用于确定目标对象的属性信息的方法和装置与流程

本申请涉及计算机技术领域，具体涉及对视频监控图像中信息检索的技术领域，尤其涉及用于确定目标对象的属性信息的方法和装置。

背景技术：

用户画像可以是用户属性信息的集合，可以是一个用来描述用户的属性特征的模型。目前，用户画像一般是基于从与用户关联的终端(例如用户的手机、个人电脑等)获取的行为日志信息而构建的。这类行为日志信息可以由用户自定义，例如用户可以在终端上输入性别、年龄、爱好等信息；也可以由终端对用户的行为进行标记和统计来获取，例如可以由终端保存的用户的网络访问记录、定位信息、轨迹信息来获取。

在现有的用户画像构建方法中，上述行为日志信息的获取依赖于用户的终端。然而，终端无法获取到用户的一些实际行为信息，例如使用现金购买某品牌服饰的信息。在用户未使用定位服务应用的情况下，终端也无法获取用户的定位信息和轨迹信息。因此现有技术中用户画像的构建所采用的用户信息并不全面，所构建的用户画像的准确性有待提高。另外，由于基于终端的用户画像构建一般适用于线上的应用，在线下的应用场景中，无法及时对用户的线下行为信息进行分析，从而无法针对用户的实时线下行为进行准确的决策。

技术实现要素：

有鉴于此，期望能够提供一种全面、准确的用户画像的构建方法。为了解决上述技术问题，本申请提供了本申请提供了用于确定目标对象的属性信息的方法和装置。

一方面，本申请提供了一种用于确定目标对象的属性信息的方法。 所述方法包括：获取目标区域的视频监控图像；检测所述视频监控图像中的目标对象，所述目标对象包括所述目标区域内的人物；基于所述视频监控图像提取所述目标对象的特征信息、与所述目标对象相关联的物品信息以及与所述目标对象相关联的场所信息；对所述目标对象的特征信息、所述与所述目标对象相关联的物品信息以及所述与所述目标对象相关联的场所信息进行分析处理，以确定所述目标区域内的目标对象的属性信息。

在一些实施例中，所述获取目标场所的视频监控图像，包括：接收所述目标场所内的视频监控图像采集设备上传的所述视频监控图像。

在一些实施例中，所述检测所述视频监控图像中的目标对象，包括：对所述视频监控图像进行特征提取；将提取出的特征与预存的目标对象的特征模板进行匹配，以确定所述视频监控图像中的目标对象。

在一些实施例中，所述基于所述视频监控图像提取所述目标对象的特征信息，与所述目标对象相关联的物品信息以及与所述目标对象相关联的场所信息，包括：从所述视频监控图像中提取所述目标对象的特征信息；从所述视频监控图像中提取与所述目标对象的距离小于预设距离的物品的标识；基于所述与所述目标对象的距离小于预设距离的物品的标识，在预存的物品信息库中检索出所述与所述目标对象相关联的物品信息；从所述视频监控图像中提取所述目标对象所在的场所的标识；其中，所述目标对象所在的场所包括覆盖所述目标对象的地理位置的场所；基于所述覆盖所述目标对象的地理位置的场所的标识，在预存的场所信息库中检索出所述与所述目标对象相关联的场所信息。

在一些实施例中，所述对所述目标对象的特征信息、所述与所述目标对象相关联的物品信息以及所述与所述目标对象相关联的场所信息进行分析处理，以确定所述目标区域内的目标对象的属性信息，包括：将已存储的历史目标对象的特征信息、历史物品信息和历史场所信息作为训练样本，建立属性信息识别模型；将所述目标对象的特征信息、所述物品信息以及所述场所信息输入所述属性信息识别模型， 得出所述目标对象的属性信息。

在一些实施例中，所述对所述目标对象的特征信息、所述与所述目标对象相关联的物品信息以及所述与所述目标对象相关联的场所信息进行分析处理，以确定所述目标区域内的目标对象的属性信息，包括：基于历史目标对象的特征信息、与历史目标对象相关联的物品信息、与历史目标对象相关联的场所信息以及标记的历史目标对象的属性信息建立对应关系表；将所述目标对象的特征信息、与所述目标对象相关联的物品信息以及与所述目标对象相关联的场所信息分别与所述历史目标对象的特征信息、所述与历史目标对象相关联的物品信息、所述与历史目标对象相关联的场所信息进行匹配；将匹配出的历史目标对象的特征信息、与历史目标对象相关联的物品信息以及与历史目标对象相关联的场所信息对应的历史目标对象的属性信息作为所述目标对象的属性信息。

在一些实施例中，所述方法还包括：基于所述目标对象的属性信息推送与所述目标区域关联的信息。

在一些实施例中，所述目标对象的特征信息包括静态特征信息和行为特征信息；所述静态特征信息包括以下至少一项：衣着风格、化妆风格、表情、姿态、与其他目标对象的相对位置信息；所述行为特征信息包括以下至少一项：消费行为、停留时间、行为轨迹信息。

在一些实施例中，所述物品信息包括以下至少一项：类型、品牌、等级、展示位置信息、关注度信息；所述场所信息包括以下至少一项：类型、等级、与其他店铺的相对地理位置、热度信息。

在一些实施例中，所述目标对象的属性信息包括以下至少一项：年龄、性别、性格、健康状态、购买力、与其他目标对象的社会关系、兴趣信息；以及所述对所述目标对象的特征信息、所述与所述目标对象相关联的物品信息以及所述与所述目标对象相关联的场所信息进行分析处理，以确定所述目标区域内的目标对象的属性信息，包括以下至少一项：基于所述目标对象的衣着风格、化妆风格、表情、姿态分析得出所述目标对象的年龄、性别、性格、健康状态中的一项或多项；基于所述目标对象与其他目标对象的相对位置信息分析确定出所述目 标对象的社会关系信息；基于所述目标对象的消费行为、停留时间、行为轨迹信息以及所述物品信息和所述场所信息分析得出所述目标对象的购买力和/或兴趣信息。

第二方面，本申请提供了一种用于确定目标对象的属性信息的装置。所述装置包括：获取单元，配置用于获取目标区域的视频监控图像；检测单元，配置用于检测所述视频监控图像中的目标对象，所述目标对象包括所述目标区域内的人物；提取单元，配置用于基于所述视频监控图像提取所述目标对象的特征信息、与所述目标对象相关联的物品信息以及与所述目标对象相关联的场所信息；处理单元，配置用于对所述目标对象的特征信息、所述与所述目标对象相关联的物品信息以及所述与所述目标对象相关联的场所信息进行分析处理，以确定所述目标区域内的目标对象的属性信息。

在一些实施例中，所述获取单元配置用于按如下方式获取目标场所的视频监控图像：接收所述目标场所内的视频监控图像采集设备上传的所述视频监控图像。

在一些实施例中，所述检测单元配置用于按如下方式检测所述视频监控图像中的目标对象：对所述视频监控图像进行特征提取；将提取出的特征与预存的目标对象的特征模板进行匹配，以确定所述视频监控图像中的目标对象。

在一些实施例中，所述提取单元配置用于按如下方式提取所述目标对象的特征信息，与所述目标对象相关联的物品信息以及与所述目标对象相关联的场所信息：从所述视频监控图像中提取所述目标对象的特征信息；从所述视频监控图像中提取与所述目标对象的距离小于预设距离的物品的标识；基于所述与所述目标对象的距离小于预设距离的物品的标识，在预存的物品信息库中检索出所述与所述目标对象相关联的物品信息；从所述视频监控图像中提取所述目标对象所在的场所的标识；其中，所述目标对象所在的场所包括覆盖所述目标对象的地理位置的场所；基于所述覆盖所述目标对象的地理位置的场所的标识，在预存的场所信息库中检索出所述与所述目标对象相关联的场所信息。

在一些实施例中，所述处理单元配置用于按如下方式对所述目标对象的特征信息、所述与所述目标对象相关联的物品信息以及所述与所述目标对象相关联的场所信息进行分析处理，以确定所述目标区域内的目标对象的属性信息：将已存储的历史目标对象的特征信息、历史物品信息和历史场所信息作为训练样本，建立属性信息识别模型；将所述目标对象的特征信息、所述物品信息以及所述场所信息输入所述属性信息识别模型，得出所述目标对象的属性信息。

在一些实施例中，所述处理单元配置用于按如下方式对所述目标对象的特征信息、所述与所述目标对象相关联的物品信息以及所述与所述目标对象相关联的场所信息进行分析处理，以确定所述目标区域内的目标对象的属性信息：基于历史目标对象的特征信息、与历史目标对象相关联的物品信息、与历史目标对象相关联的场所信息以及标记的历史目标对象的属性信息建立对应关系表；将所述目标对象的特征信息、与所述目标对象相关联的物品信息以及与所述目标对象相关联的场所信息分别与所述历史目标对象的特征信息、所述与历史目标对象相关联的物品信息、所述与历史目标对象相关联的场所信息进行匹配；将匹配出的历史目标对象的特征信息、与历史目标对象相关联的物品信息以及与历史目标对象相关联的场所信息对应的历史目标对象的属性信息作为所述目标对象的属性信息。

在一些实施例中，所述装置还包括：推送单元，配置用于基于所述目标对象的属性信息推送与所述目标区域关联的信息。

在一些实施例中，所述目标对象的特征信息包括静态特征信息和行为特征信息；所述静态特征信息包括以下至少一项：衣着风格、化妆风格、表情、姿态、与其他目标对象的相对位置信息；所述行为特征信息包括以下至少一项：消费行为、停留时间、行为轨迹信息。

在一些实施例中，所述物品信息包括以下至少一项：类型、品牌、等级、展示位置信息、关注度信息；所述场所信息包括以下至少一项：类型、等级、与其他店铺的相对地理位置、热度信息。

在一些实施例中，所述目标对象的属性信息包括以下至少一项：年龄、性别、性格、健康状态、购买力、与其他目标对象的社会关系、 兴趣信息；以及所述处理单元用于按照如下至少一种方式对所述目标对象的特征信息、所述与所述目标对象相关联的物品信息以及所述与所述目标对象相关联的场所信息进行分析处理：基于所述目标对象的衣着风格、化妆风格、表情、姿态分析得出所述目标对象的年龄、性别、性格、健康状态中的一项或多项；基于所述目标对象与其他目标对象的相对位置信息分析确定出所述目标对象的社会关系信息；基于所述目标对象的消费行为、停留时间、行为轨迹信息以及所述物品信息和所述场所信息分析得出所述目标对象的购买力和/或兴趣信息。

本申请提供的用于确定目标对象的属性信息的方法和装置，通过获取目标区域内的视频监控图像，随后检测视频监控图像中的目标对象，而后基于视频监控图像提取目标对象的特征信息、与目标对象关联的物品信息以及与目标对象那个关联的场所信息，最后对提取出的目标对象的特征信息、与目标对象关联的物品信息以及与目标对象相关联的场所信息进行分析处理，以确定目标区域内的目标对象的属性信息，能够利用视频监控图像实时地提取目标对象，充分利用了目标对象的外部特征、行为特征以及与目标对象相关的信息，实现了更精准的目标对象属性信息的分析。

附图说明

通过阅读参照以下附图所作的对非限制性实施例详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的用于确定目标对象的属性信息的方法的一个实施例的流程图；

图3是图2所示实施例的应用场景的一个效果示意图；

图4是根据本申请的用于确定目标对象的属性信息的方法的另一个实施例的流程图；

图5是图4所示实施例的应用场景的一个效果示意图；

图6是本申请用于确定目标对象的属性信息的装置的一个实施例的结构示意图；

图7是适于用来实现本申请实施例的终端设备或服务器的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

如图1所示，系统架构100可以包括视频监控设备101、服务器102、终端设备103、网络104和服务器105。网络104用以在视频监控设备101、服务器102、终端设备103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

视频监控设备101可以是安装于建筑物内部或外部的用于采集视频监控图像的设备，可以是各种摄像机。服务器102可以是用于存储目标区域的视频监控图像的电子设备。例如与视频监控设备相连接的后端存储服务器。终端设备103可以是各种电子设备。用户可以通过终端设备103与服务器105进行交互，以接收或发送消息。终端设备103可以包括但不限于：智能手机、平板电脑、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。

服务器105可以是为终端设备103提供信息支持的服务器，可以是云服务器。服务器105可以对从视频监控设备101和服务器102获取的数据进行分析，并将分析结果通过网络104反馈给终端设备103。

需要说明的是，本申请实施例所提供的用于确定目标对象的属性信息的方法一般由服务器105执行，相应地，用于确定目标对象的属 性信息的装置一般设置于服务器105中。

应该理解，图1中的视频监控设备、终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的视频监控设备、终端设备、网络和服务器。

继续参考图2，示出了根据本申请的用于确定目标对象的属性信息的方法的一个实施例的流程200。所述的用于确定目标对象的属性信息的方法，包括以下步骤：

步骤201，获取目标区域的视频监控图像。

在本实施例中，目标区域可以为预设的区域。在实际场景中，目标区域可以为一条街道、一个或多个建筑物所覆盖的全部或部分区域。目标区域内可以设置有视频监控设备，用于采集目标区域内的视频监控图像。视频监控图像可以是包含所监控的区域内的人物、物品、场所信息的图像序列。

在本实施例中，用于确定目标对象的属性信息的方法运行于其上的电子设备(例如图1中的服务器105)可以通过网络获取目标区域的视频监控图像。获取的方式可以为从存储目标区域的视频监控图像的存储设备(例如图1中的服务器102)中调取，例如通过网络接收上述存储设备传输的视频数据。在本实施例的一些可选的实现方式中，获取目标场所的视频监控图像可以包括接收目标场所内的视频监控图像采集设备向云平台的服务器上传的视频监控图像。即可以通过在云平台的服务器接收图像采集设备所采集的数据来获取目标区域内的视频监控图像。在实际场景中，图像采集设备(例如监控摄像头)通过光学成像方式采集到目标区域的视频监控图像之后，可以将采集到的视频监控图像通过网络传输至云平台的服务器。云平台的服务器可以通过接收视频监控图像实时地获取目标区域的监控视频监控图像。

步骤202，检测视频监控图像中的目标对象。

其中，目标对象包括目标区域内的人物。在本实施例中，将目标区域内的人物作为分析的对象。首先可以通过检测目标对象来将目标对象从视频监控图像中提取出来。目标对象的检测可以采用多种行人检测方法，例如边缘检测与图像分割结合的方法，光流检测方法、基 于神经网络的方法。作为示例，采用边缘检测与图像分割结合的方法检测目标对象可以如下进行：首先基于图像的灰度确定图像中的边缘，然后对边缘进行膨胀腐蚀等形态学处理，之后将边缘图像与基于人的形态特征(例如长宽比、头部大小占全身的比例等)建立的模板进行匹配，将匹配成功的边缘作为目标对象的边缘，并采用二值化等图像分割的方法将目标对象从视频监控图像中提取出来。

在本实施例中，检测视频监控图像中的目标对象可以包括：基于视频监控图像对目标对象进行跟踪。上述电子设备可以从一幅视频监控图像中提取目标对象的特征，并在其他多幅视频监控图像中匹配目标对象的特征，从匹配成功的视频监控图像中确定出目标对象的行为轨迹。

在本实施例的一些可选的实现方式中，检测视频监控图像中的目标对象可以包括：对视频监控图像进行特征提取；将提取出的特征与预存的目标对象的特征模板进行匹配，以确定视频监控图像中的目标对象。上述电子设备可以基于高斯滤波器、尺度不变特征变换(Scale-invariant Feature Transform，SIFT)等算法来对视频监控图像进行特征提取，得到一个或多个特征向量。之后可以通过欧氏距离等计算该特征向量与预存的人物特征向量模板的匹配度，若匹配度超过设定的阈值，则可以认为所提取出的特征向量对应视频监控图像中的目标对象。之后可以基于特征向量对图像进行分割，将目标对象从视频监控图像中提取出来。

需要说明的是，本实施例中视频监控图像可以包含一个或多个目标对象。则在步骤202中，可以对一个或多个目标对象进行检测。所要检测的目标对象的数量可以预先配置。在没有对要检测的目标对象的数量预先配置的情况下，上述电子设备可以自动检测视频监控图像中的所有目标对象。

步骤203，基于视频监控图像提取目标对象的特征信息、与目标对象相关联的物品信息以及与目标对象相关联的场所信息。

目标对象的特征信息可以是目标对象的外部特征信息，例如外貌、形态等信息。在确定目标对象之后，上述电子设备可以采用多种方式 提取目标对象的特征信息。例如将视频监控图像中目标对象的灰度信息作为一部分的特征信息。又例如基于图像识别的方式识别目标对象的特征信息。可以从视频监控图像中提取目标对象的特征点或特征向量，基于分类器对目标对象的对特征点或特征向量进行分类，从而获取目标对象的特征信息。

在一些实施例中，目标对象的特征信息可以包括静态特征信息和行为特征信息。静态特征信息可以包括以下至少一项：衣着风格、化妆风格、表情、姿态、与其他目标对象的相对位置信息。行为特征信息包括目标对象的动态的特征信息，可以包括以下至少一项：消费行为、停留时间、行为轨迹信息。

目标对象的静态特征信息和行为特征信息可以包括对每一个目标对象进行个体分析所得到的个体特征信息以及基于多个目标对象间的亲密程度得到的群体特征信息。

在本实施例的一些可选的实现方式中，个体特征信息可以包括从目标对象的表面特征直接得出的信息，也可以包括基于目标对象的行为分析提取的信息，例如衣着风格、化妆风格、表情、姿态信息、消费行为、停留时间、行为轨迹等。其中表情和化妆风格可以从视频监控图像中目标对象的脸部区域提取，例如可以基于五官的颜色提取化妆风格，基于五官的相对位置提取表情；衣着风格可以从视频监控图像中目标对象的四肢区域提取，例如可以基于衣着的长度、宽度、颜色提取；姿态信息可以从视频监控图像中目标对象的身体躯干的相对位置提取，例如可以基于胳膊是否与腿垂直判断目标对象的是否处于站立姿态。消费行为可以基于目标对象是否在收银台停留或现有的行为检测的算法来提取，例如可以检测目标对象是否有拿出银行卡或现金的动作；停留时间可以通过序列视频监控图像的成像时间来获取；行为轨迹可以基于目标对象在多幅视频监控图像中出现的位置来提取。

在本实施例的一些可选的实现方式中，群体特征信息可以包括多个目标对象共同的个体特征信息，例如多个目标对象所具有的相同的衣着风格。群体特征信息还可以包括目标对象与其他目标对象的相对 位置信息。上述电子设备可以基于获取多个目标对象在图像中的位置关系，并基于标定的摄像机参数计算出目标对象与其他目标对象的实际相对位置信息。

在本实施例中，与目标对象相关联的物品包括与目标对象的距离小于预设距离的物品。上述电子设备可以从图像中提取出多个物品，并计算所提取出的物品与目标对象的相对距离，然后基于摄像机标定获取物品的三维空间坐标和目标对象的三维空间坐标，之后计算每个物品与目标对象的距离，当物品与目标对象的距离小于预设距离时，可以认为目标对象对该物品的关注度较高或关注的概率较高。这时可以将该物品作为与目标对象相关联的物品。可以从图像中提取与目标对象相关联的物品的信息，包括颜色、形状、尺寸等。可选地，可以在图像坐标系中计算每个物品与目标对象的距离，将图像坐标系中计算每个物品与目标对象的距离小于预设距离的物品作为与目标对象相关联的物品来进行物品信息的提取。可选地，物品信息可以包括以下至少一项：类型、品牌、等级、展示位置信息、关注度信息。其中，展示位置信息可以基于图像提取，可以包括物品与其他物品的相对位置信息。关注度信息可以通过在网络中查找该物品的搜索量、购买量等获取。

在本实施例的一些可选的实现方式中，可以采用如下方式提取与目标对象相关联的物品信息：首先从视频监控图像中提取出与目标对象的距离小于预设距离的物品的标识，例如物品的商标、名称、编号等，之后基于与目标对象的距离小于预设距离的物品的标识，在预存的物品信息库中检索出与所述的标识对应的物品的信息，作为与目标对象相关联的物品信息。其中预存的物品信息库中可以保存每个物品的标识和其他信息，可以由上述电子设备通过多种途径获取，包括从网络查找，接收客户端上传的物品信息等。

在本实施例中，与目标对象相关联的场所可以包括覆盖目标对象的地理位置的场所。在实际场景中，与目标对象相关联的场所可以是目标对象所在的场所。上述电子设备可以提取目标对象的周边环境信息作为与目标对象相关联的场所信息。诸如可以提取目标对象所在街 道的地理位置信息、目标对象所在场所的布局信息等，作为与目标对象相关联的场所信息。可选地，场所信息可以包括以下至少一项：类型、等级、与其他店铺的相对地理位置、热度信息。其中，类型可以是场所的分类信息，例如可以包括酒店、餐饮、娱乐、购物、运动等类型。等级可以是场所的级别信息，例如可以将酒店的星级作为等级，可以将餐馆的网络评分或消费水平等级作为餐馆的等级。与其他店铺的相对地理位置可以从一幅视频监控图像中提取，也可以基于连续的多幅视频监控图像提取。热度信息可以是场所的关注度信息，诸如人流量信息、网络搜索量信息。

在本实施例的一些可选的实现方式中，可以通过如下方式提取与目标对象相关联的场所信息：首先从视频监控图像中提取覆盖目标对象的地理位置的场所的标识，然后基于覆盖所述目标对象的地理位置的场所的标识，在预存的场所信息库中检索出与目标对象相关联的场所信息。可以识别图像中的各场所，并确定出各场所覆盖的范围，然后计算目标对象在图像中的位置，判断各场所覆盖的范围是否包含目标对象在图像中的位置，如果是，则确定该场所为与目标对象相关联的场所。之后可以从视频监控图像中提取场所的标识(例如道路路牌、建筑物名称、店铺名称)。可以通过多种途径查找预存的场所信息库中与该场所的标识对应的信息，作为与目标对象相关联的信息。例如可以通过网络搜索网络服务器中保存的场所信息，也可以通过在客户端上传的场所信息中检索场所的标识来获取对应的场所信息。

步骤204，对目标对象的特征信息、与目标对象相关联的物品信息以及与目标对象相关联的场所信息进行分析处理，以确定目标区域内的目标对象的属性信息。

在提取出目标对象的特征信息、与目标对象相关联的物品信息和与目标对象相关联的场所信息之后，可以对上述提取出的信息进行分析处理，得出目标对象的潜在信息，作为目标对象的属性信息。

在本实施例中，可以采用多种分析方法对上述提取出的信息进行分析处理，例如统计分析的方法以及机器学习的分析方法。

在本实施例的一些可选的实现方式中，上述电子设备可以存储历 史目标对象的特征信息、历史物品信息和历史场所信息，并对相应的历史目标对象的属性信息进行人工标记。可以通过如下方式对步骤203提取出的信息进行分析处理：基于已存储的上述历史目标对象的特征信息、历史物品信息、历史场所信息建立训练样本，基于训练样本建立属性信息识别模型。属性信息识别模型可以根据输入的目标对象的特征信息、物品信息和场所信息识别出目标对象的属性信息。进一步地，还可以基于标记的历史目标对象的属性信息对属性信息识别模型进行优化。将步骤203提取出的信息输入属性信息识别模型，即可得出目标对象的属性信息。

在本实施例的一些可选的实现方式中，可以通过如下方式对步骤203提取的信息进行分析处理：基于历史目标对象的特征信息、与历史目标对象相关联的物品信息、与历史目标对象相关联的场所信息以及标记的历史目标对象的属性信息建立对应关系表；将目标对象的特征信息、与目标对象相关联的物品信息以及与目标对象相关联的场所信息分别与历史目标对象的特征信息、与历史目标对象相关联的物品信息、与历史目标对象相关联的场所信息进行匹配；将匹配出的历史目标对象的特征信息、与历史目标对象相关联的物品信息以及与历史目标对象相关联的场所信息对应的历史目标对象的属性信息作为目标对象的属性信息。可以基于历史数据的统计结果建立目标对象的特征信息、物品信息、场所信息与目标对象的属性信息的对应关系表，在对应关系表中查找步骤203提取出的目标对象的特征信息、物品信息、场所信息对应的目标对象的属性信息。

在本实施例的一些可选的实现方式中，目标对象的属性信息可以包括以下至少一项：年龄、性别、性格、健康状态、购买力、与其他目标对象的社会关系、兴趣信息。可以基于目标对象的衣着风格、化妆风格、表情、姿态分析得出目标对象的年龄、性别、性格、健康状态中的一项或多项。例如，目标对象的年龄和性别可以基于目标对象的面部特征以及目标对象关注的物品类型，通过分类器分析得出；性格可以通过对表情、姿态、衣着颜色等的深度分析得出，作为示例，如果目标对象的衣着颜色鲜艳，可以认为目标对象的性格外向；健康 状态可以通过目标对象的皮肤颜色、表情和身体姿态等分析得出。也可以基于目标对象与其他目标对象的相对位置信息分析确定出目标对象的社会关系信息，例如可以通过判断相对位置信息是否满足预设的条件来确定目标对象是否与其他目标对象具有家人或朋友关系。可选地，可以基于多个目标对象的衣着风格的相似程度来判断多个目标对象之间的社会关系信息，例如可以将穿着相同款式不同尺码的衣服的儿童和大人之间的关系确定为家人关系。还可以基于目标对象的消费行为、停留时间、行为轨迹信息以及所述的物品信息和所述的场所信息分析得出目标对象的购买力和/或兴趣信息。具体地，购买力可以通过分析目标对象的消费行为以及目标对象发生的消费行为所针对的物品的信息以及消费行为所在场所的信息来得出；兴趣信息可以通过综合分析用户的衣着、外貌特征、消费行为针对的物品的信息、停留时间、轨迹信息以及停留过的场所的信息等得出。

通过对目标区域内的每一幅视频监控图像进行上述处理，即可以获取目标区域内所有目标对象的属性信息。

本实施例所提供的用于确定目标对象的属性信息的方法可以应用于线下场景的用户画像构建。进一步参考图3，其示出了图2所示实施例的应用场景的一个效果示意图。如图3所示，商场的监控设备可以采集包含用户图像的视频数据并上传至云平台服务器。云平台服务器可以对视频数据进行分析处理，例如可以通过行人检测的算法从图像中检测出该用户，并对用户的外在形态、行为轨迹、消费行为等进行识别，同时对用户浏览或接触的物品进行实时的识别，对用户进入的店铺信息进行识别。之后云平台的服务器可以基于识别出的信息、采用机器学习的方法确定用户的属性信息，构建用户画像。所构建的用户画像中可以包含用户的兴趣信息。云平台的服务器可以将用户画像反馈给商场内各店铺的商家，使得商家实时地了解用户的性格、兴趣等特征，从而进行更有针对性的服务。云平台的服务器还可以对获取的大数据量的用户画像进行综合性的统计分析，商场可以根据统计分析结果进行业务决策。例如可以统计用户在两个店铺都发生消费的概率，当概率超过预设的概率阈值时，商场可以重新布局店铺的位置， 缩短这两个店铺的相对距离。

本申请的上述实施例提供的方法通过利用视频监控图像实时地提取目标对象，充分利用了目标对象的外部特征、行为特征以及与目标对象相关的信息，提升了所确定出的目标对象属性信息的准确性和全面性。同时，由于从实际图像中提取了目标对象的特征信息和其他相关信息，对用户的线下行为进行分析，提升了目标对象的信息来源的可靠性，从而实现了更精准的目标对象属性信息的分析，提升了确定出的目标对象的属性信息的准确性。

继续参考图4，其示出了根据本申请的用于确定目标对象的属性信息的方法的另一个实施例的流程图。该用于确定目标对象的属性信息的方法流程400，包括以下步骤：

步骤401，获取目标区域的视频监控图像。

在本实施例中，目标区域可以为预设的区域。在实际场景中，目标区域可以为一条街道、一个或多个建筑物所覆盖的全部或部分区域。目标区域内可以设置有视频监控设备，用于采集目标区域内的视频监控图像。

在本实施例中，用于确定目标对象的属性信息的方法运行于其上的电子设备(例如图1中的服务器105)可以通过网络获取目标区域的视频监控图像。获取的方式可以为从存储目标区域的视频监控图像的存储设备(例如图1中的服务器102)中调取，例如通过网络接收上述存储设备传输的视频数据。在实际场景中，图像采集设备(例如监控摄像头)通过光学成像方式采集到目标区域的视频监控图像之后，可以将采集到的视频监控图像通过网络传输至云平台的服务器。云平台的服务器可以通过接收视频监控图像实时地获取目标区域的监控视频监控图像。

步骤402，检测视频监控图像中的目标对象。

其中，目标对象包括目标区域内的人物。在本实施例中，将目标区域内的人物作为分析的对象。首先可以通过检测目标对象来将目标对象从视频监控图像中提取出来。目标对象的检测可以采用多种行人检测方法，例如边缘检测与图像分割结合的方法，光流检测方法、基 于神经网络的方法。

在本实施例中，检测视频监控图像中的目标对象可以包括：基于视频监控图像对目标对象进行跟踪。上述电子设备可以从一幅视频监控图像中提取目标对象的特征，并在其他多幅视频监控图像中匹配目标对象的特征，从匹配成功的视频监控图像中确定出目标对象的行为轨迹。

步骤403，基于视频监控图像提取目标对象的特征信息、与目标对象相关联的物品信息以及与目标对象相关联的场所信息。

目标对象的特征信息可以是目标对象的外部特征信息，例如外貌、形态等信息。在确定目标对象之后，上述电子设备可以采用多种方式提取目标对象的特征信息。例如将视频监控图像中目标对象的灰度信息作为一部分的特征信息。又例如基于图像识别的方式识别目标对象的特征信息。可以从视频监控图像中提取目标对象的特征点或特征向量，基于分类器对目标对象的对特征点或特征向量进行分类，从而获取目标对象的特征信息。

在本实施例中，与目标对象相关联的物品包括与目标对象的距离小于预设距离的物品。上述电子设备可以从图像中提取出多个物品，并计算所提取出的物品与目标对象的相对距离，然后基于摄像机标定获取物品的三维空间坐标和目标对象的三维空间坐标，之后计算每个物品与目标对象的距离，当物品与目标对象的距离小于预设距离时，可以认为目标对象对该物品的关注度较高或关注的概率较高。这时可以将该物品作为与目标对象相关联的物品。可以从图像中提取与目标对象相关联的物品的信息，包括颜色、形状、尺寸等。可选地，可以在图像坐标系中计算每个物品与目标对象的距离，将图像坐标系中计算每个物品与目标对象的距离小于预设距离的物品作为与目标对象相关联的物品来进行物品信息的提取。进一步地，可以基于视频监控图像中与目标对象关联的物品的标识，并通过在网络中查找该物品的标识对应的物品信息来提取所述的与目标对象相关联的物品信息。

在本实施例中，与目标对象相关联的场所可以包括覆盖目标对象的地理位置的场所。在实际场景中，与目标对象相关联的场所可以是 目标对象所在的场所。上述电子设备可以提取目标对象的周边环境信息作为与目标对象相关联的场所信息。可选地，可以从视频监控图像中提取覆盖目标对象的地理位置的场所的标识，然后基于该标识，在预存的场所信息库中检索出与目标对象相关联的场所信息。

步骤404，对目标对象的特征信息、与目标对象相关联的物品信息以及与目标对象相关联的场所信息进行分析处理，以确定目标区域内的目标对象的属性信息。

在提取出目标对象的特征信息、与目标对象相关联的物品信息和与目标对象相关联的场所信息之后，可以对上述提取出的信息进行分析处理，得出目标对象的潜在信息，作为目标对象的属性信息。具体的分析处理方法可以包括但不限于采用机器学习的方式进行分类的方法以及统计分析方法。其中，采用机器学习的方法包括根据历史数据建立目标对象的属性信息识别模型，将目标区域内每一个目标对象的特征信息、与目标对象相关联的物品信息和场所信息输入属性信息识别模型，得到目标区域内每一个目标对象的属性信息。基于统计分析方法包括基于历史数据建立目标对象的特征信息、与目标对象相关联的物品信息、与目标对象相关联的场所信息与目标对象的属性信息的对应关系表，通过在对应关系表中查找步骤403中提取出的信息来得出目标区域内每一个目标对象的属性信息。

可选地，目标对象的属性信息可以包括以下至少一项：年龄、性别、性格、健康状态、购买力、与其他目标对象的社会关系、兴趣信息。

步骤405，基于目标对象的属性信息推送与目标区域关联的信息。

在本实施例中，上述电子设备可以根据步骤404得出的目标对象的属性信息向目标对象推送相关内容。其中，所推送的相关内容可以是预设的内容。具体地，可以根据目标对象的兴趣信息推送目标对象可能感兴趣的物品或场所的信息，也可以根据目标对象的年龄、性别、健康状态推送具有相似的年龄、相同的性别、相似的健康状态的其他目标对象关注的信息。

在本实施例中，上述电子设备可以计算与目标区域关联的待推送 信息与目标对象的属性信息的匹配度。该匹配度可以是待推送信息的类别与目标对象的属性信息之间的匹配度。将匹配度最高的一条或多条信息推送给目标对象。推送的方式可以包括通过网络发送至目标区域内的终端。可选地，目标区域内的终端可以包括目标对象的智能终端，例如手机、平板电脑、智能手表等。终端在接收到推送的信息之后可以以图像、文字或音频的方式呈现推送的信息。目标对象可以通过这些终端获取推送的信息。作为示例，当用户进入某一店铺购买了某一类型的商品，云平台的服务器可以基于视频监控图像获取该用户的外貌特征、衣着特征、配饰特征、在该店铺内停留的时间、该店铺的相关信息以及该商品的价位、型号等信息，并通过机器学习的方式识别该用户的兴趣点。随后云平台服务器可以将识别出的用户的兴趣点发送至其他商家的客户端。其他商家可以基于该用户的兴趣点向用户推荐相应的商品。例如，当用户购买了某品牌的电子产品，则可以向该用户推送其他新电子产品的商品的信息，向与该用户具有相近的年龄、类似的穿着的其他用户推送同品牌电子产品的广告。进一步地，在上述场景中，如果一个用户购买了某一商品，则云平台服务器可以基于购买该商品的大数量的用户的特征分析得出该用户的年龄特征，并向其推送该年龄段的其他用户喜欢的产品。

进一步参考图5，其示出了图4所示实施例的应用场景的一个效果示意图。如图4所示，商场的视频监控设备可以采集整个商场的监控图像，之后将监控图像上传至云平台服务器。云平台服务器可以对监控图像进行分析处理，例如可以对用户的轨迹进行跟踪并分析用户的特征、用户接触的商品的特征以及用户停留的店铺的特征，通过机器学习或统计分析的方法对这些特征进行分析，得出该用户的用户画像，包括该用户的年龄、性别、兴趣爱好、健康状态、消费水平、与其他用户是否有家人、朋友关系等。之后，云平台的服务器可以基于用户画像向用户推送商场内的商品或店铺的相关信息。例如，在实际场景中，如果综合服务中心内的云平台的服务器识别出目标对象的兴趣信息包含运动，则可以向其推送健身的咨询或运动商品的打折信息。

在本实施例中，采用目标对象的实际图像作为确定属性信息的依 据，能够避免基于终端保存的行为日志信息构建目标对象属性信息的方法中存在的虚假信息导致用户属性信息不准确的问题。在不依赖移动终端的情况下，也可以准确地确定出目标对象的属性信息。

从图4中可以看出，与图2对应的实施例相比，本实施例中的用于确定目标对象的属性信息的方法的流程400增加了推送目标区域的关联信息的步骤。由此，本实施例描述的方案可以实现更有针对性的信息推送。

进一步参考图6，作为对上述各图所示方法的实现，本申请提供了一种用于确定目标对象的属性的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图6所示，本实施例所述的用于确定目标对象的属性信息的装置600包括：获取单元601、检测单元602、提取单元603以及处理单元604。其中，获取单元601配置用于获取目标区域的视频监控图像；检测单元602配置用于检测视频监控图像中的目标对象，所述的目标对象包括目标区域内的人物；提取单元603配置用于基于视频监控图像提取目标对象的特征信息、与目标对象相关联的物品信息以及与目标对象相关联的场所信息；处理单元604配置用于对目标对象的特征信息、与目标对象相关联的物品信息以及与目标对象相关联的场所信息进行分析处理，以确定目标区域内的目标对象的属性信息。

在本实施例中，目标区域可以为预设的区域，目标区域内可以设置有视频监控设备，用于采集目标区域内的视频监控图像。获取单元601可以通过网络获取目标区域的视频监控图像。获取的方式可以为从存储目标区域的视频监控图像的存储设备中调取，例如通过网络接收上述存储设备传输的视频数据，也可以直接接收视频监控设备传输的视频数据。

在本实施例中，检测单元602可以通过检测目标对象来将目标对象从获取单元601获取的视频监控图像中提取出来。目标对象的检测可以采用多种行人检测方法，例如边缘检测与图像分割结合的方法，光流检测方法、基于神经网络的方法。一种可选方式包括：对视频监 控费图像进行特征台球，将提取出的特征与预存的目标对象那个的特征模板进行匹配，将匹配成功的特征对应的图像区域作为目标对象的图像区域，实现视频监控图像中目标对象的检测。

提取单元603可以基于获取单元601获取的视频监控图像，采用特征提取等方式提取检测单元602检测出的目标对象的特征信息。提取单元603还可以基于目标对象与视频监控中的物品和场所的相对位置关系提取出与目标对象相关联的物品信息以及与目标对象相关联的场所信息。

处理单元604可以基于提取单元603提取出的信息进行分析处理。分析处理的方式包括但不限于机器学习方式和统计分析方式。其中，通过机器学习的方式进行分析处理可以如下执行：根据历史数据建立目标对象的属性信息识别模型，将目标区域内每一个目标对象的特征信息、与目标对象相关联的物品信息和场所信息输入属性信息识别模型，得到目标区域内每一个目标对象的属性信息。统计分析方式的具体实现可以包括：基于历史数据建立目标对象的特征信息、与目标对象相关联的物品信息、与目标对象相关联的场所信息与目标对象的属性信息的对应关系表，通过在对应关系表中检索提取单元603提取出的信息来查找出与目标区域内每一个目标对象的属性信息。

在本实施例的一些可选的实现方式中，上述用于确定目标对象的属性信息的装置600还可以包括推送单元，配置用于基于目标对象的属性信息推送与目标区域关联的信息。

可以理解，装置600中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作和特征同样适用于装置600及其中包含的单元，在此不再赘述。

本领域技术人员可以理解，上述用于确定目标对象的属性信息的装置600还包括一些其他公知结构，例如处理器、存储器等，为了不必要地模糊本公开的实施例，这些公知的结构在图6中未示出。

本申请上述实施例所提供的用于确定目标对象的属性信息的装置，能够基于更全面的用户特征来确定目标对象的属性信息，提升了所确定的目标对象的属性信息的准确性。

下面参考图7，其示出了适于用来实现本申请实施例的终端设备或服务器的计算机系统700的结构示意图。

如图7所示，计算机系统700包括中央处理单元(CPU)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有系统700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

以下部件连接至I/O接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，所述计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，所述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的 是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、检测单元、提取单元和处理单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“用于获取目标区域的视频监控图像的单元”。

作为另一方面，本申请还提供了一种非易失性计算机存储介质，该非易失性计算机存储介质可以是上述实施例中所述装置中所包含的非易失性计算机存储介质；也可以是单独存在，未装配入终端中的非易失性计算机存储介质。上述非易失性计算机存储介质存储有一个或者多个程序，当所述一个或者多个程序被一个设备执行时，使得所述设备：获取目标区域的视频监控图像；检测所述视频监控图像中的目标对象，所述目标对象包括所述目标区域内的人物；基于所述视频监控图像提取所述目标对象的特征信息、与所述目标对象相关联的物品信息以及与所述目标对象相关联的场所信息；对所述目标对象的特征信息、所述与所述目标对象相关联的物品信息以及所述与所述目标对象相关联的场所信息进行分析处理，以确定所述目标区域内的目标对象的属性信息。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。