CN109753605A - 用户推荐方法、装置、计算机设备及计算机可读存储介质 - Google Patents
用户推荐方法、装置、计算机设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN109753605A CN109753605A CN201811576583.7A CN201811576583A CN109753605A CN 109753605 A CN109753605 A CN 109753605A CN 201811576583 A CN201811576583 A CN 201811576583A CN 109753605 A CN109753605 A CN 109753605A
- Authority
- CN
- China
- Prior art keywords
- user
- human face
- image information
- recognized
- images
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000013528 artificial neural network Methods 0.000 claims abstract description 16
- 238000004590 computer program Methods 0.000 claims description 8
- 230000001815 facial effect Effects 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000006399 behavior Effects 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 241000271566 Aves Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 210000003746 feather Anatomy 0.000 description 1
- 244000144992 flock Species 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 231100000241 scar Toxicity 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明公布了一种用户推荐方法、装置、计算机设备及计算机可读存储介质,所述方法包括:获取目标用户上传的图像信息作为待识别图像;识别所述待识别图像中的人脸,得到对应的人脸区域;通过神经网络对所述人脸区域进行识别,得到与每个人脸区域对应的人脸图像信息;将所述人脸图像信息与数据库中的标准人脸图像进行对比;当确定所述人脸图像信息存在有对应的注册用户时,将所述人脸图像信息对应的注册用户作为备选用户;当确定所述备选用户与所述目标用户处于非好友关系时,将所述备选用户推荐至所述目标用户。此方法能够大幅度减少用户在选择对象信息或者其他信息时所需主动浏览或查询的信息量,提高了效率,同时节省了用户的时间。
Description
技术领域
本发明涉及计算机技术领域,确切的说是涉及一种用户推荐方法、装置、计算机设备及计算机可读存储介质。
背景技术
社交网络是一种通过互联网进行交互的网络,如Facebook、珍爱网等。
社交网络的服务商需要从用户的使用行为中挖掘大量的信息进行统计分析,从而实现为用户推送匹配的推荐用户。例如,根据用户上传的图像信息以及用户的所在位置,从而为用户推送最近的朋友或有可能认识的朋友等。而对于用户上传的图像信息,其中也包含着大量的信息,基于图像的识别技术挖掘有用的信息,以实现基于图片信息向用户推送匹配的推荐用户,这样能够大幅度减少用户在选择对象信息或者其他信息时所需主动浏览或查询的信息量,提高了效率,同时节省了用户的时间。
发明内容
本发明的目的是为了针对上述技术问题,提供了一种用户推荐方法、装置、计算机设备及计算机可读存储介质。
本发明的目的是通过以下技术方案来实现的:
第一方面,本发明实施例提供了一种用户推荐方法,所述方法包括:
获取目标用户上传的图像信息作为待识别图像;
识别所述待识别图像中的人脸,得到对应的人脸区域;
通过神经网络对所述人脸区域进行识别,得到与每个人脸区域对应的人脸图像信息;
将所述人脸图像信息与数据库中的标准人脸图像进行对比;
当确定所述人脸图像信息存在有对应的注册用户时,将所述人脸图像信息对应的注册用户作为备选用户;
当确定所述备选用户与所述目标用户处于非好友关系时,将所述备选用户推荐至所述目标用户。
可选的,所述识别所述待识别图像中的人脸,得到对应的人脸区域,包括:
获取所述待识别图像的红绿蓝RGB(Red Green Bule)值;
识别所述待识别图像中RGB值与预设人脸肤色RGB值匹配的多个人脸区域。
可选的,所述获取目标用户上传的图像信息作为待识别图像的步骤,包括:
获取所述待识别图像的几何特征;
当所述几何特征包含有人脸特征时,将所述图像信息作为待识别图像。
可选的,所述当所述几何特征包含有人脸特征时,将所述图像信息作为待识别图像,包括:当所述几何特征包含有人脸特征时,确定所述几何特征中包含的人脸特征数量;当所述几何特征中的人脸特征数量与预设人脸特征数量达到预设的阈值时,将所述图像信息作为待识别图像。
可选的,所述当确定所述备选用户与所述目标用户处于非好友关系时,将所述备选用户推荐至所述目标用户,还包括:
获取所述目标用户的标签信息与所述备选用户的标签信息;
当所述备选用户的标签信息与所述目标用户的标签信息重合度达到阈值时,将所述备选用户推荐至所述目标用户。
第二方面,本发明实施例提供了一种用户推荐装置,包括:
获取模块,用于获取目标用户上传的图像信息作为待识别图像;
识别模块,用于识别所述待识别图像中的人脸,得到对应的人脸区域;
运算模块,用于通过神经网络对所述人脸区域进行识别,得到与每个人脸区域对应的人脸图像信息;
对比模块,用于将所述人脸图像信息与数据库中的标准人脸图像进行对比;
判断模块,用于确定所述人脸图像信息存在有对应的注册用户时,将所述人脸图像信息对应的注册用户作为备选用户;
推送模块,用于当确定所述备选用户与所述目标用户处于非好友关系时,将所述备选用户推荐至所述目标用户。
可选的,所述识别模块还用于识别所述待识别图像的红绿蓝RGB值;识别所述待识别图像中RGB值与预设人脸肤色RGB值匹配的多个人脸区域。
可选的,所述获取模块还用于获取所述待识别图像的几何特征;当所述几何特征包含有人脸特征时,将所述图像信息作为待识别图像。
第三方面,本发明实施例还提供所述一种计算机设备,包括存储器和处理器,以及存储在所述存储器上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可实现本发明实施例提供的用户推荐方法的步骤。
第四方面,本发明实施例还提供了一种计算机可读存储介质,存储有计算机程序,所述处理器执行所述计算机程序时可实现本发明实施例提供的用户推荐方法的步骤。
在本发明实施例中,通过获取目标用户上传的图像信息作为待识别图像;识别所述待识别图像中的人脸,得到对应的人脸区域;通过神经网络对所述人脸区域进行识别,得到与每个人脸区域对应的人脸图像信息;将所述人脸图像信息与数据库中的标准人脸图像进行对比;当确定所述人脸图像信息存在有对应的注册用户时,将所述人脸图像信息对应的注册用户作为备选用户;当确定所述备选用户与所述目标用户处于非好友关系时,将所述备选用户推荐至所述目标用户。这样能够大幅度减少用户在选择对象信息或者其他信息时所需主动浏览或查询的信息量,提高了效率,同时节省了用户的时间。
附图说明
图1为本发明实施例提供的一种用户推荐方法流程图;
图2为本发明实施例提供的另一种用户推荐方法流程图;
图3为本发明实施例提供的一种用户推荐装置的结构图;
图4为本发明实施例提供的一种用户推荐计算机设备结构图。
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。
第一方面,在本发明实施例中,图1为本发明实施例提供的一种用户推荐方法流程图,如图1所示,该方法包括以下步骤:
S101、获取目标用户上传的图像信息作为待识别图像。
上述图像信息可以是目标用户通过电脑或者手机等电子设备在社交平台上上传的图像信息,也可以是经过用户或者他人的照相机、手机等摄像设备拍得来的图像信息。图像信息可以是目标用户通过电脑或者手机等电子设备在社交平台上传的图片,上传的图片可以是对附近的人进行拍摄得到的图像等。
目标用户可以通过电脑或者手机等电子设备在社交平台上将自己的图像信息进行上传,并且经目标用户上传的图像信息。例如,目标用户将自己拍摄的图片上传到社交平台中,目标用户上传的图片中的内容就是图像信息,当图片中的图像信息符合目标用户要求时,会把该图片作为待识别图像。
进一步的,在获取目标用户的动态信息中的图像信息,并符合用户的要求后,将图像信息进行提取并保存,以供步骤S102对图像信息进行识别。
S102、识别待识别图像中的人脸,得到对应的人脸区域。
上述人脸区域可以通过将待识别图像中的每个人脸轮廓进行提取,并将每个人脸轮廓区分成对应的每个人脸区域,从而识别出上述待识别图像中的每个人脸区域,比如,待识别图像中会有M个人,将待识别图像中的每个人脸轮廓进行提取,得到M个人的人脸轮廓,那么将M个人进行识别得出对应的M个人脸区域。
人脸区域可以通过点检测的方式将待识别图像中的每个人脸进行识别获取,其中,先安装一个跨平台计算机视觉库(Opencv),用跨平台计算机视觉库读取待识别图像中得到数据,依据得到的数据给出一个人脸检测器,用来检测人脸,得到待识别图像中人脸的个数,结合跨平台计算机视觉库读取待识别图像得到数据中的人脸的坐标,依据检测到的人脸的个数及其人脸的坐标确定出框出人脸,再训练一个人脸特征点检测器,点检测器存储有训练好的模型,可以用人脸特征点检测器来检测框出人脸中的特征点,得到待识别图像中的人脸相对应的人脸区域。
进一步的,在识别待识别图像中的多个人脸区域后,将多个人脸区域进行保存,以供步骤S103对上述人脸区域进行运算。
S103、通过神经网络对人脸区域进行识别,得到与每个人脸区域对应的人脸图像信息。
通过神经网络算法对上述人脸区域进行运算,得到与每个人脸区域对应的人脸图像信息。比如,在得到上述人脸区域后,将每个人脸区域中对应的人脸特征用符号表示,并组成输入数据,依据符号运算将输入数据串行模式进行逻辑推理,将这一逻辑推理的串行指令运算得到计算得到与每个人脸区域对应的人脸图像信息的结果。
人脸图像信息可以指的是目标用户所在地以及目标用户通过电脑或者手机等电子设备在社交平台上进行上传的图片、图片中的人脸特征、图片中的人脸结构化等信息。
进一步的,在通过多个神经网络算法分别对人脸区域进行识别中,上述通过多个神经网络中有比较的多的神经元,并且将区块图像信息进行符号化,加快了对上述人脸区域的运算速度,提高了对区块图像信息进行识别的效率。
S104、将人脸图像信息与数据库中的标准人脸图像进行对比。
上述标准人脸图像可以是目标用户所在的社交平台上的用户的人脸图像,并且将用户注册信息存储在数据库中,用户注册信息包括用户的头像信息、名字以及性别等。头像信息包括标准人脸图像信息、标准人脸图像上的人脸特征、以及头发的形状等。比如,在得到多个人脸图像信息后,将用户注册信息中的头像信息与人脸图像信息进行对比,得到用户注册信息中的头像信息与人脸图像信息进行对比情况。
进一步的,在得到用户注册信息中的头像信息与人脸图像信息进行对比情况后,当用户注册信息中的头像信息与人脸图像信息的对比情况一致时,判断人脸图像信息中的人物为注册用户。比如,当人脸图像信息中的人数有K个人时,用户注册信息中的头像信息与人脸图像信息的对比情况是:人脸图像信息中有N个人与用户注册信息中的头像信息中的N个人一致,则判断人脸图像信息中的N个人物为注册用户(其中,N是小于K的正整数)。
S105、当确定人脸图像信息存在有对应的注册用户时,将人脸图像信息对应的注册用户作为备选用户。
上述备选用户可以指的是人脸图像信息对应的用户,并且备选用户与目标用户所在的社交平台上都是注册用户。比如,当对待识别图像进行人脸识别,确定有K个人脸区域,即待识别图像中包含有K个人脸区域对应的人脸图像信息时,可将每个人脸图像信息与数据库中的存储的标准人脸图像进行对比。若是对比后确定有N个人脸图像信息与数据库中的标准人脸图像一致,则可以确定在目标用户上传的待识别图像包含的K个人脸中,存在N个注册用户,即存在有N个人注册成为了与目标用户所在社交平台的注册会员。可以将确定的N个注册用户作为备选用户,经过后续的确定后,则可以从N个备选用户中选取出符合推荐要求的用户作为推荐好友推送至目标用户。其中,N是小于或等于K的正整数。
S106、当确定备选用户与目标用户处于非好友关系时,将备选用户推荐至目标用户。
在目标用户所在的社交平台上,用户之间可以进行添加好友操作,使得两两用户之间存在好友关系,具备好友关系链。在确定目标用户上传的待识别图像中包含的人脸对应的用户哪些是属于社交平台的注册用户,且将这些注册用户作为备选用户时,可以进一步的检验备选用户与目标用户之间的好友关系。若是备选用户与目标用户之间存在好友关系,则没有必要再将该备选用户推荐至目标用户进行好友添加操作。若是确定备选用户与目标用户之间不存在好友关系,即确定备选用户与目标用户之间处于非好友关系,则可以将该备选用户推荐至目标用户,使得目标用户可以添加该备选用户,建立好友关系等。这种方式能够根据目标用户上传的待识别图像,识别出图像中的注册用户,且将与目标用户不具备好友关系的注册用户推荐至目标用户,提高了用户对添加好友的便利性,也可以使得当用户只有想添加的好友的照片时,也能够查找到该用户在该特定应用中的对应用户信息,从而目标用户可以快速获取到该用户的信息进行好友添加等。
进一步的,上述推送信息还可以依据目标用户的所在地范围将备选用户推荐给目标用户。其中,当上述备选用户中有多个人时,并且多个人中有距目标用户的所在地达到目标用户预设距离的备选用户时,则将该备选用户推荐至目标用户。比如,目标用户设置只接收距目标用户一千米的备选用户的推送信息。
在本发明实施例中,通过获取目标用户上传的图像信息作为待识别图像,识别待识别图像中的人脸,得到对应的人脸区域,通过神经网络对人脸区域进行识别,得到与每个人脸区域对应的人脸图像信息,将人脸图像信息与数据库中的标准人脸图像进行对比,当确定人脸图像信息存在有对应的注册用户时,将人脸图像信息对应的注册用户作为备选用户,当确定备选用户与目标用户处于非好友关系时,将备选用户推荐至目标用户。此方法能够大幅度减少用户在选择对象信息或者其他信息时所需主动浏览或查询的信息量,提高了效率,同时节省了用户的时间。
图2为本发明实施例提供的另一种用户推荐方法流程图,如图2所示,该方法包括以下步骤:
S201、获取目标用户上传的图像信息作为待识别图像。
S202、获取待识别图像的红绿蓝RGB值,识别待识别图像中RGB值与预设人脸肤色RGB值匹配的多个人脸区域。
上述多个人脸区域可以是通过采用Kinect等3D(Dimensions)体感摄影机设备的方式识别待识别图像的红绿蓝RGB值。其中,在获取待识别图像的红绿蓝RGB值后,利用K-means类聚算法对待识别图像进行背景分割处理,然后采用随机森林算法对待识别图像中的头部姿势估计,并且利用我们的算法进行脸区域检测和裁剪,最后根据随机森林算法估计出待识别图像中的头部姿态,将一组脸部图像集分成多个子图像集,可以通过协方差距阵表示图像模型在黎曼空间中的一个子图像集的方法以实现降维,并使用SVW模型分别学习每个子图像集,然后将所有子图像集结果融合得出最终的识别结果。
通过采用Kinect等3D体感摄影机设备的方式识别待识别图像的红绿蓝RGB值后,依据待识别图像中的RGB值与预设人脸肤色RGB值匹配的多个人脸区域。
进一步的,在识别待识别图像中的多个人脸区域后,将多个人脸区域进行保存,以供步骤S203对上述人脸区域进行运算。
S203、通过神经网络对人脸区域进行识别,得到与每个人脸区域对应的人脸图像信息。
S204、将人脸图像信息与数据库中的标准人脸图像进行对比。
S205、当确定人脸图像信息存在有对应的注册用户时,将人脸图像信息对应的注册用户作为备选用户。
S206、当确定备选用户与目标用户处于非好友关系时,将备选用户推荐至目标用户。
在本发明实施例中,通过获取目标用户上传的图像信息作为待识别图像;识别待识别图像中的人脸,得到对应的人脸区域;通过神经网络对人脸区域进行识别,得到与每个人脸区域对应的人脸图像信息;将人脸图像信息与数据库中的标准人脸图像进行对比;当确定人脸图像信息存在有对应的注册用户时,将人脸图像信息对应的注册用户作为备选用户;当确定备选用户与目标用户处于非好友关系时,将备选用户推荐至目标用户。这样能够大幅度减少用户在选择对象信息或者其他信息时所需主动浏览或查询的信息量,提高了效率,同时节省了用户的时间。
本实施例中,在图1所示的实施例的基础上增加了实施方式,获取目标用户上传的图像信息作为待识别图像的步骤,包括:获取待识别图像的几何特征;当几何特征包含有人脸特征时,将图像信息作为待识别图像。这样能够大幅度减少用户在选择对象信息或者其他信息时所需主动浏览或查询的信息量,提高了效率。
在一个实施例中,获取目标用户上传的图像信息作为待识别图像的步骤,包括:获取待识别图像的几何特征;当几何特征包含有人脸特征时,确定几何特征中包含的人脸特征数量;当几何特征中的人脸特征数量与预设人脸特征数量达到预设的阈值时,将图像信息作为待识别图像;识别待识别图像中的人脸,得到对应的人脸区域;通过神经网络对人脸区域进行识别,得到与每个人脸区域对应的人脸图像信息;将人脸图像信息与数据库中的标准人脸图像进行对比;当确定人脸图像信息存在有对应的注册用户时,将人脸图像信息对应的注册用户作为备选用户;当确定备选用户与目标用户处于非好友关系时,将备选用户推荐至目标用户。
上述人脸特征可以指的是人脸区域上中脸上斑点的多寡、脸部的肌肉伸张状态、脸部的器官大小程度、脸部的器官坐标的差异以及脸部的器官的形状差异等等。例如,某一个人对图像信息中的人脸特征的数量预设一个阈值进行设置,可以设置有两个伤疤为人脸特征的数量时,当几何特征中的人脸特征数量与预设人脸特征数量达到预设的阈值时,可以将该图像信息作为待识别图像。这样能够大幅度减少用户在选择对象信息或者其他信息时所需主动浏览或查询的信息量,提高了效率。
在一个实施例中,当确定备选用户与目标用户处于非好友关系时,将备选用户推荐至目标用户,还包括:获取目标用户的标签信息与备选用户的标签信息;当备选用户的标签信息与目标用户的标签信息重合度达到阈值时,将备选用户推荐至目标用户。
上述标签信息可以通过备选用户存储在数据库的用户注册信息中获取。其中,标签信息可以是行为上的标签、饮食上的标签、穿着上的标签、性格上的标签、以及各行业上的标签等,比如,为人幽默、喜欢旅行以及旅行的各个站点、喜欢的食品类型、喜欢的穿着类型、装潢类型、影视等。
例如:在上述注册信息中有一个注册用户的备选用户,该备选用户的户名为李明,性别为男,并且他的标签信息是为人幽默、喜欢金庸武侠等影视、喜欢的衣服是衬衫、喜欢摄影等。当该名为李明的备选用户的标签信息与目标用户的标签信息重合度达到阈值时,比如,设置目标用户与备选用户之间的标签信息有百分之八十的重合度为阈值时,则向目标用户推送可添加好友的推送信息,将备选用户推荐至目标用户。这样能够大幅度减少用户在选择对象信息或者其他信息时所需主动浏览或查询的信息量,提高了效率,同时节省了用户的时间。
第二方面,如图3所示,图3为本发明的一种用户推荐装置300结构图,包括:
获取模块301,用于获取目标用户上传的图像信息作为待识别图像。
识别模块302,用于识别待识别图像中的人脸,得到对应的人脸区域。
运算模块303,用于通过神经网络对人脸区域进行识别,得到与每个人脸区域对应的人脸图像信息。
对比模块304,用于将人脸图像信息与数据库中的标准人脸图像进行对比。
判断模块305,用于确定人脸图像信息存在有对应的注册用户时,将人脸图像信息对应的注册用户作为备选用户。
推送模块306,用于当确定备选用户与目标用户处于非好友关系时,将备选用户推荐至目标用户。
在一个实施例中,上述识别模块302还用于识别待识别图像的红绿蓝RGB值;识别待识别图像中RGB值与预设人脸肤色RGB值匹配的多个人脸区域。
在一个实施例中,上述获取模块301还用于获取待识别图像的几何特征;当几何特征包含有人脸特征时,将图像信息作为待识别图像。
在一个实施例中,上述获取模块301还用于执行当几何特征包含有人脸特征时,将图像信息作为待识别图像,包括:当几何特征包含有人脸特征时,确定几何特征中包含的人脸特征数量;当几何特征中的人脸特征数量与预设人脸特征数量达到预设的阈值时,将图像信息作为待识别图像。
在一个实施例中,上述推送模块306还用于执行当确定备选用户与目标用户处于非好友关系时,将备选用户推荐至目标用户,包括:获取目标用户的标签信息与备选用户的标签信息;当备选用户的标签信息与目标用户的标签信息重合度达到阈值时,将备选用户推荐至目标用户。
本发明实施例提供的装置能够实现上述方法实施例中一种用户推荐装置300实现的各个过程,为避免重复,这里不再赘述,且可以达到相同的有益效果。
第三方面,请参见图4,图4为实现本发明实施例提供的一种计算机设备400结构图。
该计算机设备400包括但不限于:射频单元401、处理器402、存储器403、以及电源404等部件。计算机设备400可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。在本发明实施例中,计算机设备400包括但不限于笔记本电脑、计算机等计算机设备400。
可选的,处理器402用于执行获取目标用户上传的图像信息作为待识别图像;识别待识别图像中的人脸,得到对应的人脸区域;通过神经网络对人脸区域进行识别,得到与每个人脸区域对应的人脸图像信息;将人脸图像信息与数据库中的标准人脸图像进行对比;当确定人脸图像信息存在有对应的注册用户时,将人脸图像信息对应的注册用户作为备选用户;当确定备选用户与目标用户处于非好友关系时,将备选用户推荐至目标用户。
可选的,处理器402用于执行识别待识别图像中的人脸,得到对应的人脸区域,包括:获取待识别图像的红绿蓝RGB值;识别待识别图像中RGB值与预设人脸肤色RGB值匹配的多个人脸区域。
可选的,处理器402用于获取目标用户上传的图像信息作为待识别图像的步骤,包括:获取待识别图像的几何特征;当几何特征包含有人脸特征时,将图像信息作为待识别图像。
可选的,处理器402用于执行当几何特征包含有人脸特征时,将图像信息作为待识别图像,包括:当几何特征包含有人脸特征时,确定几何特征中包含的人脸特征数量;当几何特征中的人脸特征数量与预设人脸特征数量达到预设的阈值时,将图像信息作为待识别图像。
可选的,处理器402用于执行当确定备选用户与目标用户处于非好友关系时,将备选用户推荐至目标用户,包括:获取目标用户的标签信息与备选用户的标签信息;当备选用户的标签信息与目标用户的标签信息重合度达到阈值时,将备选用户推荐至目标用户。
处理器402是计算器设备400的控制中心,利用各种接口和线路连接整个计算器设备的各个部分,通过运行或执行存储在存储器403内的软件程序和/或模块,以及调用存储在存储器403内的数据,执行计算器设备的各种功能和模块,从而对计算器设备进行整体监控。优选的,处理器402可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器402中。
射频单元401可用于收发图像信息,具体的,将来自于基站的图像信息下行数据接收后,将图像信息下行数据交给处理器402处理;另外,射频单元401还可以将图像信息上行数据发送给基站。通常,射频单元401不限于天线、收发信机、耦合器、低噪声发大器等。此外,射频单元401还可以通过无线通信系统与网络和其他设备通信。
存储器403可用于存储软件程序以及图像信息等。存储器403可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统,至少包括一个功能所需的应用程序等;此外,存储器403可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件等,在此不再赘述。
第四方面,在一个实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器402执行时实现上述用户推荐方法实施例的各个过程。其中,上述的计算机可读存储介质,如只读存储器403(Read-OnlyMemory,简称ROM)、随机存取存储器403(Random Access Memory,简称RAM)、磁碟或者光盘等。
需要说明的是,在本文中,术语“包括”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台管理装置执行本发明各个实施例的方法。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施方式只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (10)
1.一种用户推荐方法,其特征在于,包括步骤:
获取目标用户上传的图像信息作为待识别图像;
识别所述待识别图像中的人脸,得到对应的人脸区域;
通过神经网络对所述人脸区域进行识别,得到与每个人脸区域对应的人脸图像信息;
将所述人脸图像信息与数据库中的标准人脸图像进行对比;
当确定所述人脸图像信息存在有对应的注册用户时,将所述人脸图像信息对应的注册用户作为备选用户;
当确定所述备选用户与所述目标用户处于非好友关系时,将所述备选用户推荐至所述目标用户。
2.如权利要求1所述的方法,其特征在于,所述识别所述待识别图像中的人脸,得到对应的人脸区域,包括:
获取所述待识别图像的红绿蓝RGB值;
识别所述待识别图像中RGB值与预设人脸肤色RGB值匹配的多个人脸区域。
3.如权利要求1至2中任一项所述的方法,其特征在于,所述获取目标用户上传的图像信息作为待识别图像的步骤,包括:
获取所述待识别图像的几何特征;
当所述几何特征包含有人脸特征时,将所述图像信息作为待识别图像。
4.如权利要求3所述的方法,其特征在于,所述当所述几何特征包含有人脸特征时,将所述图像信息作为待识别图像,包括:
当所述几何特征包含有人脸特征时,确定所述几何特征中包含的人脸特征数量;当所述几何特征中的人脸特征数量与预设人脸特征数量达到预设的阈值时,将所述图像信息作为待识别图像。
5.如权利要求1至2中任一项所述的方法,其特征在于,所述当确定所述备选用户与所述目标用户处于非好友关系时,将所述备选用户推荐至所述目标用户,包括:
获取所述目标用户的标签信息与所述备选用户的标签信息;
当所述备选用户的标签信息与所述目标用户的标签信息重合度达到阈值时,将所述备选用户推荐至所述目标用户。
6.一种用户推荐装置,其特征在于,包括:
获取模块,用于获取目标用户上传的图像信息作为待识别图像;
识别模块,用于识别所述待识别图像中的人脸,得到对应的人脸区域;
运算模块,用于通过神经网络对所述人脸区域进行识别,得到与每个人脸区域对应的人脸图像信息;
对比模块,用于将所述人脸图像信息与数据库中的标准人脸图像进行对比;
判断模块,用于确定所述人脸图像信息存在有对应的注册用户时,将所述人脸图像信息对应的注册用户作为备选用户;
推送模块,用于当确定所述备选用户与所述目标用户处于非好友关系时,将所述备选用户推荐至所述目标用户。
7.如权利要求6所述的装置,其特征在于,所述识别模块还用于识别所述待识别图像的红绿蓝RGB值;
识别所述待识别图像中RGB值与预设人脸肤色RGB值匹配的多个人脸区域。
8.如权利要求6至7中所述的装置,其特征在于,所述获取模块还用于获取所述待识别图像的几何特征;当所述几何特征包含有人脸特征时,将所述图像信息作为待识别图像。
9.一种计算机设备,其特征在于,包括:存储器、处理器及存储在所述存储器上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可实现如权利要求1-5中任一项所述方法中的步骤。
10.一种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,使得所述处理器执行如权利要求1-5中任一项所述方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811576583.7A CN109753605A (zh) | 2018-12-22 | 2018-12-22 | 用户推荐方法、装置、计算机设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811576583.7A CN109753605A (zh) | 2018-12-22 | 2018-12-22 | 用户推荐方法、装置、计算机设备及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109753605A true CN109753605A (zh) | 2019-05-14 |
Family
ID=66403853
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811576583.7A Pending CN109753605A (zh) | 2018-12-22 | 2018-12-22 | 用户推荐方法、装置、计算机设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109753605A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110414455A (zh) * | 2019-08-01 | 2019-11-05 | 珠海格力电器股份有限公司 | 基于图像识别的颜值排序及匹配度判断方法、计算机可读存储介质及终端 |
CN111178124A (zh) * | 2019-09-26 | 2020-05-19 | 重庆市链盟联智能科技有限责任公司 | 一种婚恋交友系统及其数据处理方法 |
CN112685588A (zh) * | 2020-11-09 | 2021-04-20 | 北京达佳互联信息技术有限公司 | 资源推荐方法、装置、设备和存储介质 |
CN112882396A (zh) * | 2021-01-25 | 2021-06-01 | 海尔(深圳)研发有限责任公司 | 用于智能家居设备控制的方法、装置及智能家居设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103324636A (zh) * | 2012-03-22 | 2013-09-25 | 三星电子(中国)研发中心 | 在社交网络中推荐好友的系统和方法 |
CN103678323A (zh) * | 2012-09-03 | 2014-03-26 | 上海唐里信息技术有限公司 | Sns网络中好友推荐方法与系统 |
US20170171294A1 (en) * | 2015-12-15 | 2017-06-15 | Yahoo! Inc. | Computerized System And Method For Determining And Communicating Media Content To A User Based On A Physical Location Of The User |
-
2018
- 2018-12-22 CN CN201811576583.7A patent/CN109753605A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103324636A (zh) * | 2012-03-22 | 2013-09-25 | 三星电子(中国)研发中心 | 在社交网络中推荐好友的系统和方法 |
CN103678323A (zh) * | 2012-09-03 | 2014-03-26 | 上海唐里信息技术有限公司 | Sns网络中好友推荐方法与系统 |
US20170171294A1 (en) * | 2015-12-15 | 2017-06-15 | Yahoo! Inc. | Computerized System And Method For Determining And Communicating Media Content To A User Based On A Physical Location Of The User |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110414455A (zh) * | 2019-08-01 | 2019-11-05 | 珠海格力电器股份有限公司 | 基于图像识别的颜值排序及匹配度判断方法、计算机可读存储介质及终端 |
CN111178124A (zh) * | 2019-09-26 | 2020-05-19 | 重庆市链盟联智能科技有限责任公司 | 一种婚恋交友系统及其数据处理方法 |
CN112685588A (zh) * | 2020-11-09 | 2021-04-20 | 北京达佳互联信息技术有限公司 | 资源推荐方法、装置、设备和存储介质 |
CN112685588B (zh) * | 2020-11-09 | 2024-05-17 | 北京达佳互联信息技术有限公司 | 资源推荐方法、装置、设备和存储介质 |
CN112882396A (zh) * | 2021-01-25 | 2021-06-01 | 海尔(深圳)研发有限责任公司 | 用于智能家居设备控制的方法、装置及智能家居设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109753605A (zh) | 用户推荐方法、装置、计算机设备及计算机可读存储介质 | |
CN111461089B (zh) | 一种人脸检测的方法、人脸检测模型的训练方法及装置 | |
KR102195922B1 (ko) | 인터넷에 기반하는 얼굴 미화 시스템 | |
CN112508094B (zh) | 垃圾图片的识别方法、装置及设备 | |
CN107193983A (zh) | 图像搜索方法及装置 | |
US11501564B2 (en) | Mediating apparatus and method, and computer-readable recording medium thereof | |
CN103970830B (zh) | 信息推荐方法和装置 | |
CN108734146A (zh) | 人脸图像年龄判断方法、装置、计算机设备及存储介质 | |
CN109872407B (zh) | 一种人脸识别方法、装置、设备及打卡方法、装置和系统 | |
CN110378276B (zh) | 车辆状态获取方法、装置、设备、及存储介质 | |
CN107465886A (zh) | 中介方法、中介装置及系统、以及记录媒体 | |
CN108319888A (zh) | 视频类型的识别方法及装置、计算机终端 | |
JP2021515321A (ja) | メディア処理方法、その関連装置及びコンピュータプログラム | |
CN110263729A (zh) | 一种镜头边界检测的方法、模型训练方法以及相关装置 | |
CN109146605A (zh) | 信息推送方法及相关产品 | |
CN108228852A (zh) | 电子相册封面生成的方法、装置及计算机可读存储介质 | |
CN108984576A (zh) | 一种基于卷积神经网络的专利文献获取方法及系统 | |
CN113205129B (zh) | 一种作弊团伙识别方法、装置、电子设备及存储介质 | |
CN108446688B (zh) | 人脸图像性别判断方法、装置、计算机设备及存储介质 | |
CN110399812A (zh) | 人脸特征智能提取方法、装置及计算机可读存储介质 | |
CN109190032A (zh) | 推送方法、装置的存储介质 | |
KR101738580B1 (ko) | 표정 인식 기반 음원 제공 시스템 및 서비스 | |
CN107609513A (zh) | 视频类型确定方法及装置 | |
CN109034059B (zh) | 静默式人脸活体检测方法、装置、存储介质及处理器 | |
CN110135422A (zh) | 一种密集目标的检测方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190514 |