基于人脸识别技术的商品推荐系统

孙一豪 高尚 张子元 班昊

【摘要】使用会员卡记录消费者信息的传统方式，效率较低，且具有隐私泄露的隐患。针对此问题，本论文将人脸识别技术与服务业会员机制相融合，设计一个基于人脸识别技术的商品推荐系统。该系统基于人脸信息，将消费者的购买记录，会员信息存储至数据库，当消费者到达商店时，摄像头自动采集人脸图像，若人脸信息匹配成功，商家即可快速根据系统反馈结果进行商品推荐。本系统弥补了传统方式记录会员信息的弊端，提升了商家的服务质量以及消费者的购物体验。

【关键词】人脸识别;会员机制;商品推荐

随着数字图像处理技术的不断发展，人脸识别系统的应用场景变得更加广泛。面对广大群众对高效、快捷服务需求的不断增强，如何根据消费者的购买记录，进行精准有效的商品推荐，成为很多商家关注的焦点。传统形式记录消费者的购买记录采用会员卡、身份信息绑定等手段，但其服务效率低，且容易产生隐私泄露问题。而应用智能化与大数据相结合手段，可以有效，个性化的推荐产品，提高客户的满意度。

本文介绍基于人脸识别的智能推荐系统，该系统应用人脸识别技术，在顾客注册会员之后，使用其人脸特征作为密匙，并记录其购买记录，当会员下一次到达相同的服务区时，商家根据购买记录及时进行精准的推荐服务，提升营业利润。由于人脸特征识别具有无感，稳定，高效等特征，相比于指纹等其他直接接触性的身份认证方式，更适用于公共场所，也更易被顾客接受。因此智能服务推荐系统可以获得广泛的应用。

1. 总体设计

智能推荐系统主要通过人脸识别技术，获取顾客的人脸图像，将处理后的图像与数据库中的数据进行对比，进而获取消费者的历史消费数据，商家根据此数据做出商品的推荐。系统由数据库构建模块、硬件模块、信息匹配模块以及商品推荐模块构成。其总体设计如图1所示。

（1）数据库构建模块：数据库主要用来存储消费者的人脸信息、会员身份信息、消费偏好以及店内产品信息。

（2）硬件模块：硬件需要高清摄像头，对其有以下要求：首先输出人脸图像清晰，不含有明显的动态噪声。其次输出的人脸图像上下左右的偏转角度适中，保持人脸图像近似处在对称中心位置。另外摄像头可以与服务器建立数据交换，满足相应的数据协议。

（3）信息匹配模块：消费者再次进店时，布置在店铺中的摄像头会实时捕捉人脸信息并上传，经过图像预处理、人脸检测、人脸识别引擎后，与注册时的人脸特征数据集进行匹配，当相似度达到某一阈值时，确定为同一消费者。

（4）商品推荐模块：当信息匹配成功后，商家即可根据消费者的购买记录进行相关商品的推荐。

2. 人脸识别的关键技术

2.1人脸检测

本系统采用基于Haar特征的Adaboost人脸检测技术，使用OpenCV-Haar Cascade 模型构建弱分类器，然后级联得到强分类器。

（1）提取人脸Haar特征

使用矩形组合作为特征模板，模板内部由黑色和白色两种矩形，并将模板的特征值定义为白色矩形像素与黑色矩形像素的差值。图2为简单的特征模板。

利用积分图实现矩形特征模板特征值的快速计算，积分图原理如图3所示。

（2）利用Adaboost算法训练弱分类器

给定一系列的样本，并赋予它们权重。对于某一样本，遍历其所有特征，并计算特征值，选取当前特征值和前一个特征值之间的数作为阈值，此时分类误差為其中F1为某一样本之前人脸样本的权重和，F2为某一样本之后的人脸样本的权重和，W1为全部人脸样本的权重和， W2为非人脸样本的权重和。

记录最小误差时的特征值以及阈值，得到弱分类器。遍历所有特征值，得到分类误差最小的最佳弱分类器。

（3）弱分类器级联为强分类器

3.2 人脸特征识别与匹配

随着计算机计算能力的提升，利用神经网络实现人脸识别成为主流。神经网络的中心思想是将样本输入到网络结构模型中，通过改变网络的参数，使网络输出接近期望。利用CNN实现人脸识别步骤如下所示：

（1）卷积层操作：将人脸检测的结果输入到CNN模型卷积层，设定卷积层有32个卷积核，大小为3*3。

（2）采样层操作：在采样层中，通过下采样操作，一方面可以减小网络需要训练的特征权值规模，另一方面可以降低卷积层的空间分辨率。同时，通过池化采样，减小人脸图像受到光照强度、表情变化、旋转变换等因素的影响。池化层过滤器尺寸设定为2*2。

（3）全连接层操作：采用最经典的神经网络结构，512个神经元。

（4）丢弃操作：在对所设计的模型进行训练时，在全连接层中为了防止模型过度拟合，一般随机选取部分节点的权值将其丢弃。

（5）输出层操作：使用sigmoid激活函数。

（6）优化网络结构操作：为了使得网络训练的耗时与实际检测的效果相协调，引入SGD（梯度下降优化器）来使损失函数最小化。学习率设定为0.01。

4. 系统实现

根据设计需求，本系统采用Python与Opencv实现人脸识别，利用Android系统实现推荐商品信息的反馈。经测试表明，该系统基本满足设计需求。

数据库保存着消费者的人脸图像信息，当消费者进入店内时，硬件设备采集人脸信息并与数据库中的数据对比，当达到设定阈值时，判定为同一人，确定其身份，进而将该消费者的会员信息、购买记录反馈到商家的终端。同时根据消费者的需求，利用推荐算法，向消费者推荐相似产品，实现结果如图4所示。

5. 结语

通过使用人脸识别技术对传统服务业进行改造，本系统将人脸识别技术与会员机制相融合，优化了传统服务业的销售模式，弥补了传统服务业因缺乏针对性推销而导致会员反感的弊端。通过对数据的分析，为会员提供最优质的推荐，不仅增长了商家的业绩，而且提升了会员的消费体验。此外，本系统重视识别的准确性、信息的保密性、推荐的高效性，以会员的优质体验为标准，不断优化服务。最后，本系统拥有广阔的应用范围，可以应用到餐饮业、医药业、服饰业等大多数服务行业，具有极高的应用价值。

参考文献：

[1]戴闽鲁，李群涛，雷国平.基于人脸识别技术的智能推荐系统设计[J].信息系统工程，2019（11）.

[2]张青，赵方圆，刘顺钰.人脸识别技术的无感签到系统的设计[J].福建电脑，2019（5）.

[3]尚世锋，曹洁，张增.基于CNN神经网络的人脸识别模型研究[J].现代信息科技，2017（1）：11.

[4]陈奎，邢雪妍，田欣沅.基于CNN的人脸识别门禁系统设计[J].徐州工程学院学报：自然科学版，2018，33（04）：95-98.

[5]张枝令.Python实现基于深度学习的人脸识别[J].电子商务，2018，000（005）：47，96.

[6]黄玲，余霞.基于云平台的电子商务商品智能推荐系统[J].现代电子技术，2020，43（05）：183-186.