一种广告消息的展示方法及其设备与流程

本发明属于数据处理技术领域，尤其涉及一种广告消息的展示方法及其设备。

背景技术

随着产品数量的不断增多，为了让购买产品的客户能够获取到产品相关的最新资讯，商家会向用户展示产品的广告消息。现有的广告消息的展示方法，虽然可以做到向用户定向展示特定类型的广告，但往往需要采集客户的消费行为或消费习惯之后，才能准确定位该用户感兴趣的产品类型，展示效率以及准确度较低，在客户进行消费之前，无法实现个性化广告消息展示。

技术实现要素：

有鉴于此，本发明实施例提供了一种广告消息的展示方法及其设备，以解决现有的广告消息的展示方法，展示效率以及准确度较低，在客户进行消费之前，无法实现个性化广告消息展示的问题。

本发明实施例的第一方面提供了一种广告消息的展示方法，包括：

获取目标客户的人脸图像数据；

将所述人脸图像数据导入到客户属性提取模型，确定所述目标客户的客户属性；

基于所述客户属性以及客户类型的类型属性，分别计算所述目标客户与各个所述客户类型的匹配度，并选取所述匹配度最高的客户类型作为所述目标客户的客户类型；

根据预设的客户类型与产品类别的对应关系表，查询所述目标客户的客户类型关联的产品类别；

向所述目标客户展示所述产品类别的广告消息。

本发明实施例的第二方面提供了一种广告消息的展示设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取目标客户的人脸图像数据；

将所述人脸图像数据导入到客户属性提取模型，确定所述目标客户的客户属性；

基于所述客户属性以及客户类型的类型属性，分别计算所述目标客户与各个所述客户类型的匹配度，并选取所述匹配度最高的客户类型作为所述目标客户的客户类型；

根据预设的客户类型与产品类别的对应关系表，查询所述目标客户的客户类型关联的产品类别；

向所述目标客户展示所述产品类别的广告消息。

本发明实施例的第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

获取目标客户的人脸图像数据；

将所述人脸图像数据导入到客户属性提取模型，确定所述目标客户的客户属性；

基于所述客户属性以及客户类型的类型属性，分别计算所述目标客户与各个所述客户类型的匹配度，并选取所述匹配度最高的客户类型作为所述目标客户的客户类型；

根据预设的客户类型与产品类别的对应关系表，查询所述目标客户的客户类型关联的产品类别；

向所述目标客户展示所述产品类别的广告消息。

实施本发明实施例提供的一种广告消息的展示方法及其设备具有以下有益效果：

本发明实施例通过获取所需展示广告消息的目标客户的人脸图像，根据人脸图像确定该目标客户的客户属性，并基于该客户属性与各个客户类型进行匹配，确定该目标客户所属的客户类型，从而获取到该客户类型感兴趣的产品类型，向该目标客户展示该产品类型的广告消息，实现精准投放广告的目的。与现有的广告消息的展示方法相比，无需采集用户的购买行为习惯即可确定该客户的客户类型，并推送该客户类型相关的广告消息，提高了展示效率以及准确率。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明第一实施例提供的一种广告消息的展示方法的实现流程图；

图2是本发明第二实施例提供的一种广告消息的展示方法具体实现流程图；

图3是本发明第三实施例提供的一种广告消息的展示方法具体实现流程图；

图4是本发明第四实施例提供的一种广告消息的展示方法s103具体实现流程图；

图5是本发明第四实施例提供的一种广告消息的展示方法s105具体实现流程图；

图6是本发明一实施例提供的一种广告消息的展示设备的结构框图；

图7是本发明另一实施例提供的一种广告消息的展示设备的示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例通过获取所需展示广告消息的目标客户的人脸图像，根据人脸图像确定该目标客户的客户属性，并基于该客户属性与各个客户类型进行匹配，确定该目标客户所属的客户类型，从而获取到该客户类型感兴趣的产品类型，向该目标客户展示该产品类型的广告消息，实现精准投放广告的目的，解决了现有的广告消息的展示方法，展示效率以及准确度较低，在客户进行消费之前，无法实现个性化广告消息展示的问题。

