CN109685611A - 一种产品推荐方法、装置、计算机设备及存储介质 - Google Patents
一种产品推荐方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN109685611A CN109685611A CN201811537275.3A CN201811537275A CN109685611A CN 109685611 A CN109685611 A CN 109685611A CN 201811537275 A CN201811537275 A CN 201811537275A CN 109685611 A CN109685611 A CN 109685611A
- Authority
- CN
- China
- Prior art keywords
- expression
- micro
- target
- time point
- preset
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 230000014509 gene expression Effects 0.000 claims abstract description 197
- 239000002131 composite material Substances 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000013527 convolutional neural network Methods 0.000 claims description 12
- 238000012360 testing method Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000012790 confirmation Methods 0.000 claims description 4
- 230000009191 jumping Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims 1
- 239000000284 extract Substances 0.000 abstract description 2
- 239000000047 product Substances 0.000 description 155
- 230000006870 function Effects 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000001815 facial effect Effects 0.000 description 5
- 210000004709 eyebrow Anatomy 0.000 description 4
- 230000002452 interceptive effect Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 210000000744 eyelid Anatomy 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 208000002193 Pain Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 210000004209 hair Anatomy 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0236—Incentive or reward received by requiring registration or ID from user
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种产品推荐方法、装置、计算机设备及存储介质，所述方法包括：获取客户端的应用程序的应用标识，并获取应用标识对应的每个预设拍摄时间点，在到达任意一个预设拍摄时间点时，从客户端获取预设拍摄时间点对应的实时视频流，并从中提取当前用户的面部图像，进而通过微表情识别，得到预设拍摄时间点对应的目标微表情，使得通过目标微表情判断当前用户对该产品的偏好程度，使得产品的推荐具有针对性，提高了产品信息推荐的成功率，同时，根据每个微表情的预设权值，确定每个产品对应的偏好值，并根据偏好值得到目标产品，及目标产品对应的预设奖品，实现在不影响用户体验的情况下，分析用户的偏好并进行推送，提高了产品推荐的效率。
Description
技术领域
本发明涉及人工智能领域，尤其涉及一种产品推荐方法、装置、计算机设备及存储介质。
背景技术
随着社会经济的发展和人们生活水平的增长，越来越多的新商品出现在人们的生活中，为了便于人们了解自己的产品，许多企业会采用各种方式来推广自己的产品信息。
目前，随着互联网技术的发展，网络推广因为其费用低、流量大而受到众多企业的热捧，成为了主要推广方式，当前网络推广方式包括但不限于：页面周边广告、弹窗式推广、视频或页面加载前的广告推广和病毒式传播推广等，这些推广方法针对性不强，且容易引起用户反感，虽然有一些细微作用，但整体来看，还是使得产品信息的推荐成功率低，并且推荐效率低。
发明内容
本发明实施例提供一种产品推荐方法、装置、计算机设备和存储介质，以解决传统产品推送方法导致的产品信息的推送效率低、成功率低的问题。
一种产品推荐方法，包括：
获取客户端当前运行的应用程序的应用标识，其中，所述应用程序预先捆绑有预设数量的产品信息；
从预设的数据库中，获取所述应用标识对应的每个预设拍摄时间点，其中，每个所述预设拍摄时间点对应至少一个所述产品信息；
若检测到所述应用标识对应的应用程序的运行时间点到达任意一个所述预设拍摄时间点，则从所述客户端获取所述预设拍摄时间点对应的实时视频流；
从所述实时视频流中获取所述当前用户的面部图像；
对所述面部图像进行微表情识别，得到所述预设拍摄时间点对应的目标微表情；
在获取到每个所述预设拍摄时间点对应的目标微表情后，根据每个所述目标微表情的预设权值，确定所述当前用户对每个所述预设拍摄时间点对应的所述产品信息的偏好值，并按照所述偏好值由大到小的顺序，对所述偏好值对应的所述产品信息进行排序，得到产品序列；
从所述产品序列中，选取预设数量的产品信息作为目标产品信息；
若接收到所述客户端发送的所述应用程序执行完成的消息，则向所述客户端推送所述目标产品信息对应的预设奖品。
一种产品推荐装置，包括：
标识检测模块，用于获取客户端当前运行的应用程序的应用标识，其中，所述应用程序预先捆绑有预设数量的产品信息；
节点获取模块，用于从预设的数据库中，获取所述应用标识对应的每个预设拍摄时间点，其中，每个所述预设拍摄时间点对应至少一个所述产品信息；
视频获取模块，用于若检测到所述应用标识对应的应用程序的运行时间点到达任意一个所述预设拍摄时间点，则从所述客户端获取所述预设拍摄时间点对应的实时视频流；
