CN104335245B - 用于测量数字招牌的受众规模的方法及装置 - Google Patents

Abstract

测量数字招牌的受众规模包括：生成多条路径，其中所述多条路径的每一条对应在由邻近数字招牌的相机采集的第一视频帧序列中检测到的每一个脸部；以及生成在视频帧序列中的区，阈值数目的路径穿过该区。然后，测量在第二视频帧序列中的所述区内的运动及运动方向，以计算在该第二视频帧序列中穿过该区的受众规模。

Description

用于测量数字招牌的受众规模的方法及装置

技术领域

本发明的实施例涉及用于测量数字招牌的受众规模的***。

背景技术

数字标牌是个术语，通常用于描述使用电子显示设备(如：液晶显示(LCD),发光二极管(LED)显示，等离子体显示或投影显示)在诸如餐馆或购物区显示新闻、广告、当地公告及其他媒体内容。

定向广告能帮助识别潜在观看者，并通过向潜在的观看者提供及时、相关的广告以改善广告商的投资收益率(ROI)。数字标牌产业中的定向广告涉及有能力根据从该数字招牌前路过的潜在的收看者、甚至是根据潜在收看者的特点来动态选择及播放广告的数字招牌。

受众测量对于安装在特定位置的数字招牌而言是个重要的考虑因素。受众测量向广告商提供了关于其广告向收看者曝光程度的定量数据，也向数字标牌的运营方及广告商提供了投资回报率(ROI)数据。受众测量中的两个相关度量是对实际观看或看着数字招牌的个体数目进行计数的观看测量(viewership measurement)及对通过该数字招牌但不一定收看该数字招牌的个体总数目进行计数的能见机会(OTS)测量。这两个值能使广告商更好地理解其广告内容接受了多少实际观看，并提供对潜在受众规模与实际看着数字招牌的观看者比例的测量。需要一种方法来能以自动、简单、成本高效的方式测量观看及OTS。

附图说明

从下面给出的详细描述，以及本发明的各实施例的附图，将更加全面地理解本发明的各实施例，然而，实施例不应该被理解为将本发明限制于特定实施例，而只是为了说明和理解而已。

图1示出根据本发明的实施例被利用的计算***的功能性框图。

图2示出本发明实施例的功能性框图。

图3示出本发明实施例的流程图。

具体实施方式

本发明的实施例提供了一种用于数字标牌网络的被动式、自动的受众测量***，该***能被用于向其运营方提供定量的收视信息及投资回报率(ROI)数据。本发明的实施例收集、测量及分析路过数字招牌的个体的视频数据以改善该数字招牌的广告ROI。

本发明的实施例将视频图像处理及分析软件用于估计定向广告或将特定广告引导到包括数字显示屏或显示设备的数字招牌上的有效性。通过为数字招牌配备诸如邻近数字显示设备的正向相机那样的传感器及耦合到诸如英特尔酷睿15及酷睿17处理器那样的处理器的视频图像软件，根据本发明实施例的数字招牌就具有了智能，能够检测观看者的数目(“观看”)，也能够计算受众规模或路过该数字招牌但不一定或实际没有收看该招牌上显示的广告的人数。本文将所述路过数字招牌但不一定或实际没有收看该招牌上显示的广告的人数称为能见机会(OTS)计数。观看及OTS计数信息能被用于计量广告的有效性并据此改编广告(“ad”)内容。

参考图1及图2，本发明的实施例包含软件模块200,其处理从相机105及相机205接收到的视频馈送，以测量观看及OTS计数。在一个实施例中，该软件模块200将视频馈送作为直接从相机105及相机205接收到的实时视频馈送来处理。在另一个实施例中，可以首先将视频馈送存储于永久存储体130及存储体230中，然后通过软件模块200从永久存储体130及存储体230检索该视频馈送以用于处理。软件模块200可以自身存储于永久存储体130及存储体230中，被加载到总线135上并被加载到存储器125中，由CPU 120执行。只要软件模块200或其用户接口易于加载并由CPU 120执行，则该软件模块200也可以替换地存储于别处，例如存储于网上的应用服务器上。软件可以在诸如平台100及现成的标准操作***那样的标准计算平台中的通用CPU上被执行或运行。软件模块200访问诸如相机105及相机205那样的电子图像采集设备，该相机105及相机205相对于平台100位于远程，并可通过输入/输出接口115及通信链路140对其访问。例如：相机105及相机205可以是基于web的相机。通信链路140可以是任何能够转移从相机105及相机205接收的视频馈送信号的通信链路，例如可以是局域网(LAN),无论是基于有线或是无线的链路。或者相机105及相机205可以直接耦合到输入/输出接口115或计算机总线135。

