CN112597880A - 客流批次识别方法、装置、计算机设备及可读存储介质 - Google Patents
客流批次识别方法、装置、计算机设备及可读存储介质 Download PDFInfo
- Publication number
- CN112597880A CN112597880A CN202011519674.4A CN202011519674A CN112597880A CN 112597880 A CN112597880 A CN 112597880A CN 202011519674 A CN202011519674 A CN 202011519674A CN 112597880 A CN112597880 A CN 112597880A
- Authority
- CN
- China
- Prior art keywords
- person
- persons
- batch
- passenger flow
- accompanying
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 abstract description 7
- 238000013461 design Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种客流批次识别方法、装置、计算机设备及可读存储介质,涉及数据处理技术领域,解决了仅以时间维度识别客流批次的方式不准确的问题。该客流批次识别方法包括:获取至少两个人脸信息;确定至少两个人脸信息对应的人物中每两个人物的伴随参数;伴随参数包括伴随次数和目标图像采集区域的数量;在确定第一人物和第二人物的伴随参数满足第一预设条件的情况下,确定第一人物和第二人物属于同一批次;第一人物和第二人物不同,且均为至少两个人脸信息对应的人物中任一人物;第一预设条件包括:伴随值大于第一阈值,且目标图像采集区域的数量大于第二阈值;伴随值用于表征两个人物的总伴随次数。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及一种客流批次识别方法、装置、计算机设备及可读存储介质。
背景技术
目前,常用的客流批次识别方法通常是:将同一时间段内进入某一场所的客户确定为同一批次客户,待该场所当日的营业时间结束后,基于当日的客流数据重新计算当日的客流批次,实现客流批次的校正。
但是,这种识别客流批次的方式,仅能识别出同一时间段内出现在场所入口的客户,而同一时间段内出现在场所入口的多个客户,可能并不是同行的一批人。因此这种仅以时间维度识别客流批次的方式不准确。
发明内容
本申请提供了一种客流批次识别方法、装置、计算机设备及可读存储介质,解决了仅以时间维度识别客流批次的方式不准确的问题。
为达到上述目的,本申请采用如下技术方案:
第一方面,本申请提供了一种客流批次识别方法,该客流批次识别方法应用于客流批次识别装置,客流批次识别装置获取至少两个人脸信息,并确定至少两个人脸信息对应的人物中每两个人物的伴随参数。之后,客流批次识别装置在确定两个人物(第一人物和第二人物)之间的伴随参数满足第一预设条件的情况下,确定第一人物和第二人物属于同一批次。
其中,伴随参数包括伴随次数和目标图像采集区域的数量;伴随次数用于表征两个人物在预设时间段内,出现在同一个图像采集区域的次数;目标图像采集区域为两个人物伴随出现过的图像采集区域。第一人物和第二人物不同,且均为至少两个人脸信息对应的人物中任一人物。人脸信息为分析预设区域内的图像采集设备采集的人脸图像得到的信息。一个图像采集设备对应一个图像采集区域。第一预设条件包括:伴随值大于第一阈值,且目标图像采集区域的数量大于第二阈值;伴随值用于表征两个人物的总伴随次数。
可以看出,本申请提供的客流批次识别方法中,客流批次识别装置是根据伴随参数确定不同人物是否属于同一批次。本申请的伴随参数包括了伴随次数和目标图像采集区域的数量,伴随次数表征了两个人物在预设时间段内,出现在同一个图像采集区域的次数;目标图像采集区域为在预设时间段内,两个人物均出现过的图像采集区域,也就是说,伴随参数能够准确的反映出两个人伴随的情况,这样,本申请确定出的批次比较准确。
在一种可能的设计方式中,上述“确定第一人物和第二人物属于同一批次”的方法包括:在确定第一人物和第二人物的批次均不存在情况下,确定第一人物和第二人物属于第一新建批次。在第一人物属于第一批次,第二人物的批次不存在的情况下,确定第二人物属于第一批次。在第一人物属于第一批次,第二人物属于第二批次的情况下,确定第一人物和第二人物属于合并批次。其中,合并批次包括第一批次中的人物和第二批次中的人物,第一批次和第二批次不同。
上述方案中,根据第一人物所属的批次和第二人物所属的批次,确定出第一人物和第二人物所在的同一批次中的所有成员。这样,第一人物和第二人物所在的同一批次中的成员不再是仅仅包括第一人物和第二人物,提高了识别出的客流批次的准确度。
在一种可能的设计方式中,在上述“确定第一人物和第二人物属于同一批次”之前,该客流批次识别方法还包括:确定至少两个人脸信息对应的每个人物的类型,并根据每个人物的类型,确定至少两个人脸信息对应的人物中,类型为非工作人员的人物。之后,从类型为非工作人员的人物中,确定第一人物和第二人物。其中,类型包括预设区域内的工作人员和非工作人员。
上述方案中,客流批次识别装置从预设区域内的非工作人员中,确定出伴随参数满足第一预设条件的第一人物和第二人物,排除了预设区域内的工作人员对客流批次识别结果的影响,进一步提高了识别出的客流批次的准确度。
在一种可能的设计方式中,该客流批次识别方法还包括:客流批次识别装置针对属于第一目标批次的每个第四人物,确定第三人物与第四人物的伴随次数,并根据第三人物与各个第四人物的伴随次数,确定第三人物对应第一目标批次的目标伴随值。之后,若目标伴随值满足第二预设条件,确定第三人物的批次为第一目标批次。其中,第三人物的类型为工作人员,第四人物的类型为非工作人员。
上述方案中,客流批次识别装置确定第一目标批次中的人物与预设区域内工作人员的伴随次数,并根据预设区域内工作人员对应第一目标批次的目标伴随值,确定预设区域内工作人员所在的批次。这样,客流批次识别装置将预设区域内的工作人员有选择性的加入对应的批次,方便相关管理人员更加全面的掌握该预设区域内的客流情况和工作人员的接待情况。
在一种可能的设计方式中,该客流批次识别方法还包括:根据第二目标批次中每两个人物的伴随参数,以及第二目标批次中的第五人物与非第二目标批次中的第六人物的伴随参数,确定第二目标批次的置信度。其中,置信度用于表征第二目标批次中人物信息的可信度;第五人物的类型为非工作人员,第六人物的类型为非工作人员。
上述方案中,客流批次识别装置根据一个批次中成员之间的伴随参数确定该批次的置信度。提供了一种批次置信度的量化方式,在保证批次信息更加全面的前提下,方便相关管理人员掌握批次中成员信息的可信度。
在一种可能的设计方式中,上述“确定至少两个人脸信息对应的人物中每两个人物的伴随次数”的方法包括:客流批次识别装置对至少两个人脸信息中的每两个人脸信息执行统计操作,以确定每两个人物的伴随次数。其中,统计操作包括:在预设时间段内,确定两个人物出现在一个图像采集区域的情况下,将两个人物之间的伴随次数更新为当前的伴随次数与预设步长之和。两个人物为至少两个人脸信息对应的人物中任两个人物一个图像采集区域为预设区域中任一图像采集区域两个人物之间的伴随次数的初始值为零。
在一种可能的设计方式中,上述预设步长为图像采集区域在预设区域中的权重值。
第二方面,本申请提供一种客流批次识别装置。该客流批次识别装置包括获取模块和确定模块。获取模块,用于获取至少两个人脸信息;人脸信息为分析预设区域内的图像采集设备采集的人脸图像得到的信息。确定模块,用于:确定至少两个人脸信息对应的人物中每两个人物的伴随参数,并在确定第一人物和第二人物的伴随参数满足第一预设条件的情况下,确定第一人物和第二人物属于同一批次。
其中,伴随参数包括伴随次数和目标图像采集区域的数量。伴随次数用于表征两个人物在预设时间段内,出现在同一个图像采集区域的次数。目标图像采集区域为两个人物伴随出现过的图像采集区域。一个图像采集设备对应为一个图像采集区域。第一人物和第二人物不同,且均为至少两个人脸信息对应的人物中任一人物。第一预设条件包括:伴随值大于第一阈值,且目标图像采集区域的数量大于第二阈值。伴随值用于表征两个人物的总伴随次数。
在一种可能的设计方式中,确定模块,具体用于:确定模块,具体用于:在确定第一人物和第二人物的批次均不存在情况下,确定第一人物和第二人物属于第一新建批次。在第一人物属于第一批次,第二人物的批次不存在的情况下,确定第二人物属于第一批次。在第一人物属于第一批次,第二人物属于第二批次的情况下,确定第一人物和第二人物属于合并批次。其中,合并批次包括第一批次中的人物和第二批次中的人物,第一批次和第二批次不同。
在一种可能的设计方式中,确定模块,还用于:确定至少两个人脸信息对应的每个人物的类型,并根据每个人物的类型,确定至少两个人脸信息对应的人物中,类型为非工作人员的人物。之后,从类型为非工作人员的人物中,确定第一人物和第二人物。其中,类型包括预设区域内的工作人员和非工作人员;
在一种可能的设计方式中,确定模块,还用于:针对属于第一目标批次的每个第四人物,确定第三人物与第四人物的伴随次数,并根据第三人物与各个第四人物的伴随次数,确定第三人物对应第一目标批次的目标伴随值。若目标伴随值满足第二预设条件,确定第三人物的批次为第一目标批次。其中,第三人物的类型为工作人员,第四人物的类型为非工作人员。
在一种可能的设计方式中,确定模块,还用于:根据第二目标批次中每两个人物的伴随参数,以及第二目标批次中的第五人物与非第二目标批次中的第六人物的伴随参数,确定第二目标批次的置信度。置信度用于表征第二目标批次中人物信息的可信度。第五人物的类型为非工作人员,第六人物的类型为非工作人员。
在一种可能的设计方式中,确定模块,还用于:对至少两个人脸信息中的每两个人脸信息执行统计操作,以确定每两个人物的伴随次数。其中,统计操作包括:在预设时间段内,确定两个人物出现在一个图像采集区域的情况下,将两个人物之间的伴随次数更新为当前的伴随次数与预设步长之和。两个人物为至少两个人脸信息对应的人物中任两个人物,一个图像采集区域为预设区域中任一图像采集区域,两个人物之间的伴随次数的初始值为零。
在一种可能的设计方式中,预设步长为图像采集区域在预设区域中的权重值。
第三方面,本申请提供一种计算机设备,该计算机设备包括存储器和处理器。上述存储器和处理器耦合。该存储器用于存储计算机程序代码,该计算机程序代码包括计算机指令。当处理器执行该计算机指令时,计算机设备执行如第一方面及其任一种可能的设计方式所述的客流批次识别方法。
第四方面,本申请提供一种芯片系统,该芯片系统应用于客流批次识别装置;所述芯片系统包括一个或多个接口电路,以及一个或多个处理器。所述接口电路和所述处理器通过线路互联;所述接口电路用于从所述客流批次识别装置的存储器接收信号,并向所述处理器发送所述信号,所述信号包括所述存储器中存储的计算机指令。当所述处理器执行所述计算机指令时,所述客流批次识别装置执行如第一方面及其任一种可能的设计方式所述的客流批次识别方法。
第五方面,本申请提供一种计算机可读存储介质,该计算机可读存储介质包括计算机指令,当所述计算机指令在客流批次识别装置上运行时,使得所述客流批次识别装置执行如第一方面及其任一种可能的设计方式所述的客流批次识别方法。
第六方面,本申请提供一种计算机程序产品,该计算机程序产品包括计算机指令,当所述计算机指令在客流批次识别装置上运行时,使得所述客流批次识别装置执行如第一方面及其任一种可能的设计方式所述的客流批次识别方法。
本申请中第三方面到第六方面及其各种实现方式的具体描述,可以参考第一方面及其各种实现方式中的详细描述;并且,第二方面到第六方面及其各种实现方式的有益效果,可以参考第一方面及其各种实现方式中的有益效果分析,此处不再赘述。
本申请的这些方面或其他方面在以下的描述中会更加简明易懂。
附图说明
图1为本申请实施例提供的客流批次识别系统的一种结构示意图;
图2A为本申请实施例提供的客流批次识别方法的原理示意图之一;
图2B为本申请实施例提供的客流批次识别方法的原理示意图之二;
图2C为本申请实施例提供的客流批次识别方法的原理示意图之三;
图3为本申请实施例提供的计算装置的一种结构示意图;
图4为本申请实施例提供的客流批次识别方法的流程示意图之一;
图5为本申请实施例提供的预设区域内的图像采集设备的一种场景示意图;
图6为本申请实施例提供的客流批次识别方法的流程示意图之二;
图7为本申请实施例提供的客流批次识别方法的流程示意图之三;
图8为本申请实施例提供的客流批次识别方法的流程示意图之四;
图9为本申请实施例提供的客流批次识别装置的一种结构示意图。
具体实施方式
以下,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本实施例的描述中,除非另有说明,“多个”的含义是两个或两个以上。
首先为了便于理解,对本申请涉及到的相关术语进行解释。
客流批次:指在某一场所同行的一批人,可以一个人组成一个客流批次,也可以多个人组成一个客流批次。本申请涉及到的批次皆指客流批次。
预设区域:待统计客流批次的场所,例如,展厅、超市、候车室等。
图像采集区域:指图像采集设备的可视区域。该图像采集设备可以是相机、抓拍机、摄像机等,图像采集设备的类型可以是球机、半球机、筒机、迷你机、针孔机等。
图像采集设备的可视区域可以指图像采集设备在角度、焦距等参数固定情况下最大可以获取的画面的区域范围。容易理解的是,若图像采集设备为可调整图像采集设备(如球机),则该图像采集设备在不同角度、不同焦距时的可视区域不同。
伴随次数:指两个人物在预设时间段内,出现在某一图像采集区域的次数。例如,两个人物在5分钟内,出现在同一个业务窗口(一个图像采集区域),则确定该两个人物的伴随一次。
批次的置信度:指某一客流批次中人物信息的可信度。置信度的取值大于0,且小于或者等于1。
目前,通常是将同一时间段内进入某一场所的客户确定为同一批次客户,待该场所当日的营业时间结束后,基于当日的客流数据重新计算当日的客流批次,实现客流批次的校正。但是,这种识别客流批次的方式,仅能识别出同一时间段内出现在场所入口的客户,而同一时间段内出现在场所入口的多个客户,可能并不是同行的一批人。因此这种仅以时间维度识别客流批次的方式不准确。
本申请实施例提供一种客流批次识别方法,能够基于人物的伴随参数确定不同人物是否属于同一批次。其中,伴随参数表征两个人物在预设时间段内,出现在同一个图像采集区域的次数和图像采集区域的数量。即伴随参数能够准确的反映出两个人伴随的情况,从而确定出的批次比较准确。
本申请实施例提供的客流批次识别方法可以适用于客流批次识别系统。图1示出了该客流批次识别系统的一种结构。如图1所示,本申请实施例提供的客流批次识别系统包括多个图像采集设备10、服务器11以及终端12。服务器11与多个图像采集设备10中的每个图像采集设备10均通信连接,服务器11还与终端12通信连接。
服务器11可以为各种个人计算机、笔记本电脑、智能手机、平板电脑等计算设备。在一些实施例中,服务器11可以是一台服务器,也可以是由多台服务器组成的服务器集群,还可以是云服务器,本公开对此不做限定。
图像采集设备10可以为用于采集人脸图像的设备,例如:相机、抓拍机、摄像机等。
终端12可以包括但不限于诸如:移动终端、可穿戴式设备、个人计算机等。其中移动终端可以包括诸如手机、平板电脑、笔记本电脑、个人数字助理(personal digitalassistant,PDA)等。可穿戴式设备可以包括诸如智能手表、智能眼镜、智能手环、虚拟现实设备、增强现实设备、混合现实设备(即可以支持虚拟现实和增强现实的设备)等等,本公开对此不做限定。
在服务器11连接一个图像采集设备10的场景中,服务器11和图像采集设备10可以集成在一个设备中,也可以位于相互独立的两个设备中,本申请实施例对服务器11和图像采集设备10的位置关系不作任何限定。本申请实施例下述内容以服务器11和图像采集设备10位于相互独立的设备为例进行说明。
现结合图1对本申请提供的客流批次识别方法的原理进行说明。
如图2A所示,本申请实施例中设置在预设区域内的多个图像采集设备10,在采集到(或者拍摄到)人脸图像时,向与图像采集设备10连接的服务器11发送该人脸图像。服务器11在接收到多个图像采集设备10发送的人脸图像后,采用本申请实施例提供的客流批次识别方法识别至少两个人脸图像对应的人物的批次。服务器11在识别出至少两个人脸图像对应的人物的批次之后,向与服务器11连接的终端12发送批次信息。
如图2B所示,本申请实施例中布置在预设区域内的多个图像采集设备10,在采集到(拍摄到或者探测到)人脸图像时,向与图像采集设备10连接的服务器11发送该人脸图像。服务器11在接收到多个图像采集设备10发送的人脸图像后,对人脸图像进行分析处理得到人脸信息,并向终端12发送该人脸图像对应的人脸信息,或该人脸图像和该人脸图像对应的人脸信息。终端12接收到至少两个人脸图像对应的人脸信息之后,采用本申请实施例提供的客流批次识别方法识别至少两个人脸图像对应的人物的批次。
如图2C所示,本申请实施例中布置在预设区域内的多个图像采集设备10,在采集到(拍摄到或者探测到)人脸图像后,对人脸图像进行分析处理得到人脸信息,向与图像采集设备10连接的服务器11发送该人脸图像对应的人脸信息,或该人脸图像和该人脸图像对应的人脸信息。服务器11在接收到多个图像采集设备10发送的人脸信息后,采用本申请实施例提供的客流批次识别方法识别至少两个人脸信息对应的人物的批次之后,向与服务器11连接的终端12发送批次信息。
上述多个图像采集设备10、服务器11以及终端12的基本硬件结构类似,都包括图3所示计算装置所包括的元件。下面以图3所示的计算装置为例,介绍多个图像采集设备10、服务器11以及终端12的硬件结构。
如图3所示,计算装置可以包括处理器31,存储器32、通信接口33、总线34。处理器31,存储器32以及通信接口33之间可以通过总线34连接。
处理器31是计算装置的控制中心,可以是一个处理器,也可以是多个处理元件的统称。例如,处理器31可以是一个通用中央处理单元(central processing unit,CPU),也可以是其他通用处理器等。其中,通用处理器可以是微处理器或者是任何常规的处理器等。
作为一种实施例,处理器31可以包括一个或多个CPU,例如图3中所示的CPU 0和CPU1。
存储器32可以是只读存储器(read-only memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(random access memory,RAM)或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electricallyerasable programmable read-only memory,EEPROM)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
一种可能的实现方式中,存储器32可以独立于处理器31存在,存储器32可以通过总线34与处理器31相连接,用于存储指令或者程序代码。处理器31调用并执行存储器32中存储的指令或程序代码时,能够实现本申请下述实施例提供的客流批次识别方法。
在本申请实施例中,对于图像采集设备10、服务器11以及终端12而言,存储器32中存储的软件程序不同,所以图像采集设备10、服务器11以及终端12实现的功能不同。关于各设备所执行的功能将结合下面的流程图进行描述。
另一种可能的实现方式中,存储器32也可以和处理器31集成在一起。
通信接口33,用于计算装置与其他设备通过通信网络连接,所述通信网络可以是以太网,无线接入网(radio access network,RAN),无线局域网(wireless local areanetworks,WLAN)等。通信接口33可以包括用于接收数据的接收单元,以及用于发送数据的发送单元。
总线34,可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component Interconnect,PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture,EISA)总线等。该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3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。
需要指出的是,图3中示出的结构并不构成对该计算装置的限定,除图3所示部件之外,该计算装置可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本申请实施例提供的客流批次识别方法的执行主体为客流批次识别装置。该客流批次识别装置可以是上述服务器11或者终端12;也可以是上述服务器11中的CPU,或者终端12中的CPU;还可以是上述服务器11中用于识别客流批次的控制模块,或者终端12中用于识别客流批次的控制模块;还可以是上述服务器11中用于识别客流批次的客户端,或者终端12中用于识别客流批次的客户端。本申请实施例以服务器11(或者终端12)执行客流批次识别方法为例,对本申请提供的客流批次识别方法进行说明。
下面结合附图对本申请实施例提供的客流批次识别方法进行描述。
如图4所示,本申请实施例提供的客流批次识别方法包括如下步骤。
步骤41:客流批次识别装置获取至少两个人脸信息。
其中,人脸信息为分析预设区域内的图像采集设备采集的人脸图像得到的信息。
具体的,相关人员在预设区域内的不同子区域设置不同的图像采集设备(图像采集设备覆盖的区域为图像采集区域),用来采集人脸图像。示例性的,图5提供一种预设区域内的图像采集设备的场景示意图,该场景包括图像采集设备21-26和区域A-F,其中,图像采集设备21-26的采集区域覆盖区域A-F,即区域A-F为图像采集设备21-26的图像采集区域,具体的,图像采集设备21的图像采集区域为区域A,图像采集设备22的图像采集区域为区域B,图像采集设备23的图像采集区域为区域C,图像采集设备24的图像采集区域为区域D,图像采集设备25的图像采集区域为区域E,图像采集设备26的图像采集区域为区域F。
之后,客流批次识别装置若确定从预设区域内的多个图像采集设备处获取到的是人脸图像,则对人脸图像进行分析处理,得到至少两个人脸信息。具体的,客流批次识别装置采用人脸识别算法对至少两个人脸图像进行分析处理,得到至少两个人脸图像的人脸信息。该人脸信息信息可以为人脸结构化数据,人脸信息包括图像标识(identity document,ID)、图像统一资源定位符(uniform resource locator,URL)、人物ID、图像采集设备ID、采集时间、采集地点、模型值等。
步骤42:客流批次识别装置确定至少两个人脸信息对应的人物中每两个人物的伴随参数。
伴随参数包括伴随次数和目标图像采集区域的数量;伴随次数用于表征两个人物在预设时间段内,出现在同一个图像采集区域的次数;目标图像采集区域为两个人物伴随出现过的图像采集区域;一个图像采集设备对应一个图像采集区域。其中,预设时间段为预设区域的相关人员,根据预设区域中人物流动的具体情况设定的经验值。
首先,客流批次识别装置对至少两个人脸信息中的每两个人脸信息执行统计操作,以确定每两个人物的伴随次数。其中,统计操作包括:在预设时间段内,确定两个人物出现在一个图像采集区域的情况下,将两个人物之间的伴随次数更新为当前的伴随次数与预设步长之和。
具体的,客流批次识别装置根据至少两个人脸信息中每个人脸信息中的采集时间和图像采集设备ID,确定至少两个人脸信息对应的人物中每两个人物的伴随次数。
具体的,客流批次识别装置在确定两个人物的人脸结构化数据中的采集时间的间隔小于预设时间段、图像采集设备ID相同的情况下,确定该两个人物出现在一个图像采集区域,并将该两个人物之间的伴随次数增加预设步长,同时记录采集到该两个人物的人脸图像的图像采集设备ID。其中,两个人物为至少两个人脸信息对应的人物中任两个人物;一个图像采集区域为预设区域中任一图像采集区域;两个人物之间的伴随次数的初始值为零。
例如,预设时间段为3分钟,在图5所示的预设区域中,图像采集设备21在00:00(24点整)采集到人物1的人脸图像,在00:01(24点01分)采集到人物3的人脸图像。这样,至少两个人脸图像对应人物1和人物3;人物1的人脸结构化数据中的采集时间为00:00(24点整),人物3的人脸结构化数据中的采集时间为00:01(24点01分)。
这样,客流批次识别装置根据图像采集设备的ID确定人物1和人物3的人脸图像均来自图像采集设备21,且人物1和人物3的人脸结构化数据中的采集时间间隔为1分钟(小于3分钟),则确定人物1和人物3的伴随次数增加预设步长。
可选的,预设步长为一个图像采集区域在预设区域中的权重值,(一般一个图像采集设备的可视区域为一个图像采集区域,因此,本申请中涉及的预设步长也可以为一个图像采集区域对应的图像采集设备,在预设区域中所有图像采集设备中的设备权重值),预设步长可以为默认值(如,预设步长为1),也可以为预设区域的相关人员根据预设区域中人物流动的具体情况设定的经验值。其中,0≤预设步长≤1。其中,权重值用于表征对于预设区域而言,一个图像采集区域的重要程度,权重值越大,该一个图像采集区域越重要。
需要注意的是,在确定出人物1和人物3之间的伴随参数之后,可以不再确定人物3和人物1之间的伴随参数。或者,在确定出人物1和人物3之间的伴随参数,人物3和人物1之间的伴随参数之后,任选一组(人物1和人物3之间的伴随参数,或者,人物3和人物1之间的伴随参数)作为人物1和人物3的伴随参数,以避免重复计算,增加计算量。
然后,根据图像采集设备ID合并至少两个人脸信息对应的人物中每两个人物的伴随次数,得到至少两个人脸信息对应的人物中每两个人物的伴随参数。
例如,结合图5,下表1包括根据图像采集设备ID合并后的人脸信息对应的人物中每两个人物的伴随参数。其中,图像采集设备22、图像采集设备24、图像采集设备26采集到人物1和人物3的人脸图像,即人物1和人物3的图像采集区域的数量为3。图像采集设备23和图像采集设备21采集到的人物1和人物2的人脸图像,即人物1和人物2的图像采集区域的数量为2。
表1
步骤43:客流批次识别装置判断第一人物和第二人物的伴随参数是否满足第一预设条件。
其中,第一人物和第二人物不同,且均为至少两个人脸信息对应的人物中任一人物。第一预设条件包括伴随值大于第一阈值,且目标图像采集区域的数量大于第二阈值,伴随值用于表征两个人物的总伴随次数。第一阈值为预设区域的相关人员,根据预设区域中人物流动的具体情况设定的经验值。第二阈值可以为默认值(如,第二阈值为1),也可以为预设区域的相关人员,根据预设区域中人物流动的具体情况设定的经验值。
步骤43a:客流批次识别装置在确定第一人物和第二人物的伴随参数不满足第一预设条件的情况下,获取其他至少两个人脸信息,并再次进行批次识别。
步骤43b:客流批次识别装置在确定第一人物和第二人物的伴随参数满足第一预设条件的情况下,确定第一人物和第二人物属于同一批次。
首先,客流批次识别装置根据至少两个人脸信息对应的人物中每两个人物的伴随参数和第一预设条件,在至少两个人脸信息对应的人物中确定出第一人物和第二人物。具体的,客流批次识别装置将至少两个人脸信息对应的人物中伴随参数满足第一预设条件的两个人物中的任一人物确定为第一人物,另一人物确定为第二人物。
之后,客流批次识别装置确定第一人物和第二人物属于同一批次。
具体的,客流批次识别装置在确定第一人物和第二人物的批次均不存在情况下,确定第一人物和第二人物属于第一新建批次。
在第一人物属于第一批次,第二人物的批次不存在的情况下,客流批次识别装置确定第二人物属于第一批次。例如,客流批次识别装置在确定第一批次包括人物A、人物B以及第一人物,且第二人物的批次不存在的情况下,则将第二人物归属于第一批次。此时,第一批次包括人物A、人物B、第一人物以及第二人物。
在第一人物属于第一批次,第二人物属于第二批次的情况下,客流批次识别装置确定第一人物和第二人物属于合并批次,合并批次包括第一批次中的人物和第二批次中的人物,第一批次和第二批次不同。例如,客流批次识别装置在确定第一批次包括人物A、人物B以及第一人物,第二批次包括人物C、人物E以及第二人物的情况下,客流批次识别装置确定第一人物和第二人物归属于第一批次和第二批次的合并批次。此时,合并批次包括人物A、人物B、人物C、人物E、第一人物以及第二人物。
可以看出,本申请提供的客流批次识别方法中,客流批次识别装置是根据伴随参数确定不同人物是否属于同一批次。本申请的伴随参数包括了伴随次数和目标图像采集区域的数量,而伴随次数表征了两个人物在预设时间段(预设时间间隔)内,出现在同一个图像采集区域的次数;目标图像采集区域为在预设时间段(预设时间间隔)内,两个人物均出现过的图像采集区域,也就是说,伴随参数能够准确的反映出两个人伴随的情况,这样,本申请确定出的批次比较准确。另外,上述方案中还根据第一人物所属的批次和第二人物所属的批次,确定出第一人物和第二人物所在的同一批次中的所有成员。这样,第一人物和第二人物所在的同一批次中的成员不再是仅仅包括第一人物和第二人物,进一步提高了识别出的客流批次的准确度。
可选的,结合上述图4,如图6所示,在步骤43之前,本申请实施例提供的客流批次识别方法还可以包括:
步骤42a:客流批次识别装置确定至少两个人脸信息对应的每个人物的类型。
其中,类型包括预设区域内的工作人员和非工作人员。
具体的,客流批次识别装置对至少两个人脸信息中的每个人脸信息执行处理操作,以确定至少两个人脸信息对应的每个人物的类型。其中,处理操作包括:在确定第一预设信息包括第一人脸信息的情况下,确定第一人脸信息对应的人物的类型为工作人员。在确定第一预设信息未包括第一人脸信息的情况下,确定第一人脸信息对应的人物的类型为非工作人员。第一预设信息包括预设区域内的工作人员的人脸信息;第一人脸信息为至少两个人脸信息中的任意一个。其中,在第一人脸信息与第一预设信息中的某一图像的相似度大于第三阈值时,确定第一预设信息中包括第一人脸信息。第三阈值为预设的,可以为默认值(如,第三阈值为80%),或者为预设区域的相关人员,根据预设区域中人物流动的具体情况设定的经验值。
示例性的,第一预设信息可以为预设区域内工作人员的人脸信息库,这样,在确定预设区域内工作人员的人脸信息库中包括第一人脸信息的情况下,确定第一人脸信息对应的人物为预设区域内的工作人员。在确定预设区域内工作人员的人脸信息库中没有包括第一人脸信息的情况下,确定第一人脸信息对应的人物为预设区域内的非工作人员(如,客户)。
上述方案中,客流批次识别装置将至少两个人脸信息中的每个人脸信息和第一预设信息进行比对,确定出至少两个人脸信息对应的人物中的工作人员和非工作人员,在识别至少两个人脸信息对应的人物的批次时,对区分出的工作人员和非工作人员进行分别处理,增加了识别客流批次的维度,进一步提高了识别出的客流批次的准确度。
可选的,客流批次识别装置在确定第二预设信息未包括第一人脸信息的情况下,存储第一人脸信息。第二预设信息包括预设区域内的非工作人员的人脸信息。同理,在第一人脸信息与第二预设信息中的某一图像的相似度大于第四阈值时,确定第二预设信息中包括第一人脸信息。第四阈值为预设的,可以为默认值(如,第四阈值为80%),或者为预设区域的相关人员,根据预设区域中人物流动的具体情况设定的经验值。
示例性的,第二预设信息可以为预设区域内非工作人员的人脸信息库,这样,在确定预设区域内非工作人员的人脸信息库中包括第一人脸信息的情况下,确定第一人脸信息对应的人物为预设区域内的非工作人员中,已经在预设区域内出现过的人物(即预设区域的老客户)。在确定预设区域内非工作人员的人脸信息库中没有包括第一人脸信息的情况下,确定第一人脸信息对应的人物为预设区域内的非工作人员中,没有在预设区域内出现过的人物(即预设区域的新客户)。这样,在确定第一人脸信息对应的人物为新客户的情况下,存储该新客户的人脸信息。
上述方案中,若确定第一人脸信息对应的人物为非工作人员,且未存储第一人脸信息,则确定第一人脸信息对应的人物以前未在预设区域出现过(如,第一次进入某一场所的客户),并存储第一人脸信息。这样,客流批次识别装置还能够识别出某一人物是否第一次出现在预设区域内,丰富了识别出的客流批次的内容。
步骤42b:客流批次识别装置根据每个人物的类型,确定至少两个人脸信息对应的人物中,类型为非工作人员的人物。
步骤42c:客流批次识别装置从类型为非工作人员的人物中,确定第一人物和第二人物。
具体的,客流批次识别装置根据类型为非工作人员的人物中每两个人物的伴随参数和第一预设条件,在类型为非工作人员的人物中确定出第一人物和第二人物。其中,确定第一人物和第二人物的方法与步骤43中相同,此处不再赘述。
上述方案中,客流批次识别装置从预设区域内的非工作人员中,确定出伴随参数满足第一预设条件的第一人物和第二人物,排除了预设区域内的工作人员对客流批次识别结果的影响,进一步提高了识别出的客流批次的准确度。
可选的,结合上述图4,如图7所示,在步骤43b之后,本申请实施例提供的客流批次识别方法还可以包括:
步骤44a:客流批次识别装置针对属于第一目标批次的每个第四人物,确定第三人物与所述第四人物的伴随次数。
其中,第三人物的类型为工作人员,第四人物的类型为非工作人员。伴随次数用于表征第三人物和第四人物在预设时间段内,出现在同一个图像采集区域的次数。
具体的,客流批次识别装置确定第一目标批次,并确定第一目标批次中的人物与类型为工作人员的人物(第三人物)之间的伴随次数。
步骤44b:客流批次识别装置根据第三人物与各个第四人物的伴随次数,确定第三人物对应第一目标批次的目标伴随值。
其中,目标伴随值用于表征一个人物与第一目标批次中所有第四人物之间的伴随次数之和。例如,第三人物对应第一目标批次的目标伴随值用于表征第三人物与第一目标批次中所有第四人物之间的伴随次数之和。
具体的,客流批次识别装置确定第一目标批次的候选人物列表(候选人物列表中包括第三人物),并确定候选人物列表中每个人物与第一目标批次中每个第四人物之间的目标伴随值。
步骤44c:若目标伴随值满足第二预设条件,确定第三人物的批次为第一目标批次。
其中,第二预设条件为目标伴随值最大,且大于预设阈值。预设阈值可以为默认值(如,预设阈值为1),也可以为预设区域的相关人员,根据预设区域中人物流动的具体情况设定的经验值。
具体的,若第三人物对应第一目标批次的目标伴随值是确定出的第一目标批次对应的目标伴随值中的最大值,且第三人物对应第一目标批次的目标伴随值大于预设阈值,则确定第三人物所在的批次为第一目标批次。其中,候选人物列表包括与第一目标批次中所有的第四人物之间伴随过的类型为工作人员的人物。
示例性的,预设阈值为1,人物e、人物a、人物b、人物c、人物d的类型均为非工作人员,第三人物、人物1、人物2类型均为工作人员。如下表2,第一目标批次包括人物e、人物a、人物b、人物c、人物d,人物e与第三人物的伴随次数为2,人物a与人物1的伴随次数为1,人物b与人物2的伴随次数为2,人物c与第三人物的伴随次数为3,人物d无与工作人员产生伴随次数的记录。
表2
非工作人员(第一目标批次) | 工作人员 | 伴随次数 |
人物e | 第三人物 | 2 |
人物a | 人物1 | 1 |
人物b | 人物2 | 2 |
