CN111783588A - 一种分布式智能客流统计有效去重方法 - Google Patents
一种分布式智能客流统计有效去重方法 Download PDFInfo
- Publication number
- CN111783588A CN111783588A CN202010579491.5A CN202010579491A CN111783588A CN 111783588 A CN111783588 A CN 111783588A CN 202010579491 A CN202010579491 A CN 202010579491A CN 111783588 A CN111783588 A CN 111783588A
- Authority
- CN
- China
- Prior art keywords
- face
- intelligent
- customer
- face image
- passenger flow
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 33
- 239000000284 extract Substances 0.000 claims abstract description 5
- 238000001914 filtration Methods 0.000 claims description 10
- 230000001360 synchronised effect Effects 0.000 claims description 10
- 230000008030 elimination Effects 0.000 claims description 5
- 238000003379 elimination reaction Methods 0.000 claims description 5
- 230000001815 facial effect Effects 0.000 claims 3
- 238000005516 engineering process Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种分布式智能客流统计有效去重方法,属于客流统计领域。本发明方法为:智能摄像头抓拍人脸图像并将抓拍到的图像传送至人脸识别服务器,人脸识别服务器将接收到的人脸图像进行统一特征值提取并分配唯一的识别ID,然后将识别ID以及对应的人脸图像反馈给数据处理服务器;由数据处理服务器将各智能摄像头抓拍到的人脸图像推送到其它智能摄像头,实现多个智能摄像头内部人脸库同步;数据处理服务器对同一智能摄像头或不同智能摄像头采集到的相同人脸图像进行去重处理。本发明通过多智能摄像头人脸同步对抓拍的人脸进行有效去重,高效准确的统计进出客流量。
Description
技术领域
本发明涉及客流统计领域,特别涉及一种分布式智能客流统计有效去重方法。
背景技术
计算机视觉技术的突飞猛进带动了整个智能视频监控产业链的快速发展,由此孕育的巨大商机激发越来越多的企业及研究机构投入到该行业的前沿技术研发中来。
在这样背景下,基于图像处理、模式识别的人流量统计技术逐渐发展起来,由于人流量数据可以为商场、机场、公交公司、地铁站等场所进行智能管理和决策提供重要依据,因而该项技术在智能视频监控领域中占据了非常重要的地位。
客流统计帮助大型商场、购物中心、连锁店、超市等商业改善经营管理。合理准确的客流数据,可以帮助商家实现合理调整业态及店铺布局、提高商场人气、改善店铺KPI、改善消费者体验等目的。
事实上零售业有一个经典公式:门店销售额=客流量×成交率×客单价。这一公式堪称零售业内第一定律,与电商的对应公式“销售额=流量×转化率×客单价”本质上是同一事情。门店的“客流量”对应的就是电商的“流量”,流量对电商有多重要,客流量对线下的商业就有多重要。
对于机场、火车站、公交车、广场等公共场所,客流统计的优势尤其体现在它对客流变化趋势和突发事件的预见性上。提前预判公共场所客流是否接近最大承受能力,及时发现重大的客流安全隐患,帮助场所管理人员及时做出判断,在客流高峰时期采取适当措施,正确引导,避免事故的发生。事实上,对于商业场所,以及景区、博物馆、展览馆等经营性质的公共场所而言,提升经营业绩和增进安全保障两种目标常常兼而有之。
现有零售连锁门店获取客流的主要有几种方式:
1、利用非接触式红外设备。其主要的原理是检测从红外感应区域经过的人体遮挡红外线使其产生的电阻变化、或是通过检测人体发出的特定波长红外线来判断人体数量。
2、WIFI检测技术。WIFI技术检测的不是人体自身,而是靠通过检测人们携带的移动设备mac地址来间接进行人数统计。理论上依托WIFI技术,可以对场所内的客流进行精确统计,并且可以依靠移动设备地址对消费者进行推送、判断新老顾客等。
3、运动物体跟踪技术。运动区域检测和跟踪算法来实现的。其基本原理是提取出固定场景视频中发生运动的像素区域,结合对人体大小判断的一些先验知识,对这些区域的进行统计。当区域和经验中人的大小相似的时候,就判定为有人通过,从而实现对客流的估计,包括人的运动方向等。
基于红外、wifi检测或运动物体检测技术的客流统计,一个最大的缺点就是无法对同一个人短时间内反复进出或徘徊进行有效去重,因此客流统计的准确度就大大较低。最典型的是基于商超或连锁店的客流统计,如果顾客短时间内反复进出,现有技术的客流统计就会重复计算,从而大大降低了有效客流统计的准确度。
现有技术中也逐渐出现客流统计去重的方法,但是现有的去重方法由于不同步,去重效果不佳。
发明内容
为了弥补现有技术的不足,本发明提供了一种分布式智能客流统计有效去重方法。
本发明的技术方案为:
一种分布式智能客流统计有效去重方法,智能摄像头抓拍人脸图像并将抓拍到的图像传送至人脸识别服务器,人脸识别服务器将接收到的人脸图像进行统一特征值提取并分配唯一的识别ID,然后将识别ID以及对应的人脸图像反馈给数据处理服务器;由数据处理服务器将各智能摄像头抓拍到的人脸图像推送到其它智能摄像头,实现多个智能摄像头内部人脸库同步;数据处理服务器对同一智能摄像头或不同智能摄像头采集到的相同人脸图像进行去重处理。
作为一种优选方案,数据处理服务器和人脸识别服务器中的人脸库分为工作人员库、会员库和顾客库;智能摄像头的人脸库包括本智能摄像头顾客库、其它智能摄像头顾客库、工作人员库和会员库;其中,智能摄像头中的工作人员库和会员库由人工从人脸识别服务器导入。
进一步地,所述分布式智能客流统计有效去重方法,某一智能摄像头抓拍到的人脸图像:
首先从该智能摄像头人脸库的工作人员库开始比对,若发现抓拍到的人脸图像为工作人员,则客流统计被直接终结,工作人员被过滤去重;
若发现抓拍到的人脸图像不是工作人员,则到会员库比对,若发现拍摄到的为会员,在设定时间内发现该会员多次在店内被抓拍到,则去重模块对抓拍到的次数进行过滤去重,客流统计计数模块递增一次会员进入次数;
若发现抓拍到的人脸图像不是会员,则到顾客库(包括本智能摄像头顾客库和其它智能摄像头顾客库)对比,若发现是曾经来过的顾客,在设定时间内该顾客多次被抓拍到,则去重模块对多次抓拍到的次数进行过滤去重,客流统计计数模块递增一次顾客进店次数;
若发现抓拍到的人脸图像不是曾经来过的顾客,则客流统计计数模块直接递增一次顾客进店次数,并将该新的顾客人脸图像及识别ID同步推送到其它智能摄像头顾客库。
作为另一种优选方案,数据处理服务器和人脸识别服务器中的人脸库分为工作人员库和顾客库;智能摄像头的人脸库包括本智能摄像头顾客库、其它智能摄像头顾客库和工作人员库;其中,智能摄像头中的工作人员库由人工从人脸识别服务器导入。
进一步地,所述分布式智能客流统计有效去重方法,某一智能摄像头抓拍到的人脸图像:
首先从该智能摄像头人脸库的工作人员库开始比对,若发现抓拍到的人脸图像为工作人员,则客流统计被直接终结,工作人员被过滤去重;
若发现抓拍到的人脸图像不是工作人员,则到顾客库对比,若发现是曾经来过的顾客,在设定时间内该顾客多次被抓拍到,则去重模块对多次抓拍到的次数进行过滤去重,客流统计计数模块递增一次顾客进店次数;
若发现抓拍到的人脸图像不是曾经来过的顾客,则客流统计计数模块直接递增一次顾客进店次数,并将该新的顾客人脸图像及识别ID同步推送到其它智能摄像头顾客库。
作为优选方案,实现多个智能摄像头内部人脸库同步的具体步骤为:任一智能摄像头抓拍到的新的人脸图像均传送至人脸识别服务器,人脸识别服务器对该新的人脸图像分配识别ID,并将该识别ID及对应的人脸图像传送至数据处理服务器,数据处理服务器将该新的识别ID及对应的人脸图像通过人脸同步发送模块同时发送至所有智能摄像头,实现多个智能摄像头内部人脸库同步。
进一步地,所述人脸同步发生模块中设有定时器,在定时器设定时间内如果没有接收到任何一个智能摄像头发回来的接收应答信号后,则会对其进行同步人脸图像重发,一直到收到应答信号为止所述智能摄像头能够对人脸跟踪、抓拍、特征值提取、识别对比。
实施所述分布式智能客流统计有效去重方法的装置,包括若干智能摄像头、数据处理服务器和人脸识别服务器;各智能摄像头以及人脸识别服务器分别通过网络协议与数据处理服务器通信连接;各智能摄像头分别通过网络协议与人脸识别服务器通信连接;所述数据处理服务器中设置去重模块、客流统计计数模块和人脸同步发送模块。
本发明的有益效果为:
本发明将多台智能抓拍人脸识别智能摄像头关联在一起,可以在同一时刻完成任一智能摄像头抓拍到的新的顾客人脸图像的人脸库同步更新,实现客流统计的同步;而且多个智能摄像头覆盖更广范围,应用于比如广场、机场、火车站等候厅、鞋服行业连锁店、大型商超以及其它重要人员流动区域的客流统计,有效降低了客流统计的误计数,大大提高客流统计的准确性。
智能摄像头的人脸库划分为工作人员库、会员库和顾客库,分别对工作人员库、会员库和顾客库进行比对,可有效去除对工作人员的统计;而且可对会员在设定时间内的多次出现有效去重(在设定时间内,同一个人在同一统计区域的不同点多次进出或徘徊,可以被有效去重过滤),对老顾客在设定时间内的多次出现有效去重;极大的提高了客流统计的准确性,可以准确高效的统计会员客流量和非会员客流量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明分布式智能客流统计有效去重方法的配套硬件结构示意图;
图2为本发明分布式智能客流统计有效去重方法的流程示意图。
具体实施方式
下面结合附图对本发明进行进一步的说明。
实施例1 以鞋服店为例,鞋服店客流统计方法为:
如图1所示,鞋服店客流统计***由AI智能抓拍人脸识别摄像头A、AI智能抓拍人脸识别摄像头B、数据处理服务器以及人脸识别服务器组成。
AI智能抓拍人脸识别摄像头A、AI智能抓拍人脸识别摄像头B以及人脸识别服务器分别通过网络协议与数据处理服务器通信连接;AI智能抓拍人脸识别摄像头A、AI智能抓拍人脸识别摄像头B分别通过网络协议与人脸识别服务器通信连接;数据处理服务器中设置去重模块、客流统计计数模块和人脸同步发送模块。
AI智能抓拍人脸识别摄像头A、AI智能抓拍人脸识别摄像头B抓拍人脸图像并将抓拍到的图像传送至人脸识别服务器,人脸识别服务器将接收到的人脸图像进行统一特征值提取并分配唯一的识别ID,然后将识别ID以及对应的人脸图像反馈给数据处理服务器。由数据处理服务器将AI智能抓拍人脸识别摄像头A抓拍到的人脸图像及图像对应的识别ID推送到AI智能抓拍人脸识别摄像头B,同时将AI智能抓拍人脸识别摄像头B抓拍到的人脸图像及图像对应的识别ID推送到AI智能抓拍人脸识别智能摄像头A,实现多个智能摄像头内部人脸库同步。
数据处理服务器和人脸识别服务器中的人脸库分为店员库、会员库和顾客库;智能摄像头的人脸库包括本智能摄像头顾客库、其它智能摄像头顾客库、店员库和会员库;其中,AI智能抓拍人脸识别摄像头A和AI智能抓拍人脸识别摄像头B中的店员库和会员库由人工从人脸识别服务器导入。
当顾客库是空的时,AI智能抓拍人脸识别摄像头A抓拍到的人脸直接送到人脸识别服务器,根据特征值提取分配一个识别ID,然后将该新的顾客人脸图像及识别ID同步推送到AI智能抓拍人脸识别摄像头B的其它智能摄像头顾客库,同时前端AI智能抓拍人脸识别摄像头A保存这张人脸图像至本智能摄像头顾客库。
同理,AI智能抓拍人脸识别摄像头B抓拍到的人脸直接送到人脸识别服务器,根据特征值提取分配一个识别ID,然后将该新的顾客人脸图像及识别ID同步推送到AI智能抓拍人脸识别摄像头A的其它智能摄像头顾客库,同时前端AI智能抓拍人脸识别摄像头B保存这张人脸图像至本智能摄像头顾客库。
如图2所示,分布式智能客流统计有效去重的流程如下:
1、AI智能抓拍人脸识别摄像头A、AI智能抓拍人脸识别摄像头B抓拍到的人脸图像,均先从该智能摄像头人脸库的店员库开始比对,经过比对,若发现抓拍到的人脸图像为店员,则客流统计被直接终结,店员被过滤去重,不会被统计在有效客流内;
2、若发现抓拍到的人脸不是店员,则到会员库比对,若发现拍摄到的为会员,在设定时间内发现该会员多次在店内被抓拍到,则去重模块对抓拍到的次数进行过滤去重,客流统计计数模块递增一次会员进入次数;
3、若发现抓拍到的人脸图像不是会员,则到顾客库(包括本智能摄像头顾客库和其它智能摄像头顾客库)对比,若发现是曾经来过的顾客,在设定时间内该顾客多次被抓拍到,则去重模块对多次抓拍到的次数进行过滤去重,客流统计计数模块递增一次顾客进店次数;
4、若发现抓拍到的人脸图像不是曾经来过的顾客,则客流统计计数模块直接递增一次顾客进店次数,并将该新的顾客人脸图像及识别ID同步推送到其它智能摄像头顾客库。
本发明通过多台分布式AI智能抓拍人脸识别智能摄像头的人脸图像同步及去重方法,可以将多台AI智能抓拍人脸识别摄像头关联在一起,应用于客流统计,并有效降低了客流统计的误计数,大大提高了客流统计的准确性。
在其他实施例中,如果将本发明用于机场或者火车站,人脸库可以不设置会员库。当人脸库不包括会员库时:
数据处理服务器和人脸识别服务器中的人脸库分为工作人员库和顾客库;智能摄像头的人脸库包括本智能摄像头顾客库、其它智能摄像头顾客库和工作人员库;其中,智能摄像头中的工作人员库由人工从人脸识别服务器导入。
分布式智能客流统计有效去重方法的方法为:
某一智能摄像头抓拍到的人脸图像,首先从该智能摄像头人脸库的工作人员库开始比对,若发现抓拍到的人脸图像为工作人员,则客流统计被直接终结,工作人员被过滤去重;
若发现抓拍到的人脸图像不是工作人员,则到顾客库对比,若发现是曾经来过的顾客,在设定时间内该顾客多次被抓拍到,则去重模块对多次抓拍到的次数进行过滤去重,客流统计计数模块递增一次顾客进店次数;
若发现抓拍到的人脸图像不是曾经来过的顾客,则客流统计计数模块直接递增一次顾客进店次数,并将该新的顾客人脸图像及识别ID同步推送到其它智能摄像头顾客库。
另外,需要说明的是,实现多个智能摄像头内部人脸库同步有多种方法,本实施例实现多个智能摄像头内部人脸库同步的具体步骤为:
任一智能摄像头抓拍到的新的人脸图像均传送至人脸识别服务器,人脸识别服务器对该新的人脸图像分配识别ID,并将该识别ID及对应的人脸图像传送至数据处理服务器,数据处理服务器将该新的识别ID及对应的人脸图像通过人脸同步发送模块同时发送至所有智能摄像头,实现多个智能摄像头内部人脸库同步。
其中,人脸同步发生模块中设有定时器,在定时器设定时间内如果没有接收到任何一个智能摄像头发回来的接收应答信号后,则会对其进行同步人脸图像重发,一直到收到应答信号为止。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (8)
1.一种分布式智能客流统计有效去重方法,其特征在于:智能摄像头抓拍人脸图像并将抓拍到的图像传送至人脸识别服务器,人脸识别服务器将接收到的人脸图像进行统一特征值提取并分配唯一的识别ID,然后将识别ID以及对应的人脸图像反馈给数据处理服务器;由数据处理服务器将各智能摄像头抓拍到的人脸图像推送到其它智能摄像头,实现多个智能摄像头内部人脸库同步;数据处理服务器对同一智能摄像头或不同智能摄像头采集到的相同人脸图像进行去重处理。
2.如权利要求1所述分布式智能客流统计有效去重方法,其特征在于:数据处理服务器和人脸识别服务器中的人脸库分为工作人员库、会员库和顾客库;智能摄像头的人脸库包括本智能摄像头顾客库、其它智能摄像头顾客库、工作人员库和会员库;其中,智能摄像头中的工作人员库和会员库由人工从人脸识别服务器导入。
3.如权利要求2所述分布式智能客流统计有效去重方法,其特征在于,某一智能摄像头抓拍到的人脸图像:
首先从该智能摄像头人脸库的工作人员库开始比对,若发现抓拍到的人脸图像为工作人员,则客流统计被直接终结,工作人员被过滤去重;
若发现抓拍到的人脸图像不是工作人员,则到会员库比对,若发现拍摄到的为会员,在设定时间内发现该会员多次在店内被抓拍到,则去重模块对抓拍到的次数进行过滤去重,客流统计计数模块递增一次会员进入次数;
若发现抓拍到的人脸图像不是会员,则到顾客库对比,若发现是曾经来过的顾客,在设定时间内该顾客多次被抓拍到,则去重模块对多次抓拍到的次数进行过滤去重,客流统计计数模块递增一次顾客进店次数;
若发现抓拍到的人脸图像不是曾经来过的顾客,则客流统计计数模块直接递增一次顾客进店次数,并将该新的顾客人脸图像及识别ID同步推送到其它智能摄像头顾客库。
4.如权利要求1所述分布式智能客流统计有效去重方法,其特征在于:数据处理服务器和人脸识别服务器中的人脸库分为工作人员库和顾客库;智能摄像头的人脸库包括本智能摄像头顾客库、其它智能摄像头顾客库和工作人员库;其中,智能摄像头中的工作人员库由人工从人脸识别服务器导入。
5.如权利要求4所述分布式智能客流统计有效去重方法,其特征在于,某一智能摄像头抓拍到的人脸图像:
首先从该智能摄像头人脸库的工作人员库开始比对,若发现抓拍到的人脸图像为工作人员,则客流统计被直接终结,工作人员被过滤去重;
若发现抓拍到的人脸图像不是工作人员,则到顾客库对比,若发现是曾经来过的顾客,在设定时间内该顾客多次被抓拍到,则去重模块对多次抓拍到的次数进行过滤去重,客流统计计数模块递增一次顾客进店次数;
若发现抓拍到的人脸图像不是曾经来过的顾客,则客流统计计数模块直接递增一次顾客进店次数,并将该新的顾客人脸图像及识别ID同步推送到其它智能摄像头顾客库。
6.如权利要求1所述分布式智能客流统计有效去重方法,其特征在于:实现多个智能摄像头内部人脸库同步的具体步骤为:任一智能摄像头抓拍到的新的人脸图像均传送至人脸识别服务器,人脸识别服务器对该新的人脸图像分配识别ID,并将该识别ID及对应的人脸图像传送至数据处理服务器,数据处理服务器将该新的识别ID及对应的人脸图像通过人脸同步发送模块同时发送至所有智能摄像头,实现多个智能摄像头内部人脸库同步。
7.如权利要求6所述分布式智能客流统计有效去重方法,其特征在于:所述人脸同步发生模块中设有定时器,在定时器设定时间内如果没有接收到任何一个智能摄像头发回来的接收应答信号后,则会对其进行同步人脸图像重发,一直到收到应答信号为止。
8.如权利要求1所述分布式智能客流统计有效去重方法,其特征在于:所述智能摄像头能够对人脸跟踪、抓拍、特征值提取、识别对比。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010579491.5A CN111783588A (zh) | 2020-06-23 | 2020-06-23 | 一种分布式智能客流统计有效去重方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010579491.5A CN111783588A (zh) | 2020-06-23 | 2020-06-23 | 一种分布式智能客流统计有效去重方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111783588A true CN111783588A (zh) | 2020-10-16 |
Family
ID=72757112
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010579491.5A Pending CN111783588A (zh) | 2020-06-23 | 2020-06-23 | 一种分布式智能客流统计有效去重方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111783588A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112906592A (zh) * | 2021-03-03 | 2021-06-04 | 新疆爱华盈通信息技术有限公司 | 客流量分析方法及***、电子设备 |
CN113221629A (zh) * | 2021-03-18 | 2021-08-06 | 上海慧典软件科技有限公司 | 一种基于图像识别技术公共交通客流去重计算方法 |
CN113470109A (zh) * | 2021-06-09 | 2021-10-01 | 浙江大华技术股份有限公司 | 一种客流统计方法、电子设备和计算机存储介质 |
CN114198903A (zh) * | 2021-12-16 | 2022-03-18 | 江阴市辉龙电热电器有限公司 | 电热器件加热速率修正***及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108597065A (zh) * | 2018-03-12 | 2018-09-28 | 南京甄视智能科技有限公司 | 基于人脸识别的客流统计方法 |
CN109344765A (zh) * | 2018-09-28 | 2019-02-15 | 广州云从人工智能技术有限公司 | 一种针对连锁门店入店人员分析的智能分析方法 |
CN109635148A (zh) * | 2018-12-14 | 2019-04-16 | 深圳英飞拓科技股份有限公司 | 人脸图片存储方法及装置 |
CN109919091A (zh) * | 2019-03-06 | 2019-06-21 | 广州佳都数据服务有限公司 | 基于动态白名单的人脸安检方法、装置及电子设备 |
CN110443020A (zh) * | 2019-08-09 | 2019-11-12 | 苏州苏夏科技有限公司 | 一种人脸识别登录的青少年平板电脑 |
CN111241932A (zh) * | 2019-12-30 | 2020-06-05 | 广州量视信息科技有限公司 | 汽车展厅客流检测与分析***、方法及存储介质 |
-
2020
- 2020-06-23 CN CN202010579491.5A patent/CN111783588A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108597065A (zh) * | 2018-03-12 | 2018-09-28 | 南京甄视智能科技有限公司 | 基于人脸识别的客流统计方法 |
CN109344765A (zh) * | 2018-09-28 | 2019-02-15 | 广州云从人工智能技术有限公司 | 一种针对连锁门店入店人员分析的智能分析方法 |
CN109635148A (zh) * | 2018-12-14 | 2019-04-16 | 深圳英飞拓科技股份有限公司 | 人脸图片存储方法及装置 |
CN109919091A (zh) * | 2019-03-06 | 2019-06-21 | 广州佳都数据服务有限公司 | 基于动态白名单的人脸安检方法、装置及电子设备 |
CN110443020A (zh) * | 2019-08-09 | 2019-11-12 | 苏州苏夏科技有限公司 | 一种人脸识别登录的青少年平板电脑 |
CN111241932A (zh) * | 2019-12-30 | 2020-06-05 | 广州量视信息科技有限公司 | 汽车展厅客流检测与分析***、方法及存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112906592A (zh) * | 2021-03-03 | 2021-06-04 | 新疆爱华盈通信息技术有限公司 | 客流量分析方法及***、电子设备 |
CN113221629A (zh) * | 2021-03-18 | 2021-08-06 | 上海慧典软件科技有限公司 | 一种基于图像识别技术公共交通客流去重计算方法 |
CN113470109A (zh) * | 2021-06-09 | 2021-10-01 | 浙江大华技术股份有限公司 | 一种客流统计方法、电子设备和计算机存储介质 |
CN114198903A (zh) * | 2021-12-16 | 2022-03-18 | 江阴市辉龙电热电器有限公司 | 电热器件加热速率修正***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111783588A (zh) | 一种分布式智能客流统计有效去重方法 | |
TWI681352B (zh) | 訂單資訊確定方法和裝置 | |
US20200195835A1 (en) | Bandwidth efficient video surveillance system | |
WO2019154384A1 (zh) | 生物识别与智能核验融合的*** | |
CN106937253B (zh) | 一种顾客判断方法及***、服务器 | |
US20180357492A1 (en) | Visual monitoring of queues using auxillary devices | |
JP5704279B1 (ja) | 関連付プログラム及び情報処理装置 | |
CN111597999A (zh) | 一种基于视频检测的4s店销售服务管理方法和*** | |
GB2476869A (en) | System and method for tracking and counting objects near an entrance | |
JP2003087771A (ja) | 監視システム及び方法 | |
CN110309702B (zh) | 一种门店货柜视频监控管理*** | |
CN108710827B (zh) | 一种社区微警务巡查和信息自动分析***及方法 | |
CN207586960U (zh) | 基于行李rfid追踪*** | |
EP3355282A1 (en) | System and method for detecting, tracking and counting human objects of interest using a counting system and a data capture device | |
CN106790515B (zh) | 一种异常事件处理***及其应用方法 | |
JP7230173B2 (ja) | 置去り物検知装置および置去り物検知方法 | |
CN111653016B (zh) | 区域联控刷脸登记排查管理*** | |
KR102260123B1 (ko) | 지역내 이벤트감지장치 및 그 장치의 구동방법 | |
CN109801421A (zh) | 一种地铁智能安全检测***及方法 | |
CN111784387A (zh) | 一种基于多维度大数据的消费者品牌忠诚度分析方法 | |
CN211015785U (zh) | 一种刷脸收银测温记录装置 | |
WO2022127276A1 (zh) | 信息处理方法、装置、电子设备及存储介质、计算机程序 | |
CN113038079A (zh) | 一种基于5g+mec的定位视频联动***和方法 | |
CN111055890B (zh) | 一种铁路车辆防溜智能检测方法及检测*** | |
JP5962747B2 (ja) | 関連付プログラム及び情報処理装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |