CN112150193A - 一种客群分析方法、系统及存储介质 - Google Patents
一种客群分析方法、系统及存储介质 Download PDFInfo
- Publication number
- CN112150193A CN112150193A CN202010961500.7A CN202010961500A CN112150193A CN 112150193 A CN112150193 A CN 112150193A CN 202010961500 A CN202010961500 A CN 202010961500A CN 112150193 A CN112150193 A CN 112150193A
- Authority
- CN
- China
- Prior art keywords
- customer
- information
- customers
- correlation coefficient
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 21
- 238000003860 storage Methods 0.000 title claims description 10
- 230000000875 corresponding effect Effects 0.000 claims abstract description 40
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000005206 flow analysis Methods 0.000 claims abstract description 12
- 238000005516 engineering process Methods 0.000 claims description 17
- 238000010586 diagram Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 12
- 230000000007 visual effect Effects 0.000 claims description 11
- 230000009471 action Effects 0.000 claims description 9
- 238000007405 data analysis Methods 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 9
- 238000010801 machine learning Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000010191 image analysis Methods 0.000 abstract description 3
- 238000004590 computer program Methods 0.000 description 10
- 238000011176 pooling Methods 0.000 description 10
- 238000012549 training Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 5
- 230000033001 locomotion Effects 0.000 description 5
- 238000005070 sampling Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000036186 satiety Effects 0.000 description 1
- 235000019627 satiety Nutrition 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
-
- 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
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- 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
- G06F16/248—Presentation of query results
-
- 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
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- General Business, Economics & Management (AREA)
