JP7066872B2 - データ処理方法、装置、電子機器、プログラム、及び記憶媒体 - Google Patents

Description

本願は、出願日が２０１８年０３月２８日であり、出願番号が２０１８１０２６３６２５５であり、発明の名称が「データ処理方法、装置、電子機器及び記憶媒体」である中国特許出願に基づき優先権を主張する。

本発明は、コンピュータ技術の分野に係り、特に、データ処理方法、データ処理装置、電子機器、プログラム、及びコンピュータ読み取り可能な記録媒体に関する。

大型スーパーでの商品の種類や数の増加に伴い、商品の分布位置は、商品の売り上げや人気などに影響を与える可能性があり、取引率に影響を与える可能性もあるので、如何に商品の分布位置を合理的に確定するかということは、非常に重要な意義を持っている。

関連技術において、一般的に、スーパーマーケットの作業者は、人間の経験に基づいて、各商品がどの棚に置かれるかを確定するとともに、棚における商品の分布位置を確定する。例えば、体積の小さい順、及び重量の軽い順に棚に商品を上から下に配列する。

しかしながら、このような商品の分布方法において、作業者が商品の分布位置を人手により設計する必要があり、効率が悪く、且つ特定の参照と計算の根拠がないので、計画された商品の位置が不合理である場合があり得る。同時に、人間の経験を通じて商品の分布位置を計画する場合、消費者が商品を購入する時間が長くなり、商品の取引率が低下する可能性がある。

なお、上記の背景技術の部分に開示されている情報は、本発明の背景に対する理解を深めるためのものに過ぎないため、当業者に知られている従来技術を構成しない情報を含んでもよい。

本発明は、少なくともある程度で関連技術の制限及び欠陥による計画された商品の位置が不合理であるという課題を解決するために、データ処理方法、装置、電子機器、プログラム、及び記憶媒体を提供することを目的とする。

本発明の他の特性及び利点は、以下の詳細な説明によって明らかになり、あるいは、本発明の実施によって部分的に習得する。

本発明の一態様によれば、データ処理方法を提供し、前記方法は、ビデオデータに応じて、各ユーザの座標順序を確定するステップと、前記座標順序に応じて、予め設けられた時間間隔内の前記ユーザの軌跡を取得するステップと、前記軌跡により前記ユーザが滞在した２つの商品棚の関係点を確定するステップと、前記関係点により各商品棚間の有向関係グラフを計算して、前記有向関係グラフにより前記商品棚における商品の分布位置を確定するステップと、を含む。

本発明の例示的な実施例において、前記座標順序に応じて、予め設けられた時間間隔内の前記ユーザの軌跡を取得するステップは、前記座標順序に応じて、前記ユーザの総軌跡を取得するステップと、前記予め設けられた時間間隔に従って前記総軌跡を複数の前記軌跡に分割するステップと、を含む。

本発明の例示的な実施例において、前記軌跡により各前記ユーザが滞在した２つの商品棚の関係点を確定するステップは、クラスタリングアルゴリズムにより前記軌跡を分析し、前記ユーザの２つの滞在点を得るステップと、２つの前記商品棚に関連する複数の関係点を形成するように、滞在点の座標及び商品棚の座標に応じて、前記滞在点に対して正規化処理を行うステップと、を含む。

本発明の例示的な実施例において、前記関係点により各商品棚間の有向関係グラフを計算して、前記有向関係グラフにより前記商品棚における商品の分布位置を確定するステップは、前記商品棚の各前記関係点での前記ユーザの数の割合により前記商品棚間の有向関係グラフを形成するステップと、前記有向関係グラフにより前記商品の分布位置を確定するステップと、を含む。

本発明の例示的な実施例において、前記有向関係グラフにより前記商品の分布位置を確定するステップは、ランキングアルゴリズムにより前記有向関係グラフを分析して、前記商品の分布位置を確定するステップを含む。

本発明の例示的な実施例において、ランキングアルゴリズムにより前記有向関係グラフを分析して、前記商品の分布位置を確定するステップは、前記有向関係グラフにより各前記商品棚の流量ランクを確定するステップと、前記流量ランクに応じて、各前記商品棚における前記商品の分布位置を確定するステップと、を含む。

本発明の例示的な実施例において、前記有向関係グラフにより各前記商品棚の流量ランクを確定するステップは、前記有向関係グラフの各有向辺に対応する流量を確定するステップと、各前記有向辺に対応する前記流量に応じて、各前記商品棚の実際流量を計算するとともに、前記実際流量に応じて、流量ランクを取得するステップと、を含む。

本発明の例示的な実施例において、前記実際流量の計算式は、

を含み、ここで、

であり、ｂが商品棚自体の流量であり、ｃが商品棚に流入する流量である。
本発明の例示的な実施例において、前記流量ランクに応じて、各前記商品棚における前記商品の分布位置を確定するステップは、大きい順に前記流量ランクを確定するステップと、前記流量ランクが予め設けられた値よりも大きい場合、前記商品棚における前記商品の分布位置が予め設けられた位置であると確定するステップと、を含む。

本発明の例示的な実施例において、前記方法は、前記流量ランクが前記予め設けられた値よりも小さい場合、前記商品を前記流量ランクが前記予め設けられた値よりも大きい前記商品棚に合併するステップをさらに含む。

本発明の一態様によれば、データ処理方法を提供し、前記方法は、ビデオデータに応じて、各ユーザの座標順序を確定するステップと、前記座標順序に応じて、予め設けられた時間間隔内の前記ユーザの軌跡を取得するステップと、前記軌跡により前記ユーザが滞在した２つの商品棚の関係点を確定するステップと、前記関係点により各商品棚間の有向関係グラフを計算するステップと、を含む。

本発明の例示的な実施例において、前記軌跡により各前記ユーザが滞在した２つの商品棚の関係点を確定するステップは、クラスタリングアルゴリズムにより前記軌跡を分析し、前記ユーザの２つの滞在点を得るステップと、２つの前記商品棚に関連する複数の関係点を形成するように、滞在点の座標及び商品棚の座標に応じて、前記滞在点に対して正規化処理を行うステップと、を含む。

本発明の例示的な実施例において、前記関係点により各商品棚間の有向関係グラフを計算するステップは、前記商品棚の各前記関係点での前記ユーザの数の割合により前記商品棚間の有向関係グラフを形成するステップを含む。

本発明の一態様によれば、データ処理装置を提供し、前記装置は、ビデオデータに応じて、各ユーザの座標順序を確定するための座標取得モジュールと、前記座標順序に応じて、予め設けられた時間間隔内の前記ユーザの軌跡を取得するための軌跡取得モジュールと、前記軌跡により前記ユーザが滞在した２つの商品棚の関係点を確定するための関係確定モジュールと、前記関係点により各商品棚間の有向関係グラフを計算して、前記有向関係グラフにより前記商品棚における商品の分布位置を確定するための位置確定モジュールと、を含む。

本発明の一態様によれば、データ処理装置を提供し、前記装置は、ビデオデータに応じて、各ユーザの座標順序を確定するための座標取得モジュールと、前記座標順序に応じて、予め設けられた時間間隔内の前記ユーザの軌跡を取得するための軌跡取得モジュールと、前記軌跡により前記ユーザが滞在した２つの商品棚の関係点を確定するための関係確定モジュールと、前記関係点により各商品棚間の有向関係グラフを計算するための有向グラフ計算モジュールと、を含む。

本発明の一態様によれば、電子機器を提供し、前記電子機器は、
プロセッサと、
前記プロセッサにより実行可能な命令を記憶するためのメモリと、を含み、
前記プロセッサは、前記実行可能な命令を実行することにより上記のいずれか１項に記載のデータ処理方法を実行するように構成される。
本発明の一態様によれば、プロセッサにより実行される場合、上記のいずれか１項に記載のデータ処理方法を実現するプログラムを提供する。

本発明の一態様によれば、上記のプログラムが記録されたコンピュータ読み取り可能な記録媒体を提供する。

本発明の例示的な実施例に提供されたデータ処理方法、データ処理装置、電子機器、プログラム、及びコンピュータ読み取り可能な記録媒体において、各ユーザの座標順序により予め設けられた時間間隔内のユーザの軌跡を取得するとともに、前記軌跡によりユーザが滞在した２つの商品棚の関係点を確定し、各商品棚間の有向関係グラフを得て、さらに有向関係グラフにより前記商品棚における商品の分布位置を確定する。座標順序により商品棚間の有向関係グラフを確定することにより、商品の分布位置を合理的に計画するとともに、商品の分布位置を確定する効率を向上させることができる。一方、有向関係グラフにより商品の分布位置を合理的に計画することにより、ユーザは、必要な商品を迅速に見つけ、購入時間を短縮し、さらに商品の取引率及びユーザの満足度を向上させることができる。

なお、前記一般的な記載及び後述の詳細な記載は、単なる例示的で解釈的な記載であり、本発明はこれに対し限定されるものではない。

図１は、本発明の例示的な実施例に係るデータ処理方法を模式的に示す模式図である。 図２は、本発明の例示的な実施例に係る商品棚の平面図を模式的に示す模式図である。 図３は、本発明の例示的な実施例に係るデータ処理を模式的に示す具体的なフローチャートである。 図４は、本発明の例示的な実施例に係る他のデータ処理方法を模式的に示す模式図である。 図５は、本発明の例示的な実施例に係るデータ処理装置を模式的に示すブロック図である。 図６は、本発明の例示的な実施例に係る他のデータ処理装置を模式的に示すブロック図である。 図７は、本発明の例示的な実施例に係る電子機器を模式的に示すブロック図である。 図８は、本発明の例示的な実施例に係るプログラム製品を模式的に示す。

次に、図面を参照しながら、例示的な実施形態をより全面的に説明する。しかしながら、例示的な実施形態は、様々な形態で実施することができ、ここに記述の実施例に限定されると理解されるべきではない。逆に、これらの実施形態が提供されることにより、本発明が全面且つ完全になり、例示的な実施形態の構想を当業者に全面的に伝えることができる。なお、説明された特徴、構造または特性は、１つのまたは複数の実施形態に任意の適切な方法で組み合わせることができる。以下の説明では、本発明の実施形態を十分に理解するために、多くの具体的な詳細を述べる。しかしながら、当業者は、本発明の技術案が特定の詳細の１つまたは複数を使用しなく実施できること、または、他の方法、構成要素、装置、ステップなどが採用できることを理解するべきである。他の場合では、本発明の各局面を不明瞭にすることを避けるために、周知の技術案を詳細に図示または説明しない。

なお、図面は本発明の模式的な図示に過ぎず、必ずしも縮尺通りに描かれてはいない。図面における同じ図面符号は、同じ又は類似する要素を示すため、それらの重複する記述が省略される。図面に示されたブロック図は、単に機能エンティティであり、必ずしも物理的又は論理的に独立のエンティティに対応する必要はない。即ち、ソフトウェアを採用してこれらの機能エンティティを実現してもよく、または、１つ又は複数のハードウェアモジュール或いは集積回路ではこれらの機能エンティティを実現してもよく、または、異なるネットワーク及び／又はプロセッサ装置及び／又はマイクロコントローラ装置ではこれらの機能エンティティを実現してもよい。

本例示的な実施形態において、まず、ショッピングモール、無人スーパーマーケット又はコンビニエンスストアなどの様々な実体のショッピングシーンに適用可能なデータ処理方法を提供する。図１を参照すると、このデータ処理方法は、以下のステップを含んでもよい。

ステップＳ１１０において、ビデオデータに応じて、各ユーザの座標順序を確定する。
ステップＳ１２０において、前記座標順序に応じて、予め設けられた時間間隔内の前記ユーザの軌跡を取得する。

ステップＳ１３０において、前記軌跡により、前記ユーザが滞在した２つの商品棚の関係点を確定する。

ステップＳ１４０において、前記関係点により各商品棚間の有向関係グラフを計算して、前記有向関係グラフにより前記商品棚における商品の分布位置を確定する。

本例示的な実施例に係るデータ処理方法において、座標順序により商品棚間の有向関係グラフを確定し、商品の分布位置を合理的に計画するとともに、商品の分布位置を確定する効率を向上させることができる。一方、有向関係グラフにより商品の分布位置を合理的に計画することにより、ユーザは、必要な商品を迅速に見つけ、さらに商品の取引率及びユーザの満足度を向上させることができる。

次に、図面を結合して本例示的な実施例に係るデータ処理方法をさらに解釈して説明する。

ステップＳ１１０において、ビデオデータに応じて、各ユーザの座標順序を確定する。
本例では、検出シーンがスーパーマーケットである場合を例として説明する。ビデオデータとは、一定の時間内にスーパーマーケットに複数のユーザが含まれるというビデオデータを指し、具体的には、スーパーマーケット内の商品の陳列状況、複数のユーザの入店時間、出店時間、滞在時間などが含まれてもよい。ビデオデータは、スーパーマーケット内の任意の位置に設置されているカメラによって収集されてもよい。ユーザは、スーパーマーケットに入店したすべてのユーザ又は商品を購入したすべてのユーザであってもよい、結果をより正確にするために、ここでは、商品を購入したユーザをサンプルとして説明する。ここでの座標順序とは、予め設けられたルールに従ってすべてのユーザの位置座標を配列した結果を指し、予め設けられたルールは、例えば時間の小さい順又は他のルールであってもよい。

具体的には、収集されたビデオデータからすべてのユーザの位置に関するデータを抽出することにより、予め設けられた時間間隔内のすべてのユーザの位置座標を取得することができる。次に、時間の小さい順に各ユーザの位置座標を配列することにより、各ユーザの座標順序を得る。各ユーザの座標順序を取得することにより、後続の計算の正確性を確保するとともに、後続の計算プロセスを容易にすることができる。

ステップＳ１２０において、前記座標順序に応じて、予め設けられた時間間隔内の前記ユーザの軌跡を取得する。

本例では、予め設けられた時間間隔は、実際的な必要に応じて設定されてもよいが、分析結果をより正確にするために、予め設けられた時間間隔を比較的小さい数値に設定することができる。具体的には、座標順序に応じて、予め設けられた時間間隔内のユーザの軌跡を取得する場合、まず、座標順序に応じて、すべてのユーザの総軌跡を取得することができる。例えば、ある日のスーパーマーケットａ内のビデオデータを取得し、ビデオデータに応じて、すべてのユーザの位置座標を取得し、時間の小さい順に位置座標を配列し、ユーザ１の座標順序１やユーザ２の座標順序２などを得ることができる。その後、座標順序を順次に接続して、ある日のスーパーマーケットａ内のユーザの総軌跡を得る。例えば、座標順序１に応じて、ユーザ１の総軌跡１を得て、座標順序２に応じて、ユーザ２の総軌跡２を得る。なお、異なるユーザの総軌跡は、同じであるか又は完全に重なっていてもよいし、異なるか又は部分的にのみ重なっていてもよい。

次に、予め設けられた時間間隔に従って得られた総軌跡を複数の軌跡に分割することができる。例えば、ある日のスーパーマーケットａ内のすべてのユーザの位置座標及び時間情報を分析することにより、各ユーザの１つの位置での平均滞在時間を得る。その後、１つの位置での平均滞在時間を参考として、予め設けられた時間間隔に従って各ユーザの総軌跡を分割して複数の軌跡を得る。例えば、平均滞在時間が１．５７分間である場合、予め設けられた時間間隔を３分間に設定することができる。平均滞在時間が２．４５分間である場合、予め設けられた時間間隔を５分間に設定することができる。ここで、３分間を例として説明する。予め設けられた時間間隔内のユーザの軌跡を取得することにより、分析の正確性を向上させることができる。

ステップＳ１３０において、前記軌跡により前記ユーザが滞在した２つの商品棚の関係点を確定する。

本例では、商品棚は、例えばスーパーマーケット内の棚又はそれと同じ機能を有する物品を置く領域を含んでもよく、ここで、スーパーマーケット内の棚を例として説明する。関係点は、ユーザが滞在した各商品棚に接続されているすべての商品棚として理解されてもよい。具体的には、前記軌跡により各前記ユーザが滞在した２つの商品棚の関係点を確定するステップは、クラスタリングアルゴリズムにより前記軌跡を分析し、前記ユーザの２つの滞在点を得るステップと、２つの前記商品棚に関連する複数の関係点を形成するように、滞在点の座標及び商品棚の座標に応じて前記滞在点に対して正規化処理を行うステップと、を含む。

ここでのクラスタリングアルゴリズムは、密度クラスタリングアルゴリズムであってもよく、その指導構想は、ある点の密度がある閾値より大きい限り、この点を最も近いクラスターに追加することである。ＤＢＳＣＡＮ（Ｄｅｎｓｉｔｙ－Ｂａｓｅｄ Ｓｐａｔｉａｌ Ｃｌｕｓｔｅｒｉｎｇ ｏｆ Ａｐｐｌｉｃａｔｉｏｎｓ ｗｉｔｈ Ｎｏｉｓｅ、ノイズを含む密度に基づくクラスタリング方法）を例として説明し、その具体的なフローは、一般的に、ある点ｐにｍ個を超えるオブジェクトが含まれる場合、ｐをコアオブジェクトとして新たなクラスターを作成し、そして、コアオブジェクトから直接密度到達可能なオブジェクトを見つけて合併し、クラスターを更新できる新たな点がない場合、アルゴリズムが終了するステップを含む。例えば、ユーザ１に対応する軌跡１上の位置Ｘや位置Ｙにｍ個を超えるオブジェクトが含まれる場合、位置Ｘ及び位置Ｙを新たなクラスターとし、本例で説明されたユーザ１の２つの滞在点とすることができる。具体的には、Ｐｙｔｈｏｎプログラムを作成又は呼出することにより実現することができる。これに加えて、階層的クラスタリングアルゴリズムやその他の機械学習アルゴリズムなどの他のクラスタリングアルゴリズムを使用して、予め設けられた時間間隔に対応する軌跡に基づいて、ユーザがこの軌跡で滞在した２つの滞在点を確定することができ、且つ、これらの２つの滞在点の方向は、位置Ｘから位置Ｙに向かう方向である。

そして、２つの前記商品棚に関連する複数の関係点を形成するように、滞在点の座標及び商品棚の座標に応じて、得られた２つの滞在点に対して正規化処理を行うことができる。ここでの正規化処理は、データの完全性を維持するとともに、データの冗長性を低減するために使用されてもよい。これに先立って、スーパーマーケットａ内のすべての商品棚の平面図に基づいて、一定の割合に従ってスーパーマーケットａ内のすべての商品棚の位置を座標化することができる。分析の正確性を確保するために、滞在点の座標及び商品棚の座標に応じて、２点間の距離の式により滞在点を正規化することができる。例えば、２つの滞在点の座標、即ち位置Ｘの座標（ｘ１、ｙ１）、位置Ｙの座標（ｘ２、ｙ２）及び商品棚の座標に応じて、

により２つの滞在点を正規化することができる。
滞在点に対して正規化処理を行った後、滞在点に対応する２つの商品棚に関連する複数の商品棚を形成することができる。図２を参照すると、滞在点に応じて、第１の予め設けられた時間間隔内にユーザ１が滞在した２つの商品棚が棚Ａ及び棚Ｂであり、第２の予め設けられた時間間隔内に棚Ａに関連する商品棚が棚Ｃを含み、第３の予め設けられた時間間隔内に棚Ａに関連する商品棚が棚Ｄを含む、と確定する。棚Ｂ、棚Ｃ、棚Ｄを商品棚Ａの関係点として確定することができる。同様に、商品棚Ｂのすべての関係点が棚Ａ及び棚Ｄであると確定することができる。

本例では、シーン内のすべてのユーザの軌跡での滞在点を検出することによって、すべての商品棚の関係点を確定することができるので、計算量を削減し、関係点の確定効率と利便性を向上させることができる。

ステップＳ１４０において、前記関係点により各商品棚間の有向関係グラフを計算して、前記有向関係グラフにより前記商品棚における商品の分布位置を確定する。

本例では、各商品棚に関連する関係点を得た後、すべての関係点により各商品棚間の有向関係グラフを計算することができる。ここでの有向関係グラフは、各商品棚の関係点を説明するために使用されてもよく、有向関係グラフが商品棚における商品間の内的関係を示すので、有向関係グラフに基づいて、商品に対して対応的な調整を行うことができる。これに加えて、有向関係グラフにおける各辺の方向により予め設けられた時間間隔内のユーザの軌跡又は滞在点の変化状況を説明することができる。さらに、有向関係グラフにより各商品棚における商品を配列することにより、その分布位置を合理的に確定し、実体スーパーマーケット又は他の検出シーンでの商品の位置を計画するために根拠を提供するという目的を実現することができる。ここで、商品とは、商品棚における人気のあるホット商品又は一般的な商品を指す。

具体的には、前記有向関係グラフにより前記商品棚における商品の分布位置を確定する場合、前記商品棚の各前記関係点での前記ユーザの数の割合により前記商品棚間の有向関係グラフを形成することができ、さらに、前記有向関係グラフにより前記商品の分布位置を確定する。例えば、各商品棚に関連する関係点に対応するユーザの数を確定し、さらに各関係点でのユーザの数により対応する数の割合を計算することにより、商品棚間の有向関係グラフを得ることができる。

例えば、商品棚に関連する関係点のそれぞれに対応するユーザの数及び検出時間内のスーパーマーケットａにおけるユーザの総数の比を計算することにより、各商品棚とそれに関連する点との間の数の割合を得ることができる。図２を参照しながら説明し、棚Ａ～棚Ａの間のユーザの数が２１８であり、棚Ａ～棚Ｂの間のユーザの数が３６であり、棚Ａ～棚Ｃの間のユーザの数が７２であり、棚Ａ～棚Ｄの間のユーザの数が７２であるので、それぞれ商品棚Ａと各関係点との間の数の割合を確定することができ、これにより、スーパーマーケット内のすべての商品棚間の有向関係グラフを得る。さらに、有向関係グラフにより各商品棚における商品の分布位置を合理的に確定する。

ここで、前記有向関係グラフにより前記商品の分布位置を確定するステップは、ランキングアルゴリズムにより前記有向関係グラフを分析して、前記商品の分布位置を確定するステップを含む。ランキングアルゴリズムは、例えばＰａｇｅＲａｎｋアルゴリズムであってもよく、その基本的な構想は、各ウェブページのＰａｇｅＲａｎｋ値を計算し、その後、この値の大きさに応じて、ウェブページの重要度をランキングすることにある。ＰａｇｅＲａｎｋアルゴリズムを本例に適用し、ユーザが商品をランダムに選択した場合、まず、商品棚をランダムに選択し、そして、この商品棚で１分間滞在した後、この商品棚に関連する他の商品棚に移動し、この時、ＰａｇｅＲａｎｋアルゴリズムによりユーザが各商品棚で滞在した確率を推定することができる。ランキングアルゴリズムにより有向関係グラフを分析することにより、計算の速度を向上させ、さらに商家が各商品棚における商品の分布位置を確定することを迅速に補助することができる。

これを基にして、前記有向関係グラフにより各前記商品棚の流量ランクを確定することができる。流量ランクとは、各商品棚に関連する関係点に対応するユーザの数の割合を指し、数の割合の大きい順又は小さい順に配列した結果である。具体的には、前記有向関係グラフの各有向辺に対応する流量を確定することができる。各前記有向辺に対応する前記流量に応じて、各前記商品棚の実際流量を計算するとともに、前記実際流量に応じて、流量ランクを取得する。

即ち、各商品棚は、いずれも少なくとも１つの異なる商品棚に接続されている。互いに接続され且つ方向を持つ２つの商品棚は、１つの有向辺を構成し、各有向辺は、いずれもユーザの数の割合に対応しており、この数の割合は、各有向辺の流量である。各商品棚には、この商品棚に入る流入流量が存在し、この商品棚から他の商品棚への流出流量も存在し、この商品棚自体の流量がさらに含まれる可能性がある。このため、各商品棚の実際流量も、流入流量、流出流量及び自体流量の３つの部分によって確定される。例えば、実際流量の計算式は、

であってもよく、ここで、Ｆが計算された商品棚の実際流量であり、ａ１が第１のパラメーターであり、ａ２が第２のパラメーターであり、且つ

であり、ｂが商品棚自体の流量であり、ｃが商品棚に流入する流量である。
例えば、計算された棚Ａ～棚Ａ、棚Ａ～棚Ｂ、棚Ａ～棚Ｃ、棚Ａ～棚Ｄの流量は、それぞれ０．５４、０．０９、０．１８、０．１８である。これに加えて、棚Ｄ～棚Ａの流量は、０．２６であり、棚Ｄ～棚Ｂの流量は、０．２４である。計算された棚Ａの自体流量は、１－（０．１８＋０．０９＋０．１８）＝０．５５であり、棚Ａに流入する流量は、棚Ｄ～棚Ａの流量０．２６であり、実際流量の計算式における第１のパラメーターａ１及び第１のパラメーターａ２は、実際的な必要に応じて設定されても良い、例えばａ１を０．８５に設定してもよく、ａ２を０．１５に設定してもよい。上記の式により計算された棚Ａの実際流量は、０．５１である。同様に、すべての棚の実際流量を計算することができる。

なお、有向関係グラフにおける各有向辺の流量に応じて商品棚の自体流量を計算することができない場合、その自体流量は、デフォルト流量であってもよく、デフォルト流量は、

であり、ここで、ｈがスーパーマーケットにおける商品棚の総数である。
次に、各商品棚の実際流量を計算した後、実際流量の大きい順にすべての実際流量を配列し、最終的な流量ランクを得ることができる。即ち、流量ランクが高いほど、この商品棚におけるユーザの数が多くなる。

前記流量ランクが予め設けられた値よりも大きい場合、前記商品棚における前記商品の分布位置が予め設けられた位置であると確定する。予め設けられた値は、商品棚の総数などの実際的な必要に応じて設定されてもよい、例えば、商品棚の総数が２０である場合、予め設けられた値を１５に設定することができる。流量ランクが１５より大きい場合、即ち、流量ランクの大きい順に上位１５位に配列される場合、商品を商品棚の予め設けられた位置に配置することができる。予め設けられた位置は、例えば棚の目立つ位置又はユーザにとって見やすい位置などであってもよく、例えば、棚の２列目などが挙げられる。

これに加えて、前記流量ランクが前記予め設けられた値よりも小さい場合、前記商品を、前記流量ランクが前記予め設けられた値よりも大きい前記商品棚に合併する。即ち、流量ランクが１５より小さい場合、即ち、流量ランクの大きい順に１６位から２０位に配列される場合、対応する予め設けられた領域における商品を撤去し、又は、それを流量ランクが上位１５位である商品棚に合併することができる。例えば、流量ランクの大きい順に１６位から２０位に配列される棚における商品を撤去し、又は、流量ランクがより高い棚に合併することができる。

本例では、スーパーマーケットにおけるすべての購買者の軌跡での滞在点によって、すべての商品棚の有向関係グラフを確定することができ、これにより、有向関係グラフに応じて、各商品棚の流量ランクを確定することができ、さらに流量ランクに応じて、商品の分布位置を迅速に確定する。ここで、商品の注目度を向上させるように、有向関係グラフに応じて商品の位置を合理的に確定するだけでなく、商家は、流量ランクの低い棚にある商品を調整し、例えば、流量ランクの低い商品を撤去したり、合併の方式により処理したりするなどして、取引率及び取引の効率を向上させることができる。また、購入者が自分に必要な商品を見つけることを容易にすることにより、ユーザの満足度を向上させることができる。これに加えて、商家の混雑を緩和することができるので、スーパーマーケット内の単位時間あたりのスループットを向上させることができる。

図３は、商品の位置を確定するための具体的なフローチャートを示し、図３を参照すると、そのプロセスは、具体的に、以下のステップを含む。

ステップＳ３１において、ユーザの軌跡を３分間隔で小さい軌跡区間に分割する。
ステップＳ３２において、軌跡区間から密度クラスタリングアルゴリズムによりユーザの２つの滞在点を得る。

ステップＳ３３において、商品棚の座標により滞在点を正規化することにより、商品棚の関係の線分を形成し、商品棚は、例えば棚である。

ステップＳ３４において、商品棚の関係の線分でのユーザの数を集計し、各線分での人数の割合に応じて商品棚の有向関係グラフを形成し、ユーザは、例えば商品を購入するユーザであってもよい。

ステップＳ３５において、ＰａｇｅＲａｎｋアルゴリズムにより商品棚の流量ランクを計算する。

Ｓ３５１において、流量ランクが高い商品棚における商品をユーザが容易に見たり触れたりできる位置に配置し、商品は、例えばホット商品である。

Ｓ３５２において、Ｓ３５２１又はＳ３５２２に従って流量ランクが低い商品棚における商品を処理する。

Ｓ３５２１において、商品を撤去する。
Ｓ３５２２において、この商品棚における商品と有向関係グラフにおけるこの商品棚に関連する流量ランクが高い商品棚に対して商品の合併を行う。

図３に示されるステップにより、商品棚における商品の分布位置を迅速かつ合理的に確定し、これにより、商品の取引率及びユーザの満足度を向上させることができる。

これに加えて、本例では、他のデータ処理方法をさらに提供し、図４を参照すると、このデータ処理方法は、以下のステップを含んでもよい。

ステップＳ４１０において、ビデオデータに応じて、各ユーザの座標順序を確定する。
ステップＳ４２０において、前記座標順序に応じて、予め設けられた時間間隔内の前記ユーザの軌跡を取得する。

ステップＳ４３０において、前記軌跡により前記ユーザが滞在した２つの商品棚の関係点を確定する。

ステップＳ４４０において、前記関係点により各商品棚間の有向関係グラフを計算する。

本例では、前記軌跡により各前記ユーザが滞在した２つの商品棚の関係点を確定するステップは、クラスタリングアルゴリズムにより前記軌跡を分析し、前記ユーザの２つの滞在点を得るステップと、２つの前記商品棚に関連する複数の関係点を形成するように、滞在点の座標及び商品棚の座標に応じて、前記滞在点に対して正規化処理を行うステップと、を含む。

本例では、前記関係点により各商品棚間の有向関係グラフを計算するステップは、前記商品棚の各前記関係点での前記ユーザの数の割合により前記商品棚間の有向関係グラフを形成するステップを含む。

なお、本例では、ビデオデータにより各ユーザの座標順序及び予め設けられた時間間隔内のユーザの軌跡を確定するとともに、ユーザが滞在した２つの商品棚の関係点に応じて、各商品棚間の有向関係グラフを計算する具体的なプロセスは、既にステップＳ１１０～ステップＳ１４０において詳細に説明したので、ここでは詳細な説明を省略する。

本発明は、データ処理装置をさらに提供する。図５を参照すると、このデータ処理装置５００は、
ビデオデータに応じて、各ユーザの座標順序を確定するための座標取得モジュール５０１と、
前記座標順序に応じて、予め設けられた時間間隔内の前記ユーザの軌跡を取得するための軌跡取得モジュール５０２と、
前記軌跡により前記ユーザが滞在した２つの商品棚の関係点を確定するための関係確定モジュール５０３と、
前記関係点により各商品棚間の有向関係グラフを計算して、前記有向関係グラフにより前記商品棚における商品の分布位置を確定するための位置確定モジュール５０４と、を含んでもよい。

これに加えて、本発明は、データ処理装置をさらに提供する。図６を参照すると、このデータ処理装置６００は、
ビデオデータに応じて、各ユーザの座標順序を確定するための座標取得モジュール６０１と、
前記座標順序に応じて、予め設けられた時間間隔内の前記ユーザの軌跡を取得するための軌跡取得モジュール６０２と、
前記軌跡により前記ユーザが滞在した２つの商品棚の関係点を確定するための関係確定モジュール６０３と、
前記関係点により各商品棚間の有向関係グラフを計算するための有向グラフ計算モジュール６０４と、を含んでもよい。

なお、上記のデータ処理装置の各モジュールの具体的な細部は、既に対応するデータ処理方法において詳細に説明したので、ここでは詳細な説明を省略する。

なお、以上の詳細な説明では、動作実行のための機器のいくつかのモジュール又はユニットを説明したが、このような区分は、強制的なものではない。実際には、本発明の実施例によれば、上述した２つ以上のモジュール又はユニットの特徴及び機能は、１つのモジュール又はユニットで具体化されてもよい。逆に、上述した１つのモジュール又はユニットの特徴及び機能は、複数のモジュール又はユニットによりさらに具体化されてもよい。

なお、図面において所定の順序で本発明における方法の各ステップを説明したが、当該所定の順序でこれらのステップを実行しなければならないこと、又は、期待の結果を実現するために図示される全てのステップを実行しなければならないことを要求又は暗示することではない。それ以外にも、あるステップを省略したり、複数のステップを組み合わせて１つのステップにして実行したり、及び／又は、１つのステップを複数のステップに分解して実行したりなどしてもよい。

以上の実施形態の説明によって、当業者は、本明細書に記載される例示的な実施形態がソフトウェアにより実現されてもよいこと、ソフトウェアと必要なハードウェアを結合することにより実現されてもよいことを容易に理解することができる。したがって、本発明の実施形態に係る技術案は、ソフトウェア製品の形態で体現されてもよく、当該ソフトウェア製品は、１つの不揮発性記憶媒体（ＣＤーＲＯＭ、ＵＳＢデバイス、モバイルハードディスク等であってもよい）又はネットワークに記憶されてもよく、本発明の実施形態に係る方法を計算機器（パーソナルコンピュータ、サーバ、移動端末又はネットワーク機器等であってもよい）に実行させるいくつかの命令を含む。

本発明の例示的な実施例において、上記の方法を実現できる電子機器をさらに提供する。

当業者は、本発明の各態様がシステム、方法又はプログラム製品として実現できることを理解すべきである。したがって、本発明の各態様は、以下の形式で実現でき、即ち、完全なハードウェア実施例、完全なソフトウェア実施例（ファームウェア、マイクロコード等を含み）、又は、ハードウェアとソフトウェアを結合する実施例であり、ここでは、「回路」、「モジュール」又は「システム」と総称してもよい。

以下、図７を参照して本発明のこのような実施例の電子機器７００を説明する。図７に示される電子機器７００は、単なる一例に過ぎず、本発明の実施例の機能及び使用範囲を限定するものではない。

図７に示すように、電子機器７００は、汎用な計算機器の形式で表現される。電子機器７００のコンポーネントは、少なくとも１つの処理ユニット７１０、少なくとも１つの記憶ユニット７２０、異なるシステムコンポーネント（記憶ユニット７２０と処理ユニット７１０を含み）に接続するバス７３０を含んでもよいが、これらに限定されない。

ここで、前記記憶ユニットには、プログラムコードが記憶され、前記プログラムコードは、前記処理ユニット７１０により実行されてもよく、これにより、前記処理ユニット７１０は、本明細書の上記の「例示的な方法」の部分に説明した本発明の様々な例示的な実施例のステップを実行する。例えば、前記処理ユニット７１０は、図１に示すような、ビデオデータに応じて、各ユーザの座標順序を確定するステップＳ１１０と、前記座標順序に応じて、予め設けられた時間間隔内の前記ユーザの軌跡を取得するステップＳ１２０と、前記軌跡により前記ユーザが滞在した２つの商品棚の関係点を確定するステップＳ１３０と、前記関係点により各商品棚間の有向関係グラフを計算して、前記有向関係グラフにより前記商品棚における商品の分布位置を確定するステップＳ１４０とを実行してもよい。これに加えて、前記処理ユニット７１０は、図４に示すステップＳ４１０～ステップＳ４４０を実行してもよい。

記憶ユニット７２０は、例えば、ランダムアクセス記憶ユニット（ＲＡＭ）７２０１及び／又は高速キャッシュ記憶ユニット７２０２などの揮発性記憶ユニットの形態の読み取り可能な媒体を含んでもよく、読み取り専用の記憶ユニット（ＲＯＭ）７２０３をさらに含んでもよい。

記憶ユニット７２０は、一組（少なくとも１つ）のプログラムモジュール７２０５を備えるプログラム／ユーティリティツール７２０４をさらに含んでもよく、このようなプログラムモジュール７２０５は、操作システム、１つ又は複数のアプリケーションプログラム、他のプログラムモジュール及びプログラムデータを含むが、これらに限定されなく、これらの例における各々又はその特定の組み合わせは、ネットワーク環境の実現を含んでもよい。

バス７３０は、いくつかの種類のバス構造のうちの１種又は複数種であってもよく、記憶ユニットバス又は記憶ユニットコントローラ、周辺バス、アクセラレーテッドグラフィックスポート、処理ユニット又は複数種のバス構造のうちの任意のバス構造を使用するローカルバスを含む。

電子機器７００は、１つ又は複数の外部機器８００（例えば、キーボード、指向機器、ブルートゥース（登録商標）機器等）と通信してもよく、ユーザと当該電子機器７００とのインタラクションを可能にする１つ又は複数の機器と通信してもよく、及び／又は、当該電子機器７００が１つ又は複数の他の計算機器と通信することを可能にする任意の機器（例えば、ルータ、モデム等）と通信してもよい。このような通信は、入力／出力（Ｉ／Ｏ）インターフェース７５０を介して行ってもよい。そして、電子機器７００は、ネットワークアダプタ７６０を介して１つ又は複数のネットワーク（例えば、ローカルエリアネットワーク（ＬＡＮ）、広域ネットワーク（ＷＡＮ）及び／又は共通のネットワーク、例えば、インターネット）と通信してもよい。図に示すように、ネットワークアダプタ７６０は、バス７３０を介して電子機器７００の他のモジュールと通信する。なお、図には示されないが、他のハードウェア及び／又はソフトウェアモジュールを電子機器７００と共に使用してもよく、上記の他のハードウェア及び／又はソフトウェアモジュールは、マイクロコード、機器ドライバ、冗長処理ユニット、外部ディスクドライブアレイ、ＲＡＩＤシステム、テープドライバ及びデータバックアップ記憶システム等を含むが、これらに限定されない。

以上の実施例の説明によって、当業者は、本明細書に記載される例示的な実施例がソフトウェアにより実現されてもよいこと、ソフトウェアと必要なハードウェアを結合することにより実現されてもよいことを容易に理解することができる。したがって、本発明の実施例に係る技術案は、ソフトウェア製品の形態で体現されてもよく、当該ソフトウェア製品は、１つの不揮発性記憶媒体（ＣＤーＲＯＭ、ＵＳＢデバイス、モバイルハードディスク等であってもよい）又はネットワークに記憶されてもよく、本発明の実施例に係る方法を計算機器（パーソナルコンピュータ、サーバ、端末装置又はネットワーク機器等であってもよい）に実行させるいくつかの命令を含む。

本発明の例示的な実施例において、本明細書における上記の方法を実現できるプログラム製品が記憶されるコンピュータ読み取り可能な記憶媒体をさらに提供する。いくつかの可能な実施例では、本発明の各態様は、プログラムコードを含むプログラム製品の形態で実現されてもよく、前記プログラム製品が端末機器で実行される場合、前記プログラムコードは、本明細書の上記の「例示的な方法」の部分に説明した本発明の様々な例示的な実施例のステップを前記端末機器に実行させる。

図８に示すように、本発明の実施例による上記の方法を実現するためのプログラム製品９００は、コンパクトディスク読み取り専用メモリ（ＣＤーＲＯＭ）を使用し、プログラムコードを含み、端末機器（例えば、パーソナルコンピュータ）で実行されることができる。しかしながら、本発明のプログラム製品は、これに限定されない。本願において、読み取り可能な記憶媒体は、プログラムを含む又は記憶する任意の有形媒体であってもく、当該プログラムは、命令実行システム、装置又は部品により使用されてもよく、又は、それらに結合して使用されてもよい。

前記プログラム製品は、１つ又は複数の読み取り可能な媒体の任意の組み合わせを使用してもよい。読み取り可能な媒体は、読み取り可能な信号媒体又は読み取り可能な記憶媒体であってもよい。読み取り可能な記憶媒体は、例えば、電子、磁気、光、電磁、赤外線、又は半導体のシステム、装置又は部品、又は、上記の任意の組み合わせであってもよいが、これらに限定されない。読み取り可能な記憶媒体のより具体的な例（非網羅的リスト）は、１つ又は複数の導線を有する電気的接続、可搬型ディスク、ハードディスク、ランダムアクセスメモリ（ＲＡＭ）、読み取り専用メモリ（ＲＯＭ）、消去／プログラムが可能な読み取り専用のメモリ（ＥＰＲＯＭ又はフラッシュ）、光ファイバー、コンパクトディスク読み取り専用のメモリ（ＣＤーＲＯＭ）、光記憶デバイス、磁気記憶デバイス、又は、これらの任意の組み合わせを含む。

コンピュータ読み取り可能な信号媒体は、ベースバンドに含まれ又は搬送波の一部として伝播されるデータ信号を含んでもよく、その中で読み取り可能なプログラムコードを担持する。このような伝播されるデータ信号は、多くの形式を採用してもよく、電磁信号、光信号又は上記の任意の組み合わせを含むが、これらに限定されない。読み取り可能な信号媒体は、読み取り可能な記憶媒体以外の任意の読み取り可能な媒体であってもよく、当該読み取り可能な媒体は、命令実行システム、装置又は部品により使用され又はそれらと組み合わせて使用されるためのプログラムを送信、伝播又は転送することができる。

読み取り可能な媒体に含まれるプログラムコードは、任意の適切な媒体により転送されてもよく、無線、有線、光ケーブル、ＲＦ等、又は、上記の任意の適切な組み合わせを含むが、これらに限定されない。

本発明の動作を実行するためのプログラムコードは、１種又は複数種のプログラム言語の任意の組み合わせで書かれてもよく、前記プログラム言語は、Ｊａｖａ（登録商標）、Ｃ＋＋などのオブジェクト指向プログラム言語を含んでもよく、「Ｃ」言語又は類似のプログラム言語などの通常の手続型プログラム言語を含んでもよい。プログラムコードは、完全にユーザ計算機器で実行されたもよく、一部がユーザ計算機器で実行されてもよく、１つの独立のソフトウェアパッケージとして実行されてもよく、一部がユーザ計算機器で実行されてもよく、一部が遠隔計算機器で実行されてもよく、又は、完全に遠隔計算機器又はサーバで実行されてもよい。遠隔計算機器に係る場合、遠隔計算機器は、ローカルエリアネットワーク（ＬＡＮ）又は広域ネットワーク（ＷＡＮ）を含む任意の種類のネットワークを介して、ユーザの計算機器に接続されてもよく、又は、外部計算機器（例えば、インターネットサービスプロバイダによりインターネットを介して接続され）に接続されてもよい。

なお、上記の図面は、本発明の例示的な実施例の方法に含まれるプロセスの例示的な説明のみであり、限定することを意図するものではない。上記の図に示されたプロセスはこれらのプロセスの時間的な順序を明確に示したり、限定したりするものではないことを容易に理解されるであろう。また、これらのプロセスは、例えば複数のモジュールにおいて同期的又は非同期的に実行されてもよいことも容易に理解されるであろう。

当業者は、本明細書を考慮し、本明細書に開示された発明を実施した後、本発明の他の実施例を容易に想到できる。本願は、本発明の任意の変形、用途又は適応性の変更を含み、これらの変形、用途又は適応性の変更は、本発明の一般的な原理に従うと共に、本発明に開示されない当技術分野における公知な常識又はで慣用の技術手段を含む。明細書及び実施例は、例示的なものに過ぎず、本発明の真の範囲及び精神は、特許請求の範囲において指摘されている。

Claims (12)

1. データ処理装置により実行されるデータ処理方法であって、
   ビデオデータに応じて、各ユーザの座標順序を確定するステップと、
   前記座標順序に応じて、予め設けられた時間間隔内の前記ユーザの軌跡を取得するステップと、
   前記軌跡により前記ユーザが滞在した２つの商品棚の関係点を確定するステップと、
   前記商品棚の各前記関係点での前記ユーザの数の割合により各前記商品棚間の有向関係グラフを形成して、前記有向関係グラフにより各前記商品棚間の商品の分布位置を確定するステップと、を含むことを特徴とするデータ処理方法。
2. 前記座標順序に応じて、予め設けられた時間間隔内の前記ユーザの軌跡を取得するステップは、
   前記座標順序に応じて、前記ユーザの総軌跡を取得するステップと、
   前記予め設けられた時間間隔に従って前記総軌跡を複数の前記軌跡に分割するステップと、を含むことを特徴とする請求項１に記載のデータ処理方法。
3. 前記軌跡により各前記ユーザが滞在した２つの商品棚の関係点を確定するステップは、
   クラスタリングアルゴリズムにより前記軌跡を分析し、前記ユーザの２つの滞在点を得るステップと、
   ２つの前記商品棚に関連する複数の関係点を形成するように、滞在点の座標及び商品棚の座標に応じて、前記滞在点に対して正規化処理を行うステップと、を含むことを特徴とする請求項１に記載のデータ処理方法。
4. 前記有向関係グラフにより各前記商品棚間の商品の分布位置を確定するステップは、
   ランキングアルゴリズムにより前記有向関係グラフを分析して、前記商品の分布位置を確定するステップを含み、
   ランキングアルゴリズムにより前記有向関係グラフを分析して、前記商品の分布位置を確定するステップは、
   前記有向関係グラフにより各前記商品棚の流量ランクを確定するステップと、
   前記流量ランクに応じて、各前記商品棚間の前記商品の分布位置を確定するステップと、含むことを特徴とする請求項１に記載のデータ処理方法。
5. 前記有向関係グラフにより各前記商品棚の流量ランクを確定するステップは、
   前記有向関係グラフの各有向辺に対応する流量を確定するステップと、
   各前記有向辺に対応する前記流量に応じて、各前記商品棚の実際流量を計算するとともに、前記実際流量に応じて、流量ランクを取得するステップと、を含むことを特徴とする請求項４に記載のデータ処理方法。
6. 前記実際流量の計算式は、
   

   

   であり、
   ここで、
   

   

   であり、ｂが商品棚自体の流量であり、ｃが商品棚に流入する流量であり、Ｆが計算された商品棚の実際流量であることを特徴とする請求項５に記載のデータ処理方法。
7. 前記流量ランクに応じて、各前記商品棚間の前記商品の分布位置を確定するステップは、
   大きい順に前記流量ランクを確定するステップと、
   前記流量ランクが予め設けられた値よりも大きい場合、前記商品棚における前記商品の分布位置が予め設けられた位置であると確定するステップと、を含むことを特徴とする請求項４に記載のデータ処理方法。
8. 前記流量ランクが前記予め設けられた値よりも小さい場合、前記商品を前記流量ランクが前記予め設けられた値よりも大きい前記商品棚に合併するステップをさらに含むことを特徴とする請求項７に記載のデータ処理方法。
9. ビデオデータに応じて、各ユーザの座標順序を確定するための座標取得モジュールと、
   前記座標順序に応じて、予め設けられた時間間隔内の前記ユーザの軌跡を取得するための軌跡取得モジュールと、
   前記軌跡により前記ユーザが滞在した２つの商品棚の関係点を確定するための関係確定モジュールと、
   前記商品棚の各前記関係点での前記ユーザの数の割合により各前記商品棚間の有向関係グラフを形成して、前記有向関係グラフにより各前記商品棚間の商品の分布位置を確定するための位置確定モジュールと、を含むことを特徴とするデータ処理装置。
10. プロセッサと、
    前記プロセッサにより実行可能な命令を記憶するためのメモリと、を含み、
    前記プロセッサは、前記実行可能な命令を実行することにより請求項１～請求項８のいずれか１項に記載のデータ処理方法を実行するように構成されることを特徴とする電子機器。
11. プロセッサにより実行される場合、請求項１～請求項８のいずれか１項に記載のデータ処理方法を実現することを特徴とするプログラム。
12. 請求項１１に記載のプログラムが記録されたコンピュータ読み取り可能な記録媒体。

Images