CN108830183A - 一种无人超市的商品管理方法、装置以及系统 - Google Patents

一种无人超市的商品管理方法、装置以及系统 Download PDF

Info

Publication number
CN108830183A
CN108830183A CN201810522128.2A CN201810522128A CN108830183A CN 108830183 A CN108830183 A CN 108830183A CN 201810522128 A CN201810522128 A CN 201810522128A CN 108830183 A CN108830183 A CN 108830183A
Authority
CN
China
Prior art keywords
commodity
damaged
image
image information
distance
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
CN201810522128.2A
Other languages
English (en)
Inventor
张广驰
樊静窈
张振华
崔苗
林凡
李敏娜
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.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
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 Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN201810522128.2A priority Critical patent/CN108830183A/zh
Publication of CN108830183A publication Critical patent/CN108830183A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
    • G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisions for transferring data to distant stations, e.g. from a sensing device
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种无人超市的商品管理方法，包括采集商品的图像信息；分析图像信息，判断商品是否发生损坏；若商品发生损坏，则将商品的受损信息反馈至管理后台。该方法可以有效监测无人超市中的商品是否发生损坏，当商品发生损坏时，及时进行更换，避免呈现给顾客受损的商品，为客户提供良好的购物体验。本发明还公开了一种无人超市的商品管理装置、系统以及计算机可读存储介质，均具有上述技术效果。

Description

一种无人超市的商品管理方法、装置以及系统
技术领域
本发明涉及无人超市领域，特别涉及一种无人超市的商品管理方法；还涉及一种无人超市的商品管理装置、系统以及计算机可读存储介质。
背景技术
无人超市即无营业员超市，顾客可以在其中自由选购商品并依据商品的标价自行付款。无人超市有效减少了人工以及管理成本，方便了人们的生活。但是，与此同时，由于无人超市内无人监管，常常会发生商品被恶意损坏等事件，一旦商品发生损坏，由于超市的后台管理人员无法及时获知该情况，而无法及时进行更换，从而呈现给顾客受损的商品，严重影响了顾客的购物体验。
因此，如何解决上述问题是本领域技术人员亟待解决的技术问题。
发明内容
本发明的目的是提供一种无人超市的商品管理方法，该方法可以有效监测无人超市中的商品是否发生损坏，当商品发生损坏时，及时进行更换，为客户提供良好的购物体验；本发明的另一目的是提供一种无人超市的商品管理装置、系统以及计算机可读存储介质，均具有上述技术效果。
为解决上述技术问题，本发明提供了一种无人超市的商品管理方法，包括：
采集商品的图像信息；
分析所述图像信息，判断所述商品是否发生损坏；
若所述商品发生损坏，则将所述商品的受损信息反馈至管理后台。
可选的，所述分析所述图像信息，判断所述商品是否发生损坏包括：
根据所述商品的各帧图像的灰度值，对所述各帧图像进行分割；
提取分割线上的特征点；
根据所述特征点，计算得到所述商品的相邻两帧图像的图像距离；
判断所述图像距离是否超出预设距离阈值；若超出，则所述商品发生损坏。
可选的，所述计算得到所述商品的相邻两帧图像的图像距离包括：
根据公式D(X,Y)＝max(d(y,x),d(x,y))，
以及得到所述商品的相邻两帧图像的图像距离；
其中，X，Y分别表示相邻两帧图像的特征点的集合；D(X,Y)为相邻两帧图像的图像距离，d(x,y)为集合X到集合Y的平均相似距离，d(y,x)为集合Y到集合X的平均相似距离，x为集合X中的元素，y为集合Y中的元素。
可选的，所述采集商品的图像信息包括：
根据预设周期，采集所述商品的图像信息。
可选的，还包括：
统计所述商品的受损率；
若所述商品的受损率超出预设值，则进行商品保护处理。
为解决上述技术问题，本发明还提供了一种无人超市的商品管理装置，所述装置包括：
采集模块，用于采集商品的图像信息；
分析模块，用于分析所述图像信息，判断所述商品是否发生损坏；
反馈模块，用于若所述商品发生损坏，则将所述商品的受损信息反馈至管理后台。
可选的，所述分析模块包括：
分割子模块，用于根据所述商品的各帧图像的灰度值，对所述各帧图像进行分割；
提取子模块，用于提取分割线上的特征点；
计算子模块，用于根据所述特征点，计算得到所述商品的相邻两帧图像的图像距离；
判断子模块，用于判断所述图像距离是否超出预设距离阈值；若超出，则所述商品发生损坏。
可选的，所述装置还包括：
统计模块，用于统计所述商品的受损率；若所述商品的受损率超出预设值，则进行商品保护处理。
为解决上述技术问题，本发明还提供了一种无人超市的商品管理系统，所述系统包括：
摄像头，用于采集商品的图像信息；
处理器，用于分析所述图像信息，判断所述商品是否发生损坏；若所述商品发生损坏，则将所述商品的受损信息反馈至管理后台。
为解决上述技术问题，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的无人超市的商品管理方法的步骤。
本发明所提供的无人超市的商品管理方法，包括采集商品的图像信息；分析所述图像信息，判断所述商品是否发生损坏；若所述商品发生损坏，则将所述商品的受损信息反馈至管理后台。
本发明所提供的无人超市的商品管理方法，通过采集无人超市中商品的图像信息，进而根据采集到的图像信息判断商品是否遭受损坏。当商品遭到损坏时，可以将商品受到损坏的信息反馈至管理后台，管理后台的工作人员可以及时获知商品受到损坏并及时进行商品更换。从而有效避免了呈现给顾客受损的商品，为顾客提供良好了的购物体验，减少无人超市的经济损失。
本发明所提供的无人超市的商品管理装置以及系统，均具有上述技术效果，在此不再赘述。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对现有技术和实施例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为本发明实施例所提供的无人超市的商品管理方法的流程示意图；
图2为本发明实施例所提供的无人超市的商品管理装置的示意图；
图3为本发明实施例所提供的无人超市的商品管理系统的示意图。
具体实施方式
