CN115187307B - 虚拟世界的广告投放处理方法及装置 - Google Patents

Abstract

本说明书实施例提供了虚拟世界的广告投放处理方法及装置，其中，一种虚拟世界的广告投放处理方法包括：基于用户眼部图像进行视角估计，获得用户视角方向；所述用户眼部图像通过虚拟世界的接入设备配置的图像传感器进行采集；将所述用户视角方向以及所述虚拟世界的投放广告的图像数据输入检测模型进行广告关注区域检测，获得广告关注区域；构建携带所述广告关注区域的关注时长的虚拟环境特征；将所述虚拟环境特征和所述虚拟世界的候选广告输入广告评分模型进行广告评分计算，并根据获得的广告评分确定所述候选广告中的目标候选广告。

Description

虚拟世界的广告投放处理方法及装置

技术领域

本文件涉及虚拟化技术领域，尤其涉及一种虚拟世界的广告投放处理方法及装置。

背景技术

虚拟世界提供了对真实世界的模拟，甚至能够提供在真实世界难以实现的场景，因此虚拟世界越来越多地应用在各种场景。在虚拟世界场景中，用户通过特定的身份ID登录三维虚拟世界，通过虚拟世界中虚拟的用户角色进行活动，通常，在虚拟世界中存在不同的用户角色，这些用户角色各自进行不同的活动。

发明内容

本说明书一个或多个实施例提供了一种虚拟世界的广告投放处理方法，包括：基于用户眼部图像进行视角估计，获得用户视角方向。所述用户眼部图像通过虚拟世界的接入设备配置的图像传感器进行采集。将所述用户视角方向以及所述虚拟世界的投放广告的图像数据输入检测模型进行广告关注区域检测，获得广告关注区域。构建携带所述广告关注区域的关注时长的虚拟环境特征。将所述虚拟环境特征和所述虚拟世界的候选广告输入广告评分模型进行广告评分计算，并根据获得的广告评分确定所述候选广告中的目标候选广告。

本说明书一个或多个实施例提供了一种虚拟世界的广告投放处理装置，包括：视角估计模块，被配置为基于用户眼部图像进行视角估计，获得用户视角方向。所述用户眼部图像通过虚拟世界的接入设备配置的图像传感器进行采集。区域检测模块，被配置为将所述用户视角方向以及所述虚拟世界的投放广告的图像数据输入检测模型进行广告关注区域检测，获得广告关注区域。特征构建模块，被配置为构建携带所述广告关注区域的关注时长的虚拟环境特征。评分计算模块，被配置为将所述虚拟环境特征和所述虚拟世界的候选广告输入广告评分模型进行广告评分计算，并根据获得的广告评分确定所述候选广告中的目标候选广告。

本说明书一个或多个实施例提供了一种虚拟世界的广告投放处理设备，包括：处理器；以及，被配置为存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器：基于用户眼部图像进行视角估计，获得用户视角方向。所述用户眼部图像通过虚拟世界的接入设备配置的图像传感器进行采集。将所述用户视角方向以及所述虚拟世界的投放广告的图像数据输入检测模型进行广告关注区域检测，获得广告关注区域。构建携带所述广告关注区域的关注时长的虚拟环境特征。将所述虚拟环境特征和所述虚拟世界的候选广告输入广告评分模型进行广告评分计算，并根据获得的广告评分确定所述候选广告中的目标候选广告。

本说明书一个或多个实施例提供了一种存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被处理器执行时实现以下流程：基于用户眼部图像进行视角估计，获得用户视角方向。所述用户眼部图像通过虚拟世界的接入设备配置的图像传感器进行采集。将所述用户视角方向以及所述虚拟世界的投放广告的图像数据输入检测模型进行广告关注区域检测，获得广告关注区域。构建携带所述广告关注区域的关注时长的虚拟环境特征。将所述虚拟环境特征和所述虚拟世界的候选广告输入广告评分模型进行广告评分计算，并根据获得的广告评分确定所述候选广告中的目标候选广告。

附图说明

为了更清楚地说明本说明书一个或多个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说明书中记载的一些实施例，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为本说明书一个或多个实施例提供的一种虚拟世界的广告投放处理方法处理流程图；

图2为本说明书一个或多个实施例提供的一种应用于虚拟世界场景的虚拟世界的广告投放处理方法处理流程图；

图3为本说明书一个或多个实施例提供的一种虚拟世界的广告投放处理装置示意图；

图4为本说明书一个或多个实施例提供的一种虚拟世界的广告投放处理设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本说明书一个或多个实施例中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个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说明书的一部分实施例，而不是全部的实施例。基于本说明书一个或多个实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本文件的保护范围。

本说明书提供的一种虚拟世界的广告投放处理方法实施例：

本申请提供的虚拟世界的广告投放处理方法，在虚拟世界进行广告投放的过程中，基于用户眼部图像进行视角估计获得用户视角方向，并根据用户视角方向和虚拟世界中已投放的投放广告的图像数据确定广告关注区域，以此从用户眼部图像出发实现对虚拟世界的广告投放的反馈收集，进一步，通过构建包含广告关注区域的关注时长的虚拟环境特征，将构建的虚拟环境特征与虚拟世界中待投放的候选广告输入广告评分模型进行广告评分计算，根据获得的各候选广告的广告评分确定在虚拟世界中进行广告投放的目标候选广告，从而在虚拟世界广告投放的反馈收集的基础上，在虚拟世界中进行更加准确和更有针对性的广告投放，进而在提升虚拟世界中的广告投放效果的基础上，提升虚拟世界中广告投放的转化效果。

参照图1，本实施例提供的虚拟世界的广告投放处理方法，所述方法具体包括步骤S102至步骤S108。

步骤S102，基于用户眼部图像进行视角估计，获得用户视角方向。

本实施例所述用户眼部图像，是指通过图像传感器采集的包含用户眼部特征的图像。可选的，在用户访问虚拟世界的场景中，所述用户眼部图像通过虚拟世界的接入设备配置的图像传感器进行采集。所述虚拟世界，是指基于去中心化协作实现并且具有开放经济***的虚拟的拟真世界，可选的，所述虚拟世界中通过生成非同质化标识进行去中心化的交易，通过交易占有虚拟资产的所有权。所述虚拟世界的接入设备，可以是连接虚拟世界的VR(Virtual Reality，虚拟现实)设备、AR(Augmented Reality，增强现实)设备等，比如连接虚拟世界的头戴式VR设备。

可选的，所述用户眼部图像包括：眼部彩色图像(RGB图像)和/或眼部红外图像，相应的，所述接入设备配置的图像传感器包括：用于采集眼部彩色图像的图像传感器(支持RGB图像采集的图像传感器)和/或用于采集眼部红外图像的红外传感器，以此通过多模态的用户眼部图像的采集来提升视角估计的准确性，进而通过多模态的用户眼部图像来提升对虚拟世界中广告投放的用户反馈收集的准确性。

实际应用中，为了提升图像采集质量进而提升采集到的图像质量，在利用所述图像传感器采集所述眼部图像特征的过程中，可通过调整采集方式来提升图像采集质量，具体的，可在非广告投放状态，按照预设时间间隔调整图像传感器的采集参数，并在采集参数调整后采集预设数目的用户眼部图像；比如每隔1s调整图像传感器和红外传感器的朝向和/或焦距，并在调整后采集30帧的用户眼部图像。还可在广告投放状态，按照预设图像采集频率进行用户眼部图像采集，比如按照1s采集30张图像的采集频率进行用户眼部图像的采集。

具体实施时，为了提升基于用户眼部图像进行的视角估计的估计效率，可通过视角估计模型来进行视角估计，具体在视角估计过程中，将用户眼部图像输入视角估计模型进行视角估计，输出所述用户视角方向。其中，所述用户视角方向，是指用户通过接入设备观看虚拟世界中的广告或者其他对象时的视线关注方向。

其中，所述视角估计模型的训练可以预先完成，比如在云服务器上进行视角估计模型的模型训练，具体在视角估计模型的训练过程中，可通过数据生成网络生成训练样本，具体通过将随机高斯噪声和对应的角度数据输入数据生成网络，生成对应角度的图像并输出；此外，还可在视角估计模型包含视角估计网络的基础上，为视角估计模型增加数据生成网络，该数据生成网络用于根据输入的随机高斯噪声和对应的角度数据，生成对应角度的图像并输出，视角估计网络根据数据生成网络生成的图像进行视角估计输出视角方向。进一步，还可在模型训练过程中构建损失函数，比如在损失函数中引入生成图像的内容损失、对抗损失和角度估计损失，并针对这三个损失分配相应的损失权重，基于三个损失和相应的损失权重构建失函数，在训练过程中，基于上述网络结构和损失函数进行网络训练，直至网络收敛后获得视角估计模型。

除上述提供的将用户眼部图像输入视角估计模型进行视角估计获得所述用户视角方向的实现方式之外，还可采用如下方式进行视角估计：建立用户眼部图像与虚拟世界的世界坐标的映射关系，基于映射关系确定用户眼部图像在虚拟世界中映射的映射方向作为视角关注方向。

如上所述，在所述用户眼部图像包括眼部彩色图像和眼部红外图像的基础上，为了提升在虚拟世界中进行广告投放的转化率，本实施例中，可通过提升眼部彩色图像和眼部红外图像的图像质量，来提升虚拟世界中的广告投放转化率，本实施例提供的一种可选实施方式中，在基于用户眼部图像进行视角估计之前，对所述眼部彩色图像和所述眼部红外图像进行对齐，并基于对齐后获得的眼部彩色图像和眼部红外图像的对齐特征点计算多模态质量分；

若所述多模态质量分小于预设质量分阈值，则重新进行眼部彩色图像采集和眼部红外图像采集；

若所述多模态质量分大于或者等于预设质量分阈值，则执行基于用户眼部图像进行视角估计这一处理过程。

可选的，所述多模态质量分，采用如下方式计算：

基于对齐后的眼部彩色图像和对齐后的眼部红外图像的对齐特征点，计算对齐后的眼部彩色图像与对齐后的眼部红外图像的特征相似度；

根据所述特征相似度和预设常数计算所述多模态质量分；其中，所述多模态质量分等于所述预设常数与所述特征相似度的平方的比值。具体的，所述特征相似度可采用相似度算法计算获得，比如采用余弦相似度算法计算对齐后的眼部彩色图像与对齐后的眼部红外图像的特征相似度。

这其中，在确定对齐后的眼部彩色图像和对齐后的眼部红外图像的对齐特征点的过程中，为了提升处理效率，还可通过训练眼部关键点检测模型，利用眼部关键点检测模型检测眼部彩色图像和眼部红外图像的眼部关键特征点，从而在眼部关键特征点的基础上确定对齐特征点。

需要说明的是，对所述眼部彩色图像和所述眼部红外图像进行对齐的过程中，可以将所述对眼部彩色图像与所述眼部红外图像相互进行对齐，在这种情况下，进行特征相似度计算时，计算对齐后的眼部彩色图像与对齐后的眼部红外图像的特征相似度；此外，对所述眼部彩色图像和所述眼部红外图像进行对齐的过程中，还可以将眼部彩色图像与所述眼部红外图像进行对齐，即：仅对眼部彩色图像进行对齐处理，使眼部彩色图像与眼部红外图像进行对齐，在这种情况下，进行特征相似度计算时，计算眼部红外图与对齐后的眼部彩色图像的特征相似度；也可以将眼部红外图像与所述眼部彩色图像进行对齐，即：仅对眼部红外图像进行对齐处理，使眼部红外图像与眼部彩色图像进行对齐，在这种情况下，进行特征相似度计算时，计算眼部彩色图像与对齐后的眼部红外图像的特征相似度。

在此基础上，为了进一步提升眼部彩色图像和眼部红外图像的图像质量，进而提升虚拟世界中的广告投放转化率，还可在对眼部彩色图像和眼部红外图像进行对齐并计算多模态质量分之前，计算眼部彩色图像的采集时间与眼部红外图像的采集时间的时间差值，若时间差值小于预设时间阈值，则对眼部彩色图像和眼部红外图像进行上述对齐以及多模态质量分计算处理，或者执行将用户眼部图像输入视角估计模型进行视角估计这一处理过程；若时间差值大于或者等于预设时间阈值，重新进行眼部彩色图像采集和眼部红外图像采集。

步骤S104，将所述用户视角方向以及所述虚拟世界的投放广告的图像数据输入检测模型进行广告关注区域检测，获得广告关注区域。

具体实施时，在上述获得所述用户视角方向的基础之上，通过将所述用户视角方向以及所述虚拟世界的投放广告的图像数据输入检测模型进行广告关注区域检测，具体是检测用户通过接入设备观看当前在虚拟世界中投放的广告的关注区域，以此来确定当前用户通过接入设备访问虚拟世界时的视线关注区域在哪个区域，从而实现从用户眼部图像出发对虚拟世界的广告投放的反馈收集，在此基础上，后续在进行广告投放时能够基于当前用户的视线关注区域进行更有针对性的广告投放。其中，所述投放广告是指当前已在虚拟世界中投放的广告；所述投放广告的图像数据，是指在虚拟世界中进行广告投放展示所需要的广告图像。可选的，在虚拟世界中投放的投放广告，包括非同质化标识对应的虚拟资产的资产广告。

本实施例中，所述检测模型可预先训练，具体可基于训练样本对预先构建的采用Faster R-CNN架构的待训练模型进行训练，训练样本为用户视角方向和对应的用于在虚拟世界中进行投放的广告数据，训练完成之后获得检测模型。

此外，本实施例提供的一种可选实施方式中，所述检测模型进行的广告关注区域检测，还采用如下方式实现：确定所述用户视角方向在所述虚拟世界中映射的三维视角位置；检测所述投放广告的图像数据中与所述三维视角位置对应的图像区域，作为所述广告关注区域。

需要说明的是，上述提供的将所述用户视角方向以及所述虚拟世界的投放广告的图像数据输入检测模型进行广告关注区域检测这一实现方式，可被替换为根据用户视角方向和虚拟世界中已投放的投放广告的图像数据确定广告关注区域，并与本实施例提供的其他处理步骤组成新的实现方式，具体在根据用户视角方向和虚拟世界中已投放的投放广告的图像数据确定广告关注区域的过程中，首先确定所述用户视角方向在所述虚拟世界中映射的三维视角位置；然后检测所述投放广告的图像数据中与所述三维视角位置对应的图像区域，作为所述广告关注区域。

此外，上述提供的将所述用户视角方向以及所述虚拟世界的投放广告的图像数据输入检测模型进行广告关注区域检测这一实现方式，还可被替换为基于用户视角方向和虚拟世界中已投放的投放广告检测所述虚拟世界中的用户关注区域，并与本实施例提供的其他处理步骤组成新的实现方式，具体在检测所述虚拟世界中的用户关注区域的过程中，首先确定所述用户视角方向在所述虚拟世界中映射的视角区域范围，并基于用户视角方向以及所述虚拟世界的投放广告的图像数据确定广告关注主体，并根据视角区域范围和广告关注主体在虚拟世界中对应的主体区域范围确定广告关注区域；其中，基于用户视角方向以及所述虚拟世界的投放广告的图像数据确定广告关注主体，可通过将用户视角方向以及所述虚拟世界的投放广告的图像数据输入相应的关注主体检测模型进行广告关注主体检测获得；广告关注区域为视角区域范围与主体区域范围的交集区域。

本实施例提供的一种可选实施方式中，在上述将所述用户视角方向以及所述虚拟世界的投放广告的图像数据输入检测模型进行广告关注区域检测之前，进行所述投放广告在虚拟世界中的投放处理，投放处理过程具体包括：基于所述投放广告的图像数据进行广告图像渲染，并向所述接入设备输出渲染结果；其中，所述投放广告在广告池和/或序列广告中随机选择确定，或者，所述投放广告基于用户兴趣数据在所述广告池和/或所述序列广告中进行匹配获得。所述序列广告，是指由多个具有一定内容相关性或者投放相关性的广告组成的广告集合，并且，还可针对广告集合中的具有内容相关性的广告指定相应的投放顺序。

步骤S106，构建携带所述广告关注区域的关注时长的虚拟环境特征。

上述获得所述广告关注区域之后，本步骤中，构建携带所述广告关注区域的关注时长的虚拟环境特征。可选的，所述广告关注区域的关注时长，采用如下方式计算：根据所述广告关注区域所属的广告图像的采集时间，计算所述广告图像的采集时间跨度作为所述关注时长。

进一步，为了提升所述虚拟环境特征的特征全面性，提升基于所述虚拟环境特征对虚拟世界的候选广告进行广告评分计算的准确性，在所述虚拟环境特征携带所述广告关注区域的关注时长的基础上，所述虚拟环境特征还可携带用户关注度，本实施例提供的一种可选实施方式中，所述用户关注度，采用如下方式计算：

通过图像分割算法提取广告投放状态下的用户眼部图像中的第一眼部特征以及非投放状态下的用户眼部图像中的第二眼部特征；

基于所述第一眼部特征和所述第二眼部特征计算所述用户关注度。

或者，在所述虚拟环境特征携带所述广告关注区域的关注时长的基础上，所述虚拟环境特征还可携带广告主体特征，可选的，所述广告主体特征包括：从所述投放广告的广告图像中进行特征提取获得的广告主体特征，和/或，从所述广告关注区域对应的区域子图像中进行特征提取获得的关注主体特征。

更进一步，为了提升所述虚拟环境特征的特征全面性，提升后基于所述虚拟环境特征对虚拟世界的候选广告进行广告评分计算的准确性，在所述虚拟环境特征携带所述广告关注区域的关注时长和用户关注度的基础上，所述虚拟环境特征还可进一步携带广告主体特征，可选的，所述广告主体特征包括：从所述投放广告的广告图像中进行特征提取获得的广告主体特征，和/或，从所述广告关注区域对应的区域子图像中进行特征提取获得的关注主体特征。具体在从所述投放广告的广告图像中进行特征提取或者从广告关注区域对应的区域子图像中进行特征提取的过程中，可通过预先训练的特征提取模型(比如，ImageNet模型)进行特征提取。

具体实施时，在构建携带所述广告关注区域的关注时长的虚拟环境特征的过程中，在仅携带所述广告关注区域的关注时长的情况下，基于广告关注区域的关注时长构建虚拟环境特征的过程中，通过对所述广告关注区域的关注时长进行向量化处理，将获得的关注时长向量作为所述虚拟环境特征。

除此之外，在携带所述广告关注区域的关注时长和用户关注度的情况下，基于广告关注区域的关注时长和用户关注度构建虚拟环境特征的过程中，可选的，采用如下方式进行构建：对所述关注时长和用户关注度进行向量化处理，获得关注时长向量和关注度向量，对所述关注时长向量和关注度向量进行向量拼接，将获得的拼接向量作为所述虚拟环境特征。

或者，在携带所述广告关注区域的关注时长和广告主体特征的情况下，基于广告关注区域的关注时长和广告主体特征构建虚拟环境特征的过程中，可选的，采用如下方式进行构建：对所述关注时长和广告主体特征进行向量化处理，获得关注时长向量和主体特征向量，对所述关注时长向量和主体特征向量进行向量拼接，将获得的拼接向量作为所述虚拟环境特征。

再或者，在携带所述广告关注区域的关注时长、用户关注度和广告主体特征的情况下，基于广告关注区域的关注时长、用户关注度和广告主体特征构建虚拟环境特征的过程中，可选的，采用如下方式进行构建：

对所述关注时长、用户关注度和广告主体特征进行向量化处理，获得关注时长向量、关注度向量和主体特征向量；

对所述关注时长向量、关注度向量和主体特征向量进行向量拼接，将获得的拼接向量作为所述虚拟环境特征。

步骤S108，将所述虚拟环境特征和所述虚拟世界的候选广告输入广告评分模型进行广告评分计算，并根据获得的广告评分确定所述候选广告中的目标候选广告。

可选的，所述广告评分模型包括：基于强化学习算法构建的强化学习模型；其中，所述强化学习模型的模型训练过程中的输入包括：作为训练样本的广告样本的关注时长、用户关注度和广告主体特征进行向量化处理和向量拼接获得的虚拟环境特征。具体在模型训练过程中，还可配置相应的损失函数，通过损失函数进行训练损失计算，从而在训练损失的约束下进行更加高效的模型训练。

具体实施时，在通过广告评分模型进行广告评分计算的过程中，分别将所述虚拟环境特征与每个候选广告输入广告评分模型进行一次广告评分计算，依次输入后获得每个广告的广告评分；除此之外，在广告评分模型支持的情况下，可将虚拟环境特征与各候选广告一起输入广告评分模型进行各候选广告的广告评分计算，输出各候选广告的广告评分。在获得所述候选广告的广告评分之后，根据所述广告评分确定所述候选广告中的目标候选广告，比如将评分最高的候选广告确定为目标候选广告。

实际应用中，确定在虚拟世界中进行广告投放的目标候选广告之后，还可进一步确定在所述虚拟世界进行广告投放的投放时间点，并在所述投放时间点进行所述目标候选广告的投放处理。

下述以本实施例提供的一种虚拟世界的广告投放处理方法在虚拟世界场景的应用为例，结合图2，对本实施例提供的虚拟世界的广告投放处理方法进行进一步说明，参见图2，应用于虚拟世界场景的虚拟世界的广告投放处理方法，具体包括下述步骤。

步骤S202，对眼部彩色图像和眼部红外图像进行对齐，并基于对齐后获得的眼部彩色图像和眼部红外图像的对齐特征点计算多模态质量分；

若多模态质量分大于或者等于预设质量分阈值，则执行步骤S204；

若多模态质量分小于预设质量分阈值，则重新进行眼部彩色图像采集和眼部红外图像采集。

步骤S204，将眼部彩色图像和眼部红外图像输入视角估计模型进行视角估计，获得用户视角方向。

步骤S206，将用户视角方向以及虚拟世界的投放广告的图像数据输入检测模型进行广告关注区域检测，获得广告关注区域。

步骤S208，计算广告关注区域的关注时长以及用户关注度，并从图像数据中提取广告主体特征。

步骤S210，对关注时长、用户关注度和广告主体特征进行向量化处理，获得关注时长向量、关注度向量和主体特征向量。

步骤S212，对关注时长向量、关注度向量和主体特征向量进行向量拼接，将获得的拼接向量作为虚拟环境特征。

步骤S214，将虚拟环境特征和虚拟世界的候选广告输入广告评分模型进行广告评分计算，并根据获得的广告评分确定候选广告中的目标候选广告。

步骤S216，确定在虚拟世界进行广告投放的投放时间点，并在投放时间点进行目标候选广告的投放处理。

本说明书提供的一种虚拟世界的广告投放处理装置实施例如下：

在上述的实施例中，提供了一种虚拟世界的广告投放处理方法，与之相对应的，还提供了一种虚拟世界的广告投放处理装置，下面结合附图进行说明。

参照图3，其示出了本实施例提供的一种虚拟世界的广告投放处理装置示意图。

由于装置实施例对应于方法实施例，所以描述得比较简单，相关的部分请参见上述提供的方法实施例的对应说明即可。下述描述的装置实施例仅仅是示意性的。

本实施例提供一种虚拟世界的广告投放处理装置，包括：

视角估计模块302，被配置为基于用户眼部图像进行视角估计，获得用户视角方向；所述用户眼部图像通过虚拟世界的接入设备配置的图像传感器进行采集；

区域检测模块304，被配置为将所述用户视角方向以及所述虚拟世界的投放广告的图像数据输入检测模型进行广告关注区域检测，获得广告关注区域；

特征构建模块306，被配置为构建携带所述广告关注区域的关注时长的虚拟环境特征；

评分计算模块308，被配置为将所述虚拟环境特征和所述虚拟世界的候选广告输入广告评分模型进行广告评分计算，并根据获得的广告评分确定所述候选广告中的目标候选广告。

本说明书提供的一种虚拟世界的广告投放处理设备实施例如下：

对应上述描述的一种虚拟世界的广告投放处理方法，基于相同的技术构思，本说明书一个或多个实施例还提供一种虚拟世界的广告投放处理设备，该虚拟世界的广告投放处理设备用于执行上述提供的虚拟世界的广告投放处理方法，图4为本说明书一个或多个实施例提供的一种虚拟世界的广告投放处理设备的结构示意图。

本实施例提供的一种虚拟世界的广告投放处理设备，包括：

如图4所示，虚拟世界的广告投放处理设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器401和存储器402，存储器402中可以存储有一个或一个以上存储应用程序或数据。其中，存储器402可以是短暂存储或持久存储。存储在存储器402的应用程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括虚拟世界的广告投放处理设备中的一系列计算机可执行指令。更进一步地，处理器401可以设置为与存储器402通信，在虚拟世界的广告投放处理设备上执行存储器402中的一系列计算机可执行指令。虚拟世界的广告投放处理设备还可以包括一个或一个以上电源403，一个或一个以上有线或无线网络接口404，一个或一个以上输入/输出接口405，一个或一个以上键盘406等。

在一个具体的实施例中，虚拟世界的广告投放处理设备包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对虚拟世界的广告投放处理设备中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：

基于用户眼部图像进行视角估计，获得用户视角方向；所述用户眼部图像通过虚拟世界的接入设备配置的图像传感器进行采集；

将所述用户视角方向以及所述虚拟世界的投放广告的图像数据输入检测模型进行广告关注区域检测，获得广告关注区域；

构建携带所述广告关注区域的关注时长的虚拟环境特征；

将所述虚拟环境特征和所述虚拟世界的候选广告输入广告评分模型进行广告评分计算，并根据获得的广告评分确定所述候选广告中的目标候选广告。

本说明书提供的一种存储介质实施例如下：

对应上述描述的一种虚拟世界的广告投放处理方法，基于相同的技术构思，本说明书一个或多个实施例还提供一种存储介质。

本实施例提供的存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被处理器执行时实现以下流程：

基于用户眼部图像进行视角估计，获得用户视角方向；所述用户眼部图像通过虚拟世界的接入设备配置的图像传感器进行采集；

将所述用户视角方向以及所述虚拟世界的投放广告的图像数据输入检测模型进行广告关注区域检测，获得广告关注区域；

构建携带所述广告关注区域的关注时长的虚拟环境特征；

将所述虚拟环境特征和所述虚拟世界的候选广告输入广告评分模型进行广告评分计算，并根据获得的广告评分确定所述候选广告中的目标候选广告。

需要说明的是，本说明书中关于存储介质的实施例与本说明书中关于虚拟世界的广告投放处理方法的实施例基于同一发明构思，因此该实施例的具体实施可以参见前述对应方法的实施，重复之处不再赘述。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

在20世纪30年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device，PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字***“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的***、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本说明书一个或多个实施例可提供为方法、***或计算机程序产品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本说明书是参照根据本说明书实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书的一个或多个实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于***实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本文件的实施例而已，并不用于限制本文件。对于本领域技术人员来说，本文件可以有各种更改和变化。凡在本文件的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本文件的权利要求范围之内。

Claims (15)

1.一种虚拟世界的广告投放处理方法，包括：

基于用户眼部图像进行视角估计，获得用户视角方向；所述用户眼部图像通过虚拟世界的接入设备配置的图像传感器进行采集；

将所述用户视角方向以及所述虚拟世界的投放广告的图像数据输入检测模型进行广告关注区域检测，获得广告关注区域；

构建携带所述广告关注区域的关注时长的虚拟环境特征，所述虚拟环境特征还携带用户关注度，所述用户关注度，采用如下方式计算： 通过图像分割算法提取广告投放状态下的用户眼部图像中的第一眼部特征以及非投放 状态下的用户眼部图像中的第二眼部特征； 基于所述第一眼部特征和所述第二眼部特征计算所述用户关注度；

将所述虚拟环境特征和所述虚拟世界的候选广告输入广告评分模型进行广告评分计算，并根据获得的广告评分确定所述候选广告中的目标候选广告。

2.根据权利要求1所述的虚拟世界的广告投放处理方法，所述用户眼部图像包括：眼部彩色图像和/或眼部红外图像；

相应的，所述接入设备配置的图像传感器包括：用于采集眼部彩色图像的图像传感器和/或用于采集眼部红外图像的红外传感器。

3.根据权利要求2所述的虚拟世界的广告投放处理方法，所述基于用户眼部图像进行视角估计，获得用户视角方向步骤执行之前，还包括：

对所述眼部彩色图像和所述眼部红外图像进行对齐，并基于对齐后获得的眼部彩色图像和眼部红外图像的对齐特征点计算多模态质量分；

若所述多模态质量分小于预设质量分阈值，则重新进行眼部彩色图像采集和眼部红外图像采集；

所述多模态质量分，采用如下方式计算：

基于对齐后的眼部彩色图像和对齐后的眼部红外图像的对齐特征点，计算对齐后的眼部彩色图像与对齐后的眼部红外图像的特征相似度；

根据所述特征相似度和预设常数计算所述多模态质量分。

4.根据权利要求3所述的虚拟世界的广告投放处理方法，所述多模态质量分等于所述预设常数与所述特征相似度的平方的比值。

5.根据权利要求1所述的虚拟世界的广告投放处理方法，所述广告关注区域检测，包括：

确定所述用户视角方向在所述虚拟世界中映射的三维视角位置；

检测所述投放广告的图像数据中与所述三维视角位置对应的图像区域，作为所述广告关注区域。

6.根据权利要求1所述的虚拟世界的广告投放处理方法，所述将所述用户视角方向以及所述虚拟世界的投放广告的图像数据输入检测模型进行广告关注区域检测，获得广告关注区域步骤执行之前，还包括：

基于所述投放广告的图像数据进行广告图像渲染，并向所述接入设备输出渲染结果；

其中，所述投放广告在广告池和/或序列广告中随机选择确定，或者，所述投放广告基于用户兴趣数据在所述广告池和/或所述序列广告中进行匹配获得。

7.根据权利要求1所述的虚拟世界的广告投放处理方法，所述广告关注区域的关注时长，采用如下方式计算：

根据所述广告关注区域所属的广告图像的采集时间，计算所述广告图像的采集时间跨度作为所述关注时长。

8.根据权利要求1所述的虚拟世界的广告投放处理方法，所述虚拟环境特征，还携带广告主体特征；

其中，所述广告主体特征包括：从所述投放广告的广告图像中进行特征提取获得的广告主体特征，和/或，从所述广告关注区域对应的区域子图像中进行特征提取获得的关注主体特征。

9.根据权利要求1所述的虚拟世界的广告投放处理方法，所述构建携带所述广告关注区域的关注时长的虚拟环境特征，包括：

对所述关注时长、用户关注度和广告主体特征进行向量化处理，获得关注时长向量、关注度向量和主体特征向量；

对所述关注时长向量、关注度向量和主体特征向量进行向量拼接，将获得的拼接向量作为所述虚拟环境特征。

10.根据权利要求1所述的虚拟世界的广告投放处理方法，所述广告评分模型包括：基于强化学习算法构建的强化学习模型；

其中，所述强化学习模型的模型训练过程中的输入包括：作为训练样本的广告样本的关注时长、用户关注度和广告主体特征进行向量化处理和向量拼接获得的虚拟环境特征。

11.根据权利要求1所述的虚拟世界的广告投放处理方法，所述将所述虚拟环境特征和所述虚拟世界的候选广告输入广告评分模型进行广告评分计算，并根据获得的广告评分确定所述候选广告中的目标候选广告步骤执行之后，还包括：

确定在所述虚拟世界进行广告投放的投放时间点，并在所述投放时间点进行所述目标候选广告的投放处理。

12.根据权利要求1至11任意一项所述的虚拟世界的广告投放处理方法，所述虚拟世界中通过生成非同质化标识进行去中心化的交易，通过交易占有虚拟资产的所有权。

13.一种虚拟世界的广告投放处理装置，包括：

视角估计模块，被配置为基于用户眼部图像进行视角估计，获得用户视角方向；所述用户眼部图像通过虚拟世界的接入设备配置的图像传感器进行采集；

区域检测模块，被配置为将所述用户视角方向以及所述虚拟世界的投放广告的图像数据输入检测模型进行广告关注区域检测，获得广告关注区域；

特征构建模块，被配置为构建携带所述广告关注区域的关注时长的虚拟环境特征，所述虚拟环境特征还携带用户关注度，所述用户关注度，采用如下方式计算： 通过图像分割算法提取广告投放状态下的用户眼部图像中的第一眼部特征以及非投放 状态下的用户眼部图像中的第二眼部特征； 基于所述第一眼部特征和所述第二眼部特征计算所述用户关注度；

评分计算模块，被配置为将所述虚拟环境特征和所述虚拟世界的候选广告输入广告评分模型进行广告评分计算，并根据获得的广告评分确定所述候选广告中的目标候选广告。

14.一种虚拟世界的广告投放处理设备，包括：

处理器；以及，被配置为存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器：

基于用户眼部图像进行视角估计，获得用户视角方向；所述用户眼部图像通过虚拟世界的接入设备配置的图像传感器进行采集；

将所述用户视角方向以及所述虚拟世界的投放广告的图像数据输入检测模型进行广告关注区域检测，获得广告关注区域；

构建携带所述广告关注区域的关注时长的虚拟环境特征，所述虚拟环境特征还携带用户关注度，所述用户关注度，采用如下方式计算： 通过图像分割算法提取广告投放状态下的用户眼部图像中的第一眼部特征以及非投放 状态下的用户眼部图像中的第二眼部特征； 基于所述第一眼部特征和所述第二眼部特征计算所述用户关注度；

将所述虚拟环境特征和所述虚拟世界的候选广告输入广告评分模型进行广告评分计算，并根据获得的广告评分确定所述候选广告中的目标候选广告。

15.一种存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被处理器执行时实现以下流程：

基于用户眼部图像进行视角估计，获得用户视角方向；所述用户眼部图像通过虚拟世界的接入设备配置的图像传感器进行采集；

将所述用户视角方向以及所述虚拟世界的投放广告的图像数据输入检测模型进行广告关注区域检测，获得广告关注区域；

构建携带所述广告关注区域的关注时长的虚拟环境特征，所述虚拟环境特征还携带用户关注度，所述用户关注度，采用如下方式计算： 通过图像分割算法提取广告投放状态下的用户眼部图像中的第一眼部特征以及非投放 状态下的用户眼部图像中的第二眼部特征； 基于所述第一眼部特征和所述第二眼部特征计算所述用户关注度；

将所述虚拟环境特征和所述虚拟世界的候选广告输入广告评分模型进行广告评分计算，并根据获得的广告评分确定所述候选广告中的目标候选广告。