CN109190555A - 一种基于图片对比的智能巡店系统 - Google Patents

Abstract

本发明涉及一种基于图片对比的智能巡店系统，负责对店铺内的图片进行对比，包含生成图像模块、对比分析模块；本发明克服了原有方式的缺点，原有的巡店方式使用商店管理人员监管各个门店，同时利用了摄像头定时地截图，人为地、图片比对并评比门店情况，加重了管理人员的视觉劳动，且对比图片效率低。而本系统的提出在很大程度上提高了商店监控的效率，减轻管理人员的视觉劳动，从而实现了智能化，高效率的商店监管方式。

Description

一种基于图片对比的智能巡店系统

技术领域

本发明涉及机器学习领域，涉及一种基于图片对比的智能巡店系统。

背景技术

随着安防摄像头的普及，连锁店管理人员利用安防摄像头进行远程门店检查，员工管理的应用越来越频繁，虽然利用摄像头监控解决了管理人员差旅的问题，但同时也增加了管理人员的视觉劳动，管理人员需要每天观看各个门店的视频或定时的截图，找出差异并进行门店评估。利用图片对比的技术可以智能的计算出当前图片与模板图片的差异度并能标记出具体的差异区域，此外管理人员可以设置图片差异阈值以及灵敏度，本方法可自动过滤掉差异度小于阈值的图片并且根据灵敏度的大小调节差异区域的粒度。本方法通过智能分析图片差异度以及差异区域很大程度上减轻了管理人员的视觉劳动，提高了管理效率。

发明内容

有鉴于此，本发明提供一种解决或部分解决上述问题的基于图片对比的智能巡店系统。

为达到上述技术方案的效果，本发明的技术方案为：一种基于图片对比的智能巡店系统，包含：

智能巡店系统负责对店铺内的图片进行对比，包含生成图像模块、对比分析模块，对比的过程如下：

第一步，用户将数据输入到系统中，输入为模板图像以及当前样本图像，模板图像以及当前样本图像都为彩色的；

第二步，生成图像模块负责生成各个层次的模板图像以及当前样本图像，不同层次的模板图像以及当前样本图像的大小不同，各个层次的模板图像以及当前样本图分为三层图像，第一层图像为将模板图像以及当前样本图缩小为320*192像素大小，第二层图像为将模板图像以及当前样本图缩小为640*384像素大小，第三层图像为原有的模板图像以及当前样本图像；

第三步，对比分析模块将第一层图像网格化划分，并将划分完的网格作为第一层待处理的网格块；

对比分析模块中，利用了哈希算法对第一层图像进行对比分析，计算第一层待处理的网格块的差异度，判断第一层图像中的模板图像以及当前样本图像是否为同一场景，得到第一层图像差异度ret1；

最后，对比分析模块对ret1的数值进行判定，ret1等于-1，第一层图像中的当前样本图像与模板图像不是同一个场景，差异度判定为100，将差异区域作为增幅图像，ret1等于1，第一层图像中的当前样本图像与模板图像是同一个场景，差异度为0，不存在差异区域；ret1等于-1或者ret1等于1，执行输出过程；ret1等于0，第一层图像中的当前样本图像与模板图像不是同一个场景,差异度判定为0至100之间，执行对第二层图像的比对分析。

详细地，对比分析模块还对第二层图像进行对比分析，第二层图像的对比分析的步骤如下：

将第二层图像网格化划分，并将划分完的网格作为第二层待处理的网格块；

利用哈希算法对第二层图像进行对比分析，计算第二层待处理的网格块的差异度以及差异度值ret2，判断第二层图像中的模板图像以及当前样本图像是否为同一场景；

对ret2的结果进行判定，如果ret2等于0，那么第二层图像中的模板图像以及当前样本图像存在差异，根据第二层待处理的网格块的差异度标记网络块，作为第三层图像中需要处理的网络块，执行第三层图像的比对分析；如果ret2不等于0，那么第二层图像中的模板图像以及当前样本图像相同，第二层待处理的网格块的差异度为0，执行输出过程。

详细地，对比分析模块还对第三层图像进行对比分析，第三层图像的对比分析的步骤如下：第三层图像的比对分析的步骤如下：

对第三层图像采用区域增长算法，根据灵敏度合并第三层图像中需要处理的网络块中存在差异的网格块，将其作为第三层图像中存在差异的矩形区域，将矩形区域构成列表输出。

其中，输出过程为：

结束整个过程，将ret1或者ret2作为样本图像与模板图像的差异度值，并将差异区域在样本图片中利用矩形框标记出进行输出。

本发明的有益成果为：本发明提供的一种基于图片对比的智能巡店系统，原有的巡店方式使用商店管理人员监管各个门店，同时利用了摄像头定时地截图，人为地、图片比对并评比门店情况，加重了管理人员的视觉劳动，且对比图片效率低。而本系统的提出在很大程度上提高了商店监控的效率，减轻管理人员的视觉劳动，从而实现了智能化，高效率的商店监管方式。

具体实施方式

为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合实施例，对本发明进行详细的说明。应当说明的是，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，能实现同样功能的产品属于等同替换和改进，均包含在本发明的保护范围之内。具体方法如下：

实施例：

1)智能巡店

智能巡店是应用摄像头长时间监控同一个点位并按监管者设定的时间定期截图，将截图与监管者设定的模板图片进行对比，如果差异度大于监管者设定的阈值智能巡店系统就会上报报警消息，如此监控者可以有效地进行多家门店的监控管理，完成高效的异地巡店任务。

2)智能点检

智能点检是应用同一个摄像头同时监控多个点位，摄像头会按监控者设定的周期转动摄像头到预设的点位并截图，将截图与上一次该点位的截图做图像对比，如果对比结果大于监控者设定的阈值则上报告警消息。

本发明的智能巡店系统的工作步骤为：

第一步，将数据输入,输入的数据的模板图像以及当前样本图像的彩色图像；

第二步，生成各层次对比的图像大小，将模板图像及样本图像缩小生成320*192像素大小作为第一层次对比处理的图像，将模板图像及样本图像缩小生成640*384像素大小作为第二层次对比处理的图像，将模板图像及样本图像保存原图大小作为第三层处理的图像；

第三步，将第一层待对比的图像进行网格化划分，并标所有网格为第一层对比算法要处理的网格块

第四步，利用哈希hash算法对第一层的模板图像和样本图像进行第一层次的图像对比分析，计算出所有网格块的差异度，判定模板图像与样本图像是否为同一场景并返回结果ret1，接口定义为lyrISameScene()

第五步，如果ret1＝-1,说明当前样本图像与模板图像不是同一场景，则差异度为100，差异区域为增幅图像执行第十步，如果ret1＝1说明当前样本图像与模板图像是同一场景且差异度为0，没有差异区域执行第十步，如果ret1＝0说明当前样本图像与模板图像存在部分差异，执行第六步；

第六步，根据第五步中返回的第一层图像的各个网格的差异度，标记第二层图像需要处理的网格块，并执行第七步；

第七步，利用hash算法对第二层的模板图像以及样本图像进行第二层次的图像对比分析，计算出第二层图像所有网格的差异度以及图像整体的差异度值diffDegree,并返回值ret2，接口定义为lyr2CalDiffDegree()，执行第八步；

第八步，如果ret2＝0,说明模板图像与样本图像存在差异，则根据第二层图像所有网格的差异度标记出第三层次图像需要处理的网络块，并执行第九步。如果ret2不等于0,说明样本图像与模板图像完全相同，差异度为0，则执行第十步；

第九步，利用区域增长算法，根据灵敏度合并存在差异的网格块构成图像上的存在差异的矩形区域，并返回矩形区域列表diffRegions，接口定义为lyr3MarkDiffRegion()；

第十步，数据输出，图像对比分析结束返回样本图像与模板图像的差异度值diffDegree,差异区域diffRegions，并在样本图片中利用矩形框标记出存在差异的区域。

在本发明的智能巡店系统，分为几步，只要通过打开手机后台APP，就可以随时随地查看多家门店动态画面，并直接将视频转化为智能大数据，实现店内客流疏导管理。更大的突破为，通过全新发布的“慧店”平台，实现了企业“从人工巡店到智能巡店”的转变。

在北美等发达国家,“智能视频”已经成为了时代热词。它的定义是指使用计算机图像视觉分析技术，通过将场景中背景和目标分离进而分析并追踪在摄影机场景内出现的目标，它是视频的智能化。

目前，视频监控数据的二次运用也逐渐在国内的连锁企业成为一种趋势。比较时兴的趋势为，运用“云开放技术平台+视频大数据”技术，为连锁企业提供智能化“安防管理+店员管理+客流分析”服务。

在本发明的模式下，通过云端实时监控、远程随时调用、后端数据分析等技术手段，连锁企业就能实现收银经营防损、店铺人员管理、客流智能分析等功能。未来的发展局势为，如果企业和行业将海量的摄像头视频信息进行云端存储，并在存储的基础上进行深层次地进行大数据分析，为电商、金融、零售、餐饮等行业的业务提供服务模式。

本发明实现了“从人工巡店转变为智能巡店”的巨大转变，通过技术支持将普通的摄像头转化为具有“智能大脑的分析系统”。

本发明中的客流统计功能不仅能帮助企业实现针对特定区域、进店、出店及过店人流的数量统计，而且针对不同的客流进行分类对比，将客流热点区域进行特殊重点标记，最终绘制出了清晰、完整的的客流分析表，帮助企业管理者了解店面客流情况。

