CN111967935A - 网上交易平台 - Google Patents

Abstract

本申请实施例提供一种网上交易平台，包括：通信单元、AI单元和处理单元。本申请提供的技术方案具有用户体验度高的优点。

Description

网上交易平台

技术领域

本申请涉及电子商务技术领域，尤其涉及一种网上交易平台。

背景技术

电子商务是指以信息网络技术为手段，以商品交换为中心的商务活动；也可理解为在互联网、企业内部网和增值网上以电子交易方式进行交易活动和相关服务的活动，是传统商业活动各环节的电子化、网络化、信息化；以互联网为媒介的商业行为均属于电子商务的范畴。

现有的网上交易对于商品的展示基于图片展示，无法基于个人来展示，影响了用户体验度。

发明内容

本申请实施例公开了一种网上交易平台，能够实现依据个人来展示，提高了用户体验度。

本申请实施例第一方面公开了一种网上交易平台，

通信单元，用于获取目标对象的人脸图片以及身体数据；

AI单元、用于对该图片进行智能识别处理得到该图片的第一身份；

通信单元、还用于向服务器请求该第一身份对应的第一头像；

处理单元、用于将目标对象的身体数据生成初始人物3D模型，将第一头像叠加在初始人物模型的头像位置生成目标对象的人物3D模型；

通信单元、还用于获取目标对象选择的第一服装对应的第一尺寸集；

处理单元、还用于依据该第一尺寸集生成第一服装对应的3D服装，将该3D服装叠加在该人物3D模型得到第一服装的个性3D模型，将个性3D模型显示

本申请提供的技术方案在获取目标对象的图片以及身体数据；对该图片进行智能识别处理得到该图片的第一身份；向服务器请求该第一身份对应的第一头像；将身体数据生成初始人物3D模型，将第一头像叠加在初始人物模型的头像位置生成目标对象的人物3D模型；获取目标对象选择的第一服装对应的第一尺寸集；依据该第一尺寸集生成第一服装对应的3D服装，将该3D服装叠加在该人物3D模型得到第一服装的个性3D模型，将个性3D模型显示。这样即能够依据服装的具体尺寸来实现与目标对象的匹配，个性3D模型能够较好的展示服装的效果，提高了用户体验度。

附图说明

以下对本申请实施例用到的附图进行介绍。

图1是本申请实施例提供的一种网上交易平台的结构示意图；

图2是本申请实施例提供的一种输入数据与卷积核的示意图；

图3是本申请实施例提供的一种网上交易方法的流程示意图。

具体实施方式

下面结合本申请实施例中的附图对本申请实施例进行描述。

本申请中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/“，表示前后关联对象是一种“或”的关系。

本申请实施例中出现的“多个”是指两个或两个以上。本申请实施例中出现的第一、第二等描述，仅作示意与区分描述对象之用，没有次序之分，也不表示本申请实施例中对设备个数的特别限定，不能构成对本申请实施例的任何限制。本申请实施例中出现的“连接”是指直接连接或者间接连接等各种连接方式，以实现设备间的通信，本申请实施例对此不做任何限定。

本申请实施例中的终端可以指各种形式的UE、接入终端、用户单元、用户站、移动站、MS（英文：mobile station，中文：移动台）、远方站、远程终端、移动设备、计算机、服务器、云系统用户终端、终端设备（英文：terminal equipment）、无线通信设备、用户代理或用户装置。终端设备还可以是蜂窝电话、无绳电话、SIP（英文：session initiationprotocol，中文：会话启动协议）电话、WLL（英文：wireless local loop，中文：无线本地环路）站、PDA（英文：personal digital assistant，中文：个人数字处理）、具有无线通信功能的手持设备、计算设备或连接到无线调制解调器的其它处理设备、车载设备、可穿戴设备，未来5G网络中的终端设备或者未来演进的PLMN（英文：public land mobile network，中文：公用陆地移动通信网络）中的终端设备等，本申请实施例对此并不限定。

参阅图1，图1提供了一种网上交易平台，该网上交易平台可以运行上述终端上，例如，UE、计算机，该网上交易平台如图1所示，包括：

通信单元101，用于获取目标对象的人脸图片以及身体数据；

上述身体数据包括但不限于：身高数据、体重数据、三围数据等等。

AI单元102、用于对该图片进行智能识别处理得到该图片的第一身份；

通信单元101、还用于向服务器请求该第一身份对应的第一头像；

处理单元103、用于将目标对象的身体数据生成初始人物3D模型，将第一头像叠加在初始人物模型的头像位置生成目标对象的人物3D模型；

上述将目标对象的身体数据生成初始人物3D模型具体可以包括：

预设初始人物3D模型列表，该列表中包含该初始人物3D模型对应的身份数据，从该预设初始人物3D模型列表提取与目标对象的身体数据匹配的初始人物3D模型。

上述将第一头像叠加在初始人物模型的头像位置生成目标对象的人物3D模型具体可以包括：

若初始人物3D模型位于正面（即面向目标对象显示），将第一头像移动到目标对象的人物3D模型的头像位置后，将第一头像设置成顶层图像，将目标对象的人物3D模型设置成底层图像；若初始人物3D模型位于背面，确定该目标对象的人物3D模型为初始人物3D模型（此时为背面，无需显示）。

通信单元101、还用于获取目标对象选择的第一服装对应的第一尺寸集；

处理单元103、还用于依据该第一尺寸集生成第一服装对应的3D服装，将该3D服装叠加在该人物3D模型得到第一服装的个性3D模型，将个性3D模型显示。

上述依据该第一尺寸集生成第一服装对应的3D服装也可以通过预配置的3D服装与尺寸集的映射关系来确定。

上述3D服装叠加在该人物3D模型得到第一服装的个性3D模型的叠加方式具体可以包括：将该3D服装移动至该人物3D模型的对应位置，将该3D服装设置成顶层图片，将人物3D模型设置成底层图片，这样3D服装就可以覆盖人物3D模型的对应的位置。该对应的位置可以为上身、下身，具体位置由服装所穿的位置来具体设定。

本申请提供的技术方案在获取目标对象的图片以及身体数据；对该图片进行智能识别处理得到该图片的第一身份；向服务器请求该第一身份对应的第一头像；将身体数据生成初始人物3D模型，将第一头像叠加在初始人物模型的头像位置生成目标对象的人物3D模型；获取目标对象选择的第一服装对应的第一尺寸集；依据该第一尺寸集生成第一服装对应的3D服装，将该3D服装叠加在该人物3D模型得到第一服装的个性3D模型，将个性3D模型显示。这样即能够依据服装的具体尺寸来实现与目标对象的匹配，个性3D模型能够较好的展示服装的效果，提高了用户体验度。

上述对该图片进行智能识别处理得到该图片的第一身份具体可以包括：

AI单元102，具体用于依据目标对象的人脸图片建立输入数据，将该输入数据输入到人脸识别模型中执行n层卷积运算得到第n层卷积运算结果，将该第n层卷积运算结果输入到全连接层执行全连接运算得到全连接计算结果，将全连接计算结果与预设的人脸模板结果计算差值，若该差值小于差值阈值，确定该目标对象身份为该预设的人脸模板的第一身份。

在一种可选的方案中，上述将该输入数据输入到人脸识别模型中执行n层卷积运算得到第n层卷积运算结果具体可以包括：

AI单元102包括：分配计算处理电路以及x个计算处理电路，该AI单元获取输入数据的矩阵尺寸CI*CH，若n层卷积运算中的卷积核尺寸为3*3卷积核，则分配计算处理电路将CI*CH按CI方向划分成CI/x数据块（假设CI为x的整数），将CI/x数据块按顺序分配给x个计算处理电路，x个计算处理电路分别将接收分配到的1个数据块与第i层卷积核执行第i层卷积运算得到第i卷积结果（即将x个计算处理电路的x个结果矩阵（CI/x-2）*（CH-2）按顺序组合起来得到第i卷积结果），将第i卷积结果的边缘2列（相邻列的结果为不同的计算处理电路计算得到的2列确定为边缘列）的结果发送至分配处理电路，x个计算处理电路将第i层卷积结果与第（i+1）层卷积核执行卷积运算得到第（i+1）卷积结果，将第（i+1）卷积结果发送至分配计算电路，分配计算处理电路将（CI/x－1）个组合数据块与第i层卷积核执行第i层卷积运算得到第i组合结果，将第i结合结果与第i卷积结果的边缘2列的结果拼接（将第i结合结果按卷积运算的数学规则插入到边缘2列的中间）得到第（i+1）结合数据块，将第（i+1）结合数据块与第（i+1）卷积核执行卷积运算得到第（i+1）结合结果，将第（i+1）结合结果插入到第（i+1）卷积结果边缘列（相邻列的结果为不同的计算处理电路计算得到）之间得到第（i+1）层卷积结果，AI单元依据第（i+1）层卷积结果执行剩余卷积层（i+1层之后的卷积核）运算得到第n层卷积运算结果。上述组合数据块可以为，相邻2个数据块之间的4列数据组成的4*CI矩阵，例如第1个数据块（第1计算处理电路分配的数据块）的最后2列与第2个数据块（第2计算处理电路分配的数据块）前2列数据组成的4*CH矩阵。

上述剩余卷积层的运算也可以参见第i层以及第（i+1）层的计算，该i为≥1的整数且小于等于n，上述n为AI模型的卷积层总层数，i为卷积层的层编号，该CI为矩阵的列值，CH为矩阵的行值。

参阅图2（图2中每个方框代表一个元素值），图2为一种输入数据的矩阵尺寸CI*CH的示意图以及3*3卷积核示意图，上述技术方案主要是节省分配计算处理电路以及x个计算处理电路之间的传输数据，进而减少数据读取的次数以及IO开销，达到提高计算效率的优点。对于常规的分配-计算结构，例如主-从结构，其计算时，每计算一层的卷积运算需要将所有的第i层卷积结果回传至主结构，然后在将第i层卷积结果分配给从结构执行第i+1层的运算，而本申请的技术方案的执行第i层卷积运算以后，仅仅将相邻2列的结果发送至分配处理电路，剩余部分卷积结果后第i+1层执行卷积运算，因此剩余部分卷积结果无需回传至分配计算处理电路，分配计算处理电路也不会重新划分执行卷积运算，这样分配计算处理电路也能够减少分配的开销，进而对结合部分数据块的数据执行卷积运算以达到完整的卷积运算的目的。

AI单元102，具体用于若执行全连接层运算且全连接层为矩阵乘法运算，获取矩阵乘法运算中的输入数据（具体可以为上述第n层卷积运算结果）以及权值数据，将权值数据对应的权值矩阵按列划分成n个向量（权值矩阵的列值），每个向量为权值矩阵中的1列值，将n个向量的每个向量执行存储操作以及计算操作，该存储操作具体可以包括：将第α向量中相同元素值的个数最大值，将第α向量中最大值对应的元素值β（β为非零值）排列至α’向量的头部位置（例如第一元素位置），并生成该元素值β在第α向量的bitmap（位图，该位图中若第α向量中元素值为β，则为1，否则为0，例如，10,8,9,10为第α向量，β=10，则bitmap=1001），将该bitmap排列至α’向量的头部另一位置（例如第二元素位置，若位置不够，则确定第二、三元素位置为另一位置），将第α向量中与元素值β相同的元素删除后排列到α’向量的后续位置（除了头部位置以外），按α’向量的行值升序的顺序存储α’向量；该计算操作具体可以包括：人脸识别终端提取α’向量以及输入数据与α’向量的对应行向量，将行向量中bitmap为1的元素值相加后与头部位置至相乘得到乘积结果，将行向量剩余位置的元素与α’向量剩余位置的对应元素值相乘得到乘积结果，将所有乘积结果相加得到全连接运算结果的一个元素值，将输入数据以及权值数据均执行存储操作以及计算操作得到该矩阵乘法结果，依据该矩阵乘法结果进行验证。上述验证的方式可以为现有的方式，例如将矩阵乘法结果与预设人脸模块的矩阵乘法结果计算差值，若差值小于相似阈值，确定该目标对象的身份为该预设人脸模板对应的第一身份。

上述技术方案减少了数据存储的数据量以及乘法运算的数量，以一个实际的例子为例，对于矩阵中的元素值，其占用了32bit，则若该第α向量中具有64个元素，则bitmap需要64比特，每个比特对应64个元素中是否为β，因此在64个元素中只要超过3个元素值是相同的，那么存储的数据量就会小，在实际应用中，权值数据中同列的向量相同的概率较高，因此其能够减少存储量，降低数据存储的开销，提高人脸识别的效率。

参阅图3，图3提供了一种网上交易方法，该网上交易方法可以运行上述终端上，例如，UE、计算机，该网上交易平台如图3所示，包括：

步骤S301、获取目标对象的人脸图片以及身体数据；

上述身体数据包括但不限于：身高数据、体重数据、三围数据等等。

步骤S302、对该图片进行智能识别处理得到该图片的第一身份；

步骤S303、向服务器请求该第一身份对应的第一头像；

步骤S304、将身体数据生成初始人物3D模型，将第一头像叠加在初始人物模型的头像位置生成目标对象的人物3D模型；获取目标对象选择的第一服装对应的第一尺寸集；用于依据该第一尺寸集生成第一服装对应的3D服装，将该3D服装叠加在该人物3D模型得到第一服装的个性3D模型，将个性3D模型显示。

上述对该图片进行智能识别处理得到该图片的第一身份的方式可以参见上述如图1所示实施例中AI单元的具体实现方式，这里不再赘述。

本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，当其在网络设备上运行时，图3所示的方法流程得以实现。

本申请实施例还提供一种计算机程序产品，当所述计算机程序产品在终端上运行时，图3所示的方法流程得以实现。

本申请实施例还提供一种终端，包括处理器、存储器、通信接口，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行图3所示实施例的方法中的步骤的指令。

上述主要从方法侧执行过程的角度对本申请实施例的方案进行了介绍。可以理解的是，电子设备为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所提供的实施例描述的各示例的单元及算法步骤，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，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申请的范围。

本申请实施例可以根据上述方法示例对电子设备进行功能单元的划分，例如，可以对应各个功能划分各个功能单元，也可以将两个或两个以上的功能集成在一个处理单元中。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。需要说明的是，本申请实施例中对单元的划分是示意性的，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。

本申请实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤，上述计算机包括电子设备。

本申请实施例还提供一种计算机程序产品，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包，上述计算机包括电子设备。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

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，可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，例如上述单元的划分，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。另一点，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，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。

上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实施例方案的目的。

另外，在本申请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。

上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器中。基于这样的理解，本申请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器中，包括若干指令用以使得一台计算机设备（可为个人计算机、服务器或者网络设备等）执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器（英文：Read-Only Memory ，简称：ROM）、随机存取器（英文：Random Access Memory，简称：RAM）、磁盘或光盘等。

以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (4)

1.一种网上交易平台，其特征在于，包括：

通信单元，用于获取目标对象的人脸图片以及身体数据；

AI单元、用于对该图片进行智能识别处理得到该图片的第一身份；

通信单元、还用于向服务器请求该第一身份对应的第一头像；

处理单元、用于将目标对象的身体数据生成初始人物3D模型，将第一头像叠加在初始人物模型的头像位置生成目标对象的人物3D模型；

通信单元、还用于获取目标对象选择的第一服装对应的第一尺寸集；

处理单元、还用于依据该第一尺寸集生成第一服装对应的3D服装，将该3D服装叠加在该人物3D模型得到第一服装的个性3D模型，将个性3D模型显示。

2.根据权利要求1所述的平台，其特征在于，

所述处理单元，具体用于若初始人物3D模型位于正面，将第一头像移动到目标对象的人物3D模型的头像位置后，将第一头像设置成顶层图像，将目标对象的人物3D模型设置成底层图像；若初始人物3D模型位于背面，确定该目标对象的人物3D模型为初始人物3D模型。

3.根据权利要求1所述的平台，其特征在于，

所述AI单元，具体用于依据该人脸图片建立输入数据，将该输入数据输入到人脸识别模型中执行n层卷积运算得到第n层卷积运算结果，将该第n层卷积运算结果输入到全连接层执行全连接运算得到全连接计算结果，将全连接计算结果与预设的人脸模板结果计算差值，若该差值小于差值阈值，确定该目标对象身份为该预设的人脸模板的第一身份。

4.根据权利要求3所述的平台，其特征在于，AI芯片包括：分配计算处理电路以及x个计算处理电路；

若输入数据的矩阵尺寸为CI*CH，卷积核尺寸为3*3卷积核；分配计算处理电路，用于将CI*CH按CI方向划分成CI/x数据块，将CI/x数据块按顺序分配给x个计算处理电路；

x个计算处理电路，分别将接收分配到的1个数据块与第i层卷积核执行第i层卷积运算得到第i卷积结果，将第i卷积结果的边缘2列的结果发送至分配处理电路，x个计算处理电路将第i层卷积结果与第（i+1）层卷积核执行卷积运算得到第（i+1）卷积结果，将第（i+1）卷积结果发送至分配计算电路，

分配计算处理电路，将（CI/x－1）个组合数据块与第i层卷积核执行第i层卷积运算得到第i组合结果，将第i结合结果与第i卷积结果的边缘2列的结果拼接得到第（i+1）结合数据块，将第（i+1）结合数据块与第（i+1）卷积核执行卷积运算得到第（i+1）结合结果，将第（i+1）结合结果插入到第（i+1）卷积结果边缘列之间得到第（i+1）层卷积结果；

AI单元，用于依据第（i+1）层卷积结果执行剩余卷积层（i+1层之后的卷积核）运算得到第n层卷积运算结果；

所述组合数据块为，相邻2个数据块之间的4列数据组成的4*CH矩阵；n为AI模型的卷积层总层数，i为卷积层的层编号， CI为矩阵的列值，CH为矩阵的行值。

Images