CN112528818B - 数据统计方法、装置、电子设备及机器可读存储介质 - Google Patents

数据统计方法、装置、电子设备及机器可读存储介质 Download PDF

Info

Publication number
CN112528818B
CN112528818B CN202011409861.7A CN202011409861A CN112528818B CN 112528818 B CN112528818 B CN 112528818B CN 202011409861 A CN202011409861 A CN 202011409861A CN 112528818 B CN112528818 B CN 112528818B
Authority
CN
China
Prior art keywords
face
acquisition
collection
target
equipment
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.)
Active
Application number
CN202011409861.7A
Other languages
English (en)
Other versions
CN112528818A (zh
Inventor
陈太湖
汪百龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Hikvision System Technology Co Ltd
Original Assignee
Hangzhou Hikvision System Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Hikvision System Technology Co Ltd filed Critical Hangzhou Hikvision System Technology Co Ltd
Priority to CN202011409861.7A priority Critical patent/CN112528818B/zh
Publication of CN112528818A publication Critical patent/CN112528818A/zh
Application granted granted Critical
Publication of CN112528818B publication Critical patent/CN112528818B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
    • 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
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Library & Information Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Remote Sensing (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Game Theory and Decision Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Image Analysis (AREA)

Abstract

本申请提供了数据统计方法、装置、电子设备及机器可读存储介质。本申请中，通过为指定区域内的不同区域设置权重值，依据采集设备所处区域被设置的权重值、采集时间点确定该采集的人脸的时间维度参数，而由于时间维度参数体现了区域被设置的权重值和采集时间点(通称时空信息)，因此，借助时间维度参数可以实现后续更准确、更全面地统计指定区域内客流批次。

Description

数据统计方法、装置、电子设备及机器可读存储介质
技术领域
本申请涉及图像处理技术，特别涉及数据统计方法、装置、电子设备及机器可读存储介质。
背景技术
在一些应用比如大型连锁门店经营活动中，客流批次等数据是管理人员最为关注的经营数据。关注客流批次，常常能基于客流批次调整门店经营，进而提高门店销售业绩。
但是，因为客流动态变化且变化非常不规律，常常导致客流批次数据很难精确获取，进而导致客流批次统计不准确。
发明内容
本申请提供了数据统计方法、装置、电子设备及机器可读存储介质，以提高客流批次的准确度。
本申请提供的技术方案包括：
一种数据统计方法，该方法应用于电子设备，包括：
获得指定区域内的人脸采集事件数据；所述人脸采集事件数据至少包括：采集时间点、采集设备标识、采集设备采集的人脸被分配的人脸编号；其中，同一人脸被分配的人脸编号相同；
针对每一人脸编号，依据包含该人脸编号的各人脸采集事件数据中的采集设备标识、采集时间点、以及已存储的采集设备标识对应的权重值，确定各采集设备标识对应的采集设备采集该人脸编号对应的人脸的时间维度参数；所述时间维度参数用于表征该人脸编号对应的人脸在所述指定区域内出现的时空差异信息；所述采集设备标识对应的权重值依据采集设备标识对应的采集设备的安装位置确定；依据各采集设备采集该人脸编号对应的人脸的时间维度参数，确定该人脸编号对应的人脸所关联的关联人员在所述指定区域内活动的活动轨迹；
依据各人脸编号对应的人脸所关联的关联人员在所述指定区域内的活动轨迹，统计所述指定区域内的客流批次。
可选地，所述人脸采集事件数据与人脸图像对应；所述人脸图像与已存储的人脸库中的人脸信息不匹配，所述人脸库用于存储指定时间内在所述指定区域出现频次超过设定频次的人员对应的人脸信息。
可选地，所述依据包含该人脸编号的各人脸采集事件数据中的采集设备标识、采集时间点、以及已存储的采集设备标识对应的权重值，确定各采集设备标识对应的采集设备采集该人脸编号对应的人脸的时间维度参数包括：
针对所述指定区域内安装的每一采集设备，检查包含该人脸编号的各人脸采集事件数据中是否包含该采集设备的采集设备标识；
如果否，确定该采集设备采集该人脸编号对应的人脸的时间维度参数为设定值；
如果是，依据包含该采集设备的采集设备标识的目标人脸采集事件数据中的采集时间点、以及已存储的该采集设备的采集设备标识对应的权重值确定该采集设备采集该人脸编号对应的人脸的时间维度参数。
可选地，所述依据包含该采集设备的采集设备标识的目标人脸采集事件数据中的采集时间点、以及已存储的该采集设备的采集设备标识对应的权重值确定该采集设备采集该人脸编号对应的人脸的时间维度参数包括：
按照以下公式确定该采集设备采集该人脸编号对应的人脸的时间维度参数：
其中，tcf表示时间维度参数，n表示目标人脸采集事件数据的数量，ti表示第i个目标人脸采集事件数据中的采集时间点，w为权重值。
可选地，所述依据各采集设备采集该人脸编号对应的人脸的时间维度参数，确定该人脸编号对应的人脸所关联的关联人员在所述指定区域内活动的活动轨迹包括：
将各采集设备采集该人脸编号对应的人脸的时间维度参数排序；
将排序后的时间维度参数确定为该人脸编号对应的人脸所关联的关联人员在所述指定区域内活动的活动轨迹。
可选地，所述依据各人脸编号对应的人脸所关联的关联人员在所述指定区域内的活动轨迹，统计所述指定区域内的客流批次包括：
从各关联人员在所述指定区域内的活动轨迹中选择K个目标活动轨迹，剩下的作为非目标活动轨迹，K大于等于1；
依据每一非目标活动轨迹至每一目标活动轨迹之间的活动轨迹距离，划分出至少一个当前候选客流批次；其中，同一当前候选客流批次中有一个目标关联人员，剩余为非目标关联人员，所述目标关联人员对应目标活动轨迹，非目标关联人员对应非目标活动轨迹；
计算每一目标活动轨迹至所有非目标活动轨迹的距离的总和，得到当前候选客流批次对应的当前参考距离；
若当前参考距离大于上一次计算的历史参考距离，则将上一次划分的各历史候选客流批次确定为目标客流批次，否则，将每一当前候选客流批次中目标关联人员对应的目标活动轨迹切换为非目标活动轨迹，并将其中一个非目标关联人员对应的非目标活动轨迹切换为目标活动轨迹，返回依据每一非目标活动轨迹至每一目标活动轨迹之间的活动轨迹距离划分出至少一个当前候选客流批次的步骤。
本申请提供一种数据统计装置，该装置应用于电子设备，包括：
获得单元，用于获得指定区域内的人脸采集事件数据；所述人脸采集事件数据至少包括：采集时间点、采集设备标识、采集设备采集的人脸被分配的人脸编号；其中，同一人脸被分配的人脸编号相同；
确定单元，用于针对每一人脸编号，依据包含该人脸编号的各人脸采集事件数据中的采集设备标识、采集时间点、以及已存储的采集设备标识对应的权重值，确定各采集设备标识对应的采集设备采集该人脸编号对应的人脸的时间维度参数；所述时间维度参数用于表征该人脸编号对应的人脸在所述指定区域内出现的时空差异信息；所述采集设备标识对应的权重值依据采集设备标识对应的采集设备的安装位置确定；依据各采集设备采集该人脸编号对应的人脸的时间维度参数，确定该人脸编号对应的人脸所关联的关联人员在所述指定区域内活动的活动轨迹；
统计单元，用于依据各人脸编号对应的人脸所关联的关联人员在所述指定区域内的活动轨迹，统计所述指定区域内的客流批次。
可选地，所述人脸采集事件数据与人脸图像对应；所述人脸图像与已存储的人脸库中的人脸信息不匹配，所述人脸库用于存储指定时间内在所述指定区域出现频次超过设定频次的人员对应的人脸信息。
可选地，所述确定单元依据包含该人脸编号的各人脸采集事件数据中的采集设备标识、采集时间点、以及已存储的采集设备标识对应的权重值，确定各采集设备标识对应的采集设备采集该人脸编号对应的人脸的时间维度参数包括：
针对所述指定区域内安装的每一采集设备，检查包含该人脸编号的各人脸采集事件数据中是否包含该采集设备的采集设备标识；
如果否，确定该采集设备采集该人脸编号对应的人脸的时间维度参数为设定值；
如果是，依据包含该采集设备的采集设备标识的目标人脸采集事件数据中的采集时间点、以及已存储的该采集设备的采集设备标识对应的权重值确定该采集设备采集该人脸编号对应的人脸的时间维度参数。
本申请提供一种电子设备，该电子设备包括：处理器和机器可读存储介质；
所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令；
所述处理器用于执行机器可执行指令，以实现如上公开的方法步骤。
本申请提供一种机器可读存储介质，所述机器可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现如上公开的方法步骤。
由以上技术方案可以看出，本申请中，通过为指定区域内的不同区域设置权重值，依据采集设备所处区域被设置的权重值、采集时间点确定该采集的人脸的时间维度参数，而由于时间维度参数体现了区域被设置的权重值和采集时间点(通称时空信息)，因此，借助时间维度参数可以实现后续更准确、更全面地统计指定区域内客流批次。
进一步地，本申请中，在确定人脸的时间维度参数至后，还会进一步确定该人脸编号对应的人脸所关联的关联人员在所述指定区域内活动的活动轨迹，借助各人脸编号对应的人脸所关联的关联人员在所述指定区域内的活动轨迹统计所述指定区域内的客流批次，这种借助活动轨迹统计指定区域内客流批次的方式也能够提高统计指定区域内客流批次的精确度。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1为本申请实施例提供的方法流程图；
图2为本申请实施例提供的步骤102实现流程图；
图3为本申请实施例提供的步骤103实现流程图；
图4为本申请实施例提供的步骤104实现流程图；
图5为本申请实施例提供的装置结构图；
图6为本申请实施例提供的装置硬件结构图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，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申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
为了使本领域技术人员更好地理解本申请实施例提供的技术方案，并使本申请实施例的上述目的、特征和优点能够更加明显易懂，下面结合附图对本申请实施例中技术方案作进一步详细的说明。
参见图1，图1为本申请实施例提供的方法流程图。该流程可应用于电子设备。可选地，作为一个实施例，这里的电子设备可为诸如相机设备、传感器等前端设备。作为另一实施例，这里的电子设备也可为诸如服务端、管理平台设备等后端设备，本实施例并不具体限定。
如图1所示，该流程可包括以下步骤：
步骤101，获得指定区域内的人脸采集事件数据；所述人脸采集事件数据至少包括：采集时间点、采集设备标识、采集的人脸被分配的编号。
在本实施例中，指定区域可为被指定的任一区域，比如超市、公园等，本实施例并不具体限定。
可选地，指定区域内安装的任一采集设备，其在采集到人脸图像时，会检查已存储的人脸库中是否存在与人脸图像相匹配的人脸信息。可选地，本实施例中，可基于已训练的人脸信息识别模型识别人脸图像中的人脸信息，之后再检查已存储的人脸库中是否存在满足以下条件的人脸信息：与该识别出的人脸信息的相似度大于或等于设定相似度阈值，如果是，则确定已存储的人脸库中存在与人脸图像相匹配的人脸信息，否则，确定已存储的人脸库中不存在与人脸图像相匹配的人脸信息。可选地，上述的人脸信息识别模型可基于目前常用的人脸识别算法比如Eigenface特征脸识别(PCA)算法、线性判别分析(LDA：LinearDiscriminant Analysis)等算法训练，本实施例并不具体限定。
可选地，在本实施例中，上述人脸库存储的人脸信息是在指定时间比如一天、一周等内在指定区域出现频次超过设定频次的人员对应的人脸信息。在初始，可预先下发上述指定区域内工作人员的人脸信息到人脸库中。后续可根据实际需求增加在指定时间内在上述指定区域内出现频次比较高(超过设定频次)的相关人员比如合作伙伴、货物运输人员等的人脸信息到人脸库中。为便于区分，这里的人脸库可称为工作人员人脸库。
本实施例中，之所以在上述采集设备采集到人脸图像时检查已存储的工作人员人脸库中是否存在与人脸图像相匹配的人脸信息，其目的是确定真正进入上述指定区域的客流，以提高上述指定区域内客流批次的统计的精确度，避免指定区域内工作人员或者其他相关人员影响上述指定区域客流批次的统计。基于此，可选地，本实施例中，当检查出已存储的工作人员人脸库中不存在与上述人脸图像匹配的人脸信息，则存储上述人脸图像对应的人脸采集事件数据。可选地，这里上述人脸图像对应的人脸采集事件数据可存储在指定存储介质。比如指定存储介质可为采集设备本地的存储介质，则可由采集设备直接将上述人脸图像对应的人脸采集事件数据存储至本地的指定存储介质；再比如，指定存储介质不为采集设备本地的存储介质，则作为一个实施例，采集设备可将上述人脸图像对应的人脸采集事件数据发送至指定存储介质进行存储，作为另一个实施例，采集设备也可将上述人脸图像对应的人脸采集事件数据发送至其他用于管理指定存储介质的设备，由该设备再将接收的上述人脸图像对应的人脸采集事件数据存储至指定存储介质。本实施例并不具体限定如何存储上述人脸图像对应的人脸采集事件数据。
可选地，这里的人脸采集事件数据至少包括：采集时间点、采集设备的采集设备标识、人脸图像中的人脸被分配的人脸编号。
可选地，本实施例中，人脸图像中的人脸被分配的人脸编号可由上述采集设备分配，或者由上述采集设备请求其他设备分配。在一个实施例中，可通过以下步骤为人脸图像中的人脸被分配的人脸编号：检查已存储的陌生人员人脸库中是否存在与该人脸图像中人脸相匹配的人脸信息，如果是，将已存在的与该人脸图像中人脸相匹配的人脸信息被分配的人脸编号确定为上述人脸图像中的人脸被分配的人脸编号，否则，按照设定的人脸编号分配原则为与该人脸图像中人脸分配对应的人脸编号。可选地，本实施例中，上述设定的人脸编号分配原则是指与陌生人员人脸库中任一人脸编号不同的原则。作为一个实施例，这里的陌生人员人脸库存放的人脸信息不在上述工作人员人脸库中存放。通过以上步骤为人脸图像中的人脸分配人脸编号最终可实现同一人脸不管是被不同采集设备采集还是被同一设备在不同时间点采集，被分配的人脸编号相同。
以上对步骤101进行了描述，下面对步骤102进行描述：
步骤102，针对每一人脸编号(以人脸编号f为例)，依据包含该人脸编号f的各人脸采集事件数据中的采集设备标识、采集时间点、以及已存储的采集设备标识对应的权重值确定各采集设备标识对应的采集设备采集该人脸编号f对应的人脸的时间维度参数。
可选地，在一些情况下，当同一批次客流进入指定区域时，在指定区域内特定区域比如出口、入口、或者其他被指定的重点区域被同时采集到的概率最高。基于此，本实施例可基于不同区域权重的差异统计指定区域内客流批次。其中，在实现基于不同区域权重的差异统计指定区域内客流批次时，需要依据采集设备在指定区域内所处的安装位置为采集设备设置对应的权重值。可选地，当采集设备在指定区域内所处的安装位置属于上述指定区域的特定区域比如出口、入口、或者其他被指定的位置区域，则采集设备对应的权重值比较高，而当采集设备在指定区域内所处的安装位置为上述指定区域内特定区域之外的其他区域，则采集设备对应的权重值比较低。比如，采集设备在指定区域内所处的安装位置属于上述指定区域的特定区域比如出口，则采集设备对应的权重值为w1，采集设备在指定区域内所处的安装位置属于上述指定区域的特定区域比如入口，则采集设备对应的权重值为w2，采集设备在指定区域内所处的安装位置属于上述指定区域的特定区域比如上述重点位置区域，则采集设备对应的权重值为w3，采集设备在指定区域内所处的安装位置属于上述指定区域内特定区域之外的其他位置区域，则采集设备对应的权重值为w4。这里，w1、w2、w3都会大于w4。至于w1、w2、w3的大小之分本实施例并不具体限定，可以都相同，也可以不同。
以上对本步骤102中采集设备标识对应的权重值进行了描述。
可选地，本实施例中，本步骤102中依据已获得的包含该人脸编号f的人脸采集事件数据中的采集设备标识、采集时间点、以及已存储的采集设备标识对应的权重值确定各采集设备采集该人脸编号对应的人脸的时间维度参数有很多实现方式，图2举例示出其中一种实现方式，这里不再赘述。
作为一个实施例，上述时间维度参数用于该人脸编号f对应的人脸在上述指定区域内出现的时空差异信息。比如，人脸编号f对应的人脸被采集设备c1在n1个不同时间点采集了n1次，被采集设备c2在n2个不同时间点采集了n2次，依次类推，最终即可体现出人脸在上述指定区域内出现的时空差异信息。下文图2具体示出了时间维度参数，这里暂不再过多描述。
步骤103，依据各采集设备采集该人脸编号f对应的人脸的时间维度参数，确定该人脸编号f对应的人脸所关联的关联人员在所述指定区域内活动的活动轨迹。
可选地，这里，人脸编号f对应的人脸所关联的关联人员是指具有该人脸的人员。为便于描述，所以称为关联人员。可选地，本实施例中，本步骤103中确定关联人员在指定区域内活动的活动轨迹有很多方式，下文图3举例描述其中一个实现方式。
步骤104，依据各人脸编号对应的人脸所关联的关联人员在指定区域内的活动轨迹统计指定区域内的客流批次。
可选地，在本实施例中，不同关联人员活动轨迹差异信息越小，归为同一客流批次的可能性就越大，反之，不同关联人员活动轨迹差异信息越大，归为同一客流批次的可能性就越小。正因为如此，本步骤104可借助各人脸编号对应的人脸所关联的关联人员在指定区域内的活动轨迹的差异统计指定区域内的客流批次，最终可实现相互之间活动轨迹差异信息小的各关联人员归为同一客流批次。下文图4所示流程举例示出步骤104的其中一个实施方式，这里不再赘述。
至此，完成图1所示流程。
通过图1所示流程可以看出，本实施例中，为指定区域内不同区域设置权重值，依据采集设备所处区域被设置的权重值、采集时间点确定该采集的人脸的时间维度参数，而由于时间维度参数体现了区域被设置的权重值和采集时间点(通称时空信息)，因此，借助时间维度参数可以实现后续更准确、更全面地统计指定区域内客流批次。
进一步地，在本实施例中，在确定人脸的时间维度参数至后，还会进一步确定该人脸编号对应的人脸所关联的关联人员在所述指定区域内活动的活动轨迹，借助各人脸编号对应的人脸所关联的关联人员在所述指定区域内的活动轨迹统计所述指定区域内的客流批次，这种借助活动轨迹统计指定区域内客流批次的方式也能够提高统计指定区域内客流批次的精确度。
下面对图2所示流程进行描述：
参见图2，图2为本申请实施例提供的步骤102实现流程图。如图2所示，该流程可包括以下步骤：
步骤201，针对指定区域内安装的每一采集设备，检查包含该人脸编号f的各人脸采集事件数据中是否包含该采集设备的采集设备标识，如果否，执行步骤202，如果是，执行步骤203。
可选地，本实施例中，先从上述步骤101中获得的所有人脸采集事件数据中找到包含该人脸编号f的各人脸采集事件数据(统称为第一类人脸采集事件数据，由至少一个包含该人脸编号f的各人脸采集事件数据组成)。之后，执行到本步骤201时，针对指定区域内安装的每一采集设备，以采集设备c为例，则检查第一类人脸采集事件数据中是否包含采集设备c的采集设备标识，如果否，执行步骤202，如果是，执行步骤203。
步骤202，确定该采集设备采集该人脸编号f对应的人脸的时间维度参数为设定值。
本步骤202是在上述步骤201的检查结果为否时执行的。仍以上述采集设备c为例，当检查结果为否，则表示上述第一类人脸采集事件数据中任一人脸采集事件数据都不包含采集设备c的采集设备标识。而当第一类人脸采集事件数据中任一人脸采集事件数据都不包含采集设备c的采集设备标识，则表示采集设备c未抓拍到上述人脸编号f对应的人脸。在此情况下，可选地，可确定采集设备c采集人脸编号f对应的人脸的时间维度参数为设定值比如0。
步骤203，依据包含该采集设备的采集设备标识的目标人脸采集事件数据中的采集时间点、以及已存储的该采集设备的采集设备标识对应的权重值确定该采集设备采集该人脸编号f对应的人脸的时间维度参数。
本步骤203是在上述步骤201的检查结果为是时执行的。仍以上述采集设备c为例，当检查结果为是，则表示上述第一类人脸采集事件数据中至少一个人脸采集事件数据包含采集设备c的采集设备标识。在此情况下，可依据包含采集设备c的采集设备标识的目标人脸采集事件数据中的采集时间点、以及采集设备c的采集设备标识对应的权重值确定采集设备c采集该人脸编号f对应的人脸的时间维度参数。
可选地，作为一个实施例，可按照以下公式1确定采集设备c采集该人脸编号f对应的人脸的时间维度参数：
其中，tcf表示上述采集设备c采集该人脸编号f对应的人脸的时间维度参数，n表示包含采集设备c的采集设备标识的目标人脸采集事件数据的数量，ti表示第i个目标人脸采集事件数据的采集时间点，w为采集设备c的采集设备标识对应的权重值。
可选地，作为另一个实施例，假若采集设备c的采集设备标识对应的权重值为某一固定值，这里以固定值为0为例，则上述公式1可转换为下述公
式2：
不管是上述公式1还是上述公式2，可以看出，在本实施例中，应用于同一人脸被同一采集设备采集多次的场景，则此时采集设备采集该人脸的时间维度参数是将采集该人脸的采集时间点求和，以作为后续客流批次统计时在时间维度上的参考。在本实施例中，将采集设备采集该人脸的采集时间点求和作为采集设备采集该人脸的时间维度参数，其从全局角度能够避免被该采集设备采集的不同人脸关联的关联人员被错误划分所属客流批次的缺陷。比如，仍以采集设备c为例，假若采集设备c在14：00采集到人员11的人脸，采集设备c在14：05采集到人员21的人脸，如果仅仅采用一个时间点，则在人员11、人员21实际不属同一客流批次的前提下，有可能因为采集设备c采集到人员11的人脸和人员21的人脸的时间差较小而错误地将人员11、人员21统计在同一客流批次。为了避免这种情况，本实施例引入了将采集设备采集该人脸的采集时间点求和作为采集设备采集该人脸的时间维度参数，从一个比较长的时间轴(采集设备采集同一人脸的采集时间点求和)作为参考来统计客流批次。比如，采集设备c后续还在14：20、15：10采集到人员11的人脸，而之后再没采集到人员21的人脸，则借助将采集设备c采集到人员11的人脸的采集时间点求和，就会发现人员11、人员21的时间维度参数不同，两者不属于同一客流批次，这避免了简单采用一个时间点而导致的客流批次统计不精确的缺陷。具体可参见下述图4所示的客流批次统计的流程。
需要说明的是，上述只是以采集设备c为例，其他采集设备原理类似，最终通过图2所示流程即可确定指定区域内各采集设备采集人脸编号f对应的人脸的时间维度参数。下述公式3示出了指定区域内各采集设备采集人脸编号f对应的人脸的时间维度参数的集合：
其中，Mf表示上述集合，表示第i个采集设备(采集设备标识为ci)采集人脸编号f对应的人脸的时间维度参数。
至此，完成图2所示流程的描述。
通过图2所示流程最终实现了上述步骤102中依据包含该人脸编号f的各人脸采集事件数据中的采集设备标识、采集时间点、以及已存储的采集设备标识对应的权重值确定各采集设备标识对应的采集设备采集该人脸编号对应的人脸的时间维度参数。需要说明的是，本实施例以人脸编号f为例描述，其他人脸编号原理类似，最终，通过图2所示流程可得到各采集设备采集各人脸编号对应的人脸的时间维度参数。
下面对上述步骤103进行描述：
参见图3，图3为本申请实施例提供的步骤103实现流程图。如图3所示，该流程可包括以下步骤：
步骤301，将各采集设备采集该人脸编号f对应的人脸的时间维度参数排序。
在本实施例中，指定区域内各采集设备是按照顺序安装在指定区域内的，比如按照从指定区域入口至指定区域出口(记为从前至后)的顺序等。基于此，作为一个实施例，本步骤301中将各采集设备采集该人脸编号f对应的人脸的时间维度参数排序可包括：按照指定区域内各采集设备在所述指定区域内的顺序，将各采集设备采集该人脸编号f对应的人脸的时间维度参数排序。
如公式3示出的指定区域内各采集设备采集人脸编号f对应的人脸的时间维度参数的集合，则执行到本步骤301时，可将集合中各采集设备采集人脸编号f对应的人脸的时间维度参数按照各采集设备在所述指定区域内的顺序进行排序。假若指定区域内各采集设备的顺序依次为：c1，c2，c3，……,ci，则上述集合中将各采集设备采集该人脸编号对应的人脸的时间维度参数排序可为公式4示出的序列：
其中，Tf表示上述序列。
步骤302，将排序后的时间维度参数确定为该人脸编号f对应的人脸所关联的关联人员在所述指定区域内活动的活动轨迹。
以上述公式4为例，则可将上述公式4中的序列Tf记为人脸编号f对应的人脸所关联的关联人员在上述指定区域内活动的活动轨迹。需要说明的是，本实施例以人脸编号f为例描述，其他人脸编号原理类似，按照类似人脸编号f的原理，则最终会得到所有人脸编号对应的人脸所关联的关联人员在上述指定区域内活动的活动轨迹，下述公式5举例示出：
其中，j表示人脸编号，i表示采集设备的采集设备标识，表示第i个采集设备(采集设备标识为ci)采集第j个人脸编号(即fj)对应的人脸的时间维度参数。
至此，完成图3所示流程。
通过图3所示流程最终实现了上述步骤103中依据各采集设备采集该人脸编号f对应的人脸的时间维度参数，确定该人脸编号f对应的人脸所关联的关联人员在所述指定区域内活动的活动轨迹。
下面对上述步骤104进行描述：
参见图4，图4为本申请实施例提供的步骤104实现流程图。可选地，本实施例中，不同关联人员在指定区域内活动的活动轨迹的差异信息体现出不同关联人员是否为同一客流批次。基于此，作为一个实施例，图4在具体实现时可将活动轨迹满足以下条件的不同关联人员归为同一客流批次：时间上临近且差异较小(满足差异条件)。可选地，作为一个实施例，图4所示流程可借助K中心点聚类分析方法实现。
如图4所示，该流程可包括以下步骤：
步骤401，从各关联人员在所述指定区域内的活动轨迹中选择K个目标活动轨迹，剩下的作为非目标活动轨迹，K大于等于1。
可选地，本实施例中，可随机选择K个活动轨迹或者按照指定要求选择满足要求(比如相近等)的K个活动轨迹，作为上述目标活动轨迹，本实施例并不具体限定。
步骤402，依据每一非目标活动轨迹至每一目标活动轨迹之间的活动轨迹距离，划分出至少一个当前候选客流批次；其中，同一当前候选客流批次中有一个目标关联人员，剩余为非目标关联人员，所述目标关联人员对应目标活动轨迹，非目标关联人员对应非目标活动轨迹。
作为一个实施例，在本步骤402中，可先计算每一非目标活动轨迹至每一目标活动轨迹之间的活动轨迹距离。可选地，本实施例中，可通过以下公
式6计算每一非目标活动轨迹至每一目标活动轨迹之间的活动轨迹距离：
其中，dij表示上述活动轨迹距离，p表示采集设备的采集设备标识。tip表示人脸编号i对应的人脸所关联的关联人员在指定区域内的活动轨迹(可记为非目标活动轨迹)中的一个时间维度参数，具体可为采集设备p采集该人脸编号i对应的人脸的时间维度参数。类似地，tjp表示人脸编号j对应的人脸所关联的关联人员在指定区域内的活动轨迹(可记为目标活动轨迹)中的一个时间维度参数，具体可为采集设备p采集该人脸编号j对应的人脸的时间维度参数。
步骤403，计算每一目标活动轨迹至所有非目标活动轨迹的距离的总和，得到当前候选客流批次对应的当前参考距离。
可选地，本步骤403中，计算每一目标活动轨迹至所有非目标活动轨迹的距离的总和，得到当前候选客流批次对应的当前参考距离可参考公式6，这里不再赘述。
步骤404，若当前参考距离大于上一次计算的历史参考距离，则将上一次划分的各历史候选客流批次确定为目标客流批次，否则，将每一当前候选客流批次中目标关联人员对应的目标活动轨迹切换为非目标活动轨迹，并将其中一个非目标关联人员对应的非目标活动轨迹切换为目标活动轨迹，返回步骤402。
可选地，在本步骤404中，若当前参考距离大于上一次计算的历史参考距离，则表示当前依据各关联人员在指定区域内的活动轨迹统计指定区域内的当前客流批次并非是首次，之前已按照上述步骤402划分了候选客流批次(记为历史候选客流批次)，并基于历史候选客流批次且采用步骤403计算了历史候选客流批次下每一目标活动轨迹至所有非目标活动轨迹的距离的总和(记为历史参考距离)。针对此种情况，假若当前参考距离大于上一次计算的历史参考距离，则表示上一次划分的历史候选客流批次是按照距离最小原则分类的最佳客流批次。因此，此时可将上一次划分的各历史候选客流批次确定为目标客流批次。
反之，若当前参考距离并非大于上一次计算的历史参考距离，则可能是以下两种情况：情况1，当前是首次依据各关联人员在所述指定区域内的活动轨迹统计指定区域内的当前客流批次；情况2，当前并非首次依据各关联人员在所述指定区域内的活动轨迹统计指定区域内的当前客流批次，但当前参考距离小于上一次计算的历史参考距离。针对情况1，因为是首次统计客流批次，可能分类不精准，需要尝试验证；针对情况2，则表示相比上一次划分的客流批次，当前划分的当前客流批次更符合按照距离最小原则分类，但后续是否还有更精确的分类，需要尝试验证。可以看出，不管上述情况1还是情况2，都需要尝试验证。而尝试验证的方式如步骤404描述，具体是从整体上调整目标活动轨迹和非目标活动轨迹，即：将每一当前候选客流批次中目标关联人员对应的目标活动轨迹切换为非目标活动轨迹，并将其中一个非目标关联人员对应的非目标活动轨迹切换为目标活动轨迹。之后，返回上述步骤402。这能从全局角度全面统计精确的客流批次。
至此，完成图4所示流程。
通过图4所示流程，最终实现了步骤104中依据各人脸编号对应的人脸所关联的关联人员在所述指定区域内的活动轨迹，统计所述指定区域内的客流批次。需要说明的是，图4所示流程只是一种举例，并非用于限定。
可选地，作为一个实施例，有可能因为一些特殊原因比如采集角度不理想等导致指定区域内安装的各采集设备存储的人脸采集事件数据不足以实现后续的客流批次，或者统计的客流批次不理想，则可选地，本实施例还可以通过人工干预方式调整上述步骤101中已获得的人脸采集事件数据，比如，针对已获得的人脸采集事件数据，查看该人脸采集事件数据中人脸编号对应的人脸的背景大图、人脸小图(只包括人脸，没有任何背景)和采集时间点的邻近的录像信息，调整已有的人脸采集事件数据。
可选地，调整人脸采集事件数据可比如为：删除人脸采集事件数据。比如，当发现采集设备因为误操作而导致错误的人脸采集事件数据，此时，可将该错误的人脸采集事件数据标记为删除状态，在指定删除时间到达时统一删除标记了删除状态的人脸采集事件数据；可选地，也可同时删除人脸采集事件数据中人脸编号对应的人脸的背景大图、人脸小图(只包括人脸，没有任何背景)。
可选地，调整人脸采集事件数据再比如为：将多条人脸采集事件数据合并为同一条人脸客流数据。比如，当采集设备采集人脸时因角度不理想而导致在同一时间点产生多条同一人脸的人脸采集事件数据，此时可将该多条人脸采集事件数据合并为同一条人脸采集事件数据。
可选地，调整人脸采集事件数据还比如为新增人脸采集事件数据。比如，当通过上述录像信息识别出采集设备漏拍人脸，则根据实际需求新增对应的人脸采集事件数据。
可选地，调整人脸采集事件数据还比如为修改人脸采集事件数据中人脸编号。比如，当采集设备采集人脸时因角度不理想而导致人脸不清楚被错误分配了其他人脸的人脸编号，此时可根据上述录像信息和上述图片修正错误的人脸编号，以保证人脸采集事件数据的准确。
上述只是举例描述如何调整人脸采集事件数据，并非用于限定。
需要说明的是，假如上述调整人脸采集事件数据是在上述统计的客流批次不理想后执行的，则在调整人脸采集事件数据后，返回执行图1所示流程。
以上对本申请提供的方法进行了描述，下面对本申请提供的装置进行描述：
参见图5，图5为本申请实施例提供的装置结构图。该装置包括：
获得单元，用于获得指定区域内的人脸采集事件数据；所述人脸采集事件数据至少包括：采集时间点、采集设备标识、采集设备采集的人脸被分配的人脸编号；其中，同一人脸被分配的人脸编号相同；
确定单元，用于针对每一人脸编号，依据包含该人脸编号的各人脸采集事件数据中的采集设备标识、采集时间点、以及已存储的采集设备标识对应的权重值，确定各采集设备标识对应的采集设备采集该人脸编号对应的人脸的时间维度参数；所述时间维度参数用于表征该人脸编号对应的人脸在所述指定区域内出现的时空差异信息；所述采集设备标识对应的权重值依据采集设备标识对应的采集设备的安装位置确定；依据各采集设备采集该人脸编号对应的人脸的时间维度参数，确定该人脸编号对应的人脸所关联的关联人员在所述指定区域内活动的活动轨迹；
统计单元，用于依据各人脸编号对应的人脸所关联的关联人员在所述指定区域内的活动轨迹，统计所述指定区域内的客流批次。
可选地，所述人脸采集事件数据与人脸图像对应；所述人脸图像与已存储的人脸库中的人脸信息不匹配，所述人脸库用于存储指定时间内在所述指定区域出现频次超过设定频次的人员对应的人脸信息。
可选地，所述确定单元依据包含该人脸编号的各人脸采集事件数据中的采集设备标识、采集时间点、以及已存储的采集设备标识对应的权重值，确定各采集设备标识对应的采集设备采集该人脸编号对应的人脸的时间维度参数包括：
针对所述指定区域内安装的每一采集设备，检查包含该人脸编号的各人脸采集事件数据中是否包含该采集设备的采集设备标识；
如果否，确定该采集设备采集该人脸编号对应的人脸的时间维度参数为设定值；
如果是，依据包含该采集设备的采集设备标识的目标人脸采集事件数据中的采集时间点、以及已存储的该采集设备的采集设备标识对应的权重值确定该采集设备采集该人脸编号对应的人脸的时间维度参数。
可选地，所述确定单元所述依据包含该采集设备的采集设备标识的目标人脸采集事件数据中的采集时间点、以及已存储的该采集设备的采集设备标识对应的权重值确定该采集设备采集该人脸编号对应的人脸的时间维度参数包括：
按照以下公式确定该采集设备采集该人脸编号对应的人脸的时间维度参数：
其中，tcf表示时间维度参数，n表示目标人脸采集事件数据的数量，ti表示第i个目标人脸采集事件数据中的采集时间点，w为权重值。
可选地，所述确定单元依据各采集设备采集该人脸编号对应的人脸的时间维度参数，确定该人脸编号对应的人脸所关联的关联人员在所述指定区域内活动的活动轨迹包括：
将各采集设备采集该人脸编号对应的人脸的时间维度参数排序；
将排序后的时间维度参数确定为该人脸编号对应的人脸所关联的关联人员在所述指定区域内活动的活动轨迹。
可选地，所述统计单元依据各人脸编号对应的人脸所关联的关联人员在所述指定区域内的活动轨迹，统计所述指定区域内的客流批次包括：
从各关联人员在所述指定区域内的活动轨迹中选择K个目标活动轨迹，剩下的作为非目标活动轨迹，K大于等于1；
依据每一非目标活动轨迹至每一目标活动轨迹之间的活动轨迹距离，划分出至少一个当前候选客流批次；其中，同一当前候选客流批次中有一个目标关联人员，剩余为非目标关联人员，所述目标关联人员对应目标活动轨迹，非目标关联人员对应非目标活动轨迹；
计算每一目标活动轨迹至所有非目标活动轨迹的距离的总和，得到当前候选客流批次对应的当前参考距离；
若当前参考距离大于上一次计算的历史参考距离，则将上一次划分的各历史候选客流批次确定为目标客流批次，否则，将每一当前候选客流批次中目标关联人员对应的目标活动轨迹切换为非目标活动轨迹，并将其中一个非目标关联人员对应的非目标活动轨迹切换为目标活动轨迹，返回依据每一非目标活动轨迹至每一目标活动轨迹之间的活动轨迹距离，划分出至少一个当前候选客流批次。
至此，完成图5所示装置的结构描述。
本申请实施例还提供了图5所示装置的硬件结构。参见图6，图6为本申请实施例提供的电子设备结构图。如图6所示，该硬件结构可包括：处理器和机器可读存储介质，机器可读存储介质存储有能够被所述处理器执行的机器可执行指令；所述处理器用于执行机器可执行指令，以实现本申请上述示例公开的方法。
基于与上述方法同样的申请构思，本申请实施例还提供一种机器可读存储介质，所述机器可读存储介质上存储有若干计算机指令，所述计算机指令被处理器执行时，能够实现本申请上述示例公开的方法。
示例性的，上述机器可读存储介质可以是任何电子、磁性、光学或其它物理存储装置，可以包含或存储信息，如可执行指令、数据，等等。例如，机器可读存储介质可以是：RAM(Radom Access Memory，随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、dvd等)，或者类似的存储介质，或者它们的组合。
上述实施例阐明的***、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机，计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可以由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其它可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其它可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
而且，这些计算机程序指令也可以存储在能引导计算机或其它可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或者多个流程和/或方框图一个方框或者多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其它可编程数据处理设备上，使得在计算机或者其它可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其它可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种数据统计方法，其特征在于，该方法应用于电子设备，包括：
获得指定区域内的人脸采集事件数据；所述人脸采集事件数据至少包括：采集时间点、采集设备标识、采集设备采集的人脸被分配的人脸编号；其中，同一人脸被分配的人脸编号相同；
针对每一人脸编号，依据包含该人脸编号的各人脸采集事件数据中的采集设备标识、采集时间点、以及已存储的采集设备标识对应的权重值，将各采集设备标识对应的采集设备采集该人脸编号对应的人脸的采集时间点求和作为各采集设备标识对应的采集设备采集该人脸编号对应的人脸的时间维度参数；所述时间维度参数用于表征该人脸编号对应的人脸在所述指定区域内出现的时空差异信息；所述采集设备标识对应的权重值依据采集设备标识对应的采集设备的安装位置确定；依据各采集设备采集该人脸编号对应的人脸的时间维度参数，确定该人脸编号对应的人脸所关联的关联人员在所述指定区域内活动的活动轨迹；
依据各人脸编号对应的人脸所关联的关联人员在所述指定区域内的活动轨迹，统计所述指定区域内的客流批次。
2.根据权利要求1所述的方法，其特征在于，所述人脸采集事件数据与人脸图像对应；所述人脸图像与已存储的人脸库中的人脸信息不匹配，所述人脸库用于存储指定时间内在所述指定区域出现频次超过设定频次的人员对应的人脸信息。
3.根据权利要求1所述的方法，其特征在于，所述依据包含该人脸编号的各人脸采集事件数据中的采集设备标识、采集时间点、以及已存储的采集设备标识对应的权重值，将各采集设备标识对应的采集设备采集该人脸编号对应的人脸的采集时间点求和作为各采集设备标识对应的采集设备采集该人脸编号对应的人脸的时间维度参数包括：
针对所述指定区域内安装的每一采集设备，检查包含该人脸编号的各人脸采集事件数据中是否包含该采集设备的采集设备标识；
如果否，确定该采集设备采集该人脸编号对应的人脸的时间维度参数为设定值；
如果是，依据包含该采集设备的采集设备标识的目标人脸采集事件数据中的采集时间点、以及已存储的该采集设备的采集设备标识对应的权重值，将该采集设备采集该人脸编号对应的人脸的采集时间点求和作为该采集设备采集该人脸编号对应的人脸的时间维度参数。
4.根据权利要求3所述的方法，其特征在于，所述依据包含该采集设备的采集设备标识的目标人脸采集事件数据中的采集时间点、以及已存储的该采集设备的采集设备标识对应的权重值，将该采集设备采集该人脸编号对应的人脸的采集时间点求和作为该采集设备采集该人脸编号对应的人脸的时间维度参数包括：
按照以下公式确定该采集设备采集该人脸编号对应的人脸的时间维度参数：
其中，tcf表示时间维度参数，n表示目标人脸采集事件数据的数量，ti表示第i个目标人脸采集事件数据中的采集时间点，w为权重值。
5.根据权利要求1所述的方法，其特征在于，所述依据各采集设备采集该人脸编号对应的人脸的时间维度参数，确定该人脸编号对应的人脸所关联的关联人员在所述指定区域内活动的活动轨迹包括：
将各采集设备采集该人脸编号对应的人脸的时间维度参数排序；
将排序后的时间维度参数确定为该人脸编号对应的人脸所关联的关联人员在所述指定区域内活动的活动轨迹。
6.根据权利要求1所述的方法，其特征在于，所述依据各人脸编号对应的人脸所关联的关联人员在所述指定区域内的活动轨迹，统计所述指定区域内的客流批次包括：
从各关联人员在所述指定区域内的活动轨迹中选择K个目标活动轨迹，剩下的作为非目标活动轨迹，K大于等于1；
依据每一非目标活动轨迹至每一目标活动轨迹之间的活动轨迹距离，划分出至少一个当前候选客流批次；其中，同一当前候选客流批次中有一个目标关联人员，剩余为非目标关联人员，所述目标关联人员对应目标活动轨迹，非目标关联人员对应非目标活动轨迹；
计算每一目标活动轨迹至所有非目标活动轨迹的距离的总和，得到当前候选客流批次对应的当前参考距离；
若当前参考距离大于上一次计算的历史参考距离，则将上一次划分的各历史候选客流批次确定为目标客流批次，否则，将每一当前候选客流批次中目标关联人员对应的目标活动轨迹切换为非目标活动轨迹，并将其中一个非目标关联人员对应的非目标活动轨迹切换为目标活动轨迹，返回依据每一非目标活动轨迹至每一目标活动轨迹之间的活动轨迹距离，划分出至少一个当前候选客流批次。
7.一种数据统计装置，其特征在于，该装置应用于电子设备，包括：
获得单元，用于获得指定区域内的人脸采集事件数据；所述人脸采集事件数据至少包括：采集时间点、采集设备标识、采集设备采集的人脸被分配的人脸编号；其中，同一人脸被分配的人脸编号相同；
确定单元，用于针对每一人脸编号，依据包含该人脸编号的各人脸采集事件数据中的采集设备标识、采集时间点、以及已存储的采集设备标识对应的权重值，将各采集设备标识对应的采集设备采集该人脸编号对应的人脸的采集时间点求和作为各采集设备标识对应的采集设备采集该人脸编号对应的人脸的时间维度参数；所述时间维度参数用于表征该人脸编号对应的人脸在所述指定区域内出现的时空差异信息；所述采集设备标识对应的权重值依据采集设备标识对应的采集设备的安装位置确定；依据各采集设备采集该人脸编号对应的人脸的时间维度参数，确定该人脸编号对应的人脸所关联的关联人员在所述指定区域内活动的活动轨迹；
统计单元，用于依据各人脸编号对应的人脸所关联的关联人员在所述指定区域内的活动轨迹，统计所述指定区域内的客流批次。
8.根据权利要求7所述的装置，其特征在于，所述确定单元依据包含该人脸编号的各人脸采集事件数据中的采集设备标识、采集时间点、以及已存储的采集设备标识对应的权重值，将各采集设备标识对应的采集设备采集该人脸编号对应的人脸的采集时间点求和作为各采集设备标识对应的采集设备采集该人脸编号对应的人脸的时间维度参数包括：
针对所述指定区域内安装的每一采集设备，检查包含该人脸编号的各人脸采集事件数据中是否包含该采集设备的采集设备标识；
如果否，确定该采集设备采集该人脸编号对应的人脸的时间维度参数为设定值；
如果是，依据包含该采集设备的采集设备标识的目标人脸采集事件数据中的采集时间点、以及已存储的该采集设备的采集设备标识对应的权重值，将该采集设备采集该人脸编号对应的人脸的采集时间点求和作为该采集设备采集该人脸编号对应的人脸的时间维度参数。
9.一种电子设备，其特征在于，该电子设备包括：处理器和机器可读存储介质；
所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令；
所述处理器用于执行机器可执行指令，以实现权利要求1-6任一项的方法步骤。
10.一种机器可读存储介质，其特征在于，所述机器可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-6任一项的方法步骤。
CN202011409861.7A 2020-12-03 2020-12-03 数据统计方法、装置、电子设备及机器可读存储介质 Active CN112528818B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011409861.7A CN112528818B (zh) 2020-12-03 2020-12-03 数据统计方法、装置、电子设备及机器可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011409861.7A CN112528818B (zh) 2020-12-03 2020-12-03 数据统计方法、装置、电子设备及机器可读存储介质

Publications (2)

Publication Number Publication Date
CN112528818A CN112528818A (zh) 2021-03-19
CN112528818B true CN112528818B (zh) 2024-02-27

Family

ID=74997040

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011409861.7A Active CN112528818B (zh) 2020-12-03 2020-12-03 数据统计方法、装置、电子设备及机器可读存储介质

Country Status (1)

Country Link
CN (1) CN112528818B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116092169B (zh) * 2023-04-04 2023-06-20 南京小唐安朴科技有限公司 一种以采集频率与范围为权重的数据关联度计算方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109508586A (zh) * 2017-09-15 2019-03-22 杭州海康威视数字技术股份有限公司 一种客流统计方法、装置及设备
CN110263703A (zh) * 2019-06-18 2019-09-20 腾讯科技（深圳）有限公司 人员流量统计方法、装置和计算机设备
CN110766474A (zh) * 2019-10-30 2020-02-07 浙江易时科技股份有限公司 基于人脸识别技术的销售展厅客流批次统计
CN111814629A (zh) * 2020-06-29 2020-10-23 深圳市商汤科技有限公司 人员检测方法及装置、电子设备和存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109508586A (zh) * 2017-09-15 2019-03-22 杭州海康威视数字技术股份有限公司 一种客流统计方法、装置及设备
CN110263703A (zh) * 2019-06-18 2019-09-20 腾讯科技（深圳）有限公司 人员流量统计方法、装置和计算机设备
CN110766474A (zh) * 2019-10-30 2020-02-07 浙江易时科技股份有限公司 基于人脸识别技术的销售展厅客流批次统计
CN111814629A (zh) * 2020-06-29 2020-10-23 深圳市商汤科技有限公司 人员检测方法及装置、电子设备和存储介质

Also Published As

Publication number Publication date
CN112528818A (zh) 2021-03-19

Similar Documents

Publication Publication Date Title
CN111160243A (zh) 客流量统计方法及相关产品
CN109447186A (zh) 聚类方法及相关产品
CN111107319B (zh) 基于区域摄像头的目标追踪方法、装置及***
CN111209776A (zh) 同行人识别方法、装置、处理服务器、存储介质及***
CN112016731B (zh) 一种排队时长的预测方法、装置以及电子设备
CN112770265B (zh) 一种行人身份信息获取方法、***、服务器和存储介质
CN112528818B (zh) 数据统计方法、装置、电子设备及机器可读存储介质
US10853829B2 (en) Association method, and non-transitory computer-readable storage medium
CN111382627A (zh) 同行判定方法及相关产品
CN116311063A (zh) 监控视频下基于人脸识别的人员细粒度跟踪方法及***
CN111291216A (zh) 一种基于人脸结构化数据的落脚点分析方法和***
CN114187565A (zh) 一种同行人员确定方法、电子设备和存储介质
CN115170851A (zh) 一种图像聚类的方法及装置
CN111739056A (zh) 一种轨迹追踪***
CN109359689B (zh) 一种数据识别方法及装置
CN111784742B (zh) 一种行人跨镜头追踪方法及装置
CN112001280B (zh) 一种实时、可在线优化的人脸识别***和方法
US11157728B1 (en) Person detection and identification using overhead depth images
CN113343004B (zh) 对象的识别方法和装置、存储介质及电子装置
CN114359957A (zh) 一种人体图像的归类方法、装置及设备
CN114491156A (zh) 基于视频图像智能推送近似对象的方法
CN113785327A (zh) 图像处理方法、装置、边缘计算设备和计算机存储介质
CN117453942B (zh) 行驶路径的档案聚集方法、装置、计算机设备及介质
CN112528078B (zh) 一种图像归档方法、装置及设备
US11250271B1 (en) Cross-video object tracking

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
GR01 Patent grant
GR01 Patent grant