【技術(shù)實(shí)現(xiàn)步驟摘要】
本專(zhuān)利技術(shù)涉及融合多類(lèi)型傳感器信息的智能購(gòu)物車(chē)用戶(hù)行為決策方法及裝置，屬于智能購(gòu)物車(chē)領(lǐng)域。
技術(shù)介紹
1、隨著智能技術(shù)的發(fā)展，智能購(gòu)物車(chē)已成為零售行業(yè)的重要發(fā)展方向。傳統(tǒng)的購(gòu)物車(chē)通常只是用于放置商品，而智能購(gòu)物車(chē)通過(guò)智能化、自動(dòng)化的方式，幫助消費(fèi)者更高效地完成購(gòu)物過(guò)程，提升購(gòu)物效率，優(yōu)化購(gòu)物體驗(yàn)。
2、目前市場(chǎng)上有三種智能購(gòu)物車(chē)，一種是以稱(chēng)重為主體的智能購(gòu)物車(chē)，一種是圖像方法的智能購(gòu)物車(chē)，還有就是兩種方法相結(jié)合的智能購(gòu)物車(chē)；包含稱(chēng)重的智能購(gòu)物車(chē)與現(xiàn)有的基礎(chǔ)的秤一樣，獲取的重量的可靠性要求秤體水平靜止；圖像傳感器是通過(guò)圖像識(shí)別放入或取出的物品，存在一定的識(shí)別誤差，且不感知商品的重量，兩種相結(jié)合的方法是基于重量的首次匹配，匹配不成功采用圖像匹配滿(mǎn)足則通過(guò)，否則不通過(guò)，是串行方法。
3、在純重量的智能購(gòu)物車(chē)中，為了分辨不同種類(lèi)商品間的重量差，智能購(gòu)物車(chē)采用的重量傳感器通常具有高精度和高靈敏度。在超市購(gòu)物過(guò)程中，用戶(hù)的購(gòu)物行為具有隨意性、復(fù)雜性，而所購(gòu)商品具有多樣性。例如用戶(hù)觸碰、手扶購(gòu)物框行為等會(huì)造成重量值的偏移，尺寸較大商品倚靠邊框等也會(huì)造成實(shí)際重量小于商品的標(biāo)準(zhǔn)重量，商品包裝變化也會(huì)造成商品實(shí)際重量和數(shù)據(jù)庫(kù)中的標(biāo)記的商品重量不一致，而且超市中也有許多價(jià)格不同而商品質(zhì)量相同的商品。這些情況經(jīng)常會(huì)導(dǎo)致消費(fèi)者按正常操作流程購(gòu)物而無(wú)法結(jié)算。
4、在純圖像的智能購(gòu)物車(chē)中，利用購(gòu)物車(chē)車(chē)體上安裝的攝像頭準(zhǔn)確捕捉用戶(hù)的購(gòu)物過(guò)程，采用商品目標(biāo)的檢測(cè)、跟蹤、比對(duì)識(shí)別算法，識(shí)別用戶(hù)放入購(gòu)物車(chē)或從購(gòu)物車(chē)取出商品的類(lèi)別和
5、目前綜合圖像信息和重力信息的智能購(gòu)物車(chē)用戶(hù)行為決策方式采用重力信號(hào)穩(wěn)定狀態(tài)下的重力值作為一個(gè)決策依據(jù)，再融合運(yùn)動(dòng)商品的軌跡特征最終做出用戶(hù)購(gòu)物行為的決策判斷，屬于串行決策流程，其中一種信息置信度的降低會(huì)造成最終決策結(jié)果置信度的降低。購(gòu)物車(chē)運(yùn)動(dòng)、碰撞、手扶框、商品壓框等行為都會(huì)導(dǎo)致重力信息的不準(zhǔn)確或無(wú)法達(dá)到穩(wěn)定狀態(tài)；快速加購(gòu)、購(gòu)物過(guò)程中商品被遮擋、商品檢測(cè)算法的漏檢等都會(huì)造成運(yùn)動(dòng)商品軌跡太短，圖像信息不準(zhǔn)確。這些情況都會(huì)造成最終的決策結(jié)果置信度的降低。決策的可靠性需要圖像信息和重力信息都具有較高的置信度，有降低了這種串行決策算法的普適性。
技術(shù)實(shí)現(xiàn)思路
1、本專(zhuān)利技術(shù)提供了融合多類(lèi)型傳感器信息的智能購(gòu)物車(chē)用戶(hù)行為決策方法及裝置，解決了
技術(shù)介紹
中披露的問(wèn)題。
2、為了解決上述技術(shù)問(wèn)題，本專(zhuān)利技術(shù)所采用的技術(shù)方案是：
3、融合多類(lèi)型傳感器信息的智能購(gòu)物車(chē)用戶(hù)行為決策方法：
4、確定用戶(hù)購(gòu)物事件發(fā)生的起始時(shí)間t0至終止時(shí)間t1的時(shí)間段；
5、獲取起始時(shí)間t0至終止時(shí)間t1的時(shí)間段商品的重量信息、圖像信息和運(yùn)動(dòng)軌跡特征；
6、根據(jù)起始時(shí)間t0至終止時(shí)間t1的時(shí)間段商品的重量信息和圖像信息計(jì)算用戶(hù)購(gòu)物事件的置信度；
7、若用戶(hù)購(gòu)物事件的置信度高于閾值，則根據(jù)商品的運(yùn)動(dòng)軌跡特征及對(duì)應(yīng)的重量信息變化匹配對(duì)應(yīng)的購(gòu)物事件類(lèi)型。
8、進(jìn)一步地，確定用戶(hù)購(gòu)物事件發(fā)生的起始時(shí)間t0至終止時(shí)間t1的時(shí)間段的方法包括：
9、若用戶(hù)掃碼加購(gòu)商品，則以?huà)叽a時(shí)間為起始時(shí)間t0；若用戶(hù)無(wú)掃碼事件，則通過(guò)圖像入侵檢測(cè)算法檢測(cè)到有物品入侵智能購(gòu)物車(chē)，則以入侵智能購(gòu)物車(chē)前一定時(shí)間為起始時(shí)間t0，若無(wú)入侵信息，檢測(cè)到重量變化，且變化后穩(wěn)定，以穩(wěn)定重量前的重量變化開(kāi)始時(shí)間前一定時(shí)間為起始時(shí)間t0，以重量穩(wěn)定后的一定時(shí)間為終止時(shí)間t1。
10、進(jìn)一步地，還包括獲取智能購(gòu)物車(chē)的角度信息和加速度信息；
11、根據(jù)智能購(gòu)物車(chē)的角度信息和加速度信息判斷智能購(gòu)物車(chē)的狀態(tài)；
12、若智能購(gòu)物車(chē)靜止且處于水平狀態(tài)，則重量信息可信度高；
13、若智能購(gòu)物車(chē)靜止在坡道上，需要補(bǔ)償重量數(shù)據(jù)，則重量信息可信程度高；
14、若車(chē)輛水平運(yùn)動(dòng)過(guò)程中，有多段連續(xù)的穩(wěn)定重量值，且重量值波動(dòng)小于設(shè)定閾值，取平均重量值的重量信息可信度高；
15、若重量值波動(dòng)大于設(shè)定閾值，則重量信息可信度低。
16、進(jìn)一步地，根據(jù)起始時(shí)間t0至終止時(shí)間t1的時(shí)間段商品的重量信息和圖像信息計(jì)算用戶(hù)購(gòu)物事件的置信度的方法為：
17、根據(jù)歸一化的公式計(jì)算所述置信度；
18、λw為重量信息可信程度權(quán)重；wconf為重量置信度；λi為圖像信息可信程度權(quán)重；iconf為圖像置信度。
19、進(jìn)一步地，重量信息可信程度權(quán)重λw、重量置信度wconf、圖像信息可信程度權(quán)重λi和圖像置信度iconf的獲取方法為：
20、通過(guò)圖像入侵檢測(cè)算法檢測(cè)到有物品入侵智能購(gòu)物車(chē)；
21、獲取物品運(yùn)動(dòng)軌跡特征信息；
22、將物品運(yùn)動(dòng)軌跡中特征信息的物品圖像和預(yù)設(shè)的商品圖像數(shù)據(jù)庫(kù)進(jìn)行比對(duì)，獲取topn及其置信度，并根據(jù)topn商品對(duì)應(yīng)的barcode檢索數(shù)據(jù)庫(kù)，獲取對(duì)應(yīng)的商品標(biāo)重和上下限；
23、根據(jù)商品標(biāo)重獲得重量信息可信程度權(quán)重λw；重量通過(guò)與標(biāo)重的差別程度獲得重量置信度wconf；根據(jù)圖像比對(duì)結(jié)果獲取圖像信息可信程度權(quán)重λi和圖像置信度iconf。
24、進(jìn)一步地，所述購(gòu)物事件類(lèi)型包括：
25、商品置入購(gòu)物車(chē)、商品從購(gòu)物車(chē)取出和整理購(gòu)物車(chē)內(nèi)的商品。
26、進(jìn)一步地，若商品運(yùn)動(dòng)軌跡的方向是：由上向下、由成像平面左右兩側(cè)向縱向中心線移動(dòng)或軌跡狀態(tài)由運(yùn)動(dòng)到靜止，滿(mǎn)足上述三個(gè)條件中的任一條，再結(jié)合重力信息變化，若重力值有明顯增加，則判定購(gòu)物事件類(lèi)型為商品置入購(gòu)物車(chē)；
27、若商品運(yùn)動(dòng)軌跡的方向是：由下向上、由成像平面縱向中心線向左右兩側(cè)移動(dòng)或軌跡狀態(tài)由靜止到運(yùn)動(dòng)，滿(mǎn)足上述三個(gè)條件中的任一條，再結(jié)合重力信息變化，若重力值有明顯減少，判定購(gòu)物事件類(lèi)型為商品從購(gòu)物車(chē)取出；
28、若商品運(yùn)動(dòng)軌跡的無(wú)明顯方向，且軌狀態(tài)無(wú)明顯規(guī)律，重力值在起始時(shí)間t0至終止時(shí)間t1的時(shí)間段的差值在誤差范圍內(nèi)，則判定購(gòu)物事件類(lèi)型為整理購(gòu)物車(chē)內(nèi)的商品。
29、相應(yīng)地，本專(zhuān)利技術(shù)還提供融合多類(lèi)型傳感器信息的智能購(gòu)物車(chē)用戶(hù)行為決策裝置，包括：
30、時(shí)間段截取模塊，用于確定用戶(hù)購(gòu)物事件發(fā)生的起始時(shí)間t0至終止時(shí)間t1的時(shí)間段；
31、重力傳感器，用于獲取起始時(shí)間t0至終止時(shí)間t1的時(shí)間段商品的重量信息、攝像頭，用于獲取起始時(shí)間t0至終止時(shí)間t1的時(shí)間段商品的圖像信息；
32、運(yùn)動(dòng)軌跡模塊，用于獲取起始時(shí)間t0至終止時(shí)間t1的時(shí)間段商品的運(yùn)動(dòng)軌跡；
33、置信度計(jì)算模塊，用于根據(jù)起始時(shí)間t0至本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.融合多類(lèi)型傳感器信息的智能購(gòu)物車(chē)用戶(hù)行為決策方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的融合多類(lèi)型傳感器信息的智能購(gòu)物車(chē)用戶(hù)行為決策方法，其特征在于：
3.根據(jù)權(quán)利要求1所述的融合多類(lèi)型傳感器信息的智能購(gòu)物車(chē)用戶(hù)行為決策方法，其特征在于：
4.根據(jù)權(quán)利要求1所述的融合多類(lèi)型傳感器信息的智能購(gòu)物車(chē)用戶(hù)行為決策方法，其特征在于：
5.根據(jù)權(quán)利要求4所述的融合多類(lèi)型傳感器信息的智能購(gòu)物車(chē)用戶(hù)行為決策方法，其特征在于：
6.根據(jù)權(quán)利要求1所述的融合多類(lèi)型傳感器信息的智能購(gòu)物車(chē)用戶(hù)行為決策方法，其特征在于：
7.根據(jù)權(quán)利要求6所述的融合多類(lèi)型傳感器信息的智能購(gòu)物車(chē)用戶(hù)行為決策方法，其特征在于：
8.融合多類(lèi)型傳感器信息的智能購(gòu)物車(chē)用戶(hù)行為決策裝置，其特征在于，包括：
9.根據(jù)權(quán)利要求8所述的融合多類(lèi)型傳感器信息的智能購(gòu)物車(chē)用戶(hù)行為決策裝置，其特征在于：
10.根據(jù)權(quán)利要求8所述的融合多類(lèi)型傳感器信息的智能購(gòu)物車(chē)用戶(hù)行為決策裝置，其特征在于：
【技術(shù)特征摘要】
1.融合多類(lèi)型傳感器信息的智能購(gòu)物車(chē)用戶(hù)行為決策方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的融合多類(lèi)型傳感器信息的智能購(gòu)物車(chē)用戶(hù)行為決策方法，其特征在于：
3.根據(jù)權(quán)利要求1所述的融合多類(lèi)型傳感器信息的智能購(gòu)物車(chē)用戶(hù)行為決策方法，其特征在于：
4.根據(jù)權(quán)利要求1所述的融合多類(lèi)型傳感器信息的智能購(gòu)物車(chē)用戶(hù)行為決策方法，其特征在于：
5.根據(jù)權(quán)利要求4所述的融合多類(lèi)型傳感器信息的智能購(gòu)物車(chē)用戶(hù)行為決策方法，其特征在于：
...【專(zhuān)利技術(shù)屬性】
技術(shù)研發(fā)人員：王慶剛，李晨，徐步兵，
申請(qǐng)(專(zhuān)利權(quán))人：南京億貓信息技術(shù)有限公司，
類(lèi)型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。