[实用新型]一种基于光学标识视觉识别方法的无人售货柜

说明书

本实用新型公开了一种基于光学标识视觉识别方法的无人售货柜，本实用新型的无人售货柜包括柜体和柜门，所述柜体内设有多层货架；所述柜体顶部设有显示屏，用于显示所述柜体内部商品的图片及售价信息；所述柜体顶部还设有人像采集装置和声光报警器；所述柜体底部设有控温装置；所述柜门上设有电磁锁和二维码标识，用户通过移动智能终端扫描所述二维码打开柜门进行购物。本实用新型可以有效防止恶意损坏/盗窃无人售货柜，以及防止用户忘记关闭柜门而造成财产损失。

技术领域

本实用新型属于计算机视觉识别技术领域，具体是一种基于光学标识视觉识别方法的无人售货柜。

背景技术

目前的计算机视觉识别方法主要分为监督学习方法和非监督学习方法两大类，监督学习方法可以使得计算机视觉识别的准确率更高，其中以RCNN和YOLO最为显著；传统的非监督学习方法主要是DPM(Deformable parts models)，其在VOC-2007数据集上验证的map(mean Average Precision)能达到43％；RCNN使用区域建议(具体用的是选择搜索来得到有可能得到是物体的若干图像局部区域，然后把这些区域分别输入到RCNN中，得到区域的特征，再在特征上加上分类器，判断特征对应的区域是属于具体某类object 还是背景)，RCNN在VOC-2007数据集上验证的map为58％左右。

RCNN虽然识别精度较高，但还存在重复计算的问题(建议的区域有几千个，多数都是互相重叠，重叠部分会被多次重复提取特征)，于是Fast-RCNN诞生了，其与RCNN最大的区别就是Fast-RCNN将建议的区域映射到RCNN的最后一层卷积层的特征图上，这样，一张图片只需提取一次特征，大大提高了速度，Fast-RCNN在VOC-2007上的map提升到了68％。RCNN的精度已经很高了，但是速度还不行，YOLO提供了另一种更为直接的思路，直接在输出层回归边界框的位置和边界框所属的类别，整张图作为网络的输入，图片分割得到很多正方形网格，把目标检测的问题转化为一个回归问题，提升了检测速度。

发明内容

本实用新型的目的是针对现有技术存在的问题，提供一种可以有效防止恶意损坏/盗窃无人售货柜，以及防止用户忘记关闭柜门而造成财产损失的基于光学标识视觉识别方法的无人售货柜。

为实现上述目的，本实用新型采用的技术方案是：

一种基于光学标识视觉识别方法的无人售货柜，包括柜体和柜门，所述柜体内设有多层用于摆放商品的货架；所述柜体顶部设有显示屏，用于显示所述柜体内部商品的图片及售价信息；所述柜体顶部还设有人像采集装置和声光报警器；所述柜体底部设有控温装置；所述柜门上设有电磁锁和二维码标识，用户通过移动智能终端扫描所述二维码打开柜门进行购物。

具体地，所述柜体内部每层货架上方均设有图像采集设备，用于采集所述货架上商品的图像信息，所述图像采集设备可以为摄像头。

具体地，所述柜体内部每层货架上方均设有紫外灯，用于对柜体内部进行消毒灭菌，从而保证柜体内部环境清洁，避免滋生细菌影响商品质量。

优选地，所述每层货架上均设有多个限位结构，所述限位结构用于防止商品放歪，对商品的位置进行限制，使得商品的识别率进一步提升；所述限位结构可以为限位栏杆、限位槽等。

具体地，所述人像采集装置用于采集使用所述无人售货柜的用户的人脸图像数据和无人售货柜周围的环境数据，通过采集用户的人脸图像数据和周围环境数据，可以防止一些人恶意损坏/盗窃无人售货柜；

具体地，所述控温装置包括温度传感器、控制器、加热器和制冷器，用于维持柜体内部温度在0至10摄氏度之间；所述温度传感器、加热器、制冷器分别与所述控制器电连接；所述温度传感器用于检测柜体内部温度，所述控制器根据检测到的温度数据控制所述加热器/制冷器工作，从而维持柜体内部的温度。