CN108446719A - 基于深度相机衡量商场内广告牌关注度的方法 - Google Patents

Abstract

本发明公开了基于深度相机衡量商场内广告牌关注度的方法，具体包括如下步骤：101）设置深度相机步骤、102）获取相机坐标系点步骤、103）转换相机坐标系点步骤、104）聚类得到关注量步骤、105）获取关注度步骤；本发明提供了将充分体现该广告的效果，为用户的投入做了更直观的产出统计，让用户清楚自己的影响度的基于深度相机衡量商场内广告牌关注度的方法。

Description

基于深度相机衡量商场内广告牌关注度的方法

技术领域

本发明涉及广告关注度技术领域，具体涉及基于深度相机衡量商场内广告牌关注度的方法。

背景技术

现在，不同的多媒体智能屏广告满天飞，但是客户不知道自己所投放的量所起到的实际效益，广告关注度有多少，具体哪些投放更经济，因此市场急需一种可以衡量商场内广告牌关注度的技术。

发明内容

本发明的目的是提供基于深度相机衡量商场内广告牌关注度的方法。

本发明的技术方案如下：

基于深度相机衡量商场内广告牌关注度的方法，具体包括如下步骤：

101)设置深度相机步骤：在广告牌中垂线上方0.3m处设置深度相机，所述深度相机为双目相机或可测深度摄像机；

102)获取相机坐标系点步骤：根据步骤101)的深度相机的位置建立图像上的三维坐标系；

103)转换相机坐标系点步骤：建立世界标准坐标系，并通过转换矩阵将步骤102)的相机三维坐标系转换为世界标准坐标系；所述转换矩阵由深度相机根据监测的区域大小来获得；

世界标准坐标系为相机三维坐标系为

转换矩阵R为具体换算公式如下公式(1)：

其中转换矩阵保证z轴垂直于地面，故Z＝0，所以0＝R₃₁x+R₃₂y+R₃₃z+c；由步骤102)得到确定的n个点的相机三维坐标系由n个点的相机三维坐标系来得到R₃₁,R₃₂,R₃₃的值，并利用0＝R₃₁x+R₃₂y+R₃₃z+c来得到c值；从而再来得到R₁₁,R₁₂,R₁₃，具体如下：由施密特正交变化进行设置则所以由此得到了整个旋转矩阵R的R₁₁,R₁₂,R₁₃、R₂₁,R₂₂,R₂₃和R₃₁,R₃₂,R₃₃；

由于世界标准坐标系的原点在相机三维坐标系原点的正下方，所以由得出最后两个a、b参数为a＝b＝0；

104)聚类得到关注量步骤：由步骤102)得到图像上的每一个点转换为世界标准坐标系，然后由聚类方法针对转换为世界标准坐标系后的X、Y轴进行聚类，从而得到该图像上的人数；

105)获取关注度步骤：根据步骤104)得到的人数除以设置的广告牌附近统计的面积得到占比量化指标，所述占比量化指标为单位时间内出现在广告牌附近的人数。

进一步的，所述深度相机每隔半个小时启动一次。

进一步的，所述步骤104)中的人数由聚类形成的个数决定，设置聚类个数为n，则聚类点为(X_w1,Y_w1),(X_w2,Y_w2)L(X_wn,Y_wn)，聚类半径为r₁,r₂L r_n，聚类面积为S₁,S₂L S_n，其中S＝πr²，面积和为由此得出聚类总面积。

进一步的，所述广告牌监测范围为周围2米，则占比量化指标：平均面积占比为其中n为聚类个数。

本发明的有益效果主要表现在：

本发明能统计出在商场投放的广告牌，多少广告达到了用户的需求，起到了良好投放的效果。即单位时间内有多少人看了这个广告，记为η＝看广告人数/总时间这个指标，本发明专利实现了即在某时刻例如t1时刻，广告牌周围(例如以广告牌为圆心，2m为半径的圆内)，人所占的面积比(人投影到地面)，记为θ_t1，以此类推，t2,t3......tn时刻分别为θ_t2，θ_t2，例如每隔半个小时记录一下。

则记为平均面积占比，作为衡量商场广告屏关注度的指标，其将充分体现该广告的效果，为用户的投入做了更直观的产出统计，让用户清楚自己的影响度。

附图说明

图1是本发明的流程图；

图2是本发明的深度相机得到深度图；

图3是本发明的深度相机设置的位置。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

如图1至图3所示，基于深度相机衡量商场内广告牌关注度的方法，具体包括如下步骤：

101)设置深度相机步骤：在广告牌中垂线上方0.3m处设置深度相机，所述深度相机为双目相机或可测深度摄像机，所述深度相机每隔半个小时启动一次。其中深度相机(双目相机或者tof相机标定以后)，可以得到图像上每一个点所对应的相机坐标系下的三维坐标。

102)获取相机坐标系点步骤：根据步骤101)的深度相机的位置建立图像上的三维坐标系。相机坐标系下的三维坐标通过转换矩阵R可以转换为世界坐标系下的三维坐标。

103)转换相机坐标系点步骤：建立世界标准坐标系，并通过转换矩阵将步骤102)的相机三维坐标系转换为世界标准坐标系；所述转换矩阵由深度相机根据监测的区域大小来获得；

