CN102831176A - 推荐好友的方法及服务器 - Google Patents

Abstract

本发明适用于通信技术领域，提供了一种推荐好友的方法，包括步骤如下：从第一用户对应的第一用户图像中识别提取出至少一第一特征信息；判断所述第一特征信息与第二用户对应的好友推荐条件是否匹配；若匹配，则将所述第一用户推荐给所述第二用户。相应地，本发明还提供一种服务器。借此，本发明能够使得推荐好友的效果更为直观、准确和高效。

Description

推荐好友的方法及服务器

技术领域

本发明涉及通信技术领域，尤其涉及一种推荐好友的方法及服务器。

背景技术

随着手机、平板电脑、个人电脑等智能通信终端的日益普及，越来越多的人通过社交网络应用进行沟通和交流，其已成为人们日常生活中的一部分。同时，随着社交网络应用的用户数量不断增长，用户在社交网络中寻找合适的好友变得越发困难。现有技术中用户一般是通过关键字或选择项来查找好友，网络侧根据个人注册信息查找与所述关键字或选择项相匹配的好友进行推荐。但个人注册信息的往往不够直观和准确，从而导致推荐好友的效果不佳。虽然社交网络应用可让每个用户提供并展现自己的照片，用户可通过一张张地浏览他人的照片进行好友选择，但其效率显然过低。

综上可知，现有社交网络应用中推荐好友技术在实际使用上，显然存在不便与缺陷，所以有必要加以改进。

发明内容

针对上述的缺陷，本发明的目的在于提供一种推荐好友的方法及服务器，其能够使得推荐好友的效果更为直观、准确和高效。

为了实现上述目的，本发明提供一种推荐好友的方法，包括步骤如下：

从第一用户对应的第一用户图像中识别提取出至少一第一特征信息；

判断所述第一特征信息与第二用户对应的好友推荐条件是否匹配；

若匹配，则将所述第一用户推荐给所述第二用户。

根据本发明所述的方法，所述从第一用户对应的第一用户图像中识别提取出至少一第一特征信息的步骤包括：

将所述第一用户对应的所述第一用户图像分割为至少一第一特征部分；

提取所述第一特征部分的第一特征信息。

根据本发明所述的方法，还包括：

将所述第二用户对应的第二用户图像分割为至少一第二特征部分；

提取所述第二特征部分的第二特征信息；

所述判断第一特征信息与第二用户对应的好友推荐条件是否匹配的步骤包括：

判断所述第一特征信息与所述第二特征信息的匹配程度是否达到预定阈值；

所述若匹配，则将所述第一用户推荐给所述第二用户的步骤包括：

若达到所述预定阈值，则将所述第一用户推荐给所述第二用户。

根据本发明所述的方法，所述从第一用户对应的第一用户图像中识别提取出至少一第一特征信息的步骤之后还包括：

保存所述第一特征信息；

设置所述第二用户对应的所述好友推荐条件。

根据本发明所述的方法，所述从第一用户对应的第一用户图像中识别提取出至少一第一特征信息的步骤之前还包括：

设置所述第二用户对应的所述好友推荐条件；

所述从第一用户对应的第一用户图像中识别提取出至少一第一特征信息的步骤还包括：

从所述第一用户对应的第一用户图像中，识别提取出与所述好友推荐条件对应的至少一第一特征信息。

本发明还提供一种服务器，包括有：

识别模块，用于从第一用户对应的第一用户图像中识别提取出至少一第一特征信息；

判断模块，用于判断所述第一特征信息与第二用户对应的好友推荐条件是否匹配；

推荐模块，用于在所述第一特征信息与所述好友推荐条件匹配时，将所述第一用户推荐给所述第二用户。

根据本发明所述的服务器，所述识别模块还包括：

第一分割子模块，用于将所述第一用户对应的所述第一用户图像分割为至少一第一特征部分；

第一提取子模块，用于提取所述第一特征部分的第一特征信息。

根据本发明所述的服务器，所述识别模块还包括：

第二分割子模块，用于将所述第二用户对应的第二用户图像分割为至少一第二特征部分；

第二提取子模块，用于提取所述第二特征部分的第二特征信息；

所述判断模块，用于判断所述第一特征信息与所述第二特征信息的匹配程度是否达到预定阈值；

所述推荐模块，用于在所述第一特征信息与所述第二特征信息的匹配程度达到所述预定阈值时，将所述第一用户推荐给所述第二用户。

根据本发明所述的服务器，还包括：

保存模块，用于保存所述第一特征信息；

第一设置模块，用于在所述第一特征信息被所述保存模块保存之后，设置所述第二用户对应的所述好友推荐条件。

根据本发明所述的服务器，还包括：

第二设置模块，用于设置所述第二用户对应的所述好友推荐条件；

所述识别模块，用于从所述第一用户对应的第一用户图像中，识别提取出与所述好友推荐条件对应的至少一第一特征信息。

本发明通过从第一用户对应的第一用户图像中提取出第一特征信息，如果所述第一特征信息与第二用户对应的好友推荐条件匹配，则将第一用户作为潜在好友推荐给第二用户。相对于通过关键字或选择项与个人注册信息进行匹配来推荐好友的现有技术，本发明基于图像识别与好友推荐条件的匹配来推荐好友，使得推荐好友的效果更为直观、准确和高效。

附图说明

图1是本发明服务器的结构示意图；

图2是本发明优选服务器的结构示意图；

图3是本发明推荐好友的方法流程图；

图4是本发明第一实施例中推荐好友的方法流程图；

图5是本发明第二实施例中推荐好友的方法流程图；以及

图6是本发明第三实施例中推荐好友的方法流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

图1是本发明服务器的结构示意图，所述服务器100用于向各个通信终端200提供社交网络应用，所述服务器100包括识别模块10、判断模块20以及推荐模块30，其中：

所述识别模块10，用于从第一用户对应的第一用户图像中识别提取出至少一第一特征信息。所述第一用户图像一般为包括第一用户的照片或者视频，识别模块10采用图形识别技术对第一用户图像进行图像识别，提取出第一特征信息。所述识别模块10提取的第一特征信息可以是预定的眼睛特征信息、头发特征信息、身材特征信息、穿着特征信息、环境特征信息等。当然所述识别模块10提取的第一特征信息也可以是第一用户图像中所有的第一特征信息。所述用户图像可由用户即时上传或者已上传并保存到服务器100。

所述判断模块20，用于判断第一特征信息与第二用户对应的好友推荐条件是否匹配。所述第二用户对应的好友推荐条件可由第二用户或服务器100提供。由于第一特征信息可能有多个，其不一定与好友推荐条件一一对应，那么就应该选取与好友推荐条件对应的第一特征信息进行匹配。

所述推荐模块30，用于在第一特征信息与好友推荐条件匹配时，将第一用户推荐给第二用户，即将第一用户推荐给第二用户对应的通信终端200，所述通信终端200可以是手机、PDA(Personal Digital Assistant，个人数字助理)、平板电脑、个人电脑等。推荐模块30可以根据第二用户的好友推荐请求来向第二用户推荐好友，或者推荐模块30主动向第二用户推荐好友，例如当第二用户登录时直接向其推荐好友。

例如，用户A登录某社交网络应用后，向社交网络应用的服务器100发送好友推荐请求，该好友推荐请求中包含了“双眼皮”、“长头发”这两个好友推荐条件；识别模块10对数据库中保存的用户B的用户图像进行识别，提取出所述用户图像中用户B的眼睛特征信息和头发特征信息；判断模块20判断用户B的眼睛特征信息和头发特征信息是否与“双眼皮”和“长头发”匹配，若匹配则由推荐模块30将用户B推荐给用户A，否则进行下一个用户的匹配判断或结束流程。

所述服务器100优选为云服务器，基于云计算可提高自动识别、提取和判断用户图像的特征信息的速度。本发明只要提供用户图像，无需其他用户信息，就能自动识别和判断所述用户是否符合好友推荐条件，从而进行好友推荐，其推荐好友的效果更为直观、准确和高效。

图2是本发明优选服务器的结构示意图，所述服务器100用于提供社交网络应用，所述服务器100包括识别模块10、判断模块20、推荐模块30、保存模块40、第一设置模块50和/或第二设置模块60，其中：

所述识别模块10还包括：

第一分割子模块11，用于将第一用户对应的第一用户图像分割为至少一第一特征部分。图像分割是现有成熟技术，例如由于在图像中物体分割处明显，可以根据边缘灰度变化来分割出不同部分，并通过图像识别各所述部分属于何种物体，从而得到具有物体名称的特征部分。

第一提取子模块12，用于提取第一特征部分的第一特征信息。

优选的是，所述识别模块10还包括：

第二分割子模块13，用于将第二用户对应的第二用户图像分割为至少一第二特征部分。所述第二用户图像一般为包括第二用户的照片或者视频。

第二提取子模块14，用于提取第二特征部分的第二特征信息。

所述判断模块20，用于判断第一特征信息与第二特征信息的匹配程度是否达到预定阈值。

所述推荐模块30，用于在第一特征信息与第二特征信息的匹配程度达到预定阈值时，将第一用户推荐给第二用户。

在社交网络中对好友的图像进行特征部分划分，提取每一特征部分的特征信息，并与用户相应的特征信息进行匹配，当匹配程度达到要求时推荐给用户。

在一具体实施例中，采用云计算使用的MapReduce并行计算框架。

1、将用户A和用户B的两张用户图像(例如一张用户照片)分别分割成M个物体(经图像分割，形成M个特征部分)，每个物体做为一Map节点的输入。

2、Map节点进行图像识别(利用某种图像识别方法，例如多小波变换)，识别该物体名称，形成<用户，物体名称+物体特点>的键值对。

3、键值对经hash(哈希)计算后分配给Reduce节点。

4、Reduce节点处理键值对，最终分别得到两张图像里的两个用户信息(例如身高、胖瘦、携带的器材(球拍、相机等)、所在地(标牌、路牌的识别))。

5、将每个用户信息计算出一个值。若两个用户信息的差值小于一定阈值，就可做为好友推荐。例如将用户信息看作多维空间的一个点，若两个点间的距离小于一定阈值，就可做为好友推荐。

所述保存模块40，用于保存识别模块10提取的第一特征信息。考虑到从图像识别提取第一特征信息的工作量大，如果在推荐好友时进行可能会产生延迟，所以可以提前从第一用户图像中识别提取出第一特征信息，并将第一特征信息进行保存到数据库，以便好友推荐时直接调用，提高好友推荐的执行速度。

所述第一设置模块50，用于在第一特征信息被保存模块40保存之后，设置第二用户对应的好友推荐条件。所述好友推荐条件可以由用户提供，例如接收所述第二用户的好友推荐请求，所述好友推荐请求中包含有所述好友推荐条件，第一设置模块50获取并设置所述好友推荐条件；或者，所述好友推荐条件可以由服务器100自行提供，例如服务器100根据第二用户对应的第二个人注册信息，分析生成与第二用户对应的所述好友推荐条件，再由第一设置模块50获取并设置所述好友推荐条件。

更好的是，所述第二设置模块60，用于设置第二用户对应的好友推荐条件。所述好友推荐条件可以由用户提供，例如接收所述第二用户的好友推荐请求，所述好友推荐请求中包含有所述好友推荐条件，第二设置模块60获取并设置所述好友推荐条件；或者，所述好友推荐条件可以由服务器100自行提供，例如服务器100根据第二用户对应的第二个人注册信息，分析生成与第二用户对应的所述好友推荐条件，再由第二设置模块60获取并设置所述好友推荐条件。

所述识别模块10，用于从第一用户对应的第一用户图像中，识别提取出与好友推荐条件对应的至少一第一特征信息。即识别模块10只需要识别提取好友推荐条件对应的第一特征信息，而无需提取所有第一特征信息，其可以减少识别模块10的工作量以及提高识别提取效率。

图3是本发明推荐好友的方法流程图，其可通过如图1或图2所示的服务器100实现，包括步骤如下：

步骤S301，从第一用户对应的第一用户图像中识别提取出至少一第一特征信息。所述第一用户图像一般为包括第一用户的照片或者视频，采用图形识别技术对第一用户图像进行图像识别，提取出第一特征信息，所述第一特征信息可以是预定的眼睛特征信息、头发特征信息、身材特征信息、穿着特征信息、环境特征信息等。当然所述第一特征信息也可以是第一用户图像中所有的第一特征信息。

步骤S302，判断第一特征信息与第二用户对应的好友推荐条件是否匹配。所述第二用户对应的好友推荐条件可由第二用户或服务器100提供。由于第一特征信息可能有多个，其不一定与好友推荐条件一一对应，那么就应该选取与好友推荐条件对应的第一特征信息进行匹配。

步骤S303，若匹配，则将第一用户推荐给第二用户。本步骤中服务器100可以根据第二用户的好友推荐请求来向第二用户推荐好友，或者服务器100主动向第二用户推荐好友，例如当第二用户登录时直接向其推荐好友。

图4是本发明第一实施例中推荐好友的方法流程图，其可通过如图2所示的服务器100实现，包括步骤如下：

步骤S401，将第一用户对应的第一用户图像分割为至少一第一特征部分。图像分割是现有成熟技术，例如由于在图像中物体分割处明显，可以根据边缘灰度变化来分割出不同部分，并通过图像识别各所述部分属于何种物体，从而得到具有物体名称的特征部分。

步骤S402，提取第一特征部分的第一特征信息。

步骤S403，将第二用户对应的第二用户图像分割为至少一第二特征部分。所述第二用户图像一般为包括第二用户的照片或者视频。

步骤S404，提取第二特征部分的第二特征信息。

步骤S405，判断第一特征信息与第二特征信息的匹配程度是否达到预定阈值，若是则执行步骤S406，否则结束流程。

步骤S406，若达到预定阈值，则将第一用户推荐给第二用户。

图5是本发明第二实施例中推荐好友的方法流程图，其可通过如图2所示的服务器100实现，包括步骤如下：

步骤S501，从第一用户对应的第一用户图像中识别提取出至少一第一特征信息。

步骤S502，保存第一特征信息。考虑到从图像识别提取第一特征信息的工作量大，如果在推荐好友时才进行可能会产生延迟，所以可以提前从第一用户图像中识别提取出第一特征信息，并将第一特征信息进行保存到数据库，以便好友推荐时直接调用，提高好友推荐的执行速度。

步骤S503，设置第二用户对应的好友推荐条件。所述好友推荐条件可以由用户提供，例如接收所述第二用户的好友推荐请求，所述好友推荐请求中包含有所述好友推荐条件，再获取并设置所述好友推荐条件；或者，所述好友推荐条件可以由服务器100自行提供，例如服务器100根据第二用户对应的第二个人注册信息，分析生成与第二用户对应的所述好友推荐条件，再获取并设置所述好友推荐条件。

步骤S504，判断第一特征信息与第二用户对应的好友推荐条件是否匹配，若匹配则执行步骤S505，否则结束流程。

步骤S505，若匹配，则将第一用户推荐给第二用户。

图6是本发明第三实施例中推荐好友的方法，其可通过如图2所示的服务器100实现，包括步骤如下：

步骤S601，设置第二用户对应的好友推荐条件。所述好友推荐条件可以由用户提供，例如接收所述第二用户的好友推荐请求，所述好友推荐请求中包含有所述好友推荐条件，再获取并设置所述好友推荐条件；或者，所述好友推荐条件可以由服务器100自行提供，例如服务器100根据第二用户对应的第二个人注册信息，分析生成与第二用户对应的所述好友推荐条件，再由获取并设置所述好友推荐条件。

步骤S602，从第一用户对应的第一用户图像中，识别提取出与好友推荐条件对应的至少一第一特征信息。本实施例中只需要识别提取好友推荐条件对应的第一特征信息，而无需提取所有第一特征信息，其可以减少识别提取的工作量并提高识别提取的效率。

步骤S603，判断第一特征信息与第二用户对应的好友推荐条件是否匹配，若匹配则执行步骤S604，否则结束流程。

步骤S604，若匹配，则将第一用户推荐给第二用户。

举例说明：用户A的照片包含用户自身、摄像机、路牌(琉璃街)；用户B的照片包含用户自身、照相机、路牌(五星街)；且琉璃街和五星街距离较近。

1、用户A的照片被分为3个特征部分(自身、摄像机、路牌)；用户B的照片被分为3个特征部分(自身、照相机、路牌)

2、Map节点进行图像识别。对用户A形成3个键值对<用户A，胖瘦+微瘦>、<用户A，器材+摄像机>、<用户A，所处环境+琉璃街>；并且对用户B形成3个键值对<用户B，胖瘦+稍胖>、<用户B，器材+摄像机>、<用户B，所处环境+五星街>。

3、经Reduce节点处理后，形成最终用户信息。

用户A信息：微瘦、携带摄像机、琉璃街；

用户B信息：微胖、携带照相机、五星街。

4、匹配规则：

(1)瘦值为0.1，微瘦值为0.2，微胖值为0.3，胖值为0.4；

(2)无器材值为0，摄像机值为0.1，照相机值为0.2，乒乓球拍值为0.7，羽毛球拍值为0.8；

(3)街道值为0.1，公园值为0.2，歌厅值为0.7，舞厅值为0.8。

上述三项值相差0.5内的为推荐好友，经计算用户A和用户B之间的差值为(0.3-0.2)+(0.2-0.1)+0＝0.2，所以可判断出两者互为待推荐的好友。

综上所述，本发明通过从第一用户对应的第一用户图像中提取出第一特征信息，如果所述第一特征信息与第二用户对应的好友推荐条件匹配，则将第一用户作为潜在好友推荐给第二用户。相对于通过关键字或选择项与个人注册信息进行匹配来推荐好友的现有技术，本发明基于图像识别与好友推荐条件的匹配来推荐好友，使得推荐好友的效果更为直观、准确和高效。

当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (10)

1.一种推荐好友的方法，其特征在于，包括步骤如下：

从第一用户对应的第一用户图像中识别提取出至少一第一特征信息；

判断所述第一特征信息与第二用户对应的好友推荐条件是否匹配；

若匹配，则将所述第一用户推荐给所述第二用户。

2.根据权利要求1所述的方法，其特征在于，所述从第一用户对应的第一用户图像中识别提取出至少一第一特征信息的步骤包括：

将所述第一用户对应的所述第一用户图像分割为至少一第一特征部分；

提取所述第一特征部分的第一特征信息。

3.根据权利要求2所述的方法，其特征在于，还包括：

将所述第二用户对应的第二用户图像分割为至少一第二特征部分；

提取所述第二特征部分的第二特征信息；

所述判断第一特征信息与第二用户对应的好友推荐条件是否匹配的步骤包括：

判断所述第一特征信息与所述第二特征信息的匹配程度是否达到预定阈值；

所述若匹配，则将所述第一用户推荐给所述第二用户的步骤包括：

若达到所述预定阈值，则将所述第一用户推荐给所述第二用户。

4.根据权利要求1～3任一项所述的方法，其特征在于，所述从第一用户对应的第一用户图像中识别提取出至少一第一特征信息的步骤之后还包括：

保存所述第一特征信息；

设置所述第二用户对应的所述好友推荐条件。

5.根据权利要求1～3任一项所述的方法，其特征在于，所述从第一用户对应的第一用户图像中识别提取出至少一第一特征信息的步骤之前还包括：

设置所述第二用户对应的所述好友推荐条件；

所述从第一用户对应的第一用户图像中识别提取出至少一第一特征信息的步骤还包括：

从所述第一用户对应的第一用户图像中，识别提取出与所述好友推荐条件对应的至少一第一特征信息。

6.一种服务器，其特征在于，包括有：

识别模块，用于从第一用户对应的第一用户图像中识别提取出至少一第一特征信息；

判断模块，用于判断所述第一特征信息与第二用户对应的好友推荐条件是否匹配；

推荐模块，用于在所述第一特征信息与所述好友推荐条件匹配时，将所述第一用户推荐给所述第二用户。

7.根据权利要求6所述的服务器，其特征在于，所述识别模块还包括：

第一分割子模块，用于将所述第一用户对应的所述第一用户图像分割为至少一第一特征部分；

第一提取子模块，用于提取所述第一特征部分的第一特征信息。

8.根据权利要求7所述的服务器，其特征在于，所述识别模块还包括：

第二分割子模块，用于将所述第二用户对应的第二用户图像分割为至少一第二特征部分；

第二提取子模块，用于提取所述第二特征部分的第二特征信息；

所述判断模块，用于判断所述第一特征信息与所述第二特征信息的匹配程度是否达到预定阈值；

所述推荐模块，用于在所述第一特征信息与所述第二特征信息的匹配程度达到所述预定阈值时，将所述第一用户推荐给所述第二用户。

9.根据权利要求6～8任一项所述的服务器，其特征在于，还包括：

保存模块，用于保存所述第一特征信息；

第一设置模块，用于在所述第一特征信息被所述保存模块保存之后，设置所述第二用户对应的所述好友推荐条件。

10.根据权利要求6～8任一项所述的服务器，其特征在于，还包括：

第二设置模块，用于设置所述第二用户对应的所述好友推荐条件；

所述识别模块，用于从所述第一用户对应的第一用户图像中，识别提取出与所述好友推荐条件对应的至少一第一特征信息。

Images