CN110969053B - 一种彩民分类的方法、装置及彩票机器人 - Google Patents
一种彩民分类的方法、装置及彩票机器人 Download PDFInfo
- Publication number
- CN110969053B CN110969053B CN201811148722.6A CN201811148722A CN110969053B CN 110969053 B CN110969053 B CN 110969053B CN 201811148722 A CN201811148722 A CN 201811148722A CN 110969053 B CN110969053 B CN 110969053B
- Authority
- CN
- China
- Prior art keywords
- player
- analysis result
- lottery
- voice
- face
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000004458 analytical method Methods 0.000 claims abstract description 166
- 230000009471 action Effects 0.000 claims abstract description 129
- 238000013136 deep learning model Methods 0.000 claims abstract description 69
- 230000003993 interaction Effects 0.000 claims abstract description 34
- 230000002452 interceptive effect Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 18
- 238000012549 training Methods 0.000 description 12
- 238000013459 approach Methods 0.000 description 6
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C15/00—Generating random numbers; Lottery apparatus
- G07C15/006—Generating random numbers; Lottery apparatus electronically
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明适用于彩票机器人技术领域,提供了一种彩民分类的方法、装置及设备,所述方法包括:在感应到预设范围内有彩民时,启动摄像头拍摄包含所述彩民的视频数据并启动麦克风录制所述彩民的语音得到音频数据;所述视频数据包括所述彩民的人脸和动作;利用预置的深度学习模型分析所述视频数据、所述音频数据和所述彩民在所述彩票机器人上执行的交互操作,得到人脸分析结果、动作分析结果和语音分析结果;基于所述人脸分析结果、所述动作分析结果和所述语音分析结果,得到所述彩民的分类结果。上述方法能够帮助彩票机器人识别潜在彩民,防止错失彩票销售时机。
Description
技术领域
本发明属于彩票机器人技术领域,尤其涉及一种彩民分类的方法、装置及彩票机器人。
背景技术
随着彩票行业的发展以及彩民数量的不断壮大,现有的彩票销售模式已经由人工销售逐渐转换为了彩票机器人的自主销售。由于彩票机器人的出现,彩民可以在彩票机器人上自行进行彩票的购买,给广大彩民带来了极大的方便。
但是,现有彩票机器人只能和客户进行简单的交互,例如,现有的彩票机器人销售彩票都是彩民主动的方式,即彩民主动去到彩票机器人处,并通过彩票机器人购买彩票。可见,现有的彩票机器人无法识别经过其附近的人是否是潜在彩民,从而吸引其主动购买彩票。这样的简单交互不能够有效的把握合适的彩票销售时机,即使有潜在彩民到来,也可能会错失彩票销售时机。
发明内容
有鉴于此,本发明实施例提供了一种彩民分类的方法、装置及彩票机器人,以解决现有技术中的彩票机器人无法识别潜在彩民,错失彩票销售时机的问题。
本发明实施例的第一方面提供了一种彩民分类的方法,包括:
在感应到预设范围内有彩民时,启动摄像头拍摄包含所述彩民的视频数据并启动麦克风录制所述彩民的语音得到音频数据;所述视频数据包括所述彩民的人脸和动作;
利用预置的深度学习模型分析所述视频数据、所述音频数据和所述彩民在所述彩票机器人上执行的交互操作,得到人脸分析结果、动作分析结果和语音分析结果;
基于所述人脸分析结果、所述动作分析结果和所述语音分析结果,得到所述彩民的分类结果。
本发明实施例的第二方面提供了一种彩民分类的装置,包括:
启动模块,用于在感应到预设范围内有彩民时,启动摄像头拍摄包含所述彩民的视频数据并启动麦克风录制所述彩民的语音得到音频数据;所述视频数据包括所述彩民的人脸和动作;
第一结果模块,用于利用预置的深度学习模型分析所述视频数据、所述音频数据和所述彩民在所述彩票机器人上执行的交互操作,得到人脸分析结果、动作分析结果和语音分析结果;
第二结果模块,用于基于所述人脸分析结果、所述动作分析结果和所述语音分析结果,得到所述彩民的分类结果。
本发明实施例的第三方面提供了一种彩票机器人,包括:包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如上第一方面所述的方法的步骤。
本发明实施例的第四方面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存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如上第一方面所述方法的步骤。
本发明实施例与现有技术相比存在的有益效果是:
本发明实施例提供了一种彩民分类的方法、装置及设备,首先在感应到预设范围内有彩民时,启动摄像头拍摄包含所述彩民的视频数据并启动麦克风录制所述彩民的语音得到音频数据;所述视频数据包括所述彩民的人脸和动作;然后利用预置的深度学习模型分析所述视频数据、所述音频数据和所述彩民在所述彩票机器人上执行的交互操作,得到人脸分析结果、动作分析结果和语音分析结果;最后基于所述人脸分析结果、所述动作分析结果和所述语音分析结果,得到所述彩民的分类结果。可见,通过上述方式,当有人靠近彩票机器人的时候,彩票机器人会启动摄像头拍摄视频并启动麦克风录制所述彩民语音的音频,然后根据视频数据、音频数据、交互操作和预置的深度学习模型,对彩民的人脸、动作和语音进行综合分析,从而得到对彩民的分类结果,这样,可以根据分类结果进行后续的操作,例如,当根据分类结果判断其是潜在彩民时播放预置的语音内容,吸引该潜在彩民购票。
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性的前提下,还可以根据这些附图获得其他的附图。
图1示出了本发明实施例一提供的彩民分类的方法的实现流程示意图;
图2示出了本发明实施例一提供的步骤S102的实现流程示意图;
图3示出了本发明实施例二提供的彩民分类的装置的组成示意图;
图4示出了本发明实施例提供的彩票机器人的设备组成示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解的是,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例一
图1示出了本发明实施例一提供的一种彩民分类的方法的实现流程。本实施例中的彩民分类的方法的执行主体为具有实现本发明实施例所述的彩民分类的方法的终端设备,该设备可以包括但不限于彩票机器人。
如图1所示,本发明实施例一提供的彩民分类的方法,详述如下:
S101、在感应到预设范围内有彩民时,启动摄像头拍摄包含所述彩民的视频数据并启动麦克风录制所述彩民的语音得到音频数据;所述视频数据包括所述彩民的人脸和动作。
需要说明的是,在拍摄彩民的视频数据之前,彩票机器人的显示屏上会显示有显著的提示标识,从而提醒该彩民,自己的个人信息即将被采集。并且,拍摄彩民的视频数据是在获取该彩民的同意之后进行拍摄的。
所述预设范围,指以彩票机器人为中心的圆形范围。例如,将预设范围设置为2米,或者考虑到拍摄图像中的人脸的清晰度等因素,可以将预设范围设置为更小的值,例如设置为1米。
在本发明实施例中,需要说明的是,彩票机器人感应到的人均称为彩民。
在本发明实施例中,彩票机器人中设置有感应装置,利用感应装置对彩民进行感应,并在感应到预设范围内有彩民时,启动摄像头拍摄包含所述彩民的视频。所述感应装置,可以包括但不限于红外感应传感器和距离传感器。
在本发明实施例中,所述在感应到预设范围内有彩民时,启动摄像头拍摄包含所述彩民的视频数据,可以包括但不限于以下三种情况:
可选的,在感应到预设范围内有彩民时,确定所述彩民与所述彩票机器人交互面的角度,控制所述彩票机器人旋转所述角度,以使所述彩票机器人交互面与所述彩民正对,启动摄像头拍摄包含所述彩民的视频数据。
所述摄像头设置于所述彩票机器人的交互面,例如设置于所述彩票机器人的交互面的头部位置处,在感应到预设范围内有彩民时,确定所述彩民与所述彩票机器人的交互面的角度,然后控制彩票机器人旋转至与所述彩民正对的方向,最后启动彩票机器人交互面头部位置处的摄像头对彩民进行拍摄。这样的方式由于只需设置一个摄像头,能够在一定程度上节约硬件成本。
可选的,在感应到预设范围内有彩民时,启动多个摄像头拍摄包含所述彩民的视频数据。
所述摄像头设置于彩票机器人的四周,例如,在彩票机器人头部的左、右、前、后四个方向分别设置一个摄像头,在感应到彩民时控制四个摄像头开启。相较于在彩票机器人的交互面设置一个摄像头,然后再将彩票机器人的交互面旋转至与彩民正对的方式,这样的方式不需要控制彩票机器人转动即可采集到包含彩民的视频。
可选的,在感应到预设范围内有彩民时,确定所述彩民与所述彩票机器人的各个摄像头的距离,启动距离所述彩民最近的摄像头拍摄包含所述彩民的视频数据。
所述摄像头设置于彩票机器人的四周,具体的,可在彩票机器人头部的左、右、前、后四个方向分别设置一个摄像头(当然,也可以在彩票机器人的身体部位和/或头部部位的多个方向设置至少四个摄像头),在感应到彩民时控制其中一个摄像头开启。例如,在感应到预设范围内有彩民时,分别确定所述彩民与所述彩票机器人头部的四个摄像头的距离,然后控制距离所述彩民最近的摄像头开启。进一步的,在距离所述彩民最近的摄像头开启之后,如果因为彩民移动从而使彩票机器人感应到其距离另一摄像头更近,则再控制该另一摄像头开启。
在本发明实施例中,为了更好的获取到彩民的音频数据,还可以在彩票机器人上设置多个麦克风。
S102、利用预置的深度学习模型分析所述视频数据、所述音频数据和所述彩民在所述彩票机器人上执行的交互操作,得到人脸分析结果、动作分析结果和语音分析结果。
所述交互操作,为彩民通过彩票机器人的触摸屏与彩票机器人进行交互的操作。例如,交互操作为:彩民通过点击彩票机器人的触摸屏的彩票类型查询按钮进行的彩票类型查询,或者通过点击彩票趋势图进行彩票中奖号码的趋势的查询,或者通过点击历史购买按钮进行历史购买记录的查询,在此不做具体的限定。
在这里,主要是综合的对彩民的人脸、动作和语音进行分析,得到分析结果,以根据分析结果判断其是否是潜在彩民。例如,某一彩民已经走到了彩票机器人附近,通过摄像头拍摄的视频和预置的深度学习模型,得到该彩民的人脸分析结果:年龄大致为32岁,性别是男性,看起来比较沧桑(皮肤状态不是很好),该彩民可能会比较想要购买彩票(因为统计发现:处于30~40岁之间的彩民最多,且男性居多,并且该男性看起来比较沧桑,所以其在生活中可能比较受挫,购买彩票的几率大),动作分析结果:在彩票机器人附近徘徊一定时间后走到了彩票机器人附近,并且与彩票机器人进行了彩票购买查询的交互操作,该彩民可能想要购买彩票,语音分析结果:彩票机器人进行了对话,对话内容为“不清楚如何购买彩票”,该彩民购票可能性很高。综合上述结果可知,该彩民为潜在彩民的可能性较高,判断其为潜在彩民。
在本发明实施例中,如图2所示,所述利用预置的深度学习模型分析所述视频数据、所述音频数据和所述彩民在所述彩票机器人上执行的交互操作,得到人脸分析结果、动作分析结果和语音分析结果,具体包括:
S1021、根据所述视频数据,利用人脸深度学习模型,对所述人脸进行分析,得到人脸属性标签。
S1022、根据所述视频数据和所述交互操作,利用动作深度学习模型,对所述动作进行分析,得到动作属性标签。
S1023、根据所述音频数据,利用语音深度学习模型,对所述语音进行分析,得到语音属性标签。
在本发明实施例中,要预先对人脸深度学习模型、动作深度学习模型和语音深度学习模型进行训练,以得到预测效果好的深度学习模型。例如,利用彩票机器人拍摄的多个视频得到多个彩民的图片,利用这些包含彩民的图片对人脸深度学习模型进行训练,得到训练精度较高的人脸深度学习模型,以对彩民的年龄、性别、皮肤状态等进行分析;利用彩票机器人拍摄的多个视频,通过视频的图片帧以及历史记录的交互操作,对动作深度学习模型进行训练,得到训练精度较高的动作深度学习模型,以对彩民的动作行为进行分析;利用彩票机器人中的麦克风采集的语音文件对语音深度学习模型进行训练,得到训练精度较高的语音深度学习模型,以对彩民的语音内容进行分析。
可选的,可源源不断的将彩票机器人运营中产生的不同人脸图像、语音文件、交互操作等数据输入对应的深度学习模型,进行迭代,持续优化模型效果,从而提升分类的准确率,例如将2018年1月1日到2018年10月1日、2018年10月1日到2019年6月1日、2019年6月1日到2020年1月1日、2020年1月1日到2020年10月1日四个时间段的视频数据、音频数据以及交互操作送入深度学习模型训练,不断优化深度学习模型。
具体地,利用训练精度较高的人脸深度学习模型,对所述彩民的人脸属性进行分析,得到人脸属性标签,所述人脸属性标签可以包括但不限于性别标签、年龄标签和皮肤状态标签;利用训练精度较高的动作深度学习模型,对所述彩民的动作属性进行分析,得到动作属性标签,所述动作属性标签可以包括但不限于徘徊标签(彩民在彩票机器人周围来回走动)、靠近(彩民向彩票机器人靠近)并停留标签、寻求帮助标签(例如彩民走到彩票机器人附近后查看手机,这样的行为可以认为其是要通过手机查看如何使用彩票机器人,或者彩民点击彩票机器人显示屏的帮助按钮)以及彩票购买查询标签(例如,彩民点击了彩票机器人的触摸屏上的彩票购买帮助按钮);利用训练精度较高的语音深度学习模型,对所述彩民的语音属性进行分析,得到语音属性标签,所述语音属性标签可以包括但不限于购买标签(彩民与彩票机器人语音对话内容为想要购买5张彩票)、操作帮助标签(彩民与彩票机器人语音对话内容为想要购买彩票不清楚如何购买彩票)、中奖查询标签(彩民以前购买过彩票,于是,语音输入了与中奖相关的查询内容)。
S103、基于所述人脸分析结果、所述动作分析结果和所述语音分析结果,得到所述彩民的分类结果。
在本发明实施例中,将彩民分为潜在彩民和非潜在彩民。其中,潜在彩民为很大概率会购买彩票的彩民;非潜在彩民为较小概率购买彩票的彩民。
在本发明实施例中,年龄、性别和皮肤等对模型的分类结果的影响可能是:比如统计后发现18~30岁购买彩票的比例占25%,30~40岁购买彩票的比例占35%,40~55岁购买彩票的比例占30%,55~100岁购买彩票的比例占10%,那么当分析得到彩民年龄为35岁时,其可能为潜在彩民;比如统计后发现男性购买彩票的比例占55%,女性购买彩票的比例占45%,那么当分析得到彩民性别为男性时,其可能为潜在彩民;比如统计后发现皮肤好的人购买彩票的比例占40%,皮肤差的人购买彩票的人占60%,那么当分析得到彩民皮肤差时,其可能为潜在彩民。
可选的,与步骤S1021至S1023对应,步骤S103所述基于所述人脸分析结果、所述动作分析结果和所述语音分析结果,得到所述彩民的分类结果,包括:
基于彩民分类深度学习模型、所述人脸属性标签、所述动作属性标签和所述语音属性标签,得到所述彩民的分类结果。
在这里,预先需要对彩民分类深度学习模型进行训练,主要是依靠输入的多个人脸属性标签、所述动作属性标签和所述语音属性标签,然后再基于训练好的彩民分类深度学习模型对彩民进行分类。需要说明的是,在利用彩民分类深度学习模型对彩民进行分类之前,需要利用人脸属性标签、所述动作属性标签和所述语音属性标签对彩民分类深度学习模型进行训练。
可选的,步骤S103所述基于所述人脸分析结果、所述动作分析结果和所述语音分析结果,得到所述彩民的分类结果,包括:
分别对所述人脸属性标签、所述动作属性标签和所述语音属性标签打分,得到人脸得分、动作得分和语音得分;
计算所述人脸得分、所述动作得分和所述语音得分的加权分;
若所述加权分超过预设值,则所述彩民的分类结果为潜在彩民;若所述加权分小于预设值,则所述彩民的分类结果为非潜在彩民。
例如,某一彩民的人脸属性标签为:32岁、男性,皮肤差;动作属性标签为徘徊、寻求帮助、彩票购买查询;语音属性标签为:购买。为每个结果计算加权得分,比如,综合人脸属性标签的结果得到人脸得分85分,综合动作属性标签的结果得到动作得分90分,综合语音属性标签的结果得到语音得分90分,则加权得分为:85×0.3+90×0.3+90×0.4=88.5,超过了预设值80分,则彩民分类深度学习模型的分类结果为潜在彩民。
上述方案,首先在感应到预设范围内有彩民时,启动摄像头拍摄包含所述彩民的视频数据并启动麦克风录制所述彩民的语音得到音频数据;所述视频数据包括所述彩民的人脸和动作;然后利用预置的深度学习模型分析所述视频数据、所述音频数据和所述彩民在所述彩票机器人上执行的交互操作,得到人脸分析结果、动作分析结果和语音分析结果;最后基于所述人脸分析结果、所述动作分析结果和所述语音分析结果,得到所述彩民的分类结果。可见,通过上述方式,当有人靠近彩票机器人的时候,彩票机器人会启动摄像头拍摄视频并启动麦克风录制所述彩民语音的音频,然后根据视频数据、音频数据、交互操作和预置的深度学习模型,对彩民的人脸、动作和语音进行综合分析,从而得到对彩民的分类结果,这样,可以根据分类结果进行后续的操作,例如,当根据分类结果判断其是潜在彩民时播放预置的语音内容,吸引该潜在彩民购票。
在本发明实施例中,在步骤S103所述基于所述人脸分析结果、所述动作分析结果和所述语音分析结果,得到所述彩民的分类结果之后,还包括:
若所述彩民的分类结果为潜在彩民,则播放预置内容。
所述预置内容,为预先设置的语音内容,例如,所述预置内容可以是最近的彩票活动内容;或者是表达欢迎的内容,比如,彩票机器人欢迎您购买彩票。
在这里,当分类结果为潜在彩民时,就播放预先设置的语音内容,可以进一步的吸引潜在彩民购买彩票。需要说明的是,若分类结果为非潜在彩民,则不播放预置内容,以免打扰非潜在彩民。
在本发明实施例中,步骤S102所述基于所述人脸分析结果、所述动作分析结果和所述语音分析结果,得到所述彩民的分类结果,包括:
基于所述人脸分析结果、所述动作分析结果、所述语音分析结果和所述彩民的历史购买数据,得到所述彩民的分类结果。
在本发明实施例中,还需要根据视频的图像帧,对彩民进行人脸识别,以获取彩民的历史购买数据。彩票机器人会通过摄像头对曾经购买过彩票的彩民进行拍照并将人脸图像和购买彩票的数据进行存储,然后后面有彩民来的时候,将人脸识别结果与预置的彩民的人脸进行比对,看彩民是否有购买记录。例如,彩票机器人预先存储有张三、王四、小李的人脸图像和他们三个人的历史购买数据,当张三再次来到时,根据拍摄的视频获取到其人脸图像,然后通过与彩票机器人存储的人脸图像比对之后发现,其曾经有过购买记录,于是,可以根据人脸图像与历史购买数据的关联关系直接获取到历史购买数据。
所述历史购买数据,反映彩民的历史购买情况。可以理解的是,当彩民在半年内购买彩票的数量超过预设值时,则认为其可能是潜在彩民。
可选的,所述基于所述人脸分析结果、所述动作分析结果、所述语音分析结果和所述彩民的历史购买数据,得到所述彩民的分类结果,包括:
基于彩民分类深度学习模型、所述人脸属性标签、所述动作属性标签、所述语音属性标签和所述历史购买数据,得到所述彩民的分类结果。
在这里,预先需要对彩民分类深度学习模型进行训练,主要是依靠输入的多个人脸属性标签、所述动作属性标签、所述语音属性标签和所述历史购买数据,然后再基于训练好的彩民分类深度学习模型对彩民进行分类。
可选的,所述基于所述人脸分析结果、所述动作分析结果、所述语音分析结果和所述彩民的历史购买数据,得到所述彩民的分类结果,包括:
分别对所述人脸属性标签、所述动作属性标签、所述语音属性标签和所述历史购买数据打分,得到人脸得分、动作得分、语音得分和历史购买数据得分;
计算所述人脸得分、所述动作得分、所述语音得分和所述历史购买数据得分的加权分;
若所述加权分超过预设值,则所述彩民的分类结果为潜在彩民;若所述加权分小于预设值,则所述彩民的分类结果为非潜在彩民。
例如,某一彩民的人脸属性标签为32岁、男性,皮肤差;动作属性标签为徘徊、寻求帮助、彩票购买查询;语音属性标签:购买。为每个结果计算加权得分,比如,综合人脸属性标签的结果得到人脸得分85分,综合动作属性标签的结果得到动作得分90分,综合语音属性标签的结果得到语音得分90分,历史购买数据为90次,预设值为70次,历史购买数据得分为100分,则加权得分为:85×0.2+90×0.2+90×0.3+100×0.3=92,超过了预设值80分,则彩民分类深度学习模型的分类结果为潜在彩民。
在本发明实施例中,在所述基于所述人脸分析结果、所述动作分析结果、所述语音分析结果和所述彩民的历史购买数据,得到所述彩民的分类结果之后,还包括:
若所述彩民的分类结果为潜在彩民,则根据所述历史购买数据,确定所述彩民购买彩票的周期;
基于所述周期,生成并播放与所述周期对应的语音内容。
例如,历史购买数据为三年的购买数据,通过对三年的购买数据分析确定所述彩民购买彩票的周期为1~3月购买票量多,3~9月购买票量一般,9~12月购买票量少,于是,基于该周期,确定彩民在春季比较喜欢购买彩票,在其他季节购买彩票次数相对较少,则生成的语音内容可以是:春季有XXX彩票促销活动,或者通过对三年的购买数据分析确定所述彩民购买彩票的周期为在晚上购买彩票量多,在白天购买彩票量少,于是,基于该周期,确定彩民喜欢在晚上购票,生成的语音内容可以是:彩票小Q在晚上也能提供彩票购买服务哦;再或者,通过对三年的购买数据分析确定所述彩民购买彩票的周期为每个月月初购票量多,月中购票量少,月末基本不购票,且今天刚好是月初,于是,基于该周期,确定彩民喜欢在月初购票,则生成的语音内容可能是:又是月初啦,您准备好购买彩票了吗。
在本发明实施例中,由于彩票机器人可以获取到很多的数据,比如人脸数据、彩票机器人的销售数据、人流数据、客户交互数据等,于是,彩票机器人还可以根据这些数据生成相应的业务情况报表并进行反馈,例如将生成的业务情况报表发送至远端的服务器,以使服务器端的工作人员根据业务情况报表对彩票机器人进行管理,例如,根据业务报表判断出某一区域的彩票销售量较多且人流量较大的时候,可以在该区域投放多个彩票机器人。
实施例二
图3示出了本发明实施例二提供的彩民分类的装置100,包括:
启动模块,用于在感应到预设范围内有彩民时,启动摄像头拍摄包含所述彩民的视频数据并启动麦克风录制所述彩民的语音得到音频数据;所述视频数据包括所述彩民的人脸和动作;
第一结果模块,用于利用预置的深度学习模型分析所述视频数据、所述音频数据和所述彩民在所述彩票机器人上执行的交互操作,得到人脸分析结果、动作分析结果和语音分析结果;
第二结果模块,用于基于所述人脸分析结果、所述动作分析结果和所述语音分析结果,得到所述彩民的分类结果。
上述装置,首先在感应到预设范围内有彩民时,启动摄像头拍摄包含所述彩民的视频数据并启动麦克风录制所述彩民的语音得到音频数据;所述视频数据包括所述彩民的人脸和动作;然后利用预置的深度学习模型分析所述视频数据、所述音频数据和所述彩民在所述彩票机器人上执行的交互操作,得到人脸分析结果、动作分析结果和语音分析结果;最后基于所述人脸分析结果、所述动作分析结果和所述语音分析结果,得到所述彩民的分类结果。可见,通过上述方式,当有人靠近彩票机器人的时候,彩票机器人会启动摄像头拍摄视频并启动麦克风录制所述彩民语音的音频,然后根据视频数据、音频数据、交互操作和预置的深度学习模型,对彩民的人脸、动作和语音进行综合分析,从而得到对彩民的分类结果,这样,可以根据分类结果进行后续的操作,例如,当根据分类结果判断其是潜在彩民时播放预置的语音内容,吸引该潜在彩民购票。
在本发明实施例中,所述启动模块110,包括:
第一启动模块,用于在感应到预设范围内有彩民时,确定所述彩民与所述彩票机器人交互面的角度,控制所述彩票机器人旋转所述角度,以使所述彩票机器人交互面与所述彩民正对,启动摄像头拍摄包含所述彩民的视频数据;
第二启动模块,用于在感应到预设范围内有彩民时,确定所述彩民与所述彩票机器人的各个摄像头的距离,启动距离所述彩民最近的摄像头拍摄包含所述彩民的视频数据;
第三启动模块,用于在感应到预设范围内有彩民时,启动多个摄像头拍摄包含所述彩民的视频数据。
在本发明实施例中,所述彩民分类的装置100,还包括:
内容播放模块,用于在第二结果模块130基于所述人脸分析结果、所述动作分析结果和所述语音分析结果,得到所述彩民的分类结果之后,若所述彩民的分类结果为潜在彩民,则播放预置内容。
在本发明实施例中,所述第二结果模块130,包括:
历史结果模块,用于基于所述人脸分析结果、所述动作分析结果、所述语音分析结果和所述彩民的历史购买数据,得到所述彩民的分类结果。
在本发明实施例中,所述彩民分类的装置100,还包括:
周期确定模块,用于在历史结果模块基于所述人脸分析结果、所述动作分析结果、所述语音分析结果和所述彩民的历史购买数据,得到所述彩民的分类结果之后,若所述彩民的分类结果为潜在彩民,则根据所述历史购买数据,确定所述彩民购买彩票的周期;
周期语音播放模块,用于基于所述周期,生成并播放与所述周期对应的语音内容。
在本发明实施例中,所述第一结果模块120,包括:
人脸结果模块,用于根据所述视频数据,利用人脸深度学习模型,对所述人脸进行分析,得到人脸属性标签;
动作结果模块,用于根据所述视频数据和所述交互操作,利用动作深度学习模型,对所述动作进行分析,得到动作属性标签;
语音结果模块,用于根据所述音频数据,利用语音深度学习模型,对所述语音进行分析,得到语音属性标签;
相应的,所述第二结果模块130,包括:
综合判断模块,用于基于彩民分类深度学习模型、所述人脸属性标签、所述动作属性标签和所述语音属性标签,得到所述彩民的分类结果。
需要说明的是,本发明实施例二提出的彩民分类的装置与本发明实施例一提出的彩民分类的方法基于相同的发明构思,装置实施例与方法实施例中的相应技术内容可互相适用,此处不再详述。
实施例三
图4是本发明再一实施例提供的一种彩票机器人的设备示意图。如图4所示的本实施例中的彩票机器人200可以包括:处理器210、存储器220以及存储在存储器220中并可在处理器210上运行的计算机程序230。处理器210执行计算机程序230时实现上述彩民分类的方法实施例中的步骤。存储器220用于存储计算机程序,所述计算机程序包括程序指令。处理器210用于执行存储器220存储的程序指令。其中,处理器210被配置用于调用所述程序指令执行以下操作:
处理器210用于在感应到预设范围内有彩民时,启动摄像头拍摄包含所述彩民的视频数据并启动麦克风录制所述彩民的语音得到音频数据;所述视频数据包括所述彩民的人脸和动作;
处理器210还用于利用预置的深度学习模型分析所述视频数据、所述音频数据和所述彩民在所述彩票机器人上执行的交互操作,得到人脸分析结果、动作分析结果和语音分析结果;
处理器210还用于基于所述人脸分析结果、所述动作分析结果和所述语音分析结果,得到所述彩民的分类结果。
上述设备,首先在感应到预设范围内有彩民时,启动摄像头拍摄包含所述彩民的视频数据并启动麦克风录制所述彩民的语音得到音频数据;所述视频数据包括所述彩民的人脸和动作;然后利用预置的深度学习模型分析所述视频数据、所述音频数据和所述彩民在所述彩票机器人上执行的交互操作,得到人脸分析结果、动作分析结果和语音分析结果;最后基于所述人脸分析结果、所述动作分析结果和所述语音分析结果,得到所述彩民的分类结果。可见,通过上述方式,当有人靠近彩票机器人的时候,彩票机器人会启动摄像头拍摄视频并启动麦克风录制所述彩民语音的音频,然后根据视频数据、音频数据、交互操作和预置的深度学习模型,对彩民的人脸、动作和语音进行综合分析,从而得到对彩民的分类结果,这样,可以根据分类结果进行后续的操作,例如,当根据分类结果判断其是潜在彩民时播放预置的语音内容,吸引该潜在彩民购票。
进一步的,处理器210还用于:
在感应到预设范围内有彩民时,确定所述彩民与所述彩票机器人交互面的角度,控制所述彩票机器人旋转所述角度,以使所述彩票机器人交互面与所述彩民正对,启动摄像头拍摄包含所述彩民的视频数据;或,
在感应到预设范围内有彩民时,确定所述彩民与所述彩票机器人的各个摄像头的距离,启动距离所述彩民最近的摄像头拍摄包含所述彩民的视频数据;或
在感应到预设范围内有彩民时,启动多个摄像头拍摄包含所述彩民的视频数据。
进一步的,处理器210还用于:
在所述基于所述人脸分析结果、所述动作分析结果和所述语音分析结果,得到所述彩民的分类结果之后,若所述彩民的分类结果为潜在彩民,则播放预置内容。
进一步的,处理器210还用于:
基于所述人脸分析结果、所述动作分析结果、所述语音分析结果和所述彩民的历史购买数据,得到所述彩民的分类结果。
进一步的,处理器210还用于:
在所述基于所述人脸分析结果、所述动作分析结果、所述语音分析结果和所述彩民的历史购买数据,得到所述彩民的分类结果之后,若所述彩民的分类结果为潜在彩民,则根据所述历史购买数据,确定所述彩民购买彩票的周期;
基于所述周期,生成并播放与所述周期对应的语音内容。
进一步的,处理器210还用于:
根据所述视频数据,利用人脸深度学习模型,对所述人脸进行分析,得到人脸属性标签;
根据所述视频数据和所述交互操作,利用动作深度学习模型,对所述动作进行分析,得到动作属性标签;
根据所述音频数据,利用语音深度学习模型,对所述语音进行分析,得到语音属性标签;
基于彩民分类深度学习模型、所述人脸属性标签、所述动作属性标签和所述语音属性标签,得到所述彩民的分类结果。
应当理解,在本发明实施例中,所称处理器210可以是中央处理单元 (CentralProcessing Unit,CPU),该处理器210还可以是其他通用处理器、数字信号处理器(DigitalSignal 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。
该存储器220可以包括只读存储器和随机存取存储器,并向处理器210提供指令和数据。存储器220的一部分还可以包括非易失性随机存取存储器。例如,存储器220还可以存储设备类型的信息。
需要说明的是,本发明实施例三提出的彩票机器人与本发明方法实施例提出的彩民分类的方法基于相同的发明构思,设备实施例与方法实施例中的相应技术内容可互相适用,此处不再详述。
实施例四
在本发明的另一实施例中提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令被处理器执行时实现:
在感应到预设范围内有彩民时,启动摄像头拍摄包含所述彩民的视频数据并启动麦克风录制所述彩民的语音得到音频数据;所述视频数据包括所述彩民的人脸和动作;
利用预置的深度学习模型分析所述视频数据、所述音频数据和所述彩民在所述彩票机器人上执行的交互操作,得到人脸分析结果、动作分析结果和语音分析结果;
基于所述人脸分析结果、所述动作分析结果和所述语音分析结果,得到所述彩民的分类结果。
上述计算机可读存储介质,首先在感应到预设范围内有彩民时,启动摄像头拍摄包含所述彩民的视频数据并启动麦克风录制所述彩民的语音得到音频数据;所述视频数据包括所述彩民的人脸和动作;然后利用预置的深度学习模型分析所述视频数据、所述音频数据和所述彩民在所述彩票机器人上执行的交互操作,得到人脸分析结果、动作分析结果和语音分析结果;最后基于所述人脸分析结果、所述动作分析结果和所述语音分析结果,得到所述彩民的分类结果。可见,通过上述方式,当有人靠近彩票机器人的时候,彩票机器人会启动摄像头拍摄视频并启动麦克风录制所述彩民语音的音频,然后根据视频数据、音频数据、交互操作和预置的深度学习模型,对彩民的人脸、动作和语音进行综合分析,从而得到对彩民的分类结果,这样,可以根据分类结果进行后续的操作,例如,当根据分类结果判断其是潜在彩民时播放预置的语音内容,吸引该潜在彩民购票。
进一步的,所述计算机程序被处理器执行时还实现:
在感应到预设范围内有彩民时,确定所述彩民与所述彩票机器人交互面的角度,控制所述彩票机器人旋转所述角度,以使所述彩票机器人交互面与所述彩民正对,启动摄像头拍摄包含所述彩民的视频数据;或,
在感应到预设范围内有彩民时,确定所述彩民与所述彩票机器人的各个摄像头的距离,启动距离所述彩民最近的摄像头拍摄包含所述彩民的视频数据;或
在感应到预设范围内有彩民时,启动多个摄像头拍摄包含所述彩民的视频数据。
进一步的,所述计算机程序被处理器执行时还实现:
在所述基于所述人脸分析结果、所述动作分析结果和所述语音分析结果,得到所述彩民的分类结果之后,若所述彩民的分类结果为潜在彩民,则播放预置内容。
进一步的,所述计算机程序被处理器执行时还实现:
基于所述人脸分析结果、所述动作分析结果、所述语音分析结果和所述彩民的历史购买数据,得到所述彩民的分类结果。
进一步的,所述计算机程序被处理器执行时还实现:
在所述基于所述人脸分析结果、所述动作分析结果、所述语音分析结果和所述彩民的历史购买数据,得到所述彩民的分类结果之后,若所述彩民的分类结果为潜在彩民,则根据所述历史购买数据,确定所述彩民购买彩票的周期;
基于所述周期,生成并播放与所述周期对应的语音内容。
进一步的,所述计算机程序被处理器执行时还实现:
根据所述视频数据,利用人脸深度学习模型,对所述人脸进行分析,得到人脸属性标签;
根据所述视频数据和所述交互操作,利用动作深度学习模型,对所述动作进行分析,得到动作属性标签;
根据所述音频数据,利用语音深度学习模型,对所述语音进行分析,得到语音属性标签;
基于彩民分类深度学习模型、所述人脸属性标签、所述动作属性标签和所述语音属性标签,得到所述彩民的分类结果。
所述计算机可读存储介质可以是前述任一实施例所述的设备的内部存储单元,例如设备的硬盘或内存。所述计算机可读存储介质也可以是所述设备的外部存储设备,例如所述设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,所述计算机可读存储介质还可以既包括所述设备的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序及所述设备所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
需要说明的是,本发明实施例四提出的计算机可读存储介质与本发明方法实施例提出的用于彩民分类的方法基于相同的发明构思,计算机可读存储介质实施例与方法实施例中的相应技术内容可互相适用,此处不再详述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的设备和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、设备或单元的间接耦合或通信连接,也可以是电的,机械的或其它的形式连接。
所述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单元来实现本发明实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (9)
1.一种彩民分类的方法,其特征在于,应用于彩票机器人,所述彩民分类的方法包括:
在感应到预设范围内有彩民时,启动摄像头拍摄包含所述彩民的视频数据并启动麦克风录制所述彩民的语音得到音频数据;所述视频数据包括所述彩民的人脸和动作;
利用预置的深度学习模型分析所述视频数据、所述音频数据和所述彩民在所述彩票机器人上执行的交互操作,得到人脸分析结果、动作分析结果和语音分析结果;
基于所述人脸分析结果、所述动作分析结果和所述语音分析结果,得到所述彩民的分类结果,其中,所述彩民的分类结果包括潜在彩民和非潜在彩民;
所述利用预置的深度学习模型分析所述视频数据、所述音频数据和所述彩民在所述彩票机器人上执行的交互操作,得到人脸分析结果、动作分析结果和语音分析结果,包括:
根据所述视频数据,利用人脸深度学习模型,对所述人脸进行分析,得到人脸属性标签;根据所述视频数据和所述交互操作,利用动作深度学习模型,对所述动作进行分析,得到动作属性标签;根据所述音频数据,利用语音深度学习模型,对所述语音进行分析,得到语音属性标签;
所述基于所述人脸分析结果、所述动作分析结果和所述语音分析结果,得到所述彩民的分类结果,包括:
分别对所述人脸属性标签、所述动作属性标签和所述语音属性标签打分,得到人脸得分、动作得分和语音得分;计算所述人脸得分、所述动作得分和所述语音得分的加权分;若所述加权分超过预设值,则所述彩民的分类结果为潜在彩民;若所述加权分小于预设值,则所述彩民的分类结果为非潜在彩民。
2.如权利要求1所述的方法,其特征在于,所述在感应到预设范围内有彩民时,启动摄像头拍摄包含所述彩民的视频数据,包括:
在感应到预设范围内有彩民时,确定所述彩民与所述彩票机器人交互面的角度,控制所述彩票机器人旋转所述角度,以使所述彩票机器人交互面与所述彩民正对,启动摄像头拍摄包含所述彩民的视频数据;或,
在感应到预设范围内有彩民时,确定所述彩民与所述彩票机器人的各个摄像头的距离,启动距离所述彩民最近的摄像头拍摄包含所述彩民的视频数据;或
在感应到预设范围内有彩民时,启动多个摄像头拍摄包含所述彩民的视频数据。
3.如权利要求1所述的方法,其特征在于,在所述基于所述人脸分析结果、所述动作分析结果和所述语音分析结果,得到所述彩民的分类结果之后,还包括:
若所述彩民的分类结果为潜在彩民,则播放预置内容。
4.如权利要求1所述的方法,其特征在于,所述基于所述人脸分析结果、所述动作分析结果和所述语音分析结果,得到所述彩民的分类结果,包括:
基于所述人脸分析结果、所述动作分析结果、所述语音分析结果和所述彩民的历史购买数据,得到所述彩民的分类结果。
5.如权利要求4所述的方法,其特征在于,在所述基于所述人脸分析结果、所述动作分析结果、所述语音分析结果和所述彩民的历史购买数据,得到所述彩民的分类结果之后,还包括:
若所述彩民的分类结果为潜在彩民,则根据所述历史购买数据,确定所述彩民购买彩票的周期;
基于所述周期,生成并播放与所述周期对应的语音内容。
6.一种彩民分类的装置,其特征在于,包括:
启动模块,用于在感应到预设范围内有彩民时,启动摄像头拍摄包含所述彩民的视频数据并启动麦克风录制所述彩民的语音得到音频数据;所述视频数据包括所述彩民的人脸和动作;
第一结果模块,用于利用预置的深度学习模型分析所述视频数据、所述音频数据和所述彩民在彩票机器人上执行的交互操作,得到人脸分析结果、动作分析结果和语音分析结果;
第二结果模块,用于基于所述人脸分析结果、所述动作分析结果和所述语音分析结果,得到所述彩民的分类结果,其中,所述彩民的分类结果包括潜在彩民和非潜在彩民;
所述第一结果模块,包括:
人脸结果模块,用于根据所述视频数据,利用人脸深度学习模型,对所述人脸进行分析,得到人脸属性标签;
动作结果模块,用于根据所述视频数据和所述交互操作,利用动作深度学习模型,对所述动作进行分析,得到动作属性标签;
语音结果模块,用于根据所述音频数据,利用语音深度学习模型,对所述语音进行分析,得到语音属性标签;
所述第二结果模块,包括:
分别对所述人脸属性标签、所述动作属性标签和所述语音属性标签打分,得到人脸得分、动作得分和语音得分;
计算所述人脸得分、所述动作得分和所述语音得分的加权分;
若所述加权分超过预设值,则所述彩民的分类结果为潜在彩民;若所述加权分小于预设值,则所述彩民的分类结果为非潜在彩民。
7.如权利要求6所述的装置,其特征在于,所述第二结果模块,包括:
历史结果模块,用于基于所述人脸分析结果、所述动作分析结果、所述语音分析结果和所述彩民的历史购买数据,得到所述彩民的分类结果。
8.一种彩票机器人,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述方法的步骤。
9.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811148722.6A CN110969053B (zh) | 2018-09-29 | 2018-09-29 | 一种彩民分类的方法、装置及彩票机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811148722.6A CN110969053B (zh) | 2018-09-29 | 2018-09-29 | 一种彩民分类的方法、装置及彩票机器人 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110969053A CN110969053A (zh) | 2020-04-07 |
CN110969053B true CN110969053B (zh) | 2023-12-22 |
Family
ID=70027416
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811148722.6A Active CN110969053B (zh) | 2018-09-29 | 2018-09-29 | 一种彩民分类的方法、装置及彩票机器人 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110969053B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101300845A (zh) * | 2005-09-06 | 2008-11-05 | 因弗拉吉斯公司 | 具有集成显示系统的威胁检测和监视设备 |
CN102637287A (zh) * | 2012-03-18 | 2012-08-15 | 江苏新彩软件有限公司 | 一种互联网彩票大容量用户并发交易的动态负载均衡方法 |
CN102881239A (zh) * | 2011-07-15 | 2013-01-16 | 鼎亿数码科技(上海)有限公司 | 基于图像识别的广告投播系统及方法 |
CN103430207A (zh) * | 2011-03-09 | 2013-12-04 | 脸谱公司 | 赞助内容的签章订阅 |
CN104985599A (zh) * | 2015-07-20 | 2015-10-21 | 百度在线网络技术(北京)有限公司 | 基于人工智能的智能机器人控制方法、系统及智能机器人 |
CN105093986A (zh) * | 2015-07-23 | 2015-11-25 | 百度在线网络技术(北京)有限公司 | 基于人工智能的拟人机器人控制方法、系统及拟人机器人 |
CN205263925U (zh) * | 2015-09-30 | 2016-05-25 | 福建乐透通网络科技有限公司 | 一种带有摄像头的自动彩票售卖机 |
CN105843118A (zh) * | 2016-03-25 | 2016-08-10 | 北京光年无限科技有限公司 | 一种机器人交互方法及机器人系统 |
CN107909686A (zh) * | 2017-11-02 | 2018-04-13 | 广东欧珀移动通信有限公司 | 人脸解锁的方法、装置、计算机可读存储介质和电子设备 |
CN108573403A (zh) * | 2018-03-20 | 2018-09-25 | 广东康云多维视觉智能科技有限公司 | 一种多维视觉导购系统和方法 |
-
2018
- 2018-09-29 CN CN201811148722.6A patent/CN110969053B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101300845A (zh) * | 2005-09-06 | 2008-11-05 | 因弗拉吉斯公司 | 具有集成显示系统的威胁检测和监视设备 |
CN103430207A (zh) * | 2011-03-09 | 2013-12-04 | 脸谱公司 | 赞助内容的签章订阅 |
CN102881239A (zh) * | 2011-07-15 | 2013-01-16 | 鼎亿数码科技(上海)有限公司 | 基于图像识别的广告投播系统及方法 |
CN102637287A (zh) * | 2012-03-18 | 2012-08-15 | 江苏新彩软件有限公司 | 一种互联网彩票大容量用户并发交易的动态负载均衡方法 |
CN104985599A (zh) * | 2015-07-20 | 2015-10-21 | 百度在线网络技术(北京)有限公司 | 基于人工智能的智能机器人控制方法、系统及智能机器人 |
CN105093986A (zh) * | 2015-07-23 | 2015-11-25 | 百度在线网络技术(北京)有限公司 | 基于人工智能的拟人机器人控制方法、系统及拟人机器人 |
CN205263925U (zh) * | 2015-09-30 | 2016-05-25 | 福建乐透通网络科技有限公司 | 一种带有摄像头的自动彩票售卖机 |
CN105843118A (zh) * | 2016-03-25 | 2016-08-10 | 北京光年无限科技有限公司 | 一种机器人交互方法及机器人系统 |
CN107909686A (zh) * | 2017-11-02 | 2018-04-13 | 广东欧珀移动通信有限公司 | 人脸解锁的方法、装置、计算机可读存储介质和电子设备 |
CN108573403A (zh) * | 2018-03-20 | 2018-09-25 | 广东康云多维视觉智能科技有限公司 | 一种多维视觉导购系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110969053A (zh) | 2020-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11556963B2 (en) | Automated media analysis for sponsor valuation | |
US11056225B2 (en) | Analytics for livestreaming based on image analysis within a shared digital environment | |
US20170323279A1 (en) | Kiosks for remote collection of electronic devices for value, and associated mobile application for enhanced diagnostics and services | |
US7643658B2 (en) | Display arrangement including face detection | |
WO2011148884A1 (ja) | コンテンツ出力装置、コンテンツ出力方法、コンテンツ出力プログラム、及びコンテンツ出力プログラムが記録された記録媒体 | |
US20120140069A1 (en) | Systems and methods for gathering viewership statistics and providing viewer-driven mass media content | |
TW201810128A (zh) | 吸引程度值處理系統及吸引程度值處理裝置 | |
JP6807389B2 (ja) | メディアコンテンツのパフォーマンスの即時予測のための方法及び装置 | |
JP2012208854A (ja) | 行動履歴管理システムおよび行動履歴管理方法 | |
CN108197519A (zh) | 基于二维码扫描触发人脸图像采集的方法和装置 | |
JP2009042956A (ja) | 商品販売装置、商品販売管理システム、商品販売管理方法およびプログラム | |
US20210264517A1 (en) | Internet meme economy | |
JP2019091487A (ja) | 閲覧者行動に基づいてメディアコンテンツをベンチマークする方法 | |
CN108960999A (zh) | 消费推荐方法及装置、存储介质、终端 | |
US20200019776A1 (en) | Currency verification and transaction validation system | |
CN113506124B (zh) | 一种智慧商圈中媒体广告投放效果的评价方法 | |
US20140365310A1 (en) | Presentation of materials based on low level feature analysis | |
CN110969053B (zh) | 一种彩民分类的方法、装置及彩票机器人 | |
KR20150034925A (ko) | 매장의 디스플레이 장치를 이용한 광고 방법 및 장치 | |
US9324292B2 (en) | Selecting an interaction scenario based on an object | |
KR102460595B1 (ko) | 게임 방송에서의 실시간 채팅 서비스 제공 방법 및 장치 | |
US20230082197A1 (en) | System and Method for Analyzing Videos in Real-Time | |
JP6605822B2 (ja) | 顧客情報システム及びプログラム | |
US11270391B2 (en) | Method and system for reporter entity delivery | |
US20240179376A1 (en) | Systems and Methods for Obtaining Automated Images in a Live Video Event |
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 |