本申請涉及無人售貨，具體公開了一種無感支付方法及裝置。
背景技術：
1、無人售貨柜作為零售自動化的重要形態，現有產品大多采用單目或雙目攝像機、重量傳感器、rfid等手段完成商品識別與結算，但這些技術通常獨立或僅做簡單疊加。面對真實營業環境，多名客戶可能同時在同一貨架前取貨商品，伴隨遮擋、交叉取貨、商品傳遞等復雜動作，系統需要在極短時間內完成客戶身份區分、手部軌跡捕獲、商品移動檢測、異常行為判別以及賬單生成和扣費流程。
2、現有方案在多客戶并發場景下難以同步掌握客戶的精確手部運動與貨位重量變化，無法可靠建立商品與客戶的一一對應關系；當出現遮擋攝像頭、多人協作或惡意傳遞商品等情況時，又缺乏有效的異常行為量化機制，難以依據風險等級調整支付策略，容易產生錯扣費、漏扣費或爭議；此外，賬單生成與支付鏈路多依賴單一通道串行執行，在網絡波動或支付失敗時缺少及時容錯補償，影響無感支付體驗。
3、由此，如何在多客戶并發購物情況下同時提升商品歸屬準確性、異常行為識別可靠性與結算安全性仍是無人售貨柜領域亟待解決的技術問題。
4、鑒于此，本申請提出一種無感支付方法及裝置。
技術實現思路
1、為實現上述目的，本發明提供一種無感支付方法及裝置，具體技術方案如下：
2、一種無感支付方法，包括：
3、通過雙目攝像頭與紅外傳感器陣列采集客戶在無人售貨柜前的取貨行為數據，利用姿態估計算法提取客戶手部關鍵點，實時構建和更新每個客戶的手部運動軌跡，對多客戶身份并行跟蹤與區分；
4、在無人售貨柜的貨架層板下方集成重力傳感器，監測各貨位商品的重量變化，結合視覺感知結果，建立商品移動的時空關聯模型，對商品取貨行為進行交叉驗證；
5、基于卷積神經網絡模型檢測客戶取貨動作的異常行為，對識別出的高風險行為進行風險評分，確定風險等級，實時觸發相應的風險控制與處理策略；
6、設計基于時空標記的交易隔離機制，為每個客戶分配獨立的虛擬購物籃，基于決策樹算法融合視覺軌跡和重力感應數據，判定多客戶取貨時的商品歸屬關系；
7、基于商品歸屬關系及用戶虛擬購物籃，根據風險等級實施分布式賬單生成策略與多通道無感支付策略。
8、優選的，通過部署于無人售貨柜頂部和側面的雙目攝像頭采集圖像，并利用立體匹配算法計算視差圖，以獲取場景三維深度信息。
9、優選的，采用基于深度學習的姿態估計算法對客戶手部進行檢測和跟蹤，構建手部運動軌跡，并通過基于卡爾曼濾波的多目標跟蹤框架進行多客戶并行跟蹤，同時融合紅外傳感器陣列的數據擴展區分客戶身份。
10、優選的，在無人售貨柜的每層貨架層板下方均勻安裝獨立的重力傳感器，持續采集商品的重量數據，并根據重量變化閾值判斷客戶對商品取貨事件。
11、優選的，結合視覺感知結果，建立商品移動的時空關聯模型，通過計算客戶手部與貨位的空間距離以及分析手部速度變化，建立綜合關聯置信度評分機制，以確定商品取貨事件與客戶的關聯關系。
12、優選的，構建基于卷積神經網絡和長短期記憶網絡的異常行為檢測模型，輸入多模態數據，并根據圖像亮度分布、邊緣信息變化以及圖像差異度檢測攝像頭遮擋行為。
13、優選的，建立基于軌跡交叉分析和手部停留時間與商品重量變化時序關系的檢測機制，以識別多人交叉取貨和商品傳遞行為，并建立綜合風險評分機制，將各類異常行為的風險評分量化評估并映射至不同風險等級，觸發相應風險控制策略。
14、優選的，為每個客戶創建獨立的虛擬購物籃，并構建基于決策樹的商品歸屬判定算法；
15、利用視覺軌跡和重力感應數據作為決策特征，并在多客戶同時取貨時，建立商品歸屬沖突檢測與解決機制，將商品優先歸屬給匹配得分最高的客戶，并將商品歸屬不明和異常行為送交人工審核。
16、優選的，基于確定的商品歸屬關系和用戶虛擬購物籃數據，實施分布式賬單生成策略，并根據客戶的風險等級實施差異化的支付通道策略，同時建立多通道支付優先級機制以及支付結果實時通知與對賬機制。
17、一種無感支付裝置，其用于實現所述的一種無感支付方法，其特征在于，包括：視覺數據采集模塊、重量數據采集模塊、取貨異常檢測模塊、多用戶交易分離模塊以及多通道無感支付模塊；
18、所述視覺數據采集模塊，通過雙目攝像頭與紅外傳感器陣列采集客戶在無人售貨柜前的取貨行為數據，利用姿態估計算法提取客戶手部關鍵點，實時構建和更新每個客戶的手部運動軌跡，對多客戶身份并行跟蹤與區分；
19、所述重量數據采集模塊，在無人售貨柜的貨架層板下方集成重力傳感器，監測各貨位商品的重量變化，結合視覺感知結果，建立商品移動的時空關聯模型，對商品取貨行為進行交叉驗證；
20、所述取貨異常檢測模塊，基于卷積神經網絡模型檢測客戶取貨動作的異常行為，對識別出的高風險行為進行風險評分，確定風險等級，實時觸發相應的風險控制與處理策略；
21、所述多用戶交易分離模塊，設計基于時空標記的交易隔離機制，為每個客戶分配獨立的虛擬購物籃，基于決策樹算法融合視覺軌跡和重力感應數據，判定多客戶取貨時的商品歸屬關系；
22、所述多通道無感支付模塊，基于商品歸屬關系及用戶虛擬購物籃，根據風險等級實施分布式賬單生成策略與多通道無感支付策略。
23、本發明的有益效果：本申請通過立體視覺與紅外陣列協同感知，實現毫米級手部關鍵點提取與軌跡持續更新，即便出現手部交叉或短暫遮擋，也能維持身份連續性，顯著降低取貨動作漏檢率，為后續商品歸屬判定提供高精度時空數據基礎。
24、本申請通過重力傳感器實時捕獲各貨位重量細微變化，并與視覺軌跡做時空匹配雙向校驗，準確區分取貨與放回事件；多源交叉驗證使商品移動識別準確率大幅提升，為庫存管理和結算準確性提供可靠保障。
25、本申請通過卷積神經網絡結合多模態輸入對遮擋、商品傳遞等異常動作進行分類判定，生成可量化風險評分并即時觸發分級風控措施；在不打擾正常客戶的前提下及時遏制高風險行為，降低漏付和惡意損失，全面提升柜機運營安全性。
26、本申請基于時空標記的交易隔離為每位顧客創建獨立虛擬購物籃，決策樹融合視覺與重量特征自動判定商品歸屬，并在沖突場景下給出優先級排序，必要時提交人工復核；該流程大幅減少錯扣費和爭議，保證多客戶并發購物時賬務清晰、數據隔離。
27、本申請依據商品歸屬結果與風險等級動態生成分布式賬單，采用主備支付通道及異步重試機制完成秒級扣費；低風險客戶全程無感，高風險客戶進入二次確認或人工審核，有效平衡支付便捷性與安全性，提升整體交易成功率與顧客滿意度。
1.一種無感支付方法，其特征在于，包括：
2.根據權利要求1所述的一種無感支付方法，其特征在于，通過部署于無人售貨柜頂部和側面的雙目攝像頭采集圖像，并利用立體匹配算法計算視差圖，以獲取場景三維深度信息。
3.根據權利要求2所述的一種無感支付方法，其特征在于，采用基于深度學習的姿態估計算法對客戶手部進行檢測和跟蹤，構建手部運動軌跡，并通過基于卡爾曼濾波的多目標跟蹤框架進行多客戶并行跟蹤，同時融合紅外傳感器陣列的數據擴展區分客戶身份。
4.根據權利要求3所述的一種無感支付方法，其特征在于，在無人售貨柜的每層貨架層板下方均勻安裝獨立的重力傳感器，持續采集商品的重量數據，并根據重量變化閾值判斷客戶對商品取貨事件。
5.根據權利要求4所述的一種無感支付方法，其特征在于，結合視覺感知結果，建立商品移動的時空關聯模型，通過計算客戶手部與貨位的空間距離以及分析手部速度變化，建立綜合關聯置信度評分機制，以確定商品取貨事件與客戶的關聯關系。
6.根據權利要求5所述的一種無感支付方法，其特征在于，構建基于卷積神經網絡和長短期記憶網絡的異常行為檢測模型，輸入多模態數據，并根據圖像亮度分布、邊緣信息變化以及圖像差異度檢測攝像頭遮擋行為。
7.根據權利要求6所述的一種無感支付方法，其特征在于，建立基于軌跡交叉分析和手部停留時間與商品重量變化時序關系的檢測機制，以識別多人交叉取貨和商品傳遞行為，并建立綜合風險評分機制，將各類異常行為的風險評分量化評估并映射至不同風險等級，觸發相應風險控制策略。
8.根據權利要求7所述的一種無感支付方法，其特征在于，為每個客戶創建獨立的虛擬購物籃，并構建基于決策樹的商品歸屬判定算法；
9.根據權利要求8所述的一種無感支付方法，其特征在于，基于確定的商品歸屬關系和用戶虛擬購物籃數據，實施分布式賬單生成策略，并根據客戶的風險等級實施差異化的支付通道策略，同時建立多通道支付優先級機制以及支付結果實時通知與對賬機制。
10.一種無感支付裝置，其用于實現權利要求1至9任一項所述的一種無感支付方法，其特征在于，包括：視覺數據采集模塊、重量數據采集模塊、取貨異常檢測模塊、多用戶交易分離模塊以及多通道無感支付模塊；