CN111476600A - 直梯广告受众人数统计分析方法 - Google Patents

Abstract

本发明涉及一种直梯广告受众人数统计分析方法，包括：S1、开始播放广告时采集直梯内图像；S2、播放所述广告过程中，直梯门每开关一次，则采集每次关门后直梯内图像；S3、至所述广告播放结束，对所有采集的直梯内图像做人头检测，对检测到的人头框进行重复识别，去除所有所述图像内相同人员，剩余人数为所述广告的受众人数。本发明的直梯广告受众人数统计分析方法可以高精度的统计直梯内一则广告的真实受众人数。

Description

直梯广告受众人数统计分析方法

技术领域

本发明属于数据分析技术领域，涉及一种直梯广告受众人数统计分析方法。

背景技术

目前市面上的电梯广告开始从传统的平面广告过渡到电子屏广告，基于统一的内容管理和便捷的广告分发，有利于降低广告推送的成本，并精准管理每一块电子屏数据。

电梯广告投放的区域主要是写字楼和住宅区，写字楼覆盖的人群多为白领阶层，他们具有高学历、高收入、高消费能力等共性。住宅区根据不同的档次和属性，将社会阶层的人群也划分开来，写字楼和住宅区可以都将同类属性的人群集中起来，如此便可以有针对性的在直梯内进行广告投放，实现广告的最大效益。

为了更好的实现有针对性的广告投放，优化广告策略，往往需要对于广告的受众群体进行筛选统计。现有技术中，在直梯内一段广告播放过程中，通常存在直梯的多次启停，中间会有人上下直梯，因此，一段广告时间内，广告的真实受众人数比较难以统计。而现有技术中，多以广告开始播放时直梯的人数作为受众人数，结果不够精准，不利于帮助广告制定广告策略计划和决策。

发明内容

本发明的目的在于解决上述问题，提供一种高精度的直梯广告受众人数统计分析方法。

为实现上述内容，本发明提供一种直梯广告受众人数统计分析方法，包括：

S1、开始播放广告时采集直梯内图像；

S2、播放所述广告过程中，直梯门每开关一次，则采集每次关门后直梯内图像；

S3、至所述广告播放结束，对所有采集的图像做人头检测，对图像检测到的人头区域进行重复识别，去除所有所述图像内相同人员，剩余人数为所述广告的受众人数。

根据本发明的一个方面，所述S3中包括：

所述S3中包括：

S31、对采集的所有图像进行人头检测通过多视图聚类的半监督重识别算法来识别重复的人头；

S32、重复识别是预先通过标记少量的几百部电梯一周内进出的相同身份的人，根据这些数据预训练一个模型，依据此模型用来提取未标记的几千部电梯进出行人特征图像图像进行预标定标签；

S33、通过多视图聚类和联合搜索视图的共识模式来估计未标记数据的伪标签，再微调直到伪标签稳定。

S34、通过已标记的训练样本和具有伪标签的训练样本，迭代S32、S33，微调网络获得泛化性更好的模型。通过该模型识别检测到的人头框，去除重复人头获得最终广告受众人数。

根据本发明的一个方面，所述梯内广告受众人数统计分析方法，还包括按照所述步骤S1-S3对于图像中位于视角盲区内未露出头部人员的身体区域检测。

根据本发明的一个方面，所述图像进行人头检测或身体区域检测时基于YOLOv3算法。

根据本发明的一个方面，所述步骤S33包括：

通过多视图的聚类方法，将多个基于Resnet50的人头特征集成到聚类中，通过联合搜索每个视图的共识模式并执行聚类生成伪标签；

利用多个视图的人头特征连接到一起执行聚类，通过学习人头特征的相似性度量进行图像中相同人员的去重。

根据本发明的一个方面，以Contrastive loss作为相似度量参照。

根据本发明的一个方面，所述方法还包括对最终统计的广告受众人员进行属性分析，根据所述属性分析结果调整播放广告内容。

本发明通过监控摄像头在智能安卓屏广告播放期间，采集图像并结合相机采集图像的时间，判断图像中安卓屏内的广告内容是否为广告主提供的广告，监测客户的广告播出情况，并且保存图像达到监播的目的。同时通过目标检测算法统计图像中的直梯行人数目，统计一则广告内容从开始播放到结束播放，在这段过程中每次电梯发生启停(行人进出)均采集一张图像，通过重识别分析去除多张图像中的重复人数，通过聚类检测得到的人头子图像从而得到一则广告播放期间的真实受众总人数。同时分析得到广告受众性别、年龄阶段，有助于广告分析。所有结果均反馈到云梯平台，且平台可以自动整理当前电梯点位的监播图像及人数，形成报告反馈给广告主。可以根据长期的广告监测情况对客户的广告投放做出建设性的建议。

