CN108647612A - 广告牌观看人流量分析系统 - Google Patents

Abstract

本发明公开了广告牌观看人流量分析系统，包括摄像头：将摄像头安装到广告投放场地，使摄像头能准确拍摄到广告观看人群；数据采集单元：采集摄像头所拍摄图片，利用人数分析算法对采集图片分析，实时采集广告投递点观看人数；实时分析单元：实时采集到的各个广告投递点观看人数数据上传到云端服务器，分析计算后实时呈现各个广告投递点实时数据以及统计分析某些指定区域的广告投递实时效果；后期统计分析单元：将本地数据库中的离线数据对比分析，结合客户需求得出广告投递策略规划。本方案通过上述原理，能够自动计算广告在投放期间，每个播放时段，总共有多少人观看，实现广告投递策略规划，操作简单方便，统计人数准确可靠，后期使用价值高。

Description

广告牌观看人流量分析系统

技术领域

本发明涉及广告监控领域，具体涉及广告牌观看人流量分析系统。

背景技术

随着互联网的飞速发展，网络广告以及新媒体的发展给传统广告带来了很大的影响，但是，传统广告仍旧没有消失，是由于传统广告的特点，传播范围大，读者众多且相对稳定，读者对象选择性强；可信度高，印象深刻；灵活性好，广告不需要复杂的制作程序，从稿件处理到制版印刷时间很短，同时广告的版面的大小、颜色和有关细节可灵活掌握，广告业主可根据自身的具体情况及市场对产品、对广告的反应随时对广告讯息进行修改；易保存、可重复；传播速度快，信息传递及时；信息量大，说明性强；阅读主动性强。但是传统的广告行业也存在缺点，比如传统广告行业在某处投递广告过后，便无从知晓广告投递过后的情况：比如，在播放某个广告的时候，总共有多少观众观看过。

发明内容

本发明所要解决的技术问题是对投递处广告的观看人数进行统计，目的在于提供广告牌观看人流量分析系统，能够自动计算广告在投放期间，每个播放时段，总共有多少人观看，实现广告投递策略规划，操作简单方便，统计人数准确可靠，后期使用价值高。

本发明通过下述技术方案实现：

广告牌观看人流量分析系统，包括

摄像头：将摄像头安装到广告投放场地，使摄像头能准确拍摄到广告观看人群；

数据采集单元：与摄像头通信连接，采集摄像头所拍摄图片，利用人数分析算法对采集图片分析，实时采集广告投递点观看人数；

实时分析单元：将数据采集单元实时采集到的各个广告投递点观看人数数据上传到云端服务器，分析计算后实时呈现各个广告投递点实时数据以及统计分析某些指定区域的广告投递实时效果；

后期统计分析单元：将数据采集单元实时采集到的各个广告投递点观看人数数据全部放入本地数据库中，然后将本地数据库中的离线数据对比分析，结合客户需求得出广告投递策略规划。

传统广告行业在某处投递广告过后，便无从知晓广告投递过后的情况：比如，在播放某个广告的时候，总共有多少观众观看过。传统的广告行业由于无法统计观看的广告人数情况，也就无法得知广告投递点的投递效果，也就无法实现对投递广告效果差的地点进行相应的调整，制定更加有效的投递方案。本方案借助于现有强大的互联网技术，在每个投递点均安装多个摄像头，让摄像头能够准确拍摄到广告观看人群，然后利用数据采集单元实现对图片上人数的自动统计，从而即可得到实时采集广告投递点观看人数的数量，存储数据采集单元的实时观看人数数据进行离线数据分析，根据各个地点的投放效果，制定更加高效合理的广告投递方案，达到最佳的投递效果。本方案中整个过程的实施实现了全自动化、智能化操作，在没有增加多少人力成本的情况下即可自动实现对投递处的人流量情况进行精确分析，计算广告在投放期间，每个播放时段，总共有多少人观看，实现广告投递策略规划，操作简单方便，统计人数准确可靠，后期使用价值高。在本领域中还没有人通过采集的照片，利用人数分析算法对投递点的人数进行统计，利用实时分析单元统计每个播放时段的观看人数，利用后期统计分析单元统计广告在投放期间总共有多少人观看，并将数据用于广告投递策略规划，整个过程的实现具有独创性。

优选的，人数分析算法是通过深度学习的方式对特征进行提取，使用训练好的模型对输入摄像头拍摄图片进行预测，从而对输入摄像头拍摄图片中的观看人数进行标记，实时采集广告投递点观看人数。采用该种人数分析算法能够快速准确的得到人数数据，后期的参考价值高。

