CN115424176A - 目标对象的确定方法、装置、计算机设备和存储介质 - Google Patents
目标对象的确定方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN115424176A CN115424176A CN202211070954.0A CN202211070954A CN115424176A CN 115424176 A CN115424176 A CN 115424176A CN 202211070954 A CN202211070954 A CN 202211070954A CN 115424176 A CN115424176 A CN 115424176A
- Authority
- CN
- China
- Prior art keywords
- type
- type object
- determining
- target
- behavior characteristics
- 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
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computational Linguistics (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种目标对象的确定方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括:通过对目标区域内的视频图像数据进行识别,确定视频图像数据包含的至少一个第一类型对象;采集各第一类型对象在目标区域内的轨迹数据,基于轨迹数据确定各第一类型对象的行为特征;在各第一类型对象中,将行为特征满足预设主客条件的第一类型对象确定为目标对象。通过采用本方法,可以自动化地确定一个批次内的主要决策人员,保证目标对象确定的准确性,为后续进行数据分析提供精准的数据支撑。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种目标对象的确定方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着科技的发展,出现了客流系统。该客流系统可以对进入目标区域内的客流进行统计,得到多个批次的客流。
相关技术中,会对各批次的客流中的所有顾客的行为特征进行分析,得到销售结果与行为特征的分析结果。但是,同一批次内往往包括多位顾客,包括主要顾客和陪同人员,批次内的所有顾客并不都是决策人员,导致销售结果与行为特征的分析结果出现误差,较为不准确。因此,需要对一个批次内的主要顾客进行识别。
发明内容
基于此,有必要针对上述技术问题,提供一种能够确定目标对象的目标对象的确定方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种目标对象的确定方法。所述方法包括:
对目标区域内的视频图像数据进行识别,确定所述视频图像数据包含的至少一个第一类型对象;
采集各所述第一类型对象在所述目标区域内的轨迹数据,基于所述轨迹数据确定各所述第一类型对象的行为特征;
在各所述第一类型对象中,将行为特征满足预设主客条件的第一类型对象确定为目标对象。
在其中一个实施例中,所述对目标区域内的视频图像数据进行识别,确定所述视频图像数据包含的至少一个第一类型对象,包括:
对目标区域内的视频图像数据进行识别,得到所述视频图像数据包含的多个初始对象;
确定各所述初始对象的类型信息,将所述类型信息为第一类型的初始对象作为第一类型对象。
在其中一个实施例中,所述行为特征包括接待时长,所述接待时长包括第一接待时长以及第二接待时长;
所述采集各所述第一类型对象在所述目标区域内的轨迹数据,基于所述轨迹数据确定各所述第一类型对象的行为特征,包括:
获取所述目标区域内的第二类型对象的轨迹数据;
针对每一个第一类型对象,根据所述第一类型对象的轨迹数据以及第一身份等级对应的第二类型对象的轨迹数据,计算所述第一类型对象的第一接待时长,以及根据所述第一类型对象的轨迹数据以及第二身份等级对应的第二类型对象的轨迹数据,计算所述第一类型对象的第二接待时长,所述第一身份等级大于所述第二身份等级;
所述在所述各第一类型对象中,将行为特征满足预设主客条件的第一类型对象确定为目标对象,包括:
如果存在接待时长满足预设接待条件的第一类型对象,则在各所述第一类型对象对应的所述第一接待时长中,确定最大的第一接待时长;
如果所述最大的第一接待时长大于或者等于第一时长阈值,则将所述最大的第一接待时长对应的所述第一类型对象确定为所述目标对象。
在其中一个实施例中,所述方法还包括:
如果所述最大的第一接待时长小于所述第一时长阈值,则在各所述第一类型对象对应的所述第二接待时长中,确定最大的第二接待时长;
在所述最大的第一接待时长大于所述最大的第二接待时长,则将所述最大的第一接待时长对应的所述第一类型对象确定为所述目标对象;
在所述最大的第一接待时长小于所述最大的第二接待时长,则将所述最大的第二接待时长对应的所述第一类型对象确定为所述目标对象。
在其中一个实施例中,所述行为特征还包括使用行为特征以及浏览行为特征;
所述方法还包括:
如果不存在接待时长满足预设接待条件的第一类型对象,则获取各所述第一类型对象的使用行为特征;
如果存在使用行为特征满足预设使用条件的第一类型对象,则在各所述第一类型对象的使用行为特征中,确定特征值最大的使用行为特征,将所述特征值最大的使用行为特征对应的第一类型对象作为所述目标对象;
如果不存在使用行为特征满足预设使用条件的第一类型对象,则获取各所述第一类型对象的浏览行为特征;
如果存在浏览行为特征满足预设浏览条件的第一类型对象,则在各所述第一类型对象的浏览行为特征中,确定特征值最大的浏览行为特征,将所述特征值最大的浏览行为特征对应的第一类型对象作为所述目标对象;
如果不存在浏览行为特征满足预设浏览条件的第一类型对象,则确定所述目标区域内的视频图像数据中不存在目标对象。
在其中一个实施例中,所述方法还包括:
将所述类型信息为第二类型的初始对象作为第二类型对象,并获取所述第二类型对象的目标身份标识;
根据预设的身份标识与身份等级的对应关系,确定所述目标身份标识对应的目标身份等级。
第二方面,本申请还提供了一种目标对象的确定装置。所述装置包括:
第一确定模块,用于对目标区域内的视频图像数据进行识别,确定所述视频图像数据包含的至少一个第一类型对象;
第二确定模块,用于采集各所述第一类型对象在所述目标区域内的轨迹数据,基于所述轨迹数据确定各所述第一类型对象的行为特征;
第三确定模块,用于在各所述第一类型对象中,将行为特征满足预设主客条件的第一类型对象确定为目标对象。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
对目标区域内的视频图像数据进行识别,确定所述视频图像数据包含的至少一个第一类型对象;
采集各所述第一类型对象在所述目标区域内的轨迹数据,基于所述轨迹数据确定各所述第一类型对象的行为特征;
在各所述第一类型对象中,将行为特征满足预设主客条件的第一类型对象确定为目标对象。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
对目标区域内的视频图像数据进行识别,确定所述视频图像数据包含的至少一个第一类型对象;
采集各所述第一类型对象在所述目标区域内的轨迹数据,基于所述轨迹数据确定各所述第一类型对象的行为特征;
在各所述第一类型对象中,将行为特征满足预设主客条件的第一类型对象确定为目标对象。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
对目标区域内的视频图像数据进行识别,确定所述视频图像数据包含的至少一个第一类型对象;
采集各所述第一类型对象在所述目标区域内的轨迹数据,基于所述轨迹数据确定各所述第一类型对象的行为特征;
在各所述第一类型对象中,将行为特征满足预设主客条件的第一类型对象确定为目标对象。
上述目标对象的确定方法、装置、计算机设备、存储介质和计算机程序产品,该方法包括:通过对目标区域内的视频图像数据进行识别,确定视频图像数据包含的至少一个第一类型对象;采集各第一类型对象在目标区域内的轨迹数据,基于轨迹数据确定各第一类型对象的行为特征;在各第一类型对象中,将行为特征满足预设主客条件的第一类型对象确定为目标对象。通过采用本公开实施例所提供的方法,可以自动化地确定一个批次内的主要决策人员,保证目标对象确定的准确性,为后续进行数据分析提供精准的数据支撑。
附图说明
图1为一个实施例中目标对象的确定方法的流程示意图;
图2为一个实施例中确定第一类型对象步骤的流程示意图;
图3为一个实施例中计算接待时长步骤的流程示意图;
图4为一个实施例中确定目标对象步骤的流程示意图;
图5为一个实施例中确定目标对象步骤的流程示意图;
图6为一个实施例中确定目标对象步骤的流程示意图;
图7为一个实施例中确定目标身份等级步骤的流程示意图;
图8为一个实施例中目标对象的确定装置的结构框图;
图9为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种目标对象的确定方法,本实施例以该方法应用于终端进行举例说明,可以理解的是,该方法也可以应用于服务器,还可以应用于包括终端和服务器的系统,并通过终端和服务器的交互实现,上述终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等,服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。本实施例中,该目标对象的确定方法包括以下步骤:
步骤102,对目标区域内的视频图像数据进行识别,确定视频图像数据包含的至少一个第一类型对象。
其中,目标区域可以是位于不同位置的销售店铺,目标区域内的视频图像数据包含一个或多个视频帧,该目标区域内的视频图像数据包含的对象具备多种类型。例如可以是用户类型,该用户类型可以包含工作人员类型以及客户类型。
具体地,终端可以获取预设时间段内的视频图像数据,并对该视频图像数据中包含的多种类型的对象进行识别,确定该视频图像数据内包含的一个或者多个第一类型对象。在一个示例中,目标区域可以是任意一个销售店铺,例如可以是销售车辆的店铺,第一类型对象可以是到访该销售车辆的店铺的客户。这样,终端需要获取该销售车辆的店铺对应的预设时间段内的视频图像数据,确定该视频图像数据中包含的一个或者多个对象。
