CN109359625A - 基于头肩检测和人脸识别技术判断顾客身份的方法和系统 - Google Patents
基于头肩检测和人脸识别技术判断顾客身份的方法和系统 Download PDFInfo
- Publication number
- CN109359625A CN109359625A CN201811367832.1A CN201811367832A CN109359625A CN 109359625 A CN109359625 A CN 109359625A CN 201811367832 A CN201811367832 A CN 201811367832A CN 109359625 A CN109359625 A CN 109359625A
- Authority
- CN
- China
- Prior art keywords
- head
- shoulder
- face
- database
- face database
- 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
Classifications
-
- 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
- G06V40/161—Detection; Localisation; Normalisation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明提供一种基于头肩检测和人脸识别技术判断顾客身份的方法,包括:创建一店员人脸数据库、会员人脸数据库、常客人脸数据库、一头肩追踪ID数据库;采集指定区域中人员的头肩追踪ID,将之与头肩追踪ID数据库做比对,以判断人员身份属性,将比对失败的头肩追踪ID的身份属性标记为未知属性;对于未知属性的头肩追踪ID,将其人脸特征值逐一与店员人脸数据库、会员人脸数据库、常客人脸数据库做比对,以对该头肩追踪ID进行身份属性的识别,以及如果比对均失败,按照一预设的新客判定规则以判断该头肩追踪ID对应的人员是否为新客。本发明能够快速识别顾客身份,自动更新常客人脸数据库。
Description
技术领域
本发明涉及人脸识别领域,具体而言涉及一种基于头肩检测和人脸识别技术判断顾客身份的方法和系统。
背景技术
店铺管理员经常希望知晓进店客户的身份,例如进店客户是否是会员,是否是常客,常客是指多次到店且为非会员的顾客,是否是新客。顾客的身份确认之后,就可以针对不同身份的顾客采取不同的营销策略。例如对于会员类顾客到店,可以向会员介绍本店铺的最新款等。常客类顾客到店,可以推荐顾客注册为会员等。新客到店时,可以向新客介绍店铺产品的定位,品牌价值等。
头肩检测技术是指基于图像处理技术,对于输入的视频帧图像,可以检测到视频帧中的头肩并输出视频帧中头肩的追踪ID,头肩的坐标位置。本发明中所提到的头肩检测SDK即实现了视频帧作为输入,输出为视频帧中所有头肩的追踪ID,头肩的坐标位置。视频帧中一个人对应一个头肩,连续多张视频帧同一个人的追踪ID不变。
人脸检测技术是指基于图像处理技术,对于输入的视频帧图像,可以检测到人脸并输出人脸的位置。本发明中所提到的人脸检测SDK即实现了视频帧作为输入,输出为视频帧中所有人脸的坐标。
人脸识别是指对人脸图像进行特征值提取,并与其他人脸特征值做比对,取最高的比对分数,若最高的比对分数超过设置的阈值,则认为两张人脸是同一个人。本发明中所提到的特征值提取SDK即实现了人脸图像作为输入,输出为人脸图像的特征值。
发明内容
本发明目的在于提供一种基于头肩检测和人脸识别技术判断顾客身份的方法和系统,通过头肩检测确认多张视频帧中同一个人的头肩追踪ID,即TrackID,以快速识别顾客身份,对于无法通过头肩追踪ID识别的顾客,通过人脸检测和人脸识别,提取其人脸特征值,与会员人脸数据库、店员人脸数据库、常客人脸数据库分别做比对,以判断到店顾客的身份类型。
为达成上述目的,本发明提及一种基于头肩检测和人脸识别技术判断顾客身份的方法,能够快速识别一指定区域中的人员的身份属性,身份属性包括店员、会员、常客、新客,所述方法包括以下步骤:
创建一店员人脸数据库、会员人脸数据库、常客人脸数据库,用以分别存储店员、会员、常客的人脸特征值信息,创建一头肩追踪ID数据库,用以存储已确定身份属性的人员的头肩追踪ID;
采集所述指定区域的视频图像,按帧提取视频图像中每个人员的头肩信息,头肩信息至少包括人员的头肩追踪ID,将提取的头肩追踪ID与头肩追踪ID数据库中的数据做比对,以判断提取的头肩追踪ID所对应的人员的身份属性,以及将比对失败的头肩追踪ID的身份属性标记为未知属性;
响应于从一视频帧中提取到身份属性为未知属性的头肩追踪ID,提取该人员的人脸特征值,将之逐一与店员人脸数据库、会员人脸数据库、常客人脸数据库做比对,以对该头肩追踪ID进行身份属性的识别,以及
如果比对均失败,按照一预设的新客判定规则以判断该头肩追踪ID对应的人员是否为新客。
进一步的,所述方法还包括:
统计一设定时间范围内的会员数量S1、常客数量S2、新客数量S3,根据下述公式计算得出这一设定时间范围内所述店铺的营销评分S:
S=ω1×S1+ω2×S2+ω3×S3
其中,ω1、ω2、ω3分别为会员数量S1、常客数量S2、新客数量S3的权重因子,ω1+ω2+ω3=1。
进一步的,所述预设的新客判定规则包括:
将同一个未知属性的头肩追踪ID在其连续存在的N幅视频帧中的人脸特征值逐一与店员人脸数据库、会员人脸数据库、常客人脸数据库做比对,如果比对均失败,将该头肩追踪ID的身份属性标记为新客。
进一步的,所述预设的新客判定规则还包括:
响应于采集到未知属性的头肩追踪ID,从其连续存在的M幅视频帧中选取图像质量满足设定阈值中的连续N幅,从中依次提取出人脸特征值并且逐一与店员人脸数据库、会员人脸数据库、常客人脸数据库做比对,如果比对均失败,将该头肩追踪ID的身份属性标记为新客;
所述M大于等于N。
进一步的,所述N等于5。
进一步的,判断所述图像质量是否满足设定阈值的方法包括:
提取并测量任意一幅视频帧中的若干个图像质量因子,其中,每个图像质量因子对应设定有满足标准的单位阈值;
当所述视频帧中的全部图像质量因子的测量值均大于其所对应的单位阈值时,判定该视频帧满足设定阈值,否则,判定为不满足设定阈值。
进一步的,所述图像质量因子包括亮度指数、清晰度指数、对称度指数、墨镜指数、眼镜指数、留白指数、左眼闭合度指数、右眼闭合度指数、嘴巴闭合度指数中的任意几种或者全部。
进一步的,所述方法还包括:
响应于任意一个头肩追踪ID的身份属性被标记为新客,从其所对应的图像质量最好的一幅视频帧中提取人脸特征值,将提取的人脸特征值存储至常客人脸数据库。
在前述方法的基础上,本发明还提及一种基于头肩检测和人脸识别技术判断顾客身份的系统,所述系统包括:
一店员人脸数据库、一会员人脸数据库、一常客人脸数据库,用以分别存储店员、会员、常客的人脸特征值信息;
一头肩追踪ID数据库,用以存储已确定身份属性的人员的头肩追踪ID;
用以采集所述指定区域的视频图像的摄像机;
用以将摄像机拍摄的视频图像解析成视频帧的模块;
用以从视频帧中提取每个人员的头肩信息的模块,头肩信息至少包括人员的头肩追踪ID;
用以将提取的头肩追踪ID与头肩追踪ID数据库中的数据做比对,以及根据比对结果对头肩追踪ID的身份属性进行标记的模块,其中,比对失败的头肩追踪ID的身份属性被标记成未知属性;
用以从视频帧中提取人员的人脸特征值的模块;
用以将提取的人脸特征值逐一与店员人脸数据库、会员人脸数据库、常客人脸数据库做比对的模块;
用以按照一预设的新客判定规则以判断被标记成未知属性的头肩追踪ID对应的人员是否为新客的模块。
由以上本发明的技术方案,与现有相比,其显著的有益效果在于:
1)通过头肩检测确认多张视频帧中同一个人的头肩追踪ID,即TrackID,以快速识别顾客身份。
2)对于无法通过头肩追踪ID识别的顾客,通过人脸检测和人脸识别,提取其人脸特征值,与会员人脸数据库、店员人脸数据库、常客人脸数据库分别做比对,以判断到店顾客的身份类型。
3)对于到访的新客,自动抓取质量最优的人脸特征值,补充至常客人脸数据库,为该顾客的下次到访服务。
应当理解,前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。另外,所要求保护的主题的所有组合都被视为本公开的发明主题的一部分。
结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见,或通过根据本发明教导的具体实施方式的实践中得知。
附图说明
附图不意在按比例绘制。在附图中,在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见,在每个图中,并非每个组成部分均被标记。现在,将通过例子并参考附图来描述本发明的各个方面的实施例,其中:
图1是本发明的基于头肩检测和人脸识别技术判断顾客身份的方法流程图。
图2是本发明的其中一种具体实施例的方法流程图。
具体实施方式
为了更了解本发明的技术内容,特举具体实施例并配合所附图式说明如下。
在本公开中参照附图来描述本发明的各方面,附图中示出了许多说明的实施例。本公开的实施例不必定意在包括本发明的所有方面。应当理解,上面介绍的多种构思和实施例,以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施,这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外,本发明公开的一些方面可以单独使用,或者与本发明公开的其他方面的任何适当组合来使用。
在本申请中:
店员:指在店铺工作的员工。
会员:指店铺现有会员,为一可增可减的动态数据,取决于该人员是否具有店铺会员资格。
常客:指不止一次浏览店铺的人员,且该人员非店铺会员,为一不断增长的动态数据。
新客:指第一次浏览店铺的人员,新客为一临时身份,只在当次浏览时有效。在浏览一次店铺后,该顾客即成为常客。
结合图1,本发明的目的是提出一种基于头肩检测和人脸识别技术判断顾客身份的方法,能够快速识别一指定区域中的人员的身份属性,身份属性包括店员、会员、常客、新客,所述方法包括以下步骤:
S1:提供一店员人脸数据库、会员人脸数据库、常客人脸数据库,用以分别存储店员、会员、常客的人脸特征值信息,提供一头肩追踪ID数据库,用以存储已确定身份属性的人员的头肩追踪ID。
S2:采集所述指定区域的视频图像,按帧提取视频图像中每个人员的头肩信息,头肩信息至少包括人员的头肩追踪ID,将提取的头肩追踪ID与头肩追踪ID数据库中的数据做比对,以判断提取的头肩追踪ID所对应的人员的身份属性,以及将比对失败的头肩追踪ID的身份属性标记为未知属性。
S3:响应于从一视频帧中提取到身份属性为未知属性的头肩追踪ID,提取该人员的人脸特征值,将之逐一与店员人脸数据库、会员人脸数据库、常客人脸数据库做比对,以对该头肩追踪ID进行身份属性的识别,以及
如果比对均失败,按照一预设的新客判定规则以判断该头肩追踪ID对应的人员是否为新客。
结合图2,本申请将通过一具体实施例来对前述方法做进一步阐述。
在步骤S1中,店员人脸数据库和会员人脸数据库,会在店员信息录入和会员信息录入时,对录入的店员和会员的人脸照片提取人脸特征值入库。同时支持对抓拍的人脸照片手动注册成会员,注册成会员之后,对抓拍照提取人脸特征值,入会员人脸数据库。
常客人脸数据库为一不断增长的动态数据库,新客在浏览一次店铺后,该顾客即成为常客,其人脸特征值被存储至常客人脸数据库中,作为常客识别的数据基础。
步骤S1中,首先在店铺内安装摄像机,实时拍摄店铺内部的视频图像,再将摄像机拍摄的视频流解码为视频帧,例如将1s的视频流解码成25帧视频帧,单位时间内的视频流解码生成的视频帧帧数越多,后续步骤中得到的顾客信息越精确,但同时也会加大运算量,因此,在实际应用中,可以根据实际需求来决定单位时间内的视频流解码帧数。
在此基础上,将解码得到的视频帧依次作为头肩检测SDK、人脸检测SDK、特征值提取SDK的输入,获取输出信息。头肩检测SDK输出视频帧中每个头肩的追踪ID(即TrackID)、头肩坐标。人脸检测SDK输出视频帧中每个头肩的追踪ID、追踪ID对应的人脸的坐标。特征值提取SDK输出每个头肩的追踪ID、追踪ID对应的人脸的特征值。三个SDK输出的同一个头肩的TrackID是一致的。
创建一头肩追踪ID数据库,用以存储历史数据中已确定身份属性的人员的头肩追踪ID,作为第一步顾客身份识别的基础数据使用。具体的,在步骤S2中,将头肩检测SDK的输出数据中的头肩追踪ID与头肩追踪ID数据库中的数据做比对,以判断提取的头肩追踪ID所对应的人员的身份属性,这一比对过程免除了图像识别步骤,只包括单纯的文本数据比对,因此比对速度快、时间短,可以极大地缩短顾客身份识别的总时长。
对于剩下的比对失败的头肩追踪ID,将其身份属性标记为未知属性,进入下一步的身份识别。
未知属性顾客的身份识别可以借助人脸识别技术,通过比对脸部特征值来确定其身份,具体的,在步骤S3中,提取该部分人员的人脸特征值,将之逐一与店员人脸数据库、会员人脸数据库、常客人脸数据库做比对,以对该头肩追踪ID进行身份属性的识别。
例如,逐一分析每个头肩。判断TrackID是否已确定身份,店员、会员、常客、新客。若已判断出身份,则针对此TrackID在当前视频帧的分析结束,继续分析当前视频帧中的下一个TrackID。若未确认身份,则根据人脸检测SDK输出结果判断此TrackID是否有对应的人脸,若有人脸,获取人脸的特征值(由人脸特征值提取SDK输出结果),与店员人脸数据库做比对,比对成功,则判断为店员,流程结束。若比对失败,继续与会员人脸数据库做比对,比对成功,则判断为会员。若比对失败,继续与常客人脸数据库做比对,比对成功,则判断为常客。
如果抓取的人脸图像质量不高,提取的人脸特征值数据也变得不准确,识别困难且容易出现错误判断。考虑到比对效率,在一些例子中,我们在判断出视频帧中有人脸数据时,增加了一个图像质量的分析步骤,即:根据人脸检测SDK输出结果判断此TrackID是有对应的人脸时,判断人脸大小、质量是否超过阈值,若超过阈值,则获取人脸的特征值(由人脸特征值提取SDK输出结果),再依次与店员人脸数据库、会员人脸数据库、常客人脸数据库做比对。
如果比对均失败,考虑到有可能因为抓拍图的质量、角度等原因,导致顾客身份判断有误差,并不能直接将该顾客判断为新客,为了保证顾客识别的精准度,将按照一预设的新客判定规则以判断该头肩追踪ID对应的人员是否为新客。
在本申请中,提出了其中一种判断新客的方法。
具体的,所述预设的新客判定规则包括:
将同一个未知属性的头肩追踪ID在其连续存在的N幅视频帧中的人脸特征值逐一与店员人脸数据库、会员人脸数据库、常客人脸数据库做比对,如果比对均失败,将该头肩追踪ID的身份属性标记为新客。
进一步的,考虑到由于图像质量原因导致比对效率不高的情况,可以在新客判断过程中增加图像质量检测的步骤。具体的,所述预设的新客判定规则还包括:
响应于采集到未知属性的头肩追踪ID,从其连续存在的M幅视频帧中选取图像质量满足设定阈值中的连续N幅,从中依次提取出人脸特征值并且逐一与店员人脸数据库、会员人脸数据库、常客人脸数据库做比对,如果比对均失败,将该头肩追踪ID的身份属性标记为新客。
所述M大于等于N。
例如,假设N等于5,如果一个未知属性顾客的人脸特征值与与店员人脸数据库、会员人脸数据库、常客人脸数据库做比对后均失败,判断此TrackID是否已进行5次(可配置)比对流程,若没有,暂时不断定此TrackID对应的顾客是新客,因为可能由于抓拍图的质量、角度等原因,导致顾客身份判断有误差,等到处理下一张抓拍图时,相同的TrackID,不同的人脸抓拍照再做比对。若此TrackID已经进行5次(可配置)比对流程,与店员、会员、常客的人脸库比对均失败,则断定此TrackID对应的顾客身份为新客。
判断所述图像质量是否满足设定阈值的方法包括:
提取并测量任意一幅视频帧中的若干个图像质量因子,其中,每个图像质量因子对应设定有满足标准的单位阈值;
当所述视频帧中的全部图像质量因子的测量值均大于其所对应的单位阈值时,判定该视频帧满足设定阈值,否则,判定为不满足设定阈值。
所述图像质量因子包括亮度指数、清晰度指数、对称度指数、墨镜指数、眼镜指数、留白指数、左眼闭合度指数、右眼闭合度指数、嘴巴闭合度指数中的任意几种或者全部。
本发明还有一个目的是对于到访的新客,自动抓取质量最优的人脸特征值,补充至常客人脸数据库,为该顾客的下次到访服务,在本申请中提出了其中一种常客人脸数据库的更新方法,即:
当任意一个头肩追踪ID的身份属性被标记为新客时,从其所对应的图像质量最好的一幅视频帧中提取人脸特征值,将提取的人脸特征值存储至常客人脸数据库。
以前述新客判断方法为例,对于判断身份为新客的TrackID,在5张抓拍照中选取人脸像素和人脸大小均满足既定阈值的照片,若不存在满足条件的照片,流程结束,继续下一个TrackID的分析。若存在满足条件的照片,选择其中质量最好的照片提取人脸特征值,入常客人脸数据库。常客人脸数据库通过此方法积累。
在前述准确判断顾客身份的基础上,所述方法还包括:
统计一设定时间范围内的会员数量S1、常客数量S2、新客数量S3,根据下述公式计算得出这一设定时间范围内所述店铺的营销评分S:
S=ω1×S1+ω2×S2+ω3×S3
其中,ω1、ω2、ω3分别为会员数量S1、常客数量S2、新客数量S3的权重因子,ω1+ω2+ω3=1。
权重因子可以根据实际需求做调整,如果一店铺在其中一设定时间范围内主要营销对象为会员,可以将权重因子ω1的数值设定的较大,如果该店铺在另一个设定时间范围内的主要营销对象为新客,则可以将权重因子ω3的数值设定的较大。
这一营销评分方法是从拜访客户的属性来判断店铺的营销成果,拜访的客户数量越多,营销评分S的数值越大,营销效果越好。
在前述方法的基础上,本发明还提及一种基于头肩检测和人脸识别技术判断顾客身份的系统,所述系统包括以下模块及设备:
1)一店员人脸数据库、一会员人脸数据库、一常客人脸数据库,用以分别存储店员、会员、常客的人脸特征值信息。
2)一头肩追踪ID数据库,用以存储已确定身份属性的人员的头肩追踪ID。
3)用以采集所述指定区域的视频图像的摄像机。
4)用以将摄像机拍摄的视频图像解析成视频帧的模块。
5)用以从视频帧中提取每个人员的头肩信息的模块,头肩信息至少包括人员的头肩追踪ID。
6)用以将提取的头肩追踪ID与头肩追踪ID数据库中的数据做比对,以及根据比对结果对头肩追踪ID的身份属性进行标记的模块,其中,比对失败的头肩追踪ID的身份属性被标记成未知属性。
7)用以从视频帧中提取人员的人脸特征值的模块。
8)用以将提取的人脸特征值逐一与店员人脸数据库、会员人脸数据库、常客人脸数据库做比对的模块。
9)用以按照一预设的新客判定规则以判断被标记成未知属性的头肩追踪ID对应的人员是否为新客的模块。
从而,本发明提及基于头肩检测和人脸识别技术判断顾客身份的方法和系统,通过头肩检测确认多张视频帧中同一个人的头肩追踪ID,即TrackID,以快速识别顾客身份,对于无法通过头肩追踪ID识别的顾客,通过人脸检测和人脸识别,提取其人脸特征值,与会员人脸数据库、店员人脸数据库、常客人脸数据库分别做比对,以判断到店顾客的身份类型。
虽然本发明已以较佳实施例揭露如上,然其并非用以限定本发明。本发明所属技术领域中具有通常知识者,在不脱离本发明的精神和范围内,当可作各种的更动与润饰。因此,本发明的保护范围当视权利要求书所界定者为准。
Claims (9)
1.一种基于头肩检测和人脸识别技术判断顾客身份的方法,能够快速识别一店铺中的人员的身份属性,身份属性包括店员、会员、常客、新客,其特征在于,所述方法包括以下步骤:
创建一店员人脸数据库、会员人脸数据库、常客人脸数据库,用以分别存储店员、会员、常客的人脸特征值信息,创建一头肩追踪ID数据库,用以存储已确定身份属性的人员的头肩追踪ID;
采集店铺内部的视频图像,按帧提取视频图像中每个人员的头肩信息,头肩信息至少包括人员的头肩追踪ID,将提取的头肩追踪ID与头肩追踪ID数据库中的数据做比对,以判断提取的头肩追踪ID所对应的人员的身份属性,以及将比对失败的头肩追踪ID的身份属性标记为未知属性;
响应于从一视频帧中提取到身份属性为未知属性的头肩追踪ID,提取该人员的人脸特征值,将之逐一与店员人脸数据库、会员人脸数据库、常客人脸数据库做比对,以对该头肩追踪ID进行身份属性的识别,以及
如果比对均失败,按照一预设的新客判定规则以判断该头肩追踪ID对应的人员是否为新客。
2.根据权利要求1所述的基于头肩检测和人脸识别技术判断顾客身份的方法,其特征在于,所述方法还包括:
统计一设定时间范围内的会员数量S1、常客数量S2、新客数量S3,根据下述公式计算得出这一设定时间范围内所述店铺的营销评分S:
S=ω1×S1+ω2×S2+ω3×S3
其中,ω1、ω2、ω3分别为会员数量S1、常客数量S2、新客数量S3的权重因子,ω1+ω2+ω3=1。
3.根据权利要求1所述的基于头肩检测和人脸识别技术判断顾客身份的方法,其特征在于,所述预设的新客判定规则包括:
将同一个未知属性的头肩追踪ID在其连续存在的N幅视频帧中的人脸特征值逐一与店员人脸数据库、会员人脸数据库、常客人脸数据库做比对,如果比对均失败,将该头肩追踪ID的身份属性标记为新客。
4.根据权利要求3所述的基于头肩检测和人脸识别技术判断顾客身份的方法,其特征在于,所述预设的新客判定规则还包括:
响应于采集到未知属性的头肩追踪ID,从其连续存在的M幅视频帧中选取图像质量满足设定阈值中的连续N幅,从中依次提取出人脸特征值并且逐一与店员人脸数据库、会员人脸数据库、常客人脸数据库做比对,如果比对均失败,将该头肩追踪ID的身份属性标记为新客;
所述M大于等于N。
5.根据权利要求3或者4所述的基于头肩检测和人脸识别技术判断顾客身份的方法,其特征在于,所述N等于5。
6.根据权利要求4所述的基于头肩检测和人脸识别技术判断顾客身份的方法,其特征在于,判断所述图像质量是否满足设定阈值的方法包括:
提取并测量任意一幅视频帧中的若干个图像质量因子,其中,每个图像质量因子对应设定有满足标准的单位阈值;
当所述视频帧中的全部图像质量因子的测量值均大于其所对应的单位阈值时,判定该视频帧满足设定阈值,否则,判定为不满足设定阈值。
7.根据权利要求6所述的基于头肩检测和人脸识别技术判断顾客身份的方法,其特征在于,所述图像质量因子包括亮度指数、清晰度指数、对称度指数、墨镜指数、眼镜指数、留白指数、左眼闭合度指数、右眼闭合度指数、嘴巴闭合度指数中的任意几种或者全部。
8.根据权利要求3或者4所述的基于头肩检测和人脸识别技术判断顾客身份的方法,其特征在于,所述方法还包括:
响应于任意一个头肩追踪ID的身份属性被标记为新客,从其所对应的图像质量最好的一幅视频帧中提取人脸特征值,将提取的人脸特征值存储至常客人脸数据库。
9.一种基于头肩检测和人脸识别技术判断顾客身份的系统,其特征在于,所述系统包括:
一店员人脸数据库、一会员人脸数据库、一常客人脸数据库,用以分别存储店员、会员、常客的人脸特征值信息;
一头肩追踪ID数据库,用以存储已确定身份属性的人员的头肩追踪ID;
用以采集所述指定区域的视频图像的摄像机;
用以将摄像机拍摄的视频图像解析成视频帧的模块;
用以从视频帧中提取每个人员的头肩信息的模块,头肩信息至少包括人员的头肩追踪ID;
用以将提取的头肩追踪ID与头肩追踪ID数据库中的数据做比对,以及根据比对结果对头肩追踪ID的身份属性进行标记的模块,其中,比对失败的头肩追踪ID的身份属性被标记成未知属性;
用以从视频帧中提取人员的人脸特征值的模块;
用以将提取的人脸特征值逐一与店员人脸数据库、会员人脸数据库、常客人脸数据库做比对的模块;
用以按照一预设的新客判定规则以判断被标记成未知属性的头肩追踪ID对应的人员是否为新客的模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811367832.1A CN109359625A (zh) | 2018-11-16 | 2018-11-16 | 基于头肩检测和人脸识别技术判断顾客身份的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811367832.1A CN109359625A (zh) | 2018-11-16 | 2018-11-16 | 基于头肩检测和人脸识别技术判断顾客身份的方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109359625A true CN109359625A (zh) | 2019-02-19 |
Family
ID=65345543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811367832.1A Pending CN109359625A (zh) | 2018-11-16 | 2018-11-16 | 基于头肩检测和人脸识别技术判断顾客身份的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109359625A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110188722A (zh) * | 2019-06-05 | 2019-08-30 | 福建深视智能科技有限公司 | 一种本地人脸识别图像去重的方法及终端 |
CN110196924A (zh) * | 2019-05-31 | 2019-09-03 | 银河水滴科技(北京)有限公司 | 特征信息库的构建、目标对象的追踪方法及装置 |
CN110414444A (zh) * | 2019-07-31 | 2019-11-05 | 中国工商银行股份有限公司 | 人脸识别方法及装置 |
CN110533471A (zh) * | 2019-08-30 | 2019-12-03 | 王艺锦 | 基于头肩识别和人脸识别的店铺用户智能管理系统 |
CN111160281A (zh) * | 2019-12-31 | 2020-05-15 | 南京甄视智能科技有限公司 | 一种基于人脸识别的人员识别方法和装置 |
CN111401152A (zh) * | 2020-02-28 | 2020-07-10 | 中国工商银行股份有限公司 | 人脸识别方法及装置 |
CN112633204A (zh) * | 2020-12-29 | 2021-04-09 | 厦门瑞为信息技术有限公司 | 一种精准客流统计方法、装置、设备和介质 |
CN112818896A (zh) * | 2021-02-18 | 2021-05-18 | 支付宝(杭州)信息技术有限公司 | 生物识别方法、装置和电子设备 |
CN112862859A (zh) * | 2020-08-21 | 2021-05-28 | 海信视像科技股份有限公司 | 一种人脸特征值创建方法、人物锁定追踪方法及显示设备 |
CN113052034A (zh) * | 2021-03-15 | 2021-06-29 | 上海商汤智能科技有限公司 | 基于双目摄像头的活体检测方法及相关装置 |
CN113220978A (zh) * | 2020-01-21 | 2021-08-06 | 上海依图信息技术有限公司 | 信息推送方法、移动终端及服务器 |
CN113221764A (zh) * | 2021-05-18 | 2021-08-06 | 安徽工程大学 | 一种快速行人再识别方法 |
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 |
WO2023094894A1 (zh) * | 2021-11-24 | 2023-06-01 | 商汤国际私人有限公司 | 目标跟踪、事件检测方法及装置、电子设备和存储介质 |
CN117935341A (zh) * | 2024-03-21 | 2024-04-26 | 福建信息职业技术学院 | 一种基于人脸识别自动签到的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080037875A1 (en) * | 2006-08-14 | 2008-02-14 | Hye Jin Kim | Method and apparatus for shoulder-line detection and gesture spotting detection |
CN102521578A (zh) * | 2011-12-19 | 2012-06-27 | 中山爱科数字科技股份有限公司 | 一种入侵检测和识别方法 |
CN107563343A (zh) * | 2017-09-18 | 2018-01-09 | 南京甄视智能科技有限公司 | 基于人脸识别技术的FaceID数据库的自我完善方法和系统 |
CN108597065A (zh) * | 2018-03-12 | 2018-09-28 | 南京甄视智能科技有限公司 | 基于人脸识别的客流统计方法 |
-
2018
- 2018-11-16 CN CN201811367832.1A patent/CN109359625A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080037875A1 (en) * | 2006-08-14 | 2008-02-14 | Hye Jin Kim | Method and apparatus for shoulder-line detection and gesture spotting detection |
CN102521578A (zh) * | 2011-12-19 | 2012-06-27 | 中山爱科数字科技股份有限公司 | 一种入侵检测和识别方法 |
CN107563343A (zh) * | 2017-09-18 | 2018-01-09 | 南京甄视智能科技有限公司 | 基于人脸识别技术的FaceID数据库的自我完善方法和系统 |
CN108597065A (zh) * | 2018-03-12 | 2018-09-28 | 南京甄视智能科技有限公司 | 基于人脸识别的客流统计方法 |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110196924A (zh) * | 2019-05-31 | 2019-09-03 | 银河水滴科技(北京)有限公司 | 特征信息库的构建、目标对象的追踪方法及装置 |
CN110196924B (zh) * | 2019-05-31 | 2021-08-17 | 银河水滴科技(宁波)有限公司 | 特征信息库的构建、目标对象的追踪方法及装置 |
CN110188722A (zh) * | 2019-06-05 | 2019-08-30 | 福建深视智能科技有限公司 | 一种本地人脸识别图像去重的方法及终端 |
CN110414444A (zh) * | 2019-07-31 | 2019-11-05 | 中国工商银行股份有限公司 | 人脸识别方法及装置 |
CN110533471A (zh) * | 2019-08-30 | 2019-12-03 | 王艺锦 | 基于头肩识别和人脸识别的店铺用户智能管理系统 |
CN111160281A (zh) * | 2019-12-31 | 2020-05-15 | 南京甄视智能科技有限公司 | 一种基于人脸识别的人员识别方法和装置 |
CN111160281B (zh) * | 2019-12-31 | 2022-08-23 | 南京甄视智能科技有限公司 | 一种基于人脸识别的人员识别方法和装置 |
CN113220978A (zh) * | 2020-01-21 | 2021-08-06 | 上海依图信息技术有限公司 | 信息推送方法、移动终端及服务器 |
CN111401152A (zh) * | 2020-02-28 | 2020-07-10 | 中国工商银行股份有限公司 | 人脸识别方法及装置 |
CN111401152B (zh) * | 2020-02-28 | 2024-04-12 | 中国工商银行股份有限公司 | 人脸识别方法及装置 |
CN112862859A (zh) * | 2020-08-21 | 2021-05-28 | 海信视像科技股份有限公司 | 一种人脸特征值创建方法、人物锁定追踪方法及显示设备 |
CN112862859B (zh) * | 2020-08-21 | 2023-10-31 | 海信视像科技股份有限公司 | 一种人脸特征值创建方法、人物锁定追踪方法及显示设备 |
CN112633204A (zh) * | 2020-12-29 | 2021-04-09 | 厦门瑞为信息技术有限公司 | 一种精准客流统计方法、装置、设备和介质 |
CN112818896A (zh) * | 2021-02-18 | 2021-05-18 | 支付宝(杭州)信息技术有限公司 | 生物识别方法、装置和电子设备 |
CN113052034A (zh) * | 2021-03-15 | 2021-06-29 | 上海商汤智能科技有限公司 | 基于双目摄像头的活体检测方法及相关装置 |
CN113221764B (zh) * | 2021-05-18 | 2023-04-28 | 安徽工程大学 | 一种快速行人再识别方法 |
CN113221764A (zh) * | 2021-05-18 | 2021-08-06 | 安徽工程大学 | 一种快速行人再识别方法 |
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 |
CN114220141B (zh) * | 2021-11-23 | 2022-09-02 | 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 |
WO2023094894A1 (zh) * | 2021-11-24 | 2023-06-01 | 商汤国际私人有限公司 | 目标跟踪、事件检测方法及装置、电子设备和存储介质 |
CN117935341A (zh) * | 2024-03-21 | 2024-04-26 | 福建信息职业技术学院 | 一种基于人脸识别自动签到的方法 |
CN117935341B (zh) * | 2024-03-21 | 2024-06-04 | 福建信息职业技术学院 | 一种基于人脸识别自动签到的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109359625A (zh) | 基于头肩检测和人脸识别技术判断顾客身份的方法和系统 | |
US11704936B2 (en) | Object tracking and best shot detection system | |
CN109934176B (zh) | 行人识别系统、识别方法及计算机可读存储介质 | |
JP3584334B2 (ja) | 人間検出追跡システムおよび人間検出追跡方法 | |
CN109448026A (zh) | 基于头肩检测的客流统计方法和系统 | |
US20070076922A1 (en) | Object detection | |
CN101587485B (zh) | 一种基于人脸识别技术的人脸信息自动登录方法 | |
Feng et al. | Deep representation for abnormal event detection in crowded scenes | |
US20120308090A1 (en) | Facial image search system and facial image search method | |
JP2007317062A (ja) | 人物認識装置及びその方法 | |
US20070076921A1 (en) | Image processing | |
Denman et al. | Soft-biometrics: unconstrained authentication in a surveillance environment | |
KR20170006355A (ko) | 모션벡터 및 특징벡터 기반 위조 얼굴 검출 방법 및 장치 | |
US11176679B2 (en) | Person segmentations for background replacements | |
JP2010198566A (ja) | 人数計測装置、方法及びプログラム | |
CN106485217B (zh) | 一种识别游览景区人流饱和度的方法与系统 | |
CN106355154A (zh) | 一种监控视频中检测频繁过人的方法 | |
CN110211251A (zh) | 一种人脸识别方法、装置、存储介质及人脸识别终端 | |
CN113269127A (zh) | 实时自动建库的人脸识别和行人重识别监控方法及系统 | |
CN108875695A (zh) | 基于机器视觉的参观现场兴趣人流统计分析方法 | |
CN109711232A (zh) | 基于多目标函数的深度学习行人重识别方法 | |
CN108197593B (zh) | 基于三点定位方法的多尺寸人脸表情识别方法及装置 | |
CN106611417A (zh) | 将视觉元素分类为前景或背景的方法及装置 | |
CN115661903A (zh) | 一种基于空间映射协同目标过滤的识图方法及装置 | |
CN106446837B (zh) | 一种基于运动历史图像的挥手检测方法 |
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: 20190219 |
|
RJ01 | Rejection of invention patent application after publication |