CN103198424B - 一种基于智能显示设备的购物方法及装置 - Google Patents
一种基于智能显示设备的购物方法及装置 Download PDFInfo
- Publication number
- CN103198424B CN103198424B CN201310108906.0A CN201310108906A CN103198424B CN 103198424 B CN103198424 B CN 103198424B CN 201310108906 A CN201310108906 A CN 201310108906A CN 103198424 B CN103198424 B CN 103198424B
- Authority
- CN
- China
- Prior art keywords
- commodity
- pixel
- sectional drawing
- value
- array
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明适用于多媒体应用领域，提供了一种基于智能显示设备的购物方法及装置，所述方法包括：获取用户选取的商品截图；从所述商品截图中采集像素点，将所采集的像素点的像素值与预设的像素标准值进行匹配，提取出商品特征信息；将所述商品特征信息传递给购物网站，从该购物网站中查询到与所述商品特征信息对应的商品信息，将该商品信息反馈给用户，以供用户从所述商品信息中选择购买对应的商品。因而不再需要手动输入商品特征信息进行购物，***可根据用户选取的商品截图，自动向用户推荐用户感兴趣的商品。
Description
技术领域
本发明属于多媒体应用领域，尤其涉及一种基于智能显示设备的购物方法及装置。
背景技术
随着技术的不断发展，特别是互联网在电视及移动终端等电子设备中的应用，使得人们能够通过电视等智能显示设备实现多种互联网交互应用，如上网、玩游戏、看电影。同时，随着电子商务的发展，基于电视等智能显示设备的网络购物也正在兴起，然而，电视仅仅是作为了一个单纯的显示设备来实现网络购物，即用户在电视上连接到购物网站，然后输入商品信息查找对应的商品并购买，无法实现基于电视等智能显示设备的***自动推荐购物，而需要用户主动输入商品的相关信息，因此过程比较复杂，不够方便。
发明内容
本发明实施例的目的在于提供一种基于智能显示设备的购物方法及装置，旨在解决现有的基于智能显示设备的购物方法无法实现基于电视等智能显示设备的***自动推荐购物，不够方便的问题。
本发明实施例是这样实现的，一种基于智能显示设备的购物方法，所述方法包括：
获取用户选取的商品截图；
从所述商品截图中采集像素点，将所采集的像素点的像素值与预设的像素标准值进行匹配，提取出商品特征信息；
将所述商品特征信息传递给购物网站，从该购物网站中查询到与所述商品特征信息对应的商品信息，将该商品信息反馈给用户，以供用户从所述商品信 息中选择购买对应的商品。
本发明实施例的另一目的在于提供一种基于智能显示设备的购物装置，所述装置包括：
截图单元，用于获取用户选取的商品截图；
特征提取单元，用于从所述商品截图中采集像素点，将所采集的像素点的像素值与预设的像素标准值进行匹配，提取出商品特征信息；
商品检索及购物单元，用于将所述商品特征信息传递给购物网站，从该购物网站中查询到与所述商品特征信息对应的商品信息，将该商品信息反馈给用户，以供用户从所述商品信息中选择购买对应的商品。
在本发明实施例中，在对用户观看电视节目时选取的商品截图自动进行分析处理获得商品截图中商品的特征信息，便能从购物网站中查询到对应的商品信息及店铺信息并显示给用户，使得用户能够很便利地在智能显示设备上完成网络购物。不再需要手动输入商品特征信息搜索对应商品进行购物，***可根据用户选取的商品截图，自动向用户推荐用户可能会感兴趣的商品。
附图说明
图1是本发明实施例提供的基于智能显示设备的购物方法的流程图；
图2是本发明实施例提供的用于切割图像的四叉树图像切割方法的示意图；
图3是本发明实施例提供的图2中一个有商品图像的叶节点（即黑色叶节点）生成的色彩正态分布图；
图4是本发明实施例提供的基于智能显示设备的购物装置结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅 仅用以解释本发明，并不用于限定本发明。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
