CN107424273A - 一种无人超市的管理方法 - Google Patents

一种无人超市的管理方法 Download PDF

Info

Publication number
CN107424273A
CN107424273A CN201710632891.6A CN201710632891A CN107424273A CN 107424273 A CN107424273 A CN 107424273A CN 201710632891 A CN201710632891 A CN 201710632891A CN 107424273 A CN107424273 A CN 107424273A
Authority
CN
China
Prior art keywords
mrow
user
commodity
msub
unmanned
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
CN201710632891.6A
Other languages
English (en)
Inventor
赵五岳
郑东
林先炎
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.)
Hangzhou Pan Intelligent Technology Co Ltd
Original Assignee
Hangzhou Pan Intelligent Technology Co Ltd
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 Hangzhou Pan Intelligent Technology Co Ltd filed Critical Hangzhou Pan Intelligent Technology Co Ltd
Priority to CN201710632891.6A priority Critical patent/CN107424273A/zh
Publication of CN107424273A publication Critical patent/CN107424273A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00—Individual registration on entry or exit
    • G07C9/30—Individual registration on entry or exit not involving the use of a pass
    • G07C9/38—Individual registration on entry or exit not involving the use of a pass with central registration
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/292—Multi-camera tracking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G06V20/42—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00—Individual registration on entry or exit
    • G07C9/30—Individual registration on entry or exit not involving the use of a pass
    • G07C9/32—Individual registration on entry or exit not involving the use of a pass in combination with an identity check
    • G07C9/37—Individual registration on entry or exit not involving the use of a pass in combination with an identity check using biometric data, e.g. fingerprints, iris scans or voice recognition
    • 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
    • G07G1/009—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 the reader being an RFID reader

Abstract

本发明涉及管理领域，尤其涉及一种无人超市的管理方法，通过人脸识别系统检测无人超市入口处，当该区域内有且只有一人时，大门可正常开启；当用户进入超市内，检测系统进行检测并锁定目标；跟踪系统对用户进行跟踪，得到运行轨迹，并将运行轨迹及相应的时间戳保存下来；用户通过RF标签感应系统进行自动付款；通过人脸识别系统检测无人超市出口处，当该区域内有且只有一人时，大门可正常开启；根据用户的运行轨迹及购买记录得到商品的推荐值，并根据推荐值大小反馈用户。本发明的有益效果是：用户通过人脸识别验证后才能进入无人超市，无人超市对用户进行筛选，避免了偷窃等违法行为；行为分析以及购物记录实现线下商品的智能推荐，提高用户体验。