人物c | 第三人物 | 3 |
人物d | / | / |
则第一目标批次的候选人物列表如下表3,包括候选人物列表中的人物,和候选人物列表中每个人物与第一目标批次中类型为非工作人员的人物之间的目标伴随值。
表3
候选人物列表中的人物 | 第三人物 | 人物2 | 人物1 |
目标伴随值 | 5 | 2 | 1 |
这样,第三人物与第一目标批次中类型为非工作人员的人物之间的目标伴随值为5次(大于预设阈值1),是确定出的目标伴随值中的最大值,则确定第三人物所在的批次为第一目标批次。
可选的,若在第一目标批次的候选人物列表中,存在与第一目标批次中类型为非工作人员的人物之间的伴随次数相同的两个或者两个以上候选人物(指候选人物列表中的人物),则按照需求选择其中一个候选人物加入第一目标批次。例如,任取一个候选人物,或者选择与第一目标批次中类型为非工作人员的人物之间接触时间最早的候选人物加入第一目标批次。
可选的,客流批次识别装置在确定第四人物的批次不存在的情况下,确定第三人物和第四人物属于第二新建批次。
上述方案中,客流批次识别装置确定第一目标批次中的人物与预设区域内工作人员的伴随次数,并根据预设区域内工作人员对应第一目标批次的目标伴随值,确定预设区域内工作人员所在的批次。这样,客流批次识别装置将预设区域内的工作人员有选择性的加入对应的批次,方便相关管理人员更加全面的掌握该预设区域内的客流情况和工作人员的接待情况。
可选的,结合上述图4,如图8所示,在步骤43b之后,本申请实施例提供的客流批次识别方法还可以包括:
步骤45:客流批次识别装置根据第二目标批次中每两个人物的伴随参数,以及第二目标批次中的第五人物与非第二目标批次中的第六人物的伴随参数,确定第二目标批次的置信度。
其中,置信度用于表征第二目标批次中人物信息的可信度。例如,第二目标批次的置信度为0.95表示第二目标批次中人物信息的可信度为95%。
具体的,第二目标批次的置信度满足公式C=A/(A+B);其中,C表示第二目标批次的置信度;A表示第二目标批次中每两个人物(包括类型为工作人员的人物)的伴随次数(批次内伴随次数,表示批次内成员之间的紧密度);B表示第二目标批次中的第五人物,与非第二目标批次中的第六人物的伴随次数(批次间伴随次数,表示批次间各人物的紧密度);第五人物的类型为非工作人员、第六人物的类型为非工作人员。
上述方案中,客流批次识别装置根据一个批次中成员之间的伴随参数确定该批次的置信度。提供了一种批次置信度的量化方式,在保证批次信息更加全面的前提下,方便相关管理人员掌握批次中成员信息的可信度。
可选的,在客流批次识别装置为服务器时,本申请实施例提供的客流批次识别方法还可以包括:服务器获取批次信息,并向终端发送批次信息。其中,批次信息包括第一人物和第二人物的批次。
可选的,上述批次信息还可以包括第一人物和第二人物的批次中,每个人物的类型、第一人物和第二人物的批次的置信度。
上述方案中,服务器在确定出第一人物和第二人物的批次之后,向终端发送批次信息,以便于相关管理人员掌握预设区域内的客流批次。
上述主要从方法的角度对本申请实施例提供的方案进行了介绍。为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本申请实施例还提供一种客流批次识别装置。该客流批次识别装置可以为服务器11或者终端12;也可以是服务器11中的CPU,或者终端12中的CPU;还可以是服务器11中用于识别客流批次的控制模块,或者终端12中用于识别客流批次的控制模块;还可以是服务器11中用于识别客流批次的客户端,或者终端12中用于识别客流批次的客户端。
如图9所示,为本申请实施例提供的一种客流批次识别装置的结构示意图。客流批次识别装置用于执行图4、图6-图8中所示的任一种客流批次识别方法。客流批次识别装置可以包括获取模块91和确定模块92。
获取模块91,用于获取至少两个人脸信息。人脸信息为分析预设区域内的图像采集设备采集的人脸图像得到的信息。例如,结合图4,获取模块91可以用于执行步骤41。确定模块92,用于:确定至少两个人脸信息对应的人物中每两个人物的伴随参数。伴随参数包括伴随次数和目标图像采集区域的数量。伴随次数用于表征两个人物在预设时间段内,出现在同一个图像采集区域的次数。目标图像采集区域为两个人物伴随出现过的图像采集区域。一个图像采集设备对应为一个图像采集区域。在确定第一人物和第二人物的伴随参数满足第一预设条件的情况下,确定第一人物和第二人物属于同一批次。第一人物和第二人物不同,且均为至少两个人脸信息对应的人物中任一人物。第一预设条件包括:伴随值大于第一阈值,且目标图像采集区域的数量大于第二阈值。伴随值用于表征两个人物的总伴随次数。例如,结合图4,确定模块92可以用于执行步骤42-步骤43(步骤43、步骤43a、步骤43b)。
可选的,确定模块92,具体用于:在确定第一人物和第二人物的批次均不存在情况下,确定第一人物和第二人物属于第一新建批次。在第一人物属于第一批次,第二人物的批次不存在的情况下,确定第二人物属于第一批次。在第一人物属于第一批次,第二人物属于第二批次的情况下,确定第一人物和第二人物属于合并批次,合并批次包括第一批次中的人物和第二批次中的人物,第一批次和第二批次不同。
可选的,确定模块92,还用于:确定至少两个人脸信息对应的每个人物的类型。类型包括预设区域内的工作人员和非工作人员。根据每个人物的类型,确定至少两个人脸信息对应的人物中,类型为非工作人员的人物。从类型为非工作人员的人物中,确定第一人物和第二人物。例如,结合图6,确定模块92,还可以用于执行步骤42a-步骤42c。
可选的,确定模块92,还用于:针对属于第一目标批次的每个第四人物,确定第三人物与第四人物的伴随次数。第三人物的类型为工作人员,第四人物的类型为非工作人员。根据第三人物与各个第四人物的伴随次数,确定第三人物对应第一目标批次的目标伴随值。若目标伴随值满足第二预设条件,确定第三人物的批次为第一目标批次。例如,结合图7,确定模块92,还可以用于执行步骤44a-步骤44c。
可选的,确定模块92,还用于:根据第二目标批次中每两个人物的伴随参数,以及第二目标批次中的第五人物与非第二目标批次中的第六人物的伴随参数,确定第二目标批次的置信度。置信度用于表征第二目标批次中人物信息的可信度。第五人物的类型为非工作人员,第六人物的类型为非工作人员。例如,结合图8,确定模块92,还可以用于执行步骤45。
可选的,确定模块92,还用于:对至少两个人脸信息中的每两个人脸信息执行统计操作,以确定每两个人物的伴随次数。统计操作包括:在预设时间段内,确定两个人物出现在一个图像采集区域的情况下,将两个人物之间的伴随次数更新为当前的伴随次数与预设步长之和。两个人物为至少两个人脸信息对应的人物中任两个人物。一个图像采集区域为预设区域中任一图像采集区域。两个人物之间的伴随次数的初始值为零。
可选的,预设步长为图像采集区域在预设区域中的权重值。
当然,本申请实施例提供的客流批次识别装置包括但不限于上述模块。
在实际实现时,获取模块91和确定模块92可以由图3所示的处理器31调用存储器32中的程序代码来实现。其具体的执行过程可参考图4、图6-图8所示的任一种客流批次识别方法部分的描述,这里不再赘述。
本申请另一实施例还提供一种计算机可读存储介质,该计算机可读存储介质中存储有计算机指令,当计算机指令在客流批次识别装置上运行时,使得客流批次识别装置执行上述方法实施例所示的方法流程中客流批次识别装置执行的各个步骤。
本申请另一实施例还提供一种芯片系统,该芯片系统应用于客流批次识别装置。所述芯片系统包括一个或多个接口电路,以及一个或多个处理器。接口电路和处理器通过线路互联。接口电路用于从客流批次识别装置的存储器接收信号,并向处理器发送所述信号,所述信号包括所述存储器中存储的计算机指令。当处理器执行计算机指令时,客流批次识别装置执行上述方法实施例所示的方法流程中客流批次识别装置执行的各个步骤。
在本申请另一实施例中,还提供一种计算机程序产品,该计算机程序产品包括指令,当指令在客流批次识别装置上运行时,使得客流批次识别装置执行上述方法实施例所示的方法流程中客流批次识别装置执行的各个步骤。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件程序实现时,可以全部或部分地以计算机程序产品的形式来实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机执行指令时,全部或部分地产生按照本申请实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,计算机指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(digitalsubscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可以用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质(例如,软盘、硬盘、磁带),光介质(例如,DVD)、或者半导体介质(例如固态硬盘(solid state disk,SSD))等。
以上所述,仅为本申请的具体实施方式。熟悉本技术领域的技术人员根据本申请提供的具体实施方式,可想到变化或替换,都应涵盖在本申请的保护范围之内。
Claims (10)
1.一种客流批次识别方法,应用于客流批次识别装置,其特征在于,包括:
获取至少两个人脸信息;所述人脸信息为分析预设区域内的图像采集设备采集的人脸图像得到的信息;
确定所述至少两个人脸信息对应的人物中每两个人物的伴随参数;伴随参数包括伴随次数和目标图像采集区域的数量;所述伴随次数用于表征两个人物在预设时间段内,出现在同一个图像采集区域的次数;所述目标图像采集区域为两个人物伴随出现过的图像采集区域;一个图像采集设备对应一个图像采集区域;
在确定第一人物和第二人物的伴随参数满足第一预设条件的情况下,确定所述第一人物和所述第二人物属于同一批次;所述第一人物和所述第二人物不同,且均为所述至少两个人脸信息对应的人物中任一人物;
所述第一预设条件包括:伴随值大于第一阈值,且目标图像采集区域的数量大于第二阈值;所述伴随值用于表征两个人物的总伴随次数。
2.根据权利要求1所述的客流批次识别方法,其特征在于,所述确定所述第一人物和所述第二人物属于同一批次,包括:
在确定所述第一人物和所述第二人物的批次均不存在情况下,确定所述第一人物和所述第二人物属于第一新建批次;
在所述第一人物属于第一批次,所述第二人物的批次不存在的情况下,确定所述第二人物属于所述第一批次;
在所述第一人物属于第一批次,所述第二人物属于第二批次的情况下,确定所述第一人物和所述第二人物属于合并批次,所述合并批次包括所述第一批次中的人物和所述第二批次中的人物,所述第一批次和所述第二批次不同。
3.根据权利要求1或2所述的客流批次识别方法,其特征在于,在确定所述第一人物和所述第二人物属于同一批次之前,所述客流批次识别方法还包括:
确定所述至少两个人脸信息对应的每个人物的类型;所述类型包括预设区域内的工作人员和非工作人员;
根据所述每个人物的类型,确定所述至少两个人脸信息对应的人物中,类型为所述非工作人员的人物;
从类型为所述非工作人员的人物中,确定所述第一人物和所述第二人物。
4.根据权利要求3所述的客流批次识别方法,其特征在于,所述客流批次识别方法还包括:
针对属于第一目标批次的每个第四人物,确定第三人物与所述第四人物的伴随次数;所述第三人物的类型为所述工作人员,所述第四人物的类型为所述非工作人员;
根据所述第三人物与各个第四人物的伴随次数,确定第三人物对应第一目标批次的目标伴随值;
若所述目标伴随值满足第二预设条件,确定所述第三人物的批次为所述第一目标批次。
5.根据权利要求1或2所述的客流批次识别方法,其特征在于,所述客流批次识别方法还包括:
根据第二目标批次中每两个人物的伴随参数,以及第二目标批次中的第五人物与非第二目标批次中的第六人物的伴随参数,确定所述第二目标批次的置信度;所述置信度用于表征所述第二目标批次中人物信息的可信度;所述第五人物的类型为非工作人员,所述第六人物的类型为非工作人员。
6.根据权利要求1所述的客流批次识别方法,其特征在于,确定所述至少两个人脸信息对应的人物中每两个人物的伴随次数,包括:
对所述至少两个人脸信息中的每两个人脸信息执行统计操作,以确定所述每两个人物的伴随次数;
所述统计操作包括:在预设时间段内,确定两个人物出现在一个图像采集区域的情况下,将所述两个人物之间的伴随次数更新为当前的伴随次数与预设步长之和;所述两个人物为所述至少两个人脸信息对应的人物中任两个人物;所述一个图像采集区域为所述预设区域中任一图像采集区域;所述两个人物之间的伴随次数的初始值为零。
7.根据权利要求6所述的客流批次识别方法,其特征在于,
所述预设步长为所述图像采集区域在所述预设区域中的权重值。
8.一种客流批次识别装置,其特征在于,包括获取模块和确定模块;
所述获取模块,用于获取至少两个人脸信息;所述人脸信息为分析预设区域内的图像采集设备采集的人脸图像得到的信息;
所述确定模块,用于:
确定所述至少两个人脸信息对应的人物中每两个人物的伴随参数;伴随参数包括伴随次数和目标图像采集区域的数量;所述伴随次数用于表征两个人物在预设时间段内,出现在同一个图像采集区域的次数;所述目标图像采集区域为两个人物伴随出现过的图像采集区域;一个图像采集设备对应为一个图像采集区域;
在确定第一人物和第二人物的伴随参数满足第一预设条件的情况下,确定所述第一人物和所述第二人物属于同一批次;所述第一人物和所述第二人物不同,且均为所述至少两个人脸信息对应的人物中任一人物;
所述第一预设条件包括:伴随值大于第一阈值,且目标图像采集区域的数量大于第二阈值;所述伴随值用于表征两个人物的总伴随次数。
9.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器;所述存储器和所述处理器耦合;所述存储器用于存储计算机程序代码,所述计算机程序代码包括计算机指令;当所述处理器执行所述计算机指令时,所述计算机设备执行如权利要求1-7中任意一项所述的客流批次识别方法。
