摘要
本发明公开了一种基于智能AI的收银系统及方法,涉及智能收银技术领域,本发明,采用卡尔曼滤波算法对商品轨迹进行动态更新,通过状态预测和误差修正提升轨迹计算的准确性,并结合行为模式学习模块构建基于长短时记忆网络LSTM的行为预测模型,分析商品的移动路径和时间序列特征,预测商品下一帧的位置和速度,在商品轨迹中断或数据缺失的情况下,系统结合轨迹完整性验证模块,通过帧间位置变化连续性和速度跳变特征检测缺失点,利用LSTM模型预测缺失数据,并采用插值算法生成补全轨迹;采用动态权重调整机制结合预测分数和插值结果置信度,动态优化补全效果,提高了轨迹的连贯性和鲁棒性。
技术关键词
收银方法
时间序列特征
LSTM模型
卡尔曼滤波算法
协方差矩阵
收银系统
记忆单元
插值算法
自助收银台
连续性
速度
传感模块
动态
时间序列形式
支付系统
历史轨迹数据
状态更新
系统为您推荐了相关专利信息
电力系统故障
智能诊断方法
级联故障
多层LSTM模型
转移概率矩阵
报告生成方法
数据字
语音编码
光学字符识别
节点
智能识别方法
智能识别分析
卡尔曼滤波
协方差矩阵
生物力学模型
盾构隧道系统
交叠隧道
实时监测数据
决策系统
决策方法
负荷预测方法
计算机可读指令
历史负荷数据
基线
强化学习技术