客流量分析方法及系统、电子设备技术方案

本申请公开一种客流量分析方法及系统、电子设备，通过采集访客人脸图像并从访客人脸图像进行人脸识别得到未在店员人脸管理数据库中的第一人脸，从第一人脸中自动识别出现频率达到第一频率阈值和/或连续出现时间段的个数达到第一数量阈值的第二人脸，将第二人脸作为店员人脸从第一人脸中区分开来，达到了非人工干预下的店员和访客的区分，实现客流量的自动统计。统计。统计。

【技术实现步骤摘要】
客流量分析方法及系统、电子设备


[0001]本申请涉及图像
，具体涉及一种客流量分析方法及系统、电子设备。

技术介绍

[0002]在商家的管理和经营中需对店铺内的客流量进行分析，通常在摄像头实现AI(Artificial Intelligence，人工智能)人脸识别，将识别到的人脸数据上传至后台服务器；后台服务器基于注册店员信息来区分店员和顾客。
[0003]然而，店铺管理中店员存在频繁人事调动，需要依赖人工频繁注册店员信息，增加了人力成本，不利于店铺运营。

技术实现思路

[0004]鉴于此，本申请提供一种客流量分析方法及系统、电子设备，以解决现有的客流量统计时需要依赖人工频繁注册店员信息的问题。
[0005]第一方面，提供一种客流量分析方法，包括：
[0006]获取设于店铺内的至少一个摄像头在预设个数的时间段内采集的访客人脸图像；
[0007]对访客人脸图像进行人脸识别，得到未在店员人脸管理数据库中的第一人脸；并将各个时间段每个第一人脸的出现频率和/或连续出现时间段的个数进行排序；
[0008]当识别到出现频率达到第一频率阈值和/或连续出现时间段的个数达到第一数量阈值时的第二人脸，判断所述第二人脸为店员人脸，并将所述店员人脸的数据加入到所述店员人脸管理数据库中；
[0009]统计各个时间段的人脸总数，将人脸总数减去店员人脸后的数量作为客流量。
[0010]在其中一个实施例中，所述对访客人脸图像进行人脸识别，得到未在店员人脸管理数据库中的第一人脸之后，还包括：
[0011]当识别到出现频率未达到第一频率阈值和/或连续出现时间段的个数未达到第一数量阈值但达到第二频率阈值和/或连续出现时间段的个数达到第二数量阈值时的第二人脸，判断所述第二人脸为疑似店员人脸，并将所述疑似店员人脸的数据加入到疑似店员人脸管理数据库中，其中，所述第二频率阈值小于所述第一频率阈值，所述第二数量阈值小于所述第一数量阈值；
[0012]统计各个时间段的人脸总数后，将人脸总数减去疑似店员人脸后的数量作为客流量。
[0013]在其中一个实施例中，对访客人脸图像进行人脸识别的步骤中，还包括获取属于店员人脸管理数据库中的第三人脸，并判断第三人脸的出现频率是否达到第三频率阈值和/或连续出现时间段的个数是否达到第三数量阈值，其中，所述第三频率阈值小于所述第一频率阈值，所述第三数量阈值小于所述第一数量阈值；
[0014]如是则判断第三人脸为店员，如否则删除人脸管理数据库中对应第三人脸的数据。
[0015]在其中一个实施例中，所述判断第三人脸为店员之后，还包括：
[0016]判断店员人脸管理数据库中第三人脸是否有两组数据；
[0017]如是获取相似度相差最大的两组所述第三人脸，并更新至所述店员人脸管理数据库中，如否则在人脸管理数据库中新增一组第三人脸对应的数据。
[0018]在其中一个实施例中，所述对访客人脸图像进行人脸识别包括：
[0019]提取访客人脸图像中的待识别人脸特征值；
[0020]根据待识别人脸特征值，计算待识别人脸朝向相对于预设平面的角度；
[0021]根据所述角度将待识别人脸特征值转换为在所述预设平面的标准特征值；
[0022]将选取两个待识别人脸之间的标准特征值相比，计算得到待识别人脸之间的相似度；
[0023]当两个待识别人脸之间的相似度满足预设相似度阈值时，则识别所述两个待识别人脸为同一人脸。
[0024]在其中一个实施例中，所述提取访客人脸图像中的待识别人脸特征值包括：
[0025]将所述访客人脸图像进行离散小波变换；
[0026]对离散小波变换变换后访客人脸图像采用方向梯度直方图算法提取特征向量，并将所述特征向量通过分类器判别人脸部图像；
[0027]基于判别的人脸部图像，获取待识别人脸特征值。
[0028]在其中一个实施例中，所述采用方向梯度直方图算法提取特征向量包括：
[0029]将离散小波变换后的所述访客人脸图像分割为多个单元格；
[0030]采集单元格中各像素点的梯度方向直方图，得到每个单元格的特征描述；
[0031]将多个单元格组成一个单元块，将所述单元块按照预设步长横向平移或纵向平移，每次平移后串联单元块内所有单元格的特征描述，得到多个单元块的特征描述；
[0032]将所有单元块的特征描述串联得到所述访客人脸图像的特征向量。
[0033]在其中一个实施例中，所述预设步长与所述离散小波变换过程中的分解次数成反比。
[0034]提供一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序可被处理器所执行，以用于实现如上实施例所述的客流量分析方法。
[0035]提供一种客流量分析系统，包括后台服务器、电子终端和至少一个摄像机，所述后台服务器与所述电子终端、摄像机通信连接，所述电子终端与所述摄像机通信连接；
[0036]所述摄像机用于在预设个数的时间段内采集的访客人脸图像，并将所述访客人脸图像上传至所述服务器；
[0037]所述服务器对访客人脸图像进行人脸识别，得到未在店员人脸管理数据库中的第一人脸；并将各个时间段每个第一人脸的出现频率和/或连续出现时间段的个数进行排序；当识别到出现频率达到第一频率阈值和/或连续出现时间段的个数达到第一数量阈值时的第二人脸，判断所述第二人脸为店员人脸，并将所述店员人脸的数据加入到所述店员人脸管理数据库中；统计各个时间段的人脸总数，将人脸总数减去店员人脸后的数量作为客流量；
[0038]所述电子终端用于展示所述客流量。
[0039]本申请上述客流量分析方法中，从访客人脸图像进行人脸识别得到未在店员人脸
管理数据库中的第一人脸，通过自动识别出现频率达到第一频率阈值和/或连续出现时间段的个数达到第一数量阈值时的第二人脸，将所述第二人脸作为店员人脸从第一人脸中区分开来，达到了非人工干预下的店员和访客的区分，实现客流量的自动统计。
附图说明
[0040]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0041]图1是本申请一实施例的电子设备的结构示意图；
[0042]图2是本申请一实施例的客流量分析方法流程示意图；
[0043]图3是本申请一具体实施例的客流量分析方法流程示意图；
[0044]图4是本申请一实施例的客流量分析系统的结构示意图。
具体实施方式
[0045]下面结合附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而非全部实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种客流量分析方法，其特征在于，包括：获取设于店铺内的至少一个摄像头在预设个数的时间段内采集的访客人脸图像；对访客人脸图像进行人脸识别，得到未在店员人脸管理数据库中的第一人脸；并将各个时间段每个第一人脸的出现频率和/或连续出现时间段的个数进行排序；当识别到出现频率达到第一频率阈值和/或连续出现时间段的个数达到第一数量阈值时的第二人脸，判断所述第二人脸为店员人脸，并将所述店员人脸的数据加入到所述店员人脸管理数据库中；统计各个时间段的人脸总数，将人脸总数减去店员人脸后的数量作为客流量。2.根据权利要求1所述的客流量分析方法，其特征在于，所述对访客人脸图像进行人脸识别，得到未在店员人脸管理数据库中的第一人脸之后，还包括：当识别到出现频率未达到第一频率阈值和/或连续出现时间段的个数未达到第一数量阈值但达到第二频率阈值和/或连续出现时间段的个数达到第二数量阈值时的第二人脸，判断所述第二人脸为疑似店员人脸，并将所述疑似店员人脸的数据加入到疑似店员人脸管理数据库中；其中，所述第二频率阈值小于所述第一频率阈值，所述第二数量阈值小于所述第一数量阈值；统计各个时间段的人脸总数后，将人脸总数减去疑似店员人脸后的数量作为客流量。3.根据权利要求1所述的客流量分析方法，其特征在于，对访客人脸图像进行人脸识别的步骤中，还包括获取属于店员人脸管理数据库中的第三人脸，并判断第三人脸的出现频率是否达到第三频率阈值和/或连续出现时间段的个数是否达到第三数量阈值，其中，所述第三频率阈值小于所述第一频率阈值，所述第三数量阈值小于所述第一数量阈值；如是则判断第三人脸为店员，如否则删除人脸管理数据库中对应第三人脸的数据。4.根据权利要求3所述的客流量分析方法，其特征在于，所述判断第三人脸为店员之后，还包括：判断店员人脸管理数据库中第三人脸是否对应存储有两组数据；如是，获取相似度相差最大的两组所述第三人脸，并更新至所述店员人脸管理数据库中，如否，则在人脸管理数据库中新增一组所述第三人脸的数据。5.根据权利要求1所述的客流量分析方法，其特征在于，所述对访客人脸图像进行人脸识别包括：提取访客人脸图像中的待识别人脸特征值；根据待识别人脸特征值，计算待识别人脸朝向相对于预设平面的角度；根据所述角度将待识别人脸特征值转...

【专利技术属性】
技术研发人员：李锋，周有喜，乔国坤，
申请(专利权)人：新疆爱华盈通信息技术有限公司，
类型：发明
国别省市：