图像提取模块，用于从所述实时视频流中获取所述当前用户的面部图像；
表情识别模块，用于对所述面部图像进行微表情识别，得到所述预设拍摄时间点对应的目标微表情；
偏好分析模块，用于在获取到每个所述预设拍摄时间点对应的目标微表情后，根据每个所述目标微表情的预设权值，确定所述当前用户对每个所述预设拍摄时间点对应的所述产品信息的偏好值，并按照所述偏好值由大到小的顺序，对所述偏好值对应的所述产品信息进行排序，得到产品序列；
产品确定模块，用于从所述产品序列中，选取预设数量的产品信息作为目标产品信息；
奖品发送模块，用于若接收到所述客户端发送的所述应用程序执行完成的消息，则向所述客户端推送所述目标产品信息对应的预设奖品。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述产品推荐方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述产品推荐方法的步骤。
本发明实施例提供的产品推荐方法、装置、计算机设备及存储介质，一方面，获取客户端当前运行的应用程序的应用标识，并从预设的数据库中，获取应用标识对应的每个预设拍摄时间点，在检测到应用标识对应的应用程序的运行时间点到达任意一个预设拍摄时间点时，从客户端获取预设拍摄时间点对应的实时视频流，进而从实时视频流中获取包含当前用户的面部图像，再对面部图像进行微表情识别，得到预设拍摄时间点对应的目标微表情，使得通过目标微表情判断当前用户对该产品的偏好程度，有利于获取用户的偏好产品，使得产品的推荐具有针对性，提高了产品信息推荐的成功率，另一方面，用户在获取到每个预设拍摄时间点对应的目标微表情后，根据每个目标微表情的预设权值，确定当前用户对每个预设拍摄时间点对应的产品信息的偏好值，并按照偏好值由大到小的顺序，对偏好值对应的产品信息进行排序，得到产品序列，并从产品序列中，选取前面预设数量个产品信息信息作为目标产品信息，在接收到客户端发送的应用程序执行完成的消息时，向客户端推送预设奖品，以使当前用户可以通过客户端领取目标产品信息对应的与产品信息相关的奖品，使得可以通过用户在与应用程序互动时，在不影响用户体验的情况下，根据应用程序的运行过程中出现的产品信息出现的产品以及用户对该产品的反映，分析用户的偏好，并按照用户偏好推荐相关产品信息，提高了产品推荐的效率。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的产品推荐方法的应用环境示意图；
图2是本发明实施例提供的产品推荐方法的实现流程图；
图3是本发明实施例提供的产品推荐方法中步骤S40的实现流程图；
图4是本发明实施例提供的产品推荐方法中步骤S50的实现流程图；
图5是本发明实施例提供的产品推荐方法中步骤S52的实现流程图；
图6是本发明实施例提供的产品推荐方法中引导用户领取与产品相关的预设奖品的实现流程图；
图7是本发明实施例提供的产品推荐装置的示意图；
图8是本发明实施例提供的计算机设备的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，图1示出本发明实施例提供的产品推荐方法的应用环境。该产品推荐方法应用将产品信息推送给用户的产品推荐场景中。该产品推荐场景包括服务端、客户端和监控端，其中，服务端和客户端之间通过网络进行连接，客户端向服务端提供实时视频流，服务端从客户端获取实时视频流，并对实时视频流进行分析得到用户偏好的产品，并将用户偏好的产品对应的预设奖品发送给客户端的用户，客户端具体可以但不限于是各种个人计算机、笔记本电脑和平板电脑等智能终端设备，服务端具体可以用独立的服务器或者多个服务器组成的服务器集群实现。
请参阅图2，图2示出本发明实施例提供的一种产品推荐方法，以该方法应用在图1中的服务端为例进行说明，详述如下：
S10：获取客户端当前运行的应用程序的应用标识，其中，应用程序预先捆绑有预设数量的产品信息。
具体地，用户在通过客户端运行预设的应用程序时，客户端将该运用程序的应用标识发送给服务端，以便服务端对与该应用程序互动的当前用户作为用户偏好产品的分析。
其中，本实施例中的应用程序是指预先捆绑有预设数量的产品信息的小程序或者小游戏，例如，获取到一个标识为“幸运飞盘”的小游戏，在该应用运行过程中，每过5秒钟会出现一个产品信息，用户需要在5秒钟时间内达到预设条件，就有可能会在小游戏结束后获得该产品信息相关的奖品。
S20：从预设的数据库中，获取应用标识对应的每个预设拍摄时间点，其中，每个预设拍摄时间点对应至少一个产品信息。
具体地，服务端在接收到该应用标识后，从预设的数据库中，获取该应用标识对应的每个预设拍摄时间点。
其中，拍摄时间点是指通过客户端对当前用户进行拍摄的时间段，例如，将应用程序的运行时间从15秒到18秒作为一个拍摄时间点，在每个预设拍摄时间点，客户端对当前用户进行拍摄，得到该预设拍摄时间点对应的实时视频流。
其中，预设的数据库预先存储有多个应用标识，以及每个应用标识对应的预设拍摄点，由于一个应用程序中往往会推荐多款产品，因而，每个应用标识一般对应多个产品，在每个产品在应用程序执行过程中出现的时间点，设置为一个拍摄时间点。
在本实施例中，在应用程序运行到预设时间，会将捆绑的产品展示给用户，这个时间段被设置为预设拍摄时间点，即在这个时间范围内会出现产品，此时客户端会拍摄带有用户微表情的实时视频流。
S30：若检测到应用标识对应的应用程序的运行时间点到达任意一个预设拍摄时间点，则从客户端获取预设拍摄时间点对应的实时视频流。
具体地，服务端在检测到客户端的应用标识对应的运行时间点达到任意一个预设拍摄时间点时，通过网络传输协议，从客户端获取客户端在预设拍摄时间点对应的实时视频流。
其中，实时视频流的时间与其对应预设拍摄点的时间范围相同，实时视频流是客户端在预设拍摄点的时间范围内，对当前用户的面部进行拍摄得到。
其中，网络传输协议包括但不限于：互联网控制报文协议(Internet ControlMessage Protocol，ICMP)、地址解析协议(ARP Address Resolution Protocol，ARP)和文件传输协议(File Transfer Protocol，FTP)等。
S40：从实时视频流中获取当前用户的面部图像。
具体地，通过从实时视频流中获取预设数量的图像帧，进而对每个图像帧进行人脸检测，将包含人脸特征最完整的图像帧作为当前用户的面部图像。
S50：对面部图像进行微表情识别，得到预设拍摄时间点对应的目标微表情。
具体地，通过微表情识别的方式，对面部图像进行微表情识别，得到预设拍摄时间点对应的目标微表情。
其中，微表情是心理应激微反应的一部分，它从人类本能出发，不受思想的控制，无法掩饰，也不能伪装，再能“装”的人，遇到有效刺激之后的第一瞬间也会出现微表情，因此，以微表情为代表的微反应是人内心想法的忠实呈现，是了解一个人内心真实想法的最准确线索，因而，本实施例通过对基础图像中的微表情进行识别，来得到当前用户的目标微表情，从而判断用户通过无人商店出口时的心理，进而预测当前用户的付款状态。
其中，微表情识别的方式包括但不限于：基于神经网络的微表情识别算法、基于平均灰度的局部三值模式(Mean Grayscale-Local Ternary Patterns，MG-LTP)算法和基于Gabor特征和支持向量机的微表情识别算法等。
值得说明的是，预设拍摄时间点包含一个或多个面部图像，每个预设拍摄时间点对应的实时视频流经过微表情识别后，得到一个目标微表情，因而，最终得到的目标微表情也为多个，且每个目标微表情对应一个预设拍摄时间点。
S60：在获取到每个预设拍摄时间点对应的目标微表情后，根据每个目标微表情的预设权值，确定当前用户对每个预设拍摄时间点对应的产品信息的偏好值，并按照偏好值由大到小的顺序，对偏好值对应的产品信息进行排序，得到产品序列。
具体地，每个微表情对应有预设权值，在获取到每个预设拍摄时间点对应的目标微表情后，将每个目标微表情对应的预设权值小，作为当前用户对每个预设拍摄时间点对应的产品信息的偏好值，并更具偏好值由大到小顺序，对偏好值对应的产品信息进行排序。
S70：从产品序列中，选取预设数量的产品信息作为目标产品信息。
具体地，为针对不同用户在应用程序中均能找到偏好产品，在应用程序中绑定的产品信息的数量较多，为避免后续推荐产品时更具有针对性，从产品序列中，按照从前往后的顺序，选取预设数量的产品信息作为目标产品信息，以便后续根据目标产品信息推送相关的预设奖品。
其中，预设数量可根据实际需要进行设置，此处不作具体限制，例如设置为3个，即获取产品序列中，排序在前三位的产品信息作为目标产品信息。
S80：若接收到客户端发送的应用执行完成的消息，则向客户端推送目标产品信息对应的预设奖品。
具体地，在客户端的应用程序执行完后，会向服务端发送执行完成的消息，服务端接收到该消息后，获取目标产品信息对应预设奖品，并将预设奖品推送到客户端，以使当前用户通过客户端领取预设奖品。
其中，预设奖品包括但不限于：产品优惠券、产品返利券、产品实物玩偶和产品纪念品等。
在本实施例中，获取客户端当前运行的应用程序的应用标识，并从预设的数据库中，进而获取应用标识对应的每个预设拍摄时间点，在检测到应用标识对应的应用程序的运行时间点到达任意一个预设拍摄时间点时，从客户端获取预设拍摄时间点对应的实时视频流，进而从实时视频流中获取包含当前用户的面部图像，再对面部图像进行微表情识别，得到预设拍摄时间点对应的目标微表情，使得通过目标微表情判断当前用户对该产品的偏好程度，有利于获取用户的偏好产品，使得产品的推荐具有针对性，提高了产品信息推荐的成功率，同时，用户在获取到每个预设拍摄时间点对应的目标微表情后，根据每个目标微表情的预设权值，确定当前用户对每个预设拍摄时间点对应的产品信息的偏好值，并按照偏好值由大到小的顺序，对偏好值对应的产品信息进行排序，得到产品序列，并从产品序列中，选取预设数量个产品信息作为目标产品信息，在接收到客户端发送的应用程序执行完成的消息时，向客户端推送预设奖品，以使当前用户可以通过客户端领取目标产品信息对应的与产品信息相关的奖品，使得可以通过用户在与应用程序互动时，在不影响用户体验的情况下，根据应用程序的运行过程中出现的产品信息出现的产品以及用户对该产品的反映，分析用户的偏好，并按照用户偏好推荐相关产品信息，提高了产品推荐的效率。
在图2对应的实施例的基础之上，下面通过一个具体的实施例来对步骤S40中所提及的从实时视频流中获取当前用户的面部图像的具体实现方法进行详细说明。
请参阅图3，图3示出了本发明实施例提供的步骤S40的具体实现流程，详述如下：
S41：按照预设的时间间隔，从实时视频流中获取帧图像，得到包含预设个数的帧图像的帧图像集合。
具体地，服务端按照预设的时间间隔，从接收到的实时视频流中抽取视频帧，得到包含多个帧图像的帧图像集合。
例如，在一具体实施方式中，预设的时间间隔为8个连续视频帧对应的时间，在接收到客户端发送的实时视频流后，服务器将获取到的包含128个连续视频帧的实时视频流中，将8个视频帧作为一个视频帧集合，并获取每个视频帧集合中的最后一个视频帧图像，一共得到128/8＝16个视频帧图像，将这16个帧图像作为帧图像集合。
S42：采用人脸检测算法，对帧图像集合中的帧图像进行人脸检测，得到检测结果。
具体地，通过人脸检测技术，对步骤S41中获取到的帧图像集合中的每个帧图像进行人脸检测，在本实施例中，获取实时视频流中的帧图像是为了进行微表情识别，因而，对人脸进行检测，主要是检测帧图像中是否包括清晰完整的人脸图像，因而，检测结果包括两种情况：包含完整的人脸特征和不包含完整人脸特征。
其中，人脸检测技术主要是用于检测帧图像中面部五官、轮廓及重要面部弧线是否清晰完整，其具体实现方式包括但不限于：Adaboost算法、人脸特征点的识别算法(Feature-based recognition algorithms)、神经网络进行识别的算法(Recognitionalgorithms using neural network)和基于主成分分析(Principal ComponentAnalysis，PCA)的特征脸算法等。
S43：将检测结果中，包含完整人脸特征的每个帧图像均作为当前用户的面部图像。
具体地，将步骤S42中检测结果为包含完整的人脸特征的帧图像作为当前用户的面部图像，在获取到包含完整的人脸特征的帧图像时，对这些帧图像中的人脸的各个特征进行检测，将各个特征最明显的帧图像，作为面部图像。
值得说明的是，获取到的当前用户的面部图像至少为一个，若未获取到当前用户的面部图像，则认为当前用户的状态获取异常，将获取到的实时视频流发送给监控端，并向监控端发送异常提醒预警。
在本实施例中，按照预设的时间间隔，从实时视频流中获取帧图像，得到包含预设个数的帧图像的帧图像集合，采用人脸检测算法，对帧图像集合中的帧图像进行人脸检测，得到检测结果，将检测结果中，包含完整人脸特征的每个帧图像均作为面部图像，实现从实时视频流中选取人脸图像，有利于后续使用该面部图像进行微表情识别。
在图2对应的实施例的基础之上，下面通过一个具体的实施例来对步骤S50中所提及的对面部图像进行微表情识别，得到预设拍摄时间点对应的目标微表情的具体实现方法进行详细说明。
请参阅图4，图4示出了本发明实施例提供的步骤S50的具体实现流程，详述如下：
S51：通过预设的卷积神经网络模型，对面部图像进行表情单元识别，得到面部图像中包含的待识别单元集合。
具体地，将步骤S40中得到的基础图像作为输入图像，输入到训练好的预设的卷积神经网络中进行识别，在卷积神经网络的全连接层，预设有19个分类器，每个分类器对应一种预设的动作单元(Facial Action Unit，以下简称AU)，共19种预设的AU，经过分类器的识别，得到该面部图像中包含的多个基础表情单元，进而将同一面部表情得到的所有基础表情单元，作为一个待识别单元集合。
其中，AU是指行为人的面部用以表达行为人的表情的表情单元，在本实施例中，采用的AU为国际通用的19中AU，具体表一所示：
| AU标号 | AU描述 |
| AU1 | 内眉上扬 |
| AU2 | 外眉上扬 |
| AU4 | 眉毛下压 |
| AU5 | 上眼脸上扬 |
| AU6 | 脸颊抬起 |
| AU7 | 眼睑收紧 |
| AU9 | 鼻子蹙皱 |
| AU10 | 上唇上扬 |
| AU12 | 嘴角上扬 |
| AU14 | 收紧嘴角 |
| AU15 | 嘴角下拉 |
| AU16 | 下嘴唇下压 |
| AU17 | 下巴缩紧 |
| AU18 | 嘴唇褶皱 |
| AU20 | 嘴唇伸展 |
| AU23 | 嘴唇收缩 |
| AU24 | 嘴唇压紧 |
| AU25 | 上下嘴唇分开 |
| AU26 | 下颚下拉 |
表一
其中，卷积神经网(Convolutional Neural Network，CNN)是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，可以快速高效进行图像处理，在本实施例中，采用预先训练好的卷积神经网络，可以快速地识别出基础图像中包含的AU。
例如，在一具体实施方式中，将获取到的基础图像输入到预设的卷积神经网络中进行识别后，得到的基础表情单元类别为：AU4、AU7、AU9和AU24，即眉毛下压、眼睑收紧、鼻子蹙皱和嘴唇压紧。
值得说明的是，现有技术主要运用时空局部纹理特征(Local Binary Patternsfrom Three Orthogonal Planes，以下简称LBP-TOP)算子对微表情进行识别，但在本实施例中，是通过获取实时视频流来得到面部图像，获取到的面部图像中当前用户的面部倾斜角度，以及无人商店光线、拍摄的角度均包含诸多不确定因素，LBP-TOP算子对标准人脸图像进行识别具有较高的准确率，但在实施例中，却并不适用，因而，本实施例采用卷积神经网络对基础图像中行为人的表情单元进行识别，并根据识别到的表情单元来确定行为人的微表情，在本实施例中，相对于LBP-TOP算子，使用卷积神经网络进行微表情识别的运算速度更快，且识别精度更高。
S52：根据预设的表情单元组合集合中，每个预设的表情单元组合与每个微表情之间的映射关系，确定面部图像中包含的待识别单元集合对应的微表情，作为预设拍摄时间点对应的目标微表情。
具体地，预设的表情单元组合集合包含多个预设的表情单元组合，每个预设的表情单元组合均与一个微表情具有映射关系，通过从预设的表情单元组合集合中，选取与面部图像中包含的待识别单元集合最接近的预设的表情单元组合，作为目标表情单元组合，进而将目标表情单元组合对应的微表情，作为预设拍摄时间点对应的目标微表情。
其中，选取与面部图像中包含的待识别单元集合最接近的预设的表情单元组合，具体可以是通过计算待识别单元集合与预设的表情单元组合集合中每个预设的表情单元组合的相似度，进而从得到的相似度值中选取最大的相似度值作为目标相似度值，进而将目标相似度值对应的预设的表情单元组合作为与待识别单元集合最接近的预设的表情单元组合。
在本实施例中，针对基础图像集合中的每个面部图像，通过预设的卷积神经网络模型，对面部图像进行表情单元识别，得到每个面部图像中包含的待识别单元集合，进而根据预设的表情单元组合集合中，每个预设的表情单元组合与每个微表情之间的映射关系，确定面部图像中包含的待识别单元集合对应的微表情，作为目标微表情，实现了通过神经网络对基础图像集合中的每个面部图像进行智能识别，得到每个面部图像的目标微表情，提高了获取目标微表情的效率。
在图4对应的实施例的基础之上，下面通过一个具体的实施例来对步骤S52中所提及的根据预设的表情单元组合集合中，每个预设的表情单元组合与每个微表情之间的映射关系，确定面部图像中包含的待识别单元集合对应的微表情，作为预设拍摄时间点对应的目标微表情的具体实现方法进行详细说明。
请参阅图5，图5示出了本发明实施例提供的步骤S52的具体实现流程，详述如下：
S521：获取预设的表情单元组合集合，其中，表情单元组合集合包括m个预设的表情单元组合，每个预设的表情单元组合对应一个微表情，m为正整数。
具体地，预设的表情单元组合集合中包含m个表情单元组合，每个表情单元组合包括至少两种的动作单元，每个预设的表情单元组合对应一个微表情。
其中，表情单元组合是指两种或者两种以上的动作单元形成的组合，每个预设的表情单元组合对应一个微表情。
例如，在一具体实施方式中，获取到的一表情单元组合包括3种动作单元，分别为：AU2、AU6和AU20，该表情单元组合对应的微表情为“开心”。
其中，表情单元组合数量m的值可以根据实际情况进行设置，此处不做具体限制，作为一种优选方式，本实施例中m的值为16，即包含16中表情单元组合。
S522：分别计算待识别单元集合与每个预设的表情单元组合的相似度，得到m个相似度值。
具体地，分别待识别单元集合与每个预设的表情单元组合的相似度，从而得到m个相似度值，具体相似度计算方式可以为：在待识别单元集合中，每存在一个在预设的表情单元组合包含的动作单元相同的动作单元，相似度值加2；在待识别单元集合中，每存在一个与预设的表情单元组合包含的动作单元相似的动作单元，相似度值加1；在待识别单元集合中，每存在一个与预设的表情单元组合中任一个动作单元均不相关的动作单元，相似度的值不变；在待识别单元集合中，每存在一个预设的表情单元组合包含的动作单元相同具有相反的含义的动作单元，相似度的值减1。
其中，相似的动作单元，是指两个不同的动作单元，表达的意思相似，例如，嘴唇收缩和嘴唇压紧这两个动作单元，均可理解为在人在紧张或者拘促状态下的一种不自觉的咬紧嘴唇的动作，但两者在程度上稍有区别。
例如，在一具体实施方式中，需计算基础表情单元为“AU1、AU7、AU9和AU23”与一表情单元组合为“AU2、AU7、AU9和AU24”的相似度，其中，AU1与AU2为含义相似动作单元，AU23与AU24为含义相似表情，AU7、AU9在待识别单元集合和预设的表情单元组合中均存在，因而，待识别单元集合和预设的表情单元组合的相似度值为1+2+2+1＝6。
S523：选取m个相似度值中最大的相似度值对应的表情单元组合，作为目标单元组合。
具体地，从获取到的m个相似度值中，选取最大的相似度值，作为目标相似度值，并获取目标相似度值对应的预设的表情单元组合，作为目标单元组合。
S524：根据映射关系，获取目标单元组合对应的微表情，作为预设拍摄时间点对应的目标微表情。
具体地，根据预设的单元组合与微表情的映射关系，获取目标单元组合对应的微表情，作为预设拍摄时间点对应的目标微表情。
在本实施例中，获取预设的表情单元组合集合，并分别计算待识别单元集合与预设的表情单元组合集合中的m个预设的表情单元组合的相似度，得到m个相似度值，再选取m个相似度值中最大的相似度值对应的表情单元组合，作为目标单元组合，进而根据映射关系，获取目标单元组合对应的微表情，作为目标微表情，通过计算相似度值的方式，确定目标单元组合，进而得到目标单元组合对应的微表情，提升了获取目标微表情的准确性。
