JP7078275B2 - 映像モニタリングに基づく商品検知システムおよび商品検知方法 - Google Patents

Description

本発明は、小売業における商品検知の技術分野に関し、具体的には、映像モニタリングに基づく商品検知システムおよび商品検知方法に関する。

既存の小売業におけるショッピング方法によれば、各々のスーパーマーケットやコンビニエンスストアでは専門の販売員やレジ係を必要とし、人件費が高い。一方、電子決済技術、身元検知（ＩＤ認識）技術およびクラウドコンピューティング技術の発展にともない、無人スーパーマーケットプロジェクトは技術の面において非常に高い実行可能性が備えられた。無人スーパーマーケットプロジェクトにおいて、急いで解決すべき基本問題の一つはユーザにより選択購入された商品についての判断および記録の問題であり、具体的には、サーバは、ユーザのための自動決済が便利であるように、ユーザにより商品棚から取り出された商品の種類、取り出された商品の数量および単価などを正確に判定するが必要がある。

従来技術には、ＲＦＩＤ技術を利用してユーザにより選択購入された商品を検知するものがあり、このような方法によれば、各々の商品にＲＦＩＤ（ｒａｄｉｏ ｆｒｅｑｕｅｎｃｙ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｄｅｖｉｃｅｓ）タグを設け、セキュリティシステムが設置された出入口においてＲＦＩＤリーダライタを設ける必要がある。しかしながら、このような従来技術には次のような問題がある。まず、ハードウェアのコストが高い。一つのＲＦＩＤタグの価格はおよそ０．５～１人民元であるため、タグの使用によって商品のコストが高くなり、スーパーマーケットの競争力が低下する。たとえば、コストが５人民元である商品についていえば、ＲＦＩＤタグを取り付けることにより、そのコストは１０～２０％高められる。続いて、商品に対する検知がシールドされたり、除去されたりされる可能性があるため、ユーザがＲＦＩＤリーダーを騙す場合があり、商品が紛失してしまうことが生じる。続いて、このような従来の方法によれば、スーパーマーケットのセキュリティシステムが設置された出入口においてのみ決済できるため、仮に、ユーザが店から出る前に食用可能な商品を食べて、包装をスーパーマーケットに残す場合には、ＲＦＩＤリーダーはユーザの実際の消費金額を検知できず、確定できない。すなわち、従来の方法によれば、なんら技術的制限手段もなく、消費者の高度な自主性およびモラルに依存されるため、無人スーパーマーケットの営業におけるリスクが大きい。

本発明は、上記問題点に鑑みてなされたものであって、従来技術における商品棚からの商品の取り出しや商品棚への商品の載せ置きの状態に対する検知の正確度が低く、モニタリングの誤差が大きく、コストが高く、商品が容易に紛失される技術課題を解決可能な映像モニタリングに基づく商品検知技術を提供することを目的とする。

上記目的を達成するための本発明に係る映像モニタリングに基づく商品検知システムは、
各グループのピクチャサンプルは複数角度にある同一種の商品の複数枚のサンプルピクチャを含み、同一種の商品の１グループのピクチャサンプルに同じなグループマークが設けられ、当該グループマークが当該グループのピクチャサンプルに対応する商品の種類であり、複数グループのピクチャサンプルを取得するためのサンプル取得手段と、
複数グループのピクチャサンプルにおける各サンプルピクチャ及びそのグループマークに基づいて畳み込みニューラルネットワークモデルをトレーニングして、商品識別モデルを取得するモデルトレーニング手段と、
商品棚の前方空間にある少なくとも一つの、商品ピクチャの全部又は一部を含むリアルタイムピクチャを連続に取得するリアルタイムピクチャ取得手段と、
上記リアルタイムピクチャ及び上記商品識別モデルに基づいて、上記リアルタイムピクチャに表示されている商品の種類及び数量を取得する商品種類取得手段と、
を備える。

さらに、異なる実施例において、上記映像モニタリングに基づく商品検知システムは、さらに、
上記サンプル取得手段に接続され、各商品に対して複数角度且つ複数距離でピクチャを撮像する第１のカメラと、
上記リアルタイムピクチャ取得手段に接続され、商品棚の前方空間のリアルタイムピクチャを撮像する第２のカメラと、を備え、
ここで、上記第２のカメラには、視野の範囲が上記商品棚の前方空間を覆うレンズが設けられている。

さらに、異なる実施例において、
上記第２のカメラの数量が二つ又は四つであり、
上記第２のカメラのレンズが上記商品棚の前方の空間領域の中部に向き、
上記第２のカメラのレンズの中心軸と水平面が成す角度は３０～６０度であり、及び／又は
上記第２のカメラのレンズから上記商品棚の上端又は下端までの距離は０．８～１．２メートルであり、及び／又は
上記第２のカメラのレンズから上記商品棚の片側の辺までの距離は０．８～１．２メートルである。

さらに、異なる実施例において、上記モデルトレーニング手段は、
複数グループのトレーニングサンプルにおける各サンプルピクチャ及びそのグループマークを畳み込みニューラルネットワークモデルに入力して、トレーニングによりグループ化モデルを取得するグループ化モデルトレーニング手段、を備え、
ここで、上記トレーニングサンプルは上記複数グループのピクチャサンプルの全部又は一部であり、上記グループ化モデルが商品識別モデルである。

さらに、異なる実施例において、上記モデルトレーニング手段は、
複数グループの上記ピクチャサンプルをランダムにトレーニングサンプル及びテストサンプルの二つのタイプに分けるサンプル分類手段と、
複数グループのトレーニングサンプルにおける各サンプルピクチャ及びそのグループマークを畳み込みニューラルネットワークモデルに入力して、トレーニングによりグループ化モデルを取得するグループ化モデルトレーニング手段と、
複数グループのテストサンプルの各ピクチャ及び各グループのテストサンプルのグループマークに基づき、上記グループ化モデルを検証してモデルの正確度を算出し、上記グループ化モデルの正確度がプリセットしきい値より小さい場合に上記サンプル分類手段に戻し、上記グループ化モデルの正確度が上記プリセットしきい値以上である場合に上記グループ化モデルを商品識別モデルとする交差検証手段と、
を備える。

さらに、異なる実施例において、上記グループ化モデルトレーニング手段は、
各トレーニングサンプルのピクチャを畳み込みニューラルネットワークに入力して、特徴を抽出し、特徴画像を取得する特徴抽出手段と、
各トレーニングサンプルのピクチャを候補領域ネットワークに入力して、複数の候補領域を生成する候補領域生成手段と、
各トレーニングサンプルのピクチャの候補領域を畳み込みニューラルネットワークの最終層の畳み込み層の特徴画像にマッピングする候補領域マッピング手段と、
複数のトレーニングサンプルのピクチャの特徴画像及び候補領域を収集して、候補領域の特徴画像を算出し且つ分類器ネットワークに伝送することにより分類器を生成する分類器生成手段と、
を備える。

さらに、異なる実施例において、上記交差検証手段は、
複数のテストサンプルの各ピクチャを上記グループ化モデルに入力して、複数のテストサンプルのテストグループマークを取得するテストサンプル入力手段と、
複数のテストサンプルのテストグループマークと上記テストサンプルのグループマークを対比して、同じなマークの数量と上記テストサンプルの数量の、上記一次データモデルの正確度である比率を算出する正確度算出手段と、
を備える。

さらに、異なる実施例において、上記商品種類取得手段は、さらに、
複数のリアルタイムピクチャを上記商品識別モデルに入力して、可能性の結論として、複数のリアルタイムピクチャに対応する複数グループマークを取得するグループマーク取得手段と、
上記可能性の結論における各グループマークの数量と上記可能性の結論における全部のグループマークの総数の比率を算出し、当該比率が各グループマークの確実度であり、確実度が最大であるグループマークに対応する商品の種類及び／又は数量は上記リアルタイムピクチャに表示される商品の種類及び／又は数量であるマーク確実度算出手段と、
を備える。

さらに、異なる実施例において、上記グループマーク取得手段は、
一つのリアルタイムピクチャを畳み込みニューラルネットワークに入力して、特徴を抽出し、特徴画像を取得する第２の特徴抽出手段と、
上記リアルタイムピクチャを候補領域ネットワークに入力して、複数の候補領域を生成する第２の候補領域生成手段と、
上記リアルタイムピクチャの候補領域を畳み込みニューラルネットワークの最終層の特徴画像にマッピングする第２の候補領域マッピング手段と、
複数のピクチャの特徴画像及び候補領域を収集し、候補領域の特徴画像を算出して分類器ネットワークに伝送し、当該リアルタイムピクチャに対応するグループマークを取得するグループマーク取得手段と、
を備える。

上記目的を達成するための本発明に係る映像モニタリングに基づく商品検知方法は、
各グループのピクチャサンプルは複数角度にある同一種の商品の複数枚のサンプルピクチャを含み、同一種の商品の１グループのピクチャサンプルに同じなグループマークが設けられ、当該グループマークが当該グループのピクチャサンプルに対応する商品の種類であり、複数グループのピクチャサンプルを取得するためのサンプル取得ステップと、
複数グループのピクチャサンプルにおける各サンプルピクチャ及びそのグループマークに基づいて畳み込みニューラルネットワークモデルをトレーニングして、商品識別モデルを取得するモデルトレーニングステップと、
商品棚の前方空間にある少なくとも一つの、商品ピクチャの全部又は一部を含むリアルタイムピクチャを連続に取得するリアルタイムピクチャ取得ステップと、
上記リアルタイムピクチャ及び上記商品識別モデルに基づいて、上記リアルタイムピクチャに表示されている商品の種類及び数量を取得する商品種類取得ステップと、
を備える。

さらに、異なる実施例において、上記モデルトレーニングステップは、
複数グループのトレーニングサンプルにおける各サンプルピクチャ及びそのグループマークを畳み込みニューラルネットワークモデルに入力して、トレーニングによりグループ化モデルを取得するグループ化モデルトレーニングステップ、を備え、
ここで、上記トレーニングサンプルは上記複数グループのピクチャサンプルの全部又は一部であり、上記グループ化モデルが商品識別モデルである。

さらに、異なる実施例において、上記モデルトレーニングステップは、
複数グループの上記ピクチャサンプルをランダムにトレーニングサンプル及びテストサンプルの二つのタイプに分けるサンプル分類ステップと、
複数グループのトレーニングサンプルにおける各サンプルピクチャ及びそのグループマークを畳み込みニューラルネットワークモデルに入力して、トレーニングによりグループ化モデルを取得するグループ化モデルトレーニングステップと、
複数グループのテストサンプルの各ピクチャ及び各グループのテストサンプルのグループマークに基づき、上記グループ化モデルを検証してモデルの正確度を算出し、上記グループ化モデルの正確度がプリセットしきい値より小さい場合に上記サンプル分類ステップに戻し、上記グループ化モデルの正確度が上記プリセットしきい値以上である場合に上記グループ化モデルを商品識別モデルとする交差検証ステップと、
を備える。

さらに、異なる実施例において、上記グループ化モデルトレーニングステップは、
各トレーニングサンプルのピクチャを畳み込みニューラルネットワークに入力して、特徴を抽出し、特徴画像を取得する特徴抽出ステップと、
各トレーニングサンプルのピクチャを候補領域ネットワークに入力して、複数の候補領域を生成する候補領域生成ステップと、
各トレーニングサンプルのピクチャの候補領域を畳み込みニューラルネットワークの最終層の畳み込み層の特徴画像にマッピングする候補領域マッピングステップと、
複数のトレーニングサンプルのピクチャの特徴画像及び候補領域を収集して、候補領域の特徴画像を算出し且つ分類器ネットワークに伝送することにより分類器を生成する分類器生成ステップと、
を備える。

さらに、異なる実施例において、上記交差検証ステップは、
複数のテストサンプルの各ピクチャを上記グループ化モデルに入力して、複数のテストサンプルのテストグループマークを取得するテストサンプル入力ステップと、
複数のテストサンプルのテストグループマークと上記テストサンプルのグループマークを対比して、同じなマークの数量と上記テストサンプルの数量の、上記一次データモデルの正確度である比率を算出する正確度算出ステップと、
を備える。

さらに、異なる実施例において、上記商品種類取得ステップは、さらに、
複数のリアルタイムピクチャを上記商品識別モデルに入力して、可能性の結論として、複数のリアルタイムピクチャに対応する複数グループマークを取得するグループマーク取得ステップと、
上記可能性の結論における各グループマークの数量と上記可能性の結論における全部のグループマークの総数の比率を算出し、当該比率が各グループマークの確実度であり、確実度が最大であるグループマークに対応する商品の種類及び／又は数量は上記リアルタイムピクチャに表示される商品の種類及び／又は数量であるマーク確実度算出ステップと、
を備える。

さらに、異なる実施例において、上記グループマーク取得ステップは、
一つのリアルタイムピクチャを畳み込みニューラルネットワークに入力して、特徴を抽出し、特徴画像を取得する第２の特徴抽出ステップと、
上記リアルタイムピクチャを候補領域ネットワークに入力して、複数の候補領域を生成する第２の候補領域生成ステップと、
上記リアルタイムピクチャの候補領域を畳み込みニューラルネットワークの最終層の特徴画像にマッピングする第２の候補領域マッピングステップと、
複数のピクチャの特徴画像及び候補領域を収集し、候補領域の特徴画像を算出して分類器ネットワークに伝送し、当該リアルタイムピクチャに対応するグループマークを取得するグループマーク取得ステップと、
を備える。

本発明に係る映像モニタリングに基づく商品検知システムおよび商品検知方法によれば、商品棚に置かれている商品の取り出す／戻す状態を判断でき、商品棚の前方空間のリアルタイムピクチャに基づいて取り出された又は戻された商品の具体的な種類を判断できる。また、重量モニタリングに基づく商品検知システムを組み合わせる場合に、更に商品の数量を正確に判断できる。ユーザＩＤ識別技術及びユーザ位置決め追従技術を結んでいる場合に、商品を取り出した又は商品を戻したユーザのＩＤを正確に判断でき、当該ユーザショッピング情報データベースへショッピング記録を正確に追加する又は削除することができることで、ユーザのショッピングが終わると便利に自動的に決済することができる。

本発明の実施例に係る無人スーパーマーケットの平面図である。 本発明の実施例に係る商品棚の全体構造を示す図である。 本発明の実施例に係るユーザＩＤ識別システムの構成のブロック図である。 本発明の実施例に係るユーザ位置決めシステムの構成のブロック図である。 本発明の実施例に係る密閉空間内の映像センサーの分布図である。 本発明の実施例に係る映像モニタリングに基づく商品検知システムの構成のブロック図である。 本発明の実施例に係る第２のカメラと商品棚の位置関係図である。 本発明の実施例に係るショッピングユーザ判断システムの構成のブロック図である。 本発明の実施例に係るショッピング情報データベースシステムの構成のブロック図である。 本発明の実施例に係る決済システムの構成のブロック図である。 本発明の実施例に係る映像モニタリングに基づく商品検知方法のフロチャートである。 本発明の実施例に係るモデルトレーニングステップのフロチャートである。 本発明の実施例に係るグループ化モデルトレーニングステップのフロチャートである。 本発明の実施例に係る交差検証ステップのフロチャートである。 本発明の実施例に係る種類判断ステップのフロチャートである。 本発明の実施例に係るグループマーク取得ステップのフロチャートである。

以下は、この技術案をより明確させ且つ理解易くなるように、図面を参照して本発明の好ましい実施例を説明する。本発明は、異なる形態の実施例により現れる。その保護範囲は、明細書に記載されている実施例に限られない。

図において、構成が同一である部品は、同一な数字記号で示し、各構成又は機能が類似である部品は、類似な数字記号で示している。本発明に記載されている向きを示す、例えば、上、下、前、後、左、右、内、外、上面、下面、側面、頂部、底部、前端、後端、末端などの用語は、図における方向のみであり、本発明の解釈及び説明に用いられるのみであり、本発明の保護範囲を限定することではない。

ある部品が他の部品にあると記載されている場合に、上記部品がそのまま上記他の部品に配置してもよく、中間部品を介して上記部品が上記中間部品に配置し、且つ上記中間部品が他の部品に配置してもよい。一つの部品が他の部品「に取り付けられる」又は「に接続される」と記載されている場合に、両者は、直接的に「取り付けられる」又は「接続される」と理解されてもよく、又は一つの部品が中間部品を介して間接的に他の部品に「取り付けられる」又は「接続される」と理解されてもよい。

本実施例は、無人スーパーマーケットに用いられる無人販売システムにおける一部としての映像モニタリングに基づく商品検知システムに関する。図１～２に示されるように、上記無人販売システムは、内部に複数の商品棚２が設けられている密閉空間１を備え、各商品棚２はブラケット３及びブラケット３上に脱着可能に取り付けられる複数のトレイ４を含み、複数のトレイ４は異なる高度で互いに平行し、又は同一な高度で互いに揃っている。トレイ４毎に、複数の並列に設けられているフレームプレート５が設けられ、フレームプレート５毎に少なくとも一種の商品が置かれている。ユーザにとって本実施例のフレームプレート５に置かれている商品を便利に取り出す又は戻すことが必要であるので、フレームプレート５のユーザに向ける一端をフレームプレート５の前端とする。本実施例では、各フレームプレート５は、開口する箱体であり、一種又は複数の種類の商品を置くことができる。上記商品は標準商品であり、同一な種類の商品の外観及び重りは同じであり、或いは近似である。

本実施例は、さらに、サーバ又はコンピューターなどのデータ処理機器７を備える。データ処理機器７は、内部に複数のデータ処理ソフトウェアをインストールし、データ線を介して複数のハードウェアに接続される複数の機能モジュールを有し、ソフトウェアとハードウェアが混在する態様で多種の機能を実現できる。

図１及び図３に示されるように、本実施例は、さらに、各ユーザのＩＤ情報を識別するユーザＩＤ識別システム１００を備える。ユーザＩＤ識別システム１００は、セキュリティシステム１０１及びＩＤ識別装置１０２を備える。本実施例の上記密閉空間１は絶対的な密閉される空間でなく、相対的な封鎖される空間である。密閉空間１には一つ又は複数の出入口が設けられ、一つのユーザ入口１０３及び一つのユーザ出口１０４が設けられていることが望ましい。すべてのユーザは、ユーザ入口１０３を介して当該密閉空間１に入り、且つユーザ出口１０４から当該密閉空間１を離れる。

密閉空間１の各出入口にはセキュリティシステム１０１が設けられていて、ここで、自動ゲートが設けられていることが望ましい。ユーザのＩＤ情報を取得するＩＤ識別装置１０２は、データ処理機器７に接続されているスキャンコード装置１０２１と、データ処理機器７におけるＩＤ取得手段１０２２とを備える。スキャンコード装置１０２１は、ユーザ入口１０３のセキュリティシステム１０１の内部又は外部に設けられていて、ここで、自動ゲートの外側の表面に設けられていることが望ましい。スキャンコード装置１０２１は、ＩＤ識別コードをスキャンし、ここで、２次元コードをスキャンすることが望ましい。ＩＤ取得手段１０２２は、データ処理機器７における一つの機能モジュールであり、上記ＩＤ識別コードに基づいてユーザのＩＤ情報を取得することができる。ユーザ出口１０４のセキュリティシステム１０１にはＩＤ識別装置１０２を設ける必要がない。

本実施例では、各ユーザは、無人スーパーマーケットに対応して利用される専用アプリケーションソフト（ＡＰＰ）を携帯通信端末（例えば、携帯機器やタブレットパソコンなど）にダウンロードして、アプリケーションソフト（ＡＰＰ）においてアカウントを登録し、支払ソフトウェアに関連付けられる。或いは、各ユーザは、支払ソフトウェア（例えば、ウィーチャットやアリペイ）を携帯通信端末にダウンロードし、また、支払ソフトウェアにおいて、無人スーパーマーケットにマッピングして利用されるアプレットを埋め込み、支払ソフトウェアにおいてアカウントを登録する。専用アプリケーションソフト（ＡＰＰ）又は支払ソフトウェアでは、ユーザＩＤ情報、銀行口座情報、支払パスワードなどを含むユーザの登録情報及び電子支払情報が設置されている。登録完了の場合に、ユーザＩＤ情報がデータ処理機器７のユーザデータベースに記憶されている。

携帯通信端末におけるアプリケーションソフト（ＡＰＰ）は、ユーザのＩＤ情報などを記憶している２次元コードを生成することができる。あるユーザが外部から密閉空間１に入りたい場合に、アプリケーションソフトで生成される２次元コードをスキャンコード装置１０２１のスキャン端に対向させる。スキャンコード装置１０２１は、コードをスキャンした後、当該２次元コードの復号処理を行って、復号結果をデータ処理機器７に伝送する。２次元コードが識別される可能であり、且つ識別されたＩＤ情報と予めユーザデータベースに記憶されているＩＤ情報が合致する場合に、当該ユーザのＩＤが正当であることと判断され、セキュリティシステム１０１が開き、当該ユーザが密閉空間１に入ることを許可する。ユーザ入口１０３のセキュリティシステム１０１には、例えば赤外線センサーなどのセンサー装置が設けられている。セキュリティシステム１０１は、当該ユーザが密閉空間１に入った後、人がセキュリティシステム箇所を通り過ぎたことを検知して、自動的に閉じる。ユーザ出口１０４のアアクセス制御装置１０１は、ショッピングが終わりユーザが密閉空間１を離れる場合に、人が密閉空間１の内部からセキュリティシステム１０１の近くに寄ることを検知する際に自動的に開き、ユーザが密閉空間１を離れた後、人がセキュリティシステム箇所を通り過ぎた際に自動的に閉じる。

データ処理機器７は、ＩＤ取得手段１０２２が上記ＩＤ識別コードに基づいてユーザのＩＤ情報を取得した後、当該ユーザのショッピング情報データベースを生成でき、ユーザのショッピング中のショッピングの動作ごとにショッピング情報を取得して当該ショッピング情報データベースをアップデートする。ユーザに携帯されている携帯通信端末はアプリケーションソフト（ＡＰＰ）を介してデータ処理機器７との間にリアルタイムデータの交換を行うので、ユーザのショッピング情報データベースが携帯通信端末にけるアプリケーションソフト（ＡＰＰ）に表示され、ショッピングカートの画面が形成されることで、ユーザが自分のショッピング記録及びその後の決済を知っている。

図４に示されるように、本実施例では、さらに、各対象物の密閉空間１におけるリアルタイム位置を取得する対象物位置決めシステム２００を備える。上記対象物がユーザ及びその延伸部の全部又は一部である。対象物位置決めシステム２００は、ユーザ全体又は一部（例えば、頭部、手部など）の座標セットを取得する。対象物位置決めシステム２００は、データ処理機器７に接続される三次元映像取得装置２０１と、データ処理機器７に配置する対象物座標取得手段２０２とを備える。

図５に示されるように、三次元映像取得装置２０１は、リアルタイムで少なくとも１フレームの三次元映像を取得するための少なくとも一つの映像センサー２０１１を備える。映像センサー２０１１は、密閉空間１の頂部に均一的に分布し、そのレンズが下方に向けて、レンズの中心軸が水平面に対して垂直にしてもよく、一定の傾きの角度があってもいい。映像センサー２０１１の視野範囲は、密閉空間１の全部の底面を覆う。ユーザは、無人スーパーマーケットで動作又はショッピングを行っている場合に、常に映像センサーに監視される。この場合に、映像センサーに取得されたサ三次元映像は、当該ユーザの身体及びその延伸部の全部又は一部の映像であるユーザ映像を含む。当該密閉空間内に人がなければ、各時点での三次元映像が前の時点での三次元映像と同一であり、当該時点での三次元映像は、背景であると判断され、如何なるユーザ映像を含まない。

各映像センサー２０１１は、並列に設けられる深度画像センサー２０１２、ＲＧＢ画像センサー２０１３、及び三次元映像整合手段２０１４を備える。深度画像センサー２０１２は、複数のフレームの深度画像を連続に取得し、ＲＧＢ画像センサー２０１３は、複数のフレームのＲＧＢ画像を連続に取得し、三次元映像整合手段２０１４は、同一の時点で取得した１フレームの深度画像及び１フレームのＲＧＢ画像を１フレームの三次元映像に整合する。

上記の二つのセンサーは、同期的に取得（同時に取得し且つ取得頻度が同じである）を行い、三次元映像整合手段２０１４は、複数のフレームの三次元映像を連続に取得し且つデータ処理機器７の対象物座標取得手段２０２に伝送することができる。

対象物座標取得手段２０２は、データ処理機器７における一つの機能モジュールであり、上記密閉空間の内部では三次元座標系を作成し、連続の複数のフレームに含まれるユーザ映像の三次元映像に基づいてリアルタイムで上記ユーザの上記三次元座標系における座標セット又は座標を取得する。対象物座標取得手段２０２は、座標系作成手段２０２１、パラメーター取得手段２０２２、背景除去手段２０２３、及び対象物座標算出手段２０２４を備える。座標系作成手段２０２１は、上記密閉空間において三次元座標系を作成し、ここで、密閉空間の底面（無人スーパーマーケットの地面）の中心点を座標系の原点とし、水平方向にＸ軸及びＹ軸を設け、垂直方向にＺ軸を設けることが望ましい。

ユーザ身体の全部又は一部が三次元座標系において大きい空間を占めるので、一つの座標セットでユーザの位置を示す可能である。位置の精確制御及び簡易計算を考えれば、当該座標セットにおける一つの特定の点の座標でユーザの位置を示す可能であり、例えば、当該ユーザ座標セットにおける最高の一点（Ｚ軸の数値が最も大きい点）の座標でユーザの位置を示す可能である。

パラメーター取得手段２０２２は、連続する複数のフレームに含んでいるユーザ映像の三次元映像に対して処理を行って、各フレームの三次元映像の各画素点の位置パラメーター及びカラーパラメーターを取得する。上記位置パラメーターは、ｘ、ｙ、ｚであり、当該画素点の上記三次元座標系における位置座標を示す。上記カラーパラメーターは、ｒ、ｇ、ｂであり、それぞれに当該画素点の三原色の強度を示す。データ処理機器７は、あるユーザがある映像センサーの視野内に入った後に、複数のフレームの三次元映像を取得してもいい。各フレームの三次元映像はユーザ映像及び背景映像を含み、各画素点は、ユーザの一部である可能性があり、背景の一部である可能性がある。

異なる映像センサーから取得した三次元映像において、ユーザ身体及びその延伸部の同じ部位を示す画素点は、カラーパラメーターｒ、ｇ、ｂが同じである。位置が異なる映像センサーとユーザとの間の距離が異なるので、各映像センサーが直接的に取得した一次位置パラメーターは、ユーザ身体及びその延伸部における一点が当該映像センサーに対する位置座標である。だから、座標変換を行って、位置が異なる映像センサーにより取得された一次位置パラメーターを、上記密閉空間内で作成した三次元座標系における位置パラメーターに変換する。

パラメーター取得手段２０２２は、センサー座標取得手段２０２２１、相対座標取得手段２０２２２、及び座標補正手段２０２２３を備える。センサー座標取得手段２０２２１は、当該フレームの三次元映像を取得する映像センサーの中心点（つまり、並列して設けられる深度画像センサー２０１２及びＲＧＢ画像センサー２０１３のレンズ中心点の連結線の中間点）の、上記密閉空間内で作成された上記三次元座標系における座標を取得する。相対座標取得手段２０２２２は、上記映像センサーの中心点を第２の原点として第２の三次元座標系を作成し、Ｘ軸、Ｙ軸及びＺ軸の方向が上記三次元座標系と同じであり、上記三次元映像から各画素点の上記第２の三次元座標系における座標を取得する。座標補正手段２０２２３は、上記映像センサー中心点の上記三次元座標系における座標及び上記三次元映像における各画素点の第２の三次元座標系における座標に基づいて、上記三次元映像の各画素点の上記三次元座標系における座標を算出し且つ補正して、ユーザ及びその延伸部の各画素点の位置パラメーターを取得する。

連続に取得されたＭフレームの三次元映像において、各フレームの三次元映像が一人のユーザのみの映像を含んでいて、異なる三次元映像にそれぞれに属し且つ位置パラメーターが同じであるＮ個の画素点は、カラーパラメーターが同じであり、且つＮが０．９＊Ｍより大きく且つＭ以下である場合に、背景除去手段２０２３により当該Ｎ個の画素点が背景画素点であると判定され、上記Ｍフレームの三次元映像からＮ個の上記背景画素点が除去されて、Ｍフレームの背景がない三次元映像である当該ユーザの映像が取得される。連続に取得された三次元映像において、異なる三次元映像にそれぞれに属し且つ位置パラメーターが同じである画素点は、カラーパラメーターが同じであり、又は大部分が（例えば、９０％）同じである場合に、画素点の位置が背景であると判断され、当該画素点を対応の三次元映像から除去することができる。

対象物座標算出手段２０２４には、対象物がユーザ及びその延伸部の全てであれば、上記Ｍフレームの背景がない三次元映像におけるすべての画素点の位置パラメーターのセットは、上記ユーザ及びその延伸部の全ての座標セットである。ここで、上記座標セットにおいて、パラメーターｚが最も大きい画素点の位置パラメーターはユーザの座標に定義されている。連続に取得された三次元映像から背景画素点を除去した後に、余りの画素点は当該ユーザ全体の行進の軌跡を示す。連続に取得されたＭフレームの三次元映像では、各フレームの三次元映像が複数のユーザの映像を含まれば、先にＭフレームのそれぞれから一人のユーザのみの全部又は一部を含む三次元映像を切り取る。

対象物がユーザ及びその延伸部の一部であれば、上記ユーザの一部（例えば、頭部、肩部、肘部、腕部、手部など）の座標セットを取得してもいい。深度画像センサー２０１２及びＲＧＢ画像センサー２０１３には、それぞれに一つのレンズが設けられている。二つのレンズの中心軸を水平面に対して垂直として設ければ、二つのレンズが下方に向けて密閉空間内の商品及びユーザを見ることができる。二つのレンズは、一般的な場合に、ユーザの頭部及び肩部の位置座標セットを捉えることができ、ユーザが手を伸ばしている場合に、ユーザのアーム部、肘部、腕部、手部の位置座標セットを捉えることができる。ある時点の当該ユーザの頭部、肩部、肘部、腕部、手部が折線又は曲線に連結されることで、ユーザの手部と頭部の位置が対応関係に作成される。つまり、リアルタイムで手部の位置を取得することができ、同時に当該手部がどのユーザに属するかを判断することができる。

更に、映像センサー２０１１の視野範囲は、出入口の外部の一部の空間を覆ってもいい。ユーザが出入口の外部にいる場合に、当該ユーザの映像が映像センサー２０１１により取得される。ユーザの上記無人販売システムを利用する全部の過程は、出入口のＩＤ識別の過程と、密閉空間１に入る過程と、密閉空間１内で歩く又は留まる過程と、密閉空間１を離れる過程とを備え、全部の過程が映像センサー２０１１に監視され、ＩＤが特定されたユーザ及びその身体の一部が密閉空間１にいるリアルタイム位置をリアルタイムで取得することができる。スキャンコード装置１０２１がユーザの２次元コードを読み取る場合に、データ処理機器７が当該ユーザのＩＤ情報を取得できる。映像センサー２０１１は、スキャンコード装置１０２１がコードを読み取る時点から、位置決め及びリアルタイムで当該ユーザ位置を追従することを始め、当該ユーザがある商品棚にマッチングするか否かを監視している。映像センサー２０１１が当該ユーザのリアルタイムの三次元映像を取得できない場合に、当該ユーザのショッピングが終わったと判断して、決済を行う。

図６に示されるように、本実施例では、映像モニタリングに基づく商品検知システム４００に関する。当該、映像モニタリングに基づく商品検知システム４００は、サンプル取得手段４０１、モデルトレーニング手段４０２、リアルタイムピクチャ取得手段４０３、及び商品種類取得手段４０４を備える。上記の四つの手段は、データ処理機器７における機能モジュールである。映像モニタリングに基づく商品検知システム４００は、商品棚の前方空間のリアルタイム映像を監視して、取り出された又は戻された商品の種類を判断することができる。

映像モニタリングに基づく商品検知システム４００は、更に、第１のカメラ４０５及び第２のカメラ４０６を備える。第１のカメラ４０５は、データ処理機器７におけるサンプル取得手段４０１に接続されて、各商品に対して複数角度且つ複数距離でピクチャを撮像する。第２のカメラ４０６は、データ処理機器７におけるリアルタイムピクチャ取得手段４０３に接続され、商品棚の前方空間のリアルタイムピクチャを撮像する。

図７に示されるように、第２のカメラ４０６は、数量が二つ又は四つであることが望ましく、商品棚２の外部に設けられ、各第２のカメラ４０６が商品棚２の一つの片隅に向ける。商品棚２の複数のフレームプレート５の最前端が同一な平面に位置し、当該平面が商品棚平面と称される。第２のカメラ４０６には、視野範囲が上記商品棚の前方空間を覆うレンズが設けられている。商品が上記商品棚から取り出され、又は、商品棚に戻される場合に、上記商品が取り出された過程又は戻された過程の映像が上記第２のカメラにより撮像される。上記商品棚の前方空間とは、商品棚の前方の、商品棚平面に対応する空間領域を指す。上記商品棚の前方空間は、通常、商品棚からの前方の３０～５０センチメートルの幅の領域範囲である。各第２のカメラ４０６のレンズが上記商品棚の前方空間の中心領域に向ける。

第２のカメラ４０６のレンズの中心軸と水平面が成す角度は、３０～６０度であり、及び／又は第２のカメラ４０６のレンズから商品棚２の上端又は下端までの距離は０．８～１．２メートルであり、及び／又は第２のカメラ４０６のレンズから商品棚の片側の辺までの距離は、０．８～１．２メートルであることが望ましく、第２のカメラ４０６の視野範囲が商品棚の前方空間を完全に覆うことができることを確保し、商品が商品棚２から取り出された又は商品棚２に戻された場合に、取り出された過程又は戻された過程の映像が第２のカメラ４０６に撮像される。

図６に示されるように、サンプル取得手段４０１は、少なくとも１グループのピクチャサンプルを取得し、各グループのピクチャサンプルは複数角度にある同一種の商品の複数枚のサンプルピクチャを含み、同一種の商品の１グループのピクチャサンプルに同じなグループマークが設けられ、当該グループマークが当該グループのサンプルに対応する商品の種類である。第１のカメラ４０５は、商品棚２における各種の商品に対して異なる角度、且つ異なる距離での３０００～５０００枚のピクチャを撮像して、データ処理機器７のサンプル取得手段４０１に伝送することが望ましい。これらのピクチャは、個別に撮像された商品のピクチャ、背景がある商品のピクチャ、商品が人の手に持たれているピクチャ、複数の同じ種類の製品が積み重ねられるピクチャを含んでいる。本実施例に係る無人スーパーマーケットに販売されている商品は標準商品であるので、同じな種類の商品の外観の六面図が同じであり又は近似であるため、同じな種類な商品から一個又はいくつの製品を選択して複数回の撮像処理を行うことで、当該種類の商品のトレーニングサンプルのサンプリングを完成することができる。

モデルトレーニング手段４０２は、複数グループのピクチャサンプル中の各サンプルピクチャ及びそのグループマークに基づいて畳み込みニューラルネットワーク（ＣＮＮ）モデルをトレーニングして、商品識別モデルを取得する。畳み込みニューラルネットワーク（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ、ＣＮＮと略称される）は、フィードフォワードニューラルネットワークであり、大型な画像処理に対して優れる。本実施例における畳み込みニューラルネットワークモデルは、現在に演算量が最も小さく、応答速度が最も速いＦａｓｔｅｒ ＲＣＮＮ ネットワークモデルである。当該モデルは、最も速い応答速度が０．２秒程度であり、ごく短い時間でピクチャにおける品物の種類及び数量を正確に識別できる。モデルトレーニングのサンプルが少なければ、又はサンプルの解像度が低ければ、一回でトレーニングすることで取得したグループ化モデルは、ピクチャに表示された商品の種類を判断する場合に誤差が大きい可能性であるので、より正確のモデルを取得するように、交差検証を行ったほうがいい。モデルトレーニング手段４０２は、サンプル分類手段４０２１、グループ化モデルトレーニング手段４０２２、及び交差検証手段４０２３を備える。

サンプル分類手段４０２１は、複数グループの上記ピクチャサンプルをランダムにトレーニングサンプル及びテストサンプルの二つのタイプに分ける。グループ化モデルトレーニング手段４０２２は、複数グループのトレーニングサンプルの各サンプルピクチャ及びそのグループマークを畳み込みニューラルネットワークモデルに入力して、トレーニングしてからグループ化モデルを取得する。交差検証手段４０２３は、複数グループのテストサンプルの各ピクチャ及び各グループのテストサンプルのグループマークに基づき上記グループ化モデルを検証して、モデルの正確度を算出し、上記グループ化モデルの正確度がプリセットしきい値（例えば９０％）より小さい場合に上記サンプル分類手段に戻し、上記グループ化モデルの正確度が上記プリセットしきい値以上（例えば９０％）である場合に上記グループ化モデルを商品識別モデルとする。モデルトレーニングのサンプルが少なければ、又はサンプルの解像度が低ければ、一回でトレーニングすることで取得したグループ化モデルは、ピクチャに表示された商品の種類を判断する場合に誤差が大きい可能性であるので、交差検証手段を有したほうがいい。

モデルトレーニングのサンプルが十分に多く、サンプルの解像度が高ければ、直接的に一回でトレーニングすれば、Ｆａｓｔｅｒ ＲＣＮＮネットワークモデルを利用して一つのグループ化モデルをトレーニングすることできる。当該グループ化モデルは、ピクチャに表示された商品の種類を有効的に判断できる。他の実施例では、モデルトレーニング手段４０２は、サンプル取得手段４０１により取得された複数グループのピクチャサンプルの全部又は一部をトレーニングサンプルとして、各サンプルピクチャ及びそのグループマークを畳み込みニューラルネットワークモデルに入力して、トレーニングしてからグループ化モデルを取得できるグループ化モデルトレーニング手段４０２２のみを備える。上記グループ化モデルは商品識別モデルである。

グループ化モデルトレーニング手段４０２２は、特徴抽出手段４０２２１、候補領域生成手段４０２２２、候補領域マッピング手段４０２２３、及び分類器生成手段４０２２４を備える。特徴抽出手段４０２２１は、各トレーニングサンプルのピクチャを畳み込みニューラルネットワークに入力して、特徴を抽出し、トレーニングピクチャに表示される全部又は一部の商品の領域に対応する特徴画像（ｆｅａｔｕｒｅ ｍａｐ）を取得する。候補領域生成手段４０２２２は、各トレーニングサンプルのピクチャを候補領域ネットワーク（ＲＰＮ）に入力して、複数の候補領域（ｒｅｇｉｏｎ ｐｒｏｐｏｓａｌｓ）を生成する。候補領域マッピング手段４０２２３は、各トレーニングサンプルのピクチャ候補領域を畳み込みニューラルネットワークの最終層の畳み込み層の特徴画像にマッピングする。分類器生成手段４０２２４は、複数のトレーニングサンプルのピクチャ特徴画像及び候補領域を収集して、候補領域の特徴画像を算出し且つ分類器ネットワーク（ｃｌａｓｓｉｆｉｅｒ ネットワーク）に伝送することにより分類器を生成する。当該分類器ネットワークでは、対応する同じな商品の全てのトレーニングサンプルピクチャの特徴画像と当該商品のグループマークを対応関係に形成する。当該グループマークは、当該グループピクチャサンプルに対応する商品の種類である。

交差検証手段４０２３は、テストサンプル入力手段４０２３１及び正確度算出手段４０２３２を備える。テストサンプル入力手段４０２３１は、複数のテストサンプルの各ピクチャを上記グループ化モデルに入力して、複数のテストサンプルのテストグループマークを取得する。正確度算出手段４０２３２は、複数のテストサンプルのテストグループマークと上記テストサンプルのグループマークを対比して、同じなマークの数量と上記テストサンプルの数量の、上記一次データモデルの正確度である比率を算出する。プリセットしきい値を９０％とし、グループ化モデルの正確度が９０％よりも小さい場合に、サンプル分類手段４０２１は、サンプルに対して新たにグループ化を行って、新たにトレーニングし、上記グループ化モデルの正確度が９０％以上である場合に、上記グループ化モデルを商品識別モデルとすると考えられている。

リアルタイムピクチャ取得手段４０３は、商品棚の前方空間の少なくとも一つのリアルタイムピクチャを連続に取得する。各リアルタイムピクチャは、一個又は複数の商品ピクチャの一部又は全部を含む。リアルタイムピクチャ取得手段４０３は複数の第２のカメラ４０６に接続され、上記商品棚の縁に設けられ、商品棚の前方領域に対してリアルタイムでピクチャを撮影する。第２のカメラ４０６は、ユーザが商品棚のあるフレームプレートから商品を取り出した場合に、或いはユーザが商品又は品物を商品棚のあるフレームプレートに置いた場合に、商品棚の前にある商品のピクチャを撮影できる。当該ピクチャは、当該商品の全部又は一部の写真を含み、当該商品の形状、模様及び色を表示する。第２のカメラは、当該商品の複数枚のリアルタイムピクチャを取得して、リアルタイムピクチャ取得手段４０３に伝送する。

連続に取得された複数のフレームのピクチャでは、各フレームのピクチャにおける商品と商品棚の縁との間の距離が異なる。データ処理機器７は、上記距離の変化を算出することで、商品と商品棚との間の距離の変化を判断する。上記距離が大きくなると、商品が商品棚から取り出されたと考えられ、上記距離が小さくなると、商品が商品棚の上に置かれたと考えられる。

ユーザは手で商品を持っている状態で商品棚の前方に１秒に留まると仮定して、第２のカメラ４０６は、１秒内で異なる角度の６０枚のリアルタイムピクチャを取得する。ここで、各ピクチャの表示内容は、ユーザの手部及び商品の一部を含んでもいい。リアルタイムピクチャにはいかなる商品内容を含まなければ、例えば、ある商品の体型が小さいので、あるピクチャにユーザの手部のみが表示され、又はあるピクチャに背景映像のみが表示される場合に、こんなピクチャが除去される。本実施例では、商品がユーザの手に包まれる場合に、商品の種類を識別できないので、サイズがごく小さい商品に適用できない。

第２のカメラ４０６は、長時間に連続に運転する機器であってもよく、商品棚に第２のカメラ４０６に接続されている赤外線スイッチが設けられて、通常時に電力遮断状態になり、ユーザが商品棚の近くに行進した場合に、赤外線スイッチが熱量を感知して接続され、第２のカメラ４０６が電力供給されることで起動され、ユーザが離れる場合に、赤外線スイッチが熱量を感知できないので切断され、第２のカメラ４０６の電力が切断される機器であってもいい。

商品種類取得手段４０４は、上記リアルタイムピクチャ及び上記商品識別モデルに基づいて上記リアルタイムピクチャに表示される商品の種類及び数量を取得する。商品種類取得手段４０４は、グループマーク取得手段４０４１及びマーク確実度算出手段４０４２を備える。

グループマーク取得手段４０４１は、複数枚のある商品を含むリアルタイムピクチャを取得して、それを上記商品識別モデルに入力し、可能性の結論として、当該モデルに出力された、複数のリアルタイムピクチャに対応する複数グループマークを取得する。グループマーク取得手段４０４１は、第２の特徴抽出手段４０４１１、第２の候補領域生成手段４０４１２、第２の候補領域マッピング手段４０４１３、及び第２のグループ区分取得手段４０４１４を備える。第２の特徴抽出手段４０４１１は、一つのリアルタイムピクチャを畳み込みニューラルネットワークに入力し、特徴を抽出して、特徴画像を取得する。第２の候補領域生成手段４０４１２は、上記リアルタイムピクチャを候補領域ネットワークに入力して、複数の候補領域を生成する。第２の候補領域マッピング手段４０４１３は、上記リアルタイムピクチャの候補領域を畳み込みニューラルネットワークの最終層の特徴画像にマッピングする。グループ区分取得手段４０４１４は、複数のピクチャの特徴画像及び候補領域を収集し、候補領域の特徴画像を算出して分類器ネットワークに伝送し、当該リアルタイムピクチャに対応するグループマークを取得する。各リアルタイムピクチャが上記商品識別モデルに入力した後に、当該ピクチャに対応するグループマークを識別できる。第２のカメラにより６０枚のピクチャが取得され、且つある商品が各ピクチャに表示される場合に、各ピクチャを商品識別モデルに入力して、６０個のグループマークを取得することができる。

マーク確実度算出手段４０４２は、上記可能性の結論における上記可能性の結論の各グループマークの数量及び上記可能性の結論の全部のグループマークの総数の比率を算出して、当該比率を各種のグループマークの確実度とする。確実度が最大であるグループマークに対応する商品の種類和／又は数量は、上記リアルタイムピクチャに表示された商品の種類及び／又は数量である。上記の６０個のグループマークを比較して、６０個のグループマークに対応する６０個の商品種類において、商品Ａの出現した回数が３６であり、商品Ｂの出現した回数が１８であり、商品Ｃの出現した回数が６である場合に、三者の確実度がそれぞれに６０％、３０％及び１０％であり、上記リアルタイムピクチャに表示された商品の種類は、確実度が最高である商品Ａであると考えられている。サンプル取得手段４０１により取得されたピクチャサンプルには、複数の同じ種類の商品が積み重ねられる写真を含む場合に、商品種類取得手段４０４は更に商品の数量を判定することができる。

映像モニタリングに基づく商品検知システム４００の有益な効果は、リアルタイムで商品棚の前方空間の映像を監視する可能であり、商品が商品棚から取り出された又は商品棚に戻されたか否かを判断し、機器学習における畳み込みアルゴリズムを利用して商品の種類及び数量の可能性の結論を推算し、且つ確実度が最高である結果を最終の結論とする。

図８に示されるように、本実施例では、データ処理機器７における機能モジュールであるショッピングユーザ判断システム５００を備える。ショッピングユーザ判断システムは、いずれの種類の商品が取り出された又は戻された場合に、上記ユーザのＩＤ情報及び上記ユーザのリアルタイム位置に基づいて商品を取り出した又は商品を戻したユーザＩＤを判断する。ショッピングユーザ判断システム５００は。商品情報記憶手段５０１、フレームプレート座標記憶手段５０２、フレームプレートとユーザとのマッチング判断手段５０３、及び商品とユーザとのマッチング判断手段５０４を備える。

データ処理機器７には、商品情報記憶手段５０１に記憶されている商品データベースが設けられている。上記商品データベースは、各商品情報を備える。上記商品情報は、商品ごとの商品名、型番、正味重量及び単価などを備え、さらに、当該商品が置かれた商品棚の番号、当該商品が置かれたフレームプレートの番号、及び商品番号を備える。

対象物位置決めシステム２００は、上記密閉空間において三次元座標系を作成する。対象物位置決めシステム２００は、商品棚２及びフレームプレート５の位置が特定されたので、座標系を作成した後に、各商品棚２及び各フレームプレート５の座標を取得でき、商品棚の座標セット及びフレームプレートの座標セットをフレームプレート座標記憶手段５０２に記憶し、フレームプレートの上方の、商品が置かれているフレームプレート空間の高度（例えば、３０ＣＭ）が設けられることで、上記フレームプレート空間の座標セットを取得することができる。

ユーザ座標取得手段２０２は、ＩＤが知っている各ユーザの手部のリアルタイム座標セットを取得できる。フレームプレートとユーザとのマッチング判断手段５０３は、あるフレームプレートの上方のフレームプレート空間の座標セットとあるユーザの手部の座標セットが共通部分を有する場合に、当該フレームプレートと当該ユーザがマッチングすると判断する。この場合に、当該ユーザは手部を当該フレームプレートの上方のフレームプレート空間に伸ばしていると考えられる。

対象物位置決めシステム２００は、上記密閉空間で三次元座標系を作成する。対象物位置決めシステム２００は、商品棚２及びフレームプレート５の位置が特定されるので、座標系を作成した後に各商品棚２及び各フレームプレート５の座標を取得でき、商品棚の座標セット及びフレームプレートの座標セットをフレームプレート座標記憶手段５０２に記憶し、且つフレームプレート上方の、商品が置かれるフレームプレート空間の高さ（例えば、３０ＣＭ）が設けられることで、上記フレームプレート空間の座標セットを取得できる。

ユーザ座標取得手段２０２は、ＩＤが知っている各ユーザの手部のリアルタイム座標セットを取得できる。フレームプレートとユーザとのマッチング判断手段５０３は、あるフレームプレートの上方のフレームプレート空間の座標とあるユーザの手部の座標セットが共通部分を有する場合に、当該フレームプレートと当該ユーザがマッチングすると判断する。この場合に、当該ユーザは手部を当該フレームプレートの上方のフレームプレート空間に伸ばしていると考えられている。

映像モニタリングに基づく商品検知システム４００は、第２のカメラ４０６により商品棚の前方空間のリアルタイム映像を監視し、連続に取得された複数のフレームのピクチャにける商品と商品棚との間の距離変化に基づいて商品の取り出す／戻す状態を判断し、取り出された商品又は戻された商品の種類及び数量を判断する。上記取り出す／戻す状態は、商品の置かれている状態、取り出された状態、及び戻された状態を備える。

商品とユーザとのマッチング判断手段５０４は、商品がフレームプレートから取り出される又はフレームプレートに戻される場合に、且つ同じ時点であるユーザと当該フレームプレートがマッチングする場合に、当該商品と当該ユーザがマッチングすると判断し、当該商品が当該時点で当該ユーザにより当該フレームプレートから取り出される又は当該フレームプレートに戻されることで、商品を取り出した又は商品を戻した当該ユーザのＩＤを特定することができる。

図９に示されるように、本実施例では、データ処理機器７における機能モジュールであるショッピング情報記録手段６００を備える。ショッピング情報記録手段６００は、各ユーザのＩＤ情報に基づいて、少なくとも一つのショッピング情報データベースを生成し、各ユーザにより取り出された少なくとも一つの商品の種類及び数量を記録する。ショッピング情報記録手段６００は、ショッピング情報データベース生成手段６０１及びショッピング情報データベースアップデート手段６０２を備える。

ユーザのＩＤがユーザＩＤ識別システム１００により識別された場合に、ＩＤ取得手段１０２２がユーザのＩＤ情報を取得し、ショッピング情報データベース生成手段６０１が上記ユーザのＩＤ情報に基づいてデータ処理機器７において当該ユーザのショッピング情報データベースを生成する。初期状態でのショッピング情報データベースには、如何なるショッピング情報がない。

ショッピング情報データベースアップデート手段６０２は、取り出された商品の種類と数量、及び商品を取り出したユーザのＩＤ情報に基づいて１グループのショッピング情報を生成して、当該ショッピング情報を当該ユーザのショッピング情報データベースに記憶する。当該ショッピング情報は、当該時点で取り出された商品の種類と数量、及び当該商品の商品情報（例えば、商品名、型番、正味重量及び単価など）を含む。ユーザが密閉空間１で複数回で商品を取り出した後に、そのショッピング情報データベースに複数グループのショッピング情報を備え、ユーザに携帯されている携帯通信端末とデータ処理機器７が無線通信方式で接続され且つデータ交換が行われるので、ショッピング情報データベースにおけるショッピング情報もユーザの携帯通信端末のＡＰＰ画面に表示されて、ユーザの電子ショッピングカートが形成される。

商品とあるユーザがマッチングする場合に、映像モニタリングに基づく商品検知システム４００は、ある品物が当該フレームプレートに置かれたことを監視すれば、当該品物の種類及び数量を判定できる。データ処理機器７は、当該ユーザのショッピング情報データベースから各ショッピング情報を問い合わせて、買った商品の種類のデータが当該品物の種類とマッチングするか否かを判定し、つまり、フレームプレートに置かれている商品は、ユーザのショッピング情報データベースにける一つ又は複数の買った商品と同じであるか否かを判断する。

映像モニタリングに基づく商品検知システム４００は、戻された商品の種類と当該フレームプレートの既存商品の種類が一致するか否かを判断し、一致しない場合に、管理者又はユーザに対して、誤りに置かれたことに注意を喚起するように、警報信号を選択性に生成する可能である。映像モニタリングに基づく商品検知システム４００は、戻された商品の種類を判断でなければ、フレームプレートに戻された品物が当該無人スーパーマーケットにおける既有商品でなく、ユーザの自分の品物（例えば、傘、携帯機器等）であることと確認できる。この場合に、警報信号を選択的に生成できる可能であり、必要があれば、管理者又はユーザに対して注意を喚起するように、当該フレームプレートのフレームプレート番号が表示器に表示される可能である。

他の実施例では、上記無人販売システムはさらに重量モニタリングに基づく商品検知システムを備える。重量モニタリングに基づく商品検知システムは、各フレームプレートに１種の商品のみが置かれて、フレームプレート内に重量センサーが設けられ、リアルタイムで各種のフレームプレートの重量の変化を検知し、本実施例の映像モニタリングに基づく商品検知システムと連携に動作することで、商品の取り出す／戻す状態、取り出された／戻された商品の種類及び数量をより正確に判断することができる。

図１０に示されるように、本実施例では、データ処理機器７における機能モジュールであり、上記ユーザのショッピング情報データベースにおけるすべての商品の種類及び数量に基づいて料金の決済を行う決済システム７００を備える。ユーザは、ショッピングが終わった後に、自分で出入口のセキュリティシステムを介して密閉空間１を離れてもいい。ユーザ位置決めシステム２００の映像センサー２０１１が当該ユーザのリアルタイム三次元映像を取得できない場合に、当該ユーザのショッピングが終わったと判断されて、決済システム７００が当該ユーザの料金を決済する。

決済システム７００は、総額算出手段７０１及び支払手段７０２を備える。総額算出手段７０１は、上記ユーザが上記密閉空間を離れる場合に、上記ユーザのショッピング情報データベースにおけるすべての商品の種類及び数量に基づいて総額を算出する。それぞれの種類の商品の単価が商品情報としてデータ処理機器７に記憶されておくので、複数の種類の商品単価と数量を乗算した積の合計金額は、当該ユーザの支払うべきな総額である。さらに、他の実施例では、ユーザが商品の割引を利用したり、クーポンやバウチャーなどを使用したりできるので、ユーザが支払う必要がある合計金額は、複数の種類の商品の単価と数量を乗算した積の合計金額からクーポン及び／又はバウチャー及び／又は割引の金額を差し引いたものである。支払手段７０２は、決済システム７００の自己の支払ソフトウェア又は第三者の支払ソフトウェアであり、上記ユーザの銀行口座又は電子口座から金額を差し引いて、差し引いた料金の金額と当該ユーザの支払う必要がある総額が同じである。

図１１に示されるように、本実施例では、さらに、前記映像モニタリングに基づく商品検知システム４００の実現方法である、映像モニタリングに基づく商品検知方法を提供する。当該映像モニタリングに基づく商品検知方法サンプル取得ステップであるステップＳ２０１、モデルトレーニングステップであるステップＳ２０２、リアルタイムピクチャ取得ステップであるステップＳ２０３、及び商品種類取得ステップであるステップＳ２０４は、サンプル取得ステップであるステップＳ２０１、モデルトレーニングステップであるステップＳ２０２、リアルタイムピクチャ取得ステップであるステップＳ２０３、及び商品種類取得ステップであるステップＳ２０４を備える。本実施例に係る無人スーパーマーケットに販売されている商品が標準商品であるので、同じな種類の商品の外観六面図が同じであるので、同じな種類の商品から一つ又はいくつの製品を選択して複数回の撮像処理を行うことで、当該種類の商品のトレーニングサンプルのサンプリングを完成することができる。

ステップＳ２０１は、複数グループのピクチャサンプルを取得するサンプル取得ステップであり、各グループのピクチャサンプルは複数角度にある同一種の商品の複数枚のサンプルピクチャを含み、同一種の商品の１グループのピクチャサンプルに同じなグループマークが設けられ、当該グループマークが当該グループのサンプルに対応する商品の種類である。上記サンプル取得ステップにおいて、各商品に対して複数角度且つ複数距離でピクチャを撮影し、撮影回数が３０００～５０００回であることが望ましい。撮影回数が多すぎるとコストが高く、撮影回数が少なすぎるとモデル誤差が大きい。各種類の商品に対して異なる角度と異なる距離での５０００枚のピクチャを撮影し、個別に撮像された商品のピクチャがあり、背景がある商品のピクチャがあり、商品が人の手に持たれているピクチャがあり、複数の同じ種類の製品が積み重ねられるピクチャがある。

ステップＳ２０２は、モデルトレーニングステップであり、複数グループのピクチャサンプル中の各サンプルピクチャ及びそのグループマークに基づいて畳み込みニューラルネットワークモデルをトレーニングして、商品識別モデルを取得する。

モデルトレーニングのサンプルが少なければ、又はサンプルの解像度が低ければ、一回でトレーニングすることで取得したグループ化モデルは、ピクチャに表示された商品の種類を判断する場合に誤差が大きい可能性であるので、交差検証ステップがあったほうがいい。図１２に示されるように、ステップＳ２０２は、モデルトレーニングステップであり、サンプル分類ステップであるステップＳ２０２１、グループ化モデルトレーニングステップであるステップＳ２０２２、及び交差検証ステップであるステップＳ２０２３を備える。

ステップＳ２０２１は、サンプル分類ステップであり、複数グループの上記ピクチャサンプルをランダムにトレーニングサンプル及びテストサンプルの二つのタイプに分ける。上記サンプル取得ステップであるステップＳ２０１において、各商品に対して、異なる角度且つ異なる距離で４０００枚のピクチャを撮影する。各商品に対応する４０００枚のピクチャがランダムに二つの部分に分けられて、トレーニングサンプルとテストサンプルがそれぞれ２０００枚程度のピクチャである。

ステップＳ２０２２は、グループ化モデルトレーニングステップであり、複数グループのトレーニングサンプルの各サンプルピクチャ及びそのグループマークを畳み込みニューラルネットワークモデルに入力して、トレーニングによりグループ化モデルを取得する。図１３に示されるように、ステップＳ２０２２は、グループ化モデルトレーニングステップであり、特徴抽出ステップであるステップＳ２０２２１、候補領域生成ステップであるステップＳ２０２２２、候補領域マッピングステップであるステップＳ２０２２３、及び分類器生成ステップであるステップＳ２０２２４を備える。ステップＳ２０２２１は、特徴抽出ステップであり、各トレーニングサンプルのピクチャを畳み込みニューラルネットワーク（ＣＮＮ）に入力して、特徴を抽出し、特徴画像（ｆｅａｔｕｒｅ ｍａｐ）を取得し、トレーニングピクチャにおける、全部又は一部の商品が表示される領域に対応する。例えば、ある商品は２０００枚のピクチャがあり、各枚のピクチャにおいて、商品の全体又は一部に関する特徴画像（ｆｅａｔｕｒｅ ｍａｐ）を見出す。カラーピクチャに対して、各画素点のＲＧＢ三原色がそれぞれに二次元マトリックスに対応し、各マトリックスが３＊３又は５＊５のコンボリューション・カーネルで畳み込み演算を行った後に、特徴画像（ｆｅａｔｕｒｅ ｍａｐ）である三つの新たな二次元マトリックスを生成する。ステップＳ２０２２２は、候補領域生成ステップであり、各トレーニングサンプルのピクチャを候補領域ネットワーク（ＲＰＮ）に入力して、複数の候補領域（ｒｅｇｉｏｎ ｐｒｏｐｏｓａｌｓ）を生成する。各枚のピクチャに対して３００個の候補領域を生成することが望ましい。候補領域ネットワーク（Ｒｅｇｉｏｎ Ｐｒｏｐｏｓａｌ Ｎｅｔｗｏｒｋｓ、ＲＰＮと略称する）は、Ｆａｓｔｅｒ ＲＣＮＮモデルにおける領域（ｐｒｏｐｏｓａｌ）生成ネットワークであり、対象物検知における対象物のサイズの差が大きい可能性があるので、異なるサイズの候補領域（ｒｅｇｉｏｎ ｐｒｏｐｏｓａｌｓ）をできるだけ生成する。ステップＳ２０２２３は、候補領域マッピングステップであり、異なるサイズの候補領域を同じなサイズのピクチャに変換して、各トレーニングサンプルのピクチャの候補領域（ｒｅｇｉｏｎ ｐｒｏｐｏｓａｌｓ）を畳み込みニューラルネットワークの最終層の畳み込み層の特徴画像（ｆｅａｔｕｒｅ ｍａｐ）にマッピングする。ステップＳ２０２２４は、分類器生成ステップであり、複数のトレーニングサンプルのピクチャ特徴画像（ｆｅａｔｕｒｅ ｍａｐｓ）及び候補領域（ｒｅｇｉｏｎ ｐｒｏｐｏｓａｌｓ）を収集して、候補領域の特徴画像（ｐｒｏｐｏｓａｌ ｆｅａｔｕｒｅ ｍａｐｓ）を算出し且つ分類器ネットワーク（ｃｌａｓｓｉｆｉｅｒ ネットワーク）に伝送することにより分類器を生成する。当該分類器ネットワークにおいて、同じな商品に対応するすべてのトレーニングサンプルピクチャの特徴画像と当該商品のグループマークとが対応関係に形成される。ここで、当該グループマークは、当該グルームのピクチャサンプルに対応する商品の種類である。

ステップＳ２０２３は、交差検証ステップであり、複数グループのテストサンプルの各ピクチャ及び各グループのテストサンプルのグループマークに基づいて上記グループ化モデルを検証してモデルの正確度を算出するためである。図１４に示されるように、ステップＳ２０２３は、交差検証ステップであり、テストサンプル入力ステップであるステップＳ２０２３１及び正確度算出ステップであるステップＳ２０２３２を備える。ステップＳ２０２３１は、テストサンプル入力ステップであり、複数のテストサンプルの各ピクチャが上記グループ化モデルに入力され、複数のテストサンプルのテストグループマークを取得する。ステップＳ２０２３２は、正確度算出ステップであり、複数のテストサンプルのテストグループマークと上記テストサンプルのグループマークを対比して、同じなマークの数量と上記テストサンプルの数量の、上記一次データモデルの正確度である比率を算出する。上記グループ化モデルの正確度は、予め設置されたプリセットしきい値よりも小さい場合に、上記サンプル分類ステップに戻される。上記グループ化モデルの正確度が上記プリセットしきい値以上である場合に、上記グループ化モデルが商品識別モデルである。プリセットしきい値を９０％とし、グループ化モデルの正確度が９０％よりも小さい場合に、上記サンプル分類ステップに戻され、上記グループ化モデルの正確度が９０％以上である場合に、上記グループ化モデルを商品識別モデルとすると考えられていることは望ましい。

モデルトレーニングのサンプルが十分に多く、サンプルの解像度が高ければ、直接的に一回でトレーニングすれば、Ｆａｓｔｅｒ ＲＣＮＮ ネットワークモデルを利用して一つのグループ化モデルをトレーニングできる。当該グループ化モデルは、ピクチャに表示された商品の種類を有効的に判断できる。ステップＳ２０２は、モデルトレーニングステップであり、グループ化モデルトレーニングステップであるステップＳ２０２２を含まればいい。サンプル取得ステップであるステップＳ２０１において取得された複数グループのピクチャサンプルの全部又は一部をトレーニングサンプルとして、各サンプルピクチャ及びそのグループマークを畳み込みニューラルネットワークモデルに入力して、トレーニングしてからグループ化モデルを取得できる。ここで、上記グループ化モデルが商品識別モデルである。

ステップＳ２０３は、リアルタイムピクチャ取得ステップであり、少なくとも一つのリアルタイムピクチャを連続に取得するためである。各リアルタイムピクチャは、ある商品映像の一部又は全部を含む。ステップＳ２０３は、リアルタイムピクチャ取得ステップであり、各商品に対して複数のピクチャを撮像して、撮影回数が１０～２００回である第２のピクチャ取得ステップを備える。上記商品棚の四つの片隅にそれぞれに一つの第２のカメラ２０６が設けられ、各第２のカメラ２０６の視野範囲が上記商品棚の前方の空間領域を覆い、各第２のカメラ２０６のレンズが上記商品棚の平面の中心領域に向けている。ユーザが手を伸ばして、ある商品を商品棚から取り出した又はある商品を商品棚に戻した場合に、四つの第２のカメラ２０６は、異なる角度で当該商品の全体又は一部に対してピクチャを撮影することができる。ユーザは手で商品を持っている状態で商品棚の前方に１秒に留まると仮定して、四つの第２のカメラ２０６は、１秒内に異なる角度で１２０枚のリアルタイムピクチャを取得する。ここで、各ピクチャの表示内容は、ユーザの手部及び商品の一部を含んでもいい。第２のカメラ２０６は、長時間に通電する又は起動された機器であってもよく、商品棚に第２のカメラ２０６に接続されている赤外線スイッチが設けられて、通常時に電力遮断状態になり、ユーザが商品棚の近くに行進した場合に、赤外線スイッチが熱量を感知して接続され、第２のカメラ２０６が電力供給されることで起動され、ユーザが離れる場合に、赤外線スイッチが熱量を感知できないので切断され、第２のカメラ２０６の電力が切断される機器であってもいい。

ステップＳ２０４は、商品種類取得ステップであり、上記リアルタイムピクチャ及び上記商品識別モデルに基づいて上記リアルタイムピクチャに表示される商品の種類及び数量を取得する。図１５に示されるように、種類判断ステップであるステップＳ２０４は、さらに、グループマーク取得ステップであるステップＳ２０４１及びマーク確実度算出ステップであるステップＳ２０４２を備える。グループマーク取得ステップであるステップＳ２０４１は、複数のリアルタイムピクチャを上記商品識別モデルに入力して複数のリアルタイムピクチャに対応する複数グループマークを取得する。マーク確実度算出ステップであるステップＳ２０４２では、各種類のグループマークの数量と全部のグループマークの総数との比率が算出される。当該比率は各種類のグループマークの確実度であり、確実度が最大であるグループマークに対応する商品の種類は上記リアルタイムピクチャに表示された商品の種類である。ステップＳ２０４を実行してから、リアルタイムピクチャ取得ステップであるステップＳ２０３に戻ることで、次に商品が取り出された場合又は戻された場合に、直ちに商品のピクチャを撮像することができる。

図１６に示されるように、グループマーク取得ステップであるステップＳ２０４１は、第２の特徴抽出ステップであるステップＳ２０４１１、第２の候補領域生成ステップであるステップＳ２０４１２、第２の候補領域マッピングステップであるステップＳ２０４１３、及びグループ区分取得ステップであるステップＳ２０４１４を備える。第２の特徴抽出ステップであるステップＳ２０４１１では、リアルタイムピクチャが畳み込みニューラルネットワーク（ＣＮＮ）に入力され、特徴抽出が行われて、特徴画像（ｆｅａｔｕｒｅ ｍａｐ）が取得される。第２の候補領域生成ステップであるステップＳ２０４１２では、上記リアルタイムピクチャを候補領域ネットワーク（ＲＰＮ）に入力して、複数の候補領域（ｒｅｇｉｏｎ ｐｒｏｐｏｓａｌｓ）を生成する。ここで、各枚のリアルタイムピクチャに対して、３００個の候補領域を生成する。第２の候補領域マッピングステップであるステップＳ２０４１３では、上記リアルタイムピクチャの候補領域（ｒｅｇｉｏｎ ｐｒｏｐｏｓａｌｓ）を畳み込みニューラルネットワークの最終層の特徴画像（ｆｅａｔｕｒｅ ｍａｐ）にマッピングする。グループ区分取得ステップであるステップＳ２０４１４では、複数のピクチャの特徴画像（ｆｅａｔｕｒｅ ｍａｐｓ）と候補領域（ｒｅｇｉｏｎ ｐｒｏｐｏｓａｌｓ）を収集して、候補領域の特徴画像（ｐｒｏｐｏｓａｌ ｆｅａｔｕｒｅ ｍａｐｓ）を算出し、分類器ネットワーク（ｃｌａｓｓｉｆｉｅｒ ネットワーク）に伝送されて、当該リアルタイムピクチャに対応するグループマークを取得する。

マーク確実度算出ステップであるステップＳ２０４２は、上記可能性の結論における上記可能性の結論の各種類のグループマークの数量と上記可能性の結論の全部のグループマークの総数の比率が算出され、当該比率は各種類のグループマークの確実度であり、確実度が最大であるグループマークに対応する商品の種類及び／又は数量は上記リアルタイムピクチャに表示された商品の種類及び／又は数量である。上記の６０個のグループマークを比較して、６０個のグループマークに対応する６０個の商品種類において、商品Ａの出現した回数が３６であり、商品Ｂの出現した回数が１８であり、商品Ｃの出現した回数が６である場合に、三者の確実度がそれぞれに６０％、３０％及び１０％であり、上記リアルタイムピクチャに表示された商品の種類は、確実度が最高である商品Ａであると考えられている。サンプル取得ステップであるステップＳ２０１により取得されたピクチャサンプルには、複数の同じ種類の商品が積み重ねられる写真を含む場合に、商品種類取得ステップであるステップＳ２０４では更に商品の数量を判定することができる。

上記の上記映像モニタリングに基づく商品検知システム及び商品検知方法は、商品棚の前方空間のリアルタイムピクチャに基づいて商品棚における商品の取り出す／戻す状態、取り出された又は戻された商品の具体的な種類を判断できる。また、重量モニタリングに基づく商品検知システムを組み合わせる場合に、更に商品の数量を正確に判断できる。ユーザＩＤ識別技術及びユーザ位置決め追従技術を結んでいる場合に、商品を取り出した又は商品を戻したユーザのＩＤを正確に判断でき、当該ユーザショッピング情報データベースへショッピング記録を正確に追加する又は削除することができることで、ユーザのショッピングが終わると便利に自動的に決済することができる。

以上は、本発明の望ましい実施態様のみであり、当業者がより正確に本発明を理解し且つ実現するためであるが、本発明の範囲を制限するためでない。当業者にとって、その範囲を逸脱しない限りにおいて様々な修正や変更を行うことができる。これらの修正や変更も本発明の範囲と見なされる。

１ 密閉空間、
２ 商品棚、
３ ブラケット、
４ トレイ、
５ フレームプレート、
７ データ処理機器、
１００ ユーザＩＤ識別システム、
１０１ セキュリティシステム、
１０２ ＩＤ識別装置、
１０２１ スキャンコード装置、
１０２２ ＩＤ取得手段、
１０３ ユーザ入口、
１０４ ユーザ出口、
２００ 対象物位置決めシステム、
２０１ 三次元映像取得装置、
２０２ 対象物座標取得手段、
２０１１ 映像センサー、
２０１２ 深度画像センサー、
２０１３ ＲＧＢ画像センサー、
２０１４ 三次元映像整合手段、
２０２１ 座標系作成手段、
２０２２ パラメーター取得手段、
２０２３ 背景除去手段、
２０２４ 対象物座標算出手段、
２０２２１ センサー座標取得手段、
２０２２２ 相対座標取得手段、
２０２２３ 座標補正手段、
４００ 映像モニタリングに基づく商品検知システム、
４０１ サンプル取得手段、
４０２ モデルトレーニング手段、
４０３ リアルタイムピクチャ取得手段、
４０４ 商品種類取得手段、
４０５ 第１のカメラ、
４０６ 第２のカメラ、
４０７ 戻された商品確認手段、
４０８ 取り出した商品確認手段、
４０２１ サンプル分類手段、
４０２２ グループ化モデルトレーニング手段、
４０２３ 交差検証手段、
４０２２１ 特徴抽出手段、
４０２２２ 候補領域生成手段、
４０２２３ 候補領域マッピング手段、
４０２２４ 分類器生成手段、
４０２３１ テストサンプル入力手段、
４０２３２ 正確度算出手段、
４０４１ グループマーク取得手段、
４０４２ マーク確実度算出手段、
４０４１１ 第２の特徴抽出手段、
４０４１２ 第２の候補領域生成手段、
４０４１３ 第２の候補領域マッピング手段、
４０４１４ グループ区分取得手段、
５００ ショッピングユーザ判断システム、
５０１ 商品情報記憶手段、
５０２ フレームプレート座標記憶手段、
５０３ フレームプレートとユーザのマッチング判断手段、
５０４ 商品とユーザのマッチング判断手段、
６００ ショッピング情報データベースシステム、
６０１ ショッピング情報データベース生成手段、
６０２ ショッピング情報データベースアップデート手段、
７００ 決済システム、
７０１ 総額算出手段、
７０２ 支払手段。

Claims (14)

1. 映像モニタリングに基づく商品検知システムであって、
   各グループのピクチャサンプルは複数角度にある同一種の商品の複数枚のサンプルピクチャを含み、同一種の商品の１グループのピクチャサンプルに同じなグループマークが設けられ、当該グループマークが当該グループのピクチャサンプルに対応する商品の種類であり、複数グループのピクチャサンプルを取得するためのサンプル取得手段と、
   複数グループのピクチャサンプルにおける各サンプルピクチャ及びそのグループマークに基づいて畳み込みニューラルネットワークモデルをトレーニングして、商品識別モデルを取得するモデルトレーニング手段と、
   商品棚の前方空間にある少なくとも一つの、商品ピクチャの全部又は一部を含むリアルタイムピクチャを連続に取得するリアルタイムピクチャ取得手段と、
   前記リアルタイムピクチャ及び前記商品識別モデルに基づいて、前記リアルタイムピクチャに表示されている商品の種類及び数量を取得する商品種類取得手段と、を備え、
   前記商品種類取得手段は、
   複数のリアルタイムピクチャを前記商品識別モデルに入力して、可能性の結論として、複数のリアルタイムピクチャに対応する複数グループマークを取得するグループマーク取得手段と、
   前記可能性の結論における各グループマークの数量と前記可能性の結論における全部のグループマークの総数の比率を算出し、当該比率が各グループマークの確実度であり、確実度が最大であるグループマークに対応する商品の種類及び／又は数量は前記リアルタイムピクチャに表示される商品の種類及び／又は数量であるマーク確実度算出手段と、
   を備えることを特徴とする映像モニタリングに基づく商品検知システム。
2. さらに、
   前記サンプル取得手段に接続され、各商品に対して複数角度且つ複数距離でピクチャを撮像する第１のカメラと、
   前記リアルタイムピクチャ取得手段に接続され、商品棚の前方空間のリアルタイムピクチャを撮像する第２のカメラと、を備え、
   ここで、前記第２のカメラには、視野の範囲が前記商品棚の前方空間を覆うレンズが設けられている、
   ことを特徴とする請求項１に記載の映像モニタリングに基づく商品検知システム。
3. 前記第２のカメラの数量が二つ又は四つであり、
   前記第２のカメラのレンズが前記商品棚の前方の空間領域の中部に向き、
   前記第２のカメラのレンズの中心軸と水平面が成す角度は３０～６０度であり、及び／又は
   前記第２のカメラのレンズから前記商品棚の上端又は下端までの距離は０．８～１．２メートルであり、及び／又は
   前記第２のカメラのレンズから前記商品棚の片側の辺までの距離は０．８～１．２メートルである、
   ことを特徴とする請求項２に記載の映像モニタリングに基づく商品検知システム。
4. 前記モデルトレーニング手段は、
   複数グループのトレーニングサンプルにおける各サンプルピクチャ及びそのグループマークを畳み込みニューラルネットワークモデルに入力して、トレーニングによりグループ化モデルを取得するグループ化モデルトレーニング手段、を備え、
   ここで、前記トレーニングサンプルは前記複数グループのピクチャサンプルの全部又は一部であり、前記グループ化モデルが商品識別モデルである、
   ことを特徴とする請求項１に記載の映像モニタリングに基づく商品検知システム。
5. 前記モデルトレーニング手段は、
   複数グループの前記ピクチャサンプルをランダムにトレーニングサンプル及びテストサンプルの二つのタイプに分けるサンプル分類手段と、
   複数グループのトレーニングサンプルにおける各サンプルピクチャ及びそのグループマークを畳み込みニューラルネットワークモデルに入力して、トレーニングによりグループ化モデルを取得するグループ化モデルトレーニング手段と、
   複数グループのテストサンプルの各ピクチャ及び各グループのテストサンプルのグループマークに基づき、前記グループ化モデルを検証してモデルの正確度を算出し、前記グループ化モデルの正確度がプリセットしきい値より小さい場合に前記サンプル分類手段に戻し、前記グループ化モデルの正確度が前記プリセットしきい値以上である場合に前記グループ化モデルを商品識別モデルとする交差検証手段と、
   を備えることを特徴とする請求項４に記載の映像モニタリングに基づく商品検知システム。
6. 前記グループ化モデルトレーニング手段は、
   各トレーニングサンプルのピクチャを畳み込みニューラルネットワークに入力して、特徴を抽出し、特徴画像を取得する特徴抽出手段と、
   各トレーニングサンプルのピクチャを候補領域ネットワークに入力して、複数の候補領域を生成する候補領域生成手段と、
   各トレーニングサンプルのピクチャの候補領域を畳み込みニューラルネットワークの最終層の畳み込み層の特徴画像にマッピングする候補領域マッピング手段と、
   複数のトレーニングサンプルのピクチャの特徴画像及び候補領域を収集して、候補領域の特徴画像を算出し且つ分類器ネットワークに伝送することにより分類器を生成する分類器生成手段と、
   を備えることを特徴とする請求項４又は５に記載の映像モニタリングに基づく商品検知システム。
7. 前記交差検証手段は、
   複数のテストサンプルの各ピクチャを前記グループ化モデルに入力して、複数のテストサンプルのテストグループマークを取得するテストサンプル入力手段と、
   複数のテストサンプルのテストグループマークと前記テストサンプルのグループマークを対比して、同じなマークの数量と前記テストサンプルの数量の、一次データモデルの正確度である比率を算出する正確度算出手段と、
   を備えることを特徴とする請求項５に記載の映像モニタリングに基づく商品検知システム。
8. 前記グループマーク取得手段は、
   一つのリアルタイムピクチャを畳み込みニューラルネットワークに入力して、特徴を抽出し、特徴画像を取得する第２の特徴抽出手段と、
   前記リアルタイムピクチャを候補領域ネットワークに入力して、複数の候補領域を生成する第２の候補領域生成手段と、
   前記リアルタイムピクチャの候補領域を畳み込みニューラルネットワークの最終層の特徴画像にマッピングする第２の候補領域マッピング手段と、
   複数のピクチャの特徴画像及び候補領域を収集し、候補領域の特徴画像を算出して分類器ネットワークに伝送し、当該リアルタイムピクチャに対応するグループマークを取得するグループマーク取得手段と、
   を備えることを特徴とする請求項１に記載の映像モニタリングに基づく商品検知システム。
9. 映像モニタリングに基づく商品検知方法であって、
   各グループのピクチャサンプルは複数角度にある同一種の商品の複数枚のサンプルピクチャを含み、同一種の商品の１グループのピクチャサンプルに同じなグループマークが設けられ、当該グループマークが当該グループのピクチャサンプルに対応する商品の種類であり、複数グループのピクチャサンプルを取得するためのサンプル取得ステップと、
   複数グループのピクチャサンプルにおける各サンプルピクチャ及びそのグループマークに基づいて畳み込みニューラルネットワークモデルをトレーニングして、商品識別モデルを取得するモデルトレーニングステップと、
   商品棚の前方空間にある少なくとも一つの、商品ピクチャの全部又は一部を含むリアルタイムピクチャを連続に取得するリアルタイムピクチャ取得ステップと、
   前記リアルタイムピクチャ及び前記商品識別モデルに基づいて、前記リアルタイムピクチャに表示されている商品の種類及び数量を取得する商品種類取得ステップと、を備え、
   前記商品種類取得ステップは、
   複数のリアルタイムピクチャを前記商品識別モデルに入力して、可能性の結論として、複数のリアルタイムピクチャに対応する複数グループマークを取得するグループマーク取得ステップと、
   前記可能性の結論における各グループマークの数量と前記可能性の結論における全部のグループマークの総数の比率を算出し、当該比率が各グループマークの確実度であり、確実度が最大であるグループマークに対応する商品の種類及び／又は数量は前記リアルタイムピクチャに表示される商品の種類及び／又は数量であるマーク確実度算出ステップと、
   を備えることを特徴とする映像モニタリングに基づく商品検知方法。
10. 前記モデルトレーニングステップは、
    複数グループのトレーニングサンプルにおける各サンプルピクチャ及びそのグループマークを畳み込みニューラルネットワークモデルに入力して、トレーニングによりグループ化モデルを取得するグループ化モデルトレーニングステップ、を備え、
    ここで、前記トレーニングサンプルは前記複数グループのピクチャサンプルの全部又は一部であり、前記グループ化モデルが商品識別モデルである
    ことを特徴とする請求項９に記載の映像モニタリングに基づく商品検知方法。
11. 前記モデルトレーニングステップは、
    複数グループの前記ピクチャサンプルをランダムにトレーニングサンプル及びテストサンプルの二つのタイプに分けるサンプル分類ステップと、
    複数グループのトレーニングサンプルにおける各サンプルピクチャ及びそのグループマークを畳み込みニューラルネットワークモデルに入力して、トレーニングによりグループ化モデルを取得するグループ化モデルトレーニングステップと、
    複数グループのテストサンプルの各ピクチャ及び各グループのテストサンプルのグループマークに基づき、前記グループ化モデルを検証してモデルの正確度を算出し、前記グループ化モデルの正確度がプリセットしきい値より小さい場合に前記サンプル分類ステップに戻し、前記グループ化モデルの正確度が前記プリセットしきい値以上である場合に前記グループ化モデルを商品識別モデルとする交差検証ステップと、
    を備えることを特徴とする請求項９に記載の映像モニタリングに基づく商品検知方法。
12. 前記グループ化モデルトレーニングステップは、
    各トレーニングサンプルのピクチャを畳み込みニューラルネットワークに入力して、特徴を抽出し、特徴画像を取得する特徴抽出ステップと、
    各トレーニングサンプルのピクチャを候補領域ネットワークに入力して、複数の候補領域を生成する候補領域生成ステップと、
    各トレーニングサンプルのピクチャの候補領域を畳み込みニューラルネットワークの最終層の畳み込み層の特徴画像にマッピングする候補領域マッピングステップと、
    複数のトレーニングサンプルのピクチャの特徴画像及び候補領域を収集して、候補領域の特徴画像を算出し且つ分類器ネットワークに伝送することにより分類器を生成する分類器生成ステップと、
    を備えることを特徴とする請求項１０又は１１に記載の映像モニタリングに基づく商品検知方法。
13. 前記交差検証ステップは、
    複数のテストサンプルの各ピクチャを前記グループ化モデルに入力して、複数のテストサンプルのテストグループマークを取得するテストサンプル入力ステップと、
    複数のテストサンプルのテストグループマークと前記テストサンプルのグループマークを対比して、同じなマークの数量と前記テストサンプルの数量の、一次データモデルの正確度である比率を算出する正確度算出ステップと、
    備えることを特徴とする請求項１１に記載の映像モニタリングに基づく商品検知方法。
14. 前記グループマーク取得ステップは、
    一つのリアルタイムピクチャを畳み込みニューラルネットワークに入力して、特徴を抽出し、特徴画像を取得する第２の特徴抽出ステップと、
    前記リアルタイムピクチャを候補領域ネットワークに入力して、複数の候補領域を生成する第２の候補領域生成ステップと、
    前記リアルタイムピクチャの候補領域を畳み込みニューラルネットワークの最終層の特徴画像にマッピングする第２の候補領域マッピングステップと、
    複数のピクチャの特徴画像及び候補領域を収集し、候補領域の特徴画像を算出して分類器ネットワークに伝送し、当該リアルタイムピクチャに対応するグループマークを取得するグループマーク取得ステップと、
    を備えることを特徴とする請求項９に記載の映像モニタリングに基づく商品検知方法。

Images