CN109886781A - 基于绘画行为的产品推荐方法、装置、设备及存储介质 - Google Patents
基于绘画行为的产品推荐方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN109886781A CN109886781A CN201910098839.6A CN201910098839A CN109886781A CN 109886781 A CN109886781 A CN 109886781A CN 201910098839 A CN201910098839 A CN 201910098839A CN 109886781 A CN109886781 A CN 109886781A
- Authority
- CN
- China
- Prior art keywords
- image
- module
- products show
- profile
- target image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Abstract
本发明公开了一种基于绘画行为的产品推荐方法、装置、设备以及存储介质,方法包括获取当前绘画图像并提取当前绘画图像的轮廓,获得第一轮廓图;将第一轮廓图与预设的图像数据库中的图像组合模块进行比对,并将与第一轮廓图相似度最高的图像组合模块,作为目标图像组合模块;根据目标图像组合模块,从图像数据库中提取目标图像组合模块所属的原始图像,作为目标图像;继而根据目标图像生成产品推荐信息;通过实施本发明的实施例能根据用户当前绘画行为进行商品推荐,使得推荐的商品更加符合用户的当前购买需求。
Description
技术领域
本发明涉及数字图像处理技术领域,尤其涉及一种基于绘画行为的产品推荐方法、装置、设备以及存储介质。
背景技术
随着社会经济的发展,消费者选择的产品越来越多,为帮助消费者快速定位自己所要的产品,各种产品推荐技术开始出现,并逐渐在各类购物应用中得到广泛应用,其实现原理是根据以往用户的购买行为、购买过的产品的自身属性,向用户推荐相类似的产品,实现用户引导作用。但是实际上用户行为特征复杂,用户购买需求会随时间而改变,在不同的时期用户的购买需求是不同的,若是按历史购买行为用户进行个性化推荐,往往难以满足用户当前的购买需求。
发明内容
本发明实施例提供一种基于绘画行为的产品推荐方法、装置、设备以及计算机可读存储介质,能根据用户当前绘画行为进行商品推荐,使得推荐的商品更加符合用户的当前购买需求。
本发明一实施例提供一种基于绘画行为的产品推荐方法,包括:
获取当前绘画图像并提取所述当前绘画图像的轮廓,获得第一轮廓图;
将所述第一轮廓图与预设的图像数据库中的图像组合模块进行比对,并将与所述第一轮廓图相似度最高的图像组合模块,作为目标图像组合模块;
根据所述目标图像组合模块,从所述图像数据库中提取所述目标图像组合模块所属的原始图像,作为目标图像;继而根据所述目标图像生成产品推荐信息;
其中,所述图像数据库通过以下方法建立:
获取原始图像,并提取所述原始图像的图像轮廓,获得第二轮廓图,其中所述第二轮廓图中包括图像主体及图像背景;
对所述第二轮廓图的图像主体进行描边,获得图像主体描边图;其中,所述图像主体描边图包括,若干条相互独立的线条、若干个独立分布的离散点两者中的任意一种或其两者组合;
将每一独立的线条、每一独立的离散点均作为一独立的拆分模块,对所述图像主体描边图进行拆分,获得若干个图像拆分模块;
将所述若干个图像拆分模块进行组合,获得若干个图像组合模块,继而将所有所述图像组合模块以及所述原始图像进行存储,获得所述图像数据库。
进一步的,所述原始图像包括,产品图像、商标图像两者中的任意一种或两种的组合。
可选的,所述根据所述目标图像生成产品推荐信息,具体为:
若所述目标图像为产品图像,则在预存的商家商品关系数据库中,提取与所述产品图像对应的商家信息,生成所述产品推荐信息;
若所述目标图像为商标图像,则在预存的商家商品关系数据库中,提取所述商标图像所属商家的产品信息,生成所述产品推荐信息。
可选的,所述根据所述目标图像生成产品推荐信息,具体为:直接将所述目标图像作为所述产品推荐信息;
进一步的,所述提取所述原始图像的图像轮廓,获得第二轮廓图,具体为:
将所述原始图像进行灰度处理,获得灰度处理图像;
计算所述灰度处理图像中的每一像素点灰度值,并将灰度值大于预设阈值的像素点的灰度值设为255、将灰度值小于或等于预设阈值的像素点的灰度值设置0,获得二值图像,并将所述二值图像作为所述第二轮廓图;其中,灰度值为0的像素点为图像背景的像素点、灰度值为255的像素点为图像主体的像素点。
进一步的,通过SIFT算法计算所述第一轮廓图与所述图像组合模块的相似度。
本发明另一实施例提供了一种基于绘画行为的产品推荐装置,包括:当前绘画图像获取模块、图像比对模块、目标图像获取模块、产品推荐信息生成模块以及图像数据库生成模块;
所述当前绘画图像获取模块,用于获取当前绘画图像并提取所述当前绘画图像的轮廓,获得第一轮廓图;
所述图像比对模块,用于将所述第一轮廓图与预设的图像数据库中的图像组合模块进行比对,并将与所述第一轮廓图相似度最高的图像组合模块作为目标图像组合模块;
所述目标图像获取模块,用于根据所述目标图像组合模块,从所述图像数据库中提取所述目标图像组合模块所属的原始图像,作为目标图像;
所述产品推荐信息生成模块,用于根据所述目标图像生成产品推荐信息;
所述图像数据库生成模块,用于获取原始图像,并提取所述原始图像的图像轮廓,获得第二轮廓图,其中所述第二轮廓图中包括图像主体及图像背景;
对所述第二轮廓图的图像主体进行描边,获得图像主体描边图;其中,所述图像主体描边图包括,若干条相互独立的线条、若干个独立分布的离散点、两者中的任意一种或其两者组合;
将每一独立的线条、每一独立的离散点均作为一独立的拆分模块,对所述图像主体描边图进行拆分,获得若干个图像拆分模块;
将所述若干个图像拆分模块进行组合,获得若干个图像组合模块,继而将所有所述图像组合模块以及所述图像进行存储,获得所述图像数据库。
本发明另一实施例提供了一种终端设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现本发明实施例提供的基于绘画行为的产品推荐方法。
本发明另一实施例提供了一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行本发明实施例提供的基于绘画行为的产品推荐方法。
通过实施本发明的实施例具有如下有益效果:
本发明实施例提供了一种基于绘画行为的产品推荐方法、装置、终端设置及计算机可读存储介质,所述方法包括,首先获取用户当前进行绘画后的得到的图像,即当前绘画图像,并提取出绘画图像的轮廓,然后提取出来的轮廓图与预存的图像数据库中的,各个图像组合模块进行比对,把相似度最高的图像组合模块,作为与当前绘画图像相匹配的图像组合模块,即目标图像组合模块,最后根据目标图像组合模块,在图像数据库中提取出该目标图像组合模块所属的原始图像,该原始图像就是与当前绘画图像相匹配的图像,为最符合用户需求的图像,即目标图像,最后根据目标图像生成产品推荐信息,推荐给用户。用户通过绘画的形式表达出自己当前的购买需求,然后通过本实施例提供的基于绘画行为的产品推荐方法,在数据库中匹配出与用户所画的图像最相近的图像,再根据匹配得到的图像,生成产品推荐信息向用户进行推荐,相对与以往的通过用户的历史购买记录来进行产品推荐,本发明实施例提供的产品推荐方法更加符合用户当前的购买需求。
附图说明
图1是本发明一实施例提供的一种基于绘画行为的产品推荐方法的流程示意图。
图2是本发明一实施例提供的基于绘画行为的产品推荐方法中图像数据库的构建的流程示意图。
图3是本发明一实施例提供的一种基于绘画行为的产品推荐装置的结构示意图。
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,都属于本发明保护的范围。
如图1所示,本发明一实施例提供的一种基于绘画行为的产品推荐方法包括:
步骤S101:获取当前绘画图像并提取当前绘画图像的轮廓,获得第一轮廓图。
步骤S102:将第一轮廓图与预设的图像数据库中的图像组合模块进行比对,并将与第一轮廓图相似度最高的图像组合模块,作为目标图像组合模块。
步骤S103:根据目标图像组合模块,从图像数据库中提取目标图像组合模块所属的原始图像,作为目标图像;继而根据目标图像生成产品推荐信息。
对于步骤S101,在一优选的实施例中,用户在终端设备的屏幕上进行绘画,当手触碰屏幕时,视为绘画开始;当手离开屏幕超过1秒,视为绘画结束。当判定用户绘画结束之后,获取用户绘画的图像获得当前绘画图像。优选的终端设备,包括但不限于手机、平板、等具有触控屏的电子设备。当然用户在屏幕上进行绘画的方式有多种,可以用手指也可以通过触控笔等,同时也可以通过多种方式来判定用户是否完成绘画,如在绘画界面设置一确认按钮,当用户点击后即可判定用户已绘画完毕,上述提及的实施例只是一个优选的实施例,不应理解为对步骤S101的具体限定。
在获取当前绘画图像后,提取出当前绘画图像的轮廓,在一个优选的实施例中,首先对当前绘画图像进行灰度处理,得到灰度图像,在对灰度图像进行二值化处理后即可得到当前绘画图像的轮廓图,即第一轮廓图;
对于步骤S102,在获得第一轮廓图后需要将获取的第一轮廓图与图像数据库中的图像组合模块进行比对,从中提取出相似度最高的图像组合模块,作为与第一轮廓图相匹配的目标图像组合模块;以下对图像数据库以及图像组合模块进行具体的说明。
如图2所示,在一个优选的实施例中,上述图像数据库可以通过以下方法建立。
步骤S201:获取原始图像,并提取原始图像的图像轮廓,获得第二轮廓图,其中第二轮廓图中包括图像主体及图像背景。
步骤S202:对第二轮廓图的图像主体进行描边,获得图像主体描边图;其中,图像主体描边图包括,若干条相互独立的线条、若干个独立分布的离散点两者中的任意一种或其两者组合。
步骤S203:将每一独立的线条、每一独立的离散点均作为一独立的拆分模块,对图像主体描边图进行拆分,获得若干个图像拆分模块。
步骤S204:将若干个图像拆分模块进行组合,获得若干个图像组合模块,继而将所有图像组合模块以及原始图像进行存储,获得图像数据库。
对于步骤S201,优选的通过市场上个商家平台获取大量的原始图像,此处的商家平台可以是各个商家的官方网站,如优衣库的官网;
在一个优选的实施例中,原始图像包括但不限于产品图像、商家的商标图像两者中的任意一种或两种的组合。产品图像为商家旗下的产品的图像,例如可以在优衣库的官网中,获取优衣库旗下的所有售卖的产品图片,作为原始图像;商标图像为对应商家的标识,如可以将优衣库的商标作为原始图像。
在获取原始图像后,提取出原始图像的轮廓图,在一个优选的实施例中,通过以下方式对原始图像进行处理,提取出原始图像的轮廓图:
将原始图像进行灰度处理,获得灰度处理图像;
计算灰度处理图像中的每一像素点灰度值,并将灰度值大于预设阈值的像素点的灰度值设为255、将灰度值小于或等于预设阈值的像素点的灰度值设置0,获得二值图像,并将二值图像作为第二轮廓图;其中,灰度值为0的像素点为图像背景的像素点、灰度值为255的像素点为图像主体的像素点。
通过灰度处理,并不会影响图像的纹理特征信息,而且各像素点只需一个灰度值便可表示,大大提高了图像处理效率。经过灰度处理减少了数据量、再经过二值化处理凸显轮廓,最后得到的二值图像就是原始图像的轮廓图,即第二轮廓图。
对于步骤S202,在得到第二轮廓图时,需要对第二轮廓图进行描边,由于在步骤S201中、已将第二轮廓图中的图像主体用255的灰度值进行标记,因此得到了灰度值为255的像素点的分布轨迹,此时该分布轨迹可能是一个连续闭合的区域,也可能是离散点,也可能是几条相互独立的断开的线条。
基于上述分布轨迹,以线条的形式对属于图像主体的像素点自动描边,得到图像主体描边图,此时的图像主体描边图,可能是若干条互相独立的线条组成,也可能由若干个独立分布的离散点组成,还有可能是有两者的结合组合。
对于步骤S203,在一个优选的实施例中,对图像主体描边图的拆分规则如下,以每一独立的线条、每一独立的离散点为一独立的拆分模块,将图像主体描边图进行拆分,各个拆分后得到的图像拆分模块在原图像主体描边图中是相互独立的,不连接的。例如:图像主体描边图为H&M商标图像,由于H、&、M这三个字母在原图像中是相互独立的,则其拆分模块分别是:H、&、M图像拆分模块。基于上述拆分规则,对图像主体描边图进行拆分,得到若干个图像拆分模块。
对于步骤S204,以组合的方式对得到的若干个图像拆分模块进行组合,获得上述图像组合模块,具体组合规则如下,指从n个不同元素中每次取出m个不同元素(0≤m≤n),不管其顺序合成一组。如:H&M商标图像,其拆分模块分别是:H、&、M,其组合分别是:H、&、M、H&、HM、&M、H&M。基于上述组合规则,图像拆分模块随机组合,得到图像组合模块。最后将得到的图像组合模块和原始图像及它们间的对应关系存储在图像数据库中,完成图像数据库的构建。例如:图像组合模块:H、&、M、H&、HM、&M、H&M,对应的原始图像为H&M商标图像。
而对于第一轮廓图与图像组合模块间相似度的计算,在一个优选的实施例中可以采用SIFT(尺度不变特征变换)算法,进行比对。SIFT(尺度不变特征变换)算法,是指利用原始图像与高斯核的卷积来建立尺度空间,并在高斯差分空间金字塔上提取出尺度不变性的特征点。该算法具有一定的仿射不变性,视角不变性,旋转不变性和光照不变性,因此在图像特征点匹配方面得到广泛应用。SIFT算法的实现步骤具体如下:
1)生成尺度空间;2)检测尺度空间极值点;3)精确定位极值点;4)指定每个关键点方向参数;5)生成关键点描述子。由于该算法使用已非常成熟,在此不详细说明。以下是算法主要公式:
L(x,y,σ)G(x,y,σ)*I(x,y)
上述公式,L(x,y,σ)代表图像高斯金字塔,G(x,y,σ)代表高斯函数,I(x,y)代表图像。
需要说明的是,除了采用SIFT算法之外,还可采用多种显示度他比对方法来对第一轮廓图和图像组合模块,之间的相似度进行计算,如余弦相似度算法。
最后提取出相似度最高的图像组合模块,作为目标图像组合模块;需要说明的是此时的目标图像组合模块,可能是唯一的,也可能同时存在多个相似度相同的图像组合模块。
对于步骤S103、根据上述得到的图像数据库,可以从图像数据库中提取出与目标图像组合模块对应的原始图像,将该原始图像作为目标图像。
需要说明的是一个目标图像组合模块,可能对应唯一的一个原始图像,也可能对应多个原始图像。例如:若匹配到目标图像组合模块为“H”则其对应的原始图像可以是H&M的商标图像(1947年在瑞典创立的服饰品牌),也可以是HTC的商标图像(宏达国际电子股份有限公司)一家位于中国台湾的手机与平板电脑制造商的商标图像。最后根据匹配到的目标图像生成推荐信息。
在一个优先的实施例中,根据目标图像生成产品推荐信息,具体为:
若目标图像为产品图像,则在预存的商家商品关系数据库中,提取与商品图像对应的商家信息,生成产品推荐信息;
若目标图像为商标图像,则在预存的商家商品关系数据库中,提取商标图像所属商家的产品信息,生成产品推荐信息。
需要说明的是,上述商家商品关系数据库,在从各个商家平台获取原始图像的时候,就已经将获取的原始图像与对应的商家信息进行绑定,并存储在商家商品关系数据库中了。
当所匹配到的目标图像是一个产品图像,例如一件上衣,则此时会在商家商品关系数据库中,提取出销售有该上衣的商家的信息,生成产品推荐信息,将所有销售该上衣的商家的信息显示在终端设备上,这里的终端设备包括但不限于是手机、平板、电脑得带有显示屏的电子产品。需要说明的是上述商家信息包括但不限于商家的名称、商家的商标或其他用于对商家起标识或介绍作用的文字、图案、视频等多媒体数据。
当所匹配到的目标图像是一个商标图像,则在商家商品关系数据库中,提取出该商标图像所属商家的产品信息,生成产品推荐信息,例如目标图像是“H&M”的商标图像,此时会将该服饰品牌的商家的产品信息显示在终端设备上,这里的终端设备包括但不限于是手机、平板、电脑得带有显示屏的电子产品。需要说明的是上述产品信息包括但不限于产品的名称、产品图像、该产品对应的优惠券或其他用于对产品起标识或介绍作用的文字、图案、视频等多媒体数据。
在一个可选的实施例中,根据目标图像生成产品推荐信息,还可以为,直接将匹配到的目标图像作为产品推荐信息,进行显示。
如图3所示:在上述实施例的基础上,本发明另一实施例提供了一种基于绘画行为的产品推荐装置,包括:当前绘画图像获取模块301、图像比对模块302、目标图像获取模块303、产品推荐信息生成模块304以及图像数据库生成模块305;
当前绘画图像获取模块301,用于获取当前绘画图像并提取当前绘画图像的轮廓,获得第一轮廓图;
图像比对模块302,用于将第一轮廓图与预设的图像数据库中的图像组合模块进行比对,并将与第一轮廓图相似度最高的图像组合模块作为目标图像组合模块;
目标图像获取模块303,用于根据目标图像组合模块,从图像数据库中提取目标图像组合模块所属的原始图像,作为目标图像;
产品推荐信息生成模块304,用于根据目标图像生成产品推荐信息;
图像数据库生成模块305,用于获取原始图像,并提取原始图像的图像轮廓,获得第二轮廓图,其中第二轮廓图中包括图像主体及图像背景;
对第二轮廓图的图像主体进行描边,获得图像主体描边图;其中,图像主体描边图包括,若干条相互独立的线条、若干个独立分布的离散点、两者中的任意一种或其两者组合;
将每一独立的线条、每一独立的离散点均作为一独立的拆分模块,对图像主体描边图进行拆分,获得若干个图像拆分模块;
将若干个图像拆分模块进行组合,获得若干个图像组合模块,继而将所有图像组合模块以及图像进行存储,获得图像数据库。
需要说明的是,这一实施例是在上述所有,基于绘画行为的产品推荐方法的实施例的基础上提供的装置项的实施例,可以理解的是,这一实施例所提供了一种基于绘画行为的产品推荐装置,能够实现上述所有基于绘画行为的产品推荐方法的方法项的实施例中的所有方法。
在本发明提供的基于绘画行为的产品推荐方法的方法项实施例的基础上,提供了另一实施例。
本发明另一实施例提供的一种终端设备,包括处理器、存储器以及存储在存储器中且被配置为由处理器执行的计算机程序,处理器执行计算机程序时实现上述各个基于绘画行为的产品推荐方法实施例中的步骤,例如图1所示的步骤。
此处的终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。
所称处理器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**装置/终端设备的控制中心,利用各种接口和线路连接整个**装置/终端设备的各个部分。
存储器可用于存储计算机程序,处理器通过运行或执行存储在存储器内的计算机程序,以及调用存储在存储器内的数据。存储器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系统、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手机的使用所创建的数据(比如音频数据、电话本等)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。
在本发明提供的基于绘画行为的产品推荐方法的方法项实施例的基础上,提供了另一实施例。
本发明另一实施例提供了一种计算机可读存储介质,计算机可读存储介质包括存储的计算机程序,其中,在计算机程序运行时控制计算机可读存储介质所在设备执行上述基于绘画行为的产品推荐方法实施例的所有步骤。
其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
通过实施本发明的实施例具有如下有益效果:本发明通过提取用户在终端操作的绘画图像,结合图像数据库信息进行比对,实现基于互动绘画的产品推荐效果。用户图像比对细致到数据库产品图像的拆分组合模块,使比对效果更精确。相对与以往的通过用户的历史购买记录来进行产品推荐,本发明实施例提供的产品推荐方法更加符合用户当前的购买需求,此外本发明无需统计分析复杂的用户行为特征,实现原理简单,处理的数据量小,与绘画结合新颖有趣,客观明确地引导用户消费。
需说明的是,以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外,本发明提供的装置实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (9)
1.一种基于绘画行为的产品推荐方法,其特征在于,包括:
获取当前绘画图像并提取所述当前绘画图像的轮廓,获得第一轮廓图;
将所述第一轮廓图与预设的图像数据库中的图像组合模块进行比对,并将与所述第一轮廓图相似度最高的图像组合模块,作为目标图像组合模块;
根据所述目标图像组合模块,从所述图像数据库中提取所述目标图像组合模块所属的原始图像,作为目标图像;继而根据所述目标图像生成产品推荐信息;
其中,所述图像数据库通过以下方法建立:
获取原始图像,并提取所述原始图像的图像轮廓,获得第二轮廓图,其中所述第二轮廓图中包括图像主体及图像背景;
对所述第二轮廓图的图像主体进行描边,获得图像主体描边图;其中,所述图像主体描边图包括,若干条相互独立的线条、若干个独立分布的离散点两者中的任意一种或其两者组合;
将每一独立的线条、每一独立的离散点均作为一独立的拆分模块,对所述图像主体描边图进行拆分,获得若干个图像拆分模块;
将所述若干个图像拆分模块进行组合,获得若干个图像组合模块,继而将所有所述图像组合模块以及所述原始图像进行存储,获得所述图像数据库。
2.如权利要求1所述的基于绘画行为的产品推荐方法,其特征在于,所述原始图像包括,产品图像、商标图像两者中的任意一种或两种的组合。
3.如权利要求2所述的基于绘画行为的产品推荐方法,其特征在于,所述根据所述目标图像生成产品推荐信息,具体为:
若所述目标图像为产品图像,则在预存的商家商品关系数据库中,提取与所述产品图像对应的商家信息,生成所述产品推荐信息;
若所述目标图像为商标图像,则在预存的商家商品关系数据库中,提取所述商标图像所属商家的产品信息,生成所述产品推荐信息。
4.如权利要求1所述的基于绘画行为的产品推荐方法,其特征在于,所述根据所述目标图像生成产品推荐信息,具体为:直接将所述目标图像作为所述产品推荐信息。
5.如权利要求1所述的基于绘画行为的产品推荐方法,其特征在于,所述提取所述原始图像的图像轮廓,获得第二轮廓图,具体为:
将所述原始图像进行灰度处理,获得灰度处理图像;
计算所述灰度处理图像中的每一像素点灰度值,并将灰度值大于预设阈值的像素点的灰度值设为255、将灰度值小于或等于预设阈值的像素点的灰度值设置0,获得二值图像,并将所述二值图像作为所述第二轮廓图;其中,灰度值为0的像素点为图像背景的像素点、灰度值为255的像素点为图像主体的像素点。
6.如权利要求1所述的基于绘画行为的产品推荐方法,其特征在于,通过SIFT算法计算所述第一轮廓图与所述图像组合模块的相似度。
7.一种基于绘画行为的产品推荐装置,其特征在于,包括:当前绘画图像获取模块、图像比对模块、目标图像获取模块、产品推荐信息生成模块以及图像数据库生成模块;
所述当前绘画图像获取模块,用于获取当前绘画图像并提取所述当前绘画图像的轮廓,获得第一轮廓图;
所述图像比对模块,用于将所述第一轮廓图与预设的图像数据库中的图像组合模块进行比对,并将与所述第一轮廓图相似度最高的图像组合模块作为目标图像组合模块;
所述目标图像获取模块,用于根据所述目标图像组合模块,从所述图像数据库中提取所述目标图像组合模块所属的原始图像,作为目标图像;
所述产品推荐信息生成模块,用于根据所述目标图像生成产品推荐信息;
所述图像数据库生成模块,用于获取原始图像,并提取所述原始图像的图像轮廓,获得第二轮廓图,其中所述第二轮廓图中包括图像主体及图像背景;
对所述第二轮廓图的图像主体进行描边,获得图像主体描边图;其中,所述图像主体描边图包括,若干条相互独立的线条、若干个独立分布的离散点、两者中的任意一种或其两者组合;
将每一独立的线条、每一独立的离散点均作为一独立的拆分模块,对所述图像主体描边图进行拆分,获得若干个图像拆分模块;
将所述若干个图像拆分模块进行组合,获得若干个图像组合模块,继而将所有所述图像组合模块以及所述图像进行存储,获得所述图像数据库。
8.一种终端设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1-6任意一项所述的基于绘画行为的产品推荐方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1-6中任意一项所述的基于绘画行为的产品推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910098839.6A CN109886781B (zh) | 2019-01-31 | 2019-01-31 | 基于绘画行为的产品推荐方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910098839.6A CN109886781B (zh) | 2019-01-31 | 2019-01-31 | 基于绘画行为的产品推荐方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109886781A true CN109886781A (zh) | 2019-06-14 |
CN109886781B CN109886781B (zh) | 2023-05-09 |
Family
ID=66927537
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910098839.6A Active CN109886781B (zh) | 2019-01-31 | 2019-01-31 | 基于绘画行为的产品推荐方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109886781B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113034523A (zh) * | 2021-04-23 | 2021-06-25 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、存储介质及计算机设备 |
CN113065922A (zh) * | 2021-04-13 | 2021-07-02 | 武汉市章瀚电子商务有限公司 | 基于移动互联网和大数据分析的电子商务购物平台商品智能匹配推荐方法 |
CN117436989A (zh) * | 2023-11-06 | 2024-01-23 | 海通证券股份有限公司 | 物品搭配推荐方法、装置、电子设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140006294A (ko) * | 2012-07-02 | 2014-01-16 | (주) 씨제이오쇼핑 | 가상피팅을 이용한 상품 추천 시스템 및 추천 방법 |
CN107609178A (zh) * | 2017-09-29 | 2018-01-19 | 维沃移动通信有限公司 | 一种资源显示方法及移动终端 |
CN107730343A (zh) * | 2017-09-15 | 2018-02-23 | 广州唯品会研究院有限公司 | 一种基于图片属性提取的用户商品信息推送方法及设备 |
CN108615253A (zh) * | 2018-04-12 | 2018-10-02 | 广东数相智能科技有限公司 | 图像生成方法、装置与计算机可读存储介质 |
CN108898643A (zh) * | 2018-06-15 | 2018-11-27 | 广东数相智能科技有限公司 | 图像生成方法、装置与计算机可读存储介质 |
-
2019
- 2019-01-31 CN CN201910098839.6A patent/CN109886781B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140006294A (ko) * | 2012-07-02 | 2014-01-16 | (주) 씨제이오쇼핑 | 가상피팅을 이용한 상품 추천 시스템 및 추천 방법 |
CN107730343A (zh) * | 2017-09-15 | 2018-02-23 | 广州唯品会研究院有限公司 | 一种基于图片属性提取的用户商品信息推送方法及设备 |
CN107609178A (zh) * | 2017-09-29 | 2018-01-19 | 维沃移动通信有限公司 | 一种资源显示方法及移动终端 |
CN108615253A (zh) * | 2018-04-12 | 2018-10-02 | 广东数相智能科技有限公司 | 图像生成方法、装置与计算机可读存储介质 |
CN108898643A (zh) * | 2018-06-15 | 2018-11-27 | 广东数相智能科技有限公司 | 图像生成方法、装置与计算机可读存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113065922A (zh) * | 2021-04-13 | 2021-07-02 | 武汉市章瀚电子商务有限公司 | 基于移动互联网和大数据分析的电子商务购物平台商品智能匹配推荐方法 |
CN113065922B (zh) * | 2021-04-13 | 2021-12-07 | 南京莫愁智慧信息科技有限公司 | 基于移动互联网和大数据分析的电子商务购物平台商品智能匹配推荐方法 |
CN113034523A (zh) * | 2021-04-23 | 2021-06-25 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、存储介质及计算机设备 |
CN117436989A (zh) * | 2023-11-06 | 2024-01-23 | 海通证券股份有限公司 | 物品搭配推荐方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109886781B (zh) | 2023-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109190044A (zh) | 个性化推荐方法、装置、服务器和介质 | |
US9665960B1 (en) | Image-based item location identification | |
CN110378731A (zh) | 获取用户画像的方法、装置、服务器及存储介质 | |
CN109886781A (zh) | 基于绘画行为的产品推荐方法、装置、设备及存储介质 | |
CN108960992A (zh) | 一种信息推荐方法以及相关设备 | |
CN106055710A (zh) | 基于视频的商品推荐方法及装置 | |
US20160180441A1 (en) | Item preview image generation | |
CN106575354A (zh) | 有形界面对象的虚拟化 | |
CN108509466A (zh) | 一种信息推荐方法和装置 | |
CN106959966A (zh) | 一种信息推荐方法及系统 | |
CN109242612A (zh) | 一种产品推荐的方法及设备 | |
CN104166662B (zh) | 在终端计算机上浏览书籍信息的方法及系统 | |
CN108090206A (zh) | 评论信息的排序方法及装置、电子设备 | |
JP2014215929A (ja) | 商品情報サーバ、ユーザ端末、商品情報提供方法、商品情報サーバ用プログラム | |
TW202141475A (zh) | 物品名稱確定方法、裝置、電腦設備及儲存媒體 | |
CN108876484A (zh) | 商品推荐方法及装置 | |
CN106844302A (zh) | 电子书页面显示方法、装置和终端设备 | |
CN114862516A (zh) | 文案推荐方法、存储介质及程序产品 | |
CN109739993A (zh) | 服饰知识图谱显示方法、装置、图服务器及存储介质 | |
CN110598094A (zh) | 基于矩阵补全的购物推荐方法、电子设备及存储介质 | |
US20210117987A1 (en) | Fraud estimation system, fraud estimation method and program | |
CN110084675A (zh) | 一种线上商品销售方法、网络终端和具有存储功能的装置 | |
CN106557489A (zh) | 一种基于移动终端的服饰搜索方法 | |
Ufer et al. | Large-scale interactive retrieval in art collections using multi-style feature aggregation | |
CN107194312A (zh) | 一种基于3d打印模型内容的模型推荐方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |