CN112950242A - 一种信息推送方法、装置及电子设备 - Google Patents
一种信息推送方法、装置及电子设备 Download PDFInfo
- Publication number
- CN112950242A CN112950242A CN201911257893.7A CN201911257893A CN112950242A CN 112950242 A CN112950242 A CN 112950242A CN 201911257893 A CN201911257893 A CN 201911257893A CN 112950242 A CN112950242 A CN 112950242A
- Authority
- CN
- China
- Prior art keywords
- person
- target person
- detected
- matrix
- item
- 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 56
- 239000011159 matrix material Substances 0.000 claims abstract description 143
- 230000014759 maintenance of location Effects 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 14
- 230000005484 gravity Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 13
- 238000007726 management method Methods 0.000 description 8
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000001914 filtration Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 4
- 239000002699 waste material Substances 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000007418 data mining Methods 0.000 description 3
- 230000002349 favourable effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000004709 eyebrow Anatomy 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 241000501105 Aeshnidae Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000002716 delivery method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
Images
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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
- G06Q30/0271—Personalized advertisement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- 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
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- Multimedia (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及互联网技术领域，提供一种信息推送方法、装置及电子设备，所述方法包括：采集待检测人员的连续帧图像，所述连续帧图像包括所述待检测人员的人脸图像；选取所述人脸图像的停留时间达到预设的时间阈值的待检测人员作为目标人员，提取所述目标人员的属性信息以构建个人档案；基于所述个人档案中的属性信息计算所述目标人员的物品喜好矩阵；根据所述目标人员的物品喜好矩阵匹配对应的推荐列表进行推送。本发明实施例能够提高广告推送的准确率，实现广告精准投放。
Description
技术领域
本发明涉及互联网技术领域，尤其涉及一种信息推送方法、装置及电子设备。
背景技术
目前，人脸识别以及人体结构化技术已经在安防、新零售领域广泛应用，极大的提升了社会安全感和商业的分析效能。当前，在媒介传播领域，基于屏幕广告和投影广告已经在电梯得到了广泛的应用，并为商家取得了良好的流量转换效果。然而，对于广告传媒，现有技术中，通常的广告投放方法是随机、广泛的投放，导致广告投放没有精准的人群指向，难以准确地寻找倒用户群体，并且会导致部分广告资源的浪费。可见，现有技术中，存在广告推送准确率低的问题。
发明内容
本发明实施例提供一种信息推送方法，能够提高广告推送的准确率，实现广告精准投放，减少资源浪费。
第一方面，本发明实施例提供一种信息推送方法，包括以下步骤：
采集待检测人员的连续帧图像，所述连续帧图像包括所述待检测人员的人脸图像；
选取所述人脸图像的停留时间达到预设的时间阈值的待检测人员作为目标人员，提取所述目标人员的属性信息以构建个人档案；
基于所述个人档案中的属性信息计算所述目标人员的物品喜好矩阵；
根据所述目标人员的物品喜好矩阵匹配对应的推荐列表进行推送。
第二方面，本发明实施例还提供一种信息推送装置，包括：
采集模块，用于采集待检测人员的连续帧图像，所述连续帧图像包括所述待检测人员的人脸图像；
提取模块，用于选取所述人脸图像的停留时间达到预设的时间阈值的待检测人员作为目标人员，提取所述目标人员的属性信息以构建个人档案；
计算模块，用于基于所述个人档案中的属性信息计算所述目标人员的物品喜好矩阵；
推送模块，用于根据所述目标人员的物品喜好矩阵匹配对应的推荐列表进行推送。
第三方面，本发明实施例还提供一种电子设备，包括：存储器、处理器及存储在所述存储器上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本发明实施例提供的信息推送方法中的步骤。
第四方面，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现发明实施例提供的信息推送方法中的步骤。
