CN108858245A - 一种导购机器人 - Google Patents
一种导购机器人 Download PDFInfo
- Publication number
- CN108858245A CN108858245A CN201810950485.9A CN201810950485A CN108858245A CN 108858245 A CN108858245 A CN 108858245A CN 201810950485 A CN201810950485 A CN 201810950485A CN 108858245 A CN108858245 A CN 108858245A
- Authority
- CN
- China
- Prior art keywords
- shopping guide
- satisfaction
- storefront
- guide robot
- result
- 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
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J11/00—Manipulators not otherwise provided for
- B25J11/0005—Manipulators having means for high-level communication with users, e.g. speech generator, face recognition means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/1653—Programme controls characterised by the control loop parameters identification, estimation, stiffness, accuracy, error analysis
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种导购机器人,该导购机器人在巡逻时,获取在预设的店面位置所采集到的预设时长的样本视频;通过人脸识别算法提取出所述样本视频中的目标特征信息;将所述目标特征信息作为样本输入数据,通过基于面部表情的满意度评价模型进行计算,获得所述不同目标消费者的满意度评价结果;根据所述不同的满意度评价结果更新店面满意度数据库中的满意度评价结果;响应用户的导购输入请求,确定对应的店面信息;根据所述店面满意度数据库中存储的满意度评价结果以及确定的所述店面信息,推荐符合预设满意度的店面给所述用户。实现了导购机器人导航功能的准确性和目的性。
Description
技术领域
本发明涉及机器人领域,具体涉及一种导购机器人。
背景技术
普通的导购机器人多用于商场、超市等场合。设有摄像头并将拍摄到的画面传递到后台(后台服务终端)显示屏上,后台服务人员监控画面来判断是否有顾客光临。这使得后台工作人员需一直盯着后台的显示屏,损害工作人员的视力,且效率低下。特别的,当导购机器人有多台的情况下,后台工作人员需要同时监控多台导购机器人,即查看是否有顾客光临,若工作人员不能及时监控到顾客是否光临,将降低顾客的服务满意度。
一般的智能导购机器人会为顾客提供路线咨询、路线带领、目标商店指示等功能。而现今,经济越来越发达,实体经济发真的越来越好,各大型商场不仅仅面积大、店面种类齐全,且同类商品店面越来越多。这样,对刚来光临商场的顾客其实是很不方便的,他们并不能够快速、准确的找到自己需要且最好的店面及其地址。
发明内容
本发明的主要目的在于提供一种导购机器人及其控制方法,旨在解决现有技术中导购机器人并不能快速、准确的为需求顾客找到他们要求的、具体的店面的技术问题。
为实现上述目的,本发明提供一种导购机器人的控制方法,获取所述导购机器人按照预设的路线进行定时巡逻的行进过程中,在预设的店面位置所采集到的预设时长的样本视频;
根据所述样本视频,通过人脸识别算法提取出所述样本视频中的目标特征信息,其中,所述目标特征信息为所述样本视频中位于收银台前的不同目标消费者的人脸动态信息;
将所述目标特征信息作为样本输入数据,通过基于面部表情的满意度评价模型进行计算,获得所述不同目标消费者的满意度评价结果,其中,所述基于面部表情的满意度评价模型为根据误差反向传播算法所构建的神经网络模型;
根据所述不同目标消费者的满意度评价结果更新店面满意度数据库中的满意度评价结果;
响应用户的导购输入请求,确定用户的导购需求;
根据所述导购需求,确定与所述导购输入请求对应的店面信息;
根据所述店面满意度数据库中存储的满意度评价结果以及确定的所述店面信息,推荐符合预设满意度的店面给所述用户。
更优地,所述导购机器人巡逻时获取的样本视频的预设时长不少于三十秒。
更优地,所述的导购机器人的控制方法,所述满意度数据库是基于所述满意度评价模型通过预先获取的样本训练数据进行训练运算后所获得的。
更优地,所述的导购机器人的控制方法,所述预设满意度为所述满意度数据库中所有同类型店面的对应满意度评价结果最高的三个。
更优地,所述的导购机器人的控制方法,所述满意度评价模型为根据误差反向传播算法所构建的神经网络模型,其中,所述神经网络模型用于根据输入的所述样本视频中包含位于收银台前的不同目标消费者的人脸动态信息的所述目标特征信息,判断所述样本输入数据的面部表情是否是笑脸。
更优地,所述的导购机器人的控制方法,所述误差反向传播算法的计算过程由正向计算过程和反向计算过程组成;
所述正向计算过程,包括:样本输入数据经隐单元层逐层处理,并转向输出结果,在输出结果得到输出与预设的期望值不符合时,转入反向计算;
所述反向计算过程,包括:将所述输出与预设的期望值不符合时所生成的输出结果作为误差信号沿算法原路返回,修改所述神经网络模型中各神经元的权值,以调整所述误差信号至预设的范围内,返回所述正向计算过程。
更优地,所述的导购机器人的控制方法,所述正向计算过程的具体计算方法包括:
其中,xi为目标特征信息,bj为阈值,wij为权值,Sj为输出结果。
更优地,所述的导购机器人的控制方法,所述反向计算过程计算的结果是第j+1个样本输入数据计算时的阈值bj+1以及权值wi(j+1),其结果反作用于所述神经网络模型。
本发明还提供一种导购机器人,包括可行进运动的机器人本体,设置在所述机器人本体上的摄像头单元、控制电路板单元以及电源单元,所述控制电路板单元包括通信模块、存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
控制所述摄像头单元获取所述导购机器人按照预设的路线进行定时巡逻的行进过程中,在预设的店面位置所采集到的预设时长的样本视频;
根据所述样本视频,通过人脸识别算法提取出所述样本视频中的目标特征信息,其中,所述目标特征信息为所述样本视频中位于收银台前的不同目标消费者的人脸动态信息;
将所述目标特征信息作为样本输入数据,通过基于面部表情的满意度评价模型进行计算,获得所述不同目标消费者的满意度评价结果,其中,所述基于面部表情的满意度评价模型为根据误差反向传播算法所构建的神经网络模型;
根据所述不同目标消费者的满意度评价结果更新店面满意度数据库中的满意度评价结果;
响应用户的导购输入请求,确定用户的导购需求;
根据所述导购需求,确定与所述导购输入请求对应的店面信息;
根据所述店面满意度数据库中存储的满意度评价结果以及确定的所述店面信息,控制所述通信模块推荐符合预设满意度的店面给所述用户。
更优地,所述摄像头单元在所述导购机器人巡逻时获取的样本视频的预设时长不少于三十秒。
更优地,所述满意度数据库是基于所述满意度评价模型通过预先获取的样本训练数据进行训练运算后所获得的。
更优地,所述预设满意度为所述满意度数据库中所有同类型店面的对应满意度评价结果最高的三个。
更优地,所述神经网络模型用于根据输入的所述样本视频中包含位于收银台前的不同目标消费者的人脸动态信息的所述目标特征信息,判断所述样本输入数据的面部表情是否是笑脸。
更优地,所述误差反向传播算法的计算过程由正向计算过程和反向计算过程组成;
所述正向计算过程,包括:样本输入数据经隐单元层逐层处理,并转向输出结果,在输出结果得到输出与预设的期望值不符合时,转入反向计算;
所述反向计算过程,包括:将所述输出与预设的期望值不符合时所生成的输出结果作为误差信号沿算法原路返回,修改所述神经网络模型中各神经元的权值,以调整所述误差信号至预设的范围内,返回所述正向计算过程。
更优地,所述正向计算过程的具体计算方法包括:
其中,xi为目标特征信息,bj为阈值,wij为权值,Sj为输出结果。
更优地,所述反向计算过程计算的结果是第j+1个样本输入数据计算时的阈值bj+1以及权值wi(j+1),其结果反作用于所述神经网络模型。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述的导购机器人的控制方法的步骤。
本发明的技术方案中,通过导购机器人定时定点巡逻的行进过程中,获取的样本视频,通过人脸识别算法识别出所有目标特征信息,所述目标特征信息再通过误差反向传播算法所构建的神经网络模型实时更新店面满意度数据库中存储的满意度评价结果,在导购机器人非巡逻的过程中,响应用户的导购输入请求,确定用户的导购需求,根据所述导购需求,确定与所述导购输入请求对应的店面信息,根据所述店面满意度数据库中存储的满意度评价结果以及确定的所述店面信息,推荐符合预设满意度的店面给所述用户,实现了导购机器人快速、准确的为需求顾客找到他们要求的、具体的店面的技术问题。
附图说明
图1为本发明一实施例中的导购机器人的结构示意图;
图2为本发明一实施例中的导购机器人的模块架构示意图;
图3为本发明一实施例中的导购机器人的控制方法的流程图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
请参考图1和图2,本发明一具体实施例中提供一种导购机器人100,包括机器人本体3,所述机器人本体3包括行进驱动装置4以及设置在其内的控制电路板单元5、电源单元6以及定位模块7等;所述导购机器人100还包括设置在所述机器人本体3上的摄像头单元1以及触摸显示屏2。所述控制电路板单元5包括通信模块51、存储器52、处理器53以及存储在所述存储器52中并可在所述处理器53上运行的计算机程序,该控制电路板单元5还与所述摄像头单元1、触摸显示屏2、行进驱动装置4、电源单元6以及定位模块7相连接。
其中,导购机器人100可以通过行进驱动装置4在路面移动;进一步地,可以通过预先在导购机器人100内预存地图和预录的行进路线,然后通过定位模块7定位当前的位置,从而按照所述预录的行进路线进行巡逻。可以理解的是,所述巡逻方式可以是定时巡逻、不定时巡逻、随机巡逻、循环巡逻等。
导购机器人100在定时定点巡逻的行进过程中,可以通过摄像头单元1采集周围的环境图像信息。具体的,本实施例中的,导购机器人100在按照预设的路线进行定时巡逻的行进过程中,在预设的店面位置通过摄像头单元1采集预设时长的样本视频,并将所采集到的预设时长的样本视频发送至控制电路板单元5的处理器53。其中,摄像头单元1在导购机器人100巡逻时获取的样本视频的预设时长可以不少于三十秒。
导购机器人100的处理器53根据获取的该样本视频,通过人脸识别算法识别出所有该样本视频的目标特征信息,所述目标特征信息为所述监控视频中位于所述店面收银台前的不同目标消费者的人脸动态信息,所述处理器53经数据传输把该目标特征信息存储在所述存储器52中;所述处理器53进一步根据该目标特征信息,通过根据误差反向传播算法所构建的神经网络算法得到基于该样本视频计算的本次的满意度评价结果。所述处理器53读取满意度数据库中该店面已存在的满意度评价结果,求取上述两次满意度评价结果的平均值,得到最终满意度评价结果,并把该最终满意度评价结果存储至满意度数据库中,取代该店铺已存在的满意度评价结果。所述满意度数据库是基于满意度评价模型通过预先获取的样本训练数据进行训练运算后所获得的。
所述误差反向传播算法的计算过程由正向计算过程和反向计算过程组成。具体的,所述正向计算过程,包括:样本输入数据经隐单元层逐层处理,并转向输出结果,在输出结果得到输出与预设的期望值不符合时,转入反向计算。所述反向计算过程,包括:将所述输出与预设的期望值不符合时所生成的输出结果作为误差信号沿算法原路返回,修改神经网络模型中各神经元的权值,以调整所述误差信号至预设的范围内,返回所述正向计算过程。所述正向计算过程的具体计算方法包括:其中,xi为目标特征信息,bj为阈值,wij为权值,Sj为输出结果。所述反向计算过程计算的结果是第j+1个样本输入数据计算时的阈值bj+1以及权值wi(j+1),其结果反作用于神经网络模型。
可以理解的是,在其他实施方式中,也可以将所述基于该样本视频计算的本次的满意度评价结果直接替换满意度数据库中该店面已存在的满意度评价结果;或者对所述基于该样本视频计算的本次的满意度评价结果以及满意度数据库中该店面已存在的满意度评价结果进行加权计算得到最终的满意度评价结果。
导购机器人100的处理器53还可以获取到来自触摸显示屏2的指令,所述指令包括查询指令,指路指令等。
所述处理器53获取用户根据自身需求在触摸显示屏2上输入的指路指令,生成对应的关于目的地信息的行进路线,根据所述行进路线以及定位模块7定位得到的当前位置驱动行进驱动装置4在路面移动,到达指定地点时,行进驱动装置4停止移动。
所述处理器53获取到来自触摸显示屏2的查询指令时,所述处理器53控制触摸显示屏2显示可选择的商品类别,所属商品类别包括一级目录和二级目录,所述一级目录包括服装、食物、日用品等,每一个一级目录下面显示一个二级目录,二级目录是对一级目录的细化,例如所述一级目录服装下面的二级目录包括男装、女装、运动服等各类特征词,再例如,所述一级目录食物下面的二级目录包括火锅、湘菜、粤菜、日料、法餐等。当所述商品类别的二级目录中的一个或多个项目被用户选定之后,所述触摸显示屏2将被选定的所述商品类别的二级目录中的一个或多个项目反馈给处理器53。
所述处理器53根据接收到的触摸显示屏2发送过来的商品类别的二级目录之后,获取满意度数据库中符合该二级目录的所有店铺,并将满意度评价结果的前三位发送至触摸显示屏2上,完成此次查询。
这样导购机器人100实现了快速、准确的为需求顾客找到他们要求的、具体的店面的技术问题。
本实施例中,如图3所示,本发明的实施例提供了一种导购机器人的控制方法,具体过程如下:
步骤S1,获取所述导购机器人在按照预设的路线进行定时巡逻的行进过程中,在预设的店面位置所采集到的预设时长的样本视频;
所述步骤S1中,导购机器人100的处理器53根据计时器到达指定时间后发出指令,控制导购机器人100的行进驱动装置4运行,开始巡逻,同步打开摄像头单元1。导购机器人100的预设行进路线,可以是根据整个商场的地形图来制定的,具体到每个店面的具体位置和每个店面的具体信息。
其中,所述每个店面的具体位置是指在不影响顾客的正常通行的情况下,能够正常的拍摄到每个商店的收银台以及结账的顾客的具体停止点。所述每个店面的具体信息是指店面卖家递交的关于店面的具体资料,包括店面经营类型、店面名字等。
导购机器人100根据定位模块7实时获取的当前位置以及预存的地图,获取离当前位置距离最近的具体停止点的具体位置,判断最近的具体停止点是否是所述预设行进路线里面的停止点,确认最近的具体停止点与所述预设行进路线里面的具体停止点一致时,控制导购机器人100的行进驱动装置4运行到所述具体停止点。最近的具体停止点与所述预设行进路线里面的具体停止点不一致时,查找预设行进路线的具体停止点,然后行进驱动装置4运行到所述具体停止点。到达所述具体停止点之后停止,摄像头单元1开始进行拍摄,存储器52接收拍摄到的视频并保存为样本视频。
进一步地,每一个店面可以对应有一个及以上的所述具体停止点。
进一步地,导购机器人100到达所述具体停止点开始拍摄,拍摄指定时长后离开,继续根据所述预设行进路线行进,到达下一个具体停止点。所述指定时长可以在三十秒以上。
步骤S2,根据所述样本视频,通过人脸识别算法提取出所述样本视频中的目标特征信息,其中,所述目标特征信息为所述样本视频中位于收银台前的不同目标消费者的人脸动态信息。
所述步骤S2中,导购机器人100的处理器53读取存储器52中存储的样本视频,根据人脸识别算法和图像识别算法过滤掉所有穿制服的服务生的脸,识别出所有消费者人脸,并截取消费者人脸在收银台前所有的人脸动态信息,记为目标特征信息,存入存储器52。
步骤S3,将所述目标特征信息作为样本输入数据,通过基于面部表情的满意度评价模型进行计算,获得所述不同目标消费者的满意度评价结果,其中,所述基于面部表情的满意度评价模型为根据误差反向传播算法所构建的神经网络模型。
所述步骤S3中,导购机器人100的处理器53调用面部表情的满意度评价模型进行评估计算,首先读取样本输入数据,所述样本输入数据为存储器52中存储的所述目标特征信息,然后神经网络模型先分析计算出误差反向传播算法所需要的算法输入数据,然后使用误差反向传播算法计算,得到不同面部信息的满意度结果。
进一步地,所述算法输入数据就是神经网络分析人脸动态信息的具体数据,包括嘴角弯曲弧度、嘴角弯曲弧度变化率、露出牙齿的颗数、嘴角弯曲弧度持续时间等。
进一步地,所述满意度评价模型为根据误差反向传播算法所构建的神经网络模型的步骤中,所述误差反向转播算法的计算过程由正向计算过程和反向计算过程组成;
所述正向计算过程,包括:样本输入数据经隐单元层逐层处理,并转向输出结果,在输出结果得到输出与预设的期望值不符合时,转入反向计算;
所述反向计算过程,包括:将所述输出与预设的期望值不符合时所生成的输出结果作为误差信号沿算法原路返回,修改所述神经网络模型中各神经元的权值,以调整所述误差信号至预设的范围内,返回所述正向计算过程。
进一步地,所述正向计算过程的具体计算方法包括:
其中,xi为目标特征信息,bj为阈值,wij为权值,Sj为输出结果。
进一步地,所述反向计算过程计算的结果是第j+1个样本输入数据计算时的阈值bj+1以及权值wi(j+1),其结果反作用于所述神经网络模型。所述面部表情的满意度评价模型,不仅评估计算出消费者的满意度,还能优化自身的神经网络模型,增加下一次的计算成功概率。
步骤S4,根据所述不同目标消费者的满意度评价结果更新店面满意度数据库中的满意度评价结果;
所述步骤S4中,满意度数据库读取所述神经网络模型计算出的本次满意度评价结果,对所述本次满意度评价结果与对应店面在满意度数据库中的满意度评价结果取均值,得到的均值即是满意度数据库中更新后的满意度评价结果。
可以理解的是,在其他实施方式中,也可以将所述基于该样本视频计算的本次的满意度评价结果直接替换满意度数据库中该店面已存在的满意度评价结果;或者对所述基于该样本视频计算的本次的满意度评价结果以及满意度数据库中该店面已存在的满意度评价结果进行加权计算得到最终的满意度评价结果。
进一步地,所述满意度数据库是基于所述满意度评价模型通过预先获取的样本训练数据进行训练运算后所获得的。所述样本训练数据是根据最初的顾客满意度调差问卷和人脸数据分析得到的,把人脸数据分析作为神经网络模型输入,把顾客满意度调差问卷作为神经网络输出,计算出初始的阈值bi和权值wij,建立起初始的神经网络模型。
步骤S5,响应用户的导购输入请求,确定用户的导购需求;
所述步骤S5中,处理器53接收触摸显示屏2传来的指令,先判断是否处于巡逻模式,若是,保存已巡逻记录,停止巡逻模式,先执行用户当下需要的所有指令,如:指路、查询店面具体信息、引导购物等,解决用户所需问题后,继续进行巡逻模式。若否,直接执行用户指令。
在触摸显示屏2传来的指令为用户输入的引导购物的指令时,响应用户的导购输入请求,确定用户的导购需求。
步骤S6,根据所述导购需求,确定与所述导购输入请求对应的店面信息;
所述步骤S6中,处理器53响应用户输入的引导购物的指令,根据所述导购需求,读取出与所述导购输入请求对应的所有店面信息,如:用户输入女装,则读取出所有的包括女装的店铺。
步骤S7,根据所述店面满意度数据库中存储的满意度评价结果以及确定的所述店面信息,推荐符合预设满意度的店面给所述用户。
所述步骤S7中,读取出满意度数据库里步骤S6中确定的对应店铺的满意度评价结果,找出评价结果最高的三个,输出在导购机器人100的触摸显示屏上。
实施本实施例,通过导购机器人定时定点巡逻的行进过程中,获取的样本视频,通过人脸识别算法识别出所有目标特征信息,所述目标特征信息再通过误差反向传播算法所构建的神经网络模型实时更新店面满意度数据库中存储的满意度评价结果,在导购机器人非巡逻的过程中,响应用户的导购输入请求,确定用户的导购需求,根据所述导购需求,确定与所述导购输入请求对应的店面信息,根据所述店面满意度数据库中存储的满意度评价结果以及确定的所述店面信息,推荐符合预设满意度的店面给所述用户,实现了导购机器人快速、准确的为需求顾客找到他们要求的、具体的店面的技术问题。
请再次参考图1-图3,本发明提供的导购机器人100中,所述处理器53执行所述计算机程序时实现如上任一项实施例所述的导购机器人100的控制方法的步骤。
本发明中有一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器53执行时实现如上任一项实施例所述的导购机器人100的控制方法的步骤。
示例性的,计算机可读存储介质的计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
需要说明的是,由于计算机可读存储介质的计算机程序被处理器53执行时实现上述的多租户数据库的隔离访问方法的步骤,因此上述方法的所有实施例均适用于该计算机可读存储介质,且均能达到相同或相似的有益效果。
在本说明书的描述中,参考术语“一实施例”、“另一实施例”、“其他实施例”、或“第一实施例~第X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、材料或者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示例。而且,描述的具体特征、结构、材料、方法步骤或者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。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种导购机器人,其特征在于,包括可行进运动的机器人本体,设置在所述机器人本体上的摄像头单元、控制电路板单元以及电源单元,所述控制电路板单元包括通信模块、存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
控制所述摄像头单元获取所述导购机器人按照预设的路线进行定时巡逻的行进过程中,在预设的店面位置所采集到的预设时长的样本视频;
根据所述样本视频,通过人脸识别算法提取出所述样本视频中的目标特征信息,其中,所述目标特征信息为所述样本视频中位于收银台前的不同目标消费者的人脸动态信息;
将所述目标特征信息作为样本输入数据,通过基于面部表情的满意度评价模型进行计算,获得所述不同目标消费者的满意度评价结果,其中,所述基于面部表情的满意度评价模型为根据误差反向传播算法所构建的神经网络模型;
根据所述不同目标消费者的满意度评价结果更新店面满意度数据库中的满意度评价结果;
响应用户的导购输入请求,确定用户的导购需求;
根据所述导购需求,确定与所述导购输入请求对应的店面信息;
根据所述店面满意度数据库中存储的满意度评价结果以及确定的所述店面信息,控制所述通信模块推荐符合预设满意度的店面给所述用户。
2.如权利要求1所述的导购机器人,其特征在于,所述摄像头单元在所述导购机器人巡逻时获取的样本视频的预设时长不少于三十秒。
3.如权利要求1所述的导购机器人,其特征在于,所述满意度数据库是基于所述满意度评价模型通过预先获取的样本训练数据进行训练运算后所获得的。
4.如权利要求1所述的导购机器人,其特征在于,所述预设满意度为所述满意度数据库中所有同类型店面的对应满意度评价结果最高的三个。
5.如权利要求1所述的导购机器人,其特征在于,所述神经网络模型用于根据输入的所述样本视频中包含位于收银台前的不同目标消费者的人脸动态信息的所述目标特征信息,判断所述样本输入数据的面部表情是否是笑脸。
6.如权利要求1-5中任一项所述的导购机器人,其特征在于,所述误差反向传播算法的计算过程由正向计算过程和反向计算过程组成;
所述正向计算过程,包括:样本输入数据经隐单元层逐层处理,并转向输出结果,在输出结果得到输出与预设的期望值不符合时,转入反向计算;
所述反向计算过程,包括:将所述输出与预设的期望值不符合时所生成的输出结果作为误差信号沿算法原路返回,修改所述神经网络模型中各神经元的权值,以调整所述误差信号至预设的范围内,返回所述正向计算过程。
7.如权利要求6所述的导购机器人,其特征在于,所述正向计算过程的具体计算方法包括:
其中,xi为目标特征信息,bj为阈值,wij为权值,Sj为输出结果。
8.如权利要求7所述的导购机器人,其特征在于,所述反向计算过程计算的结果是第j+1个样本输入数据计算时的阈值bj+1以及权值wi(j+1),其结果反作用于所述神经网络模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810950485.9A CN108858245A (zh) | 2018-08-20 | 2018-08-20 | 一种导购机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810950485.9A CN108858245A (zh) | 2018-08-20 | 2018-08-20 | 一种导购机器人 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108858245A true CN108858245A (zh) | 2018-11-23 |
Family
ID=64320980
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810950485.9A Pending CN108858245A (zh) | 2018-08-20 | 2018-08-20 | 一种导购机器人 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108858245A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109815873A (zh) * | 2019-01-17 | 2019-05-28 | 深圳壹账通智能科技有限公司 | 基于图像识别的商品展示方法、装置、设备及介质 |
CN113119133A (zh) * | 2019-12-31 | 2021-07-16 | 上海依图信息技术有限公司 | 一种购物机器人的拎包方法及购物机器人 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005293052A (ja) * | 2004-03-31 | 2005-10-20 | Honda Motor Co Ltd | 顧客応対ロボット |
WO2012140655A3 (en) * | 2011-04-12 | 2015-06-11 | Baryakar Dan | Robotic system controlled by multi participants, considering administrator's criteria |
CN105108754A (zh) * | 2015-09-07 | 2015-12-02 | 上海人智信息科技有限公司 | 一种用于商场导购的智能机器人 |
CN106485227A (zh) * | 2016-10-14 | 2017-03-08 | 深圳市唯特视科技有限公司 | 一种基于视频面部表情的客户满意度分析方法 |
CN107424012A (zh) * | 2017-07-31 | 2017-12-01 | 京东方科技集团股份有限公司 | 一种智能导购方法、智能导购设备 |
CN107423707A (zh) * | 2017-07-25 | 2017-12-01 | 深圳帕罗人工智能科技有限公司 | 一种基于复杂环境下的人脸情绪识别方法 |
CN107433603A (zh) * | 2017-09-12 | 2017-12-05 | 合肥矽智科技有限公司 | 一种商场购物服务机器人物联网系统 |
CN107478240A (zh) * | 2017-08-23 | 2017-12-15 | 苏州浩哥文化传播有限公司 | 一种移动式自驱型智能公共服务亭及其控制方法 |
-
2018
- 2018-08-20 CN CN201810950485.9A patent/CN108858245A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005293052A (ja) * | 2004-03-31 | 2005-10-20 | Honda Motor Co Ltd | 顧客応対ロボット |
WO2012140655A3 (en) * | 2011-04-12 | 2015-06-11 | Baryakar Dan | Robotic system controlled by multi participants, considering administrator's criteria |
CN105108754A (zh) * | 2015-09-07 | 2015-12-02 | 上海人智信息科技有限公司 | 一种用于商场导购的智能机器人 |
CN106485227A (zh) * | 2016-10-14 | 2017-03-08 | 深圳市唯特视科技有限公司 | 一种基于视频面部表情的客户满意度分析方法 |
CN107423707A (zh) * | 2017-07-25 | 2017-12-01 | 深圳帕罗人工智能科技有限公司 | 一种基于复杂环境下的人脸情绪识别方法 |
CN107424012A (zh) * | 2017-07-31 | 2017-12-01 | 京东方科技集团股份有限公司 | 一种智能导购方法、智能导购设备 |
CN107478240A (zh) * | 2017-08-23 | 2017-12-15 | 苏州浩哥文化传播有限公司 | 一种移动式自驱型智能公共服务亭及其控制方法 |
CN107433603A (zh) * | 2017-09-12 | 2017-12-05 | 合肥矽智科技有限公司 | 一种商场购物服务机器人物联网系统 |
Non-Patent Citations (1)
Title |
---|
蔡丽艳: "《数据挖掘算法及其应用研究》", 28 February 2013, 电子科技大学出版社 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109815873A (zh) * | 2019-01-17 | 2019-05-28 | 深圳壹账通智能科技有限公司 | 基于图像识别的商品展示方法、装置、设备及介质 |
WO2020147430A1 (zh) * | 2019-01-17 | 2020-07-23 | 深圳壹账通智能科技有限公司 | 基于图像识别的商品展示方法、装置、设备及介质 |
CN113119133A (zh) * | 2019-12-31 | 2021-07-16 | 上海依图信息技术有限公司 | 一种购物机器人的拎包方法及购物机器人 |
CN113119133B (zh) * | 2019-12-31 | 2023-01-31 | 上海依图信息技术有限公司 | 一种购物机器人的拎包方法及购物机器人 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108492157B (zh) | 无人售货系统及无人售货方法 | |
CN108846621B (zh) | 一种基于策略模块的库存管理系统 | |
US10290031B2 (en) | Method and system for automated retail checkout using context recognition | |
CN109048934A (zh) | 一种智能导购机器人系统 | |
CN108198052A (zh) | 用户选购商品识别方法、装置以及智能货架系统 | |
US10747991B2 (en) | People stream analysis method, people stream analysis apparatus, and people stream analysis system | |
US20110293148A1 (en) | Content determination program and content determination device | |
WO2017005014A1 (zh) | 搜索匹配商品的方法及装置 | |
CN208141447U (zh) | 智能货架系统 | |
CN101021870A (zh) | 一种图片查询方法及系统 | |
CN112215167B (zh) | 一种基于图像识别的智能商店控制方法和系统 | |
CN108550229A (zh) | 一种人工智能自动收银方法 | |
US20240112252A1 (en) | Identifying object of interest for handicapped individuals based on eye movement patterns | |
WO2021150161A1 (en) | Customer behavioural system | |
CN108858245A (zh) | 一种导购机器人 | |
CN109191190A (zh) | 一种导购机器人的控制方法及计算机可读存储介质 | |
CN109242547A (zh) | 智能导购机器人系统的控制方法及计算机可读存储介质 | |
CN113771048B (zh) | 一种机器人导购方法、装置、电子设备及存储介质 | |
CN114219578A (zh) | 无人服装售卖方法、装置、终端及存储介质 | |
US11880877B2 (en) | System for imaging and detection | |
KR101468457B1 (ko) | 스마트 상품 검색 제공 방법 | |
KR101150944B1 (ko) | 매칭 가능성에 기반한 타겟 탐색 장치, 그 방법, 및 그 기록매체 | |
CN111126179A (zh) | 信息的获取方法和装置、存储介质和电子装置 | |
Gayen et al. | A Sensor-fusion Framework for Queue-less Check-out in Retail | |
CN109191182A (zh) | 基于无人超市的商品导航方法及装置 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20181123 |
|
WD01 | Invention patent application deemed withdrawn after publication |