实施例一：
如图1所示为本发明第一实施例提供的一种基于智能显示设备的购物方法流程图，为了便于说明，仅示出了与本发明实施例相关的部分。
在步骤S101中，获取用户选取的商品截图。
在本发明实施例中，用户在观看电视节目时，如果看到自己感兴趣的物品，则可通过遥控器在智能显示设备屏幕上进行截图，向智能显示设备输入截图指令。因而，对于智能显示设备而言，在播放电视节目时接收到用户输入的截图指令后，对电视节目上的物品进行截图，获取用户选取的商品截图。优选的，由于在电视节目播放过程中，画面切换过快，因而此时所选取的截图可能并不是用户所感兴趣的商品截图，因而，智能显示设备在播放电视节目时若接收到用户输入的截图指令，则回放接收到该截图指令前预设时间段内的缓存电视节目图像，并将此时间段内的图像反馈给用户，此时用户便可选取到自己感兴趣的商品截图，而智能显示设备获取用户在观看缓存电视节目图像时所选取的商品截图。其中，智能显示设备包括但不限于智能电视。
优选的，智能显示设备通过异步消息传递机制将商品截图传递给截图处理接口，则不需要等待截图处理接口处理图像，而可以继续发生其他请求，截图处理接口处理完成后会自动通知智能显示设备。
在步骤S102中，从商品截图中采集像素点，将所采集的像素点的像素值与预设的对应像素标准值匹配，提取出商品特征信息。
在本发明实施例中，当获取到用户选取的商品截图后，对该商品截图进行分析，从中提取出商品特征信息。其中，商品特征信息包括但不限于：商品名称标识、商品类别、商品价格、商品品牌。
该步骤可分为两个子步骤。
第一步，对用户选取的商品截图进行切割，采集所述商品截图中商品像素 点的像素值。
在本发明实施例中，首先对用户选取的商品截图进行切割，切割出商品和背景。此处，采用四叉树图像切割方法对商品截图进行切割，按照将图像切割为四个象限的方式对商品截图递归切割象限，直到商品截图中的高密度像素切割于各个象限中，并根据所述商品截图的象限切割状态生成四叉树。
具体为，首先将商品截图切割为四个象限，然后根据图像复杂度对该四个象限进行排序，选择复杂度较高的三个象限（即在四个象限中选择复杂度较高的三个象限），判断上述三个象限中的每个象限所有像素点到对应的象限边缘的最小距离是否小于或等于该象限边长的预设百分比，若是则不再对该象限进行分割，否则继续将该象限分为四个象限，选择四个象限中的三个图像复杂度高的象限，接着判断三个象限中的每个象限所有像素点到对应的象限边缘的最小距离是否小于或等于该象限边长的预设百分比，直到每个象限内所有像素点到象限边缘的最小距离都小于或等于该象限边长的预设百分比时，就不再对商品截图进行象限分割。其中，象限边长的预设百分比可根据需要而设，此处对此不作限制，优选地，取象限边长的1/100。
最后，根据最终的商品截图象限切割状态生成与之对应的四叉树，在该四叉树中，区分有商品图像的节点及没有商品图像的节点（没有商品图像即为背景），其中，有商品图像的节点即表示切割后有商品图像的象限，没有商品图像的节点表示切割后没有商品图像的象限。
下面通过图2来具体说明。
在图2中，左上方的商品图表示用户选定的商品截图，首先将该图切割为四个象限，然后再继续根据图像复杂度，经过判断后，对图像复杂度较高的三个象限进行进一步的分析，判断所述三个象限中的每个象限所有像素点到其所在象限边缘的最小距离是否小于或等于该象限边长的预设百分比，若大于则继续切割，直到所有的象限中的像素点到其所在的最小距离小于或等于象限变成。最终，该商品图中标为阴影部分即为有商品图像的部分，空白部分为背景（如 图2所示）。随后，根据图像的切割状况生成如图2下方所示的与左上方商品图对应的四叉树，其中，黑色节点为有商品图像的节点，白色节点为没有商品图像的节点。
在将商品截图进行切割后，采用正态分布的高密集图像采集策略将四叉树中有商品图像的叶节点（即最后一次切割时所得的节点）生成色彩正态分布图，并从中采集商品所有像素点的像素值。
具体为，将四叉树中有商品图像的叶节点调用OpenCV的API，生成色彩的正态分布图，设置颜色密度阈值，低于该阈值时为背景，并去掉颜色密度低的值（即去掉背景），保留颜色密度高的值，从而采集到至少一个像素点，每个像素点具有自身的像素值，即为商品中各个像素点的像素值。
如图3所示为一个有商品图像的叶节点生成的色彩正态分布图，这里设图2中象限的边长为L，那么中轴线就是X=L/2，这里采集象限较密集的区域的像素点的像素值，即为L/4到3L/4区间像素点的像素值。
第二步，将商品像素点的像素值与预设的对应像素标准值进行匹配处理，获取商品特征信息。
