CN109903073A - 基于人脸识别的导购方法、装置以及计算机设备 - Google Patents
基于人脸识别的导购方法、装置以及计算机设备 Download PDFInfo
- Publication number
- CN109903073A CN109903073A CN201910027105.9A CN201910027105A CN109903073A CN 109903073 A CN109903073 A CN 109903073A CN 201910027105 A CN201910027105 A CN 201910027105A CN 109903073 A CN109903073 A CN 109903073A
- Authority
- CN
- China
- Prior art keywords
- image
- customer
- classification
- recognition
- 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
Abstract
本发明公开了一种基于人脸识别的导购方法,该方法包括:获取商场第一位置的摄像单元拍摄的第一图像;识别所述第一图像中包括的顾客数量最多的第一顾客类别;分别获取与所述第一顾客类别对应的所有第一类别商店的摄像单元拍摄的图像,并分别识别对应的顾客数量;将顾客数量最少的图像所对应的第一类别商店的广告投放到所述第一位置相应的电子广告栏。本发明还提供一种基于人脸识别的导购装置、服务器及计算机可读存储介质。本发明提供的基于人脸识别的导购方法、装置、计算机设备及计算机可读存储介质能够对商场的指定通道的顾客进行识别,然后将最多数量的顾客类别所对应的商店中顾客最少的商店广告投放到电子广告栏,从而实现精准导购。
Description
技术领域
本发明涉及人脸识别技术领域,尤其涉及一种基于人脸识别的导购方法、装置、计算机设备及计算机可读存储介质。
背景技术
大型商场一般都包括了分门别类的很多个店面,各个店面出售的商品各不一样。当顾客到商场去选购商品时,通常需要花费不少时间去了解整个商场的店面布局才能做到有针对地去相应的店面选购商品。然而,当顾客数量比较多的时候,进入商场之后顾客可能因没有时间去熟悉商场的店面分布,从而导致进入商场的顾客分布不均,而且大部分顾客可能停留在通道或者路口查看逗留。因此,这种情况通常会造成人群堵塞,给顾客不良的购物体验,而且降低了顾客选购商品的效率,影响商场收益。
发明内容
有鉴于此,本发明提出一种基于人脸识别的导购方法、装置、计算机设备及计算机可读存储介质,能够对商场的指定通道的人群的顾客类别和顾客数量进行识别,接着对顾客数量最多的顾客类别所对应的商店类别的所有商店进行拍摄图像并识别其中的顾客数量,然后将其中顾客数量最少的商店的广告投放到所述指定通道的电子广告栏,从而到达对该通道的人群的顾客进行引导,实现精准导购的效果。
首先,为实现上述目的,本发明提供一种基于人脸识别的导购方法,该方法应用于商场管理系统,所述方法包括:
获取商场第一位置的摄像单元拍摄的第一图像;识别所述第一图像中包括的顾客数量最多的第一顾客类别;分别获取与所述第一顾客类别对应的所有第一类别商店的摄像单元拍摄的图像;分别识别所述第一类别商店拍摄的图像中包括的顾客数量;将顾客数量最少的图像所对应的第一类别商店的广告投放到所述第一位置相应的电子广告栏。
可选地,在所述“获取商场第一位置的摄像单元拍摄的第一图像”的步骤之后,所述“识别所述第一图像中包括的顾客数量最多的第一顾客类别”的步骤之前,还包括步骤:根据行人检测技术识别所述第一图像中包括的顾客数量;当所述第一图像包括的所述顾客数量大于或等于预设的第一阈值时,则进一步对所述第一图像的人物图像进行人脸识别。
可选地,所述方法还包括:在所述“将顾客数量最少的图像所对应的第一类别商店的广告投放到所述第一位置相应的电子广告栏”步骤之后的预设的第一周期后重新回到所述“获取商场第一位置的摄像单元拍摄的第一图像”的步骤;以及当所述第一图像包括的所述顾客数量小于预设的第一阈值时,则在预设的第二周期后重新回到所述“获取商场第一位置的摄像单元拍摄的第一图像”的步骤。
可选地,所述“识别所述第一图像中包括的顾客数量最多的第一顾客类别”的步骤主要包括:根据预设的人脸识别模型分别识别所述第一图像包括的顾客类别,以及对应顾客数量,其中,所述人脸识别模型识别对象包括男人,女人和婴儿;选择出所述第一图像中顾客数量最多的第一顾客类别,当顾客数量最多的顾客类别有两个以上时,随机选择一个顾客类别作为所述第一顾客类别。
此外,为实现上述目的,本发明还提供一种基于人脸识别的导购装置,所述装置包括:
获取模块,用于获取商场第一位置的摄像单元拍摄的第一图像;识别模块,用于识别所述第一图像中包括的顾客数量最多的第一顾客类别;所述获取模块,还用于分别获取与所述第一顾客类别对应的所有第一类别商店的摄像单元拍摄的图像;所述识别模块,还用于分别识别所述第一类别商店拍摄的图像中包括的顾客数量;投放模块,用于将顾客数量最少的图像所对应的第一类别商店的广告投放到所述第一位置相应的电子广告栏。
可选地,所述识别模块还用于根据行人检测技术识别所述第一图像中包括的顾客数量;以及当所述第一图像包括的所述顾客数量大于或等于预设的第一阈值时,则进一步对所述第一图像的人物图像进行人脸识别。
可选地,在所述投放模块将顾客数量最少的图像所对应的第一类别商店的广告投放到所述第一位置相应的电子广告栏之后,则所述获取模块在预设的第一周期后重新获取商场第一位置的摄像单元拍摄的第一图像;以及当所述识别模块识别出所述第一图像包括的所述顾客数量小于预设的第一阈值时,则所述获取模块在预设的第二周期后重新获取商场第一位置的摄像单元拍摄的第一图像。
可选地,所述识别模块还用于:根据预设的人脸识别模型分别识别所述第一图像包括的顾客类别,以及对应顾客数量,其中,所述人脸识别模型识别对象包括男人,女人和婴儿;选择出所述第一图像中顾客数量最多的第一顾客类别,当顾客数量最多的顾客类别有两个以上时,随机选择一个顾客类别作为所述第一顾客类别。
进一步地,本发明还提出一种计算机设备,所述计算机设备包括存储器、处理器,所述存储器上存储有可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如上述的基于人脸识别的导购方法的步骤。
进一步地,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序可被至少一个处理器执行,以使所述至少一个处理器执行如上述的基于人脸识别的导购方法的步骤。
相较于现有技术,本发明所提出的基于人脸识别的导购方法、装置、计算机设备及计算机可读存储介质,能够对商场的指定通道的人群的顾客类别和顾客数量进行识别,接着对顾客数量最多的顾客类别所对应的商店类别的所有商店进行拍摄图像并识别其中的顾客数量,然后将其中顾客数量最少的商店的广告投放到所述指定通道的电子广告栏,从而到达对该通道的人群的顾客进行引导,实现精准导购的效果。
附图说明
图1是本发明计算机设备一可选的硬件架构的示意图;
图2是本发明基于人脸识别的导购装置一实施例的程序模块示意图;
图3是本发明基于人脸识别的导购方法一实施例的流程示意图。
附图标记:
计算机设备 | 1 |
存储器 | 11 |
处理器 | 12 |
网络接口 | 13 |
基于人脸识别的导购装置 | 200 |
获取模块 | 201 |
识别模块 | 202 |
投放模块 | 203 |
本发明目的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,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。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在本发明中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
参阅图1所示,是本发明计算机设备1一可选的硬件架构的示意图。
本实施例中,所述计算机设备1可包括,但不仅限于,可通过系统总线相互通信连接存储器11、处理器12、网络接口13。
所述计算机设备1通过网络接口13连接网络(图1未标出),通过网络连接到其他终端设备如摄像机,广告牌,移动终端(Mobile Terminal)、移动电话(Mobile Telephone)、用户设备(User Equipment,UE)、手机(handset)及便携设备(portable equipment)、PC端等。所述网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯系统(GlobalSystem of Mobile communication,GSM)、宽带码分多址(Wideband Code DivisionMultiple Access,WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi、通话网络等无线或有线网络。
需要指出的是,图1仅示出了具有组件11-13的计算机设备1,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器11可以是所述计算机设备1的内部存储单元,例如该计算机设备1的硬盘或内存。在另一些实施例中,所述存储器11也可以是所述计算机设备1的外部存储设备,例如该计算机设备1配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,所述存储器11还可以既包括所述计算机设备1的内部存储单元也包括其外部存储设备。本实施例中,所述存储器11通常用于存储安装于所述计算机设备1的操作系统和各类应用软件,例如基于人脸识别的导购装置200的程序代码等。此外,所述存储器11还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器12在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器12通常用于控制所述计算机设备1的总体操作,例如执行数据交互或者通信相关的控制和处理等。本实施例中,所述处理器12用于运行所述存储器11中存储的程序代码或者处理数据,例如运行所述基于人脸识别的导购装置200等。
所述网络接口13可包括无线网络接口或有线网络接口,该网络接口13通常用于在所述计算机设备1与以上所述的其他终端设备如摄像机,广告牌,移动终端、移动电话、用户设备、手机及便携设备,PC端等建立通信连接。
本实施例中,所述计算机设备1内安装并运行有基于人脸识别的导购装置200时,当所述基于人脸识别的导购装置200运行时,能够对商场的指定通道的人群的顾客类别和顾客数量进行识别,接着对顾客数量最多的顾客类别所对应的商店类别的所有商店进行拍摄图像并识别其中的顾客数量,然后将其中顾客数量最少的商店的广告投放到所述指定通道的电子广告栏,从而到达对该通道的人群的顾客进行引导,实现精准导购的效果。
至此,己经详细介绍了本发明各个实施例的应用环境和相关设备的硬件结构和功能。下面,将基于上述应用环境和相关设备,提出本发明的各个实施例。
首先,本发明提出一种基于人脸识别的导购装置200。
参阅图2所示,是本发明基于人脸识别的导购装置200一实施例的程序模块图。
本实施例中,所述基于人脸识别的导购装置200包括一系列的存储于存储器11上的计算机程序指令,当该计算机程序指令被处理器12执行时,可以实现本发明各实施例的基于人脸识别的导购功能。在一些实施例中,基于该计算机程序指令各部分所实现的特定的操作,基于人脸识别的导购装置200可以被划分为一个或多个模块。例如,在图2中,所述基于人脸识别的导购装置200可以被分割成获取模块201、识别模块202和投放模块203。其中:
所述获取模块201,用于获取商场第一位置的摄像单元拍摄的第一图像。
具体地,预先在商场的各个进出口、通道或者分叉路口分别设置摄像单元以及对应的电子广告栏,所有的摄像单元和电子广告栏都与所述基于人脸识别的导购装置200通讯连接。所述获取模块201可以周期性获取摄像单元拍摄的图像。在本实施例中,例如,定义所述商场中的某个分叉路口为第一位置,所述基于人脸识别的导购装置200中的所述获取模块201获取所述第一位置的摄像单元拍摄的第一图像。其中,所述第一位置的摄像单元预先装设在所述第一位置的上方并摄像镜头正对着所述第一位置,然后刚好能够拍摄到通过所述第一位置的人群的清晰图像。
所述识别模块202,用于识别所述第一图像中包括的顾客数量最多的第一顾客类别。
具体地,在所述获取模块201获取到所述第一图像之后,接着,所述识别模块202则对所述第一图像进行识别。在本实施例中,所述识别模块202首先根据行人检测技术识别所述第一图像中包括的顾客数量,当所述第一图像包括的所述顾客数量大于或等于预设的第一阈值时,所述识别模块202则进一步对所述第一图像的人物图像进行人脸识别,由于根据行人检测技术对图像的行人数量进行识别属于现有常用技术,这里不做赘述。当然,如果拍摄的所述第一图像中的人群中的少数人脸图像不清晰或者被遮挡不能进行识别,那么,所述识别模块202仅对能够进行识别的人脸图像进行识别。当所述识别模块202识别出所述第一图像包括的所述顾客数量小于预设的第一阈值时,所述获取模块201则会在预设周期内重新获取商场第一位置的摄像单元拍摄的第一图像,然后所述识别模块202重新进行识别。例如,第一阈值预设为10人,也就是说,商场进出口、通道或者分叉路口的同一图像包括的人数大于或等于10人,则较为拥挤。因此,所述识别模块202对所述获取模块201获取到的所述第一图像进行行人检测,当识别出所述第一图像中的顾客数量包括大于或等于10人,则所述识别模块202进一步对所述第一图像进行人脸识别。当识别出所述第一图像中的顾客数量小于10人,则认为所述第一位置对应的进出口、通道或者分叉路口较为畅通,那么,所述识别模块202则不对所述第一图像进行人脸识别,而是等待所述获取模块201在预设的第二周期后重新获取商场第一位置的摄像单元拍摄的第一图像,例如,由于通过所述第一位置的人群数量较少,因此,导购的需求不大,所述第二周期则被设置为较长时间比如10分钟。
在本实施例中,所述识别模块202根据预设的人脸识别模型分别识别所述第一图像包括的顾客类别,以及对应顾客数量,其中,所述人脸识别模型识别对象包括“男人”,“女人”和“婴儿”。接着,所述识别模块202选择出所述第一图像中顾客数量最多的第一顾客类别,当顾客数量最多的顾客类别有两个以上时,随机选择一个顾客类别作为所述第一顾客类别。例如:当所述识别模块202通过行人检测方式识别出所述第一图像中的顾客数量为11人,大于所述第一阈值10人,因此,所述识别模块202进一步根据所述人脸识别模型对所述第一图像进行人脸识别。比如,所述识别模块202通过人脸分析得到所述人群图像中包括的“男人”的数量为3人,“女人”的数量为3人,“婴儿”的数量为5人。接着,所述识别模块202选择出所述第一图像中顾客数量最多的“婴儿”作为第一顾客类别。值得说明的是,所述人脸识别模型是通过将“男人”类型人脸图像,“女人”类型人脸图像和“婴儿”类型人脸图像通过现有的卷积神经网络的学习模型训练得到的,所述人脸识别模型包括了“男人”类型人脸图像,“女人”类型人脸图像和“婴儿”类型人脸图像对应的特征值模型,因此可以根据输入的人脸图像识别出“男人”,“女人”和“婴儿”。例如,所述基于人脸识别的导购装置200预先对预设数量的男人、女人和婴儿的人脸图像进行采样,比如先分别对2000个的男人、2000个女人和2000个婴儿的进行人脸图像采样,然后根据这些人脸图像对人脸识别模型进行训练。也就是通过这些分别代表男人、女人和婴儿的人脸图像的特征值对一个初始的人脸识别模型进行训练,然后得到一个能够识别出男人、女人和婴儿的人脸图像的人脸识别模型。
当然,在其他实施例中,所述基于人脸识别的导购装置200也可以预先设置其他的人群类别选择规则,例如:当“婴儿”数量大于3时,不管“男人”和“女人”数量多少,均以“婴儿”类别作为第一顾客类别;当“婴儿”数量小于或等于3时,则选择顾客数量最多的人群类别作为第一顾客类别。
所述获取模块201,还用于分别获取与所述第一顾客类别对应的所有第一类别商店的摄像单元拍摄的图像。所述识别模块202,还用于分别识别所述第一类别商店拍摄的图像中包括的顾客数量。
具体地,商场中每个商店中均安装有摄像单元,所述摄像单元周期性地拍摄该商店的顾客图像,并通过人脸识别和分析的方法获取该商店的当前的顾客数量。例如,在所述识别模块202识别出商场所述第一位置的所述第一图像中的顾客数量大于或等于10且所述第一图像中人群类别最多的是“婴儿”之后,所述获取模块201则会获取“婴儿”对应的第一类商店对应的摄像单元拍摄的图像,然后所述识别模块202则对所述第一类别商店的摄像单元拍摄的图像进行识别,从而识别出其中包括的顾客数量。例如,商场中包括“婴儿”相关商品的所述第一类商店有A,B,C三个,然后所述获取模块201分别获取所述A,B,C商店对应的摄像单元所拍摄到的顾客图像,并通过人脸识别方法识别出A,B,C商店的当前的顾客数量,例如,商店A,B,C当前顾客数量分别为18,14和6。
所述投放模块203,用于将顾客数量最少的图像所对应的第一类别商店的广告投放到所述第一位置相应的电子广告栏。
具体地,当所述识别模块202分别识别出所述第一类别商店中的每个商店的图像中的顾客数量之后,所述投放模块203则选择顾客数量最少的商店对应的广告投放到所述第一位置相应的电子广告栏。在本实施例中,所述电子广告栏设置在所述第一位置,比如悬空挂置或者立台设置,当顾客通行到所述第一位置时可以轻易观看到所述电子广告栏。例如,所述识别模块202识别出所述第一位置的摄像单元拍摄的人群图像中的人群数量大于阈值10且顾客数量最多的人群类别为“婴儿”;接着,所述获取模块201获取“婴儿”对应的第一类别商店的摄像单元所拍摄的顾客图像,然后所述识别模块202通过人脸识别的方式分析出每个商店的顾客数量,例如第一类别商店中,A,B,C商店的顾客数量分别18,14和6;那么投放模块203则将顾客数量为6的C商店的广告投放到所述第一位置对应的电子广告栏,在其他实施例,也可以根据C商店的广告信息生成对应的导购语音进行播报。
接着,所述获取模块201在预设的第一周期后重新获取商场第一位置的摄像单元拍摄的第一图像,然后重复以上的识别模块202、获取模块203和投放模块204的相关的功能。在本实施例中,由于通过所述第一位置的人群数量较多,因此,导购的需求较大,所述第一周期则被设置为较短时间比如3分钟。
从上文可知,所述计算机设备1能够对商场的指定通道的人群的顾客类别和顾客数量进行识别,接着对顾客数量最多的顾客类别所对应的商店类别的所有商店进行拍摄图像并识别其中的顾客数量,然后将其中顾客数量最少的商店的广告投放到所述指定通道的电子广告栏,从而到达对该通道的人群的顾客进行引导,实现精准导购的效果。
此外,本发明还提出一种基于人脸识别的导购方法,所述方法应用于计算机设备。
参阅图3所示,是本发明基于人脸识别的导购方法一实施例的流程示意图。在本实施例中,根据不同的需求,图3所示的流程图中的步骤的执行顺序可以改变,某些步骤可以省略。
步骤S500,获取商场第一位置的摄像单元拍摄的第一图像。
具体地,预先在商场的各个进出口、通道或者分叉路口分别设置摄像单元以及对应的电子广告栏,所有的摄像单元和电子广告栏都与所述计算机设备通讯连接。所述计算机设备可以周期性获取摄像单元拍摄的图像。在本实施例中,例如,定义所述商场中的某个分叉路口为第一位置,所述计算机设备获取所述第一位置的摄像单元拍摄的第一图像。其中,所述第一位置的摄像单元预先装设在所述第一位置的上方并摄像镜头正对着所述第一位置,然后刚好能够拍摄到通过所述第一位置的人群的清晰图像。
步骤S502,识别所述第一图像中包括的顾客数量最多的第一顾客类别。
具体地,所述计算机设备获取到所述第一图像之后,接着还会对所述第一图像进行识别。在本实施例中,所述计算机设备首先根据行人检测技术识别所述第一图像中包括的顾客数量,当所述第一图像包括的所述顾客数量大于或等于预设的第一阈值时,则进一步对所述第一图像的人物图像进行人脸识别,由于根据行人检测技术对图像的行人数量进行识别属于现有常用技术,这里不做赘述。当然,如果拍摄的所述第一图像中的人群中的少数人脸图像不清晰或者被遮挡不能进行识别,那么,所述识别模块202仅对能够进行识别的人脸图像进行识别。当所述计算机设备识别出所述第一图像包括的所述顾客数量小于预设的第一阈值时,则会在预设周期内重新获取商场第一位置的摄像单元拍摄的第一图像,然后重新进行识别。例如,第一阈值预设为10人,也就是说,商场进出口、通道或者分叉路口的同一图像包括的人数大于或等于10人,则较为拥挤。因此,所述计算机设备对获取到的所述第一图像进行行人检测,当识别出所述第一图像中的顾客数量包括大于或等于10人,则进一步对所述第一图像进行人脸识别。当识别出所述第一图像中的顾客数量小于10人,则认为所述第一位置对应的进出口、通道或者分叉路口较为畅通,那么,所述计算机设备则不对所述第一图像进行人脸识别,而是在预设的第二周期后重新跳转到步骤S502。例如,由于通过所述第一位置的人群数量较少,因此,导购的需求不大,所述第二周期则被设置为较长时间比如10分钟。
在本实施例中,所述计算机设备根据预设的人脸识别模型分别识别所述第一图像包括的顾客类别,以及对应顾客数量,其中,所述人脸识别模型识别对象包括“男人”,“女人”和“婴儿”。接着,所述计算机设备选择出所述第一图像中顾客数量最多的第一顾客类别,当顾客数量最多的顾客类别有两个以上时,随机选择一个顾客类别作为所述第一顾客类别。例如:当所述计算机设备通过行人检测方式识别出所述第一图像中的顾客数量为11人,大于所述第一阈值10人,因此,所述计算机设备进一步根据所述人脸识别模型对所述第一图像进行人脸识别。比如所述计算机设备通过人脸分析得到所述人群图像中包括的“男人”的数量为3人,“女人”的数量为3人,“婴儿”的数量为5人。接着,所述计算机设备选择出所述第一图像中顾客数量最多的“婴儿”作为第一顾客类别。值得说明的是,所述人脸识别模型是通过将“男人”类型人脸图像,“女人”类型人脸图像和“婴儿”类型人脸图像通过现有的卷积神经网络的学习模型训练得到的,所述人脸识别模型包括了“男人”类型人脸图像,“女人”类型人脸图像和“婴儿”类型人脸图像对应的特征值模型,因此可以根据输入的人脸图像识别出“男人”,“女人”和“婴儿”。例如,所述基于人脸识别的导购装置200预先对预设数量的男人、女人和婴儿的人脸图像进行采样,比如先分别对2000个的男人、2000个女人和2000个婴儿的进行人脸图像采样,然后根据这些人脸图像对人脸识别模型进行训练。也就是通过这些分别代表男人、女人和婴儿的人脸图像的特征值对一个初始的人脸识别模型进行训练,然后得到一个能够识别出男人、女人和婴儿的人脸图像的人脸识别模型。
当然,在其他实施例中,所述计算机设备也可以预先设置其他的人群类别选择规则,例如:当“婴儿”数量大于3时,不管“男人”和“女人”数量多少,均以“婴儿”类别作为第一顾客类别;当“婴儿”数量小于或等于3时,则选择顾客数量最多的人群类别作为第一顾客类别。
步骤S504,分别获取与所述第一顾客类别对应的所有第一类别商店的摄像单元拍摄的图像,分别识别所述第一类别商店拍摄的图像中包括的顾客数量。
具体地,商场中每个商店中均安装有摄像单元,所述摄像单元周期性地拍摄该商店的顾客图像,并通过人脸识别和分析的方法获取该商店的当前的顾客数量。例如,所述计算机设备识别出商场所述第一位置的所述第一图像中的顾客数量大于或等于10且所述第一图像中人群类别最多的是“婴儿”之后,则会获取“婴儿”对应的第一类商店对应的摄像单元拍摄的图像,然后对所述第一类别商店的摄像单元拍摄的图像进行识别,从而识别出其中包括的顾客数量。例如,商场中包括“婴儿”相关商品的所述第一类商店有A,B,C三个,然后所述计算机设备分别获取所述A,B,C商店对应的摄像单元所拍摄到的顾客图像,并通过人脸识别方法识别出A,B,C商店的当前的顾客数量,例如,商店A,B,C当前顾客数量分别为18,14和6。
步骤S506,将顾客数量最少的图像所对应的第一类别商店的广告投放到所述第一位置相应的电子广告栏。
具体地,当所述计算机设备分别识别出所述第一类别商店中的每个商店的图像中的顾客数量之后,则选择顾客数量最少的商店对应的广告投放到所述第一位置相应的电子广告栏。在本实施例中,所述电子广告栏设置在所述第一位置,比如悬空挂置或者立台设置,当顾客通行到所述第一位置时可以轻易观看到所述电子广告栏。例如,所述计算机设备识别出所述第一位置的摄像单元拍摄的人群图像中的人群数量大于阈值10且顾客数量最多的人群类别为“婴儿”;接着,所述计算机设备获取“婴儿”对应的第一类别商店的摄像单元所拍摄的顾客图像,然后通过人脸识别的方式分析出每个商店的顾客数量,例如第一类别商店中,A,B,C商店的顾客数量分别18,14和6;那么所述计算机设备则将顾客数量为6的C商店的广告投放到所述第一位置对应的电子广告栏,在其他实施例,也可以根据C商店的广告信息生成对应的导购语音进行播报。接着,在预设的第一周期后重新获取商场第一位置的摄像单元拍摄的第一图像,然后重新跳转到步骤S502。在本实施例中,由于通过所述第一位置的人群数量较多,因此,导购的需求较大,所述第一周期则被设置为较短时间比如3分钟。
本实施例所提出的基于人脸识别的导购方法,能够对商场的指定通道的人群的顾客类别和顾客数量进行识别,接着对顾客数量最多的顾客类别所对应的商店类别的所有商店进行拍摄图像并识别其中的顾客数量,然后将其中顾客数量最少的商店的广告投放到所述指定通道的电子广告栏,从而到达对该通道的人群的顾客进行引导,实现精准导购的效果。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于人脸识别的导购方法,应用于商场管理系统,其特征在于,所述方法包括步骤:
获取商场第一位置的摄像单元拍摄的第一图像;
识别所述第一图像中包括的顾客数量最多的第一顾客类别;
分别获取与所述第一顾客类别对应的所有第一类别商店的摄像单元拍摄的图像;
分别识别所述第一类别商店拍摄的图像中包括的顾客数量;
将顾客数量最少的图像所对应的第一类别商店的广告投放到所述第一位置相应的电子广告栏。
2.如权利要求1所述的基于人脸识别的导购方法,其特征在于,在所述“获取商场第一位置的摄像单元拍摄的第一图像”的步骤之后,所述“识别所述第一图像中包括的顾客数量最多的第一顾客类别”的步骤之前,还包括步骤:
根据行人检测技术识别所述第一图像中包括的顾客数量;
当所述第一图像包括的所述顾客数量大于或等于预设的第一阈值时,则进一步对所述第一图像的人物图像进行人脸识别。
3.如权利要求2所述的基于人脸识别的导购方法,其特征在于,所述方法还包括:
在所述“将顾客数量最少的图像所对应的第一类别商店的广告投放到所述第一位置相应的电子广告栏”步骤之后的预设的第一周期后重新回到所述“获取商场第一位置的摄像单元拍摄的第一图像”的步骤;以及
当所述第一图像包括的所述顾客数量小于预设的第一阈值时,则在预设的第二周期后重新回到所述“获取商场第一位置的摄像单元拍摄的第一图像”的步骤。
4.如权利要求1所述的基于人脸识别的导购方法,其特征在于,所述“识别所述第一图像中包括的顾客数量最多的第一顾客类别”的步骤主要包括:
根据预设的人脸识别模型分别识别所述第一图像包括的顾客类别,以及对应顾客数量,其中,所述人脸识别模型识别对象包括男人,女人和婴儿;
选择出所述第一图像中顾客数量最多的第一顾客类别,当顾客数量最多的顾客类别有两个以上时,随机选择一个顾客类别作为所述第一顾客类别。
5.一种基于人脸识别的导购装置,其特征在于,所述装置包括:
获取模块,用于获取商场第一位置的摄像单元拍摄的第一图像;
识别模块,用于识别所述第一图像中包括的顾客数量最多的第一顾客类别;
所述获取模块,还用于分别获取与所述第一顾客类别对应的所有第一类别商店的摄像单元拍摄的图像;
所述识别模块,还用于分别识别所述第一类别商店拍摄的图像中包括的顾客数量;
投放模块,用于将顾客数量最少的图像所对应的第一类别商店的广告投放到所述第一位置相应的电子广告栏。
6.如权利要求5所述的基于人脸识别的导购装置,其特征在于,所述识别模块,
还用于根据行人检测技术识别所述第一图像中包括的顾客数量;以及
当所述第一图像包括的所述顾客数量大于或等于预设的第一阈值时,则进一步对所述第一图像的人物图像进行人脸识别。
7.如权利要求6所述的基于人脸识别的导购装置,其特征在于,
在所述投放模块将顾客数量最少的图像所对应的第一类别商店的广告投放到所述第一位置相应的电子广告栏之后,则所述获取模块在预设的第一周期后重新获取商场第一位置的摄像单元拍摄的第一图像;以及
当所述识别模块识别出所述第一图像包括的所述顾客数量小于预设的第一阈值时,则所述获取模块在预设的第二周期后重新获取商场第一位置的摄像单元拍摄的第一图像。
8.如权利要求5所述的基于人脸识别的导购装置,其特征在于,所述识别模块还用于:
根据预设的人脸识别模型分别识别所述第一图像包括的顾客类别,以及对应顾客数量,其中,所述人脸识别模型识别对象包括男人,女人和婴儿;
选择出所述第一图像中顾客数量最多的第一顾客类别,当顾客数量最多的顾客类别有两个以上时,随机选择一个顾客类别作为所述第一顾客类别。
9.一种计算机设备,其特征在于,所述计算机设备包括存储器、处理器,所述存储器上存储有可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1-4任一项所述的基于人脸识别的导购方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序可被至少一个处理器执行,以使所述至少一个处理器执行如权利要求1-4中任一项所述的基于人脸识别的导购方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910027105.9A CN109903073A (zh) | 2019-01-11 | 2019-01-11 | 基于人脸识别的导购方法、装置以及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910027105.9A CN109903073A (zh) | 2019-01-11 | 2019-01-11 | 基于人脸识别的导购方法、装置以及计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109903073A true CN109903073A (zh) | 2019-06-18 |
Family
ID=66943644
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910027105.9A Pending CN109903073A (zh) | 2019-01-11 | 2019-01-11 | 基于人脸识别的导购方法、装置以及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109903073A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110225141A (zh) * | 2019-06-28 | 2019-09-10 | 北京金山安全软件有限公司 | 内容推送方法、装置及电子设备 |
CN110276649A (zh) * | 2019-06-28 | 2019-09-24 | 北京金山安全软件有限公司 | 信息展示方法和装置 |
CN110363624A (zh) * | 2019-07-05 | 2019-10-22 | 深圳市浩科电子有限公司 | 一种半人工商店售卖系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102446327A (zh) * | 2010-10-15 | 2012-05-09 | 汉王科技股份有限公司 | 基于人脸识别的广告投放装置及广告投放方法 |
US20140379477A1 (en) * | 2013-06-25 | 2014-12-25 | Amobee Inc. | System and method for crowd based content delivery |
CN107798274A (zh) * | 2016-08-31 | 2018-03-13 | 上海阳淳电子股份有限公司 | 一种具有人流量采集功能的智能广告机 |
-
2019
- 2019-01-11 CN CN201910027105.9A patent/CN109903073A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102446327A (zh) * | 2010-10-15 | 2012-05-09 | 汉王科技股份有限公司 | 基于人脸识别的广告投放装置及广告投放方法 |
US20140379477A1 (en) * | 2013-06-25 | 2014-12-25 | Amobee Inc. | System and method for crowd based content delivery |
CN107798274A (zh) * | 2016-08-31 | 2018-03-13 | 上海阳淳电子股份有限公司 | 一种具有人流量采集功能的智能广告机 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110225141A (zh) * | 2019-06-28 | 2019-09-10 | 北京金山安全软件有限公司 | 内容推送方法、装置及电子设备 |
CN110276649A (zh) * | 2019-06-28 | 2019-09-24 | 北京金山安全软件有限公司 | 信息展示方法和装置 |
CN110225141B (zh) * | 2019-06-28 | 2022-04-22 | 北京金山安全软件有限公司 | 内容推送方法、装置及电子设备 |
CN110363624A (zh) * | 2019-07-05 | 2019-10-22 | 深圳市浩科电子有限公司 | 一种半人工商店售卖系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220101389A1 (en) | Dynamic promotional layout management and distribution rules | |
CN107909443B (zh) | 信息推送方法、装置及系统 | |
US8736636B2 (en) | Apparatus and method for providing augmented reality information | |
CN109903073A (zh) | 基于人脸识别的导购方法、装置以及计算机设备 | |
US9183497B2 (en) | Performance-efficient system for predicting user activities based on time-related features | |
US20150254737A1 (en) | Method, apparatus and system for providing customized service based on beacon signal | |
CN108037823B (zh) | 信息推荐方法、智能镜子及计算机可读存储介质 | |
CN107463876A (zh) | 信息处理方法和装置、计算机装置和存储介质 | |
CN108388600B (zh) | 化妆品推荐方法及相关装置 | |
CN111246296A (zh) | 数据推送方法、装置、电子设备和计算机存储介质 | |
CN111401238B (zh) | 一种视频中人物特写片段的检测方法及装置 | |
US20220172476A1 (en) | Video similarity detection method, apparatus, and device | |
JP2015060580A (ja) | 情報処理システム、情報処理方法および情報処理プログラム | |
CN112767055B (zh) | 一种基于物联网的精准广告营销方法及系统 | |
CN110009324A (zh) | 一种线下自助结算方法、装置和系统 | |
CN108230033A (zh) | 用于输出信息的方法和装置 | |
CN112613508A (zh) | 一种物体识别方法、装置及设备 | |
CN109961351A (zh) | 信息推荐方法、装置、存储介质及计算机设备 | |
CN111651679A (zh) | 基于强化学习的推荐方法及装置 | |
CN106202360A (zh) | 试题搜索方法及装置 | |
CN111340575A (zh) | 一种资源推送方法、装置和电子设备 | |
CN115379290A (zh) | 视频处理方法、装置、设备及存储介质 | |
CN110298697A (zh) | 获取用户的购物需求信息的方法和装置 | |
CN113065883A (zh) | 投放广告的方法和装置 | |
US11741520B2 (en) | Methods and systems for providing crowd information and repeat information related to an establishment using digital image information |
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: 20190618 |
|
RJ01 | Rejection of invention patent application after publication |