(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210407618.4 (22)申请日 2022.04.19 (65)同一申请的已公布的文献号 申请公布号 CN 114511822 A (43)申请公布日 2022.05.17 (73)专利权人 广州市方 连科技有限公司 地址 511436 广东省广州市番禺区沙 头街 桥兴大道491号5号楼147 (72)发明人 李国权　 (74)专利代理 机构 北京中索 知识产权代理有限 公司 11640 专利代理师 邹长斌 (51)Int.Cl. G06V 20/52(2022.01) G06V 10/26(2022.01)G06V 10/75(2022.01) G06V 10/74(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 30/02(2012.01) (56)对比文件 CN 111932292 A,2020.1 1.13 审查员 洪汇隆 (54)发明名称 一种根据监控画面预测销售额的日用杂品 销售系统 (57)摘要 本发明公开一种根据监控画面预测销售额 的日用杂品销售系统， 包括主控模块和分别与所 述主控模块连接的监控装置、 图像处理模块、 分 类模块、 评估模块、 数据存储模块、 数据显示模块 和数据通信接口， 其中所述主控模块为日用杂品 销售管理中心； 所述数据存储模块为日用杂品销 售信息存储硬件或者云存储模块， 所述数据显示 模块为显示日用杂品销售数据信息的可视化硬 件， 所述数据通信接口为兼容远程数据信息无线 信息通信的接口。 本发明能够自动化提取销售监 控画面， 对不同日用杂品按照一定的数据属性进 行分类， 进 而对销售额进行 预测。 权利要求书3页 说明书9页 附图4页 CN 114511822 B 2022.07.12 CN 114511822 B 1.一种根据监控画面预测销售额的日用杂品销售系统， 其特征在于： 包括主控模块和 分别与所述主控模块连接的监控装置、 图像处理模块、 分类模块、 评估模块、 数据存储模块、 数据显示模块和数据通信接口， 其中所述主控模块为日用杂品销售管理中心； 所述数据存 储模块为日用杂品销售信息存储硬件或者云存储模块， 所述数据显示模块为显示日用杂品 销售数据信息的可视化硬件， 所述数据通信接口为兼容远程数据信息无线信息通信的接 口； 所述监控装置包括处理器模块和分别与所述处理器模块连接的图像采集模块、 A/D转 换模块、 数据获取总线、 图像采集 驱动模块和处理器加速器， 其中所述图像采集模块的输出 端与所述A/D转换模块的输入端连接， 其中所述处理器模块为基于FPGA处理器的处理模块 和ARM处理器的处理模块， FPGA处理器为基于EP4CE10F17C8芯片的处理模块， 所述ARM处理 器为基于CortexM3的STM32F103VE型号ARM处理器， 并且所述FPGA 处理器与ARM处理器通信 连接； 处理器加速器为基于图像采集的矢量化加速运算层次结构实现日用杂品销售图像采 集的加速； 所述图像处理模块包括图像分割单元、 目标图像提取单元、 目标图像识别单元和特征 匹配目标计算单元， 其中所述图像分割 单元的输出端与目标图像提取单元 的输入端连接， 所述目标图像提取单元的输出端与目标图像识别单元的输入端连接， 所述目标图像识别单 元的输出端与所述特 征匹配目标计算单 元的输入端连接； 所述分类模块包括基于 C5.0决策树模型的分类 器； 所述评估 模块包括基于GA ‑BP神经网络模型的评估 模块； 所述处理器加速器实现数据处 理加速的方法是： 通过构建矢量化加速运算层次结构， 将日用杂品数据信 息融入矢量化加速运算层次结 构， 通过扫描字符数量， 将 输入的字 符进行快速扫描， 以最为原始的地址访问输入到矢量加 速结构中， 进而通过不同层次求解， 将图像采集结果与图像计算进 行匹配， 进而提高图像采 集模块的速度加速； 所述特征匹配目标计算单元是采用利用目标的局部模板在当前帧进行匹配获取目标 候选区域， 利用改进的距离加权彩色直方图计算候选区域与局部模板的相似度， 结合直方 图的相似度和卡尔曼 预测确定目标的位置 。 2.根据权利要求1所述的一种根据监控画面预测销售额的日用杂品销售系统， 其特征 在于： 所述目标图像提取 单元为基于图像归一 化后的字符进行信息提取的模块。 3.根据权利要求1所述的一种根据监控画面预测销售额的日用杂品销售系统， 其特征 在于： 所述目标图像识别单 元为基于S PCA563B芯片的图像识别单 元。 4.根据权利要求1所述的一种根据监控画面预测销售额的日用杂品销售系统， 其特征 在于： 所述图像处 理模块对日用杂品销售信息提取的方法是： 步骤1、 通过图像分割单元将图像中具有不同类型的日用杂货数据信息按照不同的属 性进行区域划分； 步骤2、 通过目标图像提取 单元对监控画面中的不同日用杂货数据信息进行信息提取； 步骤3、 通过目标图像识别单 元对目标图像提取 单元提取的数据信息进行目标识别； 步骤4、 通过特征匹配目标计算单元对目标图像识别单元识别出的数据信息进行匹配； 在本步骤中， 通过SAD运算子模块将16*16窗生 成的子模块生 成的目标模板与候选目标内的权　利　要　求　书 1/3 页 2 CN 114511822 B 2像素点按公式进行匹配运算； 在进行匹配时首先选取模板图像， 然后在图像区域中的所有 的未知物体进行SAD运算， 扫描整幅图像寻找SAD值最小的点， 将SAD最小值的点所在的领域 作为所寻找的目标物体； 其中所述C 5.0决策树模型实现分类的方法为： 日用杂品数据信息集 合为 ， 销售额预测信息记作为 ， 则:      (1) 在公式(1)中， 为日用杂品在进行销售额评估时， 在进行数据接收 时， 数据发送端子在发出预测数据 的同时， 并同时接收到数据 时的概率数， 其中 表示日用杂品数据信息的个数， 表示销售额预测信息的个数， 该 数据通过概 率表示为：                        （2） 通过计算数据发送端子和数据接收端子之间的数据信 息， 进而获取 日用杂品被评估的 数据集信息情况； 其中所述GA ‑BP神经网络模型实现销售额度数据信息 评估的方法包括以下步骤： （1） 设置BP网络结构模型， 所述BP网络结构模型包括输入层、 隐含层和输出层， 每个不 同的层次之间的神经元都采用了全连接的形式， BP网络对数据信号处理的整体过程如下： 日用杂货销售额数据信息预测所需要的相关数据信息通过输入层进入BP网络中， 在BP网络 内部由隐含层对输入的相关数据信息进行 处理计算， 最 终输出的数据值会与预设值进 行对 比； （2） BP网络结构模型计算， BP网络 输出的数据与预设的数据值之间的误差 E(n)满足： （3） 式 （3） 中， 和 分别代表经BP网络处理后的输出值与预设的数据值； (3)误差诊断， 当输出的误差的值大于用户事先预设的阈值， 系统就会将最终输出的值 按照输出层、 隐含层、 输入层的顺序进行反向传播， 此时需要更新阈值， BP 网络会依据误差 由公式将权值更新， 更新公式为： （4） 式 （4） 中， 是输入层到隐含层的数据权值， 是隐含层到输出层的数据权值； 表示在隐层 个点的情况下的隐含层参数， 表示在权　利　要　求　书 2/3 页 3 CN 114511822 B 3