CN112307966A - 事件展示方法及装置、存储介质及电子设备 - Google Patents

事件展示方法及装置、存储介质及电子设备 Download PDF

Info

Publication number
CN112307966A
CN112307966A CN202011192148.1A CN202011192148A CN112307966A CN 112307966 A CN112307966 A CN 112307966A CN 202011192148 A CN202011192148 A CN 202011192148A CN 112307966 A CN112307966 A CN 112307966A
Authority
CN
China
Prior art keywords
event
displayed
information
probability
user
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
CN202011192148.1A
Other languages
English (en)
Other versions
CN112307966B (zh
Inventor
王晓红
孙玉海
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.)
BOE Technology Group Co Ltd
Original Assignee
BOE Technology Group 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 BOE Technology Group Co Ltd filed Critical BOE Technology Group Co Ltd
Priority to CN202011192148.1A priority Critical patent/CN112307966B/zh
Publication of CN112307966A publication Critical patent/CN112307966A/zh
Priority to PCT/CN2021/117177 priority patent/WO2022089020A1/zh
Priority to US17/915,632 priority patent/US20230136403A1/en
Application granted granted Critical
Publication of CN112307966B publication Critical patent/CN112307966B/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
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • 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
    • G06V10/72—Data preparation, e.g. statistical preprocessing of image or video features
    • 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
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
    • 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
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30241—Trajectory
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30242—Counting objects in image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/44—Event detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/178—Human faces, e.g. facial parts, sketches or expressions estimating age from face image; using age information for improving recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Human Computer Interaction (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Signal Processing (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本公开涉及信息展示技术领域，具体涉及一种事件展示方法及装置、计算机可读存储介质及电子设备，方法包括：通过获取预设区域内的多个用户的参数信息；根据参数信息确定各待展示事件被触发的概率；根据概率确定待展示事件在预设区域的展示时长。本公开实施例的技术方案克服现有技术中在对事件进行展示时，没有考虑用户的参数信息，会展示较多的无效事件，浪费数据资源的问题。

Description

事件展示方法及装置、存储介质及电子设备
技术领域
本公开涉及信息展示技术领域，具体而言，涉及一种事件展示方法及装置、计算机可读存储介质及电子设备。
背景技术
随着显示技术的发展，在一些场所内采用显示设备对事件进行展示的方式被应用的越来越广泛。
现有技术中在对事件进行展示时，没有考虑用户的参数信息，会展示较多的无效事件，浪费数据资源。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种事件展示方法及装置、计算机可读存储介质及电子设备，进而至少在一定程度上克服现有技术中在对事件进行展示时，没有考虑用户的参数信息，会展示较多的无效事件，浪费数据资源的问题。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
根据本公开的第一方面，提供了一种事件展示方法，包括：
获取多个待展示事件，并获取预设区域内的多个用户的参数信息；
根据所述参数信息确定各所述待展示事件被触发的概率；
根据所述概率确定所述待展示事件在所述预设区域的展示时长。
在本公开的一种示例性实施例中，所述参数信息包括用户数据信息，所述获取预设区域内的多个用户的参数信息，包括：
采集所述预设区域内各所述用户的人脸信息；
根据所述人脸信息在信息库中匹配各所述用户的所述用户数据信息。
在本公开的一种示例性实施例中，所述参数信息还包括用户行为信息，所述获取预设区域内的多个用户的参数信息，包括：
检测各所述用户在预设时间内的运动轨迹；
根据所述预设时间以及所述运动轨迹确定所述用户行为信息。
在本公开的一种示例性实施例中，所述预设区域包括至少一个显示装置，所述方法还包括：
获取各所述显示装置的位置信息；
根据所述用户行为信息和所述位置信息确定所述待展示事件的展示位置；
其中，所述显示装置用于展示所述待展示事件。
在本公开的一种示例性实施例中，所述根据所述用户行为信息和所述位置信息确定所述待展示事件的展示位置，包括：
检测各所述显示装置预设范围内的用户数量；
根据所述用户数量以及所述概率确定所述待展示事件的展示位置。
在本公开的一种示例性实施例中，根据所述参数信息确定各所述待展示事件被触发的概率，包括：
获取预训练的神经网络模型，所述神经网络模型的输入为多个用户的参数信息，输出为待展示事件的被触发概率；
将各所述用户的参数信息输入所述神经网络模型，确定各所述待展示事件被触发的概率。
在本公开的一种示例性实施例中，所述待展示事件的展示时长与所述待展示事件的概率正相关。
根据本公开的一个方面，提供一种事件展示装置，包括：
获取模块，用于获取多个待展示事件，并获取预设区域内的多个用户的参数信息；
第一确定模块，用于根据所述参数信息确定各所述待展示事件被触发的概率；
第二确定模块，用于根据所述概率确定所述待展示事件在所述预设区域的展示时长。
根据本公开的一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上述任意一项所述的事件展示方法。
根据本公开的一个方面，提供一种电子设备，包括：
处理器；以及
存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述任意一项所述的事件展示方法。
本公开实施例提供的技术方案可以包括以下有益效果：
本公开的一种实施例所提供的事件展示方法中，通过获取预设区域内的多个用户的参数信息；根据参数信息确定各待展示事件被触发的概率；根据概率确定待展示事件在预设区域的展示时长。相较于现有技术，根据多个用户的参数信息来确定各待展示事件的被触发的概率并根据概率确定待展示事件的展示时长，考虑了用户的参数信息，进而来确定待展示事件的展示时长，增加了待展事件被触发的概率，同时，提升了展示的有效性，节约了数据资源。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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，还可以根据这些附图获得其他的附图。在附图中：
图1示意性示出本公开示例性实施例中事件展示方法的流程图；
图2示意性示出本公开示例性实施例中显示设备周边用户分布的示意图；
图3示意性示出本公开示例性实施例中检测温湿度并调节温湿度的流程图；
图4示意性示出本公开示例性实施例中各种检测设备的框架示意图；
图5示意性示出本公开示例性实施例中整体架构图；
图6示意性示出本公开示例性实施例中一种事件展示装置的组成示意图；
图7示意性示出了适于用来实现本公开示例性实施例的电子设备的计算机系统的结构示意图；
图8示意性示出了根据本公开的一些实施例的计算机可读存储介质的示意图。
具体实施方式
现在将参照附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
在本示例性实施例中，首先提供了一种事件展示方法，可以应用于银行、电影院等场所。参照图1中所示，上述的事件展示方法可以包括以下步骤：
S110，获取多个待展示事件，并获取预设区域内的多个用户的参数信息；
S120，根据所述参数信息确定各所述待展示事件被触发的概率；
S130，根据所述概率确定所述待展示事件在所述预设区域的展示时长；
根据本示例性实施例中所提供的事件展示方法中，相较于现有技术，根据多个用户的参数信息来确定各待展示事件的被触发的概率并根据概率确定待展示事件的展示时长，考虑了用户的参数信息，进而来确定待展示事件的展示时长，增加了待展事件被触发的概率，同时，提升了展示的有效性，节约了数据资源。
下面，将结合附图及实施例对本示例性实施例中的事件展示方法的各个步骤进行更详细的说明。
步骤S110，获取多个待展示事件，并获取预设区域内的多个用户的参数信息。
在本公开的一种示例实施例中，可以首先获取多个待展示事件，其中待展示事件可以根据应用场景的不同而改变，例如，应用场景在银行时，待展示事件则可以是银行的主推业务，例如，信用卡办理、定期存款办理等。若应用场景电影院时，但展示事件则可以是电影院的主推业务，例如，电影票套餐、电影推荐等，在本示例实施方式中不对待展示事件做具体限定。
在本示例实施方式中，可以获取预设区域内多个用户的参数信息，其中，预设区域可以是银行服务大厅、电影院大厅等用于展示待展示事件的区域，在本示例实施方式中不做具体限定。
在本示例实施方式中，在预设区域可以包括多个显示设备，用于对上述端展示事件进行展示，服务器可以获取到上述各显示设备的位置信息，同时服务器与上述多个显示设备连接，以将待展示事件展示在上述待展示事件展示在上述显示设备上。
下面以上述预设区域为银行服务大厅为例来进行详细说明。在本示例实施方式中，用户的参数信息可以包括用户的人脸信息、以及根据人脸信息解析到用户的情绪以及用户数据信息，其中用户数据信息可以包括用户的年龄、性别、职业、收入等数据。上述参数信息还可以包括在预设区域的人数信息。
具体而言，可以对上述人脸信息进行标号，并配置用户ID标识，利用人脸信息与信息库中获取到用户数据信息，并将数据信息与用户ID标识进行关联。
在本示例实施方式中，人脸信息的采集可以是由安装在预设区域的图像采集装置来获取，其中，图像采集装置可以是摄像头，其中摄像头可以是单目摄像头，也可以是双目摄像头，在本示例实施方式中不做具体限定。
在本示例实施方式中，上述预设区域的人数信息可以由红外传感器获取，也可以是在预设区域的出入口摄像头来记录用户的出入情况进而计算出预设区域内的人数信息，即用户数量。
在本示例实施方式中，上述参数信息还可以包括用户行为信息。可以是各用户在预设时间内的运动轨迹，并根据上述预设时间以及运动轨迹确定用户的行为信息。
具体而言，可以基于多路网络监控摄像头获取的视频流数据，利用深度学习算法，实现用户检测、跟踪和再识别，通过统一ID标识不同用户，实时获取用户的位置，通过分析视频每帧数据，获取的用户位置信息、分配的ID、时间戳信息，并将其封装成数据包，例如。在上述预设区域内有3个用户时，可以封装信息为：
Figure BDA0002753033820000061
userID为算法为每个识别出来的用户分配的唯一用户轨迹ID标识，x,y为用户在预设区域内的的二维坐标，collectTime为本次采集数据时间。
服务器可以跟踪预设区域内的用户位置，并利用上述采集的用户的人脸信息识别用户身份，通过用户的运动轨迹分配的用户轨迹标识userID与人脸为虚拟信息分配的用户人脸ID标识faceID进行绑定关联，关联方式可通过人脸识别用户端坐标(fx,fy)，与轨迹系统中识别现在用户(x,y)进行两点距离判断，距离最近进行userID与faceID建立关联，由于这种绑定
Figure BDA0002753033820000062
由于遮挡、重合等原因会导致可能有多个用户轨迹ID标识userID与用户人脸ID标识faceID距离接近，这时要根据存储的历史轨迹，以及欢迎摄像头拍摄信息进行校正，因为摄像头无法准确给出进入用户的位置信息，此时会对根据大概距离判断用户轨迹ID标识用户人脸ID标识根据距离进行预关联，结合两次关联结果实现用户轨迹ID标识与用户人脸ID标识绑定，实现用户在场所运行轨迹精准检测。
在本示例实施方式中，服务器可以根据上述用户行为信息确定在各个显示设备预设范围内的人数信息。
在步骤S120中，根据所述参数信息确定各所述待展示事件被触发的概率。
在本公开的一种示例实施方式中，服务器可以根据参数信息来确定待展示事件被触发的概率；具体而言，服务器可以首先获取一个神经网络模型，然后获取历史数据作为训练数据，历史数据可以从上述信息库中获取，利用上述历史数据作为训练数据对上述神经网络模型进行训练。训练完成的神经网络模型的输入为参数信息，输出为多个待展示事件被触发的概率。
在本示例实施方式中，训练数据中可以为用户的参数信息以及是否触发上述各待展示事件，即用户的参数信息以及对应多个待展示事件的触法数据，例如，多个用户的年龄、性别、职位、收入等信息，以及每个用户是否触发到待展示事件，可以采用1标识触发，0表示未触发。例如，待展示事件可以为A事件、B事件、C事件，第一用户对应的触法数据为【1,0,1】，则表示第一用户触发了A事件和C事件，没有触发B事件；再例如，第二用户的触发数据为【1,1,1】，则表示第一用户同时触发了A事件、B事件和C事件。
在得到上述神经网络模型之后，可以将用户的参数信息以及上述待展示事件输入上述神经网络模型，进而得到待展示事件被触发的概率。
