物体信息的智能识别方法、装置和设备与流程

本发明涉及图像识别与处理技术领域，具体涉及一种物体信息的智能识别方法、装置和设备。

背景技术：

在现有技术中，通常是基于射频识别技术，识别带有芯片的容器来识别放置于该容器中的物体价格，例如，将饭菜放在带有芯片的盘子里，通过扫描盘子底部芯片，识别饭菜价格。此外，现有技术中还可以通过扫描物体上的条形码，来确定物体价格。但是，上述方法只能做到简单计价与结算，功能单一。

技术实现要素：

有鉴于此，本发明的目的在于克服现有技术的不足，提供一种物体信息的智能识别方法、装置和设备，克服了传统方式中只能识别物体价格的缺陷，实现了对物体信息的多样化获取，节约了人力物力，提高了获取物体信息的效率。

为实现以上目的，本发明采用如下技术方案：

第一方面，本发明实施例提供了一种物体信息的智能识别方法，该方法包括：

通过物体感应装置在物体识别区域检测得到待识别物体时，触发摄像头拍摄所述待识别物体；

获取摄像头拍摄得到的待识别物体的图片；

将所述待识别物体的图片输入至预先训练得到的图片识别模型；

通过所述图片识别模型识别所述待识别物体，得到所述待识别物体的标识信息；

根据所述待识别物体的标识信息确定所述待识别物体的属性信息。

第二方面，本发明实施例提供了一种物体信息的智能识别装置，该装置包括：

摄像头触发模块，用于通过物体感应装置在物体识别区域检测得到待识别物体时，触发摄像头拍摄所述待识别物体；

图片获取模块，用于获取摄像头拍摄得到的待识别物体的图片；

图片输入模块，用于将所述待识别物体的图片输入至预先训练得到的图片识别模型；

物体识别模块，用于通过所述图片识别模型识别所述待识别物体，得到所述待识别物体的标识信息；

信息确定模块，用于根据所述待识别物体的标识信息确定所述待识别物体的属性信息。

第三方面，本发明实施例提供了一种物体信息的智能识别设备，该设备包括：检测台、支撑结构、物体感应装置、摄像头和智能显示设备，其中：

所述检测台上设置有支撑结构与物体识别区域，所述物体识别区域用于放置待识别物体；

所述物体感应装置设置在所述支撑结构或所述检测台上；

所述摄像头设置在所述支撑结构上；

所述智能显示设备与所述摄像头通过有线或无线的方式进行连接，所述智能显示设备包括处理器，以及与所述处理器相连接的存储器；所述存储器用于存储计算机程序，所述计算机程序至少用于执行本发明实施例中所述的物体信息的智能识别方法；所述处理器用于调用并执行所述存储器中的所述计算机程序。

本发明采用以上技术方案，通过物体感应装置在物体识别区域检测得到待识别物体时，触发摄像头拍摄所述待识别物体；获取摄像头拍摄得到的待识别物体的图片；将所述待识别物体的图片输入至预先训练得到的图片识别模型；通过所述图片识别模型识别所述待识别物体，得到所述待识别物体的标识信息；根据所述待识别物体的标识信息确定所述待识别物体的属性信息。通过引入预先训练得到的图片识别模型对待识别物体进行识别获取到待识别物体的标识信息和属性信息，克服了传统方式中只能识别物体价格的缺陷，实现了对物体信息的多样化获取，节约了人力物力，提高了获取物体信息的效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例一提供的一种物体信息的智能识别方法的流程图；

图2是本发明实施例二提供的一种物体信息的智能识别方法的流程图；

图3是本发明实施例三提供的一种物体信息的智能识别方法的流程图；

图4是本发明实施例四提供的一种物体信息的智能识别装置的结构示意图；

图5a是本发明实施例五提供的一种物体信息的智能识别设备的结构示意图；

图5b是本发明实施例五中适用的一种智能显示设备的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。

实施例一

图1为本发明实施例一提供的一种物体信息的智能识别方法的流程图，本实施例可适用于不依赖于人工去识别物体信息的情况，该方法可以由本发明实施例提供的物体信息的智能识别装置来执行，该装置可采用软件和/或硬件的方式实现。参考图1，该方法具体可以包括如下步骤：

s110、通过物体感应装置在物体识别区域检测得到待识别物体时，触发摄像头拍摄所述待识别物体。

具体的，待识别物体可以是菜品、商品或食材等，将待识别物体放置在物体识别区域，通过物体感应装置在物体识别区域检测待识别物体。可选的，所述物体感应装置包括红外感应器。示例性的，若红外感应器检测到来自于物体识别区域的热辐射信号，则表明物体检测区域有待识别物体。在通过红外感应器在物体识别区域检测得到待识别物体时，表明有待识别物体需要处理，则触发摄像头拍摄待识别物体。

在一个具体的例子中，若应用场景为餐厅，则待识别物体以菜品为例，当顾客将菜品放在物体识别区域时，通过红外感应器检测得到待识别菜品时，触发摄像头拍摄待识别菜品。

s120、获取摄像头拍摄得到的待识别物体的图片。

其中，触发摄像头拍摄待识别物品时，获取摄像头拍摄得到的待识别物体的图片。在实际的应用过程中，摄像头可以设置成固定不动的模式，获取一张待识别物体的图片；还可以将摄像头设置成转动模式，多角度获取待识别物体的图片，然后通过现有技术中的算法对多张待识别物体的图片进行筛选，确定出至少一张清晰可用的照片作为待识别物体的图片。此外，待识别物体可以是规则物体，也可以是不规则物体，在此不做限定。

s130、将所述待识别物体的图片输入至预先训练得到的图片识别模型。

具体的，预先训练的图片识别模型可以识别输入至该模型中的任何符合设定条件的元素，例如，预先训练的图片识别模型的用场景是可以识别多个菜品图片，则符合设定条件的元素即为菜品图片；预先训练的图片识别模型的应用场景是可以识别多个食材图片，则符合设定条件的元素即为食材图片。在实际的应用过程中，将待识别物体的图片输入至预先训练得到的图片识别模型进行识别。

s140、通过所述图片识别模型识别所述待识别物体，得到所述待识别物体的标识信息。

将待识别物体输入至预先训练得到的图片识别模型中进行识别，通过图片识别模型识别待识别物体，具体的，识别的结果可以是得到待识别物体的标识信息。示例性的，待识别物体的标识信息可以是待识别物体的名称等信息。

此外，还可以通过预先存储的待识别物体的外观图形、尺寸数据和颜色对待识别物体的标识信息进行验证，以提高待识别物体识别结果的准确性。

s150、根据所述待识别物体的标识信息确定所述待识别物体的属性信息。

具体的，在确定待识别物体的标识信息后，可以根据待识别物体的标识信息和对应的属性信息的关联关系确定待识别物体的属性信息。其中，待识别物体的标识信息和对应的属性信息的可以是预先存储在本地的存储空间中，并通过相应的信息化手段进行关联，例如通过给标识信息和属性信息分别建立对应的id，通过关联两者的id来建立关联关系，id具有唯一性。在实际的应用过程中，还可以是预先建立一个对应关系列表，列表中存储有标识信息与属性信息的对应关系，确定待识别物体的标识信息后，通过查找该对应关系列表，可以快速确定待识别物体的属性信息。

具体的，本发明实施例中的技术方案的应用场景还可以是商店商品识别分检分类计价结算、餐饮菜品分类计价结算、食材识别分检计价结算或工厂商品分检计价结算等。

可选的，所述属性信息包括：单价信息、数量信息、制作流程信息、采购信息、成分信息和/或营养价值信息。

在一个具体的例子中，以待识别物体是菜品为例，更进一步讲，以西红柿土豆炖牛腩为例，在上述实施例中，确定待识别物体的标识信息为待识别菜品的名称，也即，西红柿土豆炖牛腩，则该西红柿土豆炖牛腩的属性信息包括：当前场景下一份西红柿土豆炖牛腩的价格；当前场景中西红柿土豆炖牛腩的份数；西红柿土豆炖牛腩的制作流程，例如西红柿、土豆和牛肉的下锅时间和数量，以及烹饪西红柿土豆炖牛腩的作料配比等；西红柿土豆炖牛腩的组成成分，例如含维生素的量；西红柿土豆炖牛腩的营养价值信息等。

此外，属性信息中，单价信息中包括单位价格，成分信息中包括成分配比，还包括智能结算、成本核算、食材需求、采购计划、营养分析、需求分析和菜品评价等，还可以根据食材需求、采购计划和营养价值信息确定的精准计划，根据需求分析和菜品评价确定改善提升计划。为用户提供了更多的可参考信息。

本发明实施例中，通过物体感应装置在物体识别区域检测得到待识别物体时，触发摄像头拍摄所述待识别物体；获取摄像头拍摄得到的待识别物体的图片；将所述待识别物体的图片输入至预先训练得到的图片识别模型；通过所述图片识别模型识别所述待识别物体，得到所述待识别物体的标识信息；根据所述待识别物体的标识信息确定所述待识别物体的属性信息。通过引入预先训练得到的图片识别模型对待识别物体进行识别获取到待识别物体的标识信息和属性信息，克服了传统方式中只能识别物体价格的缺陷，实现了对物体信息的多样化获取，节约了人力物力，提高了获取物体信息的效率。

在上述技术方案的基础上，在根据所述待识别物体的标识信息确定所述待识别物体的属性信息之前，还包括：获取存储在云服务器中的所述待识别物体的标识信息与属性信息的关联关系。

具体的，待识别物体标识信息除了可以存储在本地设备的存储空间中，还可以存储在云服务器中，在本发明实施例中，在通过所述图片识别模型识别所述待识别物体，得到所述待识别物体的标识信息之后，还可以获取存储在云服务器中的待识别物体的标识信息和属性信息的关联关系。实现了对待识别物体的更多、更准确的属性信息的获取。

在本发明实施例的技术方案中，还包括：每隔设定时间或应用所述图片识别模型已识别的待识别物体的图片超过设定的数量，则重新确定第二预设数目张第二采样图片，根据第二采样图片和所述第二采样图片的标识信息更新所述图片识别模型。

在实际的应用过程中，可以每隔设定时间，例如一周，或者当应用同一个图片识别模型识别的待识别物体的图片超过设定的数量，例如300张，则重新确定第二预设数目张第二采样图片(另一组采样图片)，根据第二采样图片和所述第二采样图片的标识信息，更新图片识别模型，将之后需要识别的待识别图片输入至更新的图片识别模型进行识别，进而确定待识别物体的标识信息和属性信息，也即，用重新获取的图片识别模型替换原有的图片识别模型，应用更新的图片识别模型对待识别物体进行识别。对图片识别模型的更新过程，提高了对待识别物体的信息识别的准确性。

实施例二

图2为本发明实施例二提供的一种物体信息的智能识别方法的流程图，本实施例在上述实施例的基础上实现，主要说明了通过训练预先构建的深度学习模型，得到所述图片识别模型的过程。参考图2，该方法具体可以包括如下步骤：

s210、根据所述待识别物体的摆放策略确定第一预设数目张第一采样图片。

具体的，第一预设数目可以根据实际应用场景需要来进行调整，可选的，本实施例的菜品应用场景中，第一预设数目可以是300张或者更多的图片。选择第一采样图片的原则是需要考虑待识别物体的摆放策略，例如，以待识别的物体是菜品为例，顾客通常从物体识别区域的左侧打好菜品，走到物体识别区域放置待识别菜品，则物体的摆放策略和该过程有关。为了提高模型训练的准确性，在获取1000张第一采样图片的过程中，试验人员可以在打好菜品后从物体识别区域的各个角度走来放置待识别菜品，具体的，可以使稍多的试验人员从物体识别区域的左侧走来放置待识别菜品，该过程不做具体限定。在实际的应用过程中，实验人员可以随意放置采样物体，以获取多角度的第一采样图片。

s220、为所述第一采样图片设置对应的标识信息。

其中，在确定第一预设数目张第一采样图片后，为各个图片设置对应的标识信息，可选的，标识信息可以是待识别物体的名称等。待识别物体以菜品为例，则将则将每张第一采样图片的菜品名称添加至对应的第一采样图片，将第一采样图片以及对应的标识信息建立了一定的关联关系。

s230、以所述第一采样图片和所述对应的标识信息作为训练样本，训练预先构建的深度学习模型，得到所述图片识别模型。

具体的，在确定训练模型的过程中，首选需要选择训练样本，在本发明实施例中，选取第一预设数目张第一采样图片和各个第一采样图片对应的标识信息作为训练样本，训练预先构建的深度学习模型。其中，深度学习是一种在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像、声音和文本。在对预先构建的深度学习模型的训练过程中，通过将训练样本多次进行输入，获取每次输入样本对应的输出值，根据输出值调整预先构建的深度学习模型的模型参数，直到输出值满足设定的要求为止，则此时的模型参数对应的深度学习模型即为图片识别模型。在一个具体的例子中，设定的要求可以是，输出值与输入值的相似度大于90％，而输出值可以是图片。

预先构建的深度学习模型是指，适用于本发明实施例的应用场景的深度学习模型，例如，本发明实施例中实现的是对图片的识别，则预先构建的深度学习模型需具备识别图片的功能。通过训练预先构建的深度学习模型，得到图片识别模型。

可选的，所述预先构建的深度学习模型包括：卷积神经网络模型、延时神经网络模型或深度置信网络模型。

在一个具体的例子中，预先构建的深度学习模型可以是卷积神经网络模型，卷积神经网络模型引入了卷积核的概念，解决了图像的数据量大产生的网络参数量大的问题；延时神经网络模型，在时间维度上共享权值，降低了学习复杂度；深度置信网络模型提高了应用过程中的可拓展性。

需要说明的是，本发明实施例中通过训练预先构建的深度学习模型，得到所述图片识别模型的过程可以由本发明实施例中的处理器来完成，还可以是应用其他的处理设备完成后，将图片识别模型拷贝到本发明实施例中的处理器中来应用，在此不做限定。

本发明实施例中，通过选取本发明实施例场景的预先构建的深度学习模型，以及根据待识别物体的摆放策略确定的第一采样图片，并且给第一采样图片设置对应的标识信息，将第一采样图片和对应的标识信息作为训练样本确定图片识别模型。为待识别物体的识别提供了基础，通过该图片识别模型，实现了对待识别图片对应的标识信息的识别，使图片识别更多样化。

实施例三

图3为本发明实施例三提供的一种物体信息的智能识别方法的流程图，本实施例在上述实施例的基础上实现。参考图3，该方法具体可以包括如下步骤：

s310、通过物体感应装置在物体识别区域检测得到待识别物体时，触发摄像头拍摄所述待识别物体。

s320、获取摄像头拍摄得到的待识别物体的图片。

s330、将所述待识别物体的图片输入至预先训练得到的图片识别模型。

s340、通过所述图片识别模型识别所述待识别物体，得到所述待识别物体的标识信息。

s350、根据所述待识别物体的标识信息确定所述待识别物体的属性信息。

s361、通过智能显示设备的显示屏以文字和/或图片的形式对所述待识别物体的标识信息和/或所述待识别物体的属性信息进行显示。

具体的，在根据所述待识别物体的标识信息确定所述待识别物体的属性信息之后，还可以通过智能显示设备的显示屏以文字和/或图片的形式对待识别物体的标识信息和/或待识别物体的属性信息进行显示。在一个具体的例子中，若待识别物体是菜品，例如西红柿土豆炖牛腩，则在智能显示设备的显示屏上显示的属性信息包括：当前场景下一份西红柿土豆炖牛腩的价格；当前场景中西红柿土豆炖牛腩的份数；西红柿土豆炖牛腩的制作流程，例如西红柿、土豆和牛肉的下锅时间和数量，以及烹饪西红柿土豆炖牛腩的作料配比等；西红柿土豆炖牛腩的组成成分，例如含维生素的量；西红柿土豆炖牛腩的营养价值信息等。具体的显示形式可以是文字和/或图片的形式进行显示。

s362、通过所述智能显示设备的扬声器以语音播报的形式对所述待识别物体的标识信息和/或所述待识别物体的属性信息进行播报。

具体的，在根据所述待识别物体的标识信息确定所述待识别物体的属性信息之后，还可以通过智能显示设备的扬声器以语音播报的形式对所述待识别物体的标识信息和/或所述待识别物体的属性信息进行播报。在一个具体的例子中，若待识别物体是菜品，例如西红柿土豆炖牛腩，则通过智能显示设备的扬声器语音播报的内容包括：当前场景下一份西红柿土豆炖牛腩的价格；当前场景中西红柿土豆炖牛腩的份数；西红柿土豆炖牛腩的制作流程，例如西红柿、土豆和牛肉的下锅时间和数量，以及烹饪西红柿土豆炖牛腩的作料配比等；西红柿土豆炖牛腩的组成成分，例如含维生素的量；西红柿土豆炖牛腩的营养价值信息等。具体的展示形式可以是语音播报的形式。需要说明的是，s361和s362执行过程并无先后关系，在此仅用来示意。

在上述技术方案的基础上，在通过智能显示设备的显示屏以文字和/或图片的形式对所述待识别物体的标识信息和/或所述待识别物体的属性信息进行显示；和/或通过所述智能显示设备的扬声器以语音播报的形式对所述待识别物体的标识信息和/或所述待识别物体的属性信息进行播报之后，还包括：接收用户对所述属性信息的反馈信息。

具体的，在对待识别物体的标识信息和/或待识别物体的属性信息进行显示或播报之后，接收用户的反馈信息。在一个具体的例子中，待识别物体以菜品为例，例如西红柿炒鸡蛋，顾客在看到西红柿炒鸡蛋以及对应属性信息后，可以进行反馈，例如，反馈信息可以是“下次请少放些盐”，可以通过智能显示设备输入该反馈信息。管理人员可以根据反馈信息进行相应的调整，例如，将顾客的反馈信息反馈给对应的厨师，以提高顾客的用餐体验。

本发明实施例中，通过智能显示设备的显示屏以文字和/或图片的形式对所述待识别物体的标识信息和/或所述待识别物体的属性信息进行显示；通过所述智能显示设备的扬声器以语音播报的形式对所述待识别物体的标识信息和/或所述待识别物体的属性信息进行播报。以便用户多途径获取待识别物体的标识信息和属性信息，指导用户进行其他操作，例如，是否购买该待识别物体，或更进一步了解待识别物体。

实施例四

图4是本发明是实施例四提供的一种物体信息识别的智能识别装置的结构示意图，该装置适用于执行本发明实施例提供给的一种物体信息识别的智能识别方法。如图4所示，该装置具体可以包括：

摄像头触发模块410，用于通过物体感应装置在物体识别区域检测得到待识别物体时，触发摄像头拍摄所述待识别物体；

图片获取模块420，用于获取摄像头拍摄得到的待识别物体的图片；

图片输入模块430，用于将所述待识别物体的图片输入至预先训练得到的图片识别模型；

物体识别模块440，用于通过所述图片识别模型识别所述待识别物体，得到所述待识别物体的标识信息；

信息确定模块450，用于根据所述待识别物体的标识信息确定所述待识别物体的属性信息。

进一步的，还包括第一采样图片确定模块，用于在将所述待识别物体的图片输入至预先训练得到的图片识别模型之前，根据所述待识别物体的摆放策略确定第一预设数目张第一采样图片；

标识信息设置模块，用于为所述第一采样图片设置对应的标识信息；

识别模型确定模块，用于以所述第一采样图片和所述对应的标识信息作为训练样本，训练预先构建的深度学习模型，得到所述图片识别模型。

进一步的，所述预先构建的深度学习模型包括：

卷积神经网络模型、延时神经网络模型或深度置信网络模型。

进一步的，所述属性信息包括：单价信息、数量信息、制作流程信息、采购信息、成分信息和/或营养价值信息。

进一步的，还包括显示模块，用于在根据所述待识别物体的标识信息确定所述待识别物体的属性信息之后，通过智能显示设备的显示屏以文字和/或图片的形式对所述待识别物体的标识信息和/或所述待识别物体的属性信息进行显示；和/或，通过所述智能显示设备的扬声器以语音播报的形式对所述待识别物体的标识信息和/或所述待识别物体的属性信息进行播报。

进一步的，还包括信息反馈模块，用于在通过智能显示设备的显示屏以文字和/或图片的形式对所述待识别物体的标识信息和/或所述待识别物体的属性信息进行显示；和/或通过所述智能显示设备的扬声器以语音播报的形式对所述待识别物体的标识信息和/或所述待识别物体的属性信息进行播报之后，接收用户对所述属性信息的反馈信息。

进一步的，所述物体感应装置包括红外感应器。

进一步的，还包括信息获取模块，用于在通过所述图片识别模型识别所述待识别物体，得到所述待识别物体的标识信息之后，获取存储在云服务器中的所述待识别物体的标识信息与属性信息的关联关系。

进一步的，还包括图片识别模型更新模块，用于每隔设定时间或应用所述图片识别模型已识别的待识别物体的图片超过设定的数量，则重新确定第二预设数目张第二采样图片，根据所述第二采样图片和所述第二采样图片的标识信息，更新所述图片识别模型。

本发明实施例提供的物体信息的智能识别装置可执行本发明任意实施例提供的物体信息的智能识别方法，具备执行方法相应的功能模块和有益效果。

实施例五

图5a是本发明实施例五提供的一种物体信息的智能识别设备的结构示意图，参考图5a，该设备包括检测台510、支撑结构520、物体感应装置530、摄像头540和智能显示设备550。

检测台510上设置有支撑结构520与物体识别区域560，所述物体识别区域用于放置待识别物体；物体感应装置530设置在支撑结构520或检测台510上；摄像头540设置在支撑结构520上；智能显示设备550包括处理器，智能显示设备550与摄像头540通过有线或无线的方式进行连接，智能显示设备550包括处理器51，以及与处理器51相连接的存储器52；存储器52用于存储计算机程序，所述计算机程序至少用于执行本发明实施例中所述的物体信息的智能识别方法；处理器51用于调用并执行所述存储器中的所述计算机程序。

其中，支撑结构520可以是支撑架，在一个具体的例子中，可以将检测台510的局部区域设置为物体识别区域，物体识别区域用于放置待识别物体；物体感应装置530可以设置在支撑结构520上，还可以设置在检测台510上，在此不做限定；摄像头540设置在支撑结构520上，使摄像头540的拍摄区域包括物体识别区域即可。

具体的，图5b为本发明实施例中适用的一种智能显示设备的结构示意图，如图5b所示，本实施例提供的一种物体信息的智能识别设备，包括：处理器51和存储器52。该设备中的处理器可以是一个或多个，图5b中以一个处理器51为例，所述智能显示设备中的处理器51和存储器52可以通过总线或其他方式连接，图5b中以通过总线连接为例。

本实施例中的物体信息的智能识别设备的处理器51中集成了上述实施例提供的物体信息的智能识别装置。此外，该设备中的存储器52作为一种计算机可读存储介质，可用于存储一个或多个程序，所述程序可以是软件程序、计算机可执行程序以及模块，如本发明实施例中物体信息的智能识别方法对应的程序指令/模块(例如，附图4中的物体信息的智能识别装置中的模块，包括：摄像头触发模块410、图片获取模块420、图片输入模块430、物体识别模块440和信息确定模块450)。处理器51通过运行存储在存储器52中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述方法实施例中物体信息的智能识别方法。

存储器52可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据设备的使用所创建的数据等。此外，存储器52可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器52可进一步包括相对于处理器51远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

并且，当上述智能显示设备所包括一个或者多个程序被所述一个或者多个处理器51执行时，程序进行如下操作：通过物体感应装置在物体识别区域检测得到待识别物体时，触发摄像头拍摄所述待识别物体；获取摄像头拍摄得到的待识别物体的图片；将所述待识别物体的图片输入至预先训练得到的图片识别模型；通过所述图片识别模型识别所述待识别物体，得到所述待识别物体的标识信息；根据所述待识别物体的标识信息确定所述待识别物体的属性信息。

可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。

需要说明的是，在本发明的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是指至少两个。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者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示例。而且，描述的具体特征、结构、材料或者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。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。