CN111782881B - 数据处理方法、装置、设备以及存储介质 - Google Patents

数据处理方法、装置、设备以及存储介质 Download PDF

Info

Publication number
CN111782881B
CN111782881B CN202010618809.6A CN202010618809A CN111782881B CN 111782881 B CN111782881 B CN 111782881B CN 202010618809 A CN202010618809 A CN 202010618809A CN 111782881 B CN111782881 B CN 111782881B
Authority
CN
China
Prior art keywords
target
data
business
determining
states
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
CN202010618809.6A
Other languages
English (en)
Other versions
CN111782881A (zh
Inventor
王学成
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.)
Beijing Sensetime Technology Development Co Ltd
Original Assignee
Beijing Sensetime Technology Development Co Ltd
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 Beijing Sensetime Technology Development Co Ltd filed Critical Beijing Sensetime Technology Development Co Ltd
Priority to CN202010618809.6A priority Critical patent/CN111782881B/zh
Publication of CN111782881A publication Critical patent/CN111782881A/zh
Priority to JP2022504635A priority patent/JP2022542114A/ja
Priority to KR1020227002772A priority patent/KR20220025004A/ko
Priority to PCT/CN2021/076463 priority patent/WO2022001122A1/zh
Priority to US17/587,550 priority patent/US20220156769A1/en
Application granted granted Critical
Publication of CN111782881B publication Critical patent/CN111782881B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/787—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7837—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content
    • G06F16/784—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content the detected or recognised objects being people
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • 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
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30241—Trajectory

Abstract

本申请提出一种数据处理方法、装置、设备以及存储介质。上述方法可以包括，获取第一场所的视频数据。然后，根据上述视频数据，确定多个目标人物对应的访问轨迹。最后，根据上述访问轨迹，确定业态数据。

