[发明专利]一种室内广告屏观看时长统计方法

说明书

发明是为解决传统室内广告屏只能机械、重复的播放广告内容，广告主无法得知观看广告的人数、观看时长，从而量化投放效果和转化率的问题。利用本发明，通过广告屏自带摄像头采集的视频数据，对人脸进行检测并对人脸的朝向进行快速精准的分类识别，结合观看时长统计算法，从而有效的统计出观看广告的人数以及观看的时长，帮助广告主量化广告投放效果，实现精准投放。

技术领域

本发明涉及到在机器视觉技术基础下，对于室内中的屏幕广告屏，检测注视观看广告的人数以及进行观看时长统计和分析的方法。方法通过检测人脸朝向，通过机器学习判断注视屏幕系数，分类识别并跟踪数据，从而统计出有效的观看人数、时长、平均观看比率等数据。

背景技术

目前市面上的带有客流分析的广告屏只能能统计到检测到的人流和人脸信息，但是检测到的人脸无法精确的判断出人员是否在观看广告，实际大部分的人并不是在观看广告屏，导致广告主无法准确判断广告实际投送的观看率和转化率，更无法判断目标受众群体的观看效果。为了解决这个问题我们设计了一种新的算法使其能精确统计客流中的人脸正视广告屏时长。

发明内容

发明基于MTCNN(Multi-task convolutional neural network)人脸检测算法，将MTCNN处理的人脸特征输出层新增2层全连接层和一层激活层以及一层Softmax层。使用不同人脸朝向的数据集对深度学习算法进行迁移训练，实现人脸图像中人脸朝向的二分类。通过此分类确定人的面部和摄像头的朝向关系（输出正视摄像头的概率目前设置为0.8），从而统计出每个人正视摄像头时长；

整个流程如下:

一. 模型训练

1.1收集和采集各种朝向角度的图像并且标注是否正视摄像头作为迁移训练数据

1. 正视 0. 非正视

1.2对MTCNN进行修改在人脸特征输出层加入2层全连接层一层改进ReLU（PReLU）层最后输出经过softmax层，实现基于检测出来的人脸特征点进一步进行分类。具体算法图参考附图;

实际使用的softmax计算公式

使用PReLU实际训练出来的模型效果更好

1.3基于修改后的算法进行迁移训练，保留MTCNN与训练的所有参数，来训练出最后一层网络参数，最后生成检测模型;

二. 统计观看时长

2.1在室内的广告屏中部署训练好的模型

2.2对室内所有的人员进行检测和判断是否正视摄像头，通过相邻帧之间做MTCNNOnet forward预测来实现跟踪和统计每个人正视摄像头的时长。统计的间隔依据室内广告屏的性能，一般在100 - 300 ms ;

通过以上方法，实现了通过广告机自带摄像头，精准统计用户注视和观看广告的人数和时长，帮助广告主实现计算广告投放转化率的业务需求。

附图

（图1）人脸朝向分类模型网络结构图；

（图2）模型训练和转换流程图；

（图3）模型实际使用和观看时长统计流程图；

（图4）一种室内广告观看时长统计方法。

具体实施方式

为了让专利的特征和优点能更明显易懂，下文特举具体实施例，详细说明如下:

多媒体广告屏1台，高清摄像头1部，实施过程如下：