CN108615296A - 无人售货方法和无人售货机 - Google Patents
无人售货方法和无人售货机 Download PDFInfo
- Publication number
- CN108615296A CN108615296A CN201810387465.5A CN201810387465A CN108615296A CN 108615296 A CN108615296 A CN 108615296A CN 201810387465 A CN201810387465 A CN 201810387465A CN 108615296 A CN108615296 A CN 108615296A
- Authority
- CN
- China
- Prior art keywords
- commodity
- user
- self
- signal
- information
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000012545 processing Methods 0.000 claims description 40
- 238000012549 training Methods 0.000 claims description 26
- 238000013136 deep learning model Methods 0.000 claims description 21
- 238000013135 deep learning Methods 0.000 claims description 13
- 241001269238 Data Species 0.000 claims description 9
- 238000012795 verification Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 abstract description 3
- 206010063385 Intellectualisation Diseases 0.000 abstract 1
- 210000003128 head Anatomy 0.000 description 61
- 230000008569 process Effects 0.000 description 30
- 210000001508 eye Anatomy 0.000 description 28
- 238000010586 diagram Methods 0.000 description 12
- 210000005252 bulbus oculi Anatomy 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 9
- 230000001815 facial effect Effects 0.000 description 9
- 210000001747 pupil Anatomy 0.000 description 9
- 210000001525 retina Anatomy 0.000 description 9
- 238000010200 validation analysis Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 230000002146 bilateral effect Effects 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 5
- 238000001914 filtration Methods 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 241001124569 Lycaenidae Species 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07F—COIN-FREED OR LIKE APPARATUS
- G07F11/00—Coin-freed apparatus for dispensing, or the like, discrete articles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
-
- 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
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Control Of Vending Devices And Auxiliary Devices For Vending Devices (AREA)
Abstract
本发明提出了一种无人售货方法和无人售货机。其中,无人售货方法用于无人售货装置,包括:获取用户的头部特征信息;根据头部特征信息识别用户目光聚焦的商品;基于预先存储的商品信息,获取并推送用户目光聚焦的商品的商品信息。本发明实现了对用户目光焦点进行跟踪分析,实时对用户目光所关注的商品进行商品信息的介绍,使用户实时了解关注商品的商品信息,实现了消费场景的智能化,提升了销售服务质量。
Description
技术领域
本发明涉及无人售货技术领域,具体而言,涉及一种无人售货方法和无人售货机。
背景技术
无人售货越来越受到人们的欢迎,传统的无人售货系统是基于用户的手动操作进行售货过程,然而,在用户使用无人售货系统进行商品购买时,往往在挑选产品过程中目光焦点会朝向感兴趣的产品,传统的无人售货系统没有对于用户目光焦点的追踪,无法针对用户目光焦点所对应的注意力来介绍商品;传统无人售货系统没有基于目光所聚焦商品与聚焦时间的统计与分析对所售卖商品进行分析的功能;传统无人售货系统没有通过统计用户目光在不同商品的聚焦时间,对用户进行个性化推荐商品的功能。
发明内容
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,本发明第一个方面在于提出一种无人售货方法。
本发明的第二个方面在于提出一种无人售货机。
有鉴于此,根据本发明的一个方面,提出了一种无人售货方法,用于无人售货装置,包括:获取用户的头部特征信息;根据头部特征信息识别用户目光聚焦的商品;基于预先存储的商品信息,获取并推送用户目光聚焦的商品的商品信息。
本发明提供的无人售货方法,实时采集用户的头部特征信息,获得用户头部图像,得到眼部特征(包括左眼与右眼的瞳孔、视网膜、眼球等的空间特征)、面部特征和头部姿势,进而对得到的多种特征进行分析,识别用户的目光焦点所对应无人售货装置内部位置上放置的商品,得出用户目光所集中的商品,从而确定出用户感兴趣的商品,从无人售货装置预存的多种商品的商品信息中获取用户感兴趣商品的商品信息,将该商品信息推送给用户,使用户实时了解自己感兴趣商品的具体商品信息,对用户购买商品提供选择依据,实现了消费场景的智能化,提升了销售服务质量。
根据本发明的上述无人售货方法,还可以具有以下技术特征:
在上述技术方案中,优选地,在获取用户的头部特征信息之前,还包括:判断是否接收到售卖模式开启信号;在接收到售卖模式开启信号时,获取并推送至少一种预先存储的商品信息。
在该技术方案中,在获取用户的头部特征信息之前,判断是否接收到售卖模式开启信号,当判断接收到时,代表有用户即将进行挑选商品,启动推送商品信息的进程,获取并推送至少一种预先存储的商品信息,推送的商品可以是用户目光尚未注意到任何商品时,根据营销策略主推的商品,或根据其他规则选取的商品,如此,使得用户可以根据当前推送的商品信息进行挑选商品,一方面,为用户挑选商品提供帮助,另一方面,有利于商品销售。在识别到用户目光焦点对应的商品时,将推送的商品信息更新到用户当前感兴趣商品的商品信息。
在上述任一技术方案中,优选地,在基于预先存储的商品信息,获取并推送商品的商品信息之后,还包括:在接收到售卖模式停止信号时,停止推送商品的商品信息。
在该技术方案中,在对用户关注的商品进行商品信息的推送之后,当检测到售卖模式停止信号时,表示用户购买商品结束,那么停止推送商品信息,避免了在没有用户进行商品购买时,无人售货装置继续进行推送商品信息进程,从而增加无人售货装置不必要的功耗。如果未接收到售卖模式停止信号,表明用户仍在购买商品,那么继续对用户目光进行追踪。
在上述任一技术方案中,优选地,还包括:获取在接收到售卖模式开启信号时的商品清单以及在接收到售卖模式停止信号时的商品清单,并进行比较得到比较信息;根据比较信息确定用户购买的商品,并计算购买商品的商品总额。
在该技术方案中,在用户未购买商品以及购买商品完成时,分别对无人售货装置内商品进行识别,当两次识别的商品清单发生变化,表明用户购买了某种或某些种商品,那么根据购买前后的比较结果确定用户购买的具体商品,进而计算并收取商品总额,实现了无人售货装置中商品的无人自动售卖。
在上述任一技术方案中,优选地,判断是否接收到售卖模式开启信号,具体包括:判断是否接收到无人售货装置的开门信号,在接收到开门信号时,判定为接收到售卖模式开启信号;和/或比较接收的用户的验证信息与预存信息,以识别用户的身份,在识别成功时判定为接收到售卖模式开启信号;售卖模式停止信号包括无人售货装置的关门信号。
在该技术方案中,当无人售货装置上设置门体,接收到开门信号代表有用户即将购买商品,触发售卖模式开启信号,进入推送商品信息的进程;接收到关门信号代表用户已购买完商品,触发售卖模式停止信号,结束推送商品信息的进程;当无人售货装置上未设置门体,用户通过扫描验证信息或通过生物识别技术激活售卖系统,当接收到扫描信息和/或生物特征信息时,进行与预存信息进行匹配,匹配成功,代表目前有用户进行挑选商品,触发售卖模式开启信号,启动推送商品信息的进程;用户结束购买时可以再次进行扫描验证码或生物特征与预存信息匹配,当匹配成功触发售卖模式停止信号,结束推送商品信息的进程;当然,在无人售货装置上设置门体,可以先进行扫描验证信息或生物特征信息与预存信息匹配,匹配成功触发开门信号,再进而触发售卖模式开启信号,进入推送商品信息的进程。通过多种形式进行售卖模式开启信号和售卖模式停止信号的触发,使得无人售货方法适合不同的情况。
在上述任一技术方案中,优选地,还包括:在预设时长内,统计每种商品的被关注时长,根据被关注时长确定每种商品的关注等级,并根据关注等级调整每种商品的售卖状态和/或放置位置。
在该技术方案中,通过目光焦点追踪,统计不同用户对于不同商品的目光停留时间,可以获取不同用户对于不同商品的关注程度,调整目前售卖商品的售卖状态和/或放置位置,比如,将零关注时长的商品下架等,可用于大数据分析,对无人售货系统所售卖商品的合理性进行评估,促进智能商业发展。
在上述任一技术方案中,优选地,还包括:基于预先存储的商品关联信息,查询与用户目光聚焦的商品相关联的商品,获取并推送相关联的商品的商品信息和/或位置信息。
在该技术方案中,根据用户目光所关注的商品,通过预先存储的商品关联信息,向用户推荐与介绍相似的商品,推送(语音播放和/或屏幕显示)相似商品所在位置、商品信息,使消费场景更加智能,提升销售质量。
在上述任一技术方案中,优选地,在获取用户的头部特征信息之前,还包括:获取多个样本头部图像和商品图像,分别获取多个样本头部图像中每个样本用户目光聚焦的位置,在商品图像中标记多个位置对应的样本商品轮廓,得到多个标记数据;根据多个标记数据获得训练数据集,应用训练数据集进行训练得到深度学习模型;根据头部特征信息识别用户目光聚焦的商品的步骤,具体包括:应用深度学习模型,根据头部特征信息确定用户的目光聚焦的位置,获取位置对应的商品图像,根据位置对应的商品图像识别商品。
在该技术方案中,在获取头部特征信息之前,预先进行建立深度学习模型,再进而根据深度学习模型推断用户目光所集中的商品。建立深度网络学习模型过程:1)获取人头部图像a,得到的眼部特征(包括左眼与右眼的瞳孔、视网膜、眼球等的空间特征)、面部特征和头部姿势;2)无人售货装置内商品图像b;3)图像预处理:使用双边滤波在保证图像边缘清晰的前提下去除图像中的噪声;4)标注图像b中目光所注视的商品轮廓,得到标记数据c;5)多次重复1)、2)、3),得到用于训练的训练数据集U;6)搭建深度学习网络,利用训练数据集U进行训练,得到深度学习模型。如此,根据充分训练深度学习模型根据头部特征信息确定用户的目光聚焦的位置,获取位置对应的商品图像,再根据位置对应的商品图像识别商品,实现了对用户目光焦点及追踪,对用户注视商品进行识别,使得目光追踪和商品识别更加准确,使得用户具有更好的体验。
根据本发明的第二个方面,提出了一种无人售货机,包括:售货箱主体;采集装置,采集装置设置在售货箱主体上,用于获取用户的头部特征信息;处理装置,处理装置与采集装置相连接,用于根据头部特征信息识别用户目光聚焦的商品;信息推送装置,信息推送装置设置在售货箱主体上,与处理装置相连接,用于基于预先存储的商品信息,获取并推送用户目光聚焦的商品的商品信息。
本发明提供的无人售货机,采集装置实时采集用户的头部特征信息,获得用户头部图像,处理装置根据头部图像得到眼部特征(包括左眼与右眼的瞳孔、视网膜、眼球等的空间特征)、面部特征和头部姿势,进而对得到的多种特征进行分析,识别用户的目光焦点所对应无人售货机内部位置上放置的商品,得出用户目光所集中的商品,从而确定出用户感兴趣的商品,信息推送装置从无人售货机预存的多种商品的商品信息中获取用户感兴趣商品的商品信息,将该商品信息推送给用户,使用户实时了解自己感兴趣商品的具体商品信息,对用户购买商品提供选择依据,实现了消费场景的智能化,提升了销售服务质量。
根据本发明的上述无人售货机,还可以具有以下技术特征:
在上述技术方案中,优选地,处理装置还用于判断是否接收到售卖模式开启信号;信息推送装置还用于在接收到售卖模式开启信号时,获取并推送至少一种预先存储的商品信息。
在该技术方案中,在获取用户的头部特征信息之前,判断是否接收到售卖模式开启信号,当判断接收到时,代表有用户即将进行挑选商品,启动推送商品信息的进程,获取并推送至少一种预先存储的商品信息,推送的商品可以是用户目光尚未注意到任何商品时,根据营销策略主推的商品,或根据其他规则选取的商品,如此,使得用户可以根据当前推送的商品信息进行挑选商品,一方面,为用户挑选商品提供帮助,另一方面,有利于商品销售。在识别到用户目光焦点对应的商品时,将推送的商品信息更新到用户当前感兴趣商品的商品信息。
在上述任一技术方案中,优选地,信息推送装置还用于在接收到售卖模式停止信号时,停止推送商品的商品信息。
在该技术方案中,在对用户关注的商品进行商品信息的推送之后,当检测到售卖模式停止信号时,表示用户购买商品结束,那么停止推送商品信息,避免了在没有用户进行商品购买时,无人售货机继续进行推送商品信息进程,从而增加无人售货机不必要的功耗。如果未接收到售卖模式停止信号,表明用户仍在购买商品,那么继续对用户目光进行追踪。
在上述任一技术方案中,优选地,处理装置还用于获取在接收到售卖模式开启信号时的商品清单以及在接收到售卖模式停止信号时的商品清单,并进行比较得到比较信息;以及根据比较信息确定用户购买的商品,并计算购买的商品的商品总额。
在该技术方案中,在用户未购买商品以及购买商品完成时,分别对无人售货机内商品进行识别,当两次识别的商品清单发生变化,表明用户购买了某种或某些种商品,那么根据购买前后的比较结果确定用户购买的具体商品,进而计算并收取商品总额,实现了无人售货机中商品的无人自动售卖。
在上述任一技术方案中,优选地,处理装置具体用于判断是否接收到无人售货机的开门信号,在接收到开门信号时,判定为接收到售卖模式开启信号;和/或比较接收的用户的验证信息与预存信息,以识别用户的身份,在识别成功时判定为接收到售卖模式开启信号;售卖模式停止信号包括无人售货机的关门信号。
在该技术方案中,当无人售货机上设置门体,接收到开门信号代表有用户即将购买商品,触发售卖模式开启信号,进入推送商品信息的进程;接收到关门信号代表用户已购买完商品,触发售卖模式停止信号,结束推送商品信息的进程;当无人售货机上未设置门体,用户通过扫描验证信息或通过生物识别技术激活售卖系统,当接收到扫描信息和/或生物特征信息时,进行与预存信息进行匹配,匹配成功,代表目前有用户进行挑选商品,触发售卖模式开启信号,启动推送商品信息的进程;用户结束购买时可以再次进行扫描验证码或生物特征与预存信息匹配,当匹配成功触发售卖模式停止信号,结束推送商品信息的进程;当然,在无人售货机上设置门体,可以先进行扫描验证信息或生物特征信息与预存信息匹配,匹配成功触发开门信号,再进而触发售卖模式开启信号,进入推送商品信息的进程。通过多种形式进行售卖模式开启信号和售卖模式停止信号的触发,使得无人售货方法适合不同的情况。
在上述任一技术方案中,优选地,处理装置还用于在预设时长内,统计每种商品的被关注时长,根据被关注时长确定每种商品的关注等级,并根据关注等级调整每种商品的售卖状态和/或放置位置。
在该技术方案中,通过目光焦点追踪,统计不同用户对于不同商品的目光停留时间,可以获取不同用户对于不同商品的关注程度,调整目前售卖商品的售卖状态和/或放置位置,比如,将零关注时长的商品下架等,可用于大数据分析,对无人售货系统所售卖商品的合理性进行评估,促进智能商业发展。
在上述任一技术方案中,优选地,处理装置还用于基于预先存储的商品关联信息,查询与用户目光聚焦的商品相关联的商品,获取并推送相关联的商品的商品信息和/或位置信息。
在该技术方案中,根据用户目光所关注的商品,通过预先存储的商品关联信息,向用户推荐与介绍相似的商品,推送(语音播放和/或屏幕显示)相似商品所在位置、商品信息,使消费场景更加智能,提升销售质量。
在上述任一技术方案中,优选地,处理装置还用于获取多个样本头部图像和商品图像,分别获取多个样本头部图像中每个样本用户目光聚焦的位置,在商品图像中标记多个位置对应的样本商品轮廓,得到多个标记数据;根据多个标记数据获得训练数据集,应用训练数据集进行训练得到深度学习模型;处理装置具体用于根据头部特征信息确定用户的目光聚焦的位置;采集装置还用于获取位置对应的商品图像,以使处理装置根据位置对应的商品图像识别商品。
在该技术方案中,在获取头部特征信息之前,预先进行建立深度学习模型,再进而根据深度学习模型推断用户目光所集中的商品。建立深度网络学习模型过程:1)获取人头部图像a,得到的眼部特征(包括左眼与右眼的瞳孔、视网膜、眼球等的空间特征)、面部特征和头部姿势;2)无人售货机内商品图像b;3)图像预处理:使用双边滤波在保证图像边缘清晰的前提下去除图像中的噪声;4)标注图像b中目光所注视的商品轮廓,得到标记数据c;5)多次重复1)、2)、3),得到用于训练的训练数据集U;6)搭建深度学习网络,利用训练数据集U进行训练,得到深度学习模型。如此,根据充分训练深度学习模型根据头部特征信息确定用户的目光聚焦的位置,获取位置对应的商品图像,再根据位置对应的商品图像识别商品,实现了对用户目光焦点及追踪,对用户注视商品进行识别,使得目光追踪和商品识别更加准确,使得用户具有更好的体验。
在上述任一技术方案中,优选地,采集装置包括一个或多个摄像装置。
在该技术方案中,采集装置可以是一个摄像机,还可以是多个摄像机,比如,可以设置一个摄像机采集用户头部特征图像,一个摄像机拍摄用户目光焦点对应的无人售货机内部位置图像,通过不同功能设置多个摄像机,使得每个摄像机功能更加专一化。
在上述任一技术方案中,优选地,还包括:扬声器,扬声器设置在售货箱主体上,用于播放商品信息;和/或显示装置,显示装置设置在售货箱主体上,用于显示商品信息。
在该技术方案中,无人售货机还包括扬声器(喇叭)和/或显示装置,通过扬声器语音播放商品信息,和/或通过显示装置屏幕显示商品信息,在需要时,还可以通过扬声器和/或显示装置播放或显示商品位置信息。当然,无人售货机还可以将商品信息推送至指定终端,如当前进行购买的用户手机上,通过多种商品信息介绍形式使得用户了解商品信息,提升商品销售智能化。
在上述任一技术方案中,优选地,还包括:麦克风,麦克风设置在售货箱主体上,用于接收用户的声音信号,以对声音信号进行识别。
在该技术方案中,无人售货机还包括麦克风,通过麦克风对用户语音信号进行识别,进一步提升无人售货机的智能化。
本发明的附加方面和优点将在下面的描述部分中变得明显,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示出了本发明的一个实施例的无人售货方法的流程示意图;
图2示出了本发明的另一个实施例的无人售货方法的流程示意图;
图3示出了本发明的再一个实施例的无人售货方法的流程示意图;
图4示出了本发明的一个实施例的无人售货机的结构示意图;
图5示出了本发明的另一个实施例的无人售货机的结构示意图;
图6示出了本发明的一个具体实施例的无人售货机的控制部分示意框图;
图7示出了本发明的一个具体实施例的无人售货方法的流程示意图;
