[发明专利]一种零售安全防护方法及系统

权利要求书

1.一种零售安全防护方法，其特征在于，所述方法包括：

获取智能零售设备的历史监控信息，提取所述历史监控信息中的关键帧图片，识别并存储所述关键帧图片的特征信息；

构建智能零售设备的监控模型；

基于所述关键帧图片的特征信息，利用预设训练方法对所述智能零售设备的监控模型进行训练，得到训练好的智能零售设备的监控模型，其中，所述预设训练方法包括神经网络方法；

捕捉智能零售设备的实时监控图像，并输入所述训练好的智能零售设备的监控模型，得到所述实时监控图像的反馈结果。

2.根据权利要求1所述的方法，其特征在于，所述获取智能零售设备的历史监控信息，提取所述历史监控信息中的关键帧图片，识别并存储所述关键帧图片的特征信息，包括：

通过自动与所述智能零售设备的视频监控平台对接，获取历史监控信息，并通过提取视频流关键帧图像，作为历史监控信息中的关键帧图片；

设置关键帧图片的特征信息的存储装置，实现可在设定历史时间范围内，识别并存储所述关键帧图片的特征信息，其中，通过算法对历史监控信息中的关键帧图片的特征进行识别，算法包括直方图均衡算法及边缘特征算法。

3.根据权利要求1所述的方法，其特征在于，所述智能零售设备的监控模型，包括：图像前处理模块、图像特征模块、图像后处理模块、数据融合模块；

所述图像前处理模块用于对输入的关键帧图片的特征信息数据进行特征提取，获得前处理图像特征；

所述图像特征模块用于针对获得的前处理图像特征，使用注意力机制来获取二者的互注意力特征，并将互注意力特征与相应的前处理图像特征进行拼接，获得混合特征；

所述图像后处理模块用于对所述混合特征进行特征提取，以获得后处理图像特征；

所述数据融合模块用于根据后处理图像特征，获得图像融合特征，并得到监控结果。

4.根据权利要求1所述的方法，其特征在于，所述基于所述关键帧图片的特征信息，利用预设训练方法对所述智能零售设备的监控模型进行训练，得到训练好的智能零售设备的监控模型，包括：

从构建的关键帧图片的特征信息数据集中划分出训练集对智能零售设备的监控模型进行训练，并计算损失函数，更新训练网络，得到训练好的智能零售设备的监控模型。

5.根据权利要求4所述的方法，其特征在于，所述从构建的关键帧图片的特征信息数据集中划分出训练集对智能零售设备的监控模型进行训练，并计算损失函数，更新训练网络，得到训练好的智能零售设备的监控模型，包括：

根据所述训练集，计算关键帧图片的特征信息的残差函数，并输入至所述智能零售设备的监控模型；

根据训练模型输出结果，计算损失函数；

根据所述损失函数，通过梯度下降方法，优化训练模型的参数，直至得到训练好的智能零售设备的监控模型。

6.根据权利要求1所述的方法，其特征在于，所述捕捉智能零售设备的实时监控图像，并输入所述训练好的智能零售设备的监控模型，得到所述实时监控图像的反馈结果之后，所述方法包括：

若所述实时监控图像的反馈结果异常，在所述智能零售设备进行报警显示；

若所述实时监控图像的反馈结果正常，记录当前所述实时监控图像，并输入所述训练好的智能零售设备的监控模型，验证当前所述实时监控图像的反馈结果。

7.一种零售安全防护系统，其特征在于，所述系统包括：

获取模块，用于获取智能零售设备的历史监控信息，提取所述历史监控信息中的关键帧图片，识别并存储所述关键帧图片的特征信息；

构建模块，用于构建智能零售设备的监控模型；

训练模块，用于基于所述关键帧图片的特征信息，利用预设训练方法对所述智能零售设备的监控模型进行训练，得到训练好的智能零售设备的监控模型，其中，所述预设训练方法包括神经网络方法；

得到模块，用于捕捉智能零售设备的实时监控图像，并输入所述训练好的智能零售设备的监控模型，得到所述实时监控图像的反馈结果。