CN113159822A - 销售门店消费数据的统计方法、设备、介质以及程序产品 - Google Patents

Abstract

本发明公开了一种销售门店消费数据的统计方法、终端设备、存储介质以及计算机程序产品，通过获取访问销售门店的消费者的人脸数据，并确定所述消费者访问所述销售门店的访问时间；提取所述人脸数据的特征信息，以根据所述特征信息匹配所述消费者的消费订单；统计所述消费者的属性信息、所述访问时间和所述消费订单，以得到所述销售门店的消费数据。本发明仅基于从销售门店内摄取消费者的人脸数据即可自动整理统计得到实时准确的消费数据，从而无需人工抽样和额外开发程序令消费者主动登记来进行数据统计，不仅降低了消费数据统计的成本，更避免了信息收集滞后导致数据不准确的问题，提高了销售门店销售数据的整体统计效率。

Description

销售门店消费数据的统计方法、设备、介质以及程序产品

技术领域

本发明涉及数据处理技术领域，尤其涉及一种销售门店消费数据的统计方法、终端设备、存储介质以及计算机程序产品。

背景技术

时下，在商品销售行业通过对消费者所采购的商品的生产、流通与销售等过程进行数据化的信息收集和分析，能够有效的感知用户消费习惯，从而预测商品消费趋势，进而实现引导商品生成制造，以为广大消费者提供多样化、个性化的产品和销售服务。

然而，若需要针对消费者的消费习惯和消费潜力以及销售门店的客流数量、交易订单等消费数据进行准确的分析，就不得不收集统计与消费者相关的各种信息，现有零售门店通常都是以传统的由人员抽样的方式统计部分消费者的相关信息，或者基于面向消费者开发的会员卡、小程序等，基于消费者的主动登记来统计和更新对应信息，如此，不仅统计成本高，且统计得到的信息还存在一定的滞后性，不能准确分析得到消费者的消费数据。

综上，现有销售门店统计收集消费者信息进行消费数据分析的方式，成本高且准确性差，导致数据整体统计效率低下。

发明内容

本发明的主要目的在于提供一种销售门店消费数据的统计方法、终端设备、存储介质以及计算机程序产品，旨在解决现有销售门店统计收集消费者信息进行消费数据分析的方式，成本高且准确性差，导致数据整体统计效率低下的技术问题。

为实现上述目的，本发明提供一种销售门店消费数据的统计方法，所述销售门店消费数据的统计方法包括：

获取访问销售门店的消费者的人脸数据，并确定所述消费者访问所述销售门店的访问时间；

提取所述人脸数据的特征信息，以根据所述特征信息匹配所述消费者的消费订单；

统计所述消费者的属性信息、所述访问时间和所述消费订单，以得到所述销售门店的消费数据。

进一步地，所述人脸数据由设置在所述销售门店各个区域的摄像装置摄取得到，

所述获取访问销售门店的消费者的人脸数据，并确定所述消费者访问所述销售门店的访问时间的步骤，包括：

获取所述摄像装置在检测到取景范围内的符合预设条件的人脸数据，并检测所述摄像装置摄取所述人脸数据时的时间；

将所述人脸数据作为在所述时间处于所述取景范围内的消费者的人脸数据，以及，将所述时间作为所述消费者访问所述销售门店的访问时间。

进一步地，所述摄像装置包括设置在所述销售门店进门位置的第一摄像装置和设置在所述销售门店出门位置的第二摄像装置，所述访问时间包括进店时间和离店时间，

所述将所述时间作为所述消费者访问所述销售门店的访问时间的步骤，包括：

将所述第一摄像装置摄取所述人脸数据时的第一时间，作为所述消费者访问所述销售门店的进店时间；

将所述第二摄像装置摄取所述人脸数据时的第二时间，作为所述消费者访问所述销售门店的离店时间。

进一步地，所述提取所述照片的特征信息的步骤，包括：

检测所述人脸数据的质量信息；

若根据所述质量信息确定所述人脸数据符合预设质量条件，则提取所述人脸数据的特征信息。

进一步地，在所述提取所述人脸数据的特征信息的步骤之后，还包括：

结合所述特征信息针对所述人脸数据进行去重得到目标人脸数据；

所述结合所述特征信息针对所述人脸数据进行去重得到目标人脸数据的步骤，包括：

调用预设聚类算法从预设时间段内获取到的各所述人脸数据中确定各待去重人脸数据；

基于各所述待去重人脸数据各自的特征信息进行人脸匹配，以仅在含有相同人脸的各所述待去重人脸数据中，保留唯一的目标人脸数据。

进一步地，所述销售门店的商品提取位置还设置有第三摄像装置，

所述根据所述特征信息匹配所述消费者的消费订单的步骤，包括：

基于所述目标人脸数据的特征信息和所述第三摄像装置摄取得到的人脸数据的特征信息进行匹配以得到目标结算人脸数据；

将所述目标结算人脸数据映射的消费订单确定为所述消费者的消费订单。

进一步地，所述统计所述消费者的属性信息、所述访问时间和所述消费订单，以得到所述销售门店的消费数据的步骤，包括：

根据所述照片识别所述消费者的属性信息，并整合所述属性信息、所述访问时间和所述消费订单，作为所述消费者在所述销售门店的待统计消费数据；

检测所述销售门店的消费数据库中是否记录有所述消费者的历史消费数据；

若是，则基于所述待统计消费数据对所述历史消费数据进行更新；

若否，则将所述待统计消费数据与所述消费者关联存储在所述消费数据库中作为所述销售门店新的消费数据。

进一步地，在所述统计所述消费者的属性信息、所述访问时间和所述消费订单，以得到所述销售门店的消费数据的步骤之后，还包括：

利用预设机器学习算法基于所述消费数据构建所述消费者的消费推荐模型。

此外，为实现上述目的，本发明还提供一种销售门店消费数据的统计装置，所述销售门店消费数据的统计装置包括：

接收模块，用于获取访问销售门店的消费者的人脸数据，并确定所述消费者访问所述销售门店的访问时间；

匹配模块，用于提取所述人脸数据的特征信息，以根据所述特征信息匹配所述消费者的消费订单；

统计模块，用于统计所述消费者的属性信息、所述访问时间和所述消费订单，以得到所述销售门店的消费数据。

本发明销售门店消费数据的统计装置的各功能模块在运行时实现如上述的销售门店消费数据的统计方法的步骤。

此外，为实现上述目的，本发明还提供一种终端设备，所述终端设备包括：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销售门店消费数据的统计程序，所述销售门店消费数据的统计程序被所述处理器执行时实现如上述中的销售门店消费数据的统计方法的步骤。

此外，为实现上述目的，本发明还提供一种存储介质，所述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上述的销售门店消费数据的统计方法的步骤。

此外，为实现上述目的，本发明还提供计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述的销售门店消费数据的统计方法的步骤。

本发明提出的销售门店消费数据的统计方法、装置、终端设备以及存储介质，通过获取访问销售门店的消费者的人脸数据，并确定所述消费者访问所述销售门店的访问时间；提取所述人脸数据的特征信息，以根据所述特征信息匹配所述消费者的消费订单；统计所述消费者的属性信息、所述访问时间和所述消费订单，以得到所述销售门店的消费数据。

本发明获取在销售门店内摄取到的消费者的人脸数据，并基于摄取人脸数据的时间确定该消费者访问销售门店的访问时间，然后提取人脸数据的特征信息以基于该特征信息匹配该消费者在该销售门店消费产生的消费订单，最后，统计根据照片识别得到的该消费者的属性信息，访问销售门店的该访问时间以及在销售门店产生的该消费订单，从而生成该销售门店基于各个消费者的访问所生成的消费数据。实现了仅基于在销售门店内摄取的消费者的人脸数据即可自动整理统计得到实时准确的消费数据，从而无需人工抽样和额外开发程序令消费者主动登记来进行数据统计，不仅降低了消费数据统计的成本，更避免了信息收集滞后导致数据不准确的问题，提高了销售门店销售数据的整体统计效率。

附图说明

图1是本发明实施例方案涉及终端设备的硬件运行的结构示意图；

图2是本发明一种销售门店消费数据的统计方法一实施例的流程示意图；

图3是本发明一种销售门店消费数据的统计方法另一实施例的流程示意图；

图4是本发明一种销售门店消费数据的统计方法一实施例中所涉及应用流程示意图；

图5是本发明一种销售门店消费数据的统计装置的模块结构示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，图1是本发明实施例方案涉及终端设备的硬件运行环境的结构示意图。

需要说明的是，图1即可为终端设备的硬件运行环境的结构示意图。本发明实施例终端设备可以是PC，便携计算机等终端设备。

如图1所示，该终端设备可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Di sp l ay)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-vo l at i l e memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的终端设备结构并不构成对终端设备的限定，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。

如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及分布式任务的处理程序。其中，操作系统是管理和控制样本终端设备硬件和软件资源的程序，支持分布式任务的处理程序以及其它软件或程序的运行。

在图1所示的终端设备中，用户接口1003主要用于与各个终端进行数据通信；网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；而处理器1001可以用于调用存储器1005中存储的销售门店消费数据的统计程序，并执行以下操作：

获取访问销售门店的消费者的人脸数据，并确定所述消费者访问所述销售门店的访问时间；

提取所述人脸数据的特征信息，以根据所述特征信息匹配所述消费者的消费订单；

统计所述消费者的属性信息、所述访问时间和所述消费订单，以得到所述销售门店的消费数据。

进一步地，所述人脸数据由设置在所述销售门店各个区域的摄像装置摄取得到，处理器1001可以调用存储器1005中存储的销售门店消费数据的统计程序，还执行以下操作：

获取所述摄像装置在检测到取景范围内的符合预设条件的人脸数据，并检测所述摄像装置摄取所述人脸数据时的时间；

将所述人脸数据作为在所述时间处于所述取景范围内的消费者的人脸数据，以及，将所述时间作为所述消费者访问所述销售门店的访问时间。

进一步地，所述摄像装置包括设置在所述销售门店进门位置的第一摄像装置和设置在所述销售门店出门位置的第二摄像装置，所述访问时间包括进店时间和离店时间，处理器1001可以调用存储器1005中存储的销售门店消费数据的统计程序，还执行以下操作：

将所述第一摄像装置摄取所述人脸数据时的第一时间，作为所述消费者访问所述销售门店的进店时间；

将所述第二摄像装置摄取所述人脸数据时的第二时间，作为所述消费者访问所述销售门店的离店时间。

进一步地，处理器1001可以调用存储器1005中存储的销售门店消费数据的统计程序，还执行以下操作：

检测所述人脸数据的质量信息；

若根据所述质量信息确定所述人脸数据符合预设质量条件，则提取所述人脸数据的特征信息。

进一步地，处理器1001可以调用存储器1005中存储的销售门店消费数据的统计程序，在执行提取所述照片的特征信息之后，还执行以下操作：

结合所述特征信息针对所述人脸数据进行去重得到目标人脸数据；

处理器1001可以调用存储器1005中存储的销售门店消费数据的统计程序，还执行以下操作：

调用预设聚类算法从预设时间段内获取到的各所述人脸数据中确定各待去重人脸数据；

基于各所述待去重人脸数据各自的特征信息进行人脸匹配，以仅在含有相同人脸的各所述待去重人脸数据中，保留唯一的目标人脸数据。

进一步地，所述照片还包括结算照片，所述销售门店的商品提取位置还设置有第三摄像装置，处理器1001可以调用存储器1005中存储的销售门店消费数据的统计程序，还执行以下操作：

基于所述目标人脸数据的特征信息和所述第三摄像装置摄取得到的人脸数据的特征信息进行匹配以得到目标结算人脸数据；

将所述目标结算人脸数据映射的消费订单确定为所述消费者的消费订单。

进一步地，处理器1001可以调用存储器1005中存储的销售门店消费数据的统计程序，还执行以下操作：

根据所述照片识别所述消费者的属性信息，并整合所述属性信息、所述访问时间和所述消费订单，作为所述消费者在所述销售门店的待统计消费数据；

检测所述销售门店的消费数据库中是否记录有所述消费者的历史消费数据；

若是，则基于所述待统计消费数据对所述历史消费数据进行更新；

若否，则将所述待统计消费数据与所述消费者关联存储在所述消费数据库中作为所述销售门店新的消费数据。

进一步地，处理器1001可以调用存储器1005中存储的销售门店消费数据的统计程序，在执行统计所述消费者的属性信息、所述访问时间和所述消费订单，以得到所述销售门店的消费数据之后，还执行以下操作：

利用预设机器学习算法基于所述消费数据构建所述消费者的消费推荐模型。

基于上述的结构，提出本发明销售门店消费数据的统计方法的各个实施例。

请参照图2，图2为本发明销售门店消费数据的统计方法第一实施例的流程示意图。

本发明实施例提供了销售门店消费数据的统计方法的实施例，需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本发明实施例销售门店消费数据的统计方法应用于销售门店中用于统计基于各个消费者所生成消费数据的终端设备，本发明实施例终端设备可以是PC，便携计算机等终端设备，在此不做具体限制。

本实施例销售门店消费数据的统计方法包括：

步骤S100，获取访问销售门店的消费者的人脸数据，并确定所述消费者访问所述销售门店的访问时间；

终端设备持续获取预先连接的各个摄像装置在销售门店内所摄取到的访问该销售门店采购商品的消费者的照片或者视频，从而基于该照片或者视频识别提取得到该消费者的人脸数据，并基于各摄像装置各自摄取到照片时记录的时间确定该消费者访问该销售门店的各个访问时间。

需要说明的是，在本实施例中，终端设备可通过现有成熟的物联网技术分别与销售门店内的各个摄像装置建立连接，该各个摄像装置在摄取所拍摄取景范围的消费者的照片或者视频进行人脸数据的识别提取时，同步记录拍摄该照片的时间，并在识别提取到人脸数据之后，即实时的将该人脸数据和拍摄该照片或者视频的时间关联上传至当前终端设备上。

进一步地，在一种可行的实施例中，上述各个摄像装置可分别设置在销售门店不同的区域位置，从而各自摄取处于该区域位置处的消费者的照片或者视频以进行消费者人脸数据的识别提取，上述步骤S100，可以包括：

步骤S101，获取所述摄像装置在检测到取景范围内的人脸数据符合预设条件时摄取的人脸数据，并检测所述摄像装置摄取所述人脸数据时的时间；

预先被设置在销售门店不同位置区域，且各自分别与终端设备建立连接的各个摄像装置，各自持续检测所能够拍摄的取景范围当中的消费者的人脸数据是否符合预设条件，从而在检测到该人脸数据符合预设条件时即拍摄得到包含有该消费者人脸数据的照片或者视频，并同步记录拍摄该照片或者视频时的时间信息，然后该各个摄像装置即时的将从各自拍摄到的照片或者视频中识别提取的人脸数据，连同各自所记录的时间信息一并上传至终端设备，该终端设备即接收该照片和时间信息。

需要说明的是，在本实施例中，预设条件具体可以为摄像装置检测到照片或者视频中的人脸数据可填充为一个完整的脸部轮廓。应当理解的是，基于实际应用的不同设计需要，在其他可行的实时方式当中，该预设条件当然也可以是其他条件内容，本发明销售门店销售数据的采集方法，并不针对该摄像装置触发抓拍摄取消费者照片的预设条件进行具体限定。

具体地，例如，当前设置在销售门店内多个摄像装置的其中任意一个摄像装置，在基于现有成熟的深度学习算法检测到其能够摄取得到的取景范围当中所出现的消费者—“甲”的人脸数据，能够被填充成为一个完整的脸部轮廓时，该摄像装置随即摄取一张包含有该消费者—“甲”完整人脸数据的照片，并同步记录下当前的时间信息—“20xx年x月x日10:47:57”，然后，该摄像装置即将该照片和该时间信息—“20xx年x月x日10:47:57”关联上传给预先连接的终端设备，该终端设备即接收该摄像装置上传的照片和该照片关联的时间信息—“20xx年x月x日10:47:57”。

在本实施例中，利用深度学习学习算法令摄像装置抓拍摄取消费者的照片，进而用于后续消费数据的统计，不仅节省了人工采集数据的成本，还保证了数据准确性，提高了统计效率。

步骤S102，将所述人脸数据作为在所述时间处于所述取景范围内的消费者的人脸数据，以及，将所述时间作为所述消费者访问所述销售门店的访问时间。

终端设备在接收到各个摄像装置所实时摄取并上传的消费者的人脸数据以及该人脸数据所关联的时间之后，终端设备将该人脸数据确定为该消费者访问销售门店而出现在各个摄像装置所能够拍摄的取景范围内的人脸数据，并同步将该照片关联的时间，确定为该消费者访问该销售门店的访问时间。

具体地，例如，终端设备在接收到各个摄像装置中的其中任意一个摄像装置所上传的含有消费者—“甲”完整人脸数据的照片，以及该照片关联的时间信息—“20xx年x月x日10:47:57”之后，终端设备随即将该照片作为消费者—“甲”访问销售门店从而出现在该摄像装置所能够拍摄的取景范围内的照片，并将该时间作为消费者—“甲”访问销售门店从而出现在该摄像装置所能够拍摄的取景范围内的访问时间。

进一步地，在一种可行的实施例中，上述各个摄像装置具体可以包括设置在销售门店进门位置处的第一摄像装置和设置在所述销售门店出门位置处的第二摄像装置，且包含有消费者人脸数据的照片或者视频同理可以包括进店照片(视频)和离店照片(视频)，以及消费者访问销售门店的访问时间同理也可以包括进店时间和离店时间。

上述步骤S102中，“将所述时间作为所述消费者访问所述销售门店的访问时间”的步骤，可以包括：

步骤S1021，将所述第一摄像装置摄取所述人脸数据时的第一时间，作为所述消费者访问所述销售门店的进店时间；

终端设备将所连接的第一摄像装置上传的人脸数据所关联的时间，作为消费者访问销售门店出现在该销售门店进门位置时的进店时间。

具体地，例如，终端设备若接收到了预先设置在销售门店进门位置处，从而正好能够拍摄到销售门店进门方向访客的第一摄像装置所上传的消费者—“甲”的照片以及该照片所关联的时间信息—“20xx年x月x日10:47:57”之后，终端设备随即将该照片确定为消费者—“甲”访问销售门店出现在销售门店进门方向的进店照片，并将该时间信息—“20xx年x月x日10:47:57”作为消费者—“甲”访问销售门店从而出现在销售门店进门方向时的进店时间。

步骤S1022，将所述第二摄像装置摄取所述人脸数据时的第二时间，作为所述消费者访问所述销售门店的离店时间。

终端设备将所连接的第二摄像装置上传的人脸数据所关联的时间，作为消费者访问销售门店出现在该销售门店出门位置时的离店时间。

具体地，例如，终端设备若接收到了预先设置在销售门店出门位置处，从而正好能够拍摄到销售门店出门方向访客的第二摄像装置所上传的消费者—“甲”的照片以及该照片所关联的时间信息—“20xx年x月x日11:01:48”之后，终端设备随即将该照片确定为消费者—“甲”访问销售门店出现在销售门店出门方向的出店照片，并将该时间信息—“20xx年x月x日11:01:48”作为消费者—“甲”访问销售门店从而出现在销售门店出门方向时的离店时间。

进一步地，在一种可行的实施例中，上述各个摄像装置还可以包括设置在销售门店的商品提取位置或者收银台位置处的第三摄像装置，且包含消费者人脸数据的照片或者视频同理可以还包括结算照片(视频)，以及消费者访问销售门店的访问时间同理也可以包括结算时间。

上述步骤S102中，“将所述时间作为所述消费者访问所述销售门店的访问时间”的步骤，可以包括：

步骤S1023，将所述第三摄像装置摄取所述人脸数据时的第三时间，作为所述消费者访问所述销售门店的结算时间；

终端设备将所连接的第三摄像装置上传的人脸数据所关联的时间，作为消费者访问销售门店出现在该销售门店收银台位置时的结算时间。

具体地，例如，终端设备若接收到了预先设置在销售门店收银台位置处，从而正好能够拍摄到销售门店收银台结算消费订单的访客的第三摄像装置所上传的消费者—“甲”的照片以及该照片所关联的时间信息—“20xx年x月x日10:59:00”之后，终端设备随即将该照片确定为消费者—“甲”访问销售门店出现在销售门店收银台的结算照片，并将该时间信息—“20xx年x月x日10:59:00”作为消费者—“甲”访问销售门店从而出现在销售门店收银台前结算消费订单时的结算时间。

步骤S200，提取所述照片的特征信息，以根据所述特征信息匹配所述消费者的消费订单；

终端设备在接收到各个摄像装置各自从摄取的消费者访问销售门店而出现在销售门店不同区域位置的照片或者视频中识别提取的人脸数据，并对应确定消费者出现在该销售门店不同区域位置的访问时间之后，终端设备进一步先检测该照片的质量信息，从而在基于该质量信息确定该人脸数据满足预设质量条件之后，才开始提取该人脸数据的特征信息，进而利用该特征信息来匹配该消费者在该销售门店所结算的消费订单。

需要说明的是，在本实施例中，预设质量条件具体可以为基于实际应用的设计需要，而预先配置的能够确保基于人脸数据可准确提取得到消费者属性信息以及提取得到摄像装置所拍摄照片或者视频本身特征信息，而应当满足的质量条件，应当理解的是，基于实际应用的不同设计需要，该质量条件当然可以被配置为不同的条件内容，本发明销售门店消费数据的统计方法，并不针对该预设质量条件进行具体限定。

进一步地，在一种可行的实施例中，上述步骤S200，可以包括：

步骤S201，检测所述人脸数据的质量信息；

步骤S202，若根据所述质量信息确定所述人脸数据符合预设质量条件，则提取所述人脸数据的特征信息。

终端设备针对接收到的各个摄像装置所上传的消费者访问销售门店的进店照片(视频)、离店照片(视频)和/或者结算照片(视频)之后，先检测进店照片(视频)、离店照片(视频)和/或者结算照片(视频)的质量信息，从而在基于该质量信息确定该进店照片(视频)、离店照片(视频)和/或者结算照片(视频)中的人脸数据满足预设质量条件之后，才开始提取该人脸数据的特征信息。

需要说明的是，在本实施例中，质量信息包括但不限于清晰度、光照条件、拍摄角度以及正脸程度，特征信息包括但不限于512维向量。

具体地，例如，终端设备在接收到第一摄像装置摄取并上传的消费者—“甲”访问销售门店而处于销售门店进门位置处的进门照片之后，终端设备即基于现有成熟的深度学习网络，提取出该进门照片的清晰度、光照条件、拍摄角度以及正脸程度等质量信息，然后，终端设备进一步将分别与预设的清晰度阈值、光照条件阈值、拍摄角度范围阈值以及正脸程度范围阈值等阈值进行比对，直到该进门照片的清晰度、光照条件、拍摄角度以及正脸程度等质量信息，均符合各对应阈值要求从而确定从该进门照片中提取的人脸数据符合质量条件之后，再进一步基于该深度学习网络提取该进门照片中人脸数据的512维向量。

进一步地，在另一种可行的实施例中，在上述步骤S200中“提取所述人脸数据的特征信息”的步骤之后，本发明销售门店销售数据的统计方法，还可以包括：

步骤A，结合所述特征信息针对所述人脸数据进行去重得到目标人脸数据；

需要说明的是，在本实例中，第一摄像装置、第二摄像装置以及第三摄像装置各自在摄取包含有消费者人脸数据的照片或者视频时，会连续摄取到多张照片或者多段连续视频，因此，该各摄像装置各自会上传从多张消费者连续的照片或者不同视频中识别提取的多个人脸数据，以及该人脸数据对应照片或者视频各自关联的时间信息给终端设备，因此，终端设备在接收到多个人脸数据之后，需要针对该多个人脸数据进行去重处理。

终端设备在接收到各个摄像装置中的任意摄像装置所上传的多个人脸数据之后，先筛除该多个人脸数据中不属于消费者的错误人脸数据，然后结合提取到的各人脸数据各自的特征信息进行比对计算以去重得到唯一的目标人脸数据。

进一步地，在一种可行的实施例中，步骤A，还可以包括：

步骤A1，调用预设聚类算法从预设时间段内获取到的各所述人脸数据中确定各待去重照片；

步骤A2，基于各所述待去重人脸数据各自的特征信息进行人脸匹配，以仅在含有相同人脸的各所述待去重照片中，保留唯一的目标照片。

需要说明的是，在本实施例中，预设聚类算法具体可以为现有成熟的任意类型聚类算法，基于实际应用的不同设计需要，在不同可行的实施方式当中，该聚类算法当然可以也可以是不同的，本发明销售门店的消费数据统计方法，并不针对该预设聚类算法的种类进行具体限定。此外，预设时间段具体可以为2分钟或者终端设备的一个缓存周期15分钟，应当理解的是，基于实际应用的不同设计需要，在其它可行的实施例中，该预设时间段当然也可以使用其他时间，本发明销售门店消费数据的统计方法，并不针对该预设时间段进行具体限定。

具体地，例如，终端设备在接收到第一摄像装置上传的在两分钟之内共计拍摄到的8张消费者—“甲”连续的进店照片，以及该8张进店照片各自关联的时间信息，且，终端设备通过深度学习网络提取出该8张进店照片各自的质量信息确定其均符合预设的质量条件之后，终端设备再基于现有成熟的聚类算法从该8张进店照片中筛除第2张进店照片(属于第一摄像装置错误摄取得到)，从而得到剩余的7张包含有消费者—“甲”人脸数据的进店照片作为待去重照片。

然后，终端设备基于计算该剩余的7张消费者—“甲”的进店照片各自的512维向量，分别计算该7张进店照片相互之间的相似度距离，从而，在该相似度距离均不大于预设距离阈值的情况下，直接选取该7张进店照片中质量最高的一张进店照片作为消费者—“甲”的目标进店照片，并从该目标进店照片当中识别提取出该消费者—“甲”的目标人脸数据。

需要说明的是，在本实施例中，预设距离阈值为预先配置供终端设备判断同一摄像装置所摄取的照片是否属于两个不同的消费者，即，例如，若第一摄像头在两分钟内前后供摄取到了两个消费者—“甲”和“乙”各自连续的多张进店照片，假设“甲”5张，“乙”3张且均符合上述预设质量条件且均被作为了待去重照片，则终端设备在去重时即可计算到“甲”的5张进店照片相互之间的相似度距离不大于预设距离阈值，“乙”的3张进店照片相互之间的相似度距离也不大于预设距离阈值，但是，“甲”的任意一张进店照片与“乙”的任意一张进店照片之间的相似度距离将大于预设距离阈值，进而，终端设备即可从“甲”的5张进店照片中选取一张质量最高的进店照片作为消费者—“甲”的目标进店照片以从该目标进店照片当中识别提取出该消费者—“甲”的目标人脸数据，并从“乙”的3张进店照片中选取一张质量最高的进店照片作为消费者—“乙”的目标进店照片以从该目标进店照片当中识别提取出该消费者—“乙”的目标人脸数据。

进一步地，在另一种可行的实施例中，本发明销售门店消费数据的统计方法，上述步骤S201、步骤S202以及步骤A，还可以直接在各个摄像装置本地执行，从而各个摄像装置仅向终端设备上传从经过去重后的进店照片(视频)、离店照片(视频)甚至结算照片(视频)中识别提取的人脸数据，以及该人脸数据各自关联的时间信息、特征信息。

在本实施例中，通过深度学习算法提取得到各摄像装置所摄取消费者的照片的质量信息、特征信息，并通过对该特征信息进行去重处理，能够保证后续准确的统计得到销售门店的消费者流量、消费者进出店时间以及消费者订单信息等消费数据，进一步提高了销售门店消费数据的统计效率。

进一步地，在一种可行的实施例中，上述步骤S200中，“根据所述特征信息匹配所述消费者的消费订单”的步骤，可以包括：

步骤S203，基于所述目标人脸数据的特征信息和所述第三摄像装置摄取得到的人脸数据的特征信息进行匹配以得到目标结算人脸数据；

终端设备在针对各个摄像装置各自所上传的从消费者连续的进店照片或者视频和离店照片或者视频中识别提取的人脸数据进行去重，以得到目标进店人脸数据或者目标离店人脸数据之后，通过该目标进店人脸数据或者目标离店人脸数据的特征信息与各个消费者各自的结算人脸数据特征信息，来计算该目标进店人脸数据或者目标离店人脸数据分别与各结算人脸数据之间的相似度距离以进行人脸匹配，从而从该各结算人脸数据中确定出属于该目标进店人脸数据或者目标离店人脸数据所属消费者的目标结算人脸数据。

具体地，例如，终端设备将针对第一摄像装置所上传的多张消费者—“甲”连续的进店照片进行去重，从而得到消费者—“甲”的目标进店照片之后，终端设备基于计算该目标进店照片的512维向量，和预先接收并进行去重之后消费者—“甲”的结算照片1、消费者—“乙”的结算照片2各自的512维向量，分别计算该目标进店照片与结算照片1之间的相似度距离1，和该目标进店照片与结算照片2之间的相似度距离2，从而在确定该相似度距离1不大于预设距离阈值的情况下，将该消费者—“甲”的结算照片1确定为目标结算照片。

步骤S204，将所述目标结算人脸数据映射的消费订单确定为所述消费者的消费订单。

需要说明的是，在本实施例中，终端设备在接收到第三摄像装置所上传的从消费者的结算照片中识别提取得到的人脸数据以及该结算照片关联的时间信息之后，终端设备随即确定该时间信息对应时刻销售门店的订单系统(可预先与终端设备建立连接)所生成的消费订单，并将该结算照片中的人脸数据与该消费订单建立映射关系。

终端设备基于接收到的包含消费者人脸数据的结算照片与消费订单之间的映射关系，将确定的目标结算照片中的人脸数据所映射的消费订单确定为当前目标进店照片(或者视频)或者目标离店照片(或者视频)所属消费者的消费订单。

具体地，例如，终端设备在确定消费者—“甲”的结算照片1为目标结算订单之后，随即将该结算照片1所映射的消费订单1确定为消费者—“甲”的消费订单。

步骤S300，统计所述消费者的属性信息、所述访问时间和所述消费订单，以得到所述销售门店的消费数据。

终端设备从而消费者的照片中提取出该消费者的属性信息，并将该属性信息连同该消费者访问销售门店的访问时间和在该销售门店所产生的消费订单整合统计作为销售门店的一条消费数据，从而自动统计得到基于消费者访问该销售门店而生成的各个消费数据。

进一步地，在一种可行的实施例中，步骤S300，可以包括：

步骤S301，根据所述照片识别所述消费者的属性信息，并整合所述属性信息、所述访问时间和所述消费订单，作为所述消费者在所述销售门店的待统计消费数据；

终端设备基于消费者的进店照片、离店照片或者结算照片提取出该消费者的属性信息，然后将该属性信息连同该消费者访问销售门店的访问时间和在该销售门店所产生的消费订单整合统计作为销售门店的待统计消费数据。

需要说明的是，在本实施例中，属性信息具体可以为性别、年龄、衣着、是否带口罩、是否戴眼镜和是否带帽子，应当理解的是，基于实际应用的不同设计需要，在其他可行的实施方式中，该属性信息当然还可以包括此处未列举到的其他类型的信息，本发明销售门店消费数据的统计方法，并不针对该属性信息进行具体限定。

步骤S302，检测所述销售门店的消费数据库中是否记录有所述消费者的历史消费数据；

步骤S303，若是，则基于所述待统计消费数据对所述历史消费数据进行更新；

步骤S304，若否，则将所述待统计消费数据与所述消费者关联存储在所述消费数据库中作为所述销售门店新的消费数据。

终端设备在整合得到销售门店基于消费者的访问而产生的待统计消费数据之后，在该销售门店的消费数据库当中检测是否已经存储有该消费者的历史消费数据，从而，终端设备在检测到该消费数据库中已经存储有消费者的历史数据时，终端设备即基于该待统计消费数据针对该历史消费数据进行更新，或者，终端设备在检测到该消费数据库中尚未存储有该消费者的历史数据时，随即在该消费数据库当中将该待统计消费数据新增加作为该消费门店新的消费数据。

需要说明的是，在本实施例中，消费数据库具体可以为终端设备预先配置以专门用于存储销售门店消费数据的存储空间。

具体地，例如，请参照如图4所示的应用流程，终端设备(终端设备在图中示为后台)在接收到第一摄像装置、第二摄像装置或者第三摄像装置(各摄像装置在图中示为摄像头)，各自所摄取(抓拍)的消费者—“甲”的进店照片、离店照片以及结算照片之后，终端设备根据进店照片关联的时间信息先记录消费者—“甲”(访客)的进店时间，然后终端设备利用现有成熟的深度学习网络计算各进店照片、离店照片以及结算照片各自的质量、并提取消费者—“甲”的性别、年龄、衣着、是否带口罩、是否戴眼镜和是否带帽子等属性信息，以及进店照片、离店照片以及结算照片各自的特征信息，再然后，终端设备基于进店照片进行消费者识别和抓拍去重(前述针对预设时间段内摄取到照片进行去重)或者缓存周期去重，并判断该消费者—“甲”是否为销售门店的新访客(即，若销售门店的消费数据库中存有该消费者—“甲”的历史消费数据，该消费者—“甲”不为新访客，而该消费数据库中存有该消费的历史消费数据，该消费即为新访客)，并在判断为“是”时，在该销售门店的消费数据库当中新增加该消费者—“甲”的属性信息(图示访客信息)，或者，在判断为“否”时，针对该销售门店的消费数据库当中原先记录的该消费者—“甲”的属性信息更新为最新从该进店照片中提取出的属性信息。

此外，终端设备还根据结算照片针对在销售门店收银台结算订单的消费者(图示下单用户)进行识别，并基于消费者—“甲”目标进店照片的512维度向量与该多个结算照片各自的512维度向量计算相似度距离，从而确定消费者—“甲”的目标结算照片以将该目标结算照片映射的消费订单匹配确定为消费者—“甲”的消费订单，进而基于该消费订单更新消费者—“甲”的历史订单信息。

此外，终端设备还根据离店照片对结算完消费订单而离开销售门店的消费者—“甲”(图示出门访客)进行识别，并同样进行抓拍去重后对消费者—“甲”离开销售门店的离店时间进行更新。

终端设备在经过上述分别根据进店照片、结算照片和离店照片进行消费者识别、去重、统计消费者信息、匹配消费订单以及更新进出店时间之后，终端设备即可在消费数据库中统计得到访问销售门店的各个消费者—“甲”、“乙”、“丙”...，各自访问该销售门店采购商品所产生的新(旧)消费者数量、消费者进出店时间、消费者属性、消费订单数量、线上(线下)订单比例、订单商品详情等消费数据。

在本实施例中，基于利用深度学习算法计算提取消费者的属性信息，能够保证后续准确的统计得到销售门店的消费者流量、消费者进出店时间以及消费者订单信息等消费数据，进一步提高了销售门店消费数据的统计效率。

进一步地，在另一种可行的实施例中，请参照如图3所示的流程示意图，在上述步骤S300，统计所述消费者的属性信息、所述访问时间和所述消费订单，以得到所述销售门店的消费数据之后，本发明销售门店消费数据的统计方法，还可以包括：

步骤S400，利用预设机器学习算法基于所述消费数据构建所述消费者的消费推荐模型。

终端设备基于统计得到的基于消费者访问该销售门店而生成的各个消费数据，将该各个消费者各自的消费数据作为训练样本数据，以利用机器学习算法针对每一个消费者训练构建消费推荐模型，以用于为该消费者精准推荐商品以及发放优惠券等。

需要说明的是，在本实施例中，终端设备利用机器学习算法，以各消费者各自的消费数据作为训练样本数据训练得到消费推荐模型，可以采用现有任意成熟的机器学习模型训练方式，本发明销售门店消费数据的统计方法并不针对该训练得到各消费者的消费推荐模型的过程进行具体限定。

在本实施例中，终端设备基于各个消费者的消费数据作为训练样本数据，来训练构建消费推荐模型，从而为消费者推荐多样化、个性化的产品和服务，提升了消费者的消费体验。

在本实施例中，通过终端设备持续获取预先连接的各个摄像装置在销售门店内所摄取到的访问该销售门店采购商品的消费者的照片，或者视频，从而基于该照片或者视频识别提取得到该消费者的人脸数据，并基于各摄像装置各自摄取到照片时记录的时间确定该消费者访问该销售门店的各个访问时间；终端设备在接收到各个摄像装置各自从摄取的消费者访问销售门店而出现在销售门店不同区域位置的照片或者视频中识别提取的人脸数据，并对应确定消费者出现在该销售门店不同区域位置的访问时间之后，终端设备进一步先检测该照片的质量信息，从而在基于该质量信息确定该人脸数据满足预设质量条件之后，才开始提取该人脸数据的特征信息，进而利用该特征信息来匹配该消费者在该销售门店所结算的消费订单；终端设备从而消费者的照片中提取出该消费者的属性信息，并将该属性信息连同该消费者访问销售门店的访问时间和在该销售门店所产生的消费订单整合统计作为销售门店的一条消费数据，从而自动统计得到基于消费者访问该销售门店而生成的各个消费数据。

本发明实现了，基于获取在销售门店内摄取到的消费者的人脸数据，并基于摄取人脸数据的时间确定该消费者访问销售门店的访问时间，然后提取人脸数据的特征信息以基于该特征信息匹配该消费者在该销售门店消费产生的消费订单，最后，统计根据照片识别得到的该消费者的属性信息，访问销售门店的该访问时间以及在销售门店产生的该消费订单，从而生成该销售门店基于各个消费者的访问所生成的消费数据。实现了仅基于在销售门店内摄取的消费者的人脸数据即可自动整理统计得到实时准确的消费数据，从而无需人工抽样和额外开发程序令消费者主动登记来进行数据统计，不仅降低了消费数据统计的成本，更避免了信息收集滞后导致数据不准确的问题，提高了销售门店销售数据的整体统计效率。

另一方面，还基于统计得到的基于消费者访问该销售门店而生成的各个消费数据，将该各个消费者各自的消费数据作为训练样本数据，以利用机器学习算法针对每一个消费者训练构建消费推荐模型，以用于为该消费者精准推荐商品以及发放优惠券等，提升了消费者的消费体验。

此外，请参照图5，本发明实施例还提出一种销售门店消费数据的统计装置，所述销售门店消费数据的统计装置包括：

接收模块，用于获取访问销售门店的消费者的人脸数据，并确定所述消费者访问所述销售门店的访问时间；

匹配模块，用于提取所述人脸数据的特征信息，以根据所述特征信息匹配所述消费者的消费订单；

统计模块，用于统计所述消费者的属性信息、所述访问时间和所述消费订单，以得到所述销售门店的消费数据。

优选地，所述人脸数据由设置在所述销售门店各个区域的摄像装置摄取得到，所述接收模块，包括：

获取单元，用于获取所述摄像装置在检测到取景范围内的符合预设条件的人脸数据，并检测所述摄像装置摄取所述人脸数据时的时间；

确定单元，用于将所述人脸数据作为在所述时间处于所述取景范围内的消费者的人脸数据，以及，将所述时间作为所述消费者访问所述销售门店的访问时间。

优选地，所述摄像装置包括设置在所述销售门店进门位置的第一摄像装置和设置在所述销售门店出门位置的第二摄像装置，所述访问时间包括进店时间和离店时间，所述确定单元，包括：

第一确定子单元，用于将所述第一摄像装置摄取所述人脸数据时的第一时间，作为所述消费者访问所述销售门店的进店时间；

第二确定子单元，用于将所述第二摄像装置摄取所述人脸数据时的第二时间，作为所述消费者访问所述销售门店的离店时间。

优选地，所述匹配模块，包括：

检测单元，用于检测所述人脸数据的质量信息；

提取单元，用于若根据所述质量信息确定所述人脸数据符合预设质量条件，则提取所述人脸数据的特征信息。

优选地，本发明销售门店消费数据的统计装置，还包括：

去重模块，用于结合所述特征信息针对所述人脸数据进行去重得到目标人脸数据。

所述去重模块，包括：

第一确定单元，用于调用预设聚类算法从预设时间段内获取到的各所述人脸数据中确定各待去重人脸数据；

去重单元，用于基于各所述待去重人脸数据各自的特征信息进行人脸匹配，以仅在含有相同人脸的各所述待去重人脸数据中，保留唯一的目标人脸数据。

优选地，所述销售门店的商品提取位置还设置有第三摄像装置，所述匹配模块，还包括：

匹配单元，用于基于所述目标人脸数据的特征信息和所述第三摄像装置摄取得到的人脸数据的特征信息进行匹配以得到目标结算人脸数据；

第二确定单元，用于将所述目标结算人脸数据映射的消费订单确定为所述消费者的消费订单。

进一步地，所述统计模块，包括：

整合单元，用于根据所述照片识别所述消费者的属性信息，并整合所述属性信息、所述访问时间和所述消费订单，作为所述消费者在所述销售门店的待统计消费数据；

检测单元，用于检测所述销售门店的消费数据库中是否记录有所述消费者的历史消费数据；

更新单元，用于基于所述待统计消费数据对所述历史消费数据进行更新；

新建单元，用于将所述待统计消费数据与所述消费者关联存储在所述消费数据库中作为所述销售门店新的消费数据

其中，本发明销售门店消费数据的统计装置的各功能模块在运行时所实现的步骤，可参照上述本发明销售门店消费数据的统计方法的各个实施例，此处不再赘述。

此外，本发明实施例还提出一种终端设备，该终端设备包括：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销售门店消费数据的统计程序，该销售门店消费数据的统计程序被所述处理器执行时实现如上述中的销售门店消费数据的统计方法的步骤。

其中，在所述处理器上运行的销售门店消费数据的统计程序被执行时所实现的步骤可参照本发明销售门店消费数据的统计方法的各个实施例，此处不再赘述。

此外，本发明实施例还提出一种存储介质，应用于计算机，该存储介质可以为非易失性计算机可读存储介质，该存储介质上存储有销售门店消费数据的统计程序，所述销售门店消费数据的统计程序被处理器执行时实现如上所述的销售门店消费数据的统计方法的步骤。

此外，本发明实施例还提出一种计算机程序产品，该计算机程序产品上包括门店访客信息的架构程序，所述门店访客信息的架构程序被处理器执行时实现如上所述的门店访客信息的架构方法的步骤。

其中，在所述处理器上运行的销售门店消费数据的统计程序被执行时所实现的步骤可参照本发明销售门店消费数据的统计方法的各个实施例，此处不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (11)

1.一种销售门店消费数据的统计方法，其特征在于，所述销售门店消费数据的统计方法包括：

获取访问销售门店的消费者的人脸数据，并确定所述消费者访问所述销售门店的访问时间；

提取所述人脸数据的特征信息，以根据所述特征信息匹配所述消费者的消费订单；

统计所述消费者的属性信息、所述访问时间和所述消费订单，以得到所述销售门店的消费数据。

2.如权利要求1所述的销售门店消费数据的统计方法，其特征在于，所述人脸数据由设置在所述销售门店各个区域的摄像装置摄取得到，

所述获取访问销售门店的消费者的人脸数据，并确定所述消费者访问所述销售门店的访问时间的步骤，包括：

获取所述摄像装置在检测到取景范围内的符合预设条件的人脸数据，并检测所述摄像装置摄取所述人脸数据时的时间；

将所述人脸数据作为在所述时间处于所述取景范围内的消费者的人脸数据，以及，将所述时间作为所述消费者访问所述销售门店的访问时间。

3.如权利要求2所述的销售门店消费数据的统计方法，其特征在于，所述摄像装置包括设置在所述销售门店进门位置的第一摄像装置和设置在所述销售门店出门位置的第二摄像装置，所述访问时间包括进店时间和离店时间，

所述将所述时间作为所述消费者访问所述销售门店的访问时间的步骤，包括：

将所述第一摄像装置摄取所述人脸数据时的第一时间，作为所述消费者访问所述销售门店的进店时间；

将所述第二摄像装置摄取所述人脸数据时的第二时间，作为所述消费者访问所述销售门店的离店时间。

4.如权利要求1所述的销售门店消费数据的统计方法，其特征在于，所述提取所述照片的特征信息的步骤，包括：

检测所述人脸数据的质量信息；

若根据所述质量信息确定所述人脸数据符合预设质量条件，则提取所述人脸数据的特征信息。

5.如权利要求1所述的销售门店消费数据的统计方法，其特征在于，在所述提取所述人脸数据的特征信息的步骤之后，还包括：

结合所述特征信息针对所述人脸数据进行去重得到目标人脸数据；

所述结合所述特征信息针对所述人脸数据进行去重得到目标人脸数据的步骤，包括：

调用预设聚类算法从预设时间段内获取到的各所述人脸数据中确定各待去重人脸数据；

基于各所述待去重人脸数据各自的特征信息进行人脸匹配，以仅在含有相同人脸的各所述待去重人脸数据中，保留唯一的目标人脸数据。

6.如权利要求5所述的销售门店消费数据的统计方法，其特征在于，所述销售门店的商品提取位置还设置有第三摄像装置，

所述根据所述特征信息匹配所述消费者的消费订单的步骤，包括：

基于所述目标人脸数据的特征信息和所述第三摄像装置摄取得到的人脸数据的特征信息进行匹配以得到目标结算人脸数据；

将所述目标结算人脸数据映射的消费订单确定为所述消费者的消费订单。

7.如权利要求1所述的销售门店消费数据的统计方法，其特征在于，所述统计所述消费者的属性信息、所述访问时间和所述消费订单，以得到所述销售门店的消费数据的步骤，包括：

根据所述照片识别所述消费者的属性信息，并整合所述属性信息、所述访问时间和所述消费订单，作为所述消费者在所述销售门店的待统计消费数据；

检测所述销售门店的消费数据库中是否记录有所述消费者的历史消费数据；

若是，则基于所述待统计消费数据对所述历史消费数据进行更新；

若否，则将所述待统计消费数据与所述消费者关联存储在所述消费数据库中作为所述销售门店新的消费数据。

8.如权利要求1至7任意一项所述的销售门店消费数据的统计方法，其特征在于，在所述统计所述消费者的属性信息、所述访问时间和所述消费订单，以得到所述销售门店的消费数据的步骤之后，还包括：

利用预设机器学习算法基于所述消费数据构建所述消费者的消费推荐模型。

9.一种终端设备，其特征在于，所述终端设备包括：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销售门店消费数据的统计程序，所述销售门店消费数据的统计程序被所述处理器执行时实现如权利要求1至8中任一项所述的销售门店消费数据的统计方法的步骤。

10.一种存储介质，其特征在于，所述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8中任一项所述的销售门店消费数据的统计方法的步骤。

11.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的销售门店消费数据的统计方法的步骤。

Images