CN108681928A - 一种智能广告投放方法 - Google Patents

Abstract

本发明提供了一种智能广告投送方法，包括：1、安装在门上的摄像装置追踪进入摄像区域内的人脸信息；2、摄像装置拍摄实时图像，对多个人脸图像进行特征提取，分析识别访客的性别；3、所述摄像装置拍摄实时图像，对多个人脸图像进行特征提取，分析识别访客是属于高龄组还是低龄组；4、进行建模分析，确认人物图像的人物特征，按照男、女、老、幼的顺序，及时筛选出符合访客的广告，并通过安装在门禁上的显示屏进行投放；本发明可以避免纸资源的浪费，能够针对不同的群体进行推送广告，当摄像装置同时识别出不同年龄、不同性别的人时，按照男、女、老、幼的顺序进行广告推送，有针对性的投放广告，提高广告资源投放的效率，效益和价值。

Description

一种智能广告投放方法

技术领域

本发明涉及广告投放技术领域，具体涉及一种智能广告投送方法。

背景技术

随着社会的不断发展，住户对于安全的问题越来越重视，于是智能门禁应用而生，智能门禁是新型现代化安全管理系统，它集微机自动识别技术和现代安全管理措施为一体，它涉及电子，机械，光学，计算机技术，通讯技术，生物技术等诸多新技术，它是解决重要部门出入口实现安全防范管理的有效措施；适用各种机要部门，如银行、宾馆、机房、军械库、机要室、办公间，智能化小区，工厂等，在数字技术网络技术飞速发展的今天智能门禁技术得到了迅猛的发展，智能门禁系统早已超越了单纯的门道及钥匙管理，它已经逐渐发展成为一套完整的出入管理系统，它在工作环境安全工作中发挥着巨大的作用；现有技术中的智能门禁访客在来访时，往往需要等待一段时间，为了起到广告宣传作用，有的门上张贴一些广告，这些广告是单一的并不能有针对性地将不同类别的广告投放给不同性别、年龄甚至爱好的人群，此外，张贴的广告浪费纸资源，而且雨水等容易等损坏纸张，有的物业为了保证美好的居住环境，会将张贴的广告进行清理，这就导致使访客不能完整的观看广告或者看不到广告；这种单一的广告投送方式低效盲目，容易造成广告资源的浪费；也会造成纸资源的浪费，不具有环保的效果；因此，需要提供一种新的技术方案来解决上述技术问题。

发明内容

为了克服上述现有技术中存在的缺陷，本发明提供了一种智能广告投送方法，可以避免纸资源的浪费，并且本发明能够针对不同的群体进行推送广告，当摄像装置同时识别出不同年龄、不同性别的人时，按照男、女、老、幼的顺序进行广告推送，有针对性的投放广告，提高广告资源投放的效率，提高广告的效益和价值；访客可以在等待门禁打开的时候，看到和自己相关的广告，既达到了广告推送的作用，也为访客在等待的过程中打发时间，本发明中的访客不仅仅是意义上的访客，也包括住户。

本发明提供了一种智能广告投送方法，包括：

步骤一：安装在门上的摄像装置追踪进入摄像区域内的多个人脸信息；

步骤二：所述摄像装置拍摄实时图像，对多个人脸图像进行特征提取，称为人脸图像特征向量，形成样本集合，分析识别访客的性别；

步骤三：所述摄像装置拍摄实时图像，对多个人脸图像进行特征提取，对人脸图像进行预处理，形成样本集合，以预处理后的人脸图像进行分析判断操作，分析识别访客是属于高龄组还是低龄组。

步骤四：根据步骤二和步骤三的所识别的访客的信息，进行建模分析，确认人物图像的人物特征，按照男、女、老、幼的顺序，及时筛选出符合访客的广告，并通过安装在门禁上的显示屏进行投放。

所述步骤二的具体实施步骤包括：摄像装置拍摄实时图像，基于人脸性别算法从实时图像中提取出人脸区域，用于识别访客的性别，所述人脸区域大小为M×N的尺寸规格，且含有两瞳孔间距的规格，据此行列均分该人脸，生成网格，得到匹配数目的网格点；基于每个网格点提取人脸子特征，利用每个子特征信息和预先知道的男女信息，应用学习算法进行学习，输出训练结果；

提取人脸子特征的方法是，首先截取对应网格点的预定邻域，形成一个M1×N1子区域，进而得到M1×N1列的向量；M1、N1的取值范围均为[10，15]；所述性别识别结果为y＝{0，1}，其中0代表女，1代表男；

所述网格划分方法是宽m等分，高n等分，其中m、n均为自然数，且m∈[4，10]，n∈[3，8]。

所述步骤三中高龄组包括青年和老年；低领组包括幼儿和儿童。

所述步骤三中对人脸图像进行预处理的步骤包括：

对所述人脸图像进行眼睛定位，得到眼睛位置；

根据所述眼睛位置，对所述人脸图像进行归一化操作；

从所述归一化后的人脸图像中割取预设大小的图像。

所述步骤三的具体实施步骤包括基于纹理和形状特征，对人脸图像进行分析判断，基于纹理分析，判断人脸图像是属于非皱纹脸型还是皱纹脸型，若为非皱纹脸型，通过形状分析，判断人脸图像属于儿童脸型还是成人脸型；若为皱纹脸型，则通过形状分析，判断人脸图像属于老人脸型还是幼儿脸型。

所述分析判断步骤包括：

对人脸图像进行双高斯差滤波；

对所述滤波后的人脸图像进行直方图均衡化操作；

首先对均衡化的后的人脸图像，做Gabor卷积，然后针对不同方向、不同尺度的Gabor卷积图像，提取LDA特征，并根据所述LDA特征建立年龄模板；基于所述年龄模板，采用最近邻方法将人脸图像进行归类；判断访客是属于儿童脸型、成人脸型、老人脸型、幼儿脸型中的哪一个脸型。

所述步骤三与步骤四之间包括步骤(1)，对访客的性别进行验证，所述步骤(1)包括以下步骤

步骤Sa:对步骤三中所采集的样本集合根据年龄信息进行分解，分成各项子集合，

步骤Sb:按照M³网络的分解和组合方法对这些子集合进行训练，然后组合成M³网络分类器

步骤Sc:进行性别识别,与步骤二中的性别识别进对比；

所述Sa各项子集合分别为：

(E1，E2，E3,······，En)

(B1，B2，B3,······，Bn)

(N1，N2，N3,······，Nn)

(F1，F2，F3,······，Fn)

(C1，C2，C3,······，Cn)；

所述步骤Sb子集合进行训练的方式为对这些子集数据进行线性回归处理，处理方法为：

1)先求x,y的平均值b；

2)用公式求解：a＝y-bx；

3)求出各项参数的公式y＝bx+a线性回归方程y＝bx+a过定点

(x为对应提取参数人员的年龄，y为各项子集)。

所述步骤Sc进行性别识别的方法为：

1)提取未知性别人员的各项参数的数据，包括：测量眼睛间距、颧骨间距、鼻梁长度、额头宽度和下巴宽度；

2)将该人员的年龄和各项参数带入对应参数所述的公式进行拟合，分别进行男性参数拟合和女性参数拟合；

3)比较两种拟合度的结果，则拟合度较高的即为该人员的性别；

4)将得出的结果与步骤二中所识别的性别进行比较，当结果一致时，开始下一步的工作，即进行广告的删选和推送，当结果不一致时，重新开始检测。

所述步骤四之前还包括:

录入所述人物特征中性别相匹配的广告数据；

录入所述人物特征中高龄组相匹配的广告数据；

录入所述人物特征中低龄组相匹配的广告数据。

由于采用了上述技术方案，与现有技术相比，本发明提供了一种智能广告投送方法，可以避免纸资源的浪费，并且本发明能够针对不同的群体进行推送广告，当摄像装置同时识别出不同年龄、不同性别的人时，按照男、女、老、幼的顺序进行广告推送，有针对性的投放广告，提高广告资源投放的效率，提高广告的效益和价值。

附图说明

图1是本发明的实施例1的流程示意图；

图2是本发明的实施例2的流程示意图；

具体实施方式

以下结合附图对本发明的具体实施方式进行详细说明。应当说明的是，此处所描述的具体实施方式仅用于说明和解释本发明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施，并不用于限制本发明。

现有技术中线下广告投放包括会场展柜，固定广告台，大屏幕滚动广告，广告投放为单方面投放，缺乏与用户的直接交互，根本无法根据用户特征，如：针对性别、老人和幼儿分别进行精确广告投放；尤其在门禁上，现有技术中几乎都是通过张贴宣传海报的方式进行宣传，宣传海报受到外界的因素容易损坏，如水、风等因素；而且在投放的过程中，很多人会不感兴趣，浪费纸资源。

本发明主要目的在于提供一种智能广告投送方法，以实现在门禁上针对男、女、老、幼的顺序近现代线下广告的精确投放，提高广告的投放效率，降低纸资源的浪费。

实施例1:

参考图1所示，本发明提供了一种智能广告投送方法，包括：

步骤一：安装在门上的摄像装置追踪进入摄像区域内的多个人脸信息；

步骤二：所述摄像装置拍摄实时图像，对多个人脸图像进行特征提取，称为人脸图像特征向量，形成样本集合，分析识别访客的性别；

步骤三：所述摄像装置拍摄实时图像，对多个人脸图像进行特征提取，对人脸图像进行预处理，称为人脸图像特征向量，形成样本集合，以预处理后的人脸图像进行分析判断操作，分析识别访客是属于高龄组还是低龄组。

步骤四：根据步骤二和步骤三的所识别的访客的信息，进行建模分析，确认人物图像的人物特征，按照男、女、老、幼的顺序，及时筛选出符合访客的广告，并通过安装在门禁上的显示屏进行投放；所述老为高龄组，所述幼为低龄组。

该智能广告投放方法可以解决应用在门禁设备中线下场景中针对不同特征人群的精准广告投放问题，本发明针对摄像装置同时识别出多个访客时，按照男、女、老、幼的顺序进行精准广告投放问题；主要技术手段为使用人脸识别技术，识别人物特征，并对人群进行分类，通过识别结果有针对性地投放播放不同的广告。

步骤二和步骤三中对多个人脸图像进行特征提取的工作是通过其他的处理装置进行的，不是通过摄像装置进行处理的。

步骤一中包括:所述人脸信息为整张人脸或选择眼睛、眉毛、鼻子、嘴巴中的一个或者多个。

所述步骤二的具体实施步骤包括：摄像装置拍摄实时图像，性别识别装置基于人脸性别算法从实时图像中提取出人脸区域，用于识别访客的性别；提取出的人脸区域可以是整张人脸，也可以是人脸的眼睛、眉毛、鼻子、嘴巴等关键特征，在选择局部特征时，尽可能选择性别区分度较大的部位，在区分度相对较小时，可以匹配多种部位进行区分，以满足信息融合的需要；当提取出的人脸区域为整张人脸时，优选的，区域宽度为100-150，区域高度为150-200，此方法较为充分的利用了人脸的全部信息；当提取出的人脸区域为眉毛或眼睛的区域时，优选的，图像的大小为100×40，此方法利用了人脸的局部区域，但由于眉毛眼睛具有很好的区分度，也可具有很好的识别效果；

所述人脸区域大小为M×N的尺寸规格，且含有两瞳孔间距的规格，据此行列均分该人脸，生成网格，得到匹配数目的网格点；对选择的M×N区域的高和宽分别等距离划分网格，得到若干个网格点；所述网格划分方法是宽m等分，高n等分，其中m、n均为自然数，m一般取M的1/10—1/4；经过大量的实验，m过大则容易包含过多的无效信息，造成识别率下降，m过小则容易遗漏关键信息，同样造成识别率下降，在这个区间内，可以获得较佳区分度；n一般取N的1/8—1/3，经过验证，n过大或过小也都将使识别率有不同程度的下降；所以，优选的m∈[4，10]，n∈[3，8]；基于每个网格点提取人脸子特征，选取2K(K为自然数，一般取100-300张即可，可获得具有较好代表性的数据)张尺寸归一化的人脸图像，男女图像各K张，基于每个网格点提取人脸子特征，利用每个子特征信息和预先知道的男女信息，用学习算法进行学习；提取人脸子特征的方法是，首先截取对应网格点的预定邻域，形成一个M1×N1子区域，进而得到M1×N1列的向量；M1、N1均为自然数，M1、N1的取值范围均为[10，15]；所述性别识别结果为y＝{0，1}，其中0代表女，1代表男；此种方法简单明了，易于操作；M1、N1均可取10—15之间，过大或过小都会造成学习效果变差，经过验证在期望的识别率中上述范围可用，并可在上述范围中去的峰值；应当理解，包括M1、N1取值范围在内的范围基本满足一定参数效果的曲线，由此所延伸出效果较差的数值，属于其的简单变换，应当落入其保护范围之内。

所述步骤三中高龄组包括青年和老年；低龄组包括幼儿和儿童；高龄组为广告推送顺序中的老，低龄组为广告推送顺序中的幼；根据年龄将人脸分为4个组别，依次为幼儿(0-6)、儿童(6-18)、成年(18-60)、老年(66-)；老年为66岁以上。

所述步骤三中对人脸图像进行预处理的步骤包括：

对所述人脸图像进行眼睛定位，得到眼睛位置；

根据所述眼睛位置，对所述人脸图像进行归一化操作；

从所述归一化后的人脸图像中割取预设大小的图像。

实际操作中，对所述人脸图像进行眼睛定位，得到眼睛位置，将采集并分割获得的正面人脸图像中的双眼区域图像和非双眼区域图像作为训练样本，训练得到双眼区域检测器。例如，采用自适应增强(Adaboost，adaptive boosting)算法对10000张24×16的双眼区域图像和非双眼区域图像进行训练，得到双眼区域检测器；在进行眼睛定位时，可以采用所述双眼区域检测器在人脸图像内搜索双眼区域位置，确定双眼区域位置后，在所述双眼区域位置内定位左眼位置和右眼位置；根据所述眼睛位置，对所述人脸图像进行归一化操作；所述归一化操作可以包括尺寸归一化和灰度归一化操作，其中，尺寸归一化的操作可以为：将样本图像旋转，使每个人脸的双眼之间的连线为水平方向，然后按照双眼中心距离固定的原则，比例缩放旋转后的图像，根据双眼距离固定、双眼中心连线中点到人脸图像上矩形框距离固定的原则裁剪图像，即得到了尺寸归一化后的图像。灰度归一化的操作可以采取对尺寸归一化后的图像进行灰度拉伸，以改善图像的对比度；或者，采用直方图均衡化等直方图修正技术使图像具有相近的统计意义上的均值和方差，以部分消除光照的影响，本发明对具体的操作方式不加以限制。从所述归一化后的人脸图像中割取预设大小的图像；例如，从归一化后的人脸样本中截取出64×64的裸脸图像，所述64×64的裸脸图像也只是作为示例，本领域技术人员可以根据具体情况采用其它大小的图像，如128×128等，本发明对具体的图像大小不加以限制。

在实际中，所述形状分析可以为器官比例分析。对于人脸图像而言，假设人脸双眼中心距离x1，双眼中心连线和鼻尖的距离x2，鼻尖和嘴的中心距离为x3，人脸的顶部和下巴的距离x4，由于前面的尺寸归一化操作基于双眼中心距离相等的原则，所以对于归一化后的人脸，x1的值固定，x4的大小代表人脸的长度。基于器官比例分析可以将成人脸型和儿童脸型区分开来，以x2/x3为例，典型的成人脸型的x2∶x3值为1.5∶1，而典型的儿童脸型的x2∶x3值为1∶1，在实际中，为提高判别的准确度，可以将小样本(如10000张)的64×64成人人脸图像和儿童人脸图像作为训练样本，基于(x2，x3，x4)特征构造分类器。在线判别时，根据所述分类器判断输入的人脸图像是成人脸型还是儿童脸型，为提高分类器以及判别的精确度，在离线训练或者在线判别前，还应该对人脸器官进行精确定位，具体实现时，可以采用主动形状模型(ASM，Active Shape Model)方法，通过对预处理图像进行搜索，获得人脸器官(如鼻尖、顶部以及下巴)的精确位置；ASM是一种基于模型的特征匹配方法。它既可以灵活地改变模型的形状，以适应目标形状不确定的特性，又将形状的变化限制在模型允许的范围内，从而保证模型改变时不会受各种因素影响而出现不合理的形状，ASM方法首先针对特定目标建立形状模型并采用一系列的特征点来描述，称为点分布模型，然后，对形状模型中的每个特征点，建立特征点附近的灰度模型，最后，ASM方法利用所述灰度模型在目标图像中搜索特征点的最佳位置，同时根据搜索结果调整形状模型的参数，使模型匹配到目标的轮廓上。

此外，对于人脸而言，由于其器官的分布是固定的，所以也可以采用质心模型方法对器官进行精确定位，也即提取人脸器官质心(如鼻尖、嘴矩形区域的中心)的方法，本领域技术人员可以根据具体情况采用相应的器官精确定位方法，本发明对具体的操作方式不加以限制。

所述步骤三的具体实施步骤包括基于纹理和形状特征，对人脸图像进行分析判断，基于纹理分析，判断人脸图像是属于非皱纹脸型还是皱纹脸型，若为非皱纹脸型，通过形状分析，判断人脸图像属于儿童脸型还是成人脸型；若为皱纹脸型，则通过形状分析，判断人脸图像属于老人脸型还是幼儿脸型。

所述分析判断步骤包括：

对人脸图像进行双高斯差滤波；

对所述滤波后的人脸图像进行直方图均衡化操作；

首先对均衡化的后的人脸图像，做Gabor卷积，然后针对不同方向、不同尺度的Gabor卷积图像，提取LDA特征，并根据所述LDA特征建立年龄模板；基于所述年龄模板，采用最近邻方法将人脸图像进行归类；判断访客是属于儿童脸型、成人脸型、老人脸型、幼儿脸型中的哪一个脸型。

在具体实现中，分析判断的实现过程可以为：首先基于当前人脸图像的形状特征，将具有相似性形状特征的年龄组别判别为一类，然后基于纹理特征，对该类进行进一步划分；或者为：首先基于当前人脸图像的纹理特征，将具有相似性纹理特征的年龄组别划分为一类，然后基于形状特征，对该类进行进一步划分；根据年龄将人脸分为4个组别，依次为幼儿(0-6)、儿童(6-18)、成年(18-60)、老年(66-)。在对当前人脸图像进行判别时，首先基于纹理分析，判断人脸图像是属于非皱纹脸型还是皱纹脸型，若为非皱纹脸型，通过形状分析，判断人脸图像属于儿童脸型还是成人脸型；若为皱纹脸型，则通过形状分析，判断人脸图像属于老人脸型还是幼儿脸型；若为非皱纹脸型时，判断为儿童脸型时，则相当于幼儿，按照幼儿的推送顺序进行广告的推送；判断为成人脸型时，相当于老人，按照老人的推送顺序进行广告的推送；

在所述4个年龄组别中，儿童和成人不具有皱纹纹理，可以通过纹理分析，即皱纹分析将儿童和成人区分出来，本发明中在推送广告时，将儿童归为幼儿的行列，将成人归为老人的行列，按照男、女、老、少的推送顺序进行广告的推送；在所述4个年龄组别中，只有幼儿组别和老年组别具有显著的皱纹纹理，所以可以纹理分析，将幼儿和老人删选出来，然后基于形状分析区分出幼儿和老人；纹理一般指人们所观察到的图像中象元(或子区域)的灰度变化规律，它是图象中一个基本且重要的特性，在具体实现中，可以采用Gabor变换提取人脸图像的纹理特征，发挥Gabor滤波器的优势，使得对于器官定位等人脸图像预处理步骤所造成的误差更加鲁棒，此外，本领域技术人员还可以根据具体情况采用其它纹理提取方法，如局部二值模式(LBP，Local BinaryPattern)LBP，Wigener分布方法等，本发明对具体的纹理提取方法不加以限制；采用Gabor+LDA(线性判别分析，LinnearDiscriminantanalysis)特征提取人脸的纹理特征，并根据所述纹理特征建立年龄模板，通过最近邻方法对输入的人脸图像进行年龄判别；基于所述年龄模板，采用最近邻方法将人脸图像进行归类；判断访客是属于儿童脸型、成人脸型、老人脸型、幼儿脸型中的哪一个脸型。

所述步骤三与步骤四之间包括步骤(1)，对访客的性别进行验证，所述步骤(1)包括以下步骤

步骤Sa:对步骤三中所采集的样本集合根据年龄信息进行分解，分成各项子集合，

步骤Sb:按照M³网络的分解和组合方法对这些子集合进行训练，然后组合成M³网络分类器

步骤Sc:进行性别识别,与步骤二中的性别识别进对比；

所述Sa各项子集合分别为：

(E1，E2，E3,······，En)

(B1，B2，B3,······，Bn)

(N1，N2，N3,······，Nn)

(F1，F2，F3,······，Fn)

(C1，C2，C3,······，Cn)；

所述步骤Sb子集合进行训练的方式为对这些子集数据进行线性回归处理，处理方法为：

1)先求x,y的平均值b；

2)用公式求解：a＝y-bx；

3)求出各项参数的公式y＝bx+a线性回归方程y＝bx+a过定点

(x为对应提取参数人员的年龄，y为各项子集)。

所述步骤Sc进行性别识别的方法为：

1)提取未知性别人员的各项参数的数据，包括：测量眼睛间距、颧骨间距、鼻梁长度、额头宽度和下巴宽度；

2)将该人员的年龄和各项参数带入对应参数所述的公式进行拟合，分别进行男性参数拟合和女性参数拟合；

3)比较两种拟合度的结果，则拟合度较高的即为该人员的性别；

4)将得出的结果与步骤二中所识别的性别进行比较，当结果一致时，开始下一步的工作，即进行广告的删选和推送，当结果不一致时，重新开始检测。

所述步骤四之前还包括:

录入所述人物特征中性别相匹配的广告数据；

录入所述人物特征中成人和老人相匹配的广告数据；

录入所述人物特征中儿童和幼儿相匹配的广告数据。

优选的，在网络终端中录入与所述人物特征中性别相匹配的广告数据以及与所述人物特征中成人、老人、儿童、幼儿相匹配的广告数据；本发明中老人和成人的光告数据归为同一类，儿童和幼儿的广告数据归为同一类进行推送；通过无线网络模块，可与网络终端进行快速的信息交换，及时筛选出符合访客的广告类型，网络终端包括消费者大数据模块或广告大数据模块，通过摄像装置主动采集访客的信息，从网络终端筛选出符合消费者类型的目标，再根据目标从网络终端智能甄选广告类型，并将广告投在投放装置上播放，所述投放装置优先采用设置在门禁装置上的显示屏，本发明可智能识别消费者类型，有针对性地对广告进行甄选投放，可大大提高广告效益和价值；本发明中当多个访客同时处于门之前的摄像装置的范围之内等待门禁打开时，所述摄像装置拍摄实时图像，对多个人脸图像进行特征提取，称为人脸图像特征向量，形成样本集合，分析识别访客的性别，判定访客的性别是男性还是女性，然后摄像装置拍摄实时图像，对多个人脸图像进行特征提取，对人脸图像进行预处理，形成样本集合，以预处理后的人脸图像进行分析判断操作，分析识别访客是属于老人还是幼儿或者是儿童还是成人；根据步骤二和步骤三的所识别的访客的信息，进行建模分析，确认人物图像的人物特征，按照男、女、老、幼的顺序，及时筛选出符合访客的广告，并通过安装在门禁上的显示屏进行投放；本发明中高龄组包括成人和老人，属于广告推送顺序“男、女、老、少”中的老；本发明中低龄组包括幼儿和儿童，属于广告推送顺序“男、女、老、少”中的幼；广告推送系统对其进行有针对性的广告投放。

实施例2

参考图2，与实施例1不同的地方在于，所述步骤三与步骤四之间包括步骤(1)用于对访客的性别进行验证，使对访客性别的检测结果更加的准确，所述步骤(1)包括以下步骤

步骤Sa:对步骤三中所采集的样本集合根据年龄信息进行分解，分成各项子集合，

步骤Sb:按照M³网络的分解和组合方法对这些子集合进行训练，然后组合成M³网络分类器

步骤Sc:进行性别识别,与步骤二中的性别识别进对比；

所述Sa各项子集合分别为：

(E1，E2，E3,······，En)

(B1，B2，B3,······，Bn)

(N1，N2，N3,······，Nn)

(F1，F2，F3,······，Fn)

(C1，C2，C3,······，Cn)。

所述步骤Sb子集合进行训练的方式为对这些子集数据进行线性回归处理，处理方法为：

1)先求x,y的平均值b；

2)用公式求解：a＝y-bx；

3)求出各项参数的公式y＝bx+a线性回归方程y＝bx+a过定点

(x为对应提取参数人员的年龄，y为各项子集)。

步骤Sc进行性别识别，方法为：

1)提取未知性别人员的各项参数的数据，包括：测量眼睛间距、颧骨间距、鼻梁长度、额头宽度和下巴宽度；

2)将该人员的年龄和各项参数带入对应参数所述的公式进行拟合，分别进行男性参数拟合和女性参数拟合；

3)比较两种拟合度的结果，则拟合度较高的即为该人员的性别；

4)将得出的结果与步骤二中所识别的性别进行比较，当结果一致时，开始下一步的工作，即进行广告的删选和推送，当结果不一致时，重新开始检测；

本发明中优选的，摄像装置采用摄像头，利用人脸识别技术采集访客的信息，利用处理系统，分析识别访客的性别和年龄，如PLC控制器等，处理系统与通过信息交换器连接，信息交换器与网络终端连接连接，通过网络终端筛选出符合消费者类型的目标，再根据目标从网络终端智能甄选广告类型，并将广告投在显示屏上播放，所述显示屏安装在门上或者安装在门的两侧，方便访客进行观看的地方；所述信息交换器优先采用无线网络模块。

综上所述，由于采用了上述技术方案，与现有技术相比，本发明提供了一种智能广告投送方法，可以避免纸资源的浪费，并且本发明能够针对不同的群体进行推送广告，当摄像装置同时识别出不同年龄、不同性别的人时，按照男、女、老、幼的顺序进行广告推送，有针对性的投放广告，提高广告资源投放的效率，提高广告的效益和价值；可以在访客等待门禁打开的时候，看到和自己相关的广告，既达到了广告推送的作用，也为访客在等待的过程中打发时间，本发明中的访客不仅仅是意义上的访客，也包括住户。

以上结合附图详细描述了本发明的优选方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对发明的技术方案进行多种简单变型，这些简单变型均属于本发明的保护范围。

另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本发明各种可能的组合方式不再另行说明。

此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明的思想，其同样应当视为本发明所公开的内容。

Claims (9)

1.本发明提供了一种智能广告投送方法，包括：

步骤一：安装在门上的摄像装置追踪进入摄像区域内的多个人脸信息；

步骤二：所述摄像装置拍摄实时图像，对多个人脸图像进行特征提取，称为人脸图像特征向量，形成样本集合，分析识别访客的性别；

步骤三：所述摄像装置拍摄实时图像，对多个人脸图像进行特征提取，对人脸图像进行预处理，形成样本集合，以预处理后的人脸图像进行分析判断操作，分析识别访客是属于高龄组还是低龄组；

步骤四：根据步骤二和步骤三的所识别的访客的信息，进行建模分析，确认人物图像的人物特征，按照男、女、老、幼的顺序，及时筛选出符合访客的广告，并通过安装在门禁上的显示屏进行投放。

2.根据权利要求1所述的一种智能广告投送方法，其特征在于，所述步骤二的具体实施步骤包括：摄像装置拍摄实时图像，基于人脸性别算法从实时图像中提取出人脸区域，用于识别访客的性别，所述人脸区域大小为M×N的尺寸规格，且含有两瞳孔间距的规格，据此行列均分该人脸，生成网格，得到匹配数目的网格点；基于每个网格点提取人脸子特征，利用每个子特征信息和预先知道的男女信息，应用学习算法进行学习，输出训练结果；

提取人脸子特征的方法是，首先截取对应网格点的预定邻域，形成一个M1×N1子区域，进而得到M1×N1列的向量；M1、N1的取值范围均为[10，15]；所述性别识别结果为y＝{0，1}，其中0代表女，1代表男；

所述网格划分方法是宽m等分，高n等分，其中m、n均为自然数，且m∈[4，10]，n∈[3，8]。

3.根据权利要求1所述的一种智能广告投送方法，其特征在于，所述步骤三中高龄组包括青年和老年；低领组包括幼儿和儿童。

4.根据权利要求1所述的一种智能广告投送方法，其特征在于，所述步骤三中对人脸图像进行预处理的步骤包括：

对所述人脸图像进行眼睛定位，得到眼睛位置；

根据所述眼睛位置，对所述人脸图像进行归一化操作；

从所述归一化后的人脸图像中割取预设大小的图像。

5.根据权利要求3所述的一种智能广告投送方法，其特征在于，所述步骤三的具体实施步骤包括：基于纹理和形状特征，对人脸图像进行分析判断，基于纹理分析，判断人脸图像是属于非皱纹脸型还是皱纹脸型，若为非皱纹脸型，通过形状分析，判断人脸图像属于儿童脸型还是成人脸型；若为皱纹脸型，则通过形状分析，判断人脸图像属于老人脸型还是幼儿脸型。

6.根据权利要求4所述的一种智能广告投送方法，其特征在于，所述分析判断步骤包括：

对人脸图像进行双高斯差滤波；

对所述滤波后的人脸图像进行直方图均衡化操作；

首先对均衡化的后的人脸图像，做Gabor卷积，然后针对不同方向、不同尺度的Gabor卷积图像，提取LDA特征，并根据所述LDA特征建立年龄模板；

基于所述年龄模板，采用最近邻方法将人脸图像进行归类；判断访客是属于儿童脸型、成人脸型、老人脸型、幼儿脸型中的哪一个脸型。

7.根据权利要求1所述的一种智能广告投送方法，其特征在于，所述步骤三与步骤四之间包括步骤(1)，对访客的性别进行验证，所述步骤(1)包括以下步骤

步骤Sa:对步骤三中所采集的样本集合根据年龄信息进行分解，分成各项子集合，

步骤Sb:按照M³网络的分解和组合方法对这些子集合进行训练，然后组合成M³网络分类器

步骤Sc:进行性别识别,与步骤二中的性别识别进对比；

所述Sa各项子集合分别为：

(E1，E2，E3,……，En)

(B1，B2，B3,……，Bn)

(N1，N2，N3,……，Nn)

(F1，F2，F3,……，Fn)

(C1，C2，C3,……，Cn)；

所述步骤Sb子集合进行训练的方式为对这些子集数据进行线性回归处理，处理方法为：

1)先求x,y的平均值b；

2)用公式求解：a＝y-bx；

3)求出各项参数的公式y＝bx+a线性回归方程y＝bx+a过定点

(x为对应提取参数人员的年龄，y为各项子集)。

8.根据权利要求7所述的一种智能广告投送方法，其特征在于，所述步骤Sc进行性别识别的方法为：

1)提取未知性别人员的各项参数的数据，包括：测量眼睛间距、颧骨间距、鼻梁长度、额头宽度和下巴宽度；

2)将该人员的年龄和各项参数带入对应参数所述的公式进行拟合，分别进行男性参数拟合和女性参数拟合；

3)比较两种拟合度的结果，则拟合度较高的即为该人员的性别；

4)将得出的结果与步骤二中所识别的性别进行比较，当结果一致时，开始下一步的工作，即进行广告的筛选和推送，当结果不一致时，重新开始检测。

9.根据权利要求1所述的一种智能广告投送方法，其特征在于，所述步骤四之前还包括:

录入所述人物特征中性别相匹配的广告数据；

录入所述人物特征中高龄组相匹配的广告数据；

录入所述人物特征中低龄组相匹配的广告数据。