无人零售场景 技术全解读伪需求or真风口
熊金安
摘 要 随着互联网购物高速发展和智能手机的全面普及，智慧城市成为了追求的目标，无人零售作为智慧城市的重要组成部分正飞速发展。文章分析了无人零售相关技术，通过检索专利文件获取了多种无人零售的实现方案，并对这些方案进行了具体分析。通过本文可以初步了解无人零售相关技术，较为全面地获知相关公司的实现方案，为无人零售的全面推广提供了参考。
关键词 无人零售；生物识别；图像识别；RFID
中图分类号 TP3 文献标识码 A 文章编号 1674-6708（2018）209-0123-02
“智慧城市”是人类文明发展到一定高度之后的产物[1]，利用以物联网技术、云计算、互联网等为核心的新一代信息技术，它坚持以人为本、追求全面的智能化，改变着人类的吃穿住行，而无人零售正是智慧城市的重要组成部分，近年得到了亚马逊、阿里等企业的青睐，不断出现在公众视野中，阿里提出了新零售概念，投巨资于“盒马鲜生”，亚马逊则推出了AMAZON Go。笔者从专利角度和大家分享一下无人零售相关技术的发展特点。
1 主要技术
从顾客购物的角度分析，当进入购物场所时，因为无人值守，所以首先需要对顾客身份进行确认，一方面保证购物场所的安全，同时也可以为后续支付过程奠定基础。其次用户还需要挑选商品，在这个过程中只有准确地判断出用户购买的商品才能保证收费的准确。最后就是支付阶段，无人零售无人找零，所以最优支付方式就是无现金支付。通过这个过程的分析可以发现要实现无人零售，主要技术包括身份确认、商品确认、支付技术。
身份确认，目前主要采用生物特征识别技术，典型的生物特征包括指纹、人脸、虹膜等，借助对这些生物特别的识别确认购买商品的顾客的相应身份。
商品确认，通过RFID技术、图像识别技术、传感器技术等确定顾客最终所购买的商品。
支付技术，确认顾客购买的商品后完成支付，使用网络账号关联扣款、二维码支付、NFC支付等技术来实现。
无论是身份确认还是支付技术，目前都有了较为成熟的技术。关系无人零售用户体验的关键在于购买商品的确认过程。自动售货机，可以认为是一种较易实现的无人零售的初级状态，因为每一件商品都放置在固定的位置，商品的确认易于实现。而随着顾客对于购物感受的不断提高，他们希望能像超市一样自由挑选更多的商品，这就对顾客购买的商品的确认过程带来了挑战，因为这将面对更多的人和更多的商品，在同一时刻需要处理的对象也将大幅增加。在此基础上，诞生了像阿里巴巴的盒马鲜生、亚马逊的AMAZON Go等零售模式。借助机器视觉、深度学习等当前最热点的前沿知识，通过图像识别、传感器技术、RFID等技术给顾客更自由灵活的购物体验。因此商品确认主要使用以下技术。
RFID技术：RFID技术是一种非接触式的自动识别技术，通过无线射频的方式读取接收信息，实现自动识别。无人零售中则充分利用RFID标签，通过布置在收费区的RFID读卡器对顾客所选择的商品上的RFID标签进行识别，根据后台数据库保存的RFID标签和商品之间的对应关系，确定出用户所购买的商品。
图像识别技术：是指通过布置在购物场所的大量图像采集装置，对用户和商品进行不断地图像采集，通过图像识别技术并借助深度学习、机器视觉等当前热门的技术对采集的图像进行分析从而判断用户购买的商品。
传感器技术：是指借助各种传感器获取用户购买的商品的体积、重量等属性，借助后台保存的属性信息与商品的对应关系确定所购买的商品。
2 技术应用
在实际应用中，各公司结合了自身技术优势，选择了不同的技术组合，下面就通过来自专利文献中的信息，介绍两种技术应用。
2.1 阿里巴巴集团控股有限公司（下称“阿里巴巴”）
阿里巴巴于2014年06月18日申请并于2015年12月25日进入中国的申请号为CN2017107088 17.8的发明专利申请，提供了一种智能超市系统，如图2所示。其主要特点在于智能购物篮，该智能购物篮中包括了RF传感器以及重力传感器，通过RF传感器确定放入购物设备的商品，通过重力传感器确定实际总重量，当确定的商品的预期总重量与实际总重量匹配时，完成结账。
2.2 亚马逊科技公司（下称“亚马逊”）
亚马逊于2014年6月18日申请并于2015年12月25日进入中国的申请号为CN201480036645.9的发明专利申请，提供了一种实体商店检测物品的交互和移动的系统，如图3所示，其主要通过图像识别技术来对顾客的轨迹和动作进行追踪，并辅助以压力传感器、红外线传感器、秤、体积置换传感器，来确定顾客最终所购买的产品的类型。例如可以使用多个相机208采集用户的手经过平面进入库存位置之前的图像和从库存位置移出之后的图像，将图像提供给计算资源203。计算资源203可以处理所述图像以确定物体是否已移出或放入库存位置。除图像分析之外，还可基于从位于库存位置处的秤或压力传感器接收到的数据来确定所述物体的重量。图像分析能够将可能匹配的物品的清单缩减到小清单，然后将放入物体的重量與可能匹配的物品中的每一个所存储的重量进行比较以识别实际上放入库存位置中的物品。并且还可以考虑对应用户过去的购买历史和用户已经从库存位置移除了哪些物品。通过将多个输入结合，增加所识别出的物品与实际上从库存位置移除的物品匹配的可能性。
3 结论
通过上述分析可以看出，无人零售已经成为各方追逐的焦点，即使曾经只依靠线上电子商务发展壮大的电商，也同样钟情于线下无人零售的发展。面对如此巨大的蛋糕，各大企业在抢占先机的同时，不断提升技术储备，意欲通过先进的技术为顾客提供更加便捷的购物体验。可以预见，随着人工智能、计算机视觉、深度学习、虚拟现实VR等技术高速发展，未来购物方式将会发生深刻变革。
参考文献
[1]高凡石.物联网技术对智慧城市建设影响研究[J].电视技术，2016，40（7）：45-48.
