本发明专利涉及腕表识别的技术领域，具体而言，涉及一种腕表识别方法及设备。
背景技术：
目前基于深度学习的图像识别技术在腕表识别方面的应用，基本上限于单模型的应用，如使用分类模型对图片，分类模型比较常用包括alexnet、vgg、inception、moblilenet、efficientnet、resnet等，各模型区别在于识别结果的准确率与训练、识别过程中的计算量以及资源占用率。
上述分类模型对腕表识别的过程中，图片分类模型都比较成熟，训练、识别以及部署都有比较成熟的方案，简单便捷。
但是，腕表识别的应用场景决定了用户不会按模型输入需求提供图片，图片分类模型不能检测到手表在图片中的位置，所以会大大降低识别的准确率。另一个问题是，无论图片中是否存在表款，分类模型都会给出一个结果，会造成一些让人迷惑的结果。此外，目前市面上的腕表表款超过7万种，为这么多品类做区分，使用单一的分类模型会很难满足要求。
技术实现要素：
本发明的目的在于提供一种腕表识别方法，旨在解决现有技术中，腕表识别准确率较低的问题。
本发明是这样实现的，一种腕表识别方法，包括以下步骤：
通过扫描模型识别图片上的表框候选框与品牌候选框；
所述扫描模型从所述表框候选框与品牌候选框中截取数据候选区域提交至服务器；
所述服务器通过所述品牌候选框的数据候选区域识别出腕表的品牌；
所述服务器根据所述腕表的品牌调出相应的表款识别模型；
将所述表框候选框的数据候选区域通过所述表款识别模型进行识别，获得所述腕表的表款。
可选的，所述通过扫描模型识别图片上的表框候选框与品牌候选框的步骤包括：
所述扫描模型将图片转化为灰度图；
提取所述灰度图上腕表的形状特征和位置特征；
根据所述腕表的形状特征和位置特征确定所述表框候选框与品牌候选框。
可选的，所述通过扫描模型识别图片上的表框候选框与品牌候选框的步骤还包括：
当所述扫描模型未识别图片上的表框候选框与品牌候选框时；
所述扫描模型重新进行识别。
可选的，所述通过扫描模型识别图片上的表框候选框与品牌候选框的步骤之前：
所述扫描模型接收拍摄的所述图片；
或，所述扫描模型接收上传的所述图片。
可选的，所述所述服务器通过所述品牌候选框的数据候选区域识别出腕表的品牌的步骤包括：
当所述服务器通过所述品牌候选框的数据候选区域识别出腕表的品牌时，执行所述服务器根据所述腕表的品牌调出相应的品牌分类模型；
当所述服务器通过所述品牌候选框的数据候选区域未识别出腕表的品牌时；所述服务器调出总体分类模型；将表框候选框的数据候选区域通过总体分类模型进行识别，获得腕表的表款。
可选的，所述当所述服务器通过所述品牌候选框的数据候选区域识别出腕表的品牌时的步骤包括：
提取所述品牌候选框的数据候选区域内的文字特征；
调出品牌分类模型；
将所述文字特征与品牌分类模型的品牌文字进行比对；
得到所述腕表的品牌。
可选的，所述提取所述品牌候选框的数据候选区域内的文字特征的步骤包括：
将所述品牌候选框的数据候选区域内的图像转化为灰度图像；
识别所述灰度图像内的文字特征；
提取所述灰度图像内的文字特征。
可选的，所述当所述服务器通过所述品牌候选框的数据候选区域识别出腕表的品牌时的步骤还包括：
提取所述品牌候选框的数据候选区域内的标识特征；
调出品牌分类模型；
将所述标识特征与品牌分类模型的品牌标识进行比对；
得到所述腕表的品牌。
可选的，所述将所述表框候选框的数据候选区域通过所述表款识别模型进行识别，获得所述腕表的表款的步骤之后：
所述服务器将所述腕表的表款发送至用户的移动端。
本发明还给出了一种腕表识别设备，所述腕表识别设备包括扫描端、处理端；
所述扫描端用于通过扫描模型识别图片上的表框候选框与品牌候选框；所述扫描模型从所述表框候选框与品牌候选框中截取数据候选区域提交至处理端的服务器；
所述处理端用于通过所述服务器通过所述品牌候选框的数据候选区域识别出腕表的品牌；所述服务器根据所述腕表的品牌调出相应的品牌分类模型；将所述表框候选框的数据候选区域通过品牌分类模型进行识别，获得所述腕表的表款。
与现有技术相比，本发明给出的腕表识别方法，在腕表识别过程中，首先通过品牌候选框的数据候选区域将腕表的品牌识别出来，减小了表款的识别范围，在具体的表款识别时，则以对应品牌的表款识别模型对表框候选框的数据候选区域进行识别，进而得到腕表的表款，腕表的识别准确率高，相较于整体识别模型提升了五个百分点，且不局限于分类数量，在按品牌分类后，不会出现因分类过多而导致识别率降低的情况。另外，由于扫描模型发送的为表框候选框与品牌候选框中截取数据候选区域，不必要传输整个图片，减少了图片传输量，提高响应速度，提高识别速度。解决了现有技术中，腕表识别准确率较低的问题。
附图说明
图1是本发明一实施例提供的腕表识别方法的流程示意图；
图2是本发明又一实施例提供的腕表识别方法的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
以下结合具体实施例对本发明的实现进行详细的描述。
本实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
本发明给出的腕表识别方法提高了腕表表款的识别速度和准确性。
参照图1所示，为本发明提供的较佳实施例。
一种腕表识别方法，包括以下步骤：
s10，通过扫描模型识别图片上的表框候选框与品牌候选框；
s20，扫描模型从表框候选框与品牌候选框中截取数据候选区域提交至服务器；
s30，服务器通过品牌候选框的数据候选区域识别出腕表的品牌；
s40，服务器根据腕表的品牌调出相应的表款识别模型；
s50，将表框候选框的数据候选区域通过表款识别模型进行识别，获得腕表的表款。
此处所说的表框候选框为腕表的轮廓所在的区域，将腕表的轮廓所在的区域截取下来即为表框候选区的数据候选区域，以便于后续的腕表识别；而品牌候选框则为腕表上品牌文字或标识所在的区域范围，将该区域范围截取下来即为品牌候选区的数据候选区域，以便后续腕表品牌的识别。
这样，在腕表识别过程中，首先通过品牌候选框的数据候选区域将腕表的品牌识别出来，减小了表款的识别范围，在具体的表款识别时，则以对应品牌的表款识别模型对表框候选框的数据候选区域进行识别，进而得到腕表的表款，腕表的识别准确率高，相较于整体识别模型提升了五个百分点，且不局限于分类数量，在按品牌分类后，不会出现因分类过多而导致识别率降低的情况。另外，由于扫描模型发送的为表框候选框与品牌候选框中截取数据候选区域，不必要传输整个图片，减少了图片传输量，提高响应速度，提高识别速度。
请结合参阅图1，本发明一实施例中，通过扫描模型识别图片上的表框候选框与品牌候选框的步骤包括：
扫描模型将图片转化为灰度图；
提取灰度图上腕表的形状特征和位置特征；
根据腕表的形状特征和位置特征确定表框候选框与品牌候选框。
根据上述方法，将图片灰度化后，表盘轮廓的检测不需要关注颜色等特征，减少了识别的计算量，只提取形状、位置特征，计算量小，速度更快，模型也比原来的要小。
具体的，在确定表框候选框时，形状特征即为腕表的外轮廓，位置特征即为腕表的所处位置，根据其外轮廓以及所处位置来得到表款候选框；而在确定好表款候选框后，在确定品牌候选框时，位置特征为根据品牌标志在腕表表盘的所处区域得到品牌标志的位置，一般的，品牌标识是位于表盘的中央上部的，形状特征为根据品牌标志异于表盘的灰度，进而确定品牌候选框，这样，从而可以快速得到上述表框候选框与品牌候选框，以便将对应的数据候选区域发送至服务器进行具体的分析。
并且，通过扫描模型识别图片上的表框候选框与品牌候选框的步骤还包括：
当扫描模型未识别图片上的表框候选框与品牌候选框时；
扫描模型重新进行识别。
往往在拍摄时，由于光的明亮变化，亦或是拍摄时的晃动，扫描模型不易马上识别图片上的表款候选区与品牌候选区，因此，需要重新进行识别，也即重新扫描，以使分析更为准确。当关闭图片拍摄即停止识别。
因此，通过扫描模型识别图片上的表框候选框与品牌候选框的步骤之前：
扫描模型接收拍摄的图片；
或，扫描模型接收上传的图片。
