[發明專利]基于視頻內容的商品推薦方法和系統

有效

• 申請號: 201510093789.4
• 申請日: 2015-03-02
• 公開（公告）號: CN104715023B
• 公開（公告）日: 2018-08-03
• 發明（設計）人: 蘭細鵬;王濤;楊琛;張彥剛;朱成
• 申請（專利權）人: 北京奇藝世紀科技有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06Q30/02
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 蘇培華

本發明提供了一種基于視頻內容的商品推薦方法和系統，以解決商品推薦結果精準度低的問題。一種基于視頻內容的商品推薦方法，包括：對目標視頻抽取關鍵幀；根據物體的對象性對各關鍵幀進行物體檢測，將檢測到的物體作為各關鍵幀的候選物體；通過卷積神經網絡模型對所述各關鍵幀的候選物體進行商品識別，得到各關鍵幀的商品；對所述各關鍵幀的商品進行關鍵字映射，得到對應的商品標簽作為所述各關鍵幀的商品標簽；將所述各關鍵幀的商品標簽確定為所述目標視頻的商品推薦信息，并進行輸出。本發明在進行商品推薦時考慮了視頻內容，對視頻內容進行了分析，得到的商品推薦信息與目標視頻的內容息息相關，因此提高了商品推薦結果的精準度。

技術領域

本發明涉及計算機數據處理技術領域，特別是涉及一種基于視頻內容的商品推薦方法和系統。

背景技術

隨著電子商務的不斷發展，越來越多的用戶選擇在網上進行購物。用戶通過瀏覽器訪問電子商務網站，就可以方便地選擇自己所需要的商品。在很多情況下，電子商務網站會向用戶進行商品推薦，例如，用戶購買了某一種商品之后，會向其推薦與該商品相似或者關聯的商品，又如，還可以向用戶推薦新的上架的商品，打折的商品，熱銷的商品等等。

一般來說，目前互聯網上的電子商務網站是基于商品銷售排行、用戶對商品的評價評分或者對用戶在電子商務網站的其他行為數據的分析來進行商品推薦。用戶在觀看影視劇時，往往會插播廣告，這些插播廣告涉及的商品推薦信息多種多樣，但上述商品推薦信息基本上與視頻內容無關，也就是說用戶無論觀看的是哪部影視劇，會出現相同的商品推薦信息，導致商品推薦信息不夠精準，與視頻內容匹配度低。

發明內容

本發明提供了一種基于視頻內容的商品推薦方法和系統，以解決商品推薦結果精準度低的問題。

為了解決上述問題，本發明公開了一種基于視頻內容的商品推薦方法，包括：對目標視頻抽取關鍵幀；根據物體的對象性對各關鍵幀進行物體檢測，將檢測到的物體作為各關鍵幀的候選物體；通過卷積神經網絡模型對所述各關鍵幀的候選物體進行商品識別，得到各關鍵幀的商品；對所述各關鍵幀的商品進行關鍵字映射，得到對應的商品標簽作為所述各關鍵幀的商品標簽；將所述各關鍵幀的商品標簽確定為所述目標視頻的商品推薦信息，并進行輸出。

可選地，所述對目標視頻抽取關鍵幀包括：對目標視頻進行鏡頭檢測，提取若干個鏡頭；對每個鏡頭抽取關鍵幀，并將各鏡頭所抽取的關鍵幀作為所述目標視頻的關鍵幀。

可選地，所述對目標視頻進行鏡頭檢測，提取若干個鏡頭，包括：提取所述目標視頻各幀的顏色直方圖特征；根據所述各幀的顏色直方圖特征計算相鄰兩幀的顏色直方圖的相似性；當所述相鄰兩幀的顏色直方圖的相似性小于相似閾值時，將所述相鄰兩幀的邊界點確定為鏡頭邊界；按照所述鏡頭邊界提取鏡頭。

可選地，所述根據物體的對象性對各關鍵幀進行物體檢測，將檢測到的物體作為各關鍵幀的候選物體，包括：根據物體的對象性調整各關鍵幀的分辨率，計算調整后各關鍵幀的梯度幅值；按照預設框的大小在各關鍵幀中取所述預設框內的像素點，送入訓練完成的級聯支持向量機計算得分，當所述得分大于分數閾值時，判斷為檢測到物體，并將該物體作為其所在關鍵幀的候選物體。

可選地，所述通過卷積神經網絡模型對所述各關鍵幀的候選物體進行商品識別，得到各關鍵幀的商品，包括：預設多個類別的商品樣本，并依據所述商品樣本設計訓練的網絡結構；根據所述網絡結構訓練得到卷積神經網絡模型；當所述各關鍵幀的候選物體與所述卷積神經網絡模型中的商品樣本一致時，將所述候選物體確定為其所在關鍵幀的商品，并將所述商品樣本的類別作為所述商品的標簽。

可選地，所述對所述各關鍵幀的商品進行關鍵字映射，得到對應的商品標簽作為所述各關鍵幀的商品標簽，包括：調取電商的商品標簽；以所述各關鍵幀的商品的標簽為關鍵字，將所述各關鍵幀的商品的標簽映射到所述電商的商品標簽，并作為所述各關鍵幀的商品標簽。