[发明专利]计算机视觉交易监视

说明书

在具有一组不同物品的图像上训练机器学习算法，以在针对所述组导出的特征向量空间中产生输出特征向量作为输出。新物品的新的物品图像被传送至所述算法，并且新的特征向量被投影到所述向量空间中。在所述新特征向量上训练每个新物品的分类器，以确定所述新物品是否为新物品。在交易期间，扫描物品的物品码并且获得物品图像。将所述物品图像传送至所述算法，获得特征向量，检索所述物品码的对应分类器，将所述特征向量传送至所述分类器，并且确定所述物品图像和所述物品码是否与应当与所述物品码相关联的特定物品相匹配。

背景技术

零售商已采用自助结账技术，该技术可以使顾客在自助终端(SST)处对物品条形码进行自助扫描，而无需收银员的协助。最初，顾客不愿自助结账，但多年来，顾客已逐渐习惯于该技术并且已接受该技术。因此，现在大量的交易都进行自助结账，并且零售商已经能够将通常与执行收银员协助式结账相关联的人员重新分配到企业的其他所需任务。

然而，在自助结账期间，盗窃已成为零售商的重大关切问题。在自助结账过程中常见的一种盗窃形式被称为票证切换。通过票证切换，顾客将价格较高物品的价格较高物品条形码替换为与价格较低物品相关联的价格较低物品条形码。然后，顾客在自助结账期间扫价格低廉物品条形码来获取较高价格物品，这对监视SST的任何员工来说，顾客看起来好像正在正确地扫描顾客交易中的每件物品，并且可能不会触发来自SST的任何安全问题。

在销售点(POS)终端处的收银员协助式交易中也可能发生票证切换，但是细心的收银员可能会在扫描过程中认识到所扫描的物品与在交易显示器上显示的实际购买的物品不符。在收银员协助式交易期间，一些收银员还可能有意或无意地忽略与票证切换相关联的任何关切问题，使得票证切换在协助式结账中也成为一个问题。

针对票证切换的现有基于计算机视觉的方法花费很长的响应时间来认识到所扫描的物品图像与针对物品条形码返回的物品详细信息不对应。因此，这些方法是不切实际的，因为这些方法将交易扫描时间拖长至大多数顾客无法忍受的水平，造成在SST或POS终端处顾客排长队，并且产生关于票证切换的过多误报结果，这些误报结果迫使交易中断，直到由服务人员或主管清除误报交易才能继续。

因此，需要一种实用、处理有效且更精确(准确)的技术来解决结账期间的票证切换。

发明内容

在各种实施方案中，提出了用于基于计算机视觉的票证切换检测的方法和系统。

根据一个实施方案，提出了一种用于基于计算机视觉的票证切换检测的方法。例如，物品的物品图像被传送至第一受过训练的机器学习算法。从第一受过训练的机器学习算法获得作为输出的特征向量。基于从物品扫描的物品码选择第二受过训练的机器学习算法。将特征向量作为输入提供给第二受过训练的机器学习算法，并且从第二受过训练的机器学习算法接收关于特征向量是否与物品码相关联的指示。

附图说明

图1A是根据示例性实施方案的用于基于计算机视觉的票证切换检测的系统的图。

图1B是根据示例性实施方案的用于基于计算机视觉的票证切换检测的总体处理流程的图。

图1C是根据示例性实施方案的用于训练机器学习算法和分类器以用于基于计算机视觉的票证切换检测的方法的图。

图1D是根据示例性实施方案的视觉上描绘与用于基于计算机视觉的票证切换检测的机器学习算法相关联的训练过程的图。

图1E是根据示例性实施方案的以视觉方式描绘与用于基于计算机视觉的票证切换检测的分类器相关联的训练过程的图。

图2是根据示例性实施方案的用于基于计算机视觉的票证切换检测的方法的图。

图3是根据示例性实施方案的用于基于计算机视觉的票证切换检测的另一种方法的图。

具体实施方式