[發明專利]一種顧客裝扮屬性分析方法、系統和計算機設備

在審

• 申請號: 201811257180.6
• 申請日: 2018-10-26
• 公開（公告）號: CN109635632A
• 公開（公告）日: 2019-04-16
• 發明（設計）人: 張帥;賈寶芝;徐邵凱
• 申請（專利權）人: 廈門瑞為信息技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06Q30/02
• 代理公司: 廈門市首創君合專利事務所有限公司 35204
• 代理人: 連耀忠;李艾華

本發明公開了一種顧客裝扮屬性分析方法、系統和計算機設備，方法包括：獲取店內圖片或/和視頻數據，從中提取單張圖片；通過訓練好的第一深度卷積神經網絡模型對所述單張圖片進行顧客人形檢測，獲取顧客人形框位置；根據所述人形框位置進行圖片截取，獲得顧客整體人形圖片；通過訓練好的第二深度卷積神經網絡模型對所述顧客整體人形圖片進行顧客裝扮屬性分析，獲得顧客裝扮屬性的置信度；根據屬性選擇策略確定顧客裝扮屬性，輸出對應的屬性及置信度。本發明能快速準確的檢測商店內顧客裝扮屬性，進而統計分析店內顧客的裝扮風格、服裝搭配等信息，有助于店家制定銷售策略，促進銷售量。

技術領域

本發明涉及大數據處理技術領域，具體涉及一種顧客裝扮屬性分析方法、系統和計算機設備。

背景技術

目前，盡管線上商店對線下商店存在一定的沖擊，但是線下商店如各種大型商場、商品專賣店、超市等在人們的日常生活中仍然起著重要的作用。目前各種線下商店一個比較突出的問題是對顧客不感知，一方面沒有專業人士或人力成本進行顧客屬性分析，另一方面絕線下商店安裝的攝像頭主要是用來進行視頻監控，防止偷盜發生并在必要時提供有力的視頻證據，但并沒有通過店內錄像數據進行相應的數據挖掘，以及從海量的到店顧客身上挖掘有價值的信息。

發明內容

本發明的主要目的在于提出一種顧客裝扮屬性分析方法、系統和計算機設備，能快速準確的檢測商店內顧客裝扮屬性，讓店家知道店內顧客裝扮屬性，進而統計分析店內顧客的裝扮風格、服裝搭配等信息，有助于店家制定銷售策略，促進銷售量。

本發明采用如下技術方案：

一方面，本發明一種顧客裝扮屬性分析方法，包括：

獲取店內圖片或/和視頻數據，從中提取單張圖片；

通過訓練好的第一深度卷積神經網絡模型對所述單張圖片進行顧客人形檢測，獲取顧客人形框位置；根據所述人形框位置進行圖片截取，獲得顧客整體人形圖片；

通過訓練好的第二深度卷積神經網絡模型對所述顧客整體人形圖片進行顧客裝扮屬性分析，獲得顧客裝扮屬性的置信度；

根據屬性選擇策略確定顧客裝扮屬性，輸出對應的屬性及置信度。

優選的，所述通過訓練好的第一深度卷積神經網絡模型對所述單張圖片進行顧客人形檢測，獲取顧客人形框位置；根據所述人形框位置進行圖片截取，獲得顧客整體人形圖片，具體包括：

步驟a1，通過訓練好的第一深度卷積神經網絡模型對所述單張圖片進行顧客人形檢測，獲取顧客人形框位置(x1，y1，x2，y2)，其中，x1和y1為人形框的左上角的坐標；x2和y2為人形框右下角的坐標；

步驟a2，使用OpenCV庫函數讀取圖片，并讀取該圖片中顧客人形框的位置，根據人形框矩形的左上角坐標(x1，y1)和右下角坐標(x2，y2)坐標來截取對應矩形中的圖片，獲得顧客整體人形圖片。

優選的，所述第一深度卷積神經網絡模型采用ssd模型，使用預設大小圖片作為輸入，采用VGG16做基礎模型，分別將VGG16的全連接層fc6轉換成3*3卷積層conv6，將全連接層fc7轉換成1*1卷積層conv7，同時將池化層pool5由原來的stride＝2的2*2變成stride＝1的3*3結構，然后移除dropout層和fc8層，并新增若干卷積層。

優選的，所述第一深度學習模型的損失函數定義為置信度誤差與位置誤差的加權和，如下：

其中，N是預設人形框的正樣本數量；L_conf(x,c)表示置信度誤差的損失函數，采用softmax loss；α表示權重系數；L_loc(x,l,g)表示位置誤差的損失函數，采用SmoothL1loss。