CN111325151A - 展示优先级的获取方法、装置、终端及计算机可读介质 - Google Patents

展示优先级的获取方法、装置、终端及计算机可读介质 Download PDF

Info

Publication number
CN111325151A
CN111325151A CN202010105407.6A CN202010105407A CN111325151A CN 111325151 A CN111325151 A CN 111325151A CN 202010105407 A CN202010105407 A CN 202010105407A CN 111325151 A CN111325151 A CN 111325151A
Authority
CN
China
Prior art keywords
target object
target
determining
sample
display priority
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.)
Pending
Application number
CN202010105407.6A
Other languages
English (en)
Inventor
曹晨宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
JD Digital Technology Holdings Co Ltd
Original Assignee
JD Digital Technology Holdings Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by JD Digital Technology Holdings Co Ltd filed Critical JD Digital Technology Holdings Co Ltd
Priority to CN202010105407.6A priority Critical patent/CN111325151A/zh
Publication of CN111325151A publication Critical patent/CN111325151A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Evolutionary Biology (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Human Computer Interaction (AREA)
  • Social Psychology (AREA)
  • Psychiatry (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Game Theory and Decision Science (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本申请提供了一种展示优先级的获取方法，方法包括：通过拍摄装置拍摄目标区域的图像，其中，目标区域包含目标物品的摆放区域；若图像中包含目标对象，则通过预设的识别算法，确定目标物品对应的购买行为信息以及目标物品的被拿取情况，其中，购买行为信息包括目标物品的被查看动作、目标对象的停留时长和目标对象的停留次数中的至少一种；将购买行为信息以及目标物品被拿取情况输入第一深度神经网络，输出目标物品的展示优先级；通过显示装置显示目标物品的展示优先级。本申请使物品摆放更满足目标对象的需求，减轻了人工观察物品消耗量的精力。

