家电推荐方法、存储介质及电子设备技术

本发明专利技术公开了一种家电推荐方法、存储介质以及电子设备，涉及家电推荐技术领域，该方法包括：获取家居环境的图像信息；根据所述图像信息，获得该家居环境中的已有家电的设备信息；基于所述设备信息，确定第一待推荐家电。本发明专利技术的有益效果是：使得待推荐家电与用户的已有家电相匹配，以使得待推荐家电能够精准切合用户需求；而且无需用户在海量产品中筛选出满足其个性化需求的家电，降低了用户的时间成本。

Recommended methods, storage media and electronic equipment for household appliances

【技术实现步骤摘要】
家电推荐方法、存储介质及电子设备
本专利技术属于家电推荐
，尤其涉及一种家电推荐方法、存储介质及电子设备。
技术介绍
随着人们生活水平的提高，使用的家电产品越来越多。目前，市场上各大厂家推出众多功能各异、规格不同的电器设备以供选择。但是，如何从琳琅满目的商品中挑选出符合用户需求的设备，往往需要花费用户大量的时间去遴选、比较不同的产品。这个过程繁琐且浪费时间，甚至有时花费了大量时间却仍旧不能挑选出满意产品。因此，如何从市场上的海量家电产品中，给用户推荐出合适的家电设备成为重要的技术问题。
技术实现思路
本专利技术正是基于上述技术问题，提出了一种家电推荐方法、存储介质及电子设备。第一方面，本专利技术实施例提供了一种家电推荐方法，包括：获取家居环境的图像信息；根据所述图像信息，获得该家居环境中的已有家电的设备信息；基于所述设备信息，确定第一待推荐家电。进一步，根据所述图像信息，获得该家居环境中已有的家电的设备信息，包括：利用预设的家电外观模型在所述图像信息上进行匹配，以从所述图像信息中查找出具有家电外观特征的物体；利用家电图像识别模型对具有家电外观特征的物体进行识别，确定具有家电外观特征的物体对应的家电型号；根据所述家电型号，获得该家居环境中的已有家电的设备信息。进一步，所述家电图像识别模型通过以下步骤进行构建：获取训练样本集，其中，所述训练样本集中的每个样本包括家电图像以及该家电图像对应的家电型号；将每个样本作为待训练的神经网络模型的输入，以对所述待训练的神经网络模型进行训练，得到所述家电图像识别模型。进一步，所述设备信息包括功能属性，基于所述设备信息，确定第一待推荐家电，包括：获取与所述功能属性互补的互补家电；在确认该家居环境中的已有家电不存在所述互补家电时，将所述互补家电作为第一推荐家电；和/或获取该家居环境下常用的功能属性对应的常用家电；将所述已有家电的功能属性与所述常用家电的功能属性进行对比，在确认该家居环境中缺少任一功能属性的常用家电后，将缺少的功能属性对应的常用家电作为第一待推荐家电。进一步，所述设备信息包括家电型号，基于所述设备信息，确定第一待推荐家电，包括：根据所述家电型号，判断该家居环境中的已有家电是否属于老旧家电，当该家居环境中的已有家电属于老旧家电，确定替代该老旧家电的家电，并将替代该老旧家电的家电作为第一待推荐家电。进一步，所述设备信息还包括尺寸信息和/或家电颜色信息，所述方法还包括：根据已有家电的尺寸信息，确定所述第一待推荐家电的家电尺寸；和/或将已有家电的家电颜色信息中出现最多的颜色作为用户的偏好色，并将所述偏好色确定为所述第一待推荐家电的家电颜色；将满足所述家电尺寸和/或所述家电颜色的第一待推荐家电作为新的第一待推荐家电。进一步，所述方法还包括：根据家居环境的图像信息，确定该家居环境的装饰风格；根据所述装饰风格，确定与所述装饰风格的色调一致的家电颜色作为所述第一待推荐家电的颜色。进一步，所述方法还包括：从家居环境的图像信息中，提取出至少一个家具；将所述家具与预设的家具特征进行匹配，并根据匹配结果确定该家居环境的装饰风格，其中，一个家具特征对应一种装饰风格；根据所述空间参数信息，将所述第一待推荐家电的图像按比例放置于该家居环境的图像信息中，以在该家居环境中对所述第一待推荐家电进行效果展示。进一步，所述方法还包括：获取用户信息；根据所述用户信息，利用预先建立的用于家电推荐的决策树模型，确定第二待推荐家电；根据所述第一待推荐家电和所述第二待推荐家电的家电重合度和/或优先级，确定第三待推荐家电，并将所述第三待推荐家电作为新的第一待推荐家电。第二方面，本专利技术实施例提供了一种存储介质，所述存储介质上存储有程序代码，所述程序代码被处理器执行时，实现如上述实施例中任一项所述的家电推荐方法。第三方面，本专利技术实施例提供了一种电子设备，所述电子设备包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的程序代码，所述程序代码被所述处理器执行时，实现如上述实施例中任一项所述的家电推荐方法。在本专利技术实施例提供的一种家电推荐方法、存储介质及电子设备，通过根据家居环境的图像信息，获得用户该家居环境中已有家电的设备信息，然后再根据已有家电的设备信息，进行家电推荐。可见，本实施例提供的家电推荐方法，使得待推荐家电与用户的已有家电相匹配，以使得待推荐家电能够精准切合用户需求；而且无需用户在海量产品中筛选出满足其个性化需求的家电，降低了用户的时间成本。附图说明通过结合附图阅读下文示例性实施例的详细描述可更好地理解本公开的范围。其中所包括的附图是：图1示出了本专利技术实施例一提出的一种家电推荐方法的流程示意图；图2示出了本专利技术实施例二提出的一种家电推荐方法的流程示意图；图3示出了图2中步骤220的具体流程示意图；图4示出了本专利技术实施例三提出的一种家电推荐方法的流程示意图；图5示出了本专利技术实施例三提出的决策树模型的示意图；图6示出了本专利技术实施例四提出的一种家电推荐方法的流程示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，以下将结合附图及实施例来详细说明本专利技术的实施方法，借此对本专利技术如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。在下面的描述中阐述了很多具体细节以便于充分理解本专利技术，但是，本专利技术还可以采用其他不同于在此描述的其他方式来实施，因此，本专利技术的保护范围并不受下面公开的具体实施例的限制。实施例一根据本专利技术的实施例，提供了一种家电推荐方法，图1示出了本专利技术实施例一提出的一种家电推荐方法的流程示意图，如图1所示，该家电推荐方法可以包括：步骤110至步骤130。在步骤110中，获取家居环境的图像信息。这里，家居环境指的是用户的居室环境，如厨房、客厅、浴室等。该家居环境指的是用户想要购买的家电要放置的位置，因此，家居环境也可以是办公场所。图像信息包括图片图像和/或视频图像。例如，用户需要给厨房购买一个家电，则可以通过对厨房进行拍摄，获得与厨房相关的图片、视频。在步骤120中，根据所述图像信息，获得该家居环境中的已有家电的设备信息。这里，对所述图像信息进行分析与计算，以在该图像信息中确定到该家居环境中的电器设备，进而得出该家居环境中现有的电器的设备信息。例如，对用户拍摄到的厨房的图像信息进行分析，得到该图像信息中已有家电的设备信息，如该图像中存在电饭煲、抽油烟机、煤气灶等家电，则根据所述图像信息，可以获得该家居环境中的电饭煲、抽油烟机、煤气灶的设备信息。在步骤130中，基于所述设备信息，确定第一待推荐家电。这里，通过基于用户已有家电的设备信息，进行家电推荐本文档来自技高网...

【技术保护点】
1.一种家电推荐方法，其特征在于，包括：/n获取家居环境的图像信息；/n根据所述图像信息，获得该家居环境中的已有家电的设备信息；/n基于所述设备信息，确定第一待推荐家电。/n

【技术特征摘要】
1.一种家电推荐方法，其特征在于，包括：
获取家居环境的图像信息；
根据所述图像信息，获得该家居环境中的已有家电的设备信息；
基于所述设备信息，确定第一待推荐家电。


2.根据权利要求1所述的家电推荐方法，其特征在于，根据所述图像信息，获得该家居环境中已有的家电的设备信息，包括：
利用预设的家电外观模型在所述图像信息上进行匹配，以从所述图像信息中查找出具有家电外观特征的物体；
利用家电图像识别模型对具有家电外观特征的物体进行识别，确定具有家电外观特征的物体对应的家电型号；
根据所述家电型号，获得该家居环境中的已有家电的设备信息。


3.根据权利要求2所述的家电推荐方法，其特征在于，所述家电图像识别模型通过以下步骤进行构建：
获取训练样本集，其中，所述训练样本集中的每个样本包括家电图像以及该家电图像对应的家电型号；
将每个样本作为待训练的神经网络模型的输入，以对所述待训练的神经网络模型进行训练，得到所述家电图像识别模型。


4.根据权利要求2所述的家电推荐方法，其特征在于，所述设备信息包括功能属性，基于所述设备信息，确定第一待推荐家电，包括：
获取与所述功能属性互补的互补家电；
在确认该家居环境中的已有家电不存在所述互补家电时，将所述互补家电作为第一推荐家电；和/或
获取该家居环境下常用的功能属性对应的常用家电；
将所述已有家电的功能属性与所述常用家电的功能属性进行对比，在确认该家居环境中缺少任一功能属性的常用家电后，将缺少的功能属性对应的常用家电作为第一待推荐家电。


5.根据权利要求2所述的家电推荐方法，其特征在于，所述设备信息包括家电型号，基于所述设备信息，确定第一待推荐家电，包括：
根据所述家电型号，判断该家居环境中的已有家电是否属于老旧家电，当该家居环境中的已有家电属于老旧家电，确定替代该老旧家电的家电，并将替代该老旧家电的家电作为第一待推荐家电。

<...

【专利技术属性】
技术研发人员：宋德超，陈翀，李斌山，李雨铭，陈勇，
申请(专利权)人：珠海格力电器股份有限公司，珠海联云科技有限公司，
类型：发明
国别省市：广东;44