通过接收拍摄的图片即为实时拍摄的图片，这样，以便于用户随时随地实时对腕表的款型进行识别；而上传的图片即为已经拍摄好的图片，以便于用户快速进行腕表的款项识别。
请结合参阅图2，本发明一实施例中，服务器通过品牌候选框的数据候选区域识别出腕表的品牌的步骤包括：
当服务器通过品牌候选框的数据候选区域识别出腕表的品牌时，执行s40，服务器根据腕表的品牌调出相应的品牌分类模型；
当服务器通过品牌候选框的数据候选区域未识别出腕表的品牌时；执行s60，服务器调出总体分类模型；s70，将表框候选框的数据候选区域通过总体分类模型进行识别，获得腕表的表款。
即，也会出现无法识别腕表品牌的情况，这种情况一般较少，将图片交于总体分类模型，这个模型是通过所有表款训练而成，模型比较大，识别率虽不如品牌模型高，但进入此模型的数据不到2％，因此对总体速度影响不大。但所加入的总体分类模型更进一步提高了腕表识别的准确性。
另外，请结合参阅图2，当服务器通过品牌候选框的数据候选区域识别出腕表的品牌时的步骤包括：
提取品牌候选框的数据候选区域内的文字特征；
调出品牌分类模型；
将文字特征与品牌分类模型的品牌文字进行比对；
得到腕表的品牌。
即直接通过文字进行比对，提高了品牌识别的效率，便于快速找出相应的腕表品牌。
具体的，提取品牌候选框的数据候选区域内的文字特征的步骤包括：
将品牌候选框的数据候选区域内的图像转化为灰度图像；
识别灰度图像内的文字特征；
提取灰度图像内的文字特征。
为了便于文字特征的提取，将图像转化为灰度图像，得出灰度图像中灰度异于背景的特征，该特征即为文字特征，提取该文字特征并对文字特征进行分析，得到文字的具体内容，以便于后续的品牌分类模型的分析。
另外，当服务器通过品牌候选框的数据候选区域识别出腕表的品牌时的步骤还包括：
提取品牌候选框的数据候选区域内的标识特征；
调出品牌分类模型；
将标识特征与品牌分类模型的品牌标识进行比对；
得到腕表的品牌。
即，存在品牌非文字的腕表，这时是无法得出文字特征的内容的，因此在文字特征分析后，无法得到文字的具体内容后，该文字特征即作为标识特征，以供品牌分类模型进行分析，这样，首先对文字特征进行分析，然后对标志特征进行分析，加快了分析效率，并提高了准确性，当然，在其他实施例中，也可同时对文字特征和标识特征进行分析，以提高分析的准确性，但要以文字特征所分析得到的腕表品牌为主。
请结合参阅图1，本发明一实施例中，在得到腕表的品牌后，还需要对其具体款项作出分析，由于每种品牌的款型均不相同，因此需要对每种品牌训练出一个表款识别模型，用于确定具体的表款。
本实施例中，将表框候选框的数据候选区域通过表款识别模型进行识别，获得腕表的表款的步骤包括：
表款识别模型根据表款候选框的数据候选区域，将数据候选区域分离为腕表轮廓以及腕表颜色；
根据腕表轮廓确定腕表的轮廓型号；
然后根据腕表颜色在腕表的轮廓型号中找出对应的表款，进而获得腕表的表款。
这样，以快速得到腕表的具体表款，运算速度块，分析准确。
具体的，为了进一步提高腕表表款识别的准确性，上述腕表轮廓还可分为表盘轮廓与表带轮廓，根据表盘轮廓与表带轮廓依次分析得到腕表的轮廓型号；腕表颜色也可分为表盘颜色与表带颜色，进而在上述得到的轮廓型号中获得相应的表款，从而提高了识别的准确性。
另外，将表框候选框的数据候选区域通过表款识别模型进行识别，获得腕表的表款的步骤之后：
服务器将腕表的表款发送至用户的移动端。
这样，以便于用户通过互联网随时随地识别腕表的表款，并得到相应的反馈，提高用户的使用体验。
本发明还给出了一种腕表识别设备，腕表识别设备包括扫描端、处理端；
扫描端用于通过扫描模型识别图片上的表框候选框与品牌候选框；扫描模型从表框候选框与品牌候选框中截取数据候选区域提交至处理端的服务器；
处理端用于通过服务器通过品牌候选框的数据候选区域识别出腕表的品牌；服务器根据腕表的品牌调出相应的品牌分类模型；将表框候选框的数据候选区域通过品牌分类模型进行识别，获得腕表的表款。
上述扫描端即位于用户的移动端内，即，该扫描模型可以为移动端的一app中，用户通过移动端的图片拍摄或上传，将扫描模型得到的表框候选框与品牌候选框的数据候选区域发送至处理端进行处理；处理端为云服务器，即通过无线或有线信号可将数据候选区域发送至服务器内进行分析，以提高识别效率，并且，可以及时更新服务器内的数据，以使腕表的识别更为准确。在腕表识别完毕后，腕表的具体款项即再次通过有线或无线信号发送至用户移动端的app中，进而告知用户腕表的具体表款。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
1.一种腕表识别方法，其特征在于，包括以下步骤：
通过扫描模型识别图片上的表框候选框与品牌候选框；
所述扫描模型从所述表框候选框与品牌候选框中截取数据候选区域提交至服务器；
所述服务器通过所述品牌候选框的数据候选区域识别出腕表的品牌；
所述服务器根据所述腕表的品牌调出相应的表款识别模型；
将所述表框候选框的数据候选区域通过所述表款识别模型进行识别，获得所述腕表的表款。
2.如权利要求1所述的一种腕表识别方法，其特征在于，所述通过扫描模型识别图片上的表框候选框与品牌候选框的步骤包括：
所述扫描模型将图片转化为灰度图；
提取所述灰度图上腕表的形状特征和位置特征；
根据所述腕表的形状特征和位置特征确定所述表框候选框与品牌候选框。
3.如权利要求2所述的一种腕表识别方法，其特征在于，所述通过扫描模型识别图片上的表框候选框与品牌候选框的步骤还包括：
当所述扫描模型未识别图片上的表框候选框与品牌候选框时；
所述扫描模型重新进行识别。
4.如权利要求1至3任意一项所述的一种腕表识别方法，其特征在于，所述通过扫描模型识别图片上的表框候选框与品牌候选框的步骤之前：
所述扫描模型接收拍摄的所述图片；
或，所述扫描模型接收上传的所述图片。
5.如权利要求1至3任意一项所述的一种腕表识别方法，其特征在于，所述所述服务器通过所述品牌候选框的数据候选区域识别出腕表的品牌的步骤包括：
当所述服务器通过所述品牌候选框的数据候选区域识别出腕表的品牌时，执行所述服务器根据所述腕表的品牌调出相应的品牌分类模型；
当所述服务器通过所述品牌候选框的数据候选区域未识别出腕表的品牌时；所述服务器调出总体分类模型；将表框候选框的数据候选区域通过总体分类模型进行识别，获得腕表的表款。
6.如权利要求5所述的一种腕表识别方法，其特征在于，所述当所述服务器通过所述品牌候选框的数据候选区域识别出腕表的品牌时的步骤包括：
提取所述品牌候选框的数据候选区域内的文字特征；
调出品牌分类模型；
将所述文字特征与品牌分类模型的品牌文字进行比对；
得到所述腕表的品牌。
7.如权利要求6所述的一种腕表识别方法，其特征在于，所述提取所述品牌候选框的数据候选区域内的文字特征的步骤包括：
将所述品牌候选框的数据候选区域内的图像转化为灰度图像；
识别所述灰度图像内的文字特征；
提取所述灰度图像内的文字特征。
8.如权利要求5所述的一种腕表识别方法，其特征在于，所述当所述服务器通过所述品牌候选框的数据候选区域识别出腕表的品牌时的步骤还包括：
提取所述品牌候选框的数据候选区域内的标识特征；
调出品牌分类模型；
将所述标识特征与品牌分类模型的品牌标识进行比对；
得到所述腕表的品牌。
9.如权利要求1至3任意一项所述的一种腕表识别方法，其特征在于，所述将所述表框候选框的数据候选区域通过所述表款识别模型进行识别，获得所述腕表的表款的步骤之后：
所述服务器将所述腕表的表款发送至用户的移动端。
10.一种腕表识别设备，其特征在于，所述腕表识别设备包括扫描端、处理端；
所述扫描端用于通过扫描模型识别图片上的表框候选框与品牌候选框；所述扫描模型从所述表框候选框与品牌候选框中截取数据候选区域提交至处理端的服务器；
所述处理端用于通过所述服务器通过所述品牌候选框的数据候选区域识别出腕表的品牌；所述服务器根据所述腕表的品牌调出相应的品牌分类模型；将所述表框候选框的数据候选区域通过品牌分类模型进行识别，获得所述腕表的表款。
技术总结