CN115049964A - 基于多视角图像采集的商品推荐处理方法及装置 - Google Patents
基于多视角图像采集的商品推荐处理方法及装置 Download PDFInfo
- Publication number
- CN115049964A CN115049964A CN202210744783.9A CN202210744783A CN115049964A CN 115049964 A CN115049964 A CN 115049964A CN 202210744783 A CN202210744783 A CN 202210744783A CN 115049964 A CN115049964 A CN 115049964A
- Authority
- CN
- China
- Prior art keywords
- commodity
- user
- video stream
- store
- image
- 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 28
- 238000012545 processing Methods 0.000 claims abstract description 82
- 230000033001 locomotion Effects 0.000 claims abstract description 74
- 230000000007 visual effect Effects 0.000 claims abstract description 44
- 238000000034 method Methods 0.000 claims description 69
- 230000006399 behavior Effects 0.000 claims description 35
- 238000001514 detection method Methods 0.000 claims description 26
- 230000009471 action Effects 0.000 claims description 22
- 238000003860 storage Methods 0.000 claims description 18
- 238000013507 mapping Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 description 42
- 238000010586 diagram Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 10
- 230000006872 improvement Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000008447 perception Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 235000019633 pungent taste Nutrition 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/62—Extraction of image or video features relating to a temporal dimension, e.g. time-based feature extraction; Pattern tracking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Processing (AREA)
Abstract
本说明书实施例提供了基于多视角图像采集的商品推荐处理方法及装置，其中，一种基于多视角图像采集的商品推荐处理方法包括：获取门店对应的采集视角的摄像头群组采集的视频流集合，以及所述门店内货架对应的采集视角的摄像头采集的视频流；根据所述视频流集合中的图像帧确定所述摄像头群组的视角交集区域内的用户移动轨迹，并根据所述视频流中的图像帧确定商品关注信息；基于所述用户移动轨迹和所述商品关注信息至少一者，向所述门店或者目标商家进行商品推荐处理。
Description
技术领域
本文件涉及数据处理技术领域，尤其涉及一种基于多视角图像采集的商品推荐处理方法及装置。
背景技术
随着信息技术的发展，计算机和互联网被广泛应用于各行各业，并给人们的交流、出行方式及工业生产方式等都带来了很大的变化。门店是一种极具发展前景的新型业态，在门店购物已成为现代人快节奏生活的方式之一；如何提升对于门店的管理有效性以及提升门店管理者对门店中商品的感知程度已经成为门店管理者或者经营者日益关注的重点。
发明内容
本说明书一个或多个实施例提供了一种基于多视角图像采集的商品推荐处理方法。所述基于多视角图像采集的商品推荐处理方法，包括：获取门店对应的采集视角的摄像头群组采集的视频流集合，以及所述门店内货架对应的采集视角的摄像头采集的视频流。根据所述视频流集合中的图像帧确定所述摄像头群组的视角交集区域内的用户移动轨迹，并根据所述视频流中的图像帧确定商品关注信息。基于所述用户移动轨迹和所述商品关注信息至少一者，向所述门店或者目标商家进行商品推荐处理。
本说明书一个或多个实施例提供了一种基于多视角图像采集的商品推荐处理装置，包括：视频流获取模块，被配置为获取门店对应的采集视角的摄像头群组采集的视频流集合，以及所述门店内货架对应的采集视角的摄像头采集的视频流。信息确定模块，被配置为根据所述视频流集合中的图像帧确定所述摄像头群组的视角交集区域内的用户移动轨迹，并根据所述视频流中的图像帧确定商品关注信息。商品推荐模块，被配置为基于所述用户移动轨迹和所述商品关注信息至少一者，向所述门店或者目标商家进行商品推荐处理。
本说明书一个或多个实施例提供了一种基于多视角图像采集的商品推荐处理设备，包括：处理器；以及，被配置为存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器：获取门店对应的采集视角的摄像头群组采集的视频流集合，以及所述门店内货架对应的采集视角的摄像头采集的视频流。根据所述视频流集合中的图像帧确定所述摄像头群组的视角交集区域内的用户移动轨迹，并根据所述视频流中的图像帧确定商品关注信息。基于所述用户移动轨迹和所述商品关注信息至少一者，向所述门店或者目标商家进行商品推荐处理。
