CN110414424A - 数据处理***、方法、平台、机器可读介质及设备 - Google Patents

Abstract

本发明提供一种数据处理***、方法、平台、机器可读介质及设备，包括设备接入层、网络层、数据层、平台层；设备接入层，用于获取一个或多个目标空间区域内对应的人体特征数据；数据层，通过网络层与设备接入层连接，用于判断设备接入层在目标空间区域内采集的一个或多个人体特征数据是否符合预设的人体特征数据筛选规则，并将符合人体特征数据筛选规则的人体特征数据传输至平台层；平台层，用于根据数据层传输的人体特征数据，确定与人体特征数据对应的一维或多维分析结果。本发明能够完成线下门店客流统计、用户的消费倾向分析和用户的身份识别，从而解决了线下获取用户数据难的问题；且部署简单，成本低，稳定性好。

Description

数据处理***、方法、平台、机器可读介质及设备

技术领域

本发明涉及数据处理技术，特别是涉及一种数据处理***、方法、平台、机器可读介质及设备。

背景技术

线下实体门店比较关心的问题主要集中在客流统计、消费倾向、用户身份识别等这些方面，而线下获取用户数据的难度又很大。

现有的客流统计主要采用人工统计、结账统计、wifi计数、红外计数、计算机视觉、重力感应等方式；存在如下缺点：

(1)使用人工统计存在易漏数，无法长时间稳定工作，成本高等缺点；

(2)使用结账统计会导致数据不全面；

(3)使用wifi计数因范围原因导致统计不准确；

(4)使用红外计数易被干扰；

(5)使用重力感应设备投入成本高，不稳定；

(6)目前普通的计算机视觉识别统计不准确，会将员工等人员统计在内。

现有的消费倾向判别主要采用人工判断、调研公司、自营数据、大数据分析；存在如下缺点：

(1)使用人工判断因店员素质参差不齐导致用户体验差；

(2)调研公司存在高依赖、成本高、非实时等缺陷；

(3)自营数据存在不全面、碎片化、成本高等问题；

(4)大数据分析存在线下数据缺乏、成本高等缺陷。

现有的用户身份识别几乎全依赖人工判断，店员素质能力参差不齐，无法做到对所有用户的有效识别。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种数据处理***、方法、平台、机器可读介质及设备，用于解决现有技术中线下获取用户数据难度大的问题。

为实现上述目的及其他相关目的，本发明提供一种数据处理***，包括有设备接入层、网络层、数据层、平台层；

所述设备接入层，用于获取一个或多个目标空间区域内对应的人体特征数据；

所述数据层，通过网络层与设备接入层连接，用于判断所述设备接入层在所述目标空间区域内采集的一个或多个人体特征数据是否符合预设的人体特征数据筛选规则，并将符合所述人体特征数据筛选规则的人体特征数据传输至平台层；

所述平台层，用于根据所述数据层传输的人体特征数据，确定与所述人体特征数据对应的一维或多维分析结果。

可选地，所述人体特征数据包括人脸特征数据、人体承载特征数据。

可选地，若所述人体特征数据为人脸特征数据，则所述人脸特征数据包括以下至少之一：人脸图片清晰度、人脸图片光照强度、人脸图片低头角度、人脸图片抬头角度、人脸图片侧脸角度、人脸图片人脸特征点质量分。

可选地，若所述人脸特征数据满足以下条件至少之一：人脸图片清晰度大于对应预设值、人脸图片光照强度大于对应预设值、人脸图片低头角度小于对应预设值、人脸图片抬头角度小于对应预设值、人脸图片侧脸角度小于对应预设值、人脸图片人脸特征点质量分大于对应预设值，则符合预设的人体特征数据筛选规则。

可选地，分析结果包括以下至少之一：消费倾向分析结果、消费习惯分析结果。

可选地，还包括应用层；其中，所述应用层，用于显示所述消费倾向分析结果或所述消费习惯分析结果。

可选地，若所述人体特征数据为人体承载特征数据，则所述人体承载特征数据包括以下至少之一：人体穿着特征数据、人体取放商品特征数据。

可选地，若所述设备接入层在所述目标空间区域内采集的一个或多个人脸特征数据不符合预设的人体特征数据筛选规则，则所述平台层在人脸特征数据基础上，结合人体穿着特征数据，或人体取放商品特征数据，确定与所述人脸特征数据对应的一维或多维分析结果。

可选地，所述人体取放商品特征数据包括以下至少之一：手取放商品的动作数据、商品特征数据；其中，所述商品特征数据包括以下至少之一：商品名称、商品价格、商品包装。

可选地，所述人体穿着特征数据包括以下至少之一：人体衣服特征数据、人体装饰物特征数据。

可选地，所述人体装饰物特征数据包括以下至少之一：人体佩戴的戒指特征数据、人体佩戴的手镯数据、人体佩戴的耳环数据。

可选地，所述平台层还预设有用于进行身份识别的预设数据库；

所述平台层通过预设数据库中的人脸数据与所述设备接入层在所述空间区域内采集的符合人体特征数据筛选规则的人员的人脸数据进行对比，根据比对结果判断预设数据库中是否存在符合人体特征数据筛选规则的人脸数据；若存在，则匹配出与所述人脸数据相对应的身份信息；若不存在，则在应用层中创建此次在所述空间区域内采集到的符合人体特征数据筛选规则的人脸数据以及身份信息。

可选地，所述应用层还统计某一时间段内所述平台层与在所述目标空间区域内采集的符合人体特征数据筛选规则的人脸数据匹配成功的次数，以及统计在应用层内创建的来自于所述空间区域内采集的符合人体特征数据筛选规则的人脸数据。

可选地，所述平台层内包括有用于检测和识别设备接入层在所述目标空间区域内采集的人脸数据的人脸识别引擎单元、用于统计设备接入层在所述目标空间区域内采集的人脸图片中人脸数据的人群计数引擎单元、用于分析所述目标空间区域内采集的符合人体特征数据筛选规则的人脸数据的属性分析引擎单元；用于存储预先设置的数据库、存储应用层新创建的人脸数据和身份信息的数据库服务器。

本发明还提供一种数据处理方法，所述方法步骤如下：

获取一个或多个目标空间区域内对应的人体特征数据；

若在所述目标空间区域内采集的一个或多个人体特征数据符合预设的人体特征数据筛选规则，则确定与所述人体特征数据对应的一维或多维分析结果。

可选地，所述人体特征数据包括人脸特征数据、人体承载特征数据。

可选地，若所述人体特征数据为人脸特征数据，则所述人脸特征数据包括以下至少之一：人脸图片清晰度、人脸图片光照强度、人脸图片低头角度、人脸图片抬头角度、人脸图片侧脸角度、人脸图片人脸特征点质量分。