优选的，人数分析算法包括如下步骤：

S1：将每张摄像头拍摄图片分成13*13的矩形块，并对每个矩形块采用聚类预测锚点框，锚点框的大小匹配不同检测物体的大小，每个矩形块取至少5个锚点框，将分割后的每个矩形块送入一个多层卷积神经网络中；

S2：使用卷积神经网络对图像自动进行特征提取，取出最后一层的特征，将其送入softmax函数，判断每个矩形块是否包含行人的头部，如果包含行人的头部，则同时给出其对应的包围框，每个图像分块中提取出来的包围框中有1个或多个头部；

S3：当图像分块中提取出来的包围框中有多个头部时，采用非极大值抑制算法搜索局部最大值，从而过滤掉非极大值的包围框，使得最终的图像分块只保留一个包围框；

S4：对于检测出的行人使用跟踪算法判断出行人是进入广告辐射区域还是走出广告辐射区域，从而进行广告覆盖人群的统计。

优选的，步骤S4中的跟踪算法不依赖于先验知识，直接从图像序列中检测到运动目标，并进行目标识别，最终跟踪进入广告辐射区域的行人。

优选的，若摄像头进行大场景布局，则将摄像头布置在前端监控单元，前端监控单元还通过网络连接监控中心。

若摄像头进行大场景布局，则将摄像头布置在前端监控单元，前端监控单元还通过网络连接监控中心。这样即可实现对大场景人流图片的更准确的采集，从而方便后期进行准确的数据统计，实现对大场景人数的精确统计。

本发明与现有技术相比，具有如下的优点和有益效果：

1、本发明中整个过程的实施实现了全自动化、智能化操作，在没有增加多少人力成本的情况下即可自动实现对投递处的人流量情况进行精确分析，计算广告在投放期间，每个播放时段，总共有多少人观看，实现广告投递策略规划，操作简单方便，统计人数准确可靠，后期使用价值高。

2、本发明避免多个物体位于一个矩形块时只检测到一个物体的情况，将锚点框的大小匹配不同检测物体的大小，统计出来的广告观看人群数量更加的准确可靠，后期的参考价值高。

附图说明

此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：

图1为本发明的原理框图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。

实施例1：

如图1所示，本发明包括广告牌观看人流量分析系统，包括

摄像头：将摄像头安装到广告投放场地，使摄像头能准确拍摄到广告观看人群；广告投放场地可以为1个或者是多个。

数据采集单元：与摄像头通信连接，采集摄像头所拍摄图片，利用人数分析算法对采集图片分析，实时采集广告投递点观看人数；

实时分析单元：将数据采集单元实时采集到的各个广告投递点观看人数数据上传到云端服务器，分析计算后实时呈现各个广告投递点实时数据以及统计分析某些指定区域的广告投递实时效果；

后期统计分析单元：将数据采集单元实时采集到的各个广告投递点观看人数数据全部放入本地数据库中，然后将本地数据库中的离线数据对比分析，结合客户需求得出广告投递策略规划。该系统还可实现对投放地的天气、投放日期、时间、节假日和周末等信息进行统计。

传统广告行业在某处投递广告过后，便无从知晓广告投递过后的情况：比如，在播放某个广告的时候，总共有多少观众观看过。传统的广告行业由于无法统计观看的广告人数情况，也就无法得知广告投递点的投递效果，也就无法实现对投递广告效果差的地点进行相应的调整，制定更加有效的投递方案。本方案借助于现有强大的互联网技术，在每个投递点均安装多个摄像头，让摄像头能够准确拍摄到广告观看人群，然后利用数据采集单元实现对图片上人数的自动统计，从而即可得到实时采集广告投递点观看人数的数量，存储数据采集单元的实时观看人数数据进行离线数据分析，根据各个地点的投放效果，制定更加高效合理的广告投递方案，达到最佳的投递效果。本方案中整个过程的实施实现了全自动化、智能化操作，在没有增加多少人力成本的情况下即可自动实现对投递处的人流量情况进行精确分析，计算广告在投放期间，每个播放时段，总共有多少人观看，实现广告投递策略规划，操作简单方便，信息的使用价值高。在本领域中还没有人通过采集的照片，利用人数分析算法对投递点的人数进行统计，利用实时分析单元统计每个播放时段的观看人数，利用后期统计分析单元统计广告在投放期间总共有多少人观看，并将数据用于广告投递策略规划，整个过程的实现具有独创性。