图1所示的实施例构想了通过通信链路140及输入/输出接口115耦合到计算平台100的数字招牌显示屏110(”显示110”)。应当意识到：在另一些实施例中，显示110可以通过不同的通信链路耦合到计算平台100，或者通过输入/输出接口115或计算机总线135直接耦合到计算平台100。在另一实施例中，只要根据本发明的实施例，由相机105及相机205通过其耦合的计算平台提供给计算平台100的视频馈送作为用于测量广告的有效性及根据显示110改编广告(“ad”)内容的输入被使用，显示110就可以连接到与计算平台100不同的计算平台，或与该不同的计算平台通信，并由该不同的计算平台控制。此实施例会涉及计算平台100及软件模块200，该软件模块200据上文执行，以与控制显示在数字招牌显示110上的广告内容的不同的计算平台通信。

如图2所示，软件模块220包含三个功能组件或模块：观看者或脸部检测模块210、OTS校准模块215及OTS计数器模块220。参考图2并参考图3所示的流程图300，本发明的实施例按下述步骤操作。本实施例从步骤305开始，相机105及相机205通过永久存储体130及存储体230实时或延时地提供包含视频帧序列的视频馈送。在步骤310，脸部检测模块210接收该视频帧序列，并在步骤315中在该视频帧序列中检测面向或看着数字招牌显示110的脸部。在一个实施例中，相机105及相机205面朝外、远离显示110被固定或安装到显示110的前面，使得相机105及相机205采集到的视频馈送采集经过显示110的个体或位于显示110前的个体的视频。在一个实施例中，脸部检测模块210使用正面脸部检测算法，以识别转向或面向显示110及/或与显示110位于同一位置的相机105及相机205的个体的脸部。

根据一个实施例，在步骤315中，脸部检测模块210处理视频帧序列并为每个经处理的视频帧中检测到的脸部生成矩形数据。该矩形数据实质上代表围绕或限定出视频帧中检测到的脸部的矩形。在一个实施例中，矩形数据包括该矩形的或在该矩形上或该矩形内的特定位置的图片元素(像素)位置(如：该矩形的左上角)，该位置以x,y坐标对值和用像素表示出的矩形的宽度及高度来表达。在一个实施例中，脸部检测模块210可以向永久存储体230输出该矩形数据，直到校准模块215继续进行步骤320中的处理为止。在另一个实施例中，该矩形数据被保持在存储器125中，被校准模块215访问。脸部检测模块210可以在存储器125中保持或缓存部分矩形数据，而该矩形数据的其他部分可以被存储在永久存储体130及存储体230中，这取决于该视频帧序列的尺寸或长度。作为一个示例，如果视频馈送每秒生成30帧，该视频馈送的长度为10秒，在该视频帧序列中检测到三个脸部，则脸部检测模块为900个矩形生成矩形数据。

在步骤320中，上述过程继续，OTS校准模块215接收由脸部检测模块210生成的矩形数据。在一个实施例中，模块215接收并处理该矩形数据。这部分过程可以发生在该矩形数据被编译后的某个时刻，无论是即刻、或一段时间之后、或周期性地，取决于一些标准，例如：日期、时间、存储器125或存储体130及存储体230的要求，或者是平台100的限制，或者是用户的输入。OTS校准模块215确定多条路径，每条路径对应视频帧序列中检测到的每一个脸部。每条路径由与至少在接收到的视频帧序列的一部分时间中检测到的特定脸部关联的一系列或一组矩形数据来定义。校准模块215在数据结构中存储该路径信息。在一个实施例中，代表一条路径的每一组矩形(通过对应于在视频帧序列上检测到的相同的脸部的矩形数据序列来表示)被存储在分离的数据结构中。例如：每条路径的信息可以被存储在分离的循环队列数据结构中。在本发明的不同实施例中，这些队列可以保持在存储器125中或被移动到永久存储体230中。在上文所述的示例中，视频馈送每秒生成30帧，长度为10秒，且在该视频馈送的视频流序列中有三个检测到的脸部，则三个循环队列中的每一个保持包含300个与特定脸部关联的矩形的矩形数据的路径信息。

在一个实施例中，OTS校准模块215经配置以在该过程继续进行之前编译或收集阈值数目的路径。例如：模块215可以收集基于或受限于经分配以保持路径信息的分离的循环队列路径数目的多个路径。在另一个实施例中，足够数目的路径(例如：100条路径)被收集以满足校准路径信息的阈值。在步骤325中，无论是怎样测量的，一旦达到该阈值路径数目，该过程继续进行。在另一个实施例中，在步骤325中，该过程根据预定的时间间隔继续进行。在步骤325中，任何情形下，OTS校准模块215接收这些路径(例如从存储体230中)，分析这些路径，并基于该分析计算在视频帧序列中的一组最优的矩形区，阈值数目的脸部沿特定方向穿过该组最优的矩形区。例如：在一个实施例中，这些矩形区代表视频帧中最重要的区域，有最多数目的脸部朝特定方向(在下文的方程及相应的讨论中称为”最优方向”(OD))穿过这些区域。在本发明的一个实施例中，矩形区域仅仅由x,y坐标对值表示，例如：围绕检测到的脸部中心的矩形及位于检测到的脸部的中心内或中心周围的x,y值对，或者以x,y坐标对值及用像素表示的矩形的宽度及高度的形式表示。(在下文的方程及相关讨论中，该宽度被称为“最优宽度”(OW),该高度被称为”最优高度”(OH)。)

在一个实施例中，每一个矩形区的关联方向可以部分由对应于有限或窄范围的矩形数据的一组一条或多条路径集合来决定。在一个实施例中，该范围可以是用户可配置的；或在另一个实施例中，该范围由OTS校准模块220自动(通过统计方式)确定。例如：如果两个脸部在视频帧序列中的视频帧的相同方向和相同位置中移动，这两个脸部的路径就属于同一矩形区或与同一矩形区关联。但是如果两个脸部总体上朝着分散的(如相反的或正交的)方向移动，即便其在视频帧序列中的视频帧的总体相同位置内移动，这两个脸部及其路径也与不同的矩形区关联。在一个实施例中，应当意识到在矩形区集合中可能有多达四个或更多的区，如：东、西、北、南区(或左、右、上、下区)。

根据本发明的实施例，该矩形区集合被存储，供之后在该过程的步骤330中由OTS计数器模块220使用。该计数器模块220接收矩形区集合及视频帧序列(无论其是整体或部分相同(如先前、后续或部分重叠的)或是不同的视频帧序列)并估计穿过该视频帧序列中的每个区但不一定看着数字招牌的人数。根据一个实施例，OTS计数器模块220测量帧序列中每个区内的平均像素运动(在下文中称为沿x轴或水平平面的运动Mx及沿y轴或垂直平面的运动My)及运动方向(OD)来估计穿过该帧序列中的每个区但不一定看着数字招牌的人数。在一个实施例中，使用人们熟知的光流技术或像素运动估计算法执行该测量。

在一个实施例中，计数器模块220为具有涉及重要身体运动(而不是脸部运动)的区测量并调节或补偿该身体运动。例如：在涉及沿朝着相机方向行走的个体的区内，在y轴或垂直平面有显著的身体运动。为了改善在该区内的OTS计数的精确度，该身体运动可以被考虑用于该区内的平均像素运动及运动方向的测量。在一个实施例中，在特定区内为重要的身体运动作补偿涉及配置代表身体长度与脸部长度之间的比例的校准的头－身体因子。在一个实施例中，头-体因子值的变化范围在6和8之间。

在一个实施例中，用于计算每个区的OTS计数的方程如下：

其中：为特定区(本示例中是在具有y轴或垂直方向的区内)计算身体运动补偿的结果用于计算下文所述的相同区的“增量”：

如果上述方程中的结果，即给定区的增量大于零，则将该区的OTS计数增加该增量值。但是如果增量等于或小于零，则OTS计数保持不变。用另一种方法表示：

如果增量>0，则

新OTS＝原OTS+增量

否则

新OTS＝原OTS。

上述方程提供了边界条件以确保当运动朝着相反的方向进行时,OTS计数不“被增加”从而避免OTS计数变成负值的情况。

如上文所述，本发明的实施例校准在视频帧序列内的区。一旦这些区被校准了，OTS计数器模块220确定每个区内的像素运动以估计OTS计数。本发明的实施例OTS计数的准确度更高且总体CPU的使用度更低，因为：1)校准模块215收集的观看信息及运动信息使本发明的实施例能够确定最优区或搜索区域，简化了视频处理算法；2)计数器模块220的操作依赖于像素运动而不是复杂的图像分割或图像跟踪，从而形成了更不易受光变化或阴影影响的更高效的解决方案；以及3)对最优区的校准是连续的，使得本发明的实施例能在例如个体的运动模式在相应位置变化时能够动态适应数字招牌的显示110处或其前的环境。

下列示例涉及本发明的进一步实施例。

本发明的一个实施例提供了一种用于测量数字招牌的受众规模的方法，包括：生成多条路径，其中每条路径对应在由邻近数字招牌的相机采集的第一视频帧序列中检测到的每一个脸部；生成在所述第一视频帧序列中的区，阈值数目的路径穿过所述区；以及测量在第二视频帧序列中的区内的运动及运动方向，以计算穿过该第二视频帧序列中所述区的受众规模。一个实施例还包括：检测在所述第一视频帧序列中由邻近数字招牌的相机采集的脸部并为在该第一视频帧序列中的每一个视频帧中检测到的每一个脸部生成矩形数据，其中：为检测到的每一个脸部生成多条路径的步骤包括基于所述矩形数据为检测到的每一个脸部生成一条路径。在一个实施例中，检测在所述第一视频帧序列中的脸部的步骤包括：检测在该第一视频帧序列中面向数字招牌的脸部，其中：使用正面脸部检测算法来检测在该第一视频帧序列中面向该数字招牌的脸部。

根据一个实施例，为检测到的特定脸部生成的矩形数据代表限定出该检测到的脸部的矩形，所述矩形数据包括：限定出该检测到的脸部的矩形的位置的图片元素(像素)位置，该矩形位置的像素位置用x、y坐标对值表示；以及均以像素数目表示的所述矩形的宽度及高度。在本发明的一个实施例中，为基于矩形数据的检测到的每一个脸部生成的路径由与在所述第一视频帧序列的至少一部分中检测到的特定脸部关联的一组矩形数据定义。在一个实施例中，为每一个检测到的脸部生成路径的步骤包括：将与检测到的特定脸部相关联的定义路径的所述一组矩形数据存储于分离的数据结构中。

在本发明的一个实施例中，生成在所述第一视频帧序列中的区且阈值数目的所述路径穿过该区的步骤包括：分析所述多条路径，并由此生成在所述视频帧序列中的矩形区，阈值数目的脸部沿一般运动方向穿过该矩形区。该矩形区由以下各项表示：运动方向；该矩形区内位置的图片元素(像素)位置，该像素位置用x、y坐标对值表示；以及均以像素数目目表示的该矩形区的宽度及高度。

根据一个实施例，结合在第二视频帧序列中的区内测量运动及运动方向以计算在该第二视频帧序列中穿过该区的受众规模的步骤，该第二视频帧序列包括所述第一视频帧序列的至少一部分。在一个实施例中，测量在所述第二视频帧序列中的区内的运动及运动方向的步骤包括：根据像素运动估计算法，测量在所述区内的平均像素运动及运动方向。在一个实施例中，测量在所述第二视频帧序列中的所述区内的运动及运动方向的步骤包括：测量并补偿在所述第二视频帧序列中的所述区内的身体运动。

在一个实施例中，至少一个机器可读介质包括多条指令，所述指令在计算设备上被执行，作为响应，该指令使该计算设备执行以上在不同实施例中列举的所述限定的任意组合。

根据一个实施例，一种测量数字招牌的受众规模的装置包括：处理器；耦合到该处理器的存储器；包含机器指令的脸部检测模块，该机器指令在从存储器加载并由所述处理器执行时生成多条路径，每条路径对应在由邻近数字招牌的相机采集的第一视频帧序列中检测到的每一个脸部；包含机器指令的校准模块，该机器指令在从存储器加载并由所述处理器执行时，生成在所述第一视频帧序列中的区，阈值数目的所述路径穿过该区；及包含机器指令的计数器模块，该机器指令在从存储器加载并由所述处理器执行时，测量在第二视频帧序列中的所述区内的运动及运动方向以计算穿过在所述第二视频帧序列中的所述区内的受众规模。在一个实施例中，所述脸部检测模块进一步包含机器指令，该机器指令在从存储器加载并由所述处理器执行时，检测在由邻近数字招牌的相机采集的所述第一视频帧序列中的脸部。所述脸部检测模块还可以为检测到的每一个脸部生成一个视频帧矩形数据。在一个实施例中，所述脸部检测模块为检测到的每一个脸部生成多条路径包括：所述脸部检测模块基于所述矩形数据为检测到的每一个脸部生成路径。在一个实施例中，所述脸部检测模块使用正面脸部检测算法在由定位于数字招牌前的相机采集的所述第一视频帧序列中检测面向该数字招牌的脸部。

根据一个实施例，矩形数据表示限定出检测到的脸部的矩形，该矩形数据包括：限定出该检测到的脸部的矩形的位置的图片元素(像素)位置，该位置的像素位置用x、y坐标对值表示；以及均以像素数目表示的所述矩形的宽度及高度。所述脸部检测模块为每一个检测到的脸部生成路径，该路径由与在所述第一视频帧序列的至少一部分中检测到的脸部相关联的一组矩形数据来定义。在一个实施例中，所述脸部检测模块将与检测到的每一个脸部相关联的定义路径的所述一组矩形数据保持在分离的循环队列数据结构中。

根据一个实施例，生成在所述第一视频帧序列中的区且阈值数目的路径通过该区的该校准模块分析所述多条路径，并基于该分析，生成在所述第一视频帧序列中的矩形区，阈值数目的脸部沿着特定运动方向穿过该矩形区。

结论

在本文的描述中，阐述了许多具体细节以为本发明的实施例提供了更透彻的解释。然而，对本领域的技术人员显而易见的是，可以在没有这些具体细节的情况下实施本发明的实施例。在其他情形下，为人们熟知的结构及设备以框图形式示出，而不是详细地示出，以避免使本发明的实施例变得模糊。

本文详细描述的计算机存储器内数据操作的算法及符号表示方面的一些部分被呈现出来。这些算法描述及表示是数据处理领域的技术人员用于向本领域的其它技术人员最有效地传达其工作实质的手段。算法在此一般被理解为导致所需结果的自洽的步骤序列。这些步骤需要对物理量进行物理操控。通常但非必须，这些量采用能被存储、传输、组合、比较、以及以其他方式操控的电信号或磁信号的形式。主要出于常见用途的考虑，将这些信号称为位、值、要素、符号、字符、项、数字等被证明是方便的。

然而，应该记住，所有这些及/或类似的术语将与适当的物理量关联，仅仅是应用于这些量的方便的标记。除非明确指明，否则如从本文描述中显而易见的，可以理解，在全文中，利用诸如“处理”或“计算”或“运算”或“确定”或“显示”等术语的讨论，指的是计算机***或类似电子计算设备的动作及进程，该计算机***或类似电子计算设备操纵在该计算机***的寄存器及存储器内表示为物理(电子)量的数据，并将其转换成在该计算机***存储器或寄存器或其他这样的信息存储、传输或显示设备内类似地表示为物理量的其他数据。

本发明的实施例还涉及用于执行本文操作的装置。一些装置可专门构造来用于所需目的，或其可包括通用计算机，该通用计算机由存储在该计算机内的计算机程序有选择地激活或配置。这种计算机程序可存储在计算机可读存储介质中，诸如但不限于：包括软盘、光盘、CD-ROM、DVD-ROM及磁光盘的任意类型的盘、只读存储器(ROM)、随机存取存储器(RAM)、EPROM、EEPROM、NVRAM、磁或光卡、或适用于存储电子指令且各自耦合到计算机***总线的任意类型的介质。

本文呈现的算法及显示并非固有地与任何特定计算机或其它装置相关。可以将各种通用***与根据本文教导的程序一起使用，或可以证明构造更专门的装置来实现所需要的方法是方便的。各种这些***的所需结构将本申请的描述中呈现。另外，不参考任何特定编程语言来描述本发明的实施例。应当意识到可将多种编程语言用于实现如本文所述的本发明的实施例。

机器可读介质包括用于存储或传送机器(例如：计算机)可读形式的信息的任何机制。例如，机器可读介质包括只读存储器(”ROM”)、随机存取存储器(”RAM”)、磁盘存储介质、光存储介质、闪存设备等。

尽管本发明实施例的很多改变及修改在本领域的普通技术人员阅读上述描述之后无疑将变得显而易见，但应该理解，作为说明示出及描述的任何具体实施例决非旨在是限制性的。因此，本发明的权利要求仅记载被认为是对本发明至为重要的那些特征，但对各实施例的细节的引述并不旨在限制这些权利要求的范围。

Claims (22)

1.一种用于测量数字招牌受众规模的方法，包括：

生成多条路径，其中所述多条路径的每一条对应在由邻近所述数字招牌的相机采集的第一视频帧序列中检测到的每一个脸部；

在所述第一视频帧序列中生成阈值数目的所述路径穿过的区；以及

在第二视频帧序列中测量所述区内的运动及运动方向，以计算在所述第二视频帧序列中穿过所述区的受众规模。

2.如权利要求1所述的方法，其特征在于，进一步包括：

检测在由邻近所述数字招牌的所述相机采集的所述第一视频帧序列中的所述脸部；及

为所述第一视频帧序列中的每一个视频帧中检测到的每一个脸部生成矩形数据，其中，为检测到的每一个脸部生成所述多条路径的步骤包括基于所述矩形数据为检测到的每一个脸部生成路径。

3.如权利要求2所述的方法，其特征在于，检测在所述第一视频帧序列中的所述脸部的步骤包括：检测在所述第一视频帧序列中面向所述数字招牌的脸部，其中，使用正面脸部检测算法来检测在所述第一视频帧序列中面向所述数字招牌的所述脸部。

4.如权利要求2所述的方法，其特征在于，为检测到的脸部生成的所述矩形数据代表限定出所述检测到的脸部的矩形，所述矩形数据包括：限定出所述检测到的脸部的矩形的位置的图片元素位置，所述矩形的位置的所述图片元素位置用x、y坐标对值表示；以及均以图片元素数目表示的所述矩形的宽度及高度。

5.如权利要求2所述的方法，其特征在于，为检测到的脸部生成的所述矩形数据代表限定出所述检测到的脸部的矩形，所述矩形数据包括：限定出所述检测到的脸部的矩形的位置的像素位置，所述矩形的位置的所述像素位置用x、y坐标对值表示；以及均以像素数目表示的所述矩形的宽度及高度。

6.如权利要求2所述的方法，其特征在于，基于所述矩形数据为检测到的每一个脸部生成的所述路径由与在所述第一视频帧序列的至少一部分中检测到的特定脸部相关联的一组矩形数据定义。

7.如权利要求6所述的方法，其特征在于，为检测到的每一个脸部生成一条路径的步骤包括：将与定义所述路径的所述检测到的特定脸部关联的所述一组矩形数据存储在分离的数据结构中。

8.如权利要求1所述的方法，其特征在于，在所述第一视频帧序列中生成阈值数目的路径穿过的区的步骤包括：分析所述多条路径，并根据所述分析，在所述第一视频帧序列中生成阈值数目的脸部沿总体运动方向而穿过的矩形区。

9.如权利要求8所述的方法，其特征在于，所述矩形区通过以下各项表示：运动方向；所述矩形区内的位置的图片元素位置，所述图片元素位置用x、y坐标对值表示；以及均以图片元素数目表示的所述矩形区的宽度及高度。

10.如权利要求8所述的方法，其特征在于，所述矩形区通过以下各项表示：运动方向；所述矩形区内的位置的像素位置，所述像素位置用x、y坐标对值表示；以及均以像素数目表示的所述矩形区的宽度及高度。

11.如权利要求1所述的方法，其特征在于，所述第二视频帧序列包括所述第一视频帧序列的至少一部分。

12.如权利要求1所述的方法，其特征在于，在所述第二视频帧序列中测量所述区内的运动及运动方向的步骤包括：根据像素运动估计算法，测量在所述区内的平均像素运动及运动方向。

13.如权利要求1所述的方法，其特征在于，在所述第二视频帧序列中测量所述区内的运动及运动方向的步骤包括：在所述第二视频帧序列中测量并补偿所述区内的身体运动。

14.至少一种机器可读介质，包括多条指令，所述指令响应于在计算设备上被执行使所述计算设备-能够执行如权利要求1-13之一所述的方法。

15.一种用于测量数字招牌的受众规模的装置，包括：

处理器；

耦合至所述处理器的存储器；

包含多条机器指令的脸部检测模块，所述多条机器指令在从所述存储器加载并由所述处理器执行时生成多条路径，所述多条路径中的每一条对应在由邻近所述数字招牌的相机采集的第一视频帧序列中检测到的每一个脸部；

包含多条机器指令的校准模块，所述多条机器指令在从所述存储器加载并由所述处理器执行时，在所述第一视频帧序列中生成阈值数目的路径穿过的区；以及

包含多条机器指令的计数器模块，所述多条机器指令在从所述存储器加载并由所述处理器执行时，在第二视频帧序列中测量所述区内的运动及运动方向，以计算在所述第二视频帧序列中穿过所述区的受众规模。

16.如权利要求15所述的装置，其特征在于，进一步包括：

包含进一步机器指令的所述脸部检测模块，所述进一步机器指令在从存储器加载并由所述处理器执行时，检测在由邻近所述数字招牌的所述相机采集的所述第一视频帧序列中的所述脸部；以及

包含进一步机器指令的所述脸部检测模块，所述进一步机器指令在从存储器加载并由所述处理器执行时，为检测到的每一个脸部生成一个视频帧矩形数据，其中，所述脸部检测模块为检测到的每一个脸部生成所述路径包括：所述脸部检测模块基于所述矩形数据为检测到的每一个脸部生成路径。

17.如权利要求16所述的装置，其特征在于，所述脸部检测模块检测在由邻近所述数字招牌的所述相机采集的所述第一视频帧序列中的所述脸部包括：所述脸部检测模块使用正面脸部检测算法在由定位于所述数字招牌前的所述相机采集的所述第一视频帧序列中检测面向所述数字招牌的脸部。

18.如权利要求16所述的装置，其特征在于，所述矩形数据代表限定出所述检测到的脸部的矩形，所述矩形数据包括：限定出所述检测到的脸部的矩形的位置的图片元素位置，所述矩形的位置的图片元素位置用x、y坐标对值表示；以及均以图片元素数目表示的所述矩形的宽度及高度。

19.如权利要求16所述的装置，其特征在于，所述矩形数据代表限定出所述检测到的脸部的矩形，所述矩形数据包括：限定出所述检测到的脸部的矩形的位置的像素位置，所述矩形的位置的像素位置用x、y坐标对值表示；以及均以像素数目表示的所述矩形的宽度及高度。

20.如权利要求16所述的装置，其特征在于，所述脸部检测模块基于所述矩形数据为检测到的每一个脸部生成路径包括：所述脸部检测模块为检测到的每一个脸部生成路径，所述路径由与在所述第一视频帧序列的至少一部分中检测到的所述脸部关联的一组矩形数据定义。

21.如权利要求20所述的装置，其特征在于，所述脸部检测模块为检测到的每一个脸部生成路径包括：所述脸部检测模块将与检测到的每一个脸部相关联的定义所述路径的所述一组矩形数据保持在分离的循环队列数据结构中。

22.如权利要求15所述的装置，其特征在于，所述校准模块在所述第一视频帧序列中生成阈值数目的路径穿过的区包括：所述校准模块分析所述多条路径，并基于所述分析，在所述第一视频帧序列中生成阈值数目的脸部沿着特定运动方向而穿过的矩形区。