CN111339358A - 电影推荐方法、装置、计算机设备和存储介质 - Google Patents
电影推荐方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111339358A CN111339358A CN202010129880.8A CN202010129880A CN111339358A CN 111339358 A CN111339358 A CN 111339358A CN 202010129880 A CN202010129880 A CN 202010129880A CN 111339358 A CN111339358 A CN 111339358A
- Authority
- CN
- China
- Prior art keywords
- score
- user
- movie
- age
- recommended
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012163 sequencing technique Methods 0.000 claims abstract description 21
- 230000014509 gene expression Effects 0.000 claims description 39
- 206010049290 Feminisation acquired Diseases 0.000 claims description 33
- 208000034793 Feminization Diseases 0.000 claims description 33
- 206010047486 Virilism Diseases 0.000 claims description 29
- 231100000794 masculinization Toxicity 0.000 claims description 29
- 230000032683 aging Effects 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 26
- 239000011159 matrix material Substances 0.000 claims description 21
- 230000008451 emotion Effects 0.000 claims description 14
- 230000000694 effects Effects 0.000 abstract description 7
- 238000001514 detection method Methods 0.000 description 15
- 238000004364 calculation method Methods 0.000 description 13
- 238000013459 approach Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 230000001815 facial effect Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 238000010606 normalization Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 4
- 239000004973 liquid crystal related substance Substances 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/73—Querying
- G06F16/735—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
- 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
- G06V40/178—Human faces, e.g. facial parts, sketches or expressions estimating age from face image; using age information for improving recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种电影推荐方法、装置、计算机设备和存储介质。所述方法包括:获取用户的人脸图像;基于所述人脸图像获取用户特征,所述用户特征包括年龄以及性别;基于所述用户特征获取用户特征评分;基于所述用户特征评分对待推荐电影进行排序并推荐。上述电影推荐方法、装置、计算机设备和存储介质,通过获取用户的人脸图像;基于所述人脸图像获取用户特征,所述用户特征包括年龄以及性别;基于所述用户特征获取用户特征评分;基于所述用户特征评分对待推荐电影进行排序并推荐的方法,针对不同用户的特点选取推荐的电影,实现个性化推荐,推荐效果更好。
