CN106022784A - 物品替代欺诈检测 - Google Patents

物品替代欺诈检测 Download PDF

Info

Publication number
CN106022784A
CN106022784A CN201511027441.1A CN201511027441A CN106022784A CN 106022784 A CN106022784 A CN 106022784A CN 201511027441 A CN201511027441 A CN 201511027441A CN 106022784 A CN106022784 A CN 106022784A
Authority
CN
China
Prior art keywords
image
product
article
scanning device
photographic head
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201511027441.1A
Other languages
English (en)
Inventor
西克·皮乌·关
李军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NCR Voyix Corp
Original Assignee
NCR Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by NCR Corp filed Critical NCR Corp
Publication of CN106022784A publication Critical patent/CN106022784A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/018—Certifying business or products
    • G06Q30/0185—Product, service or business identity fraud
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/08—Payment architectures
    • G06Q20/20—Point-of-sale [POS] network systems
    • G06Q20/208—Input by product or record sensing, e.g. weighing or scanner processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07G—REGISTERING THE RECEIPT OF CASH, VALUABLES, OR TOKENS
    • G07G1/00—Cash registers
    • G07G1/0018—Constructional details, e.g. of drawer, printing means, input means
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07G—REGISTERING THE RECEIPT OF CASH, VALUABLES, OR TOKENS
    • G07G1/00—Cash registers
    • G07G1/0036—Checkout procedures
    • G07G1/0045—Checkout procedures with a code reader for reading of an identifying code of the article to be registered, e.g. barcode reader or radio-frequency identity [RFID] reader
    • G07G1/0054—Checkout procedures with a code reader for reading of an identifying code of the article to be registered, e.g. barcode reader or radio-frequency identity [RFID] reader with control of supplementary check-parameters, e.g. weight or number of articles
    • G07G1/0063—Checkout procedures with a code reader for reading of an identifying code of the article to be registered, e.g. barcode reader or radio-frequency identity [RFID] reader with control of supplementary check-parameters, e.g. weight or number of articles with means for detecting the geometric dimensions of the article of which the code is read, such as its size or height, for the verification of the registration
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07G—REGISTERING THE RECEIPT OF CASH, VALUABLES, OR TOKENS
    • G07G1/00—Cash registers
    • G07G1/12—Cash registers electronically operated
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Multimedia (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Signal Processing (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Image Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

在此处的各种实施例中，每个实施例都包括系统、方法、软件和装置中的至少一种，例如，产品扫描器(例如，条形码扫描器)，从而在各设施(如零售店)结账期间能够检测出物品替代欺诈。可以部分地在产品扫描器(108)上执行的一个方法实施例包括在销售点(POS)终端(100)检测与至少一个验证过程有关的事件的发生。然后，该方法可从产品扫描器(108)的多个摄像头中的至少一个摄像头接收图像。该方法进一步包括按照至少一个验证过程对收到的至少其中一个图像进行处理，得到一个结果，并将该结果提供给POS终端(100)。

Description

物品替代欺诈检测
技术领域
本发明涉及物品替代欺诈检测。
背景技术
零售业萎缩很大一部分原因是由于顾客偷窃、收银员充好人及员工偷盗。存在于自助服务结账(SSCO)终端和销售点(POS)终端的物品替代欺诈是零售业萎缩的重要原因之一。欺诈者将昂贵的物品(例如，一瓶波旁威士忌)按便宜的农产品(例如，香蕉)结账而实施欺诈。例如，在结账点将物品放在衡器上(而不是扫描物品的条形码)，输入或选择一种其它物品(例如香蕉)，按重量而不是按产品条形码来进行结账。
以前的产品识别方法依赖包含参考物品图像和特征数据的物品数据库。这些解决方案需要大量计算资源和大型数据库，从而需要更昂贵的SSCO和POS终端硬件，并且导致系统性能更慢。为了对农产品进行验证，人们对基于纹理的农产品分类技术进行了一些研究，但是，这些努力未能提供可靠的结果。此外，在所有这些基于图像的研究中，镜面反射(例如，眩光)是一个问题，因为至少部分地由于镜面反射使所呈现的物品的特征变模糊，而在其各自的算法中，需要利用这些特征，因此，镜面反射使结果不可靠。
发明内容
在此处的各种实施例中，每个实施例都包括系统、方法、软件和装置中的至少一种，例如，产品扫描器(例如，条形码扫描器)，从而在各设施(如零售店)结账期间能够检测出物品替代欺诈。
可以部分地在产品扫描器上执行的一个方法实施例包括在销售点(POS)终端检测与至少一个验证过程有关的事件的发生。然后，该方法可从产品扫描器的多个摄像头中的至少一个摄像头接收图像。该方法进一步包括按照至少一个验证过程对收到的至少其中一个图像进行处理，得到一个结果，并将该结果提供给POS终端。
另一个方法实施例在产品扫描器上执行。该方法包括从产品扫描器的多个摄像头中的至少一个摄像头接收图像。该方法进一步包括对接收到的多个图像进行处理，其中当收到的图像的数量大于1时，处理的图像的数量至少比接收到的图像的数量少一个。图像处理可包括对每个图像进行下采样，让其降到一个较低的分辨率，并从当前图像中减去背景参考图像。减去的背景参考图像的分辨率与当前图像的分辨率相同，是由捕捉当前图像的同一摄像头所捕捉的图像。图像处理进一步包括在参考图像像素和当前图像像素之间执行逐像素对比，当目前图像像素值和参考图像像素值之差低于某个阈值时，从当前图像中删除像素，阈值是可变的，它根据当前图像像素值和参考图像像素值中的其中一个来确定。阈值可以变化，阈值根据当前图像像素值或参考图像像素值中的其中一个来确定。然后，图像处理针对背景已经被删除的其中一个图像执行至少一个验证过程，得到一个结果，并将该结果提供给销售点(POS)终端。
另一个实施例是以产品扫描器的形式出现的。产品扫描器包括至少一个摄像头、至少一个数据通信接口设备和至少一个数据处理设备。产品扫描器进一步包括至少一个存储设备，用于储存所述至少一个摄像头中的每个摄像头的背景参考图像及储存可以由至少一个数据处理设备执行的关于执行数据处理活动的指令。数据处理活动可包括从所述至少一个摄像头中的每个摄像头接收图像和对多个接收到的图像进行处理。图像处理可包括对每个图像进行下采样，让其降到一个较低的分辨率，然后，从当前图像中减去背景参考图像。减去的背景参考图像的分辨率与当前图像的分辨率相同，是由捕捉当前图像的同一摄像头所捕捉的图像。然后，图像处理可在参考图像像素和当前图像像素之间执行逐像素对比，当当前图像像素值和参考图像像素值之差低于某个阈值时，从当前图像中删除像素，阈值是可变的，它根据当前图像像素值和参考图像像素值中的其中一个来确定。在一些实施例中，阈值可以变化，阈值根据当前图像像素值或参考图像像素值中的其中一个来确定。然后，图像处理针对背景已经被删除的其中一个图像执行至少一个验证过程，得到一个结果，通过产品扫描器的至少一个通信接口设备，将该结果提供给销售点(POS)终端。
根据本发明的第一个方面，提供一种方法，包括：在销售点(POS)终端检测与至少一个验证过程有关的事件的发生；从多个摄像头中的至少一个摄像头接收图像；按照至少一个验证过程对收到的至少一个图像进行处理，得到一个结果；将该结果提供给POS终端。
任选地，POS终端是自助服务销售点终端。
任选地，对至少其中一个接收到的图像的处理由产品扫描器来执行。
任选地，扫描器中摄像头的数量至少是三个，处理的图像的数量至少比摄像头的数量少一个。
任选地，POS终端接收结果，并根据该结果有条件地执行至少两个可能的数据处理行动中的其中一个行动。
任选地，至少其中一个数据处理行动包括输出至少一个信号，表明由至少一个接收到的图像所捕捉到的、在产品扫描器处所呈现的物品可能与POS系统预期的物品并不匹配。
任选地，该事件就是收到与POS终端配置中的至少一个验证过程有关的产品标识符。
任选地，接收的产品标识符是以下两者之中的至少一种：手动POS终端输入产品标识符；来自产品扫描器所扫描到的通用产品码(UPC)中的产品标识符。
任选地，所述至少一个验证过程包括一组验证过程，每个验证过程都在产品扫描器上执行，用于识别在至少一个接收到的图像中所捕捉到的、在产品扫描器处所呈现的物品的一个或多个特性。
任选地，针对至少一个接收图像来执行至少一个验证过程，以删除图像背景，仅留在产品扫描器处所呈现的物品，并执行至少一个其它验证过程，该验证过程输出结果，结果包括指示所呈现物品是自然发生的亦或是人造产品，至少一个其它验证过程包括以下中的至少一种：轮廓检测过程、眩光检测过程、直线检测过程和平行线检测过程，其中轮廓检测过程对图像进行处理，留下呈现物品的轮廓，然后，将其与人造产品的参考模型进行比较，当出现相对性的匹配时，输出呈现物品可能是人造产品的指示；眩光检测过程对呈现物品图像区域内明显的眩光发生情况进行评价，当大于第一阈值的眩光发生数量大于第二阈值时，输出呈现物品可能是人造产品的指示；针对呈现物品的图像执行霍夫变换，并执行直线检测过程和平行线检测过程中的至少一个过程，其中：当直线检测明确比第三阈值长的直线数量大于第四阈值时，输出呈现物品可能是人造产品的指示；当平行线检测明确至少两条平行线，其中每条平行线具有至少最低长度，并且分开至少最低距离时，输出呈现物品可能是人造产品的指示。
任选地，轮廓检测、眩光检测、直线检测和平行线检测过程中的至少一种过程是在至少两个图像上执行，仅在各过程处理至少两个图像得出相同结论时才输出呈现物品可能是人造产品的指示；当轮廓检测、眩光检测、直线检测和平行线检测过程中仅一个过程仅针对单个图像输出呈现物品可能是人造产品的指示，针对该单个图像执行进一步处理，确定其中至少一个其它特征，确认图像中的物品是人造产品，当图像中存在这种至少一个其它特征时，输出呈现物品是人造产品的指示。
任选地，删除至少一个图像的背景包括：对每个图像进行下采样，降低其分辨率；从当前图像中减去背景参考图像，减去的背景参考图像的分辨率与当前图像的分辨率相同，是由捕捉当前图像的同一摄像头所捕捉的图像；在参考图像像素和当前图像像素之间执行逐像素对比，当当前图像像素值和参考图像像素值之差低于某个阈值时，从当前图像中删除像素，阈值的变量根据当前图像像素值和参考图像像素值中的其中一个来确定。
