CN114067397B - 一种基于机器视觉的广告分析及投放方法 - Google Patents

Abstract

本发明涉及一种基于机器视觉的广告分析及投放方法，包括步骤：电源模块为所有模块供电，并对各个模块进行复位，显示模块随机进行商品广告播放；通过摄像头模块实时采集广告屏幕前路过的行人的状态，摄像头模块采集的视频先经过预处理，同时通过存储控制模块将视频存储在存储模块A中；通过存储控制模块读取存储模块A内的视频，继续进行视频处理。本发明的有益效果是：采用人工智能机器视觉方法替代了传统销售人员的大量市场调研，实现了集市场调研、信息采集、广告投放、产品销售为一体全智能产品销售模式；只收集检测不同广告关注的人数，关注时间以及关注者的年龄层次结果，并不收集行人的人脸信息。

Description

一种基于机器视觉的广告分析及投放方法

技术领域

本发明属于广告分析及投放技术领域，尤其涉及一种基于机器视觉的广告分析及投放方法。

背景技术

品牌推广和品牌宣传对企业非常重要，企业通过品牌推广让消费者认识、认知、认可该企业，进而咨询、购买该企业产品。而企业产品的销售量直接决定着企业的盈利状况。然而企业内不同的产品对消费者的吸引程度不同，即使同一个产品吸引的消费者的年龄层次也不同。因此，盲目推销只会浪费人工、增加成本，只有掌握了消费者对不同产品的喜好，不同年龄层次对不同商品的喜好程度，对不同的消费者有针对性的营销产品，才能收到更好的销售结果。然而传统推销模式需要大量工作人员进行调研、总结分析，不仅需要很大的资金投入，时间周期也很长。同时，传统的广告屏只投放固定的广告，没有信息采集功能，广告屏前大量的有价值信息被忽略。

投放不同广告时，消费者关注多的往往是他感兴趣的商品，后期购买意愿会更高。因此，消费者关注更多的广告，该产品往往后期销售会更好。如果企业在投放广告时，能自动获取大量消费者对不同商品的喜好程度就可以及时调整产品生产和销售方案从而获得最大利益。

发明内容

本发明的目的是克服现有技术中的不足，提供一种基于机器视觉的广告分析及投放方法。

这种基于机器视觉的广告分析及投放方法，包括以下步骤：

步骤1、电源模块为所有模块供电，并对各个模块进行复位，显示模块随机进行商品广告播放；通过摄像头模块实时采集广告屏幕前路过的行人的状态，摄像头模块采集的视频先经过预处理，同时通过存储控制模块将视频存储在存储模块A中；

步骤2、通过存储控制模块读取存储模块A内的视频，继续进行视频处理：使用yolov3算法对视频内的行人进行检测，同时检测出行人是否关注屏幕上的广告，如果行人有关注广告，记录下行人关注广告的时间；

步骤3、利用数据统计分析模块记录播放的广告编号、播放广告时间、播放广告时屏幕前路过的行人总数、播放广告时观看广告的人数和观看广告的时间，通信控制模块控制无线通信模块将数据统计分析模块记录下的数据传输至后台，供公司更好的调整该产品的生产销售方案；并决定下一个要进行推送的商品广告；

步骤4、若数据统计分析模块检测到有行人持续多个推送的商品广告，则通过年龄识别模块对该行人进行年龄层次识别，并将年龄识别数据传输至年龄数据统计模块；

步骤4.1、进行尺度变换：采用拉普拉斯金字塔变换将广告屏幕前路过的行人图像分解为低频图像和带通图像；拉普拉斯金字塔包含一个低通滤波器、一个高通滤波器和两个采样矩阵；

步骤4.2、采用方向滤波器进行方向滤波，对带通图像进行多方向分解；

步骤4.3、进行年龄层次识别分类：年龄分层是K分类问题，将K分类问题分解为个二分类问题；将上层分类器的分层结果传递给下层分类器，根据上层分类器的分层结果，安排相邻下层分类器参与分类的样本类别，遍历所有分类情况，同时使得测试所需的次数减少；

步骤5、年龄数据统计模块记录整理商品种类、对应的广告编号以及关注该广告的行人年龄层次数据，通信控制模块将年龄数据统计模块记录整理的数据经无线通信模块传输至后台供公司后期使用。

作为优选，步骤1中预处理为对摄像头模块采集的视频进行图像去噪。

作为优选，步骤3具体包括如下步骤：

步骤3.1、如果数据统计分析模块检测到有行人完整看完一个商品广告，则证明该行人对该产品比较有兴趣，则不再随机播放广告，显示控制模块从存储模块B中读取该商品的同类型广告内容，通过显示模块播放该商品的同类型广告，在播放完一个同类型广告之后，播放同类型广告对应的商品销售链接，便于观看者直接订购；

步骤3.2、如果数据统计分析模块检测到无行人完整看完一个商品广告，则证明行人对该产品兴趣不大，则不再播放同类型的商品广告，而是通过显示控制模块读取存储模块B中存储的不同类型的商品广告，并通过显示模块播放该不同类型的商品广告；

步骤3.3、通信控制模块将步骤3.1和步骤3.2中数据统计分析模块针对不同行人作出的广告推送选择由无线通信通信模块传输至后台，供公司后期使用。

作为优选，步骤1中存储模块A用于存储摄像头模块实时采集的视频数据。

作为优选，步骤3.1中存储模块B用于存储不同类型的商品广告，每个广告对应唯一一个编号。

作为优选，步骤4.1具体包括如下步骤：

步骤4.1.1、将广告屏幕前路过的行人图像X经过低通滤波器和下采样得到低通图像a；低通图像a再经过上采样和高通滤波器得到与X图像尺寸相同的信号p，计算X与p的差值，得到带通图像b；

步骤4.1.2、用a₀[n]∈V₀代表输入的行人图像，n代表行人图像的像素，a₁[n]∈V₁代表第一次拉普拉斯金字塔分解的低通分量，b₁[n]∈W₁代表第一次拉普拉斯金字塔分解的带通分量；将当前的低通分量作为下一次的输入图像，进行新的拉普拉斯金字塔分解；经过J次分解，得到J个带通分量b_j[n],j＝1,2,...J和一个低通分量a_J[n]∈V_J；随下标增加，行人图像尺度逐渐变细，形成图像金字塔；各层级分量的关系表述为公式(1)：

V₀,V₁,...V_J之间的包含关系如公式(2)：

上式(1)至式(2)中，V₀为原始图像，V₁为第一次拉普拉斯金字塔分解的低通分量，w₁为第一次拉普拉斯金字塔分解的带通分量，w_j为第j次拉普拉斯金字塔分解的带通分量；

拉普拉斯金字塔多尺度母函数满足下式(3)的双尺度方程：

双尺度方程的展开形式如下式(4)：

上式(3)至式(4)中，φ(t)表示时域信号，t表示时域坐标，g[n]表示离散域信号，n表示离散域坐标，Z表示正整数集。

作为优选，步骤4.2具体包括如下步骤：

步骤4.2.1、方向滤波器利用l级二叉树将带通图像分解形成2^l个楔形频率分割子带；方向滤波器的第一模块为Quincunx滤波器组，Quincunx滤波器组将二维图像分解为基本水平和基本垂直两个方向：

上式中，S代表采样矩阵，表示l级采样矩阵，l表示方向滤波器的层数，k表示采样尺度；

方向滤波器的小波基函数为：

上式中，表示小波基，t表示连续域坐标，j,k,n分别代表尺度、方向和位置变量，l表示方向滤波器的层数，不同尺度上方向滤波器的分解层数记作l_i，图像在l_i层的方向滤波器输出计算公式为：

上式中，表示方向滤波器输出，f表示以/>为小波基的小波变换；

步骤4.2.2、方向滤波器的第二模块采用剪切运算符进行进一步频率细分；将方向滤波器应用于轮廓波分析变换中，不同的变量取值组合，使得轮廓波分析变换在图像分析方面具有灵活的方向性及尺度特征。

作为优选，步骤4.3具体包括如下步骤：

步骤4.3.1、找到众多分割线内定位区分度最佳的一个，其中低维特征空间中分割线的位置或高维特征空间中分割面的位置为：

f(x)＝ω^Tx+b (8)

上式中，ω代表法线方向，b代表分割线相对于原点的位移，寻找令分割面或分割线定位区分度最佳的法线方向ω和分割线相对于原点的位移b；

步骤4.3.2、令分割线处f(x)＝0，两类样本点位于分割线两侧，采用符号函数sign(ω^Tx+b)代表两类样本点；引入变量y_i，将两类样本点表示为：

令y_i＝±1，得：

在不等式左右均乘以y_i，当y_i＝1时，公式(10)中ω^Tx_i+b≥1变形为：

y_i(ω^Tx_i+b)≥1 (11)

当y_i＝-1时，公式(10)中ω^Tx_i+b≤-1也变形为式(11)；

将距离分割线最近的样本点作为支持向量，对支持向量有：

上式中，x₊指一类点中离分割线最近的点、x_-指二类点中离分割线最近的点；

将支持向量在法线方向上的距离表示为：

支持向量对应的支撑平面间隔为最大值时；得到最佳分割面或最佳分割线的位置；将/>改写为其倒数，寻优最小值：

引入拉格朗日乘子法，将式(14)由带约束的优化问题转换为不带约束的优化问题：

上式为带三参数的优化问题，先对ω和b求偏导，令偏导等于0，将结果带入式(15)，得式(16)：

根据公式(17)求得最优的a：

然后用a表示ω和b，得到最佳分割面或最佳分割线的位置；

步骤4.3.3、对于线性不可分的特征空间，采用一元二次曲线进行二分类；引入核函数，将不可分的特征空间转换到核空间内，使其在核空间内线性可分，以φ(x)代表映射函数，则求解方程转换为：

采用核函数κ(x_i,x_j)使式(19)成立：

κ(x_i,x_j)＝φ(x_i)^Tφ(x_j)＝〈φ(x_i),φ(x_j)〉 (19)

将低维空间内的内积映射到高维空间内，核函数κ(x_i,x_j)为：

上式中，σ指高斯内核的可调参数。

本发明的有益效果是：

本发明提出一种集广告投放、数据采集、智能分析、无线通信以及自助售卖为一体的基于机器视觉的广告分析及投放方法，能够随机播放不同产品广告内容，使用yolov3算法检测识别广告前方路过行人是否关注该广告以及关注时间长短，同时可以根据行人的关注程度智能选择行人更感兴趣、关注度更高的广告进行播放，如果行人能看完一个广告，则继续推送同一产品的第二个广告，同时在播放广告后播放购买链接，实现产品自动销售；如果行人没有看完一个完整广告则随机播放其他产品广告。

本发明采用年龄分层算法，可以对屏幕前关注广告的行人的年龄进行识别及分层，分析该商品受哪个层次的用户喜欢，并把关注人数，关注时间，以及关注者的年龄层次数据通过无线通信方式传送给后台。企业可以根据数据有针对性的针对不同年龄层次的客户推荐他们更加关注更加喜欢的产品，供后期产品生产销售参考；无需人工干预，但是如果需要人工干预广告播放，则后台随时可以通过无线通信模块控制显示模块读取存储模块B中的不同广告经由显示模块进行播放；

本发明采用人工智能机器视觉方法替代了传统销售人员的大量市场调研，实现了集市场调研、信息采集、广告投放、产品销售为一体全智能产品销售模式；出于对行人生物特征的保护，该方法只收集检测不同广告关注的人数，关注时间以及关注者的年龄层次结果，并不收集行人的人脸信息。

附图说明

图1为本发明基于机器视觉的广告分析及投放方法的流程图；

图2为年龄分层算法作用后的人脸示意图；

图3为方向滤波器利用3级二叉树进行方向频率分解的示意图；

图4为方向滤波器中的Quincunx滤波器模块逻辑示意图；

图5为方向滤波器并行处理时的逻辑示意图；

图6为二分类问题中待分类样本点及可行分割线示意图。

具体实施方式

下面结合实施例对本发明做进一步描述。下述实施例的说明只是用于帮助理解本发明。应当指出，对于本技术领域的普通人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

实施例一

本申请实施例一提供了一种如图1所示的基于机器视觉的广告分析及投放方法：

步骤1、电源模块为所有模块供电，并对各个模块进行复位，显示模块随机进行商品广告播放；通过摄像头模块实时采集广告屏幕前路过的行人的状态，摄像头模块采集的视频先经过预处理，同时通过存储控制模块将视频存储在存储模块A中；

步骤2、通过存储控制模块读取存储模块A内的视频，继续进行视频处理：使用yolov3算法对视频内的行人进行检测，同时检测出行人是否关注屏幕上的广告，如果行人有关注广告，记录下行人关注广告的时间；

步骤3、利用数据统计分析模块记录播放的广告编号、播放广告时间、播放广告时屏幕前路过的行人总数、播放广告时观看广告的人数和观看广告的时间，通信控制模块控制无线通信模块将数据统计分析模块记录下的数据传输至后台；并决定下一个要进行推送的商品广告；

步骤4、若数据统计分析模块检测到有行人持续多个推送的商品广告，则通过年龄识别模块对该行人进行年龄层次识别，并将年龄识别数据传输至年龄数据统计模块；

步骤4.1、进行尺度变换：采用拉普拉斯金字塔变换将广告屏幕前路过的行人图像分解为低频图像和带通图像；拉普拉斯金字塔包含一个低通滤波器、一个高通滤波器和两个采样矩阵；

步骤4.2、采用方向滤波器进行方向滤波，对带通图像进行多方向分解；

步骤4.3、进行年龄层次识别分类：年龄分层是K分类问题，将K分类问题分解为个二分类问题；将上层分类器的分层结果传递给下层分类器，根据上层分类器的分层结果，安排相邻下层分类器参与分类的样本类别，遍历所有分类情况；

步骤5、年龄数据统计模块记录整理商品种类、对应的广告编号以及关注该广告的行人年龄层次数据，通信控制模块将年龄数据统计模块记录整理的数据经无线通信模块传输至后台。

实施例二

在实施例一的基础上，本申请实施例二提供了实施例一中步骤4的具体实现方式：

随着年龄的增加，人脸的皮肤会变粗糙，还会出现眼角嘴角下垂，如图2的人脸示意图中颜色区域所示：除了皮肤粗糙眼角嘴角下垂，最明显的是增加皱纹。明显增加的皱纹有区域1所示的鼻翼两侧皱纹、随着眼袋增大，眼角下垂，会增加区域2所示的眼袋下的皱纹，会增加区域3所示的眼角的鱼尾纹，会增加区域4所示的眉心中的皱纹，会增加区域5所示的额头的抬头纹。其中图2中的区域1、区域2、区域3、区域4有左右对称两个区域，区域5内会出现多条抬头纹。

以上信息为判断年龄的主要依据，为了更精确的分析被测者年龄，本实施例使用轮廓波分析变换对图像进行分析，首先通过尺度变换将图像分解为低频图像和带通图像，之后进行方向滤波，对带通图像进行多方向分解，最后进行分类。

1、尺度变换

尺度变换采用拉普拉斯金字塔,拉普拉斯金字塔变换中包含一个低通滤波器、一个高通滤波器，两个采样矩阵。原始信号X经过低通滤波器和下采样得到一个低通图像a，此低通图像经过上采样和高通滤波器可得到与X图像尺寸相同的信号p，计算X与p的差值，得到一个带通图像b。

令a₀[n]∈V₀代表输入图像，n代表图像像素，a₁[n]∈V₁代表第一次拉普拉斯金字塔分解的低通分量，b₁[n]∈W₁代表第一次拉普拉斯金字塔分解的带通分量。当前的低通分量会作为下一次的输入图像进行新的拉普拉斯金字塔分解。经过J次分解，会得到J个带通分量b_j[n],j＝1,2,...J和一个低通分量a_J[n]∈V_J。各层级分量的关系可表述为公式(1)：

V₀,V₁,...V_J之间的包含关系如公式(2)，V₀为原始图像，v₁为第一次拉普拉斯金字塔分解的低通分量，w₁为第一次拉普拉斯金字塔分解的带通分量，w_j为第j次拉普拉斯金字塔分解的带通分量，随下标增加，尺度逐渐变细，形成图像金字塔。拉普拉斯金字塔多尺度母函数满足双尺度方程(3)，其展开形式如公式(4)，其中表示时域信号，t表示时域坐标，g[n]表示离散域信号，n表示离散域坐标，Z表示正整数集。

2、方向滤波器

方向滤波器利用l级二叉树将图像分解形成2^l个楔形频率分割子带，以3阶二叉树为例，频率分解如图3所示，l＝3。

方向滤波器分为两个模块：第一模块是如图4的钻石形状的Quincunx滤波器组，将二维图像分解为基本水平和基本垂直两个方向；第二模块采用剪切运算符进行进一步的频率细分，相当于对图像进行重采样。

依据多速率恒等原则，方向滤波器的l级二叉树结构等同于2^l个拥有相同滤波器和采样矩阵的并行通道，如图5所示，其中E和D代表方向滤波器，S代表采样矩阵，其表达式如公式(5)，表示l级采样矩阵，l表示滤波器的级数，k表示采样尺度，两种采样矩阵分别对应基本水平和基本垂直两个方向。

方向滤波器的小波基函数表述如公式(6)，其中表示小波基，t表示连续域坐标，j,k,n分别代表尺度、方向和位置变量，l代表分解方向滤波器的层数。在不同尺度上方向滤波器的分解层数可以不同，记作l_j，图像在l_j层的方向滤波器输出计算公式如公式(7)，其中/>表示方向滤波器输出，f表示以/>为小波基的小波变换，将方向滤波器应用于轮廓波分析变换中，不同的变量取值组合，使得轮廓波分析变换在图像分析方面具有灵活的方向性及尺度特征。

3、分类

年龄分层是K分类问题，将K分类问题分解为个二分类问题。将K类中的任意两类配对训练分类器，如此既能令分类样本均衡，又不需要所有样本参与每次分类器训练。由于需训练/>个分类器，因此将分类器进行分层实现，将上层分类器的分层结果传递给下层分类器，根据上层的分类结果安排相邻下层参与分类的样本类别，如此遍历所有分类情况同时使得测试所需的次数减少。

对于二分类问题，需找到众多可行的分割线内定位区分度最佳的一个。如图6所示，图中多条直线可区分为一类点(*点)和二类点(°点)，然而每条直线对于两类点的区分程度有差别，因此需找到区分度最佳的一条。引入公式(8)代表分割线的位置(在对于高维特征空间则对应分割面的位置)：其中ω代表法线方向，b代表分割线相对于原点的位移。需寻找合适的ω和b，使得分割面(线)最佳。

f(x)＝ω^Tx+b (8)

令分割线处f(x)＝0，由于两类样本点位于分割线两侧，可采用符号函数sign(ω^Tx+b)代表两类样本点。为了更直观地观察分类，我们引入变量y_i，将两类样本点表示如公式(9)：

为了简化计算，令y_i＝±1，得：

在不等式左右均乘以y_i，当y_i＝1时，公式10中的上式如公式11

y_i(ω^Tx_i+b)≥1 (11)

当y_i＝-1时，不等式左右均乘以y_i，不等号变号，公式10中的下式也如公式11所示。

每个样本点与分割线的距离不同，距离最近的样本点被称为“支持向量”，对于支持向量而言，有：

其中x₊指一类点中离分割线最近的点、x_-指二类点中离分割线最近的点

支持向量在法线方向上的距离可表示为：

为了得到最佳分割面(线)的位置，必须使得支持向量对应的支撑平面间隔最大，即为了方便求解，将目标函数改写为其倒数，寻优最小值，即：

公式(14)为带约束的优化问题，引入拉格朗日乘子法，将其转换为不带约束的优化问题，如公式(15)，其中a_i为不小于0的权重，m为点的个数：

公式(15)为带三参数的优化问题，先对ω和b参数求偏导，令偏导等于0，将结果带入原公式，得到新的公式(16)：

这样，原问题则转变为常见的寻优问题：

根据公式(17)求得最优a值，而后以a表示ω和b参数，可得到最佳分割面(线)的位置。

对于线性不可分的特征空间，采用一元二次曲线进行二分类。引入了核函数的概念，将不可分的特征空间转换到核空间内，使其在核空间内线性可分。以φ(x)代表映射函数，则求解方程可转换为：

在特征空间，尤其是高维空间内求解φ(x_i)^Tφ(x_j)是十分复杂的，有损分类问题的时效性。采用核函数κ(x_i,x_j)使得公式(19)成立，将低维空间内的内积映射到高维空间内，避免高维空间内的计算，从而大大简化了计算步骤，提高了计算效率。其中核函数使用公式(20)，其中σ指高斯内核的可调参数。

4、实现效果

本实施例使用Caltech 10k Web Faces数据集进行训练和测试，该数据集包含10524张人脸图像和标注信息。该数据含有侧面人脸和极低分辨率人脸，由于该种类型人脸在实际关注度检测中没有识别的意义，因此，挑选了有识别意义的一千张数据，其中700张作为训练集，300张作为测试集。在不同时间邀请了三位专家对这一千张图像的年龄进行判断，综合三位专家的判定结果形成了这一千张图像年龄识别的精标准。对照该标准，对测试集进行测试后的测试结果如下表1；

表1测试集中测试集正确率表

人脸图像数据量	“老年”识别正确率	“中年”识别正确率	“青少年”识别正确率
				300	91.7％	92.7％	92.1％

Claims (8)

1.一种基于机器视觉的广告分析及投放方法，其特征在于，包括以下步骤：

步骤1、电源模块为所有模块供电，并对各个模块进行复位，显示模块随机进行商品广告播放；通过摄像头模块实时采集广告屏幕前路过的行人的状态，摄像头模块采集的视频先经过预处理，同时通过存储控制模块将视频存储在存储模块A中；

步骤2、通过存储控制模块读取存储模块A内的视频，继续进行视频处理：使用yolov3算法对视频内的行人进行检测，同时检测出行人是否关注屏幕上的广告，如果行人有关注广告，记录下行人关注广告的时间；

步骤3、利用数据统计分析模块记录播放的广告编号、播放广告时间、播放广告时屏幕前路过的行人总数、播放广告时观看广告的人数和观看广告的时间，通信控制模块控制无线通信模块将数据统计分析模块记录下的数据传输至后台；并决定下一个要进行推送的商品广告；

步骤4、若数据统计分析模块检测到有行人持续多个推送的商品广告，则通过年龄识别模块对该行人进行年龄层次识别，并将年龄识别数据传输至年龄数据统计模块；

步骤4.1、进行尺度变换：采用拉普拉斯金字塔变换将广告屏幕前路过的行人图像分解为低频图像和带通图像；拉普拉斯金字塔包含一个低通滤波器、一个高通滤波器和两个采样矩阵；

步骤4.2、采用方向滤波器进行方向滤波，对带通图像进行多方向分解；

步骤4.3、进行年龄层次识别分类：年龄分层是K分类问题，将K分类问题分解为个二分类问题；将上层分类器的分层结果传递给下层分类器，根据上层分类器的分层结果，安排相邻下层分类器参与分类的样本类别，遍历所有分类情况；

步骤5、年龄数据统计模块记录整理商品种类、对应的广告编号以及关注该广告的行人年龄层次数据，通信控制模块将年龄数据统计模块记录整理的数据经无线通信模块传输至后台。

2.根据权利要求1所述基于机器视觉的广告分析及投放方法，其特征在于：步骤1中预处理为对摄像头模块采集的视频进行图像去噪。

3.根据权利要求1所述基于机器视觉的广告分析及投放方法，其特征在于，步骤3具体包括如下步骤：

步骤3.1、如果数据统计分析模块检测到有行人完整看完一个商品广告，则不再随机播放广告，显示控制模块从存储模块B中读取该商品的同类型广告内容，通过显示模块播放该商品的同类型广告，在播放完一个同类型广告之后，播放同类型广告对应的商品销售链接；

步骤3.2、如果数据统计分析模块检测到无行人完整看完一个商品广告，则不再播放同类型的商品广告，而是通过显示控制模块读取存储模块B中存储的不同类型的商品广告，并通过显示模块播放该不同类型的商品广告；

步骤3.3、通信控制模块将步骤3.1和步骤3.2中数据统计分析模块针对不同行人作出的广告推送选择由无线通信通信模块传输至后台。

4.根据权利要求1所述基于机器视觉的广告分析及投放方法，其特征在于：步骤1中存储模块A用于存储摄像头模块实时采集的视频数据。

5.根据权利要求3所述基于机器视觉的广告分析及投放方法，其特征在于：步骤3.1中存储模块B用于存储不同类型的商品广告，每个广告对应唯一一个编号。

6.根据权利要求1所述基于机器视觉的广告分析及投放方法，其特征在于，步骤4.1具体包括如下步骤：

步骤4.1.1、将广告屏幕前路过的行人图像X经过低通滤波器和下采样得到低通图像a；低通图像a再经过上采样和高通滤波器得到与X图像尺寸相同的信号p，计算X与p的差值，得到带通图像b；

步骤4.1.2、用a₀[n]∈V₀代表输入的行人图像，n代表行人图像的像素，a₁[n]∈V₁代表第一次拉普拉斯金字塔分解的低通分量，b₁[n]∈W₁代表第一次拉普拉斯金字塔分解的带通分量；将当前的低通分量作为下一次的输入图像，进行新的拉普拉斯金字塔分解；经过J次分解，得到J个带通分量b_j[n],j＝1,2,...J和一个低通分量a_J[n]∈V_J；随下标增加，行人图像尺度逐渐变细，形成图像金字塔；各层级分量的关系表述为公式(1)：

V₀,V₁,...V_J之间的包含关系如公式(2)：

上式(1)至式(2)中，V₀为原始图像，V₁为第一次拉普拉斯金字塔分解的低通分量，w₁为第一次拉普拉斯金字塔分解的带通分量，w_j为第j次拉普拉斯金字塔分解的带通分量；

拉普拉斯金字塔多尺度母函数满足下式(3)的双尺度方程：

双尺度方程的展开形式如下式(4)：

上式(3)至式(4)中，φ(t)表示时域信号，t表示时域坐标，g[n]表示离散域信号，n表示离散域坐标，Z表示正整数集。

7.根据权利要求6所述基于机器视觉的广告分析及投放方法，其特征在于，步骤4.2具体包括如下步骤：

步骤4.2.1、方向滤波器利用l级二叉树将带通图像分解形成2^l个楔形频率分割子带；方向滤波器的第一模块为Quincunx滤波器组，Quincunx滤波器组将二维图像分解为基本水平和基本垂直两个方向：

上式中，S代表采样矩阵，表示l级采样矩阵，l表示方向滤波器的层数，k表示采样尺度；

方向滤波器的小波基函数为：

上式中，表示小波基，t表示连续域坐标，j,k,n分别代表尺度、方向和位置变量，l表示方向滤波器的层数，不同尺度上方向滤波器的分解层数记作l_i，图像在l_i层的方向滤波器输出计算公式为：

上式中，表示方向滤波器输出，f表示以/>为小波基的小波变换；

步骤4.2.2、方向滤波器的第二模块采用剪切运算符进行进一步频率细分；将方向滤波器应用于轮廓波分析变换中。

8.根据权利要求7所述基于机器视觉的广告分析及投放方法，其特征在于，步骤4.3具体包括如下步骤：

步骤4.3.1、找到众多分割线内定位区分度最佳的一个，其中低维特征空间中分割线的位置或高维特征空间中分割面的位置为：

f(x)＝ω^Tx+b (8)

上式中，ω代表法线方向，b代表分割线相对于原点的位移，寻找令分割面或分割线定位区分度最佳的法线方向ω和分割线相对于原点的位移b；

步骤4.3.2、令分割线处f(x)＝0，两类样本点位于分割线两侧，采用符号函数sign(ω^Tx+b)代表两类样本点；引入变量y_i，将两类样本点表示为：

令y_i＝±1，得：

在不等式左右均乘以y_i，当y_i＝1时，公式(10)中ω^Tx_i+b≥1变形为：

y_i(ω^Tx_i+b)≥1 (11)

当y_i＝-1时，公式(10)中ω^Tx_i+b≤-1也变形为式(11)；

将距离分割线最近的样本点作为支持向量，对支持向量有：

上式中，x₊指一类点中离分割线最近的点、x_-指二类点中离分割线最近的点；

将支持向量在法线方向上的距离表示为：

支持向量对应的支撑平面间隔为最大值时；得到最佳分割面或最佳分割线的位置；将/>改写为其倒数，寻优最小值：

引入拉格朗日乘子法，将式(14)由带约束的优化问题转换为不带约束的优化问题：

上式为带三参数的优化问题，先对ω和b求偏导，令偏导等于0，将结果带入式(15)，得式(16)：

根据公式(17)求得最优的a：

然后用a表示ω和b，得到最佳分割面或最佳分割线的位置；

步骤4.3.3、对于线性不可分的特征空间，采用一元二次曲线进行二分类；引入核函数，将不可分的特征空间转换到核空间内，以φ(x)代表映射函数，则求解方程转换为：

采用核函数κ(x_i,x_j)使式(19)成立：

κ(x_i,x_j)＝φ(x_i)^Tφ(x_j)＝〈φ(x_i),φ(x_j)> (19)

将低维空间内的内积映射到高维空间内，核函数κ(x_i,x_j)为：

上式中，σ指高斯内核的可调参数。