图8示出了本发明的一个具体实施例的无人售货机获得深度学习模型的流程示意图。
其中,图4中的附图标记与部件名称之间的对应关系为:
40无人售货机,402售货箱主体,404采集装置,406处理装置,408信息推送装置。
图5中的附图标记与部件名称之间的对应关系为:
50无人售货机,502售货箱主体,504采集装置,506处理装置,508信息推送装置,510扬声器,512显示装置。
具体实施方式
为了能够更清楚地理解本发明的上述方面、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限于下面公开的具体实施例的限制。
本发明第一方面的实施例,提出一种无人售货方法,图1示出了本发明的一个实施例的无人售货方法的流程示意图。如图1所示,该方法包括:
S102,获取用户的头部特征信息;
S104,根据头部特征信息识别用户目光聚焦的商品;
S106,基于预先存储的商品信息,获取并推送用户目光聚焦的商品的商品信息。
本发明提供的无人售货方法,实时采集用户的头部特征信息,获得用户头部图像,得到眼部特征(包括左眼与右眼的瞳孔、视网膜、眼球等的空间特征)、面部特征和头部姿势,进而对得到的多种特征进行分析,识别用户的目光焦点所对应无人售货装置内部位置上放置的商品,得出用户目光所集中的商品,从而确定出用户感兴趣的商品,从无人售货装置预存的多种商品的商品信息中获取用户感兴趣商品的商品信息,将该商品信息推送给用户,使用户实时了解自己感兴趣商品的具体商品信息,对用户购买商品提供选择依据,实现了消费场景的智能化,提升了销售服务质量。
图2示出了本发明的另一个实施例的无人售货方法的流程示意图。其中,该方法包括:
S202,判断是否接收到售卖模式开启信号,是,则转到S204,否,则重复执行S202;
S204,获取并推送至少一种预先存储的商品信息;
S206,获取用户的头部特征信息;
S208,根据头部特征信息识别用户目光聚焦的商品;
S210,基于预先存储的商品信息,获取并推送用户目光聚焦的商品的商品信息;
S212,在接收到售卖模式停止信号时,停止推送商品的商品信息。
在该实施例中,在获取用户的头部特征信息之前,判断是否接收到售卖模式开启信号,当判断接收到时,代表有用户即将进行挑选商品,启动推送商品信息的进程,获取并推送至少一种预先存储的商品信息,推送的商品可以是用户目光尚未注意到任何商品时,根据营销策略主推的商品,或根据其他规则选取的商品,如此,使得用户可以根据当前推送的商品信息进行挑选商品,一方面,为用户挑选商品提供帮助,另一方面,有利于商品销售。在识别到用户目光焦点对应的商品时,将推送的商品信息更新到用户当前感兴趣商品的商品信息。
在该实施例中,在对用户关注的商品进行商品信息的推送之后,当检测到售卖模式停止信号时,表示用户购买商品结束,那么停止推送商品信息,避免了在没有用户进行商品购买时,无人售货装置继续进行推送商品信息进程,从而增加无人售货装置不必要的功耗。如果未接收到售卖模式停止信号,表明用户仍在购买商品,那么继续对用户目光进行追踪。
图3示出了本发明的再一个实施例的无人售货方法的流程示意图。其中,该方法包括:
S302,判断是否接收到售卖模式开启信号,是,则转到S304,否,则重复执行执行S302;
S304,获取并推送至少一种预先存储的商品信息,获取在接收到售卖模式开启信号时的商品清单;
S306,获取用户的头部特征信息;
S308,根据头部特征信息识别用户目光聚焦的商品;
S310,基于预先存储的商品信息,获取并推送用户目光聚焦的商品的商品信息;
S312,在接收到售卖模式停止信号时,获取商品清单,并停止推送商品的商品信息;
S314,比较接收到售卖模式开启信号时的商品清单以及在接收到售卖模式停止信号时的商品清单,并进行比较得到比较信息;
S316,根据比较信息确定用户购买的商品,计算购买商品的商品总额。
在该实施例中,在用户未购买商品以及购买商品完成时,分别对无人售货装置内商品进行识别,当两次识别的商品清单发生变化,表明用户购买了某种或某些种商品,那么根据购买前后的比较结果确定用户购买的具体商品,进而计算并收取商品总额,实现了无人售货装置中商品的无人自动售卖。
在上述任一实施例中,优选地,判断是否接收到售卖模式开启信号,具体包括:判断是否接收到无人售货装置的开门信号,在接收到开门信号时,判定为接收到售卖模式开启信号;和/或比较接收的用户的验证信息与预存信息,以识别用户的身份,在识别成功时判定为接收到售卖模式开启信号;售卖模式停止信号包括无人售货装置的关门信号。
在该实施例中,当无人售货装置上设置门体,接收到开门信号代表有用户即将购买商品,触发售卖模式开启信号,进入推送商品信息的进程;接收到关门信号代表用户已购买完商品,触发售卖模式停止信号,结束推送商品信息的进程;当无人售货装置上未设置门体,用户通过扫描验证信息或通过生物识别技术激活售卖系统,当接收到扫描信息和/或生物特征信息时,进行与预存信息进行匹配,匹配成功,代表目前有用户进行挑选商品,触发售卖模式开启信号,启动推送商品信息的进程;用户结束购买时可以再次进行扫描验证码或生物特征与预存信息匹配,当匹配成功触发售卖模式停止信号,结束推送商品信息的进程;当然,在无人售货装置上设置门体,可以先进行扫描验证信息或生物特征信息与预存信息匹配,匹配成功触发开门信号,再进而触发售卖模式开启信号,进入推送商品信息的进程。通过多种形式进行售卖模式开启信号和售卖模式停止信号的触发,使得无人售货方法适合不同的情况。
在上述任一实施例中,优选地,还包括:在预设时长内,统计每种商品的被关注时长,根据被关注时长确定每种商品的关注等级,并根据关注等级调整每种商品的售卖状态和/或放置位置。
在该实施例中,通过目光焦点追踪,统计不同用户对于不同商品的目光停留时间,可以获取不同用户对于不同商品的关注程度,调整目前售卖商品的售卖状态和/或放置位置,比如,将零关注时长的商品下架等,可用于大数据分析,对无人售货系统所售卖商品的合理性进行评估,促进智能商业发展。
在上述任一实施例中,优选地,还包括:基于预先存储的商品关联信息,查询与用户目光聚焦的商品相关联的商品,获取并推送相关联的商品的商品信息和/或位置信息。
在该实施例中,根据用户目光所关注的商品,通过预先存储的商品关联信息,向用户推荐与介绍相似的商品,推送(语音播放和/或屏幕显示)相似商品所在位置、商品信息,使消费场景更加智能,提升销售质量。
在上述任一实施例中,优选地,在获取用户的头部特征信息之前,还包括:获取多个样本头部图像和商品图像,分别获取多个样本头部图像中每个样本用户目光聚焦的位置,在商品图像中标记多个位置对应的样本商品轮廓,得到多个标记数据;根据多个标记数据获得训练数据集,应用训练数据集进行训练得到深度学习模型;根据头部特征信息识别用户目光聚焦的商品的步骤,具体包括:应用深度学习模型,根据头部特征信息确定用户的目光聚焦的位置,获取位置对应的商品图像,根据位置对应的商品图像识别商品。
在该实施例中,在获取头部特征信息之前,预先进行建立深度学习模型,再进而根据深度学习模型推断用户目光所集中的商品。建立深度网络学习模型过程:1)获取人头部图像a,得到的眼部特征(包括左眼与右眼的瞳孔、视网膜、眼球等的空间特征)、面部特征和头部姿势;2)无人售货装置内商品图像b;3)图像预处理:使用双边滤波在保证图像边缘清晰的前提下去除图像中的噪声;4)标注图像b中目光所注视的商品轮廓,得到标记数据c;5)多次重复1)、2)、3),得到用于训练的训练数据集U;6)搭建深度学习网络,利用训练数据集U进行训练,得到深度学习模型。如此,根据充分训练深度学习模型根据头部特征信息确定用户的目光聚焦的位置,获取位置对应的商品图像,再根据位置对应的商品图像识别商品,实现了对用户目光焦点及追踪,对用户注视商品进行识别,使得目光追踪和商品识别更加准确,使得用户具有更好的体验。
本发明第二方面的实施例,提出一种无人售货机,图4示出了本发明的一个实施例的无人售货机的结构示意图。如图4所示,无人售货机40包括:售货箱主体402,采集装置404,处理装置406,信息推送装置408。其中,采集装置404设置在售货箱主体402上,用于获取用户的头部特征信息;处理装置406与采集装置404相连接,用于根据头部特征信息识别用户目光聚焦的商品;信息推送装置408设置在售货箱主体402上,与处理装置406相连接,用于基于预先存储的商品信息,获取并推送用户目光聚焦的商品的商品信息。
本发明提供的无人售货机40,采集装置404实时采集用户的头部特征信息,获得用户头部图像,处理装置406根据头部图像得到眼部特征(包括左眼与右眼的瞳孔、视网膜、眼球等的空间特征)、面部特征和头部姿势,进而对得到的多种特征进行分析,识别用户的目光焦点所对应无人售货机40内部位置上放置的商品,得出用户目光所集中的商品,从而确定出用户感兴趣的商品,信息推送装置408从无人售货机预存的多种商品的商品信息中获取用户感兴趣商品的商品信息,将该商品信息推送给用户,使用户实时了解自己感兴趣商品的具体商品信息,对用户购买商品提供选择依据,实现了消费场景的智能化,提升了销售服务质量。
在上述实施例中,优选地,处理装置406还用于判断是否接收到售卖模式开启信号;信息推送装置408还用于在接收到售卖模式开启信号时,获取并推送至少一种预先存储的商品信息。
在该实施例中,在获取用户的头部特征信息之前,判断是否接收到售卖模式开启信号,当判断接收到时,代表有用户即将进行挑选商品,启动推送商品信息的进程,获取并推送至少一种预先存储的商品信息,推送的商品可以是用户目光尚未注意到任何商品时,根据营销策略主推的商品,或根据其他规则选取的商品,如此,使得用户可以根据当前推送的商品信息进行挑选商品,一方面,为用户挑选商品提供帮助,另一方面,有利于商品销售。在识别到用户目光焦点对应的商品时,将推送的商品信息更新到用户当前感兴趣商品的商品信息。
在上述任一实施例中,优选地,信息推送装置408还用于在接收到售卖模式停止信号时,停止推送商品的商品信息。
在该实施例中,在对用户关注的商品进行商品信息的推送之后,当检测到售卖模式停止信号时,表示用户购买商品结束,那么停止推送商品信息,避免了在没有用户进行商品购买时,无人售货机继续进行推送商品信息进程,从而增加无人售货机不必要的功耗。如果未接收到售卖模式停止信号,表明用户仍在购买商品,那么继续对用户目光进行追踪。
在上述任一实施例中,优选地,处理装置406还用于获取在接收到售卖模式开启信号时的商品清单以及在接收到售卖模式停止信号时的商品清单,并进行比较得到比较信息;以及根据比较信息确定用户购买的商品,并计算购买的商品的商品总额。
在该实施例中,在用户未购买商品以及购买商品完成时,分别对无人售货机内商品进行识别,当两次识别的商品清单发生变化,表明用户购买了某种或某些种商品,那么根据购买前后的比较结果确定用户购买的具体商品,进而计算并收取商品总额,实现了无人售货机中商品的无人自动售卖。
在上述任一实施例中,优选地,处理装置406具体用于判断是否接收到无人售货机的开门信号,在接收到开门信号时,判定为接收到售卖模式开启信号;和/或比较接收的用户的验证信息与预存信息,以识别用户的身份,在识别成功时判定为接收到售卖模式开启信号;售卖模式停止信号包括无人售货机的关门信号。
在该实施例中,当无人售货机上设置门体,接收到开门信号代表有用户即将购买商品,触发售卖模式开启信号,进入推送商品信息的进程;接收到关门信号代表用户已购买完商品,触发售卖模式停止信号,结束推送商品信息的进程;当无人售货机上未设置门体,用户通过扫描验证信息或通过生物识别技术激活售卖系统,当接收到扫描信息和/或生物特征信息时,进行与预存信息进行匹配,匹配成功,代表目前有用户进行挑选商品,触发售卖模式开启信号,启动推送商品信息的进程;用户结束购买时可以再次进行扫描验证码或生物特征与预存信息匹配,当匹配成功触发售卖模式停止信号,结束推送商品信息的进程;当然,在无人售货机上设置门体,可以先进行扫描验证信息或生物特征信息与预存信息匹配,匹配成功触发开门信号,再进而触发售卖模式开启信号,进入推送商品信息的进程。通过多种形式进行售卖模式开启信号和售卖模式停止信号的触发,使得无人售货方法适合不同的情况。
在上述任一实施例中,优选地,处理装置406还用于在预设时长内,统计每种商品的被关注时长,根据被关注时长确定每种商品的关注等级,并根据关注等级调整每种商品的售卖状态和/或放置位置。
在该实施例中,通过目光焦点追踪,统计不同用户对于不同商品的目光停留时间,可以获取不同用户对于不同商品的关注程度,调整目前售卖商品的售卖状态和/或放置位置,比如,将零关注时长的商品下架等,可用于大数据分析,对无人售货系统所售卖商品的合理性进行评估,促进智能商业发展。
在上述任一实施例中,优选地,处理装置406还用于基于预先存储的商品关联信息,查询与用户目光聚焦的商品相关联的商品,获取并推送相关联的商品的商品信息和/或位置信息。
在该实施例中,根据用户目光所关注的商品,通过预先存储的商品关联信息,向用户推荐与介绍相似的商品,推送(语音播放和/或屏幕显示)相似商品所在位置、商品信息,使消费场景更加智能,提升销售质量。
在上述任一实施例中,优选地,处理装置406还用于获取多个样本头部图像和商品图像,分别获取多个样本头部图像中每个样本用户目光聚焦的位置,在商品图像中标记多个位置对应的样本商品轮廓,得到多个标记数据;根据多个标记数据获得训练数据集,应用训练数据集进行训练得到深度学习模型;处理装置406具体用于根据头部特征信息确定用户的目光聚焦的位置;采集装置404还用于获取位置对应的商品图像,以使处理装置406根据位置对应的商品图像识别商品。
在该实施例中,在获取头部特征信息之前,预先进行建立深度学习模型,再进而根据深度学习模型推断用户目光所集中的商品。建立深度网络学习模型过程:1)获取人头部图像a,得到的眼部特征(包括左眼与右眼的瞳孔、视网膜、眼球等的空间特征)、面部特征和头部姿势;2)无人售货机内商品图像b;3)图像预处理:使用双边滤波在保证图像边缘清晰的前提下去除图像中的噪声;4)标注图像b中目光所注视的商品轮廓,得到标记数据c;5)多次重复1)、2)、3),得到用于训练的训练数据集U;6)搭建深度学习网络,利用训练数据集U进行训练,得到深度学习模型。如此,根据充分训练深度学习模型根据头部特征信息确定用户的目光聚焦的位置,获取位置对应的商品图像,再根据位置对应的商品图像识别商品,实现了对用户目光焦点及追踪,对用户注视商品进行识别,使得目光追踪和商品识别更加准确,使得用户具有更好的体验。
在上述任一实施例中,优选地,采集装置404包括一个或多个摄像装置。
在该实施例中,采集装置404可以是一个摄像机,还可以是多个摄像机,比如,可以设置一个摄像机采集用户头部特征图像,一个摄像机拍摄用户目光焦点对应的无人售货机40内部位置图像,通过不同功能设置多个摄像机,使得每个摄像机功能更加专一化。
图5示出了本发明的另一个实施例的无人售货机的结构示意图。如图5所示,无人售货机50包括:售货箱主体502,采集装置504,处理装置506,信息推送装置508,扬声器510,显示装置512。其中,采集装置504设置在售货箱主体502上,用于获取用户的头部特征信息;处理装置506与采集装置504相连接,用于根据头部特征信息识别用户目光聚焦的商品;信息推送装置508设置在售货箱主体502上,与处理装置506相连接,用于基于预先存储的商品信息,获取并推送用户目光聚焦的商品的商品信息;扬声器510设置在售货箱主体502上,用于播放商品信息;显示装置512设置在售货箱主体502上,用于显示商品信息。
在该实施例中,无人售货机50还包括扬声器510(喇叭)和显示装置512,通过扬声器510语音播放商品信息,通过显示装置512屏幕显示商品信息,在需要时,还可以通过扬声器510和/或显示装置512播放或显示商品位置信息。当然,无人售货机50还可以将商品信息推送至指定终端,如当前进行购买的用户手机上,通过多种商品信息介绍形式使得用户了解商品信息,提升商品销售智能化。
在该实施例中,无人售货机50还包括麦克风,通过麦克风对用户语音信号进行识别,进一步提升无人售货机50的智能化。
下面结合图6至图8说明本发明的一个具体实施例。
如图6所示的该具体实施例中的无人售货机60的控制部分包括:喇叭602,用于语音合成后的语音播放;麦克风604,用于语音识别;箱体内表面摄像头606,用于箱内商品图像识别;箱体外表面摄像头608,用于用户眼球所看方向跟踪;语音采集与播放电路610;摄像头驱动电路612;主控板614。该具体实施例中的无人售货机60还包括:售货箱主体,售货箱主体上设有展示窗、出货口、广告机构、商品价格标签显示装置、售卖凭条出口、售货箱主体内设有电源控制模块、处理器控制模块。
该具体实施例的无人售货机60的控制无人售货的方法流程如图7所示:
S702,检测是否有用户正在扫描二维码或通过生物识别技术进行开门,是,则进入S704,否,则重复执行S702;
S704,用户通过扫描二维码或通过生物识别技术是否识别成功,是,则进入S706,否,则进入S702:生物识别技术包括:人脸识别、指纹识别等;
S706,启动播放商品信息的程序;
S708,前置摄像头采集用户的头部特征;
S710,通过深度学习模型推断用户目光所集中的箱内位置;
S712,利用图像识别,得出用户所述注意的商品名称;
S714,更新需要播放的商品;
S716,是否已经关门,是,则进入S718,否,则返回S708;
S718,结束播放商品信息进程;
S720,检测箱体内商品清单,判断箱体内商品是否发生变化,是,则进入S722,否,则进入S702;
S722,计算用户所拿商品总额,自动扣费。
其中,在该具体实施例中的无人售货机60推断用户目光所集中商品的深度学习模型训练流程如图8所示:
S802,获取人头部图像:通过箱体外表面摄像头获取人头部图像a,得到的眼部特征(包括左眼与右眼的瞳孔、视网膜、眼球等的空间特征)、面部特征和头部姿势;
S804,获取箱内商品图像:通过箱体内表面摄像头获取箱内商品图像b;
S806,图像预处理:使用双边滤波在保证图像边缘清晰的前提下去除图像中的噪声;
S808,标注箱内商品图像中目光所注视的商品:标注图像b中目光所注视的商品轮廓,得到标记数据c;
S810,得到训练数据集:多次重复执行步骤802至步骤808,得到训练数据集U;
S812,搭建深度学习网络;
S814,利用训练数据集进行训练:利用训练数据集U进行训练
S816,得到深度学习模型。
该具体实施例中的无人售货机60具有如下优点:
1)采用摄像头对前方用户的目光焦点进行跟踪与分析,实时对用户目光所关注商品进行语音介绍;
2)通过目光焦点追踪,统计不同商品所关注时间,统计不同用户对于不同商品的目光停留时间,可以获取不同用户对于不同商品的关注程度,可以借助跟踪路人的目光焦点,评估哪些商品最“抢眼”,可用于大数据分析,从另外一个角度对无人售货机60所摆放商品的合理性进行评估;
3)可根据用户目光所关注的商品,通过智能推荐算法,向用户推荐与介绍相似的商品,告知(语音播放)相似商品所在位置,向用户进行智能精准推荐商品,使消费场景更加智能,提升销售质量。
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。
Claims (18)
1.一种无人售货方法,用于无人售货装置,其特征在于,包括:
获取用户的头部特征信息;
根据所述头部特征信息识别所述用户目光聚焦的商品;
基于预先存储的商品信息,获取并推送所述用户目光聚焦的商品的商品信息。
2.根据权利要求1所述的无人售货方法,其特征在于,在所述获取用户的头部特征信息之前,还包括:
判断是否接收到售卖模式开启信号;
在接收到所述售卖模式开启信号时,获取并推送至少一种所述预先存储的商品信息。
3.根据权利要求2所述的无人售货方法,其特征在于,在所述基于预先存储的商品信息,获取并推送所述商品的商品信息之后,还包括:
在接收到售卖模式停止信号时,停止推送所述商品的商品信息。
4.根据权利要求3所述的无人售货方法,其特征在于,还包括:
获取在接收到所述售卖模式开启信号时的商品清单以及在接收到所述售卖模式停止信号时的商品清单,并进行比较得到比较信息;
根据所述比较信息确定所述用户购买的商品,并计算所述购买的商品的商品总额。
5.根据权利要求4所述的无人售货方法,其特征在于,所述判断是否接收到售卖模式开启信号,具体包括:
判断是否接收到所述无人售货装置的开门信号,在接收到所述开门信号时,判定为接收到所述售卖模式开启信号;和/或
比较接收的用户的验证信息与预存信息,以识别所述用户的身份,在识别成功时判定为接收到所述售卖模式开启信号;
所述售卖模式停止信号包括所述无人售货装置的关门信号。
6.根据权利要求1至5中任一项所述的无人售货方法,其特征在于,还包括:
在预设时长内,统计每种商品的被关注时长,根据所述被关注时长确定所述每种商品的关注等级,并根据所述关注等级调整所述每种商品的售卖状态和/或放置位置。
7.根据权利要求1至5中任一项所述的无人售货方法,其特征在于,还包括:
基于预先存储的商品关联信息,查询与所述用户目光聚焦的商品相关联的商品,获取并推送所述相关联的商品的商品信息和/或位置信息。
8.根据权利要求1至5中任一项所述的无人售货方法,其特征在于,在所述获取用户的头部特征信息之前,还包括:
获取多个样本头部图像和商品图像,分别获取所述多个样本头部图像中每个样本用户目光聚焦的位置,在所述商品图像中标记多个所述位置对应的样本商品轮廓,得到多个标记数据;
根据多个所述标记数据获得训练数据集,应用所述训练数据集进行训练得到深度学习模型;
所述根据所述头部特征信息识别所述用户目光聚焦的商品的步骤,具体包括:
应用所述深度学习模型,根据所述头部特征信息确定所述用户的目光聚焦的位置,获取所述位置对应的商品图像,根据所述位置对应的商品图像识别所述商品。
9.一种无人售货机,其特征在于,包括:
售货箱主体;
采集装置,所述采集装置设置在所述售货箱主体上,用于获取用户的头部特征信息;
处理装置,所述处理装置与所述采集装置相连接,用于根据所述头部特征信息识别所述用户目光聚焦的商品;
信息推送装置,所述信息推送装置设置在所述售货箱主体上,与所述处理装置相连接,用于基于预先存储的商品信息,获取并推送所述用户目光聚焦的商品的商品信息。
10.根据权利要求9所述的无人售货机,其特征在于,
所述处理装置还用于判断是否接收到售卖模式开启信号;
所述信息推送装置还用于在接收到所述售卖模式开启信号时,获取并推送至少一种所述预先存储的商品信息。
11.根据权利要求10所述的无人售货机,其特征在于,
所述信息推送装置还用于在接收到售卖模式停止信号时,停止推送所述商品的商品信息。
12.根据权利要求11所述的无人售货机,其特征在于,
所述处理装置还用于获取在接收到所述售卖模式开启信号时的商品清单以及在接收到所述售卖模式停止信号时的商品清单,并进行比较得到比较信息;以及
根据所述比较信息确定所述用户购买的商品,并计算所述购买的商品的商品总额。
13.根据权利要求12所述的无人售货机,其特征在于,
所述处理装置具体用于判断是否接收到所述无人售货机的开门信号,在接收到所述开门信号时,判定为接收到所述售卖模式开启信号;和/或
比较接收的用户的验证信息与预存信息,以识别所述用户的身份,在识别成功时判定为接收到所述售卖模式开启信号;
所述售卖模式停止信号包括所述无人售货机的关门信号。
14.根据权利要求9至13中任一项所述的无人售货机,其特征在于,
所述处理装置还用于在预设时长内,统计每种商品的被关注时长,根据所述被关注时长确定所述每种商品的关注等级,并根据所述关注等级调整所述每种商品的售卖状态和/或放置位置。
15.根据权利要求9至13中任一项所述的无人售货机,其特征在于,
所述处理装置还用于基于预先存储的商品关联信息,查询与所述用户目光聚焦的商品相关联的商品,获取并推送所述相关联的商品的商品信息和/或位置信息。
16.根据权利要求9至13中任一项所述的无人售货机,其特征在于,
所述处理装置还用于获取多个样本头部图像和商品图像,分别获取所述多个样本头部图像中每个样本用户目光聚焦的位置,在所述商品图像中标记多个所述位置对应的样本商品轮廓,得到多个标记数据;
根据多个所述标记数据获得训练数据集,应用所述训练数据集进行训练得到深度学习模型;
所述处理装置具体用于根据所述头部特征信息确定所述用户的目光聚焦的位置;
所述采集装置还用于获取所述位置对应的商品图像,以使所述处理装置根据所述位置对应的商品图像识别所述商品。
17.根据权利要求9至13中任一项所述的无人售货机,其特征在于,
所述采集装置包括一个或多个摄像装置。
18.根据权利要求9至13中任一项所述的无人售货机,其特征在于,还包括:
扬声器,所述扬声器设置在所述售货箱主体上,用于播放所述商品信息;和/或
显示装置,所述显示装置设置在所述售货箱主体上,用于显示所述商品信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810387465.5A CN108615296A (zh) | 2018-04-26 | 2018-04-26 | 无人售货方法和无人售货机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810387465.5A CN108615296A (zh) | 2018-04-26 | 2018-04-26 | 无人售货方法和无人售货机 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108615296A true CN108615296A (zh) | 2018-10-02 |
Family
ID=63661035
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810387465.5A Pending CN108615296A (zh) | 2018-04-26 | 2018-04-26 | 无人售货方法和无人售货机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108615296A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109376666A (zh) * | 2018-10-29 | 2019-02-22 | 百度在线网络技术(北京)有限公司 | 一种商品售卖方法、装置、售卖机及存储介质 |
CN109767258A (zh) * | 2018-12-15 | 2019-05-17 | 深圳壹账通智能科技有限公司 | 基于眼部图像识别的智能导购方法及装置 |
CN112562177A (zh) * | 2020-11-20 | 2021-03-26 | 深圳市智莱科技股份有限公司 | 商品售卖方法、售卖机系统和计算机可读存储介质 |
CN113222706A (zh) * | 2021-05-25 | 2021-08-06 | 深圳和锐网络科技有限公司 | 商品的二次推送方法、装置、电子设备及存储介质 |
CN113516469A (zh) * | 2021-04-28 | 2021-10-19 | 西安理工大学 | 基于深度学习与眼神跟踪的无人超市售货系统及售货方法 |
CN114296548A (zh) * | 2021-12-14 | 2022-04-08 | 杭州朱道实业有限公司 | 一种展览用智能移动识别信息系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103927670A (zh) * | 2013-01-10 | 2014-07-16 | 上海通用汽车有限公司 | 量化对象的区域关注度的方法 |
CN106971457A (zh) * | 2017-03-07 | 2017-07-21 | 深圳市楼通宝实业有限公司 | 自助售卖方法及系统 |
CN107247759A (zh) * | 2017-05-31 | 2017-10-13 | 深圳正品创想科技有限公司 | 一种商品推荐方法及装置 |
CN107578537A (zh) * | 2017-08-25 | 2018-01-12 | 深圳市维冠视界科技股份有限公司 | 一种自助售货机及自助售货机的数据推送方法 |
CN107730725A (zh) * | 2017-10-11 | 2018-02-23 | 胡启凡 | 智能自助售货系统 |
-
2018
- 2018-04-26 CN CN201810387465.5A patent/CN108615296A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103927670A (zh) * | 2013-01-10 | 2014-07-16 | 上海通用汽车有限公司 | 量化对象的区域关注度的方法 |
CN106971457A (zh) * | 2017-03-07 | 2017-07-21 | 深圳市楼通宝实业有限公司 | 自助售卖方法及系统 |
CN107247759A (zh) * | 2017-05-31 | 2017-10-13 | 深圳正品创想科技有限公司 | 一种商品推荐方法及装置 |
CN107578537A (zh) * | 2017-08-25 | 2018-01-12 | 深圳市维冠视界科技股份有限公司 | 一种自助售货机及自助售货机的数据推送方法 |
CN107730725A (zh) * | 2017-10-11 | 2018-02-23 | 胡启凡 | 智能自助售货系统 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109376666A (zh) * | 2018-10-29 | 2019-02-22 | 百度在线网络技术(北京)有限公司 | 一种商品售卖方法、装置、售卖机及存储介质 |
CN109376666B (zh) * | 2018-10-29 | 2022-01-25 | 百度在线网络技术(北京)有限公司 | 一种商品售卖方法、装置、售卖机及存储介质 |
US11501299B2 (en) | 2018-10-29 | 2022-11-15 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method for selling commodity, vending machine and storage medium |
CN109767258A (zh) * | 2018-12-15 | 2019-05-17 | 深圳壹账通智能科技有限公司 | 基于眼部图像识别的智能导购方法及装置 |
CN112562177A (zh) * | 2020-11-20 | 2021-03-26 | 深圳市智莱科技股份有限公司 | 商品售卖方法、售卖机系统和计算机可读存储介质 |
CN113516469A (zh) * | 2021-04-28 | 2021-10-19 | 西安理工大学 | 基于深度学习与眼神跟踪的无人超市售货系统及售货方法 |
CN113222706A (zh) * | 2021-05-25 | 2021-08-06 | 深圳和锐网络科技有限公司 | 商品的二次推送方法、装置、电子设备及存储介质 |
CN113222706B (zh) * | 2021-05-25 | 2024-01-30 | 深圳和锐网络科技有限公司 | 商品的二次推送方法、装置、电子设备及存储介质 |
CN114296548A (zh) * | 2021-12-14 | 2022-04-08 | 杭州朱道实业有限公司 | 一种展览用智能移动识别信息系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108615296A (zh) | 无人售货方法和无人售货机 | |
US20210056498A1 (en) | Method and device for identifying product purchased by user and intelligent shelf system | |
CN113674037B (zh) | 一种基于购物行为的数据采集和推荐方法 | |
CN107943449A (zh) | 一种基于面部表情识别的智能音响系统 | |
CN106384237A (zh) | 基于人脸识别的会员认证和管理方法、装置及系统 | |
US10423978B2 (en) | Method and device for playing advertisements based on relationship information between viewers | |
CN107609945A (zh) | 一种应用于实体商店的商品推荐方法和系统 | |
KR20160012902A (ko) | 시청자 사이의 연관 정보에 근거하여 광고를 재생하기 위한 방법 및 장치 | |
CN108764973A (zh) | 一种广告播放方法、装置、设备及存储介质 | |
JP2002073321A (ja) | 画像表示方法 | |
CN106056397A (zh) | 销售数据处理装置及其控制方法、服务器 | |
CN111415217B (zh) | 基于人脸识别用户画像的消费者推荐方法、系统及货架 | |
CN109977779A (zh) | 对视频创意中插入的广告进行识别的方法 | |
CN108592915A (zh) | 导航方法、购物车及导航系统 | |
CN104091173A (zh) | 一种基于网络摄像机的性别识别方法及装置 | |
JP2020173787A (ja) | 情報処理装置、情報処理システム、情報処理方法、および情報処理プログラム | |
CN114021211A (zh) | 一种智能防偷窥系统 | |
JP4123346B2 (ja) | 画像印刷装置および情報処理方法 | |
CN113516167A (zh) | 生物特征识别方法及装置 | |
CN208013969U (zh) | 一种内容播放终端和系统 | |
CN109903114A (zh) | 梯内信息触发响应的方法及装置 | |
CN112163880A (zh) | 一种基于图像处理的智能广告投放方法和系统 | |
CN115880753A (zh) | 一种人脸识别处理方法及装置 | |
CN106851396A (zh) | 以电脑视觉基础实现的自动广告中插及播放方法 | |
CN110472482A (zh) | 一种物体识别及实时翻译的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for 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: 20181002 |