[发明专利]广告投放策略的获取方法、计算机可读存储介质

权利要求书

1.一种广告投放策略的获取方法，其特征在于，包括：

获取用户当前观看广告时的人脸图像数据和眼球运动数据；

根据所述人脸图像数据和所述眼球运动数据获取用户对其当前观看的广告的兴趣状态数据，包括：判断所述人脸图像数据是否包括预设的情绪类型数据；若是，则判断所述眼球运动数据是否包括预设的眼球运动状态数据；若是，则获取用户对其当前观看的广告感兴趣的状态数据；若否，则获取用户对其当前观看的广告不感兴趣的状态数据；所述预设的情绪类型数据包括人脸愉悦状态数据、人脸悲伤状态数据、人脸疑惑状态数据、人脸焦虑状态数据、人脸惊讶状态数据和人脸愤怒状态数据中的任意一种或任意多种；所述预设的眼球运动状态数据包括用户观看当前广告时的静止注视时长大于或等于预设时长的状态数据以及至少一种下列数据：用户观看广告时的眨眼频率大于或等于预设眨眼频率的状态数据；用户观看广告时眼球的瞳孔放大倍数大于或等于预设放大倍数的状态数据；用户观看广告时的眼球扫视频率大于或等于预设扫视频率的状态数据；

根据所述兴趣状态数据获取对用户投放广告的广告投放策略。

2.根据权利要求1所述的获取方法，其特征在于，所述人脸图像数据为人脸情绪类型数据，其中，所述获取用户当前观看广告时的人脸图像数据的方法包括：

获取用户当前观看广告时的视频；

利用预先训练好的基于空间特征的第一表情识别网络获取所述视频的每一帧图像的各类人脸情绪类型分别对应的第一概率，利用预先训练好的基于时序特征的第二表情识别网络获取所述视频的每一帧图像的各类人脸情绪类型分别对应的第二概率；

根据各类人脸情绪类型分别对应的第一概率和各类人脸情绪类型分别对应的第二概率计算得到各类人脸情绪类型分别对应的融合概率；

确定各类人脸情绪类型中融合概率最大的人脸情绪类型为对应帧图像的人脸情绪类型。

3.根据权利要求2所述的获取方法，其特征在于，所述利用预先训练好的基于空间特征的第一表情识别网络获取所述视频的每一帧图像的各类人脸情绪类型分别对应的第一概率的方法包括：

对每一帧图像进行预处理；

利用预先训练好的特征提取网络提取预处理后的每一帧图像的特征；

将提取的每一帧图像的特征输入进预先训练好的第一分类器，所述第一分类器输出每一帧图像的各类人脸情绪类型分别对应的第一概率。

4.根据权利要求2所述的获取方法，其特征在于，所述利用预先训练好的基于时序特征的第二表情识别网络获取所述视频的每一帧图像的各类人脸情绪类型分别对应的第二概率的方法包括：

提取每一帧图像的人脸关键点特征；

将每一帧图像的人脸关键点特征输入预先训练好的局部双向递归循环神经网络，所述局部双向递归循环神经网络输出每一帧图像的人脸器官变化特征；

将每一帧图像的人脸器官变化特征输入进预先训练好的第二分类器，所述第二分类器输出每一帧图像的各类人脸情绪类型分别对应的第二概率。

5.根据权利要求1所述的获取方法，其特征在于，所述获取用户当前观看广告时的眼球运动数据的方法包括：

获取用户当前观看广告时的视频；

根据预先训练好的眼球检测模型和预先训练好的递归神经网络模型获取视频中每一帧图像的眼球位置数据；

根据连续多帧图像的眼球位置数据获取在所述视频所在时间段内的眼球运动数据。

6.根据权利要求1所述的获取方法，其特征在于，根据所述兴趣状态数据获取对用户投放广告的广告投放策略的具体方法为：

若获取的兴趣状态数据为用户对其当前观看的广告感兴趣的状态数据，则获取的广告投放策略为保留用户当前观看的广告；

若获取的兴趣状态数据为用户对其当前观看的广告不感兴趣的状态数据，则获取的广告投放策略为重新投放新广告。