可选地，若所述人脸特征数据满足以下条件至少之一：人脸图片清晰度大于对应预设值、人脸图片光照强度大于对应预设值、人脸图片低头角度小于对应预设值、人脸图片抬头角度小于对应预设值、人脸图片侧脸角度小于对应预设值、人脸图片人脸特征点质量分大于对应预设值，则符合预设的人体特征数据筛选规则。

可选地，分析结果包括以下至少之一：消费倾向分析结果、消费习惯分析结果。

可选地，若所述人体特征数据为人体承载特征数据，则所述人体承载特征数据包括以下至少之一：人体穿着特征数据、人体取放商品特征数据。

可选地，若在所述目标空间区域内采集的一个或多个人脸特征数据不符合预设的人体特征数据筛选规则，则在人脸特征数据基础上，结合人体穿着特征数据，或人体取放商品特征数据，确定与所述人脸特征数据对应的一维或多维分析结果。

可选地，所述人体取放商品特征数据包括以下至少之一：手取放商品的动作数据、商品特征数据；其中，所述商品特征数据包括以下至少之一：商品名称、商品价格、商品包装。

可选地，所述人体穿着特征数据包括以下至少之一：人体衣服特征数据、人体装饰物特征数据。

可选地，所述人体装饰物特征数据包括以下至少之一：人体佩戴的戒指特征数据、人体佩戴的手镯数据、人体佩戴的耳环数据。

可选地，显示所述消费倾向分析结果或所述消费习惯分析结果。

可选地，统计某一时间段内与在所述目标空间区域内采集的人脸特征数据基础上，结合人体穿着特征数据，或人体取放商品特征数据，匹配成功的次数，以及统计来自于所述空间区域内采集的至少以下数据之一：人脸特征数据、人体穿着特征数据、人体取放商品特征数据。

本发明还提供一种数据处理云平台，包括有上述所述的数据处理***。

本发明还提供一种数据处理设备，包括：

获取一个或多个目标空间区域内对应的人体特征数据；

判断所述设备接入层在所述目标空间区域内采集的一个或多个人体特征数据是否符合预设的人体特征数据筛选规则，若符合，则根据所述数据层传输的人体特征数据，确定与所述人体特征数据对应的一维或多维分析结果。

本发明还提供一种设备，包括：

一个或多个处理器；和

其上存储有指令的一个或多个机器可读介质，当所述一个或多个处理器执行时，使得所述设备执行上述一个或多个所述的数据处理方法。

本发明还提供一个或多个机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得设备执行上述一个或多个所述的数据处理方法。

如上所述，本发明提供的一种基于人脸数据的数据处理***、方法、平台、机器可读介质及设备，具有以下有益效果：能够完成线下门店客流统计、用户的消费倾向分析和用户的身份识别，从而解决了线下获取用户数据难的问题；且部署简单，成本低，稳定性好。

附图说明

图1为数据处理***原理连接示意图。

图2为平台层的内部框图。

图3为应用层的内部框图。

图4为数据处理方法流程示意图。

图5为一实施例提供的终端设备的硬件结构示意图。

图6为另一实施例提供的终端设备的硬件结构示意图。

元件标号说明

1100 输入设备

1101 第一处理器

1102 输出设备

1103 第一存储器

1104 通信总线

1200 处理组件

1201 第二处理器

1202 第二存储器

1203 通信组件

1204 电源组件

1205 多媒体组件

1206 语音组件

1207 输入/输出接口

1208 传感器组件

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

请参阅图1至图3，本发明提供一种数据采集***，包括有设备接入层、网络层、数据层、平台层和应用层；

设备接入层用于采集某一个或多个目标空间区域内对应的人体特征数据。作为示例，目标空间区域例如可包括以下至少之一：线下实体门店、线下实体门店中某一商品所在区域、线下实体门店中某些商品所在区域。

所述数据层，通过网络层与设备接入层连接，用于判断所述设备接入层在所述目标空间区域内采集的一个或多个人体特征数据是否符合预设的人体特征数据筛选规则，并将符合所述人体特征数据筛选规则的人体特征数据传输至平台层。

在一示例性实施例中，人体特征数据至少包括人脸特征数据。其中，人脸特征数据包括以下至少之一：人脸图片清晰度、人脸图片光照强度、人脸图片低头角度、人脸图片抬头角度、人脸图片侧脸角度、人脸图片人脸特征点质量分。

根据一示例性实施例，人体特征数据筛选规则中的人脸特征数据筛选规则例如可以设置如下：

清晰度：自行定义清晰度分的标准，设置清晰度分范围在A1至B1之间，过滤时将在空间区域内采集的人脸数据的清晰度分小于第一预设值的人脸图片过滤掉；

其中，A1、B1的值可以根据实际情况进行灵活设定，例如：A1为0，B1为1；第一预设值也可以根据实际情况进行灵活设定，例如：第一预设值为0.3。

光照强度：自定义光照强度分的标准，例如：设置光照强度分范围在A2至B2之间，过滤时将在空间区域内采集的人脸数据的光照强度分小于第二预设值的人脸图片过滤掉；

其中，A2、B2的值可以根据实际情况进行灵活设定，例如：A2为0，B2为1；第二预设值也可以根据实际情况进行灵活设定，例如：第二预设值为0.2。

拍摄角度：分为低头角度、抬头角度、侧脸角度；

低头角度：过滤时会将低头角度大于第三预设值的人脸图片过滤掉；其中，第三预设值可以根据实际情况进行灵活设定，例如：第三预设值为35°；

抬头角度：过滤时会将抬头角度大于第四预设值的人脸图片过滤掉；其中，第四预设值可以根据实际情况进行灵活设定，例如：第四预设值为35°；

侧脸角度，过滤时会将左右偏转角度大于第五预设值的人脸图片过滤掉；其中，其中，第五预设值可以根据实际情况进行灵活设定，例如：第五预设值为40°

人脸特征点质量分：自行定义人脸特征点质量分的标准，将人脸特征点质量分满分设置为A3，过滤时将人脸特征点质量分小于第六预设值的人脸图片过滤掉。

其中，A3的值可以根据实际情况进行灵活设定，例如：A3为1；第六预设值也可以根据实际情况进行灵活设定，例如：第六预设值为0.5。

进一步地，若待过滤的人脸图片中的人脸数据满足至少以下条件之一：清晰度小于第一预设值、光照强度小于第二预设值、低头角度大于第三预设值、抬头角度大于第四预设值、侧脸角度大于第五预设值、人脸特征点质量分小于第六预设值，则将对应的人脸图片过滤掉。

