CN113379144B - 用于线上汽配采购平台的门店采购订单生成方法和系统 - Google Patents
用于线上汽配采购平台的门店采购订单生成方法和系统 Download PDFInfo
- Publication number
- CN113379144B CN113379144B CN202110701572.2A CN202110701572A CN113379144B CN 113379144 B CN113379144 B CN 113379144B CN 202110701572 A CN202110701572 A CN 202110701572A CN 113379144 B CN113379144 B CN 113379144B
- Authority
- CN
- China
- Prior art keywords
- accessory
- image
- information
- client
- acquiring
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000008439 repair process Effects 0.000 claims abstract description 20
- 239000003086 colorant Substances 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 6
- 210000001624 hip Anatomy 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 239000013589 supplement Substances 0.000 claims description 3
- 210000004394 hip joint Anatomy 0.000 claims description 2
- 230000001815 facial effect Effects 0.000 claims 1
- 230000000875 corresponding effect Effects 0.000 description 27
- 230000008569 process Effects 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0611—Request for offers or quotes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种用于线上汽配采购平台的门店采购订单生成方法和系统,涉及汽配采购技术领域。通过线上采购平台从汽修门店实时获取上传的客户人脸信息和库存信息,基于客户人脸信息确定对应的车辆信息,并与库存中的配件余量进行比对,当配件余量小于采购阈值,则基于车辆信息从线上采购平台上获取第i个配件的报价及送货时长,并当第i个配件余量为0时,选择送货时长最短的供应商生成采购订单;当第i个配件余量不为0时,则选择报价最低的供应商生成采购订单,进而实现采购订单的智能生成,无需手动输入和选择。
Description
技术领域
本发明涉及线上汽配采购技术领域,具体涉及一种用于线上汽配采购平台的门店采购订单生成方法和系统。
背景技术
线上汽配采购平台是为汽修门店提供汽配采购服务的线上交易平台,能够联结上游优质供应商和下游专业维修厂,降低汽配交易门槛,提升行业工作效率与库存资金周转率,在提升行业管理和服务水平的基础上,助力上下游健康、有序发展。
现有的线上汽配采购平台均是基于手动输入所需购买的配件型号参数和选择供货商,来生成采购订单。
但现有的方法智能化程度不高,无法实时根据客户需求和库存来智能的生成采购订单。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种用于线上汽配采购平台的门店采购订单生成方法和系统,解决了现有方法需要手动输入来生成采购订单,智能化程度不高的问题。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:
第一方面,提供了一种用于线上汽配采购平台的门店采购订单生成方法,该方法包括:
获取线下汽修门店的客户人脸信息;
基于包含历史客户人脸信息的云端服务器判断所述客户人脸信息对应的客户是否是为历史客户;
若是历史客户,则获取所述历史客户对应的历史消费单,得到客户的车辆信息P={p1,p2,…,pi,…pn};其中,n为车辆信息对应的配件种类数量,pi为第i个配件;
基于所述车辆信息P判断库存中的配件余量;
若第i个配件的余量小于采购阈值,则基于车辆信息从线上采购平台上获取第i个配件的报价及送货时长;
若第i个配件余量为0,则选择送货时长最短的供应商生成采购订单;
若第i个配件余量不为0,则选择报价最低的供应商生成采购订单。
进一步的,所述判断所述客户人脸信息对应的客户是否是为历史客户,还包括:
若不是历史客户,则获取客户所需的配件信息Q={(q1,k1),(q2,k2),…,(qj,kj),…(qm,km)};其中,m为客户所需的配件种类数量,qj为第j个所需配件;kj为第j个所需配件的需求量;
基于所述客户所需的配件信息Q判断库存中的配件余量;
若第j个所需配件的余量小于采购阈值,则基于车辆信息从线上采购平台上获取第j个所需配件的报价及送货时长;
若第j个若配件余量小于第j个所需配件的需求量,则选择送货时长最短的供应商生成采购订单;
若第j个配件余量不小于第j个所需配件的需求量,则选择报价最低的供应商生成采购订单。
进一步的,所述采购阈值的计算方法包括:
基于车辆信息获取所有客户的历史消费单,从中筛选出包含第i个配件的历史消费单中的第i个配件的消费数量;
计算所有消费数量的均值并向上取整,作为第i个配件的采购阈值。
进一步的,将客户的人脸信息与配件消费信息关联后作为历史消费单存储至云端服务器中。
进一步的,所述获取线下汽修门店的客户人脸信息,包括:
获取识别区域的原始影像;
基于所述原始影像获取人体关节点检测信息以及非头部的人体关节点处的图像颜色序列;
获取汽修门店的工作服上人体关节点对应的服装颜色序列;
比较所述图像颜色序列和所述服装颜色序列是否一致;
若不一致,则获取头部图像进行分辨率增强;
基于分辨率增强后的头部图像进行人脸识别,得到人脸识别信息作为客户的人脸信息。
进一步的,所述人体关节点至少包括:头部、脊椎中央、左右肩和左右臀;
所述原始影像包括配准后的彩色影像、深度影像。
进一步的,所述基于所述原始影像获取非头部的人体关节点处的图像颜色序列,包括:
获取人体关节点在原始影像的位置信息;
基于脊椎中央、左右肩和左右臀关节点的位置信息,计算客户身长信息;
基于客户身长信息和预设的各个人体关节点-身长比例,计算各个人体关节点的半径值;
以人体关节点的位置为圆心,以人体关节点的半径值为半径获取原始影像中的人体关节点图像;
获取所述人体关节点图像中的颜色集合,作为人体关节点处的图像颜色序列。
进一步的,所述比较所述图像颜色序列和所述服装颜色序列是否一致包括:
若所述人体关节点图像中的颜色集合存在与服装颜色序列中该人体关节点的颜色相同的颜色,则该人体关节点的图像颜色与服装颜色一致;
若所有人体关节点的图像颜色与对应的服装颜色一致的数量超过判定阈值,则图像颜色序列和所述服装颜色序列一致。
进一步的,所述获取头部图像进行分辨率增强,包括:
在获取头部图像前,获取在识别区域中头部的空间位置;所述空间位置包括三维坐标以及朝向;
基于所述空间位置,获取识别区域中客户前方区域中最接近头部的照明装置进行补光;
获取头部在原始影像的位置信息;
基于客户身长信息和预设的头部-身长比例,计算头部图像的半径值;
以头部的位置为圆心,以头部图像的半径值为半径获取原始影像中的头部图像;
将所述头部图像按目标分辨率进行分辨率增强。
第二方面,提供了一种用于线上汽配采购平台的门店采购订单生成系统,所述系统包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
(三)有益效果
本发明提供了一种用于线上汽配采购平台的门店采购订单生成方法和系统。与现有技术相比,具备以下有益效果:
本发明通过线上采购平台从汽修门店实时获取上传的客户人脸信息和库存信息,基于客户人脸信息确定对应的车辆信息,并与库存中的配件余量进行比对,当配件余量小于采购阈值,则基于车辆信息从线上采购平台上获取第i个配件的报价及送货时长,并当第i个配件余量为0时,选择送货时长最短的供应商生成采购订单;当第i个配件余量不为0时,则选择报价最低的供应商生成采购订单,进而实现采购订单的智能生成,无需手动输入和选择。
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的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例的流程图;
图2为本发明实施例的获取客户人脸信息的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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作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。
本申请实施例通过提供一种用于线上汽配采购平台的门店采购订单生成方法和系统,解决了现有方法需要手动输入来生成采购订单,智能化程度不高的问题。
本申请实施例中的技术方案为解决上述技术问题,总体思路如下:通过线上采购平台从汽修门店实时获取上传的客户人脸信息和库存信息,基于客户人脸信息确定对应的车辆信息,并与库存中的配件余量进行比对,当配件余量小于采购阈值,则基于车辆信息从线上采购平台上获取第i个配件的报价及送货时长,并当第i个配件余量为0时,选择送货时长最短的供应商生成采购订单;当第i个配件余量不为0时,则选择报价最低的供应商生成采购订单,进而实现采购订单的智能生成,无需手动输入和选择。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例1:
如图1所示,本发明提供了一种用于线上汽配采购平台的门店采购订单生成方法,该方法包括:
获取线下汽修门店的客户人脸信息;
基于包含历史客户人脸信息的云端服务器判断所述客户人脸信息对应的客户是否是为历史客户;
若是历史客户,则获取所述历史客户对应的历史消费单,得到客户的车辆信息P={p1,p2,…,pi,…pn};其中,n为车辆信息对应的配件种类数量,pi为第i个配件;
基于所述车辆信息P判断库存中的配件余量;
若第i个配件的余量小于采购阈值,则基于车辆信息从线上采购平台上获取第i个配件的报价及送货时长;
若第i个配件余量为0,则选择送货时长最短的供应商生成采购订单;
若第i个配件余量不为0,则选择报价最低的供应商生成采购订单。
进一步的,所述判断所述客户人脸信息对应的客户是否是为历史客户,还包括:
若不是历史客户,则获取客户所需的配件信息Q={(q1,k1),(q2,k2),…,(qj,kj),…(qm,km)};其中,m为客户所需的配件种类数量,qj为第j个所需配件;kj为第j个所需配件的需求量;
基于所述客户所需的配件信息Q判断库存中的配件余量;
若第j个所需配件的余量小于采购阈值,则基于车辆信息从线上采购平台上获取第j个所需配件的报价及送货时长;
若第j个若配件余量小于第j个所需配件的需求量,则选择送货时长最短的供应商生成采购订单;
若第j个配件余量不小于第j个所需配件的需求量,则选择报价最低的供应商生成采购订单。
本实施例的有益效果为:
通过线上采购平台从汽修门店实时获取上传的客户人脸信息和库存信息,基于客户人脸信息确定对应的车辆信息,并与库存中的配件余量进行比对,当配件余量小于采购阈值,则基于车辆信息从线上采购平台上获取第i个配件的报价及送货时长,并当第i个配件余量为0时,选择送货时长最短的供应商生成采购订单;当第i个配件余量不为0时,则选择报价最低的供应商生成采购订单,进而实现采购订单的智能生成,无需手动输入和选择。
下面对本发明实施例的实现过程进行详细说明:
S1、获取线下汽修门店的客户人脸信息;
获取线下的客户人脸信息的方式本实施例不做限制,下面仅给出一种可行的方法来准确获取客户人脸信息:
K1、获取识别区域的原始影像;
具体的,所述原始影像可通过现有的人体识别设备获取,例如kinect,其中,原始影像包括分辨率最低为640*480的彩色影像、分别率最低为320*240的深度影像。
K2、基于所述原始影像获取人体关节点检测信息以及非头部的人体关节点处的图像颜色序列;
具体的,关节点识别同样可以采用人体识别设备获取关节点,考虑到图像颜色序列的准确性和裸露皮肤的影响,所述人体关节点至少包括:头部、脊椎中央、左右肩和左右臀这六个关节点,如果需要进一步提高准确度,也可根据实际情况进行添加。
对于非头部的人体关节点处的图像颜色序列,需要考虑人体在影像中的大小,才能确定具体的颜色采样范围,下面给出一种可行的步骤,包括:
K21、获取人体关节点在原始影像的位置信息;
K22、基于脊椎中央、左右肩和左右臀关节点的位置信息,计算客户身长信息;
K23、基于客户身长信息和预设的各个人体关节点-身长比例,计算各个人体关节点的半径值;所述人体关节点-身长比例为经验值,可由人工获取后提前输入。
K24、以人体关节点的位置为圆心,以人体关节点的半径值为半径获取原始影像中的人体关节点图像;这样即可划定出图像颜色序列的采样区域。
K25、获取所述人体关节点图像中的颜色集合,作为人体关节点处的图像颜色序列。
K3、获取汽修门店的工作服上人体关节点对应的服装颜色序列;
汽修门店的工作服上人体关节点对应的服装颜色序列可由人工提前获取并输入;例如工作服的脊椎中央、左右肩和左右臀处对应的服装颜色序列为十六进制颜色码:#0000FF,#F8F8FF,#E6E6FA,#000000,#FFFFFF。也可采用RGB颜色值。
所有员工的工作服可以为统一配色,为了服装颜色序列的唯一性,所述汽修门店的工作服上对应的各个人体关节点处的服装颜色不相同;
也可根据工种不同设置不同的配色,即不同职位的工作服的服装颜色序列不相同。
K4、比较所述图像颜色序列和所述服装颜色序列是否一致;具体包括:
若所述人体关节点图像中的颜色集合存在与服装颜色序列中该人体关节点的颜色相同的颜色,则该人体关节点的图像颜色与服装颜色一致;考虑到彩色影像存在色彩偏移,颜色相同包括相同或属于同一类颜色的相近颜色,例如,颜色为#F8F8FF(GhostWhite),则同一类颜色的相近颜色包括#FFFAFA(Snow)、#FFFAF0(FloralWhite)等,具体可由人工根据经验指定。
若所有人体关节点的图像颜色与对应的服装颜色一致的数量超过判定阈值,则图像颜色序列和所述服装颜色序列一致。判定阈值为经验值,可由人工提前输入。
K5、若不一致,表示识别的人体为客户,则获取头部图像进行分辨率增强;若一致,表示识别的人体为员工;
为了提高头部图像获取的质量,可执行如下方法:
在获取头部图像前,获取在识别区域中头部的空间位置;所述空间位置包括三维坐标以及朝向;
基于所述空间位置,获取识别区域中客户前方区域中最接近头部的照明装置进行补光。
在分辨率增强时,需要确定人脸的范围,因此,和关节点区域类似,需要考虑人脸于身长和头部的比例关系,因此具体步骤包括:
获取头部在原始影像的位置信息;
基于客户身长信息和预设的头部-身长比例,计算头部图像的半径值;头部-身长比例为经验值,由人工输入。
以头部的位置为圆心,以头部图像的半径值为半径获取原始影像中的头部图像;
将所述头部图像按目标分辨率进行分辨率增强。分辨率增强的具体参数包括放大倍数,降噪程度可根据需要进行选择设置。
K6、基于分辨率增强后的头部图像进行人脸识别,得到人脸识别信息;采用的人脸识别算法需要对人脸的68个特征点进行检测,根据实际需要的识别率,最多需要对数百个特征点进行检测。
通过上述K1~K6的步骤,可利用汽修门店统一的工作服色彩信息,在进行人脸识别前,对人体关节点对应的服装颜色序列进行分析,来区分识别区域内的客户和工作人员,再对客户的头部图像进行图像增强和人脸识别。可准确识别出客户,避免了对识别区域内的所有头部图像进行更高精度的数据处理,实现客户识别过程中数据量和运算量的降低。
S2、基于包含历史客户人脸信息的云端服务器判断所述客户人脸信息对应的客户是否是为历史客户;若是历史客户,执行如下步骤、若不是历史客户,转到S6。
若是历史客户,说明该客户以前在门店消费过,可快速定位客户的消费需求,因此,可通过获取所述历史客户对应的历史消费单,得到客户的车辆信息P={p1,p2,…,pi,…pn};其中,n为车辆信息对应的配件种类数量,pi为第i个配件;
其中,历史消费单包括客户人脸信息与维修的车辆参数;其中,车辆参数进一步包括车辆的型号,以及该型号车辆的所有在售配件,而汽修门店可进一步根据实际需求从所有在售配件中筛选若干个配件并关联该型号的车辆,作为该型号车辆的车辆信息P。
S3、基于所述车辆信息P判断库存中的配件余量;
若第i个配件的余量小于采购阈值,说明库存已经很少,需要进行采购,则执行S4;
若第i个配件的余量大于或等于采购阈值,说明库存还足够,无需采购,则不生成订单;
采购阈值的具体设定方法再次不做限制,例如每个车辆的各个配件的采购阈值均可根据经验独立设定。或是通过如下方式进行计算得到:
所述采购阈值的计算方法包括:
基于车辆信息获取所有客户的历史消费单,即找出相同车型的客户的历史消费单,从中筛选出包含第i个配件的历史消费单中的第i个配件的消费数量;
计算所有消费数量的均值并向上取整,作为第i个配件的采购阈值。此方法得到的采购阈值通常能够满足本次客户的需求。
S4、基于车辆信息从线上采购平台上获取第i个配件的报价及送货时长;
若第i个配件余量为0,说明已经没有库存,应尽快补充,则选择送货时长最短的供应商生成采购订单;
若第i个配件余量不为0,说明仍有库存,时间上紧急程度不高,则选择报价最低的供应商生成采购订单。
S5、将客户的人脸信息与配件消费信息关联后作为历史消费单存储至云端服务器中。
S6、若不是历史客户,说明云端服务器中没有存储相关信息,需要在云端服务器新建一个账户用于存储并关联该客户的客户人脸信息和本次的消费单。
随后,需要获取客户所需的配件信息Q={(q1,k1),(q2,k2),…,(qj,kj),…(qm,km)};其中,m为客户所需的配件种类数量,qj为第j个所需配件;kj为第j个所需配件的需求量;
由于没有历史数据可进行分析,因此客户所需的配件信息需要通过人工导入。
基于所述客户所需的配件信息Q判断库存中的配件余量;
若第j个所需配件的余量小于采购阈值,则基于车辆信息从线上采购平台上获取第j个所需配件的报价及送货时长;
若第j个若配件余量小于第j个所需配件的需求量,则选择送货时长最短的供应商生成采购订单;
若第j个配件余量不小于第j个所需配件的需求量,则选择报价最低的供应商生成采购订单。具体的,订单中采购数量可设置为该配件的采购阈值。
实施例2
本发明还提供了一种用于线上汽配采购平台的门店采购订单生成系统,所述系统包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
可理解的是,本发明实施例提供的用于线上汽配采购平台的门店采购订单生成系统与上述用于线上汽配采购平台的门店采购订单生成方法相对应,其有关内容的解释、举例、有益效果等部分可以参考用于线上汽配采购平台的门店采购订单生成方法中的相应内容,此处不再赘述。
综上所述,与现有技术相比,本发明具备以下有益效果:
①通过线上采购平台从汽修门店实时获取上传的客户人脸信息和库存信息,基于客户人脸信息确定对应的车辆信息,并与库存中的配件余量进行比对,当配件余量小于采购阈值,则基于车辆信息从线上采购平台上获取第i个配件的报价及送货时长,并当第i个配件余量为0时,选择送货时长最短的供应商生成采购订单;当第i个配件余量不为0时,则选择报价最低的供应商生成采购订单,进而实现采购订单的智能生成,无需手动输入和选择。
②本发明还利用汽修门店统一的工作服色彩信息,在进行人脸识别前,对人体关节点对应的服装颜色序列进行分析,来区分识别区域内的客户和工作人员,再对客户的头部图像进行图像增强和人脸识别,最后与客户账号进行关联。因此,相比于人脸大量特征点的识别,本发明只需对工作服少量区域的颜色进行判定,即可准确识别出客户,避免了对识别区域内的所有头部图像进行更高精度的数据处理,实现客户识别过程中数据量和运算量的降低。
需要说明的是,通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
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发明各实施例技术方案的精神和范围。
Claims (9)
1.一种用于线上汽配采购平台的门店采购订单生成方法,其特征在于,该方法包括:
获取线下汽修门店的客户人脸信息;
基于包含历史客户人脸信息的云端服务器判断所述客户人脸信息对应的客户是否是为历史客户;
若是历史客户,则获取所述历史客户对应的历史消费单,得到客户的车辆信息P={p1,p2,…,pi,…pn};其中,n为车辆信息对应的配件种类数量,pi为第i个配件;
基于所述车辆信息P判断库存中的配件余量;
若第i个配件的余量小于采购阈值,则基于车辆信息从线上采购平台上获取第i个配件的报价及送货时长;
若第i个配件余量为0,则选择送货时长最短的供应商生成采购订单;
若第i个配件余量不为0,则选择报价最低的供应商生成采购订单;
且所述获取线下汽修门店的客户人脸信息,包括:
获取识别区域的原始影像;
基于所述原始影像获取人体关节点检测信息以及非头部的人体关节点处的图像颜色序列;
获取汽修门店的工作服上人体关节点对应的服装颜色序列;
比较所述图像颜色序列和所述服装颜色序列是否一致;
若不一致,则获取头部图像进行分辨率增强;
基于分辨率增强后的头部图像进行人脸识别,得到人脸识别信息作为客户的人脸信息。
2.如权利要求1所述的一种用于线上汽配采购平台的门店采购订单生成方法,其特征在于,所述判断所述客户人脸信息对应的客户是否是为历史客户,还包括:
若不是历史客户,则获取客户所需的配件信息Q={(q1,k1),(q2,k2),…,(qj,kj),…(qm,km)};其中,m为客户所需的配件种类数量,qj为第j个所需配件;kj为第j个所需配件的需求量;
基于所述客户所需的配件信息Q判断库存中的配件余量;
若第j个所需配件的余量小于采购阈值,则基于车辆信息从线上采购平台上获取第j个所需配件的报价及送货时长;
若第j个若配件余量小于第j个所需配件的需求量,则选择送货时长最短的供应商生成采购订单;
若第j个配件余量不小于第j个所需配件的需求量,则选择报价最低的供应商生成采购订单。
3.如权利要求1所述的一种用于线上汽配采购平台的门店采购订单生成方法,其特征在于,所述采购阈值的计算方法包括:
基于车辆信息获取所有客户的历史消费单,从中筛选出包含第i个配件的历史消费单中的第i个配件的消费数量;
计算所有消费数量的均值并向上取整,作为第i个配件的采购阈值。
4.如权利要求1所述的一种用于线上汽配采购平台的门店采购订单生成方法,其特征在于,还包括将客户的人脸信息与配件消费信息关联后作为历史消费单存储至云端服务器中。
5.如权利要求1所述的一种用于线上汽配采购平台的门店采购订单生成方法,其特征在于,所述人体关节点至少包括:头部、脊椎中央、左右肩和左右臀;
所述原始影像包括配准后的彩色影像、深度影像。
6.如权利要求5所述的一种用于线上汽配采购平台的门店采购订单生成方法,其特征在于,所述基于所述原始影像获取非头部的人体关节点处的图像颜色序列,包括:
获取人体关节点在原始影像的位置信息;
基于脊椎中央、左右肩和左右臀关节点的位置信息,计算客户身长信息;
基于客户身长信息和预设的各个人体关节点-身长比例,计算各个人体关节点的半径值;
以人体关节点的位置为圆心,以人体关节点的半径值为半径获取原始影像中的人体关节点图像;
获取所述人体关节点图像中的颜色集合,作为人体关节点处的图像颜色序列。
7.如权利要求1所述的一种用于线上汽配采购平台的门店采购订单生成方法,其特征在于,所述比较所述图像颜色序列和所述服装颜色序列是否一致包括:
若所述人体关节点图像中的颜色集合存在与服装颜色序列中该人体关节点的颜色相同的颜色,则该人体关节点的图像颜色与服装颜色一致;
若所有人体关节点的图像颜色与对应的服装颜色一致的数量超过判定阈值,则图像颜色序列和所述服装颜色序列一致。
8.如权利要求6所述的一种用于线上汽配采购平台的门店采购订单生成方法,其特征在于,所述获取头部图像进行分辨率增强,包括:
在获取头部图像前,获取在识别区域中头部的空间位置;所述空间位置包括三维坐标以及朝向;
基于所述空间位置,获取识别区域中客户前方区域中最接近头部的照明装置进行补光;
获取头部在原始影像的位置信息;
基于客户身长信息和预设的头部-身长比例,计算头部图像的半径值;
以头部的位置为圆心,以头部图像的半径值为半径获取原始影像中的头部图像;
将所述头部图像按目标分辨率进行分辨率增强。
9.一种用于线上汽配采购平台的门店采购订单生成系统,所述系统包括存储器、处理器以及存储在存储器上并可在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上述权利要求1-8任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110701572.2A CN113379144B (zh) | 2021-06-24 | 2021-06-24 | 用于线上汽配采购平台的门店采购订单生成方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110701572.2A CN113379144B (zh) | 2021-06-24 | 2021-06-24 | 用于线上汽配采购平台的门店采购订单生成方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113379144A CN113379144A (zh) | 2021-09-10 |
CN113379144B true CN113379144B (zh) | 2021-11-30 |
Family
ID=77578667
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110701572.2A Active CN113379144B (zh) | 2021-06-24 | 2021-06-24 | 用于线上汽配采购平台的门店采购订单生成方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113379144B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488490A (zh) * | 2015-12-23 | 2016-04-13 | 天津天地伟业数码科技有限公司 | 基于视频的审判员着装检测方法 |
CN110826610A (zh) * | 2019-10-29 | 2020-02-21 | 上海眼控科技股份有限公司 | 一种用于智能检测人员着装是否规范的方法与系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106355479A (zh) * | 2016-09-22 | 2017-01-25 | 京东方科技集团股份有限公司 | 一种虚拟试衣方法、虚拟试衣眼镜及虚拟试衣系统 |
CN107194361B (zh) * | 2017-05-27 | 2021-04-02 | 成都通甲优博科技有限责任公司 | 二维姿势检测方法及装置 |
CN110008831A (zh) * | 2019-02-23 | 2019-07-12 | 晋能大土河热电有限公司 | 一种基于计算机视觉分析的智能化监控融合系统 |
CN110188701A (zh) * | 2019-05-31 | 2019-08-30 | 上海媒智科技有限公司 | 基于人体关键节点预测的服饰识别方法、系统及终端 |
CN110458669A (zh) * | 2019-08-15 | 2019-11-15 | 车迅联(东莞)网络科技有限公司 | 基于车主、汽修门店及汽车零配件供应商之间的智慧服务平台 |
-
2021
- 2021-06-24 CN CN202110701572.2A patent/CN113379144B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488490A (zh) * | 2015-12-23 | 2016-04-13 | 天津天地伟业数码科技有限公司 | 基于视频的审判员着装检测方法 |
CN110826610A (zh) * | 2019-10-29 | 2020-02-21 | 上海眼控科技股份有限公司 | 一种用于智能检测人员着装是否规范的方法与系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113379144A (zh) | 2021-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10078826B2 (en) | Digital point-of-sale analyzer | |
RU2452021C1 (ru) | Анализатор цифровой торговой точки | |
US20210241490A1 (en) | Image processing for tracking actions of individuals | |
US20210166417A1 (en) | Image processing for occluded item recognition | |
CN114898249A (zh) | 用于购物车内商品数量确认的方法、系统及存储介质 | |
CN111666424A (zh) | 基于知识表示学习的汽配件询报价优化方法 | |
CN113379144B (zh) | 用于线上汽配采购平台的门店采购订单生成方法和系统 | |
US11295330B2 (en) | Price rule integrated comparison engine | |
CN110866567A (zh) | 基于可视化的农产品预售方法、系统及存储介质 | |
CN116187718B (zh) | 基于计算机视觉的智慧货物识别分拣方法及系统 | |
CN113516062B (zh) | 用于汽修门店的客户识别方法和系统 | |
CN114792244A (zh) | B端智能定价及定价效果评估方法以及集成系统 | |
CN112163600B (zh) | 一种基于机器视觉的商品识别方法 | |
CN108830480B (zh) | 一种erp采购计算方法及其系统 | |
CN116308477A (zh) | 一种大数据场景下的汽配易损件门店进货推荐方法 | |
CN115601877A (zh) | 一种基于图像处理的自动售卖机识别系统及其识别方法 | |
CN113191814A (zh) | 一种自动询价采购的方法及系统 | |
CN113537898A (zh) | 自动配货方法、装置及计算机可读存储介质 | |
Ruhrmann et al. | Assessment of dynamics and risks in supplier selection processes | |
CN111639274A (zh) | 线上商品智能排序方法、装置、计算机设备和存储介质 | |
CN111768139A (zh) | 备货处理方法、装置、设备及存储介质 | |
CN116070863B (zh) | 一种用于衬衫可替换衣领的生产管理方法及系统 | |
US20240005284A1 (en) | Method and device for providing gig service through one-to-one channel between gig worker and gig service user | |
CN114051050B (zh) | 一种移动式多功能可视化智能收银方法以及系统 | |
CN117952654A (zh) | 一种商业大数据分析系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |