CN114697620A - 一种基于视频监控的加油站服务效率智能分析系统 - Google Patents
一种基于视频监控的加油站服务效率智能分析系统 Download PDFInfo
- Publication number
- CN114697620A CN114697620A CN202210611036.8A CN202210611036A CN114697620A CN 114697620 A CN114697620 A CN 114697620A CN 202210611036 A CN202210611036 A CN 202210611036A CN 114697620 A CN114697620 A CN 114697620A
- Authority
- CN
- China
- Prior art keywords
- service
- video
- inbound
- user information
- retrieval
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/222—Studio circuitry; Studio devices; Studio equipment
- H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
- H04N5/265—Mixing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明提供了一种基于视频监控的加油站服务效率智能分析系统,包括:视频监控端,用于获取加油站内的全方位视频;服务识别端,用于在所述全方位视频和数字化营销平台中识别出所有的服务行为,并提取出所述服务行为对应的服务视频;效率分析端,用于基于所有服务视频分析出每个工作人员对应的服务效率;用以将基于监控视频识别服务行为和基于数字化营销平台的服务记录进行服务行为检索,可以准确地统计出服务行为的持续时间,进而准确分析出每个工作人员对应的服务效率。
Description
技术领域
本发明涉及视频分析和智能检索融合技术领域,特别涉及一种基于视频监控的加油站服务效率智能分析系统。
背景技术
要想提高加油站的服务效率,如何智能准确地分析出加油站现存状况的服务效率成为关键的一环。目前,加油站的服务管理监督多采用传统的结构化人员管理,这种管理方式无法实现对多种服务的智能化全面分析,也无法实现对服务过程的细致统计,若想要获得精准的服务效率分析结果必须要投入大量的人力成本通过人工判别视频的方式或者实地考察方式才能实现,但这不仅导致管理成本过高且获得的分析结果也不够智能全面,从而导致服务效率分析结果不佳。
但是,随着视频分析和物联网的发展,视频判别行为和信息关联检索的技术已经非常成熟,并应用在多个领域实现了多样的技术突破,这为加油站服务效率的智能分析提供了新的技术手段和实现可能。
因此,本发明提出了一种基于视频监控的加油站服务效率智能分析系统。
发明内容
本发明提供一种基于视频监控的加油站服务效率智能分析系统,用以将基于监控视频识别服务行为和基于数字化营销平台的服务记录进行服务行为检索,可以准确地统计出服务行为的持续时间,进而准确分析出每个工作人员对应的服务效率。
本发明提供一种基于视频监控的加油站服务效率智能分析系统,包括:
视频监控端,用于获取加油站内的全方位视频;
服务识别端,用于在所述全方位视频和数字化营销平台中识别出所有的服务行为,并提取出所述服务行为对应的服务视频;
效率分析端,用于基于所有服务视频分析出每个工作人员对应的服务效率。
优选的,所述视频监控端,包括:
视频获取模块,用于基于设置在所述加油站预设位置处的摄像头实时监控加油站内预设范围内的空间,获得对应的监控视频;
视频拼接模块,用于基于摄像头的设置位置将所有监控视频进行时序对齐后进行拼接,获得所述加油站内的全方位视频。
优选的,所述服务识别端,包括:
入口监控模块,用于在所述全方位视频中所述加油站入口处对应的局部监控视频中实时识别出进站对象;
对象跟踪模块,用于在所述全方位视频中对对应进站对象进行跟踪,获得所述进站对象对应的跟踪视频;
服务识别模块,用于基于所述跟踪视频和数字化营销平台中的交易信息判断对应进站对象是否存在服务行为,若是,则将对应进站对应的跟踪视频作为对应服务行为的服务视频,否则,将所述跟踪视频保存至云端客流记录库中。
优选的,所述入口监控模块,包括:
第一提取单元,用于在所述全方位视频中提取出所述加油站入口处对应的局部监控视频;
对象识别单元,用于在所述局部监控视频中识别出所有的进站对象;
其中,所述进站对象包括:进站人员和进站车辆。
优选的,所述对象跟踪模块,包括:
特征提取单元,用于在所述局部监控视频中提取出所述进站对象的识别特征;
第二提取单元,用于基于所述识别特征识别出所述进站对象在所述全方位视频中对应的视频段,并基于所述进站对象在对应视频段中的出现时间,来将所有视频段进行排序,获得对应的排序视频;
对象跟踪单元,用于在所述排序视频中每一帧视频中标记出所述进站对象的识别特征,获得对应的跟踪视频;
其中,所述进站人员的识别特征为脸部图像;
所述进站车辆的识别特征为车载人员脸部图像和车牌号码。
优选的,所述服务识别模块,包括:
第一调取单元,用于基于所述跟踪视频判断对应进站对象是否存在线下服务行为,若是,则基于所述线下服务行为在所述数字化营销平台中的线下服务管理系统中调取出对应的线下服务记录;
第三提取单元,用于基于对应跟踪视频中的第一开始服务时间和所述线下服务记录中的第一最终交易时间确定出对应的第一服务持续时间,基于所述第一服务持续时间在对应的跟踪视频中提取出对应的第一服务视频;
痕迹检索单元,用于基于所述进站对象对应的识别特征在所述数字化营销平台中包含的每个相关服务系统中检索对应的用户痕迹;
时间段确定单元,用于基于所述用户痕迹确定出所述进站对象对应的可服务方式,基于所述可服务方式和所述跟踪视频中对应的进出站时间段,确定出对应的云端可服务时间段;
第二调取单元,用于判断所有可服务方式对应的服务管理系统中在对应云端可服务时间段内是否存在所述进站对象对应的识别特征的线上服务记录,若是,则判定对应进站对象存在线上服务行为,基于对应跟踪视频中的第二开始服务时间和所述线上服务记录中的第二最终交易时间确定出对应的第二服务持续时间,基于所述第二服务持续时间在对应的跟踪视频中提取出对应的第二服务视频;
视频存储单元,用于当判定所述进站对象不存在线下服务行为且不存在线上服务行为时,则将对应的跟踪视频保存至云端客流记录库中。
优选的,所述痕迹检索单元,包括:
第一检索子单元,用于当所述进站对象为进站车辆时,则基于对应的车牌号码检索出对应的第一历史服务记录,基于所述第一历史服务记录确定出对应的第一用户信息集合;
第二检索子单元,用于基于对应的第一车载人员脸部图像在客户脸部图像库中检索出对应的第二用户信息集合;
第一汇总子单元,用于基于所述第一用户信息集合和所述第二用户信息集合构建出所述进站对象对应的相关用户信息集合;
第三检索子单元,用于当所述进站对象为进站人员时,则基于对应的脸部图像在所述客户脸部图像库中检索出对应的第三用户信息集合;
第四检索子单元,用于基于所述第三用户信息集合中包含的用户信息对应的历史服务记录中的被服务车辆的车牌号码,检索出对应的第二历史服务记录,基于所述第二历史服务记录确定出对应的第四用户信息集合;
第五检索子单元,用于基于所述第二历史服务记录中被服务车辆对应的第二车载人员脸部图像在所述客户脸部图像库中检索出对应的第五用户信息集合;
第二汇总子单元,用于基于所述第三用户信息集合和所述第四用户信息集合以及所述第五用户信息集合构建出所述进站对象对应的相关用户信息集合;
权重确定子单元,用于确定出所述相关用户信息集合中包含的每个相关用户信息与对应进站对象之间的关联层次,基于所述关联层次确定出对应相关用户信息对应的检索权重和所述进站对象对应的关联检索树;
节点对应子单元,用于基于所述关联检索树和对应相关用户信息对应的检索来源在所述数字化营销平台对应的系统关联树中的对应位置,建立所述关联检索树和所述系统关联树之间的节点对应关系;
节点确定子单元,用于基于所述节点对应关系确定出每个相关用户信息在所述系统关联树中对应的关联节点集合;
系统排序子单元,用于基于所述加油站在统计取样时间内在对应相关服务系统的客流量对所述关联节点集合中每个关联节点对应的相关服务系统进行排序,获得对应的相关服务系统序列;
范围确定子单元,用于基于所述检索权重将所述相关服务系统排序序列进行划分获得对应的相关服务系统子序列,将所述相关服务系统子序列中包含的所有第一相关服务系统作为对应相关用户信息对应的检索范围;
第六检索子单元,用于基于所述相关用户信息在对应检索范围包含的第一相关服务系统中检索出对应的第三历史服务记录,将所有第三历史服务记录汇总获得所述进站对象对应的用户痕迹。
优选的,所述效率分析端,包括:
交叉判断模块,用于判断所述统计取样时间内的所有服务视频是否存在交叉服务,获得对应的判断结果;
智能分析模块,用于基于所述判断结果和所述统计取样时间内的所有服务视频,智能分析出每个工作人员对应的服务效率。
优选的,所述交叉判断模块,包括:
类型确定单元,用于基于所述服务视频对应的服务记录确定出对应的服务行为类型,其中,所述服务记录包括所述线下服务记录和线上服务记录中的至少一种;
视频对齐单元,用于基于所述统计取样时间生成对应的统计时间轴,将所述统计取样时间内包含的每个服务视频与所述统计时间轴对齐,获得对应的视频对齐结果;
交叉判断单元,用于基于所述视频对齐结果判断出在所述统计取样时间内是否存在视频持续时间重合的第三服务视频,若是,则在存在视频持续时间重合的第三服务视频中识别出完成对应服务行为的第一工作人员,并判断所述第三服务视频对应的第一工作人员是否相同,若是,则将对应的第三服务视频存在交叉服务作为对应的判断结果,否则,将对应的第三服务视频不存在交叉服务作为对应的判断结果。
优选的,所述智能分析模块,包括:
第一分类单元,用于基于工作人员和服务行为种类将所述统计取样时间内的所有服务视频进行分类获得每个工作人员完成对应种类服务行为对应的子服务视频集合;
系数设置单元,用于基于所述判断结果判断所述子服务视频集合中是否存在交叉服务对应的第三服务视频,若是,则基于所述第三服务视频对应的交叉时间段和所述交叉时间段对应的交叉个数设置对应的交叉系数,否则,将所述子服务视频集合中包含的第二服务视频的交叉系数设置为1;
效率计算单元,用于基于所述子服务视频集合中包含的所有服务视频对应的交叉系数和第三服务持续时间计算出对应的每个工作人员完成对应种类服务行为对应的服务效率。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种基于视频监控的加油站服务效率智能分析系统示意图;
图2为本发明实施例中一种视频监控端示意图;
图3为本发明实施例中一种服务识别端示意图;
图4为本发明实施例中一种入口监控模块示意图;
图5为本发明实施例中一种对象跟踪模块示意图;
图6为本发明实施例中一种服务识别模块示意图;
图7为本发明实施例中一种痕迹检索单元示意图;
图8为本发明实施例中一种效率分析端示意图;
图9为本发明实施例中一种交叉判断模块示意图;
图10为本发明实施例中一种智能分析模块示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1:
本发明提供了一种基于视频监控的加油站服务效率智能分析系统,参考图1,包括:
视频监控端,用于获取加油站内的全方位视频;
服务识别端,用于在所述全方位视频和数字化营销平台中识别出所有的服务行为,并提取出所述服务行为对应的服务视频;
效率分析端,用于基于所有服务视频分析出每个工作人员对应的服务效率。
