一种基于购物行为的数据采集和推荐方法与流程

1.本发明涉及人工智能、数据采集技术领域，具体涉及一种基于购物行为的数据采集和推荐方法。


背景技术：

2.数字经济作为一种新的经济社会发展形态，潜移默化地影响到各行各业，随着日趋繁荣的数字智能化与产业化融合深化，硕果累累的红利在不断涌现。对于零售业而言，在这样一个“新旧交织、破立并存”的形态下，全面数字化转型已经成为了大势所趋的选择，是想要实现资本增值就必须推进的核心引擎。在疫情的冲击下，企业遭遇了更多的挑战，想要突破业务边界，拓展开启新周期，势必需要颠覆落伍之处，明确传统零售数字化转型的必要性，自电商兴起以来，传统零售遭遇了不小的打击影响。业务内线上渠道用户的购买潜力急待挖掘，重要性不言而喻。传统零售业的营销计划也发生了时过境迁的转变，在互联网覆盖率极高的生活中，缺少高频次、高覆盖率的营销，就难以在用户心理层面建立存在感，更不必说培养忠实用户。带来的结果就是复购率难以提升，新用户拓展不够，传统零售业很难对用户产生培养和引导的效果，究其原因是数据洞察远远不足。从数据的采集到处理以及最终的应用，都有很大的困难。线下分销渠道用户相关数据的收集较为复杂，且数据质量与精细度不够，很难分析出用户画像。传统零售业经营模式趋于稳定，薄利多销原本是其生存之道。而当今传统零售在线上零售业态的严重截流与疫情造成的经济冲击的夹击下，线下流量被多方分流，销量下降；店铺租金以及人工费用不断上升，传统利润被摊薄，总成本上升是不可避免的。
3.所以，如何采集和盘活线下数据，做到精准有效运营，是线下亟需解决的课题。而目前已经有一些线下数据采集的应用，都无法形成完整的数据链路，更无法实现即时个性化营销了。


技术实现要素：

4.本发明提供一种基于购物行为的数据采集和推荐方法，通过顾客购物过程中全周期数据的智能采集、基于用户画像/选购决策等向顾客进行个性化推荐于一体的智能购物算法，以解决上述问题。
5.本发明提供一种基于购物行为的数据采集和推荐方法，其特征在于，包括：通过预设的智能摄像头，采集顾客的人脸图像，并通过所述人脸图像，获取购物行为数据；其中，所述智能摄像头包括前置摄像头、后置摄像头和侧边摄像头；通过预设的智能设备，采集购物过程中的商品数据，同时对智能设备进行定位，确定兴趣区域信息；通过所述购物行为数据和兴趣区域信息，生成营销反馈数据，并基于所述营销反馈数据，构建推荐策略，同时，将所述推荐策略推送至智能设备上。
6.作为本技术方案的一种实施例，所述通过预设的智能摄像头，采集顾客的人脸图像，并通过所述人脸图像，获取购物行为数据，包括：通过前摄像头，对顾客进行画像采集，并基于预设的检测人脸算法，记录顾客的人脸图像，并识别顾客身份信息；通过顾客身份信息和对应的人脸图像，实时对顾客的人脸图像进行表情分析，确定表情分析结果；通过所述表情分析结果，对顾客的购物行为进行评估，确定客户的购物行为数据。
7.作为本技术方案的一种实施例，所述基于预设的检测人脸算法，记录顾客的人脸图像，并识别顾客身份信息，包括：获取顾客面部的人脸图像；基于预设的adaboost算法，记录并抽取人脸图像的目标矩形特征，并根据所述目标矩形特征，生成弱分离器特征；按照预设的加权投票机制，强化所述弱分离器特征，构造强分类器特征；串联强分类器特征，生成层叠分类器特征，并通过层叠分类器特征，识别人脸特征，确定人脸识别图像；基于预设的大数据中心，对所述人脸识别图像进行预处理操作，确定预处理图像；其中，所述预处理操作至少包括光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波和锐化的一种或多种；对所述预处理图像进行几何特征的提取，提取人脸特征点，并通过所述人脸特征点，进行人脸特征建模，搭建人脸特征模型；基于所述人脸特征模型，提取待识别的人脸图像中的人脸特征数据；将所述人脸特征数据与预设的存储数据库中的人脸特征模板进行搜索匹配，识别顾客身份信息。
8.作为本技术方案的一种实施例，所述对所述预处理图像进行几何特征的提取，提取人脸特征点，并通过所述人脸特征点，进行人脸特征建模，搭建人脸特征模型，包括：基于预设的几何特征算法，提取人脸特征，确定人脸局部的几何线条；其中，所述几何特征算法用于对眼睛、鼻子、嘴和下巴部位的线条变化进行识别；分析几何线条的局部形状和距离特性，确定人脸分类特征数据，并根据所述表情人脸特征数据，抽取人脸特征点；根据所述人脸特征点，生成对应的人脸特征分量；其中，所述人脸特征分量至少包括人脸特征点间的欧氏距离、曲率和角度；通过所述人脸特征分量、人脸特征点和人脸分类特征数据，构建人脸特征模型。
9.作为本技术方案的一种实施例，所述通过预设的智能设备，采集购物过程中的商品数据，还包括：通过智能购物车上预设的智能终端pad，获取商品条码信息；通过智能购物车预设的重量传感器和智能摄像头，采集商品数据；其中，所述商品数据包括商品类型信息、商品放入重量和商品放入时间；根据所述商品条码信息，智能购物车检测对应的商品数据和商品的放入重量，并判断商品放入重量是否与商品条码信息对应的标准重量相符合，确定判断结果；
当所述判断结果为符合时，智能购物车自动添加对应的扫码商品至购物清单；当所述判断结果为不符合时，基于智能购物车上预先装置的后置摄像头，监测并判断智能购物车内的商品的异常信息，确定第一判断结果。
10.作为本技术方案的一种实施例，所述当所述判断结果为不符合时，基于智能购物车上预先装置的后置摄像头，监测并判断智能购物车内的商品的异常信息，确定第一判断结果，包括：当所述判断结果为不符合时；基于智能购物车的后置摄像头，监测智能购物车内的商品，同时通过智能购物车的重量传感器，采集商品数量；当所述商品条码信息无误，但和对应的商品数量不符合时，上传商品数量，同时对顾客进行语音提醒，并在提醒时间超过预设的时间阈值后，生成异常信息发送至预设的控制终端；当所述商品条码信息和对应的商品数量都有误时，采集商品的防损信息；通过智能购物车上预设的后置摄像头、扫码器和重量传感器，获取扫码前车筐图像、放入商品前车筐图像和放入商品后车筐图像；对所述扫码前车筐图像、放入商品前车筐图像和放入商品后车筐图像进行对比，并分析顾客未扫码放入车筐商品，确定未扫码商品；通过防损信息和未扫码商品，确定异常商品，并对顾客进行语音提醒，并在提醒时间超过预设的时间阈值后，生成异常信息发送至预设的控制终端。
11.作为本技术方案的一种实施例，所述同时对智能设备进行定位，确定兴趣区域信息，包括：通过智能终端pad内预设的位置传感器装置，实时采集智能购物车的运动状态和方向，获取顾客的停留浏览时间；其中，所述位置传感器装置至少包括三角陀螺仪、加速度计和水平仪；通过智能终端pad内预设的蓝牙装置，检测周边区域预设的信标，通过所述信标，识别智能购物车的区域位置；根据停留浏览时间、区域位置和驻留时长，采集并记录顾客的逛游路径，通过所述逛游路径，分析门店的顾客热区和客流动线；通过所述顾客热区和客流动线，确定顾客的兴趣区域信息。
12.作为本技术方案的一种实施例，所述通过所述购物行为数据和兴趣区域信息，生成营销反馈数据，并基于所述营销反馈数据，构建推荐策略，同时，将所述推荐策略推送至智能设备上，包括：通过所述购物行为数据和兴趣区域信息，生成营销反馈数据，根据所述营销反馈数据，生成对应的推送内容；基于预设的营销时机，基于预设的视觉检测行为数据方法，采集智能购物车上的场景视频，通过对场景视频进行图像采集，获取采集到的顾客图像；通过所述视觉检测行为数据方法，分析提取图像中顾客行为数据，对顾客行为数据加工分析和语义提取，确定分析结果，通过分析结果，进行智能学习，生成定制化的推送内容，并将所述定制化的推送内
