CN110503457A - 用户满意度的分析方法及装置、存储介质、计算机设备 - Google Patents
用户满意度的分析方法及装置、存储介质、计算机设备 Download PDFInfo
- Publication number
- CN110503457A CN110503457A CN201910625586.3A CN201910625586A CN110503457A CN 110503457 A CN110503457 A CN 110503457A CN 201910625586 A CN201910625586 A CN 201910625586A CN 110503457 A CN110503457 A CN 110503457A
- Authority
- CN
- China
- Prior art keywords
- satisfaction
- user
- feature
- frame
- commodity
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0282—Rating or review of business operators or products
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- 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
- G06V40/174—Facial expression recognition
-
- 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
Abstract
本申请公开了一种用户满意度的分析方法及装置、存储介质、计算机设备,该方法包括:获取用户在商品区域的视频信息,其中,商品区域包括多个按照商品种类划分的区域;依据视频信息,分别提取用户在商品区域的行为特征;根据行为特征,分析用户在商品区域的满意度。本申请实施例的技术方案有效的节约了大量的人力成本和时间成本,并且提高了满意度分析的准确性,同时,也避免用户在购物过程中有服务员对其进行观察或需要配合填写问卷引起的用户反感,在购物者没有察觉的情况下,即可实现满意度调查,也即无需用户主动配合实现了用户满意度的被动调查。
Description
技术领域
本申请涉及数据分析技术领域,尤其是涉及到一种用户满意度的分析方法及装置、存储介质、计算机设备。
背景技术
在购物越来越方便的今天,线下门店需要提供更加优质的服务,为用户创造更加良好的购物体验,才能具有更大的竞争力。对客户的购物满意度进行调查,通过群众的调查和反馈来改进门店服务不完善的地方,有助于提高门店的竞争力。
目前,对客户满意度的调查一般依靠调查问卷的方式完成,但是愿意配合填写调查问卷的客户数量较少,难以获得到足够的有效样本,且调查人员所承担的劳动强度也很大,调查成本较高,且效率难以保证。
发明内容
有鉴于此,本申请提供了一种用户满意度的分析方法及装置、存储介质、计算机设备,能够提高用户满意度的分析效率。
根据本申请的一个方面,提供了一种用户满意度的分析方法,包括:
获取用户在商品区域的视频信息,其中,所述商品区域包括多个按照商品种类划分的区域;
依据所述视频信息,分别提取所述用户在所述商品区域的行为特征;
根据所述行为特征,分析所述用户在所述商品区域的满意度。
在本申请实施例中,具体地,所述依据所述视频信息,分别提取所述用户在所述商品区域的行为特征,具体包括:
根据所述视频信息,提取所述用户在所述商品区域的停留时间信息以及逐帧提取所述用户在所述商品区域中的每一帧特征图片;
分别从每一帧所述特征图片中,识别出所述用户的肢体动作特征以及面部表情特征。
在本申请实施例中,具体地,所述根据所述行为特征,分析所述用户在所述商品区域的满意度,具体包括:
根据所述停留时间,计算所述停留时间对应所述用户的第一满意度;
根据每一帧所述特征图片对应的所述肢体动作特征以及多个预设标准肢体动作特征,分析所述肢体动作特征对应的所述用户的第二满意度;
根据每一帧所述特征图片对应的所述面部表情特征以及多个预设标准面部表情特征,分析所述面部表情特征对应的所述用户的第三满意度;
根据所述第一满意度、所述第二满意度以及所述第三满意度,计算所述用户在所述商品区域的满意度。
在本申请实施例中,具体地,所述根据所述停留时间,计算所述停留时间对应所述用户的第一满意度,具体包括:
按照第一满意度计算公式,计算所述第一满意度Wk,其中,所述第一满意度计算公式为
Tk表示所述用户在任一商品区域k的停留时间,T'k表示在任一所述商品区域k的预设停留时间,Wk表示所述用户在任一所述商品区域k的第一满意度。
在本申请实施例中,具体地,所述根据每一帧所述特征图片对应的所述肢体动作特征以及多个预设标准肢体动作特征,分析所述肢体动作特征对应的所述用户的第二满意度,具体包括:
分别将每一帧所述特征图片对应的所述肢体动作特征与多个所述预设标准肢体动作特征进行匹配,得出每一帧所述特征图片对应的肢体动作;
根据预设肢体动作与肢体动作满意度之间的对应关系,确定所述用户的每个所述肢体动作对应的肢体动作满意度,并将所述肢体动作满意度中的最大值作为所述第二满意度Sk,其中,Sk表示所述用户在任一所述商品区域k的第二满意度。
