CN114139042A - 图像的处理方法、装置、系统、存储介质及处理器 - Google Patents

图像的处理方法、装置、系统、存储介质及处理器 Download PDF

Info

Publication number
CN114139042A
CN114139042A CN202110396967.6A CN202110396967A CN114139042A CN 114139042 A CN114139042 A CN 114139042A CN 202110396967 A CN202110396967 A CN 202110396967A CN 114139042 A CN114139042 A CN 114139042A
Authority
CN
China
Prior art keywords
commodity
information
target object
image
data
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.)
Pending
Application number
CN202110396967.6A
Other languages
English (en)
Inventor
周弘
侯飞跃
王巍
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.)
Alibaba Damo Institute Hangzhou Technology Co Ltd
Original Assignee
Alibaba Group Holding 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 Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Publication of CN114139042A publication Critical patent/CN114139042A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • 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
    • G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
    • 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
    • G06F16/5854—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using shape and object relationship
    • 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
    • G06F16/5862—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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]
    • G06Q30/0631—Item recommendations

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Library & Information Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本发明公开了一种图像的处理方法、装置、系统、存储介质及处理器。其中，该方法包括：如果检测到目标对象进入预定区域，采集目标对象所处的区域内的图像信息；使用图像识别算法处理图像信息，生成与目标对象关联的至少一个商品对象；获取与商品对象匹配的推送信息。本发明解决了相关技术中用户获取到需要的商品时间成本高，效率低的技术问题。

Description

图像的处理方法、装置、系统、存储介质及处理器
技术领域
本发明涉及图像处理领域，具体而言，涉及一种图像的处理方法、装置、系统、存储介质及处理器。
背景技术
用户进入商场中时，一般而言希望买到合适的商品，接受到更精准的服务。当前的服务场景中，需要用户一家一家地进入实体店铺查看自己需要的商品，但这样获取到用户自己需要的商品的时间成本高，效率低。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种图像的处理方法、装置、系统、存储介质及处理器，以至少解决相关技术中用户获取到需要的商品时间成本高，效率低的技术问题。
根据本发明实施例的一个方面，提供了一种图像的处理方法，包括：如果检测到目标对象进入预定区域，采集所述目标对象所处的区域内的图像信息；使用图像识别算法处理所述图像信息，生成与所述目标对象关联的至少一个商品对象；获取与所述商品对象匹配的推送信息。
根据本发明实施例的另一方面，还提供了另一种图像的处理方法，包括：如果检测到目标对象进入预定区域，在交互界面上显示所述目标对象所处的区域内的图像信息；在所述交互界面上展示与所述目标对象关联的至少一个商品对象，其中，使用图像识别算法处理所述图像信息来生成所述商品对象；在所述交互界面上展示与所述商品对象匹配的推送信息。
根据本发明实施例的另一方面，还提供了另一种图像的处理方法，包括：如果检测到目标对象进入预定区域，在操作界面上显示通过拍摄设备采集到的所述目标对象所处的区域内的图像信息；在所述操作界面上显示分辨率低于预定分辨率的情况下，调节所述操作界面上显示结果的分辨率；在所述显示结果的分辨率高于所述预定分辨率的情况下，在所述操作界面上展示与所述目标对象关联的至少一个商品对象，其中，使用图像识别算法处理所述图像信息来生成所述商品对象；在所述操作界面上展示与所述商品对象匹配的推送信息。
根据本发明实施例的另一方面，还提供了另一种图像的处理方法，包括：在交互界面上显示目标对象所处的区域内的图像信息；在所述交互界面上展示与所述目标对象关联的至少一个商品对象，其中，使用图像识别算法处理所述图像信息来生成所述商品对象；在所述交互界面上展示与所述商品对象匹配的推送信息，其中，所述推送信息包括如下至少之一：网络线上购物平台提供的商品信息和网络线下购物实体提供的商品信息。
根据本发明实施例的另一方面，还提供了另一种图像的处理方法，包括：在交互界面上显示目标对象所处的区域内的图像信息；从所述图像信息中裁剪出待识别的图像区域，并识别出所述图像区域内与所述目标对象关联的至少一个商品对象；在所述交互界面上展示所述商品对象；在触发所述交互界面上的推送控件的情况下，在所述交互界面上展示与所述商品对象匹配的推送信息。
在本发明实施例中，采用当检测到目标对象进入预定区域时，采集所述目标对象所处的区域内的图像信息的方式，通过生成与目标对象关联的商品对象并获取与所述商品对象匹配的推送信息，实现了获取与目标对象匹配的商品对象的推送信息的技术效果，进而解决了相关技术中用户获取到需要的商品时间成本高，效率低的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的一种用于实现图像的处理方法的计算机终端的硬件结构框图；
图2是根据本发明实施例1提供的图像的处理方法一的流程图；
图3是根据本发明实施例1提供的图像的处理方法二的流程图；
图4是根据本发明实施例1提供的图像的处理方法三的流程图；
图5是根据本发明实施例1提供的图像的处理方法四的流程图；
图6是根据本发明实施例1提供的图像的处理方法五的流程图；
图7是根据本发明实施例2提供的图像处理装置一的结构框图；
图8是根据本发明实施例2提供的图像处理装置二的结构框图；
图9是根据本发明实施例2提供的图像处理装置三的结构框图；
图10是根据本发明实施例2提供的图像处理装置四的结构框图；
图11是根据本发明实施例2提供的图像处理装置五的结构框图；
图12是根据本发明实施例的一种计算机终端的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等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，以便这里描述的本发明的实施例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“具有”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。
首先，在对本申请实施例进行描述的过程中出现的部分名词或术语适用于如下解释：
商品库，是一种包括预先设置好商品元素的参数的大量商品的集合，商品库中商品的数据列可以包括但不限于商品的形状、颜色、结构、大小、价格、功能、品牌等商品元素的参数。
人工智能，简称为AI，为一种通过计算机程序来呈现人类智能的技术，是系统正确解释外部数据，从这些数据中学习，并利用这些知识通过灵活适应实现特定目标和任务的能力。
实施例1
根据本发明实施例，还提供了一种图像的处理方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。图1示出了一种用于实现图像的处理方法的计算机终端(或移动设备)的硬件结构框图。如图1所示，计算机终端10(或移动设备)可以包括一个或多个(图中采用102a、102b，……，102n来示出)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输模块106。除此以外，还可以包括：显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为BUS总线的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算机终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
应当注意到的是上述一个或多个处理器102和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到计算机终端10(或移动设备)中的其他元件中的任意一个内。如本申请实施例中所涉及到的，该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。
存储器104可用于存储应用软件的软件程序以及模块，如本发明实施例中的图像的处理方法对应的程序指令/数据存储装置，处理器102通过运行存储在存储器104内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的应用程序的漏洞检测方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。
显示器可以例如触摸屏式的液晶显示器(LCD)，该液晶显示器可使得用户能够与计算机终端10(或移动设备)的用户界面进行交互。
此处需要说明的是，在一些可选实施例中，上述图1所示的计算机设备(或移动设备)可以包括硬件元件(包括电路)、软件元件(包括存储在计算机可读介质上的计算机代码)、或硬件元件和软件元件两者的结合。应当指出的是，图1仅为特定具体实例的一个实例，并且旨在示出可存在于上述计算机设备(或移动设备)中的部件的类型。
在上述运行环境下，本申请提供了如图2所示的图像的处理方法。
图2是根据本发明实施例1的图像的处理方法一的流程图。如图2所示，该方法可以包括如下步骤：
步骤S202，如果检测到目标对象进入预定区域，采集目标对象所处的区域内的图像信息；
作为一种可选的实施例，目标对象可以包括进入商场的用户，预定区域可以包括但不限于商场的入口、停车场入口或者商场的特定楼层等与商场相关的区域。检测目标对象是否进入预定区域的方式可以有多种，例如，通过图像采集装置或者图像识别装置处理对应预定区域的图像，当采集或者识别到包含用户的图像的时候则实现检测目标对象已进入预定区域的目的；或者，还可以通过用户的移动设备是否接入附近的该预定区域的无线覆盖范围内，判断用户是否进入了预定区域。在相关技术中，用户进入商场后，获取商品信息的方式为传统的询问或者主动游览查找，效率十分低下且效果不佳。通过检测目标对象是否进入预定区域，可以作为为用户提供精准的商品信息推送服务的基础。通过采集目标对象所处的区域内的图像信息，可以收集到可能与用户相关的物品的信息，作为后续为用户提供可能与之相关的商品信息的依据。
步骤S204，使用图像识别算法处理图像信息，生成与目标对象关联的至少一个商品对象；
作为一种可选的实施例，图像识别算法可以为人工智能的AI算法，也可以为图像识别的自动化算法。生成的与目标对象关联的商品对象，可以是与包括目标对象的图像中出现的物品相关的商品对象，也可以是采用预定的预测算法根据图像中存在的元素信息预测推断出的可能与目标对象存在关联的商品对象。其中，目标对象与至少一个商品对象之间的关联关系可以是，通过图像识别算法识别出目标对象佩戴了眼镜，因而生成与眼镜关联的其他相关的商品；关联关系还可以是，通过图像识别算法识别出目标对象是老年男性，然后根据预定的算法，为该目标对象推荐可能与其相关的商品，例如拐杖、老花镜等。
步骤S206，获取与商品对象匹配的推送信息；
作为一种可选的实施例，与商品对象匹配的推送信息可以包括多种形式。例如，推送信息可以包括是文字，图片，视频，链接等，具体的推送样式可以根据应用场景、用户的习惯、商品的种类进行生成。
通过上述步骤，采用当检测到目标对象进入预定区域时，采集目标对象所处的区域内的图像信息的方式，通过生成与目标对象关联的商品对象并获取与商品对象匹配的推送信息，实现了获取与目标对象匹配的商品对象的推送信息的技术效果，进而解决了相关技术中用户获取到需要的商品时间成本高，效率低的技术问题。
作为一种可选的实施例，使用图像识别算法处理图像信息，生成与目标对象关联的至少一个商品对象时，可以采用多种方式，例如，可以采用以下方式：识别图像信息中不同区域的图像内容时，可以从图像信息中提取目标对象的局部特征；基于目标对象的局部特征，确定位于目标对象不同部位上的商品元素；基于商品元素确定至少一个与目标对象匹配的商品对象，并生成商品对象的标记信息。由于图像信息中包括目标对象的多个不同特征，因而通过对图像中与目标对象可能存在关联的图像内容进行识别，可以获得可能与目标对象相关的商品元素的信息。其中，可能与目标对象存在关联的商品元素的图像内容可以仅位于图像区域的局部区域，所以对图像中局部特征的提取可以更加准确的判断出与目标对象存在关联的商品元素的内容。例如，采集到的图像信息中，目标对象佩戴了眼镜、使用了手机等商品，这些商品元素反映在采集的完整图像中，即为目标对象的局部特征。通过对局部特征的提取与识别，可以更简单、更准确地匹配出与目标对象存在关联性的商品元素。基于确定的商品元素，可以为目标对象匹配一个或多个商品对象。匹配的过程可以使用自动化方法或者人工智能方法，根据确定的商品元素匹配出与之最接近或者最相关的商品对象，并对匹配确定的商品对象进行标记。标记的过程可以通过人工操作，也可以使用计算机的算法或者软件进行。标记信息可以包括匹配出的商品对象的多方面信息，由于不同的商品对象在采集到的图像区域中的呈现状态可以不同，商品对象之间本身也具有性质差异，因而不同的商品对象可以包括不同类型的标记信息。例如，当商品对象为手机时，标记信息可以包括颜色、品牌、大小、形状等；而当商品对象为外套时，标记信息可以包括颜色、款式、材质、版型等。
作为一种可选的实施例，目标对象的局部特征包括如下至少之一：目标对象的生物特征信息、携带物品的物品信息和位于目标对象所处的预定范围内的物品特征。通过对目标信息的局部特征的全面、详细的提取和分析，可以为用户提供更准确、更智能的推送服务。例如，通过提取、识别目标对象的生物特征信息，例如，年龄、性别、身高、体貌、身份等信息，可以为目标对象提供更准确合理的商品推送信息，避免推送与其无关的商品；通过提取、识别目标对象携带物品的物品信息，可以扩大识别范围，将更多可能与目标对象相关的商品信息纳入考量。例如，女士出入商场时携带的手提包等。位于目标对象所处的预定范围内的物品特征也可能与目标对象相关，例如，当目标对象推着婴儿车进入商场时，通过对目标对象附近的婴儿车的识别，可以判断目标对象可能为照料婴儿的父母，并在之后据此为其推送与婴儿用品相关的商品信息。
作为一种可选的实施例，在基于商品元素确定至少一个与目标对象匹配的商品对象，并生成商品对象的标记信息之后，方法还包括：将商品对象的标记信息与商品库中至少一个商品的标签进行匹配；在匹配成功的情况下，获取商品库中匹配到的商品的商品信息。商品库是一种包括预先设置好商品元素的参数的大量商品的集合，商品库中商品的数据列可以包括但不限于商品的形状、颜色、结构、大小、价格、功能、品牌等商品元素的参数。基于商品对象的标记信息，与商品库中的商品进行匹配操作，可以包括自动化的匹配查找操作，例如，将标记信息中的全部或者部分商品元素参数与商品库中的某一商品的商品元素参数相同时，认为匹配成功，并将匹配成功的商品的商品信息反馈，其中，反馈的商品信息包括该商品与标记信息相同的商品元素的参数，也包括该商品在商品库中存储的其他参数。
作为一种可选的实施例，获取与商品对象匹配的推送信息，包括：提取商品信息中的关键内容，将提取到的关键内容录入信息模板，生成推送信息，其中，关键内容包括：关键词、关键视频和关键图片。通过信息模板，可以高效快速地生成推送信息。信息模板的形式可以有多种，例如，信息模板可以包括文字、图像或者视频的格式，或者兼而有之。如何选择信息模板可以根据商品的类型与特点，选择最适合的信息模板的格式，也可以根据商品库中对应商品的存储数据的类型，确定信息模板的格式。
作为一种可选的实施例，在获取与商品对象匹配的推送信息之后，方法还包括：将推送信息推送给目标对象所持有的移动设备；接收移动设备响应推送信息而生成的反馈结果，其中，反馈结果包括：商品对象的浏览信息、支付信息、评价信息和转发信息。通过将推送信息推送给目标对象并接受目标对象的反馈结果，可以了解到该次推送的效果，并可以支持根据反馈结果进一步优化商品信息的推送算法，从而形成闭环推送，提升推送效果。
作为一种可选的实施例，在获取与商品对象匹配的推送信息之后，方法还包括：提取推送信息中的商品数据，其中，商品数据包括如下至少之一：商品图片、商品视频和用于描述商品的语句；对商品数据进行相似度检测；如果检测到与商品数据的相似度超过预定阈值的对象，对商品数据进行预处理。本可选实施例中，可以对推送信息中的商品数据进行检测，例如，通过对商品数据进行相似度检测，可以检测推送信息中的商品数据是否为原创的商品数据。通过将推送信息中的商品数据与其他来源的商品数据进行相似度检测，例如，其他来自互联网的商品数据，可以判断推送信息中的商品数据是否为原创。通过上述技术方案，可以有效避免当前存在的商品盗图、虚假信息等现象，即推送信息中的商品数据与商品的实际图像、实际数据不符的现象。当检测到推送信息中的商品数据与其他来源的商品的数据相似度超过阈值时，可以认为该推送信息中的商品数据存在盗图或者虚假信息的现象，或者该商品数据可信度不高，因而可以通过对其进行预处理，调整之前的推送策略。
作为一种可选的实施例，商品数据为包含了历史评价信息的数据，其中，如果检测到与商品数据的相似度高于预定阈值的对象，确定评价信息为失效的评价信息。历史评价信息可以包括其他用户已经对该款产品做出的评价信息。当推送信息中的商品数据与其他对象的相似度高于预定阈值的话，可以推断该推送信息中的商品数据可能存在失真，因而，对该商品的历史评价也有可能存在失真的情况。因此，可以将该情况下的商品数据中的历史评价信息确定为失效的评价信息。
作为一种可选的实施例，对商品数据进行预处理包括如下至少之一：降低商品数据的曝光率；降低商品数据对应的推荐优先级；提示商品数据为失效信息，并删除商品数据；采用预测数据来替换商品数据，其中，预测数据为使用人工智能识别算法分析商品数据中包含的商品信息而生成的数据。对商品进行上述预处理，可以适当改变推送信息的推送策略，进而为目标对象提供更加准确可靠的推送信息。其中，降低商品数据的曝光率，降低商品数据对应的推荐优先级，提示商品数据为失效信息，并删除商品数据等方法可以实现对可能存在问题的商品数据在推送方面进行限制，因而可以提高推送给目标用户的商品信息的可靠程度。此外，采用预测数据来替换商品数据，可以通过人工智能识别算法，将可能存在问题的商品数据，替换为更加可靠、准确的同类型商品的商品数据。
作为一种可选的实施例，在商品数据为商品图片或商品视频的情况下，其中，在提取推送信息中的商品数据之后，还可以对商品图片或商品视频进行分辨率检测；如果商品图片或商品视频的分辨率低于预设值，则基于商品图片或商品视频的内容生成预定分辨率的图像数据；使用生成的图像数据来替换原始的商品图片或商品视频。对商品图像或者商品视频进行分辨率检测并在分辨率低于预设值的情况下替换现有的商品图像与商品视频，可以避免为目标对象推送的推送信息中的图像质量过低，进而增强目标对象对推送信息中的商品图像的识别，改善其使用体验，促进购买。基于商品图片或者商品视频的内容生成的满足预定分辨率的图像数据可以是根据预定算法提高了分辨率的原图片或者原视频；也可以是根据预定算法，根据商品数据中记载的该商品的标签或者特征生成的新的图片或者视频；还可以是根据预定算法，根据商品数据中记载的该商品的标签或者特征在其他数据库或者网络中匹配到的同一商品的图片或者视频。
作为一种可选的实施例，在使用图像识别算法处理图像信息，生成与目标对象关联的至少一个商品对象之后，还可以采集目标对象录入的对象信息，其中，对象信息包括如下至少之一：目标对象所持有的移动设备的设备信息、目标对象的健康码信息和注册信息；基于目标对象的对象信息，确定目标对象的权限；其中，在目标对象的权限为全开放的情况下，将目标对象的对象信息与商品对象进行关联，并将推送信息发送给目标对象；在目标对象的权限为半开放的情况下，采用过滤条件对推送信息进行筛选，并将筛选结果发送给目标对象；在目标对象的权限为禁止开放的情况下，禁止将推送信息发送给目标对象，或发送提示信息给目标对象。通过基于目标对象的对象信息确定目标对象的权限，可以确定是否将推送信息推送给目标对象。通过上述方法，可以允许目标对象自主选择是否接受信息推送服务和想要接收什么程度的信息推送服务。通过上述处理，可以提升用户的自主性，避免用户感受到强迫被推送的感觉。
在本发明实施例中，还提供了另一种图像的处理方法，图3是根据本发明实施例1的图像处理方法二的流程图，如图3所示，该流程包括如下步骤：
步骤S302，如果检测到目标对象进入预定区域，在交互界面上显示目标对象所处的区域内的图像信息；
步骤S304，在交互界面上展示与目标对象关联的至少一个商品对象，其中，使用图像识别算法处理图像信息来生成商品对象；
步骤S306，在交互界面上展示与商品对象匹配的推送信息。
通过上述处理，在交互界面上显示目标对象所处区域的图像信息，对应展示与目标对象关联的至少一个商品对象，以及对应展示与商品对象匹配的推送信息，不仅实现了获取与目标对象匹配的商品对象的推送信息的技术效果，解决了相关技术中用户获取到需要的商品时间成本高，效率低的技术问题；而且，使得向目标对象推送匹配的商品对象的过程清晰，避免在推送时过程出错难以查找的问题。
在本发明实施例中，还提供了另一种图像的处理方法，图4是根据本发明实施例1的图像处理方法三的流程图，如图4所示，该流程包括如下步骤：
步骤S402，如果检测到目标对象进入预定区域，在操作界面上显示通过拍摄设备采集到的目标对象所处的区域内的图像信息；
步骤S404，在操作界面上显示分辨率低于预定分辨率的情况下，调节操作界面上显示结果的分辨率；
步骤S406，在显示结果的分辨率高于预定分辨率的情况下，在操作界面上展示与目标对象关联的至少一个商品对象，其中，使用图像识别算法处理图像信息来生成商品对象；
步骤S408，在操作界面上展示与商品对象匹配的推送信息。
通过上述处理，通过在操作界面展示目标对象所处的区域内的图像信息并当显示分辨率低于预定分辨率的情况下，调节操作界面上显示结果的分辨率，达到了在操作界面上高分辨率地展示与目标对象关联的至少一个商品对象，进而提高推送信息的准确性的技术效果。
在本发明实施例中，还提供了另一种图像的处理方法，图5是根据本发明实施例1的图像处理方法四的流程图，如图5所示，该流程包括如下步骤：
步骤S502，在交互界面上显示目标对象所处的区域内的图像信息；
步骤S504，在交互界面上展示与目标对象关联的至少一个商品对象，其中，使用图像识别算法处理图像信息来生成商品对象；
步骤S506，在交互界面上展示与商品对象匹配的推送信息，其中，推送信息包括如下至少之一：网络线上购物平台提供的商品信息和网络线下购物实体提供的商品信息。
采用上述处理，通过在交互界面上展示包括网络线上购物平台提供的商品信息和网络线下购物实体提供的商品信息，丰富了为目标对象提供的与商品对象匹配的推送信息的范围。例如，用户进入商场等实体购物场所时，可以为其推送包括该商场内的商品信息的推送信息，也可以为其推送包括与该用户相关的来自互联网线上购物平台的商品信息的推送信息，丰富了用户获取商品信息的来源渠道。
在本发明实施例中，还提供了另一种图像的处理方法，图6是根据本发明实施例1的图像处理方法五的流程图，如图6所示，该流程包括如下步骤：
步骤S602，在交互界面上显示目标对象所处的区域内的图像信息；
步骤S604，从图像信息中裁剪出待识别的图像区域，并识别出图像区域内与目标对象关联的至少一个商品对象；
步骤S606，在交互界面上展示商品对象；
步骤S608，在触发交互界面上的推送控件的情况下，在交互界面上展示与商品对象匹配的推送信息。
通过上述处理，通过从交互界面显示的图像信息中裁剪出待识别的图像区域，并识别出图像区域内与目标对象关联的至少一个商品对象，以及在交互界面上展示商品对象，使得用户可以依据交互界面获取到需要的推送信息。另外，目标对象可以通过触发交互界面上的推送控件，主动控制是否通过交互界面获取与商品对象匹配的推送信息，提高了目标对象对于是否接受推送服务的自主性。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的图像的处理方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例的方法。
实施例2
根据本发明实施例，还提供了一种用于实施上述图像处理方法一的装置，图7是根据本发明实施例提供的图像处理装置一的结构框图。如图7所示，该图像处理装置一700包括：第一采集模块702，第一生成模块704和第一获取模块706。下面对该图像处理装置一进行详细说明：
第一采集模块702，用于当检测到目标对象进入预定区域时，采集目标对象所处的区域内的图像信息；
第一生成模块704，连接至上述第一采集模块702，用于使用图像识别算法处理图像信息，生成与目标对象关联的至少一个商品对象；
第一获取模块706，连接至上述第一生成模块704，用于获取与商品对象匹配的推送信息。
此处需要说明的是，上述第一采集模块702，第一生成模块704和第一获取模块706对应于实施例1中的步骤S202至步骤S206，三个模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在实施例1提供的计算机终端10中。
根据本发明实施例，还提供了一种用于实现上述图像处理方法二的装置。图8是根据本发明实施例提供的图像处理装置二的结构框图，如图8所示，该图像处理装置二800包括：第一显示模块802，第二显示模块804和第三显示模块806。下面对该图像处理装置二进行详细说明：
第一显示模块802，用于当检测到目标对象进入预定区域时，在交互界面上显示目标对象所处的区域内的图像信息；
第二显示模块804，连接至上述第一显示模块802，用于在交互界面上展示与目标对象关联的至少一个商品对象，其中，使用图像识别算法处理图像信息来生成商品对象；
第三显示模块806，连接至上述第二显示模块804，用于在交互界面上展示与商品对象匹配的推送信息。
此处需要说明的是，上述第一显示模块802，第二显示模块804和第三显示模块806对应于实施例1中的步骤S302至步骤S306，三个模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在实施例1提供的计算机终端10中。
根据本发明实施例，还提供了一种用于实现上述图像处理方法三的装置。图9是根据本发明实施例提供的图像处理装置三的结构框图，如图9所示，该图像处理装置三900包括：第四显示模块902，第一调节模块904、第五显示模块906和第六显示模块908。下面对该图像处理装置三进行详细说明：
第四显示模块902，用于当检测到目标对象进入预定区域时，在操作界面上显示通过拍摄设备采集到的目标对象所处的区域内的图像信息；
第一调节模块904，连接至上述第四显示模块902，用于在操作界面上显示分辨率低于预定分辨率的情况下，调节操作界面上显示结果的分辨率；
第五显示模块906，连接至上述第一调节模块904，用于在显示结果的分辨率高于预定分辨率的情况下，在操作界面上展示与目标对象关联的至少一个商品对象，其中，使用图像识别算法处理图像信息来生成商品对象；
第六显示模块908，连接至上述第五显示模块906，用于在操作界面上展示与商品对象匹配的推送信息。
此处需要说明的是，上述第四显示模块902，第一调节模块904、第五显示模块906和第六显示模块908对应于实施例1中的步骤S402至步骤S408，四个模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在实施例1提供的计算机终端10中。
根据本发明实施例，还提供了一种用于实现上述图像处理方法四的装置。图10是根据本发明实施例提供的图像处理装置四的结构框图，如图10所示，该图像处理装置四1000包括：第七显示模块1002，第八显示模块1004和第九显示模块1006。下面对该图像处理装置四进行详细说明：
第七显示模块1002，用于在交互界面上显示目标对象所处的区域内的图像信息；
第八显示模块1004，连接至上述第七显示模块1002，用于在交互界面上展示与目标对象关联的至少一个商品对象，其中，使用图像识别算法处理图像信息来生成商品对象；
第九显示模块1006，连接至上述第八显示模块1004，用于在交互界面上展示与商品对象匹配的推送信息，其中，推送信息包括如下至少之一：网络线上购物平台提供的商品信息和网络线下购物实体提供的商品信息。
此处需要说明的是，上述第七显示模块1002，第八显示模块1004和第九显示模块1006对应于实施例1中的步骤S502至步骤S506，三个模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在实施例1提供的计算机终端10中。
根据本发明实施例，还提供了一种用于实现上述图像处理方法五的装置。图11是根据本发明实施例提供的图像处理装置五的结构框图，如图11所示，该图像处理装置五1100包括：第十显示模块1102，第一识别模块1104，第十一显示模块1106和第十二显示模块1108。下面对该图像处理装置五进行详细说明：
第十显示模块1102，用于在交互界面上显示目标对象所处的区域内的图像信息；
第一识别模块1104，连接至上述第十显示模块1102，用于从图像信息中裁剪出待识别的图像区域，并识别出图像区域内与目标对象关联的至少一个商品对象；
第十一显示模块1106，连接至上述第一识别模块1104，用于在交互界面上展示商品对象；
第十二显示模块1108，连接至上述第十一显示模块1106，用于在触发交互界面上的推送控件的情况下，在交互界面上展示与商品对象匹配的推送信息。
此处需要说明的是，上述第十显示模块1102，第一识别模块1104，第十一显示模块1106和第十二显示模块1108对应于实施例1中的步骤S602至步骤S608，四个模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在实施例1提供的计算机终端10中。
实施例3
本发明的实施例可以提供一种计算机终端，该计算机终端可以是计算机终端群中的任意一个计算机终端设备。可选地，在本实施例中，上述计算机终端也可以替换为移动终端等终端设备。
可选地，在本实施例中，上述计算机终端可以位于计算机网络的多个网络设备中的至少一个网络设备。
在本实施例中，上述计算机终端可以执行应用程序的图像的处理方法中以下步骤的程序代码：如果检测到目标对象进入预定区域，采集目标对象所处的区域内的图像信息；使用图像识别算法处理图像信息，生成与目标对象关联的至少一个商品对象；获取与商品对象匹配的推送信息。
可选地，图12是根据本发明实施例的一种计算机终端的结构框图。如图12所示，该计算机终端可以包括：一个或多个(图中仅示出一个)处理器1202、存储器1204。
其中，存储器1204可用于存储软件程序以及模块，如本发明实施例中的图像的处理方法和装置对应的程序指令/模块，处理器通过运行存储在存储器内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的图像的处理方法。存储器可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：如果检测到目标对象进入预定区域，采集目标对象所处的区域内的图像信息；使用图像识别算法处理图像信息，生成与目标对象关联的至少一个商品对象；获取与商品对象匹配的推送信息。
可选的，上述处理器还可以执行如下步骤的程序代码：识别图像信息中不同区域的图像内容，从图像信息中提取目标对象的局部特征；基于目标对象的局部特征，确定位于目标对象不同部位上的商品元素；基于商品元素确定至少一个与目标对象匹配的商品对象，并生成商品对象的标记信息。
可选的，上述处理器还可以执行如下步骤的程序代码：目标对象的局部特征包括如下至少之一：目标对象的生物特征信息、携带物品的物品信息和位于目标对象所处的预定范围内的物品特征。
可选的，上述处理器还可以执行如下步骤的程序代码：在基于商品元素确定至少一个与目标对象匹配的商品对象，并生成商品对象的标记信息之后，方法还包括：将商品对象的标记信息与商品库中至少一个商品的标签进行匹配；在匹配成功的情况下，获取商品库中匹配到的商品的商品信息。
可选的，上述处理器还可以执行如下步骤的程序代码：获取与商品对象匹配的推送信息，包括：提取商品信息中的关键内容，将提取到的关键内容录入信息模板，生成推送信息，其中，关键内容包括：关键词、关键视频和关键图片。
可选的，上述处理器还可以执行如下步骤的程序代码：在获取与商品对象匹配的推送信息之后，方法还包括：将推送信息推送给目标对象所持有的移动设备；接收移动设备响应推送信息而生成的反馈结果，其中，反馈结果包括：商品对象的浏览信息、支付信息、评价信息和转发信息。
可选的，上述处理器还可以执行如下步骤的程序代码：在获取与商品对象匹配的推送信息之后，方法还包括：提取推送信息中的商品数据，其中，商品数据包括如下至少之一：商品图片、商品视频和用于描述商品的语句；对商品数据进行相似度检测；如果检测到与商品数据的相似度超过预定阈值的对象，对商品数据进行预处理。
可选的，上述处理器还可以执行如下步骤的程序代码：商品数据为包含了历史评价信息的数据，其中，如果检测到与商品数据的相似度高于预定阈值的对象，确定评价信息为失效的评价信息。
可选的，上述处理器还可以执行如下步骤的程序代码：对商品数据进行预处理包括如下至少之一：降低商品数据的曝光率；降低商品数据对应的推荐优先级；提示商品数据为失效信息，并删除商品数据；采用预测数据来替换商品数据，其中，预测数据为使用人工智能识别算法分析商品数据中包含的商品信息而生成的数据。
可选的，上述处理器还可以执行如下步骤的程序代码：在商品数据为商品图片或商品视频的情况下，其中，在提取推送信息中的商品数据之后，方法还包括：对商品图片或商品视频进行分辨率检测；如果商品图片或商品视频的分辨率低于预设值，则基于商品图片或商品视频的内容生成预定分辨率的图像数据；使用生成的图像数据来替换原始的商品图片或商品视频。
可选的，上述处理器还可以执行如下步骤的程序代码：在使用图像识别算法处理图像信息，生成与目标对象关联的至少一个商品对象之后，方法还包括：采集目标对象录入的对象信息，其中，对象信息包括如下至少之一：目标对象所持有的移动设备的设备信息、目标对象的健康码信息和注册信息；基于目标对象的对象信息，确定目标对象的权限；其中，在目标对象的权限为全开放的情况下，将目标对象的对象信息与商品对象进行关联，并将推送信息发送给目标对象；在目标对象的权限为半开放的情况下，采用过滤条件对推送信息进行筛选，并将筛选结果发送给目标对象；在目标对象的权限为禁止开放的情况下，禁止将推送信息发送给目标对象，或发送提示信息给目标对象。
作为一种可选的实施例，处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：如果检测到目标对象进入预定区域，在交互界面上显示目标对象所处的区域内的图像信息；在交互界面上展示与目标对象关联的至少一个商品对象，其中，使用图像识别算法处理图像信息来生成商品对象；在交互界面上展示与商品对象匹配的推送信息。
作为一种可选的实施例，处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：如果检测到目标对象进入预定区域，在操作界面上显示通过拍摄设备采集到的目标对象所处的区域内的图像信息；在操作界面上显示分辨率低于预定分辨率的情况下，调节操作界面上显示结果的分辨率；在显示结果的分辨率高于预定分辨率的情况下，在操作界面上展示与目标对象关联的至少一个商品对象，其中，使用图像识别算法处理图像信息来生成商品对象；在操作界面上展示与商品对象匹配的推送信息。
作为一种可选的实施例，处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：在交互界面上显示目标对象所处的区域内的图像信息；在交互界面上展示与目标对象关联的至少一个商品对象，其中，使用图像识别算法处理图像信息来生成商品对象；在交互界面上展示与商品对象匹配的推送信息，其中，推送信息包括如下至少之一：网络线上购物平台提供的商品信息和网络线下购物实体提供的商品信息。
作为一种可选的实施例，处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：在交互界面上显示目标对象所处的区域内的图像信息；从图像信息中裁剪出待识别的图像区域，并识别出图像区域内与目标对象关联的至少一个商品对象；在交互界面上展示商品对象；在触发交互界面上的推送控件的情况下，在交互界面上展示与商品对象匹配的推送信息。
采用本发明实施例，提供了一种图像处理的方案。通过采集目标对象所处的区域内的图像信息的方式，通过生成与目标对象关联的商品对象并获取与商品对象匹配的推送信息，实现了获取与目标对象匹配的推送信息的技术效果，进而解决了相关技术中缺少有效的推送信息生成方法的技术问题。
本领域普通技术人员可以理解，图12所示的结构仅为示意，计算机终端也可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌声电脑以及移动互联网设备(MobileInternet Devices，MID)、PAD等终端设备。图12其并不对上述电子装置的结构造成限定。例如，计算机终端12还可包括比图12中所示更多或者更少的组件(如网络接口、显示装置等)，或者具有与图12所示不同的配置。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(RandomAccess Memory，RAM)、磁盘或光盘等。
实施例4
本发明的实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于保存上述实施例一所提供的图像的处理方法所执行的程序代码。
可选地，在本实施例中，上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：如果检测到目标对象进入预定区域，采集目标对象所处的区域内的图像信息；使用图像识别算法处理图像信息，生成与目标对象关联的至少一个商品对象；获取与商品对象匹配的推送信息。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：使用图像识别算法处理图像信息，生成与目标对象关联的至少一个商品对象，包括：识别图像信息中不同区域的图像内容，从图像信息中提取目标对象的局部特征；基于目标对象的局部特征，确定位于目标对象不同部位上的商品元素；基于商品元素确定至少一个与目标对象匹配的商品对象，并生成商品对象的标记信息。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：目标对象的局部特征包括如下至少之一：目标对象的生物特征信息、携带物品的物品信息和位于目标对象所处的预定范围内的物品特征。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：在基于商品元素确定至少一个与目标对象匹配的商品对象，并生成商品对象的标记信息之后，方法还包括：将商品对象的标记信息与商品库中至少一个商品的标签进行匹配；在匹配成功的情况下，获取商品库中匹配到的商品的商品信息。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：获取与商品对象匹配的推送信息，包括：提取商品信息中的关键内容，将提取到的关键内容录入信息模板，生成推送信息，其中，关键内容包括：关键词、关键视频和关键图片。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：在获取与商品对象匹配的推送信息之后，方法还包括：将推送信息推送给目标对象所持有的移动设备；接收移动设备响应推送信息而生成的反馈结果，其中，反馈结果包括：商品对象的浏览信息、支付信息、评价信息和转发信息。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：在获取与商品对象匹配的推送信息之后，方法还包括：提取推送信息中的商品数据，其中，商品数据包括如下至少之一：商品图片、商品视频和用于描述商品的语句；对商品数据进行相似度检测；如果检测到与商品数据的相似度超过预定阈值的对象，对商品数据进行预处理。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：商品数据为包含了历史评价信息的数据，其中，如果检测到与商品数据的相似度高于预定阈值的对象，确定评价信息为失效的评价信息。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：对商品数据进行预处理包括如下至少之一：降低商品数据的曝光率；降低商品数据对应的推荐优先级；提示商品数据为失效信息，并删除商品数据；采用预测数据来替换商品数据，其中，预测数据为使用人工智能识别算法分析商品数据中包含的商品信息而生成的数据。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：在商品数据为商品图片或商品视频的情况下，其中，在提取推送信息中的商品数据之后，方法还包括：对商品图片或商品视频进行分辨率检测；如果商品图片或商品视频的分辨率低于预设值，则基于商品图片或商品视频的内容生成预定分辨率的图像数据；使用生成的图像数据来替换原始的商品图片或商品视频。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：在使用图像识别算法处理图像信息，生成与目标对象关联的至少一个商品对象之后，方法还包括：采集目标对象录入的对象信息，其中，对象信息包括如下至少之一：目标对象所持有的移动设备的设备信息、目标对象的健康码信息和注册信息；基于目标对象的对象信息，确定目标对象的权限；其中，在目标对象的权限为全开放的情况下，将目标对象的对象信息与商品对象进行关联，并将推送信息发送给目标对象；在目标对象的权限为半开放的情况下，采用过滤条件对推送信息进行筛选，并将筛选结果发送给目标对象；在目标对象的权限为禁止开放的情况下，禁止将推送信息发送给目标对象，或发送提示信息给目标对象。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：如果检测到目标对象进入预定区域，在交互界面上显示目标对象所处的区域内的图像信息；在交互界面上展示与目标对象关联的至少一个商品对象，其中，使用图像识别算法处理图像信息来生成商品对象；在交互界面上展示与商品对象匹配的推送信息。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：如果检测到目标对象进入预定区域，在操作界面上显示通过拍摄设备采集到的目标对象所处的区域内的图像信息；在操作界面上显示分辨率低于预定分辨率的情况下，调节操作界面上显示结果的分辨率；在显示结果的分辨率高于预定分辨率的情况下，在操作界面上展示与目标对象关联的至少一个商品对象，其中，使用图像识别算法处理图像信息来生成商品对象；在操作界面上展示与商品对象匹配的推送信息。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：在交互界面上显示目标对象所处的区域内的图像信息；在交互界面上展示与目标对象关联的至少一个商品对象，其中，使用图像识别算法处理图像信息来生成商品对象；在交互界面上展示与商品对象匹配的推送信息，其中，推送信息包括如下至少之一：网络线上购物平台提供的商品信息和网络线下购物实体提供的商品信息。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：在交互界面上显示目标对象所处的区域内的图像信息；从图像信息中裁剪出待识别的图像区域，并识别出图像区域内与目标对象关联的至少一个商品对象；在交互界面上展示商品对象；在触发交互界面上的推送控件的情况下，在交互界面上展示与商品对象匹配的推送信息。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，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，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
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，在本发明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，本发明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(可为个人计算机、服务器或者网络设备等)执行本发明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、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (19)

1.一种图像的处理方法，其特征在于，包括：
如果检测到目标对象进入预定区域，采集所述目标对象所处的区域内的图像信息；
使用图像识别算法处理所述图像信息，生成与所述目标对象关联的至少一个商品对象；
获取与所述商品对象匹配的推送信息。
2.根据权利要求1所述的方法，其特征在于，使用图像识别算法处理所述图像信息，生成与所述目标对象关联的至少一个商品对象，包括：
识别所述图像信息中不同区域的图像内容，从所述图像信息中提取所述目标对象的局部特征；
基于所述目标对象的局部特征，确定位于所述目标对象不同部位上的商品元素；
基于所述商品元素确定至少一个与所述目标对象匹配的商品对象，并生成所述商品对象的标记信息。
3.根据权利要求2所述的方法，其特征在于，所述目标对象的局部特征包括如下至少之一：所述目标对象的生物特征信息、携带物品的物品信息和位于所述目标对象所处的预定范围内的物品特征。
4.根据权利要求2所述的方法，其特征在于，在基于所述商品元素确定至少一个与所述目标对象匹配的商品对象，并生成所述商品对象的标记信息之后，所述方法还包括：
将所述商品对象的标记信息与商品库中至少一个商品的标签进行匹配；
在匹配成功的情况下，获取所述商品库中匹配到的商品的商品信息。
5.根据权利要求4所述的方法，其特征在于，获取与所述商品对象匹配的推送信息，包括：提取所述商品信息中的关键内容，将提取到的所述关键内容录入信息模板，生成所述推送信息，其中，所述关键内容包括：关键词、关键视频和关键图片。
6.根据权利要求1所述的方法，其特征在于，在获取与所述商品对象匹配的推送信息之后，所述方法还包括：
将所述推送信息推送给所述目标对象所持有的移动设备；
接收所述移动设备响应所述推送信息而生成的反馈结果，其中，所述反馈结果包括：所述商品对象的浏览信息、支付信息、评价信息和转发信息。
7.根据权利要求1至6中任意一项所述的方法，其特征在于，在获取与所述商品对象匹配的推送信息之后，所述方法还包括：
提取所述推送信息中的商品数据，其中，所述商品数据包括如下至少之一：商品图片、商品视频和用于描述商品的语句；
对所述商品数据进行相似度检测；
如果检测到与所述商品数据的相似度超过预定阈值的对象，对所述商品数据进行预处理。
8.根据权利要求7所述的方法，其特征在于，所述商品数据为包含了历史评价信息的数据，其中，如果检测到与所述商品数据的相似度高于预定阈值的对象，确定所述评价信息为失效的评价信息。
9.根据权利要求7所述的方法，其特征在于，对所述商品数据进行预处理包括如下至少之一：
降低所述商品数据的曝光率；
降低所述商品数据对应的推荐优先级；
提示所述商品数据为失效信息，并删除所述商品数据；
采用预测数据来替换所述商品数据，其中，所述预测数据为使用人工智能识别算法分析所述商品数据中包含的商品信息而生成的数据。
10.根据权利要求7所述的方法，其特征在于，在所述商品数据为商品图片或商品视频的情况下，其中，在提取所述推送信息中的商品数据之后，所述方法还包括：
对所述商品图片或商品视频进行分辨率检测；
如果所述商品图片或商品视频的分辨率低于预设值，则基于所述商品图片或商品视频的内容生成预定分辨率的图像数据；
使用生成的图像数据来替换原始的商品图片或商品视频。
11.根据权利要求1所述的方法，其特征在于，在使用图像识别算法处理所述图像信息，生成与所述目标对象关联的至少一个商品对象之后，所述方法还包括：
采集所述目标对象录入的对象信息，其中，所述对象信息包括如下至少之一：所述目标对象所持有的移动设备的设备信息、所述目标对象的健康码信息和注册信息；
基于所述目标对象的对象信息，确定所述目标对象的权限；
其中，在所述目标对象的权限为全开放的情况下，将所述目标对象的对象信息与所述商品对象进行关联，并将所述推送信息发送给所述目标对象；在所述目标对象的权限为半开放的情况下，采用过滤条件对所述推送信息进行筛选，并将筛选结果发送给所述目标对象；在所述目标对象的权限为禁止开放的情况下，禁止将所述推送信息发送给所述目标对象，或发送提示信息给所述目标对象。
12.一种图像的处理方法，其特征在于，包括：
如果检测到目标对象进入预定区域，在交互界面上显示所述目标对象所处的区域内的图像信息；
在所述交互界面上展示与所述目标对象关联的至少一个商品对象，其中，使用图像识别算法处理所述图像信息来生成所述商品对象；
在所述交互界面上展示与所述商品对象匹配的推送信息。
13.一种图像的处理方法，其特征在于，包括：
如果检测到目标对象进入预定区域，在操作界面上显示通过拍摄设备采集到的所述目标对象所处的区域内的图像信息；
在所述操作界面上显示分辨率低于预定分辨率的情况下，调节所述操作界面上显示结果的分辨率；
在所述显示结果的分辨率高于所述预定分辨率的情况下，在所述操作界面上展示与所述目标对象关联的至少一个商品对象，其中，使用图像识别算法处理所述图像信息来生成所述商品对象；
在所述操作界面上展示与所述商品对象匹配的推送信息。
14.一种图像的处理方法，其特征在于，包括：
在交互界面上显示目标对象所处的区域内的图像信息；
在所述交互界面上展示与所述目标对象关联的至少一个商品对象，其中，使用图像识别算法处理所述图像信息来生成所述商品对象；
在所述交互界面上展示与所述商品对象匹配的推送信息，其中，所述推送信息包括如下至少之一：网络线上购物平台提供的商品信息和网络线下购物实体提供的商品信息。
15.一种图像的处理方法，其特征在于，包括：
在交互界面上显示目标对象所处的区域内的图像信息；
从所述图像信息中裁剪出待识别的图像区域，并识别出所述图像区域内与所述目标对象关联的至少一个商品对象；
在所述交互界面上展示所述商品对象；
在触发所述交互界面上的推送控件的情况下，在所述交互界面上展示与所述商品对象匹配的推送信息。
16.一种图像的处理装置，其特征在于，包括：
第一采集模块，用于当检测到目标对象进入预定区域，采集所述目标对象所处的区域内的图像信息；
第一生成模块，用于使用图像识别算法处理所述图像信息，生成与所述目标对象关联的至少一个商品对象；
第一获取模块，用于获取与所述商品对象匹配的推送信息。
17.一种计算机可读存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至15中任意一项所述的图像的处理方法。
18.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至15中任意一项所述的图像的处理方法。
19.一种图像的处理系统，其特征在于，包括：
处理器；
存储器，与所述处理器连接，用于为所述处理器提供处理以下处理步骤的指令：如果检测到目标对象进入预定区域，采集所述目标对象所处的区域内的图像信息；使用图像识别算法处理所述图像信息，生成与所述目标对象关联的至少一个商品对象；获取与所述商品对象匹配的推送信息。
CN202110396967.6A 2020-09-03 2021-04-13 图像的处理方法、装置、系统、存储介质及处理器 Pending CN114139042A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2020109166493 2020-09-03
CN202010916649 2020-09-03

Publications (1)

Publication Number Publication Date
CN114139042A true CN114139042A (zh) 2022-03-04

Family

ID=80438647

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110396967.6A Pending CN114139042A (zh) 2020-09-03 2021-04-13 图像的处理方法、装置、系统、存储介质及处理器

Country Status (1)

Country Link
CN (1) CN114139042A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114581207A (zh) * 2022-05-09 2022-06-03 北京嘉沐安科技有限公司 一种面向电商平台的商品图像大数据精准推送方法及系统
CN115214430A (zh) * 2022-03-23 2022-10-21 广州汽车集团股份有限公司 车辆座椅调节方法及车辆

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115214430A (zh) * 2022-03-23 2022-10-21 广州汽车集团股份有限公司 车辆座椅调节方法及车辆
CN115214430B (zh) * 2022-03-23 2023-11-17 广州汽车集团股份有限公司 车辆座椅调节方法及车辆
CN114581207A (zh) * 2022-05-09 2022-06-03 北京嘉沐安科技有限公司 一种面向电商平台的商品图像大数据精准推送方法及系统
CN114581207B (zh) * 2022-05-09 2022-09-13 农夫铺子发展集团有限公司 一种面向电商平台的商品图像大数据精准推送方法及系统

Similar Documents

Publication Publication Date Title
KR101443158B1 (ko) 사용자 관심 기반의 상품정보 추천 시스템
KR102127191B1 (ko) 쇼핑 정보를 제공하는 방법, 장치 및 컴퓨터 프로그램
US11216862B2 (en) Smart shopping cart, server, smart shopping system and method
KR102246109B1 (ko) 소비자 선호도에 기반한 상품 추천 시스템 및 방법
KR101835333B1 (ko) 얼굴 인식 서비스 제공 방법
KR101841522B1 (ko) 쇼핑 정보를 제공하는 방법, 장치 및 컴퓨터 프로그램
CN114139042A (zh) 图像的处理方法、装置、系统、存储介质及处理器
CN110119915B (zh) 对象入库处理方法、装置和系统
JP7167437B2 (ja) 物品特定装置
CN113395200A (zh) 消息推送方法和系统、客户端、存储介质及处理器
CN109034980B (zh) 一种搭配商品推荐方法、装置和用户终端
JP2018128955A (ja) スクリーンショット画像解析装置、スクリーンショット画像解析方法、およびプログラム
CN108197980B (zh) 个性化购物者的肖像生成方法/系统、存储介质及终端
KR102115364B1 (ko) 전자명함 플랫폼 및 전자명함 플랫폼을 이용한 정보공유방법
US10719673B2 (en) System and method for collecting and/or retrieving information relating to objects
CN111292153B (zh) 信息推荐方法、装置、系统和存储介质
KR101430959B1 (ko) 이동통신 단말기, 영상 분석을 이용한 제품 거래 시스템 및 그 방법
CN113377970A (zh) 信息的处理方法和装置
CN105243557A (zh) 自助式挑选蔬果的方法及系统
CN113395304A (zh) 信息推送方法和系统、客户端、存储介质及计算终端
KR20200024404A (ko) 의류 데이터와 딥러닝 기술을 이용한 사용자 소유 의상에 대한 의류 추천 방법 및 시스템
CN115527045A (zh) 一种用于雪场危险识别的图像辨别方法及装置
CN114764733A (zh) 对象处理方法、装置、存储介质及计算机设备
CN110879863B (zh) 跨领域搜索方法和跨领域搜索装置
CN114117110A (zh) 商品数据的处理方法、装置、存储介质和处理器

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20230907

Address after: Room 516, floor 5, building 3, No. 969, Wenyi West Road, Wuchang Street, Yuhang District, Hangzhou City, Zhejiang Province

Applicant after: Alibaba Dharma Institute (Hangzhou) Technology Co.,Ltd.

Address before: Box 847, four, Grand Cayman capital, Cayman Islands, UK

Applicant before: ALIBABA GROUP HOLDING Ltd.