[发明专利]线下货架客流指标获取方法、系统、计算机存储介质及设备

说明书

本发明提供一种线下货架客流指标获取方法、系统、计算机可读存储介质及设备，方法包括：基于视频数据进行多目标行人检测和轨迹跟踪，以获取特定时间间隔内目标行人的运动轨迹数据；于视频数据中标定目标货架检测区域，于该目标货架检测区域内计算目标行人经过时间；基于目标行人的运动轨迹数据和目标行人经过时间，对目标货架检测区域内的目标行人的行为进行行为状态分类；于分类结果中提取特定时间间隔内目标货架的停留客流量，将停留客流量转换为特定时间间隔下目标货架检测区域的客流指标。本发明可以精准地获取到货架停留客流、停留转化率等顾客行为指标，供经营决策者精细化地安排线下商品的销售活动、合理调整线下门店的经营策略。

技术领域

本发明属于视频图像识别技术领域，涉及一种方法和系统，特别是涉及一种线下货架客 流指标获取方法、系统、计算机可读存储介质及设备。

背景技术

如今，线下零售相对于线上零售仍然占据零售总额的较大比重，零售商也在积极地寻找 增长手段以实现销售提升。线下零售如超市、便利店等业态虽然投入大量的成本在人力、场 地和经营上，但由于缺乏精细的门店货架前的顾客行为指标，导致商品陈列、运营优化无准 确的数据支撑，造成管理效率低下，销售增长疲软。

门店零售场景下，顾客在与商品交互进行购买行为决策过程中，通常也经历着类似线上 的商品的曝光、点击、浏览、购买等流程，其中间的顾客行为转化指标，如停留客流、停留 转化率、停留时长等，对商品的组合优化、排面设计、促销活动及其他运营策略具有重要指 导意义。

然而，现有的顾客浏览量、停留时长等指标统计往往通过在预设时间内获得所有顾客的 站立时间与出现顾客数量的比值获取，而顾客在货架前一般存在经过未驻足查看、驻足查看 及异常过长停留等情况。现有的技术方案未提出顾客行为状态估计算法或模型精细化地区分 目标顾客的经过和停留状态，存在数据统计和处理粗糙、不准确的问题。同时，在货架客流 停留转化率方面的技术方案仍然存在空白。

因此，如何提供一种线下货架客流指标获取方法、系统、计算机可读存储介质及设备， 以解决现有技术未提出过顾客行为状态估计算法或无法模型精细化地区分目标顾客的经过和 停留状态，导致出现数据统计和处理粗糙、不准确等缺陷，以成为本领域技术人员亟待解决 的技术问题。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种线下货架客流指标获取方 法、系统、计算机可读存储介质设备，用于解决现有技术未提出过顾客行为状态估计算法或 无法模型精细化地区分目标顾客的经过和停留状态，导致出现数据统计和处理粗糙、不准确 的问题。

为实现上述目的及其他相关目的，本发明一方面提供一种线下货架客流指标获取方法， 包括：采集目标货架区域内的视频数据，并基于所述视频数据进行多目标行人检测和轨迹跟 踪，以获取特定时间间隔内目标行人的运动轨迹数据；于所述视频数据中标定目标货架检测 区域，并于该目标货架检测区域内计算目标行人经过时间；基于所述目标行人的运动轨迹数 据和目标行人经过时间，对所述目标货架检测区域内的目标行人的行为进行行为状态分类； 于分类结果中提取所述特定时间间隔内所述目标货架的停留客流量，并将所述停留客流量转 换为特定时间间隔下目标货架检测区域的客流指标。

于本发明的一实施例中，采集目标货架区域内的视频数据，并基于所述视频数据进行多 目标行人检测和轨迹跟踪，以获取特定时间间隔内目标行人的运动轨迹数据的步骤包括：对 所述视频数据中进行目标行人特征检测，以提取出目标行人的外观描述特征；其中，所述视 频数据包括货架、商品、顾客及员工；记录每个特定的目标行人的目标框检测数据；其中， 所述目标框检测数据包括目标行人的身份编号、目标框的左上角顶点的横轴像素坐标、目标 框的左上角顶点的纵轴像素坐标、目标框的宽度和/或检测目标框的高度；基于目标行人的 外观描述特征和视频画面运动信息进行相同目标行人的身份编号的关联，以逐帧跟踪获得目 标行人的连续时间帧的视频画面轨迹数据；从目标行人的连续时间帧的视频画面轨迹数据中 提取特定时间间隔内目标行人的运动轨迹数据。