CN110826482A - 一种固定区域内的人数检测方法及装置 - Google Patents

Abstract

本发明提供了一种固定区域内的人数检测方法及装置，其中方法包括：获取检测周期内当前观察进店率和当前观察出店率；依据检测周期起始时刻与当前时刻之间监控设备识别到的既有进入固定区域行为又有离开固定区域行为的人群的在店时长，计算在店时长累计分布函数；计算每个检测周期起始时刻与当前时刻之间监控设备识别到的只有进入固定区域行为但没有离开固定区域行为的人的在店无偏估计值；依据在店无偏估计值对当前固定区域内的人数进行修正，得到当前固定区域内的准确人数，提高了固定区域内人数检测的准确率。

Description

一种固定区域内的人数检测方法及装置

技术领域

本发明涉及信息技术领域，更具体的，涉及一种固定区域内的人数检测方法及装置。

背景技术

随着信息技术的快速发展，人们不断发掘数据的价值。对于安装有监控设备的固定区域，如商店、超市等，实时检测在店人数，能够帮助经营者更好的了解当前店内的热度、消费情况以及人流走向，是线下流量打通至关重要的一个环节。

目前，一般通过监控设备，如摄像头等实时捕捉每个顾客的行走轨迹，检测出顾客的进店行为和出店行为，进而统计在店人数，当检测到顾客的进店行为时，在店人数加一，当检测到顾客的出店行为时，在店人数减一。但是由于监控设备不能覆盖到所有角度，会有一部分顾客的进店和出店行为不能被捕捉到，或者只检测到进店行为或出店行为，导致检测到的在店人数与实际情况会有一定误差。

发明内容

有鉴于此，本发明提供了一种固定区域内的人数检测方法及装置，实现对固定区域内人数的准确检测。

为了实现上述发明目的，本发明提供的具体技术方案如下：

一种固定区域内的人数检测方法，所述固定区域安装有监控设备，所述方法包括：

获取检测周期内当前观察进店率和当前观察出店率；

依据所述检测周期起始时刻与当前时刻之间所述监控设备识别到的既有进入所述固定区域行为又有离开所述固定区域行为的人群的在店时长，计算在店时长累计分布函数；

计算每个所述检测周期起始时刻与当前时刻之间所述监控设备识别到的只有进入所述固定区域行为但没有离开所述固定区域行为的人的在店无偏估计值；

依据所述在店无偏估计值对当前所述固定区域内的人数进行修正，得到当前所述固定区域内的准确人数。

可选的，所述获取检测周期内当前观察进店率和当前观察出店率，包括：

获取所述检测周期起始时刻与当前时刻之间所述监控设备识别到的既有进入所述固定区域行为又有离开所述固定区域行为的人数；

获取所述检测周期起始时刻与当前时刻之间所述监控设备识别到的没有进入所述固定区域行为但有离开所述固定区域行为的人数；

获取所述检测周期起始时刻与当前时刻之间所述监控设备识别到的只有进入所述固定区域行为但没有离开所述固定区域行为的人数；

计算所述检测周期起始时刻与当前时刻之间所述监控设备识别到的既有进入所述固定区域行为又有离开所述固定区域行为的人数占所有离开所述固定区域行为的人数的比例，得到所述当前观察进店率；

计算所述检测周期起始时刻与当前时刻之间所述监控设备识别到的既有进入所述固定区域行为又有离开所述固定区域行为的人数占所有进入所述固定区域行为的人数的比例，得到所述当前观察出店率。

可选的，所述依据所述检测周期起始时刻与当前时刻之间所述监控设备识别到的既有进入所述固定区域行为又有离开所述固定区域行为的人群的在店时长，计算在店时长累计分布函数，包括：

依据所述检测周期起始时刻与当前时刻之间所述监控设备识别到的既有进入所述固定区域行为又有离开所述固定区域行为的人群的在店时长，计算在店概率函数：

S_t＝Pr(T＞t)

其中，T表示所述检测周期起始时刻与当前时刻之间所述监控设备识别到的既有进入所述固定区域行为又有离开所述固定区域行为的人群的在店时长，t表示在店时长内的时刻；

依据所述在店概率函数，计算所述在店时长累计分布函数F_t＝1-S_t。

可选的，所述计算每个所述检测周期起始时刻与当前时刻之间所述监控设备识别到的只有进入所述固定区域行为但没有离开所述固定区域行为的人的在店无偏估计值，包括：

依据所述当前观察出店率、所述在店概率函数以及所述在店时长累计分布函数，计算每个所述检测周期起始时刻与当前时刻之间所述监控设备识别到的只有进入所述固定区域行为但没有离开所述固定区域行为的人的在店无偏估计值：

其中，q表示所述当前观察出店率。

可选的，所述方法还包括：

构建所述固定区域内人数字典，所述固定区域内人数字典包括检测周期内的多个检测时刻，以及每个所述检测时刻对应的所述固定区域内的人数；

在所述监控设备识别到的进入所述固定区域行为时或离开所述固定区域行为时，对所述固定区域内人数字典内当前检测时刻对应的所述固定区域内的人数进行更新；

所述依据所述在店无偏估计值对当前所述固定区域内的人数进行修正，得到当前所述固定区域内的准确人数，包括：

依据所述在店无偏估计值对所述固定区域内人数字典内当前检测时刻对应的所述固定区域内的人数进行修正，得到当前所述固定区域内的准确人数。

一种固定区域内的人数检测装置，所述固定区域安装有监控设备，所述装置包括：

数据获取单元，用于获取检测周期内当前观察进店率和当前观察出店率；

函数计算单元，用于依据所述检测周期起始时刻与当前时刻之间所述监控设备识别到的既有进入所述固定区域行为又有离开所述固定区域行为的人群的在店时长，计算在店时长累计分布函数；

无偏估计值计算单元，用于计算每个所述检测周期起始时刻与当前时刻之间所述监控设备识别到的只有进入所述固定区域行为但没有离开所述固定区域行为的人的在店无偏估计值；

人数修正单元，用于依据所述在店无偏估计值对当前所述固定区域内的人数进行修正，得到当前所述固定区域内的准确人数。

可选的，所述数据获取单元，具体用于：

获取所述检测周期起始时刻与当前时刻之间所述监控设备识别到的既有进入所述固定区域行为又有离开所述固定区域行为的人数；

获取所述检测周期起始时刻与当前时刻之间所述监控设备识别到的没有进入所述固定区域行为但有离开所述固定区域行为的人数；

获取所述检测周期起始时刻与当前时刻之间所述监控设备识别到的只有进入所述固定区域行为但没有离开所述固定区域行为的人数；

计算所述检测周期起始时刻与当前时刻之间所述监控设备识别到的既有进入所述固定区域行为又有离开所述固定区域行为的人数占所有离开所述固定区域行为的人数的比例，得到所述当前观察进店率；

计算所述检测周期起始时刻与当前时刻之间所述监控设备识别到的既有进入所述固定区域行为又有离开所述固定区域行为的人数占所有进入所述固定区域行为的人数的比例，得到所述当前观察出店率。

可选的，所述函数计算单元，具体用于：

依据所述检测周期起始时刻与当前时刻之间所述监控设备识别到的既有进入所述固定区域行为又有离开所述固定区域行为的人群的在店时长，计算在店概率函数：

S_t＝Pr(T＞t)

其中，T表示所述检测周期起始时刻与当前时刻之间所述监控设备识别到的既有进入所述固定区域行为又有离开所述固定区域行为的人群的在店时长，t表示在店时长内的时刻；

依据所述在店概率函数，计算所述在店时长累计分布函数F_t＝1-S_t。

可选的，所述无偏估计值计算单元，具体用于：

依据所述当前观察出店率、所述在店概率函数以及所述在店时长累计分布函数，计算每个所述检测周期起始时刻与当前时刻之间所述监控设备识别到的只有进入所述固定区域行为但没有离开所述固定区域行为的人的在店无偏估计值：

