CN109272347A - 一种门店客流量的统计分析方法及系统 - Google Patents
一种门店客流量的统计分析方法及系统 Download PDFInfo
- Publication number
- CN109272347A CN109272347A CN201810936251.9A CN201810936251A CN109272347A CN 109272347 A CN109272347 A CN 109272347A CN 201810936251 A CN201810936251 A CN 201810936251A CN 109272347 A CN109272347 A CN 109272347A
- Authority
- CN
- China
- Prior art keywords
- image
- customer
- encoded
- capture
- location information
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000007619 statistical method Methods 0.000 title claims abstract description 36
- 230000001815 facial effect Effects 0.000 claims abstract description 75
- 238000001514 detection method Methods 0.000 claims abstract description 22
- 238000004422 calculation algorithm Methods 0.000 claims description 38
- 230000006399 behavior Effects 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 6
- 210000000988 bone and bone Anatomy 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims 1
- 230000009977 dual effect Effects 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
-
- 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
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种门店客流量的统计分析方法及系统，引入了人脸图像和/或身体图像的双重识别机制，可有效降低由于图像的拍摄角度不佳导致的顾客无法识别的情况发生，为管理人员提供精准有效的客流参考数据。该方法包括：采集店内的顾客图像，并检测图像中每位顾客的行人矩形框；基于行人矩形框识别其中的人脸图像和身体图像；判断人脸图像和/或身体图像是否被编码，在未被编码时，将同一行人矩形框中的人脸图像和/或身体图像匹配编码，同时记录该名顾客被取像的时间位置信息；在被编码时，直接记录该名顾客被取像的时间位置信息；根据顾客的编码信息及被多次取像的时间位置信息，绘制每位顾客的轨迹路线。该系统包括上述技术方案所提的方法。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种门店客流量的统计分析方法及系统。
背景技术
随着电子商务的普及，实体零售门店受到了剧烈的冲击，尤其是在店面运营效率方面，缺乏真实有效的客流量数据去支撑经营者快速有效的制定销售策略，因此，门店客流量统计系统逐渐被越来越多的实体零售门店所接纳采用。
现有的门店客流量的统计系统多是基于人脸识别技术开发而成，通过在门店的出入口位置安装摄像机采集进店顾客的人脸图像，并将该人脸图像输出至人脸图像分析软件获取图像中的人脸信息，统计分析后得到门店内某一时段的客流量。但是，由于上述系统仅采用人脸识别技术来实现客流量的统计，因此对人脸图像采集的质量要求较高，如若顾客被摄像机拍摄时正好处于转身、扭头等遮脸动作时，将会导致人脸图像分析软件无法提取到顾客的人脸信息，使得此类顾客的客流量数据无法被统计，进而会导致经营者基于不准确的客流量数据做出不精准的销售策略。
发明内容
本发明的目的在于提供一种门店客流量的统计分析方法及系统，引入了人脸图像和/或身体图像的双重识别机制，可有效降低由于图像的拍摄角度不佳导致的顾客无法识别的情况发生，为门店的管理人员提供精准有效的客流参考数据。
为了实现上述目的，本发明的一方面提供一种门店客流量的统计分析方法，包括：
采集店内的顾客图像，并检测图像中每位顾客的行人矩形框；
基于行人矩形框识别其中的人脸图像和身体图像；
判断人脸图像和/或身体图像是否被编码，在未被编码时，将同一行人矩形框中的人脸图像和/或身体图像匹配编码，同时记录该名顾客被取像的时间位置信息；在被编码时，直接记录该名顾客被取像的时间位置信息；
根据顾客的编码信息及被多次取像的时间位置信息，绘制每位顾客的轨迹路线；
基于编码信息和与编码信息对应的轨迹路线，统计分析店内的客流量及用户的购物行为数据。