在本申请实施例中,具体地,所述根据每一帧所述特征图片对应的所述面部表情特征以及多个预设标准面部表情特征,分析所述面部表情特征对应的所述用户的第三满意度,具体包括:
分别将每一帧所述特征图片对应的所述面部表情特征与多个所述预设标准面部表情特征进行匹配,得出每一帧所述特征图片对应的面部表情;
根据预设面部表情与面部表情满意度之间的对应关系,确定所述用户的每个所述面部表情对应的面部表情满意度;
对所述面部表情满意度进行线性拟合,并将线性拟合后得到的拟合系数作为所述第三满意度Bk,其中,Bk表示所述用户在任一所述商品区域k的第三满意度。
根据本申请的另一方面,提供了一种用户满意度的分析装置,包括:
视频获取模块,用于获取用户在商品区域的视频信息;
特征提取模块,用于依据所述视频信息,分别提取所述用户在所述商品区域的行为特征;
满意度分析模块,用于根据所述行为特征,分析所述用户在多个所述商品区域的满意度。
在本申请实施例中,具体地,所述特征提取模块,具体包括:
第一特征提取单元,用于根据所述视频信息,提取所述用户在所述商品区域的停留时间信息以及逐帧提取所述用户在所述商品区域中的每一帧特征图片;
第二特征提取单元,用于分别从每一帧所述特征图片中,识别出所述用户的肢体动作特征以及面部表情特征。
在本申请实施例中,具体地,所述满意度分析模块,具体包括:
第一满意度计算单元,用于根据所述停留时间,计算所述停留时间对应所述用户的第一满意度;
第二满意度计算单元,用于根据每一帧所述特征图片对应的所述肢体动作特征以及多个预设标准肢体动作特征,分析所述肢体动作特征对应的所述用户的第二满意度;
第三满意度计算单元,用于根据每一帧所述特征图片对应的所述面部表情特征以及多个预设标准面部表情特征,分析所述面部表情特征对应的所述用户的第三满意度;
第四满意度计算单元,用于根据所述第一满意度、所述第二满意度以及所述第三满意度,计算所述用户在所述商品区域的满意度。
在本申请实施例中,具体地,所述第一满意度计算单元,具体用于:
按照第一满意度计算公式,计算所述第一满意度Wk,其中,所述第一满意度计算公式为
Tk表示所述用户在任一商品区域k的停留时间,T'k表示在任一所述商品区域k的预设停留时间,Wk表示所述用户在任一所述商品区域k的第一满意度。
在本申请实施例中,具体地,所述第二满意度计算单元,具体用于:
分别将每一帧所述特征图片对应的所述肢体动作特征与多个所述预设标准肢体动作特征进行匹配,得出每一帧所述特征图片对应的肢体动作;
根据预设肢体动作与肢体动作满意度之间的对应关系,确定所述用户的每个所述肢体动作对应的肢体动作满意度,并将所述肢体动作满意度中的最大值作为所述第二满意度Sk,其中,Sk表示所述用户在任一所述商品区域k的第二满意度。
在本申请实施例中,具体地,所述第三满意度计算单元,具体用于:
分别将每一帧所述特征图片对应的所述面部表情特征与多个所述预设标准面部表情特征进行匹配,得出每一帧所述特征图片对应的面部表情;
根据预设面部表情与面部表情满意度之间的对应关系,确定所述用户的每个所述面部表情对应的面部表情满意度;
对所述面部表情满意度进行线性拟合,并将线性拟合后得到的拟合系数作为所述第三满意度Bk,其中,Bk表示所述用户在任一所述商品区域k的第三满意度。
依据本申请又一个方面,提供了一种存储介质,其上存储有计算机程序,所述程序被处理器执行时实现上述用户满意度的分析方法。
依据本申请再一个方面,提供了一种计算机设备,包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述用户满意度的分析方法。
借由上述技术方案,本申请提供的一种用户满意度的分析方法及装置、存储介质、计算机设备,通过在不同的商品区域布置摄像头,分别采集用户在不同商品区域的视频信息,从而从视频信息中解析出用户在不同商品区域中的行为特征,进一步基于用户的行为特征,计算用户在不同商品区域的满意度。本申请通过获取监控摄像头中的视频信息,从而通过视频信息进行用户的满意度分析,与现有技术中依靠服务人员对购物者的行为进行观察从而估计用户的满意度或者邀请购物者填写调查问卷相比,本申请实施例的技术方案有效的节约了大量的人力成本和时间成本,并且提高了满意度分析的准确性,同时,也避免用户在购物过程中有服务员对其进行观察或需要配合填写问卷引起的用户反感,在购物者没有察觉的情况下,即可实现满意度调查,也即无需用户主动配合实现了用户满意度的被动调查。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1示出了本申请实施例提供的一种用户满意度的分析方法的流程示意图;
图2示出了本申请实施例提供的另一种用户满意度的分析方法的流程示意图;
图3示出了本申请实施例提供的一种用户满意度的分析装置的结构示意图;
图4示出了本申请实施例提供的另一种用户满意度的分析装置的结构示意图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本申请。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。
