CN113537034A - 收银防损方法及系统 - Google Patents

收银防损方法及系统 Download PDF

Info

Publication number
CN113537034A
CN113537034A CN202110785218.2A CN202110785218A CN113537034A CN 113537034 A CN113537034 A CN 113537034A CN 202110785218 A CN202110785218 A CN 202110785218A CN 113537034 A CN113537034 A CN 113537034A
Authority
CN
China
Prior art keywords
event
cash register
cash
detection result
cashier
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
Application number
CN202110785218.2A
Other languages
English (en)
Inventor
朱亮
林喆
李丞
谢雕
薛又岷
王江平
柳佳林
曹颖
施铮
梅娟
张琬琪
王德
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.)
Shanghai Sunmi Technology Group Co Ltd
Shanghai Sunmi Technology Co Ltd
Shenzhen Michelangelo Technology Co Ltd
Original Assignee
Shanghai Sunmi Technology Group Co Ltd
Shenzhen Michelangelo 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 Shanghai Sunmi Technology Group Co Ltd, Shenzhen Michelangelo Technology Co Ltd filed Critical Shanghai Sunmi Technology Group Co Ltd
Priority to CN202110785218.2A priority Critical patent/CN113537034A/zh
Publication of CN113537034A publication Critical patent/CN113537034A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Finance (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Biology (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • General Business, Economics & Management (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种收银防损方法及系统，所述方法包括以下步骤：获取收银地点及其临近区域的视频流；基于所述视频流获取所述收银地点及其临近区域的图像；通过人头检测算法和关键物品检测算法对所述图像进行处理，得到人头检测结果和关键物品检测结果；基于所述人头检测结果和关键物品检测结果判断是否存在收银事件，如果存在，则确定所述收银事件的类型，并得到所述收银事件的持续时间段；获取收银作业形成的交易数据；将所述持续时间段与所述交易数据的时间戳进行比对；基于所述比对的结果确定所述收银事件是否作为异常交易事件。

Description

收银防损方法及系统
技术领域
本发明主要涉及信息技术领域，尤其涉及一种收银防损方法及系统。
背景技术
收银防损可应用在零售业等业务场景中，但收银防损如果通过占用人工较多的方式进行，需要投入较多的资源，并可能会对零售及收银业务的正常进行造成影响。
发明内容
本发明要解决的技术问题是提供一种收银防损方法及系统，实现收银防损工作的高效便捷进行。
为解决上述技术问题，本发明提供了一种收银防损方法，包括以下步骤：获取收银地点及其临近区域的视频流；基于所述视频流获取所述收银地点及其临近区域的图像；通过人头检测算法和关键物品检测算法对所述图像进行处理，得到人头检测结果和关键物品检测结果；基于所述人头检测结果和关键物品检测结果判断是否存在收银事件，如果存在，则确定所述收银事件的类型，并得到所述收银事件的持续时间段；获取收银作业形成的交易数据；将所述持续时间段与所述交易数据的时间戳进行比对；基于所述比对的结果确定所述收银事件是否作为异常交易事件。
在本发明的一实施例中，基于所述比对的结果确定所述收银事件和/或所述交易数据是否作为特别关注事件包括：
当在所述收银事件的持续时间段向后及向前延伸第一设定阈值时间形成的检测时间段内，未发现与所述收银事件对应的交易数据时，判断所述收银事件作为异常交易事件。
在本发明的一实施例中，所述关键物品包括纸币、硬币、收银箱、扫码枪和/或手持电子设备。
在本发明的一实施例中，基于所述人头检测结果和关键物品检测结果判断是否存在收银事件包括：
当所述人头检测结果为存在交易双方人员且所述关键物品检测结果为检测到纸币或硬币的出现时间持续第二设定阈值，则判断存在收银事件且所述收银事件为现金收银事件。
在本发明的一实施例中，当检测到所述纸币或硬币的出现后，经过第一特定时间未再检测到所述纸币或硬币出现时或检测到收银箱的开启及开启后又关闭时，基于所述检测结果确定所述收银时间的持续时间段。
在本发明的一实施例中，基于所述人头检测结果和关键物品检测结果判断是否存在收银事件包括：
所述人头检测结果为存在交易双方人员且所述关键物品检测结果为检测到所述扫码枪和所述手持电子设备，且所述扫码枪和所述手持电子设备的距离小于第三设定阈值时，则判断存在收银事件且所述收银事件为扫码收银事件。
在本发明的一实施例中，当检测到所述扫码枪和所述手持电子设备的距离小于第三设定阈值，经过第二间隔时间检测到所述扫码枪和所述手持电子设备的距离大于第三设定阈值或未再检测到扫码枪和所述手持电子设备同时出现时，基于所述检测结果确定所述收银时间的持续时间段。
在本发明的一实施例中，所述方法还包括，当所述交易数据无对应的收银事件时，判断所述交易数据作为特别关注数据。
在本发明的一实施例中，所述人头检测算法和关键物品检测算法包括卷积神经网络算法。
在本发明的一实施例中，所述卷积神经网络算法的训练数据包括收银场景的视频和图像数据。
本发明还提供一种收银防损系统，包括：视频与图像获取模块，获取收银地点及其临近区域的视频流，基于所述视频流获取所述收银地点及其临近区域的图像；图像数据处理模块，通过人头检测算法和关键物品检测算法对所述图像进行处理，得到人头检测结果和关键物品检测结果；基于所述人头检测结果和关键物品检测结果判断是否存在收银事件，如果存在，则确定所述收银事件的类型，并得到所述收银事件的持续时间段；数据比对与判断模块，获取所述收银事件所形成的交易数据；将所述持续时间段与所述交易数据的时间戳进行比对；基于所述比对的结果确定所述收银事件是否作为异常交易事件。
与现有技术相比，本发明具有以下优点：本申请的技术方案，通过对收银地点及其附近区域的视频流及其对应的图像和交易数据的分析与判断，实现收银防损工作的便捷高效进行。
附图说明
附图是为提供对本申请进一步的理解，它们被收录并构成本申请的一部分，附图示出了本申请的实施例，并与本说明书一起起到解释本发明原理的作用。附图中：
图1是本申请一实施例的收银防损方法的流程图。
图2是本申请一实施例的收银防损系统的组成示意图。
具体实施方式
为让本发明的上述目的、特征和优点能更明显易懂，以下结合附图对本发明的具体实施方式作详细说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其它不同于在此描述的其它方式来实施，因此本发明不受下面公开的具体实施例的限制。
如本申请所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。
本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或下面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各种步骤。同时，或将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
本申请的实施例描述一种收银防损方法及系统。
图1是本申请一实施例的收银防损方法的流程图。
如图1所示，收银防损方法包括，步骤101，获取收银地点及其临近区域的视频流；步骤102，基于所述视频流获取所述收银地点及其临近区域的图像；步骤103，通过人头检测算法和关键物品检测算法对所述图像进行处理，得到人头检测结果和关键物品检测结果；步骤104，基于所述人头检测结果和关键物品检测结果判断是否存在收银事件，如果存在，则确定所述收银事件的类型，并得到所述收银事件的持续时间段；步骤105，获取收银作业形成的交易数据；步骤106，将所述持续时间段与所述交易数据的时间戳进行比对；步骤107，基于所述比对的结果确定所述收银事件和/或所述交易数据是否作为特别关注事件及特别关注数据。
具体地，在步骤101，获取收银地点及其临近区域的视频流。所述视频流例如通过摄像装置获取。这里的临近区域例如包括收银地点所在位置向周围半径扩展若干米的区域，实际情形中亦与摄像装置的拍摄区域相关。
在步骤102，基于所述视频流获取所述收银地点及其临近区域的图像。例如，对视频流中的视频帧进行抽帧处理，得到所述收银地点及其临近区域的图像。
在步骤103，通过人头检测算法和关键物品检测算法对所述图像进行处理，得到人头检测结果和关键物品检测结果。
在一些实施例中，所述人头检测算法和关键物品检测算法包括卷积神经网络算法。该卷积神经网络算法的训练数据包括收银场景的视频和图像数据，基于收银场景的视频和图像数据对该卷积神经网络算法进行训练，以提高算法对该场景中对象的识别能力。例如，收银场景中，人头图像除了正常脱帽的及发色为较为常见的黑色的人头图像被检测之外，还可能会存在一些戴帽子的人头或是不同的发色的人头所对应的人头图像。在训练数据中，可针对例如前述的场景作有针对性的图像识别训练。
在一些实施例中，所述关键物品包括纸币、硬币、收银箱、扫码枪和/或手持电子设备。手持电子设备例如包括手机、平板电脑等。对所述关键物品进行检测的卷积神经网络算法也可基于包含该关键物品的图像较多的收银场景的图像数据，进行有针对性的图像识别训练。
在步骤104，基于所述人头检测结果和关键物品检测结果判断是否存在收银事件，如果存在，则确定所述收银事件的类型，并得到所述收银事件的持续时间段。
在一些实施例中，基于所述人头检测结果和关键物品检测结果判断是否存在收银事件包括：当所述人头检测结果为存在交易双方人员且所述关键物品检测结果为检测到纸币或硬币的出现时间持续第二设定阈值，则判断存在收银事件且所述收银事件为现金收银事件。
在一些实施例中，基于所述人头检测结果和关键物品检测结果判断是否存在收银事件包括：所述人头检测结果为存在交易双方人员且所述关键物品检测结果为检测到所述扫码枪和所述手机，且所述扫码枪和所述手机的距离小于第三设定阈值时，则判断存在收银事件且所述收银事件为扫码收银事件。
在一些实施例中，对于识别并判断出的现金收银事件，当检测到所述纸币或硬币的出现后，经过第一间隔时间未再检测到所述纸币或硬币出现时或检测到收银箱的开启及开启后又关闭时，基于所述检测结果确定所述收银时间的持续时间段。例如，将该纸币或硬币的出现事件作为收银事件开始的时间点，将经过第一间隔时间未再检测到所述纸币或硬币出现时的时间点作为收银事件结束的时间点；或例如，将收银箱(也可称为收银现金箱)开启后又关闭时的时间点作为收银事件结束的时间点。
在一些实施例中，对于识别并判断出的扫码收银事件，当检测到所述扫码枪和所述手持电子设备的距离小于第三设定阈值，经过第二间隔时间检测到所述扫码枪和所述手持电子设备的距离大于第三设定阈值或未再检测到扫码枪和所述手持电子设备同时出现时，基于所述检测结果确定所述收银时间的持续时间段。例如，将检测到所述扫码枪和所述手持电子设备的距离小于第三设定阈值时的时间点作为收银事件开始的时间点，将经过第二间隔时间检测到所述扫码枪和所述手持电子设备的距离大于第三设定阈值或未再检测到扫码枪和所述手持电子设备同时出现时的时间点作为收银事件结束的时间点。
在步骤105，获取收银作业形成的交易数据。具体例如通过对交易系统的访问获取。
在步骤106，将所述持续时间段与所述交易数据的时间戳进行比对。在步骤107，基于所述比对的结果确定所述收银事件是否作为异常交易事件。
在一些实施例中，基于所述比对的结果确定所述收银事件是否作为异常交易事件包括：当在所述收银事件的持续时间段向后及向前延伸第一设定阈值时间形成的检测时间段内，未发现与所述收银事件对应的交易数据时，判断所述收银事件作为异常交易事件。
当在所述收银事件的持续时间段向后及向前延伸第一设定阈值时间形成的检测时间段内，未发现与所述收银事件对应的交易数据时，，则判断可能存在非正常交易因素，故将该收银事件作为异常交易事件。
在一些实施例中，本申请的收银防损方法还包括，当所述交易数据无对应的收银事件时，判断所述交易数据作为特别关注数据。
在实际的应用场景中，还可基于该特别关注事件或特别关注数据形成电子报告，呈现给收银系统管理者或维护者，以进一步判定是否存在可疑交易的情形，从而实现高效便捷的收银防损工作。
本申请还提供一种收银防损系统。
图2是本申请一实施例的收银防损系统的组成示意图。
如图2所例示，收银防损系统200包括视频与图像获取模块202、图像数据处理模块204和数据比对与判断模块206。
在一些实施例中，视频与图像获取模块被配置为：获取收银地点及其临近区域的视频流，基于所述视频流获取所述收银地点及其临近区域的图像；
在一些实施例中，图像数据处理模块被配置为：通过人头检测算法和关键物品检测算法对所述图像进行处理，得到人头检测结果和关键物品检测结果；基于所述人头检测结果和关键物品检测结果判断是否存在收银事件，如果存在，则确定所述收银事件的类型，并得到所述收银事件的持续时间段；
在一些实施例中，数据比对与判断模块被配置为：获取所述收银事件所形成的交易数据；将所述持续时间段与所述交易数据的时间戳进行比对；基于所述比对的结果确定所述收银事件是否作为异常交易事件。
本申请的收银防损系统，通过对收银地点及其附近区域的视频流及其对应的图像和交易数据的分析与判断，实现收银防损工作的便捷高效进行。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述发明披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
本申请的一些方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。处理器可以是一个或多个专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理器件(DAPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器或者其组合。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。例如，计算机可读介质可包括，但不限于，磁性存储设备(例如，硬盘、软盘、磁带……)、光盘(例如，压缩盘CD、数字多功能盘DVD……)、智能卡以及闪存设备(例如，卡、棒、键驱动器……)。
计算机可读介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等等、或合适的组合形式。计算机可读介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、射频信号、或类似介质、或任何上述介质的组合。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
虽然本申请已参照当前的具体实施例来描述，但是本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本申请，在没有脱离本申请精神的情况下还可作出各种等效的变化或替换，因此，只要在本申请的实质精神范围内对上述实施例的变化、变型都将落在本申请的权利要求书的范围内。

Claims (11)

1.一种收银防损方法，包括以下步骤：
获取收银地点及其临近区域的视频流；
基于所述视频流获取所述收银地点及其临近区域的图像；
通过人头检测算法和关键物品检测算法对所述图像进行处理，得到人头检测结果和关键物品检测结果；
基于所述人头检测结果和关键物品检测结果判断是否存在收银事件，如果存在，则确定所述收银事件的类型，并得到所述收银事件的持续时间段；
获取收银作业形成的交易数据；
将所述持续时间段与所述交易数据的时间戳进行比对；
基于所述比对的结果确定所述收银事件是否作为异常交易事件。
2.根据权利要求1所述的收银防损方法，其特征在于，基于所述比对的结果确定所述收银事件和/或所述交易数据是否作为特别关注事件包括：
当在所述收银事件的持续时间段向后及向前延伸第一设定阈值时间形成的检测时间段内，未发现与所述收银事件对应的交易数据时，判断所述收银事件作为异常交易事件。
3.根据权利要求1所述的收银防损方法，其特征在于，所述关键物品包括纸币、硬币、收银箱、扫码枪和/或手持电子设备。
4.根据权利要求3所述的收银防损方法，其特征在于，基于所述人头检测结果和关键物品检测结果判断是否存在收银事件包括：
当所述人头检测结果为存在交易双方人员且所述关键物品检测结果为检测到纸币或硬币的出现时间持续第二设定阈值，则判断存在收银事件且所述收银事件为现金收银事件。
5.根据权利要求4所述的收银防损方法，其特征在于，当检测到所述纸币或硬币的出现后，经过第一特定时间未再检测到所述纸币或硬币出现时或检测到收银箱的开启及开启后又关闭时，基于所述检测结果确定所述收银时间的持续时间段。
6.根据权利要求3所述的收银防损方法，其特征在于，基于所述人头检测结果和关键物品检测结果判断是否存在收银事件包括：
所述人头检测结果为存在交易双方人员且所述关键物品检测结果为检测到所述扫码枪和所述手持电子设备，且所述扫码枪和所述手持电子设备的距离小于第三设定阈值时，则判断存在收银事件且所述收银事件为扫码收银事件。
7.根据权利要求6所述的收银防损方法，其特征在于，当检测到所述扫码枪和所述手持电子设备的距离小于第三设定阈值，经过第二间隔时间检测到所述扫码枪和所述手持电子设备的距离大于第三设定阈值或未再检测到扫码枪和所述手持电子设备同时出现时，基于所述检测结果确定所述收银时间的持续时间段。
8.根据权利要求1所述的收银防损方法，其特征在于，所述方法还包括，当所述交易数据无对应的收银事件时，判断所述交易数据作为特别关注数据。
9.根据权利要求1所述的收银防损方法，其特征在于，所述人头检测算法和关键物品检测算法包括卷积神经网络算法。
10.根据权利要求1所述的收银防损方法，其特征在于，所述卷积神经网络算法的训练数据包括收银场景的视频和图像数据。
11.一种收银防损系统，包括：
视频与图像获取模块，获取收银地点及其临近区域的视频流，基于所述视频流获取所述收银地点及其临近区域的图像；
图像数据处理模块，通过人头检测算法和关键物品检测算法对所述图像进行处理，得到人头检测结果和关键物品检测结果；基于所述人头检测结果和关键物品检测结果判断是否存在收银事件，如果存在，则确定所述收银事件的类型，并得到所述收银事件的持续时间段；
数据比对与判断模块，获取所述收银事件所形成的交易数据；将所述持续时间段与所述交易数据的时间戳进行比对；基于所述比对的结果确定所述收银事件是否作为异常交易事件。
CN202110785218.2A 2021-07-12 2021-07-12 收银防损方法及系统 Pending CN113537034A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110785218.2A CN113537034A (zh) 2021-07-12 2021-07-12 收银防损方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110785218.2A CN113537034A (zh) 2021-07-12 2021-07-12 收银防损方法及系统

Publications (1)

Publication Number Publication Date
CN113537034A true CN113537034A (zh) 2021-10-22

Family

ID=78127467

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110785218.2A Pending CN113537034A (zh) 2021-07-12 2021-07-12 收银防损方法及系统

Country Status (1)

Country Link
CN (1) CN113537034A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117152887A (zh) * 2023-10-31 2023-12-01 南通飞海电子科技有限公司 用于数字收银机的异常报警方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN207938132U (zh) * 2018-03-22 2018-10-02 北京华隆创信科技有限公司 收银防损系统
CN110472870A (zh) * 2019-08-15 2019-11-19 成都睿晓科技有限公司 一种基于人工智能的收银台服务规范检测系统
CN112749647A (zh) * 2020-12-30 2021-05-04 成都云盯科技有限公司 基于监控视频的智能收银巡检方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN207938132U (zh) * 2018-03-22 2018-10-02 北京华隆创信科技有限公司 收银防损系统
CN110472870A (zh) * 2019-08-15 2019-11-19 成都睿晓科技有限公司 一种基于人工智能的收银台服务规范检测系统
CN112749647A (zh) * 2020-12-30 2021-05-04 成都云盯科技有限公司 基于监控视频的智能收银巡检方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117152887A (zh) * 2023-10-31 2023-12-01 南通飞海电子科技有限公司 用于数字收银机的异常报警方法及系统
CN117152887B (zh) * 2023-10-31 2024-01-30 南通飞海电子科技有限公司 用于数字收银机的异常报警方法及系统

Similar Documents

Publication Publication Date Title
Yang et al. Using similarity analysis to detect frame duplication forgery in videos
US10242282B2 (en) Video redaction method and system
US9355308B2 (en) Auditing video analytics through essence generation
AU2019204149A1 (en) Video Analytics System
CN111064925B (zh) 地铁乘客逃票行为检测方法和系统
Han et al. Real‐time license plate detection in high‐resolution videos using fastest available cascade classifier and core patterns
Wahab et al. Passive video forgery detection techniques: A survey
US20060239506A1 (en) Line textured target detection and tracking with applications to "Basket-run" detection
CN101344980A (zh) 一种atm设备安全检测系统及方法
MX2007016406A (es) Deteccion y rastreo de objetivo a partir de flujos de video aereos.
WO2012038241A1 (en) Activity determination as function of transaction log
Lee et al. ArchCam: Real time expert system for suspicious behaviour detection in ATM site
CN109784316B (zh) 一种追溯地铁闸机逃票的方法、装置及存储介质
CN111652875B (zh) 一种视频伪造检测方法、系统、存储介质、视频监控终端
Sujith Crime detection and avoidance in ATM: a new framework
Patil et al. Suspicious movement detection and tracking based on color histogram
CN113537034A (zh) 收银防损方法及系统
CN109800745B (zh) 票据检测方法、装置、终端及计算机可读存储介质
Sitara et al. Differentiating synthetic and optical zooming for passive video forgery detection: An anti-forensic perspective
US11631068B1 (en) Kiosk security system
KR101437584B1 (ko) 디지털 감시 카메라 시스템에서의 자동 장면 전환 검출 결과 표시 장치
JP2010061196A (ja) 監視システム及び自動取引装置
CN111144181A (zh) 一种基于背景协同的风险检测方法、装置及系统
Yang et al. Collecting fingerprints for recognition using mobile phone cameras
US20230073167A1 (en) Registration checking apparatus, control method, and non-transitory storage medium

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20211022

RJ01 Rejection of invention patent application after publication