CN113378601A - 防止货损的方法、自助设备及存储介质 - Google Patents

Abstract

本申请适用于自助设备技术领域，提供了一种防止货损的方法，包括：获取待识别商品的第一图像；响应于对第一用户操作界面显示的第一对象的选择操作，确定目标对象；所述第一对象为第一对象集中的任一对象；获取所述第一图像与所述目标对象的匹配度；若所述第一图像与所述目标对象的匹配度小于预设匹配度，则启动防损操作。本申请实施例提供的防止货损的方法，通过比较消费者选择的第一对象和待识别商品的第一图像的匹配度是否小于预设匹配度，判断是否需要启动防损操作。可以自动的识别消费者的错误选择行为，从而避免了零售商的损失。

Description

防止货损的方法、自助设备及存储介质

技术领域

本申请属于自助设备技术领域，尤其涉及一种防止货损的方法、自助设备及存储介质。

背景技术

零售领域中的自助设备开始得到广泛的应用，其中的自助称重设备或自助收银设备可帮助商户节省人力成本。以自助称重设备为例，通过计算机视觉技术识别待称重的目标物，可以为消费者使用自助称重设备带来方便。但是，由于自助设备是由消费者确认商品信息，在一些情况下，比如两个商品的颜色、形状比较接近的时候，消费者容易误选；在另一些情况下，个别出于恶意的消费者可能倾向于在称重价格较高的商品时，于自助设备的用户交互界面选择价格较低的商品标签，使零售商蒙受损失。因此需要一种自助设备检测货损的方法。

发明内容

本申请实施例提供了一种防止货损的方法、自助设备及存储介质，可以解决以上问题的至少一部分。

第一方面，本申请实施例提供了一种防止货损的方法，包括：

获取待识别商品的第一图像；

响应于对第一用户操作界面显示的第一对象的选择操作，确定目标对象；所述第一对象为第一对象集中的任一对象；

获取所述第一图像与所述目标对象的匹配度；

若所述第一图像与所述目标对象的匹配度小于预设匹配度，则启动防损操作。

本申请实施例提供的防止货损的方法，通过比较消费者选择的第一对象和待识别商品的第一图像的匹配度是否小于预设匹配度，判断是否需要启动防损操作。可以自动的识别消费者的错误选择行为，从而避免了零售商的损失。

第二方面，本申请实施例提供了一种防止货损的装置，包括：

图像获取模块，用于获取待识别商品的第一图像；

目标确定模块，用于响应于对第一用户操作界面显示的第一对象的选择操作，确定目标对象；所述第一对象为第一对象集中的任一对象；

匹配模块，用于获取所述第一图像与所述目标对象的匹配度；

防损模块，用于若所述第一图像与所述目标对象的匹配度小于预设匹配度，则启动防损操作。

第三方面，本申请实施例提供了一种自助设备，包括：

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，所述计算机程序被所述处理器执行时实现上述第一方面所述的方法步骤。

第四方面，本申请实施例提供了一种计算机可读存储介质，包括：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第一方面所述的方法步骤。

第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备执行上述第一方面所述的方法步骤。

可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。

附图说明

为了更清楚地说明本申请实施例中的技术方案，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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的自助设备的结构示意图；

图2是本申请另一实施例提供的自助设备的结构示意图；

图3是本申请一实施例提供的防止货损的方法的流程示意图；

图4是本申请另一实施例提供的防止货损的方法的流程示意图；

图5是本申请另一实施例提供的防止货损的方法的流程示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。

零售领域中的自助设备开始得到广泛的应用，其中的自助称重设备或自助收银设备可帮助商户节省人力成本。以自助称重设备为例，通过计算机视觉技术识别待称重的目标物，可以为消费者使用自助称重设备带来方便。但是，由于自助设备是由消费者确认商品信息，在一些情况下，比如两个商品的颜色、形状比较接近的时候，消费者容易误选；在另一些情况下，个别出于恶意的消费者可能倾向于在称重价格较高的商品时，于自助设备的用户交互界面选择价格较低的商品标签，使零售商蒙受损失。因此需要一种自助设备检测货损的方法。

为了解决上述问题，本申请实施例提供的防止货损的方法，通过比较消费者选择的商品标签和待识别商品的图像的匹配度是否小于预设匹配度，判断是否需要启动防损操作。可以自动的识别消费者的错误选择行为，从而避免了零售商的损失。

实施本申请实施例时，可以将商品标签，即第一对象处理为计算机可处理的数据对象。每个商品标签具有与该标签对应的样本图像集，以及通过特征提取模型，例如特征提取网络，获取的各个样本图像集的特征向量。在对待识别商品进行识别时，通过特征提取模型提取获取该待识别商品图像的特征向量，并与各个商品标签的样本图像集的特征向量进行匹配，获得待识别商品与商品标签匹配度的匹配结果。以此方法作为自助设备的商品识别方法，一方面每次进行识别时，只需要提取待识别商品的图像的特征向量，与已保存的样本图像集的特征向量进行匹配，可以提高识别速度；另一方面，此种识别方法可以在样本图像集的样本数量较少的情况下实现对货品的识别，避免了传统的识别网络，需要大量样本图像训练识别网络的缺陷。

图1示出的是本申请实施例提供的一种自助设备的结构示意图。如图1所示，该实施例的自助设备D10包括：至少一个处理器D100(图1中仅示出一个)处理器、存储器D101以及存储在所述存储器D101中并可在所述至少一个处理器D100上运行的计算机程序D102，所述处理器D100执行所述计算机程序D102时实现本申请各实施提供的防止货损的方法的步骤。或者，所述处理器D100执行所述计算机程序D102时实现本申请各个实施例提供的防止货损的装置中各模块/单元的功能。

所述自助设备D10可以是自助称重设备、自助收银设备、自助售货柜、自动售货机等自助设备。该自助设备可包括，但不仅限于，处理器D100、存储器D101。本领域技术人员可以理解，图1仅仅是自助设备D10的举例，并不构成对自助设备D10的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。

所称处理器D100可以是中央处理单元(Central Processing Unit，CPU)，该处理器D100还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器D101在一些实施例中可以是所述自助设备D10的内部存储单元，例如自助设备D10的硬盘或内存。所述存储器D101在另一些实施例中也可以是所述自助设备D10的外部存储设备，例如所述自助设备D10上配备的插接式硬盘，智能存储卡(Smart MediaCard,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器D101还可以既包括所述自助设备D10的内部存储单元也包括外部存储设备。所述存储器D101用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器D101还可以用于暂时地存储已经输出或者将要输出的数据。

当本申请提供的电子设备D10是自助设备时，图2示出的是本申请实施例提供的一种自助设备的结构示意图。所述自助设备还包括：摄像组件D111、显示组件D112；

所述摄像组件D111与所述处理器D100通信耦合；所述显示组件D112与所述处理器D100通信耦合。

所述显示组件D112，用于通过用户交互界面D1121展示第一对象集中的第一对象；

所述摄像组件D111，用于获取待识别商品的第一图像。

在本申请的一些非限定性的示例中，所述摄像组件D111通过有线或无线的方式与所述处理器D100通信；所述处理器D110可以内置于所述显示组件D112通过内部总线的方式通信，也可以通过有线或无线的方式与所述显示组件D112通信。

如图2所示，在本申请的一些实施中，所述自助设备还包括载物台组件D113，当所述自助设备为自助称重设备时，所述载物台组件为秤台组件。所述秤台组件D113用于承载待称重商品并获取所述待称重商品的重量。所述秤台组件D113通过重力传感器获取待称重商品的重量，所述重力传感器可以通过有线或无线的方式与所述处理器D100通信。

图3示出了本申请实施例提供的防止货损的方法，应用于上述图1所示自助设备，可由所述自助设备的软件和/或硬件实现。如图3所示，该方法包括步骤S110至S140。各个步骤的具体实现原理如下：

S110，获取待识别商品的第一图像。

非限定性的，所述第一图像包括但不限于置于自助称重设备秤台组件上待称重商品的图像，或置于自助收银设备的载物台上的待识别商品的图像。

在一个非限定性的示例中，消费者将待称重的商品放置在自助称设备上，该自助称重设备通过摄像组件拍摄一次或多次待称重商品的图像。

在一个非限定性的示例中，根据称重台的重力传感装置的重力信号的改变，例如，重力传感信号检测到重力增加超过称重阈值，触发摄像组件获取被称重物品的图像。

在一个非限定性的示例中，根据消费者的操作，触发通过摄像组件获取被称重物品的图像。例如，通过检测消费者在用户交互界面的选择操作，触发摄像组件获取被称重物品的图像。

在一个非限定性的示例中，通过结合重力传感装置的重力信号改变和检测消费者手部运动轨迹，触发通过摄像组件获取被称重物品的图像。例如，重力传感信号检测到重力增加超过称重阈值后，开始通过经训练的跟踪检测模型检测消费者手部的运动轨迹，当消费者手部运动轨迹移出自助设备载物台区域，则触发通过摄像组件获取被称重物品的图像。

S120，响应于对第一用户操作界面显示的第一对象的选择操作，确定目标对象；所述第一对象为第一对象集中的任一对象。

非限定性的，所述选择操作包括但不限于针对展示于用户操作界面的第一对象的按键选择操作、触摸屏触摸选择操作、语音选择指令和手势识别选择指令等。

在一个非限定性的示例中，消费者在用户操作界面，例如触摸屏，通过触摸选择操作，点选了在该触摸屏展示的任一个第一对象。响应于该用户的选择操作，将用户选择的确定的第一对象作为目标对象。非限定性的，所述用户操作界面为上述自助设备D10的显示组件D112提供的用户交互界面D1121。

S130，获取所述第一图像与所述目标对象的匹配度。

非限定性的，所述匹配度可以为第一图像中的商品为目标对象的概率；也可以为第一图像的特征向量与目标对象对应的特征向量的相似度。

在一个非限定性的示例中，获取所述第一图像与所述目标对象的匹配度，包括：获取所述第一图像的第一特征向量；获取所述目标对象的样本图像集的第二特征向量；将所述第一特征向量与所述第二特征向量的相似度，作为所述第一图像与所述目标对象的匹配度。其中，获取所述目标对象的样本图像集的第二特征向量，包括：针对所述目标对象的样本图像集，获取该样本图像集中的每个图像的特征向量；将样本图像集中各个图像的特征向量相加后，进行归一化处理作为样本图像集的第二特征向量。其中，将所述第一特征向量与第二特征向量的相似度，作为所述第一图像与所述目标对象的匹配度，包括：计算所述第一特征向量与第二特征向量的内积；将所述内积作为所述第一图像与所述目标对象的匹配度。

在一个非限定性的示例中，在获取所述第一图像与所述目标对象的匹配度前，针对第一对象集中的每个第一对象的样本图像集，对该样本图像集进行特征提取，获得每个所述第一对象对应的第二特征向量。具体可以为：针对第一对象集中每个第一对象的样本图像集，通过特征提取网络提取样本图像集中每个样本图像的特征，将每个样本图像相加后进行归一化处理，获得第一对象对应的第二特征向量；应理解，每个第一对象具有与其唯一对应的一个第二特征向量。由此，可以获得第一对象集中每个第一对象对应的第二特征向量，并保存各个第一对象的第二特征向量。非限定性的，获取目标对象的第二特征向量，包括获取预存的目标对象的第二特征向量。

非限定性的，所述归一化处理包括但不限于线性归一化处理或非线性归一化处理。其中，线性归一化处理包括但不限于最大最小值归一化处理；非线性归一化包括但不限于对数函数归一化转换、反余切函数归一化转换等。

非限定性的，可以采用特征提取模型，例如，特征提取网络，获取图像的特征向量，所述图像包括第一图像和样本图像集中的图像。

在一些非限定性的具体示例中，特征提取网络采用Resnet网络，例如，Resnet 50网络，用以提取图像的特征向量。在另一些具体的示例中，在Resnet50网络的输出端添加一个降维网络，用以提取图像的特征向量，该降维网络可以是将特征维度将至256维的网络。应理解，该降维网络可以是一层或多层的神经网络。可以理解的是，通过添加降维网络，可以既保证准确率，又不占用较多的存储空间，和保证较快的识别速度。在一些具体的示例中，采用包含多种商品品类的图像的训练数据训练Resnet 50网络，或训练Resnet 50网络和降维网络的特征提取网络。可以理解的是，训练数据越丰富，特征提取网络的准确性会越高。

S140，若所述第一图像与所述目标对象的匹配度小于预设匹配度，则启动防损操作。

非限定性的，所述预设匹配度可以为第一图像中的商品为目标对象对应商品的概率阈值；也可以为第一图像的特征向量与目标对象对应的特征向量的相似度阈值。

在一个非限定性的示例中，自助设备检测到第一图像与所述目标对象的匹配度小于预设匹配度，启动防损操作。所述防损操作包括但不限于，在第二用户操作界面显示防损提示信息；或，在打印标签时，在所述标签打印防损标记。具体的，自助设备与第二显示组件通过有线或无线的方式通信，在所述第二显示组件显示第二用户操作界面，该第二用户操作界面用于零售商对自助设备的监控。具体的，自助设备与标签打印机通过有线或无线的方式通信，在收到用户指令，例如，商品选择指令后，标签打印机打印商品的价格标签；在打印标签时，在所述标签打印防损标记，防损标记可以为预先设置的字串或图形。

