一种商场综合热力图的生成方法和系统技术方案

一种商场综合热力图的生成方法和系统。在该方法中，通过提袋率、情绪欢乐度等多维度的因素来确定商场各区域的消费指数，从而生成商场综合热力图。实施本申请提供的技术方案，可以提升对商场人流热点数据分析的准确性，从而辅助商场管理者可以将客户均衡的引导到舒适区域，帮助普通商家吸引更多客流。帮助普通商家吸引更多客流。帮助普通商家吸引更多客流。

【技术实现步骤摘要】
一种商场综合热力图的生成方法和系统


[0001]本申请涉及数据处理领域，尤其涉及一种商场综合热力图的生成方法和系统。

技术介绍

[0002]现代化的大型商场，聚集了众多的店铺和消费者。消费者希望买到心仪的商品，享受更高质量的服务，而店铺商家希望更多的消费者光顾自己的店铺，产生更大数量的消费，为自己创造利润。此外，作为商场的管理者来说，最优选择就是在消费者和商家这两者之间进行平衡处理，既让客户满意，也让商家满意，这样也最大化了自己的利益。而如何取得三赢的局面离不开科学的数据分析。
[0003]在相关技术中，在大型化的商场中，会采用很多电子设备辅助进行用户跟踪、消费引流、商铺管理、停车引导等来辅助进行商场的数据分析。如热点客流系统，将场地划分为多个区域，通过摄像机估算区域内在一定时刻的人数密度，从而衡量这个区域内的消费潜力。
[0004]然而这些商场数据分析统计方法并不科学，无法为商场管理者提供足够准确且有价值的信息来进行管理研判。例如，若商场某个区域拥堵，基于获取到的人数密度信息，管理人员无法研判这到底是因为通道堵塞、厕所排队导致的负能量热区，还是因为商家活动吸引客户导致的正能量热区。这样分析得到的数据也无法辅助决策，达成商场管理者、消费者以及商家的三赢局面。

技术实现思路

[0005]本申请提供了一种商场综合热力图的生成方法和系统，用于提升对商场人流热点数据分析的准确性，从而辅助商场管理者可以将客户均衡的引导到舒适区域，并帮助普通商家吸引更多客流。
[0006]第一方面，本申请提供了一种商场综合热力图的生成方法，包括：在第一时刻，获取商场各区域的视频摄像头拍摄的视频画面，以及热成像摄像头采集的区域像素温度；基于各区域的该视频画面，确定各区域的情绪欢乐度、人数拥挤度和提袋率；基于各区域的该区域像素温度，确定各区域的区域热力值和热力拥挤度；根据各区域的该情绪欢乐度、该人数拥挤度、该提袋率、该区域热力值以及该热力拥挤度，确定各区域在该第一时刻的消费指数；在显示屏显示的商场区域分布图中，以颜色的明亮度显示各区域在该第一时刻的消费指数，作为第一时刻的商场综合热力图，区域的消费指数越高，区域中颜色越明亮；其中，该情绪欢乐度用于表示区域中人员情绪的欢乐程度；该人数拥挤度用于表示区域中人员拥挤情况；该提袋率用于表示区域中人员购买区域中商品的数量；该区域热力值用于表示区域中的人体像素温度均值情况；该热力拥挤度用于表示区域中像素温度均值情况。
[0007]在上述实施例中，通过对视频画面及区域像素温度分析得到的各区域的情绪欢乐度、人数拥挤度Ynt1、提袋率、区域热力值和热力拥挤度Ynt2，并综合分析确定为消费指数，以颜色的明亮度在商场区域分布图中显示为商场综合热力图，不仅极大的提升了对商场人
流热点数据分析的准确性，而且使得提升了商场管理者获取到准确信息的效率，从而可以辅助商场管理者可以将客户均衡的引导到舒适区域，帮助普通商家吸引更多客流。
[0008]结合第一方面的一些实施例，在一些实施例中，该基于各区域的该视频画面，确定各区域的情绪欢乐度、人数拥挤度和提袋率，具体包括：基于各区域的该视频画面以及人体检测模型，获取各区域的该提袋率以及该人数拥挤度；基于各区域的该视频画面以及人脸情绪模型，获取各区域的该情绪欢乐度。
[0009]在上述实施例中，通过人体检测模型和人脸情绪模型来获取提袋率、该人数拥挤度以及情绪欢乐度，提升了数据分析获取的准确性。
[0010]结合第一方面的一些实施例，在一些实施例中，该方法还包括：使用本商场采集的多组属于不同的温度区间的已标记视频画面作为人体模型训练数据，训练得到多组适应于不同温度范围的该人体检测模型；该人体模型训练数据中采用在本商场采集的且标注了人体的视频画面以及人体数量作为正样本，在本商场采集的不包含人体的视频画面作为负样本；使用从本商场的视频画面中提取出的已标注数据作为人脸情绪训练数据，训练得到该人脸情绪模型；该人脸情绪训练数据中采用在本商场采集的且标注了人脸位置以及人脸情绪的人体画面作为正样本，采用在本商场采集的不包括人脸的视频画面作为负样本。
[0011]在上述实施例中，在不同温度区域训练出相应的人体检测模型来使用，进一步提升了人工智能模型识别出人体的准确率和可靠性。
[0012]结合第一方面的一些实施例，在一些实施例中，该基于各区域的该视频画面以及人体检测模型，获取各区域的该提袋率以及该人数拥挤度，具体包括：使用该人体检测模型，从该各区域的视频画面中检测出人体画面及人数；对该人体画面使用购物袋识别模型，识别出提有各区域商家当季购物袋的数目；基于各区域的该人数和该提有各区域商家当季购物袋的数目，计算各区域的该提袋率，该提袋率与区域中该商家当季购物袋的数目呈正比例关系、与该人数呈反比例关系；基于各区域的面积和该人数，计算各区域的该人数拥挤度，该人数拥挤度与该人数呈正比例关系、与该面积呈反比例关系。
[0013]在上述实施例中，对通过购物袋识别模型识别出各区域商家当季的购物袋来计算消费者的提袋率，无需采用统一的收银体系，即可对各个商家的业绩进行有效评估。
[0014]结合第一方面的一些实施例，在一些实施例中，该方法还包括：使用已标记的包括本商场各区域商家不同购物季的购物袋的画面作为购物袋训练数据，训练得到多组适应于不同购物季的该购物袋识别模型；在训练当季的购物袋识别模型时，该购物袋训练数据中采用在本商场各区域商家当季的购物袋作为正样本的数据，已经退市的购物袋或其他商场的购物袋作为负样本的数据。
[0015]在上述实施例中，可以单独训练出对各区域商家当季的购物袋识别模型，进一步提升了对提袋率分析的准确性。
[0016]结合第一方面的一些实施例，在一些实施例中，该基于各区域的该视频画面以及人脸情绪模型，获取各区域的该情绪欢乐度，具体包括：使用该人脸情绪模型，从该人体检测模型检测出的各人体画面中确定各区域中情绪人脸的数目及类别；该类别包括：开心、平静、不舒服；基于该情绪人脸的数目及类别，计算各区域的情绪欢乐度，该情绪欢乐度与该情绪人脸的数目呈反比例关系、与开心类别的情绪人脸的数目和不舒服类别的情绪人脸的数目呈正比例关系。
[0017]在上述实施例中，能准确识别出各区域不同类型的情绪人脸的数据，通过开心和不舒服的情绪人脸的数量差来确定区域的该情绪欢乐度，使得对区域中消费者的情绪分析更加准确。
[0018]结合第一方面的一些实施例，在一些实施例中，该基于各区域的该区域像素温度，确定各区域的区域热力值和热力拥挤度，具体包括：基于各区域的该区域像素温度，确定各区域的区域热力值，该区域热力值与各区域中人体像素点的数目以及人体像素点的温度之和相关；基于该热成像摄像头获取的区域像素点总数与该人体像素点的温度之和，计算该热力拥挤度。
[0019]在上述实施例中，将人体相近温度范围内的像素点作为有效像素点，确定出与其相关的区域热力值与热力拥挤度，能更准确的表征各区域的购物环境和拥挤程度。
[0020]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种商场综合热力图的生成方法，其特征在于，包括：在第一时刻，获取商场各区域的视频摄像头拍摄的视频画面，以及热成像摄像头采集的区域像素温度；基于各区域的所述视频画面，确定各区域的情绪欢乐度、人数拥挤度和提袋率；基于各区域的所述区域像素温度，确定各区域的区域热力值和热力拥挤度；根据各区域的所述情绪欢乐度、所述人数拥挤度、所述提袋率、所述区域热力值以及所述热力拥挤度，确定各区域在所述第一时刻的消费指数；在显示屏显示的商场区域分布图中，以颜色的明亮度显示各区域在所述第一时刻的消费指数，作为第一时刻的商场综合热力图，区域的消费指数越高，区域中颜色越明亮；其中，所述情绪欢乐度用于表示区域中人员情绪的欢乐程度；所述人数拥挤度用于表示区域中人员拥挤情况；所述提袋率用于表示区域中人员购买区域中商品的数量；所述区域热力值用于表示区域中的人体像素温度均值情况；所述热力拥挤度用于表示区域中像素温度均值情况。2.根据权利要求1所述的方法，其特征在于，所述基于各区域的所述视频画面，确定各区域的情绪欢乐度、人数拥挤度和提袋率，具体包括：基于各区域的所述视频画面以及人体检测模型，获取各区域的所述提袋率以及所述人数拥挤度；基于各区域的所述视频画面以及人脸情绪模型，获取各区域的所述情绪欢乐度。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：使用本商场采集的多组属于不同的温度区间的已标记视频画面作为人体模型训练数据，训练得到多组适应于不同温度范围的所述人体检测模型；所述人体模型训练数据中采用在本商场采集的且标注了人体的视频画面以及人体数量作为正样本，在本商场采集的不包含人体的视频画面作为负样本；使用从本商场的视频画面中提取出的已标注数据作为人脸情绪训练数据，训练得到所述人脸情绪模型；所述人脸情绪训练数据中采用在本商场采集的且标注了人脸位置以及人脸情绪的人体画面作为正样本，采用在本商场采集的不包括人脸的视频画面作为负样本。4.根据权利要求2或3所述的方法，其特征在于，所述基于各区域的所述视频画面以及人体检测模型，获取各区域的所述提袋率以及所述人数拥挤度，具体包括：使用所述人体检测模型，从所述各区域的视频画面中检测出人体画面及人数；对所述人体画面使用购物袋识别模型，识别出提有各区域商家当季购物袋的数目；基于各区域的所述人数和所述提有各区域商家当季购物袋的数目，计算各区域的所述提袋率，所述提袋率与区域中所述商家当季购物袋的数目呈正比例关系、与所述人数呈反比例关系；基于各区域的面积和所述人数，计算各区域的所述人数拥挤度，所述人数拥挤度与所述人数呈正比例关系、与所述面积呈反比例关系。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：使用已标记的包括本商场各区域商家不同购物季的购物袋的画面作为购物袋训练数据，训练得到多组适应于不同购物季的所述购物袋识别模型；在训练当季的购物袋识别模型时，所述购物袋训练数据中采用在本商场...

【专利技术属性】
技术研发人员：周波，段炼，苗瑞，田欣兴，蔡芳发，
申请(专利权)人：深圳市海清视讯科技有限公司，
类型：发明
国别省市：