CN109191184A - 基于图像识别的广告投放方法及系统 - Google Patents

Abstract

本发明实施例提供了一种基于图像识别的广告投放方法及系统，所述方法包括：采集海量人脸图像，提取预设比例的人脸图像，根据预设特征标签对人脸图像进行特征标签标记，将具有特征标签标记的人脸图像，通过卷积神经算法进行训练，得到图像识别模型；在当前用户登录客户端时，获取当前用户的面部图像，使用图像识别模型进行识别，得到当前用户面部图像的特征标签；根据当用户面部图像的特征标签，向当前用户投放相匹配的广告。通过机器学习的方法，精准的识别了用户的面部特征标签和穿戴特征标签，并将用户的特征标签与广告的内容进行匹配投放，提升了广告投放的精准度。

Description

基于图像识别的广告投放方法及系统

技术领域

本发明涉及互联网广告投放方法，尤其涉及一种互联网手机应用的广告投放方法及系统。

背景技术

中国移动互联网用户每天的有效媒体接触时间为5.8小时，其中利用手机和平板上网时间总计达到146分种，已经接近电脑互联网网与电视媒体的总和，随着智能手机和平板的普及，在互联网手机应用(APP)中投放的广告也越来越多。在现有技术中，一般基于用户属性与广告内容的匹配度来进行投放，例如：根据用户性别年龄向用户投放广告；基于用户的兴趣爱好等特征与广告内容的匹配度来进行投放，例如，通过分析用户浏览过的内容，来判断用户的兴趣，投放与用户兴趣相关的广告。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：当广告的内容与用户的面部特征或穿戴特征密切相关时，仅仅依靠用户属性、用户的兴趣爱好是不能将此类广告精准的投放给用户的。

发明内容

本发明实施例提供一种基于图像识别的广告投放方法及系统，通过图像识别模型识别用户的面部特征标签和穿戴特征标签，投放与特征标签相关的广告，提升了相关广告投放的精准度。

一方面，本发明实施例提供了一种基于图像识别的广告投放方法，所述方法包括：

在用户登录客户端时，获取当前用户的面部图像，调用预先训练的图像识别模型进行识别，得到当前用户面部图像的特征标签；

根据当前用户面部图像的特征标签，将当前用户面部图像与各待投放广告进行匹配；

当存在与当前用户面部图像相匹配的广告时，向当前用户投放所述相匹配的广告。

另一方面，本发明实施例提供了一种基于图像识别的广告投放系统，所述系统包括：

识别单元，用于在用户登录客户端时，获取当前用户的面部图像，调用预先训练的图像识别模型进行识别，得到当前用户面部图像的特征标签；

匹配单元，用于根据当用户面部图像的特征标签，将当前用户面部图像与各待投放广告进行匹配；

投放单元，用于当存在与当前用户面部图像相匹配的广告时，向当前用户投放所述相匹配的广告。

上述技术方案具有如下有益效果：因为采用了在用户登录客户端时，获取当前用户的面部图像，调用预先训练的图像识别模型进行识别，得到当前用户面部图像的特征标签的技术手段，所以达了精确分析当前用户的面部图像特征的技术效果；因为采用了根据当用户面部图像的特征标签，向当前用户投放相匹配的广告的技术手段，所以达到了将广告内容涉及图像识别模型中的特征标签的广告，精准投放于当前用户的技术效果。

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是本发明实施例基于图像识别的广告投放方法的流程图；

图2是本发明实施例基于图像识别的广告投放系统的结构示意图；

图3是本发明实施例训练特征模型的子流程图；

图4是本发明实施例基于图像识别的广告投放方法的整体框架图。

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。

请具体参考图1，图1是本发明实施例基于图像识别的广告投放方法的流程图；

101、在用户登录客户端时，获取当前用户的面部图像，调用预先训练的图像识别模型进行识别，得到当前用户面部图像的特征标签；

102、根据当用户面部图像的特征标签，将当前用户面部图像与各待投放广告进行匹配；

103、当存在与当前用户面部图像相匹配的广告时，向当前用户投放所述相匹配的广告。

优选地，所述图像识别模型的训练方法，具体包括：

采集海量人脸图像，提取预设比例的人脸图像，根据预设特征标签对人脸图像进行特征标记，所述预设特征标签包括：面部特征标签、穿戴特征标签；

将具有特征标签标记的人脸图像，通过卷积神经算法进行训练，得到图像识别模型。

进一步优选地，所述图像识别模型的训练方法，具体还包括：

提取未做特征标签标记的人脸图像，针对未做特征标签标记的每一个人脸图像，分别执行如下操作：使用训练得到的图像识别模型对当前人脸图像进行识别，得到当前人脸图像的特征标签，并判断得到的当前人脸图像的特征标签是否正确；

统计所有未做特征标签标记的人脸图像通过所述图像识别模型得到的特征标签的正确率；

若所述特征标签的准确率达到了预设要求，则所述图像识别模型通过准确率评估；

否则，重新选取具有特征标签标记的人脸图像对图像识别模型再次进行训练，直到所述图像识别模型通过准确率评估。

优选地，所述获取当前用户的面部图像的方式包括：识别当前用户在客户端使用的包含当前用户面部图像的头像，调取当前用户在客户端上传的用于人脸识别解锁的面部图像，引导当前用户上传本人照片。

优选地，所述根据当用户面部图像的特征标签，将当前用户面部图像与各待投放广告进行匹配，具体包括：

根据所述预设特征标签，以及各待投放广告的内容，为各待投放广告设置特征标签；

根据当前用户面部图像的特征标签、查找具有相同特征标签的待投放广告，作为与当前用户相匹配的广告；

请具体参考图2，图2是本发明实施例基于图像识别的广告投放系统的结构示意图；

识别单元21，用于在用户登录客户端时，获取当前用户的面部图像，调用预先训练的图像识别模型进行识别，得到当前用户面部图像的特征标签；

匹配单元22，用于根据当用户面部图像的特征标签，将当前用户面部图像与各待广告进行匹配；

投放单元23，用于当存在与当前用户面部图像相匹配的广告时，向当前用户投放所述相匹配的广告。

优选地，所述系统还包括训练单元24，用于训练图像识别模型，训练单元24的一种可能结构，具体可以包括：

采集模块，用于采集海量人脸图像，提取预设比例的人脸图像，根据预设特征标签对人脸图像进行特征标记，所述预设特征标签包括：面部特征标签、穿戴特征标签；

训练模块，用于将具有特征标签标记的人脸图像，通过卷积神经算法进行训练，得到图像识别模型。

进一步优选地，所述系统还包括评估单元25，用于评估得到的图像识别模型的准确率，评估单元25的一种可能结构，具体可以包括：

识别模块，用于提取未做特征标签标记的人脸图像，针对未做特征标签标记的每一个人脸图像，使用训练得到的图像识别模型对当前人脸图像进行识别，得到当前人脸图像的特征标签，并判断得到的当前人脸图像的特征标签是否正确；

统计模块，用于统计所有未做特征标签标记的人脸图像通过所述图像识别模型得到的特征标签的准确率；

确定模块，用于若所述特征标签的准确率达到了预设要求，则所述特征模型通过准确率评估，重新选取具有特征标签标记的人脸图像对图像识别模型再次进行训练，直到所述图像识别模型通过准确率评估。

优选地，所述识别单元21中的获取当前用户的面部图像的方式包括：识别当前用户在客户端使用的包含当前用户面部上传的头像，调取当前用户在客户端上传的用于人脸识别解锁的图像，引导当前用户上传本人照片。

优选地，所述匹配单元22的一种可能结构，具体包括：

广告模块，用于根据所述预设特征标签，以及各待投放广告的内容，为各待投放广告设置特征标签；

匹配模块，用于根据当前用户面部图像的特征标签、查找具有相同特征标签的待投放广告，作为与当前用户相匹配的广告。

广告模块，用于根据所述预设特征标签，以及各待投放广告的内容，为各待投放广告设置特征标签；

匹配模块，用于根据当前用户面部图像的特征标签、查找具有相同特征标签的待投放广告，作为与当前用户匹配的广告。

上述技术方案具有如下的有益效果：因为采用了根据预设特征标签对海量人脸图像进行特征标签标记后，再利用卷积神经网络算法进行模型训练的技术手段，所以达到了得到的图像识别模型对预设特征标签具有精确识别的技术效果；因为采用了未做特征标签标记的人脸图像进行图像识别模型进行验证的技术手段，所以达到了图像识别模型的准确率达到了预设标准的技术效果；因为采用了引导当前用户上传本人照片，识别当前用户在客户端使用的包含当前用户面部图像的头像，调取当前用户在客户端上传的用于人脸识别解锁的图像等多种方式获得当前用户的面部图像的技术手段，所以达到了保证获取的当前用户面部图像的准确性的技术效果；因为采用了根据图像识别模型识别出的特征标签进行广告内容的匹配的技术手段，所以达到了提升广告投放的精准度的技术效果。

下面，举具体的应用实施例对所述技术方案做进一步的详细阐述：

请具体参考图3，图3是本发明实施例训练图像识别模型的子流程图。从互联网手机APP或者互联网上获取海量的人物面部图像，也可以称为人脸图像，在一优选的实施例中，可以选择1000-10000幅人脸图像，通常情况下，人脸图像的数量要大于等于1000。对采集到的海量人脸图像进行分组，一组作为图像识别模型的训练样本，另一组作为图像识别模型的评估样本，在一优选的实施例中，图像识别模型的训练样本与图像识别模型的评估样本的比例为8：2。选择作为图像识别模型的训练样本中的人脸图像，根据预设特征标签对人脸图像进行特征标签标记。所述预设的特征标签包括人物面部特征标签和穿戴特征标签，所述面部特征标签包括：性别，是否脱发，是否留胡子，是否有痘等；所述穿戴特征标签包括：是否戴眼镜，是否化妆，是否涂口红，是否戴帽子，是否戴项链，是否戴耳环等，之所以将是否涂口红也单独设定为一个穿戴特征标签，而不将是否涂口红这个特征标签归属于是否化妆这个特征标签，是因为在现实生活中，涉及口红这个内容的广告数量特别多，将是否涂口红作为一个单独的穿戴特征标签加以标记，奠定了此类广告投放精准的基础。将具有特征标签标记的人脸图像，通过机器学习的方式，在一优选的实施例中，采用卷积神经网络算法(CNN)对各个特征标签进行训练，得到包含各个特征标签的图像识别模型。选择作为图像识别模型的评估样本中的人脸图像，首先通过上述得到的图像识别模型识别所述人脸图像，得到某一幅人脸图像的特征标签，根据当前未做特征标记的人脸图像，判断得到的人脸图像的特征标签是否正确；若该张人脸图像的面部特征标签和穿戴特征标签与经图像识别模型识别出来的特征标签相同，则认定当前人脸图像的特征标签正确。重复上述操作，统计评估样本中的所有的人脸图像使用图像识别模型的识别出的特征标签的准确率，若所述识别出的特征标签的准确率达到了预设要求，则所述图像识别模型通过准确率评估。所述准确率的具体数值是与手机应用APP本身的要求相关，在一优选的实施例中，要求图像识别模型对人脸图像的识别准确率为90％。若统计出的准确率没有达到预设要求，则返回至机器学习的方式，采用卷积神经网络算法(CNN)重新选取具有特征标签标记的人脸图像对图像识别模型进行训练，直至得到的图像识别模型通过准确率的评估。

请具体参考图4，图4是本发明实施例基于图像识别的广告投放方法的整体框架图。

在用户登录客户端时，获取当前用户的面部图像，所述获取当前用户的面部图像的方式包括：识别当前用户在客户端使用的包含当前用户面部图像的头像，调取当前客户在客户端上传的用于人脸识别解锁的面部图像，引导当前用户上传本人照片；在一优选的实施例中，可以通过设定奖励的方式引导当前用户上传自拍照的方式，获得当前用户的面部图像，自拍照通常因为拍摄距离较近，从而使获取的当前用户的面部图像更加清晰。调取图像识别模型识别当前用户的面部图像，得到当前用户面部图像的特征标签。根据预设特征标签、以及待投放广告的内容为各个广告设置特征标签。根据当前用户面部图像的特征标签，查找具有相同特征标签的待投放广告，作为与当前用户相匹配的广告；当存在与当前用户面部图像相匹配的广告时，向当前用户投放所述相匹配的广告。

在一优选的实施例中，当前用户面部图像的特征标签中，包括是否戴眼镜这个特征标签，当使用图像识别模型识别出当前用户自拍照中有戴眼镜这个特征标签时，查找具有戴眼镜这个特征标签的广告，如果查找到具有戴眼镜这个特征标签的广告，则投放给当前用户。在另一优选的实施例中，图像识别模型中包括是否涂口红这个特征标签，当使用图像模型识别出当前用户自拍照中有涂口红这个特征标签时，如果查找到具有涂口红这个特征标签的广告，则投放给当前用户。

应该明白，公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好，应该理解，过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素，并且不是要限于所述的特定顺序或层次。

在上述的详细描述中，各种特征一起组合在单个的实施方案中，以简化本公开。不应该将这种公开方法解释为反映了这样的意图，即，所要求保护的主题的实施方案需要比清楚地在每个权利要求中所陈述的特征更多的特征。相反，如所附的权利要求书所反映的那样，本发明处于比所公开的单个实施方案的全部特征少的状态。因此，所附的权利要求书特此清楚地被并入详细描述中，其中每项权利要求独自作为本发明单独的优选实施方案。

为使本领域内的任何技术人员能够实现或者使用本发明，上面对所公开实施例进行了描述。对于本领域技术人员来说；这些实施例的各种修改方式都是显而易见的，并且本文定义的一般原理也可以在不脱离本公开的精神和保护范围的基础上适用于其它实施例。因此，本公开并不限于本文给出的实施例，而是与本申请公开的原理和新颖性特征的最广范围相一致。

上文的描述包括一个或多个实施例的举例。当然，为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的，但是本领域普通技术人员应该认识到，各个实施例可以做进一步的组合和排列。因此，本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外，就说明书或权利要求书中使用的术语“包含”，该词的涵盖方式类似于术语“包括”，就如同“包括，”在权利要求中用作衔接词所解释的那样。此外，使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。

本领域技术人员还可以了解到本发明实施例列出的各种说明性逻辑块(illustrative logical block)，单元，和步骤可以通过电子硬件、电脑软件，或两者的结合进行实现。为清楚展示硬件和软件的可替换性(interchangeability)，上述的各种说明性部件(illustrative components)，单元和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用，可以使用各种方法实现所述的功能，但这种实现不应被理解为超出本发明实施例保护的范围。

本发明实施例中所描述的各种说明性的逻辑块，或单元都可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。

本发明实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模块、或者这两者的结合。软件模块可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于用户终端中。可选地，处理器和存储媒介也可以设置于用户终端中的不同的部件中。

在一个或多个示例性的设计中，本发明实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现，这些功能可以存储与电脑可读的媒介上，或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如，这样的电脑可读媒体可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁性存储装置，或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。此外，任何连接都可以被适当地定义为电脑可读媒介，例如，如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或以例如红外、无线和微波等无线方式传输的也被包含在所定义的电脑可读媒介中。所述的碟片(disk)和磁盘(disc)包括压缩磁盘、镭射盘、光盘、DVD、软盘和蓝光光盘，磁盘通常以磁性复制数据，而碟片通常以激光进行光学复制数据。上述的组合也可以包含在电脑可读媒介中。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于图像识别的广告投放方法，其特征在于，所述方法包括：

在用户登录客户端时，获取当前用户的面部图像，调用预先训练的图像识别模型对所述面部图像进行识别，得到当前用户面部图像的特征标签；

根据当前用户面部图像的特征标签，将当前用户面部图像与各待投放广告进行匹配；

当存在与当前用户面部图像相匹配的广告时，向当前用户投放所述相匹配的广告。

2.根据权利要求1所述的基于图像识别的广告投放方法，其特征在于，所述图像识别模型的训练方法，具体包括：

采集海量人脸图像，提取预设比例的人脸图像，根据预设特征标签对人脸图像进行标记，所述预设特征标签包括：面部特征标签、穿戴特征标签；

将具有特征标签标记的人脸图像，通过卷积神经算法进行训练，得到图像识别模型。

3.根据权利要求1或2所述的基于图像识别的广告投放方法，其特征在于，所述图像识别模型的训练方法，还包括：

提取未做特征标签标记的人脸图像，针对未做特征标签标记的每一个人脸图像，分别执行如下操作：使用训练得到的图像识别模型对当前人脸图像进行识别，得到当前人脸图像的特征标签，并判断得到的当前人脸图像的特征标签是否正确；

统计所有未做特征标签标记的人脸图像通过所述图像识别模型得到的特征标签的准确率；

若所述特征标签的准确率达到了预设要求，则所述图像识别模型通过准确率评估；

否则，重新选取具有特征标签标记的人脸图像对图像识别模型再次进行训练，直到所述图像识别模型通过准确率评估。

4.根据权利要求1所述的基于图像识别的广告投放方法，其特征在于，

所述获取当前用户的面部图像的方式包括：识别当前用户在客户端使用的包含当前用户面部图像的头像、调取当前用户在客户端上传的用于人脸识别解锁的面部图像、引导当前用户上传本人照片。

5.根据权利要求2所述的基于图像识别的广告投放方法，其特征在于，所述根据当用户面部图像的特征标签，将当前用户面部图像与各待投放广告进行匹配，具体包括：

根据所述预设特征标签，以及各待投放广告的内容，为各待投放广告设置特征标签；

根据当前用户面部图像的特征标签，查找具有相同特征标签的待投放广告，作为与当前用户相匹配的广告。

6.一种基于图像识别的广告投放系统，其特征在于，所述系统包括：

识别单元，用于在用户登录客户端时，获取当前用户的面部图像，调用预先训练的图像识别模型进行识别，得到当前用户面部图像的特征标签；

匹配单元，用于根据当用户面部图像的特征标签，将当前用户面部图像与各待投放广告进行匹配；

投放单元，用于当存在与当前用户面部图像相匹配的广告时，向当前用户投放所述相匹配的广告。

7.根据权利要求6所述的基于图像识别的广告投放系统，其特征在于，所述系统还包括训练单元，用于训练得到图像识别模型，具体包括：

采集模块，用于采集海量人脸图像，提取预设比例的人脸图像，根据预设特征标签对人脸图像进行标记，所述预设特征标签包括：面部特征标签、穿戴特征标签；

训练模块，用于将具有特征标签标记的人脸图像，通过卷积神经算法进行训练，得到图像识别模型。

8.根据权利要求6或7所述的基于图像识别的广告投放系统，其特征在于，所述系统还包括评估单元，用于评估得到的图像识别模型的准确率，具体包括：

识别模块，用于提取未做特征标签标记的人脸图像，针对未做特征标签标记的每一个人脸图像，使用训练得到的图像识别模型对当前人脸图像进行识别，得到当前人脸图像的特征标签，并判断得到的当前人脸图像的特征标签是否正确；

统计模块，用于统计所有未做特征标签标记的人脸图像通过所述图像识别模型得到的特征标签的准确率；

确定模块，用于若所述特征标签的准确率达到了预设要求，则所述图像识别模型通过准确率评估；否则，重新选取具有特征标签标记的人脸图像对图像识别模型再次进行训练，直到所述图像识别模型通过准确率评估。

9.根据权利要求6所述的基于图像识别的广告投放系统，其特征在于，所述识别单元中的获取当前用户的面部图像的方式包括：识别当前用户在客户端使用的包含当前用户面部图像的头像，调取当前用户在客户端上传的用于人脸识别解锁的图像，引导当前用户上传本人照片。

10.根据权利要求7所述的基于图像识别的广告投放系统，其特征在于，所述匹配单元，具体包括：

广告模块，用于根据所述预设特征标签，以及各待投放广告的内容，为各待投放广告设置特征标签；

匹配模块，用于根据当前用户面部图像的特征标签、查找具有相同特征标签的待投放广告，作为与当前用户相匹配的广告。