CN110111136A - 视频数据处理方法、装置、计算机设备和存储介质 - Google Patents
视频数据处理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110111136A CN110111136A CN201910295658.2A CN201910295658A CN110111136A CN 110111136 A CN110111136 A CN 110111136A CN 201910295658 A CN201910295658 A CN 201910295658A CN 110111136 A CN110111136 A CN 110111136A
- Authority
- CN
- China
- Prior art keywords
- data
- user
- product
- label
- portrait
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
- G06Q30/0271—Personalized advertisement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs
- H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies
Abstract
本申请涉及大数据技术领域,提供了一种视频数据处理方法、装置、计算机设备和存储介质。方法包括:对待处理的视频数据进行画面分帧,并提取画面帧中用户的生物特征数据,根据生物特征数据确定用户的身份信息,从而获取用户的用户画像,将用户画像携带的用户特征标签与预设产品集合中各产品的产品数据标签进行匹配,筛选预设产品集合中匹配结果满足预设匹配要求的目标产品,将目标产品的数据信息添加至画面帧,得到处理后的视频数据。使工作人员在视频数据中直观的了解到客户需求,无需工作人员在获悉用户的身份之后进行数据查找和二次分析,在提高数据分析效率的同时能为辅助工作人员为用户提供精准的产品推荐服务,提高服务效率。
Description
技术领域
本申请涉及大数据技术领域,特别是涉及一种视频数据处理方法、装置、计算机设备和存储介质。
背景技术
随着移动互联网,人工智能等技术的飞速发展,以及互联网金融的兴起,通过分析客户需求,推荐合适的金融产品已成为金融行业的营销主流,现有的金融产品的营销主要通过网站或是电话等向客户推荐产品,对于营业厅、银行等人员流动性强的服务场所,工作人员对于客户的了解基于与用户的交流与用户的需求表达,服务效率不高。
而传统的技术中,对于用户需求的分析过程中,基于工作人员的搜索和查询,得到的数据零散,工作人员还需要根据得到的数据进行二次加工分析来确定用户需求,从而导致服务效率不高。
发明内容
基于此,有必要针对上述技术问题,提供一种能提高服务效率的视频数据处理方法、装置、计算机设备和存储介质。
一种视频数据处理方法,方法包括:
对待处理的视频数据进行画面分帧,并提取画面帧中用户的生物特征数据;
根据所述生物特征数据,确定所述用户的身份信息;
根据所述用户的身份信息,获取所述用户的用户画像;
将所述用户画像携带的用户特征标签与预设产品集合中各产品的产品数据标签进行匹配;
筛选所述预设产品集合中产品数据标签与所述用户数据标签匹配结果满足预设匹配要求的目标产品;
将所述目标产品的数据信息添加至所述画面帧,得到处理后的视频数据。
在其中一个实施例中,所述对待处理的视频数据进行画面分帧,并提取画面帧中的用户的生物特征数据包括:
对待处理的视频数据进行画面分帧,识别所述画面帧中的用户数量;
当所述用户数量为多个时,分配多个线程分别提取各所述用户的生物特征数据;
所述将所述目标产品的数据信息添加至所述画面帧,得到处理后的视频数据,包括:
建立各所述目标产品与对应所述用户的关联关系,并将各所述目标产品的数据信息添加至所述画面帧中各所述用户的预设画面区域,得到处理后的视频数据。
在其中一个实施例中,所述对待处理的视频数据进行画面分帧,并提取画面帧中用户的生物特征数据包括:
对待处理的视频数据进行画面分帧,根据画面帧的画面参数,确定待提取的生物特征数据类型;
采用与所述待提取的生物特征数据类型对应的数据提取算法,提取画面帧中用户的生物特征数据。
在其中一个实施例中,所述根据所述生物特征数据,确定所述用户的身份信息包括:
