DE102019109289A1

DE102019109289A1 - System und Verfahren zur Erkennung des potenziellen Betrugs seitens des Kassierers, sowie das Verfahren zur Bildung des Warenauszugs fürs Training des künstlichen Neuronennetzes

Info

Publication number: DE102019109289A1
Application number: DE102019109289.2A
Authority: DE
Inventors: Murat Altuev
Original assignee: ITV Group OOO
Current assignee: ITV Group OOO
Priority date: 2018-07-11
Filing date: 2019-04-09
Publication date: 2020-01-16
Also published as: US11488126B2; US20200019947A1; RU2695056C1

Abstract

Diese Gruppe von Erfindungen bezieht sich auf die Verwendung künstlicher Neuronennetze im Bereich der Computer-Vision, insbesondere auf Systeme und Verfahren zur Verarbeitung von Videodaten, die von Videoüberwachungskameras erhalten wurden, um potenziellen Betrug seitens des Kassierers automatisch zu erkennen, indem die Bildverifizierung unter Verwendung künstlicher Neuronennetze durchgeführt wird. Das Kassensystem zur Erkennung des potenziellen Betrugs seitens des Kassierers enthält ein Strichcode-Lesegerät, einen Speicher, ein Bildaufnahmegerät und ein Datenverarbeitungsgerät.

Description

Diese Gruppe von Erfindungen bezieht sich auf die Verwendung künstlicher Neuronennetze im Bereich der Computer-Vision, insbesondere auf Systeme und Verfahren zur Verarbeitung von Videodaten, die von Videoüberwachungskameras erhalten wurden, um potenziellen Betrug seitens des Kassierers automatisch zu erkennen, indem die Bildverifizierung unter Verwendung künstlicher Neuronennetze durchgeführt wird.
STAND DER TECHNIK
Kassensysteme sind Hard- und Softwaresysteme, die den Verkauf von Waren und Dienstleistungen sowohl mit Barmitteln als auch mit Girogeld ermöglichen- Die Ware muss registriert werden und diese Informationen müssen in das Handelssystem eingegeben und in den Beleg übernommen werden, und das Geschäft (oder die Verkaufsstelle) muss das Geld dem Belegsbetrag entsprechend erhalten.
Allerdings gibt es bei der Abwicklung von Transaktionen an der Kasse immer häufiger die Betrugsfälle, nicht nur seitens des Käufers, sondern auch seitens des Kassierers. So kann beispielsweise ein Kassierer absichtlich den Strichcode eines billigeren Produkts ins Strichcode-Lesegerät bringen, um ein teureres Produkt seinem Komplizen zu übergeben. Diese Art von Betrug wird in der Regel durch Absprache zwischen dem Kassierer und dem Käufer begangen.
Die technischen Maßnahmen zur Bekämpfung des Betrugs an den Kassen stützen sich auf den Algorithmen der Analyse von Transaktionen aus dem Kassensystem, sowie auf der Arbeit von Videoüberwachungssystemen.
Videoüberwachungssysteme sind Soft- und Hardware-Tools, die mit Hilfe von Bildverarbeitungsmethoden eine automatisierte Datenerfassung aufgrund der Analyse von Streaming-Video (Videoanalyse) ermöglichen. Videoüberwachungssysteme stützen sich auf Bildverarbeitungsalgorithmen, einschließlich Bilderkennungs- oder Verifizierungsalgorithmen, die es ermöglichen, die Videos ohne direkte Beteiligung des Menschen zu analysieren.
Standard-Videoüberwachungsverfahren eignen sich hervorragend für die Analyse aller Kassenvorfälle und Kundenbeschwerden. Allerdings, ist es zeitaufwendig und oft völlig wirkungslos wegen hoher Ungenauigkeit, eine systematische Analyse des Kassierers durchzuführen und die Ursachen für eine große Anzahl verdächtiger Transaktionen der Kasse zu analysieren, indem man sich einfach alle Aktivitäten in Folge an der Kasse ansieht. Um Diebstahl und Betrug zu verhindern, braucht man daher die fortschrittlicheren Systeme, um Videodaten von Videoüberwachungskameras automatisch zu analysieren und diese Daten mit den in der Kassendatenbank verfügbaren Produktdaten zu vergleichen.
Die künstlichen Neuronennetze werden heute zunehmend zur Verifikation und Erkennung von Bildern eingesetzt. Diese Verfahren sind heute im Bereich der Identitätsprüfung am weitesten verbreitet.
Das Künstliche Neuronennetz (KNN) ist ein mathematisches Modell sowie seine Hard- und/oder Softwareausführungsform, das auf dem Prinzip der Organisation und Funktion biologischer Neuronennetze (Netze von Nervenzellen lebender Organismen) aufgebaut ist. Einer der Hauptvorteile des KNNs ist seine Trainingsmöglichkeit, bei dem das KNN in der Lage ist, die komplexen Abhängigkeiten zwischen Eingabe- und Ausgabedaten selbstständig zu erkennen.
Auf dem Weg zur Verwendung des KNNs im Bereich der Kassensysteme gibt es jedoch ein Problem - die Vorbereitung des Bilderauszugs für KNN-Training. Ein solcher Auszug sollte Zehntausende von Bildern der Waren enthalten, mit einem Hinweis darauf, welche Art von Waren auf den Bildern abgebildet ist. Darüber hinaus, unter Berücksichtigung der Tatsache, dass das Warensortiment in jedem Geschäft sehr unterschiedlich ist und sich im Laufe der Zeit ständig ändert, sollte die Anpassung des Bilderauszugs ein ständiger Prozess sein. Die manuelle Durchführung solcher Arbeiten ist äußerst schwierig. Daher ist es für die Verwendung des KNNs im Bereich der Kassensysteme notwendig, über die Mittel zu verfügen, um einen Trainingsauszug von Bildern, z.B. auf der Grundlage der vom Kassensystem empfangenen Informationen, automatisch zu erstellen.
Im Stand der Technik gibt es eine Lösung, die in der Anmeldung US 2010/0217678 A1 , G06Q 10/00, veröff. am 26.08.2010 offenbart wurde und ein Warenprüfsystem beschreibt, das mit der Verkaufsstelle und dem Strichcode-Lesegerät verbunden ist. Dieses Warenprüfsystem enthält das Folgende: ein oder mehrere Bilder zur Erkennung des Artikelbilds; Datenspeicher, der für Speicherung der Datensätze für mehrere Artikel eingestellt ist, wobei jeder Datensatz ein visuelles Modell eines der mehreren Artikel und einen universellen Artikelbezeichner (UPC) enthält, wobei das visuelle Modell das Folgende enthält: a) mindestens ein Bild des Elements; und b) eine oder mehrere geometrische Punktansichten, die aus einem oder mehreren Bildern des Elements genommen wurden; wobei der Systemprozessor für die folgenden Funktionen konfiguriert ist: Vergleichen des Objektbilds mit einem visuellen Modell von mindestens einem der vielen Elemente; Erkennung des Objekts aus dem Warensatz aufgrund des Objektbilds; automatisches Hinzufügen des erstellten Bildes zum Datenspeicher, wenn das Objektbild dem visuellen Modell eines der vielen Elemente nicht entspricht.
Der Hauptnachteil dieser Lösung besteht darin, dass das Bild des zum Lesegerät gebrachten Artikels mit den visuellen Modellen aller zuvor gespeicherten Elemente verglichen wird. Aufgrund der großen Anzahl von Waren und ihrer visuellen Modelle steigt die Rechenkomplexität des Vergleichs und die Genauigkeit nimmt deutlich ab. Darüber hinaus verwendet diese Lösung keine künstlichen Neuronennetze für den Bildvergleich, was auch die Genauigkeit des Ergebnisses verringert. Diese Lösung wurde als Prototyp gewählt.
OFFENBARUNG DER ERFINDUNGSART
Die angemeldete Gruppe der technischen Lösungen zielt darauf ab, die Nachteile des bisherigen Standes der Technik zu beseitigen und die bereits bekannten Lösungen zu verbessern.
Das technische Ergebnis der angemeldeten Erfindungsgruppe besteht darin, die Genauigkeit der Erkennung potenzieller Betrugsfälle seitens des Kassierers zu steigern.
Dieses technische Ergebnis wird dadurch erreicht, dass das Kassensystem die folgenden Teile für Erkennung des potenziellen Betrugs seitens des Kassierers enthält: ein Strichcode-Lesegerät; einen Speicher, der für Speicherung der einen Warenbilderauszug enthaltenden Warendatenbank konfiguriert ist; ein Bildaufnahmegerät, die für Empfang der Videodaten aus dem Bereich des Strichcode-Lesegerät konfiguriert ist; und mindestens ein Datenverarbeitungsgerät, das für Durchführung folgender Funktionen konfiguriert ist: Empfang von Daten aus der Produktdatenbank aufgrund des Lesesignals, das vom Strichcode-Lesegerät kommt; Empfang von Videodaten aus dem Bildaufnahmegerät und Verifizierung mit Hilfe künstlichen Neuronennetzes, wobei die Verifizierung in Vergleich des Warenbildes aus dem Bildaufnahmegerät zum Zeitpunkt des Empfangs des Lesesignals mit mindestens einem in den Daten des gelesenen Produkts enthaltenden Warenbild besteht; wenn das Verifizierungsergebnis negativ ist, stellt mindestens ein Datenverarbeitungsgerät den potenziellen Betrug seitens des Kassierers fest.
In einer einzelnen Ausführungsform der angemeldeten technischen Lösung ist das Kassensystem zusätzlich so konfiguriert, dass es einen Warenbildauszug für das Training künstlicher Neuronennetze automatisch erstellt oder ergänzt, wobei der Auszug mehrere Warenbilder enthält.
Eine weitere einzelne Ausführungsform der angemeldeten technischen Lösung teilt die Waren in der Warendatenbank in die Warenklassen ein.
Eine weitere einzelne Ausführungsform der angemeldeten technischen Lösung verfügt über eigenes zur Verifikation verwendbares künstliches Neuronennetz für jedes Produkt oder jede Warenklasse.
In einer weiteren einzelnen Ausführungsform der angemeldeten technischen Lösung beinhalten die Daten für jedes Produkt das Folgende: Produktname, Produktpreis, Produktstrichcode, Produktbildauszug.
In einer weiteren einzelnen Ausführungsform der angemeldeten technischen Lösung wird die Verifikation in Echtzeit durchgeführt.
In einer weiteren einzelnen Ausführungsform der angemeldeten technischen Lösung wird eine Benachrichtigung bei Erkennung des potenziellen Betrugs seitens des Kassierers an einen vorbestimmten Benutzer gesendet.
In einer weiteren einzelnen Ausführungsform der angemeldeten technischen Lösung erfolgt die Verifizierung nach den im Speicher gespeicherten archivierten Daten vom Strichcode-Lesegerät und dem Bildaufnahmegerät.
Und in einer anderen einzelnen Ausführungsform der angemeldeten technischen Lösung wird bei der auf der Grundlage archivierter Daten durchgeführten Verifikation ein Bericht erstellt, der alle erkannten Tatsachen der potenziellen Betrüge seitens des Kassierers enthält.
Dieses technische Ergebnis wird auch dadurch erreicht, dass das Verfahren der automatischen Bildung eines Warenbilderauszugs für das Training künstlicher Neuronennetze von einem mindestens ein Datenverarbeitungsgerät enthaltenden Kassensystem, die folgenden Stufen enthält: (a) wenn der Kassierer der Ware zum Strichcode-Lesegerät bringt, wird der Strichcode gelesen, wobei das Lesesignal erstellt wird; (b) aufgrund des Lesesignals werden die Daten über das gelesene Produkt aus der im Kassensystem gespeicherten Warendatenbank erhalten, wobei wenn die angegebene Datenbank keine Daten über das gelesene Produkt enthält, wird ein neuer Eintrag über dieses Produkt erstellt; (c) zum Zeitpunkt des Empfangs des Lesesignals wird ein Bild des gebrachten Produktes vom Bildaufnahmegerät erhalten, das für den Empfang von Videodaten vom Strichcode-Lesegerät konfiguriert ist; (d) Speicherung des erstellten Bildes des gebrachten Produkts in den Daten des gelesenen Produkts in der Warendatenbank; (e) Wiederholung der oben genannten Stufen (a)-(d) für jedes Produkt, das an das Strichcode-Lesegerät gebracht wird, wodurch ein Auszug von Warenbildern automatisch erstellt oder ergänzt wird, um ein künstliches für Erkennung des potenziellen Betrugs seitens des Kassiers verwendetes Neuronennetz zu trainieren.
In einer einzelnen Ausführungsform der angemeldeten technischen Lösung wird das Training des künstlichen Neuronennetzes auf der Grundlage der aufgefüllten Warendatenbank durchgeführt.
In einer weiteren einzelnen Ausführungsform der angemeldeten technischen Lösung sind die Bildung oder Auffüllung des Auszugs der Warenbildern und das Training künstlicher Neuronennetze ständige Prozesse, da sich der Warensatz und ihr Aussehen im Laufe der Zeit ändern.
In einer weiteren einzelnen Ausführungsform der angemeldeten technischen Lösung werden die Prozesse der Bildung oder der Auffüllung des Auszugs der Warenbildern und des Trainings künstlicher Neuronennetze und der Erkennung potenziellen Betrugs seitens des Kassierers parallel vom Datenverarbeitungsgerät durchgeführt.
In einer weiteren einzelnen Ausführungsform der angemeldeten technischen Lösung wird das Training des künstlichen Neuronennetzes ständig zu einem vom Benutzer eingestellten Zeitpunkt durchgeführt.
In einer weiteren einzelnen Ausführungsform der angemeldeten technischen Lösung wird das Training des künstlichen Neuronennetzes vom Datenverarbeitungsgerät des Kassensystems oder vom Cloud-Service des Kassensystems durchgeführt.
In einer weiteren einzelnen Ausführungsform der angemeldeten technischen Lösung wird das erstellte Bild der gebrachten Ware in den Daten der gelesenen Ware in der Warendatenbank gespeichert, auch wenn die Warendaten bereits mindestens ein Bild enthalten.
In einer weiteren einzelnen Ausführungsform der angemeldeten technischen Lösung beinhalten die Daten für jedes Produkt das Folgende: Produktname, Produktpreis, Produktstrichcode, Produktbildauszug.
In einer weiteren einzelnen Ausführungsform der angemeldeten technischen Lösung enthält der Auszug von Warenbildern N zuletzt hochgeladene Bilder bestimmten Produkts, wobei N eine positive vom Benutzer vorbestimmte ganze Zahl ist.
In einer anderen einzelnen Ausführungsform der angemeldeten technischen Lösung wird das vom Bildaufnahmegerät empfangene Bild nicht zum Warenbilderauszug hinzugefügt, wenn der Preis des Produkts unter dem voreingestellten Schwellenwert liegt.
Eine weitere einzelne Ausführungsform der angemeldeten technischen Lösung teilt die Waren in der Warendatenbank in die Warenklassen ein.
Und in einer andere einzelnen Ausführungsform der angemeldeten technischen Lösung gibt es eigenes künstliches Neuronennetz für jede Ware oder für jede Warenklasse, das bei der Verifizierung verwendet wird, um die Tatsache des potenziellen Betrugs seitens des Kassierers zu erkennen.
Darüber hinaus wird dieses technische Ergebnis auch dadurch erreicht, dass ein Verfahren zur Erkennung des potenziellen Betrugs seitens des Kassierers, das vom Kassensystem eingesetzt wird, mindestens ein Rechengerät und die folgenden Stufen enthält: wenn der Kassierer die Ware zum Strichcode-Lesegerät bringt, wird der Strichcode gelesen, wobei ein Lesesignal erzeugt wird; die Daten über die gelesene Ware aus der Warendatenbank werden aufgrund des Lesesignals erhalten, wobei diese Warendatenbank einen ständig nachfüllbaren Auszug von Warenbildern enthält; die Video-Daten werden vom Bildaufnahmegerät erhalten und die Verifikation wird mit einem künstlichen auf der Grundlage der nachfüllbaren Warendatenbank trainierten Neuronennetz durchgeführt, wobei die Verifikation besteht darin, das vom Bildaufnahmegerät zum Zeitpunkt des Empfangs des Lesesignals erhaltende Warenbild mit mindestens einem in den Warendatenbank enthaltenden Warenbild zu vergleichen; wenn das Verifizierungsergebnis negativ ist, bestimmt mindestens ein Datenverarbeitungsgerät die Tatsache des potenziellen Betrugs seitens des Kassierers.
In einer einzelnen Ausführungsform der angemeldeten technischen Lösung wird das oben genannte Verfahren zusätzlich mit der Möglichkeit der automatischen Generierung oder Auffüllung des Warenbilderauszugs für das Training des künstlichen Neuronennetzes durchgeführt, wobei der Auszug viele Warenbilder enthält.
In einer weiteren einzelnen Ausführungsform der angemeldeten technischen Lösung werden die Prozesse der Bildung oder der Auffüllung des Warenbilderauszugs und des Trainings künstlicher Neuronennetze und der Erkennung potenziellen Betrugs seitens des Kassierers parallel vom Datenverarbeitungsgerät durchgeführt.
Eine weitere einzelne Ausführungsform der angemeldeten technischen Lösung teilt die Waren in der Warendatenbank in Warengruppen ein.
Eine weitere einzelne Ausführungsform der angemeldeten technischen Lösung verfügt über eigenes zur Verifikation verwendbares künstliches Neuronennetz für jedes Produkt oder jede Warenklasse.
In einer weiteren einzelnen Ausführungsform der angemeldeten technischen Lösung beinhalten die Daten für jedes Produkt das Folgende: Produktname, Produktpreis, Produktstrichcode, Produktbildauszug.
In einer weiteren einzelnen Ausführungsform der angemeldeten technischen Lösung enthält der Auszug von Warenbildern N zuletzt hochgeladene Bilder bestimmten Produkts, wobei N eine positive vom Benutzer vorbestimmte ganze Zahl ist.
In einer anderen einzelnen Ausführungsform der angemeldeten technischen Lösung wird die Verifikation des Produkts nicht durchgeführt, wenn sein Preis unter einem vorgegebenen Schwellenwert liegt.
In einer weiteren einzelnen Ausführungsform der angemeldeten technischen Lösung erfolgt die Verifikation in Echtzeit.
In einer weiteren einzelnen Ausführungsform der angemeldeten technischen Lösung wird eine Benachrichtigung bei Erkennung des potenziellen Betrugs seitens des Kassierers an einen vorbestimmten Benutzer gesendet.
In einer weiteren einzelnen Ausführungsform der angemeldeten technischen Lösung erfolgt die Verifizierung nach den im Speicher gespeicherten archivierten Daten vom Strichcode-Lesegerät und dem Bildaufnahmegerät.
In einer anderen einzelnen Ausführungsform der angemeldeten technischen Lösung wird bei der auf der Grundlage archivierter Daten durchgeführten Verifikation ein Bericht erstellt, der alle erkannten Tatsachen der potenziellen Betrüge seitens des Kassierers enthält.
Darüber hinaus wird dieses technische Ergebnis auch durch den computerlesbaren Datenträger, der die computerlesbaren Anweisungen zur Umsetzung von Möglichkeiten zur Identifizierung potenzieller Betrugsfälle seitens des Kassierers enthält, sowie durch den computerlesbaren Datenträger, der die computerlesbaren Anweisungen zur Umsetzung von Möglichkeiten zur automatischen Erstellung eines Auszugs von Warenbildern fürs Training des künstlichen Neuronennetzes enthält, erreicht.
Figurenliste

1 - Ablaufdiagramm des Computersystems, um die Tatsache des möglichen Betrugs seitens des Kassierers zu erkennen;
2 - Ablaufdiagramm zur Erkennung der Tatsache des möglichen Betrugs seitens des Kassierers;
3 - Ablaufdiagramm des Verfahrens für automatische Erstellung des Warenbilderauszugs für Training des künstlichen Neuronennetzes.

UMSETZUNG DER ERFINDUNG
Nachfolgend werden die ungefähren Ausführungsformen der angemeldeten Erfindungsgruppe beschrieben. Die angemeldete Gruppe von Erfindungen ist jedoch nicht nur auf diese Ausführungsformen beschränkt. Für die Fachleute wird es offensichtlich sein, dass der Umfang der in den Ansprüchen beschriebenen angemeldeten Gruppe von Erfindungen die weiteren Ausführungsformen umfassen kann.
Die angemeldete technische Lösung in ihren verschiedenen Ausführungsformen kann in Form von Kassensystemen und -Verfahren, die von verschiedenen Computereinrichtungen implementiert werden, sowie in Form eines computerlesbaren Datenträgers, der die vom Computerprozessor ausgeführten Anweisungen speichert, realisiert werden.
1 zeigt das Ablaufdiagramm des Computerkassensystems zur Erkennung des möglichen Betrugs seitens des Kassierers. Das Kassensystem beinhaltet: ein Strichcode-Lesegerät (10), ein Bildaufnahmegerät (20), einen Speicher (30) und mindestens ein Datenverarbeitungsgerät (40, ...., 4n).
Unter Kassensystemen versteht man in diesem Zusammenhang alle Computersysteme, die auf hardware- und softwareverbundenen technischen Mitteln aufgebaut sind.
Das Strichcode-Lesegerät kann ein Scanner eines beliebigen bekannten Herstellers sein (jeder bekannte Typ, z.B. LED, Laser, Fotoscanner). Ein Strichcode ist die grafische Information, die auf die Oberfläche oder die Verpackung von Produkten aufgebracht wird und die Möglichkeit bietet, sie mit technischen Mitteln, wie beispielsweise einem Scanner, zu lesen. In einigen Ausführungsformen kann der Strichcode ein QR-Code sein, was in letzter Zeit im Handel weit verbreitet ist.
Das Bildaufnahmegerät im Rahmen dieser Anmeldung ist eine Videokamera.
Das Datenverarbeitungsgerät kann ein Prozessor, ein Mikroprozessor, ein Computer, SPS (speicherprogrammierbare Steuerung) oder eine integrierte Schaltung sein, die für die Ausführung bestimmter Befehle (Anweisungen, Programme) zur Datenverarbeitung konfiguriert ist.
Ein Speicher, der für die Datenspeicherung konfiguriert ist, kann eine Festplatte (HDD), ein Flash-Speicher, ein ROM, ein Festkörperspeicher (SSD), ein optischer Datenspeicher usw. sein.
Es muss erwähnt werden, dass dieses Kassensystem auch die weiteren Vorrichtungen umfassen kann, die bekanntermaßen in diesem Technologiestand, wie z.B. Sensoren, E/A-Geräte, Anzeigevorrichtungen usw., verwendet werden können.
Im Folgenden wird ein detailliertes Beispiel für den Betrieb des oben genannten Kassensystems zur Erkennung des potenziellen Betrugs seitens des Kassierers gegeben. Alle folgenden Schritte gelten auch für die Umsetzung des angemeldeten Verfahrens zur Erkennung potenzieller Betrugsfälle seitens des Kassierers.
Zunächst betrachten wir das Prinzip des Echtzeitbetriebs des Kassensystems. Nehmen wir an, dass der Käufer sich mit einem Produkt, das gekauft werden soll, an die Kasse kommt.
Das Bildaufnahmegerät, in diesem Fall eine Videokamera, ist so angeordnet, dass sie die Videodaten kontinuierlich aus dem Strichcode-Lesebereich der Kasse empfängt. Es ist zu beachten, dass das Kassensystem mehrere zusätzliche Überwachungskameras beinhalten kann, um die anderen Bereiche innerhalb des Kassenradius, Bereich des Wareneingangs vom Käufer oder Bereich der Übergabe bezahlter Waren, zu überwachen.
Wenn ein Kassierer ein Produkt zum Strichcode-Lesegerät bringt, erzeugt der Leser ein Lesesignal, anhand dessen das Datenverarbeitungsgerät spezifische Daten über das neu gelesene Produkt aus der Warendatenbank erhält.
Es sei darauf hingewiesen, dass die Daten für jeden in der Warendatenbank gespeicherten Artikel unter anderem das Folgende enthalten können: Produktname, Produktpreis, Produktstrichcode, Produktbildauszug. In diesem Fall können alle Waren in der Warendatenbank in Warenklassen eingeteilt werden. Beispiele für solche Klassen sind: Box, Beutel, Glasflasche, Kunststoffflasche, etc.
Gleichzeitig empfängt das Datenverarbeitungsgerät die Videodaten vom Bildaufnahmegerät und wählt ein Bild des gelesenen Elements aus, wenn es zum Lesegerät gebracht wird. Anschließend führt das Datenverarbeitungsgerät die Verifizierung mit Hilfe eines künstlichen Neuronennetzes durch.
Die erwähnte Verifizierung besteht darin, das Bild der vom Bildaufnahmegerät zum Zeitpunkt des Empfangs des Lesesignals empfangenen Waren mit mindestens einem Bild der in den Daten der gelesenen Waren, nämlich im Auszug der Bilder dieser Waren zu vergleichen.
Wenn das Ergebnis der Verifizierung ist, d.h. wenn das Bild des vom Bildaufnahmegerät erhaltenen Produkts mit mindestens einem Bild im Bilderauszug des gelesenen Produkts übereinstimmt, dann gilt die Registrierung der Ware als erfolgreich. Wenn das Bild des gelesenen Waren mit mindestens einem Bild aus dem Bilderauszug übereinstimmt, stoppt das System sofort den Verifikationsprozess, auch wenn sich im Auszug von Bildern dieser Ware noch Bilder befinden, die nicht mit dem Bild eines gelesenen Ware verglichen wurden. Ein solcher Ansatz ermöglicht es, die verfügbaren Computerressourcen des Systems nicht umsonst auszugeben und den Vergleichsprozess zu beschleunigen.
Wenn das Ergebnis der Verifizierung negativ ist, bestimmt mindestens ein Datenverarbeitungsgerät die Tatsache des möglichen Betrugs seitens des Kassierers.
In einer Implementierung des Kassensystems kann diese Verifizierung nicht nur auf der Datenebene der Ware, sondern auch auf der Datenebene der Warengruppe, zu der der betreffende Artikel gehört, durchgeführt werden.
Es muss erwähnt werden, dass vor der Einreichung eines Warenbildes ins künstliche Neuronennetz während der Verifizierung, sowie während des Trainings des künstlichen Neuronennetzes jedes Bild der Vorverarbeitung unterzogen wird, die beispielsweise darin besteht, die Grenzen der Ware zu erkennen, das Warenbild zu skalieren und die Farbeigenschaften des Warenbildes zu verändern.
Dann wählt das künstliche Neuronennetz die wichtigsten Merkmale im Bild der Ware aus. Das Ergebnis ist eine Reihe von Zahlen, die sogenannten Bilddeskriptoren. Im Verifikationsprozess wird beispielsweise die euklidische Distanz verwendet, um die Übereinstimmung Bilddeskriptoren für die neu gelesenen Waren und des im Bildauszug für die gelesenen Waren enthaltenen Bildes zu bewerten. Im Rahmen dieses Beispiels, wenn die euklidische Distanz kleiner als der voreingestellte Wert ist, bestimmt das Datenverarbeitungsgerät mit Hilfe von KNN, dass das Bild der gelesenen Waren dem Bild aus der Warendatenbank entspricht. Wenn die euklidische Distanz größer als der voreingestellte Wert ist, setzt das Datenverarbeitungsgerät den Vergleich mit dem nächsten Bild aus dem Warenbilderauszug fort. Wenn alle im Warenbilderauszug verfügbaren Bilder nicht dem Bild der vom Bildaufnahmegerät empfangenen gelesenen Waren entsprechen, dann stellt das Datenverarbeitungsgerät die Tatsache des möglichen Betrugs seitens des Kassierers fest.
Darüber hinaus ist das Kassensystem so konfiguriert, um eine Benachrichtigung in Echtzeit an einen vordefinierten Benutzer des Systems, wie beispielsweise einen Sicherheitsbeauftragten, zu senden, wenn es festgestellt wird, dass ein Kassierer Betrug begeht. Die Benachrichtigung des Benutzers kann in Form von SMS, MMS oder E-Mail erfolgen. Diese Konfiguration ermöglicht es, schnell auf Erkennung potenzieller Betrugsfälle zu reagieren, sowie die Verstöße rechtzeitig zu erkennen und die Täter zur Verantwortung zu ziehen.
Das beschriebene Kassensystem zur Erkennung des potenziellen Betrugs ist genauer als die anderen aus dem Stand der Technik bekannten Systeme, indem es das Bild der gelesenen Ware nur mit den Daten zu einer bestimmten Ware vergleicht und nicht mit Daten aus der gesamten Warendatenbank. Zu den Vorteilen dieser Lösung gehören eine höhere Geschwindigkeit der Bildverarbeitung und eine genauere Erkennung von potenziellem Betrug seitens des Kassierers.
Die obige Beschreibung des Computersystems charakterisiert seine Verwendung in Echtzeit, kann aber auch zur Verifikation mit einem künstlichen Neuronennetz und archivierten Daten verwendet werden. Bei dieser Implementierung werden die Daten aus dem Strichcode-Lesegerät und dem Bildaufnahmegerät automatisch in den Speicher des Kassensystems gesendet. So kann ein Sicherheitsbeauftragter, der Zugriff zu den Daten hat, diese einsehen und den Verifikationsprozess mit Datenverarbeitungsgerät jederzeit bequem durchführen. Um beispielsweise die Ressourcen des Datenverarbeitungsgeräts zu sparen, kann der Sicherheitsbeauftragte die Verifizierung einmal täglich oder einmal pro Woche durchführen. Dies wird viel weniger Zeit in Anspruch nehmen und wird wirksamer sein, wenn die Betrugsfälle selten vorkommen.
Das Ergebnis dieser Prüfung zur Erkennung des potenziellen Betrugs seitens des Kassierers kann in Form eines automatisch generierten Berichts auf dem Anzeigegerät dargestellt oder im Speicher des Kassensystems oder in der Datenbank des Sicherheitssystems gespeichert werden. Der genannte Bericht enthält alle identifizierten Tatsachen über potenzielle Betrugsfälle seitens des Kassierers.
Darüber hinaus ist dieses Kassensystem so konfiguriert, dass es den oben genannten Auszug von Warenbildern für das Training des künstlichen Neuronennetzes erzeugt oder ergänzt, wobei der erwähnte Auszug viele Warenbilder enthält.
Es sollte beachtet werden, dass die Prozesse der Erstellung oder Auffüllung des Warenbilderauszugs, des Trainings des künstlichen Neuronennetzes und der Erkennung potenzieller Betrugsfälle seitens des Kassierers parallel zu mindestens von einem Datenverarbeitungsgerät durchgeführt werden können. Das heißt, sobald der Datenverarbeitungsgerät die Bilder einer gelesenen Ware erhalten hat, wird das Bild gleichzeitig sowohl für die Verifizierung als auch für Erzeugung oder Auffüllung des Warenbilderauszugs verwendet. In diesem Fall, wenn das Bild zum Warenbilderauszug vor dem Ende der Verifizierung hinzugefügt wird, ist das Datenverarbeitungsgerät so konfiguriert, dass der Vergleich des Bildes der gelesenen Waren mit dem neu hinzugefügten neuen Bild der Waren ausgeschlossen wird.
In einer der einzelnen Ausführungsformen enthält das Kassensystem ein separates künstliches Neuronennetz, das bei der Verifikation für jede Warenklasse oder sogar für jede Ware verwendet wird.
Um die Aktualität der im Kassensystem gespeicherten Daten zu sichern, enthält der Bilderauszug nur N der zuletzt hochgeladenen Bilder für jede Ware, wobei N eine positive ganze Zahl ist, die zuvor vom Benutzer angegeben wurde.
Darüber hinaus, wenn die Informationen über potenzielle Betrugsfälle in Bezug auf billige Waren für das Geschäft im Vergleich zu teureren Waren nicht sehr wichtig sind, ist das System so konfiguriert, dass es den Preis der Ware vor der Verifizierung analysiert. Wenn der in den Warendaten eingegebene Preis unter dem voreingestellten Schwellenwert liegt (z.B. unter 10 Rubel oder 100 Rubel oder 500 Rubel usw.), wird die Verifizierung dieser Waren nicht durchgeführt. Der Benutzer des Kassensystems kann diesen Schwellenwert festlegen und je nach der Situation ändern.
Im Folgenden wird ein detailliertes Beispiel der spezifischen Implementierung des Verfahren zur Erkennung des potenziellem Betrugs seitens des Kassierers gegeben. 2 zeigt das Ablaufdiagramm einer der Möglichkeiten für Implementierung des Verfahren zur Erkennung des potenziellem Betrugs seitens des Kassierers.
Dieses Verfahren wird von dem oben beschriebenen Kassensystem durchgeführt, das mindestens ein Datenverarbeitungsgerät enthält. Das Verfahren enthält die Stufen, auf denen:

(100) wenn der Kassierer die Ware zum Strichcode-Lesegerät bringt, wird das Strichcodelesen durchgeführt und das Lesesignal erzeugt;
(200) die Daten über die gelesenen Waren aus der Warendatenbank aufgrund des Lesesignals erhalten werden, wobei die Warendatenbank einen ständig aktualisierten Auszug von Warenbildern enthält;
(300) die Videodaten von dem Bildaufnahmegerät erhalten werden und
(400) die Verifizierung mit Hilfe des künstlichen Neuronennetzes erfolgt, das auf der Grundlage einer aufgefüllten Warendatenbank trainiert ist, wobei die Verifizierung darin besteht, das Bild der von einem Bildaufnahmegerät zum Zeitpunkt des Empfangs des Lesesignals mit mindestens einem Bild der in den Daten über die gelesenen Waren enthaltenen Waren zu vergleichen;
(500) wenn das Ergebnis der Verifizierung negativ ist, stellt mindestens ein Datenverarbeitungsgerät die Tatsache des potenziellen Betrugs seitens des Kassierers fest.

Es sollte noch einmal beachtet werden, dass dieses Verfahren durch Verwendung des zuvor beschriebenen Kassensystems implementiert werden kann und daher um alle gleichen einzelnen für die Implementierung des Kassensystems beschriebenen Ausführungsformen erweitert und verfeinert werden kann, um die Tatsache des potenziellen Betrugs seitens des Kassierers zu erkennen.
Als Nächstes wird der Prozess der Bildung eines Trainingsauszugs von Warenbildern für Training des künstlichen Neuronennetzes, das zur Verifizierung der Tatsache des potenziellen Betrugs seitens des Kassierers verwendet wird, im Detail behandelt.
3 zeigt ein Ablaufdiagramm einer der Möglichkeiten der Implementierung des Verfahrens zur automatischen Bildung eines Warenbilderauszugs für Training des künstlichen Neuronennetzes.
Dieses Verfahren wird von dem oben beschriebenen Kassensystem durchgeführt, das mindestens ein Datenverarbeitungsgerät enthält. Das Verfahren enthält die Stufen, auf denen:

(a) wenn der Kassierer die Ware zum Strichcode-Lesegerät bringt, wird das Strichcodelesen durchgeführt und das Lesesignal erzeugt, was ausführlich oben beschrieben wurde.
(b) aufgrund des vom Datenverarbeitungsgerät empfangenen Lesesignal werden die Daten über die gelesenen Waren aus der im Speicher des Kassensystems gespeicherten Warendatenbank empfangen.

Und wenn die Datenbank noch keine Daten über die gelesenen Waren enthält, erstellt diese Datenbank automatisch einen neuen Eintrag über die neue Ware.
(c) Zum Zeitpunkt des Empfangs des Lesesignals empfängt das Datenverarbeitungsgerät ein Bild der gebrachten Ware vom Bildaufnahmegerät, das für den Empfang von Videodaten aus dem Barcodelesebereich konfiguriert ist.
(d) Das Datenverarbeitungsgerät speichert das empfangene Bild der gebrachten Ware in den gelesenen Warendaten in der Warendatenbank.
Es ist zu beachten, dass das erhaltene auch dann gespeichert wird, wenn die Daten über die gelesene Ware bereits mindestens ein Bild enthalten. Der Benutzer kann die Schwellenwertanzahl von Bildern (N) für jeden Warenbilderauszug einstellen.
Angenommen, der Benutzer hat N=10 eingestellt. Wenn das Lesesignal empfangen wird, empfängt das Datenverarbeitungsgerät die Daten über die gelesene Ware und analysiert die empfangenen Daten. Wenn die Anzahl der Bilder im Auszug für gelesene Waren zehn ist, löscht das Datenverarbeitungsgerät das älteste Bild und speichert das neueste empfangene Bild im Auszug. So es möglich, die Aktualität der Produktinformationen zu sichern. Dies ist notwendig, da sich das Aussehen der Ware im Laufe der Zeit ändert und daher keine alten Bilder der Ware gespeichert werden sollen.
Darüber hinaus kann der Benutzer auch einen Schwellenwert für den Produktpreis einstellen. In diesem Fall, wenn ein Lesesignal empfangen wird, empfängt das Datenverarbeitungsgerät die Daten über die gelesene Ware und analysiert die empfangenen Daten. Wenn der Preis der Ware unter dem voreingestellten Wert liegt (z.B. unter 100 Rubel), wird das Bild, das zum Zeitpunkt des Lesens der Ware vom Bildaufnahmegerät empfangen wird, nicht zum Warenbilderauszug hinzugefügt.
(e) Die oben genannten Stufen (a)-(d) werden für jede Waren wiederholt, die zum Strichcode-Lesegerät gebracht wird, wobei der Warenbilderauszug automatisch erzeugt oder ergänzt wird, um das künstliche für Erkennung des potenziellen Betrugs seitens des Kassierers verwendete Neuronennetz zu trainieren.
Das Training des künstlichen Neuronennetzes im Rahmen der angemeldeten Lösung erfolgt auf der Grundlage der aufgefüllten Warendatenbank.
Dabei sind die Bildung oder die Auffüllung des Auszugs der Warenbildern und das Trainings künstlicher Neuronennetze ständige Prozesse, da sich der Warensatz und ihr Aussehen im Laufe der Zeit ändern. Der Benutzer des Kassensystems kann einen bestimmten Zeitpunkt festlegen, zu dem das Training des künstlichen Neuronennetzes durchgeführt wird. Zum Beispiel einmal täglich oder einmal pro Woche. In diesem Fall kann das genannte Training beispielsweise von einem Datenverarbeitungsgerät des Kassensystems, einem cloudbasierten Kassenservice oder einem anderen Computergerät durchgeführt werden.
Die Prozesse der Erstellung oder Auffüllung des Warenbilderauszugs, des Trainings des künstlichen Neuronennetzes und der Erkennung potenzieller Betrugsfälle seitens des Kassierers gleichzeitig von einem Datenverarbeitungsgerät durchgeführt werden können.
Darüber hinaus, wenn dieses Verfahren so eingesetzt ist, dass alle Waren in der Warendatenbank in die Warengruppen unterteilt sind, verwendet jede Warengruppe ihr eigenes künstliches Neuronennetz. Für große Einzelhandelsgeschäfte ist es möglich, ein künstliches Neuronennetz auch für jede Ware zu haben. Wie es oben erwähnt wurde, werden die oben genannten künstlichen Neuronennetze bei der Verifikation von Waren verwendet, so dass je genauer KNN, desto genauer das Ergebnis der Verifikation, desto fehlerfreier und genauer die Tatsache des potenziellen Betrugs seitens des Kassierers identifiziert wird, da jedes KNN eng auf nur eine bestimmte Ware oder eine bestimmte Warengruppe ausgerichtet ist.
Darüber hinaus können die Variante der Implementierung dieser Erfindungsgruppe durch Software, Hardware, Softwarelogik oder ihrer Kombination implementiert werden. In diesem Implementierungsbeispiel werden Softwarelogik, Software oder ein Befehlssatz auf einem oder mehreren der verschiedenen traditionellen computerlesbaren Datenträger gespeichert.
Im Rahmen dieser Beschreibung kann ein „computerlesbarer Datenträger“ jedes Medium oder Mittel sein, das Anweisungen (Befehle) zur Verwendung durch ein Computersystem, wie beispielsweise einen Computer, enthalten, speichern, übertragen, verteilen oder transportieren kann. Ein Datenträger kann ein energieunabhängiger, maschinenlesbarer Datenträger sein.
Bei Bedarf kann mindestens ein Teil der verschiedenen Operationen, die in der Beschreibung dieser Lösung behandelt werden, anders als in der vorgestellten Reihenfolge und/oder gleichzeitig miteinander ausgeführt werden.
Obwohl die technische Lösung ausführlich beschrieben wurde, um die derzeit erforderlichen und bevorzugten Ausführungsformen zu beschreiben, ist zu beachten, dass die Erfindung nicht auf die offenbarten Ausführungsformen beschränkt ist und darüber hinaus als Modifikation und verschiedene andere Kombinationen von Merkmalen der beschriebenen Ausführungsformen gedacht ist. Es sollte beispielsweise verstanden werden, dass diese Erfindung davon ausgeht, dass ein oder mehrere Merkmale einer Ausführungsform mit einer oder mehreren Merkmalen einer anderen Ausführungsform kombiniert werden können.
ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Patentliteratur

US 2010/0217678 A1 [0010]

Claims

Kassensystem zur Erkennung des potenziellen Betrugs seitens des Kassierers, das die folgenden Teile enthält: Strichcode-Lesegerät; Speicher, der zum Speichern der den Warenbilderauszug enthaltenden Warenbank konfiguriert ist; Bildaufnahmegerät, das für Empfang von Videodaten aus dem Bereich des Lesens des Strichcodes durch den Kassierer konfiguriert ist; und mindestens ein Datenverarbeitungsgerät, das für die folgenden Funktionen konfiguriert ist: Empfang von Daten über die gelesene Ware aus der Warendatenbank aufgrund des vom Strichcode-Lesegerät empfangenen Lesesignals; Empfang von Videodaten von einem Bildaufnahmegerät und Verifizierung unter Verwendung eines künstlichen Neuronennetzes, wobei die erwähnte Verifizierung besteht darin, das Bild der vom Bildaufnahmegerät zum Zeitpunkt des Empfangs des Lesesignals empfangenen Waren mit mindestens einem Bild der Ware aus Daten der gelesenen Ware zu vergleichen. wenn das Ergebnis der Verifizierung negativ ist, stellt mindestens ein Datenverarbeitungsgerät die Tatsache des potenziellen Betrugs seitens des Kassierers fest.
Das Kassensystem nach Anspruch 1 dadurch gekennzeichnet, dass es zusätzlich so konfiguriert ist, dass es einen Warenbildauszug für das Training künstlicher Neuronennetze automatisch erstellt oder ergänzt, wobei der Auszug mehrere Warenbilder enthält.
Das Kassensystem nach Anspruch 1 dadurch gekennzeichnet, dass die Waren in der Warendatenbank in die Warenklassen unterteilt sind.
Das Kassensystem nach Anspruch 3 dadurch gekennzeichnet, dass für jede Ware oder für jede Warenklasse ein eigenes künstliches Neuronennetz zur Verifizierung verwendet wird.
Das Kassensystem nach Anspruch 1 dadurch gekennzeichnet, dass die Daten über jede Ware das Folgende enthalten: Produktname, Produktpreis, Produktstrichcode, Produktbildauszug.
Das Kassensystem nach beliebigem der Ansprüche 1-5 dadurch gekennzeichnet, dass die Verifizierung in Echtzeit durchgeführt wird.
Das Kassensystem nach Anspruch 6 ist dadurch gekennzeichnet, dass bei der Erkennung der Tatsache des potenziellen Betrugs seitens des Kassierers eine Benachrichtigung an den vordefinierten Benutzer gesendet wird.
Das Kassensystem nach beliebigem der Ansprüche 1-5 dadurch gekennzeichnet, dass die Verifizierung nach Archivdaten durchgeführt wird, die vom Strichcode-Lesegerät und vom Bildaufnahmegerät empfangen und im Speicher gespeichert werden.
Das Kassensystem nach Anspruch 8 dadurch gekennzeichnet, dass bei der auf der Grundlage archivierter Daten durchgeführten Verifikation ein Bericht erstellt wird, der alle erkannten Tatsachen der potenziellen Betrüge seitens des Kassierers enthält.
Das Verfahren der automatischen Erstellung eines Warenbilderauszugs für das Training künstlicher Neuronennetze, das von einem mindestens ein Datenverarbeitungsgerät enthaltenden Kassensystem durchgeführt wird, enthält die folgenden Stufen: (a) wenn der Kassierer die Ware zum Strichcode-Lesegerät bringt, wird das Strichcodelesen durchgeführt und das Lesesignal erzeugt; (b) aufgrund des Lesesignals werden die Daten über die gelesene Ware aus der im Kassensystem gespeicherten Warendatenbank erhalten, und wenn diese Datenbank keine Daten über die gelesene Ware enthält, wird ein neuer Datensatz für diese Ware erstellt; (c) zum Zeitpunkt des Empfangs des Lesesignals empfängt das Datenverarbeitungsgerät ein Bild der gebrachten Ware vom Bildaufnahmegerät, das für den Empfang von Videodaten aus dem Barcodelesebereich konfiguriert ist, (d) das erhaltene Bild der zum Strichcode-Lesegerät gebrachten Ware wird in Daten der gelesenen Ware in der Warendatenbank gespeichert; (e) die oben genannten Stufen (a)-(d) werden für jede Waren wiederholt, die zum Strichcode-Lesegerät gebracht wird, wobei der Warenbilderauszug automatisch erzeugt oder ergänzt wird, um das künstliche für Erkennung des potenziellen Betrugs seitens des Kassierers verwendete Neuronennetz zu trainieren.
Das Verfahren nach Anspruch 10 dadurch gekennzeichnet, dass das Training des künstlichen Neuronennetzes auf Grundlage der nachgefüllten Warendatenbank durchgeführt wird.
Das Verfahren nach Anspruch 10 dadurch gekennzeichnet, dass die Bildung oder Auffüllung des Auszugs der Warenbilder und das Training künstlicher Neuronennetze ständige Prozesse sind, da sich der Warensatz und ihr Aussehen im Laufe der Zeit ändern.
Das Verfahren nach beliebigem der Ansprüche 10-12 dadurch gekennzeichnet, dass die Prozesse der Bildung oder der Auffüllung des Warenbilderauszugs und des Trainings künstlicher Neuronennetze und der Erkennung potenziellen Betrugs seitens des Kassierers parallel vom Datenverarbeitungsgerät durchgeführt werden.
Das Verfahren nach beliebigem der Ansprüche 10-11 dadurch gekennzeichnet, dass das Training eines künstlichen Neuronennetzes immer zu einer vom Benutzer eingestellten Zeit durchgeführt wird.
Das Verfahren nach beliebigem der Ansprüche 10-11 dadurch gekennzeichnet, dass das Training eines künstlichen Neuronennetzes durch ein Kassensystem-Datenverarbeitungsgerät oder einen cloudbasierten Kassensystem-Service durchgeführt wird.
Das Verfahren nach Anspruch 10 dadurch gekennzeichnet, dass das erstellte Bild der gebrachten Ware in den Daten der gelesenen Ware in der Warendatenbank gespeichert wird, auch wenn die Warendaten bereits mindestens ein Bild enthalten.
Das Verfahren nach Anspruch 10 oder 16 dadurch gekennzeichnet, dass die Daten über jede Ware das Folgende enthalten: Produktname, Produktpreis, Produktstrichcode, Produktbildauszug.
Das Verfahren nach Anspruch 17 dadurch gekennzeichnet, dass der Auszug von Warenbildern N zuletzt hochgeladene Bilder bestimmten Produkts enthält, wobei N eine positive vom Benutzer vorbestimmte ganze Zahl ist.
Das Verfahren nach Anspruch 17 dadurch gekennzeichnet, dass das vom Bildaufnahmegerät empfangene Bild nicht zum Warenbilderauszug hinzugefügt wird, wenn der Preis des Produkts unter dem voreingestellten Schwellenwert liegt.
Das Verfahren nach Anspruch 17 dadurch gekennzeichnet, dass die Waren in der Warendatenbank in die Warenklassen unterteilt sind.
Das Verfahren nach Anspruch 20 dadurch gekennzeichnet, dass es eigenes künstliches Neuronennetz für jede Ware oder für jede Warenklasse gibt, das bei der Verifizierung verwendet wird, um die Tatsache des potenziellen Betrugs seitens des Kassierers zu erkennen.
Ein computerlesbarer Datenträger, der die vom Computerprozessor ausführbaren Anweisungen zur Implementierung von Verfahren zur automatischen Erstellung der Warenbilderauszugs für Training des künstlichen Neuronennetzes nach beliebigem der Ansprüche 10-21 enthält.
Das Verfahren zur Erkennung des potenziellen Betrugs seitens des Kassierers, das als ein Kassensystem ausgeführt wird, das mindestens ein Datenverarbeitungsgerät enthält, wobei das Verfahren die Stufen enthält, auf denen: wenn der Kassierer die Ware zum Strichcode-Lesegerät bringt, wird das Strichcodelesen durchgeführt und das Lesesignal erzeugt; die Daten über die gelesenen Waren aus der Warendatenbank aufgrund des Lesesignals erhalten werden, wobei die Warendatenbank einen ständig aktualisierten Auszug von Warenbildern enthält; die Videodaten vom Bildaufnahmegerät empfangen werden und die Verifizierung mit Hilfe des aufgrund der nachgefüllten Warendatenbank trainierten künstlichen Neuronennetzes durchgeführt wird; wobei die erwähnte Verifizierung besteht darin, das Bild der vom Bildaufnahmegerät zum Zeitpunkt des Empfangs des Lesesignals empfangenen Waren mit mindestens einem Bild der Ware aus Daten der gelesenen Ware zu vergleichen. wenn das Ergebnis der Verifizierung negativ ist, stellt mindestens ein Datenverarbeitungsgerät die Tatsache des potenziellen Betrugs seitens des Kassierers fest.
Das Verfahren nach Anspruch 23 dadurch gekennzeichnet, dass es zusätzlich so konfiguriert ist, dass es einen Warenbildauszug für das Training künstlicher Neuronennetze automatisch erstellt oder ergänzt, wobei der Auszug mehrere Warenbilder enthält.
Das Verfahren nach beliebigem der Ansprüche 23-24 dadurch gekennzeichnet, dass die Prozesse der Bildung oder der Auffüllung des Warenbilderauszugs und des Trainings künstlicher Neuronennetze und der Erkennung potenziellen Betrugs seitens des Kassierers parallel vom Datenverarbeitungsgerät durchgeführt werden.
Das Verfahren nach Anspruch 23 dadurch gekennzeichnet, dass die Waren in der Warendatenbank in die Warenklassen unterteilt sind.
Das Verfahren nach Anspruch 26 dadurch gekennzeichnet, dass für jede Ware oder für jede Warenklasse ein eigenes künstliches Neuronennetz zur Verifizierung verwendet wird.
Das Verfahren nach Anspruch 32 dadurch gekennzeichnet, dass die Daten über jede Ware das Folgende enthalten: Produktname, Produktpreis, Produktstrichcode, Produktbildauszug.
Das Verfahren nach beliebigem der Ansprüche 23-24, 28 dadurch gekennzeichnet, dass der Auszug von Warenbildern N zuletzt hochgeladene Bilder bestimmten Produkts enthält, wobei N eine positive vom Benutzer vorbestimmte ganze Zahl ist.
Das Verfahren nach Anspruch 28 dadurch gekennzeichnet, dass die Verifizierung der Waren nicht durchgeführt wird, wenn der Preis dieser Ware unter bestimmtem Schwellenwert liegt.
Das Kassensystem nach beliebigem der Ansprüche 23-24 dadurch gekennzeichnet, dass die Verifizierung in Echtzeit durchgeführt wird.
Das Verfahren nach Anspruch 31 dadurch gekennzeichnet, dass bei der Erkennung der Tatsache des potenziellen Betrugs seitens des Kassierers eine Benachrichtigung an den vordefinierten Benutzer gesendet wird.
Das Verfahren nach beliebigem der Ansprüche 23-24 dadurch gekennzeichnet, dass die Verifizierung nach Archivdaten durchgeführt wird, die vom Strichcode-Lesegerät und vom Bildaufnahmegerät empfangen und im Speicher gespeichert werden.
Das Verfahren nach Anspruch 33 dadurch gekennzeichnet, dass bei der auf der Grundlage archivierter Daten durchgeführten Verifikation ein Bericht erstellt wird, der alle erkannten Tatsachen der potenziellen Betrüge seitens des Kassierers enthält.
Ein computerlesbarer Datenträger, der die vom Computerprozessor ausführbaren Anweisungen zur Implementierung der Verfahren zur Erkennung des potenziellen Betrugs seitens des Kassierers nach beliebigem der Ansprüche 23-34 enthält.