CN115187915A - 一种客流分析方法、装置、设备及介质 - Google Patents
一种客流分析方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115187915A CN115187915A CN202211086692.7A CN202211086692A CN115187915A CN 115187915 A CN115187915 A CN 115187915A CN 202211086692 A CN202211086692 A CN 202211086692A CN 115187915 A CN115187915 A CN 115187915A
- Authority
- CN
- China
- Prior art keywords
- feature
- target
- characteristic
- passenger flow
- database
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种客流分析方法、装置、设备及介质,涉及客流统计技术领域,应用于目标图像采集设备,目标图像采集设备为局域网中的任意一个图像采集设备,包括:采集包括目标客户的视频流数据,并按照预设条件从所述视频流数据中筛选出目标帧图像;对所述目标帧图像进行特征提取得到对应的特征值,并从所述局域网内各图像采集设备对应的特征数据库中进行特征搜索,以确定各所述特征数据库中是否存在与所述特征值匹配的目标特征值;获取特征搜索结果,并基于所述特征搜索结果向服务器上报相应的客流分析结果。本申请实现了局域网中各图像采集设备对应特征数据库之间的相互识别,即实现了不同设备间的数据共享,从而提高对客流数据分析的准确性。
Description
技术领域
本发明涉及客流统计技术领域,特别涉及一种客流分析方法、装置、设备及介质。
背景技术
在多设备场景下,例如一个门店有多个进出口,每个进出口都装有图像采集设备,具体为摄像头。然而各个图像采集设备之间数据隔离,无法实现数据共享,从而影响客流分析的准确性。传统的做法是将每个图像采集设备采集到的图像数据同步到云端,通过云端维护一个大的数据库,各个设备再通过云端进行识别,以此达到数据共享的目的。然而此方法存在数据交换频繁,占用服务器资源,识别效率低下等问题。
综上,如何提高对客流数据分析的准确性,并减小对服务器资源的占用是目前有待解决的问题。
发明内容
有鉴于此,本发明的目的在于提供一种客流分析方法、装置、设备及介质,能够提高对客流数据分析的准确性,并减小对服务器资源的占用。其具体方案如下:
第一方面,本申请公开了一种客流分析方法,应用于目标图像采集设备,其中,所述目标图像采集设备为局域网中的任意一个图像采集设备,包括:
采集包括目标客户的视频流数据,并按照预设条件从所述视频流数据中筛选出目标帧图像;
对所述目标帧图像进行特征提取得到对应的特征值,并从所述局域网内各图像采集设备对应的特征数据库中进行特征搜索,以确定各所述特征数据库中是否存在与所述特征值匹配的目标特征值;
获取特征搜索结果,并基于所述特征搜索结果向服务器上报相应的客流分析结果。
可选的,所述对所述目标帧图像进行特征提取得到对应的特征值,包括:
按照身形类型对所述目标帧图像进行特征提取得到对应的身形特征值。
可选的,从所述局域网内各图像采集设备对应的特征数据库中进行特征搜索,以确定各所述特征数据库中是否存在与所述特征值匹配的目标特征值,包括:
确定与所述目标图像采集设备对应的第一特征数据库,并从所述第一特征数据库中进行特征搜索,以确定所述第一特征数据库中是否存在与所述特征值匹配的目标特征值;
若所述第一特征数据库中不存在与所述特征值匹配的目标特征值,则确定与所述局域网内其余图像采集设备对应的第二特征数据库,并向所述第二特征数据库发起特征搜索请求,以确定所述第二特征数据库中是否存在与所述特征值匹配的目标特征值。
可选的,所述确定所述第一特征数据库中是否存在与所述特征值匹配的目标特征值之后,还包括:
若所述第一特征数据库中存在与所述特征值匹配的目标特征值,则判定所述目标客户为熟客客流,并将相应的客流分析结果上报至服务器。
可选的,所述获取特征搜索结果,并基于所述特征搜索结果向服务器上报相应的客流分析结果,包括:
获取其余所述图像采集设备返回的与所述特征搜索请求对应的特征搜索结果;
若所述特征搜索结果为所述第二特征数据库中存在与所述特征值匹配的目标特征值,则判定所述目标客户为熟客客流,并将相应的客流判定结果上报至服务器。
可选的,所述获取其余所述图像采集设备返回的与所述特征搜索请求对应的特征搜索结果之后,还包括:
若所述特征搜索结果为所述第二特征数据库中不存在与所述特征值匹配的目标特征值,则将所述特征值存入至所述第一特征数据库;
判定所述目标客户为新客客流,并将相应的客流判定结果上报至服务器。
可选的,所述确定各所述特征数据库中是否存在与所述特征值匹配的目标特征值,包括:
计算各所述特征数据库中各特征数据与所述特征值之间的相似度得分,并判断所述相似度得分是否超过预设分数阈值;
若所述相似度得分超过预设分数阈值,则确定所述特征数据库中存在与所述特征值匹配的目标特征值。
第二方面,本申请公开了一种客流分析装置,应用于目标图像采集设备,其中,所述目标图像采集设备为局域网中的任意一个图像采集设备,包括:
目标帧图像筛选模块,用于采集包括目标客户的视频流数据,并按照预设条件从所述视频流数据中筛选出目标帧图像;
特征搜索模块,用于对所述目标帧图像进行特征提取得到对应的特征值,并从所述局域网内各图像采集设备对应的特征数据库中进行特征搜索,以确定各所述特征数据库中是否存在与所述特征值匹配的目标特征值;
结果上报模块,用于获取特征搜索结果,并基于所述特征搜索结果向服务器上报相应的客流分析结果。
第三方面,本申请公开了一种电子设备,包括:
存储器,用于保存计算机程序;
处理器,用于执行所述计算机程序,以实现前述公开的客流分析方法的步骤。
第四方面,本申请公开了一种计算机可读存储介质,用于存储计算机程序;其中,所述计算机程序被处理器执行时实现前述公开的客流分析方法的步骤。
可见,本申请通过目标图像采集设备采集包括目标客户的视频流数据,并按照预设条件从所述视频流数据中筛选出目标帧图像;对所述目标帧图像进行特征提取得到对应的特征值,并从所述局域网内各图像采集设备对应的特征数据库中进行特征搜索,以确定各所述特征数据库中是否存在与所述特征值匹配的目标特征值;获取特征搜索结果,并基于所述特征搜索结果向服务器上报相应的客流分析结果。由此可见,本申请首先通过目标图像采集设备采集到包括目标客户的视频流数据,并按照预设条件从所述视频流数据中筛选出目标帧图像,然后对目标帧图像进行特征提取得到对应的特征值,再确定局域网中的各图像采集设备分别对应的特征数据库,以便基于该特征值从各个特征数据库中进行特征搜索,以确定各特征数据库中是否存在与特征值匹配的目标特征值,再根据相应的特征搜索结果向服务器上报客流分析结果。通过上述方案实现了局域网内各图像采集设备对应的特征数据库之间的相互识别,即实现了不同设备间的数据共享,从而提高了对客流数据分析的准确性。
附图说明
为了更清楚地说明本申请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的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请公开的一种客流分析方法流程图;
图2为本申请公开的一种具体的客流分析方法流程图;
图3为本申请公开的一种具体的客流分析场景示意图;
图4为本申请公开的一种具体的客流分析流程示意图;
图5为本申请公开的一种客流分析装置结构示意图;
图6为本申请公开的一种电子设备结构图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
当前,传统的做法是将每个图像采集设备采集到的图像数据同步到云端,通过云端维护一个大的数据库,各个设备再通过云端进行识别,以此达到数据共享的目的。然而此方法存在数据交换频繁,占用服务器资源,识别效率低下等问题。为此,本申请实施例公开了一种客流分析方法、装置、设备及介质,能够提高对客流数据分析的准确性,并减小对服务器资源的占用。
参见图1所示,本申请实施例公开了一种客流分析方法,应用于目标图像采集设备,其中,所述目标图像采集设备为局域网中的任意一个图像采集设备,该方法包括:
步骤S11:采集包括目标客户的视频流数据,并按照预设条件从所述视频流数据中筛选出目标帧图像。
本实施例中,首先通过目标图像采集设备采集到包括目标客户的视频流数据,再根据预设条件从视频流数据中筛选出目标帧图像。在具体实施方式中,上述图像采集设备具体可以为摄像头,视频流数据具体可以为目标客户进入门店时拍摄到的视频流数据,因此目标帧图像具体为目标客户的正面图像,并且为根据目标客户的姿态信息、角度信息从视频流数据中选取出的最佳的以及最清晰的一帧图像。
步骤S12:对所述目标帧图像进行特征提取得到对应的特征值,并从所述局域网内各图像采集设备对应的特征数据库中进行特征搜索,以确定各所述特征数据库中是否存在与所述特征值匹配的目标特征值。
本实施例中,对筛选出的目标帧图像进行特征提取以得到对应的特征值。在一种具体实施方式中,上述对所述目标帧图像进行特征提取得到对应的特征值,包括:按照身形类型对所述目标帧图像进行特征提取得到对应的身形特征值。也即,本申请中特征提取的内容可以为身形,除此之外,还可以包括但不限于对性别、年龄等信息进行特征提取。需要指出的是,本申请实施例中,无需将目标图像采集设备采集到的视频图像数据再传输给特定的识别装置进行特征提取,而是由该目标图像采集设备直接进行特征提取,也即图像采集设备可以理解为客流分析仪,能够直接对视频图像数据进行客流分析。
进一步的,上述确定各所述特征数据库中是否存在与所述特征值匹配的目标特征值,包括:计算各所述特征数据库中各特征数据与所述特征值之间的相似度得分,并判断所述相似度得分是否超过预设分数阈值;若所述相似度得分超过预设分数阈值,则确定所述特征数据库中存在与所述特征值匹配的目标特征值。可以理解的是,本实施例中需要确定各特征数据库中是否存在与特征值匹配的目标特征值,通过将提取到的特征值依次在各个特征数据库中进行特征搜索,确定该特征值是否命中在某一个特征数据库内,若命中,也即代表至少存在一个特征数据库中的特征数据信息与该特征值匹配。具体的,通过计算每一特征数据库中各特征数据与特征值之间的相似度得分,并设置预设分数阈值,如果计算得到的相似度得分超过该预设分数阈值,则可以认为特征数据库中存在与特征值匹配的目标特征值,也即该特征值命中在某一个特征数据库内。需要注意的是,本实施例中局域网中的图像采集设备至少为两台,并且每一台图像采集设备都有各自对应的特征数据库。那么假设第一台图像采集设备当前提取得到了目标用户的身形特征值,然后计算两个特征数据库中每一特征数据与将该身形特征值的相似度得分,并设置预设分数阈值为80分,那么当相似度得分超过80时,则确定相应的特征数据库中存在与该身形特征值匹配的目标特征值。
步骤S13:获取特征搜索结果,并基于所述特征搜索结果向服务器上报相应的客流分析结果。
本实施例中,获取到相应的特征搜索结果,也即各特征数据库中存在或者不存在与上述特征值对应的目标特征值,并基于该特征搜索结果向服务器上报客流分析结果。可以理解的是,客流分析结果具体可以有两种类型,也即目标客户为熟客客流还是新客客流,其中,熟客客流可以是指出现过且相关特征已录入图像采集设备的客流,也即若各图像采集设备对应的特征数据库中存在与上述特征值对应的目标特征值,则可以认为目标客户为熟客客流;新客客流可以是指相关特征未录入图像采集设备的客流,也即若各图像采集设备对应的特征数据库中不存在与上述特征值对应的目标特征值,则可以认为目标客户为新客客流。
可见,本申请通过目标图像采集设备采集包括目标客户的视频流数据,并按照预设条件从所述视频流数据中筛选出目标帧图像;对所述目标帧图像进行特征提取得到对应的特征值,并从所述局域网内各图像采集设备对应的特征数据库中进行特征搜索,以确定各所述特征数据库中是否存在与所述特征值匹配的目标特征值;获取特征搜索结果,并基于所述特征搜索结果向服务器上报相应的客流分析结果。由此可见,本申请首先通过目标图像采集设备采集到包括目标客户的视频流数据,并按照预设条件从所述视频流数据中筛选出目标帧图像,然后对目标帧图像进行特征提取得到对应的特征值,再确定局域网中的各图像采集设备分别对应的特征数据库,以便基于该特征值从各个特征数据库中进行特征搜索,以确定各特征数据库中是否存在与特征值匹配的目标特征值,再根据相应的特征搜索结果向服务器上报客流分析结果。通过上述方案实现了局域网内各图像采集设备对应的特征数据库之间的相互识别,即实现了不同设备间的数据共享,从而提高了对客流数据分析的准确性。
参见图2所示,本申请实施例公开了一种具体的客流分析方法,相对于上一实施例,本实施例对技术方案作了进一步的说明和优化。具体包括:
步骤S21:采集包括目标客户的视频流数据,并按照预设条件从所述视频流数据中筛选出目标帧图像。
步骤S22:对所述目标帧图像进行特征提取得到对应的特征值,并确定与所述目标图像采集设备对应的第一特征数据库,并从所述第一特征数据库中进行特征搜索,以确定所述第一特征数据库中是否存在与所述特征值匹配的目标特征值。
本实施例中,具体可以利用Resnet50算法对目标帧图像进行特征提取以得到对应的特征值,然后在基于该特征值从各图像采集设备对应的特征数据库中进行特征搜索时,优先从目标图像采集设备本身的第一特征数据库中进行特征搜索,以确定第一特征数据库中是否存在与特征值匹配的目标特征值。
步骤S23:若所述第一特征数据库中不存在与所述特征值匹配的目标特征值,则确定与所述局域网内其余图像采集设备对应的第二特征数据库,并向所述第二特征数据库发起特征搜索请求,以确定所述第二特征数据库中是否存在与所述特征值匹配的目标特征值。
在一种具体实施方式中,若第一特征数据库中不存在与上述特征值匹配的目标特征值,则再向局域网内其余图像采集设备对应的第二特征数据库轮流发起特征搜索请求,以确定第二特征数据库中是否存在与特征值匹配的目标特征值。需要指出的是,在对各第二特征数据库中进行特征搜索时,可以按照图像采集设备的标识号依次进行搜索,也可以随机进行搜索,本实施例对此不作限制。可以理解的是,目标图像采集设备能够进行双向数据传输,上述过程中目标图像采集设备可以理解为客户端,局域网中其余图像采集设备作为服务端,也即通过客户端向服务端发起特征搜索请求,再根据服务端的应答判断特征是否匹配;同时,目标图像采集设备也可作为服务端获取其余图像采集设备发送的特征搜索请求,再从本设备的第一特征数据库中进行特征搜索,并返回相应的匹配结果。也即,通过局域网通信技术,每个图像采集设备既是客户端又是服务端,实现了多设备之间可以完成特征库的共享识别,即特征共享识别,并且无需请求服务器信息,从而减少服务器资源的占用,提高了识别效率。此外,局域网中除了部署有多个图像采集设备,还部署有交换机,图像采集设备和交换机共同构成了客流分析***。那么客户端设备在向服务端设备发送特征搜索请求时,需要先将该请求发送至局域网中的交换机,再由交换机将该特征搜索请求转发至服务端设备;同理,服务端设备在返回匹配结果时,也是通过交换机进行转发。交换机意为“开关”是一种用于电/光信号转发的网络设备。它可以为接入交换机的任意两个网络节点提供独享的电信号通路。
在另一种具体实施方式中,上述确定所述第一特征数据库中是否存在与所述特征值匹配的目标特征值之后,还包括:若所述第一特征数据库中存在与所述特征值匹配的目标特征值,则判定所述目标客户为熟客客流,并将相应的客流分析结果上报至服务器。可以理解的是,如果第一特征数据库中存在与特征值匹配的目标特征值,也即该特征值命中在第一特征数据内,则停止特征搜索。此时则可以判定目标客户为熟客客流,并将目标客户为熟客客流的客流分析结果上报至服务器。
步骤S24:获取其余所述图像采集设备返回的与所述特征搜索请求对应的特征搜索结果。
本实施例中,其余图像采集设备获取到当前目标图像采集设备发送的特征搜索请求后,则会在各自对应的第二特征数据库中进行特征搜索,并返回相应的特征搜索结果。
步骤S25:若所述特征搜索结果为所述第二特征数据库中存在与所述特征值匹配的目标特征值,则判定所述目标客户为熟客客流,并将相应的客流判定结果上报至服务器。
本实施例中,若特征搜索结果为第二特征数据库中存在与特征值匹配的目标特征值,则可判定该目标客户为熟客客流,并将目标客户为熟客客流的客流分析结果上报至服务器。需要指出的是,只要在任意一个第二特征数据库中搜索到与特征值相匹配的目标特征值,也即该特征值命中在任意一个第二特征数据库内,则停止特征搜索,并返回特征搜索结果。
进一步的,上述获取其余所述图像采集设备返回的与所述特征搜索请求对应的特征搜索结果之后,还包括:若所述特征搜索结果为所述第二特征数据库中不存在与所述特征值匹配的目标特征值,则将所述特征值存入至所述第一特征数据库;判定所述目标客户为新客客流,并将相应的客流判定结果上报至服务器。也即,若各个图像采集设备对应的第二特征数据库中均不存在与该特征值匹配的目标特征值,换句话说,该特征值在各第二特征数据库中全部未命中,则将该特征值存入至本设备的第一特征数据库,并判定目标客户为新客客流,以及将目标客户为新客客流的客流判定结果上报至服务器。
其中,关于上述步骤S21更加具体的处理过程可以参考前述实施例中公开的相应内容,在此不再进行赘述。
可见,本申请实施例中,在基于提取到的特征值从各图像采集设备对应的特征数据库中进行特征搜索时,优先从目标图像采集设备本身的第一特征数据库中进行特征搜索,若第一特征数据库内存在匹配的目标特征值,向服务器上报熟客客流;若第一特征数据库内步存在匹配的目标特征值,则再向局域网内其余图像采集设备对应的第二特征数据库轮流发起特征搜索请求,若任意一个第二特征数据库中存在匹配的目标特征值,则向服务器上报熟客客流;若所有第二特征数据库均不存在匹配的目标特征值,则将该特征值存入本设备的第一特征数据库,并向服务器上报新客客流。另外,每一个图像采集设备既可作为客户端向其余图像采集设备发送特征搜索请求,也可以作为服务端获取其余设备发送的特征搜索请求,也即多设备之间可以完成特征库的共享识别,不需要通过云端服务器进行数据库同步,无需占用服务器资源,减少了数据交换,提升了识别效率。
下面以图3所示的具体场景为例,对本申请中的技术方案进行说明。
如图3所示,一个门店有三个门,每个门都装有摄像头,分别为相机1、相机2和相机3。具体流程如图4所示,假设目标客户从与相机1对应的门进入门店,那么此时相机1采集到包括该目标客户的视频流数据,然后再由相机1对视频流数据中的目标帧图像进行特征提取得到特征值。再根据该特征值优先从相机1对应的特征数据库中进行特征搜索以确定是否存在与该特征值匹配的目标特征值,若不存在,再从相机2和相机3对应的特征数据库中进行特征搜索。在上述过程中,一旦该特征值命中在任意一个特征数据库中,则停止后续的特征搜索,并向服务器上报熟客客流;若三个特征数据库中均未命中,则将该特征值存入至相机1的特征数据库中,并向服务器上报新客客流。
参见图5所示,本申请实施例公开了一种客流分析装置,应用于目标图像采集设备,其中,所述目标图像采集设备为局域网中的任意一个图像采集设备,该装置包括:
目标帧图像筛选模块11,用于采集包括目标客户的视频流数据,并按照预设条件从所述视频流数据中筛选出目标帧图像;
特征搜索模块12,用于对所述目标帧图像进行特征提取得到对应的特征值,并从所述局域网内各图像采集设备对应的特征数据库中进行特征搜索,以确定各所述特征数据库中是否存在与所述特征值匹配的目标特征值;
结果上报模块13,用于获取特征搜索结果,并基于所述特征搜索结果向服务器上报相应的客流分析结果。
可见,本申请通过目标图像采集设备采集包括目标客户的视频流数据,并按照预设条件从所述视频流数据中筛选出目标帧图像;对所述目标帧图像进行特征提取得到对应的特征值,并从所述局域网内各图像采集设备对应的特征数据库中进行特征搜索,以确定各所述特征数据库中是否存在与所述特征值匹配的目标特征值;获取特征搜索结果,并基于所述特征搜索结果向服务器上报相应的客流分析结果。由此可见,本申请首先通过目标图像采集设备采集到包括目标客户的视频流数据,并按照预设条件从所述视频流数据中筛选出目标帧图像,然后对目标帧图像进行特征提取得到对应的特征值,再确定局域网中的各图像采集设备分别对应的特征数据库,以便基于该特征值从各个特征数据库中进行特征搜索,以确定各特征数据库中是否存在与特征值匹配的目标特征值,再根据相应的特征搜索结果向服务器上报客流分析结果。通过上述方案实现了局域网内各图像采集设备对应的特征数据库之间的相互识别,即实现了不同设备间的数据共享,从而提高了对客流数据分析的准确性。
图6为本申请实施例提供的一种电子设备的结构示意图。具体可以包括:至少一个处理器21、至少一个存储器22、电源23、通信接口24、输入输出接口25和通信总线26。其中,所述存储器22用于存储计算机程序,所述计算机程序由所述处理器21加载并执行,以实现前述任一实施例公开的由电子设备执行的客流分析方法中的相关步骤。
本实施例中,电源23用于为电子设备20上的各硬件设备提供工作电压;通信接口24能够为电子设备20创建与外界设备之间的数据传输通道,其所遵循的通信协议是能够适用于本申请技术方案的任意通信协议,在此不对其进行具体限定;输入输出接口25,用于获取外界输入数据或向外界输出数据,其具体的接口类型可以根据具体应用需要进行选取,在此不进行具体限定。
其中,处理器21可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器21可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器21也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器21可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器21还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
另外,存储器22作为资源存储的载体,可以是只读存储器、随机存储器、磁盘或者光盘等,其上所存储的资源包括操作***221、计算机程序222及数据223等,存储方式可以是短暂存储或者永久存储。
其中,操作***221用于管理与控制电子设备20上的各硬件设备以及计算机程序222,以实现处理器21对存储器22中海量数据223的运算与处理,其可以是Windows、Unix、Linux等。计算机程序222除了包括能够用于完成前述任一实施例公开的由电子设备20执行的客流分析方法的计算机程序之外,还可以进一步包括能够用于完成其他特定工作的计算机程序。数据223除了可以包括电子设备接收到的由外部设备传输进来的数据,也可以包括由自身输入输出接口25采集到的数据等。
进一步的,本申请实施例还公开了一种计算机可读存储介质,所述存储介质中存储有计算机程序,所述计算机程序被处理器加载并执行时,实现前述任一实施例公开的由客流分析过程中执行的方法步骤。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种客流分析方法、装置、设备及存储介质进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种客流分析方法,其特征在于,应用于目标图像采集设备,其中,所述目标图像采集设备为局域网中的任意一个图像采集设备,包括:
采集包括目标客户的视频流数据,并按照预设条件从所述视频流数据中筛选出目标帧图像;
对所述目标帧图像进行特征提取得到对应的特征值,并从所述局域网内各图像采集设备对应的特征数据库中进行特征搜索,以确定各所述特征数据库中是否存在与所述特征值匹配的目标特征值;
获取特征搜索结果,并基于所述特征搜索结果向服务器上报相应的客流分析结果。
2.根据权利要求1所述的客流分析方法,其特征在于,所述对所述目标帧图像进行特征提取得到对应的特征值,包括:
按照身形类型对所述目标帧图像进行特征提取得到对应的身形特征值。
3.根据权利要求1所述的客流分析方法,其特征在于,所述从所述局域网内各图像采集设备对应的特征数据库中进行特征搜索,以确定各所述特征数据库中是否存在与所述特征值匹配的目标特征值,包括:
确定与所述目标图像采集设备对应的第一特征数据库,并从所述第一特征数据库中进行特征搜索,以确定所述第一特征数据库中是否存在与所述特征值匹配的目标特征值;
若所述第一特征数据库中不存在与所述特征值匹配的目标特征值,则确定与所述局域网内其余图像采集设备对应的第二特征数据库,并向所述第二特征数据库发起特征搜索请求,以确定所述第二特征数据库中是否存在与所述特征值匹配的目标特征值。
4.根据权利要求3所述的客流分析方法,其特征在于,所述确定所述第一特征数据库中是否存在与所述特征值匹配的目标特征值之后,还包括:
若所述第一特征数据库中存在与所述特征值匹配的目标特征值,则判定所述目标客户为熟客客流,并将相应的客流分析结果上报至服务器。
5.根据权利要求3所述的客流分析方法,其特征在于,所述获取特征搜索结果,并基于所述特征搜索结果向服务器上报相应的客流分析结果,包括:
获取其余所述图像采集设备返回的与所述特征搜索请求对应的特征搜索结果;
若所述特征搜索结果为所述第二特征数据库中存在与所述特征值匹配的目标特征值,则判定所述目标客户为熟客客流,并将相应的客流判定结果上报至服务器。
6.根据权利要求5所述的客流分析方法,其特征在于,所述获取其余所述图像采集设备返回的与所述特征搜索请求对应的特征搜索结果之后,还包括:
若所述特征搜索结果为所述第二特征数据库中不存在与所述特征值匹配的目标特征值,则将所述特征值存入至所述第一特征数据库;
判定所述目标客户为新客客流,并将相应的客流判定结果上报至服务器。
7.根据权利要求1至6任一项所述的客流分析方法,其特征在于,所述确定各所述特征数据库中是否存在与所述特征值匹配的目标特征值,包括:
计算各所述特征数据库中各特征数据与所述特征值之间的相似度得分,并判断所述相似度得分是否超过预设分数阈值;
若所述相似度得分超过预设分数阈值,则确定所述特征数据库中存在与所述特征值匹配的目标特征值。
8.一种客流分析装置,其特征在于,应用于目标图像采集设备,其中,所述目标图像采集设备为局域网中的任意一个图像采集设备,包括:
目标帧图像筛选模块,用于采集包括目标客户的视频流数据,并按照预设条件从所述视频流数据中筛选出目标帧图像;
特征搜索模块,用于对所述目标帧图像进行特征提取得到对应的特征值,并从所述局域网内各图像采集设备对应的特征数据库中进行特征搜索,以确定各所述特征数据库中是否存在与所述特征值匹配的目标特征值;
结果上报模块,用于获取特征搜索结果,并基于所述特征搜索结果向服务器上报相应的客流分析结果。
9.一种电子设备,其特征在于,包括:
存储器,用于保存计算机程序;
处理器,用于执行所述计算机程序,以实现如权利要求1至7任一项所述的客流分析方法的步骤。
10.一种计算机可读存储介质,其特征在于,用于存储计算机程序;其中,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的客流分析方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211086692.7A CN115187915A (zh) | 2022-09-07 | 2022-09-07 | 一种客流分析方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211086692.7A CN115187915A (zh) | 2022-09-07 | 2022-09-07 | 一种客流分析方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115187915A true CN115187915A (zh) | 2022-10-14 |
Family
ID=83524375
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211086692.7A Pending CN115187915A (zh) | 2022-09-07 | 2022-09-07 | 一种客流分析方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115187915A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488478A (zh) * | 2015-12-02 | 2016-04-13 | 深圳市商汤科技有限公司 | 一种人脸识别***和方法 |
CN110459058A (zh) * | 2019-08-06 | 2019-11-15 | 北京市公安局公安交通管理局 | 一种多摄像机协同的违停车牌识别方法及装置 |
CN110688974A (zh) * | 2019-09-30 | 2020-01-14 | 支付宝(杭州)信息技术有限公司 | 一种身份识别方法及装置 |
CN111950364A (zh) * | 2020-07-07 | 2020-11-17 | 北京思特奇信息技术股份有限公司 | 千万级底库的分库人脸识别***和方法 |
CN113177480A (zh) * | 2021-04-29 | 2021-07-27 | 上海商汤智能科技有限公司 | 基于人脸识别的金融业务处理方法、装置、设备及介质 |
WO2022033068A1 (zh) * | 2020-08-14 | 2022-02-17 | 华为技术有限公司 | 一种图像管理的方法、装置、终端设备和*** |
-
2022
- 2022-09-07 CN CN202211086692.7A patent/CN115187915A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488478A (zh) * | 2015-12-02 | 2016-04-13 | 深圳市商汤科技有限公司 | 一种人脸识别***和方法 |
CN110459058A (zh) * | 2019-08-06 | 2019-11-15 | 北京市公安局公安交通管理局 | 一种多摄像机协同的违停车牌识别方法及装置 |
CN110688974A (zh) * | 2019-09-30 | 2020-01-14 | 支付宝(杭州)信息技术有限公司 | 一种身份识别方法及装置 |
CN111950364A (zh) * | 2020-07-07 | 2020-11-17 | 北京思特奇信息技术股份有限公司 | 千万级底库的分库人脸识别***和方法 |
WO2022033068A1 (zh) * | 2020-08-14 | 2022-02-17 | 华为技术有限公司 | 一种图像管理的方法、装置、终端设备和*** |
CN113177480A (zh) * | 2021-04-29 | 2021-07-27 | 上海商汤智能科技有限公司 | 基于人脸识别的金融业务处理方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111125409B (zh) | 一种门禁***的控制方法、装置及门禁*** | |
CN109308490B (zh) | 用于生成信息的方法和装置 | |
CN108446692B (zh) | 人脸比对方法、装置和*** | |
CN108491773A (zh) | 一种识别方法及*** | |
CN107092686B (zh) | 一种基于云存储平台的文件管理方法及装置 | |
CN111107423A (zh) | 一种视频业务播放卡顿的识别方法和装置 | |
CN110969215A (zh) | 聚类处理方法和装置、存储介质及电子装置 | |
TW202101384A (zh) | 圖像處理方法、提名評估方法及相關裝置 | |
CN110245268A (zh) | 一种路线确定、展示的方法及装置 | |
US20220301317A1 (en) | Method and device for constructing object motion trajectory, and computer storage medium | |
CN109902681B (zh) | 用户群体关系确定方法、装置、设备及存储介质 | |
CN111177469A (zh) | 人脸检索方法及人脸检索装置 | |
CN111753743A (zh) | 一种基于网闸的人脸识别方法及*** | |
CN115827363A (zh) | 资源告警分析方法、装置、电子设备和存储介质 | |
CN113691483B (zh) | 异常用户设备的检测方法、装置、设备及存储介质 | |
CN112487082B (zh) | 一种生物特征识别的方法及相关设备 | |
JP6733766B1 (ja) | 解析装置、制御方法、及びプログラム | |
CN115187915A (zh) | 一种客流分析方法、装置、设备及介质 | |
CN111210150A (zh) | 一种基于边缘计算的智慧园区*** | |
CN111628905A (zh) | 数据包的抓取方法、装置及设备 | |
CN113283410B (zh) | 基于数据关联分析的人脸增强识别方法、装置和设备 | |
CN115909583A (zh) | 智慧通行处理***、方法及电子设备 | |
CN113378005B (zh) | 事件处理方法、装置、电子设备以及存储介质 | |
US20210272279A1 (en) | Image Processing Method for Displaying Cells of a Plurality of Overall Images | |
US20200296189A1 (en) | Packet analysis apparatus, packet analysis method, and storage medium |
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 |