本发明实施例中，通过采集待检测人员的连续帧图像，所述连续帧图像包括所述待检测人员的人脸图像；选取所述人脸图像的停留时间达到预设的时间阈值的待检测人员作为目标人员，提取所述目标人员的属性信息以构建个人档案；基于所述个人档案中的属性信息计算所述目标人员的物品喜好矩阵；根据所述目标人员的物品喜好矩阵匹配对应的推荐列表进行推送。本发明实施例通过对每个人的停留时间进行分析，将停留时间达到预设的时间阈值的待检测人员作为目标人员，可以不用对停留时间未达到时间阈值的待检测人员匹配推荐列表，避免随机投放造成资源浪费；当选取到目标人员后，会提取目标人员的属性信息构建目标人员的物品喜好矩阵，匹配与物品喜好矩阵对应的推荐列表进行推荐，有利于提高广告推送的准确率，实现广告精准投放。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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信息推送方法的***架构图；
图2是本发明实施例提供的信息推送方法的流程图；
图3是本发明实施例提供的另一种信息推送方法的流程图；
图4是本发明实施例提供的另一种信息推送方法的流程图；
图5是本发明实施例提供的另一种信息推送方法的流程图；
图6a是本发明实施例提供的物品喜好矩阵的算法的具体示意图；
图6b是本发明实施例提供的另一种物品喜好矩阵的算法的具体示意图；
图7是本发明实施例提供的另一种信息推送方法的流程图；
图8是本发明实施例提供的信息推送装置的结构示意图；
图9是本发明实施例提供的另一种信息推送装置的结构示意图；
图10是本发明实施例提供的另一种信息推送装置的结构示意图；
图11是本发明实施例提供的另一种信息推送装置的结构示意图；
图12是本发明实施例提供的另一种信息推送装置的结构示意图；
图13是本发明实施例提供的另一种信息推送装置的结构示意图；
图14是本发明实施例提供的一种电子设备的结构示意图。
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，所描述的实施例仅仅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。
如图1所示，为本发明实施例提供的信息推送的***架构图1001。该***能够为本发明实施例提供的信息推送方法提供一个运行场景的架构。***架构1001包括投影设备1002、服务器1003及后台管理设备1004。上述的投影设备1002包括摄像头模组1002a以及投影模组1002b。
上述的摄像头模组1002a、投影模组1002b、服务器1003以及后台管理设备1004之间通过互联网实现网络连接对数据进行传输。
在上述***中，摄像头模组1002a可以设置多个，用于对待检测人员多角度图像采集，以获取到对应的停留时间；还可以用于对目标人员的多角度图像采集，以获取目标人员的属性信息。
上述的投影模组1002b同样可以设置多个，用于根据后台管理设备1004传输到投影模组1002b的推荐列表进行多广告投影，实现多方位、全面的广告放映。
上述的服务器1003可以用于存储目标人员的属性信息，通过视频结构化引擎以及人体识别算法对摄像头模组1002a采集到的目标人员的属性信息进行识别，将识别到的属性信息进行结构化处理后构建用户喜好矩阵存储在服务器1003中。***会对存储在服务器1003中的用户喜好矩阵进行数据挖掘，对其进行数据分析，并结合推荐算法匹配出与用户喜好矩阵对应的推荐列表。
上述的后台管理设备1004可以是移动终端，用于将经过数据挖掘得到的推荐列表与用户喜好矩阵进行相似度计算后对腿甲列表进行排序，并通过网络将排序后的推荐列表发送到投影模组1002b进行投放。
上述移动终端100可以是具有显示屏、可以对通信传输的数据进行读取、接收等操作的电子设备，且移动终端100包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。上述的移动终端也可以叫终端、用户终端、用户端、智能终端等。
具体的，当摄像头模组1002a采集到电梯中的连续帧图像后，通过网络传输将其连续帧图像发送到服务器1003中，在服务器1003中通过视频结构化引擎及人体识别算法对连续帧图像进行分析，提取出目标人员，并对目标人员的属性信息进行提取，基于属性信息构建用户喜好矩阵；对用户喜好矩阵进行数据分析，基于推荐算法匹配与用户喜好矩阵对应的推荐列表，并将推荐列表发送至后台管理设备1004进行排序，得到有序的推荐列表，后台管理设备将有序的推荐列表发送至投影模组1002b进行投放。
应该理解的是，上述的投影设备、服务器、后台管理设备及网络的数目仅仅是示意性的，根据实现需要，可以进行具体的调整。本发明实施例除了运用在电梯中，还可以运用在大型超市、商场等场景中进行广告推送。
如图2所示，图2是本发明实施例提供的一种信息推送方法的流程图，具体包括以下步骤：
201、采集待检测人员的连续帧图像，连续帧图像包括待检测人员的人脸图像。
在本实施例中，信息推送方法运行于其上的电子设备可以通过有线连接方式或者无线连接方式获取连续帧图像等。需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi(Wireless-Fidelity)连接、蓝牙连接、WiMAX(Worldwide Interoperabilityfor Microwave Access)连接、Zigbee(低功耗局域网协议，又称紫峰协议)连接、UWB(ultrawideband)连接、以及其他现在已知或将来开发的无线连接方式。本发明实施例可以运用在电梯的广告投放场景中，采集连续帧图像可以是通过图像采集设备进行采集，在本实施例中，采用摄像头进行图像采集。
上述的待检测人员可以表示进入电梯内的多个人员，待检测人员中可以包括各种年龄段的人群，例如：已婚男女、未成年小孩、老年人等，待检测人员中可以有工作人员、购物人员等，购物人员还可以携带宠物等附属物体。
上述连续帧图像可以是摄像头采集到的电梯中某段连续时间段内的图像，在该连续帧图像中可以包括待检测人员的人脸图像、人体图像等，例如：获取在下午5点至5点5分上行的这趟电梯中的待检测人员的人脸、人体图像等。通过采集待检测人员的人脸图像可以对多个待检测人员进行区分，便于获取每个待检测人员对应的信息。
202、选取人脸图像的停留时间达到预设的时间阈值的待检测人员作为目标人员，提取目标人员的属性信息以构建个人档案。
上述停留时间表示在连续帧图像中，与人脸图像对应的待检测人员从上电梯到出电梯总共停留的时间，其提停留时间可以包括电梯在中途临时暂停的等待时间，例如：有2名人员同时进电梯，人员A去4楼，人员B去6楼，则在4楼暂停等待人员A出电梯再继续启动上行的时间即表示人员B的等待时间；若存在2名以上人员去向不同的楼层，则其中部分人员的停留时间中可以包括有多个等待时间，所以其等待时间会延长。
