[go: up one dir, main page]

CN111476609A - 零售数据获取方法、系统、设备及存储介质 - Google Patents

零售数据获取方法、系统、设备及存储介质 Download PDF

Info

Publication number
CN111476609A
CN111476609A CN202010277158.9A CN202010277158A CN111476609A CN 111476609 A CN111476609 A CN 111476609A CN 202010277158 A CN202010277158 A CN 202010277158A CN 111476609 A CN111476609 A CN 111476609A
Authority
CN
China
Prior art keywords
information
image
human body
user
commodity
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
CN202010277158.9A
Other languages
English (en)
Inventor
陈智斌
农英雄
梁冬
孙忱
韦屹
潘剑
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.)
China Tobacco Guangxi Industrial Co Ltd
Original Assignee
China Tobacco Guangxi Industrial 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 China Tobacco Guangxi Industrial Co Ltd filed Critical China Tobacco Guangxi Industrial Co Ltd
Priority to CN202010277158.9A priority Critical patent/CN111476609A/zh
Publication of CN111476609A publication Critical patent/CN111476609A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0203—Market surveys; Market polls
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Game Theory and Decision Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Social Psychology (AREA)
  • Psychiatry (AREA)
  • Image Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及数据采集技术领域，具体涉及一种零售数据获取方法、系统、设备及存储介质。本发明的零售数据获取方法包括：获取商品图像及用户图像；根据所述用户图像提取用户特征信息，所述用户特征信息包括：人脸图像信息和人体姿态信息；根据所述人脸图像信息、人体姿态信息、所述商品图像，判断是否存在商品购买行为；当存在商品购买行为时，根据所述商品图像获取商品信息，将所述用户特征信息与所述商品信息生成零售数据，本发明的零售数据获取方法是自动进行获取，与用户之间无交互、配合，其获取的数据更加全面、准确可靠，而且这种零售数据获取方法能够应用于无人超市中，也能替换传统的采用POS获取零售数据的方法，适用性好。

Description

零售数据获取方法、系统、设备及存储介质
技术领域
本发明涉及数据采集技术领域，具体涉及一种零售数据获取方法、系统、设备及存储介质。
背景技术
通过采集和分析零商品的零售数据，可获知商品销售趋势，进而针对性的制定销售策略和生产计划，因此，获取零售数据对于商品零售企业和商品制造企业来说是非常重要的。
传统的获取零售数据的方式为：通过市场人员到商品零售点进行零售数据采集，由于商品零售点一般都非常分散且数量众多，若想要获取全面的商品零售数据，则需要在所有零售点都住派市场人员，然而其带来的人力、物力、财力消耗巨大，一般只获取小部分数据信息并对其进行分析，因此准确性、可靠性差。
另一种获取零售数据的方式为：在商品零售点设置销售终端，即POS(point ofsale)机，要求零售点通过POS机完成商品的零售，最终通过个各POS机中商品的零售记录获取商品的零售数据。相对于传统的人为采集，这种POS机能获取的数据十分全面，解决了零售业信息管理盲点，目前已经得到广泛应用。
由于POS机需买家主动刷卡或扫付款码才能获取所购买的商品信息，因此很有可能存在漏报、瞒报的问题，其信息的准确性、可靠性依然不够好，而且随着智能化的发展，无人超市已成为趋势，这种POS机获取信息的方法显然已无法满足无人超市要求。
发明内容
因此，本发明提供一种零售数据获取方法、系统、设备及存储介质，以解决现有技术中的零售数据获取方式准确性、可靠性差的问题。
根据第一方面，本发明实施例提供一种零售数据获取方法，包括：获取商品图像及用户图像；根据所述用户图像提取用户特征信息，所述用户特征信息包括：人脸图像信息和人体姿态信息；根据所述人脸图像信息、人体姿态信息、所述商品图像，判断是否存在商品购买行为；当存在商品购买行为时，根据所述商品图像获取商品信息，将所述用户特征信息与所述商品信息生成零售数据。
结合第一方面，在第一方面第一实施方式中，所述用户特征信息还包括：根据所述人脸图像信息获取的身份信息。
结合第一方面，在第一方面第一实施方式中，根据所述用户图像提取人体姿态信息，包括：通过预设的人体姿态识别模型，识别所述用户图像中的人体姿态信息。
结合第一方面，在第一方面第三实施方式中，通过以下过程构建所述人体姿态识别模型：采集设定区域内的用户图像样本，所述用户图像样本中标记有人体关键点信息；根据所述用户图像样本及人体关键点对预设神经网络模型进行训练，生成所述人体姿态识别模型。
结合第一方面，在第一方面第四实施方式中，还包括：将所述人脸图像信息与相对应的所述人体姿态信息进行关联。
结合第一方面，在第一方面第五实施方式中，将所述人脸图像信息与相对应的所述人体姿态信息进行关联，包括：计算各个人脸图像信息到所述人体关键点空间位置距离；将所述空间位置距离小于阈值距离的所述人脸图像信息和所述人体关键点对应的所述人体姿态信息关联为同一用户。
结合第一方面，在第一方面第四实施方式中，根据所述人体姿态信息、所述商品图像，判断是否存在商品购买行为，包括：判断所述人体关键点中的左手关键点和\或右手关键点是否与所述商品图像重合；当重合时，判断所述商品图像是否离开所述设定区域；当所述商品图像离开所述设定区域时，判定存在购买行为。
根据第二方面，本发明实施例提供一种零售数据获取系统，包括：图像采集模块，用于获取商品图像及用户图像；用户特征提取模块，用于根据所述用户图像提取用户特征信息，所述用户特征信息包括：人脸图像信息和人体姿态信息；信息处理模块，用于根据所述人脸图像信息、人体姿态信息、所述商品图像，判断是否存在商品购买行为；信息生成模块，用于当存在商品购买行为时，根据所述商品图像获取商品信息，将所述用户特征信息与所述商品信息生成零售数据。
根据第三方面，本发明实施例提供一种零售数据获取设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行第一方面或者第一方面的任意一种实施方式中所述的零售数据获取方法。
根据第四方面，本发明实施例提供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指令，所述计算机指令用于使所述计算机执行第一方面或者第一方面任意一种实施方式中所述的零售数据获取方法。
本发明的技术方案，具有如下优点：
上述零售数据获取方法、系统、装置及存储介质，获取商品图像及用户图像；根据所述用户图像提取用户特征信息，所述用户特征信息包括：人脸图像信息和人体姿态信息；根据所述人脸图像信息、所述人体姿态信息、所述商品图像，判断是否存在商品购买行为；当存在商品购买行为时，根据所述商品图像获取商品信息，将所述用户特征信息与所述商品信息生成零售数据。相对于现有的零售数据获取方法，本发明实施例的零售数据获取方法是自动进行获取，与用户之间无交互、配合，其获取的数据更加全面、准确可靠，而且这种零售数据获取方法能够应用于无人超市中，也能替换传统的采用POS获取零售数据的方法，适用性好。
附图说明
通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：
图1为本发明实施例的零售数据获取方法的流程图之一；
图2为本发明实施例的零售数据获取方法的流程图之二；
图3为本发明实施例的人体关键点的示意图；
图4为本发明实施例的零售数据获取方法的场景示意图；
图5为本发明实施例的零售数据获取系统的示意图。
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，下面将结合本发明实施例中的附图，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。
实施例一
如图1所示，本发明实施例的零售数据获取方法包括：
S11.获取商品图像及用户图像；商品图像可以为采取商品的主视图或者其他方向的视图均可。
S12.根据所述用户图像提取用户特征信息，所述用户特征信息包括：人脸图像信息和人体姿态信息；
其中，步骤S12中，根据所述用户图像提取人体姿态信息，包括：
构建人体姿态识别模型，通过预设的人体姿态识别模型，识别所述用户图像中的人体姿态信息。其中，如图2所示，构建人体姿态识别模型包括以下过程：
S31.采集设定区域内的用户图像样本，根据用户图像样本获取深度图像，所述深度图像可以为RGBD格式的深度图像。
S32.根据所述深度图像获取对应的特征图组，本实施例中通过残差网络(Residual Network，ResNets)对所述深度图像进行特征提取以获取所述特征图组；
S33.根据所述特征图组获取各人体关键点的位置，以及用于连接所述人体关键点的肢体向量；
具体地，根据所述特征图组获取各人体关键点的位置包括：通过部分检测置信度(Part Detection Confidence Maps，CMP)网络和部分亲和字段(Part Affinity Fields，PAF)网络，按照自底向上的顺序对所述特征图组进行检测，提取各个人体关键点的位置以及用于连接所述人体关键点的肢体向量。
S34.根据人体关键点和所述肢体向量对预设神经网络模型进行训练，生成所述人体姿态识别模型。具体地，先检测出深度图像中的所有人体关键点，以及用于连接所述人体关键点的肢体向量，然后再计算人体关键点和肢体向量的相关性，将相关的人体关键点和肢体向量匹配，得到各个用户的人体关键点连接图。
如图3所示，在检测出深度图像中的所有人体关键点时，采用顶而下的俯视视角获取深度图像，检测头部关键点41、左肩关键点42、右肩关键点43、左肘关键点44、右肘关键点45、左手关键点46以及右手关键点47；目前，现有技术中常用的人体关键点检测算法有OpenPose、DensePose、AlphaPose，不过这些检测算法都是基于平面图像进行21个人体关键点检测进行的，所需的计算量较大，在计算能力有限的移动端或者嵌入式设备中无法保证实时计算，进而可能会导致检测延迟较大，甚至检测失败。
本方案的人体姿态识别模型，只要检测7个人体关键点，因此可以在保持检测准确性的基础上，减小所需的计算量，进而提高人体关键点以及连接所述人体关键点的肢体向量的实时性。
需说明的是，在神经网络模型训练过程中，由于传统的平面图像数据增强法无法应用在深度图像上，因此可根据深度相机的成像原理改变图像中的采集点相对于相机的角度与距离，得到原始深度图像经过不同角度和距离后变换后的图像数据，这种方法增加了训练数据的多样性，提高了神经网络模型的泛化能力。
作为另一种实施方式，将所述人脸图像信息与相对应的所述人体姿态信息进行关联，包括：
计算各个人脸图像信息到所述人体关键点空间位置距离；
将所述空间位置距离小于阈值距离的所述人脸图像信息和所述人体关键点对应的所述人体姿态信息关联为同一用户。须说明的是，若采用多个图像采集装置时，可将多个图像采集装置采集的图像转换到同一空间坐标系中。本发明实施例中的阈值距离的大小可以根据坐标转换过程中的计算误差以及同一用户的人脸图像信息和头部关键点的真实距离确定，本发明实施例对阈值距离的大小不作限定。
作为另一种实施方式，所述用户特征信息还包括：根据所述人脸图像信息获取身份信息，可根据人脸识别技术获取第一用户的身份信息，人脸识别技术是一种基于人的脸部特征信息进行身份识别的生物识别技术。人脸识别的过程一般包括：。
a.获取人脸识别的源图像；本发明实施例中的人脸识别的源图像为在所述设定区域内各个用户的人脸图像信息。
可选的，在获取人脸识别的源图像后还可以先判断源图像是否满足人脸识别的清晰度要求，若满足，则执行后续步骤，若不满足，则丢弃本次采集的源图像。
b.检测源图像中所有人脸的位置框(位置框为用于标识特定目标的框图)。
c.对每一个位置框中的人脸进行特征提取，获取人脸特征向量。
d.将人脸特征向量与人脸特征数据库中的人脸特征向量进行匹配；若提取的人脸特征向量与人脸特征数据库中的人脸特征向量相匹配，则确定对应的用户的身份信息即为人脸特征数据库中的人脸特征向量所对应的用户身份信息，若不匹配，则增加唯一的身份信息作为提取人脸特征向量的人脸的用户的身份信息，并在人脸特征数据库中增加该用户的身份信息和人脸特征向量。
作为可变换的实施方式，根据所述人脸图像信息获取身份信息，包括：先采集所述设定区域内所有用户的人脸图像信息，并根据人脸图像信息获取每一个用户的身份信息，当确定第一用户购买了第一商品的情况下，从用户信息采集区域内所有用户的身份信息中确定第一用户的身份信息，也可以为先获取用户所述设定区域内所有用户的人脸图像信息，在确定第一用户购买了第一商品后，再根据第一用户的人脸图像信息获取第一用户的身份信息。通过获取身份信息，其所获得的信息更加全面，不仅能够获取商品销售数量，同时也能够获取购买商品的用户的年龄、性别等信息进行分析。
在通过上述步骤S12根据所述用户图像提取用户特征信息，得到人脸图像信息和人体姿态信息后，执行步骤S13。
步骤S13包括根据所述人脸图像信息、所述人体姿态信息、所述商品图像，判断是否存在商品购买行为，具体包括：
判断所述人体关键点中的左手关键点和\或右手关键点是否与所述商品图像重合；
当重合时，判断所述商品图像是否离开所述设定区域；
S14.当存在商品购买行为时，根据所述商品图像获取商品信息，将所述用户特征信息与所述商品信息生成零售数据；当不存在购买行为时，则执行步骤S11，实现循环。
根据所述商品图像获取商品信息时可使用商品识别技术，包括：
1.获取商品识别的源图像；
本发明实施例中的商品识别的源图像为各商品的商品图像。
可选的，在获取商品识别的源图像后还可以先判断源图像是否满足商品识别的清晰度要求，若满足，则执行后续步骤，若不满足，则丢弃本次采集的源图像。
2.检测源图像中所有商品的位置框；
3.对每一个位置框中的商品进行特征提取，获取商品特征向量；
4.将商品特征向量与商品特征数据库中的商品特征向量进行匹配，获取对应的商品信息；
示例性的，商品信息可以包括商品的品牌、型号、零售价等信息。例如：某一商品的商品信息可以为：品名：xx香烟、型号：xy111020、零售价：99元。
作为可变换的实施方式，根据所述商品图像获取商品信息，包括：先采集所述设定区域内所有商品的商品图像，并根据商品图像获取每一个商品的商品信息，当确定第一用户购买了第一商品的情况下，从商品识别内所有商品的商品信息中确定第一商品的商品信息，也可以为：先仅获取商品识别区域内所有商品的商品图像，在确定第一用户购买了第一商品后，再根据第一商品的商品图像获取第一商品的商品信息。
综上，本发明实施例中不限定根据人脸图像信息获取身份信息，以及根据商品图像获取所述商品信息的时序，只要所述第一用户的身份信息和所述第一商品的商品信息在生成零售数据之前获取即可。
本发明实施例的零售数据获取方法是自动进行实时采集和实时处理，即采集后的数据已经是结构化数据，无须再云端进行二次的识别处理工作，且与用户之间无交互、配合，其获取的数据更加高效、全面、准确可靠，而且这种零售数据获取方法能够应用于无人超市中，也能替换传统的采用POS获取零售数据的方法，适用性好。
实施例二
本发明实施例提供一种零售数据获取系统，如图5所示，包括：
图像采集模块51，用于获取商品图像及用户图像；
用户特征提取模块52，用于根据所述用户图像提取用户特征信息，所述用户特征信息包括：人脸图像信息和人体姿态信息；
信息处理模块53，用于根据所述人脸图像信息、人体姿态信息、所述商品图像，判断是否存在商品购买行为；
信息生成模块54，用于当存在商品购买行为时，根据所述商品图像获取商品信息，将所述用户特征信息与所述商品信息生成零售数据。
实施例三
本发明实施例提供一种零售数据获取设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行实施例一或实施例一中任意一种实施方式中所述的零售数据获取方法。
如图4所示，还包括第一图像采集装置21和第二图像采集装置22，第一图像采集装置第一图像采集21装置倾斜设置以便于采集人脸图像信息，第二图像采集装置22竖向朝下设置，用于采集人体姿态信息和商品图像，可选的，第二图像采集装置22可以为RGBD(redgreen blue depth，红绿蓝深度)相机。
本发明实施例中，实施例一所述设定区域包括：用于采集用户人脸图像信息和用户人体姿态的用户信息采集区域201，以及采集商品信息的商品信息采集区域202，两种不同的区域通过图4中的阴影进行示意说明。
实施例四
本发明实施例提供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指令，所述计算机指令用于使所述计算机执行实施例一或者实施例一中任意一种实施方式中所述的零售数据获取方法。所述存储介质可为磁碟、光盘、只读存储记忆体(Read－Only Memory，ROM)、随机存储记忆体(RandomAccess Memory，RAM)、快闪存储器(FlashMemory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid－State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (10)

1.一种零售数据获取方法，其特征在于，包括：
获取商品图像及用户图像；
根据所述用户图像提取用户特征信息，所述用户特征信息包括：人脸图像信息和人体姿态信息；
根据所述人脸图像信息、所述人体姿态信息、所述商品图像，判断是否存在商品购买行为；
当存在商品购买行为时，根据所述商品图像获取商品信息，将所述用户特征信息与所述商品信息生成零售数据。
2.根据权利要求1所述的零售数据获取方法，其特征在于，所述用户特征信息还包括：根据所述人脸图像信息获取的身份信息。
3.根据权利要求1所述的零售数据获取方法，其特征在于，根据所述用户图像提取人体姿态信息，包括：
通过预设的人体姿态识别模型，识别所述用户图像中的人体姿态信息。
4.根据权利要求3所述的零售数据获取方法，其特征在于，通过以下过程构建所述人体姿态识别模型：
采集设定区域内的用户图像样本，所述用户图像样本中标记有人体关键点信息；
根据所述用户图像样本及人体关键点对预设神经网络模型进行训练，生成所述人体姿态识别模型。
5.根据权利要求4所述的零售数据获取方法，其特征在于，还包括：
将所述人脸图像信息与相对应的所述人体姿态信息进行关联。
6.根据权利要求5所述的零售数据获取方法，其特征在于，将所述人脸图像信息与相对应的所述人体姿态信息进行关联，包括：
计算各个人脸图像信息到所述人体关键点空间位置距离；
将所述空间位置距离小于阈值距离的所述人脸图像信息和所述人体关键点对应的所述人体姿态信息关联为同一用户。
7.根据权利要求4所述的零售数据获取方法，其特征在于，根据所述人体姿态信息、所述商品图像，判断是否存在商品购买行为，包括：
判断所述人体关键点中的左手关键点和\或右手关键点是否与所述商品图像重合；
当重合时，判断所述商品图像是否离开所述设定区域；
当所述商品图像离开所述设定区域时，判定存在购买行为。
8.一种零售数据获取系统，其特征在于，包括：
图像采集模块，用于获取商品图像及用户图像；
用户特征提取模块，用于根据所述用户图像提取用户特征信息，所述用户特征信息包括：人脸图像信息和人体姿态信息；
信息处理模块，用于根据所述人脸图像信息、人体姿态信息、所述商品图像，判断是否存在商品购买行为；
信息生成模块，用于当存在商品购买行为时，根据所述商品图像获取商品信息，将所述用户特征信息与所述商品信息生成零售数据。
9.一种零售数据获取设备，其特征在于，包括：
存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1－8中任一项所述的零售数据获取方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行权利要求1－8中任一项所述的零售数据获取方法。
CN202010277158.9A 2020-04-10 2020-04-10 零售数据获取方法、系统、设备及存储介质 Pending CN111476609A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010277158.9A CN111476609A (zh) 2020-04-10 2020-04-10 零售数据获取方法、系统、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010277158.9A CN111476609A (zh) 2020-04-10 2020-04-10 零售数据获取方法、系统、设备及存储介质

Publications (1)

Publication Number Publication Date
CN111476609A true CN111476609A (zh) 2020-07-31

Family

ID=71751773

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010277158.9A Pending CN111476609A (zh) 2020-04-10 2020-04-10 零售数据获取方法、系统、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111476609A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112149577A (zh) * 2020-09-24 2020-12-29 信雅达系统工程股份有限公司 基于神经网络图像识别的智能结算系统
CN112784786A (zh) * 2021-01-29 2021-05-11 联想(北京)有限公司 人体姿态识别方法及装置
CN115100640A (zh) * 2022-08-29 2022-09-23 北京海上升科技有限公司 基于人工智能的智慧超市商品销售大数据检测方法及系统
CN117058587A (zh) * 2023-08-14 2023-11-14 浙江中烟工业有限责任公司 一种营销统计方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108399367A (zh) * 2018-01-31 2018-08-14 深圳市阿西莫夫科技有限公司 手部动作识别方法、装置、计算机设备及可读存储介质
CN108520194A (zh) * 2017-12-18 2018-09-11 上海云拿智能科技有限公司 基于影像监测的货品感知系统及货品感知方法
CN108830251A (zh) * 2018-06-25 2018-11-16 北京旷视科技有限公司 信息关联方法、装置和系统
CN109117803A (zh) * 2018-08-21 2019-01-01 腾讯科技（深圳）有限公司 人脸图像的聚类方法、装置、服务器及存储介质
CN110647819A (zh) * 2019-08-28 2020-01-03 中国矿业大学 一种井下人员跨越皮带异常行为检测方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108520194A (zh) * 2017-12-18 2018-09-11 上海云拿智能科技有限公司 基于影像监测的货品感知系统及货品感知方法
CN108399367A (zh) * 2018-01-31 2018-08-14 深圳市阿西莫夫科技有限公司 手部动作识别方法、装置、计算机设备及可读存储介质
CN108830251A (zh) * 2018-06-25 2018-11-16 北京旷视科技有限公司 信息关联方法、装置和系统
CN109117803A (zh) * 2018-08-21 2019-01-01 腾讯科技（深圳）有限公司 人脸图像的聚类方法、装置、服务器及存储介质
CN110647819A (zh) * 2019-08-28 2020-01-03 中国矿业大学 一种井下人员跨越皮带异常行为检测方法及装置

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112149577A (zh) * 2020-09-24 2020-12-29 信雅达系统工程股份有限公司 基于神经网络图像识别的智能结算系统
CN112784786A (zh) * 2021-01-29 2021-05-11 联想(北京)有限公司 人体姿态识别方法及装置
CN112784786B (zh) * 2021-01-29 2025-03-28 联想(北京)有限公司 人体姿态识别方法及装置
CN115100640A (zh) * 2022-08-29 2022-09-23 北京海上升科技有限公司 基于人工智能的智慧超市商品销售大数据检测方法及系统
CN115100640B (zh) * 2022-08-29 2023-12-12 广东番客连锁品牌管理有限公司 基于人工智能的智慧超市商品销售大数据检测方法及系统
CN117058587A (zh) * 2023-08-14 2023-11-14 浙江中烟工业有限责任公司 一种营销统计方法及装置

Similar Documents

Publication Publication Date Title
CN106203242B (zh) 一种相似图像识别方法及设备
US11638490B2 (en) Method and device for identifying product purchased by user and intelligent shelf system
CN109657631B (zh) 人体姿态识别方法及装置
CN108009528B (zh) 基于Triplet Loss的人脸认证方法、装置、计算机设备和存储介质
CN111476609A (zh) 零售数据获取方法、系统、设备及存储介质
KR102358607B1 (ko) 인공지능 감정 시스템, 인공지능 감정 방법 및 기록 매체
CN109426785B (zh) 一种人体目标身份识别方法及装置
TWI774271B (zh) 關鍵點檢測方法、電子設備及電腦可讀儲存介質
WO2017024963A1 (zh) 图像识别方法、度量学习方法、图像来源识别方法及装置
CN109840503B (zh) 一种确定种类信息的方法及装置
CN105590097A (zh) 暗视觉条件下双摄像头协同实时人脸识别安防系统及方法
KR101216115B1 (ko) 고객 인적정보 생성방법 및 생성장치, 그 기록매체 및 포스 시스템
CN110674680B (zh) 活体识别的方法、装置、存储介质
CN107918767B (zh) 目标检测方法、装置、电子设备及计算机可读介质
JP2016057940A (ja) 画像処理装置及び画像処理プログラム
US20190318491A1 (en) System and method for gathering data related to quality service in a customer service environment
Sun et al. Human recognition for following robots with a Kinect sensor
Kwaśniewska et al. Face detection in image sequences using a portable thermal camera
WO2022021400A1 (zh) 一种电商评论鉴别标记系统
CN113469138B (zh) 对象检测方法和装置、存储介质及电子设备
CN114360057A (zh) 数据处理方法及相关装置
US20210166041A1 (en) System and method for tracking customer movements in a customer service environment
US12380319B2 (en) Computer-readable recording medium storing person identification machine learning program, person identification machine learning method, and information processing apparatus
US12293586B2 (en) Computer-readable recording medium storing person identification determination program, person identification determination method, and information processing apparatus
Goud et al. Smart attendance notification system using SMTP with face recognition

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200731