一种基于行为识别的新零售方法

技术领域

本发明涉及行为识别领域，特别涉及一种基于行为识别的新零售方法。

背景技术

目前的互联网大形势下各商家纷纷以最快的速度发展起来线上消费，线下也在通过僵硬的数据获取形式进行自己的数字化进程，比如，利用用户刷脸、扫二维码等行为实现数据的累积，已让用户感受不到便利产生厌烦情绪，同时数据获取的形式比较单一，对用户的信息不能够实现全面精准的采集，不能够给客户提供满意的购物方式，同时，商业效率有待提高。

为了给用户提供更智能、更高效的购物方式，并将商业效率达到极致，本发明提供一种基于行为识别的新零售方法。

发明内容

本发明提供一种基于行为识别的新零售方法，通过多维度的识别用户的动态变化和进行数据分析，避免与用户的直接接触，提高用户的满意度，并且实现了多维度对用户动态变化的精准采集；通过将分析得到商品的推荐结果推送给用户，来引导用户进一步的行为，为用户提供更智能、更高效的购物方式，并根据用户的行为来优化商品摆放位置，将商业效率达到极致。

本发明提供一种基于行为识别的新零售方法，包括：

基于用户的移动终端获取用户的基本信息；

基于智能多维传感设备对用户的动态变化进行识别与记录；

基于云端对识别与记录的动态变化进行大数据分析；

基于大数据分析得到推荐结果，并推送至用户的移动终端；

基于移动终端获取用户的选择结果并推送至显示屏；

基于云端根据用户的行为对商品摆放位置进行优化。

在一种可能实现的方式中，

基于用户的移动终端获取用户的基本信息包括：

基于用户的移动终端获取到所述用户的所在零售空间位置数据、重力传感器数据、运动数据；

基于所述地理位置数据确定所述用户的活动区域，并确定所述活动区域的店铺商品信息，从而获得所述用户的偏好；

基于所述重力传感器数据确定所述用户的体重信息，并基于所述运动信息确定用户的走路方式，从而确定用户的年龄、性别。

在一种可能实现的方式中，

基于智能多维传感设备对用户的动态变化进行识别与记录包括：

基于所述多维传感设备采集所述用户的眼部动态信息，并根据所述动态眼部信息确定巩膜表面曲率；

基于所述巩膜表面曲率和眼球方向的对应关系，确定所述用户的眼球转向信息；

并将所述眼球转向信息转化为第一数据集；

基于所述多维传感设备采集所述用户的手部动态信息，并根据所述手部动态信息确定所述手部的转动规律以及手部形态变化，从而获得用户的手部变化信息，并将所述手部变化信息转化为第二数据集；

基于所述多维传感设备采集所述用户的面部动态信息，并将所述面部动态信息输入表情数据库中，获得所述用户的表情变化信息，并将所述表情变化信息转化为第三数据集。

在一种可能实现的方式中，

基于云端对动态变化进行大数据分析之前，包括对所述第一数据集、第二数据集、第三数据集进行融合处理，其过程如下：

分别提取所述第一数据集、第二数据集、第三数据集中数据的第一时间属性特征、第二时间属性特征、第三时间属性特征，并基于所述第一时间属性特征、第二时间属性特征、第三时间属性特征为所述第一数据集、第二数据集、第三数据集中的数据建立时间标签；

将同时从所述第一数据集、第二数据集、第三数据集提取满足第一时间标签相同的数据，并进行融合，得到第一行为数据；

从所述第一数据集、第二数据集、第三数据集的三个数据集中提取满足第二时间标签相同的数据，并将所述第二时间标签作为参考标签，去除与所述参考标签相关的数据后的剩余数据集，并获取与所述参考标签相关的相邻时间标签及相邻时间标签对应的数据，根据所述对应的数据在所述参考标签下进行补正，在所述剩余数据集得到在所述参考标签下的补正数据；

其中，补正的方法为对所述相邻时间标签对应的数据进行特征提取，得到行为特征参数，基于所述行为特征参数获取预估特征参数，并在所述剩余数据集中获取与所述取预估特征参数相关的数据作为在所述参考标签下的补正数据；

