[發明專利]一種店鋪數據分析方法及系統

有效

• 申請號: 201810339387.1
• 申請日: 2018-04-16
• 公開（公告）號: CN108537828B
• 公開（公告）日: 2020-12-04
• 發明（設計）人: 尹酉
• 申請（專利權）人: 成都博銳智晟科技有限公司
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/66;G06K9/00
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 王戈

本發明公開一種店鋪數據分析方法及系統。該分析方法包括：獲取攝像頭拍攝的視頻圖像，采用基于深度學習的神經網絡模型檢測第t幀圖像中是否包括行人；如果包括行人，獲得行人的參數，并對行人進行跟蹤；更新經過店鋪的總人數；判斷行人是否進入店鋪；當行人進入店鋪時，更新進入店鋪的總人數；獲取收銀系統當前的付款筆數；根據更新后的經過店鋪總人數和進入店鋪的總人數，獲得進店轉化率；根據更新后的進入店鋪總人數和付款筆數，獲得付款轉化率；將行人的參數、進店轉化率和付款轉化率進行數據組合，得到店鋪的數據分析結果。采用本發明的分析方法或系統，提高了行人檢測效率，節省了人力物力，同時提高計算精度，減少了人為統計帶來的誤差。

技術領域

本發明涉及智能商業領域，特別是涉及一種店鋪數據分析方法及系統。

背景技術

店鋪運營過程中，通常需要對店鋪的數據進行分析，其中包括對店鋪轉化率進行分析。目前店鋪轉化率數據計算時，店主需先獲知當日客流量統計數據，然后手工統計當日各個渠道支付數據，例如：微信，支付寶，現金，銀行卡等，最后再手工的進行轉化率數據計算。而且客流量統計時，通常需要店主手動的統計進店人數，上述操作需每日統計整理計算，整理過程繁瑣，效率低，且很可能實際執行者非同一人，導致數據分析結果存在較大的誤差。

發明內容

本發明的目的是提供一種店鋪數據分析方法及系統，以提高對店鋪數據分析的效率，降低分析結果的誤差，提高準確度。

為實現上述目的，本發明提供了如下方案：

一種店鋪數據分析方法，所述分析方法包括：

獲取攝像頭拍攝的視頻圖像，所述視頻圖像包括多幀圖像，所述攝像頭安裝于店鋪的門口斜上方；

對于第t幀圖像，采用基于深度學習的神經網絡模型檢測所述第t幀圖像中是否包括行人，得到第一檢測結果；

當所述第一檢測結果表示所述第t幀圖像中包括行人時，獲得所述行人的參數；所述行人的參數包括：個數、行人位置和特征向量；

根據所述行人的參數對行人進行跟蹤；

更新經過店鋪的總人數；

判斷所述行人是否進入店鋪，得到第二判斷結果；

當所述第二判斷結果表示所述行人進入店鋪時，更新進入店鋪的總人數；

獲取收銀系統當前的付款筆數；

根據更新后的經過店鋪的總人數和更新后的進入店鋪的總人數，獲得進店轉化率；

根據所述更新后的進入店鋪的總人數和所述付款筆數，獲得付款轉化率；

將所述行人的參數、所述進店轉化率和所述付款轉化率進行數據組合，得到所述店鋪的數據分析結果。

可選的，所述對于第t幀圖像，采用基于深度學習的神經網絡模型檢測所述第t幀圖像中是否包括行人，得到第一檢測結果，具體包括：

采用所述神經網絡模型檢測所述第t幀圖像中的物體參數，所述物體參數包括物體個數、物體種類、物體位置坐標和物體的特征向量；

判斷所述物體參數中物體種類是否包括“人類”；

當所述物體種類包括“人類”時，則所述第t幀圖像中包括行人，將所述物體種類為“人類”的物體確定為行人；

當所述物體種類不包括“人類”時，則所述第t幀圖像中不包括行人。

可選的，所述當所述第一檢測結果表示所述第t幀圖像中包括行人時，獲得所述行人的參數，具體包括：