其中，q表示所述当前观察出店率。

可选的，所述装置还包括：

字典构建单元，用于构建所述固定区域内人数字典，所述固定区域内人数字典包括检测周期内的多个检测时刻，以及每个所述检测时刻对应的所述固定区域内的人数；

字典更新单元，用于在所述监控设备识别到的进入所述固定区域行为时或离开所述固定区域行为时，对所述固定区域内人数字典内当前检测时刻对应的所述固定区域内的人数进行更新；

所述人数修正单元，具体用于依据所述在店无偏估计值对所述固定区域内人数字典内当前检测时刻对应的所述固定区域内的人数进行修正，得到当前所述固定区域内的准确人数。

相对于现有技术，本发明的有益效果如下：

本发明公开的一种固定区域内的人数检测方法，考虑到监控设备角度覆盖不完整的情况，在无法判断进入固定区域的客户是否离开固定区域时，根据监控设备识别到的既有进入固定区域行为又有离开固定区域行为的人群的在店时长，计算其累计分布函数，进而利用观察进店率和观察出店率，得到监控设备识别到的只有进入固定区域行为但没有离开固定区域行为的人的无偏估计值，对当前固定区域内的人数进行修正，得到当前固定区域内的准确人数，提高了固定区域内人数检测的准确率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例公开的一种固定区域内的人数检测方法的流程示意图；

图2为本发明实施例公开的监控设备识别的进入固定区域和离开固定区域的行为统计示意图；

图3为本发明实施例公开的一种固定区域内的人数检测装置的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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。

本实施例公开了一种固定区域内的人数检测方法，应用于对安装有监控设备的商场店铺、超市等固定区域的人数检测，监控设备可以为摄像头等设备，解决现有技术中由于监控设备不能覆盖所有角度，部分顾客的进店行为或出店行为不能被捕捉到，导致检测的固定区域内的人数与实际情况不符的问题。具体的，请参阅图1，本实施例公开的固定区域内的人数检测方法包括以下步骤：

S101：获取检测周期内当前观察进店率和当前观察出店率；

检测周期是预先设定的，可以为固定区域的营业时间10:00～22:00，检测周期内有多个检测时刻，以一分钟检测一次固定区域内的人数为例，检测周期内有720个检测时刻。

具体的，请参阅图2，监控设备识别进入固定区域和离开固定区域的行为。

其中，A表示检测周期起始时刻与当前时刻之间监控设备识别到的既有进入固定区域行为又有离开固定区域行为的人数。

B表示检测周期起始时刻与当前时刻之间监控设备识别到的没有进入固定区域行为但有离开固定区域行为的人数。

C表示检测周期起始时刻与当前时刻之间监控设备识别到的只有进入固定区域行为但没有离开固定区域行为的人数。

在此基础上，计算检测周期起始时刻与当前时刻之间监控设备识别到的既有进入固定区域行为又有离开固定区域行为的人数占所有离开固定区域行为的人数的比例，得到当前观察进店率：

计算检测周期起始时刻与当前时刻之间监控设备识别到的既有进入固定区域行为又有离开固定区域行为的人数占所有进入固定区域行为的人数的比例，得到当前观察出店率：

S102：依据检测周期起始时刻与当前时刻之间监控设备识别到的既有进入固定区域行为又有离开固定区域行为的人群的在店时长，计算在店时长累计分布函数；

监控设备能够识别到同一顾客进入固定区域行为并记录进入固定区域的时刻，也能识别离开固定区域行为并记录离开固定区域的时刻，在此基础上，就可以计算该顾客在固定区域的时长。

本实施例定义在店概率函数S_t＝Pr(T＞t)

