CN110084200A - 一种基于人脸识别的零售方法、系统及终端设备 - Google Patents

一种基于人脸识别的零售方法、系统及终端设备 Download PDF

Info

Publication number
CN110084200A
CN110084200A CN201910352046.2A CN201910352046A CN110084200A CN 110084200 A CN110084200 A CN 110084200A CN 201910352046 A CN201910352046 A CN 201910352046A CN 110084200 A CN110084200 A CN 110084200A
Authority
CN
China
Prior art keywords
face
facial image
recognition
point
nominal contour
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
CN201910352046.2A
Other languages
English (en)
Inventor
张晓波
张洪斌
尹浩权
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.)
Chongqing Information Technology Co Ltd
Original Assignee
Chongqing Information 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 Chongqing Information Technology Co Ltd filed Critical Chongqing Information Technology Co Ltd
Priority to CN201910352046.2A priority Critical patent/CN110084200A/zh
Publication of CN110084200A publication Critical patent/CN110084200A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • 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
    • 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
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/752—Contour matching
    • 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
    • G06V40/168—Feature extraction; Face representation
    • G06V40/169—Holistic features and representations, i.e. based on the facial image taken as a whole
    • 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

Abstract

本发明涉及一种基于人脸识别的零售方法、系统及终端设备，其中一种基于人脸识别的零售方法包括，S1：采集用户的人脸图像；S2：对所述人脸图像进行人脸识别，并基于所述人脸识别的结果确定所述人脸图像对应的用户身份；S3：将当前零售系统的操作模式切换至所述用户身份相匹配的操作模式。本发明简单实用，通过人脸识别结果进行系统预设模式的切换，实现了不同身份的人拥有不同权限的系统模式，使得整个系统信息化、准确化、高效化、数据化，且提高了系统数据流的安全性和保密性等。

