一种基于年龄段的广告推送方法与流程

本发明属于计算机应用技术领域，具体涉及一种基于年龄段的广告推送方法。

背景技术：

目前，电视广告大多是预先设定好，定时播放广告内容，具有一定的盲目性。

现有技术中，例如中国专利(专利号201410242566.5)公开了一种信息媒体的智能推送方法与系统，采用已有的opencv和openbr对采集到的图片进行识别，实现人脸识别的准确率不高。

中国专利(专利号201310630395.9)公开了一种基于年龄段的智能电视服务推送方法和系统，其需要对用户的观看信息和使用信息进行统计，以推送与年龄段相适应的节目和应用，虽然能够提升智能电视的用户体验，但是并不能智能选择广告播放内容。

再例如中国专利(专利号201510077017.1、201510008466.0)公开了一种为儿童自动播放电视节目的方法、电视机和系统、以及公开的一种用于数字电视机顶盒的儿童收视行为控制系统及方法，其仅仅针对儿童播放适合儿童观看的电视节目，比较单一。

而中国专利(专利号201410738512.8、201110195665.9、201110442676.2、201210042789.8、200910131059.3、201410242917.2、200910032756.3)公开的是年龄估计的不同方法，中国专利(专利号201310713223.8)公开的是年龄分析在广告推送中的具体应用。上述的公开文献中年龄的分类较粗，识别率不高，无法满足日常生活。

因此，亟需一种适用于各个年龄段且识别准确率高的广告推送方法。

技术实现要素：

为了解决上述技术问题，本发明提供了一种基于年龄段的广告推送方法。

为了达到上述目的，本发明的技术方案如下：

本发明提供一种基于年龄段的广告推送方法，包括以下步骤：

s1、利用摄像头获取人脸图像；

s2、进行人脸图像预处理；

s3、提取人脸图像lbp特征；

s4、判断是否已构建年龄分段模型，若是则进入步骤s6，若否则进入步骤s5；

s5、构建年龄分段模型；

s6、将提取的人脸图像lbp特征应用年龄分段模型得到年龄段；

s7、根据得到的年龄段推送与年龄段相应的广告内容。

其中，上述的图像预处理包括以下步骤：

s10、截取人脸图像的多个关键点并利用关键点进行人脸对齐；

s11、将人脸图像进行标准化。

上述的提取人脸图像lbp特征包括以下步骤：

s20、判断标准化后的人脸图像是否为灰度图，若是则进入步骤s21，若否则将其转换为灰度图后进入步骤s21；

s21、将灰度图归一化到相同大小；

s22、提取灰度图的lbp特征。

上述的构建年龄分段模型包括以下步骤：

s30、利用人脸检测器从数据库截取用于训练的人脸图像；

s31、检测截取的人脸图像的多个关键点并利用关键点进行人脸对齐，然后将人脸图像进行标准化；

s32、判断标准化后的人脸图像是否为灰度图，若是则进入步骤s33，若否则将其转换为灰度图后进入步骤s33；

s33、将灰度图归一化到相同大小，然后提取lbp特征；

s34、根据提取的所有的lbp特征形成训练图像集并进行训练得 到年龄分段模型。

同时，上述的关键点为68个点位，上述的步骤s10、s31的人脸对齐处理速率为2000-3000fps，上述的步骤s30采用opencv训练好的人脸检测器。

本发明的有益效果包括以下几点：

(一)将人脸图像利用关键点进行人脸对齐后，获得人正面脸图像，然后进行标准化处理，以方便提取lbp特征，提高了提取特征的准确性。

(二)提取人脸图像lbp特征，维度大小适中，复杂度适中，便于建模与计算。

(三)将提取的人脸图像lbp特征采用liblinear库中的函数l2-regularizedlogisticregression(dual)学习，得到年龄分段模型，然后将摄像头获取的人脸图像的lbp特征采用上述的年龄分段模型进行年龄计算，推送与其年龄段相适应的广告内容，相较于现有技术，识别人脸图像年龄的准确性较高，智能化的控制电视的广告推送，满足人们的日常需求。

附图说明

图1为本发明的整体工作流程图。

图2为本发明构建年龄分段模型的工作流程图。

具体实施方式

下面结合附图详细说明本发明的优选实施方式。

为了达到本发明的目的，如图1至图2所示，在本发明的其中一种实施方式中提供一种基于年龄段的广告推送方法，包括以下步骤：

s1、利用摄像头获取人脸图像；

s2、进行人脸图像预处理；

s3、提取人脸图像lbp特征；

s4、判断是否已构建年龄分段模型，若是则进入步骤s6，若否 则进入步骤s5；

s5、构建年龄分段模型；

s6、将提取的人脸图像lbp特征应用年龄分段模型得到年龄段；

s7、根据得到的年龄段推送与年龄段相应的广告内容。

其中，上述的图像预处理包括以下步骤：

s10、截取人脸图像的多个关键点并利用关键点进行人脸对齐；

s11、将人脸图像进行标准化。

上述的提取人脸图像lbp特征包括以下步骤：

s20、判断标准化后的人脸图像是否为灰度图，若是则进入步骤s21，若否则将其转换为灰度图后进入步骤s21；

s21、将灰度图归一化到相同大小；

s22、提取灰度图的lbp特征。

上述的构建年龄分段模型包括以下步骤：

s30、利用人脸检测器从数据库截取用于训练的人脸图像；

s31、检测截取的人脸图像的多个关键点并利用关键点进行人脸对齐，然后将人脸图像进行标准化；

s32、判断标准化后的人脸图像是否为灰度图，若是则进入步骤s33，若否则将其转换为灰度图后进入步骤s33；

s33、将灰度图归一化到相同大小，然后提取lbp特征；

s34、根据提取的所有的lbp特征形成训练图像集并进行训练得到年龄分段模型。

同时，同时，上述的关键点为68个点位，上述的步骤s10、s31的人脸对齐处理速率为2000-3000fps，上述的步骤s30采用opencv训练好的人脸检测器。

本实施方式的有益效果包括以下几点：

(一)将人脸图像利用关键点进行人脸对齐后，获得人正面脸图像，然后进行标准化处理，以方便提取lbp特征，提高了提取特征的准确性。

(二)提取人脸图像lbp特征，维度大小适中，复杂度适中，便 于建模与计算。

(三)将提取的人脸图像lbp特征采用liblinear库中的函数l2-regularizedlogisticregression(dual)学习，得到年龄分段模型，然后将摄像头获取的人脸图像的lbp特征采用上述的年龄分段模型进行年龄计算，推送与其年龄段相适应的广告内容，相较于现有技术，识别人脸图像年龄的准确性较高，智能化的控制电视的广告推送，满足人们的日常需求。

以上所述的仅是本发明的优选实施方式，应当指出，对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。