基于人工智能的智慧社区精选商品大数据团购方法及系统技术方案

本发明专利技术公开了一种基于人工智能的智慧社区精选商品大数据团购方法及系统，涉及数据处理技术领域。该方法包括：采集多个年龄段的人脸模板图像；判定该居民的年龄段；统计并根据该社区居民的整体年龄比例给该社区居民推送对应的商品；将商品三维重建结果展示给社区的居民；计算并根据各张人脸表情图像和高沉浸度人脸模板图像之间的相似度判定并标记该居民的沉浸度；若该居民的沉浸度较高，则生成并发送商品购买确认信息给该居民，在对应的居民账户中进行扣款；统计并根据该社区的居民商品购买数据判定是否达到预置的团购要求，若达到，则计算并将对应的商品差价退还到对应的居民账户中。本发明专利技术利用多种方法相配合，实现精准高效的商品团购。高效的商品团购。高效的商品团购。

【技术实现步骤摘要】
基于人工智能的智慧社区精选商品大数据团购方法及系统


[0001]本专利技术涉及数据处理
，具体而言，涉及一种基于人工智能的智慧社区精选商品大数据团购方法及系统。

技术介绍

[0002]近年来，智慧社区的建设受到国家和社会的高度重视。尤其，随着科技的进步，越来越多的智慧社区出现在城市中，并发挥出越来越重要的作用。智能团购作为智慧社区的一种新兴消费方式，以智能化消费的方式给社区居民提供了巨大的生活便利。
[0003]然而，传统的智能团购往往没有较好的针对性，不能够根据社区居民的年龄分布、居民观看商品的沉浸程度进行商品推荐，显著地降低了智能团购的实际应用价值。随着人工智能领域技术的发展，给智慧社区的高质量团购提供了直接的技术支持。因此，如何结合人工智能技术实现高效的智慧社区精选商品大数据团购成为一个亟需解决的问题。

技术实现思路

[0004]为了克服上述问题或者至少部分地解决上述问题，本专利技术实施例提供一种基于人工智能的智慧社区精选商品大数据团购方法及系统，利用基于核心显著性区域检测的稀疏匹配方法、基于图像增强结果优选的三维重建方法、基于多尺度的哈希编码相似度匹配方法等多种方法相配合，实现精准高效的商品团购。
[0005]本专利技术的实施例是这样实现的：
[0006]第一方面，本专利技术实施例提供一种基于人工智能的智慧社区精选商品大数据团购方法，包括以下步骤：
[0007]采集多个年龄段的人脸模板图像；
[0008]对于任意一个进出社区的居民，提取该居民的人脸图像作为待检测人脸图像，利用基于核心显著性区域检测的稀疏匹配方法，分别计算待检测人脸图像和各个年龄段的人脸模板图像之间的相似度，生成并根据对应的相似度值判定该居民的年龄段；
[0009]按照预设的采集周期，对进出社区的所有居民进行年龄段判定，统计并根据该社区居民的整体年龄比例给该社区居民推送对应的商品；
[0010]对于任意一个推送给该社区居民的商品，利用基于图像增强结果优选的三维重建方法，对商品图像进行三维重建，以得到并将商品三维重建结果展示给社区的居民；
[0011]选定高沉浸度人脸模板图像；
[0012]当该社区的任意一个居民观看该商品三维重建结果时，利用人脸识别技术识别出该居民的身份，并采集居民观看时的人脸表情视频，从人脸表情视频中按照相同间隔提取多张人脸表情图像；
[0013]利用基于多尺度的哈希编码相似度匹配方法，计算并根据各张人脸表情图像和高沉浸度人脸模板图像之间的相似度判定并标记该居民的沉浸度信息；
[0014]若该居民的沉浸度信息为较高，则生成并发送商品购买确认信息给该居民，获取
并根据居民确认结果在对应的居民账户中进行扣款；
[0015]统计并根据该社区的居民商品购买数据判定是否达到预置的团购要求，若达到，则确认拼团成功，计算并将对应的商品差价退还到对应的居民账户中，完成团购。
[0016]为了解决现有技术中的问题，本方法利用基于核心显著性区域检测的稀疏匹配方法，分别计算待检测人脸图像和多种模板图像的相似度，利用相似度判别该居民所对应的年龄段，为测算出社区居民的整体年龄比例提供直接支持。本方法还利用基于图像增强结果优选的三维重建方法，对商品图像进行了更高质量的三维重建，显著提升了商品的三维展示效果。利用基于多尺度的哈希编码相似度匹配方法，对居民观看商品三维模型展示的沉浸度进行更加精准的评估，如果沉浸度高则及时提醒居民，让居民可以将沉浸度作为购买商品的重要参考。本专利技术利用基于核心显著性区域检测的稀疏匹配方法、基于图像增强结果优选的三维重建方法、基于多尺度的哈希编码相似度匹配方法等多种方法相配合，实现精准高效的商品团购。
[0017]基于第一方面，在本专利技术的一些实施例中，上述利用基于核心显著性区域检测的稀疏匹配方法，分别计算待检测人脸图像和各个年龄段的人脸模板图像之间的相似度的方法包括以下步骤：
[0018]分别对待检测人脸图像和各张人脸模板图像进行核心显著性区域检测，以得到对应的待检测人脸核心显著性区域图像和多张人脸模板核心显著性区域图像；
[0019]分别对待检测人脸核心显著性区域图像和各张人脸模板核心显著性区域图像进行稀疏编码，并利用欧式距离计算待检测人脸核心显著性区域图像和各张人脸模板核心显著性区域图像之间的相似度。
[0020]基于第一方面，在本专利技术的一些实施例中，上述分别对待检测人脸图像和各张人脸模板图像进行核心显著性区域检测的方法包括以下步骤：
[0021]分别对待检测人脸图像和各张人脸模板图像进行显著性检测，以得到对应的第一待检测人脸显著图像和多张第一人脸模板显著图像；
[0022]利用图像去噪方法对待检测人脸图像和各张人脸模板图像进行深度去噪，以得到并对待检测去噪图像和多种模板去噪图像进行显著性检测，以得到对应的第二待检测人脸显著图像和多张第二人脸模板显著图像；
[0023]将第一待检测人脸显著图像和第二待检测人脸显著图像重合部分作为待检测人脸核心显著性区域图像，将对应的各张第一人脸模板显著图像和第二人脸模板显著图像重合部分作为对应的人脸模板核心显著性区域图像。
[0024]基于第一方面，在本专利技术的一些实施例中，上述利用基于图像增强结果优选的三维重建方法，对商品图像进行三维重建的方法包括以下步骤：
[0025]利用多种图像增强方法分别对商品图像进行增强处理，以得到多张商品增强图像；
[0026]对各张商品增强图像进行峰值信噪比检测，以得到并根据各个峰值信噪比结果选定最优商品增强图像；
[0027]利用基于单幅图像的三维重建技术对最优商品增强图像进行三维重建。
[0028]基于第一方面，在本专利技术的一些实施例中，上述利用基于多尺度的哈希编码相似度匹配方法，计算并根据各张人脸表情图像和高沉浸度人脸模板图像之间的相似度判定并
标记该居民的沉浸度信息的方法包括以下步骤：
[0029]分别对各张人脸表情图像和高沉浸度人脸模板图像进行多尺度重建，以得到多个尺度下的人脸表情图像和高沉浸度人脸模板图像；
[0030]在各个尺度下，分别对人脸表情图像和高沉浸度人脸模板图像进行哈希编码，并利用欧氏距离计算各个尺度下对应的人脸表情图像和高沉浸度人脸模板图像之间的相似度，以得到并根据多个尺度下的相似度结果判定并标记该居民的沉浸度信息。
[0031]第二方面，本专利技术实施例提供一种基于人工智能的智慧社区精选商品大数据团购系统，包括：年龄段模板模块、年龄段判定模块、年龄统计模块、商品展示模块、沉浸度选定模块、人脸采集模块、沉浸度判定模块、商品购买模块以及拼团判定模块，其中：
[0032]年龄段模板模块，用于采集多个年龄段的人脸模板图像；
[0033]年龄段判定模块，用于对于任意一个进出社区的居民，提取该居民的人脸图像作为待检测人脸图像，利用基于核心显著性区域检测的稀疏匹配方法，分别计算待检测人脸图像和各个年龄段的人脸模板图像之间的相似度，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的智慧社区精选商品大数据团购方法，其特征在于，包括以下步骤：采集多个年龄段的人脸模板图像；对于任意一个进出社区的居民，提取该居民的人脸图像作为待检测人脸图像，利用基于核心显著性区域检测的稀疏匹配方法，分别计算待检测人脸图像和各个年龄段的人脸模板图像之间的相似度，生成并根据对应的相似度值判定该居民的年龄段；按照预设的采集周期，对进出社区的所有居民进行年龄段判定，统计并根据该社区居民的整体年龄比例给该社区居民推送对应的商品；对于任意一个推送给该社区居民的商品，利用基于图像增强结果优选的三维重建方法，对商品图像进行三维重建，以得到并将商品三维重建结果展示给社区的居民；选定高沉浸度人脸模板图像；当该社区的任意一个居民观看该商品三维重建结果时，利用人脸识别技术识别出该居民的身份，并采集居民观看时的人脸表情视频，从人脸表情视频中按照相同间隔提取多张人脸表情图像；利用基于多尺度的哈希编码相似度匹配方法，计算并根据各张人脸表情图像和高沉浸度人脸模板图像之间的相似度判定并标记该居民的沉浸度信息；若该居民的沉浸度信息为较高，则生成并发送商品购买确认信息给该居民，获取并根据居民确认结果在对应的居民账户中进行扣款；统计并根据该社区的居民商品购买数据判定是否达到预置的团购要求，若达到，则确认拼团成功，计算并将对应的商品差价退还到对应的居民账户中，完成团购。2.根据权利要求1所述的一种基于人工智能的智慧社区精选商品大数据团购方法，其特征在于，所述利用基于核心显著性区域检测的稀疏匹配方法，分别计算待检测人脸图像和各个年龄段的人脸模板图像之间的相似度的方法包括以下步骤：分别对待检测人脸图像和各张人脸模板图像进行核心显著性区域检测，以得到对应的待检测人脸核心显著性区域图像和多张人脸模板核心显著性区域图像；分别对待检测人脸核心显著性区域图像和各张人脸模板核心显著性区域图像进行稀疏编码，并利用欧式距离计算待检测人脸核心显著性区域图像和各张人脸模板核心显著性区域图像之间的相似度。3.根据权利要求2所述的一种基于人工智能的智慧社区精选商品大数据团购方法，其特征在于，所述分别对待检测人脸图像和各张人脸模板图像进行核心显著性区域检测的方法包括以下步骤：分别对待检测人脸图像和各张人脸模板图像进行显著性检测，以得到对应的第一待检测人脸显著图像和多张第一人脸模板显著图像；利用图像去噪方法对待检测人脸图像和各张人脸模板图像进行深度去噪，以得到并对待检测去噪图像和多种模板去噪图像进行显著性检测，以得到对应的第二待检测人脸显著图像和多张第二人脸模板显著图像；将第一待检测人脸显著图像和第二待检测人脸显著图像重合部分作为待检测人脸核心显著性区域图像，将对应的各张第一人脸模板显著图像和第二人脸模板显著图像重合部分作为对应的人脸模板核心显著性区域图像。
4.根据权利要求1所述的一种基于人工智能的智慧社区精选商品大数据团购方法，其特征在于，所述利用基于图像增强结果优选的三维重建方法，对商品图像进行三维重建的方法包括以下步骤：利用多种图像增强方法分别对商品图像进行增强处理，...

【专利技术属性】
技术研发人员：苏琳，
申请(专利权)人：北京惠朗时代科技有限公司，
类型：发明
国别省市：