CN114627434B - 一种基于大数据的汽车销售展厅客流识别系统 - Google Patents

Abstract

本发明公开了一种基于大数据的汽车销售展厅客流识别系统，包括拍摄模块、图像预处理模块和识别模块；拍摄模块用于获取监控区域内的人流图像，以及用于将人流图像传输至图像预处理模块；图像预处理模块用于对人流图像进行预处理，获得预处理图像，以及用于将预处理图像传输至识别模块；识别模块用于将预处理图像输入到经过大数据训练的得到的神经网络模型中进行图像识别处理，获取预处理图像中包含的人数。本发明能够准确获得每个监控区域的人流情况，方便展厅的工作人员设置相应的安保方式来确保人流的安全。

Description

一种基于大数据的汽车销售展厅客流识别系统

技术领域

本发明涉及客流识别领域，尤其涉及一种基于大数据的汽车销售展厅客流识别系统。

背景技术

现有的汽车销售展厅的客流统计方式，一般是通过设置在出入口的装置来识别人数总数，或者通过统计入场的人员的签到记录等信息来识别人数总数。因此，现有的汽车销售展厅的客流统计方式，并不能反映展厅里面的具体区域的客流情况，使得主办方无法实时了解展厅内的客流分布情况，不利于展厅的工作人员设置相应的安保方式来确保人流的安全。

发明内容

本发明的目的在于公开一种基于大数据的汽车销售展厅客流识别系统，解决现有技术中的客流统计方式无法了解汽车销售展厅内的客流分布情况的问题。

为了达到上述目的，本发明采用如下技术方案：

一种基于大数据的汽车销售展厅客流识别系统，包括拍摄模块、图像预处理模块和识别模块；

拍摄模块用于获取监控区域内的人流图像，以及用于将人流图像传输至图像预处理模块；

图像预处理模块用于对人流图像进行预处理，获得预处理图像，以及用于将预处理图像传输至识别模块；

识别模块用于将预处理图像输入到经过大数据训练的得到的神经网络模型中进行图像识别处理，获取预处理图像中包含的人数。

作为优选，所述拍摄模块包括控制单元、拍摄单元和预判单元；

控制单元用于向拍摄单元发送启动指令；

拍摄单元用于在接收到启动指令后，获取监控区域内的人流图像，并将人流图像传输至预判单元；

预判单元用于对人流图像的信息含量进行判断，判断信息含量是否大于设定的信息含量门槛值，将判断结果发送至控制单元；

控制单元用于在判断结果为信息含量大于设定的信息含量门槛值时，将人流图像传输至图像预处理模块，以及用于在判断结果为信息含量小于等于设定的信息含量门槛值时，再次向拍摄单元发送启动指令。

作为优选，所述拍摄单元的数量和监控区域的数量一致，每个拍摄单元负责获取一个监控区域内的人流图像。

作为优选，基于大数据的汽车销售展厅客流识别系统还包括显示模块；

显示模块用于显示每个监控区域的人数。

作为优选，基于大数据的汽车销售展厅客流识别系统还包括监控模块；

监控模块用于分别判断每个监控区域的人数是否超出设定的人数阈值，若是，则根据预设的预警提示方式向管理人员发出预警。

作为优选，所述图像预处理模块包括灰度处理单元、降噪处理单元和图像边缘修复单元；

灰度处理单元用于对人流图像进行灰度化处理，获得灰度化图像；

降噪处理单元用于对灰度化图像进行降噪处理，获得降噪图像；

图像边缘修复单元用于对降噪图像进行边缘修复处理，获得预处理图像，以及用于将预处理图像发送至识别模块。

作为优选，所述对人流图像进行灰度化处理，获得灰度化图像，包括：

使用如下公式对人流图像进行灰度化处理：

G(x,y)＝w₁×R(x,y)+w₂×G(x,y)+w₃×B(x,y)

式中，G(x,y)表示灰度图像G中坐标为(x,y)的像素点的像素值，w₁、w₂、w₃表示预设的灰度处理系数；R(x,y)、G(x,y)、B(x,y)分别表示人流图像中坐标为(x,y)的像素点在RGB颜色模型中的红色分量、绿色分量、蓝色分量的值。

作为优选，所述信息含量通过如下方式进行计算：

式中，infcont表示信息含量，ε₁、ε₂、ε₃表示设定的权重系数，set表示图像L中的像素点的集合，图像L为人流图像在Lab颜色空间中的亮度分量所对应的图像，L(k)表示set中的像素点k在图像L中的像素值，numofset表示set中包含的元素的总数，numofls表示人流图像中符合预设的检测条件的像素点的数量，dist(avebk,midbk)表示第一坐标avebk和第二坐标midbk之间的直线距离，distbk表示预设的直线距离比较值。