在本实施例中提供了一种用户满意度的分析方法,如图1所示,该方法包括:
步骤101,获取用户在商品区域的视频信息。
需要说明的是,本申请的方案实施之前,应在购物场所中划分出不同的商品区域,例如可以按照不同的货架划分商品区域,具体来说,摆放A类商品的货架及货架周围的部分划分为商品区域1,摆放B类商品的货架及货架周围的部分划分为商品区域2,每个区域分别布置能够覆盖这个区域的摄像设备。
在本申请实施例步骤101中,摄像设备采集到用户的视频信息后,将用户的视频信息发送至监控服务器中,从而监控服务器可以对用户的视频信息进行进一步的分析。具体地,用户的视频信息可以包括商品区域编号,这个商品区域编号可以用于确定用户的视频信息具体是在哪个区域拍摄到的。
步骤102,依据视频信息,分别提取用户在商品区域的行为特征。
通过对不同的商品区域的视频信息进行分析,可以将用户在商品区域产生的行为从视频信息中提取出来,例如用户浏览商品时产生的肢体动作、面部表情等等可以反映出用户对该商品区域或该区域的商品的满意程度的特征,从而后续利用这些行为特征进行满意度分析。利用视频信息对用户的行为特征进行解析,与现有技术中依靠服务员对用户的行为进行观察总结得到用户行为特征的方式相比,节约了大量的人力成本,也不易造成用户反感,提升了工作效率。
步骤103,根据行为特征,分析用户在多个商品区域的满意度。
从用户在不同商品区域的视频信息中解析出用户的行为特征后,依据用户的行为特征,对用户在不同的商品区域的满意度进行分析,例如用户在某一款式的服装货架前停留时面部展现出了笑容,并且将货架上的服装拿下来仔细观察,那么可以反映出用户对该商品区域的商品比较感兴趣,对该商品区域的满意程度较高。进一步地,结合不同用户在不用的商品区域的行为特征,可以综合分析出不同商品区域的用户满意度情况,从而根据满意度可以对不同的商品摆放位置、进货量等等进行调整,以提升用户的购物体验,也有助于提高商家的销售额。
通过应用本实施例的技术方案,通过在不同的商品区域布置摄像头,分别采集用户在不同商品区域的视频信息,从而从视频信息中解析出用户在不同商品区域中的行为特征,进一步基于用户的行为特征,计算用户在不同商品区域的满意度。本申请通过获取监控摄像头中的视频信息,从而通过视频信息进行用户的满意度分析,与现有技术中依靠服务人员对购物者的行为进行观察从而估计用户的满意度或者邀请购物者填写调查问卷相比,本申请实施例的技术方案有效的节约了大量的人力成本和时间成本,并且提高了满意度分析的准确性,同时,也避免用户在购物过程中有服务员对其进行观察或需要配合填写问卷引起的用户反感,在购物者没有察觉的情况下,即可实现满意度调查,也即无需用户主动配合实现了用户满意度的被动调查。
进一步的,作为上述实施例具体实施方式的细化和扩展,为了完整说明本实施例的具体实施过程,提供了另一种用户满意度的分析方法,如图2所示,该方法包括:
步骤201,获取用户在商品区域的视频信息。
获取用户在不同的商品区域的视频信息。
步骤202,根据视频信息,提取用户在商品区域的停留时间信息以及逐帧提取用户在商品区域中的每一帧特征图片。
根据用户在不同商品区域的视频信息,分别从每个区域的视频信息中提取出用户在每个商品区域的停留时间,在商品区域的停留时间长短可以在一定程度上体现出用户对该商品区域的满意程度,但是有的时候用户在某一区域停留时间长,可能存在在该区域等人、接打电话等等情况,这时单纯通过停留时间就无法确定用户对该商品区域的满意度,因此,还应从视频信息中逐帧提取出图片,从而结合图片进行满意度的分析。
步骤203,分别从每一帧特征图片中,识别出用户的肢体动作特征以及面部表情特征。
对不同商品区域视频信息对应的每一帧特征图片进行识别,从中分析出用户的肢体动作特征和面部表情特征。
步骤204,根据停留时间,计算停留时间对应用户的第一满意度。
用户在商品区域的停留时间,作为用户满意度的计算条件之一。
在本申请实施例的步骤204中,具体的计算第一满意度的方式可以为:
按照第一满意度计算公式,计算第一满意度Wk,其中,第一满意度计算公式为
Tk表示用户在任一商品区域k的停留时间,T'k表示在任一商品区域k的预设停留时间,Wk表示用户在任一商品区域k的第一满意度。
在上述实施例中,Tk为用户在k区域的停留时间,T'k为k区域的停留时间阈值(该值的大小可以按照人模拟逛街速度在K区域行走一圈所用的时间来确定),停留时间和停留时间阈值的单位为秒,以保证对数的底数值大于1。当用户在K区域的停留时间小于停留时间阈值时,认为用户对K区域的商品不感兴趣,兴趣度记为0;当用户在K区域的停留时间等于停留时间阈值时,兴趣度记为1;当用户在K区域的停留时间大于停留时间阈值时,兴趣度按上述公式计算,兴趣度大于1。
步骤205,根据每一帧特征图片对应的肢体动作特征以及多个预设标准肢体动作特征,分析肢体动作特征对应的用户的第二满意度。
用户在商品区域的肢体动作特征,作为用户满意度的计算条件之一。
在本申请实施例的步骤205中,具体的计算第二满意度的方式可以为:
步骤2051,分别将每一帧特征图片对应的肢体动作特征与多个预设标准肢体动作特征进行匹配,得出每一帧特征图片对应的肢体动作;
