[发明专利]一种人员停留时间的分析方法、装置及系统

说明书

本发明涉及人工智能技术领域，公开了一种人员停留时间的分析方法、装置及系统。该方法包括：获取进店和出店人员图像；所述进店和出店人员图像带有人脸和/或人体信息；将带有人脸和/或人体信息的所述进店和出店人员图像进行图像处理，获取行人重识别特征向量；所述行人重识别特征向量包括：带有人脸和/或人体信息的出店人员重识别特征向量，带有人脸和/或人体信息的进店人员重识别特征向量；将所述带有人脸和/或人体信息的出店人员重识别特征向量和所述带有人脸和/或人体信息的进店人员重识别特征向量进行匹配，获取同一人的停留时间。采用本发明技术方案只需要在进出口处设置一个智能设备即可精确统计进出人员停留时间。

技术领域

本发明涉及人工智能技术领域，特别涉及一种人员停留时间的分析方法、装置及系统。

背景技术

近年来，以卷积神经网络为代表的深度学习技术被广泛应用于各类人工智能任务，例如物体分类、人脸识别、行人身份再识别等。卷积神经网络在这些问题上取得的突破性进展源于其层次化的学习结构所带来的强大表达能力。在客流统计应用场景中，行人在商铺的停留时间是一个非常重要的参数，一般行人停留时间的长短与购买意愿和成交率正相关，也能反应出商品的市场受欢迎程度。现有技术中客人停留时间的统计方法通常是在商铺内安装多个视频摄像头，以覆盖整个商铺区域，通过各个摄像头的配合将进入店铺的人员轨迹进行跟踪分析，最终获取人员停留时间。

在现有技术的实现过程中，发明人发现现有技术至少存在如下技术问题：

现有技术中需要安装多个摄像头拍摄整个店面区域，使用跟踪算法跟踪进店的每一个人员。当跟踪轨迹结束时，使用跟踪轨迹的时间判断人员滞留时间。但是在上述行人检测和跟踪过程中很容易受到遮挡、变形等因素导致跟踪失败，导致对人员停留时间的计算很粗略和不精确，且需要多台硬件设备配合实现，从而使得系统的使用和维护成本较高。

发明内容

本发明的目的在于提供一种人员停留时间的分析方法、装置及系统，以克服现有技术中人员停留时间精度不高，且使用和维护成本高的缺陷。

为解决上述技术问题，本发明的实施方式提供了一种人员停留时间的分析方法，包括：

获取进店和出店人员图像；所述进店和出店人员图像带有人脸和/或人体信息；

将带有人脸和/或人体信息的所述进店和出店人员图像进行图像处理，获取行人重识别特征向量；所述行人重识别特征向量包括：带有人脸和/或人体信息的出店人员重识别特征向量，带有人脸和/或人体信息的进店人员重识别特征向量；

将所述带有人脸和/或人体信息的出店人员重识别特征向量和所述带有人脸和/或人体信息的进店人员重识别特征向量进行匹配，获取同一人的停留时间；

其中，所述人体信息至少包括：人后脑勺信息，前半身信息，后半身信息和全身特征信息中一种。

本发明的实施方式还提供了一种人员停留时间的分析装置，包括。

图像获取单元，用于获取进店和出店人员图像；所述进店和出店人员图像带有人脸和/或人体信息；

图像处理单元，用于将带有人脸和/或人体信息的所述进店和出店人员图像进行图像处理，获取行人重识别特征向量；所述行人重识别特征向量包括：带有人脸和/或人体信息的出店人员重识别特征向量，带有人脸和/或人体信息的进店人员重识别特征向量；

停留时间获取单元，用于将所述带有人脸和/或人体信息的出店人员重识别特征向量和所述带有人脸和/或人体信息的进店人员重识别特征向量进行匹配，获取同一人的停留时间；

其中，所述人体信息至少包括：人后脑勺信息，前半身信息，后半身信息和全身特征信息中一种。

本发明的实施方式还提供了一种人员停留时间的分析系统，包括：如上所述人员停留时间的分析装置。