一种基于压力传感器的用户购物行为分析系统的制作方法

本发明涉及行为分析领域，更具体地，涉及一种基于压力传感器的用户购物行为分析系统。

背景技术：

随着无人超市的兴起，压力传感型无人售货柜也得到了很大的应用。现有的压力传感型无人售货柜的通过比较购物前售货柜的压力相关信息和购物后的售货柜的压力相关信息，再利用算法进行分析计算，从而得出用户的购物情况。但是对于用户在购物过程中的行为活动则无法感知。

因此，急需发明一种用户购物行为分析系统以解决上述的技术问题。

技术实现要素：

本发明提供一种基于压力传感器的用户购物行为分析系统，可根据压力数据信息的差异，利用模式识别算法，对用户行为作出精准分析和精准判断，而且这种分析将贯穿用户购物整个过程，可以完整记录用户行为模式。

根据本发明的一个方面，提供一种基于压力传感器的用户购物行为分析系统，用于无人售货柜中，且所述无人售货柜包括柜体、货架和承载盒，所述货架装设在柜体中，所述承载盒均匀装设在所述货架上，且所述承载盒内置压力传感器，所述用户购物行为分析系统包括数据采集模块和数据分析模块，所述数据采集模块与所述压力传感器电性相连，用于采集记录每个所述承载盒内压力发生变化的数据；所述数据分析模块的输入端与所述数据采集模块电性相连，存储和分析所述数据采集模块记录的数据，并判定顾客在目标区域内的行为。

在上述方案基础上优选，所述数据处理模块包括特征放大模块、波动嗅探模块和特征存储模块；

所述特征放大模块，用于将获取的压力变化数据进行放大，以获取压力变化放大数据；

所述波动嗅探模块，用于比较分析所述压力变化放大数据是否出现数据波动，获取所述压力变化放大数据的波动出现时间、波动出现结束时间、波峰值、波谷值、波宽值和波动频率。

所述特征存储模块，与所述波动嗅探模块相连，用于存储所述压力变化放大数据的波动出现时间、波动出现结束时间、波峰值、波谷值、波宽值和波动频率，以得到压力数据的波形图。

在上述方案基础上优选，所述数据分析模块用于对所述特征存储模块内的数据进行分析，以获取用户的行为模式。

在上述方案基础上优选，所述用户行为模式包括拿货模式、放货模式、移货模式和破坏模式。

在上述方案基础上优选，所述拿货模式对应的波形图呈压力平稳转变为波谷形状，最后波形图再次呈现为压力平稳状态。

在上述方案基础上优选，所述放货模式对应的波形图呈压力平稳转变为波峰形状，最后波形图再次呈现为压力平稳状态。

在上述方案基础上优选，所述移货模式是通过对比同一时间内两个不同压力传感器的波形图呈反向状态。

在上述方案基础上优选，所述破坏模式的波形图呈波峰与波谷交替状态。

在上述方案基础上优选，所述波动嗅探模块采用滑动平均值滤波算法用于比较分析所述压力变化放大数据是否出现数据波动。

本发明还提供了一种基于压力传感器的用户购物行为分析方法，包括以下步骤：

步骤s1，获取压力变化数据，通过数据处理，以获取波形图；

步骤s2，通过验证建立波形图与用户行为模式的对应关系；

步骤s3，基于用户行为模式与波形图的对应关系，构建神经网络

预测模型；

步骤s4，基于步骤3中的神经网络预测模型建立相应的预测控制系统，并

本发明的一种基于压力传感器的用户购物行为分析系统，通过利用每个承载盒内置的压力传感器，获取用户拿起承载盒内的物品引起压力传感器的压力变化，配合数据采集模块和数据分析模块，以获取记载用户行为模式。

与现有技术相比较，本发明具备以下技术优点：

1.本发明可以实时性分析用户拿货、取货、移货、破坏等多种行为；

2.本发明是基于压力传感器进行分析，对于压力传感型的无人售货柜就不需额外添加其他类型传感设备，成本低廉；

3.本发明分析得到的用户行为，可以用来校验用户最终购物情况；

4.本发明通过构建神经网络模型并不断训练，识别准确率高；

5.本发明可以分析用户行为，探索潜在的规律，创造商业价值。

附图说明

图1为本发明的基于压力传感器的用户购物行为分析方法的流程框图；

图2为本发明的拿货模式的波形图；

图3为本发明的放货模式的波形图；

图4为本发明的传感器a的拿货模式的波形图；

图5为本发明的传感器b的放货模式的波形图；

图6为本发明的破坏模式的波形图；

图7为本发明的基于压力传感器的用户购物行为分析方法的逻辑框图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

请参阅图1所示，本发明提供了一种基于压力传感器的用户购物行为分析系统，用于无人售货柜中，其中，无人售货柜包括柜体、货架和承载盒，货架装设在柜体中，承载盒均匀装设在货架上，且承载盒内置压力传感器。使用时，无人售货柜获取最终压力传感器上数值变化，以获取对应承载盒内的商品减少的个数，以得出结算价格，实现自动售货的目的。

值得说明的是，本发明的无人售货柜具备控制器和数据库，其中，数据库内设置与承载盒编号对应压力值存储单元、与承载盒编号对应商品单位重量的重量存储单元和与承载盒编号对应的商品单件重量的价格存储单元。当用户最终选择其中某一个承载盒内的商品时，将其拿起会引起对应编号的压力传感器数据变化，控制器可以通过查询数据库，以获取压力传感器数据变化对应的重量存储单元和对应的价格存储单元，计算获取结算价格，以实现其自动售货的目的。

本发明的一种用户购物行为分析系统进一步还包括数据采集模块和数据分析模块，数据采集模块与压力传感器电性相连，用于采集记录每个承载盒内压力发生变化的数据；数据分析模块的输入端与数据采集模块电性相连，存储和分析数据采集模块记录的数据，并判定顾客在目标区域内的行为。

其中，本发明的数据处理模块包括特征放大模块、波动嗅探模块和特征存储模块；

特征放大模块，用于将获取的压力变化数据进行放大，以获取压力变化放大数据，通过特征放大模块增加数据之间的对比度，使其更加方便的从数据中提取出波信号；

波动嗅探模块，用于比较分析压力变化放大数据是否出现数据波动，获取压力变化放大数据的波动出现时间、波动出现结束时间、波峰值、波谷值、波宽值和波动频率。其中，进行波动嗅探的算法包括但是不限于数平均值滤波，滑动平均值滤波，中值滤波，防脉冲干扰平均滤波，程序判断滤波，限幅滤波，限速滤波，复合数字滤波。而本发明采用的是滑动平均值滤波。

进一步的，本发明的特征存储模块，与波动嗅探模块相连，用于存储所述压力变化放大数据的波动出现时间、波动出现结束时间、波峰值、波谷值、波宽值和波动频率，以得到压力数据的波形图。

而，本发明的数据分析模块，通过构建神经网络模式识别模型，用于对特征存储模块内的数据进行分析，以获取用户的行为模式。值得说明的是，本发明的用户行为模式包括拿货模式、放货模式、移货模式和破坏模式。

其中，拿货模式对应的波形图呈压力平稳转变为波谷形状，最后波形图再次呈现为压力平稳状态，具体的波形图请参阅图2所示。也就是说拿货模式的波形图的主要特征可以描述为三个阶段：平稳—波谷—平稳；出现这三个阶段的原因就是用户拿货之后，商品的总质量突然下降，压力值也会突然下降，因此出现波谷，之后则趋于平稳。

而放货模式对应的波形图呈压力平稳转变为波峰形状，最后波形图再次呈现为压力平稳状态，出现这三个阶段的原因就是用户放货之后，商品的总质量突然上升，压力值也会突然增大，因此出现波峰，之后则趋于平稳，具体的波形图请参阅图3所示。

移货模式是通过对比同一时间内两个不同压力传感器的波形图呈反向状态。进一步的，破坏模式的波形图呈波峰与波谷交替状态。具体说，移货的过程是一个相对比较复杂的过程，它涉及用户拿下物品然后又把物品放到另外一个地方去，因此，判断是否是移货操作，要分析售货柜内多个传感器的数据，看是否满足同一时间内，一个传感器a出现拿货波形图，如图4所示，而另一个传感器b出现放货波形图，请参阅图5所示。

破坏模式为指的是用户对售货柜造成破坏，主要行为是用手捶打储物格，或者是用商品捶打储物格进行蓄意损坏。这种蓄意破坏行为体现在波形图上是一种短时间内的多个波峰波谷不断交替出现，并且波峰波谷的幅度相当大大，频率非常高。究其原因，是因为破坏者会将自身的力量施加在感应器上，使得感应器的压力值远远偏离正常的压力值的大小，具体的波形图请参阅图6所示。

请参阅图1和图7所示，本发明还提供了一种基于压力传感器的用户购物行为分析方法，包括以下步骤：

步骤s1，获取压力变化数据，通过数据处理，以获取波形图；

步骤s2，通过验证建立波形图与用户行为模式的对应关系；

步骤s3，基于用户行为模式与波形图的对应关系，构建神经网络

预测模型；

步骤s4，基于步骤3中的神经网络预测模型建立相应的预测控制系统，并进行仿真控制，验证步骤3中的神经网络预测模型的合理性。

其中，本发明的步骤4中的预测控制系统包括基于rbf网络并行预测模型的非线性预测控制系统和基于神经网络非线性广义预测控制系统。而基于rbf网络并行预测模型的非线性预测控制系统包括神经网络预测模型和预测控制器，神经网络预测模型采用rbf网络。神经网络预测模型为基于改进遗传算法的模糊神经网络预测模型。改进遗传算法为在标准遗传算法中加入了一个rbf算子，并采用动态交叉率和变异率，在rbf操作中采用动态优化的学习率，用个体之间的简单运算代替原有的依据交叉率和变异率的交叉和变异操作。

基于神经网络非线性广义预测控制系统包括神经网络非线性预测控制器和神经网络预测模型，神经网络非线性预测控制器由线性广义预测控制器和人工神经网络组成，神经网络预测模型由人工神经网络非线性系统和线性子系统组成。人工神经网络非线性系统和人工神经网络均采用多层前馈型神经网络。

本发明的一种基于压力传感器的用户购物行为分析系统，通过利用每个承载盒内置的压力传感器，获取用户拿起承载盒内的物品引起压力传感器的压力变化，配合数据采集模块和数据分析模块，以获取记载用户行为模式。

最后，本申请的方法仅为较佳的实施方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。