CN112883775A - 商铺销售数据分析方法、装置、电子设备及存储介质 - Google Patents
商铺销售数据分析方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112883775A CN112883775A CN202011640061.6A CN202011640061A CN112883775A CN 112883775 A CN112883775 A CN 112883775A CN 202011640061 A CN202011640061 A CN 202011640061A CN 112883775 A CN112883775 A CN 112883775A
- Authority
- CN
- China
- Prior art keywords
- face
- statistical data
- face statistical
- standard deviation
- shop
- 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
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
-
- 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
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Cash Registers Or Receiving Machines (AREA)
Abstract
本发明提供一种商铺销售数据分析方法、装置、电子设备及存储介质，所述方法包括：获取第一指定区域图像，并对所述第一指定区域图像进行人脸检测，得到第一人脸统计数据；获取第二指定区域图像，并对所述第二指定区域图像进行人脸检测，得到第二人脸统计数据；获取第三指定区域图像，并对所述第三指定区域图像进行人脸检测，得到第三人脸统计数据；获取第四指定区域图像，并对所述第四指定区域图像进行人脸检测，得到第四人脸统计数据，所述第四指定区域位于所述商铺的收银区域；根据所述第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据对所述商铺进行销售分析。本发明能帮助商铺减少进货过程中的试错成本。
Description
技术领域
本发明涉及人工智能处理领域，尤其涉及一种商铺销售数据分析方法、装置、电子设备及存储介质。
背景技术
随着信息化技术的快速发展，人工智能应用已逐步融入到大众的生活当中。尤其是人脸识别应用，不仅是在支付领域具有广泛的应用，在其他领域都得到了广泛的应用，比如智慧商铺、智慧超市等。在当前移动互联网快速发展下，线上购物已经成为了当前世界的主流，线下实体商铺举步维艰，都面临着严峻的生存挑战，很多想要开店的人员在商铺定位选址、商品类型选择上都显得十分谨慎，都不敢轻易的下决定，而且，在商铺的启动阶段，在没有稳定的客源以及口碑的情况下，由于新顾客的多样性，以及顾客与商铺员工的主观性，使得大多数线下商铺员工在引流方面、推广方面都显得较为吃力，可参考的销售数据少，进货很难符合顾客的购买期望，多次进货的试错成本高，从而致使商铺在经过一段运营之后，纷纷宣布关门。因此，现有商铺的启动阶段由于各方面数据的不完善，可参考的销售数据少，试错成本高，导致商铺的销售效果较差。
发明内容
本发明实施例提供一种商铺销售数据分析方法，能够通过在商铺各个区域的人脸统计数据，能够分析影响商铺销售的顾客、员工、商品三者之间的隐含关系，从而完善商铺在各个维度上的销售数据，帮助商铺定位顾客的购买期望，从而减少进货过程中的试错成本。
第一方面，本发明实施例提供一种商铺销售数据分析方法，所述方法包括：
获取第一指定区域图像，并对所述第一指定区域图像进行人脸检测，得到第一人脸统计数据，所述第一指定区域位于所述商铺的门外区域，所述第一人脸统计数据包括经过所述商铺的行人的人脸统计数据；
获取第二指定区域图像，并对所述第二指定区域图像进行人脸检测，得到第二人脸统计数据，所述第二指定区域位于所述商铺的门口区域，所述第二人脸统计数据包括进店顾客的人脸统计数据；
获取第三指定区域图像，并对所述第三指定区域图像进行人脸检测，得到第三人脸统计数据，所述第三指定区域位于所述商铺的货架区域，所述第三人脸统计数据包括浏览商品数据、员工及浏览顾客的人脸统计数据；
获取第四指定区域图像，并对所述第四指定区域图像进行人脸检测，得到第四人脸统计数据，所述第四指定区域位于所述商铺的收银区域，所述第四人脸统计数据包括结账顾客的人脸统计数据以及结账商品数据；
根据所述第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据对所述商铺进行销售分析。
可选的，所述销售分析包括销售数据分析与销售预测分析，所述根据所述第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据对所述商铺进行销售分析，包括：
将所述第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据形成图文报表，并根据所述图文报表进行所述销售数据分析；
根据所述第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据中至少两项进行相关性计算，根据所述相关性计算的结果进行所述销售预测分析。
可选的，所述根据所述第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据中至少两项进行相关性计算，根据所述相关性计算的结果进行所述销售预测分析，包括：
根据所述第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据中任意两项对应的标准差与所述任意两项之间的协方差，计算所述任意两项之间相关性，并根据所述第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据中任意两项的相关性进行所述销售预测分析。
可选的，所述根据所述第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据中至少两项进行相关性计算，根据所述相关性计算的结果进行所述销售预测分析，包括：
根据所述第一人脸统计数据的标准差、所述第四人脸统计数据的标准差、所述第一人脸统计数据与所述第四人脸统计数据之间的协方差，计算所述第一人脸统计数据与所述第四人脸统计数据的第一相关性；和/或
根据所述第二人脸统计数据的标准差、所述第四人脸统计数据的标准差、所述第二人脸统计数据与所述第四人脸统计数据之间的协方差，计算所述第二人脸统计数据与所述第四人脸统计数据的第二相关性；和/或
根据所述第三人脸统计数据的标准差、所述第四人脸统计数据的标准差、所述第三人脸统计数据与所述第四人脸统计数据之间的协方差，计算所述第三人脸统计数据所述第四人脸统计数据的第三相关性，并根据所述第一相关性和/或第二相关性和/或第三相关性进行所述销售预测分析。
可选的，所述根据所述第一人脸统计数据的标准差、所述第四人脸统计数据的标准差、所述第一人脸统计数据与所述第四人脸统计数据之间的协方差，计算所述第一人脸统计数据与所述第四人脸统计数据的第一相关性，包括：
根据所述经过所述商铺的行人的人脸统计数据，统计得到所述商铺的行人的人流量；
计算所述行人的人流量的标准差；
根据所述结账商品数据，统计得到结账商品数量；
计算所述结账商品数量的标准差；
计算所述行人的人流量与所述结账商品数量之间的协方差；
根据所述行人的人流量的标准差、所述结账商品数量的标准差以及所述人流量与所述结账商品数量之间的协方差，计算所述行人的人流量与所述结账商品数量的相关性作为第一相关性。
可选的，所述根据所述第二人脸统计数据的标准差、所述第四人脸统计数据的标准差、所述第二人脸统计数据与所述第四人脸统计数据之间的协方差，计算所述第二人脸统计数据与所述第四人脸统计数据的第二相关性，包括：
根据所述进店顾客的人脸统计数据，统计得到进店顾客数量；
计算所述进店顾客数量的标准差；
根据所述进店顾客数量的标准差、所述结账商品数量的标准差以及所述进店顾客数量与所述结账商品数量之间的协方差，计算所述进店顾客数量与所述结账商品数量的相关性作为第二相关性。
可选的，所述根据所述第三人脸统计数据的标准差、所述第四人脸统计数据的标准差、所述第三人脸统计数据与所述第四人脸统计数据之间的协方差，计算所述第三人脸统计数据所述第四人脸统计数据的第三相关性，包括：
根据所述浏览顾客的人脸统计数据、浏览商品数据，统计得到商品徘徊次数或时间；
计算所述商品徘徊次数或时间对应的标准差；
根据所述商品徘徊次数的标准差、所述结账商品数量的标准差以及所述商品徘徊次数与所述结账商品数量之间的协方差，分别计算所述商品徘徊次数与所述结账商品数量的相关性作为第三相关性；或
根据所述商品徘徊时间的标准差、所述结账商品数量的标准差以及所述商品徘徊时间与所述结账商品数量之间的协方差，分别计算所述商品徘徊时间与所述结账商品数量的相关性作为第三相关性。
第二方面，本发明实施例还提供一种商铺销售数据分析装置，所述装置包括：
第一获取模块，用于获取第一指定区域图像，并对所述第一指定区域图像进行人脸检测，得到第一人脸统计数据，所述第一指定区域位于所述商铺的门外区域，所述第一人脸统计数据包括经过所述商铺的行人的人脸统计数据；
第二获取模块，用于获取第二指定区域图像，并对所述第二指定区域图像进行人脸检测，得到第二人脸统计数据，所述第二指定区域位于所述商铺的门口区域，所述第二人脸统计数据包括进店顾客的人脸统计数据；
第三获取模块，用于获取第三指定区域图像，并对所述第三指定区域图像进行人脸检测，得到第三人脸统计数据，所述第三指定区域位于所述商铺的货架区域，所述第三人脸统计数据包括浏览商品数据、员工及浏览顾客的人脸统计数据；
第四获取模块，用于获取第四指定区域图像，并对所述第四指定区域图像进行人脸检测，得到第四人脸统计数据，所述第四指定区域位于所述商铺的收银区域，所述第四人脸统计数据包括结账顾客的人脸统计数据以及结账商品数据；
分析模块，用于根据所述第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据对所述商铺进行销售分析。
第三方面，本发明实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本发明实施例提供的商铺销售数据分析方法中的步骤。
第四方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质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发明实施例提供的商铺销售数据分析方法中的步骤。
本发明实施例中，获取第一指定区域图像，并对所述第一指定区域图像进行人脸检测，得到第一人脸统计数据，所述第一指定区域位于所述商铺的门外区域，所述第一人脸统计数据包括经过所述商铺的行人的人脸统计数据；获取第二指定区域图像，并对所述第二指定区域图像进行人脸检测，得到第二人脸统计数据，所述第二指定区域位于所述商铺的门口区域，所述第二人脸统计数据包括进店顾客的人脸统计数据；获取第三指定区域图像，并对所述第三指定区域图像进行人脸检测，得到第三人脸统计数据，所述第三指定区域位于所述商铺的货架区域，所述第三人脸统计数据包括浏览商品数据、员工及浏览顾客的人脸统计数据；获取第四指定区域图像，并对所述第四指定区域图像进行人脸检测，得到第四人脸统计数据，所述第四指定区域位于所述商铺的收银区域，所述第四人脸统计数据包括结账顾客的人脸统计数据以及结账商品数据；根据所述第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据对所述商铺进行销售分析。本发明通过获取到的在商铺各个区域的人脸统计数据，能够分析影响商铺销售的顾客、员工、商品三者之间的隐含关系，从而完善商铺在各个维度上的销售数据，帮助商铺定位顾客的购买期望，从而减少进货过程中的试错成本，保证了商铺的持续经营。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种商铺销售数据分析方法的流程图；
图2是本发明实施例提供的一种商铺销售数据分析装置的结构示意图；
图3是本发明实施例提供的一种分析模块的结构示意图；
图4是本发明实施例提供的一种第二处理子模块的结构示意图；
图5是本发明实施例提供的一种第一计算单元的结构示意图；
图6是本发明实施例提供的一种第二计算单元的结构示意图；
图7是本发明实施例提供的一种第三计算单元的结构示意图；
图8是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参见图1，图1是本发明实施例提供的一种商铺销售数据分析方法的流程图，如图1所示，包括以下步骤：
101、获取第一指定区域图像，并对第一指定区域图像进行人脸检测，得到第一人脸统计数据。
在本发明实施例中，上述第一指定区域位于商铺门外区域，第一人脸统计数据包括经过商铺的行人的人脸统计数据。
进一步的，可以通过设置在商铺门口，并朝向商铺门外进行拍摄的第一摄像头来采集上述第一指定区域图像。当商铺外的第一指定区域(可以是商铺门前的一片区域)有行人经过时，无论该行人是否进入商铺，第一摄像头都会进行图像采集。
上述对第一指定区域的人脸检测可以是通过第一人脸检测引擎进行的，第一指定区域图像为一张大图，该大图内包括至少一个行人，通过第一人脸检测引擎，可以检测出该大图中包括多少个行人，对应输出行人的人脸图、人脸特征值等。进一步的，上述第一人脸统计数据可以包括摄像头ID、摄像头位置、行人的人脸图、行人的人脸特征值、抓拍时间、抓拍次数等，上述行人的人脸特征值可以包括行人的年龄、性别等。
在一种可能的实施例中，上述第一人脸检测引擎可以集成在第一摄像头中，实时对拍摄到的第一指定区域图像进行人脸检测。
102、获取第二指定区域图像，并对第二指定区域图像进行人脸检测，得到第二人脸统计数据。
在本发明实施例中，上述第二指定区域位于上述商铺门口区域，上述第二人脸统计数据可以包括进店顾客的人脸统计数据。
进一步的，可以通过设置在商铺内，对着商铺门口进行拍摄的第二摄像头来采集上述第二指定区域图像。当商铺门口区域的第二指定区域(可以是商铺门口正下方的一片区域)有进店顾客时，无论该进店顾客是否会购买商品，第二摄像头都会进行图像采集。
上述对第二指定区域图像的人脸检测可以是通过第二人脸检测引擎进行的，第二指定区域图像为一张大图，该大图内包括至少一个进店顾客，通过第二人脸检测引擎，可以检测出该大图中包括多少个进店顾客，对应输出进店顾客的人脸图、人脸特征值等。进一步的，上述第二人脸统计数据可以包括摄像头ID、摄像头位置、进店顾客的人脸图、进店顾客的人脸特征值、抓拍时间等，上述进店顾客的人脸特征值可以包括进店顾客的年龄、性别、眼镜、帽子、饰品等。另外，还可以对第二指定区域图像进行人体检测，得到进店顾客的穿着特征值，比如上衣、下衣对应的特征值，并将穿着特征值绑定到第二人脸统计数据中。
在一种可能的实施例中，上述第二人脸检测引擎可以集成在第二摄像头中，实时对拍摄到的第二指定区域图像进行人脸检测。
103、获取第三指定区域图像，并对第三指定区域图像进行人脸检测，得到第三人脸统计数据。
上述第三指定区域位于商铺的货架区域，上述第三人脸统计数据可以包括浏览商品数据、员工及浏览顾客的人脸统计数据。
进一步的，可以通过设置在商铺内，对着货架进行拍摄的第三摄像头来采集上述第三指定区域图像。当货架区域的第三指定区域(可以是货架正前方区域)有浏览顾客时，无论该浏览顾客是否会购买商品，第三摄像头都会进行图像采集。
上述对第三指定区域图像的人脸检测可以是通过第三人脸检测引擎进行的，第三指定区域图像为一张大图，该大图内包括至少一个浏览顾客，通过第三人脸检测引擎，可以检测出该大图中包括多少个浏览顾客以及是否有员工，对应输出浏览顾客所浏览的商品、员工和浏览顾客的人脸图、人脸特征值等。进一步的，上述第三人脸统计数据可以包括摄像头ID、摄像头位置、浏览顾客的人脸图、浏览顾客的人脸特征值、抓拍时间、浏览商品、员工的人脸图等，上述浏览顾客的人脸特征值可以包括浏览顾客的年龄、性别、眼镜、帽子、饰品等。另外，还可以对第三指定区域图像进行人体检测，得到浏览顾客的穿着特征值，比如上衣、下衣对应的特征值，并将穿着特征值绑定到第三人脸统计数据中。
在一种可能的实施例中，上述第三人脸检测引擎可以集成在第三摄像头中，实时对拍摄到的第三指定区域图像进行人脸检测。
104、获取第四指定区域图像，并对第四指定区域图像进行人脸检测，得到第四人脸统计数据。
在本发明实施例中，上述第四指定区域位于所述商铺的收银区域，上述第四人脸统计数据可以包括结账顾客的人脸统计数据以及结账商品数据。
进一步的，可以通过设置在商铺内，对着收银台前进行拍摄的第四摄像头来采集上述第四指定区域图像。当收银区域的第四指定区域(可以是收银台正前方区域)有结账顾客时，第四摄像头会进行图像采集。
上述对第四指定区域图像的人脸检测可以是通过第四人脸检测引擎进行的，第四指定区域图像为一张大图，该大图内包括至少一个结账顾客，通过第四人脸检测引擎，可以检测出该大图中包括多少个结账顾客以及对应的结账商品，对应输出结账顾客所需要结账的结账商品、结账顾客的人脸图、人脸特征值等。进一步的，上述第四人脸统计数据可以包括摄像头ID、摄像头位置、结账顾客的人脸图、结账顾客的人脸特征值、抓拍时间、结账商品等，上述结账顾客的人脸特征值可以包括结账顾客的年龄、性别、眼镜、帽子、饰品等。另外，还可以对第四指定区域图像进行人体检测，得到结账顾客的穿着特征值，比如上衣、下衣对应的特征值，并将穿着特征值绑定到第四人脸统计数据中。
在一种可能的实施例中，上述第四人脸检测引擎可以集成在第三摄像头中，实时对拍摄到的第四指定区域图像进行人脸检测。
105、根据第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据对商铺进行销售分析。
在本发明实施例中，可以是根据第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据中单独一项对商铺进行销售分析，比如，通过第一人脸统计数据中行人的人流量，对商铺进行销售分析，进一步的比如，中午下班和下午下班的人流量多，则可以销售餐饮类型的商品。通过第二人脸统计数据中的进店顾客的年龄、性别，来对商铺进行销售分析，进一步的比如，进店顾客多数为年轻女性，则可以销售首饰类型的商品。通过第三人脸统计数据中的浏览顾客以及浏览商品数据，来对商铺进行销售分析，进一步的比如，浏览顾客对于浏览商品的浏览时长或浏览次数超过一定次数，则可以销售浏览商品的类似商品。通过第四人脸统计数据中的结账顾客以及结账商品，来对商铺进行去无影分析，进一步的比如，结账顾客购买了上衣并结账，则结账商品为上衣，可以继续销售该上衣。
可选的，上述销售分析包括销售数据分析与销售预测分析，可以将上述第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据形成图文报表，并根据上述图文报表进行上述销售数据分析；根据上述第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据中至少两项进行相关性计算，根据上述相关性计算的结果进行销售预测分析。
进一步的，上述销售数据分析可以称为静态分析，上棕销售预测分析可以称为动态分析。
针对上述第一人脸统计数据，上述图文报表可以是行人的人流量统计，具体可以是分时人流量和人脸特征值统计，比如，在2020年9月11日8点到9点，总人流量为235，20岁以上人流量为200，男性人流量为111，女性人流量为124等。
针对上述第二人脸统计数据，上述图文报表可以是进店顾客的人流量，具体可以是分时人流量和人脸特征值统计，比如，在2020年9月11日8点到9点，总进店人流量为21，20岁以上的进店人流量为18，男性人流量为10，女性人流量为11，带帽子的人流量为3，带眼镜的人流量为4，穿牛仔裤的人流量为21，穿黑色上衣的人流量为13等。
针对上述第三人脸统计数据，上述图文报表可以是货架前浏览顾客的徘徊时间或徘徊次数，具体可以是各货架分时徘徊人脸统计、各货架徘徊人数统计、各货架总徘徊时间统计、货架徘徊次数统计、员工流动数据统计，比如，在2020年9月11日8点到9点，A货架有5人徘徊，B货架的总徘徊时间为4小时(多人情况下徘徊时间叠加)，C货架的徘徊次数为24次，D货架员工来过1次等。
针对上述第四人脸统计数据，上述图文报表可以是收银前结账顾客的数量统计与结账商品的类型统计，比如，在2020年9月11日8点到9点，有4位顾客购买商品并结账，结账顾客A购买的商品为a、b，结账顾客B购买的商品为a、c等。
上述的图文报表还可以是第一人脸统计数据与第二人脸统计数据的分时图、分时趋势图等，也还可以是其中第三人脸统计数据的各货架热点分布图、直方排行图、员工与浏览顾客时间段占比图等，还可以是第四人脸统计数据中结账顾客在第三人脸统计数据的占比分布图和落点图、结账商品落点图等。
上述销售预测分析可以是根据历史的第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据进行相关性分析。比如，通过历史的第一人脸统计数据与第二人脸统计数据，可以分析行人的人流量与进店顾客的人流量是否成正相关。通过历史的第一人脸统计数据与第四人脸统计数据，可以分析行人的人流量与结账顾客的数量(或结账商品的数量)是否成正相关。通过历史的第二人脸统计数据与第四人脸统计数据，可以分析进店顾客的人流量与结账顾客的数量(或结账商品的数量)是否成正相关。通过第三人脸统计数据与第四人脸统计数据，可以分析浏览顾客的徘徊时间或徘徊次数是否与结账顾客的数量(或结账商品的数量)是否成正相关，等等。
可选的，可以根据第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据中任意两项对应的标准差与任意两项之间的协方差，计算任意两项之间相关性，并根据第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据中任意两项的相关性进行所述销售预测分析。
进一步的，任意两项之间相关性可以如下述式子进行计算：
其中，上述ρxy为X，Y两项变量之间的相关性，上述Cov(X,Y)为X，Y两项变量之间的协方差，上述
为X变量的标准差，上述
为Y变量的标准差。上述式子中，X可以是第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据中的任意一项，Y可以是其余三项中的任意一项。比如，第一人脸统计数据为X，则Y可以是第二人脸统计数据、第三人脸统计数据、第四人脸统计数据中的任意一项。上述
为X变量的平均值，
为Y变量的平均值。上述相关性为0时，X和Y两变量无关系。当X的值增大(减小)，Y值增大(减小)，两个变量为正相关，相关性在0.00与1.00之间。当X的值增大(减小)，Y值减小(增大)，两个变量为负相关，相关性在-1.00与0.00之间。
可选的，可以根据第一人脸统计数据的标准差、第四人脸统计数据的标准差、第一人脸统计数据与第四人脸统计数据之间的协方差，计算第一人脸统计数据与第四人脸统计数据的第一相关性；和/或根据第二人脸统计数据的标准差、第四人脸统计数据的标准差、第二人脸统计数据与第四人脸统计数据之间的协方差，计算第二人脸统计数据与所述第四人脸统计数据的第二相关性；和/或根据第三人脸统计数据的标准差、第四人脸统计数据的标准差、第三人脸统计数据与第四人脸统计数据之间的协方差，计算第三人脸统计数据第四人脸统计数据的第三相关性，并根据第一相关性和/或第二相关性和/或第三相关性进行销售预测分析。
进一步的，上述根据第一人脸统计数据的标准差、第四人脸统计数据的标准差、第一人脸统计数据与第四人脸统计数据之间的协方差，计算第一人脸统计数据与第四人脸统计数据的第一相关性，具体可以是根据经过商铺的行人的人脸统计数据，统计得到商铺行人的人流量；计算行人的人流量的标准差；根据结账商品数据，统计得到结账商品数量；计算结账商品数量的标准差；计算行人的人流量与结账商品数量之间的协方差；根据行人的人流量的标准差、结账商品数量的标准差以及人流量与结账商品数量之间的协方差，计算人流量与结账商品数量的相关性作为第一相关性。上述第一相关性可以判断商铺卖出的商品数量是不是与行人的人流量成正比，也可以理解为是否行人越多，商品就卖得越好。
进一步的，上述根据第二人脸统计数据的标准差、第四人脸统计数据的标准差、第二人脸统计数据与第四人脸统计数据之间的协方差，计算第二人脸统计数据与第四人脸统计数据的第二相关性，具体可以是根据进店顾客的人脸统计数据，统计得到进店顾客数量；计算进店顾客数量(也可以称为进店顾客的人流量)的标准差；根据进店顾客数量的标准差、结账商品数量的标准差以及进店顾客数量与结账商品数量之间的协方差，计算进店顾客数量与结账商品数量的相关性作为第二相关性。上述第二相关性可以判断商铺卖出的商品数量是不是与进店顾客的数量成正比，也可以理解是否为进店的人越多，商品就卖得越好。
可选的，根据第三人脸统计数据的标准差、第四人脸统计数据的标准差、第三人脸统计数据与第四人脸统计数据之间的协方差，计算第三人脸统计数据第四人脸统计数据的第三相关性，可以根据浏览顾客的人脸统计数据、浏览商品数据，统计得到商品徘徊次数或时间；计算商品徘徊次数或时间对应的标准差；根据商品徘徊次数的标准差、结账商品数量的标准差以及商品徘徊次数与结账商品数量之间的协方差，计算商品徘徊次数与所述结账商品数量的相关性作为第三相关性；或根据商品徘徊时间的标准差、结账商品数量的标准差以及商品徘徊时间与结账商品数量之间的协方差，分别计算商品徘徊时间与结账商品数量的相关性作为第三相关性。上述第三相关性可以判断商铺卖出的商品数量是不是与浏览顾客的徘徊时间或徘徊次数成正比，也可以理解是否为看得越多越久，就越容易产生购买行为。
通过上述方法，还可以通过成功销售产品徘徊次数与员工徘徊次数，预测出成功销售的商品是否与员工引导成正比，进而确定员工培训方向；还可以通过同一顾客徘徊产品与同一顾客徘徊时间，预测出商品组合之间的相关性，进而对货架进行优化。
在本发明实施例中，获取第一指定区域图像，并对所述第一指定区域图像进行人脸检测，得到第一人脸统计数据，所述第一指定区域位于所述商铺的门外区域，所述第一人脸统计数据包括经过所述商铺的行人的人脸统计数据；获取第二指定区域图像，并对所述第二指定区域图像进行人脸检测，得到第二人脸统计数据，所述第二指定区域位于所述商铺的门口区域，所述第二人脸统计数据包括进店顾客的人脸统计数据；获取第三指定区域图像，并对所述第三指定区域图像进行人脸检测，得到第三人脸统计数据，所述第三指定区域位于所述商铺的货架区域，所述第三人脸统计数据包括浏览商品数据、员工及浏览顾客的人脸统计数据；获取第四指定区域图像，并对所述第四指定区域图像进行人脸检测，得到第四人脸统计数据，所述第四指定区域位于所述商铺的收银区域，所述第四人脸统计数据包括结账顾客的人脸统计数据以及结账商品数据；根据所述第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据对所述商铺进行销售分析。本发明实施例通过获取到的在商铺各个区域的人脸统计数据，能够分析影响商铺销售的顾客、员工、商品三者之间的隐含关系，从而完善商铺在各个维度上的销售数据，帮助商铺定位顾客的购买期望，从而减少进货过程中的试错成本，保证了商铺的持续经营。通过本发明实施例提供的商铺销售数据分析方法，可以成功预测出商铺的产品是否符合该段区域的人群，以及商铺的产品偏向于哪类人员，辅助商铺更好的采购商品类型，优化货架的员工安排，优化货架排列顺序等等，可以有效预测商铺未来的经营方向，以及引导不同的人群消费不同的产品，最终提高商铺的整体营业额。
需要说明的是，本发明实施例提供的商铺销售数据分析方法可以应用于可以进行商铺销售数据分析的手机、监控器、计算机、服务器等设备。
请参见图2，图2是本发明实施例提供的一种商铺销售数据分析装置的结构示意图，如图2所示，所述装置包括：
第一获取模块201，用于获取第一指定区域图像，并对所述第一指定区域图像进行人脸检测，得到第一人脸统计数据，所述第一指定区域位于所述商铺的门外区域，所述第一人脸统计数据包括经过所述商铺的行人的人脸统计数据；
第二获取模块202，用于获取第二指定区域图像，并对所述第二指定区域图像进行人脸检测，得到第二人脸统计数据，所述第二指定区域位于所述商铺的门口区域，所述第二人脸统计数据包括进店顾客的人脸统计数据；
第三获取模块203，用于获取第三指定区域图像，并对所述第三指定区域图像进行人脸检测，得到第三人脸统计数据，所述第三指定区域位于所述商铺的货架区域，所述第三人脸统计数据包括浏览商品数据、员工及浏览顾客的人脸统计数据；
第四获取模块204，用于获取第四指定区域图像，并对所述第四指定区域图像进行人脸检测，得到第四人脸统计数据，所述第四指定区域位于所述商铺的收银区域，所述第四人脸统计数据包括结账顾客的人脸统计数据以及结账商品数据；
分析模块205，用于根据所述第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据对所述商铺进行销售分析。
可选的，如图3所示，所述销售分析包括销售数据分析与销售预测分析，所述分析模块205，包括：
第一处理子模块2051，用于将所述第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据形成图文报表，并根据所述图文报表进行所述销售数据分析；
第二处理子模块2052，用于根据所述第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据中至少两项进行相关性计算，根据所述相关性计算的结果进行所述销售预测分析。
可选的，所述第二处理子模块2052还用于根据所述第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据中任意两项对应的标准差与所述任意两项之间的协方差，计算所述任意两项之间相关性，并根据所述第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据中任意两项的相关性进行所述销售预测分析。
可选的，如图4所示，所述第二处理子模块2052，包括：
第一计算单元20521，用于根据所述第一人脸统计数据的标准差、所述第四人脸统计数据的标准差、所述第一人脸统计数据与所述第四人脸统计数据之间的协方差，计算所述第一人脸统计数据与所述第四人脸统计数据的第一相关性；和/或
第二计算单元20522，用于根据所述第二人脸统计数据的标准差、所述第四人脸统计数据的标准差、所述第二人脸统计数据与所述第四人脸统计数据之间的协方差，计算所述第二人脸统计数据与所述第四人脸统计数据的第二相关性；和/或
第三计算单元20523，用于根据所述第三人脸统计数据的标准差、所述第四人脸统计数据的标准差、所述第三人脸统计数据与所述第四人脸统计数据之间的协方差，计算所述第三人脸统计数据所述第四人脸统计数据的第三相关性，并根据所述第一相关性和/或第二相关性和/或第三相关性进行所述销售预测分析。
可选的，如图5所示，所述第一计算单元20521，包括：
第一统计子单元205211，用于根据所述经过所述商铺的行人的人脸统计数据，统计得到所述商铺的行人的人流量；
第一计算子单元205212，用于计算所述行人的人流量的标准差；
第二统计子单元205213，用于根据所述结账商品数据，统计得到结账商品数量；
第二计算子单元205214，用于计算所述结账商品数量的标准差；
计算所述行人的人流量与所述结账商品数量之间的协方差；
第三计算子单元205215，用于根据所述行人的人流量的标准差、所述结账商品数量的标准差以及所述行人的人流量与所述结账商品数量之间的协方差，计算所述行人的人流量与所述结账商品数量的相关性作为第一相关性。
可选的，如图6所示，所述第二计算单元20522，包括：
第三统计子单元205221，用于根据所述进店顾客的人脸统计数据，统计得到进店顾客数量；
第四计算子单元205222，用于计算所述进店顾客数量的标准差；
第五计算子单元205223，用于根据所述进店顾客数量的标准差、所述结账商品数量的标准差以及所述进店顾客数量与所述结账商品数量之间的协方差，计算所述进店顾客数量与所述结账商品数量的相关性作为第二相关性。
可选的，如图7所示，所述第三计算单元20523，包括：
第四统计子单元205231，用于根据所述浏览顾客的人脸统计数据、浏览商品数据，统计得到商品徘徊次数或时间；
第六计算子单元205232，用于计算所述商品徘徊次数或时间对应的标准差；
第七计算子单元205233，用于根据所述商品徘徊次数的标准差、所述结账商品数量的标准差以及所述商品徘徊次数与所述结账商品数量之间的协方差，计算所述商品徘徊次数与所述结账商品数量的相关性作为第三相关性；或第七计算子单元205233还用于根据所述商品徘徊时间的标准差、所述结账商品数量的标准差以及所述商品徘徊时间与所述结账商品数量之间的协方差，分别计算所述商品徘徊时间与所述结账商品数量的相关性作为第三相关性。
需要说明的是，本发明实施例提供的商铺销售数据分析装置可以应用于可以进行商铺销售数据分析的手机、监控器、计算机、服务器等设备。
本发明实施例提供的商铺销售数据分析装置能够实现上述方法实施例中商铺销售数据分析方法实现的各个过程，且可以达到相同的有益效果。为避免重复，这里不再赘述。
参见图8，图8是本发明实施例提供的一种电子设备的结构示意图，如图8所示，包括：存储器802、处理器801及存储在所述存储器802上并可在所述处理器801上运行的计算机程序，其中：
处理器801用于调用存储器802存储的计算机程序，执行如下步骤：
获取第一指定区域图像，并对所述第一指定区域图像进行人脸检测，得到第一人脸统计数据，所述第一指定区域位于所述商铺的门外区域，所述第一人脸统计数据包括经过所述商铺的行人的人脸统计数据；
获取第二指定区域图像，并对所述第二指定区域图像进行人脸检测，得到第二人脸统计数据，所述第二指定区域位于所述商铺的门口区域，所述第二人脸统计数据包括进店顾客的人脸统计数据；
获取第三指定区域图像，并对所述第三指定区域图像进行人脸检测，得到第三人脸统计数据，所述第三指定区域位于所述商铺的货架区域，所述第三人脸统计数据包括浏览商品数据、员工及浏览顾客的人脸统计数据；
获取第四指定区域图像，并对所述第四指定区域图像进行人脸检测，得到第四人脸统计数据，所述第四指定区域位于所述商铺的收银区域，所述第四人脸统计数据包括结账顾客的人脸统计数据以及结账商品数据；
根据所述第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据对所述商铺进行销售分析。
可选的，所述销售分析包括销售数据分析与销售预测分析，处理器801执行的所述根据所述第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据对所述商铺进行销售分析，包括：
将所述第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据形成图文报表，并根据所述图文报表进行所述销售数据分析；
根据所述第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据中至少两项进行相关性计算，根据所述相关性计算的结果进行所述销售预测分析。
可选的，处理器801执行的所述根据所述第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据中至少两项进行相关性计算，根据所述相关性计算的结果进行所述销售预测分析，包括：
根据所述第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据中任意两项对应的标准差与所述任意两项之间的协方差，计算所述任意两项之间相关性，并根据所述第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据中任意两项的相关性进行所述销售预测分析。
可选的，处理器801执行的所述根据所述第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据中至少两项进行相关性计算，根据所述相关性计算的结果进行所述销售预测分析，包括：
根据所述第一人脸统计数据的标准差、所述第四人脸统计数据的标准差、所述第一人脸统计数据与所述第四人脸统计数据之间的协方差，计算所述第一人脸统计数据与所述第四人脸统计数据的第一相关性；和/或
根据所述第二人脸统计数据的标准差、所述第四人脸统计数据的标准差、所述第二人脸统计数据与所述第四人脸统计数据之间的协方差，计算所述第二人脸统计数据与所述第四人脸统计数据的第二相关性；和/或
根据所述第三人脸统计数据的标准差、所述第四人脸统计数据的标准差、所述第三人脸统计数据与所述第四人脸统计数据之间的协方差，计算所述第三人脸统计数据所述第四人脸统计数据的第三相关性，并根据所述第一相关性和/或第二相关性和/或第三相关性进行所述销售预测分析。
可选的，处理器801执行的所述根据所述第一人脸统计数据的标准差、所述第四人脸统计数据的标准差、所述第一人脸统计数据与所述第四人脸统计数据之间的协方差，计算所述第一人脸统计数据与所述第四人脸统计数据的第一相关性，包括：
根据所述经过所述商铺的行人的人脸统计数据，统计得到所述商铺的行人的人流量；
计算所述行人的人流量的标准差；
根据所述结账商品数据，统计得到结账商品数量；
计算所述结账商品数量的标准差；
计算所述行人的人流量与所述结账商品数量之间的协方差；
根据所述行人的人流量的标准差、所述结账商品数量的标准差以及所述人流量与所述结账商品数量之间的协方差，计算所述行人的人流量与所述结账商品数量的相关性作为第一相关性。
可选的，处理器801执行的所述根据所述第二人脸统计数据的标准差、所述第四人脸统计数据的标准差、所述第二人脸统计数据与所述第四人脸统计数据之间的协方差，计算所述第二人脸统计数据与所述第四人脸统计数据的第二相关性，包括：
根据所述进店顾客的人脸统计数据，统计得到进店顾客数量；
计算所述进店顾客数量的标准差；
根据所述进店顾客数量的标准差、所述结账商品数量的标准差以及所述进店顾客数量与所述结账商品数量之间的协方差，计算所述进店顾客数量与所述结账商品数量的相关性作为第二相关性。
可选的，处理器801执行的所述根据所述第三人脸统计数据的标准差、所述第四人脸统计数据的标准差、所述第三人脸统计数据与所述第四人脸统计数据之间的协方差，计算所述第三人脸统计数据所述第四人脸统计数据的第三相关性，包括：
根据所述浏览顾客的人脸统计数据、浏览商品数据，统计得到商品徘徊次数或时间；
计算所述商品徘徊次数或时间对应的标准差；
根据所述商品徘徊次数的标准差、所述结账商品数量的标准差以及所述商品徘徊次数与所述结账商品数量之间的协方差，分别计算所述商品徘徊次数与所述结账商品数量的相关性作为第三相关性；或
根据所述商品徘徊时间的标准差、所述结账商品数量的标准差以及所述商品徘徊时间与所述结账商品数量之间的协方差，分别计算所述商品徘徊时间与所述结账商品数量的相关性作为第三相关性。
需要说明的是，上述电子设备可以是可以应用于可以进行商铺销售数据分析的手机、监控器、计算机、服务器等设备。
本发明实施例提供的电子设备能够实现上述方法实施例中商铺销售数据分析方法实现的各个过程，且可以达到相同的有益效果，为避免重复，这里不再赘述。
本发明实施例还提供一种计算机可读存储介质，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本发明实施例提供的商铺销售数据分析方法的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存取存储器(Random AccessMemory，简称RAM)等。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。
Claims (10)
1.一种商铺销售数据分析方法，其特征在于，包括以下步骤：
获取第一指定区域图像，并对所述第一指定区域图像进行人脸检测，得到第一人脸统计数据，所述第一指定区域位于所述商铺的门外区域，所述第一人脸统计数据包括经过所述商铺的行人的人脸统计数据；
获取第二指定区域图像，并对所述第二指定区域图像进行人脸检测，得到第二人脸统计数据，所述第二指定区域位于所述商铺的门口区域，所述第二人脸统计数据包括进店顾客的人脸统计数据；
获取第三指定区域图像，并对所述第三指定区域图像进行人脸检测，得到第三人脸统计数据，所述第三指定区域位于所述商铺的货架区域，所述第三人脸统计数据包括浏览商品数据、员工及浏览顾客的人脸统计数据；
获取第四指定区域图像，并对所述第四指定区域图像进行人脸检测，得到第四人脸统计数据，所述第四指定区域位于所述商铺的收银区域，所述第四人脸统计数据包括结账顾客的人脸统计数据以及结账商品数据；
根据所述第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据对所述商铺进行销售分析。
2.如权利要求1所述的方法，其特征在于，所述销售分析包括销售数据分析与销售预测分析，所述根据所述第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据对所述商铺进行销售分析，包括：
将所述第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据形成图文报表，并根据所述图文报表进行所述销售数据分析；
根据所述第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据中至少两项进行相关性计算，根据所述相关性计算的结果进行所述销售预测分析。
3.如权利要求2所述的方法，其特征在于，所述根据所述第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据中至少两项进行相关性计算，根据所述相关性计算的结果进行所述销售预测分析，包括：
根据所述第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据中任意两项对应的标准差与所述任意两项之间的协方差，计算所述任意两项之间相关性，并根据所述第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据中任意两项的相关性进行所述销售预测分析。
4.如权利要求2所述的方法，其特征在于，所述根据所述第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据中至少两项进行相关性计算，根据所述相关性计算的结果进行所述销售预测分析，包括：
根据所述第一人脸统计数据的标准差、所述第四人脸统计数据的标准差、所述第一人脸统计数据与所述第四人脸统计数据之间的协方差，计算所述第一人脸统计数据与所述第四人脸统计数据的第一相关性；和/或
根据所述第二人脸统计数据的标准差、所述第四人脸统计数据的标准差、所述第二人脸统计数据与所述第四人脸统计数据之间的协方差，计算所述第二人脸统计数据与所述第四人脸统计数据的第二相关性；和/或
根据所述第三人脸统计数据的标准差、所述第四人脸统计数据的标准差、所述第三人脸统计数据与所述第四人脸统计数据之间的协方差，计算所述第三人脸统计数据所述第四人脸统计数据的第三相关性，并根据所述第一相关性和/或第二相关性和/或第三相关性进行所述销售预测分析。
5.如权利要求4所述的方法，其特征在于，所述根据所述第一人脸统计数据的标准差、所述第四人脸统计数据的标准差、所述第一人脸统计数据与所述第四人脸统计数据之间的协方差，计算所述第一人脸统计数据与所述第四人脸统计数据的第一相关性，包括：
根据所述经过所述商铺的行人的人脸统计数据，统计得到所述商铺的行人的人流量；
计算所述行人的人流量的标准差；
根据所述结账商品数据，统计得到结账商品数量；
计算所述结账商品数量的标准差；
计算所述行人的人流量与所述结账商品数量之间的协方差；
根据所述行人的人流量的标准差、所述结账商品数量的标准差以及所述行人的人流量与所述结账商品数量之间的协方差，计算所述行人的人流量与所述结账商品数量的相关性作为第一相关性。
6.如权利要求5所述的方法，其特征在于，所述根据所述第二人脸统计数据的标准差、所述第四人脸统计数据的标准差、所述第二人脸统计数据与所述第四人脸统计数据之间的协方差，计算所述第二人脸统计数据与所述第四人脸统计数据的第二相关性，包括：
根据所述进店顾客的人脸统计数据，统计得到进店顾客数量；
计算所述进店顾客数量的标准差；
根据所述进店顾客数量的标准差、所述结账商品数量的标准差以及所述进店顾客数量与所述结账商品数量之间的协方差，计算所述进店顾客数量与所述结账商品数量的相关性作为第二相关性。
7.如权利要求6所述的方法，其特征在于，所述根据所述第三人脸统计数据的标准差、所述第四人脸统计数据的标准差、所述第三人脸统计数据与所述第四人脸统计数据之间的协方差，计算所述第三人脸统计数据所述第四人脸统计数据的第三相关性，包括：
根据所述浏览顾客的人脸统计数据、浏览商品数据，统计得到商品徘徊次数或时间；
计算所述商品徘徊次数或时间对应的标准差；
根据所述商品徘徊次数的标准差、所述结账商品数量的标准差以及所述商品徘徊次数与所述结账商品数量之间的协方差，计算所述商品徘徊次数与所述结账商品数量的相关性作为第三相关性；或
根据所述商品徘徊时间的标准差、所述结账商品数量的标准差以及所述商品徘徊时间与所述结账商品数量之间的协方差，分别计算所述商品徘徊时间与所述结账商品数量的相关性作为第三相关性。
8.一种商铺销售数据分析装置，其特征在于，所述装置包括：
第一获取模块，用于获取第一指定区域图像，并对所述第一指定区域图像进行人脸检测，得到第一人脸统计数据，所述第一指定区域位于所述商铺的门外区域，所述第一人脸统计数据包括经过所述商铺的行人的人脸统计数据；
第二获取模块，用于获取第二指定区域图像，并对所述第二指定区域图像进行人脸检测，得到第二人脸统计数据，所述第二指定区域位于所述商铺的门口区域，所述第二人脸统计数据包括进店顾客的人脸统计数据；
第三获取模块，用于获取第三指定区域图像，并对所述第三指定区域图像进行人脸检测，得到第三人脸统计数据，所述第三指定区域位于所述商铺的货架区域，所述第三人脸统计数据包括浏览商品数据、员工及浏览顾客的人脸统计数据；
第四获取模块，用于获取第四指定区域图像，并对所述第四指定区域图像进行人脸检测，得到第四人脸统计数据，所述第四指定区域位于所述商铺的收银区域，所述第四人脸统计数据包括结账顾客的人脸统计数据以及结账商品数据；
分析模块，用于根据所述第一人脸统计数据、第二人脸统计数据、第三人脸统计数据、第四人脸统计数据对所述商铺进行销售分析。
9.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的商铺销售数据分析方法中的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质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如权利要求1至7中任一项所述的商铺销售数据分析方法中的步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011640061.6A CN112883775A (zh) | 2020-12-31 | 2020-12-31 | 商铺销售数据分析方法、装置、电子设备及存储介质 |
| PCT/CN2021/133107 WO2022142899A1 (zh) | 2020-12-31 | 2021-11-25 | 商铺销售数据分析方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011640061.6A CN112883775A (zh) | 2020-12-31 | 2020-12-31 | 商铺销售数据分析方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112883775A true CN112883775A (zh) | 2021-06-01 |
Family
ID=76046640
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011640061.6A Pending CN112883775A (zh) | 2020-12-31 | 2020-12-31 | 商铺销售数据分析方法、装置、电子设备及存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN112883775A (zh) |
| WO (1) | WO2022142899A1 (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022142899A1 (zh) * | 2020-12-31 | 2022-07-07 | 深圳云天励飞技术股份有限公司 | 商铺销售数据分析方法、装置、电子设备及存储介质 |
| CN116777571A (zh) * | 2023-08-22 | 2023-09-19 | 山东创恩信息科技股份有限公司 | 基于大数据及互联网平台的商户推荐及采购方法及其系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106056397A (zh) * | 2015-04-07 | 2016-10-26 | 东芝泰格有限公司 | 销售数据处理装置及其控制方法、服务器 |
| US20170300932A1 (en) * | 2016-04-14 | 2017-10-19 | Toshiba Tec Kabushiki Kaisha | Sales data processing apparatus, server and method for acquiring attribute information |
| 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 |
| US20200320552A1 (en) * | 2017-12-20 | 2020-10-08 | Nec Platforms, Ltd. | Sales analysis apparatus, sales management system, sales analysis method, and program recording medium |
| CN112016485A (zh) * | 2020-08-31 | 2020-12-01 | 罗普特科技集团股份有限公司 | 一种基于人脸识别的客流统计方法和系统 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6302865B2 (ja) * | 2015-04-07 | 2018-03-28 | 東芝テック株式会社 | 販売データ処理装置およびプログラム |
| CN108985218A (zh) * | 2018-07-10 | 2018-12-11 | 上海小蚁科技有限公司 | 人流量统计方法及装置、存储介质、计算设备 |
| CN111784387A (zh) * | 2020-06-23 | 2020-10-16 | 大连中维世纪科技有限公司 | 一种基于多维度大数据的消费者品牌忠诚度分析方法 |
| CN112883775A (zh) * | 2020-12-31 | 2021-06-01 | 深圳云天励飞技术股份有限公司 | 商铺销售数据分析方法、装置、电子设备及存储介质 |
-
2020
- 2020-12-31 CN CN202011640061.6A patent/CN112883775A/zh active Pending
-
2021
- 2021-11-25 WO PCT/CN2021/133107 patent/WO2022142899A1/zh active Application Filing
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106056397A (zh) * | 2015-04-07 | 2016-10-26 | 东芝泰格有限公司 | 销售数据处理装置及其控制方法、服务器 |
| US20170300932A1 (en) * | 2016-04-14 | 2017-10-19 | Toshiba Tec Kabushiki Kaisha | Sales data processing apparatus, server and method for acquiring attribute information |
| US20200320552A1 (en) * | 2017-12-20 | 2020-10-08 | Nec Platforms, Ltd. | Sales analysis apparatus, sales management system, sales analysis method, and program recording medium |
| 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 |
| CN112016485A (zh) * | 2020-08-31 | 2020-12-01 | 罗普特科技集团股份有限公司 | 一种基于人脸识别的客流统计方法和系统 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022142899A1 (zh) * | 2020-12-31 | 2022-07-07 | 深圳云天励飞技术股份有限公司 | 商铺销售数据分析方法、装置、电子设备及存储介质 |
| CN116777571A (zh) * | 2023-08-22 | 2023-09-19 | 山东创恩信息科技股份有限公司 | 基于大数据及互联网平台的商户推荐及采购方法及其系统 |
| CN116777571B (zh) * | 2023-08-22 | 2023-11-10 | 山东创恩信息科技股份有限公司 | 基于大数据及互联网平台的商户推荐及采购方法及其系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2022142899A1 (zh) | 2022-07-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10713493B1 (en) | 4D convolutional neural networks for video recognition | |
| CN109284044B (zh) | 一种基于大数据的功能菜单展示方法及相关设备 | |
| US8010402B1 (en) | Method for augmenting transaction data with visually extracted demographics of people using computer vision | |
| CN110033298B (zh) | 信息处理设备及其控制方法、系统和存储介质 | |
| CN109993595B (zh) | 个性化推荐商品及服务的方法、系统及设备 | |
| JP6653413B2 (ja) | 購買分析装置及び購買分析方法 | |
| US9299229B2 (en) | Detecting primitive events at checkout | |
| US9928530B2 (en) | Digitization of a catalog of retail products | |
| US20100114746A1 (en) | Generating an alert based on absence of a given person in a transaction | |
| WO2022142899A1 (zh) | 商铺销售数据分析方法、装置、电子设备及存储介质 | |
| JP2011100458A (ja) | 商品に対する消費者の購買嗜好を収集するためのコンピュータにより実施される方法 | |
| US10672055B2 (en) | Method and system for presenting personalized products based on digital signage for electronic commerce | |
| CN111263224A (zh) | 视频处理方法、装置及电子设备 | |
| Farinella et al. | Face re-identification for digital signage applications | |
| JP2016146026A (ja) | 顧客分析方法及び分析装置 | |
| CN111784372A (zh) | 门店商品推荐方法及设备 | |
| CN108960132A (zh) | 一种开放式自动售货机中商品的购买方法及其装置 | |
| US20180158063A1 (en) | Point-of-sale fraud detection using video data and statistical evaluations of human behavior | |
| CN108197980B (zh) | 个性化购物者的肖像生成方法/系统、存储介质及终端 | |
| WO2017155466A1 (en) | Method and system for visitor tracking at a pos area | |
| CN113887884A (zh) | 商超服务系统 | |
| CN111784405A (zh) | 基于人脸智能识别knn算法的线下门店智能导购方法 | |
| CN111027351A (zh) | 一种线下商品推荐方法、装置和电子设备 | |
| Davis et al. | The hpu | |
| CN110070044B (zh) | 基于深度学习的行人属性识别方法 |
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 |