CN113222637A - 门店访客信息的架构方法、装置、设备、介质及程序产品 - Google Patents
门店访客信息的架构方法、装置、设备、介质及程序产品 Download PDFInfo
- Publication number
- CN113222637A CN113222637A CN202110218129.XA CN202110218129A CN113222637A CN 113222637 A CN113222637 A CN 113222637A CN 202110218129 A CN202110218129 A CN 202110218129A CN 113222637 A CN113222637 A CN 113222637A
- Authority
- CN
- China
- Prior art keywords
- store
- information
- store visitor
- visitor
- picture
- 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 description 64
- 238000004590 computer program Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 abstract description 7
- 238000010276 construction Methods 0.000 abstract description 3
- 238000013135 deep learning Methods 0.000 description 13
- 239000000284 extract Substances 0.000 description 9
- 230000000875 corresponding effect Effects 0.000 description 7
- 238000013461 design Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 239000011521 glass Substances 0.000 description 4
- 238000005286 illumination Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Computer Security & Cryptography (AREA)
- Bioethics (AREA)
- General Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Computer Hardware Design (AREA)
- Strategic Management (AREA)
- Software Systems (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Multimedia (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了一种门店访客信息的架构方法、装置、终端设备、存储介质以及计算机程序产品，通过接收门店访客的加密视频数据；基于所述加密视频数据抓取所述门店访客的图片，并确定所述门店访客访问销售门店的访问时间；将所述图片和所述访问时间上传至云端，以供所述云端根据所述图片识别所述门店访客的属性信息，并根据所述访问时间和所述属性信息架构得到与所述门店访客相关联的访客信息，其中，所述云端与所述边缘设备相连接。本发明协同利用云端和边缘设备的资源，减轻了网络带宽要求，有效的规避了数据处理延迟，致使信息收集滞后影响门店访客信息准确性的问题，提高了架构访问销售门店的门店访客信息的整体效率。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种门店访客信息的架构方法、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门店访客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，以为广大门店访客提供多样化、个性化的产品和销售服务。然而，若需要针对门店访客的消费习惯、消费潜力等进行准确的分析，就不得不收集准确架构出门店访客的各种信息。
尽管已经存在通过在销售门店的不同区域预先设置摄像装置采集门店访客的视频图像数据，以用于自动架构门店访客信息，但是，该手段尚不能有效规避数据处理延迟，从而导致最终架构得到的门店访客信息仍然会存在一定滞后性的问题。
综上，如何在以较低成本且保证准确性的前提下，避免数据处理延迟的影响来架构得到门店访客信息，仍然是亟待解决的问题。
发明内容
本发明的主要目的在于提供一种门店访客信息的架构方法、装置、终端设备、存储介质以及计算机程序产品，旨在解决如何在以较低成本且保证准确性来架构门店访客信息的前提下，避免数据处理延迟造成架构门店访客信息存在滞后性影响的技术问题。
为实现上述目的，本发明提供一种门店访客信息的架构方法，所述门店访客信息的架构方法应用于边缘设备，所述门店访客信息的架构方法包括：
接收门店访客的加密视频数据；
基于所述加密视频数据抓取所述门店访客的图片，并确定所述门店访客访问销售门店的访问时间；
将所述图片和所述访问时间上传至云端，以供所述云端根据所述图片识别所述门店访客的属性信息，并根据所述访问时间和所述属性信息架构得到与所述门店访客相关联的访客信息，其中，所述云端与所述边缘设备相连接。
进一步地，所述加密视频数据由设置在所述销售门店各个区域的摄像装置摄取并加密得到，所述边缘设备预先与各所述摄像装置相连接，
所述基于所述加密视频数据抓取所述门店访客的图片，并确定所述门店访客访问销售门店的访问时间的步骤，包括：
针对所述加密视频数据进行解密得到解密后的视频数据；
在所述视频数据中抓取所述门店访客的图片，并同步记录抓取所述图片的时间信息；
将所述时间信息确定为所述门店访客访问销售门店的访问时间。
进一步地，在所述将所述图片和所述访问时间上传至云端的步骤之前，还包括：
在针对所述加密视频数据进行解密后的视频数据中，记录包含有所述门店访客的连续视频帧数。
进一步地，所述将所述图片和所述访问时间上传至云端的步骤，包括：
若检测到所述连续视频帧数符合预设视频帧数条件，则将所述图片和所述访问时间上传至云端。
此外，为实现上述目的，本发明还提供一种门店访客信息的架构方法，所述门店访客信息的架构方法应用于与如上所述的边缘设备相连接的云端，所述门店访客信息的架构方法包括：
接收所述边缘设备上传的门店访客的图片和访问时间；
