用于自助结账零售环境中的异常检测的方法和装置制造方法及图纸

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。较检测异常。较检测异常。

【技术实现步骤摘要】
【国外来华专利技术】用于自助结账零售环境中的异常检测的方法和装置


[0001]本专利技术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。

技术介绍

[0002]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。
[0003]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。
[0004]因此，需要实施自动化方法和装置来优化客流量。

技术实现思路

[0005]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专利技术主题的一部分。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专利技术主题的一部分。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。
[0006]一方面，本专利技术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。
[0007]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
：
[0008]{f
i
(n)|i∈featureSet
μ
，μ∈[1，K]，n∈[N1，N2]，N2＝N1+N
a
}，
[0009]其中N
a
是被认为检测到所述活动的帧的数量。
[0010]f
i
(n)是提取的特征组的值，
[0011]featureSet
μ
是描述Activity
μ
的一组特征，
[0012][N1，N2]表示在初始帧N1的时间和最后一帧N2的时间之间的时间间隔内提取的一组连续帧。
[0013]处理器可以被进一步配置为估计定义所述活动的帧的数量N
a
。该估计包括定义激活函数A(f
i
(n)，R
i
)并基于该函数将时域分割成活跃间隔，其中A(f
i
(n)，R
i
)被表征为
[0014]其中R
i
表示用户针对每个特征f
i
定义的一组规则；当R
i
对于给定的帧n为真时，f
i
(n)是活跃的。
[0015]对于所有K个活动，每个活跃间隔可以被定义为
[0016][0017]处理器可以被进一步配置为确定相邻活跃间隔之间的非活跃间隔。
[0018]处理器可以被进一步配置用于包括将所述非活跃间隔与阈值进行比较，并将所述相邻活跃间隔和非活跃间隔组合成合并的活跃间隔。
[0019]确定元特征向量可以包括在活跃间隔中针对每个特征f
i
计算多个统计量度并且组合所述特征以形成每个活跃间隔的元特征向量。
[0020]统计量度可以包括统计矩(statistical moment)和/或有序统计。
[0021]处理器可以被配置为在确定的元特征向量和第一分类系统模型之间执行第一比较并且基于比较创建警报。
[0022]处理器可以被配置为在确定的元特征向量和第二系统模型之间执行第二分类比较。
[0023]处理器可以被配置为基于第一和第二比较来比较第一系统模型和第二系统模型的性能，并且如果第二系统模型的性能优于第一系统模型，则用第二系统模型替换第一系统模型。
[0024]该系统可以进一步包括用于存储第一系统模型作为备份模型的存储器。
[0025]处理器可以被配置为接收对于警报的反馈并且基于反馈更新第二系统模型。
[0026]处理器可以被配置为将第一系统模型的性能与备份模型的性能进行比较，并且如果备份模型优于第一系统模型，则用备份模型替换第一系统模型。
[0027]该系统可以进一步包括用于报告警报的多个报告设备。报告设备可以从包括移动计算设备、移动通信设备、智能手表、智能眼镜、个人计算机、联网服务器、视觉显示单元和音频输出设备的列表中选择。该系统可以进一步包括POS设备。
[0028]该系统可以进一步包括用于感测来自自助结账终端的交易数据的多个传感器。
[0029]本专利技术的另一个实施例包括一种用于自助结账环境中的异常检测的方法，包括：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。
[0030]该方法可以进一步包括：对活动进行表征包括从接收到的数据中提取一组特征，将它们转换成相应的一组特征激活值并确定这些值的组在一个时间间隔内的演变，然后根据下面的集合定义Activity
μ
：
[0031]{f
i
(n)|i∈featureSet
μ
，μ∈[1，K]，n∈[N1，N2]，N2＝N1+N
a
}
[0032]其中K表示系统知识本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于自助结账环境中的异常检测的系统，包括：处理单元，被配置用于：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；以及基于所述比较检测异常。2.根据权利要求1所述的系统，其中对所述活动进行表征包括：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，以及根据下式定义活动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，[N1，N2]表示在初始帧N1的时间和最后一帧N2的时间之间的时间间隔内提取的一组连续帧。3.根据权利要求2所述的系统，其中所述处理器被进一步配置为估计定义所述活动的帧的数量，Na被估计，并且其中所述估计包括定义激活函数A(f
i
(n)，R
i
)并基于所述函数将时域分割成活跃间隔，并且其中A(f
i
(n)，R
i
)被表征为其中R
i
表示用户针对每个特征f
i
定义的一组规则；当R
i
为真时，f
i
(n)是活跃的。4.根据权利要求3所述的系统，其中对于所有活动，每个活跃间隔被定义为5.根...

【专利技术属性】
技术研发人员：D，
申请(专利权)人：艾瓦西恩有限公司，
类型：发明
国别省市：