本發(fā)明涉及人工智能，更具體地說，本發(fā)明涉及一種基于圖像識別的智能推薦方法。

背景技術(shù)：

1、在當(dāng)今競爭激烈的零售市場中，吸引顧客、提升銷售額成為商家關(guān)注的重點；隨著智能技術(shù)的飛速發(fā)展，智能導(dǎo)購機器人成為了零售行業(yè)的一項創(chuàng)新利器；然而，現(xiàn)有智能導(dǎo)購機器人搭載的推薦系統(tǒng)，通常是基于用戶的歷史瀏覽記錄或者簡單的個人偏好進(jìn)行商品推薦，其忽視了用戶的實時需求，無法挖掘出或精準(zhǔn)地理解出用戶的潛在需求。

2、目前，現(xiàn)有的智能推薦方法大多僅根據(jù)用戶歷史購買記錄進(jìn)行設(shè)計，例如授權(quán)公告號為cn109784583b的中國專利公開了一種基于大數(shù)據(jù)的商超智能導(dǎo)購方法；上述方法雖能根據(jù)用戶消費數(shù)據(jù)，掌握用戶消費傾向，但對上述方法以及現(xiàn)有技術(shù)進(jìn)行研究和實際應(yīng)用發(fā)現(xiàn)，上述方法以及現(xiàn)有技術(shù)至少存在以下部分缺陷：

3、(1)無法精準(zhǔn)定位易接受推薦或被推薦成功率較高的目標(biāo)用戶，進(jìn)而難以提高商品推薦的成功率和準(zhǔn)確率；

4、(2)易忽略用戶的實時需求，無法根據(jù)歷史購買記錄和當(dāng)前購買行為挖掘出或精準(zhǔn)地理解出目標(biāo)用戶的潛在需求，從而難以向其推薦最合適的潛在需求商品，進(jìn)而難以實現(xiàn)精準(zhǔn)的商品推薦，進(jìn)一步地，無法提高商場的購物體驗以及商場的銷售轉(zhuǎn)化率。

技術(shù)實現(xiàn)思路

1、為了克服現(xiàn)有技術(shù)的上述缺陷，本發(fā)明的實施例提供一種基于圖像識別的智能推薦方法。

2、為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、一種基于圖像識別的智能推薦方法，所述方法包括：

4、當(dāng)確定消費者為目標(biāo)用戶時，識別出目標(biāo)用戶購物車中的m個已選購商品，并調(diào)取每個已選購商品的補充產(chǎn)品集，所述補充產(chǎn)品集中包含n類補充產(chǎn)品，m和n均為大于零的整數(shù)；

5、根據(jù)所有已選購商品的補充產(chǎn)品集進(jìn)行篩選，以獲取候選推薦產(chǎn)品集；

6、獲取目標(biāo)用戶的已購買商品集，并提取候選推薦產(chǎn)品集與已購買商品集中q個相同產(chǎn)品的購買時間，基于購買時間計算每個相同產(chǎn)品的需求概率，根據(jù)需求概率篩選出k個最佳推薦產(chǎn)品，q和k均為大于零的整數(shù)；

7、調(diào)取相同產(chǎn)品的預(yù)存介紹數(shù)據(jù)，將介紹數(shù)據(jù)通過智能導(dǎo)購機器人向目標(biāo)用戶進(jìn)行播報或顯示，以實現(xiàn)對相同產(chǎn)品精準(zhǔn)推薦；所述預(yù)存介紹數(shù)據(jù)包括介紹文本和介紹語音。

8、進(jìn)一步地，所述目標(biāo)用戶的確定邏輯如下：

9、當(dāng)消費者進(jìn)入商場導(dǎo)購區(qū)域時，采集消費者的人臉圖像；

10、將人臉圖像輸入預(yù)設(shè)目標(biāo)用戶識別模型中，得到識別結(jié)果，所述識別結(jié)果包括消費者為目標(biāo)用戶或消費者非目標(biāo)用戶中的一種。

11、進(jìn)一步地，所述預(yù)設(shè)目標(biāo)用戶識別模型的生成邏輯如下：

12、獲取歷史人臉識別訓(xùn)練數(shù)據(jù)，將歷史人臉識別訓(xùn)練數(shù)據(jù)劃分為目標(biāo)用戶訓(xùn)練集和目標(biāo)用戶測試集；所述歷史人臉識別訓(xùn)練數(shù)據(jù)包括多幅人臉圖像及對應(yīng)的標(biāo)注標(biāo)簽；所述歷史人臉識別訓(xùn)練數(shù)據(jù)中的標(biāo)注標(biāo)簽包括“0”和“1”，其中，“0”代表消費者非目標(biāo)用戶，“1”則代表消費者為目標(biāo)用戶；

13、構(gòu)建分類器，將目標(biāo)用戶訓(xùn)練集中的人臉圖像作為分類器的輸入數(shù)據(jù)，將目標(biāo)用戶訓(xùn)練集中的標(biāo)注標(biāo)簽作為分類器的輸出數(shù)據(jù)，對分類器進(jìn)行訓(xùn)練，得到初始目標(biāo)用戶識別網(wǎng)絡(luò)；

14、利用目標(biāo)用戶測試集對初始目標(biāo)用戶識別網(wǎng)絡(luò)進(jìn)行模型測試，輸出大于等于預(yù)設(shè)測試準(zhǔn)確度的初始目標(biāo)用戶識別網(wǎng)絡(luò)作為預(yù)設(shè)目標(biāo)用戶識別模型。

15、進(jìn)一步地，所述歷史人臉識別訓(xùn)練數(shù)據(jù)中標(biāo)注標(biāo)簽的生成邏輯如下：

16、獲取人臉圖像中對應(yīng)消費者的歷史消費記錄，根據(jù)歷史消費記錄提取出對應(yīng)消費者的消費特征集；所述消費特征集中包含g個消費特征，所述消費特征包括購買頻率、平均購買金額、平均購買種類數(shù)和促銷活動響應(yīng)率，g為大于零的整數(shù)；

17、根據(jù)歷史消費記錄計算出消費者的潛在推薦系數(shù)；其具體計算公式為：式中：ec為潛在推薦系數(shù)，αg為第g個消費特征的值，ωg為第g個消費特征的權(quán)重因子，g為消費特征總數(shù)；

18、將潛在推薦系數(shù)大于預(yù)設(shè)潛在推薦系數(shù)閾值的對應(yīng)人臉圖像標(biāo)注為“0”；

19、將潛在推薦系數(shù)小于等于預(yù)設(shè)潛在推薦系數(shù)閾值的對應(yīng)人臉圖像標(biāo)注為“1”。

20、進(jìn)一步地，每個所述已選購商品的補充產(chǎn)品集通過預(yù)設(shè)補充產(chǎn)品數(shù)據(jù)庫查詢得到，所述預(yù)設(shè)補充產(chǎn)品數(shù)據(jù)庫中預(yù)存有r條已選購商品與補充產(chǎn)品集的映射關(guān)系，r為大于零的整數(shù)。

21、進(jìn)一步地，所述根據(jù)所有已選購商品的補充產(chǎn)品集進(jìn)行篩選，包括：

22、對所有已選購商品的補充產(chǎn)品集進(jìn)行多重集的合并，得到補充產(chǎn)品多重集；

23、統(tǒng)計補充產(chǎn)品多重集中每個補充產(chǎn)品的復(fù)現(xiàn)頻次，將復(fù)現(xiàn)頻次小于復(fù)現(xiàn)頻次閾值的對應(yīng)補充產(chǎn)品從補充產(chǎn)品多重集中剔除，得到候選推薦產(chǎn)品集。

24、進(jìn)一步地，所述基于購買時間計算相同產(chǎn)品的需求概率，包括：

25、獲取當(dāng)前時間，并提取相同產(chǎn)品的最近購買時間和消耗周期；

26、將當(dāng)前時間、最近購買時間和消耗周期輸入預(yù)設(shè)計算需求概率的數(shù)學(xué)模型中，得到需求概率；其中，所述預(yù)設(shè)計算需求概率的數(shù)學(xué)模型為：式中：re為需求概率，e為自然常數(shù)，tcurrent為當(dāng)前時間，tpast為最近購買時間，tcycle為消耗周期。

27、進(jìn)一步地，所述根據(jù)需求概率篩選出k個最佳推薦產(chǎn)品，包括：

28、提取q個相同產(chǎn)品的需求概率；

29、將每個相同產(chǎn)品的需求概率與預(yù)設(shè)需求概率閾值進(jìn)行比對，若需求概率大于等于預(yù)設(shè)需求概率閾值，則將對應(yīng)的相同產(chǎn)品作為最佳推薦產(chǎn)品；若需求概率小于預(yù)設(shè)需求概率閾值，則剔除對應(yīng)的相同產(chǎn)品；

30、統(tǒng)計需求概率大于等于預(yù)設(shè)需求概率閾值的對應(yīng)相同產(chǎn)品，得到k個最佳推薦產(chǎn)品。

31、一種電子設(shè)備，包括存儲器、處理器以及存儲在存儲器上并在處理器上運行的計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現(xiàn)上述所述的基于圖像識別的智能推薦方法。

32、一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)上存儲有計算機程序，所述計算機程序被執(zhí)行時實現(xiàn)上述所述的基于圖像識別的智能推薦方法。

33、相比于現(xiàn)有技術(shù)，本發(fā)明的有益效果在于：

34、本技術(shù)公開了一種基于圖像識別的智能推薦方法，包括：當(dāng)確定消費者為目標(biāo)用戶時，識別出目標(biāo)用戶購物車中的m個已選購商品，并調(diào)取每個已選購商品的補充產(chǎn)品集；根據(jù)所有已選購商品的補充產(chǎn)品集進(jìn)行篩選，以獲取候選推薦產(chǎn)品集；獲取目標(biāo)用戶的已購買商品集，并提取候選推薦產(chǎn)品集與已購買商品集中q個相同產(chǎn)品的購買時間，基于購買時間計算每個相同產(chǎn)品的需求概率，根據(jù)需求概率篩選出k個最佳推薦產(chǎn)品；調(diào)取相同產(chǎn)品的預(yù)存介紹數(shù)據(jù)，將介紹數(shù)據(jù)通過智能導(dǎo)購機器人向目標(biāo)用戶進(jìn)行播報或顯示；基于上述過程，本發(fā)明能夠精準(zhǔn)定位易接受推薦或被推薦成功率較高的目標(biāo)用戶，進(jìn)而有利于提高商品推薦的成功率和準(zhǔn)確率；此外，通過根據(jù)歷史購買記錄和當(dāng)前購買行為挖掘出或精準(zhǔn)地理解出目標(biāo)用戶的潛在需求，從而有利于向其推薦最合適的潛在需求商品，進(jìn)而有利于實現(xiàn)精準(zhǔn)的商品推薦，進(jìn)一步地，能夠提高商場的購物體驗以及商場的銷售轉(zhuǎn)化率。