CN111062780A - 家电推荐方法、存储介质及电子设备 - Google Patents

Abstract

本发明公开了一种家电推荐方法、存储介质以及电子设备，涉及家电推荐技术领域，该方法包括：获取家居环境的图像信息；根据所述图像信息，获得该家居环境中的已有家电的设备信息；基于所述设备信息，确定第一待推荐家电。本发明的有益效果是：使得待推荐家电与用户的已有家电相匹配，以使得待推荐家电能够精准切合用户需求；而且无需用户在海量产品中筛选出满足其个性化需求的家电，降低了用户的时间成本。

Description

家电推荐方法、存储介质及电子设备

技术领域

本发明属于家电推荐技术领域，尤其涉及一种家电推荐方法、存储介质及电子设备。

背景技术

随着人们生活水平的提高，使用的家电产品越来越多。目前，市场上各大厂家推出众多功能各异、规格不同的电器设备以供选择。但是，如何从琳琅满目的商品中挑选出符合用户需求的设备，往往需要花费用户大量的时间去遴选、比较不同的产品。这个过程繁琐且浪费时间，甚至有时花费了大量时间却仍旧不能挑选出满意产品。因此，如何从市场上的海量家电产品中，给用户推荐出合适的家电设备成为重要的技术问题。

发明内容

本发明正是基于上述技术问题，提出了一种家电推荐方法、存储介质及电子设备。

第一方面，本发明实施例提供了一种家电推荐方法，包括：

获取家居环境的图像信息；

根据所述图像信息，获得该家居环境中的已有家电的设备信息；

基于所述设备信息，确定第一待推荐家电。

进一步，根据所述图像信息，获得该家居环境中已有的家电的设备信息，包括：

利用预设的家电外观模型在所述图像信息上进行匹配，以从所述图像信息中查找出具有家电外观特征的物体；

利用家电图像识别模型对具有家电外观特征的物体进行识别，确定具有家电外观特征的物体对应的家电型号；

根据所述家电型号，获得该家居环境中的已有家电的设备信息。

进一步，所述家电图像识别模型通过以下步骤进行构建：

获取训练样本集，其中，所述训练样本集中的每个样本包括家电图像以及该家电图像对应的家电型号；

将每个样本作为待训练的神经网络模型的输入，以对所述待训练的神经网络模型进行训练，得到所述家电图像识别模型。

进一步，所述设备信息包括功能属性，基于所述设备信息，确定第一待推荐家电，包括：

获取与所述功能属性互补的互补家电；

在确认该家居环境中的已有家电不存在所述互补家电时，将所述互补家电作为第一推荐家电；和/或

获取该家居环境下常用的功能属性对应的常用家电；

将所述已有家电的功能属性与所述常用家电的功能属性进行对比，在确认该家居环境中缺少任一功能属性的常用家电后，将缺少的功能属性对应的常用家电作为第一待推荐家电。

进一步，所述设备信息包括家电型号，基于所述设备信息，确定第一待推荐家电，包括：

根据所述家电型号，判断该家居环境中的已有家电是否属于老旧家电，当该家居环境中的已有家电属于老旧家电，确定替代该老旧家电的家电，并将替代该老旧家电的家电作为第一待推荐家电。

进一步，所述设备信息还包括尺寸信息和/或家电颜色信息，所述方法还包括：

根据已有家电的尺寸信息，确定所述第一待推荐家电的家电尺寸；和/或

将已有家电的家电颜色信息中出现最多的颜色作为用户的偏好色，并将所述偏好色确定为所述第一待推荐家电的家电颜色；

将满足所述家电尺寸和/或所述家电颜色的第一待推荐家电作为新的第一待推荐家电。

进一步，所述方法还包括：

根据家居环境的图像信息，确定该家居环境的装饰风格；

根据所述装饰风格，确定与所述装饰风格的色调一致的家电颜色作为所述第一待推荐家电的颜色。

进一步，所述方法还包括：

从家居环境的图像信息中，提取出至少一个家具；

将所述家具与预设的家具特征进行匹配，并根据匹配结果确定该家居环境的装饰风格，其中，一个家具特征对应一种装饰风格；

根据所述空间参数信息，将所述第一待推荐家电的图像按比例放置于该家居环境的图像信息中，以在该家居环境中对所述第一待推荐家电进行效果展示。

进一步，所述方法还包括：

获取用户信息；

根据所述用户信息，利用预先建立的用于家电推荐的决策树模型，确定第二待推荐家电；

根据所述第一待推荐家电和所述第二待推荐家电的家电重合度和/或优先级，确定第三待推荐家电，并将所述第三待推荐家电作为新的第一待推荐家电。

第二方面，本发明实施例提供了一种存储介质，所述存储介质上存储有程序代码，所述程序代码被处理器执行时，实现如上述实施例中任一项所述的家电推荐方法。

第三方面，本发明实施例提供了一种电子设备，所述电子设备包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的程序代码，所述程序代码被所述处理器执行时，实现如上述实施例中任一项所述的家电推荐方法。

在本发明实施例提供的一种家电推荐方法、存储介质及电子设备，通过根据家居环境的图像信息，获得用户该家居环境中已有家电的设备信息，然后再根据已有家电的设备信息，进行家电推荐。可见，本实施例提供的家电推荐方法，使得待推荐家电与用户的已有家电相匹配，以使得待推荐家电能够精准切合用户需求；而且无需用户在海量产品中筛选出满足其个性化需求的家电，降低了用户的时间成本。

附图说明

通过结合附图阅读下文示例性实施例的详细描述可更好地理解本公开的范围。其中所包括的附图是：

图1示出了本发明实施例一提出的一种家电推荐方法的流程示意图；

图2示出了本发明实施例二提出的一种家电推荐方法的流程示意图；

图3示出了图2中步骤220的具体流程示意图；

图4示出了本发明实施例三提出的一种家电推荐方法的流程示意图；

图5示出了本发明实施例三提出的决策树模型的示意图；

图6示出了本发明实施例四提出的一种家电推荐方法的流程示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，以下将结合附图及实施例来详细说明本发明的实施方法，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

实施例一

根据本发明的实施例，提供了一种家电推荐方法，图1示出了本发明实施例一提出的一种家电推荐方法的流程示意图，如图1所示，该家电推荐方法可以包括：步骤110至步骤130。

在步骤110中，获取家居环境的图像信息。

这里，家居环境指的是用户的居室环境，如厨房、客厅、浴室等。该家居环境指的是用户想要购买的家电要放置的位置，因此，家居环境也可以是办公场所。图像信息包括图片图像和/或视频图像。例如，用户需要给厨房购买一个家电，则可以通过对厨房进行拍摄，获得与厨房相关的图片、视频。

在步骤120中，根据所述图像信息，获得该家居环境中的已有家电的设备信息。

这里，对所述图像信息进行分析与计算，以在该图像信息中确定到该家居环境中的电器设备，进而得出该家居环境中现有的电器的设备信息。例如，对用户拍摄到的厨房的图像信息进行分析，得到该图像信息中已有家电的设备信息，如该图像中存在电饭煲、抽油烟机、煤气灶等家电，则根据所述图像信息，可以获得该家居环境中的电饭煲、抽油烟机、煤气灶的设备信息。

在步骤130中，基于所述设备信息，确定第一待推荐家电。

这里，通过基于用户已有家电的设备信息，进行家电推荐。例如，对该图像信息进行识别，将识别出来的家电用于决策后期的设备推荐，以向用户推荐其没有的或者待更新的家电设备；另一方面，对已有家电识别时，会对家电颜色方面的识别，判断用户的偏好色，以此来推荐合适的家电颜色。

在本实施例中，通过根据家居环境的图像信息，获得用户该家居环境中已有家电的设备信息，然后再根据已有家电的设备信息，进行家电推荐。使得待推荐家电与用户的已有家电相匹配，以使得待推荐家电能够精准切合用户需求；而且无需用户在海量产品中筛选出满足其个性化需求的家电，降低了用户的时间成本。

实施例二

在上述实施例的基础上，本发明的实施例二还可以提供一种家电推荐方法。图2示出了本发明实施例二提出的一种家电推荐方法的流程示意图，如图2所示，该家电推荐方法可以包括：步骤210至步骤230。

在步骤210中，获取家居环境的图像信息。

这里，家居环境指的是用户的居室环境，如厨房、客厅、浴室等。该家居环境指的是用户想要购买的家电要放置的位置，因此，家居环境也可以是办公场所。图像信息包括图片图像和/或视频图像。例如，用户需要给厨房购买一个家电，则可以通过对厨房进行拍摄，获得与厨房相关的图片、视频。

在步骤220中，根据所述图像信息，获得该家居环境中的已有家电的设备信息。

这里，对所述图像信息进行分析与计算，以在该图像信息中确定到该家居环境中的电器设备，进而得出该家居环境中现有的电器的设备信息。例如，对用户拍摄到的厨房的图像信息进行分析，得到该图像信息中已有家电的设备信息，如该图像中存在电饭煲、抽油烟机、煤气灶等家电，则根据所述图像信息，可以获得该家居环境中的电饭煲、抽油烟机、煤气灶的设备信息。

在步骤230中，基于所述设备信息，确定第一待推荐家电。

这里，通过基于用户已有家电的设备信息，进行家电推荐。例如，对该图像信息进行识别，将识别出来的家电用于决策后期的设备推荐，以向用户推荐其没有的或者待更新的家电设备；另一方面，对已有家电识别时，会对家电颜色方面的识别，判断用户的偏好色，以此来推荐合适的家电颜色。

以下对根据家居环境的图像信息，进行家电推荐的方法进行详细阐述。

图3示出了图2中步骤220的具体流程示意图，如图3所示，步骤220中，根据所述图像信息，获得该家居环境中的已有家电的设备信息，可以包括：步骤221至步骤223。

在步骤221中，利用预设的家电外观模型在所述图像信息上进行匹配，以从所述图像信息中查找出具有家电外观特征的物体。

这里，利用预先设定的家电外观模型在所述图像信息上进行遍历搜索，以在该图像信息中寻找出具有家电外观特征的物体。例如，用户拍摄厨房的图片，则该厨房图片中可能会包括橱柜、洗碗台以及厨电等物体，利用预先设定的家电外观模型在所述图像信息上进行遍历搜索是要在图片中寻找出具有家电外观特征的物体。例如，利用电饭煲的外观模型在厨房的图片中进行遍历搜索，可以查找到该厨房的图片上是否存在电饭煲。

其中，该家电外观模型指的是通过家电的外观特征创建的模型，该家电外观模型指的是某一家电具有普遍性的外观特征。例如，冰箱的外观是一个长方体，则冰箱的家电外观模型可以是一个长方体。

在步骤222中，利用家电图像识别模型对具有家电外观特征的物体进行识别，确定具有家电外观特征的物体对应的家电型号。

这里，在图片或视频中查找出具有家电外观特征的物体之后，对具有家电外观特征的物体进行图像识别，即利用家电图像识别模型对具有家电外观特征的物体进行识别，确定具有家电外观特征的物体对应的家电型号。例如，在查找到具有冰箱的家电外观模型的特征的物体之后，对该具有冰箱的家电外观模型的特征的物体进行识别，以确定出该具有冰箱的家电外观模型的特征的物体的具体型号。

其中，所述家电图像识别模型通过以下步骤进行构建：

获取训练样本集，其中，所述训练样本集中的每个样本包括家电图像以及该家电图像对应的家电型号；

将每个样本作为待训练的神经网络模型的输入，以对所述待训练的神经网络模型进行训练，得到所述家电图像识别模型。

这里，训练样本集中的每个样本包括家电图像以及该家电图像对应的家电型号，例如，型号为X1的冰箱图像、型号为X2的冰箱图像或型号为Y1的电饭煲图像。然后将型号为X1的冰箱图像、型号为X2的冰箱图像或型号为Y1的电饭煲图像输入待训练的神经网络模型中进行训练，可以得到一个能够根据家电图像识别出该家电图像的具体型号。例如，将一个具有X1特征的图像输入进家电图像识别模型中，可以得出该图像的型号为X1。

在步骤223中，根据所述家电型号，获得该家居环境中的已有家电的设备信息。

这里，根据家电型号，即可以获得该家居环境中的已有家电的设备信息。例如，对厨房的图片进行识别，检测到具有型号X1的电饭煲、型号Y2的燃气灶，则根据型号X1的电饭煲、型号Y2的燃气灶，可以得知型号X1的电饭煲、型号Y2的燃气灶的具体的产品的设备信息。

值得说明的是，该设备信息包括功能属性、家电型号、尺寸信息和家电颜色信息。其中，功能属性指的是家电的功能，如空调的功能属性是制冷和/或制热，电饭煲的功能属性是煮饭；家电型号则是该家电的具体型号；尺寸信息则是家电的大小或容量，例如，64寸的电视，则64寸作为尺寸信息；家电颜色信息则是家电的外观颜色，如红色的电饭煲，则红色作为家电颜色信息。

在本实施方式中，通过图像识别技术，能够在家居环境的图像信息中准确识别出用户的已有家电，以获得用户的已有家电的设备信息，进而为后续的家电推荐提供数据支持。

在一个可选的实施方式中，步骤230中，基于所述设备信息，确定第一待推荐家电，包括：

获取与所述功能属性互补的互补家电；

在确认该家居环境中的已有家电不存在所述互补家电时，将所述互补家电作为第一推荐家电；和/或

获取该家居环境下常用的功能属性对应的常用家电；

将所述已有家电的功能属性与所述常用家电的功能属性进行对比，在确认该家居环境中缺少任一功能属性的常用家电后，将缺少的功能属性对应的常用家电作为第一待推荐家电。

这里，将与所述功能属性互补的家电作为第一待推荐家电，例如，检测到用户的客厅存在空调，则推荐与空调的制冷的功能属性互补的家电作为第一待推荐家电，如推荐电风扇。又例如，检测到用户的厨房存在面包机，则推荐与面包机的烤面包的功能属性互补的家电作为第一待推荐家电，如推荐烤箱。

这里，常用的功能属性可以是通过大数据分析获得的，是某一家居环境下常用的家电。例如，在厨房常用的功能属性的常用家电可以包括：电饭煲、燃气灶、抽油烟机、烤箱、洗碗机、微波炉。在检测到用户的厨房只存在燃气灶、电饭煲、抽油烟机这些家电设备时，则可以推荐烤箱、洗碗机或微波炉等没有的家电作为第一待推荐家电。

在一个可选的实施方式中，步骤230中，所述设备信息包括家电型号，基于所述设备信息，确定第一待推荐家电，包括：

根据所述家电型号，判断该家居环境中的已有家电是否属于老旧家电，当该家居环境中的已有家电属于老旧家电，确定替代该老旧家电的家电，并将替代该老旧家电的家电作为第一待推荐家电。

这里，根据家电型号，可以获得家电的生产批次，进而判断该家电是否属于老旧家电。其中，将超过生产批次一定时间阈值的家电设备作为老旧家电，如超过生产批次10年的家电认定为老旧家电。例如，检测到该图像信息中存在型号为Z1的电视已经超过该电视的生产批次10年，则推荐一个新款的电视作为第一待推荐家电。

在一个可选的实施方式中，所述设备信息还包括尺寸信息和/或家电颜色信息，所述方法还包括：

根据已有家电的尺寸信息，确定所述第一待推荐家电的家电尺寸；和/或

将已有家电的家电颜色信息中出现最多的颜色作为用户的偏好色，并将所述偏好色确定为所述第一待推荐家电的家电颜色；

将满足所述家电尺寸和/或所述家电颜色的第一待推荐家电作为新的第一待推荐家电。

这里，在确定了具体的家电产品之后，例如，推荐的家电为型号X2的电视，再根据已有家电的尺寸判断型号X2的电视的具体尺寸和/或颜色，例如，用户的偏好色是黑色、已有的电视的尺寸是64寸，则最后推荐一款颜色为黑色、尺寸大小为64寸的型号为X2的电视。

又例如，用户的电饭煲为老旧产品，则推荐一款或多款新型的电饭煲作为第一待推荐家电。然后根据用户已有的电饭煲可以确定该已有的电饭煲的容量为4L，颜色为白色。则推荐的新型的电饭煲为容量为4L、颜色为白色的电饭煲。

在上述实施方式中，通过根据设备信息，确定待推荐家电。在图像信息中识别出来的设备信息作为家电设备推荐的数据支持，以给用户推荐其没有的家电或者待更新的家电或性能互补的家电。使得家电推荐能够精准切合用户需求和用户爱好。

在实际应用场景中，用户通过拍摄一个家居环境的图片或者是视频，输入进家电推荐系统中，家电推荐系统对图片或视频进行分析，得到该图片或视频中已有家电的设备信息，然后根据设备信息推荐该图片或视频中没有的家电或者待更新的家电或性能互补的家电。

在一个可选的实施方式中，第一待推荐家电的颜色还可以通过以下步骤确定：

从家居环境的图像信息中，提取出至少一个家具；

将所述家具与预设的家具特征进行匹配，并根据匹配结果确定该家居环境的装饰风格，其中，一个家具特征对应一种装饰风格；

根据所述装饰风格，确定与所述装饰风格的色调一致的家电颜色作为所述第一待推荐家电的颜色。

这里，装饰风格指的是欧式、日式、中式等不同的装饰风格，由于不同的装饰风格，家居的整体色调不同，例如日式风格偏简单，以原木色彩为主；欧式风格中的简约风格以白色作为主色调。因此，不同的装饰风格，适合放置的家电的颜色不一样，如果推荐的家电的颜色与装饰不一致，则会显得突兀。不同的装饰风格，可以通过家具布置来确定。因此，通过从家居环境的图像信息中，提取出至少一个家具，该家具可以是沙发、橱柜、电视柜、衣柜等家具。然后，将所述家具与预设的家具特征进行匹配，并根据匹配结果确定该家居环境的装饰风格，其中，一个家具特征对应一种装饰风格。例如，家具特征A对应装饰风格B，家具特征C对应装饰风格D。

因此，根据所述装饰风格，确定与所述装饰风格的色调一致的家电颜色作为所述第一待推荐家电的颜色。例如，欧式简约风格的整体色调偏白色，则推荐白色的家电。如果是中式偏红的色调，则可以推荐金色或红色的家电。从而使得第一待推荐家电的颜色能够融入整个家居环境中，使得家电推荐能够根据家居环境进行。

在一个可选的实施方式中，在确定第一待推荐家电之后，还可以包括以下步骤：

根据所述图像信息，获得该家居环境的空间参数信息；

根据所述空间参数信息，将所述第一待推荐家电的图像按比例放置于该家居环境的图像信息中，以在该家居环境中对所述第一待推荐家电进行效果展示。

这里，根据所述图像信息，获得该家居环境的空间参数信息。例如，对图像信息中的整个家居环境进行测量，得到整体的空间参数信息；又或者是计算该家居环境中的已有家电在该家居环境中的摆放位置。然后，将第一待推荐家电按比例放置于该家居环境中，以在该家居环境中对所述第一待推荐家电进行效果展示。其中，按比例是指根据推荐家电的尺寸和家居环境的空间参数信息按照等比例的缩放，以放置在该图像信息中。这里，第一待推荐家电可以是全新的家电也可以是替换的家电，当时替换的家电是，则将第一待推荐家电放置在被替换的老旧家电的位置上。

在本实施方式中，在该家居环境中对所述第一待推荐家电进行效果展示，能够让用户直观地知道该家电的搭配、布置方案是否满足需求。

实施例三

在上述实施例的基础上，本发明的实施例三还可以提供一种家电推荐方法。图4示出了本发明实施例三提出的一种家电推荐方法的流程示意图，如图4所示，该家电推荐方法可以包括：步骤310至步骤330。

在步骤310中，获取用户信息。

这里，用户信息所述用户信息包括以下至少一项：用户生活习惯、用户兴趣爱好以及历史家电购买信息。

其中，可以通过问卷调查的方式获取所述用户信息，对于问卷表数据，主要包括获取的用户生活习惯可以包括如家庭成员主要饮食数据，如喜欢做的饭菜是中餐还是西餐；或者是用户的家庭成员信息、家庭的消费水平等。用户兴趣爱好可以包括如用户喜欢的烹调方式、是否饮茶，个人爱好，如颜色、材料等数据。历史家电购买信息可以包括如用户对某些已有设备的评分数据、用户购买过的设备的品牌、价格、颜色以及尺寸等信息。

在步骤320中，根据所述用户信息，利用预先建立的用于家电推荐的决策树模型，确定第二待推荐家电。

这里，利用一个多分类的决策树模型，将问卷数据进行处理分类，得到第二待推荐家电。其中所述第二待推荐家电可以是单个家电设备或家电设备的搭配。

图5示出了本发明实施例三提出的决策树模型的示意图，如图5所示，菜式作为一个根节点，内部节点包括自动化程度、颜色、大小，叶节点为待推荐的家电。当一个用户的用户信息表现出其常做中式菜，接受智能化设备的意愿高，喜欢的颜色为白色，且根据家庭人口确定家庭使用的电饭煲的容量为4L，则系统会推荐给它一个型号为X1的电饭煲。

在一个实施方式中，步骤320中，根据所述用户信息，利用预先建立的用于家电推荐的决策树模型，确定第二待推荐家电，包括：

根据所述用户信息，遍历所述决策树模型；

将所述决策树模型中推荐概率最高的叶节点对应的待推荐家电作为所述第二待推荐家电。

这里，决策树模型是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。在获得用户信息之后，利用用于家电推荐的决策树模型对用户信息进行处理分类，即遍历所述决策树模型，即可在所述决策树模型中查找到推荐概率最高的叶节点，该叶节点对应的家电即可作为第二待推荐家电。

在一个实施方式中，在步骤310之前，还包括构建用于家电推荐的决策树模型的步骤：

收集样本用户的用户信息；

基于样本用户的用户信息，确定待构建的决策树模型的根节点、内部节点和叶节点；其中，所述根节点、所述内部节点以及所述叶节点分别包括所述用户信息中的一个特征；

计算待构建的决策树模型中的每个节点对应的特征的推荐概率，以构建所述决策树模型。

这里，样本用户指的是具有代表意义的用户。该用户信息包括用户生活习惯、用户兴趣爱好以及历史家电购买信息。在上述实施方式中已对用户信息进行了详细阐述，在此不再赘述。一个决策树模型包括至少一个根节点、至少一个内部节点和至少一个叶节点，叶节点包括一个具体的家电设备作为待推荐家电，根节点、内部节点则包括用户信息的中的一个特征以及该特征的推荐概率。因此，如果利用一组用户信息在决策树模型上进行遍历，会得到一个或多个待推荐家电。

在本实施例中，通过利用预先建立的用于家电推荐的决策树模型，对用户信息进行分析处理，进而根据用户信息来进行家电推荐。使得家电推荐能够贴近用户实际需求和用户的实际情况地进行推荐。

实施例四

在上述实施例的基础上，本发明的实施例四还可以提供一种家电推荐方法。图6示出了本发明实施例四提出的一种家电推荐方法的流程示意图，如图6所示，该家电推荐方法可以包括：

获取家居环境的图像信息。

这里，家居环境指的是用户的居室环境，如厨房、客厅、浴室等。该家居环境指的是用户想要购买的家电要放置的位置，因此，家居环境也可以是办公场所。图像信息包括图片图像和/或视频图像。例如，用户需要给厨房购买一个家电，则可以通过对厨房进行拍摄，获得与厨房相关的图片、视频。

根据所述图像信息，获得该家居环境中的已有家电的设备信息。

这里，对所述图像信息进行分析与计算，以在该图像信息中确定到该家居环境中的电器设备，进而得出该家居环境中现有的电器的设备信息。例如，对用户拍摄到的厨房的图像信息进行分析，得到该图像信息中已有家电的设备信息，如该图像中存在电饭煲、抽油烟机、煤气灶等家电，则根据所述图像信息，可以获得该家居环境中的电饭煲、抽油烟机、煤气灶的设备信息。

基于所述设备信息，确定第一待推荐家电。

这里，通过基于用户已有家电的设备信息，进行家电推荐。例如，对该图像信息进行识别，将识别出来的家电用于决策后期的设备推荐，以向用户推荐其没有的或者待更新的家电设备；另一方面，对已有家电识别时，会对家电颜色方面进行识别，以判断用户的偏好色，以此来推荐合适的家电颜色。

获取用户信息。

这里，用户信息所述用户信息包括以下至少一项：用户生活习惯、用户兴趣爱好以及历史家电购买信息。

其中，可以通过问卷调查的方式获取所述用户信息，对于问卷表数据，主要包括获取的用户生活习惯可以包括如家庭成员主要饮食数据，如喜欢做的饭菜是中餐还是西餐；或者是用户的家庭成员信息、家庭的消费水平等。用户兴趣爱好可以包括如用户喜欢的烹调方式、是否饮茶，个人爱好，如颜色、材料等数据。历史家电购买信息可以包括如用户对某些已有设备的评分数据、用户购买过的设备的品牌、价格、颜色以及尺寸等信息。

根据所述用户信息，利用预先建立的用于家电推荐的决策树模型，确定第二待推荐家电。

这里，利用一个多分类的决策树模型，将问卷数据进行处理分类，得到第二待推荐家电。其中所述第二待推荐家电可以是单个家电设备或家电设备的搭配。

根据所述第一待推荐家电和所述第二待推荐家电，得到第三待推荐家电，并将所述第三待推荐家电作为新的第一待推荐家电。

这里，第一待推荐家电是根据图像信息确定的，第二待推荐家电是根据用户信息获得的，因此，两个方法推荐的家电可能会存在重合也可能两个方法推荐的家电的会完全不一致，因此，根据所述第一待推荐家电和所述第二待推荐家电的家电重合度和/或优先级，确定第三待推荐家电，并将所述第三待推荐家电作为新的第一待推荐家电。

例如，根据图像信息确定的第一待推荐产品包括：颜色为黑色的64寸的型号为Z1的电视。根据用户信息获得的第二待推荐家电包括：颜色为黑色的64寸的型号为Z1的电视、白色的容量为4L的型号为Y1的电饭煲。则根据家电重合度颜色为黑色的64寸的型号为Z1的电视显然属于最符合的推荐家电，则将颜色为黑色的64寸的型号为Z1的电视作为新的第一待推荐家电。当然，在根据图像信息并没有获得待推荐家电时，则以根据用户信息获得的家电产品作为待推荐家电。

其中，还可以是根据优先级进行排序，例如，将根据图像信息确定的第一待推荐产品和根据用户信息获得的第二待推荐家电确定优先级，然后根据优先级进行排序。例如，新的第一待推荐家电的排序是颜色为黑色的64寸的型号为Z1的电视、白色的容量为4L的型号为Y1的电饭煲。颜色为黑色的64寸的型号为Z1的电视作为优先推荐的家电。

在本实施例中，通过获取用户信息，对用户信息进行分析处理，进而根据用户信息来进行家电推荐。能够获得贴近用户实际需求的家电第二待推荐家电，进而对根据图像信息获得的第一待推荐家电的推荐结果进行修正，以获得既满足根据图像信息推荐也满足根据用户信息推荐的家电。

实施例五

根据本发明的实施例，还提供了一种存储介质，所述存储介质上存储有程序代码，所述程序代码被处理器执行时，实现如上述实施例任一项所述的家电推荐方法。

实施例六

根据本发明的实施例，还提供了一种电子设备，所述电子设备包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的程序代码，所述程序代码被所述处理器执行时，实现如上述实施例任一项所述的家电推荐方法。

以上结合附图详细说明了本发明的技术方案，考虑到相关技术中，从琳琅满目的商品中挑选出符合用户需求的设备，往往需要花费用户大量的时间去遴选、比较不同的产品。这个过程繁琐且浪费时间，甚至有时花费了大量时间却仍旧不能挑选出满意产品。本发明提供一种家电推荐方法、存储介质及电子设备，通过根据家居环境的图像信息，获得用户该家居环境中已有家电的设备信息，然后再根据已有家电的设备信息，进行家电推荐。可见，本实施例提供的家电推荐方法，使得待推荐家电与用户的已有家电相匹配，以使得待推荐家电能够精准切合用户需求；而且无需用户在海量产品中筛选出满足其个性化需求的家电，降低了用户的时间成本。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，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。

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。

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电子设备(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(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

虽然本发明所公开的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所公开的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (11)

1.一种家电推荐方法，其特征在于，包括：

获取家居环境的图像信息；

根据所述图像信息，获得该家居环境中的已有家电的设备信息；

基于所述设备信息，确定第一待推荐家电。

2.根据权利要求1所述的家电推荐方法，其特征在于，根据所述图像信息，获得该家居环境中已有的家电的设备信息，包括：

利用预设的家电外观模型在所述图像信息上进行匹配，以从所述图像信息中查找出具有家电外观特征的物体；

利用家电图像识别模型对具有家电外观特征的物体进行识别，确定具有家电外观特征的物体对应的家电型号；

根据所述家电型号，获得该家居环境中的已有家电的设备信息。

3.根据权利要求2所述的家电推荐方法，其特征在于，所述家电图像识别模型通过以下步骤进行构建：

获取训练样本集，其中，所述训练样本集中的每个样本包括家电图像以及该家电图像对应的家电型号；

将每个样本作为待训练的神经网络模型的输入，以对所述待训练的神经网络模型进行训练，得到所述家电图像识别模型。

4.根据权利要求2所述的家电推荐方法，其特征在于，所述设备信息包括功能属性，基于所述设备信息，确定第一待推荐家电，包括：

获取与所述功能属性互补的互补家电；

在确认该家居环境中的已有家电不存在所述互补家电时，将所述互补家电作为第一推荐家电；和/或

获取该家居环境下常用的功能属性对应的常用家电；

将所述已有家电的功能属性与所述常用家电的功能属性进行对比，在确认该家居环境中缺少任一功能属性的常用家电后，将缺少的功能属性对应的常用家电作为第一待推荐家电。

5.根据权利要求2所述的家电推荐方法，其特征在于，所述设备信息包括家电型号，基于所述设备信息，确定第一待推荐家电，包括：

根据所述家电型号，判断该家居环境中的已有家电是否属于老旧家电，当该家居环境中的已有家电属于老旧家电，确定替代该老旧家电的家电，并将替代该老旧家电的家电作为第一待推荐家电。

6.根据权利要求4或5所述的家电推荐方法，其特征在于，所述设备信息还包括尺寸信息和/或家电颜色信息，所述方法还包括：

根据已有家电的尺寸信息，确定所述第一待推荐家电的家电尺寸；和/或

将已有家电的家电颜色信息中出现最多的颜色作为用户的偏好色，并将所述偏好色确定为所述第一待推荐家电的家电颜色；

将满足所述家电尺寸和/或所述家电颜色的第一待推荐家电作为新的第一待推荐家电。

7.根据权利要求2所述的家电推荐方法，其特征在于，所述方法还包括：

从家居环境的图像信息中，提取出至少一个家具；

将所述家具与预设的家具特征进行匹配，并根据匹配结果确定该家居环境的装饰风格，其中，一个家具特征对应一种装饰风格；

根据所述装饰风格，确定与所述装饰风格的色调一致的家电颜色作为所述第一待推荐家电的颜色。

8.根据权利要求2所述的家电推荐方法，其特征在于，所述方法还包括：

根据所述图像信息，获得该家居环境的空间参数信息；

根据所述空间参数信息，将所述第一待推荐家电的图像按比例放置于该家居环境的图像信息中，以在该家居环境中对所述第一待推荐家电进行效果展示。

9.根据权利要求2所述的家电推荐方法，其特征在于，所述方法还包括：

获取用户信息；

根据所述用户信息，利用预先建立的用于家电推荐的决策树模型，确定第二待推荐家电；

根据所述第一待推荐家电和所述第二待推荐家电的家电重合度和/或优先级，确定第三待推荐家电，并将所述第三待推荐家电作为新的第一待推荐家电。

10.一种存储介质，所述存储介质上存储有程序代码，其特征在于，所述程序代码被处理器执行时，实现如权利要求1至9中任一项所述的家电推荐方法。

11.一种电子设备，其特征在于，所述电子设备包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的程序代码，所述程序代码被所述处理器执行时，实现如权利要求1至9中任一项所述的家电推荐方法。

Images