Description

展示优先级的获取方法、装置、终端及计算机可读介质
技术领域
本申请涉及大数据技术领域，尤其涉及一种展示优先级的获取方法、装置、终端及计算机可读介质。
背景技术
商店中物品的摆放位置是有规律的，一般销售量较高的物品摆放在顾客容易看到并拿到的位置。在实现本发明过程中，发明人发现目前物品的摆放主要是通过商家的经验和对物品消耗量的观察得到的，但商家经验有限，确定物品销售量的准确度较低，而且观察物品消耗量需要耗费大量的精力，因此，亟需一种物品的展示优先级的获取方法。
发明内容
本申请实施例的目的在于提供一种展示优先级的获取方法、装置、终端及计算机可读介质，以解决人工摆放物品效率低、准确度低的问题。具体技术方案如下：
第一方面，提供了一种展示优先级的获取方法，所述方法包括：
通过拍摄装置拍摄目标区域的图像，其中，所述目标区域包含目标物品的摆放区域；
若所述图像中包含目标对象，则通过预设的识别算法，确定所述目标物品对应的购买行为信息以及所述目标物品的被拿取情况，其中，所述购买行为信息包括所述目标物品的被查看动作、目标对象的停留时长和目标对象的停留次数中的至少一种；
将所述购买行为信息以及所述目标物品被拿取情况输入第一深度神经网络，输出所述目标物品的展示优先级；
通过显示装置显示所述目标物品的展示优先级。
可选的，所述将所述购买行为信息以及所述目标物品被拿取情况输入第一深度神经网络之前，包括：
获取多个训练样本，其中，每个训练样本包含样本购买行为信息、样本物品被拿取情况、以及与所述样本购买行为信息和所述样本物品被拿取情况对应的物品展示优先级；
根据所述多个训练样本和预设的训练算法对所述第一深度神经网络进行训练，得到训练后的第一深度神经网络。
可选的，所述获取多个训练样本之前，包括：
分别确定样本物品的被查看动作、样本对象的停留时长、样本对象的停留次数以及所述样本物品被拿取情况所对应的权重；
分别根据所述权重，确定所述样本购买行为信息和所述样本物品被拿取情况对应的展示优先级。
可选的，所述方法还包括：
根据相似目标物品和所述目标物品的标识信息，确定所述目标物品和所述相似目标物品之间的相似度；
将所述目标物品和所述相似目标物品之间的相似度，以及所述目标物品和所述展示优先级之间的对应关系输入第二深度神经网络，并输出所述相似目标物品的展示优先级。
可选的，所述通过预设的识别算法，确定所述目标物品对应的购买行为信息以及所述目标物品的被拿取情况，包括：
步骤一、通过预设的第一动作识别算法，确定所述目标对象的动作的查看动作，根据识别结果确定所述目标物品的被查看动作；
步骤二、通过预设的跟踪识别算法，确定目标对象的停留时长，根据目标对象的停留时长，确定目标物品对应的目标对象的停留时长；
步骤三、当所述目标对象的停留时长大于预设时长时，将所述目标物品对应的目标对象的停留次数加1；
步骤四、通过预设的第二动作识别算法，确定所述目标对象的动作是否为拿取动作，根据识别结果确定所述目标物品的被拿取情况。
可选的，所述方法还包括：
若所述目标物品被拿取，则查看预设时间内所述目标物品被拿取的数量是否与所述物品库中所述目标物品的减少数量相同，其中，物品库中目标物品的减少数量为物品库中目标物品的剩余数量与上一次剩余数量的差值；
若预设时间内所述目标物品被拿取的数量与所述物品库中所述目标物品的减少数量相同，则确定所述目标物品被拿取。
第二方面，提供了一种展示优先级的获取装置，其特征在于，所述装置包括：
拍摄模块，用于通过拍摄装置拍摄目标区域的图像，其中，所述目标区域包含目标物品的摆放区域；
第一确定模块，用于若所述图像中包含目标对象，则通过预设的识别算法，确定所述目标物品对应的购买行为信息以及所述目标物品的被拿取情况，其中，所述购买行为信息包括所述目标物品的被查看动作、目标对象的停留时长和目标对象的停留次数；
第一输入输出模块，用于将所述购买行为信息以及所述目标物品被拿取情况输入第一深度神经网络，输出所述目标物品的展示优先级；
显示模块，用于通过显示装置显示所述目标物品的展示优先级。
可选的，所述将所述目标对象的购买行为信息以及所述目标物品被拿取情况输入第一深度神经网络之前，包括：
获取模块，用于获取多个训练样本，其中，每个训练样本包含样本购买行为信息、样本物品被拿取情况、以及与所述样本购买行为信息和所述样本物品被拿取情况对应的物品展示优先级；
训练模块，用于根据所述多个训练样本和预设的训练算法对所述第一深度神经网络进行训练，得到训练后的第一深度神经网络。
可选的，所述装置还包括：
第二确定模块，用于根据相似目标物品和所述目标物品的标识信息，确定所述目标物品和所述相似目标物品之间的相似度；
第二输入输出模块，用于将所述目标物品和所述相似目标物品之间的相似度，以及所述目标物品和所述展示优先级之间的对应关系输入第二深度神经网络，并输出所述相似目标物品的展示优先级。
第三方面，提供了一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现任一所述的方法步骤。
第四方面，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内存储有计算机程序，所述计算机程序被处理器执行时实现任一所述的方法步骤。
本申请实施例有益效果：
本申请实施例提供了一种展示优先级的获取方法，本申请通过目标物品的购买行为信息以及所述目标物品被拿取情况输入深度神经网络，得到目标物品的展示优先级，并通过显示装置显示出来，使物品摆放更满足目标对象的需求，减轻了人工观察物品消耗量的精力。