附图说明

图1示意性表示根据本发明直梯广告受众人数统计分析方法的流程图。

具体实施方式

为了更清楚地说明本发明实施方式或现有技术中的技术方案，下面将对实施方式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发明的一些实施方式，对于本领域普通技术人员而言，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。

下面结合附图和具体实施方式对本发明作详细地描述，实施方式不能在此一一赘述，但本发明的实施方式并不因此限定于以下实施方式。

结合图1所示，本发明的直梯广告受众人数统计分析方法包括：S1、开始播放广告时采集直梯内图像；S2、播放广告过程中，直梯门每开关一次，则采集每次关门后直梯内图像；S3、至广告播放结束，对所有采集的图像做人头检测,对图像检测到的人头区域进行重复识别，去除所有所述图像内相同人员，剩余人数为所述广告的受众人数。

具体来说，本发明首先在直梯内装有摄像机，用于采集图像。要确保直梯内用于播放广告的安卓屏幕在相机拍摄的视野之内。在本实施方式中，相机采集的图像为1080P分辨率，图像中可以清晰看到屏幕中播放的广告内容。

本发明的直梯广告受众人数统计分析方法具体包括，当直梯内安卓屏幕上开始播放一则新的广告，直梯内相机根据直梯开关门条件采集一张直梯关门后的图像，以屏蔽直梯门外并在观看区域内的人员，将此图像保存。在这则广告播放期间，判断直梯门是否有开启和关闭，开启表示直梯内有人进出，存在人员流动。在广告播放期间，直梯门每开启关闭一次，则通过直梯内相机采集一次直梯关门后的图像。直至广告播放结束，收集所有采集到的图像用于人员检测和重复识别，最终去除掉所有图像中相同人员，得到最终广告受众人数。

举例来说，例如，直梯内开始播放一则时长为2分钟的广告，开始播放时直梯内共有10个人，首先采集一种广告播放时的图像，此时图像内有10个人。在整个广告播放过程中，电梯一共开、关门三次，即在广告播放过程中，存在三次的人员流动，采用本发明的方法在每次直梯关门后采集一张图像，共采集4张图像，然后对4张图像进行检测、去重操作，获得最终这则时长为2分钟的广告的真实受众人数。

对图像中人员进行重复识别包括：S31、对采集的所有图像进行人头检测通过多视图聚类的半监督重识别算法来识别重复的人头；S32、重复识别是预先通过标记少量的几百部电梯一周内进出的相同身份的人，根据这些数据预训练一个模型，依据此模型用来提取未标记的几千部电梯进出行人特征图像图像进行预标定标签；S33、通过多视图聚类和联合搜索视图的共识模式来估计未标记数据的伪标签，再微调直到伪标签稳定。S34、通过已标记的训练样本和具有伪标签的训练样本，迭代S32、S33，微调网络获得泛化性更好的模型。通过该模型识别检测到的人头框，去除重复人头获得最终广告受众人数。也就是说，本发明的方法，是通过预先标定的数据建立模型，然后依据此模型对未标记的图像进行预标定标签，此时预标定的标签存在伪标签，也就是存在不准确的情况，然后通过过多视图聚类和联合搜索视图的共识模式来估计未标记数据的伪标签，再微调直到伪标签稳定，之后对模型进行修正，用修正的模型识别检测到的人头框，进行去重。

具体来说，对于图像的检测基于YOLOv3算法进行，主要检测人头的头部区域以及站在相机视野盲区未露出头部的身体区域。考虑到直梯场景人员较多，比较拥挤的情况，检测人脸、肩部或全身存在遮挡现象，头部区域比较容易进行检测。通过标签模型对图像中的所有人头预标定标签，之后通过多视图的聚类方法，将多个基于Resnet50的人头特征集成到聚类中，通过联合搜索每个视图的共识模式并执行聚类生成伪标签；利用多个视图的人头特征连接到一起执行聚类，通过学习人头特征的相似性度量进行图像中相同人员的去重。其中，以Contrastive loss作为相似度量参照。

本发明方法还包括，对最终统计的广告受众人员进行属性分析，根据所述属性分析结果调整播放广告内容。具体来说，去重后的人头子图像，经过多标签分类网络，使用crossentropy损失函数，可以区分男女、老中青少，得到对应的性别、年龄属性，用于观看广告的人物受众分析，根据属性调整播放的广告内容。所有广告受众真实人数和对应的乘客属性数据上传到云梯平台，可根据电梯点位，广告播放情况，监播图像等整理形成报告反馈给广告主。

本发明通过监控摄像头在智能安卓屏广告播放期间，采集图像并结合相机采集图像的时间，判断图像中安卓屏内的广告内容是否为广告主提供的广告，监测客户的广告播出情况，并且保存图像达到监播的目的。同时通过目标检测算法统计图像中的直梯行人数目，统计一则广告内容从开始播放到结束播放，在这段过程中每次电梯发生启停(行人进出)均采集一张图像，通过重识别分析去除多张图像中的重复人数，通过聚类检测得到的人头子图像从而得到一则广告播放期间的真实受众总人数。同时分析得到广告受众性别、年龄阶段，有助于广告分析。所有结果均反馈到云梯平台，且平台可以自动整理当前电梯点位的监播图像及人数，形成报告反馈给广告主。可以根据长期的广告监测情况对客户的广告投放做出建设性的建议。

以上所述仅为本发明的一个方案而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种直梯广告受众人数统计分析方法，包括：

S1、开始播放广告时采集直梯内图像；

S2、播放所述广告过程中，直梯门每开关一次，则采集每次关门后直梯内图像；

S3、至所述广告播放结束,对所有采集的图像做人头检测，对图像检测到的人头区域进行重复识别，去除所有所述图像内相同人员，剩余人数为所述广告的受众人数。

2.根据权利要求1所述的直梯内广告受众人数统计分析方法，其特征在于，所述S3中包括：

S31、对采集的所有图像进行人头检测通过多视图聚类的半监督重识别算法来识别重复的人头；

S32、重复识别是预先通过标记少量的几百部电梯一周内进出的相同身份的人，根据这些数据预训练一个模型，依据此模型用来提取未标记的几千部电梯进出行人特征图像图像进行预标定标签；

S33、通过多视图聚类和联合搜索视图的共识模式来估计未标记数据的伪标签，再微调直到伪标签稳定；

S34、通过已标记的训练样本和具有伪标签的训练样本，迭代S32、S33，微调网络获得泛化性更好的模型。通过该模型识别检测到的人头框，去除重复人头获得最终广告受众人数。

3.根据权利要求1所述的直梯内广告受众人数统计分析方法，其特征在于，所述梯内广告受众人数统计分析方法，还包括按照所述步骤S1-S3对于图像中位于视角盲区内未露出头部人员的身体区域检测。

4.根据权利要求1或2所述的直梯内广告受众人数统计分析方法，其特征在于，所述图像进行人头检测或身体区域检测时基于YOLOv3算法。

5.根据权利要求2所述的直梯内广告受众人数统计分析方法，其特征在于，所述步骤S33包括：

通过多视图的聚类方法，将多个基于Resnet50的人头特征集成到聚类中，通过联合搜索每个视图的共识模式并执行聚类生成伪标签；

利用多个视图的人头特征连接到一起执行聚类，通过学习人头特征的相似性度量进行图像中相同人员的去重。

6.根据权利要求5所述的直梯内广告受众人数统计分析方法，其特征在于，以Contrastiveloss作为相似度量参照。

7.根据权利要求1所述的直梯内广告受众人数统计分析方法，其特征在于，所述方法还包括对最终统计的广告受众人员进行属性分析，根据所述属性分析结果调整播放广告内容。

Images