CN109697622A - 基于智能店铺的信息生成方法和装置 - Google Patents

Abstract

本申请实施例公开了基于智能店铺的信息生成方法和装置。该方法的一具体实施方式包括：获取位于智能店铺内部的货物区以及结账区的人员的待匹配人脸图像；对于每一待匹配人脸图像，将该待匹配人脸图像与预设人脸图像集合中的人脸图像进行匹配；基于匹配结果，确定与该待匹配人脸图像对应的人员的属性信息；统计预设时间段内货物区具有至少一个相同属性的人员的数目以及结账区具有至少一个相同属性的人员的数目，并生成统计结果；基于统计结果，生成统计信息；其中，属性信息包括年龄、性别，预设人脸图像集合中存储有与预设人脸图像集合中的每一个人脸图像所对应的人员的属性信息。该实施方式实现了根据不同的人物属性对智能店铺内部各区域人员数目有效统计。

Description

基于智能店铺的信息生成方法和装置

技术领域

本申请实施例涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及基于智能店铺的信息生成方法和装置。

背景技术

现有的智能店铺，通常是用户通过信息注册后，将个人信息包括图像上传至服务器。当用户人员进入智能店铺时，需要通过智能店铺门口的人脸识别机器通过人脸识别后进入智能店铺内部。

在智能店铺内部，用户可以自行选购商品，并通过手机应用等进行自主结账。

发明内容

本申请实施例的目的在于提出一种基于智能店铺的信息生成方法和装置。

第一方面，本申请实施例提供了一种基于智能店铺的信息生成方法，该方法包括：获取位于智能店铺内部的货物区以及结账区的人员的待匹配人脸图像；对于每一待匹配人脸图像，将该待匹配人脸图像与预设人脸图像集合中的人脸图像进行匹配；基于匹配结果，确定与该待匹配人脸图像对应的人员的属性信息；统计预设时间段内货物区具有至少一个相同属性的人员的数目以及结账区具有至少一个相同属性的人员的数目，并生成统计结果；基于统计结果，生成统计信息；其中，属性信息包括年龄、性别，预设人脸图像集合中存储有与预设人脸图像集合中的每一个人脸图像所对应的人员的属性信息。

在一些实施例中，对于每一待匹配人脸图像，将该待匹配人脸图像与预设人脸图像集合中的图像进行匹配，包括：对于每一待匹配人脸图像，对该待匹配人脸图像进行特征提取，确定该待匹配人脸图像对应的人员的面部特征；将面部特征与预设人脸图像集合中的各人脸图像对应的人员的面部特征进行相似度计算。

在一些实施例中，基于匹配结果，确定与该图像对应的人员的属性信息，包括：基于相似度计算结果，确定相似度大于预设阈值的预设人脸图像集合中的人脸图像与该待匹配人脸图像对应的人员为同一个人员，并确定与该待匹配人脸图像对应的人员的属性信息。

在一些实施例中，该方法还包括预设人脸图像集合的建立步骤，建立步骤包括：采集智能店铺外部预设区域内的图像；对图像进行内容提取，确定出图像中的人员信息，其中，人员信息包括人员数目、人员的人脸头像；对图像中各人员的人脸头像进行识别，确定各人员的属性信息；基于图像中各人员人脸头像以及与人脸头像对应的人员的属性信息，建立预设人脸图像集合。

在一些实施例中，基于统计结果，生成统计信息，包括：确定结账区和货物区具有至少一个相同属性的人员数目的第一比值；基于第一比值，生成统计信息。

在一些实施例中，基于统计结果，生成统计信息，包括：统计智能店铺外部预设区域内具有至少一个相同属性的人员的数目；确定货物区和智能店铺外部预设区域内具有至少一个相同属性的人员数目的第二比值；基于第一比值、第二比值，生成统计信息。

