一种产品推荐度的评价方法、装置及系统与流程

本发明涉及一种图像处理技术领域，尤其涉及一种产品推荐度的评价方法、装置及系统。

背景技术：

目前，产品在推出市场时都会进行相关的目标用户调研，现有产品调研主要采用访谈或问卷形式进行，根据用户回答的系列相关问题来判断用户对产品的情绪态度，从而形成产品的推荐度调研报告。由于调研需要大量的有效样本，并配合用户有效的回答相关问题，需要耗费的人力物力及时间成本都极高。

技术实现要素：

为了克服现有技术的不足，本发明的目的之一在于提供一种产品推荐度的评价方法，其能解决对用户进行产品推荐的技术问题。

本发明的目的之二在于提供一种产品推荐度的评价装置，其能解决对用户进行产品推荐的技术问题。

本发明的目的之三在于提供一种产品推荐度的评价系统，其能解决对用户进行产品推荐的技术问题。

本发明的目的之一采用如下技术方案实现：

一种产品推荐度的评价方法，包括以下步骤：

s1：建立人的面部识别模型库；

s2：获取人的面部识别信息及产品浏览时长，所述面部识别信息包括人面部的当前特征向量；

s3：根据面部识别信息与面部识别模型库的比对结果以及产品浏览时长得到用户的推荐度数据。

进一步地，所述步骤s1具体包括以下子步骤：

s11：获取用户情绪变化时的模型识别信息，所述模型识别信息包括模型特征向量，所述模型特征向量为模型特征点的位移变化；

s12：将推荐度区间定义为推荐、平静和不推荐三个区间，并在不同推荐度区间存储相对应的模型特征向量集以形成人的面部识别模型库。

进一步地，所述模型特征点的数量为70至75之间的任意一数值。

进一步地，所述步骤s3具体包括以下子步骤：

s301：将获取到的当前特征向量与面部识别模型库中的模型特征向量集进行比对以得比对结果；

s302：获取相应产品的产品浏览时长；

s303：根据比对结果以及产品浏览时长判断所属推荐度区间以得到用户的推荐度数据。

进一步地，所述面部识别信息包括识别过程中的开始特征向量和结束特征向量，所述步骤s3具体包括以下子步骤：

s31：根据获取到的开始特征向量得到用户的开始推荐度；

s32：根据获取到的结束特征向量得到用户的结束推荐度；

s33：根据结束推荐度与开始推荐度的变化得到用户在识别过程中的推荐度数据。

本发明的目的之二采用如下技术方案实现：

一种产品推荐度的评价装置，包括以下模块：

模型建立模块：用于建立人的面部识别模型库；

信息获取模块：用于获取人的面部识别信息以及产品浏览时长，所述面部识别信息包括人面部的当前特征向量；

推荐度获取模块：用于根据面部识别信息与面部识别模型库的比对结果以及产品浏览时长得到用户的推荐度数据。

进一步地，所述模型建立模块具体包括以下子模块：

模型特征获取模块：用于获取用户情绪变化时的模型识别信息，所述模型识别信息包括模型特征向量，所述模型特征向量为模型特征点的位移变化；

区间划分模块：用于将推荐度区间定义为推荐、平静和不推荐三个区间，并在不同推荐度区间存储相对应的模型特征向量集以形成人的面部识别模型库。

进一步地，所述推荐度获取模块具体包括以下子模块：

比对结果获取模块：用于将获取到的当前特征向量与面部识别模型库中的模型特征向量集进行比对以得比对结果；

时间获取模块：用于获取相应产品的产品浏览时长；

结果判断模块：用于根据比对结果判断所属推荐度区间以得到用户的推荐度数据。

进一步地，所述面部识别信息包括识别过程中的开始特征向量和结束特征向量，所述推荐度获取模块具体包括以下子模块：

开始推荐度获取模块：用于根据获取到的开始特征向量得到用户的开始推荐度；

结束推荐度获取模块：用于根据获取到的结束特征向量得到用户的结束推荐度；

推荐度计算模块：用于根据结束推荐度与开始推荐度的变化得到用户在识别过程中的推荐度数据。

本发明的目的之三采用如下技术方案实现：

一种产品推荐度的评价系统，包括执行器，所述执行器用于执行上述任意一项所描述的产品推荐度的评价方法。

相比现有技术，本发明的有益效果在于：

本发明通过摄像头获取用户在接触产品过程中的视频图像，利用图像识别技术分析用户的面部情绪变化状态，结合用户浏览产品的时间，对应形成产品的推荐度数据，可以高效的进行产品推荐度调研，节约时间人力成本，提高调研数据的准确性。同时本系统能够运用在产品销售、推荐环节，对目标用户进行精准营销。

附图说明

图1为本发明的产品推荐度的评价方法的流程图；

图2为本发明的产品推荐度的评价装置的结构图。

具体实施方式

下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。

本发明主要包括：摄像头和识别模块。摄像头：通过摄像头获取用户在浏览各产品过程中的面部视频图像。识别模块：包括识别模型和推荐度识别。利用建立好的识别模型对摄像头获取到的用户的浏览产品行为视频图像进行分析，根据用户的面部持续情绪变化情况，浏览各产品的停留时间，对比识别模型计算产品推荐度。识别模型：通过对面部视频图像抽取关键帧、构建面部关键点，对关键点进行特征提取；对在浏览产品过程中大量用户的视频进行学习，根据面部表情情绪变化信息和浏览产品时间信息建立对应推荐度各区间的训练集模版库，作为推荐度识别模型。

如图1所示，本发明提供了一种产品推荐度的评价方法，包括以下步骤：

s1：建立人的面部识别模型库；所述步骤s1具体包括以下子步骤：

s11：获取用户情绪变化时的模型识别信息，所述模型识别信息包括模型特征向量，所述模型特征向量为模型特征点的位移变化；所述模型特征点的数量为70至75之间的任意一数值；在本实施例中采用72个关键点来对进行面部特征的描述，人的面部结构及五官形态组合在情绪变化时具有显著特征。通过学习和不断校正，根据面部的眉毛、眼睛、眼角、鼻子、鼻孔、嘴唇、颧骨等面部五官及各个组成部分的结构、轮廓组合特点，查找出能够体现人的脸部表情变化、且在各种光线投射外部环境影响下、人脸各角度偏移时、稳定的72个关键点，基于72个关键点建立识别模型。

s12：将推荐度区间定义为推荐、平静和不推荐三个区间，并在不同推荐度区间存储相对应的模型特征向量集以形成人的面部识别模型库；用总体推荐度百分比来对应各推荐度区间建立识别模型。数值越低表示推荐度越低，数值越大表示推荐度越高，即0-35为不推荐，35-65为平静，65-100为推荐，完全不感兴趣、甚至反感、不建议推荐趋近于0，非常感兴趣、强烈推荐趋近于100；通过机器学习训练、分析大量服务对象的面部视频，统计72个特征点在不同情绪变化时的点的坐标数据，计算出他们在不同情绪下的坐标偏移量，形成描述面部情绪变化的特征向量，将上述特征向量对应推荐、平静、不推荐区间的模板库存储，从而建立推荐度识别模型，训练过程需要指定特征向量所对应的推荐度区间，通过不断比对模型的识别结果修整各区间的特征向量集；

s2：获取人的面部识别信息及产品浏览时长，所述面部识别信息包括人面部的当前特征向量；产品浏览时长为用户提供一个判断的维度，就是在用户进行识别判断的时候不单单要考虑面部表情的信息，还要考虑相应的时长的问题，即是用户表情是非常的满意，但是当用户浏览的时间只有不到1s的时候，即表示用户对该产品并不感兴趣；

s3：根据面部识别信息与面部识别模型库的比对结果以及产品浏览时长得到用户的推荐度数据。在具体的实施过程中可以有两种不同方式来判断用户情绪状态，第一种采用直接判断用户的情绪状态的方式，所述步骤s3具体包括以下子步骤：

s301：将获取到的当前特征向量与面部识别模型库中的模型特征向量集进行比对以得到比对结果；根据相似度判断出与当前特征向量最接近的模型特征向量将得到的模型特征向量对应到各推荐度区间去，然后得到一个推荐度百分比以进行推荐度的判断；

s302：获取相应产品的产品浏览时长，对应提取视频中用户浏览接触不同产品时的时间，计算浏览时长数据；用于从时间的维度去判断用户是否喜爱；该时间可以是一个固定的数值，当大于该预设时间的时候，表示用户对该产品感兴趣，当小于该预设时间的时候，表示用户对该产品不感兴趣；或者是可以设定一个时间范围，比如5s到10s，小于该时间范围的最小值，则表示用户不感兴趣，在这个区间内，表示比较感兴趣，如果大于该时间范围的最大值，则表示用户非常的感兴趣；

s303：根据比对结果以及产品浏览时长判断所属推荐度区间以得到用户的推荐度数据。该推荐度数据即为用户当前的状态是推荐的、是平静的还是不推荐的；这种方式可以实时的显示出用户的当前的对产品的喜爱状态。

但是由于人的情绪是会随着时间不断变化的，并且在整个服务的过程中，人的情绪也会因为相关人员的态度而改变，不能单一考虑用户的当前的情绪就做出相应的判断，而是需要结合整个服务过程中用户的情绪来做出相应的判断的；所述面部识别信息包括识别过程中的开始特征向量和结束特征向量，所述步骤s3具体包括以下子步骤：

s31：根据获取到的开始特征向量得到用户的开始推荐度；

s32：根据获取到的结束特征向量得到用户的结束推荐度；

s33：根据结束推荐度与开始推荐度的变化得到用户在识别过程中的推荐度数据。以开始服务初期的推荐度识别结果作为识别初始数据依据，基于初始数据和用户在服务过程中的推荐度变化数据，判断整个服务过程中用户的推荐度数据。

本发明的推荐度识别结果也可以用于销售产品过程中，对销售人员判断用户是否为产品的目标用户做辅助；在进行识别之后，还可以统计分析识别到的推荐度结果数据，并将数据形成可视化分析报告。每个工作人员的账号都对应有各自的推荐度统计结果数据，对应用户账号保存；同时也会统计分析各个时间周期的总体服务推荐度。管理员登录后通过数据管理后台查看各工作人员的推荐度统计结果数据，和总体推荐度分析报告；给后期的管理带来了更大的方便。

本发明的工作原理：

在进行产品推荐度调研时，在用户在接触、浏览各产品过程中，通过手机、电脑配置的摄像头或产品展厅在不同产品前配置的摄像头获取用户的面部视频图像；

服务器的识别模块获取摄像头捕捉的用户面部视频图像，提取用户浏览、接触各产品过程的面部情绪表情变化特征向量，计算浏览时长，将上述数据信息比对识别模型，计算出各产品对应该用户的推荐度结果。通过海量用户的推荐度结果信息，根据统计的用户性别、年龄、职业信息，形成定位产品的目标用户群体分析报告。

因此，本发明的产品不仅仅可以应用于通过电子产品对用户进行推荐的场景，通过电子产品上的摄像头从而获取用户的状态以得到推荐度数据；还可以结合相关销售人员的服务来对用户的情绪反应作出判断，保证了数据的客观真实，更可以高效的进行产品推荐度调研，节约时间人力成本，提高调研数据的准确性。

如图2所示，本发明提供了一种产品推荐度的评价装置，包括以下模块：

模型建立模块：用于建立人的面部识别模型库；所述模型建立模块具体包括以下子模块：

模型特征获取模块：用于获取用户情绪变化时的模型识别信息，所述模型识别信息包括模型特征向量，所述模型特征向量为模型特征点的位移变化；

区间划分模块：用于将推荐度区间定义为推荐、平静和不推荐三个区间，并在不同推荐度区间存储相对应的模型特征向量集以形成人的面部识别模型库；，所述模型特征点的数量为70至75之间的任意一数值；

信息获取模块：用于获取人的面部识别信息以及产品浏览时长，所述面部识别信息包括人面部的当前特征向量；

推荐度获取模块：用于根据面部识别信息以及产品浏览时长得到用户的推荐度数据；在推荐度获取的过程中有两种不同的实现方式，第一种是所述推荐度获取模块具体包括以下子模块：

比对结果获取模块：用于将获取到的当前特征向量与面部识别模型库中的模型特征向量集进行比对以得比对结果；

时间获取模块：用于获取相应产品的产品浏览时长；

结果判断模块：用于根据比对结果判断所属推荐度区间以得到用户的推荐度数据。

第二种是所述面部识别信息包括识别过程中的开始特征向量和结束特征向量，所述推荐度获取模块具体包括以下子模块：

开始推荐度获取模块：用于根据获取到的开始特征向量得到用户的开始推荐度；

结束推荐度获取模块：用于根据获取到的结束特征向量得到用户的结束推荐度；

推荐度计算模块：用于根据结束推荐度与开始推荐度的变化得到用户在识别过程中的推荐度数据。

上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。