在上述实施例中,如果只依据用户的停留时间来判断虽然大部分情况下,停留时间长短还是和用户感兴趣程度成正比的,但是仍会存在用户在货架旁边等人结果被判定成感兴趣的这种误判。由于存在“等人”被误判成“感兴趣”的干扰,故加入了肢体动作识别来作为辅助。其中,监控服务器在接收到用户在某个区域的视频信息后,根据视频信息中的每一帧特征图片对用户在该区域内与商品的接触动作的动作特征进行提取,结合预设的标准肢体动作特征进行相似度匹配,分别计算每一帧图片对应的动作特征与多个预设标准肢体动作特征的相似度(相似度可以采用欧式距离的计算方式),将最高相似度对应的预设标准肢体动作确定为视频图片对应的肢体动作。例如手部与A类商品(如玩具车)的接触动作,臀部与B类商品(如沙发)的接触动作等等。另外,需要说明的是,如果相似度小于预设相似度,则将这一帧图片的动作特征标记为无特征动作产生,并在后续计算每一帧图片对应的满意度时,将这一帧图片对应的满意度记为0,避免动作误识别造成的满意度计算准确性降低。
步骤2052,根据预设肢体动作与肢体动作满意度之间的对应关系,确定用户的每个肢体动作对应的肢体动作满意度,并将肢体动作满意度中的最大值作为第二满意度Sk,其中,Sk表示用户在任一商品区域k的第二满意度。
在上述实施例中,分析出每一帧图片对应的肢体动作后,根据预先设置的肢体动作与肢体动作满意度的对照表,来确定每一帧图片的肢体动作的满意度。需要说明的是,对于每个商品区域,都有预先设置的动作与满意度的对照表,例如在区域k的手部与商品的接触动作,对应的兴趣值为3,臀部与商品的接触动作,对应的兴趣值为5。
在确定每一帧图片对应的满意度后,将全部图片对应的满意度最大值,确定为用户在商品区域k的第二满意度Sk。
步骤206,根据每一帧特征图片对应的面部表情特征以及多个预设标准面部表情特征,分析面部表情特征对应的用户的第三满意度。
用户在商品区域的面部表情特征,作为用户满意度的计算条件之一。
在本申请实施例的步骤206中,具体的计算第三满意度的方式可以为:
步骤2061,分别将每一帧特征图片对应的面部表情特征与多个预设标准面部表情特征进行匹配,得出每一帧特征图片对应的面部表情。
在上述实施例中,从每一帧特征图片中提取出面部表情特征,分别计算每一帧特征图片的面部表情特征与多个预设标准面部表情特征的相似度,根据最高相似度确定每一帧特征图片的面部表情。其中,相似度采用欧式距离计算,用户面部表情特征向量与每一个预设标准面部表情的标准特征向量的相似度的计算公式可以为xi表示任意一帧图片对应的用户面部表情特征向量,yj表示任意一个预设标准面部表情的标准特征向量,k表示向量的维度,i表示提取出的图片的帧数,j表示预设类别的数量,则d(xi,yj)表示第i帧图片对应的用户面部表情特征向量与第j个标准面部表情的标准特征向量之间的相似度。
对于每一帧图片,根据用户面部表情特征向量xi与j个类别的标准特征向量之间最高相似度,确定为这一帧图片对应的面部表情类别。
步骤2062,根据预设面部表情与面部表情满意度之间的对应关系,确定用户的每个面部表情对应的面部表情满意度。
根据预先设置的每个面部表情与满意度之间的对印关系,确定用户的每一帧图片的面部表情对应的面部表情满意度。例如微笑表情对应满意度为5,皱眉表情对应满意度为2。
步骤2063,对面部表情满意度进行线性拟合,并将线性拟合后得到的拟合系数作为第三满意度Bk,其中,Bk表示用户在任一商品区域k的第三满意度。
计算出每一帧图片对应的用户满意度后,具体评估用户在每个区域的满意度的方法可以为:利用用户在任意一个区域的每一帧图片对应的满意度,进行满意度的线性拟合,其中,拟合函数可以为y=bx+a,拟合求出系数b后,将系数b作为用户在该区域的满意度。系数b可以反映用户在一个区域的每一帧图像对应的满意度的大致的变化趋势,因此可以将这个系数作为确定用户在这个区域的满意度的依据或者直接将这个系数b作为用户在这个区域的第三满意度Bk即系数b。
步骤207,根据第一满意度、第二满意度以及第三满意度,计算用户在商品区域的满意度。
依据停留时间对应的第一满意度Wk、肢体动作对应的第二满意度Sk、以及面部表情对应的第三满意度Bk,计算用户在商品区域k的满意度,Pk=Wk+Sk+Bk,或者Pk=ω1×Wk+ω2×Sk+ω3×Bk,ω1、ω2、ω3为预设系数,具体可以依据人工经验按照商品属性进行设置,例如服装类ω2、ω3可以将系数值调整稍大一些,零食类ω1可以稍微大一些等。
另外,本申请实施例还可以包括:根据用户在商品区域的满意度,以及商品区域的商品利润额,分析商品区域的商品价值。
其中,商品区域的商品价值的计算公式为
Mk表示任一商品区域k的商品价值,Pk表示用户在任一商品区域k的满意度,Pk=Wk+Sk+Bk,Nk表示任一商品区域k的商品利润额在全部商品区域的商品利润额中的占比。
在本申请实施例中,计算出用户在每个商品区域的满意度之后,还可以对每个商品区域的商品价值进行评估,其中,商品价值与用户的满意度和该区域的商品利润额相关,具体计算方式如上述计算公式。
计算出不同商品区域的满意度或商品价值后,可以根据满意度或商品价值调整商品的摆放位置、调整进货量等以促进销售额增加,提升用户购物体验。例如将满意度高,或商品价值高的商品区域对应的商品放在更显眼的位置,或增加进货量储备更多该种类商品。
通过应用本实施例的技术方案,通过在不同的商品区域布置摄像头,分别采集用户在不同商品区域的视频信息,从而从视频信息中解析出用户在不同商品区域中的停留时间、肢体动作、面部表情特征,进一步基于用户的上述特征,计算用户在不同商品区域的满意度,以及结合商品销售利润额计算不同商品区域的商品价值。本申请通过获取监控摄像头中的视频信息,从而通过视频信息进行用户的满意度分析,与现有技术中依靠服务人员对购物者的行为进行观察从而估计用户的满意度或者邀请购物者填写调查问卷相比,本申请实施例的技术方案有效的节约了大量的人力成本和时间成本,并且提高了满意度分析的准确性,同时,也避免用户在购物过程中有服务员对其进行观察引起的用户反感,在购物者没有察觉的情况下,即可实现满意度分析和商品价值分析。
进一步的,作为图1方法的具体实现,本申请实施例提供了一种用户满意度的分析装置,如图3所示,该装置包括:视频获取模块31、特征提取模块32、满意度分析模块33。
视频获取模块31,用于获取用户在商品区域的视频信息;
特征提取模块32,用于依据视频信息,分别提取用户在商品区域的行为特征;
满意度分析模块33,用于根据行为特征,分析用户在多个商品区域的满意度。
在本申请实施例中,具体地,如图4所示,特征提取模块32,具体包括:第一特征提取单元321、第二特征提取单元322。
第一特征提取单元321,用于根据视频信息,提取用户在商品区域的停留时间信息以及逐帧提取用户在商品区域中的每一帧特征图片;
第二特征提取单元322,用于分别从每一帧特征图片中,识别出用户的肢体动作特征以及面部表情特征。
在本申请实施例中,具体地,满意度分析模块33,具体包括:第一满意度计算单元331、第二满意度计算单元332、第三满意度计算单元333、第四满意度计算单元334。
第一满意度计算单元331,用于根据停留时间,计算停留时间对应用户的第一满意度;
第二满意度计算单元332,用于根据每一帧特征图片对应的肢体动作特征以及多个预设标准肢体动作特征,分析肢体动作特征对应的用户的第二满意度;
第三满意度计算单元333,用于根据每一帧特征图片对应的面部表情特征以及多个预设标准面部表情特征,分析面部表情特征对应的用户的第三满意度;
第四满意度计算单元334,用于根据第一满意度、第二满意度以及第三满意度,计算用户在商品区域的满意度。
在本申请实施例中,具体地,第一满意度计算单元331,具体用于:
按照第一满意度计算公式,计算第一满意度Wk,其中,第一满意度计算公式为
Tk表示用户在任一商品区域k的停留时间,T'k表示在任一商品区域k的预设停留时间,Wk表示用户在任一商品区域k的第一满意度。
在本申请实施例中,具体地,第二满意度计算单元332,具体用于:
分别将每一帧特征图片对应的肢体动作特征与多个预设标准肢体动作特征进行匹配,得出每一帧特征图片对应的肢体动作;
根据预设肢体动作与肢体动作满意度之间的对应关系,确定用户的每个肢体动作对应的肢体动作满意度,并将肢体动作满意度中的最大值作为第二满意度Sk,其中,Sk表示用户在任一商品区域k的第二满意度。
在本申请实施例中,具体地,第三满意度计算单元333,具体用于:
分别将每一帧特征图片对应的面部表情特征与多个预设标准面部表情特征进行匹配,得出每一帧特征图片对应的面部表情;
根据预设面部表情与面部表情满意度之间的对应关系,确定用户的每个面部表情对应的面部表情满意度;
对面部表情满意度进行线性拟合,并将线性拟合后得到的拟合系数作为第三满意度Bk,其中,Bk表示用户在任一商品区域k的第三满意度。
需要说明的是,本申请实施例提供的一种用户满意度的分析装置所涉及各功能单元的其他相应描述,可以参考图1和图2中的对应描述,在此不再赘述。
基于上述如图1和图2所示方法,相应的,本申请实施例还提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述如图1和图2所示的用户满意度的分析方法。
基于这样的理解,本申请的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施场景所述的方法。
基于上述如图1、图2所示的方法,以及图3、图4所示的虚拟装置实施例,为了实现上述目的,本申请实施例还提供了一种计算机设备,具体可以为个人计算机、服务器、网络设备等,该计算机设备包括存储介质和处理器;存储介质,用于存储计算机程序;处理器,用于执行计算机程序以实现上述如图1和图2所示的用户满意度的分析方法。
可选地,该计算机设备还可以包括用户接口、网络接口、摄像头、射频(RadioFrequency,RF)电路,传感器、音频电路、WI-FI模块等等。用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard)等,可选用户接口还可以包括USB接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如蓝牙接口、WI-FI接口)等。
本领域技术人员可以理解,本实施例提供的一种计算机设备结构并不构成对该计算机设备的限定,可以包括更多或更少的部件,或者组合某些部件,或者不同的部件布置。
存储介质中还可以包括操作系统、网络通信模块。操作系统是管理和保存计算机设备硬件和软件资源的程序,支持信息处理程序以及其它软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信,以及与该实体设备中其它硬件和软件之间通信。
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本申请可以借助软件加必要的通用硬件平台的方式来实现,也可以通过硬件实现通过在不同的商品区域布置摄像头,分别采集用户在不同商品区域的视频信息,从而从视频信息中解析出用户在不同商品区域中的行为特征,进一步基于用户的行为特征,计算用户在不同商品区域的满意度。本申请通过获取监控摄像头中的视频信息,从而通过视频信息进行用户的满意度分析,与现有技术中依靠服务人员对购物者的行为进行观察从而估计用户的满意度或者邀请购物者填写调查问卷相比,本申请实施例的技术方案有效的节约了大量的人力成本和时间成本,并且提高了满意度分析的准确性,同时,也避免用户在购物过程中有服务员对其进行观察引起的用户反感,在购物者没有察觉的情况下,即可实现满意度调查,也即无需用户主动配合实现了用户满意度的被动调查。
本领域技术人员可以理解附图只是一个优选实施场景的示意图,附图中的模块或流程并不一定是实施本申请所必须的。本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中,也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
上述本申请序号仅仅为了描述,不代表实施场景的优劣。以上公开的仅为本申请的几个具体实施场景,但是,本申请并非局限于此,任何本领域的技术人员能思之的变化都应落入本申请的保护范围。
Claims (10)
1.一种用户满意度的分析方法,其特征在于,包括:
获取用户在商品区域的视频信息,其中,所述商品区域包括多个按照商品种类划分的区域;
依据所述视频信息,分别提取所述用户在所述商品区域的行为特征;
根据所述行为特征,分析所述用户在所述商品区域的满意度。
2.根据权利要求1所述的方法,其特征在于,所述依据所述视频信息,分别提取所述用户在所述商品区域的行为特征,具体包括:
根据所述视频信息,提取所述用户在所述商品区域的停留时间信息以及逐帧提取所述用户在所述商品区域中的每一帧特征图片;
分别从每一帧所述特征图片中,识别出所述用户的肢体动作特征以及面部表情特征。
3.根据权利要求2所述的方法,其特征在于,所述根据所述行为特征,分析所述用户在所述商品区域的满意度,具体包括:
根据所述停留时间,计算所述停留时间对应所述用户的第一满意度;
根据每一帧所述特征图片对应的所述肢体动作特征以及多个预设标准肢体动作特征,分析所述肢体动作特征对应的所述用户的第二满意度;
根据每一帧所述特征图片对应的所述面部表情特征以及多个预设标准面部表情特征,分析所述面部表情特征对应的所述用户的第三满意度;
根据所述第一满意度、所述第二满意度以及所述第三满意度,计算所述用户在所述商品区域的满意度。
4.根据权利要求3所述的方法,其特征在于,所述根据所述停留时间,计算所述停留时间对应所述用户的第一满意度,具体包括:
按照第一满意度计算公式,计算所述第一满意度Wk,其中,所述第一满意度计算公式为
Tk表示所述用户在任一商品区域k的停留时间,Tk'表示在任一所述商品区域k的预设停留时间,Wk表示所述用户在任一所述商品区域k的第一满意度。
5.根据权利要求4所述的方法,其特征在于,所述根据每一帧所述特征图片对应的所述肢体动作特征以及多个预设标准肢体动作特征,分析所述肢体动作特征对应的所述用户的第二满意度,具体包括:
分别将每一帧所述特征图片对应的所述肢体动作特征与多个所述预设标准肢体动作特征进行匹配,得出每一帧所述特征图片对应的肢体动作;
根据预设肢体动作与肢体动作满意度之间的对应关系,确定所述用户的每个所述肢体动作对应的肢体动作满意度,并将所述肢体动作满意度中的最大值作为所述第二满意度Sk,其中,Sk表示所述用户在任一所述商品区域k的第二满意度。
6.根据权利要求5所述的方法,其特征在于,所述根据每一帧所述特征图片对应的所述面部表情特征以及多个预设标准面部表情特征,分析所述面部表情特征对应的所述用户的第三满意度,具体包括:
分别将每一帧所述特征图片对应的所述面部表情特征与多个所述预设标准面部表情特征进行匹配,得出每一帧所述特征图片对应的面部表情;
根据预设面部表情与面部表情满意度之间的对应关系,确定所述用户的每个所述面部表情对应的面部表情满意度;
对所述面部表情满意度进行线性拟合,并将线性拟合后得到的拟合系数作为所述第三满意度Bk,其中,Bk表示所述用户在任一所述商品区域k的第三满意度。
7.一种用户满意度的分析装置,其特征在于,包括:
视频获取模块,用于获取用户在商品区域的视频信息;
特征提取模块,用于依据所述视频信息,分别提取所述用户在所述商品区域的行为特征;
满意度分析模块,用于根据所述行为特征,分析所述用户在多个所述商品区域的满意度。
8.根据权利要求7所述的装置,其特征在于,所述特征提取模块,具体包括:
第一特征提取单元,用于根据所述视频信息,提取所述用户在所述商品区域的停留时间信息以及逐帧提取所述用户在所述商品区域中的每一帧特征图片;
第二特征提取单元,用于分别从每一帧所述特征图片中,识别出所述用户的肢体动作特征以及面部表情特征。
