[发明专利]一种进店人员计数管理方法及系统

权利要求书

1.一种进店人员计数管理方法，其特征在于，所述进店人员计数管理方法包括如下步骤：

S1、识别监控区域是否存在进店人员，如识别成功，连续地进店人员的人脸图像，提取人脸图像的特征码；

S2、将提取的特征码与人脸识别数据库中存储的人脸图像的特征码进行比对，如二者一致，播放欢迎进店人员的音频文件，同时增加一次该进店人员的进店次数；

S3、将提取的特征码与人脸识别数据库中存储的人脸图像的特征码进行比对，如二者不一致，将提取的特征码首次存储于人脸识别数据库中，同时增加一次该进店人员的进店次数。

2.根据权利要求1所述的进店人员计数管理方法，其特征在于，所述播放的音频文件包括进店人员的姓名语音信息以及欢迎语音信息。

3.根据权利要求1所述的进店人员计数管理方法，其特征在于，所述特征码为与人脸五官相对应的位置数据以及脸部轮廓数据。

4.根据权利要求1所述的进店人员计数管理方法，其特征在于，所述进店人员计数管理方法还包括对采集的人脸图像数据进行过滤处理：

根据采集的人脸图像数据，计算局部能量谱梯度、梯度直方图扩展和最大色度饱和；

根据计算得到的局部能量谱梯度、梯度直方图扩展和最大色度饱和，统计出整幅图像中模糊像素的比例，对人脸图像数据进行有效的过滤。

5.根据权利要求4所述的进店人员计数管理方法，其特征在于，

所述局部能量谱梯度按照如下方法计算：

先用离散傅里叶变换计算NxN大小图像的能量谱：

然后转换至极坐标u＝fcosθ，v＝fsinθ，并计算S(f,θ)，得到：

其中，A是一个各个方向上的幅度因子，α是能量谱斜率；大量的研究表明，自然图像中α约为2，模糊的图像有较大的α。因此图像的局部模糊程度可以描述为局部与全局α值的比例差异

其中，α_p是局部α，α_o是全局α；

所述梯度直方图扩展按照如下方法计算：

先计算图像每个像素的梯度，然后用含有两个高斯的高斯混合模型描述局部的梯度分布：π₀G(x；μ₀，σ₀)+π₁G(x；μ₁，σ₁)，其中σ₁>σ₀；

根据梯度分布，梯度直方图扩展的具体计算公式为

其中，C_p是局部图像灰度值范围，ε是防止除零的极小数，τ是一个常数，取25；

所述最大色度饱和按照如下方法计算：

先计算每个像素的饱和度：

然后使用以下公式比较局部饱和度最大值和全局饱和度最大值，得到最大色度饱和：

其中，max(s_p)是局部图像块中饱和度最大值，max(s_o)是全局图像中饱和度最大值。

6.一种进店人员计数管理系统，其特征在于，所述进店人员计数管理系统包括：摄像机、音箱以及主机，所述摄像机与所述主机数据传输，所述音箱与所述主机信号传输；

所述摄像机识别监控区域是否存在进店人员，如识别成功，连续地进店人员的人脸图像，所述主机提取人脸图像的特征码，并将提取的特征码与人脸识别数据库中存储的人脸图像的特征码进行比对，如二者一致，控制所述音箱播放欢迎进店人员的音频文件，同时增加一次该进店人员的进店次数，如二者不一致，所述主机将提取的特征码首次存储于人脸识别数据库中，同时增加一次该进店人员的进店次数。

7.根据权利要求6所述的进店人员计数管理系统，其特征在于，所述播放的音频文件包括进店人员的姓名语音信息以及欢迎语音信息。

8.根据权利要求6所述的进店人员计数管理系统，其特征在于，所述特征码为与人脸五官相对应的位置数据以及脸部轮廓数据。