CN112749647B - 基于监控视频的智能收银巡检方法及系统 - Google Patents

基于监控视频的智能收银巡检方法及系统 Download PDF

Info

Publication number
CN112749647B
CN112749647B CN202011622332.5A CN202011622332A CN112749647B CN 112749647 B CN112749647 B CN 112749647B CN 202011622332 A CN202011622332 A CN 202011622332A CN 112749647 B CN112749647 B CN 112749647B
Authority
CN
China
Prior art keywords
cashing
data
time period
human body
equipment
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.)
Active
Application number
CN202011622332.5A
Other languages
English (en)
Other versions
CN112749647A (zh
Inventor
杨淼
谢宏
王鹏
李攀
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.)
Chengdu Yunstare Technology Co ltd
Original Assignee
Chengdu Yunstare 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 Chengdu Yunstare Technology Co ltd filed Critical Chengdu Yunstare Technology Co ltd
Priority to CN202011622332.5A priority Critical patent/CN112749647B/zh
Publication of CN112749647A publication Critical patent/CN112749647A/zh
Application granted granted Critical
Publication of CN112749647B publication Critical patent/CN112749647B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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
    • 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
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07G—REGISTERING THE RECEIPT OF CASH, VALUABLES, OR TOKENS
    • G07G1/00—Cash registers
    • G07G1/12—Cash registers electronically operated

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Social Psychology (AREA)
  • Psychiatry (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

本申请涉及基于监控视频的智能收银巡检方法及系统。相应技术方案中，一方面，获取边缘设备采集的监控视频并进行人体检测，得到顾客在特定区域的停留时间段数据，进而与边缘设备关联后得到停留时间段关联数据，另一方面获取收银数据并与边缘设备关联后得到收银关联数据，然后通过停留时间段关联数据与对应的收银关联数据的对比判断收银状态是否异常，最后将判断结果发送到对应的智能设备以便用户查看。如此设置，可以通过监控视频快速且准确地确定收银状态是否异常，且判断过程无需花费人工成本，显著降低门店管理者的工作量，因此具有很高的实用性，且在业界属于首次提出，可以在一定程度填补行业技术空白。

Description

基于监控视频的智能收银巡检方法及系统
技术领域
本申请涉及计算机图像处理技术、大数据技术、云技术领域，尤其涉及基于监控视频的智能收银巡检方法及系统。
背景技术
在门店中，为了避免收银环节出现异常，例如出现“有单无客”、“有客无单”等异常情况，管理者需要通过人工查看监控摄像头拍摄的监控视频等方式确认收银环节是否出现异常，但是上述方式存在诸多问题，比如，人工查看监控视频需要花费很长时间，且人工判断还易出错，导致该方法需要很高的人工成本，并且效率低下、出错率高。
对于上述问题，目前并没有很好的解决方案。
发明内容
本申请提供基于监控视频的智能收银巡检方法及系统，以解决现有的人工判断收银环节是否出现异常的方法人工成本高、效率低下以及出错率高的问题。
本申请的上述目的是通过以下技术方案实现的：
第一方面，本申请实施例提供一种基于监控视频的智能收银巡检方法，其包括：
获取监控视频图像；所述监控视频图像由设置在预设位置的边缘设备采集得到；
基于人体检测算法，对所述监控视频图像的检测区域进行人体检测，并在检测到人体时，根据人体在所述检测区域的持续停留时间，生成停留时间段数据；
获取收银数据；所述收银数据包括收银设备标识、收银时间和收银金额；
将所述停留时间段数据和所述收银数据分别与所述边缘设备相关联，生成停留时间段关联数据和收银关联数据；
根据所述停留时间段关联数据和所述收银关联数据，判断收银状态是否异常，得到判断结果；
将所述判断结果推送至预设的智能设备。
可选的，所述基于人体检测算法，对所述监控视频图像的检测区域进行人体检测，并在检测到人体时，根据人体在所述检测区域的持续停留时间，生成停留时间段数据，包括：
加载预先训练的检测模型；所述检测模型是基于深度学习算法得到的；
基于所述检测区域，对所述监控视频图像进行裁剪；
对裁剪后的图像进行重构，以使重构后的尺寸与所述检测模型的运算尺寸相适应；
将重构后的图像输入所述检测模型，若生成人体检测框，则对生成的人体检测框进行筛选，得到人体检测结果；
基于所述人体检测结果，若存在人体检测框，则记录当前时间作为第一时间点，直到不存在人体检测框时，记录当前时间作为第二时间点；
基于所述第一时间点和所述第二时间点，确定停留时间段数据。
可选的，所述基于所述第一时间点和所述第二时间点生成停留时间段数据，包括：
对所述第一时间点至所述第二时间点的时间长度进行补偿；
若补偿后的时间长度大于预设阈值，保留对应的第一时间点和第二时间点作为所述停留时间段数据；否则舍弃对应的第一时间点和第二时间点数据。
可选的，所述收银状态的异常包括“有单无客”和“有客无单”；
所述根据所述停留时间段关联数据和所述收银关联数据，判断收银状态是否异常，得到判断结果，包括：
输入单笔收银关联数据，基于关联的边缘设备和收银时间，获取对应的停留时间段关联数据；判断所述单笔收银关联数据中的收银时间与对应的停留时间段数据的闭区间是否存在交集，若是，得到收银状态为正常的判断结果，若否，得到收银状态为所述“有单无客”的异常判断结果；
以及，输入单条停留时间段关联数据，基于关联的边缘设备和停留时间段数据，获取对应的收银关联数据；判断所述停留时间段数据的闭区间内是否存在对应的收银时间，若是，得到收银状态为正常的判断结果，若否，得到收银状态为所述“有客无单”的异常判断结果。
第二方面，本申请实施例还提供另一种基于监控视频的智能收银巡检方法，其包括：
获取监控视频图像；所述监控视频图像由设置在预设位置的边缘设备采集得到；
基于人体行动检测算法，对所述监控视频图像的检测区域进行疑似人体检测，得到疑似人体图像；
基于人体检测算法，对所述疑似人体图像进行人体检测，并在检测到人体时，根据人体在所述检测区域的持续停留时间，生成停留时间段数据；
获取收银数据；所述收银数据包括收银设备标识、收银时间和收银金额；
将所述停留时间段数据和所述收银数据分别与所述边缘设备相关联，生成停留时间段关联数据和收银关联数据；
根据所述停留时间段关联数据和所述收银关联数据，判断收银状态是否异常，得到判断结果；
将所述判断结果推送至预设的智能设备。
可选的，所述基于人体行动检测算法，对所述监控视频图像的检测区域进行疑似人体检测，得到疑似人体图像，包括：
从所述监控视频图像中逐帧提取图像；
基于所述检测区域对单帧图像进行裁剪，得到检测区域图像；
基于预设的背景图像，对所述检测区域图像进行前景检测，并计算得到前景像素占比；
若所述前景像素占比大于预设的自适应阈值，则将当前帧前景检测图像与前一帧前景检测图像做差值运算，生成差分前景比率；
若所述差分前景比率大于预设的差分图像比例阈值，则累计疑似人体帧数加一；
若累计得到的所述疑似人体帧数大于预设的有效时间计数阈值，则对所述检测区域进行截图，得到所述疑似人体图像。
第三方面，本申请实施例还提供一种基于监控视频的智能收银巡检系统，其包括：边缘设备、边缘代理设备、业务服务器和智能展示设备；
所述边缘设备用于，采集监控视频图像；
所述边缘代理设备用于，获取所述边缘设备采集的监控视频图像，以及基于人体检测算法，对所述监控视频图像的检测区域进行人体检测，并在检测到人体时，根据人体在所述检测区域的持续停留时间，生成停留时间段数据并发送至所述业务服务器；
所述业务服务器用于，获取收银数据，并将所述停留时间段数据和所述收银数据分别与所述边缘设备和所述边缘代理设备相关联，生成停留时间段关联数据和收银关联数据，以及，根据所述停留时间段关联数据和所述收银关联数据，判断收银状态是否异常，得到判断结果并发送至所述智能展示设备；所述收银数据包括收银设备标识、收银时间和收银金额；
所述智能展示设备用于，展示判断结果。
第四方面，本申请实施例还提供另一种基于监控视频的智能收银巡检系统，其包括：边缘设备、边缘代理设备、检测服务器、业务服务器和智能展示设备；
所述边缘设备用于，采集监控视频图像；
所述边缘代理设备用于，获取所述边缘设备采集的监控视频图像并发送至所述检测服务器；
所述检测服务器用于，基于人体检测算法，对所述监控视频图像的检测区域进行人体检测，并在检测到人体时将检测结果发送至所述边缘代理设备，以使所述边缘代理设备根据人体在所述检测区域的持续停留时间，生成停留时间段数据并发送至所述业务服务器；
所述业务服务器用于，获取收银数据，并将所述停留时间段数据和所述收银数据分别与所述边缘设备和所述边缘代理设备相关联，生成停留时间段关联数据和收银关联数据，以及，根据所述停留时间段关联数据和所述收银关联数据，判断收银状态是否异常，得到判断结果并发送至所述智能展示设备；所述收银数据包括收银设备标识、收银时间和收银金额；
所述智能展示设备用于，展示判断结果。
第五方面，本申请实施例还提供另一种基于监控视频的智能收银巡检系统，其包括：边缘设备、边缘代理设备、业务服务器和智能展示设备；
所述边缘设备用于，采集监控视频图像，以及基于人体行动检测算法，对所述监控视频图像的检测区域进行疑似人体检测，得到疑似人体图像；
所述边缘代理设备用于，获取所述边缘设备得到的疑似人体图像，并基于人体检测算法，对所述疑似人体图像进行人体检测，并在检测到人体时，根据人体在所述检测区域的持续停留时间，生成停留时间段数据并发送至所述业务服务器；