Description

一种基于人脸识别的零售方法、系统及终端设备
技术领域
本发明属于新零售技术领域，尤其涉及一种基于人脸识别的零售方法及系统。
背景技术
新零售，即企业以互联网为依托，通过运用大数据、人工智能等先进技术手段并运用心理学知识，对商品的生产、流通于销售过程进行升级改造，进而重塑业态结构与生态圈，并对线上服务、线下体验以及现代物流进行深度融合的零售新模式。新零售的核心要义在于推动线上与线下的一体化进程，其关键在于使线上的互联网力量和线下的实体店终端形成真正意义上的合力，从而完成电商平台和实体零售店面在商业维度上的优化升级。同时，促成价格消费时代向价值消费时代的全面转型。此外，有学者也提出新零售就是"将零售数据化"。将新零售总结为"线上+线下+物流，其核心是以消费者为中心的会员、支付、库存、服务等方面数据的全面打通"。
现有新零售系统中仅有线上商家与客户终端，对于线下商铺中的店长、员工、客户，平台管理，还有物流终端的系统对应的使用权限技术还不够完善。
发明内容
本发明针对现有技术的不足，提出一种基于人脸识别的零售方法、系统及终端设备。
本发明解决上述技术问题的技术方案如下：一种基于人脸识别的零售方法，其特征在于，包括：
S1：采集用户的人脸图像；
S2：对所述人脸图像进行人脸识别，并基于所述人脸识别的结果确定所述人脸图像对应的用户身份；
S3：将当前零售系统的操作模式切换至所述用户身份相匹配的操作模式。
在上述技术方案的基础上，本发明还可以做如下改进。
进一步的，S2包括，对所述人脸图像对应的数据信息进行处理得到所述人脸图像的3D形状的轮廓点，将所述轮廓点与数据库中的标准轮廓点进行匹配，若匹配成功，则确定匹配成功的标准轮廓点对应的用户身份，其中，标准轮廓点与用户身份一一对应。
采用上述进一步方案的有益效果是：S2采用CFC(Contour Fitting Constraint，轮廓拟合约束)，对所述人脸图像对应的数据信息进行处理得到所述人脸图像的3D形状的轮廓点；然后采用成对SIFT(Scale-invariant feature transform，尺度不变特征变换)特征，将所述轮廓点与数据库中的标准轮廓点进行匹配，从而确定匹配成功的标准轮廓点对应的用户身份，系统中对不同标准轮廓点预设有对应的用户身份。
进一步，所述将所述轮廓点与数据库预存的标准轮廓点进行匹配，具体包括：将所述轮廓点的至高点与所述标准轮廓点的至高点进行匹配，若所述轮廓点的至高点与所述标准轮廓点的至高点之间的交叉误差小于预设误差阈值，则所述轮廓点与数据库预存的标准轮廓点匹配成功。
采用上述进一步方案的有益效果是：首先采用IED(Image Edge DetectionAlgorithm，图像边缘检测算法)来检测人脸图像的轮廓；然后利用Delaunay三角剖分算法(Delaunay triangulation algorithm)得到3Dshape(3D形状)轮廓点；最后计算数据库中标准轮廓点和3Dshape轮廓最近点的距离，得到累计误差的最小值，最小化所述数据库中标准轮廓点和所述3Dshape轮廓点间的误差，将所述轮廓点的至高点与所述标准轮廓点的至高点进行匹配，若所述3Dshape轮廓点的至高点与所述标准轮廓点的至高点之间的交叉误差小于预设误差阈值，则所述轮廓点与数据库预存的标准轮廓点匹配成功，完成人脸识别。
进一步，所述将所述轮廓点的至高点与所述标准轮廓点的至高点进行匹配，具体包括：通过SIFT尺度不变特征计算标准轮廓点的至高点与所述轮廓点的至高点之间的交叉误差，然后将所述交叉误差最小化。
采用上述进一步方案的有益效果是：通过检测人脸图像的SIFT特征点并进行匹配，然后利用所述SIFT特征点分别找3Dshape对应的vertices(至高点)，得到所述SIFT特征点与vertices的交叉误差，进行最小化处理，保证所述标准轮廓点和所述3Dshape((3D形状)轮廓点在至高点的检测是一致的，然后将所述交叉误差最小化，从而确认用户身份。
进一步，所述轮廓点与数据库预存的标准轮廓点匹配失败，则删除所述人脸图像。
采用上述进一步方案的有益效果是：所述轮廓点与数据库预存的标准轮廓点匹配失败，表示所述人脸图像在当前零售系统中无相应的操作模式，即该用户没有挡墙零售系统的使用权限，删除所述人脸图像。
