随着外资零售企业的大举进入,零售企业的竞争日益激烈。客流量对于零售业是非常基础的指标,它与销售量直接成正比关系,因此客流量统计尤为重要。传统的人工点数方法不能提供实时的客流数据,而简单的红外自动计数设备准确率低。因此应用人工智能模式识别技术提高红外计数设备的准确率是解决问题的重要途径。本文根据模式识别系统的研究方法以及红外设备采集数据的特点,研究了基于神经网络的商场客流量采集的分析方法,建立了一个商场客流量统计系统。该系统包括4个安装在商场门口或出入口的两侧位于脚腕高度的红外对射型光电传感器,当行人从计数区域通过时,会产生一种模式,这种模式被智能化的神经网络所处理。据此对客流计数,同时保存客流信息。主要工作如下:系统选用4组红外对射型光电传感器对人流数据采集,并采用去噪和归一化等方法对原始数据进行了预处理。客流数据是连续的时空序列,通过分析客流数据特点,定义了单个模式的客流识别对象,并提出了适合客流数据的分割方法,该方法可以将无“空隙”的客流数据分离。针对客流数据的特点,本文采用了基于脉冲序列的特征参数提取方法,实验证明这种特征提取方法是有效的。本文采用了快速的弹性BP神经网络,并对其进行了大量客流数据样本的训练。将训练好的BP网络用于客流识别计数。实验表明,该系统不仅能够对有一定距离间隔的客流数据99%识别,而且对于小于5人的多人并排的情况,也获得了较高的准确率。从而验证了模型的正确性和求解方法的可行性。