在一实施例中，在步骤S80之后，该产品推荐方法还包括引导用户领取目标产品对应的奖品。
请参阅图6，图6示出了本发明实施例提供的引导用户领取目标产品对应的奖品的具体实现流程，详述如下：
S91：在接收到当前用户通过客户端发送的奖品领取请求时，获取奖品领取请求中包含的当前用户的账号信息。
具体地，用户通过客户端浏览到预设奖品后，点击客户端的领取按钮，触发客户端向服务端发送奖品领取请求，服务端在接收到该奖品领取请求后，从该请求中获取当前用户的账号信息和目标产品信息对应的预设奖品。
S92：生成用于兑换目标产品信息对应的预设奖品的兑换券。
具体地，根据目标产品信息对应的预设奖品，生成用于兑换该预设奖品的兑换券，该兑换券的形式包括但不限于：条形码、二维码和字符兑换码等。
S93：将兑换券与当前用户的账号信息进行绑定，得到目标兑换券。
具体地，由于本实施例是通过监控用户在与应用程序互动时，对预设产品表现出的微表情变化，分析用户偏好产品，进而发放偏好产品相关的预设奖品，因而，需要将当前用户的账号信息与预设奖品的兑换券进行绑定，得到目标兑换券，使得该目标兑换券只能是当前用户的账号信息进行使用。
S94：向客户端发送跳转到与产品信息相关的页面的指令，接收客户端当前用户使用目标兑换券的确认操作。
具体地，服务端向客户端发送预设奖品对应的产品页面跳转指令，使客户端跳转到预设奖品对应的产品页面，以使用户可以通过该页面使用目标兑换券，并接收客户端当前用户使用目标兑换券的确认操作。
在本实施例中，在接收到当前用户通过客户端发送的奖品领取请求时，获取奖品领取请求中包含的当前用户的账号信息，进而生成用于兑换目标产品信息对应的预设奖品的兑换券，并将该兑换券与当前用户的账号信息进行绑定，得到目标兑换券，再向客户端发送跳转到与产品信息相关的页面的指令，以使当前用户在与产品信息相关的页面上，通过当前用户的账号信息使用目标兑换券，使得用户在获取到奖品信息后，引导用户领取奖品，并跳转到与产品相关的页面进行奖品的领取和实用，提高了产品推荐的成功率。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
图7示出与上述实施例产品推荐方法一一对应的产品推荐装置的原理框图。如图7所示，该产品推荐装置包括标识检测模块10、节点获取模块20、视频获取模块30、图像提取模块40、表情识别模块50、偏好分析模块60、产品确定模块70和奖品发送模块80。各功能模块详细说明如下：
标识检测模块10，用于获取客户端当前运行的应用程序的应用标识，其中，应用程序预先捆绑有预设数量的产品信息；
节点获取模块20，用于从预设的数据库中，获取应用标识对应的每个预设拍摄时间点，其中，每个预设拍摄时间点对应至少一个产品信息；
视频获取模块30，用于若检测到应用标识对应的应用程序的运行时间点到达任意一个预设拍摄时间点，则从客户端获取预设拍摄时间点对应的实时视频流；
图像提取模块40，用于从实时视频流中获取当前用户的面部图像；
表情识别模块50，用于对面部图像进行微表情识别，得到预设拍摄时间点对应的目标微表情；
偏好分析模块60，用于在获取到每个预设拍摄时间点对应的目标微表情后，根据每个目标微表情的预设权值，确定当前用户对每个预设拍摄时间点对应的产品信息的偏好值，并按照偏好值由大到小的顺序，对偏好值对应的产品信息进行排序，得到产品序列；
产品确定模块70，用于从产品序列中，选取预设数量的产品信息作为目标产品信息；
奖品发送模块80，用于若接收到客户端发送的应用程序执行完成的消息，则向客户端推送目标产品信息对应的预设奖品，以使当前用户通过客户端领取预设奖品。
进一步地，图像提取模块40包括：
集合获取单元41，用于按照预设的时间间隔，从实时视频流中获取帧图像，得到包含预设个数的帧图像的帧图像集合；
人脸检测单元42，用于采用人脸检测算法，对帧图像集合中的帧图像进行人脸检测，得到检测结果；
图像获取单元43，用于将检测结果中，包含完整人脸特征的每个帧图像均作为当前用户的面部图像。
进一步地，表情识别模块50包括：
待识别表情获取单元51，用于通过预设的卷积神经网络模型，对面部图像进行表情单元识别，得到面部图像中包含的待识别单元集合；
目标微表情确定单元52，用于根据预设的表情单元组合集合中，每个预设的表情单元组合与每个微表情之间的映射关系，确定面部图像中包含的待识别单元集合对应的微表情，作为预设拍摄时间点对应的目标微表情。
进一步地，目标微表情确定单元52包括：
组合集合获取子单元521，用于获取预设的表情单元组合集合，其中，表情单元组合集合包括m个预设的表情单元组合，每个预设的表情单元组合对应一个微表情，m为正整数；
相似度计算子单元522，用于分别计算待识别单元集合与每个预设的表情单元组合的相似度，得到m个相似度值；
目标组合确定子单元523，用于选取m个相似度值中最大的相似度值对应的表情单元组合，作为目标单元组合；
目标微表情选取子单元524，用于根据映射关系，获取目标单元组合对应的微表情，作为预设拍摄时间点对应的目标微表情。
该产品推荐装置还包括：
领取请求获取模块91，用于在接收到当前用户通过客户端发送的奖品领取请求时，获取奖品领取请求中包含的当前用户的账号信息；
兑换券生成模块92，用于生成用于兑换目标产品信息对应的预设奖品的兑换券；
目标兑换券获取模块93，用于将兑换券与当前用户的账号信息进行绑定，得到目标兑换券；
产品页面跳转模块94，用于向客户端发送跳转到与产品信息相关的页面的指令，接收所述客户端当前用户使用目标兑换券的确认操作。
关于产品推荐装置的具体限定可以参见上文中对于产品推荐方法的限定，在此不再赘述。上述产品推荐装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
图8是本发明一实施例提供的计算机设备的示意图。该计算机设备可以是服务端，其内部结构图可以如图8所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储应用标识对应的每个预设拍摄时间点。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种产品推荐方法。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例产品推荐方法的步骤，例如图2所示的步骤S10至步骤S80。或者，处理器执行计算机程序时实现上述实施例产品推荐装置的各模块/单元的功能，例如图7所示的模块10至模块80的功能。为避免重复，这里不再赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
在一实施例中，提供一计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例产品推荐方法的步骤，或者，该计算机程序被处理器执行时实现上述实施例产品推荐装置中各模块/单元的功能。为避免重复，这里不再赘述。
可以理解地，所述计算机可读存储介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、电载波信号和电信信号等。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种产品推荐方法，其特征在于，所述产品推荐方法包括：
获取客户端当前运行的应用程序的应用标识，其中，所述应用程序预先捆绑有预设数量的产品信息；
从预设的数据库中，获取所述应用标识对应的每个预设拍摄时间点，其中，每个所述预设拍摄时间点对应至少一个所述产品信息；
若检测到所述应用标识对应的应用程序的运行时间点到达任意一个所述预设拍摄时间点，则从所述客户端获取所述预设拍摄时间点对应的实时视频流；
从所述实时视频流中获取所述当前用户的面部图像；
对所述面部图像进行微表情识别，得到所述预设拍摄时间点对应的目标微表情；
在获取到每个所述预设拍摄时间点对应的目标微表情后，根据每个所述目标微表情的预设权值，确定所述当前用户对每个所述预设拍摄时间点对应的所述产品信息的偏好值，并按照所述偏好值由大到小的顺序，对所述偏好值对应的所述产品信息进行排序，得到产品序列；
从所述产品序列中，选取预设数量的产品信息作为目标产品信息；
若接收到所述客户端发送的所述应用程序执行完成的消息，则向所述客户端推送所述目标产品信息对应的预设奖品。
2.如权利要求1所述的产品推荐方法，其特征在于，所述从所述实时视频流中获取包含当前用户的面部图像包括：
按照预设的时间间隔，从所述实时视频流中获取帧图像，得到包含预设个数的帧图像的帧图像集合；
采用人脸检测算法，对所述帧图像集合中的帧图像进行人脸检测，得到检测结果；
将所述检测结果中，包含完整人脸特征的每个所述帧图像均作为所述当前用户的面部图像。
3.如权利要求1所述的产品推荐方法，其特征在于，所述对所述面部图像进行微表情识别，得到所述预设拍摄时间点对应的目标微表情包括：
通过预设的卷积神经网络模型，对所述面部图像进行表情单元识别，得到所述面部图像中包含的待识别单元集合；
根据预设的表情单元组合集合中，每个预设的表情单元组合与每个微表情之间的映射关系，确定所述面部图像中包含的所述待识别单元集合对应的微表情，作为所述预设拍摄时间点对应的目标微表情。
4.如权利要求3所述的产品推荐方法，其特征在于，所述根据预设的表情单元组合集合中，每个预设的表情单元组合与每个微表情之间的映射关系，确定所述面部图像中包含的所述待识别单元集合对应的微表情，作为所述预设拍摄时间点对应的目标微表情包括：
获取预设的表情单元组合集合，其中，所述表情单元组合集合包括m个所述预设的表情单元组合，每个所述预设的表情单元组合对应一个所述微表情，m为正整数；
分别计算所述待识别单元集合与每个所述预设的表情单元组合的相似度，得到m个相似度值；
选取m个所述相似度值中最大的相似度值对应的所述表情单元组合，作为目标单元组合；
根据所述映射关系，获取所述目标单元组合对应的所述微表情，作为所述预设拍摄时间点对应的目标微表情。
5.如权利要求1至4任一项所述的产品推荐方法，其特征在于，在若接收到所述客户端发送的所述应用程序执行完成的消息，则向所述客户端推送所述目标产品信息对应的预设奖品之后，所述产品推荐方法还包括：
在接收到所述当前用户通过所述客户端发送的奖品领取请求时，获取所述奖品领取请求中包含的当前用户的账号信息；
生成用于兑换所述目标产品信息对应的预设奖品的兑换券；
将所述兑换券与所述当前用户的账号信息进行绑定，得到目标兑换券；
向所述客户端发送跳转到与产品信息相关的页面的指令，接收所述客户端当前用户使用所述目标兑换券的确认操作。
6.一种产品推荐装置，其特征在于，所述产品推荐装置包括：
标识检测模块，用于获取客户端当前运行的应用程序的应用标识，其中，所述应用程序预先捆绑有预设数量的产品信息；
节点获取模块，用于从预设的数据库中，获取所述应用标识对应的每个预设拍摄时间点，其中，每个所述预设拍摄时间点对应至少一个所述产品信息；
视频获取模块，用于若检测到所述应用标识对应的应用程序的运行时间点到达任意一个所述预设拍摄时间点，则从所述客户端获取所述预设拍摄时间点对应的实时视频流；
图像提取模块，用于从所述实时视频流中获取所述当前用户的面部图像；
表情识别模块，用于对所述面部图像进行微表情识别，得到所述预设拍摄时间点对应的目标微表情；
偏好分析模块，用于在获取到每个所述预设拍摄时间点对应的目标微表情后，根据每个所述目标微表情的预设权值，确定所述当前用户对每个所述预设拍摄时间点对应的所述产品信息的偏好值，并按照所述偏好值由大到小的顺序，对所述偏好值对应的所述产品信息进行排序，得到产品序列；
产品确定模块，用于从所述产品序列中，选取预设数量的产品信息作为目标产品信息；
奖品发送模块，用于若接收到所述客户端发送的所述应用程序执行完成的消息，则向所述客户端推送所述目标产品信息对应的预设奖品。
7.如权利要求6所述的产品推荐装置，其特征在于，所述图像提取模块包括：
集合获取单元，用于按照预设的时间间隔，从所述实时视频流中获取帧图像，得到包含预设个数的帧图像的帧图像集合；
人脸检测单元，用于采用人脸检测算法，对所述帧图像集合中的帧图像进行人脸检测，得到检测结果；
图像获取单元，用于将所述检测结果中，包含完整人脸特征的每个所述帧图像均作为所述当前用户的面部图像。
8.如权利要求6所述的产品推荐装置，其特征在于，表情识别模块包括：
待识别表情获取单元，用于通过预设的卷积神经网络模型，对所述面部图像进行表情单元识别，得到所述面部图像中包含的待识别单元集合；
目标微表情确定单元，用于根据预设的表情单元组合集合中，每个预设的表情单元组合与每个微表情之间的映射关系，确定所述面部图像中包含的所述待识别单元集合对应的微表情，作为所述预设拍摄时间点对应的目标微表情。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述的产品推荐方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的产品推荐方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811537275.3A CN109685611A (zh) | 2018-12-15 | 2018-12-15 | 一种产品推荐方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811537275.3A CN109685611A (zh) | 2018-12-15 | 2018-12-15 | 一种产品推荐方法、装置、计算机设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109685611A true CN109685611A (zh) | 2019-04-26 |
Family
ID=66186146
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811537275.3A Pending CN109685611A (zh) | 2018-12-15 | 2018-12-15 | 一种产品推荐方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109685611A (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110298245A (zh) * | 2019-05-22 | 2019-10-01 | 平安科技（深圳）有限公司 | 兴趣收集方法、装置、计算机设备及存储介质 |
| CN110298242A (zh) * | 2019-05-22 | 2019-10-01 | 深圳壹账通智能科技有限公司 | 基于研发管理的app主题切换方法、装置、设备及存储介质 |
| CN110458647A (zh) * | 2019-07-05 | 2019-11-15 | 深圳壹账通智能科技有限公司 | 产品推送方法、装置、计算机设备及存储介质 |
| CN110458644A (zh) * | 2019-07-05 | 2019-11-15 | 深圳壹账通智能科技有限公司 | 一种信息处理方法及相关设备 |
| CN110473049A (zh) * | 2019-05-22 | 2019-11-19 | 深圳壹账通智能科技有限公司 | 理财产品推荐方法、装置、设备及计算机可读存储介质 |
| CN110598099A (zh) * | 2019-09-02 | 2019-12-20 | 深圳壹账通智能科技有限公司 | 向用户发送推荐信息方法、装置、电子设备和存储介质 |
| CN110648170A (zh) * | 2019-09-02 | 2020-01-03 | 平安科技（深圳）有限公司 | 一种物品推荐的方法及相关装置 |
| CN110766519A (zh) * | 2019-09-30 | 2020-02-07 | 万翼科技有限公司 | 一种房屋装修方案推荐***及其方法 |
| CN111191207A (zh) * | 2019-12-23 | 2020-05-22 | 深圳壹账通智能科技有限公司 | 电子文件的控制方法、装置、计算机设备及存储介质 |
| CN111753745A (zh) * | 2020-06-28 | 2020-10-09 | 中国银行股份有限公司 | 自助业务办理设备的用户使用体验处理方法及装置 |
| CN112529048A (zh) * | 2020-11-23 | 2021-03-19 | 浙江大学 | 一种基于感知体验的产品展示视频辅助设计方法和装置 |
| CN113450169A (zh) * | 2020-03-27 | 2021-09-28 | 杭州大搜车汽车服务有限公司 | 车辆推荐信息的处理方法、***、计算机设备和存储介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102402765A (zh) * | 2011-12-27 | 2012-04-04 | 纽海信息技术（上海）有限公司 | 基于用户表情分析的电子商务推荐方法 |
| CN104298682A (zh) * | 2013-07-18 | 2015-01-21 | 广州华久信息科技有限公司 | 一种基于人脸表情图像的信息推荐效果的评价方法及手机 |
| CN106131675A (zh) * | 2016-07-19 | 2016-11-16 | 乐视控股（北京）有限公司 | 一种商品推荐方法、装置及*** |
| CN106257489A (zh) * | 2016-07-12 | 2016-12-28 | 乐视控股（北京）有限公司 | 表情识别方法及*** |
| CN106779802A (zh) * | 2016-11-16 | 2017-05-31 | 深圳Tcl数字技术有限公司 | 广告质量评估方法及装置 |
| CN107203897A (zh) * | 2017-04-24 | 2017-09-26 | 广东数相智能科技有限公司 | 一种产品推荐度的评价方法、装置及*** |
| CN107463876A (zh) * | 2017-07-03 | 2017-12-12 | 珠海市魅族科技有限公司 | 信息处理方法和装置、计算机装置和存储介质 |
| CN108182624A (zh) * | 2017-12-26 | 2018-06-19 | 努比亚技术有限公司 | 商品推荐方法、服务器及计算机可读存储介质 |
| CN108446390A (zh) * | 2018-03-22 | 2018-08-24 | 百度在线网络技术（北京）有限公司 | 用于推送信息的方法和装置 |
| CN108449514A (zh) * | 2018-03-29 | 2018-08-24 | 百度在线网络技术（北京）有限公司 | 信息处理方法和装置 |
-
2018
- 2018-12-15 CN CN201811537275.3A patent/CN109685611A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102402765A (zh) * | 2011-12-27 | 2012-04-04 | 纽海信息技术（上海）有限公司 | 基于用户表情分析的电子商务推荐方法 |
| CN104298682A (zh) * | 2013-07-18 | 2015-01-21 | 广州华久信息科技有限公司 | 一种基于人脸表情图像的信息推荐效果的评价方法及手机 |
| CN106257489A (zh) * | 2016-07-12 | 2016-12-28 | 乐视控股（北京）有限公司 | 表情识别方法及*** |
| CN106131675A (zh) * | 2016-07-19 | 2016-11-16 | 乐视控股（北京）有限公司 | 一种商品推荐方法、装置及*** |
| CN106779802A (zh) * | 2016-11-16 | 2017-05-31 | 深圳Tcl数字技术有限公司 | 广告质量评估方法及装置 |
| CN107203897A (zh) * | 2017-04-24 | 2017-09-26 | 广东数相智能科技有限公司 | 一种产品推荐度的评价方法、装置及*** |
| CN107463876A (zh) * | 2017-07-03 | 2017-12-12 | 珠海市魅族科技有限公司 | 信息处理方法和装置、计算机装置和存储介质 |
| CN108182624A (zh) * | 2017-12-26 | 2018-06-19 | 努比亚技术有限公司 | 商品推荐方法、服务器及计算机可读存储介质 |
| CN108446390A (zh) * | 2018-03-22 | 2018-08-24 | 百度在线网络技术（北京）有限公司 | 用于推送信息的方法和装置 |
| CN108449514A (zh) * | 2018-03-29 | 2018-08-24 | 百度在线网络技术（北京）有限公司 | 信息处理方法和装置 |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110298245A (zh) * | 2019-05-22 | 2019-10-01 | 平安科技（深圳）有限公司 | 兴趣收集方法、装置、计算机设备及存储介质 |
| CN110298242A (zh) * | 2019-05-22 | 2019-10-01 | 深圳壹账通智能科技有限公司 | 基于研发管理的app主题切换方法、装置、设备及存储介质 |
| CN110473049A (zh) * | 2019-05-22 | 2019-11-19 | 深圳壹账通智能科技有限公司 | 理财产品推荐方法、装置、设备及计算机可读存储介质 |
| CN110298245B (zh) * | 2019-05-22 | 2023-10-13 | 平安科技（深圳）有限公司 | 兴趣收集方法、装置、计算机设备及存储介质 |
| CN110458647A (zh) * | 2019-07-05 | 2019-11-15 | 深圳壹账通智能科技有限公司 | 产品推送方法、装置、计算机设备及存储介质 |
| CN110458644A (zh) * | 2019-07-05 | 2019-11-15 | 深圳壹账通智能科技有限公司 | 一种信息处理方法及相关设备 |
| CN110648170A (zh) * | 2019-09-02 | 2020-01-03 | 平安科技（深圳）有限公司 | 一种物品推荐的方法及相关装置 |
| WO2021042850A1 (zh) * | 2019-09-02 | 2021-03-11 | 平安科技（深圳）有限公司 | 一种物品推荐的方法及相关装置 |
| CN110598099A (zh) * | 2019-09-02 | 2019-12-20 | 深圳壹账通智能科技有限公司 | 向用户发送推荐信息方法、装置、电子设备和存储介质 |
| CN110766519A (zh) * | 2019-09-30 | 2020-02-07 | 万翼科技有限公司 | 一种房屋装修方案推荐***及其方法 |
| CN111191207A (zh) * | 2019-12-23 | 2020-05-22 | 深圳壹账通智能科技有限公司 | 电子文件的控制方法、装置、计算机设备及存储介质 |
| CN113450169A (zh) * | 2020-03-27 | 2021-09-28 | 杭州大搜车汽车服务有限公司 | 车辆推荐信息的处理方法、***、计算机设备和存储介质 |
| CN111753745A (zh) * | 2020-06-28 | 2020-10-09 | 中国银行股份有限公司 | 自助业务办理设备的用户使用体验处理方法及装置 |
| CN112529048A (zh) * | 2020-11-23 | 2021-03-19 | 浙江大学 | 一种基于感知体验的产品展示视频辅助设计方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109685611A (zh) | 一种产品推荐方法、装置、计算机设备及存储介质 | |
| Kollias et al. | Distribution matching for heterogeneous multi-task learning: a large-scale face study | |
| CN110166827B (zh) | 视频片段的确定方法、装置、存储介质及电子装置 | |
| CN110263681B (zh) | 面部表情的识别方法和装置、存储介质、电子装置 | |
| CN108499107B (zh) | 虚拟现实中虚拟角色的控制方法、装置及存储介质 | |
| JP6267861B2 (ja) | 対話型広告のための使用測定技法およびシステム | |
| KR20200068545A (ko) | 컨벌루션 신경망을 트레이닝하고 트레이닝된 컨벌루션 신경망을 이용하여 비디오의 대상에 의해 수행되는 행동을 분류하기 위한 시스템 및 방법 | |
| CN104915351B (zh) | 图片排序方法及终端 | |
| WO2018200031A1 (en) | Conducting digital surveys that collect and convert biometric data into survey respondent characteristics | |
| CN108875525A (zh) | 行为预测方法、装置、***和存储介质 | |
| CN110472090A (zh) | 基于语义标签的图像检索方法以及相关装置、存储介质 | |
| JP2004529406A5 (zh) | ||
| CN107742107A (zh) | 人脸图像分类方法、装置及服务器 | |
| CN109902660A (zh) | 一种表情识别方法及装置 | |
| WO2014068567A1 (en) | Method and system for predicting personality traits, capabilities and suggested interactions from images of a person | |
| CN105740808B (zh) | 人脸识别方法和装置 | |
| CN109840793A (zh) | 推广信息的推送方法和装置、存储介质、电子装置 | |
| CN110569759B (zh) | 一种获取个体进食数据的方法、***、服务端及前端 | |
| CN108596256B (zh) | 一种基于rgb-d物体识别分类器构造方法 | |
| CN108881985A (zh) | 基于脑电情绪识别的节目评分*** | |
| US11127181B2 (en) | Avatar facial expression generating system and method of avatar facial expression generation | |
| JP2005501348A (ja) | 展示された製品への関心を評価するための方法及び装置 | |
| CN108959323A (zh) | 视频分类方法和装置 | |
| CN109670517A (zh) | 目标检测方法、装置、电子设备和目标检测模型 | |
| CN108614987A (zh) | 数据处理的方法、装置和机器人 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |