[发明专利]一种虚拟资源的推送方法、装置以及设备

权利要求书

1.一种虚拟资源的推送方法，所述方法包括：

获取用户的交互图像；

将用户的交互图像中的第一帧图像输入交互模式分类模型中，获得所述用户的交互模式；

基于所述用户的交互模式及所述用户的单帧注意力感知结果，获得所述用户的注意力变化函数；

基于所述用户的注意力变化函数，预测所述用户的注意力到达峰值的峰值时间；

基于所述峰值时间，确定虚拟资源的推送时间；

在所述推送时间进行所述虚拟资源的推送。

2.如权利要求1所述的方法，所述交互模式分类模型是以不同用户的交互模式作为输入，采用卷积神经网络训练获得的模型。

3.如权利要求1所述的方法，所述用户的单帧注意力感知结果是将所述用户的每帧图像的注意感知结果、头部姿态感知结果及身体姿态感知结果进行加权求和，获得所述用户每帧图像的关注度分数；

其中，

所述注意感知结果是将所述用户的交互图像中的每一帧图像输入注意感知模型，获得的用户注视屏幕的概率；

所述头部姿态感知结果是将所述用户的交互图像中的每一帧图像输入头部姿态感知模型，获得的用户面部正对屏幕的概率；

所述身体姿态感知结果是将所述用户的交互图像中的每一帧图像输入身体姿态感知模型，获得的用户身体正对屏幕的概率。

4.如权利要求3所述的方法，所述注意感知模型是将标注眼部区域的多个用户的交互图像作为输入，采用卷积神经网络训练获得的模型；

所述头部姿态感知模型是将标注头部区域的多个用户的交互图像作为输入，采用卷积神经网络训练获得的模型；

所述身体姿态感知模型是将标注上半身区域的多个用户的交互图像作为输入，采用卷积神经网络训练获得的模型。

5.如权利要求1所述的方法，所述基于所述用户的交互模式及所述用户的单帧注意力感知结果，获得所述用户的注意力变化函数，具体包括：

将所述用户的单帧注意力感知结果进行拟合，获得高斯分布的均值及高斯分布的方差；

根据交互模式的先验均值及先验方差，基于所述用户的交互模式，对所述均值及方差进行校正，获得最终的均值及最终的方差；

基于由所述最终的均值及最终的方差确定的高斯分布，确定所述用户的注意力变化函数。

6.如权利要求5所述的方法，所述交互模式包括扫码支付模式及生物识别支付模式，所述先验均值及先验方差包括扫码支付模式的先验均值及生物识别支付模式的先验方差，生物识别支付模式的先验均值及生物识别支付模式的先验方差。

7.如权利要求5所述的方法，所述根据交互模式的先验均值及先验方差，基于所述用户的交互模式，对所述均值及方差进行校正，获得最终的均值及最终的方差，具体包括：

基于所述用户的交互模式，确定所述用户的先验均值及先验方差；

将所述先验均值及所述高斯分布的均值进行加权求和，作为最终的均值；

将所述先验方差及所述高斯分布的方差进行加权求和，作为最终的方差。

8.如权利要求1所述的方法，所述基于所述峰值时间，确定虚拟资源的推送时间，具体包括：

基于所述用户的峰值时间，确定所述用户的关注度趋势随时间变化的函数；

根据所述函数实时确定当前时刻的用户关注度；

若所述用户关注度到达峰值或者所述用户关注度开始下降，则将所述当前时刻作为虚拟资源的推送时间。

9.如权利要求1所述的方法，所述方法进一步包括：

记录所述用户是否点击所述虚拟资源。