在本发明实施例中，流程的执行主体为广告消息的展示设备。该广告消息的展示设备包括但不限于：笔记本电脑、计算机、服务器、平板电脑以及智能手机等终端设备。需要强调的是，该广告消息的展示设备内设有一摄像模块，可通过该摄像模块获取目标客户的人脸图像数据，继而基于该人脸图像数据确定该目标用户所感兴趣的广告类型，从而实现精准投放广告消息的目的。图1示出了本发明第一实施例提供的广告消息的展示方法的实现流程图，详述如下：

在s101中，获取目标客户的人脸图像数据。

在本实施例中，广告消息的展示设备可以为一服务器，该服务器用于向安装有该服务器对应客户端的用户终端推送广告消息，在该情况下，服务器会控制安装于用户终端的客户端采集当前进行操作的用户的人脸图像数据，并将采集得到的人脸图像数据通过无线网络或有线网络返回给服务器，当服务器接收到该人脸图像数据后，则执行s102的相关操作。优选地，该客户端每一次启动时均会获取一次当前使用用户的人脸图像数据，并将本次获取得到的人脸图像数据与历史获取得到的人脸图像数据进行比对，判断该当前使用的用户是否已经判定过其感兴趣的产品类别，若是，直接执行s105的相关操作；反之，若该人脸图像数据并未识别过，则发送给服务器，并执行s102的操作。

在本实施例中，广告消息的展示设备还可以为一用户使用的移动终端，在该情况下，目标客户即为使用该移动终端的使用用户，移动终端对广告消息进行展示无需依赖制定的客户端，而是可以将广告展示的插件设置于各个应用程序内，在空白的区域对用户进行展示。移动终端通过内置的摄像模块，获取该目标客户的人脸图像数据，然后在执行s102的相关操作。

在本实施例中，广告消息的展示设备还可以从客户数据库中选取满足预设条件的客户作为目标客户，并基于该目标客户的终端标识，与该目标客户的用户终端进行通信，并通过用户终端获取该目标客户的人脸图像数据。举例性地，展示设备可以从客户数据库中选取平均月收入大于收入阈值的客户作为目标客户，然后实行广告消息的展示流程。

在s102中，将所述人脸图像数据导入到客户属性提取模型，确定所述目标客户的客户属性。

在本实施例中，人脸图像数据包括了目标客户的五官信息以及脸部信息，因此通过脸部信息以及五官信息可以确定该用户的客户属性，该客户属性包括但不限于：该客户的性别、年龄、性格等相关信息，特别地，还可以通过人脸图像数据识别该目标客户所佩戴的饰物，通过目标客户的饰物可映射该目标客户的兴趣爱好等信息。因此，为了确定该目标客户的客户属性，广告消息的展示设备会将采集到的人脸图像数据导入到客户属性提取模型内，以确定所述目标客户的客户属性。

在本实施例中，该客户属性提取模型可以为图像识别算法，通过对人脸图像数据中部分特征器官的识别，勾勒出该目标客户的人脸区域，并通过该人脸区域提取各个特征器官的特征值，基于各个特征值确定该目标客户的性别特征、年龄特征以及性格特征，继而通过上述三个特征值，确定该目标客户的客户属性。

需要说明的是，每个客户属性的格式是相同的，即从不同目标客户的人脸图像数据中提取得到的客户属性包含的属性项数是一致的，若一人脸图像数据中部分属性项无法提取得到，则将该属性项的内容设置为空。

在s103中，基于所述客户属性以及客户类型的类型属性，分别计算所述目标客户与各个所述客户类型的匹配度，并选取所述匹配度最高的客户类型作为所述目标客户的客户类型。

在本实施例中，展示设备存储有不同客户类型的类型属性，该客户类型包括：学生客户类型、青年客户类型、白领客户类型、蓝领客户类型、老龄客户类型等，由于不同客户类型的人群具有一定的人群特点，例如该客户类型会在一定的年龄范围内，或面部表情会有一定的特点，因此可基于该人群特点确定不同客户类型的类型属性，通过获取得到目标客户的客户属性与客户类型的类型属性进行匹配，判定该目标客户所述的客户类型。

在本实施例中，展示设备会将目标客户的客户属性与各个客户类型的类型属性进行匹配，计算两个属性参数之间匹配度，并识别该匹配度作为目标客户与客户类型之间的匹配度。具体地，计算客户属性与类型属性之间的匹配度的过程为：类型属性中包含多个属性项，每个属性项对应一个参数范围，展示设备会提取客户属性中类型属性所需属性项的属性值，并识别该属性值是否落入类型属性中对应属性项的参数范围内，若是，则识别该属性项匹配；若不是，则识别该属性项与客户类型不匹配，将匹配的属性项个数作为目标客户与该客户类型之间的匹配度。

在本实施例中，展示设备在计算了目标客户与各个客户类型之间的匹配度之后，会选取匹配度最高的一个客户类型作为该目标客户的客户类型。优选地，展示设备设置了一个匹配度下限值，若目标客户与各个客户类型之间匹配度均小于该匹配度下限值，则识别该目标客户不属于所有客户类型，在该情况下，可能是由于采集的人脸图像数据无法很好表征目标客户的客户属性所导致的，因此，展示设备会重新获取目标客户的多个人脸图像数据，基于多个人脸图像数据确定该目标客户的客户属性，然后再次执行s103的相关操作。

可选地，若最大的匹配度存在两个，则将两个客户类型均识别为该目标客户的客户类型，或者获取不同属性项的权重值，在计算客户属性与类型属性之间的匹配度时，将各个属性项的权重值导入到匹配度计算公式内，从而计算得到上述多个匹配度均最大的类型属性所对应的权重匹配度，并选取数值最大的权重匹配度所对应的客户类型作为目标客户的客户类型。

在s104中，根据预设的客户类型与产品类别的对应关系表，查询所述目标客户的客户类型关联的产品类别。

在本实施例中，不同类型的产品其对应的目标客户均不相同。例如对于化妆产品，其目标对象主要为女性，且年龄在25周岁以上，因此其对应的客户类型为年轻女性类型；而对于汽车配件产品，其目标对象主要为男性，且衣着以衬衣或西装为主，则对应的客户类型为男性白领客户类型。由此可见，对于不同的产品类型，其销售对象是有固定的客户类型，从而在确定目标客户的客户类型外，则可以得到该客户类型所感兴趣的产品类型。

在本实施例中，展示设备存储有客户类型与产品类别之间的对应关系表，记录了各个客户类型所关注的所有产品类型。展示设备查询该对应关系表确定目标客户的客户类型关联的产品类型，该产品类型的数量可以为一个，也可以为多个，具体数量根据该客户类型实际情况而决定。

在本实施例中，展示设备可以通过上位服务器下载该对应关系表，在该情况下，该上位服务器每进行一次对应关系表的更新操作，则会向所有隶属该上位服务器的展示设备发送更新后的对应关系表，从而展示设备可以实现对对应关系表的更新，提高了广告消息展示的准确性。展示设备还可以接收管理员手动输入各个客户类型所关联的产品类型，完成该对应关系表。

在s105中，向所述目标客户展示所述产品类别的广告消息。

在本实施例中，展示设备在确定该目标客户所关联的产品类型后，会将关于属于该产品类型的产品的广告消息作为需要向该目标客户进行推送的广告消息，若该展示设备为目标客户所使用的用户终端，则可以通过该展示设备的交互模块输出该广告消息；若该展示设备为一服务器，则将广告消息封装为广告展示数据包，并把该广告展示数据包发送给用户终端，以通过用户终端向目标客户进行广告展示。

在本实施例中，展示设备在对广告消息进行展示之后，若该产品类型存在新添加的广告消息，则无需再次对目标客户所关注的产品类型进行识别，可以直接将添加的广告消息发送给目标客户的用户终端。

以上可以看出，本发明实施例提供的一种广告消息的展示方法通过获取所需展示广告消息的目标客户的人脸图像，根据人脸图像确定该目标客户的客户属性，并基于该客户属性与各个客户类型进行匹配，确定该目标客户所属的客户类型，从而获取到该客户类型感兴趣的产品类型，向该目标客户展示该产品类型的广告消息，实现精准投放广告的目的。与现有的广告消息的展示方法相比，无需采集用户的购买行为习惯即可确定该客户的客户类型，并推送该客户类型相关的广告消息，提高了展示效率以及准确率。

图2示出了本发明第二实施例提供的一种广告消息的展示方法的具体实现流程图。参见图2所示，相对于图1所述实施例，本实施例提供的一种广告消息的展示方法中在所述将所述人脸图像数据导入到客户属性提取模型，确定所述目标客户的客户属性之前还包括s201～s204，具体详述如下：

在s201中，获取多个训练对象的人脸图像样本和客户属性样本。

在本实施例中，属性提取函数具体可以为一神经网络，通过训练学习的方式确定该属性提取函数以及该函数中各个参数值，为了提高属性提取函数对于所有根据人脸图像数据得到客户属性的拟合度，需要调整该属性提取函数，将多个训练对象的人脸图像样本作为函数的训练输入，将客户属性样本作为函数的训练输出，对该属性提取函数进行训练学习。因此，在s201中，终端设备会获取训练对象的人脸图像样本和客户属性样本。其中，训练用户的个数为多个，优选地，该训练用户的个数应大于1000个，从而提高该属性提取函数的准确性。

在本实施例中，广告消息的展示设备可以获取多个训练对象进行人脸图像数据，并手动输入各个训练对象所对应的客户属性，当然广告消息的展示设备可以在各个客户在进行信息录入操作时，采集该客户的人脸图像数据，并且将该人脸图像数据与当前进行录入操作的客户信息进行关联，从而使得广告消息的展示设备中客户数据库存储的已录入客户，可作为本次对属性提取函数训练时所使用的训练对象。

需要说明的是，各个训练对象的客户属性样本的格式是相同的，即客户属性样本中包含的属性参数项的项数是相同的。若任一训练对象的人脸图像样本由于拍摄角度的问题无法解析出部分客户属性参数项，则该属性参数项为空，从而保证了在对属性提取函数进行训练时，各个通道输出的参数的含义是固定的，提高了属性提取函数的准确性。

在s202中，通过预设的图像优化算法，对所述训练人脸图像样本进行预处理。

在本实施例中，展示设备会见获取的人脸图像样本通过图像优化算法进行预处理，从而在进行客户属性提取操作的过程中，能够提高准确性以及减少图像噪声对于属性识别的影响。

在本实施例中，图像优化算法包括但不限于至少以下一种：噪点修复算法、图像锐化算法、灰度变化算法、图像结构加深算法等。通过图像优化算法可以加深人脸图像样本中各个器官以及脸部图像的轮廓的深度，从而能够便于对各个人脸器官的特征参数的提取。

在s203中，以所述预处理后的人脸图像样本作为属性提取函数的自变量，以所述客户属性样本作为所述属性提取函数的因变量，调整所述属性提取函数，以使所述属性提取函数的损失函数的取值最小；所述损失函数具体为：

其中，l(pic,i)为所述损失函数；s(pict)为所述属性提取函数；pict为第t个所述人脸图像样本；it为第t个所述客户属性样本；n为所述训练对象的总个数。

在本实施例中，属性提取函数的输出值即为该客户属性样本，该客户属性样本可以包括多项客户属性值，在该情况下，属性提取函数的因变量即为一阵列，该阵列中的每一行对应一个客户属性的属性项，例如客户属性可以包含：年龄、性别、职业、性格4个属性项，每个属性项对应因变量阵列中的一个元素，所有属性项组合构成该客户属性所对应的阵列。每个属性项在客户属性对应的阵列中有对应的编号，从而属性提取函数可以基于不同的人脸图像样本中相同属性项的属性值导入到该阵列中该对应的编号的元素内。该deepmar神经网络的因变量为一个，即为训练对象的人脸图像样本。当然，若同一训练对象具有多个人脸图像样本，则属性提取函数中的因变量也可以为一阵列，该阵列包含多个人脸图像样本的数据，从而提高识别的准确率。

在本实施例中，展示设备把训练对象的人脸图像样本作为属性提取函数的自变量，把训练对象的客户属性样本作为属性提取函数的因变量，通过上述两个参数调整属性提取函数。需要说明的是，调整属性提取函数的内容包括确定该函数中所包含的子函数的类型以及各个子函数的常数项。其中，该属性提取函数根据实际需求可从函数库中提取所需的子函数，通过调整各个子函数的常数项以及标准函数的组合，得到属性提取函数。该函数库包括：幂函数、三角函数、反三角函数、对数函数等多种子函数。

在本实施例中，展示设备会对属性提取函数进行调整，将人脸图像样本作为属性函数的因变量，将基于该因变量计算的客户属性与客户属性样本进行比对，确定该属性提取函数识别错误的情况，即损失函数值的大小。展示设备会逐步调整该属性提取函数，直到该损失函数的取值最小时，识别该属性提取函数已调整完毕。可选地，展示设备会对损失函数进行求导，确定损失函数导数为0时的多个极值点，并选取各个极值点最小时所对应的属性提取函数作为调整完成的属性提取函数。

在s204中，将调整后的所述属性提取函数创建为所述客户属性提取模型。

在本实施例中，终端设备将调整后的属性提取函数作为客户属性提取模型，从而提高了对象属性提取模型识别的准确率。

在本发明实施例中，通过训练对象对客户属性提取模型进行训练以及调整，选取输出结果与客户属性样本差异最小时对应的属性提取函数作为客户属性提取模型，从而提高了客户属性识别的准确性，实现精准推送广告消息的目的。

图3示出了本发明第三实施例提供的一种广告消息的展示方法的具体实现流程图。参见图3所示，相对于图1所述实施例，本实施例提供的一种广告消息的展示方法还包括s301～s304，具体详述如下：

在s301中，获取购买所述产品类别对应产品的多个历史客户信息；所述历史客户信息包含多项客户参数。

在本实施例中，展示设备为了建立客户类型与产品类别的关系表，需要获取各个产品类别的产品的购买情况，通过购买了该产品类型的产品的历史客户信息中确定对该产品类别感兴趣的客户类型具体为哪一类。

在本实施例中，展示设备会向产品数据库中查询某一产品类型包含的各个产品的购买记录，通过购买记录可以统计得到购买了该类产品的历史客户信息，即有哪些客户购买过该产品。在购买产品之前，一般会要求客户填写例如姓名、电话等相关信息，然后展示设备可以基于该姓名以及电话查询该与该客户相关的客户参数，从而创建了购买了该产品的客户的历史客户信息。

在s302中，基于所述历史客户信息，统计各项所述客户参数在各个参数值的分布概率；所述分布概率具体为：所述参数值对应的历史客户信息的个数与所述历史客户信息的总数之间的比值。

在本实施例中，展示设备会基于各个历史客户信息中包含的客户参数，为每一项客户参数分别进行统计，确定该客户参数在各个历史客户信息中可取的参数值，继而得到对于某一客户参数取各个参数值的取值个数，并计算各个参数值的取值个数与历史客户信息的总个数之间的比值，作为该参数值的分布概率。例如，展示设备获取了8个历史客户信息，该历史客户信息中包含客户性别这一客户参数，上述8个历史客户信息中客户性别中有6个男性客户，2个女性客户，因此“男性”这一取值的分布概率为6/8＝0.75，而“女性”这一取值的分布概率为2/8＝0.25。

在本实施例中，展示设备对于不同客户参数均会生成一个参数值与概率分布的对应关系，该对应关系可以列表的形式进行存储，还可以概率分布函数图的形式进行存储。

在s303中，从所述客户参数中选取分布概率最大的参数值作为该客户参数的客户特征值，并根据各项客户参数的客户特征值确定所述产品类别的客户类型。

在本实施例中，展示设备从各个参数值的分布概率中选取数值最大的一个分布概率所对应的参数值，作为该产品所对应的客户参数的客户特征值，即某一客户的客户参数为该客户特征值时，则表示该客户很大可能对该产品感兴趣。因此，展示设备会对各个客户参数进行上述客户特征值的选取操作，选取完成后，各个赋予了客户特征值后的客户参数将构成该产品类别所对应的客户类型。

在s304中，基于各个产品类别的客户类型，生成所述客户类型与产品类别的对应关系表。

在本实施例中，展示设备在确定了各个产品类别所对应的客户类型之后，即可统计各个客户类型对应有那些产品类型，从而建立了客户类型与产品类型的对应关系表。

在本发明实施例中，通过对各个产品类型的产品的历史客户信息进行统计，则可得到建立客户类型与产品类别的对应关系表，无需用户手动输入，提高了对应关系表建立的准确性以及便捷性。

图4示出了本发明第四实施例提供的一种广告消息的展示方法s103的具体实现流程图。参见图4所示，相对于图1～图3所述实施例，本实施例提供的一种广告消息的展示方法基于所述客户属性以及客户类型的类型属性，分别计算所述目标客户与各个所述客户类型的匹配度，并选取所述匹配度最高的客户类型作为所述目标客户的客户类型包括：s1031，具体详述如下：

在s1031中，将所述客户属性分别与各个所述类型属性导入匹配度计算模型，计算所述目标客户与各个所述客户类型之间的匹配度；所述匹配度计算模型具体为：

其中，s为所述客户属性与所述客户类型的类型属性之间的匹配度；n为所述客户属性的属性项的个数；所述fi为所述客户属性中第i个属性项的属性值；所述ai为所述类型属性中第i个属性项的属性值；所述e为自然常数。

在本实施例中，广告消息的展示设备会将客户属性各个客户参数与客户类型的类型属性中对应的客户参数进行匹配，从而计算目标客户与客户类型对应同一客户参数而言两者之间的差异程度，若两者差异较少，则表示目标客户与该客户类型较为匹配；反之，若两者差异较大，则表示目标客户并不属于该客户类型。因此，展示设备基于各个对应属性项之间的差值，得到该目标客户与客户类型之间的匹配度。

需要说明的是，展示设备会将各个属性项的属性值基于预设的属性值转换对应表，转换为一数值，例如对于“性别”属性项包含两种属性值，分别为“男性”以及“女性”，若将“男性”-“女性”则不存在实际的含义，因此需要通过属性值转换对应表，将“男性”以及“女性”这类属性值转换为以数字表达的数值，然后再计算两个属性值之间的差值。

在本发明实施例中，通过计算对应属性项之间数值的差值，并对所有差值进行求和后作为自然常数的指数，继而得到两者之间的匹配度，提高了匹配度计算的准确率。

图5示出了本发明第五实施例提供的一种广告消息的展示方法s105的具体实现流程图。参见图5所示，相对于图1所述实施例，本实施例提供的一种广告消息的展示方法中s105包括：s1051～s1053，具体详述如下：

在s1051中，获取所述广告消息对应产品的购买数量。

在本实施例中，展示设备会获取所需展示的各个广告消息对应产品的购买数量。具体地，获取的方式可以为：展示设备识别该广告消息中所指示产品的产品类型，并基于该产品类型向对应的服务器发送购买数量获取请求，从而确定了该产品的购买数量。

在s1052中，基于所述购买数量，确定各个广告消息的展示次序。

在本实施例中，展示设备在获取了各个广告消息对应的产品的购买数量之后，会基于该购买数量从大到小的顺序对各个广告消息进行排序，并将该排序作为广告消息的展示次序，从而购买数量较多的产品的广告消息会较前展示，而购买数量较少的产品的广告消息会较后展示，从而能够快速将热门产品的广告消息推送给目标客户。

在s1053中，根据所述展示次序依次向所述目标客户展示所述广告消息。

在本实施例中，展示设备会基于确定得到的展示次序以预设的时间间隔依次向目标客户进行广告消息的展示。

在本发明实施例中，通过购买数量确定广告消息的展示次序，从而将热门的产品能够较快推送给目标客户，减少目标客户切换广告消息的操作，快速获取合适的广告消息。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

图6示出了本发明一实施例提供的一种广告消息的展示设备的结构框图，该广告消息的展示设备包括的各单元用于执行图1对应的实施例中的各步骤。具体请参阅图1与图1所对应的实施例中的相关描述。为了便于说明，仅示出了与本实施例相关的部分。

参见图6，所述广告消息的展示设备包括：

人脸图像数据获取单元61，用于获取目标客户的人脸图像数据；

客户属性提取单元62，用于将所述人脸图像数据导入到客户属性提取模型，确定所述目标客户的客户属性；

客户类型确定单元63，用于基于所述客户属性以及客户类型的类型属性，分别计算所述目标客户与各个所述客户类型的匹配度，并选取所述匹配度最高的客户类型作为所述目标客户的客户类型；

产品类型确定单元64，用于根据预设的客户类型与产品类别的对应关系表，查询所述目标客户的客户类型关联的产品类别；

广告消息展示单元65，用于向所述目标客户展示所述产品类别的广告消息。

可选地，广告消息的展示设备还包括：

训练对象获取单元，用于获取多个训练对象的人脸图像样本和客户属性样本；

图像预处理单元，用于通过预设的图像优化算法，对所述训练人脸图像样本进行预处理；

属性提取函数调整单元，用于以所述预处理后的人脸图像样本作为属性提取函数的自变量，以所述客户属性样本作为所述属性提取函数的因变量，调整所述属性提取函数，以使所述属性提取函数的损失函数的取值最小；所述损失函数具体为：

其中，l(pic,i)为所述损失函数；s(pict)为所述属性提取函数；pict为第t个所述人脸图像样本；it为第t个所述客户属性样本；n为所述训练对象的总个数；

客户属性提取模型创建单元，用于将调整后的所述属性提取函数创建为所述客户属性提取模型。

可选地，广告消息的展示设备还包括：

历史客户信息获取单元，用于获取购买所述产品类别对应产品的多个历史客户信息；所述历史客户信息包含多项客户参数；

分布概率确定单元，用于基于所述历史客户信息，统计各项所述客户参数在各个参数值的分布概率；所述分布概率具体为：所述参数值对应的历史客户信息的个数与所述历史客户信息的总数之间的比值；

客户特征值确定单元，用于从所述客户参数中选取分布概率最大的参数值作为该客户参数的客户特征值，并根据各项客户参数的客户特征值确定所述产品类别的客户类型；

对应关系表建立单元，用于基于各个产品类别的客户类型，生成所述客户类型与产品类别的对应关系表。

可选地，客户类型确定单元63包括：

匹配度计算模型导入单元，用于将所述客户属性分别与各个所述类型属性导入匹配度计算模型，计算所述目标客户与各个所述客户类型之间的匹配度；所述匹配度计算模型具体为：

其中，s为所述客户属性与所述客户类型的类型属性之间的匹配度；n为所述客户属性的属性项的个数；所述fi为所述客户属性中第i个属性项的属性值；所述ai为所述类型属性中第i个属性项的属性值；所述e为自然常数。

可选地，广告消息展示单元65包括：

购买数量获取单元，用于获取所述广告消息对应产品的购买数量；

展示次序确定单元，用于基于所述购买数量，确定各个广告消息的展示次序；

广告消息输出单元，用于根据所述展示次序依次向所述目标客户展示所述广告消息。

因此，本发明实施例提供的广告消息的展示设备同样无需采集用户的购买行为习惯即可确定该客户的客户类型，并推送该客户类型相关的广告消息，提高了展示效率以及准确率。

图7是本发明另一实施例提供的一种广告消息的展示设备的示意图。如图7所示，该实施例的广告消息的展示设备7包括：处理器70、存储器71以及存储在所述存储器71中并可在所述处理器70上运行的计算机程序72，例如广告消息的展示程序。所述处理器70执行所述计算机程序72时实现上述各个广告消息的展示方法实施例中的步骤，例如图1所示的s101至s105。或者，所述处理器70执行所述计算机程序72时实现上述各装置实施例中各单元的功能，例如图6所示模块61至65功能。

示例性的，所述计算机程序72可以被分割成一个或多个单元，所述一个或者多个单元被存储在所述存储器71中，并由所述处理器70执行，以完成本发明。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序72在所述广告消息的展示设备7中的执行过程。例如，所述计算机程序72可以被分割成人脸图像数据获取单元、客户属性提取单元、客户类型确定单元、产品类型确定单元以及广告消息展示单元，各单元具体功能如上所述。

所述广告消息的展示设备7可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述广告消息的展示设备可包括，但不仅限于，处理器70、存储器71。本领域技术人员可以理解，图7仅仅是广告消息的展示设备7的示例，并不构成对广告消息的展示设备7的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述广告消息的展示设备还可以包括输入输出设备、网络接入设备、总线等。

所称处理器70可以是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器71可以是所述广告消息的展示设备7的内部存储单元，例如广告消息的展示设备7的硬盘或内存。所述存储器71也可以是所述广告消息的展示设备7的外部存储设备，例如所述广告消息的展示设备7上配备的插接式硬盘，智能存储卡(smartmediacard，smc)，安全数字(securedigital，sd)卡，闪存卡(flashcard)等。进一步地，所述存储器71还可以既包括所述广告消息的展示设备7的内部存储单元也包括外部存储设备。所述存储器71用于存储所述计算机程序以及所述广告消息的展示设备所需的其他程序和数据。所述存储器71还可以用于暂时地存储已经输出或者将要输出的数据。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。