进一步地，平台层与数据层连接，用于根据数据层传输的人脸特征数据，确定与人脸特征数据对应的一维或多维分析结果。具体地，平台层根据数据层传输的达到符合各自预设值的人脸数据信息，分析位于空间区域内人脸数据信息达到预设值条件的人员的消费倾向或消费习惯；通过设备接入层采集用户在线下门店区域、线下门店中某一特定商品区域或者线下门店中某些特定商品区域的人脸数据，对人脸数据进行分析，在某一时间段内，在上述区域内一次或多次采集用户的人脸数据，则可以用于分析用户的消费倾向或消费习惯。

在另一示例性实施例中，人体特征数据还包括人体承载特征数据。其中，人体承载特征数据包括以下至少之一：人体穿着特征数据、人体取放商品特征数据。

在一示例性实施例中，若所述设备接入层在所述目标空间区域内采集的一个或多个人脸特征数据不符合预设的人体特征数据筛选规则，则所述平台层在人脸特征数据基础上，结合人体穿着特征数据，或人体取放商品特征数据，确定与所述人脸特征数据对应的一维或多维分析结果。

根据上述示例性实施例，所述人体取放商品特征数据包括以下至少之一：手取放商品的动作数据、商品特征数据。

具体地，手取放商品的动作数据例如包括在目标空间区域内取下/未取下货架商品的动作；取下货架商品后将被取下商品放回货架的动作，将被取下商品放入购物车的动作等。

其中，所述商品特征数据包括以下至少之一：商品名称、商品价格、商品包装。商品名称的文字例如是否包含汉语、俄语、英语、日语、韩语、法语、德语等世界上各个国家的文字。商品价格例如包括有其当前出售价格、折扣价格和折扣原价格等。商品包装例如包括有商品包装颜色、商品包装尺寸、商品包装图案、商品包装形状和商品包装材质等。

根据上述示例性实施例，所述人体穿着特征数据包括以下至少之一：人体衣服特征数据、人体装饰物特征数据。

具体地，人体衣服特征数据例如包括有衣服材质、衣服品牌、衣服尺寸、衣服图案和衣服形状等。

根据上述示例性实施例，人体装饰物特征数据包括以下至少之一：人体佩戴的戒指特征数据、人体佩戴的手镯数据、人体佩戴的耳环数据。

其中，人体佩戴的戒指特征数据例如包括有戒指品牌、戒指材质、戒指数量、戒指位置、戒指形状和戒指尺寸等。人体佩戴的手镯数据例如包括有手镯品牌、手镯材质、手镯数量、手镯位置、手镯形状和手镯尺寸等。人体佩戴的耳环数据例如包括有耳环品牌、耳环材质、耳环数量、耳环位置、耳环形状和耳环尺寸等。

在一些示例性实施例中，若所述设备接入层在所述目标空间区域内采集的一个或多个人脸特征数据不符合预设的人体特征数据筛选规则，则所述平台层在人脸特征数据基础上，结合上述的人体穿着特征数据，或人体取放商品特征数据，确定与所述人脸特征数据对应的消费倾向或消费习惯。

进一步地，平台层与数据层连接，用于根据数据层传输的人体承载特征数据，确定与人脸特征数据对应的一维或多维分析结果。具体地，通过设备接入层采集用户在线下门店区域、线下门店中某一特定商品区域或者线下门店中某些特定商品区域的人体承载特征数据，对人体承载特征数据进行分析。在某一时间段内，结合在上述区域内一次或多次采集用户的人脸数据，分析用户的消费倾向或消费习惯。

应用层与平台层连接，用于显示平台层分析后的消费倾向或消费习惯。

在一示例性实施例中，平台层还预设有用于进行身份识别的预设数据库。预设数据库中预先存储的数据信息例如可包括线下门店名称或线下门店编号、人员编号、人员姓名、性别、手机号、出生日期、人脸照片、首次到店时间和人员身份等；人员身份例如可包括会员或VIP人员、熟客、黑名单、员工、保洁和保安等。

平台层通过预设数据库中的人脸数据与设备接入层在目标空间区域内采集的符合预设值条件的人员的人脸数据进行对比，根据比对结果匹配人员身份或者创建人员身份；作为示例，若在预设数据库中没有找到与在目标空间区域内采集的符合预设值条件的人员相对应的人脸数据，则在应用层中创建一个新的人员数据，赋予新的编号。作为示例，创建过程例如可包括将采集到的符合预设值条件的人脸照片作为底库照片，底库照片可用于作为下一次判断用的人脸数据，并在应用层中输入线下门店名称或线下门店编号、与底库照片相对应的人员编号、与底库照片相对应的人员姓名、与底库照片相对应的人员性别、与底库照片相对应的人员手机号、与底库照片相对应的人员出生日期以及与底库照片相对应的人员身份信息等。

预设数据库中预先设置这些人员的人脸数据及身份信息，将在目标空间区域内采集的符合预设值条件的人脸数据与预设数据库中的人脸数据进行比对，根据比对结果进行判断，如果比对结果的相似度在预设的区间内，则判断在目标空间区域内采集的符合预设值条件的人脸数据与预设数据库中的人脸数据为来自同一人的人脸数据，则完成具体人员的匹配，根据预设数据库中与其匹配人员相对应的身份信息，同时完成人员身份信息的匹配。作为示例，相似度的预设区间范围在C1至C2之间，相似度的区间可以根据线下门店的实际情况进行设置，例如，C1设置为78％，C2设置为98％。

应用层还根据平台层中的比对结果显示匹配的人员身份或者创建人员身份，完成客流统计。在目标空间区域内采集到符合预设值条件的人脸数据后，与平台层中的预设数据库进行对比，根据平台层的比对结果进行客流统计，即若某一人员在一时间段内进行过人员身份信息匹配或者创建过该人员的身份信息，则对该时间段内的到店客流数进行“+1”，反之，则不进行“+1”。作为示例，某一时间段例如可包括有10分钟、30分钟、1小时、24小时、一个星期或一个月等。

在一示例性实施例中，平台层内包括有人群计数引擎单元，用于统计设备接入层在目标空间区域内采集的人脸图片中的人数；属性分析引擎单元，用于分析目标空间区域内采集的符合人体特征数据筛选规则的人脸数据的年龄和性别；人脸识别引擎单元，用于人脸的检测和识别；和数据库服务器，用于存储预先设置的人员信息(包括有人脸数据、身份信息等)、和存储新创建的人员信息以及存储人员到店记录等这些数据。