根据本发明的第二个方面，提供一种产品扫描器，包括：至少一个摄像头、至少一个数据通信接口设备；至少一个数据处理设备；和至少一个存储设备，用于储存所述至少一个摄像头中的每个摄像头的背景参考图像及储存执行数据处理活动时至少一个数据处理设备可以执行的指令，数据处理活动包括：从所述至少一个摄像头中的每个摄像头接收图像；和对多个接收到的图像进行处理，处理包括：对每个图像进行下采样，让其降到一个较低的分辨率；从当前图像中减去背景参考图像，减去的背景参考图像的分辨率与当前图像的分辨率相同，是由捕捉当前图像的同一摄像头所捕捉的图像；在参考图像像素和当前图像像素之间执行逐像素对比，当当前图像像素值和参考图像像素值之差低于某个阈值时，从当前图像中删除像素，阈值是可变的，它根据当前图像像素值和参考图像像素值中的其中一个来确定；针对背景已删除的其中一个图像执行至少一个验证过程，得到一个结果；通过所述至少一个通信接口设备，将该结果提供给销售点(POS)终端。
任选地，在收到来自POS终端的命令后执行数据处理活动，命令通过至少一个数据通信接口设备接收。
任选地，针对背景已经删除的至少一个下采样图像执行至少一个验证过程，得出结果，结果包括指示所呈现物品是自然发生的亦或是人造产品，至少一个其它验证过程包括以下中的至少一种：轮廓检测过程、眩光检测过程、直线检测过程和平行线检测过程，其中轮廓检测过程对图像进行处理，留下呈现物品的轮廓，然后，将其与人造产品的参考模型进行比较，当出现相对性的匹配时，输出呈现物品可能是人造产品的指示；眩光检测过程对呈现物品图像区域内明显的眩光发生情况进行评价，当大于第一阈值的眩光发生数量大于第二阈值时，输出呈现物品可能是人造产品的指示；针对呈现物品的图像执行霍夫变换，执行直线检测过程和平行线检测过程中的至少一个过程，其中：当直线检测明确比第三阈值长的直线数量大于第四阈值时，输出呈现物品可能是人造产品的指示；当平行线检测明确至少两条平行线，其中每条平行线具有至少最低长度，并且分开至少最低距离时，输出呈现物品可能是人造产品的指示。
任选所述至少一个摄像头包括四个摄像头，处理的图像的数量是三个。
根据本发明的第三个方面，提供一种方法，包括：从产品扫描器的多个摄像头中的至少一个摄像头接收图像；处理接收到的多个图像，其中当接收到的图像的数量大于1时，处理的图像的数量至少比接收到的图像的数量少1个，处理包括：对每个图像进行下采样，让其降到一个较低的分辨率；从当前图像中减去背景参考图像，减去的背景参考图像的分辨率与当前图像的分辨率相同，是由捕捉当前图像的同一摄像头所捕捉的图像；在参考图像像素和当前图像像素之间执行逐像素对比，当当前图像像素值和参考图像像素值之差低于某个阈值时，从当前图像中删除像素，阈值是可变的，它根据当前图像像素值和参考图像像素值中的其中一个来确定；针对背景已删除的其中一个图像执行至少一个验证过程，得到一个结果；将该结果提供给销售点(POS)终端。
任选地，该方法在产品扫描器上执行。
任选地，该方法在收到POS终端的命令后执行。
任选地，针对背景已经删除的至少一个下采样图像执行至少一个验证过程，得出结果，结果包括指示所呈现物品是自然发生的亦或是人造产品，至少一个其它验证过程包括以下中的至少一种：轮廓检测过程、眩光检测过程、直线检测过程和平行线检测过程，其中轮廓检测过程对图像进行处理，留下呈现物品的轮廓，然后，将其与人造产品的参考模型进行比较，当出现相对性的匹配时，输出呈现物品可能是人造产品的指示；眩光检测过程对呈现物品图像区域内明显的眩光发生情况进行评价，当大于第一阈值的眩光发生数量大于第二阈值时，输出呈现物品可能是人造产品的指示；针对呈现物品的图像执行霍夫变换，执行直线检测过程和平行线检测过程中的至少一个过程，其中：当直线检测明确比第三阈值长的直线数量大于第四阈值时，输出呈现物品可能是人造产品的指示；当平行线检测明确至少两条平行线，其中每条平行线具有至少最低长度，并且分开至少最低距离时，输出呈现物品可能是人造产品的指示。
附图说明
以下通过举例并参照附图，对本发明的上述内容和其他方面加以具体说明：
根据一个示例实施例，图1是一张示意图，表示配备扫描器的结账台的组件；
根据一个示例实施例，图2是方法的流程方框图；
根据一个示例实施例，图3是方法的流程方框图；
按照一个示例实施例，图4是方法的流程方框图；及
按照一个示例实施例，图5是计算设备的方框图。
具体实施方式
在此处的各种实施例中，每个实施例都包括系统、方法、软件和装置中的至少一种，例如，产品扫描器(例如，条形码扫描器)，从而在各设施(如零售店)结账期间能够检测出物品替代欺诈。在辨别呈现于结账点的物品(如呈现的人造产品和输入的农产品或在SSCO或POS终端选择的物品)之间的不相符方面，这些实施例可以提供可靠的结果，而之前的研究被证明无法提供可靠的结果。
其中一些此类实施例包括高效率的算法，使产品扫描器(如美国佐治亚州德卢斯的NCR公司的NCR RealScan 7879Bi-Optic成像仪)能够实时检测物品替代欺诈。值得注意的是，物品替代欺诈有时称为“波旁物品替代欺诈”。有些实施例的算法不需使用物品数据库，避免了长时间的数据库搜索和记录匹配，从而实现了突出的亚秒级实时性能。相反，有些实施例的算法使用有深度但精简的图像处理技术，快速识别呈现于结账点的物品的一个或多个收集图像存在或缺乏某个特征。有些实施例可以将识别的各个特征融合到一起，提高物品替代欺诈检测的准确性。
有些实施例以一种图像特征识别算法或各种算法的组合为基础。在有些实施例中，图像特征识别算法包括一个或多个可变亮度-噪声阈值，分离前述基于轮廓的模型，检测是否存在相对匹配轮廓、基于统计的模型，区分所呈现的物品和预期物品的镜面反射，执行霍夫变换，识别部分封闭地所呈现的物品的线性特征。
本文参照图形对该等及其他实施例加以描述。
在下文的详细描述中，引用了构成本文组成部分的附图，并在所述附图中以图示方式显示了其中可以实施发明主旨事项的特定实施例。该等实施例乃以足够的细节予以描述，以确保本领域的技术人员能够实施它们，并且需要了解的是，可以利用其他实施例，且可以在不偏离发明主旨事项范围的情况下做出结构、逻辑及电气改变。该等发明主旨事项的实施例在本文中可以单独及/或共同地被称为“发明”，其仅仅是为了方便而无意将本申请的范围主动限制为任何单个发明或发明概念(如果实际披露的多于一个的话)。
因此，下文的描述不应被视为具有限制意义，并且发明主旨事项的范围由所附权利要求予以界定。
在一个实施例中，本文描述的功能或算法可以以硬件、软件或软件和硬件的组合来实现。软件包括存储在诸如存储器或其他类型的存储设备等电脑可读媒体上的电脑可执行指令。此外，所描述的功能可对应于模块，其可以是软件、硬件、固件或其任何组合。多个功能以所期望的一个或多个模块来执行，并且所描述的实施例仅仅是示例。软件在数字信号处理器、专用集成电路(ASIC)、微处理器或在系统(例如个人电脑、服务器、路由器或能够处理数据的其他设备，包括网络互连设备)上操作的其他类型的处理器上执行。
某些实施例实现其中相关控制及数据信号在模块之间及通过模块传送的两个或多个具体互连的硬件模块或设备中的功能，或作为应用程序专用集成电路的一部分。因此，示范流程可适用于软件、固件及硬件实现。
根据一个示例实施例，图1是一张示意图，表示配备扫描器108的结账台100的组件。但要指出的是，结账台100是以大大简化的形式示意性示出的，并且示例组件与理解其中的不同实施例有关。相同的情况可能适用于结账台100的其他不同组件。需要注意的是，在某些实施例中，结账台100可能包括更多或更少的组件。
此外，仅出于说明目的，描绘包括在图1中的各个组件，以及组件的布置。但要指出的是，在不脱离本文内容的情况下(尤其针对自动及远程扫描器配置)，可能存在具有更多或更少组件的其他布置。
并且，本文和下文呈现的方法和扫描器可能包括结账台100上下文中所示的组件的所有或部分组合。此外，尽管结账台100被图解为包括扫描器108，但扫描器108可以是单独元件或其他实施例中的其他系统、设备和终端的元件。可能包括扫描器108的其他终端型设备的示例是自助服务终端(SST)(如SSCO终端、POS终端)、店员操作和自助图书馆结账台、计时终端，等等。此外，除非明确声明，此处及权利要求书中谈到的POS终端通常指的是POS终端和SSCO终端。
某些实施例中的方法在存储器和/或永久性电脑可读存储媒体中被编程为可执行指令，并在与组件和设备相关的一个或多个处理器中执行。
结账台100包括一个或多个POS显示器102，用于呈现连接到一个或多个POS显示器的POS系统104的信息。一个或多个POS显示器呈现的信息包括与零售环境和结账台操作有关的信息。结账台100还包括扫描器108。
扫描器108可被称为条形码扫描器，因为它执行的任务最常与该等设备关联在一起。在结账台100的操作过程中，物品被置于扫描器108的扫描场内。然后，扫描器108的一个或多个扫描设备118(例如一个或多个摄像头和激光扫描器)扫描条形码，并将读取的信息传送到POS系统104。然后，POS系统104使用该数据识别置于扫描器108的扫描场内的物品，并执行其他功能。其他功能可能包括价格查询以及将物品添加到要购买物品的清单中，并在一个或多个POS显示器102上呈现清单。
扫描器108可能包括一个或多个扫描场，例如在杂货店和折扣零售商店经常看到的双镜片扫描器的两个扫描场。每个扫描场可以包括一个或多个成像设备118，如摄像头。在一些实施例中，一个或两个扫描场中可包括共四个或更多个摄像头。除了扫描设备118，扫描器108可以包括其他不同组件。其他不同组件可能包括整合式衡器110，例如可在杂货经销店用于为农产品称重的衡器，以及一个或两个扬声器112和显示器照明设备116，用于输出音频视觉信号，例如扫描成功(失败)的信号。扫描器108也可能包括扫描场照明设备120，它可基于对被扫描物品的探测而打开、关闭和调整。扫描器108还包括一个或多个硬件通信接口114或软件或固件通信接口132中的至少一种接口，使扫描器与至少POS系统104的通信接口106通信，在一些实施例中，通过网络与其通信。
典型操作期间，根据在处理器122上执行的指令操作扫描器108。处理器可以是单核或多核ASIC、数字信号处理器、微处理器，或其他类型的处理器。指令可以是储存在一个或多个存储器124中的固件126或软件130。一个或多个存储器124可能包括易失性和非易失性存储器、写入保护存储器、一次写入存储器、随机存取存储器(RAM)、只读存储器(ROM)，以及其他存储器和数据储存类型及设备。
指令可以储存在固件126中，或作为软件130储存在存储器124中，通常根据储存在存储器124中的配置设置执行指令。配置设置128配置扫描器108和其中的不同组件的操作。例如，配置设置108可以配置扬声器112音量、显示器照明设备116输出、扫描场照明设备120亮度、扫描设备118和指令的解码算法、用于从扫描器108到POS系统104交换数据的一个或多个通信协议(例如经由POS系统104的有线或无线通信接口106)、衡器110操作参数(例如使用磅或公斤作为计量单位)，一个实施例的特定扫描器108可能包括其他配置设置。在某些实施例中，配置设置128可能包括固件版本、软件版本，等等。因此，设置或更新配置时，配置设置128的设置或更新可能包括特定实施例的任何配置设置128的对象总体和更新，包括扫描器上呈现的固件和软件的更新。
在一些实施例中，储存在扫描器108存储器124中的配置设置128可以包括一个或多个物品替代欺诈检测过程的配置设置128。一个或多个物品替代欺诈检测过程是在扫描器108内的存储器124或其它设备中以软件130或固件126形式储存的过程。物品替代欺诈检测过程通常在收到POS系统104的命令后启动执行，例如，在收到输入到POS系统104的、内容为称取衡器110上所呈现的物品的重量的输入时启动。物品替代欺诈检测过程(可由处理器122来执行)针对从一个或多个扫描设备118摄像头所收到的图像来执行。物品替代欺诈检测过程可在软件130或固件126中定义。在一些实施例中，物品替代欺诈检测过程是可以在配置设置中灵活配置的一般过程。例如，一些实施例可包括一个或多个物品替代欺诈检测过程，当软件130得到授权时，这些过程在软件130中即可得到定义。这些过程中的一些过程可通过配置设置128来更改。在其它一些实施例中，物品替代欺诈检测过程是软件130或固件126中不同过程的集合，这些不同的过程可通过配置设置128连接在一起，形成更大的有条件的物品替代欺诈检测过程。不管物品替代欺诈检测过程的形式和配置如何，物品替代欺诈检测过程通常处理扫描设备118摄像头捕捉的图像，识别其中所呈现的物品的特征。在一些实施例中，执行物品替代欺诈检测过程，确定所呈现的物品是人造产品还是农产品。
确定物品是否是人造产品的方法通常包括识别图像中的天然产品(如农产品)中通常很少有特征。除其它特征之外，这些特征可包括直线、平行线、某些形状轮廓、眩光或眩光发生数量或规格等特征。
示例性物品替代欺诈检测过程的其它细节将参考图2、图3和图4进行说明和描述。
根据一个示例实施例，图2是方法200的流程方框图。方法200是由几个子过程组成的物品替代欺诈检测过程的实例，这些子过程本身在本文可能被称为“过程”。如上所述，方法200可在扫描器的软件或固件中定义。在其它一些实施例中，方法200可在扫描器配置设置中定义，配置设置参考和相互关连所包括的各个子过程。在一些实施例中，对方法200进行定义，以确定POS终端(可能是SSCO)所呈现的物品是农产品还是人造产品。方法200可在收到说明所呈现的物品是农产品的输入后，由来自POS终端的信号在扫描器上启动。当扫描器确定所呈现的物品是人造产品而非农产品时，扫描器将信号返回到POS终端，POS终端可以执行一项或多项行动，例如不接受物品、冻结POS终端、向一个或多个员工发送信号等，防止结账交易中的可能欺诈。当扫描器确定所呈现的物品实际上是农产品时，扫描器将合适的信号发送回POS终端，允许结账过程继续。
方法200包括接收至少一个参考图像202和至少一个当前图像204。由于扫描器可以包括多个摄像头，在一些实施例中，接收的参考图像202和当前图像的数量可取决于摄像头的数量。在典型实施例中，在扫描器的存储器中储存每个扫描器摄像头的参考图像202。参考图像202是视野中没有任何物品时摄像头捕捉的图像。因此，参考图像202通常代表摄像头捕捉的当前图像中包括的背景。因此，在一些实施例中，当从摄像头收到一个当前图像204时，可从存储器中检索该摄像头的参考图像202，因此，参考图像被方法200接收。
然后，当前图像204可以被下采样206，让其降到一个较低的分辨率。在一些实施例中，参考图像202也可以被下采样206同样的程度。但是，在一些实施例中，参考图像202在之前可能已经被进行过下采样206。在一些实施例中，下采样206为按2x2方式进行的金字塔形下采样，从而组合垂直相邻的像素和水平相邻的像素。当参考图像被下采样206时，下采样206可以执行一次、二次、三次、四次或更多次，取决于接收的当前图像204和参考图像202的大小。执行下采样206的次数还可能取决于执行方法200的扫描器上的处理资源的数量及处理资源的使用负荷。
在下采样206完成后，可从当前图像204中减去208参考图像202。由于捕捉当前图像204的摄像头与捕捉参考图像202的摄像头是同一个摄像头，因此，当前图像中包括所呈现的物品和背景。因此，这种减除208可以识别数值相同的两个图像的像素，并从当前图像204中删除这些像素。结果是经过减除的图像210，它仅包括所呈现的物品及当前图像中存在但之前参考图像202中并不存在的东西，如呈现物品的人员的身体的一部分。
然后，通过亮度-噪声过程212，对经过减除的图像210进行处理。亮度-噪声过程212在经过减除的图像210的像素和参考图像202对应像素之间执行像素值逐像素对比。在一些实施例中，如果这两种像素之间的差值表明，经过减除的图像210像素亮度值大于对应参考图像202像素亮度值，但超过的部分数值小于某个阈值，则从经过减除的图像210中删除该像素。在有些实施例中，这个阈值是可以变化的，取决于参考图像202或经过减除的图像210的像素亮度值。例如，该阈值可以整体或部分地确定为这些像素中的其中一种像素的亮度的百分数。在一些实施例中，这可能是5％阈值，从而亮度差必须大于参考图像202像素的亮度值的5％。一旦完成逐像素对比，前述图像214仅留下所呈现的物品。
接下来，或与方法200描述的操作平行，由于参考图像202和当前图像204被下采样206，方法200包括在当前图像204上执行边缘检测216处理。边缘检测216处理可以针对收到的当前图像204的副本执行或针对一个被下采样206的副本执行。然后，可以执行热点掩蔽218，以调节处理的图像区的像素亮度，调节图像的已知亮区。在一些实施例中，热点掩蔽218可以将像素亮度调高或调低。在一些实施例中，可以根据一个或多个配置设置来执行热点掩蔽218。此时，图像将包括原来接收的当前图像204中所呈现的物品的边缘，边缘以线表示。
接下来，考虑一个或多个人造产品的参考模型(在一些实施例中，还考虑其它物品的参考模型)在图像上执行轮廓检测220。轮廓检测220使用的一个或多个参考模型中的每个模型都包括感兴趣的轮廓，如人造产品的轮廓，可以是瓶子、盒子或其它物品的轮廓。轮廓检测220中使用的参考模型也可以称为模型或轮廓模型。执行轮廓检测220，以确定参考模型的轮廓是否呈现为保留在被处理的图像中的线条。由于当前图像中所呈现的物品的距离取决于捕捉图像的摄像头的距离，参考模型的轮廓可以缩放，从而确定不同相对尺寸的匹配。
当轮廓检测220未发现匹配时，过程在222失败，该处理可继续开展方向检查224。当发现匹配时，方法200在222输出信号到POS终端，指示物品是人造产品，而不是农产品。然后，方法200结束。在处理多个当前图像204的实施例中，在确定222处的轮廓检测220是否已失败之前，针对至少两个或多个当前图像204的轮廓检测210的结果需要是相同的。在一些实施例中，当至少一个当前图像204在识别参考模型的已知轮廓方面获得成功但尚不足以被归类为真实时，方法200仅从轮廓检测220前进到方向检查224。当未检测到任何轮廓时，方法可以前进到执行眩光检测。
如上文所述，当在至少一个图像中检测到轮廓时，执行方向检查224。执行方向检查224，以确认在已识别出轮廓、但没有足够的其它图像确认轮廓的图像中是否存在人造产品。方向检查226搜索已识别出轮廓的图像中的其它细节，如存在的文本、标签、轮廓线条角度方向，及图像中可能存在的其它此类特征。当确认完成后，方法200在226输出信号到POS终端，指示物品是人造产品而非农产品。然后，方法200结束。但是，如果不能确认，方法200从226前进到眩光检测230过程。
接下来，或再一次与方法200的描述的操作并行，由于参考图像202和当前图像204被下采样，方法200包括在当前图像204被接收或被下采样206时在其上执行热点掩蔽228。可执行热点掩蔽228，以调节处理的图像区的像素亮度，调节图像的已知亮区或暗区。在一些实施例中，热点掩蔽228可以将像素亮度调高或调低。在一些实施例中，可以根据一个或多个配置设置来执行热点掩蔽228。
然后，在完成如上所述的轮廓检测220或方向检查224之后，可以开展眩光检测230过程。眩光检测230搜索热点掩蔽228过程的图像输出中的多个眩光区，眩光区由具有至少某一长度和宽度的连续图像区中所发生的亮度大于某一数值的像素所定义。当根据眩光检测阈值，这种区域的数量足够时，眩光检测230过程就得到了满足，方法200在232处输出信号到POS终端，表明物品是人造产品而非农产品。然后，方法200结束。但是，如果眩光检测阈值未能得到满足，方法200从232前进到直线检测236过程。
在执行直线检测236过程之前，在执行方法200过程中的某个时间点上，在由热点掩蔽218输出的图像副本上执行霍夫变换234。霍夫变换234过程是用以识别图像中的线条的图像特征提取过程。然后，直线检测236过程对根据规则通过霍夫变换234过程所变换的图像中的线条进行评价。在一些实施例中，规则(其可在配置设置中设置)寻找长度大于30像素的五条以上的线条。当长度大于30像素的线条数大于5时，直线检测236过程就得到了满足，方法200在238处输出一个信号到POS终端，表明物品是人造产品而非农产品。然后，方法200结束。但是，如果直线检测236过程未得到满足，方法200从238前进到平行线检测240过程。
平行线检测240过程针对霍夫变换234过程输出的图像来执行，确定图像中是否有至少两条平行线，其长度至少是10像素，并且分隔的距离是至少25像素。在不同实施例中，平行线的数量、长度及平行线之间的距离可以不同，并且在一些实施例中可以配置。
当识别出令人满意的平行线时，平行线检测240过程就得到了满足，方法200在242输出信号到POS终端，表明物品是人造产品而非农产品。然后，方法200结束。但是，如果平行线检测240过程未得到满足，方法200在242输出信号到POS终端，表明物品可能是农产品，方法200结束。