该实施例中,全方位视频即为基于设置在加油站内部的多个摄像头获取的加油站内视频拼接获得的可以全方位监控加油站内部的视频。
该实施例中,数字化营销平台即为包含零售管理系统、会员管理系统、车队卡系统、电子支付系统、微信公众平台管理系统、智能POS管理系统、短信服务商管理系统等与加油站营销相关系统的数字化管理平台。
该实施例中,服务行为即为加油站内完成的服务对应的行为,例如:加油服务等。
该实施例中,服务视频即为可以监控到完整的服务行为的视频。
该实施例中,服务效率即为每个工作人员在单位时间内完成对应服务行为的次数。
以上技术的有益效果为:将基于监控视频识别服务行为和基于数字化营销平台的服务记录进行服务行为检索,可以准确地统计出服务行为的持续时间,进而准确分析出每个工作人员对应的服务效率。
实施例2:
在实施例1的基础上,所述视频监控端,参考图2,包括:
视频获取模块,用于基于设置在所述加油站预设位置处的摄像头实时监控加油站内预设范围内的空间,获得对应的监控视频;
视频拼接模块,用于基于摄像头的设置位置将所有监控视频进行时序对齐后进行拼接,获得所述加油站内的全方位视频。
该实施例中,预设位置即为预先设置的摄像头的安装位置。
该实施例中,预设范围即为预先设置的对应摄像头的摄像范围。
该实施例中,监控视频即为对应摄像头监控对应范围内空间的视频。
以上技术的有益效果为:基于多个摄像头监控加油站,实现对加油站的无盲区监控,将监控视频凭借获得全方位视频有利于对加油站的全方位监控,液位后续对进站对象的跟踪提供了便利。
实施例3:
在实施例2的基础上,所述服务识别端,参考图3,包括:
入口监控模块,用于在所述全方位视频中所述加油站入口处对应的局部监控视频中实时识别出进站对象;
对象跟踪模块,用于在所述全方位视频中对对应进站对象进行跟踪,获得所述进站对象对应的跟踪视频;
服务识别模块,用于基于所述跟踪视频和数字化营销平台中的交易信息判断对应进站对象是否存在服务行为,若是,则将对应进站对应的跟踪视频作为对应服务行为的服务视频,否则,将所述跟踪视频保存至云端客流记录库中。
该实施例中,局部监控视频即为加油站进口处对应的监控视频。
该实施例中,进站对象即为进入加油站的人员和车辆。
该实施例中,跟踪视频即为在全方位视频中对对应进站对象进行跟踪获得的对应进站对象的视频。
该实施例中,云端客流记录库即为用于存储不存在服务行为的进站对象的跟踪视频的数据库。
以上技术的有益效果为:在进口处对进站对象进行跟踪识别,有利于基于监控视频精准识别出加油站内的所有服务行为,也为后续准确分析出加油站的服务效率提供了重要基础。
实施例4:
在实施例3的基础上,所述入口监控模块,参考图4,包括:
第一提取单元,用于在所述全方位视频中提取出所述加油站入口处对应的局部监控视频;
对象识别单元,用于在所述局部监控视频中识别出所有的进站对象;
其中,所述进站对象包括:进站人员和进站车辆。
以上技术的有益效果为:基于入口处的监控视频实现对所有进站对象的跟踪排查,确保可以统计到所有服务行为,避免了统计服务行为时出现遗漏情况,保证了后续服务效率智能分析结果的准确性。
实施例5:
在实施例4的基础上,所述对象跟踪模块,参考图5,包括:
特征提取单元,用于在所述局部监控视频中提取出所述进站对象的识别特征;
第二提取单元,用于基于所述识别特征识别出所述进站对象在所述全方位视频中对应的视频段,并基于所述进站对象在对应视频段中的出现时间,来将所有视频段进行排序,获得对应的排序视频;
对象跟踪单元,用于在所述排序视频中每一帧视频中标记出所述进站对象的识别特征,获得对应的跟踪视频;
其中,所述进站人员的识别特征为脸部图像;
所述进站车辆的识别特征为车载人员脸部图像和车牌号码。
该实施例中,识别特征即为进站对象对应的用于后续对进站对象进行跟踪检索的特征。
该实施例中,视频段即为基于识别特征识别出的进站对象在全方位视频中对应的部分视频段。
该实施例中,排序视频即为基于进站对象在对应视频段中对应的出现时间将所有视频段进行排序后获得的视频。
该实施例中,跟踪视频即为在排序视频中每一帧视频帧中标记出进站对象的识别特征后获得的视频。
以上技术的有益效果为:基于进站对象的识别特征在全方位视频中对进站对象进行跟踪,将进站对象出现过的视频段进行排序并将识别特征标记于跟踪排序获得的视频中,实现对进站对象的全程监控,为后续准确判断进站对象是否存在服务行为提供了基础,并为后续准确分析出服务效率提供了基础。
实施例6:
在实施例5的基础上,所述服务识别模块,参考图6,包括:
第一调取单元,用于基于所述跟踪视频判断对应进站对象是否存在线下服务行为,若是,则基于所述线下服务行为在所述数字化营销平台中的线下服务管理系统中调取出对应的线下服务记录;
第三提取单元,用于基于对应跟踪视频中的第一开始服务时间和所述线下服务记录中的第一最终交易时间确定出对应的第一服务持续时间,基于所述第一服务持续时间在对应的跟踪视频中提取出对应的第一服务视频;
痕迹检索单元,用于基于所述进站对象对应的识别特征在所述数字化营销平台中包含的每个相关服务系统中检索对应的用户痕迹;
时间段确定单元,用于基于所述用户痕迹确定出所述进站对象对应的可服务方式,基于所述可服务方式和所述跟踪视频中对应的进出站时间段,确定出对应的云端可服务时间段;
第二调取单元,用于判断所有可服务方式对应的服务管理系统中在对应云端可服务时间段内是否存在所述进站对象对应的识别特征的线上服务记录,若是,则判定对应进站对象存在线上服务行为,基于对应跟踪视频中的第二开始服务时间和所述线上服务记录中的第二最终交易时间确定出对应的第二服务持续时间,基于所述第二服务持续时间在对应的跟踪视频中提取出对应的第二服务视频;
视频存储单元,用于当判定所述进站对象不存在线下服务行为且不存在线上服务行为时,则将对应的跟踪视频保存至云端客流记录库中。
该实施例中,基于所述跟踪视频判断对应进站对象是否存在线下服务行为,即为:基于跟踪视频对进站对应的动作进行判别,判断出进站对象在跟踪视频中是否存在线下服务行为。
该实施例中,基于所述线下服务行为在所述数字化营销平台中的线下服务管理系统中调取出对应的线下服务记录,包括:
基于线下服务行为在跟踪视频中的交易时刻在数字化营销平台中的线下服务管理系统中调取出对应时刻的线下服务记录。
该实施例中,线下服务记录即为在线下服务管理系统中存储的线下服务的相关记录。
该实施例中,线下服务管理系统即为数字化营销平台中的用于管理线下服务记录的系统。
该实施例中,第一开始服务时间即为跟踪视频中服务行为的开始时刻。
该实施例中,第一最终交易时间即为基于线下服务记录确定出对应服务行为对应的交易时间。
该实施例中,第一服务持续时间即为从第一开始服务时间至第一最终交易之间之间的持续时间。
该实施例中,第一服务视频即为基于第一服务持续时间在对应的跟踪视频中提取出对应的视频段。
该实施例中,用户痕迹即为基于进站对象对应的识别特征在数字化营销平台中包含的每个相关服务系统中检索出的与进站对象相关的相关用户信息和历史服务记录等。
该实施例中,基于所述用户痕迹确定出所述进站对象对应的可服务方式,基于所述可服务方式和所述跟踪视频中对应的进出站时间段,确定出对应的云端可服务时间段
该实施例中,可服务方式即为基于用户痕迹确定出的服务方式,也是基于用户痕迹中包含的历史服务记录中包含的所有服务方式。
该实施例中,云端可服务时间段即为基于可服务方式和跟踪视频中对应的进出站时间段确定出的可能的服务时间段,即为基于对应的可服务方式确定出的服务持续时间,将服务持续时间与进出站时间进行叠加获得对应的服务持续时间。
该实施例中,判断所有可服务方式对应的服务管理系统中在对应云端可服务时间段内是否存在所述进站对象对应的识别特征的线上服务记录,包括:
基于进站对象对应的识别特征确定出对应的用户信息,判断所有可服务方式对应的服务管理系统中在对应云端可服务时间段内是否存在该用户信息对应的线上服务记录。
该实施例中,第二开始服务时间即为跟踪视频中对应服务行为对应的开始时间。
该实施例中,第二最终交易时间即为对应服务行为在对应线上服务记录中对应的交易时间。
该实施例中,第二服务持续时间即为从第二开始服务时间至第二最终交易时间之间的持续时间。
该实施例中,第二服务视频即为对应跟踪视频中第二服务持续时间内对应的视频段。
以上技术的有益效果为:通过基于对跟踪视频中对应进站对象的动作行为判别判断出对应进站对象是否存在线下服务行为,并基于进站对应在对应跟踪视频中对应的进出站时间判断出对应的可服务行为对应的相关服务系统中是否存在进站对应的对应的服务记录,进而可以准确识别出进站对象的线上服务行为和线下服务行为,实现对加油站内的所有服务行为的识别判断,为后续精准分析出服务效率提供了重要的参考基础。
实施例7:
在实施例6的基础上,所述痕迹检索单元,参考图7,包括:
第一检索子单元,用于当所述进站对象为进站车辆时,则基于对应的车牌号码检索出对应的第一历史服务记录,基于所述第一历史服务记录确定出对应的第一用户信息集合;
第二检索子单元,用于基于对应的第一车载人员脸部图像在客户脸部图像库中检索出对应的第二用户信息集合;
第一汇总子单元,用于基于所述第一用户信息集合和所述第二用户信息集合构建出所述进站对象对应的相关用户信息集合;
第三检索子单元,用于当所述进站对象为进站人员时,则基于对应的脸部图像在所述客户脸部图像库中检索出对应的第三用户信息集合;
第四检索子单元,用于基于所述第三用户信息集合中包含的用户信息对应的历史服务记录中的被服务车辆的车牌号码,检索出对应的第二历史服务记录,基于所述第二历史服务记录确定出对应的第四用户信息集合;
第五检索子单元,用于基于所述第二历史服务记录中被服务车辆对应的第二车载人员脸部图像在所述客户脸部图像库中检索出对应的第五用户信息集合;
第二汇总子单元,用于基于所述第三用户信息集合和所述第四用户信息集合以及所述第五用户信息集合构建出所述进站对象对应的相关用户信息集合;
权重确定子单元,用于确定出所述相关用户信息集合中包含的每个相关用户信息与对应进站对象之间的关联层次,基于所述关联层次确定出对应相关用户信息对应的检索权重和所述进站对象对应的关联检索树;
节点对应子单元,用于基于所述关联检索树和对应相关用户信息对应的检索来源在所述数字化营销平台对应的系统关联树中的对应位置,建立所述关联检索树和所述系统关联树之间的节点对应关系;
节点确定子单元,用于基于所述节点对应关系确定出每个相关用户信息在所述系统关联树中对应的关联节点集合;
系统排序子单元,用于基于所述加油站在统计取样时间内在对应相关服务系统的客流量对所述关联节点集合中每个关联节点对应的相关服务系统进行排序,获得对应的相关服务系统序列;
范围确定子单元,用于基于所述检索权重将所述相关服务系统排序序列进行划分获得对应的相关服务系统子序列,将所述相关服务系统子序列中包含的所有第一相关服务系统作为对应相关用户信息对应的检索范围;
第六检索子单元,用于基于所述相关用户信息在对应检索范围包含的第一相关服务系统中检索出对应的第三历史服务记录,将所有第三历史服务记录汇总获得所述进站对象对应的用户痕迹。
该实施例中,第一历史服务记录即为当进站对象为进站车辆时,基于对应的车牌号码检索出的历史服务记录。
该实施例中,第一用户信息集合即为第一历史服务记录中包含的所有用户信息汇总获得的集合。
该实施例中,第二用户信息集合即为基于对应的第一车载人员脸部图像在客户脸部图像库中检索出的所有用户信息汇总获得的集合。
该实施例中,第一车载人员脸部图像即为进站对象为车辆时,在该进站车辆上的人员脸部图像。
该实施例中,客户脸部图像库即为用于存储所有曾进入该加油站的用户的脸部图像的信息库。
该实施例中,相关用户信息集合即为与进站对象相关地用户信息的集合。
该实施例中,第三用户信息集合即为当进站对象为进站对象时,基于对应的脸部图像在客户脸部图像库中检索出的所有用户信息汇总获得的集合。
该实施例中,被服务车辆即为第三用户信息集合中包含的用户信息对应的历史服务记录中对应的车辆,
该实施例中,第二历史服务记录即为基于基于第三用户信息集合确定出的被服务车辆检索出的历史服务记录。
该实施例中,第四用户信息集合即为第二历史服务记录中包含的所有用户信息汇总获得的集合。
该实施例中,第二车载人员脸部图像即为第二历史服务记录中被服务车辆对应的车载人员的脸部图像。
该实施例中,第五用户信息集合即为第二车载人员脸部图像在客户脸部图像库中检索出的所有用户信息汇总获得的集合。
该实施例中,关联层次即为基于进站对象检索出对应相关用户信息时检索的次数。
该实施例中,基于所述关联层次确定出对应相关用户信息对应的检索权重即为:基于预设的权重列表(具体可根据最大关联层次设置)和关联层次确定出的相关用户信息对应的权重值。
该实施例中,关联检索树即为将进站对象当做关联检索树的起点(最高层),按照关联层次从小到大将相关用户信息排序,获得从关联检索树的第二层开始的树结构。
该实施例中,检索来源即为检索出相关用户信息的相关服务系统。
该实施例中,节点对应关系即为将关联检索树中相关用户信息所在节点与相关用户信息的检索来源在系统关联树中的所在节点进行对应关联后获得的节点关联关系。
该实施例中,关联节点集合即为基于节点对应关系确定出的与每个相关用户信息在系统关联树中对应的节点关联的节点(即为与对应节点有直接连接关系的节点)汇总获得的集合。
该实施例中,即为加油站在统计取样时间内在对应相关服务系统的服务用户总数。
该实施例中,相关服务系统序列即为基于加油站在统计取样时间内在对应相关服务系统的客流量对所述关联节点集合中每个关联节点对应的相关服务系统进行排序后获得的相关服务系统的序列。
该实施例中,相关服务系统子序列即为基于检索权重将相关服务系统排序序列进行划分后获得的部分序列。
该实施例中,检索范围即为将对应相关服务系统子序列中包含的所有第一相关服务系统。
该实施例中,第一相关服务系统即为相关服务系统子序列中包含的相关服务系统。
该实施例中,第三历史服务记录即为基于相关用户信息在对应检索范围包含的第一相关服务系统中检索出的历史服务记录。
以上技术的有益效果为:基于进站对象不同的识别特征最大程度地在数字化营销平台中检索出所有与进站对象相关的用户信息,实现基于物联网和大数据对进站对象进行相关检索,更加全面地可以检索出进站对象在该加油站进行的服务行为,避免了服务行为统计的遗漏,保证了服务效率智能分析结果的准确性。
实施例8:
在实施例7的基础上,所述效率分析端,参考图8,包括:
交叉判断模块,用于判断所述统计取样时间内的所有服务视频是否存在交叉服务,获得对应的判断结果;
智能分析模块,用于基于所述判断结果和所述统计取样时间内的所有服务视频,智能分析出每个工作人员对应的服务效率。
该实施例中,判断结果即为判断统计取样时间内的所有服务视频是否存在同一工作人员为多人或多个服务行为进行服务的情况的结果。
以上技术的有益效果为:通过基于服务视频判断是否存在交叉服务的现象有利于考虑同一工作人员为多人或多个服务行为进行服务的情况,进一步保证了服务效率智能分析结果的准确性。
实施例9:
在实施例8的基础上,所述交叉判断模块,参考图9,包括:
类型确定单元,用于基于所述服务视频对应的服务记录确定出对应的服务行为类型,其中,所述服务记录包括所述线下服务记录和线上服务记录中的至少一种;
视频对齐单元,用于基于所述统计取样时间生成对应的统计时间轴,将所述统计取样时间内包含的每个服务视频与所述统计时间轴对齐,获得对应的视频对齐结果;
交叉判断单元,用于基于所述视频对齐结果判断出在所述统计取样时间内是否存在视频持续时间重合的第三服务视频,若是,则在存在视频持续时间重合的第三服务视频中识别出完成对应服务行为的第一工作人员,并判断所述第三服务视频对应的第一工作人员是否相同,若是,则将对应的第三服务视频存在交叉服务作为对应的判断结果,否则,将对应的第三服务视频不存在交叉服务作为对应的判断结果。
该实施例中,服务行为类型例如:加油服务、洗车服务等。
该实施例中,统计时间轴即为基于统计取样时间生成的时间轴。
该实施例中,视频对齐结果即为将统计取样时间内包含的每个服务视频与统计时间轴对齐后获得的结果。
该实施例中,第一工作人员即为在存在视频持续时间重合的第三服务视频中识别出的完成对应服务行为的工作人员。
该实施例中,第三服务视频即为在统计取样时间内存在的视频持续时间重合的服务视频。
以上技术的有益效果为:通过将服务视频按照时间轴对齐后识别完成服务的工作人员是否一致可以识别出交叉服务行为,进一步保证了服务效率智能分析结果的准确性。
实施例10:
在实施例9的基础上,所述智能分析模块,参考图10,包括:
第一分类单元,用于基于工作人员和服务行为种类将所述统计取样时间内的所有服务视频进行分类获得每个工作人员完成对应种类服务行为对应的子服务视频集合;
系数设置单元,用于基于所述判断结果判断所述子服务视频集合中是否存在交叉服务对应的第三服务视频,若是,则基于所述第三服务视频对应的交叉时间段和所述交叉时间段对应的交叉个数设置对应的交叉系数,否则,将所述子服务视频集合中包含的第二服务视频的交叉系数设置为1;
效率计算单元,用于基于所述子服务视频集合中包含的所有服务视频对应的交叉系数和第三服务持续时间计算出对应的每个工作人员完成对应种类服务行为对应的服务效率。
该实施例中,子服务视频集合即为基于工作人员和服务行为种类将统计取样时间内的所有服务视频进行分类后获得的每个工作人员完成对应种类服务行为对应的服务视频汇总获得的集合。
该实施例中,基于所述第三服务视频对应的交叉时间段和所述交叉时间段对应的交叉个数设置对应的交叉系数,包括:
按照交叉个数(即同时进行的服务行为总个数)将第三服务视频分成多个子服务视频段;
基于每个子服务视频段的总时长(即对应的交叉时间段)和对应的同时进行的服务行为总个数(即交叉个数),计算出第三服务视频对应的交叉系数:
式中,为第三服务视频对应的交叉系数,为第三服务视频中包含的当前计算的
交叉时间段,为第三服务视频中包含的交叉时间段总个数,为第三服务视频中包含的
第i个交叉时间段对应的总时长,为第三服务视频的服务持续时间,为第三服务视频中
包含的第i个交叉时间段对应的交叉个数;
该实施例中,基于所述子服务视频集合中包含的所有服务视频对应的交叉系数和第三服务持续时间计算出对应的每个工作人员完成对应种类服务行为对应的服务效率,包括:
式中,为当前计算的作人员完成对应种类服务行为对应的服务效率且的单位
为次/单位时间,为子服务视频集合中包含的服务视频总个数,为子服务视频集合中包
含的第j个服务视频,为子服务视频集合中包含的第j个服务视频的交叉系数,为子服
务视频集合中包含的第j个服务视频的第三服务持续时间;
以上技术的有益效果为:基于对应工作人员完成对应服务行为时与完成其他服务行为的交叉个数和交叉时间的统计,实现基于完成服务的总持续时间和交叉系数准确地计算出每个工作人员完成对应种类服务行为对应的服务效率。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于视频监控的加油站服务效率智能分析系统,其特征在于,包括:
视频监控端,用于获取加油站内的全方位视频;
服务识别端,用于在所述全方位视频和数字化营销平台中识别出所有的服务行为,并提取出所述服务行为对应的服务视频;
效率分析端,用于基于所有服务视频分析出每个工作人员对应的服务效率。
2.根据权利要求1所述的一种基于视频监控的加油站服务效率智能分析系统,其特征在于,所述视频监控端,包括:
视频获取模块,用于基于设置在所述加油站预设位置处的摄像头实时监控加油站内预设范围内的空间,获得对应的监控视频;
视频拼接模块,用于基于摄像头的设置位置将所有监控视频进行时序对齐后进行拼接,获得所述加油站内的全方位视频。
3.根据权利要求2所述的一种基于视频监控的加油站服务效率智能分析系统,其特征在于,所述服务识别端,包括:
入口监控模块,用于在所述全方位视频中所述加油站入口处对应的局部监控视频中实时识别出进站对象;
对象跟踪模块,用于在所述全方位视频中对对应进站对象进行跟踪,获得所述进站对象对应的跟踪视频;
服务识别模块,用于基于所述跟踪视频和数字化营销平台中的交易信息判断对应进站对象是否存在服务行为,若是,则将对应进站对应的跟踪视频作为对应服务行为的服务视频,否则,将所述跟踪视频保存至云端客流记录库中。
4.根据权利要求3所述的一种基于视频监控的加油站服务效率智能分析系统,其特征在于,所述入口监控模块,包括:
第一提取单元,用于在所述全方位视频中提取出所述加油站入口处对应的局部监控视频;
对象识别单元,用于在所述局部监控视频中识别出所有的进站对象;
其中,所述进站对象包括:进站人员和进站车辆。
5.根据权利要求4所述的一种基于视频监控的加油站服务效率智能分析系统,其特征在于,所述对象跟踪模块,包括:
特征提取单元,用于在所述局部监控视频中提取出所述进站对象的识别特征;
第二提取单元,用于基于所述识别特征识别出所述进站对象在所述全方位视频中对应的视频段,并基于所述进站对象在对应视频段中的出现时间,来将所有视频段进行排序,获得对应的排序视频;
对象跟踪单元,用于在所述排序视频中每一帧视频中标记出所述进站对象的识别特征,获得对应的跟踪视频;
其中,所述进站人员的识别特征为脸部图像;
所述进站车辆的识别特征为车载人员脸部图像和车牌号码。
6.根据权利要求5所述的一种基于视频监控的加油站服务效率智能分析系统,其特征在于,所述服务识别模块,包括:
第一调取单元,用于基于所述跟踪视频判断对应进站对象是否存在线下服务行为,若是,则基于所述线下服务行为在所述数字化营销平台中的线下服务管理系统中调取出对应的线下服务记录;
第三提取单元,用于基于对应跟踪视频中的第一开始服务时间和所述线下服务记录中的第一最终交易时间确定出对应的第一服务持续时间,基于所述第一服务持续时间在对应的跟踪视频中提取出对应的第一服务视频;
痕迹检索单元,用于基于所述进站对象对应的识别特征在所述数字化营销平台中包含的每个相关服务系统中检索对应的用户痕迹;
时间段确定单元,用于基于所述用户痕迹确定出所述进站对象对应的可服务方式,基于所述可服务方式和所述跟踪视频中对应的进出站时间段,确定出对应的云端可服务时间段;
第二调取单元,用于判断所有可服务方式对应的服务管理系统中在对应云端可服务时间段内是否存在所述进站对象对应的识别特征的线上服务记录,若是,则判定对应进站对象存在线上服务行为,基于对应跟踪视频中的第二开始服务时间和所述线上服务记录中的第二最终交易时间确定出对应的第二服务持续时间,基于所述第二服务持续时间在对应的跟踪视频中提取出对应的第二服务视频;
视频存储单元,用于当判定所述进站对象不存在线下服务行为且不存在线上服务行为时,则将对应的跟踪视频保存至云端客流记录库中。
7.根据权利要求6所述的一种基于视频监控的加油站服务效率智能分析系统,其特征在于,所述痕迹检索单元,包括:
第一检索子单元,用于当所述进站对象为进站车辆时,则基于对应的车牌号码检索出对应的第一历史服务记录,基于所述第一历史服务记录确定出对应的第一用户信息集合;
第二检索子单元,用于基于对应的第一车载人员脸部图像在客户脸部图像库中检索出对应的第二用户信息集合;
第一汇总子单元,用于基于所述第一用户信息集合和所述第二用户信息集合构建出所述进站对象对应的相关用户信息集合;
第三检索子单元,用于当所述进站对象为进站人员时,则基于对应的脸部图像在所述客户脸部图像库中检索出对应的第三用户信息集合;
第四检索子单元,用于基于所述第三用户信息集合中包含的用户信息对应的历史服务记录中的被服务车辆的车牌号码,检索出对应的第二历史服务记录,基于所述第二历史服务记录确定出对应的第四用户信息集合;
第五检索子单元,用于基于所述第二历史服务记录中被服务车辆对应的第二车载人员脸部图像在所述客户脸部图像库中检索出对应的第五用户信息集合;
第二汇总子单元,用于基于所述第三用户信息集合和所述第四用户信息集合以及所述第五用户信息集合构建出所述进站对象对应的相关用户信息集合;
权重确定子单元,用于确定出所述相关用户信息集合中包含的每个相关用户信息与对应进站对象之间的关联层次,基于所述关联层次确定出对应相关用户信息对应的检索权重和所述进站对象对应的关联检索树;
节点对应子单元,用于基于所述关联检索树和对应相关用户信息对应的检索来源在所述数字化营销平台对应的系统关联树中的对应位置,建立所述关联检索树和所述系统关联树之间的节点对应关系;
节点确定子单元,用于基于所述节点对应关系确定出每个相关用户信息在所述系统关联树中对应的关联节点集合;
系统排序子单元,用于基于所述加油站在统计取样时间内在对应相关服务系统的客流量对所述关联节点集合中每个关联节点对应的相关服务系统进行排序,获得对应的相关服务系统序列;
范围确定子单元,用于基于所述检索权重将所述相关服务系统排序序列进行划分获得对应的相关服务系统子序列,将所述相关服务系统子序列中包含的所有第一相关服务系统作为对应相关用户信息对应的检索范围;
第六检索子单元,用于基于所述相关用户信息在对应检索范围包含的第一相关服务系统中检索出对应的第三历史服务记录,将所有第三历史服务记录汇总获得所述进站对象对应的用户痕迹。
8.根据权利要求7所述的一种基于视频监控的加油站服务效率智能分析系统,其特征在于,所述效率分析端,包括:
交叉判断模块,用于判断所述统计取样时间内的所有服务视频是否存在交叉服务,获得对应的判断结果;
智能分析模块,用于基于所述判断结果和所述统计取样时间内的所有服务视频,智能分析出每个工作人员对应的服务效率。
9.根据权利要求8所述的一种基于视频监控的加油站服务效率智能分析系统,其特征在于,所述交叉判断模块,包括:
类型确定单元,用于基于所述服务视频对应的服务记录确定出对应的服务行为类型,其中,所述服务记录包括所述线下服务记录和线上服务记录中的至少一种;
视频对齐单元,用于基于所述统计取样时间生成对应的统计时间轴,将所述统计取样时间内包含的每个服务视频与所述统计时间轴对齐,获得对应的视频对齐结果;
交叉判断单元,用于基于所述视频对齐结果判断出在所述统计取样时间内是否存在视频持续时间重合的第三服务视频,若是,则在存在视频持续时间重合的第三服务视频中识别出完成对应服务行为的第一工作人员,并判断所述第三服务视频对应的第一工作人员是否相同,若是,则将对应的第三服务视频存在交叉服务作为对应的判断结果,否则,将对应的第三服务视频不存在交叉服务作为对应的判断结果。
10.根据权利要求9所述的一种基于视频监控的加油站服务效率智能分析系统,其特征在于,所述智能分析模块,包括:
第一分类单元,用于基于工作人员和服务行为种类将所述统计取样时间内的所有服务视频进行分类获得每个工作人员完成对应种类服务行为对应的子服务视频集合;
系数设置单元,用于基于所述判断结果判断所述子服务视频集合中是否存在交叉服务对应的第三服务视频,若是,则基于所述第三服务视频对应的交叉时间段和所述交叉时间段对应的交叉个数设置对应的交叉系数,否则,将所述子服务视频集合中包含的第二服务视频的交叉系数设置为1;
效率计算单元,用于基于所述子服务视频集合中包含的所有服务视频对应的交叉系数和第三服务持续时间计算出对应的每个工作人员完成对应种类服务行为对应的服务效率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210611036.8A CN114697620B (zh) | 2022-06-01 | 2022-06-01 | 一种基于视频监控的加油站服务效率智能分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210611036.8A CN114697620B (zh) | 2022-06-01 | 2022-06-01 | 一种基于视频监控的加油站服务效率智能分析系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114697620A true CN114697620A (zh) | 2022-07-01 |
CN114697620B CN114697620B (zh) | 2022-08-23 |
Family
ID=82131122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210611036.8A Active CN114697620B (zh) | 2022-06-01 | 2022-06-01 | 一种基于视频监控的加油站服务效率智能分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114697620B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5953055A (en) * | 1996-08-08 | 1999-09-14 | Ncr Corporation | System and method for detecting and analyzing a queue |
CN101200274A (zh) * | 2006-12-14 | 2008-06-18 | 范阳 | 一种加油站控制系统 |
CN104618685A (zh) * | 2014-12-29 | 2015-05-13 | 国家电网公司 | 一种用于供电营业厅视频监控中的图像智能分析方法 |
CN109803122A (zh) * | 2019-01-22 | 2019-05-24 | 安徽博诺思信息科技有限公司 | 一种电力系统专用的营业厅音视频同步监控控制方法 |
CN110458123A (zh) * | 2019-08-15 | 2019-11-15 | 成都睿晓科技有限公司 | 一种基于视频监控的加油站服务效率智能分析系统 |
CN110493566A (zh) * | 2019-08-05 | 2019-11-22 | 成都油管家科技有限公司 | 一种基于视频分析加油站安全识别系统 |
CN111062698A (zh) * | 2019-12-22 | 2020-04-24 | 苏州道尔飞电子科技有限公司 | 一种智慧加油站综合管理系统 |
CN114302103A (zh) * | 2021-10-29 | 2022-04-08 | 四川天翼网络服务有限公司 | 一种智能监控运维系统 |
-
2022
- 2022-06-01 CN CN202210611036.8A patent/CN114697620B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5953055A (en) * | 1996-08-08 | 1999-09-14 | Ncr Corporation | System and method for detecting and analyzing a queue |
CN101200274A (zh) * | 2006-12-14 | 2008-06-18 | 范阳 | 一种加油站控制系统 |
CN104618685A (zh) * | 2014-12-29 | 2015-05-13 | 国家电网公司 | 一种用于供电营业厅视频监控中的图像智能分析方法 |
CN109803122A (zh) * | 2019-01-22 | 2019-05-24 | 安徽博诺思信息科技有限公司 | 一种电力系统专用的营业厅音视频同步监控控制方法 |
CN110493566A (zh) * | 2019-08-05 | 2019-11-22 | 成都油管家科技有限公司 | 一种基于视频分析加油站安全识别系统 |
CN110458123A (zh) * | 2019-08-15 | 2019-11-15 | 成都睿晓科技有限公司 | 一种基于视频监控的加油站服务效率智能分析系统 |
CN111062698A (zh) * | 2019-12-22 | 2020-04-24 | 苏州道尔飞电子科技有限公司 | 一种智慧加油站综合管理系统 |
CN114302103A (zh) * | 2021-10-29 | 2022-04-08 | 四川天翼网络服务有限公司 | 一种智能监控运维系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114697620B (zh) | 2022-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108710827B (zh) | 一种社区微警务巡查和信息自动分析系统及方法 | |
CN110853391A (zh) | 智能共享停车系统 | |
CN101848377A (zh) | 一种基于云计算及海量视频检索的多视频录入装置智能联动的装置和方法 | |
Shao et al. | Estimating taxi demand-supply level using taxi trajectory data stream | |
CN109784161A (zh) | 一种店内视频监控智能分析系统及方法 | |
CN115660262B (zh) | 一种基于数据库应用的工程智慧质检方法、系统及介质 | |
CN110458123A (zh) | 一种基于视频监控的加油站服务效率智能分析系统 | |
CN114841712B (zh) | 网约车巡游违规运营状态的确定方法和装置及电子设备 | |
CN114625901B (zh) | 一种多算法整合方法及装置 | |
CN114708018B (zh) | 一种基于数据分析的电子屏广告智能计费管理系统 | |
CN116935659B (zh) | 一种高速服务区卡口车辆稽核系统及其方法 | |
CN114697620B (zh) | 一种基于视频监控的加油站服务效率智能分析系统 | |
CN113034181A (zh) | 一种用于电梯的广告投放方法及广告投放系统 | |
CN109801394B (zh) | 一种工作人员考勤方法及装置、电子设备和可读存储介质 | |
CN113822367B (zh) | 一种基于人脸的区域行为分析方法、系统及介质 | |
CN113436356B (zh) | 一种车辆轨迹还原方法、高速通行费确定方法及装置 | |
CN112990881B (zh) | 一种相关方考勤系统及方法 | |
CN114283386A (zh) | 一种基于大数据的分析适应密集场景人流实时监测系统 | |
CN114626900A (zh) | 一种基于特征识别和大数据分析的智能管理系统 | |
CN113822715A (zh) | 一种数据采集训练处理一体化平台分析方法 | |
CN113128452A (zh) | 一种基于图像识别的绿化满意度采集方法和系统 | |
CN113537073A (zh) | 营业厅特殊事件精准处理的方法及系统 | |
CN112651992A (zh) | 一种轨迹追踪方法及系统 | |
CN112241686A (zh) | 一种基于特征向量的轨迹比对匹配方法及系统 | |
CN112487966B (zh) | 一种流动商贩行为识别管理系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |