CN110738782A - 一种收银排队分析方法及系统 - Google Patents

一种收银排队分析方法及系统 Download PDF

Info

Publication number
CN110738782A
CN110738782A CN201911018400.4A CN201911018400A CN110738782A CN 110738782 A CN110738782 A CN 110738782A CN 201911018400 A CN201911018400 A CN 201911018400A CN 110738782 A CN110738782 A CN 110738782A
Authority
CN
China
Prior art keywords
head
cashier
image
customers
video
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.)
Granted
Application number
CN201911018400.4A
Other languages
English (en)
Other versions
CN110738782B (zh
Inventor
叶俊科
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.)
Chuangyou Digital Technology Guangdong Co Ltd
Original Assignee
Mingchuang Excellent Products (hengqin) Enterprise Management 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 Mingchuang Excellent Products (hengqin) Enterprise Management Co Ltd filed Critical Mingchuang Excellent Products (hengqin) Enterprise Management Co Ltd
Priority to CN201911018400.4A priority Critical patent/CN110738782B/zh
Publication of CN110738782A publication Critical patent/CN110738782A/zh
Application granted granted Critical
Publication of CN110738782B publication Critical patent/CN110738782B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G07C11/00—Arrangements, systems or apparatus for checking, e.g. the occurrence of a condition, not provided for elsewhere
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection
    • 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
    • G07C11/00—Arrangements, systems or apparatus for checking, e.g. the occurrence of a condition, not provided for elsewhere
    • G07C2011/04—Arrangements, systems or apparatus for checking, e.g. the occurrence of a condition, not provided for elsewhere related to queuing systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)

Abstract

本申请一种收银排队分析方法及系统，通过头部目标检测模型与收银台目标检测模型确认店内人员与收银台的位置信息与置信度；根据头部位置与收银台位置的几何关系区分顾客与收银员，并根据头部图像之间的几何关系区分排队顾客与非排队顾客；统计收银员与排队顾客人数，当收银员人数与排队顾客人数的数量关系满足设定值时，判断门店客流高峰期时存在收银违规行为，解决了目前只能依赖人工检查门店在客流高峰期时是否存在收银违规行为而导致的因人均工作量巨大导致判断准确率低甚至漏监的技术问题，大大减少工作人员的工作量，提高监控精度，避免漏监。

