一种店员接待时长计算方法、装置及介质制造方法及图纸

本发明专利技术提供一种店员接待时长计算方法、装置及介质，包括：店内安装多个垂直向下的摄像头，摄像头采集店内人员的顶视图；在店内无顾客的情况下，通过店内垂直向下的摄像头在不同位置检测店员，把店员的人体特征值保存到店员人体特征数据库中；通过门口垂直向下的摄像头统计进店人数并提取人体特征值，保存到进店人员人体特征数据库中；摄像头检测店内的人员并进行跟踪，得到每个人的轨迹图，并提取人体特征值；通过和两个数据的特征比对，区分顾客和店员跟踪店员和顾客的轨迹，判断店员何时对顾客进行接待，何时完成接待，记录接待时长；统计当天店员的所有接待次数和平均接待时长。当天店员的所有接待次数和平均接待时长。当天店员的所有接待次数和平均接待时长。

【技术实现步骤摘要】
一种店员接待时长计算方法、装置及介质


[0001]本专利技术涉及人工智能领域，尤其涉及一种店员接待时长计算方法、装置及介质。

技术介绍

[0002]在零售业中，了解店员的工作效率和服务质量对于提高客户满意度和优化店铺运营非常重要。在过去的实践中，通常通过人工观察和评估来完成，效率低下且不准确。为了解决这个问题，一些研究者开始尝试通过自动化的方式来评估店员的工作效率和服务质量。已有的与本专利技术最相近似的实现方案主要有以下两种：一种是基于人脸识别的店员接待时长计算方法，这种方法首先使用人脸识别技术识别出店员和顾客，然后通过跟踪他们的移动轨迹，分析他们的行为模式和行为趋势，从而判断店员的接待开始和结束时间，计算店员的接待时长，这种方法的优点是准确性高，但缺点是对摄像头的视角和人脸遮挡非常敏感，且对环境光照要求高，不适合在所有环境中使用；另一种是基于RFID（无线射频识别）技术的店员接待时长计算方法，这种方法通过在店员和顾客身上分别安装RFID标签，通过RFID读取器读取他们的位置信息，从而跟踪他们的移动轨迹，判断店员的接待开始和结束时间，计算店员的接待时长。这种方法的优点是稳定性好，不受环境光照和视角的影响，但缺点是需要额外的硬件设备，且可能会对顾客造成困扰。

技术实现思路

[0003]针对上述现有技术的缺点，本专利技术的目的是提供一种店员接待时长计算方法、装置及介质，以解决现有技术中的方法存在的依赖人脸识别易受视角和光照的影响和基于RFI额外的硬件设备给客户造成困扰的问题。
[0004]为实现上述目的，本专利技术的技术方案如下：本专利技术提供一种店员接待时长计算方法，包括：店内安装多个垂直向下的摄像头，摄像头采集店内人员的顶视图；在店内无顾客的情况下，通过店内垂直向下的摄像头在不同位置检测店员，把店员的人体特征值保存到店员人体特征数据库中；通过门口垂直向下的摄像头统计进店人数并提取人体特征值，保存到进店人员人体特征数据库中；根据店内垂直向下的摄像头检测店内的人员并进行跟踪，得到每个人的轨迹图，并提取人体特征值；通过和店员人体特征数据库以及进店人员人体特征数据库的特征比对，区分顾客和店员；摄像头持续跟踪店员和顾客的轨迹，若店员和顾客之间距离逐渐缩小并小于第一预设阈值，则判断店员对顾客进行接待；若店员和顾客之间距离小于第一预设阈值后距离逐渐增大并超过预设第二阈值，则判断店员对顾客完成接待，记录接待时长；统计当天店员的所有接待次数和平均接待时长。
[0005]优选地，所述通过店内垂直向下的摄像头在不同位置检测店员，把店员的人体特征值保存到店员人体特征数据库中，包括：首先定义人体特征值向量为{f1, f2, ..., fn}，其中n代表特征维度，每个特征fi (1 ≤ i ≤ n)可以是人体形状、颜色、肤色、衣物视觉特征；利用垂直向下的摄像头对店员进行特征提取，形成特征向量F，并将其保存到店员人体特征数据库中，通过以下公式表示：F = extract_features(店员图像)其中，extract_features()表示特征提取函数。
[0006]优选地，所述通过门口垂直向下的摄像头统计进店人数并提取人体特征值，保存到进店人员人体特征数据库中，包括：利用垂直向下的摄像头对进店的人员进行特征提取，形成特征向量F，并将其保存到进店人员人体特征数据库中，同时，计算进店人数N，通过以下公式表示：N = count(进店人员)F = extract_features(进店人员图像)其中，count()表示计数函数，extract_features()表示特征提取函数。
[0007]优选地，所述根据店内垂直向下的摄像头检测店内的人员并进行跟踪，得到每个人的轨迹图，并提取人体特征值，包括：通过摄像头持续监测店内的人员，并对每个人进行跟踪，形成轨迹图T = {t1, t2, ..., tm}，其中m表示轨迹点的个数，ti(1 ≤ i ≤ m)表示每个轨迹点的位置；同时，提取每个人的特征向量F；通过以下公式表示：T = track(店内人员)F = extract_features(店内人员图像)其中，track()表示跟踪函数，extract_features()表示特征提取函数。
[0008]优选地，所述通过和店员人体特征数据库以及进店人员人体特征数据库的特征比对，区分顾客和店员，包括：计算特征向量之间的余弦相似度，将店内的人员与店员人体特征数据库以及进店人员人体特征数据库进行比对，根据相似度的高低来判断店内人员的身份；定义余弦相似度函数为cosine_similarity()，其计算公式为：cosine_similarity(F1, F2) = dot(F1, F2) / (norm(F1) * norm(F2))其中，dot()表示向量点乘，norm()表示向量的模长，F1和F2是待比较的特征向量；若cosine_similarity(店内人员特征, 店员特征) > cosine_similarity(店内人员特征, 进店人员特征)，则判断店内人员为店员，否则判断为顾客。
[0009]优选地，所述摄像头持续跟踪店员和顾客的轨迹，若店员和顾客之间距离逐渐缩小并小于第一预设阈值，则判断店员对顾客进行接待；若店员和顾客之间距离小于第一预设阈值后距离逐渐增大并超过预设第二阈值，则判断店员对顾客完成接待，记录接待时长，包括：通过计算店员和顾客的轨迹之间的距离d，来判断店员是否开始接待。我们定义轨迹距离函数为trajectory_distance()，其计算公式为：d = trajectory_distance(店员轨迹, 顾客轨迹) = ∑|ti^店员
ꢀ‑ꢀ
ti^顾客|
其中，ti^店员和ti^顾客分别表示店员和顾客在第i个轨迹点的位置；当d小于第一阈值时，认为店员开始进行接待，并开始计时；当d大于第二阈值时，认为店员结束接待，并停止计时，得到这次店员的接待时长。
[0010]优选地，所述统计当天店员的所有接待次数和平均接待时长；包括：定义接待次数为C，接待时长为T，通过以下公式计算得到当天店员的所有接待次数和平均接待时长：C = count(接待事件)T_avg = mean(接待时长)其中，count()表示计数函数，mean()表示平均值函数。
[0011]本专利技术还提供一种店员接待时长计算装置，包括：图像采集模块：用于从店内和门口的垂直向下的摄像头获取图像；图像预处理模块：用于对采集的图像进行预处理；特征提取模块：用于在店内无顾客的情况下，通过店内垂直向下的摄像头在不同位置检测店员，把店员的人体特征值保存到店员人体特征数据库中；通过门口垂直向下的摄像头统计进店人数并提取人体特征值，保存到进店人员人体特征数据库中；人员检测与跟踪模块：用于根据店内垂直向下的摄像头检测店内的人员并进行跟踪，得到每个人的轨迹图，并提取人体特征值；特征比对与身份判断模块：用于通过和店员人体特征数据库以及进店人员人体特征数据库的特征比对，区分顾客和店员；接待判断与时长计算模块：用于摄像头持续跟踪本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种店员接待时长计算方法，其特征在于，包括：店内安装多个垂直向下的摄像头，摄像头采集店内人员的顶视图；在店内无顾客的情况下，通过店内垂直向下的摄像头在不同位置检测店员，把店员的人体特征值保存到店员人体特征数据库中；通过门口垂直向下的摄像头统计进店人数并提取人体特征值，保存到进店人员人体特征数据库中；根据店内垂直向下的摄像头检测店内的人员并进行跟踪，得到每个人的轨迹图，并提取人体特征值；通过和店员人体特征数据库以及进店人员人体特征数据库的特征比对，区分顾客和店员；摄像头持续跟踪店员和顾客的轨迹，若店员和顾客之间距离逐渐缩小并小于第一预设阈值，则判断店员对顾客进行接待；若店员和顾客之间距离小于第一预设阈值后距离逐渐增大并超过预设第二阈值，则判断店员对顾客完成接待，记录接待时长；统计当天店员的所有接待次数和平均接待时长。2.如权利要求1所述的一种店员接待时长计算方法，其特征在于，所述通过店内垂直向下的摄像头在不同位置检测店员，把店员的人体特征值保存到店员人体特征数据库中，包括：首先定义人体特征值向量为{f1, f2, ..., fn}，其中n代表特征维度，每个特征fi (1 ≤ i ≤ n)可以是人体形状、颜色、肤色、衣物视觉特征；利用垂直向下的摄像头对店员进行特征提取，形成特征向量F，并将其保存到店员人体特征数据库中，通过以下公式表示：F = extract_features(店员图像)其中，extract_features()表示特征提取函数。3.如权利要求2所述的一种店员接待时长计算方法，其特征在于，所述通过门口垂直向下的摄像头统计进店人数并提取人体特征值，保存到进店人员人体特征数据库中，包括：利用垂直向下的摄像头对进店的人员进行特征提取，形成特征向量F，并将其保存到进店人员人体特征数据库中，同时，计算进店人数N，通过以下公式表示：N = count(进店人员)F = extract_features(进店人员图像)其中，count()表示计数函数，extract_features()表示特征提取函数。4. 如权利要求3所述的一种店员接待时长计算方法，其特征在于，所述根据店内垂直向下的摄像头检测店内的人员并进行跟踪，得到每个人的轨迹图，并提取人体特征值，包括：通过摄像头持续监测店内的人员，并对每个人进行跟踪，形成轨迹图T = {t1, t2, ..., tm}，其中m表示轨迹点的个数，ti(1 ≤ i ≤ m)表示每个轨迹点的位置；同时，提取每个人的特征向量F；通过以下公式表示：T = track(店内人员)F = extract_features(店内人员图像)其中，track()表示跟踪函数，extract_features()表示特征提取函数。5.如权利要求4所述的一种店员接待时长计算方法，其特征在于，所述通过和店员人体特征数据库以及进店人员人体特征数据库的特征比对，区分顾客和店员，包括：计算特征向
量之间的余弦相似度，将店内的人员与店员人体特征数据库以及进店人员人体特征数据库进行比对，根据相似度的高低来判断店内人员的身份；定义余弦相似度函...

【专利技术属性】
技术研发人员：吕楠，张丽秋，高超，
申请(专利权)人：无锡慧眼人工智能科技有限公司，
类型：发明
国别省市：