自助购物方法、自助售卖机及计算机可读存储介质与流程

本发明涉及自助售货设备技术领域，尤其涉及一种自助购物方法、自助售卖机及计算机可读存储介质。

背景技术：

目前用户通过自助售卖机进行自助购物时，一般购物操作交互形式为投币吐物方式、条形码扫描方式或者射频标签读取方式等。用户通过上述操作交互方式进行自助购物时，不仅不能接触商品，而且在用户选定一个商品后即完成了当次购物交易，却无法对选定的商品进行变更或者重新选择商品。因此，传统的自助购物方法不仅操作繁琐，而且用户体验差。

技术实现要素：

本发明的主要目的在于提供一种自助购物方法、自助售卖机及计算机可读存储介质，旨在解决传统自助购物方法操作繁琐且用户体验差的技术问题。

为实现上述目的，本发明提供一种自助购物方法，所述自助购物方法包括以下步骤：

在检测到开门指令时，开启自助售卖机的柜门，以供用户挑选商品；

获取所述用户挑选商品时的动作图像集；

在检测到关门指令时，根据预设图像模型库和所述动作图像集，确定所述用户选中的目标商品信息，并根据所述目标商品信息生成支付信息，以供所述用户查看。

可选的，所述在检测到开门指令时，开启自助售卖机的柜门，以供用户挑选商品的步骤之前，还包括：

在接收到用户操作触发的购物指令时，获取所述用户的身份信息，并根据预设规则，判断所述身份信息是否为合法身份信息；

在所述身份信息为合法身份信息时，生成开门指令；

在所述身份信息为非法身份信息时，生成绑定身份信息的提醒消息。

可选的，所述获取所述用户挑选商品的动作图像集的步骤具体包括：

在检测到所述商品的位置发生变化时，通过所述自助售卖机内的摄像头以预设频率拍摄所述商品对应的图像；

根据所述商品对应的图像和所述图像对应的拍摄时间，生成所述用户挑选商品的动作图像集。

可选的，所述在检测到关门指令时，根据预设图像模型库和所述动作图像集，确定所述用户选中的目标商品信息，并根据所述目标商品信息生成支付信息，以供所述用户查看的步骤具体包括：

在检测到关门指令时，根据预设图像模型库和所述动作图像集，确定所述用户是否选购商品；

在确定所述用户未选购商品时，获取所述自助售卖机内的当前商品数据，并判断所述当前商品数据是否与预存商品数据相匹配；

在所述当前商品数据与预存商品数据不匹配，生成商品数据异常的提醒消息。

可选的，所述在检测到关门指令时，根据预设图像模型库和所述动作图像集，确定所述用户是否选购商品的步骤之后，还包括：

在确定所述用户选购商品时，获取所述动作图像集中待识别商品的待识别图像；

将所述待识别图像与所述预设图像模型库中的图像信息进行匹配，根据匹配符合度，确定所述待识别商品的商品信息，作为所述用户选中的目标商品信息；

根据所述目标商品信息中的商品名称、商品价格和商品数量生成支付信息，以供所述用户查看。

可选的，所述在确定所述用户选购商品时，获取所述动作图像集中待识别商品的待识别图像的步骤之后，还包括：

在获取所述待识别商品失败时，生成商品识别异常的提醒消息，以供用户调整商品位置。

可选的，所述根据所述目标商品信息中的商品名称、商品价格和商品数量生成支付信息，以供所述用户查看的步骤具体包括：

获取所述自助售卖机内剩余商品对应的剩余商品数据和所述目标商品信息对应的目标商品数据；

根据预存商品数据和所述剩余商品数据，判断所述目标商品数据是否异常；

在所述目标商品数据未发生异常时，根据所述目标商品信息中的商品名称、商品价格和商品数量生成支付信息，以供所述用户查看。

可选的，所述在检测到关门指令时，根据预设图像模型库和所述动作图像集，确定所述用户选中的目标商品信息，并根据所述目标商品信息生成支付信息，以供所述用户查看的步骤之后，还包括：

根据深度学习架构和所述动作图像集，对所述预设图像模型库进行学习训练，以便更新所述预设图像模型库。

此外，为实现上述目的，本发明还提供一种自助售卖机，所述自助售卖机包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的自助购物程序，其中所述自助购物程序被所述处理器执行时，实现如上所述的自助购物方法的步骤。

此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有自助购物程序，其中自助购物程序被处理器执行时，实现如上述的自助购物方法的步骤。

本发明提供一种自助购物方法、自助售卖机及计算机可读存储介质，所述自助购物方法通过在检测到开门指令时，开启自助售卖机的柜门，以供用户挑选商品；获取所述用户挑选商品时的动作图像集；在检测到关门指令时，根据预设图像模型库和所述动作图像集，确定所述用户选中的目标商品信息，并根据所述目标商品信息生成支付信息，以供所述用户查看。通过以上方式，本发明可供用户自由选取商品，以便用户接触实际商品、查看商品信息或进行商品信息对比，并通过自动获取用户选购的目标商品信息，生成支付订单，提高购物效率，提升用户的购物体验，解决了传统自助购物方法操作繁琐且用户体验差的技术问题。

附图说明

图1是本发明实施例方案涉及的自助售卖机硬件结构示意图；

图2为本发明自助购物方法第一实施例的流程示意图；

图3为图2中步骤S20的细化流程示意图；

图4为本发明自助购物方法第二实施例的流程示意图；

图5为本发明自助购物方法第三实施例的流程示意图；

图6为本发明自助售卖机内摄像头的第一位置示意图；

图7为本发明自助售卖机内摄像头的第二位置示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例方案的主要思路是：在检测到开门指令时，开启自助售卖机的柜门，以供用户挑选商品；获取所述用户挑选商品时的动作图像集；在检测到关门指令时，根据预设图像模型库和所述动作图像集，确定所述用户选中的目标商品信息，并根据所述目标商品信息生成支付信息，以供所述用户查看，解决了传统自助购物方法操作繁琐且用户体验差的技术问题。

本发明实施例涉及的自助购物方法主要应用于自助售卖机，该自助售卖机可以通过多种形状实现。例如，立式自助售卖机或柜式自助售卖机等。

参照图1，图1为本发明实施例方案中涉及的自助购物终端硬件结构示意图。本发明实施例中，自助购物终端可以包括处理器1001(例如CPU)，通信总线1002，用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信；用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)；网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)；存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器，存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的硬件结构并不构成对自助购物终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

