基于视频的商品推荐方法及装置与流程

本发明涉及信息技术领域，尤其涉及一种基于视频的商品推荐方法及装置。

背景技术：

“边看边买”指的是在用户观看视频的过程中，向用户推荐与视频内容相关的商品，使用户能够即时获取与视频内容相关的商品信息。为了实现“边看边买”，在现有技术中，需要由运营人员人工配置与视频内容相关的商品，并人工配置相关商品的商品链接。

在现有的基于视频的商品推荐技术中，对于同一个视频，对所有用户都推荐相同的商品。由于不同用户感兴趣的商品很可能不同，因此若采用这种基于视频的商品推荐技术，则很可能会向用户推荐其不感兴趣的商品。若向用户推荐了其不感兴趣的商品，则用户通常不会点击该商品或购买该商品，从而导致商品推荐的效率较低，且容易影响用户观看视频的体验。

技术实现要素：

技术问题

有鉴于此，本发明要解决的技术问题是，现有的基于视频的商品推荐技术容易向用户推荐其不感兴趣的商品，导致商品推荐的效率较低。

解决方案

为了解决上述技术问题，根据本发明的一实施例，提供了一种基于视频的商品推荐方法，包括：

获取视频文件的视频帧；

对所述视频帧进行识别处理，以确定所述视频帧包括的待选物品以及所述待选物品的标签；

获取用户感兴趣的商品信息；

根据所述用户感兴趣的商品信息从所述待选物品中筛选出用户相关物品，并确定与所述用户相关物品相对应的用户相关商品信息；

在播放所述视频帧时，对所述用户相关物品进行突出显示，并在满足第一预设条件的情况下，显示所述用户相关商品信息。

对于上述方法，在一种可能的实现方式中，根据所述用户感兴趣的商品信息从所述待选物品中筛选出用户相关物品，并确定与所述用户相关物品相对应的用户相关商品信息，包括：

根据所述待选物品的标签进行搜索，得到第一搜索结果；

从所述第一搜索结果中筛选出与所述待选物品匹配的待选商品信息；

从所述待选商品信息中筛选出与所述用户感兴趣的商品信息匹配的所述用户相关商品信息，

确定所述待选物品中与所述用户相关商品信息相对应的用户相关物品。

对于上述方法，在一种可能的实现方式中，根据所述用户感兴趣的商品信息从所述待选物品中筛选出用户相关物品，并确定与所述用户相关物品相对应的用户相关商品信息，包括：

根据所述用户感兴趣的商品信息从所述待选物品中筛选出用户相关物品；

根据所述用户相关物品的标签进行搜索，得到第二搜索结果；

从所述第二搜索结果中筛选出与所述用户相关物品匹配的所述用户相关商品信息。

对于上述方法，在一种可能的实现方式中，对所述视频帧进行识别处理，具体为：通过第一人工神经网络对所述视频帧进行识别处理。

对于上述方法，在一种可能的实现方式中，在通过第一人工神经网络对所述视频帧进行识别处理之前，所述方法还包括：

将所述第一人工神经网络识别的物品的类别限定为指定类别。

对于上述方法，在一种可能的实现方式中，获取用户感兴趣的商品信息，包括：

获取cookie；

根据所述cookie从第三方网站获取所述用户感兴趣的商品信息。

对于上述方法，在一种可能的实现方式中，根据所述用户感兴趣的商品信息从所述待选物品中筛选出用户相关物品，并确定与所述用户相关物品相对应的用户相关商品信息，具体为：在所述用户的回访率满足第二预设条件的情况下，根据所述用户感兴趣的商品信息从所述待选物品中筛选出用户相关物品，并确定与所述用户相关物品相对应的用户相关商品信息。