其中，补正的方法为对所述相邻时间标签对应的数据进行特征提取，得到行为特征参数，基于所述行为特征参数获取预估特征参数，并在所述剩余数据集中获取与所述取预估特征参数相关的数据作为在所述参考标签下的补正数据；

将所述三个数据集中满足第二时间标签相同的数据和所述补正数据进行融合，得到第二行为数据；

所述第一行为数据和第二行为数据共同组成行为数据；

将所述行为数据与基于用户的基本信息生成的用户数据库中的用户数据进行匹配，得到所述用户与行为数据的匹配关系，基于所述行为数据、用户的基本信息、匹配关系获得目标行为数据；

将所述目标行为数据传送至所述云端。

在一种可能实现的方式中，

所述目标行为数据为将用户的基本信息、及按照所述用户的基本信息获取的所述用户的眼球转向信息、手部变化信息、表情变化信息融合为一体的一体化数据。

在一种可能实现的方式中，

基于云端对动态变化进行大数据分析包括：

对所述目标行为数据进行向量表示，得到初始向量，并对所述初始向量进行归一化处理后组合得到初始矩阵；

按照预设规则获取所述目标向量中各个元素的对推荐结果的影响指数，并将所述初始向量中各个元素与对应的影响指数相乘得到修正向量，所述修正向量组成修正矩阵；

基于所述初始矩阵的格式确定多个第一参考矩阵，并从所述多个第一参考矩阵中随机选取满足要求的第二参考矩阵；

利用所述参考矩阵对初始矩阵进行迭代，其过程如下：

将所述初始矩阵与第二参考矩阵相乘后，与所述修正矩阵相乘得到第一过程矩阵，并计算所述第一过程矩阵与初始矩阵的差，得到第一偏移矩阵；

将所述第一过程矩阵与参考矩阵后，与所述修正矩阵相乘得到第二过程矩阵，并计算所述第二过程矩阵与第一过程矩阵的差，得到第二偏移矩阵；

其中，所述第一偏移量矩阵和第二偏移量矩阵包含有呈阵列排布的偏移值；

判断所述第二偏移矩阵中偏移值大于零的个数是否大于第一偏移矩阵中偏移值大于零的个数；

若是，继续上述迭代过程，直到得到的第n偏移矩阵中的偏移值均大于零，将得到的第n过程矩阵作为目标矩阵；

否则，从所述第一参考矩阵重新选择确定第二参考矩阵，并重新进行迭代。

在一种可能实现的方式中，

基于大数据分析得到推荐结果，并推送至用户的移动终端包括：

根据所述目标矩阵中的数据得到推荐结果；

其中，所述推荐结果包括用户感兴趣的店铺、商品，以及所述店铺、商品在所述零售空间中的位置及到达所述位置的推荐路线；

将所述推荐结果以可视化数据的形式推送到用户的移动终端。

上述设计方案的有益效果是：所述目标矩阵中的数据可以更好的反应用户的动态变化过程，从而使得得到的推荐结果更更能得到用户的认可，并将推荐结果推送给用户，来指导用户进一步的行为，为用户提供更智能、更高效的购物方式。

在一种可能实现的方式中，

基于云端根据用户的行为对商品摆放位置进行优化包括：

对所述零售空间区域进行区域划分，得到s个子区域；

基于所述零售空间区域的摄像头获取所述s个子区域的在预设时间内的顾客流动情况；

根据如下公式计算所述s个子区域中顾客的停留率：

其中，σ

获取所述s个子区域分别对应的商品信息以及在所述预设时间内商品信息的销售数据,并根据如下公式计算所述s个子区域中商品的销售值：

其中，β

分别比较所述s个子区域中商品的销售值与预设销售值范围得关系，

若所述销售值在所述预设销售值范围内，则判定所述子区域为一级区域；

若所述销售值小于所述预设销售值范围，则判定所述子区域为二级区域；

若所述销售值大于所述预设销售值范围，则判定所述子区域为三级区域；

依据所述区域判定结果，对所述一级区域不做调整，将所述二级区域中部分商品与所述三级区域中的部分商品进行对换。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例中一种基于行为识别的新零售方法的流程图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

实施例1：

本发明实施例提供一种基于行为识别的新零售方法，如图1所示，包括：

S1：基于用户的移动终端获取用户的基本信息；

S2：基于智能多维传感设备对用户的动态变化进行识别与记录；

S3：基于云端对识别与记录的动态变化进行大数据分析；

S4：基于大数据分析得到推荐结果，并推送至用户的移动终端；

S5：基于移动终端获取用户的选择结果并推送至显示屏；

S6:基于云端根据用户的行为对商品摆放位置进行优化。

在该实施例中，所述用户的选择结果为用户从所述推荐结果中选取到的商品的信息。

上述设计方案得有益效果是：通过多维度的识别用户的动态变化和进行数据分析，避免与用户的直接接触，不会在数据的采集过程中给用户造成不好的体验，提高用户的满意度，并且实现了多维度对用户动态变化的精准采集；通过将数据分析结果并和用户的基本信息结合，使得数据得到有效的利用，并将得到商品的推荐结果推送给用户，来引导用户进一步的行为，为用户提供更智能、更高效的购物方式，并根据用户的行为来优化商品摆放位置，将商业效率达到极致。

实施例2

基于实施例1的基础上本发明提供一种基于行为识别的新零售方法，基于用户的移动终端获取用户的基本信息包括：

基于用户的移动终端获取到所述用户的所在零售空间位置数据、重力传感器数据、运动数据；

基于所述地理位置数据确定所述用户的活动区域，并确定所述活动区域的店铺商品信息，从而获得所述用户的偏好；

基于所述重力传感器数据确定所述用户的体重信息，并基于所述运动信息确定用户的走路方式，从而确定用户的年龄、性别。

在该实施例中，所述用户的走路方式包括用户走路的姿态、频率。

在该实施例中，根据对不同年龄不同性别的走路方式进行统计，确定不同年龄不同性别分别对应的走路方式，从而根据用户的走路方式便可确定用户的年龄、性别。

上述设计方案的有益效果是：通过从用户的移动终端获取用户的相关信息进行进一步分析，实现了在不打扰用户的前提下，获得用户的基本信息，为用户提供精准的商品信息提供了基础。

实施例3

基于实施例1的基础上，本发明提供一种基于行为识别的新零售方法，基于智能多维传感设备对用户的动态变化进行识别与记录包括：

基于所述多维传感设备采集所述用户的眼部动态信息，并根据所述动态眼部信息确定巩膜表面曲率；

基于所述巩膜表面曲率和眼球方向的对应关系，确定所述用户的眼球转向信息；

并将所述眼球转向信息转化为第一数据集；

基于所述多维传感设备采集所述用户的手部动态信息，并根据所述手部动态信息确定所述手部的转动规律以及手部形态变化，从而获得用户的手部变化信息，并将所述手部变化信息转化为第二数据集；

基于所述多维传感设备采集所述用户的面部动态信息，并将所述面部动态信息输入表情数据库中，获得所述用户的表情变化信息，并将所述表情变化信息转化为第三数据集。

在该实施例中，所述巩膜表面曲率和眼球方向的对应关系可以用以下公式表示：

其中，K表示巩膜表面曲率，θ表示眼球方向的变化夹角，d表示眼球方向变化前后的视线之间的距离。

上述设计方案的有益效果是：通过多维传感设备采集到用户的眼球转向信息、手部变化信息、表情变化信息，实现了多维度对用户动态变化的精准采集，且不会在数据的采集过程中给用户造成不好的体验，提高用户的满意度。

实施例4：

基于实施例3的基础上，本发明提供一种基于行为识别的新零售方法，基于云端对动态变化进行大数据分析之前，包括对所述第一数据集、第二数据集、第三数据集进行融合处理，其过程如下：

分别提取所述第一数据集、第二数据集、第三数据集中数据的第一时间属性特征、第二时间属性特征、第三时间属性特征，并基于所述第一时间属性特征、第二时间属性特征、第三时间属性特征为所述第一数据集、第二数据集、第三数据集中的数据建立时间标签；

将同时从所述第一数据集、第二数据集、第三数据集提取满足第一时间标签相同的数据，并进行融合，得到第一行为数据；

从所述第一数据集、第二数据集、第三数据集的三个数据集中提取满足第二时间标签相同的数据，并将所述第二时间标签作为参考标签，去除与所述参考标签相关的数据后的剩余数据集，并获取与所述参考标签相关的相邻时间标签及相邻时间标签对应的数据，根据所述对应的数据在所述参考标签下进行补正，在所述剩余数据集得到在所述参考标签下的补正数据；

其中，补正的方法为对所述相邻时间标签对应的数据进行特征提取，得到行为特征参数，基于所述行为特征参数获取预估特征参数，并在所述剩余数据集中获取与所述取预估特征参数相关的数据作为在所述参考标签下的补正数据；

将所述三个数据集中满足第二时间标签相同的数据和所述补正数据进行融合，得到第二行为数据；

所述第一行为数据和第二行为数据共同组成行为数据；

将所述行为数据与基于用户的基本信息生成的用户数据库中的用户数据进行匹配，得到所述用户与行为数据的匹配关系，基于所述行为数据、用户的基本信息、匹配关系获得目标行为数据；

将所述目标行为数据传送至所述云端。

在该实施例中，所述第一时间属性特征、第二时间属性特征、第三时间属性特征分别表示所述第一数据集、第二数据集、第三数据集中数据的获取时间。

在该实施例中，在所述第一时间标签下，可以同时获取第一数据集、第二数据集、第三数据集三个数据集中数据；

在该实施例中，在所述第一时间标签下，可以同时获取第一数据集、第二数据集、第三数据集三个数据集任意两个数据集的数据，若所述任意两个数据集为第一数据集、第二数据集，则剩余数据集为第三数据集。

在该实施例中，若剩余数据集为第一数据集，则得到的行为特征参数为所述相邻时间标签对应的用户眼球转向信息；若剩余数据集为第二数据集，则得到的行为特征参数为所述相邻时间标签对应的用户手部变化信息；若剩余数据集为第三数据集，则得到的行为特征参数为所述相邻时间标签对应的用户表情变化信息。

在该实施例中，所述预估特征参数是指将所述相邻时间标签下的眼球转向信息、手部变化信息、表情变化信息作为参考，得到所述参考标签下的眼球转向信息、手部变化信息、表情变化信息。

上述设计方案的有益效果是：通过对所述第一数据集、第二数据集、第三数据集进行分析融合，得到行为数据，实现了多维度用户信息的整合，并将所述行为数据与用户信息进行匹配，得到目标行为数据，实现了行为数据与用户信息的一对一匹配，使得所述目标行为数据可以得到有效的利用。

实施例5：

基于实施例4的基础上，本发明提供一种基于行为识别的新零售方法，所述目标行为数据为将用户的基本信息、及按照所述用户的基本信息获取的所述用户的眼球转向信息、手部变化信息、表情变化信息融合为一体的一体化数据。

上述设计方案的有益效果是：所述目标行为数据为将用户的基本信息和动态变化信息进行整合得到，提高了数据的有效性。

实施例6：

基于实施例1的基础上，本发明提供一种基于行为识别的新零售方法，基于云端对动态变化进行大数据分析包括：

对所述目标行为数据进行向量表示，得到初始向量，并对所述初始向量进行归一化处理后组合得到初始矩阵；

按照预设规则获取所述目标向量中各个元素的对推荐结果的影响指数，并将所述初始向量中各个元素与对应的影响指数相乘得到修正向量，所述修正向量组成修正矩阵；

基于所述初始矩阵的格式确定多个第一参考矩阵，并从所述多个第一参考矩阵中随机选取满足要求的第二参考矩阵；

利用所述参考矩阵对初始矩阵进行迭代，其过程如下：

将所述初始矩阵与第二参考矩阵相乘后，与所述修正矩阵相乘得到第一过程矩阵，并计算所述第一过程矩阵与初始矩阵的差，得到第一偏移矩阵；

将所述第一过程矩阵与参考矩阵后，与所述修正矩阵相乘得到第二过程矩阵，并计算所述第二过程矩阵与第一过程矩阵的差，得到第二偏移矩阵；

其中，所述第一偏移量矩阵和第二偏移量矩阵包含有呈阵列排布的偏移值；

判断所述第二偏移矩阵中偏移值大于零的个数是否大于第一偏移矩阵中偏移值大于零的个数；

若是，继续上述迭代过程，直到得到的第n偏移矩阵中的偏移值均大于零，将得到的第n过程矩阵作为目标矩阵；

否则，从所述第一参考矩阵重新选择确定第二参考矩阵，并重新进行迭代。

在该实施例中，所述预设规则为提取所述目标向量中各个元素的属性特征，并判断所述属性特征与预设推荐结果中元素属性特征的相似性，依据所述相似性得到目标向量中各个元素的对推荐结果的影响指数，所述影响指数的取值范围为[0.5-0.99]。

在该实施例中，所述初始矩阵的格式包括初始矩阵的行数和列数，所述第一参考矩阵的行数和列数应该与所述初始矩阵相同。

上述设计方案的有益效果是：通过将所述目标行为数据转换为初始矩阵按照迭代规则进行迭代得到目标矩阵，对所述初始矩阵中的元素进行了优化，使得到的目标矩阵中的数据可以更好的体现用户的动态变化过程。

实施例7：

基于实施例1的基础上，本发明提供一种基于行为识别的新零售方法，基于大数据分析得到推荐结果，并推送至用户的移动终端包括：

根据所述目标矩阵中的数据得到推荐结果；

其中，所述推荐结果包括用户感兴趣的店铺、商品，以及所述店铺、商品在所述零售空间中的位置及到达所述位置的推荐路线；

将所述推荐结果以可视化数据的形式推送到用户的移动终端。

上述设计方案的有益效果是：所述目标矩阵中的数据可以更好的反应用户的动态变化过程，从而使得得到的推荐结果更更能得到用户的认可，并将推荐结果推送给用户，来指导用户进一步的行为，为用户提供更智能、更高效的购物方式。

实施例8：

基于实施例1的基础上，本发明提供一种基于行为识别的新零售方法，基于云端根据用户的行为对商品摆放位置进行优化包括：

对所述零售空间区域进行区域划分，得到s个子区域；

基于所述零售空间区域的摄像头获取所述s个子区域的在预设时间内的顾客流动情况；

根据如下公式计算所述s个子区域中顾客的停留率：

其中，σ

获取所述s个子区域分别对应的商品信息以及在所述预设时间内商品信息的销售数据,并根据如下公式计算所述s个子区域中商品的销售值：

其中，β

分别比较所述s个子区域中商品的销售值与预设销售值范围得关系，若所述销售值在所述预设销售值范围内，则判定所述子区域为一级区域；

若所述销售值小于所述预设销售值范围，则判定所述子区域为二级区域；

若所述销售值大于所述预设销售值范围，则判定所述子区域为三级区域；

依据所述区域判定结果，对所述一级区域不做调整，将所述二级区域中部分商品与所述三级区域中的部分商品进行对换。

在该实施例中，所述在预设时间内的顾客流动情况包括顾客的数量，以及顾客的停留时间。

在该实施例中，所述所述预设时间内商品信息的销售数据包括购买人数、商品的销售额。

在该实施例中，所述商品的销售值用来表征在对应子区域中商品的销售效果，所述销售值越大，销售效果越好。

在该实施例中，所述二级区域表示销售效果不太好的区域，所述二级区域中部分商品为销售量较低的商品。

在该实施例中，所述三级区域表示销售效果较好的区域，所述三级区域中部分商品为销售量较高的商品。

上述设计方案的有益效果为：通过对零售空间区域进行区域划分，得到s个子区域，并计算各个子区域中顾客的停留率，从而得到所述子区域中商品的销售值，并根据所述销售值来对区域的等级进行判定，并将销售效果较好的区域中销售量较高的商品与销售效果不太好的区域中销售量较低的商品进行对换，可以带动销售效果不太好的区域中商品的销售量，同时，又可以缓解销售效果较好的区域的人流量较多造成堵塞的情况，商业效率达到极致。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。