- Probability & Statistics with Applications (AREA)
- Economics (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Game Theory and Decision Science (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种客流分析方法、系统和介质。该方法包括步骤:获取顾客的图像信息;获取顾客关注的兴趣商品;获取由多个传感器测量的多个顾客所在区域的时间序列信息,并将时间序列信息划分为多个时间间隔以生成多个测量值;对采集到的图像信息、关注商品信息和多个测量值进行特征量提取;计算被提取特征量及与其对应的顾客购入商品行动之间的相关系数;根据相关系数和阈值的比较结果,生成建议信息。借助图像分析及客流分析的手段,能准确的分析顾客画像,为客流管理、顾客画像分析提供辅助决策。
Description
技术领域
本发明涉及数据处理技术领域,特别涉及一种客群分析方法、系统及存储介质。
背景技术
随着社会的不断进步,社会经济飞速发展,人们的生活水平有了很大程度的提高。现阶段人们不仅追求温饱,还越来越追求生活的质量。传统的客流数据采集往往采用抽样调查方式进行,通过一定时间内对某一特定区域随机抽取一定的样本数据,对样本案例进行信息的统计、调研,结合样本在总量中的占比等基础数据,推算出客流数据信息。此种方式统计的客流数据、游客画像存在很大的偏差性和不确定性。
中国已经成为全球移动物联网市场。以智能设备为平台,物联网已经颠覆了众多传统的行业,随着近些年对移动互联网的普及,在智能终端的领域越来越多,在零售店铺的客流数据统计方面也提出了更高的要求,零售业界急需一种能够更加自动化的、科学的统计客流数据、准确的分析客群画像及决策辅助分析的解决方案。
发明内容
本发明提供一种客流分析方法、系统及介质,旨在至少解决现有技术中存在的技术问题之一。
根据本发明的一个方面,涉及一种客群分析系统,其包括:图像采集模块,用于获取顾客的图像信息,其中图像信息包括顾客的人脸识别信息;关注采集模块,用于获取顾客关注的兴趣商品;客流采集模块,用于获取由多个传感器测量的多个顾客所在区域的时间序列信息,并将时间序列信息划分为多个时间间隔以生成多个测量值;特征提取模块,用于基于大数据技术对采集到的图像信息、关注商品信息和多个测量值进行特征量提取;数据分析模块,用于计算被提取特征量及与其对应的顾客购入商品行动之间的相关系数;以及,输出模块,用于根据相关系数和阈值的比较结果,生成建议信息,其中建议信息包括相关系数高于预设阈值的顾客及与其对应的兴趣商品的组合。
可选地,该系统还包括:结果展示模块,用于基于计算机图像处理技术,将建议信息转换成可视化地图、热力分布图或折线图形式的图形在主机终端屏幕上显示。
可选地,在该系统其中:关注采集模块被配置为基于顾客在商品前停留的时长判断顾客关注的兴趣商品。
可选地,该系统还包括:展示终端,用于向至少一个区域提示促销信息,其中,促销信息是基于至少一个区域内的相关系数高于预设阈值的顾客及与其对应的兴趣商品的组合而生成的。
可选地,数据分析模块是通过将多个顾客的特征量作为样本输入数据,对应特征量的购入商品作为样本输出数据,基于大数据或机器学习算法训练得到的。
根据本发明的又一个方面,还涉及一种客流分析方法,其包括以下步骤:获取顾客的图像信息,其中图像信息包括顾客的人脸识别信息;获取顾客关注的兴趣商品;获取由多个传感器测量的多个顾客所在区域的时间序列信息,并将时间序列信息划分为多个时间间隔以生成多个测量值;对采集到的图像信息、关注商品信息和多个测量值进行特征量提取;计算被提取特征量及与其对应的顾客购入商品行动之间的相关系数;根据相关系数和阈值的比较结果,生成建议信息,其中,建议信息包括相关系数高于预设阈值的顾客及与其对应的兴趣商品的组合。
可选地,其中,还包括步骤:基于计算机图像处理技术,将建议信息转换成可视化地图、热力分布图或折线图形式的图形在主机终端屏幕上显示。
可选地,计算被提取特征量及与其对应的顾客购入商品行动之间的相关系数的步骤,还包括:通过将多个顾客的特征量作为样本输入数据,对应特征量的购入商品作为样本输出数据,基于大数据或机器学习算法训练,得到被提取特征量及与其对应的顾客购入商品行动之间的相关系数。
可选地,通过展示终端向至少一个区域提示促销信息,其中,促销信息是基于至少一个区域内的相关系数高于预设阈值的顾客及与其对应的兴趣商品的组合而生成的。
根据本发明的又一个方面,还涉及一种计算机可读存储介质,其上储存有计算机程序指令,前述计算机程序指令被处理器执行时实施上述的方法。
本发明的有益效果为:借助图像分析及客流分析的手段,为顾客建立模型,自动分析用户的喜好,能准确的分析顾客画像,为客流管理、顾客画像分析提供辅助决策。
附图说明
图1所示为根据本发明的第一实施例的总体流程图。
图2所示为根据本发明的第一实施例的模块图。
图3所示为根据本发明的第一实施例的表示结果展示的示意图。
图4所示为根据本发明的第一实施例的表示图像分割的示意图。
图5所示为根据本发明的第一实施例的展示终端的示意图。
图6所示为根据本发明的第二实施例的结构示意图。
图7是根据本发明的第三实施例的CNN训练模型示意图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述,以充分地理解本发明的目的、方案和效果。
需要说明的是,如无特殊说明,当某一特征被称为“固定”、“连接”在另一个特征,它可以直接固定、连接在另一个特征上,也可以间接地固定、连接在另一个特征上。本文所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。此外,除非另有定义,本文所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。本文说明书中所使用的术语只是为了描述具体的实施例,而不是为了限制本发明。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的组合。
应当理解,尽管在本公开可能采用术语第一、第二、第三等来描述各种元件,但这些元件不应限于这些术语。这些术语仅用来将同一类型的元件彼此区分开。例如,在不脱离本公开范围的情况下,第一元件也可以被称为第二元件,类似地,第二元件也可以被称为第一元件。本文所提供的任何以及所有实例或示例性语言(“例如”、“如”等)的使用仅意图更好地说明本发明的实施例,并且除非另外要求,否则不会对本发明的范围施加限制。
随着新零售行业的发展,智慧门店越来越普及,通过科学技术来管理和经营门店。在门店的智能展示终端会应用到人脸识别客群分析管理系统,采用人脸识别技术,结合视频分析技术对门店的客流进行统计管理。
参照图1至图5,根据本发明的第一实施例,提供了一种客群分析系统,其包括:图像采集模块,用于获取顾客的图像信息,其中图像信息包括顾客的人脸识别信息;关注采集模块,用于获取顾客关注的兴趣商品;客流采集模块,用于获取由多个传感器测量的多个顾客所在区域的时间序列信息,并将时间序列信息划分为多个时间间隔以生成多个测量值;特征提取模块,用于基于大数据技术对采集到的图像信息、关注商品信息和多个测量值进行特征量提取;数据分析模块,用于计算被提取特征量及与其对应的顾客购入商品行动之间的相关系数;以及,输出模块,用于根据相关系数和阈值的比较结果,生成建议信息;结果展示模块,用于基于计算机图像处理技术,将建议信息转换成可视化地图、热力分布图或折线图形式的图形在主机终端屏幕上显示。其中建议信息包括相关系数高于预设阈值的顾客及与其对应的兴趣商品的组合。根据一区域内相关系数高于预设阈值的顾客及与其对应的兴趣商品的组合,可以为预测该区域内可能的销售额,制定精确的展示广告投放策略,以及通过投放特定促销广告策略和/或购物路线推荐来引导客流的方向。
参照图1至图2,对客流统计及由多个顾客所组成的客群的画像进行分析,其具体过程为:采用展示终端上摄像头分别采集进店顾客的人脸图像数据,并通过数据清洗、处理、分析、挖掘形成区域的客流、客群信息。对客流采集模块获取的各个区域客流信息进行预处理,以获得被划分为多个时间间隔的多个区域客流信息。数据处理模块根据获得的预处理客流信息,计算出客流基础数据。数据分析模块根据数据处理模块获得的客流基础数据以及相关对应模型,统计客流数据、并分析客群的画像。结果展示模块利用计算机图形学和图像处理技术,将数据转换成图形或图像在工作人员使用的计算机主机屏幕上显示出来,对客流数据和客群画像输出可交互的可视化展现,包括客群分布、回头客和高评分顾客的比例等(参照图3),其中回头客的比例表示一区域内在一个时间窗口内购买两次以上商品的顾客,高评分顾客的比例表示一区域内相关系数高于预设阈值的顾客数与总人数的比值。
图像采集模块基于人脸识别技术和距离感应传感器(不保存消费者图像及视频)获得由多名顾客组成的客群的图像信息。具体而言,图像采集模块采用设置在商场内各区域展示终端上摄像头和距离感应传感器拍摄一定范围内的多名顾客的照片,并采用大数据技术对采集到的照片进行区域分割,并进行数据信息获取;数据分析模块采用聚类分析和关联分析提取出进店客群的性别、年龄、身高、肤色、是否为会员、携带物品、兴趣商品等特征量,并进行分析。示例性的,该展示终端可以是业务机器人、平板电脑或者智能手机等,在本实施例中,展示终端为具有摄像头和距离传感器,可以记录并显示其自身位置信息的业务机器人(参照图5)。
例如,在图4中,基于顾客A01的图像的面相区域401a和体型区域402b的图像部分,仅分析可知该顾客A01为男性、年龄约35-40岁,身高为180厘米,未佩戴眼镜等配饰,基于人脸识别可知其不具有会员身份。另外,基于顾客A01的图像的右手区域402a和左手区域402b的图像部分,经分析可知该顾客A01携带有一只公文包。示例性地,采集图像的数据分析结果参照下表1:
表1用户图像信息采集表
ID | 性别 | 年龄 | 身高 | 配饰 | 携带物品 | 是否为回头客 | 是否为会员 |
顾客A01 | 男 | 35-40 | 180 | N/A | 公文包 | 否 | 否 |
顾客B33 | 女 | 25-30 | 165 | 眼镜 | 婴儿车 | 是 | 是 |
在一个或多个实施例中,结果展示模块采用可视化地图、热力分布图和折线图等对客流数据和客群画像进行展示。
关注采集模块被配置为基于顾客在商品前停留的时长判断顾客关注的兴趣商品。商场通过摄像头、RFID或顾客手机终端发出的iBeacon帧等定位顾客的运动轨迹,该运动轨迹包括在各被展示商品前经过次数和/或停留时长,或者在展示终端前观看被展示商品广告的时长,从而采集客群关注的兴趣商品信息。示例性的,顾客兴趣商品信息的结果参照下表2。
表2顾客兴趣商品采集表
在一个或多个实施例中,利用大数据算法建立数据分析模型,并利用上述特征量作为样本输入数据,前述多个顾客的购入商品作为样本输出数据对该模型进行训练,直至收敛。示例性的,表3是作为样本输出数据从而用于训练的多个顾客购入商品的清单。
表3顾客购入商品的清单
与现有技术相比,本公开的客流统计及客群画像分析方法具有以下突出的有益效果:客流统计及客群画像分析方法自动采集既定区域客流量和客群画像,通过科学的统计模型,为疏导人流、精准营销,最合理化地应用场地资源。降低运营难度,综合节约成本。并能准确的分析客群画像,为整个城市客流管理、客群分析提供辅助决策,为商场、景区等提供高效的应急服务,避免顾客的财产甚至生命损失。借助图像分析及客流分析的手段,为顾客建立科学的模型,从而精准营销、疏导人流、最合理化地应用场地资源,实现降低运营难度,综合节约成本,并能准确的分析顾客可能的购物决策,为客流管理、顾客画像分析提供辅助决策。
基于相同的发明构思,本发明的第二实施例提供了一种计算机系统,参见图6,所述计算机系统具体包括如下内容:多个摄像头(图中未示出)、处理器601、存储器602、通信接口603和总线604;
其中,所述处理器601、存储器602、通信接口603通过所述总线604完成相互间的通信;所述通信接口603用于实现各建模软件及智能制造装备模块库等相关设备之间的信息传输;
所述处理器601用于调用所述存储器602中的计算机程序,所述处理器执行所述计算机程序时实现上述智能设备控制方法的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:A、获得顾客的图像和运动轨迹;B、基于前述顾客的前述图像提取第一特征和第二特征,其中前述第一特征基于前述顾客的面相和体型的图像区域,前述第二特征基于前述顾客携带的携带物品的图像区域;C、基于前述顾客的前述运动轨迹提取第三特征,其中前述运动轨迹包括在各被展示商品前的停留时长或经过次数;D、将前述第一特征、第二特征及第三特征输入至顾客决策推荐模型中,生成包括推荐商品在内的顾客决策推荐方案。其中,前述顾客决策推荐模型是根据多个顾客的历史数据,基于大数据聚类或者机器学习算法训练得到的;其中,前述历史数据包括前述多个顾客的前述第一特征、第二特征及第三特征作为样本输入数据,前述多个顾客的购入商品作为样本输出数据。
参照图7,根据本发明的第三个实施例,还公开了一种客流分析方法,其包括以下步骤:获取顾客的图像信息,其中图像信息包括顾客的人脸识别信息;获取顾客关注的兴趣商品;获取由多个传感器测量的多个顾客所在区域的时间序列信息,并将时间序列信息划分为多个时间间隔以生成多个测量值;对采集到的图像信息、关注商品信息和多个测量值进行特征量提取;计算被提取特征量及与其对应的顾客购入商品行动之间的相关系数;根据相关系数和阈值的比较结果,生成建议信息,基于计算机图像处理技术,将建议信息转换成可视化地图、热力分布图或折线图形式的图形在主机终端屏幕上显示。其中,建议信息包括相关系数高于预设阈值的顾客及与其对应的兴趣商品的组合。根据一区域内相关系数高于预设阈值的顾客及与其对应的兴趣商品的组合,可以为预测该区域内可能的销售额,制定精确的展示广告投放策略,以及通过投放特定促销广告策略和/或购物路线推荐来引导客流的方向。
在一个或多个实施例中,通过展示终端向至少一个区域提示促销信息,其中,该销信息是基于所述至少一个区域内的所述相关系数高于预设阈值的顾客及与其对应的所述兴趣商品的组合而生成的。参照图5,例如,当营销人员通过主机终端得知区域302的人员密集度显著低于其他区域,则向查询位于其他区域的顾客与位于区域302的兴趣商品的组合的相关系数是否大于预设阈值,如果是,则向该区域的展示设备(如业务机器人或电子广告牌)推送位于区域302的兴趣商品的促销信息,从而诱导客流向区域302汇集。