容推动至智能终端pad上，确定推送结果；实时采集推送结果中的交互信息，同时，通过前置摄像头，实时采集顾客接收到交互信息时的行为反馈数据，生成个性推荐策略，并将所述个性推荐策略推送并保存至智能设备上。
13.作为本技术方案的一种实施例，所述通过所述购物行为数据和兴趣区域信息，生成营销反馈数据，根据所述营销反馈数据，生成对应的推送内容还包括：步骤1：获取目标顾客的用户信息；步骤2：通过所述用户信息，获取历史购物行为数据，并根据历史购物行为数据，生成个性化购物行为数据；其中，代表第个目标用户的个性化购物行为数据，，代表目标用户的总个数，代表第个目标用户的购物频次，代表第个目标用户的购物时长，代表第个目标用户的客单价，代表第个目标用户的历史消费清单，代表第个目标用户的逛游路线，代表第个目标用户的驻留区域，步骤3：基于预设的大数据中心，统计并记录所述个性化购物行为数据，生成兴趣群体消费数据；其中，代表兴趣群体消费函数，代表对个性化购物行为数据统计后的兴趣群体消费数据，代表统计个性化购物行为数据群体的分布函数，代表关于兴趣度的筛选函数；步骤4：通过所述兴趣群体消费数据，构建兴趣推荐算法；;其中，代表兴趣推荐算法，关于第批个性化购物数据的兴趣推荐算法，，代表个性化购物数据的总批数，代表对第批个性化购物数据统计后的兴趣群体消费数据，代表关于兴趣群体消费数据的推荐函数，代表关于目标用
户为时的兴趣群体消费数据的正向兴趣权值矩阵的转置，代表关于兴趣群体消费数据的正向兴趣权值矩阵，代表关于兴趣群体消费数据的负向兴趣权值矩阵，代表关于兴趣群体消费正向兴趣权值和负向兴趣权值的有效参数；步骤5：通过所述兴趣推荐算法，获取兴趣商品，并接收营销反馈数据，通过所述兴趣商品和营销反馈数据，生成对应的推送内容。
14.作为本技术方案的一种实施例，所述智能设备，还包括出口一体机；其中，所述出口一体机用于基于预设的rfid识别机制，检测智能购物车上的rfid信标，识别目标车辆，并通过采集目标车辆的购物数据，检测订单是否存在异常，确定检测结果；其中，当所述检测结果为订单异常时，异常订单关闭不会打开通道出口，并语音播报车号对出口防损员进行通知，同时，获取订单的商品防损数据和管理检查数据，生成可视化的订单信息。
15.本发明的有益效果如下：本技术方案通过预设的智能摄像头，采集顾客的人脸图像，并通过人脸图像，获取购物行为数据；其中，智能摄像头包括前置摄像头、后置车筐监测摄像头和侧边摄像头；通过预设的智能设备，采集购物过程中的商品数据，同时对智能设备进行定位，确定兴趣区域信息，智能设备至少包括智能终端pad和智能购物车，智能购物车全程陪伴顾客，所以具备天然数据采集的能力。利用智能购物车上的智能元素，将会员、商品、用户行为、位置信息进行采集，实现到店顾客购物数据的全记录，智能购物车内的采集硬件器件至少包括摄像头、扫码器、重量传感器、rfid读取器、陀螺仪和加速度计，整个智能购物车会基于视觉检测、移动定位、扫码激光识别、重量传感、屏幕触控的数据采集方法来采集顾客行为数据，通过购物行为数据和兴趣区域信息，生成营销反馈数据，并基于营销反馈数据，确定推荐策略，并将推荐策略推送至智能设备上。
16.本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
17.下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
18.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：图1为本发明实施例中一种基于购物行为的数据采集和推荐方法的方法流程图；图2为本发明实施例中一种基于购物行为的数据采集和推荐方法的购物行为数据获取的方法流程图。
具体实施方式
19.以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实
施例仅用于说明和解释本发明，并不用于限定本发明。
20.需说明的是，当部件被称为“固定于”或“设置于”另一个部件，它可以直接在另一个部件上或者间接在该另一个部件上。当一个部件被称为是“连接于”另一个部件，它可以是直接或者间接连接至该另一个部件上。
21.需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
22.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
23.根据图1所示，本发明实施例提供一种基于购物行为的数据采集和推荐方法，其特征在于，包括：通过预设的智能摄像头，采集顾客的人脸图像，并通过所述人脸图像，获取购物行为数据；其中，所述智能摄像头包括前置摄像头、后置摄像头和侧边摄像头；通过预设的智能设备，采集购物过程中的商品数据，同时对智能设备进行定位，确定兴趣区域信息；通过所述购物行为数据和兴趣区域信息，生成营销反馈数据，并基于所述营销反馈数据，构建推荐策略，同时，将所述推荐策略推送至智能设备上。
24.上述技术方案的工作原理和有益效果在于：通过预设的智能摄像头，采集顾客的人脸图像，并通过人脸图像，获取购物行为数据；其中，智能摄像头包括前置摄像头、后置车筐监测摄像头和侧边摄像头；通过预设的智能设备，采集购物过程中的商品数据，同时对智能设备进行定位，确定兴趣区域信息，智能设备至少包括智能终端pad和智能购物车，智能购物车全程陪伴顾客，所以具备天然数据采集的能力。利用智能购物车上的智能元素，将会员、商品、用户行为、位置信息进行采集，实现到店顾客购物数据的全记录，智能购物车内的采集硬件器件至少包括摄像头、扫码器、重量传感器、rfid读取器、陀螺仪和加速度计，整个智能购物车会基于视觉检测、移动定位、扫码激光识别、重量传感、屏幕触控的数据采集方法来采集顾客行为数据，通过购物行为数据和兴趣区域信息，生成营销反馈数据，并基于营销反馈数据，确定推荐策略，并将推荐策略推送至智能设备上。
25.在一个实施例中，所述通过预设的智能摄像头，采集顾客的人脸图像，并通过所述人脸图像，获取购物行为数据，包括：通过前摄像头，对顾客进行画像采集，并基于预设的检测人脸算法，记录顾客的人脸图像，并识别顾客身份信息；通过顾客身份信息和对应的人脸图像，实时对顾客的人脸图像进行表情分析，确定表情分析结果；通过所述表情分析结果，对顾客的购物行为进行评估，确定客户的购物行为数据。
26.上述技术方案的工作原理和有益效果在于：通过预设的前置摄像头，对顾客进行画像采集，智能购物车上有三个摄像头，前置摄像头检测人脸，后置摄像头监测车筐，侧边摄像头识别周边货架。并基于预设的检测人脸算法，记录顾客的人脸图像，前置摄像头用于人脸数据的采集，包含用户id、年龄、性别、表情等，识别顾客身份信息具体应用在：顾客进店推车后，触发开始购物的预设事件时，智能显示终端pad上的前置人脸摄像头开启，采集顾客人脸信息，同时开启检测人脸算法，识别并记录顾客身份；购物过程中，前置人脸摄像头实时采集顾客选购商品，同时看到屏幕上推送的定制化营销内容的表情分析，通过顾客身份信息和对应的人脸图像，实时对顾客的人脸图像进行表情分析，并获取分析结果，对顾客的购物行为进行评估，确定客户的购物行为数据，以分析顾客对营销的反馈。
27.在一个实施例中，所述基于预设的检测人脸算法，记录顾客的人脸图像，并识别顾客身份信息，包括：获取顾客面部的人脸图像；基于预设的adaboost算法，记录并抽取人脸图像的目标矩形特征，并根据所述目标矩形特征，生成弱分离器特征；按照预设的加权投票机制，强化所述弱分离器特征，构造强分类器特征；串联强分类器特征，生成层叠分类器特征，并通过层叠分类器特征，识别人脸特征，确定人脸识别图像；基于预设的大数据中心，对所述人脸识别图像进行预处理操作，确定预处理图像；其中，所述预处理操作至少包括光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波和锐化的一种或多种；对所述预处理图像进行几何特征的提取，提取人脸特征点，并通过所述人脸特征点，进行人脸特征建模，搭建人脸特征模型；基于所述人脸特征模型，提取待识别的人脸图像中的人脸特征数据；将所述人脸特征数据与预设的存储数据库中的人脸特征模板进行搜索匹配，识别顾客身份信息。