其中，T表示所述检测周期起始时刻与当前时刻之间所述监控设备识别到的既有进入所述固定区域行为又有离开所述固定区域行为的人群的在店时长，t表示在店时长内的时刻。

在店概率函数即为T大于t的概率。t＝0时，在店时长超过0的概率为1，t趋近于无穷大，在店时长概率为0，可见，在店概率函数是一个单调非增函数，t越大，S_t值越小。

在此基础上，依据在店概率函数，计算在店时长累计分布函数：

F_t＝1-S_t＝Pr(T≤t)

进一步，在店时长的累计分布函数可以有两种后续处理方式，包括截断和不截断，这里的截断是指截断在店时长的分布函数中95％分位点以上的数据。长尾分布会对数据的整体分布影响较大，而这5％左右的长尾又不是我们真正关心的数据，所以对在店时长截断后更接近真实的分布。实验结果对比发现，对在店时长进行截断后的效果更好，这里用的均值+标准差，基本能覆盖93％～95％。

S103：计算每个检测周期起始时刻与当前时刻之间监控设备识别到的只有进入固定区域行为但没有离开固定区域行为的人的在店无偏估计值；

考虑到实际上顾客在t时刻可能已经离开固定区域，只是没被监控设备检测到，或者该顾客的进入固定区域和离开固定区域没有匹配关联上，需要对顾客进入固定区域到t时刻的中间时刻s时刻的固定区域内的人数做进一步修正，即s时刻(s≤t)该顾客仍在店概率S_t需要在之前的S_t的基础上加上t时刻和s时刻的累计分布函数之差与未被观察出店概率的乘积，即为：

表示在s到t时刻累计分布函数的未离开固定区域的概率计算的累计误差。

S104：依据在店无偏估计值对当前固定区域内的人数进行修正，得到当前固定区域内的准确人数。

需要说明的是，本实施例预先构建固定区域内人数字典，固定区域内人数字典包括检测周期内的多个检测时刻，以及每个检测时刻对应的固定区域内的人数；在监控设备识别到的进入固定区域行为时或离开固定区域行为时，对固定区域内人数字典内当前检测时刻对应的固定区域内的人数进行更新。

在此基础上，依据在店无偏估计值对固定区域内人数字典内当前检测时刻对应的固定区域内的人数进行修正，得到当前固定区域内的准确人数。

为了进一步对本实施例公开的固定区域内的人数检测方法进行说明，以下以固定区域为店铺为例，通过离线模拟检测和实时检测两种应用场景进行详细说明：

一、离线模拟检测

以店铺营业时间，比如早10点到晚22点设定检测周期，检测周期内的12个小时内包括720个检测时刻。

统计计算出每个店既有进店又有出店A，只有出店没有进店B，只有进店没有出店C的占比，从而计算出观察进店率p和观察出店率q。这里我们把历史的实时在线数据存到数据库中，用完整的一个检测周期的数据进行在店人数预估的模拟。

根据进店和出店事件匹配关联上的人群，计算在店时长的累计分布函数F_t，这里选取截断处理方式得到在店时长分布函数

计算出每一个没有被匹配关联上出店的进店事件的无偏估计值I_s|t。

构建固定区域内人数字典，固定区域内人数字典包括检测周期内的多个检测时刻key，以及每个检测时刻key对应的固定区域内的人数value，初始化value为0，对于既有进店又有出店的部分，按照进店时间顺次遍历每一个顾客，顾客进店时刻对应的value加上该时刻的无偏估计I_s|t，再顺次遍历往后的每一分钟，其对应时刻的value都加上相应时刻的无偏估计I_s|t，如果碰到正好是出店时刻，就停止遍历；而对于只有进店没有出店的人群，采用相同的计算方式，只是因为没有出店时刻，所以一直遍历，直到为0，这样遍历完所有顾客后，最后对固定区域内人数字典每个key对应的value进行估计，即为该时刻的在店人数的总和。

二、实时检测

根据历史数据，获取观察进店率p和观察出店率q，以及在店时长的累计分布函数F_t。

每当检测到有顾客进店，计算该顾客当前时刻及往后的每分钟的在店概率的无偏估计I_s|t，并对当前时刻的在店人数加上对应的I_s|t，而对于当前时刻之前进店的顾客，如果检测到出店，在店人数减1，如果没有检测到该顾客出店，当前时刻的在店人数加上对应的I_s|t，并更新当前时刻的总的在店人数，如果检测到该顾客离店，离店时刻的在店人数减1。

以上分别采用离线数据和在线数据，对大型高端商业购物中心的多个店铺进行离线模拟的对比，以确定性的离线既有进店又有出店的数据作为基础，对所有进出店事件做上述的在店人数的估计，无论是离线还是实时在线，趋势都非常接近，且符合真实的场景，可见本实施例公开的固定区域内的人数检测方法能够准确检测固定区域人数。

基于上述实施例公开的一种固定区域内的人数检测方法，本实施例对应公开了一种固定区域内的人数检测装置，所述固定区域安装有监控设备，请参阅图3，所述装置包括：

数据获取单元301，用于获取检测周期内当前观察进店率和当前观察出店率；

函数计算单元302，用于依据所述检测周期起始时刻与当前时刻之间所述监控设备识别到的既有进入所述固定区域行为又有离开所述固定区域行为的人群的在店时长，计算在店时长累计分布函数；

无偏估计值计算单元303，用于计算每个所述检测周期起始时刻与当前时刻之间所述监控设备识别到的只有进入所述固定区域行为但没有离开所述固定区域行为的人的在店无偏估计值；

人数修正单元304，用于依据所述在店无偏估计值对当前所述固定区域内的人数进行修正，得到当前所述固定区域内的准确人数。

可选的，所述数据获取单元，具体用于：

获取所述检测周期起始时刻与当前时刻之间所述监控设备识别到的既有进入所述固定区域行为又有离开所述固定区域行为的人数；

获取所述检测周期起始时刻与当前时刻之间所述监控设备识别到的没有进入所述固定区域行为但有离开所述固定区域行为的人数；

获取所述检测周期起始时刻与当前时刻之间所述监控设备识别到的只有进入所述固定区域行为但没有离开所述固定区域行为的人数；

计算所述检测周期起始时刻与当前时刻之间所述监控设备识别到的既有进入所述固定区域行为又有离开所述固定区域行为的人数占所有离开所述固定区域行为的人数的比例，得到所述当前观察进店率；

计算所述检测周期起始时刻与当前时刻之间所述监控设备识别到的既有进入所述固定区域行为又有离开所述固定区域行为的人数占所有进入所述固定区域行为的人数的比例，得到所述当前观察出店率。

可选的，所述函数计算单元，具体用于：

依据所述检测周期起始时刻与当前时刻之间所述监控设备识别到的既有进入所述固定区域行为又有离开所述固定区域行为的人群的在店时长，计算在店概率函数：

S_t＝Pr(T＞t)

其中，T表示所述检测周期起始时刻与当前时刻之间所述监控设备识别到的既有进入所述固定区域行为又有离开所述固定区域行为的人群的在店时长，t表示在店时长内的时刻；

依据所述在店概率函数，计算所述在店时长累计分布函数F_t＝1-S_t。

可选的，所述无偏估计值计算单元，具体用于：

依据所述当前观察出店率、所述在店概率函数以及所述在店时长累计分布函数，计算每个所述检测周期起始时刻与当前时刻之间所述监控设备识别到的只有进入所述固定区域行为但没有离开所述固定区域行为的人的在店无偏估计值：

其中，q表示所述当前观察出店率。

可选的，所述装置还包括：

字典构建单元，用于构建所述固定区域内人数字典，所述固定区域内人数字典包括检测周期内的多个检测时刻，以及每个所述检测时刻对应的所述固定区域内的人数；

字典更新单元，用于在所述监控设备识别到的进入所述固定区域行为时或离开所述固定区域行为时，对所述固定区域内人数字典内当前检测时刻对应的所述固定区域内的人数进行更新；

所述人数修正单元，具体用于依据所述在店无偏估计值对所述固定区域内人数字典内当前检测时刻对应的所述固定区域内的人数进行修正，得到当前所述固定区域内的准确人数。

本实施例公开的一种固定区域内的人数检测装置，考虑到监控设备角度覆盖不完整的情况，在无法判断进入固定区域的客户是否离开固定区域时，根据监控设备识别到的既有进入固定区域行为又有离开固定区域行为的人群的在店时长，计算其累计分布函数，进而利用观察进店率和观察出店率，得到监控设备识别到的只有进入固定区域行为但没有离开固定区域行为的人的无偏估计值，对当前固定区域内的人数进行修正，得到当前固定区域内的准确人数，提高了固定区域内人数检测的准确率。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种固定区域内的人数检测方法，其特征在于，所述固定区域安装有监控设备，所述方法包括：

获取检测周期内当前观察进店率和当前观察出店率；

依据所述检测周期起始时刻与当前时刻之间所述监控设备识别到的既有进入所述固定区域行为又有离开所述固定区域行为的人群的在店时长，计算在店时长累计分布函数；

计算每个所述检测周期起始时刻与当前时刻之间所述监控设备识别到的只有进入所述固定区域行为但没有离开所述固定区域行为的人的在店无偏估计值；

依据所述在店无偏估计值对当前所述固定区域内的人数进行修正，得到当前所述固定区域内的准确人数。

2.根据权利要求1所述的方法，其特征在于，所述获取检测周期内当前观察进店率和当前观察出店率，包括：

获取所述检测周期起始时刻与当前时刻之间所述监控设备识别到的既有进入所述固定区域行为又有离开所述固定区域行为的人数；

获取所述检测周期起始时刻与当前时刻之间所述监控设备识别到的没有进入所述固定区域行为但有离开所述固定区域行为的人数；

获取所述检测周期起始时刻与当前时刻之间所述监控设备识别到的只有进入所述固定区域行为但没有离开所述固定区域行为的人数；

计算所述检测周期起始时刻与当前时刻之间所述监控设备识别到的既有进入所述固定区域行为又有离开所述固定区域行为的人数占所有离开所述固定区域行为的人数的比例，得到所述当前观察进店率；

计算所述检测周期起始时刻与当前时刻之间所述监控设备识别到的既有进入所述固定区域行为又有离开所述固定区域行为的人数占所有进入所述固定区域行为的人数的比例，得到所述当前观察出店率。

3.根据权利要求1所述的方法，其特征在于，所述依据所述检测周期起始时刻与当前时刻之间所述监控设备识别到的既有进入所述固定区域行为又有离开所述固定区域行为的人群的在店时长，计算在店时长累计分布函数，包括：

依据所述检测周期起始时刻与当前时刻之间所述监控设备识别到的既有进入所述固定区域行为又有离开所述固定区域行为的人群的在店时长，计算在店概率函数：

S_t＝Pr(T＞t)

其中，T表示所述检测周期起始时刻与当前时刻之间所述监控设备识别到的既有进入所述固定区域行为又有离开所述固定区域行为的人群的在店时长，t表示在店时长内的时刻；

依据所述在店概率函数，计算所述在店时长累计分布函数F_t＝1-S_t。

4.根据权利要求3所述的方法，其特征在于，所述计算每个所述检测周期起始时刻与当前时刻之间所述监控设备识别到的只有进入所述固定区域行为但没有离开所述固定区域行为的人的在店无偏估计值，包括：

依据所述当前观察出店率、所述在店概率函数以及所述在店时长累计分布函数，计算每个所述检测周期起始时刻与当前时刻之间所述监控设备识别到的只有进入所述固定区域行为但没有离开所述固定区域行为的人的在店无偏估计值：

其中，q表示所述当前观察出店率。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

构建所述固定区域内人数字典，所述固定区域内人数字典包括检测周期内的多个检测时刻，以及每个所述检测时刻对应的所述固定区域内的人数；

在所述监控设备识别到的进入所述固定区域行为时或离开所述固定区域行为时，对所述固定区域内人数字典内当前检测时刻对应的所述固定区域内的人数进行更新；

所述依据所述在店无偏估计值对当前所述固定区域内的人数进行修正，得到当前所述固定区域内的准确人数，包括：

依据所述在店无偏估计值对所述固定区域内人数字典内当前检测时刻对应的所述固定区域内的人数进行修正，得到当前所述固定区域内的准确人数。

6.一种固定区域内的人数检测装置，其特征在于，所述固定区域安装有监控设备，所述装置包括：

数据获取单元，用于获取检测周期内当前观察进店率和当前观察出店率；

函数计算单元，用于依据所述检测周期起始时刻与当前时刻之间所述监控设备识别到的既有进入所述固定区域行为又有离开所述固定区域行为的人群的在店时长，计算在店时长累计分布函数；

无偏估计值计算单元，用于计算每个所述检测周期起始时刻与当前时刻之间所述监控设备识别到的只有进入所述固定区域行为但没有离开所述固定区域行为的人的在店无偏估计值；

人数修正单元，用于依据所述在店无偏估计值对当前所述固定区域内的人数进行修正，得到当前所述固定区域内的准确人数。

7.根据权利要求6所述的装置，其特征在于，所述数据获取单元，具体用于：

获取所述检测周期起始时刻与当前时刻之间所述监控设备识别到的既有进入所述固定区域行为又有离开所述固定区域行为的人数；

获取所述检测周期起始时刻与当前时刻之间所述监控设备识别到的没有进入所述固定区域行为但有离开所述固定区域行为的人数；

获取所述检测周期起始时刻与当前时刻之间所述监控设备识别到的只有进入所述固定区域行为但没有离开所述固定区域行为的人数；

计算所述检测周期起始时刻与当前时刻之间所述监控设备识别到的既有进入所述固定区域行为又有离开所述固定区域行为的人数占所有离开所述固定区域行为的人数的比例，得到所述当前观察进店率；

计算所述检测周期起始时刻与当前时刻之间所述监控设备识别到的既有进入所述固定区域行为又有离开所述固定区域行为的人数占所有进入所述固定区域行为的人数的比例，得到所述当前观察出店率。

8.根据权利要求6所述的装置，其特征在于，所述函数计算单元，具体用于：

依据所述检测周期起始时刻与当前时刻之间所述监控设备识别到的既有进入所述固定区域行为又有离开所述固定区域行为的人群的在店时长，计算在店概率函数：

S_t＝Pr(T＞t)

其中，T表示所述检测周期起始时刻与当前时刻之间所述监控设备识别到的既有进入所述固定区域行为又有离开所述固定区域行为的人群的在店时长，t表示在店时长内的时刻；

依据所述在店概率函数，计算所述在店时长累计分布函数F_t＝1-S_t。

9.根据权利要求8所述的装置，其特征在于，所述无偏估计值计算单元，具体用于：

依据所述当前观察出店率、所述在店概率函数以及所述在店时长累计分布函数，计算每个所述检测周期起始时刻与当前时刻之间所述监控设备识别到的只有进入所述固定区域行为但没有离开所述固定区域行为的人的在店无偏估计值：

其中，q表示所述当前观察出店率。

10.根据权利要求6所述的装置，其特征在于，所述装置还包括：

字典构建单元，用于构建所述固定区域内人数字典，所述固定区域内人数字典包括检测周期内的多个检测时刻，以及每个所述检测时刻对应的所述固定区域内的人数；

字典更新单元，用于在所述监控设备识别到的进入所述固定区域行为时或离开所述固定区域行为时，对所述固定区域内人数字典内当前检测时刻对应的所述固定区域内的人数进行更新；

所述人数修正单元，具体用于依据所述在店无偏估计值对所述固定区域内人数字典内当前检测时刻对应的所述固定区域内的人数进行修正，得到当前所述固定区域内的准确人数。

Images