FR3146009A1

FR3146009A1 - Système, procédé et dispositif de détection automatique et en temps réel de satisfaction des visiteurs à un établissement recevant du public (ERP)

Info

Publication number: FR3146009A1
Application number: FR2214734A
Authority: FR
Inventors: Ahmed Chaari
Original assignee: Anavid France
Current assignee: Anavid France
Priority date: 2022-12-31
Filing date: 2022-12-31
Publication date: 2024-08-23

Abstract

L’invention concerne un système, un procédé et un dispositif de détection automatique de retour d’expérience des visiteurs des établissements recevant du public (ERP - bâtiments, locaux et enceintes dans lesquels des personnes extérieures sont admises, par exemple un espace commercial physique, un espace de service, un espace gouvernemental, un parc d’attraction; etc.), consistant à placer une mini caméra à la sortie des dits ERP, et qui, en se basant sur les algorithmes d’apprentissage profond de détection d’émotion, analyse en temps réel l’expression faciale des visiteurs. Ce produit répondra aux besoins des commerçants d’avoir un indicateur de retour d'expérience client exhaustif et sans coopération du client. Le dispositif peut prendre deux conceptions différentes. La première conception présentée dans la figure 1 comprend 6 composants : 101. Une extrémité A équipée d’une caméra pour la capture des expressions faciales devant être analysée. 102. Un câble RJ45 pour faciliter la communication entre la caméra A et le reste du dispositif. 103. Un socle fixe pour faciliter le transport et le stockage de la caméra embarquée. 104. Un deuxième câble RJ45 à l'arrière dispositif pour faciliter la communication entre la caméra à l'extrémité B et le reste du dispositif. 105. Une Extrémité B équipée d’une caméra pour la capture des expressions faciales devant être analysée. 106. Un socle coulissant dans lequel se range le socle fixe comportant le câble RJ45 connecté à l’extrémité A. La deuxième conception, présentée dans la figure 2, prend le format d’une borne placée à la porte d’entrée/sortie de l’ERP. Cette conception comprend 5 composants : 201. Une extrémité A équipée d’une caméra pour la capture des expressions faciales devant être analysée. 202. Un socle fixe permettant de stabiliser la borne 203. Deux câbles RJ45 pour connecter les caméras au réseau informatique de l’espace d’accueil 204. Un écran d’affichage d’information pour afficher le taux de satisfaction moyen de la journée et d’autres informations destinées aux visiteurs. 205. Une extrémité B équipée d’une caméra pour la capture des expressions faciales devant être analysée.

Description

Système, procédé et dispositif de détection automatique et en temps réel de satisfaction des visiteurs à un établissement recevant du public (ERP)

L’invention se rapporte au domaine général de l’analyse vidéo basée sur l’intelligence artificielle, plus particulièrement, le domaine de l’invention concerne les outils de mesure de retour d’expérience et de calcul d’un indice de satisfaction des visiteurs dans les ERP (établissements recevant du public).

Analyser les émotions vécues par les visiteurs est essentiel pour comprendre et améliorer l’expérience client. Les émotions suscitées par les produits, les services et les promotions ont souvent un impact sur le comportement d’achat des visiteurs. En effet, à chaque visite dans un ERP, un visiteur éprouve des émotions qui vont influencer ses futures actions.

Ainsi, l’analyse du retour d’expérience client est un enjeu majeur. Il en va de la survie de l’entreprise. Assurer une bonne expérience client est indispensable pour fidéliser ses clients.

Aujourd’hui, ils existent plusieurs systèmes et plateformes d’analyse de retour d’expérience des clients tels que Wizville, Majors-consultants, Vocaza, BusinessCritizr, etc. Ils existent aussi des procédés de mesure de retour d’expérience des clients tels que décrits dans les brevets suivants :

FR3063166 - 2018-08-24, Terminal de collecte d’un avis de satisfaction d’un utilisateur, système de collecte comprenant ce terminal et procédé de collecte d’un avis de satisfaction d’un utilisateur au moyen de ce terminal, par OBANOS GEORGES.
WO2018112645 - 2018-06-28, Système et procédé d’analyse de données de satisfaction de client, par Brousseau Luc et Watier Christian.
WO2016039770 - 2016-03-17, Évaluations basées sur la satisfaction du client, par Kim Seungi, Empire Technology Development LLC.
WO2009050529 - 2009-04-23, Système global de satisfaction client, par Shaharabi Abdolhamid et Pasta Poorya, Global Customer Satisfaction System, LLC.
WO2008152660 - 2008-12-18, Procédé d’acquisition, de gestion et de traitement d’informations concernant le degré de satisfaction d’un client et produit IT utilisant un tel procédé, par Marino Elio, Dentscape INC.
WO2007119982 - 2007-10-25, Système et procédé destiné à rechercher un indice de satisfaction de client, par ParK Jong-Oun.
WO2006124065 - 2006-11-23, Collecte automatique d’informations automatique d’informations de satisfaction du client, par Zentaro Ohashi, Management Coach, INC.

Cependant, les systèmes existants se basent sur les évaluations que fournissent les visiteurs / clients pendant leurs parcours sur les interfaces digitales (sites Web ou sites mobile), sur des terminaux de retour d'expérience de clients en points de vente ou sur des enquêtes de satisfaction.

