一种基于物联网的线下智能门店管理系统

1.本发明涉及物联网领域，特别是涉及一种基于物联网的线下智能门店管理系统。


背景技术：

2.随着现代化企业的不断发展，连锁门店等分支机构在迅速増多，这不仅大大增加了现场管理的工作量，同时也对管理的有效性提出不小的挑战。从我们的经验来看，目前连锁门店面临的问题与挑战有：一是如何低成本、快速、高效巡店，随时掌控最前沿的信息，并释放人员和资金投入；二是如何快速获取精确的门店客流数据，为后台管理、商务运营等提供数据支撑和业务参考；三是如何挖掘敏感的商业信息，在宏观上把握市场发展动向，快速做出准确决策。针对这些问题，本发明提出了一种基于物联网的线下智能门店管理系统，过整合汇总企业各个门店部署的视频图像及商品资源并进行数据的智能统计与分析，为企业提供门店客流分析、店内热点分析等功能。


技术实现要素：

3.为解决上述问题，本发明提出了一种基于物联网的线下智能门店管理系统，具体步骤如下，其特征在于：
4.步骤1，搭建物联网的线下智能门店管理硬件设备：基于物联网的线下智能门店管理系统分别由：物联网门店感知层、物联网门店网络层和物联网门店应用层；
5.步骤2，设计物联网的线下智能门店管理流程：根据射频识别系统技术获取门店内的商品流动信息，根据所采集的商品流动数据对门店内的商品流动进行建模，根据所采集的监控图像，分析门店顾客所感兴趣的商品类别；
6.步骤3，店内热点商品分析：采集商品流动数据作为训练样本，并将数据回传至物联网应用层，在物联网应用层上训练商品流动预测模型，通过商品流动预测模型分析店内热点商品；
7.步骤4，门店客流分析，分析客户需求信息：采集门店内的监控图像，提取监控图像中的顾客行为图像，根据分类模型分析出顾客所感兴趣的商品信息；
8.步骤5，将构建的智能门店管理系统进行在线应用，实时对门店内的商品流动数据和店内热点商品进行分析。
9.进一步，步骤1中搭建物联网的线下智能门店管理硬件设备的过程可以表示如下：
10.本发明的线下智能门店管理系统首先通过感知层来采集商品流动信息以及客户监控视频图像数据，网络层将感知层所采集的数据传输至物联网门店应用层，物联网门店应用层再根据所获得的各类数据来分析商品流动数据和客户需求信息；
11.感知层的商品信息采集系统采用射频识别技术，在商品的表面贴上电子标签，读写器可以将商品信息写入到电子标签中，同时在统计商品信息时，可以通过读写器以空气介质和无线电波的形式读出商品表面的电子标签信息；同时在门店内安装多个监控设备，采集门店内的监控图像。
12.进一步，步骤3中店内热点商品分析的过程可以表示如下：
13.将采集的商品流动数据集划分为训练集和测试集，使用训练集训练改进的lstm预测模型：
14.步骤3.1，把商品流动数据矩阵d通过卷积层进行卷积操作：
15.c＝conv1d
ꢀꢀꢀꢀ
(1)
16.式中，c是卷积层输出，conv1是卷积操作；
17.步骤3.2，将卷积输出通过tanh激活函数得到w
×
h的特征映射m：
18.m＝tanh(c)
ꢀꢀꢀꢀ
(2)
19.式中，w和h是卷积输出特征矩阵集合的行和列；
20.步骤3.3，对特征映射进行归一化操作生成0～1的注意力权重：
21.σ＝sigmoid(conv2m)
ꢀꢀꢀꢀ
(3)
22.式中，conv2表示卷积操作；
23.步骤3.4，获得特征加权的商品流动数据输出x
t
：
24.x
t
＝σ
×dꢀꢀꢀꢀꢀ
(4)
25.步骤3.5，构建lstm模型细胞的输入门：
26.i
t
＝σ(w
xi
x
t
+w
hiht-1
+w
cict-1
+bi)
ꢀꢀꢀꢀ
(5)
27.式中，i
t
是输入门输出，t是样本的时间序列，x
t
是训练样本数据，h
t-1
是隐藏层的时间序列数据，ct-1是细胞状态的时间序列数据，w
xi
、w
hi
和w
ci
是x
t
、h
t-1
和c
t-1
在输入门的权重系数，σ是sigmoid激活函数，bi是输入门偏置；
28.步骤3.6，构建lstm模型细胞的遗忘门：
29.f
t
＝σ(w
xf
x
t
+w
hfht-1
+w
cfct-1
+bf)
ꢀꢀꢀ
(6)
30.式中，f
t
是遗忘门输出，w
xf
、w
hf
和w
cf
是x
t
、h
t-1
和c
t-1
在遗忘门的权重系数，bf是遗忘门偏置；
31.步骤3.7，构建lstm模型细胞的细胞状态表达式：
32.c
t
＝f
tct-1
+i
t
tanh(w
xc
x
t
+w
hcht-1
+bc)
ꢀꢀꢀꢀ
(7)
33.式中，c
t
是细胞状态，w
xc
和w
cf
是x
t
、h
t-1
在细胞状态的权重系数，bc是细胞偏置，
34.步骤3.8，构建lstm模型细胞的输出门：
35.o
t
＝σ(w
xo
x
t
+w
hoht-1
+w
coct
+bo)
ꢀꢀꢀꢀꢀ
(8)
36.式中，w
xo
、w
ho
和w
co
是x
t
、h
t-1
和c
t
在输出门的权重系数，bo是输出门偏置；其中隐藏层的时间序列表示为：
37.h
t
＝o
t
tanh(c
t
)
ꢀꢀꢀꢀ
(9)
38.步骤3.9，利用sgd算法对lstm中的权重和偏置参数进行更新，直至损失函数达到收敛阈值，获得lstm热点商品预测模型。
39.进一步，步骤4中门店客流分析，分析客户需求信息的过程可以表示如下：
40.在门店内安装多个监控设备：在收银台处设置高清摄像机负责对收银区的监控，在店内多个位置设置高清摄像机负责对货品区的监控；采集门店内货品区的监控图像，提取监控图像中的顾客图像，根据yolov3模型对图像数据进行分割和提取，实时分析出顾客所感兴趣的商品。
41.本发明一种基于物联网的线下智能门店管理系统，有益效果：本发明的技术效果
在于：
42.1.本发明提出了一种基于物联网的线下智能门店管理系统，提供一种智能门店管理方法；
43.2.本发明改进了lstm热点商品预测模型，在lstm前端设置卷积操作，实现了对时序数据的筛选；
44.3.本发明充分利用了lstm网络在时间序列上优异的建模能力，实现对热点商品的精准预测。
附图说明
45.图1为本发明的控制流程图；
46.图2为本发明的改进的lstm结构图。
具体实施方式
47.下面结合附图与具体实施方式对本发明作进一步详细描述：
48.本发明提出了一种基于物联网的线下智能门店管理系统，图1为本发明的控制结构图。下面结控制结构图对本发明的步骤作详细介绍。
49.步骤1，搭建物联网的线下智能门店管理硬件设备：基于物联网的线下智能门店管理系统分别由：物联网门店感知层、物联网门店网络层和物联网门店应用层；
50.步骤1中搭建物联网的线下智能门店管理硬件设备的过程可以表示如下：
51.本发明的线下智能门店管理系统首先通过感知层来采集商品流动信息以及客户监控视频图像数据，网络层将感知层所采集的数据传输至物联网门店应用层，物联网门店应用层再根据所获得的各类数据来分析商品流动数据和客户需求信息；
52.感知层的商品信息采集系统采用射频识别技术，在商品的表面贴上电子标签，读写器可以将商品信息写入到电子标签中，同时在统计商品信息时，可以通过读写器以空气介质和无线电波的形式读出商品表面的电子标签信息；同时在门店内安装多个监控设备，采集门店内的监控图像。
53.步骤2，设计物联网的线下智能门店管理流程：根据射频识别系统技术获取门店内的商品流动信息，根据所采集的商品流动数据对门店内的商品流动进行建模，根据所采集的监控图像，分析门店顾客所感兴趣的商品类别；