当然，实施本申请的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请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，对于本领域普通技术人员而言，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为本申请实施例提供的一种展示优先级的获取方法的流程图；
图2为本申请实施例提供的一种训练第一深度神经网络方法的流程图；
图3为本申请实施例提供的一种输出相似目标物品的展示优先级方法的流程图；
图4为本申请实施例提供的一种展示优先级的获取装置的结构示意图；
图5为本申请实施例提供的一种电子设备的结构示意图。
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。
本申请实施例提供了一种展示优先级的获取方法，可以应用于服务器，也可以应用于终端，用于展示物品的优先级。
下面将结合具体实施方式，以服务器为例，对本申请实施例提供的一种展示优先级的获取方法进行详细的说明，如图1所示，具体步骤如下：
步骤101：通过拍摄装置拍摄目标区域的图像。
在本申请实施例中，拍摄装置可以对预设的目标区域进行拍摄，然后可以将拍摄到的图像发送给服务器。其中，目标区域包含目标物品的摆放区域。服务器接收到拍摄装置拍摄到的图像后，可以根据图像识别算法，识别图像中是否包含目标对象，若不包含目标对象，则说明目标区域中不存在目标对象，服务器控制拍摄装置继续拍摄图像；若包含目标对象，则说明目标区域中存在目标对象，服务器执行步骤102。
步骤102：若图像中包含目标对象，则通过预设的识别算法，确定目标物品对应的购买行为信息以及目标物品的被拿取情况。
在本申请实施例中，服务器中可以预先存储有行为识别算法，行为识别算法包括第一动作识别算法、跟踪识别算法和第二动作识别算法等。服务器确定图像中包含目标对象后，可以通过该行为识别算法，识别目标对象的动作信息，进而根据目标对象的动作信息，确定目标物品对应的购买行为信息以及目标物品的被拿取情况。其中，购买行为信息包括目标物品的被查看动作、目标对象的停留时长和目标对象的停留次数中的至少一种。
可选的，以购买行为信息包括目标物品的被查看动作、目标对象的停留时长和目标对象的停留次数为例，确定目标物品对应的购买行为信息以及目标物品的被拿取情况具体可以包括以下步骤：
步骤一、通过预设的第一动作识别算法，确定目标对象的动作的查看动作，根据识别结果确定目标物品的被查看动作。
在本申请实施例中，目标物品的被查看动作指预设时间内目标物品是否被多个对象查看。具体的，服务器根据图像确定目标对象的动作，目标对象的动作和目标物品的被查看动作是一一对应的。在本申请实施例中，目标对象的动作包含多种动作状态，不同的动作状态的叠加分别对应着目标物品的受欢迎程度，即目标物品的不同的被查看动作分别对应着目标物品的受欢迎程度，目标物品受欢迎程度越高，那么目标物品的展示优先级越高。下面以目标对象动作状态的叠加为例，识别目标物品的受欢迎程度。
示例性地，服务器识别到目标对象在目标物品前只有停留动作，则表示该目标物品受欢迎程度低，对应的展示优先级也可以为低；服务器识别到目标对象在目标物品前身体倾斜并弯腰，则表示该目标物品受欢迎程度略高，对应的展示优先级可以为略高；服务器识别到目标对象在目标物品前身体倾斜、弯腰并有拿起目标物品的动作，则表示该目标物品受欢迎程度高，对应的展示优先级可以为高；服务器识别到目标对象在目标物品前有拿起目标物品的动作，且目标对象离开后该目标物品不存在，则表示该目标物品已被购买，目标物品受欢迎程度最高，对应的展示优先级可以为最高。
举例来说，预设时间为24小时，24小时内目标物品被4个对象查看，那么目标物品的被查看动作数量为4。
步骤二、通过预设的跟踪识别算法，确定目标对象的停留时长，根据目标对象的停留时长，确定目标物品对应的目标对象的停留时长。
其中，在本申请实施例中，目标对象是预设时间内多个对象的集合，目标物品对应的目标对象的停留时长，指预设时间内多个对象在目标物品前停留的总时长。
服务器根据图像确定目标对象的动作时，如果服务器识别到目标对象在目标物品前停留，则服务器计算目标对象在目标物品前停留的时间，作为目标对象的停留时长。目标对象在目标物品前的停留时长越长，表示目标物品的受欢迎程度越高，对应的展示优先级也越高。
举例来说，预设时间为24小时，24小时内有3个对象在目标物品前停留，每个对象在目标物品前停留2分钟，则目标物品对应的目标对象的停留时长为6分钟。
步骤三、当目标对象的停留时长大于预设时长时，将目标物品对应的目标对象的停留次数加1。
在本申请实施例中，目标物品对应的目标对象的停留次数，指预设时间内多个对象在目标物品前停留的总次数。
服务器确定目标对象的停留时长后，服务器判断该停留时长是否大于预设时长，停留时长大于预设时长代表目标物品的受欢迎程度高，对应的展示优先级也越高。如果服务器判定该停留时长大于预设时长，则服务器将目标物品对应的停留次数加1；如果服务器判定该停留时长不大于预设时长，则目标物品对应的停留次数不变。
举例来说，预设时间为24小时，预设时长为1分钟，24小时内有7个对象在目标物品前停留，其中5个对象停留时长超过1分钟，2个对象停留时长不超过1分钟，那么目标物品对应的目标对象的停留次数为5次。
步骤四、通过预设的第二动作识别算法，确定目标对象的动作是否为拿取动作，根据识别结果确定目标物品的被拿取情况。
在本申请实施例中，目标物品的被拿取情况指预设时间内目标物品被多个目标对象的拿取情况。
服务器根据图像确定目标物品的被拿取情况，即服务器判断目标物品是否被目标对象拿走，如果服务器判断目标物品被目标对象拿走，则表示该目标物品的受欢迎程度最高，对应的展示优先级也最高；如果服务器判断目标物品没有被目标对象拿走，则表示该目标物品的受欢迎程度不是很高。
举例来说，预设时间为24小时，24小时内目标物品被3个对象拿走，那么目标物品的被拿取情况为3。
步骤103：将购买行为信息以及目标物品被拿取情况输入第一深度神经网络，输出目标物品的展示优先级。
在本申请实施例中，服务器将目标物品的购买行为信息以及目标物品被拿取情况输入第一深度神经网络，第一深度神经网络输出目标物品的展示优先级。在本申请实施例中，第一深度神经网络可以为AlexNet模型，本申请实施例对第一深度神经网络不做具体限制。
步骤104：通过显示装置显示目标物品的展示优先级。
在本申请实施例中，服务器获取第一深度神经网络输出的目标物品的展示优先级，并通过显示装置显示目标物品的展示优先级，其中优先级最高的目标物品展示在显示装置的第一位，随着优先级的降低，目标物品在显示装置上的排列顺序也依次降低，以使工作人员针对目标物品的优先级的排列顺序，将优先级最高的目标物品摆放在目标对象容易看到并拿到的位置，避免了人工推测目标物品摆放位置，减少人员工作精力的消耗。
可选的，如图2所示，将目标对象的购买行为信息以及目标物品被拿取情况输入第一深度神经网络之前，对第一深度神经网络进行训练学习，包括：
步骤201：获取多个训练样本，其中，每个训练样本包含样本购买行为信息、样本物品被拿取情况、以及与样本购买行为信息和样本物品被拿取情况对应的物品展示优先级。
在本申请实施例中，获取多个训练样本，其中，每个训练样本包含样本购买行为信息、样本物品被拿取情况、以及与样本购买行为信息和样本物品被拿取情况对应的物品展示优先级包括：分别确定样本物品的被查看动作、样本对象的停留时长、样本对象的停留次数以及所述样本物品被拿取情况所对应的权重，其中，权重由大到小对应的多个训练样本的顺序为：样本物品被拿取情况，样本物品的被查看动作，样本对象的停留时长，样本对象的停留次数；
服务器分别确定样本物品的被查看动作、样本对象的停留时长、样本对象的停留次数以及样本物品被拿取情况所对应的权重，权重代表样本物品的受欢迎程度，权重越高，则样本物品的受欢迎程度越高，那么样本物品的优先级越高。由于样本物品被拿取表示样本物品被样本用户购买，那么样本物品的受欢迎程度最高，所以样本物品被购买所对应的权重最大。样本物品的被查看动作表示样本物品被样本对象查看，样本对象对样本物品有购买意愿或者感兴趣程度高，那么样本物品的受欢迎程度高。样本对象的停留时长在一定程度上表示样本对象在看样本物品，那么样本物品的受欢迎程度较高。样本物品的停留次数一定程度上表示有多个样本对象在样本物品前停留，或一个样本对象在样本物品前多次停留，表示样本物品的受欢迎程度略高。因此，权重由大到小对应的多个训练样本的顺序为：样本物品被拿取情况，样本物品的被查看动作，样本对象的停留时长，样本对象的停留次数。
步骤202：根据多个训练样本和预设的训练算法对第一深度神经网络进行训练，得到训练后的第一深度神经网络。
在本申请实施例中，服务器根据多个训练样本和预设的训练算法对第一深度神经网络进行训练，得到训练后的第一深度神经网络。
可选的，方法还通过第二深度神经网络输出相似目标物品的展示优先级，如图3所示，包括：
步骤301：根据相似目标物品和目标物品的标识信息，确定目标物品和相似目标物品之间的相似度。
在本申请实施例中，服务器识别目标物品的标识信息，由于相似的目标物品通常是与目标物品摆放在一起，因此服务器识别目标物品附近的物品的标识信息，服务器若识别到目标物品和附近物品的标识信息相似，则确定附近物品为相似目标物品，服务器根据相似目标物品和目标物品的标识信息，确定目标物品和相似目标物品之间的相似度，其中，标识信息越相似，则目标物品和相似目标物品之间的相似度越高。
举例来说，目标物品为A奶糖，那么目标物品的标识信息则为A奶糖，服务器识别到附近物品的标识信息为B奶糖，由于A奶糖和B奶糖都为奶糖，相似度高，那么B奶糖则为相似目标物品，服务器根据标识信息确定A奶糖和B奶糖之间的相似度。
步骤302：将目标物品和相似目标物品之间的相似度，以及目标物品和展示优先级之间的对应关系输入第二深度神经网络，并输出相似目标物品的展示优先级。
在本申请实施例中，服务器根据第一深度神经网络输出的目标物品的展示优先级，确定目标物品与展示优先级之间的对应关系，服务器将目标物品和相似目标物品之间的相似度，以及目标物品和展示优先级之间的对应关系输入第二深度神经网络，第二深度神经网络输出相似目标物品的展示优先级。采用目标物品和相似目标物品之间的相似度，可以减少确定相似目标物品的展示优先级的时间，提高了效率。
举例来说，服务器确定A奶糖的展示优先级为六级(一级表示最高级)，服务器将A奶糖和B奶糖之间的相似度，以及A奶糖和展示优先级之间的对应关系输入第二深度神经网络，第二深度神经网络输出B奶糖的展示优先级也为六级。这样避免通过第一深度神经网络对B奶糖进行训练学习，提高了优先级展示效率。
另外，服务器如果识别到A奶糖和牛奶摆放在一起时，牛奶的展示优先级会提高，那么也可以将B奶糖和牛奶摆放在一起，提高牛奶的展示优先级。
可选的，服务器通过拍摄装置拍摄到的图像，选取多个目标对象中的特征对象，并对特征对象的查看动作进行识别，其中，特征对象为目标对象中面积大于预设阈值的预设数量的对象。
在本申请实施例中，若服务器通过拍摄装置拍摄到的图像，识别目标区域中有目标对象存在，且目标对象的数量大于预设阈值，由于服务器识别目标对象对目标物品的查看动作是通过线程实现的，而服务器中线程的数量有限，因此，服务器只能选取多个目标对象中的特征对象，并对特征对象的查看动作进行识别，其中，特征对象为目标对象中面积大于预设阈值的预设数量的对象。