28.上述技术方案的工作原理和有益效果在于：获取顾客身份信息，并基于预设的adaboost算法，程序接收到摄像头不断输入的人脸图像或者视频流，使用adaboost算法挑选出每一帧中一些最能代表人脸的矩形特征，记录并抽取人脸图像的目标矩形特征，并根据目标矩形特征，确定弱分离器特征；其中，弱分离器特征用于对顾客的人脸特征进行初识别；按照预设的加权投票机制，强化弱分离器特征，构造强分类器特征；其中，弱分离器特征用于对顾客的人脸特征进行精确识别；按照加权投票的方式将弱分类器构造为一个强分类器，再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器，有效地提高分类器的检测速度，最终确认并识别人脸表情；因为原始图像由于受到各种条件的限制和随机干扰而不能直接使用，比如噪声、光照等，这些因素会导致图像质量下降，影响识别效果，基于预设的大数据中心，对表情识别图像进行预处理操作，预处理操作至少包括光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波和锐化来完成图像的预处理，从而增强图像质量。
29.在一个实施例中，所述对所述预处理图像进行几何特征的提取，提取人脸特征点，并通过所述人脸特征点，进行人脸特征建模，搭建人脸特征模型，包括：基于预设的几何特征算法，提取人脸特征，确定人脸局部的几何线条；其中，所述几何特征算法用于对眼睛、鼻子、嘴和下巴部位的线条变化进行识别；分析几何线条的局部形状和距离特性，确定人脸分类特征数据，并根据所述表情人脸特征数据，抽取人脸特征点；根据所述人脸特征点，生成对应的人脸特征分量；其中，所述人脸特征分量至少包括人脸特征点间的欧氏距离、曲率和角度；通过所述人脸特征分量、人脸特征点和人脸分类特征数据，构建人脸特征模型。
30.上述技术方案的工作原理和有益效果在于：本技术方案使用几何特征法提取人脸特征建模。人脸特征由眼睛、鼻子、嘴、下巴的变化等局部变化组合在一起构成，根据人脸各局部的表情形状描述以及他们之间的距离特性来获得人脸表情分类的特征数据，其特征分量包括特征点间的欧氏距离、曲率和角度等。这些人脸特征数据进行建模，形成人脸的几何描述。脸的拍摄姿势影响到人脸图像的外观，因为人脸是三维的，而图像是二维的，不同姿态下，图像摄取到的是人脸不同的信息。这导致跨姿势的人脸识别非常困难，图像预处理还要考虑姿态的问题，通过三维建模恢复出正面人脸图像，对预处理图像进行几何特征的提取，进行人脸特征建模，提取待识别的人脸图像中的人脸特征数据，据人脸各局部的形状描述以及他们之间的距离特性来获得人脸分类的特征数据，其特征分量包括特征点间的欧氏距离、曲率和角度等。将人脸脸部特征数据与预设的存储数据库中的人脸脸部特征模板进行搜索匹配，将获取得到的待识别的人脸图像的特征数据与数据库中存储的已得到的人脸特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。
31.在一个实施例中，所述通过预设的智能设备，采集购物过程中的商品数据，还包括：通过智能购物车上预设的智能终端pad，获取商品条码信息；通过智能购物车预设的重量传感器和智能摄像头，采集商品数据；其中，所述商品数据包括商品类型信息、商品放入重量和商品放入时间；根据所述商品条码信息，智能购物车检测对应的商品数据和商品的放入重量，并判断商品放入重量是否与商品条码信息对应的标准重量相符合，确定判断结果；当所述判断结果为符合时，智能购物车自动添加对应的扫码商品至购物清单；当所述判断结果为不符合时，基于智能购物车上预先装置的后置摄像头，监测并判断智能购物车内的商品的异常信息，确定第一判断结果。
32.上述技术方案的工作原理和有益效果在于：通过预设的智能终端pad，获取商品条码信息；通过智能购物车预设的重量传感器，采集商品数据，智能购物车利用车体自带的重量传感器、智能终端pad上的商品条码识别器和后置车筐监测摄像头采集顾客购物过程中的商品数据。户从货架上取下商品后，会先经过智能终端pad上的扫码器进行扫码，然后再放入车筐，扫码器识别商品条码，即可采集到顾客此时的购买动作和购买的商品，商品数据包括商品类型信息、商品重量和商品放入时间，根据商品条码信息和商品数据，判断商品放入是否有异常；根据商品条码信息，智
能购物车检测对应的商品数据，确定商品重量；判断商品条码信息和对应的商品重量是否符合，确定第一判断结果；当判断结果为符合时，智能购物车自动添加对应的扫码商品至购物清单；当判断结果为不符合时，基于智能购物车的后置摄像头，监测智能购物车内的商品，并判断商品的异常信息，确定第二判断结果，智能购物车利用车体自带的重量传感器、智能终端pad上的商品条码识别器和后置车筐监测摄像头采集顾客购物过程中的商品数据。用户从货架上取下商品后，会先经过智能终端pad上的扫码器进行扫码，然后再放入车筐。扫码器识别商品条码，即可采集到顾客此时的购买动作和购买的商品信息。
33.在一个实施例中，所述当所述判断结果为不符合时，基于智能购物车上预先装置的后置摄像头，监测并判断智能购物车内的商品的异常信息，确定第一判断结果，包括：当所述判断结果为不符合时；基于智能购物车的后置摄像头，监测智能购物车内的商品，同时通过智能购物车的重量传感器，采集商品数量；当所述商品条码信息无误，但和对应的商品数量不符合时，上传商品数量，同时对顾客进行语音提醒，并在提醒时间超过预设的时间阈值后，生成异常信息发送至预设的控制终端；当所述商品条码信息和对应的商品数量都有误时，采集商品的防损信息；通过智能购物车上预设的后置摄像头、扫码器和重量传感器，获取扫码前车筐图像、放入商品前车筐图像和放入商品后车筐图像；对所述扫码前车筐图像、放入商品前车筐图像和放入商品后车筐图像进行对比，并分析顾客未扫码放入车筐商品，确定未扫码商品；通过防损信息和未扫码商品，确定异常商品，并对顾客进行语音提醒，并在提醒时间超过预设的时间阈值后，生成异常信息发送至预设的控制终端。
34.上述技术方案的工作原理和有益效果在于：通过智能购物车上的感应设备，对异常的商品进行及时的检测，避免用户在购买大量物品时，人工检测的成本，提高了失误时检查的效率，减少了商品错放的概率。
35.在一个实施例中，所述同时对智能设备进行定位，确定兴趣区域信息，包括：通过智能终端pad内预设的位置传感器装置，实时采集智能购物车的运动状态和方向，获取顾客的停留浏览时间；其中，所述位置传感器装置至少包括三角陀螺仪、加速度计和水平仪；通过智能终端pad内预设的蓝牙装置，检测周边区域预设的信标，通过所述信标，识别智能购物车的区域位置；根据停留浏览时间、区域位置和驻留时长，采集并记录顾客的逛游路径，通过所述逛游路径，分析门店的顾客热区和客流动线；通过所述顾客热区和客流动线，确定顾客的兴趣区域信息。
36.上述技术方案的工作原理和有益效果在于：通过智能终端pad内预设的位置传感器装置，实时采集智能购物车的运动状态和方向，获取顾客的停留浏览时间，通过智能终端pad内三角陀螺仪、加速度计等多传感器，实时判断采集智能购物车的运动状态和方向，判断顾客是否停留浏览；通过智能终端pad内的蓝牙模块检测周边货架上的beacon信标来识别智能购物车所在位置，判断顾客停留所在的
区域、驻留时长，从而得知客户的兴趣品类，同时采集记录了顾客的逛游路径，最终分析出门店内的顾客热区、客流动线。在顾客的宏观购物行为研究中，很重要的一方面是获取顾客在线下零售场景中的位置数据和时间数据。lbs基于位置的服务通过获取用户移动设备通讯信号确定其地理位置，在大多数情况下我们获取到的移动设备的信号来自手机。通过收集发出的信号可以利用gsm、cdma或者gps获取其地理位置，在gis的进一步处理下推断手机用户所在位置。根据服务对象特点的不同采用的定位技术也不一样，室内定位有wifi、蓝牙、rfid、地磁、uwb等多种技术，其中蓝牙、rfid技术从成本、定位精度和维护成本综合多方面来考虑，能较低成本和较好性能来满足室内移动设备位置数据采集精度的要求的。
37.在一个实施例中，所述同时对智能设备进行定位，确定兴趣区域信息，包括：通过智能终端pad内预设的位置传感器装置，实时采集智能购物车的运动状态和方向，获取顾客的停留浏览时间；其中，所述位置传感器装置至少包括三角陀螺仪、加速度计和水平仪；通过智能终端pad内预设的蓝牙装置，检测周边区域预设的信标，通过所述信标，识别智能购物车的区域位置；根据停留浏览时间、区域位置和驻留时长，采集并记录顾客的逛游路径，通过所述逛游路径，分析门店的顾客热区和客流动线；通过所述顾客热区和客流动线，确定顾客的兴趣区域信息。
38.上述技术方案的工作原理和有益效果在于：基于当下的营销时机和用户画像给顾客推动定制化的营销信息到智能终端pad的屏幕上，顾客在屏幕上查看了、点击了、加购了推送内容，基于视觉检测的行为数据采集方法，通过使用场景视频、图像采集。针对采集到的顾客图像，利用计算机视觉分析提取图像中顾客行为数据，从而对顾客行为数据进一步加工分析，这些顾客与屏幕的交互信息会被实时采集，同时，前置摄像头也在实时采集顾客行为反馈数据，好让智慧营销的结果越来越精准，数据信息量丰富、分析精准度高。
39.在一个实施例中，所述通过所述购物行为数据和兴趣区域信息，生成营销反馈数据，并基于所述营销反馈数据，构建推荐策略，同时，将所述推荐策略推送至智能设备上，包括：通过所述购物行为数据和兴趣区域信息，生成营销反馈数据，根据所述营销反馈数据，生成对应的推送内容；基于预设的营销时机，基于预设的视觉检测行为数据方法，采集智能购物车上的场景视频，通过对场景视频进行图像采集，获取采集到的顾客图像；通过所述视觉检测行为数据方法，分析提取图像中顾客行为数据，对顾客行为数据加工分析和语义提取，确定分析结果，通过分析结果，进行智能学习，生成定制化的推送内容，并将所述定制化的推送内容推动至智能终端pad上，确定推送结果；实时采集推送结果中的交互信息，同时，通过前置摄像头，实时采集顾客接收到交互信息时的行为反馈数据，生成个性推荐策略，并将所述个性推荐策略推送并保存至智能设备上。
40.上述技术方案的工作原理和有益效果在于：
针对采集到的顾客图像，利用计算机视觉分析提取图像中顾客行为数据，从而对顾客行为数据进一步加工分析。基于图像识别的行为数据采集方式经过较长时间的研究，已经在人体行为识别层面搭建了相对成熟的技术框架和面向对象数据的技术框架两类，面向视频数据的技术框架是通过对视频序列和视频中观测对象的行为特征提取来分析相关行为数据。这种方法主要利用了视频中不同帧之间的图像像素差异和光流变化来实现，做到对车筐内商品变化和用户行为数据的实时观测分析。面向图像的技术框架需要对数量较大的图像数据集进行语义特征提取，通过机器学习训练的方式得到训练模型，为真实场景下的用户行为数据分析提供参考。基于视觉检测的行为数据采集方法的优点是数据信息量丰富、分析精准度高，可以精确到1米以内。
41.在一个实施例中，所述通过所述购物行为数据和兴趣区域信息，生成营销反馈数据，根据所述营销反馈数据，生成对应的推送内容还包括：步骤1：获取目标顾客的用户信息；步骤2：通过所述用户信息，获取历史购物行为数据，并根据历史购物行为数据，生成个性化购物行为数据；其中，代表第个目标用户的个性化购物行为数据，，代表目标用户的总个数，代表第个目标用户的购物频次，代表第个目标用户的购物时长，代表第个目标用户的客单价，代表第个目标用户的历史消费清单，代表第个目标用户的逛游路线，代表第个目标用户的驻留区域，步骤3：基于预设的大数据中心，统计并记录所述个性化购物行为数据，生成兴趣群体消费数据；其中，代表兴趣群体消费函数，代表对个性化购物行为数据统计后的兴趣群体消费数据，代表统计个性化购物行为数据群体的分布函数，代表关于兴趣度的筛选函数；步骤4：通过所述兴趣群体消费数据，构建兴趣推荐算法；;其中，代表兴趣推荐算法，关于第批个性化购物数据的兴趣推荐算法，
，代表个性化购物数据的总批数，代表对第批个性化购物数据统计后的兴趣群体消费数据，代表关于兴趣群体消费数据的推荐函数，代表关于目标用户为时的兴趣群体消费数据的正向兴趣权值矩阵的转置，代表关于兴趣群体消费数据的正向兴趣权值矩阵，代表关于兴趣群体消费数据的负向兴趣权值矩阵，代表关于兴趣群体消费正向兴趣权值和负向兴趣权值的有效参数；步骤5：通过所述兴趣推荐算法，获取兴趣商品，并接收营销反馈数据，通过所述兴趣商品和营销反馈数据，生成对应的推送内容。
42.上述技术方案的工作原理和有益效果在于：本技术方案采用ai智能终端设备（智能购物车、出口一体机）和终端设备上的智能算法应用为消费者提供全新的线下购物工具的方式，采集大量rfid数据、蓝牙数据、摄像头图像数据、多样传感器数据、移动互联网数据等人工智能相关的原始数据，并经过标注处理后做算法训练的支撑，让线下具备线上电商同样的数字化能力，深度探索用户价值，通过智慧营销、智慧管理，给顾客提供个性化服务，智能购物车最大的优点在于它能收集用户全购物周期的数据并根据用户画像和营销时机主动做出个性化的推荐，也就是说，当顾客每次进店后一使用智能购物车时，推荐方法就能够按照目标顾客画像的偏好程度的高低做个性化的推荐，获取目标顾客的用户信息，通过所述用户信息，获取历史购物数据，生成个性化购物数据，基于预设的大数据中心，统计并记录所述个性化购物数据，生成兴趣群体消费数据，而且系统给出的推荐时实时更新的，也就说当系统中营销资源和用户数据发生改变时，或逛游过程中对应不同的营销时机信息时，给出的推荐序列会自动变化，通过所述兴趣群体消费数据，构建兴趣推荐算法；大大方便了顾客，也提高了企业的服务水平。
43.在一个实施例中，所述智能设备，还包括出口一体机；其中，所述出口一体机用于基于预设的rfid识别机制，检测智能购物车上的rfid信标，识别目标车辆，并通过采集目标车辆的购物数据，检测订单是否存在异常，确定检测结果；其中，当所述检测结果为订单异常时，异常订单关闭不会打开通道出口，并语音播报车号对出口防损员进行通知，同时，获取订单的商品防损数据和管理检查数据，生成可视化的订单信息。
44.上述技术方案的工作原理和有益效果在于：顾客推车到达出口，出口一体机通过rfid识别技术检测到靠近的智能购物车上的rfid信标，从而识别靠近的车辆；获取到订单后，后台防损系统根据过程中的购物数据，算出订单是否存在异常，异常订单会实行不开门和语音播报车号通知出口防损员过来核查。防损员核检后，在屏幕上提交检查结果，出口一
体机负责订单的商品防损数据、管理检查数据的采集。
45.总之，采用ai智能终端设备（智能购物车、出口一体机）和终端设备上的智能算法应用为消费者提供全新的线下购物工具的方式，采集大量rfid数据、蓝牙数据、摄像头图像数据、多样传感器数据、移动互联网数据等人工智能相关的原始数据，并经过标注处理后做算法训练的支撑，让线下具备线上电商同样的数字化能力，深度探索用户价值，通过智慧营销、智慧管理，给顾客提供个性化服务。
46.显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。