CN113298597A - 对象热度分析系统、方法及装置 - Google Patents
对象热度分析系统、方法及装置 Download PDFInfo
- Publication number
- CN113298597A CN113298597A CN202010784857.2A CN202010784857A CN113298597A CN 113298597 A CN113298597 A CN 113298597A CN 202010784857 A CN202010784857 A CN 202010784857A CN 113298597 A CN113298597 A CN 113298597A
- Authority
- CN
- China
- Prior art keywords
- image
- target
- heat
- heat analysis
- screening
- 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
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0641—Shopping interfaces
- G06Q30/0643—Graphical representation of items or shoppers
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Biology (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本说明书一个或多个实施例提供一种对象热度分析系统、方法及装置,所述方法包括:获取与对象相关的图像;从图像中筛选出目标图像并提供至热度分析设备,目标图像用于表征针对对象产生的用户交互行为,以使热度分析设备分析目标图像以统计针对对象的用户交互行为,并根据统计结果确定对象的热度信息。
Description
技术领域
本说明书一个或多个实施例涉及数据分析技术领域,尤其涉及一种对象热度分析系统、方法及装置。
背景技术
在货品售卖、产品体验等对象展示场景中,往往需要根据用户针对对象实施的交互行为分析对象热度,并根据对象热度相应的调整展示策略,以实现更好的展示效果。
在相关技术中,通常为对象添加RFID(Radio Frequency Identification,射频识别)标签,并在对象附近部署信号接收器以实现用户针对对象实施的交互行为的识别,进而根据识别结果对对象热度进行分析。
发明内容
有鉴于此,本说明书一个或多个实施例提供一种对象热度分析系统、方法及装置。
为实现上述目的,本说明书一个或多个实施例提供技术方案如下:
根据本说明书一个或多个实施例的第一方面,提出了一种货品热度分析系统,包括:
图像采集设备,用于采集与货品相关的图像;
图像筛选设备,连接至少一个所述图像采集设备,用于从所述图像采集设备采集到的图像中筛选出目标图像,所述目标图像用于表征针对所述货品产生的用户交互行为;
热度分析设备,连接至少一个所述图像筛选设备,用于分析所述目标图像以统计针对所述货品的所述用户交互行为,并根据统计结果确定所述货品的热度信息。
根据本说明书一个或多个实施例的第二方面,提出了一种对象热度分析系统,包括:
图像采集设备,用于采集与对象相关的图像;
图像筛选设备,连接至少一个所述图像采集设备,用于从所述图像采集设备采集到的图像中筛选出目标图像,所述目标图像用于表征针对所述对象产生的用户交互行为;
热度分析设备,连接至少一个所述图像筛选设备,用于分析所述目标图像以统计针对所述对象的所述用户交互行为,并根据统计结果确定所述对象的热度信息。
根据本说明书一个或多个实施例的第三方面,提出了一种对象热度分析方法,包括:
获取与对象相关的图像;
从所述图像中筛选出目标图像并提供至热度分析设备,所述目标图像用于表征针对所述对象产生的用户交互行为,以使所述热度分析设备分析所述目标图像以统计针对所述对象的所述用户交互行为,并根据统计结果确定所述对象的热度信息。
根据本说明书一个或多个实施例的第四方面,提出了一种对象热度分析方法,包括:
接收至少一个图像筛选设备提供的目标图像,所述目标图像由所述图像筛选设备对其获取的与对象相关的图像进行筛选得到;
分析所述目标图像以统计针对所述对象的用户交互行为,并根据统计结果确定所述对象的热度信息。
根据本说明书一个或多个实施例的第五方面,提出了一种对象热度分析装置,包括:
图像获取单元,用于获取与对象相关的图像;
图像筛选单元,用于从所述图像中筛选出目标图像并提供至热度分析设备,所述目标图像用于表征针对所述对象产生的用户交互行为,以使所述热度分析设备分析所述目标图像以统计针对所述对象的所述用户交互行为,并根据统计结果确定所述对象的热度信息。
根据本说明书一个或多个实施例的第六方面,提出了一种对象热度分析装置,包括:
图像接收单元,用于接收至少一个图像筛选设备提供的目标图像,所述目标图像由所述图像筛选设备对其获取的与对象相关的图像进行筛选得到;
热度确定单元,用于分析所述目标图像以统计针对所述对象的用户交互行为,并根据统计结果确定所述对象的热度信息。
根据本说明书一个或多个实施例的第七方面,提出了一种电子设备,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器通过运行所述可执行指令以实现如第三方面或第四方面所述的方法。
根据本说明书一个或多个实施例的第八方面,提出了一种计算机刻度存储介质,其上存储有计算机指令,该指令被处理器执行时实现如第三方面或第四方面所述方法的步骤。
附图说明
图1(a)是一示例性实施例提供的一种对象热度分析系统的架构示意图。
图1(b)是一示例性实施例提供的一种将对象热度分析系统应用于售鞋门店的场景示意图。
图2是一示例性实施例提供的一种货品热度分析方法的流程图。
图3是一示例性实施例提供的一种对象热度分析方法的流程图。
图4是一示例性实施例提供的另一种货品热度分析方法的流程图。
图5是一示例性实施例提供的一种试穿区域对应的目标图像示意图。
图6是一示例性实施例提供的一种电子设备的结构示意图。
图7是一示例性实施例提供的一种对象热度分析装置的框图。
图8是一示例性实施例提供的另一种对象热度分析装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书一个或多个实施例相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本说明书一个或多个实施例的一些方面相一致的装置和方法的例子。
需要说明的是:在其他实施例中并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤。在一些其他实施例中,其方法所包括的步骤可以比本说明书所描述的更多或更少。此外,本说明书中所描述的单个步骤,在其他实施例中可能被分解为多个步骤进行描述;而本说明书中所描述的多个步骤,在其他实施例中也可能被合并为单个步骤进行描述。
在一实施例中,本说明书的物品信息展示方法可以应用于电子设备中,例如该电子设备可以包括智能摄像头、手机、平板设备、笔记本电脑、掌上电脑(PDAs,PersonalDigital Assistants)、可穿戴设备(如智能眼镜、智能手表等)等任意类型,本说明书并不对此进行限制。在运行过程中,该电子设备可以通过集成的采集模块采集与对象相关的图像,并对获取到的图像进行筛选以确定目标图像,最后利用目标图像分析用户交互行为并根据统计结果确定对象的热度信息。
在另一实施例中,本说明书的对象热度分析方法可以应用于对象热度分析系统中。图1(a)是本说明书一示例性实施例示出的一种对象热度分析系统的架构示意图。如图1(a)所示,该系统可以包括若干图像采集设备11,如可以为球形摄像机111、球形摄像机112和枪形摄像机113,图像筛选设备12和热度分析设备14,其中,图像筛选设备12和热度分析设备14通过网络13进行连接。在该系统中,
图像采集设备11,用于采集与对象相关的图像。
图像筛选设备12,连接至少一个所述图像采集设备11,用于从所述图像采集设备11采集到的图像中筛选出目标图像,所述目标图像用于表征针对所述对象产生的用户交互行为。
热度分析设备14,连接至少一个所述图像筛选设备12,用于分析所述目标图像以统计针对所述对象的所述用户交互行为,并根据统计结果确定所述对象的热度信息。
在一实施例中,上述图像采集设备11可以包括摄像头,其中,摄像头的镜头可以朝向对象陈列区域,也可以朝向对象试用区域,用户交互行为可以为用户试用对象,还可以同时朝向对象陈列区域和对象试用区域。本说明书对于上述对象的具体形式并不进行限制,例如,可以为服装、鞋品、书籍、餐饮菜品等待售卖的商品,当然也可以为画作、汽车等待展示的展品等。对应于不同的对象类型,用户交互行为也相应的有所不同,例如,在对象为服装的情况下,用户交互行为可以为走动,观察镜子或张开手臂等肢体动作对应的试穿行为;在对象为书籍的情况下,用户交互行为可以为拿起、翻页、放下等动作对应的试看行为;在对象为陈列在展位的画作的情况下,用户交互行为可以为驻足、查看等动作对应的观看行为,不再一一赘述。
以图1(b)所示的一种将对象热度分析系统应用于售鞋门店的场景示意图为例进行说明。如图1(b)所示,该门店内区域被划分为男鞋区AA、女鞋区BB、童鞋区CC和高端客户区CC四个试鞋区域,其中,任一试鞋区域中均包括鞋品展示货架(对应鞋品陈列区域)和试鞋矮凳(对应试鞋区域)。以女鞋区BB为例,其中试鞋区域101b位于试鞋矮凳102b前方,相应的,摄像头104b可以朝向鞋品展示货架103b,摄像头105b可以朝向试鞋矮凳102b,摄像头105b可以朝向试鞋区域101b。当然,根据具体的门店布局不同,摄像头的数量、位置、朝向等均可以进行相应的调整,本说明书并不对此进行限制。
上述图像采集设备11可以实时采集与对象相关的图像,并按照预设帧率将相应图像传输至图像筛选设备12。相应的,图像筛选设备12可以在该帧率对应的图像传输周期内接收到图像采集设备11采集的图像后,对图像进行筛选处理。而且,在同一图像筛选设备12连接多个图像采集设备11的情况下,多个图像采集设备11对应的帧率可以相同也可以不同;进一步的,在多个图像筛选设备12帧率相同的情况下,各自的图片传输时刻可以不同,以避免图像筛选设备12同时接收多个图像采集设备11传输的图片可能引起的网络超载或处理不及时导致的识别出错等。
可以理解的是,在其他因素固定的情况下,帧率越高单位之间内向图像筛选设备12传输的图片数量就越多,最终热度分析设备14对用户交互行为的识别结果也越准确,但相应的图像筛选设备12和热度分析设备14的图像处理压力也会越大,因此,上述帧率应当根据图像采集设备11的部署位置、具体场景和业务需求等综合因素进行确定,本说明书并不对此进行限制。
图像筛选设备12可以为手机、PC、平板电脑、笔记本电脑等终端设备;或者,图像筛选设备12也可以为服务器,该服务器可以为包含一独立主机的物理服务器,或者该服务器可以为主机集群承载的虚拟服务器。在运行过程中,该服务器可以从所连接的图像采集设备11采集到的与对象相关的图像中筛选出目标图像,并将该目标图像提供至热度分析设备14。上述热度分析设备14可以为部署在云端的云服务器,也可以为部署在远端的集中式服务器,本说明书对此并不进行限制,此时,图像筛选设备12与热度分析设备14构成“端+云”架构。或者,上述热度分析设备14也可以为与图像筛选设备12位于同一地点的本地设备,甚至与图像筛选设备12构成一体式结构的处理设备,此时,图像采集设备11、图像筛选设备12与热度分析设备14构成在本地完成采集、筛选、处理的线下处理架构。再或者,上述图像筛选设备12也可以为部署在云端或者与图像筛选设备12部署在同一地点的设备上的图像筛选服务,此时,热度分析设备14与图像筛选设备12构成在线上完成筛选、处理的云端处理架构。
在一实施例中,上述图像采集设备11和图像筛选设备12可以采用分体式结构或者一体式结构。在一种情况下,图像采集设备11和图像筛选设备12可以采用分体式结构,此时图像采集设备11可以为仅具备图像采集功能的电子设备,其采集到的与对象相关的图像可以用于被图像筛选设备12识别目标对象以从图像中筛选出包含目标对象的目标图像,该目标图像用于表征针对对象产生的用户交互行为。在另一种情况下,图像采集设备11和图像筛选设备12采用一体式结构,此时图像采集设备11和图像筛选设备12相当于一体式结构的电子设备中的不同功能组件。图像筛选设备12从图像采集设备11采集到的与对象相关的图像中筛选出包含目标对象的目标图像后,将该目标图像提供至热度分析设备14。当然,上述举例仅是示意性的,本领域技术人员可以根据实际情况设定对象热度分析系统的具体结构及各设备的工作方式,本说明书对此不作限定。
在一实施例中,上述图像采集设备11和图像筛选设备12可以部署在同一地点,此时,图像筛选设备12为与图像采集设备11配合的本地图像处理设备。因为部署在同一地点的图像采集设备11和图像筛选设备12之间距离通常较近,因此可以将图像采集设备11和图像筛选设备12部署在同一局域网内,以保证图像采集设备11和图像筛选设备12之间的数据传输速度。相应的,因为通常图像筛选设备12部署在本地,热度分析设备14部署在云端,因此图像筛选设备12和热度分析设备14之间可以通过互联网实现连接。
在一实施例中,具有多路信号处理功能的一个图像筛选设备12可以同时连接多个图像采集设备11,即图像筛选设备12和图像采集设备11之间以一拖N的方式进行连接,例如,可以将部署在同一门店、同类品牌专柜、同一楼层等处的多个图像采集设备11连接至同一图像筛选设备12。由一个图像筛选设备12同时驱动多个图像采集设备11,并对多个图像采集设备11采集到的图像进行处理,以尽量减少前端处理设备的数量,不仅有助于将图像筛选设备12的设备收益最大化,而且显著减少了前端图像处理设备的数量,降低系统复杂度及部署难度的同时,也降低了系统成本。
在一实施例中,因为同一用户交互行为可能持续较长时间,因此可以对进一步的对筛选出的目标图像进行筛除。作为一示例性实施例,可以由图像筛选设备12对目标图像进行筛除:先对目标图像进行内容匹配;然后在存在内容重复或内容相似度达到相似度阈值的多张目标图像时,保留多张目标图像中的任一张目标图像、筛除其他的目标图像。通过上述筛除处理,图像筛选设备12可以仅保留同一用户交互行为对应的多个目标图像中的任意一张,并将该目标图像提供至热度分析设备14,以降低热度分析设备14的图像处理压力并提高针对用户交互行为的统计精度。作为另一示例性实施例,为减少图像筛选设备12的运算压力并充分发挥热度分析设备14的算力优势,可以由图像筛选设备12将筛选出的目标对象全部传输至热度分析设备14,并由热度分析设备14对目标图像进行筛除,具体筛除过程同上,此处不再赘述。
进一步的,图像筛选设备12或热度分析设备14可以采用下述方式对目标图像进行内容匹配:识别目标图像中的目标对象并确定目标对象的目标位置,然后基于目标位置和已识别出的历史对象的历史位置信息,确定目标对象与历史对象的内容匹配度。其中,目标对象与历史对象的内容匹配度可以为目标位置对应的检测框与历史位置信息对应的检测框之间的IOU(Intersection over Union,交并比)。
在一实施例中,图像筛选设备12在将目标图像提供至热度分析设备14之前,可以判断目标图像是否,满足上传条件。例如,该上传条件可以为:存在任一历史对象与所述目标图像之间的内容匹配度不小于预设的匹配度阈值,且任一历史对象对应的历史图像未被提供至热度分析设备14。在满足该上传条件的情况下,可以将目标图像提供至热度分析设备14;否则,在不满足该上传条件的情况下,可以将目标图像丢弃而不提供至热度分析设备14。
在一实施例中,热度分析设备14在接收到图像筛选设备12提供的目标图像后,可以确定对象对应的对象标识,以便后续使用该对象标识进行热度分析。例如,热度分析设备14可以从目标图像中提取目标对象的目标特征向量,然后计算目标特征向量与备选对象的备选特征向量之间的向量相似度,并在该向量相似度不小于预设的相似度阈值的情况下,将备选对象的对象标识确定为目标对象的对象标识,该对象标识可以被用于分析目标对象对应的用户交互行为。
在一实施例中,热度分析设备14还可以向用户设备发送其根据统计结果确定的对象的热度信息以供用户设备向用户展示。例如,热度分析设备14可以在确定热度信息后按照预设时间主动向预关联的用户设备发送该热度信息,如通过邮件、即时通讯软件、短信等方式向用户设备发送该热度信息。又例如,热度分析设备14可以在接收到用户设备主动发送的热度信息获取请求后将热度信息返回至用户设备。再例如,热度分析设备14还可以在确定热度信息后将该热度信息保存至预设的可访问空间,并在接收到用户设备发送的访问请求后,将可访问空间的访问密码或通行证等访问信息返回至用户设备,已由用户设备自行访问上述可访问空间以获取热度信息。实际上,上述图像筛选设备12也可以将自身对图片的筛选结果或其他必要的图像信息提供至客户端,或者连接位于本地的展示设备直接展示筛选结果,以便用户及时知晓筛选结果或对筛选出错的图像进行手动删除或修改等特殊处理。
通过上述实施例,一方面由图像筛选设备12驱动多个N并处理多个N采集的图像,相对于RFID的对象识别方式,有效降低了系统复杂度和部署难度,通过充分发挥了图像筛选设备12的前端计算能力。另一方面,由图像筛选设备12对图像采集设备11采集的大量图像进行初步筛选后再提供至热度分析设备14,保证了图像筛选设备12和热度分析设备14之间的传输的都是目标图像,从而减少了图像筛选设备12和热度分析设备14之间的数据传输压力,特别是在不存在用户交互事件的情况下,更能够显著减少非目标图像的无效图像的传输量。而且,受益于图像筛选设备12降低传输数据量的能力,该系统对热度分析设备14的热度分析运算压力也有效减少,进一步降低了对象热度分析系统的整体成本。
在又一实施例中,图1(a)所示的热度分析系统也可以用于分析商品售卖场景下的货品对应的货品热度。此时,该货品热度分析系统可以包括若干图像采集设备11,如可以为球形摄像机111、球形摄像机112和枪形摄像机113,图像筛选设备12和热度分析设备14,其中,图像筛选设备12和热度分析设备14通过网络13进行连接。在该系统中,
图像采集设备11,用于采集与货品相关的图像;
图像筛选设备12,连接至少一个所述图像采集设备,用于从所述图像采集设备采集到的图像中筛选出目标图像,所述目标图像用于表征针对所述货品产生的用户交互行为;
热度分析设备14,连接至少一个所述图像筛选设备,用于分析所述目标图像以统计针对所述货品的所述用户交互行为,并根据统计结果确定所述货品的热度信息。
在一实施例中,上述图像采集设备11可以包括摄像头,其中,摄像头的镜头可以朝向货品陈列区域,此时的用户交互行为可以为用户拿起货品、操作货品等动作;也可以朝向货品试用区域,此时的用户交互行为可以为用户试用货品,如试穿、试写、试操作等;还可以同时朝向货品陈列区域和货品试用区域。上述图像采集设备11可以实时采集与货品相关的图像,并按照预设帧率将相应图像传输至图像筛选设备12。相应的,图像筛选设备12可以在该帧率对应的图像传输周期内接收到图像采集设备11采集的图像后,对图像进行筛选处理。而且,在同一图像筛选设备12连接多个图像采集设备11的情况下,多个图像采集设备11对应的帧率可以相同也可以不同;进一步的,在多个图像筛选设备12帧率相同的情况下,各自的图片传输时刻可以不同,以避免图像筛选设备12同时接收多个图像采集设备11传输的图片可能引起的网络超载或处理不及时导致的识别出错等。
可以理解的是,在其他因素固定的情况下,帧率越高单位之间内向图像筛选设备12传输的图片数量就越多,最终热度分析设备14对用户交互行为的识别结果也越准确,但相应的图像筛选设备12和热度分析设备14的图像处理压力也会越大,因此,上述帧率应当根据图像采集设备11的部署位置、具体场景和业务需求等综合因素进行确定,本说明书并不对此进行限制。
图像筛选设备12可以为手机、PC、平板电脑、笔记本电脑等终端设备;或者,图像筛选设备12也可以为服务器,该服务器可以为包含一独立主机的物理服务器,或者该服务器可以为主机集群承载的虚拟服务器。在运行过程中,该服务器可以从所连接的图像采集设备11采集到的与货品相关的图像中筛选出目标图像,并将该目标图像提供至热度分析设备14。上述热度分析设备14可以为部署在云端的云服务器,也可以为部署在远端的集中式服务器,本说明书对此并不进行限制。
在一实施例中,上述图像采集设备11和图像筛选设备12可以采用分体式结构或者一体式结构。在一种情况下,图像采集设备11和图像筛选设备12采用分体式结构,此时图像采集设备11可以为仅具备图像采集功能的电子设备,其采集到的与货品相关的图像可以用于被图像筛选设备12识别目标货品以从图像中筛选出包含目标货品的目标图像,该目标图像用于表征针对货品产生的用户交互行为。在另一种情况下,图像采集设备11和图像筛选设备12采用一体式结构,此时图像采集设备11和图像筛选设备12相当于一体式结构的电子设备中的不同功能组件。图像筛选设备12从图像采集设备11采集到的与货品相关的图像中筛选出包含目标货品的目标图像后,将该目标图像提供至热度分析设备14。当然,上述举例仅是示意性的,本领域技术人员可以根据实际情况设定货品热度分析系统的具体结构及各设备的工作方式,本说明书对此不作限定。
在一实施例中,上述图像采集设备11和图像筛选设备12可以部署在同一地点,此时,图像筛选设备12为与图像采集设备11配合的本地图像处理设备。因为部署在同一地点的图像采集设备11和图像筛选设备12之间距离通常较近,因此可以将图像采集设备11和图像筛选设备12部署在同一局域网内,以保证图像采集设备11和图像筛选设备12之间的数据传输速度。
在一实施例中,具有多路信号处理功能的一个图像筛选设备12可以同时连接多个图像采集设备11,即图像筛选设备12和图像采集设备11之间以一拖N的方式进行连接,例如,可以将部署在同一门店、同类品牌专柜、同一楼层等处的多个图像采集设备11连接至同一图像筛选设备12。由一个图像筛选设备12同时驱动多个图像采集设备11,并对多个图像采集设备11采集到的图像进行处理,以尽量减少前端处理设备的数量,不仅有助于将图像筛选设备12的设备收益最大化,而且显著减少了前端图像处理设备的数量,降低系统复杂度及部署难度的同时,也降低了系统成本。
在一实施例中,因为同一用户交互行为可能持续较长时间,因此可以对进一步的对筛选出的目标图像进行筛除。作为一示例性实施例,可以由图像筛选设备12对目标图像进行筛除:先对目标图像进行内容匹配;然后在存在内容重复或内容相似度达到相似度阈值的多张目标图像时,保留多张目标图像中的任一张目标图像、筛除其他的目标图像。通过上述筛除处理,图像筛选设备12可以仅保留同一用户交互行为对应的多个目标图像中的任意一张,并将该目标图像提供至热度分析设备14,以降低热度分析设备14的图像处理压力并提高针对用户交互行为的统计精度。作为另一示例性实施例,为减少图像筛选设备12的运算压力并充分发挥热度分析设备14的算力优势,可以由图像筛选设备12将筛选出的目标货品全部传输至热度分析设备14,并由热度分析设备14对目标图像进行筛除,具体筛除过程同上,此处不再赘述。
在一实施例中,热度分析设备14还可以向用户设备发送其根据统计结果确定的货品的热度信息以供用户设备向用户展示。例如,热度分析设备14可以在确定热度信息后按照预设时间主动向预关联的用户设备发送该热度信息,如通过邮件、即时通讯软件、短信等方式向用户设备发送该热度信息。又例如,热度分析设备14可以在接收到用户设备主动发送的热度信息获取请求后将热度信息返回至用户设备。再例如,热度分析设备14还可以在确定热度信息后将该热度信息保存至预设的可访问空间,并在接收到用户设备发送的访问请求后,将可访问空间的访问密码或通行证等访问信息返回至用户设备,已由用户设备自行方案上述可访问空间获取热度信息。
在获取到上述热度信息后,可以以热点云图的形式对其进行展示,也可以以排行榜、热度值列表等形式进行展示,本说明书对此并不进行限制。另外,上述图像筛选设备12也可以将自身对图片的筛选结果或其他必要的图像信息提供至客户端,或者连接一位于本地的展示设备直接展示筛选结果,以便用户及时知晓筛选结果或筛选出错的图像进行特殊处理。
通过上述实施例,一方面由图像筛选设备12驱动多个N并处理多个N采集的图像,相对于RFID的货品识别方式,有效降低了系统复杂度和部署难度,通过充分发挥了图像筛选设备12的前端计算能力。另一方面,由图像筛选设备12对图像采集设备11采集的大量图像进行初步筛选后再提供至热度分析设备14,保证了图像筛选设备12和热度分析设备14之间的传输的都是目标图像,从而减少了图像筛选设备12和热度分析设备14之间的数据传输压力,特别是在不存在用户交互事件的情况下,更能够显著减少非目标图像的无效图像的传输量。而且,受益于图像筛选设备12降低传输数据量的能力,该系统对热度分析设备14的热度分析运算压力也有效减少,进一步降低了货品热度分析系统的整体成本。
图2是本说明书一示例性实施例示出的一种对象热度分析方法的流程图,该方法应用于图像筛选设备。如图2所示,该方法可以包括以下步骤:
步骤202,获取与对象相关的图像。
在一实施例中,图像筛选设备可以连接至少一个图像采集设备,此时,图像筛选设备可以接收由图像采集设备采集的与对象相关的图像。其中,与图像筛选设备相连的任一图像采集设备可以包括镜头朝向对象陈列区域和/或对象试用区域的摄像头,此时,该图像采集设备用于采集用户在对象陈列区域和/或对象试用区域针对对象发生的用户交互事件。图像采集设备可以实时采集与对象相关的图像,并按照预设帧率将相应图像传输至图像筛选设备,例如,可以以0.5帧/s或1帧/s的帧率向图像筛选设备传输采集到的图像。相应的,图像筛选设备可以在该帧率对应的图像传输周期内接收到图像采集设备采集的图像后,对图像进行筛选处理以得到对应于目标对象的目标图像。而且,在同一图像筛选设备连接多个图像采集设备的情况下,多个图像采集设备对应的帧率可以相同也可以不同;进一步的,在多个图像筛选设备帧率相同的情况下,各自的图片传输时刻可以不同,以避免图像筛选设备同时接收多个图像采集设备传输的图片可能引起的网络超载或处理不及时导致的识别出错等。
在一实施例中,上述图像采集设备和图像筛选设备可以采用分体式结构或者一体式结构。在一种情况下,图像采集设备和图像筛选设备采用分体式结构,此时图像采集设备可以为仅具备图像采集功能的电子设备,其采集到的与对象相关的图像可以用于被图像筛选设备识别目标对象以从图像中筛选出包含目标对象的目标图像,该目标图像用于表征针对对象产生的用户交互行为。在另一种情况下,图像采集设备和图像筛选设备采用一体式结构,此时图像采集设备和图像筛选设备相当于一体式结构的电子设备中的不同功能组件。图像筛选设备从图像采集设备采集到的与对象相关的图像中筛选出包含目标对象的目标图像后,将该目标图像提供至热度分析设备。通过上述筛选得到的目标图像即被认为对应于用户针对目标对象实施的用户交互行为,例如,在鞋品的试穿区域拍摄到的包含鞋品(目标对象)的图像(目标图像),即对应于用户针对鞋品做出的试穿行为。当然,上述举例仅是示意性的,本领域技术人员可以根据实际情况设定对象热度分析系统的具体结构及各设备的工作方式,本说明书对此不作限定。
在一实施例中,上述图像采集设备和图像筛选设备可以部署在同一地点,此时,图像筛选设备为与图像采集设备配合的本地图像处理设备。例如在对象为待售货品的情况下,图像采集设备和图像筛选设备可以部署在货品售卖场所;在对象为待展览货品的情况下,图像采集设备和图像筛选设备可以部署在货品的展览区域内,本说明书对此并不进行限制。具有多路信号处理功能的一个图像筛选设备可以同时连接多个图像采集设备,即图像筛选设备和图像采集设备之间以一拖N的方式进行连接,例如,可以将部署在同一门店、同类品牌专柜、同一楼层等处的多个图像采集设备连接至同一图像筛选设备。因为部署在同一地点的图像采集设备和图像筛选设备之间距离通常较近,因此可以将图像采集设备和图像筛选设备部署在同一局域网内,以保证图像采集设备和图像筛选设备之间的数据传输速度。相应的,因为通常图像筛选设备部署在本地,热度分析设备部署在云端,因此图像筛选设备和热度分析设备之间可以通过互联网实现连接。
在另一实施例中,图像筛选设备可以采用自身携带的图像采集组件采集与对象相关的图像,然后对图像进行筛选得到其中对应于目标对象的目标图像,该目标图像即被认为对应于用户针对目标对象实施的用户交互行为。
步骤204,从所述图像中筛选出目标图像并提供至热度分析设备,所述目标图像用于表征针对所述对象产生的用户交互行为,以使所述热度分析设备分析所述目标图像以统计针对所述对象的所述用户交互行为,并根据统计结果确定所述对象的热度信息。
在一实施例中,图像筛选设备可以先对目标图像进行内容匹配;然后在存在内容重复或内容相似度达到相似度阈值的多张目标图像时,保留多张目标图像中的任一张目标图像、筛除其他的目标图像。通过上述筛除处理,图像筛选设备可以仅保留同一用户交互行为对应的多个目标图像中的任意一张,并将该目标图像提供至热度分析设备,以降低热度分析设备的图像处理压力并提高针对用户交互行为的统计精度。
进一步的,可以通过下述方式对目标图像进行内容匹配:识别目标图像中的目标对象并确定目标对象的目标位置,然后基于目标位置和已识别出的历史对象的历史位置信息,确定目标对象与历史对象的内容匹配度。其中,目标对象与历史对象的内容匹配度可以为目标位置对应的检测框与历史位置信息对应的检测框之间的IOU,因为IOU计算过程中仅需要利用目标对象与历史对象的位置信息进行两次浮点运算,计算逻辑简单且速度较快,因此能够保证快速完成内容匹配度的计算,进而实现针对目标图像的快速筛选。
进一步的,图像筛选设备可以维护用于记录已识别出的目标对象位置信息的对象列表,进而可以在每次识别出目标对象后,采用下述方式对该对象列表中的对象信息进行更新。在所有历史对象对应的内容匹配度均小于预设的匹配度阈值的情况下,在对象列表中新增目标位置对应的目标位置信息;否则,在存在任一历史对象对应的内容匹配度不小于匹配度阈值的情况下,将该任一历史对象的历史位置信息更新为目标位置信息。通过上述更新,能够保证在每次识别出目标对象后,在对象列表中不存在该目标对象(该目标对象为新进入图像采集设备对应的被摄区域内的对象)的情况下,将该目标对象的位置信息添加在对象列表中;而在该目标对象匹配于已存在的任一历史对象(表明该历史对象在上述被摄区域中位置发生变化)的情况下,使用目标对象的新的位置信息更新历史对象的旧的位置信息,从而使得对象列表中始终保存有识别出的最新目标对象的位置信息。
在一实施例中,对应于上述对象列表中的位置信息,列表中可以相应的保存其对应的第一时长,该第一时长为历史位置信息最近一次更新的时刻至当前时刻的时间长度,此时,图像筛选设备可以根据第一时长实现对列表的更新:在任一历史对象对应的第一时长不小于预设的保留时长阈值的情况下,删除任一历史对象在对象列表中对应的历史位置信息。上述第一时长可以根据具体应用场景即业务需求进行设置,例如可以设置为3s、5s、10s等。通过预设的第一时长,保证了在目标对象移出图像采集设备对应的被摄区域的一定时长后,相应的对象位置信息会在对象列表中被删除,从而实现了对象列表的动态更新。
在一实施例中,对应于上述对象列表中的位置信息,列表中可以相应的保存其对应的第二时长,该第二时长为历史位置信息被添加至对象列表中的时刻至当前时刻的时间长度,此时,图像筛选设备可以根据第二时长判断是否上传目标图像:在任一历史对象对应的第二时长不小于预设的上传时长阈值且该任一历史对象所在的图像未被上传至热度分析设备的情况下,将目标图像提供至热度分析设备。通过第二时长进行判断,保证了同一目标对象对应的多个目标图像仅会向热度分析设备提供其中一张,一定程度上保证了热度分析设备对于用户交互事件的统计精确度。
图3是本说明书一示例性实施例示出的一种对象热度分析方法的流程图,该方法应用于热度分析设备。如图3所示,该方法可以包括以下步骤:
步骤302,接收至少一个图像筛选设备提供的目标图像,所述目标图像由所述图像筛选设备对其获取的与对象相关的图像进行筛选得到。
同一热度分析设备可以连接多个图像筛选设备,任一图像筛选设备在获取到与对象相关的图像后对其进行筛选得到目标图像后,可以将目标图像提供至自身所连接的热度分析设备。
在一实施例中,图像筛选设备可以连接至少一个图像采集设备,此时,图像筛选设备可以接收由图像采集设备采集的与对象相关的图像。
在一实施例中,上述图像采集设备和图像筛选设备可以采用分体式结构或者一体式结构。进一步的,上述图像采集设备和图像筛选设备可以部署在同一地点,此时,图像筛选设备为与图像采集设备配合的本地图像处理设备。
在另一实施例中,图像筛选设备可以采用自身携带的图像采集组件采集与对象相关的图像,然后对图像进行筛选得到其中对应于目标对象的目标图像,该目标图像即被认为对应于用户针对目标对象实施的用户交互行为。
在一实施例中,图像筛选设备可以先对目标图像进行内容匹配;然后在存在内容重复或内容相似度达到相似度阈值的多张目标图像时,保留多张目标图像中的任一张目标图像、筛除其他的目标图像。通过上述筛除处理,图像筛选设备可以仅保留同一用户交互行为对应的多个目标图像中的任意一张,并将该目标图像提供至热度分析设备,以降低热度分析设备的图像处理压力并提高针对用户交互行为的统计精度。
进一步的,可以通过下述方式对目标图像进行内容匹配:识别目标图像中的目标对象并确定目标对象的目标位置,然后基于目标位置和已识别出的历史对象的历史位置信息,确定目标对象与历史对象的内容匹配度。其中,目标对象与历史对象的内容匹配度可以为目标位置对应的检测框与历史位置信息对应的检测框之间的IOU,因为IOU计算过程中仅需要利用目标对象与历史对象的位置信息进行两次浮点运算,计算逻辑简单且速度较快,因此能够保证快速完成内容匹配度的计算,进而实现针对目标图像的快速筛选。
步骤304,分析所述目标图像以统计针对所述对象的用户交互行为,并根据统计结果确定所述对象的热度信息。
在一实施例中,热度分析设备在接收到至少一个图像筛选设备发送的对应于目标对象的目标图像后,可以对目标对象进行热度分析。例如,热度分析设备可以按照预设的至少一个维度统计用户交互行为的发生次数,然后根据该发生次数的统计结果确定对象在维度下的热度信息。其中,上述预设的维度可以包括展示平台、品牌、地域、时间、店铺、楼层等的一个或多个,当然,还可以根据具体的业务需求预设其他的维度,本说明书对此并不进行限制。
在一实施例中,热度分析设备还可以向用户设备发送其根据统计结果确定的货品的热度信息以供用户设备向用户展示。例如,热度分析设备可以在确定热度信息后按照预设时间主动向预关联的用户设备发送该热度信息,如通过邮件、即时通讯软件、短信等方式向用户设备发送该热度信息。又例如,热度分析设备可以在接收到用户设备主动发送的热度信息获取请求后将热度信息返回至用户设备。再例如,热度分析设备还可以在确定热度信息后将该热度信息保存至预设的可访问空间,并在接收到用户设备发送的访问请求后,将可访问空间的访问密码或通行证等访问信息返回至用户设备,已由用户设备自行方案上述可访问空间获取热度信息。实际上,上述图像筛选设备也可以将自身对图片的筛选结果或其他必要的图像信息提供至客户端,或者连接一位于本地的展示设备直接展示筛选结果,以便用户及时知晓筛选结果或筛选出错的图像进行特殊处理。
下面,针对图4所示的流程图,以对象为待售的鞋品、被摄区域为售鞋门店中的试鞋区域为例,对使用图1(a)所示的对象热度分析系统对鞋品进行试穿行为识别和热度分析的过程进行详细说明。
图4是本说明书一示例性实施例示出的另一种货品热度分析方法的流程图。如图4所示,该方法可以包括以下步骤:
步骤402,图像筛选设备12获取与鞋品相关的图像。
在本实施中,图像筛选设备12可以接收与其相连的至少一个图像采集设备11采集得到的与鞋品相关的图像,也可以使用自身装配的图像采集组件采集得到与鞋品相关的图像。上述图像采集设备11或图形采集组件的摄像头可以朝向售鞋门店中的试鞋区域,以便拍摄对应于顾客的试鞋行为的图像。
在一实施例中,上述图像采集设备11或图像采集组件可以实时拍摄试鞋区域并按照预设帧率向图像筛选设备12传输图像。其中,为保证图像筛选设备12对图像进行有序处理,可以将上述帧率预设为固定帧率,例如,为保证系统能够完成多路摄像头的同步处理,图像筛选设备12可以对其所驱动的每路摄像头采用低帧率处理策略,如可以为1帧/s。考虑到试穿行为一般需要持续一段时间,低帧率处理策略依然能够保证试穿检测的准确性和稳定性。或者,为尽量减少客流量较少时的无效图像采集及传输,可以按照试鞋区域的历史客流量与时间之间的对应关系确定随时间变化的可变帧率。为进一步减少无效图像的采集,上述图像采集设备11或图像采集组件也可以为红外摄像头或包括其他感应装置的摄像头,以便使用红外感应的或其他方式自动感应人体,并在有人进入试鞋区域的情况下控制图像采集设备11或图像采集组件采集图像。
对于图像采集设备11与图像筛选设备12之间的连接及部署关系,可以参见图1(a)对应的前述实施例,此处不再赘述。实际上,图像筛选设备12对于获取到的任一图像都会进行后续的相应处理,本实施例仅以任一图像的处理过程为例进行示例性说明。
步骤404,图像筛选设备12筛选图像中的目标图像。
图像筛选设备12获取到试鞋区域对应的图像后,可以识别该图像中是否存在目标对象。
在一实施例中,可以利用预先经过训练的图像识别模型对获取的图像进行识别,以确定其中是否存在目标对象。其中,目标对象可以为售鞋门店中的全部待售鞋品,也可以为售鞋门店中某品牌的鞋品,还可以为售鞋平台中满足预设条件的某些鞋品等,目标鞋品可以根据业务需求进行确定,本说明书对此并不进行限制。上述图像识别模型可以使用多种型号的鞋品对应的多个观察角度的样本图像进行训练。其中,上述型号可以以SKU(StockKeeping Unit,存货单元)为单位,上述多个角度可以为正面、正面上方,左侧面上方,右侧面上方,正上方等角度——样本图像对应的观察角度应当与安装完成的图像采集设备11与试鞋区域的相对位置关系相一致,以尽量提高图像筛选设备12对于目标对象的识别准确度。上述图像识别模型可以采用DNN(Deep Neural Networks,深度神经网络)算法实现,当然,也可以采用其他算法实现,本说明书对此并不进行限制。为保证图像筛选设备12进行前端的快速性,可以采用yolov3-tiny、yolov3等轻量级神经网络模型实现针对鞋品的图像识别模型。
图像筛选设备12通过上述图像识别模型识别出图像中的目标对象后,可以将包含该目标对象的图像确定为目标对象。
步骤406,图像筛选设备12更新对象列表。
图像筛选设备12中可以维护有用于记录已识别出的目标对象位置信息的对象列表,相应的,在识别出目标对象后,图像筛选设备12可以采用对该对象列表中的对象信息进行更新。
在一实施例中,该对象列表中可以保存有已识别出的目标对象的位置信息、目标对象对应的第一时长和第二时长。对象列表可以如下表1所示。
序号 | 位置信息 | 第一时长T1 | 第二时长T2 |
对象1 | (x1,y1),a1,b1 | 1s | 2min20s |
对象2 | (x2,y2),a2,b2 | 1s | 5min |
对象3 | (x3,y3),a3,b3 | 2s | 3min |
对象4 | (x4,y4),a4,b4 | 5s | 4min20s |
... | ... | ... | ... |
表1
在上表1中,对象1对应的第一条表项包含下述对象信息:位置信息(x1,y1)为对象1在其所在历史图像中所对应检测框的基准点坐标,在检测框为矩形的情况下,该基准点可以为预设的矩形顶点、矩形某边中点或矩形中心点等;a1和b1分别为检测框预设的两边长度;T1=1s,表明对象1的位置信息在当前时刻的1s之前被更新;T2=2min20s,表明对象1对应的表项(即)在当前时刻的2min20s之前被添加在该对象列表中。其他表项的所包含的对象信息含义同上,不再赘述。
下面结合图5对上述对象信息进行进一步说明。在图像采集设备11拍摄的试鞋区域501中,前一识别周期内(帧率为1帧/s的情况下,识别周期为1s)识别出的虚线所示的两个历史对象(其他历史对象未示出):历史对象503(对应表1中的对象2)和历史对象506(对应表1中的对象1)。其中,历史对象506的基准点为相应检测框的右上顶点,检测框的长和宽分别为a1和b1。当前时刻检测出的目标图像504如图中实线所示,其中,历史对象503的检测框506相对于目标对象504的检测框505向右移动——表明顾客试鞋过程中目标鞋品向右移动。
在图5中,若检测出的目标对象504与历史对象503之间的内容相似度不小于预设的相似度阈值(或者检测框506与检测框505重合),则说明目标对象504与历史对象503是对应于同一用户交互事件的同一目标对象,因此,可以使用目标对象504的位置信息替换历史对象503的位置信息,从而实现对历史对象503的位置信息的更新。
其中,计算上述目标对象504与历史对象503之间的内容相似度,可以通过多种方式进行,以式(1)所示的检测框506与检测框505的之间的IOU为例进行说明。假设目标对象504的检测框为box_new,对象列表中历史对象503的检测框为box_old,则两检测框IOU可通过下式(1)进行计算:
其中,Intersection()表示两检测框的重叠面积,Union()表示两检测框覆盖总面积,可见,IOU的取值区间为[0,1]。
可以将上述IOU计算结果作为目标对象504与历史对象503之间的内容相似度。上述预设的相似度阈值可以根据实际情况进行预设,本说明书对此并不进行限制。假设相似度阈值为0.5,则在IOU<0.5的情况下,表明目标对象504为进入试穿区域的新鞋品(对应新的试穿行为),则此时可以将该目标对先504对应的位置信息添加在上对象列表中;反之,在IOU>0.5的情况下,表明目标对象504为与历史对象503对应于同一试穿行为的对象(此时历史对象503与目标对象504对应于同一鞋品),则此时可以使用目标对象504的位置信息(可以用检测框505的位置信息表示)替换历史对象503的位置信息(可以用检测框506的位置信息表示),从而实现对历史对象503的位置信息的更新,当然,IOU=0.5的特殊情况可以采用预设的处理方式,不再赘述。
步骤408,图像筛选设备12删除对象列表中的过期对象信息。
在一实施例中,上述对象列表中记录有各个历史对象对应的第一时长,该第一时长为历史位置信息最近一次更新的时刻至当前时刻的时间长度。此时,图像筛选设备12可以根据各个历史对象对应的第一时长判断该历史对象是否过期:若任一历史对象对应的第一时长小于预设的保留时长阈值,则表明该历史对象在保留时长阈值内被更新过,因此尚未过期;反之,若任一历史对象对应的第一时长不小于预设的保留时长阈值,则表明该历史对象已经长时间未被更新——该历史对象已移出试穿区域(该历史对象可能在试穿区域中一闪而过,如店员重新摆放鞋品位置等),因此可以删除对象列表中对应于该历史对象的表项。可以理解的是,任一历史对象的位置信息被更新时,应当相应的清零该对象对应的第一时长,并自动开始对第一时长进行重新计时。
例如,在表1所示的场景下,若预设的保留时长阈值为5s,则表1中的对象4的第一时长恰好满足该保留时长阈值,此时可以将对象4对应的表项从对象类表中删除。
步骤410,图像筛选设备12判断是否需要上传目标鞋品。
图像筛选设备12可以根据在一实施例中,上述对象列表中记录有各个历史对象对应的第二时长,该第二时长为历史位置信息被添加至对象列表中的时刻至当前时刻的时间长度,此时,图像筛选设备12可以根据第二时长判断是否上传目标图像。上述目标对象的上传条件可以为:任一历史对象对应的第二时长T2不小于预设的上传时长阈值T20,且该任一历史对象所在的图像未被上传至热度分析设备14。若任一历史对象满足上述上传条件,则可以将当前时刻新识别出的对应于该历史对象的目标对象所在的目标图像上传至热度分析设备14。否则,若当前时刻不存在任何满足上述条件的历史对象,则可以丢弃该目标图像并返回至步骤402对下一张图像执行上述步骤所述的处理过程。可以理解的是,任一历史对象的位置信息被添加入该对象列表时,应当相应的从零开始自动计时该对象对应的第一时长。
例如,在表1所示的场景下,若预设的上传时长阈值为5min,则表1中的对象2的第二时长恰好满足该上传时长阈值,此时可以将对应于对象2的目标对象所在的目标图像上传至热度分析设备14。
步骤412,图像筛选设备12将目标图像上传至热度分析设备14。
图像筛选设备12和热度分析设备14之间可以通过互联网实现连接,因此图像筛选设备12可以将上述目标对象上传至热度分析设备14,以便热度分析设备14对其对应的试穿行为进行统计并对对象进行热度分析。同时,可以将目标对象在目标图像中的位置信息关联上传至热度分析设备14。另外,在目标对象上传完成的情况下,可以将该目标对象对应的历史对象在对象列表中记录的相应表项删除,以保证一次试穿事件仅上传一次目标图像。
至此,步骤402-412对象热度分析系统中的图像筛选设备12针对任一图像的处理过程完成。后续步骤414-422的执行主体为对象热度分析系统中的热度分析设备14。
步骤414,热度分析设备14提取目标鞋品的目标特征向量。
如前所述,图像筛选设备12上传至热度分析设备14的任一目标对象即代表一次试穿事件。但是在实际试穿场景中,顾客往往会将鞋品穿在脚上走动以感受效果,因此难免会出现同一双被试鞋品依次出现在多个试穿区域中并停留一定时长的情况,此时,多个试穿区域分别对应的多个图像筛选设备12可能会分别向热度分析设备14上传一张目标图像,但这多张目标图像实际上对应于一个试穿事件,因此可能导致热度分析设备14统计的试穿事件数量偏大。
为解决这一问题,在一实施例中,热度分析设备14在接收到图像筛选设备12提供的多张目标图像后,可以对多张目标图像进行初步处理,以滤除其中对应于同一试穿事件的多张目标图像中的部分图像(仅保留其中一张)。例如,图像采集设备11在向图像筛选设备12传输图像时可以关联传输(或在图片信息中携带)图像采集设备11的设备地址、设备标识或预设编号等唯一标识信息,以便热度分析设备14接收到任一目标图像后能够根据该信息确定该目标图像对应的试穿区域,进而在相邻试穿区域对应的多个图像采集设备11在相邻时间段分别采集的多个相同的目标对象中任选其中之一作上述试穿事件的唯一表示。
在一实施例中,热度分析设备14在接收到目标图像后,可以通过提取其中目标对象的目标特征向量实现对被试鞋品的所对应目标标识的识别。例如,热度分析设备14可以根据目标图像确定其中目标对象的颜色、形状、亮度等外观信息,进而利用预先训练完成的特征提取模型基于上述外观信息提取相应的目标特征向量fquery。其中,上述特征提取模型可以采用DNN算法或其他算法实现,本说明书对此并不进行限制。得到的目标特征向量fquery可以为多维向量,如可以为256维或512维的向量,具体纬度等向量参数可以根据实际情况确定,本说明书对此并不进行限制。
步骤416,热度分析设备14检索目标鞋品对应的最大相似度以及该最大相似度对应的目标标识。
在一实施例中,热度分析设备14可以维护有对象特征库,对象库中的任一对象均在该对象特征库中存在相应的特征向量。例如,对于任一鞋品,可以预先通过拍摄图像或建立3D模型的方式建立对象图片库,如针对任一鞋品可以分别从40个不同的观察角度进行拍摄得到40张鞋品图像,然后按照预设的特征提取规则分别计算出40个基础特征向量。此时,一方面,为保证目标对象相似度检索的准确性,可以将上述40个基础特征向量作为独立的待检索特征向量保存在对象特征库中。另一方面,为了加快对象相似度检索的速度,也可以利用上述40个基础特征向量计算出上述任一鞋品对应的一个主向量,并将该主向量作为对应于该鞋品的独立的待检索特征向量保存在对象特征库中。当然,为了兼顾对象相似度检索的速度和准确性,可以基于上述40个基础特征向量计算对应于该鞋品的若干(如4个、8个、10个等)合成特征向量,并将该若干合成特征向量作为对应于该鞋品的独立的待检索特征向量保存在对象特征库中。当然,针对任一鞋品的拍摄图像数量及对象特征库中保存的待检索特征向量的数量均可以根据实际情况调整,本说明书对此并不进行限制。可以理解的是,对象特征库中对应于同一鞋品的至少一个待检索特征向量均对应同一个对象标识,即该鞋品对应的对象标识。相应的,对于任一鞋品,该对象特征库可以关联记录有该鞋品对应的至少一个待检索特征向量和该鞋品的对象标识,也可以记录有对应于各个待检索特征向量的鞋品图像。
在一实施例中,在计算得到目标对象的目标特征向量后,可以将该目标特征向量与上述对象特征库中的各个特征向量进行比较,以确定与目标特征向量之间相似度最大的待检索特征向量以及该特征向量对应的对象标识,并将该对象标识确定为目标对象的目标标识。
其中,计算任一待检索特征向量与目标特征向量之间的相似度,可以通过多种方式进行,以公式(2)所示的余弦相似度公式为例:
其中d为余弦距离,即待检索特征向量与目标特征向量之间的相似度;fquery为目标特征向量,fdoc为对象特征库中的待检索特征向量。可见,该相似度d的取值区间为[-1,1],d越大则表明待检索特征向量与目标特征向量越相似,进而目标图像中的目标对象与待检索特征向量对应的鞋品越相似。因此,可以将最大相似度对应的鞋品确定为目标对象对应的鞋品,并相应地将目标对象的目标标识确定为该鞋品的对象标识。
其中,上述检索与比较可以采用遍历的方式进行:将目标特征向量依次与对象特征库中的各个待检索特征向量计算相似度并进行比较。为加快检索速度,可以按照待检索特征向量对应的原始图像的颜色、形状、亮度等外观信息对各个待检索特征向量进行初步分类。然后在提取出目标对象的上述外观参数后先基于该外观参数进行初步划分,从而有效减少后续待检索特征向量的数量,显著加快检索速度。或者,也可以按照目标对象所在的试穿区域,先确定该试穿区域所在售卖门店的所有鞋品,然后仅在这些鞋品对应的待检索特征向量中进行检索,同样可以加快检索速度。
步骤418,热度分析设备14判断是否检测到新的试穿事件。
实际上,在识别出上述最大相似度的情况下,目标对象也可能并不在售卖门店的库存中。例如,顾客进店时穿的自己的鞋品可能与该对象库中的某一鞋品之间的相似度最大,但是该鞋品并非该售卖门店当前销售的鞋品,则此时识别出的试穿事件是无效的——并未发生新的试穿事件。因此,热度分析设备14可以通过下述条件进一步判断是否发生新的试穿事件:计算出的最大相似度不小于预设的相似度阈值,而且当前对象库中存在上述目标对象。通常,若噪声由模型设备不稳定造成,或者目标对象不在对象库中,则最大相似度将小于相似度阈值,据此可对噪声进行过滤。进一步的,也可以由热度分析设备14通过对目标图像中用户的肢体动作等特征进行识别,实现试穿行为的识别。上述检索完成后,可以确定目标对象对应的目标标识,存在一个目标对象即表明该目标对象对应的目标标识的鞋品发生了一次试穿事件。当然,也可以将在每次通过检索确定目标对象对应的目标标识后,对该目标标识对应的交互事件次数进行更新,如加1。
步骤420,热度分析设备14对多个目标图像进行事件融合。
因为同一试穿事件可能持续一段时间,因此该事件对应的同一个被试穿的鞋品可能出现在试穿区域的多个位置,因此图像筛选设备12可能将对应于同一试穿事件的多个目标图像提供至热度分析设备14。此时,这类多个目标图像通常来自同一个试穿区域(对应于同一个图像采集设备11的IP地址)、具备相同的目标标识,而且相邻目标图像之间的间隔时间较短,因此可以基于上述特征对目标图像实现事件融合。例如,可以通过时间窗口的方式进行融合:可以设置时间窗口为3min-5min等,将该窗口内同一试穿区的相同目标标识的目标图像进行合并或者仅择一保留,从而得到较准确的试穿数据。
步骤422,热度分析设备14计算鞋品的热度信息。
在完成对目标对象及其目标标识的识别之后,可以以目标标识为单位对有效的目标对象进行数量统计,然后按照不同维度对对象进行排序,以确定各个对象的热度信息。例如,可以按照门店、品牌、商家、平台等不同维度在一周之内的试穿数量进行统计与排序:试穿数量越多的对象受欢迎程度越高,相应的越热门,反之越冷门。当然,还可以按照其他维度进行统计与排序,最终实现灵活多样的热度分析策略及分析结果。
至此,热度分析设备完成针对对象的一次热度分析过程,此时可以继续接受筛选设备发送的目标图像并进行上述处理,从而形成循环处理过程,不再赘述。
步骤424,用户设备展示热度信息。
在一实施例中,可以在分析完成后将热度信息提供至用户,如提供至门店经营者、采购员、供养商等鞋品销售及供应链的相关各方,并结合上述相关各方关于鞋品的相关信息,实现相关各方之间的数据共享,构建供应链数据闭环,以便各方及时知晓鞋品的热度信息,并基于此调整销售策略、采购策略、供应策略等,从而实现为鞋品售卖产业赋能,有助于提高产业供应链的效率。其中,用户设备可以通过访问web页面获取热度信息,也可以通过即时通讯应用等预设应用接收服务端主动推送的热度信息。在获取到上述热度信息后,可以以热点云图的形式对其进行展示,也可以以排行榜、热度值列表等形式进行展示,本说明书对此并不进行限制。
另外,还可以获取用户的历史相关信息,如鞋品购买记录、鞋品试穿记录等历史信息和/或用户的当前试穿行为,获知用户对应的用户画像及鞋品偏好等偏好信息,进而可以向用户推荐符合上述偏好信息的高热度鞋品,以便提高用户对目标鞋品的购买几率。
可以理解的是,上述统计及热度分析的周期较短时能够具有更高的分析灵敏度,周期较长是可以提高数据的有效性,具体的统计及分析周期可以根据业务需求进行调整,不再赘述。
图6是一示例性实施例提供的一种电子设备的示意结构图。请参考图6,在硬件层面,该设备包括处理器602、内部总线604、网络接口606、内存608以及非易失性存储器610,当然还可能包括其他业务所需要的硬件。处理器602从非易失性存储器610中读取对应的计算机程序到内存608中然后运行,在逻辑层面上形成对象热度分析装置。当然,除了软件实现方式之外,本说明书一个或多个实施例并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
请参考图7,在一软件实施方式中,该对象热度分析装置可以包括:
图像获取单元701,用于获取与对象相关的图像;
图像筛选单元702,用于从所述图像中筛选出目标图像并提供至热度分析设备,所述目标图像用于表征针对所述对象产生的用户交互行为,以使所述热度分析设备分析所述目标图像以统计针对所述对象的所述用户交互行为,并根据统计结果确定所述对象的热度信息。
可选的,其特征在于,还包括:
内容匹配单元703,用于对所述目标图像进行内容匹配;
图像筛除单元704,用于当存在内容重复或内容相似度达到相似度阈值的多张目标图像时,保留所述多张目标图像中的任一张目标图像、筛除其他的目标图像。
可选的,所述内容匹配单元703,还用于:
识别所述目标图像中的目标对象并确定所述目标对象的目标位置;
基于所述目标位置和已识别出的历史对象的历史位置信息,确定所述目标对象与所述历史对象的内容匹配度。
可选的,所述历史位置信息被记录在对象列表中,所述装置还包括:
信息新增单元705,用于在所有历史对象对应的所述内容匹配度均小于预设的匹配度阈值的情况下,在所述对象列表中新增所述目标位置对应的目标位置信息;否则,
信息更新单元706,用于在存在任一历史对象对应的所述内容匹配度不小于所述匹配度阈值的情况下,将所述任一历史对象的历史位置信息更新为所述目标位置信息。
可选的,所述对象列表中还记录有所述历史对象对应的第一时长,所述第一时长为所述历史位置信息最近一次更新的时刻至当前时刻的时间长度,所述装置还包括:
信息删除单元707,用于在任一历史对象对应的所述第一时长不小于预设的保留时长阈值的情况下,删除所述任一历史对象在所述对象列表中对应的所述历史位置信息。
可选的,所述对象列表中还记录有所述历史对象对应的第二时长,所述第二时长为所述历史位置信息被添加至所述对象列表中的时刻至当前时刻的时间长度,所述装置还包括:
信息提供单元708,用于在任一历史对象对应的所述第二时长不小于预设的上传时长阈值且所述任一历史对象所在的图像未被上传至所述热度分析设备的情况下,将所述目标图像提供至所述热度分析设备。
请参考图8,在另一软件实施方式中,该对象热度分析装置可以包括:
图像接收单元801,用于接收至少一个图像筛选设备提供的目标图像,所述目标图像由所述图像筛选设备对其获取的与对象相关的图像进行筛选得到;
热度确定单元802,用于分析所述目标图像以统计针对所述对象的用户交互行为,并根据统计结果确定所述对象的热度信息。
可选的,还包括:
内容匹配单元803,用于对所述目标图像进行内容匹配;
图像筛除单元804,用于当存在内容重复或内容相似度达到相似度阈值的多张目标图像时,保留所述多张目标图像中的任一张目标图像、筛除其他的目标图像。
可选的,所述内容匹配单元803,还用于:
识别所述目标图像中的目标对象并确定所述目标对象的目标位置;
基于所述目标位置和已识别出的历史对象的历史位置信息,确定所述目标对象与所述历史对象的内容匹配度。
可选的,所述热度确定单元802,还用于:
按照预设的至少一个维度统计所述用户交互行为的发生次数;
根据所述发生次数的统计结果确定所述对象在所述维度下的热度信息。
可选的,还包括:
热度发送单元805,用于向用户设备发送所述热度信息以用于展示。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机,计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。
在一个典型的配置中,计算机包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带、磁盘存储、量子存储器、基于石墨烯的存储介质或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商品或者设备不仅包括那些要素,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、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
在本说明书一个或多个实施例使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本说明书一个或多个实施例可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本说明书一个或多个实施例范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
以上所述仅为本说明书一个或多个实施例的较佳实施例而已,并不用以限制本说明书一个或多个实施例,凡在本说明书一个或多个实施例的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本说明书一个或多个实施例保护的范围之内。
Claims (28)
1.一种货品热度分析系统,其特征在于,包括:
图像采集设备,用于采集与货品相关的图像;
图像筛选设备,连接至少一个所述图像采集设备,用于从所述图像采集设备采集到的图像中筛选出目标图像,所述目标图像用于表征针对所述货品产生的用户交互行为;
热度分析设备,连接至少一个所述图像筛选设备,用于分析所述目标图像以统计针对所述货品的所述用户交互行为,并根据统计结果确定所述货品的热度信息。
2.根据权利要求1所述的系统,其特征在于,所述图像筛选设备与相连的所述图像采集设备采用分体式结构或者一体式结构。
3.根据权利要求1所述的系统,其特征在于,所述图像采集设备包括:镜头朝向货品陈列区域和/或货品试用区域的摄像头。
4.根据权利要求1所述的系统,其特征在于,所述图像筛选设备和/或所述热度分析设备还用于:
对所述目标图像进行内容匹配;
当存在内容重复或内容相似度达到相似度阈值的多张目标图像时,保留所述多张目标图像中的任一张目标图像、筛除其他的目标图像。
5.根据权利要求1所述的系统,其特征在于,所述热度分析设备还用于:
向用户设备发送所述热度信息以用于展示。
6.一种对象热度分析系统,其特征在于,包括:
图像采集设备,用于采集与对象相关的图像;
图像筛选设备,连接至少一个所述图像采集设备,用于从所述图像采集设备采集到的图像中筛选出目标图像,所述目标图像用于表征针对所述对象产生的用户交互行为;
热度分析设备,连接至少一个所述图像筛选设备,用于分析所述目标图像以统计针对所述对象的所述用户交互行为,并根据统计结果确定所述对象的热度信息。
7.根据权利要求6所述的系统,其特征在于,所述图像筛选设备与相连的所述图像采集设备采用分体式结构或者一体式结构。
8.根据权利要求6所述的系统,其特征在于,所述图像采集设备包括:镜头朝向对象陈列区域和/或对象试用区域的摄像头。
9.根据权利要求6所述的系统,其特征在于,所述图像筛选设备和/或所述热度分析设备还用于:
对所述目标图像进行内容匹配;
当存在内容重复或内容相似度达到相似度阈值的多张目标图像时,保留所述多张目标图像中的任一张目标图像、筛除其他的目标图像。
10.根据权利要求9所述的系统,其特征在于,所述图像筛选设备和/或所述热度分析设备对所述目标图像进行内容匹配,包括:
识别所述目标图像中的目标对象并确定所述目标对象的目标位置;
基于所述目标位置和已识别出的历史对象的历史位置信息,确定所述目标对象与所述历史对象的内容匹配度。
11.根据权利要求10所述的系统,其特征在于,所述图像筛选设备还用于:
在存在任一历史对象与所述目标图像之间的所述内容匹配度不小于预设的匹配度阈值,且所述任一历史对象对应的历史图像未被提供至所述热度分析设备的情况下,将所述目标图像提供至所述热度分析设备。
12.根据权利要求6所述的系统,其特征在于,所述热度分析设备还用于:
从所述目标图像中提取所述目标对象的目标特征向量;
计算所述目标特征向量与备选对象的备选特征向量之间的向量相似度;
在所述向量相似度不小于预设的相似度阈值的情况下,将所述备选对象的对象标识确定为所述目标对象的对象标识,所述对象标识被用于分析所述用户交互行为。
13.根据权利要求6所述的系统,其特征在于,所述热度分析设备还用于:
向用户设备发送所述热度信息以用于展示。
14.一种对象热度分析方法,其特征在于,应用于图像筛选设备,包括:
获取与对象相关的图像;
从所述图像中筛选出目标图像并提供至热度分析设备,所述目标图像用于表征针对所述对象产生的用户交互行为,以使所述热度分析设备分析所述目标图像以统计针对所述对象的所述用户交互行为,并根据统计结果确定所述对象的热度信息。
15.根据权利要求14所述的方法,其特征在于,还包括:
对所述目标图像进行内容匹配;
当存在内容重复或内容相似度达到相似度阈值的多张目标图像时,保留所述多张目标图像中的任一张目标图像、筛除其他的目标图像。
16.根据权利要求15所述的方法,其特征在于,对所述目标图像进行内容匹配,包括:
识别所述目标图像中的目标对象并确定所述目标对象的目标位置;
基于所述目标位置和已识别出的历史对象的历史位置信息,确定所述目标对象与所述历史对象的内容匹配度。
17.根据权利要求16所述的方法,其特征在于,所述历史位置信息被记录在对象列表中,所述方法还包括:
在所有历史对象对应的所述内容匹配度均小于预设的匹配度阈值的情况下,在所述对象列表中新增所述目标位置对应的目标位置信息;否则,
在存在任一历史对象对应的所述内容匹配度不小于所述匹配度阈值的情况下,将所述任一历史对象的历史位置信息更新为所述目标位置信息。
18.根据权利要求16所述的方法,其特征在于,所述对象列表中还记录有所述历史对象对应的第一时长,所述第一时长为所述历史位置信息最近一次更新的时刻至当前时刻的时间长度,所述方法还包括:
在任一历史对象对应的所述第一时长不小于预设的保留时长阈值的情况下,删除所述任一历史对象在所述对象列表中对应的所述历史位置信息。
19.根据权利要求16所述的方法,其特征在于,所述对象列表中还记录有所述历史对象对应的第二时长,所述第二时长为所述历史位置信息被添加至所述对象列表中的时刻至当前时刻的时间长度,所述方法还包括:
在任一历史对象对应的所述第二时长不小于预设的上传时长阈值且所述任一历史对象所在的图像未被上传至所述热度分析设备的情况下,将所述目标图像提供至所述热度分析设备。
20.一种对象热度分析方法,其特征在于,应用于热度分析设备,包括:
接收至少一个图像筛选设备提供的目标图像,所述目标图像由所述图像筛选设备对其获取的与对象相关的图像进行筛选得到;
分析所述目标图像以统计针对所述对象的用户交互行为,并根据统计结果确定所述对象的热度信息。
21.根据权利要求20所述的方法,其特征在于,还包括:
对所述目标图像进行内容匹配;
当存在内容重复或内容相似度达到相似度阈值的多张目标图像时,保留所述多张目标图像中的任一张目标图像、筛除其他的目标图像。
22.根据权利要求21所述的方法,其特征在于,对所述目标图像进行内容匹配,包括:
识别所述目标图像中的目标对象并确定所述目标对象的目标位置;
基于所述目标位置和已识别出的历史对象的历史位置信息,确定所述目标对象与所述历史对象的内容匹配度。
23.根据权利要求20所述的方法,其特征在于,所述根据统计结果确定所述对象的热度信息,包括:
按照预设的至少一个维度统计所述用户交互行为的发生次数;
根据所述发生次数的统计结果确定所述对象在所述维度下的热度信息。
24.根据权利要求20所述的方法,其特征在于,还包括:
向用户设备发送所述热度信息以用于展示。
25.一种对象热度分析装置,其特征在于,应用于图像筛选设备,包括:
图像获取单元,用于获取与对象相关的图像;
图像筛选单元,用于从所述图像中筛选出目标图像并提供至热度分析设备,所述目标图像用于表征针对所述对象产生的用户交互行为,以使所述热度分析设备分析所述目标图像以统计针对所述对象的所述用户交互行为,并根据统计结果确定所述对象的热度信息。
26.一种对象热度分析装置,其特征在于,应用于热度分析设备,包括:
图像接收单元,用于接收至少一个图像筛选设备提供的目标图像,所述目标图像由所述图像筛选设备对其获取的与对象相关的图像进行筛选得到;
热度确定单元,用于分析所述目标图像以统计针对所述对象的用户交互行为,并根据统计结果确定所述对象的热度信息。
27.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器通过运行所述可执行指令以实现如权利要求14-24中任一项所述的方法。
28.一种计算机可读存储介质,其上存储有计算机指令,其特征在于,该指令被处理器执行时实现如权利要求14-24中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010784857.2A CN113298597A (zh) | 2020-08-06 | 2020-08-06 | 对象热度分析系统、方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010784857.2A CN113298597A (zh) | 2020-08-06 | 2020-08-06 | 对象热度分析系统、方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113298597A true CN113298597A (zh) | 2021-08-24 |
Family
ID=77318227
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010784857.2A Pending CN113298597A (zh) | 2020-08-06 | 2020-08-06 | 对象热度分析系统、方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113298597A (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070100824A1 (en) * | 2005-11-03 | 2007-05-03 | Microsoft Corporation | Using popularity data for ranking |
CN105678591A (zh) * | 2016-02-29 | 2016-06-15 | 北京时代云英科技有限公司 | 一种基于视频分析的商业智能化经营决策支撑系统和方法 |
CN107256225A (zh) * | 2017-04-28 | 2017-10-17 | 济南中维世纪科技有限公司 | 一种基于视频分析的热度图生成方法及装置 |
CN109685090A (zh) * | 2017-10-19 | 2019-04-26 | 阿里巴巴集团控股有限公司 | 热度评测模型的训练方法、热度评测方法以及相关设备 |
CN110209707A (zh) * | 2019-04-29 | 2019-09-06 | 北京三快在线科技有限公司 | 商户热度计算方法、装置、电子设备及可读存储介质 |
CN110310057A (zh) * | 2019-04-08 | 2019-10-08 | 顺丰科技有限公司 | 货品排序和货位处理方法、装置、设备及其存储介质 |
CN110322262A (zh) * | 2018-03-30 | 2019-10-11 | 阿里巴巴集团控股有限公司 | 门店信息处理方法、装置及门店系统 |
CN110348869A (zh) * | 2018-04-04 | 2019-10-18 | 阿里巴巴集团控股有限公司 | 数据处理方法、装置、计算设备及系统 |
CN110503024A (zh) * | 2019-08-19 | 2019-11-26 | 联想(北京)有限公司 | 一种交互状态分析方法、装置及存储介质 |
WO2020048376A1 (zh) * | 2018-09-07 | 2020-03-12 | 杭州海康威视数字技术股份有限公司 | 一种货架分析方法、装置、系统及电子设备 |
CN111127066A (zh) * | 2018-11-01 | 2020-05-08 | 百度在线网络技术(北京)有限公司 | 基于用户信息的挖掘应用方法和装置 |
-
2020
- 2020-08-06 CN CN202010784857.2A patent/CN113298597A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070100824A1 (en) * | 2005-11-03 | 2007-05-03 | Microsoft Corporation | Using popularity data for ranking |
CN105678591A (zh) * | 2016-02-29 | 2016-06-15 | 北京时代云英科技有限公司 | 一种基于视频分析的商业智能化经营决策支撑系统和方法 |
CN107256225A (zh) * | 2017-04-28 | 2017-10-17 | 济南中维世纪科技有限公司 | 一种基于视频分析的热度图生成方法及装置 |
CN109685090A (zh) * | 2017-10-19 | 2019-04-26 | 阿里巴巴集团控股有限公司 | 热度评测模型的训练方法、热度评测方法以及相关设备 |
CN110322262A (zh) * | 2018-03-30 | 2019-10-11 | 阿里巴巴集团控股有限公司 | 门店信息处理方法、装置及门店系统 |
CN110348869A (zh) * | 2018-04-04 | 2019-10-18 | 阿里巴巴集团控股有限公司 | 数据处理方法、装置、计算设备及系统 |
WO2020048376A1 (zh) * | 2018-09-07 | 2020-03-12 | 杭州海康威视数字技术股份有限公司 | 一种货架分析方法、装置、系统及电子设备 |
CN110889419A (zh) * | 2018-09-07 | 2020-03-17 | 杭州海康威视数字技术股份有限公司 | 一种货架分析方法、装置、系统及电子设备 |
CN111127066A (zh) * | 2018-11-01 | 2020-05-08 | 百度在线网络技术(北京)有限公司 | 基于用户信息的挖掘应用方法和装置 |
CN110310057A (zh) * | 2019-04-08 | 2019-10-08 | 顺丰科技有限公司 | 货品排序和货位处理方法、装置、设备及其存储介质 |
CN110209707A (zh) * | 2019-04-29 | 2019-09-06 | 北京三快在线科技有限公司 | 商户热度计算方法、装置、电子设备及可读存储介质 |
CN110503024A (zh) * | 2019-08-19 | 2019-11-26 | 联想(北京)有限公司 | 一种交互状态分析方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9323785B2 (en) | Method and system for mobile visual search using metadata and segmentation | |
US11587149B2 (en) | Associating shoppers together | |
US11049373B2 (en) | Storefront device, storefront management method, and program | |
JP5395920B2 (ja) | 検索装置、検索方法、検索プログラム、及びそのプログラムを記憶するコンピュータ読取可能な記録媒体 | |
CN111263224B (zh) | 视频处理方法、装置及电子设备 | |
WO2016038901A1 (ja) | 画像処理装置、画像処理プログラム、画像処理方法及び記録媒体 | |
CN112464697A (zh) | 基于视觉和重力感应的商品与顾客的匹配方法和装置 | |
CN115249356B (zh) | 识别方法、装置、设备及存储介质 | |
KR20180015101A (ko) | 소스 비디오 내에서 관심 동영상을 추출하는 장치 및 방법 | |
CN115393007A (zh) | 一种行业分类模型的训练方法及装置 | |
US11232511B1 (en) | Computer vision based tracking of item utilization | |
US20170358135A1 (en) | Augmenting the Half-Mirror to Display Additional Information in Retail Environments | |
CN109074498A (zh) | 用于pos区域的访问者跟踪方法和系统 | |
CN111428743B (zh) | 商品识别方法、商品处理方法、装置及电子设备 | |
WO2020007141A1 (zh) | 线下商品信息查询方法、装置、设备及系统 | |
CN111260685A (zh) | 视频处理方法、装置及电子设备 | |
CN113609319A (zh) | 商品搜索方法、装置和设备 | |
TWI712903B (zh) | 商品資訊查詢方法和系統 | |
WO2019192455A1 (zh) | 门店系统、物品搭配方法、装置及电子设备 | |
CN113298597A (zh) | 对象热度分析系统、方法及装置 | |
CN111429194A (zh) | 用户轨迹确定系统、方法、装置及服务器 | |
CN115661624A (zh) | 一种货架的数字化方法、装置及电子设备 | |
CN114360057A (zh) | 数据处理方法及相关装置 | |
JP6210554B2 (ja) | 認識装置、認識プログラム及び認識方法 | |
CN113129112A (zh) | 物品推荐方法、装置及电子设备 |
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 |