CN110111129B - 一种数据分析方法、广告播放设备及存储介质 - Google Patents

Abstract

本申请公开了一种数据分析方法，该方法包括：广告播放设备对目标图像进行人脸检测，以获得目标图像中的人员特征信息，其中，目标图像是对目标区域进行图像采集得到的；依据人员特征信息对相应人员进行分析，并响应分析结果进行广告播放和/或人员数据管理。通过上述方式，可以实现根据人员特征信息的分析结果进行广告播放和/或人员数据管理，使得广告播放设备的功能更智能化。本申请还提供一种广告播放设备及存储介质。

Description

一种数据分析方法、广告播放设备及存储介质

技术领域

本申请涉及广告技术领域，特别是涉及一种数据分析方法、广告播放设备及存储介质。

背景技术

广告箱用于在公共场所向人群推送广告，具体可以应用于道路、街道、商业闹市区、车站、机场、码头、公园等人流量比较大的场所，但是由于广告箱的广告形式以及功能相对较为单一，故需要一种可以解决该问题的技术方案。

发明内容

本申请主要解决的技术问题是提供一种根据人员特征信息的分析结果进行广告播放和/或人员数据管理的方法，使得广告播放设备的功能更为智能化。

为解决上述技术问题，本申请采用的一个技术方案是：提供一种数据分析方法，所述方法包括：

广告播放设备对目标图像进行人脸检测，以获得所述目标图像中的人员特征信息，其中，所述目标图像是对目标区域进行图像采集得到的；

依据所述人员特征信息对相应人员进行分析，并响应分析结果进行广告播放和/或人员数据管理。

为解决上述技术问题，本申请采用的另一个技术方案是，提供一种广告播放设备，所述设备包括广告播放电路、摄像头、处理电路和存储器，所述广告播放电路、所述摄像头和所述存储器分别与所述处理电路连接；

其中，所述摄像头用于获取所述广告播放设备的广告投放区域的图像，并发送至所述处理电路；

所述存储器用于存储程序数据；

所述处理电路用于在接收到所述摄像头获取的图像时运行所述程序数据，以执行如上所述的数据分析方法，并生成投放目标广告的控制指令发送至所述广告播放电路；

所述广告播放电路用于响应所述投放目标广告的控制指令，投放所述目标广告。

为解决上述技术问题，本申请采用的又一个技术方案是，提供一种存储介质，所述存储介质存储有程序数据，所述程序数据被执行时实现如上所述的一种数据分析方法。

以上方案，广告播放设备对目标图像进行人脸检测，并通过人脸检测获得目标图像中的人员特征信息，基于对人员特征信息进行相应的人员分析后求得分析结果，再响应分析结果进行广告播放和/或人员数据管理，实现了可以根据人员的分析结果智能地进行广告播放，可较好地提高广告播放与目标人群的匹配率，或者可以根据分析结果进行人员数据管理，故无需其他额外设备仅由广告播放设备实现更智能更多样化的功能，因此利用上述方案可使得广告播放设备的功能更为智能化。

附图说明

图1是本申请一种数据分析方法一实施例的流程示意图；

图2是本申请一种数据分析方法另一实施例的流程示意图；

图3是本申请一种数据分析方法又一实施例的流程示意图；

图4是本申请一种数据分析方法又一实施例的流程示意图；

图5是本申请一种数据分析方法再一实施例的流程示意图；

图6是本申请一种数据分析方法再一实施例的流程示意图；

图7是本申请一种数据分析方法又一实施例的流程示意图；

图8是本申请一种广告播放设备一实施例的结构示意图；

图9是本申请一种广告播放设备一实施例的安装示意图；

图10是本申请一种存储介质一实施例的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。可以理解的是，此处所描述的具体实施例仅用于解释本申请，而非对本申请的限定。基于本申请中的实施例，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，都属于本申请保护的范围。

本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体地限定。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

请参见图1，图1为本申请一种数据分析方法一实施例流程示意图。在当前实施例中，本申请所提供的数据分析方法的执行主体是广告播放设备。具体地，本申请所提供的数据分析方法包括：

S110：广告播放设备对目标图像进行人脸检测，以获得目标图像中的人员特征信息。

在当前实施例中，本申请所提供的方法的执行主体可以为具有获取目标图像功能的广告设备。可以理解的，在其他实施例中，广告播放设备还可以通过与至少一个图像获取设备连接，由所连接的至少一个图像获取设备获取到目标图像并传输至广告播放设备，再由广告播放设备对所获得的目标图像进行人脸检测以获取人员特性信息。

