CN112270275A - 基于图片识别的商品搜索方法、装置及计算机设备 - Google Patents

基于图片识别的商品搜索方法、装置及计算机设备 Download PDF

Info

Publication number
CN112270275A
CN112270275A CN202011202990.9A CN202011202990A CN112270275A CN 112270275 A CN112270275 A CN 112270275A CN 202011202990 A CN202011202990 A CN 202011202990A CN 112270275 A CN112270275 A CN 112270275A
Authority
CN
China
Prior art keywords
character
picture
face
commodity
preset
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
Application number
CN202011202990.9A
Other languages
English (en)
Other versions
CN112270275B (zh
Inventor
孙奥林
时承凯
刘智鹏
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.)
Shanghai Bilibili Technology Co Ltd
Original Assignee
Shanghai Bilibili Technology 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 Shanghai Bilibili Technology Co Ltd filed Critical Shanghai Bilibili Technology Co Ltd
Priority to CN202011202990.9A priority Critical patent/CN112270275B/zh
Publication of CN112270275A publication Critical patent/CN112270275A/zh
Application granted granted Critical
Publication of CN112270275B publication Critical patent/CN112270275B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06V40/10—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
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • 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]
    • G06Q30/0623—Item investigation
    • G06Q30/0625—Directed, with specific intent or strategy
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • 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

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Library & Information Science (AREA)
  • Finance (AREA)
  • Databases & Information Systems (AREA)
  • Accounting & Taxation (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computing Systems (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Evolutionary Biology (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了一种基于图片识别的商品搜索方法、装置。该方法包括：获取待识别的角色图片，并采用预设的人脸检测器对所述角色图片进行人脸检测，以检测出所述角色图片中是否包含有人脸；当检测出所述角色图片中没有包含有人脸时，则采用预设的人脸检测模型对所述角色图片进行人脸检测，以检测出所述角色图片中是否包含有人脸；当所述角色图片中包含有人脸时，通过预设的面部识别模型对所述角色图片进行人脸识别，以识别出所述角色图片对应的人物角色；将所述人物角色与预设的商品库中包含的商品的商品信息进行匹配处理，以从所述商品库中挑选出与所述人物角色匹配的商品。本申请可以提高基于图片识别的商品搜索准确度。

Description

基于图片识别的商品搜索方法、装置及计算机设备
技术领域
本申请涉及图像处理技术领域，尤其涉及一种基于图片识别的商品搜索方法、装置。
背景技术
随着互联网上图像的数据信息日渐庞大，用户对网上图像搜索的要求也在不断提高。在电商场景下，用户期望通过图片获取自己在商城中期望目标商品，使用图片定位商品的技术应运而生。
现有技术中使用图片定位商品的技术的搜索过程为：提取待搜索图片和图库中的所有图片的特征向量，然后将待搜索图片的特征向量和图库中每个图片的特征向量均进行相似度比对，确定出相似度在预设范围内的图片，将其作为目标图片呈献给用户，从而完成搜索过程。
然而，采用此种方式进行图像搜索，需要待匹配图像与现有图库中的图片必须有较高的相似度，对于图片库以外的图片，准确度低。
发明内容
有鉴于此，现提供一种基于图片识别的商品搜索方法、装置、算机设备及计算机可读存储介质，以解决现有采用“以图搜图”的方式在电商场景下识别准确度较低的问题。
本申请提供了一种基于图片识别的商品搜索方法，包括：
获取待识别的角色图片，并采用预设的人脸检测器对所述角色图片进行人脸检测，以检测出所述角色图片中是否包含有人脸；
当检测出所述角色图片中没有包含有人脸时，则采用预设的人脸检测模型对所述角色图片进行人脸检测，以检测出所述角色图片中是否包含有人脸；
当所述角色图片中包含有人脸时，通过预设的面部识别模型对所述角色图片进行人脸识别，以识别出所述角色图片对应的人物角色；
将所述人物角色与预设的商品库中包含的商品的商品信息进行匹配处理，以从所述商品库中挑选出与所述人物角色匹配的商品。
可选地，所述基于图片识别的商品搜索方法还包括：
当通过所述人脸检测模型检测出所述角色图片中没有包含有人脸时，则将所述角色图片输入至预设的全身识别模型中，以通过所述全身识别模型识别出所述角色图片对应的人物角色。
可选地，所述将所述人物角色与预设的商品库中包含的多个商品的商品信息进行匹配处理，以从所述商品库中挑选出与所述人物角色匹配的商品包括：
从预设的商品库中包含的商品的商品信息中提取角色名称信息；
将所述人物角色与提取到的至少一个商品的角色名称信息进行匹配处理，并将匹配成功的角色名称信息对应的商品作为与所述人物角色匹配的商品。
可选地，所述将所述角色图片输入至预设的全身识别模型中，以通过所述全身识别模型识别出所述角色图片对应的人物角色包括：
将所述角色图片输入至预设的全身识别模型中，通过所述全身识别模型提取所述角色图片的图像特征；
根据所述图像特征与预存的人物角色的图像特征，计算提取到的图像特征与预存的各个人物角色的图像特征的相似度值；
选取最大的相似度值对应的人物角色作为所述角色图片对应的人物角色。
可选地，所述根据所述图像特征与预存的人物角色的图像特征，计算提取到的图像特征与预存的各个人物角色的图像特征的相似度值包括：
根据所述图像特征与预存的人物角色的图像特征，计算提取到的图像特征与预存的各个人物角色的图像特征的余弦相似度，并将计算得到的各个余弦相似度值作为提取到的图像特征与预存的各个人物角色的图像特征的相似度值。
可选地，所述基于图片识别的商品搜索方法还包括：
获取角色图片数据集，所述角色图片数据集包括多个人物角色的样本图片，所述样本图片中携带有角色标签；
将所述角色图片数据集中的样本图片分别输入至预设的第一模型、第二模型、第三模型、第四模型中进行训练，以训练得到所述人脸检测器、所述人脸检测模型、所述面部识别模型、所述全身识别模型。
可选地，将所述角色图片数据集中的样本图片分别输入至预设的第一模型、第二模型、第三模型、第四模型中进行训练的步骤之前，还包括：
对所述角色图片数据集中的样本图片进行图像增广处理。
本申请还提供了一种基于图片识别的商品搜索装置，包括：
获取模块，用于获取待识别的角色图片，并采用预设的人脸检测器对所述角色图片进行人脸检测，以检测出所述角色图片中是否包含有人脸；
检测模块，用于当检测出所述角色图片中没有包含有人脸时，则采用预设的人脸检测模型对所述角色图片进行人脸检测，以检测出所述角色图片中是否包含有人脸；
识别模块，用于当所述角色图片中包含有人脸时，通过预设的面部识别模型对所述角色图片进行人脸识别，以识别出所述角色图片对应的人物角色；
挑选模块，用于将所述人物角色与预设的商品库中包含的商品的商品信息进行匹配处理，以从所述商品库中挑选出与所述人物角色匹配的商品。
本申请还提供了一种计算机设备，所述计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
本申请还提供了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上述方法的步骤。
上述技术方案的有益效果：
本申请实施例中，通过获取待识别的角色图片，并采用预设的人脸检测器对所述角色图片进行人脸检测，以检测出所述角色图片中是否包含有人脸；当检测出所述角色图片中没有包含有人脸时，则采用预设的人脸检测模型对所述角色图片进行人脸检测，以检测出所述角色图片中是否包含有人脸；当所述角色图片中包含有人脸时，通过预设的面部识别模型对所述角色图片进行人脸识别，以识别出所述角色图片对应的人物角色；将所述人物角色与预设的商品库中包含的商品的商品信息进行匹配处理，以从所述商品库中挑选出与所述人物角色匹配的商品。在本申请实施例中，通过集成的人脸检测器与预设的人脸检测模型对角色图片进行人脸检测，从而可以提高对角色图片的人脸的检出率。此外，由于对于与该待识别的角色图片相匹配的商品是通过先识别人物角色，再根据人物角色与商品信息进行匹配的，而不是直接通过图片与图片相匹配的方式，可以提高匹配的准确度。
附图说明
图1为本申请所述基于图片识别的商品搜索方法的系统框架图的一种实施例的框架图；
图2为本申请所述的基于图片识别的商品搜索方法的一种实施例的流程图；
图3为本申请一实施方式中将所述角色图片输入至预设的全身识别模型中，以通过所述全身识别模型识别出所述角色图片对应的人物角色的步骤细化流程图；
图4为本申请一实施方式中将所述人物角色与预设的商品库中包含的商品的商品信息进行匹配处理，以从所述商品库中挑选出与所述人物角色匹配的商品的步骤细化流程图；
图5为本申请所述的基于图片识别的商品搜索方法的另一种实施例的流程图；
图6为本申请所述的基于图片识别的商品搜索装置的一种实施例的模块图；
图7为本申请实施例提供的执行基于图片识别的商品搜索方法的计算机设备的硬件结构示意图。
具体实施方式
以下结合附图与具体实施例进一步阐述本申请的优点。
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其它含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本公开范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
在本申请的描述中，需要理解的是，步骤前的数字标号并不标识执行步骤的前后顺序，仅用于方便描述本申请及区别每一步骤，因此不能理解为对本申请的限制。
图1示意性示出了根据本申请实施例的基于图片识别的商品搜索方法的应用环境示意图。在示例性的实施例中，该应用环境的系统可包括用户终端10、后台服务器20。其中，用户终端10与后台服务器20形成无线或有线连接，且用户终端10具有相应的应用客户端或网页客户端。其中，用户终端10可以为PC、手机、iPAD，平板电脑、笔记本电脑、个人数字助理等。后台服务器20可以为机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器，或者多个服务器所组成的服务器集群)等。
参阅图2，其为本申请一实施例的基于图片识别的商品搜索方法的流程示意图。可以理解，本方法实施例中的流程图不用于对执行步骤的顺序进行限定。下面以计算机设备为执行主体进行示例性描述，从图中可以看出，本实施例中所提供的基于图片识别的商品搜索方法包括：
步骤S20、获取待识别的角色图片，并采用预设的人脸检测器对所述角色图片进行人脸检测，以检测出所述角色图片中是否包含有人脸。
具体地，所述角色图片的获取方式可以是通过监控设备进行获取，该监控设备可以为计算机设备的摄像头。所述角色图片的获取方式也可以是通过本地存储获取，即直接从计算机设备中存储的图片中来获取所述角色图片，具体获取的图片可以由用户进行选择。
所述人脸检测器为采用传统的人脸检测技术实现的。在一实施方式中，所述人脸检测器可以基于OpenCV内置的HOG(Histogram of Oriented Gradient,方向梯度直方图)与SVM(Support Vector Machine，支持向量机)算法来对角色图片进行人脸检测，以检测角色图片中是否包括有人脸。
在另一实施方式中，所述人脸检测器也可以基于OpenCV自带的adaptive-boosting(一种自适应增强算法)与haar特征(Haar-like features，哈尔特征)程序来对角色图片进行人脸检测，以检测角色图片中是否包括有人脸。具体地，可以使用基于Haar特征的级联分类器，根据haar分类器生成多个弱分类器，然后使用adaptive-boosting算法，将多个弱分类器级联形成强分类器的方式来检测角色图片中是否包括有人脸。
需要说明的是，本实施例中的角色图片可以为包括真实人物的图片，也可以为包括动漫人物的图片，在本实施例中，该角色图片优选为包含有动漫人物的图片。
步骤S21，当检测出所述角色图片中没有包含有人脸时，则采用预设的人脸检测模型对所述角色图片进行人脸检测，以检测出所述角色图片中是否包含有人脸。
具体地，所述预设的人脸检测模型为基于深度学习技术得到的用于对角色图片进行人脸检测的模型。在一实施方式中，该人脸检测模型也可以为基于级联的神经网络MTCNN模型结构训练得到的用于从角色图片中检测出人脸的模型。在另一实施方式中，该人脸检测模型也可以为基于YOLOv3算法训练得到的用于从角色图片中检测出人脸的模型。在本实施例中，该人脸检测模型的具体结构在本实施例中不作限定。在本实施例中，当采用传统的人脸检测器对角色图片进行第一次人脸检测没有检测出人脸时，进一步采用基于深度学习技术得到的人脸检测模型对角色图片进行第二次人脸检测。由于基于深度学习技术得到的人脸检测模型相对于传统的人脸检测器的检测技术而言，具有更高的人脸检测率，因此，本实施例中通过人脸检测模型对通过人脸检测器未检测出人脸的角色图片进行进一步地人脸检测，可以提高人脸的检出率。
在一示例性的实施例中，所述基于图片识别的商品搜索方法还包括：
当通过所述人脸检测模型检测出所述角色图片中没有包含有人脸时，则将所述角色图片输入至预设的全身识别模型中，以通过所述全身识别模型识别出所述角色图片对应的人物角色。
具体地，所述全身识别模型为通过对整个角色图片进行检测来识别出角色图片对应的人物角色的模型。
在一示例性的实施方式中，参照图3，所述将所述角色图片输入至预设的全身识别模型中，以通过所述全身识别模型识别出所述角色图片对应的人物角色：
步骤S30，将所述角色图片输入至预设的全身识别模型中，通过所述全身识别模型提取所述角色图片的图像特征。
具体地，所述全身识别模型中包含有特征提取层，通过该特征提取层可以将该角色图片的图像特征提取出来。在本实施例中，该图像特征可以为角色图片中的包含的人物角色的各个关键点的位置所组成的特征向量，该关键点可以为人物角色的头顶、五官、颈部、四肢主要关节部位所对应的点。在另一实施方式中，该图像特征也可以仅仅为该角色图片的特征向量。
步骤S31，根据所述图像特征与预存的人物角色的图像特征，计算提取到的图像特征与预存的各个人物角色的图像特征的相似度值。
具体地，可以预先在数据库中分别存储各个人物角色的图像特征，这样，在通过全身模型提取到待识别的角色图片的图像特征之后，即可以依次计算将该提取到的图像特征依次与数据库中存储的各个人物角色的图像特征的相似度值。
在一示例性的实施方式中，所述根据所述图像特征与预存的人物角色的图像特征，计算提取到的图像特征与预存的各个人物角色的图像特征的相似度值包括：
根据所述图像特征与预存的人物角色的图像特征，计算提取到的图像特征与预存的各个人物角色的图像特征的余弦相似度，并将计算得到的各个余弦相似度值作为提取到的图像特征与预存的各个人物角色的图像特征的相似度值。
具体地，在获取到所述图像特征与预存的人物角色的图像特征之后，可以依次计算提取到的图像特征与各个人物角色的图像特征的余弦相似度，然后，将得到的余弦相似度值作为所述相似度值。
示例性的，假设提取到的图像特征为：A＝(A1，A2，…，An)，预存的人物角色的图像特征为：B＝(B1，B2，...，Bn)，则该相似度值为：
Figure BDA0002756046130000061
在一实施方式中，在计算提取到的图像特征与预存的各个人物角色的图像特征的相似度值时，也可以计算提取到的图像特征与预存的各个人物角色的图像特征的欧式距离，并将计算得到的各个欧式距离作为提取到的图像特征与预存的各个人物角色的图像特征的相似度值。
步骤S32，选取最大的相似度值对应的人物角色作为所述角色图片对应的人物角色。
具体地，在计算得到各个相似度值之后，由于相似度值越大，表明该角色图片所包含的人物角色与预存的人物角色越相似，因此，可以选取最大相似度值对应的人物角色作为所述述角色图片对应的人物角色。
本实施例通过采用计算待识别的角色图片对应的图像特征与预存的各个人物角色的图像特征的相似度值的方式，可以准确地找到与该角色图片相匹配的人物角色。
步骤S22，当所述角色图片中包含有人脸时，通过预设的面部识别模型对所述角色图片进行人脸识别，以识别出所述角色图片对应的人物角色。
具体地，当通过人脸检测器或者人脸检测模型检测出角色图片包括有人脸时，人脸检测器或者人脸检测模型会通过人脸检测框将人脸的位置标记出来。在得到人脸检测框标记的人脸图片之后，可以对该角色图片进行剪切处理，以将人脸检测框所框选的人脸图片从角色图片中剪切出来，以便可以通过面部识别模型对所述角色图片进行人脸识别。
其中，所述面部识别模型为用于对人脸图片进行识别，以识别出人脸图片对应的人物角色的模型。在一实施方式中，可以为基于FaceNet算法训练得到的模型，示例性的，该模型可以通过VGG16网络结构来进行人物角色的分类。需要说明的是，模型在使用VGG16网络结构来进行人物角色的分类时，在将人脸图片在输入VGG16网络结构之前，需要先将人脸图片转换成128*128的小图，并对像素进行标准化,对于每个像素值v_pixel,标准化后的值std_v_pixel＝(v_pixel-所有通道像素均值)/(所有通道像素标准差)。
步骤S23，将所述人物角色与预设的商品库中包含的商品的商品信息进行匹配处理，以从所述商品库中挑选出与所述人物角色匹配的商品。
具体地，商品库中存储有各个卖家上架的商品的商品信息，该商品信息包括有商品名称，商品所属的IP，商品所属的品牌，商品对应的角色的图片等信息。在一实施方式中，商品信息中还可以包括人物角色字段，其中，该人物角色字段用于标识该商品是对应哪个人物角色。
在本实施例中，该商品为与动漫相关的衍生产品，比如，该商品可以为手办，周边等商品。
在本实施例中，商品名称中包含有人物角色的名称，因此，在识别出角色图片对应的人物角色后，可以将该人物角色与商品库中存储的各个商品的商品名称进行匹配处理，当匹配成功时，则将该匹配成功的商品挑选出来作为与所述人物角色匹配的商品，当匹配不成功时，则无需将该商品挑选出来。
在另一实施中，当商品信息中包含有人物角色字段时，在进行匹配处理时，可以直接将该所述人物角色与该人物角色字段中的人物角色进行匹配处理，以从商品库中挑选出与所述人物角色匹配的商品。
本申请实施例中，通过获取待识别的角色图片，并采用基于opencv的人脸检测器对所述角色图片进行人脸检测，以检测出所述角色图片中是否包含有人脸；当检测出所述角色图片中没有包含有人脸时，则采用预设的人脸检测模型对所述角色图片进行人脸检测，以检测出所述角色图片中是否包含有人脸；当检测出所述角色图片中包含有人脸时，则对所述角色图片进行剪切，输出剪切出来的人脸图片；通过预设的面部识别模型对所述人脸图片进行人脸识别，以识别出所述人脸图片对应的人物角色；将所述人物角色与预设的商品库中包含的多个商品的商品信息进行匹配处理，以从所述商品库中挑选出与所述人物角色匹配的商品。在本申请实施例中，集成人脸检测器与预设的人脸检测模型对角色图片进行人脸检测，从而可以提高对角色图片的人脸的检出率。此外，由于对于与该待识别的角色图片相匹配的商品是通过先识别人物角色，再根据人物角色与商品信息进行匹配的，而不是直接通过图片与图片相匹配的方式，可以提高匹配的准确度。
在一示例性的实施方式中，参照图4，所述将所述人物角色与预设的商品库中包含的商品的商品信息进行匹配处理，以从所述商品库中挑选出与所述人物角色匹配的商品包括：
步骤S40，从预设的商品库中包含的商品的商品信息中提取角色名称信息。
步骤S41，将所述人物角色与提取到的至少一个商品的角色名称信息进行匹配处理，并将匹配成功的角色名称信息对应的商品作为与所述人物角色匹配的商品。
具体地，商品信息中包含有角色名称信息。本实施例中，在从商品信息中提取角色名称信息时，可以将获取到的商品信息先进行分词处理，然后将经过分词处理后的各个词语依次与预先的角色库进行匹配处理，其中，该角色库中包含有多个人物角色的角色名称。在经过对分词处理后的词语与该角色库中包含的多个人物角色的角色名称进行匹配处理操作后，若存在与该角色库中的人物角色的角色名称相匹配的词语后，则可以将该词语提取出来，作为该商品的角色名称信息。
在本实施例中，在提取到各个商品的角色名称信息之后，可以依次将该人物角色与该提取到的各个商品的人物角色名称信息进行匹配处理，在匹配成功时，即可以将该匹配成功的角色名称信息对应的商品作为匹配的商品。其中，当该人物角色与该商品的角色名称信息相同时，则表明该人物角色与该角色名称信息匹配成功；当人物角色与该商品的角色名称信息不相同时，则表明该人物角色与该角色名称信息匹配失败。
本实施例中，通过将人物角色与商品的角色名称信息进行匹配处理，从而可以从商品库中快速选取出与该人物角色相匹配的商品。
在一示例性的实施方式中，参阅图5，其为本申请另一实施例的基于图片识别的商品搜索方法的流程示意图。可以理解，本方法实施例中的流程图不用于对执行步骤的顺序进行限定。下面以计算机设备为执行主体进行示例性描述，从图中可以看出，本实施例中所提供的基于图片识别的商品搜索方法包括：
步骤S50，获取角色图片数据集，所述角色图片数据集包括多个人物角色的样本图片，所述样本图片中携带有角色标签。
具体地，所述样本图片可以通过网络爬虫根据人物角色关键字从网络角色图片中进行爬取，该样本图片也可以通过对视频(如动漫番剧)进行逐帧截取的方式来获取。该样本图片也可以直接从现有的平台中获取，比如，该样本图片可以直接从哔哩哔哩(bilibili)平台的会员购中获取会员购包含的商品图片。
在一实施方式中，在获取到样本图片后，可以采用人工的方式对获取到的样本图片进行标记，以标记出该样本图片对应的角色标签。在另一实施方式中，在获取到样本图片后，可以将该样本图片输入至预设的角色标注模型中，以通过该色标注模型标记出该样本图片对应的角色标签。其中，该角色标签指的是该样本图片所属的人物角色，比如，该样本图片为包含有动漫人物角色雷姆的图片时，则可以标记角色标签为“雷姆”。当然，为了使得角色标签更加方便识别，以可以以“1”代表该角色标签“雷姆”。
在一示例性的方式中，为了提高样本图片的多样性，在获取到角色图片数据集之后，可以对所述角色图片数据集中的样本图片进行图像增广处理。
具体地，所述图像增广处理包括对样本图像进行模糊处理，旋转处理，高斯噪声处理等。
本实施例中，通过对图像进行增广处理，可以增加图像样本的多样性，进而通过多样性的样本图像对模型进行训练时，可以使得训练得到的模型对图像的识别的准确率得到提高。
步骤S51，将所述角色图片数据集中的样本图片分别输入至预设的第一模型、第二模型、第三模型、第四模型中进行训练，以训练得到所述人脸检测器、所述人脸检测模型、所述面部识别模型、所述全身识别模型。
具体地，在得到角色图片数据集之后，可以将该角色图片数据集中的样本图像输入至第一模型中，以对第一模型进行不断地训练，直到模型收敛为止，并将收敛时的模型作为人脸检测器。
在得到角色图片数据集之后，可以将该角色图片数据集中的样本图像输入至第二模型中，以对第二模型进行不断地训练，直到模型收敛为止，并将收敛时的模型作为所述人脸检测模型。
在得到角色图片数据集之后，可以将该角色图片数据集中的样本图像输入至第三模型中，以对第三模型进行不断地训练，直到模型收敛为止，并将收敛时的模型作为所述面部识别模型。
在得到角色图片数据集之后，可以将该角色图片数据集中的样本图像输入至第四模型中，以对第四模型进行不断地训练，直到模型收敛为止，并将收敛时的模型作为所述面全身识别模型。
在本实施例中，该第一模型优选为基于HAAR特征所创建的模型，该第二模型优选为YOLOv3模型，该第三模型优选为VGGNet(Visual Geometry Group Net，超分辨率测试序列网络)模型。该第四模型优选为VGGNet模型。
步骤S52，获取待识别的角色图片，并采用基于预设的人脸检测器对所述角色图片进行人脸检测，以检测出所述角色图片中是否包含有人脸。
步骤S53，当检测出所述角色图片中没有包含有人脸时，则采用预设的人脸检测模型对所述角色图片进行人脸检测，以检测出所述角色图片中是否包含有人脸。
步骤S54，当所述角色图片中包含有人脸时，通过预设的面部识别模型对所述角色图片进行人脸识别，以识别出所述角色图片对应的人物角色。
步骤S55，将所述人物角色与预设的商品库中包含的商品的商品信息进行匹配处理，以从所述商品库中挑选出与所述人物角色匹配的商品.
具体地，上述步骤S52-S55与上述步骤S20-S23类似，在本实施例中不再赘述。
本申请实施例中通过预先训练好各个模型，从而可以通过该训练好的模型找到与该待识别的角色图片相匹配的商品。
参阅图6所示，是本申请基于图片识别的商品搜索装置600一实施例的程序模块图。
本实施例中，所述基于图片识别的商品搜索装置600包括一系列的存储于存储器上的计算机程序指令，当该计算机程序指令被处理器执行时，可以实现本申请各实施例的基于图片识别的商品搜索功能。在一些实施例中，基于该计算机程序指令各部分所实现的特定的操作，基于图片识别的商品搜索装置600可以被划分为一个或多个模块。例如，在图6中，所述基于图片识别的商品搜索装置600可以被分割成获取模块601、检测模块602、识别模块603及挑选模块604。其中：
获取模块601，用于获取待识别的角色图片，并采用预设的人脸检测器对所述角色图片进行人脸检测，以检测出所述角色图片中是否包含有人脸。
检测模块602，用于当检测出所述角色图片中没有包含有人脸时，则采用预设的人脸检测模型对所述角色图片进行人脸检测，以检测出所述角色图片中是否包含有人脸。
识别模块603，用于当所述角色图片中包含有人脸时，通过预设的面部识别模型对所述角色图片进行人脸识别，以识别出所述角色图片对应的人物角色。
挑选模块604，用于将所述人物角色与预设的商品库中包含的商品的商品信息进行匹配处理，以从所述商品库中挑选出与所述人物角色匹配的商品。
在一示例性的实施例中，所述基于图片识别的商品搜索装置600还包括：全身识别模块。
所述全身识别模块，用于当通过所述人脸检测模型检测出所述角色图片中没有包含有人脸时，则将所述角色图片输入至预设的全身识别模型中，以通过所述全身识别模型识别出所述角色图片对应的人物角色。
在一示例性的实施方式中，所述全身识别模块，还用于将所述角色图片输入至预设的全身识别模型中，通过所述全身识别模型提取所述角色图片的图像特征；根据所述图像特征与预存的人物角色的图像特征，计算提取到的图像特征与预存的各个人物角色的图像特征的相似度值；选取最大的相似度值对应的人物角色作为所述角色图片对应的人物角色。
在一示例性的实施方式中，全身识别模块，还用于根据所述图像特征与预存的人物角色的图像特征，计算提取到的图像特征与预存的各个人物角色的图像特征的余弦相似度，并将计算得到的各个余弦相似度值作为提取到的图像特征与预存的各个人物角色的图像特征的相似度值。
在一示例性的实施方式中，挑选模块604，还用于从预设的商品库中包含的商品的商品信息中提取角色名称信息；将所述人物角色与提取到的至少一个商品的角色名称信息进行匹配处理，并将匹配成功的角色名称信息对应的商品作为与所述人物角色匹配的商品。
在一示例性的实施方式中，基于图片识别的商品搜索装置600还包括样本获取模块及训练模块。
样本获取模块，用于获取角色图片数据集，所述角色图片数据集包括多个人物角色的样本图片，所述样本图片中携带有角色标签。
在一示例性的方式中，为了提高样本图片的多样性，在获取到角色图片数据集之后，可以对所述角色图片数据集中的样本图片进行图像增广处理。
训练模块，用于将所述角色图片数据集中的样本图片分别输入至预设的第一模型、第二模型、第三模型、第四模型中进行训练，以训练得到所述人脸检测器、所述人脸检测模型、所述面部识别模型、所述全身识别模型。
在一示例性的实施方式中，为了提高样本图片的多样性，在获取到角色图片数据集之后，可以对所述角色图片数据集中的样本图片进行图像增广处理。
本申请实施例中，通过获取待识别的角色图片，并采用预设的人脸检测器对所述角色图片进行人脸检测，以检测出所述角色图片中是否包含有人脸；当检测出所述角色图片中没有包含有人脸时，则采用预设的人脸检测模型对所述角色图片进行人脸检测，以检测出所述角色图片中是否包含有人脸；当所述角色图片中包含有人脸时，通过预设的面部识别模型对所述角色图片进行人脸识别，以识别出所述角色图片对应的人物角色；将所述人物角色与预设的商品库中包含的商品的商品信息进行匹配处理，以从所述商品库中挑选出与所述人物角色匹配的商品。在本申请实施例中，通过集成的人脸检测器与预设的人脸检测模型对角色图片进行人脸检测，从而可以提高对角色图片的人脸的检出率。此外，由于对于与该待识别的角色图片相匹配的商品是通过先识别人物角色，再根据人物角色与商品信息进行匹配的，而不是直接通过图片与图片相匹配的方式，可以提高匹配的准确度。
图7示意性示出了根据本申请实施例的适于实现基于图片识别的商品搜索方法或实现基于图片识别的商品搜索方法的计算机设备7的硬件架构示意图。本实施例中，计算机设备7是一种能够按照事先设定或者存储的指令，自动进行数值计算和/或信息处理的设备。例如，可以是平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器，或者多个服务器所组成的服务器集群)等。如图7所示，计算机设备7至少包括但不限于：可通过系统总线相互通信链接存储器701、处理器702、网络接口703。其中：
存储器701至少包括一种类型的计算机可读存储介质，可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器701可以是计算机设备7的内部存储模块，例如该计算机设备7的硬盘或内存。在另一些实施例中，存储器701也可以是计算机设备7的外部存储设备，例如该计算机设备7上配备的插接式硬盘，智能存储卡(SmartMedia Card，简称为SMC)，安全数字(Secure Digital，简称为SD)卡，闪存卡(Flash Card)等。当然，存储器701还可以既包括计算机设备7的内部存储模块也包括其外部存储设备。本实施例中，存储器701通常用于存储安装于计算机设备7的操作系统和各类应用软件，例如基于图片识别的商品搜索方法的程序代码等。此外，存储器701还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器702在一些实施例中可以是中央处理器(Central Processing Unit，简称为CPU)、控制器、微控制器、微处理器、或其它数据处理芯片。该处理器702通常用于控制计算机设备7的总体操作，例如执行与计算机设备7进行数据交互或者通信相关的控制和处理等。本实施例中，处理器702用于运行存储器701中存储的程序代码或者处理数据。
网络接口703可包括无线网络接口或有线网络接口，该网络接口703通常用于在计算机设备7与其它计算机设备之间建立通信链接。例如，网络接口703用于通过网络将计算机设备7与外部终端相连，在计算机设备7与外部终端之间的建立数据传输通道和通信链接等。网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯系统(GlobalSystem of Mobile communication，简称为GSM)、宽带码分多址(Wideband Code DivisionMultiple Access，简称为WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi等无线或有线网络。
需要指出的是，图7仅示出了具有部件701～703的计算机设备，但是应理解的是，并不要求实施所有示出的部件，可以替代的实施更多或者更少的部件。
在本实施例中，存储于存储器701中的基于图片识别的商品搜索方法可以被分割为一个或者多个程序模块，并由一个或多个处理器(本实施例为处理器702)所执行，以完成本申请。
本申请实施例提供了一种计算机可读存储介质，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实施例中的基于图片识别的商品搜索方法的步骤。
本实施例中，计算机可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，计算机可读存储介质可以是计算机设备的内部存储单元，例如该计算机设备的硬盘或内存。在另一些实施例中，计算机可读存储介质也可以是计算机设备的外部存储设备，例如该计算机设备上配备的插接式硬盘，智能存储卡(Smart Media Card，简称为SMC)，安全数字(Secure Digital，简称为SD)卡，闪存卡(Flash Card)等。当然，计算机可读存储介质还可以既包括计算机设备的内部存储单元也包括其外部存储设备。本实施例中，计算机可读存储介质通常用于存储安装于计算机设备的操作系统和各类应用软件，例如实施例中的基于图片识别的商品搜索方法的程序代码等。此外，计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的各类数据。
以上所描述的装置实施例仅仅是示意性的，其中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，或者也可以分布到至少两个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域普通技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。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，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各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，或者对其中部分或者全部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范围。

Claims (10)

1.一种基于图片识别的商品搜索方法，其特征在于，包括：
获取待识别的角色图片，并采用预设的人脸检测器对所述角色图片进行人脸检测，以检测出所述角色图片中是否包含有人脸；
当检测出所述角色图片中没有包含有人脸时，则采用预设的人脸检测模型对所述角色图片进行人脸检测，以检测出所述角色图片中是否包含有人脸；
当所述角色图片中包含有人脸时，通过预设的面部识别模型对所述角色图片进行人脸识别，以识别出所述角色图片对应的人物角色；
将所述人物角色与预设的商品库中包含的商品的商品信息进行匹配处理，以从所述商品库中挑选出与所述人物角色匹配的商品。
2.根据权利要求1所述的基于图片识别的商品搜索方法，其特征在于，所述基于图片识别的商品搜索方法还包括：
当通过所述人脸检测模型检测出所述角色图片中没有包含有人脸时，则将所述角色图片输入至预设的全身识别模型中，以通过所述全身识别模型识别出所述角色图片对应的人物角色。
3.根据权利要求1或2所述的基于图片识别的商品搜索方法，其特征在于，所述将所述人物角色与预设的商品库中包含的多个商品的商品信息进行匹配处理，以从所述商品库中挑选出与所述人物角色匹配的商品包括：
从预设的商品库中包含的商品的商品信息中提取角色名称信息；
将所述人物角色与提取到的至少一个商品的角色名称信息进行匹配处理，并将匹配成功的角色名称信息对应的商品作为与所述人物角色匹配的商品。
4.根据权利要求1或2所述的基于图片识别的商品搜索方法，其特征在于，所述将所述角色图片输入至预设的全身识别模型中，以通过所述全身识别模型识别出所述角色图片对应的人物角色包括：
将所述角色图片输入至预设的全身识别模型中，通过所述全身识别模型提取所述角色图片的图像特征；
根据所述图像特征与预存的人物角色的图像特征，计算提取到的图像特征与预存的各个人物角色的图像特征的相似度值；
选取最大的相似度值对应的人物角色作为所述角色图片对应的人物角色。
5.根据权利要求4所述的基于图片识别的商品搜索方法，其特征在于，所述根据所述图像特征与预存的人物角色的图像特征，计算提取到的图像特征与预存的各个人物角色的图像特征的相似度值包括：
根据所述图像特征与预存的人物角色的图像特征，计算提取到的图像特征与预存的各个人物角色的图像特征的余弦相似度，并将计算得到的各个余弦相似度值作为提取到的图像特征与预存的各个人物角色的图像特征的相似度值。
6.根据权利要求2所述的基于图片识别的商品搜索方法，其特征在于，所述基于图片识别的商品搜索方法还包括：
获取角色图片数据集，所述角色图片数据集包括多个人物角色的样本图片，所述样本图片中携带有角色标签；
将所述角色图片数据集中的样本图片分别输入至预设的第一模型、第二模型、第三模型、第四模型中进行训练，以训练得到所述人脸检测器、所述人脸检测模型、所述面部识别模型、所述全身识别模型。
7.根据权利要求6所述的基于图片识别的商品搜索方法，其特征在于，将所述角色图片数据集中的样本图片分别输入至预设的第一模型、第二模型、第三模型、第四模型中进行训练的步骤之前，还包括：
对所述角色图片数据集中的样本图片进行图像增广处理。
8.一种基于图片识别的商品搜索装置，其特征在于，包括：
获取模块，用于获取待识别的角色图片，并采用预设的人脸检测器对所述角色图片进行人脸检测，以检测出所述角色图片中是否包含有人脸；
检测模块，用于当检测出所述角色图片中没有包含有人脸时，则采用预设的人脸检测模型对所述角色图片进行人脸检测，以检测出所述角色图片中是否包含有人脸；
识别模块，用于当所述角色图片中包含有人脸时，通过预设的面部识别模型对所述角色图片进行人脸识别，以识别出所述角色图片对应的人物角色；
挑选模块，用于将所述人物角色与预设的商品库中包含的商品的商品信息进行匹配处理，以从所述商品库中挑选出与所述人物角色匹配的商品。
9.一种计算机设备，所述计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的基于图片识别的商品搜索方法的步骤。
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任一项所述的基于图片识别的商品搜索方法的步骤。
CN202011202990.9A 2020-11-02 2020-11-02 基于图片识别的商品搜索方法、装置及计算机设备 Active CN112270275B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011202990.9A CN112270275B (zh) 2020-11-02 2020-11-02 基于图片识别的商品搜索方法、装置及计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011202990.9A CN112270275B (zh) 2020-11-02 2020-11-02 基于图片识别的商品搜索方法、装置及计算机设备

Publications (2)

Publication Number Publication Date
CN112270275A true CN112270275A (zh) 2021-01-26
CN112270275B CN112270275B (zh) 2023-11-21

Family

ID=74344574

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011202990.9A Active CN112270275B (zh) 2020-11-02 2020-11-02 基于图片识别的商品搜索方法、装置及计算机设备

Country Status (1)

Country Link
CN (1) CN112270275B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002342354A (ja) * 2001-05-16 2002-11-29 Sharp Corp 商品情報検索システム、商品情報検索装置、エージェントインタフェースプログラムおよびエージェントインタフェースプログラムを記録した記録媒体
CN106021562A (zh) * 2016-05-31 2016-10-12 北京京拍档科技有限公司 用于电商平台的基于主题相关的推荐方法
CN107423690A (zh) * 2017-06-26 2017-12-01 广东工业大学 一种人脸识别方法及装置
CN108197574A (zh) * 2018-01-04 2018-06-22 张永刚 人物风格识别方法、终端及计算机可读存储介质
CN108509436A (zh) * 2017-02-24 2018-09-07 阿里巴巴集团控股有限公司 一种确定推荐对象的方法、装置及计算机存储介质
CN109858935A (zh) * 2017-11-30 2019-06-07 王君逸 用于将商品角色化的平台装置与方法
CN109993061A (zh) * 2019-03-01 2019-07-09 珠海亿智电子科技有限公司 一种人脸检测与识别方法、系统以及终端设备
CN110020881A (zh) * 2018-01-05 2019-07-16 金德奎 一种基于游戏的社交方法、广告及信息传播方法
CN110570287A (zh) * 2019-09-27 2019-12-13 网易（杭州）网络有限公司 虚拟商品的推荐方法、装置、系统及服务器
CN111415217A (zh) * 2020-02-18 2020-07-14 重庆特斯联智慧科技股份有限公司 基于人脸识别用户画像的消费者推荐方法、系统及货架
TW202026989A (zh) * 2019-01-08 2020-07-16 鴻海精密工業股份有限公司 推銷方法、推銷裝置、電腦裝置及存儲介質
CN111563802A (zh) * 2020-05-09 2020-08-21 腾讯科技（深圳）有限公司 虚拟物品推荐方法、装置、电子设备及存储介质
CN111611944A (zh) * 2020-05-22 2020-09-01 创新奇智(北京)科技有限公司 身份识别方法及装置、电子设备、存储介质
CN111784372A (zh) * 2019-04-03 2020-10-16 Tcl集团股份有限公司 门店商品推荐方法及设备

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002342354A (ja) * 2001-05-16 2002-11-29 Sharp Corp 商品情報検索システム、商品情報検索装置、エージェントインタフェースプログラムおよびエージェントインタフェースプログラムを記録した記録媒体
CN106021562A (zh) * 2016-05-31 2016-10-12 北京京拍档科技有限公司 用于电商平台的基于主题相关的推荐方法
CN108509436A (zh) * 2017-02-24 2018-09-07 阿里巴巴集团控股有限公司 一种确定推荐对象的方法、装置及计算机存储介质
CN107423690A (zh) * 2017-06-26 2017-12-01 广东工业大学 一种人脸识别方法及装置
CN109858935A (zh) * 2017-11-30 2019-06-07 王君逸 用于将商品角色化的平台装置与方法
CN108197574A (zh) * 2018-01-04 2018-06-22 张永刚 人物风格识别方法、终端及计算机可读存储介质
CN110020881A (zh) * 2018-01-05 2019-07-16 金德奎 一种基于游戏的社交方法、广告及信息传播方法
TW202026989A (zh) * 2019-01-08 2020-07-16 鴻海精密工業股份有限公司 推銷方法、推銷裝置、電腦裝置及存儲介質
CN109993061A (zh) * 2019-03-01 2019-07-09 珠海亿智电子科技有限公司 一种人脸检测与识别方法、系统以及终端设备
CN111784372A (zh) * 2019-04-03 2020-10-16 Tcl集团股份有限公司 门店商品推荐方法及设备
CN110570287A (zh) * 2019-09-27 2019-12-13 网易（杭州）网络有限公司 虚拟商品的推荐方法、装置、系统及服务器
CN111415217A (zh) * 2020-02-18 2020-07-14 重庆特斯联智慧科技股份有限公司 基于人脸识别用户画像的消费者推荐方法、系统及货架
CN111563802A (zh) * 2020-05-09 2020-08-21 腾讯科技（深圳）有限公司 虚拟物品推荐方法、装置、电子设备及存储介质
CN111611944A (zh) * 2020-05-22 2020-09-01 创新奇智(北京)科技有限公司 身份识别方法及装置、电子设备、存储介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
SEZER ULUKAYA: "Face Recognition-based IMDB Plug-in for Movies", 《IEEE》 *
SEZER ULUKAYA: "Face Recognition-based IMDB Plug-in for Movies", 《IEEE》, 15 December 2011 (2011-12-15), pages 948 - 951 *
陈果: "基于人脸识别的商品推荐系统的设计与实现", 《计算机时代》 *
陈果: "基于人脸识别的商品推荐系统的设计与实现", 《计算机时代》, 15 November 2018 (2018-11-15), pages 52 - 55 *

Also Published As

Publication number Publication date
CN112270275B (zh) 2023-11-21

Similar Documents

Publication Publication Date Title
CN109961009B (zh) 基于深度学习的行人检测方法、系统、装置及存储介质
CN106776619B (zh) 用于确定目标对象的属性信息的方法和装置
Kumar et al. The p-destre: A fully annotated dataset for pedestrian detection, tracking, and short/long-term re-identification from aerial devices
US10032072B1 (en) Text recognition and localization with deep learning
US10891465B2 (en) Methods and apparatuses for searching for target person, devices, and media
US10282431B1 (en) Image similarity-based group browsing
CN111061890B (zh) 一种标注信息验证的方法、类别确定的方法及装置
CN108921204B (zh) 电子装置、图片样本集生成方法和计算机可读存储介质
US9824434B2 (en) System and method for object recognition
US11380010B2 (en) Image processing device, image processing method, and image processing program
US9633272B2 (en) Real time object scanning using a mobile phone and cloud-based visual search engine
US20210035187A1 (en) Device and method for item recommendation based on visual elements
US20150139555A1 (en) Shoe image retrieval apparatus and method using matching pair
CN109977824B (zh) 物品取放识别方法、装置及设备
CN111178252A (zh) 多特征融合的身份识别方法
US11783384B2 (en) Computer vision systems and methods for automatically detecting, classifying, and pricing objects captured in images or videos
CN109426831B (zh) 图片相似匹配及模型训练的方法、装置及计算机设备
Nuevo et al. RSMAT: Robust simultaneous modeling and tracking
US9165220B2 (en) Image object recognition based on a feature vector with context information
CN112149690A (zh) 一种基于生物图像特征识别的溯源方法和溯源系统
CN115115825B (zh) 图像中的对象检测方法、装置、计算机设备和存储介质
Ahmed et al. Eye detection and localization in a facial image based on partial geometric shape of iris and eyelid under practical scenarios
US20210117987A1 (en) Fraud estimation system, fraud estimation method and program
US20210166028A1 (en) Automated product recognition, analysis and management
CN112270275B (zh) 基于图片识别的商品搜索方法、装置及计算机设备

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