在计算被提取特征量及与其对应的顾客购入商品行动之间的相关系数的步骤,还包括:通过将多个顾客的特征量作为样本输入数据,对应特征量的购入商品作为样本输出数据,基于大数据或机器学习算法训练,得到被提取特征量及与其对应的顾客购入商品行动之间的相关系数。在本实施例中,在通过机器学习的方式进行模型训练时,可以采用CNN或RNN模型。下面结合图7以CNN模型为例进行说明,需要说明的是,图7只是一个示意模型,其中只简单示意出了两个卷积层和两个池化层,在实际应用中,卷积层和池化层的个数一般要大于2个。具体地,CNN模型的结构主要包括:一个输入层、n个卷积层、n个池化层、m个全连接层、一个输出层;其中,所述输入层的输入为包含顾客的图像信息、关注商品信息和多个测量值的样本输入数据,输入层与卷积层C1相连接;所述卷积层C1含有k1个大小为a1×a1的卷积核,所述输入层的样本输入数据经过卷积层C1得到k1个特征图,进而将得到的特征图传送至池化层P1;所述池化层P1以b1×b1的采样大小对所述卷积层C1生成的特征图进行池化,得到相应的k1个采样后的特征图,再将得到的特征图传送至下一个卷积层C2;所述n个卷积层和池化层对的顺次连接,进而不断提取样本输入数据深层次的抽样特征,最后一个池化层Pn与全连接层F1相连接,其中,卷积层Ci含有ki个大小为ai×ai的卷积核,池化层Pj的采样大小为bj×bj,Ci表示第i个卷积层,Pj表示第j个池化层;所述全连接层F1为所述最后一个池化层Pn所得的所有kn个特征图的像素点映射而成的一维层,每个像素代表所述全连接层F1的一个神经元节点,F1层的所有神经元节点与下一个全连接层F2的神经元节点进行全连接;经m个全连接层顺次连接,最后一个全连接层Fm与所述输出层进行全连接;所述输出层输出包含该顾客的购入商品的样本输出数据。在本实施例中,利用包含顾客的图像信息、关注商品信息和多个测量值的样本输入数据,和包含该顾客的购入商品的输出数据,基于机器学习算法,对上述CNN模型进行训练直到上述CNN模型收敛为止,进而得到所述训练模型。
可选地,通过展示终端向至少一个区域提示促销信息,其中,促销信息是基于至少一个区域内的相关系数高于预设阈值的顾客及与其对应的兴趣商品的组合而生成的。
基于相同的发明构思,本发明的第四实施例提供了一种非暂态计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述智能设备控制方法的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:获取顾客的图像信息,其中图像信息包括顾客的人脸识别信息;获取顾客关注的兴趣商品;获取由多个传感器测量的多个顾客所在区域的时间序列信息,并将时间序列信息划分为多个时间间隔以生成多个测量值;对采集到的图像信息、关注商品信息和多个测量值进行特征量提取;计算被提取特征量及与其对应的顾客购入商品行动之间的相关系数;根据相关系数和阈值的比较结果,生成建议信息,其中,建议信息包括相关系数高于预设阈值的顾客及与其对应的兴趣商品的组合。
可选地,其中,还包括步骤:基于计算机图像处理技术,将建议信息转换成可视化地图、热力分布图或折线图形式的图形在主机终端屏幕上显示。
可选地,计算被提取特征量及与其对应的顾客购入商品行动之间的相关系数的步骤,还包括:通过将多个顾客的特征量作为样本输入数据,对应特征量的购入商品作为样本输出数据,基于大数据或机器学习算法训练,得到被提取特征量及与其对应的顾客购入商品行动之间的相关系数。
可选地,通过展示终端向至少一个区域提示促销信息,其中,促销信息是基于至少一个区域内的相关系数高于预设阈值的顾客及与其对应的兴趣商品的组合而生成的。
应当认识到,本发明实施例中的方法步骤可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而,若需要,该程序可以以汇编或机器语言实现。在任何情况下,该语言可以是编译或解释的语言。此外,为此目的该程序能够在编程的专用集成电路上运行。
此外,可按任何合适的顺序来执行本文描述的过程的操作,除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行,并且可作为共同地在一个或多个处理器上执行的代码(例如,可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步,所述方法可以在可操作地连接至合适的任何类型的计算平台中实现,包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现,无论是可移动的还是集成至计算平台,如硬盘、光学读取和/或写入存储介质、RAM、ROM等,使得其可由可编程计算机读取,当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外,机器可读代码,或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时,本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时,本发明还可以包括计算机本身。
计算机程序能够应用于输入数据以执行本文所述的功能,从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中,转换的数据表示物理和有形的对象,包括显示器上产生的物理和有形对象的特定视觉描绘。
以上所述,只是本发明的较佳实施例而已,本发明并不局限于上述实施方式,只要其以相同的手段达到本发明的技术效果,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。
Claims (10)
1.一种客群分析系统,其特征在于,包括:
图像采集模块,用于获取顾客的图像信息,其中所述图像信息包括所述顾客的人脸识别信息;
关注采集模块,用于获取顾客关注的兴趣商品;
客流采集模块,用于获取由多个传感器测量的多个顾客所在区域的时间序列信息,并将所述时间序列信息划分为多个时间间隔以生成多个测量值;
特征提取模块,用于基于大数据技术对采集到的所述图像信息、所述关注商品信息和所述多个测量值进行特征量提取;
数据分析模块,用于计算被提取所述特征量及与其对应的顾客购入商品行动之间的相关系数;
输出模块,用于根据所述相关系数和阈值的比较结果,生成建议信息,
其中所述建议信息包括所述相关系数高于预设阈值的所述顾客及与其对应的所述兴趣商品的组合。
2.根据权利要求1所述的客群分析系统,其中,还包括:
结果展示模块,用于基于计算机图像处理技术,将所述建议信息转换成可视化地图、热力分布图或折线图形式的图形在主机终端屏幕上显示。
3.根据权利要求1所述的客群分析系统,其中:
所述关注采集模块被配置为基于顾客在商品前停留的时长判断所述顾客关注的兴趣商品。
4.根据权利要求1所述的客群分析系统,其中,还包括:
展示终端,用于向至少一个区域提示促销信息,其中,所述促销信息是基于所述至少一个区域内的所述相关系数高于预设阈值的所述顾客及与其对应的所述兴趣商品的组合而生成的。
5.根据权利要求1所述的客群分析系统,其中,所述数据分析模块是通过将多个顾客的所述特征量作为样本输入数据,对应所述特征量的购入商品作为样本输出数据,基于大数据或机器学习算法训练得到的。
6.一种客流分析方法,其特征在于,包括以下步骤:
获取顾客的图像信息,其中所述图像信息包括所述顾客的人脸识别信息;
获取顾客关注的兴趣商品;
获取由多个传感器测量的多个顾客所在区域的时间序列信息,并将所述时间序列信息划分为多个时间间隔以生成多个测量值;
对采集到的所述图像信息、所述关注商品信息和所述多个测量值进行特征量提取;
计算被提取所述特征量及与其对应的顾客购入商品行动之间的相关系数;
根据所述相关系数和阈值的比较结果,生成建议信息,
其中,所述建议信息包括所述相关系数高于预设阈值的所述顾客及与其对应的所述兴趣商品的组合。
7.根据权利要求7所述的客群分析方法,其中,还包括步骤:
基于计算机图像处理技术,将所述建议信息转换成可视化地图、热力分布图或折线图形式的图形在主机终端屏幕上显示。
8.根据权利要求7所述的客群分析方法,其中,所述计算被提取所述特征量及与其对应的顾客购入商品行动之间的相关系数的步骤,还包括:
通过将多个顾客的所述特征量作为样本输入数据,对应所述特征量的购入商品作为样本输出数据,基于大数据或机器学习算法训练,得到被提取所述特征量及与其对应的顾客购入商品行动之间的相关系数。
9.根据权利要求7所述的客群分析方法,其中,通过展示终端向至少一个区域提示促销信息,其中,所述促销信息是基于所述至少一个区域内的所述相关系数高于预设阈值的所述顾客及与其对应的所述兴趣商品的组合而生成的。
10.一种计算机可读存储介质,其上储存有程序指令,所述程序指令被处理器执行时实施如权利要求6至9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010961500.7A CN112150193A (zh) | 2020-09-14 | 2020-09-14 | 一种客群分析方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010961500.7A CN112150193A (zh) | 2020-09-14 | 2020-09-14 | 一种客群分析方法、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112150193A true CN112150193A (zh) | 2020-12-29 |
Family
ID=73892731
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010961500.7A Pending CN112150193A (zh) | 2020-09-14 | 2020-09-14 | 一种客群分析方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112150193A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113177804A (zh) * | 2021-04-28 | 2021-07-27 | 柳州城市职业学院 | 一种市场营销管理信息采集系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105518734A (zh) * | 2013-09-06 | 2016-04-20 | 日本电气株式会社 | 顾客行为分析系统、顾客行为分析方法、非暂时性计算机可读介质和货架系统 |
CN105678591A (zh) * | 2016-02-29 | 2016-06-15 | 北京时代云英科技有限公司 | 一种基于视频分析的商业智能化经营决策支撑系统和方法 |
CN110415048A (zh) * | 2019-08-06 | 2019-11-05 | 即悟(上海)智能科技有限公司 | 一种广告推荐方法、设备、系统、计算机设备及存储介质 |
CN110490685A (zh) * | 2019-03-27 | 2019-11-22 | 南京国科双创信息技术研究院有限公司 | 一种基于大数据分析的产品推荐方法 |
CN110517094A (zh) * | 2019-08-30 | 2019-11-29 | 软通动力信息技术有限公司 | 一种访客数据分析方法、装置、服务器和介质 |
CN111178966A (zh) * | 2019-12-30 | 2020-05-19 | 武汉零客思唯科技有限公司 | 一种基于人脸识别的潜在客户行为分析方法和系统 |
-
2020
- 2020-09-14 CN CN202010961500.7A patent/CN112150193A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105518734A (zh) * | 2013-09-06 | 2016-04-20 | 日本电气株式会社 | 顾客行为分析系统、顾客行为分析方法、非暂时性计算机可读介质和货架系统 |
CN105678591A (zh) * | 2016-02-29 | 2016-06-15 | 北京时代云英科技有限公司 | 一种基于视频分析的商业智能化经营决策支撑系统和方法 |
CN110490685A (zh) * | 2019-03-27 | 2019-11-22 | 南京国科双创信息技术研究院有限公司 | 一种基于大数据分析的产品推荐方法 |
CN110415048A (zh) * | 2019-08-06 | 2019-11-05 | 即悟(上海)智能科技有限公司 | 一种广告推荐方法、设备、系统、计算机设备及存储介质 |
CN110517094A (zh) * | 2019-08-30 | 2019-11-29 | 软通动力信息技术有限公司 | 一种访客数据分析方法、装置、服务器和介质 |
CN111178966A (zh) * | 2019-12-30 | 2020-05-19 | 武汉零客思唯科技有限公司 | 一种基于人脸识别的潜在客户行为分析方法和系统 |
Non-Patent Citations (1)
Title |
---|
方卫华: "跨拦河建筑物安全状态感知、融合与预测", 31 December 2018, 河海大学出版社, pages: 289 - 300 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113177804A (zh) * | 2021-04-28 | 2021-07-27 | 柳州城市职业学院 | 一种市场营销管理信息采集系统 |
CN113177804B (zh) * | 2021-04-28 | 2024-03-12 | 柳州城市职业学院 | 一种市场营销管理信息采集系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106776619B (zh) | 用于确定目标对象的属性信息的方法和装置 | |
US11188965B2 (en) | Method and apparatus for recommending customer item based on visual information | |
KR102664008B1 (ko) | 시각 정보에 기초한 고객 아이템 추천 방법 및 장치 | |
TWI559242B (zh) | 視覺化服飾檢索 | |
US8295597B1 (en) | Method and system for segmenting people in a physical space based on automatic behavior analysis | |
CN110033298A (zh) | 信息处理设备及其控制方法、系统和存储介质 | |
CN108335317A (zh) | 一种线下导购方法及装置 | |
CA3014365C (en) | System and method for gathering data related to quality of service in a customer service environment | |
US9697433B1 (en) | Pixel-structural reference image feature extraction | |
WO2021194746A1 (en) | System and method for visually tracking persons and imputing demographic and sentiment data | |
JP2020095404A (ja) | 情報処理方法、プログラム、情報処理装置及び学習済みモデルの生成方法 | |
KR20160011804A (ko) | 얼굴인식기술을 이용하여 추출된 고객의 성별 및 연령 정보에 기초하여 매장 이용 고객에 대한 마케팅 정보를 제공하는 방법 | |
JP2020067720A (ja) | 人属性推定システム、それを利用する情報処理装置及び情報処理方法 | |
WO2021104388A1 (en) | System and method for interactive perception and content presentation | |
CN112150193A (zh) | 一种客群分析方法、系统及存储介质 | |
CN113887884A (zh) | 商超服务系统 | |
US11615430B1 (en) | Method and system for measuring in-store location effectiveness based on shopper response and behavior analysis | |
CN108985839A (zh) | 无人超市中基于人脸识别的导购方法及装置 | |
CN112131477A (zh) | 一种基于用户画像的图书馆图书推荐系统及方法 | |
CN111784496A (zh) | 一种应用于银行中的实时精准营销辅助系统和方法 | |
Kröckel et al. | Customer tracking and tracing data as a basis for service innovations at the point of sale | |
CN112150194A (zh) | 一种营销分析方法、系统及存储介质 | |
CN115587873A (zh) | 一种基于人工智能的商品推荐系统及方法 | |
CN114360057A (zh) | 数据处理方法及相关装置 | |
Krockel et al. | Intelligent processing of video streams for visual customer behavior analysis |
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 | ||
CB02 | Change of applicant information |
Address after: 518000 floor 1-3, building B2, chenwenli Industrial Park, 289 louming Road, Loucun community, Xinhu street, Guangming District, Shenzhen City, Guangdong Province Applicant after: Shenzhen selling point Technology Co.,Ltd. Address before: 518000 Gongming District, Guangming District, Guangdong, Shenzhen Province, thirteenth A zone and second floor A area, Sha Tau alley Industrial Zone, Chang Zhen community Applicant before: Selling Point International Exhibition (Shenzhen) Co.,Ltd. |
|
CB02 | Change of applicant information |