在一些实施例中，该方法还包括：将结账区的人员的图像以及与该图像对应的人员的面部特征存储至预设客户集合中。

第二方面，本申请实施例提供了一种基于智能店铺的信息生成装置，装置包括：获取单元，配置用于获取位于智能店铺内部的货物区以及结账区的人员的待匹配人脸图像；匹配单元，配置用于对于每一待匹配人脸图像，将该待匹配人脸图像与预设人脸图像集合中的人脸图像进行匹配；确定单元，配置用于基于匹配结果，确定与该待匹配人脸图像对应的人员的属性信息；统计单元，配置用于统计预设时间段内货物区具有至少一个相同属性的人员的数目以及结账区具有至少一个相同属性信息的人员的数目，并生成统计结果；生成单元，配置用于基于统计结果，生成统计信息；其中，属性信息包括年龄、性别，预设人脸图像集合中存储有与预设人脸图像集合中的每一个人脸图像所对应的人员的属性信息。

在一些实施例中，匹配单元进一步配置用于：对于每一待匹配人脸图像，对该待匹配人脸图像进行特征提取，确定该待匹配人脸图像对应的人员的面部特征；将面部特征与预设人脸图像集合中的各人脸图像对应的人员的面部特征进行相似度计算。

在一些实施例中，确定单元进一步配置用于：基于相似度计算结果，确定相似度大于预设阈值的预设人脸图像集合中的人脸图像与该待匹配人脸图像对应的人员为同一个人员，并确定与该待匹配人脸图像对应的人员的属性信息。

在一些实施例中，装置还包括预设人脸图像集合建立单元，建立单元包括：采集子单元，配置用于采集智能店铺外部预设区域内的图像；第一确定子单元，配置用于对图像进行内容提取，确定出图像中的人员信息，其中，人员信息包括人员数目、人员的人脸头像；第二确定子单元，配置用于对图像中各人员的人脸头像进行识别，确定各人员的属性信息；建立子单元，配置用于基于图像中各人员人脸头像以及与人脸头像对应的人员的属性信息，建立预设人脸图像集合。

在一些实施例中，生成单元进一步配置用于：确定结账区和货物区具有至少一个相同属性的人员数目的第一比值；基于第一比值，生成统计信息。

在一些实施例中，生成单元进一步配置用于：统计智能店铺外部预设区域内具有至少一个相同属性的人员的数目；确定货物区和智能店铺外部预设区域内具有至少一个相同属性的人员数目的第二比值；基于第一比值、第二比值，生成统计信息。

第三方面，本申请实施例提供了一种服务器，该服务器包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本申请实施例提供的基于智能店铺的信息生成方法和装置，首先通过将获取到的智能店铺内部的货物区以及结账区的人员的待匹配人脸图像与预设人脸集合中的人脸图像进行比较，从而确定待匹配人脸图像对应的人员的属性信息，然后分别根据统计到的货物区具有至少一个相同属性的人员的数目以及结账区具有至少一个相同属性信息的人员的数目生成统计信息，从而实现了根据不同的人物属性对智能店铺内部各区域人员数目有效统计。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的基于智能店铺的信息生成方法的一个实施例的流程图；

图3是根据本申请的基于智能店铺的信息生成方法的一个应用场景的示意图；

图4是根据本申请的基于智能店铺的信息生成方法的又一个实施例的流程图；

图5是根据本申请的基于智能店铺的信息生成装置的一个实施例的结构示意图；

图6是适于用来实现本申请实施例的终端设备或服务器的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

如图1所示，系统架构100可以包括终端设备101，智能店铺102和服务器103。

用户可以使用终端设备101通过无线网络与智能店铺102交互，并通过设置于智能店铺102门口的用于支持人脸识别的服务器通过人脸识别进入智能店铺102。终端设备101上可以安装有各种通讯客户端应用，例如支付类应用、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备101可以是具有显示屏并且支持扫描支付功能的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts GroupAudio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture ExpertsGroup Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。

