[发明专利]货物补充方法、装置和系统

说明书

本公开提出一种货物补充方法、装置和系统，涉及数据处理技术领域。本公开的一种货物补充方法包括：获取货物销售区域的视频图像；根据视频图像获取用户行为数据和货物属性信息；根据用户行为数据、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。通过这样的方法，能够根据销售区域的视频图像和销售数据预测需要补充的货物种类，以及每种货物需要补充的数量，从而使补充的货物数量与预期销售的数量相匹配，减少供不应求的同时，也减少供大于求造成的浪费。

技术领域

本公开涉及数据处理技术领域，特别是一种货物补充方法、装置和系统。

背景技术

相比较传统的有人服务的超市，无人超市可以更好地减少人力成本，店主不再需要雇佣大量的店员进行超市管理，同时也给消费者提供更加自由、隐私的购买选择。

无人超市多采用固定时间，定期派人进行商品的管理，对于临近保质期商品进行特价或者下架处理，对于已经售罄的进行及时补货。

发明内容

本公开的一个目的在于提高补货的针对性和补货数量与用户需求的匹配程度。

根据本公开的一些实施例的一个方面，提出一种货物补充方法，包括：获取货物销售区域的视频图像；根据视频图像获取用户行为数据和货物属性信息；根据用户行为数据、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。

在一些实施例中，根据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。

在一些实施例中，根据视频图像获取货物属性信息包括：根据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。

在一些实施例中，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。

在一些实施例中，视频图像为预定时间周期内的图像；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。

在一些实施例中，根据用户行为数据、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视频图像获取的用户行为数据和货物属性信息输入BP(Back Propagation，反向传播)神经网络；将从销售数据中提取的相同预定时间周期内的货物销售数据输入BP神经网络，其中，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。

在一些实施例中，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BP神经网络；获取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；在预测准确率低于准确率门限的情况下，修正BP神经网络，继续训练BP神经网络，直至预测准确率不低于准确率门限。

在一些实施例中，预定时间周期与补货周期相匹配。

通过这样的方法，能够根据销售区域的视频图像和销售数据预测需要补充的货物种类，以及每种货物需要补充的数量，从而使补充的货物数量与预期销售的数量相匹配，减少供不应求的同时，也减少供大于求造成的浪费。