[發明專利]用于評估關注狀態的方法、裝置、系統、介質及產品

在審

• 申請號: 202011572400.1
• 申請日: 2020-12-25
• 公開（公告）號: CN112560783A
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 王志;丘宇翔;王正宇;劉威暢
• 申請（專利權）人: 京東數字科技控股股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06Q30/02;G06N3/04;G06N3/08
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 王文思

1.一種用于評估關注狀態的方法，應用于廣告屏終端，包括：

獲取待評估對象的人臉圖像信息；其中，所述待評估對象為在與所述廣告屏終端關聯的預設采集區域采集到的對象；

基于所述人臉圖像信息，生成人臉信息特征向量；

將所述人臉信息特征向量輸入至關注識別模型，得到所述關注識別模型的輸出結果；其中，所述關注識別模型根據樣本人臉信息特征向量訓練得到，且用于識別對象是否關注所述廣告屏終端；以及

根據所述關注識別模型的輸出結果，確定所述待評估對象的關注狀態評估結果；其中，所述關注狀態評估結果包括關注和非關注。

2.根據權利要求1所述的方法，其中：

所述關注識別模型包括卷積神經網絡；

所述卷積神經網絡包括依次堆疊的第一卷積層、第一池化層、第二卷積層、第二池化層、第三卷積層、第四卷積層、第五卷積層和全連接層。

3.根據權利要求1所述的方法，所述根據所述關注識別模型的輸出結果，確定所述待評估對象的關注狀態評估結果包括：

比較所述關注識別模型的輸出結果與第一預設閾值的大小；其中，所述關注識別模型的輸出結果包括所述待評估對象的關注概率；

如果所述關注概率大于所述第一預設閾值，則確定所述待評估對象的關注狀態評估結果為關注；以及

如果所述關注概率小于或等于所述第一預設閾值，則確定所述待評估對象的關注狀態評估結果為未關注。

4.根據權利要求1所述的方法，在根據所述關注識別模型的輸出結果，確定所述待評估對象的關注狀態評估結果之后，所述方法還包括：

確定預設時間段內在預設采集區域采集到的對象的第一數量；

基于每個所述對象的關注狀態評估結果，確定所述關注狀態評估結果為關注的對象的第二數量；以及

基于所述第二數量和所述第一數量，確定所述廣告屏終端的關注度。

5.根據權利要求3所述的方法，所述關注識別模型為利用損失函數根據樣本人臉信息特征向量訓練得到，訓練過程包括：

獲取已知關注狀態結果的樣本對象的人臉圖像信息；

基于所述樣本對象的人臉圖像信息，生成所述樣本對象的人臉信息特征向量；

將所述樣本對象的人臉信息特征向量輸入至初始卷積神經網絡，生成損失函數的損失；其中，所述初始卷積神經網絡的參數為預設參數；以及

根據所述損失函數的損失對所述初始卷積神經網絡進行訓練，直到所述損失函數的損失最小，將所述損失函數的損失最小時對應的模型作為所述關注識別模型。

6.根據權利要求5所述的方法，在所述根據所述關注識別模型的輸出結果，確定所述待評估對象的關注狀態評估結果之后，所述方法還包括：

將已確定為關注的對象的人臉圖像信息對應的人臉信息特征向量輸入至所述關注識別模型，生成損失函數的損失；以及

根據所述損失函數的損失對所述關注識別模型進行優化訓練，直到所述損失函數的損失最小，將所述損失函數的損失最小時對應的模型作為更新后的關注識別模型。

7.根據權利要求6所述的方法，所述根據所述關注識別模型的輸出結果，確定所述待評估對象的關注狀態評估結果包括：

比較所述關注識別模型的輸出結果與第二預設閾值的大小；其中，所述第二預設閾值大于所述第一預設閾值；

如果所述關注概率大于所述第二預設閾值，則確定所述待評估對象為所述已確定為關注的對象。

8.根據權利要求5所述的方法，所述損失函數包括分類損失softmax函數和中心損失center函數的結合。

9.根據權利要求8所述的方法，所述損失函數如下式：

其中，C_yi表示所屬類別yi的類中心特征；x_i表示全連接層輸入的特征；m表示最小訓練樣本的大小；n表示類別數；λ為損失函數L的權重；W_yi、W_j分別表示全連接層的權重矩陣W的第yi列、第j列；b表示偏置項。