本發明涉及廣告機技術和人工智能技術應用領域，具體地，涉及一種智能視頻廣告展示方法及裝置。

背景技術：

隨著我們經濟的高速發展，大賣場及商場在都市商業經濟當中顯示出越來越重要的作用，其中用來刺激消費者的液晶電視廣告也越來越被各消費品廠商的重視。根據調查顯示，消費者對于液晶電視廣告這種推廣方式還是喜聞樂見的。而由于賣場購物人群相對行色匆匆，不會像電視廣告的消費者那樣有充裕的時間去注意到廣告的內容，因此公共場合的液晶電視廣告只能對消費者提供一定的幫助，起到一定的提醒作用，并不能起到預期的效果。廣告的最終目的是打動目標消費人群，如果消費者對于信息傳遞渠道的接受度很低，信息傳遞的效果就會大打折扣，那么創意再好的廣告，也難以取得良好的效果。

在視頻廣告的推送方面，公開號為cn102708497a的專利通過互聯網獲取用戶視頻節目觀看日志，并以網上投遞問卷的形式獲取用戶信息，再通過分析計算從而推送廣告。該方法的局限性很大，首先必須通過聯網才能獲取用戶信息，其次只有累積到一定的數據才能進行預測。并且是通過分析過去的用戶信息來推斷當下的用戶喜好，并不具有針對性。同時由于互聯網和大數據的發展，如今互聯網廣告的推送多采用點擊率或者通過大數據分析，來獲取消費者的行為特征，從而進行精準的廣告投放。而線下的諸如商場賣場里的液晶廣告機卻始終維持著傳統的播放模式。傳統的播放模式，即廣告機根據預先設置好的播放列表循環播放廣告，完全沒有照顧到消費者的興趣以及體驗，使廣告的投放并未能取得預期的效果。

隨著人工智能的不斷發展，人們試圖讓電腦扮演著人類的角色來解決問題。機器視覺作為人工智能的一個分支，正在快速的發展。簡單的說，機器視覺就是用機器代替人眼來做測量和判斷。機器視覺系統是通過機器視覺產品(即圖像攝取裝置，分cmos和ccd兩種)將被攝取目標轉換成圖像信號，傳送給專用的圖像處理系統，得到被攝目標的形態信息，根據像素分布、亮度、顏色和紋理等信息，轉變成數字化信號；圖像系統對這些信號進行各種運算來抽取目標的特征，根據相應特征使用相關算法便能進行物體的識別。如果廣告播放系統自己能夠識別消費者類型，就能夠根據識別結果精準推送廣告了。

技術實現要素：

為了克服已有廣告展示方法的人為決策、無法照顧到消費者的興趣以及體驗的不足，本發明提供了一種智能視頻廣告展示方法及裝置，在不通過人為決策的情況下，使視頻廣告展示裝置能夠通過采集周圍人物對象進行分析，通過決策自行推送最適合當前人物的廣告。

本發明解決其技術問題所采用的技術方案是：

一種智能視頻廣告展示方法，包括以下步驟：

s1：利用所述視覺傳感器采集展示裝置當前的場景，一方面將采集到的場景圖片傳送給訓練模塊進行訓練，在傳送前會對圖片進行人物對象檢測，若不存在人物則會舍棄；另一方面會將采集到的視頻序列傳送給特征分析模塊，用于特征的提取；

s2：特征分析過程：首先會對視頻序列中的人物對象進行人物跟蹤，通過靜態特征分析和動態特征分析分析每一個被跟蹤對象的特征；根據提取的特征使用計算公式計算各對象的分值，最后根據分值將對象進行分類合并，得到新的分值列表，取最大分值作為最終的分類結果；

s3：根據步驟s2獲取的結果，在已分類好的視頻廣告庫中匹配最適合該類人物的視頻廣告，待當前廣告結束后播放。

進一步，所述步驟s1中，訓練模型包括線下訓練和線上訓練，所述線下訓練是預先采集好訓練集進行模型訓練；所述線上訓練是根據展示裝置實際運營過程中通過采集足夠多的樣本對模型進行沖訓練，以適應場景多變的環境。

再進一步，所述步驟s2中，所述靜態特征包括對象的性別、年齡和穿著習慣，對于每個靜態特征有其自身的分類函數和模型權值文件，利用各特征的分類函數和模型權值文件可以計算出性別和其對應的概率值ps、年齡段和對應的概率值pa以及穿著習慣和其對應的概率值pw；

動態特征分析包括判斷對象的走向、腳速和軌跡預測，首先將各動態特征進行量化，走向的量化則可轉化為對象與視覺傳感器的連線與視覺傳感器所在平面垂直線之間的角度r；腳速則可以更具圖像幀與幀之間移動的距離除以采集每幀的時間得到腳速v；軌跡預測則根據跟蹤的路線進行預測根據走向角度r給予打分s；

