CN115601606B - 一种门店状态检测方法、装置、设备及存储介质 - Google Patents

Abstract

本发明公开了一种门店状态检测方法、装置、设备及存储介质，应用于计算机视觉领域，其中方法包括：获取门店的图像；利用灰度检测算法和区域亮度检测算法对图像进行检测，确定门店状态。本发明通过纯软件方式实现门店状态检测，且通过两种算法和检测逻辑综合判断门店营业状态，并可推广到小型工厂等场景下，为企业管理提供便利，进一步提升多场景下门店营业/歇业检测的全面性和准确度。

Description

一种门店状态检测方法、装置、设备及存储介质

技术领域

本发明涉及计算机视觉领域，特别涉及一种门店状态检测方法、装置、设备及存储介质。

背景技术

连锁企业要求门店严格执行营业歇业时间，因此需要判断门店状态。通常，通过人工查看视频回放的方式判断门店状态，耗费人力也耗费时间，且准确率也难以保证；现有技术中，通常是使用算法采集门店图像比对判断与预设的门店状态是否一致，使用算法判断门店是否营业逻辑复杂影响因素多，简单的通过算法判断营业状态准确率又难以保证，亦或者采用多种的复杂逻辑判断门店状态，此方法逻辑复杂，难以适用。

发明内容

有鉴于此，本发明的目的在于提供一种门店状态检测方法、装置、设备及存储介质，解决了现有技术中门店状态检测不准确及逻辑复杂的问题。

为解决上述技术问题，本发明提供了一种门店状态检测方法，包括：

获取门店的图像；

利用灰度检测算法和区域亮度检测算法对所述图像进行检测，确定所述门店状态。

可选的，所述确定所述门店状态之前，还包括：

利用人物检测算法对所述图像进行检测。

可选的，所述利用人物检测算法、灰度检测算法和区域亮度检测算法对所述图像进行检测，确定所述门店状态，包括：

利用所述人物检测算法判断所述图像是否存在人物对象；

若所述图像存在人物对象，则所述门店处于营业状态；

若所述图像不存在人物对象，则利用所述灰度检测算法判断所述图像是否为灰度图像；

若所述图像是灰度图像，则所述门店处于歇业状态；

若所述图像不是灰度图像，则利用所述区域亮度检测算法判断所述图像的区域亮度是否在第二预设区间；

若所述区域亮度在所述第二预设区间，则所述门店处于歇业状态；

若所述区域亮度不在所述第二预设区间，则所述门店处于营业状态。

可选的，所述则利用所述灰度检测算法判断所述图像是否为灰度图像，包括：

将所述图像中每个像素点按照RGB通道进行划分得到每个像素点的R通道图像、G通道图像和B通道图像；

将所述R通道图像、所述G通道图像和所述B通道图像两两作差得到差值；

将所述差值中的最大值记为像素差值；

若所述像素差值在第一预设区间，则所述图像为所述灰度图像。

可选的，所述则利用所述区域亮度检测算法判断所述图像的区域亮度是否在第二预设区间，包括：

获取检测区域，并根据所述检测区域得到凸包轮廓内面积；

将所述凸包轮廓内面积中所有像素点的和作为像素和；

将所述像素和除以所述凸包轮廓内面积得到所述区域亮度；

判断所述区域亮度是否在所述第二预设区间。

可选的，所述获取检测区域，包括：

将所述图像中亮度差最大的区域作为所述检测区域。

可选的，所述门店处于歇业状态，还包括：

当所述门店处于歇业状态时，获取所述歇业状态对应的时间；

判断所述时间是否为预设闭店时间；

若否，则执行告警操作。

本发明还提供了一种门店状态检测装置，包括：

获取模块，用于获取门店的图像；

确定模块，用于利用灰度检测算法和区域亮度检测算法对所述图像进行检测，确定所述门店状态。

本发明还提供一种门店状态检测设备，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现上述的门店状态检测方法的步骤。

本发明还提供一种可读存储介质，所述可读存储介质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上述的门店状态检测方法的步骤。

可见，本发明通过两种算法综合判断门店营业状态，并可推广到小型工厂等场景下，为企业管理提供便利，并且通过纯软件方式实现门店状态检测，进一步提升多场景下门店营业/歇业检测的全面性和准确度。

此外，本发明还提供了一种门店状态检测装置、设备及存储介质，同样具有上述有益效果。

附图说明

为了更清楚地说明本发明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发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的一种门店状态检测方法的流程图；

图2为本发明实施例提供的又一种门店状态检测方法的流程图；

图3为本发明实施例提供的另一种门店状态检测方法的流程图；

图4为本发明实施例提供的再一种门店状态检测方法的流程图；

图5为本发明实施例提供的一种灰度图三通道像素值结果图；

图6为本发明实施例提供的一种彩色图三通道像素值结果图；

图7为本发明实施例提供的一种门店状态检测装置的结构示意图；

图8为本发明实施例提供的一种门店状态检测设备的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

请参考图1，图1为本发明实施例提供的一种门店状态检测方法的流程图。该方法可以包括：

S101：获取门店的图像。

本实施例的执行主体为终端。本实施例并不限定终端的种类，只要是能够门店状态检测的操作即可。例如，可以是通用型终端，也可以是专用型终端。本实施例并不限定获取门店的图像的方法，例如可以是直接通过在门店安装摄像头（具有夜视模式）获取视频流，从视频流中抽取的图像；或者还可以是摄像头（具有夜视模式）按照预设时间抓拍获取的图像。

S102：利用灰度检测算法和区域亮度检测算法图像进行检测，确定门店状态。

本实施例中灰度检测算法用于检测图像是否为灰度图像；区域亮度检测算法用于检测区域亮度是否在预设时间内进而判断图像亮度情况。本实施例通过对图像进行灰度图像检测，再进行区域亮度检测算法进而确定门店状态。

为了使本方法更便于理解，具体的可以参考图2，图2为本发明实施例提供的又一种门店状态检测方法的流程图。

本实施例通过获取图像，利用灰度检测算法检测图像是否存在灰度图像，若图像为灰度图像，则判定门店处于歇业状态；若图像不为灰度图像，则利用亮度检测算法检测区域亮度是否在第二预设区间，若在，则判定门店处于歇业状态，若不在，则判定门店处于营业状态。

本实施例并不限定检测算法的个数。例如，检测算法可以是两个，如灰度检测算法和区域亮度检测算法；或者检测算法还可以是3个，如人物检测算法、灰度检测算法和区域亮度检测算法。

进一步地，为了提高检测效率以及准确性，上述确定门店状态之前，还可以包括以下步骤：

利用人物检测算法对图像进行检测。

本实施例中人物检测算法用于检测图像是否存在人物对象。本实施例可以将区域亮度检测算法做为最后检测步骤。本实施例并不限定人物检测算法和灰度检测算法的检测顺序，例如可以将人物检测算法作为第一检测步骤，灰度检测算法作为第二检测步骤，区域亮度检测作为第三检测步骤；或者还可以将灰度检测算法作为第一检测步骤，人物检测算法作为第二检测步骤，区域亮度检测算法作为第三检测步骤。例如，请参考图3，图3为本发明实施例提供的另一种门店状态检测方法的流程图。该方法可以包括：可以先利用灰度检测算法判断图像是否为灰度图像，若为灰度图像，则门店处于歇业状态，若图像不为灰度图像，则利用人物检测算法判断图像是否存在人物对象，若图像存在人物对象，则门店处于营业状态，若图像不存在人物对象，则利用亮度检测算法判断图像亮度，若区域亮度在第二预设区间，则门店处于歇业状态，若区域亮度不在第二预设区间，则门店处于营业状态。或者，请参考图4，图4为本发明实施例提供的再一种门店状态检测方法的流程图。该方法可以包括：利用人物检测算法判断图像是否存在人物对象；若图像存在人物对象，则门店处于营业状态；若图像不存在人物对象，则利用灰度检测算法判断图像是否为灰度图像；若图像是灰度图像，则门店处于歇业状态；若图像不是灰度图像，则利用区域亮度检测算法判断区域亮度是否在第二预设区间；若区域亮度在第二预设区间，则门店处于歇业状态；若区域亮度不在第二预设区间，则门店处于营业状态。

