【技术实现步骤摘要】
本专利技术属于机器视觉，具体涉及基于云值守的顾客行为检测方法、系统、设备及存储介质。
技术介绍
1、随着互联网技术的发展，作为零售业新形态的无人值守商店，因其可以节省人工开支，减少店铺运营成本的优点开始变得火热，受到了人们的广泛认可。由于无人值守商店中没有工作人员看守，所以无人值守商店内的人员监测大多都是通过监控设备来完成的，即利用摄像头来实现对商店内顾客的行为监测，然后管理人员在线进行监控视频查看或者事后调取监控视频进行回溯，这样的方式存在以下不足：1、如果管理人员长时间在线查看监控视频，容易产生疲劳，进而导致漏检的问题，监测质量不高；2、在线查看监控视频工作量大，人工效率低下，人力成本高，且监控视频回溯是事后手段，监测的时效性差。基于此，亟需一种可高效、智能实现无人值守商店内顾客行为检测的方法。
技术实现思路
1、本专利技术的目的是提供基于云值守的顾客行为检测方法、系统、设备及存储介质，用以解决现有技术中存在的上述问题。
2、为了实现上述目的，本专利技术采用以下技术方案：
3、第一方面，提供基于云值守的顾客行为检测方法，包括：
4、获取商店的云值守监控视频，并按照时间顺序从云值守监控视频中提取出若干帧监控图像；
5、对各监控图像进行图像增强处理，得到对应的增强监控图像；
6、对各增强监控图像进行运动目标检测，确定各增强监控图像中的运动目标，并提取出各增强监控图像中的运动目标轮廓；
7、绘制出各运动目标轮廓的
8、将圆心与凸包的各角点分别连线，得到若干条连接线，并将最长的一条连接线作为第一参考线，将最短的一条连接线作为第二参考线；
9、确定第一参考线与第二参考线的长度比，将所述长度比作为对应监控图像的第一特征参数，确定第一参考线与第二参考线之间的夹角，将所述夹角作为对应监控图像的第二特征参数，确定最大内接圆的面积，将所述面积作为对应监控图像的第三特征参数；
10、将各监控图像对应的第一特征参数按照各监控图像的时间顺序进行组合，得到第一特征数组，将各监控图像对应的第二特征参数按照各监控图像的时间顺序进行组合，得到第二特征数组，将各监控图像对应的第三特征参数按照各监控图像的时间顺序进行组合，得到第三特征数组；
11、将第一特征数组、第二特征数组和第三特征数组组合，得到三维特征数组，并将三维特征数组输入预置的行为识别模型中进行识别处理，得到对应的行为分类结果；
12、根据行为分类结果判定是否存在顾客行为异常情况。
13、在一个可能的设计中，所述对各监控图像进行图像增强处理，得到对应的增强监控图像，包括：
14、采用拉普拉斯算子对各监控图像进行图像锐化处理，得到对应的增强监控图像。
15、在一个可能的设计中，所述对各增强监控图像进行运动目标检测，确定各增强监控图像中的运动目标，包括：
16、采用高斯混合模型算法对各增强监控图像进行运动目标检测，确定各增强监控图像中的背景和前景，将各增强监控图像中的前景作为对应的运动目标。
17、在一个可能的设计中，所述提取出各增强监控图像中的运动目标轮廓，包括：
18、对确定出背景和前景的增强监控图像进行二值化处理，得到二值化图像，在所述二值化图像中，背景区域像素点的灰度值与前景区域像素点的灰度值不同；
19、采用sobel算子或canny算子对二值化图像进行边缘检测，提取二值化图像中前景的轮廓作为运动目标轮廓。
20、在一个可能的设计中，所述绘制出各运动目标轮廓的凸包，包括：
21、采用卷包裹算法对运动目标轮廓进行凸包计算，确定运动目标轮廓所对应的凸包，并绘制出所述凸包。
22、在一个可能的设计中，所述行为识别模型采用bi-lstm模型经训练集的训练及测试集的测试后得到，所述训练集和测试集均包含若干标注有相应行为分类标签的三维特征数组样本，在将三维特征数组输入预置的行为识别模型前，所述方法还包括：
23、构建bi-lstm模型，并获取训练集和测试集，所述训练集和测试集均包含若干标注有相应行为分类标签的三维特征数组样本；
24、分别利用训练集和测试集对bi-lstm模型进行训练和测试，直至满足设定的训练和测试条件为止，得到训练和测试后的bi-lstm模型作为行为识别模型。
25、在一个可能的设计中，在判定存在顾客行为异常情况时，所述方法还包括：
26、生成对应的预警指令，并将预警指令发送至商店内的预警终端，以使预警终端执行预警指令发出预警信息。
27、第二方面，提供基于云值守的顾客行为检测系统，包括获取单元、增强单元、提取单元、绘制单元、标线单元、确定单元、组合单元、识别单元和判定单元，其中：
28、获取单元，用于获取商店的云值守监控视频，并按照时间顺序从云值守监控视频中提取出若干帧监控图像；
29、增强单元，用于对各监控图像进行图像增强处理，得到对应的增强监控图像；
30、提取单元，用于对各增强监控图像进行运动目标检测，确定各增强监控图像中的运动目标，并提取出各增强监控图像中的运动目标轮廓；
31、绘制单元，用于绘制出各运动目标轮廓的凸包，并确定凸包的最大内接圆，标记出最大内接圆的圆心；
32、标线单元，用于将圆心与凸包的各角点分别连线，得到若干条连接线，并将最长的一条连接线作为第一参考线，将最短的一条连接线作为第二参考线；
33、确定单元，用于确定第一参考线与第二参考线的长度比，将所述长度比作为对应监控图像的第一特征参数，确定第一参考线与第二参考线之间的夹角，将所述夹角作为对应监控图像的第二特征参数，确定最大内接圆的面积，将所述面积作为对应监控图像的第三特征参数；
34、组合单元，用于将各监控图像对应的第一特征参数按照各监控图像的时间顺序进行组合，得到第一特征数组，将各监控图像对应的第二特征参数按照各监控图像的时间顺序进行组合，得到第二特征数组，将各监控图像对应的第三特征参数按照各监控图像的时间顺序进行组合，得到第三特征数组；
35、识别单元，用于将第一特征数组、第二特征数组和第三特征数组组合，得到三维特征数组，并将三维特征数组输入预置的行为识别模型中进行识别处理，得到对应的行为分类结果；
36、判定单元，用于根据行为分类结果判定是否存在顾客行为异常情况。
37、第三方面，提供基于云值守的顾客行为检测设备，包括：
38、存储器，用于存储指令；
39、处理器，用于读取所述存储器中存储的指令，并根据指令执行上述第一方面中任意一种所述的方法。
40、第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，使得所述计算机执行第一方面中任意一本文档来自技高网...
【技术保护点】
1.基于云值守的顾客行为检测方法，其特征在于，包括：
2.根据权利要求1所述的基于云值守的顾客行为检测方法，其特征在于，所述对各监控图像进行图像增强处理，得到对应的增强监控图像，包括：
3.根据权利要求1所述的基于云值守的顾客行为检测方法，其特征在于，所述对各增强监控图像进行运动目标检测，确定各增强监控图像中的运动目标，包括：
4.根据权利要求3所述的基于云值守的顾客行为检测方法，其特征在于，所述提取出各增强监控图像中的运动目标轮廓，包括：
5.根据权利要求1所述的基于云值守的顾客行为检测方法，其特征在于，所述绘制出各运动目标轮廓的凸包，包括：
6.根据权利要求1所述的基于云值守的顾客行为检测方法，其特征在于，所述行为识别模型采用Bi-LSTM模型经训练集的训练及测试集的测试后得到，所述训练集和测试集均包含若干标注有相应行为分类标签的三维特征数组样本，在将三维特征数组输入预置的行为识别模型前，所述方法还包括：
7.根据权利要求1所述的基于云值守的顾客行为检测方法，其特征在于，在判定存在顾客行为异常情况时，所述
8.基于云值守的顾客行为检测系统，其特征在于，包括获取单元、增强单元、提取单元、绘制单元、标线单元、确定单元、组合单元、识别单元和判定单元，其中：
9.基于云值守的顾客行为检测设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，使得所述计算机执行权利要求1-7任意一项所述的顾客行为检测方法。
...【技术特征摘要】
1.基于云值守的顾客行为检测方法，其特征在于，包括：
2.根据权利要求1所述的基于云值守的顾客行为检测方法，其特征在于，所述对各监控图像进行图像增强处理，得到对应的增强监控图像，包括：
3.根据权利要求1所述的基于云值守的顾客行为检测方法，其特征在于，所述对各增强监控图像进行运动目标检测，确定各增强监控图像中的运动目标，包括：
4.根据权利要求3所述的基于云值守的顾客行为检测方法，其特征在于，所述提取出各增强监控图像中的运动目标轮廓，包括：
5.根据权利要求1所述的基于云值守的顾客行为检测方法，其特征在于，所述绘制出各运动目标轮廓的凸包，包括：
6.根据权利要求1所述的基于云值守的顾客行为检测方法，其特征在于，所述行为识别模型采用bi-ls...
【专利技术属性】
技术研发人员：聂琨林，
申请(专利权)人：四川汉唐云分布式存储技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。