所述业务服务器用于，获取收银数据，并将所述停留时间段数据和所述收银数据分别与所述边缘设备和所述边缘代理设备相关联，生成停留时间段关联数据和收银关联数据，以及，根据所述停留时间段关联数据和所述收银关联数据，判断收银状态是否异常，得到判断结果并发送至所述智能展示设备；所述收银数据包括收银设备标识、收银时间和收银金额；
所述智能展示设备用于，展示判断结果。
第六方面，本申请实施例还提供另一种基于监控视频的智能收银巡检系统，其包括：边缘设备、边缘代理设备、检测服务器、业务服务器和智能展示设备；
所述边缘设备用于，采集监控视频图像，以及基于人体行动检测算法，对所述监控视频图像的检测区域进行疑似人体检测，得到疑似人体图像；
所述边缘代理设备用于，获取所述边缘设备得到的疑似人体图像，并发送至所述检测服务器；
所述检测服务器用于，基于人体检测算法，对所述疑似人体图像进行人体检测，并在检测到人体时将检测结果发送至所述边缘代理设备，以使所述边缘代理设备，根据所述检测结果中的人体在所述检测区域的持续停留时间，生成停留时间段数据并发送至所述业务服务器；
所述业务服务器用于，获取收银数据，并将所述停留时间段数据和所述收银数据分别与所述边缘设备和所述边缘代理设备相关联，生成停留时间段关联数据和收银关联数据，以及，根据所述停留时间段关联数据和所述收银关联数据，判断收银状态是否异常，得到判断结果并发送至所述智能展示设备；所述收银数据包括收银设备标识、收银时间和收银金额；
所述智能展示设备用于，展示判断结果。
本申请的实施例提供的技术方案可以包括以下有益效果：
本申请的实施例提供的技术方案中，一方面，获取边缘设备采集的监控视频并进行人体检测，得到顾客在特定区域的停留时间段数据，进而与边缘设备关联后得到停留时间段关联数据，另一方面获取收银数据并与边缘设备关联后得到收银关联数据，然后通过停留时间段关联数据与对应的收银关联数据的对比判断收银状态是否异常，最后将判断结果发送到对应的智能设备以便用户查看。如此设置，可以通过监控视频快速且准确地确定收银状态是否异常，且判断过程无需花费人工成本，显著降低门店管理者的工作量，因此具有很高的实用性，且在业界属于首次提出，可以在一定程度填补行业技术空白。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
图1为本申请实施例提供的一种基于监控视频的智能收银巡检方法的流程示意图；
图2为本申请实施例提供的另一种基于监控视频的智能收银巡检方法的流程示意图；
图3为本申请实施例提供的一种基于监控视频的智能收银巡检系统的结构示意图；
图4为本申请实施例提供的另一种基于监控视频的智能收银巡检系统的结构示意图；
图5为本申请实施例提供的另一种基于监控视频的智能收银巡检系统的结构示意图；
图6为本申请实施例提供的另一种基于监控视频的智能收银巡检系统的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
为了解决背景技术中提到的问题，也即解决现有的人工判断收银环节是否出现异常的方法人工成本高、效率低下以及出错率高的问题。本申请提供两种基于监控视频的智能收银巡检方法及用于实现对应方法的系统。以下通过实施例进行详细说明。
实施例一
参照图1，图1为本申请实施例提供的一种基于监控视频的智能收银巡检方法的流程示意图。如图1所示，该方法至少包括以下步骤：
S101：获取监控视频图像；所述监控视频图像由设置在预设位置的边缘设备采集得到；
其中，边缘设备比如可以是摄像头，其设置的预设位置也即能够尽可能清晰地拍摄到收银台附近的特定区域中的人体的位置，该特定区域也即顾客购物后付款和/或等待付款的位置。并且，由于门店中为了安全考虑，通常会在收银台附近设置摄像头，因此，本实施例的方案中，可以直接基于相应的摄像头展开，而无需对原有摄像头进行更换或升级，因此可以一定程度上降低成本，
S102：基于人体检测算法，对所述监控视频图像的检测区域进行人体检测，并在检测到人体时，根据人体在所述检测区域的持续停留时间，生成停留时间段数据；
其中，检测区域也即上述步骤中提及的特定区域，其是监控视频图像(背景图像)中的全部或部分区域，可以根据实际情况进行设置，设置时具体可以是以坐标的形式进行设置，而当用户设置检测区域的坐标后，相应设备自动对设定的检测区域进行合理性判定，判定方法为根据背景图像尺寸进行限制，检测区域长宽坐标的最大值为背景图像长宽最大值，最小值为0。此外，所述停留时间段数据，也即某顾客首次进入检测区域的时间点至离开检测区域的时间点的相关数据。
此外，如果是第一次应用该方法，则除了需要预先设定检测区域，还需要预先设定各算法参数并存储，比如：对于基于深度学习的人体检测算法设置后处理参数，如NMS(Non-Maximum Suppression，非极大值抑制)参数α，置信度参数β，Top数量参数τ；用于判断停留时间段数据是否有效的预设阈值Thresh；等等。
此外，一些实施例中，作为一种可行的实施方式，步骤S102具体包括：
加载预先训练的检测模型；所述检测模型是基于深度学习算法得到的；例如，YOLOv3、YOLOV4、YOLOV5、FasterRCNN、SSD、MTCNN等深度学习算法模型，优选为YOLOv3；
基于所述检测区域，对所述监控视频图像进行裁剪；也即得到仅包含检测区域的图像；
对裁剪后的图像进行重构，以使重构后的尺寸与所述检测模型的运算尺寸相适应；例如尺寸为416×416；
将重构后的图像输入所述检测模型，若生成人体检测框，则对生成的人体检测框进行筛选，如NMS，置信度筛选等，得到人体检测结果；
基于所述人体检测结果，若存在人体检测框，则记录当前时间作为第一时间点t1，直到不存在人体检测框时，记录当前时间作为第二时间点t2；
基于所述第一时间点t1和所述第二时间点t2，确定停留时间段数据，也即从第一时间点t1至第二时间点t2的闭区间T＝[t1,t2]。此外，在实际应用中，t1、t2的单位可以为秒，且均为时间戳格式。
进一步的，考虑到若人体在检测区域的停留时间过短，则该顾客很可能并不涉及付款过程(收银过程)，因此，为了避免对此类顾客的误判，在上述方案的基础上，本实施例的方法中，基于所述第一时间点t1和所述第二时间点t2生成停留时间段数据的过程可以进一步包括：
对所述第一时间点t1至所述第二时间点t2的时间长度进行补偿，补偿时间可以为1秒，补偿后的时间长度可以表示为len(T)＝t2-t1+1；若补偿后的时间长度len(T)大于预设阈值Thresh，则认为是有效时段，保留对应的第一时间点t1和第二时间点t2作为所述停留时间段数据T；否则舍弃对应的第一时间点t1和第二时间点t2数据，也即认为T为无效数据并舍弃。
对于保留的有效数据(第一时间点t1、第二时间点t2)需要进行存储，例如存储到本地和/或云端服务器，并且在储存时，需要对应存储边缘设备的唯一标识，例如SN号(SerialNumber，序列号)等，以方便后续步骤中调用。
S103：获取收银数据；所述收银数据包括收银设备标识、收银时间和收银金额；
本步骤中，也即获取门店的收银数据，本实施例中，通过POS机得到收银数据，并预先存储在云端服务器中，其上传到云端服务器有以下两种方法：1、通过使用POS采集客户端配置POS收银数据源进行上传；2、通过调用POS上传接口将POS收银数据进行上传，并存入数据库。其中，上传的数据至少包括收银POS机号(也即收银设备标识)和收银时间，还可以包括收银金额。
S104：将所述停留时间段数据和所述收银数据分别与所述边缘设备相关联，生成停留时间段关联数据和收银关联数据；
也即，获取云端服务器中存储的POS收银数据及停留时间段数据，并结合边缘设备信息例如边缘设备SN号等信息，对POS收银数据和停留时间段数据进行整理组装(如果边缘设备采集的视频图像通过边缘代理设备，也即智能存储设备NVR转发到云端服务器存储，则结合边缘代理设备信息例如边缘代理设备SN号、视频通道号等信息，对POS收银数据和停留时间段数据进行整理组装)，得到POS收银关联数据及停留时间段关联数据，方便后续使用。
以结合边缘代理设备信息对POS收银数据进行整理组装为例：首先查找后端配置文件，配置文件包含POS号与对应的边缘代理设备的相关信息，示例如下表1，然后将边缘代理设备信息写入POS收银数据，生成POS关联数据，样例如下表2；
字段名 字段说明 字段值
posCode POS机号 123456
deviceSn 边缘代理设备SN号 EDGE121
channelNo 视频通道号 1
表1：后端配置文件示例
表2：POS收银关联数据样例
表2中，序号1所在行有五个匹配的数据，分别为“边缘代理设备SN号”—EDGE121，“视频通道号”—1，“POS机号”—POS111，“POS收银金额”—150.4，“POS收银时间”—1604890999，格式为时间戳形式。所述POS收银关联数据，即为形如“EDGE121—1—POS111—150.4—1604890999”的数据。
此外，以结合边缘代理设备信息对停留时间段数据进行整理组装为例，首先读取存储的停留时间段数据，然后对停留时间段数据进行解析，获取边缘设备SN号，通过边缘设备SN号获取对应的边缘代理设备信息，包含边缘代理设备SN号、视频通道号；最后将边缘代理设备信息写入停留时间段数据，生成停留时间段关联数据，生成的停留时间段关联数据样例如下表3；
序号 边缘代理设备SN号 视频通道号 开始时间t1 结束时间t2
1 EDGE121 1 1604890991 1604891051
2 EDGE122 2 1604891411 1604891531
表3：停留时间段关联数据样例
表3中，序号1所在行有四个匹配的数据，分别为“边缘代理设备SN号”—EDGE121，“视频通道号”—1，“开始时间t1”—1604890991，“结束时间t2”—1604891051。所述停留时间段关联数据即为形如“EDGE121—1—1604890991—1604891051”的数据。
需要说明的是，上述步骤中，获取监控视频图像并基于监控视频图像得到停留时间段关联数据，与获取收银数据并基于收银数据得到收银关联数据，在时间上并没有严格的先后关系，本实施例中所给出的步骤顺序仅是为了便于说明而进行的示例。
S105：根据所述停留时间段关联数据和所述收银关联数据，判断收银状态是否异常，得到判断结果；
其中，收银状态的异常状态包括两种，分别为“有单无客”和“有客无单”；“有单无客”也即，存在POS收银数据，但POS收银数据对应的时间点无对应的停留时间段数据，因此认为该POS收银数据存在异常；“有客无单”也即，存在停留时间段数据，但该停留时间段数据中不存在对应的POS收银数据，因此认为该时间段存在异常；
相应的，所述步骤S105：根据所述停留时间段关联数据和所述收银关联数据，判断收银状态是否异常，得到判断结果，具体包括：
输入单笔收银关联数据，基于关联的边缘设备和收银时间(例如边缘设备SN号和POS收银时间)，获取对应的停留时间段关联数据；判断所述单笔收银关联数据中的收银时间与对应的停留时间段数据的闭区间T是否存在交集，若是，得到收银状态为正常的判断结果，若否，得到收银状态为所述“有单无客”的异常判断结果；
以及，输入单条停留时间段关联数据，基于关联的边缘设备和停留时间段数据(例如边缘设备SN号和停留时间段数据t1，t2)，获取对应的收银关联数据；判断所述停留时间段数据的闭区间T内是否存在对应的收银时间，若是，得到收银状态为正常的判断结果，若否，得到收银状态为所述“有客无单”的异常判断结果。
此外，在判断是否存在“有单无客”的异常时，如果系统包含有边缘代理设备，则基于关联的边缘代理设备和收银时间，例如边缘代理设备SN号、视频通道号和POS收银时间，获取对应的停留时间段关联数据，并进行后续判断。同理，在判断是否存在“有客无单”的异常时，如果系统包含有边缘代理设备，则基于关联的边缘代理设备和停留时间段数据，例如边缘代理设备SN号、视频通道号和停留时间段数据t1，t2，获取对应的收银关联数据，并进行后续判断。
S106：将所述判断结果推送至预设的智能设备。
当通过前述步骤得到判断结果后，即可将判断结果通过推送服务发送到各预设的智能设备的应用平台上，例如电脑网页、手机APP等，以方便管理者及时查看和处理。
上述技术方案中，一方面，获取边缘设备采集的监控视频并进行人体检测，得到顾客在特定区域的停留时间段数据，进而与边缘设备关联后得到停留时间段关联数据，另一方面获取收银数据并与边缘设备关联后得到收银关联数据，然后通过停留时间段关联数据与对应的收银关联数据的对比判断收银状态是否异常，最后将判断结果发送到对应的智能设备以便用户查看。如此设置，可以通过监控视频快速且准确地确定收银状态是否异常，且判断过程无需花费人工成本，显著降低门店管理者的工作量，因此具有很高的实用性，且在业界属于首次提出，可以在一定程度填补行业技术空白。
实施例二
参照图2，图2为本申请实施例提供的另一种基于监控视频的智能收银巡检方法的流程示意图。如图2所示，该方法至少包括以下步骤：
S201：获取监控视频图像；所述监控视频图像由设置在预设位置的边缘设备采集得到；
S202：基于人体行动检测算法，对所述监控视频图像的检测区域进行疑似人体检测，得到疑似人体图像；
S203：基于人体检测算法，对所述疑似人体图像进行人体检测，并在检测到人体时，根据人体在所述检测区域的持续停留时间，生成停留时间段数据；
S204：获取收银数据；所述收银数据包括收银设备标识、收银时间和收银金额；
S205：将所述停留时间段数据和所述收银数据分别与所述边缘设备相关联，生成停留时间段关联数据和收银关联数据；
S206：根据所述停留时间段关联数据和所述收银关联数据，判断收银状态是否异常，得到判断结果；
S207：将所述判断结果推送至预设的智能设备。
该方法与实施例一所述的方法的区别在于，增加了一个基于人体行动检测算法得到疑似人体图像的步骤(也即步骤S202)以及在此基础上对后续步骤进行了适应性调整(也即对步骤S102适应性调整后得到步骤S203)，其余步骤的实质内容未进行改变。以下对改进内容进行详细说明。
首先，如果是第一次应用该方法，则除了需要预先设定检测区域，还需要预先设定各算法参数以及人体行动检测算法的背景图像pbMask并存储，算法参数包括：自适应阈值adaptiveThreshold，表达式为adaptiveThreshold＝min(α*HWRatio-β,γ),其中为检测图像的长(Height)宽(Width)比，α、β、γ为经验参数；有效时间计数阈值TimeThresh；差分图像比例阈值DiffThresh；此外，背景图像为光照较好的无人检测区域图像；
基于此，对于步骤S202，其具体实现过程可以包括：
从所述监控视频图像中逐帧提取图像；
基于所述检测区域对单帧图像进行裁剪，得到检测区域图像；
基于预设的背景图像pbMask，对所述检测区域图像进行前景检测，并计算得到前景像素占比FrontRatio；
若所述前景像素占比FrontRatio大于预设的自适应阈值adaptiveThreshold，则将当前帧前景检测图像与前一帧前景检测图像做差值运算，生成差分前景比率DifferenceRatio；表达式为 其中i,j代表像素所在坐标；I_front(i,j)代表前一帧前景检测图像的二值图像，I_now(i,j)代表当前帧前景检测图像的二值图像；而若所述前景像素占比FrontRatio小于或等于预设的自适应阈值adaptiveThreshold，则更新前一帧前景图像为当前帧前景图像，并传入下一帧图像，返回对单帧图像进行裁剪的步骤；
若所述差分前景比率DifferenceRatio大于预设的差分图像比例阈值DiffThresh，则累计疑似人体帧数FrameCnt加一；否则更新前一帧前景图像为当前帧前景图像，并传入下一帧图像，返回对单帧图像进行裁剪的步骤；
若累计得到的所述疑似人体帧数FrameCnt大于预设的有效时间计数阈值TimeThresh，则对所述检测区域进行截图，得到所述疑似人体图像；否则更新前一帧前景图像为当前帧前景图像，并传入下一帧图像，返回对单帧图像进行裁剪的步骤。
通过上述步骤即可得到疑似人体图像并用于进行人体检测，且进行人体检测的过程与实施例一所述的方法相比，可以省去对监控视频图像进行裁剪的步骤，其余步骤原理相同，因此不再赘述。
本实施例二的方案相对实施例一方案，由于增加了人体行动检测的步骤，因此可以有效缩短人体检测的过程，且不同的检测过程可以在不同的设备(例如边缘设备、边缘代理设备或服务器)上完成，因此可以减少处理过程中的数据传输量，从而加快整体的处理过程，也即缩短得到最终判断结果的时间。
此外，在具体实施时，上述两个实施例一和二所述的方案均可以通过多个不同的系统实现。以下进行举例说明。
对于实施例一的方法：
第一种实现系统参照图3，如图3所示，该系统主要包括：边缘设备、边缘代理设备、业务服务器和智能展示设备；其中，
边缘设备用于，采集监控视频图像；
边缘代理设备用于，获取边缘设备采集的监控视频图像，以及基于人体检测算法，对监控视频图像的检测区域进行人体检测，并在检测到人体时，根据人体在检测区域的持续停留时间，生成停留时间段数据并发送至业务服务器；
业务服务器用于，获取收银数据，并将停留时间段数据和收银数据分别与边缘设备和边缘代理设备相关联，生成停留时间段关联数据和收银关联数据，以及，根据停留时间段关联数据和收银关联数据，判断收银状态是否异常，得到判断结果并发送至智能展示设备；收银数据包括收银设备标识、收银时间和收银金额；
智能展示设备用于，展示判断结果。
第二种实现系统参照图4，如图4所示，该系统主要包括：边缘设备、边缘代理设备、检测服务器、业务服务器和智能展示设备；其中，
边缘设备用于，采集监控视频图像；
边缘代理设备用于，获取边缘设备采集的监控视频图像并发送至检测服务器；
检测服务器用于，基于人体检测算法，对监控视频图像的检测区域进行人体检测，并在检测到人体时将检测结果发送至边缘代理设备，以使边缘代理设备根据人体在检测区域的持续停留时间，生成停留时间段数据并发送至业务服务器；
业务服务器用于，获取收银数据，并将停留时间段数据和收银数据分别与边缘设备和边缘代理设备相关联，生成停留时间段关联数据和收银关联数据，以及，根据停留时间段关联数据和收银关联数据，判断收银状态是否异常，得到判断结果并发送至智能展示设备；收银数据包括收银设备标识、收银时间和收银金额；
智能展示设备用于，展示判断结果。
相比图3所示的第一种系统，图4所示的第二种系统中，增加了检测服务器，并将人体检测的过程由在边缘代理设备上实现替换为在检测服务器上实现，如此设置，可以加快人体检测的过程，但由于需要将大量的图像数据传输到检测服务器，因此对网络的要求较高。
对于实施例二的方法：
第一种实现系统参照图5，如图5所示，该系统主要包括：边缘设备、边缘代理设备、业务服务器和智能展示设备；其中，
边缘设备用于，采集监控视频图像，以及基于人体行动检测算法，对监控视频图像的检测区域进行疑似人体检测，得到疑似人体图像；
边缘代理设备用于，获取边缘设备得到的疑似人体图像，并基于人体检测算法，对疑似人体图像进行人体检测，并在检测到人体时，根据人体在检测区域的持续停留时间，生成停留时间段数据并发送至业务服务器；
业务服务器用于，获取收银数据，并将停留时间段数据和收银数据分别与边缘设备和边缘代理设备相关联，生成停留时间段关联数据和收银关联数据，以及，根据停留时间段关联数据和收银关联数据，判断收银状态是否异常，得到判断结果并发送至智能展示设备；收银数据包括收银设备标识、收银时间和收银金额；
智能展示设备用于，展示判断结果。
第二种实现系统参照图6，如图6所示，该系统主要包括：边缘设备、边缘代理设备、检测服务器、业务服务器和智能展示设备；其中，
边缘设备用于，采集监控视频图像，以及基于人体行动检测算法，对监控视频图像的检测区域进行疑似人体检测，得到疑似人体图像；
边缘代理设备用于，获取边缘设备得到的疑似人体图像，并发送至检测服务器；
检测服务器用于，基于人体检测算法，对疑似人体图像进行人体检测，并在检测到人体时将检测结果发送至边缘代理设备，以使边缘代理设备，根据检测结果中的人体在检测区域的持续停留时间，生成停留时间段数据并发送至业务服务器；
业务服务器用于，获取收银数据，并将停留时间段数据和收银数据分别与边缘设备和边缘代理设备相关联，生成停留时间段关联数据和收银关联数据，以及，根据停留时间段关联数据和收银关联数据，判断收银状态是否异常，得到判断结果并发送至智能展示设备；收银数据包括收银设备标识、收银时间和收银金额；
智能展示设备用于，展示判断结果。
相比图5所示的第一种系统，图6所示的第二种系统中，增加了检测服务器，并将人体检测的过程由在边缘代理设备上实现替换为在检测服务器上实现，如此设置，可以加快人体检测的过程，但由于需要将大量的图像数据传输到检测服务器，因此对网络的要求较高。
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是，在本申请的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”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申请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。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (9)

1.一种基于监控视频的智能收银巡检方法，其特征在于，包括：
获取监控视频图像；所述监控视频图像由设置在预设位置的边缘设备采集得到；
基于人体检测算法，对所述监控视频图像的检测区域进行人体检测，并在检测到人体时，根据人体在所述检测区域的持续停留时间，生成停留时间段数据；
获取收银数据；所述收银数据包括收银设备标识、收银时间和收银金额；
将所述停留时间段数据和所述收银数据分别与所述边缘设备相关联，生成停留时间段关联数据和收银关联数据；
根据所述停留时间段关联数据和所述收银关联数据，判断收银状态是否异常，得到判断结果；
将所述判断结果推送至预设的智能设备；
其中，所述收银状态的异常包括“有单无客”和“有客无单”；
所述根据所述停留时间段关联数据和所述收银关联数据，判断收银状态是否异常，得到判断结果，包括：
输入单笔收银关联数据，基于关联的边缘设备和收银时间，获取对应的停留时间段关联数据；判断所述单笔收银关联数据中的收银时间与对应的停留时间段数据的闭区间是否存在交集，若是，得到收银状态为正常的判断结果，若否，得到收银状态为所述“有单无客”的异常判断结果；
以及，输入单条停留时间段关联数据，基于关联的边缘设备和停留时间段数据，获取对应的收银关联数据；判断所述停留时间段数据的闭区间内是否存在对应的收银时间，若是，得到收银状态为正常的判断结果，若否，得到收银状态为所述“有客无单”的异常判断结果。
2.根据权利要求1所述的方法，其特征在于，所述基于人体检测算法，对所述监控视频图像的检测区域进行人体检测，并在检测到人体时，根据人体在所述检测区域的持续停留时间，生成停留时间段数据，包括：
加载预先训练的检测模型；所述检测模型是基于深度学习算法得到的；
基于所述检测区域，对所述监控视频图像进行裁剪；
对裁剪后的图像进行重构，以使重构后的尺寸与所述检测模型的运算尺寸相适应；
将重构后的图像输入所述检测模型，若生成人体检测框，则对生成的人体检测框进行筛选，得到人体检测结果；
基于所述人体检测结果，若存在人体检测框，则记录当前时间作为第一时间点，直到不存在人体检测框时，记录当前时间作为第二时间点；
基于所述第一时间点和所述第二时间点，确定停留时间段数据。
3.根据权利要求2所述的方法，其特征在于，所述基于所述第一时间点和所述第二时间点生成停留时间段数据，包括：
对所述第一时间点至所述第二时间点的时间长度进行补偿；
若补偿后的时间长度大于预设阈值，保留对应的第一时间点和第二时间点作为所述停留时间段数据；否则舍弃对应的第一时间点和第二时间点数据。
4.一种基于监控视频的智能收银巡检方法，其特征在于，包括：
获取监控视频图像；所述监控视频图像由设置在预设位置的边缘设备采集得到；
基于人体行动检测算法，对所述监控视频图像的检测区域进行疑似人体检测，得到疑似人体图像；
基于人体检测算法，对所述疑似人体图像进行人体检测，并在检测到人体时，根据人体在所述检测区域的持续停留时间，生成停留时间段数据；
获取收银数据；所述收银数据包括收银设备标识、收银时间和收银金额；
将所述停留时间段数据和所述收银数据分别与所述边缘设备相关联，生成停留时间段关联数据和收银关联数据；
根据所述停留时间段关联数据和所述收银关联数据，判断收银状态是否异常，得到判断结果；
将所述判断结果推送至预设的智能设备；
其中，所述收银状态的异常包括“有单无客”和“有客无单”；
所述根据所述停留时间段关联数据和所述收银关联数据，判断收银状态是否异常，得到判断结果，包括：
输入单笔收银关联数据，基于关联的边缘设备和收银时间，获取对应的停留时间段关联数据；判断所述单笔收银关联数据中的收银时间与对应的停留时间段数据的闭区间是否存在交集，若是，得到收银状态为正常的判断结果，若否，得到收银状态为所述“有单无客”的异常判断结果；
以及，输入单条停留时间段关联数据，基于关联的边缘设备和停留时间段数据，获取对应的收银关联数据；判断所述停留时间段数据的闭区间内是否存在对应的收银时间，若是，得到收银状态为正常的判断结果，若否，得到收银状态为所述“有客无单”的异常判断结果。
5.根据权利要求4所述的方法，其特征在于，所述基于人体行动检测算法，对所述监控视频图像的检测区域进行疑似人体检测，得到疑似人体图像，包括：
从所述监控视频图像中逐帧提取图像；
基于所述检测区域对单帧图像进行裁剪，得到检测区域图像；
基于预设的背景图像，对所述检测区域图像进行前景检测，并计算得到前景像素占比；
若所述前景像素占比大于预设的自适应阈值，则将当前帧前景检测图像与前一帧前景检测图像做差值运算，生成差分前景比率；
若所述差分前景比率大于预设的差分图像比例阈值，则累计疑似人体帧数加一；
若累计得到的所述疑似人体帧数大于预设的有效时间计数阈值，则对所述检测区域进行截图，得到所述疑似人体图像。
6.一种基于监控视频的智能收银巡检系统，其特征在于，包括：边缘设备、边缘代理设备、业务服务器和智能展示设备；
所述边缘设备用于，采集监控视频图像；
所述边缘代理设备用于，获取所述边缘设备采集的监控视频图像，以及基于人体检测算法，对所述监控视频图像的检测区域进行人体检测，并在检测到人体时，根据人体在所述检测区域的持续停留时间，生成停留时间段数据并发送至所述业务服务器；
所述业务服务器用于，获取收银数据，并将所述停留时间段数据和所述收银数据分别与所述边缘设备和所述边缘代理设备相关联，生成停留时间段关联数据和收银关联数据，以及，根据所述停留时间段关联数据和所述收银关联数据，判断收银状态是否异常，得到判断结果并发送至所述智能展示设备；所述收银数据包括收银设备标识、收银时间和收银金额；
所述智能展示设备用于，展示判断结果；
其中，所述收银状态的异常包括“有单无客”和“有客无单”；
所述根据所述停留时间段关联数据和所述收银关联数据，判断收银状态是否异常，得到判断结果，包括：
输入单笔收银关联数据，基于关联的边缘设备和收银时间，获取对应的停留时间段关联数据；判断所述单笔收银关联数据中的收银时间与对应的停留时间段数据的闭区间是否存在交集，若是，得到收银状态为正常的判断结果，若否，得到收银状态为所述“有单无客”的异常判断结果；
以及，输入单条停留时间段关联数据，基于关联的边缘设备和停留时间段数据，获取对应的收银关联数据；判断所述停留时间段数据的闭区间内是否存在对应的收银时间，若是，得到收银状态为正常的判断结果，若否，得到收银状态为所述“有客无单”的异常判断结果。
7.一种基于监控视频的智能收银巡检系统，其特征在于，包括：边缘设备、边缘代理设备、检测服务器、业务服务器和智能展示设备；
所述边缘设备用于，采集监控视频图像；
所述边缘代理设备用于，获取所述边缘设备采集的监控视频图像并发送至所述检测服务器；
所述检测服务器用于，基于人体检测算法，对所述监控视频图像的检测区域进行人体检测，并在检测到人体时将检测结果发送至所述边缘代理设备，以使所述边缘代理设备根据人体在所述检测区域的持续停留时间，生成停留时间段数据并发送至所述业务服务器；
所述业务服务器用于，获取收银数据，并将所述停留时间段数据和所述收银数据分别与所述边缘设备和所述边缘代理设备相关联，生成停留时间段关联数据和收银关联数据，以及，根据所述停留时间段关联数据和所述收银关联数据，判断收银状态是否异常，得到判断结果并发送至所述智能展示设备；所述收银数据包括收银设备标识、收银时间和收银金额；
所述智能展示设备用于，展示判断结果；
其中，所述收银状态的异常包括“有单无客”和“有客无单”；
所述根据所述停留时间段关联数据和所述收银关联数据，判断收银状态是否异常，得到判断结果，包括：
输入单笔收银关联数据，基于关联的边缘设备和收银时间，获取对应的停留时间段关联数据；判断所述单笔收银关联数据中的收银时间与对应的停留时间段数据的闭区间是否存在交集，若是，得到收银状态为正常的判断结果，若否，得到收银状态为所述“有单无客”的异常判断结果；
以及，输入单条停留时间段关联数据，基于关联的边缘设备和停留时间段数据，获取对应的收银关联数据；判断所述停留时间段数据的闭区间内是否存在对应的收银时间，若是，得到收银状态为正常的判断结果，若否，得到收银状态为所述“有客无单”的异常判断结果。
8.一种基于监控视频的智能收银巡检系统，其特征在于，包括：边缘设备、边缘代理设备、业务服务器和智能展示设备；
所述边缘设备用于，采集监控视频图像，以及基于人体行动检测算法，对所述监控视频图像的检测区域进行疑似人体检测，得到疑似人体图像；
所述边缘代理设备用于，获取所述边缘设备得到的疑似人体图像，并基于人体检测算法，对所述疑似人体图像进行人体检测，并在检测到人体时，根据人体在所述检测区域的持续停留时间，生成停留时间段数据并发送至所述业务服务器；
所述业务服务器用于，获取收银数据，并将所述停留时间段数据和所述收银数据分别与所述边缘设备和所述边缘代理设备相关联，生成停留时间段关联数据和收银关联数据，以及，根据所述停留时间段关联数据和所述收银关联数据，判断收银状态是否异常，得到判断结果并发送至所述智能展示设备；所述收银数据包括收银设备标识、收银时间和收银金额；
所述智能展示设备用于，展示判断结果；
其中，所述收银状态的异常包括“有单无客”和“有客无单”；
所述根据所述停留时间段关联数据和所述收银关联数据，判断收银状态是否异常，得到判断结果，包括：
输入单笔收银关联数据，基于关联的边缘设备和收银时间，获取对应的停留时间段关联数据；判断所述单笔收银关联数据中的收银时间与对应的停留时间段数据的闭区间是否存在交集，若是，得到收银状态为正常的判断结果，若否，得到收银状态为所述“有单无客”的异常判断结果；
以及，输入单条停留时间段关联数据，基于关联的边缘设备和停留时间段数据，获取对应的收银关联数据；判断所述停留时间段数据的闭区间内是否存在对应的收银时间，若是，得到收银状态为正常的判断结果，若否，得到收银状态为所述“有客无单”的异常判断结果。
9.一种基于监控视频的智能收银巡检系统，其特征在于，包括：边缘设备、边缘代理设备、检测服务器、业务服务器和智能展示设备；
所述边缘设备用于，采集监控视频图像，以及基于人体行动检测算法，对所述监控视频图像的检测区域进行疑似人体检测，得到疑似人体图像；
所述边缘代理设备用于，获取所述边缘设备得到的疑似人体图像，并发送至所述检测服务器；
所述检测服务器用于，基于人体检测算法，对所述疑似人体图像进行人体检测，并在检测到人体时将检测结果发送至所述边缘代理设备，以使所述边缘代理设备，根据所述检测结果中的人体在所述检测区域的持续停留时间，生成停留时间段数据并发送至所述业务服务器；
所述业务服务器用于，获取收银数据，并将所述停留时间段数据和所述收银数据分别与所述边缘设备和所述边缘代理设备相关联，生成停留时间段关联数据和收银关联数据，以及，根据所述停留时间段关联数据和所述收银关联数据，判断收银状态是否异常，得到判断结果并发送至所述智能展示设备；所述收银数据包括收银设备标识、收银时间和收银金额；
所述智能展示设备用于，展示判断结果；
其中，所述收银状态的异常包括“有单无客”和“有客无单”；
所述根据所述停留时间段关联数据和所述收银关联数据，判断收银状态是否异常，得到判断结果，包括：
输入单笔收银关联数据，基于关联的边缘设备和收银时间，获取对应的停留时间段关联数据；判断所述单笔收银关联数据中的收银时间与对应的停留时间段数据的闭区间是否存在交集，若是，得到收银状态为正常的判断结果，若否，得到收银状态为所述“有单无客”的异常判断结果；
以及，输入单条停留时间段关联数据，基于关联的边缘设备和停留时间段数据，获取对应的收银关联数据；判断所述停留时间段数据的闭区间内是否存在对应的收银时间，若是，得到收银状态为正常的判断结果，若否，得到收银状态为所述“有客无单”的异常判断结果。
CN202011622332.5A 2020-12-30 2020-12-30 基于监控视频的智能收银巡检方法及系统 Active CN112749647B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011622332.5A CN112749647B (zh) 2020-12-30 2020-12-30 基于监控视频的智能收银巡检方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011622332.5A CN112749647B (zh) 2020-12-30 2020-12-30 基于监控视频的智能收银巡检方法及系统

