消费者视觉跟踪和从RGB和热图片的明显人口统计估计的新基准
Iason-Ioannis Panagos1, Angelos P Giotis1, Sokratis Sofianopoulos2
1Department of Computer Science and Engineering (CSE), University of Ioannina, 45110 Ioannina, Greece.
Sensors (Basel, Switzerland)
|December 9, 2023
概括
本研究引入了两个新的数据集,用于跟踪和估计零售环境中的消费者人口统计数据. 拟议的框架显示了准确的年龄和性别预测的有希望的结果,增强了对产品偏好的元数据提取.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 零售分析 零售分析
背景情况:
- 深度学习已经推进了视觉跟踪和属性估计,但室内零售消费者数据仍然面临挑战.
- 不充分或不准确的数据阻碍了有效的消费者检测,跟踪和在零售环境中的人口识别.
研究的目的:
- 解决用于视觉跟踪和人口统计估计的零售消费者数据的局限性.
- 引入新的数据集和一个端到端的框架,以改善消费者分析.
主要方法:
- 开发了两个数据集:"消费者" (145个视频序列) 和"BID" (切割的身体图像).
- 提出了一个端到端的框架,使用卷积神经网络 (CNN) 进行对象检测,使用长期短期记忆 (LSTM) 网络进行运动预测和轨道协会,以及用于人口统计估计的多属性分类模型.
- 确保"消费者"数据集中的面部图像遵守个人信息法规.
主要成果:
- 与参考系统相比,拟议的框架在跟踪和年龄/性别预测方面取得了有希望的结果.
- 证明了实际消费者元数据提取的潜力,包括对产品偏好的洞察力.
- "消费者"和"BID"数据集为零售业的计算机视觉任务提供了宝贵的资源.
结论:
- 开发的框架和数据集在分析零售环境中的消费者行为和人口统计学方面取得了重大进展.
- 该系统显示了提取与消费者产品偏好相关的有价值元数据的实际潜力.
- 进一步的研究可以利用这些资源进行更复杂的零售分析和个性化营销策略.
