TW202319957A - 影像辨識系統及影像辨識方法 - Google Patents

影像辨識系統及影像辨識方法 Download PDF

Info

Publication number
TW202319957A
TW202319957A TW110141384A TW110141384A TW202319957A TW 202319957 A TW202319957 A TW 202319957A TW 110141384 A TW110141384 A TW 110141384A TW 110141384 A TW110141384 A TW 110141384A TW 202319957 A TW202319957 A TW 202319957A
Authority
TW
Taiwan
Prior art keywords
images
image recognition
feature frame
customer
time point
Prior art date
Application number
TW110141384A
Other languages
English (en)
Inventor
李東穎
盧昱辰
Original Assignee
華捷智能股份有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 華捷智能股份有限公司 filed Critical 華捷智能股份有限公司
Priority to TW110141384A priority Critical patent/TW202319957A/zh
Priority to US17/647,171 priority patent/US20230144757A1/en
Publication of TW202319957A publication Critical patent/TW202319957A/zh

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/94—Hardware or software architectures specially adapted for image or video understanding
    • G06V10/95—Hardware or software architectures specially adapted for image or video understanding structured as a network, e.g. client-server architectures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/97—Determining parameters from multiple pictures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30242—Counting objects in image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

一種影像辨識系統，包含至少一感應器、記憶體及處理器。至少一感應器用以擷取複數個影像。記憶體用以儲存複數個指令。處理器用以由記憶體取得複數指令以執行以下步驟：藉由至少一感應器擷取在建築物內的至少兩個影像；對在第一時間點的至少兩個影像進行人員偵測以取得第一特徵框架。

Description

影像辨識系統及影像辨識方法
本案係有關於一種辨識系統及其辨識方法，特別是有關於一種影像辨識系統及影像辨識方法。
現今企業經營餐飲業或速食業重視現場客戶與不同客戶間的輪替速度及時間，但一般而言，須現場讓員工目測評估，造成評估人數不準確，若要量化則需要耗費人力與時間統計與紀錄。
發明內容旨在提供本揭示內容的簡化摘要，以使閱讀者對本揭示內容具備基本的理解。此發明內容並非本揭示內容的完整概述，且其用意並非在指出本案實施例的重要/關鍵元件或界定本案的範圍。
本案內容之一技術態樣係關於一種影像辨識系統，此影像辨識系統包含至少一感應器、記憶體及處理器。至少一感應器用以擷取複數個影像。記憶體用以儲存複數個指令。處理器用以由記憶體取得複數指令以執行以下步驟：藉由至少一感應器擷取在建築物內的至少兩個影像；對在第一時間點的至少兩個影像進行人員偵測以取得第一特徵框架；根據第一特徵框架以由至少兩個影像中取得客戶候選人；根據客戶候選人以將第一客戶編號給予至少兩個影像內的第一目標物；當第一目標物於第一時段從戶外出入口離開，且第一目標物於第二時段從戶外出入口進入時，則將第二客戶編號給予第一目標物；以及顯示第一目標物的第一客戶編號及第二客戶編號於統計界面。
本案內容之一技術態樣係關於一種影像辨識方法，此影像辨識方法包含：擷取在建築物內的至少兩個影像；對在第一時間點的至少兩個影像進行人員偵測以取得第一特徵框架；根據第一特徵框架以由至少兩個影像中取得客戶候選人；根據客戶候選人以將第一客戶編號給予至少兩個影像內的第一目標物；當第一目標物於第一時段從戶外出入口離開，且第一目標物於第二時段從戶外出入口進入時，則將第二客戶編號給予第一目標物；以及顯示第一目標物的第一客戶編號及第二客戶編號於統計界面。
因此，根據本案之技術內容，本案實施例所示之影像辨識系統及影像辨識方法得以自動量化及紀錄來店客戶人數。
在參閱下文實施方式後，本案所屬技術領域中具有通常知識者當可輕易瞭解本案之基本精神及其他發明目的，以及本案所採用之技術手段與實施態樣。
為了使本揭示內容的敘述更加詳盡與完備，下文針對了本案的實施態樣與具體實施例提出了說明性的描述；但這並非實施或運用本案具體實施例的唯一形式。實施方式中涵蓋了多個具體實施例的特徵以及用以建構與操作這些具體實施例的方法步驟與其順序。然而，亦可利用其他具體實施例來達成相同或均等的功能與步驟順序。
除非本說明書另有定義，此處所用的科學與技術詞彙之含義與本案所屬技術領域中具有通常知識者所理解與慣用的意義相同。此外，在不和上下文衝突的情形下，本說明書所用的單數名詞涵蓋該名詞的複數型；而所用的複數名詞時亦涵蓋該名詞的單數型。
另外，關於本文中所使用之「耦接」，可指二或多個元件相互直接作實體或電性接觸，或是相互間接作實體或電性接觸，亦可指二或多個元件相互操作或動作。
第1圖係依照本案一實施例繪示一種影像辨識系統的示意圖。如圖所示，影像辨識系統100包含至少一感應器110及主機120。此外，主機120包含記憶體121及處理器123。於連接關係上，至少一感應器110耦接於主機120。於主機120內，處理器123耦接於記憶體121。於另一實施例中，感應器110、記憶體121及處理器123可以是設置於單一裝置內，在此不設限。
為自動量化及紀錄來店客戶人數，本案提供如第1圖所示之影像辨識系統100，其相關操作詳細說明如後。
在一實施例中，至少一感應器110用以擷取複數個影像。記憶體121用以儲存複數個指令。處理器123用以由記憶體121取得複數指令以執行以下步驟：藉由至少一感應器110擷取在建築物內的至少兩個影像；對在第一時間點的至少兩個影像進行人員偵測以取得第一特徵框架；根據第一特徵框架以由至少兩個影像中取得客戶候選人；根據客戶候選人以將第一客戶編號給予至少兩個影像內的第一目標物；當第一目標物於第一時段從戶外出入口離開，且第一目標物於第二時段從戶外出入口進入時，則將第二客戶編號給予第一目標物；以及顯示第一目標物的第一客戶編號及第二客戶編號於統計界面。
為使影像辨識系統100之上述操作易於理解，請一併參閱第2圖、第3圖及第4圖，第2圖係依照本案一實施例繪示一種影像辨識系統使用情境的示意圖，第3圖係依照本案一實施例繪示一種影像辨識系統所擷取之影像的示意圖，第4圖係依照本案一實施例繪示一種影像辨識系統之統計界面的示意圖。
請一併參閱第1圖至第4圖，於操作上，在一實施例中，處理器123用以由記憶體121取得複數指令而控制至少一感應器110擷取在建築物內的至少兩個影像（例如影像310及320）。舉例而言，處理器123可控制感應器111及/或感應器119以擷取在建築物內的影像310及320。
隨後，處理器123對在第一時間點的至少兩個影像（例如影像310及320）進行人員偵測以取得第一特徵框架210。舉例而言，人員偵測可以透過衣物、服飾來做區分偵測。