Ces moyens requirent la collaboration des visiteurs / clients alors que, selon l'Étude Ipsos & Elia Consulting, seulement 31% des consommateurs donnent leurs avis sur des produits ou services achetés.

Or, les 69% des consommateurs restants peuvent toujours influencer leurs entourages sur leurs prochaines décisions, d’où le besoin de comprendre leur retour d’expérience suite à une visite à un espace de service ou à commerce physique.

De plus, la majorité des systèmes existants d’analyse de retour d’expérience des clients proposent seulement des analyses par rapport aux produits/services achetés en ligne, alors que l’e-commerce ne représente que 9.1% des parts de marché du commerce de détail en 2018 (selon la fédération e-commerce et vente à distance).

Par conséquent, le retour d’expérience des clients des commerces physiques reste aujourd’hui inexploitable malgré le besoin croissant des entreprises.

Ainsi, aucun système, procédé ou dispositif connu de l’art antérieur n’est donc réellement exhaustif et satisfaisant.

Aujourd’hui, les entreprises ou les organismes gouvernementaux ont un réel besoin d’un système d’analyse de retour d’expérience des visiteurs / clients, appelé aussi mesure de satisfaction client, exhaustif et autonome, c’est-à-dire sans demande d’action de la part des visiteurs / client, tel qu’appui sur bouton ou utilisation d’un outil digital.

Dans ce but, la présente invention concerne un système, un procédé et un dispositif de détection automatique de retour d’expérience des visiteurs / client des ERP. Ladite invention permet non seulement d’analyser le retour d’expérience des clients après un achat en espace d’accueil, ou procuration de service, mais aussi après une simple visite.

À cet effet, plus précisément, l’invention a tout d’abord pour objet un système, un procédé et un dispositif de détection automatique de retour d’expérience des clients des commerces physiques en temps réel sans la coopération des clients.

Ces objets sont atteints à travers l’intelligence artificielle et les algorithmes d’apprentissage profond de la détection d’émotion à partir des vidéos.

Un mode de réalisation de la présente invention est unsystèmede détection automatique de retour d’expérience des visiteurs / clients des commerces physiques en temps réel comprenant :

Un module d’acquisition vidéo pour capturer le flux des vidéos issues des caméras installées au-dessus de la/les porte(s) de sortie ou les caméras fixées sur les portiques antivol ;
Un module de traitement de vidéos en temps réel équipé de calculateur de type GPU (Graphics Processing Unit) et/ou CPU (Central Processing Unit)
Et un module pour stocker les données relatives aux émotions détectées dans la base de données d’une manière durable et organisée.

Un mode de réalisation de la présente invention est unprocédéde détection automatique de retour d’expérience des clients des commerces physiques en temps réel comprenant :

Des méthodesd'acquisition vidéo pour capturer le flux des vidéos issues des caméras installées au-dessus de la/les porte(s) de sortie ou les caméras fixées sur les portiques antivol ;
Des méthodes dedétection de visages pour lesquels nous souhaitons analyser l’émotion ;
Des méthodes dedétection d’émotion qui permettent de classer l’émotion des visiteurs qui quittent le commerce physique ;
Et desméthodesde stockage des données relatives aux émotions détectées dans la base de données d’une manière durable et organisée.

Un mode de réalisation de la présente invention est un équipement pour la détection automatique de retour d’expérience des visiteurs / clients fabriqué en plastique ou en panneau de fibres de bois comme indiqué dans les deux conceptions présentées dans les figures 1 et 2.

Brève description des figures/dessins

L’invention sera mieux comprise à la lecture de la description qui va suivre, donnée uniquement à titre d’exemple, et se référant aux dessins annexés donnés à titre d’exemples non limitatifs, dans lesquels des références identiques sont données à des objets semblables et sur lesquels :

La montre un exemple du procédé du système de détection automatique de retour d’expérience des clients des commerces physiques en temps réel.

La montre un exemple de détection de l’émotion “Heureux” par le système, ce qui peut être considéré "satisfait".

La montre un exemple de détection de l’émotion “Surpris” par le système,

La montre un exemple de rapport concernant le nombre de personnes pour lesquels le système a détecté l’émotion “Heureux” pendant 8 heures.

La montre un exemple de rapport statistiques du nombre de clients total répartis sur les émotions possibles détectées par le système. Ces mêmes données peuvent être présentées sous forme d’histogramme comme présenté dans la , ou sous forme de diagramme circulaire "camembert" avec des pourcentages comme présenté dans la .

Il faut noter que les figures exposent l’invention de manière détaillée pour mettre en œuvre l’invention, lesdites figures pouvant bien entendu servir à mieux définir l’invention le cas échéant.

Définitions

Les définitions suivantes sont applicables partout (y compris ci-dessus).

Le «retail Intelligence» représente l’ensemble des outils et des applications qui ciblent la création et la gestion de connaissances obtenues grâce au recueil et à l’analyse des chiffres dans une entreprise de vente au détail. Les données de “retail intelligence” peuvent être exploitées au niveau du point de vente pour sa gestion opérationnelle ou au niveau d'une enseigne pour la globalité du réseau de point de vente.
La «Vidéo» peut faire référence à des images animées enregistrées sur un support électronique. Des exemples de vidéo peuvent inclure : un film ; une séquence d'images d'une caméra vidéo ou d'un autre observateur ; une séquence d'images d'un flux en direct ; une séquence d'images générée par ordinateur.
Une «séquence vidéo» peut faire référence à tout ou partie d'une vidéo.
Une «caméra vidéo» peut désigner un appareil d'enregistrement visuel. Des exemples de caméra vidéo peuvent comprendre un ou plusieurs des éléments suivants : une caméra de surveillance ; un appareil photo ; un caméscope ; une caméra d’ordinateur ; une webcam. Une caméra vidéo peut être positionnée pour effectuer la surveillance d'une zone d'intérêt.
Le «traitement vidéo» peut faire référence à toute manipulation et/ou analyse de vidéo, y compris, par exemple, la compression, l'édition, la surveillance et/ou la vérification.
Une “frame” peut faire référence à une image particulière ou à une autre unité discrète dans une vidéo.
Un «ordinateur» peut faire référence à un ou plusieurs appareils et/ou un ou plusieurs systèmes capables d'accepter une entrée structurée, de traiter l'entrée structurée selon des règles prescrites et de produire des résultats du traitement en sortie. Des exemples d'ordinateur peuvent inclure : un ordinateur ; un ordinateur fixe et/ou portable ; un serveur ; un client ; un téléphone portable ; une tablette ; et un ou plusieurs appareils et/ou un ou plusieurs systèmes qui peuvent accepter des données, peuvent traiter des données conformément à un ou plusieurs programmes logiciels stockés, peuvent générer des résultats et peuvent généralement inclure un input, un output, un stockage, une arithmétique, une logique et un contrôle unités.
Un «logiciel» peut faire référence aux règles prescrites pour faire fonctionner un ordinateur. Des exemples de logiciels peuvent inclure : logiciels ; programmes ; segments de code ; instructions ; logiciels d'ordinateur ; et logique programmée.
Un «support lisible par ordinateur» peut faire référence à tout périphérique de stockage utilisé pour stocker des données accessibles par un ordinateur. Des exemples d'un support lisible par ordinateur comprennent : un disque dur, CD-ROM et DVD ; une mémoire flash amovible ; une carte mémoire ; un cloud ; et/ou autres types de supports.
Un «système informatique» peut faire référence à un système comportant un ou plusieurs ordinateurs, chaque ordinateur pouvant comprendre un support lisible comprenant un logiciel pour faire fonctionner l'ordinateur. Des exemples d'un système informatique peuvent comprendre : un système informatique distribué pour traiter des informations via des systèmes informatiques reliés par un réseau ; et un ou plusieurs appareils et/ou un ou plusieurs systèmes qui peuvent accepter des données, peuvent traiter des données conformément à un ou plusieurs programmes logiciels stockés, peuvent générer des résultats et peuvent généralement inclure un input, un output, un stockage, une arithmétique, une logique et un contrôle unités.
Un «client» peut faire référence à une personne ayant effectué un achat dans un commerce physique ou une personne ayant visité le commerce physique. Ce même terme peut faire référence aussi à un visiteur dans un ERP pour un service ou un loisir.
Une «base de données» peut faire référence à un ensemble structuré et organisé de données brutes ou d'informations en rapport avec un thème ou une activité ; celles-ci peuvent être de natures différentes et plus ou moins reliées entre elles. Un format de données est une convention utilisée pour représenter des données, il s’agit des informations représentant un texte, une page, une image, un son, une vidéo, un fichier exécutable, etc. Une telle convention permet d'échanger des données entre divers programmes informatiques ou logiciels.
L’«intelligence artificielle» peut faire référence à l’ensemble des théories et des techniques développant des logiciels informatiques complexes capables de simuler certains traits de l'intelligence humaine (raisonnement, apprentissage…).
L’«apprentissage profond» peut faire référence à un ensemble de techniques d'apprentissage automatique qui a permis des avancées importantes en intelligence artificielle dans les dernières années. Dans l'apprentissage automatique, un logiciel analyse un ensemble de données afin de tirer des règles qui permettront de tirer des conclusions sur de nouvelles données.
La «vision par ordinateur» peut faire référence à l’ensemble des techniques permettant aux ordinateurs de voir, de comprendre, de traiter et d’analyser le contenu des images. Il s’agit d’une sous-catégorie d’intelligence artificielle et d’apprentissage automatique.
L'émotion peut désigner l'état d'esprit d'un individu liée à un objet repérable. Des exemples d’émotions pouvant être compris : heureux, triste, déçu, surpris, etc.

Exposé détaillé de modes de réalisation préférés

Des exemples de modes de réalisation de l'invention sont discutés en détail ci-dessous. Bien que des modes de réalisation exemplaires spécifiques soient discutés, il faut comprendre que cela est fait uniquement à des fins d'illustration.

Pour décrire et illustrer les modes de réalisation exemplaires, une terminologie spécifique est utilisée pour des raisons de clarté. Cependant, l'invention n'est pas destinée à être limitée à la terminologie spécifique ainsi sélectionnée. L'homme du métier reconnaîtra que d'autres composants et configurations peuvent être utilisés sans se départir de l'esprit et de la portée de l'invention.

Il faut comprendre que chaque élément spécifique comprend tous les équivalents techniques qui fonctionnent de manière similaire pour atteindre un objectif similaire. Les exemples et modes de réalisation décrits ici sont des exemples non limitatifs.

L'invention implique l'utilisation d'un système de caméra vidéo automatisé utilisant des traitements vidéo pour détecter le retour d’expérience des clients vis-à-vis des processus commerciaux du retail. Le traitement vidéo peut se référer à l’analyse vidéo incluant l'application de techniques de vision par ordinateur pour extraire des données ou des informations utiles à partir de flux vidéo ou de séquences vidéo. Plus précisément, l'invention est appliquée aux commerces physiques afin de détecter automatiquement le retour d’expérience des clients vis-à-vis les stratégies de marketing et l'efficacité des employés. Néanmoins, cette même invention peut être utilisée dans n’importe quel type d’ERP.

Des exemples d'application de l'invention à des commerces physiques peuvent comprendre, par exemple, la détection des émotions des visiteurs, en l’occurrence heureux, déçu, énervé, etc.

La illustre, en mode de schéma synoptique, un exemple du procédé du système de détection automatique de retour d’expérience des clients des commerces physiques en temps réel. Le système prend en entrée la source 2, cette source est une caméra vidéo 8 positionnée pour visualiser la sortie d’un commerce physique de vente au détail pour obtenir des données vidéo. Facultativement, la caméra vidéo 8 peut être fixée au-dessus de la/les porte(s) de sortie 9 ou sur les portiques antivols 10. Le module acquisition vidéo 3 récupère les séquences vidéo et effectue le traitement 11 afin de préparer leur analyse. Facultativement, les séquences vidéo de la source 2 peuvent être stockées dans une base de données 14. Les séquences vidéo de la caméra vidéo 8 qui sont traitées par le module acquisition vidéo 3 sont analysées par le module détection de visage 4 pour effectuer la détection des visages 12. Les visages 12 sont représentés sous forme de trames. Dans le module de détection d’émotion 5, les visages 12 sont analysés grâce à des algorithmes d’apprentissage profond afin de classifier leurs émotions. Par exemple, les émotions heureux et/ou déçu peuvent être détectées sur les visages 12, ces émotions sont représentées sous forme de trames 13, étiquetées par les émotions qu’ils représentent. La base de données 14 est alimentée régulièrement par les émotions détectées grâce au module de stockage des données 6. Enfin, la base de données 14 peut être exploitée par l’entreprise concernée afin de générer des rapports 7 concernant le retour d’expérience global de leurs clients et contenant ainsi des statistiques relatives à chaque commerce physique.

Les vidéos peuvent être analysées en mode temps réel via le module d'acquisition vidéo pour déterminer si une personne vient de quitter le commerce physique.

En plus de ce mode de fonctionnement en temps réel, le système peut également fonctionner dans un mode hors ligne (par exemple, à cause d’une coupure réseau/internet) dans lequel le logiciel peut être appliqué aux vidéos archivées dans un support lisible par ordinateur.

La caméra vidéo est facultativement fixée au-dessus de la/les porte(s) de sortie ou sur les portiques antivols, cependant, elle peut être positionnée dans un autre emplacement tant que celle-ci permet de visualiser les clients à la sortie du commerce physique.

Dans le module de détection de visage, le système de vidéo automatisé exemplaire de l'invention utilise des algorithmes d'analyse vidéo et de vision par ordinateur pour traiter les flux vidéo pour extraire tous les visages des clients, tout en ignorant tout mouvement ou objet d'arrière-plan non pertinent. Ensuite, dans le module de détection d’émotion, le système utilise d’autres algorithmes d’apprentissage profond afin de classifier les émotions détectées.

Le stockage ne concerne que les données brutes des visites, il n’y a aucun stockage des images de visages. Les données stockées dans la base de données permettent aux entreprises d’évaluer l'efficacité de leurs stratégies de marketing ou de leurs employés.

En termes d'architecture de l'exemple du procédé du système de détection automatique de retour d’expérience des clients des commerces physiques en temps réel, un certain nombre de modes de réalisation différents peut être utilisé. Dans un mode de réalisation, le module de détection de visage 4, le module de détection d’émotion 5 et le module de stockage des données dans la base de données 6 peuvent être incorporés dans un seul dispositif, par exemple un ordinateur standard (CPU) ou une carte de traitement embarqué avec GPU.

Un dispositif unique peut résider dans la caméra vidéo 8, qui peut être, par exemple, une caméra de surveillance ; un appareil photo ; un caméscope ; une caméra d’ordinateur ; une webcam. Un autre dispositif unique peut résider dans le module d’acquisition vidéo. Afin de capturer le flux en temps réel depuis la caméra vidéo, il existe plusieurs protocoles de transmission de vidéo tels que UART (via Ethernet, SB, I2C, ou Wifi).

Dans un autre mode de réalisation, le module de détection de visage 4, le module de détection d’émotion 5 et le module de stockage des données dans la base de données 6 peuvent être incorporés dans des dispositifs séparés. Par exemple, le module de détection de visage 4 peut être incorporé dans un premier dispositif, qui peut être un ordinateur, et peut être incorporé dans la caméra vidéo 8, un encodeur, un routeur, un encodeur vidéo réseau ou un autre périphérique vidéo réseau. Le module de détection d’émotion 5 peut être incorporé dans un deuxième dispositif qui peut être un ordinateur, et peut être incorporé dans un encodeur, un routeur, un enregistreur vidéo numérique, un encodeur vidéo réseau ou un autre périphérique vidéo réseau connecté au premier périphérique via un réseau. Dans ce mode de réalisation, les données de la base de données du module 6 peuvent être envoyées sur le réseau.

Le module de détection de visage 4 et le module de détection d’émotions 5 peuvent traiter les données vidéo de la caméra vidéo 8 en temps réel et produire des trames annotées par les émotions qu’ils représentent. Des exemples des algorithmes et des procédés qui peuvent être utilisés par le module de détection de visage 4 et le module de détection d’émotions 5 sont décrits dans les brevets et publications de brevets dans l’annexe.

Les figures 4 et 5 illustrent des images provenant des caméras vidéo exemplaires utilisant le système de détection retour d'expérience.

La illustre un exemple de détection d’émotion. Ici, le système détecte une personne 15 qui quitte un magasin 16, par exemple, et pour laquelle, à travers la trame 17, le système détecte l’émotion 18 “Heureux”.

La illustre un exemple de détection d’émotion. Ici, le système 1 détecte une personne 20 qui quitte un magasin 16, par exemple, et pour laquelle, à travers la trame 21, le système détecte l’émotion 22 “Surpris”.

En se référant à nouveau à la , les rapports 7 peuvent fournir un aperçu des processus commerciaux de détail. Par exemple, un rapport peut inclure le comptage de personnes qui sortent d'un magasin. Les rapports 7 peuvent fournir une représentation temporelle des émotions des clients, et un histogramme représentant la distribution des émotions.

Les figures 8 et 9 illustrent des exemples de rapports qui peuvent être générés en utilisant un exemple de mode de réalisation de l'invention.

En référence à la , le système de détection de retour d’expérience des clients 1 peut générer un rapport 010 basé sur la requête 011 : combien de personnes ayant eu l’émotion “Heureux” pendant une période de temps, par exemple, huit heures ? Le rapport 011 généré en réponse à la requête 010 montre que 1127 personnes heureuses ont quitté le commerce en huit heures.

En référence à la , le système de mesure de satisfaction 1 peut générer un rapport 020 sur la base de la requête 021 : quelle est la distribution des émotions des clients pendant la période de temps, par ex. huit heures ? Le rapport 020 généré en réponse à la requête montre la répartition des émotions en huit heures sous forme d’un tableau représentant le nombre de personnes par émotion.

En référence à la , le système de détection de retour d'expérience 1 peut générer un rapport 030 sur la base de la requête 031 : quelle est la distribution des émotions des clients pendant la période de temps, par ex. huit heures ? Le rapport 030 généré en réponse à la requête montre la répartition des émotions en huit heures sous forme d’un histogramme représentant le nombre de personnes par émotion.

En référence à la , le système de détection de retour d'expérience 1 peut générer un rapport 040 sur la base de la requête 041 : quelle est la distribution des émotions des clients pendant la période de temps, par ex. huit heures ? Le rapport 040 généré en réponse à la requête montre la répartition des émotions en huit heures sous forme d’un diagramme circulaire représentant le pourcentage par émotion.

L'invention a été décrite en détail par rapport à des exemples de modes de réalisation, et il apparaîtra maintenant d'après ce qui précède à l'homme du métier que des changements et des modifications peuvent être effectués sans s'écarter de l'invention dans ses aspects plus larges. Par conséquent, l'invention, telle que définie dans les revendications annexées, est destinée à couvrir tous ces changements et modifications qui entrent dans le véritable esprit de l'invention.

Annexe

WO2019214557 - 2019-11-14, PROCÉDÉ ET SYSTÈME DE DÉTECTION D'IMAGE DE VISAGE GÉNÉRÉE PAR UN RÉSEAU PROFOND par LI HAODONG et HUANG JIWU, SHENZHEN UNIVERSITY.

WO2019236286 - 2019-12-12, DÉTECTION FACIALE ROBUSTE, par KUMAR ATULIT et al, APPLE INC.

EP3572975 - 2019-11-27, SYSTÈME DE TRAITEMENT D'IMAGES MULTISPECTRALES POUR DÉTECTION DE VISAGE, par STEC PIOTR et BIGIOI PETRONEL, FotoNation Limited.

WO2019128646 - 2019-07-04, PROCÉDÉ DE DÉTECTION DE VISAGE, PROCÉDÉ ET DISPOSITIF D'APPRENTISSAGE DE PARAMÈTRES D'UN RÉSEAU NEURONAL CONVOLUTIF, ET SUPPORT, par YAN RUI et MOU YONGQIANG, SHENZHEN LIFEI TECHNOLOGIES CO., LTD.

WO2019119515 - 2019-06-27, PROCÉDÉ D'ANALYSE ET DE FILTRAGE DE VISAGE, DISPOSITIF, APPAREIL INTÉGRÉ, DIÉLECTRIQUE ET CIRCUIT INTÉGRÉ, par MOU YONGQIANG et al., SHENZHEN INTELLIFUSION TECHNOLOGIES CO., LTD.

WO2019114036 - 2019-06-20, PROCÉDÉ ET DISPOSITIF DE DÉTECTION DE VISAGE, DISPOSITIF INFORMATIQUE ET SUPPORT D'INFORMATIONS LISIBLE PAR ORDINATEUR, par ZHANG ZHAOFENG et MOU YONGQIANG, SHENZHEN INTELLIFUSION TECHNOLOGIES CO., LTD.

WO2019095469 - 2019-05-23, PROCÉDÉ ET SYSTÈME DE DÉTECTION DE VISAGE, par WANG BIN et WANG GANG, ZHEJIANG DAHUA TECHNOLOGY CO., LTD.

WO2019091271 - 2019-05-16, PROCÉDÉ ET SYSTÈME DE DÉTECTION DE VISAGE HUMAIN, par JIN ZHAOLONG et al., SUZHOU KEDA TECHNOLOGY CO., LTD.

EP3483782 - 2019-05-15, PROCÉDÉ DE DÉMARRAGE DE DÉTECTION DE VISAGE, DISPOSITIF DE DÉMARRAGE DE DÉTECTION DE VISAGE ET DISPOSITIF ÉLECTRONIQUE, par YANG MENGTA et YANG MENGTA, Shenzhen Goodix Technology Co., Ltd.

EP3478176 - 2019-05-08, PROCÉDÉ ET APPAREIL POUR SYSTÈMES DE DÉTECTION/RECONNAISSANCE DE VISAGE, par JEANNE VINCENT et al., Koninklijke Philips N.V.

WO2019071403 - 2019-04-18, PROCÉDÉ ET APPAREIL DE TRAITEMENT D'IMAGE, par XIE JUN, SHENZHEN ROYOLE TECHNOLOGIES CO., LTD.

WO2019062659 - 2019-04-04, PROCÉDÉ ET DISPOSITIF DE RECONNAISSANCE DE VIDÉOSURVEILLANCE, par YANG YUSHAN et al., YUN DING NETWORK TECHNOLOGY (BEIJING) CO., LTD.

WO2019050360 - 2019-03-14, DISPOSITIF ÉLECTRONIQUE ET PROCÉDÉ DE SEGMENTATION AUTOMATIQUE D'ÊTRE HUMAIN DANS UNE IMAGE, par SHUKLA ALOK SHANKARLAL et al., SAMSUNG ELECTRONICS CO., LTD.

WO2019027505 - 2019-02-07, DÉTECTION DE VISAGE, ESTIMATION DE POSE ET ESTIMATION DE LA DISTANCE ENTRE LE VISAGE ET L'APPAREIL DE PRISE DE VUES UTILISANT UN RÉSEAU UNIQUE, par KUMAR ATULIT et al., APPLE INC.

WO2019011073 - 2019-01-17, PROCÉDÉ DE DÉTECTION EN DIRECT DE VISAGE HUMAIN ET PRODUIT ASSOCIÉ, par TANG CHENG et al., GUANGDONG OPPO MOBILE TELECOMMUNICATIONS CORP., LTD.

WO2018188534 - 2018-10-18, PROCÉDÉ ET DISPOSITIF DE TRAITEMENT D'IMAGE DE VISAGE, ET DISPOSITIF ÉLECTRONIQUE, par BAO XU et al., SHENZHEN SENSETIME TECHNOLOGY CO, LTD.

WO2018214713 - 2018-11-29, PROCÉDÉ ET APPAREIL DE DÉTECTION DE VISAGE, DISPOSITIF INFORMATIQUE, ET SUPPORT D'INFORMATIONS, par WANG XINLIANG et LI BIN, TENCENT TECHNOLOGY (SHENZHEN) COMPANY LIMITED.

WO2018121777 - 2018-07-05, PROCÉDÉ ET APPAREIL DE DÉTECTION DE VISAGE, ET DISPOSITIF ÉLECTRONIQUE, par JIN XIAO et al., SHENZHEN SENSETIME TECHNOLOGY CO, LTD.

EP3342154 - 2018-07-04, PROCÉDÉ DE DÉTECTION DE VISAGE, ET DISPOSITIF ÉLECTRONIQUE POUR SA PRISE EN CHARGE, par KIM JONG SUN, Samsung Electronics Co., Ltd.

WO2018068533 - 2018-04-19, PROCÉDÉ ET DISPOSITIF DE DÉTECTION DE VISAGE HUMAIN, par WEI GUOHENG et al., SHENZHEN INTELLIFUSION TECHNOLOGIES CO., LTD.

WO2017143952 - 2017-08-31, PROCÉDÉ DE DÉTECTION DE VISAGE HUMAIN, par CHEN MINGXIU, YUTOU TECHNOLOGY (HANGZHOU) CO., LTD.

WO2017091426 - 2017-06-01, DÉTECTION FACIALE PROBABILISTIQUE, par FERRER CRISTIAN CANTON et al., MICROSOFT TECHNOLOGY LICENSING, LLC.

WO2017088401 - 2017-06-01, PROCÉDÉ ET APPAREIL DE TRAITEMENT D'IMAGES, par TAN GUOFU, TENCENT TECHNOLOGY (SHENZHEN) COMPANY LIMITED.

EP3167407 - 2017-05-17, DISPOSITIF DE TRAITEMENT ET PROCÉDÉ POUR LA DÉTECTION DE VISAGE, par MARIAPPAN VIJAYACHANDRAN et al., Huawei Technologies Co. Ltd.

EP3158498 - 2017-04-26, DÉTECTION DE VISAGE À L'AIDE D'APPRENTISSAGE AUTOMATIQUE, par YIN QI et al., Beijing Kuangshi Technology Co. Ltd.

WO2017064838 - 2017-04-20, DISPOSITIF DE DÉTECTION DE VISAGE, SYSTÈME DE DÉTECTION DE VISAGE ÉQUIPÉ DE CELUI-CI, ET PROCÉDÉ DE DÉTECTION DE VISAGE, par TAMURA HAJIME et al., PANASONIC INTELLECTUAL PROPERTY MANAGEMENT CO., LTD.

WO2017015390 - 2017-01-26, CADRICIEL D'APPRENTISSAGE MULTITÂCHE PROFOND POUR UNE DÉTECTION DE VISAGE, UNE LOCALISATION DE POINT DE REPÈRE, UNE ESTIMATION DE POSE ET UNE RECONNAISSANCE DE SEXE, par RANJAN RAJEEV, UNIVERSITY OF MARYLAND, COLLEGE PARK.

WO2016203698 - 2016-12-22, DISPOSITIF DE DÉTECTION DE VISAGE, SYSTÈME DE DÉTECTION DE VISAGE, ET PROCÉDÉ DE DÉTECTION DE VISAGE, par MATSUO MASATOSHI et al., PANASONIC INTELLECTUAL PROPERTY MANAGEMENT CO., LTD.

EP3061033 - 2016-08-31, SYSTÈME DE DÉTECTION ET DE RECONNAISSANCE DE VISAGE HUMAIN, par SILVA MARCOS, Blue Line Security Solutions LLC.

WO2016111327 - 2016-07-14, DISPOSITIF DE DÉTECTION FACIALE, par HASHIMOTO TATSUHIRO, DENSO CORPORATION.

EP2908268 - 2015-08-19, Procédé d'entraînement de détecteur de visage, procédé de détection de visage et appareil, par ZHANG YU et al., HUAWEI TECHNOLOGIES CO., LTD.

FR3074336 - 2019-05-31, DISPOSITIF ET PROCEDE DE DETECTION D'ÉMOTION, par MAROUDIS PANTELIS et PINOTEAU JEREMIE, VALEO COMFORT AND DRIVING ASSISTANCE.

WO2019097285 - 2019-05-23, PROCÉDÉS IMPLÉMENTÉS PAR ORDINATEUR ET SYSTÈMES INFORMATIQUES DE DÉTECTION EN TEMPS RÉEL D'ÉMOTIONS D'UN ÊTRE HUMAIN À PARTIR D'ENREGISTREMENTS VISUELS, par HUSHCHYN YURY et al., BANUBA LIMITED.

WO2019180652 - 2019-09-26, SYSTÈMES D'APPRENTISSAGE INTERACTIFS, ADAPTATIFS ET MOTIVATIONNELS AU MOYEN D'UN SUIVI DE VISAGE ET D'UNE DÉTECTION D'ÉMOTION, ET PROCÉDÉS ASSOCIÉS, par LAM YUEN LEE VIOLA YEUNG CHUN-KIT.

WO2019040669 - 2019-02-28, PROCÉDÉ DE DÉTECTION D'EXPRESSIONS ET D'ÉMOTIONS FACIALES D'UTILISATEURS, par LEE KEVIN et al., SILICON ALGEBRA, INC.

WO2019024068 - 2019-02-07, SYSTÈMES ET PROCÉDÉS DE DÉTECTION D'ÉMOTION DANS DES DONNÉES VIDÉO, par FANG JUN et al.

WO2018203646 - 2018-11-08, DÉTERMINATION D'ÉMOTIONS À L'AIDE D'UNE DÉTECTION BASÉE SUR UNE CAMÉRA, par KHWAJA AYESHA et al., SAMSUNG ELECTRONICS CO., LTD.

WO2018192246 - 2018-10-25, PROCÉDÉ DE DÉTECTION D'ÉMOTION SANS CONTACT FONDÉ SUR UNE VISION ARTIFICIELLE, par LV DONGYUE et al., CHINA ACADEMY OF ELECTRONICS AND INFORMATION TECHNOLOGY OF CHINA ELECTRONICS TECHNOLOGY GROUP CORPORATION.

EP3361467 - 2018-08-15, APPRENTISSAGE ADAPTATIF ET INTERACTIF ET SYSTÈME DE GESTION D'APPRENTISSAGE FAISANT APPEL AU SUIVI DU VISAGE ET LA DÉTECTION D'ÉMOTIONS ET PROCÉDÉS ASSOCIÉS, par DOLSMA JOHAN MATTHIJS et LAM YUEN LEE VIOLA, Find Solution Artificial Intelligence Limited.

EP3314530 - 2018-05-02, SYSTÈME DE DÉTECTION D'ÉMOTION, par NATAN OFIR et NABWANI AYOOB, INTEL Corporation.

WO2016209453 - 2016-12-29, SYSTÈME DE DÉTECTION D'ÉMOTION, par NATAN OFIR et NABWANI AYOOB, INTEL CORPORATION.

WO2016149579 - 2016-09-22, RECONNAISSANCE D'ÉMOTIONS DANS UNE VISIOCONFÉRENCE, par SHABUROV VICTOR et MONASTYRSHYN YURII, AVATAR MERGER SUB II, LLC.

WO2016049757 - 2016-04-07, SYSTÈME ET PROCÉDÉ POUR DÉTECTER UNE ÉMOTION HUMAINE INVISIBLE, par LEE KANG et ZHENG PU, NURALOGIX CORPORATION.

Claims

Un système de détection automatique de satisfaction et de retour d’expérience des visiteurs d’ERP en temps réel comprenant :
Un module d’acquisition vidéo pour capturer le flux des vidéos issues des caméras installées au-dessus de la/les porte(s) de sortie ou les caméras fixées sur les portiques antivol ;

Un module de détection de visages pour lesquels nous souhaitons analyser l’émotion ;

Un module de détection d’émotion qui permet de classer l’émotion des visiteurs qui quittent le commerce physique ;

Et un module pour stocker les données relatives aux émotions détectées dans la base de données d’une manière durable et organisée.
Un système selon la revendication 1, dans lequel le module de détection de visage, le module de détection d’émotion et le module de stockage des données dans la base de données sont incorporés dans un seul dispositif.
Un système selon la revendication 1, dans lequel le module d’acquisition vidéo est incorporé dans un dispositif unique.
Un système selon la revendication 1, dans lequel le module de détection de visage, le module de détection d’émotion et le module de stockage des données dans la base de données sont incorporés dans des dispositifs séparés.
Un système selon la revendication 1, dans lequel le module d’acquisition vidéo fonctionne en temps réel.
Un système selon la revendication 1, dans lequel le module d’acquisition vidéo fonctionne en mode hors ligne.
Un système selon la revendication 1, dans lequel le module de détection de visage et le module détection d’émotion dans le visage fonctionnent en temps réel.
Un système selon la revendication 1, dans lequel le module de détection de visage et le module détection d’émotion fonctionnent dans un mode hors ligne.
Un système selon la revendication 1, comprenant davantage : la génération de rapports couplés au module de stockage des données dans la base de données pour générer un ou plusieurs rapport(s) basé(s) sur une ou plusieurs requêtes.
Un système selon la revendication 1, dans lequel les séquences vidéo récupérées par le module d'acquisition vidéo sont stockées directement dans la base de données.
Une méthode de détection automatique de satisfaction et de retour d’expérience des visiteurs des ERP en temps réel comprenant :
L’acquisition vidéo pour capturer le flux des vidéos issues des caméras installées au-dessus de la/les porte(s) de sortie ou les caméras fixées sur les portiques antivol ;

La détection de visages pour lesquels nous souhaitons analyser l’émotion ;

La détection d’émotion qui permet de classer l’émotion des visiteurs qui quittent le commerce physique ;

Et le stockage des données relatives aux émotions détectées dans la base de données d’une manière durable et organisée.
Un équipement pour la détection automatique de satisfaction et de retour d’expérience des visiteurs des ERP en temps réel comprenant :
Un dispositif installé au-dessus de la/les porte(s) de sortie ou fixé sur les portiques antivols qui contient une ou plusieurs caméras vidéo pour capturer le flux des vidéos ;

Un module de détection de visages pour lesquels nous souhaitons analyser l’émotion ;

Un module de détection d’émotion qui permet de classer l’émotion des visiteurs qui quittent le commerce physique ;

Et un module pour stocker les données relatives aux émotions détectées dans la base de données d’une manière durable et organisée.
Un logiciel de détection automatique de satisfactions et de retour d’expérience des visiteurs des ERP en temps réel. Lorsque le logiciel est exécuté par ordinateur, le système de l’ordinateur effectuent des opérations comprenant des méthodes de :
Acquisition vidéo pour capturer le flux des vidéos issues des caméras installées au-dessus de la/les porte(s) de sortie ou les caméras fixées sur les portiques antivol ;

Détection de visages pour lesquels nous souhaitons analyser l’émotion ;

Détection d’émotion qui permet de classer l’émotion des visiteurs qui quittent le commerce physique ;

Et stockage des données relatives aux émotions détectées dans la base de données d’une manière durable et organisée.
Un équipement selon la revendication 15, dans lequel le module d'acquisition vidéo récupère les données vidéo depuis une ou deux caméra(s) vidéo fixée(s) sur les portiques antivols selon la conception présentée la figure n°1, ou dans une borne fabriquée selon la conception présentée dans la figure n°2.
Un équipement selon la revendication 15, dans lequel le module d'acquisition vidéo récupère les données vidéo depuis une caméra vidéo fixée sur la/les porte(s) de sortie.