10.一种计算机可读存储介质,其特征在于,包括计算机指令,当所述计算机指令在客流批次识别装置上运行时,使得所述客流批次识别装置执行如权利要求1-7中任意一项所述的客流批次识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011519674.4A CN112597880B (zh) | 2020-12-21 | 2020-12-21 | 客流批次识别方法、装置、计算机设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011519674.4A CN112597880B (zh) | 2020-12-21 | 2020-12-21 | 客流批次识别方法、装置、计算机设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112597880A true CN112597880A (zh) | 2021-04-02 |
CN112597880B CN112597880B (zh) | 2024-03-08 |
Family
ID=75199745
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011519674.4A Active CN112597880B (zh) | 2020-12-21 | 2020-12-21 | 客流批次识别方法、装置、计算机设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112597880B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113382441A (zh) * | 2021-05-24 | 2021-09-10 | 中国移动通信集团陕西有限公司 | 一种识别伴随用户的方法、装置、设备及可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110084103A (zh) * | 2019-03-15 | 2019-08-02 | 深圳英飞拓科技股份有限公司 | 一种基于人脸识别技术的同行人分析方法及系统 |
US20190377937A1 (en) * | 2018-05-03 | 2019-12-12 | Royal Caribbean Cruises Ltd. | High throughput passenger identification in portal monitoring |
CN111191506A (zh) * | 2019-11-26 | 2020-05-22 | 万翼科技有限公司 | 人员流量统计方法、装置、计算机设备和存储介质 |
-
2020
- 2020-12-21 CN CN202011519674.4A patent/CN112597880B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190377937A1 (en) * | 2018-05-03 | 2019-12-12 | Royal Caribbean Cruises Ltd. | High throughput passenger identification in portal monitoring |
CN110084103A (zh) * | 2019-03-15 | 2019-08-02 | 深圳英飞拓科技股份有限公司 | 一种基于人脸识别技术的同行人分析方法及系统 |
CN111191506A (zh) * | 2019-11-26 | 2020-05-22 | 万翼科技有限公司 | 人员流量统计方法、装置、计算机设备和存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113382441A (zh) * | 2021-05-24 | 2021-09-10 | 中国移动通信集团陕西有限公司 | 一种识别伴随用户的方法、装置、设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112597880B (zh) | 2024-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108038937B (zh) | 一种迎宾信息的展示方法、装置、终端设备和存储介质 | |
CN109784274B (zh) | 识别尾随的方法及相关产品 | |
CN108228792B (zh) | 图片检索方法、电子设备及存储介质 | |
CN109145127B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN110941978B (zh) | 一种未识别身份人员的人脸聚类方法、装置及存储介质 | |
CN109902644A (zh) | 人脸识别方法、装置、设备和计算机可读介质 | |
CN112597880B (zh) | 客流批次识别方法、装置、计算机设备及可读存储介质 | |
CN111563105A (zh) | 归寝管理方法及装置、电子设备及存储介质 | |
JP2004126829A (ja) | 入場者管理システムおよびプログラム | |
CN113949881B (zh) | 一种基于智慧城市数据的业务处理方法及系统 | |
CN114049658A (zh) | 基于人脸识别的流动人口管理方法、装置、计算机设备和存储介质 | |
CN108922068A (zh) | 一种信息处理方法及其设备、存储介质、电子设备 | |
CN109190495B (zh) | 性别识别方法、装置及电子设备 | |
CN112183380A (zh) | 基于人脸识别的客流量分析方法和系统、电子设备 | |
KR20210038849A (ko) | 데이터 처리 방법들, 장치들 및 저장 매체들 | |
CN110782373A (zh) | 景区人数确定方法及装置 | |
CN112149451B (zh) | 一种亲密度分析方法及装置 | |
CN110751046B (zh) | 一种用户识别方法、装置、可读存储介质及终端设备 | |
CN111723761B (zh) | 异常人脸图像的确定方法、装置及存储介质 | |
CN113591713A (zh) | 图像处理方法及装置、电子设备及计算机可读存储介质 | |
CN113283410A (zh) | 基于数据关联分析的人脸增强识别方法、装置和设备 | |
WO2020179052A1 (ja) | 画像処理装置、制御方法、及びプログラム | |
CN112734802B (zh) | 一种轨迹获取方法及装置 | |
CN117218745B (zh) | 基于记录仪的证据采集方法、终端设备及存储介质 | |
JP7236013B2 (ja) | 属性判定装置、属性判定プログラム、及び属性判定方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |