基于人臉識別的商業大數據分析

湖北民族學院 李雙稀 王 強 嚴梓歡 李 超

基于人臉識別的商業大數據分析

湖北民族學院 李雙稀 王 強 嚴梓歡 李 超

廣告推薦系統通過建立用戶與信息產品之間的二元關系, 利用已有的選擇過程或相似性關系挖掘每個用戶潛在感興趣的對象, 進而進行個性化推薦, 其本質就是信息過濾.個性化推薦系統不僅在社會經濟中具有重要的應用價值, 而且也是一個非常值得研究的科學問題。

數據挖掘；人臉識別；廣告推薦

0　引言

互聯網的發展，信息技術的日漸成熟，海量的數據中蘊藏著豐富的知識，一方面商家無法準確判斷這些指數，另一方面客戶無法發現自己的真正愛好，大數據分析技術可以發現其中知識。廣告行業，同樣存在可以挖掘的知識，如：什么樣的廣告在什么時段位置投放可以取得理想的效果，商品關注趨勢，客戶對商品的關注度分析，客戶對推薦廣告的滿意度，客戶喜歡的廣告模式……考慮到以上市場需求，利用現有技術開發出這樣一款產品不僅能夠提高商家對市場的了解程度，而且可以有效地做出相應決策，幫助商家為客戶提供更好的服務，同時可以幫助客戶發現自己真正感興趣的商品，幫助客戶法向一些閃人問津的“暗信息”。

1　技術分析

本系統主要是幫助商家做出更加合理的決策為客戶提供更有好多服務。我們借助于人臉識別技術，采集用戶對商品的反饋信息。在各大商場的數字標牌廣告機安裝我們的圖片采集器并上傳到服務器，然后利用人臉分析技術分析出客戶的年齡、性別、表情、姿勢、關注時長、關注時間段、關注的廣告信息……有了這些基礎數據，現在可以在數據預處理階段計算出商場各時段的客流量、客戶性別年齡性格分布情況、客戶位置分布、天氣信息……數據處理階段我們利用統計學習，機器學習算法對客戶的各種特征數據和廣告的特征數據建立各種關系模型，利用上面得出的數據學習出模型；對客戶分類，對特定的類型客戶學習出模型；基于上面學習出的模型在數字標牌廣告機中投放廣告；最后評估模型的好壞，反復學習，反復訓練出更好的模型。

2　技術實現

本系統主要涉及兩大技術難點：人臉分析、數據處理。人臉分析模塊采用深度學習框架CNTK做人臉檢測、人臉對齊，使用opencv圖像處理。數據分析模塊采用spark框架中的機器學習子框架做模型訓練、分類、關聯分析、頻繁模式挖掘。同時為了提高計算能力，我們將整個系統移植到hadoop平臺并采用spark作為計算框架。

3　總結

經過這么長時間的努力，我們學習到了許多東西，有工程實踐方面的，也有學習方法上面的，還有團隊合作方面的……這些寶貴的東西才是值得我們學習銘記。同樣也折射出相當多的問題，系統運行速度方面、系統安全方面、信息采集、算法優劣、等等。這些小方面的問題累積起來最終都會對我們系統的整體性能造成極大的影響，因此今后在開發的過程中在考慮將現有技術使用到系統中的時候不能總是追求技術的新，要從整體出發，綜合考慮，在做出詳細的計劃，最后一步一步的實現。

[1]MENG Xiang-wu, JI Wei-yu, ZHANG Yu-jie. A Survey of Recommendation Systems in Big Data .

[2]Tu DD, Shu CC, Yu HY. Using unified probabilistic matrix factorization for contextual advertisement recommendation. Ruanjian Xuebao/Journal of Software, 2013,24(3):454 464 (in Chinese). http:// www.jos.org.cn/1000-9825/ 4238.htm

指導老師：李超。