靜態分值f1的計算為：

f1＝f(ps,pa,pw)

先將靜態特征的各概率值進行歸一化處理，根據各特征所占的比率來計算靜態分值；

動態分值f2的計算為：

f2＝f(r,v,s)

用不同權值的參數進行相乘來計算動態分值；

對象分值f3的計算，計算公式為：

f3＝f(f1,f2)；

將靜態分值f1和動態分值f2加權相加得到對象分值。

一種智能視頻廣告展示裝置，所述裝置包括：

采集模塊，用于利用所述視覺傳感器采集展示裝置當前的場景；

訓練模塊，用于將采集到的場景圖片進行訓練，包括樣本的訓練和測試，所述樣本訓練是指當采集模塊采集到足夠的樣本圖片后，使用算法進行訓練，調節權值參數使網絡輸出與預期值相符；所述測試則是使用測試集對訓練好的模型進行測試，如果沒有得到預期的效果則調整權重參數進行重新訓練；

特征分析模塊，包括靜態特征分析模塊和動態特征分析模塊，所述的靜態特征分析模塊用于實現人物的靜態特征提取，靜態特征包括人物的性別、年齡和穿著習慣；所述的動態特征分析模塊用于實現人物的動態特征提取，包括目標人物行走的方向、目標人物在行走的腳速、獲取行走軌跡和行走軌跡的預測，用于判斷目標人物能在展示裝置前能逗留的時間從而甄選播放廣告的時長；

視頻廣告匹配模塊，用于根據特征分析模塊得到的最優結果去已分類好的視頻廣告庫進行匹配；

播放模塊，用于在當前廣告播放結束后取視頻廣告匹配模塊中匹配得到的最適合目標人物的廣告進行播放。

本發明的有益效果主要表現在：針對現有的廣告機無法根據具體顧客播放其喜好廣告，只能根據預先設置好的播放列表進行循環播放廣告的情況，本發明提供了一種智能視頻廣告展示方法及裝置，通過視覺傳感器采集訓練樣本圖片和視頻跟蹤序列，樣本圖片用于訓練產生新的預測模型，為分類器提供模型權值文件。根據人物檢測和跟蹤獲取目標的動態特征和靜態特征，根據各分類特征進行分值的計算和歸類，在預分類好的廣告列表中匹配目標人物最感興趣的廣告。本發明的模型權值文件還能根據場景的變化重新訓練以適應多變的場景，使廣告的播放更具有針對性，大大提高了廣告的關注度，提高廣告推送所帶來的經濟效益。

附圖說明

圖1為本發明一種智能視頻廣告展示裝置應用實例工作展示圖；

圖2為本發明一種智能視頻廣告展示裝置結構示意框圖；

圖3為本發明一種智能視頻廣告展示方法特征分析模塊流程圖；

圖4為本發明一種智能視頻廣告展示方法計算單個對象分值流程圖；

圖5為本發明一種智能視頻廣告展示方法及裝置的示例工作流程圖。

具體實施方式

下面結合附圖對本發明作進一步描述。

參照圖1～圖5，一種智能視頻廣告展示方法，包括以下步驟：

s1：利用所述視覺傳感器采集展示裝置當前的場景，一方面將采集到的場景圖片傳送給訓練模塊進行訓練，在傳送前會對圖片進行人物對象檢測，若不存在人物則會舍棄；另一方面會將采集到的視頻序列傳送給特征分析模塊，用于特征的提取；

s2：特征分析過程：首先會對視頻序列中的人物對象進行人物跟蹤，通過靜態特征分析和動態特征分析分析每一個被跟蹤對象的特征；根據提取的特征使用計算公式計算各對象的分值，最后根據分值將對象進行分類合并，得到新的分值列表，取最大分值作為最終的分類結果；

s3：根據步驟s2獲取的結果，在已分類好的視頻廣告庫中匹配最適合該類人物的視頻廣告，待當前廣告結束后播放。

進一步，所述步驟s1中，訓練模型包括線下訓練和線上訓練，所述線下訓練是預先采集好訓練集進行模型訓練；所述線上訓練是根據展示裝置實際運營過程中通過采集足夠多的樣本對模型進行沖訓練，以適應場景多變的環境。

再進一步，所述步驟s2中，所述靜態特征包括對象的性別、年齡和穿著習慣，對于每個靜態特征有其自身的分類函數和模型權值文件，利用各特征的分類函數和模型權值文件可以計算出性別和其對應的概率值ps、年齡段和對應的概率值pa以及穿著習慣和其對應的概率值pw；

動態特征分析包括判斷對象的走向、腳速和軌跡預測，首先將各動態特征進行量化，走向的量化則可轉化為對象與視覺傳感器的連線與視覺傳感器所在平面垂直線之間的角度r；腳速則可以更具圖像幀與幀之間移動的距離除以采集每幀的時間得到腳速v；軌跡預測則根據跟蹤的路線進行預測根據走向角度r給予打分s；

靜態分值f1的計算為：

f1＝f(ps,pa,pw)

先將靜態特征的各概率值進行歸一化處理，根據各特征所占的比率來計算靜態分值；

動態分值f2的計算為：

f2＝f(r,v,s)

用不同權值的參數進行相乘來計算動態分值；

對象分值f3的計算，計算公式為：

f3＝f(f1,f2)；

將靜態分值f1和動態分值f2加權相加得到對象分值。

一種智能視頻廣告展示裝置，所述裝置包括：

采集模塊，用于利用所述視覺傳感器采集展示裝置當前的場景；

訓練模塊，用于將采集到的場景圖片進行訓練，包括樣本的訓練和測試，所述樣本訓練是指當采集模塊采集到足夠的樣本圖片后，使用算法進行訓練，調節權值參數使網絡輸出與預期值相符；所述測試則是使用測試集對訓練好的模型進行測試，如果沒有得到預期的效果則調整權重參數進行重新訓練；

特征分析模塊，包括靜態特征分析模塊和動態特征分析模塊，所述的靜態特征分析模塊用于實現人物的靜態特征提取，靜態特征包括人物的性別、年齡和穿著習慣；所述的動態特征分析模塊用于實現人物的動態特征提取，包括目標人物行走的方向、目標人物在行走的腳速、獲取行走軌跡和行走軌跡的預測，用于判斷目標人物能在展示裝置前能逗留的時間從而甄選播放廣告的時長；

視頻廣告匹配模塊，用于根據特征分析模塊得到的最優結果去已分類好的視頻廣告庫進行匹配；

播放模塊，用于在當前廣告播放結束后取視頻廣告匹配模塊中匹配得到的最適合目標人物的廣告進行播放。

假設某視頻廣告的播放時長為s秒，在這s秒內對采集到的視頻序列進行人物跟蹤，在跟蹤的過程中可能有些人物早已不在場景內，即使匹配結果再好再準確，那對于整個廣告智能推送也沒有任何的意義。因此，只在當前視頻廣告播放結束前s1(0<s1≤s)秒內對跟蹤人物進行特征提取和視頻廣告的匹配。

整個過程匹配的次數取決于視覺傳感器的采集幀率，假設視覺傳感器的采集幀率為f，在目標檢測和跟蹤過程中可能需要將視頻序列進行降幀處理，使得跟蹤算法能夠實現實時跟蹤目標人物，假設降幀后的幀率為f1(f1≤f)，即從跟蹤序列中獲取一張目標圖片需要秒，假定每k幀獲取一張目標圖片進行特征提取和視頻廣告匹配，則在s1秒內將進行次匹配。

圖1為本發明一種智能視頻廣告展示裝置的應用實例工作展示圖。如圖所示視覺傳感器安裝在液晶廣告機的上方的中間位置，使能采集到的視角最大。每個用戶有其自身的特征，圖中箭頭指向為各用戶的行走軌跡，在整個過程中可能有的如用戶1一般始終站在廣告機的前面，此類型的用戶為最佳識別對象，也有像用戶3那樣的突然出現在采集范圍內又走出采集范圍區域，本發明的目的就在于分析這些客戶的靜態特征和動態特征，匹配最合適的廣告進行推送。

圖2為本發明一種智能視頻廣告展示裝置的結構示意框圖；主要包括采集模塊1、訓練模塊2、特征分析模塊3、視頻廣告匹配模塊4和播放模塊5，其中特征分析模塊包括靜態特征分析模塊31和動態特征分析模塊32。其中采集模塊是有視覺傳感器和系統前端isp(imagesignalprocessor)組成，將視覺傳感器采集到的原始圖片發送給訓練模塊；將采集到的視頻序列發送給特征分析模塊。特征分析模塊采用人物跟蹤算法對視頻進行降幀處理，對視頻序列中的人物進行檢測和跟蹤。對個對象進行靜態特征和動態特征的分析，根據相關算法計算每個對象所對應的分值。將各類得到的各分值進行相似性合并，去合并后分值最大的類型去匹配已分類好的視頻廣告庫。在當前視頻結束后就會播放該匹配好的視頻。

圖3為本發明一種智能視頻廣告展示方法的特征分析模塊流程圖；該過程的主要目的是分析單個人物對象的特征，其中特征包括靜態特征和動態特征。

步驟310：從目標檢測和跟蹤視頻序列中獲取目標對象；

步驟320：特征的分析，其中包括321靜態特征分析和322動態特征分析。

其中步驟321靜態特征分析包括對象的性別、年齡和穿著習慣，對于每個靜態特征有其自身的分類函數和模型權值文件。如對于性別特征其類型只有兩類非男即女，為了提高算法的效率，算法只判斷該對象是否為男性。最終會得到對象的性別和其對應的概率值ps。同樣利用該方法利用各特征的分類函數和模型權值文件可以計算出年齡段和對應的概率值pa以及穿著習慣和其對應的概率值pw。

其中步驟322動態特征分析包括判斷對象的走向、腳速和軌跡預測，分析動態特征主要是為了選擇適當時長的廣告。由于對象在廣告機逗留的時間是有限的，如果不能合理的選擇時長則會在時域上浪費時間，降低廣告的播放效益。首先將各動態特征進行量化，走向的量化則可轉化為對象與視覺傳感器的連線與視覺傳感器所在平面垂直線之間的角度r；腳速則可以更具圖像幀與幀之間移動的距離除以采集每幀的時間得到腳速v；軌跡預測則根據跟蹤的路線進行預測根據走向角度r給予打分s。

圖4為本發明一種智能視頻廣告展示方法計算單個對象分值流程圖，本流程意在分析對象檢測和跟蹤過程中單個對象的分值情況。

步驟410：從目標檢測和跟蹤視頻序列中獲取目標對象；

步驟420：特征的分析，其中包括421靜態特征分析模塊和422動態特征分析模塊。具體過程參見圖3一種智能視頻廣告展示方法的特征分析模塊流程圖，在此步驟中獲取了對象的靜態特征性別和其對應的概率值ps、年齡段和對應的概率值pa以及穿著習慣和其對應的概率值pw；獲取了對象的動態特征走向角度r，腳速v和軌跡分值s；

步驟430：分值計算，其中包括431靜態特征分值計算和432動態特征分值計算。靜態分值的計算為：

f1＝f(ps,pa,pw)

其中，f1表示的是該對象的靜態分值，計算的方法可先將靜態特征的各概率值進行歸一化處理，根據各特征所占的比率來計算所謂的分值。

動態分值的計算為：

f2＝f(r,v,s)

其中，f2表示的是該對象的動態分值，f2除了用于步驟440計算對象的最終分值，也用于估計所選廣告的時長，由于各動態特征的重要性體現度，可用不同權值的參數進行相乘來計算動態分值。

步驟440：對象分值的計算，計算公式為：

f3＝f(f1,f2)

其中，f3為對象的分值。

圖5為本發明一種智能視頻廣告展示方法及裝置的示例工作流程圖，具體包括以下步驟：

步驟410：通過視覺傳感器采集當前人物場景的視頻序列；

步驟420：使用人物跟蹤算法對視頻序列中的人物對象進行檢測和跟蹤；

步驟430：根據人物識別算法將此過程中出現的對象提取出來，其中431對象1、432對象2、…、43n對象n為跟蹤過程中出現過及還在跟蹤的人物對象。

步驟440：將步驟430獲取的對象，通過圖4一種智能視頻廣告展示方法計算單個對象分值來計算每個人物的最終分值，其中步驟441、442、…、44n分別為對應的分值計算的結果{f31,f32,…,f3n}；

步驟450：是對步驟440所計算的分值進行合并歸類，根據圖4得到的目標對象的靜態特征和動態特征進行人物類型歸類，將相同類型人物的分值進行累加，得到這n個分值進行分類合并得到的累計分值{f′31,f′32,…,f′3m}，其中m≤n。

步驟460：是根據步驟450所分類得到的最終累計分值列表，使用max(f′3i)，取最大值作為最后的分類結果。

本發明提供一種智能視頻廣告展示方法及裝置是為了實現廣告的精準投放，提高廣告的關注度。通過視覺傳感器采集展示裝置當前的場景，使用算法技術分析場景中人物的性別、年齡、穿著喜好和動態行為，從已分類好的廣告庫中匹配出最適合當前人物的廣告進行推送。

最后應說明的是：以上實施例僅用以說明本發明的技術方案，而非對其限制；盡管參照前述實施例對本發明進行了詳細的說明，本領域的普通技術人員應當理解：其依然可以對前述實施例所記載的技術方案進行修改，或者對其中部分技術特征進行等同替換；而這些修改或者替換，并不使相應技術方案的本質脫離本發明實施例技術方案的精神和范圍。