海报搜索方法及用户终端与流程

本发明涉及通信技术领域，尤其涉及一种海报搜索方法及用户终端。

背景技术：

随着人们生活水平的提高，娱乐相关产业的飞速发展。看电影成为现阶段人们休闲娱乐的主要方式之一。为了达到宣传的目的，电影上映之前会发布电影海报。我们在看到海报后，可以知道电影的名字，主演等信息，但是关于电影的主要情节(预告片)、票价等信息则需要我们通过网络自己查询。用户操作相当繁琐，用户体验较差。

技术实现要素：

本发明提供一种海报搜索方法及用户终端，用以用户查询海报相关信息操作繁琐、用户体验较差的问题。

为了解决上述问题，本发明提供了一种海报搜索方法，包括如下步骤：通过用户终端获取海报图像；使用深度卷积神经网络算法对所述海报图像进行特征提取；将提取的特征上传至网络服务器；从所述网络服务器中选择与所述特征匹配的目标信息，并将所述目标信息传输至所述用户终端；于所述用户终端的显示界面显示所述目标信息。

优选的，使用深度卷积神经网络算法对所述海报图像进行特征提取的具体步骤包括：收集多种图片信息，并以多种所述图片信息建立训练集；采用卷积运算提取所述训练集中的图片特征；采用深度神经网络算法，并根据所述图片特征建立模型；根据所述模型对所述海报图像进行特征提取。

优选的，根据所述模型对所述海报图像进行特征提取的的具体步骤包括：对所述海报图像进行颜色标准化处理；根据所述模型对经颜色标准化处理的海报图像进行特征提取。

优选的，所述目标信息包括与所述海报图像匹配的电影名称、情节简介、上映时间、主要演员、电影票价、票房信息、预告片、新闻信息中的一种或几种。

优选的，所述海报搜索方法还包括如下步骤：接收用户的购票请求信息；从所述网络服务器中选择与所述特征匹配的购票信息，并将所述购票信息传输至所述用户终端；于所述用户终端显示购票界面。

本发明还提供了一种用户终端，包括：拍摄模块，用于获取海报图像；提取模块，用于使用深度卷积神经网络算法对所述海报图像进行特征提取；发送模块，用于将提取的特征上传至网络服务器；接收模块，用于接收所述网络服务器下发的目标信息，所述目标信息是从所述网络服务器中选择的与所述特征匹配的信息；显示模块，用于将所述目标信息显示于用户终端的显示界面。

优选的，所述提取模块包括：存储单元，用于收集多种图片信息，并以多种所述图片信息建立训练集；运算单元，连接所述存储单元，用于采用卷积运算提取所述训练集中的图片特征；处理单元，连接所述运算单元，用于采用深度神经网络算法，并根据所述图片特征建立模型；提取单元，连接所述处理单元，用于根据所述模型对所述海报图像进行特征提取。

优选的，所述提取单元包括分析元件和提取元件，所述分析元件连接所述提取元件；所述分析元件，用于对所述海报图像进行颜色标准化处理；所述提取元件，用于根据所述模型对经颜色标准化处理的海报图像进行特征提取。

优选的，所述目标信息包括与所述海报图像匹配的电影名称、情节简介、上映时间、主要演员、电影票价、票房信息、预告片、新闻信息中的一种或几种。

优选的，所述用户终端还包括输入模块，所述输入模块用于用户输入购票请求信息；所述发送模块将用户的购票请求信息发送至网络服务器；所述接收模块接收所述网络服务器下发的购票信息，所述购票信息是从所述网络服务器中选择的与所述特征匹配的信息；所述显示模块于用户终端显示购票界面。

本发明提供的海报搜索方法及用户终端，通过获取海报图像信息，即可将与该海报对应的电影相关信息反馈给用户，极大的简化了用户查询海报相关信息的操作，提高了用户体验。

附图说明

附图1是本发明具体实施方式的海报搜索方法的流程图；

附图2是本发明具体实施方式的用户终端的结构示意图；

附图3是本发明具体实施方式的用户终端中提取模块的结构示意图。

具体实施方式

下面结合附图对本发明提供的海报搜索的方法及用户终端的具体实施方式做详细说明。

本具体实施方式提供了一种海报搜索的方法，附图1是本发明具体实施方式的海报搜索方法的流程图。如图1所示，本具体实施方式所述的海报搜索方法包括如下步骤：

步骤s11，通过用户终端获取海报图像。在需要对电影海报的相关信息进行查询时，用户只需采用一用户终端获取海报图像。本具体实施方式中所述的用户终端可以是但不限于手机、平板电脑、笔记本电脑等。由于，摄像头已成为用户终端上的基本配置，因此，通过用户终端获取海报图像，具体来说，可以是通过用户终端上的摄像头对海报图像进行拍摄。

步骤s12，使用深度卷积神经网络算法对所述海报图像进行特征提取。所述深度卷积神经网络算法是多层神经网络算法的进一步深入，它将深度学习的思想引入到了神经网络当中，通过卷积运算来由浅入深的提取图像的不同层次的特征，而利用神经网络的训练过程让整个网络自动调节卷积核的参数，从而无监督的产生了最适合的分类特征。

步骤s13，将提取的特征上传至网络服务器。所述用户终端将提取的特征通过无线局域网(wifi)或4g网络上传至网络服务器。其中，所述网络服务器中存储了大量的与多种电影海报相关的信息。

步骤s14，从所述网络服务器中选择与所述特征匹配的目标信息，并将所述目标信息传输至所述用户终端。

步骤s15，于所述用户终端的显示界面显示所述目标信息。这样，用户通过用户终端界面就可以清晰的了解与所述海报相关的信息，操作简单、便捷。

为了提高海报图像特征提取的准确度，优选的，使用深度卷积神经网络算法对所述海报图像进行特征提取的具体步骤包括：收集多种图片信息，并以多种所述图片信息建立训练集；采用卷积运算提取所述训练集中的图片特征；采用深度神经网络算法，并根据所述图片特征建立模型；根据所述模型对所述海报图像进行特征提取。通过建立模型，能够对之后获取的所述海报图像进行特征提取处理的结果进行预测，以分配最优资源。其中，根据所述模型对所述海报图像进行特征提取，是通过卷积，非线性映射以及池化的操作对所述海报图像提取特征，与传统的图片特征提取有很大的区域，减少手动提取特征的繁琐步骤，而且提取特征的效果也相对传统方法更加精确。提取所述海报图像的特征都是所述深度卷积神经网络中自动提取的与之前训练好的模型为基础进行的操作。

优选的，根据所述模型对所述海报图像进行特征提取的的具体步骤包括：对所述海报图像进行颜色标准化处理；根据所述模型对经颜色标准化处理的海报图像进行特征提取。由于所述海报图像与所述模型当中训练时的图像会有很多不同，如颜色，清晰度，亮度，这些都会影响模型对所述海报图像的判断，因而，这就需要对所述海报图像进行颜色标准化处理，即所述海报图像的归一化处理，将所述海报图像与所述模型中的图片标准一样，其方法就是以模型中的图片为基准，通过变换矩阵将输入图片归一化。

为了满足人们对海报信息多方面的需求，优选的，所述目标信息包括与所述海报图像匹配的电影名称、情节简介、上映时间、主要演员、电影票价、票房信息、预告片、新闻信息中的一种或几种。

优选的，所述海报搜索方法还包括如下步骤：接收用户的购票请求信息；从所述网络服务器中选择与所述特征匹配的购票信息，并将所述购票信息传输至所述用户终端；于所述用户终端显示购票界面。这样一来，用户只需要获取海报图像，就可以直接进行订票，极大的提高了用户体验。其中，用户输入购票请求的方式，可以是在用户终端显示界面的窗口中输入或是选择，本具体实施方式对此不作限定。此时，所述网络服务器中存储了与多种海报相关的电影购票信息。

本发明提供的海报搜索方法，通过获取海报图像信息，即可将与该海报对应的电影相关信息反馈给用户，极大的简化了用户查询海报相关信息的操作，提高了用户体验。

本发明还提供了一种用户终端，附图2是本发明具体实施方式的用户终端的结构示意图。如图2所示，本具体实施方式所述的用户终端包括：拍摄模块21、提取模块22、发送模块23、接收模块25和显示模块26。

所述拍摄模块21，用于获取海报图像。在需要对电影海报的相关信息进行查询时，用户只需采用一用户终端获取海报图像。本具体实施方式中所述的用户终端可以是但不限于手机、平板电脑、笔记本电脑等。由于，摄像头已成为用户终端上的基本配置，因此，本具体实施方式中的拍摄模块21可以为摄像头，用户通过用户终端获取海报图像，具体来说，可以是通过用户终端上的摄像头对海报图像进行拍摄。

所述提取模块22，用于使用深度卷积神经网络算法对所述海报图像进行特征提取。所述深度卷积神经网络算法是多层神经网络算法的进一步深入，它将深度学习的思想引入到了神经网络当中，通过卷积运算来由浅入深的提取图像的不同层次的特征，而利用神经网络的训练过程让整个网络自动调节卷积核的参数，从而无监督的产生了最适合的分类特征。

所述发送模块23，用于将提取的特征上传至网络服务器。所述发送模块23将提取的特征通过无线局域网(wifi)或4g网络上传至网络服务器。其中，所述网络服务器中存储了大量的与多种电影海报相关的信息。

所述接收模块25，用于接收所述网络服务器下发的目标信息，所述目标信息是从所述网络服务器中选择的与所述特征匹配的信息。

所述显示模块26，用于将所述目标信息显示于用户终端的显示界面。这样，用户通过用户终端界面就可以清晰的了解与所述海报相关的信息，操作简单、便捷。

附图3是本发明具体实施方式的用户终端中提取模块的结构示意图。为了提高海报图像特征提取的准确度，优选的，所述提取模块22包括：存储单元221，用于收集多种图片信息，并以多种所述图片信息建立训练集；运算单元222，连接所述存储单元221，用于采用卷积运算提取所述训练集中的图片特征；处理单元223，连接所述运算单元222，用于采用深度神经网络算法，并根据所述图片特征建立模型；提取单元224，连接所述处理单元223，用于根据所述模型对所述海报图像进行特征提取。通过建立模型，能够对之后获取的所述海报图像进行特征提取处理的结果进行预测，以分配最优资源。其中，所述提取单元224根据所述模型对所述海报图像进行特征提取，是通过卷积，非线性映射以及池化的操作对所述海报图像提取特征，与传统的图片特征提取有很大的区域，减少手动提取特征的繁琐步骤，而且提取特征的效果也相对传统方法更加精确。提取所述海报图像的特征都是所述深度卷积神经网络中自动提取的与之前训练好的模型为基础进行的操作。

如图3所示，优选的，所述提取单元224包括分析元件2241和提取元件2242，所述分析元件2241连接所述提取元件2242；所述分析元件2241，用于对所述海报图像进行颜色标准化处理；所述提取元件2242，用于根据所述模型对经颜色标准化处理的海报图像进行特征提取。由于所述海报图像与所述模型当中训练时的图像会有很多不同，如颜色，清晰度，亮度，这些都会影响模型对所述海报图像的判断，因而，这就需要对所述海报图像进行颜色标准化处理，即所述海报图像的归一化处理，将所述海报图像与所述模型中的图片标准一样，其方法就是以模型中的图片为基准，通过变换矩阵将输入图片归一化。

为了满足人们对海报信息多方面的需求，优选的，所述目标信息包括与所述海报图像匹配的电影名称、情节简介、上映时间、主要演员、电影票价、票房信息、预告片、新闻信息中的一种或几种。

优选的，所述用户终端还包括输入模块，所述输入模块用于用户输入购票请求信息；所述发送模块将用户的购票请求信息发送至网络服务器；所述接收模块接收所述网络服务器下发的购票信息，所述购票信息是从所述网络服务器中选择的与所述特征匹配的信息；所述显示模块于用户终端显示购票界面。这样一来，用户只需要获取海报图像，就可以直接进行订票，极大的提高了用户体验。其中，用户通过所述输入模块输入购票请求的方式，可以是在用户终端显示界面的窗口中输入或是选择，本具体实施方式对此不作限定。此时，所述网络服务器中存储了与多种海报相关的电影购票信息。

本发明提供的用户终端，通过获取海报图像信息，即可将与该海报对应的电影相关信息反馈给用户，极大的简化了用户查询海报相关信息的操作，提高了用户体验。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。