TWI653591B - 根據接近中的物體選擇顯示於數位標牌上的廣告之方法與設備 - Google Patents

Abstract

選擇何時於一數位標牌上顯示多個廣告的其中一者。本發明之一實施例自經過一感測器的多個物體收集視頻分析資料，且分析該收集視頻資料以對每一該等物體判定一類型。該實施例接著基於該判定類型訓練廣告模型，且基於該經訓練廣告模型自該等多個廣告中選擇一廣告以於該數位標牌上顯示。

Description

根據接近中的物體選擇顯示於數位標牌上的廣告之方法與設備 發明領域

本發明的實施例係關於當廣告將基於一接近中物體以及與其相關聯之觀眾而顯示於一數位顯示裝置時，用以選擇或針對之一系統。

發明背景

數位看板是經常用以描述一電子顯示裝置的使用之一用字，電子顯示裝置諸如液晶顯示器(LCD)、發光二極體(LED)顯示器、電漿顯示器或投影顯示器用以顯示新聞、廣告、本地公告、以及在諸如公益廣告、餐廳、或商場等公共場所的其他多媒體內容。近年來，數位看板產業已經經歷了巨大的增長，在於年收入增長方面現在是僅次於網際網路廣告產業。

針對性廣告涉及基於各種因素，諸如人口統計資料、購買歷史，或觀察到的收視行為，而選擇待顯示予一潛在聽眾成員或觀眾的一廣告(AD)的時間和地點。針對性的廣告有助於識別一潛在的觀眾，並由提供即時和相應 的廣告予潛在觀眾，而提高廣告的投資報酬率(ROI)。在數位看板產業中的針對性的廣告涉及數位標牌，其具有根據在該數位標牌前的潛在觀眾的特徵或行動而動態地選擇和播放廣告之能力。

所需要的是一種方法用以來識別收視行為或位置的模式，因此廣告內容可以為針對性的，且適應於觀看的廣告內容的人之特定人口統計資料。

發明概要

根據本發明之實施例，係特地提出一種用以選擇在一數位標牌上何時播放多個廣告的其中一者之方法，其係包含以下步驟：自經過一感測器的多個物體收集視頻分析資料；分析收集之該視頻分析資料以對每一該等物體判定一類型；基於判定類型而訓練廣告模型；以及基於經訓練廣告模型自多個廣告選擇用以在該數位標牌上顯示的一廣告。

103‧‧‧感測器

105‧‧‧數位標牌模組

110‧‧‧資料探勘模組

115‧‧‧經訓練廣告模型

120‧‧‧內容管理系統(CMS)

125‧‧‧數位廣告

125‧‧‧廣告儲存處

135‧‧‧天氣資料

130‧‧‧銷售資料

140‧‧‧通訊連結

145‧‧‧數位播放器模組

200‧‧‧流程圖

205‧‧‧步驟

210‧‧‧步驟

215‧‧‧步驟

220‧‧‧步驟

225‧‧‧步驟

230‧‧‧步驟

23‧‧‧步驟

300‧‧‧例示

305‧‧‧視頻分析資料

310‧‧‧廣告資料

315‧‧‧天氣資料

320‧‧‧模型

325‧‧‧步驟

400‧‧‧資訊

405‧‧‧廣告更新模組

410‧‧‧播放證明分析器

415‧‧‧模型提取器

420‧‧‧廣告清單產生器

425‧‧‧暫時播放清單產生器模組

430‧‧‧廣告主輸入排程器

435‧‧‧特定播放器模型擷取器

440‧‧‧資料庫

500‧‧‧資訊

505‧‧‧即時VA資料

510‧‧‧預測VA資料、視頻分析分 析器(預測器)模組

515‧‧‧模型分析器模組

520‧‧‧暫時播放清單產生器

525‧‧‧排程器模組

530‧‧‧線上子模組

535‧‧‧離線子模組

540‧‧‧偏好子模組

545‧‧‧步驟

600‧‧‧流程圖

601‧‧‧步驟

605‧‧‧步驟

610‧‧‧步驟

615‧‧‧步驟

620‧‧‧步驟

625‧‧‧步驟

630‧‧‧步驟

631‧‧‧步驟

藉由以下給定的詳細說明以及本發明的各種實施例之附加圖式，將可以更完整地理解本發明之實施例，然而其不應被用以限制本發明為特定實施例，而是僅用以解釋與理解。

圖1例示說明本發明之一實施例的一功能性方塊型態；圖2為本發明之一實施例的一流程圖； 圖3例示說明本發明之一實施例的一態樣；圖4提供根據本發明之一實施例的一內容管理系統之一方塊圖；圖5提供根據本發明之一實施例的一數位標牌模組之一方塊圖；以及圖6為本發明之一實施例的一流程圖。

較佳實施例之詳細說明

視頻分析(VA)為一種被動和自動化聽眾或觀眾測量技術，專為數位看板網路而設計，其可用以提供數位看板操作者定量的收視資訊以及投資報酬率(ROI)資料。本發明中使用的VA數據和資料探勘技術的實施例來實現針對性廣告，其可用於測量和增進一數位標牌的廣告投資報酬率。

本發明之實施例在包含在用以顯示廣告之一數位顯示螢幕或裝置的一數位標牌上使用視頻分析(VA)。藉由提供數位標牌存取一感測器，諸如鄰近於該數位顯示裝置的一或多個正面攝影機，以及與處理器耦接的VA軟體，處理器諸如英特爾核心I5與英特爾核心I7處理器，根據本發明之一實施例的數位標牌具有智能用以偵測觀眾的數量，他們的性別、他們的年齡段、以及與該觀眾相關連的物體，且接著基於該等資訊的一或多個片段而調適廣告內容。舉例而言，若觀眾為一青少女，那麼本發明之一實施例可改變內容為突出在該數位顯示螢幕目前位置附近的一些店家 之回校鞋類推廣。若觀眾為年長的男性，那麼一實施例將可導致該數位顯示螢幕顯示關於在鄰近運動商品店的一高爾夫球杆特賣。若該觀眾穿著一雙鞋子、棒球帽、或者帶有一標誌的襯衫，那麼一實施例可導致一數位顯示螢幕顯示該觀眾可能會感興趣之鄰近店家。如在此所使用，標誌之用字係指一圖像標記或商業企業、組織、或個人常使用的徽章，用以幫助且促進立即的大眾識別。標誌可為圖像(符號/圖標)或者由該組織的名稱來組成。

本發明之實施例涉及了針對性廣告，其中未來觀眾或消費者係基於先前觀眾之收視行為或模式來被作為目標，而未來觀眾或消費者如先前觀眾屬於同一或類似的人口統計資料。其他實施例偵測與該觀眾相關聯的物體或者在一個特定的地點和時間上的人，且接著對在相同或不同地點與時間的該觀眾進行針對性廣告。一些實施例可藉由分析VA或者分析與該觀眾相關聯的物體或自位於一數位顯示裝置前的位置之觀眾而收集的物體來發覺一些模式，諸如收視模式，且一些實施例可使用此資訊以訓練廣告模型，廣告模型可部署至該數位標牌。此等廣告模型可接著用以自庫存可用廣告內容而選擇特定廣告，以相關之廣告而智能地針對觀眾。

該廣告模型使用資料探勘技術，且可使用諸如微軟的SQL Server分析系統(MS SSAS)之工具而建立。廣告模型係使用眾所周知的資料探勘演算法而創造，諸如單純貝氏分類、決策樹、邏輯回歸分析以及關聯規則，亦可以使 用大型分群，所有的此等演算法於MS SSAS中為可使用的。

在一數位標牌上之多媒體內容的回放係透過一內容管理系統(CMS)而完成。如以下描述在根據本發明的一個實施例中的一數位標牌廣告系統的之架構，其中廣告模型係透過該CMS以即時地部署至一數位標牌上，即使當CMS係位於「雲端」。該CMS可以接著基於至少兩個參數：一經訓練廣告模型與廣告資料，以產生一個客制化的廣告清單。根據本發明的一實施例，廣告資料係結合於經訓練廣告模型，以致能即時的內容觸發。

本發明的實施例分析觀眾資訊的類型，觀眾資訊諸如，尤其是，年齡範圍或年齡段與性別，以及背景資訊(contextual information)，諸如位置、天氣和時間資訊，以選擇待於數位標牌顯示裝置上播放之最合適的廣告。在一實施例中，本發明分析與一觀眾相關聯之一物體，例如，觀眾正在行駛的車輛，或該觀眾正穿著的一雙鞋，以及判定該物體的類型，諸如一轎車或者一雙慢跑鞋。更進一步地，一實施例試圖判定該物體的特徵或特性，諸如車輛的品牌和型號，或一雙鞋子上的標誌。在此進一步引用的「年齡」應理解為包括年齡範圍、類別或範圍。

即時視頻分析資料係受收集且受分析，以預測在一未來時間區段(time slot)，例如，下一個時間區段之觀眾的類型。在一實施例中，下一個時間區段為30秒。然而，該時間區段可為60秒、30分鐘、一小時或者甚至更長的一 段時間。取決於該預測，恰當的廣告可於一顯示裝置上播放。該CMS藉由使用廣告資訊以及廣告主喜好，產生一預設播放清單。若收視資訊為不可取得，或者由於某些原因未做出或並非合理地精確地做出該預測，或由於某些原因預測精確度被認為是可疑的，那麼藉由CMS產生的一離線(預設)播放清單可於該顯示裝置上播放。

圖1例示說明本發明的一個實施例之一功能方塊圖。亦參照圖2中的流程圖200，該程序自205處以數位標牌模組105顯示廣告開始。該程序於210處以處理視頻分析資料繼續，亦即，擷取視頻分析資料，在此亦指收視資料，以及發送該收視資料至諸如一資料庫之一永久資料儲存處。在該永久儲存處，該資料在藉由該資料探勘模組110於215處存取，以判定位於該數位標牌前方且可以觀看該數位標牌之任何個人的收視模式之前，係可擇地被清除或者過濾。

該資料擷取功能可在藉由該數位標牌模組執行之軟體中實施，且在本發明之一實施例中，擷取可受資料探勘模組110使用之即時視頻分析資料，以做出即時預測以及將用以顯示之一數位廣告排程，及/或可用作為用以在該資料探勘模組於220處產生規則(訓練廣告模型)之歷史資料。

在該資料探勘模組中，於220處基於眾所周知的資料探勘演算法，使用視頻分析資料產生該廣告模型且訓練該廣告模型，資料探勘演算法諸如單純貝氏分類演算法、 決策樹演算法、邏輯回歸分析以及關聯規則演算法。除了使用該視頻分析資料，該資料探勘模組亦可考量對應於該視頻分析資料被擷取之時間點的諸如天氣條件之背景資訊。天氣條件資料，或者簡單地天氣資料135可維持在一永久儲存處，該永久儲存處可由該資料探勘模組110存取。在一實施例中，同一永久儲存處亦可用以儲存藉由該數位標牌模組105擷取之該視頻分析資料。更進一步地，資料探勘模組110如輸入接收可用於在該數位標牌上顯示之數位廣告125的一清單，以及與該廣告之該清單相關聯之元資料(metadata)，諸如廣告主希望他們的廣告針對之觀眾的人口統計資料特徵。數位標牌模組105亦供應資料探勘模組「播放證明」資料，亦即指出何廣告藉由該數位標牌播放之廣告資料，該等廣告於何時播放，以及該等廣告在何處播放(例如，藉由對該廣告標牌提供一裝置識別器(ID)，其可用作為判定該廣告標牌之位置的一基礎)。在本發明的一實施例中，舉例而言，來自一銷售點終端之銷售資料130可輸入至該資料探勘模組110。該等銷售資料可關聯於VA資料，以衡量一廣告在關於在該廣告中號召的商品之銷售或者服務方面，在一特定人口族群的有效性。

該資料探勘模組110於220處產生經訓練廣告模型，其根據本發明之一實施例係用以基於先前觀眾的類型(過路者模式類型)，而預測合適的廣告分類以及未來觀眾類型。一旦產生一經訓練廣告模型115，其係藉由該資料探勘模組發送且藉由該內容管理系統(CMS)120接收與儲存，在 此連同廣告資訊、一客制化廣告清單於225處產生且受儲存。在一實施例中，該CMS儲存所有經訓練廣告模型、廣告清單、廣告主喜好以及廣告資料。CMS120透過通訊連結140發送該客制化廣告清單至一數位標牌模組105以顯示。在本發明的一實施例中數位標牌模組105包含一數位看板媒體播放器模組(數位播放器模組)145，其可用以即時產生廣告清單。根據本發明的一實施例，模組145針對儲存在該CMS中的資訊如一濃縮儲存庫運作。

該CMS自該資料探勘模組獲得經訓練廣告模型。在一實施例中，多個數位標牌模組105或者多個數位看板媒體播放器145或者多個數位顯示裝置係受安裝。該CMS因而將視情況藉由該數位標牌模組、或數位播放器…等等，而區分該廣告模型。該CMS基於該廣告模型以及所獲得廣告資訊，產生區分的客制化廣告清單。該CMS亦基於自廣告主125獲得之廣告主喜好，產生離線廣告清單，亦即預設廣告清單。此等區分的模型、客制化廣告清單以及預設廣告清單，於230處發送至各個數位標牌模組或者數位播放器每一者以於該數位標牌上顯示。

本發明的另一實施例現在參照圖6的流程圖600描述。該程序於601處以數位標牌模組105顯示廣告，以及於605處，處理該視頻分析資料開始，亦即擷取視頻分析資料，在此亦指收視資料，以及發送該收視資料至諸如一資料庫之一永久資料儲存處。在該永久儲存處，該資料在藉由該資料探勘模組110於610處存取之前，係可擇地受清除 或者過濾，以判定來自該視頻分析資料之與該觀眾相關聯的物體，以及如果可能的話，判定該等物體的類型。在一實施例中，當觀眾及/或與他們相關聯的物體在該攝影機的範圍之內時，諸如一攝影機的一或多個感測器103擷取該視頻分析資料。該攝影機可相對於該數位標牌模組為較遠的位置。舉例而言，一攝影機可耦接至鄰近或者較遠的數位標牌模組，且來自耦接至該鄰近或者較遠的數位標牌模組的攝影機所擷取的視頻輸入或者螢幕截圖，可經由一通訊網路提供至當地數位標牌模組及/或該數位標牌模組可存取之一永久儲存器。舉例而言，一系列的數位標牌模組如沿著高速公路的告示牌運作，其中每一數位標牌模組具有一或多個攝影機與其耦接。在一實施例中，藉由該攝影機擷取的該物體可能模糊觀眾，舉例而言，該物體可為諸如一汽車的車輛。在另一實施例中，該物體可為由觀眾所穿著的一物體，例如，該觀眾所穿著的一雙鞋子、一件褲子、一件襯衫、眼鏡或者帽子。

在一實施例中，物體偵測或識別功能係藉由一物體偵測演算法所提供，其含括了可變形部分模型，諸如，潛在的，亦即隱藏支持向量機(SVM)演算法，係結合一處理器以及該攝影機而運作。亦可偵測並區分各類型型的物體，例如，一腳踏車、一摩托車、一汽車或者拖拉機車。在本發明的一實施例中，此物體資訊不論是一物體的識別或者已識別物體之類型、或者上述兩者，可於625處用以訓練廣告模型。

更進一步地，在一實施例中，一物體的特徵或特性可於615處檢測。舉例而言，一汽車的製造商或者在一頂棒球帽上的圖形符號或商標的身份或來源可被檢測。在一個實施例中，藉由一處理器執行的該演算法結合該攝影機運作，以提供特徵識別功能。例如，使用蕨類演算法(Ferns algorithm)之關鍵點識別一影像的一組關鍵點，且將該組關鍵點與一測試影像的一組關鍵點比較。以這種方式，可以識別，例如，在汽車上，或者在一個帽子上的一個標誌。在本發明的一個實施例中，有關一物體的此特徵資訊也可以在625處被用來訓練廣告模型。

最後，在620處可追蹤一個物體，以確定運動的方向和速度。例如，諸如汽車的一個物體，可能會在一段時間內以固定的時間間隔，以連續擷取的影像而被追蹤，以判定物體的方向和速度。在一個實施例中，藉由一處理器執行之一演算法結合該攝影機而操作，以提供物體追蹤功能。例如，一個Lucas Kanade演算法可用於在影像中之物體追踪。該演算法可用以判定在一系列影像中的每個物體之速度，以及出現在影像中之物體的平均速度，諸如出現在影像中之車輛的平均速度。此等平均的速度資訊可用以估計物體，例如，汽車，將要進入一接近中的數位標牌的視野範圍內之大致時間。在一個實施例中，該追踪資訊，無論是運動方向或移動速度，或上述兩者，亦可以用以訓練該廣告模型，且來自一廣告播放清單內的一適當廣告於630處藉由該接近中數位標牌選擇並顯示於其上。

該資料擷取功能可於藉由該數位標牌模組執行之軟體中實施，且在本發明之一實施例中，擷取即時視頻分析資料可被資料探勘模組110使用，以做出即時預測且將用以顯示之一數位廣告排程，及/或在625處於該數位探勘模組625中用以做為產生規則之歷史資料(訓練廣告模型)。

在該資料探勘模組中，基於習知的資料探勘演算法使用視頻分析資料於625處產生並訓練(亦即，精鍊)該廣告模型，習知的資料探勘演算法諸如單純貝氏分類演算法、決策樹演算法、邏輯回歸分析演算法以及關聯規則演算法。除了使用該視頻分析資料，該資料探勘模組亦可考量對應於該視頻分析資料受擷取之時間點之諸如天氣條件的背景資訊。天氣條件資料，或者簡單地天氣資料135可維持在一永久儲存處，該儲存處可藉由該資料探勘模組110存取。在一實施例中，同一永久儲存處亦可用以儲存藉由該數位標牌模組105擷取之該視頻分析資料。更進一步地，資料探勘模組110如輸入接收可用於在該數位標牌上顯示之數位廣告125的一清單，以及與該廣告之該清單相關聯之元資料(metadata)，諸如廣告主希望他們的廣告針對之觀眾的人口統計資料特徵。數位標牌模組105亦供應資料探勘模組「播放證明」資料，亦即指出何種廣告藉由該數位標牌播放之廣告資料，該等廣告何時播放，以及該等廣告在何處播放(例如，藉由對該廣告標牌提供一裝置識別器(ID)，其可用作為判定該廣告標牌之位置的一基礎)。在本發明的一實施例中，舉例而言，來自一銷售點終端之銷售資料130可輸入 至該資料探勘模組110。該等銷售資料可關聯於VA資料，以衡量一廣告關於在該廣告中號召的商品之銷售或者服務方面，在一特定人口統計資料族群的有效性。

該資料探勘模組110於625處產生經訓練廣告模型，其根據本發明之一實施例係用以預測合適的廣告分類。一旦產生一經訓練廣告模型115，經訓練廣告模型115係藉由該資料探勘模組發送、且藉由該內容管理系統(CMS)120接收與儲存，其中連同廣告資料，一客制化廣告清單於630處產生且儲存。在一實施例中，該CMS儲存所有經訓練廣告模型、廣告清單、廣告喜好以及廣告資料。CMS120接著發送客制化廣告清單至數位標牌模組105以顯示。在本發明的一實施例中，該數位標牌模組105包含一數位看板媒體播放器模組(數位播放器模組)145，其可用以即時產生廣告清單。根據本發明的一實施例，模組145針對儲存在該CMS中的資訊如一濃縮儲存庫運作。

該CMS自該資料探勘模組獲得經訓練廣告模型。在一實施例中，多個數位標牌模組105或者多個數位看板媒體播放器145或者多個數位顯示裝置係受安裝。該CMS因而視情況藉由該數位標牌模組、或數位播放器…等等，將區分該廣告模型。該CMS基於該廣告模型以及所獲得廣告資訊，產生區分的客制化廣告清單。該CMS亦基於自廣告主125獲得之廣告主喜好，產生離線廣告清單，亦即預設廣告清單。此等區分的模型、客制化廣告清單以及預設廣告清單，發送至各個數位標牌模組或者數位播放器以於該數位 標牌上顯示。

針對性廣告

針對性廣告的重點是展示一未來觀眾特定廣告，此特定廣告在過去已經或可能地被先前觀眾收視了一段合理數量的時間，先前觀眾如同未來的觀眾具有相同或類似的人口統計資料。根據本發明的一個實施例之針對性廣告的程序，其特徵在於可以分三個階段，且對應至根據本發明之一實施例的該數位廣告系統之元件：在資料探勘模組110中學習或訓練廣告模型，在CMS120創造客制化廣告清單或播放清單，以及以一數位標牌模組105播放該播放清單。

A.學習廣告模型

資料探勘技術涉及探索大量的資料，以在資料集中找出不同變數之間的隱藏模式和關係。此等研究結果可以驗證一個新的資料集。資料探勘的典型用途是使用在歷史資料中發覺的模式，以對新的資料做一個預測。在本發明實施例中，資料探勘模組110負責訓練和查詢廣告模型。尤其是，產生兩種廣告模型時，一廣告類別(ad類別)模型以及一個路人模式模型。在廣告類別模型中，針對一特定觀眾或上下文(例如，時間、地點、天氣)之一組規則係與最恰當的廣告類別關聯。

圖3提供藉由該數位標牌模組105收集的該視頻分析資料305之一例示300，提供作為該資料探勘模組110的輸入，且連同廣告資料310、天氣資料315亦作為輸入提供 予資料探勘模組110。在一個實施例中，資料探勘模組在325處，以一定期基礎產生並訓練，亦即，精鍊，模型320，無論是每天、每週、每月或每季，取決於上下文和資料特性，基本原則是若自歷史資料導出的模式/規則沒有改變，就沒有立即地需要訓練或重新產生模型。

根據本發明的一實施例，視頻分析資料305包含一特定數位廣告於該數位標牌上顯示之日期與時間，以及該廣告顯示的日子，與指出廣告顯示的一位置之一裝置ID或者可替代的一顯示器ID。在一個實施例中，感測器輸入亦可提供該數位廣告被觀看之時間的數量，同時顯示於該數位顯示裝置上。最後，基於諸如年齡與性別的特性係包括入潛在目標收視的一指示中。

藉由資料探勘模組110接收來自廣告儲存處125之廣告資料310，包括一特定數位廣告於該數位標牌上被排程以顯示之資料與時間，以及指出廣告被排程以顯示的一位置之一裝置ID或者可替代的一顯示器ID，以及該數位廣告的一持續期間或長度，單位為秒。天氣資料315包括日期、溫度，以及該數位廣告在該顯示標牌上被顯示的日期以及時間的資料的條件或者周圍的條件。

B.創造廣告清單

在該廣告模型藉由該資料探勘模組110產生後，該模型係轉移至該內容管理系統(CMS)120。該CMS接著自該廣告類別模型提取該廣告類別且創造一廣告類別清單。對應至此等廣告類別之該廣告資料，接著自諸如一資料庫 之可被CMS120存取之一永久儲存處被索得。基於該廣告類別清單，CMS120亦創造了廣告清單。在本發明的一個實施例中，一經產生之廣告清單可基於廣告主輸入於125處被修改。在一個實施例中，每一廣告主係被分配至一特定優先順序，其可用以作為重新安排該廣告清單的一基礎。

圖4例示說明了在CMS120中的事件以及資訊400之流程。該CMS探查該資料探勘模組110。在本發明的一實施例中，根據本發明的一實施例，探查的頻率為一天一次。該CMS獲得由該資料探勘模組產生的所有目前規則以及預測清單，並將資訊儲存於一永久儲存處。對應至特定類別的廣告係基於廣告主的喜好、廣告清單產生器以及廣告儲存處125，自暫時播放清單獲得。在「離線模式」中，該暫時播放清單係用以作為預設播放清單。根據一實施例，一資料儲存處，諸如於圖4中描述的結構化查詢語言(SQL)資料庫，係相關聯於該廣告儲存處125。自資料儲存處索得各種資訊，包括用於該特定類別的廣告資料，特定類別諸如廣告名稱、廣告類型以及針對持有用於實際廣告之檔案的廣告儲存處的一檔案文件目錄中的一路徑。該CMS連接至該廣告儲存處以得到位於給定路徑的該等廣告。到目前為止產生所有的模型以及對應廣告清單被儲存於該CMS中。一數位標牌模組通常將僅包含適合該數位標牌模組所針對觀眾之此等模型以及廣告清單的一子集。該CMS連接至該數位標牌模組且推動適合他的模型以及廣告清單。

再次參照圖4，特定播放器模型擷取器435連接至 該資料探勘模組110，且獲得路人模式類型以及廣告類別模型兩者。此等模型係以每個播放器區分，並發送至數位標牌模組(數位播放器)105。資料探勘模組110提供適合當前日與及日期的模型，以及目前的天氣，例如，當前日期是2012年3月9日(星期五)，具清爽的早晨與一個雨天的晚上。該模型提取器415自廣告類別模型提取廣告類別，以及針對每一數位標牌將此發送至廣告清單產生器420。此等模型係受剖析且針對每一時間區段而選擇一廣告。例如，假設廣告平均持續期間是10秒，每個小時內360個廣告被選擇。

廣告清單產生器420獲取的針對某一天排程的類別之廣告以及廣告資料。暫時播放清單產生器模組435分析廣告清單且產生被發送至廣告主輸入排程器430之一暫時播放清單。產生器420基於已安排廣告類別以及一廣告清單編譯一播放清單。根據一個實施例，廣告之選擇係基於輪盤選擇，在此每一廣告係基於一機率而隨機地被選擇。廣告主輸入排程器模組420獲取廣告主輸入且在暫時播放清單內併入廣告主喜好，以產生被發送到數位標牌模組的預設播放清單。

廣告更新模組405藉由將維持在一在永久儲存器內的版本，例如，CMS可存取的一個資料庫，與來自該廣告儲存器所獲得得版本比較，來檢查新的廣告。如果發現一個廣告之新版本，那麼實際廣告(視頻檔案)被轉移至該數位標牌模組。如果新的廣告(較早未出現在該廣告儲存器之廣告)存在，那麼模組405從SQL Server資料庫440獲取廣 告資料並將此發送至數位標牌模組105。在一個實施例中，播放證明分析器410持續追蹤哪個廣告被播放、在什麼時間、在什麼位置，以及誰是此等廣告之觀眾。

C.以數位標牌模組播放播放清單

CMS120透過通訊連結140轉移該廣告清單至數位標牌模組105。在一個實施例中，數位標牌模組藉由自該廣告清單提取檔案目錄路徑資訊，產生一預設播放清單，然後自持有廣告檔案的廣告儲存處125中索得相對應的廣告。數位標牌模組以線上和離線模式兩者運作。在離線模式下，預設播放清單係於數位標牌播放。用於線上模式的播放清單係使用在以下參照圖5的即時VA資訊來產生，圖5例示說明了數位標牌模組(數位播放器)105中的事件與資訊500之流程。

視頻分析(VA)分析器(預測器)模組510獲取即時VA資料505且從CMS120索得路人模式模型，以預測VA資料510。該預測VA資料510係發送至模型分析器模組515。該模型分析器模組515接收該預測VA資料作為輸入，且自CMS120索得廣告類別模型，且基於該預測VA資料510提取一廣告類別。在一實施例中，路人模式模型和廣告類別模型的信賴值係相乘以產生一多重信賴值。如果相乘的信賴值大於一閥值，則所提取的廣告類別之廣告係被發送至暫時播放清單產生器520，否則該數位標牌模組以一離線模式繼續。該暫時播放清單產生器520自CMS120索得一廣告清單，並藉由考量來自該模型分析器之該廣告類別而產生該 暫時播放清單，且發送該暫時播放清單至線上模式。

排程器模組525含有三個子模組：一個線上子模組530，其基於一機率分佈選擇一廣告，且使該廣告與接著要被排程之一實際廣告相關聯，且於545處發送以顯示；一離線子模組535，其基於該排程時間自一預設播放清單選擇一廣告，並使使該廣告與接著要被排程之一實際廣告相關聯，且於545處發送以顯示；以及一偏好子模組540，其針對一廣告主喜好檢查，並於545處排程一廣告主偏好廣告以顯示。

即時內容觸發

根據本發明的一實施例，觀眾係即時的受針對。即時處理發生在數位標牌模組。每一數位標牌模組自CMS接收廣告類別以及路人模式模型兩者。廣泛的說，根據一實施例，多數觀眾係受偵測，且此等觀眾的人口統計資料係受分析，且針對此等觀眾的收視模式亦被收集。基於此，廣告係針對數位標牌模組。在一實施例中，路人模式模型具有被稱做信賴值的一參數，其指示了要以線上模式或離線模式播放數位廣告。因此，當該AVA資料以即時模式被分析，來自該路人模式模型的規則係受選定，且將附加至此等規則的信賴值與一閥值比較。若該信賴值低於該閥值，那麼預設播放清單將被播放，但若該值等於或大於該閥值，那麼廣告清單將受改變且播放針對目前觀眾之廣告。在目前廣告播放後，數位標牌模組可回到預設播放清單而播放，或者是可以繼續播放針對性廣告。

用於針對性廣告的資料探勘

資料探勘技術涉及探索大量的資料，以在資料集中找出不同變數之間的隱藏模式和關係。本發明的實施例使用資料探勘演算法以探索觀眾收看行為的模式。此基本概念是顯示一未來觀眾特定廣告，其已經在過去被屬於同樣人口統計資料的觀眾觀看了一段合理的時間量。

A.多重廣告模型訓練

為了擷取包含在收視資料內的模型之目的，兩個實施例係用於重新訓練該廣告模型：定期重新訓練以及依需求重新訓練。定期重新訓練係規律地觸發，諸如每週或者每個月。當廣告模型的性能低於一預定閥值，或者接收來自使用者或操作者之一重新訓練請求時，依需求重新訓練將觸發。

在一實施例中，為了充分利用不同資料探勘演算法的優點，多重資料探勘演算法係用以平行訓練廣告模型，多重資料探勘演算法包括決策樹、關聯規則與單純貝氏分類，以及邏輯回歸分析。最佳廣告模型或者多重廣告模型係用於廣告選擇。

B.針對觀眾方法

1.基於看見之針對

基於看見之針對是指基於該數位標牌「看見」該觀眾而針對一觀眾。人口統計資訊係從該數位標牌的感測器獲得，感測器諸如鄰近於該數位顯示裝置之一或多個面對前方的攝影機。該感測器以及耦接至處理器之AVA軟體 提供實施例以匿名地偵測觀眾的數量、他們的性別、以及他們的年齡段，然後基於此資訊調整廣告內容。例如，如果三個年輕女性和一位年長男性被看見經過數位標牌，那麼使用此資訊作為輸入而查詢廣告模型，且最合適之廣告係被選擇來播放。

2.基於預測針對

基於預測針對首先預測在一段未來時間內到達至該數位標牌的觀眾或者路人，然後針對他們。例如，如果預測在接下來的20秒內，三位年輕的女性和一名年長男性將經過數位標牌，那麼一個合適的廣告，例如最合適的廣告，係對於每個該廣告模型而選擇且準備來播放。

3.基於上下文針對

基於上下文針對取決於上下文而針對廣告，上下文諸如日期/時間、數位標牌的位置、天氣資訊等等。例如，在11月和12月的一個晴朗的星期三上午9點至上午11時，針對年長男性的一廣告，可根據該廣告模型而選擇以於一特定數位標牌上播放。當基於路人類型預測針對並非可靠的，或者從收視資料中，沒有路人模式被發覺或可以被發覺時，此實施例是有用的。

以下的範例係屬於本發明更進一步的實施例。

涉及用以在一個數位標牌上顯示多個廣告其中一者時選擇之一方法的一實施例，包含：從經過一感測器的多個物體收集視頻分析資料；分析收集的視頻分析資料以針對每一個物體判定一類型；基於該判定類型而訓練廣 告模型；以及基於該經訓練廣告模型，自多個廣告中選擇一廣告以於該數位標牌上顯示。根據實施例，多個觀眾的一者係相關聯於經過該感測器之該等多個物體的各別一者，且其中選擇於該數位標牌上顯示之廣告包含針對與該物體相關聯之一觀眾，選擇該廣告以在該數位標牌上顯示。為了針對每一物體之一特徵判定的目的，一實施例更包含分析該經收集視頻分析資料，且更基於該判定特徵訓練廣告模型。一實施例更包含分析該經收集視頻分析資料，以針對每一該等物體判定運動之方向，且更基於該物體運動的方向而訓練該廣告模型。

本發明之一實施例包含分析經收集視頻分析資料，以針對每一個物體判定一速度，且更基於該物體之速度而訓練該廣告模型。

本發明之一實施例更包含接收廣告主喜好，對於何廣告將要在該數位標牌上顯示，且其中基於該經訓練廣告模型選擇用以在該數位標牌上顯示之廣告，包含基於該經訓練廣告模型與廣告主喜好而選擇用於播放之廣告。

本發明之一實施例更包含接收對應至在該數位標牌上顯示之廣告的廣告資料，且其中基於該判定類型的廣告模型訓練，包含基於該判定類型與該廣告資料而訓練廣告模型。該廣告資料包含一日期與時間、一播放位置、廣告類別，以及針對每一廣告在該數位標牌上顯示的持續期間或長度或時間。

根據一實施例，該數位廣告系統包含一輸入用 以接收多個數位廣告；一輸出，經由該輸出發送用以在一數位標牌模組上顯示的該數位廣告；多個物體經過一感測器且根據一資料探勘演算法，基於該視頻分析資料產生經訓練廣告模型；一內容管理系統模組，其耦接至該資料探勘模組以接收該經訓練廣告模型，且其耦接至該輸入以接收該等多個數位廣告，該內容管理系統用以基於該經訓練廣告模型以及該等多個數位廣告，產生用於顯示的該等多個廣告的一子集合，並將其發送至該數位標牌模組。

一實施例更包含耦接至該輸入以提供該等多個數位廣告的一廣告模組。一實施例更包含耦接至該輸出的該數位標牌模組，以接收該數位廣告，該數位標牌模組用以顯示該數位廣告且用以擷取並發送該視頻分析資料至一永久儲存器。

一實施例更包含耦接至該永久儲存器的該資料探勘模組，以索得該視頻分析資料。該資料探勘模組根據一些眾所周知的資料探勘演算法的其中一者，基於該視頻分析產生經訓練廣告模型，該等資料探勘演算法包括單純貝氏分類資料探勘演算法、決策樹資料探勘演算法以及關聯規則資料探勘演算法。

在一實施例中，該數位標牌模組包含一數位標牌播放器模組，其中儲存有用於播放的多個廣告之子集合，且自其發送該子集合至一數位顯示螢幕。

在一實施例中，該輸入更接收廣告主喜好，關於哪個廣告將要發送至該數位標牌且內容管理系統基於該經 訓練廣告模型、該等多個數位廣告以及該廣告主喜好，產生並發送用於顯示的該等多個廣告之一子集合至該數位標牌模組。

根據一實施例，該資料探勘模組耦接至該數位標牌模組，以索得該視頻分析資料與對應至被發送至該數位標牌以顯示的廣告之顯示的廣告資料，且根據該資料探勘演算法，基於該視頻分析資料與該廣告資料，而產生經訓練廣告模型。

在一實施例中，該視頻分析資料包含一或多個物體類型與特徵。該等一或多個物體類型與特徵包含車輛的一類型、車輛的一品牌、車輛的一型號、車輛的運動之一方向以及該車輛以該運動之方向所移動的一速度。

在一個實施例中，視頻分析資料更包含一個或多個日期和時間、每週中的一天、一個時間區段以及一位置。

結論

在此說明書中，已經提出各種細節以提供本發明的實施例之透徹的解釋。然而，對於習於此技藝者來說，本發明的實施例可以不具有此等特定細節而實施是顯而易見的。在其他情況下，為了避免模糊本發明的實施例，眾所周知的結構和裝置以方塊圖的形式顯示而非詳細地顯示。

此詳細描述的某些部分係關於在一計算機記憶體內對資料的運作之演算法與符號表示。此等演算法描述與表示係由該等習於資料處理技術者所使用的手段，以便 最有效地傳遞其工作的內容予其他習於此技藝者。在此，一個演算法通常被構想為導致期望結果的一個自我一致性步驟順序。這些步驟為需要物理量的物理操作者。通常，雖然不是必須的，此等量採用能夠被儲存、傳輸、組合、比較以及其他操縱之電或磁信號的形式。已經證明此等在時間上是方便的，主要是因為共同使用的原因，此等信號通常被稱作位元、值、元素、符號、字符、用字、數字或類似物。

然而，應當牢記所有此等和類似的用字是與合適的物理量相關聯，且僅為應用於此等量之方便的標記。除非特別陳述，否則從此討論可以看出，可以理解在整個詳細說明、討論中，諸如「處理」或「計算」或「運算」或「判定」或「顯示」或者類似之用字的使用，係指一計算系統或者類似的電子計算裝置的動作與程序，電子計算裝置在計算系統中的暫存器與記憶體中，操作且轉移資料表示為物理(電子)量成為類似於在計算系統記憶體或暫存器或者其他此等物中的物理量之其他資料。

本發明的實施例亦涉及用以運行在此之操作的設備。某些設備可針對所需用途而特定地架構，或者其可包括一一般用途電腦，可擇地由儲存在該電腦中的一電腦程式啟動或者重新組態。此等的電腦程式可儲存於一電腦可讀儲存媒體中，諸如，但不限於任何類型的磁碟，包括軟碟、光碟、CD-ROM、DVD-ROM以及磁光碟、僅讀記憶體(ROM)、隨機存取記憶體(RAM)、EPROM、EEPROM、 NVRAMs、磁卡或光卡，或者適於儲存電子指令的任何類型之媒體，且每一者耦接至一電腦系統匯流排。

在此提出的演算法和顯示並非固有地與任何特定的電腦或其他設備相關聯。各種一般系統可以根據在此的教示而使用，或其可以證明便於架構更專門的設備來運行所需的方法步驟。用於此等各種系統所需的架構於在此的詳細說明中出現。此外，本發明的實施例中的描述沒有參考任何特定的程式語言。可以理解的是，也可使用多種程式語言來實施如在此所描述之本發明的教示。

一種機器可讀媒體包括可由機器(例如，一電腦)可讀之形式儲存或傳送的信息之任何機制。例如，一機器可讀媒體包括僅讀記憶體(ROM)；隨機存取記憶體(RAM)；磁碟儲存媒體；光學儲存媒體；快閃記憶體裝置，等等。

鑑於本發明的實施例之許多改變和修改對於習於此技藝者在閱讀以上的詳細說明後，將無疑地變為顯而易見的，應當理解的是，以利式說明的方式顯式與描述之任何特定的實施例並非用來被認為是限制。因此，引用的各種實施例的細節並非意欲限制申請專利範圍的範圍，申請專利範圍僅提及對於本發明為主要的該等特徵。

Claims (25)

1. 一種用以選擇用來在數位標牌上顯示之多個廣告中之一者的方法，其包含下列步驟：收集來自經過一感測器的多個物體的視頻分析資料；分析所收集到的該視頻分析資料以判定對於該等物體中之每一者之一類型；接收對應於在該數位標牌上被顯示之該等廣告的廣告資料；基於所判定出的該等類型及該廣告資料而訓練數個廣告模型；以及基於經訓練之該等廣告模型而從多個廣告中選擇出要在該數位標牌上顯示的一廣告。
2. 如申請專利範圍第1項之方法，其中，多個觀眾分別與經過該感測器的該等多個物體其中一者相關聯，並且其中，選擇出要在該數位標牌上顯示的該廣告之步驟包含下列步驟：選擇要在該數位標牌上顯示以讓與該物體相關聯的一觀眾觀看的該廣告。
3. 如申請專利範圍第1項之方法，進一步包含下列步驟：為了判定該等物體中之每一者的一特徵之目的而分析所收集到的該視頻分析資料，並且基於所判定出的該等特徵而進一步訓練該等廣告模型。
4. 如申請專利範圍第1項之方法，進一步包含下列步驟： 分析所收集到的該視頻分析資料以判定該等物體中之每一者的運動方向，並且基於該等物體的該等運動方向而進一步訓練該等廣告模型。
5. 如申請專利範圍第1項之方法，進一步包含下列步驟：分析所收集到的該視頻分析資料以判定該等物體中之每一者的速度，並且基於該等物體之該等速度而進一步訓練該等廣告模型。
6. 如申請專利範圍第1項之方法，進一步包含下列步驟：接收關於要在該數位標牌上顯示哪個廣告的廣告主喜好，其中，基於經訓練之該等廣告模型而選擇出要在該數位標牌上顯示的該廣告的步驟包含：基於經訓練之該等廣告模型及該等廣告主喜好而選擇要顯示的該廣告。
7. 如申請專利範圍第1項之方法，其中，該視頻分析資料進一步包含下列中之一或多者：日期和時間、星期幾、時間區段以及位置。
8. 如申請專利範圍第1項之方法，其中，該廣告資料包含用於在該數位標牌上被顯示的每一廣告的日期和時間、顯示位置、廣告類別、以及持續期間或長度或時間。
9. 一種數位廣告系統，其包含：一輸入，用於接收多個數位廣告；一輸出，用於經由該輸出發送該等數位廣告以在一數位標牌模組上顯示； 一資料探勘模組，用於耦接至該數位標牌模組以索得有關經過一感測器的多個物體的視頻分析資料，並分析該視頻分析資料以判定對於該等物體中之每一者之一類型；耦接至該輸入以接收對應於該等多個數位廣告的廣告資料；並且根據一資料探勘演算法及基於所判定出的該等類型及該廣告資料而訓練數個廣告模型；以及一內容管理系統模組，其耦接至該資料探勘模組以接收該等經訓練廣告模型，且耦接至該輸入以接收該等多個數位廣告，該內容管理系統模組可基於該等經訓練廣告模型以及該等多個數位廣告而產生該等多個廣告之供用於顯示的一子集合並將該子集合發送至該數位標牌模組。
10. 如申請專利範圍第9項的數位廣告系統，進一步包含耦接至該輸入以提供該等多個數位廣告的一廣告模組。
11. 如申請專利範圍第9項的數位廣告系統，進一步包含耦接至該輸出以接收該等數位廣告的該數位標牌模組，該數位標牌模組可顯示該等數位廣告、且可擷取該視頻分析資料並將該視頻分析資料發送至一永久儲存器。
12. 如申請專利範圍第11項的數位廣告系統，進一步包含：該資料探勘模組耦接至該永久儲存器以索得該視頻分析資料。
13. 如申請專利範圍第12項的數位廣告系統，其中，該資料探勘模組係根據多個習知資料探勘演算法中之一者而產生該等經訓練廣告模型，該等資料探勘演算法包括單 純貝氏分類、決策樹、以及關聯規則資料探勘演算法。
14. 如申請專利範圍第13項的數位廣告系統，其中，該數位標牌模組包含一數位標牌播放器模組以在該數位標牌播放器模組中儲存該等多個廣告之供用於顯示的該子集合並將該子集合從該數位標牌播放器模組發送至一數位顯示螢幕。
15. 如申請專利範圍第9項的數位廣告系統，其中，該輸入可進一步接收關於要發送哪個廣告至該數位標牌的廣告主喜好，並且其中，該內容管理系統模組可基於該等經訓練廣告模型、該等多個數位廣告以及該等廣告主喜好而產生該等多個廣告之供用於顯示的一子集合並將該子集合發送至該數位標牌模組。
16. 如申請專利範圍第9項的數位廣告系統，其中，該視頻分析資料包含一或多個物體類型與特徵。
17. 如申請專利範圍第16項的數位廣告系統，其中，該一或多個物體類型與特徵包含車輛類型、車輛品牌、車輛型號、車輛之運動方向、以及該車輛在該運動方向中之移動速度。
18. 如申請專利範圍第11項的數位廣告系統，其中，該視頻分析資料進一步包含日期和時間、星期幾、時間區段以及位置中之一者或多者。
19. 一種包含含有多個指令的至少一機器可讀媒體，該等多個指令可由於在一計算裝置上被執行而致使該計算裝置進行下列動作： 收集來自經過一感測器的多個物體的視頻分析資料；分析所收集到的該視頻分析資料以判定對於該等物體中之每一者之一類型；接收對應於在該數位標牌上被顯示之該等廣告的廣告資料；基於所判定出的該等類型及該廣告資料而訓練數個廣告模型；以及基於經訓練之該等廣告模型而從多個廣告中選擇出要在一數位標牌上顯示的一廣告。
20. 如申請專利範圍第19項之至少一機器可讀媒體，其中，多個觀眾分別與經過該感測器的該等多個物體其中一者相關聯，並且其中，選擇要在該數位標牌上顯示的該廣告的動作包含下列動作：選擇要在該數位標牌上顯示以讓與該物體相關聯的一觀眾觀看的該廣告。
21. 如申請專利範圍第19項之至少一機器可讀媒體，進一步包含下列動作：為了判定該等物體中之每一者的一特徵而分析所收集到的該視頻分析資料，並且基於所判定出的該等特徵而進一步訓練該等廣告模型。
22. 如申請專利範圍第19項之至少一機器可讀媒體，進一步包含下列動作：分析所收集到的該視頻分析資料以判定該等物體中之每一者的運動方向，並且基於該等物體之該等運動方向而進一步訓練該等廣告模型。
23. 如申請專利範圍第19項之至少一機器可讀媒體，進一步包含下列動作：分析所收集到的該視頻分析資料以判定該等物體之每一者的速度，並且基於該等物體之該等速度來進一步訓練該等廣告模型。
24. 如申請專利範圍第19項之至少一機器可讀媒體，進一步包含下列動作：接收關於要在該數位標牌上顯示哪個廣告的廣告主喜好，並且其中，基於經訓練之該等廣告模型而選擇要在該數位標牌上顯示的該廣告的動作包含：基於經訓練之該等廣告模型及該等廣告主喜好而選擇要顯示的該廣告。
25. 如申請專利範圍第19項之至少一機器可讀媒體，其中，該廣告資料包含在該數位標牌上顯示的每一廣告的日期和時間、顯示位置、廣告類別、以及持續期間或長度或時間。