54.步骤3，店内热点商品分析：采集商品流动数据作为训练样本，并将数据回传至物联网应用层，在物联网应用层上训练商品流动预测模型，通过商品流动预测模型分析店内热点商品；
55.步骤3中店内热点商品分析的过程可以表示如下：
56.将采集的商品流动数据集划分为训练集和测试集，使用训练集训练改进的lstm预测模型，改进的lstm结构图如图2所示：
57.步骤3.1，把商品流动数据矩阵d通过卷积层进行卷积操作：
58.c＝conv1d
ꢀꢀꢀꢀ
(1)
59.式中，c是卷积层输出，conv1是卷积操作；
60.步骤3.2，将卷积输出通过tanh激活函数得到w
×
h的特征映射m：
61.m＝tanh(c)
ꢀꢀꢀꢀ
(2)
62.式中，w和h是卷积输出特征矩阵集合的行和列；
63.步骤3.3，对特征映射进行归一化操作生成0～1的注意力权重：
64.σ＝sigmoid(conv2m)
ꢀꢀꢀꢀ
(3)
65.式中，conv2表示卷积操作；
66.步骤3.4，获得特征加权的商品流动数据输出x
t
：
67.x
t
＝σ
×dꢀꢀꢀꢀ
(4)
68.步骤3.5，构建lstm模型细胞的输入门：
69.i
t
＝σ(w
xi
x
t
+w
hiht-1
+w
cict-1
+bi)
ꢀꢀꢀꢀ
(5)
70.式中，i
t
是输入门输出，t是样本的时间序列，x
t
是训练样本数据，h
t-1
是隐藏层的时间序列数据，c
t-1
是细胞状态的时间序列数据，w
xi
、w
hi
和w
ci
是x
t
、h
t-1
和c
t-1
在输入门的权重系数，σ是sigmoid激活函数，bi是输入门偏置；
71.步骤3.6，构建lstm模型细胞的遗忘门：
72.f
t
＝σ(w
xf
x
t
+w
hfht-1
+w
cfct1+bf
)
ꢀꢀꢀꢀꢀ
(6)
73.式中，f
t
是遗忘门输出，w
xf
、w
hf
和w
cf
是x
t
、h
t-1
和c
t-1
在遗忘门的权重系数，bf是遗忘门偏置；
74.步骤3.7，构建lstm模型细胞的细胞状态表达式：
75.c
t
＝f
tct-1
+i
t
tanh(w
xc
x
t
+w
hcht-1
+bc)
ꢀꢀꢀꢀ
(7)
76.式中，c
t
是细胞状态，w
xc
和w
cf
是x
t
、h
t-1
在细胞状态的权重系数，bc是细胞偏置，
77.步骤3.8，构建lstm模型细胞的输出门：
78.o
t
＝σ(w
xo
x
t
+w
hoht-1
+w
coct
+bo)
ꢀꢀꢀꢀꢀ
(8)
79.式中，w
xo
、w
ho
和w
co
是x
t
、h
t-1
和c
t
在输出门的权重系数，bo是输出门偏置；其中隐藏层的时间序列表示为：
80.h
t
＝o
t tanh(c
t
)
ꢀꢀꢀꢀꢀ
(9)
81.步骤3.9，利用sgd算法对lstm中的权重和偏置参数进行更新，直至损失函数达到收敛阈值，获得lstm热点商品预测模型。
82.步骤4，门店客流分析，分析客户需求信息：采集门店内的监控图像，提取监控图像中的顾客行为图像，根据分类模型分析出顾客所感兴趣的商品信息；
83.步骤4中门店客流分析，分析客户需求信息的过程可以表示如下：
84.在门店内安装多个监控设备：在收银台处设置高清摄像机负责对收银区的监控，在店内多个位置设置高清摄像机负责对货品区的监控；采集门店内货品区的监控图像，提取监控图像中的顾客图像，根据yolov3模型对图像数据进行分割和提取，实时分析出顾客所感兴趣的商品。
85.步骤5，将构建的智能门店管理系统进行在线应用，实时对门店内的商品流动数据和店内热点商品进行分析。
86.以上所述，仅是本发明的较佳实施例而已，并非是对本发明作任何其他形式的限制，而依据本发明的技术实质所作的任何修改或等同变化，仍属于本发明所要求保护的范围。