基于高光谱摄像技术的深度学习的系统及方法与流程

本申请涉及数据处理的技术领域，尤其涉及一种基于高光谱摄像技术的深度学习系统及方法。

背景技术：

随着社会的发展、科技的进步，工业化或智能化产业逐渐在替代人工产业，无论是在产业效率上，还是在控制、管理及生产的精确度上，工业化或智能化产业都有着其独有的优势。超市作为现代人生活必不可少的产业场所，也自然成为了该工业化或智能化产业的研究重点之一，无人超市，无营业员超市，又称为无人超市，负责收银的不是营业员，而是一个支付设备，而现在的无人超市，不仅仅是无人收银，更向着无人管理、监控等方向发展。

无人超市是未来零售行业的发展新趋势，通过超市里面的终端，用户可以进行商品的选择、商品信息查看、自助结算等。根据功能的需要，无人超市系统需要与多个应用程序/系统进行网络对接，如库存管理系统、支付系统、用户验证系统、配送系统等。目前，在无人超市的运营过程中，由于无人值守，超市内的用户在选购商品时，无法时时对超市内的情况进行分析，也无法准确获取用户在超市内的动作信息，这样不便于后期的超市维护和客户喜好分析，也就不能给超市用户进行大数据分析，进而更好地为人们提供喜好商品推送等业务。而且，仅仅通过超市内的摄像头记录购物人员在超市内的活动并不能及时或从根本上杜绝一些违法行为，不能准确核实购物者的购物种类和数量，会引起一些不必要的纠纷，不利于超市的控制管理，也就增加了无人超市的运营成本，不利于无人超市的运营管理。

因此，如何提供一种可靠性强、具有多个航点飞行通信控制的飞行方案是本领域亟待解决的技术问题。

技术实现要素：

本申请的目的在于提供一种基于高光谱摄像技术的深度学习系统及方法，解决现有技术中无人超市监控管理效率低，且准确性不高的技术问题。

为达到上述目的，本申请提供一种基于高光谱摄像技术的深度学习的方法，包括：

在服务器上存储用户的面部信息及与该面部信息相对应的身份信息；

检测到购物者进入无人超市时，利用人脸识别摄像头对所述购物者进行面部拍摄得到所述购物者的面部信息；将所述购物者的面部信息上传至所述服务器，与存储的用户的面部信息对比，当所述服务器上存在该购物者的面部信息时，开启购物门闸；

启动红外线追踪电机驱动ccd动态摄像头实时拍摄所述购物者的行动轨迹，并将所述购物者的行动轨迹图像上传至所述服务器进行存储；

当设置在所述货架上的重量传感器检测到有重量变化时，将变化的重量数值发送至所述服务器，并上报该货架的位置；所述服务器根据在该货架上物品的种类和单个物品重量计算出被取放的物品种类及数量，根据所述货架的位置与所述购物者的行动轨迹图像对比得到当前处于所述货架位置的所述购物者；

当收到结账请求时，根据所述结账请求分析出请求结账的所述购物者的身份信息，将请求结账的所述购物者在该购物期间内的选购物品与所请求结算的物品种类和数量进行核对，核对无误时，调取各个结算物品的单价对应一起结算；

当检测到完成所述购物者的结账请求时，开启出店门闸。

可选地，其中，该方法还包括：

开启购物门闸经过预设时间后，和/或检测到完成结算的所述购物者从所述购物门闸通过后，自动关闭所述购物门闸。

开启出店闸门经过预设时间后，和/或检测到完成结算的所述购物者从所述出店门闸通过后，自动关闭所述出店门闸。

可选地，其中，该方法还包括：

将所述购物者的静态的行动轨迹图像组合成图像轨迹，并上传至所述服务器进行存储；

分析所述购物者的所有购物的图像轨迹，得到所述购物者所购物品次数，并将所述所购物品次数从大到小排序，根据所述所购物品次数排序顺序选取预定数量的所购物品作为所述购物者的喜好物品。

可选地，其中，将所述购物者的面部信息上传至所述服务器，与存储的用户的面部信息对比，当所述服务器上存在该购物者的面部信息时，开启购物门闸，为：

将所述购物者的面部信息上传至所述服务器，与存储的用户的面部信息对比，当所述服务器上存在该购物者的面部信息时，开启购物门闸；

当所述服务器上不存在该购物者的面部信息时，自动生成面部信息采集消息并显示；

接受客户端上根据所述面部信息采集消息上传的所述购物者的面部信息及身份信息，并将接受到的所述购物者的面部信息及身份信息存储在所述服务器上。

可选地，其中，启动红外线追踪电机驱动ccd动态摄像头实时拍摄所述购物者的行动轨迹，并将所述购物者的行动轨迹图像上传至所述服务器进行存储，为：

根据所述购物者的历史购物的行动轨迹分析得到所述购物者行动节奏的平均值；根据预设的购物者行动节奏与红外线追踪电机驱动ccd动态摄像头实时拍摄的节奏及频率对应关系，得到所述购物者的实时拍摄的节奏及频率；

启动红外线追踪电机驱动ccd动态摄像头，根据所述购物者的实时拍摄的节奏及频率驱动所述红外线追踪电机驱动ccd动态摄像头实时拍摄所述购物者的行动轨迹；

若无所述购物者的历史购物的行动轨迹时，启动红外线追踪电机驱动ccd动态摄像头，根据预设的标准节奏及频率驱动所述红外线追踪电机驱动ccd动态摄像头实时拍摄所述购物者的行动轨迹；

并将所述购物者的行动轨迹图像上传至所述服务器进行存储。

另一方面，本发明还提供一种基于高光谱摄像技术的深度学习的系统，包括：身份信息设置器、购物门闸控制器、购物者行动轨迹采集器、购物物品记录器、购物结算器及出店门闸控制器；其中，

所述身份信息设置器，与所述购物门闸控制器相连接，用于在服务器上存储用户的面部信息及与该面部信息相对应的身份信息；

所述购物门闸控制器，与所述身份信息设置器及购物者行动轨迹采集器相连接，用于检测到购物者进入无人超市时，利用人脸识别摄像头对所述购物者进行面部拍摄得到所述购物者的面部信息；将所述购物者的面部信息上传至所述服务器，与存储的用户的面部信息对比，当所述服务器上存在该购物者的面部信息时，开启购物门闸；

所述购物者行动轨迹采集器，与所述购物门闸控制器及购物物品记录器相连接，用于启动红外线追踪电机驱动ccd动态摄像头实时拍摄所述购物者的行动轨迹，并将所述购物者的行动轨迹图像上传至所述服务器进行存储；

所述购物物品记录器，与所述购物者行动轨迹采集器及购物结算器相连接，用于当设置在所述货架上的重量传感器检测到有重量变化时，将变化的重量数值发送至所述服务器，并上报该货架的位置；所述服务器根据在该货架上物品的种类和单个物品重量计算出被取放的物品种类及数量，根据所述货架的位置与所述购物者的行动轨迹图像对比得到当前处于所述货架位置的所述购物者；

所述购物结算器，与所述购物物品记录器及出店门闸控制器相连接，用于当收到结账请求时，根据所述结账请求分析出请求结账的所述购物者的身份信息，将请求结账的所述购物者在该购物期间内的选购物品与所请求结算的物品种类和数量进行核对，核对无误时，调取各个结算物品的单价对应一起结算；

所述出店门闸控制器，与所述购物结算器相连接，用于当检测到完成所述购物者的结账请求时，开启出店门闸。

可选地，其中，所述所述购物门闸控制器，包括：购物者面部信息识别单元、购物门闸开启单元及购物门闸关闭单元；其中，

所述购物者面部信息识别单元，与所述身份信息设置器及购物门闸开启单元相连接，用于检测到购物者进入无人超市时，利用人脸识别摄像头对所述购物者进行面部拍摄得到所述购物者的面部信息；

所述购物门闸开启单元，与所述购物者面部信息识别单元、购物门闸关闭单元及购物者行动轨迹采集器相连接，用于将所述购物者的面部信息上传至所述服务器，与存储的用户的面部信息对比，当所述服务器上存在该购物者的面部信息时，开启购物门闸；

