门店经营行为管理方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种门店经营行为管理方法、装置及存储介质，将门店周围区域的图像信息输入预先构建的卷积神经网络中，可以得到分类矩阵、边框距离矩阵和门店顶端中心矩阵，根据边框距离矩阵和门店顶端中心矩阵确定了图像信息中的门店区域，根据分类矩阵可判断门店区域对应的门店经营行为的类别，根据判断结果对门店经营行为进行管理，能够更有效地监控和管理跨门经营、占道堆物等门店违规经营行为。

【技术实现步骤摘要】
门店经营行为管理方法、装置及存储介质
本专利技术涉及人工智能
，具体涉及一种门店经营行为管理方法、装置及存储介质。
技术介绍
跨门经营、占道堆物等门店违规经营行为不仅影响了市容市貌，占据人行道的物品还会影响行人或车辆的通行，给人们的出行带来极大的不便。针对这些门店经营行为，目前是单纯依靠城管人员的巡查、督导来进行治理，需要投入大量的人力，并且门店老板或工作人员等城管人员离开后，可以马上将物品摆到门店外面，反反复复，既困扰着周边居民生活，破坏城市形象，也存在交通安全隐患，危害人身安全。
技术实现思路
本专利技术主要解决的技术问题是如何更有效地监控和管理门店经营行为。根据第一方面，一种实施例中提供一种门店经营行为管理方法，包括：获取门店周围区域的图像信息；将所述图像信息输入预先构建的卷积神经网络中，所述预先构建的卷积神经网络输出分类矩阵、边框距离矩阵和门店顶端中心矩阵；根据所述门店顶端中心矩阵和所述边框距离矩阵，确定所述图像信息中的门店区域；再根据所述分类矩阵，判断所述门店区域对应的门店经营行为的类别；根据判断结果，对所述门店区域对应的门店经营行为进行管理。进一步地，所述预先构建的卷积神经网络包括：特征提取子网络、多尺度特征融合子网络和结果预测子网络；所述特征提取子网络用于提取所述图像信息中的多个特征矩阵，所述特征矩阵含有不同尺度的信息；所述多尺度特征融合子网络用于将多个所述特征矩阵进行多尺度融合，得到一个融合后的特征矩阵；所述结果预测子网络包括分类预测分支、边框距离预测分支和门店顶端中心预测分支，所述分类预测分支基于融合后的特征矩阵得到分类矩阵，所述边框距离预测分支基于融合后的特征矩阵得到边框距离矩阵，所述门店顶端中心预测分支基于融合后的特征矩阵得到门店顶端中心矩阵。进一步地，所述根据所述门店顶端中心矩阵和所述边框距离矩阵，确定所述图像信息中的门店区域包括：将所述门店顶端中心矩阵中概率值大于预设阈值的点对应于所述图像信息中的像素点作为所述图像信息中的门店顶端中心点；基于所述边框距离矩阵，提取所述门店顶端中心点对应的三个距离值，三个所述距离值分别用于确定所述门店顶端中心点距门店区域左边界、下边界和右边界的距离；根据所述图像信息中的门店顶端中心点及其对应的三个距离值，确定所述图像信息中的门店区域。进一步地，所述门店经营行为的类别至少包括跨门经营、乱堆物违规经营、占道经营和正常经营中的一个。进一步地，所述根据判断结果，对所述门店区域对应的门店经营行为进行管理包括：若判断结果为所述门店区域对应的门店经营行为是跨门经营、乱堆物违规经营和占道经营中的一个，获取所述门店区域对应的位置信息；根据所述门店区域对应的位置信息和图像信息，生成报警信息，将所述报警信息输出给门店管理人员。根据第二方面，一种实施例中提供一种门店经营行为管理装置，包括：图像获取模块，用于获取门店周围区域的图像信息；卷积处理模块，用于将所述图像信息输入预先构建的卷积神经网络中，所述预先构建的卷积神经网络输出分类矩阵、边框距离矩阵和门店顶端中心矩阵；门店管理模块，用于根据所述门店顶端中心矩阵和所述边框距离矩阵，确定所述图像信息中的门店区域；再根据所述分类矩阵，判断所述门店区域对应的门店经营行为的类别；根据判断结果，对所述门店区域对应的门店经营行为进行管理。进一步地，所述预先构建的卷积神经网络包括：特征提取子网络、多尺度特征融合子网络和结果预测子网络；所述特征提取子网络用于提取所述图像信息中的多个特征矩阵，所述特征矩阵含有不同尺度的信息；所述多尺度特征融合子网络用于将多个所述特征矩阵进行多尺度融合，得到一个融合后的特征矩阵；所述结果预测子网络包括分类预测分支、边框距离预测分支和门店顶端中心预测分支，所述分类预测分支基于融合后的特征矩阵得到分类矩阵，所述边框距离预测分支基于融合后的特征矩阵得到边框距离矩阵，所述门店顶端中心预测分支基于融合后的特征矩阵得到门店顶端中心矩阵。进一步地，所述门店管理模块根据所述门店顶端中心矩阵和所述边框距离矩阵，确定所述图像信息中的门店区域包括：将所述门店顶端中心矩阵中概率值大于预设阈值的点对应于所述图像信息中的像素点作为所述图像信息中的门店顶端中心点；基于所述边框距离矩阵，提取所述门店顶端中心点对应的三个距离值，三个所述距离值分别用于确定所述门店顶端中心点距门店区域左边界、下边界和右边界的距离；根据所述图像信息中的门店顶端中心点及其对应的三个距离值，确定所述图像信息中的门店区域。进一步地，所述门店区域经营行为的类别至少包括跨门经营、乱堆物违规经营、占道经营和正常经营中的一个。根据第三方面，一种实施例提供一种计算机可读存储介质，包括程序，所述程序能够被处理器执行以实现上述实施例所述的方法。依据上述实施例的门店经营行为管理方法、装置及存储介质，由于将门店周围区域的图像信息输入预先构建的卷积神经网络中，可以得到分类矩阵、边框距离矩阵和门店顶端中心矩阵，根据边框距离矩阵和门店顶端中心矩阵确定了图像信息中的门店区域，根据分类矩阵可判断门店区域对应的门店经营行为的类别，即可得到门店区域是何种经营行为的门店，根据判断结果对门店经营行为进行管理，能够更有效地监控和管理跨门经营、占道堆物等门店违规经营行为。附图说明图1为一种实施例的门店经营行为管理方法的流程图；图2为一种实施例的预先构建的卷积神经网络的结构图；图3为一种实施例的门店区域示意图；图4为一种实施例的门店经营行为管理装置的结构框图。具体实施方式下面通过具体实施方式结合附图对本专利技术作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本申请能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其他元件、材料、方法所替代。在某些情况下，本申请相关的一些操作并没有在说明书中显示或者描述，这是为了避免本申请的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。另外，说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时，方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此，说明书和附图中的各种顺序只是为了清楚描述某一个实施例，并不意味着是必须的顺序，除非另有说明其中某个顺序是必须遵循的。本文中为部件所编序号本身，例如“第一”、“第二”等，仅用于区分所描述的对象，不具有任何顺序或技术含义。而本申请所说“连接”、“联接”，如无特别说明，均包括直接和间接连接(联接)。实施例一：请本文档来自技高网...

【技术保护点】
1.一种门店经营行为管理方法，其特征在于，包括：/n获取门店周围区域的图像信息；/n将所述图像信息输入预先构建的卷积神经网络中，所述预先构建的卷积神经网络输出分类矩阵、边框距离矩阵和门店顶端中心矩阵；/n根据所述门店顶端中心矩阵和所述边框距离矩阵，确定所述图像信息中的门店区域；再根据所述分类矩阵，判断所述门店区域对应的门店经营行为的类别；/n根据判断结果，对所述门店区域对应的门店经营行为进行管理。/n

【技术特征摘要】
1.一种门店经营行为管理方法，其特征在于，包括：
获取门店周围区域的图像信息；
将所述图像信息输入预先构建的卷积神经网络中，所述预先构建的卷积神经网络输出分类矩阵、边框距离矩阵和门店顶端中心矩阵；
根据所述门店顶端中心矩阵和所述边框距离矩阵，确定所述图像信息中的门店区域；再根据所述分类矩阵，判断所述门店区域对应的门店经营行为的类别；
根据判断结果，对所述门店区域对应的门店经营行为进行管理。


2.如权利要求1所述的门店经营行为管理方法，其特征在于，所述预先构建的卷积神经网络包括：特征提取子网络、多尺度特征融合子网络和结果预测子网络；
所述特征提取子网络用于提取所述图像信息中的多个特征矩阵，所述特征矩阵含有不同尺度的信息；
所述多尺度特征融合子网络用于将多个所述特征矩阵进行多尺度融合，得到一个融合后的特征矩阵；
所述结果预测子网络包括分类预测分支、边框距离预测分支和门店顶端中心预测分支，所述分类预测分支基于融合后的特征矩阵得到分类矩阵，所述边框距离预测分支基于融合后的特征矩阵得到边框距离矩阵，所述门店顶端中心预测分支基于融合后的特征矩阵得到门店顶端中心矩阵。


3.如权利要求1所述的门店经营行为管理方法，其特征在于，所述根据所述门店顶端中心矩阵和所述边框距离矩阵，确定所述图像信息中的门店区域包括：
将所述门店顶端中心矩阵中概率值大于预设阈值的点对应于所述图像信息中的像素点作为所述图像信息中的门店顶端中心点；
基于所述边框距离矩阵，提取所述门店顶端中心点对应的三个距离值，三个所述距离值分别用于确定所述门店顶端中心点距门店区域左边界、下边界和右边界的距离；
根据所述图像信息中的门店顶端中心点及其对应的三个距离值，确定所述图像信息中的门店区域。


4.如权利要求1所述的门店经营行为管理方法，其特征在于，所述门店经营行为的类别至少包括跨门经营、乱堆物违规经营、占道经营和正常经营中的一个。


5.如权利要求4所述的门店经营行为管理方法，其特征在于，所述根据判断结果，对所述门店区域对应的门店经营行为进行管理包括：
若判断结果为所述门店区域对应的门店经营行为是跨门经营、乱堆物违规经营和占道经营中的一个，获取所述门店区域对应的位置信息；
根据所述门店区域对...

【专利技术属性】
技术研发人员：吴肖，邵新庆，刘强，
申请(专利权)人：深圳力维智联技术有限公司，南京中兴力维软件有限公司，
类型：发明
国别省市：广东;44