可以理解的是，本申请实施例提供的防止货损的方法，通过比较消费者选择的商品标签和待识别商品的图像的匹配度是否小于预设匹配度，判断是否需要启动防损操作。可以自动的识别消费者的错误选择行为，从而避免了零售商的损失。

在上述图3所示的防止货损的方法的实施例的基础上，在步骤S110，获取第一图像，如图4所示，还包括步骤：S1001和步骤S1002。

S1001，响应于图像获取触发信号，获取第一目标区域的第二图像。

非限定性的，所述图像获取触发信号包括但不限于：消费者通过用户交互界面发出的触发信号，例如，消费者通过自助设备的用户交互界面发出的开始结账的指令，或开始称重的指令；自助设备的传感装置接收的到触发信号，例如，重力传感装置接收到的重力变化信号，又例如，检测到距离传感器接收到的物体靠近的传感信号。

非限定性的，所述第一目标区域包括但不限于自助设备的摄像组件可以拍摄到的区域，例如，摄像组件可以拍摄到的秤台组件所在区域。

在一个非限定性的示例中，秤台组件的重力传感装置检测到的重力增加信号，响应于该信号的触发，获取秤台所在区域的第二图像。该第二图像不仅包含秤台上物品的图像，也包含秤台周围的物品的图像。

可以理解的是，摄像组件即便经过人为的调整方向和角度，仍然不可避免的将包含秤台周围物品的图像拍摄下来，而秤台周围物品的图像，会对真正要识别的商品产生干扰。

S1002，提取所述第二图像中第二目标区域，获得所述待识别商品的所述第一图像。

非限定性的，所述第二目标区域包括，预设的区域，例如，载物台上标记出的区域，或跟踪网络训练样本标注区域，训练样本标注区域为训练样本图像中经人工标注的，需要被跟踪网络提取的区域。

在一个非限定性的示例中，通过识别载物台组件上的标记区域，通过图像分割算法提取该标记区域内的图像作为所述第一图像。

在一个非限定性的示例中，载物台组件为秤台组件，采用标注秤台区域的训练样本图像训练跟踪网络，例如，全连接孪生网络(Fully-Convolutional Siamese Networks，Siamese-FC)，使该网络得到识别秤台区域的能力。应用训练过的该跟踪网络，识别秤台区域，并抠取秤台区域内的图像作为第一图像。当然，本领域技术人员可以在实施本申请实施例时选择合适的跟踪模型，例如相关滤波模型，或卷积神经网络模型，这里不对跟踪模型做具体的限定。

可以理解的是，通过检测器将载物台或预设区域内的物品抠取出来非常的关键，可以排除目标物品周围其他物品的干扰，提高识别的准确率。

在上述图3所示的防止货损的方法的实施例的基础上，在步骤S120，响应于对第一用户操作界面显示的第一对象集中的对象的选择操作，确定目标对象前，如图5所示，还包括步骤：S1101至步骤S1103。

S1101，获取所述第一图像与所述第一对象集中每个所述第一对象的匹配度。

在一个非限定性的示例中，采用上述特征提取模型提取第一图像的特征向量，并与第一对象集中的每个第一对象的特征向量做内积，获得第一图像与每个第一对象的匹配度。

S1102，将所述匹配度最大的前N个的所述第一对象作为第一子集，将所述第一对象集中的其余所述第一对象作为第二子集；其中，N为大于或等于1的预设整数。

可以理解的是，匹配度为前N的所述对象即为与待识别商品最为匹配的商品标签，N可以为经验值，例如，10。第二子集中的第一对象为和待识别商品匹配度较差的商品标签。

S1103，根据与所述第一图像的所述匹配度从高至低的顺序，在所述第一用户操作界面展示所述第一子集和所述第二子集中的各个所述第一对象。

在一个非限定性的示例中，根据与所述第一图像的所述匹配度从高至低的顺序，在第一用户操作界面显示第一子集和所述第二子集中的各个第一对象。

可以理解的是，获取所述第一图像与所述第一对象集中每个所述对象的匹配度，根据每个第一对象与第一图像匹配度的顺序展示第一对象，实际上就是把待是被商品最可能的标签优先展示给消费者，若在此种情况下，消费者仍然坚持选择自助设备推荐的前N个标签之外的标签，则说明有可能该消费者存在欺诈的恶意，或者该消费者对商品的认识与自助设备的识别结果较大的区别。在此基础上继续执行图3所示的防损方法，可以进一步的提高自助设备对恶意行为的辨别能力。

在上述图3所示的防止货损的方法的实施例的基础上，本申请实施例提供的防止货损的方法，还包括步骤S210：

S210，保存所述选择操作的记录；所述记录包括所述第一图像，所述第一图像与至少一个第一对象的匹配度。

在一个非限定性的示例中，所述记录包括所述第一图像、以及所述第一图像和至少一个对象的匹配度，在一个具体的示例中，保存与图像匹配度最高的前M个对象的匹配度。可以理解的是，在保存匹配度时，同时也保存了匹配度和第一对象的对应关系。保存所述选择操作的记录后，零售商可以通过第二用户操作界面显示该选择操作记录，从而可以回溯各个商品的识别过程，以采取措施防止货损。

对应于上述图3所示的防止货损的方法，本申请实施例提供的了一种防止货损的装置，包括：

图像获取模块M110，用于获取待识别商品的第一图像。

目标确定模块M120，用于响应于对第一用户操作界面显示的第一对象的选择操作，确定目标对象；所述第一对象为第一对象集中的任一对象。

匹配模块M130，用于获取所述第一图像与所述目标对象的匹配度。

防损模块M140，用于若所述第一图像与所述目标对象的匹配度小于预设匹配度，则启动防损操作。

需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，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单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本申请实施例还提供了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可实现上述各个方法实施例中的步骤。

本申请实施例提供了一种计算机程序产品，当计算机程序产品在自助设备上运行时，使得自助设备执行时实现可实现上述各个方法实施例中的步骤。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述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至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random AccessMemory，RAM)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各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申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (11)

1.一种防止货损的方法，其特征在于，包括：

获取待识别商品的第一图像；

响应于对第一用户操作界面显示的第一对象的选择操作，确定目标对象；所述第一对象为第一对象集中的任一对象；

获取所述第一图像与所述目标对象的匹配度；

若所述第一图像与所述目标对象的匹配度小于预设匹配度，则启动防损操作。

2.如权利要求1所述的方法，其特征在于，获取所述第一图像与所述目标对象的匹配度，包括：

获取所述第一图像的第一特征向量；

获取所述目标对象的样本图像集的第二特征向量；

将所述第一特征向量与所述第二特征向量的相似度，作为所述第一图像与所述目标对象的匹配度。

3.如权利要求2所述的方法，获取所述目标对象的样本图像集的第二特征向量，包括：

针对所述目标对象的样本图像集，获取该样本图像集中的每个图像的特征向量；

将样本图像集中各个图像的特征向量相加后，进行归一化处理作为样本图像集的第二特征向量。

4.如权利要求2所述的方法，其特征在于，将所述第一特征向量与第二特征向量的相似度，作为所述第一图像与所述目标对象的匹配度，包括：

计算所述第一特征向量与第二特征向量的内积；

将所述内积作为所述第一图像与所述目标对象的匹配度。

5.如权利要求1所述的方法，获取待识别商品的第一图像，包括：

响应于图像获取触发信号，获取第一目标区域的第二图像；

提取所述第二图像的第二目标区域，获得所述待识别商品的所述第一图像。

6.如权利要求1所述的方法，其特征在于，响应于对第一用户操作界面显示的第一对象集中的第一的选择操作，确定目标对象前，还包括：

获取所述第一图像与所述第一对象集中每个所述第一对象的匹配度；

将所述匹配度最大的前N个的所述第一对象作为第一子集，将所述第一对象集中的其余所述第一对象作为第二子集；其中，N为大于或等于1的预设整数；

根据与所述第一图像的所述匹配度从高至低的顺序，在所述第一用户操作界面展示所述第一子集和所述第二子集中的各个第一对象。

7.如权利要求6所述的方法，其特征在于，还包括：

保存所述选择操作的记录；

所述记录包括所述第一图像，所述第一图像与至少一个第一对象的匹配度。

8.如权利要求1所述的方法，其特征在于，所述防损操作，包括：

在第二用户操作界面显示防损提示信息；或，

在打印标签时，在所述标签打印防损标记。

9.一种自助设备，其特征在于，包括：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，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述的方法。

10.如权利要求9所述的自助设备，其特征在于，还包括：摄像组件、第一显示组件和秤台组件；所述摄像组件与所述处理器通信的耦合；所述显示组件与所述处理器通信的耦合；

所述第一显示组件用于展示第一对象集中的第一对象；

所述摄像组件用于获取待识别商品的第一图像。

11.一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，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的方法。

Images