无人便利店的结算方法、装置、设备及存储介质与流程

本申请实施例涉及计算机视觉技术领域，尤其涉及一种无人便利店的结算方法、装置、电子设备及存储介质。

背景技术：

目前，大部分的便利店和超市在运营时，都是消费者进入商店，然后寻找需要的商品，结账时将商品自行带到指定的结账机器，借助人工或自助结账机器进行结账。这种运营模式容易耗费用户大量时间与精力用在排队买单等非必要的购物环节上，影响用户购物体验。而随着科技的发展，智能零售、无人零售也在逐渐在生活中被广泛的应用。无人便利店便是该领域下的一个新兴的应用产品。无人便利店通常指用户在购物过程中全程无需服务人员的参与即可完成物品的购买。用户进入无人便利店后，进行物品的自主选购，物品选择完毕后放入结算装置清点，系统后台会根据清点结果自动完成物品的结算。

但是，现有的无人便利店在运营过程中，采用固定的结算装置清点物品。用户选购完之后还需要将物品送入结算装置进行清点，得到物品统计清单后进行用户选购物品的计费结算，其流程较为繁琐，用户的购物体验较差。

技术实现要素：

本申请实施例提供一种无人便利店的结算方法、装置、电子设备及存储介质，能够实现用户购物的无感结算，优化用户的购物体验。

在第一方面，本申请实施例提供了一种无人便利店的结算方法，包括：

在用户进入选购区域时，为用户分配对应的trackid，所述trackid与用户id绑定，用于跟踪用户轨迹；

采集用户特征，将所述用户特征与对应的trackid绑定；

基于所述trackid实时跟踪用户的运动轨迹，确定用户的实时trackid坐标；

在触发订单记录时，采集触发位置处的行人图像，并确定对应行人的空间坐标点，根据所述用户特征及所述trackid坐标分别进行特征匹配及距离匹配，确定对应行人的用户id，根据所述用户id进行订单记录；

在用户离店时，根据对应用户id的订单记录，进行计费结算。

进一步的，所述在用户进入选购区域时，为用户分配对应的trackid，还包括：

通过扫描二维码或刷脸识别确定对应用户的用户id。

进一步的，所述采集用户特征，包括：

采集对应用户的脸部特征、顶部视角特征、肢体特征的rgb图像；

采集对应用户顶部视角的深度图像，生成点云特征；

以所述rgb图像和所述点云特征作为用户特征进行存储。

进一步的，所述基于所述trackid实时跟踪用户的运动轨迹，确定用户的实时trackid坐标，包括：

提取用户图像区域，确定所述用户图像区域中用户指定部位的空间坐标位置作为trackid坐标。

进一步的，所述在触发订单记录时，采集触发位置处的行人图像，并确定对应行人的空间坐标点，包括：

基于所述行人图像通过肢体识别确定行人拿放货物时手部特征点的空间位置；

根据所述手部特征点的空间位置通过姿势估计确定行人指定部位的空间坐标位置，以行人指定部位的空间坐标位置作为对应行人的空间坐标点。

进一步的，所述根据所述用户特征及所述trackid坐标分别进行特征匹配及距离匹配，确定对应行人的用户id，包括：

将对应行人的空间坐标点与所述trackid坐标进行距离匹配，确定欧式距离最近的trackid坐标，得到距离匹配结果；

将所述行人图像与所述用户特征进行比对，得到特征匹配结果；

根据所述距离匹配结果和所述特征匹配结果确定对应行人的用户id。

进一步的，所述在用户离店时，根据对应用户id的订单记录，进行计费结算，包括：

检测到用户离店时，基于对应用户id的订单记录并根据对应用户id预先绑定的支付账户进行自动计费结算；或者，

基于对应用户id的订单记录生成支付账单，将所述支付账单发送给对应的用户id。

在第二方面，本申请实施例提供了一种无人便利店的结算装置，包括：

分配模块，用于在用户进入选购区域时，为用户分配对应的trackid，所述trackid与用户id绑定，用于跟踪用户轨迹；

采集模块，用于采集用户特征，将所述用户特征与对应的trackid绑定；

跟踪模块，用于基于所述trackid实时跟踪用户的运动轨迹，确定用户的实时trackid坐标；

确定模块，用于在触发订单记录时，采集触发位置处的行人图像，并确定对应行人的空间坐标点，根据所述用户特征及所述trackid坐标分别进行特征匹配及距离匹配，确定对应行人的用户id，根据所述用户id进行订单记录；

结算模块，用于在用户离店时，根据对应用户id的订单记录，进行计费结算。

在第三方面，本申请实施例提供了一种电子设备，包括：

存储器以及一个或多个处理器；

所述存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的无人便利店的结算方法。

在第四方面，本申请实施例提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如第一方面所述的无人便利店的结算方法。

本申请实施例通过在用户进入选购区域时，为用户分配对应的trackid，将trackid与用户id绑定，又通过采集用户特征，将用户特征与对应的trackid绑定，并实时跟踪用户的运动轨迹，确定用户的实时trackid坐标。之后，在触发订单记录时，通过采集触发位置处的行人图像，并确定对应行人的空间坐标点，根据用户特征及trackid坐标分别进行特征匹配及距离匹配，确定对应行人的用户id，并根据用户id进行订单记录，订单记录即可用于对应用户商品选购的计费结算。采用上述技术手段，可以清晰明确地记录用户购物的过程，根据订单记录进行用户商品选购的计费结算，实现无人便利店的无感结算。以此来简化用户的计费结算流程，优化用户的购物体验。

附图说明

图1是本申请实施例一提供的一种无人便利店的结算方法的流程图；

图2是本申请实施例一中的用户特征采集流程图；

图3是本申请实施例一中的行人空间坐标点确定流程图；

图4是本申请实施例一中的行人的用户id确定流程图；

图5是本申请实施例二提供的一种无人便利店的结算装置的结构示意图；

图6是本本申请实施例三提供的一种电子设备的结构示意图。

具体实施方式

为了使本申请的目的、技术方案和优点更加清楚，下面结合附图对本申请具体实施例作进一步的详细描述。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。

本申请提供的无人便利店的结算方法，旨在通过预先确定用户的用户特征和trackid坐标。在无人便利店运行过程中，当检测到有人触发订单记录时，通过摄像头采集触发位置处的行人图像，并确定对应行人的空间坐标点。进一步根据预先确定的用户特征和trackid坐标分别进行特征匹配和距离匹配，进而确定对应行人的用户id，根据确定的这一用户id即可对应进行订单记录。最终，当用户完成购物离开无人便利店时，即可根据该用户id的订单记录，进一步进行计费结算，整个过程用户无需进行相关的商品结算操作，实现无人便利店的无感结算。相对于现有的无人便利店，其在运行过程中，用户选购商品的结账方式大都是在结账时将商品自行带到指定的结账机器，借助人工或自助结账机器进行结账。如果店铺内指引明确且店内结账通道内较少人员买单，那么顾客可以获得一个较为良好的购物体验，但如果店内商品指引不明确，结账通道内较多人群排队买单，那么顾客将耗费大量时间与精力用在非必要的购物环节。此类计费结算方式效率相对低下，购物体验不友好，并且需要运营方聘请大量人工以备不时的客流高峰，单位时间的劳动价值低。基于此，提供本申请实施例的一种无人便利店的结算方法，以解决现有零售行业结算流程繁琐复杂的技术问题。

实施例一：

图1给出了本申请实施例一提供的一种无人便利店的结算方法的流程图，本实施例中提供的无人便利店的结算方法可以由无人便利店的结算设备执行，该无人便利店的结算设备可以通过软件和/或硬件的方式实现，该无人便利店的结算设备可以是两个或多个物理实体构成，也可以是一个物理实体构成。一般而言，该无人便利店的结算设备可以是电脑，无人便利店计费结算终端、服务器主机等。

下述以无人便利店的结算设备为执行无人便利店的结算方法的设备为例，进行描述。参照图1，该无人便利店的结算方法具体包括：

s110、在用户进入选购区域时，为用户分配对应的trackid，所述trackid与用户id绑定，用于跟踪用户轨迹。

具体的，在用户进入选购区域时，先确定用户id信息。用户id信息为用户唯一的标识信息，通过用户id可以确定用户的身份。用户id在用户注册的时候进行配置。在配置用户id的时候还可以将用户的支付信息与之绑定，以便于后续在商品计费计算时，根据用户的支付信息确定用户的支付账户，进一步从用户的支付账户进行自动扣款。

进一步的，在确定用户id时，可通过扫描二维码或者扫脸识别的方式进行用户id确认。其中，扫描二维码可以是用户通过终端设备(如手机)扫描二维码进入认证界面，通过身份认证确定用户id。也可以是用户提供对应自身用户id的二维码供设置在无人便利店入口处的扫码装置进行扫码认证用户id。而扫脸识别则要求用户在注册用户id时预先提供人脸图像信息，以便于后续在扫脸识别时，通过采集用户的人脸信息，进一步进行人脸识别比对确定用户id。

在确定用户id之后，进一步为该进入选购区域内的用户分配一个trackid，trackid与用户id绑定，用于跟踪用户轨迹。trackid是由目标跟踪算法分配，如卡尔曼滤波跟踪算法等。trackid可实时记录对应行人的移动轨迹，得到行人连续的移动位置数据，以此即可确定进入无人便利店的行人的移动轨迹。

s120、采集用户特征，将所述用户特征与对应的trackid绑定。

示例性的，在无人便利店的运营场景中，对应无人便利店的选购区域的入口处设置若干摄像头，摄像头用于采集用户特征，以用于后续进行用户id确认时的特征匹配。具体的，摄像头可设置在无人便利店进入选购区域时闸机处，当用户通过闸机的通道进入无人便利店的选购区域时，通过对应闸机通道设置的摄像头进行用户特征的采集。其中，参照图2用户特征采集的流程包括：

s121、采集对应用户的脸部特征、顶部视角特征、肢体特征的rgb图像；

s122、采集对应用户顶部视角的深度图像，生成点云特征；

s123、以所述rgb图像和所述点云特征作为用户特征进行存储。

无人便利店对应闸机通道的顶部设置摄像头，用于采集用户顶部视角的特征。具体的，在通过顶部视角进行用户顶部视角特征的图像数据获取时，从用户顶部视角的中心、边缘及对角处获取用户的rgb图像数据。本申请实施例在无人便利店的过闸处的顶部摄像头，并且为了得到用户在图片上处于中心，边缘，和对角的位置的图像数据，需要同时使用3个摄像头拍摄。其中，“中心”即为用户顶部视角的正中心位置，“边缘”即为对应中心拍摄的图像的边缘位置进行图像拍摄的位置，“对角”即为对应中心拍摄的图像的四个对角进行图像拍摄的位置。可以理解的是，在进行特征匹配时，经常会出现遮挡的情况导致只能提取部分的用户特征。因此本申请实施例通过用户顶部视角的中心、边缘及对角处获取各个用户的图像数据，可以尽可能地避免后续特征匹配时，由于提取的用户特征较少而导致匹配不成功的情况。并且，为了尽可能提取出描述用户的特征，一个用户需要提取一定数量的特征，目前做法是三个摄像头分别对应用户在摄像头中心，边缘，和对角处，每个摄像头取10张图，共30张图片，即提取后一个用户含有30个图像特征。并且，本申请实施例还通过设置在过闸处顶部的摄像头获取用户顶部视角的深度图像，以深度图像的深度信息作为用户的点云特征。

除此之外，还进行用户人脸图像、肢体特征图像的采集，将对应用户的脸部特征、顶部视角特征、肢体特征的rgb图像，以及对应用户顶部视角的深度图像作为用户特征进行存储，以用于后续的特征匹配。可以理解的是，获取到的用户特征越多，在进行特征匹配时，生成的匹配结果也就越精确。因此，本申请实施例通过获取对应特征图像数据特征和点云特征，以尽可能的实现精确的特征匹配，避免出现遮挡而导致特征匹配识别失败的情况。

之后，对应上述确定用户特征，将其与用户的trackid、用户id绑定，以便于后续根据特征匹配确定对应用户id。

s130、基于所述trackid实时跟踪用户的运动轨迹，确定用户的实时trackid坐标。

具体的，在完成上述用户特征、trackid和用户id绑定之后，进一步确定用户的实时trackid坐标，将这一trackid坐标与对应的trackid绑定。当用户在无人便利店的选购区域进行移动时，通过设置在选购区域内的摄像头进行对应用户的实时图像画面提取，通过目标检测算法等方式从图像数据中检测到对应用户，并通过提取用户图像区域，确定用户图像区域中用户指定部位的空间坐标位置作为trackid坐标。在确定用户指定部位的空间坐标位置时，可通过预先设置的肢体识别模型，识别到用户图像区域的指定部位(本申请实施例为头部)，并进一步确定该指定部位在无人便利店的空间坐标位置，生成<trackid,x，y，z，time>的连续数据，其中“x，y，z”标识指定部位的空间坐标位置，“time”表示对应的时间点。通过确定用户的trackid坐标，以便于后续进行距离匹配，确定对应的用户id。

需要说明的是，由于trackid在行人进入无人便利店的选购区域时会进行分配，但是在无人便利店中，由于遮挡情况的出现，会可能导致轨迹跟踪中断的情况出现，行人再次被识别时会再次配置一个新的trackid。因此，对应新增的trackid，通过线性回归拟合出对应行人的移动轨迹，确定和trackid坐标及移动轨迹距离之和最近的对应用户，以对应用户的用户id作为行人的用户id。其中，在确定行人与trackid坐标的距离时，根据目标检测算法框出对应行人，并进一步计算该行人框中心点到trackid坐标处的欧式距离。则欧式距离越短，行人就离trackid坐标越近。由于跟踪算法一般需要全程看到行人，才能跟踪，所以在理想状态下摄像头是全覆盖的，即某个行人在任意时刻都能被摄像头找到。但是，考虑到无人便利店的场景限制，用户在移动过程中会出现遮挡的情况，如果用户没有在任何摄像头出现，就会跟踪丢失，所以遮挡后很容易丢失trackid，当这个行人重新出现在摄像头就会产生新的trackid。具体的，通过采集新的trackid的trackid坐标处的n张图片，对n张图片中所有行人的trackid的对应坐标点作线性回归，拟合出触发操作行人的移动轨迹。该移动轨迹即为跟踪丢失的行人通过线性回归重新拟合的移动轨迹。分别对每一张图片检测用户，并选择用户和trackid坐标距离，以及用户和移动轨迹距离之和最近的对应用户。即根据检测，某一用户与触发位置点到点的距离为a，与线性拟合得到的移动轨迹点到线的距离为b，若a+b的值最小，则确定对应用户与新产生的trackid对应，将这一新产生的trackid与确定的用户id绑定。以此，可实现无人便利店的行人重识别。

并且，本申请实施例还进一步获取新产生的trackid对应的行人的图像特征，图像特征具体可包括行人的脸部特征、顶部视角特征、肢体特征及点云特征。将获取的行人图像特征与上述行人重识别确定的用户id绑定的用户特征进行特征匹配，校验上述行人重识别的结果，以确保实时记录的trackid坐标与用户id能够准确对应。

s140、在触发订单记录时，采集触发位置处的行人图像，并确定对应行人的空间坐标点，根据所述用户特征及所述trackid坐标分别进行特征匹配及距离匹配，确定对应行人的用户id，根据所述用户id进行订单记录。

示例性的，当用户在无人便利店拿放商品时，通过设置在商品底部的称重装置实时检测商品重量变化的情况，当商品出现重量变化时，触发无人便利店的结算设备进行订单记录。通过采集触发位置处摄像头对应拍摄的包含行人的图像，对该行人图像进行识别检测，确定对应行人图像中行人的空间坐标点。其中，参照图3，行人空间坐标点确定的流程包括：

s1401、基于所述行人图像通过肢体识别确定行人拿放货物时手部特征点的空间位置；

s1402、根据所述手部特征点的空间位置通过姿势估计确定行人指定部位的空间坐标位置，以行人指定部位的空间坐标位置作为对应行人的空间坐标点。

具体的，通过预先设置的手部特征识别模型进行肢体识别，确定触发位置处用户手拿起货物或放下货物时，手部的特征点。手部特征识别模型基于神经网络预先设置，在进行特征点识别时，将行人图像输入手部特征识别模型，输出行人图像中的手部特征点的空间坐标位置。通过肢体特征识别模型进行肢体识别为现有较成熟技术，不作为本申请实施例的主要改进点，在此不多赘述。

进一步的，基于已确定的手部特征点，利用预先设置的姿势估计识别模型，并基于已确定的手部特征点位置，关联确定行人指定部位(本申请实施例为头部)的空间坐标位置，作为行人的空间坐标点。姿势估计识别模型为现有较成熟技术，在此不多赘述。

基于上述确定的行人图像及行人空间坐标点，即可进行特征匹配及距离匹配，确定行人的用户id，参照图4，行人的用户id确定包括：

s1403、将对应行人的空间坐标点与所述trackid坐标进行距离匹配，确定欧式距离最近的trackid坐标，得到距离匹配结果；

s1404、将所述行人图像与所述用户特征进行比对，得到特征匹配结果；

s1405、根据所述距离匹配结果和所述特征匹配结果确定对应行人的用户id。

根据上述已确定的行人图像和空间坐标点，通过将行人图像与预先存储的用户特征进行比对，通过特征匹配确定即可确定与行人图像相匹配的用户特征，进而确定用户特征所绑定的用户id。另一方面，根据确定的行人坐标点与对应时刻下系统存储的各个trackid坐标进行距离匹配，提取与行人坐标点的欧式距离最近的trackid坐标，进而确定trackid坐标所绑定的用户id。可以理解的是，上述特征匹配过程中可能出现不一致的情况，在两种匹配结果不一致的情况下，则以特征匹配的结果确定的用户id作为最终确定的用户id。在一些实施例中，也可以使用距离匹配确定的用户id作为两种匹配结果不一致时最终确定的用户id。而如若两者匹配一致，则直接确定用户id。通过设置两种匹配方式，两者可互为彼此的结果校验方式，进一步确定用户id，以确保最终确定的用户id准确无误。

之后，根据确定的用户id，若判断用户时拿起对应商品，则在对应用户id绑定的订单记录上添加对应商品。同理，若判断用户放下商品，则在对应用户id绑定的订单记录上减少对应商品。以此来完成用户商品选购订单的实时记录。

s150、在用户离店时，根据对应用户id的订单记录，进行计费结算。

最终，通过设置在无人便利店出口处的摄像头实时检测离店的用户。可通过特征匹配、距离匹配或者直接进行身份再次认证的方式确定离店用户的用户id。当检测到用户离店时，基于对应用户id的订单记录并根据对应用户id预先绑定的支付账户进行自动计费结算；或者，基于对应用户id的订单记录生成支付账单，将所述支付账单发送给对应的用户id。通过自动扣款或者发送账单的方式供用户进行支付的方式，实现整个商品选购的无感支付，用户无需排队结算也无需通过结算装置进行计费结算，极大地节省了用户时间，简化了商品结算流程。

上述，通过在用户进入选购区域时，为用户分配对应的trackid，将trackid与用户id绑定，又通过采集用户特征，将用户特征与对应的trackid绑定，并实时跟踪用户的运动轨迹，确定用户的实时trackid坐标。之后，在触发订单记录时，通过采集触发位置处的行人图像，并确定对应行人的空间坐标点，根据用户特征及trackid坐标分别进行特征匹配及距离匹配，确定对应行人的用户id，并根据用户id进行订单记录，订单记录即可用于对应用户商品选购的计费结算。采用上述技术手段，可以清晰明确地记录用户购物的过程，根据订单记录进行用户商品选购的计费结算，实现无人便利店的无感结算。以此来简化用户的计费结算流程，优化用户的购物体验。

实施例二：

在上述实施例的基础上，图5为本申请实施例二提供的一种无人便利店的结算装置的结构示意图。参考图5，本实施例提供的无人便利店的结算装置具体包括：分配模块21、采集模块22、跟踪模块23、确定模块24和结算模块25。

其中，分配模块21用于在用户进入选购区域时，为用户分配对应的trackid，所述trackid与用户id绑定，用于跟踪用户轨迹；

采集模块22用于采集用户特征，将所述用户特征与对应的trackid绑定；

跟踪模块23用于基于所述trackid实时跟踪用户的运动轨迹，确定用户的实时trackid坐标；

确定模块24用于在触发订单记录时，采集触发位置处的行人图像，并确定对应行人的空间坐标点，根据所述用户特征及所述trackid坐标分别进行特征匹配及距离匹配，确定对应行人的用户id，根据所述用户id进行订单记录；

结算模块25用于在用户离店时，根据对应用户id的订单记录，进行计费结算。

具体的，所述采集模块22包括：

第一采集单元，用于采集对应用户的脸部特征、顶部视角特征、肢体特征的rgb图像；

第二采集单元，用于采集对应用户顶部视角的深度图像，生成点云特征；

存储单元，用于以所述rgb图像和所述点云特征作为用户特征进行存储。

具体的，所述确定模块24包括：

第一确定单元，用于基于所述行人图像通过肢体识别确定行人拿放货物时手部特征点的空间位置；

第二确定单元，用于根据所述手部特征点的空间位置通过姿势估计确定行人指定部位的空间坐标位置，以行人指定部位的空间坐标位置作为对应行人的空间坐标点。

具体的，所述结算模块25包括：

第一匹配单元，用于将对应行人的空间坐标点与所述trackid坐标进行距离匹配，确定欧式距离最近的trackid坐标，得到距离匹配结果；

第二匹配单元，用于将所述行人图像与所述用户特征进行比对，得到特征匹配结果；

用户id确定单元，用于根据所述距离匹配结果和所述特征匹配结果确定对应行人的用户id。

上述，通过在用户进入选购区域时，为用户分配对应的trackid，将trackid与用户id绑定，又通过采集用户特征，将用户特征与对应的trackid绑定，并实时跟踪用户的运动轨迹，确定用户的实时trackid坐标。之后，在触发订单记录时，通过采集触发位置处的行人图像，并确定对应行人的空间坐标点，根据用户特征及trackid坐标分别进行特征匹配及距离匹配，确定对应行人的用户id，并根据用户id进行订单记录，订单记录即可用于对应用户商品选购的计费结算。采用上述技术手段，可以清晰明确地记录用户购物的过程，根据订单记录进行用户商品选购的计费结算，实现无人便利店的无感结算。以此来简化用户的计费结算流程，优化用户的购物体验。

本申请实施例二提供的无人便利店的结算装置可以用于执行上述实施例一提供的无人便利店的结算方法，具备相应的功能和有益效果。

实施例三：

本申请实施例三提供了一种电子设备，参照图6，该电子设备包括：处理器31、存储器32、通信模块33、输入装置34及输出装置35。该电子设备中处理器的数量可以是一个或者多个，该电子设备中的存储器的数量可以是一个或者多个。该电子设备的处理器、存储器、通信模块、输入装置及输出装置可以通过总线或者其他方式连接。

存储器32作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本申请任意实施例所述的无人便利店的结算方法对应的程序指令/模块(例如，无人便利店的结算装置中的分配模块、采集模块、跟踪模块、确定模块和结算模块。)。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据设备的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

通信模块33用于进行数据传输。

处理器31通过运行存储在存储器中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的无人便利店的结算方法。

输入装置34可用于接收输入的数字或字符信息，以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置35可包括显示屏等显示设备。

上述提供的电子设备可用于执行上述实施例一提供的无人便利店的结算方法，具备相应的功能和有益效果。

实施例四：

本申请实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种无人便利店的结算方法，该无人便利店的结算方法包括：在用户进入选购区域时，为用户分配对应的trackid，所述trackid与用户id绑定，用于跟踪用户轨迹；采集用户特征，将所述用户特征与对应的trackid绑定；基于所述trackid实时跟踪用户的运动轨迹，确定用户的实时trackid坐标；在触发订单记录时，采集触发位置处的行人图像，并确定对应行人的空间坐标点，根据所述用户特征及所述trackid坐标分别进行特征匹配及距离匹配，确定对应行人的用户id，根据所述用户id进行订单记录；在用户离店时，根据对应用户id的订单记录，进行计费结算。

存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括：安装介质，例如cd-rom、软盘或磁带装置；计算机系统存储器或随机存取存储器，诸如dram、ddrram、sram、edoram，兰巴斯(rambus)ram等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)；寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外，存储介质可以位于程序在其中被执行的第一计算机系统中，或者可以位于不同的第二计算机系统中，第二计算机系统通过网络(诸如因特网)连接到第一计算机系统。第二计算机系统可以提供程序指令给第一计算机用于执行。术语“存储介质”可以包括驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。

当然，本申请实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的无人便利店的结算方法，还可以执行本申请任意实施例所提供的无人便利店的结算方法中的相关操作。

上述实施例中提供的无人便利店的结算装置、存储介质及电子设备可执行本申请任意实施例所提供的无人便利店的结算方法，未在上述实施例中详尽描述的技术细节，可参见本申请任意实施例所提供的无人便利店的结算方法。

上述仅为本申请的较佳实施例及所运用的技术原理。本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行的各种明显变化、重新调整及替代均不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由权利要求的范围决定。