举例来说，服务器中识别目标对象查看动作的线程为10条，那么目标对象的预设数量为10，若服务器识别到目标区域中存在20个目标对象，那么服务器选取图像中目标对象的面积大于15cm2的前10个对象作为特征对象。拍摄装置拍摄到的图像中，目标对象距拍摄装置的距离决定了目标对象的面积大小，目标对象面积越大，表示目标对象距拍摄装置距离越近，越近的目标对象的查看行为越清楚，因此，服务器选取特征对象对目标物品的查看行为，可以提高识别精确度。
在本申请实施例中，服务器通过拍摄装置拍摄的图像，识别目标区域中目标物品的数量，若服务器识别到目标物品的数量少于预设数量，那么服务器通过显示装置显示提醒信息，其中，提醒信息用于提醒补充目标物品，这样避免工作人员主动去检查物品数量，提高工作效率。
举例来说，若服务器通过图像识别到农夫山泉矿泉水还剩五瓶，少于预设数量30瓶，那么服务器通过显示器显示：农夫山泉余量不足，请补充。
可选的，方法还包括：若目标物品被拿取，服务器获取物品库中目标物品的剩余数量；并查看预设时间内目标物品被拿取的数量是否与物品库中目标物品的减少数量相同，其中，物品库中目标物品的减少数量为物品库中目标物品的剩余数量与上一次剩余数量的差值；若预设时间内目标物品被拿取的数量与物品库中目标物品的减少数量相同，则确定目标物品被拿取。
在本申请实施例中，服务器获取物品库中目标物品的剩余数量，目标物品每售卖一次，则物品库中目标物品的剩余数量相对于上一次剩余数量都会减少，具体的，物品库中目标物品的减少数量为物品库中目标物品的剩余数量与上一次剩余数量的差值。若目标物品被拿取，表示目标物品被用户购买走，则物品库中目标物品的剩余数量会有变化。若目标物品被拿取，则服务器查看预设时间内目标物品被拿取的数量是否与物品库中目标物品的减少数量相同，如果服务器判定预设时间内目标物品被拿取的数量与物品库中目标物品的减少数量相同，则服务器确定目标物品被拿取；如果服务器判定预设时间内目标物品被拿取的数量与物品库中目标物品的减少不数量相同，则服务器确定目标物品没被拿取。
基于相同的技术构思，本申请实施例还提供了一种展示优先级的获取装置，如图4所示，该装置包括：
拍摄模块401，用于通过拍摄装置拍摄目标区域的图像，其中，目标区域包含目标物品的摆放区域；
第一确定模块402，用于若图像中包含目标对象，则通过预设的识别算法，确定目标物品对应的购买行为信息以及目标物品的被拿取情况，其中，购买行为信息包括目标物品的被查看动作、目标对象的停留时长和目标对象的停留次数中的至少一种；
第一输入输出模块403，用于将购买行为信息以及目标物品被拿取情况输入第一深度神经网络，输出目标物品的展示优先级；
显示模块404，用于通过显示装置显示目标物品的展示优先级。
可选的，将目标对象的购买行为信息以及目标物品被拿取情况输入第一深度神经网络之前，包括：
获取模块，用于获取多个训练样本，其中，每个训练样本包含样本购买行为信息、样本物品被拿取情况、以及与样本购买行为信息和样本物品被拿取情况对应的物品展示优先级；
训练模块，用于根据多个训练样本和预设的训练算法对第一深度神经网络进行训练，得到训练后的第一深度神经网络。
可选的，获取多个训练样本之前，装置还包括：
第二确定模块，用于分别确定样本物品的被查看动作、样本对象的停留时长、样本对象的停留次数以及所述样本物品被拿取情况所对应的权重；
第三确定模块，用于分别根据权重，确定样本购买行为信息和样本物品被拿取情况对应的展示优先级。
可选的，装置还包括：
第四确定模块，用于根据相似目标物品和目标物品的标识信息，确定目标物品和相似目标物品之间的相似度；
第二输入输出模块，用于将目标物品和相似目标物品之间的相似度，以及目标物品和展示优先级之间的对应关系输入第二深度神经网络，并输出相似目标物品的展示优先级。
可选的，第一确定模块402包括：
第一确定单元，用于通过预设的第一动作识别算法，确定目标对象的动作的查看动作，根据识别结果确定目标物品的被查看动作。
第二确定单元，用于通过预设的跟踪识别算法，确定目标对象的停留时长，根据目标对象的停留时长，确定目标物品对应的目标对象的停留时长。
第三确定单元，用于当目标对象的停留时长大于预设时长时，将目标物品对应的目标对象的停留次数加1。
第四确定单元，用于通过预设的第二动作识别算法，确定目标对象的动作是否为拿取动作，根据识别结果确定目标物品的被拿取情况。
可选的，所述装置还包括：
查看模块，用于若所述目标物品被拿取，则查看预设时间内所述目标物品被拿取的数量是否与所述物品库中所述目标物品的减少数量相同，其中，物品库中目标物品的减少数量为物品库中目标物品的剩余数量与上一次剩余数量的差值；
第五确定模块，用于若预设时间内所述目标物品被拿取的数量与所述物品库中所述目标物品的减少数量相同，则确定所述目标物品被拿取。
本申请实施例提供了一种展示优先级的获取方法，本申请通过目标物品的购买行为信息以及目标物品被拿取情况输入深度神经网络，得到目标物品的展示优先级，并通过显示装置显示出来，使物品摆放更满足目标对象的需求，减轻了人工观察物品消耗量的精力。
基于相同的技术构思，本发明实施例还提供了一种电子设备，如图5所示，包括处理器501、通信接口502、存储器503和通信总线504，其中，处理器501，通信接口502，存储器503通过通信总线504完成相互间的通信，
存储器503，用于存放计算机程序；
处理器501，用于执行存储器503上所存放的程序时，实现以上方法步骤。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(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。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一展示优先级的获取方法方法的步骤。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一展示优先级的获取方法方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本申请的具体实施方式，使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种展示优先级的获取方法，其特征在于，所述方法包括：
通过拍摄装置拍摄目标区域的图像，其中，所述目标区域包含目标物品的摆放区域；
若所述图像中包含目标对象，则通过预设的识别算法，确定所述目标物品对应的购买行为信息以及所述目标物品的被拿取情况，其中，所述购买行为信息包括所述目标物品的被查看动作、目标对象的停留时长和目标对象的停留次数中的至少一种；
将所述购买行为信息以及所述目标物品被拿取情况输入第一深度神经网络，输出所述目标物品的展示优先级；
通过显示装置显示所述目标物品的展示优先级。
2.根据权利要求1所述的方法，其特征在于，所述将所述购买行为信息以及所述目标物品被拿取情况输入第一深度神经网络之前，包括：
获取多个训练样本，其中，每个训练样本包含样本购买行为信息、样本物品被拿取情况、以及与所述样本购买行为信息和所述样本物品被拿取情况对应的物品展示优先级；
根据所述多个训练样本和预设的训练算法对所述第一深度神经网络进行训练，得到训练后的第一深度神经网络。
3.根据权利要求2所述的方法，其特征在于，所述获取多个训练样本之前，包括：
分别确定样本物品的被查看动作、样本对象的停留时长、样本对象的停留次数以及所述样本物品被拿取情况所对应的权重；
分别根据所述权重，确定所述样本购买行为信息和所述样本物品被拿取情况对应的展示优先级。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据相似目标物品和所述目标物品的标识信息，确定所述目标物品和所述相似目标物品之间的相似度；
将所述目标物品和所述相似目标物品之间的相似度，以及所述目标物品和所述展示优先级之间的对应关系输入第二深度神经网络，并输出所述相似目标物品的展示优先级。
5.根据权利要求1所述的方法，其特征在于，所述通过预设的识别算法，确定所述目标物品对应的购买行为信息以及所述目标物品的被拿取情况，包括：
步骤一、通过预设的第一动作识别算法，确定所述目标对象的动作的查看动作，根据识别结果确定所述目标物品的被查看动作；
步骤二、通过预设的跟踪识别算法，确定目标对象的停留时长，根据目标对象的停留时长，确定目标物品对应的目标对象的停留时长；
步骤三、当所述目标对象的停留时长大于预设时长时，将所述目标物品对应的目标对象的停留次数加1；
步骤四、通过预设的第二动作识别算法，确定所述目标对象的动作是否为拿取动作，根据识别结果确定所述目标物品的被拿取情况。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
若所述目标物品被拿取，则查看预设时间内所述目标物品被拿取的数量是否与所述物品库中所述目标物品的减少数量相同，其中，物品库中目标物品的减少数量为物品库中目标物品的剩余数量与上一次剩余数量的差值；
若预设时间内所述目标物品被拿取的数量与所述物品库中所述目标物品的减少数量相同，则确定所述目标物品被拿取。
7.一种展示优先级的获取装置，其特征在于，所述装置包括：
拍摄模块，用于通过拍摄装置拍摄目标区域的图像，其中，所述目标区域包含目标物品的摆放区域；
第一确定模块，用于若所述图像中包含目标对象，则通过预设的识别算法，确定所述目标物品对应的购买行为信息以及所述目标物品的被拿取情况，其中，所述购买行为信息包括所述目标物品的被查看动作、目标对象的停留时长和目标对象的停留次数；
第一输入输出模块，用于将所述购买行为信息以及所述目标物品被拿取情况输入第一深度神经网络，输出所述目标物品的展示优先级；
显示模块，用于通过显示装置显示所述目标物品的展示优先级。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
第二确定模块，用于根据相似目标物品和所述目标物品的标识信息，确定所述目标物品和所述相似目标物品之间的相似度；
第二输入输出模块，用于将所述目标物品和所述相似目标物品之间的相似度，以及所述目标物品和所述展示优先级之间的对应关系输入第二深度神经网络，并输出所述相似目标物品的展示优先级。
9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-6任一所述的方法步骤。
10.一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内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-6任一所述的方法步骤。
CN202010105407.6A 2020-02-20 2020-02-20 展示优先级的获取方法、装置、终端及计算机可读介质 Pending CN111325151A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010105407.6A CN111325151A (zh) 2020-02-20 2020-02-20 展示优先级的获取方法、装置、终端及计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010105407.6A CN111325151A (zh) 2020-02-20 2020-02-20 展示优先级的获取方法、装置、终端及计算机可读介质

Publications (1)

Publication Number Publication Date
CN111325151A true CN111325151A (zh) 2020-06-23

Family

ID=71168825

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010105407.6A Pending CN111325151A (zh) 2020-02-20 2020-02-20 展示优先级的获取方法、装置、终端及计算机可读介质

Country Status (1)

Country Link
CN (1) CN111325151A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111915380A (zh) * 2020-08-31 2020-11-10 杭州拼便宜网络科技有限公司 一种商品陈列路径生成方法、装置、设备及存储介质
CN115909186A (zh) * 2022-09-30 2023-04-04 北京瑞莱智慧科技有限公司 图像信息识别方法、装置、计算机设备及存储介质
CN117196779A (zh) * 2023-09-16 2023-12-08 广州小明网络科技有限公司 一种基于门店新零售管理系统
CN115909186B (zh) * 2022-09-30 2024-05-14 北京瑞莱智慧科技有限公司 图像信息识别方法、装置、计算机设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106776619A (zh) * 2015-11-20 2017-05-31 百度在线网络技术（北京）有限公司 用于确定目标对象的属性信息的方法和装置
CN108389060A (zh) * 2018-02-28 2018-08-10 南京芝麻信息科技有限公司 顾客忠诚度信息处理方法及装置
CN108564414A (zh) * 2018-04-23 2018-09-21 帷幄匠心科技（杭州）有限公司 基于线下行为的商品推荐方法和系统
CN108830251A (zh) * 2018-06-25 2018-11-16 北京旷视科技有限公司 信息关联方法、装置和系统
US20190346931A1 (en) * 2018-05-09 2019-11-14 Quatius Technology (China) Limited Method for human-machine interaction in a storage unit, storage unit, and storage medium

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106776619A (zh) * 2015-11-20 2017-05-31 百度在线网络技术（北京）有限公司 用于确定目标对象的属性信息的方法和装置
CN108389060A (zh) * 2018-02-28 2018-08-10 南京芝麻信息科技有限公司 顾客忠诚度信息处理方法及装置
CN108564414A (zh) * 2018-04-23 2018-09-21 帷幄匠心科技（杭州）有限公司 基于线下行为的商品推荐方法和系统
US20190346931A1 (en) * 2018-05-09 2019-11-14 Quatius Technology (China) Limited Method for human-machine interaction in a storage unit, storage unit, and storage medium
CN108830251A (zh) * 2018-06-25 2018-11-16 北京旷视科技有限公司 信息关联方法、装置和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李龙生;艾均;苏湛;李妍妍;: "结合用户行为和物品标签的协同过滤推荐算法" *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111915380A (zh) * 2020-08-31 2020-11-10 杭州拼便宜网络科技有限公司 一种商品陈列路径生成方法、装置、设备及存储介质
CN115909186A (zh) * 2022-09-30 2023-04-04 北京瑞莱智慧科技有限公司 图像信息识别方法、装置、计算机设备及存储介质
CN115909186B (zh) * 2022-09-30 2024-05-14 北京瑞莱智慧科技有限公司 图像信息识别方法、装置、计算机设备及存储介质
CN117196779A (zh) * 2023-09-16 2023-12-08 广州小明网络科技有限公司 一种基于门店新零售管理系统
CN117196779B (zh) * 2023-09-16 2024-04-16 广州小明网络科技有限公司 一种基于门店新零售管理系统

Similar Documents

Publication Publication Date Title
CN108389316B (zh) 自动售货方法、装置和计算机可读存储介质
US9569851B2 (en) Sequencing products recognized in a shelf image
CN110135951B (zh) 游戏商品的推荐方法、装置及可读存储介质
CN111325151A (zh) 展示优先级的获取方法、装置、终端及计算机可读介质
CN111382635B (zh) 一种商品类别识别方法、装置及电子设备
CN110674696A (zh) 一种监控方法、装置、系统、监控设备及可读存储介质
CN111263224A (zh) 视频处理方法、装置及电子设备
CN109977824B (zh) 物品取放识别方法、装置及设备
JP2016224800A (ja) 人物行動分析装置、人物行動分析システムおよび人物行動分析方法
JPWO2019123714A1 (ja) 情報処理装置、商品推薦方法、およびプログラム
CN112365315B (zh) 商品展示位置推荐方法、装置、系统以及存储介质
CN113706227A (zh) 一种货架商品推荐方法及装置
CN111860071A (zh) 用于识别物品的方法和装置
CN111814653B (zh) 一种视频中异常行为的检测方法、装置、设备及存储介质
CN111260685A (zh) 视频处理方法、装置及电子设备
CN111339884B (zh) 图像识别方法以及相关设备、装置
CN112419432A (zh) 冰箱内食物的控制方法和装置、电子设备和存储介质
CN111242094A (zh) 商品识别方法、智能货柜及智能货柜系统
CN114140751B (zh) 一种考场监控方法及系统
CN111222377B (zh) 一种商品信息确定方法、装置及电子设备
CN112950329A (zh) 商品动态信息生成方法、装置、设备及计算机可读介质
CN113160414A (zh) 货物余量自动识别方法、装置、电子设备以及计算机可读介质
CN111126322A (zh) 应用于无人售货装置的物品识别方法、装置及设备
CN111931674B (zh) 物品识别管理方法、装置、服务器及可读存储介质
CN110648734A (zh) 一种基于均值的识别医疗中的异常案例的方法及装置

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
CB02 Change of applicant information

Address after: Room 221, 2 / F, block C, 18 Kechuang 11th Street, Daxing District, Beijing, 100176

Applicant after: Jingdong Technology Holding Co.,Ltd.

Address before: Room 221, 2 / F, block C, 18 Kechuang 11th Street, Daxing District, Beijing, 100176

Applicant before: Jingdong Digital Technology Holding Co.,Ltd.

Address after: Room 221, 2 / F, block C, 18 Kechuang 11th Street, Daxing District, Beijing, 100176

Applicant after: Jingdong Digital Technology Holding Co.,Ltd.

Address before: Room 221, 2 / F, block C, 18 Kechuang 11th Street, Daxing District, Beijing, 100176

Applicant before: JINGDONG DIGITAL TECHNOLOGY HOLDINGS Co.,Ltd.

CB02 Change of applicant information