然後，處理器123根據第一特徵框架210以由至少兩個影像（例如影像310及320）中取得客戶候選人。舉例而言，客戶候選人可以是根據不同衣物特徵而區別的人員特徵。
再來，處理器123根據客戶候選人以將第一客戶編號給予至少兩個影像（例如影像310及320）內的第一目標物C1。舉例而言，第一目標物C1可以是一名客戶，可以將第一客戶編號給予客戶C1，而第一客戶編號可以為正整數，但本案不以此為限。
隨後，當第一目標物C1於第一時段從戶外出入口T1離開，且第一目標物C1於第二時段從戶外出入口T1進入時，則處理器123將第二客戶編號給予第一目標物C1。舉例而言，第一目標物C1可以是客戶，當客戶C1在上午9：00於戶外出入口T1出去，然後於上午9：05於戶外出入口T1進入時，則將第二客戶編號給予客戶C1，第二客戶編號可以為正整數，但本案不以此為限。
然後，處理器123顯示第一目標物C1的第一客戶編號及第二客戶編號於統計界面400。
請一併參閱第1圖及第2圖，在一實施例中，至少一感應器110置於建築物內部的頂部，且至少一感應器110用以俯視、側視及俯視特定角度的其中一者以擷取至少兩個影像（例如影像310及320）。舉例而言，至少一感應器110可包含多個感應器111~119，且感應器111~119可置於建築物內部的頂部。
請一併參閱第2圖，在一實施例中，建築物包含餐飲店及速食店的其中至少一者。舉例而言，建築物可以是餐飲店或速食店。
在一實施例中，至少一感應器110包含相機及監視器的其中至少一者。舉例而言，至少一感應器110可以是相機或監視器。
第5圖係依照本案一實施例繪示一種影像辨識系統之統計界面的示意圖。
請一併參閱4圖及第5圖，在一實施例中，統計界面（例如統計界面400、400A）包含網路界面。舉例而言，網路界面可以是連接網際網路使用的應用程式界面。
第6圖係繪示依照本案另一實施方式的一種影像辨識方法之流程圖。為使第6圖之影像辨識方法600易於理解，請一併參閱第2圖、第3圖、第4圖及第6圖。第6圖之影像辨識方法600包含以下步驟：
步驟610：擷取在建築物內的至少兩個影像（例如影像310及320）；
步驟620：對在第一時間點的至少兩個影像（例如影像310及320）進行人員偵測以取得第一特徵框架210；
步驟630：根據第一特徵框架210以由至少兩個影像（例如影像310及320）中取得客戶候選人；
步驟640：根據客戶候選人以將第一客戶編號給予至少兩個影像（例如影像310及320）內的第一目標物C1；
步驟650：當第一目標物C1於第一時段從戶外出入口T1離開，且第一目標物C1於第二時段從戶外出入口T1進入時，則將第二客戶編號給予第一目標物C1；
步驟660：顯示第一目標物的第一客戶編號及第二客戶編號於統計界面400。
第7圖係繪示依照本案另一實施方式的一種影像辨識方法之流程圖。為使第7圖之影像辨識方法700易於理解，請一併參閱第2圖、第3圖及第7圖。 第7圖之影像辨識方法700包含以下步驟：
步驟710：藉由標註工具匯入在第一時間點的至少兩個影像（例如影像310及320）；
步驟720：對在第一時間點的至少兩個影像（例如影像310及320）進行人員偵測以取得第一特徵框架210；
步驟730：根據第一特徵框架對在第一時間點的至少兩個影像（例如影像310及320）進行自動匹配以得到在第一時間點的人數資訊；
步驟740：在第一時間點的至少兩個影像（例如影像310及320）的人數資訊取平均以取得平均人數資訊，並判斷第一時間點的平均人數資訊是否大於10人；
步驟750：根據第一特徵框架210對在第一時間點與第二時間點的至少兩個影像（例如影像310及320）內的第一目標物C1及第二目標物C1A進行自動匹配，以判斷至少兩個影像（例如影像310及320）內的第一目標物C1及第二目標物C1A相同；
步驟760：檢查至少兩個影像（例如影像310及320）內的第一目標物C1與第二目標物（例如第二目標物C1A、C2或C3）的第一特徵框架210及第二特徵框（例如第二特徵框210A、220、230）；
步驟770：輸出第一時間點的至少兩個影像（例如影像310及320），且至少兩個影像（例如影像310及320）內的第一目標物C1及第二目標物（例如第二目標物C1A、C2或C3）包含第一特徵框架210及第二特徵框架（例如第二特徵框架210A、220、230）的其中一者。
在一實施例中，參閱步驟740，當平均人數資訊小於10人時，則執行步驟710以藉由標註工具匯入在另一個時間點(例如第三時間點)的至少兩個影像（例如影像310及320）。
在一實施例中，請參閱步驟740，當平均人數資訊大於10人時，執行步驟750以則根據第一特徵框架210對在第一時間點與第二時間點的至少兩個影像（例如影像310及320）內的第一目標物C1及第二目標物C1A進行自動匹配，以判斷至少兩個影像（例如影像310及320）內的第一目標物C1及第二目標物C1A相同。
在一實施例中，請參閱步驟760，可進一步檢查至少兩個影像（例如影像310及320）內的第一目標物C1的第一特徵框架210及第二目標物（例如第二目標物C1A及C3）的第二特徵框是否為不同。
在一實施例中，請參閱步驟760，當檢查出第一目標物C1的第一特徵框架210及第二目標物C3的第二特徵框230為不同時，影像辨識方法700可修正第一特徵框架210或第二特徵框架230。
在一實施例中，請參閱步驟760，當檢查出第一目標物C1及第二目標物C1A無第一特徵框架時，影像辨識方法700可藉由標註工具對第一目標物C1或第二目標物C1A標註第一特徵框架210。
在一實施例中，影像辨識方法700為利用標註工具進行學習訓練的過程。舉例而言，影像辨識方法700可以為利用標註工具進行演算法訓練的學習過程。
第8圖係繪示依照本案另一實施方式的一種影像辨識方法之流程圖。為使第8圖之影像辨識方法800易於理解，請一併參閱第2圖、第3圖及第8圖。 第8圖之影像辨識方法800包含以下步驟：
步驟810：匯入第一時間點的至少兩個影像（例如影像310及320）；
步驟820：對至少兩個影像（例如影像310及320）進行人員偵測以取得第一特徵框架210；
步驟830：根據第一特徵框架210以由至少兩個影像（例如影像310及320）中取得客戶候選人；
步驟840：判斷客戶候選人是否為職員W；
步驟841：刪除客戶候選人；
步驟850：根據客戶候選人以將第一客戶編號給予第一目標物C1；
步驟860：判斷第一目標物C1是否從戶外出入口T1離開；
步驟861：當第一目標物C1從建築物內的室內出入口離開，且當第一目標物C1從室內出入口進入時，則第一目標物C1的第一客戶編號不變；
步驟870：當第一目標物C1從戶外出入口離開，且當第一目標物C1從戶外出入口進入時，則將第二客戶編號給予第一目標物；
步驟880：統計第一時間點的至少兩個影像（例如影像310及320）中的客戶數量資訊及客戶停留時間資訊，並顯示客戶數量資訊及客戶停留時間資訊於統計界面。
在一實施例中，請參閱步驟840，當客戶候選人是職員W時，則執行步驟841以刪除客戶候選人。舉例而言，第一特徵框架210的辨識是透過衣物，客戶一般穿著便服，職員W穿著商店制服，故從客戶候選人中排除。
在一實施例中，請參閱步驟840，當客戶候選人不是職員W時，則執行步驟850以根據客戶候選人以將第一客戶編號給予第一目標物C1。
在一實施例中，請參閱步驟860，當第一目標物C1從建築物內的室內出入口T1離開，且當第一目標物C1從室內出入口進入時，則執行步驟861，保持第一目標物C1的第一客戶編號不變。
由上述本案實施方式可知，應用本案具有下列優點。本案實施例所示之影像辨識系統及影像辨識方法得以自動量化及紀錄來店客戶人數。
雖然上文實施方式中揭露了本案的具體實施例，然其並非用以限定本案，本案所屬技術領域中具有通常知識者，在不悖離本案之原理與精神的情形下，當可對其進行各種更動與修飾，因此本案之保護範圍當以附隨申請專利範圍所界定者為準。
100:影像辨識系統 110:感應器組 111～119:至少一感應器 120:主機 121:記憶體 123:處理器 310,320:至少兩個影像 400,400A:統計界面 C1、C5:第一目標物 C2,C1A,C3,C4:第二目標物 W:職員 T1:戶外出入口 T2:室內出入口 600,700,800:影像辨識方法 610～660:步驟 710～770:步驟 810～880:步驟
為讓本案之上述和其他目的、特徵、優點與實施例能更明顯易懂，所附圖式之說明如下： 第1圖係依照本案一實施例繪示一種影像辨識系統的示意圖。 第2圖係依照本案一實施例繪示一種影像辨識系統使用情境的示意圖。 第3圖係依照本案一實施例繪示一種影像辨識系統所擷取之影像的示意圖。 第4圖係依照本案一實施例繪示一種影像辨識系統之統計界面的示意圖。 第5圖係依照本案一實施例繪示一種影像辨識系統之統計界面的示意圖。 第6圖係繪示依照本案另一實施方式的一種影像辨識方法之流程圖。 第7圖係繪示依照本案另一實施方式的一種影像辨識方法之流程圖。 第8圖係繪示依照本案另一實施方式的一種影像辨識方法之流程圖。
國內寄存資訊(請依寄存機構、日期、號碼順序註記) 無 國外寄存資訊(請依寄存國家、機構、日期、號碼順序註記) 無
100:影像辨識系統
110:感應器組
111,119:至少一感應器
120:主機
121:記憶體
123:處理器
C1:第一目標物
C2:第二目標物

Claims (20)

  1. 一種影像辨識系統，包含： 至少一感應器，用以擷取複數個影像； 一記憶體，用以儲存複數個指令；以及 一處理器，用以由該記憶體取得該些指令以執行以下步驟： 藉由該至少一感應器擷取在一建築物內的至少兩個影像； 對在一第一時間點的該至少兩個影像進行一人員偵測以取得一第一特徵框架； 根據該第一特徵框架以由該至少兩個影像中取得一客戶候選人； 根據該客戶候選人以將一第一客戶編號給予該至少兩個影像內的一第一目標物； 當該第一目標物於一第一時段從一戶外出入口離開，且該第一目標物於一第二時段從該戶外出入口進入時，則將一第二客戶編號給予該第一目標物；以及 顯示該第一目標物的該第一客戶編號及該第二客戶編號於一統計界面。
  2. 如請求項1所述之影像辨識系統，其中該至少一感應器置於該建築物內部的一頂部，且該至少一感應器用以俯視、側視及俯視一特定角度的其中一者以擷取該至少兩個影像。
  3. 如請求項1所述之影像辨識系統，其中該建築物包含一餐飲店及一速食店的其中至少一者。
  4. 如請求項1所述之影像辨識系統，其中該至少一感應器包含一相機及一監視器的其中至少一者。
  5. 如請求項1所述之影像辨識系統，其中該統計界面包含一網路界面。
  6. 一種影像辨識方法，包含： 擷取在一建築物內的至少兩個影像； 對在一第一時間點的該至少兩個影像進行一人員偵測以取得一第一特徵框架； 根據該第一特徵框架以由該至少兩個影像中取得一客戶候選人； 根據該客戶候選人以將一第一客戶編號給予該至少兩個影像內的一第一目標物； 當該第一目標物於一第一時段從一戶外出入口離開，且該第一目標物於一第二時段從該戶外出入口進入時，則將一第二客戶編號給予該第一目標物；以及 顯示該第一目標物的該第一客戶編號及該第二客戶編號於一統計界面。
  7. 如請求項6所述之影像辨識方法，其中該影像辨識方法更包含： 藉由一標註工具匯入在該第一時間點的該至少兩個影像。
  8. 如請求項7所述之影像辨識方法，其中對在該第一時間點的該至少兩個影像進行該人員偵測以取得該第一特徵框架的步驟包含： 根據該第一特徵框架對在該第一時間點的該至少兩個影像進行自動匹配以得到在該第一時間點的一人數資訊；以及 在該第一時間點的該至少兩個影像的該人數資訊取平均以取得一平均人數資訊，並判斷該第一時間點的該平均人數資訊是否大於10人。
  9. 如請求項8所述之影像辨識方法，其中對在該第一時間點的該至少兩個影像進行該人員偵測以取得該第一特徵框架的步驟更包含： 根據該第一特徵框架對在該第一時間點與一第二時間點的該至少兩個影像內的一第一目標物及一第二目標物進行自動匹配，以判斷該至少兩個影像內的該第一目標物及該第二目標物相同。
  10. 如請求項9所述之影像辨識方法，其中在該第一時間點的該至少兩個影像的該人數資訊取平均以取得該平均人數資訊，並判斷該第一時間點的該平均人數資訊是否大於10人的步驟包含： 當該平均人數資訊小於10人時，則藉由該標註工具匯入在一第三時間點的該至少兩個影像；以及 當該平均人數資訊大於10人時，則根據該第一特徵框架對在該第一時間點與該第二時間點的該至少兩個影像內的該第一目標物及該第二目標物進行自動匹配，以判斷該至少兩個影像內的該第一目標物及該第二目標物相同。
  11. 如請求項10所述之影像辨識方法，其中根據該第一特徵框架對在該第一時間點與該第二時間點的該至少兩個影像內的該第一目標物及該第二目標物進行自動匹配，以判斷該至少兩個影像內的該第一目標物及該第二目標物相同的步驟包含： 檢查該至少兩個影像內的該第一目標物與第二目標物的該第一特徵框架及一第二特徵框。
  12. 如請求項11所述之影像辨識方法，其中檢查該至少兩個影像內的該第一目標物的該第一特徵框架及該第二目標物的該第二特徵框的步驟包含： 檢查該至少兩個影像內的該第一目標物的該第一特徵框架及該第二目標物的該第二特徵框是否為不同。
  13. 如請求項12所述之影像辨識方法，其中檢查該至少兩個影像內的該第一目標物的該第一特徵框架及該第二目標物的該第二特徵框的步驟包含： 當該第一目標物的該第一特徵框架及該第二目標物的該第二特徵框為不同時，則修正該第一特徵框架或該第二特徵框架。
  14. 如請求項11所述之影像辨識方法，其中檢查該至少兩個影像內的該第一目標物的該第一特徵框架及該第二目標物的該第二特徵框的步驟包含： 當該第一目標物及該第二目標物無該第一特徵框架時，則藉由該標註工具對該第一目標物或該第二目標物標註該第一特徵框架。
  15. 如請求項14所述之影像辨識方法，更包含： 輸出該第一時間點的該至少兩個影像，且該至少兩個影像內的該第一目標物及該第二目標物包含該第一特徵框架及該第二特徵框架的其中至少一者。
  16. 如請求項15所述之影像辨識方法，其中根據該第一特徵框架以取得該客戶候選人的步驟包含： 匯入該第一時間點的該至少兩個影像；以及 對該至少兩個影像進行該人員偵測以取得該第一特徵框架。
  17. 如請求項16所述之影像辨識方法，其中根據該第一特徵框架以取得該客戶候選人的步驟更包含： 判斷該客戶候選人是否為一職員。
  18. 如請求項17所述之影像辨識方法，其中判斷該客戶候選人是否為該職員的步驟更包含： 當該客戶候選人是該職員時，則刪除該客戶候選人；以及 當該客戶候選人不是該職員時，則根據該客戶候選人以將該第一客戶編號給予該第一目標物。
  19. 如請求項18所述之影像辨識方法，其中當該第一目標物於該第一時段從該戶外出入口離開，且該第一目標物於該第二時段從該戶外出入口進入時，則將該第二客戶編號給予該第一目標物的步驟包含： 判斷該第一目標物是否從該戶外出入口離開； 當該第一目標物從該戶外出入口離開，且當該第一目標物從該戶外出入口進入時，則將該第二客戶編號給予該第一目標物；以及 當該第一目標物從該建築物內的一室內出入口離開，且當該第一目標物從該室內出入口進入時，則該第一目標物的該第一客戶編號不變。
  20. 如請求項19所述之影像辨識方法，其中顯示該第一目標物的該第一客戶編號及該第二客戶編號於該統計界面的步驟包含： 統計該第一時間點的該至少兩個影像中的一客戶數量資訊及一客戶停留時間資訊；以及 顯示該客戶數量資訊及該客戶停留時間資訊於該統計界面。
TW110141384A 2021-11-05 2021-11-05 影像辨識系統及影像辨識方法 TW202319957A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
TW110141384A TW202319957A (zh) 2021-11-05 2021-11-05 影像辨識系統及影像辨識方法
US17/647,171 US20230144757A1 (en) 2021-11-05 2022-01-06 Image recognition system and image recognition method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW110141384A TW202319957A (zh) 2021-11-05 2021-11-05 影像辨識系統及影像辨識方法