智能店铺102包括门外摄像头、门、货架、重力传感器和触摸屏，还可包括内部摄像头。其中，门外的摄像头或内部摄像头可以将采集到的图像提供至服务器103。

服务器103可以是提供各种服务的服务器，例如存储客户人脸头像的服务器，将采集到的人脸头像进行分析，并确定人脸属性。

需要说明的是，本申请实施例所提供的用于智能店铺的信息生成方法一般由服务器103执行，相应地，用于智能店铺的信息生成装置一般设置于服务器103中。

继续参考图2，示出了根据本申请的基于智能店铺的信息生成方法的一个实施例的流程200。该基于智能店铺的信息生成方法，包括以下步骤：

步骤201，获取位于智能店铺内部的货物区以及结账区的人员的待匹配人脸图像。

在本实施例中，基于智能店铺的信息生成方法运行于其上的电子设备(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式获取位于智能店铺内部的货物区以及结账区的人员的待匹配人脸图像。智能店铺例如可以为无人超市、无人便利店等。上述智能店铺通常包括多个区域，其中一个区域为货物区，该货物区中陈列有各种可供人员选择的商品，其中一个区域为结账区，该结账区可供人员对挑选的商品自助结账、付款等。智能店铺内部通常设置有多个摄像设备，其中一个摄像设备用于采集货物区的图像，其中一个摄像设备用于采集结账区的图像。

在本实施例中，智能店铺内部的摄像设备可以将采集到的图像存储在本地，上述电子设备可以从本地中获取货物区以及结账区的图像；上述电子设备也可以通过网络实时获取货物区以及结账区的摄像设备采集到的图像。在这里，上述各摄像设备可以对其对应的区域的人员的人脸头像进行逐一采集，此时上述电子设备可以直接获取到智能店铺内部的货物区以及结账区的人员的待匹配人脸图像。上述各摄像设备可以对其对应的区域进行整体的画面采集，此时，上述电子设备可以分别对摄像设备采集到的货物区以及结账区的图像进行内容识别，提取出位于画面中的人员的待匹配人脸图像。

步骤202，对于每一待匹配人脸图像，将该待匹配人脸图像与预设人脸图像集合中的人脸图像进行匹配。

在本实施例中，上述电子设备中可以预先存储有预设人脸图像集合，该预设人脸图像集合中可以包括历史到访过该智能店铺的人员的人脸图像，也可以包括用户在注册为该智能店铺的会员时上传的人脸图像。根据步骤201中获取到的位于智能店铺内部的货物区以及结账区的人员的待匹配人脸图像，对于每一待匹配人脸图像，上述电子设备可以将该待匹配人脸图像与预设人脸集合中的人脸图像进行匹配。

在本实施例的一些可选的实现方式中，首先可以对待匹配的人脸图像进行面部特征识别，该识别方法可以包括几何特征的识别方法、奇异值分解方法、隐马尔可夫模型识别方法等，上述各识别方法均为现有的公知技术，在此不再赘述。接着将识别的面部特征与预设人脸图像集合中各人脸图像的面部特征匹配，该匹配方法可以包括排序相关算法、FFT(Fast Fourier Transformation，快速傅氏变换)算法等，上述各匹配方法均为现有的公知技术，在此不再赘述；还可以将面部特征与预设人脸图像集合中的各人脸图像对应的人员的面部特征进行相似度计算，其中，该相似度计算的方法可以包括欧式距离计算、马氏距离计算等，上述相似度计算的方法为现有的公知技术，在此不再赘述。

步骤203，基于匹配结果，确定与该待匹配人脸图像对应的人员的属性信息。

在本实施例中，上述预设人脸图像集合中存储有与该预设人脸图像集合中的每一个人脸图像所对应的人员的属性信息，该属性信息包括年龄、性别等。根据步骤202中位于货物区的待匹配人脸图像与预设人脸图像集合中的人脸图像的匹配结果以及位于结账区的人员的待匹配人脸图像与预设人脸图像集合中的人脸图像的匹配结果，可确定与待匹配人脸图像对应的人员的属性信息。