Description

一种无人超市的管理方法
技术领域
本发明涉及管理领域，应用于无人超市平台，尤其涉及一种无人超市的管理方法。
背景技术
现在的超市多采用人工收银和人员导购的方式，从而达到为客户提供超市购物的目的。由于以往超市提供的购物方式在购物时存在影响自主性的问题，无法满足现代生活节奏的加快对服务快捷化的要求，同时造成超市方人工成本的浪费，影响了商家服务质量。
虽然现在也有少数的无人超市，但这些无人超市智能化程度低，使用不安全。
发明内容
针对上述方案的缺点，本发明提出一种安全、能够智能推荐的无人超市的管理方法。
本发明技术方案是：一种无人超市的管理方法，应用于无人超市平台，包括以下步骤：通过人脸识别系统检测无人超市入口处，当该区域内有且只有一人时，大门可正常开启；当用户进入超市内，检测系统进行检测并锁定目标；跟踪系统对用户进行跟踪，得到运行轨迹，并将运行轨迹及相应的时间戳保存下来；用户通过RF标签感应系统进行自动付款；通过人脸识别系统检测无人超市出口处，当该区域内有且只有一人时，大门可正常开启；根据用户的运行轨迹及购买记录得到商品的推荐值，并根据推荐值大小反馈用户。
进一步地，所述检测并锁定目标的方法为：获取图片，建立深度模型，将图片输入到深度模型提取图片特征；训练一个行人分类器，检测时将整张图片送入深度模型最终生成出一张特征映射图；再用训练好的分类器在特征映射图上进行滑窗生成一张热图，最终根据热图，大于某个阈值的区域判定为目标进行目标锁定。
进一步地，所述得到运行轨迹的方法为：获取用户的图片以及当前帧可能存在目标区域图片；将用户的图片以及当前帧可能存在目标区域图片输入到训练好的深度模型，得到深度特征；将得到的深度特征进行卷积操作得到热图，每一帧都根据当前深度特征来更新目标周围区域的热图，再根据阈值来更新目标位置，获得运行轨迹。
进一步地，所述反馈用户的方法为：根据用户的购买记录以及运行轨迹进行行为分析记录，生成一组被推荐的商品集合，再生成一组用户偏好的商品集合；根据用户偏好的商品集合计算每个偏好商品的偏好值valuei，其中，下标i＝1,2,…,N，N为用户偏好商品集合的商品数目；计算用户偏好的商品集合中的偏好商品i和被推荐的商品集合中的商品j的相似度similarityij，其中，下标i＝1,2,…,N，下标j＝1,2,…M，M为被推荐商品集合的商品数目；根据偏好值valuei和相似度similarityij计算推荐值按照推荐值从大到小排序返回给用户。
进一步地，所述相似度的计算方法为:
其中，i＝1,2,…,N,j＝1,2,…M，I(i)表示商品编号为i的商品项，x表示同时标记i商品和商品j的用户，U(x)表示用户x的活跃度，表示商品i的流行度,
进一步地，所述推荐值的计算方法为:
其中，j＝1,2,…M。
本发明的有益效果是：用户通过人脸识别验证后才能进入无人超市，无人超市对用户进行筛选，很大程度上避免了偷窃等违法行为；当监控区域内有且只有一人时，大门可以开启，监控区域内出现两人或以上时，防尾随系统发挥作用，大门将始终处于关闭状态，直至监控区域内恢复至只有一人的状态，避免了陌生人混入超市；行为分析以及购物记录实现线下商品的智能推荐，提高用户体验。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1是本发明实施例的整体流程示意图；
图2是本发明实施例中实际场景的示意图；
图3是本发明实施例中深度模型的结构示意图；
图4是本发明实施例中获得运行轨迹方法的流程示意图；
图5是本发明实施例中反馈客户方法的流程图。
具体实施方式
以下结合附图，对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。
在用户体验无人超市前需要进行注册，在人脸识别系统中输入用户的人像图片。
结合附图1-2，一种无人超市的管理方法，应用于无人超市平台，在无人超市内全方位覆盖有摄像头，在无人超市的入口和出口均安装有人脸识别系统，该方法包括以下步骤：
1.通过人脸识别系统检测无人超市入口处，当该区域内有且只有一人时，大门可正常开启。若监控区域内出现两人或以上时，大门将始终处于关闭并会发出警报，直至监控区域内恢复至只有一人的状态。人脸识别系统是通过摄像头获取场景中人脸照片，然后从中提取对识别有用的特征数据，再与数据库中已有的特征数据进行比对以确定此人是不是数据库中已存在的人。单人进入超市的模式避免了未注册用户尾随进入超市，对超市有更好的管理。
2.当用户进入超市内，检测系统进行检测并锁定目标。所述检测并锁定目标的方法为：通过超市内的摄像头获取用户人像图片，并建立如图3所示的深度模型其中Layer表示层(或运算)，Kernel Size表示运算操作的核大小，Chans表示通道数，data表示输入数据，conv表示卷积操作，pool表示最大值采样。将人像图片输入到深度模型提取图片特征；另外，在商超场景下的行人数据训练出一个行人分类器，能够识别人像并获取人像照片，检测时将整张人像图片送入深度模型最终生出一张特征映射图，再用训练好的分类器在特征映射图上进行滑窗生成一张热图，最终根据热图，大于某个阈值的区域判定为目标进行目标锁定，这里的阈值一般设定为0.9。
3.为了使系统达到实时，我们使用上述同一个深度模型来进行检测和跟踪。这样一方面有利于优化内存的访问，另一方面可以重复利用深度特征。具体流程如图4所示：首先获取用户的人像图片Z以及当前帧可能存在目标区域图片X，人像图片Z的大小为127*127*3，目标区域图片X的大小为255*255*3；将用户的人像图片Z以及当前帧可能存在目标区域图片X输入到训练好的深度模型得到深度特征；将得到的深度特征分别进行卷积操作得到热图，每一帧都根据当前深度特征来更新目标周围区域的热图，再根据阈值来更新目标位置，获得运行轨迹，这里的阈值一般也设定为0.9。
4.用户在完成购物后进入出口处的RF标签感应区域，在该区域由RF标签感应系统识别到商品上每个标签上的物品和价格，实现自动扣款完成该次购物。
5.通过人脸识别系统检测无人超市出口处，当该区域内有且只有一人时，大门可正常开启，检测的方法与步骤1相同。
6.根据用户的运行轨迹及购买记录得到商品的推荐值，并根据推荐值大小反馈用户。结合附图5，具体方法为:根据用户的购买记录以及运行轨迹进行行为分析记录，生成一组被推荐的商品集合，再生成一组用户偏好的商品集合；根据用户偏好的商品集合计算每个偏好商品的偏好值valuei，其中，下标i＝1,2,…,N，N为用户偏好商品集合的商品数目，偏好值valuei根据用户对每个商品的评分，例如：用户对某商品的评分为五颗星，则该用户对该商品的偏好值为5；计算用户偏好的商品集合中的偏好商品i和被推荐的商品集合中的商品j的相似度similarityij，其中，下标i＝1,2,…,N，下标j＝1,2,…M，M为被推荐商品集合的商品数目；根据偏好值valuei和相似度similarityij计算推荐值按照推荐值从大到小排序返回给用户。
其中，所述相似度similarityij的计算方法为:
其中，i＝1,2,…,N,j＝1,2,…M；I(i)表示商品编号为i的商品项，x表示同时标记i商品和商品j的用户，U(x)表示用户x的活跃度，表示商品i的流行度,
其中，推荐值的计算方法为:
其中，j＝1,2,…M。
根据跟踪场景中建立的运动情况，摄像头只保存有客流的视频片段，大大降低了存储成本。同时，摄像头将拍摄到的每个用户的运动轨迹保存，这样有利于当突发事件或盗窃等违法犯罪事件发生时，能根据线索快速调取相关人员的监控视频，降低侦查成本，并提升安全性能。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (6)

1.一种无人超市的管理方法，应用于无人超市平台，其特征在于，包括以下步骤：
通过人脸识别系统检测无人超市入口处，当该区域内有且只有一人时，大门可正常开启；
当用户进入超市内，检测系统进行检测并锁定目标；
跟踪系统对用户进行跟踪，得到运行轨迹，并将运行轨迹及相应的时间戳保存下来；
用户通过RF标签感应系统进行自动付款；
根据用户的运行轨迹及购买记录得到商品的推荐值，并根据推荐值大小反馈用户。
2.根据权利要求1所述的无人超市的管理方法，其特征在于，所述检测并锁定目标的方法为：获取图片，建立深度模型，将图片输入到深度模型提取图片特征；训练一个行人分类器，检测时将整张图片送入深度模型最终生成出一张特征映射图；再用训练好的分类器在特征映射图上进行滑窗生成一张热图，最终根据热图，大于某个阈值的区域判定为目标进行目标锁定。
3.根据权利要求1所述的无人超市的管理方法，其特征在于，所述得到运行轨迹的方法为：获取用户的图片以及当前帧可能存在目标区域图片；将用户的图片以及当前帧可能存在目标区域图片输入到训练好的深度模型，得到深度特征；将得到的深度特征进行卷积操作得到热图，每一帧都根据当前深度特征来更新目标周围区域的热图，再根据阈值来更新目标位置，获得运行轨迹。
4.根据权利要求1所述的无人超市的管理方法，其特征在于，所述反馈用户的方法为:
根据用户的购买记录以及运行轨迹进行行为分析记录，生成一组被推荐的商品集合，再生成一组用户偏好的商品集合；
根据用户偏好的商品集合计算每个偏好商品的偏好值valuei，其中，下标i＝1,2,…,N，N为用户偏好商品集合的商品数目；
计算用户偏好的商品集合中的偏好商品i和被推荐的商品集合中的商品j的相似度similarityij，其中，下标i＝1,2,…,N，下标j＝1,2,…M，M为被推荐商品集合的商品数目；
根据偏好值valuei和相似度similarityij计算推荐值
按照推荐值从大到小排序返回给用户。
5.根据权利要求4所述的无人超市的管理方法，其特征在于，所述相似度的计算方法为:
<mrow> <msub> <mi>similarity</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>=</mo> <mfrac> <mrow> <msub> <mi>&amp;Sigma;</mi> <mrow> <mi>x</mi> <mo>&amp;Element;</mo> <mi>I</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>&amp;cap;</mo> <mi>I</mi> <mrow> <mo>(</mo> <mi>j</mi> <mo>)</mo> </mrow> </mrow> </msub> <mfrac> <mn>1</mn> <mrow> <mi>log</mi> <mrow> <mo>(</mo> <mn>1</mn> <mo>+</mo> <mo>|</mo> <mrow> <mi>U</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> </mrow> <mo>|</mo> <mo>)</mo> </mrow> </mrow> </mfrac> </mrow> <mrow> <msup> <mrow> <mo>|</mo> <mi>I</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>|</mo> </mrow> <msub> <mo>&amp;part;</mo> <mi>i</mi> </msub> </msup> <msup> <mrow> <mo>|</mo> <mi>I</mi> <mrow> <mo>(</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>|</mo> </mrow> <msub> <mo>&amp;part;</mo> <mi>j</mi> </msub> </msup> </mrow> </mfrac> <mo>,</mo> </mrow>
其中，i＝1,2,…,N,j＝1,2,…M，I(i)表示商品编号为i的商品项，x表示同时标记i商品和商品j的用户，U(x)表示用户x的活跃度，表示商品i的流行度,
6.根据权利要求4所述的无人超市的管理方法，其特征在于，所述推荐值的计算方法为:
<mrow> <mover> <mrow> <msub> <mi>value</mi> <mi>i</mi> </msub> </mrow> <mo>&amp;OverBar;</mo> </mover> <mo>=</mo> <msub> <mi>&amp;Sigma;</mi> <mi>j</mi> </msub> <msub> <mi>similarity</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>*</mo> <msub> <mi>value</mi> <mi>j</mi> </msub> <mo>,</mo> </mrow>
其中，j＝1,2,…M。
CN201710632891.6A 2017-07-28 2017-07-28 一种无人超市的管理方法 Pending CN107424273A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710632891.6A CN107424273A (zh) 2017-07-28 2017-07-28 一种无人超市的管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710632891.6A CN107424273A (zh) 2017-07-28 2017-07-28 一种无人超市的管理方法