本发明的核心是提供一种无人超市的商品管理方法，该方法可以有效监测无人超市中的商品是否发生损坏，当商品发生损坏时，及时进行更换，为客户提供良好的购物体验；本发明的另一核心是提供一种无人超市的商品管理装置、系统以及计算机可读存储介质，均具有上述技术效果。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例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前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参考图1，图1为本发明实施例所提供的无人超市的商品管理方法的流程示意图；参考图1可知，该方法可以包括：
S100：采集商品的图像信息；
具体的，可以在无人超市的货架或者其他位置设置摄像装置，从而，通过该摄像装置，例如摄像头，来采集无人超市中商品的图像信息。其中，可以24小时全天候地采集商品的图像信息；还可以只在某些时间段内或者某些采集条件下，采集商品的图像信息。例如，通常商品损坏多发生于顾客挑选商品的时候，因此，可以将商品附近存在顾客作为采集图像信息的条件。其中，商品附近是否存在顾客的判别，可以通过红外感应装置来实现。当顾客进入红外感应区域时，即商品附近有顾客时，红外感应装置可以立即感应到顾客的存在，此时，该红外感应装置可以立即向图像采集装置发送启动信号，从而通过该图像采集装置进行图像信息的采集。进一步，当红外感应装置不再感应到顾客时，红外感应装置还可以再一次向图像采集装置发送关闭信号，使其关闭，不再采集商品的图像信息。
可选的，采集商品的图像信息可以包括根据预设周期，采集商品的图像信息。
具体的，为了降低功耗，以及减少后续对商品的图像信息进行分析处理的计算量，可以根据预设周期，采集商品的图像信息。例如，每隔1个小时进行一次图像信息采集。其中，对于预设周期的具体数值，本发明不做唯一限定，可以根据实际情况进行差异性的设定。
S200：分析图像信息，判断商品是否发生损坏；
具体的，图像采集装置将采集到的商品的图像信息传送至处理器，处理器对商品的图像信息进行分析，判断商品是否发生损坏。其中，可以利用相似性识别算法进行分析、判断。或者还可以采用绝缘子缺陷图像识别算法来分析商品的图像，判断商品是否发生损坏。当然，除上述算法外，还可以选择其他的分析方法，对此，本发明不做唯一限定，可以判断商品是否受损即可。
可选的，分析图像信息，判断商品是否发生损坏包括：根据商品的各帧图像的灰度值，对各帧图像进行分割；提取分割线上的特征点；根据特征点，计算得到商品的相邻两帧图像的图像距离；判断图像距离是否超出预设距离阈值；若超出，则商品发生损坏。
具体的，鉴于绝缘子缺陷图像识别算法存在计算量大、计算复杂且数据存储量大等缺点，本实施例采用了相似性识别算法对图像进行分析与判断。首先根据商品的各帧图像的灰度值，对各帧图像进行分割；然后分别提取各帧图像的分割线上的特征点，所谓特征点即为分割线上的像素点；进而根据相邻两帧图像的特征点，计算得到该相邻两帧图像间的图像距离，一旦某相邻两帧图像间的图像距离超出预设距离值，说明商品发生了损坏。
例如，根据图像采集装置获取到的商品的第一帧图像的灰度值，对该第一帧图像进行分割；在第一帧图像的分割线上提取多个特征点，然后，根据摄像装置获取到的第二帧图像的灰度值，对该第二帧图像进行分割，并在第二帧图像的分割线上提取多个特征点。进一步，根据第一帧图像与第二帧图像上提取的特征点，计算得到第一帧图像与第二帧图像的图像距离，比较该图像距离与预设距离阈值的大小，判断其是否超出预设距离阈值，若没有超出，则进一步根据摄像装置获取到的第三帧图像的灰度值，对该第三帧图像进行分割，并在该第三帧图像的分割线上提取多个特征点，进而，根据第二帧图像与该第三帧图像上提取的特征点，计算得到第二帧图像与第三帧图像的图像距离，比较该图像距离与预设距离阈值的大小，判断其是否超出预设距离阈值。如此，重复上述提取特征值、计算前后两个帧图像的图像距离，并比较图像距离与预设距离值的大小的操作，直到不再采集商品的图像信息或者某前后两帧图像的图像距离超出预设距离值，则可以结束上述操作。
其中，各帧图像的分割线上的特征点的个数根据图像的灰度强度值确定，不同图像可以有不同个数的特征点。上述预设距离值的具体数值可以根据商品的属性进行设定，本发明在此不做具体限定。
此外，为方便获知受损商品与未受损商品的详细信息，以及方便对受损商品进行统计，还可以建立码字，分别存储受损商品与未受损商品的商品信息。
可选的，计算得到所述商品的相邻两帧图像的图像距离包括根据公式D(X,Y)＝max(d(y,x),d(x,y))，以及得到商品的相邻两帧图像的图像距离；其中，X，Y分别表示相邻两帧图像的特征点的集合；D(X,Y)为相邻两帧图像的图像距离，d(x,y)为集合X到集合Y的平均相似距离，d(y,x)为集合Y到集合X的平均相似距离，x为集合X中的元素，y为集合Y中的元素。
具体的，可以利用公式D(X,Y)＝max(d(y,x),d(x,y))，以及来计算得到相邻两帧图像的图像距离。以第一帧图像与第二帧图像间的图像距离为例，并以集合X＝{x1,x2,…}表示商品的第一帧图像的特征点的集合，集合Y＝{y1,y2,…}表示商品的第二帧图像的特征点的集合；则第一帧图像与第二帧图像的图像距离为：D(X,Y)＝max(d(y,x),d(x,y))；
其中，
此时，D(X,Y)即为第一帧图像与第二帧图像间的图像距离，其中d(x,y)为集合X到集合Y的平均相似距离，d(y,x)为集合Y到集合X的平均相似距离，x为集合X中的元素，可以为x1,x2等，y为集合Y中的元素，可以为y1,y2等。
S300：若商品发生损坏，则将商品的损坏信息反馈至管理后台。
具体的，当判断商品发生损坏时，可以将商品发生损坏的信息反馈至管理后台，进而，管理后台的工作人员通过查看该信息，获知商品发生损坏这一情况，从而可以及时地对损坏的商品进行更换。
综上所述，本发明所提供的无人超市的商品管理方法，通过采集无人超市中商品的图像信息，进而根据采集到的图像信息判断商品是否遭到损坏，当商品遭到损坏时，可以将商品受到损坏的信息反馈至管理后台，从而管理后台的工作人员可以及时获知商品受到损坏并及时进行商品更换，有效确保顾客购物时可以获得良好的购物体验，减少无人超市的经济损失。
在上述实施例的基础上，可选的，该方法还可以包括：统计商品的受损率；若商品的受损率超出预设值，则进行商品保护处理。
具体的，在上述向管理后台反馈商品的受损信息，进行商品更换的基础上，还可以对商品的受损率进行统计，当商品的受损率超出预设值时，说明该商品较容易受损，于是对该类商品进行保护处理，例如，为该类商品设置专用货柜，从而降低商品的受损率，减少无人超市的经济损失。
本发明还提供了一种无人超市的商品管理装置，下文描述的该装置可以与上文描述方法相互对应参照。请参考图2，图2为本发明实施例所提供的无人超市的商品管理装置的示意图；结合图2可知，该装置可以包括：
采集模块10，用于采集商品的图像信息；
分析模块20，用于分析图像信息，判断商品是否发生损坏；
反馈模块30，用于若商品发生损坏，则将商品的受损信息反馈至管理后台。
在上述实施例的基础上，分析模块20可以包括：
分割子模块，用于根据商品的各帧图像的灰度值，对各帧图像进行分割；
提取子模块，用于提取分割线上的特征点；
计算子模块，用于根据特征点，计算得到商品的相邻两帧图像的图像距离；
判断子模块，用于判断图像距离是否超出预设距离阈值；若超出，则商品发生损坏。
在上述实施例的基础上，该装置还可以包括：
统计模块，用于统计商品的受损率；若商品的受损率超出预设值，则进行商品保护处理。
本发明还提供了一种无人超市的商品管理系统，同样，下文描述的该系统可以与上文描述方法相互对应参照。请参考图3，图3为本发明实施例所提供的无人超市的商品管理系统的示意图；由图3可知，该系统可以包括：
摄像头1，用于采集商品的图像信息；
处理器2，用于分析图像信息，判断商品是否发生损坏；若商品发生损坏，则将商品的受损信息反馈至管理后台。
具体的，摄像头1负责采集无人超市内商品的图像信息，并将采集到的图像信息发送给处理器2，从而处理器2在接收到商品的图像信息后，进行图像分析，判断商品是否损坏，并在有损坏的商品时，向管理后台汇报该情况。其中，具体的分析判断过程可以参照上述方法的实施例，在此不再赘述。其中，对于摄像头1的个数以及分布位置，本发明不做具体限定，可以结合实际需要确定。
该无人超市的商品管理系统，可以有效监测无人超市中的商品是否发生损坏，当商品发生损坏时，及时进行更换，为客户提供良好的购物体验。
本发明还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现如下的步骤：
采集商品的图像信息；分析图像信息，判断商品是否发生损坏；若商品发生损坏，则将商品的受损信息反馈至管理后台。
该计算机可读存储介质可以包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
对于本发明所提供的计算机可读存储介质的介绍请参照上述方法实施例，本发明在此不做赘述。
说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的模块及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本发明所提供的无人超市的商品管理方法、装置、系统以及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围。

Claims (10)

1.一种无人超市的商品管理方法，其特征在于，所述方法包括：
采集商品的图像信息；
分析所述图像信息，判断所述商品是否发生损坏；
若所述商品发生损坏，则将所述商品的受损信息反馈至管理后台。
2.根据权利要求1所述的方法，其特征在于，所述分析所述图像信息，判断所述商品是否发生损坏包括：
根据所述商品的各帧图像的灰度值，对所述各帧图像进行分割；
提取分割线上的特征点；
根据所述特征点，计算得到所述商品的相邻两帧图像的图像距离；
判断所述图像距离是否超出预设距离阈值；若超出，则所述商品发生损坏。
3.根据权利要求2所述的方法，其特征在于，所述计算得到所述商品的相邻两帧图像的图像距离包括：
根据公式D(X,Y)＝max(d(y,x),d(x,y))，
以及得到所述商品的相邻两帧图像的图像距离；
其中，X，Y分别表示相邻两帧图像的特征点的集合；D(X,Y)为相邻两帧图像的图像距离，d(x,y)为集合X到集合Y的平均相似距离，d(y,x)为集合Y到集合X的平均相似距离，x为集合X中的元素，y为集合Y中的元素。
4.根据权利要求1所述的方法，其特征在于，所述采集商品的图像信息包括：
根据预设周期，采集所述商品的图像信息。
5.根据权利要求1所述的方法，其特征在于，还包括：
统计所述商品的受损率；
若所述商品的受损率超出预设值，则进行商品保护处理。
6.一种无人超市的商品管理装置，其特征在于，所述装置包括：
采集模块，用于采集商品的图像信息；
分析模块，用于分析所述图像信息，判断所述商品是否发生损坏；
反馈模块，用于若所述商品发生损坏，则将所述商品的受损信息反馈至管理后台。
7.根据权利要求6所述的装置，其特征在于，所述分析模块包括：
分割子模块，用于根据所述商品的各帧图像的灰度值，对所述各帧图像进行分割；
提取子模块，用于提取分割线上的特征点；
计算子模块，用于根据所述特征点，计算得到所述商品的相邻两帧图像的图像距离；
判断子模块，用于判断所述图像距离是否超出预设距离阈值；若超出，则所述商品发生损坏。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
统计模块，用于统计所述商品的受损率；若所述商品的受损率超出预设值，则进行商品保护处理。
9.一种无人超市的商品管理系统，其特征在于，所述系统包括：
摄像头，用于采集商品的图像信息；
处理器，用于分析所述图像信息，判断所述商品是否发生损坏；若所述商品发生损坏，则将所述商品的受损信息反馈至管理后台。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的无人超市的商品管理方法的步骤。
CN201810522128.2A 2018-05-28 2018-05-28 一种无人超市的商品管理方法、装置以及系统 Pending CN108830183A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810522128.2A CN108830183A (zh) 2018-05-28 2018-05-28 一种无人超市的商品管理方法、装置以及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810522128.2A CN108830183A (zh) 2018-05-28 2018-05-28 一种无人超市的商品管理方法、装置以及系统

Publications (1)

Publication Number Publication Date
CN108830183A true CN108830183A (zh) 2018-11-16

Family

ID=64145898

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810522128.2A Pending CN108830183A (zh) 2018-05-28 2018-05-28 一种无人超市的商品管理方法、装置以及系统

Country Status (1)

Country Link
CN (1) CN108830183A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110136129A (zh) * 2019-05-22 2019-08-16 广东工业大学 一种商品质量检测方法、装置及存储介质
CN111898417A (zh) * 2020-06-17 2020-11-06 厦门华联电子股份有限公司 货柜系统、货品检测装置及方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101162503A (zh) * 2007-11-23 2008-04-16 重庆大学 利用改进Hausdorff距离提取识别人耳特征的方法
CN103279765A (zh) * 2013-06-14 2013-09-04 重庆大学 基于图像匹配的钢丝绳表面损伤检测方法
CN104407593A (zh) * 2014-12-10 2015-03-11 绵阳青山森腾信息科技有限公司 用于冷链物流中物品远程诊断的控制系统
CN107122713A (zh) * 2017-03-27 2017-09-01 华南理工大学 一种基于深度学习的似物性检测方法
CN107424273A (zh) * 2017-07-28 2017-12-01 杭州宇泛智能科技有限公司 一种无人超市的管理方法
CN107665357A (zh) * 2017-09-07 2018-02-06 北京海融兴通信息安全技术有限公司 一种基于大数据的无人超市管理系统及方法
CN107749023A (zh) * 2017-10-30 2018-03-02 周燕红 一种无人超市自动管理方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101162503A (zh) * 2007-11-23 2008-04-16 重庆大学 利用改进Hausdorff距离提取识别人耳特征的方法
CN103279765A (zh) * 2013-06-14 2013-09-04 重庆大学 基于图像匹配的钢丝绳表面损伤检测方法
CN104407593A (zh) * 2014-12-10 2015-03-11 绵阳青山森腾信息科技有限公司 用于冷链物流中物品远程诊断的控制系统
CN107122713A (zh) * 2017-03-27 2017-09-01 华南理工大学 一种基于深度学习的似物性检测方法
CN107424273A (zh) * 2017-07-28 2017-12-01 杭州宇泛智能科技有限公司 一种无人超市的管理方法
CN107665357A (zh) * 2017-09-07 2018-02-06 北京海融兴通信息安全技术有限公司 一种基于大数据的无人超市管理系统及方法
CN107749023A (zh) * 2017-10-30 2018-03-02 周燕红 一种无人超市自动管理方法及装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110136129A (zh) * 2019-05-22 2019-08-16 广东工业大学 一种商品质量检测方法、装置及存储介质
CN111898417A (zh) * 2020-06-17 2020-11-06 厦门华联电子股份有限公司 货柜系统、货品检测装置及方法
CN111898417B (zh) * 2020-06-17 2023-08-08 厦门华联电子股份有限公司 货柜系统、货品检测装置及方法

Similar Documents

Publication Publication Date Title
CN111415461B (zh) 物品识别方法及系统、电子设备
US8873794B2 (en) Still image shopping event monitoring and analysis system and method
CN108320404B (zh) 基于神经网络的商品识别方法、装置、自助收银台
CN107292248B (zh) 一种基于图像识别技术的商品管理方法及系统
US10387897B2 (en) Retail sales opportunity loss cause analysis based on image analysis of shelf display
US9740937B2 (en) System and method for monitoring a retail environment using video content analysis with depth sensing
JP6992874B2 (ja) セルフレジシステム、購入商品管理方法および購入商品管理プログラム
US20150262116A1 (en) Machine vision technology for shelf inventory management
US20190385173A1 (en) System and method for assessing customer service times
CN111310733A (zh) 基于监控视频的人员进出检测方法、装置和设备
CN112184751B (zh) 物体识别方法及系统、电子设备
KR20170028815A (ko) 분석 시스템 및 분석 방법
CN110619308A (zh) 一种过道杂物检测方法、装置、系统和设备
JP2016201105A (ja) 情報処理装置及び情報処理方法
CN109030499B (zh) 一种适用于目标缺陷连续在线检测防止缺陷数目重复计数的装置及方法
CN113111801A (zh) 自动售货机的货品校验方法、设备和存储介质
US20200320552A1 (en) Sales analysis apparatus, sales management system, sales analysis method, and program recording medium
CN108830183A (zh) 一种无人超市的商品管理方法、装置以及系统
Higa et al. Robust estimation of product amount on store shelves from a surveillance camera for improving on-shelf availability
CN113468914A (zh) 一种商品纯净度的确定方法、装置及设备
Pietrini et al. Embedded Vision System for Real-Time Shelves Rows Detection for Planogram Compliance Check
JP2022036983A (ja) セルフレジシステム、購入商品管理方法および購入商品管理プログラム
CN114358870A (zh) 连锁店门店客流量采集分析系统
CN113627415A (zh) 确定目标对象摆放信息的方法及装置
CN111507282A (zh) 一种目标检测预警分析系统、方法、设备及介质

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: 20181116