复统计现象，提高物品类别统计的有效性与可靠性。

其中，根据实际需求确定记录对象，具体而言，可以单独记录未出现的目标物品的类别，也可以单独记录间距大于或等于预设间距的目标物品的类别，此外，还可以将未出现的目标物品的类别以及间距大于或等于预设间距的目标物品的类别全部记录。

具体地说，判断后一图片中任一目标物品在前一图片中出现，根据前一图片中目标物品位置和后一图片中目标物品位置之间的距离确定间距，而当上述间距大于或等于预设间距时，记录后一图片中目标物品的类别，意味着后一图片中的目标物品与前一图片中的目标物品不是同一个目标物品，反之，则为同一个目标物品。

其中，可以理解的是，在统计预设时间内目标物品的类别时，类别数量均从零开始计数，每记录到一个不重复的目标物品(即不是同一目标物品)，则在该目标物品对应的类别的数量上加1。

譬如，相邻两张图片可以理解为按照时间顺序，连续拍摄的两张图片，或可以理解为视频中相邻的两帧。

实施例二、

图2示出了根据本发明的另一个实施例的物品类别统计方法的示意流程图。

如图2所示，根据本发明的实施例的物品类别统计方法，还包括：步骤s202，获取预设时间内对应于预设位置的多张图片；步骤s204，根据预设算法确定每张图片中对应于目标物品的检测框；步骤s206，确定每个检测框中目标物品的位置；步骤s208，确定在预设时间内每张图片中所有目标物品在多个预设类别中的类别；步骤s210，在任意相邻两张图片中判断后一图片中每个目标物品是否在前一图片中出现，且目标物品在相邻两张图片中出现的位置间的间距小于预设间距，生成判断结果；步骤s212，在判断结果为否时，记录后一图片中未在前一图片中出现的目标物品的类别和/或记录在相邻两张图片中出现，且间距大于或等于预设间距的目标物品的类别。

在物品类别统计的过程中，需要对图片中的目标物品进行检测识别，以确定物品类别，为了尽量减少无关因素的影响，在检测识别目标物品的类别前，可根据预设算法确定每张图片中对应于目标物品的检测框，进而在识别过程中可需要根据预设算法提取图片中检测框内的目标物品的特征信息并进行分类。因此，通过预设算法确定图片中对应于目标物品的检测框，能够快速且准确的获取目标物品的特征信息，有效地减少了无关因素的影响，提高检测精度。

另外，图片中对应于目标物品的检测框即为目标物品在图片中所处位置，这也意味着，在确定检测框位置的同时，可确定目标物品在图片中的位置。

如，预设算法为可以为rcnn检测算法、fast-rcnn的检测算法、faster-rcnn的检测算法或sppnet检测算法。

实施例三、

图3示出了根据本发明的另一个实施例的物品类别统计方法的示意流程图。

如图3所示，根据本发明的实施例的物品类别统计方法，在获取预设时间内对应于预设位置的多张图片之前，还包括：步骤s302，确定每个预设类别的多张训练图片以及每张训练图片的标签信息；步骤s304，根据物体检测算法以及标签信息，确定对应于标签信息以及检测框的训练模型，其中，标签信息包括所有预设类别以及对应于每个训练图片中所有目标物品的位置。

在物品类别统计的过程前，需要对预设算法进行检测训练，获得对应于标签信息和检测框的训练模型，以提高物品检测的准确度和识别效率。因而，通过设置多张训练图片，确定每张训练图片的标签信息以及检测框，进而根据物体检测算法得到对应于标签信息及检测框的训练模型。其中，物体检测算法即为预设算法。

具体地说，标签信息中包括所有预设类别及每个训练图片中所有目标物品的位置，所有目标物品的位置与检测框的位置存在一定的对应关系，优选地，训练图片中存在多个检测框，每个检测框内仅存在一个目标物品，此外，还可以在每个训练图片中仅存在一个检测框，该检测框内包括所有的目标物品，进而在对物体检测算法进行训练时，可通过识别标签信息中的特征信息确定对应的检测框位置，进而得到对应于标签信息和检测框的训练模型，提高物品检测的准确度和识别效率，提升用户体验。

譬如，目标物品包括有五类饮料，类别分别为雀巢咖啡、可口可乐、芬达、果粒橙和冰红茶，每一类饮料可设置3000个训练样本，以保证样本多样性。当物体检测算法为faster-rcnn算法时，训练方式可采用端对端的训练方式。

实施例四、

图4示出了根据本发明的另一个实施例的物品类别统计方法的示意流程图。

如图4所示，根据本发明的实施例的物品类别统计方法，根据预设算法确定每张图片中对应于目标物品的检测框，具体包括：步骤s404，根据物体检测算法，确定目标物品在图片中的水平极限尺寸以及竖直极限尺寸；步骤s406，根据水平极限尺寸、竖直极限尺寸以及目标物品的位置确定对应于目标物品的左上坐标以及右下坐标；步骤s408，根据左上坐标、右下坐标以及训练模型确定检测框。

通过根据物体检测算法确定的目标物品在图片中的水平极限尺寸以及竖直极限尺寸，由水平极限尺寸、竖直极限尺寸以及目标物品的位置确定目标物品的对应位置，进而根据训练模型确定对应于目标物品的检测框，使得目标物品的所有特征信息均包括在检测框之内，以提高检测结果的有效性与准确性。

其中，通过根据水平极限尺寸、竖直极限尺寸以及目标物品的位置确定对应于目标物品的左上坐标以及右下坐标，再由左上坐标、右下坐标以及训练模型确定检测框，也即通过两点确定检测框大小及位置，减少了检测框生成时间，提高统计效率。

举例来说，当物体检测算法为faster-rcnn算法时，可在训练模型时调整原始算法中的锚点对应的由三种面积和三种比例确定的九种检测框尺寸，获得基于目标尺寸的多种检测框。

实施例五、

图5示出了根据本发明的另一个实施例的物品类别统计方法的示意流程图。

如图5所示，根据本发明的实施例的物品类别统计方法，还包括：在判断结果为是时，执行步骤s516，确定前一图片中目标物品的位置与后一图片中目标物品的位置的间距；步骤s518，判断间距是否大于预设间距，在间距大于或等于预设间距时，执行步骤s520，记录目标物品的类别，否则执行步骤s522，不记录目标物品的类别。

通过对比前一图片中目标物品的类别与后一目标物品的类别，能够判断其类别是否相同，在判断前一图片中目标物品的类别与后一目标物品的类别相同时，根据前一图片中目标物品的检测框位置和后一图片中目标物品的检测框位置之间的距离确定间距，而当上述间距大于或等于预设间距时，记录目标物品的类别，否则，不记录目标物品的类别，意味着后一图片中的目标物品与前一图片中的目标物品不是同一个目标物品，反之，则为同一个目标物品。因此，通过上述技术方案，对于同一目标物品仅统计一张图片，减少重复统计对物品类别统计的影响，进一步地提高物品类别统计的有效性与可靠性。

在上述任一实施例中，优选地，在任意相邻两张图片中判断后一图片中每个目标物品是否在前一图片中出现之前，还包括：记录预设时间内对应于预设位置的首张图片中所有目标物品的类别。

在物品类别的统计过程中，包含有对比前一图片中目标物品的类别与后一目标物品的类别这一步骤，而预设位置的首张图片并无前一张图片可以进行对比，为了避免统计遗漏，因而，通过记录预设时间内对应于预设位置的首张图片中所有目标物品的类别，有效地保证物品类别统计结果的准确性。

实施例六、

基于实施例五，可将统计的物品类别进行数量统计，并将统计数据推送至销售商，统计数据包括物品类别及同一物品记录次数。譬如，统计影院中，观影用户持有的饮料种类，在预设时间内，通过统计饮料种类，可及时了解观影用户需求，方便销售商对于商品的采购。

实施例七、

图6示出了根据本发明的一个实施例的物品类别统计系统600的示意框图。

如图6所示，根据本发明的实施例的物品类别统计系统600，包括：图片获取单元602，用于获取预设时间内对应于预设位置的多张图片；类别确定单元604，用于确定在预设时间内每张图片中所有目标物品在多个预设类别中的类别；类别判断单元606，用于在任意相邻两张图片中判断后一图片中每个目标物品是否在前一图片中出现，且目标物品在相邻两张图片中出现的位置间的间距小于预设间距，生成判断结果；存储单元608，用于在判断结果为否时，记录后一图片中未在前一图片中出现的目标物品的类别和/或记录在相邻两张图片中出现，且间距大于或等于预设间距的目标物品的类别。