进一步，所述方法还包括：若所述轮廓点与数据库预存的标准轮廓点匹配失败，则存储所述人脸图像，并将所属人脸图像对应的用户身份定义为陌生人。
采用上述进一步方案的有益效果是：零售系统对于初次出现在商店的用户是识别不出用户的身份的，这时候就需要对用户的身份进行记录，以便于后期对店面人员流动情况进行统计，或者在用户丢失重要物品时通过零售系统进行精确找回。例如，一般零售系统在商店的柜台里面，非工作人员是不允许进去的，现实生活中，时常会出现柜台上的手机或钱款或者其他什么贵重的物品发生丢失的现象，通过记录陌生人的人脸图像，可以迅速锁定调查对象，至少也可以缩小调查范围，提高追查效率，也防止商店柜台的贵重物品的丢失。
另一方面，本发明提供了一种基于人脸识别的零售系统，其特征在于，包括，
信息采集模块，所述信息采集模块用于采集用户的人脸图像；
数据处理模块，所述数据处理模块用于对所述人脸图像进行人脸识别，并基于识别的结果确定所述人脸图像对应的用户身份；
控制模块，所述控制模块用于将当前零售系统的操作模式切换至所述用户身份相匹配的操作模式。
进一步，所述信息采集模块包括摄像机。
采用上述进一步方案的有益效果是：所述摄像机用于采集人脸图像数据信息。
进一步，所述数据处理模块对所述人脸图像对应的数据信息进行处理得到设施人脸图像的3D形状的轮廓点，将所述轮廓点与数据库中的标准轮廓点进行匹配，若匹配成功，则确定匹配成功的标准点对应的用户身份，若匹配失败，则删除所述人脸图像或存储所述人脸图形，并将所述人脸图像对应的用户身份定义为陌生人。
采用上述进一步方案的有益效果是：所述数据处理模块采用CFC(ContourFitting Constraint，轮廓拟合约束)，对所述人脸图像对应的数据信息进行处理得到所述人脸图像的3D形状的轮廓点；然后采用成对SIFT(Scale-invariant feature transform，尺度不变特征变换)特征，将所述轮廓点与数据库中的标准轮廓点进行匹配，从而确定匹配成功的标准轮廓点对应的用户身份，所述轮廓点与数据库预存的标准轮廓点匹配失败，表示所述人脸图像在当前零售系统中无相应的操作模式，即该用户没有挡墙零售系统的使用权限，删除所述人脸图像或者对用户的身份进行记录，或者将所述人脸图像对应的用户身份定义为陌生人，当陌生人身份的用户丢失重要物品时通过零售系统进行精确找回，也便于后期对店面人员流动情况进行统计。
本发明还提供一种终端设备，所述终端设备包括上述实施例中记载的任何一种基于人脸识别的零售系统。
本发明的有益效果是：本发明简单实用，采用CFC(Contour Fitting Constraint，轮廓拟合约束)，对所述人脸图像对应的数据信息进行处理得到所述人脸图像的3D形状的轮廓点；然后采用成对SIFT(Scale-invariant feature transform，尺度不变特征变换)特征，将所述轮廓点与数据库中的标准轮廓点进行匹配，从而确定匹配成功的标准轮廓点对应的用户身份，系统中对不同标准轮廓点预设有对应的用户身份。通过人脸识别结果进行系统预设模式的切换，实现了不同身份的人拥有不同权限的操作模式，使得整个系统信息化、准确化、高效化、数据化，且提高了系统数据流的安全性和保密性等。
附图说明
图1为本发明的一种基于人脸识别的零售方法及系统的方法流程示意图；
图2为本发明的一种基于人脸识别的零售方法及系统的系统结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
如图1所示，本发明提供一种基于人脸识别的零售方法，其特征在于，
S1：采集用户的人脸图像；
S2：对所述人脸图像进行人脸识别，并基于所述人脸识别的结果确定所述人脸土相对应的用户身份；
S3：将当前零售系统的操作模式切换至所述用户身份相匹配的操作模式。
具体的，S2包括，对所述人脸图像对应的数据信息进行处理得到所述人脸图像的3D形状的轮廓点，将所述轮廓点与数据库中的标准轮廓点进行匹配，若匹配成功，则确定匹配成功的标准轮廓点对应的用户身份，其中，标准轮廓点与用户身份一一对应，S2采用CFC(Contour Fitting Constraint，轮廓拟合约束)，对所述人脸图像对应的数据信息进行处理得到所述人脸图像的3D形状的轮廓点；然后采用成对SIFT(Scale-invariant featuretransform，尺度不变特征变换)特征，将所述轮廓点与数据库中的标准轮廓点进行匹配，从而确定匹配成功的标准轮廓点对应的用户身份，系统中对不同标准轮廓点预设有对应的用户身份，比如，超级管理员、平台管理员、平台业务员、店铺老板、店铺员工等等。
优选的，系统中预设的相应的模式包括超级管理员、平台管理员、平台业务员、店铺老板、店铺员工等等。
举例说明，超级管理员的使用环境包括PC端、Windows各类系统、主流浏览器，平台管理员的使用环境包括PC端、Windows各类系统、主流浏览器，平台业务员的使用环境包括APP端、包含Android端及IOS端、手机主流型号，店铺老板的使用环境包括APP端、包含Android端及IOS端、手机主流型号，店铺员工的使用环境包括PC端、Windows各类系统、主流浏览器。
举例说明，超级管理员可以管理其他所有模式的功能以及开放平台管理员的账号。
所述平台管理员功能区具体包括主页、店铺管理、人员管理、平台数据管理，主页功能区包括店铺数量、人脸数量、回访数量、实时信息的数据统计，店铺数量具体包括区域范围开店铺、各类模式状态下开设账号的数量，人脸数量具体包括近3天新人人脸图像数据信息的录入数量，回访数量具体包括每个店铺回访人数占平台总访问人数的百分比，实时信息具体包括平台每5秒刷新一次后采集的人脸图像数据信息；店铺管理功能区包括对平台业务员提交的开店申请和关店申请做审批两个部分；人员管理功能区包括依据开设账号的规则开设账号；所述数据管理功能区包括店铺数据的导出申请。
所述平台业务员功能区具体包括店铺开设、店铺管理、消息管理、个人中心，店铺开设功能区包括开设各类模式下的账号，为能使用PC端查询人流信息的账户，开放APP端的登陆权限；店铺管理功能区包括将店铺老板账号的注销信息传输给平台管理员、将店铺老板近几天提交的新的店铺员工的人脸图像数据传输给平台管理员；消息提醒功能区包括店铺老板账号的注销申请信息以及店铺老板下载或查看平台中已有的人脸图像数据信息的申请。
所述店铺老板功能区具体包括我的提醒、店员管理、数据管理、店铺管理、个人中心；我的提醒功能区包括回头客来店的提醒、店员考勤情况的提醒；店员管理功能区包括店员人脸图像数据信息，所有店员每天考勤的数据信息；数据管理功能区包括向平台业务员提交的下载或查看平台中已有的人脸图像数据信息的申请状态；店铺管理功能区包括注销账号。
所述店铺员工功能区具体包括信息备注、客流信息；信息备注包括客户进店的时间，购买的物品类型，对哪类物品感兴趣等信息；客流信息包括新老客户的进店信息，同时对老顾客的进店信息做出提醒。
以上实施例仅是为了便于本技术领域人员理解而进行的说明，本发明并不限于当前状态的使用，且本发明中的各种模式可根据用户或市场的需求进行设定。
具体的，所述将所述轮廓点与数据库预存的标准轮廓点进行匹配，具体包括：将所述轮廓点的至高点与所述标准轮廓点的至高点进行匹配，若所述轮廓点的至高点与所述标准轮廓点的至高点之间的交叉误差小于预设误差阈值，则所述轮廓点与数据库预存的标准轮廓点匹配成功，首先采用IED(Image Edge Detection Algorithm，图像边缘检测算法)来检测人脸图像的轮廓；然后利用Delaunay三角剖分算法(Delaunay triangulationalgorithm)得到3Dshape(3D形状)轮廓点；最后计算数据库中标准轮廓点和3Dshape轮廓最近点的距离，得到累计误差的最小值，最小化所述数据库中标准轮廓点和所述3Dshape轮廓点间的误差，将所述轮廓点的至高点与所述标准轮廓点的至高点进行匹配，若所述3Dshape轮廓点的至高点与所述标准轮廓点的至高点之间的交叉误差小于预设误差阈值，则所述轮廓点与数据库预存的标准轮廓点匹配成功，完成人脸识别。
具体的，所述将所述轮廓点的至高点与所述标准轮廓点的至高点进行匹配，具体包括：通过SIFT尺度不变特征计算标准轮廓点的至高点与所述轮廓点的至高点之间的交叉误差，然后将所述交叉误差最小化，通过检测人脸图像的SIFT特征点并进行匹配，然后利用所述SIFT特征点分别找3Dshape对应的vertices(至高点)，得到所述SIFT特征点与vertices的交叉误差，进行最小化处理，保证所述标准轮廓点和所述3Dshape((3D形状)轮廓点在至高点的检测是一致的，然后将所述交叉误差最小化，从而确认用户身份。
