CN110334658B - 信息推荐方法、装置、设备和存储介质 - Google Patents
信息推荐方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN110334658B CN110334658B CN201910611826.4A CN201910611826A CN110334658B CN 110334658 B CN110334658 B CN 110334658B CN 201910611826 A CN201910611826 A CN 201910611826A CN 110334658 B CN110334658 B CN 110334658B
- Authority
- CN
- China
- Prior art keywords
- information
- target
- pedestrian
- image
- processed
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
- G06Q30/0271—Personalized advertisement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本申请提供了一种信息推荐方法、装置、设备和存储介质,所述方法包括:获取目标区域的待处理图像;对待处理图像进行目标检测,确定待处理图像中是否存在目标;若待处理图像中存在目标,则根据目标的属性信息,获取与目标的属性信息相关的推荐信息;控制目标区域对应的显示设备显示推荐信息。相比于相关技术中,显示的信息固定且单一,本申请实施例可以针对不同的目标显示与目标的属性信息相关的推荐信息,从而实现了信息的个性化推荐。
Description
技术领域
本申请实施例涉及信息处理技术领域,特别涉及一种信息推荐方法、装置、设备和存储介质。
背景技术
餐厅门口通常放置有广告牌,以宣传餐厅的特色,吸引顾客。因此,广告牌的设置影响着餐厅的顾客进店率。
在相关技术中,餐厅的广告牌包括图片广告牌和电子广告牌。图片广告牌是将菜品以图文海报的形式展示给顾客。电子广告牌是将菜品拍摄成电子图片,将电子图片通过LED(Light Emitting Diode,发光二极管)显示屏展示给顾客。
上述相关技术中,广告牌展示的信息固定且单一。
发明内容
本申请实施例提供了一种信息推荐方法、装置、设备和存储介质,可用于解决相关技术中,广告牌展示的信息固定且单一的问题。所述技术方案如下:
一方面,本申请实施例提供了一种信息推荐方法,所述方法包括:
获取目标区域的待处理图像,所述目标区域是存在行人经过的区域;
对所述待处理图像进行行人检测,确定所述待处理图像中是否存在行人;
若所述待处理图像中存在所述行人,则根据所述行人的属性信息,获取与所述行人的属性信息相关的推荐信息;
控制所述目标区域对应的显示设备显示所述推荐信息。
另一方面,本申请实施例提供了一种信息推荐装置,所述装置包括:
图像获取模块,用于获取目标区域的待处理图像,所述目标区域是存在行人经过的区域;
行人检测模块,用于对所述待处理图像进行行人检测,确定所述待处理图像中是否存在行人;
信息获取模块,用于当所述待处理图像中存在所述行人时,根据所述行人的属性信息,获取与所述行人的属性信息相关的推荐信息;
信息显示模块,用于控制所述目标区域对应的显示设备显示所述推荐信息。
另一方面,本申请实施例提供了一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述方面所述的信息推荐方法。
再一方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如上述方面所述的信息推荐方法。
还一方面,本申请实施例提供了一种计算机程序产品,所述计算机程序产品被处理器执行时,用于实现上述信息推荐方法。
本申请实施例提供的技术方案可以包括如下有益效果:
通过对待处理图像进行行人检测,确定待处理图像中是否存在行人;若检测到有行人存在,则根据行人的属性信息,获取并显示与行人的属性信息相关的推荐信息。相比于相关技术中,显示的信息固定且单一,本申请实施例可以针对不同的行人显示与行人的属性信息相关的推荐信息,从而实现了信息的个性化推荐。
附图说明
图1示例性示出了本申请一个应用场景的示意图;
图2是本申请一个实施例提供的信息推荐的流程图;
图3是示例性示出了一种行人检测方法的流程图;
图4示例性示出了过滤器的示意图;
图5示例性示出了一种行人检测结果的示意图;
图6示例性示出了一种行人检测模型架构的示意图;
图7示例性示出了一种推荐信息获取方法的流程图;
图8示例性示出了一种资源转移方法的流程图;
图9示例性示出了一种信息推荐方法的流程图;
图10示例性示出了另一种信息推荐方法的流程图;
图11是本申请一个实施例提供的信息推荐装置的框图;
图12是本申请另一个实施例提供的信息推荐装置的框图;
图13是本申请一个实施例提供的计算机设备的结构框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
请参考图1,其示例性示出了本申请实施例提供的一个应用场景的示意图。
A餐厅10前可以放置有AI(Artificial Intelligence,人工智能)推荐屏20,用于展示该A餐厅10的菜品,并展示给行人30。
上述AI推荐屏10中设置有图像采集装置,用于采集该AI推荐屏10所在的周围环境的图像。该图像采集装置可以是摄像头,还可以是其它能够采集图像的装置,本申请实施例对此不作限定。
另外,上述AI推荐屏中还可以设置有语音采集装置,用于采集该AI推荐屏所在的周围环境中行人的语音音频。该语音采集设备可以是麦克风,还可以是其它能够采集语音音频的装置,本申请实施例对此不作限定。
此外,上述AI推荐屏中还可以设置有显示装置,用于显示推荐的信息。该显示装置可以是LED显示装置,也可以是OLED(Organic Light-Emitting Diode,有机发光二极管)显示装置,或者是其它能够显示信息的装置,本申请实施例对此不作限定。
平常状态下,该AI推荐屏10处于省电模式,即处于暗屏状态。但上述图像采集装置仍然处于运行状态,以实时采集周围环境的图像。该AI推荐屏10可以检测该周围环境的图像中是否存在行人,若确定周围环境的图像中存在行人30,则该AI推荐屏10进入智能分析模式。在智能分析模式下,该AI推荐屏10可以根据行人30的属性信息40,如人脸图像和语音音频;进一步,根据上述行人30的属性信息40,对该行人30进行情绪状态分析;并根据该行人30的情绪状态50;进一步,获取该行人30的情绪状态对应的菜品信息60,如推荐信息1、推荐信息2和推荐信息3,并推荐和显示给行人30。
需要说明的是,上述应用场景仅是示例性说明,本申请实施例提供的技术方案并不局限于上述应用场景。
本申请实施例提供的方法,各步骤的执行主体可以是计算机设备,该计算机设备是指具备数据接收、处理、发送和存储能力的电子设备,如上文介绍的AI推荐屏。此时,计算机设备可以接收图像采集装置采集并发送的图像,也可以接收语音采集装置采集并发送的音频;然后对接收到的数据进行处理,并控制显示装置进行显示。
另外,上述计算机设备中还可以集成有上文介绍的图像采集装置、语音采集装置和显示装置。这种情况下,计算机设备可以独自完成图像采集、语音采集、数据处理和显示。本申请实施例对此不作限定。
下面,通过几个实施例对本申请技术方案进行介绍说明。
请参考图2,其示出了本申请一个实施例提供的信息推荐方法的流程图。在本实施例中,主要以该方法应用于计算机设备中来举例说明。该方法可以包括如下几个步骤:
步骤201,获取目标区域的待处理图像。
上述目标区域是存在行人经过的区域。计算机设备中设置有图像采集装置,可以对计算机设备所处周围环境(目标区域)进行拍摄,得到拍摄的图像,即上述待处理图像。上述待处理图像中可以包含行人,还可以包含如动物、建筑物等其它非行人。
可选地,上述目标区域的待处理图像也可以是独立于计算机设备的图像采集装置采集,并发送给计算机设备的;还可以是计算机设备自己采集的,本申请实施例对此不作限定。
步骤202,对待处理图像进行行人检测,确定待处理图像中是否存在行人。
在获取到上述待处理图像后,计算机设备可以对该待处理图像进行行人检测,以确定该待处理图像中是否存在行人。
可选地,计算机设备可以实时对对待处理图像进行行人检测,也可以周期性对对待处理图像进行行人检测,本申请实施例对此不作限定。
步骤203,若待处理图像中存在行人,则根据行人的属性信息,获取与行人的属性信息相关的推荐信息。
上述行人的属性信息可以包含行人的生物特征,如人脸图像和语音特征,还可以包含行人的语音的内容。通过行人的属性信息,可以确定该行人的某些特征,进一步可以获取与行人的属性信息相关的推荐信息。
可选地,上述推荐信息包括但不限于菜品信息、电影信息、物品信息等等。
步骤204,控制目标区域对应的显示设备显示推荐信息。
在获取到上述推荐信息之后,计算机设备可以显示该推荐信息,以便行人查看和使用。
可选地,该显示设备(也即上文介绍的显示装置),可以是集成在计算机设备中,也可以是独立与计算机设备,本申请实施例对此不作限定。
可选地,该推荐信息可以按序进行排列,如按从上往下的顺序进行排列,通过上下滑动可以选择不同的推荐信息。还可以按从左往右的顺序进行排列,通过左右滑动可以选择显示不同的推荐信息。本申请实施例对此不作限定。
综上所述,本申请实施例提供的技术方案,在获取目标区域的待处理图像后,通过对待处理图像进行行人检测,确定待处理图像中是否存在行人;若检测到有行人存在,则根据行人的属性信息,获取并显示与行人的属性信息相关的推荐信息。相比于相关技术中,显示的信息固定且单一,本申请实施例可以针对不同的行人显示与行人的属性信息相关的推荐信息,从而实现了信息的个性化推荐。
基于上述图2实施例提供的一个可选实施例,如图3所示,其示例性示出了一种行人检测方法的流程图。本实施例中,主要以该方法应用于计算机设备中来举例说明。该方法可以包括如下几个步骤:
步骤301,获取目标区域的待处理图像。
此步骤与图2实施例中步骤201的内容相同或类似,此处不再赘述。
步骤302,对待处理图像进行特征提取,得到待处理图像的特征图。
在获取到待处理图像之后,可以对待处理图像进行特征提取,以获知该待处理图像中的低维度特征,得到该待处理图像的特征图。可选地,上述特征可以是HOG(Histogramof Oriented Gradient,方向直方图)特征,也可以是LBP(Local Binary Pattern,局部二值模式)特征,还可以是Haar特征,还可以是SIFT(Scale Invariant Feature Transform,尺度不变特征变换)特征等等,本申请实施例对此不作限定。
可选地,在对上述待处理图像进行特征提取之前,还可以包括:对待处理图像进行预处理,得到预处理后的待处理图像。之后,可以直接对预处理后的待处理图像进行特征提取。
上述对待处理图像进行预处理的方法,包括但不限于以下任意一种,如灰度转换、直方图修正、图像平滑去噪。在其它实施例中,还可以采用其它方法对待处理图像进行预处理,本申请实施例对此不作限定。通过对待处理图像进行预处理,可以降低待处理图像中的干扰和噪声。
步骤303,通过n个过滤器分别对特征图中的n个部位进行下采样,得到n个部位图。
其中,第i个部位的部位图,用于指示第i个部位的形态特征,n为正整数,i为小于等于n的正整数。
上述过滤器用于检测特征图,以获取到更明确的部位的形态特征。可选地,上述n个过滤器可以分为三大类。第一类过滤器可以包括n1个过滤器,第二类过滤器可以包括n2个过滤器,第三类过滤器可以包括n3个过滤器。上述n1、n2和n3均为大于1的正整数,且n1+n2+n3=n。在行人检测的过程中,由于人体各个部位的大小不同,因此,本申请实施例中,各个过滤器的大小可以不同,本申请实施例对此不作限定。
上述第一类过滤器的n1个过滤器分别检测特征图内的n1个部位,得到n1个部位图;上述第二类过滤器的n2个过滤器分别检测特征图内的n2个部位,得到n2个部位图;上述第三类过滤器的n3个过滤器分别检测特征图内的n3个部位,得到n3个部位图。
步骤304,根据n个部位图以及各个部位图分别对应的形变特征图,生成n个部位得分。
其中,第i个部位的部位得分,用于指示第i个部位的是人体部位的概率。形变特征图用于指示部位的形态特征。该第i个部位的部位得分越高,表示该第i个部位的是人体部位的可能性越大。
通过过滤器能够检测出特征图中包含的行人的一些部位。考虑到实际情况中,由于行人是运动的,其各个部位会发生形变,如行人头部通常会有左转、右转、向下和向上四种变形,从而不利于行人检测。因此,还需要获取各个部位图分别对应的形变特征图,以确定人体部位的形变特征。
对于每一个部位图,可以结合该部位图对应的形变特征图,通过对部位表现出来的形态特征和形变特征进行处理,生成各个部位得分。
示例性地,将形变特征图乘以相对应的权值,再加上这个部位图的混合特征图,对于混合特征图,通过最大限度化函数求得混合特征图中的最大元素值,即该部位图的部位得分,进一步得到n个部位得分。
步骤305,根据n个部位得分生成n个部位可视度。
将各个部位图所对应的部位看作是待处理图像的可视部位,除了这个部位以外的则被认为是遮挡部位。
根据n个部位得分,结合每个部位得分对应的偏置和权重,生成n个部位的可视度。其中,第i个部位的部位可视度,用于指示第i个部位的遮挡情况。
在本申请实施例中,同一类过滤器得到的部位图的可视度相互关联,第一类过滤器与第二类过滤器得到的部位图的可视度相互关联,第二类过滤器与第一类过滤器得到的部位图的可视度相互关联。
示例性地,结合参考图4,假设第一类过滤器有6个过滤器,第二类过滤器有7个过滤器,第三类过滤器有7个过滤器,共有20个过滤器。每一类过滤器之间是互相联系的,第一类过滤器较小,第二类过滤器大于第一类过滤器,第三类过滤器大于第一类过滤器;第二类过滤器可由第一类过滤器按照一定的规则组合而成,第三类过滤器可以由第二类过滤器按照一定的规则组合而成。
对应地,每一类过滤器50得到的部位图的可视度相互关联的。第一类过滤器得到的部位图中部位图11和部位图12,经过组合可以得到第二类过滤器得到的部位图中的部位图21,即部位图11和部位图12的可视度较高时会导致能够被它们组合出来的部位图7的可视度也比较高。
步骤306,根据n个部位可视度,确定待处理图像中是否存在行人。
对于行人,n个部位图可以表示为n行人遮挡图像,利用n个部位可视度实行拟合,从而实现准确判定行人的需求,确定待处理图像中是否存在行人。示例性地,如图5所示,其示例性示出了一种行人检测结果的示意图。
需要说明的一点是,对待处理图像进行行人检测由基于卷积神经网络构建的行人检测模型来完成,即上述步骤302至306可以由基于卷积神经网络构建的行人检测模型来执行。
结合参考图6,其示例性示出了一种行人检测模型架构的示意图。该行人检测模型(JointDeep模型)600包括特征提取层61、部位检测层62、形变处理层63、遮挡处理层64和分类器65。
其中,特征提取层61,用于对待处理图像进行特征提取,得到待处理图像的特征图。部位检测层62,用于通过n个过滤器分别对特征图中的n个部位进行下采样,得到n个部位图。形变处理层63,用于根据n个部位图以及各个部位图分别对应的形变特征图,生成n个部位得分。遮挡处理层64,用于根据n个部位得分图生成n个部位可视度。分类器65,用于根据n个部位可视度,确定待处理图像中是否存在行人。
可选地,考虑到人体每个部位的尺寸不相同,上述n个过滤器可以具有不同大小的卷积核,尺寸较小卷积核针对比较小的部位,尺寸中等的卷积核针对中等大小的部位,尺寸较大卷积核针对比较大的部位。
可选地,上述分类器65可以是SVM(Support Vector Machine,支持向量机)分类器,也可以是Adaboost分类器,还可以是决策树分类器等等,本申请实施例对此不作限定。
综上所述,本实施例提供的技术方案,通过基于卷积神经网络构建的行人检测模型来对待处理图像进行行人检测,提高了检测的精度和检测效率。
在上述行人检测之后,若检测到待处理图像中存在行人,则可以显示推荐信息,以向行人进行推荐。如图7所示,其示例性示出了一种推荐信息获取方法的流程图。本实施例中,主要以该方法应用于计算机设备中来举例说明。该方法可以包括如下几个步骤:
步骤701,获取行人的属性信息。
上述行人的属性信息可以包含行人的生物特征,如人脸图像和语音特征,还可以包含行人的语音的内容。通过行人的属性信息,可以确定该行人的某些特征,进一步可以获取与行人的属性信息相关的推荐信息。
步骤702,根据行人的属性信息,确定行人的情绪状态。
在获取到行人的属性信息之后,进一步可以根据该属性信息,确定行人的情绪状态。上述情绪状态包括但不限于以下任意一种:开心、难过、忧郁、烦躁等等
对于上述根据行人的属性信息,确定行人的情绪状态,基于属性信息所包含内容的不同,本申请实施例中,提供了以下两种可能的实现方式,下面对此进行介绍说明。
在第一种可能的实现方式中,上述行人的属性信息包括行人的人脸图像。该人脸图像即行人的面部图像。
在这种情况下,上述根据行人的属性信息,确定行人的情绪状态,可以包括以下两个子步骤:
(1)调用人脸识别模型提取行人的人脸图像对应的表情特征。
计算机设备通过图像采集装置可以采集行人的人脸图像,之后,可以对该人脸图像进行人脸识别。
计算机设备可以调用人脸识别模型,该人脸识别模型可以识别该人脸图像中的人脸,进而提取行人的人脸图像对应的表情特征。该人脸识别模型可以根据历史人脸图像和人脸图像对应的历史表情使用随机森林算法进行训练得到。可选地,该人脸识别模型可以是基于卷积神经网络构建的。
上述表情特征用于反映人脸图像中脸部的特征。该表情特征可以包括:上脸部特征、下脸部特征、嘴部特征和其它特征等。通过上述表情特征可以描述人脸上表情。如人脸上表情可以包括高兴表情、生气表情、恐惧表情、伤心表情等等,本申请实施例对此不作限定。
(2)根据表情特征,确定行人的情绪状态。
每一种表情都有与该表情对应的情绪状态。因此,在提取到行人的人脸图像对应的表情特征后,可以确定该表情特征所描述的人脸上的表情,进一步可以确定行人的情绪状态。
例如,当表情特征描述的人脸上的表情是高兴表情时,表示行人的情绪状态是开心状态。又例如,当表情特征描述的人脸上的表情是赏伤心表情时,表示行人的情绪状态是难过状态。
可选地,计算机设备可以调用情绪识别模型,将表情特征输入至情绪识别模型中,通过该情绪识别模型确定行人的情绪状态。该情绪识别模型可以是CHMM(ContinuousHidden Markov Model,连续隐马尔可夫模型),也可以是HMM(Hidden Markov Model,隐马尔可夫模型),还可以是GMN(Gaussian mixture model,高斯混合模型)等等,本申请实施例对此不作限定。
在第二种可能的实现方式中,上述行人的属性信息包括行人的语音音频。
在这种情况下,上述根据行人的属性信息,确定行人的情绪状态,可以包括以下两个子步骤:
(1)调用语音识别模型提取语音音频对应的文本信息和/或语音特征。
语音识别模型对采集的语音音频进行识别,以提取该语音音频对应的文本信息和/或语音特征。上述语音音频对应的文本信息即语音音频中所包含的台词。上述语音特征可以包括语音的发音速率、发音能量、基音周期、基音频率等等。
可选地,该语音识别模型可以是LSTM(Long Short Term Memory,长短期记忆网络)模型,也可以是HMM模型,还可以是GMN模型等等,本申请实施例对此不作限定。
对于上述语音音频对应的文本信息,语音识别模型可以识别该语音音频的内容,并将该内容转换为对应的文本信息。
对于上述语音特征,语音识别模型可以从语音波形中提取反映语音特征的相关信息,例如,语音识别模型可以是根据人听觉系统的心理学模型提取语音特征的相关信息,也可根据人声道原理来提取语音特征的相关信息;计算机设备将语音音频输入至语音识别模型之后,得到语音音频对应的语音特征。
在申请本实施例中,通过语音识别模型对行人的语音音频进行识别,得到语音音频对应的文本信息和/或语音特征,以根据文本信息和语音特征确定行人的情绪状态。
(2)根据文本信息和/或语音特征,确定行人的情绪状态。
在一种可能的实施方式中,计算机设备可以对文本信息进行分词处理,得到文本信息对应的分词集合;然后,获取分词集合中反映用户情绪状态的特征词;进一步根据该特征词确定与该特征词相匹配的情绪标签,从而确定行人的情绪状态。
示例性地,文本信息为“哭了好久”,计算机设备将“哭”作为反映用户情绪状态的特征词;进一步确定与该特征词相匹配的情绪标签为“难过”,从而确定行人的情绪状态为难过。
在另一种可能的实施方式中,计算机设备可以获取该语音特征的相关信息,如发音速率、发音能量、基音周期、基音频率等等,进一步可结合该相关信息确定行人的情绪状态。
示例性地,当语音特征显示的发音速率为低沉缓慢时,表示行人的情绪状态为悲伤状态或者失落状态。当语音特征显示的发音能量(如幅值)较大时,表示行人的情绪状态为高兴状态或惊讶状态。
可选地,计算机设备可以调用情绪识别模型,将文本信息和/或语音特征输入至情绪识别模型中,通过该情绪识别模型确定行人的情绪状态。
需要说明的一点是,上述两种根据行人的属性信息,确定行人的情绪状态可能的实现方式可以单独实现,也可以组合实现,本申请实施例对此不作限定。当组合实现时,通过行人的人脸图像和语音音频共同确定行人的情绪状态,确定的结果更加准确。
步骤703,获取与行人的情绪状态对应的推荐信息。
计算机设备可以获取与行人的情绪状态对应的推荐信息,以实现个性化的信息推荐。
在一种可能的实施方式中,根据推荐信息中所包含的不同类别的信息,上述获取与行人的情绪状态对应的推荐信息,可以包括以下几种情况:
(1)若推荐信息包括菜品信息,则确定与行人的情绪状态相匹配的目标食品,获取包含目标食品的菜品信息。
不同的食品对于情绪状态具有不同的影响。食品中包含一些成分可以改变人力血液中某些神经递质的浓度水平,该神经递质是一些可以携带一定身体信息的化学“信使”,用于在神经细胞之间传递诸如焦虑、开心、轻松、忧郁等各种情绪状态的信息。例如,甜品可以缓解抑郁的情绪状态;蔬菜可以缓解愤怒的情绪状态;绿茶可以缓解焦虑的情绪状态等等。
计算机设备可以确定与行人的情绪状态相匹配的目标食品,然后获取包含目标食品的菜品信息作为推荐信息。例如,当行人的情绪状态是抑郁时,与行人的情绪状态相匹配的目标食品可以蛋糕,则可以获取包含蛋糕的菜品信息。又例如,当行人的情绪状态是愤怒时,与行人的情绪状态相匹配的目标食品可以是青菜,则可以获取包含青菜的菜品信息。
(2)若推荐信息包括电影信息,则确定与行人的情绪状态相匹配的目标电影类型,获取属于目标电影类型的电影信息。
电影类型可以包括喜剧电影、科幻电影、爱情电影等等。不同类型的电影对于情绪状态具有不同的影响。
计算机设备可以确定与行人的情绪状态相匹配的目标电影类型,获取属于目标电影类型的电影信息。例如,当行人的情绪状态是抑郁时,与行人的情绪状态相匹配的目标电影类型可以喜剧电影,则可以获取属于喜剧电影的电影信息,如《猫和老鼠》。又例如,当行人的情绪状态是激动时,与行人的情绪状态相匹配的目标电影类型可以是科幻电影,则可以获取属于科幻电影的电影信息,如《复仇者》。
(3)若推荐信息包括物品信息,则确定与行人的情绪状态相匹配的目标物品语义,获取包含目标物品语义的物品信息。
示例性地,以物品为艺术品,如绘画作品,不同的绘画作品具有不同的语义,如描绘向日葵的绘画作品表示积极向上,描绘笑容的绘画作品表示开心,描绘湖面的绘画作品标识平静。
计算机设备可以确定与行人的情绪状态相匹配的目标物品语义,然后获取包含目标物品语义的物品信息作为推荐信息。例如,当行人的情绪状态是抑郁时,与行人的情绪状态相匹配的目标物品语义可以是积极向上,则可以获取具有积极向上的绘画作品,例如描绘了向上的向日葵的绘画作品。又例如,当行人的情绪状态是愤怒时,与行人的情绪状态相匹配的目标物品语义可以是平静沉稳,则可以获取具有平静沉稳的绘画作品,例如描绘了蓝色大海的绘画作品。
在另一种可能的实施方式中,当行人的情绪状态包括k种候选情绪状态时,根据k种候选情绪状态分别对应的概率值,获取与k种候选情绪状态分别对应的推荐信息。其中,候选情绪状态对应的推荐信息的数量,与候选情绪状态对应的概率值呈正相关关系,k为大于1的整数。
当可以确定行人的多种情绪状态,即k种候选情绪状态时,可以根据每一种情绪状态对应的概率值,进行推荐。其中,某一种候选情绪状态的概率值用于表示行人的情绪状态是该种候选情绪状态的可能性。另外,候选情绪状态对应的推荐信息的数量,与候选情绪状态对应的概率值呈正相关关系。
示例性地,行人的情绪状态包括3种候选情绪状态,如开心、平静、忧郁;其中,开心对应的概率值为60%,平静对应的概率值为30%,忧郁对应的概率值为10%;且开心对应的推荐信息的数量为6,平静对应的推荐信息的数量为3,忧郁对应的推荐信息的数量为1。此时,计算机设备可以按照上述3中候选情绪状态的推荐信息数量的比例,进行推荐,如推荐6条开心对应的推荐信息,推荐3条平静对应的推荐信息,推荐1条忧郁对应的推荐信息。
此外,需要说明的一点是,上述两种可能的实施方式,可以单独实现,也可以组合实现。例如,当推荐信息包括菜品信息时,根据多个候选情绪,按比例的推荐多个候选情绪对应的菜品信息。
需要说明的一点是,当检测到待处理图像中包括多个行人时,针对每个行人可以获取该行人的情绪状态对应的推荐信息。
步骤704,控制目标区域对应的显示设备显示推荐信息。
在获取到与行人的情绪状态对应的推荐信息后,计算机设备可以显示该推荐信息。
可选地,该推荐信息可以按序进行排列,如按从上往下的顺序进行排列,通过上下滑动可以选择不同的推荐信息。还可以按从左往右的顺序进行排列,通过左右滑动可以选择显示不同的推荐信息。
综上所述,本实施例中提供了获取推荐信息的多种可能实现方式,更具灵活性和多样性。
在示例性实施例中,在上述控制目标区域对应的显示设备显示推荐信息之后,如图8所示,还可以执行下述步骤801-803:
步骤801在获取到对应于推荐信息中的目标信息的选择信号之后,显示目标信息对应的资源待转移账单。
上述资源可以是货币、积分、礼金券、兑换券、优惠券等等,本申请实施例对此不作限定。
行人可以选择推荐信息中的至少一条推荐信息作为目标信息,对应地,计算机设备可以获取到对应于推荐信息中的目标信息的选择信号。之后,计算机设备可以显示该目标信息对应的资源待转移账单。该资源待转移中包含有目标信息对应的资源数量。该行人可以是待处理图像中的任意一个行人。
步骤802,根据行人的人脸图像确定行人的资源帐号。
在显示资源待转移账单后,计算机设备可以进一步根据行人的人脸图像确定行人的资源帐号。
可选地,计算机设备可以从行人的人脸图像中提取人脸标识,通过该人脸标识确定行人的资源帐号。
步骤803,根据行人的资源帐号执行与资源待转移账单相关的资源转移流程。
在获取到行人的资源帐号后,可以根据该行人的资源帐号,进一步通过资源转移系统执行与资源待转移账单相关的资源转移流程,以为目标信息付出相应的资源。
例如,上述资源可以是货币,上述目标信息包括菜品信息。计算机设备在获取到对应于菜品信息中的目标菜品信息的选择信号之后,显示目标菜品信息对应的待支付账单;然后计算机设备可以基于人脸图像提取人脸标识,通过该人脸标识确定行人的支付帐号;进一步,根据行人的支付帐号执行与待支付账单相关的支付流程,以为目标菜品信息进行付费。
综上所述,本实施例提供的方案,通过在显示推荐信息,并获取到对应于推荐信息中的目标信息的选择信号之后,显示目标信息对应的资源待转移账单;并根据行人的人脸图像确定行人的资源帐号,进一步执行资源转移流程。从而无需用户手动操作,即可完成资源转移流程,为目标信息付出相应数量的资源,提高了操作效率。
结合参考图9,其示例性示出了一种信息推荐方法的流程图。本实施例中,主要以该方法应用于计算机设备中来举例说明。该方法可以包括如下几个步骤:
步骤901,获取目标区域的待处理图像。
步骤902,对待处理图像进行特征提取,得到待处理图像的特征图。
步骤903,通过n个过滤器分别对特征图中的n个部位进行下采样,得到n个部位图。
步骤904,根据n个部位图以及各个部位图分别对应的形变特征图,生成n个部位得分。
步骤905,根据n个部位得分生成n个部位可视度。
步骤906,根据n个部位可视度,确定待处理图像中是否存在行人。
步骤907,获取行人的属性信息。
步骤908,根据行人的属性信息,确定行人的情绪状态。
步骤909,获取与行人的情绪状态对应的推荐信息。
步骤910,控制目标区域对应的显示设备显示推荐信息。
步骤911,在获取到对应于推荐信息中的目标信息的选择信号之后,显示目标信息对应的资源待转移账单。
步骤912,根据行人的人脸图像确定行人的资源帐号。
步骤913,根据行人的资源帐号执行与资源待转移账单相关的资源转移流程。
综上所述,本申请实施例提供的技术方案,根据行人的属性信息,如人脸图像和语音音频,确定行人的情绪状态;并根据行人的情绪状态,获取并显示与行人的情绪状态对应的推荐信息。从而,实现了信息的个性化推荐。
另外,本申请实施例提供的技术方案,具有各种智能分析功能,如人脸识别、语音识别、情绪识别等,使得信息推荐更加准确。
结合参考图10,其示例性示出了另一种信息推荐方法的流程图。本实施例中,主要以该方法应用于计算机设备,如上文介绍AI推荐屏中来举例说明。
在平常状态下,该AI推荐屏处于省电模式,但该AI推荐屏中的图像采集装置仍然处于运行状态,可以实时采集周围环境的图像。进而,该AI推荐屏可以对该周围环境的图像进行行人检测,以检测是否存在行人;若确定周围环境的图像中存在行人,则该AI推荐屏进入智能分析模式。在智能分析模式下,一方面,该AI推荐屏可以获取行人的人脸图像,并采用CNN模型对该人脸图像进行人脸检测;进一步,基于该人脸检测的结果采用CNN模型进行表情识别,以进行情绪状态分析。另一方面,该AI推荐屏还可以获取行人的语音音频,并采用LSTM模型对该语音音频进行语音识别;进一步,基于该语音识别的结果采用CHMM模型进行情绪状态分析。在获取到上述基于表情识别得到的情绪状态和/或基于语音识别得到的情绪状态后,可以采用推荐算法获取到与行人情绪状态相对应的推荐信息,并推荐和显示给行人。另外,该AI推荐屏还可以基于人脸检测,从人脸图像中提取到人脸标识(Face_code),进一步通过该人脸标识确定行人的支付帐号,进一步,根据行人的支付帐号执行与待支付账单相关的支付流程,以为推荐信息进行付费。
下述为本申请装置实施例,可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节,请参照本申请方法实施例。
请参考图11,其示出了本申请一个实施例提供的信息推荐装置的框图。该装置具有实现上述方法示例的功能,所述功能可以由硬件实现,也可以由硬件执行相应的软件实现。该装置可以是上文介绍的计算机设备,也可以设置在计算机设备上。该装置1100可以包括:图像获取模块1110、行人检测模块1120、信息获取模块1130和信息显示模块1140。
图像获取模块1110,用于获取目标区域的待处理图像。
行人检测模块1120,用于对所述待处理图像进行行人检测,确定所述待处理图像中是否存在行人。
信息获取模块1130,用于当所述待处理图像中存在所述行人时,根据所述行人的属性信息,获取与所述行人的属性信息相关的推荐信息。
信息显示模块1140,用于控制所述目标区域对应的显示设备显示所述推荐信息。
综上所述,本申请实施例提供的技术方案,通过对待处理图像进行行人检测,确定待处理图像中是否存在行人;若检测到有行人存在,则根据行人的属性信息,获取并显示与行人的属性信息相关的推荐信息。相比于相关技术中,显示的信息固定且单一,本申请实施例可以针对不同的行人显示与行人的属性信息相关的推荐信息,从而实现了信息的个性化推荐。
在一些可能的设计中,如图12所示,所述信息获取模块1130,包括:属性信息获取单元1131、情绪状态确定单元1132和推荐信息获取单元1133。
属性信息获取单元1131,用于获取所述行人的属性信息。
情绪状态确定单元1132,用于根据所述行人的属性信息,确定所述行人的情绪状态。
推荐信息获取单元1133,用于获取与所述行人的情绪状态对应的所述推荐信息。
在一些可能的设计中,所述情绪状态确定单元1132,用于当所述行人的属性信息包括所述行人的人脸图像时,调用人脸识别模型提取所述行人的人脸图像对应的表情特征;根据所述表情特征,确定所述行人的情绪状态;或者,所述情绪状态确定单元1132,用于当所述行人的属性信息包括所述行人的语音音频时,调用语音识别模型提取所述语音音频对应的文本信息和/或语音特征;根据所述文本信息和/或所述语音特征,确定所述行人的情绪状态。
在一些可能的设计中,所述推荐信息获取单元1133,用于当所述推荐信息包括菜品信息时,确定与所述行人的情绪状态相匹配的目标食品,获取包含所述目标食品的菜品信息;或者,当所述推荐信息包括电影信息时,确定与所述行人的情绪状态相匹配的目标电影类型,获取属于所述目标电影类型的电影信息;或者,当所述推荐信息包括物品信息时,确定与所述行人的情绪状态相匹配的目标物品语义,获取包含所述目标物品语义的物品信息。
在一些可能的设计中,推荐信息获取单元1133,用于当所述行人的情绪状态包括k种候选情绪状态时,根据所述k种候选情绪状态分别对应的概率值,获取与所述k种候选情绪状态分别对应的推荐信息;其中,所述候选情绪状态对应的推荐信息的数量,与所述候选情绪状态对应的概率值呈正相关关系,所述k为大于1的整数。
在一些可能的设计中,所述行人检测模块1120,用于对所述待处理图像进行特征提取,得到所述待处理图像的特征图;通过n个过滤器分别对所述特征图中的n个部位进行下采样,得到n个部位图;其中,第i个部位的部位图,用于指示所述第i个部位的形态特征,所述n为正整数,所述i为小于等于n的正整数;根据所述n个部位图以及各个所述部位图分别对应的形变特征图,生成n个部位得分;其中,所述第i个部位的部位得分,用于指示所述第i个部位的是人体部位的概率;根据所述n个部位得分图生成n个部位可视度;其中,所述第i个部位的部位可视度,用于指示所述第i个部位的遮挡情况;根据所述n个部位可视度,确定所述待处理图像中是否存在所述行人。
在一些可能的设计中,如图12所示,所述装置1100还包括:账单显示模块1150、帐号确定模块1160和资源转移模块1170。
账单显示模块1150,用于在获取到对应于所述推荐信息中的目标信息的选择信号之后,显示所述目标信息对应的资源待转移账单。
帐号确定模块1160,用于根据所述行人的人脸图像确定所述行人的资源帐号。
资源转移模块1170,用于根据所述行人的资源帐号执行与所述资源待转移账单相关的资源转移流程。
需要说明的是,上述实施例提供的装置,在实现其功能时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的装置与方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
请参考图13,其示出了本申请一个实施例提供的计算机设备的结构框图。通常,计算机设备1300包括有:处理器1301和存储器1302。
处理器1301可以包括一个或多个处理核心,比如4核心处理器、13核心处理器等。处理器1301可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(FieldProgrammable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器1301也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。一些实施例中,处理器1301还可以包括AI处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器1302可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器1302还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在示例性实施例中,还提供了一种计算机设备。所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述信息推荐方法。
在一些实施例中,计算机设备1300还可选包括有:外围设备接口1303。处理器1301、存储器1302和外围设备接口1303之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口1303相连。在一些其它实施例中,计算机设备1300还可选包括有其它一些外围设备,本申请实施例对此不作限定。
本领域技术人员可以理解,图13中示出的结构并不构成对计算机设备1300的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
在示例性实施例中,还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或所述指令集在被处理器执行时实现上述信息推荐方法。上述计算机可读存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机可读存储介质包括RAM、ROM、EPROM、EEPROM、闪存或其他固态存储其技术,CD-ROM、DVD或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然,本领域技术人员可知所述计算机可读存储介质不局限于上述几种。
在示例性实施例中,还提供了一种计算机程序产品,当该计算机程序产品被处理器执行时,其用于实现上述信息推荐方法。
应当理解的是,在本文中提及的“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
以上所述仅为本申请的示例性实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (8)
1.一种信息推荐方法,其特征在于,所述方法包括:
获取目标区域的待处理图像,所述目标区域是存在目标经过的区域;
对所述待处理图像进行目标检测,确定所述待处理图像中是否存在目标;
若所述待处理图像中存在所述目标,获取所述目标的属性信息;
根据所述目标的属性信息,确定所述目标的情绪状态;
当所述目标的情绪状态包括k种候选情绪状态时,根据所述k种候选情绪状态分别对应的概率值,获取与所述k种候选情绪状态分别对应的推荐信息;
控制所述目标区域对应的显示设备显示所述推荐信息;
其中,所述候选情绪状态对应的推荐信息的数量,与所述候选情绪状态对应的概率值呈正相关关系,所述目标包括行人,所述k为大于1的整数。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标的属性信息,确定所述目标的情绪状态,包括:
当所述行人的属性信息包括所述行人的人脸图像时,调用人脸识别模型提取所述行人的人脸图像对应的表情特征;根据所述表情特征,确定所述行人的情绪状态;
或者,
当所述行人的属性信息包括所述行人的语音音频时,调用语音识别模型提取所述语音音频对应的文本信息和/或语音特征;根据所述文本信息和/或所述语音特征,确定所述行人的情绪状态。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若所述推荐信息包括菜品信息,则确定与所述行人的情绪状态相匹配的目标食品,获取包含所述目标食品的菜品信息;
或者,
若所述推荐信息包括电影信息,则确定与所述行人的情绪状态相匹配的目标电影类型,获取属于所述目标电影类型的电影信息;
或者,
若所述推荐信息包括物品信息,则确定与所述行人的情绪状态相匹配的目标物品语义,获取包含所述目标物品语义的物品信息。
4.根据权利要求1所述的方法,其特征在于,所述对所述待处理图像进行目标检测,确定所述待处理图像中是否存在目标,包括:
对所述待处理图像进行特征提取,得到所述待处理图像的特征图;
通过n个过滤器分别对所述特征图中的n个部位进行下采样,得到n个部位图;其中,第i个部位的部位图,用于指示所述第i个部位的形态特征,所述n为正整数,所述i为小于等于n的正整数;
根据所述n个部位图以及各个所述部位图分别对应的形变特征图,生成n个部位得分;其中,所述第i个部位的部位得分,用于指示所述第i个部位的是人体部位的概率;
根据所述n个部位得分图生成n个部位可视度;其中,所述第i个部位的部位可视度,用于指示所述第i个部位的遮挡情况;
根据所述n个部位可视度,确定所述待处理图像中是否存在所述行人。
5.根据权利要求1至4任一项所述的方法,其特征在于,所述控制所述目标区域对应的显示设备显示所述推荐信息之后,还包括:
在获取到对应于所述推荐信息中的目标信息的选择信号之后,显示所述目标信息对应的资源待转移账单;
根据所述人脸图像确定所述行人的资源帐号;
根据所述行人的资源帐号执行与所述资源待转移账单相关的资源转移流程。
6.一种信息推荐装置,其特征在于,所述装置包括:
图像获取模块,用于获取目标区域的待处理图像,所述目标区域是存在目标经过的区域;
目标检测模块,用于对所述待处理图像进行目标检测,确定所述待处理图像中是否存在目标;
信息获取模块,用于当所述待处理图像中存在所述目标时,获取所述目标的属性信息;
根据所述目标的属性信息,确定所述目标的情绪状态;
当所述目标的情绪状态包括k种候选情绪状态时,根据所述k种候选情绪状态分别对应的概率值,获取与所述k种候选情绪状态分别对应的推荐信息;
信息显示模块,用于控制所述目标区域对应的显示设备显示所述推荐信息;
其中,所述候选情绪状态对应的推荐信息的数量,与所述候选情绪状态对应的概率值呈正相关关系,所述目标包括行人,所述k为大于1的整数。
7.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至5任一项所述的方法。
8.一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中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1至5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910611826.4A CN110334658B (zh) | 2019-07-08 | 2019-07-08 | 信息推荐方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910611826.4A CN110334658B (zh) | 2019-07-08 | 2019-07-08 | 信息推荐方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110334658A CN110334658A (zh) | 2019-10-15 |
CN110334658B true CN110334658B (zh) | 2023-08-25 |
Family
ID=68144754
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910611826.4A Active CN110334658B (zh) | 2019-07-08 | 2019-07-08 | 信息推荐方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110334658B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111161035B (zh) * | 2019-12-31 | 2022-09-16 | 北京三快在线科技有限公司 | 菜品推荐方法、装置、服务器、电子设备及存储介质 |
CN113762989B (zh) * | 2020-06-01 | 2023-07-21 | 富泰华工业(深圳)有限公司 | 基于人流量的信息推送方法、装置、电子设备及存储介质 |
CN113407583A (zh) * | 2021-06-24 | 2021-09-17 | 山东浪潮科学研究院有限公司 | 一种基于AIot和TinyML技术进行情绪分析和食品推荐的方法 |
CN115375001A (zh) * | 2022-07-11 | 2022-11-22 | 重庆旅游云信息科技有限公司 | 一种用于景区的游客情绪评估方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5774591A (en) * | 1995-12-15 | 1998-06-30 | Xerox Corporation | Apparatus and method for recognizing facial expressions and facial gestures in a sequence of images |
KR20160146273A (ko) * | 2015-06-12 | 2016-12-21 | 강산 | 지능형 매칭 커머스 제공 시스템 및 방법 |
CN106294489A (zh) * | 2015-06-08 | 2017-01-04 | 北京三星通信技术研究有限公司 | 内容推荐方法、装置及系统 |
WO2017185630A1 (zh) * | 2016-04-27 | 2017-11-02 | 乐视控股(北京)有限公司 | 基于情绪识别的信息推荐方法、装置和电子设备 |
CN108154398A (zh) * | 2017-12-27 | 2018-06-12 | 广东欧珀移动通信有限公司 | 信息显示方法、装置、终端及存储介质 |
WO2019080637A1 (zh) * | 2017-10-27 | 2019-05-02 | 上海掌门科技有限公司 | 好友推荐方法及设备 |
CN109858960A (zh) * | 2019-01-21 | 2019-06-07 | 平安科技(深圳)有限公司 | 商品推送方法、装置、用户信息管理服务器及存储介质 |
CN109885713A (zh) * | 2019-01-03 | 2019-06-14 | 刘伯涵 | 基于语音情绪识别的表情图像推荐方法以及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8489606B2 (en) * | 2010-08-31 | 2013-07-16 | Electronics And Telecommunications Research Institute | Music search apparatus and method using emotion model |
KR102012676B1 (ko) * | 2016-10-19 | 2019-08-21 | 삼성에스디에스 주식회사 | 콘텐츠 추천 방법, 장치 및 시스템 |
-
2019
- 2019-07-08 CN CN201910611826.4A patent/CN110334658B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5774591A (en) * | 1995-12-15 | 1998-06-30 | Xerox Corporation | Apparatus and method for recognizing facial expressions and facial gestures in a sequence of images |
CN106294489A (zh) * | 2015-06-08 | 2017-01-04 | 北京三星通信技术研究有限公司 | 内容推荐方法、装置及系统 |
KR20160146273A (ko) * | 2015-06-12 | 2016-12-21 | 강산 | 지능형 매칭 커머스 제공 시스템 및 방법 |
WO2017185630A1 (zh) * | 2016-04-27 | 2017-11-02 | 乐视控股(北京)有限公司 | 基于情绪识别的信息推荐方法、装置和电子设备 |
WO2019080637A1 (zh) * | 2017-10-27 | 2019-05-02 | 上海掌门科技有限公司 | 好友推荐方法及设备 |
CN108154398A (zh) * | 2017-12-27 | 2018-06-12 | 广东欧珀移动通信有限公司 | 信息显示方法、装置、终端及存储介质 |
CN109885713A (zh) * | 2019-01-03 | 2019-06-14 | 刘伯涵 | 基于语音情绪识别的表情图像推荐方法以及装置 |
CN109858960A (zh) * | 2019-01-21 | 2019-06-07 | 平安科技(深圳)有限公司 | 商品推送方法、装置、用户信息管理服务器及存储介质 |
Non-Patent Citations (1)
Title |
---|
基于情境感知的餐饮O2O推荐系统研究;唐东平;吴邵宇;;计算机技术与发展(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110334658A (zh) | 2019-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110334658B (zh) | 信息推荐方法、装置、设备和存储介质 | |
Cornia et al. | A deep multi-level network for saliency prediction | |
US11393133B2 (en) | Emoji manipulation using machine learning | |
RU2743931C1 (ru) | Система и способ обработки изображений с использованием глубинных нейронных сетей | |
AU2020319589B2 (en) | Region proposal networks for automated bounding box detection and text segmentation | |
Kruthiventi et al. | Deepfix: A fully convolutional neural network for predicting human eye fixations | |
US10666784B2 (en) | Intuitive computing methods and systems | |
CN110689036B (zh) | 用于自动染色体分类的方法和系统 | |
Rajan et al. | Novel deep learning model for facial expression recognition based on maximum boosted CNN and LSTM | |
US20170098122A1 (en) | Analysis of image content with associated manipulation of expression presentation | |
JP6011938B2 (ja) | センサベースのモバイル検索、関連方法及びシステム | |
KR101832693B1 (ko) | 직관적 컴퓨팅 방법들 및 시스템들 | |
US20110161076A1 (en) | Intuitive Computing Methods and Systems | |
CA3129608C (en) | Region proposal networks for automated bounding box detection and text segmentation | |
Liao et al. | Knowledge-aware multimodal fashion chatbot | |
Ahadit et al. | A novel multi-feature fusion deep neural network using HOG and VGG-Face for facial expression classification | |
Rodrigues et al. | Classification of facial expressions under partial occlusion for VR games | |
Blanchard et al. | Extraction of visual information to predict crowdfunding success | |
CN109344289B (zh) | 用于生成信息的方法和装置 | |
ViswanathReddy et al. | Facial emotions over static facial images using deep learning techniques with hysterical interpretation | |
Najah et al. | Emotion estimation from facial images | |
US11699256B1 (en) | Apparatus for generating an augmented reality | |
Abbas et al. | The impact of image resolution on facial expression analysis with cnns | |
Lakshmi et al. | Adaptive convolution neural networks for facial emotion recognition | |
Frimpong | Emotion recognition using image processing |
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 |