基于人眼关注度与情感分析的电子商务智能推荐计算

With the rapid development of Internet and electronic commerce, there are more and more consumers and commodities on electronic commerce websites. The problem of information overload emerges with the presence of too much information to consumers. Traditional recommendation algorithms in electronic commerce websites cannot resolve this problem effectively. To overcome the problem of information overload, this project proposes an intelligent recommendation method based on eye fixation detection and emotion analysis. An eye fixation model will be designed by building the relationship between the pupil-cornea reflection vector and POG(Point of Gaze) based on the improved P-CR (Pupil and Corneal Reflections) technique. Furthermore, an emotion recognition algorithm for consumers' satisfactions is proposed based on the static features and 3D dynamic features from the human body. Based on the features of human body, regions of interest, emotion features and user rating, we use a general collaborative filtering method to design the intelligent recommendation algorithm. The research of this project will investigate into the theory and method of intelligent recommendation system design for electronic commerce based on visual perception, which can provide the key technical and theoretical support for the next-generation electronic commerce applications.

随着互联网的普及和电子商务的发展，电子商务交易中的商品与商户数飞速增加，导致用户出现信息迷航和信息过载的问题，传统的电子商务推荐算法，难以有效解决此类问题。为此，提出一种基于人眼关注度与情感分析的电子商务智能推荐方法，根据改进的P-CR(Pupil and Corneal Reflections)技术建立角膜反射向量与POG(Point of Gaze)的映射关系，构建基于瞳孔检测的非侵入式人眼关注度模型，并根据人体的基本静态属性与3D动态特征，对用户的满意度进行情感计算与分析，进而根据人体属性、人眼感兴趣区域、情感特征以及用户评分等多特征融合，构建广义协同过滤智能推荐算法。通过本项目的研究，将为形成一套基于视觉感知的电子商务智能推荐系统设计理论与方法打下基础，为新型电子商务产业服务。

为实现基于人眼关注度的电子商务智能推荐计算，项目主要从人眼关注度模型、人体特征提取与分析、商品智能推荐等几个方面展开研究。在对人眼关注度（图像显著性）的研究中，项目组从人类视觉系统这个角度出发，提出了一种自底向上的基于稀疏特征表示的显著性检测模型。在分析图像对人眼注意力影响的工作中，提出了一种基于显著性的图像插值算法，其能够在不影响图像的人眼视觉效果（人眼注意力）下更好地提高图像分辨率，并且进一步提出了高分辨率图像的客观质量评价模型。显著性检测能够定位出图像中人眼重点关注的区域，而为了将物品从这个区域中分割出来，项目组提出了基于反应扩散模型的图像分割方法，以实现物品与背景的分离。在对客户成分进行研究时，需要对客户照相以采集客户的外部生理信息用于特征提取，可是客户的个人照片往往包含了客户的重要信息，为了保障客户信息的安全，项目组又提出了基于图像显著性区域的特征加密算法，该加密方法对人眼重点关注的区域进行加密，是一种有针对性的加密方法。在智能推荐方面，项目组以服饰为例，通过对客户的外部生理微特征进行提取与分析，对客户服饰的时尚进行打分，以实现客户与服饰搭配的智能评价。