进一步地，为了提高检测效率，及时准确的判断门店状态，上述利用人物检测算法、灰度检测算法和区域亮度检测算法对图像进行检测，确定门店状态，可以包括以下步骤：

步骤21：利用人物检测算法判断图像是否存在人物对象；

步骤22：若图像存在人物对象，则门店处于营业状态；

步骤23：若图像不存在人物对象，则利用灰度检测算法判断图像是否为灰度图像；

步骤24：若图像是灰度图像，则门店处于歇业状态；

步骤25：若图像不是灰度图像，则利用区域亮度检测算法判断图像的区域亮度是否在第二预设区间；

步骤26：若区域亮度在第二预设区间，则门店处于歇业状态；

步骤27：若区域亮度不在第二预设区间，则门店处于营业状态。

本实施例并不限定人物检测算法，例如可以是R-CNN（Region-CNN，区域卷积神经网络），或者还可以是YOLO-X模型。其中，本实施例并不限定具体的YOLO-X模型，例如可以是YOLO-v3，或者还可以是YOLO-v5。

进一步地，为了提高人物检测的速度，上述利用人物检测算法判断图像是否存在人物对象，可以包括：

利用YOLO-X模型检测确定图像中是否存在人物对象。

本实施例利用YOLO-X模型检测图像中是否出现人物对象，即出现行人，当检测到人物目标对象数量大于等于1时，认为存在人物对象。

本实施例并不限定灰度检测算法，只要能够满足检测图像是否为灰度图像即可。

进一步地，为了提高灰度图像检测的准确率及检测效率，上述利用人物检测算法判断图像是否存在人物对象，可以包括以下步骤：

步骤31：将图像中每个像素点按照RGB通道进行划分得到每个像素点的R通道图像、G通道图像和B通道图像；

步骤32：将R通道图像、G通道图像和B通道图像两两作差得到差值；

步骤33：将差值中的最大值记为像素差值；

步骤34：若像素差值在第一预设区间，则图像为灰度图像。

本实施例中图像具有多个像素点，每个像素点R、G、B三通道组成，因此对每个像素点按照R、G、B三通道进行划分，两两计算获得每个像素点的差值，将最大的差值作为像素差值，判断像素差值是否在第一预设区间，若在，则图像为灰度图像，即认为图像为摄像头夜视模式下拍摄的黑白图像。其中第一预设区间根据用户实际需求进行设定。

进一步地，为了判定的准确性，上述的第一预设区间可以设定为0—10。

本实施例中灰度检测算法可以通过验证确保本发明的灰度检测算法的可靠性。具体结果可以参照如图5和图6，图5为本发明实施例提供的一种灰度图三通道像素值结果图；图6为本发明实施例提供的一种彩色图三通道像素值结果图，且图5和图6中横坐标表示通道差值，纵坐标表示出现次数。通过图5可以得知灰度图三通道像素值相近，灰度图通道差值分布在0附近，且基本等于0。从图6可以得知彩色图三通道像素值差值较大，彩色图通道差值分布区间包含[-100,200]，大量差值在0附近呈正态分布。因此通过本实施例的灰度检测算法，并将第一预设区间设定为0—10，检测图片是否为灰度图具有可靠性，且检测结果准确。

本实施例并不限定区域亮度检测算法，只要能够满足检测图像的亮度情况即可。

进一步地，为了亮度判定的准确性，上述的则利用区域亮度检测算法判断图像的区域亮度是否在第二预设区间，可以包括以下步骤：

步骤41：获取检测区域，并根据检测区域得到凸包轮廓内面积；

步骤42：将凸包轮廓内面积中所有像素点的和作为像素和；

步骤43：将像素和除以凸包轮廓内面积得到区域亮度；

步骤44：判断区域亮度是否在第二预设区间。

本实施例通过获取检测区域，其中检测区域可以是在前端页面绘制的多边形，计算检测区域的凸包轮廓，根据凸包轮廓计算检测区域的最小外接矩形，将最小外接矩形内面积和凸包轮廓外面积的差值作为凸包轮廓内面积，将除凸包轮廓的所有像素点置零，计算全图像的像素点和得到像素和，即将凸包轮廓内面积中所有像素点的和作为像素和，并利用像素和除以凸包轮廓内面积得到区域亮度，进而判断区域亮度是否在第二预设区间。其中第二预设区间根据用户实际需求进行设定。

进一步地，为了判定的准确性，上述的第二预设区间可以设定为0—65。

本实施例并不限定检测区域的范围，例如可以是窗户区域；或者还可以是灯区域；或者还可以是地板区域。

进一步地，为了保证亮度检测具有良好的效果，上述获取检测区域，可以包括：

将图像亮度差最大的区域作为检测区域。

本实施例中将亮度差最大的区域作为检测区域，可以是门店开灯与关灯时图像中亮度差最大的区域。

进一步的，为了及时检测当前门店状态是否正常，还可以包括以下步骤：

当门店处于歇业状态时，获取歇业状态对应的时间；

判断时间是否为预设闭店时间；

若否，则执行告警操作。

本实施例中当门店处于歇业状态时，获取歇业状态对应的时间，若时间不是预设闭店时间，则执行告警操作。

应用本发明实施例提供的门店状态检测方法，通过获取门店的图像；利用灰度检测算法和区域亮度检测算法对图像进行检测，确定门店状态。本方法通过两种算法综合判断门店营业状态，并可推广到小型工厂等场景下，为企业管理提供便利，并且通过纯软件方式实现门店状态检测，进一步提升多场景下门店营业/歇业检测的全面性和准确度。并且，加入了人物检测算法，提高了检测的准确性；并且，先通过人物检测算法检测图像是否存在人物对象，再通过灰度检测算法检测图像是否为灰度图像，最后通过区域亮度检测算法检测图像亮度，提高了检测效率，及时准确的判断门店状态；并且，利用YOLO-X模型检测确定图像中是否存在所述人物对象，提高了人物检测的速度；并且，本实施例中的灰度检测算法，提高了灰度图像检测的准确率及检测效率；并且，本实施例中的区域亮度检测算法，提高了区域亮度检测效率；并且，将亮度差最大的区域作为检测区域，提高了亮度检测的效果；并且，当门店处于歇业时，检测歇业时间是否在预设闭店时间，若不在，则报警，及时通知上级该店营业不正常，可以做到及时监管。

下面对本发明实施例提供的一种门店状态检测装置进行介绍，下文描述的一种门店状态检测装置与上文描述的一种门店状态检测方法可相互对应参照。

具体请参考图7，图7为本发明实施例提供的一种门店状态检测装置的结构示意图，可以包括：

图像获取模块100，用于获取门店的图像；

门店状态确定模块200，用于利用灰度检测算法和区域亮度检测算法对图像进行检测，确定门店状态。

基于上述实施例，所述门店状态检测装置，还可以包括：

人物检测模块，用于利用人物检测算法对图像进行检测。

基于上述实施例，所述人物检测模块，可以包括：

第一判断单元，用于利用人物检测算法判断图像是否存在人物对象；

第一结果单元，用于若图像存在人物对象，则门店处于营业状态；

第二判断单元，用于若图像不存在人物对象，则利用灰度检测算法判断图像是否为灰度图像；

第二结果单元，用于若图像是灰度图像，则门店处于歇业状态；

第三判断单元，用于若图像不是灰度图像，则利用区域亮度检测算法判断图像的区域亮度是否在第二预设区间；

第三结果单元，用于若区域亮度在第二预设区间，则门店处于歇业状态；

第四结果单元，用于若区域亮度不在第二预设区间，则门店处于营业状态。

基于上述实施例，所述第二判断单元，可以包括：

划分子单元，用于将图像中每个像素点按照RGB通道进行划分得到每个像素点的R通道图像、G通道图像和B通道图像；

差值计算子单元，用于将R通道图像、G通道图像和B通道图像两两作差得到差值；

像素差值子单元，用于将差值中的最大值记为像素差值；

第一确定子单元，用于若像素差值在第一预设区间，则图像为灰度图像。

基于上述实施例，所述第三判断单元，可以包括：

获取子单元，用于获取检测区域，并根据所述检测区域得到凸包轮廓内面积；

像素和计算子单元，用于将所述凸包轮廓内面积中所有像素点的和作为像素和；

区域亮度计算子单元，用于将所述像素和除以所述凸包轮廓内面积得到所述区域亮度；

第四判断子单元，用于判断所述区域亮度是否在所述第二预设区间。

基于上述实施例，所述获取单元，可以包括：

检测区域确定子单元，用于将所述图像中亮度差最大的区域作为检测区域。

基于上述任意一项实施例，所述门店状态检测装置，还可以包括：

时间获取模块，用于当门店处于歇业状态时，获取歇业状态对应的时间；

判断模块，用于判断时间是否为预设闭店时间；

告警模块，用于若否，则执行告警操作。

需要说明的是，上述一种门店状态检测装置中的模块以及单元在不影响逻辑的情况下，其顺序可以前后进行更改。

应用本发明实施例提供的门店状态检测装置，通过图像获取模块100，用于获取门店的图像；门店状态确定模块200，用于利用灰度检测算法和区域亮度检测算法对图像进行检测，确定门店状态。本装置通过两种算法综合判断门店营业状态，并可推广到小型工厂等场景下，为企业管理提供便利，并且通过纯软件方式实现门店状态检测，进一步提升多场景下门店营业/歇业检测的全面性和准确度。并且，加入了人物检测算法，提高了检测的准确性；并且，先通过人物检测算法检测图像是否存在人物对象，再通过灰度检测算法检测图像是否为灰度图像，最后通过区域亮度检测算法检测图像亮度，提高了检测效率，及时准确的判断门店状态；并且，利用YOLO-X模型检测确定图像中是否存在所述人物对象，提高了人物检测的速度；并且，本实施例中的灰度检测算法，提高了灰度图像检测的准确率及检测效率；并且，本实施例中的区域亮度检测算法，提高了区域亮度检测效率；并且，将亮度差最大的区域作为检测区域，提高了亮度检测的效果；并且，当门店处于歇业时，检测歇业时间是否在预设闭店时间，若不在，则报警，及时通知上级该店营业不正常，可以做到及时监管。

下面对本发明实施例提供的一种门店状态检测设备进行介绍，下文描述的一种门店状态检测设备与上文描述的一种门店状态检测方法可相互对应参照。

请参考图8，图8为本发明实施例提供的一种门店状态检测设备的结构示意图，可以包括：

存储器10，用于存储计算机程序；

处理器20，用于执行计算机程序，以实现上述的一种门店状态检测方法。

存储器10、处理器20、通信接口31和通信总线32。存储器10、处理器20、通信接口31均通过通信总线32完成相互间的通信。

在本发明实施例中，存储器10中用于存放一个或者一个以上程序，程序可以包括程序代码，程序代码包括计算机操作指令，在本申请实施例中，存储器10中可以存储有用于实现以下功能的程序：

获取门店的图像；

利用灰度检测算法和区域亮度检测算法对图像进行检测，确定门店状态。

在一种可能的实现方式中，存储器10可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统，以及至少一个功能所需的应用程序等；存储数据区可存储使用过程中所创建的数据。

此外，存储器10可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据。存储器的一部分还可以包括NVRAM。存储器存储有操作系统和操作指令、可执行模块或者数据结构，或者它们的子集，或者它们的扩展集，其中，操作指令可包括各种操作指令，用于实现各种操作。操作系统可以包括各种系统程序，用于实现各种基础任务以及处理基于硬件的任务。

处理器20可以为中央处理器（Central Processing Unit，CPU）、特定应用集成电路、数字信号处理器、现场可编程门阵列或者其他可编程逻辑器件，处理器20可以是微处理器或者也可以是任何常规的处理器等。处理器20可以调用存储器10中存储的程序。

通信接口31可以为通信模块的接口，用于与其他设备或者系统连接。

当然，需要说明的是，图8所示的结构并不构成对本申请实施例中门店状态检测设备的限定，在实际应用中门店状态检测设备可以包括比图8所示的更多或更少的部件，或者组合某些部件。

下面对本发明实施例提供的存储介质进行介绍，下文描述的存储介质与上文描述的门店状态检测方法可相互对应参照。

本发明还提供一种存储介质，该存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述的门店状态检测方法的步骤。

该存储介质可以包括：U盘、移动硬盘、只读存储器（Read-Only Memory，ROM）、随机存取存储器（Random Access Memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应该认为超出本发明的范围。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系属于仅仅用来将一个实体或者操作与另一个实体或者操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其他任何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、物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、物品或者设备所固有的要素。

以上对本发明所提供的一种门店状态检测方法、装置、设备和存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种门店状态检测方法，其特征在于，包括：

获取门店的图像；

利用灰度检测算法和区域亮度检测算法对所述图像进行检测，确定所述门店状态；

在所述确定所述门店状态之前，还包括：

利用人物检测算法对所述图像进行检测；

所述利用人物检测算法、灰度检测算法和区域亮度检测算法对所述图像进行检测，确定所述门店状态，包括：

利用所述人物检测算法判断所述图像是否存在人物对象；

若所述图像存在人物对象，则所述门店处于营业状态；

若所述图像不存在人物对象，则利用所述灰度检测算法判断所述图像是否为灰度图像；

若所述图像是灰度图像，则所述门店处于歇业状态；

若所述图像不是灰度图像，则利用所述区域亮度检测算法判断所述图像的区域亮度是否在第二预设区间；

若所述区域亮度在所述第二预设区间，则所述门店处于歇业状态；

若所述区域亮度不在所述第二预设区间，则所述门店处于营业状态。

2.根据权利要求1所述的门店状态检测方法，其特征在于，所述则利用所述灰度检测算法判断所述图像是否为灰度图像，包括：

将所述图像中每个像素点按照RGB通道进行划分得到每个像素点的R通道图像、G通道图像和B通道图像；

将所述R通道图像、所述G通道图像和所述B通道图像两两作差得到差值；

将所述差值中的最大值记为像素差值；

若所述像素差值在第一预设区间，则所述图像为所述灰度图像。

3.根据权利要求1所述的门店状态检测方法，其特征在于，所述则利用所述区域亮度检测算法判断所述图像的区域亮度是否在第二预设区间，包括：

获取检测区域，并根据所述检测区域得到凸包轮廓内面积；

将所述凸包轮廓内面积中所有像素点的和作为像素和；

将所述像素和除以所述凸包轮廓内面积得到所述区域亮度；

判断所述区域亮度是否在所述第二预设区间。

4.根据权利要求3所述的门店状态检测方法，其特征在于，所述获取检测区域，包括：

将所述图像中亮度差最大的区域作为所述检测区域。

5.根据权利要求1至4任一项所述的门店状态检测方法，其特征在于，所述门店处于歇业状态，还包括：

当所述门店处于歇业状态时，获取所述歇业状态对应的时间；

判断所述时间是否为预设闭店时间；

若否，则执行告警操作。

6.一种门店状态检测装置，其特征在于，包括：

获取模块，用于获取门店的图像；

确定模块，用于利用灰度检测算法和区域亮度检测算法对所述图像进行检测，确定所述门店状态；其中，所述区域亮度检测算法为最后检测步骤；

还包括：

人物检测模块，用于利用人物检测算法对图像进行检测；

所述人物检测模块，包括：

第一判断单元，用于利用人物检测算法判断图像是否存在人物对象；

第一结果单元，用于若图像存在人物对象，则门店处于营业状态；

第二判断单元，用于若图像不存在人物对象，则利用灰度检测算法判断图像是否为灰度图像；

第二结果单元，用于若图像是灰度图像，则门店处于歇业状态；

第三判断单元，用于若图像不是灰度图像，则利用区域亮度检测算法判断图像的区域亮度是否在第二预设区间；

第三结果单元，用于若区域亮度在第二预设区间，则门店处于歇业状态；

第四结果单元，用于若区域亮度不在第二预设区间，则门店处于营业状态。

7.一种门店状态检测设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至5任一项所述的门店状态检测方法的步骤。

8.一种存储介质，其特征在于，所述存储介质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如权利要求1至5任一项所述的门店状态检测方法的步骤。

Images