在本实施例中，上述预设人脸图像集合中的每一个人脸图像对应的人员均有一个唯一的身份标识，每一个身份标识均有一个属性信息集合与其对应，属性信息集合中存储有属性信息。当上述各待匹配人脸图像与预设图像集合中的图像匹配后，可以获得与待匹配人脸图像对应的预设人脸图像集合中的人脸图像的身份标识，并利用该身份标识获得属性信息。

在本实施例的一些可选的实现方式中，上述电子设备可以基于相似度计算结果，进一步确定相似度大于预设阈值的预设人脸图像集合中的人脸图像与该待匹配人脸图像对应的人员为同一个人员。在确定为同一个人员后，上述电子设备可以进一步从上述预设图像集合中获取与该待匹配人脸图像对应的人员的属性信息。

步骤204，统计预设时间段内货物区具有至少一个相同属性的人员的数目以及结账区具有至少一个相同属性的人员的数目，并生成统计结果。

在本实施例中，根据步骤203中确定的各待匹配人脸图像对应的人员的属性信息，上述电子设备可以分别统计预设时间段内获取具有至少一个相同属性的人员的数目以及结账区具有至少一个相同属性信息的人员的数目。

作为示例，上述电子设备可以统计预设时间段内位于智能店铺内部的货物区具有“男人”这一属性信息对应的人员的数目，以及位于结账区具有“男人”这一属性信息对应的人员的数目。上述电子设备还可以统计预设时间段内位于智能店铺内部的货物区年龄在“18岁～30岁”这一年龄段对应的人员的数目，以及位于智能店铺内部的结账区年龄在“18岁～30岁”这一年龄段对应的人员的数目。

步骤205，基于统计结果，生成统计信息。

本实施中，上述电子设备可以根据步骤204中的统计结果生成统计信息。

在本实施例的一些可选的实现方式中，基于统计的结账区具有至少一个相同属性的人员的数目以及货物区具有至少一个相同属性的人员的数目，上述电子设备可以确定上述结账区与上述货物区具有至少一个相同属性的人员数目的第一比值，并基于该第一比值，生成统计信息，在这里，可以将该第一比值称为“购买转换率”，“购买转换率”可以反映进入智能店铺的人员的购买能力，也即可以评估店铺的盈利能力。

作为示例，上述电子设备可以确定上述结账区“男人”的数目与上述货物区“男人”的数目的比值，作为第一比值。在这里，通过确定结账区与货物区具有至少一个相同属性的人员数目的第一比值，可以确定有多少“男人”会进入该智能店铺内，同时有多少“男人”会进行商品的购买，从而得到“基于男人这一属性的购买转换率”。类似地，也可以根据不同的属性信息，得到基于其他属性的购买转换率。

在本实施例的一些可选的实现方式中，智能店铺外部设置有摄像设备，可以采集智能店铺外部预设区域周围环境的图像。上述电子设备可以获取智能店铺外部预设区域智能店铺外部预设区域周围环境的图像，并对图像进行人物检测，确定该图像中的人员的数目，以及人员的面部图像。上述电子设备可以进一步对人员的面部图像进行识别，确定与图像中的各人员对应的属性信息，并统计智能店铺外部预设区域内具有至少一个相同属性的人员的数目。接着，上述电子设备可以确定货物区和智能店铺外部预设区域内具有至少一个相同属性的人员数目的第二比值，并基于上述第一比值、该第二比值生成统计信息。在这里，可以将第二比值称为“人员进店率”，“人员进店率”反映了智能店铺门外的人员进入店铺内部的比率，也即可以评估店铺对行人的吸引力。

在这些可选的实现方式中，通过统计智能店铺外部预设区域内具有至少一个相同属性的人员的数目、货物区具有至少一个相同属性的人员的数目以及结账区具有至少一个相同属性的人员的数目，从而使得统计数目逐渐减少，形成基于人流量的“流量漏斗”，从而为智能店铺的经营者提供更加准确的数据支持，使得经营者通过对数据的分析提高智能店铺的经营能力。

在本实施例的一些可选的实现方式中，基于智能店铺的信息生成方法运行于其上的电子设备中还设置有预设客户集合，该预设客户集合中存储有上述结账区的人员的图像以及与该图像对应的人员的面部特征，当上述电子设备生成统计信息后，还可以将结账区的人员的图像以及与该图像对应的人员的面部特征存储至预设客户集合中。

继续参见图3，图3是根据本实施例的基于智能店铺的信息生成方法的应用场景的一个示意图。在图3的应用场景中，首先运行于电子设备上的服务器305从摄像机301中获取位于智能店铺内部的货物区的待匹配人脸图像303，并从摄像机302中获取位于智能店铺内部的结账区的待匹配人脸图像304，在这里，服务器305可以将获取到待匹配人脸图像303和304存储在本地文件夹中。接着，服务器305可以将每一张待匹配人脸图像306与预设人脸图像集合中的图像307进行匹配，并根据匹配结果，确定与待匹配人脸图像对应的人员的属性信息308，在这里，属性信息306可以包括年龄信息、性别信息等。接着，服务器305分别统计预设时间段内货物区具有至少一个相同属性的人员的数目309以及预设时间段内结账区具有至少一个相同属性的人员的数目310，最后基于统计结果，生成统计信息311。

本申请实施例提供的基于智能店铺的信息生成方法，首先通过将获取到的智能店铺内部的货物区以及结账区的人员的待匹配人脸图像与预设人脸集合中的人脸图像进行比较，从而确定待匹配人脸图像对应的人员的属性信息，然后分别根据统计到的货物区具有至少一个相同属性的人员的数目以及结账区具有至少一个相同属性信息的人员的数目生成统计信息，从而实现了根据不同的人物属性对智能店铺内部各区域人员数目有效统计。

在一些可选的实现方式中，可以参考图4的流程来建立预设人脸图像集合。具体地，建立预设人脸图像集合的流程包括：

步骤401，采集智能店铺外部预设区域内的图像。

在本实施例中，基于智能店铺的信息生成方法运行于其上的电子设备(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式获取位于智能店铺外部预设区域内的图像。

在本实施例中，智能店铺外部设置有摄像设备，当人员进入智能店铺内部时，上述电子设备需要对人员的人脸进行识别验证，同时，上述摄像设备可以采集验证区域周围环境的图像。上述电子设备可以从本地获取摄像设备采集到的图像，也可以实时获取采集到的图像。

步骤402，对图像进行内容提取，确定出图像中的人员信息。

在本实施例中，根据步骤401中获取到的智能店铺外部预设区域内的图像，上述电子设备可以对该预设区域内的图像进行内容提取，从而确定出图像中的人员的信息。在这里，该人员信息可以包括人员数目、人员的人脸图像。在这里，确定出图像中的人员信息的方法可以利用人脸检测法，人脸检测时指在输入图像中确定出所有人脸的位置、大小和位姿的过程。在这里，人脸检测的方法可以包括特征不变方法，即在姿态、视角或光照条件改变的情况下找到存在的结构特征,然后使用这些特征确定人脸；还可以包括模板匹配法，即存储几种标准的人脸模式,用来分别描述整个人脸和面部特征，计算输入图像和存储的模式间的相互关系并用于检测；还可以包括基于知识的方法，即将典型的人脸形成规则库对人脸进行编码，通过面部特征之间的关系进行人脸定位。值得注意的是，上述人脸检测的方法均为现有的公知技术，在此不再赘述。

作为示例，当上述摄像设备采集到的图像中有5个人出现在画面中时，上述电子设备可以对图像进行识别，提取图像的内容，对图像的人脸进行检测，从而确定出图像中所包含的人员的数目为5，同时确定每一个人员的人脸头像。

步骤403，对图像中各人员的人脸头像进行识别，确定各人员的属性信息。

在本实施例中，根据步骤402中提取到的人员的人脸头像，上述电子设备可以对图像中各人员的人脸头像进行识别，从而确定出图像中各人员的属性信息。

在本实施例中，当检测出上述摄像设备拍摄的图像中的人员后，上述电子设备可以对各人员的人脸头像进行特征提取，从而识别各人员的人脸的面部特征。在这里，人脸面部特征识别的方法还可以包括LBP(local binary patterns)技术，还可以包括基于ASM算法的特征提取，其中，ASM算法是基于统计学习模型的特征点提取的一种方法，上述两种基于人脸面部的特征提取方法为现有的公知技术，在此不再赘述。在识别出图像中各人员的人脸头像的面部特征后，上述电子设备可以进一步确定各人员的属性信息，其中，属性信息包括年龄、性别等。例如，上述电子设备可以基于人员的头发轮廓特征、面部轮廓特征等识别出人员的性别信息、年龄信息等。

步骤404，基于图像中各人员人脸头像以及与人脸头像对应的人员的属性信息，建立预设人脸图像集合。

在本实施例中，上述电子设备根据步骤402中确定的智能店铺外部预设区域的图像中的人员的人脸头像以及步骤403中确定的与各人脸头像对应的人员的属性信息，可以建立预设人脸图像集合。其中，每一个预设人脸集合中的人脸头像对应的人员均有一个身份标识，该身份标识用于证明该人员的头像的唯一性。为了获得预设人脸图像集合中某一人脸图像对应的人员的属性信息，可以利用与其对应的身份标识来检索，从而可以快速寻找到该人员的属信息。

从图4中可以看出，与图2所示的实施例不同的是，本实施例突出了预设人脸图像集合的建立步骤。由此，本实施例描述的方案可以使得预设人脸头像集合中的人脸图像更加具有目的性、更加准确，从而提高待匹配人脸图像与预设人脸图像集合中人脸图像的匹配速度。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种基于智能店铺的信息生成装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的基于智能店铺的信息生成装置500包括：获取单元501、匹配单元502、确定单元503、统计单元504和生成单元505。其中，获取单元501配置用于获取位于智能店铺内部的货物区以及结账区的人员的待匹配人脸图像；匹配单元502配置用于对于每一待匹配人脸图像，将该待匹配人脸图像与预设人脸图像集合中的人脸图像进行匹配；确定单元503配置用于基于匹配结果，确定与该待匹配人脸图像对应的人员的属性信息；统计单元504配置用于统计预设时间段内货物区具有至少一个相同属性的人员的数目以及结账区具有至少一个相同属性的人员的数目，并生成统计结果；生成单元505配置用于基于统计结果，生成统计信息；其中，属性信息包括年龄、性别，预设人脸图像集合中存储有与预设人脸图像集合中的每一个人脸图像所对应的人员的属性信息。

在本实施例中，基于智能店铺的信息生成装置500中：获取单元501、匹配单元502、确定单元503、统计单元504和生成单元505具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202、步骤203、步骤204和步骤205的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，匹配单元502进一步配置用于：对于每一待匹配人脸图像，对该待匹配人脸图像进行特征提取，确定该待匹配人脸图像对应的人员的面部特征；将面部特征与预设人脸图像集合中的各人脸图像对应的人员的面部特征进行相似度计算。

在本实施例的一些可选的实现方式中，确定单元503进一步配置用于：基于相似度计算结果，确定相似度大于预设阈值的预设人脸图像集合中的人脸图像与该待匹配人脸图像对应的人员为同一个人员，并确定与该待匹配人脸图像对应的人员的属性信息。

在本实施例的一些可选的实现方式中，装置还包括预设人脸图像集合建立单元(未示出)，建立单元(未示出)包括：采集子单元(未示出)，配置用于采集智能店铺外部预设区域内的图像；第一确定子单元(未示出)，配置用于对图像进行内容提取，确定出图像中的人员信息，其中，人员信息包括人员数目、人员的人脸头像；第二确定子单元(未示出)，配置用于对图像中各人员的人脸头像进行识别，确定各人员的属性信息；建立子单元(未示出)，配置用于基于图像中各人员人脸头像以及与人脸头像对应的人员的属性信息，建立预设人脸图像集合。

在本实施例的一些可选的实现方式中，生成单元505进一步配置用于：确定结账区和货物区具有至少一个相同属性的人员数目的第一比值；基于第一比值，生成统计信息。

在本实施例的一些可选的实现方式中，生成单元505进一步配置用于：统计智能店铺外部预设区域内具有至少一个相同属性的人员的数目；确定货物区和智能店铺外部预设区域内具有至少一个相同属性的人员数目的第二比值；基于第一比值、第二比值，生成统计信息。

在本实施例的一些可选的实现方式中，基于智能店铺的信息生成装置500还包括存储单元(未示出)，配置用于将结账区的人员的图像以及与该图像对应的人员的面部特征存储至预设客户集合中。

下面参考图6，其示出了适于用来实现本申请实施例的电子设备的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(CPU，Central Processing Unit)601，其可以根据存储在只读存储器(ROM，Read Only Memory)602中的程序或者从存储部分606加载到随机访问存储器(RAM，Random Access Memory)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM602以及RAM 603通过总线604彼此相连。输入/输出(I/O，Input/Output)接口605也连接至总线604。

以下部件连接至I/O接口605：包括硬盘等的存储部分606；以及包括诸如LAN(局域网，Local Area Network)卡、调制解调器等的网络接口卡的通信部分607。通信部分607经由诸如因特网的网络执行通信处理。驱动器608也根据需要连接至I/O接口605。可拆卸介质609，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器608上，以便于从其上读出的计算机程序根据需要被安装入存储部分606。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分607从网络上被下载和安装，和/或从可拆卸介质609被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、匹配单元、确定单元、统计单元和生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取位于智能店铺内部的货物区以及结账区的人员的待匹配人脸图像的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：获取位于智能店铺内部的货物区以及结账区的人员的待匹配人脸图像；对于每一待匹配人脸图像，将该待匹配人脸图像与预设人脸图像集合中的人脸图像进行匹配；基于匹配结果，确定与该待匹配人脸图像对应的人员的属性信息；统计预设时间段内货物区具有至少一个相同属性的人员的数目以及结账区具有至少一个相同属性的人员的数目，并生成统计结果；基于统计结果，生成统计信息；其中，属性信息包括年龄、性别，预设人脸图像集合中存储有与预设人脸图像集合中的每一个人脸图像所对应的人员的属性信息。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (15)

1.一种基于智能店铺的信息生成方法，其特征在于，所述方法包括：

获取位于智能店铺内部的货物区以及结账区的人员的待匹配人脸图像；

对于每一待匹配人脸图像，将该待匹配人脸图像与预设人脸图像集合中的人脸图像进行匹配；

基于匹配结果，确定与该待匹配人脸图像对应的人员的属性信息；

统计预设时间段内所述货物区具有至少一个相同属性的人员的数目以及所述结账区具有至少一个相同属性的人员的数目,并生成统计结果；

基于所述统计结果，生成统计信息；

其中，所述属性信息包括年龄、性别，所述预设人脸图像集合中存储有与所述预设人脸图像集合中的每一个人脸图像所对应的人员的属性信息。

2.根据权利要求1所述的方法，其特征在于，所述对于每一待匹配人脸图像，将该待匹配人脸图像与预设人脸图像集合中的人脸图像进行匹配，包括：

对于每一待匹配人脸图像，对该待匹配人脸图像进行特征提取，确定该待匹配人脸图像对应的人员的面部特征；

将所述面部特征与所述预设人脸图像集合中的各人脸图像对应的人员的面部特征进行相似度计算。

3.根据权利要求2所述的方法，其特征在于，所述基于匹配结果，确定与该待匹配人脸图像对应的人员的属性信息，包括：

基于相似度计算结果，确定相似度大于预设阈值的所述预设人脸图像集合中的人脸图像与该待匹配人脸图像对应的人员为同一个人员，并确定与该待匹配人脸图像对应的人员的属性信息。

4.根据权利要求1-3之一所述的方法，其特征在于，所述方法还包括预设人脸图像集合的建立步骤，所述建立步骤包括：

采集所述智能店铺外部预设区域内的图像；

对所述图像进行内容提取，确定出所述图像中的人员信息，其中，所述人员信息包括人员数目、人员的人脸头像；

对图像中各人员的人脸头像进行识别，确定各人员的属性信息；

基于图像中各人员人脸头像以及与人脸头像对应的人员的属性信息，建立所述预设人脸图像集合。

5.根据权利要求4所述的方法，其特征在于，所述基于所述统计结果，生成统计信息，包括：

确定所述结账区和所述货物区具有至少一个相同属性的人员数目的第一比值；

基于所述第一比值，生成所述统计信息。

6.根据权利要求5所述的方法，其特征在于，所述基于所述统计结果，生成统计信息，包括：

统计所述智能店铺外部预设区域内具有至少一个相同属性的人员的数目；

确定所述货物区和所述智能店铺外部预设区域内具有至少一个相同属性的人员数目的第二比值；

基于所述第一比值、所述第二比值，生成所述统计信息。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将所述结账区的人员的图像以及与该图像对应的人员的面部特征存储至预设客户集合中。

8.一种基于智能店铺的信息生成装置，其特征在于，所述装置包括：

获取单元，配置用于获取位于智能店铺内部的货物区以及结账区的人员的待匹配人脸图像；

匹配单元，配置用于对于每一待匹配人脸图像，将该待匹配人脸图像与预设人脸图像集合中的人脸图像进行匹配；

确定单元，配置用于基于匹配结果，确定与该待匹配人脸图像对应的人员的属性信息；

统计单元，配置用于统计预设时间段内所述货物区具有至少一个相同属性的人员的数目以及所述结账区具有至少一个相同属性的人员的数目，并生成统计结果；

生成单元，配置用于基于所述统计结果，生成统计信息；

其中，所述属性信息包括年龄、性别，所述预设人脸图像集合中存储有与所述预设人脸图像集合中的每一个人脸图像所对应的人员的属性信息。

9.根据权利要求8所述的装置，其特征在于，所述匹配单元进一步配置用于：

对于每一待匹配人脸图像，对该待匹配人脸图像进行特征提取，确定该待匹配人脸图像对应的人员的面部特征；

将所述面部特征与所述预设人脸图像集合中的各人脸图像对应的人员的面部特征进行相似度计算。

10.根据权利要求9所述的装置，其特征在于，所述确定单元进一步配置用于：

基于相似度计算结果，确定相似度大于预设阈值的所述预设人脸图像集合中的人脸图像与该待匹配人脸图像对应的人员为同一个人员，并确定与该待匹配人脸图像对应的人员的属性信息。

11.根据权利要求8-10之一所述的装置，其特征在于，所述装置还包括预设人脸图像集合建立单元，所述建立单元包括：

采集子单元，配置用于采集所述智能店铺外部预设区域内的图像；

第一确定子单元，配置用于对所述图像进行内容提取，确定出所述图像中的人员信息，其中，所述人员信息包括人员数目、人员的人脸头像；

第二确定子单元，配置用于对图像中各人员的人脸头像进行识别，确定各人员的属性信息；

建立子单元，配置用于基于图像中各人员人脸头像以及与人脸头像对应的人员的属性信息，建立所述预设人脸图像集合。

12.根据权利要求11所述的装置，其特征在于，所述生成单元进一步配置用于：

确定所述结账区和所述货物区具有至少一个相同属性的人员数目的第一比值；

基于所述第一比值，生成所述统计信息。

13.根据权利要求12所述的装置，其特征在于，所述生成单元进一步配置用于：

统计所述智能店铺外部预设区域内具有至少一个相同属性的人员的数目；

确定所述货物区和所述智能店铺外部预设区域内具有至少一个相同属性的人员数目的第二比值；

基于所述第一比值、所述第二比值，生成所述统计信息。

14.一种服务器，其特征在于，所述服务器包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

15.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一所述的方法。