Publications (1)

Publication Number Publication Date
CN107424273A true CN107424273A (zh) 2017-12-01

Family

ID=60430753

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710632891.6A Pending CN107424273A (zh) 2017-07-28 2017-07-28 一种无人超市的管理方法

Country Status (1)

Country Link
CN (1) CN107424273A (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107967609A (zh) * 2017-12-29 2018-04-27 深圳正品创想科技有限公司 一种结算通道及无人商店
CN108537166A (zh) * 2018-04-08 2018-09-14 上海天壤智能科技有限公司 确定货架浏览量以及分析浏览量的方法和装置
CN108563985A (zh) * 2018-03-02 2018-09-21 海尔优家智能科技（北京）有限公司 识别扒窃的方法、监控中心、公共交通设备及存储介质
CN108764386A (zh) * 2018-03-27 2018-11-06 佛山市欢腾电子有限公司 一种无人超市的智能售货方法、系统
CN108830183A (zh) * 2018-05-28 2018-11-16 广东工业大学 一种无人超市的商品管理方法、装置以及系统
CN109543621A (zh) * 2018-11-23 2019-03-29 广州逗号智能零售有限公司 商品识别方法及装置
CN111144283A (zh) * 2019-12-25 2020-05-12 辽宁工程技术大学 一种基于人脸识别的智能超市商品推荐系统
CN111382650A (zh) * 2018-12-28 2020-07-07 阿里巴巴集团控股有限公司 商品购物处理系统、方法、装置及电子设备
CN111986363A (zh) * 2020-08-18 2020-11-24 递易（上海）智能科技有限公司 智能快递驿站、方法及计算机可读存储介质
WO2021047232A1 (zh) * 2019-09-11 2021-03-18 苏宁易购集团股份有限公司 交互行为识别方法、装置、计算机设备和存储介质
CN112950835A (zh) * 2021-03-15 2021-06-11 浙江三锁实业有限公司 一种人脸识别门禁控制方法、装置、智能终端和存储介质
WO2021204039A1 (zh) * 2020-04-10 2021-10-14 北京沃东天骏信息技术有限公司 用于推送信息的方法和装置

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102122346A (zh) * 2011-02-28 2011-07-13 济南纳维信息技术有限公司 基于视频分析的实体店面顾客兴趣点采集方法
CN102968506A (zh) * 2012-12-14 2013-03-13 北京理工大学 一种基于扩展特征向量的个性化协同过滤推荐方法
CN105245828A (zh) * 2015-09-02 2016-01-13 北京旷视科技有限公司 物品分析方法和设备
CN105354543A (zh) * 2015-10-29 2016-02-24 小米科技有限责任公司 视频处理方法及装置
CN205656683U (zh) * 2016-04-13 2016-10-19 佛山络威网络技术有限公司 一种无人值守超市门禁装置
CN106056628A (zh) * 2016-05-30 2016-10-26 中国科学院计算技术研究所 基于深度卷积神经网络特征融合的目标跟踪方法及系统
CN106340098A (zh) * 2016-08-27 2017-01-18 桂林信通科技有限公司 一种门禁系统及其控制方法
CN106570745A (zh) * 2016-11-05 2017-04-19 上海大学 一种超市智能自助式购物系统及方法
CN106779690A (zh) * 2017-01-17 2017-05-31 深圳市百姓通商网络科技有限公司 无人值守自动结账商店及其实现方法
CN106845385A (zh) * 2017-01-17 2017-06-13 腾讯科技（上海）有限公司 视频目标跟踪的方法和装置

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102122346A (zh) * 2011-02-28 2011-07-13 济南纳维信息技术有限公司 基于视频分析的实体店面顾客兴趣点采集方法
CN102968506A (zh) * 2012-12-14 2013-03-13 北京理工大学 一种基于扩展特征向量的个性化协同过滤推荐方法
CN105245828A (zh) * 2015-09-02 2016-01-13 北京旷视科技有限公司 物品分析方法和设备
CN105354543A (zh) * 2015-10-29 2016-02-24 小米科技有限责任公司 视频处理方法及装置
CN205656683U (zh) * 2016-04-13 2016-10-19 佛山络威网络技术有限公司 一种无人值守超市门禁装置
CN106056628A (zh) * 2016-05-30 2016-10-26 中国科学院计算技术研究所 基于深度卷积神经网络特征融合的目标跟踪方法及系统
CN106340098A (zh) * 2016-08-27 2017-01-18 桂林信通科技有限公司 一种门禁系统及其控制方法
CN106570745A (zh) * 2016-11-05 2017-04-19 上海大学 一种超市智能自助式购物系统及方法
CN106779690A (zh) * 2017-01-17 2017-05-31 深圳市百姓通商网络科技有限公司 无人值守自动结账商店及其实现方法
CN106845385A (zh) * 2017-01-17 2017-06-13 腾讯科技（上海）有限公司 视频目标跟踪的方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张献忠: "基于商品流行度和用户活跃度的推荐算法研究", 《电脑知识与技术》 *

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107967609A (zh) * 2017-12-29 2018-04-27 深圳正品创想科技有限公司 一种结算通道及无人商店
CN108563985A (zh) * 2018-03-02 2018-09-21 海尔优家智能科技（北京）有限公司 识别扒窃的方法、监控中心、公共交通设备及存储介质
CN108563985B (zh) * 2018-03-02 2022-08-26 海尔优家智能科技（北京）有限公司 识别扒窃的方法、监控中心、公共交通设备及存储介质
CN108764386A (zh) * 2018-03-27 2018-11-06 佛山市欢腾电子有限公司 一种无人超市的智能售货方法、系统
CN108764386B (zh) * 2018-03-27 2021-11-02 佛山市欢腾电子有限公司 一种无人超市的智能售货方法、系统
CN108537166B (zh) * 2018-04-08 2020-10-02 上海天壤智能科技有限公司 确定货架浏览量以及分析浏览量的方法和装置
CN108537166A (zh) * 2018-04-08 2018-09-14 上海天壤智能科技有限公司 确定货架浏览量以及分析浏览量的方法和装置
CN108830183A (zh) * 2018-05-28 2018-11-16 广东工业大学 一种无人超市的商品管理方法、装置以及系统
CN109543621A (zh) * 2018-11-23 2019-03-29 广州逗号智能零售有限公司 商品识别方法及装置
CN111382650A (zh) * 2018-12-28 2020-07-07 阿里巴巴集团控股有限公司 商品购物处理系统、方法、装置及电子设备
CN111382650B (zh) * 2018-12-28 2023-05-02 阿里巴巴集团控股有限公司 商品购物处理系统、方法、装置及电子设备
WO2021047232A1 (zh) * 2019-09-11 2021-03-18 苏宁易购集团股份有限公司 交互行为识别方法、装置、计算机设备和存储介质
CN111144283A (zh) * 2019-12-25 2020-05-12 辽宁工程技术大学 一种基于人脸识别的智能超市商品推荐系统
WO2021204039A1 (zh) * 2020-04-10 2021-10-14 北京沃东天骏信息技术有限公司 用于推送信息的方法和装置
CN111986363A (zh) * 2020-08-18 2020-11-24 递易（上海）智能科技有限公司 智能快递驿站、方法及计算机可读存储介质
CN112950835A (zh) * 2021-03-15 2021-06-11 浙江三锁实业有限公司 一种人脸识别门禁控制方法、装置、智能终端和存储介质

Similar Documents

Publication Publication Date Title
CN107424273A (zh) 一种无人超市的管理方法
CN104881637B (zh) 基于传感信息及目标追踪的多模信息系统及其融合方法
CN106980829B (zh) 基于视频分析的打架斗殴异常行为自动检测方法
CN108229335A (zh) 关联人脸识别方法和装置、电子设备、存储介质、程序
WO2019153193A1 (zh) 一种出租车运营监测方法、设备、存储介质和系统
CN102521578B (zh) 一种入侵检测和识别方法
CN107273822A (zh) 一种基于监控视频多目标跟踪和人脸识别的隐私保护方法
CN108898093A (zh) 一种人脸识别方法及应用该方法的电子病历登陆系统
CN104965235A (zh) 一种安检系统及方法
CN105389562A (zh) 一种时空约束的监控视频行人重识别结果的二次优化方法
US9489582B2 (en) Video anomaly detection based upon a sparsity model
CN109522853A (zh) 面向监控视频的人脸检测与搜索方法
Smeureanu et al. Real-time deep learning method for abandoned luggage detection in video
CN109583315A (zh) 一种面向智能视频监控的多通道快速人体姿态识别方法
CN107230267A (zh) 基于人脸识别算法的幼儿园智能签到方法
CN104156691B (zh) 一种基于图像处理的检测行人翻越闸机的监控方法
CN102254394A (zh) 一种基于视频差异分析的输电线路杆塔防盗监控方法
CN103198296A (zh) 一种基于贝叶斯惊奇度计算的视频异常行为检测方法及装置
CN111353338A (zh) 一种基于营业厅视频监控的能效改进方法
CN106485217A (zh) 一种识别游览景区人流饱和度的方法与系统
CN112699769A (zh) 一种安防监控中遗留物品的检测方法及系统
Lamba et al. Information Retrieval from Emotions and Eye Blinks with help of Sensor Nodes.
Mohammad et al. Searching surveillance video contents using convolutional neural network
Islam et al. Correlating belongings with passengers in a simulated airport security checkpoint
CN109977806A (zh) 实现idc机房进出人员精细化管理的系统及其方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
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: 20171201