目标图像是对目标区域进行图像采集得到的，具体地，在当前实施例中，目标区域是指广告播放设备所播放广告的受众区域范围，也可以理解为广告的投放区域或者是播放区域，具体地，目标区域的大小是根据广告播放设备所安装的位置、以及用于获取目标图像的图像获取设备或者部件的拍摄能力确定。

再进一步地，在其他实施例中，目标图像可以是指对目标区域进行图像采集得到的、包含有人脸的图像。故可以理解的，当某一帧图像中没有人脸时，则对应的该帧图像不是本申请所指的目标图像，可直接结束对当前帧图像的分析直接进行下一帧图像的处理。

其中，目标图像中的人员特征信息包括目标图像中的人员的脸部特征信息。人员的脸部特征信息可包括：人员的年龄、性别、和外貌特征信息，故对应的人脸检测至少包括对目标图像中所包括的人员的人脸外貌特征信息、人员的年龄和性别进行检测，最终基于上述获得信息构成目标图像中的人员特征信息，又或者是再基于对上述信息的进一步处理获得目标图像中的人员特征信息。具体地，人员脸部特征信息的获取可以基于python模块dlib中已经集成好的人脸识别函数，或者是卷积神经网络算法。可以理解的，在其他实施例中，人员的脸部特征信息还可以基于其他类型的算法进行获得，具体在此不做任何限定。

S120：依据人员特征信息对相应人员进行分析，并响应分析结果进行广告播放和/或人员数据管理。

依据检测所得的人员特征信息，对目标图像中的至少部分人员进行分析求得分析结果，并响应分析结果进行广告播放，和/或是响应分析结果进行人员数据管理。具体地，响应分析结果进行广告播放可以是基于分析结果更换广告类型，或者是基于分析结果延长或者减少广告的播放时间，又或者是基于分析结果调整广告播放的参数（如音量、亮度等）；响应分析结果进行人员数据管理至少包括人员的安全性的确认、人员的特征信息的更新保存等，具体请参见下文各个实施例所对应的阐述。

在当前实施例中，本申请所提供的技术方案通过对目标图像进行人脸检测获得目标图像的人员特征信息，并基于对人员特征信息的分析结果响应广告播放，较好地实现根据广告播放设备所对应的目标区域的实时人员分布情况，实时播放或者调整为对应分析结果的广告，或者是调整广告的播放参数，提高了广告播放与目标人群的匹配率，进而较好地提高了广告的送达率，同时还可以基于人员的分析结果进行人员数据管理，使得广告播放设备的功能更多样化和智能化。

请参见图2，图2为本申请一种数据分析方法另一实施例流程示意图。在当前实施例中，目标图像中的人员特征信息包括目标图像中的人员的脸部特征信息，图1所对应的实施例中步骤S120依据人员特征信息对相应人员进行分析，并响应分析结果进行人员数据管理的步骤包括图2所示意的步骤S210和步骤S230。

S210：判断目标图像中的人员的脸部特征信息是否为已存人员的脸部特征信息。

在获得目标图像中的人员的脸部特征信息之后，需要判断所获取的目标图像中的人员的脸部特征信息是否是当前已经保存过的人员的脸部特征信息。其中，已存人员是指在之前已经进入目标区域，且在执行当前步骤之前，在本地存储区已经保存过脸部特征信息所对应的人员。具体地，可通过将所得的目标图像中的人员的脸部特征信息与本地存储区已存人员的脸部特征信息进行比对，以判断目标图像中人员的脸部特征信息是否为已存人员的脸部特征信息，并输出判断结果。可以理解的，在其他实施例中还可以通过其他的方式判断目标图像中的人员的脸部特征信息是否为已存人员的脸部特征信息。

在当前实施例中，步骤S210获得对目标图像中的人员的判断结果之后，本申请所提供的方法还包括：基于判断结果对人员的脸部特征信息进行处理。具体地，在当前实施例中，基于判断结果对人员的脸部特征信息进行处理具体包括如步骤S220和步骤S230所述的内容。

请继续参见图2，在步骤S210之后还包括步骤S220和步骤S230。当步骤S210中判断目标图像中的人员的脸部特征信息为已存人员的脸部特征信息之后，执行步骤S220，反之，当判断目标图像中的人员的脸部特征信息不是已存人员的脸部特征信息之后，本申请提供的方法执行步骤S230。

S220：利用人员的脸部特征信息更新对应的已存人员的脸部特征信息。

当判断目标图像中的人员的脸部特征信息为已存人员的脸部特征信息之后，则会利用当前所获得的人员的脸部特征信息更新对应的已存人员的脸部特征信息。

其中，需要说明的是，在当前实施例中，本地存储区所保存的每个人员的脸部特征信息可包括多条。具体地，本地存储区所保存的每个人员的脸部特征信息的数量是由用户根据经验值预先设定的，且可以根据需要进行调整。