Description

一种收银排队分析方法及系统
技术领域
本发明涉及图像识别领域，具体涉及一种收银排队分析方法及系统。
背景技术
目前在各购物场景如门店、超市、商场等都配置有智能收银系统，收银员利用扫码座式设备或者手持扫码枪等为顾客进行商品结算，在购物高峰期时常常出现排队等候结算的顾客过量，而每个门店或商场的收银工作人员是有限的，排队时间过长将会显著降低顾客的购物体验。现有收银排队预警的分析方法是通过后台监控工作人员对各个门店的监控视频流逐一排查，肉眼查看当前门店是否存在服务排队结算顾客的收银员人手严重缺少的违规行为，这种方式的弊端主要在于往往一个监控工作人员需要同时监控多个店面的视频流，人均工作量巨大，监控力度不足，从而导致漏监，而且纯人工检查的违规行为预警效率非常低下，不利于门店管理工作的开展。
发明内容
基于此，本发明旨在提供一种收银排队分析方法及系统，通过目标检测算法确认收银员人数与排队顾客人数的数量关系是否满足设定值，以此判断门店客流高峰期时是否存在收银人手缺乏的违规行为，以解决现有技术中依赖人工手动检查违规行为而导致的人工成本高、监控效率低、出现漏监等的技术问题。
本发明提供一种收银排队分析方法，包括：
获取待检测视频图像；
利用头部目标检测模型对所述待检测视频图像进行全图检测，得到头部位置信息及头部置信度，根据所述头部位置信息及头部置信度确认头部位置并存储头部图像；
利用收银台目标检测模型得到收银台位置信息及收银台置信度，根据所述收银台位置信息及收银台置信度确认收银台位置；
根据所述头部位置与所述收银台位置的几何关系区分顾客与收银员，并根据顾客的头部图像之间的几何关系区分排队顾客与非排队顾客；
对收银员人数与排队顾客的人数进行统计，当收银员人数与排队顾客人数的数量关系达到设定值时，标记为收银违规，记录违规行为对应的视频流。
优选地，获取待检测视频图像包括：
在线采集至少一路监控视频流，并通过读取对应的配置文件下载所述监控视频流，逐帧读取所述监控视频流。
优选地，利用头部目标检测模型对所述待检测视频图像进行全图检测，得到头部位置信息及头部置信度，根据所述头部位置信息及头部置信度确认头部位置并存储头部图像包括：
建立头部目标检测模型，所述待检测视频图像输入至所述头部目标检测模型前向运行检测获得图像中所有的头部位置信息与头部置信度，当所述头部置信度大于设定阈值时判定为头部并存储头部图像。
优选地，利用收银台目标检测模型得到收银台位置信息及收银台置信度，根据所述收银台位置信息及收银台置信度确认收银台位置包括：
把待检测视频图像输入收银台目标检测模型前向运行检测得到收银台位置及收银台置信度，当所述收银台置信度大于设定阈值时判定为收银台。
优选地，根据所述头部位置与所述收银台位置的几何关系区分顾客与收银员包括：
标记所述收银台位置，计算所述头部图像与所述收银台的操作键盘的距离，所述距离在设定范围内的头部图像记为收银员，否则记为顾客。
优选地，根据所述头部图像之间的几何关系区分排队顾客与非排队顾客包括：
对顾客的头部图像中心点进行直线拟合，当头部图像偏离直线阈值时记为非排队顾客，头部图像与所述直线的距离在阈值范围内时记为排队顾客。
优选地，记录违规行为对应的视频流之后还包括：
上传所述违规行为对应的视频流至报警日志。
本发明还提供一种实现上述收银排队分析方法的分析系统，包括：
待检测视频图像获取单元，包括在线采集模块和视频下载模块，所述在线采集模块用于采集监控视频流，所述视频下载模块用于读取对应配置文件对所述监控视频流进行下载回放；
违规行为分析单元，载有头部目标检测模型和收银台目标检测模型，用于区分排队顾客与收银员，并对所述排队顾客及收银员分别计数；用于对下载的视频进行基于深度学习算法的收银排队分析
违规行为视频存储单元，用于存储判定为违规行为的对应的视频流文件。
优选地，所述系统还包括报警信息上传模块，用于将判断为违规行为的视频流文件上传至报警日志。
从以上技术方案可以看出，本发明具有以下优点：
本发明一种收银排队分析方法及系统，通过头部目标检测模型与收银台目标检测模型确认店内人员与收银台的位置信息与置信度；根据头部位置与收银台位置的几何关系区分顾客与收银员，并根据头部图像之间的几何关系区分排队顾客与非排队顾客；统计收银员与排队顾客人数，当收银员人数与排队顾客人数的数量关系满足设定值时，判断门店客流高峰期时是否存在收银违规行为。相比较于传统的纯人工手动检查，大大提高了监控工作效率，减少了后台监控工作人员的工作量，而且增加了监控力度，避免漏检情况的发生。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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，还可以根据提供的附图获得其他的附图。
