[发明专利]基于视频内容的商品推荐方法和系统

权利要求书

1.一种基于视频内容的商品推荐方法，其特征在于，包括：

对目标视频抽取关键帧；

根据物体的对象性对各关键帧进行物体检测，将检测到的物体作为各关键帧的候选物体；

通过卷积神经网络模型对所述各关键帧的候选物体进行商品识别，得到各关键帧的商品；

对所述各关键帧的商品进行关键字映射，得到对应的商品标签作为所述各关键帧的商品标签；

获取所述各关键帧的商品标签对应的分数，并依据所述商品标签对应的分数对所述各关键帧的商品标签进行过滤；

将所述各关键帧的商品标签确定为所述目标视频的商品推荐信息，并进行输出。

2.根据权利要求1所述的方法，其特征在于，所述对目标视频抽取关键帧包括：

对目标视频进行镜头检测，提取若干个镜头；

对每个镜头抽取关键帧，并将各镜头所抽取的关键帧作为所述目标视频的关键帧。

3.根据权利要求2所述的方法，其特征在于，所述对目标视频进行镜头检测，提取若干个镜头，包括：

提取所述目标视频各帧的颜色直方图特征；

根据所述各帧的颜色直方图特征计算相邻两帧的颜色直方图的相似性；

当所述相邻两帧的颜色直方图的相似性小于相似阈值时，将所述相邻两帧的边界点确定为镜头边界；

按照所述镜头边界提取镜头。

4.根据权利要求1所述的方法，其特征在于，所述根据物体的对象性对各关键帧进行物体检测，将检测到的物体作为各关键帧的候选物体，包括：

根据物体的对象性调整各关键帧的分辨率，计算调整后各关键帧的梯度幅值；

按照预设框的大小在各关键帧中取所述预设框内的像素点，送入训练完成的级联支持向量机计算得分，当所述得分大于分数阈值时，判断为检测到物体，并将该物体作为其所在关键帧的候选物体。

5.根据权利要求1所述的方法，其特征在于，所述通过卷积神经网络模型对所述各关键帧的候选物体进行商品识别，得到各关键帧的商品，包括：

预设多个类别的商品样本，并依据所述商品样本设计训练的网络结构；

根据所述网络结构训练得到卷积神经网络模型；

当所述各关键帧的候选物体与所述卷积神经网络模型中的商品样本一致时，将所述候选物体确定为其所在关键帧的商品，并将所述商品样本的类别作为所述商品的标签。

6.根据权利要求5所述的方法，其特征在于，所述对所述各关键帧的商品进行关键字映射，得到对应的商品标签作为所述各关键帧的商品标签，包括：

调取电商的商品标签；

以所述各关键帧的商品的标签为关键字，将所述各关键帧的商品的标签映射到所述电商的商品标签，并作为所述各关键帧的商品标签。

7.一种基于视频内容的商品推荐系统，其特征在于，包括：

关键帧抽取模块，用于对目标视频抽取关键帧；

物体检测模块，用于根据物体的对象性对各关键帧进行物体检测，将检测到的物体作为各关键帧的候选物体；

商品识别模块，用于通过卷积神经网络模型对所述各关键帧的候选物体进行商品识别，得到各关键帧的商品；

关键字映射模块，用于对所述各关键帧的商品进行关键字映射，得到对应的商品标签作为所述各关键帧的商品标签；

过滤模块，获取所述各关键帧的商品标签对应的分数，并依据所述商品标签对应的分数对所述各关键帧的商品标签进行过滤；

输出模块，用于将所述各关键帧的商品标签确定为所述目标视频的商品推荐信息，并进行输出。

8.根据权利要求7所述的系统，其特征在于，所述关键帧抽取模块包括：

镜头检测子模块，用于对目标视频进行镜头检测，提取若干个镜头；

关键帧子模块，用于对每个镜头抽取关键帧。