[发明专利]一种店铺数据分析方法及系统

说明书

本发明公开一种店铺数据分析方法及系统。该分析方法包括：获取摄像头拍摄的视频图像，采用基于深度学习的神经网络模型检测第t帧图像中是否包括行人；如果包括行人，获得行人的参数，并对行人进行跟踪；更新经过店铺的总人数；判断行人是否进入店铺；当行人进入店铺时，更新进入店铺的总人数；获取收银系统当前的付款笔数；根据更新后的经过店铺总人数和进入店铺的总人数，获得进店转化率；根据更新后的进入店铺总人数和付款笔数，获得付款转化率；将行人的参数、进店转化率和付款转化率进行数据组合，得到店铺的数据分析结果。采用本发明的分析方法或系统，提高了行人检测效率，节省了人力物力，同时提高计算精度，减少了人为统计带来的误差。

技术领域

本发明涉及智能商业领域，特别是涉及一种店铺数据分析方法及系统。

背景技术

店铺运营过程中，通常需要对店铺的数据进行分析，其中包括对店铺转化率进行分析。目前店铺转化率数据计算时，店主需先获知当日客流量统计数据，然后手工统计当日各个渠道支付数据，例如：微信，支付宝，现金，银行卡等，最后再手工的进行转化率数据计算。而且客流量统计时，通常需要店主手动的统计进店人数，上述操作需每日统计整理计算，整理过程繁琐，效率低，且很可能实际执行者非同一人，导致数据分析结果存在较大的误差。

发明内容

本发明的目的是提供一种店铺数据分析方法及系统，以提高对店铺数据分析的效率，降低分析结果的误差，提高准确度。

为实现上述目的，本发明提供了如下方案：

一种店铺数据分析方法，所述分析方法包括：

获取摄像头拍摄的视频图像，所述视频图像包括多帧图像，所述摄像头安装于店铺的门口斜上方；

对于第t帧图像，采用基于深度学习的神经网络模型检测所述第t帧图像中是否包括行人，得到第一检测结果；

当所述第一检测结果表示所述第t帧图像中包括行人时，获得所述行人的参数；所述行人的参数包括：个数、行人位置和特征向量；

根据所述行人的参数对行人进行跟踪；

更新经过店铺的总人数；

判断所述行人是否进入店铺，得到第二判断结果；

当所述第二判断结果表示所述行人进入店铺时，更新进入店铺的总人数；

获取收银系统当前的付款笔数；

根据更新后的经过店铺的总人数和更新后的进入店铺的总人数，获得进店转化率；

根据所述更新后的进入店铺的总人数和所述付款笔数，获得付款转化率；

将所述行人的参数、所述进店转化率和所述付款转化率进行数据组合，得到所述店铺的数据分析结果。

可选的，所述对于第t帧图像，采用基于深度学习的神经网络模型检测所述第t帧图像中是否包括行人，得到第一检测结果，具体包括：

采用所述神经网络模型检测所述第t帧图像中的物体参数，所述物体参数包括物体个数、物体种类、物体位置坐标和物体的特征向量；

判断所述物体参数中物体种类是否包括“人类”；

当所述物体种类包括“人类”时，则所述第t帧图像中包括行人，将所述物体种类为“人类”的物体确定为行人；

当所述物体种类不包括“人类”时，则所述第t帧图像中不包括行人。

可选的，所述当所述第一检测结果表示所述第t帧图像中包括行人时，获得所述行人的参数，具体包括：