CN112348299A - 商业场所内基于画像的人员管理方法、装置、终端、及介质 - Google Patents

商业场所内基于画像的人员管理方法、装置、终端、及介质 Download PDF

Info

Publication number
CN112348299A
CN112348299A CN201910735360.9A CN201910735360A CN112348299A CN 112348299 A CN112348299 A CN 112348299A CN 201910735360 A CN201910735360 A CN 201910735360A CN 112348299 A CN112348299 A CN 112348299A
Authority
CN
China
Prior art keywords
personnel
person
customers
business
commercial
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
CN201910735360.9A
Other languages
English (en)
Inventor
唐明
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.)
Shanghai Red Star Macalline Yuejia Internet Technology Co ltd
Original Assignee
Shanghai Red Star Macalline Yuejia Internet 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 Shanghai Red Star Macalline Yuejia Internet Technology Co ltd filed Critical Shanghai Red Star Macalline Yuejia Internet Technology Co ltd
Priority to CN201910735360.9A priority Critical patent/CN112348299A/zh
Publication of CN112348299A publication Critical patent/CN112348299A/zh
Pending legal-status Critical Current

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
    • 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
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • 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
    • G06Q10/10—Office automation; Time management
    • G06Q10/105—Human resources
    • 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
    • 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
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G06V10/507—Summing image-intensity values; Histogram projection analysis
    • 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
    • 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
    • G06V40/168—Feature extraction; Face representation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Finance (AREA)
  • Marketing (AREA)
  • Accounting & Taxation (AREA)
  • General Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Quality & Reliability (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Operations Research (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Educational Administration (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提供商业场所内基于画像的人员管理方法、装置、终端、及介质，其包括：利用行人检测算法对进入商业场所内的人员进行行人检测分析，以获取所述人员的人体特征信息；根据所获取的人员的人体特征信息构建对应的人员画像；根据所构建的人员画像对进入商业场所内的人员进行分类，并根据分类结果信息生成对应的人员管理策略。本申请提供的技术方案利于商业场所的管理者进行人员管理，对顾客进行有效分类和管理，并对不同类型的顾客采用不同的管理策略，大大提升了人员管理效率并提升顾客的购物体验。

Description

商业场所内基于画像的人员管理方法、装置、终端、及介质
技术领域
本申请涉及数据处理技术领域，特别是涉及商业场所内基于画像的人员管理方法、装置、终端、及介质。
背景技术
随着社会经济的发展，各种商业场所，如商场、写字楼、餐饮店、专卖店等层出不穷。而且，随着经济体量的增多，各种商业场所也朝着越造越大的趋势发展。
但是，随着商业场所规模的变大，场所管理者对于场所内人员的管理工作也变得越来越复杂不易，例如难以对场所内的人员进行分类管理，进而不能为顾客提供具有针对性的服务，不利于提升顾客的购物体验。
因此，本领域亟需一种便于顾客管理且能提升顾客购物体验的技术解决方案。
申请内容
鉴于以上所述现有技术的缺点，本申请的目的在于提供，用于解决现有技术中出现的难以对场所内的人员进行分类管理，不能为顾客提供具有针对性的服务，不利于提升顾客的购物体验等问题。
为实现上述目的及其他相关目的，本申请的第一方面提供一种商业场所内基于画像的人员管理方法，其包括：利用行人检测算法对进入商业场所内的人员进行行人检测分析，以获取所述人员的人体特征信息；根据所获取的人员的人体特征信息构建对应的人员画像；根据所构建的人员画像对进入商业场所内的人员进行分类，并根据分类结果信息生成对应的人员管理策略，以供按照进入商业场所内人员的类别来进行人员管理。
于本申请的第一方面的一些实施例中，所述人员画像的画像维度包括：脸部特征、年龄、性别、商户逗留时间、消费金额、以及商户光顾次数中的任一种或多种组合。
于本申请的第一方面的一些实施例中，所述人体特征信息包括脸部特征信息，还包括身型特征信息、步态特征信息、着装特征信息、及发型特征信息中的任一种或多种组合。
于本申请的第一方面的一些实施例中，所述根据所构建的人员画像对进入商业场所内的人员进行分类，包括将进入商业场所内的人员分为顾客、工作人员、非顾客类逗留人员。
于本申请的第一方面的一些实施例中，所述顾客包括初次来访顾客和非初次来访顾客；其中，所述非初次来访顾客包括优质顾客、黑名单顾客、及非优质非黑名单顾客。
于本申请的第一方面的一些实施例中，人员管理策略包括如下策略中的任一种或多种组合：策略1)针对初次来访顾客，向其展示商业场所内的商户介绍信息和/或商品介绍信息；策略2)针对优质顾客，向其展示商业场所内的新品信息，以及/或者向其展示与其历史购物记录相关联商户和/或商品的优惠促销信息；策略3)针对黑名单顾客，向商业场所的管理人员或安保人员发出提示。
于本申请的第一方面的一些实施例中，所述非顾客类逗留人员包括外送人员；所述方法包括：利用行人检测算法对进入商业场所内的人员进行步态特征检测分析以获取所述人员的前行速度，并根据所检测的所述人员的前行速度以及所述人员在商业场所内的逗留时长确定所述人员是否为外送人员；以及/或者，利用行人检测算法对进入商业场所内的人员进行着装特征检测分析，将分析的检测分析结果与预设的着装特征信息做比对，以根据着装特征的匹配程度来确定所述人员是否为外送人员。
为实现上述目的及其他相关目的，本申请的第二方面提供一种商业场所内基于画像的人员管理装置，其包括：行人检测模块，用于利用行人检测算法对进入商业场所内的人员进行行人检测分析，以获取所述人员的人体特征信息；画像构建模块，用于根据所获取的人员的人体特征信息构建对应的人员画像；策略生成模块，用于根据所构建的人员画像对进入商业场所内的人员进行分类，并根据分类结果信息生成对应的人员管理策略，以供按照进入商业场所内人员的类别来进行人员管理。
为实现上述目的及其他相关目的，本申请的第三方面提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述商业场所内基于画像的人员管理方法。
为实现上述目的及其他相关目的，本申请的第四方面提供一种电子终端，包括：处理器及存储器；所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行所述商业场所内基于画像的人员管理方法。
如上所述，本申请的商业场所内基于画像的人员管理方法、装置、终端、及介质，具有以下有益效果：本申请提供的技术方案利于商业场所的管理者进行人员管理，对顾客进行有效分类和管理，并对不同类型的顾客采用不同的管理策略，大大提升了人员管理效率并提升顾客的购物体验。
附图说明
图1显示为本申请一实施例中的商业场所的平面示意图。
图2显示为本申请一实施例中商业场所内基于画像的人员管理方法的流程示意图。
图3显示为本申请一实施例中商业场所内基于画像的人员管理装置的结构示意图。
图4显示为本申请一实施例中电子终端的结构示意图。
具体实施方式
以下通过特定的具体实例说明本申请的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。本申请还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本申请的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
如同在本文中所使用的，单数形式“一”、“一个”和“该”旨在也包括复数形式，除非上下文中有相反的指示。应当进一步理解，术语“包含”、“包括”表明存在所述的特征、操作、元件、组件、项目、种类、和/或组，但不排除一个或多个其他特征、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。此处使用的术语“或”和“和/或”被解释为包括性的，或意味着任一个或任何组合。因此，“A、B或C”或者“A、B和/或C”意味着“以下任一个：A；B；C；A和B；A和C；B和C；A、B和C”。仅当元件、功能或操作的组合在某些方式下内在地互相排斥时，才会出现该定义的例外。
针对现有商业场所中出现的难以对场所内的人员进行分类管理，不能为顾客提供具有针对性的服务，不利于提升顾客的购物体验等问题，本申请提供商业场所内基于画像的人员管理方法、装置、终端、及介质，来有效解决现有技术中的这些难题。
商业场所是指所有与商业活动有关的空间形态，是当前社会商业活动中所需的空间，是用于实现商品交换、满足消费者需求、实现商品流通的空间环境。商业场所包括但不限于诸如商场、写字楼、餐饮店、博物馆、展览馆、专卖店、或酒店等空间。随着时代的发展，商业场所正朝着多样化、复杂化、科技化和人性化的方向不断发展。
如图1所示，展示本申请一实施例中的商业场所的平面示意图。于本实施例中，商业场所具体包括商户区域1、商户区域2、商户区域3、以及商户区域4，其中商户区域3和商户区域4之间设有电梯，商户区域1和商户区域3之间设有安全出口①，商户区域2和商户区域4之间设有安全出口②。顾客沿着箭头A的方向可经商业场所的大门进入商业场所内，并可沿着公共区域到达想要访问的商户区域。
需说明的是，图1展示的是商业场所的平面示意图，但并不表示本申请的技术方案仅限于单层结构使用，实际上的商业场所可能包括多层结构(露于地表的上层结构或者地下结构等等)，本实施例不作限定。
于本实施例中，商业场所的出入口设有一或多第一图像采集装置11，用于采集进入商业场所内的人员的图像信息，以供提取所述人员的人体特征信息及当前位置信息。其中，所述人体特征信息包括脸部特征信息，还包括身型特征信息、步态特征信息、着装特征信息、或者发型特征信息等等。
优选的，商业场所的出入口设有多个第一图像采集装置11，且这些第一图像采集装置11对称地设于出入口两边，从而能够采集从多个不同方向进入商业场所内的人员的人体特征信息，以确保更大范围的图像采集区域，进一步利于后续的智能分析工作，如人流量统计或者管理策略投放等等。
于本实施例中，在商业场所内一或多个商户区域附近分设有一或多个第二图像采集装置12，用于采集进入所述商户区域中的人员的图像信息，从而帮助定位人员在商业场所内的位置。
优选的，一或多第二图像采集装置12设于商业场所内的岔路口区域，用于采集岔路口区域中人员的图像信息，例如图1中设于商户区域3且靠近电梯的第二图像采集装置以及设于商户区域4且靠近电梯的第二图像采集装置。
需说明的是，用于采集岔路口区域中人员的人体特征信息的第二图像采集装置并不限定数量也不限定设于商户区域3或商户区域4，事实上也可设于商户区域1、商户区域2、或者其它能够将视角对准岔路口区域的任何位置，本实施例不作限定。
优选的，一或多第二图像采集装置12设于商业场所内的安全出口区域，用于采集安全出口区域人员的图像信息，例如图1中设于商户区域3且靠近安全出口①的第二图像采集装置以及设于商户区4且靠近安全出口①的第二图像采集装置。
需说明的是，用于采集安全出口区域中人员的人体特征信息的第二图像采集装置并不限定数量也不限定设于商户区域3或商户区域4，事实上也可设于商户区域1、商户区域2、或者其它能够将视角对准安全出口区域的任何位置，本实施例不作限定。
优选的，一或多第二图像采集装置12设于使其采集视角对准商户区域进出口的位置，用于采集公共区域人员的图像信息，例如图1中设于商户区域1的第二图像采集装置以及设于商户区域2的第二图像采集装置。
需说明的是，用于采集商户区域附近人员的人体特征信息的第二图像采集装置并不限定数量也不限定设于商户区域1或商户区域2，事实上也可设于商户区域3、商户区域4、或者其它能够将视角对准商户附近区域的任何位置，本实施例不作限定。
优选的，一或多第二图像采集装置12还可设于电梯区域，用于采集使用电梯上/下楼的人员的图像信息；或还可设于公共区域，用于采集公共区域人员的图像信息。
于本实施例中，在商业场所内的公共区域设有一或多个导购装置13，用于为场所内人员提供导购信息。导购装置的类型包括但不限于智能导购屏(采用图1中设于商户区域1的黑色矩形表示)或者智能导购机器人(采用图1中设于商户区域1和商户区域2的黑色圆形表示)等等。智能导购屏可通过产品感应、识别来实现与顾客的互动，顾客可以随时变换大屏播放内容，点播感兴趣的产品信息，如此互动导购为购买增添乐趣。导购机器人是替代人工导购的智能设备，其具有导购咨询、位置引导、产品信息传播、交流互动等功能。
上文，就本申请在一实施例中的商业场所的结构做了详细的说明。下文，将结合具体的实施例对商业场所内基于画像的人员管理原理做进一步的解释。
如图2所示，展示本申请一实施例中商业场所内基于画像的人员管理方法的流程示意图。本实施例中的跟踪方法包括步骤S201、步骤S202、及步骤S203。
需说明的是，本申请中的商业场所内基于画像的人员管理方法应用于商业场所的后台管理设备。所述后台管理设备例如包括存储器、存储控制器、一个或多个处理单元(CPU)、外设接口、RF电路、音频电路、扬声器、麦克风、输入/输出(I/O)子系统、显示屏、其他输出或控制设备，以及外部端口等组件的计算机设备；所述计算机设备包括但不限于如台式电脑、笔记本电脑、平板电脑、智能手机、智能电视、个人数字助理(Personal DigitalAssistant，简称PDA)等个人电脑。所述后台管理设备例如还可例如是服务器，所述服务器可以根据功能、负载等多种因素布置在一个或多个实体服务器上，也可以由分布的或集中的服务器集群构成，本实施例不作限定。
在步骤S201中，利用行人检测算法对进入商业场所内的人员进行行人检测分析，以获取所述人员的人体特征信息。
在一实施例中，所述人体特征信息包括脸部特征信息，还包括身型特征信息、步态特征信息、着装颜色特征、及发型特征信息中的任一种或多种组合。其中，所述脸部特征信息包括但不限于五官特征信息(即眉部、眼部、耳部、鼻部、及口部等部位的特征信息)或者面部轮廓特征信息等；所述步态特征信息包括但不限于行进速度、迈步大小、或者身体摇摆幅度等特征信息；所述发型特征信息包括但不限于无发、短发、长发等特征信息。
在一实施例中，行人检测算法(Pedestrian Detection)是利用计算机视觉技术判断图像或者视频序列中是否存在行人并给予精确定位的一种计算机算法。所述行人检测算法包括但不限于：基于全局特征的行人检测算法、基于人体部位的行人检测算法、或者基于立体视觉的行人检测算法等等。
所述基于全局特征的行人检测算法包括但不限于：基于Haar小波特征、HOG特征、Edgelet特征、Shapelet特征或者轮廓模板特征等算法。所述基于人体部位的行人检测算法是指把人体分成几个组成部分，然后对图像中每部分分别检测，最后将检测结果按照一定的约束关系进行整合，最终判断是否存在行人。所述基于立体视觉的行人检测算法是指通过2个或2个以上的摄像机进行图像采集，然后分析图像中目标的三维信息以识别出行人。
为便于本领域技术人员理解，现以基于HOG特征的检测算法为例来说明。具体而言，采用HOG特征和SVM分类器来检测并获取人体特征信息，即首先进行HOG特征提取来生成特征描述子，而后利用训练集训练SVM分类器，再利用训练得到的分类器进行行人分类，从而可实现基于HOG特征的行人检测。
HOG(histogram of orented gradient)特征是一种目标检测描述子，通过计算和统计图像的局部区域梯度直方图来构成特征向量。HOG特征的提取步骤包括：
1)利用Gamma等校正法对图像进行标准化处理，调节图像的对比度，降低外界环境的影响；
2)利用梯度算子与图像卷积得到图像中每个像素位置的梯度幅值和方向；
3)将图像分为若干细胞单元，利用若干方向块统计每个细胞单元内的直方图；
4)将多个单元组合为块，进一步归一化梯度直方图；
5)利用特定大小的block扫描待检测图像，将每个扫描位置的对应的block的HOG特征按一定顺序串联，便可得到HOG特征向量。
SVM训练阶段的任务主要是利用大量的训练样本，经过不断的迭代，寻找到最适合当前分类问题的SVM模型。需说明的是，HOG特征提取以及SVM分类器训练均为现有，故不再赘述。
在步骤S202中，根据所获取的人员的人体特征信息构建对应的人员画像。
在一实施例中，所述人员画像的画像维度包括：脸部特征、年龄、性别、商户逗留时间、消费金额、以及商户光顾次数中的任一种或多种组合。
需说明的是，人员的脸部特征、年龄、性别等画像维度可从人员的人体特征信息中获取，商户逗留时间、商户光顾次数等画像维度则可从人员的行踪轨迹或者商户反馈信息中获取，消费金额等画像维度可借助结账系统、送货系统、或者奖励领取系统(奖励领取系统的用途如购满一定数额的货物可获得对应的奖品等等)等获取。
在步骤S203中，根据所构建的人员画像对进入商业场所内的人员进行分类，并根据分类结果信息生成对应的人员管理策略，以供按照进入商业场所内人员的类别来进行人员管理。
在一实施例中，所述根据所构建的人员画像对进入商业场所内的人员进行分类，包括将进入商业场所内的人员分为顾客、工作人员、非顾客类逗留人员。
所述工作人员是指所述商业场所雇佣的人员，如长期合同工、短期临时工、或者外包人员等等。具体的，可将行人检测分析的结果信息与预存有该商业场所的工作人员的身份信息的信息库做比对，根据比对的结果信息判断进入商业场所的人员是否是工作人员。
更具体而言，可基于脸部特征来进行人脸检测分析并将脸部检测的结果信息与预存有该商业场所的工作人员的脸部特征信息的信息库做比对，根据脸部特征的匹配程度来判断进入商场内的人员是否是工作人员。或者根据工作人员着装的特殊性(如商场工作人员统一颜色及款式的工作服，或者有特定logo、图案的服饰等)，也可基于着装特征信息与预设的着装特征信息做比对，根据着装特征的匹配程度来判断进入商场内的人员是否是工作人员。
所述非顾客类逗留人员是指前来目的并非购买商品或要求服务的也并非商场工作人员的一类群体，例如：外送人员、维修人员、巡检人员等等。下面以外送人员为例来说明辨别非顾客类逗留人员的方法。
具体的，利用行人检测算法对进入商业场所内的人员进行行人检测分析，以获取所述人员的步态特征信息并据以判断人员的前行速度；根据所检测的所述人员的前行速度以及所述人员在商业场所内的逗留时长，确定所述人员是否为外送人员。也即，若所述人员的前行速度大于预设速度阈值且所述人员在商业场所内的逗留时长短语预设时段阈值，则可判断该名人员是急于完成某项非购物类任务的外送人员，如外卖人员、快递人员、送货人员、搬物人员等等。
在一实施例中，也可根据外送人员着装的特殊性(如各外卖商家的外卖人员普遍统一着装)，可基于着装特征信息与预设的着装特征信息做比对，根据着装特征的匹配程度来判断进入商场内的人员是否是外送人员。
在一实施例中，若判断进入商业场所内的人员既不是工作人员也不是非顾客类逗留人员，则可确定所述人员为顾客。所述顾客是指前来购买商品或要求服务的群体，根据到访记录确定顾客是初次来访顾客或者非初次来访顾客，其中根据顾客综合质量又可将非初次来访顾客分为优质顾客、黑名单顾客、及非优质非黑名单顾客。
具体的，利用行人检测算法对进入商业场所内的人员进行人脸检测分析，将人脸检测分析的结果信息与预存有顾客人脸信息的客户管理系统做比对。若客户管理系统中没有匹配项，则确定所述人员是初次来访顾客；而若客户管理系统中有匹配项，则确定所述人员为非初次来访顾客。另外，可根据客户管理系统中的历史记录可分析这些非初次来访顾客的质量，例如将符合购买量大、购买频率高、推荐新顾客、或者付款及时等特征的顾客归为优质顾客，将符合拖欠款项、恶意索赔、或者在商场内有不检行为等特征的顾客归为黑名单顾客，将不属于上述这些类型的顾客归为非优质非黑名单顾客等等。
优选的，本实施例中的后台管理设备根据所不同类型的非初次来访顾客，生成相应的人员管理策略，具体如下所述。
人员管理策略1)针对初次来访顾客，向其展示商业场所内的商户介绍信息和/或商品介绍信息，从而帮助初次来访顾客能够快速高效地对本商业场所及场所内商户和商品的基本信息建立初步的认识，大大提升顾客的购物体验。
人员管理策略2)针对优质顾客，向其展示商业场所内的新品信息，以及/或者向其展示与其历史购物记录相关联商户和/或商品的优惠促销信息。本策略中的优惠促销信息优选是较大力度的优惠促销信息，以向优质顾客提供更佳的服务。例如：后台管理设备可实时发送消息(短信或者APP消息推送)给到商场管理人员，提醒他们做好接待工作。
人员管理策略3)针对黑名单顾客，向商业场所的管理人员或安保人员发出提示(如通过短信或APP消息推送等途径)。例如，针对具有恶意索赔或者在商场内有不检行为等特征的黑名单顾客，可提示安保人员提高警惕，以防再犯；或者针对具有拖欠款项等特征的黑名单顾客，可提示各商户在于该名黑名单顾客交易时需多加注意等等。
如图3所示，展示本申请一实施例中商业场所内基于画像的人员管理装置的结构示意图。所述人员管理装置包括行人检测模块31、画像构建模块32、以及策略生成模块33。
行人检测模块31用于利用行人检测算法对进入商业场所内的人员进行行人检测分析，以获取所述人员的人体特征信息；画像构建模块32用于根据所获取的人员的人体特征信息构建对应的人员画像；策略生成模块33用于根据所构建的人员画像对进入商业场所内的人员进行分类，并根据分类结果信息生成对应的人员管理策略。
需要说明的是，本实施例提供商业场所内基于画像的人员管理装置的实施方式与上文中的人员管理方法的实施方式类似，故不再赘述。另外，应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。
如图4所示，展示本申请一实施例中电子终端的结构示意图。本实例提供的电子终端，包括：处理器41、存储器42、及通讯器43；存储器42通过系统总线与处理器41和通讯器43连接并完成相互间的通信，存储器42用于存储计算机程序，通讯器43用于和其他设备进行通信，处理器41用于运行计算机程序，使电子终端执行如上商业场所内基于画像的人员管理方法的各个步骤。
上述提到的系统总线可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该系统总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。通信接口用于实现数据库访问装置与其他设备(例如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(Random Access Memory，简称RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称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。
在一实施例中，本申请还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述商业场所内基于画像的人员管理方法的各个步骤。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
综上所述，本申请提供商业场所内基于画像的人员管理方法、装置、终端、及介质，本申请提供的技术方案利于商业场所的管理者进行人员管理，对顾客进行有效分类和管理，并对不同类型的顾客采用不同的管理策略，大大提升了人员管理效率并提升顾客的购物体验。所以，本申请有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本申请的原理及其功效，而非用于限制本申请。任何熟悉此技术的人士皆可在不违背本申请的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本申请所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本申请的权利要求所涵盖。

Claims (10)

1.一种商业场所内基于画像的人员管理方法，其特征在于，包括：
利用行人检测算法对进入商业场所内的人员进行行人检测分析，以获取所述人员的人体特征信息；
根据所获取的人员的人体特征信息构建对应的人员画像；
根据所构建的人员画像对进入商业场所内的人员进行分类，并根据分类结果信息生成对应的人员管理策略，以供按照进入商业场所内人员的类别来进行人员管理。
2.根据权利要求1所述的方法，其特征在于，所述人员画像的画像维度包括：脸部特征、年龄、性别、商户逗留时间、消费金额、以及商户光顾次数中的任一种或多种组合。
3.根据权利要求1所述的方法，其特征在于，所述人体特征信息包括脸部特征信息，还包括身型特征信息、步态特征信息、着装特征信息、及发型特征信息中的任一种或多种组合。
4.根据权利要求1所述的方法，其特征在于，所述根据所构建的人员画像对进入商业场所内的人员进行分类，包括将进入商业场所内的人员分为顾客、工作人员、非顾客类逗留人员。
5.根据权利要求4所述的方法，其特征在于，所述顾客包括初次来访顾客和非初次来访顾客；其中，所述非初次来访顾客包括优质顾客、黑名单顾客、及非优质非黑名单顾客。
6.根据权利要求5所述的方法，其特征在于，人员管理策略包括如下策略中的任一种或多种组合：
策略1)针对初次来访顾客，向其展示商业场所内的商户介绍信息和/或商品介绍信息；
策略2)针对优质顾客，向其展示商业场所内的新品信息，以及/或者向其展示与其历史购物记录相关联商户和/或商品的优惠促销信息；
策略3)针对黑名单顾客，向商业场所的管理人员或安保人员发出提示。
7.根据权利要求4所述的方法，其特征在于，所述非顾客类逗留人员包括外送人员；所述方法包括：
利用行人检测算法对进入商业场所内的人员进行步态特征检测分析以获取所述人员的前行速度，并根据所检测的所述人员的前行速度以及所述人员在商业场所内的逗留时长确定所述人员是否为外送人员；以及/或者，
利用行人检测算法对进入商业场所内的人员进行着装特征检测分析，将分析的检测分析结果与预设的着装特征信息做比对，以根据着装特征的匹配程度来确定所述人员是否为外送人员。
8.一种商业场所内基于画像的人员管理装置，其特征在于，包括：
行人检测模块，用于利用行人检测算法对进入商业场所内的人员进行行人检测分析，以获取所述人员的人体特征信息；
画像构建模块，用于根据所获取的人员的人体特征信息构建对应的人员画像；
策略生成模块，用于根据所构建的人员画像对进入商业场所内的人员进行分类，并根据分类结果信息生成对应的人员管理策略，以供按照进入商业场所内人员的类别来进行人员管理。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述商业场所内基于画像的人员管理方法。
10.一种电子终端，其特征在于，包括：处理器及存储器；
所述存储器用于存储计算机程序；
所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如权利要求1至7中任一项所述商业场所内基于画像的人员管理方法。
CN201910735360.9A 2019-08-09 2019-08-09 商业场所内基于画像的人员管理方法、装置、终端、及介质 Pending CN112348299A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910735360.9A CN112348299A (zh) 2019-08-09 2019-08-09 商业场所内基于画像的人员管理方法、装置、终端、及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910735360.9A CN112348299A (zh) 2019-08-09 2019-08-09 商业场所内基于画像的人员管理方法、装置、终端、及介质

Publications (1)

Publication Number Publication Date
CN112348299A true CN112348299A (zh) 2021-02-09

Family

ID=74366913

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910735360.9A Pending CN112348299A (zh) 2019-08-09 2019-08-09 商业场所内基于画像的人员管理方法、装置、终端、及介质

Country Status (1)

Country Link
CN (1) CN112348299A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140358639A1 (en) * 2013-05-30 2014-12-04 Panasonic Corporation Customer category analysis device, customer category analysis system and customer category analysis method
CN107316399A (zh) * 2017-06-28 2017-11-03 太仓红码软件技术有限公司 一种用于商场的智能公共服务亭及其工作方法
CN108921660A (zh) * 2018-06-29 2018-11-30 上海小蚁科技有限公司 消费画像确定方法及装置、存储介质、终端
CN109165992A (zh) * 2018-07-16 2019-01-08 北京旷视科技有限公司 一种智能导购方法、装置、系统及计算机存储介质
CN109345320A (zh) * 2018-11-24 2019-02-15 深圳市晓舟科技有限公司 客户类型识别系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140358639A1 (en) * 2013-05-30 2014-12-04 Panasonic Corporation Customer category analysis device, customer category analysis system and customer category analysis method
CN107316399A (zh) * 2017-06-28 2017-11-03 太仓红码软件技术有限公司 一种用于商场的智能公共服务亭及其工作方法
CN108921660A (zh) * 2018-06-29 2018-11-30 上海小蚁科技有限公司 消费画像确定方法及装置、存储介质、终端
CN109165992A (zh) * 2018-07-16 2019-01-08 北京旷视科技有限公司 一种智能导购方法、装置、系统及计算机存储介质
CN109345320A (zh) * 2018-11-24 2019-02-15 深圳市晓舟科技有限公司 客户类型识别系统

Similar Documents

Publication Publication Date Title
US11151468B1 (en) Behavior analysis using distributed representations of event data
CN110892442A (zh) 用于自适应评分以检测商务卡的误用或滥用的系统、方法和设备
US20180232749A1 (en) Increasing sales efficiency by identifying customers who are most likely to make a purchase
KR20200119385A (ko) 인공지능 감정 시스템, 인공지능 감정 방법 및 기록 매체
US20130328765A1 (en) Signage system and display method by the same
US20160125404A1 (en) Face recognition business model and method for identifying perpetrators of atm fraud
US20200134855A1 (en) Image processing for occluded item recognition
US12033190B2 (en) System and method for content recognition and data categorization
CN111696080A (zh) 一种基于静态纹理的人脸欺诈检测方法、系统及存储介质
AU2017231602A1 (en) Method and system for visitor tracking at a POS area
CN115393007A (zh) 一种行业分类模型的训练方法及装置
WO2022142899A1 (zh) 商铺销售数据分析方法、装置、电子设备及存储介质
Saqlain et al. Hybrid Approach for Shelf Monitoring and Planogram Compliance (Hyb‐SMPC) in Retails Using Deep Learning and Computer Vision
US11488195B1 (en) Reward offer redemption for payment cards
CN112348543A (zh) 商业场所内的智能导购方法、装置、终端、介质、系统
CN112351389A (zh) 商业场所内人员轨迹的跟踪方法、装置、终端、介质、系统
CA3056868C (en) Media content tracking
CN112348299A (zh) 商业场所内基于画像的人员管理方法、装置、终端、及介质
CN114360057A (zh) 数据处理方法及相关装置
Odeh et al. Automated shopping system using computer vision
El Sayed et al. 3D face detection based on salient features extraction and skin colour detection using data mining
US20230237558A1 (en) Object recognition systems and methods
CN112348607A (zh) 商业场所内基于画像的导购方法、终端、装置、介质、及系统
CN118334390B (zh) 一种特定场景匹配方法与装置
US12099940B1 (en) Behavior analysis using distributed representations of event data

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210209