CN108564027A - 一种确定观看菜单顾客的进店状态的方法和装置 - Google Patents

一种确定观看菜单顾客的进店状态的方法和装置 Download PDF

Info

Publication number
CN108564027A
CN108564027A CN201810322356.5A CN201810322356A CN108564027A CN 108564027 A CN108564027 A CN 108564027A CN 201810322356 A CN201810322356 A CN 201810322356A CN 108564027 A CN108564027 A CN 108564027A
Authority
CN
China
Prior art keywords
shop
customer
photographic device
image
menu
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810322356.5A
Other languages
English (en)
Inventor
张国刚
蒋龙龙
徐浩
吴明辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BEIJING XUEZHITU NETWORK TECHNOLOGY Co Ltd
Original Assignee
BEIJING XUEZHITU NETWORK TECHNOLOGY Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by BEIJING XUEZHITU NETWORK TECHNOLOGY Co Ltd filed Critical BEIJING XUEZHITU NETWORK TECHNOLOGY Co Ltd
Priority to CN201810322356.5A priority Critical patent/CN108564027A/zh
Publication of CN108564027A publication Critical patent/CN108564027A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30242—Counting objects in image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

本申请公开了一种确定观看菜单顾客的进店状态的方法和装置，所述方法包括：通过第一摄像装置获取第一预设区域内的图像；其中，所述第一预设区域为包含部分或全部第一位置的区域，所述第一位置为与店铺外面放置菜单的位置之间的距离小于第一预设阈值的位置；通过第二摄像装置获取第二预设区域内的图像；其中，所述第二预设区域为包含部分或全部第二位置的区域，所述第二位置为与店铺门的位置之间的距离小于第二预设阈值的位置；根据所述第一摄像装置拍摄的第i帧图像和所述第二摄像装置在第一预设时间段内拍摄的图像确定观看菜单的顾客是否进店；其中，i为大于或等于1的整数。本申请实现了对观看菜单顾客的进店状态的获取。

Description

一种确定观看菜单顾客的进店状态的方法和装置
技术领域
本申请涉及图像处理技术，尤指一种确定观看菜单顾客的进店状态的方法和装置。
背景技术
在餐饮业高度竞争的市场环境中，各家餐饮店铺为了吸引更多顾客进店消费，往往会在店铺外面放置菜单供顾客浏览，进而吸引顾客进店消费，但目前没有有效的方法来统计这种营销方式的效果。
发明内容
本申请提供了一种确定观看菜单顾客的进店状态的方法和装置，能够确定观看菜单顾客的进店状态，即确定观看菜单顾客是否进店，从而基于观看菜单顾客的进店状态来评估在店铺外面放置菜单供顾客浏览的营销方式的效果。
本申请提供了一种确定观看菜单顾客的进店状态的方法，包括：
通过第一摄像装置获取第一预设区域内的图像；其中，所述第一预设区域为包含部分或全部第一位置的区域，所述第一位置为与店铺外面放置菜单的位置之间的距离小于第一预设阈值的位置；
通过第二摄像装置获取第二预设区域内的图像；其中，所述第二预设区域为包含部分或全部第二位置的区域，所述第二位置为与店铺门的位置之间的距离小于第二预设阈值的位置；
根据所述第一摄像装置拍摄的第i帧图像和所述第二摄像装置在第一预设时间段内拍摄的图像确定观看菜单的顾客是否进店；其中，i为大于或等于1的整数，所述第一预设时间段包含与所述第一摄像装置拍摄所述第i帧图像的时间的差值小于或等于第三预设阈值的时间。
可选的，该方法还包括：
统计观看菜单但未进店的顾客的数量；
或者，统计观看菜单且进店的顾客的数量；
或者，统计观看菜单但未进店的顾客和观看菜单且进店的顾客的数量。
可选的，所述根据所述第一摄像装置拍摄的第i帧图像和第二摄像装置在第一预设时间段内拍摄的图像确定观看菜单的顾客是否进店包括：
当从所述第二摄像装置在第一预设时间段内拍摄的图像中检测到从所述第一摄像装置拍摄的所述第i帧图像中检测到的某一个行人时，确定从所述第一摄像装置拍摄的所述第i帧图像中检测到的某一个行人为观看菜单且进店的顾客。
可选的，所述根据所述第一摄像装置拍摄的第i帧图像和第二摄像装置在第一预设时间段内拍摄的图像确定观看菜单的顾客是否进店包括：
当从所述第二摄像装置在第一预设时间段内拍摄的图像中未检测到从所述第一摄像装置拍摄的所述第i帧图像中检测到的某一个行人时，确定从所述第一摄像装置拍摄的所述第i帧图像中检测到的某一个行人为观看菜单但未进店的顾客。
本申请提出了一种确定观看菜单顾客的进店状态的装置，包括：
第一摄像装置，用于获取第一预设区域内的图像；其中，所述第一预设区域为包含部分或全部第一位置的区域，所述第一位置为与店铺外面放置菜单的位置之间的距离小于第一预设阈值的位置；
第二摄像装置，用于获取第二预设区域内的图像；其中，所述第二预设区域为包含部分或全部第二位置的区域，所述第二位置为与店铺门的位置之间的距离小于第二预设阈值的位置；
控制模块，用于根据所述第一摄像装置拍摄的第i帧图像和所述第二摄像装置在第一预设时间段内拍摄的图像确定观看菜单的顾客是否进店；其中，i为大于或等于1的整数，所述第一预设时间段包含与所述第一摄像装置拍摄所述第i帧图像的时间的差值小于或等于第三预设阈值的时间。
可选的，所述控制模块还用于：
统计观看菜单但未进店的顾客的数量；
或者，统计观看菜单且进店的顾客的数量；
或者，统计观看菜单但未进店的顾客和观看菜单且进店的顾客的数量。
可选的，所述控制模块具体用于：
当从所述第二摄像装置在第一预设时间段内拍摄的图像中检测到从所述第一摄像装置拍摄的所述第i帧图像中检测到的某一个行人时，确定从所述第一摄像装置拍摄的所述第i帧图像中检测到的某一个行人为观看菜单且进店的顾客。
可选的，所述控制模块具体用于：
当从所述第二摄像装置在第一预设时间段内拍摄的图像中未检测到从所述第一摄像装置拍摄的所述第i帧图像中检测到的某一个行人时，确定从所述第一摄像装置拍摄的所述第i帧图像中检测到的某一个行人为观看菜单但未进店的顾客。
本申请提出了一种确定观看菜单顾客的进店状态的装置，包括处理器和计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令被所述处理器执行时，实现上述任一种确定观看菜单顾客的进店状态的方法。
本申请提出了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一种确定观看菜单顾客的进店状态的方法的步骤。
与相关技术相比，本申请包括：通过第一摄像装置获取第一预设区域内的图像；其中，所述第一预设区域为包含部分或全部第一位置的区域，所述第一位置为与店铺外面放置菜单的位置之间的距离小于第一预设阈值的位置；通过第二摄像装置获取第二预设区域内的图像；其中，所述第二预设区域为包含部分或全部第二位置的区域，所述第二位置为与店铺门的位置之间的距离小于第二预设阈值的位置；根据所述第一摄像装置拍摄的第i帧图像和所述第二摄像装置在第一预设时间段内拍摄的图像确定观看菜单的顾客是否进店；其中，i为大于或等于1的整数，所述第一预设时间段包含与所述第一摄像装置拍摄所述第i帧图像的时间的差值小于或等于第三预设阈值的时间。本申请通过第一摄像装置和第二摄像装置实现了对观看菜单顾客的进店状态的获取，即确定观看菜单顾客是否进店，从而可以基于观看菜单顾客的进店状态来评估在店铺外面放置菜单供顾客浏览的营销方式的效果。
本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本申请技术方案的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本申请的技术方案，并不构成对本申请技术方案的限制。
图1为本申请第一实施例提出的确定观看菜单顾客的进店状态的方法的流程图；
图2为本申请第二实施例提出的确定观看菜单顾客的进店状态的装置的结构组成示意图。
具体实施方式
下文中将结合附图对本申请的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。
在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
第一实施例
参见图1，本申请第一实施例提出了一种确定观看菜单顾客的进店状态的方法，包括：
步骤100、通过第一摄像装置获取第一预设区域内的图像。
本申请的实施例中，第一摄像装置安装在以店铺外面放置菜单的位置为中心的区域内，这样，第一预设区域为包含部分或全部第一位置的区域，第一位置为与店铺外面放置菜单的位置之间的距离小于第一预设阈值的位置。
由于店铺外放置菜单的位置是固定的，因此，观看菜单的顾客会出现在固定的位置，从而可以通过第一摄像装置监控看过菜单的潜在顾客，即认为第一摄像装置拍摄到的行人就是看过菜单的顾客。
步骤101、通过第二摄像装置获取第二预设区域内的图像。
本申请的实施例中，第二摄像装置安装在以店铺门的位置为中心的区域内，这样，第二预设区域为包含部分或全部第二位置的区域，第二位置为与店铺门的位置之间的距离小于第二预设阈值的位置。
由于店铺门的位置是固定的，因此，进店的顾客会出现在固定的位置，从而可以通过设置在店铺门的位置的一定范围内的第二摄像装置监控进店的顾客，即认为第二摄像装置拍摄到的行人就是进店的顾客。
步骤102、根据第一摄像装置拍摄的第i帧图像和第二摄像装置在第一预设时间段内拍摄的图像确定观看菜单的顾客是否进店。
本申请的实施例中，i为大于或等于1的整数，第一预设时间段包含与第一摄像装置拍摄第i帧图像的时间的差值小于或等于第三预设阈值(例如15分钟)的时间。
本申请的实施例中，根据第一摄像装置拍摄的第i帧图像和第二摄像装置在第一预设时间段内拍摄的图像确定观看菜单的顾客是否进店包括：
当从第二摄像装置在第一预设时间段内拍摄的图像中检测到从第一摄像装置拍摄的第i帧图像中检测到的某一个行人时，确定从第一摄像装置拍摄的第i帧图像中检测到的某一个行人为观看菜单且进店的顾客。
当从第二摄像装置在第一预设时间段内拍摄的图像中未检测到从第一摄像装置拍摄的第i帧图像中检测到的某一个行人时，确定从第一摄像装置拍摄的第i帧图像中检测到的某一个行人为观看菜单但未进店的顾客。
其中，可以采用方向梯度直方图(HOG，Histogram of Oriented Gradient)特征描述算子结合支持向量机(SVM，Support Vector Machine)分类器来实现对图像中的行人的检测，HOG特征是一种在计算机世界和图像处理中用来进行物体检测的特征描述子，它通过计算和统计图像局部区域的梯度方向直方图来构成特征。使用HOG特征描述算子结合SVM分类器进行行人检测已经是比较成熟的技术。
例如，HOG特征的提取过程如下：
把图像分割为若干个像素的单元(cell)，把梯度方向平均划分为m(如9)个区间(bin)，对每个单元的所有像素的梯度方向在各个梯度方向区间进行直方图统计，得到一个9维的特征向量，每相邻的4个单元构成一个块(block)，把一个块内的特征向量联起来得到36维的特征向量，用块对样本图像进行扫描，扫描步长为一个单元。最后将所有块的特征串联起来，就得到了人体的特征。例如，对于64*128的图像而言，每8*8的像素组成一个cell，每2*2个cell组成一个块，因为每个cell有9个特征，所以每个块内有4*9＝36个特征，以8个像素为扫描步长，那么，水平方向将有7个扫描窗口，垂直方向将有15个扫描窗口。也就是说，64*128的图片，总共有36*7*15＝3780个特征。
SVM是一种常见二类分类模型，其基本模型定义为特征空间上的间隔最大的线性分类器，其学习策略便是间隔最大化，最终转化为一个凸二次规划问题来求解。
检测的结果会将图像中的行人以矩形框的形式标记出来。
本申请的实施例中，可以采用以下方式来判断从第二摄像装置在第一预设时间段内拍摄的图像中是否检测到从第一摄像装置拍摄的第i帧图像中检测到的某一个行人。
首先，检测出第一摄像装置拍摄的第i帧图像中的所有行人；检测出第二摄像装置在第一预设时间段内拍摄的图像中的所有行人。
其次，判断从第二摄像装置在第一预设时间段内拍摄的图像中检测到的所有行人和从第一摄像装置拍摄的第i帧图像中检测到的某一个行人是否是同一个人；
当从第二摄像装置在第一预设时间段内拍摄的图像中检测到的某一个行人和从第一摄像装置拍摄的第i帧图像中检测到的某一个行人是同一个人时，确定从第二摄像装置在第一预设时间段内拍摄的图像中检测到从第一摄像装置拍摄的第i帧图像中检测到的某一个行人；
当从第二摄像装置在第一预设时间段内拍摄的图像中检测到的所有行人和从第一摄像装置拍摄的第i帧图像中检测到的某一个行人均不是同一个人时，确定从第二摄像装置在第一预设时间段内拍摄的图像中未检测到从第一摄像装置拍摄的第i帧图像中检测到的某一个行人。
具体可以采用以下方式来判断两个行人(以下采用第一行人和第二行人加以区分)是否是同一个人。
计算第一行人和第二行人的相似度，当相似度大于第四预设阈值(如0.9)时，确定第一行人和第二为同一个人；
当第一行人与第二的相似度均小于或等于第四预设阈值时，确定第一行人和第二行人不是同一个人。
其中，可以采用以下方式计算两个行人(以下采用第一行人和第二行人加以区分)之间的相似度。
获取第一行人和第二行人的特征向量；根据第一行人和第二行人的特征向量计算第一行人和第二行人之间的相似度。
其中，获取第一行人的特征向量包括：
将第一行人对应的矩形框的RGB颜色空间变换到HSV颜色空间和YCbCr颜色空间；分别统计第一行人三个颜色空间的一阶矩、二阶矩和三阶矩；将第一行人三个颜色空间的一阶矩、二阶矩和三阶矩串起来组成第一行人的特征向量。
其中，获取第二行人的特征向量包括：
将第二行人对应的矩形框的RGB颜色空间变换到HSV颜色空间和YCbCr颜色空间，分别统计第二行人三个颜色空间的一阶矩、二阶矩和三阶矩；将第二行人三个颜色空间的一阶矩、二阶矩和三阶矩串起来组成第二行人的特征向量。
其中，可以按照公式计算一阶矩；
其中，ui为矩形框的第i个颜色分量的一阶矩，pij为矩形框的第j个像素的第i个颜色分量；A为矩形框中的像素个数。
其中，可以按照公式计算二阶矩；
其中，σi为矩形框的第i个颜色分量的二阶矩。
其中，可以按照公式计算三阶矩；
其中，si为矩形框的第i个颜色分量的三阶矩。
其中，可以按照公式计算第一行人和第二行人之间的相似度；
其中，cosθ为相似度，Ci为第一行人的特征向量的第i个元素，Di为第二行人的特征向量的第i个元素，B为特征向量的维数。
本申请的实施例中，采用颜色分布来标记行人，也就是使用行人所穿的衣服的颜色分布来标记一个行人，并且，认为在较短时间、较小范围内有多人传相同颜色分布衣服的概率很小。
本申请的实施例中，为了加快处理速度，可以不用对第一摄像装置拍摄的图像和第二摄像装置拍摄的图像进行逐帧处理，例如，可以只对连续的N帧图像中的一帧图像进行处理，N为大于或等于1的整数，或只对第二预设时间段(如15秒)内拍摄的图像中的一帧图像进行处理。
可选的，该方法还包括：
统计观看菜单但未进店的顾客的数量；
或者，统计观看菜单且进店的顾客的数量；
或者，统计观看菜单但未进店的顾客和观看菜单且进店的顾客的数量。
本申请的实施例中，在统计观看菜单但未进店的顾客或观看菜单且进店的顾客时，应从第一摄像装置在第三时间段(如15分钟)内拍摄的图像中检测到的行人进行去重处理再进行统计，具体可以根据行人的相似度进行去重处理。
本申请的实施例中，由于店铺外放置菜单的位置和店铺门的位置是固定的，因此，观看菜单的顾客和进店的顾客会出现在固定的位置，本申请基于这个原则通过设置在店铺外面放置菜单的位置的一定范围内的第一摄像装置监控看过菜单的潜在顾客，即认为第一摄像装置拍摄到的行人就是看过菜单的顾客；通过设置在店铺门的位置的一定范围内的第二摄像装置监控进店的顾客，即认为第二摄像装置拍摄到的行人就是进店的顾客，这样通过第一摄像装置拍摄的图像和第二摄像装置拍摄的图像实现了对观看菜单顾客的进店状态的获取，即确定观看菜单顾客是否进店，从而可以基于观看菜单顾客的进店状态来评估在店铺外面放置菜单供顾客浏览的营销方式的效果。
第二实施例
参见图2，本申请第二实施例提出了一种确定观看菜单顾客的进店状态的装置，包括：
第一摄像装置，用于获取第一预设区域内的图像；其中，第一预设区域为包含部分或全部第一位置的区域，第一位置为与店铺外面放置菜单的位置之间的距离小于第一预设阈值的位置；
第二摄像装置，用于获取第二预设区域内的图像；其中，第二预设区域为包含部分或全部第二位置的区域，第二位置为与店铺门的位置之间的距离小于第二预设阈值的位置；
控制模块，用于根据第一摄像装置拍摄的第i帧图像和第二摄像装置在第一预设时间段内拍摄的图像确定观看菜单的顾客是否进店；其中，i为大于或等于1的整数，第一预设时间段包含与第一摄像装置拍摄第i帧图像的时间的差值小于或等于第三预设阈值的时间。
其中，第一摄像装置和第二摄像装置可以是摄像头。
可选的，控制模块还用于：
统计观看菜单但未进店的顾客的数量；
或者，统计观看菜单且进店的顾客的数量；
或者，统计观看菜单但未进店的顾客和观看菜单且进店的顾客的数量。
可选的，控制模块具体用于：
当从第二摄像装置在第一预设时间段内拍摄的图像中检测到从第一摄像装置拍摄的第i帧图像中检测到的某一个行人时，确定从第一摄像装置拍摄的第i帧图像中检测到的某一个行人为观看菜单且进店的顾客。
可选的，控制模块具体用于：
当从第二摄像装置在第一预设时间段内拍摄的图像中未检测到从第一摄像装置拍摄的第i帧图像中检测到的某一个行人时，确定从第一摄像装置拍摄的第i帧图像中检测到的某一个行人为观看菜单但未进店的顾客。
上述控制模块的具体实现可以参考第一实施例的实现，这里不再赘述。
第三实施例
本申请第三实施例提出了一种确定观看菜单顾客的进店状态的装置，包括处理器和计算机可读存储介质，计算机可读存储介质中存储有指令，当指令被处理器执行时，实现上述任一种确定观看菜单顾客的进店状态的方法。
其中，计算机可读存储介质包括以下至少一种：闪存、硬盘、多媒体卡、卡型存储器(例如，安全数码卡(SD卡，Secure Digital Memory Card)或数据寄存器(DX，DataRegister)存储器等)、随机访问存储器(RAM，Random Access Memory)、静态随机访问存储器(SRAM，Static Random Access Memory)、只读存储器(ROM，Read Only Memory)、电可擦除可编程只读存储器(EEPROM，Electrically Erasable Programmable Read-OnlyMemory)、可编程只读存储器(PROM，Programmable Read-Only Memory)、磁性存储器、磁盘、光盘等。
处理器可以是中央处理器(CPU，Central Processing Unit)、控制器、微控制器、微处理器、或其他数据处理芯片等。
第四实施例
本申请第四实施例提出了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任一种确定观看菜单顾客的进店状态的方法的步骤。
虽然本申请所揭露的实施方式如上，但所述的内容仅为便于理解本申请而采用的实施方式，并非用以限定本申请。任何本申请所属领域内的技术人员，在不脱离本申请所揭露的精神和范围的前提下，可以在实施的形式及细节上进行任何的修改与变化，但本申请的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (10)

1.一种确定观看菜单顾客的进店状态的方法，包括：
通过第一摄像装置获取第一预设区域内的图像；其中，所述第一预设区域为包含部分或全部第一位置的区域，所述第一位置为与店铺外面放置菜单的位置之间的距离小于第一预设阈值的位置；
通过第二摄像装置获取第二预设区域内的图像；其中，所述第二预设区域为包含部分或全部第二位置的区域，所述第二位置为与店铺门的位置之间的距离小于第二预设阈值的位置；
根据所述第一摄像装置拍摄的第i帧图像和所述第二摄像装置在第一预设时间段内拍摄的图像确定观看菜单的顾客是否进店；其中，i为大于或等于1的整数，所述第一预设时间段包含与所述第一摄像装置拍摄所述第i帧图像的时间的差值小于或等于第三预设阈值的时间。
2.根据权利要求1所述的方法，其特征在于，该方法还包括：
统计观看菜单但未进店的顾客的数量；
或者，统计观看菜单且进店的顾客的数量；
或者，统计观看菜单但未进店的顾客和观看菜单且进店的顾客的数量。
3.根据权利要求1或2所述的方法，其特征在于，所述根据所述第一摄像装置拍摄的第i帧图像和第二摄像装置在第一预设时间段内拍摄的图像确定观看菜单的顾客是否进店包括：
当从所述第二摄像装置在第一预设时间段内拍摄的图像中检测到从所述第一摄像装置拍摄的所述第i帧图像中检测到的某一个行人时，确定从所述第一摄像装置拍摄的所述第i帧图像中检测到的某一个行人为观看菜单且进店的顾客。
4.根据权利要求1或2所述的方法，其特征在于，所述根据所述第一摄像装置拍摄的第i帧图像和第二摄像装置在第一预设时间段内拍摄的图像确定观看菜单的顾客是否进店包括：
当从所述第二摄像装置在第一预设时间段内拍摄的图像中未检测到从所述第一摄像装置拍摄的所述第i帧图像中检测到的某一个行人时，确定从所述第一摄像装置拍摄的所述第i帧图像中检测到的某一个行人为观看菜单但未进店的顾客。
5.一种确定观看菜单顾客的进店状态的装置，包括：
第一摄像装置，用于获取第一预设区域内的图像；其中，所述第一预设区域为包含部分或全部第一位置的区域，所述第一位置为与店铺外面放置菜单的位置之间的距离小于第一预设阈值的位置；
第二摄像装置，用于获取第二预设区域内的图像；其中，所述第二预设区域为包含部分或全部第二位置的区域，所述第二位置为与店铺门的位置之间的距离小于第二预设阈值的位置；
控制模块，用于根据所述第一摄像装置拍摄的第i帧图像和所述第二摄像装置在第一预设时间段内拍摄的图像确定观看菜单的顾客是否进店；其中，i为大于或等于1的整数，所述第一预设时间段包含与所述第一摄像装置拍摄所述第i帧图像的时间的差值小于或等于第三预设阈值的时间。
6.根据权利要求5所述的装置，其特征在于，所述控制模块还用于：
统计观看菜单但未进店的顾客的数量；
或者，统计观看菜单且进店的顾客的数量；
或者，统计观看菜单但未进店的顾客和观看菜单且进店的顾客的数量。
7.根据权利要求5所述的装置，其特征在于，所述控制模块具体用于：
当从所述第二摄像装置在第一预设时间段内拍摄的图像中检测到从所述第一摄像装置拍摄的所述第i帧图像中检测到的某一个行人时，确定从所述第一摄像装置拍摄的所述第i帧图像中检测到的某一个行人为观看菜单且进店的顾客。
8.根据权利要求5所述的装置，其特征在于，所述控制模块具体用于：
当从所述第二摄像装置在第一预设时间段内拍摄的图像中未检测到从所述第一摄像装置拍摄的所述第i帧图像中检测到的某一个行人时，确定从所述第一摄像装置拍摄的所述第i帧图像中检测到的某一个行人为观看菜单但未进店的顾客。
9.一种确定观看菜单顾客的进店状态的装置，包括处理器和计算机可读存储介质，所述计算机可读存储介质中存储有指令，其特征在于，当所述指令被所述处理器执行时，实现如权利要求1～4任一项所述的确定观看菜单顾客的进店状态的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1～4任一项所述的确定观看菜单顾客的进店状态的方法的步骤。
CN201810322356.5A 2018-04-11 2018-04-11 一种确定观看菜单顾客的进店状态的方法和装置 Pending CN108564027A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810322356.5A CN108564027A (zh) 2018-04-11 2018-04-11 一种确定观看菜单顾客的进店状态的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810322356.5A CN108564027A (zh) 2018-04-11 2018-04-11 一种确定观看菜单顾客的进店状态的方法和装置

Publications (1)

Publication Number Publication Date
CN108564027A true CN108564027A (zh) 2018-09-21

Family

ID=63534651

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810322356.5A Pending CN108564027A (zh) 2018-04-11 2018-04-11 一种确定观看菜单顾客的进店状态的方法和装置

Country Status (1)

Country Link
CN (1) CN108564027A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102265302A (zh) * 2009-01-26 2011-11-30 日本电气株式会社 顾客分析系统、顾客数据收集装置、顾客分析装置、顾客分析方法以及程序
JP2015019248A (ja) * 2013-07-11 2015-01-29 パナソニック株式会社 追跡支援装置、追跡支援システムおよび追跡支援方法
CN105957108A (zh) * 2016-04-28 2016-09-21 成都达元科技有限公司 基于人脸检测及跟踪的客流量统计系统
CN107103563A (zh) * 2017-04-05 2017-08-29 合肥酷睿网络科技有限公司 一种点餐系统
CN107424528A (zh) * 2017-06-07 2017-12-01 嘉兴仙视电子有限公司 楼宇广告机
CN107507045A (zh) * 2017-10-10 2017-12-22 南京思德展示科技股份有限公司 零售门店运营数据采集分析系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102265302A (zh) * 2009-01-26 2011-11-30 日本电气株式会社 顾客分析系统、顾客数据收集装置、顾客分析装置、顾客分析方法以及程序
JP2015019248A (ja) * 2013-07-11 2015-01-29 パナソニック株式会社 追跡支援装置、追跡支援システムおよび追跡支援方法
CN105957108A (zh) * 2016-04-28 2016-09-21 成都达元科技有限公司 基于人脸检测及跟踪的客流量统计系统
CN107103563A (zh) * 2017-04-05 2017-08-29 合肥酷睿网络科技有限公司 一种点餐系统
CN107424528A (zh) * 2017-06-07 2017-12-01 嘉兴仙视电子有限公司 楼宇广告机
CN107507045A (zh) * 2017-10-10 2017-12-22 南京思德展示科技股份有限公司 零售门店运营数据采集分析系统

Similar Documents

Publication Publication Date Title
US8744176B2 (en) Object segmentation at a self-checkout
CN110598558B (zh) 人群密度估计方法、装置、电子设备及介质
CN105447512B (zh) 一种精粗结合的光学表面缺陷的检测方法及装置
CN109086718A (zh) 活体检测方法、装置、计算机设备及存储介质
CN107622258A (zh) 一种结合静态底层特征和运动信息的快速行人检测方法
US20180268556A1 (en) Method for detecting moving objects in a video having non-stationary background
CN111210399B (zh) 一种成像质量评价方法、装置及设备
US11699290B1 (en) Pedestrian re-identification method and apparatus based on local feature attention
CN108647671A (zh) 一种光学标识视觉识别方法及基于该方法的无人售货柜
CN106355367A (zh) 仓库监控管理装置
CN109918971A (zh) 监控视频中人数检测方法及装置
CN108812407B (zh) 动物健康状态监测方法、设备及存储介质
CN110222582B (zh) 一种图像处理方法和相机
CN110287907A (zh) 一种对象检测方法和装置
CN110176024A (zh) 在视频中对目标进行检测的方法、装置、设备和存储介质
Liong et al. Automatic surface area and volume prediction on ellipsoidal ham using deep learning
CN111160450A (zh) 一种基于神经网络的果蔬称重方法及储存介质、装置
CN115100732A (zh) 钓鱼检测方法、装置、计算机设备及存储介质
CN109800616A (zh) 一种基于图像特征的二维码定位识别系统
CN111310531B (zh) 图像分类方法、装置、计算机设备及存储介质
CN102867214B (zh) 区域范围内人数统计管理方法
CN109215150A (zh) 人脸点名与计数方法及其系统
CN114155551A (zh) 基于YOLOv3改进的复杂环境下的行人检测方法及装置
CN113570615A (zh) 一种基于深度学习的图像处理方法、电子设备及存储介质
CN108564027A (zh) 一种确定观看菜单顾客的进店状态的方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20180921

RJ01 Rejection of invention patent application after publication