Description

数据处理方法、装置、设备以及存储介质
技术领域
本申请涉及计算机技术，具体涉及数据处理方法、装置、设备以及存储介质。
背景技术
在大卖场等线下销售场景中，通常可以借助视频采集到的内容实现客户数据的统计。其中，常见的客户数据通常包括顾客的消费数据、访问数据等。目前，结合上述客户数据的统计结果，经过人为数据整理、分析，可以基本掌握线下销售场景的整体情况。但上述实现方式耗时耗力，且很难准确反映线下销售场景的实际情况。
发明内容
有鉴于此，本申请公开一种数据处理方法，上述方法包括：
获取第一场所的视频数据；
根据上述视频数据，确定多个目标人物对应的访问轨迹；
根据上述访问轨迹，确定业态数据。
在示出的一实施例中，在上述确定业态数据之后，上述方法还包括：
根据上述业态数据，调整或部署目标场所中的业态分布。
在示出的一实施例中，在根据上述业态数据，调整或部署目标场所中的业态分布，包括以下至少一项：
调整目标场所中的业态分布，上述目标场所包括上述第一场所以及除上述第一场所以外的第二场所；
对除上述第一场所以外的第三场所中的业态分布进行部署。
在示出的一实施例中，上述业态数据包括如下至少一项：
用于表示不同业态之间的关联关系的数据；
用于表示同一业态中不同子业态之间的关联关系的数据；
用于表示属于不同业态的子业态之间的关联关系的数据。
在示出的一实施例中，上述根据上述访问轨迹，确定业态数据，包括：
根据上述访问轨迹，确定第一预设时间内上述多个目标人物中至少部分目标人物访问的业态；
根据上述至少部分目标人物访问的业态，确定访问各业态组合的人物数量，其中，业态组合用于表示上述第一场所中两个不同的业态；
和/或，
根据上述访问轨迹，确定第二预设时间内上述多个目标人物中至少部分目标人物访问的子业态；
根据上述至少部分目标人物访问的子业态，确定访问上述各业态组合和/或访问各子业态组合的人物数量，其中，子业态组合用于表示上述第一场所中两个不同的子业态。
在示出的一实施例中，上述根据上述业态数据，调整目标场所中的业态分布，包括如下至少一项：
增加上述目标场所中到访目标人物数量达到第一阈值的业态数量；
减少上述目标场所中到访目标人物数量未达到第二阈值的业态数量；
增加符合目标人物属性的业态数量；
减少不符合目标人物属性的业态数量。
在示出的一实施例中，在上述确定业态数据之后，上述方法至少包括如下一项：
将上述第一预设时间内到访的目标人物数量达到第三阈值的业态组合包括的业态，确定为进行联动营销的目标业态；
将上述第二预设时间内到访的目标人物数量达到第四阈值的子业态组合包括的子业态，确定为进行联动营销的目标子业态。
在示出的一实施例中，上述业态数据包括如下至少一项：
各业态对应的经营区域之间的目标人物流量对比数据；
各业态之间的目标人物流量对比数据；
不同的时段内各业态对应的目标人物流量数据；
不同的时段内各业态对应的经营区域对应的目标人物流量数据；
各业态对应的经营区域的访问目标人物数量，占访问目标人物总数的比例数据；
各业态的访问目标人物数量，占访问目标人物总数的比例数据；
各业态对应的目标人物流量变化趋势数据；
各业态对应的经营区域对应的目标人物流量变化趋势数据；
访问各业态对应的经营区域的目标人物属性分布数据；
访问各业态的目标人物属性分布数据。
在示出的一实施例中，上述根据上述视频数据，确定多个目标人物对应的访问轨迹，包括：
识别上述第一场所对应的多路视频流中出现的目标人物；
确定上述目标人物在视频流中所处的区域，并根据确定的上述区域还原上述目标人物对应的访问轨迹。
在示出的一实施例中，上述识别上述第一场所对应的多路视频流中出现的目标人物，包括：
提取上述多路视频流中出现的人物对应的人物特征；
从人物特征库中获取与提取出的人物特征匹配的人物特征；
将上述匹配的人物特征对应的人物，确定为上述目标人物。
在示出的一实施例中，上述确定上述目标人物在视频流中所处的区域，包括：
基于采集目标视频流的图像采集设备的标定参数，确定上述目标人物在包括上述第一场所的平面图中的位置坐标；其中，上述目标视频流为，上述多路视频流中，出现上述目标人物的视频流；
确定上述目标人物的位置坐标在上述平面图中对应的区域为上述目标人物在视频流中所处的区域。
在示出的一实施例中，上述确定上述目标人物在视频流中所处的区域，包括：
根据图像采集设备所处位置，确定用于采集目标视频流的图像采集设备对应的区域；其中，上述目标视频流为，上述多路视频流中，出现上述目标人物的视频流；
将用于采集目标视频流的图像采集设备对应的区域，确定为上述目标人物在视频流中所处的区域。
在示出的一实施例中，上述方法还包括：
根据目标视频流的拍摄时刻信息，确定上述目标人物访问该区域的访问时长；其中，上述目标视频流为，上述多路视频流中，出现上述目标人物的视频流。
在示出的一实施例中，上述第一场所包括如下至少一项：商业街道、商场、卖场、商铺；
上述目标人物包括如下至少一项：访客、顾客、会员。
本申请还提出一种数据处理装置，上述装置包括：
获取模块，用于获取第一场所的视频数据；
第一确定模块，用于根据上述视频数据，确定多个目标人物对应的访问轨迹；
第二确定模块，用于根据上述访问轨迹，确定业态数据。
在示出的一实施例中，上述装置还包括：
调整或部署模块，用于根据上述业态数据，调整或部署目标场所中的业态分布。
在示出的一实施例中，上述调整部署模块，包括以下至少一项：
调整模块，用于调整目标场所中的业态分布，上述目标场所包括上述第一场所以及除上述第一场所以外的第二场所；
部署模块，用于对除上述第一场所以外的第三场所中的业态分布进行部署。
在示出的一实施例中，上述业态数据包括如下至少一项：
用于表示不同业态之间的关联关系的数据；
用于表示同一业态中不同子业态之间的关联关系的数据；
用于表示属于不同业态的子业态之间的关联关系的数据。
在示出的一实施例中，上述第二确定模块，包括：
第一确定子模块，用于根据上述访问轨迹，确定第一预设时间内上述多个目标人物中至少部分目标人物访问的业态；根据上述至少部分目标人物访问的业态，确定访问各业态组合的人物数量，其中，业态组合用于表示上述第一场所中两个不同的业态；
和/或，第二确定子模块，用于根据上述访问轨迹，确定第二预设时间内上述多个目标人物中至少部分目标人物访问的子业态；根据上述至少部分目标人物访问的子业态，确定访问上述各业态组合和/或访问各子业态组合的人物数量，其中，子业态组合用于表示上述第一场所中两个不同的子业态。
在示出的一实施例中，上述调整或部署模块，用于执行如下至少一项：
增加上述目标场所中到访目标人物数量达到第一阈值的业态数量；
减少上述目标场所中到访目标人物数量未达到第二阈值的业态数量；
增加符合目标人物属性的业态数量；
减少不符合目标人物属性的业态数量。
在示出的一实施例中，上述装置还至少包括如下一项：
第三确定模块，用于将上述第一预设时间内到访的目标人物数量达到第三阈值的业态组合包括的业态，确定为进行联动营销的目标业态；
第四确定模块，用于将上述第二预设时间内到访的目标人物数量达到第四阈值的子业态组合包括的子业态，确定为进行联动营销的目标子业态。
在示出的一实施例中，上述业态数据包括如下至少一项：
各业态对应的经营区域之间的目标人物流量对比数据；
各业态之间的目标人物流量对比数据；
不同的时段内各业态对应的目标人物流量数据；
不同的时段内各业态对应的经营区域对应的目标人物流量数据；
各业态对应的经营区域的访问目标人物数量，占访问目标人物总数的比例数据；
各业态的访问目标人物数量，占访问目标人物总数的比例数据；
各业态对应的目标人物流量变化趋势数据；
各业态对应的经营区域对应的目标人物流量变化趋势数据；
访问各业态对应的经营区域的目标人物属性分布数据；
访问各业态的目标人物属性分布数据。
在示出的一实施例中，上述第一确定模块，包括：
识别模块，用于识别上述第一场所对应的多路视频流中出现的目标人物；
还原模块，用于确定上述目标人物在视频流中所处的区域，并根据确定的上述区域还原上述目标人物对应的访问轨迹。
在示出的一实施例中，上述识别模块，包括：
提取模块，用于提取上述多路视频流中出现的人物对应的人物特征；
获取模块，用于从人物特征库中获取与提取出的人物特征匹配的人物特征；
目标人物确定模块，用于将上述匹配的人物特征对应的人物，确定为上述目标人物。
在示出的一实施例中，上述还原模块，包括：
第一区域确定模块，用于基于采集目标视频流的图像采集设备的标定参数，确定上述目标人物在包括上述第一场所的平面图中的位置坐标；其中，上述目标视频流为，上述多路视频流中，出现上述目标人物的视频流；确定上述目标人物的位置坐标在上述平面图中对应的区域为上述目标人物在视频流中所处的区域。
在示出的一实施例中，上述还原模块，包括：
第二区域确定模块，用于根据图像采集设备所处位置，确定用于采集目标视频流的图像采集设备对应的区域；其中，上述目标视频流为，上述多路视频流中，出现上述目标人物的视频流；将用于采集目标视频流的图像采集设备对应的区域，确定为上述目标人物在视频流中所处的区域。
在示出的一实施例中，上述装置还包括：
时长确定模块，用于根据目标视频流的拍摄时刻信息，确定上述目标人物访问该区域的访问时长；其中，上述目标视频流为，上述多路视频流中，出现上述目标人物的视频流。
在示出的一实施例中，上述第一场所包括如下至少一项：商业街道、商场、卖场、商铺；
上述目标人物包括如下至少一项：访客、顾客、会员。
本申请还提出一种计算机可读存储介质，上述存储介质存储有计算机程序，上述计算机程序用于执行上述任一实施例上述的数据处理方法。
本申请还提出一种数据处理设备，上述设备包括：
处理器；
用于存储上述处理器可执行指令的存储器；
其中，上述处理器被配置为调用上述存储器中存储的可执行指令，实现上述任一实施例上述的数据处理方法。
由上述方案可知，由于上述设备可以根据第一场所的视频数据，确定多个目标人物对应的访问轨迹，并根据上述访问轨迹确定业态数据。因此，可以节省耗费大量人力物力进行数据分析的过程，即无需人工参与，得到能够反映线下销售场景的整体情况的数据，即业态数据。且由于业态数据主要是基于人物访问轨迹得到的，而访问轨迹的获取依赖于实际采集到的第一场所的视频数据，因此，可以更准确反映线下销售场景的实际情况。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
为了更清楚地说明本申请一个或多个实施例或相关技术中的技术方案，下面将对实施例或相关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一个或多个实施例中记载的一些实施例，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为本申请示出的一种数据处理方法的方法流程图；
图2为本申请示出的一种访问轨迹生成方法的方法流程图；
图3为本申请示出的一种商场平面示意图；
图4为本申请示出的顾客1在商场的访问轨迹示意图；
图5为本申请示出的一种客流矩阵示意图；
图6为本申请示出的一种数据处理装置的结构图；
图7为本申请示出的一种数据处理设备的结构图。
具体实施方式
下面将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的设备和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“上述”和“该”也旨在可以包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。还应当理解，本文中所使用的词语“如果”，取决于语境，可以被解释成为“在……时”或“当……时”或“响应于确定”。
有鉴于此，本申请至少提出一种数据处理方法。该方法通过确定多个目标人物的访问轨迹，并根据访问轨迹确定业态数据，从而可以无需人工参与业态数据统计，从而提升业态数据统计效率与统计正确性。
以下结合具体实施例对本申请记载的技术方案进行说明。
请参见图1，图1为本申请示出的一种数据处理方法的方法流程图。如图1所示，上述方法可以包括：
S102，获取第一场所的视频数据；
S104，根据上述视频数据，确定多个目标人物对应的访问轨迹；
S106，根据上述访问轨迹，确定业态数据。
上述数据处理方法可以以软件装置的形式搭载在任意终端设备中。例如，上述终端设备可以为PC(Personal Computer，个人计算机)终端，移动终端，PAD(PacketAssembler And Disassembler，终端到主机的链接服务)终端等。可以理解的是，在实现上述方法时，上述终端设备可以通过其搭载的硬件芯片提供算力。例如，上述硬件芯片可以是AI(Artificial Intelligence，人工智能)芯片、FPGA(Field Programmable Gate Array，现场可编程们序列)、CPU(central processing unit，中央处理器)、GPU(GraphicsProcessing Unit，图像处理器)等。
以下以搭载上述数据处理方法的终端设备(以下简称“设备”)为执行主体进行方案说明。其中，上述终端设备至少具备图像处理能力以及数据统计能力。上述设备可以获取第一场所的视频数据，然后根据上述视频数据，确定多个目标人物对应的访问轨迹。在获取多个目标人物对应的访问轨迹后，上述设备还可以根据上述访问轨迹，统计业态数据。
上述第一场所，具体为线下经营场所，上述第一场所通常包括若干经营区域，其中，各经营区域可以对应相同或不同过的业态。上述第一场所，可以部署若干个图像采集设备(例如，相机、摄像机)进行视频流采集。上述第一场所包括如下至少一项：商业街道、商场、卖场、商铺、超市等。
例如，上述第一场所可以是商业街道，上述经营区域可以是商业街道中规划的贩卖区域。
再例如，上述第一场所可以是商场，上述经营区域可以是上述商场中的商铺。
再例如，上述第一场所可以是超市、门店或是部署在大卖场里的店铺，上述经营区域可以是贩卖某类商品的柜台。
在一实施例中，部署在第一场所的图像采集设备可以实时采集视频流，并将采集的视频流传输至上述设备，供该设备进行人物流量统计。需要说明的是，视频流可以实时或是在指定时段内向上述设备传输。其中，指定时段指的可以是数据传输资源充足、或是图像采集设备停止采集视频流的时段等。
上述视频数据，可以是部署在上述第一场所中的多台图像采集设备采集的视频流，也可以是诸如单个全景摄像头、或是部署在诸如门店等小型场所内的单个图像采集设备采集的视频流。上述视频数据中通常包括若干人物，在本申请中，可以通过识别出视频数据中出现的目标人物，并确定上述目标人物在视频数据中所处的区域，再结合上述目标人物的历史访问过的区域，生成上述目标人物对应的访问轨迹。
上述访问轨迹，具体可以是人物在上述第一场所中的访问轨迹。上述访问轨迹可以指示人物在上述第一场所中访问过的区域。例如，当上述区域为商铺时，上述访问轨迹可以指示人物访问过的商铺。
在实际应用中，上述设备可以为上述目标人物维护指示访问轨迹的链表。每当上述设备确定上述目标人物所处的区域后，可以将该区域对应的标识(例如，该区域对应的区域标识，或坐标标识等)填入上述链表中，从而维护上述访问轨迹。
上述业态，具体可以指经营区域对应的业务经营形式、状态。
例如，当通过行业来划分经营区域对应的业务经营形式、状态时，上述业态可以按照电影、超市、餐饮、化妆品、箱包等进行划分。
再例如，当通过品牌来划分经营区域对应的业务经营形式、状态时，上述业态可以按照产地、材质、用途等进行划分。
在一实施例中，为了获取更多的统计数据，上述业态可以包括若干级子业态；其中，相邻两级业态之间具有包含关系。
例如，当一级业态为餐饮时；其对应当子业态(即二级业态)可以是中餐、韩餐、鲁菜、东北菜、日料等。
由于业态为多级业态时，因此，在进行业态数据统计时，除了可以后去一级业态相关的统计数据以外，还可以获取与二级业态(子业态)相关的统计数据，从而可以获得更多的统计数据。
例如，上述设备可以确定餐饮业态中，最受欢迎的餐饮子业态等等。
上述业态数据，具体可以包括以下至少一项：
用于表示不同业态之间的关联关系的数据；
用于表示同一业态中不同子业态之间的关联关系的数据；
用于表示属于不同业态的子业态之间的关联关系的数据。
其中，多者之间的关联关系，可以反映多者中两两之间存在的显性或是非显性关系，还可以反映多者整体存在的显性或是非显性关系等。其中，显性关系指的是从数据本身可以掌握到的多者之间的直接关联关系；非显性关系指的往往是经数据分析、处理后，得到的多者之间的间接关联关系。在此，对于反映多者之间关联关系的数据类型、种类等不予限定，可以包括但不限于本申请例举的情况。
用于表示不同业态之间的关联关系的数据，可以有效反映两个甚至多个业态之间的关联关系，比如，可以是不同业态之间在客流量比对，经营时长，经营联动性，到访人物属性等方面的数据。上述经营联动性方面的数据是指，一段时间内到访过上述不同业态的人物数量。
用于表示同一业态中不同子业态之间的关联关系的数据，可以有效反映属于相同业态的两个甚至多个不同子业态之间的关联关系，比如，可以是同一业态中不同子业态之间在客流量比对，同一业态中不同子业态各自的经营时长，同一业态中不同子业态之间的经营联动性，同一业态中不同子业态各自的到访人物属性等方面的数据。
用于表示属于不同业态的子业态之间的关联关系的数据，可以有效反映属于不同业态的两个甚至多个不同子业态之间的关联关系，比如，可以是不同业态的子业态之间在客流量比对，不同业态中子业态各自的经营时长，不同业态中子业态之间的经营联动性，不同业态中子业态各自的到访人物属性等方面的数据。需要说明的是，在涉及到的子业态包括三个甚至更多的情况下，所涉及到的多个子业态中至少存在两个子业态是属于不同业态的，也就意味着，可能存在多个子业态属于相同业态。
由于在进行业态数据统计时，可以统计不同业态之间，同一业态中不同子业态之间，以及不同业态的子业态之间的关联关系数据，因此，可以更加准确的统计顾客对当前业态布局的真实反映，以便于进行业态调整或部署。
在实际应用中，业态数据可以根据实际业务需要进行设定。例如，上述业态数据包括如下至少一项：
各业态对应的经营区域之间的目标人物流量对比数据；
各业态之间的目标人物流量对比数据；
不同的时段内各业态对应的目标人物流量数据；
不同的时段内各业态对应的经营区域对应的目标人物流量数据；
各业态对应的经营区域的访问目标人物数量，占访问目标人物总数的比例数据；
各业态的访问目标人物数量，占访问目标人物总数的比例数据；
各业态对应的目标人物流量变化趋势数据；
各业态对应的经营区域对应的目标人物流量变化趋势数据；
访问各业态对应的经营区域的目标人物属性分布数据；
访问各业态的目标人物属性分布数据。
通过对上述业态数据的统计与分析，可以实现对目标场所的业态布局进行调整或部署。
由上述方案可知，由于上述设备可以根据第一场所的视频数据，确定多个目标人物对应的访问轨迹，并根据上述访问轨迹确定业态数据。因此，可以节省耗费大量人力物力进行数据分析的过程，即无需人工参与，得到能够反映线下销售场景的整体情况的数据，即业态数据。且由于业态数据主要是基于人物访问轨迹得到的，而访问轨迹的获取依赖于实际采集到的第一场所的视频数据，因此，可以更准确反映线下销售场景的实际情况。
此外，由于在进行业态数据统计时，可以从业态间客流对比，到访人物属性等多种角度统计业态数据，因此，可以更加准确的统计顾客对当前业态布局的真实反映，以便于进行业态调整或部署。
需要说明的是，生成访问轨迹的方式有很多，例如，人脸识别，wifi探针技术，行人重识别技术等，在此不作穷尽式列举。
在一实施例中，为了精准还原人物访问轨迹，可以采用行人重识别(Person Re-identification，ReID)技术，即行人再识别技术。行人重识别技术，指的是利用计算机视觉技术识别图像或者视频流中出现的目标人物的技术。以下介绍基于行人重识别技术还原访问轨迹的方法。
请参见图2，图2为本申请示出的一种访问轨迹生成方法的方法流程图。
如图2所示，上述方法可以包括：
S202，识别上述第一场所对应的多路视频流中出现的目标人物；
S204，确定上述目标人物在视频流中所处的区域，并根据确定的上述区域还原上述目标人物对应的访问轨迹。
上述目标人物，通常为预先指定的人物。在通过该技术确定视频流中是否存在目标人物之前，通常需要先指定目标人物。上述目标人物可以包括如下至少一项：访客、顾客、会员。
在指定上述目标人物时，通常可以将包括上述目标人物的N张较为清晰的图片存入目标人物库中以供进行行人重识别时，实现从上述目标人物库中提取与目标人物对应的人物特征。
在一实施例中，可以从采集的视频流中，选取在视频流中初次出现的任务对应的M张人物图片，并将选取的该M张人物图片存入上述目标人物库。
在另一实施例中，可以以其他方式(例如从网络中下载的方式)获取与目标人物对应的N张图像，并将获取的该N张人物图片存入上述目标人物库。
在基于行人重识别技术，识别视频流中出现的目标人物时，上述设备可以先从多路视频流中提取出现的人物对应的人物特征。
在提取出上述多路视频流中出现的人物对应的人物特征后，上述设备可以从人物特征库中获取与提取出的人物特征匹配的人物特征。
最后，上述设备可以将上述匹配的人物特征对应的人物，确定为上述目标人物。
在实际应用中，在提取从视频流中提取出现的人物特征时，可以将上述视频流输入预先训练的基于深度学习网络构建的特征提取网络(例如，基于深度卷积网络或注意力机制网络构建的特征提起网络)，得到上述视频流中出现的人物对应的人物特征。其中，上述特征提取网络可以是基于若干训练样本训练得到的。
需要说明的是，从视频流中提取人物特征的方法除了可以包括使用上述特征提取网络提取的特征外，还可以包括尺度不变特征变换(Scale-invariant featuretransform，SIFT)特征等传统图像特征。
在从人物特征库中获取与提取出的人物特征匹配的人物特征时，在一种方式中，上述设备可以计算从视频流中提取的人物特征，与人物库中维护的人物特征之间的相似度。然后，将得到的相似度中最大的相似度对应的人物特征，确定为与从视频流中提取的人物特征匹配的人物特征。
在另一实施例中，可能不会直接维护人物特征库，而是维护了人物图片库，因此，在执行此步骤时，需要先构建人物特征库。例如，上述设备可以先将上述人物图片库中维护的人物图片输入上述特征提取网络，得到若干人物特征。然后，上述设备可以基于得到的若干人物特征构成人物特征库。
在得到人物特征库后，上述设备可以计算从视频流中提取的人物特征，与人物库中维护的人物特征之间的相似度。然后，将得到的相似度中最大的相似度对应的人物特征，确定为与从视频流中提取的人物特征匹配的人物特征。
需要说明的是，为了方便计算相似度，从视频流中提取的人物特征，可以与目标人物库中维护的目标人物的人物特征具有相同的统计维度。例如，如果目标人物库中维护的任务特征为128维的SIFT特征向量，则从视频流中提取人物特征时，也提取128维的SIFT特征向量。
在实际应用中，在计算人物特征之间的相似度时，可以通过余弦距离，欧式距离，马氏距离等方式计算提取的人物特征，与维护的目标人物的人物特征之间距离，并将计算出的距离映射为相似度(例如，归一化映射)。
在从人物特征库中获取与提取出的人物特征匹配的人物特征后，可以将上述匹配的人物特征对应的人物，确定为上述目标人物。
可以理解的是，以上方法示例性的说明了一种行人重识别的实现方式，在实际使用中行人重识别的具体实现方式多种多样，本申请不对行人重识别的具体实现方式进行穷尽式列举。
由于行人重识别技术在提取人物特征时，除了提取人物面部特征，还可以提取人物的姿态，穿着、体型等更加全面的特征，从而可以提升从视频流中识别目标人物的能力，精准生成目标人物对应的访问轨迹。
在基于行人重识别技术，识别出与第一场所对应的多路视频流中出现的目标人物之后，上述设备可以确定上述目标人物在视频流中所处的区域，并根据确定的上述区域还原上述目标人物对应的访问轨迹。
在一实施例中，在确定上述目标人物在视频流中所处的区域时，上述设备可以基于采集目标视频流的图像采集设备的标定参数，确定上述目标人物在包括上述第一场所的平面图中的位置坐标；其中，上述目标视频流为，上述多路视频流中，出现上述目标人物的视频流。
在确定上述目标人物的位置坐标后，上述设备可以确定上述目标人物的位置坐标在上述平面图中对应的区域为上述目标人物在视频流中所处的区域。
上述标定参数，具体是指图像采集设备标定好的内参数与外参数。例如，焦距、像素等。
基于该标定参数，即可确定目标人物所处的世界坐标，然后通过相对位置变换，即可确定目标人物在包括上述第一场所的平面图中的位置坐标。
在另一实施例中，在确定上述目标人物在视频流中所处的区域时，上述设备可以根据图像采集设备所处位置，确定用于采集目标视频流的图像采集设备对应的区域；其中，上述目标视频流为，上述多路视频流中，出现上述目标人物的视频流。
在确定与采集目标视频流的图像采集设备所对应的区域后，上述设备可以将用于采集目标视频流的图像采集设备对应的区域，确定为上述目标人物在视频流中所处的区域。
需要说明的是，确定上述目标人物在视频流中所处的区域的方式还可以其他方式，在此不作穷尽式列举。
在确定上述目标人物在视频流中所处的区域后，上述设备可以结合上述目标人物历史访问过的区域，还原上述目标人物对应的访问轨迹。
在一实施例中，为了获取更多纬度的统计数据，上述设备可以在确定上述目标人物在视频流中所处的区域之后，根据目标视频流的拍摄时刻信息，确定上述目标人物访问该区域的访问时长；其中，上述目标视频流为，上述多路视频流中，出现上述目标人物的视频流。
在实际应用中，上述设备可以将在区域部署的图像采集设备最后一次识别出上述目标人物时的拍摄时刻，减去第一次识别出上述目标人物时的拍摄时刻，得到上述目标人物访问该区域的访问时长。
例如，假设区域A部署的摄像头A首次识别出目标人物A，此时可以记录当前拍摄时刻A。然后，上述设备可以在每次摄像头A识别出目标人物A后启动定时任务，确定上述摄像头A在预设时长内是否再次识别到上述目标人物A；如果是，在再次重新启动上述定时任务；如果否，则将当前识别到目标人物A确定上述摄像头最后一次识别出目标人物A，并记录最后一次识别出目标人物A的拍摄时刻B。将拍摄时刻B减去拍摄时刻A即可得到目标人物A访问上述区域A的访问时长。
由于上述设备可以统计目标人物访问区域的访问时长，因此，可以获取更多的统计数据，从而可以基于上述更多的统计数据进行相应分析。
例如，上述设备可以以区域访问时长这一维度分析出上述第一场所中，最吸引人物的区域等等。
在确定上述访问轨迹后，上述设备可以根据上述访问轨迹，以及与上述访问轨迹指示的被访问区域相关联的业态，进行业态数据统计。
当采用行人重识别技术确定目标人物访问轨迹时，由于该方法可以基于行人重识别技术，识别上述第一场所对应的多路视频流中出现的目标人物，然后确定上述目标人物在视频流中所处的区域，并根据确定的上述区域还原上述目标人物对应的访问轨迹，最后根据上述访问轨迹，根据上述访问轨迹，确定业态数据，因此，该方法可以准确识别出视频流中出现的所有目标人物，并精确还原所有目标人物的访问轨迹，从而提升人业态数据统计的准确性，为业态布局提供可靠的数据。
在一实施例中，在确定业态数据之后，上述方法还可以包括，根据上述业态数据，调整或部署目标场所中的业态分布。
在实际应用中，当完成业态数据统计后，可以通过对业态数据进行分析，得到与业态分布相关的分析数据。
在获取到分析数据后，可以基于该分析数据调整或部署目标场所中的业态分布。
在本实施例中，由于根据统计的业态数据调整或部署目标场所中的业态分布，因此，可以使目标场所中的业态布局更符合业态数据指示的实际情形。
在一实施例中，在根据上述业态数据，调整或部署目标场所中的业态分布时，可以执行如下至少一项：
调整目标场所中的业态分布，上述目标场所包括上述第一场所以及除上述第一场所以外的第二场所；
对除上述第一场所以外的第三场所中的业态分布进行部署。
上述目标场所，具体为需要进行业态布局的场所。上述目标场所可以包括任一需要进行业态布局的场所。
在一种情形中，当第一场所中的业态需要被调整时，上述目标场所即为上述第一场所。在对上述目标场所中的业态进行调整时，可以根据针对第一场所统计的业态数据，完成业态调整。
在实际应用中，在根据上述业态数据，调整目标场所中的业态分布时，可以使用以下任一项或是多项：
增加上述目标场所中到访目标人物数量达到第一阈值的业态数量；
减少上述目标场所中到访目标人物数量未达到第二阈值的业态数量；
增加符合目标人物属性的业态数量；
减少不符合目标人物属性的业态数量。
例如，当业态数据至少包括各业态之间和/或各业态对应的经营区域之间的目标人物流量对比数据时，如果发现一个业态商铺数量较多，但实际吸引客流量排名靠后，则可以减少该业态商铺数量。相反，如果发现一个业态商铺数量较少，但实际吸引客流量排名靠前，则可以增加该业态商铺数量。
再例如，当业态数据至少包括各业态之间和/或各业态对应的经营区域之间的目标人物流量对比数据，以及访问各业态和/或各业态对应的经营区域的目标人物属性分布数据时，如果发现到访该业态的顾客大多为男性，而商场内多为女性顾客经常访问的业态商铺，则可以减少该类业态商铺，替换为吸引男性顾客的其他业态商铺，从而提升场内客流的商铺转化率。
在另一情形中，当第一场所以外的已经完成业态布局的第二场所需要进行业态调整时，上述目标场所为上述第二场所(调整方式可以参照前述对第一场所进行业态调整的相关内容，在此不作详述)。
在另一情形中，当第一场所以外的未进行业态布局的第三场所需要进行业态部署时，上述目标场所为上述第三场所(部署方式可以参照前述对第一场所进行业态调整的相关内容，在此不作详述)。
在本实施例中，由于根据统计的业态数据调整或部署目标场所中的业态分布，因此，可以使目标场所中的业态布局更符合业态数据指示的实际情形，有益于提升商铺转化率(商铺转化率是指，产生购买行为的人数与到访总人数的比值)。
在一实施例中，在根据上述访问轨迹，确定业态数据，可以包括，根据上述访问轨迹，确定第一预设时间内上述多个目标人物中至少部分目标人物访问的业态；
根据上述至少部分目标人物访问的业态，确定访问各业态组合的人物数量，其中，业态组合用于表示上述第一场所中两个不同的业态；
和/或，
根据上述访问轨迹，确定第二预设时间内上述多个目标人物中至少部分目标人物访问的子业态；
根据上述至少部分目标人物访问的子业态，确定访问上述各业态组合和/或访问各子业态组合的人物数量，其中，子业态组合用于表示上述第一场所中两个不同的子业态。
上述业态组合，用于表示上述第一场所中两个不同的业态。例如，当上述第一场所中包括电影院，餐饮、服装等业态时，上述业态组合可以包括三种组合。其分别是电影院与餐饮，电影院与服装，餐饮与服装。
上述子业态组合，用于表示上述第一场所中两个不同的子业态。例如，当第一场所中包括的一级业态为服装时，其可以包括男装、女装、童装等子业态。此时，上述子业态组合可以包括三种组合，分别是男装与女装、男装与童装、女装与童装。
需要说明的是，子业态组合中的包括的子业态还可以隶属于不同的一级业态。例如，第一场所中包括的一级业态为服装和餐饮，其中服装包括男装与女装两个子业态，餐饮包括中餐和西餐两个子业态。此时，上述子业态组合可以包括六种组合，分别是，男装与女装、男装与中餐、男装与西餐、女装与中餐、女装与西餐、中餐与西餐。
在确定访问各业态组合和/或各子业态组合的人物数量后，上述设备还可以至少包括如下一项：
将上述第一预设时间内到访的目标人物数量达到第三阈值的业态组合包括的业态，确定为进行联动营销的目标业态；
将上述第二预设时间内到访的目标人物数量达到第四阈值的子业态组合包括的子业态，确定为进行联动营销的目标子业态。
上述联动营销，具体是指对联动性强的多个不同业态或子业态进行联合推广营销。联动性强的不同业态是指，一段时间内到访的目标人物数量达到第三阈值的业态组合包括的业态。
例如，假设第三阈值为100，统计的人物数量达到100的业态组合为餐饮与电影院。此时，在进行联动营销时，可以将餐饮与电影院作为进行联动营销的目标业态。开展例如在一天之内即购买餐饮服务，也购买电影院服务时可以享受8折优惠的联动营销活动。
上述第一预设时间与第二预设时间，具体可以根据实际业务需求进行设定。例如，上述第一预设时间可以为一日内(24小时内)，上述第二预设时间可以为上午9点至晚上9点。
需要说明的是，针对目标子业态进行联动营销可以参照针对目标业态进行联动营销的描述，在此不作详述。
在上述方案中，由于将上述第一预设时间内到访的目标人物数量达到第三阈值的业态组合包括的业态，确定为进行联动营销的目标业态；以及将上述第二预设时间内到访的目标人物数量达到第四阈值的子业态组合包括的子业态，确定为进行联动营销的目标子业态，因此，可以对联动性强的业态进行精准联动营销，从而提升商铺转化率。
以下结合线下零售的场景对本申请进行说明。
请参见图3，图3为本申请示出的一种商场平面示意图。如图3所示，上述商场包括商铺A至商铺F共6个商铺(经营区域)。其中，商铺A为超市(一级业态)，商铺B为电影院(一级业态)，商铺C为中餐馆(二级子业态)，商铺D为韩餐馆(二级子业态)，商铺E为服装店(一级业态)，商铺F为健身馆(一级业态)。商铺C、D的一级业态为餐饮。
其中，每个商铺部署了一个摄像头，摄像头与顾客流量统计设备(以下简称为设备)通信连接。上述设备中搭载了上述任一实施例公开的数据处理方法。上述设备可以实时获取上述摄像头采集的视频流。
假设顾客1进入该商场后在9:00最先访问商铺A，此时，上述设备可以基于行人重识别技术，识别出商铺A部署的摄像头A采集的视频流中出现顾客1。
然后上述设备可以基于摄像头A最后一次捕捉到顾客1的时刻(假设9:30)，减去9：00，得到顾客1访问商铺A的访问时长为30分钟。
最后，上述设备可以将商铺A，访问商铺A的时刻，访问商铺A的访问时长以及商铺A对应的超市属性维护至顾客1对应的访问轨迹中。
此时，上述访问轨迹将会至少指示出，顾客1在9:00访问了商铺A，访问时长为30分钟；顾客1在9:00访问了超市，访问时长为30分钟。
以此类推，上述设备中将会精确还原出顾客1在上述商场中的访问轨迹。
请参见图4，图4为本申请示出的顾客在商场的访问轨迹示意图。
如图4所示，顾客1于9点在商铺A(超市)停留30分钟，之后顾客1于9:45去了商铺E(服装店)并在商铺E停留了40分钟，然后顾客1于11：00去了商铺C(中餐店)，并在商铺C停留了1个小时30分钟，最后顾客1于13:00去了商铺B(电影院)，并在商铺B停留了2个小时。
需要说明的是，上述访问轨迹的示意图仅为示例性说明，在实际应用中，可以存在多种保存形式，在此不作限定。
同样的，上述设备中可以将出现在上述商场中的顾客全部识别出来，并维护各个顾客在该商场中的访问轨迹。
定期的，上述设备可以根据上述访问轨迹，以及与上述访问轨迹指示的被访问商铺相关联的业态，进行顾客流量统计(客流统计)。
在一实施例中，上述设备可以统计商铺A至商铺F各商铺一天内的客流量，餐饮、超市、服装、健身馆、电影院各业态一天内的客流量，以及中餐馆、韩餐馆一天内的客流量。
在一实施例中，还可以统计以下中的任一或任几项：
各经营区域之间的顾客流量对比数据；
各业态之间的顾客流量对比数据；
不同的时段内各业态对应的顾客流量数据；
不同的时段内各经营区域对应的顾客流量数据；
各经营区域的访问顾客数量，占访问顾客总数的比例；
各业态的访问顾客数量，占访问顾客总数的比例；
各业态对应的顾客流量变化趋势；
各经营区域对应的顾客流量变化趋势；
访问各经营区域的顾客的人物属性分布；
访问各业态的顾客的人物属性分布。
需要说明的是，上述业态数据还可以是其他指标，在本申请中不对上述业态数据进行穷尽时列举。
其中，上述对比数据，是指不同区域或业态对应的客流对比情况。例如，业态A到访100人，业态B到访90人，则业态A与业态B的到访人数相差10人。
在确定各经营区域之间的顾客流量对比数据时，可以将统计的商铺A至商铺F各商铺一天内的客流量统计数据放在一张图表中，以直观展示各经营区域之间的顾客流量对比数据。
在确定各业态之间的顾客流量对比数据时，可以将统计的餐饮、超市、服装、健身馆、电影院各业态一天内的客流量统计数据放在一张图表中，以直观展示各业态之间的顾客流量对比数据。在确定不同的时段内各业态对应的顾客流量数据时，可以将统计的餐饮、超市、服装、健身馆、电影院各业态一天内的客流量统计数据进行分时段统计，从而展示不同的时段内各业态对应的顾客流量数据指标。
在确定不同的时段内各经营区域对应的顾客流量数据时，可以将统计的商铺A至商铺F各商铺一天内的客流量统计数据进行分时段统计，从而展示不同的时段内各经营区域对应的顾客流量数据指标。
在确定各经营区域的访问顾客数量，占访问顾客总数的比例时，可以将统计的商铺A至商铺F各商铺一天内的客流量统计数据作为分子，当天访问商场的顾客总数作为分母，计算各经营区域的访问顾客数量，占访问顾客总数的比例。
在确定各业态的访问顾客数量，占访问顾客总数的比例时，可以将统计的餐饮、超市、服装、健身馆、电影院各业态一天内的客流量统计数据作为分子，当天访问商场的顾客总数作为分母，计算各业态的访问顾客数量，占访问顾客总数的比例。
上述目标人物流量变化趋势数据，是指随着时间变化客流的变化情况。例如，从上午9点到上午10点，业态A的每小时的客流量变化情况由100人变为80人。
在确定各业态对应的顾客流量变化趋势时，可以将统计的餐饮、超市、服装、健身馆、电影院各业态一天内的客流量统计数据进行分时段统计，然后按照时间先后顺序，将统计的数据汇总在一张图表中，从而直观展示各业态对应的顾客流量变化趋势。
在确定各经营区域对应的顾客流量变化趋势时，可以将统计的商铺A至商铺F各商铺一天内的客流量统计数据进行分时段统计，然后按照时间先后顺序，将统计的数据汇总在一张图表中，从而直观展示各经营区域对应的顾客流量变化趋势。
上述人物属性分布数据，是指访问各业态或区域的任务具备的属性分布情况。例如，访问业态A的人物属性分布为男性、20-35岁、着装休闲等。
在确定访问各经营区域的顾客的人物属性分布数据时，可以通过基于神经网络搭建的属性识别网络对商铺A至商铺F各商铺一天内的访问顾客的人物属性(例如，性别，年龄，穿着等能够反映人物表象的特征)进行识别，从而确定访问各经营区域的顾客具有人物属性。
在确定访问各业态的顾客的人物属性分布数据时，可以通过基于神经网络搭建的属性识别网络对餐饮、超市、服装、健身馆、电影院各业态一天内的访问顾客的人物属性进行识别，从而确定访问各经营区域的顾客具有人物属性。
可以理解的是，在确定与业态相关的业态数据时，还可以基于统计的中餐馆、韩餐馆一天内的客流量进行相关业态数据的确定，在此不作详述。
在得到上述业态数据后，上述设备可以将上述业态数据输出至管理员，以使管理员可以基于上述业态数据确定经营策略。
在实际应用中，在得到上述业态数据后，上述设备可以通过与管理员交互的显示界面输出上述业态数据，以使管理员可以决定如何对商铺和业态进行布局。
例如，管理员可以根据业态的基础数据统计了解并监控商场内客流在各业态中的分布情况，结合业态中商铺的数量和位置可以及时调整和优化业态分布。假设发现一个商铺F(健身馆)数量较多，但实际吸引客流量较少，则可以减少该业态的商铺，替换为吸引客流更多的其他业态商铺(餐饮)，从而提升场内客流的商铺转化率。
需要说明的是，上述经营策略可以是管理员根据实际情况进行确定的，在此不作穷尽时列举。
在一实施例中，确定上述经营策略的步骤可以在上述设备中完成，从而无需管理员参与，提升经营策略确认效率，以及人物使用体验。
在实际应用中，上述设备可以对上述业态数据进行分析，输出针对上述商场的经营策略。其中，上述经营策略包括针对上述经营区域，或上述业态的规划布局方案。
在一实施例中，为了分析出更多的经营策略，上述设备还可以统计在预设时长内同时访问过多个目标业态对应的经营区域的顾客数量。
在实际应用中，上述设备可以统计在一天内同时访问过两个目标业态对应的经营区域的顾客数量。
例如，上述设备可以维护一个客流矩阵。其中上述客流矩阵的行与列分别表示不同的业态，上述客流矩阵的元素可以表示一天内同时访问过该元素所处行，与所处列指示的业态的顾客数量。
请参见图5，图5为本申请示出的一种客流矩阵示意图。如图5所示，上述客流矩阵的行与列指示餐饮、超市、服装、健身馆、电影院5项业态。元素A指示一天内同时访问过餐饮与电影院的顾客数量。
在统计在一天内同时访问过两个目标业态对应的经营区域的顾客数量时，上述设备可以根据上述访问轨迹，以及上述业态，确定上述目标人物在预设时间段内访问过的经营区域所对应的业态。然后，上述设备可以将确定的上述业态中，两两进行组合，得到若干业态组合。最后，上述设备可以更新同时访问上述业态组合中的业态的顾客数量。
请继续参见图4，假设顾客1的访问轨迹为：顾客1于9点在商铺A停留30分钟，之后顾客1于9:45去了商铺E并在商铺E停留了40分钟，然后顾客1于11：00去了商铺C，并在商铺C停留了1个小时30分钟，最后顾客1于13:00去了商铺B，并在商铺B停留了2个小时。
上述设备可以确定顾客1于当天访问过的业态组合可以包括超市与服装店的组合，超市与餐饮的组合，超市与电影院的组合，服装店与餐饮的组合，服装店与电影院的组合，餐饮与电影院的组合。
在确定顾客1于当天访问过的业态组合后，上述设备可以查询上述设备维护的客流矩阵中与上述各业态组合对应的元素，并将该元素指示的数字加1。
例如，针对餐饮与电影院的组合，可以确定如图4所示的客流矩阵中的元素A，然后上述设备可以将元素A指示的数字加1。
由于上述设备还可以统计在预设时长内同时访问过多个目标业态对应的经营区域的顾客数量，因此，可以分析出更多的经营策略。
例如，管理员可以根据上述设备还可以统计在预设时长内同时访问过多个目标业态对应的经营区域的顾客数量，可以分析业态间的联动情况(一天内同时到访过的客流越多，说明业态间联动性越强)，为联动营销方案(经营策略)提供数据指导。假设发现餐饮与电影院之间的联动性很强，则可以考虑通过“同时在餐饮商铺和电影院商铺消费，提供8折优惠”的方式促进顾客的转化率。
需要说明的是，上述经营策略可以是管理员根据实际情况进行确定的，在此不作穷尽时列举。
本申请还提出一种数据处理装置。请参见图6，图6为本申请示出的一种数据处理装置的结构图。
如图6所示，上述装置600包括：
获取模块610，用于获取第一场所的视频数据；
第一确定模块620，用于根据上述视频数据，确定多个目标人物对应的访问轨迹；
第二确定模块630，用于根据上述访问轨迹，确定业态数据。
在示出的一实施例中，上述装置600还包括：
调整或部署模块640，用于根据上述业态数据，调整或部署目标场所中的业态分布。
在示出的一实施例中，上述调整或部署模块，包括以下至少一项：
调整模块，用于调整目标场所中的业态分布，上述目标场所包括上述第一场所以及除上述第一场所以外的第二场所；
部署模块，用于对除上述第一场所以外的第三场所中的业态分布进行部署。
在示出的一实施例中，上述业态数据包括如下至少一项：
用于表示不同业态之间的关联关系的数据；
用于表示同一业态中不同子业态之间的关联关系的数据；
用于表示属于不同业态的子业态之间的关联关系的数据。
在示出的一实施例中，上述第二确定模块630，包括：
第一确定子模块，用于根据上述访问轨迹，确定第一预设时间内上述多个目标人物中至少部分目标人物访问的业态；根据上述至少部分目标人物访问的业态，确定访问各业态组合的人物数量，其中，业态组合用于表示上述第一场所中两个不同的业态；
和/或，第二确定子模块，用于根据上述访问轨迹，确定第二预设时间内上述多个目标人物中至少部分目标人物访问的子业态；根据上述至少部分目标人物访问的子业态，确定访问上述各业态组合和/或访问各子业态组合的人物数量，其中，子业态组合用于表示上述第一场所中两个不同的子业态。
在示出的一实施例中，上述调整或部署模块640，用于执行如下至少一项：
增加上述目标场所中到访目标人物数量达到第一阈值的业态数量；
减少上述目标场所中到访目标人物数量未达到第二阈值的业态数量；
增加符合目标人物属性的业态数量；
减少不符合目标人物属性的业态数量。
在示出的一实施例中，上述装置600还至少包括如下一项：
第三确定模块，用于将上述第一预设时间内到访的目标人物数量达到第三阈值的业态组合包括的业态，确定为进行联动营销的目标业态；
第四确定模块，用于将上述第二预设时间内到访的目标人物数量达到第四阈值的子业态组合包括的子业态，确定为进行联动营销的目标子业态。
在示出的一实施例中，上述业态数据包括如下至少一项：
各业态对应的经营区域之间的目标人物流量对比数据；
各业态之间的目标人物流量对比数据；
不同的时段内各业态对应的目标人物流量数据；
不同的时段内各业态对应的经营区域对应的目标人物流量数据；
各业态对应的经营区域的访问目标人物数量，占访问目标人物总数的比例数据；
各业态的访问目标人物数量，占访问目标人物总数的比例数据；
各业态对应的目标人物流量变化趋势数据；
各业态对应的经营区域对应的目标人物流量变化趋势数据；
访问各业态对应的经营区域的目标人物属性分布数据；
访问各业态的目标人物属性分布数据。
在示出的一实施例中，上述第一确定模块620，包括：
识别模块，用于识别上述第一场所对应的多路视频流中出现的目标人物；
还原模块，用于确定上述目标人物在视频流中所处的区域，并根据确定的上述区域还原上述目标人物对应的访问轨迹。
在示出的一实施例中，上述识别模块，包括：
提取模块，用于提取上述多路视频流中出现的人物对应的人物特征；
获取模块610，用于从人物特征库中获取与提取出的人物特征匹配的人物特征；
目标人物确定模块，用于将上述匹配的人物特征对应的人物，确定为上述目标人物。
在示出的一实施例中，上述还原模块，包括：
第一区域确定模块，用于基于采集目标视频流的图像采集设备的标定参数，确定上述目标人物在包括上述第一场所的平面图中的位置坐标；其中，上述目标视频流为，上述多路视频流中，出现上述目标人物的视频流；确定上述目标人物的位置坐标在上述平面图中对应的区域为上述目标人物在视频流中所处的区域。
在示出的一实施例中，上述还原模块，包括：
第二区域确定模块，用于根据图像采集设备所处位置，确定用于采集目标视频流的图像采集设备对应的区域；其中，上述目标视频流为，上述多路视频流中，出现上述目标人物的视频流；将用于采集目标视频流的图像采集设备对应的区域，确定为上述目标人物在视频流中所处的区域。
在示出的一实施例中，上述装置600还包括：
时长确定模块，用于根据目标视频流的拍摄时刻信息，确定上述目标人物访问该区域的访问时长；其中，上述目标视频流为，上述多路视频流中，出现上述目标人物的视频流。
在示出的一实施例中，上述第一场所包括如下至少一项：商业街道、商场、卖场、商铺；
上述目标人物包括如下至少一项：访客、顾客、会员。
本申请示出的数据处理装置的实施例可以应用于数据处理设备上。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在电子设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，如图7所示，为本申请示出的一种数据处理设备的结构图，除了图7所示的处理器、内存、网络接口、以及非易失性存储器之外，实施例中装置所在的电子设备通常根据该电子设备的实际功能，还可以包括其他硬件，对此不再赘述。
请参考图7所示的一种数据处理设备，上述设备可以包括：
处理器；
用于存储上述处理器可执行指令的存储器；
其中，上述处理器被配置为调用上述存储器中存储的可执行指令，实现上述任一实施例上述的数据处理方法。
本申请还提出一种计算机可读存储介质，上述存储介质存储有计算机程序，上述计算机程序用于执行上述任一实施例上述的数据处理方法。
本领域技术人员应明白，本申请一个或多个实施例可提供为方法、系统或计算机程序产品。因此，本申请一个或多个实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(可以包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请中的“和/或”表示至少具有两者中的其中一个，例如，“A和/或B”可以包括三种方案：A、B、以及“A和B”。
本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于数据处理设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
上述对本申请特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的行为或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本申请中描述的主题及功能操作的实施例可以在以下中实现：数字电子电路、有形体现的计算机软件或固件、可以包括本申请中公开的结构及其结构性等同物的计算机硬件、或者它们中的一个或多个的组合。本申请中描述的主题的实施例可以实现为一个或多个计算机程序，即编码在有形非暂时性程序载体上以被数据处理装置执行或控制数据处理装置的操作的计算机程序指令中的一个或多个模块。可替代地或附加地，程序指令可以被编码在人工生成的传播信号上，例如机器生成的电、光或电磁信号，该信号被生成以将信息编码并传输到合适的接收机装置以由数据处理装置执行。计算机存储介质可以是机器可读存储设备、机器可读存储基板、随机或串行存取存储器设备、或它们中的一个或多个的组合。
本申请中描述的处理及逻辑流程可以由执行一个或多个计算机程序的一个或多个可编程计算机执行，以通过根据输入数据进行操作并生成输出来执行相应的功能。上述处理及逻辑流程还可以由专用逻辑电路—例如FPGA(现场可编程门阵列)或ASIC(专用集成电路)来执行，并且装置也可以实现为专用逻辑电路。
适合用于执行计算机程序的计算机可以包括，例如通用和/或专用微处理器，或任何其他类型的中央处理单元。通常，中央处理单元将从只读存储器和/或随机存取存储器接收指令和数据。计算机的基本组件可以包括用于实施或执行指令的中央处理单元以及用于存储指令和数据的一个或多个存储器设备。通常，计算机还将可以包括用于存储数据的一个或多个大容量存储设备，例如磁盘、磁光盘或光盘等，或者计算机将可操作地与此大容量存储设备耦接以从其接收数据或向其传送数据，抑或两种情况兼而有之。然而，计算机不是必须具有这样的设备。此外，计算机可以嵌入在另一设备中，例如移动电话、个人数字助理(PDA)、移动音频或视频播放器、游戏操纵台、全球定位系统(GPS)接收机、或例如通用串行总线(USB)闪存驱动器的便携式存储设备，仅举几例。
适合于存储计算机程序指令和数据的计算机可读介质可以包括所有形式的非易失性存储器、媒介和存储器设备，例如可以包括半导体存储器设备(例如EPROM、EEPROM和闪存设备)、磁盘(例如内部硬盘或可移动盘)、磁光盘以及CD ROM和DVD-ROM盘。处理器和存储器可由专用逻辑电路补充或并入专用逻辑电路中。
虽然本申请包含许多具体实施细节，但是这些不应被解释为限制任何公开的范围或所要求保护的范围，而是主要用于描述特定公开的具体实施例的特征。本申请内在多个实施例中描述的某些特征也可以在单个实施例中被组合实施。另一方面，在单个实施例中描述的各种特征也可以在多个实施例中分开实施或以任何合适的子组合来实施。此外，虽然特征可以如上上述在某些组合中起作用并且甚至最初如此要求保护，但是来自所要求保护的组合中的一个或多个特征在一些情况下可以从该组合中去除，并且所要求保护的组合可以指向子组合或子组合的变型。
类似地，虽然在附图中以特定顺序描绘了操作，但是这不应被理解为要求这些操作以所示的特定顺序执行或顺次执行、或者要求所有例示的操作被执行，以实现期望的结果。在某些情况下，多任务和并行处理可能是有利的。此外，上述实施例中的各种系统模块和组件的分离不应被理解为在所有实施例中均需要这样的分离，并且应当理解，所描述的程序组件和系统通常可以一起集成在单个软件产品中，或者封装成多个软件产品。
由此，主题的特定实施例已被描述。其他实施例在所附权利要求书的范围以内。在某些情况下，权利要求书中记载的动作可以以不同的顺序执行并且仍实现期望的结果。此外，附图中描绘的处理并非必需所示的特定顺序或顺次顺序，以实现期望的结果。在某些实现中，多任务和并行处理可能是有利的。
以上上述仅为本申请一个或多个实施例的较佳实施例而已，并不用以限制本申请一个或多个实施例，凡在本申请一个或多个实施例的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请一个或多个实施例保护的范围之内。

Claims (18)

1.一种数据处理方法，其特征在于，所述方法包括：
获取第一场所的视频数据；
根据所述视频数据，确定多个目标人物对应的访问轨迹；
根据所述访问轨迹，确定业态数据，包括：
根据所述访问轨迹，确定第一预设时间内所述多个目标人物中至少部分目标人物访问的业态；
根据所述至少部分目标人物访问的业态，确定访问各业态组合的人物数量，其中，业态组合用于表示所述第一场所中两个不同的业态；
和/或，
根据所述访问轨迹，确定第二预设时间内所述多个目标人物中至少部分目标人物访问的子业态；
根据所述至少部分目标人物访问的子业态，确定访问所述各业态组合和/或访问各子业态组合的人物数量，其中，子业态组合用于表示所述第一场所中两个不同的子业态。
2.根据权利要求1所述的方法，其特征在于，在所述确定业态数据之后，所述方法还包括：
根据所述业态数据，调整或部署目标场所中的业态分布。
3.根据权利要求2所述的方法，其特征在于，在根据所述业态数据，调整或部署目标场所中的业态分布，包括以下至少一项：
调整目标场所中的业态分布，所述目标场所包括所述第一场所以及除所述第一场所以外的第二场所；
对除所述第一场所以外的第三场所中的业态分布进行部署。
4.根据权利要求1-3任一所述的方法，其特征在于，所述业态数据包括如下至少一项：
用于表示不同业态之间的关联关系的数据；
用于表示同一业态中不同子业态之间的关联关系的数据；
用于表示属于不同业态的子业态之间的关联关系的数据。
5.根据权利要求2所述的方法，其特征在于，所述根据所述业态数据，调整目标场所中的业态分布，包括如下至少一项：
增加所述目标场所中到访目标人物数量达到第一阈值的业态数量；
减少所述目标场所中到访目标人物数量未达到第二阈值的业态数量；
增加符合目标人物属性的业态数量；
减少不符合目标人物属性的业态数量。
6.根据权利要求1所述的方法，其特征在于，在所述确定业态数据之后，所述方法至少包括如下一项：
将所述第一预设时间内到访的目标人物数量达到第三阈值的业态组合包括的业态，确定为进行联动营销的目标业态；
将所述第二预设时间内到访的目标人物数量达到第四阈值的子业态组合包括的子业态，确定为进行联动营销的目标子业态。
7.根据权利要求1-6任一所述的方法，其特征在于，所述业态数据包括如下至少一项：
各业态对应的经营区域之间的目标人物流量对比数据；
各业态之间的目标人物流量对比数据；
不同的时段内各业态对应的目标人物流量数据；
不同的时段内各业态对应的经营区域对应的目标人物流量数据；
各业态对应的经营区域的访问目标人物数量，占访问目标人物总数的比例数据；
各业态的访问目标人物数量，占访问目标人物总数的比例数据；
各业态对应的目标人物流量变化趋势数据；
各业态对应的经营区域对应的目标人物流量变化趋势数据；
访问各业态对应的经营区域的目标人物属性分布数据；
访问各业态的目标人物属性分布数据。
8.根据权利要求1-7任一所述的方法，其特征在于，所述根据所述视频数据，确定多个目标人物对应的访问轨迹，包括：
识别所述第一场所对应的多路视频流中出现的目标人物；
确定所述目标人物在视频流中所处的区域，并根据确定的所述区域还原所述目标人物对应的访问轨迹。
9.根据权利要求8所述的方法，其特征在于，所述识别所述第一场所对应的多路视频流中出现的目标人物，包括：
提取所述多路视频流中出现的人物对应的人物特征；
从人物特征库中获取与提取出的人物特征匹配的人物特征；
将所述匹配的人物特征对应的人物，确定为所述目标人物。
10.根据权利要求8或9所述的方法，其特征在于，所述确定所述目标人物在视频流中所处的区域，包括：
基于采集目标视频流的图像采集设备的标定参数，确定所述目标人物在包括所述第一场所的平面图中的位置坐标；其中，所述目标视频流为，所述多路视频流中，出现所述目标人物的视频流；
确定所述目标人物的位置坐标在所述平面图中对应的区域为所述目标人物在视频流中所处的区域。
11.根据权利要求8或9所述的方法，其特征在于，所述确定所述目标人物在视频流中所处的区域，包括：
根据图像采集设备所处位置，确定用于采集目标视频流的图像采集设备对应的区域；其中，所述目标视频流为，所述多路视频流中，出现所述目标人物的视频流；
将用于采集目标视频流的图像采集设备对应的区域，确定为所述目标人物在视频流中所处的区域。
12.根据权利要求8-11任一所述的方法，其特征在于，所述方法还包括：
根据目标视频流的拍摄时刻信息，确定所述目标人物访问该区域的访问时长；其中，所述目标视频流为，所述多路视频流中，出现所述目标人物的视频流。
13.根据权利要求1-12任一所述的方法，其特征在于，所述第一场所包括如下至少一项：商业街道、商场、卖场、商铺；
所述目标人物包括如下至少一项：访客、顾客、会员。
14.一种数据处理装置，其特征在于，所述装置包括：
获取模块，用于获取第一场所的视频数据；
第一确定模块，用于根据所述视频数据，确定多个目标人物对应的访问轨迹；
第二确定模块，用于根据所述访问轨迹，确定业态数据；
所述第二确定模块，包括：
第一确定子模块，用于根据所述访问轨迹，确定第一预设时间内所述多个目标人物中至少部分目标人物访问的业态；根据所述至少部分目标人物访问的业态，确定访问各业态组合的人物数量，其中，业态组合用于表示所述第一场所中两个不同的业态；
和/或，第二确定子模块，用于根据所述访问轨迹，确定第二预设时间内所述多个目标人物中至少部分目标人物访问的子业态；根据所述至少部分目标人物访问的子业态，确定访问所述各业态组合和/或访问各子业态组合的人物数量，其中，子业态组合用于表示所述第一场所中两个不同的子业态。
15.根据权利要求14所述的装置，其特征在于，所述装置还包括：
调整或部署模块，用于根据所述业态数据，调整或部署目标场所中的业态分布。
16.根据权利要求14或15所述的装置，其特征在于，所述业态数据包括如下至少一项：
用于表示不同业态之间的关联关系的数据；
用于表示同一业态中不同子业态之间的关联关系的数据；
用于表示属于不同业态的子业态之间的关联关系的数据。
17.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序用于执行权利要求1-13任一所述的数据处理方法。
18.一种数据处理设备，其特征在于，所述设备包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为调用所述存储器中存储的可执行指令，实现权利要求1-13任一所述的数据处理方法。
CN202010618809.6A 2020-06-30 2020-06-30 数据处理方法、装置、设备以及存储介质 Active CN111782881B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202010618809.6A CN111782881B (zh) 2020-06-30 2020-06-30 数据处理方法、装置、设备以及存储介质
JP2022504635A JP2022542114A (ja) 2020-06-30 2021-02-10 データ処理方法、データ処理装置、機器、コンピュータ可読記憶媒体、データ処理機器及びコンピュータプログラム
KR1020227002772A KR20220025004A (ko) 2020-06-30 2021-02-10 데이터 처리 방법, 장치, 기기 및 저장 매체
PCT/CN2021/076463 WO2022001122A1 (zh) 2020-06-30 2021-02-10 数据处理方法、装置、设备以及存储介质
US17/587,550 US20220156769A1 (en) 2020-06-30 2022-01-28 Data processing methods, apparatuses and devices, and storage media

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010618809.6A CN111782881B (zh) 2020-06-30 2020-06-30 数据处理方法、装置、设备以及存储介质

Publications (2)

Publication Number Publication Date
CN111782881A CN111782881A (zh) 2020-10-16
CN111782881B true CN111782881B (zh) 2023-06-16

Family

ID=72760894

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010618809.6A Active CN111782881B (zh) 2020-06-30 2020-06-30 数据处理方法、装置、设备以及存储介质

Country Status (5)

Country Link
US (1) US20220156769A1 (zh)
JP (1) JP2022542114A (zh)
KR (1) KR20220025004A (zh)
CN (1) CN111782881B (zh)
WO (1) WO2022001122A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111782881B (zh) * 2020-06-30 2023-06-16 北京市商汤科技开发有限公司 数据处理方法、装置、设备以及存储介质
CN112950254B (zh) * 2021-01-27 2023-04-25 北京市商汤科技开发有限公司 一种信息处理方法、装置、电子设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003281348A (ja) * 2002-03-25 2003-10-03 Yunitekku:Kk 商圏分析システム、方法、プログラム、及び記録媒体
CN109145707A (zh) * 2018-06-20 2019-01-04 北京市商汤科技开发有限公司 图像处理方法及装置、电子设备和存储介质
CN110837512A (zh) * 2019-11-15 2020-02-25 北京市商汤科技开发有限公司 访客信息管理方法及装置、电子设备和存储介质
WO2020065919A1 (ja) * 2018-09-28 2020-04-02 枝里 川中子 商店街の活性化のための調査システム並びに調査方法
CN111160967A (zh) * 2019-12-27 2020-05-15 北京市商汤科技开发有限公司 数据处理方法、装置及存储介质

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011170565A (ja) * 2010-02-17 2011-09-01 Toshiba Tec Corp 顧客動向収集方法、装置及びプログラム
US20140249887A1 (en) * 2013-03-01 2014-09-04 Rapidblue Solutions Oy System for monitoring customers within retail premises
CN104156831A (zh) * 2014-08-25 2014-11-19 孙军 一种购物中心业态发展监控方法
US20190066137A1 (en) * 2017-04-24 2019-02-28 The Chicago TREND Corporation Systems and methods for modeling impact of commercial development on a geographic area
CN110766454B (zh) * 2019-10-12 2022-12-20 广州臻一计算机系统有限公司 门店的顾客到访信息收集方法以及门店子系统架构
CN110782099A (zh) * 2019-11-06 2020-02-11 上海丙晟科技有限公司 基于大数据的商场门店四象限分析法
CN111222404A (zh) * 2019-11-15 2020-06-02 北京市商汤科技开发有限公司 检测同行人的方法及装置、系统、电子设备和存储介质
CN111782881B (zh) * 2020-06-30 2023-06-16 北京市商汤科技开发有限公司 数据处理方法、装置、设备以及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003281348A (ja) * 2002-03-25 2003-10-03 Yunitekku:Kk 商圏分析システム、方法、プログラム、及び記録媒体
CN109145707A (zh) * 2018-06-20 2019-01-04 北京市商汤科技开发有限公司 图像处理方法及装置、电子设备和存储介质
WO2020065919A1 (ja) * 2018-09-28 2020-04-02 枝里 川中子 商店街の活性化のための調査システム並びに調査方法
CN110837512A (zh) * 2019-11-15 2020-02-25 北京市商汤科技开发有限公司 访客信息管理方法及装置、电子设备和存储介质
CN111160967A (zh) * 2019-12-27 2020-05-15 北京市商汤科技开发有限公司 数据处理方法、装置及存储介质

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
Disruptions in Retail through Digital Transfromation;Deloitte;《INDIAN CHAMBER OF COMMERCE》;全文 *
The impact of digital transformation on the retailing value chain;Werner Reinartz等;《International Journal of Research in Marketing》;第第36卷卷(第第36卷期);全文 *
基于智能视频的客流人数统计系统设计与实现;陈东伟;韩娜;吴振权;陈永乐;;信息技术(05);全文 *
基于视频大数据的商业智能化应用;张博文;孙晓艳;;智能计算机与应用(01);全文 *
基于视频的行人运动轨迹再现与过街行为表达;江晟;王殿海;陈永恒;孙迪;;东南大学学报(自然科学版)(06);全文 *

Also Published As

Publication number Publication date
WO2022001122A1 (zh) 2022-01-06
US20220156769A1 (en) 2022-05-19
KR20220025004A (ko) 2022-03-03
CN111782881A (zh) 2020-10-16
JP2022542114A (ja) 2022-09-29

Similar Documents

Publication Publication Date Title
CN106303628B (zh) 基于多媒体显示屏的信息推送方法及装置
CN106294489B (zh) 内容推荐方法、装置及系统
US20160275376A1 (en) Object detection and classification
JP6267861B2 (ja) 対話型広告のための使用測定技法およびシステム
US7643658B2 (en) Display arrangement including face detection
US9747497B1 (en) Method and system for rating in-store media elements
US20090158309A1 (en) Method and system for media audience measurement and spatial extrapolation based on site, display, crowd, and viewership characterization
US20080114633A1 (en) Method and Apparatus for Analyzing Activity in a Space
US20090217315A1 (en) Method and system for audience measurement and targeting media
US20150142716A1 (en) Tracking player role using non-rigid formation priors
CN103208006B (zh) 基于深度图像序列的对象运动模式识别方法和设备
CN111782881B (zh) 数据处理方法、装置、设备以及存储介质
Lee et al. Understanding customer malling behavior in an urban shopping mall using smartphones
CN110008799A (zh) 指定区域的人流状况估算方法和装置
CN103988503A (zh) 使用预捕获图像运动的场景分割
CN104112209A (zh) 显示终端的受众统计方法和系统
CN110334293A (zh) 一种面向位置社交网络基于模糊聚类的具有时间感知位置推荐方法
CA2687348A1 (en) Method and system for audience measurement and targeting media
CN109145127A (zh) 图像处理方法及装置、电子设备和存储介质
US20230111437A1 (en) System and method for content recognition and data categorization
WO2021104388A1 (en) System and method for interactive perception and content presentation
CN111508199B (zh) 实现目标跟踪的老年人防走失系统和方法
Krockel et al. Intelligent processing of video streams for visual customer behavior analysis
CN112150193A (zh) 一种客群分析方法、系统及存储介质
Lee et al. Understanding human-place interaction from tracking and identification of many users

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