专利名称：智能广告投放系统的制作方法
技术领域：
本发明涉及网络信息的领域，尤其是智能广告投放系统。
背景技术：
现近社会科技技术的突飞猛进促进了商品社会的快速发展，产品推陈出新的速度不断加快，消费者更新换代的不断加快，消费者更新换代的周期日益缩短，对于生产者来说，利用传统大众营销的方法把握消费者的脉搏越来越艰难，广告投入越来越大，但广告效果越来越不理想。目前所使用的广告投放系统都不尽人意，无法针对不同性别的人群进行选择适合不同性别人群的广告。发明内容
本发明要解决的技术问题是为了克服上述中存在的问题，提供一种只能广告投放系统，能够通过采集的视频信息进行性别识别，从而投放相应的广告
本发明解决其技术问题所采用的技术方案是一种智能广告投放系统，通过视频或摄像头从视频源中读取一帧进行人脸检测，对每个检测的人脸进行性别识别，将识别后的数据通过广告投放方式进而投放相应性别的广告。
所述的人脸检测采用通过提取类Haar特征并利用Adaboost算法进行训练和检测 Haar特征。
所述的类Haar特征通过提取脸部矩形特征，将提取到的矩形特征依次通过矩形特征值的计算、矩形特征的数量和利用积分图快速计算矩形特征。
所述的Adaboost算法依次通过训练部分和检测部分，所述的训练部分包括将收集的人脸样本和非人脸样本计算出相应的样本积分值，根据样本积分值计算出各训练样本的所有类Haar矩形特征值，确定各矩形特征的阈值并挑选其中一矩形作为一个弱分类器， 弱分类器与挑选出的矩形特征相对应，将多个弱分类器组成一个强分类器，多个强分类器级联为一个多层强分类器；所述的检测部分采用检测窗口缩放的策略从待检测图像中提取所有将被检测的子窗口，利用训练得到的多层强分类器对每个子窗口进行检测，对检测结果进行后处理，最后得到图像中包含的所有人脸的坐标和大小。
所述的性别识别包括PCA人脸性别识别和SVM支持向量机，所述的PCA人脸性别识别依次经过图像预处理、计算K-L变换的生成矩阵、计算图像的特征值和特征向量以及把训练图像和测试图像投影到特征空间，PCA方法是由Turk和Pentlad提出来的，它的基础就是Karhunen-Loeve变换(K_L变换)，是一种常用的正交变换，主成分分析法PCA是模式识别中的一种非参数方法，它的目标是在低维子空间表示高维数据，产生的动因即希望设计一种变换，将数据集转化为由维数较少的"有效"特征成分来表示，而不减少原始数据所包含的内在信息内容，使其在统计意义下达到方差最优的目的，帮该问题亦称为特征抽取，当只抽取其主要的有效成分时，就可以叫做主成分分析，主成分分析理论应用十分广泛，图像处理，模式识别等诸多领域，特别是应用于人脸的图像识别。
所述的广告投放方式分为图片形式和视频形式，广告以图片形式3秒钟更新一次，在3秒钟这个时间点检测人脸，判断男性还是女性多，性别多的就投放相应性别的广告；广告以视频形式是通过每帧检测男性还是女性多，播放性别数多的视频广告，若男性和女性人数一样，则保持原先播放的广告类型。
本发明的有益效果是，本发明的智能广告投放系统，利用摄像头进行采集视频信息进行性别识别，能够根据男女的比例进行投放到相应的广告中，其能够智能识别性别，识别准确率高，能够有效地进行广告分类播放，降低了投放的人工成本。
下面结合附图和实施例对本发明进一步说明。
图I是本发明的总流程图2是图I中人脸检测系统中训练部分的流程图3是图I中人脸检测系统中检测部分的流程图；图4是本发明的提取的脸部矩形特征的示意图；图5是本发明的线性文类器的示意图；图6是本发明的线性文类器最优解的示意图；图7是本发明的非线性文类器的示意图；图8是本发明的非线性文类器的示意图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
如图I所示的智能广告投放系统，系统首先判断是否对性别样本进行训练，若没有，则训练样本，接着通过视频或摄像头从视频源中读取一帧进行人脸检测，人脸检测在CtrackEyeDlg: : HaarFaceDetect中实现，接着对每个检测的人脸进行性别识别， 将人脸归一化到与样本同样的大小(90*100)并进行类型转换(将RGB转换为灰度图像)，本系统提供两种可选的方案进行性别识别，弹性图匹配技术通过类EBGM实现，调用 EBGM: : genderRec进行性别识别；另一种算法是采用PCA+SVM算法进行性别识别，该算法用 C实现，调用identification函数进行识别，参数为检测到人脸(转换为1*9000的矩阵) 和训练过程中产生的结构体，最后是根据识别出的男女数，判断哪个性别的人数多，再投放相应性别的广告。
人脸检测采用通过提取类Haar特征并利用Adaboost算法进行训练和检测Haar 特征。
类Haar特征通过提取脸部矩形特征，
(I)如图4所示中(a)图表示一张人脸图像，b、c两图上方两个包含黑白区域的矩形代表矩形特征，类Haar特征的本质就是如下图中b、c两图上的矩形特征，第一个矩形特征由两个纵向排列的小矩形构成，第二个矩形特征有三个横向排列的小矩形构成，矩形特征可以位于窗口中任意位置，各矩形大小也任意，但不能超过窗口范围，矩形特征值由黑色区域中所有像素值之和与白色区域中所有像素值之和的正负系数加权和，这种简单二值矩形区域的正负系数加权本质上是一种局部的差分算子，具有空间高通滤波器的性质。
矩形特征可以表示被检测目标的一些具体特征。如人眼部分在图像中比脸颊部分图4中(b)图和鼻梁部分图4中(c)图要暗，下图中两种矩形特征恰好反映了人脸的这两个特点。这些特征需要通过训练而不是由人工指定，否则就变成模板匹配
(2)矩形特征值的计算
矩形特征的定义如下
权利要求
1.一种智能广告投放系统，其特征是通过视频或摄像头从视频源中读取一帧进行人脸检测，对每个检测的人脸进行性别识别，将识别后的数据通过广告投放方式进而投放相应性别的广告。
2.根据权利要求I所述的智能广告投放系统，其特征是所述的人脸检测采用通过提取类Haar特征并利用Adaboost算法进行训练和检测Haar特征。
3.根据权利要求2所述的智能广告投放系统，其特征是所述的类Haar特征通过提取脸部矩形特征，将提取到的矩形特征依次通过矩形特征值的计算、矩形特征的数量和利用积分图快速计算矩形特征。
4.根据权利要求2所述的智能广告投放系统，其特征是所述的Adaboost算法依次通过训练部分和检测部分，所述的训练部分包括将收集的人脸样本和非人脸样本计算出相应的样本积分值，根据样本积分值计算出各训练样本的所有类Haar矩形特征值，确定各矩形特征的阈值并挑选其中一矩形作为一个弱分类器，弱分类器与挑选出的矩形特征相对应， 将多个弱分类器组成一个强分类器，多个强分类器级联为一个多层强分类器；所述的检测部分采用检测窗口缩放的策略从待检测图像中提取所有将被检测的子窗口，利用训练得到的多层强分类器对每个子窗口进行检测，对检测结果进行后处理，最后得到图像中包含的所有人脸的坐标和大小。
5.根据权利要求I所述的智能广告投放系统，其特征是所述的性别识别包括PCA人脸性别识别和SVM支持向量机，所述的PCA人脸性别识别依次经过图像预处理、计算K-L 变换的生成矩阵、计算图像的特征值和特征向量以及把训练图像和测试图像投影到特征空间。
6.根据权利要求I所述的智能广告投放系统，其特征是所述的广告投放方式分为图片形式和视频形式。
全文摘要
本发明涉及智能广告投放系统，通过视频或摄像头从视频源中读取一帧进行人脸检测，对每个检测的人脸进行性别识别，将识别后的数据通过广告投放方式进而投放相应性别的广告。本发明的智能广告投放系统，利用摄像头进行采集视频信息进行性别识别，能够根据男女的比例进行投放到相应的广告中，其能够智能识别性别，识别准确率高，能够有效地进行广告分类播放，降低了投放的人工成本。
文档编号G06Q30/02GK102542252SQ20111036647
公开日2012年7月4日 申请日期2011年11月18日 优先权日2011年11月18日
发明者伍世虔, 刘军, 吴军, 方志军, 杨勇, 杨寿渊, 杨巨成 申请人:常州蓝城信息科技有限公司, 江西财经大学