CN117934088A - 商品推荐方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请公开了一种商品推荐方法、装置、电子设备及存储介质，包括：获取待推荐用户的购物监控图像；根据所述购物监控图像关联的拍摄装置的位置信息，确定所述购物监控图像对应的商品区域；根据所述购物监控图像的采集时间信息，以及所述购物监控图像对应的商品区域，生成所述待推荐用户的购物轨迹；根据所述待推荐用户在所述商品区域中的停留时长，以及所述购物轨迹，确定所述待推荐用户的喜好区域；根据所述喜好区域对应的商品属性，筛选得到所述待推荐用户对应的待推荐商品。本方法确定的待推荐商品更加准确。并且本方法仅需要根据购物监控图像的数据，以及拍摄装置的位置信息即可得到确定待推荐商品，成本较低且方便部署。

Description

商品推荐方法、装置、电子设备及存储介质

技术领域

本申请涉及物品推荐技术领域，具体涉及一种商品推荐方法、装置、电子设备及存储介质。

背景技术

为了提高商品销售量，目前商户会通过短信、邮件、或者店铺内的结算柜台等方式向用户推荐商品。

目前常用的推荐方法通常根据用户的年龄、收入等用户属性信息，预测用户喜好的商品类型，以进行商品推荐。但是，这种推荐方法仅从全局的角度预测用户喜好的商品类型，并没有考虑到用户的个体差异，因此推荐的商品不够准确。

发明内容

本申请提供一种商品推荐方法、装置、电子设备及存储介质，旨在解决目前的商品推荐方法不够准确的问题。

第一方面，本申请提供一种商品推荐方法，包括：

获取待推荐用户的购物监控图像；

根据所述购物监控图像关联的拍摄装置的位置信息，确定所述购物监控图像对应的商品区域；

根据所述购物监控图像的采集时间信息，以及所述购物监控图像对应的商品区域，生成所述待推荐用户的购物轨迹；

根据所述待推荐用户在所述商品区域中的停留时长，以及所述购物轨迹，确定所述待推荐用户的喜好区域；

根据所述喜好区域对应的商品属性，筛选得到所述待推荐用户对应的待推荐商品。

在本申请一种可能的实现方式中，所述根据所述待推荐用户在所述商品区域中的停留时长，以及所述购物轨迹，确定所述待推荐用户的喜好区域，包括：

根据所述购物监控图像的采集时间信息，以及所述购物监控图像对应的商品区域，统计得到所述待推荐用户在所述商品区域中的停留时长；

根据所述商品区域中的停留时长和所述购物轨迹中商品区域之间的顺序信息，对所述商品区域进行排序，得到排序最高的喜好区域。

在本申请一种可能的实现方式中，所述获取待推荐用户的购物监控图像，包括：

接收推荐触发请求，确定所述推荐触发请求对应的待推荐用户；

获取所述待推荐用户的参考图像；

将所述参考图像包含的用户体态信息与预设数据库中监控图像包含的用户体态信息进行匹配，得到所述待推荐用户的购物监控图像。

在本申请一种可能的实现方式中，所述预设数据库包含多个预设存储空间，各所述预设存储空间分别用于存储不同时间段中采集得到的，并且对应不同商品区域的监控图像，

所述将所述参考图像包含的用户体态信息与预设数据库中监控图像包含的用户体态信息进行匹配，得到所述待推荐用户的购物监控图像，包括：

计算所述参考图像包含的用户体态信息与各所述预设存储空间中的用户体态信息之间的相似度；

筛选得到各所述预设存储空间中相似度大于预设相似度阈值的候选图像，并从每个预设存储空间中选择相似度最高的候选图像作为所述待推荐用户的购物监控图像。

在本申请一种可能的实现方式中，所述获取所述待推荐用户的参考图像之前，还包括：

获取所述待推荐用户的历史推荐商品，以及所述历史推荐商品的推荐反馈信息；

若所述推荐反馈信息中的商品购买次数大于预设次数阈值，则执行所述获取所述待推荐用户的参考图像的步骤。

在本申请一种可能的实现方式中，所述商品属性包括第一商品类别，

所述根据所述喜好区域对应的商品属性，筛选得到所述待推荐用户对应的待推荐商品，包括：

查询预设的商品销售记录，得到与所述喜好区域对应的第一商品类别关联的第二商品类别；

根据所述第一商品类别和所述第二商品类别，从预设的候选商品中筛选得到所述待推荐用户对应的待推荐商品。

在本申请一种可能的实现方式中，所述根据所述第一商品类别和所述第二商品类别，从预设的候选商品中筛选得到所述待推荐用户对应的待推荐商品之前，还包括：

对所述商品销售记录中的历史消费金额进行统计处理，得到消费金额分布信息；

获取所述消费金额分布信息中概率最大的目标金额；

将预设的在售商品的商品销售金额与所述目标金额进行对比，得到商品销售金额小于所述目标金额的候选商品。

第二方面，本申请提供一种商品推荐装置，包括：

获取单元，用于获取待推荐用户的购物监控图像；

第一确定单元，用于根据所述购物监控图像关联的拍摄装置的位置信息，确定所述购物监控图像对应的商品区域；

生成单元，用于根据所述购物监控图像的采集时间信息，以及所述购物监控图像对应的商品区域，生成所述待推荐用户的购物轨迹；

第二确定单元，用于根据所述待推荐用户在所述商品区域中的停留时长，以及所述购物轨迹，确定所述待推荐用户的喜好区域；

筛选单元，用于根据所述喜好区域对应的商品属性，筛选得到所述待推荐用户对应的待推荐商品。

在本申请一种可能的实现方式中，第二确定单元还用于：

根据所述购物监控图像的采集时间信息，以及所述购物监控图像对应的商品区域，统计得到所述待推荐用户在所述商品区域中的停留时长；

根据所述商品区域中的停留时长和所述购物轨迹中商品区域之间的顺序信息，对所述商品区域进行排序，得到排序最高的喜好区域。

在本申请一种可能的实现方式中，获取单元还用于：

接收推荐触发请求，确定所述推荐触发请求对应的待推荐用户；

获取所述待推荐用户的参考图像；

将所述参考图像包含的用户体态信息与预设数据库中监控图像包含的用户体态信息进行匹配，得到所述待推荐用户的购物监控图像。

在本申请一种可能的实现方式中，预设数据库包含多个预设存储空间，各所述预设存储空间分别用于存储不同时间段中采集得到的，并且对应不同商品区域的监控图像，获取单元还用于：

计算所述参考图像包含的用户体态信息与各所述预设存储空间中的用户体态信息之间的相似度；

筛选得到各所述预设存储空间中相似度大于预设相似度阈值的候选图像，并从每个预设存储空间中选择相似度最高的候选图像作为所述待推荐用户的购物监控图像。

在本申请一种可能的实现方式中，获取单元还用于：

获取所述待推荐用户的历史推荐商品，以及所述历史推荐商品的推荐反馈信息；

若所述推荐反馈信息中的商品购买次数大于预设次数阈值，则执行所述获取所述待推荐用户的参考图像的步骤。

在本申请一种可能的实现方式中，筛选单元还用于：

查询预设的商品销售记录，得到与所述喜好区域对应的第一商品类别关联的第二商品类别；

根据所述第一商品类别和所述第二商品类别，从预设的候选商品中筛选得到所述待推荐用户对应的待推荐商品。

在本申请一种可能的实现方式中，筛选单元还用于：

对所述商品销售记录中的历史消费金额进行统计处理，得到消费金额分布信息；

获取所述消费金额分布信息中概率最大的目标金额；

将预设的在售商品的商品销售金额与所述目标金额进行对比，得到商品销售金额小于所述目标金额的候选商品。

第三方面，本申请还提供一种电子设备，电子设备包括处理器、存储器以及存储于存储器中并可在处理器上运行的计算机程序，处理器调用存储器中的计算机程序时执行本申请提供的任一种商品推荐方法中的步骤。

第四方面，本申请还提供一种存储介质，存储介质上存储有计算机程序，计算机程序被处理器执行时实现本申请提供的任一种商品推荐方法中的步骤。

综上所述，本申请实施例提供的商品推荐方法包括：获取待推荐用户的购物监控图像；根据所述购物监控图像关联的拍摄装置的位置信息，确定所述购物监控图像对应的商品区域；根据所述购物监控图像的采集时间信息，以及所述购物监控图像对应的商品区域，生成所述待推荐用户的购物轨迹；根据所述待推荐用户在所述商品区域中的停留时长，以及所述购物轨迹，确定所述待推荐用户的喜好区域；根据所述喜好区域对应的商品属性，筛选得到所述待推荐用户对应的待推荐商品。

可见，本申请实施例提供的商品推荐方法获取喜好区域时，依据于待推荐用户个人的购物习惯，更加准确，因此确定的待推荐商品更加符合待推荐用户的喜好。并且，本方法仅需要根据购物监控图像的数据，以及拍摄装置的位置信息即可得到确定喜好区域和待推荐商品，成本较低且方便部署。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，对于本领域技术人员来讲，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是本申请实施例提供的商品推荐方法的应用场景示意图；

图2是本申请实施例中提供的商品推荐方法的一种流程示意图；

图3是本申请实施例中提供的获取购物监控图像的一种流程示意图；

图4是本申请实施例中提供的预设数据库的一种结构示意图；

图5是本申请实施例中提供的商品推荐方法的另一种流程示意图；

图6是本申请实施例中提供的获取待推荐商品的一种流程示意图；

图7是本申请实施例中提供的商品推荐装置的一个实施例结构示意图；

图8是本申请实施例中提供的电子设备的一个实施例结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域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，都属于本申请保护的范围。

在本申请实施例的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请实施例的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

为了使本领域任何技术人员能够实现和使用本申请，给出了以下描述。在以下描述中，为了解释的目的而列出了细节。应当明白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情况下也可以实现本申请。在其它实例中，不会对公知的过程进行详细阐述，以避免不必要的细节使本申请实施例的描述变得晦涩。因此，本申请并非旨在限于所示的实施例，而是与符合本申请实施例所公开的原理和特征的最广范围相一致。

本申请实施例提供一种商品推荐方法、装置、电子设备和存储介质。其中，该商品推荐装置可以集成在电子设备中，该电子设备可以是服务器，也可以是终端等设备。

本申请实施例商品推荐方法的执行主体可以为本申请实施例提供的商品推荐装置，或者集成了该商品推荐装置的服务器设备、物理主机或者用户设备(User Equipment，UE)等不同类型的电子设备，其中，商品推荐装置可以采用硬件或者软件的方式实现，UE具体可以为智能手机、平板电脑、笔记本电脑、掌上电脑、台式电脑或者个人数字助理(Personal Digital Assistant，PDA)等终端设备。

该电子设备可以采用单独运行的工作方式，或者也可以采用设备集群的工作方式。

参见图1，图1是本申请实施例所提供的商品推荐***的场景示意图。其中，该商品推荐***可以包括电子设备101，电子设备101中集成有商品推荐装置。

另外，如图1所示，该商品推荐***还可以包括存储器102，用于存储数据，如存储文本数据。

需要说明的是，图1所示的商品推荐***的场景示意图仅仅是一个示例，本申请实施例描述的商品推荐***以及场景是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域普通技术人员可知，随着商品推荐***的演变和新业务场景的出现，本发明实施例提供的技术方案对于类似的技术问题，同样适用。

下面，开始介绍本申请实施例提供的商品推荐方法，本申请实施例中以电子设备作为执行主体，为了简化与便于描述，后续方法实施例中将省略该执行主体，该商品推荐方法包括：获取待推荐用户的购物监控图像；根据所述购物监控图像关联的拍摄装置的位置信息，确定所述购物监控图像对应的商品区域；根据所述购物监控图像的采集时间信息，以及所述购物监控图像对应的商品区域，生成所述待推荐用户的购物轨迹；根据所述待推荐用户在所述商品区域中的停留时长，以及所述购物轨迹，确定所述待推荐用户的喜好区域；根据所述喜好区域对应的商品属性，筛选得到所述待推荐用户对应的待推荐商品。

参照图2，图2是本申请实施例提供的商品推荐方法的一种流程示意图。需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。该商品推荐方法具体可以包括以下步骤201-步骤205，其中：

201、获取待推荐用户的购物监控图像。

待推荐用户是指待推荐商品的用户。为了方便理解待推荐用户，首先提供一种本申请实施例的实际应用场景：本申请实施例提供的商品推荐方法可以用于实体商铺中，在经过用户授权采集个人信息后，当用户购物完成，在自动结账柜台进行付款结账时，自动结账柜台中可以展示向当前付款用户推荐的商品，当前付款用户即为待推荐用户。示例性地，在该应用场景中，电子设备可以通过自动结账柜台当前登录的用户账号确定当前付款用户，并将当前付款用户作为待推荐用户。为了方便理解本方法，在下文中以上述应用场景为基础进行说明，但不能理解为对本申请实施例的限制。

购物监控图像是指经过用户授权后，通过实体商铺中的图像获取装置拍摄得到的图像，因此待推荐用户的购物监控图像是指经过待推荐用户授权后，通过实体商铺中的图像获取装置拍摄得到的包含待推荐用户的图像。其中，购物监控图像可以是指本次购物过程中拍摄得到的图像，也可以是指历史购物过程中拍摄得到的图像。例如，电子设备可以在待推荐用户进入实体商铺时，经过授权后通过实体店铺入口的摄像头拍摄得到待推荐用户的人脸图像，之后实时地将待推荐用户的人脸图像与实体店铺内拍摄得到的监控图像进行人脸比对，以确定包含待推荐用户的图像，即待推荐用户的购物监控图像。

在一些实施例中，电子设备可以接收到待推荐用户的推荐触发请求时，执行步骤201，在接收到待推荐用户的推荐触发请求之前，电子设备可以不断地从实时监控图像中确定待推荐用户的购物监控图像，并将待推荐用户的购物监控图像暂存在实体店铺的后台数据库中，当执行步骤201时，电子设备可以从该后台数据库中读取得到待推荐用户的购物监控图像。可以理解的，推荐触发请求可以是指用户输入自动结账柜台中的付款指令。

在另一些实施例中，电子设备可以在接收到待推荐用户的推荐触发请求时，执行步骤201，从实体店铺的后台数据库中读取得到预设的监控图像，并从预设的监控图像中获取预设的历史时间段中的历史监控图像，并从历史监控图像中确定待推荐用户的购物监控图像。其中，历史时间段的长短可以根据实际场景需求进行设置，例如，可以将历史时间段设置为8小时。

202、根据所述购物监控图像关联的拍摄装置的位置信息，确定所述购物监控图像对应的商品区域。

购物监控图像关联的拍摄装置是指拍摄得到购物监控图像的拍摄装置。拍摄装置的位置信息中包含了拍摄装置的安装位置。

在本申请实施例中，商品区域是指实体店铺中摆放在售商品的区域。

购物监控图像对应的商品区域是指购物监控图像中所拍摄到的商品区域。由于在实体店铺内的拍摄装置的拍摄性能有限，因此在本申请实施例中，可以根据购物监控图像关联的拍摄装置的位置信息，确定购物监控图像关联的拍摄装置所在的商品区域，并将拍摄装置所在的商品区域作为购物监控图像对应的商品区域。

在一些实施例中，拍摄装置的安装位置已经预先与实体店铺内预划分的商品区域关联，拍摄装置安装于关联的商品区域中，并用于拍摄关联的商品区域。此时，拍摄装置的位置信息可以是指拍摄装置关联的区域信息，确定得到的购物监控图像对应的商品区域即为拍摄装置关联的商品区域。

在另一些实施例中，拍摄装置的安装位置未与实体店铺内的商品区域关联，此时，可以预先在实体店铺内构建店铺坐标系，并预先确定每个拍摄装置在店铺坐标系内的装置坐标。电子设备在执行步骤202时，可以获取购物监控图像关联的拍摄装置的装置坐标，并将装置坐标与实体店铺内预划分的商品区域进行匹配，确定装置坐标所在的商品区域，并将装置坐标所在的商品区域作为购物监控图像对应的商品区域。

获取购物监控图像对应的商品区域的目的是确定待推荐用户访问过的目标区域，并将目标区域中商品的类别、价格等信息作为推荐商品的参考信息。

203、根据所述购物监控图像的采集时间信息，以及所述购物监控图像对应的商品区域，生成所述待推荐用户的购物轨迹。

购物监控图像的采集时间信息是指拍摄装置拍摄得到购物监控图像的时间信息。电子设备可以根据购物监控图像的时间戳，得到购物监控图像的采集时间信息。

购物轨迹可以是指用户访问各商品区域的行动轨迹。根据购物监控图像的采集时间信息，可以确定待推荐用户访问购物监控图像对应的商品区域的时间，根据待推荐用户对于购物监控图像对应的商品区域的访问时间，可以生成待推荐用户的购物轨迹，在待推荐用户的购物轨迹中，包含了待推荐用户访问购物监控图像对应的商品区域的时间顺序。

生成购物轨迹的目的是确定对于购物监控图像对应的商品区域，待推荐用户的访问优先级，商品区域的访问优先级越高，说明待推荐用户对该商品区域的喜好程度越高，因此可以将购物轨迹中商品区域的时间顺序信息作为推荐商品的参考信息。

204、根据所述待推荐用户在所述商品区域中的停留时长，以及所述购物轨迹，确定所述待推荐用户的喜好区域。

在一些实施例中，电子设备可以根据待推荐用户在商品区域中的停留时长，以及购物轨迹中商品区域之间的时间顺序，对购物监控图像对应的商品区域进行排序，得到待推荐用户的喜好区域。此时，步骤“根据所述待推荐用户在所述商品区域中的停留时长，以及所述购物轨迹，确定所述待推荐用户的喜好区域”，包括：

(1.1)根据所述购物监控图像的采集时间信息，以及所述购物监控图像对应的商品区域，统计得到所述待推荐用户在所述商品区域中的停留时长。

示例性地，电子设备可以根据购物监控图像对应的商品区域，对购物监控图像进行分类，得到对应相同商品区域的目标监控图像，然后根据目标监控图像中采集时间最早的监控图像的采集时间，以及目标监控图像中采集时间最晚的监控图像的采集时间，计算得到待推荐用户在目标监控图像对应的商品区域中的停留时长。

(1.2)根据所述商品区域中的停留时长和所述购物轨迹中商品区域之间的顺序信息，对所述商品区域进行排序，得到排序最高的喜好区域。

商品区域之间的顺序信息可以是指商品区域之间的访问时间顺序信息。

在一些实施例中，电子设备可以首先按照商品区域之间的顺序信息，对购物监控图像对应的商品区域进行排序，筛选得到排序靠前的商品区域，然后将排序靠前的商品区域按照停留时长再次进行排序，将排序最高的商品区域作为喜好区域。其中，电子设备可以将排序在预设次序之前的商品区域作为排序靠前的商品区域，预设次序可以根据实际场景需求进行设置，例如预设次序可以为第四，即电子设备将排序前三的商品区域作为排序靠前的商品区域。

在另一些实施例中，电子设备可以筛选得到停留时长大于预设时长的商品区域，然后根据购物轨迹中商品区域之间的顺序信息，对筛选得到的商品区域进行排序，将排序最高的商品区域作为喜好区域。本实施例中的排序方法，可以避免商品区域在实体店铺内的位置对排序造成的影响，例如大多数的用户访问商品区域的时间顺序会与商品区域与店铺入口之间的距离相关，商品区域与店铺入口之间的距离越近，用户访问商品区域越早，如果通过上一个实施例中的方法，则排序不够准确，而本实施例中的方法，首先根据停留时长进行筛选，可以有效避免商品区域在实体店铺内的位置对排序造成的影响。

可见，通过步骤(1.1)-步骤(1.2)的方法，在获取喜好区域时可以综合考虑商品区域之间的访问时间顺序，以及待推荐用户在商品区域中的停留时长，提高确定喜好区域时的准确性。

205、根据所述喜好区域对应的商品属性，筛选得到所述待推荐用户对应的待推荐商品。

喜好区域对应的商品属性是指喜好区域中商品的商品属性。其中，商品属性可以包括商品的类别、价值、销售量等信息。在一些实施例中，可以预先将商品区域与商品区域中的商品关联，存储在实体店铺的后台数据库中，在执行步骤205时，电子设备可以查询实体店铺的后台数据库，得到喜好区域关联的商品，以及喜好区域对应的商品属性。

在一些实施例中，电子设备可以根据喜好区域对应的商品属性，从实体店铺的在售商品中筛选得到待推荐用户对应的待推荐商品。例如，电子设备可以获取喜好区域对应的商品属性，并根据商品属性中的商品类别，从实体店铺的在售商品中筛选得到同类别商品，再从同类别商品中选出销售量较高的待推荐商品。需要说明的是，本申请实施例中提供的筛选方法仅作示例性说明，不能理解为对本申请的限制。

综上所述，本申请实施例提供的商品推荐方法包括：获取待推荐用户的购物监控图像；根据所述购物监控图像关联的拍摄装置的位置信息，确定所述购物监控图像对应的商品区域；根据所述购物监控图像的采集时间信息，以及所述购物监控图像对应的商品区域，生成所述待推荐用户的购物轨迹；根据所述待推荐用户在所述商品区域中的停留时长，以及所述购物轨迹，确定所述待推荐用户的喜好区域；根据所述喜好区域对应的商品属性，筛选得到所述待推荐用户对应的待推荐商品。

可见，本申请实施例提供的商品推荐方法获取喜好区域时，依据于待推荐用户个人的购物习惯，更加准确，因此确定的待推荐商品更加符合待推荐用户的喜好。并且，本方法仅需要根据购物监控图像的数据，以及拍摄装置的位置信息即可得到确定喜好区域和待推荐商品，成本较低且方便部署。

在上文中说明了通过人脸图像匹配得到购物监控图像的方法。但是由于拍摄装置的拍摄能力限制，监控图像中的人脸特征通常较为贫乏，通过人脸图像匹配的方法有时难以起到较好的效果。因此，本申请实施例提供一种通过体态信息获取购物监控图像的方法，参考图3，此时，步骤“获取待推荐用户的购物监控图像”，包括：

301、接收推荐触发请求，确定所述推荐触发请求对应的待推荐用户。

推荐触发请求的说明可以参考上文，具体不进行赘述。

302、获取所述待推荐用户的参考图像。

其中，参考图像可以是指在接收到推荐触发请求时，实时拍摄得到的待推荐用户的图像，用于与监控图像进行比对。

示例性地，电子设备可以在查询到待推荐用户输入至自动结账柜台的付款指令后，经过待推荐用户的授权，通过自动结账柜台上设置的摄像头拍摄得到待推荐用户的全身图像，得到参考图像。

303、将所述参考图像包含的用户体态信息与预设数据库中监控图像包含的用户体态信息进行匹配，得到所述待推荐用户的购物监控图像。

用户体态信息可以是指用户的姿态信息。示例性地，可以采用pifPaf模型对参考图像进行处理，得到参考图像包含的用户体态信息。

pifPaf模型是一种自下而上的多人2D人体姿态估计方法，可以通过识别人体结构的关键点，得到人体姿态信息。

预设数据库可以是指上文中实体店铺的后台数据库。当实体店铺内的拍摄装置对实体店铺进行实时监控时，会将拍摄得到的监控图像上传至预设数据库中，在执行步骤303时，电子设备可以直接从预设数据库中读取得到监控图像。同样地，电子设备可以根据预设的历史时间段，从预设数据库中读取得到监控图像，历史时间段内的说明可以参考上文，具体不进行赘述。

同样地，监控图像的用户体态信息也可以通过pifPaf模型获取，具体不进行赘述。

在本申请实施例中，可以计算参考图像包含的用户体态信息与预设数据库中监控图像包含的用户体态信息之间的相似度，将相似度大于预设相似度阈值的监控图像作为购物监控图像。其中，预设相似度阈值的具体数值可以根据实际场景需求进行设置。

在一些实施例中，可以在预设数据库中划分多个存储空间，每个存储空间用于存储对应同一个商品区域，并且采集时间在不同时间段中的监控图像，在执行步骤303时，从每个存储空间中仅获取一张作为购物监控图像，以便减少购物监控图像的数量，提高商品推荐的效率。此时，步骤“将所述参考图像包含的用户体态信息与预设数据库中监控图像包含的用户体态信息进行匹配，得到所述待推荐用户的购物监控图像”，包括：

(2.1)计算所述参考图像包含的用户体态信息与各所述预设存储空间中的用户体态信息之间的相似度。

(2.2)筛选得到各所述预设存储空间中相似度大于预设相似度阈值的候选图像，并从每个预设存储空间中选择相似度最高的候选图像作为所述待推荐用户的购物监控图像。

为了方便理解，预设数据库的结构可以参考图4，图4中的预设数据库400包含了多个预设存储空间401、402……从图4中可以看出，预设存储空间401用于存储对应商品区域1，并且在t1时间段中采集到的监控图像，预设存储空间402用于存储对应商品区域2，并且在t2时间段中采集到的监控图像……在执行步骤(2.2)时，从每个预设存储空间中，获取相似度大于预设相似度阈值的候选图像，并将相似度最高的候选图像作为待推荐用户的购物监控图像。可见，只要设置对t1、t2……等时间段进行合理规划，即可有效减少购物监控图像的数量，并且可以得到待推荐用户在每个商品区域、每个时间段内的行为数据，不会产生遗漏。

通过步骤301-步骤303的方法，可以对比用户体态信息，以得到购物监控图像，由于用户体态信息相比人脸信息在监控图像中更为丰富，因此得到的购物监控图像更加准确，并且通过步骤(2.1)-步骤(2.2)构建的预设数据库，可以减少购物监控图像的数量，提高商品推荐的效率。

在一些实施例中，还可以首先判断对待推荐用户进行商品推荐的效果，当效果较好时，再执行步骤302，避免对效果较差的待推荐用户推荐商品，引起待推荐用户的方案，并且降低商品推荐效率。参考图5，此时，步骤“获取所述待推荐用户的参考图像”之前，还包括：

501、获取所述待推荐用户的历史推荐商品，以及所述历史推荐商品的推荐反馈信息。

待推荐用户的历史推荐商品是指曾经对待推荐用户推荐过的商品。

历史推荐商品的推荐反馈信息是指对待推荐用户推荐了历史推荐商品后，待推荐用户对历史推荐商品的反馈信息。其中，历史推荐商品的推荐反馈信息可以包括购买历史推荐商品、查看历史推荐商品的商品详情等等。

示例性地，电子设备可以从实体商铺的后台数据库中，根据待推荐用户登录自动结账柜台时采用的用户账号，查询得到待推荐用户的历史推荐商品，以及历史推荐商品的推荐反馈信息。

502、若所述推荐反馈信息中的商品购买次数大于预设次数阈值，则执行所述获取所述待推荐用户的参考图像的步骤。

预设次数阈值用于评估商品购买次数的大小，若商品购买次数大于预设次数阈值，则说明对待推荐用户进行商品推荐的效果较好，因此可以执行获取所述待推荐用户的参考图像的步骤。若商品购买次数小于或者等于预设次数阈值，则说明对待推荐用户进行商品推荐的效果较差，此时可以直接进行付款结算，不推荐商品。

在一些实施例中，为了增加待推荐商品的数量，扩大待推荐用户的选择空间，可以查询喜好区域中商品的类别所关联的关联商品类别，并根据喜好区域中商品的类别，以及关联商品类别，选择待推荐商品。参考图6，此时，步骤“根据所述喜好区域对应的商品属性，筛选得到所述待推荐用户对应的待推荐商品”，包括：

601、查询预设的商品销售记录，得到与所述喜好区域对应的第一商品类别关联的第二商品类别。

其中，商品销售记录中包含实体店铺中商品的历史销售信息。示例性地，商品销售记录中可以包括每次历史交易中商品的历史销售信息，除了包括每次交易中商品的销售量、每次交易的交易金额之外，还可以包括在每次交易中各商品的商品类别之间的关联关系。在本申请实施例中，关联可以是指同时销售，以下举一例进行示例性说明：对于商品类别为“洗涤剂”的第一商品，若其与商品类别为“抹布”的第二商品关联，则说明用户在购买第一商品的同时，还会购买第二商品。电子设备可以在经过用户授权后，收集用户的购物记录，并统计得到其中各商品类别之间的关联关系，以及各商品的历史销售量，得到商品销售记录，将商品销售记录存储在实体店铺的后台数据库中。

602、根据所述第一商品类别和所述第二商品类别，从预设的候选商品中筛选得到所述待推荐用户对应的待推荐商品。

除了仅根据商品类别进行筛选外，还可以结合商品的销售量等信息，具体不进行赘述。

在一些实施例中，候选商品可以是指实体店铺的所有在售商品。

在另一些实施例中，候选商品可以是从所有在售商品中挑选得到的部分商品。例如，可以根据大数据确定用户的平均购买力，并根据平均购买力和在售商品的商品销售金额，挑选得到候选商品。此时，步骤“查询预设的商品销售记录，得到与所述喜好区域对应的第一商品类别关联的第二商品类别”之前，还包括：

(3.1)对所述商品销售记录中的历史消费金额进行统计处理，得到消费金额分布信息。

历史消费金额是指用户在实体商铺中购物时消费的金额，其中可以包括每次交易对应的交易金额。

消费金额分布信息中包含了消费金额的概率信息，概率越高，说明用户在购物时以该消费金额进行交易的可能性越大。

(3.2)获取所述消费金额分布信息中概率最大的目标金额。

获取目标金额的目的是确定用户的平均购买力，可以理解的，目标金额越高，说明用户的平均购买力越强。

(3.3)将预设的在售商品的商品销售金额与所述目标金额进行对比，得到商品销售金额小于所述目标金额的候选商品。

在售商品的商品销售金额可以是指在售商品的销售价格。

通过步骤(3.1)-步骤(3.3)，电子设备可以首先根据用户的平均购买了和商品销售金额，对在售商品进行筛选，提高商品推荐的效率。

为了更好实施本申请实施例中的商品推荐方法，在商品推荐方法基础之上，本申请实施例中还提供一种商品推荐装置，如图7所示，为本申请实施例中商品推荐装置的一个实施例结构示意图，该商品推荐装置700包括：

获取单元701，用于获取待推荐用户的购物监控图像；

第一确定单元702，用于根据所述购物监控图像关联的拍摄装置的位置信息，确定所述购物监控图像对应的商品区域；

生成单元703，用于根据所述购物监控图像的采集时间信息，以及所述购物监控图像对应的商品区域，生成所述待推荐用户的购物轨迹；

第二确定单元704，用于根据所述待推荐用户在所述商品区域中的停留时长，以及所述购物轨迹，确定所述待推荐用户的喜好区域；

筛选单元705，用于根据所述喜好区域对应的商品属性，筛选得到所述待推荐用户对应的待推荐商品。

在本申请一种可能的实现方式中，第二确定单元704还用于：

根据所述购物监控图像的采集时间信息，以及所述购物监控图像对应的商品区域，统计得到所述待推荐用户在所述商品区域中的停留时长；

根据所述商品区域中的停留时长和所述购物轨迹中商品区域之间的顺序信息，对所述商品区域进行排序，得到排序最高的喜好区域。

在本申请一种可能的实现方式中，获取单元701还用于：

接收推荐触发请求，确定所述推荐触发请求对应的待推荐用户；

获取所述待推荐用户的参考图像；

将所述参考图像包含的用户体态信息与预设数据库中监控图像包含的用户体态信息进行匹配，得到所述待推荐用户的购物监控图像。

在本申请一种可能的实现方式中，预设数据库包含多个预设存储空间，各所述预设存储空间分别用于存储不同时间段中采集得到的，并且对应不同商品区域的监控图像，获取单元701还用于：

计算所述参考图像包含的用户体态信息与各所述预设存储空间中的用户体态信息之间的相似度；

筛选得到各所述预设存储空间中相似度大于预设相似度阈值的候选图像，并从每个预设存储空间中选择相似度最高的候选图像作为所述待推荐用户的购物监控图像。

在本申请一种可能的实现方式中，获取单元701还用于：

获取所述待推荐用户的历史推荐商品，以及所述历史推荐商品的推荐反馈信息；

若所述推荐反馈信息中的商品购买次数大于预设次数阈值，则执行所述获取所述待推荐用户的参考图像的步骤。

在本申请一种可能的实现方式中，筛选单元705还用于：

查询预设的商品销售记录，得到与所述喜好区域对应的第一商品类别关联的第二商品类别；

根据所述第一商品类别和所述第二商品类别，从预设的候选商品中筛选得到所述待推荐用户对应的待推荐商品。

在本申请一种可能的实现方式中，筛选单元705还用于：

对所述商品销售记录中的历史消费金额进行统计处理，得到消费金额分布信息；

获取所述消费金额分布信息中概率最大的目标金额；

将预设的在售商品的商品销售金额与所述目标金额进行对比，得到商品销售金额小于所述目标金额的候选商品。

具体实施时，以上各个单元可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个单元的具体实施可参见前面的方法实施例，在此不再赘述。

由于该商品推荐装置可以执行任意实施例中商品推荐方法中的步骤，因此，可以实现本申请任意实施例中商品推荐方法所能实现的有益效果，详见前面的说明，在此不再赘述。

此外，为了更好实施本申请实施例中商品推荐方法，在商品推荐方法

基础之上，本申请实施例还提供一种电子设备，参阅图8，图8示出了本申请实施例电子设备的一种结构示意图，具体的，本申请实施例提供的电子设备包括处理器801，处理器801用于执行存储器802中存储的计算机程序时实现任意实施例中商品推荐方法的各步骤；或者，处理器801用于执行存储器802中存储的计算机程序时实现如图7对应实施例中各单元的功能。

示例性的，计算机程序可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器802中，并由处理器801执行，以完成本申请实施例。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在计算机装置中的执行过程。

电子设备可包括，但不仅限于处理器801、存储器802。本领域技术人员可以理解，示意仅仅是电子设备的示例，并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件。

处理器801可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，处理器是电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分。

存储器802可用于存储计算机程序和/或模块，处理器801通过运行或执行存储在存储器802内的计算机程序和/或模块，以及调用存储在存储器802内的数据，实现计算机装置的各种功能。存储器802可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备的使用所创建的数据(比如音频数据、视频数据等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、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)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的商品推荐装置、电子设备及其相应单元的具体工作过程，可以参考任意实施例中商品推荐方法的说明，具体在此不再赘述。

本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一存储介质中，并由处理器进行加载和执行。

为此，本申请实施例提供一种存储介质，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执行本申请任意实施例中商品推荐方法中的步骤，具体操作可参考任意实施例中商品推荐方法的说明，在此不再赘述。

其中，该存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁盘或光盘等。

由于该存储介质中所存储的指令，可以执行本申请任意实施例中商品推荐方法中的步骤，因此，可以实现本申请任意实施例中商品推荐方法所能实现的有益效果，详见前面的说明，在此不再赘述。

以上对本申请实施例所提供的一种商品推荐方法、装置、存储介质及电子设备进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种商品推荐方法，其特征在于，包括：

获取待推荐用户的购物监控图像；

根据所述购物监控图像关联的拍摄装置的位置信息，确定所述购物监控图像对应的商品区域；

根据所述购物监控图像的采集时间信息，以及所述购物监控图像对应的商品区域，生成所述待推荐用户的购物轨迹；

根据所述待推荐用户在所述商品区域中的停留时长，以及所述购物轨迹，确定所述待推荐用户的喜好区域；

根据所述喜好区域对应的商品属性，筛选得到所述待推荐用户对应的待推荐商品。

2.根据权利要求1所述的商品推荐方法，其特征在于，所述根据所述待推荐用户在所述商品区域中的停留时长，以及所述购物轨迹，确定所述待推荐用户的喜好区域，包括：

根据所述购物监控图像的采集时间信息，以及所述购物监控图像对应的商品区域，统计得到所述待推荐用户在所述商品区域中的停留时长；

根据所述商品区域中的停留时长和所述购物轨迹中商品区域之间的顺序信息，对所述商品区域进行排序，得到排序最高的喜好区域。

3.根据权利要求1所述的商品推荐方法，其特征在于，所述获取待推荐用户的购物监控图像，包括：

接收推荐触发请求，确定所述推荐触发请求对应的待推荐用户；

获取所述待推荐用户的参考图像；

将所述参考图像包含的用户体态信息与预设数据库中监控图像包含的用户体态信息进行匹配，得到所述待推荐用户的购物监控图像。

4.根据权利要求3所述的商品推荐方法，其特征在于，所述预设数据库包含多个预设存储空间，各所述预设存储空间分别用于存储不同时间段中采集得到的，并且对应不同商品区域的监控图像，

所述将所述参考图像包含的用户体态信息与预设数据库中监控图像包含的用户体态信息进行匹配，得到所述待推荐用户的购物监控图像，包括：

计算所述参考图像包含的用户体态信息与各所述预设存储空间中的用户体态信息之间的相似度；

筛选得到各所述预设存储空间中相似度大于预设相似度阈值的候选图像，并从每个预设存储空间中选择相似度最高的候选图像作为所述待推荐用户的购物监控图像。

5.根据权利要求3所述的商品推荐方法，其特征在于，所述获取所述待推荐用户的参考图像之前，还包括：

获取所述待推荐用户的历史推荐商品，以及所述历史推荐商品的推荐反馈信息；

若所述推荐反馈信息中的商品购买次数大于预设次数阈值，则执行所述获取所述待推荐用户的参考图像的步骤。

6.根据权利要求1-5任一项所述的商品推荐方法，其特征在于，所述商品属性包括第一商品类别，

所述根据所述喜好区域对应的商品属性，筛选得到所述待推荐用户对应的待推荐商品，包括：

查询预设的商品销售记录，得到与所述喜好区域对应的第一商品类别关联的第二商品类别；

根据所述第一商品类别和所述第二商品类别，从预设的候选商品中筛选得到所述待推荐用户对应的待推荐商品。

7.根据权利要求6所述的商品推荐方法，其特征在于，所述根据所述第一商品类别和所述第二商品类别，从预设的候选商品中筛选得到所述待推荐用户对应的待推荐商品之前，还包括：

对所述商品销售记录中的历史消费金额进行统计处理，得到消费金额分布信息；

获取所述消费金额分布信息中概率最大的目标金额；

将预设的在售商品的商品销售金额与所述目标金额进行对比，得到商品销售金额小于所述目标金额的候选商品。

8.一种商品推荐装置，其特征在于，包括：

获取单元，用于获取待推荐用户的购物监控图像；

第一确定单元，用于根据所述购物监控图像关联的拍摄装置的位置信息，确定所述购物监控图像对应的商品区域；

生成单元，用于根据所述购物监控图像的采集时间信息，以及所述购物监控图像对应的商品区域，生成所述待推荐用户的购物轨迹；

第二确定单元，用于根据所述待推荐用户在所述商品区域中的停留时长，以及所述购物轨迹，确定所述待推荐用户的喜好区域；

筛选单元，用于根据所述喜好区域对应的商品属性，筛选得到所述待推荐用户对应的待推荐商品。

9.一种电子设备，其特征在于，所述电子设备包括处理器、存储器以及存储于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如权利要求1至7任一项所述的商品推荐方法中的步骤。

10.一种存储介质，其特征在于，所述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权利要求1至7任一项所述的商品推荐方法中的步骤。