本发明涉及目标检测的，具体为一种用于在reid技术识别、比对、归并统计客流数的方法。
背景技术：
1、随着经济逐渐复苏，线下门店则又迎来快速发展，因此对于到店顾客精准统计的需求也逐渐增高。因此需要对顾客的数量、流量进行统计。
2、采用红外线感应的方式成本较低，但是会出现重复统计的情况(例如：由于忘记买其它东西的顾客重复进出线下门店等)，导致统计出来的顾客流量不精确。采用人脸识别的方式时需要顾客正对镜头和脱帽取口罩等操作，且不能出现光照不均匀或者侧脸遮挡等情况，才能使得统计出来的顾客流量精确，然而，在实践过程中很难这样操作导致这种方式统计出来的顾客流量也不精确。因此，目前采用红外线感应和人脸识别的方式统计顾客流量的精确度不高。
技术实现思路
1、针对现有技术存在的不足，本发明的目的在于提供一种用于在reid技术识别、比对、归并统计客流数的方法，用于改善现有匹配归并的不准确之处。
2、本发明的上述目的是通过以下技术方案得以实现的：
3、一种用于在reid技术识别、比对、归并统计客流数的方法，包括如下步骤：
4、a：通过设备端粗略统计过/进店数据，包括算法检测人形并追踪轨迹，通过筛分轨迹结束后人形轨迹状态，上传至云端；
5、b：通过云端精细化过滤进店顾客数据，通过reid对提取人形的特征值，进行过滤、筛分以及去重，最后进行匹配和归并，得出结果。
6、本发明在一较佳示例中可以进一步配置为：人形状态判断：在设备上建立过店、进店以及离店的判断规则，判断每个人形的事件状态。
7、本发明在一较佳示例中可以进一步配置为：对设备端上传至平台的人形图送至算法模型分析服务器，使用图像识别算法模型，对人员进行筛选。
8、本发明在一较佳示例中可以进一步配置为：对上传至平台的人形图使用reid技术提取人形的特征值，如果上传多张人形图，则将从多张人形图的特征值加权后融合为一组特征值。
9、本发明在一较佳示例中可以进一步配置为：用户设置店员判断方式规则：
10、将每个进店/离店人形图与录入的人形底库中的数据比对reid特征值相似度：
11、对超过阈值的则判定为店员，不进行后续比对及归并；
12、对判定为非店员进行后续比对归并流程。
13、本发明在一较佳示例中可以进一步配置为：比对包括“进-离”匹配和“进-进”归并。
14、本发明在一较佳示例中可以进一步配置为：用户设置店员判断的方式为根据进店次数/停留时长判断时，根据用户设置的店员判断规则对店员数据进行过滤。
15、本发明在一较佳示例中可以进一步配置为：根据用户设置的顾客去重时长，对进店顾客的数据进行处理，在去重时长内多次进店只记一个有效进店顾客数据。
16、综上所述，本发明包括以下至少一种有益技术效果：
17、1.本方法结合了人形检测与跟踪技术，通过多次过滤和判断，能够提高目标检测的准确性；
18、2.不仅仅基于单一的特征或判断条件，而是综合考虑了人形在摄像头内出现的时间、离店事件发生在进店事件结束之后、事件先后、相似度等因素；
19、3.本方法在各个阶段都提供了多种条件及阈值设置；同时可以应用于不同的行业场景可能存在的不同匹配市场需求，保证较高的准确率；
20、基于reid技术的对客流数统计方法具备高准确性、可靠性、灵活性等优点，能够在多种场景下统计真实的客流数。
1.一种用于在reid技术识别、比对、归并统计客流数的方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种用于在reid技术识别、比对、归并统计客流数的方法，其特征在于，人形状态判断：在设备上建立过店、进店以及离店的判断规则，判断每个人形的事件状态。
3.根据权利要求1所述的一种用于在reid技术识别、比对、归并统计客流数的方法，其特征在于，对设备端上传至平台的人形图送至算法模型分析服务器，使用图像识别算法模型，对人员进行筛选。
4.根据权利要求3所述的一种用于在reid技术识别、比对、归并统计客流数的方法，其特征在于，对上传至平台的人形图使用reid技术提取人形的特征值，如果上传多张人形图，则将从多张人形图的特征值加权后融合为一组特征值。
5.根据权利要求1所述的一种用于在reid技术识别、比对、归并统计客流数的方法，其特征在于，用户设置店员判断方式规则：
6.根据权利要求5所述的一种用于在reid技术识别、比对、归并统计客流数的方法，其特征在于，比对包括“进-离”匹配和“进-进”归并。
7.根据权利要求1所述的一种用于在reid技术识别、比对、归并统计客流数的方法，其特征在于，用户设置店员判断的方式为根据进店次数/停留时长判断时，根据用户设置的店员判断规则对店员数据进行过滤。
8.根据权利要求1所述的一种用于在reid技术识别、比对、归并统计客流数的方法，其特征在于，根据用户设置的顾客去重时长，对进店顾客的数据进行处理，在去重时长内多次进店只记一个有效进店顾客数据。
