产品流行趋势的分析方法、装置、电子设备及存储介质与流程

1.本发明涉及大数据分析技术领域，特别是涉及一种产品流行趋势的分析方法、装置、电子设备及存储介质。


背景技术：

2.产品需要进行流行趋势分析，如服装行业，都基于大数据技术进行分析。相关技术中，通常是从电子商务网站中获取购买服装的购买信息，然后基于购买信息进行流行趋势分析。
3.然而，发明人发现，从电子商务网站获取的购买信息中除了购买服装的购买数据外，通常还有大量的换货数据和/或退货数据，这些换货数据和/或退货数据的存在会导致进行服装流行趋势分析时，分析结果出现误差，使得分析结果不够准确。


技术实现要素：

4.本发明实施例的目的在于提供一种产品流行趋势的分析方法、装置、电子设备及存储介质，以实现避免使用包含换货数据和/或退货数据的数据集进行流行趋势分析，提高产品流行趋势分析的准确度。具体技术方案如下：
5.第一方面，本发明实施例提供了一种产品流行趋势的分析方法，该方法包括：
6.获取视频监控设备采集的行人图像的图像集，其中，图像集中至少两张行人图像中的行人不同，且具有不同行人的行人图像的数量的比值在预设比值范围内，图像集中的行人图像中包含目标产品图像；
7.从每张行人图像中提取目标产品图像；
8.对每张目标产品图像进行识别，获得每张目标产品图像中目标产品的各个视觉属性的属性值；
9.基于每张目标产品图像中目标产品的各个视觉属性的属性值，确定目标产品的流行趋势。
10.可选的，获取视频监控设备采集的行人图像的图像集，包括：
11.获取视频监控设备采用多目标跟踪算法采集的视频，其中，视频中的每个视频帧均标注有目标框的位置和目标标签；
12.从视频中抽取视频帧，并基于所抽取的视频帧的目标标签和目标框的位置，从所抽取的视频帧中获取包含行人的行人图像。
13.可选的，从视频中抽取视频帧，并基于所抽取的视频帧的目标标签和目标框的位置，从所抽取的视频帧中获取包含行人的行人图像，包括：
14.从视频中抽取多个视频帧；
15.针对每个视频帧，基于所抽取的视频帧的目标标签和目标框的位置，从该视频帧中提取与包含的不同行人对应的行人图像；
16.获取多个视频帧对应的具有相同行人的多张行人图像，并对多张行人图像进行质
量分析，得到多张行人图像分别对应的质量评分；
17.在多张行人图像中，选择质量评分最高的行人图像作为该行人对应的行人图像。
18.可选的，从每个行人图像中提取目标产品图像，包括：
19.采用目标产品分割算法对行人图像进行分割，得到行人图像中不同穿着部位的目标产品对应的目标产品图像；
20.可选的，对每张目标产品图像进行识别，获得每张目标产品图像中目标产品的各个视觉属性的属性值，包括：
21.采用目标产品分类算法对每张目标产品图像进行属性识别，得到每张目标产品图像中目标产品的视觉属性；
22.对图像集中所有目标产品图像中目标产品的视觉属性进行分析，得到每张目标产品图像中目标产品的各个视觉属性的属性值。
23.可选的，基于每张目标产品图像中目标产品的各个视觉属性的属性值，确定目标产品的流行趋势，包括：
24.基于各个视觉属性的属性值，确定属性值最大的视觉属性对应的目标产品为最流行产品；和/或
25.基于各个视觉属性的属性值从大到小的排序，确定属性值排序位于预设位数之前的视觉属性对应的目标产品为流行产品。
26.第二方面，本发明实施例还提供了一种产品流行趋势的分析装置，该装置包括：
27.图像集获取模块，用于获取视频监控设备采集的行人图像的图像集，其中，图像集中至少两张行人图像中的行人不同，且具有不同行人的行人图像的数量的比值在预设比值范围内，图像集中的行人图像中包含目标产品图像；
28.图像提取模块，用于从每张行人图像中提取目标产品图像；
29.属性值识别模块，用于对每张目标产品图像进行识别，获得每张目标产品图像中目标产品的各个视觉属性的属性值；
30.流行趋势分析模块，用于基于每张目标产品图像中目标产品的各个视觉属性的属性值，确定目标产品的流行趋势。
31.可选的，图像集获取模块，包括：
32.视频获取子模块，用于获取视频监控设备采用多目标跟踪算法采集的视频，其中，视频中的每个视频帧均标注有目标框的位置和目标标签；
33.图像集获取模块子模块，用于从视频中抽取视频帧，并基于所抽取的视频帧的目标标签和目标框的位置，从所抽取的视频帧中获取包含行人的行人图像。
34.可选的，图像集获取模块子模块，包括：
35.视频帧抽取单元，用于从视频中抽取多个视频帧；
36.图像分割单元，用于针对每个视频帧，基于所抽取的视频帧的目标标签和目标框的位置，从该视频帧中提取与包含的不同行人对应的行人图像；
37.质量分析单元，用于获取多个视频帧对应的具有相同行人的多张行人图像，并对多张行人图像进行质量分析，得到多张行人图像分别对应的质量评分；
38.图像集获取单元，用于在多张行人图像中，选择质量评分最高的行人图像作为该行人对应的行人图像。
39.可选的，图像提取模块，具体用于：
40.采用目标产品分割算法对行人图像进行分割，得到行人图像中不同穿着部位的目标产品对应的目标产品图像；
41.可选的，属性值识别模块，包括：
42.视觉属性识别子模块，用于采用目标产品分类算法对每张目标产品图像进行属性识别，得到每张目标产品图像中目标产品的视觉属性；
43.属性值分析子模块，用于对图像集中所有目标产品图像中目标产品的视觉属性进行分析，得到每张目标产品图像中目标产品的各个视觉属性的属性值。
44.可选的，流行趋势分析模块，具体用于：
45.基于各个视觉属性的属性值，确定属性值最大的视觉属性对应的目标产品为最流行产品；和/或
46.基于各个视觉属性的属性值从大到小的排序，确定属性值排序位于预设位数之前的视觉属性对应的目标产品为流行产品。
47.本发明实施例提供的一种产品流行趋势的分析方法、装置、电子设备及存储介质，在确定目标产品流行趋势时，可以首先获取监控设备采集的行人图像的图像集，然后从每张行人图像中提取目标产品图像，对每张目标产品图像进行识别，获得每张目标产品图像中目标产品的各个视觉属性的属性值，最后，基于每张目标产品图像中目标产品的各个视觉属性的属性值，确定目标产品的流行趋势。由于该图像集中的至少两张行人图像中的行人不同，且具有不同行人的行人图像的数量的比值在预设比值范围内，从而使得该图像集中的不同行人图像中的行人不完全重复，并且，由于行人图像中的产品是穿着在行人身上的，可以代表行人的穿着趋向，因此，基于行人图像中的目标产品来分析目标产品的流行趋势，可以避免使用包含换货数据和/或退货数据的数据集进行流行趋势分析，从而提高产品流行趋势分析的准确度。当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
48.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
49.图1为本发明实施例的产品流行趋势的分析方法第一种实施方式的流程图；
50.图2为本发明实施例的产品流行趋势的分析方法第二种实施方式的流程图；
51.图3为本发明实施例的产品流行趋势的分析方法第三种实施方式的流程图；
52.图4为本发明实施例的产品流行趋势的分析方法第四种实施方式的流程图；
53.图5为本发明实施例的产品流行趋势的分析装置的结构示意图；
54.图6为本发明实施例的一种电子设备的结构示意图。
具体实施方式
55.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完
整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
56.在现有技术中，通常是从电子商务网站中获取购买服装的购买信息，然后基于购买信息进行流行趋势分析，然而，从电子商务网站获取的购买信息中除了购买服装的购买数据外，通常还有大量的换货数据和/或退货数据，这些换货数据和/或退货数据的存在会导致进行服装流行趋势分析时，分析结果出现误差，使得分析结果不够准确。
