[发明专利]一种门店收银管理方法、装置、计算机设备及存储介质

权利要求书

1.一种门店收银管理方法，其特征在于，包括：

获取各门店的私收银特征，并根据所述私收银特征构建潜在私收门店风险识别模型；其中，私收银特征包括门店经营特征、商品分类特征、时段销售特征和私收工具特征；

利用所述潜在私收门店风险识别模型对各门店预测潜在私收概率，以选取潜在私收概率最高的n个门店作为第一目标门店；

获取私收工具图像，并根据所述私收工具图像构建私收工具识别模型；

利用所述私收工具识别模型对所述第一目标门店进行私收工具识别，并将包含有私收工具的所述第一目标门店作为第二目标门店输出，以及输出所述私收工具对应的私收工具信息；

对所述第二目标门店提取收银区域，并识别所述收银区域内的员工与顾客信息，结合所述私收工具信息判断对应门店是否存在私收银情况。

2.根据权利要求1所述的一种门店收银管理方法，其特征在于，所述获取各门店的私收银特征，并根据所述私收银特征构建潜在私收门店风险识别模型，包括：

采用随机森林模型计算每一所述私收银特征的贡献值；

选取贡献值最高的m个作为输入特征；

将所述输入特征输入至xgboost算法中进行分类预测，以此构建所述潜在私收门店风险识别模型。

3.根据权利要求2所述的一种门店收银管理方法，其特征在于，所述采用随机森林模型计算每一所述私收银特征的贡献值，包括：

采用基尼值作为所述贡献值，并按照下式计算每一所述私收银特征的基尼值：

式中，D表示所述私收银特征，k表示私收银特征序号，P_k表示k的特征权重，k＝1,2,3....。

4.根据权利要求1所述的一种门店收银管理方法，其特征在于，所述获取私收工具图像，并根据所述私收工具图像构建私收工具识别模型，包括：

将所述私收工具图像输入至yolov5 l6检测模型中训练学习，以此构建所述私收工具识别模型；

按照下式，利用损失函数对所述私收工具识别模型进行优化更新：

Loss＝γ₁L_cls+γ₂L_obj+γ₃L_loc

式中，Loss表示损失函数，γ₁、γ₂、γ₃均表示平衡系数，L_cls表示分类损失，L_obj表示置信度损失，L_loc表示定位损失。

5.根据权利要求4所述的一种门店收银管理方法，其特征在于，所述将所述私收工具图像输入至yolov5 l6检测模型中训练学习，以此构建所述私收工具识别模型，包括：

通过所述yolov5 l6检测模型的输入端对所述私收工具图像进行随机数据增强处理；

将经过随机数据增强处理后的私收工具图像输入至backbone层，以提取所述私收工具图像的图像特征；

利用所述yolov5 l6检测模型的neck层对所述图像特征进行特征增强处理；

通过所述yolov5 l6检测模型的head层对经过特征增强处理后的图像特征进行输出预测。

6.根据权利要求1所述的一种门店收银管理方法，其特征在于，所述对所述第二目标门店提取收银区域，并识别所述收银区域内的员工与顾客信息，结合所述私收工具信息判断对应门店是否存在私收银情况，包括：

利用yolov5 l6检测模型对所述第二目标门店进行图像识别，以提取其中的收银区域；

获取员工特征，并将所述员工特征输入至yolov5 l6检测模型中，以此构建员工识别模型；

利用所述yolov5 l6检测模型对所述收银区域进行人物识别，以及利用所述员工识别模型对所述收银区域进行员工识别；

基于人物识别的结果和员工识别的结果判断所述收银区域是否存在员工和/或顾客；

当所述收银区域同时存在员工和顾客时，利用所述yolov5 l6检测模型识别所述顾客对应的顾客信息；其中，所述顾客信息包括顾客周边商品和顾客支付工具。