产品信息推荐方法、装置、计算机设备和存储介质与流程

本申请涉及人工智能技术领域，特别是涉及一种产品信息推荐方法、装置、计算机设备和存储介质。

背景技术：

随着大数据处理技术的发展，基于大数据衍生出的人工智能服务给我们的工作和生活带来了极大的便利。如个性化推荐就是其中一个比较成熟的人工智能服务。

传统的个性化推荐的实现方式是依托于应用客户端收集的用户大数据，基于用户大数据对用户本人进行智能产品推荐。传统的个性化推荐是基于线上的应用客户端完成的。而在线下产品推荐环境下，上述的个性化推荐方法则无法实现在完全不知道对方任何信息的情况下进行精准产品推荐。因此，现下迫切需要寻求一种能够在线下产品推荐的环境下，对人群中任一未知对象进行精准推荐的方案。

技术实现要素：

基于此，有必要针对上述技术问题，提供一种能够对人群中任一未知对象进行精准的产品信息推送的产品信息推送方法、装置、计算机设备和存储介质。

一种产品信息推荐方法，所述方法包括：

接收视频；

识别所述视频中的人物对象，并提取所述人物对象对应的图像内容；

从所述图像内容中提取所述人物对象的特征点集，其中，所述特征点集包括多个特征维度对应的多维度特征点集；

获取预先存储的用户的特征画像；

将所述特征点集与所述特征画像进行分维度特征匹配，确定所述人物对象对应的相似用户；

查找所述相似用户所偏好的产品信息，将所述产品信息推送至请求终端。

在一个实施例中，所述识别所述视频中的人物对象，并提取所述人物对象对应的图像内容，包括：

识别视频中的人物对象；

从所述视频中确定所述人物对象对应的目标图像帧，其中所述目标图像帧包括带有所述人物对象的人物对象特征的所有图像帧；

从所述目标图像帧中提取所述人物对象特征；

根据所述人物对象特征合成所述人物对象对应的图像内容。

在一个实施例中，所述方法包括：

将所述相似用户的用户信息发送至请求终端，所述请求终端显示所述用户信息；

接收语音信息，根据所述语音信息得到识别确认结果；

获取与所述识别确认结果对应的信息推荐算法；

根据所述信息推荐算法确定所述相似用户偏好的产品信息，将所述产品信息推送至请求终端。

在一个实施例中，所述识别所述视频中的人物对象，并提取所述人物对象对应的图像内容，包括：

获取所述视频对应的视频摄录模式；

若所述视频摄录模式为单人摄录模式，则提取摄录焦点对应的人物对象的图像内容；

若所述视频摄录模式为多人摄录模式，则提取多个摄录焦点对应的多个人物对象的图像内容。

在一个实施例中，所述方法还包括：

获取所述多个人物对象与其对应的所述相似用户的相似度；

根据所述相似度从所述多个人物对象中确定目标人物对象，为所述目标人物对象查找偏好的产品信息。

一种产品信息推荐装置，所述装置包括：

视频接收模块，用于接收视频；

人物对象识别模块，用于识别所述视频中的人物对象，并提取所述人物对象对应的图像内容；

多维度特征点集提取模块，用于从所述图像内容中提取所述人物对象的特征点集，其中，所述特征点集包括预先定义的多个特征维度对应的多维度特征点集；

特征画像获取模块，用于获取预先存储的用户的特征画像；

相似用户确定模块，用于将所述特征点集与所述特征画像进行分维度特征匹配，确定所述人物对象对应的相似用户；

产品信息确定模块，用于查找所述相似用户所偏好的产品信息，将所述产品信息推送至请求终端。

在一个实施例中，所述人物对象识别模块，还用于识别视频中的人物对象；从所述视频中确定所述人物对象对应的目标图像帧，其中所述目标图像帧包括带有所述人物对象的人物对象特征的所有图像帧；从所述目标图像帧中提取所述人物对象特征；根据所述人物对象特征合成所述人物对象对应的图像内容。

在一个实施例中，所述装置包括：

识别结果确定模块，用于将所述相似用户的用户信息发送至请求终端，所述请求终端显示所述用户信息；接收语音信息，根据所述语音信息得到识别确认结果；

所述产品信息确定模块，还用于获取与所述识别确认结果对应的信息推荐算法；根据所述信息推荐算法确定所述相似用户偏好的产品信息，将所述产品信息推送至请求终端。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述所述方法的步骤。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述所述的方法的步骤。

上述产品信息推荐方法、装置、计算机设备和存储介质，当需要向人群中任一人进行精准的产品推荐时，通过终端拍摄一段视频的方式收集人物特征，服务器识别视频中的人物对象，并提取人物对象的图像内容，该图像内容包括人物对象的多维度的特征点集，通过将多维度特征点集与系统用户的特征画像进行匹配，服务器从系统用户中查找与视频中的人物对象具有相同的特征属性的相似用户，具有相同形态、衣着偏好、行为特征相同的两个人在其他方面的偏好在很大概率上也会比较相同。基于相似的系统用户的相关信息可实现对摄录的人物对象的精准推销，进而实现了对人群中任一未知对象进行精准的产品信息推送。

附图说明

图1为一个实施例中产品信息推荐方法的应用场景图；

图2为一个实施例中产品信息推荐方法的流程示意图；

图3为一个实施例中人物对象的图像内容提取所涉及的流程示意图；

图4为另一个实施例中产品信息推荐方法的流程示意图；

图5为一个实施例中产品信息推荐装置的结构框图；

图6为一个实施例中计算机设备的内部结构图。

具体实施方式

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

本申请提供的产品信息推荐方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104通过网络进行通信。终端向服务器发送产品信息推荐请求，请求中携带摄录的视频，服务器对视频中的信息进行处理、匹配，确定视频中识别的人物对象对应的相似用户，基于相似用户的偏好进行产品推荐。其中，终端102可以但不限于是各种便携式可穿戴设备或者其他便携终端，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，提供了一种产品信息推荐方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：

步骤202，接收视频。

终端开启摄像设备，摄像设备摄录视频，并将摄录的视频发送给服务器。服务器接收终端发送的视频。

在一个实施例中，终端为内置摄像单元的智能穿戴设备，如智能眼镜。智能眼镜开启摄像单元，摄像单元摄录视频，监听用户触发的发送指令，将摄录的视频发送给服务器。上述的视频可以是对一个人物对象摄录的视频，也可以是对一群人物对象摄录的视频(拍摄人群)。也就是说，视频中至少包括一个人物对象。

步骤204，识别视频中的人物对象，并提取人物对象对应的图像内容。

人物对象对应的图像内容中包括视频中出现的所有有关人物对象的特征的集合。即人物对象的图像内容是由从视频中提取的所有的人物对象特征组合而成的一个比较完整的人物对象图像。

具体的，首先识别视频中所包含的所有人物对象，然后从视频中收集所有人物对象对应的特征像素，集合特征像素即得到每个人物对象对应的图像内容。如视频中前4帧图像中出现了人物对象a，则从前4帧图像中提取与人物对象a有关的特征像素，组合所有特征像素即生成了该任务对象对应的图像内容。

步骤206，从所述图像内容中提取所述人物对象的特征点集，其中，所述特征点集包括多个特征维度对应的多维度特征点集。

预先定义人物对象的多个特征维度，如人脸特征维度、穿戴特征维度、行为特征维度，并定义每个特征维度对应的特征表现形式。每个特征维度对应一个或者多个特征表现形式。如定义人脸图像维度的特征表现形式为：人脸轮廓特征、五官特征、肤色特征等；穿戴特征维度的特征表现形式为：衣着特征、饰品特征、色系特征等；行为特征维度的特征表现形式为：手部行为特征、腿部行为特征等。

分维度从人物对象的图像内容中提取特征点集。按照每个特征维度对应的特征表现形式从图像内容中提取每个维度对应的特征点集。如图像内容中提取人脸轮廓特征、五官特征和肤色特征作为人物对象的人脸特征。

步骤208，获取预先存储的用户的特征画像。

服务器预先收集所有注册用户或者所有购买过本平台产品的用户的特征信息，并根据用户特征信息生成用户的特征画像。收集的特征信息为各种形态的特征信息，如用图像表征的特征，用轮廓表征的特征、用文字表征的特征、指纹、声纹。

进一步的，为了使提高特征对比的效率，可将收集的用户的特征信息进行维度划分。

步骤210，将特征点集与特征画像进行分维度特征匹配，确定人物对象对应的相似用户。

将人物对象的特征点集与存储的用户的特征画像中包含的特征信息进行对比，计算人物对象与每个用户的相似度。将相似度大于设定阈值或者最相似的一个或者多个用户作为人物对象的相似用户。

特征对比时，将对应同一维度的特征进行对比，若人物对象与用户对应同一维度的特征形态不相同，则先进行信息形态转化。如将像素特征转化为文字特征(将色系像素特征转化成文字特征)，将图像特征转化为文字特征(将行为像素特征或者行为图像特征转化为文字特征)。转化完成后，分维度进行特征对比，根据多维度特征对比结果计算人物对象与用户之间的相似度。

步骤212，获取相似用户所偏好的产品信息，将产品信息推送至请求终端。

查找相似用户的历史行为数据、历史购买数据，根据相似用户的历史数据确定相似用户的产品偏好，将相似用户的产品偏好作为人物对象的产品偏好，基于产品偏好进行人物对象的产品推荐。

本实施例中虽然也是基于产品偏好进行产品推荐，但本实施例中待推荐的对象并不是终端指令，而是基于图像识别技术确定的。此外，向待推荐对象推荐的产品并不是基于待推荐对象的历史行为数据，而是基于特征识别技术收集待推荐对象的多维度特征，基于多维度的特征对比确定相似用户，基于相似用户的产品偏好对待推荐对象进行产品信息推荐。

本实施例中实现了随时随地对人群中的任何人进行精准的产品推荐方法。通过对人群中的目标人物进行视频摄录(无需面对面地进行摄录，无论目标人物处于何种状态，即使是蒙着脸)，从视频中提取目标人物的形态、衣着以及行为特征等多维度的特征；进而通过多维度的特征匹配确定与该目标人物相似的系统用户。具有相同形态、衣着偏好、行为特征相同的两个人在其他方面的偏好在很大概率上也会比较相同。基于相似的系统用户的相关信息对摄录的目标人物进行精准推销。实现了在未知待推销客户任何信息的情况下的精准信息推荐。

在一个实施例中，如图3所示，步骤204，识别视频中的人物对象，并提取人物对象对应的图像内容，包括：

步骤302，识别视频中的人物对象。

识别视频中每一帧图像中的人物对象，标记识别出的人物对象。判断连续的图像帧中的人物对象是否是同一人，若是，则不同图像帧中同一人物对象做相同的标记。

步骤304，确定人物对象对应的目标图像帧，其中目标图像帧包括带有人物对象的人物对象特征的所有图像帧。

根据标记确定识别的每一个人物对象对应的目标图像帧。人物对象的目标图像帧是指包括该人物对象的人物对象特征的图像帧，即带有该人物对象标记的图像帧。如视频中包括20图像帧，从20图像帧中识别出了2个人物对象，其中前10个图像帧中带有第一个人物对象的人物对象特征，则前10个图像帧为第一人物对象对应的目标图像帧。若后10个图像帧中带有第二个人物对象的人物对象特征，则后10个图像帧为第二人物对象对应的目标图像帧。

步骤306，从目标图像帧中提取人物对象特征。

每个目标图像帧中都包含有对应的人物对象的人物对象特征。从所有目标图像帧中提取对应的人物对象的人物对象特征。

如第一个目标图像帧中是人物对象的上半身特征，第二个目标图像帧是人物对象的下半身特征，第三个目标图像帧是人物对象的正脸特征、第四目标图像帧是人物对象的侧脸特征，则从第一目标图像帧到第四个目标图像帧提取的特征都是人物对象的人物对象特征。

步骤308，根据人物对象特征合成人物对象对应的图像内容。

将来自多个目标图像帧的多个角度的人物对象特征进行组合，生成能够体现人物对象各个角度特征的图像内容。该图像内容是人物对象立体的、全面的画像。

通过本实施例中的基于视频的图像内容生成方法可生成人物对象立体的、全面的画像，基于本实施例中人物对象的图像内容与系统用户的用户画像进行对比，可比较精准的确定该人物对象真实相似的用户。

进一步的，在进行人物对象特征合成时，可将人物对象特征添加至预先构建的人物画像模型中，人物画像模型是由相互连接的特征单元构成的，将人物对象特征添加到相应的特征单元中，根据特征单元之间的连接关系以及填入到特征单元的特征生成人物对象对应的图像内容。在根据人物画像模型生成人物对象的图像内容之前，首先计算任务对象的任务对象特征填充人物画像模型的特征单元的填充完成度。若填充完成度小于设定阈值，则舍弃该任务对象。特征单元被填充的个数越多，被填入的数据量越大，则填充完成度越高。若填充完成度小于设定阈值，则该人物对象的人物对象特征是不完整的、缺乏的。基于不完整的缺乏的人物对象特征生成的图像内容也是不完整的。

本实施例中采用舍弃特征量比较少的人物对象的方式选择待推荐对象。舍弃特征量比较少的人物对象有效了减少了特征比对所占用的计算机资源，提高了运算的效率，使得整个产品信息推荐过程更加高效及时。

在一个实施例中，如图4所示，提供了一种产品信息推荐方法，该方法以请求终端为智能眼镜，且应用在图1中的服务器中为例进行说明，具体包括如下步骤：

步骤402，接收智能眼镜发送的产品信息推荐请求，该产品信息推荐请求中携带摄录的视频信息。

客户经理佩戴智能眼镜，并通过操作智能眼镜向智能眼镜发出产品信息推荐请求。智能眼镜可通过识别客户经理的手势动作，语音、按键操作等信息生成产品信息推荐请求，并开启内置摄像装置摄录视频。

步骤404，获取视频信息中的人物对象，并确定人物对象对应的相似用户。

本步骤中识别人物对象，确定人物对象的相似用户的方式与图2和图3实施例中采用的方式相同，此处不再赘述。

步骤406，获取相似用户的用户信息，并将相似用户的用户信息发送至智能眼镜，智能眼镜显示用户信息。

相似用户的用户信息是相似用户的用户标识关联的用户基本信息，购买行为信息等。在一个实施例中，用户信息包括用户图像、用户真实姓名、性别、年龄、用户购买过的产品标识。

服务器将相似用户的用户信息推送至智能眼镜，智能眼镜在内置的虚拟显示屏中显示相似用户的用户信息。该用户信息可被客户经理看到。

步骤408，接收语音信息，根据语音信息得到识别确认结果。

客户经理可根据相似用户的用户信息，向人物对象去确认该相似用户是否为本人。客户经理在佩戴智能眼镜的情况下，发出询问语句。如显示的相似用户的基本信息是“张某某，最新购买过某某产品”。客户经理可向前去询问“您是张小姐吗，您最近在我们平台购买过某某产品吧？”智能穿戴设备会监控客户经理在询问语句后的下一个语句。如果是，“张小姐您好，某某产品你还满意吗”，则识别确定结果为“相似用户即客户本人”；如果是“不好意思，您跟我的一个客户张的太像了呢”，则识别确定结果为“相似用户不是客户本人”。即根据该语句确认查找到的相似用户是否为识别的人物对象本人，即识别确认结果。

步骤410，获取与识别确认结果对应的信息推荐算法，根据信息推荐算法确定相似用户偏好的产品信息，将产品信息推送至请求终端。

识别确认结果包括相似用户是客户本人和相似用户不是客户本人。预先定义这两种识别确认结果对应的信息推荐算法，信息推荐算法包括信息获取算法、信息分析算法。不同的识别确认结果采用不同的信息获取算法，基于获取的不同的信息进行不同的信息分析，进而得到不同的推荐产品信息。

若识别结果为相似用户是客户本人，可获客户的历史浏览数据、历史购买数据，根据历史浏览数据和历史购买数据分析客户的产品偏好，根据产品偏好确定待推荐的产品信息。若识别结果为相似用户不是客户本人，则获取相似用户的历史购买记录，将相似用户的购买的产品作为待推荐的产品。针对不同的识别结果定义的信息推荐算法可以根据实际需求进行自定义，此处不做具体的限制。

本实施例中，添加确认操作，根据确认结果选择不同的推荐算法，可使推荐的产品更加满足人物对象的需求。

在一个实施例中，智能眼镜发送的产品信息推荐请求中携带的视频信息带有视频摄录模式。客户经理在基于智能眼镜拍摄某一人物或者人群时，可选择视频摄录模式，视频摄录模式包括单人摄录模式和多人摄录模式。

服务器接收到视频后，获取视频中携带的视频摄录模式。若视频摄录模式为单人模型，则仅将焦点对应的人物作为待推荐产品信息的人物对象。获取焦点对应的人物对象的图像内容。通过将图像内容与系统用户的用户画像进行对比，从系统用户中确定焦点对应的人物对象的相似用户，根据相似用户已有的信息预测视频中未知的人物对象可能偏好的产品信息，以实现对未知的目标人物的精准信息推荐。

若视频摄录模式为双人模式，则将多个焦点对应的人物作为待推荐产品信息的人物对象，获取多焦点对应的多个人物对象的图像内容。通过将图像内容与系统用户的用户画像进行对比，从系统用户中确定每个人物对象的相似用户，可根据相似用户预测每个人物对象的偏好的产品信息。

在另一个实施例中，还可以是在确定每个人物对象的相似用户后，获取每个人物对象与相似用户之间的相似度(该相似度是在确定相似用户已经计算好了的)，将最大相似度对应的人物对象作为目标人物对象，仅对目标人物对象预测其产品偏好。

应该理解的是，虽然图2-4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-4中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图5所示，提供了一种产品信息推荐装置，包括：

视频接收模块502，用于接收视频。

人物对象识别模块504，用于识别所述视频中的人物对象，并提取所述人物对象对应的图像内容。

多维度特征点集提取模块506，用于从所述图像内容中提取所述人物对象的特征点集，其中，所述特征点集包括预先定义的多个特征维度对应的多维度特征点集。

特征画像获取模块508，用于获取预先存储的用户的特征画像。

相似用户确定模块510，用于将所述特征点集与所述特征画像进行分维度特征匹配，确定所述人物对象对应的相似用户。

产品信息确定模块512，用于查找所述相似用户所偏好的产品信息，将所述产品信息推送至请求终端。

在一个实施例中，所述人物对象识别模块504，还用于识别视频中的人物对象；从所述视频中确定所述人物对象对应的目标图像帧，其中所述目标图像帧包括带有所述人物对象的人物对象特征的所有图像帧；从所述目标图像帧中提取所述人物对象特征；根据所述人物对象特征合成所述人物对象对应的图像内容。

在一个实施例中，产品信息推荐装置还包括：识别结果确定模块，用于将所述相似用户的用户信息发送至请求终端，所述请求终端显示所述用户信息；接收语音信息，根据所述语音信息得到识别确认结果。

所述产品信息确定模块512，还用于获取与所述识别确认结果对应的信息推荐算法；根据所述信息推荐算法确定所述相似用户偏好的产品信息，将所述产品信息推送至请求终端。

在一个实施例中，所述人物对象识别模块504，还用于获取所述视频对应的视频摄录模式；若所述视频摄录模式为单人摄录模式，则提取摄录焦点对应的人物对象的图像内容；若所述视频摄录模式为多人摄录模式，则提取多个摄录焦点对应的多个人物对象的图像内容。

在一个实施例中，产品信息推荐装置还包括：目标人物对象确定模块，用于获取所述多个人物对象与其对应的所述相似用户的相似度；根据所述相似度从所述多个人物对象中确定目标人物对象，为所述目标人物对象查找偏好的产品信息。

关于产品信息推荐装置的具体限定可以参见上文中对于产品信息推荐方法的限定，在此不再赘述。上述产品信息推荐装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储用户的特征画像。该计算机设备的网络接口用于与外部的智能穿戴设备通过网络连接通信。该计算机程序被处理器执行时以实现一种产品信息推荐方法。

本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：接收视频；识别所述视频中的人物对象，并提取所述人物对象对应的图像内容；从所述图像内容中提取所述人物对象的特征点集，其中，所述特征点集包括预先定义的多个特征维度对应的多维度特征点集；获取预先存储的用户的特征画像；将所述特征点集与所述特征画像进行分维度特征匹配，确定所述人物对象对应的相似用户；查找所述相似用户所偏好的产品信息，将所述产品信息推送至请求终端。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：识别视频中的人物对象；从所述视频中确定所述人物对象对应的目标图像帧，其中所述目标图像帧包括带有所述人物对象的人物对象特征的所有图像帧；从所述目标图像帧中提取所述人物对象特征；根据所述人物对象特征合成所述人物对象对应的图像内容。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：将所述相似用户的用户信息发送至请求终端，所述请求终端显示所述用户信息；接收语音信息，根据所述语音信息得到识别确认结果；获取与所述识别确认结果对应的信息推荐算法；根据所述信息推荐算法确定所述相似用户偏好的产品信息，将所述产品信息推送至请求终端。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取所述视频对应的视频摄录模式；若所述视频摄录模式为单人摄录模式，则提取摄录焦点对应的人物对象的图像内容；若所述视频摄录模式为多人摄录模式，则提取多个摄录焦点对应的多个人物对象的图像内容。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取所述多个人物对象与其对应的所述相似用户的相似度；根据所述相似度从所述多个人物对象中确定目标人物对象，为所述目标人物对象查找偏好的产品信息。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：接收视频；识别所述视频中的人物对象，并提取所述人物对象对应的图像内容；从所述图像内容中提取所述人物对象的特征点集，其中，所述特征点集包括预先定义的多个特征维度对应的多维度特征点集；获取预先存储的用户的特征画像；将所述特征点集与所述特征画像进行分维度特征匹配，确定所述人物对象对应的相似用户；查找所述相似用户所偏好的产品信息，将所述产品信息推送至请求终端。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：识别视频中的人物对象；从所述视频中确定所述人物对象对应的目标图像帧，其中所述目标图像帧包括带有所述人物对象的人物对象特征的所有图像帧；从所述目标图像帧中提取所述人物对象特征；根据所述人物对象特征合成所述人物对象对应的图像内容。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将所述相似用户的用户信息发送至请求终端，所述请求终端显示所述用户信息；接收语音信息，根据所述语音信息得到识别确认结果；获取与所述识别确认结果对应的信息推荐算法；根据所述信息推荐算法确定所述相似用户偏好的产品信息，将所述产品信息推送至请求终端。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取所述视频对应的视频摄录模式；若所述视频摄录模式为单人摄录模式，则提取摄录焦点对应的人物对象的图像内容；若所述视频摄录模式为多人摄录模式，则提取多个摄录焦点对应的多个人物对象的图像内容。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取所述多个人物对象与其对应的所述相似用户的相似度；根据所述相似度从所述多个人物对象中确定目标人物对象，为所述目标人物对象查找偏好的产品信息。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。