方法200仅仅是可以在产品扫描器中定义和执行的物品替代欺诈检测过程的一个实例。在不同实施例中，方法200的各要素可以减少、增加、不同，及可以按不同顺序执行。
根据一个示例实施例，图3是方法300的流程方框图。方法300是与POS终端合作、可以部分地在产品扫描器上执行的物品替代欺诈检测方法。
方法300包括在销售点(POS)终端上检测302与至少一个验证过程有关的事件的发生，并在产品扫描器上启动执行物品替代欺诈检测过程。在一些实施例中，事件的发生可以是收到至少一个产品标识符(例如UPC码，或输入到POS终端中的物品标识符，或作为POS终端的输入而收到的产品标识符)。
然后，方法300继续在产品扫描器上执行，执行方式为从产品扫描器的多个摄像头中的至少一个摄像头接收304图像。然后，方法300根据至少一个验证过程，对至少一个收到的图像进行处理306，以得到一个结果。然后，产品扫描器将该结果提供308给POS终端。在其它一些实施例中，POS终端从产品扫描器接收304图像，POS终端执行整个方法300。
在方法300的一些实施例中，扫描器中的摄像头的数量至少是三个，被处理306的图像的数量至少比摄像头的数量少一个。
在一些实施例中，POS终端接收结果，根据结果，有条件地执行至少两个可能的数据处理行动中的其中一个行动。在一些实施例中，至少其中一个数据处理行动包括输出至少一个信号，表明在至少一个接收到的图像中所捕捉到的、在产品扫描器处所呈现的物品可能与POS系统预期的物品并不匹配。
在一些实施例中，处理306的至少一个验证过程包括一组验证过程，每个验证过程都在产品扫描器上执行，用于识别在至少一个接收到的图像中所捕捉到的、在产品扫描器处所呈现的物品的一个或多个特性。在方法300的一个此类实施例中，至少一个验证过程针对至少一个收到的图像执行，以删除图像的背景，留下在产品扫描器处所呈现的物品。然后，可以执行至少一个额外的能输出结果的验证过程。该结果可以包括一个表明所呈现的物品是自然发生的物品还是人造产品的指示。在这些实施例的一些实施例中，至少一个其它验证过程可以包括轮廓检测过程、眩光检测过程、直线检测过程及平行线检测过程中的一个或多个过程。
轮廓检测过程对图像进行处理，留下所呈现的物品的轮廓，然后，将其与人造产品的参考模型进行对比。当轮廓检测过程发现了相对的匹配时，轮廓检测过程输出指示，表明所呈现的物品可能是人造产品。眩光检测过程对所呈现的物品图像部分之内的区域进行评价，确定是否有明显的眩光发生情况。当大于第一阈值的眩光发生数量大于第二阈值时，眩光检测过程输出指示，表明所呈现的物品可能是人造产品。
在执行直线检测和平行线检测过程之前，方法200的这些实施例包括针对所呈现的物品的图像执行霍夫变换。然后，可以在图像上执行直线检测和平行线检测或它们两者。当直线检测确认比第三阈值长的直线数量大于第四阈值时，直线检测过程输出指示，表明所呈现的物品可能是人造产品。当平行线检测辨别至少两条平行线，每条平行线具有至少最低长度，分开至少最低距离时，输出所呈现的物品可能是人造产品的指示。
在这些实施例的一些实施例中，轮廓检测、眩光检测、直线检测和平行线检测过程中的至少一种过程是在至少两个图像上执行，仅在各过程处理至少两个图像得出相同结论时才输出所呈现的物品可能是人造产品的指示。
根据一个示例实施例，图4是方法400的流程方框图。方法400是可以在产品扫描器上执行的物品替代欺诈检测过程的一个实例。但是，在一些实施例中，方法400可以在另一台计算设备上执行，如POS终端的计算机上、云服务器上等。
方法400包括从产品扫描器的多个摄像头中的至少一个摄像头接收402图像，对接收到的多个图像进行处理404。在一些实施例中，当收到的图像的数量大于一个时，处理404图像的数量至少比接收到的图像数量少一个。
在方法400的一些实施例中，处理404包括对每个图像进行下采样406，让其降到一个较低的分辨率。然后，从当前图像中减去408背景参考图像。减去408的背景参考图像的分辨率与当前图像的分辨率相同，是由捕捉当前图像的同一摄像头所捕捉的图像。然后，方法400可以执行410参考图像像素和当前图像像素之间的逐像素对比。执行410参考图像像素和当前图像像素之间的逐像素对比，并且在当当前图像像素值和参考图像像素值之差低于某个阈值时，从当前图像中删除像素，阈值是可变的，它根据当前图像和参考图像像素值中的其中一个来确定。阈值是可变的，它根据当前图像像素值或参考图像像素值中的其中一个来确定。
然后，方法400可以继续，针对背景已经删除的其中一个图像，执行412至少一个验证过程(如此文其它地方所描述的一个或多个验证过程)，以得到一个结果。然后，将该结果提供414给POS终端。
按照一个示例实施例，图5是计算设备的方框图。计算设备是可以在图1结账台100内部署为POS系统104的计算设备的一个实例。在一个实施例中，多个该等计算机系统被用于一个分布式网络中，以在基于交易的环境中执行多个组件。一个面向对象、面向服务或面向其他的架构可能被用以实现该等功能，并在多个系统及组件之间进行通信。以计算机510形式存在的一个示例计算设备可能包括处理单元502、存储器504、可移动存储设备512，以及非可移动存储设备514。存储器504可能包括易失性存储器506和非易失性存储器508。计算机510可能包括—或者能够存取包括各种计算机可读媒体的计算环境，例如易失性存储器506和非易失性存储器508，可移动存储设备512和非可移动存储设备514。计算机存储包括随机存取存储器(RAM)、只读存储器(ROM)、可擦可编程只读存储器(EPROM)及电可擦可编程只读存储器(EEPROM)、闪存或其他存储器技术、光盘只读存储器(CD ROM)、数码多功能光碟(DVD)或其他光盘存储器、盒式磁带、磁带、磁盘存储器或其他磁存储设备，或者能够存储计算机可读指令的任何其他媒体。计算机510可包括或能够存取包含输入516、输出518，以及通信连接520的计算环境。计算机可使用通信连接与一个或多个远程计算机连接，例如数据库服务器，从而在网络环境中操作。远程计算机可包括个人计算机(PC)、服务器、路由器、网络个人计算机、对等设备或其他共用网络节点等等。通信连接可包括局域网(LAN)、广域网(WAN)或其它网络。
存储在计算机可读媒体上的计算机可读指令可由计算机510的处理单元502执行。硬盘、CD-ROM和RAM是包括永久性计算机可读媒体的物品的一些实例。例如，根据本发明的教导，计算机程序525能够在基于组件对象模型(COM)的系统中的其中一个服务器上，提供一般技术，执行数据存取与/或运算的存取控制检查，该计算机程序可以包括在CD-ROM上和从CD-ROM载入到硬盘中。计算机可读指令允许计算机510在具有多个用户和服务器的、基于COM的计算机网络系统中提供一般存取控制。
本领域的技术人员将容易理解，可以在不偏离如所附权利要求中表达的本发明主旨事项的原理和范围的情况下，在已经描述或图示的细节、材料及部件的布置和方法阶段方面作出各种其他改变，以便解释发明主旨事项的本质。

Claims (15)

1.一种方法(300)，包括：
在销售点(POS)终端(100)检测与至少一个验证过程有关的事件的发生(步骤302)；
从多个摄像头中的至少一个摄像头接收图像(步骤304)；
按照至少一个验证过程对收到的至少其中一个图像进行处理，得到一个结果(步骤306)；及
将该结果提供给POS终端(100)(步骤308)。
2.权利要求1所述的方法，其中POS终端是自助服务销售点终端(100)。
3.权利要求2所述的方法，其中对收到的至少其中一个图像进行处理由产品扫描器(108)来执行。
4.权利要求2所述的方法，其中扫描器(108)中的摄像头的数量至少是三个，处理的图像的数量至少比摄像头的数量少一个。
5.权利要求3所述的方法，其中POS终端(100)接收结果，根据该结果有条件地执行至少两个可能的数据处理行动中的其中一个行动。
6.权利要求5所述的方法的至少其中一个数据处理行动包括输出至少一个信号，表明在至少一个接收到的图像中所捕捉到的、在产品扫描器处所呈现的物品可能与POS终端(100)预期的物品并不匹配。
7.权利要求6所述的方法，其中所述事件的发生就是收到与POS终端配置中的至少一个验证过程有关的产品标识符。
8.权利要求7所述的方法，其中接收的产品标识符是手动输入到POS终端的产品标识符及产品扫描器(108)所扫描的通用产品码(UPC)中的产品标识符中的至少一种。
9.权利要求1所述的方法，其中所述至少一个验证过程包括一组验证过程，每个验证过程都在产品扫描器(108)上执行，用于识别在至少一个接收到的图像中所捕捉到的、在产品扫描器处所呈现的物品的一个或多个特性。
10.一种产品扫描器(108)，包括：
至少一个摄像头；
至少一个数据通信接口设备(114)；
至少一个数据处理设备(122)；及
至少一个存储设备(124)，用于储存所述至少一个摄像头中的每个摄像头的背景参考图像及储存在执行数据处理活动时可以由至少一个数据处理设备(122)执行的指令，数据处理活动包括：
从所述至少一个摄像头中的每个摄像头接收图像；及
对多个接收到的图像进行处理，处理包括：
对每个图像进行下采样，让其降到一个较低的分辨率；
从当前图像中减去背景参考图像，减去的背景参考图像的分辨率与当前图像的分辨率相同，是由捕捉当前图像的同一摄像头所捕捉的图像；
在参考图像像素和当前图像像素之间执行逐像素对比，以及在当当前图像像素值和参考图像像素值之差低于某个阈值时，从当前图像中删除像素，阈值是可变的，它根据当前图像像素值和参考图像像素值中的其中一个来确定；
针对背景已删除的其中一个图像执行至少一个验证过程，得到一个结果；及
通过所述至少一个通信接口设备(114)，将该结果提供给销售点(POS)终端。
11.权利要求10所述的产品扫描器，其中在收到来自POS终端(100)的命令后执行数据处理活动，命令通过所述至少一个数据通信接口设备(114)接收。
12.权利要求11所述的产品扫描器，其中至少一个验证过程针对背景已经删除的至少一个下采样图像来执行，得出结果，该结果包括指示所呈现的物品是自然发生的亦或是人造产品，至少一个其它验证过程包括以下中的至少一种：
轮廓检测过程，该过程对图像进行处理，留下所呈现的物品的轮廓，然后，将其与人造产品的参考模型进行比较，当出现相对性的匹配时，输出所呈现的物品可能是人造产品的指示；
眩光检测过程，该过程对所呈现的物品图像区域内明显的眩光发生情况进行评价，当大于第一阈值的眩光发生数量大于第二阈值时，输出所呈现的物品可能是人造产品的指示；
针对所呈现的物品的图像执行霍夫变换，并执行直线检测过程和平行线检测过程中的至少一个过程，其中：
当直线检测明确比第三阈值长的直线数量大于第四阈值时，输出所呈现的物品可能是人造产品的指示；
当平行线检测明确至少两条平行线，其中每条平行线具有至少最低长度，并且分开至少最低距离时，输出所呈现的物品可能是人造产品的指示。
13.权利要求10至12任一项所述的产品扫描器，其中所述至少一个摄像头包括四个摄像头，处理的图像的数量是三个。
14.一种方法，包括权利要求1至9中的任意一个技术特征或者技术特征的任意组合。
15.一种产品扫描器，包括权利要求10至13中的任意一个技术特征或者技术特征的任意组合。
CN201511027441.1A 2015-03-30 2015-12-31 物品替代欺诈检测 Pending CN106022784A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US14/673,832 US10078827B2 (en) 2015-03-30 2015-03-30 Item substitution fraud detection
US14/673,832 2015-03-30

Publications (1)

Publication Number Publication Date
CN106022784A true CN106022784A (zh) 2016-10-12

Family

ID=54783403

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201511027441.1A Pending CN106022784A (zh) 2015-03-30 2015-12-31 物品替代欺诈检测

Country Status (3)

Country Link
US (1) US10078827B2 (zh)
EP (1) EP3076372A1 (zh)
CN (1) CN106022784A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108376447A (zh) * 2017-01-30 2018-08-07 Ncr公司 具有经延迟欺诈干预的远程称重台
CN108513079A (zh) * 2017-02-28 2018-09-07 Ncr公司 用于多个进程的多摄像头同时成像
CN109377128A (zh) * 2018-10-12 2019-02-22 上海商米科技有限公司 商品管理系统和商品管理方法
WO2021072699A1 (en) * 2019-10-17 2021-04-22 Shenzhen Malong Technologies Co., Ltd. Irregular scan detection for retail systems
CN113228079A (zh) * 2018-12-26 2021-08-06 得利捷美国股份有限公司 利用成像条形码扫描器检测用户扫描方法的异常

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10371564B2 (en) * 2015-04-29 2019-08-06 Ncr Corporation Force location apparatus, systems, and methods
US10198722B2 (en) * 2015-07-15 2019-02-05 Toshiba Tec Kabushiki Kaisha Commodity-sales-data processing apparatus, commodity-sales-data processing method, and computer-readable storage medium
US10803437B2 (en) * 2015-08-28 2020-10-13 Ncr Corporation Self-service terminal technical state monitoring and alerting
JP6585475B2 (ja) * 2015-11-16 2019-10-02 東芝テック株式会社 チェックアウト装置およびプログラム
US10331969B2 (en) * 2016-10-28 2019-06-25 Ncr Corporation Image processing for scale zero validation
US10733405B2 (en) * 2018-01-31 2020-08-04 Ncr Corporation Real-time three-dimensional (3D) shape validation
JP2020035015A (ja) 2018-08-27 2020-03-05 東芝テック株式会社 チェックアウト装置
US11100331B2 (en) * 2019-01-23 2021-08-24 Everseen Limited System and method for detecting scan irregularities at self-checkout terminals
US11170186B2 (en) * 2019-03-29 2021-11-09 Ncr Corporation Scanner bar
US11462083B2 (en) * 2019-06-25 2022-10-04 Ncr Corporation Display with integrated cameras
US11295104B2 (en) 2020-06-10 2022-04-05 Zebra Technologies Corporation Methods and apparatus to read barcodes on reflective surfaces
JP2022086455A (ja) * 2020-11-30 2022-06-09 富士フイルムビジネスイノベーション株式会社 検査装置、画像形成装置、及び検査プログラム
US20230169452A1 (en) * 2021-11-30 2023-06-01 Zebra Technologies Corporation System Configuration for Learning and Recognizing Packaging Associated with a Product
US20230297905A1 (en) * 2022-03-18 2023-09-21 Toshiba Global Commerce Solutions Holdings Corporation Auditing purchasing system

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101159084A (zh) * 2006-06-20 2008-04-09 东芝泰格有限公司 自结账终端
US20130223673A1 (en) * 2011-08-30 2013-08-29 Digimarc Corporation Methods and arrangements for identifying objects
CN104217400A (zh) * 2013-05-31 2014-12-17 联想(北京)有限公司 一种图像处理的方法及电子设备

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003259110A (ja) * 2002-02-28 2003-09-12 Fujitsu Ltd 画像結合装置、その方法、プログラム
DE102006059663B4 (de) * 2006-12-18 2008-07-24 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Vorrichtung, Verfahren und Computerprogramm zum Identifizieren eines Verkehrszeichens in einem Bild
US7909248B1 (en) 2007-08-17 2011-03-22 Evolution Robotics Retail, Inc. Self checkout with visual recognition
US8494909B2 (en) 2009-02-09 2013-07-23 Datalogic ADC, Inc. Automatic learning in a merchandise checkout system with visual recognition
US9129277B2 (en) 2011-08-30 2015-09-08 Digimarc Corporation Methods and arrangements for identifying objects
JP6103526B2 (ja) * 2013-03-15 2017-03-29 オリンパス株式会社 撮影機器，画像表示機器，及び画像表示機器の表示制御方法
JP6360350B2 (ja) * 2013-08-08 2018-07-18 東芝テック株式会社 情報処理装置、店舗システム及びプログラム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101159084A (zh) * 2006-06-20 2008-04-09 东芝泰格有限公司 自结账终端
US20130223673A1 (en) * 2011-08-30 2013-08-29 Digimarc Corporation Methods and arrangements for identifying objects
CN104217400A (zh) * 2013-05-31 2014-12-17 联想(北京)有限公司 一种图像处理的方法及电子设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
赵永涛: "印鉴识别算法研究", 《中国优秀硕士学位论文全文数据库（电子期刊）》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108376447A (zh) * 2017-01-30 2018-08-07 Ncr公司 具有经延迟欺诈干预的远程称重台
CN108513079A (zh) * 2017-02-28 2018-09-07 Ncr公司 用于多个进程的多摄像头同时成像
CN108513079B (zh) * 2017-02-28 2021-04-16 Ncr公司 用于多个进程的多摄像头同时成像
US11775952B2 (en) 2017-02-28 2023-10-03 Ncr Corporation Multi-camera simultaneous imaging for multiple processes
CN109377128A (zh) * 2018-10-12 2019-02-22 上海商米科技有限公司 商品管理系统和商品管理方法
CN113228079A (zh) * 2018-12-26 2021-08-06 得利捷美国股份有限公司 利用成像条形码扫描器检测用户扫描方法的异常
WO2021072699A1 (en) * 2019-10-17 2021-04-22 Shenzhen Malong Technologies Co., Ltd. Irregular scan detection for retail systems

Also Published As

Publication number Publication date
US20160292661A1 (en) 2016-10-06
US10078827B2 (en) 2018-09-18
EP3076372A1 (en) 2016-10-05

Similar Documents

Publication Publication Date Title
CN106022784A (zh) 物品替代欺诈检测
US8746557B2 (en) Secure self-checkout
US8196822B2 (en) Self checkout with visual recognition
US10366379B2 (en) Remote weigh station with delayed fraud intervention
US8345101B2 (en) Automatically calibrating regions of interest for video surveillance
US7516888B1 (en) Method and apparatus for auditing transaction activity in retail and other environments using visual recognition
JP6555866B2 (ja) 商品登録装置及びプログラム
JP6535775B2 (ja) 画像データの取得処理方法及そのシステム
US10650232B2 (en) Produce and non-produce verification using hybrid scanner
US20090272801A1 (en) Deterring checkout fraud
US20090160975A1 (en) Methods and Apparatus for Improved Image Processing to Provide Retroactive Image Focusing and Improved Depth of Field in Retail Imaging Systems
US20130050517A1 (en) Visual content-aware automatic camera adjustment
EP4075399A1 (en) Information processing system
US11488126B2 (en) Cashier fraud detecting system and method and product image selection generation for artificial neural network learning related applications
GB2593551A (en) Model-based machine-learning and inferencing
Bobbit et al. Visual item verification for fraud prevention in retail self-checkout
CN106203225A (zh) 基于深度的图像元素删除
JP5865316B2 (ja) 商品登録装置およびプログラム
CN113468914A (zh) 一种商品纯净度的确定方法、装置及设备
Saqlain et al. Hybrid Approach for Shelf Monitoring and Planogram Compliance (Hyb‐SMPC) in Retails Using Deep Learning and Computer Vision
CN110705620A (zh) 一种基于翻拍识别的陈列图像检测方法、装置及存储介质
CN112364702A (zh) 一种物品核验方法及装置
US20100053329A1 (en) Exit security
JP2023114434A (ja) 精算のための複数商品の製品認識
US9047742B2 (en) Visual security for point of sale terminals

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20161012