CN110991372A - 一种识别零售商户卷烟牌号陈列情况的方法 - Google Patents
一种识别零售商户卷烟牌号陈列情况的方法 Download PDFInfo
- Publication number
- CN110991372A CN110991372A CN201911253452.XA CN201911253452A CN110991372A CN 110991372 A CN110991372 A CN 110991372A CN 201911253452 A CN201911253452 A CN 201911253452A CN 110991372 A CN110991372 A CN 110991372A
- Authority
- CN
- China
- Prior art keywords
- cigarette
- information
- cigarette packet
- brand
- identifying
- 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
- 235000019504 cigarettes Nutrition 0.000 title claims abstract description 108
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 238000005516 engineering process Methods 0.000 claims abstract description 13
- 238000012549 training Methods 0.000 claims abstract description 7
- 238000013135 deep learning Methods 0.000 claims abstract description 6
- 238000002372 labelling Methods 0.000 claims abstract description 4
- 241000208125 Nicotiana Species 0.000 claims description 15
- 235000002637 Nicotiana tabacum Nutrition 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000011835 investigation Methods 0.000 abstract description 2
- 238000004519 manufacturing process Methods 0.000 abstract 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
Abstract
本发明涉及一种识别零售商户卷烟牌号陈列情况的方法,利用烟包信息采集单元,生成烟包变体图片,制作相应牌号烟包数据集;使用机器深度学习技术,根据相应牌号烟包数据集及标注信息,对烟包特征进行训练学习,建立烟包外观检测模型,并存储于控制系统内;利用移动终端获取销售终端烟包图片信息及销售终端信息,并通过烟包外观检测模型确定烟包牌号陈列信息;通过验证销售终端信息及确定的烟包牌号陈列信息,判定卷烟牌号陈列信息。本技术方案解决了卷烟零售商户陈列情况未知或数据采集难的问题,降低了人工调查统计销售终端劳动强度,提升了数据真实性。
Description
技术领域
本发明属于卷烟零售管理技术领域,特别是指一种识别零售商户卷烟牌号陈列情况的方法。
背景技术
开展卷烟销售,需要及时掌握零售商户对卷烟牌号的上柜(陈列)率,以便了解销售计划执行情况。目前采用的方法是卷烟销售人员依据销售政策关注重点牌号及一个时期内的新品上柜(陈列)率。卷烟上柜率统计数据一般来自销售系统周期性订单和人员现场统计,存在工作繁琐,效率低问题。真正摆上柜台并陈列销售的卷烟往往由于一些客观或主观的原因与预期销售计划发生偏离。
随着人工智能、物联网等技术的深入发展,各行各业都随之发生了深刻变革。特别是人工神经网络领域机器深度学习技术,利用图形图像处理技术,能够模仿人眼识别功能和智能自主判断事物,为了解零售卷烟上柜陈列打开了方便之门。
发明内容
本发明的目的是提供一种识别零售商户卷烟牌号陈列情况的方法,以解决现有技术不能对商户真正摆上柜台并陈列销售的卷烟与预期销售计划发生偏离的问题。
本发明是通过以下技术方案实现的:
一种识别零售商户卷烟牌号陈列情况的方法,包括以下步骤:
S1、利用烟包信息采集单元,生成烟包变体图片,制作相应牌号烟包数据集;
S2、使用机器深度学习技术,根据相应牌号烟包数据集及标注信息,对烟包特征进行训练学习,建立烟包外观检测模型,并存储于控制系统内;
S3、利用移动终端获取销售终端烟包图片信息及销售终端信息,并通过烟包外观检测模型确定烟包牌号陈列信息;
通过验证销售终端信息及确定的烟包牌号陈列信息,判定卷烟牌号陈列信息。
所述烟包变体图片包括但不限于烟包倒置、倾斜、缩放、亮度及模糊。
机器浓度学习技术通过使用图形图像处理技术记录烟包外观特征。
所述烟包外观特征包括但不限于图像轮廓特征、图像边缘特征或烟包纹理分布规律。
所述图像轮廓特征是通过链码算法提取;所述图像边缘特征是通过径向基函数方式计算;所述烟包纹理分布规律是使用灰度共生矩陈算法判断。
所述烟包外观检测模型的建立是基于TensorFlow的Object DetectorAPI训练。
通过验证销售终端信息是通过标定地图和定位技术验证销售终端信息。
控制系统通过标定的销售终端电子地图位置与移动终端获取的销售终端信息进行匹配,验证销售终端信息。
使用的识别系统,包括:
烟包信息采集单元,用于对特定牌号烟包的特定信息进行采集,并将采集到的信息传递给控制系统;
销售终端,用于陈列、销售待识别烟包;
移动终端,用于获取销售终端的信息,并通过信号输出模块将该信息传递给控制系统。
本发明的有益效果是:
本技术方案解决了卷烟零售商户陈列情况未知或数据采集难的问题,降低了人工调查统计销售终端(零售商户)劳动强度,提升了数据真实性。
附图说明
图1为本发明工作流程概要示意图。
具体实施方式
以下通过实施例来详细说明本发明的技术方案,以下的实施例仅是示例性的,仅能用来解释和说明本发明的技术方案,而不能解释为是对本发明技术方案的限制。
如图1所示,本申请提供一种识别零售商户卷烟牌号陈列情况的方法包括以下步骤:
S1、利用烟包信息采集单元,生成烟包变体图片,制作相应牌号烟包数据集;本申请的烟包信息采集单元至少包括烟包图像采集单元及烟包图像处理单元,烟包图像采集单元与烟包图像处理单元电信号连接;烟包图像处理单元与控制系统电信号连接。烟包图像采集单元包括但不限于拍照设备或录像设备。
烟包变体图片包括但不限于烟包倒置、倾斜、缩放、亮度及模糊。即针对同一牌号的烟包按倒置、倾斜、缩放、亮度及模糊分别获取不同位置、不同方向的图片,并通过图像处理单元对上述图片进行处理,形成该牌号烟包的数据集,并将该牌号烟包的数据集与卷烟品牌等进行关联。
S2、使用机器深度学习技术,根据相应牌号烟包数据集及标注信息,对烟包特征进行训练学习,建立烟包外观检测模型,并存储于控制系统内;机器浓度学习技术通过使用图形图像处理技术记录烟包外观特征。
在本技术方案中,烟包外观特征使用图像轮廓特征、图像边缘特征或烟包纹理分布规律来确定。
图像轮廓特征是通过链码算法提取;图像边缘特征是通过径向基函数方式计算;烟包纹理分布规律是使用灰度共生矩阵算法判断。上述的链码算法、径向基函数及灰度共生矩阵算法均是现常规的计算方法,在此不进行说明和描述。
烟包外观检测模型的建立是基于TensorFlow的Object Detector API训练。
S3、利用移动终端获取销售终端烟包图片信息及销售终端信息,并通过烟包外观检测模型确定烟包牌号陈列信息;通过验证销售终端信息及确定的烟包牌号陈列信息,判定卷烟牌号陈列信息。
具体为,使用带有物联网技术的移动端设备,获取销售终端或零售商户前台的烟包摆放信息以及商户信息,通过蜂窝移动通信技术、位置定位技术、全景和局部拍摄技术,实现现场数据采集和回传,传递给控制系统。
控制系统内通过标定的零售商户电子地图位置与移动端定位位置进行距离匹配,获得商户信息。
发布RESTful服务,由移动终端传入后台系统烟包图片信息后,调用检测模型确定烟包牌号陈列信息;通过标定地图和定位技术验证商户信息;通过检测模型和验证的商户信息判定商户的卷烟牌号陈列信息。
上述识别零售商户卷烟牌号陈列情况的方法的系统,包括:
烟包信息采集单元,用于对特定牌号烟包的特定信息进行采集,并将采集到的信息传递给控制系统;烟包信息采集单元,至少包括烟包图像采集单元及烟包图像处理单元,烟包图像采集单元与烟包图像处理单元电信号连接;
烟包图像处理单元与控制系统电信号连接。烟包图像采集单元包括但不限于拍照设备、录像设备等。
销售终端,用于陈列、销售待识别烟包;销售终端包括但不限于零售商户前台或陈列柜。
移动终端,用于获取销售终端的信息,并通过信号输出模块将该信息传递给控制系统。移动终端包括手机、APP、电脑的一种。信号输出模块为无线信号输出模块。
还包括固定数据采集单元,用于按设定时间将获取的销售终端的信息,通过信号输出模块传递给控制系统。固定数据采集单元包括固定摄像机、照相机或监控器。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变形,本发明的范围由所附权利要求及其等同限定。
Claims (9)
1.一种识别零售商户卷烟牌号陈列情况的方法,其特征在于,包括以下步骤:
S1、利用烟包信息采集单元,生成烟包变体图片,制作相应牌号烟包数据集;
S2、使用机器深度学习技术,根据相应牌号烟包数据集及标注信息,对烟包特征进行训练学习,建立烟包外观检测模型,并存储于控制系统内;
S3、利用移动终端获取销售终端烟包图片信息及销售终端信息,并通过烟包外观检测模型确定烟包牌号陈列信息;
通过验证销售终端信息及确定的烟包牌号陈列信息,判定卷烟牌号陈列信息。
2.根据权利要求1所述的识别零售商户卷烟牌号陈列情况的方法,其特征在于,所述烟包变体图片包括但不限于烟包倒置、倾斜、缩放、亮度及模糊。
3.根据权利要求1所述的识别零售商户卷烟牌号陈列情况的方法,其特征在于,机器深度学习技术通过使用图形图像处理技术记录烟包外观特征。
4.根据权利要求3所述的识别零售商户卷烟牌号陈列情况的方法,其特征在于,所述烟包外观特征包括但不限于图像轮廓特征、图像边缘特征或烟包纹理分布规律。
5.根据权利要求4所述的识别零售商户卷烟牌号陈列情况的方法,其特征在于,所述图像轮廓特征是通过链码算法提取;所述图像边缘特征是通过径向基函数方式计算;所述烟包纹理分布规律是使用灰度共生矩陈算法判断。
6.根据权利要求1所述的识别零售商户卷烟牌号陈列情况的方法,其特征在于,所述烟包外观检测模型的建立是基于TensorFlow的Object Detector API训练。
7.根据权利要求1所述的识别零售商户卷烟牌号陈列情况的方法,其特征在于,通过验证销售终端信息是通过标定地图和定位技术验证销售终端信息。
8.根据权利要求7所述的识别零售商户卷烟牌号陈列情况的方法,其特征在于,控制系统通过标定的销售终端电子地图位置与移动终端获取的销售终端信息进行匹配,验证销售终端信息。
9.根据权利要求1所述的识别零售商户卷烟牌号陈列情况的方法,其特征在于,使用的识别系统,包括:
烟包信息采集单元,用于对特定牌号烟包的特定信息进行采集,并将采集到的信息传递给控制系统;
销售终端,用于陈列、销售待识别烟包;
移动终端,用于获取销售终端的信息,并通过信号输出模块将该信息传递给控制系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911253452.XA CN110991372A (zh) | 2019-12-09 | 2019-12-09 | 一种识别零售商户卷烟牌号陈列情况的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911253452.XA CN110991372A (zh) | 2019-12-09 | 2019-12-09 | 一种识别零售商户卷烟牌号陈列情况的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110991372A true CN110991372A (zh) | 2020-04-10 |
Family
ID=70091579
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911253452.XA Pending CN110991372A (zh) | 2019-12-09 | 2019-12-09 | 一种识别零售商户卷烟牌号陈列情况的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110991372A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113187268A (zh) * | 2021-04-21 | 2021-07-30 | 成都博腾迈中央空调有限公司 | 组合式吸烟室及吸烟人员的健康管理方法 |
CN114092694A (zh) * | 2022-01-20 | 2022-02-25 | 深圳爱莫科技有限公司 | 一种包/条烟盒检测模型及连续陈列自动识别方法 |
CN116645375A (zh) * | 2023-07-27 | 2023-08-25 | 四川中天鹰眼信息技术有限公司 | 一种基于三维重建算法的卷烟零售商户库存盘点方法 |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102169543A (zh) * | 2011-04-15 | 2011-08-31 | 苏州市慧视通讯科技有限公司 | 基于多源信息融合和在线学习的人头计数方法 |
CN102930264A (zh) * | 2012-09-29 | 2013-02-13 | 李炳华 | 基于图像识别技术的商品陈列信息采集分析系统及方法 |
CN103150903A (zh) * | 2013-02-07 | 2013-06-12 | 中国科学院自动化研究所 | 一种自适应学习的视频车辆检测方法 |
CN103475995A (zh) * | 2013-06-17 | 2013-12-25 | 展讯通信(上海)有限公司 | 三维购物平台与地理定位装置配合显示的方法 |
CN104036394A (zh) * | 2013-03-04 | 2014-09-10 | 郭松 | 全景实景的传统购物方式和网上购物相结合的新型网上购物系统 |
CN104508695A (zh) * | 2013-06-04 | 2015-04-08 | 松下电器(美国)知识产权公司 | 引导方法及引导系统 |
CN104871198A (zh) * | 2012-12-04 | 2015-08-26 | 日本电气株式会社 | 商品信息处理装置、其数据处理方法和程序 |
CN105588439A (zh) * | 2014-10-20 | 2016-05-18 | 宝山钢铁股份有限公司 | 烧结机台车篦条检测方法 |
CN106323274A (zh) * | 2016-09-30 | 2017-01-11 | 中国科学院声学研究所 | 一种导航系统和导航方法 |
CN106821694A (zh) * | 2017-01-18 | 2017-06-13 | 西南大学 | 一种基于智能手机的移动导盲系统 |
CN108447061A (zh) * | 2018-01-31 | 2018-08-24 | 深圳市阿西莫夫科技有限公司 | 商品信息处理方法、装置、计算机设备和存储介质 |
CN108550229A (zh) * | 2018-04-08 | 2018-09-18 | 珠海博明视觉科技有限公司 | 一种人工智能自动收银方法 |
CN109344890A (zh) * | 2018-09-20 | 2019-02-15 | 浪潮软件股份有限公司 | 一种基于深度学习的烟柜卷烟识别方法 |
CN109522967A (zh) * | 2018-11-28 | 2019-03-26 | 广州逗号智能零售有限公司 | 一种商品定位识别方法、装置、设备以及存储介质 |
CN109635060A (zh) * | 2018-11-27 | 2019-04-16 | 平安科技(深圳)有限公司 | 共享地图发布方法和装置 |
CN109670861A (zh) * | 2018-11-30 | 2019-04-23 | 深圳冠思大数据服务有限公司 | 基于人工智能的货架商品销售成效提升方法及系统 |
CN109859158A (zh) * | 2018-11-27 | 2019-06-07 | 邦鼓思电子科技(上海)有限公司 | 一种基于视觉的工作区域边界的检测系统、方法及机器设备 |
CN110310330A (zh) * | 2018-03-27 | 2019-10-08 | 电装波动株式会社 | 位置关系检测装置 |
CN110309737A (zh) * | 2019-06-14 | 2019-10-08 | 广州图匠数据科技有限公司 | 一种应用于香烟柜台的信息处理方法、装置及系统 |
CN110348293A (zh) * | 2019-05-29 | 2019-10-18 | 广州中科凯泽科技有限公司 | 一种商品识别方法及系统 |
-
2019
- 2019-12-09 CN CN201911253452.XA patent/CN110991372A/zh active Pending
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102169543A (zh) * | 2011-04-15 | 2011-08-31 | 苏州市慧视通讯科技有限公司 | 基于多源信息融合和在线学习的人头计数方法 |
CN102930264A (zh) * | 2012-09-29 | 2013-02-13 | 李炳华 | 基于图像识别技术的商品陈列信息采集分析系统及方法 |
CN104871198A (zh) * | 2012-12-04 | 2015-08-26 | 日本电气株式会社 | 商品信息处理装置、其数据处理方法和程序 |
CN103150903A (zh) * | 2013-02-07 | 2013-06-12 | 中国科学院自动化研究所 | 一种自适应学习的视频车辆检测方法 |
CN104036394A (zh) * | 2013-03-04 | 2014-09-10 | 郭松 | 全景实景的传统购物方式和网上购物相结合的新型网上购物系统 |
CN104508695A (zh) * | 2013-06-04 | 2015-04-08 | 松下电器(美国)知识产权公司 | 引导方法及引导系统 |
CN103475995A (zh) * | 2013-06-17 | 2013-12-25 | 展讯通信(上海)有限公司 | 三维购物平台与地理定位装置配合显示的方法 |
CN105588439A (zh) * | 2014-10-20 | 2016-05-18 | 宝山钢铁股份有限公司 | 烧结机台车篦条检测方法 |
CN106323274A (zh) * | 2016-09-30 | 2017-01-11 | 中国科学院声学研究所 | 一种导航系统和导航方法 |
CN106821694A (zh) * | 2017-01-18 | 2017-06-13 | 西南大学 | 一种基于智能手机的移动导盲系统 |
CN108447061A (zh) * | 2018-01-31 | 2018-08-24 | 深圳市阿西莫夫科技有限公司 | 商品信息处理方法、装置、计算机设备和存储介质 |
CN110310330A (zh) * | 2018-03-27 | 2019-10-08 | 电装波动株式会社 | 位置关系检测装置 |
CN108550229A (zh) * | 2018-04-08 | 2018-09-18 | 珠海博明视觉科技有限公司 | 一种人工智能自动收银方法 |
CN109344890A (zh) * | 2018-09-20 | 2019-02-15 | 浪潮软件股份有限公司 | 一种基于深度学习的烟柜卷烟识别方法 |
CN109635060A (zh) * | 2018-11-27 | 2019-04-16 | 平安科技(深圳)有限公司 | 共享地图发布方法和装置 |
CN109859158A (zh) * | 2018-11-27 | 2019-06-07 | 邦鼓思电子科技(上海)有限公司 | 一种基于视觉的工作区域边界的检测系统、方法及机器设备 |
CN109522967A (zh) * | 2018-11-28 | 2019-03-26 | 广州逗号智能零售有限公司 | 一种商品定位识别方法、装置、设备以及存储介质 |
CN109670861A (zh) * | 2018-11-30 | 2019-04-23 | 深圳冠思大数据服务有限公司 | 基于人工智能的货架商品销售成效提升方法及系统 |
CN110348293A (zh) * | 2019-05-29 | 2019-10-18 | 广州中科凯泽科技有限公司 | 一种商品识别方法及系统 |
CN110309737A (zh) * | 2019-06-14 | 2019-10-08 | 广州图匠数据科技有限公司 | 一种应用于香烟柜台的信息处理方法、装置及系统 |
Non-Patent Citations (3)
Title |
---|
GÜL VAROL ET AL: "Toward retail product recognition on grocery shelves", pages 1 - 2 * |
郑建彬等: "基于改进sift匹配方法的货架乳制品识别", vol. 44, no. 9, pages 315 - 319 * |
黄鹏: "图像中行人检测的方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, vol. 2018, no. 2, pages 166 - 77 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113187268A (zh) * | 2021-04-21 | 2021-07-30 | 成都博腾迈中央空调有限公司 | 组合式吸烟室及吸烟人员的健康管理方法 |
CN113187268B (zh) * | 2021-04-21 | 2022-09-16 | 成都博腾迈中央空调有限公司 | 组合式吸烟室及吸烟人员的健康管理方法 |
CN114092694A (zh) * | 2022-01-20 | 2022-02-25 | 深圳爱莫科技有限公司 | 一种包/条烟盒检测模型及连续陈列自动识别方法 |
CN116645375A (zh) * | 2023-07-27 | 2023-08-25 | 四川中天鹰眼信息技术有限公司 | 一种基于三维重建算法的卷烟零售商户库存盘点方法 |
CN116645375B (zh) * | 2023-07-27 | 2023-09-26 | 四川中天鹰眼信息技术有限公司 | 一种基于三维重建算法的卷烟零售商户库存盘点方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110991372A (zh) | 一种识别零售商户卷烟牌号陈列情况的方法 | |
JP5224360B2 (ja) | 電子広告装置、電子広告方法及びプログラム | |
CN110348439B (zh) | 一种自动识别价签的方法、计算机可读介质及系统 | |
CN110533440B (zh) | 一种基于视频摄像头的互联网广告信息投放应用方法 | |
CN106846049B (zh) | 一种基于电商平台关联广告的大数据分析方法及其系统 | |
CN111310733A (zh) | 基于监控视频的人员进出检测方法、装置和设备 | |
CN108846693B (zh) | 一种电子设备的回收价值评估方法、装置及系统 | |
CN210605753U (zh) | 一种识别零售商户卷烟牌号陈列情况的系统 | |
WO2020083283A1 (zh) | 一种自动识别支付金额的支付方法 | |
CN110705620A (zh) | 一种基于翻拍识别的陈列图像检测方法、装置及存储介质 | |
US11245724B2 (en) | Spoofed webpage detection | |
CN107507022A (zh) | 一种广告效果评估方法及终端 | |
CN110533452A (zh) | 产品信息推送方法、装置、计算机设备及存储介质 | |
CN115456984A (zh) | 基于二维码高速识别图像识别缺陷检测系统 | |
EP4187454A1 (en) | Failure identification and handling method, and system | |
CN107563362A (zh) | 进行评价操作的方法、客户端及系统 | |
CN107292630A (zh) | 一种通讯电子产品的销售方法 | |
CN110162949B (zh) | 控制图像显示的方法及装置 | |
CN111767829A (zh) | 一种活体检测方法、装置、系统及存储介质 | |
CN113935995B (zh) | 一种图像处理方法、装置、电子设备及计算机可读存储介质 | |
US20240104587A1 (en) | Familiarity degree estimation apparatus, familiarity degree estimation method, and recording medium | |
CN113516814B (zh) | 基于人脸识别的智能供货方法和终端 | |
CN109101532A (zh) | 检测作弊方法、装置及设备 | |
KR102469244B1 (ko) | 이미지 프로세싱에 기반하여 오프라인 광고 성과 데이터를 수집하는 방법 | |
US20210383103A1 (en) | System and method for assessing customer satisfaction from a physical gesture of a customer |
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 |