具体的，所述轮廓点与数据库预存的标准轮廓点匹配失败，则删除所述人脸图像，所述轮廓点与数据库预存的标准轮廓点匹配失败，表示所述人脸图像在当前零售系统中无相应的操作模式，即该用户没有挡墙零售系统的使用权限，删除所述人脸图像。
优选的，所述方法还包括：若所述轮廓点与数据库预存的标准轮廓点匹配失败，则存储所述人脸图像，并将所属人脸图像对应的用户身份定义为陌生人，零售系统对于初次出现在商店的用户是识别不出用户的身份的，这时候就需要对用户的身份进行记录，以便于后期对店面人员流动情况进行统计，或者在用户丢失重要物品时通过零售系统进行精确找回。例如，一般零售系统在商店的柜台里面，非工作人员是不允许进去的，现实生活中，时常会出现柜台上的手机或钱款或者其他什么贵重的物品发生丢失的现象，通过记录陌生人的人脸图像，可以迅速锁定调查对象，至少也可以缩小调查范围，提高追查效率，也防止商店柜台的贵重物品的丢失。
如图2所示，另一方面，本发明提供了一种基于人脸识别的零售系统，其特征在于，包括，
信息采集模块，所述信息采集模块用于采集用户的人脸图像；
数据处理模块，所述数据处理模块用于对所述人脸图像进行人脸识别，并基于识别的结果确定所述人脸图像对应的用户身份；
控制模块，所述控制模块用于将当前零售系统的操作模式切换至所述用户身份相匹配的操作模式。
优选的，所述信息采集模块包括摄像机，所述摄像机用于采集人脸图像数据信息。
具体的，所述数据处理模块对所述人脸图像对应的数据信息进行处理得到设施人脸图像的3D形状的轮廓点，将所述轮廓点与数据库中的标准轮廓点进行匹配，若匹配成功，则确定匹配成功的标准点对应的用户身份，若匹配失败，则删除所述人脸图像或存储所述人脸图形，并将所述人脸图像对应的用户身份定义为陌生人，所述数据处理模块采用CFC(Contour Fitting Constraint，轮廓拟合约束)，对所述人脸图像对应的数据信息进行处理得到所述人脸图像的3D形状的轮廓点；然后采用成对SIFT(Scale-invariant featuretransform，尺度不变特征变换)特征，将所述轮廓点与数据库中的标准轮廓点进行匹配，从而确定匹配成功的标准轮廓点对应的用户身份，所述轮廓点与数据库预存的标准轮廓点匹配失败，表示所述人脸图像在当前零售系统中无相应的操作模式，即该用户没有挡墙零售系统的使用权限，删除所述人脸图像或者对用户的身份进行记录，或者将所述人脸图像对应的用户身份定义为陌生人，当陌生人身份的用户丢失重要物品时通过零售系统进行精确找回，也便于后期对店面人员流动情况进行统计。
举例说明，平台管理员通过摄像头进行人脸图像数据信息采集，所述数据处理模块采用CFC对所述人脸图像数据信息分析处理，最小化所述数据处理模块估计的轮廓和所述人脸图像数据信息中真实轮廓间的误差，采用成对SIFT特征保证所述数据模块估计的轮廓和所述人脸图像数据信息中真实轮廓的密集3Dshape在关键点的检测是一致的，从而完成人脸识别，所述控制模块根据所述数据处理模块对所述人脸图像数据信息的处理结果，转换零售系统的模式为平台管理员，并对所述人脸识别的结果进行存储，平台管理员通过PC端输入查询回访数量的指令，所述控制模块根据PC端输入的查询回访数量的指令，查询每个店铺回访人数占平台总访问人数的百分比，并通过PC端显示给平台管理员。
以上内容仅为便于本技术领域人员对本发明的理解，并不限于本发明只能该种状态下使用。
本发明还提供一种终端设备，所述终端设备包括上述实施例中记载的任何一种基于人脸识别的零售系统。
本发明的有益效果是：本发明简单实用，采用CFC，对所述人脸图像对应的数据信息进行处理得到所述人脸图像的3D形状的轮廓点；然后采用成对SIFT特征，将所述轮廓点与数据库中的标准轮廓点进行匹配，从而确定匹配成功的标准轮廓点对应的用户身份，系统中对不同标准轮廓点预设有对应的用户身份。通过人脸识别结果进行系统预设模式的切换，实现了不同身份的人拥有不同权限的系统模式，使得整个系统信息化、准确化、高效化、数据化，通过人脸识别技术实现身份的确认，提高了系统数据流的安全性和保密性等。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，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 (10)

1.一种基于人脸识别的零售方法，其特征在于，包括：
S1：采集用户的人脸图像；
S2：对所述人脸图像进行人脸识别，并基于所述人脸识别的结果确定所述人脸图像对应的用户身份；
S3：将当前零售系统的操作模式切换至所述用户身份相匹配的操作模式。
2.根据权利要求1所述的基于人脸识别的零售方法，其特征在于，S2包括，对所述人脸图像对应的数据信息进行处理得到所述人脸图像的3D形状的轮廓点，将所述轮廓点与数据库预存的标准轮廓点进行匹配，若匹配成功，则确定匹配成功的标准轮廓点对应的用户身份，其中，标准轮廓点与用户身份一一对应。
3.根据权利要求2所述的基于人脸识别的零售方法，其特征在于，所述将所述轮廓点与数据库预存的标准轮廓点进行匹配，具体包括：
将所述轮廓点的至高点与所述标准轮廓点的至高点进行匹配，若所述轮廓点的至高点与所述标准轮廓点的至高点之间的交叉误差小于预设误差阈值，则所述轮廓点与数据库预存的标准轮廓点匹配成功。
4.根据权利要求3所述的基于人脸识别的零售方法，所述将所述轮廓点的至高点与所述标准轮廓点的至高点进行匹配，具体包括：
通过SIFT尺度不变特征计算标准轮廓点的至高点与所述轮廓点的至高点之间的交叉误差，然后将所述交叉误差最小化。
5.根据权利要求2所述的基于人脸识别的零售方法，其特征在于，若所述轮廓点与数据库预存的标准轮廓点匹配失败，则删除所述人脸图像。
6.根据权利要求2所述的基于人脸识别的零售方法，其特征在于，所述方法还包括：
若所述轮廓点与数据库预存的标准轮廓点匹配失败，则存储所述人脸图像，并将所述人脸图像对应的用户身份定义为陌生人。
7.一种基于人脸识别的零售系统，其特征在于，包括，
信息采集模块，所述信息采集模块用于采集用户的人脸图像；
数据处理模块，所述数据处理模块用于对所述人脸图像进行人脸识别，并基于识别的结果确定所述人脸图像对应的用户身份；
控制模块，所述控制模块用于将当前零售系统的操作模式切换至所述用户身份相匹配的操作模式。
8.根据权利要求7所述的基于人脸识别的零售系统，其特征在于，所述信息采集模块包括摄像机。
9.根据权利要求7所述的基于人脸识别的零售系统，其特征在于，所述数据处理模块对所述人脸图像对应的数据信息进行处理得到所述人脸图像的3D形状的轮廓点，将所述轮廓点与数据库中的标准轮廓点进行匹配，若匹配成功，则确定匹配成功的标准轮廓点对应的用户身份，其中标准轮廓点与用户身份一一对应；若匹配失败，则删除所述人脸图像或存储所述人脸图像，并将所述人脸图像对应的用户身份定义为陌生人。
10.一种终端设备，其特征在于，所述终端设备包括如权利要求7-9任一项所述的基于人脸识别的零售系统。
CN201910352046.2A 2019-04-29 2019-04-29 一种基于人脸识别的零售方法、系统及终端设备 Pending CN110084200A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910352046.2A CN110084200A (zh) 2019-04-29 2019-04-29 一种基于人脸识别的零售方法、系统及终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910352046.2A CN110084200A (zh) 2019-04-29 2019-04-29 一种基于人脸识别的零售方法、系统及终端设备

