CN112351389A - 商业场所内人员轨迹的跟踪方法、装置、终端、介质、系统 - Google Patents
商业场所内人员轨迹的跟踪方法、装置、终端、介质、系统 Download PDFInfo
- Publication number
- CN112351389A CN112351389A CN201910735416.0A CN201910735416A CN112351389A CN 112351389 A CN112351389 A CN 112351389A CN 201910735416 A CN201910735416 A CN 201910735416A CN 112351389 A CN112351389 A CN 112351389A
- Authority
- CN
- China
- Prior art keywords
- information
- personnel
- commercial
- merchant
- person
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000001514 detection method Methods 0.000 claims abstract description 38
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000004590 computer program Methods 0.000 claims description 11
- 230000001815 facial effect Effects 0.000 claims description 11
- 210000004209 hair Anatomy 0.000 claims description 9
- 230000005021 gait Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000037237 body shape Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 description 14
- 238000012549 training Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000010410 layer Substances 0.000 description 3
- 241001122767 Theaceae Species 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 210000001508 eye Anatomy 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 210000000214 mouth Anatomy 0.000 description 1
- 210000001331 nose Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
Abstract
本申请提供商业场所内人员轨迹的跟踪方法、装置、终端、介质、及系统，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行人检测分析，以获取所述人员的人体特征信息及当前位置信息；利用目标跟踪算法并根据所述人员的人体特征信息及当前位置信息，对位于商业场所内的人员进行轨迹跟踪，以获取待跟踪人员在商业场所内的基于时间顺序的行踪轨迹；其中，所述行踪轨迹供用于管理商业场所内一或多个商户区域的到访人员。本申请本申请利于商业场所的管理者追踪场所内人员的轨迹，提升了人员管理效率，便于确定场所内人员的购物偏好或消费习惯，帮助消费者避免因过大的人流量或信息量而影响购物体验。
Description
技术领域
本申请涉及轨迹跟踪技术领域，特别是涉及商业场所内人员轨迹的跟踪方法、装置、终端、介质、及系统。
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，例如难以追踪场所内人员的轨迹，难以确定场所内人员的购物偏好或消费习惯等等。与此同时，对于消费者而言，大规模商业场所也给其带来了人流量过大或信息量过大等烦扰，从而影响了消费者的购物体验。
因此，本领域亟需一种提升商业场所内的人员管理效率，又能提升消费者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管理者难以追踪场所内人员的轨迹，难以确定场所内人员的购物偏好或消费习惯，消费者因过大的人流量和信息量而影响购物体验，人员管理效率低下等问题。
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人员轨迹的跟踪方法，应用于计算机设备；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行人检测分析，以获取所述人员的人体特征信息及当前位置信息；利用目标跟踪算法并根据所述人员的人体特征信息及当前位置信息，对位于商业场所内的人员进行轨迹跟踪，以获取待跟踪人员在商业场所内的基于时间顺序的行踪轨迹；其中，所述行踪轨迹供用于管理商业场所内一或多个商户区域的到访人员。
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，所述方法还包括：根据所述人体特征信息和行踪轨迹构建对应的人员画像；其中，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，所述方法还包括：根据人员画像预测所述人员的消费意图，并向所述人员反馈与其消费意图相关联的一或多个商户的商户信息；其中，所述商户信息包括：商户的人流信息、商户的交易信息、商户的折扣信息、商户在商业场所内的人流量排名信息、及商户在商业场所内的交易量排名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，所述方法包括：根据行人检测分析的结果信息识别所述人员所属的客户类别；根据所识别的客户类别生成对应的客户管理策略，并将所述客户管理策略发送至一或多名商业场所的管理人员。
于本申请的第一方面的一些实施例中，所述方法包括：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；基于比对的结果信息，统计滤除了该商业场所的工作人员后的人员流量。
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人员轨迹的跟踪装置，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及当前位置信息；目标跟踪模块，用于利用目标跟踪算法并根据所述人员的人体特征信息及当前位置信息，对位于商业场所内的人员进行轨迹跟踪，以获取待跟踪人员在商业场所内的基于时间顺序的行踪轨迹；其中，所述行踪轨迹供用于管理商业场所内一或多个商户区域的到访人员。
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人员轨迹的跟踪方法。
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人员轨迹的跟踪方法。
如上所述，本申请的商业场所内人员轨迹的跟踪方法、装置、终端、介质、及系统，具有以下有益效果：本申请利于商业场所的管理者追踪场所内人员的轨迹，提升了人员管理效率，便于确定场所内人员的购物偏好或消费习惯，帮助消费者避免因过大的人流量或信息量而影响购物体验。
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人员轨迹的跟踪方法的流程示意图。
图3显示为本申请一实施例中商业场所内人员轨迹的跟踪装置的示意图。
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管理者难以追踪场所内人员的轨迹，难以确定场所内人员的购物偏好或消费习惯，消费者因过大的人流量和信息量而影响购物体验等问题，本申请提出商业场所内人员轨迹的跟踪方法、装置、终端、介质、及系统，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人体特征信息。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，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，以供提取所述人员的人体特征信息并分析该名人员的行踪轨迹方向是否发生变化。以图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为例，这两个图像采集装置均对准岔路口区域，用于采集人员在岔路口区域中的人体特征信息，以供分析人员在岔路口沿着箭头B右转，或沿着箭头C直走，抑或是沿着箭头D左转等等。
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，以供提取所述人员的人体特征信息并分析该名人员是否离开商业场所。以图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为例，这两个图像采集装置分别对准一安全出口区域，用于采集人员在安全出口区域的人体特征信息，以供分析人员是否从安全出口①或安全出口②离开。
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，以供提取所述人员的人体特征信息并分析该名人员在对应商户区域的逗留时间或者光顾次数等信息。以图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为例，设于商户区域1的第二图像采集装置可用于采集商户区域1和商户区域3附近人员的人体特征信息，以供分析这些人员在商户区域1或商户区域2的逗留时间或光顾次数等等；设于商户区域2的第二图像采集装置可用于采集商户区域2和商户区域4附近人员的人体特征信息，以供分析这些人员在商户区域2或商户区域4的逗留时间或光顾次数等等。
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，以供提取所述人员的人体特征信息并分析所述人员是否离开当前楼层，为后续楼层的管理工作做好铺垫。或者一或多第二图像采集装置12还可设于公共区域，用于采集公共区域人员的图像信息，以供提取所述人员的人体特征信息并分析所述人员当前的访问状态。
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人员轨迹的跟踪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人员轨迹的跟踪方法的流程示意图。本实施例中的跟踪方法包括步骤S201和步骤S202。
需说明的是，本申请中商业场所内人员轨迹的跟踪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 Digital Assistant，简称PDA)等个人电脑。所述后台管理设备也可以是服务器，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及当前位置信息。
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，利用目标跟踪算法并根据所述人员的人体特征信息及当前位置信息，对位于商业场所内的人员进行轨迹跟踪，以获取待跟踪人员在商业场所内的基于时间顺序的行踪轨迹；其中，所述行踪轨迹供用于管理商业场所内一或多个商户区域的到访人员。
所述目标跟踪算法是指在视频序列中的图像中找到感兴趣的目标运动位置的基于神经网络的深度学习算法。所述目标跟踪算法包括但不限于如MeanShift跟踪算法、Camshift跟踪算法、相似性度量算法、卡尔曼滤波器算法等等。
在一实施例中，所述商户区域的人员访问情况包括商户区域的人流量。优选的，所述方法包括：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；基于比对的结果信息，统计滤除了该商业场所的工作人员后的人员流量。也即，将商业场所的工作人员滤除后，统计商业场所内的顾客总流量以及分流至商业场所内各个商户区域中的顾客流量。
在一实施例中，所述方法还包括：根据所述人体特征信息和行踪轨迹构建对应的人员画像；其中，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。
在一实施例中，所述方法还包括：根据人员画像预测所述人员的消费意图，并向所述人员反馈与其消费意图相关联的一或多个商户的商户信息。其中，所述商户信息包括：商户的人流信息、商户的交易信息、商户的折扣信息、商户在商业场所内的人流量排名信息(如将商业场所内所有商户区域的人流量进行统计并排名)、及商户在商业场所内的交易量排名信息(如将商业场所内所有商户区域的今日交易量进行统计并排名)中的任一种或多种组合。
举例来说，根据人员画像中的年龄、性别等画像维度来预测之年龄和性别相符的消费意图；例如，一年轻女性进入家居场所内，可预测这名女性的消费意图可能是购买较为时尚的家具，则可向其反馈一些时尚店铺的信息。或者，根据人员画像中的商户逗留时间或者商户光顾次数等画像维度来预测对应的消费意图；例如，一名人员在商业场所内多次光顾不同的沙发专卖店或逗留沙发专卖店的时间较长，可预测这名人员的消费意图可能是购买沙发，则可向其反馈沙发店铺的信息。再或者，根据人员画像中的消费金额这一画像维度来预测与之画像相符的消费意图。例如，一名人员每次进入商业场所内的消费金额都非常高，可预测该名人员的消费意图可能是购买较为名贵的物品，则可向其反馈高档店铺的信息。
需说明的是，本实施例中的预测消费意图，不仅包括根据人员画像所预测的所述人员可能购买的物品，还包括与所述可能购买的物品相配套或相关联的其他物品。以意图购买沙发的顾客为例，在预测到所述人员有购买沙发的意图后，不仅可向其反馈沙发专卖店的信息，还可向其反馈与沙发配套或关联的一些店铺的信息，如销售有茶几、茶具、沙发垫等物品的店铺的信息等等。
在一实施例中，所述向所述人员反馈与其消费意图相关联的一或多个商户的商户信息的步骤包括：将所述商户信息发送至与所述人员的当前位置最为接近的一或多个导购屏，以供所述导购屏向外展示所述商户信息。其中，可由图像采集装置确定待导购人员当前的位置信息，再由所述待导购人员当前的位置信息确定离该位置最接近的一或多个导购屏，通过导购屏对待导购人员展示导购信息。另外，导购屏向外展示商品信息的方式包括但不限于利用显示屏展示或者利用语音播放器播放等等。
在一实施例中，所述方法包括：根据行人检测分析的结果信息识别所述人员所属的客户类别；根据所识别的客户类别生成对应的客户管理策略，并将所述客户管理策略发送至一或多名商业场所的管理人员。
所述客户类别例如优质客户类别、首次到访客户类别、黑名单客户类别、或者短暂逗留人员类别等等。具体的，可根据进入商业场所的人员的图像信息提取脸部特征信息，并与系统预存的客户信息做比对，根据比对的结果信息判断该名顾客的类型。
例如：若在预存的客户信息中并无匹配项，则可判断这位客户首次到访；若在预存的客户信息中有匹配项并且这位客户的历史购物量较大或购物次数较多，则可判断这位客户为优质客户；若在预存的客户信息中有匹配项并且这位客户的历史记录不良(如拖欠付款等)，则可判断这位客户为黑名单客户；若在预存的客户信息中并无匹配项而且这位客户的逗留时间较短，则可判断这位客户为短暂逗留人员(如外卖人员或快递人员等等)。
所述商业场所的管理人员包括但不限于商业场所的负责人、商业场所的安保人员、各商户区域的负责人或工作人员等等。
针对不同的客户类别生成不同的客户管理策略，并可通过短信、系统播报、无线电通讯等方式将客户管理策略发送至所述商业场所的管理人员，例如：针对首次到访的客户，可生成含有商业场所及商户区域简介的客户管理策略；针对黑名单客户，可生成提示各商户区域或安保人员提高警惕的客户管理策略；针对优质客户，则可生成含有新品介绍或优惠信息的客户管理策略等等。
如图3所示，展示本申请一实施例中商业场所内人员轨迹的跟踪装置的示意图。所述跟踪装置包括行人检测模块31和目标跟踪模块32；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及当前位置信息；目标跟踪模块32用于利用目标跟踪算法并根据所述人员的人体特征信息及当前位置信息，对位于商业场所内的人员进行轨迹跟踪，以获取待跟踪人员在商业场所内的基于时间顺序的行踪轨迹；其中，所述行踪轨迹供用于管理商业场所内一或多个商户区域的到访人员。
应理解的是，本实施例中跟踪装置的实施方式与上文中商业场所内人员轨迹的跟踪方法的实施方式类似，故不再赘述。所述商业场所内人员轨迹的跟踪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和存储器42；存储器42通过系统总线与处理器41连接并完成相互间的通信，存储器42用于存储计算机程序，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人员轨迹的跟踪方法的各个步骤。
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。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人员轨迹的跟踪方法。
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人员轨迹的跟踪方法、装置、终端、介质、及系统，本申请提供的技术方案利于商业场所的管理者追踪场所内人员的轨迹，确定场所内人员的购物偏好或消费习惯，帮助消费者避免因过大的人流量或信息量而影响购物体验。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 (9)
