CN108550059B - 一种基于人像识别的产品推荐方法 - Google Patents

Abstract

一种基于人像识别的产品推荐方法，特点为：云端设备可以先利用人像特征算法确定店铺的拍摄设备上传的拍摄图像包括的进入店铺的顾客的人像，再利用人像属性算法对该人像进行前向计算，得到该人像的属性信息(如年龄、性别以及身高)，并将该人像以及该人像的属性信息推送给该店铺当前值班的店员所配置的店员设备，以使该店铺当前值班的店员以该人像以及该人像的属性信息为依据，向该顾客推荐相应的产品，从而有利于提升店铺的成交率和转化率。此外，与现有技术中基于人脸检测来判断图像中是否存在人像的方式相比较，本发明实施例可以更加准确的检测出拍摄图像中是否存在人像，从而可以提高人像检测的准确度。

Description

一种基于人像识别的产品推荐方法

本发明涉及互联网技术领域，尤其涉及一种基于人像识别的产品推荐方法。

技术领域

随着经济全球化和信息时代的到来，电子商务(简称电商)正在以异军突起之势迅速向国民经济各行各业渗透。特别的，在互联网迅速发展的支持下，电商得到了广泛、飞速的发展，这给传统的店铺带来巨大的挑战和打击。而传统的店铺如何与电商抗衡，抢夺市场，以提升店铺的成交率和转化率，是很多店铺的经营者需要考虑的问题。

发明内容

本发明实施例公开一种基于人像识别的产品推荐方法，有利于提升店铺的成交率和转化率。

其中，一种基于人像识别的商品推荐方法，所述方法包括：

当顾客进入店铺时，所述店铺的拍摄设备对所述顾客进行拍摄，以获得拍摄图像；

所述拍摄设备将所述拍摄图像以及所述拍摄设备预选配置的所述店铺的唯一标识上传至云端设备；

所述云端设备利用人像特征算法确定所述拍摄图像中是否包含人像；若所述拍摄图像中包含人像，则所述云端设备以所述店铺的唯一标识为依据，获取所述店铺的唯一标识绑定的店铺值班表；

所述云端设备从所述店铺值班表中查询所述店铺当前值班的店员所配置的店员设备；

所述云端设备利用人像属性算法对所述人像进行前向计算，得到所述人像的属性信息；

所述云端设备将所述人像以及所述人像的属性信息推送给所述店铺当前值班的店员所配置的店员设备，以使所述店铺当前值班的店员以所述人像以及所述人像的属性信息为依据，向所述顾客推荐相应的产品。

作为一种可选的实施方式，本发明实施例中，所述云端设备将所述人像以及所述人像的属性信息推送给所述店铺当前值班的店员所配置的店员设备之后，所述方法还包括：

所述云端设备检测所述店铺当前值班的店员所配置的店员设备上报的已向所述顾客推荐过的各产品以及每一产品的状态标记；其中，所述产品的状态标记用于表示所述产品已成功出售或未成功出售；

所述云端设备统计已向所述顾客推荐过的各产品的总数量，并确定与所述总数量相匹配的店员激励金额；

所述云端设备根据所述每一产品的状态标记，判断已向所述顾客推荐过的各产品中是否存在已成功出售的产品；

若已向所述顾客推荐过的各产品中存在已成功出售的产品，所述云端设备统计所述已成功出售的产品的盈利金额；

所述云端设备确定与所述已成功出售的产品的盈利金额相匹配的店员绩效金额；

所述云端设备从所述店铺的电子账户中扣除所述店员激励金额和所述店员绩效金额，并将扣除的所述店员激励金额和所述店员绩效金额增加到所述店铺当前值班的店员的电子账户中。

作为一种可选的实施方式，本发明实施例中，所述方法还包括：

所述云端设备根据所述已成功出售的产品的盈利金额，确定所述店铺当前值班的店员的业绩增长量；

所述云端设备根据所述店铺当前值班的店员的业绩增长量，对所述店铺中设置的所述店铺当前值班的店员对应的业绩状态栏中显示的即时业绩量进行更新。

作为一种可选的实施方式，本发明实施例中，所述云端设备统计所述已成功出售的产品的盈利金额之后，以及所述云端设备确定与所述已成功出售的产品的盈利金额相匹配的店员绩效金额之前，所述方法还包括：

所述云端设备判断所述已成功出售的产品的盈利金额是否超过指定金额，若超过，执行所述的确定与所述已成功出售的产品的盈利金额相匹配的店员绩效金额；

其中，所述云端设备利用人像特征算法确定所述拍摄图像中是否包含人像，包括：

所述云端设备从模板数据库中读取出常见姿势模板；

所述云端设备根据所述拍摄图像中的地理场景从所述常见姿势模板中确定待用姿势模板；

所述云端设备根据所述待用姿势模板确定待用姿势的包络框；

所述云端设备利用所述包络框在拍摄图像中进行匹配，若匹配成功，则确定所述拍摄图像中包含人像。

作为一种可选的实施方式，本发明实施例中，所述云端设备根据所述拍摄图像中的地理场景从所述常见姿势模板中确定待用姿势模板，包括：

所述云端设备对所述拍摄图像对应的图像焦平面的地理场景进行识别；

若识别出所述图像焦平面的地理场景为路面，则所述云端设备从所述常见姿势模板中确定站立姿势和下蹲姿势为待用姿势模板；

或者，若识别出所述图像焦平面的地理场景为栏杆，则所述云端设备从所述常见姿势模板中确定站立姿势和依靠姿势为待用姿势模板；

或者，若识别出所述图像焦平面的地理场景为椅子，则所述云端设备从所述常见姿势模板中确定站立姿势和坐下姿势为待用姿势模板。

作为一种可选的实施方式，本发明实施例中，所述人像属性算法是基于多个样本人像图像以及所述多个样本人像图像的多个属性信息的识别结果按照属性信息的不同类型进行训练得到；其中，所述属性信息包括年龄、性别以及身高。

作为一种可选的实施方式，本发明实施例中，所述人像属性算法通过以下方式训练得到，即：

所述云端设备读取预先录入的样本人像数据，每个样本人像数据中包含样本人像图像以及样本人像图像的多个属性信息；

所述云端设备从所述样本人像图像中提取人像特征；

所述云端设备根据初始模型中的不同属性信息对应的子模型对每个样本人像图像的人像特征进行前向计算，得到每个样本人像图像的多个属性信息的预测值；

所述云端设备根据所述预测值与属性信息的值，按照属性信息的不同类型计算得到所述多个属性信息的损耗；

所述云端设备将所述多个属性信息的损耗求和，得到所述多个属性信息的总损耗；

所述云端设备对所述初始模型中的不同属性信息对应的子模型的参数进行调整，直到调整后的参数使得所述多个属性信息的总损耗小于或等于预设阈值时，停止调整得到所述人像属性算法。

作为一种可选的实施方式，本发明实施例中，所述云端设备根据所述预测值与属性信息的值，按照属性信息的不同类型计算得到所述多个属性信息的损耗，包括：

所述云端设备对于所述多个属性信息中每一个属性信息，若所述属性信息为回归属性，按照如下公式对所述属性信息的预测值和属性信息的值进行计算，得到所述属性信息的损耗：

其中，m表示所述属性信息在多个属性信息中的编号，

表示初始模型计算得到的预测值，

表示所述属性信息的值，i表示回归维度，j表示回归维度的标，L表示所述属性信息对应的损耗。

作为一种可选的实施方式，本发明实施例中，所述云端设备根据所述预测值与属性信息的值，按照属性信息的不同类型计算得到所述多个属性信息的损耗，包括：

所述云端设备对于所述多个属性信息中每一个属性信息，若所述属性信息不为回归属性，按照如下公式对所述属性信息的预测向量和属性信息向量进行计算，得到所述属性信息的损耗：

其中，m表示所述属性信息在多个属性信息中的编号，x表示所述属性信息的值，z表示初始模型计算得到的预测值，d表示所述属性信息的识别结果数目，h表示所述属性信息的识别结果的标识，L表示所述属性信息对应的损耗。

作为一种可选的实施方式，本发明实施例中，所述云端设备以所述店铺的唯一标识为依据，获取所述店铺的唯一标识绑定的店铺值班表，包括：

所述云端设备以所述店铺的唯一标识为依据，调用所述店铺的服务设备的访问端口；

所述云端设备检测所述店铺的服务设备的访问端口是否配置有允许访问时段，若配置有允许访问时段，所述云端设备校验当前时间是否位于所述允许访问时段内，若位于，向所述店铺的服务设备发送店铺值班表获取指令，并接收所述店铺的服务设备上报的所述店铺的唯一标识绑定的店铺值班表。

本发明实施例中，云端设备可以先利用人像特征算法确定店铺的拍摄设备上传的拍摄图像包括的进入店铺的顾客的人像，再利用人像属性算法对该人像进行前向计算，得到该人像的属性信息(如年龄、性别以及身高)，并将该人像以及该人像的属性信息推送给该店铺当前值班的店员所配置的店员设备，以使该店铺当前值班的店员以该人像以及该人像的属性信息为依据，向该顾客推荐相应的产品，从而有利于提升店铺的成交率和转化率。此外，与现有技术中基于人脸检测来判断图像中是否存在人像的方式相比较，本发明实施例可以更加准确的检测出拍摄图像中是否存在人像，从而可以提高人像检测的准确度。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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为本发明实施例公开的一种基于人像识别的产品推荐方法的流程示意图；

图2为本发明实施例公开的另一种基于人像识别的产品推荐方法的流程示意图；

图3为本发明实施例公开的另一种基于人像识别的产品推荐方法的流程示意图。

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做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。

需要说明的是，本发明实施例的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

本发明实施例公开一种基于人像识别的产品推荐方法，有利于提升店铺的成交率和转化率。以下进行结合附图进行详细描述。

请参阅图1，图1为本发明实施例公开的一种基于人像识别的产品推荐方法的流程示意图。如图1所示，该基于人像识别的产品推荐方法可以包括以下步骤：

101、当顾客进入店铺时，该店铺的拍摄设备对该顾客进行拍摄，以获得拍摄图像。

102、拍摄设备将拍摄图像以及拍摄设备预选配置的该店铺的唯一标识上传至云端设备。

103、云端设备利用人像特征算法确定拍摄图像中是否包含人像；若拍摄图像中未包含人像，结束本流程；若拍摄图像中包含人像，执行步骤104。

作为一种可选的实施方式，在上述步骤103中，云端设备利用人像特征算法确定拍摄图像中是否包含人像，可以包括：

云端设备从模板数据库中读取出常见姿势模板；

云端设备根据拍摄图像中的地理场景从常见姿势模板中确定待用姿势模板；

云端设备根据待用姿势模板确定待用姿势的包络框；

云端设备利用包络框在拍摄图像中进行匹配，若匹配成功，则确定拍摄图像中包含人像。

其中，上述实施方式与现有技术中基于人脸检测来判断图像中是否存在人像的方式相比较，可以更加准确的检测出拍摄图像中是否存在人像，从而可以提高人像检测的准确度。

作为一种可选的实施方式，云端设备根据拍摄图像中的地理场景从常见姿势模板中确定待用姿势模板，可以包括：

云端设备对拍摄图像对应的图像焦平面的地理场景进行识别；

若识别出图像焦平面的地理场景为路面，则云端设备从常见姿势模板中确定站立姿势和下蹲姿势为待用姿势模板；

或者，若识别出图像焦平面的地理场景为栏杆，则云端设备从常见姿势模板中确定站立姿势和依靠姿势为待用姿势模板；

或者，若识别出图像焦平面的地理场景为椅子，则云端设备从常见姿势模板中确定站立姿势和坐下姿势为待用姿势模板。

104、云端设备以该店铺的唯一标识为依据，获取该店铺的唯一标识绑定的店铺值班表。

作为一种可选的实施方式，在上述步骤104中，云端设备以该店铺的唯一标识为依据，获取该店铺的唯一标识绑定的店铺值班表，可以包括：

云端设备以该店铺的唯一标识为依据，调用该店铺的服务设备的访问端口；

云端设备检测该店铺的服务设备的访问端口是否配置有允许访问时段，若配置有允许访问时段，云端设备校验当前时间是否位于允许访问时段内，若位于，向该店铺的服务设备发送店铺值班表获取指令，并接收该店铺的服务设备上报的该店铺的唯一标识绑定的店铺值班表。

其中，上述的允许访问时段可以是该店铺的上班时间段。

其中，实施上述实施方式，可以防止云端设备在该店铺的服务设备的访问端口配置的允许访问时段外肆意向该店铺的服务设备查询该店铺值班表，从而可以降低该店铺的服务设备的工作负荷。

105、云端设备从该店铺值班表中查询该店铺当前值班的店员所配置的店员设备。

106、云端设备利用人像属性算法对该人像进行前向计算，得到该人像的属性信息。

本发明实施例中，上述的人像属性算法是基于多个样本人像图像以及多个样本人像图像的多个属性信息的识别结果按照属性信息的不同类型进行训练得到；其中，属性信息包括年龄、性别以及身高。

作为一种可选的实施方式，上述的人像属性算法通过以下方式训练得到，即：

云端设备读取预先录入的样本人像数据，每个样本人像数据中包含样本人像图像以及样本人像图像的多个属性信息；

云端设备从所述样本人像图像中提取人像特征；

云端设备根据初始模型中的不同属性信息对应的子模型对每个样本人像图像的人像特征进行前向计算，得到每个样本人像图像的多个属性信息的预测值；

云端设备根据预测值与属性信息的值，按照属性信息的不同类型计算得到多个属性信息的损耗；

云端设备将多个属性信息的损耗求和，得到多个属性信息的总损耗；

云端设备对初始模型中的不同属性信息对应的子模型的参数进行调整，直到调整后的参数使得多个属性信息的总损耗小于或等于预设阈值时，停止调整得到人像属性算法。

作为一种可选的实施方式，云端设备根据预测值与属性信息的值，按照属性信息的不同类型计算得到多个属性信息的损耗，可以包括：

云端设备对于多个属性信息中每一个属性信息，若该属性信息为回归属性，按照如下公式对该属性信息的预测值和属性信息的值进行计算，得到该属性信息的损耗：

其中，m表示该属性信息在多个属性信息中的编号，

表示初始模型计算得到的预测值，

表示该属性信息的值，i表示回归维度，j表示回归维度的标，L表示该属性信息对应的损耗。

作为另一种可选的实施方式，云端设备根据预测值与属性信息的值，按照属性信息的不同类型计算得到多个属性信息的损耗，可以包括：

云端设备对于多个属性信息中每一个属性信息，若该属性信息不为回归属性，按照如下公式对该属性信息的预测向量和属性信息向量进行计算，得到该属性信息的损耗：

其中，m表示该属性信息在多个属性信息中的编号，x表示该属性信息的值，z表示初始模型计算得到的预测值，d表示该属性信息的识别结果数目，h表示该属性信息的识别结果的标识，L表示该属性信息对应的损耗。

107、云端设备将该人像以及该人像的属性信息推送给该店铺当前值班的店员所配置的店员设备，以使该店铺当前值班的店员以该人像以及该人像的属性信息为依据，向该顾客推荐相应的产品。

本发明实施例中，该人像的属性信息可以包括该人像的年龄、性别和身高。举例来说，该店铺当前值班的店员可以根据该人像的年龄、性别和身高，快速的向该顾客推荐与该人像的年龄、性别和身高相适配的服装，以提升店铺的服装的成交率和转化率。

在图1所描述的产品推荐方法中，云端设备可以先利用人像特征算法确定店铺的拍摄设备上传的拍摄图像包括的进入店铺的顾客的人像，再利用人像属性算法对该人像进行前向计算，得到该人像的属性信息(如年龄、性别以及身高)，并将该人像以及该人像的属性信息推送给该店铺当前值班的店员所配置的店员设备，以使该店铺当前值班的店员以该人像以及该人像的属性信息为依据，向该顾客推荐相应的产品，从而有利于提升店铺的成交率和转化率。此外，与现有技术中基于人脸检测来判断图像中是否存在人像的方式相比较，图1所描述的产品推荐方法可以更加准确的检测出拍摄图像中是否存在人像，从而可以提高人像检测的准确度。

请参阅图2，图2为本发明实施例公开的另一种基于人像识别的产品推荐方法的流程示意图。如图2所示，该基于人像识别的产品推荐方法可以包括以下步骤：

201、当顾客进入店铺时，该店铺的拍摄设备对该顾客进行拍摄，以获得拍摄图像。

本发明实施例中，店铺的门口内侧的下方可以铺设有压力感应模块，当该店铺的服务设备检测出该压力感应模块感应到的压力超出阈值时，说明此时有顾客进入该店铺，相应地，该店铺的服务设备可以控制该店铺的拍摄设备对位于该压力感应模块上方的该顾客进行拍摄，以获得拍摄图像。

202、拍摄设备将拍摄图像以及拍摄设备预选配置的该店铺的唯一标识上传至云端设备。

203、云端设备利用人像特征算法确定拍摄图像中是否包含人像；若拍摄图像中未包含人像，结束本流程；若拍摄图像中包含人像，执行步骤204。

作为一种可选的实施方式，在上述步骤203中，云端设备利用人像特征算法确定拍摄图像中是否包含人像，可以包括：

云端设备从模板数据库中读取出常见姿势模板；

云端设备根据拍摄图像中的地理场景从常见姿势模板中确定待用姿势模板；

云端设备根据待用姿势模板确定待用姿势的包络框；

云端设备利用包络框在拍摄图像中进行匹配，若匹配成功，则确定拍摄图像中包含人像。

其中，上述实施方式与现有技术中基于人脸检测来判断图像中是否存在人像的方式相比较，可以更加准确的检测出拍摄图像中是否存在人像，从而可以提高人像检测的准确度。

作为一种可选的实施方式，云端设备根据拍摄图像中的地理场景从常见姿势模板中确定待用姿势模板，可以包括：

云端设备对拍摄图像对应的图像焦平面的地理场景进行识别；

若识别出图像焦平面的地理场景为路面，则云端设备从常见姿势模板中确定站立姿势和下蹲姿势为待用姿势模板；

或者，若识别出图像焦平面的地理场景为栏杆，则云端设备从常见姿势模板中确定站立姿势和依靠姿势为待用姿势模板；

或者，若识别出图像焦平面的地理场景为椅子，则云端设备从常见姿势模板中确定站立姿势和坐下姿势为待用姿势模板。

204、云端设备以该店铺的唯一标识为依据，获取该店铺的唯一标识绑定的店铺值班表。

作为一种可选的实施方式，在上述步骤204中，云端设备以该店铺的唯一标识为依据，获取该店铺的唯一标识绑定的店铺值班表，可以包括：

云端设备以该店铺的唯一标识为依据，调用该店铺的服务设备的访问端口；

云端设备检测该店铺的服务设备的访问端口是否配置有允许访问时段，若配置有允许访问时段，云端设备校验当前时间是否位于允许访问时段内，若位于，向该店铺的服务设备发送店铺值班表获取指令，并接收该店铺的服务设备上报的该店铺的唯一标识绑定的店铺值班表。

其中，上述的允许访问时段可以是该店铺的上班时间段。

其中，实施上述实施方式，可以防止云端设备在该店铺的服务设备的访问端口配置的允许访问时段外肆意向该店铺的服务设备查询该店铺值班表，从而可以降低该店铺的服务设备的工作负荷。

205、云端设备从该店铺值班表中查询该店铺当前值班的店员所配置的店员设备。

206、云端设备利用人像属性算法对该人像进行前向计算，得到该人像的属性信息。

本发明实施例中，上述的人像属性算法是基于多个样本人像图像以及多个样本人像图像的多个属性信息的识别结果按照属性信息的不同类型进行训练得到；其中，属性信息包括年龄、性别以及身高。

作为一种可选的实施方式，上述的人像属性算法通过以下方式训练得到，即：

云端设备读取预先录入的样本人像数据，每个样本人像数据中包含样本人像图像以及样本人像图像的多个属性信息；

云端设备从所述样本人像图像中提取人像特征；

云端设备根据初始模型中的不同属性信息对应的子模型对每个样本人像图像的人像特征进行前向计算，得到每个样本人像图像的多个属性信息的预测值；

云端设备根据预测值与属性信息的值，按照属性信息的不同类型计算得到多个属性信息的损耗；

云端设备将多个属性信息的损耗求和，得到多个属性信息的总损耗；

云端设备对初始模型中的不同属性信息对应的子模型的参数进行调整，直到调整后的参数使得多个属性信息的总损耗小于或等于预设阈值时，停止调整得到人像属性算法。

作为一种可选的实施方式，云端设备根据预测值与属性信息的值，按照属性信息的不同类型计算得到多个属性信息的损耗，可以包括：

云端设备对于多个属性信息中每一个属性信息，若该属性信息为回归属性，按照如下公式对该属性信息的预测值和属性信息的值进行计算，得到该属性信息的损耗：

其中，m表示该属性信息在多个属性信息中的编号，

表示初始模型计算得到的预测值，

表示该属性信息的值，i表示回归维度，j表示回归维度的标，L表示该属性信息对应的损耗。

作为另一种可选的实施方式，云端设备根据预测值与属性信息的值，按照属性信息的不同类型计算得到多个属性信息的损耗，可以包括：

云端设备对于多个属性信息中每一个属性信息，若该属性信息不为回归属性，按照如下公式对该属性信息的预测向量和属性信息向量进行计算，得到该属性信息的损耗：

其中，m表示该属性信息在多个属性信息中的编号，x表示该属性信息的值，z表示初始模型计算得到的预测值，d表示该属性信息的识别结果数目，h表示该属性信息的识别结果的标识，L表示该属性信息对应的损耗。

207、云端设备将该人像以及该人像的属性信息推送给该店铺当前值班的店员所配置的店员设备，以使该店铺当前值班的店员以该人像以及该人像的属性信息为依据，向该顾客推荐相应的产品。

208、云端设备检测该店铺当前值班的店员所配置的店员设备上报的已向该顾客推荐过的各产品以及每一产品的状态标记；其中，该产品的状态标记用于表示该产品已成功出售或未成功出售。

209、云端设备统计已向该顾客推荐过的各产品的总数量，并确定与总数量相匹配的店员激励金额。

其中，已向该顾客推荐过的各产品的总数量越大，确定出的与总数量相匹配的店员激励金额也就越大；反之，已向该顾客推荐过的各产品的总数量越小，确定出的与总数量相匹配的店员激励金额也就越小，从而有利于刺激店员积极的向顾客推荐产品，从而有利于提升店铺的成交率和转化率。

本发明实施例中，该店铺当前值班的店员所配置的店员设备上报的已向该顾客推荐过的各产品中的每一产品还携带有该顾客的推荐确认签名，该推荐确认签名表示该产品的推荐得到该顾客的确认，从而可以防止该店铺当前值班的店员所配置的店员设备上报的虚假的已向该顾客推荐过的各产品的总数量。

210、云端设备根据每一产品的状态标记，判断已向该顾客推荐过的各产品中是否存在已成功出售的产品；若已向该顾客推荐过的各产品中存在已成功出售的产品，云端设备统计已成功出售的产品的盈利金额。

211、云端设备确定与已成功出售的产品的盈利金额相匹配的店员绩效金额，从该店铺的电子账户中扣除该店员激励金额和该店员绩效金额，并将扣除的该店员激励金额和该店员绩效金额增加到该店铺当前值班的店员的电子账户中。

本发明实施例中，实施上述步骤208-步骤211，能够更好的刺激该店铺当前值班的店员积极的向顾客推荐产品，有利于提升店铺的成交率和转化率。

其中，实施图2所描述的产品推荐方法，有利于提升店铺的成交率和转化率。此外，与现有技术中基于人脸检测来判断图像中是否存在人像的方式相比较，图2所描述的产品推荐方法可以更加准确的检测出拍摄图像中是否存在人像，从而可以提高人像检测的准确度。

请参阅图3，图3为本发明实施例公开的另一种基于人像识别的产品推荐方法的流程示意图。如图3所示，该基于人像识别的产品推荐方法可以包括以下步骤：

其中，步骤301-步骤310与前面实施例中的步骤201-步骤210相同，本发明实施例此处不作赘述。

311、云端设备判断已成功出售的产品的盈利金额是否超过指定金额，若超过，执行步骤312；若未超过，执行步骤313。

312、云端设备确定与已成功出售的产品的盈利金额相匹配的店员绩效金额，从该店铺的电子账户中扣除该店员激励金额和该店员绩效金额，并将扣除的该店员激励金额和该店员绩效金额增加到该店铺当前值班的店员的电子账户中，并执行步骤314-步骤315。

313、云端设备从该店铺的电子账户中扣除该店员激励金额，并将扣除的该店员激励金额增加到该店铺当前值班的店员的电子账户中，并执行步骤314-步骤315。

314、云端设备根据已成功出售的产品的盈利金额，确定该店铺当前值班的店员的业绩增长量。

315、云端设备根据该店铺当前值班的店员的业绩增长量，对该店铺中设置的该店铺当前值班的店员对应的业绩状态栏中显示的即时业绩量进行更新。

其中，实施上述步骤314-步骤315，可以有效的提醒、督促该店铺当前值班的店员积极向顾客推荐产品。

其中，实施图3所描述的产品推荐方法，有利于提升店铺的成交率和转化率。此外，与现有技术中基于人脸检测来判断图像中是否存在人像的方式相比较，图3所描述的产品推荐方法可以更加准确的检测出拍摄图像中是否存在人像，从而可以提高人像检测的准确度。

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是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。

以上对本发明实施例公开的一种基于人像识别的产品推荐方法进行了详细介绍，本文中应用了具体个例对本发明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发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，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发明的限制。

Claims (6)

1.一种基于人像识别的产品推荐方法，其特征在于，所述方法包括：

当顾客进入店铺时，所述店铺的拍摄设备对所述顾客进行拍摄，以获得拍摄图像；

所述拍摄设备将所述拍摄图像以及所述拍摄设备预选配置的所述店铺的唯一标识上传至云端设备；

所述云端设备利用人像特征算法确定所述拍摄图像中是否包含人像；若所述拍摄图像中包含人像，则所述云端设备以所述店铺的唯一标识为依据，获取所述店铺的唯一标识绑定的店铺值班表；

所述云端设备从所述店铺值班表中查询所述店铺当前值班的店员所配置的店员设备；

所述云端设备利用人像属性算法对所述人像进行前向计算，得到所述人像的属性信息；

所述云端设备将所述人像以及所述人像的属性信息推送给所述店铺当前值班的店员所配置的店员设备，以使所述店铺当前值班的店员以所述人像以及所述人像的属性信息为依据，向所述顾客推荐相应的产品；

所述云端设备将所述人像以及所述人像的属性信息推送给所述店铺当前值班的店员所配置的店员设备之后，所述方法还包括：

所述云端设备检测所述店铺当前值班的店员所配置的店员设备上报的已向所述顾客推荐过的各产品以及每一产品的状态标记；其中，所述产品的状态标记用于表示所述产品已成功出售或未成功出售；

所述云端设备统计已向所述顾客推荐过的各产品的总数量，并确定与所述总数量相匹配的店员激励金额；

所述云端设备根据所述每一产品的状态标记，判断已向所述顾客推荐过的各产品中是否存在已成功出售的产品；

若已向所述顾客推荐过的各产品中存在已成功出售的产品，所述云端设备统计所述已成功出售的产品的盈利金额；

所述云端设备确定与所述已成功出售的产品的盈利金额相匹配的店员绩效金额；

所述云端设备从所述店铺的电子账户中扣除所述店员激励金额和所述店员绩效金额，并将扣除的所述店员激励金额和所述店员绩效金额增加到所述店铺当前值班的店员的电子账户中；

所述方法还包括：

所述云端设备根据所述已成功出售的产品的盈利金额，确定所述店铺当前值班的店员的业绩增长量；

所述云端设备根据所述店铺当前值班的店员的业绩增长量，对所述店铺中设置的所述店铺当前值班的店员对应的业绩状态栏中显示的即时业绩量进行更新；

所述云端设备统计所述已成功出售的产品的盈利金额之后，以及所述云端设备确定与所述已成功出售的产品的盈利金额相匹配的店员绩效金额之前，所述方法还包括：

所述云端设备判断所述已成功出售的产品的盈利金额是否超过指定金额，若超过，执行所述的确定与所述已成功出售的产品的盈利金额相匹配的店员绩效金额；

其中，所述云端设备利用人像特征算法确定所述拍摄图像中是否包含人像，包括：

所述云端设备从模板数据库中读取出常见姿势模板；

所述云端设备根据所述拍摄图像中的地理场景从所述常见姿势模板中确定待用姿势模板；

所述云端设备根据所述待用姿势模板确定待用姿势的包络框；

所述云端设备利用所述包络框在拍摄图像中进行匹配，若匹配成功，则确定所述拍摄图像中包含人像；

所述云端设备根据所述拍摄图像中的地理场景从所述常见姿势模板中确定待用姿势模板，包括：

所述云端设备对所述拍摄图像对应的图像焦平面的地理场景进行识别；

若识别出所述图像焦平面的地理场景为路面，则所述云端设备从所述常见姿势模板中确定站立姿势和下蹲姿势为待用姿势模板；

或者，若识别出所述图像焦平面的地理场景为栏杆，则所述云端设备从所述常见姿势模板中确定站立姿势和依靠姿势为待用姿势模板；

或者，若识别出所述图像焦平面的地理场景为椅子，则所述云端设备从所述常见姿势模板中确定站立姿势和坐下姿势为待用姿势模板。

2.根据权利要求1所述的产品推荐方法，其特征在于，所述人像属性算法是基于多个样本人像图像以及所述多个样本人像图像的多个属性信息的识别结果按照属性信息的不同类型进行训练得到；其中，所述属性信息包括年龄、性别以及身高。

3.根据权利要求2所述的产品推荐方法，其特征在于，所述人像属性算法通过以下方式训练得到，即：

所述云端设备读取预先录入的样本人像数据，每个样本人像数据中包含样本人像图像以及样本人像图像的多个属性信息；

所述云端设备从所述样本人像图像中提取人像特征；

所述云端设备根据初始模型中的不同属性信息对应的子模型对每个样本人像图像的人像特征进行前向计算，得到每个样本人像图像的多个属性信息的预测值；

所述云端设备根据所述预测值与属性信息的值，按照属性信息的不同类型计算得到所述多个属性信息的损耗；

所述云端设备将所述多个属性信息的损耗求和，得到所述多个属性信息的总损耗；

所述云端设备对所述初始模型中的不同属性信息对应的子模型的参数进行调整，直到调整后的参数使得所述多个属性信息的总损耗小于或等于预设阈值时，停止调整得到所述人像属性算法。

4.根据权利要求3所述的产品推荐方法，其特征在于，所述云端设备根据所述预测值与属性信息的值，按照属性信息的不同类型计算得到所述多个属性信息的损耗，包括：

所述云端设备对于所述多个属性信息中每一个属性信息，若所述属性信息为回归属性，按照如下公式对所述属性信息的预测值和属性信息的值进行计算，得到所述属性信息的损耗：

其中，m表示所述属性信息在多个属性信息中的编号，

表示初始模型计算得到的预测值，

表示所述属性信息的值，i表示回归维度，j表示回归维度的标，L表示所述属性信息对应的损耗。

5.根据权利要求3所述的产品推荐方法，其特征在于，所述云端设备根据所述预测值与属性信息的值，按照属性信息的不同类型计算得到所述多个属性信息的损耗，包括：

所述云端设备对于所述多个属性信息中每一个属性信息，若所述属性信息不为回归属性，按照如下公式对所述属性信息的预测向量和属性信息向量进行计算，得到所述属性信息的损耗：

其中，m表示所述属性信息在多个属性信息中的编号，x表示所述属性信息的值，z表示初始模型计算得到的预测值，d表示所述属性信息的识别结果数目，h表示所述属性信息的识别结果的标识，L表示所述属性信息对应的损耗。

6.根据权利要求1-5任一项所述的产品推荐方法，其特征在于，所述云端设备以所述店铺的唯一标识为依据，获取所述店铺的唯一标识绑定的店铺值班表，包括：

所述云端设备以所述店铺的唯一标识为依据，调用所述店铺的服务设备的访问端口；

所述云端设备检测所述店铺的服务设备的访问端口是否配置有允许访问时段，若配置有允许访问时段，所述云端设备校验当前时间是否位于所述允许访问时段内，若位于，向所述店铺的服务设备发送店铺值班表获取指令，并接收所述店铺的服务设备上报的所述店铺的唯一标识绑定的店铺值班表。

Images