本说明书一个或多个实施例提供了一种存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被处理器执行时实现以下流程：获取门店对应的采集视角的摄像头群组采集的视频流集合，以及所述门店内货架对应的采集视角的摄像头采集的视频流。根据所述视频流集合中的图像帧确定所述摄像头群组的视角交集区域内的用户移动轨迹，并根据所述视频流中的图像帧确定商品关注信息。基于所述用户移动轨迹和所述商品关注信息至少一者，向所述门店或者目标商家进行商品推荐处理。
附图说明
为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图；
图1为本说明书一个或多个实施例提供的一种基于多视角图像采集的商品推荐处理方法处理流程图；
图2为本说明书一个或多个实施例提供的一种摄像头布局视图示意图；
图3为本说明书一个或多个实施例提供的一种坐标映射示意图；
图4为本说明书一个或多个实施例提供的一种投影图像示意图；
图5为本说明书一个或多个实施例提供的一种货架商品图像示意图；
图6为本说明书一个或多个实施例提供的一种基于多视角图像采集的商品推荐处理方法处理示意图；
图7为本说明书一个或多个实施例提供的一种应用于监控场景的基于多视角图像采集的商品推荐处理方法处理流程图；
图8为本说明书一个或多个实施例提供的一种基于多视角图像采集的商品推荐处理装置示意图；
图9为本说明书一个或多个实施例提供的一种基于多视角图像采集的商品推荐处理设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书一个或多个实施例中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书的一部分实施例，而不是全部的实施例。基于本说明书一个或多个实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本文件的保护范围。
本说明书提供的一种基于多视角图像采集的商品推荐处理方法实施例：
本实施例提供的基于多视角图像采集的商品推荐处理方法，采用多视角摄像头作为硬件基础，通过在门店配置门店对应的采集视角的摄像头群组和门店内货架对应的采集视角的摄像头，对门店进行多视角图像采集，通过对摄像头群组中的摄像头和货架对应的采集视角的摄像头采集的视频流中的图像帧进行处理，获得处于门店内用户的用户移动轨迹，以及货架中商品的商品关注信息，根据用户移动轨迹和商品关注信息至少一者对门店或者目标商家进行商品推荐，以此，提升门店对门店中商品的售卖情况的感知程度，也提升目标商家对门店内商品售卖的感知程度，且通过对多视角的图像处理的方式提升商品推荐的准确性，降低对门店的数字化边角区域；且无需对货架内的商品摆放和商品数量进行限制。
参照图1，本实施例提供的基于多视角图像采集的商品推荐处理方法，具体包括步骤S102至步骤S106。
步骤S102，获取门店对应的采集视角的摄像头群组采集的视频流集合，以及所述门店内货架对应的采集视角的摄像头采集的视频流。
本实施例所述门店，包括提供线下售卖活动的专卖店、超市或者便利店；此外，所述门店还包括无人零售门店，货架或者货架的存放区域等；门店可以布置至少一个货架。为了提升对门店内进行购物的用户的管理，及时地感知用户的状态和货架中商品的售卖情况，对门店以及货架的多个采集视角配置摄像头，以进行图像采集。
如图2所示的摄像头布局视图，门店中布置了货架1和货架2两个货架，在门店的四各顶角分别配置门店视角的摄像头，并且使四个顶角的摄像头的采集视角形成视角交集区域，用于后续对用户进行投影变换，且这四个摄像头构成摄像头群组；在货架1和货架2的正面分别配置货架视角的摄像头，用于实时监控货架的商品变化以及用户和商品之间的人货关系。此处，四个门店视角的摄像头和两个货架视角的摄像头构成了对门店和货架的多视角图像采集，如图2所示的摄像头布局方式可实时记录完整的用户和商品的信息，实现对门店中用户购物过程的数字化。其中，门店视角的摄像头和货架视角的摄像头包括监控摄像头。
具体实施时，摄像头群组中的摄像头和门店内货架对应的采集视角的摄像头采集各自采集视角的视频，需要说明的是，本实施例提供的基于多视角图像采集的商品推荐处理方法中的视频流集合和视频流，可实时采集也可包括处理员在存储的视频流中选择的目标时间段的各摄像头采集的视频流，本实施例在此不做限定。
步骤S104，根据所述视频流集合中的图像帧确定所述摄像头群组的视角交集区域内的用户移动轨迹，并根据所述视频流中的图像帧确定商品关注信息。
所述视角交集区域，包括摄像头群组中包含的摄像头的采集视角中重叠的区域；如图3所示，门店视角1、门店视角2、门店视角3和门店视角4的摄像头的采集视角共同覆盖图3所示的多边形区域，多边形区域为门店视角1、门店视角2、门店视角3和门店视角4的视角交集区域。所述用户移动轨迹，包括根据用户在连续时间点对应的图像帧对应的位置坐标确定的处于视角交集区域内的用户的移动轨迹；所述商品关注信息，包括货架中商品的取货动作信息或者放货动作信息；此外，商品关注信息包括用户对目标商品的取货动作信息或者放货动作信息。
下述分别对根据所述视频流集合中的图像帧确定所述摄像头群组的视角交集区域内的用户移动轨迹和根据所述视频流中的图像帧确定商品关注信息的处理过程进行具体说明。
(1)根据所述视频流集合中的图像帧确定所述摄像头群组的视角交集区域内的用户移动轨迹
具体实施时，为了提升门店的管理有效性，通过对门店配置摄像头群组进行门店对应的采集视角的视频采集，在此过程中，为了提升确定的用户的位置坐标的准确性，对门店对应的采集视角的摄像头群组的视角交集区域中的用户标识进行处理，确定视角交集区域内的用户移动轨迹；
基于此，本实施例提供的一种可选实施方式中，根据视频流集合中的图像帧确定摄像头群组的视角交集区域内的用户移动轨迹，采用如下方式实现：
对所述视频流集合中各视频流的图像帧进行识别处理，获得各视频流的图像帧中的用户标识；
基于所述用户标识确定所述视角交集区域内的目标用户标识，并确定所述目标用户标识的位置坐标；
基于所述位置坐标，确定所述目标用户标识对应的用户移动轨迹。
其中，识别处理后各视频流中各图像帧中同一用户的用户标识一致；例如，两张图像中同一个用户的用户标识一致。
本实施例提供的一种可选实施方式中，为使不同的摄像头采集到的不同视频流的图像帧中的同一用户的用户标识一致，采用如下方式对视频流集合中各视频流的图像帧进行识别处理，获得各视频流的图像帧中的用户标识：
对所述各视频流的图像帧进行人体检测，获得所述各视频流的图像帧中的用户对象；
对所述各视频流的图像帧中的用户对象进行用户重识别，获得所述用户对象的用户标识。
具体的，获取到门店对应的采集视角的摄像头群组采集的视频流集合后，对视频流集合中各视频流的图像帧进行人体检测，获得各视频流的图像帧中的用户对象，然后对各视频流的图像帧中的用户对象进行用户重识别，获得用户对象的用户标识，再基于用户标识确定视角交集区域内的目标用户标识。
例如，对各视频流的图像帧进行人体检测，获得用户对象，然后对各图像帧中的用户对象进行REID(Person re-identification，用户重识别)处理，获得用户对象的用户标识，再利用人体跟踪算法对用户标识进行人体跟踪处理，以进行目标用户的确定和位置坐标的确定。
为了提升确定的目标用户标识的准确性，保证确定的目标用户标识位于视角交集区域，在确定视角交集区域内的目标用户标识的过程中，执行如下操作：
对所述各视频流中同一时间点的图像帧中的用户标识进行坐标映射，将同一时间点的图像帧中的用户标识的标识坐标映射至视角交集区域对应的坐标系中，然后筛选出位于视角交集区域的目标用户坐标。所述视角交集区域，通过对每个摄像头进行自标定确定。
例如，四个视频流中对于图像帧对应的时间为同一时间点的4张图像帧，分别将这4张图像帧中的用户标识映射至视角交集区域对应的坐标系中如图3所示的视角交集区域的坐标映射示意图，在映射过程中，对于同一用户，仅映射一个标识。
在上述通过对用户坐标进行坐标映射，并在视角交集区域对应的坐标系中筛选出位于视角交集区域的目标用户标识后，读取目标用户标识在视角交集区域对应的坐标系中的位置坐标，基于位置坐标确定目标用户标识对应的用户移动轨迹。
除此之外，在确定视角交集区域内的目标用户标识的过程中，还可对各视频流中的图像帧通过自标定过程确定各图像帧中的视角交集区域，并基于对各图像帧进行识别处理后获得的各图像帧中的用户标识确定视角交集区域内的目标用户标识，在通过这种方式确定视角交集区域内的目标用户标识的情况下，本实施例提供的一种可选实施方式中，在确定目标用户标识的位置坐标的过程中，将所述目标用户标识在对应图像帧中的图像位置坐标，映射至所述视角交集区域对应的坐标系中，获得所述目标用户标识的位置坐标。
需要说明的是，确定视角交集区域的过程中，得到的视角交集区域可能用矩阵的形式表示，这导致在对目标用户标识进行坐标映射的过程中存在困难，因此，在得到的视角交集区域为三维空间中的矩阵标识后，对视角交集区域进行俯视投影，获得二维空间的视角交集区域的坐标系，再将目标用户标识在图像帧中的图像位置坐标映射至视角交集区域对应的坐标系中，如图4所示的俯视图的投影图像。其中，用户移动轨迹包括位置坐标和/或停留时间。还需要说明的是，用户移动轨迹通过对视频流中具有正向时间间隔的至少两张图像帧对应的位置坐标进行比对获得。
(2)根据所述视频流中的图像帧确定商品关注信息
具体实施时，为了提升门店或者商家对货架中商品的感知程度，通过门店内货架对应的采集视角的摄像头对货架区域进行视频采集，并根据采集到的视频流中的图像帧确定商品关注消息；
本实施例提供的一种可选实施方式中，采用如下方式实现根据视频流中的图像帧确定商品关注信息：
对比所述视频流中预设时间间隔的关联图像帧，获得所述关联图像帧中差异特征对应的图像特征块；
基于所述图像特征块，确定用户行为信息以及与所述图像特征块具有对应关系的商品标识，将所述商品标识和所述用户行为信息确定为所述商品关注信息。
具体的，所述关联图像帧包括视频流中的相邻图像帧或者图像帧对应的时间点的时间点间隔为预设时间间隔的至少两张图像帧。所述图像特征块包括关联图像帧中商品特征发生变化的图像特征块。
为了提升确定的图像特征块对应的商品特征的准确性，本实施例提供的一种可选实施方式中，图像特征块和商品标识的对应关系采用如下方式建立：
对所述关联图像帧进行商品检测处理，获得所述关联图像帧中各商品的商品标识；
建立所述各商品的商品标识与所述关联图像帧的图像特征块的对应关系；
或者，
对所述图像特征块进行商品检测处理，获得与所述图像特征块具有对应关系的商品标识。
具体的，对关联图像帧进行商品检测处理，获得关联图像帧中各商品的商品标识以及商品时序位置，并建立商品标识与各商品所在的图像特征块的对应关系，在获得商品特征发生变化的图像特征块之后，读取图像特征块具有对应关系的商品标识；此外，为了减少图像处理过程中耗费的资源，避免对所有图像特征块进行识别造成资源浪费，节约成本，还可以在比对关联图像帧获得商品特征发生变化的图像特征块后，对获得的图像特征块进行商品检测处理，获得与图像特征块具有对应关系的商品标识。
为了提升对用户针对货架中商品的动作的感知程度，还要基于图像特征块确定用户行为信息，本实施例提供的一种可选实施方式中，采用如下方式确定用户行为信息：
若所述图像特征块中后一时间点的图像特征块中商品数量小于前一时间点的图像特征块中商品数量，确定所述用户行为信息为取货动作信息；
若所述图像特征块中后一时间点的图像特征块中商品数量大于前一时间点的图像特征块中商品数量，确定所述用户行为信息为放货动作信息。
具体的，计算后一时间点的图像特征块与前一时间点的图像特征块的差值；基于所述差值确定所述用户行为信息；其中，在计算后一时间点的图像特征块与前一时间点的图像特征块的差值的过程中，识别图像特征块中的商品数量，并计算后一时间点的图像块中的商品数量与前一时间点的图像特征块的商品数量的差值；进一步，在基于商品数量的差值确定用户行为信息的过程中，若后一时间点的图像特征块中商品数量小于前一时间点的图像特征块中的商品数量，则确定图像特征块对应的商品标识的用户行为信息为取货动作信息；若后一时间点的图像特征块中商品数量大于前一时间点的图像特征块中的商品数量，则确定商品标识的用户行为信息为放货动作信息；
除上述通过对商品数量进行识别进而确定用户行为信息的方式之外，本实施例还可通过对商品位置进行识别进而确定用户行为信息；具体的，在计算后一时间点的图像特征块与前一时间点的图像特征块的差值的过程中，识别图像特征块中的商品位置，并计算后一时间点的图像特征块中的商品位置与前一时间点的图像特征块中的商品位置的差值；进一步，在基于商品位置的差值确定用户行为信息的过程中，若后一时间点的图像特征块中的商品位置大于前一时间点的图像特征块中的商品位置，即后一时间点的图像特征块中的商品位置相对于前一时间点的图像特征块中的商品位置后移预设距离，则确实用户行为信息为取货动作信息；若后一时间点的图像特征块中的商品位置小于前一时间点的图像特征块中的商品位置，即后一时间点的图像特征块中的商品位置相对于前一时间点的图像特征块中的商品位置前移预设距离，则确定用户行为信息为放货动作信息。
例如，获取到门店内货架对应的采集视角的摄像头采集的视频流后，利用商品检测算法对视频流中的图像帧进行商品检测处理，针对任一图像帧，获得如图5所示的货架商品图像，其中，每个长方体表示一列商品，这一列中可以包括至少一个商品，也可为空白的商品陈列区域。此外，还获得图像帧中的图像特征块中商品的商品标识，建立商品标识与该图像特征块的对应关系；比对视频流中预设时间间隔的关联图像帧，获得关联图像帧中商品特征发生变化的图像特征块，读取图像特征块具有对应关系的商品标识，并基于商品特征发生变化的图像特征块确定用户行为信息，将用户行为信息和商品标识作为商品关注信息。
除此之外，本实施例提供的另一种可选实施方式中，在基于图像特征块确定用户行为信息的过程中，将所述图像特征块输入动作检测模型进行动作检测，输出目标商品的商品处理动作作为所述用户行为信息。所述商品服务动作包括取货动作信息和/或放货动作信息。
上述提供了对货架商品信息进行处理的过程，在确定商品关注信息的过程中，除对货架商品信息进行处理之外，还可对门店内货架对应的采集视角的摄像头采集的视频流中的用户进行识别，从而确定用户行为信息对应的用户标识；即确定是哪个用户进行了用户行为信息。
具体的，对货架对应的采集视角的摄像头采集的视频流进行人体检测，确定用户标识与商品标识之间的关联关系，以此，确定用户的购买过程，即用户对商品的取货动作或者放货动作；对货架对应的采集视角的摄像头采集的视频流进行人体检测，确定用户标识与商品标识之间的关联关系的过程中，对货架对应的采集视角的摄像头采集的视频流中的图像帧很进行人体检测，获得图像帧中的用户标识；建立用户行为信息对应的目标商品与处于目标商品对应的位置的用户标识的关联关系。基于此，所述商品关注信息包括用户对目标商品的取货动作信息或者放货动作信息。
上述分别对根据所述视频流集合中的图像帧确定所述摄像头群组的视角交集区域内的用户移动轨迹和根据所述视频流中的图像帧确定商品关注信息的过程进行了说明，需要补充的是，上述步骤S104在执行过程中，还可仅执行根据所述视频流集合中的图像帧确定摄像头群组的视角交集区域内的用户移动轨迹和根据所述视频流中的图像帧确定商品关注信息两者中任意一者；对应的，上述步骤S102可仅获取视频流集合或者视频流中一者；下述步骤S106可仅基于用户移动轨迹和商品关注信息中的一者，向门店或者目标商家进行商品推荐处理。在修改时根据步骤S104进行对应修改，本实施例在此不做限定。
除上述提供的分别对视频流集合中的图像帧和视频流中的图像帧分别进行处理之外，还可对视频流集合中的图像帧和视频流中的图像帧进行共同处理，具体的，本实施例提供的一种可选实施方式中，在根据视频流集合中的图像帧确定摄像头群组的视角交集区域内的用户移动轨迹，并根据视频流中的图像帧确定商品关注信息之后，还可进行如下操作：
对所述视频流集合中的图像帧和所述视频流中的图像帧进行用户重识别，获得图像帧中的用户标识；
基于所述用户标识和所述商品关注信息，对所述用户移动轨迹进行目标商品的商品标识标记。
其中，与上述确定用户移动轨迹的方式类似，在对所述视频流集合中的图像帧和所述视频流中的图像帧进行用户重识别，获得图像帧中的用户标识的过程中，对货架对应的采集视角的摄像头采集的视频流中的图像帧进行人体检测，获得视频流的图像帧中的用户对象，对视频流和视频流集合中图像帧中的用户对象进行用户重识别，获得对象用户的用户标识；其中，视频流中的图像帧中与视频流中各视频流中的图像帧中同一用户的用户标识一致；在获得用户标识之后，基于用户标识和商品关注信息，对用户移动轨迹进行目标商品的商品标识标记处理。
在用户移动轨迹进行目标商品的商品标识标记之后，可基于商品标识标记进行支付；本实施例提供的一种可选实施方式中，采用如下方式实现基于商品标识标记的支付处理：
基于采集的用户特征图像，识别进行商品标识标记的目标用户的用户身份信息；
基于所述用户身份信息关联的用户账户对所述目标商品进行商品支付处理。
可选的，获取任一摄像头或者至少一个摄像头在检测到目标用户，即商品标识标记的用户到达指定支付位置或者存在离场行为的情况下采集的用户特征图像，对用户特征图像进行识别，获得进行商品标识标记的目标用户的用户身份信息，然后基于用户身份信息关联的用户账户对标记至该目标用户的目标商品进行商品支付处理。
步骤S106，基于所述用户移动轨迹和所述商品关注信息至少一者，向所述门店或者目标商家进行商品推荐处理。
可选的，所述目标商家基于目标商品确定；所述目标商品包括所述货架中的商品；所述目标商家包括所述目标商品的商品提供方和/或所述目标商品的相似商品的商品提供方。
具体实施时，基于所述用户移动轨迹和所述商品关注信息至少一者，向所述门店或者目标商家进行商品推荐处理，包括基于所述用户移动轨迹，向所述门店或者目标商家进行商品推荐处理，或者，基于所述商品关注信息，向所述门店或者目标商家进行商品推荐处理，或者，基于所述用户移动轨迹和所述商品关注信息，向所述门店或者目标商家进行商品推荐处理。
本实施例提供的一种可选实施方式中，在基于用户移动轨迹和商品关注信息至少一者，向门店或者目标商家进行商品推荐处理的过程中，执行如下操作：
基于所述用户移动轨迹和所述商品关注信息至少一者，生成至少一个推荐维度的推荐信息，并将所述推荐信息向所述门店或者所述目标商家进行推荐；
其中，所述推荐维度，包括：访问热度维度，货架曝光维度，商品数量维度，商品活动维度，货架商品维度，用户轨迹维度和/或目标商品维度。
具体的，在基于用户移动轨迹和商品关注信息至少一个，生成访问热度维度的推荐信息向门店或者目标商家进行推荐的过程中，基于所述用户移动轨迹，生成热度位置信息并向所述门店推荐；在基于用户移动轨迹和商品关注信息至少一个，生成货架曝光维度的推荐信息向门店或者目标商家进行推荐的过程中，基于所述用户移动轨迹和所述商品关注信息中的货架商品信息，生成货架曝光信息并向所述门店推荐；在基于用户移动轨迹和商品关注信息至少一个，生成商品数量维度的推荐信息向门店或者目标商家进行推荐的过程中，基于所述商品关注信息确定货架的商品数量信息，将所述商品数量信息向所述门店推荐；
在基于用户移动轨迹和商品关注信息至少一个，生成商品活动维度的推荐信息向门店或者目标商家进行推荐的过程中，基于所述用户移动轨迹生成热度位置信息，基于热度位置信息一者或者热度位置信息和所述商品关注信息两者，生成所述门店的门店活动信息并向所述门店推荐；
其中，基于热度位置信息和商品关注信息生成门店活动信息的过程，基于商品关注信息确定货架的商品数量信息，确定商品数量信息中商品数量最大的商品标识，基于所述热度位置信息和所述商品数量最大的商品标识生成推荐信息向所述门店推荐；具体的，推荐信息包括在热度位置信息对应的货架位置陈列所述商品标识对应的商品，以实现对商品的促销。
在基于用户移动轨迹和商品关注信息至少一个，生成货架商品维度的推荐信息向门店或者目标商家进行推荐的过程中，基于商品关注信息生成货架的货架商品信息向所述门店和/或目标商家推荐；在基于用户移动轨迹和商品关注信息至少一个，生成用户轨迹维度的推荐信息向门店或者目标商家进行推荐的过程中，基于所述用户移动轨迹和所述商品关注信息生成目标用户对目标商品的行为信息向所述门店和/或目标商家推荐；在基于用户移动轨迹和商品关注信息至少一个，生成目标商品维度的推荐信息向门店或者目标商家进行推荐的过程中，基于所述商品关注信息确定货架的商品数量信息，确定商品数量信息中商品数量最小的商品标识，向所述商品数量最小的商品标识所属的目标商家或者与所述商品标识对应的关联商家进行商品标识推荐，其中，关联商家包括与商品数量最小的商品标识对应的商品属于同种类的商品所属的商家。
其中，上述基于用户移动轨迹和商品关注信息至少一者，生成至少一个推荐维度的推荐信息，并将推荐信息向门店或者目标商家进行推荐，还可被替换为基于用户移动轨迹生成门店的热度位置信息，以及基于商品关注信息生成货架的货架商品信息，和/或，基于用户移动轨迹和商品关注信息生成门店的商品热度信息，将热度位置信息、货架商品信息和/或商品热度信息向门店或者目标商家进行推荐。此外，还可被替换为，基于用户移动轨迹生成门店的热度位置信息向门店推荐，基于用户移动轨迹和商品关注信息中的货架商品信息生成货架曝光信息并向门店推荐，基于用户移动轨迹生成门店活动信息并向门店推荐，基于商品关注信息生成商品数量信息并向门店推荐，基于用户移动轨迹和商品关注信息生成目标商品的商品售卖过程信息并向目标商品的目标商家推荐，基于商品关注信息生成货架商品信息并向目标商品的目标商家推荐和/或基于商品关注信息确定目标商品的商品数量信息，基于商品数量信息确定售卖状态，基于售卖状态确定商品营销信息并向目标商品的目标商家和/或关联商家进行推荐。
下述以本实施例提供的一种基于多视角图像采集的商品推荐处理方法在监控场景的应用为例，结合图6和图7，对本实施例提供的基于多视角图像采集的商品推荐处理方法进行进一步说明，参见图7，应用于监控场景的基于多视角图像采集的商品推荐处理方法，具体包括步骤S702至步骤S718。
如图6所示，一方面，获取门店对应的采集视角的多监控视角的监控摄像头采集到的视频流集合，对视频流集合中各图像帧进行人体检测及用户重识别，获得用户标识；以及对视频流集合中各图像帧进行视角交集区域计算，确定各监控摄像头的视角交集区域，再根据用户标识和视角交集区域确定用户移动轨迹；另一方面，获取多货架视角采集到的视频流，对视频流中的图像帧进行货架商品检测、人体检测和用户-商品关系识别，获得用户对目标商品的用户行为信息，基于用户移动轨迹和用户行为信息向门店和目标商家进行商品推荐。
步骤S702，获取门店对应的采集视角的摄像头群组采集的视频流集合，以及，获取门店内货架对应的采集视角的摄像头采集的视频流。
步骤S704，对视频流集合中各视频流的图像帧进行人体检测，获得各视频流的图像帧中的用户对象。
步骤S706，对各视频流的图像帧中的用户对象进行用户重识别，获得用户对象的用户标识。
其中，各图像帧中同一用户对象在不同图像帧中的用户标识一致。
步骤S708，在用户标识中筛选出处于摄像头集合中各摄像头的视角交集区域的目标用户标识。
步骤S710，确定各图像帧中目标用户标识的位置坐标，并基于位置坐标，确定目标用户标识对应的用户移动轨迹。
步骤S712，对货架对应的采集视角的摄像头采集的视频流中的图像帧进行货架商品检测，获得货架内的商品分布信息。
步骤S714，对视频流中的图像帧进行人体检测，获得各图像帧中的用户对象。
步骤S716，基于商品分布信息和各图像帧中的用户对象进行用户商品识别，获得用户对目标商品的用户行为信息。
其中，步骤S704至步骤S710和步骤S712至步骤S716在执行过程中的顺序不做限定。
步骤S718，基于用户移动轨迹和用户行为信息，向门店或者目标商家进行商品推荐处理。
其中，向门店的商品推荐处理包括热度位置信息、货架曝光信息、货架商品信息、促销活动信息、货架商品数量提醒信息；向目标商家的商品推荐处理包括用户对目标商品的商品购买过程信息、货架商品信息和/或关联商品比对信息。
本说明书提供的一种基于多视角图像采集的商品推荐处理装置实施例如下：
在上述的实施例中，提供了一种基于多视角图像采集的商品推荐处理方法，与之相对应的，还提供了一种基于多视角图像采集的商品推荐处理装置，下面结合附图进行说明。
参照图8，其示出了本实施例提供的一种基于多视角图像采集的商品推荐处理装置示意图。
由于装置实施例对应于方法实施例，所以描述得比较简单，相关的部分请参见上述提供的方法实施例的对应说明即可。下述描述的装置实施例仅仅是示意性的。
本实施例提供一种基于多视角图像采集的商品推荐处理装置，包括：
视频流获取模块802，被配置为获取门店对应的采集视角的摄像头群组采集的视频流集合，以及所述门店内货架对应的采集视角的摄像头采集的视频流；
信息确定模块804，被配置为根据所述视频流集合中的图像帧确定所述摄像头群组的视角交集区域内的用户移动轨迹，并根据所述视频流中的图像帧确定商品关注信息；
商品推荐模块806，被配置为基于所述用户移动轨迹和所述商品关注信息至少一者，向所述门店或者目标商家进行商品推荐处理。
本说明书提供的一种基于多视角图像采集的商品推荐处理设备实施例如下：
对应上述描述的一种基于多视角图像采集的商品推荐处理方法，基于相同的技术构思，本说明书一个或多个实施例还提供一种基于多视角图像采集的商品推荐处理设备，该基于多视角图像采集的商品推荐处理设备用于执行上述提供的基于多视角图像采集的商品推荐处理方法，图9为本说明书一个或多个实施例提供的一种基于多视角图像采集的商品推荐处理设备的结构示意图。
本实施例提供的一种基于多视角图像采集的商品推荐处理设备，包括：
如图9所示，基于多视角图像采集的商品推荐处理设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器901和存储器902，存储器902中可以存储有一个或一个以上存储应用程序或数据。其中，存储器902可以是短暂存储或持久存储。存储在存储器902的应用程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括基于多视角图像采集的商品推荐处理设备中的一系列计算机可执行指令。更进一步地，处理器901可以设置为与存储器902通信，在基于多视角图像采集的商品推荐处理设备上执行存储器902中的一系列计算机可执行指令。基于多视角图像采集的商品推荐处理设备还可以包括一个或一个以上电源903，一个或一个以上有线或无线网络接口904，一个或一个以上输入/输出接口905，一个或一个以上键盘906等。
在一个具体的实施例中，基于多视角图像采集的商品推荐处理设备包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对基于多视角图像采集的商品推荐处理设备中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：
获取门店对应的采集视角的摄像头群组采集的视频流集合，以及所述门店内货架对应的采集视角的摄像头采集的视频流；
根据所述视频流集合中的图像帧确定所述摄像头群组的视角交集区域内的用户移动轨迹，并根据所述视频流中的图像帧确定商品关注信息；
基于所述用户移动轨迹和所述商品关注信息至少一者，向所述门店或者目标商家进行商品推荐处理。
本说明书提供的一种存储介质实施例如下：
对应上述描述的一种基于多视角图像采集的商品推荐处理方法，基于相同的技术构思，本说明书一个或多个实施例还提供一种存储介质。
本实施例提供的存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被处理器执行时实现以下流程：
获取门店对应的采集视角的摄像头群组采集的视频流集合，以及所述门店内货架对应的采集视角的摄像头采集的视频流；
根据所述视频流集合中的图像帧确定所述摄像头群组的视角交集区域内的用户移动轨迹，并根据所述视频流中的图像帧确定商品关注信息；
基于所述用户移动轨迹和所述商品关注信息至少一者，向所述门店或者目标商家进行商品推荐处理。
需要说明的是，本说明书中关于存储介质的实施例与本说明书中关于基于多视角图像采集的商品推荐处理方法的实施例基于同一发明构思，因此该实施例的具体实施可以参见前述对应方法的实施，重复之处不再赘述。
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20世纪30年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device，PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
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。具体的，计算机例如可以为个人计算机、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何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备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，磁带磁盘存储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。
本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书的一个或多个实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本文件的实施例而已，并不用于限制本文件。对于本领域技术人员来说，本文件可以有各种更改和变化。凡在本文件的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本文件的权利要求范围之内。
Claims (15)
1.一种基于多视角图像采集的商品推荐处理方法，包括：
获取门店对应的采集视角的摄像头群组采集的视频流集合，以及所述门店内货架对应的采集视角的摄像头采集的视频流；
根据所述视频流集合中的图像帧确定所述摄像头群组的视角交集区域内的用户移动轨迹，并根据所述视频流中的图像帧确定商品关注信息；
基于所述用户移动轨迹和所述商品关注信息至少一者，向所述门店或者目标商家进行商品推荐处理。
2.根据权利要求1所述的基于多视角图像采集的商品推荐处理方法，所述根据所述视频流集合中的图像帧确定所述摄像头群组的视角交集区域内的用户移动轨迹，包括：
对所述视频流集合中各视频流的图像帧进行识别处理，获得各视频流的图像帧中的用户标识；
基于所述用户标识确定所述视角交集区域内的目标用户标识，并确定所述目标用户标识的位置坐标；
基于所述位置坐标，确定所述目标用户标识对应的用户移动轨迹。
3.根据权利要求2所述的基于多视角图像采集的商品推荐处理方法，所述对所述视频流集合中各视频流的图像帧进行识别处理，获得各视频流的图像帧中的用户标识，包括：
对所述各视频流的图像帧进行人体检测，获得所述各视频流的图像帧中的用户对象；
对所述各视频流的图像帧中的用户对象进行用户重识别，获得所述用户对象的用户标识。
4.根据权利要求3所述的基于多视角图像采集的商品推荐处理方法，所述确定所述目标用户标识的位置坐标，包括：
将所述目标用户标识在对应图像帧中的图像位置坐标，映射至所述视角交集区域对应的坐标系中，获得所述目标用户标识的位置坐标。
5.根据权利要求1所述的基于多视角图像采集的商品推荐处理方法，所述根据所述视频流中的图像帧确定商品关注信息，包括：
对比所述视频流中预设时间间隔的关联图像帧，获得所述关联图像帧中差异特征对应的图像特征块；
基于所述图像特征块，确定用户行为信息以及与所述图像特征块具有对应关系的商品标识，将所述商品标识和所述用户行为信息确定为所述商品关注信息。
6.根据权利要求5所述的基于多视角图像采集的商品推荐处理方法，所述对应关系，采用如下方式建立：
对所述关联图像帧进行商品检测处理，获得所述关联图像帧中各商品的商品标识；
建立所述各商品的商品标识与所述关联图像帧的图像特征块的对应关系；
或者，
对所述图像特征块进行商品检测处理，获得与所述图像特征块具有对应关系的商品标识。
7.根据权利要求5所述的基于多视角图像采集的商品推荐处理方法，所述用户行为信息，采用如下方式确定：
若所述图像特征块中后一时间点的图像特征块中商品数量小于前一时间点的图像特征块中商品数量，确定所述用户行为信息为取货动作信息；
若所述图像特征块中后一时间点的图像特征块中商品数量大于前一时间点的图像特征块中商品数量，确定所述用户行为信息为放货动作信息。
8.根据权利要求5所述的基于多视角图像采集的商品推荐处理方法，所述用户行为信息，采用如下方式确定：
将所述图像特征块输入动作检测模型进行动作检测，输出目标商品的商品处理动作作为所述用户行为信息。
9.根据权利要求1所述的基于多视角图像采集的商品推荐处理方法，还包括：
对所述视频流集合中的图像帧和所述视频流中的图像帧进行用户重识别，获得图像帧中的用户标识；
基于所述用户标识和所述商品关注信息，对所述用户移动轨迹进行目标商品的商品标识标记。
10.根据权利要求9所述的基于多视角图像采集的商品推荐处理方法，还包括：
基于采集的用户特征图像，识别进行商品标识标记的目标用户的用户身份信息；
基于所述用户身份信息关联的用户账户对所述目标商品进行商品支付处理。
11.根据权利要求1所述的基于多视角图像采集的商品推荐处理方法，所述基于所述用户移动轨迹和所述商品关注信息至少一者，向所述门店或者目标商家进行商品推荐处理，包括：
基于所述用户移动轨迹和所述商品关注信息至少一者，生成至少一个推荐维度的推荐信息，并将所述推荐信息向所述门店或者所述目标商家进行推荐；
其中，所述推荐维度，包括：访问热度维度，货架曝光维度，商品数量维度，商品活动维度，货架商品维度，用户轨迹维度，和/或，目标商品维度。
12.根据权利要求1所述的基于多视角图像采集的商品推荐处理方法，所述目标商家基于目标商品确定；所述目标商品包括所述货架中的商品；所述目标商家包括所述目标商品的商品提供方和/或所述目标商品的相似商品的商品提供方。
13.一种基于多视角图像采集的商品推荐处理装置，包括：
视频流获取模块，被配置为获取门店对应的采集视角的摄像头群组采集的视频流集合，以及所述门店内货架对应的采集视角的摄像头采集的视频流；
信息确定模块，被配置为根据所述视频流集合中的图像帧确定所述摄像头群组的视角交集区域内的用户移动轨迹，并根据所述视频流中的图像帧确定商品关注信息；
商品推荐模块，被配置为基于所述用户移动轨迹和所述商品关注信息至少一者，向所述门店或者目标商家进行商品推荐处理。
14.一种基于多视角图像采集的商品推荐处理设备，包括：
处理器；以及，
被配置为存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器：
获取门店对应的采集视角的摄像头群组采集的视频流集合，以及所述门店内货架对应的采集视角的摄像头采集的视频流；
根据所述视频流集合中的图像帧确定所述摄像头群组的视角交集区域内的用户移动轨迹，并根据所述视频流中的图像帧确定商品关注信息；
基于所述用户移动轨迹和所述商品关注信息至少一者，向所述门店或者目标商家进行商品推荐处理。
15.一种存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被处理器执行时实现以下流程：
获取门店对应的采集视角的摄像头群组采集的视频流集合，以及所述门店内货架对应的采集视角的摄像头采集的视频流；
根据所述视频流集合中的图像帧确定所述摄像头群组的视角交集区域内的用户移动轨迹，并根据所述视频流中的图像帧确定商品关注信息；
基于所述用户移动轨迹和所述商品关注信息至少一者，向所述门店或者目标商家进行商品推荐处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210744783.9A CN115049964A (zh) | 2022-06-28 | 2022-06-28 | 基于多视角图像采集的商品推荐处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210744783.9A CN115049964A (zh) | 2022-06-28 | 2022-06-28 | 基于多视角图像采集的商品推荐处理方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115049964A true CN115049964A (zh) | 2022-09-13 |
Family
ID=83164278
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210744783.9A Pending CN115049964A (zh) | 2022-06-28 | 2022-06-28 | 基于多视角图像采集的商品推荐处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115049964A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115546703A (zh) * | 2022-11-21 | 2022-12-30 | 浙江莲荷科技有限公司 | 自助收银的风险识别方法、装置、设备及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109033985A (zh) * | 2018-06-29 | 2018-12-18 | 百度在线网络技术（北京）有限公司 | 商品识别的处理方法、装置、设备、系统及存储介质 |
| CN109977823A (zh) * | 2019-03-15 | 2019-07-05 | 百度在线网络技术（北京）有限公司 | 行人识别跟踪方法、装置、计算机设备和存储介质 |
| CN110895768A (zh) * | 2018-09-13 | 2020-03-20 | 阿里巴巴集团控股有限公司 | 一种数据处理方法、设备、系统及存储介质 |
| CN111382650A (zh) * | 2018-12-28 | 2020-07-07 | 阿里巴巴集团控股有限公司 | 商品购物处理系统、方法、装置及电子设备 |
| CN113239874A (zh) * | 2021-06-01 | 2021-08-10 | 平安科技（深圳）有限公司 | 基于视频图像的行为姿态检测方法、装置、设备及介质 |
| CN113793362A (zh) * | 2021-09-22 | 2021-12-14 | 清华大学 | 基于多镜头视频的行人轨迹提取方法和装置 |
| CN114022941A (zh) * | 2021-11-18 | 2022-02-08 | 陕西科技大学 | 一种基于人脸识别技术的商品推荐系统 |
-
2022
- 2022-06-28 CN CN202210744783.9A patent/CN115049964A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109033985A (zh) * | 2018-06-29 | 2018-12-18 | 百度在线网络技术（北京）有限公司 | 商品识别的处理方法、装置、设备、系统及存储介质 |
| CN110895768A (zh) * | 2018-09-13 | 2020-03-20 | 阿里巴巴集团控股有限公司 | 一种数据处理方法、设备、系统及存储介质 |
| CN111382650A (zh) * | 2018-12-28 | 2020-07-07 | 阿里巴巴集团控股有限公司 | 商品购物处理系统、方法、装置及电子设备 |
| CN109977823A (zh) * | 2019-03-15 | 2019-07-05 | 百度在线网络技术（北京）有限公司 | 行人识别跟踪方法、装置、计算机设备和存储介质 |
| CN113239874A (zh) * | 2021-06-01 | 2021-08-10 | 平安科技（深圳）有限公司 | 基于视频图像的行为姿态检测方法、装置、设备及介质 |
| CN113793362A (zh) * | 2021-09-22 | 2021-12-14 | 清华大学 | 基于多镜头视频的行人轨迹提取方法和装置 |
| CN114022941A (zh) * | 2021-11-18 | 2022-02-08 | 陕西科技大学 | 一种基于人脸识别技术的商品推荐系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115546703A (zh) * | 2022-11-21 | 2022-12-30 | 浙江莲荷科技有限公司 | 自助收银的风险识别方法、装置、设备及存储介质 |
| CN115546703B (zh) * | 2022-11-21 | 2023-04-07 | 浙江莲荷科技有限公司 | 自助收银的风险识别方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Sahu et al. | Artificial intelligence (AI) in augmented reality (AR)-assisted manufacturing applications: a review | |
| US11195146B2 (en) | Systems and methods for deep learning-based shopper tracking | |
| US10614514B2 (en) | Computer vision system and method for automatic checkout | |
| TWI773797B (zh) | 用以追蹤真實空間之區域中的多關節主體之系統，方法及電腦程式產品 | |
| Loy et al. | Crowd counting and profiling: Methodology and evaluation | |
| Zhang et al. | Toward new retail: A benchmark dataset for smart unmanned vending machines | |
| Liciotti et al. | Shopper analytics: A customer activity recognition system using a distributed RGB-D camera network | |
| US20160225053A1 (en) | Mobile visual commerce system | |
| Chun et al. | Human action recognition using histogram of motion intensity and direction from multiple views | |
| Li et al. | Robust event-based object tracking combining correlation filter and CNN representation | |
| Karasulu et al. | A software for performance evaluation and comparison of people detection and tracking methods in video processing | |
| CN115249356B (zh) | 识别方法、装置、设备及存储介质 | |
| CN115049964A (zh) | 基于多视角图像采集的商品推荐处理方法及装置 | |
| US20230111437A1 (en) | System and method for content recognition and data categorization | |
| KR102400172B1 (ko) | 시선추적에 기초하여 상품을 추천하기 위한 방법 및 시스템 | |
| Nguyen et al. | When AI meets store layout design: a review | |
| WO2020117578A1 (en) | Detecting motion in video using motion vectors | |
| Kalampokas et al. | Performance benchmark of deep learning human pose estimation for UAVs | |
| Fang et al. | ModelNet-O: A large-scale synthetic dataset for occlusion-aware point cloud classification | |
| Makita et al. | Mixed reality navigation on a tablet computer for supporting machine maintenance in wide-area indoor environment | |
| Sicre et al. | Human behaviour analysis and event recognition at a point of sale | |
| US20140140573A1 (en) | Pose Tracking through Analysis of an Image Pyramid | |
| Ben abdel ouahab et al. | A smart surveillance prototype ensures the respect of social distance during COVID19 | |
| Novkovic et al. | CLUBS: An RGB-D dataset with cluttered box scenes containing household objects | |
| Ou et al. | Calibration-free and deep-learning-based customer gaze direction detection technology based on the YOLOv3-tiny model for smart advertising displays |
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 |