[发明专利]用于自助结账零售环境中的异常检测的方法和装置

说明书

一种用于自助结账环境中的异常检测的系统，包括处理单元，处理单元用于：在从自助结账终端接收的交易数据中提取一组特征；基于该组特征对活动进行表征；针对每个表征的活动定义多个活跃间隔；针对所述多个活跃间隔中的每个定义的活跃间隔确定元特征向量；将每个元特征向量与一组预定义的向量进行比较；以及基于比较检测异常。

技术领域

本发明涉及一种用于自助结账(self-checkout)零售环境中的异常检测的方法和装置。

背景技术

在零售环境中，自助结账和自动化流程日益成为主流。然而，这导致一个缺点：基于自助结账(SCO)的零售环境通常会由于各种原因导致较低的客流量。消费者或顾客通常没有接受过自助结账机制的培训，并且在许多情况下对该技术感到不舒服。顾客缺乏知识和经验会减慢结账和支付商品的过程。例如，顾客可能会错误地执行扫描过程，必须等待零售员工重置机器或为交易提供授权，或者实际上顾客可能只是纠缠于扫描相关条形码。显然，故意避免交易的尝试也会发生。等待无效交易的时间损失、需要校准的称重以及额外的非理想场景导致中断。这些非理想场景包括不扫描、超额收费、无效交易等。

可以理解，如上所述的客流量中断会影响盈利能力和营业额；例如，考虑到活动高峰期。流量中断会延迟顾客的吞吐量，可能导致积压，并且/或者会让那些原本会进行一些冲动消费的顾客感到厌烦。这反过来又会影响营业额并降低自助结账系统的效率。零售商们之前已尝试通过服务员/操作员对SCO进行人工监控来控制该问题。服务员的工作通常有两部分：监控部分和决策/行动部分。监控部分是当需要服务员观察SCO处的任何不规则性(irregularity)和堵塞时，而行动组件是在观察到不规则性时服务员尝试纠正问题。显然，这也会导致流量的不规则性。服务员通常倾向于重置机器而忽略产品尚未被扫描的事实。这对零售所有者来说是一种损失，并且可能会被滥用。不规则性被定义为任何不遵循购物流程的预期模式的活动。购物流程由一系列动作组成：从某个区域挑选对象，将对象放到某个区域，使对象通过扫描仪，按下按钮或某个触摸屏区域，将产品装袋，带着非空的购物车经过，等等。

因此，需要实施自动化方法和装置来优化客流量。

发明内容

应当理解，前述概念和以下更详细讨论的附加概念的所有组合(假设这些概念不是相互矛盾的)都被认为是本文公开的发明主题的一部分。特别地，出现在本公开末尾的要求保护的主题的所有组合都被认为是本文公开的发明主题的一部分。还应当理解，那些也可能出现在通过引用并入的任何公开中的在本文中明确采用的术语应当具有与本文公开的特定概念一致的含义。

一方面，本发明提供了一种用于自助结账环境中的异常检测的系统，其包括处理单元，用于：在从自助结账终端接收的交易数据中提取一组特征；基于该组特征对活动进行表征；针对每个表征的活动定义多个活跃间隔；针对所述多个活跃间隔中的每个定义的活跃间隔确定元特征向量；将每个元特征向量与一组预定义的向量进行比较；以及基于比较检测异常。

对活动进行表征可以包括：从接收到的数据中提取一组特征，将该组特征转换为相应的一组特征激活值并确定该组激活值在一个时间间隔内的演变，以及根据以下方程式定义活动Activity^μ：

{f_i(n)|i∈featureSet^μ，μ∈[1，K]，n∈[N₁，N₂]，N₂＝N₁+N_a}，

其中N_a是被认为检测到所述活动的帧的数量。

f_i(n)是提取的特征组的值，

featureSet^μ是描述Activity^μ的一组特征，