优选地，采集店内的顾客图像，并检测图像中每位顾客的行人矩形框的方法包括：
通过在店内的多个位置对应布置多台摄像机，用于在店内的不同位置采集顾客图像；
采用人体检测算法对顾客图像中的人体图像进行检测，获取每位顾客的行人矩形框。
较佳地，基于行人矩形框识别其中的人脸图像和身体图像的方法包括：
采用人脸检测算法识别并提取行人矩形框中的人脸图像；以及，
采用骨骼关键点检测算法识别行人矩形框中的身体图像，并从身体图像中提取多个显著特征。
进一步地，判断人脸图像和/或身体图像是否被编码，在未被编码时，将同一行人矩形框中的人脸图像和/或身体图像匹配编码，同时记录该名顾客被取像的时间位置信息；在被编码时，直接记录该名顾客被取像的时间位置信息的方法包括：
将人脸图像和/或身体图像与编码库数据比对，判断人脸图像和/或身体图像是否被编码；
当未被编码时，基于提取的全部显著特征对身体图像进行编码，和/或直接对人脸图像进行编码，并将处于同一行人矩形框中的人脸图像编码和/或身体图像编码匹配收录于所述编码库中，同时记录该名顾客被取像的时间位置信息；
当被编码时，直接记录该名顾客被取像的时间位置信息。
优选地，根据顾客的编码信息及被多次取像的时间位置信息，绘制每位顾客的轨迹路线的方法包括：
基于顾客的编码信息及被取像的时间位置信息，分别汇总同一编码信息对应的多个时间位置信息；
使用人体跟踪算法对各编码信息对应的时间位置信息进行轨迹梳理，绘制每位顾客对应的轨迹路线。
示例性地，所述人体跟踪算法包括ReID算法、Sort算法或DeepSort算法。
较佳地，基于编码信息和与编码信息对应的轨迹路线，统计分析店内的客流量及用户的购物行为数据的方法包括：
通过统计任意时段内编码信息的总数量，获取所述时段的客流量；以及，统计任意时段内顾客的轨迹路线，绘制所述时段对应的客流热力图；
根据所述客流热力图获取用户的购物行为数据。
与现有技术相比，本发明提供的门店客流量的统计分析方法具有以下有益效果：
预先在店内的不同位置处安装摄像机，在顾客进入到任一摄像机的拍摄范围时对顾客拍照取像，同时采用人体检测算法检测图像中的行人矩形框，并以行人矩形框为单位提取框内的人脸图像和身体图像进行识别判断，当识别判断的结果为上述人脸图像和/或身体图像未被编码时，说明该名顾客为新客户且未被编码库收录，此时，编码库会生成关联编码对上述人脸图像和/或身体图像进行匹配编码，并记录该名顾客被取像的时间位置信息，而当识别判断的结果为上述人脸图像和/或身体图像被编码时，说明该名顾客先前已被取像且已被编码库收录编码，此时，只需记录该名顾客被取像的时间位置信息；这样，随着顾客在店内购物时间的推移，顾客被取像的次数也会随之增加，当顾客被取像的次数达到一定的数量时即可通过汇总分析，还原出顾客在店内购物的轨迹路线，进而可基于编码信息的数量和与编码信息对应的轨迹路线，统计分析出某一时段内店内的客流量和每个用户的购物行为数据。
可见，本发明结合了人脸识别和身体识别的多重识别算法对顾客图像进行识别确认，相比较于使用单一的人脸识别算法而言，能够有效解决低质量图像中出现的低头、侧脸、面部遮挡等无法识别的技术问题，使得在无法抓拍到顾客正脸的情况下，通过顾客的身体图像也可对其身份进行识别确认，进而提高顾客图像识别的适用场景和准确率，实现客流量和用户购物行为数据的精准获取，为门店的管理人员提供精准有效的参考数据。
本发明的另一方面提供一种门店客流量的统计分析系统，应用于上述技术方案所述的一种门店客流量的统计分析方法中，所述系统包括：
取像单元，用于采集店内的顾客图像，并检测图像中每位顾客的行人矩形框；
提取单元，用于基于行人矩形框识别其中的人脸图像和身体图像；
处理单元，用于判断人脸图像和/或身体图像是否被编码，在未被编码时，将同一行人矩形框中的人脸图像和/或身体图像匹配编码，同时记录该名顾客被取像的时间位置信息；在被编码时，直接记录该名顾客被取像的时间位置信息；
轨迹生成单元，用于根据顾客的编码信息及被多次取像的时间位置信息，绘制每位顾客的轨迹路线；
统计分析单元，用于基于编码信息和与编码信息对应的轨迹路线，统计分析店内的客流量及用户的购物行为数据。
优选地，所述取像单元包括多个摄像模块以及分别与各所述摄像模块连接的人体检测模块；
多个所述摄像模块用于采集店内不同位置的顾客图像；
所述人体检测模块用于采用人体检测算法对顾客图像中的人体图像进行检测，获取每位顾客的行人矩形框。
优选地，所述处理单元包括判断模块、编码记录模块和记录保存模块；
所述判断模块用于将人脸图像和/或身体图像与编码库数据比对，判断人脸图像和/或身体图像是否被编码；
所述编码记录模块用于在未被编码时，基于显著特征对身体图像进行编码和/或直接对人脸图像进行编码，并将处于同一行人矩形框中的人脸图像编码和/或身体图像编码匹配收录于所述编码库中，同时记录该名顾客被取像的时间位置信息；
所述记录保存模块用于在被编码时，直接记录该名顾客被取像的时间位置信息。
与现有技术相比，本发明提供的门店客流量的统计分析系统的有益效果与上述技术方案提供的门店客流量的统计分析方法的有益效果相同，在此不做赘述。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明实施例一中门店客流量的统计分析方法的流程示意图；
图2为本发明实施例二中门店客流量的统计分析系统的结构框图。
附图标记：
1-取像单元， 2-提取单元；
3-处理单元， 4-轨迹生成单元；
5-统计分析单元， 11-摄像模块；
12-人体检测模块， 31-判断模块；
32-编码记录模块， 33-记录保存模块。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其它实施例，均属于本发明保护的范围。
实施例一
图1为本发明实施例一中门店客流量的统计分析方法的流程示意图。请参阅图1，本实施例提供一种门店客流量的统计分析方法，包括：
采集店内的顾客图像，并检测图像中每位顾客的行人矩形框；基于行人矩形框识别其中的人脸图像和/或身体图像；判断人脸图像和/或身体图像是否被编码，在未被编码时，将同一行人矩形框中的人脸图像和身体图像匹配编码，同时记录该名顾客被取像的时间位置信息；在被编码时，直接记录该名顾客被取像的时间位置信息；根据顾客的编码信息及被多次取像的时间位置信息，绘制每位顾客的轨迹路线；基于编码信息和与编码信息对应的轨迹路线，统计分析店内的客流量及用户的购物行为数据。
本实施例提供的门店客流量的统计分析方法中，预先在店内的不同位置处安装摄像机，在顾客进入到任一摄像机的拍摄范围时对顾客拍照取像，同时采用人体检测算法检测图像中的行人矩形框，并以行人矩形框为单位提取框内的人脸图像和身体图像进行识别判断，当识别判断的结果为上述人脸图像和/或身体图像未被编码时，说明该名顾客为新客户且未被编码库收录，此时，编码库会生成关联编码对上述人脸图像和/或身体图像进行匹配编码，并记录该名顾客被取像的时间位置信息，而当识别判断的结果为上述人脸图像和/或身体图像被编码时，说明该名顾客先前已被取像且已被编码库收录编码，此时，只需记录该名顾客被取像的时间位置信息；这样，随着顾客在店内购物时间的推移，顾客被取像的次数也会随之增加，当顾客被取像的次数达到一定的数量时即可通过汇总分析，还原出顾客在店内购物的轨迹路线，进而可基于编码信息的数量和与编码信息对应的轨迹路线，统计分析出某一时段内店内的客流量和每个用户的购物行为数据。
可见，本实施例结合了人脸识别和身体识别的多重识别算法对顾客图像进行识别确认，相比较于使用单一的人脸识别算法而言，能够有效解决低质量图像中出现的低头、侧脸、面部遮挡等无法识别的技术问题，使得在无法抓拍到顾客正脸的情况下，通过顾客的身体图像也可对其身份进行识别确认，进而提高顾客图像识别的适用场景和准确率，实现客流量和用户购物行为数据的精准获取，为门店的管理人员提供精准有效的参考数据。
具体地，上述实施例中采集店内的顾客图像，并检测图像中每位顾客的行人矩形框的方法包括：
通过在店内的多个位置对应布置多台摄像机，用于在店内的不同位置采集顾客图像；采用人体检测算法对顾客图像中的人体图像进行检测，获取每位顾客的行人矩形框。其中，人体检测算法包括RCNN，Fast-RCNN或
Faster-RCNN。
需要说明的是，本实施不限定摄像机的安装位置，具体实施时，可根据店内的商品陈列情况自由选择摄像机的数量和安装角度，示例性地，在门店的主要入口处布置摄像机，用于对顾客的人脸和身体进行高清取像，此阶段检测到顾客的人脸图像和身体图像一般未编码，在编码后收录于编码库中，以供后阶段进行匹配比对，以及在各陈列的通道处布置相应数量的摄像机，以实现对各通道无死角的监控，此阶段检测到顾客的人脸图像和/或身体图像一般已被编码，用于与编码库匹配比对输出顾客的编码信息，和在门店的出口处布置摄像机，用于采集顾客离店时的图像，此阶段检测到顾客的人脸图像和/或身体图像一般已被编码，用于与编码库匹配比对输出顾客的编码信息。
进一步地，上述实施例中基于行人矩形框识别其中的人脸图像和身体图像的方法包括：
采用人脸检测算法识别并提取行人矩形框中的人脸图像；以及，采用骨骼关键点检测算法识别行人矩形框中的身体图像，并从身体图像中提取多个显著特征。
示例性地，人脸检测算法为opencv算法，骨骼关键点检测算法为openpose算法，可从顾客图像中提取衣服、裤子、服饰颜色、款式、是否背包、是否携带雨伞等显著特征，
具体地，上述实施例中判断人脸图像和/或身体图像是否被编码，在未被编码时，将同一行人矩形框中的人脸图像和/或身体图像匹配编码，同时记录该名顾客被取像的时间位置信息；在被编码时，直接记录该名顾客被取像的时间位置信息的方法包括：
将人脸图像和/或身体图像与编码库数据比对，判断人脸图像和/或身体图像是否被编码；当未被编码时，基于提取的全部显著特征对身体图像进行编码，和/或直接对人脸图像进行编码，并将处于同一行人矩形框中的人脸图像编码和/或身体图像编码匹配收录于所述编码库中，同时记录该名顾客被取像的时间位置信息；当被编码时，直接记录该名顾客被取像的时间位置信息。
具体实施时，只要能够从抓拍到的顾客图片中提取出可识别的人脸图像和/或身体图像，即可先与编码库数据进行比对，判断人脸图像和/或身体图像是否被编码，若被编码则说明该名顾客的识别信息已存在与编码库中，此时只需将识别的人脸图像和/或身体图像与编码库中的识别信息比对，即可匹配出该名顾客的编码信息，同时记录其当前被取像的时间位置信息，若未被编码则说明该名顾客的识别信息未录入编码库中，此时，通过将该名顾客的人脸图像编码和/或身体图像编码匹配收录于编码库中，同样记录其当前被取像的时间位置信息。
进一步地，上述实施例中根据顾客的编码信息及被多次取像的时间位置信息，绘制每位顾客的轨迹路线的方法包括：
基于顾客的编码信息及被取像的时间位置信息，分别汇总同一编码信息对应的多个时间位置信息；使用人体跟踪算法对各编码信息对应的时间位置信息进行轨迹梳理，绘制每位顾客对应的轨迹路线。示例性地，所述人体跟踪算法包括ReID算法、Sort算法或DeepSort算法。
基于编码信息和与编码信息对应的轨迹路线，统计分析店内的客流量及用户的购物行为数据的方法包括：
通过统计任意时段内编码信息的总数量，获取所述时段的客流量；以及，统计任意时段内顾客的轨迹路线，绘制所述时段对应的客流热力图；根据所述客流热力图获取用户的购物行为数据。
具体实施时，通过统计某一时段店内的编码信息数量即可准确的统计出店内的客流量，以及使用人体跟踪算法对各编码信息对应的时间位置信息进行轨迹梳理即可得到每位顾客的轨迹路线，另外，根据同一顾客的取像间隔时间可初步判断顾客在相关区域的购物状态为选购还是路过，上述判断时间的标准可视门店的历史分析数据而定，例如，当在相关区域停留的时间小于5秒时，认定顾客的购物状态为路过，当在相关区域停留的时间大于5秒时，认定顾客的购物状态为选购。进而基于客流量信息、顾客的购物兴趣区域以及顾客的购物状态行为，绘制客流热力图。
门店管理人员通过查看客流热力图以及商品购买转化率等数据，可分析得到客流的区域热力数据，用于反映客流的到达情况以及门店的引流情况，帮助管理人员了解门店的哪些展柜属于高人流区域，哪些展柜属于低人流区域。在了解区域热力数据的基础上，管理人员可进一步对顾客的停留时间进行分析，停留时间可反映顾客对展柜的感兴趣程度，帮助管理人员了解展柜商品的吸引程度，针对顾客感兴趣程度较低的展柜，分析原因并进行相应的改善调整。
最终，通过精准的客流数据可以帮助管理人员全面了解门店的引流情况、顾客对展柜和商品的感兴趣程度以及销售转化率的影响，对管理人员后续开展相应展柜的调整和营销活动提供有效的数据支撑，帮助他们做出准确、有效的商业决策。
实施例二
请参阅图1和图2，本实施例提供一种门店客流量的统计分析系统，包括依次连接的取像单元1、提取单元2、处理单元3、轨迹生成单元4和统计分析单元5：
取像单元1，用于采集店内的顾客图像，并检测图像中每位顾客的行人矩形框；
提取单元2，用于基于行人矩形框识别其中的人脸图像和身体图像；
处理单元3，用于判断人脸图像和/或身体图像是否被编码，在未被编码时，将同一行人矩形框中的人脸图像和/或身体图像匹配编码，同时记录该名顾客被取像的时间位置信息；在被编码时，直接记录该名顾客被取像的时间位置信息；
轨迹生成单元4，用于根据顾客的编码信息及被多次取像的时间位置信息，绘制每位顾客的轨迹路线；
统计分析单元5，用于基于编码信息和与编码信息对应的轨迹路线，统计分析店内的客流量及用户的购物行为数据。
其中，取像单元1包括多个摄像模块11以及分别与各摄像模块11连接的人体检测模块12，人体检测模块12的输出端与提取单元2的输入端连接；
多个摄像模块11用于采集店内不同位置的顾客图像；
人体检测模块12用于采用人体检测算法对顾客图像中的人体图像进行检测，获取每位顾客的行人矩形框。
进一步地，处理单元3包括判断模块31、编码记录模块32和记录保存模块33，提取单元2的输出端分别与判断模块31、编码记录模块32和记录保存模块33的输入端连接，判断模块31、编码记录模块32和记录保存模块33的输出端分别与轨迹生成单元4连接；
判断模块31用于将人脸图像和/或身体图像与编码库数据比对，判断人脸图像和/或身体图像是否被编码；
编码记录模块32用于在未被编码时，基于显著特征对身体图像进行编码和/或直接对人脸图像进行编码，并将处于同一行人矩形框中的人脸图像编码和/或身体图像编码匹配收录于编码库中，同时记录该名顾客被取像的时间位置信息；
记录保存模块33用于在被编码时，直接记录该名顾客被取像的时间位置信息。
与现有技术相比，本发明实施例提供的门店客流量的统计分析系统的有益效果与上述实施例一提供的门店客流量的统计分析方法的有益效果相同，在此不做赘述。
本领域普通技术人员可以理解，实现上述发明方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，上述程序可以存储于计算机可读取存储介质中，该程序在执行时，包括上述实施例方法的各步骤，而所述的存储介质可以是：ROM/RAM、磁碟、光盘、存储卡等。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种门店客流量的统计分析方法，其特征在于，包括：
采集店内的顾客图像，并检测图像中每位顾客的行人矩形框；
基于行人矩形框识别其中的人脸图像和身体图像；
判断人脸图像和/或身体图像是否被编码，在未被编码时，将同一行人矩形框中的人脸图像和/或身体图像匹配编码，同时记录该名顾客被取像的时间位置信息；在被编码时，直接记录该名顾客被取像的时间位置信息；
根据顾客的编码信息及被多次取像的时间位置信息，绘制每位顾客的轨迹路线；
基于编码信息和与编码信息对应的轨迹路线，统计分析店内的客流量及用户的购物行为数据。
2.根据权利要求1所述的方法，其特征在于，采集店内的顾客图像，并检测图像中每位顾客的行人矩形框的方法包括：
通过在店内的多个位置对应布置多台摄像机，用于在店内的不同位置采集顾客图像；
采用人体检测算法对顾客图像中的人体图像进行检测，获取每位顾客的行人矩形框。
3.根据权利要求1所述的方法，其特征在于，基于行人矩形框识别其中的人脸图像和身体图像的方法包括：
采用人脸检测算法识别并提取行人矩形框中的人脸图像；以及，
采用骨骼关键点检测算法识别行人矩形框中的身体图像，并从身体图像中提取多个显著特征。
4.根据权利要求3所述的方法，其特征在于，判断人脸图像和/或身体图像是否被编码，在未被编码时，将同一行人矩形框中的人脸图像和/或身体图像匹配编码，同时记录该名顾客被取像的时间位置信息；在被编码时，直接记录该名顾客被取像的时间位置信息的方法包括：
将人脸图像和/或身体图像与编码库数据比对，判断人脸图像和/或身体图像是否被编码；
当未被编码时，基于提取的全部显著特征对身体图像进行编码和/或直接对人脸图像进行编码，并将处于同一行人矩形框中的人脸图像编码和/或身体图像编码匹配收录于所述编码库中，同时记录该名顾客被取像的时间位置信息；
当被编码时，直接记录该名顾客被取像的时间位置信息。
5.根据权利要求1所述的方法，其特征在于，根据顾客的编码信息及被多次取像的时间位置信息，绘制每位顾客的轨迹路线的方法包括：
基于顾客的编码信息及被取像的时间位置信息，分别汇总同一编码信息对应的多个时间位置信息；
使用人体跟踪算法对各编码信息对应的时间位置信息进行轨迹梳理，绘制每位顾客对应的轨迹路线。
6.根据权利要求5所述的方法，其特征在于，所述人体跟踪算法包括ReID算法、Sort算法或DeepSort算法。
7.根据权利要求1所述的方法，其特征在于，基于编码信息和与编码信息对应的轨迹路线，统计分析店内的客流量及用户的购物行为数据的方法包括：
通过统计任意时段内编码信息的总数量，获取所述时段的客流量；以及，统计任意时段内顾客的轨迹路线，绘制所述时段对应的客流热力图；
根据所述客流热力图获取用户的购物行为数据。
8.一种门店客流量的统计分析系统，其特征在于，包括：
取像单元，用于采集店内的顾客图像，并检测图像中每位顾客的行人矩形框；
提取单元，用于基于行人矩形框识别其中的人脸图像和身体图像；
处理单元，用于判断人脸图像和/或身体图像是否被编码，在未被编码时，将同一行人矩形框中的人脸图像和/或身体图像匹配编码，同时记录该名顾客被取像的时间位置信息；在被编码时，直接记录该名顾客被取像的时间位置信息；
轨迹生成单元，用于根据顾客的编码信息及被多次取像的时间位置信息，绘制每位顾客的轨迹路线；
统计分析单元，用于基于编码信息和与编码信息对应的轨迹路线，统计分析店内的客流量及用户的购物行为数据。
9.根据权利要求8所述的系统，其特征在于，所述取像单元包括多个摄像模块以及分别与各所述摄像模块连接的人体检测模块；
多个所述摄像模块用于采集店内不同位置的顾客图像；
所述人体检测模块用于采用人体检测算法对顾客图像中的人体图像进行检测，获取每位顾客的行人矩形框。
10.根据权利要求8所述的系统，其特征在于，所述处理单元包括判断模块、编码记录模块和记录保存模块；
所述判断模块用于将人脸图像和/或身体图像与编码库数据比对，判断人脸图像和/或身体图像是否被编码；
所述编码记录模块用于在未被编码时，基于显著特征对身体图像进行编码和/或直接对人脸图像进行编码，并将处于同一行人矩形框中的人脸图像编码和/或身体图像编码匹配收录于所述编码库中，同时记录该名顾客被取像的时间位置信息；
所述记录保存模块用于在被编码时，直接记录该名顾客被取像的时间位置信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810936251.9A CN109272347A (zh) | 2018-08-16 | 2018-08-16 | 一种门店客流量的统计分析方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810936251.9A CN109272347A (zh) | 2018-08-16 | 2018-08-16 | 一种门店客流量的统计分析方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109272347A true CN109272347A (zh) | 2019-01-25 |
Family
ID=65153872
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810936251.9A Pending CN109272347A (zh) | 2018-08-16 | 2018-08-16 | 一种门店客流量的统计分析方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109272347A (zh) |
Cited By (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110163158A (zh) * | 2019-05-22 | 2019-08-23 | 广州图创计算机软件开发有限公司 | 一种可智能感知的场景人脸识别系统 |
| CN110298268A (zh) * | 2019-06-12 | 2019-10-01 | 深圳市晓舟科技有限公司 | 单镜头识别双向客流的方法、装置、存储介质及摄像头 |
| CN110334569A (zh) * | 2019-03-30 | 2019-10-15 | 深圳市晓舟科技有限公司 | 客流量进出识别方法、装置、设备及存储介质 |
| CN110399835A (zh) * | 2019-07-26 | 2019-11-01 | 北京文安智能技术股份有限公司 | 一种人员停留时间的分析方法、装置及系统 |
| CN110532931A (zh) * | 2019-08-23 | 2019-12-03 | 深圳市驱动新媒体有限公司 | 一种客流分析方法和装置以及设备 |
| CN110852814A (zh) * | 2020-01-14 | 2020-02-28 | 深圳惠通天下信息技术有限公司 | 一种广告投放自助服务系统及方法 |
| CN110889376A (zh) * | 2019-11-28 | 2020-03-17 | 创新奇智(南京)科技有限公司 | 一种基于深度学习的安全帽佩戴检测系统及方法 |
| CN111046360A (zh) * | 2019-11-14 | 2020-04-21 | 秒针信息技术有限公司 | 一种基于人脸识别的客户信息管理方法和系统 |
| CN111241932A (zh) * | 2019-12-30 | 2020-06-05 | 广州量视信息科技有限公司 | 汽车展厅客流检测与分析系统、方法及存储介质 |
| CN111340569A (zh) * | 2020-03-27 | 2020-06-26 | 上海钧正网络科技有限公司 | 基于跨境追踪的门店人流分析方法、装置、系统、终端和介质 |
| CN111401305A (zh) * | 2020-04-08 | 2020-07-10 | 北京精准沟通传媒科技股份有限公司 | 一种4s店顾客统计方法、装置及电子设备 |
| CN111476183A (zh) * | 2020-04-13 | 2020-07-31 | 腾讯科技（深圳）有限公司 | 客流信息处理方法及装置 |
| CN111797652A (zh) * | 2019-04-09 | 2020-10-20 | 佳能株式会社 | 对象跟踪方法、设备及存储介质 |
| CN111833082A (zh) * | 2019-04-16 | 2020-10-27 | 江苏艾蒂娜互联网科技有限公司 | 一种面向5g工业智慧城市营销管理智能机器人系统 |
| CN111898592A (zh) * | 2020-09-29 | 2020-11-06 | 腾讯科技（深圳）有限公司 | 一种轨迹数据处理方法、装置以及计算机可读存储介质 |
| CN112347907A (zh) * | 2020-11-05 | 2021-02-09 | 上海蜂雀网络科技有限公司 | 一种基于Reid和人脸识别技术的4S门店潜客行为分析系统 |
| CN112418064A (zh) * | 2020-11-19 | 2021-02-26 | 上海交通大学 | 一种用于图书馆阅览室内的实时人数自动检测方法 |
| WO2021043089A1 (zh) * | 2019-09-02 | 2021-03-11 | 平安科技（深圳）有限公司 | 一种客流量统计方法、装置、设备及计算机可读存储介质 |
| CN112686146A (zh) * | 2020-12-30 | 2021-04-20 | 涵古观智能科技(苏州)有限公司 | 一种基于面部特征识别的客流分析方法、装置及系统 |
| CN112906439A (zh) * | 2019-12-04 | 2021-06-04 | 上海稻知信息科技有限公司 | 一种基于目标追踪和行为检测的客流分析方法和系统 |
| CN114220141A (zh) * | 2021-11-23 | 2022-03-22 | 慧之安信息技术股份有限公司 | 基于人脸识别的店铺常客识别方法 |
| CN115994925A (zh) * | 2023-02-14 | 2023-04-21 | 成都理工大学工程技术学院 | 一种基于关键点检测的多行人快速跟踪方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103956128A (zh) * | 2014-05-09 | 2014-07-30 | 东华大学 | 基于体感技术的智能主动广告平台 |
| CN103986910A (zh) * | 2014-05-20 | 2014-08-13 | 中国科学院自动化研究所 | 一种基于智能分析摄像机的客流统计方法和系统 |
| CN105447466A (zh) * | 2015-12-01 | 2016-03-30 | 深圳市图灵机器人有限公司 | 一种基于Kinect传感器的身份综合识别方法 |
| CN105760832A (zh) * | 2016-02-14 | 2016-07-13 | 武汉理工大学 | 基于Kinect传感器的逃犯识别方法 |
| CN107180378A (zh) * | 2017-05-11 | 2017-09-19 | 北京旷视科技有限公司 | 商品关注度获得方法及装置 |
-
2018
- 2018-08-16 CN CN201810936251.9A patent/CN109272347A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103956128A (zh) * | 2014-05-09 | 2014-07-30 | 东华大学 | 基于体感技术的智能主动广告平台 |
| CN103986910A (zh) * | 2014-05-20 | 2014-08-13 | 中国科学院自动化研究所 | 一种基于智能分析摄像机的客流统计方法和系统 |
| CN105447466A (zh) * | 2015-12-01 | 2016-03-30 | 深圳市图灵机器人有限公司 | 一种基于Kinect传感器的身份综合识别方法 |
| CN105760832A (zh) * | 2016-02-14 | 2016-07-13 | 武汉理工大学 | 基于Kinect传感器的逃犯识别方法 |
| CN107180378A (zh) * | 2017-05-11 | 2017-09-19 | 北京旷视科技有限公司 | 商品关注度获得方法及装置 |
Cited By (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110334569A (zh) * | 2019-03-30 | 2019-10-15 | 深圳市晓舟科技有限公司 | 客流量进出识别方法、装置、设备及存储介质 |
| CN111797652A (zh) * | 2019-04-09 | 2020-10-20 | 佳能株式会社 | 对象跟踪方法、设备及存储介质 |
| CN111833082A (zh) * | 2019-04-16 | 2020-10-27 | 江苏艾蒂娜互联网科技有限公司 | 一种面向5g工业智慧城市营销管理智能机器人系统 |
| CN110163158A (zh) * | 2019-05-22 | 2019-08-23 | 广州图创计算机软件开发有限公司 | 一种可智能感知的场景人脸识别系统 |
| CN110163158B (zh) * | 2019-05-22 | 2019-12-20 | 广州图创计算机软件开发有限公司 | 一种可智能感知的场景人脸识别系统 |
| CN110298268A (zh) * | 2019-06-12 | 2019-10-01 | 深圳市晓舟科技有限公司 | 单镜头识别双向客流的方法、装置、存储介质及摄像头 |
| CN110298268B (zh) * | 2019-06-12 | 2022-09-13 | 深圳市晓舟科技有限公司 | 单镜头识别双向客流的方法、装置、存储介质及摄像头 |
| CN110399835A (zh) * | 2019-07-26 | 2019-11-01 | 北京文安智能技术股份有限公司 | 一种人员停留时间的分析方法、装置及系统 |
| CN110399835B (zh) * | 2019-07-26 | 2024-04-02 | 北京文安智能技术股份有限公司 | 一种人员停留时间的分析方法、装置及系统 |
| CN110532931A (zh) * | 2019-08-23 | 2019-12-03 | 深圳市驱动新媒体有限公司 | 一种客流分析方法和装置以及设备 |
| WO2021043089A1 (zh) * | 2019-09-02 | 2021-03-11 | 平安科技（深圳）有限公司 | 一种客流量统计方法、装置、设备及计算机可读存储介质 |
| CN111046360A (zh) * | 2019-11-14 | 2020-04-21 | 秒针信息技术有限公司 | 一种基于人脸识别的客户信息管理方法和系统 |
| CN110889376A (zh) * | 2019-11-28 | 2020-03-17 | 创新奇智(南京)科技有限公司 | 一种基于深度学习的安全帽佩戴检测系统及方法 |
| CN112906439A (zh) * | 2019-12-04 | 2021-06-04 | 上海稻知信息科技有限公司 | 一种基于目标追踪和行为检测的客流分析方法和系统 |
| CN111241932A (zh) * | 2019-12-30 | 2020-06-05 | 广州量视信息科技有限公司 | 汽车展厅客流检测与分析系统、方法及存储介质 |
| CN110852814A (zh) * | 2020-01-14 | 2020-02-28 | 深圳惠通天下信息技术有限公司 | 一种广告投放自助服务系统及方法 |
| CN111340569A (zh) * | 2020-03-27 | 2020-06-26 | 上海钧正网络科技有限公司 | 基于跨境追踪的门店人流分析方法、装置、系统、终端和介质 |
| CN111401305A (zh) * | 2020-04-08 | 2020-07-10 | 北京精准沟通传媒科技股份有限公司 | 一种4s店顾客统计方法、装置及电子设备 |
| CN111476183A (zh) * | 2020-04-13 | 2020-07-31 | 腾讯科技（深圳）有限公司 | 客流信息处理方法及装置 |
| CN111898592B (zh) * | 2020-09-29 | 2020-12-29 | 腾讯科技（深圳）有限公司 | 一种轨迹数据处理方法、装置以及计算机可读存储介质 |
| CN111898592A (zh) * | 2020-09-29 | 2020-11-06 | 腾讯科技（深圳）有限公司 | 一种轨迹数据处理方法、装置以及计算机可读存储介质 |
| CN112347907A (zh) * | 2020-11-05 | 2021-02-09 | 上海蜂雀网络科技有限公司 | 一种基于Reid和人脸识别技术的4S门店潜客行为分析系统 |
| CN112418064A (zh) * | 2020-11-19 | 2021-02-26 | 上海交通大学 | 一种用于图书馆阅览室内的实时人数自动检测方法 |
| CN112686146A (zh) * | 2020-12-30 | 2021-04-20 | 涵古观智能科技(苏州)有限公司 | 一种基于面部特征识别的客流分析方法、装置及系统 |
| CN114220141A (zh) * | 2021-11-23 | 2022-03-22 | 慧之安信息技术股份有限公司 | 基于人脸识别的店铺常客识别方法 |
| CN115994925A (zh) * | 2023-02-14 | 2023-04-21 | 成都理工大学工程技术学院 | 一种基于关键点检测的多行人快速跟踪方法 |
| CN115994925B (zh) * | 2023-02-14 | 2023-09-29 | 成都理工大学工程技术学院 | 一种基于关键点检测的多行人快速跟踪方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109272347A (zh) | 一种门店客流量的统计分析方法及系统 | |
| US11704936B2 (en) | Object tracking and best shot detection system | |
| US9536153B2 (en) | Methods and systems for goods received gesture recognition | |
| JP3584334B2 (ja) | 人間検出追跡システムおよび人間検出追跡方法 | |
| US20170351907A1 (en) | System and method for face capture and matching | |
| JP4753193B2 (ja) | 動線管理システムおよびプログラム | |
| US20170169297A1 (en) | Computer-vision-based group identification | |
| CN109784162A (zh) | 一种行人行为识别及轨迹跟踪方法 | |
| WO2018180588A1 (ja) | 顔画像照合システムおよび顔画像検索システム | |
| CN111597999A (zh) | 一种基于视频检测的4s店销售服务管理方法和系统 | |
| US20190385173A1 (en) | System and method for assessing customer service times | |
| CN110399835B (zh) | 一种人员停留时间的分析方法、装置及系统 | |
| CN109002772A (zh) | 一种无人超市顾客行为的监督方法及系统 | |
| CN111241932A (zh) | 汽车展厅客流检测与分析系统、方法及存储介质 | |
| CN109447756A (zh) | 一种无人值守超市购物方法及系统 | |
| CN110298268A (zh) | 单镜头识别双向客流的方法、装置、存储介质及摄像头 | |
| CN111445252A (zh) | 一种生物特征库的建立方法、装置及设备 | |
| KR20170006356A (ko) | 이차원 영상 기반 고객 분석 방법 및 장치 | |
| JP6516702B2 (ja) | 人数集計システム、人数集計方法、及び人数集計結果の閲覧方法 | |
| CN109215150A (zh) | 人脸点名与计数方法及其系统 | |
| JP6301759B2 (ja) | 顔識別装置及びプログラム | |
| Alamri et al. | Al-Masjid An-Nabawi crowd adviser crowd level estimation using head detection | |
| CN114677608A (zh) | 身份特征生成方法、设备及存储介质 | |
| CN112733737A (zh) | 一种人体重识别方法及装置 | |
| CN112347907A (zh) | 一种基于Reid和人脸识别技术的4S门店潜客行为分析系统 |
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: 20190125 |
|
| RJ01 | Rejection of invention patent application after publication |