作为优选，所述预设的检测条件包括：

式中，Cr(d)和Cb(d)分别表示人流图像中的像素点d在YCrCb颜色空间中的Cr分量和Cb分量的值。

作为优选，所述第一坐标avebk的横坐标通过如下公式计算：

所述第一坐标avebk的纵坐标通过如下公式计算：

式中，bltfcU表示人流图像中符合预设的检测条件的像素点的集合，x_j和y_j分别表示像素点j的横坐标和纵坐标，numbltfcU表示bltfcU中包含的元素的总数；

所述第二坐标midbk的横坐标通过如下公式计算：

所述第一坐标midbk的纵坐标通过如下公式计算：

式中，x_i和y_i分别表示像素点i的横坐标和纵坐标；

本发明通过分别获取每个监控区域内的人流图像，然后对人流图像进行预处理，获得预处理图像，再将预处理图像输入到经过大数据训练的得到的神经网络模型中进行图像识别处理，获取预处理图像中包含的人数，这样的设置方式，能够准确获得每个监控区域的人流情况，方便展厅的工作人员设置相应的安保方式来确保人流的安全。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1，为本发明一种汽车销售客户跟进管理系统的一种示例性实施例图。

图2，为本发明一种汽车销售客户跟进管理系统的另一种示例性实施例图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

如图1所示的一种实施例，本发明提供了一种基于大数据的汽车销售展厅客流识别系统，包括拍摄模块、图像预处理模块和识别模块；

拍摄模块用于获取监控区域内的人流图像，以及用于将人流图像传输至图像预处理模块；

图像预处理模块用于对人流图像进行预处理，获得预处理图像，以及用于将预处理图像传输至识别模块；

识别模块用于将预处理图像输入到经过大数据训练的得到的神经网络模型中进行图像识别处理，获取预处理图像中包含的人数。

本发明通过分别获取每个监控区域内的人流图像，然后对人流图像进行预处理，获得预处理图像，再将预处理图像输入到经过大数据训练的得到的神经网络模型中进行图像识别处理，获取预处理图像中包含的人数，这样的设置方式，能够准确获得每个监控区域的人流情况，方便展厅的工作人员设置相应的安保方式来确保人流的安全。

神经网络模型通过由大数据获得的人流图像作为训练集进行训练得到。

作为优选，如图2所示，所述拍摄模块包括控制单元、拍摄单元和预判单元；

控制单元用于向拍摄单元发送启动指令；

拍摄单元用于在接收到启动指令后，获取监控区域内的人流图像，并将人流图像传输至预判单元；

预判单元用于对人流图像的信息含量进行判断，判断信息含量是否大于设定的信息含量门槛值，将判断结果发送至控制单元；

控制单元用于在判断结果为信息含量大于设定的信息含量门槛值时，将人流图像传输至图像预处理模块，以及用于在判断结果为信息含量小于等于设定的信息含量门槛值时，再次向拍摄单元发送启动指令。

具体的，本发明在人流图像的采集端先进行人流图像的信息含量的判断，从而能够获取信息含量高的图像，能够保证传输到识别模块中的人流图像的质量，从而避免获得不准确的人数结果。

作为优选，所述拍摄单元的数量和监控区域的数量一致，每个拍摄单元负责获取一个监控区域内的人流图像。

作为优选，基于大数据的汽车销售展厅客流识别系统还包括显示模块；

显示模块用于显示每个监控区域的人数。

作为优选，基于大数据的汽车销售展厅客流识别系统还包括监控模块；

监控模块用于分别判断每个监控区域的人数是否超出设定的人数阈值，若是，则根据预设的预警提示方式向管理人员发出预警。

作为优选，所述图像预处理模块包括灰度处理单元、降噪处理单元和图像边缘修复单元；

灰度处理单元用于对人流图像进行灰度化处理，获得灰度化图像；

降噪处理单元用于对灰度化图像进行降噪处理，获得降噪图像；

图像边缘修复单元用于对降噪图像进行边缘修复处理，获得预处理图像，以及用于将预处理图像发送至识别模块。

作为优选，所述对人流图像进行灰度化处理，获得灰度化图像，包括：

使用如下公式对人流图像进行灰度化处理：

G(x,y)＝w₁×R(x,y)+w₂×G(x,y)+w₃×B(x,y)

式中，G(x,y)表示灰度图像G中坐标为(x,y)的像素点的像素值，w₁、w₂、w₃表示预设的灰度处理系数；R(x,y)、G(x,y)、B(x,y)分别表示人流图像中坐标为(x,y)的像素点在RGB颜色模型中的红色分量、绿色分量、蓝色分量的值。

作为优选，所述信息含量通过如下方式进行计算：

式中，infcont表示信息含量，ε₁、ε₂、ε₃表示设定的权重系数，set表示图像L中的像素点的集合，图像L为人流图像在Lab颜色空间中的亮度分量所对应的图像，L(k)表示set中的像素点k在图像L中的像素值，numofset表示set中包含的元素的总数，numofls表示人流图像中符合预设的检测条件的像素点的数量，dist(avebk,midbk)表示第一坐标avebk和第二坐标midbk之间的直线距离，distbk表示预设的直线距离比较值。

本发明在计算信息含量时，从图像L的像素点之间的像素值分布情况、符合检测条件的像素点的数量，以及第一坐标和第二坐标之间的距离这几方面来进行加权综合，使得最终获得的信息含量能够更准确地表示人流图像的质量。像素值之间的差异越大，则表示人流图像属于模糊图像的概率越小，而在检测模型方面，由于本发明的神经网络模型主要是基于对脸部的识别来计算人数，因此本发明的通过判断符合检测条件的像素点的数量来获得高质量图像。另外，本发明的第一坐标和第二坐标分别为符合预设的检测条件的像素点的平均坐标和人流图像的平均坐标，通过计算两者之间的距离，能够筛选出符合预设的检测条件的像素点的分布更为合理的图像。避免人脸分布在图像的角落。本发明的拍摄单元能够通过调整角度来获取更高质量的图像。

作为优选，所述预设的检测条件包括：

式中，Cr(d)和Cb(d)分别表示人流图像中的像素点d在YCrCb颜色空间中的Cr分量和Cb分量的值。

作为优选，所述第一坐标avebk的横坐标通过如下公式计算：

所述第一坐标avebk的纵坐标通过如下公式计算：

式中，bltfcU表示人流图像中符合预设的检测条件的像素点的集合，x_j和y_j分别表示像素点j的横坐标和纵坐标，numbltfcU表示bltfcU中包含的元素的总数；

所述第二坐标midbk的横坐标通过如下公式计算：

所述第一坐标midbk的纵坐标通过如下公式计算：

式中，x_i和y_i分别表示像素点i的横坐标和纵坐标；

作为优选，所述对灰度化图像进行降噪处理，获得降噪图像，包括：

对灰度化图像进行噪声像素点检测，获得噪声像素点；

使用高斯滤波算法分别对每个噪声像素点进行降噪处理，获得降噪图像。

作为优选，所述对降噪图像进行边缘修复处理，获得预处理图像，包括：

对降噪图像进行边缘检测，将降噪图像中的所有边缘像素点存入集合U1；

使用集合U1中的像素点组成二值图像twop；

对二值图像twop中的像素点进行断点连接处理，获得图像atwop，将图像atwop中的像素点存入集合U2；

将集合U2中除了U1中包含的像素点之外的像素点存入集合U3；

在降噪图像中分别对U3中的每个像素点进行像素值优化处理，获得预处理图像。

作为优选，所述对U3中的每个像素点进行像素值优化处理，包括：

通过如下公式进行优化处理：

式中，g'(s)表示降噪图像中的像素点s进行优化处理后的像素值，t(s)表示像素点s在灰度化图像中对应的像素点的像素值，mapix表示在降噪图像中，集合U1中的像素值最大的像素点，g(mapix)表示降噪图像中的像素点mapix的像素值，t(mapix)表示mapix在灰度化图像中对应的像素点的像素值。

本发明在进行对降噪图像进行边缘修复处理时，先通过获取二值图像twop，然后再在二值图像twop中进行断点连接，从而获得被降噪处理时被误认为属于噪声点而被进行降噪处理的像素点，将这些像素点存入集合U3，然后再分别对U3中的每个像素点进行像素值优化处理，从而实现对降噪图像中的图像边缘的修复，有效地提高了降噪图像中边缘信息含量，使得输入到神经网络模型中的预处理图像的质量更优。从而提高人数识别的准确性。另外，本发明在进行像素点优化处理时，参照像素点心选取为U1中的像素值最大的像素点，然后将当前进行优化处理的像素点与参照像素点在降噪处理之前的像素值之间的比例关系传递到最终获得的预处理图像中，从而实现了对在降噪处理过程中遭到破坏的图像边缘的准确修复处理。

尽管已经示出和描述了本发明的实施例，本领域技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变形，本发明的范围由权利要求及其等同物限定。

需要说明的是，在本发明各个实施例中的各功能单元/模块可以集成在一个处理单元/模块中，也可以是各个单元/模块单独物理存在，也可以是两个或两个以上单元/模块集成在一个单元/模块中。上述集成的单元/模块既可以采用硬件的形式实现，也可以采用软件功能单元/模块的形式实现。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解应当理解，可以以硬件、软件、固件、中间件、代码或其任何恰当组合来实现这里描述的实施例。对于硬件实现，处理器可以在一个或多个下列单元中实现：专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。对于软件实现，实施例的部分或全部流程可以通过计算机程序来指令相关的硬件来完成。

实现时，可以将上述程序存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读介质可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。

Claims (8)

1.一种基于大数据的汽车销售展厅客流识别系统，其特征在于，包括拍摄模块、图像预处理模块和识别模块；

拍摄模块用于获取监控区域内的人流图像，以及用于将人流图像传输至图像预处理模块；

图像预处理模块用于对人流图像进行预处理，获得预处理图像，以及用于将预处理图像传输至识别模块；

识别模块用于将预处理图像输入到经过大数据训练的得到的神经网络模型中进行图像识别处理，获取预处理图像中包含的人数；

所述拍摄模块包括控制单元、拍摄单元和预判单元；

控制单元用于向拍摄单元发送启动指令；

拍摄单元用于在接收到启动指令后，获取监控区域内的人流图像，并将人流图像传输至预判单元；

预判单元用于对人流图像的信息含量进行判断，判断信息含量是否大于设定的信息含量门槛值，将判断结果发送至控制单元；

控制单元用于在判断结果为信息含量大于设定的信息含量门槛值时，将人流图像传输至图像预处理模块，以及用于在判断结果为信息含量小于等于设定的信息含量门槛值时，再次向拍摄单元发送启动指令；

所述信息含量通过如下方式进行计算：

式中，infcont表示信息含量，ε₁、ε₂、ε₃表示设定的权重系数，set表示图像L中的像素点的集合，图像L为人流图像在Lab颜色空间中的亮度分量所对应的图像，L(k)表示set中的像素点k在图像L中的像素值，numofset表示set中包含的元素的总数，numofls表示人流图像中符合预设的检测条件的像素点的数量，dist(avebk,midbk)表示第一坐标avebk和第二坐标midbk之间的直线距离，distbk表示预设的直线距离比较值。

2.根据权利要求1所述的一种基于大数据的汽车销售展厅客流识别系统，其特征在于，所述拍摄单元的数量和监控区域的数量一致，每个拍摄单元负责获取一个监控区域内的人流图像。

3.根据权利要求2所述的一种基于大数据的汽车销售展厅客流识别系统，其特征在于，还包括显示模块；

显示模块用于显示每个监控区域的人数。

4.根据权利要求3所述的一种基于大数据的汽车销售展厅客流识别系统，其特征在于，还包括监控模块；

监控模块用于分别判断每个监控区域的人数是否超出设定的人数阈值，若是，则根据预设的预警提示方式向管理人员发出预警。

5.根据权利要求1所述的一种基于大数据的汽车销售展厅客流识别系统，其特征在于，所述图像预处理模块包括灰度处理单元、降噪处理单元和图像边缘修复单元；

灰度处理单元用于对人流图像进行灰度化处理，获得灰度化图像；

降噪处理单元用于对灰度化图像进行降噪处理，获得降噪图像；

图像边缘修复单元用于对降噪图像进行边缘修复处理，获得预处理图像，以及用于将预处理图像发送至识别模块。

6.根据权利要求5所述的一种基于大数据的汽车销售展厅客流识别系统，其特征在于，所述对人流图像进行灰度化处理，获得灰度化图像，包括：

使用如下公式对人流图像进行灰度化处理：

G(x,y)＝w₁×R(x,y)+w₂×G(x,y)+w₃×B(x,y)

式中，G(x,y)表示灰度图像G中坐标为(x,y)的像素点的像素值，w₁、w₂、w₃表示预设的灰度处理系数；R(x,y)、G(x,y)、B(x,y)分别表示人流图像中坐标为(x,y)的像素点在RGB颜色模型中的红色分量、绿色分量、蓝色分量的值。

7.根据权利要求1所述的一种基于大数据的汽车销售展厅客流识别系统，其特征在于，所述预设的检测条件包括：

式中，Cr(d)和Cb(d)分别表示人流图像中的像素点d在YCrCb颜色空间中的Cr分量和Cb分量的值。

8.根据权利要求1所述的一种基于大数据的汽车销售展厅客流识别系统，其特征在于，所述第一坐标avebk的横坐标通过如下公式计算：

所述第一坐标avebk的纵坐标通过如下公式计算：

式中，bltfcU表示人流图像中符合预设的检测条件的像素点的集合，x_j和y_j分别表示像素点j的横坐标和纵坐标，numbltfcU表示bltfcU中包含的元素的总数；

所述第二坐标midbk的横坐标通过如下公式计算：

所述第一坐标midbk的纵坐标通过如下公式计算：

式中，x_i和y_i分别表示像素点i的横坐标和纵坐标；

Images