[发明专利]一种通过交通工具推送广告的方法

摘要

本发明公开了一种通过交通工具推送广告的方法，交通工具中设置有广告发布平台和乘客识别系统，包括以下步骤：定位系统获取交通工具的当前地理位置信息、定位系统将所述地理位置信息发送至远程服务器、远程服务器根据地理位置信息获取以地理位置为圆心、半径为N公里的广告主的信息、远程服务器将广告主的广告信息发送至广告发布平台、乘客识别系统获取当前乘客的性别和/或年龄信息、乘客识别系统将当前乘客的性别和/或年龄信息发送至广告发布平台、广告发布平台根据当前乘客的性别和/或年龄信息筛选出与之匹配的广告并根据匹配度对广告进行排序和播放。本发明提高了乘客对广告的接受和欢迎程度，提高了广告的宣传效果。

主权项

1.一种通过交通工具推送广告的方法，所述交通工具中设置有广告发布平台、乘客识别系统和定位系统，所述乘客识别系统包括摄像头和控制分析模块，其特征在于包括以下步骤：步骤(1)：所述定位系统获取交通工具的当前地理位置信息；步骤(2)：所述定位系统将所述地理位置信息发送至远程服务器；步骤(3)：所述远程服务器根据所述地理位置信息获取以所述地理位置为圆心、半径为N公里的广告主的信息；步骤(4)：所述远程服务器将所述广告主的广告信息发送至所述广告发布平台；步骤(5)：所述乘客识别系统获取当前乘客的性别和/或年龄信息，具体包括：所述摄像头摄取乘客图像信息，从图像信息中获取乘客人脸图像信息，控制分析模块基于人脸识别技术从人脸图像信息得出人脸特征点并根据人脸特征点进行性别和/或年龄分类分析得出性别和/或年龄信息，包括：在获取乘客的人脸图像信息后，对图像进行预处理：首先对输入的图像利用Haar特征级联分类器检测人脸，定位人眼位置，得到双眼距离和双眼倾斜角度；然后利用该角度做二维仿射变换，旋转人脸，解决姿势角度不同的影响；再将人脸部分进行归一化处理，避免人脸大小不一的影响；最后利用直方图均衡化进行亮度归一，利用平滑处理消除噪声，达到人脸光照均衡的效果从而得到一张具有统一特性的人脸图像；对预处理后的图像进行Gabor小波变换，二维Gabor函数表示为其中，u,v为核的方向和尺度；Z(x,y)为方向矢量,x,y为二维坐标；k_u,v为滤波器的中心频率；f为采样步长；σ为高斯窗宽度与波长比率，人脸的Gabor小波变换即是用人脸图像与不同尺度不同方向的Gabor滤波器卷积，f(x,y)为图像灰度分布,即有G(x，y，u，v)＝f(x，y)*ψ_u，v(z)人脸图像与5个尺度，8个方向的40个小波核全部卷积之后，就会得到40张滤波图像，至此可以得到人脸图像经过Gabor小波变换之后的三维矩阵，可将三维矩阵顺序存放成一维的特征向量，输入的图像样本分辨率是M×N，则特征向量维度是M×N×40，上述得到的5个尺度，8个方向的特征向量存在大量冗余，但在大多数方向上的特征并不明显，因此利用权值矩阵的方法，通过给方向上特征赋予一定的权值，使得在某些尺度下的方向上的特征更突出，而且有效地降低了维度，权值矩阵的计算采用梯度加权投票的方法，具体如下：将图像分成互不重叠的连通区域Cell和有重叠的连通区域Block，其中，横线网格矩形为一个Cell，十字网格框矩形为一个Block，斜线填充矩形为2个Block之间重叠的Cell；定义Cell的尺寸为8×8，单位是像素；Block的尺寸为2×2，单位是Cell，由于在梯度方向直方图算法和SIFT算法中的加权投票是无向九通道的，这里为了同Gabor小波分解的8个方向保持一致，需要将π分成8份,每个方向的角大小为：对于每一个Cell统计其梯度方向，进行一次加权投票，权值为该点梯度的模值，这样得出每个Cell的方向统计信息，在Block区域对包含的Cell区域进行归一化，归一化算法使用L₂‑norm，然后对每个Cell进行一次全局归一化，再将相对位置的所有统计信息取该通道均值进行合并，对Cell的八通道统计信息再进行一次L₁‑norm归一化，至此每个Cell区域都有8个权值，整个图片可保存为一个权值矩阵其中，m是Cell的个数，t_i(i＝1,…,m)是第i个Cell的8个方向的权值所组成的向量；对Gabor提取的特征向量经过权值矩阵加权组合得到用于分类的特征向量，具体过程如下：由上述可知，图像经过Gabor变换后，对每个像素都得到一个5个尺度，8个方向的40个卷积值，由于权值矩阵是以Cell为单位得到的，所以Gabor 变换后的值也可以看作是以Cell为单位存放到一个三维矩阵中，存放时将属于同一尺度的数值连续保存，对于第i个Cell中的一个像素，通过Gabor变换后在第j个尺度下的值可以表示为G_j8＝(g_j1，…，g_j8)其中g_jk(k＝1,…,8)是在第j(j＝1,…,5)个尺度下的8个方向的值所组成的向量，接着使用权值矩阵对上述特征矩阵进行加权组合，即用第i个Cell的8个权值与得到的第i个Cell中每个像素的每个尺度下的8个方向的值作内积：F＝G_j8·(t_i)^T,i＝1,…,m得到第i个Cell中的每个像素在5个尺度下的方向值，对所有Cell中的每个像素都做同样的处理，得到一个新的三维矩阵，这个三维矩阵的层数已经从U×V层减少至V层，其中U为总方向数,V为总尺度数,然后对图像进行尺寸调整,用线性插值法调整至小尺寸,即将原来M×N的图像调整至(M/5)×(N/5)，最终将维数从原来的M×N×40维降到了(M×N)/5维，最后顺序记录矩阵，形成一维的特征向量，从而完成了基于Gabor小波变换的加权组合特征的提取；将上述提取的人脸属性特征向量，将其构成样本集合D，使用树状分类器在WebFace或FaceScrub或Adience的数据库里进行训练和测试，利用树状分类器处理高维的数据，选出对性别和/或年龄分类较重要的特征从而得到所需的性别和/或年龄信息；步骤(6)：所述乘客识别系统将当前乘客的性别和/或年龄信息发送至广告发布平台；步骤(7)：所述广告发布平台根据当前乘客的性别和/或年龄信息筛选出与之匹配的所述广告主的广告并根据匹配度对筛选出的广告进行排序和按序播放。