CN105184975A - 自动售货机管理***和管理方法 - Google Patents

Abstract

本发明公开了一种自动售货机管理***和管理方法。本发明通过控制自动售货机在销售同时进行人物图像的获取，基于获取的人物图像确定人物的性别、年龄、身份或满意度等属性信息，基于这些属性信息以及销售的商品信息生成对应的统计信息，再基于对统计信息的分析获取针对每一台自动售货机的商品配置或设备参数优化信息，实现对于自动售货机的精确化管理，提升用户体验。

Description

自动售货机管理***和管理方法

技术领域

本发明涉及互联网技术以及大数据分析技术，具体涉及一种自动售货机管理***和管理方法。

背景技术

自动售货机(VendingMachine，VEM)是一种自动化的商业销售设备，其可以在无人值守的状态下自动销售货物并收款。它不受时间、地点的限制，能节省人力、方便交易，广泛应用于商业以及公共场所。

现有的大部分自动售货机通常是独立工作，并由负责巡视的补货员定期进行货物的补充和销售货款的回收。部分现有的自动售货机具有数据下载功能，能够通过通用串行接口下载销售数据或通过互联网上传销售数据以指导补货员及时进行补货。

但是，现有的自动售货机控制***仅能根据货物销售的数量来进行补货，无法精确获取商品配置的较佳方式，无法进一步提升用户体验。

发明内容

有鉴于此，本发明提出一种自动售货机控制***和控制方法，基于多个自动售货机的销售记录获取统计信息，并进一步分析优化每一台自动售货机的商品类别、商品位置以及内部参数，实现对于自动售货机的精确化管理，提升用户体验。

第一方面，本发明实施例提供一种自动售货机管理***，包括多台自动售货机和管理服务器，所述自动售货机通过网络与所述管理服务器连接，其中：

所述自动售货机用于自动销售商品并同时获取前方人物的人物图像，在每次销售完成后向所述管理服务器上传销售记录，其中，所述销售记录包括所述自动售货机的属性信息、所销售商品的商品信息和对应获取的所述人物图像；

所述管理服务器用于根据所述销售信息中的人物图像获取第一人物属性，基于所有销售记录对应的所述第一人物属性、所述自动售货机的属性信息和所述商品信息获取第一统计信息，并根据所述第一统计信息获取优化建议信息，向预定用户终端发送所述第一优化建议信息；

其中，所述自动售货机的属性信息包括所述自动售货机的标识，所述第一优化建议信息用于优化自动售货机的商品配置。

优选地，所述管理服务器用于以所述第一统计信息为样本通过机器学习算法训练获取销售量预测模型，并以每个所述自动售货机的位置属性信息、历史顾客的性别分布和年龄分布为输入，以最大化商品销售金额或销售量为优化目标，根据所述销售量预测模型获取所述第一优化建议信息；

其中，所第一述优化建议信息为每台自动售货机的商品类别配置建议，所述第一人物图像属性为人物的性别和年龄，所述商品信息包括商品类别，所述自动售货机的属性信息包括所述自动售货机的位置属性信息，所述优化预测模型为以自动售货机的位置属性信息、顾客的性别分布和年龄分布为输入，以不同类别商品的预测销量为输出的预测模型。

优选地，所述管理服务器用于根据所述销售记录中的人物图像获取第二人物属性，基于销售记录对应的所述第二人物属性和商品位置信息获取第二统计信息，以述第二统计信息为样本通过机器学习算法训练获取满意度预测模型，并以每台自动售货机的商品配置建议中的商品类别为输入，以最大化满意度为目标，通过所述满意度预测模型获取第二优化建议信息；

其中，所述第二优化建议信息为对应的自动售货机的商品位置建议，所述第二人物图像属性为人物的表情满意度标识，所述商品信息包括商品种类和商品位置，所述优化预测模型为以商品类别和商品位置为输入，以顾客平均满意度的预测值为输出的预测模型。

优选地，所述管理服务器用于以所述第一统计信息为样本通过机器学习算法训练获取满意度预测模型，并以每台自动售货机所配置的商品类别为输入，以最大化满意度为目标，通过所述满意度预测模型获取所述优化建议信息；

其中，所述第一优化建议信息为对应的自动售货机的商品位置建议，所述第一人物图像属性为人物的表情满意度标识，所述商品信息包括商品类别和商品位置，所述满意度预测模型为以商品类别和商品位置为输入，以顾客平均满意度的预测值为输出的预测模型。

优选地，所述管理服务器用于根据所述销售记录中的人物图像获取第二人物属性，基于销售记录对应的所述第二人物属性和所述商品信息获取第二统计信息，并将所述第二统计信息向预定用户终端发送；

其中，所述第二人物属性为人物的唯一标识，所述商品信息包括商品类别和货款金额。

优选地，所述管理服务器还用于根据所述第二统计信息获取具有相同唯一标识的所有销售记录，在具有相同唯一标识的所有销售记录满足预定条件且再次接收到该唯一标识所对应的销售记录时，向发送销售记录的自动售货机返回折扣信息；

所述自动售货机根据折扣信息向顾客返还至少部分货款。

优选地，所述第一人物属性为人物的表情满意度标识，所述自动售货机的属性信息包括自动售货机的内部温度；

所述管理服务器用于在同一自动售货机销售记录中累计预定数量的不满意的表情满意度标识时，根据所述自动售货机的内部温度和外部环境温度确定内部温度调节方向，向所述自动售货机发送所述内部温度调节方向；

所述自动售货机用于在接收到所述温度调节方向时调节内部温度。

优选地，所述自动售货机用于检测所述外部环境温度并向所述管理服务器上传；或者，

所述管理服务器根据天气预报信息获取所述外部环境温度。

第二方面，提供一种自动售货机管理方法，包括：

自动售货机在销售商品同时获取前方人物的人物图像，在每次销售完成后向所述管理服务器上传销售记录，其中，所述销售记录包括所述自动售货机的属性信息、所销售商品的商品信息和对应获取的所述人物图像；

根据所述销售信息中的人物图像获取第一人物属性，基于所有销售记录对应的所述第一人物属性、所述自动售货机的属性信息和所述商品信息获取第一统计信息，并根据所述第一统计信息获取优化建议信息，向预定用户终端发送所述第一优化建议信息；

其中，所述自动售货机的属性信息包括所述自动售货机的标识，所述第一优化建议信息用于优化自动售货机的商品配置。

本发明通过自动售货机在销售同时进行人物图像的获取，基于获取的人物图像确定人物的性别、年龄、身份、满意度等属性信息，基于这些属性信息以及销售的商品信息生成对应的统计信息，基于对统计信息的分析获取针对每一台自动售货机的商品配置或设备参数优化信息，实现对于自动售货机的精确化管理，提升用户体验。

附图说明

通过以下参照附图对本发明实施例的描述，本发明的上述以及其它目的、特征和优点将更为清楚，在附图中：

图1是本发明实施例的自动售货机管理***的示意图；

图2是本发明实施例的自动售货机的示意图；

图3是本发明另一个实施例的自动售货机的示意图；

图4是本发明实施例的自动售货机管理方法的流程图。

具体实施方式

以下基于实施例对本发明进行描述，但是本发明并不仅仅限于这些实施例。在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。为了避免混淆本发明的实质，公知的方法、过程、流程、元件和电路并没有详细叙述。

此外，本领域普通技术人员应当理解，在此提供的附图都是为了说明的目的，并且附图不一定是按比例绘制的。

除非上下文明确要求，否则整个说明书和权利要求书中的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义；也就是说，是“包括但不限于”的含义。

在本发明的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。

图1是本发明实施例的自动售货机控制***的示意图。

如图1所示，所述***包括多个自动售货机1以及通过网络与多个自动售货机连接的控制服务器2。

所述自动售货机1可以分布在不同的物理位置，优选地，***中的自动售货机1的数量应达到一定数量，并能覆盖预定的区域，由此保证自动售货机所采集信息的代表性。

图2是本发明第一实施例的自动售货机的示意图。如图2所示，自动售货机1可以包括壳体11、设置于壳体11中的货架12、取货装置13、支付装置14、人机交互装置15以及通信装置16和控制装置17。其中，取货装置13、支付装置14、人机交互装置15和通信装置16均与控制装置17连接。

壳体11、货架12、取货装置13、支付装置14和人机交互装置15为自动售货机的常用部件。

壳体11用于将其他部件容纳在内，保护自动售货机1的内部部件，并避免对商品的非法取用。货架12用户放置和存储待销售的商品。

取货装置13根据控制装置17的控制通过机械臂或其它类型的机械装置将货架上陈列的货物推送到预定位置的机电***。

支付装置14根据顾客的投入的货币或通过其它方式支付的货币(例如通过互联网支付***或具有支付功能的IC卡支付的货币)获取货物的对应货款并在必要时向客户返还找零的金额。应理解，在本发明实施例中，支付装置14并非必须。自动售货机可以在控制装置17的控制下通过通信装置16与管理服务器2通信进行支付信息的发送和确认，由此，顾客可以通过与网络连接的用户终端3(例如移动通信终端)进行货款的支付。

人机交互装置15可以包括输入装置，用于接受用户输入(例如，所选择的商品类型)。可选地，人机交互装置15还可以包括显示装置和/或扬声器以通过图像或语音向用户进行信息反馈，例如，通过显示装置显示用户选定的商品类型以及应付金额等。人机交互装置15可以为集成触摸输入屏的LED显示模块或液晶显示模块。应理解，在本发明实施例的某些自动售货机1中，人机交互装置15并非必须。自动售货机可以在控制装置17的控制下通过通信装置16与管理服务器2通信进行人机交互信息的发送和确认，由此，顾客可以通过与网络连接的用户终端(例如移动通信终端)来与自动售货机进行人机交互。在此前提下，管理服务器2可以接受顾客通过用户终端发送的例如商品选择信息，并向用户进行反馈支付金额等信息。

通信装置16可以为无线通信装置(基于无线局域网协议的无线网卡或基于移动数据通信协议的调制解调器)也可以为基于有线通信协议的有线通信装置(例如以太网适配器、基于电力线/光纤/双绞线/同轴线信号的调制解调器等)。通信装置16可以在控制器16的控制下接入互联网，与管理服务器2通信，接收信息或发送信息。

控制装置17用于控制所述取货装置13、支付装置14、人机交互装置15以及通信装置16从而自动接收用户选定商品信息、进行货款收取和商品推送，实现自动售货。

本发明的自动售货机1还包括至少一个图像获取装置18。所述图像获取装置18根据控制器17的控制获取自动售货机前方人物的至少一个人物图像或人物图像序列。控制装置17可以在自动售货机1进行商品销售的同时控制图像获取装置18获取前方人物的人物图像或图像序列。优选地，所述图像获取装置18可以具有人脸跟踪功能，以确保获取的人物图像包括人脸。控制装置17在商品销售完成后，向所述管理服务器上传销售记录，其中，所述销售记录包括自动售货机的属性信息、所销售商品的商品信息和对应获取的人物图像。

其中，自动售货机的属性信息至少包括自动售货机的标识，由此可以帮助确定上传改销售记录的自动售货机。

管理服务器2用于根据所述销售信息中的人物图像获取第一人物属性，基于所有销售记录对应的所述第一人物属性、所述自动售货机的属性信息和所述商品信息获取第一统计信息，并根据所述第一统计信息获取优化建议信息，向预定用户终端发送所述第一优化建议信息，第一优化建议信息用于优化自动售货机的商品配置。

具体地，人物属性的获取可以基于现有的人脸检测和人脸识别算法实现。

人脸检测(FaceDetection)是指对于任意一幅给定的图像，采用一定的策略对其进行搜索以确定其中是否含有人脸，如果是则返回一脸的位置、大小和姿态的图像处理方法。人脸检测技术可以包括基于知识的人脸检测技术以及基于特征的人脸检测技术。其中，基于特征的人脸检测技术步进可以从已有的面部特征而且从面部特征之间的几何关系进行人脸检测。而基于知识的人脸检测则需要根据训练获得的知识库来检测获得人脸的位置。基于人脸检测可以从人物图像中截取获得人脸图像，进而针对该图像进行人脸识别。

人脸识别(HumanFaceRecognition)是指基于人脸图像进行人物身份的鉴别或对其属性(例如，性别、年龄等)进行确定的图像处理方法。

在一个优选实施方式中，第一述优化建议信息为每台自动售货机的商品类别配置信息，所述第一人物图像属性为人物的性别和年龄，所述商品信息包括商品类别，所述自动售货机的属性信息包括所述自动售货机的位置属性信息。

管理服务器2用于以所述第一统计信息为样本通过机器学习算法训练获取销售量预测模型，并以每个所述自动售货机的位置属性信息、历史顾客的性别分布和年龄分布为输入，以最大化商品销售金额或销售量为优化目标，根据所述销售量预测模型获取所述第一优化建议信息。优化预测模型为以自动售货机的位置属性信息、顾客的性别分布和年龄分布为输入，以不同类别商品的预测销量为输出的预测模型。

也就是说，管理服务器2根据每次销售记录中人物的性别、年龄以及自动售货机位置属性信息(位置属性信息可以为自动售货机的位置为商业中心、图书馆、大学、旅游景点分类信息)和销售对应的商品类型进行机器学习，以获取人物的性别、年龄以及自动售货机位置属性信息对于所销售的商品类型影响，获得以自动售货机的位置属性信息、顾客的性别分布和年龄分布为输入，以不同类别商品的预测销量为输出的预测模型。

机器学习算法是基于已有的数据分析获取不同影响因子对于特定变量的影响的有效方法，其包括决策树算法、回归算法、支持向量机方法以及神经网络等方法。基于现有的机器学习算法可以训练获取所述预测模型。基于该预测模型，可以进一步以特定的自动售货机的位置属性信息、历史顾客的性别分布和年龄分布来对不同的商品配置方式下的销售量进行预测，通过最优化方法，可以获得商品类别配置的最优解，将其作为第一优化建议信息。

最优化的求解过程可以基于例如遗传算法或蚁群算法等现有的最优化算法实现。

第一优化建议信息可以被发送到预定的用户终端，所述用户终端可以是台式电脑、笔记本电脑、移动通信终端、平板电脑等各种具有数据处理功能的终端设备。

由此，自动售货机的运营者可以获得对于每一台自动售货机的商品类别配置的建议，从而实现对于商品配置的精确化管理。

进一步地，管理服务器2还可以根据所述销售记录中的人物图像获取第二人物属性，基于销售记录对应的所述第二人物属性和商品位置信息获取第二统计信息，以述第二统计信息为样本通过机器学习算法训练获取满意度预测模型，并以每台自动售货机的商品配置建议的商品类别为输入，以最大化满意度为目标，通过所述满意度预测模型获取第二优化建议信息。

其中，所述第二优化建议信息为对应的自动售货机的商品位置建议，所述第二人物图像属性为人物的表情满意度标识，所述商品信息包括商品种类和商品位置，所述优化预测模型为以商品类别和商品位置为输入，以顾客平均满意度的预测值为输出的预测模型。

现有的人脸识别算法可以根据人脸图像进行表情的识别，通过在人脸图像进行预处理后，对大量带有表情标记的人脸图像进行训练，即可获得对人脸图像表情进行分类的模型，这可以通过例如主元分析(PCA)等算法实现。所述表情满意度标签可以为例如，满意和不满意两种标签，将表示不良情绪的表情归为不满意，将表示中性情绪或正面情绪的表情归为满意。

由于不同的商品位置会对应于不同的等待时间，如果顾客对于等待时间不满意，则可能影响自动售货机的销售。通过对顾客对于不同位置商品等待的反应的获取和分析，可以获得满意度预测模型，并基于此获得对于商品类别设置位置的优化建议。

最优化的求解过程可以基于例如遗传算法或蚁群算法等现有的最优化算法实现。

由此，可通过对第一统计信息的分析获得商品类别的配置建议，基于该配置建议，可以进一步对第二统计信息进行分析获得对于商品位置的配置建议，由此，更加精确地管理自动售货机。

在另一个优选实施方式中，也可以单独来进行商品位置的配置优化。在该优选实施方式中，所述第一优化建议信息为对应的自动售货机的商品位置建议，所述第一人物图像属性为人物的表情满意度标识，所述商品信息包括商品类别和商品位置，所述满意度预测模型为以商品类别和商品位置为输入，以顾客平均满意度的预测值为输出的预测模型。

管理服务器2用于以所述第一统计信息为样本通过机器学习算法训练获取满意度预测模型，并以每台自动售货机所配置的商品类别为输入，以最大化满意度为目标，通过所述满意度预测模型获取所述优化建议信息。

由此，可以基于已有的商品类别配置，而非预测的商品类别配置来对商品位置进行分析获取改进建议，实现对于自动售货机的精确化管理。

在另一个实施例中，除了对商品类别或商品位置进行配置优化，所述自动售货机管理***还可以基于人物图像鉴别顾客身份，进而统计相同客户的消费情况，基于该消费情况进行统计信息的反馈或对顾客进行回馈从而改进用户使用体验。

具体地，所述管理服务器用于根据所述销售记录中的人物图像获取第二人物属性，基于销售记录对应的所述第二人物属性和所述商品信息获取第二统计信息，并将所述第二统计信息向预定用户终端发送；

其中，所述第二人物属性为人物的唯一标识，所述商品信息包括商品类别和货款金额。

由此，可以实现对于每个客户的消费习惯的统计。进一步可以为每个客户建立会员***。

进一步地，管理服务器2还可以根据所述第二统计信息获取具有相同唯一标识的销售记录，在具有相同唯一标识的所有销售记录满足预定条件且再次接收到该唯一标识所对应的销售记录时，向发送销售记录的自动售货机返回折扣信息；

所述自动售货机根据折扣信息向顾客返还至少部分货款。

例如，基于人脸识别确定人物的唯一标识，在该唯一标识对应的顾客的销售记录累计消费次数或总货款金额大于预定值时，为该顾客的后续消费提供折扣，管理服务器2在接收到带有该唯一标识的顾客的新的消费记录时，向发送消费记录的自动售货机返回折扣信息。自动售货机1此时已经完成了顾客的消费，其根据折扣信息向顾客返回部分货款。该返还可以通过例如退币的方式实现。自动售货机1还可以通过人机交互***对顾客进行提示。

由此，可以进一步以每一个顾客为单位实现自动售货机的自动控制和管理。

在另一个实施例中，如图3所示，自动售货机1还可以进一步通过通信装置16反馈更多的与顾客消费时自动售货机1内部以及外部环境相关的信息。自动售货机1可以包括温度调节装置19a、内部温度传感器19b和外部温度传感器19c。温度调节装置19a和内部温度传感器19b以及外部温度传感器19c与所述控制装置17连接。温度调节装置19a用于控制自动售货机1货架所在密闭空间的温度，温度调节装置19a可以为包括压缩机的制冷制热***。内部温度传感器19b用于检测货架所在密闭空间的温度。外部温度传感器19c用于获取自动售货机外部的环境温度。

每次销售商品后，自动售货机1均通过通信装置16将包括顾客的人脸图像的销售信息上传到管理服务器2，同时，自动售货机1还在销售信息中加入内部温度和外部环境温度。管理服务器2对人脸图像进行识别后获取人脸图像的表情信息标签。

管理服务器2用于在同一自动售货机销售记录中累计预定数量的不满意的表情满意度标识时，根据所述自动售货机的内部温度和外部环境温度确定内部温度调节方向，向所述自动售货机发送所述内部温度调节方向。自动售货机1用于在接收到所述温度调节方向时调节内部温度。

例如，同一个自动售货机在一个预定时间内累计10个不满意表情或50％的顾客的人脸图像的表情信息为不满意，则确定进行调节，根据外部温度和内部温度的温差选择调节方向。在外部环境温度低于第一值，且内部温度与外部环境温度的差值小于第一差值时，判断内部温度过低，选择提升内部温度，在外部环境温度高于第二值，且外部温度与内部温度的差值小于第一差值时，判断内部温度过高，选择降低内部温度。自动售货机1的控制装置17根据接收到的温度调节指令控制温度调节装置19a调节内部温度，从而使得商品到达顾客手中时温度适宜。

在另一个实施例中，自动售货机1还可以不设置外部温度传感器，而是由管理服务器2根据天气预报信息获取所述外部环境温度。

由此，本发明通过自动售货机在销售同时进行人物图像的获取，基于获取的人物图像确定人物的性别、年龄、身份、满意度等属性信息，基于这些属性信息以及销售的商品信息生成对应的统计信息，基于对统计信息的分析获取针对每一台自动售货机的商品配置或设备参数优化信息，实现对于自动售货机的精确化管理，提升用户体验。

图4是本发明实施例的自动售货机管理方法的流程图。

如图4所示，所述方法包括：

步骤100、自动售货机在销售商品同时获取前方人物的人物图像，在每次销售完成后向所述管理服务器上传销售记录，其中，所述销售记录包括所述自动售货机的属性信息、所销售商品的商品信息和对应获取的所述人物图像。

步骤200、根据所述销售信息中的人物图像获取第一人物属性，基于所有销售记录对应的所述第一人物属性、所述自动售货机的属性信息和所述商品信息获取第一统计信息，并根据所述第一统计信息获取优化建议信息，向预定用户终端发送所述第一优化建议信息。

其中，所述自动售货机的属性信息包括所述自动售货机的标识，所述第一优化建议信息用于优化自动售货机的商品配置。

由此，本发明通过自动售货机在销售同时进行人物图像的获取，基于获取的人物图像确定人物的性别、年龄、身份、满意度等属性信息，基于这些属性信息以及销售的商品信息生成对应的统计信息，基于对统计信息的分析获取针对每一台自动售货机的商品配置或设备参数优化信息，实现对于自动售货机的精确化管理，提升用户体验。

应理解，此具体实施方式中描述的数据结构和代码通常存储在计算机可读存储介质上，其可以是能够存储供计算机***使用的代码和/或数据的任何设备或介质。计算机可读存储介质包括但不限于易失性存储器、非易失性存储器、磁性和光学存储设备，例如磁盘驱动器、磁带、CD(光盘)、DVD(数字多功能光盘或数字视频光盘)、或现在已知或以后开发的能够存储代码和/或数据的其他介质。

可以将具体实施方式部分描述的方法和过程具体化为代码和/或数据，该代码和/或数据可存储在如上所述的计算机可读存储介质中。当计算机***读取并执行计算机可读存储介质上存储的代码和/或数据时，计算机***执行具体化为数据结构和代码并存储于计算机可读存储介质内的方法和过程。

此外，可以将本文描述的方法和过程包括在硬件模块或装置中。这些模块或装置可以包括但不限于专用集成电路(ASIC)芯片、现场可编程门阵列(FPGA)、在特定时间执行特定软件模块或一段代码的专用或共享处理器和/或其他现在已知或以后开发的可编程逻辑设备。当激活硬件模块或装置时，它们执行包括在其中的方法和过程。

以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域技术人员而言，本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种自动售货机管理***，包括多台自动售货机和管理服务器，所述自动售货机通过网络与所述管理服务器连接，其中：

所述自动售货机用于自动销售商品并同时获取前方人物的人物图像，在每次销售完成后向所述管理服务器上传销售记录，其中，所述销售记录包括所述自动售货机的属性信息、所销售商品的商品信息和对应获取的所述人物图像；

所述管理服务器用于根据所述销售信息中的人物图像获取第一人物属性，基于所有销售记录对应的所述第一人物属性、所述自动售货机的属性信息和所述商品信息获取第一统计信息，并根据所述第一统计信息获取优化建议信息，向预定用户终端发送所述第一优化建议信息；

其中，所述自动售货机的属性信息包括所述自动售货机的标识，所述第一优化建议信息用于优化自动售货机的商品配置。

2.根据权利要求1所述的自动售货机管理***，其特征在于，所述管理服务器用于以所述第一统计信息为样本通过机器学习算法训练获取销售量预测模型，并以每个所述自动售货机的位置属性信息、历史顾客的性别分布和年龄分布为输入，以最大化商品销售金额或销售量为优化目标，根据所述销售量预测模型获取所述第一优化建议信息；

其中，所第一述优化建议信息为每台自动售货机的商品类别配置建议，所述第一人物图像属性为人物的性别和年龄，所述商品信息包括商品类别，所述自动售货机的属性信息包括所述自动售货机的位置属性信息，所述优化预测模型为以自动售货机的位置属性信息、顾客的性别分布和年龄分布为输入，以不同类别商品的预测销量为输出的预测模型。

3.根据权利要求2所述的自动售货机管理***，其特征在于，所述管理服务器用于根据所述销售记录中的人物图像获取第二人物属性，基于销售记录对应的所述第二人物属性和商品位置信息获取第二统计信息，以述第二统计信息为样本通过机器学习算法训练获取满意度预测模型，并以每台自动售货机的商品配置建议中的商品类别为输入，以最大化满意度为目标，通过所述满意度预测模型获取第二优化建议信息；

其中，所述第二优化建议信息为对应的自动售货机的商品位置建议，所述第二人物图像属性为人物的表情满意度标识，所述商品信息包括商品种类和商品位置，所述优化预测模型为以商品类别和商品位置为输入，以顾客平均满意度的预测值为输出的预测模型。

4.根据权利要求1所述的自动售货机管理***，其特征在于，所述管理服务器用于以所述第一统计信息为样本通过机器学习算法训练获取满意度预测模型，并以每台自动售货机所配置的商品类别为输入，以最大化满意度为目标，通过所述满意度预测模型获取所述优化建议信息；

其中，所述第一优化建议信息为对应的自动售货机的商品位置建议，所述第一人物图像属性为人物的表情满意度标识，所述商品信息包括商品类别和商品位置，所述满意度预测模型为以商品类别和商品位置为输入，以顾客平均满意度的预测值为输出的预测模型。

5.根据权利要求1、2、4中任一项所述的自动售货机管理***，其特征在于，所述管理服务器用于根据所述销售记录中的人物图像获取第二人物属性，基于销售记录对应的所述第二人物属性和所述商品信息获取第二统计信息，并将所述第二统计信息向预定用户终端发送；

其中，所述第二人物属性为人物的唯一标识，所述商品信息包括商品类别和货款金额。

6.根据权利要求5所述的自动售货机管理***，其特征在于，所述管理服务器还用于根据所述第二统计信息获取具有相同唯一标识的所有销售记录，在具有相同唯一标识的所有销售记录满足预定条件且再次接收到该唯一标识所对应的销售记录时，向发送销售记录的自动售货机返回折扣信息；

所述自动售货机根据折扣信息向顾客返还至少部分货款。

7.根据权利要求1所述的自动售货机管理***，其特征在于，所述第一人物属性为人物的表情满意度标识，所述自动售货机的属性信息包括自动售货机的内部温度；

所述管理服务器用于在同一自动售货机销售记录中累计预定数量的不满意的表情满意度标识时，根据所述自动售货机的内部温度和外部环境温度确定内部温度调节方向，向所述自动售货机发送所述内部温度调节方向；

所述自动售货机用于在接收到所述温度调节方向时调节内部温度。

8.根据权利要求7所述的自动售货机管理***，其特征在于，所述自动售货机用于检测所述外部环境温度并向所述管理服务器上传；或者，

所述管理服务器根据天气预报信息获取所述外部环境温度。

9.一种自动售货机管理方法，包括：

自动售货机在销售商品同时获取前方人物的人物图像，在每次销售完成后向所述管理服务器上传销售记录，其中，所述销售记录包括所述自动售货机的属性信息、所销售商品的商品信息和对应获取的所述人物图像；

根据所述销售信息中的人物图像获取第一人物属性，基于所有销售记录对应的所述第一人物属性、所述自动售货机的属性信息和所述商品信息获取第一统计信息，并根据所述第一统计信息获取优化建议信息，向预定用户终端发送所述第一优化建议信息；

其中，所述自动售货机的属性信息包括所述自动售货机的标识，所述第一优化建议信息用于优化自动售货机的商品配置。