在汽车销售行业中,顾客资源是销售业绩中重要的组成部分。而如何去甄别潜在顾客,如何收集潜在目标客户的基本资料是汽车销售的关键所在。随着计算机视觉技术的高速发展,人脸检测、人脸跟踪、人脸识别技术被广泛应用于门禁、监控、智慧门店等各个领域。在无需人工干扰的前提下,如何利用计算机视觉方法,获取客户来店频次、停留时间、停留区域等购买意向信息,从而对顾客进行精准的产品介绍与服务,达到潜在客户的识别和分析,这对建立潜在客户消费信息、实现精准营销具有显著的意义。本文是以长安汽车4s店实际项目为研究背景,利用计算机视觉分析方法甄别潜在客户的基本信息为需求导向,主要包括以下几个方面的内容:(1)人脸检测:提出基于肤色模型与改进的AdaBoost算法相结合的人脸检测方法。该方法通过判断采集的人脸图像是否需要光照补偿,将图像由RGB色彩空间转换为肤色聚类特性和分布规律较好的YCbCr色彩空间,并建立高斯模型并对图像进行形态学处理与形状筛选,从而得到含有人脸的候选区域。再将得到的人脸候选区域由改进后的AdaBoost算法进行人脸检测,得到最终的人脸检测结果。实验结果表明,该方法能有效降低人脸误检率、提高人脸检测准确率;(2)人脸跟踪:提出基于LBP特征的TLD算法与kalman滤波器相结合的人脸目标跟踪算法。该算法通过提取人脸的灰度不变性LBP特性,以增强后续TLD目标跟踪算法适应光照变化场景下人脸跟踪的准确性和鲁棒性,并针对实际应用中存在的人脸局部、短时全遮挡易导致人脸跟踪失败的问题,提出基于kalman滤波的局部、短时全遮挡场景下人脸目标预测跟踪方法。对比的实验结果表明,基于LBP特征的TLD算法与kalman滤波器相结合的人脸目标跟踪算法能较好实现4S店内顾客人脸的准确跟踪,并在光照变化、人脸局部或短时全遮挡场景下,该算法均具有较好的鲁棒性。依据建立的人脸跟踪算法,能实现顾客进店后其人脸图像的多帧提取,并记录其进店、离店时间以及感兴趣区域的停留时间,为后续潜在客户的甄别建立了维度信息;(3)无标签身份识别:提出基于PCA+LDA的无标签身份识别方法。首先对人脸图像进行直方图均衡化和人脸几何归一化处理,消除光照、姿态和背景的干扰,使得图像标准化。其次,采用PCA+LDA算法对人脸图像进行特征提取,最后使用SVM算法进行分类识别。实验结果表明,所提出的无标身份识别算法具有较好的准确性;(4)开发了潜在客户身份识别系统。在人脸检测、人脸跟踪、无标签身份识别算法研究的基础上,针对潜在客户来店频次、停留时间、感兴趣区域等销售维度信息,应用QT平台,开发了面向汽车销售的潜在客户甄别系统。该系统能较好提取进店顾客的一系列人脸图像,自动记载当次入店的时间、停留时间和活动区域等维度信息,并依据历史无标签人脸图像库,判断是新客户还是老客户,从而为面向汽车销售的潜在客户甄别提供了一种有效的计算机视觉分析方法。