根据所述图片识别所述门店访客的属性信息；
根据所述访问时间和所述属性信息架构得到与所述门店访客相关联的门店访客信息。
进一步地，在所述根据所述图片识别所述门店访客的属性信息的步骤之后，还包括：
根据所述图片的特征信息针对从各所述图片中识别到的相同属性信息进行去重。
进一步地，所述根据所述图片的特征信息针对从各所述图片中识别到的相同属性信息进行去重的步骤，可以包括：
基于各所述图片各自的特征信息进行人脸匹配，以在含有相同门店访客的各相同图片中，确定唯一的目标图片；
在从各所述相同图片中识别得到的相同属性信息中，仅保留所述目标图片对应的属性信息。
进一步地，所述根据所述访问时间和所述属性信息架构得到与所述门店访客相关联的门店访客信息的步骤，包括：
整合所述访问时间和所述属性信息作为一条门店访客信息，并为所述属性信息所属的目标门店访客生成唯一标识；
将所述标识与所述门店访客信息进行关联以完成门店访客信息的架构。
此外，为实现上述目的，本发明还提供一种门店访客信息的架构装置，所述门店访客信息的架构装置应用于边缘设备，所述门店访客信息的架构装置，包括：
第一接收模块，用于接收门店访客的加密视频数据；
确定模块，用于基于所述加密视频数据抓取所述门店访客的图片，并确定所述门店访客访问销售门店的访问时间；
上传模块，用于将所述图片和所述访问时间上传至云端，以供所述云端根据所述图片识别所述门店访客的属性信息，并根据所述访问时间和所述属性信息架构得到与所述门店访客相关联的访客信息，其中，所述云端与所述边缘设备相连接；
其中，所述门店访客信息的架构装置还应用于与所述边缘设备相连接的云端，所述门店访客信息的架构装置，还包括：
第二接收模块，用于接收所述边缘设备上传的门店访客的图片和访问时间；
识别模块，用于根据所述图片识别所述门店访客的属性信息；
架构模块，用于根据所述访问时间和所述属性信息架构得到与所述门店访客相关联的门店访客信息。
本发明门店访客信息的架构装置的各功能模块在运行时实现如上述的门店访客信息的架构方法的步骤。
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所述处理器执行时实现如上述中的门店访客信息的架构方法的步骤。
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门店访客信息的架构方法的步骤。
此外，为实现上述目的，本发明还提供一种计算机程序产品，所述计算机程序产品上包括计算机程序，所述计算机程序被处理器执行时实现如上述的门店访客信息的架构方法的步骤。
本发明提出的门店访客信息的架构方法、装置、终端设备、存储介质以及计算机程序产品，通过接收门店访客的加密视频数据；基于所述加密视频数据抓取所述门店访客的图片，并确定所述门店访客访问销售门店的访问时间；将所述图片和所述访问时间上传至云端，以供所述云端根据所述图片识别所述门店访客的属性信息，并根据所述访问时间和所述属性信息架构得到与所述门店访客相关联的访客信息，其中，所述云端与所述边缘设备相连接。本发明通过获取在销售门店内摄取到的门店访客的加密视频数据，并基于该加密视频数据提取出包含有该门店访客的图片，并同步确定该门店访客访问销售门店的访问时间，然后将该图片和访问时间关联上传至预先连接的云端，由云端从该图片当中提取出该门店访客的属性信息，从而基于该门店访客访问销售门店的访问时间以及该门店访客的属性信息，即可架构得到该门店访客的门店访客信息。
本发明实现了协同利用云端和边缘设备的资源，利用边缘设备分布式和低延时传输视频数据的特点解码视频并抓拍图片和确定访问时间，之后仅仅图片和访问时间图片及访问时间到云端，极大的减轻了网络带宽要求，并且，进一步利用云端存储容量大、算力大的特点计算提取门店访客属性来架构得到最终的门店访客信息，有效的规避了数据处理延迟，致使信息收集滞后影响门店访客信息准确性的问题，提高了架构访问销售门店的门店访客信息的整体效率。
另一方面，本发明还基于云端和边缘设备端长短互补的原理，达成了门店访客信息容量大、网络带宽要求底、易部署且拓展性强的技术目的。
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是本发明一种门店访客信息的架构方法一实施例的流程示意图；
图3是本发明一种门店访客信息的架构方法另一实施例中的流程示意图；
图4是本发明一种门店访客信息的架构方法一实施例中所涉及应用流程示意图；
图5是本发明一种门店访客信息的架构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。本发明实施例边缘设备可以是PC，便携计算机等终端设备，本发明实施例云端可以是阿里云计算平台，腾讯云计算平台等云端计算平台甚至云端服务器。
如图1所示，该终端设备或者云端可以包括：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 (Display)、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-volatile 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中示出的终端设备或者云端的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中存储的门店访客信息的架构程序，并执行以下操作：
接收门店访客的加密视频数据；
基于所述加密视频数据抓取所述门店访客的图片，并确定所述门店访客访问销售门店的访问时间；
将所述图片和所述访问时间上传至云端，以供所述云端根据所述图片识别所述门店访客的属性信息，并根据所述访问时间和所述属性信息架构得到与所述门店访客相关联的访客信息，其中，所述云端与所述边缘设备相连接。
进一步地，所述加密视频数据由设置在所述销售门店各个区域的摄像装置摄取并加密得到，所述边缘设备预先与各所述摄像装置相连接，处理器1001 可以调用存储器1005中存储的门店访客信息的架构程序，还执行以下操作：
针对所述加密视频数据进行解密得到解密后的视频数据；
在所述视频数据中抓取所述门店访客的图片，并同步记录抓取所述图片的时间信息；
将所述时间信息确定为所述门店访客访问销售门店的访问时间。
进一步地，处理器1001可以调用存储器1005中存储的门店访客信息的架构程序，在执行将所述图片和所述访问时间上传至云端之前，还执行以下操作：
在针对所述加密视频数据进行解密后的视频数据中，记录包含有所述门店访客的连续视频帧数。
进一步地，处理器1001可以调用存储器1005中存储的门店访客信息的架构程序，还执行以下操作：
若检测到所述连续视频帧数符合预设视频帧数条件，则将所述图片和所述访问时间上传至云端。
进一步地，处理器1001可以调用存储器1005中存储的门店访客信息的架构程序，还执行以下操作：
接收所述边缘设备上传的门店访客的图片和访问时间；
根据所述图片识别所述门店访客的属性信息；
根据所述访问时间和所述属性信息架构得到与所述门店访客相关联的门店访客信息。
进一步地，处理器1001可以调用存储器1005中存储的门店访客信息的架构程序，在执行根据所述图片识别所述门店访客的属性信息之后，还执行以下操作：
根据所述图片的特征信息针对从各所述图片中识别到的相同属性信息进行去重。
进一步地，处理器1001可以调用存储器1005中存储的门店访客信息的架构程序，还执行以下操作：
基于各所述图片各自的特征信息进行人脸匹配，以在含有相同门店访客的各相同图片中，确定唯一的目标图片；
在从各所述相同图片中识别得到的相同属性信息中，仅保留所述目标图片对应的属性信息。
进一步地，处理器1001可以调用存储器1005中存储的门店访客信息的架构程序，还执行以下操作：
整合所述访问时间和所述属性信息作为一条门店访客信息，并为所述属性信息所属的目标门店访客生成唯一标识；
将所述标识与所述门店访客信息进行关联以完成门店访客信息的架构。
基于上述的结构，提出本发明门店访客信息的架构方法的各个实施例。
请参照图2，图2为本发明门店访客信息的架构方法第一实施例的流程示意图。
本发明实施例提供了门店访客信息的架构方法的实施例，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。
本发明实施例门店访客信息的架构方法应用于销售门店中用于架构各个门店访客各自访问销售门店而生成的门店访客信息的边缘设备(后文均以终端设备代替进行阐述)，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。
本实施例门店访客信息的架构方法包括：
步骤S100，接收门店访客的加密视频数据；
终端设备持续接收预先连接的各个摄像装置，在销售门店内不同区域摄取访问该销售门店采购商品的门店访客的视频数据，并针对该视频数据进行加密得到加密视频数据。
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，且预先分别与该各个摄像装置协商确定针对所摄取和接收的视频数据的加解密方式(各个摄像装置各自与终端设备协商的加解密方式可以相同也可以不同)。各个摄像装置分别摄取所拍摄取景范围的门店访客的视频数据(视频数据中的每一帧图片均记录有时间信息)，并调用该加解密方式当中的加密方式针对该视频数据进行加密得到加密视频数据，并将该加密视频数据上传至当前终端设备上。
此外，在本实施例中，加解密方式具体可以为同态加密，即终端设备预限与各个摄像装置各自进行协商以生成一个密钥对，从而由摄像装置利用该密钥对中的私钥针对各自所摄取的视频数据进行加密得到加密视频数据并上传，然后由终端设备在接收到该加密视频数据之后，基于该密钥对当中的公钥针对该加密视频数据进行解密得到原视频数据。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当中，终端设备当然也可以与各摄像装置进行协商以确定其他加解密方式，本发明门店访客信息的架构方法，并不针对该加解密方式进行具体地限定。
进一步地，在一种可行的实施例中，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门店访客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，即持续拍摄得到包含有该门店访客人脸数据的视频数据，然后该各个摄像装置即时的将各自拍摄到的视频数据经过加密上传至终端设备，该终端设备即接收加密视频数据。
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，本发明门店访客信息的架构方法，并不针对该摄像装置触发抓拍摄取门店访客照片的预设条件进行具体限定。
具体地，例如，请参照如图4所示的应用流程，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(图示摄像头)，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门店访客—“甲”的人脸数据，能够被填充成为一个完整的脸部轮廓时，该摄像装置随即开始摄取包含有该门店访客—“甲”完整人脸数据的一段视频数据，然后，该摄像装置即使用预先协商确定的密钥对中的公钥将该视频数据加密得到加密视频数据，并将该加密视频数据上传给预先连接的终端设备(图示边缘设备)，该终端设备即接收该摄像装置上传的加密视频数据。
在本实施例中，利用深度学习算法令摄像装置摄取门店访客的视频数据，进而用于后续消费信息的架构，不仅节省了人工采集数据的成本，还保证了数据准确性，提高了架构效率。
步骤S200，基于所述加密视频数据抓取所述门店访客的图片，并确定所述门店访客访问销售门店的访问时间；
终端设备在接收到摄像装置所上传的加密视频数据之后，先针对该加密视频数据进行解密，然后从经过解密后的视频数据当中抓取出包含有门店访客的图片，并同步确定该门店访客访问销售门店的消费时间。
进一步地，在一种可行的实施例中，步骤S200，可以包括：
步骤S201，针对所述加密视频数据进行解密得到解密后的视频数据；
终端设备在接收到摄像装置所上传的加密视频数据之后，通过调用预先与该摄像装置协商确定的加解密方式，来针对该加密视频数据进行解密以得到解密后的视频数据。
步骤S202，在所述视频数据中抓取所述门店访客的图片，并同步记录抓取所述图片的时间信息；
终端设备在得到解密后的视频数据之后，利用深度学习网络从该视频数据中抓取出含有门店访客的图片，并同步记录抓取的该图片所携带的时间信息。
需要说明的是，在本实施例中，终端设备除了可以在解密后的视频数据中，提取得到含有门店访客人脸数据的图片，还可以提取包含有含有该门店访客人体数据的图片。应当理解的是，在本实施例中，基于实际应用的不同设计需要，在其他可行的实施方式中，终端设备当然还可以提取含有门店访客其它人体部分数据的图片，本发明门店访客信息的架构方法，并不针对该图片中应当包含的门店访客的人体数据进行具体地限定。
步骤S203，将所述时间信息确定为所述门店访客访问所述销售门店的访问时间。
终端设备在从解密后的视频数据中抓取得到门店访客的图片之后，将记录的该图片所携带的时间信息确定为该门店访客访问该销售门店时的访问时间。
具体地，例如，请参照如图4所示的应用流程，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门店访客—“甲”完整人脸数据的加密视频数据之后，终端设备调用预先与该摄像装置协商确定的密钥对的公钥，对该加密视频数据进行解密得到解密后的视频数据，然后，终端设备利用现有成熟的深度学习网络，检测跟踪该视频数据当中的门店访客—“甲”，进而抓取出该视频数据中包含有门店访客—“甲”完整人脸数据或者人体数据的图片，并同步记录该图片携带的该摄像装置拍摄到该图片时的时间信息—“20xx年x月x日10:47:57”，从而，终端设备随即将该图片作为门店访客—“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，并将该时间信息—“20xx年x月x日10:47:57”，作为门店访客—“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，且门店访客的视频数据同理可以包括进店视频和离店视频，以及门店访客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。
上述步骤步骤S203，可以包括：
步骤S2031，将从所述第一摄像装置上传所述进店视频中提取的图片所携带的第一时间，作为所述门店访客访问所述销售门店的进店时间；
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门店访客的第一摄像装置所上传的门店访客—“甲”的进店视频(经过加密后)，终端设备基于预先与该第一摄像装置协商确定的密钥对的公钥对该进店视频进行解密，然后利用现有成熟的深度学习网络，检测跟踪该进店视频当中的门店访客—“甲”，进而抓取出该进店视频中包含有门店访客—“甲”完整人脸数据或者人体数据的图片，并同步记录该图片携带的该第一摄像装置拍摄到该图片时的时间信息—“20xx年x月x日10:47:57”，从而，终端设备随即将该图片作为门店访客—“甲”访问销售门店从而出现在销售门店进门方向的照片，并将该时间信息—“20xx年x月x日10:47:57”，作为门店访客—“甲”访问销售门店的进店时间。
步骤S2032，将从所述第二摄像装置上传所述离店视频中提取的图片所携带的第二时间，作为所述门店访客访问所述销售门店的离店时间；
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门店访客的第二摄像装置所上传的门店访客—“甲”的离店视频(经过加密后)，终端设备基于预先与该第二摄像装置协商确定的密钥对的公钥对该离店视频进行解密，然后利用现有成熟的深度学习网络，检测跟踪该离店视频当中的门店访客—“甲”，进而抓取出该离店视频中包含有门店访客—“甲”完整人脸数据或者人体数据的图片，并同步记录该图片携带的该第二摄像装置拍摄到该图片时的时间信息—“20xx年x月x日11:01:48”，从而，终端设备随即将该图片作为门店访客—“甲”访问销售门店从而出现在销售门店出门方向的照片，并将该时间信息—“20xx年x月x日11:01:48”，作为门店访客—“甲”访问销售门店的离店时间。
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收银台位置处的第三摄像装置，且门店访客的视频数据同理可以包括结算视频，以及门店访客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S203，还可以包括：
步骤S2033，将从所述第三摄像装置上传所述结算视频中提取的图片所携带的第三时间，作为所述门店访客访问所述销售门店结算消费订单的结算时间；
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在该收银台结算消费订单的门店访客的第三摄像装置，所上传的门店访客—“甲”的结算视频(经过加密后)，终端设备基于预先与该第三摄像装置协商确定的密钥对的公钥对该结算视频进行解密，然后利用现有成熟的深度学习网络，检测跟踪该结算视频当中的门店访客—“甲”，进而抓取出该结算视频中包含有门店访客—“甲”完整人脸数据或者人体数据的图片，并同步记录该图片携带的该第三摄像装置拍摄到该图片时的时间信息—“20xx年x月x日10:59:39”，从而，终端设备随即将该图片作为门店访客—“甲”访问销售门店结算消费订单时的照片，并将该时间信息—“20xx 年x月x日10:59:39”，作为门店访客—“甲”访问销售门店结算消费订单的结算时间。
步骤S300，将所述图片和所述访问时间上传至云端，以供所述云端根据所述图片识别所述门店访客的属性信息，并根据所述访问时间和所述属性信息架构得到与所述门店访客相关联的访客信息，其中，所述云端与所述边缘设备相连接。
终端设备在从经过解密后的视频数据中抓取得到门店访客的图片之后，则可在视频数据中包含有门店访客的连续视频帧数符合预设视频帧数条件时，将该图片连同确定的门店访客的访问时间上传至预先连接的云端，云端接收该图片和访问时间，在判断确定该图片的质量信息也符合预设质量条件的情况下，开始从该图片中识别并提取得到门店访客的各项属性信息，以基于该访问时间和从该各项属性信息，生成该门店访客所关联的门店访客信息。
需要说明的是，在本实施例中，预设视频帧数条件具体可以为视频数据中包含有门店访客的连续视频帧数大于或者等于帧数阈值，而该帧数阈值的具体大小与摄像装置的自身性能相关，因此，由于在不同的实际应用中，该摄像装置可以为任意种类从而具备不同的性能表现，从而，本发明门店访客信息的架构方法并不针对该帧数阈值的大小进行具体地限定。
进一步地，在一种可行的实施例中，在上述步骤S300之前，本发明门店访客信息的架构方法，还可以包括：
步骤S400，在针对所述加密视频数据进行解密后的视频数据中，记录包含有所述门店访客的连续视频帧数；
终端设备在从经过解密后的视频数据当中抓取包含有门店访客的图片，并同步确定该门店访客访问销售门店的消费时间的同时，可进一步记录门店访客在该视频数据中所连续出现的连续视频帧数。
进一步地，在一种可行的实施例中，上述步骤300中，“将所述图片和所述访问时间上传至云端”的步骤，可以包括：
步骤S301，若检测到所述连续视频帧数符合预设视频帧数条件，则将所述图片和所述访问时间上传至云端。
终端设备在检测到该连续视频帧数大于或者等于帧数阈值从而符合预设视频帧数条件时，将该图片连同确定的门店访客的访问时间上传至预先连接的云端。从而，云端接收该图片和访问时间，并计算该图片的质量信息以用于判断该质量信息是否也符合预设质量条件，以在判断连续视频帧数符合预设视频帧数条件情况下，计算的门店访客图片的质量信息与对应质量阈值进行对比，从而进一步判断确认该质量信息也符合预设质量条件时，终端设备才从该图片当中识别并提取得到门店访客的各项属性信息。
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。
具体地，例如，请参照如图4所示的应用流程，终端设备可以在利用现有成熟的深度学习网络，检测跟踪该视频数据当中的门店访客—“甲”，进而抓取出该视频数据中包含有门店访客—“甲”完整人脸数据或者人体数据的图片，并同步记录该图片携带的该摄像装置拍摄到该图片时的时间信息—“20xx年x月x日10:47:57”的过程中，还同步记录得到门店访客—“甲”在该视频数据当中所连续出现的连续视频帧数—8，从而，终端设备将该连续视频帧数—8与预先配置生成的帧数阈值—5进行对比，从而确定该连续视频帧数—8符合预设视频帧数条件(8大于5)时，终端设备即将门店访客—“甲”的图片连同该图片时的时间信息—“20xx年x月x日10:47:57”一并上传至云端。
进一步地，在另一种可行的实施例中，若终端设备记录得到的门店访客—“甲”在该视频数据当中所连续出现的连续视频帧数仅为4，从而确定该连续视频帧数不符合预设视频帧数条件(4小于5)，终端设备即将已经提取的门店访客—“甲”的图片进行删除并输出提示。
在本实施例中，通过设置帧数阈值来判断门店访客在摄像装置所拍摄的视频中连续出现的帧数是否符合要求，能够规避终端设备在摄像装置因为自身性能限制而错误的拍摄到不属于门店访客的错误视频情况下，仍基于该错误视频进行门店访客信息架构导致门店访客信息不准确的问题，提高了信息准确性。
进一步地，请参照图3，图3为本发明门店访客信息的架构方法应用在云端的流程示意图。
在本发明门店访客信息的架构方法另一种应用在与上述边缘设备相连接的云端的可行实施例中，本发明门店访客信息的架构方法，还可以包括：
步骤S500，接收所述边缘设备上传的门店访客的图片和访问时间；
步骤S600，根据所述图片识别所述门店访客的属性信息；
预先与终端设备相连接的云端在接收到该终端设备所上传的图片，和访问销售门店的门店访客的访问时间之后，云端先计算该图片的质量信息，并将计算的门店访客图片的质量信息与对应质量阈值进行对比，从而进一步判断确认该质量信息也符合预设质量条件时，云端才从该图片当中识别并提取得到门店访客的各项属性信息。
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照片可准确提取得到门店访客属性信息以及照片本身特征信息，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，本发明门店访客信息的架构方法，并不针对该预设质量条件进行具体限定。
此外，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，本发明门店访客信息的架构方法，并不针对该属性信息进行具体限定。
具体地，例如，如图4所示的应用流程，云端在接收到终端设备所上传的门店访客—“甲”的图片和访问时间之后，开始使用现有成熟的深度学习网络来计算抓取得到的门店访客—“甲”的图片的清晰度、光照条件、以及正脸程度等质量信息，并将该清晰度、光照条件、以及正脸程度等质量信息，分别与预设的清晰度阈值、光照条件阈值以及正脸程度范围阈值等阈值进行比对，直到该清晰度、光照条件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符合预设质量条件之后，云端进一步利用现有成熟的深度学习网络，计算得到该图片中门店访客“甲”的年龄、性别、是否戴口罩、是否戴眼镜、是否带帽子以及衣着等属性信息。
在本实施例中，基于利用深度学习算法计算提取门店访客的属性信息，能够保证后续准确的架构得到门店访客信息，进一步提高了门店访客信息的架构效率。
进一步地，在另一种可行的实施例中，在上述步骤S600，根据所述图片识别所述门店访客的属性信息之后，本发明门店访客信息的架构方法，还可以包括：
步骤S800，根据所述图片的特征信息针对从各所述图片中识别到的相同属性信息进行去重。
需要说明的是，在本实例中，终端设备可能会从第一摄像装置、第二摄像装置以及第三摄像装置各自所上传的视频数据中，抓拍得到多张同一个门店访客的图片上传给云端，因此云端需要针对从该多张图片中提取得到的多份相同门店访客的属性信息进行去重处理。
云端在从多张门店访客的图片中识别并提取门店访客各项属性信息的同时或者之后，还可以同步提取得到该各个图片各自的特征信息，然后，基于该特征信息针对从各图片中识别到的相同属性信息进行去重。
需要说明的是，在本实施例中，特征信息具体可以为512维向量。
进一步地，在一种可行的实施例中，步骤S800，可以包括：
步骤S801，基于各所述图片各自的特征信息进行人脸匹配，以在含有相同门店访客的各相同图片中，确定唯一的目标图片；
步骤S802，在从各所述相同图片中识别得到的相同属性信息中，仅保留所述目标图片对应的属性信息。
具体地，例如，请参照如图4所示的应用流程，云端在接收到第一摄像装置上传的进门视频(经过解密之后)中，共计抓拍到8张门店访客—“甲”连续的进店图片，且，云端通过深度学习网络提取出该8张进店图片各自的质量信息确定其均符合预设的质量条件之后，基于计算8张门店访客—“甲”的进店图片各自的512维向量，分别计算该8张进店图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8 张进店图片中质量最高的一张进店图片作为门店访客—“甲”的目标进店图片，最后，云端将已经分别从该8张进店图片中分别识别并提取得到的门店访客—“甲”的8份属性信息当中，仅保留从该目标进店图片中识别并提取得到的那一份属性信息。
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门店访客的照片的质量信息、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架构得到门店访客信息，进一步提高了门店访客信息的架构效率。
步骤S700，根据所述访问时间和所述属性信息架构得到与所述门店访客相关联的门店访客信息。
云端基于已经确定的门店访客访问销售门店的访问时间，和从该门店访客的图片当中识别并提取出的门店访客的各项属性信息，生成该门店访客所关联的门店访客信息。
需要说明的是，在本实施例中，门店访客信息具体可以为具有各项属性信息的门店访客于何时进入消费门店、于何时结算包含有何种商品的消费订单以及于何时离开该消费门店。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当中，该门店访客信息当然也可以为其他内容，本发明门店访客信息的架构方法，并不针对该门店访客信息进行具体限定。
进一步地，在一种可行的实施例中，步骤S700，可以包括：
步骤S701，整合所述访问时间和所述属性信息作为一条门店访客信息，并为所述属性信息所属的目标门店访客生成唯一标识；
步骤S702，将所述标识与所述门店访客信息进行关联以完成门店访客信息的架构。
具体地，例如，云端将从门店访客—“甲”的目标进店照片中提取的门店访客“甲”的年龄、性别、是否戴口罩、是否戴眼镜、是否带帽子以及衣着等属性信息，以及门店访客—“甲”的进店时间—“20xx年x月x日 10:47:57”、结算时间—“20xx年x月x日10:59:39”，以及离店时间—“20xx 年x月x日11:01:48”，整合为由标识“甲”唯一关联映射的门店访客信息：门店访客—“甲”，拥有“年龄X、性别男、戴口罩、戴眼镜、带帽子以及着黄色T恤白色短裤等属性信息”，于“20xx年x月x日10:47:57”访问进入了销售门店，并于“20xx年x月x日10:59:39”结算了含有商品xxx的消费订单，并于“20xx年x月x日11:01:48”离开销售门店。
进一步地，在另一种可行的实施例中，请参照如图4所示的应用流程示意图，本发明门店访客信息的架构方法还可以由终端设备在本地执行上述步骤S600和步骤S800。
在本实施例中，通过终端设备持续接收预先连接的各个摄像装置，在销售门店内不同区域摄取访问该销售门店采购商品的门店访客的视频数据，并针对该视频数据进行加密得到加密视频数据；终端设备在接收到摄像装置所上传的加密视频数据之后，先针对该加密视频数据进行解密，然后从经过解密后的视频数据当中抓取出包含有门店访客的图片，并同步确定该门店访客访问销售门店的消费时间；终端设备在从经过解密后的视频数据中抓取得到门店访客的图片之后，则可在视频数据中包含有门店访客的连续视频帧数符合预设视频帧数条件时，将该图片连同确定的门店访客的访问时间上传至预先连接的云端，云端接收该图片和访问时间，在判断确定该图片的质量信息也符合预设质量条件的情况下，开始从该图片中识别并提取得到门店访客的各项属性信息，以基于该访问时间和从该各项属性信息，生成该门店访客所关联的门店访客信息。
本发明实现了，协同利用云端和边缘设备的资源，利用边缘设备分布式和低延时传输视频数据的特点解码视频并抓拍图片和确定访问时间，之后仅仅图片和访问时间图片及访问时间到云端，极大的减轻了网络带宽要求，并且，进一步利用云端存储容量大、算力大的特点计算提取门店访客属性来架构最终的门店访客信息，有效的规避了数据处理延迟，致使信息收集滞后影响门店访客信息准确性的问题，提高了架构访问销售门店的门店访客信息的整体效率。
另一方面，本发明还基于云端和边缘设备端长短互补的原理，达成了门店访客信息容量大、网络带宽要求底、易部署且拓展性强的技术目的。
此外，请参照图5，本发明实施例还提出一种门店访客信息的架构装置，所述门店访客信息的架构装置应用于边缘设备，所述门店访客信息的架构装置，包括：
第一接收模块，用于接收门店访客的加密视频数据；
确定模块，用于基于所述加密视频数据抓取所述门店访客的图片，并确定所述门店访客访问销售门店的访问时间；
上传模块，用于将所述图片和所述访问时间上传至云端，以供所述云端根据所述图片识别所述门店访客的属性信息，并根据所述访问时间和所述属性信息架构得到与所述门店访客相关联的访客信息，其中，所述云端与所述边缘设备相连接；
其中，所述门店访客信息的架构装置还应用于与所述边缘设备相连接的云端，所述门店访客信息的架构装置，还包括：
第二接收模块，用于接收所述边缘设备上传的门店访客的图片和访问时间；
识别模块，用于根据所述图片识别所述门店访客的属性信息；
架构模块，用于根据所述访问时间和所述属性信息架构得到与所述门店访客相关联的门店访客信息。
优选地，所述加密视频数据由设置在所述销售门店各个区域的摄像装置摄取并加密得到，所述边缘设备预先与各所述摄像装置相连接，所述确定模块，包括：
解密单元，用于针对所述加密视频数据进行解密得到解密后的视频数据；
抓取单元，用于在所述视频数据中抓取所述门店访客的图片，并同步记录抓取所述图片的时间信息；
确定单元，用于将所述时间信息确定为所述门店访客访问销售门店的访问时间。
优选地，本发明门店访客信息的架构装置，还包括：
记录模块，用于在针对所述加密视频数据进行解密后的视频数据中，记录包含有所述门店访客的连续视频帧数。
优选地，所述上传模块，还用于若检测到所述连续视频帧数符合预设视频帧数条件，则将所述图片和所述访问时间上传至云端。
优选地，本发明门店访客信息的架构装置，还包括：
去重模块，用于根据所述图片的特征信息针对从各所述图片中识别到的相同属性信息进行去重。
进一步地，所述去重模块，包括：
匹配单元，用于基于各所述图片各自的特征信息进行人脸匹配，以在含有相同门店访客的各相同图片中，确定唯一的目标图片；
清除单元，用于在从各所述相同图片中识别得到的相同属性信息中，仅保留所述目标图片对应的属性信息。
进一步地，所述架构模块，包括：
整合单元，用于整合所述访问时间和所述属性信息作为一条门店访客信息，并为所述属性信息所属的目标门店访客生成唯一标识；
标识单元，用于将所述标识与所述门店访客信息进行关联以完成门店访客信息的架构。
其中，本发明门店访客信息的架构装置的各功能模块在运行时所实现的步骤，可参照上述本发明门店访客信息的架构方法的各个实施例，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门店访客信息的架构程序，该门店访客信息的架构程序被所述处理器执行时实现如上述中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门店访客信息的架构程序被执行时所实现的步骤可参照本发明门店访客信息的架构方法的各个实施例，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。
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门店访客信息的架构程序被执行时所实现的步骤可参照本发明门店访客信息的架构方法的各个实施例，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 (10)
1.一种门店访客信息的架构方法，其特征在于，所述门店访客信息的架构方法应用于边缘设备，所述门店访客信息的架构方法包括：
接收门店访客的加密视频数据；
基于所述加密视频数据抓取所述门店访客的图片，并确定所述门店访客访问销售门店的访问时间；
将所述图片和所述访问时间上传至云端，以供所述云端根据所述图片识别所述门店访客的属性信息，并根据所述访问时间和所述属性信息架构得到与所述门店访客相关联的访客信息，其中，所述云端与所述边缘设备相连接。
2.如权利要求1所述的门店访客信息的架构方法，其特征在于，所述加密视频数据由设置在所述销售门店各个区域的摄像装置摄取并加密得到，所述边缘设备预先与各所述摄像装置相连接，
所述基于所述加密视频数据抓取所述门店访客的图片，并确定所述门店访客访问销售门店的访问时间的步骤，包括：
针对所述加密视频数据进行解密得到解密后的视频数据；
在所述视频数据中抓取所述门店访客的图片，并同步记录抓取所述图片的时间信息；
将所述时间信息确定为所述门店访客访问销售门店的访问时间。
3.如权利要求1所述的门店访客信息的架构方法，其特征在于，在所述将所述图片和所述访问时间上传至云端的步骤之前，还包括：
在针对所述加密视频数据进行解密后的视频数据中，记录包含有所述门店访客的连续视频帧数。
4.如权利要求3所述的门店访客信息的架构方法，其特征在于，所述将所述图片和所述访问时间上传至云端的步骤，包括：
若检测到所述连续视频帧数符合预设视频帧数条件，则将所述图片和所述访问时间上传至云端。
5.一种门店访客信息的架构方法，其特征在于，所述门店访客信息的架构方法应用于云端，所述云端与如权利要求1至4任一项所述的边缘设备相连接，所述门店访客信息的架构方法包括：
接收所述边缘设备上传的门店访客的图片和访问时间；
根据所述图片识别所述门店访客的属性信息；
根据所述访问时间和所述属性信息架构得到与所述门店访客相关联的门店访客信息。
6.如权利要求5所述的门店访客信息的架构方法，其特征在于，所述根据所述访问时间和所述属性信息架构得到与所述门店访客相关联的门店访客信息的步骤，包括：
整合所述访问时间和所述属性信息作为一条门店访客信息，并为所述属性信息所属的目标门店访客生成唯一标识；
将所述标识与所述门店访客信息进行关联以完成门店访客信息的架构。
7.一种门店访客信息的架构装置，其特征在于，所述门店访客信息的架构装置应用于边缘设备，所述门店访客信息的架构装置，包括：
第一接收模块，用于接收门店访客的加密视频数据；
确定模块，用于基于所述加密视频数据抓取所述门店访客的图片，并确定所述门店访客访问销售门店的访问时间；
上传模块，用于将所述图片和所述访问时间上传至云端，以供所述云端根据所述图片识别所述门店访客的属性信息，并根据所述访问时间和所述属性信息架构得到与所述门店访客相关联的访客信息，其中，所述云端与所述边缘设备相连接；
其中，所述门店访客信息的架构装置还应用于与所述边缘设备相连接的云端，所述门店访客信息的架构装置，还包括：
第二接收模块，用于接收所述边缘设备上传的门店访客的图片和访问时间；
识别模块，用于根据所述图片识别所述门店访客的属性信息；
架构模块，用于根据所述访问时间和所述属性信息架构得到与所述门店访客相关联的门店访客信息。
8.一种终端设备，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所述处理器执行时实现如权利要求1至4或者5至6中任一项所述的门店访客信息的架构方法的步骤。
9.一种存储介质，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4或者5至6中任一项所述的门店访客信息的架构方法的步骤。
10.一种计算机程序产品，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4或者5至6中任一项所述的门店访客信息的架构方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110218129.XA CN113222637A (zh) | 2021-02-26 | 2021-02-26 | 门店访客信息的架构方法、装置、设备、介质及程序产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110218129.XA CN113222637A (zh) | 2021-02-26 | 2021-02-26 | 门店访客信息的架构方法、装置、设备、介质及程序产品 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113222637A true CN113222637A (zh) | 2021-08-06 |
Family
ID=77084869
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110218129.XA Pending CN113222637A (zh) | 2021-02-26 | 2021-02-26 | 门店访客信息的架构方法、装置、设备、介质及程序产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113222637A (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017156793A1 (zh) * | 2016-03-15 | 2017-09-21 | 深圳市至壹科技开发有限公司 | 基于地理位置的视频处理方法 |
| CN108012121A (zh) * | 2017-12-14 | 2018-05-08 | 安徽大学 | 一种边缘计算和云计算融合的实时视频监控方法及系统 |
| CN108985865A (zh) * | 2018-08-27 | 2018-12-11 | 广州联欣自动识别技术有限公司 | 智能门店的顾客数据分析方法和系统 |
| CN110390246A (zh) * | 2019-04-16 | 2019-10-29 | 江苏慧中数据科技有限公司 | 一种边云环境中的视频分析方法 |
| CN110766454A (zh) * | 2019-10-12 | 2020-02-07 | 广州臻一计算机系统有限公司 | 门店的顾客到访信息收集方法以及门店子系统架构 |
| CN111881785A (zh) * | 2020-07-13 | 2020-11-03 | 北京市商汤科技开发有限公司 | 客流分析方法及装置、存储介质和系统 |
| CN112149581A (zh) * | 2020-09-25 | 2020-12-29 | 北京嘀嘀无限科技发展有限公司 | 工况监控方法、系统、装置、电子设备和可读存储介质 |
| CN112347909A (zh) * | 2020-11-05 | 2021-02-09 | 上海蜂雀网络科技有限公司 | 一种零售门店出入口客流统计方法 |
| CN112383615A (zh) * | 2020-11-12 | 2021-02-19 | 山东建筑大学 | 一种基于边缘计算的住宅楼门禁安防系统及方法 |
-
2021
- 2021-02-26 CN CN202110218129.XA patent/CN113222637A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017156793A1 (zh) * | 2016-03-15 | 2017-09-21 | 深圳市至壹科技开发有限公司 | 基于地理位置的视频处理方法 |
| CN108012121A (zh) * | 2017-12-14 | 2018-05-08 | 安徽大学 | 一种边缘计算和云计算融合的实时视频监控方法及系统 |
| CN108985865A (zh) * | 2018-08-27 | 2018-12-11 | 广州联欣自动识别技术有限公司 | 智能门店的顾客数据分析方法和系统 |
| CN110390246A (zh) * | 2019-04-16 | 2019-10-29 | 江苏慧中数据科技有限公司 | 一种边云环境中的视频分析方法 |
| CN110766454A (zh) * | 2019-10-12 | 2020-02-07 | 广州臻一计算机系统有限公司 | 门店的顾客到访信息收集方法以及门店子系统架构 |
| CN111881785A (zh) * | 2020-07-13 | 2020-11-03 | 北京市商汤科技开发有限公司 | 客流分析方法及装置、存储介质和系统 |
| CN112149581A (zh) * | 2020-09-25 | 2020-12-29 | 北京嘀嘀无限科技发展有限公司 | 工况监控方法、系统、装置、电子设备和可读存储介质 |
| CN112347909A (zh) * | 2020-11-05 | 2021-02-09 | 上海蜂雀网络科技有限公司 | 一种零售门店出入口客流统计方法 |
| CN112383615A (zh) * | 2020-11-12 | 2021-02-19 | 山东建筑大学 | 一种基于边缘计算的住宅楼门禁安防系统及方法 |
Non-Patent Citations (2)
| Title |
|---|
| 徐耀林;梁旭;: "基于树莓派的智能视频监控终端系统的设计和实现", 科技风, no. 31 * |
| 邵艳玲: "《边缘计算资源优化配置技术研究》", 30 November 2020, 西北工业大学出版社, pages: 5 - 6 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110825765B (zh) | 一种人脸识别的方法和装置 | |
| Das et al. | Assisting users in a world full of cameras: A privacy-aware infrastructure for computer vision applications | |
| TWI761851B (zh) | 圖像處理方法、圖像處理裝置、電子設備和電腦可讀儲存媒體 | |
| CN110869937A (zh) | 人脸图像去重方法和装置、电子设备、存储介质、程序 | |
| TW202026948A (zh) | 活體檢測方法、裝置以及儲存介質 | |
| WO2021180004A1 (zh) | 视频分析方法、视频分析的管理方法及相关设备 | |
| CN110431560A (zh) | 目标人物的搜索方法和装置、设备、程序产品和介质 | |
| WO2018210047A1 (zh) | 数据处理方法、数据处理装置、电子设备及存储介质 | |
| KR102547527B1 (ko) | 객체 라벨링 방법 및 장치 | |
| Erdélyi et al. | Privacy protection vs. utility in visual data: An objective evaluation framework | |
| Nakamura et al. | Encryption-free framework of privacy-preserving image recognition for photo-based information services | |
| Singh et al. | Computer aided face liveness detection with facial thermography | |
| John et al. | Real time blink recognition from various head pose using single eye | |
| US11107098B2 (en) | System and method for content recognition and data categorization | |
| von Söhsten et al. | Multiple face recognition in real-time using cloud computing, Emgu CV and Windows Azure | |
| Mukherjee et al. | Energy efficient face recognition in mobile-fog environment | |
| JP7020567B2 (ja) | 情報処理システム、情報処理装置、情報処理方法、およびプログラム | |
| Rahman et al. | Movee: Video liveness verification for mobile devices using built-in motion sensors | |
| CN113222637A (zh) | 门店访客信息的架构方法、装置、设备、介质及程序产品 | |
| EP3398108A1 (en) | A method and system for visual privacy protection for mobile and wearable devices | |
| CN113222638A (zh) | 门店访客信息的架构方法、装置、设备、介质及程序产品 | |
| Aravindan et al. | A Smart Assistive System for Visually Impaired to Inform Acquaintance Using Image Processing (ML) Supported by IoT | |
| JP2022058833A (ja) | 情報処理システム、情報処理装置、情報処理方法、およびプログラム | |
| Monica Tresa | Social Network Analysis for Image Origin Classification | |
| KR20180027024A (ko) | 뮤직 카드를 이용한 음반 콘텐츠 제공 시스템 및 방법 |
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 |