在本发明实施例中，在获取用户选取的商品截图并分析时，还需进入用户输入的商品页面，此时用户输入商品页面时对应发起的商品消息会传到后台，后台根据该商品消息中携带的商品值的类型查找出预设的对应标准信息，该标准信息包括：预设的多组像素标准值及对应的多个参考特征数组，商品消息中商品值的类型包括但不限于智能显示设备型号等（由于智能显示设备型号不同，其标准信息是不同的，因而为了针对不同的智能显示设备处理商品截图个像素点像素值，需要针对智能显示设备的型号获取相应型号的标准信息）。其中，每个参考特征数组对应一个商品的特征信息。其中，每一个像素点有一个像素值，此处我们用红、绿、蓝色值来表示，所述参考特征数组携带至少一组参考特征值。
获取到对应的像素标准值后，通过公式Y1=sqrt((Xr0-Xr1)2+(Yg0-Yg1)2+ (Zb0-Zb1)2)分别计算商品的每个像素点的像素值与预设的对应像素标准值的标准差。其中，sqrt表示平方根运算，Xr0表示红色标准值，Yg0表示绿色标准值，Zb0表示蓝色标准值，Xr1,Yg1,Zb1分别表示商品截图中采集到的其中一个像素点的红、绿、蓝色值。随之，对计算出的多个标准差求平均值，分别计算每个标准差与该平均值的差值，并将计算出的多个差值进行排序，形成数组并存储，其中可根据所述差值的大小由小到大或由大到小进行排序，此处对此不作限制。最后，从数据库中调出与所述像素标准值对应的参考特征数组，并调用OpenCVAPI，应用余统夹角算法公式依次计算上述数组与预设的多个参考特征数组之间的偏差（由于每一组参考特征数组表示一种商品，因此将所计算的数组与每一组参考特征数组进行比较，当二者之间的偏差最小时，则认为该数组所代表的商品与参考商品最接近，可将此商品看出参考商品），计算所得的最小偏差对应的参考特征数组所对应的商品特征信息即为商品截图的商品特征信息。其中，Xik(i=1,2,3,…n)表示所述数组中的差值，Xjk(j=1,2,3,…n)表示预设的参考特征数值，Cij表示数组与预设的参考特征数组之间的偏差。每个参考特征数组就代表了一种商品的商品特征信息，通过余统夹角算法计算出的距离最小的参考特征数组所代表的商品的特征信息最接近于商品截图中商品的商品特征信息。
下面将以一例子详细阐述如何利用余统夹角算法公式计算出数组与预设的多个参考特征数组之间的偏差。计算出的多个差值为Y11,Y22,…Ynn，则将Y11,Y22,…Ynn按数值大小排序组成数组后保存。随后，从数据库中查找到多个参考特征数组（如（r11,r12,…r1n)与(k11,k12,k13,….k1n)），则调用OpenCVAPI实现的余统夹角算法公式分别计算数组 （Y11,Y22,…Ynn）与（r11,r12,…r1n)及(k11,k12,k13,….k1n)之间的偏差，其中，Xik(i=1,2,3,…n)表示所述数组的差值，Xjk(j=1,2,3,…n)表示预设的参考特征数组，Cij表示数组与预设的参考特征数组之间的偏差。若计算出（r11,r12,…r1n)与（Y11,Y22,…Ynn）的偏差较小，则（r11,r12,…r1n)所对应的商品特征信息即为商品截图的商品特征信息；若计算出（(k11,k12,k13,….k1n)与（Y11,Y22,…Ynn）的偏差较小，则(k11,k12,k13,….k1n)所对应的商品特征信息即为商品截图的商品特征信息。
在步骤S103中，将商品特征信息传递到购物网站，将该商品信息反馈给用户，以供用户从所述商品信息中选择购买对应的商品。
在本发明实施例中，由于现在很多购物网站（如淘宝等）的API都是开放的，因而在获得商品特征信息后，便可将商品特征信息作为参数传递给购物网站的应用程序接口（API，Application Programming Interface），便能够在购物网站中查询到与商品截图中的商品相对应的商品信息及店铺信息，并将这些商品信息及店铺信息显示在智能显示终端上供用户选择，用户便可在智能显示终端上登陆购物网站完成网络购物。
在本发明实施例中，在对用户观看电视节目时选取的商品截图自动进行分析处理获得商品截图中商品的特征信息，便能从购物网站中查询到对应的商品信息及店铺信息并显示给用户，使得用户能够很便利地在智能显示设备上完成网络购物。不再需要手动输入商品特征信息搜索对应商品进行购物，***可根据用户选取的商品截图，自动向用户推荐用户可能会感兴趣的商品。
实施例二：
