CN109658194A - 一种基于视频追踪的客户推荐方法及系统 - Google Patents
一种基于视频追踪的客户推荐方法及系统 Download PDFInfo
- Publication number
- CN109658194A CN109658194A CN201811567636.9A CN201811567636A CN109658194A CN 109658194 A CN109658194 A CN 109658194A CN 201811567636 A CN201811567636 A CN 201811567636A CN 109658194 A CN109658194 A CN 109658194A
- Authority
- CN
- China
- Prior art keywords
- client
- shop
- commodity
- time
- face
- 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
- 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
- G06Q30/06—Buying, selling or leasing transactions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- 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
- G06V40/168—Feature extraction; Face representation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Finance (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Accounting & Taxation (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biomedical Technology (AREA)
- General Business, Economics & Management (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Marketing (AREA)
- Evolutionary Biology (AREA)
- Economics (AREA)
- Human Computer Interaction (AREA)
- Development Economics (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种基于视频追踪的客户推荐方法,1)商店对所有售卖商品进行拍照,上传至系统数据库。2)客户进入首次店铺时,系统调用摄像头即时对客户进行身份信息采集,记录客户着装信息和人脸信息,用于再次识别客户。3)客户在挑选商品时,系统调用摄像头实时监测客户挑选的商品,记录商品信息和挑选驻留时间。4)客户在二次进店后,系统调用摄像头对客户进行身份识别,根据与已经有的数据进行比对,判断进店客户是否为二次进店的潜在客户,若客户为潜在客户,则根据其对应的挑选记录和驻留时间,计算出该客户的潜在购物商品,对导购推送相应重点推荐商品信息;有助于发掘潜在客户,提高商店营业额。
Description
技术领域
本发明涉及视频追踪相关智能判断的技术领域,特别是一种基于视频追踪的客户推荐方法及系统。
背景技术
根据消费者行为调查表明,客户在商场等购物场所购物时,会对类似商品进行对比或出于各种心理原因产生犹豫,并经常选择再次入店进行挑选,这类客户是实体商场重要的潜在客户,当给予特定推荐和优惠时,往往会将此转换为购物行为。
本发明针对这部分潜在客户,采用视频追踪技术对其进行产品推荐,利用部署在商场等购物场所的摄像头,对客户进行追踪和人脸识别,记录客户身份信息,并记录客户感兴趣商品及驻留时间,当客户二次进店时,系统及时将客户信息及其感兴趣商品推送给导购,由导购进行有针对性的重点推荐。本方法及系统有助于改善客户购物体验,提高商店的成交率。
发明内容
本发明目的是,在现有技术背景下,提出了一种基于视频追踪的客户推荐方法及系统,实现对二次进店的客户精准推荐。
本发明技术方案是,一种基于视频追踪的客户推荐方法,包括如下步骤:
步骤一:商店对所有售卖商品进行拍照,上传至系统数据库。
步骤二:客户进入首次店铺时,系统调用摄像头即时对客户进行身份信息采集,记录客户着装信息和人脸信息,用于再次识别客户。
步骤三:客户在挑选商品时,系统调用摄像头实时监测客户挑选的商品,记录商品信息和挑选驻留时间。
步骤四:客户在二次进店后,系统调用摄像头对客户进行身份识别,根据与现有数据进行比对,判断进店客户是否为二次进店的潜在客户,若客户为潜在客户,则根据其对应的挑选记录和驻留时间,计算出该客户的潜在购物商品,对导购推送相应重点推荐商品信息。
基于视频追踪的客户推荐的采集数据处于严密的保密状态,不对任何其它接口开放,仅用于对用户商业采购行为进行分析与判断。
本发明公开一种基于视频追踪的客户推荐系统包括:身份识别记录模块、商品识别记录模块、智能推荐模块。
所述身份识别记录模块,用于记录首次进店的客户信息,识别二次进店客户身份,通过重识别技术和人脸识别技术,准确识别进店客户是否为二次进店客户。其中包含重识别子模块和人脸识别子模块。所述重识别子模块,利用人体检测对进店的客户进行框选,框选后利用重识别多层卷积神经网络计算出人体特征向量,保存到数据库中,当客户二次进店时,比较两次人体特征向量的相似度,当相似度大于某一阈值时配合人脸识别子模块确定客户是否为二次进店客户。所述人脸识别子模块,利用人脸检测器框选出进店客户的脸部图片,将脸部图片输入人脸识别多层卷积神经网络生成人脸特征向量,并保存到数据库中,当客户二次进店时,比较两次人脸特征向量的相似度,当相似度大于某一阈值时配合重识别子模块确定客户是否为二次进店客户。
所述商品识别记录模块,用于采集商品信息、识别客户挑选的商品及记录客户驻留时间。利用摄像头对商品逐一拍摄,将商品图片输入商品识别多层卷积神经网络,将生成商品特征向量和对应商品编号保存至数据库。当客户首次进店时,利用物体检测对客户挑选的商品进行框选,框选后将图片输入商品识别多层卷积神经网络生成相应特征向量,与数据库中商品特征向量进行比较,得到对应商品标号并记录到该客户信息列表中,同时将客户在商品前驻留时间也一同记录到该客户信息列表中。
所述智能推荐模块,当客户二次进店时,通过身份识别记录模块识别客户为二次进店客户,同时通过商品识别记录模块得到该客户上次进店时潜在购买商品和驻足时间,根据商品类别和驻足时间计算出潜在购物商品,对导购推送相应重点推荐商品信息。
有益效果:本发明公开了一种基于视频追踪的客户推荐方法及系统,主要针对实体商场客户购物进行精准推荐,利用摄像头对进店客户进行视频追踪与人脸识别,并记录其预选商品,当客户二次进店时,导购可根据对应客户及其首次预选商品进行精准推荐。此方法及系统有效的记录客户身份及其预选商品,提高了二次进店的推荐准确率,有助于发掘潜在客户,提高商店营业额。
附图说明
图1是本发明一种基于视频追踪的客户推荐方法及系统流程示意图。
图2是本发明一种基于视频追踪的客户推荐方法及系统结构示意图。
具体实施方式
以下结合附图所示的具体实施方式对本发明进行详细描述。
图1是本发明一种基于视频追踪的客户推荐方法及系统具体实施方式的推荐流程图。在本实施方式中,主要包括以下步骤:
步骤1::商店将商品拍照,并将照片输入一个商品识别多层卷积神经网络,输出对应商品的特征向量,将生成的商品特征向量和对应商品编号保存至数据库。
步骤2:当客户进入商店时,摄像头实时对客户身份进行记录与识别。利用用人体检测对进店的客户进行框选,框选后利用重识别多层卷积神经网络计算出人体特征向量,同时,利用人脸检测器框选出进店客户的脸部图片,将脸部图片输入人脸识别多层卷积神经网络生成人脸特征向量。
步骤3:当客户进入商店时,利用步骤2中获得的人体特征向量和人脸特征向量判断该客户是否为二次进店客户。利用新获取的人体特征向量和人脸特征向量与数据库中的人体特征向量及人脸特征向量计算相似度,相似度度量公式为其中A,B分别为新获取的人体特征向量、人脸特征向量与数据库中保存的人体特征向量、人脸特征向量。计算两次相似度得到Sim1、Sim2,若Sim1和Sim2均大于0.8,则认为该客户为二次进店客户。反之,则将该客户的人体特征向量和人脸特征向量保存至数据库,认为该客户为初次进店客户。
步骤4:若客户是初次进店客户,则客户在挑选商品时,系统调用摄像头实时监测客户挑选的商品,记录商品信息和挑选驻留时间。若客户在二次进店后,则客户为潜在客户,则根据其首次进店的挑选记录和驻留时间,计算出该客户的潜在购物商品,对导购推送相应重点推荐商品信息,例如根据客户初次进店时其在某类商品前驻足时间较长,认为其对该类商品感兴趣,在其二次进店时向其推荐该类商品的其他同款相似商品。
图2是本发明一种基于视频追踪的客户推荐方法及系统结构示意图。
模块1为身份识别记录模块,作用是行人重识别和人脸识别。包含重识别子模块11和人脸识别子模块12。
重识别子模块11,利用人体检测对进店的客户进行框选,框选后利用重识别多层卷积神经网络计算出人体特征向量,保存到数据库中,当客户二次进店时,比较两次人体特征向量的相似度,当相似度大于某一阈值时配合人脸识别子模块确定客户是否为二次进店客户。
人脸识别子模块12,利用人脸检测器框选出进店客户的脸部图片,将脸部图片输入人脸识别多层卷积神经网络生成人脸特征向量,并保存到数据库中,当客户二次进店时,比较两次人脸特征向量的相似度,当相似度大于某一阈值时配合重识别子模块确定客户是否为二次进店客户。
模块2为商品识别记录模块,作用是用于采集商品信息、识别客户挑选的商品及记录客户驻留时间。利用摄像头对商品逐一拍摄,将商品图片输入商品识别多层卷积神经网络,将生成商品特征向量和对应商品编号保存至数据库。当客户首次进店时,利用物体检测对客户挑选的商品进行框选,框选后将图片输入商品识别多层卷积神经网络生成相应特征向量,与数据库中商品特征向量进行比较,得到对应商品标号并记录到该客户信息列表中,同时将客户在商品前驻留时间也一同记录到该客户信息列表中。
模块3为智能推荐模块,作用是当客户二次进店时,通过身份识别记录模块识别客户为二次进店客户,同时通过商品识别记录模块得到该客户上次进店时潜在购买商品和驻足时间,根据商品类别和驻足时间计算出潜在购物商品,对导购推送相应重点推荐商品信息。
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 (4)
1.一种基于视频追踪的客户推荐方法,其特征是,包括如下步骤:
1)商店对所有售卖商品进行拍照,上传至系统数据库。
2)客户进入首次店铺时,系统调用摄像头即时对客户进行身份信息采集,记录客户着装信息和人脸信息,用于再次识别客户。
3)客户在挑选商品时,系统调用摄像头实时监测客户挑选的商品,记录商品信息和挑选驻留时间。
4)客户在二次进店后,系统调用摄像头对客户进行身份识别,根据与已经有的数据进行比对,判断进店客户是否为二次进店的潜在客户,若客户为潜在客户,则根据其对应的挑选记录和驻留时间,计算出该客户的潜在购物商品,对导购推送相应重点推荐商品信息;
当客户首次进店时,利用物体检测对客户挑选的商品进行框选,框选后将图片输入商品识别多层卷积神经网络,生成相应特征向量,与数据库中商品特征向量进行比较,得到对应商品标号并记录到该客户信息列表中,同时将客户在商品前驻留时间也一同记录到该客户信息列表中;
当客户二次进店时,通过身份识别记录模块识别客户为二次进店客户,同时通过商品识别记录模块得到该客户上次进店时潜在购买商品和驻足时间,根据商品类别和驻足时间计算出潜在购物商品,对导购推送相应重点推荐商品信息。
2.根据权利要求1所述的基于视频追踪的客户推荐方法,其特征是,步骤3)中,当客户进入商店时,利用步骤2)中获得的人体特征向量和人脸特征向量判断该客户是否为二次进店客户;利用新获取的人体特征向量和人脸特征向量与数据库中的人体特征向量及人脸特征向量计算相似度,相似度度量公式为其中A,B分别为新获取的人体特征向量、人脸特征向量与数据库中保存的人体特征向量、人脸特征向量;
计算两次相似度得到Sim1、Sim2,若Sim1和Sim2均大于0.8,则认为该客户为二次进店客户;反之,则将该客户的人体特征向量和人脸特征向量保存至数据库,认为该客户为初次进店客户。
3.根据权利要求1所述的基于视频追踪的客户推荐方法,其特征是,步骤4)中,若客户是初次进店客户,则客户在挑选商品时,系统调用摄像头实时监测客户挑选的商品,记录商品信息和挑选驻留时间;若客户在二次进店后,则客户为潜在客户,则根据其首次进店的挑选记录和驻留时间,计算出该客户的潜在购物商品,对导购推送相应重点推荐商品信息,根据客户初次进店时其在某类商品前驻足时间较长,认为其对该类商品感兴趣,在其二次进店时向其推荐该类商品的其他同款相似商品。
4.根据权利要求1所述的一种基于视频追踪的客户推荐系统,其特征是,包括:身份识别记录模块、商品识别记录模块、智能推荐模块;
所述身份识别记录模块,用于记录首次进店的客户信息,识别二次进店客户身份,通过重识别技术和人脸识别技术,准确识别进店客户是否为二次进店客户其中包含重识别子模块和人脸识别子模块;所述重识别子模块,利用人体检测对进店的客户进行框选,框选后利用重识别多层卷积神经网络计算出人体特征向量,保存到数据库中,当客户二次进店时,比较两次人体特征向量的相似度,当相似度大于某一阈值时配合人脸识别子模块确定客户是否为二次进店客户;所述人脸识别子模块,利用人脸检测器框选出进店客户的脸部图片,将脸部图片输入人脸识别多层卷积神经网络生成人脸特征向量,并保存到数据库中,当客户二次进店时,比较两次人脸特征向量的相似度,当相似度大于某一阈值时配合重识别子模块确定客户是否为二次进店客户;智能推荐模块,作用是当客户二次进店时,通过身份识别记录模块识别客户为二次进店客户,同时通过商品识别记录模块得到该客户上次进店时潜在购买商品和驻足时间,根据商品类别和驻足时间计算出潜在购物商品,对导购推送相应重点推荐商品信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811567636.9A CN109658194A (zh) | 2018-12-20 | 2018-12-20 | 一种基于视频追踪的客户推荐方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811567636.9A CN109658194A (zh) | 2018-12-20 | 2018-12-20 | 一种基于视频追踪的客户推荐方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109658194A true CN109658194A (zh) | 2019-04-19 |
Family
ID=66115262
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811567636.9A Pending CN109658194A (zh) | 2018-12-20 | 2018-12-20 | 一种基于视频追踪的客户推荐方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109658194A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110754877A (zh) * | 2019-11-04 | 2020-02-07 | 温州红秀招信息科技有限公司 | 一种基于大数据的商店商品自助导购装置 |
CN110781742A (zh) * | 2019-09-23 | 2020-02-11 | 中国地质大学(武汉) | 一种人流智能识别出行管理系统 |
CN111340565A (zh) * | 2020-03-20 | 2020-06-26 | 北京爱笔科技有限公司 | 一种信息推荐方法、装置、设备及存储介质 |
CN112150228A (zh) * | 2019-06-28 | 2020-12-29 | 浙江汉朔电子科技有限公司 | 一种实体商店信息交互系统和信息推送方法 |
CN112819537A (zh) * | 2021-02-02 | 2021-05-18 | 江西理工大学南昌校区 | 服务于线下商城的客户管理及智推方法 |
CN114387040A (zh) * | 2022-03-22 | 2022-04-22 | 触电网络科技(深圳)有限公司 | 一种基于人工智能的智能拓客方法及系统 |
TWI803759B (zh) * | 2020-06-18 | 2023-06-01 | 遠東百貨股份有限公司 | 店面系統及其操作方法 |
CN118154116A (zh) * | 2024-01-30 | 2024-06-07 | 广州伯威逊科技有限公司 | 一种商城商户智能管理方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101430782A (zh) * | 2008-09-16 | 2009-05-13 | 上海凌迪时装有限公司 | 实现服装终端店铺交互式销售辅助系统及其方法 |
CN103606093A (zh) * | 2013-10-28 | 2014-02-26 | 燕山大学 | 一种基于人体特征的连锁机构vip客户智能服务系统 |
CN107610376A (zh) * | 2017-10-19 | 2018-01-19 | 安徽小豆网络科技有限公司 | 人形机器人自助收银机及无人便利店运营系统 |
CN107808469A (zh) * | 2017-11-02 | 2018-03-16 | 华北理工大学 | 自助超市系统 |
CN107844990A (zh) * | 2017-10-31 | 2018-03-27 | 努比亚技术有限公司 | 一种用于智能门店的信息管理方法及其系统、终端设备 |
CN108614884A (zh) * | 2018-05-03 | 2018-10-02 | 桂林电子科技大学 | 一种基于卷积神经网络的服装图像检索方法 |
CN108829900A (zh) * | 2018-07-31 | 2018-11-16 | 成都视观天下科技有限公司 | 一种基于深度学习的人脸图像检索方法、装置及终端 |
CN108898103A (zh) * | 2018-06-29 | 2018-11-27 | 深圳市宝视达广告控股有限公司 | 一种到店消费者信息的采集处理方法、装置及服务器与一种存储介质 |
CN108985853A (zh) * | 2018-07-27 | 2018-12-11 | 优信拍(北京)信息科技有限公司 | 一种交易的促进方法,装置及系统 |
-
2018
- 2018-12-20 CN CN201811567636.9A patent/CN109658194A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101430782A (zh) * | 2008-09-16 | 2009-05-13 | 上海凌迪时装有限公司 | 实现服装终端店铺交互式销售辅助系统及其方法 |
CN103606093A (zh) * | 2013-10-28 | 2014-02-26 | 燕山大学 | 一种基于人体特征的连锁机构vip客户智能服务系统 |
CN107610376A (zh) * | 2017-10-19 | 2018-01-19 | 安徽小豆网络科技有限公司 | 人形机器人自助收银机及无人便利店运营系统 |
CN107844990A (zh) * | 2017-10-31 | 2018-03-27 | 努比亚技术有限公司 | 一种用于智能门店的信息管理方法及其系统、终端设备 |
CN107808469A (zh) * | 2017-11-02 | 2018-03-16 | 华北理工大学 | 自助超市系统 |
CN108614884A (zh) * | 2018-05-03 | 2018-10-02 | 桂林电子科技大学 | 一种基于卷积神经网络的服装图像检索方法 |
CN108898103A (zh) * | 2018-06-29 | 2018-11-27 | 深圳市宝视达广告控股有限公司 | 一种到店消费者信息的采集处理方法、装置及服务器与一种存储介质 |
CN108985853A (zh) * | 2018-07-27 | 2018-12-11 | 优信拍(北京)信息科技有限公司 | 一种交易的促进方法,装置及系统 |
CN108829900A (zh) * | 2018-07-31 | 2018-11-16 | 成都视观天下科技有限公司 | 一种基于深度学习的人脸图像检索方法、装置及终端 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112150228A (zh) * | 2019-06-28 | 2020-12-29 | 浙江汉朔电子科技有限公司 | 一种实体商店信息交互系统和信息推送方法 |
CN110781742A (zh) * | 2019-09-23 | 2020-02-11 | 中国地质大学(武汉) | 一种人流智能识别出行管理系统 |
CN110754877A (zh) * | 2019-11-04 | 2020-02-07 | 温州红秀招信息科技有限公司 | 一种基于大数据的商店商品自助导购装置 |
CN111340565A (zh) * | 2020-03-20 | 2020-06-26 | 北京爱笔科技有限公司 | 一种信息推荐方法、装置、设备及存储介质 |
TWI803759B (zh) * | 2020-06-18 | 2023-06-01 | 遠東百貨股份有限公司 | 店面系統及其操作方法 |
CN112819537A (zh) * | 2021-02-02 | 2021-05-18 | 江西理工大学南昌校区 | 服务于线下商城的客户管理及智推方法 |
CN114387040A (zh) * | 2022-03-22 | 2022-04-22 | 触电网络科技(深圳)有限公司 | 一种基于人工智能的智能拓客方法及系统 |
CN114387040B (zh) * | 2022-03-22 | 2022-05-27 | 触电网络科技(深圳)有限公司 | 一种基于人工智能的智能拓客方法及系统 |
CN118154116A (zh) * | 2024-01-30 | 2024-06-07 | 广州伯威逊科技有限公司 | 一种商城商户智能管理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109658194A (zh) | 一种基于视频追踪的客户推荐方法及系统 | |
US11790433B2 (en) | Constructing shopper carts using video surveillance | |
CN106776619B (zh) | 用于确定目标对象的属性信息的方法和装置 | |
CN109993595B (zh) | 个性化推荐商品及服务的方法、系统及设备 | |
US8068676B2 (en) | Intelligent fashion exploration based on clothes recognition | |
US20170169297A1 (en) | Computer-vision-based group identification | |
CN107844990A (zh) | 一种用于智能门店的信息管理方法及其系统、终端设备 | |
CN110399835B (zh) | 一种人员停留时间的分析方法、装置及系统 | |
CN104392370A (zh) | 一种自动获取顾客信息的电子商务系统和方法 | |
US10726358B2 (en) | Identification of individuals and/or times using image analysis | |
JP2019020986A (ja) | 人流分析方法、人流分析装置、及び人流分析システム | |
CN111222870B (zh) | 结算方法、装置和系统 | |
CN108335317A (zh) | 一种线下导购方法及装置 | |
JP2016143334A (ja) | 購買分析装置及び購買分析方法 | |
US20200387866A1 (en) | Environment tracking | |
US11615430B1 (en) | Method and system for measuring in-store location effectiveness based on shopper response and behavior analysis | |
US20210233053A1 (en) | Methods, systems, apparatuses, and devices for facilitating advertising of a product | |
AU2017231602A1 (en) | Method and system for visitor tracking at a POS area | |
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 | |
US11537639B2 (en) | Re-identification of physical objects in an image background via creation and storage of temporary data objects that link an object to a background | |
EP3629228B1 (en) | Image processing for determining relationships between tracked objects | |
WO2022142899A1 (zh) | 商铺销售数据分析方法、装置、电子设备及存储介质 | |
Jeon et al. | A retail object classification method using multiple cameras for vision-based unmanned kiosks | |
CN117095462A (zh) | 行为检测方法、装置及设备 | |
JP7327458B2 (ja) | セルフレジシステム、購入商品管理方法および購入商品管理プログラム |
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: 20190419 |
|
RJ01 | Rejection of invention patent application after publication |