CN111415217A - 基于人脸识别用户画像的消费者推荐方法、系统及货架 - Google Patents
基于人脸识别用户画像的消费者推荐方法、系统及货架 Download PDFInfo
- Publication number
- CN111415217A CN111415217A CN202010100348.3A CN202010100348A CN111415217A CN 111415217 A CN111415217 A CN 111415217A CN 202010100348 A CN202010100348 A CN 202010100348A CN 111415217 A CN111415217 A CN 111415217A
- Authority
- CN
- China
- Prior art keywords
- commodity
- user
- consumer
- dimension
- portrait
- 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.)
- Granted
Links
Images
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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0224—Discounts or incentives, e.g. coupons or rebates based on user history
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Multimedia (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出了一种基于人脸识别用户画像的消费者推荐方法,其特征在于,包括如下步骤:建立货架商品管理表单;建立用户的人脸特征身份登记映射表,并生成和更新消费用户画像;由摄像头拍摄货架正面空间的视频画面,对所述视频画面进行人脸提取和识别,获得消费用户的人脸特征;根据消费用户的人脸特征,筛选匹配的身份信息及对应的消费用户画像;计算所述消费用户画像与所述多维度商品信息的匹配度,并筛选出匹配度超过阈值的商品所在的仓位编号;由智能货架获取匹配度超过阈值的商品所在的仓位编号,通过提示器对消费用户进行提示。高效的利用了用户的购物历史数据,针对性的对顾客进行商品推荐,也有利于给制造商带来数据主导销售和营销的机会。
Description
技术领域
本发明涉及智能货架及人脸识别技术领域,更具体地说是涉及一种基于人脸识别用户画像的消费者推荐方法、系统及货架。
背景技术
货架用于展示供消费用户挑选的商品,其形态不断地演变:架子、横杆、端盖、数字标牌中的虚拟货架,乃至亚马逊商品页都可作为一种货架,但是,一直以来,货架都扮演着较为被动的角色,不具备推荐商品引导顾客购物的作用,而智能货架的出现有机会改变这一现状,能够使货架主动发挥应有的作用。例如,智能货架可以根据消费用户的历史购物信息,主动了解消费用户需求并以此对消费用户进行商品推荐,以致货架能够更全面的介入销售流程。
从根本上来说,智能货架可在两方面增加购物体验,即便捷性和针对性;智能货架不仅能够减少人工成本,方便消费用户自行选购商品,还可以利用人脸识别技术,识别客户的人脸特征,并基于该消费用户的历史购物信息,针对性的对顾客进行商品推荐,便于消费用户在琳琅满目的货架上挑选自身需求的商品;另外,对制造商而言,智能货架可以带来数据主导销售和营销机会,帮助他们更好的了解购买其产品的消费用户。
因此,如何利用人脸识别技术,以及将消费用户的人脸特征与其历史购物信息结合,以期针对性的对消费用户进行商品推荐,是本领域技术人员亟待解决的问题。
发明内容
有鉴于此,本发明提供了一种基于人脸识别用户画像的消费者推荐方法、系统及货架,通过为消费用户建立多维度的消费用户画像,在消费用户进行商品购买时,利用智能货架上的摄像头对当前消费用户进行人脸特征提取,并自动匹配预先建立并保存的消费用户画像,进而将消费用户对应的消费用户画像与多维度商品信息进行匹配,获取匹配度超过预设阈值的商品及其对应的仓位号,通过提示器进行针对性提示,以期实现智能货架对消费用户购物的引导作用,同时便于消费用户在琳琅满目的货架上迅速找到满足自身喜好的商品。
为了实现上述目的,本发明采用如下技术方案:
一种基于人脸识别用户画像的消费者推荐方法,包括如下步骤:
S1、录入商品的ID、商品名称以及多维度商品信息,并登记在商品登记数据库,以及针对每个智能货架建立和更新货架商品管理表单;
S2、建立用户的人脸特征身份登记映射表,并生成和更新消费用户画像;
S3、由智能货架配置的摄像头拍摄该智能货架正面空间的视频画面,对所述视频画面进行人脸提取和识别,获得消费用户的人脸特征,并发送至零售管理端;
S4、由用户信息服务器从零售管理端获取所述消费用户的人脸特征,筛选匹配的身份信息,并查询获取所身份信息对应的消费用户画像,将筛选的身份信息以及对应的消费用户画像发送至零售管理端;
S5、由零售管理端计算所述消费用户画像与所述多维度商品信息的匹配度,并筛选出匹配度超过阈值的商品所在的仓位编号;
S6、由智能货架获取匹配度超过阈值的商品所在的仓位编号,通过智能货架上为每个仓位所安装的提示器对消费用户进行提示。
具体的,当新商品初次上架时,管理员操作该零售管理端,录入该商品的ID和商品名称,以及该商品对应的多维度商品信息,将商品ID、商品名称以及该商品的多维度商品信息存入商品登记数据库;便于该商品再次上架或者调整仓位时,利用商品ID或者商品名称直接从商品登记数据库中获得多维度商品信息。
具体的,为新用户录入并保存其人脸特征以及身份信息,便于该消费用户使用智能货架再次购物时,利用摄像头对拍摄的视频画面进行人脸的提取及识别,获得人脸特征,即可关联对应的身份信息,快速匹配相应的消费用户画像。
具体的,所述消费用户画像包括价格维度、商品类型维度、商品品牌知名度维度、促销打折率维度这些维度;其中,在每个所述维度上根据用户的商品购买历史信息生成维度取值,购买某一所述维度的某个区间、类型或者等级下的商品越多,则在该区间、类型或者等级的维度取值越高,其他区间、类型或者等级的维度取值越低;将消费用户画像与该消费用户购物历史信息中商品的维度信息结合,有利于后续根据消费用户画像计算所述消费用户与各种商品的多维度信息的匹配程度。
具体的,所述S5中所述匹配度的计算方法为:
M=A1×B+A2×C+A3×D+A4×E;
M为消费用户画像与所述多维度商品信息的匹配度,A1-A4为对价格维度、商品类型维度、商品品牌知名度维度、促销打折率维度分别设定的权重,B-E为某一商品在各个维度所在的区间、等级或者类型所对应该消费用户的消费用户画像中在该区间、等级或者类型的维度取值;其中,A1-A4根据各个维度的重要性,在0-1的范围内进行设置;由于消费用户画像中各个维度的不同区间、等级或者类型的维度取值与消费用户的购买历史记录中的购买情况成正比,因此将各维度的权重与维度取值结合,计算出的匹配度更符合消费用户的购买需求。
优选的,所述S2还包括消费用户画像更新步骤:获取消费用户的购买商品列表以及消费用户的身份信息,根据购买商品列表中的多维度商品信息对该消费用户的消费用户画像进行更新。
优选的,还包括智能货架的货架商品管理表单的更新,当管理员对智能货架的商品仓位摆放的商品进行初次上架时,需要将本店铺的任意一个智能货架上的每个仓位摆放的商品的ID、商品名称以及多维度商品信息整合形成该智能货架的货架商品管理表单;在后续的调整、更换时,需要对每个智能货架的货架商品管理表单进行更新;包括如下两种方法:第一种方法为,由管理员直接操作零售管理端,通过零售管理端修改本店铺每个智能货架对应的货架商品管理表单,直接录入每个商品仓位所摆放商品ID或商品名称,进而从商品登记数据库中调取该商品的多维度商品信息;第二种方法为,在管理员摆货的同时利用智能货架的摄像头扫描每件商品的条形码或者二维码,获得商品ID,进而将商品放入商品仓位,按动商品仓位对应的确认按键,则智能货架将商品ID和商品仓位编号通过物联网发给零售管理端,零售管理端从商品登记数据库中利用商品ID读取对应的多维度商品信息,从而更新货架商品管理表单。
基于上述方法,设计如下系统:
一种基于人脸识别用户画像的消费者推荐系统,包括:零售管理端、用户信息服务器、智能货架;其中,
所述零售管理端包括信息录入单元、匹配度计算单元;
所述用户信息服务器包括画像生成单元、筛选查询单元;
所述智能货架包括人脸识别单元、提示器、摄像头;
所述信息录入单元用于录入商品的ID、商品名称以及多维度商品信息,并登记在商品登记数据库,以及针对每个智能货架建立和更新货架商品管理表单;
所述画像生成单元用于建立用户的人脸特征身份登记映射表,并生成和更新消费用户画像;
所述人脸识别单元通过摄像头拍摄所述智能货架正面空间的视频画面,用于对所述视频画面进行人脸提取和识别,获得消费用户的人脸特征,并发送至所述零售管理端;
所述筛选查询单元用于从所述零售管理端获取所述消费用户的人脸特征,筛选匹配的身份信息,并查询获取所身份信息对应的消费用户画像,将筛选的身份信息以及对应的消费用户画像发送至所述零售管理端;
所述匹配度计算单元用于计算所述消费用户画像与所述多维度商品信息的匹配度,并筛选出匹配度超过阈值的商品所在的仓位编号;
所述提示器用于获取匹配度超过阈值的商品所在的仓位编号,对消费用户进行提示。
具体的,所述消费用户画像包括价格维度、商品类型维度、商品品牌知名度维度、促销打折率维度这些维度;其中,在每个所述维度上根据用户的商品购买历史信息生成维度取值,购买某一所述维度的某个区间、类型或者等级下的商品越多,则在该区间、类型或者等级的维度取值越高,其他区间、类型或者等级的维度取值越低。
具体的,所述匹配度计算单元进行匹配度计算的方法为:
M=A1×B+A2×C+A3×D+A4×E;
其中,M为消费用户画像与所述多维度商品信息的匹配度,A1-A4为对价格维度、商品类型维度、商品品牌知名度维度、促销打折率维度分别设定的权重,B-E为某一商品在各个维度所在的区间、等级或者类型所对应该消费用户的消费用户画像中在该区间、等级或者类型的维度取值。
优选的,所述用户信息服务器还包括画像更新单元;其中,所述画像更新单元用于获取消费用户的购买商品列表以及消费用户的身份信息,根据购买商品列表中的多维度商品信息对该消费用户的消费用户画像进行更新。
一种基于人脸识别用户画像的消费者推荐智能货架,包括:摄像头、提示器、置物台、确认按键;
所述人脸识别单元用于利用所述摄像头拍摄的货架正面空间的视频画面,对所述视频画面进行人脸提取和识别,获得消费用户的人脸特征;
所述提示器用于接收匹配度超过阈值的商品所在的仓位编号,对消费用户进行提示;
所述置物台上设置有仓位编号,所述商品对应仓位编号摆放于置物台上;
所述确认按键用于确认摆货时所摆放商品的仓位。
优选的,所述摄像头还用于,在摆货的时,扫描每件商品的条形码或者二维码,获得商品ID。
本发明具有以下有益效果:
经由上述的技术方案可知,基于现有技术,本发明提出了一种基于人脸识别用户画像的消费者推荐方法、系统及货架,利用人脸识别技术识别摄像头拍摄的人脸特征,并与基于购物历史信息生成的消费用户画像关联,计算出与之匹配的商品,并进行提示,高效的利用了用户的购物历史数据,针对性的对顾客进行商品推荐,不仅便于顾客在琳琅满目的货架上挑选自身需求的商品,同时,对制造商而言,智能货架帮助他们更好的了解购买其产品的顾客,有利于带来数据主导销售和营销机会。
附图说明
为了更清楚地说明本发明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,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为一种基于人脸识别用户画像的消费者推荐方法流程图;
图2为一种基于人脸识别用户画像的消费者推荐系统框图;
图3为一种基于人脸识别用户画像的消费者推荐智能货架的结构示意图。
具体实施方式
下面将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。
如图1所示,本发明提供了如下方法:
一种基于人脸识别用户画像的消费者推荐方法,包括如下步骤:
S1、录入商品的ID、商品名称以及多维度商品信息,并登记在商品登记数据库,以及针对每个智能货架建立和更新货架商品管理表单;
具体的,当新商品初次上架时,管理员通过零售管理端录入该商品的ID和商品名称,以及该商品的多维度商品信息,并将商品ID、商品名称以及该商品的多维度商品信息存入商品登记数据库;以后该商品再次上架或者调整仓位时,就可以利用商品ID或者商品名称直接从商品登记数据库中获得多维度商品信息。
为了进一步优化上述技术特征,当管理员对智能货架的商品仓位摆放的商品进行初次上架时,需要将本店铺的任意一个智能货架上的每个仓位摆放的商品的ID、商品名称以及多维度商品信息整合形成该智能货架的货架商品管理表单;在后续的调整、更换时,需要对每个智能货架的货架商品管理表单进行更新。存在以下两种方法:第一种方法为,由管理员直接操作零售管理端,通过零售管理端修改本店铺的每个智能货架对应的货架商品管理表单,直接录入每个商品仓位所摆放商品ID或商品名称,进而从商品登记数据库中调取该商品的多维度商品信息;第二种方法为,在管理员摆货的同时利用智能货架的摄像头扫描每件商品的条形码或者二维码,获得商品ID,进而将商品放入商品仓位,按动商品仓位对应的确认按键,则智能货架将商品ID和商品仓位编号通过物联网发给零售管理端,零售管理端从商品登记数据库中利用商品ID读取对应的多维度商品信息,从而更新货架商品管理表单。
具体的,多维度商品信息包括价格等级、商品类型、商品品牌知名度、促销打折率;其中,根据某商品在同类商品价格区间中的分布位置,将价格等级确定为高、中、低三个等级,例如,不同档次的牛奶价格区间是1.5-15元,则将价格分布在1.5-5元的牛奶设定为低等级,5-10元的牛奶为中等级,10-15元的牛奶为高等级;将同一性质的商品按照类型进行划分,例如将液体饮料划分为:牛奶、软饮料、酒精饮料、烈性酒;按照商品品牌知名度对商品进行划分,分为知名品牌和不知名品牌2个等级;促销打折率时按照折扣率将商品划分不同区间,例如:折扣率为0%,折扣率在1%-20%,折扣率在21%-40%,折扣率在40%以上。
S2、建立用户的人脸特征身份登记映射表,并生成和更新消费用户画像;
具体的,人脸特征身份登记映射表包含人脸特征和身份信息;从而,能够根据用户的人脸特征,查询该映射表而获得用户的身份信息。这里的“人脸特征”可以是纹理参数特征、面部器官距离特征等人脸识别技术中常用的人脸图像参数;身份信息可以是用户的用户名、ID号等。
进而,针对每个用户,可以为其生成消费用户画像,并且将消费用户画像与身份信息登记在一起。
具体的,所述消费用户画像包括价格维度、商品类型维度、商品品牌知名度维度、促销打折率维度这些维度;其中,在每个所述维度上根据用户的商品购买历史信息生成维度取值,购买某一所述维度的某个区间、类型或者等级下的商品越多,则在该区间、类型或者等级的维度取值越高,其他区间、类型或者等级的维度取值越低;例如,通过查看消费用户的购买历史可知,购买商品类型中牛奶最多,软饮料比较多,购买酒精饮料较少,从来不购买烈性酒,则在商品类型维度上,牛奶的维度取值为50,软饮料的维度取值为40,酒精饮料的维度取值为10,烈性酒的维度取值为0;同理,该消费用户在购买不同价格等级的牛奶时,购买中等级的牛奶次数较多,购买低等级和高等级的牛奶次数较少,中等级的维度取值为80,高等级和低等级的维度取值均为10;该消费用户购买牛奶时,购买不知名的品牌的牛奶次数比购买知名品牌牛奶的次数略高,因此,知名度维度中知名的维度取值为40,不知名的维度取值为60;同理,设定促销打折率中0%为10,1%-20%为70,21-40%为20,40%以上为0。