Publications (2)

Publication Number Publication Date
CN112749647A CN112749647A (zh) 2021-05-04
CN112749647B true CN112749647B (zh) 2023-07-25

Family

ID=75650361

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011622332.5A Active CN112749647B (zh) 2020-12-30 2020-12-30 基于监控视频的智能收银巡检方法及系统

Country Status (1)

Country Link
CN (1) CN112749647B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113537034A (zh) * 2021-07-12 2021-10-22 上海商米科技集团股份有限公司 收银防损方法及系统
CN113837568B (zh) * 2021-09-08 2024-03-01 杭州海康威视系统技术有限公司 风险订单识别方法、装置、电子设备及机器可读存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006116029A2 (en) * 2005-04-21 2006-11-02 Pareskevakos, Theodore, G. System and method for intelligent currency validation
CN106558061A (zh) * 2015-09-29 2017-04-05 上海悠络客电子科技有限公司 一种基于云计算的收银防损方法及系统
CN111757067A (zh) * 2020-07-08 2020-10-09 福建省高速公路信息科技有限公司 一种基于视频ai的高速公路服务区收银稽查系统及方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR3074000B1 (fr) * 2017-11-23 2021-01-08 2Secure Procede et systeme pour afficher des trames d'un ticket de caisse enregistreuse sur les images d'une camera de videosurveillance
CN111931546A (zh) * 2019-05-13 2020-11-13 杭州海康威视数字技术股份有限公司 一种收银行为监控方法及装置
CN110309801B (zh) * 2019-07-05 2022-07-08 创优数字科技(广东)有限公司 一种视频分析方法、装置、系统、存储介质及计算机设备
CN110458123A (zh) * 2019-08-15 2019-11-15 成都睿晓科技有限公司 一种基于视频监控的加油站服务效率智能分析系统
CN111310733B (zh) * 2020-03-19 2023-08-22 成都云盯科技有限公司 基于监控视频的人员进出检测方法、装置和设备
CN111507282B (zh) * 2020-04-21 2023-06-30 创优数字科技(广东)有限公司 一种目标检测预警分析系统、方法、设备及介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006116029A2 (en) * 2005-04-21 2006-11-02 Pareskevakos, Theodore, G. System and method for intelligent currency validation
CN106558061A (zh) * 2015-09-29 2017-04-05 上海悠络客电子科技有限公司 一种基于云计算的收银防损方法及系统
CN111757067A (zh) * 2020-07-08 2020-10-09 福建省高速公路信息科技有限公司 一种基于视频ai的高速公路服务区收银稽查系统及方法

Also Published As

Publication number Publication date
CN112749647A (zh) 2021-05-04

Similar Documents

Publication Publication Date Title
US11392792B2 (en) Method and apparatus for generating vehicle damage information
CN112749647B (zh) 基于监控视频的智能收银巡检方法及系统
KR101794578B1 (ko) 질병 예측 방법, 이를 수행하기 위한 기록 매체 및 장치
GB2602581A (en) Automatic detection and replacement of identifying information in images using machine learning
CN108337505B (zh) 信息获取方法和装置
CN108304816B (zh) 身份识别方法、装置、存储介质及电子设备
CN109168052B (zh) 服务满意度的确定方法、装置及计算设备
CN112613569B (zh) 图像识别方法、图像分类模型的训练方法及装置
CN112434178B (zh) 图像分类方法、装置、电子设备和存储介质
CN111126262A (zh) 基于图神经网络的视频精彩片段检测方法及装置
CN115240035A (zh) 半监督目标检测模型训练方法、装置、设备以及存储介质
US20210272170A1 (en) Method, Device, Electronic Apparatus and Storage Medium for Generating Order
CN111027555A (zh) 一种车牌识别方法、装置及电子设备
CN113158773A (zh) 一种活体检测模型的训练方法及训练装置
CN114245232A (zh) 一种视频摘要生成方法、装置、存储介质及电子设备
CN111160410A (zh) 一种物体检测方法和装置
CN114973065A (zh) 一种基于视频智能分析的物品搬移、遗留检测方法及系统
CN113869317A (zh) 车牌识别方法、装置、电子设备和存储介质
CN111401438B (zh) 图像分拣方法、装置及系统
CN117437019A (zh) 信用卡逾期风险预测方法、装置、设备、介质和程序产品
US20190287209A1 (en) Optimal data sampling for image analysis
KR20200124887A (ko) 데이터 프로그래밍에 기반한 레이블링 모델 생성 방법 및 장치
CN115719472A (zh) 一种基于检测和跟踪的互补优化方法、系统、设备及存储介质
CN112906478B (zh) 目标对象的识别方法、装置、设备和存储介质
CN110827261B (zh) 图像质量检测方法及装置、存储介质及电子设备

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
GR01 Patent grant
GR01 Patent grant