世界标准坐标系为相机三维坐标系为

转换矩阵R为具体换算公式如下公式(1)：

其中转换矩阵保证z轴垂直于地面，故Z＝0，所以0＝R₃₁x+R₃₂y+R₃₃z+c；由步骤102)得到确定的n个点的相机三维坐标系由n个点的相机三维坐标系来得到R₃₁,R₃₂,R₃₃的值，具体步骤如下：

首先得到均值向量然后根据均值向量构造协方差矩阵，最后利用矩阵SVD分解得到最小特征值所对应的特征向量即为R₃₁,R₃₂,R₃₃，然后利用公式0＝R₃₁x+R₃₂y+R₃₃z+c的约束得到c值。

从而再来得到R₁₁,R₁₂,R₁₃，具体如下：

由施密特政教变化进行设置则

所以由此得到了整个旋转矩阵R的R₁₁,R₁₂,R₁₃、R₂₁,R₂₂,R₂₃和R₃₁,R₃₂,R₃₃。

由于世界标准坐标系的原点在相机三维坐标系原点的正下方，所以得出最后两个a、b参数为a＝b＝0；

104)聚类得到关注量步骤：如图2所示，由步骤102)得到深度相机得到深度图像上的每一个点(x,y)都可以转换为地面坐标系上的一点(X_w,Y_w,Z_w)，然后利用聚类算法(例如kmeans)针对(X_w,Y_w)进行聚类。广告版周围(2m以内)有多少人就会聚成多少类。例如假设有n个人，则理想情况下会被聚成n类，然后有n个聚类中心，设为(X_w1,Y_w1),(X_w2,Y_w2)L(X_wn,Y_wn)，并且其聚类半径为r₁,r₂L r_n，相应的其对应的聚类面积为S₁,S₂L S_n,显而易见S＝πr²。则所有类别总面积

105)获取关注度步骤：根据步骤104)得到的人数除以设置的广告牌附近统计的面积得到占比量化指标，所述占比量化指标为单位时间内出现在广告牌附近的人数。面积占比如上所述平均面积占比如下即广告牌监测范围为周围2米的占比量化指标。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员，在不脱离本发明构思的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明保护范围内。

Claims (4)

1.基于深度相机衡量商场内广告牌关注度的方法，其特征在于，具体包括如下步骤：

101)设置深度相机步骤：在广告牌中垂线上方0.3m处设置深度相机，所述深度相机为双目相机或可测深度摄像机；

102)获取相机坐标系点步骤：根据步骤101)的深度相机的位置建立图像上的三维坐标系；

103)转换相机坐标系点步骤：建立世界标准坐标系，并通过转换矩阵将步骤102)的相机三维坐标系转换为世界标准坐标系；所述转换矩阵由深度相机根据监测的区域大小来获得；

世界标准坐标系为相机三维坐标系为

转换矩阵R为具体换算公式如下公式(1)：

其中转换矩阵保证z轴垂直于地面，故Z＝0，所以0＝R₃₁x+R₃₂y+R₃₃z+c；

由步骤102)得到确定的n个点的相机三维坐标系

由n个点的相机三维坐标系来得到R₃₁,R₃₂,R₃₃的值，并利用0＝R₃₁x+R₃₂y+R₃₃z+c来得到c值；从而再来得到R₁₁,R₁₂,R₁₃，具体如下：

由施密特正交变化进行设置则

所以由此得到了整个旋转矩阵R的R₁₁,R₁₂,R₁₃、R₂₁,R₂₂,R₂₃和R₃₁,R₃₂,R₃₃；

由于世界标准坐标系的原点在相机三维坐标系原点的正下方，所以由得出最后两个a、b参数为a＝b＝0；

104)聚类得到关注量步骤：由步骤102)得到图像上的每一个点转换为世界标准坐标系，然后由聚类方法针对转换为世界标准坐标系后的X、Y轴进行聚类，从而得到该图像上的人数；

105)获取关注度步骤：根据步骤104)得到的人数除以设置的广告牌附近统计的面积得到占比量化指标，所述占比量化指标为单位时间内出现在广告牌附近的人数。

2.根据权利要求1所述的基于深度相机衡量商场内广告牌关注度的方法，其特征在于：所述深度相机每隔半个小时启动一次。

3.根据权利要求1所述的基于深度相机衡量商场内广告牌关注度的方法，其特征在于：所述步骤104)中的人数由聚类形成的个数决定，设置聚类个数为n，则聚类点为(X_w1,Y_w1),(X_w2,Y_w2)L(X_wn,Y_wn)，聚类半径为r₁,r₂L r_n，聚类面积为S₁,S₂L S_n，其中S＝πr²，面积和为由此得出聚类总面积。

4.根据权利要求3所述的基于深度相机衡量商场内广告牌关注度的方法，其特征在于：所述广告牌监测范围为周围2米，则占比量化指标：平均面积占比为

其中n为聚类个数。