CN111652636B - 顾客购买意愿分析方法、装置、终端设备及介质 - Google Patents

顾客购买意愿分析方法、装置、终端设备及介质 Download PDF

Info

Publication number
CN111652636B
CN111652636B CN202010438092.7A CN202010438092A CN111652636B CN 111652636 B CN111652636 B CN 111652636B CN 202010438092 A CN202010438092 A CN 202010438092A CN 111652636 B CN111652636 B CN 111652636B
Authority
CN
China
Prior art keywords
image
arm
target
image group
identification result
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.)
Active
Application number
CN202010438092.7A
Other languages
English (en)
Other versions
CN111652636A (zh
Inventor
赵学华
张平安
高西成
孙慧
刘明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Institute of Information Technology
Original Assignee
Shenzhen Institute of Information Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Institute of Information Technology filed Critical Shenzhen Institute of Information Technology
Priority to CN202010438092.7A priority Critical patent/CN111652636B/zh
Publication of CN111652636A publication Critical patent/CN111652636A/zh
Application granted granted Critical
Publication of CN111652636B publication Critical patent/CN111652636B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0203—Market surveys; Market polls
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Computational Linguistics (AREA)
  • Image Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请适用于数据处理技术领域，尤其涉及一种顾客购买意愿分析方法、装置、终端设备及介质。该方法针对目标商品，获取目标视频数据；根据目标视频数据，获取目标视频数据中目标商品的购买人次和关注人次；根据购买人次关注人次，确定目标商品的顾客购买意愿。实现了目标商品的购买人次和关注人次的识别与统计，有助于商家、超市等了解该目标商品的顾客购买意愿，为商家、超市对该目标商品的进货和库存优化等策略提供支持，有助于提高商家、超市的经济效益。

Description

顾客购买意愿分析方法、装置、终端设备及介质
技术领域
本申请属于数据处理技术领域，尤其涉及一种顾客购买意愿分析方法、装置、终端设备及介质。
背景技术
超市是当前商品零售的主要场所之一，为了提高超市的效益，需要了解消费者对商品的认可程度、购买意愿及用户对商品的态度信息，为超市对商品的进货量、库存量的判断提供一定支持。现有了解消费者对商品的认可度、购买意愿及对商品态度的方式主要以问卷调查、交流访谈或网上调查为主，上述方法存在效率低下、成本高昂、样本量较少等问题，难以获取丰富地消费者对商品的认可度、购买意愿及态度信息，进而不能准确地分析商品的顾客购买意愿。
发明内容
本申请实施例提供了一种顾客购买意愿分析方法、装置、终端设备及介质，可以解决现有技术中无法准确地获取商品的顾客购买意愿的问题。
第一方面，本申请实施例提供了一种顾客购买意愿分析方法，所述顾客购买意愿分析方法包括：
针对目标商品，获取目标视频数据；
根据所述目标视频数据，获取所述目标视频数据中所述目标商品的购买人次和关注人次；
根据所述购买人次和所述关注人次，确定所述目标商品的顾客购买意愿。
第二方面，本申请实施例提供了一种顾客购买意愿分析装置，所述顾客购买意愿分析装置包括：
视频采集模块，用于获取针对目标商品，获取目标视频数据；
视频处理模块，用于根据所述目标视频数据，获取所述目标视频数据中所述目标商品的购买人次和关注人次；
购买意愿分析模块，用于根据所述购买人次和所述关注人次，确定所述目标商品的顾客购买意愿。
第三方面，本申请实施例提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的顾客购买意愿分析方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的顾客购买意愿分析方法。
第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面所述的顾客购买意愿分析方法。
本申请实施例与现有技术相比存在的有益效果是：本申请针对目标商品获取相应的目标视频数据，进而获取该目标商品的购买人次和关注人次，其中，关注人次包括购买人次和观看该目标商品而未购买的人次，通过分析购买人次和关注人次可以得到针对目标商品的顾客购买意愿，例如，通过摄像头采集目标商品被取走和放回的目标视频数据，根据取走的次数确定购买人次，根据取走和放回的次数确定关注人次，实现了目标商品的购买人次和关注人次的识别与统计，有助于商家、超市等了解该目标商品的顾客购买意愿，为商家、超市对该目标商品的进货和库存优化等策略提供支持，有助于提高商家、超市的经济效益。
附图说明
为了更清楚地说明本申请实施例中的技术方案，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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例一提供的一种顾客购买意愿分析方法的流程示意图；
图2是本申请实施例二提供的一种顾客购买意愿分析方法的流程示意图；
图3是本申请实施例三提供的一种顾客购买意愿分析装置的结构示意图；
图4是本申请实施例四提供的一种终端设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
本申请实施例提供的一种顾客购买意愿分析方法可以应用于掌上电脑、桌上型计算机、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本、云端服务器、个人数字助理(personal digital assistant，PDA)等终端设备上，本申请实施例对终端设备的具体类型不作任何限制。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
为了说明本申请的技术方案，下面通过具体实施例来进行说明。
参见图1，是本申请实施例一提供的一种顾客购买意愿分析方法的流程示意图，该顾客购买意愿分析方法可用于终端设备，如图所示，该顾客购买意愿分析方法可以包括以下步骤：
步骤S101，针对目标商品，获取目标视频数据。
其中，目标视频数据可以是指与目标商品对应的摄像头采集的视频数据，该视频数据可以包括顾客抓取与放回目标商品时被该摄像头采集到的包含有顾客手臂等特征的视频，以及没有顾客时该摄像头对应的采集区域的视频，例如，将摄像头放置于目标商品的上方，调整该摄像头的方向可以从该目标商品的上方向下拍摄到该目标商品以及抓取该目标商品的手臂，其中，顾客的手臂至少包括有顾客的手和顾客的臂膀。
步骤S102，根据目标视频数据，获取目标视频数据中目标商品的购买人次和关注人次。
其中，购买人次可以是指购买目标商品的人数，在目标商品被取走并且没有被放回原位置时记为一位购买目标商品的人数，关注人次可以是指购买目标商品的人数和关注过目标商品但没有购买的人数，而在目标商品被取走之后又被放回原位置时记为一位关注过目标商品但没有购买的人数。
视频是由连续的视频帧构成的，为了实现购买人次和关注人次的识别，需要至少两个连续的视频帧，从至少两个连续视频帧中判断出顾客的动作，例如，顾客的动作可以为取走目标商品、放回目标商品、伸手准备抓取目标商品和放回目标商品后缩手等动作。对上述目标视频数据进行识别的过程，本质上是对该目标视频数据中的每一视频帧进行识别，本申请可以对连续的视频帧进行处理，也可以从该目标视频数据中抽出部分视频帧进行处理。
步骤S103，根据购买人次和关注人次，确定目标商品的顾客购买意愿。
其中，顾客购买意愿可以是指购买人次在关注人次中的占比，例如，购买人次为2，关注人次为4，则购买人次在关注人次中的占比为50％，顾客购买意愿还可以是指购买人次与关注而未购买的人次的比例关系，例如，购买人次为2，关注人次为4，则关注而未购买人次为2，顾客购买与关注不购买的比例为1:1。
本申请针对目标商品获取相应的目标视频数据，进而获取该目标商品的购买人次和关注人次，其中，关注人次包括购买人次和观看该目标商品而未购买的人次，通过分析购买人次和关注人次可以得到针对目标商品的顾客购买意愿，例如，通过摄像头采集目标商品被取走和放回的目标视频数据，根据取走的次数确定购买人次，根据取走和放回的次数确定关注人次，实现了目标商品的购买人次和关注人次的识别与统计，有助于商家、超市等了解该目标商品的顾客购买意愿，为商家、超市对该目标商品的进货和库存优化等策略提供支持，有助于提高商家、超市的经济效益。
参见图2，是本申请实施例二提供的一种顾客购买意愿分析方法的流程示意图，该顾客购买意愿分析方法可用于终端设备，如图所示，该顾客购买意愿分析方法可以包括以下步骤：