图4为本发明实施例提供的基于智能显示设备的购物装置结构示意图，为了是内容变得简化，仅示出了与本发明实施例相关的部份，其他部分此处略掉。
截图单元41，用于获取用户选取的商品截图。
在本发明实施例中，截图单元41包括：
节目回放单元411，用于在播放电视节目时若接收到用户输入的截图指令， 回放接收到该截图指令前预设时间段内的缓存电视节目图像；
截图获取单元412，用于获取用户在观看缓存电视节目图像时所选取的商品截图。
在本发明实施例中，用户在观看电视节目时，如果看到自己感兴趣的物品，则可在屏幕上进行截图，用户输入截图指令。因而，例如所述截图获取单元412在播放电视节目时接收到用户输入的截图指令后，对电视节目上的物品进行截图，获取用户选取的商品截图。优选的，由于在电视节目播放过程中，画面切换过快，因而此时所选取的截图可能并不是用户所感兴趣的商品截图，因而，所述节目回放单元411在播放电视节目时若接收到用户输入的截图指令，则回放接收到该截图指令前预设时间段内的缓存电视节目图像，所述截图获取单元412将此时间段内的图像反馈给用户，此时用户便可选取到自己感兴趣的商品截图，而截图获取单元412获取用户在观看缓存电视节目图像时所选取的商品截图。
特征提取单元42，用于从所述商品截图中采集像素点，将所采集的像素点的像素值与预设的像素标准值进行匹配，提取出商品特征信息。
在本发明实施例中，商品特征信息包括但不限于：商品名称标识、商品类别、商品价格、商品品牌。
在本发明实施例中，特征提取单元42包括：
图像处理单元421，用于采用四叉图像切割方法对所述商品截图进行切割，采集所述商品截图中商品像素点的像素值。
其中，图像处理单元421又包括：
图像切割单元4211，用于将商品截图切割为四个象限，按照图像复杂度的高低对所述四个象限进行排序，选择图像复杂度高的三个象限，判断所述三个象限中的每个象限中所有像素点到所在象限边缘的最小距离是否小于或等于该象限边长的预设百分比；是则根据所述商品截图的象限切割状态生成四叉树；否则继续进行切割，直到每个象限内所有像素点到所在象限边缘的最小距离都 小于或等于该象限边长的预设百分比为止。
具体地，图像切割单元4211首先将商品截图切割为四个象限，然后根据图像复杂度对该四个象限进行排序，选择复杂度较高的三个象限（即在四个象限中选择复杂度较高的三个象限），判断上述三个象限中的每个象限所有像素点到对应的象限边缘的最小距离是否小于或等于该象限边长的预设百分比，若是则不再对该象限进行分割，否则继续将该象限分为四个象限，选择四个象限中的三个图像复杂度高的象限，接着判断三个象限中的每个象限所有像素点到对应的象限边缘的最小距离是否小于或等于该象限边长的预设百分比，直到每个象限内所有像素点到象限边缘的最小距离都小于或等于该象限边长的预设百分比时，就不再对商品截图进行象限分割。其中，象限边长的预设百分比可根据需要而设，此处对此不作限制，优选地，取象限边长的1/100。进一步地，根据最终的商品截图象限切割状态生成与之对应的四叉树，在该四叉树中，区分有商品图像的节点及没有商品图像的节点（没有商品图像即为背景），其中，有商品图像的节点即表示切割后有商品图像的象限，没有商品图像的节点表示切割后没有商品图像的象限。
像素提取单元4212，用于将所述四叉树中的叶节点生成色彩正态分布图，并从所述正态分布图中采集商品像素点的像素值。具体为，将四叉树中有商品图像的叶节点调用OpenCV的API，生成色彩的正态分布图，设置颜色密度阈值，低于该阈值时为背景，并去掉颜色密度低的值（即去掉背景），保留颜色密度高的值，从而采集到至少一个像素点，每个像素点具有自身的像素值，即为商品中各个像素点的像素值。
商品特征获取单元422，用于将所述商品像素点的像素值与预设的像素标准值进行匹配处理，获取商品特征信息。
其中，商品特征获取单元422又包括：
标准差计算单元4221，用于分别计算所述商品每个像素点的像素值与预设的对应像素标准值的标准差；
在本发明实施例中，具体地，在获取用户选取的商品截图并分析时，还需进入用户输入的商品页面，此时用户输入商品页面时对应发起的商品消息会传到后台，后台根据该商品消息中携带的商品值的类型查找出预设的对应标准信息，该标准信息包括：预设的多组像素标准值及对应的多个参考特征数组，商品消息中商品值的类型包括但不限于智能显示设备型号等（由于智能显示设备型号不同，其标准信息是不同的，因而为了针对不同的智能显示设备处理商品截图个像素点像素值，需要针对智能显示设备的型号获取相应型号的标准信息）。其中，每个参考特征数组对应一个商品的特征信息。其中，每一个像素点有一个像素值，此处我们用红、绿、蓝色值来表示，所述参考特征数组携带至少一组参考特征值。
获取到对应的像素标准值后，标准差计算单元4221通过公式Y1=sqrt((Xr0-Xr1)2+(Yg0-Yg1)2+(Zb0-Zb1)2)分别计算商品的每个像素点的像素值与预设的对应像素标准值的标准差。其中，sqrt表示平方根运算，Xr0表示红色标准值，Yg0表示绿色标准值，Zb0表示蓝色标准值，Xr1,Yg1,Zb1分别表示商品截图中采集到的其中一个像素点的红、绿、蓝色值。
差值确定单元4222，用于求多个所计算的标准差的平均值，分别计算每个标准差与该平均值的差值，并将计算出的多个差值进行排序，将排序后的多个差值形成数组并存储；其中可根据所述差值的大小由小到大或由大到小进行排序，此处对此不作限制。
特征匹配单元4223，用于利用公式依次计算所述数组与预设的参考特征数组之间的偏差，提取与所计算的最小偏差对应的参考特征数组，将所述参考特征数组对应的特征信息作为商品特征信息，其中，所述Xik(i=1,2,3,…n)表示所述数组中的差值，Xjk(j=1,2,3,…n)表示预设的参考特征值，Cij表示所述数组与预设的参考特征数组之间的偏差。每个参考特征数组就 代表了一种商品的商品特征信息，特征匹配单元4223通过余统夹角算法计算出的距离最小的参考特征数组所代表的商品的特征信息最接近于商品截图中商品的商品特征信息。
下面将以一例子详细阐述如何利用余统夹角算法公式计算出数组与预设的多个参考特征数组之间的偏差。计算出的多个差值为Y11,Y22,…Ynn，则将Y11,Y22,…Ynn按数值大小排序组成数组后保存。随后，从数据库中查找到多个参考特征数组（如（r11,r12,…r1n)与(k11,k12,k13,….k1n)），则调用OpenCVAPI实现的余统夹角算法公式分别计算数组（Y11,Y22,…Ynn）与（r11,r12,…r1n)及(k11,k12,k13,….k1n)之间的偏差，其中，Xik(i=1,2,3,…n)表示所述数组的差值，Xjk(j=1,2,3,…n)表示预设的参考特征数组，Cij表示数组与预设的参考特征数组之间的偏差。若计算出（r11,r12,…r1n)与（Y11,Y22,…Ynn）的偏差较小，则（r11,r12,…r1n)所对应的商品特征信息即为商品截图的商品特征信息；若计算出（(k11,k12,k13,….k1n)与（Y11,Y22,…Ynn）的偏差较小，则(k11,k12,k13,….k1n)所对应的商品特征信息即为商品截图的商品特征信息。
商品检索及购物单元43，用于将所述商品特征信息传递给购物网站，从该购物网站中查询到与所述商品特征信息对应的商品信息，将该商品信息反馈给用户，以供用户从所述商品信息中选择购买对应的商品。
在本发明实施例中，由于现在很多购物网站（如淘宝等）的API都是开放的，因而在获得商品特征信息后，商品检索及购物单元43便可将商品特征信息作为参数传递给购物网站的应用程序接口（API，Application Programming Interface），便能够在购物网站中查询到与商品截图中的商品相对应的商品信息及店铺信息，并将这些商品信息及店铺信息显示在智能显示终端上供用户选择，用户便可在智能显示终端上登陆购物网站完成网络购物。
本实施例中的一种基于智能显示设备的购物装置与上述实施例的一种基于智能显示设备的购物方法相对应，实现原理基本一致，实现过程请参照上述实施例，此处不再对装置的具体实现过程进行赘述。
在本发明实施例中，在对用户观看电视节目时选取的商品截图自动进行分析处理获得商品截图中商品的特征信息，便能从购物网站中查询到对应的商品信息及店铺信息并显示给用户，使得用户能够很便利地在智能显示设备上完成网络购物。不再需要手动输入商品特征信息搜索对应商品进行购物，***可根据用户选取的商品截图，自动向用户推荐用户可能会感兴趣的商品。
本领域普通技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以在存储于一计算机可读取存储介质中，所述的存储介质，如ROM/RAM、磁盘、光盘等。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于智能显示设备的购物方法，其特征在于，所述方法包括：
S1、获取用户选取的商品截图；
S2、从所述商品截图中采集像素点，将所采集的像素点的像素值与预设的像素标准值进行匹配，提取出商品特征信息；
S3、将所述商品特征信息传递给购物网站，从该购物网站中查询到与所述商品特征信息对应的商品信息，将该商品信息反馈给用户，以供用户从所述商品信息中选择购买对应的商品；
所述步骤S2具体包括：
S21、采用四叉图像切割方法对所述商品截图进行切割，采集所述商品截图中商品像素点的像素值；
S22、将所述商品像素点的像素值与预设的像素标准值进行匹配处理，获取商品特征信息；
所述步骤S21具体包括：
S210、将商品截图切割为四个象限，按照图像复杂度的高低对所述四个象限进行排序，选择复杂度高的三个象限；
S211、判断所述三个象限中的每个象限中所有像素点到所在象限边缘的最小距离是否小于或等于该象限边长的预设百分比；是则转到S212，否则转到所述步骤S210，直到每个象限内所有像素点到所在象限边缘的最小距离都小于或等于该象限边长的预设百分比为止；
S212、根据所述商品截图的象限切割状态生成四叉树；
S213、将所述四叉树中的叶节点生成色彩正态分布图，并从所述正态分布图中采集商品像素点的像素值；
所述步骤S22具体包括：
S221、分别计算所述商品每个像素点的像素值与预设的对应像素标准值的标准差；
S222、求多个所计算的标准差的平均值，分别计算每个标准差与该平均值的差值，并将计算出的多个差值进行排序，将排序后的多个差值形成数组并存储；
S223、计算所述数组与预设的参考特征数组的偏差，提取与所计算的最小偏差对应的参考特征数组，将所述参考特征数组对应的特征信息作为商品特征信息。
2.如权利要求1所述的方法，其特征在于，所述步骤S223中，利用公式依次计算所述数组与预设的参考特征数组之间的偏差，其中，所述Xik表示所述数组中的差值，Xjk表示预设的参考特征值，Cij表示所述数组与预设的参考特征数组之间的偏差，i＝1,2,3,…n，j＝1,2,3,…n。
3.一种基于智能显示设备的购物装置，其特征在于，所述装置包括：
截图单元，用于获取用户选取的商品截图；
特征提取单元，用于从所述商品截图中采集像素点，将所采集的像素点的像素值与预设的像素标准值进行匹配，提取出商品特征信息；
商品检索及购物单元，用于将所述商品特征信息传递给购物网站，从该购物网站中查询到与所述商品特征信息对应的商品信息，将该商品信息反馈给用户，以供用户从所述商品信息中选择购买对应的商品；
所述特征提取单元包括：
图像处理单元，用于采用四叉图像切割方法对所述商品截图进行切割，采集所述商品截图中商品像素点的像素值；
商品特征获取单元，用于将所述商品像素点的像素值与预设的像素标准值进行匹配处理，获取商品特征信息；
所述图像处理单元包括：
图像切割单元，用于将商品截图切割为四个象限，按照图像复杂度的高低对所述四个象限进行排序，选择复杂度高的三个象限，判断所述三个象限中的每个象限中所有像素点到所在象限边缘的最小距离是否小于或等于该象限边长的预设百分比；是则根据所述商品截图的象限切割状态生成四叉树；否则继续切割，直到每个象限内所有像素点到所在象限边缘的最小距离都小于或等于该象限边长的预设百分比为止；
像素提取单元，用于将所述四叉树中的叶节点生成色彩正态分布图，并从所述正态分布图中采集商品像素点的像素值；
所述商品特征获取单元包括：
标准差计算单元，用于分别计算所述商品每个像素点的像素值与预设的对应像素标准值的标准差；
差值确定单元，用于求多个所计算的标准差的平均值，分别计算每个标准差与该平均值的差值，并将计算出的多个差值进行排序，将排序后的多个差值形成数组并存储。
4.如权利要求3所述的装置，其特征在于，所述商品特征获取单元还包括：
特征匹配单元，用于利用公式依次计算所述数组与预设的参考特征数组之间的偏差，提取与所计算的最小偏差对应的参考特征数组，将所述参考特征数组对应的特征信息作为商品特征信息，其中，所述Xik表示所述数组中的差值，Xjk表示预设的参考特征值，Cij表示所述数组与预设的参考特征数组之间的偏差，i＝1,2,3,…n，j＝1,2,3,…n。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310108906.0A CN103198424B (zh) | 2013-03-29 | 2013-03-29 | 一种基于智能显示设备的购物方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310108906.0A CN103198424B (zh) | 2013-03-29 | 2013-03-29 | 一种基于智能显示设备的购物方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103198424A CN103198424A (zh) | 2013-07-10 |
| CN103198424B true CN103198424B (zh) | 2017-09-08 |
Family
ID=48720943
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310108906.0A Expired - Fee Related CN103198424B (zh) | 2013-03-29 | 2013-03-29 | 一种基于智能显示设备的购物方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103198424B (zh) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103607383A (zh) * | 2013-11-12 | 2014-02-26 | 苏州壹世通科技有限公司 | 一种数据访问方法及*** |
| CN103927348B (zh) * | 2014-04-02 | 2018-09-07 | 华为技术有限公司 | 图片处理方法、信息获取方法及装置 |
| CN106170816A (zh) * | 2014-12-05 | 2016-11-30 | 株式会社威舍里 | 包含自动推荐功能的基于社交商务的产品推荐***和方法 |
| CN106202078A (zh) * | 2015-04-30 | 2016-12-07 | 雅虎公司 | 对象搜寻***与方法及使用该对象搜寻方法的移动通信装置 |
| WO2017002477A1 (ja) * | 2015-06-30 | 2017-01-05 | ケーアンドエムエンタープライズ株式会社 | 表示画面内画像処理方法及びプログラム |
| CN107102786B (zh) | 2016-02-19 | 2020-06-12 | 腾讯科技（北京）有限公司 | 一种信息处理方法及客户端 |
| CN106162213B (zh) * | 2016-07-11 | 2019-08-09 | 福建方维信息科技有限公司 | 一种基于视频直播购物的商品展示方法及*** |
| CN107679175B (zh) * | 2017-09-29 | 2020-04-07 | 深圳市聚宝汇科技有限公司 | 一种素金类产品批量数据化方法及*** |
| CN108055589B (zh) * | 2017-12-20 | 2021-04-06 | 聚好看科技股份有限公司 | 智能电视 |
| CN111212250B (zh) | 2017-12-20 | 2023-04-14 | 海信视像科技股份有限公司 | 智能电视及电视画面截图的图形用户界面的显示方法 |
| CN109963201A (zh) * | 2017-12-26 | 2019-07-02 | 深圳Tcl新技术有限公司 | 一种实时购物方法、***、智能网络电视及存储介质 |
| CN108921048A (zh) * | 2018-06-14 | 2018-11-30 | 深圳码隆科技有限公司 | 一种购物结算方法、装置和用户终端 |
| US11039196B2 (en) | 2018-09-27 | 2021-06-15 | Hisense Visual Technology Co., Ltd. | Method and device for displaying a screen shot |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101937549A (zh) * | 2010-10-09 | 2011-01-05 | 姚建 | 网络购物导航*** |
| CN102982472A (zh) * | 2012-11-29 | 2013-03-20 | 何松 | 终端自动推荐相似商品的方法及装置 |
-
2013
- 2013-03-29 CN CN201310108906.0A patent/CN103198424B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101937549A (zh) * | 2010-10-09 | 2011-01-05 | 姚建 | 网络购物导航*** |
| CN102982472A (zh) * | 2012-11-29 | 2013-03-20 | 何松 | 终端自动推荐相似商品的方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| "快速的分形码图像检索方法";王兴元 等;《计算机科学与探索》;20090430(第4期);第2.1、5节 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103198424A (zh) | 2013-07-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103198424B (zh) | 一种基于智能显示设备的购物方法及装置 | |
| US10299011B2 (en) | Method and system for user interaction with objects in a video linked to internet-accessible information about the objects | |
| CN1538351B (zh) | 为视频序列生成视频缩略图的方法和计算机 | |
| CN107404656B (zh) | 直播视频推荐方法、装置及服务器 | |
| US11914639B2 (en) | Multimedia resource matching method and apparatus, storage medium, and electronic apparatus | |
| US8554639B2 (en) | Method and system for managing and displaying product images | |
| US10524005B2 (en) | Facilitating television based interaction with social networking tools | |
| KR20190099027A (ko) | 비디오 컨텐츠 요약 | |
| CN103365936A (zh) | 视频推荐***及其方法 | |
| CN110874780A (zh) | 基于大数据统计的景区游玩***及推荐方法 | |
| US20130314438A1 (en) | Interactive overlay for digital video | |
| CN103065261A (zh) | 基于手势操作的视频购物的方法、装置和*** | |
| CN106454431B (zh) | 电视节目推荐方法和*** | |
| CN112507163B (zh) | 时长预测模型训练方法、推荐方法、装置、设备及介质 | |
| WO2016201800A1 (zh) | 信息获取方法、服务器、终端及数据库构建方法、装置 | |
| CN111159555A (zh) | 商品推荐方法、装置、服务器和存储介质 | |
| CN113408590B (zh) | 场景识别方法、训练方法、装置、电子设备及程序产品 | |
| KR102215735B1 (ko) | 가상 현실 공간에서 서비스 제공을 위한 캐릭터 판매 및 구매 장치 | |
| KR20210059593A (ko) | 콘텐츠 기반의 상품 판매 중개 서비스 제공 방법, 장치 및 컴퓨터프로그램 | |
| CN111737517A (zh) | 一种基于短视频的即时推荐方法及*** | |
| KR102215729B1 (ko) | 가상 현실 공간에 적용된 사용자 아바타에 의한 서비스 제공 프로그램 | |
| CN110969155A (zh) | 一种基于智能ar产品画册的食品宣传*** | |
| CN112104910B (zh) | 一种视频搜索方法、装置及*** | |
| CN109309875B (zh) | 一种在智能电视上展示用户行为特征模型的方法 | |
| CN112819313A (zh) | 目标图像生成方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170908 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |