基于图像识别的用户商品自动推荐系统及推荐方法与流程

本发明涉及商品推荐技术领域，尤其涉及一种基于图像识别的用户商品自动推荐系统及推荐方法。

背景技术：

在“互联网+”的大背景下，电子商务获得蓬勃发展，同时，国家也大力支持电商的发展，解决了很多人的就业问题。当前，已经涌现大批电商平台，商品数量数以亿计，要消费者逐个去找到自己想要的东西变成不可能的任务，通常电商平台都会对商品进行分门别类摆放，或者提供搜索能力，但这让人找到想要的商品还是很吃力。目前，已经有些电商网站使用商品推荐系统为顾客提供推荐感兴趣的商品。这些电商平台的推荐系统主要是根据用户过往数据等相关信息，自动为用户展示可能有兴趣的商品，如根据用户的历史购买记录如购买类别、购买时间等来为同一用户推荐商品，大大提高了用户购买效率，增强了用户体验，已成为电商平台的重要组成部分。

目前，商品推荐系统大多应用于电商平台，主要是针对用户在网上购物而设计的。其依据是通过用户行为，如购买历史，浏览历史等获取用户的偏好，利用协同过滤算法进行商品推荐。而实体商店中的商品推荐系统主要是利用人脸识别技术，记录到店用户人脸，生成唯一id，并记录用户所咨询产品信息，当用户再次到店后，方便销售人员向用户推荐产品。这种系统的缺点是新用户还未产生历史数据时，无法推荐任何准确的商品，即现有的实体商店如4s店，无法为首次到店用户提供智能推荐服务。

技术实现要素：

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的基于图像识别的用户商品自动推荐系统及推荐方法。

本发明的一个方面，提供了一种基于图像识别的用户商品自动推荐系统，包括：

用户图像采集模块，用于实时采集用户图像，并发送给用户识别模块；

用户识别模块，用于将用户图像识别转换为用户参数信息，并将用户参数信息发送给用户类型判断模块；

用户类型判断模块，用于将用户参数信息与用户参数数据库中已存的用户参数信息进行对比，并判断该用户为新用户或者老用户，若为新用户，则将用户参数信息分别发送至用户参数数据库和商品推荐模型计算模块，若为老用户，则将用户参数信息发送至商品推荐模型计算模块；

商品推荐模型计算模块，用于对用户参数信息和从商品类型数据库中调取的商品类型信息进行计算，并将计算出的商品推荐信息发送至商品推荐清单生成模块；

商品推荐清单生成模块，用于将商品推荐信息生成商品推荐清单，并发送给终端；

终端，将接收的商品推荐清单进行显示；

用户参数数据库，用于实时存储和更新用户参数信息；

商品类型数据库，用于实时存储和更新商品类型信息。

进一步地，商品推荐模型计算模块使用关联分析算法或协同过滤算法计算出商品推荐信息。

进一步地，用户图像采集模块使用摄像头实时采集用户图像，并无线发送给用户识别模块。

进一步地，商品推荐清单生成模块根据商品的销售量将商品推荐信息生成商品推荐清单，并发送给终端。

进一步地，用户图像采集模块与用户识别模块无线电连接，用户类型判断模块分别与用户识别模块、用户参数数据库、商品推荐模型计算模块电连接，商品推荐模型计算模块分别与商品类型数据库、商品推荐清单生成模块电连接，商品推荐清单生成模块与终端无线电连接。

本发明的第二个方面，提供了一种基于图像识别的用户商品自动推荐方法，包括以下步骤：

用户图像采集模块实时采集用户图像，并发送给用户识别模块；

用户识别模块将用户图像识别转换为用户参数信息，并将用户参数信息发送给用户类型判断模块；

用户类型判断模块将用户参数信息与用户参数数据库中已存的用户参数信息进行对比，并判断该用户为新用户或者老用户，若为新用户，则将用户参数信息分别发送至用户参数数据库和商品推荐模型计算模块，若为老用户，则将用户参数信息发送至商品推荐模型计算模块；

商品推荐模型计算模块对用户参数信息和从商品类型数据库中调取的商品类型信息进行计算，并将计算出的商品推荐信息发送至商品推荐清单生成模块；

商品推荐清单生成模块将商品推荐信息生成商品推荐清单，并发送给终端；

终端将接收的商品推荐清单进行显示；

用户参数数据库实时存储和更新用户参数信息；

商品类型数据库实时存储和更新商品类型信息。

进一步地，商品推荐模型计算模块使用关联分析算法或协同过滤算法计算出商品推荐信息。

进一步地，用户图像采集模块使用摄像头实时采集用户图像，并无线发送给用户识别模块。

进一步地，商品推荐清单生成模块根据商品的销售量将商品推荐信息生成商品推荐清单，并发送给终端。

进一步地，商品推荐清单生成模块将商品推荐清单以无线的方式发送给终端。

本发明提供的基于图像识别的用户商品自动推荐系统及推荐方法，通过采集到店用户的图像信息，能实现为新老用户提供商品推荐的功能，与现有技术相比具有以下进步：结合已有的用户信息和商品购买信息，为到店的新老用户及时、方便的提供个性化的商品推荐服务，具有结构简单、操作方便和提高销售效率的优点。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1为本发明实施例的基于图像识别的用户商品自动推荐系统的器件连接框图；

图2为本发明实施例的基于图像识别的用户商品自动推荐方法的步骤图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非被特定定义，否则不会用理想化或过于正式的含义来解释。

图1示意性示出了本发明一个实施例的基于图像识别的用户商品自动推荐系统的器件连接框图。参照图1，本发明实施例的基于图像识别的用户商品自动推荐系统，包括：

用户图像采集模块，用于实时采集用户图像，并发送给用户识别模块；

用户识别模块，用于将用户图像识别转换为用户参数信息，并将用户参数信息发送给用户类型判断模块；

用户类型判断模块，用于将用户参数信息与用户参数数据库中已存的用户参数信息进行对比，并判断该用户为新用户或者老用户，若为新用户，则将用户参数信息分别发送至用户参数数据库和商品推荐模型计算模块，若为老用户，则将用户参数信息发送至商品推荐模型计算模块；

商品推荐模型计算模块，用于对用户参数信息和从商品类型数据库中调取的商品类型信息进行计算，并将计算出的商品推荐信息发送至商品推荐清单生成模块；

商品推荐清单生成模块，用于将商品推荐信息生成商品推荐清单，并发送给终端；

终端，将接收的商品推荐清单进行显示；

用户参数数据库，用于实时存储和更新用户参数信息；

商品类型数据库，用于实时存储和更新商品类型信息。

本实施例中，用户图像采集模块与用户识别模块无线电连接，用户类型判断模块分别与用户识别模块、用户参数数据库、商品推荐模型计算模块电连接，商品推荐模型计算模块分别与商品类型数据库、商品推荐清单生成模块电连接，商品推荐清单生成模块与终端无线电连接。

本实施例提供的基于图像识别的用户商品自动推荐系统对用户图像进行采集信息，将采集的用户参数信息与用户参数数据库中已存的用户参数信息进行对比，若用户参数数据库中存储有该用户的参数信息，则是老用户，否则就是新用户。根据已有的已进行分类的用户参数信息以及商品类型信息，为新老用户提供商品推荐，具有结构简单、使用方便、商品推荐效率高和成本较低的优点。

一个具体实施例中，商品推荐模型计算模块使用关联分析算法或协同过滤算法计算出商品推荐信息。关联分析算法通过计算新老用户对待推荐商品的各属性的喜好度，对商品进行排序，进而为新老用户进行商品推荐，该算法的优点是计算量小、推荐速度较快；协同过滤算法分为基于用户的协同过滤算法和基于模型的协同过滤方法，基于用户的协同过滤算法，即将每个用户作为分析的主体，针对每个群体，通过处理群体中每个用户的商品购买记录，算出该群体的每个用户与该群体其他用户之间的关联度，进而向该用户推荐他自己没有购买而与群体中关联度高的其他用户购买的商品，这种算法的优点是能够迅速计算出新用户的购买偏好，从而为新用户推荐商品；基于模型的协同过滤方法，即基于样本的用户喜好信息，训练一个推荐模型，然后根据实时的用户喜好的信息进行预测，计算推荐。该方法需要通过聚类等数据处理，建立一个以用户为行、商品为列的hugematrix(巨型矩阵)，矩阵元素为用户对商品的评分。这种算法的优点是计算精确，能够提高为新老用户推荐商品的准确率。其他实施例中，也可以采用其他算法进行计算，由本领域的技术人员根据具体情况进行选择，本发明不再一一举例，上述实施例仅是提供一个示范性示例。

一个实施例中，使用关联分析算法为4s店的用户推荐商品，具体步骤为：每个用户群体具有一个特征，例如年龄段、地区、购物偏好，地区根据用户注册时填写的资料或用户注册手机号码所在地或用户收货地址确定；每个用户至少归入一个用户群体，每个用户群体与另一个用户群体内的用户有重叠，即每个用户同时具有至少一个特征。例如，用户a为19岁、北京郊区、对于大众汽车比较感兴趣；用户b为30岁、北京市区、对于奔驰汽车感兴趣；用户群体w为年龄段为18岁到22岁之间的人群，用户群体x为30～35岁之间的人群，用户群体y为北京市区的人群，用户群体z为北京郊区的人群，用户群体m为对奔驰汽车感兴趣的人群；则用户a可归属为用户群体w、z，用户b可归属为用户群体x、y和m。然后构建推荐矩阵m，推荐矩阵m以用户群体为行标，以商品类别为列标，矩阵元素mij表示第i个用户群体对第j个商品类别的评价分数，其中i＝1,2..u，j＝1,2…p，u为用户群体个数，p为商品类别个数；利用推荐矩阵m对新用户进行商品推荐，从推荐矩阵m找出用户所属的用户群体对商品所属的商品类别的评价分数，选择最高评价分数所对应的商品类别作为推荐的商品类别，并从该商品类别中推荐商品，推荐的商品为所属商品类别中与所述商品关联度最高的若干商品，关联度可通过关联度计算获得。

本实施例中，用户图像采集模块使用摄像头实时采集用户图像，并无线发送给用户识别模块。用户识别模块对图像中的像素点进行分析，识别并转换出用户参数信息，如用户的年龄、性别信息。其中，采集的用户图像可以是用户实时的头像或者证件照片等。根据不同用户的年龄和性别信息对商品类型进行归类，可以将用户按照年龄和性别划分为不同的群体，确定该群体共同的商品类型购买偏好，以利于为以后的新老用户参照该商品类型购买偏好推荐商品。其他实施例中，也可以按照地域将用户进行分类，以上实施例只是示范性示例。这种分类方法比较简单，能提高商品推荐的准确性和有效性。

本实施例中，商品推荐清单生成模块根据商品的销售量将商品推荐信息生成商品推荐清单，并发送给终端。商品推荐模型计算模块使用关联分析算法或协同过滤算法计算出商品推荐信息之后发送给商品推荐清单生成模块，商品推荐清单生成模块要根据该商品推荐信息对商品进行排序，以便于销售人员根据该排序结果对用户进行推荐，以提高推荐商品的准确性，并节约时间。本实施例中，商品推荐清单生成模块根据商品的销售量将商品推荐信息生成商品推荐清单，销售量是一个便于获取、统计和有效性强的参数，将销售量最高的商品排在第一位，并首先向用户推荐该商品，能进一步提高商品推荐的精确率和销售率。本实施例中，商品推荐清单生成模块将商品推荐清单无线发送给终端，比如通过3g/4g网络或者wifi网络等无线的方式进行数据的传输，节省了线缆连接的复杂性，简化结构，比较方便、节约空间和成本。本实施例中的终端为手机或者平板电脑或者计算机，由销售人员根据具体情况进行选择，比较方便销售人员对用户进行商品推荐。

本实施例中，用户图像采集模块使用摄像头进行实时采集用户图像，并无线发送给用户识别模块。使用摄像头对用户图像进行实时采集，能够降低成本和增强用户体验。

图2示意性示出了本发明一个实施例的基于图像识别的用户商品自动推荐方法的步骤图。参照图2，本发明实施例的基于图像识别的用户商品自动推荐方法，包括以下步骤：

s1、用户图像采集模块实时采集用户图像，并发送给用户识别模块；

s2、用户识别模块将用户图像识别转换为用户参数信息，并将用户参数信息发送给用户类型判断模块；

s3、用户类型判断模块将用户参数信息与用户参数数据库中已存的用户参数信息进行对比，并判断该用户为新用户或者老用户，若为新用户，则将用户参数信息分别发送至用户参数数据库和商品推荐模型计算模块，若为老用户，则将用户参数信息发送至商品推荐模型计算模块；

s4、商品推荐模型计算模块对用户参数信息和从商品类型数据库中调取的商品类型信息进行计算，并将计算出的商品推荐信息发送至商品推荐清单生成模块；

s5、商品推荐清单生成模块将商品推荐信息生成商品推荐清单，并发送给终端进行显示；

s6、数据库实时存储和更新用户参数信息和商品类型信息。

本实施例中的基于图像识别的用户商品自动推荐方法简单、可操作性强，能迅速有效的为新老用户提供商品推荐，具有节约时间和成本的优点。

一个具体实施例中，商品推荐模型计算模块使用关联分析算法或协同过滤算法计算出商品推荐信息。关联分析算法或协同过滤算法比较简单，计算结果较为精确，且计算速度快，能快速的计算出用户的喜好度，便于店员及时、高效的为新老用户推荐个性化商品。

本实施例中，用户图像采集模块使用摄像头实时采集用户图像，并无线发送给用户识别模块。摄像头的普及率较高，且成本较低，易于使用和后续的维护工作。用户图像采集模块通过无线发送如wifi网络或者3g/4g网络或者其他无线的方式将用户图像发送给用户识别模块，降低了线缆连接复杂性，比较节约成本和空间。本实施例中，用户识别模块通过用户图像中的像素点、坐标等识别转换出用户参数信息，包括用户的年龄、性别、外貌等信息。本实施例中通过用户的年龄、性别信息划分群体，如20-30岁之间的女性用户购买过的汽车类型等，使商品的推荐更加精确，有利于提高商品售出率。其他实施例中，也可以采用其他的用户参数信息，如地域等划分用户群体，以上实施例仅是示范性示例，由本领域的技术人员根据具体情况进行选择。

本实施例中，商品推荐清单生成模块根据商品的销售量将商品推荐信息生成商品推荐清单，并发送给终端。其他实施例中，也可以采用其他的商品参数信息如价格、评价等参数对商品推荐信息中的商品进行排序，进而生成商品推荐清单，并发送给终端，发送的方式为wifi网络或者3g/4g网络或者其他无线的方式，终端可以是计算机、手机或者笔记本电脑或者其他可移动或不可移动的终端，以便于销售人员根据该排序结果对新老用户进行商品推荐，能提高商品的销售率，同时节约时间。

本发明提供的基于图像识别的用户商品自动推荐系统及推荐方法基于已有的用户信息及其购买的商品类型信息建立用户参数信息、用户商品类型信息数据库，对新用户的信息进行采集后进行存储和更新，便于后续调用数据库中的数据计算出新老用户的商品喜好度并进行排序，将排序结果在终端上进行显示，便于销售人员查看并为新老用户推荐商品。具有结构简单、操作方便、服务智能化和节约成本的优点。

对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。

最后应说明的是：以上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。