实施例2：

本实施例在实施例1的基础上优选如下：人数分析算法是通过深度学习的方式对特征进行提取，使用训练好的模型对输入摄像头拍摄图片进行预测，从而对输入摄像头拍摄图片中的观看人数进行标记，实时采集广告投递点观看人数。采用该种人数分析算法能够快速准确的得到人数数据，后期的参考价值高。

人数分析算法包括如下步骤：

S1：将每张摄像头拍摄图片分成13*13的矩形块，并对每个矩形块采用聚类预测锚点框，锚点框的大小匹配不同检测物体的大小，从而避免多个物体位于一个矩形块时只检测到一个物体的情况，每个矩形块取至少5个锚点框，将分割后的每个矩形块送入一个多层卷积神经网络中；

S2：使用卷积神经网络对图像自动进行特征提取，取出最后一层的特征，将其送入softmax分类函数，判断每个矩形块是否包含行人的头部，如果包含行人的头部，则同时给出其对应的包围框，每个图像分块中提取出来的包围框中有1个或多个头部；softmax分类函数为现有的已知函数。

S3：当图像分块中提取出来的包围框中有多个头部时，采用非极大值抑制算法搜索局部最大值，从而过滤掉非极大值的包围框，使得最终的图像分块只保留一个包围框；

S4：对于检测出的行人使用跟踪算法判断出行人是进入广告辐射区域还是走出广告辐射区域，从而进行广告覆盖人群的统计。

本方案避免多个物体位于一个矩形块时只检测到一个物体的情况，将锚点框的大小匹配不同检测物体的大小，统计出来的广告观看人群数量更加的准确可靠，后期的参考价值高。

步骤S4中的跟踪算法不依赖于先验知识，直接从图像序列中检测到运动目标，并进行目标识别，最终跟踪进入广告辐射区域的行人。由于该步骤中的跟踪算法不依赖于先验知识，是直接从图像序列中得到的，统计数据出错的概率大大降低。

若摄像头进行大场景布局，则将摄像头布置在前端监控单元，前端监控单元还通过网络连接监控中心。这样即可实现对大场景人流图片的更准确的采集，从而方便后期进行准确的数据统计，实现对大场景人数的精确统计。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.广告牌观看人流量分析系统，其特征在于，包括

摄像头：将摄像头安装到广告投放场地，使摄像头能准确拍摄到广告观看人群；

数据采集单元：与摄像头通信连接，采集摄像头所拍摄图片，利用人数分析算法对采集图片分析，实时采集广告投递点观看人数；

实时分析单元：将数据采集单元实时采集到的各个广告投递点观看人数数据上传到云端服务器，分析计算后实时呈现各个广告投递点实时数据以及统计分析某些指定区域的广告投递实时效果；

后期统计分析单元：将数据采集单元实时采集到的各个广告投递点观看人数数据全部放入本地数据库中，然后将本地数据库中的离线数据对比分析，结合客户需求得出广告投递策略规划。

2.根据权利要求1所述的广告牌观看人流量分析系统，其特征在于，人数分析算法是通过深度学习的方式对特征进行提取，使用训练好的模型对输入摄像头拍摄图片进行预测，从而对输入摄像头拍摄图片中的观看人数进行标记，实时采集广告投递点观看人数。

3.根据权利要求1或2所述的广告牌观看人流量分析系统，其特征在于，人数分析算法包括如下步骤：

S1：将每张摄像头拍摄图片分成13*13的矩形块，并对每个矩形块采用聚类预测锚点框，锚点框的大小匹配不同检测物体的大小，每个矩形块取至少5个锚点框，将分割后的每个矩形块送入一个多层卷积神经网络中；

S2：使用卷积神经网络对图像自动进行特征提取，取出最后一层的特征，将其送入softmax函数，判断每个矩形块是否包含行人的头部，如果包含行人的头部，则同时给出其对应的包围框，每个图像分块中提取出来的包围框中有1个或多个头部；

S3：当图像分块中提取出来的包围框中有多个头部时，采用非极大值抑制算法搜索局部最大值，从而过滤掉非极大值的包围框，使得最终的图像分块只保留一个包围框；

S4：对于检测出的行人使用跟踪算法判断出行人是进入广告辐射区域还是走出广告辐射区域，从而进行广告覆盖人群的统计。

4.根据权利要求3所述的广告牌观看人流量分析系统，其特征在于，步骤S4中的跟踪算法不依赖于先验知识，直接从图像序列中检测到运动目标，并进行目标识别，最终跟踪进入广告辐射区域的行人。

5.根据权利要求1所述的广告牌观看人流量分析系统，其特征在于，若摄像头进行大场景布局，则将摄像头布置在前端监控单元，前端监控单元还通过网络连接监控中心。