一种基于空间分布投票的客流属性分析方法及系统技术方案

本发明专利技术公开了一种基于空间分布投票的客流属性分析方法及系统，涉及客流属性分析技术领域，解决了现有投票策略存在的准确率低的技术问题。本发明专利技术包括如下步骤：S11、获取人体识别属性的轨迹空间分布图；S12、将轨迹空间分布图转化成网格图；S13、按照投票规则对人体识别属性进行投票，计算投票结果；将投票结果最多的识别属性作为最终的人体属性识别结果；S14、返回步骤S11，执行下一次识别。本发明专利技术具备很好的抗干扰能力，有效提升了客流属性识别的准确率。率。率。

【技术实现步骤摘要】
一种基于空间分布投票的客流属性分析方法及系统


[0001]本专利技术涉及客流属性分析
，尤其涉及一种基于空间分布投票的客流属性分析方法及系统。

技术介绍

[0002]线下零售进入数字化运营时代，对于商家来说，精确的客流和客群洞察，比如性别、年龄等等，可以帮助他们更准确地了解客户情况以及运营成效情况，从而可以做出适当的运营策略调整，更好地服务客户和提高销售额。
[0003]目前，一般的方法为每个顾客抓取代表性的一帧图片用于属性识别，但是单帧属性识别容错性差，结合时序通过多帧结果进行投票可以有效提高准确率。简单的投票策略给每一帧识别结果都赋予相同的权重，容易受到人体在某个地方长时间不移动且识别结果错误的干扰。因此，本专利技术提出一种按照空间分布投票的客流属性分析方法。

技术实现思路

[0004]本专利技术要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于空间分布投票的客流属性分析方法及系统。
[0005]本专利技术解决其技术问题所采用的技术方案是：根据本专利技术的一方面，提供一种基于空间分布投票的客流属性分析方法，包括以下步骤：S11、获取人体识别属性的轨迹空间分布图；S12、将所述轨迹空间分布图转化成网格图；S13、按照投票规则对所述人体识别属性的属性类别进行投票，计算投票结果；将投票结果最多的所述属性类别作为最终的人体属性识别结果；S14、返回步骤S11，执行下一次识别。
[0006]进一步地，步骤S12包括如下步骤：S121、待识别人体是否消失；如是，执行步骤S123；否则，执行步骤S122；S122、返回步骤S11，等待待识别人体消失；S123、将待识别人体的轨迹点依采集时序依次连接，形成轨迹线路；S124、为所述轨迹线路建立最小外接矩形；S125、将所述最小外接矩形的长边、短边分别进行划分，形成多个网格块。
[0007]进一步地，步骤S125中，将所述最小外接矩形的长边n等分；将所述最小外接矩形的短边等比例划分成u等分，其划分公式为：u=floor（（b/a）
×
n）；其中，a为所述最小外接矩形长边的长度，b为所述最小外接矩形短边的宽度，floor为向下取整。
[0008]进一步地，步骤S13包括如下步骤：S131、所述轨迹点的总数是否小于预定值；若是，执行步骤S132；否则，执行步骤
S133；S132、退出本次人体属性识别，执行步骤S14；S133、为每一个所述网格块中的所述轨迹点设置投票权重；S134、计算投票结果，将投票结果最多的所述属性类别作为最终的人体属性识别结果。
[0009]进一步地，步骤S135中，第i个所述网格块的第h个所述轨迹点的投票权重w
ih
为：w
ih
=1/m
×
1/c
i
；其中，m为存在轨迹点的网格块数量，c
i
为第i个网格块的轨迹点数量。
[0010]进一步地，步骤S136中，投票结果的计算公式v
jk
为：；其中，v
jk
是第j个属性的第k个类别的投票结果，T
ihjk
是第i个网格块的第h个轨迹点的第j个属性的第k个类别的类别值。
[0011]进一步地，步骤S13中，第j个识别属性最终的人体属性识别结果class
j
为：class
j
=argmax（v
j1
，
…
，v
jk
，
…
，v
jn
）；其中，argmax为取最大值对应的位置，n为第j个识别属性的类别的数量。
[0012]进一步地，步骤S11包括如下步骤：S111、获取所述人体识别属性的轨迹空间分布图；S112、统计所述空间分布图中待识别人体的所述轨迹点的总数量；S113；总数量是否超过所述预定值；如是，执行步骤S114；否则，执行步骤S115；S114、执行步骤S12；S115、执行步骤S14。
[0013]根据本专利技术的另一方面，还提供了一种基于空间分布投票的客流属性分析系统，包括计算机可读的存储介质，所述存储介质上存储有计算机程序，所述计算机程序被执行时实现如上文所述的基于空间分布投票的客流属性分析方法。
[0014]进一步地，基于空间分布投票的客流属性分析系统还包括还包括处理器以及输出终端；所述处理器与所述存储介质连接，用于执行所述存储介质存储的计算机程序，以使所述处理器执行如上文所述的基于空间分布投票的客流属性分析方法；所述输出终端与所述处理器连接，用于将最终的人体属性识别结果进行输出。
[0015]实施本专利技术基于空间分布投票的客流属性分析方法及系统的技术方案，具有如下优点或有益效果：本专利技术通过对人体在空间中形成的轨迹建立最小外接矩形，并将外接矩阵细化成多个网格块，并对不同网格块内的轨迹点赋予不同权重。以此解决了现有投票策略给每一轨迹点都赋予相同的权重，导致的识别结果准确率低的技术缺点。本专利技术具备很好的抗干扰能力，有效提升了识别的准确率。
附图说明
[0016]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍，显而易见，下面描述中的附图仅仅是本专利技术的一些实施例，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，还可以根据这些附图获得其他的附图，附图中：图1是本专利技术实施例基于空间分布投票的客流属性分析方法的整体流程示意图；图2是本专利技术实施例基于空间分布投票的客流属性分析方法的步骤S11的流程示意图；图3是本专利技术实施例基于空间分布投票的客流属性分析方法中步骤S12的流程示意图；图4是本专利技术实施例基于空间分布投票的客流属性分析方法中步骤S13的流程示意图；图5是本专利技术实施例基于空间分布投票的客流属性分析方法的最小外接矩形的网格划分图。
具体实施方式
[0017]为了使本专利技术的目的、技术方案及优点更加清楚明白，下文将要描述的各种示例性实施例将要参考相应的附图，这些附图构成了示例性实施例的一部分，其中描述了实现本专利技术可能采用的各种示例性实施例，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。应明白，它们仅是与如所附权利要求书中所详述的、本专利技术公开的一些方面相一致的装置和方法的例子，还可使用其他的实施例，或者对本文列举的实施例进行结构和功能上的修改，而不会脱离本专利技术的范围和实质。在其他情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本专利技术的描述。
[0018]在本专利技术的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“厚度”、“上下前后左右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的元器件或插件必须具有的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于空间分布投票的客流属性分析方法，其特征在于，包括以下步骤：S11、获取人体识别属性的轨迹空间分布图；S12、将所述轨迹空间分布图转化成网格图；S13、按照投票规则对所述人体识别属性的属性类别进行投票，计算投票结果；将投票结果最多的所述属性类别作为最终的人体属性识别结果；S14、返回步骤S11，执行下一次识别。2.根据权利要求1所述的基于空间分布投票的客流属性分析方法，其特征在于，步骤S12包括如下步骤：S121、待识别人体是否消失；如是，执行步骤S123；否则，执行步骤S122；S122、返回步骤S11，等待待识别人体消失；S123、将待识别人体的轨迹点依采集时序依次连接，形成轨迹线路；S124、为所述轨迹线路建立最小外接矩形；S125、将所述最小外接矩形的长边、短边分别进行划分，形成多个网格块。3.根据权利要求2所述的基于空间分布投票的客流属性分析方法，其特征在于，步骤S125中，将所述最小外接矩形的长边n等分；将所述最小外接矩形的短边等比例划分成u等分，其划分公式为：u=floor（（b/a）
×
n）；其中，a为所述最小外接矩形长边的长度，b为所述最小外接矩形短边的宽度，floor为向下取整。4.根据权利要求3所述的基于空间分布投票的客流属性分析方法，其特征在于，步骤S13包括如下步骤：S131、所述轨迹点的总数是否小于预定值；若是，执行步骤S132；否则，执行步骤S133；S132、退出本次人体属性识别，执行步骤S14；S133、为每一个所述网格块中的所述轨迹点设置投票权重；S134、计算投票结果，将投票结果最多的所述属性类别作为最终的人体属性识别结果。5.根据权利要求4所述的基于空间分布投票的客流属性分析方法，其特征在于，步骤S135中，第i个所述网格块的第h个所述轨迹点的投票权重w
ih
为：w
ih
=1/m
×
1/c
i
；其中，m为存在轨迹点的网格块数量，c
i
...

【专利技术属性】
技术研发人员：杨恒，龙涛，阮仕海，
申请(专利权)人：深圳爱莫科技有限公司，
类型：发明
国别省市：