基于百度AI開(kāi)放平臺(tái)的廣告匹配度方案

王志豪 朱浩宇 翁子揚(yáng) 馬燕

摘要：隨著時(shí)代的發(fā)展，線上廣告日趨成熟，可根據(jù)用戶(hù)喜好推薦廣告，但傳統(tǒng)的線下廣告越來(lái)越被人們忽視。所以針對(duì)線下廣告急需一次革新，運(yùn)用百度AI開(kāi)放平臺(tái)的接口識(shí)別人體的各種屬性，與算法結(jié)合對(duì)屬性進(jìn)行分析從數(shù)據(jù)庫(kù)中調(diào)出廣告，再根據(jù)人臉的表情數(shù)據(jù)判斷對(duì)廣告的喜惡程度適當(dāng)?shù)恼{(diào)整廣告的類(lèi)型。基于此，來(lái)達(dá)到線下廣告的精準(zhǔn)投放的目的，使廣告的效益達(dá)到最大化。

關(guān)鍵詞：線下廣告;百度AI開(kāi)放平臺(tái);精準(zhǔn)投放

中圖分類(lèi)號(hào)：TP399 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2019）36-0195-03

廣告經(jīng)過(guò)了多年發(fā)展已非常普遍，尤其是線上廣告的發(fā)展，已經(jīng)幾乎可已達(dá)到精準(zhǔn)投放了。例如像淘寶商城的電商軟件，已經(jīng)可以通過(guò)算法根據(jù)消費(fèi)者瀏覽記錄判斷消費(fèi)者的喜好，從而達(dá)到精準(zhǔn)的廣告投放和推送。

但傳統(tǒng)的線下廣告有諸多局限性，發(fā)展較慢。在追求高效率的時(shí)代里，線下廣告越來(lái)越被人們所忽視，沒(méi)有達(dá)到廣告效益的最大化。截至目前，僅有很少的方法可以使線下廣告的效率提高，且效率不是很高。

所以本文提出一套方法，借助百度AI開(kāi)放平臺(tái)中對(duì)人體屬性的鑒別以及對(duì)人臉的檢測(cè)和數(shù)據(jù)庫(kù)中的SQLserver技術(shù)，通過(guò)算法找到與當(dāng)前消費(fèi)者匹配度最高的廣告。然后通過(guò)觀察消費(fèi)者的表情判斷消費(fèi)者對(duì)已投放廣告的滿(mǎn)意程度，并適當(dāng)?shù)刈龀稣{(diào)整。從而極大程度上減少線下廣告不合時(shí)宜，且固定老套等缺點(diǎn)所帶來(lái)的影響。

1接口

百度智能云基于世界領(lǐng)先的百度大腦，提供拿來(lái)即用的視覺(jué)、語(yǔ)音等通用AI能力及行業(yè)解決方案、AI開(kāi)發(fā)平臺(tái)及培訓(xùn)服務(wù)等。行業(yè)客戶(hù)可基于自身業(yè)務(wù)需求及數(shù)據(jù)，定制出個(gè)性化智能應(yīng)用。本文所使用的就是百度AI開(kāi)放平臺(tái)的人體檢測(cè)和人臉識(shí)別模塊。

1.1申請(qǐng)接口

首先申請(qǐng)百度AI開(kāi)放平臺(tái)的API使用權(quán)，得到了賬戶(hù)、API密鑰和密碼，然后在python上安裝了百度AI開(kāi)放平臺(tái)的第三方庫(kù)——api。

1.2確定函數(shù)

方案中所需要的是關(guān)于人體數(shù)據(jù)中的性別、年齡段、上身服飾、下身服飾、上身服飾的細(xì)分類(lèi)別、上下身服飾的顏色、配飾品、是否是正常人體和身上是否有遮擋。對(duì)應(yīng)于接口中的函數(shù)是age， gender， supper_wear， lower_wear， upper_wear_fg， up-per_color， lower_color， （bag， headwear， glasses）， is_hum-an， oeelu-sIon，把這些函數(shù)包裝成一個(gè)類(lèi)，將每個(gè)函數(shù)所能提供的固定的值傳遞給算法，作為算法處理的標(biāo)準(zhǔn)，如1圖所示。經(jīng)過(guò)接口處理判斷后，得到圖2所示結(jié)果：

從上到下依次可以看到程序?qū)τ趫D片的判斷，在這里稍做聲明，我們?cè)谂袛嗯滹椘返臅r(shí)候，僅以身上是否有包，帽子和眼鏡來(lái)判斷。如果有，返回True，如果沒(méi)有，返回False，以此進(jìn)行接下來(lái)的算法分析和處理。

在處理完身體各屬性之后，進(jìn)行人臉表情數(shù)據(jù)的測(cè)定。同樣還是使用百度AI開(kāi)放平臺(tái)的人臉檢測(cè)接口。通過(guò)接口中的detect函數(shù)識(shí)別人臉的表情，例如：微笑（smile），傷心（sad），憤怒（angery）等。但是在此過(guò)程中我們發(fā)現(xiàn)判斷表情的準(zhǔn)確率還不是很高，所以我們沒(méi)有完成后期根據(jù)喜惡程度改變廣告類(lèi)型的部分，如圖3所示。

代碼運(yùn)行過(guò)后得出結(jié)果：

以上，為接口在本文中的全部使用，對(duì)于接口的使用本項(xiàng)目組只是運(yùn)用到了基礎(chǔ)部分，提供了一些判斷的依據(jù)。

2匹配方法

定向廣告投放的定向是整個(gè)系統(tǒng)的關(guān)鍵，在調(diào)用人臉檢測(cè)接口（以下簡(jiǎn)稱(chēng)接口）后，可更加準(zhǔn)確的來(lái)實(shí)現(xiàn)該目的。

2.1實(shí)現(xiàn)函數(shù)

（l）：函數(shù)start（）：在開(kāi)啟程序后將登陸預(yù)設(shè)在程序中的賬號(hào)以便與百度接口連接，若登錄失敗，會(huì)發(fā)送郵件信息聯(lián)系管理員。

（2）：函數(shù)reset（）：導(dǎo)人cv2庫(kù)后利用攝像頭硬件定時(shí)（時(shí)長(zhǎng)可以改變）拍攝場(chǎng)景照片，并將所拍攝照片利用預(yù)先設(shè)定好的包含有接口的函數(shù)y—o（）來(lái)判定當(dāng)前場(chǎng)景是否有人員。在無(wú)人狀態(tài)下并不會(huì)播放廣告以達(dá)到省電的目的。

（3）：函數(shù)y-o（）：到y(tǒng)-o（）函數(shù)的輸出值為1時(shí)，將該圖像信息再次輸入函數(shù)infor（）以得到一個(gè)包含有人物信息的列表（一個(gè)人時(shí)）或多個(gè)包含有人物信息的列表（多人時(shí)）。當(dāng)人物信息列表有多個(gè)時(shí)，將比對(duì)所有列表并保留數(shù)量最多的人物信息。最后infor0函數(shù)的輸出結(jié)構(gòu)僅有單個(gè)列表。

（4）：將（3）中得到的列表輸入comp（）函數(shù)后，逐一與數(shù)據(jù)庫(kù)中的商品標(biāo)簽值進(jìn)行比對(duì)（事先已對(duì)廣告做好大致分類(lèi)）。到匹配度大于設(shè)定值（可調(diào)整）后，從本地存儲(chǔ)中調(diào)出該廣告并進(jìn)行播放。

（5）：函數(shù)comp（）：在廣告播放完畢后，將調(diào)用reset0函數(shù)，減輕本地存儲(chǔ)負(fù)擔(dān)，也避免數(shù)據(jù)冗余。重復(fù)步驟（2）以使得系統(tǒng)開(kāi)始下一次的廣告投放。

2.2操作步驟與思路

（1）開(kāi)啟系統(tǒng)后調(diào)用函數(shù)start0。

（2）使用cv2調(diào)用系統(tǒng)攝像頭后定時(shí)拍攝當(dāng)前場(chǎng)景并調(diào)用y_00。

（3）當(dāng)前場(chǎng)景有人出現(xiàn)時(shí)調(diào)用infor（）。

（4）在獲取當(dāng)前人物信息后調(diào)用comp（），

（5）當(dāng)廣告播放完畢后，調(diào)用reset（），并重復(fù)步驟（2）。

整個(gè)系統(tǒng)流程圖如圖5所示。

3數(shù)據(jù)庫(kù)

本項(xiàng)目基于深度學(xué)習(xí)的人體情緒與屬性識(shí)別的方法，搜集針對(duì)不同年齡、性別的不同類(lèi)型廣告，為不同類(lèi)型廣告確定標(biāo)簽，綜合考慮用戶(hù)情緒與屬性，以及不同類(lèi)型廣告的標(biāo)簽，確定投放的廣告并建立關(guān)注廣告的人次以及人體屬性數(shù)據(jù)庫(kù)。

3.1基于人體屬性進(jìn)行商品分類(lèi)

為建立商品廣告庫(kù)，首先需要對(duì)商品進(jìn)行系統(tǒng)分類(lèi)，綜合考慮用戶(hù)屬性，使兩者相匹配。

將人體屬性的劃分一共有3層：

第1層為性別劃分，分為男、女2種;

第2層為年齡段劃分，分為青少年、中年、老年3種;

第3層為面部屬性劃分，由于需要利用百度AI開(kāi)放平臺(tái)的接口，所以將面部屬性分為生氣、害怕、厭惡、高興、悲傷、驚訝和無(wú)情緒7種，與百度AI平臺(tái)的面部屬性相對(duì)應(yīng)。

假設(shè)單個(gè)人體屬性播放2個(gè)商品廣告，那么需要尋找84種不同的與人體屬性相匹配的廣告。

3.2尋找對(duì)應(yīng)商品圖案

利用百度與谷歌兩種不同搜索引擎尋找商品圖案，并標(biāo)上1-84作為商品標(biāo)簽方便數(shù)據(jù)庫(kù)的建立。 如下圖6所示。

最后，利用SQL Server建立了廣告數(shù)據(jù)庫(kù)，通過(guò)CREATETABLE語(yǔ)句建立表格，通過(guò)INSERT語(yǔ)句將84個(gè)商品圖案導(dǎo)入表格中。

4結(jié)束語(yǔ)

本文針對(duì)線下廣告的缺點(diǎn)基于百度AI開(kāi)放平臺(tái)中的人體屬性數(shù)據(jù)判斷對(duì)傳統(tǒng)線下廣告進(jìn)行了一次創(chuàng)新。但是由于種種原因未能完成根據(jù)人臉表情對(duì)投放的廣告進(jìn)行更改的功能，將在以后的研究中逐步完善功能。

參考文獻(xiàn)：

[1]孫會(huì)，企業(yè)運(yùn)用線下廣告的趨勢(shì)分析[J].邯鄲職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2007（1）：38-42.

[2]高華芳.購(gòu)物中心的廣告、門(mén)道、渠道、態(tài)度、創(chuàng)意[J].時(shí)代經(jīng)貿(mào)，2014（7）：75-77.

[3]宋思曼.廣告對(duì)消費(fèi)者購(gòu)買(mǎi)行為的影響因素分析[J].產(chǎn)業(yè)與科技論壇，2018（23）：90-91

[4]董夢(mèng)嬌.基于SURF算法的服裝3D人體特征點(diǎn)識(shí)別[J].北京服裝學(xué)院學(xué)報(bào)：自然科學(xué)版，2018（4）：37-44.

[5]張銘姍.城市戶(hù)外廣告的新特征和發(fā)展趨勢(shì)[J].青年記者，2017（6）：80-90.

【通聯(lián)編輯：梁書(shū)】

收稿日期：2019-10-21

基金項(xiàng)目：國(guó)家自然科學(xué)基金（61373004）資助項(xiàng)目

作者簡(jiǎn)介：王志豪（1998-），男，河南鄭州人，學(xué)士，主要研究方向?yàn)槟Ｊ阶R(shí)別;朱浩宇（1998-），男，上海人，學(xué)士，主要研究方向?yàn)槟Ｊ阶R(shí)別;翁子揚(yáng)（1998-），男，上海人，學(xué)士，主要研究方向?yàn)槟Ｊ阶R(shí)別;通訊作者：馬燕（1970-），女，浙江海寧人，上海師范大學(xué)信息與機(jī)電工程學(xué)院計(jì)算機(jī)系教授，主要研究方向?yàn)閳D像分割、模式識(shí)別和三維建模等。