CN112100230A - 一种客流统计分析的方法 - Google Patents

一种客流统计分析的方法 Download PDF

Info

Publication number
CN112100230A
CN112100230A CN202010634102.4A CN202010634102A CN112100230A CN 112100230 A CN112100230 A CN 112100230A CN 202010634102 A CN202010634102 A CN 202010634102A CN 112100230 A CN112100230 A CN 112100230A
Authority
CN
China
Prior art keywords
face
pedestrian
venue
passenger flow
trace
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
Application number
CN202010634102.4A
Other languages
English (en)
Inventor
刘达勇
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 Shigeng Technology Co ltd
Original Assignee
Shenzhen Shigeng Technology 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 Shenzhen Shigeng Technology Co ltd filed Critical Shenzhen Shigeng Technology Co ltd
Priority to CN202010634102.4A priority Critical patent/CN112100230A/zh
Publication of CN112100230A publication Critical patent/CN112100230A/zh
Pending legal-status Critical Current

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
    • G06F16/20—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
    • G06F16/2462—Approximate or statistical queries
    • 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
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • 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
    • 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
    • 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
    • G06V40/172—Classification, e.g. identification

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Probability & Statistics with Applications (AREA)
  • Accounting & Taxation (AREA)
  • Multimedia (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Remote Sensing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供一种客流统计分析的方法，其特征在于，该方法包括以下步骤：步骤1、采集场馆内行人的人脸ID；对场馆内行人的人脸ID在场馆内的轨迹进行记录；步骤2、通过所采集的人脸ID判断该行人是否为会员，判断是则进入步骤3，判断为否则进入步骤4；步骤3、该为会员的行人的人脸ID当天去重，会员人数加一；当天行人中会员的人数进行存储，供查询。步骤4、该为非会员的行人的人脸ID当天去重，客流人数加一；当天行人中的非会员的人数进行存储，供查询。在本发明中，该方法可更好的方便对于数据的分析，所统计的数据应用价值更高，可为企业的决策提供有力的依据。

Description

一种客流统计分析的方法
技术领域
本发明属于客流统计分析的领域，特别涉及到了一种客流统计分析的方法。
背景技术
客流分析是一项重要的市场研究手段，对于所有购物中心、商场、大型连锁营业厅和连锁商业网点而言，是其在各项营运决策之前所进行的一项重要环节。随着竞争的加剧，商业模式逐步由传统坐商向极具主动性的行商转变。因此，商家对日常客流的统计及其变化规律的分析掌控就显得尤为重要。现在的许多经营决策者已经意识到了客流信息对于企业的管理和营运决策分析的重要性。一般会在节假日采用人工的方式进行客流量数据的统计和分析。客流量数据需要长期不间断地统计分析，才能发现其中变化规律，同时结合内部已有数据以及必要的问卷调查等各项数据信息交叉对比分析才能充分地发挥它的应用价值，为决策提供有力的依据。
如专利申请号为“201210087736.8”的对比文件1的一种适用于公交车辆的客流统计分析系统，可以与智能公交管理系统无缝对接，实现公交运营调度的智能化管理。客流统计分析系统包括车载设备模块和车外设备模块，车载设备模块采用专业化的车载防震设计，由摄像机、客流统计分析仪、视频监控/GPS调度一体机和门控开关组成，车外设备模块由监控中心和GPS卫星等组成。该客流统计分析仪采用两种方法进行客流统计：以基于视频的客流统计方法为主，以基于红外检测技术的统计方法为辅，确保公交客流统计精确度达到90％以上。该对比文件1中所采用的客流统计分析系统其应用于的是公交车辆领域中的，无法适用购物中心、商场等环境。因此需要提供一种应用于购物中心、商场等环境的客流统计的方法。
发明内容
为了解决上述问题，本发明的目的在于提供一种客流统计分析的方法，该方法可以应用于购物中心和商场等环境，更好的统计购物中心或商场等环境的客流信息。
本发明的另一个目的在于提供一种客流统计分析的方法，该方法所统计的数据应用价值更高，可为企业的决策提供有力的依据。
为了实现上述目的，本发明的技术方案如下。
本发明提供一种客流统计分析的方法，其特征在于，该方法包括以下步骤：
步骤1、采集场馆内行人的人脸ID；对场馆内行人的人脸ID在场馆内的轨迹进行记录；
步骤2、通过所采集的人脸ID判断该行人是否为会员，判断是则进入步骤3，判断为否则进入步骤4；
步骤3、该为会员的行人的人脸ID当天去重，会员人数加一；当天行人中会员的人数进行存储，供查询。
步骤4、该为非会员的行人的人脸ID当天去重，客流人数加一；当天行人中的非会员的人数进行存储，供查询。场馆可为购物中心或大型商场等环境，通过该方法可以更好的统计购物中心或商场等环境的客流信息，同时区别会员数据和非会员数据，更好的方便对于数据的分析，所统计的数据应用价值更高，可为企业的决策提供有力的依据。
进一步的，在步骤1中，采集场馆内行人的人脸ID的具体方法为：采用摄像头捕捉行人的客流图像，并识别出所捕捉的客流图案中的行人的人脸特征属性，并根据行人的人脸特征属性建立对应的人脸ID。即每一个人脸ID即代表着一个行人。该人脸ID的建立方法为现有技术。
进一步的，该方法的步骤1之前还包括步骤0；步骤0为：建立会员系统，会员系统内包括有所有会员的人脸ID和会员信息，每个会员对应一个人脸ID，每个会员的人脸ID对应一个会员信息。该会员系统即为起到统计数据的作用，其实现原理为现有技术。会员信息即为包括有该会员的基础信息(如姓名、性别、生日等数据)、消费记录和停车车牌数据等。
进一步的，在步骤2中判断该行人是否为会员具体方法为：将采集场馆内行人的人脸ID与会员系统内的会员的人脸ID进行对比，进而判断该行人是否为会员。
进一步的，当判断该行人为会员时，从场馆内的设备提取出当天该会员的信息存储至会员系统中的会员信息内。场馆内的设备可包括有停车场道闸、收银机等设备，从场馆内的设备提取出当天该会员的信息包括有会员当天的消费记录和当天停车车牌数据等。
进一步的，在步骤1中采集场馆内行人的人脸ID之前，在对该场馆划分区域，并在每个区域均设置有若干个摄像头以覆盖该区域，且该场馆的进出口均设置有摄像头。
进一步的，每个摄像头对应的位置即为一个轨迹点，对于每个行人的人脸ID的所经过的轨迹点和在轨迹点上所停留时间进行统计并存储，供查询。行人的人脸ID的所经过的轨迹点组合后即为该行人的人脸ID的轨迹。
进一步的，分析人脸ID的轨迹点，如果人脸ID最后的轨迹点不是场馆的进出口位置，则该人脸ID的轨迹自动补充位于进出口位置处的轨迹点，该人脸ID所补充的轨迹点标记为“自动填充”，该人脸ID在最后的轨迹点上停留时间记为15分钟。该人脸ID的最后的轨迹点即为在该人脸ID的当天的轨迹点中最后一次的轨迹点记录。
进一步的，分析人脸ID的轨迹点，如果人脸ID的轨迹点中出现位于中间的轨迹点丢失情况时，按最短距离补充所缺少的轨迹点，将所补充的轨迹点的停留时间均记为3分钟，所补充的轨迹点均标记为“自动填充”。上述两种自动填充缺失轨迹点的设置，使得部分人脸ID的轨迹在不完整时，通过自动填充使其完整，有助于数据分析。而对其标记“自动填充”则方便区分出现轨迹点丢失的人脸ID的轨迹和无轨迹点丢失的人脸ID的轨迹。
进一步的，建立对应场馆的地图，将每个行人的人脸ID的通过的轨迹点和在轨迹点处所停留时间导入至地图形成有热力图，供查询。
本发明的有益效果在于：在本发明中，通过该方法可以更好的统计购物中心或商场等环境的客流信息，同时区别会员数据和非会员数据，更好的方便对于数据的分析，所统计的数据应用价值更高，可为企业的决策提供有力的依据。
附图说明
图1是本发明的流程框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
为实现上述目的，本发明的技术方案如下。
本发明提供一种客流统计分析的方法，其特征在于，该方法包括以下步骤：
步骤1、采集场馆内行人的人脸ID；对场馆内行人的人脸ID在场馆内的轨迹进行记录；
步骤2、通过所采集的人脸ID判断该行人是否为会员，判断是则进入步骤3，判断为否则进入步骤4；
步骤3、该为会员的行人的人脸ID当天去重，会员人数加一；当天行人中会员的人数进行存储，供查询。
步骤4、该为非会员的行人的人脸ID当天去重，客流人数加一；当天行人中的非会员的人数进行存储，供查询。场馆可为购物中心或大型商场等环境，通过该方法可以更好的统计购物中心或商场等环境的客流信息，同时区别会员数据和非会员数据，更好的方便对于数据的分析，所统计的数据应用价值更高，可为企业的决策提供有力的依据。
进一步的，在步骤1中，采集场馆内行人的人脸ID的具体方法为：采用摄像头捕捉行人的客流图像，并识别出所捕捉的客流图案中的行人的人脸特征属性，并根据行人的人脸特征属性建立对应的人脸ID。即每一个人脸ID即代表着一个行人。该人脸ID的建立方法为现有技术。
进一步的，该方法的步骤1之前还包括步骤0；步骤0为：建立会员系统，会员系统内包括有所有会员的人脸ID和会员信息，每个会员对应一个人脸ID，每个会员的人脸ID对应一个会员信息。该会员系统即为起到统计数据的作用，其实现原理为现有技术。
进一步的，在步骤2中判断该行人是否为会员具体方法为：将采集场馆内行人的人脸ID与会员系统内的会员的人脸ID进行对比，进而判断该行人是否为会员。
进一步的，当判断该行人为会员时，从场馆内的设备提取出当天该会员的信息存储至会员系统中的会员信息内。场馆内的设备可包括有停车场道闸、收银机等设备，从场馆内的设备提取出当天该会员的信息包括有会员当天的消费记录和当天停车车牌数据等。
进一步的，在步骤1中采集场馆内行人的人脸ID之前，在对该场馆划分区域，并在每个区域均设置有若干个摄像头以覆盖该区域，且该场馆的进出口均设置有摄像头。
进一步的，每个摄像头对应的位置即为一个轨迹点，对于每个行人的人脸ID的所经过的轨迹点和在轨迹点上所停留时间进行统计并存储，供查询。行人的人脸ID的所经过的轨迹点组合后即为该行人的人脸ID的轨迹。
进一步的，分析人脸ID的轨迹点，如果人脸ID最后的轨迹点不是场馆的进出口位置，则该人脸ID的轨迹自动补充位于进出口位置处的轨迹点，该人脸ID所补充的轨迹点标记为“自动填充”，该人脸ID在最后的轨迹点上停留时间记为15分钟。该人脸ID的最后的轨迹点即为在该人脸ID的当天的轨迹点中最后一次的轨迹点记录。
进一步的，分析人脸ID的轨迹点，如果人脸ID的轨迹点中出现位于中间的轨迹点丢失情况时，按最短距离补充所缺少的轨迹点，将所补充的轨迹点的停留时间均记为3分钟，所补充的轨迹点均标记为“自动填充”。上述两种自动填充缺失轨迹点的设置，使得部分人脸ID的轨迹在不完整时，通过自动填充使其完整，有助于数据分析。而对其标记“自动填充”则方便区分出现轨迹点丢失的人脸ID的轨迹和无轨迹点丢失的人脸ID的轨迹。
进一步的，建立对应场馆的地图，将每个行人的人脸ID的通过的轨迹点和在轨迹点处所停留时间导入至地图形成有热力图，供查询。
本发明的有益效果在于：在本发明中，通过该方法可以更好的统计购物中心或商场等环境的客流信息，同时区别会员数据和非会员数据，更好的方便对于数据的分析，所统计的数据应用价值更高，可为企业的决策提供有力的依据。
以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种客流统计分析的方法，其特征在于，该方法包括以下步骤：
步骤1、采集场馆内行人的人脸ID；对场馆内行人的人脸ID在场馆内的轨迹进行记录；
步骤2、通过所采集的人脸ID判断该行人是否为会员，判断是则进入步骤3，判断为否则进入步骤4；
步骤3、该为会员的行人的人脸ID当天去重，会员人数加一；当天行人中会员的人数进行存储。
步骤4、该为非会员的行人的人脸ID当天去重，客流人数加一；当天行人中的非会员的人数进行存储。
2.根据权利要求1所述的一种客流统计分析的方法，其特征在于，在步骤1中，采集场馆内行人的人脸ID的具体方法为：采用摄像头捕捉行人的客流图像，并识别出所捕捉的客流图案中的行人的人脸特征属性，并根据行人的人脸特征属性建立对应的人脸ID。
3.根据权利要求1所述的一种客流统计分析的方法，其特征在于，该方法的步骤1之前还包括步骤0；步骤0为：建立会员系统，会员系统内包括有所有会员的人脸ID和会员信息，每个会员对应一个人脸ID，每个会员的人脸ID对应一个会员信息。
4.根据权利要求3所述的一种客流统计分析的方法，其特征在于，在步骤2中判断该行人是否为会员具体方法为：将采集场馆内行人的人脸ID与会员系统内的会员的人脸ID进行对比，进而判断该行人是否为会员。
5.根据权利要求4所述的一种客流统计分析的方法，其特征在于，当判断该行人为会员时，从场馆内的设备提取出当天该会员的信息存储至会员系统中的会员信息内。
6.根据权利要求1所述的一种客流统计分析的方法，其特征在于，在步骤1中采集场馆内行人的人脸ID之前，在对该场馆划分区域，并在每个区域均设置有若干个摄像头以覆盖该区域，且该场馆的进出口均设置有摄像头。
7.根据权利要求6所述的一种客流统计分析的方法，其特征在于，每个摄像头对应的位置即为一个轨迹点，对于每个行人的人脸ID的所经过的轨迹点和在轨迹点上所停留时间进行统计并存储。
8.根据权利要求7所述的一种客流统计分析的方法，其特征在于，分析人脸ID的轨迹点，如果人脸ID最后的轨迹点不是场馆的进出口位置，则该人脸ID的轨迹自动补充位于进出口位置处的轨迹点，该人脸ID所补充的轨迹点标记为“自动填充”，该人脸ID在最后的轨迹点上停留时间记为15分钟。
9.根据权利要求7所述的一种客流统计分析的方法，其特征在于，分析人脸ID的轨迹点，如果人脸ID的轨迹点中出现位于中间的轨迹点丢失情况时，按最短距离补充所缺少的轨迹点，将所补充的轨迹点的停留时间均记为3分钟，所补充的轨迹点均标记为“自动填充”。
10.根据权利要求7所述的一种客流统计分析的方法，其特征在于，建立对应场馆的地图，将每个行人的人脸ID的通过的轨迹点和在轨迹点处所停留时间导入至地图形成有热力图。
CN202010634102.4A 2020-07-02 2020-07-02 一种客流统计分析的方法 Pending CN112100230A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010634102.4A CN112100230A (zh) 2020-07-02 2020-07-02 一种客流统计分析的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010634102.4A CN112100230A (zh) 2020-07-02 2020-07-02 一种客流统计分析的方法

Publications (1)

Publication Number Publication Date
CN112100230A true CN112100230A (zh) 2020-12-18

Family

ID=73749762

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010634102.4A Pending CN112100230A (zh) 2020-07-02 2020-07-02 一种客流统计分析的方法

Country Status (1)

Country Link
CN (1) CN112100230A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113673398A (zh) * 2021-08-11 2021-11-19 捻果科技(深圳)有限公司 一种旅客登机进入航空器的始终时间的自动识别方法
CN114004486A (zh) * 2021-10-29 2022-02-01 广州广电运通智能科技有限公司 一种轨道交通客流调度系统、方法、存储介质和设备

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113673398A (zh) * 2021-08-11 2021-11-19 捻果科技(深圳)有限公司 一种旅客登机进入航空器的始终时间的自动识别方法
CN113673398B (zh) * 2021-08-11 2024-04-09 捻果科技(深圳)有限公司 一种旅客登机进入航空器的始终时间的自动识别方法
CN114004486A (zh) * 2021-10-29 2022-02-01 广州广电运通智能科技有限公司 一种轨道交通客流调度系统、方法、存储介质和设备

Similar Documents

Publication Publication Date Title
CN109697214B (zh) 一种旅游数据分析系统及方法
CN108388888B (zh) 一种车辆识别方法、装置和存储介质
CN101848377B (zh) 一种基于云计算及海量视频检索的多视频录入装置智能联动的装置和方法
CN111310994A (zh) 一种基于数据校准的公交路线预测方法及系统
CN108351967A (zh) 一种多人脸检测方法、装置、服务器、系统及存储介质
CN107886722A (zh) 行驶信息处理方法及系统、终端和计算机可读存储介质
CN110874362A (zh) 一种数据关联分析方法及装置
CN105844229B (zh) 一种乘客拥挤度的计算方法及其系统
Li et al. Robust people counting in video surveillance: Dataset and system
CN108710827B (zh) 一种社区微警务巡查和信息自动分析系统及方法
CN111597999A (zh) 一种基于视频检测的4s店销售服务管理方法和系统
CN110298254A (zh) 一种用于人员异常行为的分析方法和系统
CN112100230A (zh) 一种客流统计分析的方法
CN110288738A (zh) 一种自行车专用车道智能综合管控系统和管控方法
CN111078973A (zh) 基于大数据的套牌车识别方法、设备及存储介质
CN114140719A (zh) 一种ai交通视频分析技术
CN114091581A (zh) 一种基于稀疏轨迹的车辆运营行为类型识别方法
CN112132057A (zh) 一种多维身份识别方法及系统
CN112268554A (zh) 一种基于路径轨迹分析的区域范围徘徊检测方法及系统
CN112330960A (zh) 一种多维数据采集系统
CN113822367B (zh) 一种基于人脸的区域行为分析方法、系统及介质
CN117011774A (zh) 基于场景知识元的集群行为理解系统
CN110491157A (zh) 一种基于停车场数据和卡口数据的车辆关联方法
CN106940902A (zh) 一种智能保安执勤系统
CN113516850B (zh) 基于空间句法分析的管道沿线交通流量数据采集方法

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