CN112017015A - 一种商品信息推荐的方法、相关装置、设备及存储介质 - Google Patents

Abstract

本申请公开了一种基于大数据领域实现的商品信息推荐方法，商品信息推荐方法具体包括：从实时影像数据中获取待识别人脸图像；若待识别人脸图像满足人脸匹配条件，则获取待识别人脸图像所对应的目标用户标识；根据目标用户标识获取目标用户所对应的目标用户信息；获取商品信息；根据目标用户信息以及商品信息，生成第一商品推荐信息；向第一用户终端发送第一商品推荐信息，以使第一用户终端展示第一商品推荐信息。本申请实施例还提供了相关装置、设备及存储介质。本申请能够直接提取目标用户信息，结合目标用户信息和当前获取到的商品信息，为用户提供个性化的商品推荐，从而能够提升推荐效果。

Description

一种商品信息推荐的方法、相关装置、设备及存储介质

技术领域

本申请涉及大数据技术领域，尤其涉及一种商品信息推荐的方法、相关装置、设备及存储介质。

背景技术

随着人们生活节奏加快，衣食住行方面都追求更加便利快捷，零售商超的经营模式也随之发生变化。虽然一些零售商超支持线上销售的模式，但考虑到消费者对于线下购物模式具有较高的信赖度和较好的体验感，因此，零售商超仍然会保持线下购物模式。

目前，传统的零售商超会采集长时间内售卖商品的情况，例如，统计在近一年来某品牌牛奶的销售量。在收集到大量商品的数据之后，可以进行大数据分析，由此得到销售较好的商品，并将这些商品放在比较明显的位置，以供消费者选购。

然而，目前采用的商品推荐方式较为单一，对于所有消费者而言进行无差别的推荐，难以达到良好的推荐效果。

发明内容

本申请实施例提供了一种商品信息推荐的方法、相关装置、设备及存储介质，能够直接提取目标用户信息，结合目标用户信息和当前获取到的商品信息，为用户提供个性化的商品推荐，从而能够提升推荐效果。

有鉴于此，本申请一方面提供一种商品信息推荐的方法，包括：

从实时影像数据中获取待识别人脸图像，其中，实时影像数据为通过图像采集设备实时采集的数据；

若待识别人脸图像满足人脸匹配条件，则获取待识别人脸图像所对应的目标用户标识，其中，目标用户标识与目标用户具有唯一的对应关系；

根据目标用户标识获取目标用户所对应的目标用户信息，其中，目标用户信息包括目标用户画像以及目标交易记录中的至少一项；

获取商品信息，其中，商品信息至少包括商品名称、商品库存以及商品位置信息；

根据目标用户信息以及商品信息，生成第一商品推荐信息，其中，第一商品推荐信息包括待推荐商品的商品名称以及商品位置信息；

向第一用户终端发送第一商品推荐信息，以使第一用户终端展示第一商品推荐信息。

本申请另一方面提供一种商品信息推荐装置，包括：

获取模块，用于从实时影像数据中获取待识别人脸图像，其中，实时影像数据为通过图像采集设备实时采集的数据；

获取模块，还用于若待识别人脸图像满足人脸匹配条件，则获取待识别人脸图像所对应的目标用户标识，其中，目标用户标识与目标用户具有唯一的对应关系；

获取模块，还用于根据目标用户标识获取目标用户所对应的目标用户信息，其中，目标用户信息包括目标用户画像以及目标交易记录中的至少一项；

获取模块，还用于获取商品信息，其中，商品信息至少包括商品名称、商品库存以及商品位置信息；

生成模块，用于根据目标用户信息以及商品信息，生成第一商品推荐信息，其中，第一商品推荐信息包括待推荐商品的商品名称以及商品位置信息；

发送模块，用于向第一用户终端发送第一商品推荐信息，以使第一用户终端展示第一商品推荐信息。

在一种可能的设计中，在本申请实施例的另一方面的一种实现方式中，

获取模块，具体用于通过图像采集设备获取实时影像数据；

对实时影像数据中的每帧图像进行检测，得到每帧图像的检测结果；

若图像的检测结果用于指示图像包括人脸区域，则将人脸区域所对应的图像确定为待识别人脸图像。

在一种可能的设计中，在本申请实施例的另一方面的另一种实现方式中，商品信息推荐装置还包括确定模块；

获取模块，还用于从实时影像数据中获取待识别人脸图像之后，基于待识别人脸图像，通过人脸识别模型获取人脸匹配度，其中，人脸匹配度与已记录人脸图像具有对应关系；

确定模块，用于若人脸匹配度大于或等于匹配度阈值，则确定待识别人脸图像满足人脸匹配条件；

确定模块，还用于若人脸匹配度小于匹配度阈值，则确定待识别人脸图像未满足人脸匹配条件。

在一种可能的设计中，在本申请实施例的另一方面的另一种实现方式中，商品信息推荐装置还包括确定模块；

获取模块，还用于从实时影像数据中获取待识别人脸图像之后，若待识别人脸图像未满足人脸匹配条件，则根据待识别人脸图像获取用户特征信息，其中，用户特征信息包括新增用户所对应的年龄、体型、性别以及面部状态中的至少一项；

确定模块，用于根据用户特征信息确定商品推荐模型；

获取模块，还用于通过商品推荐模型获取第二商品推荐信息，其中，第二商品推荐信息包括待推荐商品的商品名称；

发送模块，还用于向第二用户终端发送第二商品推荐信息，以使第二用户终端展示第二商品推荐信息。

在一种可能的设计中，在本申请实施例的另一方面的另一种实现方式中，商品信息推荐装置还包括更新模块；

获取模块，还用于若待识别人脸图像未满足人脸匹配条件，则获取新增用户所对应的新增用户标识；

生成模块，还用于根据待识别人脸图像以及新增用户标识生成待训练样本；

更新模块，用于基于待训练样本，对人脸识别模型所对应的模型参数进行更新，其中，人脸识别模型用于输出两个人脸图像之间的人脸匹配度。

在一种可能的设计中，在本申请实施例的另一方面的另一种实现方式中，商品信息推荐装置还包括记录模块；

获取模块，还用于在发送模块向第二用户终端发送第二商品推荐信息，以使第二用户终端展示第二商品推荐信息之后，获取新增用户所对应的交易数据，其中，交易数据包括新增用户所对应的新增用户标识、商户标识、交易商品名称、交易时间以及交易金额；

记录模块，用于将新增用户所对应的交易数据记录至区块链账本，其中，区块链账本用于同步至记账节点集合，记账节点集合包括至少两个记账节点，每个记账节点对应于一个商户，且每个记账节点用于存储区块链账本。

在一种可能的设计中，在本申请实施例的另一方面的另一种实现方式中，商品信息推荐装置还包括记录模块；

获取模块，还用于在发送模块向第一用户终端发送第一商品推荐信息，以使第一用户终端展示第一商品推荐信息之后，获取目标用户所对应的交易数据，其中，交易数据包括目标用户所对应的目标用户标识、商户标识、交易商品名称、交易时间以及交易金额；

记录模块，还用于将目标用户所对应的交易数据记录至区块链账本，其中，区块链账本用于同步至记账节点集合，记账节点集合包括至少两个记账节点，每个记账节点对应于一个商户，且每个记账节点用于存储区块链账本。

在一种可能的设计中，在本申请实施例的另一方面的另一种实现方式中，

获取模块，具体用于根据目标用户标识，从大数据平台中获取目标用户画像；

根据目标用户标识，从区块链账本中确定目标用户所对应的交易数据；

根据目标用户所对应的交易数据生成目标交易记录。

在一种可能的设计中，在本申请实施例的另一方面的另一种实现方式中，

生成模块，具体用于根据目标用户信息确定待推荐商品；

获取待推荐商品所对应的商品信息；

根据待推荐商品所对应的商品信息，确定待推荐商品所对应的商品库存；

若待推荐商品所对应的商品库存大于或等于1，则根据待推荐商品所对应的商品信息，生成第一商品推荐信息。

在一种可能的设计中，在本申请实施例的另一方面的另一种实现方式中，

发送模块，还用于在获取模块获取商品信息之后，若商品信息中所包括的商品库存小于或等于库存阈值，则向商户终端发送商品补货消息，以使商户终端展示商品补货消息；

发送模块，还用于若商品信息中所包括的商品库，在预设时间段内的库存变化量大于或等于库存变化量阈值，则向商户终端发送商品补货消息，以使商户终端展示商品补货消息。

在一种可能的设计中，在本申请实施例的另一方面的另一种实现方式中，商品信息推荐装置还包括接收模块；

接收模块，用于接收第三用户终端发送的语音信息；

获取模块，还用于根据语音信息获取语音识别结果；

生成模块，还用于若语音识别结果命中商品名称库，则根据语音识别结果所指示的待推荐商品，生成第三商品推荐信息，其中，第三商品推荐信息包括待推荐商品的商品名称以及商品位置信息；

发送模块，还用于向第三用户终端发送第三商品推荐信息，以使第三用户终端展示第三商品推荐信息。

在一种可能的设计中，在本申请实施例的另一方面的另一种实现方式中，商品信息推荐装置还包括确定模块；

获取模块，还用于发送模块向第一用户终端发送第一商品推荐信息，以使第一用户终端展示第一商品推荐信息之后，获取目标用户的实时位置信息；

确定模块，还用于根据目标用户的实时位置信息以及商品路径信息确定偏移距离；

发送模块，还用于若偏移距离大于或等于偏移距离阈值，则向第一用户终端发送位置异常消息，以使第一用户终端展示位置异常消息。

本申请另一方面提供一种服务器，包括：存储器、收发器、处理器以及总线系统；

其中，所述存储器用于存储程序；

所述处理器用于执行所述存储器中的程序，所述处理器用于根据所述程序代码中的指令执行上述各方面的方法；

所述总线系统用于连接所述存储器以及所述处理器，以使所述存储器以及所述处理器进行通信。

本申请的另一方面提供了一种计算机可读存储介质，计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述各方面的方法。

本申请的另一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各方面所提供的方法。

从以上技术方案可以看出，本申请实施例具有以下优点：

本申请实施例中，提供了一种商品信息推荐的方法，首先从实时影像数据中获取待识别人脸图像，如果待识别人脸图像满足人脸匹配条件，则获取待识别人脸图像所对应的目标用户标识，由此，根据目标用户标识获取目标用户所对应的目标用户信息，再获取商品信息，于是根据目标用户信息以及商品信息，可以生成第一商品推荐信息，最后向第一用户终端发送第一商品推荐信息，以使第一用户终端展示第一商品推荐信息。通过上述方式，可对实时获取到的人脸图像进行识别，一旦人脸图像识别成功，则表示该人脸图像属于已存在相关记录的用户所对应的人脸图像，因此，能够直接提取该用户的目标用户信息，结合目标用户信息和当前获取到的商品信息，为该用户提供个性化的商品推荐，从而能够提升推荐效果。

附图说明

图1为本申请实施例中智能零售商超系统的一个应用环境示意图；

图2为本申请实施例中边缘计算服务器的一个架构示意图；

图3为本申请实施例中基于边缘计算实现商品信息推荐的一个数据流向示意图；

图4为本申请实施例中商品信息推荐方法的一个实施例示意图；

图5为本申请实施例中商品推荐界面的一个示意图；

图6为本申请实施例中采集实时影像数据的一个场景示意图；

图7为本申请实施例中基于人脸识别模型获取人脸匹配度的一个示意图；

图8为本申请实施例中商品推荐界面的另一个示意图；

图9为本申请实施例中基于区块链实现多分支门店互联的一个示意图；

图10为本申请实施例中数据共享系统的一个示意图；

图11为本申请实施例中区块链的一个示意图；

图12为本申请实施例中新区块生成过程的一个实施例示意图；

图13为本申请实施例中为新客户推荐商品的一个流程示意图；

图14为本申请实施例中为老客户推荐商品的一个流程示意图；

图15为本申请实施例中商品补货界面的一个示意图；

图16为本申请实施例中基于语音识别实现商品推荐的一个示意图；

图17为本申请实施例中实时显示商品查找路径的一个界面示意图；

图18为本申请实施例中实时修正商品查找路径的一个界面示意图；

图19为本申请实施例中商品信息推荐装置的一个实施例示意图；

图20为本申请实施例中服务器的一个结构示意图。

具体实施方式

本申请实施例提供了一种商品信息推荐的方法、相关装置、设备及存储介质，能够直接提取目标用户信息，结合目标用户信息和当前获取到的商品信息，为用户提供个性化的商品推荐，从而能够提升推荐效果。

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“对应于”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

在零售商超中，商品开放陈列，客户可以自主选购然后排队收银结算。通常，零售商超中的商品会按照一定的规律进行分类摆放，例如按照生鲜、电器、生活日用品、食品以及玩具等类别进行陈列，方便客户快速找到自己想要的物品。对于零售商超而言，会根据商品的销售情况，将热门的商品放在显眼的位置推荐给客户，然而这样的推荐仍然难以到达预期的效果。基于此，本申请提供了一种商品信息推荐的方法，能够利用人工智能（Artificial Intelligence，AI）、大数据以及区块链等技术，有针对性地为每位客户进行个性化地推荐，很大程度上提升了推荐效果，下面将详细介绍本申请提供的商品信息推荐的方法。

应理解，本申请提供的商品信息推荐方法适用于不同类型的商超，包含但不仅限于百货购物中心、超市、大卖场、仓储式及会员制商店、便利店以及专卖店。为了在商超中实现商品的个性化推荐，本申请提出了一种商品信息推荐方法，该方法应用于图1所示的智能零售商超系统，如图所示，智能零售商超系统包括服务器、用户终端以及图像采集装置。本申请涉及的图像采集装置具体可以是枪机摄像头、半球形摄像头、一体化摄像头、针孔摄像头或者鱼眼摄像头，其中，枪机摄像头能够完成一个角度固定距离的拍摄。半球形摄像头具有一定隐蔽性，可以吊装在天花板上。一体化摄像头内置镜头，可以自动变焦，对镜头控制比较方便。针孔摄像头的体积较小，方便影藏。鱼眼摄像头具有较大的视角范围。因此，可根据实际需求选择合适的图像采集装置。

本申请涉及的服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络（Content DeliveryNetwork，CDN）、以及大数据和人工智能平台等基础云计算服务的云服务器。

服务器可以连接到大数据平台，大数据平台用于提供大数据（big data）。大数据是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。随着云时代的来临，大数据也吸引了越来越多的关注，大数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术，包括大规模并行处理数据库、数据挖掘、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。

大数据平台是基于云技术（cloud technology）实现的，云技术是指在广域网或局域网内将硬件、软件、网络等系列资源统一起来，实现数据的计算、储存、处理和共享的一种托管技术。云技术基于云计算商业模式应用的网络技术、信息技术、整合技术、管理平台技术、应用技术等的总称，可以组成资源池，按需所用，灵活便利。云计算技术将变成重要支撑。技术网络系统的后台服务需要大量的计算、存储资源，如视频网站、图片类网站和更多的门户网站。伴随着互联网行业的高度发展和应用，将来每个物品都有可能存在自己的识别标志，都需要传输到后台系统进行逻辑处理，不同程度级别的数据将会分开处理，各类行业数据皆需要强大的系统后盾支撑，只能通过云计算来实现。

本申请涉及的用户终端可以是智能手机、电子屏、平板电脑、笔记本电脑、掌上电脑、个人电脑、智能电视以及智能手表等，但并不局限于此。用户终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请在此不做限制。服务器和用户终端的数量也不做限制。

图1所示的智能零售商超系统还可搭建于边缘计算服务器，边缘计算服务器用于提供边缘计算，边缘计算是在靠近数据源的网络边缘侧，提供计算、存储、网络等核心能力的开放平台。相较普通主机，边缘计算服务器支持分布式部署，并且具备三项能力，第一项能力是采集边缘的数据，第二项能力是智能运算的能力，第三项能力是可执行的决策反馈。边缘计算采用分布式计算架构，将计算分散在靠近数据源的近端设备进行处理，而不是把所有数据回传云端处理，具有实时性好、效率高以及延迟短等特性，而且还可以在没有网络或网络不佳的状况，提供计算能力。

为了便于介绍，请参阅图2，图2为本申请实施例中边缘计算服务器的一个架构示意图，如图所示，边缘计算服务器的架构组件主要包括五个部分，分别为物理硬件、虚拟化、基础平台、边缘计算平台以及智能零售商超系统，下面将分别对这五个部分进行介绍。

一、物理硬件，即边缘计算服务器的物理硬件，包括计算、存储、网络等相关硬件。

二、虚拟化，即计算、存储、互联以及控制等能力的虚拟化，为平台提供虚拟化服务。

三、基础平台，即数据库、应用服务、安全、管理监控等基础服务。

四、边缘计算平台，用于流分析、机器学习、函数计算以及区块链等边缘计算服务。

五、智能零售商超系统，用于实时响应，并实现智能个性化推荐。

基于图2描述的架构，可以由边缘计算服务器实现本申请提供的商品信息推荐方法，请参阅图3，图3为本申请实施例中基于边缘计算实现商品信息推荐的一个数据流向示意图，如图所示，具体地，首先图像采集装置采集商超内客户流动情况的视频流，传入边缘计算服务器的流分析服务。视频流通过流分析服务进行视频流采集，数据缓冲和处理，于是先进行基本的人脸检测，用于统计商超中流动的人数，然后将检测出的人脸信息传入人数统计和机器学习服务。机器学习服务对传入的人脸信息和已采集过的人脸信息库进行比照和识别，若未能找到匹配项，则建立一条新的人脸信息。

函数计算基于识别置信度触发不同相应，当人脸匹配时，说明是老客户，由此可以调用大数据分析服务，基于客户喜好和购买记录等进行智能推荐。当人脸不匹配时，说明是新客户，由此调用机器学习服务，基于客户身体体态、年龄预测以及面色状况等基本特征，选择合适的商品推荐模型进行智能推荐。智能推荐的结果经过函数计算后，由边缘计算服务器推送给无线信号收发器，再由无线信号收发器将信号传输给离客户最近的用户终端，为客户进行智能推荐。客户可以选择自己想要的商品，并生成相应的交易数据，将交易数据传输给无线信号收发器，无线信号收发器将该交易数据推送给边缘计算服务器。最后，由边缘计算服务器调用函数计算服务，将客户人脸和购买的信息录入基于区块链构建的智能零售商超系统。

结合上述介绍，下面将对本申请中商品信息推荐的方法进行介绍，请参阅图4，本申请实施例中商品信息推荐方法的一个实施例包括：

101、服务器从实时影像数据中获取待识别人脸图像，其中，实时影像数据为通过图像采集设备实时采集的数据；

本实施例中，图像采集设备可采集实时影像数据，例如，以每秒24帧的速率采集一系列视频帧，这些视频帧即构成实时影像数据。服务器可以调用这些实时影像数据，进而从实时影像数据中提取待识别人脸图像。

需要说明的是，本申请涉及的服务器可以是边缘计算服务器，或者是独立的物理服务器，或者是多个物理服务器构成的服务器集群，或者是多个物理服务器构成的分布式系统，或者是云服务器，又或者是级联的边缘计算服务器与云服务器，此处不做限定。

102、若待识别人脸图像满足人脸匹配条件，则服务器获取待识别人脸图像所对应的目标用户标识，其中，目标用户标识与目标用户具有唯一的对应关系；

本实施例中，服务器检测待识别人脸图像是否满足人脸匹配条件，如果满足人脸匹配条件，则可以进一步获取该待识别人脸图像所对应的目标用户标识，需要说明的是，目标用户标识与目标用户具有一一对应的关系，该待识别人脸图像即为目标用户的人脸图像。其中，目标用户标识用于能够指示唯一的用户身份。例如，目标用户标识为用户手机号码，或者用户已注册的商超会员号，又或者是微信账号等，此处不做限定。本申请中的“目标用户”表示“老客户”，而“新增用户”表示“新客户”，而“客户”则不强调是老客户还是新客户，即“客户”可以是目标用户，也可以是新增用户。

103、服务器根据目标用户标识获取目标用户所对应的目标用户信息，其中，目标用户信息包括目标用户画像以及目标交易记录中的至少一项；

本实施例中，服务器根据目标用户标识，还可以从大数据平台上提取该目标用户的目标用户信息，其中，目标用户信息包括目标用户的用户画像（即目标用户画像）和目标用户的交易记录（即目标交易记录）中的至少一项。

具体地，用户画像可以理解为是基于用户人口学特征、网络浏览内容、网络社交活动和消费行为等信息，而抽象出的一个标签化的用户模型。它的核心工作主要是利用存储在服务器上的海量日志和数据库里的大量数据进行分析和挖掘，给用户贴“标签”，而“标签”是能表示用户某一维度特征的标识，主要用于业务的运营和数据分析。交易记录可以理解为用户在过去的一段时间内购买商品的记录，主要包括交易物品名称、交易时间、交易地点以及交易数量等，此处不做限定。

104、服务器获取商品信息，其中，商品信息至少包括商品名称、商品库存以及商品位置信息；

本实施例中，服务器获取当前时刻下的商品信息，当前时刻表示某个具体的时间点，例如，上午11点08分58秒，此时获取到的商品信息中包括M个商品的商品名称、商品库存以及商品位置信息，M为大于或等于1的整数。为了便于理解，请参阅表1，表1为当前时刻的商品信息一个示意。

表1

商品名称	商品库存	商品位置信息
			牛奶	15	1楼超市01号货架
酸奶	20	1楼超市02号货架
			咖啡	5	1楼超市03号货架
奶酪	18	1楼超市04号货架
			果汁	11	1楼超市05号货架
可乐	9	1楼超市06号货架
			啤酒	0	1楼超市07号货架

由表1可知，在当前时刻下，“啤酒”已经没有库存，因此，不适合作为待推荐的商品，而“牛奶”、“酸奶”、“咖啡”、“奶酪”、“果汁”和“可乐”均有剩余的库存，因此，可以作为待推荐商品的备选项。

105、服务器根据目标用户信息以及商品信息，生成第一商品推荐信息，其中，第一商品推荐信息包括待推荐商品的商品名称以及商品位置信息；

本实施例中，服务器结合目标用户信息以及商品信息，从待推荐商品的备选项中确定为目标用户推荐的商品，即得到待推荐商品。

具体地，假设待推荐商品为“可乐”，那么生成的第一商品推荐信息包括“可乐”以及“可乐”在商超内的准确位置。可以理解的是，第一商品推荐信息还可包括其他的待推荐商品以及对应的商品位置信息。此外，在生成第一商品推荐信息的过程中，还可以综合考虑目标用户的目标用户信息，对待推荐商品进行打分，分值越高，表示该待推荐商品的推荐度越高，即可优先向目标用户进行推荐。

106、服务器向第一用户终端发送第一商品推荐信息，以使第一用户终端展示第一商品推荐信息。

本实施例中，服务器向第一用户终端发送已生成的第一商品推荐信息，再由第一用户终端展示第一商品推荐信息。其中，第一用户终端可以为目标用户正在使用的用户终端（例如，智能手机、平板电脑以及掌上电脑等），或者距离目标用户最近的用户终端（例如，电子屏等）。

为了便于理解，请参阅图5，图5为本申请实施例中商品推荐界面的一个示意图，如图所示，通过商品推荐界面上向目标用户（例如，目标用户为“刘先生”）展示第一商品推荐信息，并按照优先级进行排序，例如，一个待推荐商品的商品名称为“可乐”，其对应的商品位置信息为“1楼超市06号货架”，可选地，还可以包括“可乐”的商品库存。另一个待推荐商品的商品名称为“单人沙发”，其对应的商品位置信息为“5楼家居C区” ，可选地，还可以包括“单人沙发”的商品库存。另一个待推荐商品的商品名称为“数码相机”，其对应的商品位置信息为“4楼电器A区”，可选地，还可以包括“数码相机”的商品库存。

本申请实施例中，提供了一种商品信息推荐的方法，首先从实时影像数据中获取待识别人脸图像，如果待识别人脸图像满足人脸匹配条件，则获取待识别人脸图像所对应的目标用户标识，由此，根据目标用户标识获取目标用户所对应的目标用户信息，再获取商品信息，于是根据目标用户信息以及商品信息，可以生成第一商品推荐信息，最后向第一用户终端发送第一商品推荐信息，以使第一用户终端展示第一商品推荐信息。通过上述方式，可对实时获取到的人脸图像进行识别，一旦人脸图像识别成功，则表示该人脸图像属于已存在相关记录的用户所对应的人脸图像，因此，能够直接提取该用户的目标用户信息，结合目标用户信息和当前获取到的商品信息，为该用户提供个性化的商品推荐，从而能够提升推荐效果。

可选地，在上述图3对应的实施例的基础上，本申请实施例提供的另一个可选实施例中，服务器从实时影像数据中获取待识别人脸图像，具体包括如下步骤：

服务器通过图像采集设备获取实时影像数据；

服务器对实时影像数据中的每帧图像进行检测，得到每帧图像的检测结果；

若图像的检测结果用于指示图像包括人脸区域，则服务器将人脸区域所对应的图像确定为待识别人脸图像。

本实施例中，介绍了一种基于流分析提取待识别人脸图像的方式。图像采集设备可采集实时影像数据，例如，以每秒24帧的速率采集一系列视频帧，这些视频帧即构成实时影像数据。服务器可以调用这些实时影像数据，进而从实时影像数据中提取待识别人脸图像。其中，图像采集设备一般具有视频摄像和静态图像捕捉等基本功能，它是借由镜头采集图像后，由摄像头内的感光组件电路及控制组件对图像进行处理并转换成电脑所能识别的数字信号，然后输入到电脑后由软件再进行图像还原。

具体地，实时影像数据属于流数据，服务器需要对采集到的实时影像数据进行实时地计算和分析，从而提取待识别人脸图像。流分析技术的实现需要跨平台的计算机视觉库（Open Source Computer Vision Library，OpenCV）、分布式数据流处理平台（ApacheKafKa）以及基于内存计算的开源集群计算系统（Apache Spark）等开源流处理框架。因此，在服务器（例如，边缘计算服务器）上需要部署OpenCV软件、Apache KafKa软件以及ApacheSpark软件。其中，流分析中的视频流采集器由OpenCV来实现，通过视频流采集器接收图像采集设备传输的实时影像数据，再将实时影像数据中的视频帧序列化为视频流数据进行缓冲。视频流数据缓冲存放于Apache KafKa中，Apache KafKa用于视频流数据的去重和去错。视频流处理器由Apache Spark来实现，Apache Spark可以使用Apache KafKa缓冲中的视频流数据进行分析处理，进而检测出人脸区域。

为了便于介绍，请参阅图6，图6为本申请实施例中采集实时影像数据的一个场景示意图，如图所示，以商超门口布设的图像采集设备为例，图像采集设备用于拍摄实时影像数据，假设实时影像数据包含有三位客户（即客户1、客户2和客户3）的画面，由服务器对实时影像数据中的每帧图像进行检测，得到检测结果，该检测结果用于表示该帧图像中是否包括人脸区域。如果图像中包括至少一个人脸区域，即可从该帧图像中进一步提取待识别人脸图像。例如，从画面中识别出三个人脸区域，分别为S1所指示的人脸区域，S2所指示的人脸区域和S3所指示的人脸区域，由此可见，人脸区域S1、人脸区域S2或者人脸区域S3均为待识别人脸图像。进一步地，S1所指示的人脸区域对应于客户1，S2所指示的人脸区域对应于客户2，S3所指示的人脸区域对应于客户3。

其次，本申请实施例中，提供了一种基于流分析提取待识别人脸图像的方式，通过上述方式，能够从视频流中实时提取到待识别人脸图像，从而及时地分析出当前进入商超的是新客户还是老客户，再进一步执行相应的推荐策略，由此提升方案的可行性和可操作性。

可选地，在上述图3对应的实施例的基础上，本申请实施例提供的另一个可选实施例中，服务器从实时影像数据中获取待识别人脸图像之后，还包括如下步骤：

服务器基于待识别人脸图像，通过人脸识别模型获取人脸匹配度，其中，人脸匹配度与已记录人脸图像具有对应关系；

若人脸匹配度大于或等于匹配度阈值，则服务器确定待识别人脸图像满足人脸匹配条件；

若人脸匹配度小于匹配度阈值，则服务器确定待识别人脸图像未满足人脸匹配条件。

本实施例中，介绍了一种基于机器学习对待识别人脸图像进行检测的方式。在前述实施例中，涉及到服务器对实时影像数据中的每帧图像进行检测，从而得到每帧图像的检测结果，对图像进行检测的方式可基于计算机视觉（Computer Vision，CV）技术来实现，计算机视觉技术是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取信息的人工智能系统。计算机视觉技术通常包括图像处理、图像识别、图像语义理解、图像检索、光学字符识别（OpticalCharacter Recognition，OCR）、视频处理、视频语义理解、视频内容/行为识别、三维物体重建、3D技术、虚拟现实、增强现实、同步定位与地图构建等技术，还包括常见的人脸识别、指纹识别等生物特征识别技术。

由于实时影像数据中往往包括大量的待识别人脸图像，为了便于说明，下面将以一个待识别人脸图像为例进行介绍。本申请采用机器学习（Machine Learning，ML）技术，根据采集到的待识别人脸图像，结合机器学习训练好的人脸识别模型，得到人脸匹配度，此外，还可以实时统计客流量。

机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、式教学习等技术。

机器学习的实现需要机器学习框架，例如选用“谷歌（Google）”公司的流量张量（tensorflow）开源机器学习框架。因此，在服务器（例如，边缘计算服务器）上需要部署tensorflow软件。选用深度神经网络模型作为人脸识别模型，以此编写训练模型代码。然后将采集到的已记录人脸图像作为训练数据，进行模型训练，得到人脸识别模型。将训练得到的人脸识别模型运用到待识别人脸图像上，得到识别信息。

为了便于介绍，请参阅图7，图7为本申请实施例中基于人脸识别模型获取人脸匹配度的一个示意图，如图所示，将待识别人脸图像输入至已训练好的人脸识别模型中，通过人脸识别模型，将待识别人脸图像与P个已记录人脸图像进行一一匹配，由此得到P个人脸匹配度，从P个人脸匹配度中选出最大值，若人脸匹配度的最大值大于或等于匹配度阈值（例如，匹配度阈值可以为80%），则表示待识别人脸图像满足人脸匹配条件，进而确定人脸匹配度的最大值所对应的已记录人脸图像即为目标用户的人脸图像。假设待识别人脸图像与用户标识为“123333”所对应的已记录人脸图像之间的人脸匹配度为99%，那么可确定该待识别人脸图像对应的目标用户标识即为“123333”，且人脸识别结果为待识别人脸图像中的目标用户即为用户标识为“123333”的用户。

反之，如果人脸匹配度的最大值小于匹配度阈值（例如，匹配度阈值可以为80%），则表示待识别人脸图像不满足人脸匹配条件。

其次，本申请实施例中，提供了一种基于机器学习对待识别人脸图像进行检测的方式，通过上述方式，相比于传统商超要求客户去办理会员卡，来统计客户的信息而言，使用人工智能中的人脸识别技术，对商超的客户进行特征登记和记录，能够替代商超的会员卡制度，从而节省了人力成本。

可选地，在上述图3对应的实施例的基础上，本申请实施例提供的另一个可选实施例中，服务器从实时影像数据中获取待识别人脸图像之后，还包括如下步骤：

若待识别人脸图像未满足人脸匹配条件，则服务器根据待识别人脸图像获取用户特征信息，其中，用户特征信息包括新增用户所对应的年龄、体型、性别以及面部状态中的至少一项；

服务器根据用户特征信息确定商品推荐模型；

服务器通过商品推荐模型获取第二商品推荐信息，其中，第二商品推荐信息包括待推荐商品的商品名称；

服务器向第二用户终端发送第二商品推荐信息，以使第二用户终端展示第二商品推荐信息。

本实施例中，介绍了一种对于新客户进行商品推荐的方式。如果检测到待识别人脸图像不满足人脸匹配条件，即表示当前进入商超的客户是新增用户（即新客户），对于新增用户而言，无法获取到对应的用户标识，因此，也就无法直接获取新增用户的用户画像以及交易记录等。基于此，服务器还可以通过采集新增用户的外部特征，由此提取新增用户的用户特征信息，其中，用户特征信息包括新增用户所对应的年龄、体型、性别以及面部状态中的至少一项。

具体地，在提取用户特征信息，可采用机器学习算法分析待识别人脸图像中的人脸是男性人脸还是女性人脸。还可以通过待识别人脸图像分析出新增用户的体型，例如，偏胖、中等或者偏瘦等。还可以通过待识别人脸图像分析出新增用户的大致年龄，例如，青少年、青年、壮年或者老年等。还可以通过待识别人脸图像分析新增用户的面部状态，例如，留胡子、戴眼镜、化妆或者素颜等。服务器结合用户特征信息，为新增用户选择一个合适的商品推荐模型。需要说明的是，可预先基于大数据训练出适用于不同群体的商品推荐模型，通过商品推荐模型为该群体推荐相关的商品，而这些商品推荐模型也需要根据大数据进行不断更新，从而达到更好的推荐效果。

服务器根据商品推荐模型输出的待推荐商品的商品名称，生成第二商品推荐信息，进一步地，服务器还可以结合当前的商品信息，确定待推荐商品的商品位置信息和商品库存，在第二商品推荐信息中加入商品位置信息以及商品库存。服务器向第二用户终端发送第二商品推荐信息，由第二用户终端展示第二商品推荐信息。其中，第二用户终端可以为新增用户正在使用的用户终端（例如，智能手机、平板电脑以及掌上电脑等），或者距离新增用户最近的用户终端（例如，电子屏等）。

为了便于理解，请参阅图8，图8为本申请实施例中商品推荐界面的另一个示意图，如图所示，假设经过识别后判断出新增用户的用户特征信息包括“青年”、“中等”、“女性”以及“化妆”，于是调用针对于该用户特征信息的商品推荐模型，通过该商品推荐模型输出第二商品推荐信息。于是在商品推荐界面上向新增用户展示第二商品推荐信息，并按照优先级进行排序，例如，一个待推荐商品的商品名称为“口红”，其对应的商品位置信息为“2楼彩妆A区”，可选地，还可以包括“口红”的商品库存。另一个待推荐商品的商品名称为“洗面奶”，其对应的商品位置信息为“2楼彩妆C区”，可选地，还可以包括“洗面奶”的商品库存。另一个待推荐商品的商品名称为“香皂”，其对应的商品位置信息为“1楼超市32号货架”，可选地，还可以包括“香皂”的商品库存。

需要说明的是，考虑到如果边缘计算服务器计算能力有限，则可以将机器学习模型（例如，人脸识别模型和商品推荐模型）的训练放在云服务器侧运行，最后将训练好的模型传输给边缘计算服务器进行模型验证。

其次，本申请实施例中，提供了一种对于新客户进行商品推荐的方式。通过上述方式，在对新客户进行商品推荐时，考虑到难以直接提取该新客户的用户画像以及交易记录等信息，因此，可以从新客户的外形上为其选择合适的商品推荐模型，并采用对应的商品推荐模型为新客户进行推荐。由此，本申请可使用边缘计算中人工智能和大数据分析技术，针对新客户和老客户做不同处理，预测和个性化的商品推荐。提升方案的灵活性。

可选地，在上述图3对应的实施例的基础上，本申请实施例提供的另一个可选实施例中，还包括如下步骤：

若待识别人脸图像未满足人脸匹配条件，则服务器获取新增用户所对应的新增用户标识；

服务器根据待识别人脸图像以及新增用户标识生成待训练样本；

服务器基于待训练样本，对人脸识别模型所对应的模型参数进行更新，其中，人脸识别模型用于输出两个人脸图像之间的人脸匹配度。

本实施例中，介绍了一种建立新增用户相关信息的方式。如果检测到待识别人脸图像不满足人脸匹配条件，即表示当前进入商超的客户是新增用户（即新客户），对于新增用户而言，服务器还可以建立该新增用户的新增用户标识，其中，新增用户标识可以是新增用户的手机号、微信号或者自动生成的一个编号，此处不做限定。服务器将拍摄到的新增用户的待识别人脸图像以及新增用户标识作为一个样本，用于更新人脸识别模型，增强人脸识别模型的识别效果，当损失值收敛，或者达到训练迭代次数时，则暂停训练，并输出相应的人脸识别模型用于预测。

具体地，服务器采用函数计算，针对待识别人脸图像的人脸匹配度触发不同的响应。函数计算的实现需要开源函数计算框架，例如，选用国际商业机器公司（InternationalBusiness Machines Corporation，IBM）Openwhisk的开源函数计算框架。因此，在服务器（例如，边缘计算服务器）上需要部署Openwhisk软件。通过编写Openwhisk软件新建人脸记录，即输入已记录人脸图像。

服务器可以设置Openwhisk触发条件，例如，当人脸匹配度大于或等于80%时，认为人脸匹配成功，由此触发为该目标用户推荐商品的流程。

服务器还可以设置Openwhisk触发条件和应用程序绑定，例如，当脸匹配度小于80%时，认为人脸匹配失败，由此触发新建新增用户人脸信息的流程，并进行信息入库和行为的记录和学习。

再次，本申请实施例中，提供了一种建立新增用户相关信息的方式，通过上述方式，对于新增用户而言，由于还未采集到新增用户的相关信息，因此，为了提升数据的完整性，还可以实时采集新增用户的相关信息，用于模型训练以及后续的数据处理，从而提升方案的可行性和可操作性。

可选地，在上述图3对应的实施例的基础上，本申请实施例提供的另一个可选实施例中，服务器向第二用户终端发送第二商品推荐信息，以使第二用户终端展示第二商品推荐信息之后，还包括如下步骤：

服务器获取新增用户所对应的交易数据，其中，交易数据包括新增用户所对应的新增用户标识、商户标识、交易商品名称、交易时间以及交易金额；

服务器将新增用户所对应的交易数据记录至区块链账本，其中，区块链账本用于同步至记账节点集合，记账节点集合包括至少两个记账节点，每个记账节点对应于一个商户，且每个记账节点用于存储区块链账本。

本实施例中，介绍了一种基于区块链对新增用户的交易数据进行存储的方式。考虑到商超可能存在多个分支的门店，为了便于各个门店同步新增用户的交易数据，且保证这些交易数据的安全性，还可以将交易数据存储在区块链账本中，每个分支的商户可以看做是一个记账节点，每个记账节点均能够将采集到的新增用户的交易数据记录至共享的区块链账本中。其中，交易数据包括新增用户所对应的新增用户标识（例如，“123123”）、商户标识（例如，分店标识“111”）、交易商品名称（例如，“咖啡”）、交易时间（例如，“2020年9月14日15点18分23秒”）以及交易金额（例如，“7元”）。

具体地，服务器通过区块链技术构建人脸信息以及交易数据的存储系统，实现数据去中心化，防止篡改。区块链技术的实现需要开源区块链框架，例如，选用超级账本结构（Hyperledger Fabric）的开源区块链框架。因此，在服务器（例如，边缘计算服务器）上需要部署Hyperledger Fabric软件。人脸数据库基于Hyperledger Fabric构建，数据以区块的形式存在，且多个服务器（例如，边缘计算服务器）之间实现数据互通，采用分布式存储架构，形成链条。

为了便于理解，请参阅图9，图9为本申请实施例中基于区块链实现多分支门店互联的一个示意图，如图所示，假设某个商超所包括的商户分别为分店A、分店B、分店C、分店D、分店E和分店F，每个分店部署一个服务器（例如，边缘计算服务器）。对于有多个分店的商超，服务器（例如，边缘计算服务器）之间通过专线或者互联网进行连接，实现互联互通。基于区块链技术实现数据的分布式存储，数据以区块的形式存在，在一个分店生成数据之后，可通知其他分店，得到确认之后数据不能被修改。如果某个分店的数据发生丢失，则还可以从其他任意分店进行数据恢复，实现去中心化。

下面将结合图10、图11和图12介绍区块链系统，请参阅图10，图10为本申请实施例中数据共享系统的一个示意图，如图所示，数据共享系统200是指用于进行节点与节点之间数据共享的系统，该数据共享系统中可以包括多个节点201，多个节点201可以是指数据共享系统中各个客户端。每个节点201在进行正常工作可以接收到输入信息，并基于接收到的输入信息维护该数据共享系统内的共享数据。为了保证数据共享系统内的信息互通，数据共享系统中的每个节点之间可以存在信息连接，节点之间可以通过上述信息连接进行信息传输。例如，当数据共享系统中的任意节点接收到输入信息时，数据共享系统中的其他节点便根据共识算法获取该输入信息，将该输入信息作为共享数据中的数据进行存储，使得数据共享系统中全部节点上存储的数据均一致。

对于数据共享系统中的每个节点，均具有与其对应的节点标识，而且数据共享系统中的每个节点均可以存储有数据共享系统中其他节点的节点标识，以便后续根据其他节点的节点标识，将生成的区块广播至数据共享系统中的其他节点。每个节点中可维护一个如下表所示的节点标识列表，将节点名称和节点标识对应存储至该节点标识列表中。其中，节点标识可为网络之间互联的协议（Internet Protocol，IP）地址以及其他任一种能够用于标识该节点的信息。请参阅表2，表2为仅以IP地址为例进行说明。

表2

节点名称	节点标识
		节点1	117.114.151.174
节点2	117.116.189.145
		…	…
节点N	119.123.789.258

数据共享系统中的每个节点均存储一条相同的区块链。区块链由多个区块组成，请参阅图11，图11为本申请实施例中区块链的一个示意图，如图所示，区块链由多个区块组成，创始块中包括区块头和区块主体，区块头中存储有输入信息特征值、版本号、时间戳和难度值，区块主体中存储有输入信息；创始块的下一区块以创始块为父区块，下一区块中同样包括区块头和区块主体，区块头中存储有当前区块的输入信息特征值、父区块的区块头特征值、版本号、时间戳和难度值，并以此类推，使得区块链中每个区块中存储的区块数据均与父区块中存储的区块数据存在关联，保证了区块中输入信息的安全性。

在生成区块链中的各个区块时，请参阅图12，图12为本申请实施例中新区块生成过程的一个实施例示意图，区块链所在的节点在接收到输入信息时，对输入信息进行校验，完成校验后，将输入信息存储至内存池中，并更新其用于记录输入信息的哈希树；之后，将更新时间戳更新为接收到输入信息的时间，并尝试不同的随机数，多次进行特征值计算，使得计算得到的特征值可以满足下述公式：

其中，SHA256为计算特征值所用的特征值算法；version（版本号）为区块链中相关区块协议的版本信息；prev_hash为当前区块的父区块的区块头特征值；merkle_root为输入信息的特征值；ntime为更新时间戳的更新时间；nbits为当前难度，在一段时间内为定值，并在超出固定时间段后再次进行确定；x为随机数；TARGET为特征值阈值，该特征值阈值可以根据nbits确定得到。

这样，当计算得到满足上述公式的随机数时，便可将信息对应存储，生成区块头和区块主体，得到当前区块。随后，区块链所在节点根据数据共享系统中其他节点的节点标识，将新生成的区块分别发送给其所在的数据共享系统中的其他节点，由其他节点对新生成的区块进行校验，并在完成校验后将新生成的区块添加至其存储的区块链中。

为了便于理解，下面将介绍对新客户首次购买商品进行智能推荐的方式。请参阅图13，图13为本申请实施例中为新客户推荐商品的一个流程示意图，如图所示，具体地：

在步骤A1中，通过图像采集设备（例如，摄像头），对客户进行脸部信息的提取；

在步骤A2中，图像采集设备（例如，摄像头）将采集到的脸部信息传送到服务器（例如，边缘计算服务器）；

在步骤A3中，服务器（例如，边缘计算服务器）使用流分析技术，对视频中人脸进行检测、提取和存储；

在步骤A4中，服务器（例如，边缘计算服务器）使用机器学习技术，对客户进行人脸识别；

在步骤A5中，如果服务器（例如，边缘计算服务器）无法识别出人脸，则说明该客户是新客户，于是服务器（例如，边缘计算服务器）使用函数计算技术，触发针对新客户的智能推荐；

在步骤A6中，服务器（例如，边缘计算服务器）使用机器学习技术，根据采集和流分析服务得到客户的身体体态、年龄预测以及面色状况等信息，选择合适的商品推荐模型，进行智能推荐；

在步骤A7中，服务器（例如，边缘计算服务器）使用函数计算技术，将商品推荐信息推送给无线信号收发器；

在步骤A8中，无线信号收发器将商品推荐信息传输给离客户最近的用户终端上。

在步骤A9中，客户根据商品推荐信息进行购买，客户可以在用户终端上选择自己想要的商品，也可以通过视频识别的方法识别出客户选择的商品，并将客户购买的交易数据传递给无线信号收发器；

在步骤A10中，无线信号收发器将数据传送给服务器（例如，边缘计算服务器），触发函数计算技术，将数据存储在基于区块链构建的智能零售商超系统中。

进一步地，本申请实施例中，提供了一种基于区块链对新增用户的交易数据进行存储的方式，通过上述方式，使用边缘计算中的区块链技术，将新增用户的交易数据记录至区块链账本，一方面能够保证数据的安全性，防止出现数据篡改的情况，另一方面，能够支持多分支机构之间的互联和同步，从而同步新客户的相关信息。

可选地，在上述图3对应的实施例的基础上，本申请实施例提供的另一个可选实施例中，服务器向第一用户终端发送第一商品推荐信息，以使第一用户终端展示第一商品推荐信息之后，还包括如下步骤：

服务器获取目标用户所对应的交易数据，其中，交易数据包括目标用户所对应的目标用户标识、商户标识、交易商品名称、交易时间以及交易金额；

服务器将目标用户所对应的交易数据记录至区块链账本，其中，区块链账本用于同步至记账节点集合，记账节点集合包括至少两个记账节点，每个记账节点对应于一个商户，且每个记账节点用于存储区块链账本。

本实施例中，介绍了一种基于区块链对目标用户的交易数据进行存储的方式。考虑到商超可能存在多个分支的门店，为了便于各个门店同步目标用户的交易数据，且保证这些交易数据的安全性，还可以将交易数据存储在区块链账本中，每个分支的商户可以看做是一个记账节点，每个记账节点均能够将采集到的新增用户的交易数据记录至共享的区块链账本中。对目标用户的交易数据进行记录的方式，与对新增用户的交易数据进行记录的方式类似，此处不做赘述。

为了便于理解，下面将介绍对老客户首次购买商品进行智能推荐的方式。请参阅图14，图14为本申请实施例中为老客户推荐商品的一个流程示意图，如图所示，具体地：

在步骤B1中，通过图像采集设备（例如，摄像头），对客户进行脸部信息的提取；

在步骤B2中，图像采集设备（例如，摄像头）将采集到的脸部信息传送到服务器（例如，边缘计算服务器）；

在步骤B3中，服务器（例如，边缘计算服务器）使用流分析技术，对视频中人脸进行检测、提取和存储；

在步骤B4中，服务器（例如，边缘计算服务器）使用机器学习技术，对客户进行人脸识别；

在步骤B5中，如果服务器（例如，边缘计算服务器）识别出人脸，则说明该客户是老客户，于是服务器（例如，边缘计算服务器）使用函数计算技术，触发针对老客户的智能推荐；

在步骤B6中，服务器（例如，边缘计算服务器）使用大数据技术，基于老客户的喜好以及交易记录等信息，进行大数据分析，结合当前商超的商品信息，进行智能推荐；

在步骤B7中，服务器（例如，边缘计算服务器）使用函数计算技术，将商品推荐信息推送给无线信号收发器；

在步骤B8中，无线信号收发器将商品推荐信息传输给离客户最近的用户终端上。

在步骤B9中，客户根据商品推荐信息进行购买，客户可以在用户终端上选择自己想要的商品，也可以通过视频识别的方法识别出客户选择的商品，并将客户购买的交易数据传递给无线信号收发器；

在步骤B10中，无线信号收发器将数据传送给服务器（例如，边缘计算服务器），触发函数计算技术，将数据存储在基于区块链构建的智能零售商超系统中。

其次，本申请实施例中，提供了一种基于区块链对目标用户的交易数据进行存储的方式，通过上述方式，使用边缘计算中的区块链技术，将新增用户的交易数据记录至区块链账本，一方面能够保证数据的安全性，防止出现数据篡改的情况，另一方面，能够支持多分支机构之间的互联和同步，从而同步老客户的相关信息。

可选地，在上述图3对应的实施例的基础上，本申请实施例提供的另一个可选实施例中，根据目标用户标识获取目标用户所对应的目标用户信息，具体包括如下步骤：

根据目标用户标识，从大数据平台中获取目标用户画像；

根据目标用户标识，从区块链账本中确定目标用户所对应的交易数据；

根据目标用户所对应的交易数据生成目标交易记录。

本实施例中，介绍了一种基于区块链技术和大数据技术获取目标用户信息的方式。服务器可采用大数据技术，从大数据平台中提取目标用户的目标用户画像，且，服务器可采用区块链技术，从区块链账本中获取目标用户所对应的交易数据。

具体地，服务器根据目标用户标识，从大数据平台中获取目标用户画像。需要说明的是，大数据平台上可以存储大量的不同类型的大数据，从多个维度来描述用户。例如，从人口统计、社会属性、用户消费以及用户行为四个方面分析用户，其中，人口统计包括用户的基本属性（例如，性别、年龄、籍贯、学历以及婚姻状况等）以及注册信息（例如，手机、邮箱、注册时间以及注册渠道等）。社会属性包括家庭属性（例如，家庭组标识、家庭人数以及家庭汽车标签等）、公司（例如，公司标识、工作地点、行业、职位以及收入等）以及用户终端（例如，手机设备标识以及手机类型等）。用户消费包括消费属性（例如，某天的消费金额、首次消费时间以及最后一次消费时间等）、价值属性（例如，价值指数、流失指数以及忠诚指数等）以及消费周期（例如，潜在用户标签、新客户标签以及老客户标签等）。用户行为包括活跃属性（例如，某天的登录次数以及某天的登录时长等）、行为属性（例如，某天的评论数、某天的点赞数、某天的收藏数以及某天的浏览数等）以及偏好属性（例如，价格偏好、类目偏好以及下单时间偏好等）。

服务器根据目标用户标识，从区块链账本中找到该目标用户标识对应的交易数据，由于交易数据可以包括用户标识、商户标识、交易商品名称、交易时间以及交易金额等，因此，从交易数据中提取部分或全部的信息，作为目标交易记录。

其次，本申请实施例中，提供了一种基于区块链技术和大数据技术获取目标用户信息的方式，通过上述方式，基于区块链技术获取目标用户的交易数据，能够保证交易数据的准确性和可靠性。而基于大数据技术获取目标用户的目标用户画像，从而可以得到更为具体且全面的数据，有利于全方位地分析目标用户的偏好以及习惯等，由此，提升商品推荐的效果。

可选地，在上述图3对应的实施例的基础上，本申请实施例提供的另一个可选实施例中，服务器根据目标用户信息以及商品信息，生成第一商品推荐信息，具体包括如下步骤：

服务器根据目标用户信息确定待推荐商品；

服务器获取待推荐商品所对应的商品信息；

服务器根据待推荐商品所对应的商品信息，确定待推荐商品所对应的商品库存；

若待推荐商品所对应的商品库存大于或等于1，则服务器根据待推荐商品所对应的商品信息，生成第一商品推荐信息。

本实施例中，介绍了一种基于商品信息实现商品推荐的方式。在服务器向目标用户（即老客户）推送第一商品推荐信息之前，还可以结合当前时刻的商品信息，判断待推荐商品的商品库存是否大于或等于1，如果是，则表示该待推荐商品还有库存，于是服务器可生成相应的第一商品推荐信息。反之，如果待推荐商品的商品库存等于0，则表示待推荐商品已经销售完，目前没有库存，于是服务器可以不再向目标用户推荐该待推荐商品，又或者，服务器会继续向目标用户推荐待推荐商品，但是在第一商品推荐信息中加入对该待推荐商品的库存量提醒，可选地，还可以提醒目标用户预计到货时间等。

类似地，在服务器向新增用户（即新客户）推送第二商品推荐信息之前，也可以结合当前时刻的商品信息，判断待推荐商品的商品库存是否大于或等于1，如果是，则表示该待推荐商品还有库存，于是服务器可生成相应的第二商品推荐信息。反之，如果待推荐商品的商品库存等于0，则表示待推荐商品已经销售完，目前没有库存，于是服务器可以不再向新增用户推荐该待推荐商品，又或者，服务器会继续向新增用户推荐待推荐商品，但是在第二商品推荐信息中加入对该待推荐商品的库存量提醒，可选地，还可以提醒新增用户预计到货时间等。

其次，本申请实施例中，提供了一种基于商品信息实现商品推荐的方式，通过上述方式，能够结合实时的商品库存情况，生成相应的商品推荐信息，如果待推荐商品还有商品库存，则向客户推荐该待推荐商品，反之，如果已经没有库存，则可以不推荐给客户，或者，即使推荐给客户，也会提示当前已经没有库存，以及预计到货时间等，便于客户选购所需商品，从而提升商品推荐的合理性。

可选地，在上述图3对应的实施例的基础上，本申请实施例提供的另一个可选实施例中，服务器获取商品信息之后，方法还包括：

若商品信息中所包括的商品库存小于或等于库存阈值，则服务器向商户终端发送商品补货消息，以使商户终端展示商品补货消息；

若商品信息中所包括的商品库，在预设时间段内的库存变化量大于或等于库存变化量阈值，则服务器向商户终端发送商品补货消息，以使商户终端展示商品补货消息。

本实施例中，介绍了一种基于商品库存变化情况自动提示补货的方式。由于商超内的商品数量和种类往往非常多，如果由工作人员每天进行清点商品库存，则需要消耗大量的时间，而且还可能出现疏漏。因此，本申请采用智能监控的方式，根据商品信息实时监测每个商品的商品库存，并基于商品库存变化情况触发相应的商品补货消息，具体地，商品库存变化情况分为两类，下面将分别进行介绍。

一、商品库存与库存阈值之间的比对；

服务器根据实时监测到的商品信息，判断商品的商品库存是否小于或等于库存阈值。假设库存阈值为3，则一旦检测到某个商品的商品库存小于或等于3，即可向商户终端发送商品补货消息，其中，商户终端为商超内部人员使用的用户终端（例如，智能手机、个人电脑或者掌上电脑等）。通过商户终端向商超内部人员呈现商品补货消息。

二、库存变化量与库存变化量阈值之间的比对；

服务器根据实时监测到的商品信息，判断商品在预设时间段内的库存变化量是否大于或等库存变化量阈值。假设库存变化量阈值为100，预设时间为1周，则一旦检测到某个商品在1周内的库存变化量大于或等于100，即可向商户终端发送商品补货消息，以使商户终端展示商品补货消息。又假设库存变化量阈值为50%，预设时间为1周，则一旦检测到某个商品在1周内的库存变化量大于或等于50%，即可向商户终端发送商品补货消息，以使商户终端展示商品补货消息。商品的销售实时变化通常不大，但在某些特点情况，商品可能会激增，需要快速的响应和应对。

为了便于理解，请参阅图15，图15为本申请实施例中商品补货界面的一个示意图，如图所示，在商品补货界面上显示以上两种基于商品库存变化情况的商品补货消息。假设库存阈值为3，例如，“XXX牌肥皂”的商品库存小于库存阈值，则显示商品补货消息，即“剩余库存不足（仅剩1块）”，又例如，“XXX牌可乐”的商品库存小于库存阈值，则显示商品补货消息，即“剩余库存不足（仅剩3瓶）”。假设库存变化量阈值为50%，例如，“XXX牌食用油”在预设时间段内的库存变化量大于库存变化量阈值，则显示商品补货消息，即“1周内销售120桶”。又例如，“XXX牌矿泉水”在预设时间段内的库存变化量大于库存变化量阈值，则显示商品补货消息，即“1周内销售270桶”。

其次，本申请实施例中，提供了一种基于商品库存变化情况自动提示补货的方式，通过上述方式，还可以根据实时销量情况向商户终端反馈商品补货消息，一方面节省了人力成本，无需人工检测每项商品的销售情况，减轻了工作压力，另一方面提升了补货效率，有利于及时补充货源，提升了补货的便利性。由于服务器具体可以是边缘计算服务器，而边缘计算服务器具有有低延迟，以及本地计算的能力，因此，能够快速分析出某些商品销售激增或库房不足等现象，及时通知商超内部人员。由此，商超内部人员根据当前情况，及时将商品和货架放到明显的位置，并且把当前情况快速上报，及时调货。

可选地，在上述图3对应的实施例的基础上，本申请实施例提供的另一个可选实施例中，还包括如下步骤：

服务器接收第三用户终端发送的语音信息；

服务器根据语音信息获取语音识别结果；

若语音识别结果命中商品名称库，则服务器根据语音识别结果所指示的待推荐商品，生成第三商品推荐信息，其中，第三商品推荐信息包括待推荐商品的商品名称以及商品位置信息；

服务器向第三用户终端发送第三商品推荐信息，以使第三用户终端展示第三商品推荐信息。

本实施例中，介绍了一种基于语音识别技术实现商品推荐的方式。无论是目标用户（即老客户）还是新增用户（即新客户），都可以通过语音输入的形式主动请求待推荐商品的相关信息，由服务器根据当前时刻所对应的商品信息，向目标用户或者新增用户推送第三商品推荐信息。

具体地，目标用户或者新增用户可以通过第三用户终端向服务器发送一段语音，其中，第三用户终端可以是目标用户或者新增用户正在使用的智能手机或者平板电脑等，也可以是商超内设置的电子设备，例如，电子屏或者掌上电脑等。第三用户终端将采集到语音转换为语音信息，并反馈至服务器，服务器可采用语音技术（Speech Technology）对语音信息进行识别，例如，服务器将语音信息输入至使用已经训练好的语音识别模型，通过语音识别模型输出语音识别结果，该语音识别结果是从语音中识别出的相关商品名称，例如，“可乐”、“肥皂”或者“方便面”等，具体还可以包括相关的品牌，例如“XXX牌可乐”“XXX牌肥皂”或者“XXX牌方便面”等。

其中，语音技术的关键技术有自动语音识别技术（Automatic SpeechRecognition，ASR）、语音合成技术（Text To Speech，TTS）以及声纹识别技术。让计算机能听、能看、能说、能感觉，是未来人机交互的发展方向，语音成为未来最被看好的人机交互方式之一。

服务器根据语音识别结果，判断是否命中商品名称库，如果命中，则根据语音识别结果所指示的待推荐商品，生成第三商品推荐信息，第三商品推荐信息包括待推荐商品的商品名称以及商品位置信息，此外，第三商品推荐信息还可以包括商品库存，即服务器根据当前时刻的商品信息确定商品库存。最后，服务器向第三用户终端发送第三商品推荐信息，由第三用户终端展示第三商品推荐信息。

为了便于理解，请参阅图16，图16为本申请实施例中基于语音识别实现商品推荐的一个示意图，如图所示，客户对着第三用户终端说了一段语音，即“XXX牌可乐在哪里”，第三用户终端可将这段语音转换为语音信息之后，发送至服务器，由服务器将该语音信息作为语音识别模型的输入，由此输出语音识别结果。假设识别出“XXX牌可乐”，则进一步根据商品信息确定“XXX牌可乐”的商品位置信息以及商品库存，于是生成第三商品推荐信息。服务器向第三用户终端推送第三商品推荐信息，由第三用户终端展示第三商品推荐信息，即“XXX牌可乐在1楼超市06号货架”，且，“剩余5罐”。

更进一步地，本申请实施例中，提供了一种基于语音识别技术实现商品推荐的方式，通过上述方式，客户还能够以语音输入的形式主动请求设备反馈待推荐商品的相关信息，从而实现快速查找商品的目的，替代人工的运营，由此提升方案的灵活性和便利性。

可选地，在上述图3对应的实施例的基础上，本申请实施例提供的另一个可选实施例中，服务器向第一用户终端发送第一商品推荐信息，以使第一用户终端展示第一商品推荐信息之后，还包括如下步骤：

服务器获取目标用户的实时位置信息；

服务器根据目标用户的实时位置信息以及商品路径信息确定偏移距离；

若偏移距离大于或等于偏移距离阈值，则服务器向第一用户终端发送位置异常消息，以使第一用户终端展示位置异常消息。

本实施例中，介绍了一种基于待推荐商品推送商品路径信息的方式。在服务器向目标用户（即老客户）发送的第一商品推荐信息之后，还可以发送针对待推荐商品的商品路径信息。目标用户可以通过第一用户终端选择一款待推荐商品，服务器根据该待推荐商品的商品位置信息以及目标用户的实时位置信息，为目标用户自动规划一条寻物路线，即生成商品路径信息，再通过第一用户终端向目标用户反馈该商品路径信息。目标用户可以根据商品路径信息去寻找待推荐商品，当目标用户行走的路线与寻物路线发生偏差或者出现异常时，则服务器会及时通过第一用户终端向目标用户反馈该位置异常消息，以便目标用户找到待推荐商品。

具体地，判断目标用户是否偏离寻物路线的方式为，服务器获取目标用户的实时位置信息以及商品路径信息，由此确定两者之间的偏移距离，如果偏移距离大于或等于偏移距离阈值（例如5米），则表示该目标用户已经偏离了寻物路线。

类似地，在服务器向新增用户（即新客户）发送的第二商品推荐信息之后，还可以发送针对待推荐商品的商品路径信息。新增用户可以通过第二用户终端选择一款待推荐商品，服务器根据该待推荐商品的商品位置信息以及新增用户的实时位置信息，为新增用户自动规划一条寻物路线，即生成商品路径信息，再通过第二用户终端向新增用户反馈该商品路径信息。新增用户可以根据商品路径信息去寻找待推荐商品，当新增用户行走的路线与寻物路线发生偏差或者出现异常时，则服务器会及时通过第二用户终端向新增用户反馈该位置异常消息，以便新增用户找到待推荐商品。

在一个示例中，为了便于理解，请参阅图17，图17为本申请实施例中实时显示商品查找路径的一个界面示意图，如图17中（A）图所示，在目标用户或者新增用户使用的用户终端上展示商品路径信息，其中，可标识出目标用户或者新增用户的实时位置信息（即图中显示的“您的位置”），以及待推荐物品的目标位置信息（即图中显示的“目标位置”）。目标用户或者新增用户可以按照商品路径信息进行寻路，如图17中（B）图所示，在行走的过程中，会实时更新其对应的实时位置信息，并展示在用户终端上。

在另一个示例中，为了便于理解，请参阅图18，图18为本申请实施例中实时修正商品查找路径的一个界面示意图，如图18中（A）图所示，在目标用户或者新增用户使用的用户终端上展示商品路径信息，一旦检测到目标用户或者新增用户偏离了寻物路线，则会在用户终端上显示“您已偏离目标位置”的相关提示。如图18中（B）图所示，还可以进一步根据目标用户或者新增用户的实时位置信息，生成新的寻路路径，且该寻路路径的终点仍为待推荐物品的目标位置信息（即图中显示的“目标位置”）。

更进一步地，本申请实施例中，提供了一种基于待推荐商品推送商品路径信息的方式，通过上述方式，不仅可以为客户提供商品路径信息，便于客户更高效地找寻待推荐商品，还可以基于客户的实时定位结果，检测客户当前是否偏离待推荐商品的路径，如果发送较大的偏移，则直接向客户发起位置异常提示，从而提升寻路效率，达到智能引导的目的。

下面对本申请中的商品信息推荐装置进行详细描述，请参阅图19，图19为本申请实施例中商品信息推荐装置的一个实施例示意图，商品信息推荐装置30包括：

获取模块301，用于从实时影像数据中获取待识别人脸图像，其中，实时影像数据为通过图像采集设备实时采集的数据；

获取模块301，还用于若待识别人脸图像满足人脸匹配条件，则获取待识别人脸图像所对应的目标用户标识，其中，目标用户标识与目标用户具有唯一的对应关系；

获取模块301，还用于根据目标用户标识获取目标用户所对应的目标用户信息，其中，目标用户信息包括目标用户画像以及目标交易记录中的至少一项；

获取模块301，还用于获取商品信息，其中，商品信息至少包括商品名称、商品库存以及商品位置信息；

生成模块302，用于根据目标用户信息以及商品信息，生成第一商品推荐信息，其中，第一商品推荐信息包括待推荐商品的商品名称以及商品位置信息；

发送模块303，用于向第一用户终端发送第一商品推荐信息，以使第一用户终端展示第一商品推荐信息。

本申请实施例中，提供了一种商品信息推荐装置，采用上述装置，可对实时获取到的人脸图像进行识别，一旦人脸图像识别成功，则表示该人脸图像属于已存在相关记录的用户所对应的人脸图像，因此，能够直接提取该用户的目标用户信息，结合目标用户信息和当前获取到的商品信息，为该用户提供个性化的商品推荐，从而能够提升推荐效果。

可选地，在上述图19所对应的实施例的基础上，本申请实施例提供的商品信息推荐装置30的另一实施例中，

获取模块301，具体用于通过图像采集设备获取实时影像数据；

对实时影像数据中的每帧图像进行检测，得到每帧图像的检测结果；

若图像的检测结果用于指示图像包括人脸区域，则将人脸区域所对应的图像确定为待识别人脸图像。

本申请实施例中，提供了一种商品信息推荐装置，采用上述装置，能够从视频流中实时提取到待识别人脸图像，从而及时地分析出当前进入商超的是新客户还是老客户，再进一步执行相应的推荐策略，由此提升方案的可行性和可操作性。

可选地，在上述图19所对应的实施例的基础上，本申请实施例提供的商品信息推荐装置30的另一实施例中，商品信息推荐装置30还包括确定模块304；

获取模块301，还用于从实时影像数据中获取待识别人脸图像之后，基于待识别人脸图像，通过人脸识别模型获取人脸匹配度，其中，人脸匹配度与已记录人脸图像具有对应关系；

确定模块304，用于若人脸匹配度大于或等于匹配度阈值，则确定待识别人脸图像满足人脸匹配条件；

确定模块304，还用于若人脸匹配度小于匹配度阈值，则确定待识别人脸图像未满足人脸匹配条件。

本申请实施例中，提供了一种商品信息推荐装置，采用上述装置，相比于传统商超要求客户去办理会员卡，来统计客户的信息而言，使用人工智能中的人脸识别技术，对商超的客户进行特征登记和记录，能够替代商超的会员卡制度，从而节省了人力成本。

可选地，在上述图19所对应的实施例的基础上，本申请实施例提供的商品信息推荐装置30的另一实施例中，商品信息推荐装置30还包括确定模块304；

获取模块301，还用于从实时影像数据中获取待识别人脸图像之后，若待识别人脸图像未满足人脸匹配条件，则根据待识别人脸图像获取用户特征信息，其中，用户特征信息包括新增用户所对应的年龄、体型、性别以及面部状态中的至少一项；

确定模块304，用于根据用户特征信息确定商品推荐模型；

获取模块301，还用于通过商品推荐模型获取第二商品推荐信息，其中，第二商品推荐信息包括待推荐商品的商品名称；

发送模块303，还用于向第二用户终端发送第二商品推荐信息，以使第二用户终端展示第二商品推荐信息。

本申请实施例中，提供了一种商品信息推荐装置，采用上述装置，在对新客户进行商品推荐时，考虑到难以直接提取该新客户的用户画像以及交易记录等信息，因此，可以从新客户的外形上为其选择合适的商品推荐模型，并采用对应的商品推荐模型为新客户进行推荐。由此，本申请可使用边缘计算中人工智能和大数据分析技术，针对新客户和老客户做不同处理，预测和个性化的商品推荐。提升方案的灵活性。

可选地，在上述图19所对应的实施例的基础上，本申请实施例提供的商品信息推荐装置30的另一实施例中，商品信息推荐装置30还包括更新模块305；

获取模块301，还用于若待识别人脸图像未满足人脸匹配条件，则获取新增用户所对应的新增用户标识；

生成模块302，还用于根据待识别人脸图像以及新增用户标识生成待训练样本；

更新模块305，用于基于待训练样本，对人脸识别模型所对应的模型参数进行更新，其中，人脸识别模型用于输出两个人脸图像之间的人脸匹配度。

本申请实施例中，提供了一种商品信息推荐装置，采用上述装置，对于新增用户而言，由于还未采集到新增用户的相关信息，因此，为了提升数据的完整性，还可以实时采集新增用户的相关信息，用于模型训练以及后续的数据处理，从而提升方案的可行性和可操作性。

可选地，在上述图19所对应的实施例的基础上，本申请实施例提供的商品信息推荐装置30的另一实施例中，商品信息推荐装置30还包括记录模块306；

获取模块301，还用于在发送模块303向第二用户终端发送第二商品推荐信息，以使第二用户终端展示第二商品推荐信息之后，获取新增用户所对应的交易数据，其中，交易数据包括新增用户所对应的新增用户标识、商户标识、交易商品名称、交易时间以及交易金额；

记录模块306，用于将新增用户所对应的交易数据记录至区块链账本，其中，区块链账本用于同步至记账节点集合，记账节点集合包括至少两个记账节点，每个记账节点对应于一个商户，且每个记账节点用于存储区块链账本。

本申请实施例中，提供了一种商品信息推荐装置，采用上述装置，使用边缘计算中的区块链技术，将新增用户的交易数据记录至区块链账本，一方面能够保证数据的安全性，防止出现数据篡改的情况，另一方面，能够支持多分支机构之间的互联和同步，从而同步新客户的相关信息。

可选地，在上述图19所对应的实施例的基础上，本申请实施例提供的商品信息推荐装置30的另一实施例中，商品信息推荐装置30还包括记录模块306；

获取模块301，还用于在发送模块303向第一用户终端发送第一商品推荐信息，以使第一用户终端展示第一商品推荐信息之后，获取目标用户所对应的交易数据，其中，交易数据包括目标用户所对应的目标用户标识、商户标识、交易商品名称、交易时间以及交易金额；

记录模块306，还用于将目标用户所对应的交易数据记录至区块链账本，其中，区块链账本用于同步至记账节点集合，记账节点集合包括至少两个记账节点，每个记账节点对应于一个商户，且每个记账节点用于存储区块链账本。

本申请实施例中，提供了一种商品信息推荐装置，采用上述装置，使用边缘计算中的区块链技术，将新增用户的交易数据记录至区块链账本，一方面能够保证数据的安全性，防止出现数据篡改的情况，另一方面，能够支持多分支机构之间的互联和同步，从而同步老客户的相关信息。

可选地，在上述图19所对应的实施例的基础上，本申请实施例提供的商品信息推荐装置30的另一实施例中，

获取模块301，具体用于根据目标用户标识，从大数据平台中获取目标用户画像；

根据目标用户标识，从区块链账本中确定目标用户所对应的交易数据；

根据目标用户所对应的交易数据生成目标交易记录。

本申请实施例中，提供了一种商品信息推荐装置，采用上述装置，基于区块链技术获取目标用户的交易数据，能够保证交易数据的准确性和可靠性。而基于大数据技术获取目标用户的目标用户画像，从而可以得到更为具体且全面的数据，有利于全方位地分析目标用户的偏好以及习惯等，由此，提升商品推荐的效果。

可选地，在上述图19所对应的实施例的基础上，本申请实施例提供的商品信息推荐装置30的另一实施例中，

生成模块302，具体用于根据目标用户信息确定待推荐商品；

获取待推荐商品所对应的商品信息；

根据待推荐商品所对应的商品信息，确定待推荐商品所对应的商品库存；

若待推荐商品所对应的商品库存大于或等于1，则根据待推荐商品所对应的商品信息，生成第一商品推荐信息。

本申请实施例中，提供了一种商品信息推荐装置，采用上述装置，能够结合实时的商品库存情况，生成相应的商品推荐信息，如果待推荐商品还有商品库存，则向客户推荐该待推荐商品，反之，如果已经没有库存，则可以不推荐给客户，或者，即使推荐给客户，也会提示当前已经没有库存，以及预计到货时间等，便于客户选购所需商品，从而提升商品推荐的合理性。

可选地，在上述图19所对应的实施例的基础上，本申请实施例提供的商品信息推荐装置30的另一实施例中，

发送模块303，还用于在获取模块获取商品信息之后，若商品信息中所包括的商品库存小于或等于库存阈值，则向商户终端发送商品补货消息，以使商户终端展示商品补货消息；

发送模块303，还用于若商品信息中所包括的商品库，在预设时间段内的库存变化量大于或等于库存变化量阈值，则向商户终端发送商品补货消息，以使商户终端展示商品补货消息。

本申请实施例中，提供了一种商品信息推荐装置，采用上述装置，还可以根据实时销量情况向商超内部人员反馈商品补货消息，一方面节省了人力成本，无需人工检测每项商品的销售情况，减轻了工作压力，另一方面提升了补货效率，有利于及时补充货源，提升了补货的便利性。由于服务器具体可以是边缘计算服务器，而边缘计算服务器具有有低延迟，以及本地计算的能力，因此，能够快速分析出某些商品销售激增或库房不足等现象，及时通知商超内部人员。由此，商超内部人员根据当前情况，及时将商品和货架放到明显的位置，并且把当前情况快速上报，及时调货。

可选地，在上述图19所对应的实施例的基础上，本申请实施例提供的商品信息推荐装置30的另一实施例中，商品信息推荐装置30还包括接收模块307；

接收模块307，用于接收第三用户终端发送的语音信息；

获取模块301，还用于根据语音信息获取语音识别结果；

生成模块302，还用于若语音识别结果命中商品名称库，则根据语音识别结果所指示的待推荐商品，生成第三商品推荐信息，其中，第三商品推荐信息包括待推荐商品的商品名称以及商品位置信息；

发送模块303，还用于向第三用户终端发送第三商品推荐信息，以使第三用户终端展示第三商品推荐信息。

本申请实施例中，提供了一种商品信息推荐装置，采用上述装置，客户还能够以语音输入的形式主动请求设备反馈待推荐商品的相关信息，从而实现快速查找商品的目的，替代人工的运营，由此提升方案的灵活性和便利性。

可选地，在上述图19所对应的实施例的基础上，本申请实施例提供的商品信息推荐装置30的另一实施例中，商品信息推荐装置30还包括确定模块304；

获取模块301，还用于发送模块303向第一用户终端发送第一商品推荐信息，以使第一用户终端展示第一商品推荐信息之后，获取目标用户的实时位置信息；

确定模块304，还用于根据目标用户的实时位置信息以及商品路径信息确定偏移距离；

发送模块303，还用于若偏移距离大于或等于偏移距离阈值，则向第一用户终端发送位置异常消息，以使第一用户终端展示位置异常消息。

本申请实施例中，提供了一种商品信息推荐装置，采用上述装置，不仅可以为客户提供商品路径信息，便于客户更高效地找寻待推荐商品，还可以基于客户的实时定位结果，检测客户当前是否偏离待推荐商品的路径，如果发送较大的偏移，则直接向客户发起位置异常提示，从而提升寻路效率，达到智能引导的目的。

本申请涉及的服务器可以是边缘计算服务器，或者是独立的物理服务器，或者是多个物理服务器构成的服务器集群，或者是多个物理服务器构成的分布式系统，或者是云服务器，又或者是级联的边缘计算服务器与云服务器，此处不做限定。图20是本申请实施例提供的一种服务器结构示意图，该服务器400可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器（central processing units，CPU）422（例如，一个或一个以上处理器）和存储器432，一个或一个以上存储应用程序442或数据444的存储介质430（例如一个或一个以上海量存储设备）。其中，存储器432和存储介质430可以是短暂存储或持久存储。存储在存储介质430的程序可以包括一个或一个以上模块（图示没标出），每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器422可以设置为与存储介质430通信，在服务器400上执行存储介质430中的一系列指令操作。

服务器400还可以包括一个或一个以上电源426，一个或一个以上有线或无线网络接口450，一个或一个以上输入输出接口458，和/或，一个或一个以上操作系统441，例如Windows Server^TM，Mac OS X^TM，Unix^TM, Linux^TM，FreeBSD^TM等等。

上述实施例中由服务器所执行的步骤可以基于该图20所示的服务器结构。

本申请实施例中还提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，当其在计算机上运行时，使得计算机执行如前述各个实施例描述的方法。

本申请实施例中还提供一种包括程序的计算机程序产品，当其在计算机上运行时，使得计算机执行前述各个实施例描述的方法。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，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，所述单元的划分，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，机械或其它的形式。

所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。

所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介质中。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介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述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（read-only memory，ROM）、随机存取存储器（random access memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (15)

1.一种商品信息推荐的方法，其特征在于，包括：

从实时影像数据中获取待识别人脸图像，其中，所述实时影像数据为通过图像采集设备实时采集的数据；

若所述待识别人脸图像满足人脸匹配条件，则获取所述待识别人脸图像所对应的目标用户标识，其中，所述目标用户标识与目标用户具有唯一的对应关系；

根据所述目标用户标识获取所述目标用户所对应的目标用户信息，其中，所述目标用户信息包括目标用户画像以及目标交易记录中的至少一项；

获取商品信息，其中，所述商品信息至少包括商品名称、商品库存以及商品位置信息；

根据所述目标用户信息以及所述商品信息，生成第一商品推荐信息，其中，所述第一商品推荐信息包括待推荐商品的商品名称以及商品位置信息；

向第一用户终端发送所述第一商品推荐信息，以使所述第一用户终端展示所述第一商品推荐信息。

2.根据权利要求1所述的方法，其特征在于，所述从实时影像数据中获取待识别人脸图像，包括：

通过所述图像采集设备获取所述实时影像数据；

对所述实时影像数据中的每帧图像进行检测，得到所述每帧图像的检测结果；

若图像的检测结果用于指示所述图像包括人脸区域，则将所述人脸区域所对应的图像确定为所述待识别人脸图像。

3.根据权利要求1所述的方法，其特征在于，所述从实时影像数据中获取待识别人脸图像之后，所述方法还包括：

基于所述待识别人脸图像，通过人脸识别模型获取人脸匹配度，其中，所述人脸匹配度与已记录人脸图像具有对应关系；

若所述人脸匹配度大于或等于匹配度阈值，则确定所述待识别人脸图像满足所述人脸匹配条件；

若所述人脸匹配度小于所述匹配度阈值，则确定所述待识别人脸图像未满足所述人脸匹配条件。

4.根据权利要求1所述的方法，其特征在于，所述从实时影像数据中获取待识别人脸图像之后，所述方法还包括：

若所述待识别人脸图像未满足所述人脸匹配条件，则根据所述待识别人脸图像获取用户特征信息，其中，所述用户特征信息包括新增用户所对应的年龄、体型、性别以及面部状态中的至少一项；

根据所述用户特征信息确定商品推荐模型；

通过所述商品推荐模型获取第二商品推荐信息，其中，所述第二商品推荐信息包括待推荐商品的商品名称；

向第二用户终端发送所述第二商品推荐信息，以使所述第二用户终端展示所述第二商品推荐信息。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

若所述待识别人脸图像未满足所述人脸匹配条件，则获取所述新增用户所对应的新增用户标识；

根据所述待识别人脸图像以及所述新增用户标识生成待训练样本；

基于所述待训练样本，对人脸识别模型所对应的模型参数进行更新，其中，所述人脸识别模型用于输出两个人脸图像之间的人脸匹配度。

6.根据权利要求5所述的方法，其特征在于，所述向第二用户终端发送所述第二商品推荐信息，以使所述第二用户终端展示所述第二商品推荐信息之后，所述方法还包括：

获取所述新增用户所对应的交易数据，其中，所述交易数据包括所述新增用户所对应的新增用户标识、商户标识、交易商品名称、交易时间以及交易金额；

将所述新增用户所对应的交易数据记录至区块链账本，其中，所述区块链账本用于同步至记账节点集合，所述记账节点集合包括至少两个记账节点，每个记账节点对应于一个商户，且所述每个记账节点用于存储所述区块链账本。

7.根据权利要求1所述的方法，其特征在于，所述向第一用户终端发送所述第一商品推荐信息，以使所述第一用户终端展示所述第一商品推荐信息之后，所述方法还包括：

获取所述目标用户所对应的交易数据，其中，所述交易数据包括所述目标用户所对应的目标用户标识、商户标识、交易商品名称、交易时间以及交易金额；

将所述目标用户所对应的交易数据记录至区块链账本，其中，所述区块链账本用于同步至记账节点集合，所述记账节点集合包括至少两个记账节点，每个记账节点对应于一个商户，且所述每个记账节点用于存储所述区块链账本。

8.根据权利要求1所述的方法，其特征在于，所述根据所述目标用户标识获取所述目标用户所对应的目标用户信息，包括：

根据所述目标用户标识，从大数据平台中获取所述目标用户画像；

根据所述目标用户标识，从区块链账本中确定所述目标用户所对应的交易数据；

根据所述目标用户所对应的交易数据生成所述目标交易记录。

9.根据权利要求1所述的方法，其特征在于，所述根据所述目标用户信息以及所述商品信息，生成第一商品推荐信息，包括：

根据所述目标用户信息确定待推荐商品；

获取所述待推荐商品所对应的商品信息；

根据所述待推荐商品所对应的商品信息，确定所述待推荐商品所对应的商品库存；

若所述待推荐商品所对应的商品库存大于或等于1，则根据所述待推荐商品所对应的商品信息，生成所述第一商品推荐信息。

10.根据权利要求1所述的方法，其特征在于，所述获取商品信息之后，所述方法还包括：

若所述商品信息中所包括的商品库存小于或等于库存阈值，则向商户终端发送商品补货消息，以使所述商户终端展示所述商品补货消息；

若所述商品信息中所包括的商品库，在预设时间段内的库存变化量大于或等于库存变化量阈值，则向商户终端发送商品补货消息，以使所述商户终端展示所述商品补货消息。

11.根据权利要求1至10中任一项所述的方法，其特征在于，所述方法还包括：

接收第三用户终端发送的语音信息；

根据所述语音信息获取语音识别结果；

若所述语音识别结果命中商品名称库，则根据所述语音识别结果所指示的待推荐商品，生成第三商品推荐信息，其中，所述第三商品推荐信息包括待推荐商品的商品名称以及商品位置信息；

向所述第三用户终端发送所述第三商品推荐信息，以使所述第三用户终端展示所述第三商品推荐信息。

12.根据权利要求1至10中任一项所述的方法，其特征在于，所述向第一用户终端发送所述第一商品推荐信息，以使所述第一用户终端展示所述第一商品推荐信息之后，所述方法还包括：

获取所述目标用户的实时位置信息；

根据所述目标用户的实时位置信息以及所述商品路径信息确定偏移距离；

若所述偏移距离大于或等于偏移距离阈值，则向所述第一用户终端发送位置异常消息，以使所述第一用户终端展示所述位置异常消息。

13.一种商品信息推荐装置，其特征在于，包括：

获取模块，用于从实时影像数据中获取待识别人脸图像，其中，所述实时影像数据为通过图像采集设备实时采集的数据；

所述获取模块，还用于若所述待识别人脸图像满足人脸匹配条件，则获取所述待识别人脸图像所对应的目标用户标识，其中，所述目标用户标识与目标用户具有唯一的对应关系；

所述获取模块，还用于根据所述目标用户标识获取所述目标用户所对应的目标用户信息，其中，所述目标用户信息包括目标用户画像以及目标交易记录中的至少一项；

所述获取模块，还用于获取商品信息，其中，所述商品信息至少包括商品名称、商品库存以及商品位置信息；

生成模块，用于根据所述目标用户信息以及所述商品信息，生成第一商品推荐信息，其中，所述第一商品推荐信息包括待推荐商品的商品名称以及商品位置信息；

发送模块，用于向第一用户终端发送所述第一商品推荐信息，以使所述第一用户终端展示所述第一商品推荐信息。

14.一种服务器，其特征在于，包括：存储器、收发器、处理器以及总线系统；

其中，所述存储器用于存储程序；

所述处理器用于执行所述存储器中的程序，所述处理器用于根据所述程序代码中的指令执行权利要求1至12中任一项所述的方法；

所述总线系统用于连接所述存储器以及所述处理器，以使所述存储器以及所述处理器进行通信。

15.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1至12中任一项所述的方法。

Images