步骤104,采集各第一类型对象在目标区域内的轨迹数据,基于轨迹数据确定各第一类型对象的行为特征。
其中,轨迹数据可以是第一类型对象在目标区域内的移动轨迹信息以及移动轨迹对应的时间信息。第一类型对象的行为特征可以包括被接待时长、使用行为特征、浏览行为特征等等。
具体地,针对于多个第一类型对象,终端可以将满足预设的同一批次条件的多个第一类型对象确定为属于同一批次内的多个第一类型对象。终端可以获取目标批次内包含的多个第一类型对象在目标区域内的轨迹数据,基于此,终端可以基于各第一类型对象在目标区域内的移动轨迹信息以及移动轨迹对应的时间信息进行计算,得到各第一类型对象分别对应的行为特征。
例如,行为特征可以是浏览行为特征,浏览行为特征例如可以是浏览时长。这样,这样终端可以获取目标区域内的销售对象的坐标信息,基于该第一类型对象在目标区域内的移动轨迹信息、该移动轨迹对应的时间信息以及目标区域内的销售对象的坐标信息,确定该第一类型对象对应的浏览时长。其中,该移动轨迹信息可以包括多个位置信息,这样,移动轨迹对应的时间信息为各个位置信息分别对应的时间。终端可以基于第一类型对象的多个位置与目标区域内的销售对象的坐标信息,分别进行计算,得到多个距离信息。终端可以根据距离信息小于预设距离阈值的位置,对应的时间信息,确定该第一类型对象的浏览时长。
在一个示例中,终端对目标区域内的视频图像数据进行识别,确定视频图像数据包含的多个第一类型对象,终端可以基于预设的同一批次条件,对多个第一类型对象进行批次划分,将满足预设的同一批次条件的多个第一类型对象划分至同一批次内,得到多个批次,预设的同一批次条件用于判断多个对象是否属于同一批次。
一种可能的判断过程可以是:终端可以确定各第一类型的对象的进入该目标区域的时间,并计算各第一类型的对象的时间差值,将时间小于预设时间阈值的第一类型对象确定为满足预设的同一批次条件的多个第一类型对象。
另一种可能的判断过程可以是,终端可以确定各第一类型的对象的进入该目标区域的时间,并计算各第一类型的对象的时间差值,将时间小于预设时间阈值的第一类型对象确定为初始批次。这样,终端可以对该初始批次内的各第一类型对象的到访目标区域的目的进行分类,将到访目标区域的目的相同的各第一类型对象确定为同一批次的对象。
目标批次可以是通过上述实施例的方法得到的多个批次中的任意一种,也可以是基于实际应用场景确定的,本实施例对此不作具体限定,本领域技术人员可以基于实际情况确定。
步骤106,在各第一类型对象中,将行为特征满足预设主客条件的第一类型对象确定为目标对象。
其中,预设主客条件用于判断多个第一类型对象中的进行主要决策的对象。
具体地,终端可以基于各第一类型对象的行为特征进行判断,将行为特征满足预设主客条件的第一类型对象作为目标对象。
上述目标对象的确定方法中,通过对目标区域内的视频图像数据进行识别,确定视频图像数据包含的至少一个第一类型对象;采集各第一类型对象在目标区域内的轨迹数据,基于轨迹数据确定各第一类型对象的行为特征;在各第一类型对象中,将行为特征满足预设主客条件的第一类型对象确定为目标对象。通过采用本方法,可以自动化地确定一个批次内的主要决策人员,保证目标对象确定的准确性,为后续进行数据分析提供精准的数据支撑。
在一个实施例中,如图2所示,步骤102“对目标区域内的视频图像数据进行识别,确定视频图像数据包含的至少一个第一类型对象”的具体处理过程,包括:
步骤202,对目标区域内的视频图像数据进行识别,得到视频图像数据包含的多个初始对象。
其中,初始对象包含多种类型的对象,例如第一类型对象以及第二类型对象。
具体地,终端可以通过视频采集装置得到目标区域内的视频图像数据,这样,终端可以通过预设的人脸识别算法,得到该视频图像数据中包含的多个初始对象,该视频图像数据中包含的初始对象可以是同一类型的对象,也可以包含多个不同类型的对象。
可选地,预设的人脸识别算法可以是特征脸方法等等,人脸识别算法可以由本领域技术人员根据实际应用场景确定,本实施例对此不作限定。
步骤204,确定各初始对象的类型信息,将类型信息为第一类型的初始对象作为第一类型对象。
其中,初始对象的类型信息可以包括第一类型以及第二类型。第一类型可以是客户类型,第二类型可以是工作人员类型。
具体地,终端可以基于各初始对象的特征信息,确定各初始对象的类型信息。终端可以将类型信息为第一类型的初始对象作为第一类型对象。
在一个示例中,第一类型可以是客户类型,第一类型对象为客户。这样,终端可以将为客户类型的初始对象作为第一类型对象。其中,初始对象的特征信息可以是人脸特征信息。终端预先为目标区域内的多个第二类型对象的人脸特征信息建立特征数据库。这样,在终端获取到的初始对象的人脸特征信息后,可以在预先建立的特征数据库中进行查找或者匹配。如果未查找到相匹配的人脸特征对象,则确定该初始对象非第二类型对象,并确定该初始对象为第一类型对象。
可选地,初始对象的特征信息还可以是其他类型的特征信息,例如服饰特征信息,判断过程与上述实施例描述的过程类似,在此不再赘述。
本实施例中,能够达到对视频图像数据中初始对象进行精准分类,实现对视频数据包含的第一类型对象的准确提取。
在一个实施例中,行为特征包括接待时长,接待时长包括第一接待时长以及第二接待时长。
具体地,接待时长是第一类型对象被第二类型对象接待的时长。由于目标区域内的第二类型对象存在多种身份等级,各身份等级对应该第二类型对象在目标区域内的不同职务内容,因此接待时长包括被不同身份等级的第二类型对象接待的时长,即第一接待时长以及第二接待时长。
第一接待时长可以是第一类型对象被第一身份等级的第二类型对象接待的时长,第二接待时长可以是第一类型对象被第二身份等级的第二类型对象接待的时长,第一身份等级大于第二身份等级。
相应地,如图3所示,步骤“采集各第一类型对象在目标区域内的轨迹数据,基于轨迹数据确定各第一类型对象的行为特征”的具体处理过程,包括:
步骤302,获取目标区域内的第二类型对象的轨迹数据。
具体地,终端需要获取多个第二类型对象在目标区域内进行移动的轨迹数据。目标区域内配置有多个第二类型对象,终端可以获取目标区域内配置的所有的第二类型对象的轨迹数据。
步骤304,针对每一个第一类型对象,根据第一类型对象的轨迹数据以及第一身份等级对应的第二类型对象的轨迹数据,计算第一类型对象的第一接待时长,以及根据第一类型对象的轨迹数据以及第二身份等级对应的第二类型对象的轨迹数据,计算第一类型对象的第二接待时长。
具体地,轨迹数据包含移动轨迹信息以及移动轨迹对应的时间信息,该移动轨迹信息包括多个位置信息,该时间信息包括各位置信息对应的时间节点信息。
针对于每一个第一类型对象,终端可以基于该第一类型对象的移动轨迹信息以及各第一身份等级的第二类型对象的移动轨迹信息,计算第一类型对象与各第一身份等级的第二类型对象的距离信息。针对于每一个第一身份等级的第二类型对象,终端可以基于距离信息小于预设距离阈值的移动轨迹信息对应的时间节点信息进行处理,计算得到该第一类型对象被该第一身份等级的第二类型对象接待时长,即第一接待时长。
通过类似的过程,可以得到该第一类型对象被该第二身份等级的第二类型对象接待时长,即第二接待时长,在此不再赘述。
基于以上实施例描述的第一接待时长以及第二接待时长,在一实施例中,如图4所示,步骤“在各第一类型对象中,将行为特征满足预设主客条件的第一类型对象确定为目标对象”的具体处理过程,包括:
步骤402,如果存在接待时长满足预设接待条件的第一类型对象,则在各第一类型对象对应的第一接待时长中,确定最大的第一接待时长。
其中,预设接待条件可以是第一接待时长大于第二时长阈值,例如,第二时长阈值可以是零。
具体地,终端可以获取各第一类型对象的第一接待时长,并基于该各第一类型对象的第一接待时长,判断是否存在满足预设接待条件的第一类型对象,判断的具体过程可以是:终端在各第一类型对象的第一接待时长中,如果确定存在第一接待时长大于第二时长阈值的第一类型对象,则确定存在接待时长满足预设接待条件的第一类型对象。这样,终端可以在各第一类型对象对应的第一接待时长中,确定最大的第一接待时长。
可选地,终端在各第一类型对象对应的第一接待时长中,如果存在大于零的第一接待时长,即如果存在被第二类型对象接待过的第一类型对象,则确定存在满足预设接待条件的第一类型对象。
步骤404,如果最大的第一接待时长大于或者等于第一时长阈值,则将最大的第一接待时长对应的第一类型对象确定为目标对象。
其中,第一时长阈值的具体值可以是根据实际应用场景确定的,例如可以是十分钟,本实施例对此不作具体限定。
具体地,终端可以将最大的第一接待时长与第一时长阈值进行比较,得到比较结果,如果终端确定最大的第一接待时长大于或者等于第一时长阈值,则终端可以确定最大的第一接待时长对应的第一类型对象确定为目标对象,即被第一身份等级的第二类型对象接待的时长最长的第一类型对象为目标对象。
本实施例中,能够达到准确确定目标对象的效果。
在一个实施例中,如图5所示,该目标对象的确定方法还包括:
步骤502,如果最大的第一接待时长小于第一时长阈值,则在各第一类型对象对应的第二接待时长中,确定最大的第二接待时长。
具体地,如果终端确定最大的第一接待时长小于第一时长阈值,这样,终端需要获取各第一类型对象对应的各第二接待时长,也就是说,在最大的第一接待时长小于第一时长阈值的情况下,终端需要获取各第一类型对象的被第二身份等级接待的时长。以及,终端需要在各第一类型对象对应的各第二接待时长中,确定最大的第二接待时长。
步骤504,在最大的第一接待时长大于最大的第二接待时长,则将最大的第一接待时长对应的第一类型对象确定为目标对象。
具体地,终端可以对最大的第一接待时长与最大的第二接待时长进行比较如果最大的第一接待时长大于最大的第二接待时长,则将最大的第一接待时长对应的第一类型对象确定为目标对象。
步骤506,在最大的第一接待时长小于最大的第二接待时长,则将最大的第二接待时长对应的第一类型对象确定为目标对象。
具体地,终端可以对最大的第一接待时长与最大的第二接待时长进行比较如果最大的第一接待时长小于最大的第二接待时长,则将最大的第二接待时长对应的第一类型对象确定为目标对象。
可选地,如果最大的第一接待时长等于最大的第二接待时长,则终端可以随机从最大的第一接待时长对应的第一类型对象与最大的第二接待时长对应的第一类型对象中根据随机策略,随机确定一个第一类型对象作为目标对象。
本实施例中,可以准确地高效地确定目标对象。
在一个实施例中,行为特征还包括使用行为特征以及浏览行为特征。
具体地,使用行为特征表征第一类型对象使用目标区域内的销售对象的时长,例如可以是试驾车辆时长;浏览行为特征表征第一类型对象浏览目标区域内的销售对象的时长,例如可以是看车时长。
相应地,如图6所示,该目标对象的确定方法还包括:
步骤602,如果不存在接待时长满足预设接待条件的第一类型对象,则获取各第一类型对象的使用行为特征。
具体地,如果终端确定各第一类型对象的接待时长中不存在满足预设接待条件的第一类型对象,则确定各第一类型对象均没有被第二类型对象进行接待,那么,终端可以获取各第一类型对象的使用行为特征,即各第一类型对象使用目标区域内的销售对象的时长。
步骤604,如果存在使用行为特征满足预设使用条件的第一类型对象,则在各第一类型对象的使用行为特征中,确定特征值最大的使用行为特征,将特征值最大的使用行为特征对应的第一类型对象作为目标对象。
其中,预设使用条件为大于或者等于第三时长阈值,例如,第三时长阈值可以是零。
具体地,终端可以对各第一类型对象的使用行为特征是否满足预设使用条件进行判断,判断过程可以是:终端将各第一类型对象的使用行为特征与预设的第三时长阈值进行比较,如果存在大于该第三时长阈值的使用行为特征,则确定存在满足预设使用条件的第一类型对象。这样,终端可以在各第一类型对象的使用行为特征中进行时长的值的大小的比较,确定特征值最大的使用行为特征,将特征值最大的使用行为特征对应的第一类型对象作为目标对象。
在一个示例中,使用行为特征可以是试驾车辆时长,如果终端确定存在试驾车辆时长大于零的第一类型对象,那么终端可以确定存在使用行为特征满足预设使用条件的第一类型对象。这样,终端可以对各第一类型对象的试驾车辆时长的值的大小进行比较,将最大的时长值对应的第一类型对象作为目标对象。
步骤606,如果不存在使用行为特征满足预设使用条件的第一类型对象,则获取各第一类型对象的浏览行为特征。
具体地,终端可以对各第一类型对象的使用行为特征是否满足预设使用条件进行判断,如果不存在大于该第三时长阈值的使用行为特征,则确定不存在满足预设使用条件的第一类型对象。这样,终端需要获取各第一类型对象的浏览行为特征。
步骤608,如果存在浏览行为特征满足预设浏览条件的第一类型对象,则在各第一类型对象的浏览行为特征中,确定特征值最大的浏览行为特征,将特征值最大的浏览行为特征对应的第一类型对象作为目标对象。
其中,预设浏览条件为大于或者等于第三时长阈值,例如,第三时长阈值可以是零。
具体地,终端可以对各第一类型对象的浏览行为特征是否满足预设浏览条件进行判断,判断过程可以是:终端将各第一类型对象的浏览行为特征与预设的第三时长阈值进行比较,如果存在大于该第三时长阈值的浏览行为特征,则确定存在满足预设浏览条件的第一类型对象。这样,终端可以在各第一类型对象的浏览行为特征中进行时长的值的大小的比较,确定特征值最大的浏览行为特征,并将特征值最大的浏览行为特征对应的第一类型对象作为目标对象。
在一个示例中,浏览行为特征可以是浏览车辆时长,如果终端确定存在浏览车辆时长大于零的第一类型对象,那么终端可以确定存在浏览行为特征满足预设浏览条件的第一类型对象。这样,终端可以对各第一类型对象的浏览车辆时长的值的大小进行比较,将最大的时长值对应的第一类型对象作为目标对象。
步骤610,如果不存在浏览行为特征满足预设浏览条件的第一类型对象,则确定目标区域内的视频图像数据中不存在目标对象。
具体地,如果终端确定不存在浏览行为特征满足预设浏览条件的第一类型对象,则确定目标区域内的视频图像数据中包含的多个第一类型对象中不存在目标对象。
在一个实施例中,如图7所示,该目标对象的确定方法还包括:
步骤702,将类型信息为第二类型的初始对象作为第二类型对象,并获取第二类型对象的目标身份标识。
具体地,终端可以将类型信息为第二类型的初始对象作为第二类型对象,并获取第二类型对象的目标身份标识信息。
步骤704,根据预设的身份标识与身份等级的对应关系,确定目标身份标识对应的目标身份等级。
具体地,预设的身份标识与身份等级的对应关系可以是由终端预先设置的,并可以进行实时更新的映射关系表。这样,终端可以在预设的身份标识与身份等级的对应关系,查询该目标身份标识对应的目标身份等级。
以下结合一个实施例描述目标对象的确定方法的具体执行过程:
终端可以获取目标区域的视频图像数据,并对该视频图像数据的用户以及车辆进行识别。对于识别到的用户,终端可以确定该用户的类型信息,例如可以是第一类型对象(客户),也可以是第二类型对象(工作人员)。如果终端确定该用户为第二类型对象,则可以获取该第二类型对象的身份标识信息,并基于预先配置的身份标识与身份等级的对应关系,确定该第二类型对象的身份标识信息对应的身份等级,例如,可以是第一身份等级(主管),也可以是第二身份等级(职员)。如果终端确定该用户为第一类型对象,则可以为该第一类型对象分配身份标识信息。
其中,预先配置的身份标识与身份等级的对应关系可以包含目标区域内所有第二类型对象的身份标识信息以及与该第二类型对象对应的基本信息,例如身份等级信息、名称信息以及性别信息等等,该预先配置的身份标识与身份等级的对应关系可以基于运维人员的触发操作,进行实时更新,从而可以保证身份等级的确定过程的准确性。
可选地,第一身份等级可以是领导等级,例如可以是经理、总监、副总经理、总经理等等。第二身份等级可以是普通工作人员,例如展厅销售顾问、电话销售等等。还可以存在第三身份等级,是目标区域内不同于第一身份等级,也不同于第二身份等级的其他工作人员。第一身份等级高于第二身份等级。
这样,对于视频图像数据中的第二类型对象,终端可以在确定为第二类型对象后,获取该第二类型对象的身份标识信息,并确定该身份标识信息对应的身份等级信息。
具体地,第一类型对象的行为特征中的接待时长表征的是第一类型对象被第二类型对象进行接待的时间长度,如果第一类型对象的接待时长不为零,则确定该第一类型对象被第二类型对象接待过。浏览行为特征是第一类型对象对目标区域内的目标销售对象进行浏览的时长,使用行为特征是第一类型对象对目标区域内的目标销售对象进行使用的时长。
这样,终端可以对第一类型对象的接待时长进行判断,如果存在被第二类型对象接待过的第一类型对象,终端可以在各第一类型对象的第一接待时长中,确定是否存在第一接待时长大于第一时长阈值的第一类型对象,如果存在第一接待时长大于第一时长阈值的第一类型对象,则可以将最大的第一接待时长对应的第一类型对象确定为目标对象。
终端可以在各第一类型对象的第一接待时长中,确定不在第一接待时长大于第一时长阈值的第一类型对象,则终端可以获取各第一类型对象的第二接待接待,并确定最大的第二接待时长。这样,如果最大的第一接待时长大于最大的第二接待时长,则将最大的第一接待时长对应的第一类型对象作为目标对象;如果最大的第二接待时长大于最大的第一接待时长,则将最大的第二接待时长对应的第一类型对象作为目标对象。
如果终端在各第一类型对象中,确定不存在被第一身份等级的第二类型对象接待过的第一类型对象,这样,终端可以获取各第一类型对象的第二接待时长,将最大的第二接待时长对应的第一类型对象作为目标对象。
如果终端确定在各第一类型对象中,不存在被第二类型对象接待过的第一类型对象,这样,终端可以获取各第一类型对象的使用行为特征,并将特征值不为目标值且最大的使用行为特征对应的第一类型对象作为目标对象。如果终端确定各第一类型对象对应的使用行为特征均为目标值,则终端可以获取各第一类型对象的浏览行为特征,并将特征值不为目标值且最大的浏览行为特征对应的第一类型对象作为目标对象。
如果终端确定在各第一类型对象中,使用行为特征以及浏览行为特征均为目标值,则终端可以确定在各第一类型对象中不存在目标对象。其中,目标值可以是零。
一种可能的实现方式是:如果各第一类型对象中存在被工作人员接待,则:
S1,各第一类型对象中有人被领导接待超过10分钟,那么被领导接待时间最长的人为目标对象。
S2,各第一类型对象中有人被领导接待,但接待时间小于等于10分钟,那么比较“各第一类型对象中被领导接待的最长时间”和“各第一类型对象中被销售顾问接待的最长时间”,如果前者更大,则被领导接待时间最长的人为目标对象,如果后者更大,则被销售顾问接待时间最长的人为目标对象。
S3,各第一类型对象中无人被领导接待,但有人被普通工作人员接待,那么被普通工作人员接待时间最长的人为目标对象。
如果各第一类型对象中无人被工作人员接待,则::
S4,各第一类型对象中有人进车,那么进车时间最长的人为目标对象。
S5,各第一类型对象中无人进车,但有人看车,那么看车时间最长的人为目标对象。如果以上条件都不符合,则在各第一类型对象中不存在目标对象。
本实施例所提供的目标对象的确定方法,可以在一个批次内存在多个对象的情况下,自动化地、精确地确定主要进行决策的目标对象,这样,可以得到更准确的该批次的行为特征,为后续进行行为特征的分析提供更精准的数据支撑。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的目标对象的确定方法的目标对象的确定装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个目标对象的确定装置实施例中的具体限定可以参见上文中对于目标对象的确定方法的限定,在此不再赘述。
在一个实施例中,如图8所示,提供了一种目标对象的确定装置800,包括:
第一确定模块801,用于对目标区域内的视频图像数据进行识别,确定所述视频图像数据包含的至少一个第一类型对象;
第二确定模块802,用于采集各所述第一类型对象在所述目标区域内的轨迹数据,基于所述轨迹数据确定各所述第一类型对象的行为特征;
第三确定模块803,用于在各所述第一类型对象中,将行为特征满足预设主客条件的第一类型对象确定为目标对象。
上述目标对象的确定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储第一类型对象的相关数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种目标对象的确定方法。
本领域技术人员可以理解,图9中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种目标对象的确定方法,其特征在于,所述方法包括:
对目标区域内的视频图像数据进行识别,确定所述视频图像数据包含的至少一个第一类型对象;
采集各所述第一类型对象在所述目标区域内的轨迹数据,基于所述轨迹数据确定各所述第一类型对象的行为特征;
在各所述第一类型对象中,将行为特征满足预设主客条件的第一类型对象确定为目标对象。
2.根据权利要求1所述的方法,其特征在于,所述对目标区域内的视频图像数据进行识别,确定所述视频图像数据包含的至少一个第一类型对象,包括:
对目标区域内的视频图像数据进行识别,得到所述视频图像数据包含的多个初始对象;
确定各所述初始对象的类型信息,将所述类型信息为第一类型的初始对象作为第一类型对象。
3.根据权利要求1所述的方法,其特征在于,所述行为特征包括接待时长,所述接待时长包括第一接待时长以及第二接待时长;
所述采集各所述第一类型对象在所述目标区域内的轨迹数据,基于所述轨迹数据确定各所述第一类型对象的行为特征,包括:
获取所述目标区域内的第二类型对象的轨迹数据;
针对每一个第一类型对象,根据所述第一类型对象的轨迹数据以及第一身份等级对应的第二类型对象的轨迹数据,计算所述第一类型对象的第一接待时长,以及根据所述第一类型对象的轨迹数据以及第二身份等级对应的第二类型对象的轨迹数据,计算所述第一类型对象的第二接待时长,所述第一身份等级大于所述第二身份等级;
所述在所述各第一类型对象中,将行为特征满足预设主客条件的第一类型对象确定为目标对象,包括:
如果存在接待时长满足预设接待条件的第一类型对象,则在各所述第一类型对象对应的所述第一接待时长中,确定最大的第一接待时长;
如果所述最大的第一接待时长大于或者等于第一时长阈值,则将所述最大的第一接待时长对应的所述第一类型对象确定为所述目标对象。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
如果所述最大的第一接待时长小于所述第一时长阈值,则在各所述第一类型对象对应的所述第二接待时长中,确定最大的第二接待时长;
在所述最大的第一接待时长大于所述最大的第二接待时长,则将所述最大的第一接待时长对应的所述第一类型对象确定为所述目标对象;
在所述最大的第一接待时长小于所述最大的第二接待时长,则将所述最大的第二接待时长对应的所述第一类型对象确定为所述目标对象。
5.根据权利要求4所述的方法,其特征在于,所述行为特征还包括使用行为特征以及浏览行为特征,所述方法还包括:
如果不存在接待时长满足预设接待条件的第一类型对象,则获取各所述第一类型对象的使用行为特征;
如果存在使用行为特征满足预设使用条件的第一类型对象,则在各所述第一类型对象的使用行为特征中,确定特征值最大的使用行为特征,将所述特征值最大的使用行为特征对应的第一类型对象作为所述目标对象;
如果不存在使用行为特征满足预设使用条件的第一类型对象,则获取各所述第一类型对象的浏览行为特征;
如果存在浏览行为特征满足预设浏览条件的第一类型对象,则在各所述第一类型对象的浏览行为特征中,确定特征值最大的浏览行为特征,将所述特征值最大的浏览行为特征对应的第一类型对象作为所述目标对象;
如果不存在浏览行为特征满足预设浏览条件的第一类型对象,则确定所述目标区域内的视频图像数据中不存在目标对象。
6.根据权利要求3所述的方法,其特征在于,所述方法还包括:
将所述类型信息为第二类型的初始对象作为第二类型对象,并获取所述第二类型对象的目标身份标识;
根据预设的身份标识与身份等级的对应关系,确定所述目标身份标识对应的目标身份等级。
7.一种目标对象的确定装置,其特征在于,所述装置包括:
第一确定模块,用于对目标区域内的视频图像数据进行识别,确定所述视频图像数据包含的至少一个第一类型对象;
第二确定模块,用于采集各所述第一类型对象在所述目标区域内的轨迹数据,基于所述轨迹数据确定各所述第一类型对象的行为特征;
第三确定模块,用于在各所述第一类型对象中,将行为特征满足预设主客条件的第一类型对象确定为目标对象。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211070954.0A CN115424176A (zh) | 2022-09-02 | 2022-09-02 | 目标对象的确定方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211070954.0A CN115424176A (zh) | 2022-09-02 | 2022-09-02 | 目标对象的确定方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115424176A true CN115424176A (zh) | 2022-12-02 |
Family
ID=84201857
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211070954.0A Pending CN115424176A (zh) | 2022-09-02 | 2022-09-02 | 目标对象的确定方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115424176A (zh) |
-
2022
- 2022-09-02 CN CN202211070954.0A patent/CN115424176A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9576248B2 (en) | Record linkage sharing using labeled comparison vectors and a machine learning domain classification trainer | |
US11122050B2 (en) | System and method for intelligent agents for decision support in network identity graph based identity management artificial intelligence systems | |
US20240037652A1 (en) | Image analysis and identification using machine learning with output estimation | |
US9965531B2 (en) | Data storage extract, transform and load operations for entity and time-based record generation | |
US10430727B1 (en) | Systems and methods for privacy-preserving generation of models for estimating consumer behavior | |
US20100325134A1 (en) | Accuracy measurement of database search algorithms | |
US10319007B1 (en) | Database image matching using machine learning with output estimation | |
MX2012003721A (es) | Sistemas y metodos para analitica de datos graficos sociales para determinar conectividad dentro de una comunidad. | |
US20200320548A1 (en) | Systems and Methods for Estimating Future Behavior of a Consumer | |
US20120296776A1 (en) | Adaptive interactive search | |
US9483806B2 (en) | Aggregating content related to a notable individual | |
US9275125B1 (en) | System for organizing data from a plurality of users to create individual user profiles | |
US20170140023A1 (en) | Techniques for Determining Whether to Associate New User Information with an Existing User | |
CN110717097A (zh) | 业务推荐方法、装置、计算机设备和存储介质 | |
CN111861605A (zh) | 业务对象推荐方法 | |
US10733244B2 (en) | Data retrieval system | |
CN111078980A (zh) | 基于征信大数据的管理方法、装置、设备及存储介质 | |
CN113962457A (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
CN113821574A (zh) | 用户行为分类方法和装置及存储介质 | |
CN116501979A (zh) | 信息推荐方法、装置、计算机设备及计算机可读存储介质 | |
CN111291795A (zh) | 人群特征分析方法、装置、存储介质和计算机设备 | |
CN111047336A (zh) | 用户标签推送、用户标签展示方法、装置和计算机设备 | |
CN115409098A (zh) | 对象的分类方法、装置、计算机设备和存储介质 | |
CN115424176A (zh) | 目标对象的确定方法、装置、计算机设备和存储介质 | |
Li et al. | Trajectory pattern identification and anomaly detection of pedestrian flows based on visual clustering |
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 |