继续参照图1，图1中作为一种计算机可读存储介质的存储器1005可以包括操作系统、网络通信模块以及自助购物程序。

在图1中，网络通信模块主要用于连接服务器，与服务器进行数据通信；而处理器1001可以调用存储器1005中存储的自助购物程序，并执行以下操作：

在检测到开门指令时，开启自助售卖机的柜门，以供用户挑选商品；

获取所述用户挑选商品时的动作图像集；

在检测到关门指令时，根据预设图像模型库和所述动作图像集，确定所述用户选中的目标商品信息，并根据所述目标商品信息生成支付信息，以供所述用户查看。

进一步的，所述显示状态图片包括全白场图片和棋盘格图片，处理器1001还可以调用存储器1005中存储的测试程序，并执行以下操作：

在接收到用户操作触发的购物指令时，获取所述用户的身份信息，并根据预设规则，判断所述身份信息是否为合法身份信息；

在所述身份信息为合法身份信息时，生成开门指令；

在所述身份信息为非法身份信息时，生成绑定身份信息的提醒消息。

进一步的，处理器1001还可以调用存储器1005中存储的测试程序，并执行以下操作：

在检测到所述商品的位置发生变化时，通过所述自助售卖机内的摄像头以预设频率拍摄所述商品对应的图像；

根据所述商品对应的图像和所述图像对应的拍摄时间，生成所述用户挑选商品的动作图像集。

进一步的，所述预设参考数据包括参考低通像素数据和参考高通像素数据，处理器1001还可以调用存储器1005中存储的测试程序，并执行以下操作：

在检测到关门指令时，根据预设图像模型库和所述动作图像集，确定所述用户是否选购商品；

在确定所述用户未选购商品时，获取所述自助售卖机内的当前商品数据，并判断所述当前商品数据是否与预存商品数据相匹配；

在所述当前商品数据与预存商品数据不匹配，生成商品数据异常的提醒消息。

进一步的，所述预设参考数据包括参考低通像素数据和参考高通像素数据，处理器1001还可以调用存储器1005中存储的测试程序，并执行以下操作：

在确定所述用户选购商品时，获取所述动作图像集中待识别商品的待识别图像；

将所述待识别图像与所述预设图像模型库中的图像信息进行匹配，根据匹配符合度，确定所述待识别商品的商品信息，作为所述用户选中的目标商品信息；

根据所述目标商品信息中的商品名称、商品价格和商品数量生成支付信息，以供所述用户查看。

进一步的，所述预设参考数据包括参考低通像素数据和参考高通像素数据，处理器1001还可以调用存储器1005中存储的测试程序，并执行以下操作：

在获取所述待识别商品失败时，生成商品识别异常的提醒消息，以供用户调整商品位置。

进一步的，所述预设参考数据包括参考低通像素数据和参考高通像素数据，处理器1001还可以调用存储器1005中存储的测试程序，并执行以下操作：

获取所述自助售卖机内剩余商品对应的剩余商品数据和所述目标商品信息对应的目标商品数据；

根据预存商品数据和所述剩余商品数据，判断所述目标商品数据是否异常；

在所述目标商品数据未发生异常时，根据所述目标商品信息中的商品名称、商品价格和商品数量生成支付信息，以供所述用户查看。

进一步的，所述预设参考数据包括参考低通像素数据和参考高通像素数据，处理器1001还可以调用存储器1005中存储的测试程序，并执行以下操作：

根据深度学习架构和所述动作图像集，对所述预设图像模型库进行学习训练，以便更新所述预设图像模型库。

基于上述自助售卖机的硬件结构，提出本发明自助购物方法各个实施例。

本发明提供一种自助购物方法。

参照图2，图2为本发明自助购物方法第一实施例的流程示意图。

本实施例中，所述自助购物方法包括以下步骤：

步骤S10，在检测到开门指令时，开启自助售卖机的柜门，以供用户挑选商品；

本实施例中，现有自助售卖机提供的用户购物操作交互方式，如投币式吐物方式、条形码扫描方式或者射频标签读取方式等，上述操作交互方式中，用户不仅不能接触实际商品，无法阅读商品的具体信息从而进行同类商品间的对比；而且在选定商品后即完成了当此购物交易，无法重新变更商品或者重新选择商品。因此，现有的自助购物方法不仅操作繁琐，而且降低了用户的购物体验。为了解决上述技术问题，本发明可供用户自由选取商品，以便用户接触实际商品、查看商品信息或进行商品信息对比，并通过自动获取用户选购的目标商品信息，生成支付订单供用户进行快捷支付。从而提高购物效率，提升用户的购物体验。具体地，自助售卖机在检测到开门指令时，通过开启柜门，以供用户自由选择自助售卖机内的上架商品。其中，开门指令可以是自助售卖机在确认用户的身份信息后，生成该开门指令。

进一步地，本发明自助购物方法在步骤S10之前，还包括：

步骤S01，在接收到用户操作触发的购物指令时，获取所述用户的身份信息，并根据预设规则，判断所述身份信息是否为合法身份信息；

本实施例中，用户通过用户终端向所述自助售卖机发送购物指令，所述自助售卖机在接收到购物指令时，获取所述用户对应的身份信息。其中，所述用户可以通过扫描自助售卖机上的二维码，并在第一次使用时，通过绑定微信或者支付宝等账号，进行身份信息的绑定。用户还可以在第一次使用时，通过手动输入绑定身份信息。所述自助售卖机在接收到所述用户的身份信息时，判断所述身份信息是否为有效的身份信息，即合法身份信息。所述合法身份信息可以包括身份证号、手机号、住址、支付账号等相关信息。所述合法身份信息可供自助售卖机在需要时，查找或联系该用户。具体实施例中，所述用户的身份验证可以是由云端服务器进行验证。

步骤S02，在所述身份信息为合法身份信息时，生成开门指令；

具体地，在判定所述身份信息为有效的合法身份信息，生成开门指令，以供用户进行自由选择商品。例如，用户可以在拿到该商品后，通过阅读商品详细信息或者在触摸该商品后，想重新选择其他商品，可将拿到的商品放回储物架上，再去拿别的商品。

步骤S03，在所述身份信息为非法身份信息时，生成绑定身份信息的提醒消息。

具体地，所述用户的身份信息不是有效的身份证号信息，或者查找不到该用户的手机号等。则判定所述身份信息为非法身份信息，生成绑定身份信息的提醒至用户终端，或者通过所述自助售卖机的显示屏显示相关提醒消息，或者通过所述自助售卖机的语音模块，播放该提示信息。以提醒用户，该自助售卖机需要绑定身份信息才能进行自助购物操作。具体实施例中，可以提示用户绑定微信、支付宝等，进行身份信息的绑定，无需手动输入。

步骤S20，获取所述用户挑选商品的动作图像集；

具体地，在开启柜门后，可以启动所述自助售卖内的摄像头，对所述用户自助购买商品的整个过程进行拍摄，如拍摄相关视频或者根据预设频率拍摄相关图片等。其中，安装在所述自助售卖机内的摄像头可以是一个、两个或者多个。如图6所示，图6为一个摄像头在所述自助售卖机内的安装示意图，如图7所示，一个摄像头在所述自助售卖机内的安装示意图，其中，1为摄像头，2为放置商品的置物架。将拍摄的视频或者图片存储至自助售卖机内部的存储器的同时，通过网络将所述视频或者图片同步传送至云端服务器。根据所述拍摄的视频或者图片，筛选地获取所述用户挑选商品的动作图像集。其中，所述动作图像集为可以表示用户拿取商品或者放回商品的序列图像，且序列图像为能确定图中商品信息的高清晰图像。还可以是通过红外感应装置获取用户选取商品的动作图像集等。

步骤S30，在检测到关门指令时，根据预设图像模型库和所述动作图像集，确定所述用户选中的目标商品信息，并根据所述目标商品信息生成支付信息，以供所述用户查看。

具体地，在检测到关门指令，即用户选购商品完毕，需要进行结账操作。确定所述动作图像集中待识别的商品信息，将动作图像集中的待识别商品信息与预设图像模型库中存储的图像信息进行匹配。其中，所述预设图像模型库是使用基于深度学习架构(Caffe)的图像识别技术，通过拍摄商品的大量向进行自学习与训练之后，生成的图像模型库。所述图像模型库可用于判定所述图片中的待识别商品的相关信息。确定所述预设图像模型库，确定用户选购的目标商品信息后，根据所述目标商品信息中的商品名称、商品价格、商品数量等相关信息，生成支付信息。其中，所述支付信息可以如支付订单等形式。将所述支付信息发送至用户终端或者通过自助售卖机上的显示屏进行显示，以供用户进行查看与核对。具体实施例中，自助售卖机可根据用户绑定的身份信息中的授权支付方式，进行自动快捷支付，即自动扣除对应金额，完成购物。

本实施例提供一种自助购物方法、自助售卖机及计算机可读存储介质，所述自助购物方法通过在检测到开门指令时，开启自助售卖机的柜门，以供用户挑选商品；通过所述自助售卖机内的摄像头，获取所述用户挑选商品的动作图像集；在检测到关门指令时，根据预设图像模型库和所述动作图像集，确定所述用户选中的目标商品信息，并根据所述目标商品信息生成支付信息，以供所述用户查看。通过以上方式，本发明可供用户自由选取商品，以便用户接触实际商品、查看商品信息或进行商品信息对比，并通过自动获取用户选购的目标商品信息，生成支付订单，提高购物效率，提升用户的购物体验，解决了传统自助购物方法操作繁琐且用户体验差的技术问题。

参照图3，图3为图2中步骤S20的细化流程示意图。

基于上述图2所示实施例，步骤S20具体包括：

步骤S21，在检测到所述商品的位置发生变化时，通过所述自助售卖机内的摄像头以预设频率拍摄所述商品对应的图像；

具体地，在通过传感器等检测到商品的位置发生变化时，启动所述自助售卖机内的摄像头对所述用户的选购过程进行监控。在检测到商品的位置发生变化，即用户发生了取放商品的动作。根据预先设置的拍摄频率，如1秒30帧等，获取此时用户选取商品对应的系列图像。其中，所述图像为连续序列图片。