Publications (1)

Publication Number Publication Date
TW202319957A true TW202319957A (zh) 2023-05-16

Family

ID=86229067

Family Applications (1)

Application Number Title Priority Date Filing Date
TW110141384A TW202319957A (zh) 2021-11-05 2021-11-05 影像辨識系統及影像辨識方法

Country Status (2)

Country Link
US (1) US20230144757A1 (zh)
TW (1) TW202319957A (zh)

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7167576B2 (en) * 2001-07-02 2007-01-23 Point Grey Research Method and apparatus for measuring dwell time of objects in an environment
US8009863B1 (en) * 2008-06-30 2011-08-30 Videomining Corporation Method and system for analyzing shopping behavior using multiple sensor tracking
ES2396500T3 (es) * 2010-11-18 2013-02-22 Axis Ab Contador de objetos y método para contar objetos
US11914674B2 (en) * 2011-09-24 2024-02-27 Z Advanced Computing, Inc. System and method for extremely efficient image and pattern recognition and artificial intelligence platform
US9330468B2 (en) * 2012-02-29 2016-05-03 RetailNext, Inc. Method and system for analyzing interactions
CN103854273B (zh) * 2012-11-28 2017-08-25 天佑科技股份有限公司 一种近正向俯视监控视频行人跟踪计数方法和装置
EP3022652A2 (en) * 2013-07-19 2016-05-25 eyeQ Insights System for monitoring and analyzing behavior and uses thereof
JP5683663B1 (ja) * 2013-09-27 2015-03-11 パナソニックＩｐマネジメント株式会社 滞留時間測定装置、滞留時間測定システムおよび滞留時間測定方法
JP5866522B2 (ja) * 2014-07-08 2016-02-17 パナソニックＩｐマネジメント株式会社 施設管理支援装置、施設管理支援システムおよび施設管理支援方法
TWI537842B (zh) * 2014-09-30 2016-06-11 廣達電腦股份有限公司 人流計數系統
KR102550673B1 (ko) * 2015-07-08 2023-07-03 주식회사 케이티 방문객 출입 통계 분석 방법 및 장치
JP6558579B2 (ja) * 2015-12-24 2019-08-14 パナソニックＩｐマネジメント株式会社 動線分析システム及び動線分析方法
GB2560177A (en) * 2017-03-01 2018-09-05 Thirdeye Labs Ltd Training a computational neural network
US10474988B2 (en) * 2017-08-07 2019-11-12 Standard Cognition, Corp. Predicting inventory events using foreground/background processing
US11017266B2 (en) * 2018-05-09 2021-05-25 Figure Eight Technologies, Inc. Aggregated image annotation
TWI679612B (zh) * 2018-08-14 2019-12-11 國立交通大學 影像追蹤方法
JP6511204B1 (ja) * 2018-10-31 2019-05-15 ニューラルポケット株式会社 情報処理システム、情報処理装置、サーバ装置、プログラム、又は方法
US20210271217A1 (en) * 2019-03-07 2021-09-02 David Greschler Using Real Time Data For Facilities Control Systems
MX2021012393A (es) * 2019-04-10 2022-03-17 Scott Charles Mullins Sistemas de monitoreo.
US11232575B2 (en) * 2019-04-18 2022-01-25 Standard Cognition, Corp Systems and methods for deep learning-based subject persistence
US20220327318A1 (en) * 2021-04-08 2022-10-13 Nvidia Corporation End-to-end action recognition in intelligent video analysis and edge computing systems

Also Published As

Publication number Publication date
US20230144757A1 (en) 2023-05-11

Similar Documents

Publication Publication Date Title
CN104954736B (zh) 滞留状况分析装置、滞留状况分析系统及分析方法
US20180293612A1 (en) Digital information gathering and analyzing method and apparatus
WO2019062017A1 (zh) 基于神经网络的商品识别方法、装置、自助收银台
WO2019062018A1 (zh) 商品自动结算方法、装置、自助收银台
JP5728871B2 (ja) 移動管理システム、情報処理装置、移動管理方法、プログラム
US20140063256A1 (en) Queue group leader identification
EP2869268A1 (en) Staying state analysis device, staying state analysis system and staying state analysis method
US10372998B2 (en) Object recognition for bottom of basket detection
US20170330208A1 (en) Customer service monitoring device, customer service monitoring system, and customer service monitoring method
JP2011253344A (ja) 購買行動分析装置、購買行動分析方法、およびプログラム
JP2012088878A (ja) 顧客優待管理システム
JP2006350751A (ja) 店舗内の販売分析装置及びその方法
CN111951258B (zh) 一种基于边缘计算的货架缺货预警分析系统及方法
JP6145850B2 (ja) 人物行動分析装置、人物行動分析システムおよび人物行動分析方法
CN111681234A (zh) 门店货架上摆放试用装产品规范检测方法、系统及设备
CN111310733A (zh) 基于监控视频的人员进出检测方法、装置和设备
KR20160011804A (ko) 얼굴인식기술을 이용하여 추출된 고객의 성별 및 연령 정보에 기초하여 매장 이용 고객에 대한 마케팅 정보를 제공하는 방법
TW202319957A (zh) 影像辨識系統及影像辨識方法
US20140089079A1 (en) Method and system for determining a correlation between an advertisement and a person who interacted with a merchant
JP7015430B2 (ja) 見込み客情報収集システム及びその収集法
CN113627393B (zh) 基于双重神经网络的商品识别方法及智能售货系统
JP4338147B2 (ja) 商品関心度計測装置
TWI735855B (zh) 動向指引系統及其方法
CN109905661A (zh) 监视终端装置、监视系统、以及存储有监视显示控制程序的计算机可读非暂时性的存储介质
JP7564146B2 (ja) 劣化検査装置、劣化検査方法、情報処理システムおよびコンピュータプログラム