[发明专利]货物补充方法、装置和系统

权利要求书

1.一种货物补充方法，包括：

获取货物销售区域的视频图像；

根据所述视频图像获取用户行为数据和货物属性信息；

根据所述用户行为数据、货物属性信息和货物销售数据，基于神经网络算法确定需要补充的货物和数量；

根据需要补充的货物和数量执行货物补充。

2.根据权利要求1所述的方法，其中，所述根据所述视频图像获取用户行为数据包括：

根据视频流数据，按照时间顺序截取每一帧图像；

将相邻帧图像进行位移匹配，获取用户行为数据。

3.根据权利要求2所述的方法，其中，所述根据所述视频图像获取货物属性信息包括：

根据所述视频图像捕捉持有货物的用户行为；

根据包括用户持有货物行为的图像帧，获取用户持有的货物的图像；

通过将用户持有的货物的图像与存储的货物图像信息的匹配确定用户持有的货物，获取货物属性信息。

4.根据权利要求1所述的方法，其中，

所述用户行为数据包括：在当前视频采集区域的逗留时间与当前视频采集区域包括的货物、用户在各个货物销售区域的逗留时间与对应的货物、用户拿起货物与被拿起的货物、用户持有货物的时间长度与被持有的货物，以及用户放回货物与放回的货物。

5.根据权利要求1所述的方法，其中，

所述视频图像为预定时间周期内的图像；

所述货物销售数据包括预定时间周期内的各种货物的销售数量。

6.根据权利要求1所述的方法，其中，

所述根据所述用户行为数据、货物属性信息和货物销售数据，基于神经网络算法确定需要补充的货物和数量包括：

将根据预定时间周期内所述视频图像获取的用户行为数据和货物属性信息输入反向传播BP神经网络；

将从销售数据中提取的相同预定时间周期内的所述货物销售数据输入所述BP神经网络，其中，所述BP神经网络基于用户行为数据、货物属性信息和货物销售数据训练生成；

基于所述BP神经网络确定需要补充的货物和各个需要补充的货物的数量。

7.根据权利要求1～6任意一项所述的方法，其中，所述基于用户行为数据、货物属性信息和货物销售数据训练生成所述BP神经网络包括：

将预定时间周期内的用户行为数据、货物属性信息和货物销售数据输入所述BP神经网络；

获取所述BP神经网络输出的需要补充的货物和各个需要补充的货物的数量；

根据所述BP神经网络输出的数据和下一个预定时间周期内的货物销售数据确定预测准确率；

在所述预测准确率低于准确率门限的情况下，修正所述BP神经网络，继续训练所述BP神经网络，直至所述预测准确率不低于准确率门限。

8.根据权利要求5所述的方法，其中，所述预定时间周期与补货周期相匹配。

9.一种货物补充装置，包括：

图像获取单元，被配置为获取货物销售区域的视频图像；

图像分析单元，被配置为根据所述视频图像获取用户行为数据和货物属性信息；

预测单元，被配置为根据所述用户行为数据、货物属性信息和货物销售数据，基于神经网络算法确定需要补充的货物和数量；

补充单元，被配置为根据需要补充的货物和数量提示补货人员执行货物补充。

10.一种货物补充装置，包括：

存储器；以及

耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器的指令执行如权利要求1至8任一项所述的方法。

11.一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现权利要求1至8任意一项所述的方法的步骤。

12.一种货物补充系统，包括：

图像采集设备，被配置为采集各个货物销售区域的图像；和

权利要求9或10所述的货物补充装置。