基于人臉特征識別的商品推薦系統的研究與開發

鄧康榮 熊茂華

摘要：本文主要研究了基于人臉特征識別的商品推薦系統的設計思路、總體結構、推薦算法的模型設計;闡明了推薦系統的推薦系統的人臉識別算法、基于人臉特征識別的商品推薦系統的實現等。具體一定的實用價值。

關鍵詞：人臉特征識別;商品推薦;信息采集;協同推薦

中圖分類號：TP391.3? ? 文獻標志碼：A? ? 文章編號：1007-9416（2020）04-0000-00

近年來，隨著電子商務迅速發展與規模逐漸擴大，商品的種類越來越繁雜，顧客為了網購商品需要瀏覽大量與商品無關的垃圾虛假信息，消耗大量的精力和時間才有可能搜索到自己想買的商品，這就是所課的信息過載造成顧客的流失。為了幫助顧客快速精準購買到滿足個性所需的商品，商品個性化推薦系統就應運而生。個性化是根據顧客的興趣愛好與購買行為向精準地為顧客推薦所感興趣的信息和商品;商品個性化推薦系統的關鍵技術是通過對商品海量數據進行深度學習與挖掘，為顧客購物提供完全個性化的決策支持和信息服務的電子商務網站，即高級商務智能平臺。目前，大小型商場、娛樂場、商品交易會展、休閑場所、公共場所等推出的各式各樣的商品推薦系統，其實就是一般的商品廣告。本文所闡述的是基于人臉特征識別的商品推薦系統，是通過視頻人臉信息的采集，進行人臉特征識別，實時判斷購買者年齡大小，性別，個性愛好和購物時的心情，并實時推薦符合購者個性的商品。系統能依據購物者的面部表情判斷其對推薦的商品的滿意度，并能及時調整推薦商品使其能貼近顧客的個性愛好。

1 推薦系統的總體結構

本文的核心技術是人臉特征識別系統和商品推薦算法。人臉特征識別系統采用人工智能芯片RK3399芯片作為核心處理器，由攝像頭進行圖像采集，并把跨平臺計算機視覺庫（OpenCV）到RK3399開發板上，通過調用百度的AI庫，經大量的圖片訓練，能夠精準的判斷人的顧客的性別，年齡大小和購物心情。獲取視頻圖像信息的流程是采集視頻圖像信息、圖像預處理、圖像的邊緣與輪廓提取、特征提取與識別等;考慮到在復雜背景下能有效、清晰地獲取人臉視頻信息，采用了多姿態猴臉檢測與識別方法來實現多姿態下的人臉識別算法。商品推薦算法及推薦方法是用基于風格分類和人臉匹配[1-2]。

在多姿態表情的人臉特征識別主要是以眼睛和鼻子的特征，包括嘴巴、耳朵、毛發等觀測區域的特征信息;為了使系統有準確性和健壯性，需考慮環境因素的影響，如光線、表情、視角等干擾因素。

在獲取人臉信息的數據和人臉特征識別處理后，由商品推薦系統依據顧客所選擇的商品種類，通過商品推薦算法進行數據分析、數據挖掘、數據處理、完成商品推薦。推薦系統需考慮3個基本要素：顧客、商品、推薦方法[3]。本系統以服裝商品為例通過對顧客、商品、特征的分析研究出顧客、商品、特征之間的關系，如圖1所示。

通常，商品特征主要包含2種屬性，即靜態屬性和動態屬性。靜態屬性包括：商品的品牌、商品種類、商品貨號、購物者的性別、

尺碼大小、顏色、上架時間、適應季節等;動態屬性包括：商品數量和庫存量、市場價格和銷售價格、毛利、曝光數、瀏覽次數、加購物車次數等。

為實現基于人臉特征識別的商品推薦系統，需設計一個較為全面且符合商家需求的推薦系統模型，建立包括人臉基本特征識別、特征過濾、風格分類、個性化人臉匹配、綜合處理及動態顯示推薦商品的總體架構模型[4]，系統的具體的總體架構如圖2所示。

其中基本特征匹配模塊主要是用來通過人臉視頻特征如顧客年齡，性別，個性和心情等信息從數據庫中過濾出滿足顧客需求的商品;風格分類模塊主要是來對商家商品的風格進行分類，在系統運行初期，該模塊首先會對系統數據庫中的各種不同類型的商家商品的照片進行圖像風格的判斷，并將判斷后得到的結果存儲到數據庫中的相應用商家商品信息中，用于后繼推薦過程中的風格過濾;個性化商品匹配則可以匹配出與依據人臉特征識別推薦的具有一定需求的客戶;綜合處理模塊則按照顧客的個性化需求進行綜合推薦;交互與推薦模塊主要是用來與顧客進行交互，獲得顧客的個性化需求并針對顧客的需求做出相應的推薦。

2 推薦系統的推薦算法

2.1 推薦算法的模型設計

攝像頭采集人臉圖像信息，通過人臉特征識別，判斷顧客的年齡大小，性別，個性和購物時的心情，推薦相對應的需求產品。然后根據顧客面部表情判斷顧客對商品的滿意度，做出相應的調整。推薦系統的模型如圖3所示。

基于人臉特征識別的商品推薦系統的模型的描述如下：（1）推薦系統通過顧客行為舉止，建立客戶模型;（2）通過商品的信息，建立推薦對象模型;（3）通過顧客人臉特征識別判斷購買者年齡，性別，個性愛好與購物時的心情，再推薦算法的深度學習與計算，能快速找到顧客可能感興趣的推薦對象，然后推薦給顧客[5]。

2.2 推薦算法

本系統采用基于用戶的協同過濾推薦算法，其算法是尋找3個與本次需推薦商品的顧客個性相似的用戶，并用這3個用戶的評分去預測該顧客推薦的商品的評分[6]。

（1）使用余弦相似性度量如下：

（2）依據皮爾森的相關性，定義如下：

在皮爾森的算法中，最近鄰方法用于基于各種相似性度量搜索k個最近鄰。

（3）其目標用戶對商品的預測可用下式表示：

是目標用戶m對商品j的預測，是用戶m和v之間的相似度，K是與目標用戶相似的K個用戶。

（4）推薦算法的編程流程如圖4所示：

3 推薦系統的人臉識別與編程

目前人臉識別技術主要存在的難點為光照問題、遮擋問題、表情問題、姿態問題和生長問題。本系統的是在正面人臉、正常光照、正常表情的基礎上實現的，只有小部分的人臉圖像是在小范圍傾斜、有近視眼鏡遮擋的情況下進行識別的。這樣做是為了更好地對人臉特征識別算法，判斷購買者年齡，性別，個性和當天的心情，推薦相對應的需求產品。

人臉識別系統可以分為四個階段：人臉圖像的采集獲取、人臉圖像的預處理、人臉特征的提取和特征匹配，本文所對應的系統能實現基于正面、無光照問題、有表情變化和輕微姿態變化情況下的人臉識別。速度快、準確率高，具有一定的研究和應用價值[7]。本系統的特征臉算法識別率如表1所示。

4 結語

本系統是基于特征臉算法的人臉識別，系統的實現方法是利用特征臉識別算法實現的。采用的人臉圖像數據庫為ESSEX FACES94人臉圖像數據庫，特征提取方法為特征臉算法，分類方法采用的是最小距離分類方法。本系統能實現人臉特征識別功能，在光照沒有明顯變化、存在少量遮擋物以及是正面姿態的情況下，完成人臉圖像的特征識別。本系統的優點是識別速度快、準確率高，具有一定的實際應用價值。

參考文獻

[1] 黃立威，江碧濤，呂守業，等.基于深度學習的推薦系統研究綜述[J].計算機學報，2018（7）：1619-1647.

[2] 胡勇，朱瑩瑩.特征臉算法臉識別系統[J].金陵科技學院學報，2018（6）：1-4.

[3] 王俊生，王波，韓慶芝.一種多模態生物特征融合算法探究[J].智能計算機與應用，2018（12）：87-89.

[4] 孫海威，曹曦文，張鑫晟，等.基于壓縮感知的人臉識別算法實現[J].信息技術，2018（3）155-158.

[5] 尹利.Hadoop下的個性化推薦應用研究[D].武漢：湖北大學，2016.

[6] 李歡.新型協同過濾推薦算法研究[D].合肥：安徽大學，2017.

[7] 張丹.基于風格分類和人臉匹配的服裝模特推薦系統研究與實現[D].廣州：華南理工大學，2017.

收稿日期：2020-03-13

基金項目：2019年，“攀登計劃”廣東大學生科技創新（科技發明類）培育專項，項目名稱：基于人臉特征識別的商品推薦系統，項目編號（pdjh2019b0976）;2018年度廣東省教育科學“十三五”規劃課題，課題編號（2018GXJK361）。

作者簡介：鄧康榮，男，廣東東莞人，研究方向：計算機應用、圖像處理、機電工程方面的研究。

通訊作者：熊茂華（1958—），男，江西南昌人，本科，教授，研究方向：智能控制、物聯網技術、嵌入式系統、無線傳感器網絡技術。

Research and Development of Product Recommendation System Based on Face Feature Recognition

DENG Kang-rong，XIONG Mao-hua

（Guangzhou South China Business Vocational College，Guangzhou Guangdong? 511483）

Abstract： This article mainly studies the design ideas， overall structure， and model design of a product recommendation system based on face feature recognition; clarifies the face recognition algorithm of a recommendation system recommendation system， and a product recommendation system based on face feature recognition Implementation. Specific practical value.

Keywords： facial feature recognition; product recommendation; information collection; collaborative recommendation