1.一种基于人脸识别的智能零售方法，应用于智能实体零售空间，需要用户通过人脸识别进行账户登录拿取购物篮，其特征在于：基于购物篮上RFID标签分析购物篮移动轨迹，依据购物篮移动轨迹生成专属交互库，确定高频交互热点；基于数据匹配模型将购买商品与高频交互热点区域所属商品进行匹配，依据匹配结果识别异常行为轨迹并进行数据剔除，将离散移动轨迹数据进行密度估计生成行为热力图；

依据行为热力图对零售空间进行区域划分为热、温、冷区三种零售区域，所述热、温、冷区分别对应零售区域的人流量逐渐减少；

根据购买商品数据信息，对零售空间热、冷两个区域的商品进行关联分析，生成商品关联图；

依据商品关联图对零售空间中的强关联商品群组进行分析，通过强关联商品群组对零售空间中热、冷两个区域的商品进行重组。

2.根据权利要求1所述的一种基于人脸识别的智能零售方法，其特征在于：依据购物篮移动轨迹生成连续的行为热力图的具体方法包括：将零售空间映射到坐标系中，通过购物篮上RFID标签实现多移动轨迹跟踪，生成购物篮移动轨迹：u‑t(x，y)，其中u‑t(x，y)表示为购物篮u进入零售空间中在第t个时间节点所处横纵坐标点位置信息(x，y)；u＝1、2、3...U，U为购物篮数量，所述横纵坐标点分别代表零售空间中货物架的点位信息；

通过空间轨迹密度可视化方法，将离散购物篮移动轨迹数据进行密度估计，生成行为热力图，购物篮移动轨迹覆盖频次与行为热力图的色彩明度呈正相关关系；具体表现为：零售空间单元被轨迹覆盖的次数越多，对应的热力值越高，在色阶映射中呈现越深的色调；

所述离散购物篮移动轨迹数据不包括异常行为轨迹数据，其中对异常行为轨迹数据进行判定，包括：

获取任意购物篮移动轨迹u’‑t(x，y)，当存在连续时间节点购物篮的位置信息不变时，初步判定用户与商品进行交互，记录当前购物篮所处位置信息，生成专属交互库；利用指示函数对专属交互库中相同位置信息出现次数进行统计，记出现次数最高的位置信息为高频交互热点；当最大统计数量超过购物篮移动轨迹u’‑t(x，y)记录位置信息的总数量时，判定高频交互热点存在用户潜在购买行为；

基于数据匹配模型确定购物篮u’对应用户购买的商品是否属于高频交互热点区域的商品，当购买的商品不属于高频交互热点区域的商品时，判定所述任意购物篮移动轨迹为异常行为轨迹数据；所述数据匹配模型是在用户支付过程中对商品扫描，并依据商品位置数据库对高频交互热点的商品数据进行匹配。

3.根据权利要求1所述的一种基于人脸识别的智能零售方法，其特征在于：对零售空间热、冷两个区域的商品进行关联分析的具体方法包括：分别对零售空间热、冷两个区域的商品进行梳理生成集合R和L，R＝{ri}，L＝{lj}，ri为零售空间热区的第i个商品，lj为零售空间冷区的第j个商品；i＝1、2、3...I，j＝1、2、

3...J；

对零售商店中任意用户历史购买商品数据中属于集合R和L且同时出现的商品进行筛选，生成关联组合(ri’，lj’)，通过协同过滤对关联组合在历史购买商品数据中出现的次数进行统计得到M(ri’，lj’)，其中零售空间热、冷区商品关联组合(ri’，lj’)的关联值与M(ri’，lj’)成正比，i’∈{1、2、3...I}，j’∈{1、2、3...J}；

通过所述关联组合以及对应的关联值构建商品关联图，其中关联组合中商品作为图中节点，关联值作为商品连接链路的权重。

4.根据权利要求3所述的一种基于人脸识别的智能零售方法，其特征在于：对零售空间中热、冷两个区域的商品进行重组的具体方法包括：选取热区任意一个商品ri’，对商品ri’与集合L中存在连接链路的商品lj’进行遍历，通过商品关联图确定商品ri’与lj’之间的关联值，包括：当商品ri’与lj’之间仅存在一个连接链路时，两个商品的关联值为链路的权重；当商品ri’与lj’之间存在多个连接链路时，采用加权累加求和方法计算得到两个商品的关联值；

当商品ri’和lj’之间的关联值超过预设关联阈值时，设置商品ri’和lj’为强关联商品群组，对零售商店中的强关联商品群组进行遍历，依据强关联商品群组对零售空间中热、冷两个区域的商品进行重组。

5.根据权利要求2所述的一种基于人脸识别的智能零售方法，其特征在于：依据行为热力图对零售空间进行区域划分的具体方法包括；

通过边缘算法对行为热力图初步进行区域划分，确定不同区域的边界，根据区域中每个像素亮度值进行加权累加，计算得到零售空间不同区域的综合活跃度；将所有区域按综合活跃度从高到低排序，利用分位数阈值法将零售空间的不同区域分别划分为热、温、冷三个区域；

所述像素亮度值是通过采用色彩空间转换算法对所述行为热力图的像素进行解码，提取每个像素点的RGB通道的8位量化值；并通过HSV色彩模型中的明度分量来量化RGB值颜色的深浅变化计算得到。

6.一种基于人脸识别的智能零售系统，其特征在于：所述智能零售系统包括：移动轨迹分析模块、区域划分模块、商品关联分析模块和商品重组模块；

所述移动轨迹分析模块，用于通过RFID标签实现购物篮移动轨迹跟踪，并且依据连续时间节点购物篮的位置信息是否发生变化，初步判定用户是否与商品进行交互，当用户与商品进行交互时，记录当前购物篮所处位置信息，生成专属交互库；利用指示函数对专属交互库中相同位置信息出现次数进行统计，记出现次数最高的位置信息为高频交互热点；基于数据匹配模型对购买商品不属于高频交互热点区域的商品，判定移动轨迹属于异常行为轨迹数据；通过空间轨迹密度可视化方法，将非异常行为轨迹数据的离散购物篮移动轨迹数据进行密度估计，生成行为热力图；

所述区域划分模块，用于通过边缘算法对行为热力图进行初步划分，确定不同区域的边界，根据每个区域中像素亮度值进行加权累加，计算得到零售空间不同区域的综合活跃度，并且对所有区域按照综合活跃度从高到低排序，利用分位数阈值法将零售空间的不同区域分别划分为热、温、冷三个区域；

所述商品关联分析模块，用于通过对零售空间热、冷两个区的商品进行梳理生成集合，对零售商店中任意用户历史购买商品数据中属于热、冷两个区的商品集合且同时出现的商品进行筛选，生成关联组合；通过协同过滤对关联组合在历史购买商品数据中出现的次数进行统计，其中零售空间热、冷区商品关联组合中两个商品的关联值与关联组合出现的次数成正比；通过所述关联组合以及对应的关联值构建商品关联图，其中关联组合中商品作为图中节点，关联值作为商品连接链路的权重；

所述商品重组模块，用于通过热、冷两个区中任意商品之间的关联值超过预设关联阈值，设置强关联商品群组，对零售商店中的强关联商品群组进行遍历，依据强关联商品群组对零售空间中热、冷两个区域的商品进行重组。

7.根据权利要求6所述的一种基于人脸识别的智能零售系统，其特征在于：所述移动轨迹分析模块包括移动轨迹跟踪单元、异常行为轨迹数据筛选单元和行为热力图生成单元；

所述移动轨迹跟踪单元，用于通过RFID标签实现多轨迹跟踪，生成移动轨迹；所述异常行为轨迹数据筛选单元，用于依据连续时间节点购物篮的位置信息是否发生变化，初步判定用户是否与商品进行交互，当用户与商品进行交互时，记录当前购物篮所处位置信息，生成专属交互库；利用指示函数对专属交互库中相同位置信息出现次数进行统计，记出现次数最高的位置信息为高频交互热点；基于数据匹配模型对购买商品不属于高频交互热点区域的商品，判定购物篮移动轨迹属于异常行为轨迹数据；所述行为热力图生成单元，用于通过空间轨迹密度可视化方法，将非异常行为轨迹数据的离散购物篮移动轨迹数据进行密度估计，生成行为热力图。

8.根据权利要求7所述的一种基于人脸识别的智能零售系统，其特征在于：所述商品关联分析模块包括关联组合分析单元、组合关联值分析单元和商品关联图生成单元；

所述关联组合分析单元，用于通过对零售商店中任意用户历史购买商品数据中属于集合R和L且同时出现的商品进行筛选，生成关联组合；所述组合关联值分析单元，用于通过协同过滤对关联组合在历史购买商品数据中出现的次数进行统计，零售空间热、冷区商品关联组合中两个商品的关联值与关联组合出现的次数成正比；所述商品关联图生成单元，用于通过所述关联组合以及对应的关联值构建商品关联图，其中关联组合中商品作为图中节点，关联值作为商品连接链路的权重。

9.根据权利要求8所述的一种基于人脸识别的智能零售系统，其特征在于：所述商品重组模块包括商品关联值分析单元商品重组单元；

所述商品关联值分析单元，用于通过商品关联图确定热、冷区任意两个之间的关联值，包括：当两个商品之间仅存在一个连接链路时，两个商品的关联值为链路的权重；当两个商品之间存在多个连接链路时，采用加权累加求和方法计算得到两个商品的关联值；所述商品重组单元，用于对零售商店中的强关联商品群组进行遍历，依据强关联商品群组对零售空间中热、冷两个区域的商品进行重组。