上述的预设的时间阈值可以是对应楼层中广告放映时间。将停留时间与时间阈值比较可以是判断待检测人员的停留时间是否大于等于时间阈值，表示待检测人员是否能够在停留时间内将推送的广告看完，上述的广告放映时间在广告制作时便已确认。当然，上述的时间阈值还可以是人工预设的时间，例如：固定时间阈值为30s、40s等。
当待检测人员的停留时间满足时间阈值时，该待检测人员将会被选定为目标人员，目标人员表示可以对其提取属性信息建立个人档案的人员。上述的属性信息可以包括拍摄到的画面的具体角度、目标人员的人体、穿戴、配饰等。
上述提取每个目标人员的属性信息构建个人档案可以是将每个目标人员的属性信息归档到自己的个人档案中，基于聚类基础服务，在个人档案中可以对属性信息进行分类存储，其中，聚类基础服务可以是指将物理或抽象对象的集合分成由类似的对象组成的多个类的过程。
203、基于个人档案中的属性信息计算目标人员的物品喜好矩阵。
其中，上述的属性信息可以是多维的属性信息，将多维的属性信息构建目标人员的物品喜好矩阵，通过人体识别算法对多维的属性信息进行识别，将识别到的属性信息基于视频结构化将其属性信息进行结构化处理，根据结构化处理后的属性信息计算物品喜好矩阵。其中，物品喜好矩阵的横轴可以是多个目标人员，纵轴可以表示多个物品(属性信息)，矩阵中对应的每个向量可以表示目标人员对对应物品的兴趣度。通过该兴趣度可以了解目标人员对该物品的喜爱程度，其兴趣度越高，表示目标人员越偏爱，其评分越低，表示目标人员不偏爱。
204、根据目标人员的物品喜好矩阵匹配对应的推荐列表进行推送。
其中，在得到目标人员的物品喜好矩阵之后，可以得知目标人员对每个物品的兴趣度，其兴趣度可以通过评分体现。根据其评分，***可以进行数据挖掘，基于推荐算法优先匹配兴趣度高的物品的推荐列表，例如：目标人员A对职业装的评分为80，对公主裙的评分为10，则推荐算法会优先针对职业装进行匹配。
上述的推荐列表中可以包括有多个有序排列的推荐项，后台管理设备将推荐列表推送到投影模组时，投影模组可以根据推荐列表中的有序排列推荐项进行有序投影，当有多个投影模组时，可以将有序排列的多个推荐项分别推送到多个投影模组，实现多个投影模组同时放映，有利于提高广告的触达率。
本发明实施例中，由于采集待检测人员的连续帧图像，连续帧图像包括待检测人员的人脸图像；选取人脸图像的停留时间达到预设的时间阈值的待检测人员作为目标人员，提取目标人员的属性信息以构建个人档案；基于个人档案中的属性信息计算目标人员的物品喜好矩阵；根据目标人员的物品喜好矩阵匹配对应的推荐列表进行推送。所以，本发明实施例能够根据停留时间与预设的时间阈值选取目标人员，并提取目标人员的属性信息进行结构化处理后构建目标人员的物品喜好矩阵，匹配与物品喜好矩阵对应的推荐列表进行推送，这样，有利于提高广告推送的准确率，实现广告精准投放。
如图3所示，图3是本发明实施例提供的另一种信息推送方法的流程图，具体包括以下步骤：
301、采集待检测人员的连续帧图像，连续帧图像包括待检测人员的人脸图像。
302、识别连续帧图像中的人脸图像。
在连续帧图像中，可以包括多个待检索人员的人脸图像。待检索人员在电梯中可以处于低头状态、平视状态、抬头状态、转向状态等，若摄像头无法在第一时间内采集到待检索人员的人脸图像，则可以暂时放弃对这个人脸图像进行采集，后续检测到该人脸图像可以进行采集时，则会继续对该人脸图像进行识别，例如：刚进电梯时A人脸图像为低头状态，摄像头无法采集人脸图像，经过30秒后，摄像头识别到A人脸。即表示摄像头能够在连续时间段内采集待检测人员的连续帧图像。
303、获取人脸图像对应的楼层信息，根据楼层信息计算待检测人员的停留时间。
上述每个人脸图像对应一位待检索人员，摄像头通过获取每个人脸图像对应的楼层，可以计算待检测人员在电梯中的停留时间，例如:待检测人员C按下电梯按钮第6层，从下午5点进电梯，5点过2分出电梯，则说明待检测人员C的停留时间为2分钟。当然，会存在多个待检测人员同时进入电梯，或者在中途也有待检测人员进入，且其中有多人去向同一楼层，此时，需要分别计算电梯中从进电梯的楼层到已被按下的楼层之间所需的停留时间，可以优先以第一批进入电梯的楼层为基础进行计算，中途进入的可以不考虑，例如：在1楼进入人员A与人员B，人员A去5楼，人员B去6楼，在3楼进入1人去5楼，则停留时间以1楼进入的时间为起点，计算去5楼与去6楼的停留时间。
304、判断停留时间是否达到预设的时间阈值，预设的时间阈值包括广告放映时间。
其中，每层楼都可以有多个广告，每个广告的广告放映时间不同，在判断停留时间是否达到预设的时间阈值时，可以是判断对应楼层的停留时间与该楼层的多个广告的广告放映时间进行比对，相当于每个楼层的每个广告放映时间都可以作为预设的时间阈值，例如：电梯中有人去5楼，有人去10楼，去5楼的停留时间为1分钟，去10楼的停留时间为2分钟，此时会分别获取5楼多个广告的广告放映时间以及10楼多个广告的广告放映时间，判断5楼的广告放映时间中是否有小于等于1分钟的广告，以及判断10楼的广告放映时间中是否有小于等于2分钟的广告。
305、若达到，则选取待检测人员为目标人员，提取目标人员的属性信息以构建个人档案。
在停留时间内，存在对应楼层的广告放映时间小于等于停留时间的广告，则会选取按下该楼层的待检测人员作为目标人员，提取该目标人员的属性信息，将其属性信息进行归档得到对应的个人档案。
作为一种可能的实施例方式，若停留时间小于所去的楼层中的所有广告的广告放映时间，则表示在不考虑是否为待检测人员所喜好的广告的情况下，待检测人员已经出电梯，而广告却还没有播放完，这样将无法实现精准推送，造成资源浪费。因此，在停留时间小于所去的楼层中的所有广告的广告放映时间时，可以暂停向该待检测人员启动推送***进行广告推送。
306、基于个人档案中的属性信息计算目标人员的物品喜好矩阵。
307、根据目标人员的物品喜好矩阵匹配对应的推荐列表进行推送。
在本发明实施例中，通过识别连续帧图像中的人脸图像，获取人脸图像对应的楼层信息，根据楼层信息计算待检测人员的停留时间，判断停留时间是否达到广告放映时间，将达到广告放映时间的停留时间对应的待检测人员为目标人员；确定目标人员后，便可以提取该目标人员的属性信息去计算该目标人员的物品喜好矩阵，并对该物品喜好矩阵匹配对应的推荐列表进行推送。这样，通过预先筛选出电梯中的目标人员，再对目标人员的属性信息进行提取能，够实现有针对性的推送，有利于提高广告推送的准确率，不用对电梯中的所有待检测人员的属性信息都进行获取，避免造成资源浪费，耗时过长，计算量过大。如图4所示，图4是本发明实施例中提供的另一种信息推送方法的流程图，属性信息包括标签属性，具体包括以下步骤：
401、采集待检测人员的连续帧图像，连续帧图像包括待检测人员的人脸图像。
402、选取人脸图像的停留时间达到预设的时间阈值的待检测人员作为目标人员，对目标人员进行图像跟踪，检测目标人员的标签属性，将标签属性进行结构化处理。
