[发明专利]一种基于视觉与雷达结合的住户行为判断推送方法和系统在审
申请号: | 202211413248.1 | 申请日: | 2022-11-11 |
公开(公告)号: | CN115712838A | 公开(公告)日: | 2023-02-24 |
发明(设计)人: | 黄乐;朱倩倩;任明辉;廖云丹;周圆圆 | 申请(专利权)人: | 浙江浙蕨科技有限公司 |
主分类号: | G06F18/22 | 分类号: | G06F18/22;G06F18/214;G06V40/16;G06N5/04 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 311100 浙江省杭州市余杭区*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 视觉 雷达 结合 住户 行为 判断 推送 方法 系统 | ||
1.一种基于视觉与雷达结合的住户行为判断推送方法,其特征在于,包括:
获取下一到达楼层编号;
根据当前所在时间段和下一到达楼层编号在偏好信息库中匹配得到下一到达楼层编号的楼层内各租户房间的子偏好信息,所述偏好信息库中存储有进入时间戳、楼层编号与楼宇各租户房间的子偏好信息之间的映射关系;
计算当前时间点至到达下一到达楼层编号对应的楼层的预计时长;
根据楼层内各租户房间的子偏好信息和预计时长在广告库内匹配到多个海报信息作为待播放海报集;
在到达下一到达楼层编号对应的楼层之前播放所述待播放海报集。
2.如权利要求1所述的基于视觉与雷达结合的住户行为判断推送方法,其特征在于,所述偏好信息库中的进入时间戳、楼层编号与楼宇各租户房间的子偏好信息之间的映射关系是通过以下方式得到的:
根据楼宇各租户房间的历史出入信息分析得到楼宇各租户房间的子偏好信息,所述历史出入信息包括进入时间戳、进入房间编号以及房间登记人员信息;
根据楼宇各租户房间的房间登记人员信息输入模型进行推理,得到楼宇各租户房间的子偏好信息;
建立进入时间戳、楼层编号与楼宇各租户房间的子偏好信息之间的映射关系。
3.如权利要求1所述的基于视觉与雷达结合的住户行为判断推送方法,其特征在于,所述海报信息具有多个指向标签;
根据楼层内各租户房间的子偏好信息和预计时长在广告库内匹配到多个海报信息作为待播放海报集,包括:
根据预计时长确定海报信息的数量a;
根据楼层内各租户房间的子偏好信息在广告库内筛选出对应所述数量a的海报信息。
4.如权利要求3所述的基于视觉与雷达结合的住户行为判断推送方法,其特征在于,根据楼层内各租户房间的子偏好信息在广告库内筛选出对应所述数量a的海报信息作为待播放海报集,包括:
根据楼层内各租户房间的子偏好信息生成子偏好信息集;
将各个海报信息依据其所具有的指向标签中与子偏好信息集内的子偏好信息相同的数量由多至少进行排序得到海报序列表;
将海报序列表靠前的a个海报信息作为待播放海报集。
5.如权利要求3所述的基于视觉与雷达结合的住户行为判断推送方法,其特征在于,还包括:
根据与每个海报信息具有信息关联的楼层内各租户房间的数量,确定待播放海报集中每个海报信息的时长占比,所述具有信息关联是指海报信息具有与楼层内各租户房间的子偏好信息相同的指向标签;
根据时长占比和预计时长确定待播放海报集中每个海报信息的子预计时长。
6.如权利要求2所述的基于视觉与雷达结合的住户行为判断推送方法,其特征在于,所述模型通过以下方式训练得到:
对房间登记人员信息样本训练集中的每个房间登记人员信息样本进行标注处理,以标注出每个房间登记人员信息样本的子偏好信息,子偏好信息与房间登记人员信息样本中的全部或部分信息相关联;以及通过经过标注处理的房间登记人员信息样本训练集,对神经网络进行训练,以得到模型。
7.基于视觉与雷达结合的住户行为判断推送系统,其特征在于,包括:
获取模块,用于获取下一到达楼层编号;
第一匹配模块,用于根据当前所在时间段和下一到达楼层编号在偏好信息库中匹配得到下一到达楼层编号的楼层内各租户房间的子偏好信息,所述偏好信息库中存储有进入时间戳、楼层编号与楼宇各租户房间的子偏好信息之间的映射关系;
第二匹配模块,用于根据楼层内各租户房间的子偏好信息和预计时长在广告库内匹配到多个海报信息;
计算模块,用于计算当前时间点至到达下一到达楼层编号对应的楼层的预计时长;
播放模块,用于在到达下一到达楼层编号对应的楼层之前播放所述多个海报信息。
8.如权利要求7所述的基于视觉与雷达结合的住户行为判断推送系统,其特征在于,第二匹配模块包括:
数量确定单元,用于根据预计时长确定海报信息的数量a;
筛选单元,用于根据楼层内各租户房间的子偏好信息在广告库内筛选出对应所述数量a的海报信息。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江浙蕨科技有限公司,未经浙江浙蕨科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202211413248.1/1.html,转载请声明来源钻瓜专利网。