Description
技术领域
本申请涉及人脸识别技术领域,特别是涉及一种电影推荐方法、装置、计算机设备和存储介质。
背景技术
在信息化时代,上映电影推荐包含了线上的微博等宣传方式,而线下的影院上映电影推荐多采用固定画板的方式,放置在影院或者公交车站等场所,电子化一点的方式为,采用液晶屏轮换展示当前可以观看的电影。但即使轮换展示推荐,展示顺序也是预先设置好的,无法根据用户的特点进行个性化推荐,推荐效果不佳。
发明内容
基于此,有必要线下电影推荐的展示顺序是预先设置好的,无法根据用户的特点进行个性化推荐,推荐效果不佳的技术问题,提供一种电影推荐方法、装置、计算机设备和存储介质。
一种电影推荐方法,所述方法包括:
获取用户的人脸图像;
基于所述人脸图像获取用户特征,所述用户特征包括年龄以及性别;
基于所述用户特征获取用户特征评分;
基于所述用户特征评分对待推荐电影进行排序并推荐。
在其中一个实施例中,所述基于所述人脸图像获取用户特征包括:
若用户数量为多个,则基于所述人脸图像获取用户的年龄、性别以及多个用户之间的距离;
且所述用户的年龄、性别以及多个用户之间的距离均参与用户特征评分。
在其中一个实施例中,所述基于用户的年龄、性别以及多个用户之间的距离获取用户特征评分包括:
基于用户的年龄、性别以及多个用户之间的距离计算用户的家庭评分、亲密度评分、恋人评分、老年化评分、儿童评分、男性化评分以及女性化评分,组成用户特征评分矩阵。
在其中一个实施例中,
基于用户的年龄、性别以及多个用户之间的距离计算用户的家庭评分、亲密度评分、恋人评分、老年化评分、儿童评分、男性化评分以及女性化评分包括:
若用户数量为一个,则家庭评分为0,若用户数量为多个,则家庭评分为1;
基于多个用户之间的距离计算亲密度评分,平均距离越近,亲密度评分越高;
基于用户的年龄计算老年化评分以及儿童评分,平均年龄越大,老年化评分越高,儿童评分越低,平均年龄越小,老年化评分越低,儿童评分越高;
基于用户的性别计算男性化评分以及女性化评分,男性数量越多,男性化评分越高,女性数量越多,女性化评分越高;
基于用户的男性化评分、女性化评分以及亲密度评分计算用户的恋人评分。
在其中一个实施例中,所述基于所述用户特征评分对待推荐电影进行排序并推荐包括:
计算用户特征评分矩阵与待推荐电影的综合评分矩阵的余弦相似度,基于所述余弦相似度对待推荐电影进行排序并推荐,待推荐电影的余弦相似度越高,排序越靠前。
在其中一个实施例中,所述基于所述用户特征评分对待推荐电影进行排序并推荐还包括:
基于所述用户特征对当前推荐电影的推荐时长进行调整,所述用户特征还包括表情。
在其中一个实施例中,所述基于所述用户特征对当前推荐电影的推荐时长进行调整还包括:
若用户表情为正面情绪,则增加电影的推荐时长;
若用户表情为负面情绪,则减少电影的推荐时长;
若用户表情为平静,则电影的推荐时长为预设时长。
一种电影推荐装置,所述装置包括:
图像获取模块,用于获取用户的人脸图像;
特征获取模块,用于基于所述人脸图像获取用户特征,所述用户特征包括年龄以及性别;
评分获取模块,用于基于所述用户特征获取用户特征评分;
推荐模块,用于基于所述用户特征评分对待推荐电影进行排序并推荐。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取用户的人脸图像;
基于所述人脸图像获取用户特征,所述用户特征包括年龄以及性别;
基于所述用户特征获取用户特征评分;
基于所述用户特征评分对待推荐电影进行排序并推荐。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取用户的人脸图像;
基于所述人脸图像获取用户特征,所述用户特征包括年龄以及性别;
基于所述用户特征获取用户特征评分;
基于所述用户特征评分对待推荐电影进行排序并推荐。
上述电影推荐方法、装置、计算机设备和存储介质,通过获取用户的人脸图像;基于所述人脸图像获取用户特征,所述用户特征包括年龄以及性别;基于所述用户特征获取用户特征评分;基于所述用户特征评分对待推荐电影进行排序并推荐的方法,针对不同用户的特点选取推荐的电影,实现个性化推荐,推荐效果更好。
附图说明
图1为本发明一实施例的电影推荐方法的流程示意图;
图2为本发明一实施例的电影推荐装置的结构框图;
图3为本发明一实施例的电影推荐系统的结构框图;
图4为本发明另一实施例的电影推荐系统的结构框图;
图5为本发明一实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
请参阅图1,图1为本发明一实施例的电影推荐方法的流程示意图。
在本实施例中,电影推荐方法包括:
