基于人脸识别的目标群体分析系统、方法及身高识别方法

摘要

本发明提供了一种基于人脸识别的目标群体分析系统、方法及身高识别方法，触发设备收到触发信号后发送控制命令给视频采集设备；视频采集设备根据控制命令发送当前采集的图片信息给数据分析终端；数据分析终端对图片中的人脸特征信息进行分析，得出当前识别目标的个体特征。本发明通过利用对现有技术中的基于人脸识别的个体特征识别方法的改进，为商超等一些客户领域提供了一种基于人脸识别的目标群体分析系统及分析方法，便于客户根据识别结果进行个体特征的分类统计，实现相应的营销策略。

说明书

技术领域

本发明涉及一种基于人脸识别的目标群体分析系统、方法及身高识别方法，特别是涉及一种适用于主要运用于商场、超市等有收银台或客服服务的前台，基于人脸进行识别分析的目标群体分析系统、分析方法及身高识别方法。

背景技术

目前，某些商场超市能够通过传统营销系统对自身销售的产品方面进行数据分析，例如：某饮料的销量、某牛奶的库存等。但是，对识别目标统计方面仅能统计到识别目标的消费次数。在识别目标的年龄、性别、身高等数据方面，目前处于空白，这些数据不仅可以帮助商超更进一层次的对销售进行分析，而且可以为自身的管理、物流、陈列等提供数据支持，甚至还可以对某个片区的常住人口结构分析、对某个产品上市后的销售群体和销售额进行预测。但现有技术中并没有一套行之有效的可以对目标群体进行分析的系统及方法，以便于向管理者提供借鉴。

发明内容

本发明要解决的技术问题是提供一种能够对目标群体个体特征进行分析的分析系统、分析方法及身高识别方法。

本发明进一步要解决的技术问题是：

1、根据图片信息确定个体识别目标的方法；

2、基于人脸识别进行个体身高识别的方法。

本发明采用的技术方案如下：一种基于人脸识别的目标群体分析系统，包括视频采集设备、触发设备和数据分析终端，其特征在于：所述视频采集设备与触发设备通过网络相连；所述数据分析终端用于采集，视频采集设备所采集的人脸图像，并对其进行特征分析。

作为优选，所述数据分析终端通过触发设备采集，视频采集设备所采集的人脸图像，并对其进行特征分析。

作为优选，所述视频采集设备为摄像头。

作为优选，所述触发设备为收银台的收银机。

作为优选，所述收银机与摄像头一一对应。

一种基于人脸识别的目标群体分析方法，其特征在于：具体方法步骤为：步骤一、触发设备收到触发信号后发送控制命令给视频采集设备；步骤二、视频采集设备根据控制命令发送当前采集的图片信息给数据分析终端；步骤三、数据分析终端对图片中的人脸特征信息进行分析，得出当前识别目标的个体特征。

作为优选，所述步骤二中，视频采集设备根据控制命令通过触发设备发送一张当前采集的图片信息给数据分析终端。

作为优选，数据分析终端采集的信息还包括与图片信息相对应的ID编号及图片信息采集时间。

作为优选，所述方法还包括：根据识别目标的个体特征进行归类统计。

作为优选，所述方法还包括：根据识别目标的个体特征对某类商品的识别目标群体进行归类统计。

作为优选，所述方法还包括：根据识别目标的个体特征对某一时间段内的识别目标群体进行归类统计。

作为优选，所述步骤三的具体方法还包括：根据图片信息确定个体识别目标后再进行人脸特征信息分析；

作为优选，根据图片信息确定个体识别目标的具体方法为：设定一个图片人像识别参考区，若：a、参考区中只有一个人，人像识别参考区外没有人，则认定当前个体为识别目标进行目标识别；b、参考区中没有人，参考区外有一个人，则认定参考区外的个体为识别目标进行目标识别；c、参考区中只有一个人，参考区外也有人，则认定参考区内的个体为识别目标进行目标识别；d、参考区中存在多个人，则认定离人像识别参考区中心最近，且人像区域最大的个体为识别目标进行目标识别；e、参考区内没有人但人像识别区外有多人，则认定离参考区中心最近且人像区域最大的个体为识别目标进行目标识别；f、参考区内和区外都没有人，则认定没有个体识别目标，不进行目标识别。

作为优选，所述步骤三中，识别目标的个体特征包括性别、年龄、种族和身高。

作为优选，所述个体特征中的性别识别阀指可调。

作为优选，所述个体特征中的年龄识别阀指可调。

作为优选，所述个体特征中的笑脸识别阀指可调。

作为优选，所述个体特征中的身高识别的具体方法为：A、根据人脸特征划定身高识别参考线；B、根据参考线建立高度映射关系；C、根据高度映射关系计算当前个体目标高度。

与现有技术相比，本发明的有益效果是：本发明通过利用对现有技术中的基于人脸识别的个体特征识别方法的改进，为商超等一些客户领域提供了一种基于人脸识别的目标群体分析系统及分析方法，便于客户根据识别结果进行个体特征的分类统计，实现相应的营销策略。

本发明的进一步有益效果是：

1、根据图片信息确定个体识别目标的方法，更准确的对个体目标进行锁定，准确率能达到95%以上；

2、基于人脸识别进行个体身高识别的方法，从而进一步可以实现对身高个体特征的识别。

附图说明

图1为本发明其中一实施例的原理示意图。

图2为本发明其中一实施例的个体识别目标确认方法示意图。

图3为本发明其中一实施例的人脸坐标图片显示。

图4为本发明其中一实施例的个体身高识别方法示意图。

图5为图4所示实施例的一条参考线划定示意图。

图6为图4所示实施例的另一条参考线划定示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

本说明书（包括任何附加权利要求、摘要和附图）中公开的任一特征，除非特别叙述，均可被其他等效或者具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。

本具体实施例以应用于超市的，基于人脸识别的目标群体分析系统及其分析方法为例，进行具体说明。

如图1所示，一种基于人脸识别的目标群体分析系统，包括视频采集设备1、触发设备2和数据分析终端3，所述视频采集设备1与触发设备2通过网络相连；所述数据分析终端3用于采集，视频采集设备1所采集的人脸图像，并对其进行特征分析。

数据分析终端3可以直接从视频采集设备1获取人脸图像。在本具体实施例中，所述数据分析终端3通过触发设备2采集，视频采集设备1所采集的人脸图像，即视频采集设备1将抓拍到的人脸图像先发送给触发设备2，数据分析终端3再采集触发设备2中的人脸图像，并对其进行特征分析。由于触发设备2和视频采集设备处于同一个局域网内，这样，数据分析终端3采集的人脸图像更实时准确，不易丢失。

在本具体实施例中，所述视频采集设备1为摄像头，应用于超市中，可以直接利用收银台上方安装的现有的数字监控作为视频采集设备，仅需根据现有的监控设备品牌加入其对应的配置即可。不需要重复安装多个监控设备，大幅度降低使用成本。

在本具体实施例中，所述触发设备2为收银台的收银机；所述收银机与摄像头一一对应。当客户过来结账时，收银人员通过收银台给一个信号触发到与其相对应的摄像头，摄像头将抓拍到的当前客户图片通过收银台发送到数据分析终端3。

所述摄像头能够分辨出人脸五官轮廓。在本具体实施例中，需求：1、确保图像的分辨率达到720P；2、根据安装位置，可以调节图像，确保图像的清晰；3、使用CMOS传感器，支持自动白平衡、自动增益控制和自动背光补偿以确保图像的清晰，不会出现曝光过度；4、确保图像设备抓图不会模糊；5、采用双滤光片自动切换，能够根据光线强弱自动切换，光线充足的情况下确保图像不会产生偏色，在光线不充足的情况下确保夜间效果清晰；6、摄像头能够直接通过网络传输视频信号，通过网络能控制摄像头；7、支持静态和动态IP。

在本具体实施例中，人像识别的区域与摄像头水平距离在0-5米范围内用3.6mm镜头，5-10米范围内用6mm镜头，10-20米范围内用8mm镜头。

在本具体实施例中，摄像头安装高度：150cm至于220cm之间，镜头方向必须正对需要进行人像识别的区域，并保证镜头能够完整采集到脸部特征。

例如收银台，摄像头必须正对消费者的脸，并保证消费者的脸完全在镜头内。

一种基于人脸识别的目标群体分析方法，具体方法步骤为：步骤一、触发设备收到触发信号后发送控制命令给视频采集设备；步骤二、视频采集设备根据控制命令发送一张当前采集的图片信息给数据分析终端；步骤三、数据分析终端对图片中的人脸特征信息进行分析，对采集图片进行图像预处理，人脸特征提取和分类器识别后得出当前识别目标的个体特征。所述个体特征可以包括年龄、性别、种族和身高等人体个体特征。

在本具体实施例中，所述步骤二中，视频采集设备根据控制命令通过触发设备发送一张当前采集的图片信息给数据分析终端。

数据分析终端采集的信息还包括与图片信息相对应的ID编号及图片信息采集时间。在本具体实施例中，所述的ID包括企业ID（如：红旗连锁），分支机构ID（如红旗连锁人民南路店），及设备ID，具体ID编号需求根据实际情况设置。

在本具体实施例中，对人像识别数据通过如表一的格式进行传输。

表一

其中，

一级ID：指的是某个企业的编号，系统内部使用，如：红旗连锁；

二级ID：指的是某个企业下的分支机构ID，系统内部使用，如：红旗连锁人民南路店；

设备ID：指的是视频采集设备的编号，系统内部使用。

所述步骤三的具体方法还包括：根据图片信息准确确定所要锁定的个体识别目标后再进行人脸特征信息分析。

如图2所示，在本具体实施例中，视频监控画面的人像识别参考区对准消费者付款时所站的位置，根据图片信息确定个体识别目标的具体方法为：设定一个图片人像识别参考区，若：a、参考区中只有一个人，人像识别参考区外没有人，则认定当前个体为识别目标进行目标识别；b、参考区中没有人，参考区外有一个人，则认定参考区外的个体为识别目标进行目标识别；c、参考区中只有一个人，参考区外也有人，则认定参考区内的个体为识别目标进行目标识别；d、参考区中存在多个人，则认定离人像识别参考区中心最近，且人像区域最大的个体为识别目标进行目标识别；e、参考区内没有人但人像识别区外有多人，则认定离参考区中心最近且人像区域最大的个体为识别目标进行目标识别；f、参考区内和区外都没有人，则认定没有个体识别目标，不进行目标识别。该锁定确认方法，可以实现95%以上的准确度。

在本具体实施例中，消费者在收银台付款时，当收银员按下收银机上的“确定收银”或其他触发信号按钮后，收银机内安装的人像识别控制软件触发人像识别功能。人像识别控制软件立即向视频监控发出图像截图请求。获取到截图后，人像识别控制软件通过网络将截图和附加数据（如收银台的消费清单编号或消费产品的明细、消费时间、收银员信息等，这个根据用户自己设定。）发送至数据分析终端，数据分析终端的根据事先设定的人像识别参考区对人像进行识别，并将识别出来的人像数据和附加数据一并存入数据库。

所述方法还包括：根据识别目标的个体特征进行归类统计。如：本分支机构ID下统计的顾客的性别统计，年龄段统计，种族统计等。

所述方法还包括：根据识别目标的个体特征对某类商品的识别目标群体进行归类统计。如：根据某类商品的购买情况进行性别统计，年龄统计，种族统计等。

所述方法还包括：根据识别目标的个体特征对某一时间段内的识别目标群体进行归类统计。如：某一段时间（可以是小时时间段，也可以是季节时间段等）的顾客的性别统计，年龄段统计，种族统计等。

在本具体实施例中，所述步骤三中，识别目标的个体特征包括性别、年龄、种族、表情和身高。

所述个体特征中的性别识别阀指可调。在本具体实施例中，设定性别准确度范围为50%-99%。

例如：用户在性别准确度阀值中设置->男性性别准确度阀值：80%，也就是说，性别准确度达到80%以上时采用识别的性别，否则，取反。

例如某长相比较中性的女性，由于识别出来的性别准确度为：72%，小于用户设置的80%，那么，此刻系统得到最终结果为：女性。

可以用此方法来识别中性长相的女性。

又例如：用户在性别准确度阀值中设置->女性性别准确度阀值：80%，也就是说，性别准确度达到80%以上时采用识别的性别，否则，取反。

例如某长相比较中性的男性，由于识别出来的性别准确度为：68%，小于用户设置的80%，

那么，此刻系统得到最终结果为：男性。

可以用此方法来识别较为中性长相的男性。

总之，用户可以根据需要，对人像识别的阀值进行调节，产生符合自身需求的结果。

在本发明中，我们引入脸龄概念。脸龄是指通过视觉观察人类面部细节特征得出的一个视觉上的年龄。脸龄与年龄不同，年龄指的是从出生到当前的一个成长时间数，而脸龄指的是通过视觉感知到的面部所表现出来的一个成长时间数。也就是说，某人的年龄已经55岁，但是由于其面部细节特征看起来比较年轻，其他人通过视觉看，感知该人仅有40岁。

脸龄的识别：指的是通过计算机人脸识别服务，对识别目标的面部细节特征进行分析，估算出通过人类视觉所感知到的被识别目标的一个成长时间数。

比如，某影星，通过资料得知其出生于1955年，当前真实年龄58岁，而通过其照片进行脸龄分析，得出其脸龄36岁。

所述个体特征中的年龄识别阀指可调。在本具体实施例中，设置一个表征年龄的脸龄准确度范围。例如可设置当前个体脸龄的准确度范围在上下浮动2岁范围内，然后取中间值作为表征脸龄。例如：某个体可能在29岁到33岁之间，则其表征脸龄为31岁，误差范围为上下两岁。

在本具体实施例中，年龄的个体特征用脸龄的取代。

在本具体实施例中，还包括对框架眼镜的识别，如当前个体是否戴有眼镜，所戴眼镜为有色眼镜还是普通眼镜；所述种族识别是根据肤色判断为黄种人、白种人还是黑种人；还包括笑脸程度的识别，设定阀指为1%-99%笑脸程度可调，比如可设定20%以上为笑脸。如图3所示，为本具体实施例中的一部分人脸坐标图片显示。

所述个体特征中的身高识别的具体方法为：A、根据人脸特征划定身高识别参考线；B、根据参考线建立高度映射关系；C、根据高度映射关系计算当前个体目标高度。

如图4、图5和图6所示，将人脸标志杆调解到200cm 高度，使用人像识别功能，对人脸标志杆上人像进行识别，得到其人脸中心位置A（坐标为x1,y1，单位:px）。以此中心位置，与镜头平行的画出一条虚拟的身高识别参考线（图4中虚线）。也就是说，只要人脸中心点在此身高识别参考线我们就认为其身高为200cm。

再将人脸标志杆调解到150cm 高度，使用人像识别功能，对人脸标志杆上人像进行识别，得到其人脸中心位置B（坐标为x2,y2，单位:px）。以此中心位置，与镜头平行的画出一条虚拟的身高识别参考线（图5中虚线）。也就是说，只要人脸中心点在此身高识别参考线我们就认为其身高为150cm。

最后建立y1至y2对高度150至200的映射关系。

例如：

参考线A的y1为：50px,

参考线B的y2为：250px,

当前被识别目标的脸部中心点坐标: x0,y0为200,150。

那么根据参考线映射关系：

50px  –>  200cm

150px  –>  175cm

250px  –>  150cm

当前被识别目标身高：约175cm。

人像数据包含：年龄、性别、种族、表情、身高、人脸的方位、眼睛坐标、鼻子坐标、嘴坐标、脸部坐标、下巴坐标、识别时间、唯一编号等数据。

统计分析系统是根据上述得到海量数据进行数据统计分析。根据用户的需要展示出饼图、柱状图、折现图、曲线图、密度图等图表，还可以根据用户的设置，自动得出各类统计报表。

采用API接口将人像数据提供给其他系统使用，如商超自己的营销系统、物流系统、CRM系统、ERP系统等。