S3、由智能货架配置的摄像头拍摄该智能货架正面空间的视频画面,对所述视频画面进行人脸提取和识别,获得消费用户的人脸特征,并发送至零售管理端;
具体的,人脸识别单元获取摄像头拍摄的视频画面,自动提取人脸,进而基于知识的表征方法,根据人脸器官的形状描述以及各个人脸器官之间的距离特性来获得人脸分类的特征数据,其特征分量通常包括特征点间的欧氏距离、曲率和角度等,人脸由眼睛、鼻子、嘴、下巴等局部构成,因此这些局部和它们之间结构关系的几何描述,可作为识别人脸的重要特征;当然,也可以采取将人脸按区域提取纹理分布直方图的方式提取人脸的特征数据,提取的人脸图像的特征数据后,将其发送至零售管理端。
S4、由用户信息服务器从零售管理端获取所述消费用户的人脸特征,筛选匹配的身份信息,并查询获取所身份信息对应的消费用户画像,将筛选的身份信息以及对应的消费用户画像发送至零售管理端;
具体的,当用户信息服务器接收到人脸特征后,与人脸特征身份登记映射表中存储的人脸特征数据进行搜索匹配,即,通过设定一个阈值,当相似度超过这一阈值,则把匹配得到的结果输出,获得的人脸特征对应的身份信息,进而查询与该身份信息共同登记的消费用户画像。
S5、由零售管理端计算所述消费用户画像与所述多维度商品信息的匹配度,并筛选出匹配度超过阈值的商品所在的仓位编号;
零售管理端在收到消费用户画像之后,调取步骤S3中采集该消费用户人脸的智能货架对应的货架商品管理表单,获得表单中记载的该货架各个仓位摆放每一商品的多维度商品信息,进而计算所述匹配度。
具体的,所述S5中所述匹配度的计算方法为:
M=A1×B+A2×C+A3×D+A4×E;
其中,M为消费用户画像与所述多维度商品信息的匹配度,A1-A4为对价格维度、商品类型维度、商品品牌知名度维度、促销打折率维度分别设定的权重,B-E为某一商品在各个维度所在的区间、等级或者类型所对应该消费用户的消费用户画像中在该区间、等级或者类型的维度取值。
例如,对于一个高价格档次、知名品牌、打折率为0%的牛奶,计算其与上述消费用户的匹配度,则,匹配度M=A1*50+A2*10+A3*40+A4*10,基于上述设定,其中B-E的取值为分别为50、10、40、10,A1-A4为权重,可以根据各个维度的重要性在0-1的范围下进行设置,在此不做限定。
S6、由智能货架获取匹配度超过阈值的商品所在的仓位编号,通过智能货架上为每个仓位所安装的提示器对消费用户进行提示;
其中,提示器可以设定为LED灯,通过点亮或者闪烁LED灯,提示消费用户,对该商品进行关注。
为了进一步优化上述技术特征,所述S2还包括消费用户画像更新步骤,具体的,消费者选取了商品并在无人超市、无人便利店进行结账的时候,一般会使用自助结账机进行扫码结账。该自助结账机可以配置摄像头,通过摄像头拍摄当前结账的消费用户的人脸视频画面,从中进行人脸提取和识别,获得当前消费用户的人脸特征,并记录该消费用户的购买商品列表,商品列表包含所购买的每件商品的多维度商品信息,并通过物联网将当前消费用户的人脸特征和购买商品列表发送给零售管理端;零售管理端通过互联网远程连接用户信息服务器,并且将结账消费用户的人脸特征和购买商品列表发给用户信息服务器;用户信息服务器利用人脸特征与该服务器保存的人脸特征身份登记映射表进行匹配,获得结账消费用户的身份信息,并根据该身份信息,查询消费用户的消费用户画像;并且,根据购买商品列表中的多维度商品信息对当前消费用户的消费用户画像进行更新。
如图2所示,基于上述方法设置如下系统,
一种基于人脸识别用户画像的消费者推荐系统,包括:零售管理端1、用户信息服务器2、智能货架3;其中,
零售管理端1包括信息录入单元11、匹配度计算单元12;
用户信息服务器2包括画像生成单元21、筛选查询单元22;
智能货架3包括人脸识别单元31、提示器32、摄像头33;
信息录入单元11用于录入商品的ID、商品名称以及多维度商品信息,并且将商品ID、商品名称以及多维度商品信息登记在商品登记数据库;以及针对每个智能货架3建立和更新货架商品管理表单,将智能货架上的每个仓位摆放的商品ID、商品名称以及多维度商品信息整合形成该智能货架的货架商品管理表单。其中,在建立和更新货架商品管理表单过程中,由管理员直接操作信息录入单元11新建或者修改本店铺的每个智能货架对应的货架商品管理表单,直接录入每个商品仓位所摆放商品ID或商品名称,进而从商品登记数据库中调取该商品的多维度商品信息;也可以在管理员摆货的同时利用智能货架的摄像头扫描每件商品的条形码或者二维码,获得商品ID,进而将商品放入商品仓位,按动商品仓位对应的确认按键,则智能货架将商品ID和商品仓位编号通过物联网发给零售管理端,零售管理端的信息录入单元11从商品登记数据库中利用商品ID读取对应的多维度商品信息,从而更新货架商品管理表单。
画像生成单元21用于建立用户的人脸特征身份登记映射表,并生成和更新消费用户画像;
人脸识别单元31用于通过摄像头33拍摄货架正面空间的视频画面,对视频画面进行人脸提取和识别,获得消费用户的人脸特征,并发送至零售管理端1;
筛选查询单元22用于从零售管理端1获取消费用户的人脸特征,筛选匹配的身份信息,并查询获取所身份信息对应的消费用户画像,将筛选的身份信息以及对应的消费用户画像发送至零售管理端1;
匹配度计算单元12用于计算消费用户画像与多维度商品信息的匹配度,并筛选出匹配度超过阈值的商品所在的仓位编号;
提示器32用于获取匹配度超过阈值的商品所在的仓位编号,对消费用户进行提示。
具体的,一个零售管理端1对应若干个智能货架3,且通过物联网进行信息传输,同时,零售管理端1通过互联网与用户信息服务器进行信息的传输,因此,可以在每个无人超市、无人便利店等采取新零售模式的店铺配置一个零售管理端1以及多个智能货架3,也可以为由众多店铺连锁构成的整个新零售模式体系构造一个统一的用户信息服务器。
具体的,消费用户画像包括价格维度、商品类型维度、商品品牌知名度维度、促销打折率维度这些维度;其中,在每个维度上根据用户的商品购买历史信息生成维度取值,购买某一维度的某个区间、类型或者等级下的商品越多,则在该区间、类型或者等级的维度取值越高,其他区间、类型或者等级的维度取值越低。
具体的,匹配度计算单元12进行匹配度计算的方法为:
M=A1×B+A2×C+A3×D+A4×E;
其中,M为消费用户画像与多维度商品信息的匹配度,A1-A4为对价格维度、商品类型维度、商品品牌知名度维度、促销打折率维度分别设定的权重,B-E为某一商品在各个维度所在的区间、等级或者类型所对应该消费用户的消费用户画像中在该区间、等级或者类型的维度取值。
为了进一步优化上述技术特征,用户信息服务器2还包括画像更新单元23;其中,画像更新单元23用于获取消费用户的购买商品列表以及消费用户的身份信息,根据购买商品列表中的多维度商品信息对该消费用户的消费用户画像进行更新。
如图3所示,一种基于人脸识别用户画像的消费者推荐货架,包括:人脸识别单元31、摄像头33、提示器32、置物台34、确认按键35;
人脸识别单元31用于利用摄像头33拍摄的货架正面空间的视频画面,对视频画面进行人脸提取和识别,获得消费用户的人脸特征;
提示器32用于接收匹配度超过阈值的商品所在的仓位编号,对消费用户进行提示;
置物台34上设置有仓位编号,商品对应仓位编号摆放于置物台上;
确认按键35用于确认摆货时所摆放商品的仓位。
为了进一步优化上述技术特征,一台智能货架设置若干提示器32,提示器32均匀设置于智能货架中标有仓位编号的置物台34下方,每个标有仓位编号的置物台均对应一个提示器32,当智能货架接收到匹配度超过阈值的商品所在的仓位编号时,该标有仓位编号的置物台对应的提示器32闪烁或者发光,起到提示、引导用户的作用,其余提示器32保持原有状态。
为了进一步优化上述技术特征,摄像头33还用于,在摆货的时,扫描每件商品的条形码或者二维码,获得商品ID。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业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发明的精神或范围的情况下,在其它实施例中实现。因此,本发明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公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种基于人脸识别用户画像的消费者推荐方法,其特征在于,包括如下步骤:
S1、录入商品的ID、商品名称以及多维度商品信息,并登记在商品登记数据库,以及针对每个智能货架建立和更新货架商品管理表单;
S2、建立用户的人脸特征身份登记映射表,并生成和更新消费用户画像;
S3、由智能货架配置的摄像头拍摄该智能货架正面空间的视频画面,对所述视频画面进行人脸提取和识别,获得消费用户的人脸特征,并发送至零售管理端;
S4、由用户信息服务器从零售管理端获取所述消费用户的人脸特征,筛选匹配的身份信息,并查询获取所身份信息对应的消费用户画像,将筛选的身份信息以及对应的消费用户画像发送至零售管理端;
S5、由零售管理端计算所述消费用户画像与所述多维度商品信息的匹配度,并筛选出匹配度超过阈值的商品所在的仓位编号;
S6、由智能货架获取匹配度超过阈值的商品所在的仓位编号,通过智能货架上为每个仓位所安装的提示器对消费用户进行提示。
2.根据权利要求1所述的一种基于人脸识别用户画像的消费者推荐方法,其特征在于,所述消费用户画像包括价格维度、商品类型维度、商品品牌知名度维度、促销打折率维度;其中,在每个所述维度上根据用户的商品购买历史信息生成维度取值,购买某一所述维度的某个区间、类型或者等级下的商品越多,则在该区间、类型或者等级的维度取值越高,其他区间、类型或者等级的维度取值越低。
3.根据权利要求1所述的一种基于人脸识别用户画像的消费者推荐方法,其特征在于,所述S5中所述匹配度的计算方法为:
M=A1×B+A2×C+A3×D+A4×E;
其中,M为消费用户画像与所述多维度商品信息的匹配度,A1-A4为对价格维度、商品类型维度、商品品牌知名度维度、促销打折率维度分别设定的权重,B-E为某一商品在各个维度所在的区间、等级或者类型所对应该消费用户的消费用户画像中在该区间、等级或者类型的维度取值。
4.根据权利要求1所述的一种基于人脸识别用户画像的消费者推荐方法,其特征在于,所述S2还包括消费用户画像更新步骤:获取消费用户的购买商品列表以及消费用户的身份信息,根据购买商品列表中的多维度商品信息对该消费用户的消费用户画像进行更新。
5.一种基于人脸识别用户画像的消费者推荐系统,其特征在于,包括:零售管理端(1)、用户信息服务器(2)、智能货架(3);其中,
所述零售管理端(1)包括信息录入单元(11)、匹配度计算单元(12);
所述用户信息服务器(2)包括画像生成单元(21)、筛选查询单元(22);
所述智能货架(3)包括人脸识别单元(31)、提示器(32)、摄像头(33);
所述信息录入单元(11)用于录入商品的ID、商品名称以及多维度商品信息,并登记在商品登记数据库,以及针对每个智能货架(3)建立和更新货架商品管理表单;
所述画像生成单元(21)用于建立用户的人脸特征身份登记映射表,并生成和更新消费用户画像;
所述人脸识别单元(31)通过摄像头(33)拍摄所述智能货架(3)正面空间的视频画面,用于对所述视频画面进行人脸提取和识别,获得消费用户的人脸特征,并发送至所述零售管理端(1);
所述筛选查询单元(22)用于从所述零售管理端(1)获取所述消费用户的人脸特征,筛选匹配的身份信息,并查询获取所身份信息对应的消费用户画像,将筛选的身份信息以及对应的消费用户画像发送至所述零售管理端(1);
所述匹配度计算单元(12)用于计算所述消费用户画像与所述多维度商品信息的匹配度,并筛选出匹配度超过阈值的商品所在的仓位编号;
所述提示器(32)用于获取匹配度超过阈值的商品所在的仓位编号,对消费用户进行提示。
6.根据权利要求5所述的一种基于人脸识别用户画像的消费者推荐系统,其特征在于,所述消费用户画像包括价格维度、商品类型维度、商品品牌知名度维度、促销打折率维度;其中,在每个所述维度上根据用户的商品购买历史信息生成维度取值,购买某一所述维度的某个区间、类型或者等级下的商品越多,则在该区间、类型或者等级的维度取值越高,其他区间、类型或者等级的维度取值越低。
7.根据权利要求5所述的一种基于人脸识别用户画像的消费者推荐系统,其特征在于,所述匹配度计算单元(12)进行匹配度计算的方法为:
M=A1×B+A2×C+A3×D+A4×E;
其中,M为消费用户画像与所述多维度商品信息的匹配度,A1-A4为对价格维度、商品类型维度、商品品牌知名度维度、促销打折率维度分别设定的权重,B-E为某一商品在各个维度所在的区间、等级或者类型所对应该消费用户的消费用户画像中在该区间、等级或者类型的维度取值。
8.根据权利要求5所述的一种基于人脸识别用户画像的消费者推荐系统,其特征在于,所述用户信息服务器(2)还包括画像更新单元(23);其中,所述画像更新单元(23)用于获取消费用户的购买商品列表以及消费用户的身份信息,根据购买商品列表中的多维度商品信息对该消费用户的消费用户画像进行更新。
9.一种基于人脸识别用户画像的消费者推荐货架,其特征在于,包括:人脸识别单元(31)、摄像头(33)、提示器(32)、置物台(34)、确认按键(35);
所述人脸识别单元(31)用于利用所述摄像头(33)拍摄的货架正面空间的视频画面,对所述视频画面进行人脸提取和识别,获得消费用户的人脸特征;
所述提示器(32)用于接收匹配度超过阈值的商品所在的仓位编号,对消费用户进行提示;
所述置物台(34)上设置有仓位编号,所述商品对应仓位编号摆放于置物台上;
所述确认按键(35)用于确认摆货时所摆放商品的仓位。
10.根据权利要求9所述的一种基于人脸识别用户画像的消费者推荐货架,其特征在于,所述摄像头(33)还用于,在摆货的时,扫描每件商品的条形码或者二维码,获得商品ID。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010100348.3A CN111415217B (zh) | 2020-02-18 | 2020-02-18 | 基于人脸识别用户画像的消费者推荐方法、系统及货架 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010100348.3A CN111415217B (zh) | 2020-02-18 | 2020-02-18 | 基于人脸识别用户画像的消费者推荐方法、系统及货架 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111415217A true CN111415217A (zh) | 2020-07-14 |
CN111415217B CN111415217B (zh) | 2021-11-16 |
Family
ID=71490814
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010100348.3A Active CN111415217B (zh) | 2020-02-18 | 2020-02-18 | 基于人脸识别用户画像的消费者推荐方法、系统及货架 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111415217B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112270275A (zh) * | 2020-11-02 | 2021-01-26 | 上海哔哩哔哩科技有限公司 | 基于图片识别的商品搜索方法、装置及计算机设备 |
CN113095908A (zh) * | 2021-04-22 | 2021-07-09 | 深圳正品创想科技有限公司 | 一种信息处理方法、服务器及信息处理系统 |
CN113327134A (zh) * | 2021-06-16 | 2021-08-31 | 北京百度网讯科技有限公司 | 商品信息推荐方法及装置、电子设备和介质 |
CN115600013A (zh) * | 2022-12-13 | 2023-01-13 | 深圳市爱聊科技有限公司(Cn) | 用于多主体之间匹配推荐的数据处理方法和装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060143091A1 (en) * | 2004-12-27 | 2006-06-29 | Industrial Technology Research Institute | Shopping assistant method and system |
US20060242011A1 (en) * | 2005-04-21 | 2006-10-26 | International Business Machines Corporation | Method and system for automatic, customer-specific purchasing preferences and patterns of complementary products |
CN107463608A (zh) * | 2017-06-20 | 2017-12-12 | 上海汇尔通信息技术有限公司 | 一种基于人脸识别的信息推送方法及系统 |
WO2018004056A1 (ko) * | 2016-06-29 | 2018-01-04 | 정승모 | 입체 글꼴 제작 방법, 이의 판매 중개 방법 및 이를 실행하는 서버 |
CN108564420A (zh) * | 2018-05-02 | 2018-09-21 | 苏州玻泽物联网科技有限公司 | 一种智能零售系统网络 |
CN108921660A (zh) * | 2018-06-29 | 2018-11-30 | 上海小蚁科技有限公司 | 消费画像确定方法及装置、存储介质、终端 |
CN208335260U (zh) * | 2018-07-16 | 2019-01-04 | 瑞德博康(深圳)智能科技有限公司 | 一种基于物联网技术的智能医疗器械仓储管理系统 |
CN110135906A (zh) * | 2019-05-14 | 2019-08-16 | 赵东 | 一种能够导购和精准推送的智能柜台 |
CN110443649A (zh) * | 2019-08-02 | 2019-11-12 | 杭州讯酷科技有限公司 | 基于匹配算法的智能推荐方法、系统及售货机 |
-
2020
- 2020-02-18 CN CN202010100348.3A patent/CN111415217B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060143091A1 (en) * | 2004-12-27 | 2006-06-29 | Industrial Technology Research Institute | Shopping assistant method and system |
US20060242011A1 (en) * | 2005-04-21 | 2006-10-26 | International Business Machines Corporation | Method and system for automatic, customer-specific purchasing preferences and patterns of complementary products |
WO2018004056A1 (ko) * | 2016-06-29 | 2018-01-04 | 정승모 | 입체 글꼴 제작 방법, 이의 판매 중개 방법 및 이를 실행하는 서버 |
CN107463608A (zh) * | 2017-06-20 | 2017-12-12 | 上海汇尔通信息技术有限公司 | 一种基于人脸识别的信息推送方法及系统 |
CN108564420A (zh) * | 2018-05-02 | 2018-09-21 | 苏州玻泽物联网科技有限公司 | 一种智能零售系统网络 |
CN108921660A (zh) * | 2018-06-29 | 2018-11-30 | 上海小蚁科技有限公司 | 消费画像确定方法及装置、存储介质、终端 |
CN208335260U (zh) * | 2018-07-16 | 2019-01-04 | 瑞德博康(深圳)智能科技有限公司 | 一种基于物联网技术的智能医疗器械仓储管理系统 |
CN110135906A (zh) * | 2019-05-14 | 2019-08-16 | 赵东 | 一种能够导购和精准推送的智能柜台 |
CN110443649A (zh) * | 2019-08-02 | 2019-11-12 | 杭州讯酷科技有限公司 | 基于匹配算法的智能推荐方法、系统及售货机 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112270275A (zh) * | 2020-11-02 | 2021-01-26 | 上海哔哩哔哩科技有限公司 | 基于图片识别的商品搜索方法、装置及计算机设备 |
CN112270275B (zh) * | 2020-11-02 | 2023-11-21 | 上海哔哩哔哩科技有限公司 | 基于图片识别的商品搜索方法、装置及计算机设备 |
CN113095908A (zh) * | 2021-04-22 | 2021-07-09 | 深圳正品创想科技有限公司 | 一种信息处理方法、服务器及信息处理系统 |
CN113327134A (zh) * | 2021-06-16 | 2021-08-31 | 北京百度网讯科技有限公司 | 商品信息推荐方法及装置、电子设备和介质 |
CN113327134B (zh) * | 2021-06-16 | 2024-01-16 | 北京百度网讯科技有限公司 | 商品信息推荐方法及装置、电子设备和介质 |
CN115600013A (zh) * | 2022-12-13 | 2023-01-13 | 深圳市爱聊科技有限公司(Cn) | 用于多主体之间匹配推荐的数据处理方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111415217B (zh) | 2021-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111415217B (zh) | 基于人脸识别用户画像的消费者推荐方法、系统及货架 | |
CN208188867U (zh) | 一种用于无人自动售货的商品识别系统 | |
CN108230086A (zh) | 一种商品售卖调整的系统、方法及存储介质 | |
US11423648B2 (en) | Item recognition processing over time | |
WO2018218860A1 (zh) | 一种商品推荐方法及装置 | |
US11611795B2 (en) | Online live video sales management system | |
CN107798560A (zh) | 一种零售商店个性广告智能推送方法及系统 | |
CN110033298A (zh) | 信息处理设备及其控制方法、系统和存储介质 | |
KR102144943B1 (ko) | 오프라인 매장의 잠재고객을 위한 상품 추천 시스템 및 상품추천방법 | |
CN102156942A (zh) | 一种基于无线射频技术的商品推荐方法 | |
CN105681918A (zh) | 视频流中的物品相关信息展示方法及系统 | |
CN105608808A (zh) | 信息处理装置及其控制方法、店铺系统 | |
CN110659421B (zh) | 零售柜的商品推荐系统 | |
KR101699765B1 (ko) | 상품 구매자가 촬영한 사진으로 상품을 구매하는 방법 | |
US11854068B2 (en) | Frictionless inquiry processing | |
CN110264219B (zh) | 一种基于大数据的客户监测分析系统 | |
EP4224435A1 (en) | Multi-item product recognition for checkouts | |
CN111598657A (zh) | 一种基于图像处理的商品推荐方法、设备及存储介质 | |
CN116362831A (zh) | 一种商品推荐方法和相关设备 | |
CN113205389B (zh) | 一种用于服装推荐的商业系统 | |
TWM575154U (zh) | Product recommendation display system | |
CN111127128B (zh) | 商品推荐方法、装置及存储介质 | |
CN113609319A (zh) | 商品搜索方法、装置和设备 | |
KR20190123374A (ko) | 구매자 감정 분석 시스템 | |
US20230252443A1 (en) | Checkout product recognition techniques |
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 |