面向人流量统计的顾客识别技术研究与实现

发布时间：2023-10-30 19:57

　　人流量作为体现线下商铺经营情况的指标,一直被商铺的管理者所关注。同样,人流量对商铺的运营和决策存在着重要的指导意义。21世纪开始,商铺的管理者们开始深入探究自己商铺的人流量和每日营业额之间的潜在联系。然而由于人流量统计是一个长时间、持续性的任务,获取人流量的过程出现了获取不准确、消耗大量人力等问题。即使这样,随着近几年顾客画像这一概念的提出,时代对多维度信息采集的需求,单纯的获取人流量这一数值已不能满足复杂的商业环境下一个商铺的决策需求。从人流量统计任务提出开始的人工统计人流量到现在大规模的使用wifi探针进行自动人流量统计都存在着致命的缺陷,大量消耗人力的方式必然不可取,但wifi探针由于需要顾客携带安卓手机并且打开流量互通才能够进行数量统计这一缺陷,注定了用此方法得到的人流量数据是不准确的,更不用说用错误的人流量来指导商铺的日常决策了。随着深度学习的提出,人流量统计任务有了新的解决思路。本文针对人流量统计这一问题的特点,结合现有的深度学习算法并加以创新,提出了基于多特征度量的行人重识别算法,使得人流量统计达到了较高的正确率。本文开展的主要工作有:(1)研究课题背景和人流量统计问题的...

【文章页数】：61 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 论文研究背景及意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究现状
    1.3 论文研究内容
    1.4 论文创新点
    1.5 论文组织结构
    1.6 本章小节
第2章 相关技术概述
    2.1 深度学习概述
    2.2 目标检测任务介绍
        2.2.1 基于区域建议的目标检测与识别算法
        2.2.2 基于回归的目标检测与识别算法
    2.3 行人重识别算法
    2.4 本章小结
第3章 基于多特征度量的行人重识别算法
    3.1 基于人脸特征的距离度量
        3.1.1 k反邻的定义与计算
        3.1.2 jaccard 距离定义与计算
        3.1.3 重新表达图片库中的每张图
        3.1.4 人脸最终距离表示
    3.2 基于人体特征的距离度量
        3.2.1 浅层行人特征提取
        3.2.2 人体组合帧特征提取网络
        3.2.3 人体距离表示
        3.2.4 最终距离度量
    3.3 实验
        3.3.1 实验环境
        3.3.2 特征提取网络
        3.3.3 预训练模型参数
        3.3.4 实验结果及说明
        3.3.5 评估指标
    3.4 CUHK03数据集实验
    3.5 本文数据集实验
    3.6 本章小结
第4章 应用实例
    4.1 应用背景介绍
    4.2 数据的采集和算法应用
    4.3 顾客年龄性别分类任务
    4.4 系统模块展示
    4.5 本章小结
第5章 总结与展望
    5.1 全文总结
    5.2 不足
    5.3 展望
参考文献
致谢
攻读学位期间参加的科研项目和成果



本文编号：3859087