Publications (1)

Publication Number Publication Date
CN110084200A true CN110084200A (zh) 2019-08-02

Family

ID=67417480

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910352046.2A Pending CN110084200A (zh) 2019-04-29 2019-04-29 一种基于人脸识别的零售方法、系统及终端设备

Country Status (1)

Country Link
CN (1) CN110084200A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112328995A (zh) * 2020-07-08 2021-02-05 德能森智能科技（成都）有限公司 一种基于tof图像传感器验证的社会管理系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102081733A (zh) * 2011-01-13 2011-06-01 西北工业大学 多模态信息结合的多姿态三维人脸面部五官标志点定位方法
CN104008320A (zh) * 2014-05-19 2014-08-27 惠州Tcl移动通信有限公司 基于人脸识别的使用权限和用户模式控制方法及系统
CN104765998A (zh) * 2015-04-16 2015-07-08 国家电网公司 一种基于人脸识别用户身份可靠认证系统及其使用方法
CN105069342A (zh) * 2015-08-23 2015-11-18 华南理工大学 基于人脸识别对教育资源数据库权限的控制方法
CN108491709A (zh) * 2018-03-21 2018-09-04 百度在线网络技术（北京）有限公司 用于识别权限的方法和装置
CN108985212A (zh) * 2018-07-06 2018-12-11 深圳市科脉技术股份有限公司 人脸识别方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102081733A (zh) * 2011-01-13 2011-06-01 西北工业大学 多模态信息结合的多姿态三维人脸面部五官标志点定位方法
CN104008320A (zh) * 2014-05-19 2014-08-27 惠州Tcl移动通信有限公司 基于人脸识别的使用权限和用户模式控制方法及系统
CN104765998A (zh) * 2015-04-16 2015-07-08 国家电网公司 一种基于人脸识别用户身份可靠认证系统及其使用方法
CN105069342A (zh) * 2015-08-23 2015-11-18 华南理工大学 基于人脸识别对教育资源数据库权限的控制方法
CN108491709A (zh) * 2018-03-21 2018-09-04 百度在线网络技术（北京）有限公司 用于识别权限的方法和装置
CN108985212A (zh) * 2018-07-06 2018-12-11 深圳市科脉技术股份有限公司 人脸识别方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YAOJIE LIU ET AL: "Dense Face Alignment", 《2017 IEEE INTERNATIONAL CONFERENCE ON COMPUTER VISION WORKSHOPS（ICCVW）》 *
陆兴华等: "一种融合角点特征匹配的人脸优化识别方法", 《计算机时代》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112328995A (zh) * 2020-07-08 2021-02-05 德能森智能科技（成都）有限公司 一种基于tof图像传感器验证的社会管理系统
CN112328995B (zh) * 2020-07-08 2023-04-14 德能森智能科技（成都）有限公司 一种基于tof图像传感器验证的社会管理系统

Similar Documents

Publication Publication Date Title
CA2579095C (en) Indirect customer identification system and method
CN110892442A (zh) 用于自适应评分以检测商务卡的误用或滥用的系统、方法和设备
US7281653B2 (en) Transaction instrument inventory management system and method
US7505931B2 (en) Method and system for monitoring transactions
DE60117661T2 (de) Vorrichtung und Verfahren zur Informationsverarbeitung, Aufzeichnungsmedium und System zum Bereitstellen von Diensten für sichere elektronische Transaktionen
CN108346050A (zh) 一种创建用户账户的方法、装置及无人商店
CN111861677A (zh) 基于电商平台的智能进销存及快递的方法
CN105869278A (zh) 一种烟草自动销售的方法、系统及销售机
CN108876587A (zh) 基于区块链的供应链金融平台及方法
CN106952117A (zh) 积分数据发放方法及装置
CN110415087A (zh) 一种基于互联网的电子商务交易系统
JP2004326208A (ja) 顧客管理システム、該システムの機能を実現するプログラム及び記録媒体
CN108564420A (zh) 一种智能零售系统网络
CN107895306A (zh) 商品组合识别方法、识别系统以及售卖系统
CN109615564A (zh) 共享住宿交换平台
CN110084200A (zh) 一种基于人脸识别的零售方法、系统及终端设备
CN109919711A (zh) 一种购买物品的交易方法方法
CN206128694U (zh) 一种自助试衣结构及其控制模块
KR20070013363A (ko) 단말기를 이용한 온라인 면세점 운영 시스템 및 그 방법
CN110705994A (zh) 一种风险用户检测方法及装置
CN110378748A (zh) 基于云平台的酒店多渠道流量分销方法及系统
CN109118251A (zh) 一种基于电子秤的食品追溯方法
CN108921621A (zh) 一种经济大数据的数据采集方法
GB2536003A (en) Ticketing system & Method
CN112232918A (zh) 一种智能网咖系统

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: 20190802