其中，在跟踪的过程中可以进行抓拍，抓拍可以包括背光抓拍、侧面抓拍、有遮挡物抓拍、背影抓拍等。上述的标签属性可以包括但不限于目标人员的体型、身高、年龄、甚至服饰品牌与LOGO、鞋子的种类、背包、帽子、眼镜及耳环的色彩及品牌等等。
上述在确定目标人员后，可以通过卡尔曼滤波(Kalman filtering)算法对目标人员进行人体跟踪，实时检测目标人员的标签属性。上述在对图像进行跟踪的过程中，视频图像往往会受到***仪器设计、测量操作等的影响，在对视频图像进行跟踪时，常会出现干扰波，因此，可以通过Kalman算法进行滤波。卡尔曼滤波是一种利用线性***状态方程，通过***输入输出连续帧图像数据，对***状态进行最优估计的算法。由于连续帧图像数据中包括***中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。Kalman滤波在测量方差已知的情况下能够从一系列存在测量噪声的数据中，估计动态***的状态，能够对采集的连续帧图像进行实时的更新和处理。
上述进行结构化处理可以是通过视频结构化引擎进行处理，检测多个标签属性，识别多个标签属性之间的关联，实现数据结构化，标签属性可以用于构建矩阵计算目标人员的物品喜好矩阵。
403、选取目标人员的人脸图像为档案ID，基于档案ID和标签属性构建目标人员的个人档案。
其中，人脸可作为唯一标识，其识别度高，将每个人的人脸图像作为档案ID建立目标人员的个人档案，具有针对性及安全性。通过档案ID可以直接搜索到该ID对应的个人档案。上述个人档案中可以存储有对目标人员多次采集到的标签属性经过结构化后的标签属性，且每次采集到的标签属性可以不同。
上述选取目标人员的人脸图像可以是通过人脸识别技术，对摄像头采集到的连续帧图像进行识别，该识别可以是采集人脸所在的多个关键点，通过对多个关键点进行分析，实现对多个人脸图像的区分，并分别将不同的人脸图像构建不同的档案ID。上述的关键点可以是指人脸的鼻子、眼睛、眉毛、嘴巴、脸颊等，上述对关键点进行分析可以是对鼻子、眼睛、眉毛、嘴巴、脸颊等之间的坐标、间距等进行分析。
作为一种可选的实施例方式，同一个待检测人员可以多次出现在同一个场景中，当摄像头多次获取到该待检测人员的人脸图像时，均可以进行人脸识别。若识别到人脸图像已作为档案ID建立有个人档案，则可以将待检索人员判定为目标人员并获取该目标人员的当前属性信息，其中，当前属性信息指的是摄像头当前正在采集的信息，例如：目标人员的衣服、裤子、鞋子、帽子、包包、首饰、以及衣服、裤子、鞋子、帽子、包包、首饰的颜色、款式、品牌等等。
判断当前属性信息占个人档案中的属性信息的比重值是否达到预设的比重阈值。
获取到当前属性信息后，可以提取该目标人员中的所有属性信息，对两者进行比较，例如：目标人员的所有属性信息共有4个，且均为运动系列，当前属性信息共有2个，分别是裙子与高跟鞋，则可以表示其比重值为0。上述的比重阈值可以预先设置，例如设置为1/2。
若达到，可以表示该目标人员的属性信息稳定，例如：比重阈值为3/5，比重值为4/5。将当前属性信息归档到该目标人员的个人档案中，结合当前属性信息及已建立的个人档案中的属性信息计算目标人员的物品喜好矩阵。若未达到，则可以基于新的属性信息新建目标人员的个人档案，并将该目标人员之前的个人档案进行删除，实现个人档案的更新，并实时根据当前属性信息构建个人档案，计算物品喜好矩阵，以得到更为准确的推送列表。
404、基于个人档案中的属性信息计算目标人员的物品喜好矩阵。
405、根据目标人员的物品喜好矩阵匹配对应的推荐列表进行推送。
在本发明实施例中，通过采集待检测人员的连续帧图像，选取出目标人员，对目标人员进行图像跟踪检测其标签属性，并将标签属性通过视频结构化处理，并以人脸图像作为档案ID，根据已结构化的档案ID及标签属性构建目标人员的个人档案，基于档案中的标签属性构建的矩阵计算目标人员的物品喜好矩阵，并根据物品喜好矩阵匹配对应的推荐列表进行推送。这样，通过图像跟踪检测标签属性，对标签属性结构化处理，有利于精确定位广告推送及覆盖人群。
如图5所示，图5是本发明实施例中提供的另一种信息推送方法的流程图，具体包括以下步骤：
501、采集待检测人员的连续帧图像，连续帧图像包括待检测人员的人脸图像。
502、选取人脸图像的停留时间达到预设的时间阈值的待检测人员作为目标人员，提取目标人员的属性信息以构建个人档案。
503、根据目标人员及标签属性构建用户-特征矩阵，用户-特征矩阵包括目标人员对标签属性的兴趣度。
参见附图6a所示，其中，用户-特征矩阵P(user-class矩阵)中，矩阵值Pi，j表示的是useri对classj的兴趣度，兴趣度可以通过最优化损失函数进行求解。可以将user的多个物品(特征属性)item作为数据集，所有的item构成了一个item全集。对于每个user来说，把他有过行为的item称为正样本，规定兴趣度RUI＝1，此外我们还需要从item全集中随机抽样，选取与正样本数量相当的样本作为负样本，规定兴趣度为RUI＝0。因此，兴趣的取值范围为[0,1]。通过损失函数结合随机梯度下降算法不断的对参数进行迭代计算优化，直到参数收敛，便可以计算出上述的兴趣度。
作用一种可能的实施例方式，当对同一个人进行了多次检测，得到不同的标签属性，可以将该目标人员的个人档案中出现次数少的标签属性进行删除，保留使用次数多的标签属性。这样，有利于更精准地计算出目标人员对物品的预测评分，使得更准确地匹配对应的推荐列表。
504、根据标签属性及物品构建特征-物品矩阵，特征-物品矩阵包括标签属性中物品的权重。
其中，特征-物品矩阵Q(class-item矩阵)中，Qi，j表示的是itemj在classi中的权重，权重越高越能作为该class的代表。权重同样可以通过上述最优化损失函数计算。
505、将用户-特征矩阵与特征-物品矩阵相乘，得到目标人员的物品喜好矩阵，物品喜好矩阵包括目标人员对物品的兴趣度。
具体的，目标人员的行为数据集(数据集包含的是所有的user,所有的item，以及每个user有过行为的item列表)，可以使用LFM(Latent factor model，隐语义模型)对其建模，假设数据集中有3个user,4个item,LFM建模的分类(class)数为4，便可以得到如附图6a所示的模型。
参照图6a所示，其中，R矩阵是user-item矩阵，矩阵值Ri，j表示的是useri对itemj的兴趣度，且useri对itemj的兴趣度为待求的值。对每个user来说，当计算出user对所有item的兴趣度后，就可以进行排序并做出推荐。计算出上述的多个兴趣度以及权重，便得到目标人员的user-class矩阵与class-item矩阵。LFM算法从上述数据集中抽取出若干主题，作为user和item之间连接的桥梁，将R矩阵表示为P矩阵和Q矩阵相乘，便可以得到目标人员的user-item矩阵。兴趣度越高表示user越偏好该item。将user-class矩阵与class-item矩阵相乘得到user-item矩阵，计算useri对itemj的兴趣度的具体算法可以参考图6b所示，其中，Pu，k表示的是useru对classk的兴趣度,Qk，i表示的是itemk在classi中的权重。
506、根据目标人员的物品喜好矩阵匹配对应的推荐列表进行推送。
在本发明实施例中，通过获取目标人员的标签属性，根据标签属性构建用户-特征矩阵，以及根据标签属性及物品构建特征-物品矩阵，将两者相乘以得到用户喜好矩阵，最后会根据目标人员的物品喜好矩阵匹配对应的推荐列表进行推送。这样，通过目标人员对标签属性的兴趣度以及标签属性中物品的权重计算用户喜好矩阵，有利于更准确的为目标人员定向推送广告。
如图7所示，图7是本发明实施例中提供的另一种信息推送方法的流程图，具体包括以下步骤：
601、采集待检测人员的连续帧图像，连续帧图像包括待检测人员的人脸图像。
602、选取人脸图像的停留时间达到预设的时间阈值的待检测人员作为目标人员，提取目标人员的属性信息以构建个人档案。
603、基于个人档案中的属性信息计算目标人员的物品喜好矩阵。
604、根据目标人员的物品喜好矩阵，匹配预推送列表。
其中，预推送列表为***根据推荐算法针对目标人员的物品喜好矩阵中的物品匹配得到。在预推送列表中包括多个与物品喜好矩阵中的物品相似的物品，例如：物品喜好矩阵中有耐克球鞋、阿迪达斯的球衣，推荐算法可以判断该目标人员为运动达人，并搜索所去的楼层中运动系列的物品的广告，形成一个预推送列表。
作为一种可能的实施例方式，当存在多个目标人员时，就会对应每个目标人员有一个物品喜好矩阵。因此，根据预设的目标人员优先级可以对目标人员的物品喜好矩阵进行排序，例如：共有3人，同去一个楼层，从1号目标人员的物品喜好矩阵判断出主要为婴孕物品，从2号目标人员的的物品喜好矩阵判断出主要为老年服装，从3号目标人员的物品喜好矩阵判断出主要为运动青年服装，则可以先推送关于婴孕物品的广告，再到运动青年服装的广告，再到老年服装的广告。当然，上述只是示例，其推送顺序也可以是其它方式，在本发明实施例中，对此不做限定。
605、计算预推送列表中的物品与目标人员的物品喜好矩阵中的物品的物品相似度。
其中，物品相似度可以表示两个物品的特征之间的相似度，例如：比较两个物品的属性、作用、类型、包括的元素等等。对于比较两个物品的相似度，可以规定需要比较的项目，并为每个项目匹配对应的相似度值，例如：在预推荐列表中有阿迪达斯的球衣，在物品喜好矩阵有阿迪达斯的球鞋，在匹配时，阿迪达斯为共同的logo，球衣与球鞋均为运动系类，则对于相同的logo匹配的相似度为50％，均为运动系列匹配的相似度为20％，则两个物品的物品相似度为70％。
606、构建物品相似度矩阵，计算目标人员的预测偏好值。
计算出多个物品之间的物品相似度后，可以将多个物品相似度构建相似度矩阵，对于多个物品相似度，可以预设相似度阈值，将未达到相似度阈值的物品相似度进行删除，避免进行无效推送，造成资源浪费。在相似度矩阵中的矩阵值表示物品之间的相似度，通过物品相似度计算出目标人员的多个预测偏好值的大小。
607、对预测偏好值进行排序，匹配与排序后的预测偏好值对应的推荐列表进行推送，推荐列表中包括topN个物品。
在计算出目标人员的多个预测偏好值后，***可以根据预测偏好值的大小依次进行排序，将数值大的预测偏好值排序在前。经过排序后便可以得到具有topN个物品的推荐列表，并将该推荐列表向电梯中的目标人员进行推送。
在本发明实施例中，根据目标人员的物品喜好矩阵匹配预推送列表，并计算预推送列表与物品喜好矩阵中的物品的物品相似度，构建物品相似度矩阵，计算目标人员的预测偏好值，对预测偏好值进行排序，匹配与排序后的预测偏好值对应的推荐列表进行推送。通过计算物品相似度，构建相似度矩阵计算预测偏好值，再对预测偏好值进行排序，有利于优先对预测偏好值高的物品对目标人员进行推荐，实现精准推送。
请参见图8，图8是本发明实施例提供的一种信息推送装置的结构示意图，装置800具体包括：
采集模块801，用于采集待检测人员的连续帧图像，连续帧图像包括待检测人员的人脸图像；
提取模块802，用于选取人脸图像的停留时间达到预设的时间阈值的待检测人员作为目标人员，提取目标人员的属性信息以构建个人档案；
计算模块803，用于基于个人档案中的属性信息计算目标人员的物品喜好矩阵；
推送模块804，用于根据目标人员的物品喜好矩阵匹配对应的推荐列表进行推送。
可选的，如图9所示，提取模块802包括：
识别单元8021，用于识别连续帧图像中的人脸图像；
第一计算单元8022，用于获取人脸图像对应的楼层信息，根据楼层信息计算待检测人员的停留时间；
判断单元8023，用于判断停留时间是否达到预设的时间阈值，预设的时间阈值包括广告放映时间；
选取单元8024，用于若达到，则选取待检测人员为目标人员。
可选的，属性信息包括标签属性，如图10所示，提取模块802还包括：
处理单元8025，用于对目标人员进行图像跟踪，检测目标人员的标签属性，将标签属性进行结构化处理；
第一构建单元8026，用于选取目标人员的人脸图像为档案ID，基于档案ID和标签属性构建目标人员的个人档案。
可选的，如图11所示，计算模块803包括：
第二构建单元8031，用于根据目标人员及标签属性构建用户-特征矩阵，用户-特征矩阵包括目标人员对标签属性的兴趣度；
第二构建单元8031还用于根据标签属性及物品构建特征-物品矩阵，特征-物品矩阵包括标签属性中物品的权重；
第二计算单元8032，用于将用户-特征矩阵与特征-物品矩阵相乘，得到目标人员的物品喜好矩阵，物品喜好矩阵包括目标人员对物品的兴趣度。
可选的，如图12所示，推送模块804包括：
匹配单元8041，用于根据目标人员的物品喜好矩阵，匹配预推送列表；
第三计算单元8042，用于计算预推送列表中的物品与目标人员的物品喜好矩阵中的物品的物品相似度；
第二构建单元8031还用于构建物品相似度矩阵，计算目标人员的预测偏好值；
排序单元8043，用于对预测偏好值进行排序，匹配与排序后的预测偏好值对应的推荐列表进行推送，推荐列表中包括topN个物品。
可选的，如图13所示，装置800还包括：
获取模块805，用于获取待检索人员的人脸图像，若识别到人脸图像已作为档案ID建立有个人档案，则将待检索人员判定为目标人员并获取当前属性信息；
判断模块806，用于判断当前属性信息占个人档案中的属性信息的比重值是否达到预设的比重阈值；
归档模块807，用于若达到，则将当前属性信息归档目标人员的个人档案中；
新建模块808，用于若未达到，则基于新的属性信息新建目标人员的个人档案。
本发明实施例提供的信息推送装置能够实现上述方法实施例中信息推送方法实现的各个过程且可以达到相同的有益效果，为避免重复，这里不再赘述。
参见图14，图14是本发明实施例提供的一种电子设备的结构示意图，如图14所示，包括：处理器1401、存储器1402、网络接口1403及存储在存储器1402上并可在处理器1401上运行的计算机程序，其中：
处理器1401用于调用存储器1402存储的计算机程序，执行如下步骤：
采集待检测人员的连续帧图像，连续帧图像包括待检测人员的人脸图像；
选取人脸图像的停留时间达到预设的时间阈值的待检测人员作为目标人员，提取目标人员的属性信息以构建个人档案；
基于个人档案中的属性信息计算目标人员的物品喜好矩阵；
根据目标人员的物品喜好矩阵匹配对应的推荐列表进行推送。
可选的，处理器1401执行的选取人脸图像的停留时间达到预设的时间阈值的待检测人员作为目标人员的步骤包括：
识别连续帧图像中的人脸图像；
获取人脸图像对应的楼层信息，根据楼层信息计算待检测人员的停留时间；
判断停留时间是否达到预设的时间阈值，预设的时间阈值包括广告放映时间；
若达到，则选取待检测人员为目标人员。
可选的，处理器1401执行的属性信息包括标签属性，提取目标人员的属性信息以构建个人档案的步骤包括：
对目标人员进行图像跟踪，检测目标人员的标签属性，将标签属性进行结构化处理；
选取目标人员的人脸图像为档案ID，基于档案ID和标签属性构建目标人员的个人档案。
可选的，处理器1401执行的基于个人档案中的属性信息计算目标人员的物品喜好矩阵的步骤包括：
根据目标人员及标签属性构建用户-特征矩阵，用户-特征矩阵包括目标人员对标签属性的兴趣度；
根据标签属性及物品构建特征-物品矩阵，特征-物品矩阵包括标签属性中物品的权重；
将用户-特征矩阵与特征-物品矩阵相乘，得到目标人员的物品喜好矩阵，物品喜好矩阵包括目标人员对物品的兴趣度。
可选的，处理器1401执行的根据目标人员的物品喜好矩阵匹配对应的推荐列表进行推送的步骤包括：
根据目标人员的物品喜好矩阵，匹配预推送列表；
计算预推送列表中的物品与目标人员的物品喜好矩阵中的物品的物品相似度；
构建物品相似度矩阵，计算目标人员的预测偏好值；
对预测偏好值进行排序，匹配与排序后的预测偏好值对应的推荐列表进行推送，推荐列表中包括topN个物品。
可选的，处理器1401还用于执行获取待检索人员的人脸图像，若识别到人脸图像已作为档案ID建立有个人档案，则将待检索人员判定为目标人员并获取当前属性信息；
判断当前属性信息占个人档案中的属性信息的比重值是否达到预设的比重阈值；
若达到，则将当前属性信息归档目标人员的个人档案中；
若未达到，则基于新的属性信息新建目标人员的个人档案。
本发明实施例提供的电子设备1400能够实现信息推送方法实施例中的各个实施方式，以及相应有益效果，为避免重复，这里不再赘述。
需要指出的是，图中仅示出了具有组件的1401-1403，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的电子设备1400是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable GateArray，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
电子设备1400可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。电子设备1400可以与客户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
存储器1402至少包括一种类型的可读存储介质，可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器1401可以是电子设备1400的内部存储单元，例如该电子设备1400的硬盘或内存。在另一些实施例中，存储器1401也可以是电子设备1400的外部存储设备，例如该电子设备1400上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，存储器1401还可以既包括电子设备1400的内部存储单元也包括其外部存储设备。本实施例中，存储器1401通常用于存储安装于电子设备1400的操作***和各类应用软件，例如信息推送方法的程序代码等。此外，存储器1401还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器1402在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器1402通常用于控制电子设备1400的总体操作。本实施例中，处理器1402用于运行存储器1401中存储的程序代码或者处理数据，例如运行信息推送方法的程序代码。
网络接口1403可包括无线网络接口或有线网络接口，该网络接口1403通常用于在电子设备1400与其他电子设备之间建立通信连接。
本发明实施例还提供一种计算机可读存储介质，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1401执行时实现本发明实施例提供的信息推送方法的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例的信息推送方法。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。
Claims (10)
1.一种信息推送方法，其特征在于，包括以下步骤：
采集待检测人员的连续帧图像，所述连续帧图像包括所述待检测人员的人脸图像；
选取所述人脸图像的停留时间达到预设的时间阈值的待检测人员作为目标人员，提取所述目标人员的属性信息以构建个人档案；
基于所述个人档案中的属性信息计算所述目标人员的物品喜好矩阵；
根据所述目标人员的物品喜好矩阵匹配对应的推荐列表进行推送。
2.如权利要求1所述的方法，其特征在于，所述选取所述人脸图像的停留时间达到预设的时间阈值的待检测人员作为目标人员的步骤包括：
识别所述连续帧图像中的人脸图像；
获取所述人脸图像对应的楼层信息，根据所述楼层信息计算所述待检测人员的停留时间；
判断所述停留时间是否达到预设的时间阈值，所述预设的时间阈值包括广告放映时间；
若达到，则选取所述待检测人员为目标人员。
3.如权利要求1所述的信息推送方法，其特征在于，所述属性信息包括标签属性，所述提取所述目标人员的属性信息以构建个人档案的步骤包括：
对所述目标人员进行图像跟踪，检测所述目标人员的标签属性，将所述标签属性进行结构化处理；
选取所述目标人员的人脸图像为档案ID，基于所述档案ID和所述标签属性构建所述目标人员的个人档案。
4.如权利要求3所述的信息推送方法，其特征在于，所述基于所述个人档案中的属性信息计算所述目标人员的物品喜好矩阵的步骤包括：
根据目标人员及所述标签属性构建用户-特征矩阵，所述用户-特征矩阵包括所述目标人员对标签属性的兴趣度；
根据所述标签属性及物品构建特征-物品矩阵，所述特征-物品矩阵包括标签属性中物品的权重；
将所述用户-特征矩阵与所述特征-物品矩阵相乘，得到所述目标人员的物品喜好矩阵，所述物品喜好矩阵包括所述目标人员对物品的兴趣度。
5.如权利要求1所述的信息推送方法，其特征在于，所述根据所述目标人员的物品喜好矩阵匹配对应的推荐列表进行推送的步骤包括：
根据所述目标人员的物品喜好矩阵，匹配预推送列表；
计算所述预推送列表中的物品与所述目标人员的物品喜好矩阵中的物品的物品相似度；
构建物品相似度矩阵，计算所述目标人员的预测偏好值；
对所述预测偏好值进行排序，匹配与排序后的所述预测偏好值对应的推荐列表进行推送，所述推荐列表中包括topN个物品。
6.如权利要求3所述的信息推送方法，其特征在于，所述方法还包括：
获取待检索人员的人脸图像，若识别到所述人脸图像已作为档案ID建立有个人档案，则将所述待检索人员判定为目标人员并获取当前属性信息；
判断所述当前属性信息占所述个人档案中的属性信息的比重值是否达到预设的比重阈值；
若达到，则将所述当前属性信息归档所述目标人员的个人档案中；
若未达到，则基于所述新的属性信息新建所述目标人员的个人档案。
7.一种信息推送装置，其特征在于，包括：
采集模块，用于采集待检测人员的连续帧图像，所述连续帧图像包括所述待检测人员的人脸图像；
提取模块，用于选取所述人脸图像的停留时间达到预设的时间阈值的待检测人员作为目标人员，提取所述目标人员的属性信息以构建个人档案；
计算模块，用于基于所述个人档案中的属性信息计算所述目标人员的物品喜好矩阵；
推送模块，用于根据所述目标人员的物品喜好矩阵匹配对应的推荐列表进行推送。
8.如权利要求7所述的信息推送装置，其特征在于，所述提取模块包括：
识别单元，用于识别所述连续帧图像中的人脸图像；
计算单元，用于获取所述人脸图像对应的楼层信息，根据所述楼层信息计算所述待检测人员的停留时间；
判断单元，用于判断所述停留时间是否达到预设的时间阈值，所述预设的时间阈值包括广告放映时间；
选取单元，用于若达到，则选取所述待检测人员为目标人员。
9.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上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如权利要求1至6中任一项所述的信息推送方法中的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的信息推送方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911257893.7A CN112950242A (zh) | 2019-12-10 | 2019-12-10 | 一种信息推送方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911257893.7A CN112950242A (zh) | 2019-12-10 | 2019-12-10 | 一种信息推送方法、装置及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112950242A true CN112950242A (zh) | 2021-06-11 |
Family
ID=76225389
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911257893.7A Pending CN112950242A (zh) | 2019-12-10 | 2019-12-10 | 一种信息推送方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112950242A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115034813A (zh) * | 2022-06-01 | 2022-09-09 | 中通服慧展科技有限公司 | 一种融合多种通信功能的广告显示*** |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104573619A (zh) * | 2014-07-25 | 2015-04-29 | 北京智膜科技有限公司 | 基于人脸识别的智能广告大数据分析方法及*** |
| CN105355158A (zh) * | 2015-11-12 | 2016-02-24 | 日立电梯（中国）有限公司 | 电梯广告的投放方法及*** |
| US20160150260A1 (en) * | 2014-11-23 | 2016-05-26 | Christopher Brian Ovide | System And Method For Creating Individualized Mobile and Visual Advertisments Using Facial Recognition |
| CN107066476A (zh) * | 2016-12-13 | 2017-08-18 | 江苏途致信息科技有限公司 | 一种基于物品相似度的实时推荐方法 |
| CN107239993A (zh) * | 2017-05-24 | 2017-10-10 | 海南大学 | 一种基于拓展标签的矩阵分解推荐方法及*** |
| CN108021708A (zh) * | 2017-12-27 | 2018-05-11 | 广州启生信息技术有限公司 | 内容推荐方法、装置与计算机可读存储介质 |
| CN108197971A (zh) * | 2017-12-08 | 2018-06-22 | 北京天正聚合科技有限公司 | 信息采集方法、信息处理方法、装置及*** |
| CN109146626A (zh) * | 2018-08-14 | 2019-01-04 | 中山大学 | 一种基于用户动态兴趣分析的时尚服装搭配推荐方法 |
| CN109345305A (zh) * | 2018-09-28 | 2019-02-15 | 广州凯风科技有限公司 | 一种基于人脸识别技术的电梯电子屏广告改进分析方法 |
| CN109558535A (zh) * | 2018-11-05 | 2019-04-02 | 重庆中科云丛科技有限公司 | 基于人脸识别的个性化推送物品的方法及*** |
| CN109903114A (zh) * | 2017-12-11 | 2019-06-18 | 日立楼宇技术（广州）有限公司 | 梯内信息触发响应的方法及装置 |
-
2019
- 2019-12-10 CN CN201911257893.7A patent/CN112950242A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104573619A (zh) * | 2014-07-25 | 2015-04-29 | 北京智膜科技有限公司 | 基于人脸识别的智能广告大数据分析方法及*** |
| US20160150260A1 (en) * | 2014-11-23 | 2016-05-26 | Christopher Brian Ovide | System And Method For Creating Individualized Mobile and Visual Advertisments Using Facial Recognition |
| CN105355158A (zh) * | 2015-11-12 | 2016-02-24 | 日立电梯（中国）有限公司 | 电梯广告的投放方法及*** |
| CN107066476A (zh) * | 2016-12-13 | 2017-08-18 | 江苏途致信息科技有限公司 | 一种基于物品相似度的实时推荐方法 |
| CN107239993A (zh) * | 2017-05-24 | 2017-10-10 | 海南大学 | 一种基于拓展标签的矩阵分解推荐方法及*** |
| CN108197971A (zh) * | 2017-12-08 | 2018-06-22 | 北京天正聚合科技有限公司 | 信息采集方法、信息处理方法、装置及*** |
| CN109903114A (zh) * | 2017-12-11 | 2019-06-18 | 日立楼宇技术（广州）有限公司 | 梯内信息触发响应的方法及装置 |
| CN108021708A (zh) * | 2017-12-27 | 2018-05-11 | 广州启生信息技术有限公司 | 内容推荐方法、装置与计算机可读存储介质 |
| CN109146626A (zh) * | 2018-08-14 | 2019-01-04 | 中山大学 | 一种基于用户动态兴趣分析的时尚服装搭配推荐方法 |
| CN109345305A (zh) * | 2018-09-28 | 2019-02-15 | 广州凯风科技有限公司 | 一种基于人脸识别技术的电梯电子屏广告改进分析方法 |
| CN109558535A (zh) * | 2018-11-05 | 2019-04-02 | 重庆中科云丛科技有限公司 | 基于人脸识别的个性化推送物品的方法及*** |
Non-Patent Citations (1)
| Title |
|---|
| 何明;要凯升;杨;张久伶;: "基于标签信息特征相似性的协同过滤个性化推荐", 计算机科学, no. 1 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115034813A (zh) * | 2022-06-01 | 2022-09-09 | 中通服慧展科技有限公司 | 一种融合多种通信功能的广告显示*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210406960A1 (en) | Joint-based item recognition | |
| Li et al. | A richly annotated dataset for pedestrian attribute recognition | |
| CN106776619B (zh) | 用于确定目标对象的属性信息的方法和装置 | |
| US11086924B2 (en) | Image search device and image search method | |
| Nixon et al. | On soft biometrics | |
| CN105426850B (zh) | 一种基于人脸识别的关联信息推送设备及方法 | |
| US10747826B2 (en) | Interactive clothes searching in online stores | |
| Hadi Kiapour et al. | Where to buy it: Matching street clothing photos in online shops | |
| US8724845B2 (en) | Content determination program and content determination device | |
| US9111147B2 (en) | Assisted video surveillance of persons-of-interest | |
| JP5010937B2 (ja) | 画像処理装置、プログラム及び画像処理方法 | |
| WO2017114237A1 (zh) | 一种图像查询方法和装置 | |
| JP6254836B2 (ja) | 画像検索装置、画像検索装置の制御方法およびプログラム | |
| JP6500374B2 (ja) | 画像処理装置及び画像処理プログラム | |
| US9959480B1 (en) | Pixel-structural reference image feature extraction | |
| CN112150349A (zh) | 一种图像处理方法、装置、计算机设备及存储介质 | |
| AU2017231602A1 (en) | Method and system for visitor tracking at a POS area | |
| JP2017084078A (ja) | スタイル検索装置、方法、及びプログラム | |
| JP2014229129A (ja) | 組み合わせ提示装置及びコンピュータプログラム | |
| Jiang et al. | A unified tree-based framework for joint action localization, recognition and segmentation | |
| CN112950242A (zh) | 一种信息推送方法、装置及电子设备 | |
| KR102323861B1 (ko) | 온라인 의류 판매 시스템 | |
| JP2019185205A (ja) | 情報処理装置、情報処理方法、及びプログラム | |
| JP2017130061A (ja) | 画像処理システム、画像処理方法およびプログラム | |
| CN111447260A (zh) | 信息推送、信息发布方法及装置 |
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 |