一种店铺客流数据统计方法和系统技术方案

本发明专利技术公开了一种店铺客流数据统计方法和系统，涉及数据统计技术领域，统计方法包括获取抓拍的人脸图像，提取人脸特征，依据人脸特征构建人员集合；响应于新增脸部特征与人员集合中的人脸特征的相似度大于第一设定值，则将新增脸部特征的人脸图像对应于人员集合中的人脸图像；否则，将新增脸部特征的人脸图像添加至人员集合；记录人脸图像的属性信息；关联店铺的人员集合及其属性信息，获取店铺的客流统计数据，并依据进店铺事件和出店铺事件、以及抓拍的人脸图像的数量获取店铺的顾客平均在店时长。如此设置，采用人脸识别技术采集数据，通过对客流量数据的多维度分析，方便店铺了解其运营信息、制定运营策略。铺了解其运营信息、制定运营策略。铺了解其运营信息、制定运营策略。

【技术实现步骤摘要】
一种店铺客流数据统计方法和系统


[0001]本专利技术涉及数据统计
，更具体地说，涉及一种店铺客流数据统计方法和系统。

技术介绍

[0002]近年来，网络电商风靡，人们的消费习惯和消费观念也在日渐改变，线上线下的竞争日趋激烈。线下的运营成本更高，覆盖范围更小，需要制定适当的营销方案才能提高门店的营业额和利润，对于设有连锁门店的商家更需要了解各个门店的经营状态，提出合理的运营策略，精准施策。
[0003]门店或者店铺通过客流量的多少、进店群体的特点等与营业额结合起来分析，可以指导门店制定合适的运营策略，提高门店的利润。目前，多数的门店或店铺通过图像像素分析技术对客流量进行统计，该方法无法区分人和物，经常出现多记或者重复计算的现象，导致统计数值虚高，而且无法对客流量进行统计分析，不便于对门店的经营状态进行综合评判，且对经营策略的制定指导意义较弱。
[0004]因此，如何能够更精准地对店铺的客流量进行统计和分析以指导店铺制定运营策略，成为本领域技术人员所要解决的重要技术问题。

技术实现思路

[0005]本专利技术的目的在于提供一种店铺客流数据统计方法和系统，以更精准地对店铺的客流量进行统计和分析，便于指导店铺制定运营策略。本专利技术提供的诸多技术方案中的优选技术方案所能产生的诸多技术效果详见下文阐述。
[0006]为实现上述目的，本专利技术提供了以下技术方案：
[0007]本专利技术提供了一种店铺客流数据统计方法，包括：
[0008]获取图像采集设备抓拍的人脸图像，利用人脸识别引擎提取人脸特征，依据所述人脸特征构建人员集合；
[0009]响应于新增脸部特征与所述人员集合中的人脸特征的相似度大于第一设定值，则将所述新增脸部特征的人脸图像对应于所述人员集合中的人脸图像；否则，将所述新增脸部特征的人脸图像添加至所述人员集合；
[0010]记录所述人脸图像的属性信息，所述属性信息包括年龄、性别、进店状态以及进店铺事件和出店铺事件；
[0011]关联店铺的所述人员集合及其属性信息，获取所述店铺的客流统计数据，并依据所述进店铺事件和所述出店铺事件、以及抓拍的所述人脸图像的数量获取店铺的顾客平均在店时长。
[0012]优选地，所述客流统计数据包括基于时间的基础统计和基于所述属性信息的统计，其中，所述基础统计包括统计抓拍人脸图像的总数量、统计所述人员集合的数量、以及统计不同的所述属性信息对应的子集合的数量。
[0013]优选地，所述进店铺事件的要素包括进店铺时间，所述出店铺事件的要素包括出店铺时间；
[0014]第一个统计时间间隔m内，所述进店铺事件的人脸图像数量为 x1，所述出店铺事件的人脸图像数量为y1，则在店客流数量为 f(1)＝x1‑
y1，总进店客流数量为n(1)＝x1，在第一个统计时间间隔m内的顾客平均在店时长为F(1)＝f(1)*m/n(1)；
[0015]第二个统计时间间隔m内，所述进店铺事件的人脸图像数量为 x2，所述出店铺事件的人脸图像数量为y2，则在店客流数量为f(2)＝f(1)+x2‑
y2，总进店客流数量为n(2)＝n(1)+x2，在第二个统计时间间隔m内的顾客平均在店时长为F(2)＝f(2)*m/n(2)；
[0016]第β个统计时间间隔m内，所述进店铺事件的人脸图像数量为x
β
，所述出店铺事件的人脸图像数量为y
β
，则在店客流数量为 f(β)＝f(β
‑
1)+x
β
‑
y
β
，总进店客流数量为n(β)＝n(β
‑
1)+x
β
，在第β个统计时间间隔m内的顾客平均在店时长为F(β)＝f(β)*m/n(β)。
[0017]优选地，响应于所述图像采集设备抓拍的人脸图像为无效客流，则所述客流统计数据统计图像采集设备抓拍的所述无效客流以外的人脸图像，所述无效客流包括店铺的店员、徘徊往复进入店铺的客流、以及人脸图像的质量分数低于第二设定值的客流。
[0018]优选地，所述人脸图像的质量分数为所述人脸图像的像素值、人脸占比值、黑白灰像素点占比值、眼睛数量值、图像清晰度和人脸角度的各分数值的加权叠加值。
[0019]优选地，构建店员集合，响应于所述新增脸部特征与所述店员集合中的人脸图像的人脸特征的相似度大于第四设定值，则所述新增脸部特征的人脸图像为无效客流的人脸图像。
[0020]优选地，响应于在设定时间间隔内人脸特征相同的人脸图像的进店事件为多次，则第n次进店事件对应的人脸图像为无效客流的人脸图像，其中，n＞1。
[0021]优选地，构建黑名单集合，响应于所述新增脸部特征与所述黑名单集合中的人脸图像的人脸特征的相似度大于第三设定值，则发出警报信息。
[0022]优选地，所述进店状态包括表情状态以及口罩、帽子、眼镜的佩戴状态。
[0023]本专利技术还提供一种店铺客流数据统计系统，包括：
[0024]人员集合构建单元：配置用于获取图像采集设备抓拍的人脸图像，利用人脸识别引擎提取人脸特征，依据所述人脸特征构建人员集合；
[0025]判断单元：配置用于响应于新增脸部特征与所述人员集合中的人脸特征的相似度大于第一设定值，则将所述新增脸部特征的人脸图像对应于所述人员集合中的人脸图像；否则，将所述新增脸部特征的人脸图像添加至所述人员集合；
[0026]属性信息记录单元：配置用于记录所述人脸图像的属性信息，所述属性信息包括年龄、性别、进店状态以及进店铺事件和出店铺事件；
[0027]统计计算单元：配置用于关联店铺的所述人员集合及其属性信息，获取所述店铺的客流统计数据，并计算店铺的顾客平均在店时长。
[0028]本专利技术提供的技术方案中，店铺客流数据统计方法和系统通过图像采集设备抓拍人脸图像，人脸识别引擎提取人脸特征，并依据人脸特征构建人员集合，记录人员集合的年龄、性别、进店状态以及进店铺事件和出店铺事件，统计出店铺在一天、一周、一个月的客流量数据并进行展示，计算在某一个统计时间间隔内的顾客平均在店时长，还可以对具备不同的属性信息的人员集合进行统计。采用人脸识别技术替代现有技术中的图像像素分析技
术，数据统计更精准，通过对客流量数据的多维度分析，方便店铺了解其运营信息、制定运营策略。
附图说明
[0029]为了更清楚地说明本专利技术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专利技术的一些实施例，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，还可以根据这些附图获得其他的附图。
[0030]图1是本专利技术实施例中店铺客流数据统计方法的流程示意图。
具体实施方式
[0031]为使本专利技术的目的、技术方案和优点更加清楚，下面将对本专利技术的技术方案进行详细的描述。显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种店铺客流数据统计方法，其特征在于，包括：获取图像采集设备抓拍的人脸图像，利用人脸识别引擎提取人脸特征，依据所述人脸特征构建人员集合；响应于新增脸部特征与所述人员集合中的人脸特征的相似度大于第一设定值，则将所述新增脸部特征的人脸图像对应于所述人员集合中的人脸图像；否则，将所述新增脸部特征的人脸图像添加至所述人员集合；记录所述人脸图像的属性信息，所述属性信息包括年龄、性别、进店状态以及进店铺事件和出店铺事件；关联店铺的所述人员集合及其属性信息，获取所述店铺的客流统计数据，并依据所述进店铺事件和所述出店铺事件、以及抓拍的所述人脸图像的数量获取店铺的顾客平均在店时长。2.如权利要求1所述的店铺客流数据统计方法，其特征在于，所述客流统计数据包括基于时间的基础统计和基于所述属性信息的统计，其中，所述基础统计包括统计抓拍人脸图像的总数量、统计所述人员集合的数量、以及统计不同的所述属性信息对应的子集合的数量。3.如权利要求1所述的店铺客流数据统计方法，其特征在于，所述进店铺事件的要素包括进店铺时间，所述出店铺事件的要素包括出店铺时间；第一个统计时间间隔m内，所述进店铺事件的人脸图像数量为x1，所述出店铺事件的人脸图像数量为y1，则在店客流数量为f(1)＝x1‑
y1，总进店客流数量为n(1)＝x1，在第一个统计时间间隔m内的顾客平均在店时长为F(1)＝f(1)*m/n(1)；第二个统计时间间隔m内，所述进店铺事件的人脸图像数量为x2，所述出店铺事件的人脸图像数量为y2，则在店客流数量为f(2)＝f(1)+x2‑
y2，总进店客流数量为n(2)＝n(1)+x2，在第二个统计时间间隔m内的顾客平均在店时长为F(2)＝f(2)*m/n(2)；第β个统计时间间隔m内，所述进店铺事件的人脸图像数量为x
β
，所述出店铺事件的人脸图像数量为y
β
，则在店客流数量为f(β)＝f(β
‑
1)+x
β
‑
y
β
，总进店客流数量为n(β)＝n(β
‑
1)+x
...

【专利技术属性】
技术研发人员：郝勇志，
申请(专利权)人：无锡万物感知信息科技有限公司，
类型：发明
国别省市：