在一示例性实施例中，应用层通过业务逻辑对平台层传输的数据进行分类，业务逻辑包括有业务管理模块和业务应用模块；

业务管理模块包括有：用户管理，用于会员和熟客等人员的增删改查；设备管理，用于抓拍像机、店热宝等硬件设备的增删改查和状态监控；设备接入，用于设备的鉴权和与设备的通信；和日志管理，用于记录和查看***操作日志；

业务应用模块包括有：客流统计，用于统计和查看每小时、每天、每周、每月的到店人数；属性分析，用于统计和查看到店人员的性别比例和年龄段比例；熟客分析，用于统计和查看熟客的到店数量以及性别和年龄段占比；客流密度热力图，用于以热力图形式实时描述人群分布、密度和变化趋势；轨迹追踪，用于查看和记录到店人员在店内的轨迹；和VIP用户识别，用于识别进店人员是否是本门店的VIP。

在一示例性实施例中，还包括有用户层，用户层包括有浏览器/用户端(B/C)、用户端/服务器(C/S)和移动用户端；用户层与应用层连接，在用户层通过web端、IOS端，Android端将数据展示给使用者。

本***工作原理如下：通过在入口安装人脸抓拍像机，向平台层上传抓拍的人脸图片，平台层进行人脸比对，经过人脸过滤、去重这些流程后，最终得到准确的客流统计；平台层会记录用户的每次到店，通过分析用户每次到店的关注商品、停留时长、停留区域以及结合用户的人体承载特征等数据得到用户的消费倾向；通过预先在***内添加会员、员工等初始数据，以及根据自定义的规则生成熟客数据，下次对应的用户到店就能进行用户的识别和分类。

本***具有的优点包括，(1)人脸识别使用机器识别，避免人为原因漏数，可全天24小时稳定工作，同一套***可适用多个门店，成本低；(2)人脸识别可以采集到没有结账的用户，避免了以结账记录统计客流导致的漏计数；(3)人脸识别的抓拍像机安装在门店入口，可精准采集进店用户，避免了wifi计数误统计门店周边未进店的客流；(4)人脸识别计数几乎不受其他因素干扰，避免了红外计数易被干扰导致误计的情况；(5)人脸识别计数，通过抓拍像机连接云平台，门店只需部署一台抓拍像机即可，部署简单，成本低，稳定性好；(6)普通的计算机视觉识别计数，会无差别的将所有人进行计数统计，不完全符合实际商户需要的统计规则，而本平台会将抓拍到员工自动去除掉，只统计真正的客流，使客流更加精准。

在判断消费倾向方面具有的优点包括，(1)人脸识别通过机器识别到用户并对比历史数据得到消费倾向的分析，稳定准确，避免了人工可能出现的主观因素导致的误判；(2)人脸识别通过机器识别并分析用户历史数据，不需要依赖其他第三方公司，一套***可适用多个门店，成本低，***实时识别分析返回结果，具备高实时性；(3)本***通过人脸识别***分析消费倾向从采集数据到分析数据再到存储数据都在一个***统一管理，保证了数据的完整性，也很大程度减少了资源的浪费；(4)本***通过线下门店采集人脸数据分析消费倾向，线下数据丰富，人脸数据同时用作数据采集和客流统计，降低了使用成本。

如图4所示，本发明还提供一种数据处理方法，方法步骤如下：

S1，获取一个或多个目标空间区域内对应的人体特征数据；

S2，若在所述目标空间区域内采集的一个或多个人体特征数据符合预设的人体特征数据筛选规则，则确定与所述人体特征数据对应的一维或多维分析结果。

进一步地，设备接入层获取一个或多个目标空间区域内对应的人体特征数据；作为示例，目标空间区域例如可包括以下至少之一：线下实体门店、线下实体门店中某一商品所在区域、线下实体门店中某些商品所在区域。

数据层判断所述设备接入层在目标空间区域内是否采集有人体特征数据，并判断所述设备接入层采集在目标空间区域内采集的人体特征数据是否符合预设的人体特征数据筛选规则，并将符合筛选规则的人体特征数据传输至平台层。

在一示例性实施例中，人体特征数据包括有人脸特征数据，所述人脸特征数据包括以下至少之一：人脸图片清晰度、人脸图片光照强度、人脸图片低头角度、人脸图片抬头角度、人脸图片侧脸角度、人脸图片人脸特征点质量分。

根据上述示例性实施例，设备接入层获取一个或多个目标空间区域内对应的人脸特征数据；

数据层判断所述设备接入层在目标空间区域内是否采集有人脸数据信息，以及判断所述设备接入层在所述空间区域内采集的人脸数据信息中的清晰度、光照强度、拍摄角度和人脸特征点质量是否符合各自对应的筛选规则，并将符合筛选规则的人脸数据信息传输至平台层；

作为示例，人脸数据特征数据的筛选规则可以设置如下：

清晰度：自行定义清晰度分的标准，设置清晰度分范围在A1至B1之间，过滤时将在空间区域内采集的人脸数据的清晰度分小于第一预设值的人脸图片过滤掉；

其中，A1、B1的值可以根据实际情况进行灵活设定，例如：A1为0，B1为1；第一预设值也可以根据实际情况进行灵活设定，例如：第一预设值为0.3。

光照强度：自定义光照强度分的标准，例如：设置光照强度分范围在A2至B2之间，过滤时将在空间区域内采集的人脸数据的光照强度分小于第二预设值的人脸图片过滤掉；

其中，A2、B2的值可以根据实际情况进行灵活设定，例如：A2为0，B2为1；第二预设值也可以根据实际情况进行灵活设定，例如：第二预设值为0.2。

拍摄角度：分为低头角度、抬头角度、侧脸角度；

低头角度：过滤时会将低头角度大于第三预设值的人脸图片过滤掉；其中，第三预设值可以根据实际情况进行灵活设定，例如：第三预设值为35°；

抬头角度：过滤时会将抬头角度大于第四预设值的人脸图片过滤掉；其中，第四预设值可以根据实际情况进行灵活设定，例如：第四预设值为35°；

侧脸角度，过滤时会将左右偏转角度大于第五预设值的人脸图片过滤掉；其中，第五预设值可以根据实际情况进行灵活设定，例如：第五预设值为40°

人脸特征点质量分：自行定义人脸特征点质量分的标准，将人脸特征点质量分满分设置为A3，过滤时将人脸特征点质量分小于第六预设值的人脸图片过滤掉。

其中，A3的值可以根据实际情况进行灵活设定，例如：A3为1；第六预设值也可以根据实际情况进行灵活设定，例如：第六预设值为0.5。

进一步地，若待过滤的人脸图片中的人脸数据满足至少以下条件之一：清晰度小于第一预设值、光照强度小于第二预设值、低头角度大于第三预设值、抬头角度大于第四预设值、侧脸角度大于第五预设值、人脸特征点质量分小于第六预设值，则将对应的人脸图片过滤掉。

平台层根据数据层传输的符合对应的筛选规则的人脸数据信息，分析位于所述空间区域内人脸数据信息符合对应的筛选规则的人员的消费倾向或消费习惯；通过设备接入层采集用户在线下门店区域、线下门店中某一特定商品区域或者线下门店中某些特定商品区域的人脸数据，对人脸数据进行分析，在某一时间段内，在上述区域内一次或多次采集用户的人脸数据，则可以用于分析用户的消费倾向或消费习惯。

在另一示例性实施例中，人体特征数据还包括人体承载特征数据。其中，人体承载特征数据包括以下至少之一：人体穿着特征数据、人体取放商品特征数据。

在一示例性实施例中，若所述设备接入层在所述目标空间区域内采集的一个或多个人脸特征数据不符合预设的人体特征数据筛选规则，则所述平台层在人脸特征数据基础上，结合人体穿着特征数据，或人体取放商品特征数据，确定与所述人脸特征数据对应的一维或多维分析结果。

根据上述示例性实施例，所述人体取放商品特征数据包括以下至少之一：手取放商品的动作数据、商品特征数据。

具体地，手取放商品的动作数据例如包括在目标空间区域内取下/未取下货架商品的动作；取下货架商品后将被取下商品放回货架的动作，将被取下商品放入购物车的动作等。

其中，所述商品特征数据包括以下至少之一：商品名称、商品价格、商品包装。商品名称的文字例如是否包含汉语、俄语、英语、日语、韩语、法语、德语等世界上各个国家的文字。商品价格例如包括有其当前出售价格、折扣价格和折扣原价格等。商品包装例如包括有商品包装颜色、商品包装尺寸、商品包装图案、商品包装形状和商品包装材质等。

根据上述示例性实施例，所述人体穿着特征数据包括以下至少之一：人体衣服特征数据、人体装饰物特征数据。

具体地，人体衣服特征数据例如包括有衣服材质、衣服品牌、衣服尺寸、衣服图案和衣服形状等。

根据上述示例性实施例，人体装饰物特征数据包括以下至少之一：人体佩戴的戒指特征数据、人体佩戴的手镯数据、人体佩戴的耳环数据。

其中，人体佩戴的戒指特征数据例如包括有戒指品牌、戒指材质、戒指数量、戒指位置、戒指形状和戒指尺寸等。人体佩戴的手镯数据例如包括有手镯品牌、手镯材质、手镯数量、手镯位置、手镯形状和手镯尺寸等。人体佩戴的耳环数据例如包括有耳环品牌、耳环材质、耳环数量、耳环位置、耳环形状和耳环尺寸等。

在一些示例性实施例中，若所述设备接入层在所述目标空间区域内采集的一个或多个人脸特征数据不符合预设的人体特征数据筛选规则，则所述平台层在人脸特征数据基础上，结合上述的人体穿着特征数据，或人体取放商品特征数据，确定与所述人脸特征数据对应的消费倾向或消费习惯。

进一步地，平台层与数据层连接，用于根据数据层传输的人体承载特征数据，确定与人脸特征数据对应的一维或多维分析结果。具体地，通过设备接入层采集用户在线下门店区域、线下门店中某一特定商品区域或者线下门店中某些特定商品区域的人体承载特征数据，对人体承载特征数据进行分析。在某一时间段内，结合在上述区域内一次或多次采集用户的人脸数据，分析用户的消费倾向或消费习惯。

根据上述示例性实施例，统计某一时间段内与在所述目标空间区域内采集的人脸特征数据基础上，结合人体穿着特征数据，或人体取放商品特征数据，匹配成功的次数，以及统计来自于所述空间区域内采集的至少以下数据之一：人脸特征数据、人体穿着特征数据、人体取放商品特征数据。

应用层显示平台层分析后的消费倾向或消费习惯。

在一示例性实施例中，平台层还预设有用于进行身份识别的预设数据库。预设数据库中预先存储的数据信息例如可包括线下门店名称或线下门店编号、人员编号、人员姓名、性别、手机号、出生日期、人脸照片、首次到店时间和人员身份等；人员身份例如可包括会员或VIP人员、熟客、黑名单、员工、保洁和保安等。

根据上述示例性实施例，平台层通过预设数据库中的人脸数据与设备接入层在空间区域内采集的符合对应的筛选规则的人员的人脸数据进行对比，根据比对结果匹配人员身份或者创建人员身份；作为示例，若在预设数据库中没有找到与在空间区域内采集的符合对应的筛选规则的人员相对应的人脸数据，则在应用层中创建一个新的人员数据，赋予新的编号。作为示例，创建过程例如可包括将采集到的符合对应的筛选规则的人脸照片作为底库照片，底库照片可用于作为下一次判断用的人脸数据，并在应用层中输入线下门店名称或线下门店编号、与底库照片相对应的人员编号、与底库照片相对应的人员姓名、与底库照片相对应的人员性别、与底库照片相对应的人员手机号、与底库照片相对应的人员出生日期以及与底库照片相对应的人员身份信息等。

根据上述示例性实施例，预设数据库中预先设置这些人员的人脸数据及身份信息，将在空间区域内采集的符合对应的筛选规则的人脸数据与预设数据库中的人脸数据进行比对，根据比对结果进行判断，如果比对结果的相似度在预设的区间内，则判断在空间区域内采集的符合对应的筛选规则的人脸数据与预设数据库中的人脸数据为来自同一人的人脸数据，则完成具体人员的匹配，根据预设数据库中与其匹配人员相对应的身份信息，同时完成人员身份信息的匹配。作为示例，相似度的预设区间范围在C1至C2之间，相似度的区间可以根据线下门店的实际情况进行设置，例如，C1设置为78％，C2设置为98％。

根据上述示例性实施例，应用层还根据平台层中的比对结果显示匹配的人员身份或者创建人员身份，完成客流统计。在空间区域内采集到符合对应的筛选规则的人脸数据后，与平台层中的预设数据库进行对比，根据平台层的比对结果进行客流统计，即若某一人员在一时间段内进行过人员身份信息匹配或者创建过该人员的身份信息，则对该时间段内的到店客流数进行“+1”，反之，则不进行“+1”。作为示例，某一时间段例如可包括有10分钟、30分钟、1小时、24小时、一个星期或一个月等。

在一具体实施过程中，平台层内包括有人群计数引擎单元，用于统计设备接入层在空间区域内采集的人脸照片中的人数；属性分析引擎单元，用于分析目标目标空间区域内采集的符合人体特征数据筛选规则的人脸数据的年龄和性别；人脸识别引擎单元，用于人脸的检测和识别；和数据库服务器，用于存储预先设置的人员信息(包括有人脸数据、身份信息等)、和存储新创建的人员信息以及存储人员到店记录等这些数据。

在一示例性实施例中，应用层通过业务逻辑对平台层传输的数据进行分类，业务逻辑包括有业务管理模块和业务应用模块；

业务管理模块包括有：用户管理，用于会员和熟客等人员的增删改查；设备管理，用于抓拍像机、店热宝等硬件设备的增删改查和状态监控；设备接入，用于设备的鉴权和与设备的通信；和日志管理，用于记录和查看***操作日志；

业务应用模块包括有：客流统计，用于统计和查看每小时、每天、每周、每月的到店人数；属性分析，用于统计和查看到店人员的性别比例和年龄段比例；熟客分析，用于统计和查看熟客的到店数量以及性别和年龄段占比；客流密度热力图，用于以热力图形式实时描述人群分布、密度和变化趋势；轨迹追踪，用于查看和记录到店人员在店内的轨迹；和VIP用户识别，用于识别进店人员是否是本门店的VIP。

在一示例性实施例中，还包括有用户层，用户层包括有浏览器/用户端(B/C)、用户端/服务器(C/S)和移动用户端；用户层与应用层连接，在用户层通过web端、IOS端，Android端将数据展示给使用者。

本方法工作原理如下：通过在入口安装人脸抓拍像机，向平台层上传抓拍的人脸照片，平台层进行人脸比对，经过人脸过滤、去重这些流程后，最终得到准确的客流统计；平台层会记录用户的每次到店，通过分析用户每次到店的关注商品、停留时长、停留区域以及结合用户的人体承载特征等数据得到用户的消费倾向；通过预先在***内添加会员、员工等初始数据，以及根据自定义的规则生成熟客数据，下次对应的用户到店就能进行用户的识别和分类。

本方法具有的优点包括，(1)人脸识别使用机器识别，避免人为原因漏数，可全天24小时稳定工作，同一套***可适用多个门店，成本低；(2)人脸识别可以采集到没有结账的用户，避免了以结账记录统计客流导致的漏计数；(3)人脸识别的抓拍像机安装在门店入口，可精准采集进店用户，避免了wifi计数误统计门店周边未进店的客流；(4)人脸识别计数几乎不受其他因素干扰，避免了红外计数易被干扰导致误计的情况；(5)人脸识别计数，通过抓拍像机连接云平台，门店只需部署一台抓拍像机即可，部署简单，成本低，稳定性好；(6)普通的计算机视觉识别计数，会无差别的将所有人进行计数统计，不完全符合实际商户需要的统计规则，而本平台会将抓拍到员工自动去除掉，只统计真正的客流，使客流更加精准。

在判断消费倾向方面具有的优点包括，(1)人脸识别通过机器识别到用户并对比历史数据得到消费倾向的分析，稳定准确，避免了人工可能出现的主观因素导致的误判；(2)人脸识别通过机器识别并分析用户历史数据，不需要依赖其他第三方公司，一套***可适用多个门店，成本低，***实时识别分析返回结果，具备高实时性；(3)本方法通过人脸识别***分析消费倾向从采集数据到分析数据再到存储数据都在一个***统一管理，保证了数据的完整性，也很大程度减少了资源的浪费；(4)本方法通过线下门店采集人脸数据分析消费倾向，线下数据丰富，人脸数据同时用作数据采集和客流统计，降低了使用成本。

本发明还提供一种数据处理云平台，包括有上述的数据处理***。云平台包含上述***的功能及优点，此处不再赘述。

综上所述，本发明提供一种数据处理***、方法及云平台，包括设备接入层、网络层、数据层、平台层和应用层；所述设备接入层用于采集某一空间区域内所有人员的人脸数据信息；所述数据层通过网络层与设备接入层连接，用于判断所述设备接入层在所述空间区域内是否采集有人脸数据信息，以及用于判断所述设备接入层在所述空间区域内采集的人脸数据信息中的清晰度、光照强度和拍摄角度是否符合对应的筛选规则，并将判断结果传输至平台层；所述平台层与所述数据层连接，平台层根据数据层的判断结果，分析位于所述空间区域内所有人员的消费倾向或消费***台层连接，用于显示平台层分析后的消费倾向或消费习惯；能够完成线下门店客流统计、用户的消费倾向分析和用户的身份识别，从而解决了线下获取用户数据难的问题；且部署简单，成本低，稳定性好。所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。

本申请实施例还提供了一种数据处理设备，获取一个或多个目标空间区域内对应的人体特征数据；

判断所述设备接入层在所述目标空间区域内采集的一个或多个人体特征数据是否符合预设的人体特征数据筛选规则，若符合，则根据所述数据层传输的人体特征数据，确定与所述人体特征数据对应的一维或多维分析结果。

在本实施例中，该数据处理设备执行上述***或方法，具体功能和技术效果参照上述实施例即可，此处不再赘述。

本申请实施例还提供了一种设备，该设备可以包括：一个或多个处理器；和其上存储有指令的一个或多个机器可读介质，当由所述一个或多个处理器执行时，使得所述设备执行图1所述的方法。在实际应用中，该设备可以作为终端设备，也可以作为服务器，终端设备的例子可以包括：智能手机、平板电脑、电子书阅读器、MP3(动态影像专家压缩标准语音层面3，Moving Picture Experts Group Audio Layer III)播放器、MP4(动态影像专家压缩标准语音层面4，Moving Picture Experts Group Audio Layer IV)播放器、膝上型便携计算机、车载电脑、台式计算机、机顶盒、智能电视机、可穿戴设备等等，本申请实施例对于具体的设备不加以限制。

本申请实施例还提供了一种非易失性可读存储介质，该存储介质中存储有一个或多个模块(programs)，该一个或多个模块被应用在设备时，可以使得该设备执行本申请实施例的图4中数据处理方法所包含步骤的指令(instructions)。

图5为本申请一实施例提供的终端设备的硬件结构示意图。如图所示，该终端设备可以包括：输入设备1100、第一处理器1101、输出设备1102、第一存储器1103和至少一个通信总线1104。通信总线1104用于实现元件之间的通信连接。第一存储器1103可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器，第一存储器1103中可以存储各种程序，用于完成各种处理功能以及实现本实施例的方法步骤。

可选的，上述第一处理器1101例如可以为中央处理器(Central ProcessingUnit，简称CPU)、应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，该第一处理器1101通过有线或无线连接耦合到上述输入设备1100和输出设备1102。

可选的，上述输入设备1100可以包括多种输入设备，例如可以包括面向用户的用户接口、面向设备的设备接口、软件的可编程接口、摄像头、传感器中至少一种。可选的，该面向设备的设备接口可以是用于设备与设备之间进行数据传输的有线接口、还可以是用于设备与设备之间进行数据传输的硬件***接口(例如USB接口、串口等)；可选的，该面向用户的用户接口例如可以是面向用户的控制按键、用于接收语音输入的语音输入设备以及用户接收用户触摸输入的触摸感知设备(例如具有触摸感应功能的触摸屏、触控板等)；可选的，上述软件的可编程接口例如可以是供用户编辑或者修改程序的入口，例如芯片的输入引脚接口或者输入接口等；输出设备1102可以包括显示器、音响等输出设备。

在本实施例中，该终端设备的处理器包括用于执行各设备中语音识别装置各模块的功能，具体功能和技术效果参照上述实施例即可，此处不再赘述。

图6为本申请的一个实施例提供的终端设备的硬件结构示意图。图6是对图5在实现过程中的一个具体的实施例。如图所示，本实施例的终端设备可以包括第二处理器1201以及第二存储器1202。

第二处理器1201执行第二存储器1202所存放的计算机程序代码，实现上述实施例中图4所述方法。

第二存储器1202被配置为存储各种类型的数据以支持在终端设备的操作。这些数据的示例包括用于在终端设备上操作的任何应用程序或方法的指令，例如消息，图片，视频等。第二存储器1202可能包含随机存取存储器(random access memory，简称RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。

可选地，第二处理器1201设置在处理组件1200中。该终端设备还可以包括：通信组件1203，电源组件1204，多媒体组件1205，语音组件1206，输入/输出接口1207和/或传感器组件1208。终端设备具体所包含的组件等依据实际需求设定，本实施例对此不作限定。

处理组件1200通常控制终端设备的整体操作。处理组件1200可以包括一个或多个第二处理器1201来执行指令，以完成上述数据处理方法中的全部或部分步骤。此外，处理组件1200可以包括一个或多个模块，便于处理组件1200和其他组件之间的交互。例如，处理组件1200可以包括多媒体模块，以方便多媒体组件1205和处理组件1200之间的交互。

电源组件1204为终端设备的各种组件提供电力。电源组件1204可以包括电源管理***，一个或多个电源，及其他与为终端设备生成、管理和分配电力相关联的组件。

多媒体组件1205包括在终端设备和用户之间的提供一个输出接口的显示屏。在一些实施例中，显示屏可以包括液晶显示器(LCD)和触摸面板(TP)。如果显示屏包括触摸面板，显示屏可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。

语音组件1206被配置为输出和/或输入语音信号。例如，语音组件1206包括一个麦克风(MIC)，当终端设备处于操作模式，如语音识别模式时，麦克风被配置为接收外部语音信号。所接收的语音信号可以被进一步存储在第二存储器1202或经由通信组件1203发送。在一些实施例中，语音组件1206还包括一个扬声器，用于输出语音信号。

输入/输出接口1207为处理组件1200和***接口模块之间提供接口，上述***接口模块可以是点击轮，按钮等。这些按钮可包括但不限于：音量按钮、启动按钮和锁定按钮。

传感器组件1208包括一个或多个传感器，用于为终端设备提供各个方面的状态评估。例如，传感器组件1208可以检测到终端设备的打开/关闭状态，组件的相对定位，用户与终端设备接触的存在或不存在。传感器组件1208可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在，包括检测用户与终端设备间的距离。在一些实施例中，该传感器组件1208还可以包括摄像头等。

通信组件1203被配置为便于终端设备和其他设备之间有线或无线方式的通信。终端设备可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个实施例中，该终端设备中可以包括SIM卡插槽，该SIM卡插槽用于***SIM卡，使得终端设备可以登录GPRS网络，通过互联网与服务器建立通信。

由上可知，在图6实施例中所涉及的通信组件1203、语音组件1206以及输入/输出接口1207、传感器组件1208均可以作为图5实施例中的输入设备的实现方式。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (30)

1.一种数据处理***，其特征在于，包括有：设备接入层、网络层、数据层、平台层；

所述设备接入层，用于获取一个或多个目标空间区域内对应的人体特征数据；

所述数据层，通过网络层与设备接入层连接，用于判断所述设备接入层在所述目标空间区域内采集的一个或多个人体特征数据是否符合预设的人体特征数据筛选规则，并将符合所述人体特征数据筛选规则的人体特征数据传输至平台层；

所述平台层，用于根据所述数据层传输的人体特征数据，确定与所述人体特征数据对应的一维或多维分析结果。

2.根据权利要求1所述的数据处理***，其特征在于，所述人体特征数据包括人脸特征数据、人体承载特征数据。

3.根据权利要求2所述的数据处理***，其特征在于，若所述人体特征数据为人脸特征数据，则所述人脸特征数据包括以下至少之一：人脸图片清晰度、人脸图片光照强度、人脸图片低头角度、人脸图片抬头角度、人脸图片侧脸角度、人脸图片人脸特征点质量分。

4.根据权利要求3所述的数据处理***，其特征在于，若所述人脸特征数据满足以下条件至少之一：人脸图片清晰度大于对应预设值、人脸图片光照强度大于对应预设值、人脸图片低头角度小于对应预设值、人脸图片抬头角度小于对应预设值、人脸图片侧脸角度小于对应预设值、人脸图片人脸特征点质量分大于对应预设值，则符合预设的人体特征数据筛选规则。

5.根据权利要求1所述的数据处理***，其特征在于，分析结果包括以下至少之一：消费倾向分析结果、消费习惯分析结果。

6.根据权利要求5所述的数据处理***，其特征在于，还包括应用层；其中，所述应用层，用于显示所述消费倾向分析结果或所述消费习惯分析结果。

7.根据权利要求2所述的数据处理***，其特征在于，若所述人体特征数据为人体承载特征数据，则所述人体承载特征数据包括以下至少之一：人体穿着特征数据、人体取放商品特征数据。

8.根据权利要求7所述的数据处理***，其特征在于，若所述设备接入层在所述目标空间区域内采集的一个或多个人脸特征数据不符合预设的人体特征数据筛选规则，则所述平台层在人脸特征数据基础上，结合人体穿着特征数据，或人体取放商品特征数据，确定与所述人脸特征数据对应的一维或多维分析结果。

9.根据权利要求7所述的数据处理***，其特征在于，所述人体取放商品特征数据包括以下至少之一：手取放商品的动作数据、商品特征数据；其中，所述商品特征数据包括以下至少之一：商品名称、商品价格、商品包装。

10.根据权利要求7所述的数据处理***，其特征在于，所述人体穿着特征数据包括以下至少之一：人体衣服特征数据、人体装饰物特征数据。

11.根据权利要求10所述的数据处理***，其特征在于，所述人体装饰物特征数据包括以下至少之一：人体佩戴的戒指特征数据、人体佩戴的手镯数据、人体佩戴的耳环数据。

12.根据权利要求6所述的数据处理***，其特征在于，所述平台层还预设有用于进行身份识别的预设数据库；

所述平台层通过预设数据库中的人脸数据与所述设备接入层在所述空间区域内采集的符合人体特征数据筛选规则的人员的人脸数据进行对比，根据比对结果判断预设数据库中是否存在符合人体特征数据筛选规则的人脸数据；若存在，则匹配出与所述人脸数据相对应的身份信息；若不存在，则在应用层中创建此次在所述空间区域内采集到的符合人体特征数据筛选规则的人脸数据以及身份信息。

13.根据权利要求12所述的数据处理***，其特征在于，所述应用层还统计某一时间段内所述平台层与在所述目标空间区域内采集的符合人体特征数据筛选规则的人脸数据匹配成功的次数，以及统计在应用层内创建的来自于所述空间区域内采集的符合人体特征数据筛选规则的人脸数据。

14.根据权利要求1所述的人脸数据采集分析***，其特征在于，所述平台层内包括有用于检测和识别设备接入层在所述目标空间区域内采集的人脸数据的人脸识别引擎单元、用于统计设备接入层在所述目标空间区域内采集的人脸图片中人脸数据的人群计数引擎单元、用于分析所述目标空间区域内采集的符合人体特征数据筛选规则的人脸数据的属性分析引擎单元；用于存储预先设置的数据库、存储应用层新创建的人脸数据和身份信息的数据库服务器。

15.一种数据处理方法，其特征在于，所述方法步骤如下：

获取一个或多个目标空间区域内对应的人体特征数据；

若在所述目标空间区域内采集的一个或多个人体特征数据符合预设的人体特征数据筛选规则，则确定与所述人体特征数据对应的一维或多维分析结果。

16.根据权利要求15所述的数据处理方法，其特征在于，所述人体特征数据包括人脸特征数据、人体承载特征数据。

17.根据权利要求16所述的数据处理方法，其特征在于，若所述人体特征数据为人脸特征数据，则所述人脸特征数据包括以下至少之一：人脸图片清晰度、人脸图片光照强度、人脸图片低头角度、人脸图片抬头角度、人脸图片侧脸角度、人脸图片人脸特征点质量分。

18.根据权利要求17所述的数据处理方法，其特征在于，若所述人脸特征数据满足以下条件至少之一：人脸图片清晰度大于对应预设值、人脸图片光照强度大于对应预设值、人脸图片低头角度小于对应预设值、人脸图片抬头角度小于对应预设值、人脸图片侧脸角度小于对应预设值、人脸图片人脸特征点质量分大于对应预设值，则符合预设的人体特征数据筛选规则。

19.根据权利要求15所述的数据处理方法，其特征在于，分析结果包括以下至少之一：消费倾向分析结果、消费习惯分析结果。

20.根据权利要求16所述的数据处理方法，其特征在于，若所述人体特征数据为人体承载特征数据，则所述人体承载特征数据包括以下至少之一：人体穿着特征数据、人体取放商品特征数据。

21.根据权利要求20所述的数据处理方法，其特征在于，若在所述目标空间区域内采集的一个或多个人脸特征数据不符合预设的人体特征数据筛选规则，则在人脸特征数据基础上，结合人体穿着特征数据，或人体取放商品特征数据，确定与所述人脸特征数据对应的一维或多维分析结果。

22.根据权利要求20所述的数据处理方法，其特征在于，所述人体取放商品特征数据包括以下至少之一：手取放商品的动作数据、商品特征数据；其中，所述商品特征数据包括以下至少之一：商品名称、商品价格、商品包装。

23.根据权利要求20所述的数据处理方法，其特征在于，所述人体穿着特征数据包括以下至少之一：人体衣服特征数据、人体装饰物特征数据。

24.根据权利要求23所述的数据处理方法，其特征在于，所述人体装饰物特征数据包括以下至少之一：人体佩戴的戒指特征数据、人体佩戴的手镯数据、人体佩戴的耳环数据。

25.根据权利要求23所述的数据处理方法，其特征在于，显示所述消费倾向分析结果或所述消费习惯分析结果。

26.根据权利要求25所述的数据处理方法，其特征在于，统计某一时间段内与在所述目标空间区域内采集的人脸特征数据基础上，结合人体穿着特征数据，或人体取放商品特征数据，匹配成功的次数，以及统计来自于所述空间区域内采集的至少以下数据之一：人脸特征数据、人体穿着特征数据、人体取放商品特征数据。

27.一种数据处理云平台，其特征在于，包括有权利要求1至14中任一权利要求所述的数据处理***。

28.一种数据处理设备，其特征在于，

获取一个或多个目标空间区域内对应的人体特征数据；

判断所述设备接入层在所述目标空间区域内采集的一个或多个人体特征数据是否符合预设的人体特征数据筛选规则，若符合，则根据所述数据层传输的人体特征数据，确定与所述人体特征数据对应的一维或多维分析结果。

29.一种设备，其特征在于，包括：

一个或多个处理器；和

其上存储有指令的一个或多个机器可读介质，当所述一个或多个处理器执行时，使得所述设备执行如权利要求15-26中一个或多个所述的方法。

30.一个或多个机器可读介质，其特征在于，其上存储有指令，当由一个或多个处理器执行时，使得设备执行如权利要求15-26中一个或多个所述的方法。