CN108985251A - 用户指令匹配方法、装置、计算机设备及存储介质 - Google Patents

Abstract

本发明公开了一种用户指令匹配方法、装置、计算机设备及存储介质，首先获取参与者的目标指令信息，若在有效时间内没有获取到所有所述参与者的目标指令信息，则为没有获取到目标指令信息的参与者分配随机指令信息。继而获取决策者的手势图片，并识别所述决策者的手势图片，得到所述决策者的决策指令信息。将每一参与者的所述目标指令信息或者随机指令信息，与决策者的决策指令信息通过映射关系表进行匹配，得到每一参与者的指令匹配结果。为没有获取到目标指令信息的参与者分配随机指令信息可以保证数据的公平性，也避免了由于指令获取不完整而一直处于等待阶段，提高了用户指令匹配的效率。

Description

用户指令匹配方法、装置、计算机设备及存储介质

技术领域

本发明涉及数据处理领域，尤其涉及一种用户指令匹配方法、装置、计算机设备及存储介质。

背景技术

传统的抽奖方法通过抽奖人员手动抽取，随着社会的发展，抽奖形式开始网络化、自动化，一般是将各个用户的抽奖信息通过指令的方式收集到网络数据库端，网络数据库端经过一定的信息筛选将符合条件的指令发送至抽奖系统，例如根据发送时间，只选出抽奖信息的前一百条。进一步，通过电脑抽奖系统，随机的从所述前一百条抽奖信息中选出若干名中奖者。

由于抽奖的过程需要满足透明性和公平性，如果网络数据库接收到的指令比较多，就会持续不断地发送和接收指令，而频繁的指令发送和接收会导致系统的稳定性变差，或者服务器和移动终端在通信的过程中，因为网络的不稳定，都有可能造成指令的丢失。而如果由于指令不完整而一直处于等待阶段的话，又会使得整个指令匹配花费太多的时间，降低了整个指令匹配的效率。

发明内容

本发明实施例提供一种用户指令匹配方法、装置、计算机设备及存储介质，以解决用户指令匹配效率较低的问题。

一种用户指令匹配方法，包括：

获取参与者的目标指令信息；

判断在有效时间内是否获取到所有所述参与者的目标指令信息；

若在有效时间内没有获取到所有所述参与者的目标指令信息，则为没有获取到目标指令信息的参与者分配随机指令信息；

获取决策者的手势图片，并识别所述决策者的手势图片，得到所述决策者的决策指令信息；

将每一所述参与者的所述目标指令信息或者所述随机指令信息，与所述决策者的决策指令信息通过映射关系表进行匹配，得到每一参与者的指令匹配结果。

一种用户指令匹配装置，包括：

参与者信息获取模块，用于获取参与者的目标指令信息；

目标指令信息判断模块，用于判断在有效时间内是否获取到所有所述参与者的目标指令信息；

随机指令信息分配模块，用于若在有效时间内没有获取到所有所述参与者的目标指令信息，则为没有获取到目标指令信息的参与者分配随机指令信息；

决策指令信息获取模块，用于获取决策者的手势图片，并识别所述决策者的手势图片，得到所述决策者的决策指令信息；

指令匹配结果获取模块，用于将每一所述参与者的所述目标指令信息或者所述随机指令信息，与所述决策者的决策指令信息通过映射关系表进行匹配，得到每一参与者的指令匹配结果。

一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述用户指令匹配方法的步骤。

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述用户指令匹配方法的步骤。

上述用户指令匹配方法、装置、计算机设备及存储介质中，首先获取参与者的目标指令信息，若在有效时间内没有获取到所有所述参与者的目标指令信息，则为没有获取到目标指令信息的参与者分配随机指令信息，可以避免后续没有获取到目标指令信息的参与者没法得到一个匹配指令结果。继而获取决策者的手势图片，并识别所述决策者的手势图片，得到所述决策者的决策指令信息。将每一参与者的所述目标指令信息或者随机指令信息，与决策者的决策指令信息通过映射关系表进行匹配，得到每一参与者的指令匹配结果。该用户指令匹配方法通过判断在有效时间内是否获取到所有所述参与者的目标指令信息，并为没有获取到目标指令信息的参与者分配随机指令信息，保证每一参与者都可以得到一指令匹配结果，而且为没有获取到目标指令信息的参与者分配随机指令信息也可以保证数据的公平性，也避免了由于指令获取不完整而一直处于等待阶段，提高了用户指令匹配的效率。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一实施例中用户指令匹配方法的一应用环境示意图；

图2是本发明一实施例中用户指令匹配方法的一示例图；

图3是本发明一实施例中用户指令匹配方法的另一示例图；

图4是本发明一实施例中用户指令匹配方法的另一示例图；

图5是本发明一实施例中用户指令匹配方法的另一示例图；

图6是本发明一实施例中用户指令匹配方法的另一示例图；

图7是本发明一实施例中用户指令匹配方法的另一示例图；

图8是本发明一实施例中用户指令匹配装置的一原理框图；

图9是本发明一实施例中计算机设备的一示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本申请提供的用户指令匹配方法，可应用在如图1的应用环境中，其中，客户端(计算机设备)和图像采集端分别通过网络与服务端进行通信。客户端发送参与者的目标指令信息到服务端，服务端获取到参与者的目标指令信息后，控制图像采集端获取决策者的手势图片，经过处理得到参与者的指令匹配结果。其中，客户端(计算机设备)可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。图像采集端可以但不限于是摄像机、照相机、扫描仪或其他带有拍照功能的设备。服务端可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一实施例中，如图2所示，提供一种用户指令匹配方法，以该方法应用在图1中的服务端为例进行说明，包括如下步骤：

S10：获取参与者的目标指令信息。

其中，参与者是指需要进行指令匹配的用户。目标指令信息是指根据参与者输入的指令而生成指令信息。优选地，目标指令信息为手势指令信息，其中，手势指令信息即是代表不同手势动作的指令信息，例如：剪刀、石头或布，又或者是代表不同数字的手势动作，例如：1、2、3、4或5。

在一个具体实施方式中，客户端与服务端建立连接，连接成功之后参与者通过客户端输入目标指令信息，客户端随即将参与者通过客户端输入的目标指令信息发送至服务端，服务端获取到获取参与者的目标指令信息。

S20：判断在有效时间内是否获取到所有参与者的目标指令信息。

其中，有效时间是指目标指令信息接收的时限，是一个预设的时间，具体可以根据实际需要来调整，例如为1分钟、2分钟或者5分钟等。通过设置有效时间来对目标指令信息接收的时限进行限定，可以提高整个指令匹配的效率。该有效时间的起始时间点可以设置为服务端获取到第一个参与者的目标指令信息的时间点，或者在接收到一个特定的触发指令的时间点作为该有效时间的起始时间点。

在本实施例中，服务端会预先获取到所有参与者的个人信息，个人信息可以包括身份信息、参与者姓名和联系信息等。身份信息可以是参与者的员工号、身份证号、手机号码或其他唯一可识别参与者身份的信息。可以理解地，身份信息可以为一项也可以为至少两项。例如，身份信息为身份证号，或者身份信息为身份证号和手机号码。联系信息是指可以和参与者进行通信的信息，可选地，联系信息可以为手机号码、微信号或者IP地址等。具体地，可以将所有参与者的个人信息生成一个参与者信息数据表，并且在这个参与者信息数据表中增加目标指令信息字段，服务端在获取到参与者的目标指令信息之后，就将该参与者的目标指令信息存储到参与者信息数据表中的对应位置中。如此，通过查询和统计该参与者信息数据表，就可以判断在有效时间内是否获取到所有参与者的目标指令信息。

具体地，在生成参与者信息数据表时，将每一参与者的目标指令信息都预设为一个初始值，该初始值可以为数字、字母、符号或其他计算机可识别的字符。而所有参与者的初始值都设置为相同，例如0、none或者留空等。服务端在获取到每一参与者的目标指令信息之后都会对参与者信息数据表的对应位置进行更新。

在有效时间到达时，可以通过统计参与者信息数据表中目标指令信息字段中初始值的数量，若初始值的数量为0，则说明已经获取到所有参与者的目标指令信息。若初始值的数量不为0，则说明没有获取到所有参与者的目标指令信息。

S30：若在有效时间内没有获取到所有参与者的目标指令信息，则为没有获取到目标指令信息的参与者分配随机指令信息。

在有效时间到达时，由于网络的延迟或者系统的不稳定，有可能会存在信息延迟或遗漏的现象。若有参与者的目标指令信息没有获取到，则为没有获取到目标指令信息的参与者分配随机指令信息。其中，随机指令信息是指通过随机函数的方式来生成的指令信息。示例性地，若目标指令信息为剪刀、石头和布三种，则服务端可以将这三种目标指令信息分别用1,2,3进行标定，然后对在有效时间内每一个没有获取到目标指令信息的参与者，用随机函数rand()随机生成1-3的整数，得到没有获取到目标指令信息的参与者的随机指令信息。

S40：获取决策者的手势图片，并识别决策者的手势图片，得到决策者的决策指令信息。

其中，决策者是指提供手势图片，辅助进行参与者指令匹配的用户。当有效时间达到之后，开始获取决策者的手势图片，具体地，可以通过图像采集端来采集决策者的手势图片，该图像采集端可以为摄像机、照相机、扫描仪或其他带有拍照功能的设备。

当图像采集端得到服务端发出的获取当前手势的指令之后，图像采集端采集决策者所在位置的图像，然后发送该决策者所在位置的图像至服务端。服务端获取到决策者所在位置的图像之后，可以通过截屏的方式获取决策者的手势图片。服务端获取到决策者的手势图片之后，检测手势图片，将手势区域从决策者的手势图片中截取出来，得到手势区域图片，并将手势区域图片输入到预先训练好的手势图片识别模型中进行识别，输出决策者的决策指令信息。可以理解地，决策指令信息也是代表不同手势动作的指令信息，并且决策指令信息是和目标指令信息对应的，若目标指令信息代表的是剪刀、石头或布，则决策指令信息代表的也是剪刀、石头或布。

S50：将每一参与者的目标指令信息或者随机指令信息，与决策者的决策指令信息通过映射关系表进行匹配，得到每一参与者的指令匹配结果。

其中，映射关系表是一个预设的表格，通过该映射关系表可以根据参与者的目标指令信息或者随机指令信息，与决策者的决策指令信息进行匹配，并在映射关系表中查询到对应的指令匹配结果。

在该步骤中，通过将每一参与者的目标指令信息或者随机指令信息，与决策者的决策指令信息通过映射关系表进行匹配，就可以得到每一参与者的指令匹配结果。

在本实施例中，首先获取参与者的目标指令信息，若在有效时间内没有获取到所有参与者的目标指令信息，则为没有获取到目标指令信息的参与者分配随机指令信息，可以避免后续没有获取到目标指令信息的参与者没法得到一个匹配指令结果。继而获取决策者的手势图片，并识别决策者的手势图片，得到决策者的决策指令信息。将每一参与者的目标指令信息或者随机指令信息，与决策者的决策指令信息通过映射关系表进行匹配，得到每一参与者的指令匹配结果。该用户指令匹配方法通过判断在有效时间内是否获取到所有参与者的目标指令信息，并为没有获取到目标指令信息的参与者分配随机指令信息，保证每一参与者都可以得到一指令匹配结果，而且为没有获取到目标指令信息的参与者分配随机指令信息也可以保证数据的公平性，也避免了由于指令不完整而一直处于等待阶段，提高了用户指令匹配的效率。

在一实施例中，如图3所示，步骤S10，获取参与者的目标指令信息，具体包括以下步骤：

S11：发送选择指令链接至客户端，接收客户端返回的参与者的身份信息和初始指令信息。

其中，初始指令信息是指参与者通过客户端输入的指令信息。服务端与客户端连接后，服务端向客户端发送选择指令链接，该选择指令链接可以但不限于是一个抽奖页面、二维码或者公众号。客户端在获取到该选择指令链接之后，参与者通过客户端输入身份信息和初始指令信息。客户端在获取到参与者输入的身份信息和初始指令信息之后，将参与者的身份信息和初始指令信息发送至服务端。

优选地，该步骤还包括获取参与者的姓名，在获取参与者的姓名之后，将参与者的姓名和身份信息进行关联，以便后续在需要进行显示参与者的信息时可以增加参与者的姓名这一显示项，以更好地辨识参与者的身份。

S12：验证身份信息，若身份信息验证成功，则将初始指令信息确定为目标指令信息。

服务端在获取到参与者的身份信息后，会对参与者的身份信息进行验证。具体地，服务端在获取到参与者的身份信息之后，会发送验证请求到客户端，参与者需要对其身份信息进行验证。具体地，可以通过输入一个和身份信息对应的验证密码进行验证，服务端在接收到该验证密码之后，将该验证密码和数据库中预存的登录密码进行匹配，若匹配成功(即验证密码和登录密码相同)，则身份信息验证成功。若匹配失败(即验证密码和登录密码不相同)，则身份信息验证失败。

进一步地，若身份信息认证通过，服务端返会给对应的客户端发送一个令牌(token)，该token的生效时间可以预先统一设置，例如，设置该生效时间和有效时间相同，或者自定义设置为其他数值。token是服务端生成的一串字符串，作为客户端请求服务端的一个令牌，当第一次身份信息认证通过后，服务端生成一个token并将此token返回给客户端，之后客户端端只需带上这个token前来请求数据即可，无需再次进行身份信息验证，提高了后续用户指令匹配的效率。

在本实施例中，在获取参与者的目标指令信息的时候，对参与者的身份信息进行验证，在身份信息验证成功之后，再将初始指令信息确定为目标指令信息，保证了用户指令匹配的安全性。

在一实施例中，如图4所示，在获取参与者的目标指令信息的步骤之后，并且在判断在有效时间内是否获取到所有参与者的目标指令信息的步骤之前，该用户指令匹配方法还具体包括以下步骤：

S21：判断在预设时间内是否获取到所有参与者的目标指令信息，其中，预设时间小于有效时间。

其中，预设时间是根据有效时间而设定的一个时限，该预设时间小于有效时间。例如，若有效时间为5分钟，则可以设置预设时间为3分钟或者4分钟。通过设置预设时间，在有效时间到达之前，提前判断是否获取到所有参与者的目标指令信息。具体判断方式和步骤S20类似，在此不再赘述。

S22：若在预设时间内没有获取到所有参与者的目标指令信息，则获取没有获取到目标指令信息的参与者的联系信息。

如果在预设时间内没有获取到所有参与者的目标指令信息，则获取没有获取到目标指令信息的参与者的联系信息。具体地，该联系信息也可以在参与者信息数据表中获取得到，在生成参与者信息数据表的时候，在该参与者信息数据表中也包含参与者的联系信息。

S23：根据联系信息发送提示信息。

在获取到联系信息之后，根据联系信息发送提示信息。其中，提示信息用于提醒参与者尽快发送目标指令信息。具体地，提示信息还可以包括目标指令信息获取失败原因，例如：未收到目标指令信息、目标指令信息不合法或者身份信息验证不通过。如此，可以方便参与者在接收到该提示信息之后做出针对性地调整，提高获取效率。

可选地，服务端通过TCP/IP协议或者UDP协议与客户端进行通信，通过特定数据包，向没有获取到目标指令信息的参与者发出提示信息，特定数据包的含义是每个数据包里面都会有一个特定的字段表示该数据包的用途(例如发送交互内容，连接请求、警告或者提醒等功能)，只需要把该字段设置成提示信息，当客户端收到带有提示信息的数据包之后，即可根据该提示信息进行对应的操作。

在本实施例中，通过设置一预设时间，该预设时间小于有效时间，在有效时间到达之前提前判断是否获取到所有参与者的目标指令信息，并为没有获取到目标指令信息的参与者发送提示信息，以更好地保证目标指令信息获取的效率。

在一实施例中，如图5所示，步骤S40，获取决策者的手势图片，并识别决策者的手势图片，得到决策者的决策指令信息，具体包括以下步骤：

S41：获取决策者的手势图片，从手势图片中截取手势区域图片。

获取决策者的手势图片，由于获取的是决策者的手势图片，该手势图片可能囊括的区域比较大，不利于后续的识别处理。因此，需要将手势区域从手势图片中截取出来，得到手势区域图片。具体地，可以采用边缘检测算法获取手势图片的边缘图像，再根据边缘图像的曲率找到手势图片中的各个指关节点和两个手腕点。可选地，边缘检测算法可以采用差分边缘检测算法、Sobel边缘检测算法或者Reborts边缘检测算法等。在找到手势图片中的各个指关节点和两个手腕点之后，根据各个指关节点和两个手腕点来获取到手势区域，最后根据该手势区域得到手势区域图片。具体地，可以根据各个指关节点和两个手腕点来确定一个固定区域，该固定区域可以为一矩形或者圆形，该固定区域包括了手势区域。可选地，将该固定区域设置为一圆形，根据两个手腕点和其中的一个指关节点确定圆形的圆心，然后再根据手腕点和其中的一个指关节点的距离来乘以一定的比例来确定该圆形的半径，该比例可以根据实际需要来设定，在此不做具体限定。在获取到手势区域之后，可以使用imageclipper工具截取手势区域图片，imageclipper工具能快速的从手势图片中截取手势区域图片。

S42：将手势区域图片输入手势图片识别模型进行识别，得到决策者的决策指令信息。

将手势区域图片输入到一个手势图片识别模型中，就可以通过该手势识别模型的输出结果获取到与手势区域图片对应的决策指令信息。其中，手势图片识别模型是预先训练好的一个识别模型，通过该手势图片识别模型，可以快速地对手势区域图片的类型进行识别，输出决策者的决策指令信息，以利于后续的匹配。

在本实施例中，通过截取包含手势区域的手势区域图片，再将手势区域图片输入手势图片识别模型中识别出当前手势类型，并据此得到决策者的决策指令信息，提高了手势识别的准确性和效率。

在一实施例中，如图6所示，在将手势区域图片输入手势图片识别模型进行识别的步骤之前，该用户指令匹配方法还包括以下步骤：

S421：获取原始图片，为每一原始图片进行分类标注，组成手势训练图片。

其中，原始图片是预先采集的包含不同手势的图片。不同手势的图片可以通过摄像头获取得到，也可以通过网络上现有的数据集来获取。通过获取大量不同手势的原始图片，并为每一原始图片进行分类标注，例如：“石头”、“剪刀”或“布”。对原始图片进行分类标注完成之后，使得每一原始图片都包含了对应的标注数据，并将包含了标注数据的原始图片作为手势训练图片。

S422：采用手势训练图片对卷积神经网络模型进行训练，获得手势图片识别模型。

通过将手势训练图片输入到卷积神经网络模型中进行训练，即可得到手势图片识别模型。其中，卷积神经网络(Convolutional Neural Network,CNN)模型，是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，常应用于大型图像的处理。卷积神经网络通常包括至少两个非线性可训练的卷积层，至少两个非线性的池化层和至少一个全连接层，即包括至少五个隐含层，此外还包括输入层和输出层。通过手势训练图片对卷积神经网络模型进行训练而获得的手势图片识别模型，可以更为准确地对手势训练图片进行分类。

通过获取不同手势的原始图片，并对每一手势的原始图片进行分类标注，获取当前手势的原始训练图片，再采用手势训练图片对卷积神经网络模型进行训练，得到手势图片识别模型。将当前手势图片输入到手势图片识别模型中进行识别，获取当前手势图片对应的当前手势类型。

在本实施例中，通过获取原始图片，每一原始图片进行分类标注，组成手势训练图片。并采用手势训练图片对卷积神经网络模型进行训练，获得手势图片识别模型，更好地保证了后续手势区域图片的识别效率和精度。

在一个实施例中，如图7所示，步骤S50，将每一参与者的目标指令信息或者随机指令信息，与决策者的决策指令信息通过映射关系表进行匹配，得到每一参与者的指令匹配结果，具体包括以下步骤：

S51：将每一参与者的目标指令信息或者随机指令信息转化为参与者标签。

其中，参与者标签是指将参与者的目标指令信息或者随机指令信息进行转化得到的数值化或符号化的信息。例如，参与者的目标指令信息或者随机指令信息包括石头、剪刀和布，则对应地将这三个指令信息转化为数值化或符号化的信息，以方便后续的处理，例如：将“石头”指令映射为“1”，“剪刀”指令映射为“2”，“布”指令映射为“3”。

S52：将决策者的决策指令信息转化为决策者标签。

其中，决策者标签是指将决策者的决策指令信息进行转化得到的数值化或符号化的信息。可以理解地，决策者的决策指令信息和参与者的目标指令信息或者随机指令信息是对应的，例如：石头、剪刀和布。具体转化方式也是和步骤S51相同的，这里不再赘述。

S53：将每一参与者标签和决策者标签通过映射关系表进行匹配，得到每一参与者的指令匹配结果。

在得到参与者标签和决策者标签之后，通过映射关系表进行匹配，就可以得到每一参与者的指令匹配结果。具体地，可以预先设置一参与者标签和决策者标签的映射关系表，根据不同的参与者标签和不同的决策者标签就可以在映射关系表中查询到对应的指令匹配结果。例如：若指令匹配结果包括赢、平和负三种情况，则可以分别采用X、Y和Z代表这三种情况。

在这个实施方式中，通过将对应的指令信息转化为标签，然后通过预设的映射关系表获取到每一参与者的指令匹配结果，提高了指令匹配结果获取的效率。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

在一实施例中，提供一种用户指令匹配装置，该用户指令匹配装置与上述实施例中用户指令匹配方法一一对应。如图8所示，该用户指令匹配装置包括参与者信息获取模块10、目标指令信息判断模块20、随机指令信息分配模块30、决策指令信息获取模块40和指令匹配结果获取模块50。各功能模块详细说明如下：

参与者信息获取模块10，用于获取参与者的目标指令信息；

目标指令信息判断模块20，用于判断在有效时间内是否获取到所有参与者的目标指令信息；

随机指令信息分配模块30，用于若在有效时间内没有获取到所有参与者的目标指令信息，则为没有获取到目标指令信息的参与者分配随机指令信息；

决策指令信息获取模块40，用于获取决策者的手势图片，并识别决策者的手势图片，得到决策者的决策指令信息；

指令匹配结果获取模块50，用于将每一参与者的目标指令信息或者随机指令信息，与决策者的决策指令信息通过映射关系表进行匹配，得到每一参与者的指令匹配结果。

优选地，参与者信息获取模块10包括参与者信息接收单元11和目标指令信息确定单元12。

参与者信息接收单元11，用于发送选择指令链接至客户端，接收客户端返回的参与者的身份信息和初始指令信息。

目标指令信息确定单元12，用于验证身份信息，若身份信息验证成功，则将初始指令信息确定为目标指令信息。

优选地，该用户指令匹配装置还包括预先判断模块21、联系信息获取模块22和提示信息发送模块23。

预先判断模块21，用于判断在预设时间内是否获取到所有参与者的目标指令信息，其中，预设时间小于所述有效时间。

联系信息获取模块22，用于若在预设时间内没有获取到所有参与者的目标指令信息，则获取没有获取到目标指令信息的参与者的联系信息。

提示信息发送模块23，用于根据联系信息发送提示信息。

优选地，决策指令信息获取模块40包括手势区域图片获取单元41和决策指令信息获取单元42。

手势区域图片获取单元41，用于获取决策者的手势图片，从手势图片中截取手势区域图片。

决策指令信息获取单元42，用于将手势区域图片输入手势图片识别模型进行识别，得到决策者的决策指令信息。

优选地，决策指令信息获取单元42包括手势训练图片获取子单元421和手势图片识别模型获取子单元422。

手势训练图片获取子单元421，用于获取原始图片，为每一原始图片进行分类标注，组成手势训练图片。

手势图片识别模型获取子单元422，用于采用手势训练图片对卷积神经网络模型进行训练，获得手势图片识别模型。

优选地，指令匹配结果获取模块50包括

参与者标签转化单元51，用于将每一参与者的目标指令信息或者随机指令信息转化为参与者标签。

决策者标签转化单元52，用于将决策者的决策指令信息转化为决策者标签。

指令匹配结果获取单元53，用于将每一参与者标签和决策者标签通过映射关系表进行匹配，得到每一参与者的指令匹配结果。

关于用户指令匹配装置装置的具体限定可以参见上文中对于用户指令匹配方法的限定，在此不再赘述。上述用户指令匹配装置装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储参与者的目标指令信息，决策者的手势图片以及手势图片识别模型。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种用户指令匹配方法。

在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：

获取参与者的目标指令信息；

判断在有效时间内是否获取到所有所述参与者的目标指令信息；

若在有效时间内没有获取到所有所述参与者的目标指令信息，则为没有获取到目标指令信息的参与者分配随机指令信息；

获取决策者的手势图片，并识别所述决策者的手势图片，得到所述决策者的决策指令信息；

将每一所述参与者的所述目标指令信息或者所述随机指令信息，与所述决策者的决策指令信息通过映射关系表进行匹配，得到每一参与者的指令匹配结果。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

获取参与者的目标指令信息；

判断在有效时间内是否获取到所有所述参与者的目标指令信息；

若在有效时间内没有获取到所有所述参与者的目标指令信息，则为没有获取到目标指令信息的参与者分配随机指令信息；

获取决策者的手势图片，并识别所述决策者的手势图片，得到所述决策者的决策指令信息；

将每一所述参与者的所述目标指令信息或者所述随机指令信息，与所述决策者的决策指令信息通过映射关系表进行匹配，得到每一参与者的指令匹配结果。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种用户指令匹配方法，其特征在于，包括：

获取参与者的目标指令信息；

判断在有效时间内是否获取到所有所述参与者的目标指令信息；

若在有效时间内没有获取到所有所述参与者的目标指令信息，则为没有获取到目标指令信息的参与者分配随机指令信息；

获取决策者的手势图片，并识别所述决策者的手势图片，得到所述决策者的决策指令信息；

将每一所述参与者的所述目标指令信息或者所述随机指令信息，与所述决策者的决策指令信息通过映射关系表进行匹配，得到每一参与者的指令匹配结果。

2.如权利要求1所述的用户指令匹配方法，其特征在于，所述获取参与者的目标指令信息，具体包括：

发送选择指令链接至客户端，接收所述客户端返回的参与者的身份信息和初始指令信息；

验证所述身份信息，若所述身份信息验证成功，则将所述初始指令信息确定为目标指令信息。

3.如权利要求1所述的用户指令匹配方法，其特征在于，在所述获取参与者的目标指令信息的步骤之后，并且在所述判断在有效时间内是否获取到所有所述参与者的目标指令信息的步骤之前，所述用户指令匹配方法还包括：

判断在预设时间内是否获取到所有所述参与者的目标指令信息，其中，所述预设时间小于所述有效时间；

若在预设时间内没有获取到所有所述参与者的目标指令信息，则获取没有获取到目标指令信息的参与者的联系信息；

根据所述联系信息发送提示信息。

4.如权利要求1所述的用户指令匹配方法，其特征在于，所述获取决策者的手势图片，并识别所述决策者的手势图片，得到所述决策者的决策指令信息，具体包括：

获取决策者的手势图片，从所述手势图片中截取手势区域图片；

将所述手势区域图片输入手势图片识别模型进行识别，得到所述决策者的决策指令信息。

5.如权利要求4所述的用户指令匹配方法，其特征在于，在将所述手势区域图片输入手势图片识别模型进行识别的步骤之前，所述用户指令匹配方法还包括：

获取原始图片，为每一所述原始图片进行分类标注，组成手势训练图片；

采用所述手势训练图片对卷积神经网络模型进行训练，获得手势图片识别模型。

6.如权利要求1所述的用户指令匹配方法，其特征在于，所述将每一所述参与者的所述目标指令信息或者所述随机指令信息，与所述决策者的决策指令信息通过映射关系表进行匹配，得到每一参与者的指令匹配结果，具体包括：

将每一所述参与者的所述目标指令信息或者所述随机指令信息转化为参与者标签；

将所述决策者的决策指令信息转化为决策者标签；

将每一所述参与者标签和所述决策者标签通过映射关系表进行匹配，得到每一参与者的指令匹配结果。

7.一种用户指令匹配装置，其特征在于，包括：

参与者信息获取模块，用于获取参与者的目标指令信息；

目标指令信息判断模块，用于判断在有效时间内是否获取到所有所述参与者的目标指令信息；

随机指令信息分配模块，用于若在有效时间内没有获取到所有所述参与者的目标指令信息，则为没有获取到目标指令信息的参与者分配随机指令信息；

决策指令信息获取模块，用于获取决策者的手势图片，并识别所述决策者的手势图片，得到所述决策者的决策指令信息；

指令匹配结果获取模块，用于将每一所述参与者的所述目标指令信息或者所述随机指令信息，与所述决策者的决策指令信息通过映射关系表进行匹配，得到每一参与者的指令匹配结果。

8.如权利要求7所述的用户指令匹配装置，其特征在于，所述用户指令匹配装置还包括：

预先判断模块，用于判断在预设时间内是否获取到所有所述参与者的目标指令信息，其中，所述预设时间小于所述有效时间；

联系信息获取模块，用于若在预设时间内没有获取到所有所述参与者的目标指令信息，则获取没有获取到目标指令信息的参与者的联系信息；

提示信息发送模块，用于根据所述联系信息发送提示信息。

9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述用户指令匹配方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述用户指令匹配方法的步骤。