[发明专利]一种基于智能显示终端的广告计费统计方法

权利要求书

1.一种基于智能显示终端的广告计费统计方法，其特征在于，包括：

当智能显示终端上开始播放广告时，开启摄像头进行实时拍摄，摄像头将实时拍摄到的图像经信息传递光纤传送给远端带GPU的服务器；

远端带GPU的服务器接收摄像头传送的图像后，将接收到的图像输入训练好的人脸识别模型，输出对该图像的检测到的图像内容；

根据所述图像内容，使用多决策评估算法来进行广告计费的评估与计算。

2.根据权利要求1所述的方法，其特征在于，所述将接收到的图像输入训练好的人脸识别模型之前，还包括：

利用人脸面向智能显示终端与人脸非面向智能显示终端的数据集训练所述人脸识别模型，所述人脸识别模型采用基于卷积神经网络的深度监督学习下的机器学习模型CNN，所述CNN通过结合人脸面向智能显示终端的图像空间的局部感知区域、共享权重和在空间或时间上的降采样来利用数据集包含的局部性特征，优化所述人脸识别模型结构，得到训练好的人脸识别模型。

3.根据权利要求1所述的方法，其特征在于，所述基于卷积神经网络的深度监督学习下的机器学习模型CNN结合了高斯混合模型以及非参数估计的建模模型，使得人脸识别模型在不同的色彩空间中建立不同的肤色模型来进行人脸检测，通过提取彩色图像中的面部区域以实现人脸检测，并使用mean-shift方法进行局部搜索实现人脸的检测和跟踪。

4.根据权利要求1所述的方法，其特征在于，所述基于卷积神经网络的深度监督学习下的机器学习模型CNN结合了Adaboost人脸检测算法，通过多次循环迭代来寻求最优分类器，用弱分类器Haar特征中任一特征放在人脸样本上，求出人脸特征值，通过多个分类器的级联得到人脸的量化特征。

5.根据权利要求1所述的方法，其特征在于，所述将接收到的图像输入训练好的人脸识别模型之前，还包括：

采用灰度调整、图像滤波和图像尺寸归一化处理摄像头拍摄到的图片。

6.根据权利要求1所述的方法，其特征在于，所述人脸识别模型在相邻帧之间做MTCNNOnet forward预测来实现跟踪并统计每个人脸面向智能显示终端的时长。

7.根据权利要求1所述的方法，其特征在于，所述统计每个人脸面向智能显示终端的时长的间隔大概为100ms-300ms。

8.根据权利要求1所述的方法，其特征在于，所述输出对该图像的检测到的图像内容包括：

采集到的人脸观看广告的时长、时段以及人群划分。

9.根据权利要求1所述的方法，其特征在于，所述多决策评估算法为multipletreatment算法。