举例而言，参数信息包括用户的年龄、性别、职位、收入等信息，多个待展示事件可以为A事件、B事件、C事件。此时将多个用户的年龄、性别、职位、收入等信息输入上述神经网络模型，同时将A事件、B事件、C事件也输入上述神经网络模型。输出可以为A事件被触发概率，例如85％等，B事件被触发概率，例如65％等，C事件被触发概率，例如70％。再例如A事件被触发概率，例如90％等，B事件被触发概率，例如80％等，C事件被触发概率，例如70％。
在步骤S130中，根据所述概率确定所述待展示事件在所述预设区域的展示时长。
在本公开的一种示例实施方式中，在得到上述多个待展示事件被触发的概率之后，可以根据上述概率确定各待展示事件在预设区域的展示时长，其中，上述概率可以与上述展示时长正相关为，A事件被触发概率为85％等，B事件被触发概率为65％等，C事件被触发概率为70％，此时，A事件、B事件、C事件在预设区域的展示时长之间的比例可以为85:65:70，再例如，A事件被触发概率为90％等，B事件被触发概率为80％等，C事件被触发概率为70％，此时，A事件、B事件、C事件在预设区域的展示时长之间的比例可以为9:8:7。
在本示例实施方式中，还可以采集上述各显示装置预设范围内的人数信息，即个显示装置预设范围内的用户的数量，然后可以用户数量以及上述概率确定待展示事件的展示位置，其中预设范围可以是距离上述显示装置的距离小于等于预设距离的范围，预设距离可以是10米、11米等，在本示例实施方式中不做具体限定。
举例而言，参照图2所示，显示装置包括第一显示装置201、第二显示装置202以及第三显示装置203，在第一显示装置201周边的用户204数量为10个，第二显示装置202周边的用户数量为5个，第三显示装置203周边的用户204数量为8个，且A事件被触发概率为90％，B事件被触发概率为80％，C事件被触发概率为70％，此时可以将触发概率较大的A事件在用户数量较多的第一显示装置上展示，将B事件在上述第三显示装置上进行展示，将上述C事件在上述第二显示装置上进行展示。
在本示例实施方式中，在上述显示设备预设范围内的人数为0是，关闭显示设备，以节约资源，在检测显示设备预设范围内再次出现用户时，服务器控制该显示设备开启。
在本示例实施方式中，还可以根据用户的人脸信息用颜值打分模型对用户的颜值进行打分，以提升用趣味性，以增加用户在预设范围内的停留时间，进而能够使得用户能够更长时间的观看上述待展示事件。例如，在银行场景时，可以通过颜值分数来给与用户与颜值分数相关的虚拟贷款额度。
在本公开的一种示例实施方式中，参照图3所示，还可以包括步骤S310至步骤S330，下面对上述步骤进行详细说明。
在步骤S310中，检测所述预设区域内的当前温度和当前湿度，并设定预设温度范围以及预设湿度范围；
在步骤S320中，在所述当前温度在所述预设温度之外时，发出调节温度调节信号；
在步骤S330中，在所述当前湿度在所述预设湿度之外时，发出调节湿度调节信号。
在本示例实施方式中，服务器可以获取上述预设区域内的温度信息以及湿度信息，并设定一个预设温度范围以及预设湿度范围，其中预设温度范围可以是15摄氏度至18摄氏度，即人体舒适的温度范围，也可以根据用户的需求进行自定义，预设湿度范围可以是30％至60％，也可以根据用户的需求进行自定义，即人体舒适的湿度范围；在本示例实施方式中不对上述预设温度范围以及预设湿度范围做具体限定。
在温度信息不在上述预设温度范围内时，服务器可以发出温度调节信号，以使预设区域内的温度处于上述预设温度范围，保证用户的舒适度以使得用户能够更长时间的观看上述显示装置展示的事件。
同理，在湿度信息不在上述预设湿度范围内时，服务器可以发出湿度调节信号，以使预设区域内的湿度处于上述预设湿度范围，保证用户的舒适度以使得用户能够更长时间的观看上述显示装置展示的事件。
进一步的，服务器还可以检测预设区域内得亮度逆袭，并设置一预设亮度范围，其中，亮度范围可以根据用户的需求进行自定义，在本示例实施方式中不足具体限定。
在亮度信息不在上述预设亮度范围内时，服务器可以发出亮度调节信号，以使预设区域内的亮度处于上述预设亮度范围，保证用户的舒适度以使得用户能够更长时间的观看上述显示装置展示的事件。
在本示例实施方式中，参照图4和图5所示，可以采用在入口设置至少一个入口双目摄像头401来采集人流量，通过客流统计模块408将人流量阐述至服务器410，以确定上述预设区域与内的人数信息，同时采集用户的人脸数据，通过人脸识别模块409将人脸数据传输服务器410，经由服务器处理来获取用户数据信息，通过单目摄像头403以及用户行为检测模块402来检测用户行为信息，通过人体传感器404确定显示设备周边的人数，采用光照传感器405来采集预设区域内的亮度信息，以及通过温度传感器406以及湿度传感器407采集温度信息以及湿度信息，其中，温度传感器，湿度传感器以及光照传感器均与模数转换模块411连接，用于将数据传输至服务器410，还可以双目传感器来检测对人脸信息进行再次采集并上传至服务器，使得服务器能够通过颜值打分模型来对用户的颜值打分，用于提升趣味性，以使得用户能够较长时间的处于预设区域，提升但展示事件被观看的概率进而提升待展示事件被触发的概率。
在本示例实施方式中，本方案的具体执行框架可以分为感知终端层、边缘服务层、数据处理层以及展示层，其中温度传感器406、湿度传感器407、人体传感器404、光照传感器405、单目摄像头403、双目摄像头412、入口双目摄像头401均属于感知终端层510，感知终端层可以用于采集参数信息；用户行为信息检测模块402、客流统计模块408、人脸识别模块409以模数转换模块411均属于边缘服务层520，边缘服务层用于将采集的参数进行预处理之后上传至数据处理层，即服务器。上述服务器410属于数据处理层，用于对采集到的数据济宁处理并得到多个待展示事件被触发的概率。上述第一显示设备201、第二显示设备202以及第三显示设备203属于展示层530，用于展示待展示事件。
以下介绍本公开的装置实施例，可以用于执行本公开上述的事件展示方法。此外，在本公开的示例性实施方式中，还提供了一种事件展示装置。参照图6所示，所述事件展示装置600包括：获取模块610，第一确定模块620和第二确定模块630。
其中，所述获取模块610可以用于获取多个待展示事件，并获取预设区域内的多个用户的参数信息；所述第一确定模块620可以用于根据所述参数信息确定各所述待展示事件被触发的概率；第二确定模块630根据所述概率确定所述待展示事件在所述预设区域的展示时长。
由于本公开的示例实施例的事件展示装置的各个功能模块与上述事件展示方法的示例实施例的步骤对应，因此对于本公开装置实施例中未披露的细节，请参照本公开上述的事件展示方法的实施例。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外，在本公开的示例性实施例中，还提供了一种能够实现上述事件展示的电子设备。
所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施例、完全的软件实施例(包括固件、微代码等)，或硬件和软件方面结合的实施例，这里可以统称为“电路”、“模块”或“系统”。
下面参照图7来描述根据本公开的这种实施例的电子设备700。图7显示的电子设备700仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示，电子设备700以通用计算设备的形式表现。电子设备700的组件可以包括但不限于：上述至少一个处理单元710、上述至少一个存储单元720、连接不同系统组件(包括存储单元720和处理单元710)的总线730、显示单元740。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元710执行，使得所述处理单元710执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施例的步骤。例如，所述处理单元710可以执行如图1中所示的步骤S110：获取多个待展示事件，并获取预设区域内的多个用户的参数信息；S120：根据所述参数信息确定各所述待展示事件被触发的概率；S130：根据所述概率确定所述待展示事件在所述预设区域的展示时长。
又如，所述的电子设备可以实现如图1和图3所示的各个步骤。
存储单元720可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)721和/或高速缓存存储单元722，还可以进一步包括只读存储单元(ROM)723。
存储单元720还可以包括具有一组(至少一个)程序模块725的程序/实用工具724，这样的程序模块725包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线730可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备700也可以与一个或多个外部设备770(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备700交互的设备通信，和/或与使得该电子设备700能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口750进行。并且，电子设备700还可以通过网络适配器760与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器760通过总线730与电子设备700的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备700使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的方法。
在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施例的步骤。
参照图8，描述了根据本公开的实施例的用于实现上述方法的程序产品800，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本公开的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的根据体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。

Claims (10)

1.一种事件展示方法，其特征在于，包括：
获取多个待展示事件，并获取预设区域内的多个用户的参数信息；
根据所述参数信息确定各所述待展示事件被触发的概率；
根据所述概率确定所述待展示事件在所述预设区域的展示时长。
2.根据权利要求1所述的方法，其特征在于，所述参数信息包括用户数据信息，所述获取预设区域内的多个用户的参数信息，包括：
采集所述预设区域内各所述用户的人脸信息；
根据所述人脸信息在信息库中匹配各所述用户的所述用户数据信息。
3.根据权利要求1所述的方法，其特征在于，所述参数信息还包括用户行为信息，所述获取预设区域内的多个用户的参数信息，包括：
检测各所述用户在预设时间内的运动轨迹；
根据所述预设时间以及所述运动轨迹确定所述用户行为信息。
4.根据权利要求3所述的方法，其特征在于，所述预设区域包括至少一个显示装置，所述方法还包括：
获取各所述显示装置的位置信息；
根据所述用户行为信息和所述位置信息确定所述待展示事件的展示位置；
其中，所述显示装置用于展示所述待展示事件。
5.根据权利要求4所述的方法，其特征在于，所述根据所述用户行为信息和所述位置信息确定所述待展示事件的展示位置，包括：
检测各所述显示装置预设范围内的用户数量；
根据所述用户数量以及所述概率确定所述待展示事件的展示位置。
6.根据权利要求1所述的方法，其特征在于，根据所述参数信息确定各所述待展示事件被触发的概率，包括：
获取预训练的神经网络模型，所述神经网络模型的输入为多个用户的参数信息，输出为待展示事件的被触发概率；
将各所述用户的参数信息输入所述神经网络模型，确定各所述待展示事件被触发的概率。
7.根据权利要求1所述的方法，其特征在于，所述待展示事件的展示时长与所述待展示事件的概率正相关。
8.一种事件展示装置，其特征在于，包括：
获取模块，用于获取多个待展示事件，并获取预设区域内的多个用户的参数信息；
第一确定模块，用于根据所述参数信息确定各所述待展示事件被触发的概率；
第二确定模块，用于根据所述概率确定所述待展示事件在所述预设区域的展示时长。
9.一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，所述程序被处理器执行时实现如权利要求1至7中任一项所述的事件展示方法。
10.一种电子设备，其特征在于，包括：
处理器；以及
存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至7中任一项所述的事件展示方法。
CN202011192148.1A 2020-10-30 2020-10-30 事件展示方法及装置、存储介质及电子设备 Active CN112307966B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202011192148.1A CN112307966B (zh) 2020-10-30 2020-10-30 事件展示方法及装置、存储介质及电子设备
PCT/CN2021/117177 WO2022089020A1 (zh) 2020-10-30 2021-09-08 事件展示方法及装置、存储介质及电子设备
US17/915,632 US20230136403A1 (en) 2020-10-30 2021-09-08 Method and device for event displaying, storage medium, and electronic device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011192148.1A CN112307966B (zh) 2020-10-30 2020-10-30 事件展示方法及装置、存储介质及电子设备

Publications (2)

Publication Number Publication Date
CN112307966A true CN112307966A (zh) 2021-02-02
CN112307966B CN112307966B (zh) 2023-09-05

Family

ID=74334114

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011192148.1A Active CN112307966B (zh) 2020-10-30 2020-10-30 事件展示方法及装置、存储介质及电子设备

Country Status (3)

Country Link
US (1) US20230136403A1 (zh)
CN (1) CN112307966B (zh)
WO (1) WO2022089020A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113885850A (zh) * 2021-09-27 2022-01-04 京东方科技集团股份有限公司 基于智慧城市的事件处理方法及装置、介质、电子设备
WO2022089020A1 (zh) * 2020-10-30 2022-05-05 京东方科技集团股份有限公司 事件展示方法及装置、存储介质及电子设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017035970A1 (zh) * 2015-08-31 2017-03-09 北京百度网讯科技有限公司 信息推送的方法和装置
CN111309230A (zh) * 2020-02-19 2020-06-19 北京声智科技有限公司 信息展示方法、装置、电子设备及计算机可读存储介质
CN111353455A (zh) * 2020-03-06 2020-06-30 网易（杭州）网络有限公司 视频内容确定方法及装置、存储介质及电子设备
CN111506643A (zh) * 2019-01-31 2020-08-07 北京沃东天骏信息技术有限公司 用于生成信息的方法、装置和系统
US20200296536A1 (en) * 2017-11-23 2020-09-17 Everysight Ltd. Site selection for display of information
WO2020199662A1 (zh) * 2019-04-02 2020-10-08 北京字节跳动网络技术有限公司 用于推送信息的方法和装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106408348A (zh) * 2016-09-30 2017-02-15 北京奇虎科技有限公司 一种轮播广告位的广告展示方法和装置
CN111381909B (zh) * 2018-12-27 2022-03-04 北京字节跳动网络技术有限公司 一种页面展示方法、装置、终端设备及存储介质
CN110363590A (zh) * 2019-07-16 2019-10-22 深圳乐信软件技术有限公司 一种广告推荐方法、装置、终端和存储介质
CN112307966B (zh) * 2020-10-30 2023-09-05 京东方科技集团股份有限公司 事件展示方法及装置、存储介质及电子设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017035970A1 (zh) * 2015-08-31 2017-03-09 北京百度网讯科技有限公司 信息推送的方法和装置
US20200296536A1 (en) * 2017-11-23 2020-09-17 Everysight Ltd. Site selection for display of information
CN111506643A (zh) * 2019-01-31 2020-08-07 北京沃东天骏信息技术有限公司 用于生成信息的方法、装置和系统
WO2020199662A1 (zh) * 2019-04-02 2020-10-08 北京字节跳动网络技术有限公司 用于推送信息的方法和装置
CN111309230A (zh) * 2020-02-19 2020-06-19 北京声智科技有限公司 信息展示方法、装置、电子设备及计算机可读存储介质
CN111353455A (zh) * 2020-03-06 2020-06-30 网易（杭州）网络有限公司 视频内容确定方法及装置、存储介质及电子设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022089020A1 (zh) * 2020-10-30 2022-05-05 京东方科技集团股份有限公司 事件展示方法及装置、存储介质及电子设备
CN113885850A (zh) * 2021-09-27 2022-01-04 京东方科技集团股份有限公司 基于智慧城市的事件处理方法及装置、介质、电子设备

Also Published As

Publication number Publication date
WO2022089020A1 (zh) 2022-05-05
CN112307966B (zh) 2023-09-05
US20230136403A1 (en) 2023-05-04

Similar Documents

Publication Publication Date Title
US10229565B2 (en) Method for producing haptic signal and electronic device supporting the same
CN109240576B (zh) 游戏中的图像处理方法及装置、电子设备、存储介质
CN111298445B (zh) 目标账号检测方法、装置、电子设备及存储介质
US20180285544A1 (en) Method for adaptive authentication and electronic device supporting the same
JP5527423B2 (ja) 画像処理システム、画像処理方法、及び画像処理プログラムを記憶した記憶媒体
CN107945848A (zh) 一种健身指导实现方法、装置、设备和介质
CN112149615B (zh) 人脸活体检测方法、装置、介质及电子设备
CN112307966B (zh) 事件展示方法及装置、存储介质及电子设备
US20180317766A1 (en) Techniques for providing computer assisted eye examinations
US20210409626A1 (en) Patch tracking image sensor
US20200019789A1 (en) Information generating method and apparatus applied to terminal device
US20190286229A1 (en) Eye tracking method, electronic device, and non-transitory computer readable storage medium
KR20180081922A (ko) 전자 장치의 입력 음성에 대한 응답 방법 및 그 전자 장치
CN113177133B (zh) 一种图像检索方法、装置、设备及存储介质
KR102693472B1 (ko) 학습 효과를 상승시키기 위한 영어 교육 시스템
US11586282B2 (en) Method, device, and computer program product for monitoring user
US20220351218A1 (en) Smart Contract Based User Feedback for Event Contexts
CN110611861A (zh) 定向发声控制方法及装置、发声设备、介质和电子设备
CN114090862A (zh) 信息处理方法、装置及电子设备
KR20190067433A (ko) 텍스트-리딩 기반의 리워드형 광고 서비스 제공 방법 및 이를 수행하기 위한 사용자 단말
JPWO2013024667A1 (ja) 関心地点抽出装置、関心地点抽出方法、及びプログラム
KR102341060B1 (ko) 키오스크를 이용한 광고 서비스 제공 시스템
CN112488647B (zh) 考勤系统及方法、存储介质及电子设备
KR102449350B1 (ko) 재고 관리 서비스를 제공하는 시스템 및 그 동작 방법
KR20200034020A (ko) 전자 장치 및 그의 제어 방법

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