本发明开启了自动巡店功能，可以帮助企业了解某个特定的店面内、在特定时间内的所有现场状况。并可通过设定指定的摄像机在指定的时间上传图片，管理人员可以快速、方便地批量浏览图片来全方面地了解所有店铺的概况，并且做到没有遗漏。

1)智能巡店

智能巡店是应用摄像头长时间监控同一个点位并按监管者设定的时间定期截图，将截图与监管者设定的模板图片进行对比，如果差异度大于监管者设定的阈值智能巡店系统就会上报报警消息，如此监控者可以有效地进行多家门店的监控管理，完成高效的异地巡店任务。

2)智能点检

智能点检是应用同一个摄像头同时监控多个点位，摄像头会按监控者设定的周期转动摄像头到预设的点位并截图，将截图与上一次该点位的截图做图像对比，如果对比结果大于监控者设定的阈值则上报告警消息。

本发明的有益成果为：本发明提供的一种基于图片对比的智能巡店系统，原有的巡店方式使用商店管理人员监管各个门店，同时利用了摄像头定时地截图，人为地、图片比对并评比门店情况，加重了管理人员的视觉劳动，且对比图片效率低。而本系统的提出在很大程度上提高了商店监控的效率，减轻管理人员的视觉劳动，从而实现了智能化，高效率的商店监管方式。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明实施例进行各种改动和变型而不脱离本发明实施例的精神和范围。这样，倘若本发明实施例的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (4)

1.一种基于图片对比的智能巡店系统，其特征在于，包含以下内容：

所述智能巡店系统负责对店铺内的图片进行对比，包含生成图像模块、对比分析模块，对比的过程如下：

第一步，用户将数据输入到系统中，输入为模板图像以及当前样本图像，所述模板图像以及当前样本图像都为彩色的；

第二步，所述生成图像模块负责生成各个层次的模板图像以及当前样本图像，不同层次的模板图像以及当前样本图像的大小不同，所述各个层次的模板图像以及当前样本图分为三层图像，第一层图像为将模板图像以及当前样本图缩小为320*192像素大小，第二层图像为将模板图像以及当前样本图缩小为640*384像素大小，第三层图像为原有的模板图像以及当前样本图像；

第三步，所述对比分析模块将所述第一层图像网格化划分，并将划分完的网格作为第一层待处理的网格块；

所述对比分析模块中，利用了哈希算法对所述第一层图像进行对比分析，计算所述第一层待处理的网格块的差异度，判断所述第一层图像中的模板图像以及当前样本图像是否为同一场景，得到第一层图像差异度ret1；

最后，所述对比分析模块对所述ret1的数值进行判定，所述ret1等于-1，所述第一层图像中的所述当前样本图像与所述模板图像不是同一个场景，所述差异度判定为100，将差异区域作为增幅图像，所述ret1等于1，所述第一层图像中的所述当前样本图像与所述模板图像是同一个场景，所述差异度为0，不存在差异区域；所述ret1等于-1或者所述ret1等于1，执行输出过程；所述ret1等于0，所述第一层图像中的所述当前样本图像与所述模板图像不是同一个场景,所述差异度判定为0至100之间，执行对所述第二层图像的比对分析。

2.根据权利要求1的所述一种基于图片对比的智能巡店系统，其特征在于，所述对比分析模块还对所述第二层图像进行对比分析，所述第二层图像的对比分析的步骤如下：

将所述第二层图像网格化划分，并将划分完的网格作为第二层待处理的网格块；

利用哈希算法对所述第二层图像进行对比分析，计算所述第二层待处理的网格块的差异度以及差异度值ret2，判断所述第二层图像中的模板图像以及当前样本图像是否为同一场景；

对所述ret2的结果进行判定，如果ret2等于0，那么所述第二层图像中的所述模板图像以及当前样本图像存在差异，根据所述第二层待处理的网格块的差异度标记网络块，作为第三层图像中需要处理的网络块，执行所述第三层图像的比对分析；如果ret2不等于0，那么所述第二层图像中的所述模板图像以及当前样本图像相同，所述第二层待处理的网格块的差异度为0，执行输出过程。

3.根据权利要求2的所述一种基于图片对比的智能巡店系统，其特征在于，所述对比分析模块还对所述第三层图像进行对比分析，所述第三层图像的对比分析的步骤如下：所述第三层图像的比对分析的步骤如下：

对所述第三层图像采用区域增长算法，根据灵敏度合并所述第三层图像中需要处理的网络块中存在差异的网格块，将其作为所述第三层图像中存在差异的矩形区域，将矩形区域构成列表输出。

4.根据权利要求1或者权利要求2的所述一种基于图片对比的智能巡店系统，其特征在于，所述输出过程为：

结束整个过程，将所述ret1或者所述ret2作为样本图像与模板图像的差异度值，并将所述差异区域在样本图片中利用矩形框标记出进行输出。