一种前端图片优化智能加载方法及系统与流程

本发明涉及互联网前端性能优化，尤其涉及一种前端图片优化智能加载方法及系统。

背景技术：

1、随着移动互联网和富媒体应用的普及，网页中图片内容所占的带宽与渲染资源比重持续攀升。为改善加载性能与用户体验，业界普遍采用首屏优先加载、图片懒加载、基于视口距离的预加载、依据网络带宽动态选择图片质量等方案，部分方案还会结合用户滚动速度、终端分辨率等因素调整图片请求顺序。

2、然而，上述现有方案在实际部署中仍普遍存在以下不足：

3、第一，用户浏览意图识别维度单一：仅依赖滚动速度或视口与图片的相对位置来判断是否需要加载，难以有效区分快速浏览、惯性滑动、回看内容、聚焦局部区域等不同的浏览行为模式，容易产生大量无效预加载，或在用户真正关注的内容上发生加载迟滞。

4、第二，资源调度缺少终端状态综合约束：现有方案通常未充分联合考虑终端处理器负载、内存压力、电池电量、省电模式、环境光及屏幕显示能力等因素，导致在高负载或低电量等不利条件下仍然触发高质量图片的解码与传输，进一步加剧系统负担，影响页面交互流畅度。

5、第三，核心图片与装饰图片未得到有效区分：页面中的文章主体图、商品主图、广告图、背景图、装饰图等往往使用相同的加载规则，核心内容图片可能因装饰图片占用带宽而无法及时清晰呈现，而装饰图片又可能被赋予过高的加载优先级，造成资源浪费。

6、第四，缺乏基于注意力的质量调度机制：即便某图片已进入视口，也不代表其获得了用户的视觉注意；反之，用户通过悬停、长按、文本选择或视线注视所指向的区域，往往需要更高品质的图像内容。现有技术难以根据用户的注意力焦点动态调整图片质量的升级策略。

7、第五，加载策略依赖固定阈值，自适应能力差：常见方案以固定的滚动速度、视口距离等阈值决定加载低清晰度或高清晰度图，难以动态适配差异化的网络环境、设备能力、页面布局及个人浏览习惯，导致加载策略在复杂多变的实际应用中表现僵化。

8、第六，缺少闭环优化能力：已有方法通常仅关注单次加载过程，未对首屏时延、交互卡顿、实际流量消耗以及无效预加载比例进行系统性评估和反馈，无法根据历史加载表现对后续策略进行动态修正和进化。

9、上述问题使得现有图片加载方案在精准性、流畅性、资源效率及个性化适应等方面难以满足日益增长的用户体验要求。

技术实现思路

1、本发明的目的在于提供一种前端图片优化智能加载方法及系统，能够在保障首屏速度和交互流畅性的前提下，实现图片资源按需精准加载和质量按关注智能升级，以解决上述现有技术问题的至少之一。

2、第一方面，本发明提供了一种前端图片优化智能加载方法，所述方法具体包括：

3、获取终端运行环境特征，结合图片所在页面区域及重要度标签和历史浏览偏好参数形成初始状态；

4、基于初始状态，采集用户浏览交互特征，并将初始状态和用户浏览交互特征输入客户端轻量预测模型，得到候选图片进入视口的预测概率；

5、基于预测概率，利用经用户授权的摄像头注视结果或者悬停、触摸按压及文本选择行为确定注意力权重，根据注意力权重修正预测概率以生成加载优先级；

6、根据加载优先级、重要度标签和多目标策略参数生成分级加载指令，所述分级加载指令用于请求候选图片的最低质量版本，并在满足质量升级条件时请求高质量版本；

7、获取分级加载指令对应的加载执行反馈，根据加载执行反馈计算首屏时延、交互流畅度和流量消耗对应的奖励值，所述奖励值用于更新多目标策略参数和历史浏览偏好参数以调整后续候选图片的分级加载指令。

8、第二方面，本发明提供了一种前端图片优化智能加载系统，所述系统具体包括：

9、初始状态确定模块，用于获取终端运行环境特征，结合图片所在页面区域及重要度标签和历史浏览偏好参数形成初始状态；

10、预测概率计算模块，用于基于初始状态，采集用户浏览交互特征，并将初始状态和用户浏览交互特征输入客户端轻量预测模型，得到候选图片进入视口的预测概率；

11、优先级生成模块，用于基于预测概率，利用经用户授权的摄像头注视结果或者悬停、触摸按压及文本选择行为确定注意力权重，根据注意力权重修正预测概率以生成加载优先级；

12、分级加载指令模块，用于根据加载优先级、重要度标签和多目标策略参数生成分级加载指令，所述分级加载指令用于请求候选图片的最低质量版本，并在满足质量升级条件时请求高质量版本；

13、执行反馈更新模块，用于获取分级加载指令对应的加载执行反馈，根据加载执行反馈计算首屏时延、交互流畅度和流量消耗对应的奖励值，所述奖励值用于更新多目标策略参数和历史浏览偏好参数以调整后续候选图片的分级加载指令。

14、第三方面，本发明提供了一种计算机设备，包括：存储器和处理器及存储在存储器上的计算机程序，当所述计算机程序在处理器上被执行时，实现如上述方法中任一项所述的前端图片优化智能加载方法。

15、第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时，实现如上述方法中任一项所述的前端图片优化智能加载方法。

16、与现有技术相比，本发明具有以下技术效果的至少之一：

17、1、将终端环境感知、用户意图预测、注意力感知、图片重要性分级和多目标自适应决策融为一体，并通过闭环反馈实现持续优化，整体上构建了一种高智能、高响应、低消耗的前端图片加载方法，能够在保障首屏速度和交互流畅性的前提下，实现图片资源按需精准加载和质量按关注智能升级，显著改善用户体验，同时有效降低无效流量和终端资源消耗。

18、2、综合页面位移变化、交互位置、持续时间等行为数据，提取浏览方向、节奏、区域停留倾向等特征，结合终端环境、页面区域和历史偏好，通过轻量模型预测图片进入视口的概率，有效区分快速滑动、惯性浏览、回看与聚焦等意图，显著减少无效预加载，提升首屏命中率。

19、3、将设备性能等级、可用内存、供电状态、节能限制、显示能力及网络质量等纳入初始状态，并在分级加载指令中设置基于终端资源余量和网络状态的质量升级条件，避免在高负载、低电量等场景下触发不合理的高质量图片请求，保障交互流畅并节省系统资源和流量。

20、4、利用重要度标签区分图片的关键程度，通过注意力权重和预测概率修正生成的加载优先级，确保高重要度、高优先级的核心图片获得优先加载和优先质量升级，而装饰图片延后或仅在低质量下加载，保证关键信息优先、清晰地呈现给用户。

21、5、通过视线注视坐标、注视时长，或悬停、触摸按压、文本选择等行为量化用户注意力权重，并以此修正预测概率，使得加载优先级真正反映用户的关注焦点。未获关注的视口内图片可保持低质量以节省流量，而受关注的区域及时升级为高质量版本，提升视觉体验和交互响应感。

22、6、通过引入首屏时延、交互流畅度和流量消耗等多目标策略参数，动态配置请求时机和质量升级条件，使加载策略能够根据环境状态、用户行为和终端能力灵活调整，无需依赖任何预设固定阈值，对不同网络、设备、页面结构和浏览习惯均具备良好的适应性。

23、7、通过加载执行反馈计算各目标维度的奖励值，并以此更新多目标策略参数和历史浏览偏好参数，构建“感知-决策-反馈-优化”的闭环系统，使加载策略能够随使用过程不断自我优化，越用越贴合用户的个性化需求。