当所述生物特征数据类型为虹膜特征数据时,遍历预设虹膜特征数据库,查找所述预设虹膜特征数据库中与所述虹膜特征数据匹配的目标虹膜特征数据,并获取与所述目标虹膜特征数据对应的用户身份信息;
当所述生物特征数据类型为人脸特征数据时,遍历预设人脸特征数据库,查找所述预设人脸特征数据库中与所述人脸特征数据匹配的目标人脸特征数据,并获取与所述目标人脸特征数据对应的用户身份信息。
在其中一个实施例中,所述根据所述用户的身份信息,获取所述用户的用户画像之前,还包括:
获取预设数据维度中与所述用户的身份信息关联的历史数据,对所述历史数据进行数据清洗处理;
根据所述预设维度,对清洗后的历史数据进行聚类分析,生成聚类数据集合,所述聚类数据集合携带有用户数据标签;
根据所述用户数据标签,生成用户画像。
在其中一个实施例中,所述根据所述用户数据标签,生成用户画像包括:
获取各所述聚类数据集合中数据的聚类稠密度;
根据所述聚类稠密度,计算所述聚类数据集合携带的用户数据标签的数据比重;
根据各所述用户数据标签的数据比重,对各所述用户数据标签进行排序;
根据排序后的用户数据标签,生成用户画像。
在其中一个实施例中,所述将所述用户画像携带的用户特征标签与预设产品集合中各产品的产品数据标签进行匹配之前,还包括:
获取待标识产品对应的多个用户的共性数据信息;
根据所述共性数据信息,生成所述多个用户对应的共性用户画像;
建立所述共性用户画像与所述待标识产品映射关系;
根据所述用户画像携带的用户特征标签与所述映射关系,确定所述待标识产品的应用数据标签;
根据所述待标识产品携带的属性数据标签和所述应用数据标签,生成所述待标识产品的产品数据标签;
根据携带有所述产品数据标签的产品,构建所述预设产品集合。
一种视频数据处理装置,所述装置包括:
生物特征提取模块,用于对待处理的视频数据进行画面分帧,并提取画面帧中用户的生物特征数据;
身份信息确定模块,用于根据所述生物特征数据,确定所述用户的身份信息;
用户画像获取模块,用于根据所述用户的身份信息,获取所述用户的用户画像;
数据标签匹配模块,用于将所述用户画像携带的用户特征标签与预设产品集合中各产品的产品数据标签进行匹配;
目标产品筛选模块,用于筛选所述预设产品集合中产品数据标签与所述用户数据标签匹配结果满足预设匹配要求的目标产品;
数据信息添加模块,用于将所述目标产品的数据信息添加至所述画面帧,得到处理后的视频数据。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
对待处理的视频数据进行画面分帧,并提取画面帧中用户的生物特征数据;
根据所述生物特征数据,确定所述用户的身份信息;
根据所述用户的身份信息,获取所述用户的用户画像;
将所述用户画像携带的用户特征标签与预设产品集合中各产品的产品数据标签进行匹配;
筛选所述预设产品集合中产品数据标签与所述用户数据标签匹配结果满足预设匹配要求的目标产品;
将所述目标产品的数据信息添加至所述画面帧,得到处理后的视频数据。
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执行时实现以下步骤:
对待处理的视频数据进行画面分帧,并提取画面帧中用户的生物特征数据;
根据所述生物特征数据,确定所述用户的身份信息;
根据所述用户的身份信息,获取所述用户的用户画像;
将所述用户画像携带的用户特征标签与预设产品集合中各产品的产品数据标签进行匹配;
筛选所述预设产品集合中产品数据标签与所述用户数据标签匹配结果满足预设匹配要求的目标产品;
将所述目标产品的数据信息添加至所述画面帧,得到处理后的视频数据。
上述视频数据处理方法、装置、计算机设备和存储介质,通过对包含用户的视频进行分析,提取视频中用户的生物特征数据来明确用户的身份信息,使得数据分析根据精准有效,并基于用户的身份信息,获取用户画像匹配合适的目标产品,基于用户画像携带的用户数据标签与产品数据标签的匹配,可以获得更满足用户喜好的目标产品,并在视频中增加适用于用户的目标产品的数据信息,可以使工作人员在视频数据中直观的了解到客户需求,无需工作人员在获悉用户的身份之后进行数据查找和二次分析,在提高了数据分析效率的同时能为辅助工作人员为用户提供精准的产品推荐服务,提高服务效率。
附图说明
图1为一个实施例中视频数据处理方法的应用场景图;
图2为一个实施例中视频数据处理方法的流程示意图;
图3为另一个实施例中视频数据处理方法的流程示意图;
图4为另一个实施例中视频数据处理方法的流程示意图;
图5为一个实施例中图4中步骤S360的子步骤的流程示意图;
图6为一个实施例中视频数据处理装置的结构框图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的视频数据处理方法,可以应用于如图1所示的应用环境中。其中,视频采集设备102以及终端106与服务器104通过网络进行通信。视频采集设备102采集服务场所的视频画面,并将采集的待处理视频发送至服务器104,服务器104对接收待处理的视频数据进行画面分帧,并提取画面帧中用户的生物特征数据,根据生物特征数据,确定画面帧中用户的身份信息,服务器104获取用户的身份信息获取用户的用户画像,将用户画像携带的用户特征标签与预设产品集合中各产品的产品数据标签进行匹配,筛选预设产品集合中产品数据标签与用户数据标签匹配结果满足预设匹配要求的目标产品作为待推荐给画面帧中对应用户的产品,服务器104将目标产品的数据信息添加至画面帧,得到处理后的视频数据,并将处理后添加有目标产品的数据信息的视频数据推送至终端106。其中,视频采集设备可以但不限于摄像机、携带摄像头的装置等。终端106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,服务器104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。
在一个实施例中,如图2所示,提供了一种视频数据处理方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤S200,对待处理的视频数据进行画面分帧,并提取画面帧中用户的生物特征数据。
待处理的视频数据是指通过视频采集设备直接采集并传送至服务器的视频数据,待分析的视频数据中包括一个或多个待分析的用户。视频采集设备可以是安装于营业厅、银行等服务场所的摄像头等,视频采集设备可以安装于服务场所中的入口处、服务台或服务窗口的座位面向处等易于清楚拍摄到用户面部的位置,便于采集到清晰、易于辨识处理的视频数据。画面分帧是指将视频按照视频流的时间顺序,进行画面帧的拆分过程,将连续的视频数据拆分为多个单独的画面。画面帧中可以有一个或者多个用户的面部图像,通过生物特征识别,提取各个面部图像中的生物特征数据,生物特征数据是指虹膜特征数据和人脸特征数据等可以表征人体固有的生理特征数据,可以对身份进行验证和识别。其中,虹膜识别过程包括获取画面帧中的虹膜图像,对虹膜图像进行预处理,虹膜图像预处理包括眼睑及边缘定位,图像归一化,图像对比度的增强以及噪声处理,利用2D Log-Gabor滤波器提取预处理后的虹膜图像的相位信息,根据相位信息产生虹膜特征码作为虹膜特征数据。人脸识别过程包括提取画面帧中的人脸图像,对人脸图像进行预处理,人脸图像预处理包括位置校准、尺寸不变以及灰度归一化处理,通过主元分析将预处理后的人脸图像映射到子空间,在子空间中采用轻量级表示协议进行数据降维,得到映射矩阵作为人脸特征数据。具体来说,可以根据视频画面帧的画面提取程度,确定合适的生物特征提取方法,例如,根据用户与摄像头的距离参数或是画面帧中的面部画面大小,选择生物特征提取方法,例如,用户与摄像头的距离参数较近时,采用虹膜特征提取进行分析,用户与摄像头的距离参数较远时,采用人脸特征提取进行分析,距离的远近是相对概念,具体可以根据设定的距离参数阈值来进行判断远近,确定采用哪种生物特征提取方法。
步骤S300,根据生物特征数据,确定用户的身份信息。
根据提取的生物特征数据,可以通过如银行、公安等权威机构授权的数据库进行用户身份的匹配,确认用户的身份信息。数据库包括虹膜特征数据库和人脸特征数据库,根据提取完成的生物特征的类别,选择对应的数据库,进行数据信息的匹配。在实施例中,若服务器自身数据库中包含存储有生物特征的数据库,则可通过遍历数据库,查找与提取的生物特征数据匹配的数据,并获得该数据对应的用户身份信息。若服务器自身数据库中不包含存储有生物特征的数据库,则将携带有提取的生物特征数据的数据查找请求消息发送至预设的权威机构系统,数据查找请求消息使预设的权威机构系统进行数据匹配和身份信息的反馈,根据反馈的信息确定用户的身份信息。
步骤S400,根据用户的身份信息,获取用户的用户画像。
用户画像通过各预设维度中与身份信息关联的历史数据生成得到,预设维度根据应用环境进行设定,如金融行业的预设维度信息可以包括用户的基本信息、资金状况、历史购买金融产品记录,消费习惯,风险偏好等多维度信息,各维度的历史数据可以通过查找数据库中已有的数据来获得,也可以通过权威机构的授权数据中查询获得。按照各维度,对数据信息进行聚类处理,得到每一维度的用户数据标签,构成用户画像,用户画像是指包含有众多标签构成的标签集合的虚拟代表,是根据用户的属性、用户偏好、生活习惯、用户行为等信息而抽象出来的标签化用户模型,而用户画像中的用户数据标签是通过对用户信息及各个指定维度的相关历史数据分析而来的高度精炼的特征标识。不同用户对应有不同用户画像,根据用户身份信息,可获取得到预先生成的对应用户画像。
步骤S500,将用户画像携带的用户特征标签与预设产品集合中各产品的产品数据标签进行匹配。
预设产品集合是指能够为用户提供的所有产品构成的集合,产品数据标签是指与用户画像中的用户数据标签存在映射关系,用于表征产品特点的标签。匹配是指根据预设的映射关系以及用户画像携带的用户特征标签,对产品数据标签进行关联关系的计算和产品的筛选过程。
步骤S600,筛选预设产品集合中产品数据标签与用户数据标签匹配结果满足预设匹配要求的目标产品。
由于用户画像携带的用户特征标签和产品的数据标签都是多个,匹配过程中,优先匹配用户画像中比重大的用户数据标签,并按照用户画像的用户数据标签的比重顺序,依次对预设产品集合中的产品进行筛选,得到匹配度最高的产品作为目标产品。
步骤S700,将目标产品的数据信息添加至画面帧,得到处理后的视频数据。
服务器处理得到的视频数据用于展示给终端,便于工作人员根据终端中显示的内容,确定需要为用户推荐的产品,目标产品的数据信息可以包括产品名称,还可以包括产品的相关介绍与产品数据标签。目标产品的数据信息可以添加至画面帧中与对应用户所在位置的关联区域,例如,在用户头像上方添加目标产品的数据信息,当视频的画面中出现多个用户时,可以准确区分具体为哪个用户推荐哪种产品。
上述视频数据处理方法,通过对包含用户的视频进行分析,提取视频中用户的生物特征数据来明确用户的身份信息,使得数据分析根据精准有效,并基于用户的身份信息,获取用户画像匹配合适的目标产品,基于用户画像携带的用户数据标签与产品数据标签的匹配,可以获得更满足用户喜好的目标产品,并在视频中增加适用于用户的目标产品的数据信息,可以使工作人员在视频数据中直观的了解到客户需求,无需工作人员在获悉用户的身份之后进行数据查找和二次分析,在提高了数据分析效率的同时能为辅助工作人员为用户提供精准的产品推荐服务,提高服务效率。
在一个实施例中,如图3所示,步骤S200,对待处理的视频数据进行画面分帧,并提取画面帧中的用户的生物特征数据包括:
步骤S210,对待处理的视频数据进行画面分帧,识别画面帧中的用户数量。
步骤S220,当用户数量为多个时,分配多个线程分别提取各用户的生物特征数据。
步骤S700,将目标产品的数据信息添加至画面帧,得到处理后的视频数据,包括:
步骤S720,建立各目标产品与对应用户的关联关系,并将各目标产品的数据信息添加至画面帧中各用户的预设画面区域,得到处理后的视频数据。
线程是指程序执行流的最小单元,多个线程可以同时执行,画面帧中用户数量的识别可以通过五官的检测来确定,画面中的每一个用户采用一个生物特征分析线程来进行分析,可以提高分析速率,满足多用户环境下的分析需求。各个用户经过数据分析得到对应的目标产品,建立各目标产品与对应用户的关联关系,将各目标产品的数据信息可以添加至画面帧中对应的各个用户所在位置的关联区域,例如用户头像上方或周围其他指定位置添加该用户目标产品的数据信息。
在一个实施例中,如图4所示,步骤S200,对待处理的视频数据进行画面分帧,并提取画面帧中用户的生物特征数据包括:
步骤S240,对待处理的视频数据进行画面分帧,根据画面帧的画面参数,确定待提取的生物特征数据类型。
步骤S260,采用与待提取的生物特征数据类型对应的数据提取算法,提取画面帧中用户的生物特征数据。
画面参数包括画面图像中目标区域如眼睛或人脸轮廓在整个画面图像中的占比数据,当眼睛在整个画面图像中的占比达到虹膜特征提取对应的占比参数范围要求时,选择虹膜特征数据提取算法,对画面帧进行虹膜特征数据的提取。虹膜识别过程包括获取画面帧中的虹膜图像,对虹膜图像进行预处理,虹膜图像预处理包括眼睑及边缘定位,图像归一化,图像对比度的增强以及噪声处理,利用2D Log-Gabor滤波器提取预处理后的虹膜图像的相位信息,根据相位信息产生虹膜特征码作为虹膜特征数据。当人脸轮廓在整个画面图像中的占比达到人脸特征提取对应的占比参数范围要求时,选择人脸特征数据提取算法,对画面帧进行人脸特征数据的提取。人脸识别过程包括提取画面帧中的人脸图像,对人脸图像进行预处理,人脸图像预处理包括位置校准、尺寸不变以及灰度归一化处理,通过主元分析将预处理后的人脸图像映射到子空间,在子空间中采用轻量级表示协议进行数据降维,得到映射矩阵作为人脸特征数据。根据不同的画面参数,采用不同的分析方法,可以扩大身份识别的应用范围,降低识别要求,使识别分析更为灵活。
