基于视频内容的商品推荐方法和系统的制作方法
【技术领域】
[0001]本发明涉及计算机数据处理技术领域，特别是涉及一种基于视频内容的商品推荐方法和系统。
【背景技术】
[0002]随着电子商务的不断发展，越来越多的用户选择在网上进行购物。用户通过浏览器访问电子商务网站，就可以方便地选择自己所需要的商品。在很多情况下，电子商务网站会向用户进行商品推荐，例如，用户购买了某一种商品之后，会向其推荐与该商品相似或者关联的商品，又如，还可以向用户推荐新的上架的商品，打折的商品，热销的商品等等。
[0003]一般来说，目前互联网上的电子商务网站是基于商品销售排行、用户对商品的评价评分或者对用户在电子商务网站的其他行为数据的分析来进行商品推荐。用户在观看影视剧时，往往会插播广告，这些插播广告涉及的商品推荐信息多种多样，但上述商品推荐信息基本上与视频内容无关，也就是说用户无论观看的是哪部影视剧，会出现相同的商品推荐信息，导致商品推荐信息不够精准，与视频内容匹配度低。
【发明内容】
[0004]本发明提供了一种基于视频内容的商品推荐方法和系统，以解决商品推荐结果精准度低的问题。
[0005]为了解决上述问题，本发明公开了一种基于视频内容的商品推荐方法，包括:对目标视频抽取关键帧；根据物体的对象性对各关键帧进行物体检测，将检测到的物体作为各关键帧的候选物体；通过卷积神经网络模型对所述各关键帧的候选物体进行商品识别，得到各关键帧的商品；对所述各关键帧的商品进行关键字映射，得到对应的商品标签作为所述各关键帧的商品标签；将所述各关键帧的商品标签确定为所述目标视频的商品推荐f目息，并进行输出。
[0006]可选地，所述对目标视频抽取关键帧包括:对目标视频进行镜头检测，提取若干个镜头；对每个镜头抽取关键帧，并将各镜头所抽取的关键帧作为所述目标视频的关键帧。
[0007]可选地，所述对目标视频进行镜头检测，提取若干个镜头，包括:提取所述目标视频各帧的颜色直方图特征；根据所述各帧的颜色直方图特征计算相邻两帧的颜色直方图的相似性；当所述相邻两帧的颜色直方图的相似性小于相似阈值时，将所述相邻两帧的边界点确定为镜头边界；按照所述镜头边界提取镜头。
[0008]可选地，所述根据物体的对象性对各关键帧进行物体检测，将检测到的物体作为各关键帧的候选物体，包括:根据物体的对象性调整各关键帧的分辨率，计算调整后各关键帧的梯度幅值；按照预设框的大小在各关键帧中取所述预设框内的像素点，送入训练完成的级联支持向量机计算得分，当所述得分大于分数阈值时，判断为检测到物体，并将该物体作为其所在关键帧的候选物体。
[0009]可选地，所述通过卷积神经网络模型对所述各关键帧的候选物体进行商品识别，得到各关键帧的商品，包括:预设多个类别的商品样本，并依据所述商品样本设计训练的网络结构；根据所述网络结构训练得到卷积神经网络模型；当所述各关键帧的候选物体与所述卷积神经网络模型中的商品样本一致时，将所述候选物体确定为其所在关键帧的商品，并将所述商品样本的类别作为所述商品的标签。
[0010]可选地，所述对所述各关键帧的商品进行关键字映射，得到对应的商品标签作为所述各关键帧的商品标签，包括:调取电商的商品标签；以所述各关键帧的商品的标签为关键字，将所述各关键帧的商品的标签映射到所述电商的商品标签，并作为所述各关键帧的商品标签。
[0011]可选地，所述对所述各关键帧的商品进行关键字映射，得到对应的商品标签作为所述各关键帧的商品标签之后，还包括:获取所述各关键帧的商品标签对应的分数，并依据所述商品标签对应的分数对所述各关键帧的商品标签进行过滤。
[0012]本发明还公开了一种基于视频内容的商品推荐系统，包括:关键帧抽取模块，用于对目标视频抽取关键帧；物体检测模块，用于根据物体的对象性对各关键帧进行物体检测，将检测到的物体作为各关键帧的候选物体；商品识别模块，用于通过卷积神经网络模型对所述各关键帧的候选物体进行商品识别，得到各关键帧的商品；关键字映射模块，用于对所述各关键帧的商品进行关键字映射，得到对应的商品标签作为所述各关键帧的商品标签；输出模块，用于将所述各关键帧的商品标签确定为所述目标视频的商品推荐信息，并进行输出。
[0013]可选地，所述关键帧抽取模块包括:镜头检测子模块，用于对目标视频进行镜头检测，提取若干个镜头；关键帧子模块，用于对每个镜头抽取关键帧。
[0014]可选地，所述镜头检测子模块，具体用于提取所述目标视频各帧的颜色直方图特征；根据所述各帧的颜色直方图特征计算相邻两帧的颜色直方图的相似性；当所述相邻两帧的颜色直方图的相似性小于相似阈值时，将所述相邻两帧的边界点确定为镜头边界；按照所述镜头边界提取镜头。
[0015]可选地，所述物体检测模块，具体用于根据物体的对象性调整各关键帧的分辨率，计算调整后各关键帧的梯度幅值；按照预设框的大小在各关键帧中取所述预设框内的像素点，送入训练完成的级联支持向量机计算得分，当所述得分大于分数阈值时，判断为检测到物体，并将该物体作为其所在关键帧的候选物体。
[0016]可选地，所述商品识别模块，具体用于预设多个类别的商品样本，并依据所述商品样本设计训练的网络结构；根据所述网络结构训练得到卷积神经网络模型；当所述各关键帧的候选物体与所述卷积神经网络模型中的商品样本一致时，将所述候选物体确定为其所在关键帧的商品，并将所述商品样本的类别作为所述商品的标签。
[0017]可选地，所述关键字映射模块，具体用于调取电商的商品标签；以所述各关键帧的商品的标签为关键字，将所述各关键帧的商品的标签映射到所述电商的商品标签，并作为所述各关键帧的商品标签。
[0018]可选地，所述系统还包括:过滤模块，用于所述关键字映射模块对所述各关键帧的商品进行关键字映射，得到对应的商品标签作为所述各关键帧的商品标签之后，获取所述各关键帧的商品标签对应的分数，并依据所述商品标签对应的分数对所述各关键帧的商品标签进行过滤。
[0019]与现有技术相比，本发明包括以下优点:
[0020]根据本发明的基于视频内容的商品推荐方法，首先，通过对目标视频抽取关键帧，将对目标视频的处理转化为对关键帧的处理，可以减少计算量，加快处理速度；其次，根据物体的对象性对各关键帧进行物体检测，将检测到的物体作为各关键帧的候选物体，可以将对关键帧全图识别转化为对物体检测后每个候选物体的识别，这样做相比全图识别可以提高商品识别的准确率；然后，通过卷积神经网络模型对所述各关键帧的候选物体进行商品识别，得到各关键帧的商品，而卷积神经网络模型是深层模型，相比于浅层模型可以提高对所述各关键帧的候选物体进行识别的准确率。再次，对所述各关键帧的商品进行关键字映射，得到对应的商品标签作为所述各关键帧的商品标签；接着，将所述各关键帧的商品标签确定为所述目标视频的商品推荐信息，并进行输出。本发明在进行商品推荐时考虑了视频内容，通过前述步骤对视频内容进行了分析，得到的商品推荐信息与目标视频的内容息息相关，由此解决了商品推荐结果精准度低的问题，取得了与视频内容精准贴合，提高商品推荐结果与目标视频的匹配度，从而提高了商品推荐结果的精准度的有益效果。
【附图说明】
[0021]图1示出了根据本发明一个实施例的一种基于视频内容的商品推荐方法的流程图；
[0022]图2示出了根据本发明一个实施例的一种基于视频内容的商品推荐方法的流程图；
[0023]图3示出了根据本发明一个实施例的目标视频的关键帧A的示意图；
[0024]图4示出了根据本发明一个实施例的目标视频的关键帧B的示意图；
[0025]图5示出了根据本发明一个实施例的输出商品推荐信息的示意图；
[0026]图6示出了根据本发明一个实施例的一种基于视频内容的商品推荐系统的结构框图；
[0027]图7示出了根据本发明一个实施例的一种基于视频内容的商品推荐系统的结构框图。
【具体实施方式】
[0028]为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和【具体实施方式】对本发明作进一步详细的说明。
[0029]实施例一:
[0030]参照图1，示出了本发明实施例一种基于视频内容的商品推荐方法的流程图，本实施例具体可以包括以下步骤:
[0031]步骤101，对目标视频抽取关键帧。
[0032]本实施例中对目标视频抽取关键帧，可以采用基于颜色(或直方图)帧差方法，基于运动分析方法或基于视频帧聚类方法来实现。其中，通过视频帧聚类方法抽取视频的关键帧，即通过聚类分析将视频镜头的帧分成若干类，选取最靠近聚类中心的点表示聚类的点，最终形成视频序列的关键帧集合。需要说明的是，本实施例对目标视频抽取关键帧所采用的具体方法不做限制，可以将目标视频的关键帧抽取出来即可。
[0033]步骤102，根据物体的对象性对各关键帧进行物体检测，将检测到的物体作为各关键帧的候选物体。
[0034]视频的每个关键帧中都包含多个物体，人们主要通过视觉系统对形形色色的物体进行分类和辨别，计算机则根据物体的对象性对各关键帧进行物体