1.一种商业场所内人员轨迹的跟踪方法，其特征在于，应用于计算机设备；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行人检测分析，以获取所述人员的人体特征信息及当前位置信息；
利用目标跟踪算法并根据所述人员的人体特征信息及当前位置信息，对位于商业场所内的人员进行轨迹跟踪，以获取待跟踪人员在商业场所内的基于时间顺序的行踪轨迹；其中，所述行踪轨迹供用于管理商业场所内一或多个商户区域的到访人员。
2.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。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述人体特征信息和行踪轨迹构建对应的人员画像；其中，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。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
根据人员画像预测所述人员的消费意图，并向所述人员反馈与其消费意图相关联的一或多个商户的商户信息；
其中，所述商户信息包括：商户的人流信息、商户的交易信息、商户的折扣信息、商户在商业场所内的人流量排名信息、及商户在商业场所内的交易量排名信息中的任一种或多种组合。
5.根据权利要求1所述的方法，其特征在于，所述方法包括：
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；
基于比对的结果信息，统计滤除了该商业场所的工作人员后的人员流量。
6.一种商业场所内人员轨迹的跟踪装置，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及当前位置信息；
目标跟踪模块，用于利用目标跟踪算法并根据所述人员的人体特征信息及当前位置信息，对位于商业场所内的人员进行轨迹跟踪，以获取待跟踪人员在商业场所内的基于时间顺序的行踪轨迹；其中，所述行踪轨迹供用于管理商业场所内一或多个商户区域的到访人员。
7.一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5中任一项所述商业场所内人员轨迹的跟踪方法。
8.一种电子终端，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5中任一项所述商业场所内人员轨迹的跟踪方法。
9.一种商业场所内人员轨迹的跟踪系统，其特征在于，包括：
一或多第一图像采集装置，设于商业场所的出入口，用于采集进入商业场所内的人员的图像信息；
一或多第二图像采集装置，分设于商业场所内一或多个商户区域附近，用于采集进入商户区域中的人员的图像信息；
处理装置，其通信连接所述第一图像采集装置和第二图像采集装置；
其中，所述处理装置从第一图像采集装置获取图像信息，并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及当前位置信息；所述处理装置还从第二图像采集装置获取图像信息，并利用目标跟踪算法且根据所述人员的人体特征信息及当前位置信息，对位于商业场所内的人员进行轨迹跟踪，以获取待跟踪人员在商业场所内的基于时间顺序的行踪轨迹；其中，所述行踪轨迹供用于管理商业场所内一或多个商户区域的到访人员。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910735416.0A CN112351389A (zh) | 2019-08-09 | 2019-08-09 | 商业场所内人员轨迹的跟踪方法、装置、终端、介质、系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910735416.0A CN112351389A (zh) | 2019-08-09 | 2019-08-09 | 商业场所内人员轨迹的跟踪方法、装置、终端、介质、系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112351389A true CN112351389A (zh) | 2021-02-09 |
Family
ID=74367010
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910735416.0A Pending CN112351389A (zh) | 2019-08-09 | 2019-08-09 | 商业场所内人员轨迹的跟踪方法、装置、终端、介质、系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112351389A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113159632A (zh) * | 2021-05-06 | 2021-07-23 | 重庆国科应用技术研究所有限公司 | 一种基于用户画像的楼宇管理方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015025490A1 (ja) * | 2013-08-21 | 2015-02-26 | 日本電気株式会社 | 店舗内顧客行動分析システム、店舗内顧客行動分析方法および店舗内顧客行動分析プログラム |
| CN105095831A (zh) * | 2014-05-04 | 2015-11-25 | 深圳市贝尔信智能系统有限公司 | 一种人脸识别的方法、装置及系统 |
| 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 |
| CN109448026A (zh) * | 2018-11-16 | 2019-03-08 | 南京甄视智能科技有限公司 | 基于头肩检测的客流统计方法和系统 |
| CN109858358A (zh) * | 2018-12-28 | 2019-06-07 | 深圳供电局有限公司 | 楼宇间人员轨迹跟踪方法及其系统、计算机可读存储介质 |
-
2019
- 2019-08-09 CN CN201910735416.0A patent/CN112351389A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015025490A1 (ja) * | 2013-08-21 | 2015-02-26 | 日本電気株式会社 | 店舗内顧客行動分析システム、店舗内顧客行動分析方法および店舗内顧客行動分析プログラム |
| CN105095831A (zh) * | 2014-05-04 | 2015-11-25 | 深圳市贝尔信智能系统有限公司 | 一种人脸识别的方法、装置及系统 |
| 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 |
| CN109448026A (zh) * | 2018-11-16 | 2019-03-08 | 南京甄视智能科技有限公司 | 基于头肩检测的客流统计方法和系统 |
| CN109858358A (zh) * | 2018-12-28 | 2019-06-07 | 深圳供电局有限公司 | 楼宇间人员轨迹跟踪方法及其系统、计算机可读存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 徐光柱, 上海交通大学出版社 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113159632A (zh) * | 2021-05-06 | 2021-07-23 | 重庆国科应用技术研究所有限公司 | 一种基于用户画像的楼宇管理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9922271B2 (en) | Object detection and classification | |
| CN110033298B (zh) | 信息处理设备及其控制方法、系统和存储介质 | |
| US20030048926A1 (en) | Surveillance system, surveillance method and surveillance program | |
| JP6500374B2 (ja) | 画像処理装置及び画像処理プログラム | |
| TWI754456B (zh) | 區域部署方法、裝置及電腦可讀取記錄媒體 | |
| CN109902644A (zh) | 人脸识别方法、装置、设备和计算机可读介质 | |
| WO2021043089A1 (zh) | 一种客流量统计方法、装置、设备及计算机可读存储介质 | |
| Hasanuzzaman et al. | Monitoring activity of taking medicine by incorporating RFID and video analysis | |
| US11068873B1 (en) | Methods, systems, apparatuses, and devices for facilitating advertising of a product | |
| AU2017231602A1 (en) | Method and system for visitor tracking at a POS area | |
| JP2022042014A (ja) | 制御方法、プログラム、情報処理装置、及び情報処理システム | |
| WO2022142899A1 (zh) | 商铺销售数据分析方法、装置、电子设备及存储介质 | |
| CN112348543A (zh) | 商业场所内的智能导购方法、装置、终端、介质、系统 | |
| Wu et al. | Hierarchical dynamic depth projected difference images–based action recognition in videos with convolutional neural networks | |
| CN112351389A (zh) | 商业场所内人员轨迹的跟踪方法、装置、终端、介质、系统 | |
| JP2017130061A (ja) | 画像処理システム、画像処理方法およびプログラム | |
| US11587122B2 (en) | System and method for interactive perception and content presentation | |
| Alghaili et al. | Deep feature learning for gender classification with covered/camouflaged faces | |
| CN111951043A (zh) | 信息投放处理方法、装置、存储介质与电子设备 | |
| US20220172271A1 (en) | Method, device and system for recommending information, and storage medium | |
| Krockel et al. | Intelligent processing of video streams for visual customer behavior analysis | |
| 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 | |
| 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 | |
| TWM593011U (zh) | 影像辨識系統 | |
| JP2019083058A (ja) | 画像処理装置及び画像処理プログラム |
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 |