进一步地，请参见图3，图3为本申请一种数据分析方法又一实施例流程示意图。在当前实施例中，利用人员的脸部特征信息更新对应的已存人员的脸部特征信息包括步骤S310、步骤S320和步骤S350。

S310：检测已存人员的脸部特征信息的数量是否等于设定值。在当前实施例中，本申请所提供的技术方案中，会预先限定保存至本地存储区中人员的脸部特征信息的数量，即每个人员对应的脸部特征信息的数量不超过设定值。故在将人员脸部特征信息更新对应的已存人员的脸部特征信息时，首先需要检测已存人员的脸部特征信息的数量是否等于设定值。

S320：利用人员的脸部特征信息替换已存人员的脸部特征信息中替换率满足替换条件的脸部特征信息。

当检测到已存人员的脸部特征信息的数量等于设定值时，则会利用人员的脸部特征信息替换其中一个脸部特征信息或多个脸部特征信息，其中，被替换的已存人员的脸部特征信息的替换率需满足替换条件，且在不同的实施例中，替换条件可以是用户根据需要预先设定且可以进行调整的。

其中，在当前实施例中，替换条件为已存人员的脸部特征信息中替换率最大，即会利用当前人员的脸部特征信息替换对应的已存人员的脸部特征信息中替换率最大的一个或多个。

进一步地，请参见图4，图4为本申请一种数据分析方法又一实施例中的流程示意图。在当前实施例中，图3所示意的实施例中步骤S320包括：

S401：利用替换率公式计算已存人员的每条脸部特征信息的替换率。具体地，替换率公式如下：

其中，i表示已存人员的第i条脸部特征信息，z表示每个已存人员的目标特征条数，即设定的可以保存的人员脸部特征信息数量；k为整数。

S402：从已存人员的脸部特征信息中，查找出替换率满足替换条件的脸部特征信息，并用人员的脸部特征信息替换查找出的脸部特征信息。在求取得到已存人员所保存的每条脸部特征信息的替换率之后，基于预设的替换条件和所得的替换率，查找出替换率满足替换条件的脸部特征信息，然后选用当前所得的脸部特征信息替换掉所查找到的脸部特征信息。

需要说明的是，当替换条件为替换率大于某个值的脸部特征信息时，那么则会比较容易出现满足替换条件的脸部特征信息为多个，如果目标图像中人员的脸部特征信息数量少于满足条件的脸部特征信息，则会选择替换率较大的优先替换，如满足替换条件的脸部特征信息为3个时，但目标图像中人员的脸部特征信息数量为2个，则会优先用目标图像中的2个脸部特征信息替换满足替换条件的3个脸部特征信息中替换率较大的两个。可以理解的，在其他实施例中，当目标图像中人员的脸部特征信息数量大于满足替换条件的脸部特征信息时，还可以选择进一步筛选目标图像中的人员的脸部特征信息，以使得目标图像中人员的脸部特征信息数量等于满足替换条件的脸部特征信息。

反之，如果步骤S310中检测得到已存人员的脸部特征信息的数量不等于设定值时，说明当下本地存储区所存储的该人员的脸部特征信息的数量较少，并没有存满设定的数量，故会执行步骤S350。

S350：将人员的脸部特征信息增加作为已存人员的脸部特征信息。具体地，可以直接将当前所得的人员的脸部特征信息顺次保存至已保存的脸部特征信息之后。

进一步地，请继续参见图3，在一实施例中，当判断得到已存人员的脸部特征信息的数量等于设定值时，本申请所提供的方法还可以包括步骤S330和步骤S340。具体地，在图3中示意了先执行步骤S320，再执行步骤S330，但需要说明的是，在此并不限定步骤S320和步骤S330的执行顺序，在其他实施例中，也可以同时执行步骤S320和步骤S330。

S330：将当前时间与对应已存人员的首次出现时间之差保存为人员的停留时间。如此时本地存储区中的已存人员已保存有停留时间，则会用所得的人员的停留时间替换掉本地存储区中已存人员原来对应的停留时间，以更新该人员对应的数据，保证数据的实时性和准确性。

进一步地，在求得人员最新的逗留时间后，会进一步基于所得的逗留时间判断人员的停留时间是否超出第一阈值，以此判断该人员是否为异常人员。其中，第一阈值可以根据人员停留时间的经验值进行设定，异常人员至少包括：受伤人员、走失人员、具有不良动机的人员等。另外，第一阈值可以在不同的时间段分别设定为不同的值，如根据经验值将夜间的第一阈值和白天的第一阈值设定为不相等的值。

S340：若停留时间大于或等于第一阈值时，则判断目标图像中对应停留时间的人员为异常人员。

具体地，当停留时间大于或等于第一阈值时，对应判断目标图像中对应停留时间的人员为异常人员。在其他实施例中，当判断该人员为异常人员时，则会进一步将该人员的信息发送至管理处，以引起管理员的重视，以便进行下一步的处理。

请继续参见图2，当判断目标图像中的人员的脸部特征信息不是已存人员的脸部特征信息后，在步骤S210之后，执行步骤S230。

S230：将人员的脸部特征信息保存为已存人员的脸部特征信息。

当目标图像中的人员的脸部特征信息不为已存人员的脸部特征信息时，则判断该人员为第一次走进目标区域的人员。对应的，则会将该人员的脸部特征信息直接保存作为已存人员的脸部特征信息，用以下次需要时进行调用，或者是用作后续判断走进广告播放设备所对应的目标区域的人员是否为新进人员的参考数据之一。为便于数据的管理，在将新进人员的脸部特征信息保存为已存人员的脸部特征信息时，会为该人员的脸部特征信息赋予新的ID号，当清除该人员的脸部特征信息时，同样会清除该人员对应的ID号。如需要将所有的普通人员（非设定人员）的脸部特征信息清除时，同样会将该类别人员对应的ID号进行清除，在对当前循环周期开始后获得的第一个人员的脸部特征信息赋予第一个ID号，如，可以以一天为一个周期，及以0点到24点为一个周期，ID号在24小时内时有效的，0点为起点24点为截止时间，过了当天的24点则ID号以及ID号对应的普通人员的脸部特征信息自动被清除。

进一步地，在另一实施例中，若目标图像的人员的脸部特征信息不为已存人员的脸部特征信息，即当前人员为第一次进入广告播放设备所对应的播放区域时，本申请提供的方法还包括：将人员的脸部特征信息的保存时间保存作为人员的首次出现时间，用以监测该人员在广告播放设备所对应的目标区域所逗留的时间长短。

在当前实施例中，基于判断目标图像中的人员的脸部特征信息是否为已存人员的脸部特征信息，准确实现更为精准的人员数据管理。具体地，当人员的脸部特征信息为已存人员的脸部特征信息，且本地存储区已保存了设定值的该人员的脸部特征信息时，本申请所提供的技术方案通过计算已存人员的每一条脸部特征信息的替换率，用当前的所得人员的脸部特征信息替换满足替换条件的脸部特征信息，相比于现有技术实现更为精准的更新已存人员的脸部特征信息，进而实现了更精准的人员数据管理。

进一步地，在另一实施例中，若目标图像中的人员的脸部特征信息为已存人员的脸部特征信息时，本申请所提供的方法还包括：判断目标图像中的人员对应的已存人员是否是预设人员；若已存人员为预设人员，则向设定终端发送警报信息。

其中，警报信息包括以下至少一者：目标图像中设定人员的人脸图像信息、设定人员在目标区域首次出现的时间、设定人员在目标区域最后一次出现的时间、警报信息的重要等级。设定终端至少包括：当前广告播放设备所在区域对应的公安报警平台、当前广告播放设备所在区域对应的安保管理中心等，设定人员包括走失人员、嫌疑人，急需帮助的受伤人员。其中，急需帮助受伤人员为异常倒地，大面积受伤的人员。

请参见图5，图5为本申请一种数据分析方法再一实施例的流程示意图。在当前实施例中，进一步阐述如何判断目标图像中的人员的脸部特征信息是否为已存人员的脸部特征信息。

S501：计算目标图像中的人员的脸部特征信息与数据库中所有已存人员的脸部特征信息之间的欧式距离。

其中，在本申请所提供的技术方案中，通过计算当前目标图像中的人员的脸部特征信息与数据库中所有已存人员的所有脸部特征信息之间的欧式距离，来判断当前所得的目标图像中的人员的脸部特征信息与数据库中所有已存人员的所有脸部特征信息的相似度。当所得的欧式距离越小则表示当前目标图像中的人员的脸部特征信息与该已存人员的脸部特征信息越相似。在当前实施例中，可预设一较小的阈值，将所得的欧式距离与预设的阈值进行比较，当所得的欧式距离小于该设定的阈值时，则可以认为两个人员为同一个，即目标图像中的人员为数据库中已存人员。其中，数据库可以是保存在本地存储区的数据库，也可以是保存在其他可以通信区域的数据库。其中，需要说明的是，数据库中对于非设定人员的数据，可以按照一定的周期自动清除以保证数据库具有足够的内存。如，当数据库是保存在本地存储区时，则可以设定数据库中非设定人员所对应的数据可以按照每天或者每周一个周期自动进行清理，以保证广告播放设备具有足够的内存。

在求得目标图像中的人员的脸部特征信息与数据库中所有已存人员的脸部特征信息之间的欧式距离后，则会进一步求取所得的所有欧式距离中的最小欧式距离，并执行步骤S502。

S502：判断最小的欧式距离是否小于或等于第二阈值，且其他欧式距离中是否存在超出半数的小于或等于第三阈值。其中，所述第二阈值小于第三阈值，第二阈值和第三阈值是根据经验值预设的表示脸部特征信息的不同相似程度所对应的欧式距离。

如在一实施例中，当已存人员的人脸特征信息有8个，当前目标图像中的人员的脸部特征信息有1个，对应的，步骤S501中则会得到8个欧式距离，则步骤S502会判断这8个欧式距离中最小欧式距离是否小于或等于第二阈值，同时还会判断除去最小欧式距离外其他7个欧式距离中是否存在超出半数的欧氏距离小于或等于第三阈值，以此判断目标图像中人员的脸部特征信息是否为该最小欧式距离对应的已存人员的脸部特征信息。

S503：若最小的欧式距离小于或等于第二阈值，且存在超出半数的欧式距离小于或等于第三阈值，则判断人员的脸部特征信息为与最小的欧式距离对应的已存人员的脸部特征信息。最小的欧式距离小于或等于第二阈值说明该最小欧式距离对应的脸部特征信息与已存人员中对应的脸部特征信息非常相似，存在超出半数的欧式距离小于或等于第三阈值说明该脸部特征信息与已存人员的其他脸部特征信息也存在较大的相似度，故可以判断该人员的脸部特征信息为与最小的欧式距离对应的已存人员的脸部特征信息，即该人员为最小欧式距离对应的已存人员。

S504：若最小的欧式距离大于第二阈值，或最小的欧式距离小于第二阈值且存在超出半数的欧式距离大于第三阈值，则判断人员的脸部特征信息不为已存人员的脸部特征信息。

反之，若最小的欧式距离大于第二阈值，则表明当前，目标图像中的人员的人脸特征信息与已存人员的人脸特征信息相似度较低，故此时判断该人员的脸部特征信息并不为已存人员的脸部特征信息。

另外，当最小欧式距离小于第二阈值时，但同时其他欧式距离中还存在超出半数的大于第三阈值，则表明最小欧式距离可能存在较大的误差，或者该已存人员或目标图像中人员的人脸特征信息存在较大的误差，此时判断该人员的脸部特征信息不为已存人员的脸部特征信息。

请参见图6，图6为本申请一种数据分析的方法再一实施例中的流程示意图。在当前实施例中，图1所对应的实施例中的步骤S110对目标图像进行人脸检测，以获得目标图像中的人员特征信息包括步骤S601和步骤S602，图1所对应的实施例中的步骤S120依据人员特征信息对相应人员进行分析，并响应分析结果进行广告播放包括步骤S603和步骤S604。

S601：对目标图像进行人脸检测，以划分得到至少一张人脸区域子图。其中，每张人脸区域子图包括一个人员的脸部。如一张目标图像中包括3张人脸，则对应的步骤S601执行所得的结果为3张包括不同人脸的人脸区域子图。需要说明的是，由于广告播放设备所安装的区域可能为人员流动较大的区域，对应的，此时在进行人脸检测时则会考虑到人脸距离广告播放设备的距离。如一张目标图像中包括30个人员，但是其中有16个人员的人脸距离广告播放设备的距离大于预设的距离值，则此时进行人脸检测时则会自动过滤掉距离广告播放设备较远的人员的脸部，对应的步骤S601的人脸检测的结果则为14张包括不同人员人脸的人脸区域子图。

对目标图像进行人脸检测的方式可以包括很多种。如，可以采用mtcnn人脸检测算法或是传统算法haar人脸级联分类器。

S602：分别对每张人脸区域子图中的人脸进行分析，得到人脸区域子图中的人员的属性信息。其中，目标图像中的人员特征信息包括目标图像中的人员的属性信息；人员的属性信息包括：人员的年龄、性别中的至少一者。

进一步地，步骤S602包括：计算每张人脸区域子图的像素数。其中，像素数等于人脸区域子图的像素行数和像素列数的乘积。在求得人脸区域子图的像素数以后，再基于卷积神经网络算法获取每张人脸区域子图中人员的属性信息。

S603：搜索出与人员的属性信息匹配的至少一条广告。在获得如上所述的人员的属性信息后，从本地存储区所保存的广告或者是其他可以获取的广告中，搜索出与人员的属性信息匹配的至少一条广告。需要说明的是，由于一张目标图像中可能会包括多个人员，故当前实施例中步骤S603是搜索出与目标图像中多数人员的属性信息匹配的广告。

进一步地，在另一实施例中，在本申请所提供的技术方案中，会预先根据人脸区域子图中可能会包括的人员的属性信息划分为至少一个区间，并根据不同区间的特征预先匹配不同的广告，同时还会设定广告播放的时间长度。

S604：播放至少一条广告。

在搜索得到与当前人员的属性信息匹配的至少一条广告后，广告播放设备则会播放该至少一条广告。

进一步地，请参见图7，图7为本申请一种数据分析方法又一实施例的流程示意图。在当前实施例中，图6所示意的步骤S603包括：

S701：将所得的至少一张人脸区域子图中的人员的属性信息划分为至少一个区间，并计算每个区间的权重。其中，计算每个区间的权重包括：根据人脸区域子图的像素数，计算每张人脸区域子图的权重。

将每个区间所包括的所有人脸区域子图的权重之和，作为区间的权重。

S702：获取与权重符合设定条件的区间对应的至少一条广告。其中，设定条件为多个区间中权重最高。

如，一实施例中，假设当前帧目标图像中有n个人脸区域子图，每个人脸区域子图的像素数为P，性别为S（当性别为女时，S=0，当性别为男时，S=1），年龄为A。

第一步：在当前实施例中可按广告数目划分区间，具体可以是划分年龄区间和/或性别区间：当有x个广告时，可预先划分出x/2（只入不舍）个年龄段，例如，有3个广告，可设计2个年龄段：0~40岁，40岁以上。

再进一步地，另一实施例中可结合性别进行区间划分，具体上述例子可将广告划分到：男0~40岁、女0~40岁、男40岁以上、女40岁以上这4个区间中。在完成区间的划分后，可以在同一个区间分配至少一个广告，也可以多个区间分到相同的广告，具体根据用户的需求进行设定。

第二步：然后按以下公式计算每个人脸区域子图的权重w，其中，p_i为每张人脸区域子图的像素数，是当前目标图像所包括的人脸区域子图的总的像素数。

第三步：计算性别为x，年龄段为y的区间得分，其中，score代表是该区间的权重比：

第四步：找出权重比最大值所在的区间，根据该区间预先匹配的广告进行广告播放。如果该区间只有一个广告，播该广告即可，如果该区间有多个广告，则按提前设置的时间间隔以及播放顺序循环播放该区间分配的广告，直至下一时间间隔进行数据分析得到下一次需要进行播放的广告。其中，时间间隔的长短是基于经验值设定的最容易被观众接受的广告的时长。

请参见图8，图8为本申请一种广告播放设备一实施例中的结构示意图。在当前实施例中，广告播放设备800包括：广告播放电路803、摄像头804、处理电路801和存储器802，广告播放电路803、摄像头804和存储器802分别与处理电路801连接。

其中，摄像头804用于获取广告播放设备800的投放区域的图像，并发送至处理电路801。

存储器802用于存储程序数据。

处理电路801用于在接收到摄像头804获取的图像时运行程序数据，以执行如图1至图7任一实施例所述的数据分析的方法，并生成投放目标广告的控制指令发送至广告播放电路803。

广告播放电路803用于响应投放目标广告的控制指令，投放目标广告。

进一步地，请参见图9，图9为本申请一种广告播放设备一实施例安装示意图。图9所示意的实施例中，广告播放设备904包括三个参数相同的摄像头901、902和903。可以理解的，在其他实施例中，并不限定广告播放设备904所包括的摄像头的数量，仅仅限定多个摄像头的安装位置为同一水平线。广告播放设备904与至少一个预设终端905连接，具体可以是有线连接也可以是无线连接，具体根据实际的需求进行设定。预设终端905包括安保中心的管理设备、警务中心的接警设备。

其中，摄像头901、902和903安装在同一水平线，且相邻的摄像头901和902的相邻视域存在预设比例的重叠区域，同理，摄像头902和摄像头903的视域也存在预设比例的重叠区域。其中，预设比例可以根据经验值进行设定。在当前实施例中，预设比例可以设定为百分之二十。

在另一实施例中，多个摄像头之间撇开一定的角度安装，具体请参见图9中所示意的摄像头901、902和903安装方向。

另外，当广告播放设备包括多个摄像头时，多个摄像头采用的是同样参数的畸变较小或出厂前已做畸变矫正的摄像头，如果图像畸变较大，需事先对摄像头做内参计算和畸变矫正。多个摄像头在首次安装之后，或者调整位置之后均会计算拼接摄像头视域的矩阵，该矩阵是一个3*3单应矩阵。

假设有m个摄像头，这m个摄像头计算拼接摄像头视域的矩阵具体可以按以下①~⑧方法进行计算：

①．m个摄像头同时对一个平面且有纹理的任意刚体各采集一张图像。

②．分别计算这m张图像的SURF（Speeded Up Robust Features加速鲁棒特征）特征点及特征向量。

③．设i=1。

④．由第i张图向第i+1张图做SURF特征向量的最近邻匹配，然后反过来i+1图向i图做SURF特征向量的最近邻匹配。

⑤．对于第d步中，第i张图的所有特征点的第i+1张图图特征点的最佳匹配，且第i+1张图该特征点是第i张图该点的最佳匹配，那么保留该匹配，否则丢弃该匹配。(第④步和第⑤步合称交叉匹配，主要用于提高第⑥步结果的可靠性和精度)

⑥．对第⑤步保留的匹配进行RANSAC（随机采样一致算法）的单应矩阵计算，计算出左图向右图的单应变换矩阵。

⑦．使用⑤步计算的单应矩阵做图像单应变换，即拼接过程。拼接结果替换第i+1张图，成为新的第i+1张图。

⑧．令i=i+1，回到第④步，直到把这m张拍摄到的图像全部拼接完成。

第⑥步计算单应矩阵的可用如下方法：

透视变换的一般表达式是：

或/>

在实际的计算中，由于图像上的点都是二维平面内的点，常置w=1，=1，这时候3×3的透视变换矩阵变为单应矩阵H。计算单应矩阵需要4对不共线的点，也就是通过8个方程去解8个未知数。每对点可列出方程：

解四对如上所述的方程即可。

但是解算正确单应变换矩阵需要正确的匹配，由⑤步保留的匹配结果不一定保证是正确的，事实上，正确匹配数量很低。这就是使用RANSAC（随机采样一致算法）的最终目的。

每一个产品，在出厂前要经过一次上述的单应矩阵的计算，之后将单应矩阵存储。每次相邻两个摄像头采集图像后首先使用该矩阵拼接起来，以扩大摄像头视域，以便于获得一可以涵盖较大范围的目标图像。

参见图10，图10为本申请一种存储介质一实施例结构示意图。该存储介质1000存储有程序数据1001，该程序数据1001被执行时实现如上所述一种数据分析方法及各个实施例中所描述的方法。具体地，上述具有存储功能的存储介质1000可以是存储器、个人计算机、服务器、网络设备，或者U盘等其中的一种。

需要说明的是，本发明的实施为合法使用，涉及到人脸识别处理个人信息时，会遵循相关法律规定。

以上所述仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请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，均同理包括在本申请的专利保护范围内。

Claims (11)

1.一种数据分析方法，其特征在于，所述方法包括：

广告播放设备对目标图像进行人脸检测，以获得所述目标图像中的人员特征信息，其中，所述目标图像是对目标区域进行图像采集得到的，所述目标图像中的人员特征信息包括所述目标图像中的人员的属性信息和脸部特征信息；获得所述目标图像中的人员的属性信息，包括：对所述目标图像进行人脸检测，以划分得到至少一张人脸区域子图，其中，每张所述人脸区域子图包括一个人员的脸部；分别对每张所述人脸区域子图中的人脸进行分析，得到所述人脸区域子图中的人员的属性信息；将所述至少一张人脸区域子图中的所述人员的属性信息划分为至少一个区间；

采用下式计算每张所述人脸区域子图的权重：

其中，p_i为每张所述人脸区域子图的像素数，是所述目标图像所包括的人脸区域子图的总的像素数；

计算每个所述区间的权重，获取权重符合设定条件的区间对应的至少一条广告，以及，播放所述至少一条广告；

判断所述目标图像中的人员的脸部特征信息是否为已存人员的脸部特征信息；所述判断所述目标图像中的人员的脸部特征信息是否为已存人员的脸部特征信息，包括：计算所述目标图像中的人员的脸部特征信息与数据库中所有已存人员的脸部特征信息之间的欧式距离；判断最小的所述欧式距离是否小于或等于第二阈值，且其他所述欧式距离中是否存在超出半数小于或等于第三阈值，其中，所述第二阈值小于所述第三阈值；若最小的所述欧式距离小于或等于所述第二阈值，且其他所述欧式距离中存在超出半数的小于或等于所述第三阈值，则判断所述人员的脸部特征信息为与所述最小的欧式距离对应的已存人员的脸部特征信息；若最小的所述欧式距离大于所述第二阈值，或最小的所述欧式距离小于所述第二阈值且其他所述欧式距离中存在超出半数的大于所述第三阈值，则判断所述人员的脸部特征信息不为已存人员的脸部特征信息；

若所述目标图像中的人员的脸部特征信息为已存人员的脸部特征信息，且所述人员的停留时间大于或等于第一阈值，则判断所述目标图像中的对应所述停留时间的人员为异常人员，并将所述异常人员的信息发送至管理处；或者，

若所述目标图像中的人员的脸部特征信息为已存人员的脸部特征信息，且所述目标图像中的人员对应的所述已存人员为预设人员，则向设定终端发送警报信息；所述警报信息包括以下至少一者：所述目标图像中所述预设人员的人脸图像信息、所述预设人员在所述目标区域首次出现的时间、所述预设人员在所述目标区域最后一次出现的时间、所述警报信息的重要等级。

2.根据权利要求1所述的方法，其特征在于，在判断所述目标图像中的人员的脸部特征信息是否为已存人员的脸部特征信息之后，所述方法还包括：

基于所述判断结果对所述人员的脸部特征信息进行处理。

3.根据权利要求2所述的方法，其特征在于，所述基于所述判断结果对所述人员的脸部特征信息进行处理，包括：

若所述目标图像中的人员的脸部特征信息为已存人员的脸部特征信息，则利用所述人员的脸部特征信息更新对应的所述已存人员的脸部特征信息；若所述目标图像中的人员的脸部特征信息不为已存人员的脸部特征信息，将所述人员的脸部特征信息保存为已存人员的脸部特征信息；

和/或

若所述目标图像中的人员的脸部特征信息为已存人员的脸部特征信息，则将当前时间与对应已存人员的首次出现时间之差保存作为所述人员的停留时间；若所述目标图像中的人员的脸部特征信息不为已存人员的脸部特征信息，则将所述人员的脸部特征信息的保存时间保存作为所述人员的首次出现时间。

4.根据权利要求3所述的方法，其特征在于，所述人员的脸部特征信息包括多条；所述利用所述人员的脸部特征信息更新对应的已存人员的脸部特征信息包括：

当所述已存人员的脸部特征信息的数量不足设定值时，则将所述人员的脸部特征信息增加作为所述已存人员的脸部特征信息；或

反之，则用所述人员的脸部特征信息替换所述已存人员的脸部特征信息中替换率满足替换条件的脸部特征信息。

5.根据权利要求4所述的方法，其特征在于，

所述替换条件为所述已存人员的脸部特征信息中替换率最大。

6.根据权利要求1所述的方法，其特征在于，所述人员的属性信息包括：所述人员的年龄、性别中的至少一者。

7.根据权利要求6所述的方法，其特征在于，所述分别对每张所述人脸区域子图中的人脸进行分析，得到所述人脸区域子图中的人员的属性信息包括：

计算每张所述人脸区域子图的像素数；

基于卷积神经网络算法获取每张所述人脸区域子图中所述人员的属性信息。

8.根据权利要求6所述的方法，其特征在于，所述设定条件为在多个区间中权重最高；

和/或，所述计算每个所述区间的权重包括：

将每个所述区间所包括的所有所述人脸区域子图的权重之和，作为所述区间的权重。

9.一种广告播放设备，其特征在于，所述设备包括广告播放电路、摄像头、处理电路和存储器，所述广告播放电路、所述摄像头和所述存储器分别与所述处理电路连接；

其中，所述摄像头用于获取所述广告播放设备的广告投放区域的图像，并发送至所述处理电路；

所述存储器用于存储程序数据；

所述处理电路用于在接收到所述摄像头获取的图像时运行所述程序数据，以执行如权利要求1~8任一项所述的方法，并生成投放目标广告的控制指令发送至所述广告播放电路；

所述广告播放电路用于响应所述投放目标广告的控制指令，投放所述目标广告。

10.根据权利要求9所述的设备，其特征在于，所述设备包括多个参数相同的摄像头；

所述多个摄像头安装在同一水平线，且相邻的摄像头的相邻视域存在预设比例的重叠区域。

11.一种存储介质，其特征在于，所述存储介质存储有程序数据，所述程序数据被执行时实现如权利要求1~8任一项所述的方法。