所述购物门闸关闭单元，与所述购物门闸开启单元相连接，用于开启购物门闸经过预设时间后，和/或检测到完成结算的所述购物者从所述购物门闸通过后，自动关闭所述购物门闸；

所述出店门闸控制器，包括：出店闸门开启单元及出店闸门关闭单元；其中，

所述出店闸门开启单元，与所述所述购物结算器及出店闸门关闭单元相连接，用于当检测到完成所述购物者的结账请求时，开启出店门闸；

所述出店闸门关闭单元，与所述出店闸门开启单元相连接，用于开启出店闸门经过预设时间后，和/或检测到完成结算的所述购物者从所述出店门闸通过后，自动关闭所述出店门闸。

可选地，其中，该系统还包括：购物者喜好分析器，与所述购物者行动轨迹采集器相连接，用于：

将所述购物者的静态的行动轨迹图像组合成图像轨迹，并上传至所述服务器进行存储；

分析所述购物者的所有购物的图像轨迹，得到所述购物者所购物品次数，并将所述所购物品次数从大到小排序，根据所述所购物品次数排序顺序选取预定数量的所购物品作为所述购物者的喜好物品。

可选地，其中，所述购物门闸控制器，包括：购物门闸控制控制单元及购物者信息采集单元；其中，

所述购物门闸控制控制单元，与所述身份信息设置器、购物者信息采集单元及购物者行动轨迹采集器相连接，用于检测到购物者进入无人超市时，利用人脸识别摄像头对所述购物者进行面部拍摄得到所述购物者的面部信息；将所述购物者的面部信息上传至所述服务器，与存储的用户的面部信息对比，当所述服务器上存在该购物者的面部信息时，开启购物门闸；

所述购物者信息采集单元，与所述购物门闸控制控制单元相连接，用于当所述服务器上不存在该购物者的面部信息时，自动生成面部信息采集消息并显示；接受客户端上根据所述面部信息采集消息上传的所述购物者的面部信息及身份信息，并将接受到的所述购物者的面部信息及身份信息存储在所述服务器上。

可选地，其中，所述购物者行动轨迹采集器，包括：购物者行动轨迹拍摄节奏分析单元及购物者行动轨迹采集单元；其中，

所述购物者行动轨迹拍摄节奏分析单元，与所述购物者行动轨迹采集单元相连接，用于根据所述购物者的历史购物的行动轨迹分析得到所述购物者行动节奏的平均值；根据预设的购物者行动节奏与红外线追踪电机驱动ccd动态摄像头实时拍摄的节奏及频率对应关系，得到所述购物者的实时拍摄的节奏及频率；

所述购物者行动轨迹采集单元，与所述购物门闸控制器、购物者行动轨迹拍摄节奏分析单元及购物物品记录器相连接，用于启动红外线追踪电机驱动ccd动态摄像头，根据所述购物者的实时拍摄的节奏及频率驱动所述红外线追踪电机驱动ccd动态摄像头实时拍摄所述购物者的行动轨迹；

若无所述购物者的历史购物的行动轨迹时，启动红外线追踪电机驱动ccd动态摄像头，根据预设的标准节奏及频率驱动所述红外线追踪电机驱动ccd动态摄像头实时拍摄所述购物者的行动轨迹；

并将所述购物者的行动轨迹图像上传至所述服务器进行存储。

本申请的基于高光谱摄像技术的深度学习的系统及方法实现的有益效果如下：

(1)本申请的基于高光谱摄像技术的深度学习的系统及方法，设计合理，使用方便，通过设置有ccd动态摄像头、红外线追踪电机和动作识别模块的组合使用，实现了对用户的跟踪和对用户动作的分析，从而实现对无人超市内部的监控和对用户购买行为的采集，通过设置有光谱仪，利用光谱仪的高光谱结合ccd动态摄像头，提高了对用户动作轨迹的捕捉，从而不会漏掉动作细节，结构设计巧妙，成本低廉，适合广泛推广。

(2)本申请的基于高光谱摄像技术的深度学习的系统及方法，通过高光谱摄像实时记录购物者在无人超市内的活动轨迹和细节，存储至服务器并与服务器内存储的购物者信息对比，实现了对无人超市内的购物行为的精准监控，降低了无人超市的监管成本。

(3)本申请的基于高光谱摄像技术的深度学习的系统及方法，通过货架重量传感器记录购物者购买物品的种类和数量，在结账时自动将购物者购物车内的物品与货架重量传感器记录的货物种类和数量进行核对，能够保证准确地结算购物者的购物种类和数量，提升了无人超市监管的精确度。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域技术人员来讲，还可以根据这些附图获得其他的附图。

图1为本发明实施例中第一种基于高光谱摄像技术的深度学习的方法的流程示意图；

图2为本发明实施例中第二种基于高光谱摄像技术的深度学习的方法的流程示意图；

图3为本发明实施例中第三种基于高光谱摄像技术的深度学习的方法的流程示意图；

图4为本发明实施例中第四种基于高光谱摄像技术的深度学习的方法的流程示意图；

图5为图4中第基于高光谱摄像技术的深度学习的方法的原理流程示意图；

图6为本发明实施例中第五种基于高光谱摄像技术的深度学习的方法的流程示意图；

图7为本发明实施例中第一种基于高光谱摄像技术的深度学习的系统的结构示意图；

图8为本发明实施例中第二种基于高光谱摄像技术的深度学习的系统的结构示意图；

图9为本发明实施例中第三种基于高光谱摄像技术的深度学习的系统的结构示意图；

图10为本发明实施例中第四种基于高光谱摄像技术的深度学习的系统的结构示意图；

图11为本发明实施例中第五种基于高光谱摄像技术的深度学习的系统的结构示意图。

具体实施方式

下面结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

实施例

如图1所示，为本实施例中第一种基于高光谱摄像技术的深度学习的方法流程示意图，通过高光谱摄像记录购物者的面部信息及在无人超市内的行动轨迹图像，结合货架上重量传感器获取购物者所购物品信息完成购物信息核对及结算核对，保证了无人超市的准确性，同时降低了无人超市的管理成本。该方法包括如下步骤：

步骤101、在服务器上存储用户的面部信息及与该面部信息相对应的身份信息。

步骤102、检测到购物者进入无人超市时，利用人脸识别摄像头对购物者进行面部拍摄得到购物者的面部信息；将购物者的面部信息上传至服务器，与存储的用户的面部信息对比，当服务器上存在该购物者的面部信息时，开启购物门闸。

步骤103、启动红外线追踪电机驱动ccd动态摄像头实时拍摄购物者的行动轨迹，并将购物者的行动轨迹图像上传至服务器进行存储。

ccd动态摄像头，是chargecoupleddevice(电荷耦合器件)动态摄像头的缩写，它是一种半导体成像器件，因而具有灵敏度高、抗强光、畸变小、体积小、寿命长、抗震动等优点，可以在高光谱下拍摄清晰的动态图像，便于后台对拍摄图像中事物识别及进行分析。

步骤104、当设置在货架上的重量传感器检测到有重量变化时，将变化的重量数值发送至服务器，并上报该货架的位置；服务器根据在该货架上物品的种类和单个物品重量计算出被取放的物品种类及数量，根据货架的位置与购物者的行动轨迹图像对比得到当前处于货架位置的购物者。

在服务器中记录各个货架上物品的种类、位置、数量、物品单价、单个物品重量等等物品信息，有物品从货架上取出或放入时都会引起重量传感器的数值变化，根据物品的特征信息计算可以得到货架上物品的实时状态信息，无需人工记录计算，提升了无人超市的管理水平及准确性。

步骤105、当收到结账请求时，根据结账请求分析出请求结账的购物者的身份信息，将请求结账的购物者在该购物期间内的选购物品与所请求结算的物品种类和数量进行核对，核对无误时，调取各个结算物品的单价对应一起结算。

结算时，结算设备扫描完购物者所选购的所有物品，经过设定的时间后自动生成结账请求，或者购物者通过客户端(app)请求进行购物结算，甚至可以根据购物者在结算区域逗留时间达到或超过预设的结算时间阈值时，自动对购物者所选购的所有物品进行结算，并生成结算清单发送至购物者的客户端，实现智能化的购物结算。

步骤106、当检测到完成购物者的结账请求时，开启出店门闸。

在一些可选的实施例中，如图2所示，为本实施例中第二种基于高光谱摄像技术的深度学习的方法的流程示意图，与图1中不同的是，该方法还包括如下步骤：

步骤201、开启购物门闸经过预设时间后，和/或检测到完成结算的购物者从购物门闸通过后，自动关闭购物门闸。

步骤202、开启出店闸门经过预设时间后，和/或检测到完成结算的购物者从出店门闸通过后，自动关闭出店门闸。

可选地，如图3所示，为本发明实施例中第三种基于高光谱摄像技术的深度学习的方法的流程示意图，与图1中不同的是，还包括：

步骤301、将购物者的静态的行动轨迹图像组合成图像轨迹，并上传至服务器进行存储。

步骤302、分析购物者的所有购物的图像轨迹，得到购物者所购物品次数，并将所购物品次数从大到小排序，根据所购物品次数排序顺序选取预定数量的所购物品作为购物者的喜好物品。

可选地，如图4和图5所示，图4为本发明实施例中第四种基于高光谱摄像技术的深度学习的方法的流程示意图；图5为图4中基于高光谱摄像技术的深度学习的方法的原理流程示意图。与图1中不同的是，将购物者的面部信息上传至服务器，与存储的用户的面部信息对比，当服务器上存在该购物者的面部信息时，开启购物门闸，为以下步骤：

步骤401、将购物者的面部信息上传至服务器，与存储的用户的面部信息对比，当服务器上存在该购物者的面部信息时，开启购物门闸。

步骤402、当服务器上不存在该购物者的面部信息时，自动生成面部信息采集消息并显示。

步骤403、接受客户端上根据面部信息采集消息上传的购物者的面部信息及身份信息，并将接受到的购物者的面部信息及身份信息存储在服务器上。

在图5中，基于基于高光谱摄像技术的无人超市控制原理如下，以系统结构来解释，包括：店门501、人脸识别摄像头502、app识别模块503、门闸504、ccd动态摄像头505、光谱仪506、动作识别模块507、红外线追踪电机508、货架重量传感器509和结账装置510，人脸识别摄像头502和app识别模块503与门闸504电性连接，门闸504至少设置有一组，ccd动态摄像头505设置在墙壁和货架上，光谱仪506与ccd动态摄像头505一一对应设置，动作识别模块507设置在货架正上方的天花板上，动作识别模块507通过红外线追踪电机508驱动ccd动态摄像头505转动，货架重量传感器509设置在货架表面，结账装置510与门闸504电性连接。其中，结账装置504包括pos机、纸币识别器、硬币识别器和二维码付款码，结账装置510设置在门闸504顶端。

对应的控制方法包括：推开店门，人脸识别摄像头对用户的面部数据进行拍摄，并上传到服务器存储并与服务器数据对比，当用户面部数据对比失败后，用户还可以打开手机采用app识别模块识别客户账号信息的方式对客户数据进行审核；

客户数据审核通过后，门闸打开，客户进入无人超市内部进行商品选购，红外线追踪电机驱动ccd动态摄像头跟随客户的移动而转动；

当客户将货架上的产品取下时，动作识别模块识别客户取好动作，同时货架重量传感器检测到重量变化，与商品对应的货架重量传感器计数，以便于在客户结账时，进行核对；

用户在无人超市内走动时，光谱仪时时对用户进行照射，ccd动态摄像头采集用户的行为轨迹，并将多张静态照片组合成照片轨迹，以便于对用户行为和购买爱好进行分析；

用户在结账时，将商品放置在门闸上的商品信息扫描装置进行商品扫描，商品数量和种类与货架重量传感器监测到的数据进行对比，对比数据无误后，通过结账装置进行结账。

如图6所示，为本发明实施例中第五种基于高光谱摄像技术的深度学习的方法的流程示意图，与图1中不同的是，启动红外线追踪电机驱动ccd动态摄像头实时拍摄购物者的行动轨迹，并将购物者的行动轨迹图像上传至服务器进行存储，为以下步骤：

步骤601、根据购物者的历史购物的行动轨迹分析得到购物者行动节奏的平均值；根据预设的购物者行动节奏与红外线追踪电机驱动ccd动态摄像头实时拍摄的节奏及频率对应关系，得到购物者的实时拍摄的节奏及频率。

每个购物者行动节奏也是不相同的，进而需要与其行动节奏相对应的拍摄频率才能拍摄到购物者的清晰购物行动，便于后续对图像分析得到购物者的行动轨迹，进一步地提升了无人超市监控管理的准确性。

步骤602、启动红外线追踪电机驱动ccd动态摄像头，根据购物者的实时拍摄的节奏及频率驱动红外线追踪电机驱动ccd动态摄像头实时拍摄购物者的行动轨迹。

步骤603、若无购物者的历史购物的行动轨迹时，启动红外线追踪电机驱动ccd动态摄像头，根据预设的标准节奏及频率驱动红外线追踪电机驱动ccd动态摄像头实时拍摄购物者的行动轨迹。

步骤604、将购物者的行动轨迹图像上传至服务器进行存储。

图7为本实施例中一种基于高光谱摄像技术的深度学习的系统700的结构示意图，该系统用于实施上述的基于高光谱摄像技术的深度学习的方法，该系统包括：身份信息设置器701、购物门闸控制器702、购物者行动轨迹采集器703、购物物品记录器704、购物结算器705及出店门闸控制器706。

其中，身份信息设置器701，与购物门闸控制器702相连接，用于在服务器上存储用户的面部信息及与该面部信息相对应的身份信息。

购物门闸控制器702，与身份信息设置器701及购物者行动轨迹采集器703相连接，用于检测到购物者进入无人超市时，利用人脸识别摄像头对购物者进行面部拍摄得到购物者的面部信息；将购物者的面部信息上传至服务器，与存储的用户的面部信息对比，当服务器上存在该购物者的面部信息时，开启购物门闸。

购物者行动轨迹采集器703，与购物门闸控制器702及购物物品记录器704相连接，用于启动红外线追踪电机驱动ccd动态摄像头实时拍摄购物者的行动轨迹，并将购物者的行动轨迹图像上传至服务器进行存储。

购物物品记录器704，与购物者行动轨迹采集器703及购物结算器705相连接，用于当设置在货架上的重量传感器检测到有重量变化时，将变化的重量数值发送至服务器，并上报该货架的位置；服务器根据在该货架上物品的种类和单个物品重量计算出被取放的物品种类及数量，根据货架的位置与购物者的行动轨迹图像对比得到当前处于货架位置的购物者。

购物结算器705，与购物物品记录器704及出店门闸控制器706相连接，用于当收到结账请求时，根据结账请求分析出请求结账的购物者的身份信息，将请求结账的购物者在该购物期间内的选购物品与所请求结算的物品种类和数量进行核对，核对无误时，调取各个结算物品的单价对应一起结算。

出店门闸控制器706，与购物结算器705相连接，用于当检测到完成购物者的结账请求时，开启出店门闸。

在一些可选地实施例中，如图8所示，为本实施中的第二种基于高光谱摄像技术的深度学习的系统800的结构示意图，与图7不同的是，购物门闸控制器702，包括：购物者面部信息识别单元721、购物门闸开启单元722及购物门闸关闭单元723。

其中，购物者面部信息识别单元721，与身份信息设置器701及购物门闸开启单元722相连接，用于检测到购物者进入无人超市时，利用人脸识别摄像头对购物者进行面部拍摄得到购物者的面部信息。

购物门闸开启单元722，与购物者面部信息识别单元721、购物门闸关闭单元723及购物者行动轨迹采集器703相连接，用于将购物者的面部信息上传至服务器，与存储的用户的面部信息对比，当服务器上存在该购物者的面部信息时，开启购物门闸。

购物门闸关闭单元723，与购物门闸开启单元722相连接，用于开启购物门闸经过预设时间后，和/或检测到完成结算的购物者从购物门闸通过后，自动关闭购物门闸。

出店门闸控制器706，包括：出店闸门开启单元761及出店闸门关闭单元762。

其中，出店闸门开启单元761，与购物结算器705及出店闸门关闭单元762相连接，用于当检测到完成购物者的结账请求时，开启出店门闸。

出店闸门关闭单元762，与出店闸门开启单元761相连接，用于开启出店闸门经过预设时间后，和/或检测到完成结算的购物者从出店门闸通过后，自动关闭出店门闸。

在一些可选地实施例中，如图9所示，为本实施中的第三种基于高光谱摄像技术的深度学习的系统900的结构示意图，与图7不同的是，还包括：购物者喜好分析器901，与购物者行动轨迹采集器703相连接，用于：将购物者的静态的行动轨迹图像组合成图像轨迹，并上传至服务器进行存储；分析购物者的所有购物的图像轨迹，得到购物者所购物品次数，并将所购物品次数从大到小排序，根据所购物品次数排序顺序选取预定数量的所购物品作为购物者的喜好物品。

在一些可选地实施例中，如图10所示，为本实施中的第四种基于高光谱摄像技术的深度学习的系统1000的结构示意图，与图7不同的是，购物门闸控制器702，包括：购物门闸控制控制单元724及购物者信息采集单元725；其中，

购物门闸控制控制单元724，与身份信息设置器701、购物者信息采集单元725及购物者行动轨迹采集器703相连接，用于检测到购物者进入无人超市时，利用人脸识别摄像头对购物者进行面部拍摄得到购物者的面部信息；将购物者的面部信息上传至服务器，与存储的用户的面部信息对比，当服务器上存在该购物者的面部信息时，开启购物门闸。

购物者信息采集单元725，与购物门闸控制控制单元724相连接，用于当服务器上不存在该购物者的面部信息时，自动生成面部信息采集消息并显示；接受客户端上根据面部信息采集消息上传的购物者的面部信息及身份信息，并将接受到的购物者的面部信息及身份信息存储在服务器上。

在一些可选地实施例中，如图11所示，为本实施中的第四种基于高光谱摄像技术的深度学习的系统1100的结构示意图，与图7不同的是，购物者行动轨迹采集器703，包括：购物者行动轨迹拍摄节奏分析单元731及购物者行动轨迹采集单元732。

其中，购物者行动轨迹拍摄节奏分析单元731，与购物者行动轨迹采集单元732相连接，用于根据购物者的历史购物的行动轨迹分析得到购物者行动节奏的平均值；根据预设的购物者行动节奏与红外线追踪电机驱动ccd动态摄像头实时拍摄的节奏及频率对应关系，得到购物者的实时拍摄的节奏及频率。

购物者行动轨迹采集单元732，与购物门闸控制器702、购物者行动轨迹拍摄节奏分析单元731及购物物品记录器704相连接，用于启动红外线追踪电机驱动ccd动态摄像头，根据购物者的实时拍摄的节奏及频率驱动红外线追踪电机驱动ccd动态摄像头实时拍摄购物者的行动轨迹；若无购物者的历史购物的行动轨迹时，启动红外线追踪电机驱动ccd动态摄像头，根据预设的标准节奏及频率驱动红外线追踪电机驱动ccd动态摄像头实时拍摄购物者的行动轨迹；并将购物者的行动轨迹图像上传至服务器进行存储。

本实施例中的基于高光谱摄像技术的深度学习的系统及方法实现了如下的有益效果：

(1)本实施例中的基于高光谱摄像技术的深度学习的系统及方法，设计合理，使用方便，通过设置有ccd动态摄像头、红外线追踪电机和动作识别模块的组合使用，实现了对用户的跟踪和对用户动作的分析，从而实现对无人超市内部的监控和对用户购买行为的采集，通过设置有光谱仪，利用光谱仪的高光谱结合ccd动态摄像头，提高了对用户动作轨迹的捕捉，从而不会漏掉动作细节，结构设计巧妙，成本低廉，适合广泛推广。

(2)本实施例中的基于高光谱摄像技术的深度学习的系统及方法，通过高光谱摄像实时记录购物者在无人超市内的活动轨迹和细节，存储至服务器并与服务器内存储的购物者信息对比，实现了对无人超市内的购物行为的精准监控，降低了无人超市的监管成本。

(3)本实施例中的基于高光谱摄像技术的深度学习的系统及方法，通过货架重量传感器记录购物者购买物品的种类和数量，在结账时自动将购物者购物车内的物品与货架重量传感器记录的货物种类和数量进行核对，能够保证准确地结算购物者的购物种类和数量，提升了无人超市监管的精确度。

尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。