使用微软的(how-old.net)构建智能门店管理系统

现在是大数据时代，每个企业都要对自己的客户有全面的认识，这样才能最准确的分析客户，做出相应的决策。在实体的门店中，对于客户的管理还是比较低级，很多客户对于企业来说是哑终端，即对于企业来说，完全不知道客户的信息，不知道客户的年龄，性别，收入，爱好等。

 

智能门店客户信息统计具有以下几个功能：

1. 自动统计客流，统计每天客流量数据
2. 抓拍客户的人像图片，是微软的系统统计客户年龄，性别
3. 根据微软返回的图片的json数据，识别是新老客户

 

基础设施：

现在各个商场门店都安装了监控系统，但是这样系统仅仅是监控，能做的事情比较少。经过改造，可以实现智能门店的功能。

增加高清变焦IPC，具备高速智能快速的抓拍功能，收集数据，共分析使用。

1、在入口处拍摄到店客户的脸，保存为图片。

2、在收银处增加拍摄点，抓拍付费客户照片。抓拍与收银联动，记录客户消费信息。

3、在出口处拍摄客户的脸，保存图片。

这个基础硬件实现不难，现在许多相机在拍照时都有智能的人脸识别功能，根据人脸识别自动来拍摄照片，进行基础的数据收集。

 

 

系统设计方案如下：

1、自动统计客流，这个有比较方案比较多，在门店的出入口设置视频监控设备，统计客流以及在门店停留时间，可以使用视频统计的方法，有成熟的算法支撑。

 

2、统计客户年龄，性别

前一段时间，微软推出了根据人脸来来识别年龄的网站（how-old.net），可以识别图片中的人脸，并且分析出年龄和性别。识别的准确度还挺高的。借助这项服务，分析出客户的年龄，记录到数据库中，这样可以真实的统计到店客户的年龄信息以及分布。统计每天的数据，每年的数据，客户的平均年龄，性别比率。

了解客户的信息，才能更好的做出决策。

 

 

 

3、在收银处拍摄的的图片

同样进行年龄、性别分析，同时与收银机器互动，记录下来消费金额以及物品。

这样可以统计出来客户的消费能力，不同年龄的消费水平等等。

和到店客户年龄对比，得出实际客户年龄与潜在客户年龄的差异，进一步挖掘。

 

4、客户频率统计

把照片的人脸识别出来，抽取出关键指纹，存入数据库。同时把每天光顾的顾客进行人脸识别，抽取关键指纹，在数据库中对比，统计客户的频率。

 

返回的Json数据

[
  {
    "faceId": "4ad57372-fc7c-4830-82ec-1407b9793c66",
    "faceRectangle": {
      "width": 152,
      "height": 152,
      "left": 96,
      "top": 66
    },
    "faceLandmarks": {
      "pupilLeft": {
        "x": "135.1",
        "y": "110.8"
      },
      "pupilRight": {
        "x": "202.1",
        "y": "107.4"
      },
      "noseTip": {
        "x": "178.0",
        "y": "148.7"
      },
      "mouthLeft": {
        "x": "134.9",
        "y": "175.8"
      },
      "mouthRight": {
        "x": "209.8",
        "y": "171.5"
      },
      "eyebrowLeftOuter": {
        "x": "108.6",
        "y": "98.3"
      },
      "eyebrowLeftInner": {
        "x": "156.3",
        "y": "98.6"
      },
      "eyeLeftOuter": {
        "x": "124.2",
        "y": "112.3"
      },
      "eyeLeftTop": {
        "x": "136.1",
        "y": "108.0"
      },
      "eyeLeftBottom": {
        "x": "135.9",
        "y": "116.0"
      },
      "eyeLeftInner": {
        "x": "146.2",
        "y": "110.9"
      },
      "eyebrowRightInner": {
        "x": "183.8",
        "y": "98.1"
      },
      "eyebrowRightOuter": {
        "x": "225.7",
        "y": "94.5"
      },
      "eyeRightInner": {
        "x": "193.6",
        "y": "108.0"
      },
      "eyeRightTop": {
        "x": "204.1",
        "y": "104.7"
      },
      "eyeRightBottom": {
        "x": "203.6",
        "y": "111.9"
      },
      "eyeRightOuter": {
        "x": "211.9",
        "y": "108.0"
      },
      "noseRootLeft": {
        "x": "161.9",
        "y": "111.1"
      },
      "noseRootRight": {
        "x": "177.5",
        "y": "110.5"
      },
      "noseLeftAlarTop": {
        "x": "157.1",
        "y": "131.7"
      },
      "noseRightAlarTop": {
        "x": "187.4",
        "y": "130.9"
      },
      "noseLeftAlarOutTip": {
        "x": "151.4",
        "y": "147.1"
      },
      "noseRightAlarOutTip": {
        "x": "196.7",
        "y": "143.9"
      },
      "upperLipTop": {
        "x": "171.8",
        "y": "167.7"
      },
      "upperLipBottom": {
        "x": "172.0",
        "y": "172.9"
      },
      "underLipTop": {
        "x": "173.0",
        "y": "182.9"
      },
      "underLipBottom": {
        "x": "173.1",
        "y": "193.2"
      }
    },
    "attributes": {
      "age": 36,
      "gender": "male",
      "headPose": {
        "roll": "-3.0",
        "yaw": "8.8",
        "pitch": "0.0"
      }
    }
  }
]

可以把上述信息存入数据库，每天根据这些信息进行对比，分析客户的到店频率等信息。

 

总结：

在大数据时代，信息收集是大数据的基础。首先要收集足够多的客户信息，让客户不在是一个一个无差别的个体，让客户的信息更加立体全面，只有手机足够多的数据，才能进行大数据的分析，进行数据挖掘深入分析等活动。