一种商品展示方法及系统技术方案

本发明专利技术涉及广告领域，具体涉及一种商品展示方法及系统，本发明专利技术通过将待建模照片生成人脸模型，并计算授权的商品图片和/或视频中的面部参数，响应于搜索请求，根据当前商品链接对应的商品图片和/或视频中的面部参数对当前用户账号对应的人脸模型进行合成渲染生成二维图像，并将所述二维图像对商品图片和/或视频进行人脸替换并显示。本方案能将使用者的面部形象自动地替换商品展示图片、视频或广告图片、视频中模特或虚拟形象的面部，并在消费者在电子商务平台搜索、浏览商品或在广告平台观看商品广告时即时展示给消费者，以此来增强消费者代入感以提高商品成交率。

A method and system of commodity display

【技术实现步骤摘要】
一种商品展示方法及系统
本专利技术涉及广告领域，具体涉及一种商品展示方法及系统。
技术介绍
当前电子商务平台(Web或App)之上的商品广告大部分是聘请模特拍摄照片，然后将广告照片在平台之上进行展示。这种广告照片虽然能做到美轮美奂，但其实对用户产生的代入感有限，直观感也不够，不能最大限度的刺激用户对商品做出交易行为。因此，如何增强消费者代入感以提高商品成交率成为亟待解决的问题。
技术实现思路
本专利技术要解决的技术问题在于如何增强消费者代入感以提高商品成交率。为此，根据第一方面，本专利技术实施例公开了一种商品展示方法，包括：将待建模照片生成人脸模型，将所述人脸模型与用户账号建立关联并标识存储；计算授权的商品图片和/或视频中的面部参数，并将所述面部参数与商品链接关联并标识存储；响应于搜索请求，根据当前商品链接对应的商品图片和/或视频中的面部参数对当前用户账号对应的人脸模型进行合成渲染生成二维图像，并将所述二维图像对商品图片和/或视频进行人脸替换并显示。进一步地，所述获取待建模的照片生成人脸模型，具体包括：获取待建模照片，利用预先训练的卷积神经网络将所述待建模照片生成人脸模型。进一步地，所述卷积神经网络的训练包括：采集若干对样本照片和样本人脸模型；对所述样本人脸模型通过降维处理以获得降维人脸模型，生成若干对训练样本；将所述训练样本输入到卷积神经网络进行训练，通过迭代损失函数，当损失小于设定阈值或者迭代次数大于设定阈值，则获得经过训练的卷积神经网络。进一步地，所述面部参数为面部特征的全部或分组合。进一步地，所述面部特征包括面部位置、面部姿态、面部表情、尺寸、光照、肤色、发型、皱纹、酒窝、痣。进一步地，所述根据当前商品链接对应的商品图片和/或视频中的面部参数对当前用户账号对应的人脸模型进行合成渲染生成二维图像，具体包括：将所述人脸模型进行旋转、表情驱动、纹理合成、光照渲染，获得与所述面部参数适配的第一人脸模型；然后将所述第一人脸模型渲染成二维图像。进一步地，还包括：将所述二维图像通过生成式对抗网络进行细节渲染和违和感判别。根据第二方面，本专利技术实施例提供了一种商品展示系统，包括：人脸模型模块：用于将待建模照片生成人脸模型，将所述人脸模型与用户账号建立关联并标识存储；面部参数计算模块：用于计算授权的商品图片和/或视频中的面部参数，并将所述面部参数与商品链接关联并标识存储；人脸替换模块：用于响应于搜索请求，根据当前商品链接对应的商品图片和/或视频中的面部参数对当前用户账号对应的人脸模型进行合成渲染生成二维图像，并将所述二维图像对商品图片和/或视频进行人脸替换并显示。进一步地，所述人脸模型模块包括：建模单元，用于获取待建模照片，利用预先训练的卷积神经网络将所述待建模照片生成人脸模型。进一步地，所述建模单元包括：采集子单元，用于采集若干对样本照片和样本人脸模型；训练样本生成子单元，用于对所述样本人脸模型通过降维处理以获得降维人脸模型，生成若干对训练样本；神经网络训练子单元，用于将所述训练样本逐对输入到卷积神经网络进行训练，通过迭代损失函数，当损失小于设定阈值或者迭代次数大于设定阈值，停止训练进行下一对样本的训练，当所有样本训练完成，则获得经过训练的卷积神经网络。本专利技术的有益效果在于：本专利技术实施例公开的一种商品展示方法及系统，能将消费者面部形象自动地替换商品展示图片、视频或广告图片、视频中模特或虚拟形象的面部，并在消费者在电子商务平台搜索、浏览商品或在广告平台观看商品广告时即时展示给消费者，以此来增强消费者代入感以提高商品成交率。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例一种商品展示方法的流程图；图2为本专利技术实施例一种商品展示方法的神经卷积网络训练流程图；图3为本专利技术实施例一种商品展示系统结构示意图；图4为本专利技术实施例一种商品展示系统的建模单元结构示意图。具体实施方式下面将结合附图对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请参考图1，为本实施例公开的一种商品展示方法的流程图，包括步骤：步骤S10，将待建模照片生成人脸模型，将所述人脸模型与用户账号建立关联并标识存储。在本实施例中，通过用户在账户中上传待建模照片，待建模照片中的人物包括用户本人或其爱人、父母、孩子、朋友等所有用户准备购买商品的目标使用人；获取待建模照片后，利用预先训练的卷积神经网络将所述待建模照片生成人脸模型。其中人脸模型为三维人脸模型，有几何形状模型S和纹理模型T组成，当三维人脸模型标记为M，则可以用表示为M＝(S，T)，其中S为N个三维点，即S＝{p1,p2,L,pN}，pn＝(xn,yn,zn)；T为S中每个三维点对应的颜色值的集合，即T＝{c1,c2,L,cN}，cn＝(rn,gn,bn)。具体的，卷积神经网络的训练步骤包括：步骤S101，采集若干对样本照片和样本人脸模型，假设采集的样本对数为k对，并将照片定义为I，则k对样本可以记为{(Ii,Mi),i＝1,2,LK}，其中Ii,Mi分别为第i个用户对应的二维头部人脸照片和通过三维扫描仪扫描后建立的三维人脸模型。在本实施例中，收集了500000对训练样本，可以理解的是，样本数量越大，训练出来的卷积神经网络将照片转换成的三维人脸模型违和感就越弱，也更便于增强用户的代入感。步骤S102，对所述样本人脸模型通过降维处理以获得降维人脸模型，生成若干对训练样本；在上述内容中有提到，人脸模型是通过大量的三维点组成的。在本实施例中，三维人脸模型由14596个三维点组成，即N＝14596，那么卷积神经网络在每对训练样本进行模拟时，需要输出14596*3*2个三维点，大量的三维点模拟输出并不利于卷积神经网络的训练，显然是耗费时间且比较困难的。因此，将扫描得到的三维人脸模型进行降维处理，在本实施例中，采用主成分分析算法进行降维。降维后，其中分别为从训练样本计算得到的几何形状模型和纹理模型的均值，和分别为从训练样本计算得到几何形状模型和纹理模型的特征向量矩阵，αi，βi分别为第i个用户三维人脸模型几何形状模型和纹理模型的特征系统。通过αi，βi即可重建Si和Ti，即上述卷积神经网络输出(αi，βi)即等价于输出三维模型M＝(S，T)。保存降维后获得的三维人脸模型，已形成k对训练样本。进一步地，将M＝(S，T)通本文档来自技高网...

【技术保护点】
1.一种商品展示方法，其特征在于，包括：/n将待建模照片生成人脸模型，将所述人脸模型与用户账号建立关联并标识存储；/n计算授权的商品图片和/或视频中的面部参数，并将所述面部参数与商品链接关联并标识存储；/n响应于搜索请求，根据当前商品链接对应的商品图片和/或视频中的面部参数对当前用户账号对应的人脸模型进行合成渲染生成二维图像，并将所述二维图像对商品图片和/或视频进行人脸替换并显示。/n

【技术特征摘要】
1.一种商品展示方法，其特征在于，包括：
将待建模照片生成人脸模型，将所述人脸模型与用户账号建立关联并标识存储；
计算授权的商品图片和/或视频中的面部参数，并将所述面部参数与商品链接关联并标识存储；
响应于搜索请求，根据当前商品链接对应的商品图片和/或视频中的面部参数对当前用户账号对应的人脸模型进行合成渲染生成二维图像，并将所述二维图像对商品图片和/或视频进行人脸替换并显示。


2.如权利要求1所述的商品展示方法，其特征在于，所述获取待建模的照片生成人脸模型，具体包括：
获取待建模照片，利用预先训练的卷积神经网络将所述待建模照片生成人脸模型。


3.如权利要求2所述的商品展示方法，其特征在于，所述卷积神经网络的训练包括：
采集若干对样本照片和样本人脸模型；
对所述样本人脸模型通过降维处理以获得降维人脸模型，生成若干对训练样本；
将所述训练样本输入到卷积神经网络进行训练，通过迭代损失函数，当损失小于设定阈值或者迭代次数大于设定阈值，则获得经过训练的卷积神经网络。


4.如权利要求1所述的商品展示方法，其特征在于，所述面部参数为面部特征的全部或分组合。


5.如权利要求4所述的商品展示方法，其特征在于，所述面部特征包括面部位置、面部姿态、面部表情、尺寸、光照、肤色、发型、皱纹、酒窝、痣。


6.如权利要求1所述的商品展示方法，其特征在于，所述根据当前商品链接对应的商品图片和/或视频中的面部参数对当前用户账号对应的人脸模型进行合成渲染生成二维图像，具体包括...

【专利技术属性】
技术研发人员：袁春，石磊，李焰卓，张伟文，舒东树，丘龙杰，
申请(专利权)人：深圳市掌众信息技术有限公司，
类型：发明
国别省市：广东;44