步骤100,获取用户的人脸图像。
可以理解的,电影推荐在展示框架中进行,通过采集单元采集展示框架前的图像,并从中识别出人脸图像。
步骤110,基于人脸图像获取用户特征,用户特征包括年龄以及性别。
示例性地,基于人脸图像体现的用户特征,识别用户的年龄、性别以及表情等用户属性。
步骤120,基于用户特征获取用户特征评分。
在本实施例中,预设评分机制,并在获取用户的年龄、性别以及表情等属性后将其代入评分机制中,得到用户特征评分。
步骤130,基于用户特征评分对待推荐电影进行排序并推荐。
具体地,待推荐电影可以为数据库中预存的电影,也可以通过通信模块从远程服务器中获取,基于用户特征评分对待推荐电影进行排序,并按照排序结果轮换展示给用户,以进行推荐。
上述电影推荐方法,通过获取用户的人脸图像;基于人脸图像获取用户特征,用户特征包括年龄以及性别;基于用户特征获取用户特征评分;基于用户特征评分对待推荐电影进行排序并推荐的方法,针对不同用户的特点选取推荐的电影,实现个性化推荐,推荐效果更好。
在其它实施例中,获取用户的人脸图像之前还包括检测用户距离。可以理解的,通过红外检测得到用户距离,在检测到用户接近到预设距离时开始进行图像采集与人脸检测。
在其它实施例中,获取用户的人脸图像具体包括:
1、人脸检测定位,基于采集到的图像识别是否包括人脸,并且准确定位人脸位置,通过计算机视觉开源库OpenCV中的Adaboost人脸检测算法,对于检测到的每张人脸,返回一个包含人脸区域的矩形区域。
2、人脸图像预处理,即归一化处理,具体包括几何归一化处理和灰度归一化处理。具体地,几何归一化处理即机器将识别到的人脸调整至预设的相同的位置和大小便于提取信息;灰度归一化处理即对图像进行光照补偿,滤镜等预处理,使图像灰度趋于一致。
在其它实施例中,基于人脸图像获取用户特征,用户特征包括年龄以及性别包括若用户数量为多个,则基于人脸图像获取用户的年龄、性别以及多个用户之间的距离。
可以理解的,在展示框架前观看电影推荐的可能是一个人也可能是多个人,当从人脸图像中检测到用户为一个人时,则基于人脸图像获取用户特征,用户特征包括年龄以及性别;当从人脸图像中检测到用户为多个人时,则基于人脸图像获取用户的年龄、性别以及多个用户之间的距离。
可以理解的,基于人脸图像获取用户特征,用户特征包括年龄以及性别包括将人脸图像输入神经网络中,得到用户的年龄以及性别。具体地,采用IMDB-WIKI数据集进行训练得到Inception-Reset深度学习卷积神经网络模型,将人脸图像输入Inception-Reset深度学习卷积神经网络模型,即可得到用户年龄与性别。
在其它实施例中,还包括基于人脸图像获取用户的表情。具体地,采用英特尔的Neural Computer Stick神经计算棒,以及Openvino开发套件进行设计,可直接基于人脸图像输出含快乐、平静、悲伤等用户表情的标签。
在其它实施例中,可以根据实际情况选择不同的数据集、神经网络模型以及开发工具,只需达到基于人脸图像获取用户的年龄、性别以及表情的效果即可。
在其它实施例中,检测多个用户之间的距离的具体步骤包括:将检测到的每一个用户的人脸区域分别标示为Reci,i为当前的人员标签。获取每一个用户人脸区域的中心点坐标,标记为(x,y)i,将每一个用户人脸区域的中心点坐标与其他所有用户人脸区域的中心点坐标计算欧式距离,并以其中的最小值作为距离,记为Disi,从而获得距离集合{Distance}。
在其它实施例中,基于用户特征获取用户特征评分包括基于用户的年龄、性别以及多个用户之间的距离获取用户特征评分。
可以理解的,当用户数量为一个时,仅基于用户特征获取用户特征评分,具体地,设置家庭评分、亲密度评分、恋人评分、老年化评分、儿童评分以及性别评分,组成用户特征评分矩阵;当用户数量为一个时,家庭评分、亲密度评分、恋人评分都为0;Age为用户年龄,设置AgeSet-min为判断是否为儿童的年龄阈值,AgeSet-max为判断是否为老人的年龄阈值,老年化评分记为儿童化评分记为性别为SEX,若检测性别为男,男性化评分设为1,女性化评分设为0;若检测性别为女,男性化评分设为0,女性化评分设为1。
当用户数量为多个时,基于用户的年龄、性别以及多个用户之间的距离获取用户特征评分,组成用户特征评分矩阵,具体步骤包括:
1、如果年龄、性别数据{Age、Sex}中Age最小值AgeMin≤AgeSet-min(其中AgeSet-min为设定的年龄最小值),则儿童评分设为1,老年化评分设为0,家庭评分设为1、亲密度评分设为1、恋人评分设为0;如果年龄最小的儿童性别为男,男性化评分为1,女性化评分为0;如果年龄最小的儿童性别为女,男性化评分为0,女性化评分为1;
如果年龄、性别数据{Age、Sex}中Age最小值AgeMin>AgeSet-max(其中AgeSet-max为设定的年龄最大值),则儿童评分设为0;在此基础上,如果Age最大值AgeMax≥AgeSet-max,则老年化评分设为1,家庭评分设为1,亲密度评分设为1,恋人评分设为0;如果年龄最大的老人性别为男,男性化评分为1,女性化评分为0;如果年龄最大的老人性别为女,男性化评分为0,女性化评分为1;
2、如果年龄、性别数据{Age、Sex}中Age全部位于AgeSet-max和AgeSet-min之间,则按如下步骤:
2.4、根据性别数据组,设性别男为1,性别女为-1,记标记性别的数据组为Sexi∈{Sex},其中i为检测到的人脸序号。男性化评分为其中Sexi∈{Sex},Sexm∈{Sex}m,{Sex}m为性别为男的组合;女性化评分为其中Sexi∈{Sex},Sexf∈{Sex}f,{Sex}f为性别为女的组合;
在其它实施例中,基于用户特征评分对待推荐电影进行排序并推荐包括计算用户特征评分矩阵与待推荐电影的综合评分矩阵的余弦相似度,基于余弦相似度对待推荐电影进行排序并推荐,待推荐电影的余弦相似度越高,排序越靠前。具体步骤包括:
获取装置前用户的特征评分矩阵S=[S1,S2,S3,S4,S5,S6,S7],列向量分别表示家庭评分、亲密度评分、恋人评分、老年化评分、儿童评分、男性化评分、女性化评分。获取当前电影集合Movie的评分矩阵,T=[T11,T12,T13,T14,T15,T16,T17;…;Tn1,Tn2,Tn3,Tn4,Tn5,Tn6,Tn7],其中n为电影序号,列向量分别表示家庭评分、亲密度评分、恋人评分、老年化评分、儿童评分、男性化评分、女性化评分。计算用户评分和某一电影综合评分y的余弦相似度,其中Ty为T的第y行,基于余弦相似度对待推荐电影进行排序,并选取前K个电影进行轮换展示推荐,K为预先设置的数量。
在其它实施例中,基于用户特征评分对待推荐电影进行排序并推荐还包括基于用户特征对当前推荐电影的推荐时长进行调整,用户特征还包括表情。具体地,初始平均分配给K个电影的展示推荐时间为ti,基于人脸图像获取用户的表情,如果表情为愉悦等正面情绪,则展示时间为ti+tp,如果表情为悲伤等负面情绪,则展示时间为ti-tn,如果表情为平静,则展示时间仍为ti。可以理解的,ti、tp、tn均为预设时间,可以根据实际需求进行调整。
在其它实施例中,基于用户特征评分对待推荐电影进行排序并推荐还包括随机抽选一部电影,与排序前K名的电影一起进行轮换展示推荐。可以理解的,当没有用户接近时,展示框架仅展示推荐随机选取的电影;当检测到用户接近时,则采集人脸图像,并基于人脸图像对待推荐电影进行排序,选取排序前K名的电影与随机抽取的电影共同进行轮换展示推荐。
应该理解的是,虽然图1的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图2所示,提供了一种电影推荐装置,包括:图像获取模块200、特征获取模块210、评分获取模块220和推荐模块230,其中:
图像获取模块200,用于获取用户的人脸图像。
特征获取模块210,用于基于人脸图像获取用户特征,用户特征包括年龄以及性别。
特征获取模块210,还用于:
若用户数量为多个,则基于人脸图像获取用户的年龄、性别以及多个用户之间的距离;
且用户的年龄、性别以及多个用户之间的距离均参与用户特征评分。
评分获取模块220,用于基于用户特征获取用户特征评分。
评分获取模块220,还用于基于用户的年龄、性别以及多个用户之间的距离计算用户的家庭评分、亲密度评分、恋人评分、老年化评分、儿童评分、男性化评分以及女性化评分,组成用户特征评分矩阵。
评分获取模块220,还用于:
若用户数量为一个,则家庭评分为0,若用户数量为多个,则家庭评分为1;
基于多个用户之间的距离计算亲密度评分,平均距离越近,亲密度评分越高;
基于用户的年龄计算老年化评分以及儿童评分,平均年龄越大,老年化评分越高,儿童评分越低,平均年龄越小,老年化评分越低,儿童评分越高;
基于用户的性别计算男性化评分以及女性化评分,男性数量越多,男性化评分越高,女性数量越多,女性化评分越高;
基于用户的男性化评分、女性化评分以及亲密度评分计算用户的恋人评分。
推荐模块230,用于基于用户特征评分对待推荐电影进行排序并推荐。
推荐模块230,还用于计算用户特征评分矩阵与待推荐电影的综合评分矩阵的余弦相似度,基于余弦相似度对待推荐电影进行排序并推荐,待推荐电影的余弦相似度越高,排序越靠前。
推荐模块230,还用于基于用户特征对当前推荐电影的推荐时长进行调整,用户特征还包括表情。
推荐模块230,还用于:
若用户表情为正面情绪,则增加电影的推荐时长;
若用户表情为负面情绪,则减少电影的推荐时长;
若用户表情为平静,则电影的推荐时长为预设时长。
请参阅图3至图4,图3为本发明一实施例的电影推荐系统的结构框图,图4为本发明另一实施例的电影推荐系统的结构框图。在其它实施例中,电影推荐系统还包括展示框架1、人脸检测单元2、人脸特征提取单元3、影视信息存储单元4、用户与影视相关度计算单元5、影视信息推荐展示单元6、无线通讯单元7以及远程服务器8。其中,展示框架1为金属材质,放置在公共场所或影院内,面向行人,人脸检测单元2、人脸特征提取单元3、影视信息存储单元4、用户与影视相关度计算单元5、影视信息推荐展示单元6、无线通讯单元7均置于展示框架内。
示例性地,人脸检测单元2用于检测用户靠近和人脸检测,包括用户接近检测部件201、人脸检测部件202以及人脸图像预处理部件203。其中,用户接近检测部件201使用红外检测,通过红外检测得到用户距离,在检测到用户接近到预设距离时开始进行图像采集与人脸检测。可以理解的,人脸检测部件202以及人脸图像预处理部件203即图像获取模块,用于在用户接近到预设距离时获取用户的人脸图像。
示例性地,人脸特征提取单元3用于获取用户的年龄、性别、表情、距离的用户特征,包括年龄识别部件301、性别识别部件302、表情识别部件303和距离计算部件304;年龄、性别、距离特征信息发送至用户与影视相关度计算单元5,表情信息发送至影视信息推荐展示单元6。可以理解的,人脸特征提取单元3即特征获取模块,用于基于人脸图像获取用户特征,用户特征可以包括年龄、性别、表情以及用户之间的距离。
示例性地,影视信息存储单元4包括第一硬盘部件401以及第二硬盘部件402,第一硬盘部件401存储当前影视,即待推荐电影的画报信息,推荐电影即将画报信息进行展示,第二硬盘部件402存储待推荐电影的家庭评分、亲密度评分、恋人评分、老年化评分、儿童评分、男性化评分、女性化评分多维度评分信息,单个维度评分最高设定值为1。
示例性地,用户与影视相关度计算单元5包括用户多维度计算部件501以及相似度计算部件502。用户多维度计算部件501根据装置前用户的年龄、性别、距离特征计算家庭评分、亲密度评分、恋人评分、老年化评分、儿童评分、男性化评分、女性化评分等用户特征评分,单项的评分总分按照最高为1进行归一化计算;相似度计算部件502根据影视信息存储单元存储的待推荐电影的多维度评分信息和计算得到的多维度用户特征评分信息进行余弦相似度计算,计算当前每一个存储影视的相似度得分。可以理解的,用户多维度计算部件501即评分获取模块,用于基于用户特征获取用户特征评分;相似度计算部件502包括在推荐模块中,用于基于用户特征评分计算相似度。
示例性地,影视信息推荐展示单元6包括影视排序部件601、展示部件602、时间动态调整部件603以及随机抽选部件604,用于展示相关度高的多个影视的信息,并随机挑选相关度低的单个影视进行结合展示,根据用户表情动态调整不同影视的展示时间。其中,影视排序部件601在检测到用户接近时从用户与影视相关度计算单元获取相似度,对相似度进行排序后抽选前K个影视输出至展示部件602进行轮换展示;影视排序部件601在未检测到用户接近时不产生排序数据;展示部件602包括液晶屏及其相应驱动,在检测到用户接近时,对影视排序部件601的前K个影视和随机抽选部件604提供的单个影视进行播放,在未检测到用户时对随机抽选部件604提供的单个影视进行播放;动态时间调整部件603,初始平均给分配K个影视的展示时间为ti,获取人脸特征提取单元得到的表情特征,如果表情特征为愉悦等正面情绪,则展示时间为ti+tp,如果表情特征为悲伤等负面情绪,则展示时间为ti-tn,如果为平静,则展示时间仍为ti;随机抽选部件604对当前的影视随机抽选,输出至展示部件。
示例性地,无线通讯单元7用于建立影视信息存储单元4和远程数据库8的无线连接,用于定时更新影视信息存储单元的画报信息和评分信息;无线通讯单元7可采用WIFI或者4G、5G等移动通讯方式实施。
远程服务器8存储有当前影视画报信息和评分信息,定时由工作人员进行更新。
关于电影推荐装置的具体限定可以参见上文中对于电影推荐方法的限定,在此不再赘述。上述电影推荐装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种电影推荐方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取用户的人脸图像;
基于人脸图像获取用户特征,用户特征包括年龄以及性别;
基于用户特征获取用户特征评分;
基于用户特征评分对待推荐电影进行排序并推荐。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
若用户数量为多个,则基于人脸图像获取用户的年龄、性别以及多个用户之间的距离;
且用户的年龄、性别以及多个用户之间的距离均参与用户特征评分。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
基于用户的年龄、性别以及多个用户之间的距离计算用户的家庭评分、亲密度评分、恋人评分、老年化评分、儿童评分、男性化评分以及女性化评分,组成用户特征评分矩阵。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