图1本发明一种实施例提供的收银排队分析系统结构框图；
图2本发明另一种实施例提供的收银排队分析方法实施流程图；
具体实施方式
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，所描述的实施例仅仅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，本实施例提供一种收银排队分析系统，用于在门店客流高峰期时查看店内是否存在排队结账的顾客人数超过规定数量而收银员人数不足的收银排队违规现象，包括：
摄像机100-120、网络录像机200、违规行为分析单元300、违规行为视频存储模块400、报警信息上传模块500，其中违规行为分析单元300运行在视频分析服务器600上。
该系统工作时主要有以下步骤：
门店内的摄像机100-120在线采集至少一路视频流，并传输至网络录像机200，网络录像机200读取相应的配置文件下载待检测的视频流，由违规行为分析单元300对待检测的视频流进行逐帧读取，并利用内部加载好的头部目标检测模型对所述待检测视频图像进行全图检测，得到头部位置信息及头部置信度，根据所述头部位置信息及头部置信度确认头部位置并存储头部图像；
分析单元300还利用加载好的收银台目标检测模型得到收银台位置信息及收银台置信度，根据所述收银台位置信息及收银台置信度确认收银台位置；
根据所述头部位置与所述收银台位置的几何关系区分顾客与收银员，并根据顾客的头部图像之间的几何关系区分排队顾客与非排队顾客；
对收银员人数与排队顾客的人数进行统计，当收银员人数与排队顾客人数的数量关系达到设定值时，标记为收银违规，由违规行为视频存储模块400记录违规行为对应的视频流；
根据违规行为编辑报警信息，报警信息和对应的违规行为视频流通过报警信息上传模块500上传至报警日志。
请参考图2，下面介绍本发明的另一个实施例，本实施例提供一种收银排队分析方法，包括：
获取待检测视频图像；
利用头部目标检测模型对所述待检测视频图像进行全图检测，得到头部位置信息及头部置信度，根据所述头部位置信息及头部置信度确认头部位置并存储头部图像；
利用收银台目标检测模型得到收银台位置信息及收银台置信度，根据所述收银台位置信息及收银台置信度确认收银台位置；
根据所述头部位置与所述收银台位置的几何关系区分顾客与收银员，并根据顾客的头部图像之间的几何关系区分排队顾客与非排队顾客；
对收银员人数与排队顾客的人数进行统计，当收银员人数与排队顾客人数的数量关系达到设定值时，标记为收银违规，记录违规行为对应的视频流。
其中，获取待检测视频图像包括：
在线采集至少一路监控视频流，并通过读取对应的配置文件下载所述监控视频流，逐帧读取所述监控视频流。
其中，利用头部目标检测模型对所述待检测视频图像进行全图检测，得到头部位置信息及头部置信度，根据所述头部位置信息及头部置信度确认头部位置并存储头部图像包括：
建立头部目标检测模型，所述待检测视频图像输入至所述头部目标检测模型前向运行检测获得图像中所有的头部位置信息与头部置信度，当所述头部置信度大于设定阈值时判定为头部并存储头部图像。
其中，利用收银台目标检测模型得到收银台位置信息及收银台置信度，根据所述收银台位置信息及收银台置信度确认收银台位置包括：
把待检测视频图像输入收银台目标检测模型前向运行检测得到收银台位置及收银台置信度，当所述收银台置信度大于设定阈值时判定为收银台。
其中，根据所述头部位置与所述收银台位置的几何关系区分顾客与收银员包括：
标记所述收银台位置，计算所述头部图像与所述收银台的操作键盘的距离，所述距离在设定范围内的头部图像记为收银员，否则记为顾客。
其中，根据所述头部图像之间的几何关系区分排队顾客与非排队顾客包括：
对顾客的头部图像中心点进行直线拟合，当头部图像偏离直线阈值时记为非排队顾客，头部图像与所述直线的距离在阈值范围内时记为排队顾客。
本实施例中设定当排队顾客人数大于等于8人，并且收银员人数小于等于1人的情况为违规行为，若排队顾客人数小于8人，或当排队顾客人数大于等于8人时，收银员人数大于1人的情况是合规行为。
另外还可经过人工手动检查进一步确认分析的准确性，最终把确认为违规行为对应的视频流上传至报警日志。
在进一步的实施例中，当排队结算顾客人数为2人且收银员人数为3人时视为合规行为。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。

Claims (9)

1.一种收银排队分析方法，其特征在于，包括：
获取待检测视频图像；
利用头部目标检测模型对所述待检测视频图像进行全图检测，得到头部位置信息及头部置信度，根据所述头部位置信息及头部置信度确认头部位置并存储头部图像；
利用收银台目标检测模型得到收银台位置信息及收银台置信度，根据所述收银台位置信息及收银台置信度确认收银台位置；
根据所述头部位置与所述收银台位置的几何关系区分顾客与收银员，并根据顾客的头部图像之间的几何关系区分排队顾客与非排队顾客；
对收银员人数与排队顾客的人数进行统计，当收银员人数与排队顾客人数的数量关系达到设定值时，标记为收银违规，记录违规行为对应的视频流。
2.根据权利要求1所述的收银排队分析方法，其特征在于，所述获取待检测视频图像包括：
在线采集至少一路监控视频流，并通过读取对应的配置文件下载所述监控视频流，逐帧读取所述监控视频流。
3.根据权利要求1所述的收银排队分析方法，其特征在于，所述利用头部目标检测模型对所述待检测视频图像进行全图检测，得到头部位置信息及头部置信度，根据所述头部位置信息及头部置信度确认头部位置并存储头部图像包括：
建立头部目标检测模型，所述待检测视频图像输入至所述头部目标检测模型前向运行检测获得图像中所有的头部位置信息与头部置信度，当所述头部置信度大于设定阈值时判定为头部并存储头部图像。
4.根据权利要求1所述的收银排队分析方法，其特征在于，所述利用收银台目标检测模型得到收银台位置信息及收银台置信度，根据所述收银台位置信息及收银台置信度确认收银台位置包括：
把待检测视频图像输入收银台目标检测模型前向运行检测得到收银台位置及收银台置信度，当所述收银台置信度大于设定阈值时判定为收银台。
5.根据权利要求1所述的收银排队分析方法，其特征在于，所述根据所述头部位置与所述收银台位置的几何关系区分顾客与收银员包括：
标记所述收银台位置，计算所述头部图像与所述收银台的操作键盘的距离，所述距离在设定范围内的头部图像记为收银员，否则记为顾客。
6.根据权利要求1或5所述的收银排队分析方法，其特征在于，所述根据所述头部图像之间的几何关系区分排队顾客与非排队顾客包括：
对顾客的头部图像中心点进行直线拟合，当头部图像偏离直线阈值时记为非排队顾客，头部图像与所述直线的距离在阈值范围内时记为排队顾客。
7.根据权利要求1所述的一种收银排队分析方法，其特征在于，所述记录违规行为对应的视频流之后还包括：
上传所述违规行为对应的视频流至报警日志。
8.一种实现如权利要求1-7任一项所述的收银排队分析方法的系统，其特征在于，包括：
待检测视频图像获取单元，包括在线采集模块和视频下载模块，所述在线采集模块用于采集监控视频流，所述视频下载模块用于读取对应配置文件对所述监控视频流进行下载回放；
违规行为分析单元，载有头部目标检测模型和收银台目标检测模型，用于区分排队顾客与收银员，并对所述排队顾客及收银员分别计数；用于对下载的视频进行基于深度学习算法的收银排队分析
违规行为视频存储单元，用于存储判定为违规行为对应的视频流文件。
9.根据权利要求8所述的实现如权利要求1-7任一项所述的收银排队分析方法的系统，其特征在于，所述系统还包括报警信息上传模块，用于将判断为违规行为的视频流文件上传至报警日志。
CN201911018400.4A 2019-10-24 2019-10-24 一种收银排队分析方法及系统 Active CN110738782B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911018400.4A CN110738782B (zh) 2019-10-24 2019-10-24 一种收银排队分析方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911018400.4A CN110738782B (zh) 2019-10-24 2019-10-24 一种收银排队分析方法及系统

Publications (2)

Publication Number Publication Date
CN110738782A true CN110738782A (zh) 2020-01-31
CN110738782B CN110738782B (zh) 2022-01-21

Family

ID=69271163

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911018400.4A Active CN110738782B (zh) 2019-10-24 2019-10-24 一种收银排队分析方法及系统

Country Status (1)

Country Link
CN (1) CN110738782B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1710576A (zh) * 2005-07-08 2005-12-21 冶金自动化研究设计院 超市收银机智能调度器
KR20080079343A (ko) * 2006-12-15 2008-09-01 주식회사 케이티프리텔 이동통신망의 미들웨어 서버를 모니터링하는 서버 및 그방법
CN102263937A (zh) * 2011-07-26 2011-11-30 华南理工大学 基于视频检测的驾驶员驾驶行为监控装置及监控方法
NZ600830A (en) * 2012-06-22 2013-03-28 Reveal Ltd A staff number optimisation system using projected visitor numbers to determine required staff number to achieve desired profit levels and conversion rates
CN106355682A (zh) * 2015-07-08 2017-01-25 北京文安智能技术股份有限公司 一种视频分析方法、装置及系统
CN107103413A (zh) * 2017-04-12 2017-08-29 无锡北斗星通信息科技有限公司 一种自适应收银台管理方法
CN108259752A (zh) * 2018-02-27 2018-07-06 北京智启科技有限公司 一种拍摄方法及系统
CN108335317A (zh) * 2017-01-20 2018-07-27 苏宁云商集团股份有限公司 一种线下导购方法及装置
CN108573333A (zh) * 2017-03-14 2018-09-25 思凯睿克有限公司 实体店面的关键绩效指标的评估方法及其系统
CN109101900A (zh) * 2018-07-23 2018-12-28 北京旷视科技有限公司 一种对象分布信息的确定方法、装置和电子设备
CN109840982A (zh) * 2019-01-02 2019-06-04 京东方科技集团股份有限公司 排队推荐方法及装置、计算机可读存储介质

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1710576A (zh) * 2005-07-08 2005-12-21 冶金自动化研究设计院 超市收银机智能调度器
KR20080079343A (ko) * 2006-12-15 2008-09-01 주식회사 케이티프리텔 이동통신망의 미들웨어 서버를 모니터링하는 서버 및 그방법
CN102263937A (zh) * 2011-07-26 2011-11-30 华南理工大学 基于视频检测的驾驶员驾驶行为监控装置及监控方法
NZ600830A (en) * 2012-06-22 2013-03-28 Reveal Ltd A staff number optimisation system using projected visitor numbers to determine required staff number to achieve desired profit levels and conversion rates
CN106355682A (zh) * 2015-07-08 2017-01-25 北京文安智能技术股份有限公司 一种视频分析方法、装置及系统
CN108335317A (zh) * 2017-01-20 2018-07-27 苏宁云商集团股份有限公司 一种线下导购方法及装置
CN108573333A (zh) * 2017-03-14 2018-09-25 思凯睿克有限公司 实体店面的关键绩效指标的评估方法及其系统
CN107103413A (zh) * 2017-04-12 2017-08-29 无锡北斗星通信息科技有限公司 一种自适应收银台管理方法
CN108259752A (zh) * 2018-02-27 2018-07-06 北京智启科技有限公司 一种拍摄方法及系统
CN109101900A (zh) * 2018-07-23 2018-12-28 北京旷视科技有限公司 一种对象分布信息的确定方法、装置和电子设备
CN109840982A (zh) * 2019-01-02 2019-06-04 京东方科技集团股份有限公司 排队推荐方法及装置、计算机可读存储介质

Also Published As

Publication number Publication date
CN110738782B (zh) 2022-01-21

Similar Documents

Publication Publication Date Title
CN109559457B (zh) 基于神经网络识别商品的收银方法以及自助收银台
CN107679471B (zh) 基于视频监控平台的室内人员空岗检测方法
CN110866429A (zh) 漏扫识别方法、装置、自助收银终端及系统
CA2585556A1 (en) Line monitoring system and method
CN102902819A (zh) 一种视频智能分析方法及装置
CN110309801B (zh) 一种视频分析方法、装置、系统、存储介质及计算机设备
US10853949B2 (en) Image processing device
CN107679578A (zh) 目标识别算法的测试方法、装置及系统
EP2015207A1 (en) Material distribution image tracing inquiry system with electronic tag shooting function
US8379921B1 (en) Method and apparatus to determine a region of interest in a video sequence based on floor detection
CN110647784A (zh) 一种基于深度学习的设备资产管理的方法及装置
CN111126119A (zh) 基于人脸识别的到店用户行为统计方法和装置
CN111428743B (zh) 商品识别方法、商品处理方法、装置及电子设备
CN110458110A (zh) 能够自动识别水果品种的零售方法
CN114613006A (zh) 一种远距离手势识别方法及装置
CN113869258A (zh) 交通事件检测方法、装置、电子设备及可读存储介质
CN110738782A (zh) 一种收银排队分析方法及系统
CN112153320A (zh) 一种物品尺寸的测量方法、装置、电子设备和存储介质
CN112766253A (zh) 一种基于图像的复杂环境下全自动仪表分析的智能系统
CN116958085A (zh) 泄漏检测行为合规审核方法、装置、电子设备及存储介质
CN111428589A (zh) 一种渐变转场的识别方法及系统
CN114821428A (zh) 一种智能火灾识别方法、装置、计算机设备及存储介质
CN114548442B (zh) 一种基于互联网技术的腕表维修管理系统
JP5499752B2 (ja) カメラ状態監視装置、カメラ状態監視プログラム及びカメラ状態監視方法
CN114022143B (zh) 一种扫码支付行为检测方法及处理设备

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20201130

Address after: Room 011, first floor, no.2429, Xingang East Road, Haizhu District, Guangzhou City, Guangdong Province (office only)

Applicant after: CHUANGYOU digital technology (Guangdong) Co., Ltd

Address before: Room 205, 2f office, No.156, nanshanzui Road, Hengqin, Zhuhai City, Guangdong Province

Applicant before: MINISO (HENGQIN) ENTERPRISE MANAGEMENT Co.,Ltd.

GR01 Patent grant
GR01 Patent grant