CN113362090A - 一种用户行为数据处理方法和装置 - Google Patents
一种用户行为数据处理方法和装置 Download PDFInfo
- Publication number
- CN113362090A CN113362090A CN202010139564.9A CN202010139564A CN113362090A CN 113362090 A CN113362090 A CN 113362090A CN 202010139564 A CN202010139564 A CN 202010139564A CN 113362090 A CN113362090 A CN 113362090A
- Authority
- CN
- China
- Prior art keywords
- divided
- region
- object information
- plan
- behavior data
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 238000003384 imaging method Methods 0.000 claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 18
- 238000013507 mapping Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 8
- 238000009432 framing Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 abstract description 3
- 230000006399 behavior Effects 0.000 description 51
- 238000010586 diagram Methods 0.000 description 17
- 238000004364 calculation method Methods 0.000 description 16
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 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
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了用户行为数据处理方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括获取目标场景对应的平面图，对所述平面图中的过道区域进行标定划分，进而将目标场景中每个摄像设备的成像区域映射至划分后的平面图上，以生成摄像设备与划分区域的对应关系；基于每一个划分区域与其相邻的若干个划分区域，构建划分区域关联表；根据摄像设备与划分区域的对应关系，获取当前帧划分区域中的对象信息，以基于划分区域关联表得到所述对象信息的历史行为数据，进而形成所述对象信息的行为轨迹。从而，本发明的实施方式能够解决现有热力数据收集成本高，算力低的问题。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种用户行为数据处理方法和装置。
背景技术
针对线下的零售场景信息，用户的店内顾客行为数据，人货场关联数据一般都是缺失的，目前常规做法是通过AI算法对线下门店做进店客流人群画像，顾客轨迹跟踪，人群热力区域分布的数据进行收集分析。
在实现本发明过程中，发明人发现现有技术中至少存在如下问题：
现有的云端热力数据采集方案是把门店内部的多路视频数据上传云端，在云端进行数据分析，但所有的数据需要通过网络从门店传输到云端，存在数据安全问题。并且，门店需要为传输视频配置一个稳定，高带宽的网络，导致对门店基础设施条件要求较高。
而边缘端热力数据收集方案，在门店内部部署边缘端设备进行本地视频数据的采集和结构化处理，处理后的数据上报云端进行汇总分析处理，这种方案大大降低了门店的基础设施要求，但边缘端设备算力有限，若升级边缘端硬件设备则硬件部署成本提高。
发明内容
有鉴于此，本发明实施例提供一种用户行为数据处理方法和装置，能够解决现有热力数据收集成本高，算力低的问题。
为实现上述目的，根据本发明实施例的一个方面，提供了一种用户行为数据处理方法，包括获取目标场景对应的平面图，对所述平面图中的过道区域进行标定划分，进而将目标场景中每个摄像设备的成像区域映射至划分后的平面图上，以生成摄像设备与划分区域的对应关系；基于每一个划分区域与其相邻的若干个划分区域，构建划分区域关联表；根据摄像设备与划分区域的对应关系，获取当前帧划分区域中的对象信息，以基于划分区域关联表得到所述对象信息的历史行为数据，进而形成所述对象信息的行为轨迹。
可选地，将目标场景中每个摄像设备的成像区域映射至划分后的平面图上之前，包括：
根据摄像设备的成帧图像，获取目标场景中每个摄像设备的成像区域。
可选地，对所述平面图中的过道区域进行标定划分，包括：
对所述平面图中的过道区域进行标定划分，以对每个划分区域设置唯一编号。
可选地，生成摄像设备与划分区域的对应关系，包括：
获取摄像设备成像的重复区域，通过计算摄像设备在重复区域内的像素点数量确定该重复区域的归属，以确定每个划分区域归属于一个摄像设备。
可选地，基于划分区域关联表得到所述对象信息的历史行为数据，包括：
基于预设时间段，获取每个划分区域的历史对象信息，建立历史对象特征库；
根据当前帧划分区域中的对象信息，基于划分区域关联表在历史对象特征库中提取所述对象信息的历史行为数据。
另外，本发明还提供了一种用户行为数据处理装置，包括获取模块，用于获取目标场景对应的平面图，对所述平面图中的过道区域进行标定划分；
处理模块，用于将目标场景中每个摄像设备的成像区域映射至划分后的平面图上，以生成摄像设备与划分区域的对应关系；基于每一个划分区域与其相邻的若干个划分区域，构建划分区域关联表；
生成模块，用于根据摄像设备与划分区域的对应关系，获取当前帧划分区域中的对象信息，以基于划分区域关联表得到所述对象信息的历史行为数据，进而形成所述对象信息的行为轨迹。
可选地，所述处理模块生成摄像设备与划分区域的对应关系，包括：
获取摄像设备成像的重复区域，通过计算摄像设备在重复区域内的像素点数量确定该重复区域的归属，以确定每个划分区域归属于一个摄像设备。
可选地，所述生成模块基于划分区域关联表得到所述对象信息的历史行为数据，包括：
基于预设时间段，获取每个划分区域的历史对象信息，建立历史对象特征库；
根据当前帧划分区域中的对象信息，基于划分区域关联表在历史对象特征库中提取所述对象信息的历史行为数据。
上述发明中的一个实施例具有如下优点或有益效果：因为采用获取目标场景对应的平面图，对所述平面图中的过道区域进行标定划分，进而将目标场景中每个摄像设备的成像区域映射至划分后的平面图上，以生成摄像设备与划分区域的对应关系；基于每一个划分区域与其相邻的若干个划分区域，构建划分区域关联表；根据摄像设备与划分区域的对应关系，获取当前帧划分区域中的对象信息，以基于划分区域关联表得到所述对象信息的历史行为数据，进而形成所述对象信息的行为轨迹的技术手段，所以克服了现有边缘端热力数据收集成本高，算力低的技术问题。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1是根据本发明第一实施例的用户行为数据处理方法的主要流程的示意图；
图2是根据本发明实施例的划分区域的示意图；
图3是根据本发明实施例的重复区域的示意图；
图4是根据本发明第二实施例的用户行为数据处理方法的主要流程的示意图；
图5是根据本发明第三实施例的用户行为数据处理方法的主要流程的示意图；
图6是根据本发明实施例的用户行为数据处理装置的主要模块的示意图；
图7是本发明实施例可以应用于其中的示例性系统架构图；
图8是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明第一实施例的用户行为数据处理方法的主要流程的示意图，如图1所示，所述用户行为数据处理方法包括：
步骤S101，获取目标场景对应的平面图，对所述平面图中的过道区域进行标定划分。
在一些实施例中，对所述平面图中的过道区域进行标定划分时，可以对所述平面图中的过道区域进行标定划分，以对每个划分区域设置唯一编号(如图2所示)。即所述的唯一编号可以在后面的摄像设备与划分区域的对应关系中以及划分区域关联表中进行存储，进而便于查询和数据处理。
步骤S102，将目标场景中每个摄像设备的成像区域映射至划分后的平面图上，以生成摄像设备与划分区域的对应关系。基于每一个划分区域与其相邻的若干个划分区域，构建划分区域关联表。
在一些实施例中，将目标场景中每个摄像设备的成像区域映射至划分后的平面图上之前，可以根据摄像设备的成帧图像，获取目标场景中每个摄像设备的成像区域。
值得说明的是，将目标场景中每个摄像设备的成像区域通过全局映射的方式映射至划分后的平面图上。其中，全局映射的方式可以根据摄像设备的内参和外参计算得到。
作为另一些实施例，生成摄像设备与划分区域的对应关系时，由于存在重复区域，因此无法直接得到每个划分区域对应一个摄像设备，而本发明创造性的通过如下过程可以实现每个划分区域对应唯一的摄像设备：
获取摄像设备成像的重复区域，通过计算摄像设备在重复区域内的像素点数量确定该重复区域的归属，以确定每个划分区域归属于一个摄像设备。如图3所示，为根据本发明实施例的重复区域的示意图，根据在实际业务场景分析，这些摄像设备交叉区域内部有很多交叉区域，这些交叉区域的行人会在不同摄像设备下进行重复计算，例如图3中的两个较大重复区域，是两个摄像设备的交叉区域。而中间较小的重复区域，是四个摄像设备的交叉区域。
步骤S103，根据摄像设备与划分区域的对应关系，获取当前帧划分区域中的对象信息，以基于划分区域关联表得到所述对象信息的历史行为数据，进而形成所述对象信息的行为轨迹。
在一些实施例中，在基于划分区域关联表得到所述对象信息的历史行为数据的时候，可以基于预设时间段，获取每个划分区域的历史对象信息，建立历史对象特征库。例如：设置30分钟或60分钟存储每个划分区域内出现的对象信息。
然后，根据当前帧划分区域中的对象信息，基于划分区域关联表在历史对象特征库中提取所述对象信息的历史行为数据。例如：对于每一个划分区域寻找若干个相关联的划分区域，如图2中所示划分区域18，关联划分区域为8，9，10和27，28，29，这样平面图上的每个划分区域都建立一个映射关联表。在当前帧中，如果划分区域18出现3个行人对象，这3个行人对象只在划分区域18的关联划分区域8，9，10和27，28，29对应的历史对象特征库中进行搜索，最后基于时序形成这3个行人对象行为轨迹。
综上所述，本发明提出了的用户行为数据处理方法通过缩小行人重识别算法中的历史行人库的大小来保证检索量级的减小，通过规避摄像头重复区域减少重复行人的特征提取和比对。同时，通过减少重复计算，缩小行人历史库搜索的范围，减少了重复计算的计算量，提高了算力利用率。
也就是说，本发明针对在线下门店进行热力数据采集和分析的部署的过程中，实现了智能边缘端工程调优。在有限算力的情况下尽量提高算力的有效利用率，减少重复计算和不必要的计算，在线下门店场景以尽量少的部署成本采集数据。在部署实施中降低成本，简化部署架构，易于项目的大规模推广。
图4是根据本发明第二实施例的用户行为数据处理方法的主要流程的示意图，所述用户行为数据处理方法可以包括：
步骤S401，获取目标场景对应的平面图，对所述平面图中的过道区域进行标定划分，以对每个划分区域设置唯一编号。
步骤S402，根据摄像设备的成帧图像，获取目标场景中每个摄像设备的成像区域。
步骤S403，将目标场景中每个摄像设备的成像区域映射至划分后的平面图上，以生成摄像设备与划分区域的对应关系。
步骤S404，基于每一个划分区域与其相邻的若干个划分区域，构建划分区域关联表。
步骤S405，根据摄像设备与划分区域的对应关系，获取当前帧划分区域中的对象信息。
步骤S406，基于划分区域关联表得到所述对象信息的历史行为数据，进而形成所述对象信息的行为轨迹。
图5是根据本发明第三实施例的用户行为数据处理方法的主要流程的示意图，所述用户行为数据处理方法可以包括：
步骤S501，获取目标场景对应的平面图，对所述平面图中的过道区域进行标定划分。
步骤S502，将目标场景中每个摄像设备的成像区域映射至划分后的平面图上。
步骤S503，获取摄像设备成像的重复区域，通过计算摄像设备在重复区域内的像素点数量确定该重复区域的归属。
步骤S504，确定每个划分区域归属于一个摄像设备，进而生成摄像设备与划分区域的对应关系。
步骤S505，基于每一个划分区域与其相邻的若干个划分区域，构建划分区域关联表。
步骤S506，根据摄像设备与划分区域的对应关系，获取当前帧划分区域中的对象信息。
步骤S507，基于预设时间段，获取每个划分区域的历史对象信息，建立历史对象特征库。
步骤S508，根据当前帧划分区域中的对象信息，基于划分区域关联表在历史对象特征库中提取所述对象信息的历史行为数据。
步骤S509，形成所述对象信息的行为轨迹。
可以看出，本发明针对线下门店行人热力动线的计算进行优化，减少不必要的重复计算，提高边缘端设备的算力效率。即如何通过一种可行的方式划分每个摄像头负责的区域，每个区域单独归属于一个摄像头，把这个区域映射到店铺平面图上，每个行人出现在某个区域，只与关联区域进行跟踪和行人重识别的计算，进而减少重复计算，提高算力的使用效率。
值得说明的是，本发明在当前的每帧图片中，相邻区域进行历史行人库的比对，从而减少了很多计算资源。由于减小了比对的历史数据库，比对范围相对集中，算法的比对效果有明显的提升。另外，减少了重复区域的行人检测，跟踪和重识别，计算次数的减少大大降低了计算开销，减少了实时视频的处理时间。
基于本发明的技术方案，在实际场景中测试，在保证同样算法精度的前提下，同样的边缘端设备和场景数据，实时视频处理的路数由3路可以扩充到了5路。
图6是根据本发明实施例的用户行为数据处理装置的主要模块的示意图，如图6所示，所述用户行为数据处理装置600包括获取模块601、处理模块602和生成模块603。其中，获取模块601获取目标场景对应的平面图，对所述平面图中的过道区域进行标定划分。处理模块602将目标场景中每个摄像设备的成像区域映射至划分后的平面图上，以生成摄像设备与划分区域的对应关系；基于每一个划分区域与其相邻的若干个划分区域，构建划分区域关联表。生成模块603根据摄像设备与划分区域的对应关系，获取当前帧划分区域中的对象信息，以基于划分区域关联表得到所述对象信息的历史行为数据，进而形成所述对象信息的行为轨迹。
在一些实施例中，所述处理模块602生成摄像设备与划分区域的对应关系，包括：
获取摄像设备成像的重复区域，通过计算摄像设备在重复区域内的像素点数量确定该重复区域的归属，以确定每个划分区域归属于一个摄像设备。
在另外一些实施例中，所述生成模块603基于划分区域关联表得到所述对象信息的历史行为数据，包括：
基于预设时间段，获取每个划分区域的历史对象信息，建立历史对象特征库；根据当前帧划分区域中的对象信息，基于划分区域关联表在历史对象特征库中提取所述对象信息的历史行为数据。
作为再一些实施例，处理模块602将目标场景中每个摄像设备的成像区域映射至划分后的平面图上之前，包括：
根据摄像设备的成帧图像，获取目标场景中每个摄像设备的成像区域。
作为又一些实施例，获取模块601对所述平面图中的过道区域进行标定划分，包括：
对所述平面图中的过道区域进行标定划分，以对每个划分区域设置唯一编号。
需要说明的是，在本发明所述用户行为数据处理方法和所述用户行为数据处理装置在具体实施内容上具有相应关系，故重复内容不再说明。
图7示出了可以应用本发明实施例的用户行为数据处理方法或用户行为数据处理装置的示例性系统架构700。
如图7所示，系统架构700可以包括终端设备701、702、703，网络704和服务器705。网络704用以在终端设备701、702、703和服务器705之间提供通信链路的介质。网络704可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备701、702、703通过网络704与服务器705交互，以接收或发送消息等。终端设备701、702、703上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备701、702、703可以是具有用户行为数据处理屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器705可以是提供各种服务的服务器，例如对用户利用终端设备701、702、703所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。
需要说明的是，本发明实施例所提供的用户行为数据处理方法一般由服务器705执行，相应地，计算装置一般设置于服务器705中。
应该理解，图7中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
下面参考图8，其示出了适于用来实现本发明实施例的终端设备的计算机系统800的结构示意图。图8示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图8所示，计算机系统800包括中央处理单元(CPU)801，其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分508加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM803中，还存储有计算机系统800操作所需的各种程序和数据。CPU801、ROM802以及RAM803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
以下部件连接至I/O接口805：包括键盘、鼠标等的输入部分806；包括诸如阴极射线管(CRT)、液晶用户行为数据处理器(LCD)等以及扬声器等的输出部分807；包括硬盘等的存储部分808；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器810上，以便于从其上读出的计算机程序根据需要被安装入存储部分808。
特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分809从网络上被下载和安装，和/或从可拆卸介质811被安装。在该计算机程序被中央处理单元(CPU)801执行时，执行本发明的系统中限定的上述功能。
需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括获取模块、处理模块和生成模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定。
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括获取目标场景对应的平面图，对所述平面图中的过道区域进行标定划分，进而将目标场景中每个摄像设备的成像区域映射至划分后的平面图上，以生成摄像设备与划分区域的对应关系；基于每一个划分区域与其相邻的若干个划分区域，构建划分区域关联表；根据摄像设备与划分区域的对应关系，获取当前帧划分区域中的对象信息，以基于划分区域关联表得到所述对象信息的历史行为数据，进而形成所述对象信息的行为轨迹。
根据本发明实施例的技术方案，能够解决现有热力数据收集成本高，算力低的问题。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (10)
1.一种用户行为数据处理方法，其特征在于，包括：
获取目标场景对应的平面图，对所述平面图中的过道区域进行标定划分，进而将目标场景中每个摄像设备的成像区域映射至划分后的平面图上，以生成摄像设备与划分区域的对应关系；
基于每一个划分区域与其相邻的若干个划分区域，构建划分区域关联表；
根据摄像设备与划分区域的对应关系，获取当前帧划分区域中的对象信息，以基于划分区域关联表得到所述对象信息的历史行为数据，进而形成所述对象信息的行为轨迹。
2.根据权利要求1所述的装置，其特征在于，将目标场景中每个摄像设备的成像区域映射至划分后的平面图上之前，包括：
根据摄像设备的成帧图像，获取目标场景中每个摄像设备的成像区域。
3.根据权利要求1所述的方法，其特征在于，对所述平面图中的过道区域进行标定划分，包括：
对所述平面图中的过道区域进行标定划分，以对每个划分区域设置唯一编号。
4.根据权利要求1所述的方法，其特征在于，生成摄像设备与划分区域的对应关系，包括：
获取摄像设备成像的重复区域，通过计算摄像设备在重复区域内的像素点数量确定该重复区域的归属，以确定每个划分区域归属于一个摄像设备。
5.根据权利要求1-4种任一所述的方法，其特征在于，基于划分区域关联表得到所述对象信息的历史行为数据，包括：
基于预设时间段，获取每个划分区域的历史对象信息，建立历史对象特征库；
根据当前帧划分区域中的对象信息，基于划分区域关联表在历史对象特征库中提取所述对象信息的历史行为数据。
6.一种用户行为数据处理装置，其特征在于，包括：
获取模块，用于获取目标场景对应的平面图，对所述平面图中的过道区域进行标定划分；
处理模块，用于将目标场景中每个摄像设备的成像区域映射至划分后的平面图上，以生成摄像设备与划分区域的对应关系；基于每一个划分区域与其相邻的若干个划分区域，构建划分区域关联表；
生成模块，用于根据摄像设备与划分区域的对应关系，获取当前帧划分区域中的对象信息，以基于划分区域关联表得到所述对象信息的历史行为数据，进而形成所述对象信息的行为轨迹。
7.根据权利要求6所述的装置，其特征在于，所述处理模块生成摄像设备与划分区域的对应关系，包括：
获取摄像设备成像的重复区域，通过计算摄像设备在重复区域内的像素点数量确定该重复区域的归属，以确定每个划分区域归属于一个摄像设备。
8.根据权利要求6所述的装置，其特征在于，所述生成模块基于划分区域关联表得到所述对象信息的历史行为数据，包括：
基于预设时间段，获取每个划分区域的历史对象信息，建立历史对象特征库；
根据当前帧划分区域中的对象信息，基于划分区域关联表在历史对象特征库中提取所述对象信息的历史行为数据。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010139564.9A CN113362090A (zh) | 2020-03-03 | 2020-03-03 | 一种用户行为数据处理方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010139564.9A CN113362090A (zh) | 2020-03-03 | 2020-03-03 | 一种用户行为数据处理方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113362090A true CN113362090A (zh) | 2021-09-07 |
Family
ID=77523343
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010139564.9A Pending CN113362090A (zh) | 2020-03-03 | 2020-03-03 | 一种用户行为数据处理方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113362090A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113591809A (zh) * | 2021-09-28 | 2021-11-02 | 广州思林杰科技股份有限公司 | 一种网点内客户行动轨迹确定方法及装置 |
| CN114091630A (zh) * | 2022-01-24 | 2022-02-25 | 阿里巴巴达摩院(杭州)科技有限公司 | 获取目标对象移动轨迹信息的方法、装置及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104474710A (zh) * | 2014-12-09 | 2015-04-01 | 山东大学 | 基于Kinect网络的大规模场景群体用户跟踪系统与方法 |
| CN106127292A (zh) * | 2016-06-29 | 2016-11-16 | 上海小蚁科技有限公司 | 流量计数方法和设备 |
| CN107909025A (zh) * | 2017-11-13 | 2018-04-13 | 毛国强 | 基于视频和无线监控的人物识别及追踪方法和系统 |
| CN108537189A (zh) * | 2018-04-16 | 2018-09-14 | 上海小蚁科技有限公司 | 生成顾客轨迹图的方法及装置、存储介质、终端 |
| CN109784162A (zh) * | 2018-12-12 | 2019-05-21 | 成都数之联科技有限公司 | 一种行人行为识别及轨迹跟踪方法 |
| CN110619807A (zh) * | 2018-06-20 | 2019-12-27 | 北京京东尚科信息技术有限公司 | 生成全局热力图的方法和装置 |
-
2020
- 2020-03-03 CN CN202010139564.9A patent/CN113362090A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104474710A (zh) * | 2014-12-09 | 2015-04-01 | 山东大学 | 基于Kinect网络的大规模场景群体用户跟踪系统与方法 |
| CN106127292A (zh) * | 2016-06-29 | 2016-11-16 | 上海小蚁科技有限公司 | 流量计数方法和设备 |
| CN107909025A (zh) * | 2017-11-13 | 2018-04-13 | 毛国强 | 基于视频和无线监控的人物识别及追踪方法和系统 |
| CN108537189A (zh) * | 2018-04-16 | 2018-09-14 | 上海小蚁科技有限公司 | 生成顾客轨迹图的方法及装置、存储介质、终端 |
| CN110619807A (zh) * | 2018-06-20 | 2019-12-27 | 北京京东尚科信息技术有限公司 | 生成全局热力图的方法和装置 |
| CN109784162A (zh) * | 2018-12-12 | 2019-05-21 | 成都数之联科技有限公司 | 一种行人行为识别及轨迹跟踪方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113591809A (zh) * | 2021-09-28 | 2021-11-02 | 广州思林杰科技股份有限公司 | 一种网点内客户行动轨迹确定方法及装置 |
| CN114091630A (zh) * | 2022-01-24 | 2022-02-25 | 阿里巴巴达摩院(杭州)科技有限公司 | 获取目标对象移动轨迹信息的方法、装置及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10699431B2 (en) | Method and apparatus for generating image generative model | |
| US20200193372A1 (en) | Information processing method and apparatus | |
| CN110619807B (zh) | 生成全局热力图的方法和装置 | |
| CN111815738B (zh) | 一种构建地图的方法和装置 | |
| CN110222775B (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
| US20190102938A1 (en) | Method and Apparatus for Presenting Information | |
| CN113362090A (zh) | 一种用户行为数据处理方法和装置 | |
| US10921131B1 (en) | Systems and methods for interactive digital maps | |
| CN111160410B (zh) | 一种物体检测方法和装置 | |
| CN109919220B (zh) | 用于生成视频的特征向量的方法和装置 | |
| CN109446384B (zh) | 用于生成人员组织架构信息的方法和系统 | |
| CN114708545A (zh) | 基于图像的对象侦测方法、装置、设备和存储介质 | |
| CN109117448B (zh) | 热力图生成方法和装置 | |
| CN110928594A (zh) | 服务开发方法和平台 | |
| CN110377776B (zh) | 生成点云数据的方法和装置 | |
| US11263453B2 (en) | Method and system for tracking and displaying object trajectory | |
| US20210357673A1 (en) | Method and device for processing feature point of image | |
| CN111311358A (zh) | 信息处理方法、装置和电子设备 | |
| CN110378904B (zh) | 对点云数据进行分割的方法和装置 | |
| CN113808134B (zh) | 油罐布局信息生成方法、装置、电子设备、介质 | |
| CN111652831B (zh) | 对象融合方法、装置、计算机可读存储介质及电子设备 | |
| CN113139082A (zh) | 多媒体内容处理方法、装置、设备及介质 | |
| CN110633595B (zh) | 一种利用双线性插值的目标检测方法和装置 | |
| CN112000218A (zh) | 一种对象显示方法及装置 | |
| CN112308678A (zh) | 基于图像识别的价格信息处理方法、装置、设备和介质 |
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 |