若用户数量为一个,则家庭评分为0,若用户数量为多个,则家庭评分为1;
基于多个用户之间的距离计算亲密度评分,平均距离越近,亲密度评分越高;
基于用户的年龄计算老年化评分以及儿童评分,平均年龄越大,老年化评分越高,儿童评分越低,平均年龄越小,老年化评分越低,儿童评分越高;
基于用户的性别计算男性化评分以及女性化评分,男性数量越多,男性化评分越高,女性数量越多,女性化评分越高;
基于用户的男性化评分、女性化评分以及亲密度评分计算用户的恋人评分。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
计算用户特征评分矩阵与待推荐电影的综合评分矩阵的余弦相似度,基于余弦相似度对待推荐电影进行排序并推荐,待推荐电影的余弦相似度越高,排序越靠前。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
基于用户特征对当前推荐电影的推荐时长进行调整,用户特征还包括表情。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
若用户表情为正面情绪,则增加电影的推荐时长;
若用户表情为负面情绪,则减少电影的推荐时长;
若用户表情为平静,则电影的推荐时长为预设时长。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取用户的人脸图像;
基于人脸图像获取用户特征,用户特征包括年龄以及性别;
基于用户特征获取用户特征评分;
基于用户特征评分对待推荐电影进行排序并推荐。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
若用户数量为多个,则基于人脸图像获取用户的年龄、性别以及多个用户之间的距离;
且用户的年龄、性别以及多个用户之间的距离均参与用户特征评分。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
基于用户的年龄、性别以及多个用户之间的距离计算用户的家庭评分、亲密度评分、恋人评分、老年化评分、儿童评分、男性化评分以及女性化评分,组成用户特征评分矩阵。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
若用户数量为一个,则家庭评分为0,若用户数量为多个,则家庭评分为1;
基于多个用户之间的距离计算亲密度评分,平均距离越近,亲密度评分越高;
基于用户的年龄计算老年化评分以及儿童评分,平均年龄越大,老年化评分越高,儿童评分越低,平均年龄越小,老年化评分越低,儿童评分越高;
基于用户的性别计算男性化评分以及女性化评分,男性数量越多,男性化评分越高,女性数量越多,女性化评分越高;
基于用户的男性化评分、女性化评分以及亲密度评分计算用户的恋人评分。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
计算用户特征评分矩阵与待推荐电影的综合评分矩阵的余弦相似度,基于余弦相似度对待推荐电影进行排序并推荐,待推荐电影的余弦相似度越高,排序越靠前。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
基于用户特征对当前推荐电影的推荐时长进行调整,用户特征还包括表情。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
若用户表情为正面情绪,则增加电影的推荐时长;
若用户表情为负面情绪,则减少电影的推荐时长;
若用户表情为平静,则电影的推荐时长为预设时长。
上述电影推荐方法、装置、计算机设备和存储介质,通过获取用户的人脸图像;基于人脸图像获取用户特征,用户特征包括年龄以及性别;基于用户特征获取用户特征评分;基于用户特征评分对待推荐电影进行排序并推荐的方法,针对不同用户的特点选取推荐的电影,实现个性化推荐,推荐效果更好。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。不同实施例中的技术特征体现在同一附图中时,可视为该附图也同时披露了所涉及的各个实施例的组合例。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种电影推荐方法,其特征在于,所述电影推荐方法包括:
获取用户的人脸图像;
基于所述人脸图像获取用户特征,所述用户特征包括年龄以及性别;
基于所述用户特征获取用户特征评分;
基于所述用户特征评分对待推荐电影进行排序并推荐。
2.根据权利要求1所述的电影推荐方法,其特征在于,所述基于所述人脸图像获取用户特征包括:
若用户数量为多个,则基于所述人脸图像获取用户的年龄、性别以及多个用户之间的距离;
且所述用户的年龄、性别以及多个用户之间的距离均参与用户特征评分。
3.根据权利要求2所述的电影推荐方法,其特征在于,所述基于用户的年龄、性别以及多个用户之间的距离获取用户特征评分包括:
基于用户的年龄、性别以及多个用户之间的距离计算用户的家庭评分、亲密度评分、恋人评分、老年化评分、儿童评分、男性化评分以及女性化评分,组成用户特征评分矩阵。
4.根据权利要求3所述的电影推荐方法,其特征在于,基于用户的年龄、性别以及多个用户之间的距离计算用户的家庭评分、亲密度评分、恋人评分、老年化评分、儿童评分、男性化评分以及女性化评分包括:
若用户数量为一个,则家庭评分为0,若用户数量为多个,则家庭评分为1;
基于多个用户之间的距离计算亲密度评分,平均距离越近,亲密度评分越高;
基于用户的年龄计算老年化评分以及儿童评分,平均年龄越大,老年化评分越高,儿童评分越低,平均年龄越小,老年化评分越低,儿童评分越高;
基于用户的性别计算男性化评分以及女性化评分,男性数量越多,男性化评分越高,女性数量越多,女性化评分越高;
基于用户的男性化评分、女性化评分以及亲密度评分计算用户的恋人评分。
5.根据权利要求3所述的电影推荐方法,其特征在于,所述基于所述用户特征评分对待推荐电影进行排序并推荐包括:
计算用户特征评分矩阵与待推荐电影的综合评分矩阵的余弦相似度,基于所述余弦相似度对待推荐电影进行排序并推荐,待推荐电影的余弦相似度越高,排序越靠前。
6.根据权利要求1所述的电影推荐方法,其特征在于,所述基于所述用户特征评分对待推荐电影进行排序并推荐还包括:
基于所述用户特征对当前推荐电影的推荐时长进行调整,所述用户特征还包括表情。
7.根据权利要求6所述的电影推荐方法,其特征在于,所述基于所述用户特征对当前推荐电影的推荐时长进行调整还包括:
若用户表情为正面情绪,则增加电影的推荐时长;
若用户表情为负面情绪,则减少电影的推荐时长;
若用户表情为平静,则电影的推荐时长为预设时长。
8.一种电影推荐装置,其特征在于,所述电影推荐装置包括:
图像获取模块,用于获取用户的人脸图像;
特征获取模块,用于基于所述人脸图像获取用户特征,所述用户特征包括年龄以及性别;
评分获取模块,用于基于所述用户特征获取用户特征评分;
推荐模块,用于基于所述用户特征评分对待推荐电影进行排序并推荐。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的电影推荐方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的电影推荐方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010129880.8A CN111339358A (zh) | 2020-02-28 | 2020-02-28 | 电影推荐方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010129880.8A CN111339358A (zh) | 2020-02-28 | 2020-02-28 | 电影推荐方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111339358A true CN111339358A (zh) | 2020-06-26 |
Family
ID=71184040
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010129880.8A Pending CN111339358A (zh) | 2020-02-28 | 2020-02-28 | 电影推荐方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111339358A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111784163A (zh) * | 2020-07-01 | 2020-10-16 | 深圳前海微众银行股份有限公司 | 数据测评方法、装置、设备及存储介质 |
CN114579877A (zh) * | 2022-03-09 | 2022-06-03 | 北京睿芯高通量科技有限公司 | 一种存在减分机制基于图神经网络的推荐方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106507199A (zh) * | 2016-12-20 | 2017-03-15 | 深圳Tcl数字技术有限公司 | 电视节目推荐方法及装置 |
CN109121007A (zh) * | 2018-09-18 | 2019-01-01 | 深圳市酷开网络科技有限公司 | 基于多人脸识别的影视内容推荐方法、智能电视及系统 |
CN110532421A (zh) * | 2019-08-30 | 2019-12-03 | 的卢技术有限公司 | 一种基于人的性别、心情和年龄的音乐推荐方法及系统 |
-
2020
- 2020-02-28 CN CN202010129880.8A patent/CN111339358A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106507199A (zh) * | 2016-12-20 | 2017-03-15 | 深圳Tcl数字技术有限公司 | 电视节目推荐方法及装置 |
CN109121007A (zh) * | 2018-09-18 | 2019-01-01 | 深圳市酷开网络科技有限公司 | 基于多人脸识别的影视内容推荐方法、智能电视及系统 |
CN110532421A (zh) * | 2019-08-30 | 2019-12-03 | 的卢技术有限公司 | 一种基于人的性别、心情和年龄的音乐推荐方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111784163A (zh) * | 2020-07-01 | 2020-10-16 | 深圳前海微众银行股份有限公司 | 数据测评方法、装置、设备及存储介质 |
CN114579877A (zh) * | 2022-03-09 | 2022-06-03 | 北京睿芯高通量科技有限公司 | 一种存在减分机制基于图神经网络的推荐方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11074436B1 (en) | Method and apparatus for face recognition | |
Wang et al. | A main directional maximal difference analysis for spotting facial movements from long-term videos | |
US7860347B2 (en) | Image-based face search | |
Sugano et al. | Calibration-free gaze sensing using saliency maps | |
US7668405B2 (en) | Forming connections between image collections | |
CN111310731A (zh) | 基于人工智能的视频推荐方法、装置、设备及存储介质 | |
US20140310271A1 (en) | Personalized program selection system and method | |
CN112381782B (zh) | 人脸图像质量评估方法、装置、计算机设备及存储介质 | |
CN111860140B (zh) | 目标事件检测方法、装置、计算机设备和存储介质 | |
US20120155717A1 (en) | Image search including facial image | |
CN111339358A (zh) | 电影推荐方法、装置、计算机设备和存储介质 | |
CN111667001A (zh) | 目标重识别方法、装置、计算机设备和存储介质 | |
CN112580572B (zh) | 多任务识别模型的训练方法及使用方法、设备及存储介质 | |
US11295117B2 (en) | Facial modelling and matching systems and methods | |
CN110866146B (zh) | 视频推荐方法、装置、计算机设备和存储介质 | |
CN115935049A (zh) | 基于人工智能的推荐处理方法、装置及电子设备 | |
CN109241942B (zh) | 图像处理方法、装置、人脸识别设备及存储介质 | |
CN111800574A (zh) | 成像方法、装置和电子设备 | |
KR101961462B1 (ko) | 객체 인식 방법 및 장치 | |
CN115130493A (zh) | 基于图像识别的面部形变推荐方法、装置、设备和介质 | |
CN113869099A (zh) | 一种图像处理方法、装置、电子设备和存储介质 | |
CN111127079A (zh) | 下发商品资源的方法、装置、计算机设备和存储介质 | |
CN111405175A (zh) | 摄像头控制方法、装置、计算机设备和存储介质 | |
Kumar et al. | Age Classification Based On Integrated Approach | |
JP2007102549A (ja) | 画像検索支援装置 |
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 |