步骤22，根据所述商品对应的图像和所述图像对应的拍摄时间，生成所述用户挑选商品的动作图像集。

具体地，根据拍摄时间，对拍摄的所述商品对应的连续序列图片进行编号，如将所述图片的拍摄时间作为图片的编号，或者语句拍摄时间的先后，依次对所述图片进行编号。并将编号后的连续序列图片进行过滤和分类，如根据用户的动作连续性分类，即在用户取商品的过程中，若用户停顿时间超过时间阈值(如1秒)时，即判定用户该动作结束。将用户一个动作对应的连续序列图片进行分类保存，并根据预设图像模型库，判定该动作对应的动作目的。例如，取商品、放回商品。具体实施例中，还可以获取图片中的待识别商品，根据所述待识别商品进行进一步分类。在将所述连续序列图片进行分类后，生成所述用户挑选商品的动作对应的动作图像集。具体实施例中，还可以通过位置传感器检测商品是否被取走，若通过商品对应的位置传感器检测到该处商品被取走，则判定用户选中了该商品。

基于上述图2所示实施例，步骤S30具体包括：

步骤S31，在检测到关门指令时，根据预设图像模型库和所述动作图像集，确定所述用户是否选购商品；

具体地，在检测到关门指令时，即表示用户选购商品结束。根据上述分类后的动作图像集，确定各个动作图像集对应的用户具体操作。然后根据用户的整个选购操作，确定所述用户是否选购商品。如，在检测到用户取商品1的动作图像集时，商品1的获取数量记为1，在检测到用户放回商品1的动作图像集时，商品1的放回数量记为1，结束时，则判定用户无发生选购动作。在检测到用户取商品2的动作图像集时，商品2的获取数量记为1，在检测到用户放回商品2的动作图像集时，商品2的放回数量记为1，若在检测到用户取商品2的动作图像集时，商品2的获取数量记为2，结束时，则判定用户选购了商品2。其中，根据图片中的拍摄时间，依序进行计数。

步骤S32，在确定所述用户选购商品时，获取所述动作图像集中待识别商品的待识别图像；

具体地，在确定所述用户发生选购商品操作后，根据确定用户发生选购操作的动作图像集，确定包含待识别商品的图像。获取所述图像中的待识别商品的图像信息。

步骤S33，将所述待识别图像与所述预设图像模型库中的图像信息进行匹配，根据匹配符合度，确定所述待识别商品的商品信息，作为所述用户选中的目标商品信息；

具体地，将所述待识别商品的图像信息与预设图像模型库中的图像信息进行比较，生成匹配符合度，即相似概率值。获取匹配符合度最大的商品信息，将所述商品信息作为所述待识别商品的商品信息。该待识别商品即为用户选中的目标商品，因此，该商品信息即是目标商品信息。

步骤S34，根据所述目标商品信息中的商品名称、商品价格和商品数量生成支付信息，以供所述用户查看。

具体地，目标商品信息包括商品名称、商品价格和商品数量等。根据目标商品的商品名称、商品价格和商品数量，生成支付信息，如生成支付订单，并将所述支付订单发送至用户终端或者通过自助售卖机的显示屏进行显示，以供用户对订单信息进行核对与支付。

本实施例提供一种自助购物方法、自助售卖机及计算机可读存储介质，本发明使用基于深度学习架构的图像识别技术，在提供用户自由选取商品，以便用户接触实际商品、查看商品信息或进行商品信息对比的环境下，通过用户产生的动作图像集，自动识别获取用户选购的目标商品信息，生成支付订单，提供快捷支付，提高购物效率，提升用户的购物体验，解决了传统自助购物方法操作繁琐且用户体验差的技术问题。

参照图4，图4为本发明自助购物方法第二实施例的流程示意图。

基于上述图3所示实施例，步骤S31之后，还包括：

步骤S35，在确定所述用户未选购商品时，获取所述自助售卖机内的当前商品数据，并判断所述当前商品数据是否与预存商品数据相匹配；

具体地，在根据所述动作图像集确定用户未选购商品时，未选购商品包括用户未发生选购商品的动作或者用户取商品动作次数与放回商品动作次数相一致。通过重量传感器、摄像头或者标签，获取所述自助售卖机内的当前商品数据，当前商品数据可以是当前商品总重量、当前商品的摆放图片或者当前商品的标签。将当前商品数据与开门前自助售卖机存储的预存商品数据进行比较，判断两者之间的差值是否在预设范围内，从而判断所述当前商品数据是否与预存商品数据相匹配。

步骤S36，在所述当前商品数据与预存商品数据不匹配，生成商品数据异常的提醒消息。

具体地，在所述当商品总重量与存储商品总重量不一致，或者当前商品的摆放图片与预存商品摆放图片不一致，或者当前商品的标签与预存商品的标签不一致，则所述当前商品数据与预存商品数据不匹配。在判定不匹配时，生成商品数据异常的提醒消息，以供附近管理人员现场查看或者通过摄像头查看具体情况，从而进行相应处理。或者提醒用户选购商品未被识别，请将选购商品正面放置于摄像头前进行识别。

本实施例提供一种自助购物方法、自助售卖机及计算机可读存储介质，本发明使用基于深度学习架构的图像识别技术，在提供用户自由选取商品，以便用户接触实际商品、查看商品信息或进行商品信息对比的环境下，通过用户产生的动作图像集，自动识别获取用户选购的目标商品信息，生成支付订单，提供快捷支付，提高购物效率，提升用户的购物体验。在用户未选购商品时，进一步判定当前商品数据是否发生变化，防止识别失误造成商家损失。

参照图5，图5为本发明自助购物方法第三实施例的流程示意图。

基于上述图3所示实施例，步骤S34具体包括：

步骤S341，获取所述自助售卖机内剩余商品对应的剩余商品数据和所述目标商品信息对应的目标商品数据；

具体地，在识别所述用户选购的目标商品信息后，获取所述自助售卖机内的剩余商品的剩余商品数据。其中，所述剩余商品数据可以是剩余商品总重量、剩余商品的摆放图片或者剩余商品的标签。

步骤S342，根据预存商品数据和所述剩余商品数据，判断所述目标商品数据是否异常；

具体地，将所述剩余商品数据与预先存储的剩余商品数据进行比较，判断两者之间的差值是否在预设范围内。

步骤S343，在所述目标商品数据未发生异常时，根据所述目标商品信息中的商品名称、商品价格和商品数量生成支付信息，以供所述用户查看。

具体地，若两者之间的差值在预设范围内时，则所述目标商品正常，即未发生异常，根据识别获取到的目标商品信息中的商品名称、商品价格和商品数量生成支付订单，并将所述支付订单发送至用户终端，或者通过自助售卖机上的显示屏进行显示，以供用户进行核对和支付。

进一步地，步骤S30之后，还包括：

步骤S40，在获取所述待识别商品失败时，生成商品识别异常的提醒消息，以供用户调整商品位置。

具体地，在确定用户发生选购操作之后，获取所述待识别商品的图像信息失败，或者将所述待识别商品的图像信息与预设图像模型库匹配，查找不到相应商品信息时，则待识别商品的图像获取可能发生异常。生成商品识别异常的提醒消息，通过用户终端、自助售卖机的显示屏或者语音模块进行提醒。使用户将选购商品正对摄像头或者除去商品上的遮挡物，以便摄像头获取所述目标商品的图像信息。

本实施例提供一种自助购物方法、自助售卖机及计算机可读存储介质，本发明使用基于深度学习架构的图像识别技术，在提供用户自由选取商品，以便用户接触实际商品、查看商品信息或进行商品信息对比的环境下，通过用户产生的动作图像集，自动识别获取用户选购的目标商品信息，生成支付订单，提供快捷支付，提高购物效率，提升用户的购物体验。在用户未选购商品时，进一步判定当前商品数据是否发生变化，防止识别失误造成商家损失。进一步地，在识别失败时，通过提醒消息提醒用户商品识别有误，通过及时调整商品的位置，提高识别效率。

进一步地，本发明自助购物方法在步骤S30之后，还包括：

步骤S50，根据深度学习架构和所述动作图像集，对所述预设图像模型库进行学习训练，以便更新所述预设图像模型库。

具体地，在支付完成后，根据此次获取到的所述动作图像集，使用基于深度学习架构的图像识别技术，再次对所述图像模型库进行学习训练，从而更新所述预设图像模型库。具体实施例中，所述图像模型库可以存储至云端服务器中，由云端服务器对待识别商品进行识别。由于自助售卖机的售卖商品有限且售卖商品类型相对固定，随着时间以及预设图像模型库内图像素材的不断累积，图像模型库的类型不断增加，图像模型库的准确定不断提高，待识别商品的识别准确度也会不断提高。

进一步的，本发明还提供一种计算机可读存储介质。

本发明计算机可读存储介质上存储有测试程序，其中所述测试程序被处理器执行时，实现如上述的自助购物方法的步骤。

其中，测试程序被执行时所实现的方法可参照本发明自助购物方法的各个实施例，此处不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。