步骤S201，针对目标商品，获取目标视频数据。
其中，步骤S201与上述步骤S101的详细过程相同，在此不再赘述。
步骤S202，按照拍摄顺序从目标视频数据中获取K个图像。
其中，K为大于1的整数，拍摄顺序即为目标视频数据中视频帧的时间顺序，在从目标视频数据中获取K个图像，获取方式可以是每间隔预设时间抽取一帧视频帧，也可以随机抽取目标视频数据中的所有视频帧；本申请可以按照拍摄顺序从目标视频数据中间隔预设时间抽取一个视频帧，进而获取K个图像，K值的大小与目标视频数据的时长和预设时间Δt的大小相关，其中，预设时间Δt的取值可根据实际情况进行设定，在目标视频数据时长一定的情况下，Δt的取值越大，从该目标视频数据中抽取的视频帧越少，即K值越小，因此对K个图像的处理速度越快，而Δt的取值越小，从该目标视频数据中抽取的视频帧越多，即K值越大，K个图像之间的时间间隔越小，对K个图像进行购买人次和关注人次的识别结果更加精确。
步骤S203，从K个图像中获取至少一个手臂图像组，一个手臂图像组包括第一手臂图像和第二手臂图像。
其中，第二手臂图像是第一手臂图像的下一帧图像，且第一手臂图像和第二手臂图像均包含手臂。在一个手臂图像组中，第二手臂图像是第一手臂图像的下一帧图像，可以是指第二手臂图像为在抽取的K个图像中第一手臂图像的下一帧图像，另外，第一手臂图像和第二手臂图像均包含手臂，而对于第一手臂图像包含手臂，该第一手臂图像的下一帧图像不包含手臂的情况不能构成一个手臂图像组。
可选的，从K个图像中获取至少一个手臂图像组包括：
将K个图像中首个图像作为第一待处理图像；
识别第一待处理图像是否包含手臂；
若第一待处理图像不包含手臂，则将第二待处理图像作为第一待处理图像，第二待处理图像是指第一待处理图像的下一帧图像，并返回执行识别第一待处理图像是否包含手臂，直到遍历完K个图像；
若第一待处理图像包含手臂，则识别第二待处理图像是否为包含手臂；
若第二待处理图像不包含手臂，则将第二待处理图像的下一帧图像作为第一待处理图像，并返回执行识别第一待处理图像是否包含手臂，直到遍历完K个图像；
若第二待处理图像包含手臂，则确定第一待处理图像为第一手臂图像，第二待处理图像为第二手臂图像，第一手臂图像和第二手臂图像构成一个手臂图像组，并将第二待处理图像的下一帧图像作为第一待处理图像，返回执行识别第一待处理图像是否包含手臂，直到遍历完K个图像。
其中，利用已训练的第一深度卷积神经网络模型识别待处理图像中是否包含手臂，当连续两个待处理图像均包含手臂时，将两个待处理图像作为一个手臂图像组，第一深度卷积神经网络模型的训练数据来源可以是上述目标视频数据。
例如，从目标视频数据中获取4个图像，按照拍摄顺序依次为第一图像、第二图像、第三图像和第四图像，将第一图像作为第一待处理图像，识别第一图像是否包含手臂，若第一图像不包含手臂，则将第二图像作为第一待处理图像，识别第二图像是否包含手臂，如果第二图像包含手臂，则将第三图像作为第二待处理图像，识别第三图像是否包含手臂，若第三图像不包含手臂，则将第四图像作为第一待处理图像，识别第四图像是否包含手臂；将第一图像作为第一待处理图像，识别第一图像是否包含手臂，若第一图像包含手臂，则将第二图像作为第二待处理图像，识别第二图像是否包含手臂，如果第二图像包含手臂，则将第一图像作为第一手臂图像，将第二图像作为第二手臂图像，第一图像与第二图像构成一个手臂图像组，将第三图像作为第一待处理图像，识别第三图像是否包含手臂，若第三图像不包含手臂，则将第四图像作为第一待处理图像，识别第四图像是否包含手臂。
可选的，识别第一待处理图像是否包含手臂包括：
获取第一待处理图像的三个通道图像，第一待处理图像的三个通道图像是指第一待处理图像的红色通道图像、绿色通道图像和蓝色通道图像；
分别识别第一待处理图像的三个通道图像是否包含手臂，得到第一待处理图像的三个通道图像各自对应的识别结果；
根据第一待处理图像的三个通道图像各自对应的识别结果，识别第一待处理图像是否包含手臂；
识别第二待处理图像是否包含手臂包括：
获取第二待处理图像的三个通道图像，第二待处理图像的三个通道图像是指第二待处理图像的红色通道图像、绿色通道图像和蓝色通道图像；
分别识别第二待处理图像的三个通道图像是否包含手臂，得到第二待处理图像的三个通道图像各自对应的识别结果；
根据第二待处理图像的三个通道图像各自对应的识别结果，识别第二待处理图像是否包含手臂。
其中，将待处理图像(即第一待处理图像或第二待处理图像)按照红、绿、蓝三个通道分为三幅图像，利用已训练的第一深度卷积神经网络模型分别识别三幅图像中是否包含手臂，红色通道图像的识别结果记为pra、绿色通道图像的识别结果记为pga、蓝色通道图像的识别结果记为pba，其中，pra、pga和pba取值为0或1，0表示无手臂，1表示有手臂。
按以下公式计算该待处理图像的最终识别结果pa：
Figure BDA0002503048740000081
若pa大于0.5，则表示该待处理图像包含手臂，否则表示该待处理图像不包含手臂。
步骤S204，获取每个手臂图像组对应的第一识别结果和第二识别结果。
其中，每个手臂图像组对应的第一识别结果包括每个手臂图像组中第一手臂图像包含目标商品和每个手臂图像组中第一手臂图像不包含目标商品，每个手臂图像组对应的第二识别结果包括每个手臂图像组中第二手臂图像包含目标商品和每个手臂图像组中第二手臂图像不包含目标商品。
可选的，获取每个手臂图像组对应的第一识别结果和第二识别结果包括：
获取每个手臂图像组中第一手臂图像的三个通道图像，其中，每个手臂图像组中第一手臂图像的三个通道图像是指每个手臂图像组中第一手臂图像的红色通道图像、绿色通道图像和蓝色通道图像；
分别识别每个手臂图像组中第一手臂图像的三个通道图像是否包含目标商品，得到每个手臂图像组中第一手臂图像的三个通道图像各自对应的识别结果；
根据每个手臂图像组中第一手臂图像的三个通道图像各自对应的识别结果，得到每个手臂图像组对应的第一识别结果；
获取每个手臂图像组中第二手臂图像的三个通道图像，其中，每个手臂图像组中第二手臂图像的三个通道图像是指每个手臂图像组中第二手臂图像的红色通道图像、绿色通道图像和蓝色通道图像；
分别识别每个手臂图像组中第二手臂图像的三个通道图像是否包含目标商品，得到每个手臂图像组中第二手臂图像的三个通道图像各自对应的识别结果；
根据每个手臂图像组中第二手臂图像的三个通道图像各自对应的识别结果，得到每个手臂图像组对应的第二识别结果。
其中，利用已训练的第二深度卷积神经网络模型识别手臂图像中是否包含目标商品，该第二深度卷积神经网络模型的训练数据来源也可以是上述目标视频数据；将手臂图像(即第一手臂图像或第二手臂图像)按照红、绿、蓝三个通道分为三幅图像，利用已训练的第二深度卷积神经网络模型分别识别三幅图像中是否包含目标商品，红色通道图像的识别结果记为prd、绿色通道图像的识别结果记为pgd、蓝色通道图像的识别结果记为pbd，其中，prd、pgd和pbd取值为0或1，0表示无目标商品，1表示有目标商品。
按以下公式计算该手臂图像的最终识别结果pd：
Figure BDA0002503048740000101
若pd大于0.5，则表示该手臂图像包含目标商品，否则表示该手臂图像不包含目标商品。
步骤S205，若每个手臂图像组对应的第一识别结果和第二识别结果相同，则确定每个手臂图像组为一个目标图像组，至少一个手臂图像组中包括至少一个目标图像组。
其中，在一个手臂图像组中，如果两个手臂图像均包含目标商品，或者两个手臂图像均不包含目标商品，此时认为该手臂图像组中两个手臂图像为同一顾客的手臂，即将该手臂图像组作为目标图像组。
步骤S206，获取至少一个目标图像组各自对应的手臂运动信息。
其中，由于一个目标图像组中手臂为同一个顾客的手臂，因此，通过识别目标图像组中两个手臂图像的变化确定该目标图像组中该顾客的手臂运动信息，以此确定该顾客的动作是取走目标商品、放回目标商品、伸手准备抓取目标商品或者放回目标商品后缩手等。
可选的，获取至少一个目标图像组各自对应的手臂运动信息包括：
获取每个目标图像组中第一目标图像的三个通道图像和第二目标图像的三个通道图像，其中，每个目标图像组中第一目标图像的三个通道图像是指每个目标图像组中第一目标图像的红色通道图像、绿色通道图像和蓝色通道图像，每个目标图像组中第二目标图像的三个通道图像是指每个目标图像组中第二目标图像的红色通道图像、绿色通道图像和蓝色通道图像；
获取预设图像的三个通道图像，预设图像是指不包含手臂的图像，预设图像的三个通道图像是指预设图像的红色通道图像、绿色通道图像和蓝色通道图像；
根据每个目标图像组中第一目标图像的三个通道图像和预设图像的三个通道图像，获取每个目标图像组对应的第一差异值，其中，每个目标图像组对应的第一差异值反映每个目标图像组中第一目标图像与预设图像的具有像素值差异的像素点的个数；
根据每个目标图像组中第二目标图像的三个通道图像和预设图像的三个通道图像，获取每个目标图像组对应的第二差异值，其中，每个目标图像组对应的第二差异值反映每个目标图像组中第二目标图像与预设图像的具有像素值差异的像素点的个数；
根据每个目标图像组对应的第一差异值和第二差异值，获取每个目标图像组的手臂运动信息。
其中，预设图像可以是指摄像头和目标商品均设置完成之后，摄像头拍摄的没有顾客抓取、放回等情况的图像，该图像可以是预先存储的，也可以是在上述目标视频数据中获取的无手臂的图像，该图像类似于背景图像，将目标图像组中两个目标图像分别与预设图像比对，本质上是获取两个目标图像与预设图像的差异，从该差异中确定差异的像素点个数d，进而可以确定两个目标图像中手臂在其各自图像中所占的面积S，如果目标图像中包含目标商品，则该差异表示为手臂与目标商品，即可以确定两个目标图像中手臂和目标商品在其各自图像中所占的面积，例如，第一目标图像与预设图像的具有像素值差异的像素点的个数为M，每个像素点的大小s，可以确定手臂以及目标商品在该第一目标图像中所占的面积S1为M*s，如果第二目标图像中手臂以及目标商品在该第二目标图像中所占的面积为S2，若S1>S2，则认为手臂缩回，若S1<S2，则认为手臂前伸。
将目标图像(即第一目标图像或第二目标图像)分为三个通道的三幅图像，根据如下公式计算第一目标图像与预设图像之间具有像素值差异的像素点个数d1和第二目标图像与预设图像之间具有像素值差异的像素点个数d2：
Figure BDA0002503048740000121
Figure BDA0002503048740000122
式中，ptr(n,m)表示预设图像的R通道图像(即红色通道图像)中第n行第m列的像素点的像素值，ptg(n,m)表示预设图像的G通道图像(即绿色通道图像)中第n行第m列的像素点的像素值，ptb(n,m)表示预设图像的B通道图像(即蓝色通道图像)中第n行第m列的像素点的像素值；pt1r(n,m)表示第一目标图像的R通道图像(即红色通道图像)中第n行第m列的像素点的像素值，pt1g(n,m)表示第一目标图像的G通道图像(即绿色通道图像)中第n行第m列的像素点的像素值，pt1b(n,m)表示第一目标图像的B通道图像(即蓝色通道图像)中第n行第m列的像素点的像素值；pt2r(n,m)表示第二目标图像的R通道图像(即红色通道图像)中第n行第m列的像素点的像素值，pt2g(n,m)表示第二目标图像的G通道图像(即绿色通道图像)中第n行第m列的像素点的像素值，pt2b(n,m)表示第二目标图像的B通道图像(即蓝色通道图像)中第n行第m列的像素点的像素值；n表示像素点的行标号，m表示像素点的列标号；N表示图像(即预设图像和目标图像)的像素点的总行数，M表示图像(即预设图像和目标图像)的像素点的总列数；ε表示阈值；δ(x<ε)表示若x<ε则δ(x<ε)＝0，否则δ(x<ε)＝1。
另外，还可以根据如下公式计算第一目标图像与预设图像之间具有像素值差异的像素点个数d1和第二目标图像与预设图像之间具有像素值差异的像素点个数d2：
Figure BDA0002503048740000123
Figure BDA0002503048740000131
式中，δ(x,y)表示如果x＝y，则δ(x,y)＝0，否则δ(x,y)＝1。
如果d1>d2，表示第二目标图像中手臂相比第一目标图像中手臂往回缩，即目标图像组的手臂运行信息为手臂缩回；如果d1<d2，表示第二目标图像中手臂相比第一目标图像中手臂往前伸，即目标图像组的手臂运行信息为手臂前伸；如果d1＝d2，表示第二目标图像中手臂相对于第一目标图像中手臂无运动。
步骤S207，根据至少一个目标图像组各自对应的第一识别结果、第二识别结果和手臂运动信息，获取目标视频数据中目标商品的购买人次和关注人次。
其中，目标图像组的第一识别结果和第二识别结果为相同的，即第一识别结果为包含目标商品和第二识别结果为包含目标商品，或者第一识别结果为不包含目标商品和第二识别结果为不包含目标商品，手臂运动信息包括：手臂前伸和手臂缩回，因此，根据是否包含目标商品和手臂的运动信息，可以确定顾客是购买目标商品或者观看目标商品。
可选的，根据至少一个目标图像组各自对应的第一识别结果、第二识别结果和手臂运动信息，获取目标视频数据中目标商品的购买人次和关注人次包括：
从至少一个目标图像组中选择一个目标图像组作为初始图像组；
根据初始图像组对应的第一识别结果、第二识别结果和手臂运动信息，更新目标商品的取走次数和取放次数，其中，根据初始图像组对应的第一识别结果、第二识别结果和手臂运动信息，更新目标商品的取走次数和取放次数包括：
若初始图像组对应的第一识别结果和第二识别结果均为不包含目标商品，且初始图像组对应的手臂运动信息为手臂前伸，或者初始图像组对应的第一识别结果和第二识别结果均为包含目标商品，且初始图像组对应的手臂运动信息为手臂缩回，则将目标商品的取走次数和取放次数均加1；
若初始图像组对应的第一识别结果和第二识别结果均为不包含目标商品，且初始图像组对应的手臂运动信息为手臂缩回，或者初始图像组对应的第一识别结果和第二识别结果均为包含目标商品，且初始图像组对应的手臂运动信息为手臂前伸，则将目标商品的取走次数减1，取放次数加1；
从至少一个目标图像组中选择另一个目标图像组作为初始图像组，返回执行根据初始图像组，更新目标商品的取走次数和取放次数，直到遍历完至少一个目标图像组，得到目标商品的总计取走次数和总计取放次数；
根据总计取走次数，获取目标视频数据中目标商品的购买人次；
根据总计取放次数，获取目标视频数据中目标商品的关注人次。
其中，取走次数可以是指目标商品被取走的次数，而目标图像组中两个目标均包含目标商品，且目标图像组的手臂运动信息为手臂缩回，表示目标商品被取走一次，取走次数加1，目标图像组中两个目标均不包含目标商品，且目标图像组的手臂运动信息为手臂前伸，表示顾客准备取走目标商品，因此取走次数加1；取放次数中包括取走次数和放回次数，而目标图像组中两个目标均包含目标商品，且目标图像组的手臂运动信息为手臂前伸，表示顾客准备放回目标商品，取放次数加1，目标图像组中两个目标均不包含目标商品，且目标图像组的手臂运动信息为手臂缩回，表示顾客已经放回目标商品，因此取放次数加1。
本申请中将一个顾客针对目标商品的关注行为分为四步，第一步为手臂前伸准备抓取目标商品，第二步为抓取目标商品手臂缩回，第三步为抓取目标商品手臂前伸，第四步为无目标商品手臂缩回，其中，若顾客甲仅有第一步和第二步，表示该顾客甲取走该目标商品，即该顾客甲为购买人次，若顾客乙有第三步和第四步，则表示该顾客乙放回该目标商品，即该顾客乙为关注而未购买的人次；检测到顾客甲执行第一步时取走次数加1，检测到顾客甲执行第二步时取走次数再加1，所以顾客甲的取走次数为2次，但2次取走次数对应1个购买人次即顾客甲，因此，购买人次应为总计取走次数的一半；检测到顾客乙执行第三步时取放次数加1，检测到顾客乙执行第四步时取放次数加1，所以顾客乙的取放次数为2次，但2次取放次数对应1个关注而未购买的人次即顾客乙，购买人次加上关注而未购买的人次为关注人次，因此，关注人次为总计取放次数的一半。
在遍历所有目标图像组之前，取走次数和取放次数的初始值可以设置为0，因此，总计取走次数为遍历所有目标图像组之后的取走次数累加值；总计取放次数为遍历所有目标图像组之后的取放次数累加值。
例如，目标图像组为2个，选择一个目标图像组作为初始图像组，取走次数的初始值为0，取放次数的初始值为0，若初始图像组对应的第一识别结果和第二识别结果均为不包含目标商品，且初始图像组对应的手臂运动信息为手臂前伸，则将目标商品的取走次数为1和取放次数为1；选择另一个目标图像组作为初始图像组，此时的取走次数为1，取放次数为1，若初始图像组对应的第一识别结果和第二识别结果均为不包含目标商品，且初始图像组对应的手臂运动信息为手臂缩回，则将目标商品的取走次数减1即取走次数为0，取放次数加1即取放次数为2；也就是总计取走次数为0次，总计取放次数为2次，因此，购买人次为0次，关注人次为1次。
步骤S208，根据购买人次和关注人次，确定目标商品的顾客购买意愿。
其中，步骤S208与上述步骤S103的具体过程相同，在此不再赘述。
本申请通过对目标视频数据中手臂信息、目标商品信息的分析，能够较为准确地实现目标商品的购买人次和关注人次的识别与统计，并且按照预设时间间隔抽取目标视频数据中的部分图像进行手臂信息、目标商品信息的分析，能够降低分析复杂度，提高了分析效率。
对应于上文实施例的顾客购买意愿分析方法，图3示出了本申请实施例三提供的顾客购买意愿分析装置的结构框图，为了便于说明，仅示出了与本申请实施例相关的部分。
参见图3，该顾客购买意愿分析装置包括：
视频采集模块31，用于获取针对目标商品，获取目标视频数据；
视频处理模块32，用于根据目标视频数据，获取目标视频数据中目标商品的购买人次和关注人次；
购买意愿分析模块33，用于根据购买人次和关注人次，确定目标商品的顾客购买意愿。
可选的，该视频处理模块32具体用于：
图像获取单元，用于按照拍摄顺序从目标视频数据中获取K个图像，K为大于1的整数；
图像组获取单元，用于从K个图像中获取至少一个手臂图像组，一个手臂图像组包括第一手臂图像和第二手臂图像，第二手臂图像是第一手臂图像的下一帧图像，第一手臂图像和第二手臂图像均包含手臂；
识别结果获取单元，用于获取每个手臂图像组对应的第一识别结果和第二识别结果，每个手臂图像组对应的第一识别结果包括每个手臂图像组中第一手臂图像包含目标商品和每个手臂图像组中第一手臂图像不包含目标商品，每个手臂图像组对应的第二识别结果包括每个手臂图像组中第二手臂图像包含目标商品和每个手臂图像组中第二手臂图像不包含目标商品；
图像组确定单元，用于若每个手臂图像组对应的第一识别结果和第二识别结果相同，则确定每个手臂图像组为一个目标图像组，至少一个手臂图像组中包括至少一个目标图像组；
运动信息获取单元，用于获取至少一个目标图像组各自对应的手臂运动信息；
人次获取单元，用于根据至少一个目标图像组各自对应的第一识别结果、第二识别结果和手臂运动信息，获取目标视频数据中目标商品的购买人次和关注人次。
可选的，该图像获取单元具体用于：
将K个图像中首个图像作为第一待处理图像；
识别第一待处理图像是否包含手臂；
若第一待处理图像不包含手臂，则将第二待处理图像作为第一待处理图像，第二待处理图像是指第一待处理图像的下一帧图像，并返回执行识别第一待处理图像是否包含手臂，直到遍历完K个图像；
若第一待处理图像包含手臂，则识别第二待处理图像是否为包含手臂；
若第二待处理图像不包含手臂，则将第二待处理图像的下一帧图像作为第一待处理图像，并返回执行识别第一待处理图像是否包含手臂，直到遍历完K个图像；
若第二待处理图像包含手臂，则确定第一待处理图像为第一手臂图像，第二待处理图像为第二手臂图像，第一手臂图像和第二手臂图像构成一个手臂图像组，并将第二待处理图像的下一帧图像作为第一待处理图像，返回执行识别第一待处理图像是否包含手臂，直到遍历完K个图像。
可选的，该图像获取单元还用于：
获取第一待处理图像的三个通道图像，第一待处理图像的三个通道图像是指第一待处理图像的红色通道图像、绿色通道图像和蓝色通道图像；
分别识别第一待处理图像的三个通道图像是否包含手臂，得到第一待处理图像的三个通道图像各自对应的识别结果；
根据第一待处理图像的三个通道图像各自对应的识别结果，识别第一待处理图像是否包含手臂；
获取第二待处理图像的三个通道图像，第二待处理图像的三个通道图像是指第二待处理图像的红色通道图像、绿色通道图像和蓝色通道图像；
分别识别第二待处理图像的三个通道图像是否包含手臂，得到第二待处理图像的三个通道图像各自对应的识别结果；
根据第二待处理图像的三个通道图像各自对应的识别结果，识别第二待处理图像是否包含手臂。
可选的，该识别结果获取单元具体用于：
获取每个手臂图像组中第一手臂图像的三个通道图像，其中，每个手臂图像组中第一手臂图像的三个通道图像是指每个手臂图像组中第一手臂图像的红色通道图像、绿色通道图像和蓝色通道图像；
分别识别每个手臂图像组中第一手臂图像的三个通道图像是否包含目标商品，得到每个手臂图像组中第一手臂图像的三个通道图像各自对应的识别结果；
根据每个手臂图像组中第一手臂图像的三个通道图像各自对应的识别结果，得到每个手臂图像组对应的第一识别结果；
获取每个手臂图像组中第二手臂图像的三个通道图像，其中，每个手臂图像组中第二手臂图像的三个通道图像是指每个手臂图像组中第二手臂图像的红色通道图像、绿色通道图像和蓝色通道图像；
分别识别每个手臂图像组中第二手臂图像的三个通道图像是否包含目标商品，得到每个手臂图像组中第二手臂图像的三个通道图像各自对应的识别结果；
根据每个手臂图像组中第二手臂图像的三个通道图像各自对应的识别结果，得到每个手臂图像组对应的第二识别结果。
可选的，该运动信息获取单元具体用于：
获取每个目标图像组中第一目标图像的三个通道图像和第二目标图像的三个通道图像，其中，每个目标图像组中第一目标图像的三个通道图像是指每个目标图像组中第一目标图像的红色通道图像、绿色通道图像和蓝色通道图像，每个目标图像组中第二目标图像的三个通道图像是指每个目标图像组中第二目标图像的红色通道图像、绿色通道图像和蓝色通道图像；
获取预设图像的三个通道图像，预设图像是指不包含手臂的图像，预设图像的三个通道图像是指预设图像的红色通道图像、绿色通道图像和蓝色通道图像；
根据每个目标图像组中第一目标图像的三个通道图像和预设图像的三个通道图像，获取每个目标图像组对应的第一差异值，其中，每个目标图像组对应的第一差异值反映每个目标图像组中第一目标图像与预设图像的具有像素值差异的像素点的个数；
根据每个目标图像组中第二目标图像的三个通道图像和预设图像的三个通道图像，获取每个目标图像组对应的第二差异值，其中，每个目标图像组对应的第二差异值反映每个目标图像组中第二目标图像与预设图像的具有像素值差异的像素点的个数；
根据每个目标图像组对应的第一差异值和第二差异值，获取每个目标图像组的手臂运动信息。
可选的，该人次获取单元具体用于：
从至少一个目标图像组中选择一个目标图像组作为初始图像组；
根据初始图像组对应的第一识别结果、第二识别结果和手臂运动信息，更新目标商品的取走次数和取放次数，其中，根据初始图像组对应的第一识别结果、第二识别结果和手臂运动信息，更新目标商品的取走次数和取放次数包括：
若初始图像组对应的第一识别结果和第二识别结果均为不包含目标商品，且初始图像组对应的手臂运动信息为手臂前伸，或者初始图像组对应的第一识别结果和第二识别结果均为包含目标商品，且初始图像组对应的手臂运动信息为手臂缩回，则将目标商品的取走次数和取放次数均加1；
若初始图像组对应的第一识别结果和第二识别结果均为不包含目标商品，且初始图像组对应的手臂运动信息为手臂缩回，或者初始图像组对应的第一识别结果和第二识别结果均为包含目标商品，且初始图像组对应的手臂运动信息为手臂前伸，则将目标商品的取走次数减1，取放次数加1；
从至少一个目标图像组中选择另一个目标图像组作为初始图像组，返回执行根据初始图像组，更新目标商品的取走次数和取放次数，直到遍历完至少一个目标图像组，得到目标商品的总计取走次数和总计取放次数；
根据总计取走次数，获取目标视频数据中目标商品的购买人次；
根据总计取放次数，获取目标视频数据中目标商品的关注人次。
需要说明的是，上述模块之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
图4为本申请实施例四提供的一种终端设备的结构示意图。如图4所示，该实施例的终端设备4包括：至少一个处理器40(图4中仅示出一个)处理器、存储器41以及存储在存储器41中并可在至少一个处理器40上运行的计算机程序42，处理器40执行计算机程序42时实现上述任意各个顾客购买意愿分析方法实施例中的步骤。
该终端设备可包括，但不仅限于，处理器40、存储器41。本领域技术人员可以理解，图4仅仅是终端设备4的举例，并不构成对终端设备4的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。
所称处理器40可以是CPU，该处理器40还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific IntegratedCircuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器41在一些实施例中可以是终端设备4的内部存储单元，例如终端设备4的硬盘或内存。存储器41在另一些实施例中也可以是终端设备4的外部存储设备，例如终端设备4上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器41还可以既包括终端设备4的内部存储单元也包括外部存储设备。存储器41用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如计算机程序的程序代码等。存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述装置中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质至少可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
本申请实现上述实施例方法中的全部或部分流程，也可以通过一种计算机程序产品来完成，当计算机程序产品在终端设备上运行时，使得终端设备执行时实现可实现上述方法实施例中的步骤。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (8)

1.一种顾客购买意愿分析方法，其特征在于，所述顾客购买意愿分析方法包括：
针对目标商品，获取目标视频数据；
根据所述目标视频数据，获取所述目标视频数据中所述目标商品的购买人次和关注人次；
根据所述购买人次和所述关注人次，确定所述目标商品的顾客购买意愿；
所述根据所述目标视频数据，获取所述目标视频数据中所述目标商品的购买人次和关注人次包括：
按照拍摄顺序从所述目标视频数据中获取K个图像，K为大于1的整数；
从所述K个图像中获取至少一个手臂图像组，一个手臂图像组包括第一手臂图像和第二手臂图像，所述第二手臂图像是所述第一手臂图像的下一帧图像，所述第一手臂图像和所述第二手臂图像均包含手臂；
获取每个手臂图像组对应的第一识别结果和第二识别结果，所述每个手臂图像组对应的第一识别结果包括所述每个手臂图像组中第一手臂图像包含所述目标商品和所述每个手臂图像组中第一手臂图像不包含所述目标商品，所述每个手臂图像组对应的第二识别结果包括所述每个手臂图像组中第二手臂图像包含所述目标商品和所述每个手臂图像组中第二手臂图像不包含所述目标商品；
若所述每个手臂图像组对应的第一识别结果和第二识别结果相同，则确定所述每个手臂图像组为一个目标图像组，所述至少一个手臂图像组中包括至少一个目标图像组；
获取所述至少一个目标图像组各自对应的手臂运动信息；
根据所述至少一个目标图像组各自对应的第一识别结果、第二识别结果和手臂运动信息，获取所述目标视频数据中所述目标商品的购买人次和关注人次；
所述根据所述至少一个目标图像组各自对应的第一识别结果、第二识别结果和手臂运动信息，获取所述目标视频数据中所述目标商品的购买人次和关注人次包括：
从所述至少一个目标图像组中选择一个目标图像组作为初始图像组；
根据所述初始图像组对应的第一识别结果、第二识别结果和手臂运动信息，更新所述目标商品的取走次数和取放次数，其中，所述根据所述初始图像组对应的第一识别结果、第二识别结果和手臂运动信息，更新所述目标商品的取走次数和取放次数包括：
若所述初始图像组对应的第一识别结果和第二识别结果均为不包含所述目标商品，且所述初始图像组对应的手臂运动信息为手臂前伸，或者所述初始图像组对应的第一识别结果和第二识别结果均为包含所述目标商品，且所述初始图像组对应的手臂运动信息为手臂缩回，则将所述目标商品的取走次数和取放次数均加1；
若所述初始图像组对应的第一识别结果和第二识别结果均为不包含所述目标商品，且所述初始图像组对应的手臂运动信息为手臂缩回，或者所述初始图像组对应的第一识别结果和第二识别结果均为包含所述目标商品，且所述初始图像组对应的手臂运动信息为手臂前伸，则将所述目标商品的取走次数减1，取放次数加1；
从所述至少一个目标图像组中选择另一个目标图像组作为所述初始图像组，返回执行所述根据所述初始图像组，更新所述目标商品的取走次数和取放次数，直到遍历完所述至少一个目标图像组，得到所述目标商品的总计取走次数和总计取放次数；
根据所述总计取走次数，获取所述目标视频数据中所述目标商品的购买人次；
根据所述总计取放次数，获取所述目标视频数据中所述目标商品的关注人次。
2.如权利要求1所述的顾客购买意愿分析方法，其特征在于，所述从所述K个图像中获取至少一个手臂图像组包括：
将所述K个图像中首个图像作为第一待处理图像；
识别所述第一待处理图像是否包含手臂；
若所述第一待处理图像不包含手臂，则将第二待处理图像作为所述第一待处理图像，所述第二待处理图像是指所述第一待处理图像的下一帧图像，并返回执行所述识别所述第一待处理图像是否包含手臂，直到遍历完所述K个图像；
若所述第一待处理图像包含手臂，则识别所述第二待处理图像是否为包含手臂；
若所述第二待处理图像不包含手臂，则将所述第二待处理图像的下一帧图像作为所述第一待处理图像，并返回执行所述识别所述第一待处理图像是否包含手臂，直到遍历完所述K个图像；
若所述第二待处理图像包含手臂，则确定所述第一待处理图像为第一手臂图像，所述第二待处理图像为第二手臂图像，所述第一手臂图像和所述第二手臂图像构成一个手臂图像组，并将所述第二待处理图像的下一帧图像作为所述第一待处理图像，返回执行所述识别所述第一待处理图像是否包含手臂，直到遍历完所述K个图像。
3.如权利要求2所述的顾客购买意愿分析方法，其特征在于，所述识别所述第一待处理图像是否包含手臂包括：
获取所述第一待处理图像的三个通道图像，所述第一待处理图像的三个通道图像是指所述第一待处理图像的红色通道图像、绿色通道图像和蓝色通道图像；
分别识别所述第一待处理图像的三个通道图像是否包含手臂，得到所述第一待处理图像的三个通道图像各自对应的识别结果；
根据所述第一待处理图像的三个通道图像各自对应的识别结果，识别所述第一待处理图像是否包含手臂；
所述识别所述第二待处理图像是否包含手臂包括：
获取所述第二待处理图像的三个通道图像，所述第二待处理图像的三个通道图像是指所述第二待处理图像的红色通道图像、绿色通道图像和蓝色通道图像；
分别识别所述第二待处理图像的三个通道图像是否包含手臂，得到所述第二待处理图像的三个通道图像各自对应的识别结果；
根据所述第二待处理图像的三个通道图像各自对应的识别结果，识别所述第二待处理图像是否包含手臂。
4.如权利要求1所述的顾客购买意愿分析方法，其特征在于，所述获取每个手臂图像组对应的第一识别结果和第二识别结果包括：
获取所述每个手臂图像组中第一手臂图像的三个通道图像，其中，所述每个手臂图像组中第一手臂图像的三个通道图像是指所述每个手臂图像组中第一手臂图像的红色通道图像、绿色通道图像和蓝色通道图像；
分别识别所述每个手臂图像组中第一手臂图像的三个通道图像是否包含所述目标商品，得到所述每个手臂图像组中第一手臂图像的三个通道图像各自对应的识别结果；
根据所述每个手臂图像组中第一手臂图像的三个通道图像各自对应的识别结果，得到所述每个手臂图像组对应的第一识别结果；
获取所述每个手臂图像组中第二手臂图像的三个通道图像，其中，所述每个手臂图像组中第二手臂图像的三个通道图像是指所述每个手臂图像组中第二手臂图像的红色通道图像、绿色通道图像和蓝色通道图像；
分别识别所述每个手臂图像组中第二手臂图像的三个通道图像是否包含所述目标商品，得到所述每个手臂图像组中第二手臂图像的三个通道图像各自对应的识别结果；
根据所述每个手臂图像组中第二手臂图像的三个通道图像各自对应的识别结果，得到所述每个手臂图像组对应的第二识别结果。
5.如权利要求1所述的顾客购买意愿分析方法，其特征在于，所述获取所述至少一个目标图像组各自对应的手臂运动信息包括：
获取每个目标图像组中第一目标图像的三个通道图像和第二目标图像的三个通道图像，其中，所述每个目标图像组中第一目标图像的三个通道图像是指所述每个目标图像组中第一目标图像的红色通道图像、绿色通道图像和蓝色通道图像，所述每个目标图像组中第二目标图像的三个通道图像是指所述每个目标图像组中第二目标图像的红色通道图像、绿色通道图像和蓝色通道图像；
获取预设图像的三个通道图像，所述预设图像是指不包含手臂的图像，所述预设图像的三个通道图像是指所述预设图像的红色通道图像、绿色通道图像和蓝色通道图像；
根据所述每个目标图像组中第一目标图像的三个通道图像和所述预设图像的三个通道图像，获取所述每个目标图像组对应的第一差异值，其中，所述每个目标图像组对应的第一差异值反映所述每个目标图像组中第一目标图像与所述预设图像的具有像素值差异的像素点的个数；
根据所述每个目标图像组中第二目标图像的三个通道图像和所述预设图像的三个通道图像，获取所述每个目标图像组对应的第二差异值，其中，所述每个目标图像组对应的第二差异值反映所述每个目标图像组中第二目标图像与所述预设图像的具有像素值差异的像素点的个数；
根据所述每个目标图像组对应的第一差异值和第二差异值，获取每个目标图像组的手臂运动信息。
6.一种顾客购买意愿分析装置，其特征在于，所述顾客购买意愿分析装置包括：
视频采集模块，用于获取针对目标商品，获取目标视频数据；
视频处理模块，用于根据所述目标视频数据，获取所述目标视频数据中所述目标商品的购买人次和关注人次；
购买意愿分析模块，用于根据所述购买人次和所述关注人次，确定所述目标商品的顾客购买意愿；
所述视频处理模块包括：
图像获取单元，用于按照拍摄顺序从所述目标视频数据中获取K个图像，K为大于1的整数；
图像组获取单元，用于从所述K个图像中获取至少一个手臂图像组，一个手臂图像组包括第一手臂图像和第二手臂图像，所述第二手臂图像是所述第一手臂图像的下一帧图像，所述第一手臂图像和所述第二手臂图像均包含手臂；
识别结果获取单元，用于获取每个手臂图像组对应的第一识别结果和第二识别结果，所述每个手臂图像组对应的第一识别结果包括所述每个手臂图像组中第一手臂图像包含所述目标商品和所述每个手臂图像组中第一手臂图像不包含所述目标商品，所述每个手臂图像组对应的第二识别结果包括所述每个手臂图像组中第二手臂图像包含所述目标商品和所述每个手臂图像组中第二手臂图像不包含所述目标商品；
图像组确定单元，用于若所述每个手臂图像组对应的第一识别结果和第二识别结果相同，则确定所述每个手臂图像组为一个目标图像组，所述至少一个手臂图像组中包括至少一个目标图像组；
运动信息获取单元，用于获取所述至少一个目标图像组各自对应的手臂运动信息；
人次获取单元，用于根据所述至少一个目标图像组各自对应的第一识别结果、第二识别结果和手臂运动信息，获取所述目标视频数据中所述目标商品的购买人次和关注人次；
所述人次获取单元具体用于：
从所述至少一个目标图像组中选择一个目标图像组作为初始图像组；
根据所述初始图像组对应的第一识别结果、第二识别结果和手臂运动信息，更新所述目标商品的取走次数和取放次数，其中，所述根据所述初始图像组对应的第一识别结果、第二识别结果和手臂运动信息，更新所述目标商品的取走次数和取放次数包括：
若所述初始图像组对应的第一识别结果和第二识别结果均为不包含所述目标商品，且所述初始图像组对应的手臂运动信息为手臂前伸，或者所述初始图像组对应的第一识别结果和第二识别结果均为包含所述目标商品，且所述初始图像组对应的手臂运动信息为手臂缩回，则将所述目标商品的取走次数和取放次数均加1；
若所述初始图像组对应的第一识别结果和第二识别结果均为不包含所述目标商品，且所述初始图像组对应的手臂运动信息为手臂缩回，或者所述初始图像组对应的第一识别结果和第二识别结果均为包含所述目标商品，且所述初始图像组对应的手臂运动信息为手臂前伸，则将所述目标商品的取走次数减1，取放次数加1；
从所述至少一个目标图像组中选择另一个目标图像组作为所述初始图像组，返回执行所述根据所述初始图像组，更新所述目标商品的取走次数和取放次数，直到遍历完所述至少一个目标图像组，得到所述目标商品的总计取走次数和总计取放次数；
根据所述总计取走次数，获取所述目标视频数据中所述目标商品的购买人次；
根据所述总计取放次数，获取所述目标视频数据中所述目标商品的关注人次。
7.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述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计算机程序时实现如权利要求1至5任一项所述的顾客购买意愿分析方法。
8.一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，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至5任一项所述的顾客购买意愿分析方法。
CN202010438092.7A 2020-05-21 2020-05-21 顾客购买意愿分析方法、装置、终端设备及介质 Active CN111652636B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010438092.7A CN111652636B (zh) 2020-05-21 2020-05-21 顾客购买意愿分析方法、装置、终端设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010438092.7A CN111652636B (zh) 2020-05-21 2020-05-21 顾客购买意愿分析方法、装置、终端设备及介质

Publications (2)

Publication Number Publication Date
CN111652636A CN111652636A (zh) 2020-09-11
CN111652636B true CN111652636B (zh) 2023-05-19

Family

ID=72346755

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010438092.7A Active CN111652636B (zh) 2020-05-21 2020-05-21 顾客购买意愿分析方法、装置、终端设备及介质

Country Status (1)

Country Link
CN (1) CN111652636B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108564038A (zh) * 2018-04-16 2018-09-21 上海小蚁科技有限公司 顾客访问量的统计方法及装置、存储介质、终端
CN109102217A (zh) * 2018-06-27 2018-12-28 深圳市赛亿科技开发有限公司 一种无人超市的库存管理方法及系统
CN110136129A (zh) * 2019-05-22 2019-08-16 广东工业大学 一种商品质量检测方法、装置及存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108564038A (zh) * 2018-04-16 2018-09-21 上海小蚁科技有限公司 顾客访问量的统计方法及装置、存储介质、终端
CN109102217A (zh) * 2018-06-27 2018-12-28 深圳市赛亿科技开发有限公司 一种无人超市的库存管理方法及系统
CN110136129A (zh) * 2019-05-22 2019-08-16 广东工业大学 一种商品质量检测方法、装置及存储介质

Also Published As

Publication number Publication date
CN111652636A (zh) 2020-09-11

Similar Documents

Publication Publication Date Title
US8983200B2 (en) Object segmentation at a self-checkout
US8774462B2 (en) System and method for associating an order with an object in a multiple lane environment
CN108229314B (zh) 目标人物的搜索方法、装置和电子设备
CN110598558A (zh) 人群密度估计方法、装置、电子设备及介质
US9299229B2 (en) Detecting primitive events at checkout
CN111797835B (zh) 一种病症识别方法、病症识别装置及终端设备
CN103617420A (zh) 基于图像特征匹配的商品快速识别方法及系统
Zhu et al. SAR target classification based on radar image luminance analysis by deep learning
Shen et al. Real-time tracking and counting of grape clusters in the field based on channel pruning with YOLOv5s
US11783384B2 (en) Computer vision systems and methods for automatically detecting, classifying, and pricing objects captured in images or videos
CN109977824B (zh) 物品取放识别方法、装置及设备
CN112037254B (zh) 目标跟踪方法及相关装置
CN108647587B (zh) 人数统计方法、装置、终端及存储介质
CN108229289B (zh) 目标检索方法、装置和电子设备
CN113627411A (zh) 一种基于超分辨率的商品识别与价格匹配方法及系统
CN111126119A (zh) 基于人脸识别的到店用户行为统计方法和装置
CN110929668A (zh) 一种基于无人货架的商品检测方法和装置
CN114973057A (zh) 基于人工智能的视频图像检测方法及相关设备
CN111652636B (zh) 顾客购买意愿分析方法、装置、终端设备及介质
CN117727033A (zh) 目标的标注方法、计算机设备及存储介质
US11017400B2 (en) Information processing system, customer identification apparatus, and information processing method
CN111428743A (zh) 商品识别方法、商品处理方法、装置及电子设备
CN108921081B (zh) 用户操作的检测方法和装置
CN113239738B (zh) 一种图像的模糊检测方法及模糊检测装置
CN111461267A (zh) 一种基于rfid技术的手势识别方法

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
GR01 Patent grant
GR01 Patent grant