Forecasting human entrances at a commercial store using facial recognition data

Bibliographic Details
Main Author: Matos, Luís Miguel Rocha
Publication Date: 2015
Format: Master thesis
Language: eng
Source: Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
Download full: http://hdl.handle.net/1822/40308
Summary: Dissertação de mestrado integrado em Engenharia e Gestão de Sistemas de Informação
id RCAP_e702f70eea6670430354df06a70c690f
oai_identifier_str oai:repositorium.sdum.uminho.pt:1822/40308
network_acronym_str RCAP
network_name_str Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
repository_id_str https://opendoar.ac.uk/repository/7160
spelling Forecasting human entrances at a commercial store using facial recognition dataPrevisão de acessos num espaço comercial através de dados de reconhecimento facialBusiness intelligenceData miningTime seriesMarketing intelligenceRegression methodsForecastingMétodos de regressãoSimulaçãoPrevisãoEngenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e InformáticaDissertação de mestrado integrado em Engenharia e Gestão de Sistemas de InformaçãoDue to advances in Information Technology, there is a growing interest in the use of data mining to extract useful patterns from raw data in order to support decision making. In this work, a data mining approach was conducted aiming at the prediction of human entrances at a commercial store, as measured by an automatic video face detection system. In particular, a large number of experiments were held, targeting distinct types of human entrances (i.e., Female, Male, Both), forecasting periods (i.e., hourly and daily) and lookahead (horizon) predictions. Moreover, several forecasting methods were tested: conventional time series methods and time series models based on machine learning; a regression approach (e.g. using weather and special event data); and a hybrid approach that uses both time series (human entrances time lags) and regression variables. To achieve a robust evaluation, a rolling window scheme was adopted, which impled the use of a large number of model updates (trainings) and testing. For short term predictions (horizon of 1), the best performances were in general obtained by the hybrid approach, resulting in a mean absolute percentage error (MAPE) that ranges from 16.9% (all human daily entrances) to 24.8% (female hourly entrances). Such forecasting models are potentially valuable for commercial store managers. For instance, they can help in the supporting decisions related with the management of the retail store human resources and marketing campaigns.Devido aos avanços nas tecnologias de informação, tem surgido um maior interesse no uso de técnicas de data mining para extrair padrões uteis de dados em bruto com o objetivo de suportar a tomada de decisão. Neste trabalho, foi seguida uma abordagem de data mining,com o objetivo de prever o numero de acessos de pessoas num espaço commercial, acesso este medido através de um sistema de reconhecimento facial automatic a partir de vídeo. Em particular, foi executado um elevado número de experiências com vista a prever distintos tipos de acessos humanos (e.g., homens, mulheres, ambos), periodos de previsão (horário e diário) e horizontes temporais da previsão. Mais ainda, diversos métodos de previsão foram testados: métodos de séries temporais convencionais e modelos de séries temporais com base em modelos de machine learning; uma abordagem de regressão (e.g., utilizando variáveis meteorológicas e relacionadas com eventos especiais ); e uma abordagem híbrida que usa variáveis de séries de temporais (time lags de entradas de pessoas) e de regressão. Para se obter uma avaliação mais robusta, foi utilizado um esquema de janelas deslizantes (rolling window) que implica um elevado número atualizações dos modelos (treinos) e testes. Para uma previsão de curto prazo (horizonte de 1), os melhores desempenhos foram obtidos, de um modo geral, pela abordagem híbrida, tendo-se obtido um erro percentual absolute médio (MAPE) que varia entre 16.9% (entradas diárias de pessoas) e 24.8% (entradas femininas horárias). Tais modelos de previsão são potencialmente valiosos para gerentes de lojas comerciais. Por exemplo, as previsões podem suportar decisões sobre a gestão dos recursos humanos de loja, bem como de campanhas de marketing.Cortez, PauloUniversidade do MinhoMatos, Luís Miguel Rocha20152015-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/1822/40308enginfo:eu-repo/semantics/openAccessreponame:Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)instname:FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologiainstacron:RCAAP2024-05-11T04:58:50Zoai:repositorium.sdum.uminho.pt:1822/40308Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireinfo@rcaap.ptopendoar:https://opendoar.ac.uk/repository/71602025-05-28T15:04:15.118296Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) - FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologiafalse
dc.title.none.fl_str_mv Forecasting human entrances at a commercial store using facial recognition data
Previsão de acessos num espaço comercial através de dados de reconhecimento facial
title Forecasting human entrances at a commercial store using facial recognition data
spellingShingle Forecasting human entrances at a commercial store using facial recognition data
Matos, Luís Miguel Rocha
Business intelligence
Data mining
Time series
Marketing intelligence
Regression methods
Forecasting
Métodos de regressão
Simulação
Previsão
Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
title_short Forecasting human entrances at a commercial store using facial recognition data
title_full Forecasting human entrances at a commercial store using facial recognition data
title_fullStr Forecasting human entrances at a commercial store using facial recognition data
title_full_unstemmed Forecasting human entrances at a commercial store using facial recognition data
title_sort Forecasting human entrances at a commercial store using facial recognition data
author Matos, Luís Miguel Rocha
author_facet Matos, Luís Miguel Rocha
author_role author
dc.contributor.none.fl_str_mv Cortez, Paulo
Universidade do Minho
dc.contributor.author.fl_str_mv Matos, Luís Miguel Rocha
dc.subject.por.fl_str_mv Business intelligence
Data mining
Time series
Marketing intelligence
Regression methods
Forecasting
Métodos de regressão
Simulação
Previsão
Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
topic Business intelligence
Data mining
Time series
Marketing intelligence
Regression methods
Forecasting
Métodos de regressão
Simulação
Previsão
Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
description Dissertação de mestrado integrado em Engenharia e Gestão de Sistemas de Informação
publishDate 2015
dc.date.none.fl_str_mv 2015
2015-01-01T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/1822/40308
url http://hdl.handle.net/1822/40308
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
instname:FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia
instacron:RCAAP
instname_str FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia
instacron_str RCAAP
institution RCAAP
reponame_str Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
collection Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
repository.name.fl_str_mv Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) - FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia
repository.mail.fl_str_mv info@rcaap.pt
_version_ 1833595081920086016

Similar Items