9.一种存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现权利要求1至6中任一项所述的用户满意度的分析方法。
10.一种计算机设备,包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至6中任一项所述的用户满意度的分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910625586.3A CN110503457A (zh) | 2019-07-11 | 2019-07-11 | 用户满意度的分析方法及装置、存储介质、计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910625586.3A CN110503457A (zh) | 2019-07-11 | 2019-07-11 | 用户满意度的分析方法及装置、存储介质、计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110503457A true CN110503457A (zh) | 2019-11-26 |
Family
ID=68585272
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910625586.3A Pending CN110503457A (zh) | 2019-07-11 | 2019-07-11 | 用户满意度的分析方法及装置、存储介质、计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110503457A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111461764A (zh) * | 2020-03-11 | 2020-07-28 | 深圳信息职业技术学院 | 消费者信息采集方法、装置和系统 |
CN111639549A (zh) * | 2020-05-12 | 2020-09-08 | 中信银行股份有限公司 | 业务满意度确定方法、装置及电子设备 |
CN111861636A (zh) * | 2020-06-19 | 2020-10-30 | 武汉理工大学 | 基于居家养老的服务数据处理方法、系统和存储介质 |
CN113205356A (zh) * | 2020-02-03 | 2021-08-03 | Gn股份公司 | 以现场空间中的动作识别为基础的满意度调查系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170116660A1 (en) * | 2015-10-23 | 2017-04-27 | International Business Machines Corporation | In-store shopper location-based gift idea determination |
CN108805088A (zh) * | 2018-06-14 | 2018-11-13 | 南京云思创智信息科技有限公司 | 基于多模态情绪识别系统的生理信号分析子系统 |
CN109048934A (zh) * | 2018-08-20 | 2018-12-21 | 深圳威琳懋生物科技有限公司 | 一种智能导购机器人系统 |
CN109858960A (zh) * | 2019-01-21 | 2019-06-07 | 平安科技(深圳)有限公司 | 商品推送方法、装置、用户信息管理服务器及存储介质 |
WO2019128558A1 (zh) * | 2017-12-28 | 2019-07-04 | 北京达佳互联信息技术有限公司 | 用户肢体动作的解析方法、系统及移动终端 |
-
2019
- 2019-07-11 CN CN201910625586.3A patent/CN110503457A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170116660A1 (en) * | 2015-10-23 | 2017-04-27 | International Business Machines Corporation | In-store shopper location-based gift idea determination |
WO2019128558A1 (zh) * | 2017-12-28 | 2019-07-04 | 北京达佳互联信息技术有限公司 | 用户肢体动作的解析方法、系统及移动终端 |
CN108805088A (zh) * | 2018-06-14 | 2018-11-13 | 南京云思创智信息科技有限公司 | 基于多模态情绪识别系统的生理信号分析子系统 |
CN109048934A (zh) * | 2018-08-20 | 2018-12-21 | 深圳威琳懋生物科技有限公司 | 一种智能导购机器人系统 |
CN109858960A (zh) * | 2019-01-21 | 2019-06-07 | 平安科技(深圳)有限公司 | 商品推送方法、装置、用户信息管理服务器及存储介质 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113205356A (zh) * | 2020-02-03 | 2021-08-03 | Gn股份公司 | 以现场空间中的动作识别为基础的满意度调查系统 |
CN113205356B (zh) * | 2020-02-03 | 2024-02-20 | Gn股份公司 | 以现场空间中的动作识别为基础的满意度调查系统 |
CN111461764A (zh) * | 2020-03-11 | 2020-07-28 | 深圳信息职业技术学院 | 消费者信息采集方法、装置和系统 |
CN111639549A (zh) * | 2020-05-12 | 2020-09-08 | 中信银行股份有限公司 | 业务满意度确定方法、装置及电子设备 |
CN111861636A (zh) * | 2020-06-19 | 2020-10-30 | 武汉理工大学 | 基于居家养老的服务数据处理方法、系统和存储介质 |
CN111861636B (zh) * | 2020-06-19 | 2023-04-18 | 武汉理工大学 | 基于居家养老的服务数据处理方法、系统和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110503457A (zh) | 用户满意度的分析方法及装置、存储介质、计算机设备 | |
US10580057B2 (en) | Photorealistic recommendation of clothing and apparel based on detected web browser input and content tag analysis | |
US8655053B1 (en) | Body modeling and garment fitting using an electronic device | |
US20180293788A1 (en) | Method and apparatus for estimating body shape | |
KR102054443B1 (ko) | 인터랙티브 광고를 위한 사용 측정 기술 및 시스템 | |
CN110033298B (zh) | 信息处理设备及其控制方法、系统和存储介质 | |
CN107203897A (zh) | 一种产品推荐度的评价方法、装置及系统 | |
US20180268458A1 (en) | Automated recommendation and virtualization systems and methods for e-commerce | |
CN106202316A (zh) | 基于视频的商品信息获取方法及装置 | |
CN109816441A (zh) | 策略推送方法、系统及相关装置 | |
JP6500374B2 (ja) | 画像処理装置及び画像処理プログラム | |
CN108596730A (zh) | 服饰信息的处理方法、装置及智能设备 | |
CN106202304A (zh) | 基于视频的商品推荐方法及装置 | |
CN108475381A (zh) | 用于媒体内容的表现的直接预测的方法和设备 | |
CN107169002A (zh) | 一种基于脸识别的个性化界面推送方法及装置 | |
CN109767453A (zh) | 信息处理装置、背景图像更新方法和非暂态计算机可读存储介质 | |
US11093974B2 (en) | Image attribute processing system, image attribute processing apparatus, and method of processing image attributes | |
JP2021527883A (ja) | ソーシャルネットワークを利用した影響力測定方法および装置 | |
CN109074498A (zh) | 用于pos区域的访问者跟踪方法和系统 | |
WO2020073524A1 (zh) | 一种线下商品推荐方法、装置和电子设备 | |
CN111447260A (zh) | 信息推送、信息发布方法及装置 | |
CN107967637B (zh) | 一种商品对象型号的推荐方法、装置及电子设备 | |
WO2019192455A1 (zh) | 门店系统、物品搭配方法、装置及电子设备 | |
CN112837108A (zh) | 信息处理方法、装置及电子设备 | |
US20220101407A1 (en) | Method for determining a recommended product, electronic apparatus, and non-transitory computer-readable storage medium |
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 |