57.对此，本发明实施例提供了一种产品流行趋势的分析方法、装置、电子设备及存储介质，以便通过获取在商业中心出入口拍摄的行人图像，然后从每张行人图像中提取目标产品图像，对每张目标产品图像进行识别，获得每张目标产品图像中目标产品的各个视觉属性的属性值，最后，基于每张目标产品图像中目标产品的各个视觉属性的属性值，确定目标产品的流行趋势。从而可以避免使用包含换货数据和/或退货数据的数据集进行流行趋势分析，提高产品流行趋势分析的准确度。
58.下面，首先对本发明实施例的一种产品流行趋势的分析方法进行介绍，如图1所示，为本发明实施例的产品流行趋势的分析方法第一种实施方式的流程图，该方法可以包括：
59.s110，获取视频监控设备采集的行人图像的图像集。
60.在一些示例中，该视频监控设备可以安装在城市各大商场的出入口或者其他繁华地带，然后该视频监控设备可以采集行人的图像，因此，可以获取到视频监控设备采集的行人图像，从而形成包含有多个行人图像的图像集。
61.在一些示例中，在该图像集中，图像集中至少两张行人图像中的行人不同，且具有不同行人的行人图像的数量的比值在预设比值范围内，图像集中的行人图像中包含目标产品图像；
62.例如，该图像集中可以包括行人a的图像3张，行人b的图像4张，行人c的图像5张，该行人a的图像数量与行人b的图像数量的比值在预设比值范围内，该行人a的图像数量与行人c的图像数量的比值也在预设比值范围内，该行人c的图像数量与行人b的图像数量的比值也在预设比值范围内。在又一些示例中，该预设比值范围设置的越小，则各个行人的行人图像的数量越相近。
63.在又一些示例中，该预设比值范围可以是根据经验预先设置的比值范围。例如，可以设置为0.8～1.2，或者0.9～1.1等。
64.在一些示例中，该目标产品可以是应用本发明实施例的产品流行趋势的分析方法分析流行趋势的产品，该目标产品可以包括：上衣、裤子、外套、手表、眼镜、帽子、口罩等产品。
65.s120，从每张行人图像中提取目标产品图像。
66.在获取到包含多个行人图像的图像集后，可以从每张行人图像中提取目标产品图像。
67.在一些示例中，当对多个产品的流行趋势进行分析时，则目标产品为多个，则可以针对每个目标产品，分别提取多个目标产品图像，该多个目标产品图像分别多张行人图像中的。
68.s130，对每张目标产品图像进行识别，获得每张目标产品图像中目标产品的各个视觉属性的属性值。
69.s140，基于每张目标产品图像中目标产品的各个视觉属性的属性值，确定目标产品的流行趋势。
70.在一些示例中，在得到目标产品图像后，为了确定目标产品的流行趋势，可以先对每张目标产品图像进行识别，以便识别该目标产品图像中目标产品的视觉属性的属性值。
71.在一些示例中，该视觉属性可以包括：款式、颜色、品牌等。
72.在又一些示例中，可以将每张目标产品图像输入至一个预先训练得到的识别模型中进行分析，从而可以获得每张目标产品图像中目标产品的各个视觉属性的属性值。该预先训练得到的识别模型可以是采用标注有视觉属性的产品图像样本进行训练得到的。
73.在得到每张目标产品图像中目标产品的各个视觉属性的属性值后，可以基于每张目标产品图像中目标产品的各个视觉属性的属性值，确定目标产品的流行趋势。
74.在一些示例中，该目标产品的流行趋势可以是指最流行的产品，该最流行的产品可以是指该产品的属性，例如，款式、颜色。
75.在又一些示例中，该目标产品的流行趋势也可以是指相对流行的一些产品。
76.因此，在基于每张目标产品图像中目标产品的各个视觉属性的属性值，确定目标产品的流行趋势时，可以基于各个视觉属性的属性值，确定属性值最大的视觉属性对应的目标产品为最流行产品，和/或基于各个视觉属性的属性值从大到小的排序，确定属性值排序位于预设位数之前的视觉属性对应的目标产品为流行产品。
77.其中，该预设位数可以是人工预先设置的位数，例如，该预设位数可以是3位，也可以是10位等。当该预设位数为3位时，则可以基于各个视觉属性的属性值从大到小的排序，确定属性值排序为前3位的视觉属性对应的目标产品为流行产品。
78.本发明实施例提供的一种产品流行趋势的分析方法，在确定目标产品流行趋势时，可以首先获取监控设备采集的行人图像的图像集，然后从每张行人图像中提取目标产品图像，对每张目标产品图像进行识别，获得每张目标产品图像中目标产品的各个视觉属性的属性值，最后，基于每张目标产品图像中目标产品的各个视觉属性的属性值，确定目标产品的流行趋势。由于该图像集中的至少两张行人图像中的行人不同，且具有不同行人的行人图像的数量的比值在预设比值范围内，从而使得该图像集中的不同行人图像中的行人不完全重复，并且，由于行人图像中的产品是穿着在行人身上的，可以代表行人的穿着趋向，因此，基于行人图像中的目标产品来分析目标产品的流行趋势，可以避免使用包含换货数据和/或退货数据的数据集进行流行趋势分析，从而提高产品流行趋势分析的准确度。
79.在图1所示的产品流行趋势的分析方法的基础上，本发明实施例还提供了一种可能的实现方式，如图2所示，为本发明实施例的产品流行趋势的分析方法第二种实施方式的流程图，该方法可以包括：
80.s210，获取视频监控设备采用多目标跟踪算法采集的视频。
81.其中，视频中的每个视频帧均标注有目标框的位置和目标标签。
82.s220，从视频中抽取视频帧，并基于所抽取的视频帧的目标标签和目标框的位置，从所抽取的视频帧中获取包含行人的行人图像。
83.在一些示例中，上述的视频监控设备可以采集行人的图像，也可以采集视频。为了
使得可以从一张行人图像中可以获取到多个目标产品图像，上述的视频监控设备可以采用多目标跟踪算法采集视频。因此，可以获取到视频监控设备采用多目标跟踪算法采集的视频。
84.在采用多目标跟踪算法采集视频时，该视频监控设备可以对出现在监控区域人和/或物体分别建立标签，并跟踪监控区域人和/或物体的运动轨迹，从而可以形成标注有目标框的位置和目标标签的视频。在一些示例中，该目标标签可以表明目标框中的对象是人或物体。
85.在得到视频监控设备拍摄的视频后，可以从该视频中抽取视频帧。
86.在一些示例中，可以从该视频中随机抽取视频帧，也可以按照该视频中各个视频帧的顺序，依次抽取视频帧。
87.在抽取到视频帧后，可以基于所抽取的视频帧的目标标签和目标框的位置，从所抽取的视频帧中获取包含行人的行人图像。
88.在一些示例中，由于该抽取的视频帧中具有目标标签和目标框的位置，因此，可以从该抽取的视频帧中，获取到与目标框的尺寸相同的图像，又由于每个目标框都具有对应的目标标签，因此，可以基于目标标签，确定出目标标签为人的图像，从而可以获取到包含行人的行人图像。
89.在又一些示例中，在依次抽取该视频中的视频帧后，可以按照各个视频帧在该视频中的顺序，得到视频序列。
90.在又一些示例中，该可以对该视频进行轨迹分析，得到该视频中每个行人在该视频中的轨迹。然后基于每个行人在该视频中的轨迹，从该视频序列中，提取出不同行人对应的视频序列。
91.例如，基于每个行人在该视频中的轨迹，确定出每个行人在视频序列中的每个视频帧中的位置。然后基于每个行人在每个视频帧中的位置，从每个视频帧中提取出包含该行人图像，然后基于每个视频帧对应的行人图像，可以得到该行人对应的视频序列。
92.s230，从每张行人图像中提取目标产品图像。
93.s240，对每张目标产品图像进行识别，获得每张目标产品图像中目标产品的各个视觉属性的属性值。
94.s250，基于每张目标产品图像中目标产品的各个视觉属性的属性值，确定目标产品的流行趋势。
95.可以理解的是，本发明实施例的中的步骤s230～s250，与本发明实施例的第一种实施方式中的步骤s120～s140相似或相同，这里不再赘述。
96.在一些示例中，上述的图像集中，可以包括至少两张不同行人的行人图像，该图像集中每个行人的行人图像可以相同，每个行人的行人图像可以是1张或者多张，对此，在图2所示的产品流行趋势的分析方法的基础上，本发明实施例还提供了一种可能的实现方式，如图3所示，为本发明实施例的产品流行趋势的分析方法第三种实施方式的流程图，该方法可以包括：
97.s310，获取视频监控设备采用多目标跟踪算法采集的视频。
98.其中，视频中的每个视频帧均标注有目标框的位置和目标标签。
99.s320，从视频中抽取多个视频帧。
100.s330，针对每个视频帧，基于所抽取的视频帧的目标标签和目标框的位置，从该视频帧中提取与包含的不同行人对应的行人图像。
101.s340，获取多个视频帧对应的具有相同行人的多张行人图像，并对多张行人图像进行质量分析，得到多张行人图像分别对应的质量评分。
102.s350，在多张行人图像中，选择质量评分最高的行人图像作为该行人对应的行人图像。
103.在一些示例中，为了进一步提高确定流行趋势的准确度。可以针对每个目标产品，从视频中抽取多个视频帧。每个视频帧中可以包含至少一个行人。
104.在抽取到多个视频帧后，可以针对每个视频帧，基于所抽取的视频帧的目标标签和目标框的位置，从该视频帧中提取与包含的不同行人对应的行人图像。这样，可以得到每个视频帧对应的多个行人图像。
105.例如，假设抽取到了视频帧a、视频帧b以及视频帧c，
106.假设视频帧a中包含行人a和行人b，视频帧b中包含行人a、行人b和行人c，视频帧c中包含行人b和行人c，则可以分别从视频帧a、视频帧b以及视频帧c中提取与包含的不同行人对应的行人图像。得到两张包含行人a的行人图像，三张包含行人b的行人图像，两个包含行人c的行人图像。
107.然后，可以从该多个视频帧对应的多个行人图像中，获取具有相同行人的多张行人图像，并对多张行人图像进行质量分析，得到多张行人图像分别对应的质量评分。
108.在一些示例中，对多张行人图像进行质量分析的目的是为了确定出质量较好的行人图像，以便采用质量较好的行人图像进行流行趋势分析。当图像中的行人被遮挡，行人图像模糊、较暗，或者图像中的行人为侧面时，则图像质量较差。
109.例如，可以对包含行人a的两张行人图像进行质量分析，对包含行人b的三张行人图像进行质量分析，对包含行人c的两张行人图像进行质量分析。
110.在得到包含相同行人的多张行人图像的质量评分后，可以从该多张行人图像中，选择质量评分最高的行人图像作为该行人对应的行人图像。
111.例如，可以从包含行人a的两张行人图像中，选择质量评分最高的行人图像作为行人a对应的行人图像，也可以包含行人b的三张行人图像中，选择质量评分最高的行人图像作为行人b对应的行人图像，还可以包含行人c的两张行人图像中，选择质量评分最高的行人图像作为行人c对应的行人图像。
112.在得到每个行人对应的行人图像后，可以执行步骤s360，从每张行人图像中提取目标产品图像。
113.在一些示例中，每张行人图像中，可以包括一个目标产品，也可以包括多个目标产品，当一张行人图像中，包含多个目标产品时，在本发明实施例的一种可能的实现方式中，可以采用目标产品分割算法对行人图像进行分割，得到行人图像中不同穿着部位的目标产品对应的目标产品图像。然后可以执行步骤s370。
114.通过对行人图像进行分割，可以使得在进行流行趋势分析时，仅基于包含该目标产品的图像进行分析，从而可以减少图像的尺寸，提高识别速率，进而可以提高流行趋势分析的效率。
115.s370，对每张目标产品图像进行识别，获得每张目标产品图像中目标产品的各个
视觉属性的属性值。
116.s380，基于每张目标产品图像中目标产品的各个视觉属性的属性值，确定目标产品的流行趋势。
117.可以理解的是，本发明实施例的中的步骤s310、s360～s380，与本发明实施例的第二种实施方式中的步骤s210、s230～s250相似或相同，这里不再赘述。
118.在图3所示的产品流行趋势的分析方法的基础上，本发明实施例还提供了一种可能的实现方式，如图4所示，为本发明实施例的产品流行趋势的分析方法第四种实施方式的流程图，该方法可以包括：
119.s410，获取视频监控设备采用多目标跟踪算法采集的视频。
120.其中，视频中的每个视频帧均标注有目标框的位置和目标标签。
121.s420，从视频中抽取多个视频帧。
122.s430，针对每个视频帧，基于所抽取的视频帧的目标标签和目标框的位置，从该视频帧中提取与包含的不同行人对应的行人图像。
123.s440，获取多个视频帧对应的具有相同行人的多张行人图像，并对多张行人图像进行质量分析，得到多张行人图像分别对应的质量评分。
124.s450，在多张行人图像中，选择质量评分最高的行人图像作为该行人对应的行人图像。
125.s460，从每张行人图像中提取目标产品图像。
126.例如，假设目标产品为服装，则可以从每张行人图像中提取服装图像。在一些示例中，服装通常可以包括上衣、裤子和鞋子，则可以采用服装分割算法，对每张行人图像进行分割，得到行人图像中上衣对应的上衣图像、裤子对应的裤子图像以及鞋子对应的鞋子图像。
127.s470，采用目标产品分类算法对每张目标产品图像进行属性识别，得到每张目标产品图像中目标产品的视觉属性。
128.例如，可以采用服装分类算法对每张上衣图像进行属性识别，得到每张上衣图像中上衣的款式和/或颜色，也可以采用服装分类算法对每张裤子图像进行属性识别，得到每张裤子图像中裤子的款式和/或颜色，还可以采用服装分类算法对每张鞋子图像进行属性识别，得到每张鞋子图像中鞋子的款式和/或颜色。
129.s480，对图像集中所有目标产品图像中目标产品的视觉属性进行分析，得到每张目标产品图像中目标产品的各个视觉属性的属性值。
130.在一些示例中，在识别目标产品图像中目标产品的视觉属性的属性值时，可以先采用目标产品分类算法对每张目标产品图像进行属性识别，从而可以得到每张目标产品图像中目标产品的视觉属性。
131.在又一些示例中，该目标产品分类算法可以预先训练得到的神经网络算法。该预先训练得到的神经网络算法可以是采用标注有视觉属性的产品图像样本进行训练得到的。
132.在又一些示例中，可以针对每种目标产品，分别设置对应的目标产品分类算法，以便针对该目标产品，采用与该目标产品对应的目标产品分类算法，确定出该目标产品的视觉属性。
133.通过对每种目标产品，采用与该目标产品对应的目标产品分类算法，可以使得确
定出的视觉属性更准确，从而可以提高通过后续确定出的流行趋势的准确度。
134.在得到每张目标产品图像中目标产品的视觉属性后，可以对图像集中所有目标产品图像中目标产品的视觉属性进行分析，得到每张目标产品图像中目标产品的各个视觉属性的属性值。
135.在一些示例中，可以针对每个视觉属性，计算该视觉属性在图像集中所有目标产品图像中目标产品的视觉属性中的占比，然后将该占比作为该视觉属性的属性值。
136.例如，可以针对每一种款式，计算该款式在图像集中所有目标产品图像中目标产品的款式中的占比，然后将该占比作为该款式的属性值。然后通过步骤s490，确定出最流行的款式或者比较流行的几种款式。
137.又例如，可以针对每一种颜色，计算该颜色在图像集中所有目标产品图像中目标产品的颜色中的占比，然后将该占比作为该颜色的属性值。然后通过步骤s490，确定出最流行的颜色或者比较流行的几种颜色。
138.例如，可以对图像集中所有上衣图像中上衣的款式和/或颜色进行分析，得到每张上衣图像中上衣的款式和/或颜色的属性值，也可以对图像集中所有裤子图像中裤子的款式和/或颜色进行分析，得到每张裤子图像中裤子的款式和/或颜色的属性值，还可以对图像集中所有鞋子图像中鞋子的款式和/或颜色进行分析，得到每张鞋子图像中鞋子的款式和/或颜色的属性值。
139.s490，基于每张目标产品图像中目标产品的各个视觉属性的属性值，确定目标产品的流行趋势。
140.例如，可以基于每张上衣图像中上衣的款式或颜色的属性值，确定上衣的款式流行趋势和/或颜色流行趋势，也可以基于每张裤子图像中裤子的款式和/或颜色的属性值，确定裤子的款式流行趋势和/或颜色流行趋势，基于每张鞋子图像中鞋子的款式和/或颜色的属性值，确定鞋子的款式流行趋势和/或颜色流行趋势。
141.可以理解的是，本发明实施例的中的步骤s410～s460、s490，与本发明实施例的第三种实施方式中的步骤s310～s360、s380相似或相同，这里不再赘述。
142.相应于上述的方法实施例，本发明实施例还提供了一种产品流行趋势的分析装置，如图5所示，为本发明实施例的一种产品流行趋势的分析装置的结构示意图，该装置可以包括：
143.图像集获取模块510，用于获取视频监控设备采集的行人图像的图像集，其中，图像集中至少两张行人图像中的行人不同，且具有不同行人的行人图像的数量的比值在预设比值范围内，图像集中的行人图像中包含目标产品图像；
144.图像提取模块520，用于从每张行人图像中提取目标产品图像；
145.属性值识别模块530，用于对每张目标产品图像进行识别，获得每张目标产品图像中目标产品的各个视觉属性的属性值；
146.流行趋势分析模块540，用于基于每张目标产品图像中目标产品的各个视觉属性的属性值，确定目标产品的流行趋势。
147.本发明实施例提供的一种产品流行趋势的分析装置，在确定目标产品流行趋势时，可以首先获取监控设备采集的行人图像的图像集，然后从每张行人图像中提取目标产品图像，对每张目标产品图像进行识别，获得每张目标产品图像中目标产品的各个视觉属
性的属性值，最后，基于每张目标产品图像中目标产品的各个视觉属性的属性值，确定目标产品的流行趋势。由于该图像集中的至少两张行人图像中的行人不同，且具有不同行人的行人图像的数量的比值在预设比值范围内，从而使得该图像集中的不同行人图像中的行人不完全重复，并且，由于行人图像中的产品是穿着在行人身上的，可以代表行人的穿着趋向，因此，基于行人图像中的目标产品来分析目标产品的流行趋势，可以避免使用包含换货数据和/或退货数据的数据集进行流行趋势分析，从而提高产品流行趋势分析的准确度。
148.在一些示例中，图像集获取模块510，可以包括：
149.视频获取子模块，用于获取视频监控设备采用多目标跟踪算法采集的视频，其中，视频中的每个视频帧均标注有目标框的位置和目标标签；
150.图像集获取模块子模块，用于从视频中抽取视频帧，并基于所抽取的视频帧的目标标签和目标框的位置，从所抽取的视频帧中获取包含行人的行人图像。
151.在又一些示例中，图像集获取模块子模块，包括：
152.视频帧抽取单元，用于从视频中抽取多个视频帧；
153.图像分割单元，用于针对每个视频帧，基于所抽取的视频帧的目标标签和目标框的位置，从该视频帧中提取与包含的不同行人对应的行人图像；
154.质量分析单元，用于获取多个视频帧对应的具有相同行人的多张行人图像，并对多张行人图像进行质量分析，得到多张行人图像分别对应的质量评分；
155.图像集获取单元，用于在多张行人图像中，选择质量评分最高的行人图像作为该行人对应的行人图像。
156.在一些示例中，图像提取模块520，具体用于：
157.采用目标产品分割算法对行人图像进行分割，得到行人图像中不同穿着部位的目标产品对应的目标产品图像；
158.在一些示例中，属性值识别模块530，包括：
159.视觉属性识别子模块，用于采用目标产品分类算法对每张目标产品图像进行属性识别，得到每张目标产品图像中目标产品的视觉属性；
160.属性值分析子模块，用于对图像集中所有目标产品图像中目标产品的视觉属性进行分析，得到每张目标产品图像中目标产品的各个视觉属性的属性值。
161.在一些示例中，流行趋势分析模块540，具体用于：
162.基于各个视觉属性的属性值，确定属性值最大的视觉属性对应的目标产品为最流行产品；和/或
163.基于各个视觉属性的属性值从大到小的排序，确定属性值排序位于预设位数之前的视觉属性对应的目标产品为流行产品。
164.本发明实施例还提供了一种电子设备，如图6所示，包括处理器601、通信接口602、存储器603和通信总线604，其中，处理器601，通信接口602，存储器603通过通信总线604完成相互间的通信，
165.存储器603，用于存放计算机程序；
166.处理器601，用于执行存储器603上所存放的程序时，实现上述任一产品流行趋势的分析方法的步骤，例如，可以实现如下步骤：
167.获取视频监控设备采集的行人图像的图像集，其中，图像集中至少两张行人图像
中的行人不同，且具有不同行人的行人图像的数量的比值在预设比值范围内，图像集中的行人图像中包含目标产品图像；
168.从每张行人图像中提取目标产品图像；
169.对每张目标产品图像进行识别，获得每张目标产品图像中目标产品的各个视觉属性的属性值；
170.基于每张目标产品图像中目标产品的各个视觉属性的属性值，确定目标产品的流行趋势。
171.本发明实施例提供的一种电子设备，在确定目标产品流行趋势时，可以首先获取监控设备采集的行人图像的图像集，然后从每张行人图像中提取目标产品图像，对每张目标产品图像进行识别，获得每张目标产品图像中目标产品的各个视觉属性的属性值，最后，基于每张目标产品图像中目标产品的各个视觉属性的属性值，确定目标产品的流行趋势。由于该图像集中的至少两张行人图像中的行人不同，且具有不同行人的行人图像的数量的比值在预设比值范围内，从而使得该图像集中的不同行人图像中的行人不完全重复，并且，由于行人图像中的产品是穿着在行人身上的，可以代表行人的穿着趋向，因此，基于行人图像中的目标产品来分析目标产品的流行趋势，可以避免使用包含换货数据和/或退货数据的数据集进行流行趋势分析，从而提高产品流行趋势分析的准确度。
172.上述电子设备提到的通信总线可以是外设部件互连标准(peripheral component interconnect，pci)总线或扩展工业标准结构(extended industry standard architecture，eisa)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
173.通信接口用于上述电子设备与其他设备之间的通信。
174.存储器可以包括随机存取存储器(random access memory，ram)，也可以包括非易失性存储器(non-volatile memory，nvm)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
175.上述的处理器可以是通用处理器，包括中央处理器(central processing unit，cpu)、网络处理器(network processor，np)等；还可以是数字信号处理器(digital signal processing，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
176.本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质内存储有计算机程序，计算机程序被处理器执行时实现上述任一产品流行趋势的分析方法的步骤，例如，可以实现如下步骤：
177.获取视频监控设备采集的行人图像的图像集，其中图像集中至少两张行人图像中的行人不同，且具有不同行人的行人图像的数量的比值在预设比值范围内，图像集中的行人图像中包含目标产品图像；
178.从每张行人图像中提取目标产品图像；
179.对每张目标产品图像进行识别，获得每张目标产品图像中目标产品的各个视觉属性的属性值；
180.基于每张目标产品图像中目标产品的各个视觉属性的属性值，确定目标产品的流
行趋势。
181.本发明实施例提供的一种计算机可读存储介质，在确定目标产品流行趋势时，可以首先获取监控设备采集的行人图像的图像集，然后从每张行人图像中提取目标产品图像，对每张目标产品图像进行识别，获得每张目标产品图像中目标产品的各个视觉属性的属性值，最后，基于每张目标产品图像中目标产品的各个视觉属性的属性值，确定目标产品的流行趋势。由于该图像集中的至少两张行人图像中的行人不同，且具有不同行人的行人图像的数量的比值在预设比值范围内，从而使得该图像集中的不同行人图像中的行人不完全重复，并且，由于行人图像中的产品是穿着在行人身上的，可以代表行人的穿着趋向，因此，基于行人图像中的目标产品来分析目标产品的流行趋势，可以避免使用包含换货数据和/或退货数据的数据集进行流行趋势分析，从而提高产品流行趋势分析的准确度。
182.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
183.本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
184.以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。