通过在预设时间内获取同一位置的多张图片，检测分析各个相邻两张图片中目标物品的类别，也即在预设时间内，对同一位置进行多次采样，且每次采样间隔时间较短，以保证样本采集的完整性，通过类别判断单元606对比任意相邻两张图片中的目标物品，并在判断后一图片中每个目标物品在前一图片中未出现时，存储单元608记录后一图片中未在前一图片中出现的目标物品的类别，至所有图片均统计完成后，进行下一次统计，在判断后一图片中任一目标物品在前一图片中出现时，记录间距大于或等于预设间距的目标物品的类别。通过上述技术方案，能够准确地记录同一位置目标物品的种类，减少统计过程中出现的遗漏统计或者重复统计现象，提高物品类别统计的有效性与可靠性。

具体地说，判断后一图片中任一目标物品在前一图片中出现，根据前一图片中目标物品位置和后一图片中目标物品位置之间的距离确定间距，而当上述间距大于或等于预设间距时，记录后一图片中目标物品的类别，意味着后一图片中的目标物品与前一图片中的目标物品不是同一个目标物品，反之，则为同一个目标物品。

其中，可以理解的是，在统计预设时间内目标物品的类别时，类别数量均从零开始计数，每记录到一个不重复的目标物品(即不是同一目标物品)，则在该目标物品对应的类别的数量上加1。

其中，相邻两张图片可以理解为按照时间顺序，连续拍摄的两张图片，或可以理解为视频中相邻的两帧。

在上述任一实施例中，优选地，还包括：检测框确定单元610，用于根据预设算法确定每张图片中对应于目标物品的检测框；位置确定单元612，用于确定每个检测框中目标物品的位置。

在物品类别统计的过程中，需要对图片中的目标物品进行检测识别，以确定物品类别，为了尽量减少无关因素的影响，在检测识别目标物品的类别前，可根据预设算法确定每张图片中对应于目标物品的检测框，进而在识别过程中可需要根据预设算法提取图片中检测框内的目标物品的特征信息并进行分类。因此，检测框确定单元610通过预设算法确定图片中对应于目标物品的检测框，能够快速且准确的获取目标物品的特征信息，有效地减少了无关因素的影响，提高检测精度。

另外，图片中对应于目标物品的检测框即为目标物品在图片中所处位置，这也意味着，在由位置确定单元612确定检测框位置的同时，可确定目标物品在图片中的位置。

在上述任一实施例中，优选地，还包括：标签确定单元614，用于在获取预设时间内对应于预设位置的多张图片之前，确定每个预设类别的多张训练图片以及每张训练图片的标签信息；模型确定单元616，用于根据物体检测算法以及标签信息，确定对应于标签信息以及检测框的训练模型，其中，标签信息包括所有预设类别以及对应于每个训练图片中所有目标物品的位置。

在物品类别统计的过程前，需要对预设算法进行检测训练，获得对应于标签信息和检测框的训练模型，以提高物品检测的准确度和识别效率。因而，通过设置多张训练图片，由标签确定单元614确定每张训练图片的标签信息以及检测框，进而由模型确定单元616根据物体检测算法得到对应于标签信息及检测框的训练模型。其中，物体检测算法即为预设算法。

具体地说，标签信息中包括所有预设类别及每个训练图片中所有目标物品的位置，所有目标物品的位置与检测框的位置存在一定的对应关系，优选地，训练图片中存在多个检测框，每个检测框内仅存在一个目标物品，此外，还可以在每个训练图片中仅存在一个检测框，该检测框内包括所有的目标物品，进而在对物体检测算法进行训练时，可通过识别标签信息中的特征信息确定对应的检测框位置，进而得到对应于标签信息和检测框的训练模型，提高物品检测的准确度和识别效率，提升用户体验。

实施例八、

如图7所示，根据本发明的实施例的物品类别统计系统600，检测框确定单元610具体包括：尺寸确定单元6102，用于根据物体检测算法，确定目标物品在图片中的水平极限尺寸以及竖直极限尺寸；坐标确定单元6106，用于根据水平极限尺寸、竖直极限尺寸以及目标物品的位置确定对应于目标物品的左上坐标以及右下坐标；模型检测确定单元6104，用于根据左上坐标、右下坐标以及训练模型确定检测框。

通过根据物体检测算法确定的目标物品在图片中的水平极限尺寸以及竖直极限尺寸，由水平极限尺寸、竖直极限尺寸以及目标物品的位置确定目标物品的对应位置，进而根据训练模型确定对应于目标物品的检测框，使得目标物品的所有特征信息均包括在检测框之内，以提高检测结果的有效性与准确性。

其中，通过尺寸确定单元6102根据水平极限尺寸、竖直极限尺寸以及目标物品的位置确定对应于目标物品的左上坐标以及右下坐标，再由模型检测确定单元6104根据左上坐标、右下坐标以及训练模型确定检测框，也即通过两点确定检测框大小及位置，减少了检测框生成时间，提高统计效率。

在上述任一实施例中，优选地，还包括：间距确定单元618，用于在判断结果为是时，确定前一图片中目标物品的位置与后一图片中目标物品的位置的间距；间距判断单元620，用于在间距大于预设间距时，记录后一图片中目标物品的类别，否则，删除后一图片。

通过对比前一图片中目标物品的类别与后一目标物品的类别，能够判断其类别是否相同，在判断前一图片中目标物品的类别与后一目标物品的类别相同时，由间距确定单元618根据前一图片中目标物品的检测框位置和后一图片中目标物品的检测框位置之间的距离确定间距，而又在由间距判断单元620判断上述间距大于预设间距时，记录后一图片中目标物品的类别，否则，删除后一图片，意味着后一图片中的目标物品与前一图片中的目标物品不是同一个目标物品，反之，则为同一个目标物品。因此，通过上述实施例，对于同一目标物品仅统计一张图片，从而一方面减少存储器的存储压力，另一方面提高有效图片的统计样本占比，进一步地提高物品类别统计的有效性与可靠性。

在上述任一实施例中，优选地，还包括：首张记录单元622，用于在在任意相邻两张图片中判断后一图片中每个目标物品是否在前一图片中出现之前，记录预设时间内对应于预设位置的首张图片中所有目标物品的类别。

在物品类别的统计过程中，包含有对比前一图片中目标物品的类别与后一目标物品的类别这一步骤，而预设位置的首张图片并无前一张图片可以进行对比，为了避免统计遗漏，因而，通过首张记录单元622记录预设时间内对应于预设位置的首张图片中所有目标物品的类别，有效地保证物品类别统计结果的准确性。

实施例九、

图8示出了根据本发明的一个实施例的计算机设备800的示意框图。

如图8所示，根据本发明的实施例的计算机设备800，包括：存储器802、处理器804及存储在存储器802上并可在处理器804上运行的计算机程序，处理器804执行计算机程序时实现上述物品类别统计方法限定的步骤。

根据本发明的实施例的计算机可读存储介质，其上存储有计算机程序，处理器执行计算机程序时实现上述物品类别统计方法限定的步骤。

以上结合附图详细说明了本发明的技术方案，本发明提出了一种物品类别统计方法、系统、计算机设备和可读存储介质，通过在预设时间内获取同一位置的多张图片，检测分析各个相邻两张图片中目标物品的类别，也即在预设时间内，对同一位置进行多次采样，且每次采样间隔时间较短，以保证样本采集的完整性，通过对比任意相邻两张图片中的目标物品，并在判断后一图片中每个目标物品在前一图片中未出现时，记录后一图片中未在前一图片中出现的目标物品的类别，至所有图片均统计完成后，进行下一次统计，在判断后一图片中任一目标物品在前一图片中出现时，记录间距大于或等于预设间距的目标物品的类别。通过上述技术方案，能够准确地记录同一位置目标物品的种类，减少统计过程中出现的遗漏统计或者重复统计现象，提高物品类别统计的有效性与可靠性。

本发明方法中的步骤可根据实际需要进行顺序调整、合并和删减。

本发明装置中的单元可根据实际需要进行合并、划分和删减。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质包括只读存储器(read-onlymemory，rom)、随机存储器(randomaccessmemory，ram)、可编程只读存储器(programmableread-onlymemory，prom)、可擦除可编程只读存储器(erasableprogrammablereadonlymemory，eprom)、一次可编程只读存储器(one-timeprogrammableread-onlymemory，otprom)、电子抹除式可复写只读存储器(electrically-erasableprogrammableread-onlymemory，eeprom)、只读光盘(compactdiscread-onlymemory，cd-rom)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。

在本说明书的描述中，术语“一个实施例”、“一些实施例”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或实例。而且，描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。