对于上述方法，在一种可能的实现方式中，所述待选物品的标签包括以下至少一项：

所述待选物品在所述视频帧中的截图、所述待选物品的类别、所述待选物品的款式、所述待选物品的颜色和所述待选物品的花纹。

为了解决上述技术问题，根据本发明的另一实施例，提供了一种基于视频的商品推荐装置，包括：

视频帧获取模块，用于获取视频文件的视频帧；

识别模块，用于对所述视频帧进行识别处理，以确定所述视频帧包括的待选物品以及所述待选物品的标签；

用户感兴趣的商品信息获取模块，用于获取用户感兴趣的商品信息；

用户相关物品及商品信息确定模块，用于根据所述用户感兴趣的商品信息从所述待选物品中筛选出用户相关物品，并确定与所述用户相关物品相对应的用户相关商品信息；

显示模块，用于在播放所述视频帧时，对所述用户相关物品进行突出显示，并在满足第一预设条件的情况下，显示所述用户相关商品信息。

对于上述装置，在一种可能的实现方式中，所述用户相关物品及商品信息确定模块包括：

第一搜索子模块，用于根据所述待选物品的标签进行搜索，得到第一搜索结果；

待选商品信息筛选子模块，用于从所述第一搜索结果中筛选出与所述待选物品匹配的待选商品信息；

用户相关商品信息匹配子模块，用于从所述待选商品信息中筛选出与所述用户感兴趣的商品信息匹配的所述用户相关商品信息；

用户相关物品确定子模块，用于确定所述待选物品中与所述用户相关商品信息相对应的用户相关物品。

对于上述装置，在一种可能的实现方式中，所述用户相关物品及商品信息确定模块包括：

用户相关物品筛选子模块，用于根据所述用户感兴趣的商品信息从所述待选物品中筛选出用户相关物品；

第二搜索子模块，用于根据所述用户相关物品的标签进行搜索，得到第二搜索结果；

用户相关商品信息筛选子模块，用于从所述第二搜索结果中筛选出与所述用户相关物品匹配的所述用户相关商品信息。

对于上述装置，在一种可能的实现方式中，所述识别模块具体用于：通过第一人工神经网络对所述视频帧进行识别处理。

对于上述装置，在一种可能的实现方式中，所述装置还包括：

识别类别限定模块，用于将所述第一人工神经网络识别的物品的类别限定为指定类别。

对于上述装置，在一种可能的实现方式中，所述用户感兴趣的商品信息获取模块包括：

Cookie获取子模块，用于获取cookie；

用户感兴趣的商品信息获取子模块，用于根据所述cookie从第三方网站获取所述用户感兴趣的商品信息。

对于上述装置，在一种可能的实现方式中，所述用户相关物品及商品信息确定模块具体用于：在所述用户的回访率满足第二预设条件的情况下，根据所述用户感兴趣的商品信息从所述待选物品中筛选出用户相关物品，并确定与所述用户相关物品相对应的用户相关商品信息。

对于上述装置，在一种可能的实现方式中，所述待选物品的标签包括以下至少一项：

所述待选物品在所述视频帧中的截图、所述待选物品的类别、所述待选物品的款式、所述待选物品的颜色和所述待选物品的花纹。

有益效果

通过对视频帧进行识别处理，以确定视频帧包括的待选物品以及待选物品的标签，根据用户感兴趣的商品信息从待选物品中筛选出用户相关物品，并确定与用户相关物品相对应的用户相关商品信息，在播放视频帧时，对用户相关物品进行突出显示，并在满足第一预设条件的情况下，显示用户相关商品信息，根据本发明实施例的基于视频的商品推荐方法及装置能够根据用户感兴趣的商品信息向用户推荐其可能感兴趣的商品信息，大大提高了基于视频的商品推荐的效率，且提高了用户观看视频的体验。

根据下面参考附图对示例性实施例的详细说明，本发明的其它特征及方面将变得清楚。

附图说明

包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本发明的示例性实施例、特征和方面，并且用于解释本发明的原理。

图1示出根据本发明一实施例的基于视频的商品推荐方法的实现流程图；

图2示出根据本发明一实施例的基于视频的商品推荐方法中的第一人工神经网络的示意图；

图3示出根据本发明一实施例的基于视频的商品推荐方法步骤S104的一示例性的具体实现流程图；

图4示出根据本发明一实施例的基于视频的商品推荐方法步骤S104的另一示例性的具体实现流程图；

图5示出根据本发明一实施例的基于视频的商品推荐方法的一示例性的实现流程图；

图6示出根据本发明一实施例的基于视频的商品推荐方法步骤S103的一示例性的具体实现流程图；

图7示出根据本发明另一实施例的基于视频的商品推荐装置的结构框图；

图8示出根据本发明另一实施例的基于视频的商品推荐装置的一示例性的结构框图；

图9示出根据本发明的另一个实施例的基于视频的商品推荐设备的结构框图。

具体实施方式

以下将参考附图详细说明本发明的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

另外，为了更好的说明本发明，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本发明同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本发明的主旨。

实施例1

图1示出根据本发明一实施例的基于视频的商品推荐方法的实现流程图。如图1所示，该方法主要包括：

在步骤S101中，获取视频文件的视频帧。

作为本发明实施例的一个示例，获取视频文件的视频帧，具体为：在视频文件的类型为点播视频的情况下，抽取视频文件的关键帧。其中，关键帧可以指在视频中角色或者物体运动或变化中的关键动作所处的那一帧。点播视频可以包括线上点播视频和本地点播视频。对于线上点播视频，可以通过该线上点播视频的视频播放地址获取视频文件；对于本地点播视频，可以从本地直接获取视频文件。

作为本发明实施例的另一个示例，获取视频文件的视频帧，具体为：在视频文件的类型为直播视频的情况下，获取视频文件的当前帧。

其中，直播可以指在现场随着事件的发生、发展进程同步制作和发布信息，具有双向流通过程的信息网络发布方式。点播视频可以指非直播的视频。

在步骤S102中，对该视频帧进行识别处理，以确定该视频帧包括的待选物品以及待选物品的标签。

该实施例中的待选物品，可以是用户可能感兴趣或者可能有意愿购买的任何物品，例如该视频帧中出现的服饰或者家具等。待选物品的标签可以是能够识别该待选物品的信息，或者表示该待选物品的属性的信息。例如该待选物品在该视频帧中的截图、该待选物品的类别、该待选物品的款式、该待选物品的颜色和该待选物品的花纹等。

作为本发明实施例的一个示例，对该视频帧进行识别处理，具体为：通过第一人工神经网络对该视频帧进行识别处理。

本领域技术人员应理解，现有技术中有各种手段均可实现从该视频帧中识别出待选物品，并确定与该待选物品对应的标签，其中，人工神经网络就是这些手段之一。

如本领域技术人员所知，人工神经网络(Artificial Neural Networks，简写为ANNs)是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的，并具有自学习和自适应的能力，能够实现模式识别、匹配等功能。

在本示例中，将获取的视频帧作为一张张独立的图像，将该视频帧输入第一人工神经网络，由第一人工神经网络对该视频帧进行识别处理。在这里，第一人工神经网络可以用于识别该视频帧包括的待选物品以及该待选物品的标签。在将该视频帧输入第一人工神经网络后，第一人工神经网络输出该视频帧包括的待选物品以及该待选物品的标签。

图2示出根据本发明一实施例的基于视频的商品推荐方法中的第一人工神经网络的示意图。例如，第一人工神经网络的输入可以为该视频帧，第一人工神经网络可以将该视频帧的每个像素转换为三维色彩向量，并对转换得到的三维色彩向量进行识别处理，以输出该视频帧包括的待选物品和待选物品的标签。

需要说明的是，本示例中的第一人工神经网络可以利用现有的人工神经网络技术实现，在此不再对第一人工神经网络的工作原理进行赘述。

在一种可能的实现方式中，该方法还可以包括：将视频帧的信息与待选物品的标签之间的映射关系存储在第一存储器中。其中，视频帧的信息可以包括该视频帧在该视频文件中的时间点，还可以包括该视频文件的唯一标识符。在该实现方式中，可以通过第一存储器存储第一人工神经网络的识别结果，即可以通过第一存储器存储视频帧的信息与待选物品的标签之间的映射关系。

在步骤S103中，获取用户感兴趣的商品信息。

作为本发明实施例的一个示例，可以在播放视频前或者在播放视频的过程中，请求用户从多个商品类别中选择其感兴趣的商品类别，并根据用户选择的商品类别确定其感兴趣的商品信息。

在步骤S104中，根据用户感兴趣的商品信息从待选物品中筛选出用户相关物品，并确定与用户相关物品相对应的用户相关商品信息。

其中，用户相关商品信息可以包括用户相关商品的链接，还可以包括用户相关商品的名称和/或图片。用户相关商品信息可以根据运营需求灵活设定，例如，用户相关商品信息还可以包括平台信息、商家信息、销售量和/或评论量等，在此不作限定。

在步骤S105中，在播放该视频帧时，对用户相关物品进行突出显示，并在满足第一预设条件的情况下，显示用户相关商品信息。

作为本发明实施例的一个示例，对用户相关物品进行突出显示包括：在用户相关物品所在区域的上方显示预设图标；和/或在该视频帧中以动态效果显示用户相关物品。其中，预设图标可以为一个小圆点，在此不作限定。在用户相关物品所在区域的上方显示预设图标可以为：在用户相关物品所在区域的上方以浮动层显示预设图标。在该视频帧中以动态效果显示用户相关物品可以为：根据识别出的用户相关物品的边界，对用户相关物品进行闪烁显示。在用户相关物品所在区域的上方显示预设图标可以为：在用户相关物品所在区域的上方以动态效果显示预设图标，其中，动态效果可以包括闪烁效果和/或抖动效果，在此不作限定。

作为本发明实施例的一个示例，显示用户相关商品信息可以为：在全屏播放的情况下，从屏幕的左边、右边、上面或者下面弹出商品信息框，以通过该商品信息框显示用户相关商品信息。例如，在手机横屏全屏播放的情况下，从屏幕的左边弹出商品信息框。在本示例中，可以在用户全屏观看视频的情况下，引导用户发现其可能感兴趣的商品。

作为本发明实施例的另一个示例，显示用户相关商品信息还可以为：在非全屏播放的情况下，在屏幕中播放窗口以外的位置显示用户相关商品信息。在本示例中，可以在用户观看视频时减小对用户的干扰。

作为本发明实施例的一个示例，满足第一预设条件可以包括：检测到光标移动到预设图标的上方；和/或检测到光标移动到用户相关物品所在区域的上方。

作为本发明实施例的另一个示例，满足第一预设条件还可以包括：检测到光标滑过预设图标；和/或，检测到光标滑过用户相关物品所在区域。

作为本发明实施例的另一个示例，满足第一预设条件还可以包括：检测到用户点击预设图标；和/或，检测到用户点击用户相关物品所在区域。

作为本发明实施例的一个示例，在满足第一预设条件的情况下，不再对用户相关物品进行突出显示。

在一种可能的实现方式中，在显示用户相关商品信息后，用户可以通过点击用户相关商品信息查看商品详情或者购买商品。

图3示出根据本发明一实施例的基于视频的商品推荐方法步骤S104的一示例性的具体实现流程图。如图3所示，根据用户感兴趣的商品信息从待选物品中筛选出用户相关物品，并确定与用户相关物品相对应的用户相关商品信息，包括：

在步骤S301中，根据待选物品的标签进行搜索，得到第一搜索结果。

例如，根据待选物品的标签进行搜索，可以为根据待选物品在该视频帧中的截图进行搜索；还可以根据待选物品在该视频帧中的截图和待选物品的类别进行搜索；也可以为根据待选物品在该视频帧中的截图和待选物品的款式进行搜索；或者可以为根据待选物品在该视频帧中的截图、待选物品的类别和待选物品的款式进行搜索。

在示例中，根据待选物品的标签进行搜索，可以为：根据待选物品的标签在任意一个或多个电商网站对应的商品数据库中进行搜索。

在步骤S302中，从第一搜索结果中筛选出与待选物品匹配的待选商品信息。

本领域技术人员应理解，现有技术中有各种手段均可实现从第一搜索结果中筛选出与待选物品匹配的待选商品信息，其中，人工神经网络就是这些手段之一。

作为本发明实施例的一个示例，从第一搜索结果中筛选出与待选物品匹配的待选商品信息可以为：通过第二人工神经网络从第一搜索结果中筛选出与待选物品匹配的待选商品信息。在本示例中，第二人工神经网络可以用于对待选物品与第一搜索结果进行匹配处理，以确定两者之间的相似度，进而从第一搜索结果中筛选出与待选物品匹配的待选商品信息。例如，第二人工神经网络的输入可以是第一搜索结果中的商品的若干张图片和待选物品在该视频帧中的截图，输出结果可以是第一搜索结果中的商品与待选物品的相似度。在本示例中，可以将第一搜索结果中与待选物品的相似度大于第一预设值的商品信息确定为与待选物品匹配的待选商品信息，即保留与待选物品的相似度大于第一预设值的商品信息，剔除与待选物品的相似度小于或等于第一预设值的商品信息。例如，第一预设值可以为80％，在此不作限定。需要说明的是，第一预设值可以根据匹配的待选商品信息数灵活调整，例如，若通过第二人工神经网络进行匹配处理得到的与待选物品匹配的待选商品信息数较大，则可以调高第一预设值；若通过第二人工神经网络进行匹配处理得到的与待选物品匹配的待选商品信息数较小，则可以调低第一预设值。第一预设值还可以根据匹配的精准度需求进行灵活调整，例如，若需要进行强相关匹配，则可以调高第一预设值；若需要进行弱相关匹配，则可以调低第一预设值。

需要说明的是，本发明实施例中的第二人工神经网络可以利用现有的人工神经网络技术实现，在此不再对第二人工神经网络的工作原理进行赘述。

在一种可能的实现方式中，该方法还可以包括：将视频帧的信息、待选物品的标签与待选商品信息三者之间的映射关系存储在第二存储器中。在该实现方式中，可以通过第二存储器存储第二人工神经网络的匹配结果，即可以通过第二存储器存储视频帧的信息、待选物品的标签与待选商品信息三者之间的映射关系。

需要说明的是，由于电商网站的商品链接等商品信息可能会发生变化，因此，可以设置定期任务，定期更新待选商品信息，并根据更新的待选商品信息，及时修改第二存储器存储的视频帧的信息、待选物品的标签与待选商品信息三者之间的映射关系。

在步骤S303中，从待选商品信息中筛选出与用户感兴趣的商品信息匹配的用户相关商品信息。

本领域技术人员应理解，现有技术中有各种手段均可实现从待选商品信息中筛选出与用户感兴趣的商品信息匹配的用户相关商品信息，其中，人工神经网络就是这些手段之一。

作为本发明实施例的一个示例，从待选商品信息中筛选出与用户感兴趣的商品信息匹配的用户相关商品信息可以为：通过第三人工神经网络从待选商品信息中筛选出与用户感兴趣的商品信息匹配的用户相关商品信息。在本示例中，第三人工神经网络可以用于对待选商品信息与用户感兴趣的商品信息进行匹配处理，以确定两者之间的相似度，进而从待选商品信息中筛选出与用户感兴趣的商品信息匹配的用户相关商品信息。例如，第三人工神经网络的输入可以是待选商品信息对应的图片和用户感兴趣的商品信息对应的图片，输出结果可以是待选商品信息与用户感兴趣的商品信息的相似度。在本示例中，可以将待选商品信息中与用户感兴趣的商品信息的相似度大于第二预设值的待选商品信息确定为用户相关商品信息。例如，第二预设值可以为70％，在此不作限定。需要说明的是，第二预设值可以根据匹配的用户相关商品信息数灵活调整，例如，若通过第三人工神经网络进行匹配处理得到的与用户感兴趣的商品信息匹配的用户相关商品信息数较大，则可以调高第二预设值；若通过第三人工神经网络进行匹配处理得到的与用户感兴趣的商品信息匹配的用户相关商品信息数较小，则可以调低第二预设值。第二预设值还可以根据匹配的精准度需求进行灵活调整，例如，若需要进行强相关匹配，则可以调高第二预设值；若需要进行弱相关匹配，则可以调低第二预设值。

在本示例中，可以对用户相关商品信息进行排序，以方便在前端应用时，根据不同的运营需求，展现不同侧重点的商品。例如，可以根据相似度由大到小的顺序对用户相关商品信息进行排序；或者，可以结合相似度以及店铺等级、店铺认证信息对用户相关商品信息进行排序。

需要说明的是，本发明实施例中的第三人工神经网络可以利用现有的人工神经网络技术实现，在此不再对第三人工神经网络的工作原理进行赘述。

在步骤S304中，确定待选物品中与用户相关商品信息相对应的用户相关物品。

需要说明的是，在本示例中，通过先确定待选商品信息，再从待选商品信息中筛选出用户相关商品信息，在用户量较大的情况下，有利于提高匹配效率。

图4示出根据本发明一实施例的基于视频的商品推荐方法步骤S104的另一示例性的具体实现流程图。如图4所示，根据用户感兴趣的商品信息从待选物品中筛选出用户相关物品，并确定与用户相关物品相对应的用户相关商品信息，包括：

在步骤S401中，根据用户感兴趣的商品信息从待选物品中筛选出用户相关物品。

本领域技术人员应理解，现有技术中的各种手段均可实现根据用户感兴趣的商品信息从待选物品中筛选出用户相关物品，其中，人工神经网络就是这些手段之一。

作为本发明实施例的一个示例，根据用户感兴趣的商品信息从待选物品中筛选出用户相关物品可以为：通过第四人工神经网络根据用户感兴趣的商品信息从待选物品中筛选出用户相关物品。在本示例中，第四人工神经网络可以用于对用户感兴趣的商品信息与待选物品进行匹配处理，以确定两者之间的相似度，进而根据用户感兴趣的商品信息从待选物品中筛选出用户相关物品。例如，第四人工神经网络的输入可以是用户感兴趣的商品信息的若干张图片和待选物品在该视频帧中的截图，输出结果可以是用户感兴趣的商品信息与待选物品的相似度。在本示例中，可以将待选物品中与用户感兴趣的商品信息的相似度大于第三预设值的待选物品确定为用户相关物品。例如，第三预设值可以为70％，在此不作限定。需要说明的是，第三预设值可以根据匹配的精准度需求进行灵活调整，例如，若需要进行强相关匹配，则可以调高第三预设值；若需要进行弱相关匹配，则可以调低第三预设值。

需要说明的是，本发明实施例中的第四人工神经网络可以利用现有的人工神经网络技术实现，在此不再对第四人工神经网络的工作原理进行赘述。

在步骤S402中，根据用户相关物品的标签进行搜索，得到第二搜索结果。

在本示例中，根据用户相关物品的标签进行搜索，可以为：根据用户相关物品的标签在任意一个或多个电商网站对应的商品数据库中进行搜索。

在步骤S403中，从第二搜索结果中筛选出与用户相关物品匹配的用户相关商品信息。

本领域技术人员应理解，现有技术中的各种手段均可实现从第二搜索结果中筛选出与用户相关物品匹配的用户相关商品信息，其中，人工神经网络就是这些手段之一。

作为本发明实施例的一个示例，从第二搜索结果中筛选出与用户相关物品匹配的用户相关商品信息可以为：通过第五人工神经网络从第二搜索结果中筛选出与用户相关物品匹配的用户相关商品信息。在本示例中，第五人工神经网络可以用于对用户相关物品与第二搜索结果进行匹配处理，以确定两者之间的相似度，进而从第二搜索结果中筛选出与用户相关物品匹配的用户相关商品信息。例如，第五人工神经网络的输入可以是第二搜索结果中的商品的若干张图片和用户相关物品在该视频帧中的截图，输出结果可以是第二搜索结果中的商品与用户相关物品的相似度。在本示例中，可以将第二搜索结果中与用户相关物品的相似度大于第四预设值的商品信息确定为用户相关商品信息。例如，第四预设值可以为80％，在此不作限定。需要说明的是，第四预设值可以根据匹配的用户相关商品信息数灵活调整，例如，若通过第五人工神经网络进行匹配处理得到的与用户相关物品匹配的用户相关商品信息数较大，则可以调高第四预设值；若通过第五人工神经网络进行匹配处理得到的与用户相关物品匹配的用户相关商品信息数较小，则可以调低第四预设值。第四预设值还可以根据匹配的精准度需求进行灵活调整，例如，若需要进行强相关匹配，则可以调高第四预设值；若需要进行弱相关匹配，则可以调低第四预设值。

需要说明的是，本发明实施例中的第五人工神经网络可以利用现有的人工神经网络技术实现，在此不再对第五人工神经网络的工作原理进行赘述。

图5示出根据本发明一实施例的基于视频的商品推荐方法的一示例性的实现流程图。如图5所示，该方法包括：

在步骤S501中，获取视频文件的视频帧；

在步骤S502中，将第一人工神经网络识别的物品的类别限定为指定类别；

在步骤S503中，通过第一人工神经网络对该视频帧进行识别处理，以确定该视频帧包括的待选物品以及待选物品的标签；

在步骤S504中，获取用户感兴趣的商品信息；

在步骤S505中，根据用户感兴趣的商品信息从待选物品中筛选出用户相关物品，并确定与用户相关物品相对应的用户相关商品信息；

在步骤S506中，在播放该视频帧时，对用户相关物品进行突出显示，并在满足第一预设条件的情况下，显示用户相关商品信息。

作为本发明实施例的一个示例，在通过第一人工神经网络对该视频帧进行识别处理之前，将第一人工神经网络识别的物品的类别限定为指定类别。例如，指定类别可以包括服装和配饰。在本示例中，通过将第一人工神经网络识别的物品的类别限定为指定类别，降低了第一人工神经网络的复杂度，从而提高对该视频帧的识别效率。

需要说明的是，尽管以服装和配饰作为示例介绍了指定类别如上，但本领域技术人员能够理解，本发明应不限于此。事实上，用户完全可根据个人喜好和/或实际应用场景灵活设定指定类别。例如，指定类别还可以为零食饮料或者家具等。

图6示出根据本发明一实施例的基于视频的商品推荐方法步骤S103的一示例性的具体实现流程图。如图6所示，获取用户感兴趣的商品信息，包括：

在步骤S601中，获取cookie；

在步骤S602中，根据cookie从第三方网站获取用户感兴趣的商品信息。

作为本发明实施例的一个示例，获取用户感兴趣的商品信息可以为：获取cookie(储存在用户本地终端上的数据)，再根据cookie从第三方网站获取用户感兴趣的商品信息。其中，第三方网站可以为电商网站或者其他网站，在此不作限定。用户感兴趣的商品可以包括用户收藏的商品、用户购买过的商品或者用户浏览过的商品。用户感兴趣的商品信息可以包括用户感兴趣的商品的购买链接或者图片。

需要说明的是，可以利用现有的商品兴趣分析服务分析用户感兴趣的商品信息，在此不再对分析用户感兴趣的商品信息的工作原理进行赘述。

在一种可能的实现方式中，根据用户感兴趣的商品信息从待选物品中筛选出用户相关物品，并确定与用户相关物品相对应的用户相关商品信息，具体为：在用户的回访率满足第二预设条件的情况下，根据用户感兴趣的商品信息从待选物品中筛选出用户相关物品，并确定与用户相关物品相对应的用户相关商品信息。在该实现方式中，用户的回访率可以为用户回访播放该视频文件的视频网站的回访率。满足第二预设条件可以为：用户的回访率大于第五预设值。满足第二预设条件还可以为：按照回访率由高到低的顺序对用户的回访率进行排序，若某一用户的回访率排序靠前，则该用户的回访率满足第二预设条件。例如，排序靠前可以为，排序在前30％，在此不作限定。在该实现方式中，对回访率满足第二预设条件的用户提供优先识别服务，从而保证了高活跃度的用户的响应效率。

在一种可能的实现方式中，可以通过cookie存储器记录用户的回访率。

在一种可能的实现方式中，待选物品的标签包括以下至少一项：待选物品在该视频帧中的截图、待选物品的类别、待选物品的款式、待选物品的颜色和待选物品的花纹。

其中，待选物品在该视频帧中的截图可以根据第一矩形确定，也可以根据第二矩形确定，还可以根据待选物品在该视频帧中的边界确定，在此不作限定。其中，第一矩形可以为四条边分别与该视频帧的四条边平行的该待选物品的外接矩形。第二矩形可以为该待选物品在该视频帧中的最小外接矩形。

例如，待选物品的类别可以为上衣、裤子、鞋子、包或者项链等，待选物品的款式可以为衬衫、西服、连衣裙或者牛仔裤等，待选物品的花纹可以为横条纹、竖条纹、纯色、字母或者圆点等。

在一种可能的实现方式中，待选物品的标签还可以包括待选物品在该视频帧中的位置信息。待选物品在该视频帧中的位置信息可以包括待选物品的几何中心在该视频帧中的坐标和待选物品在该视频帧中的截图的宽和高。待选物品在该视频帧中的位置信息还可以包括待选物品在该视频帧中的截图的坐标。例如，在待选物品在该视频帧中的截图为矩形的情况下，待选物品在该视频帧中的截图的坐标可以为该矩形的四个顶点的坐标。根据待选物品的几何中心在该视频帧中的坐标和待选物品在该视频帧中的截图的宽和高，可以确定待选物品在该视频帧中的位置。根据待选物品在该视频帧中的截图的坐标，也可以确定待选物品在该视频帧中的位置。

在一种可能的实现方式中，在用户相关物品所在区域的上方显示预设图标可以为：根据用户相关物品在该视频帧中的位置信息，在该用户相关物品所在区域的上方显示预设图标。例如，可以在该用户相关物品的几何中心在该视频帧中的坐标上显示预设图标。

这样，通过对视频帧进行识别处理，以确定该视频帧包括的待选物品以及待选物品的标签，根据用户感兴趣的商品信息从待选物品中筛选出用户相关物品，并确定与用户相关物品相对应的用户相关商品信息，在播放该视频帧时，对用户相关物品进行突出显示，并在满足第一预设条件的情况下，显示用户相关商品信息，根据本发明实施例的基于视频的商品推荐方法能够根据用户感兴趣的商品信息向用户推荐其可能感兴趣的商品信息，大大提高了基于视频的商品推荐的效率，且提高了用户观看视频的体验。

实施例2

图7示出根据本发明另一实施例的基于视频的商品推荐装置的结构框图。该装置可以用于运行图1、3-6所示的基于视频的商品推荐方法。为了便于说明，仅示出了与本发明实施例相关的部分。

如图7所示，该装置包括：视频帧获取模块71，用于获取视频文件的视频帧；识别模块72，用于对所述视频帧进行识别处理，以确定所述视频帧包括的待选物品以及所述待选物品的标签；用户感兴趣的商品信息获取模块73，用于获取用户感兴趣的商品信息；用户相关物品及商品信息确定模块74，用于根据所述用户感兴趣的商品信息从所述待选物品中筛选出用户相关物品，并确定与所述用户相关物品相对应的用户相关商品信息；显示模块75，用于在播放所述视频帧时，对所述用户相关物品进行突出显示，并在满足第一预设条件的情况下，显示所述用户相关商品信息。

图8示出根据本发明另一实施例的基于视频的商品推荐装置的一示例性的结构框图。图8中标号与图7相同的组件具有相同的功能，为简明起见，省略对这些组件的详细说明。为了便于说明，仅示出了与本发明实施例相关的部分。如图8所示：

在一种可能的实现方式中，所述用户相关物品及商品信息确定模块74包括：第一搜索子模块741，用于根据所述待选物品的标签进行搜索，得到第一搜索结果；待选商品信息筛选子模块742，用于从所述第一搜索结果中筛选出与所述待选物品匹配的待选商品信息；用户相关商品信息匹配子模块743，用于从所述待选商品信息中筛选出与所述用户感兴趣的商品信息匹配的所述用户相关商品信息；用户相关物品确定子模块744，用于确定所述待选物品中与所述用户相关商品信息相对应的用户相关物品。

在一种可能的实现方式中，所述用户相关物品及商品信息确定模块74包括：用户相关物品筛选子模块745，用于根据所述用户感兴趣的商品信息从所述待选物品中筛选出用户相关物品；第二搜索子模块746，用于根据所述用户相关物品的标签进行搜索，得到第二搜索结果；用户相关商品信息筛选子模块747，用于从所述第二搜索结果中筛选出与所述用户相关物品匹配的所述用户相关商品信息。

在一种可能的实现方式中，所述识别模块72具体用于：通过第一人工神经网络对所述视频帧进行识别处理。

在一种可能的实现方式中，所述装置还包括：识别类别限定模块76，用于将所述第一人工神经网络识别的物品的类别限定为指定类别。

在一种可能的实现方式中，所述用户感兴趣的商品信息获取模块73包括：Cookie获取子模块731，用于获取cookie；用户感兴趣的商品信息获取子模块732，用于根据所述cookie从第三方网站获取所述用户感兴趣的商品信息。

在一种可能的实现方式中，所述用户相关物品及商品信息确定模块74具体用于：在所述用户的回访率满足第二预设条件的情况下，根据所述用户感兴趣的商品信息从所述待选物品中筛选出用户相关物品，并确定与所述用户相关物品相对应的用户相关商品信息。

在一种可能的实现方式中，所述待选物品的标签包括以下至少一项：所述待选物品在所述视频帧中的截图、所述待选物品的类别、所述待选物品的款式、所述待选物品的颜色和所述待选物品的花纹。

需要说明的是，这样，通过对视频帧进行识别处理，以确定该视频帧包括的待选物品以及待选物品的标签，根据用户感兴趣的商品信息从待选物品中筛选出用户相关物品，并确定与用户相关物品相对应的用户相关商品信息，在播放该视频帧时，对用户相关物品进行突出显示，并在满足第一预设条件的情况下，显示用户相关商品信息，根据本发明实施例的基于视频的商品推荐装置能够根据用户感兴趣的商品信息向用户推荐其可能感兴趣的商品信息，大大提高了基于视频的商品推荐的效率，且提高了用户观看视频的体验。

实施例3

图9示出根据本发明的另一个实施例的基于视频的商品推荐设备的结构框图。所述基于视频的商品推荐设备1100可以是具备计算能力的主机服务器、个人计算机PC、或者可携带的便携式计算机或终端等。本发明具体实施例并不对计算节点的具体实现做限定。

所述基于视频的商品推荐设备1100包括处理器(processor)1110、通信接口(Communications Interface)1120、存储器(memory)1130和总线1140。其中，处理器1110、通信接口1120、以及存储器1130通过总线1140完成相互间的通信。

通信接口1120用于与网络设备通信，其中网络设备包括例如虚拟机管理中心、共享存储等。

处理器1110用于执行程序。处理器1110可能是一个中央处理器CPU，或者是专用集成电路ASIC(Application Specific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。

存储器1130用于存放文件。存储器1130可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。存储器1130也可以是存储器阵列。存储器1130还可能被分块，并且所述块可按一定的规则组合成虚拟卷。

在一种可能的实施方式中，上述程序可为包括计算机操作指令的程序代码。该程序具体可用于：实现实施例1中各步骤的操作。

本领域普通技术人员可以意识到，本文所描述的实施例中的各示例性单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件形式来实现，取决于技术方案的特定应用和设计约束条件。专业技术人员可以针对特定的应用选择不同的方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

如果以计算机软件的形式来实现所述功能并作为独立的产品销售或使用时，则在一定程度上可认为本发明的技术方案的全部或部分(例如对现有技术做出贡献的部分)是以计算机软件产品的形式体现的。该计算机软件产品通常存储在计算机可读取的非易失性存储介质中，包括若干指令用以使得计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各实施例方法的全部或部分步骤。而前述的存储介质包括U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。