在一个实施例中,步骤S300,根据生物特征数据,确定用户的身份信息包括:
当生物特征数据类型为虹膜特征数据时,遍历预设虹膜特征数据库,查找预设虹膜特征数据库中与虹膜特征数据匹配的目标虹膜特征数据,并获取与目标虹膜特征数据对应的用户身份信息。
当生物特征数据类型为人脸特征数据时,遍历预设人脸特征数据库,查找预设人脸特征数据库中与人脸特征数据匹配的目标人脸特征数据,并获取与目标人脸特征数据对应的用户身份信息。
预设虹膜特征数据库和预设人脸特征数据库可以根据用户事先录入的虹膜或人脸数据来构建,存储于服务器的数据库中,还可以根据用户利用各大权威机构采集的用户数据构建的数据库,服务器根据权威机构的授权进行授权访问。虹膜识别方法更适用于近景画面,对用户的识别精确度更高,人脸识别方法更适用于远景画面,更适用于多用户画面的分析。
在一个实施例中,根据生物特征数据,确定用户的身份信息包括:
根据生物特征数据中的虹膜特征数据,遍历预设虹膜特征数据库,查找预设虹膜特征数据库中与虹膜特征数据匹配的目标虹膜特征数据。
当目标虹膜特征数据查找失败时,根据生物特征数据中的人脸特征数据,遍历预设人脸特征数据库,查找预设人脸特征数据库中与人脸特征数据匹配的目标人脸特征数据,获取与目标人脸特征数据对应的用户身份信息。
在一个实施例中,根据生物特征数据,确定用户的身份信息包括:
根据生物特征数据中的人脸特征数据,遍历预设人脸特征数据库,查找预设人脸特征数据库中与人脸特征数据匹配的目标人脸特征数据。
当目标人脸特征数据查找失败时,根据生物特征数据中的虹膜特征数据,遍历预设虹膜特征数据库,查找预设虹膜特征数据库中与虹膜特征数据匹配的目标虹膜特征数据,获取与目标虹膜特征数据对应的用户身份信息。
具体来说,可以设置多个视频采集设备,分别采集不同角度的用户画面,包括近景画面和远景画面。通过不同的生物特征数据,作为备用方案,当其中一个身份识别方法失败,例如数据库中不存在该用户的生物特征数据,导致身份信息匹配失败时,启用备用方案进行辅助识别,可以扩大数据库中可匹配的数据量,提高了识别成功率。
在一个实施例中,如图4所示,步骤S400,根据用户的身份信息,获取用户的用户画像之前,还包括:
步骤S320,获取预设数据维度中与用户的身份信息关联的历史数据,对历史数据进行数据清洗处理。
步骤S340,根据预设维度,对清洗后的历史数据进行聚类分析,生成聚类数据集合,聚类数据集合携带有用户数据标签。
步骤S360,根据用户数据标签,生成用户画像。
根据用户的身份信息,查找预设维度中该用户产生的已有历史数据,预设维度是指与产品或产品所属行业中的各方面相关联的数据维度,例如,应用的场所为银行时,对应的预设维度可以包括基本信息、资金状况、历史购买产品记录,消费习惯,风险偏好等。在获取得到历史数据后,对历史数据进行数据清洗处理,数据清洗过程包括对历史数据进行去异常值和补全缺失值;对清洗后的数据进行聚类分析,将清洗后的数据划分为多个聚类数据集合,聚类数据集合携带有表征用户特征的用户数据标签。通过对用户关联的历史数据进行数据清洗和聚类分析,去除冗余信息,提高了数据的有效性,有利于生成更为精确的用户画像,从而根据用户画像实现产品的精确推荐。在一个应用实施例中,金融产品的预设维度的历史数据包括用户基本信息以及持有产品、历史交易、风险等级、收支信息以及资金往来等可直接获得的金融类数据。例如,历史数据的数量为200,通过数据清洗,过滤掉冗余的20个无效数据,通过各数据维度聚类分析,将剩余的180个数据聚类为10个维度的聚数据类集合,各类聚类数据集合携带有用户数据标签,以便确定各聚类数据的属性以及与用户的关联。
在一个实施例中,如图5所示,步骤S360,根据用户数据标签,生成用户画像包括:
步骤S362,获取各聚类数据集合中数据的聚类稠密度。
步骤S364,根据聚类稠密度,计算聚类数据集合携带的用户数据标签的数据比重。
步骤S366,根据各用户数据标签的数据比重,对各用户数据标签进行排序。
步骤S368,根据排序后的用户数据标签,生成用户画像。
聚类稠密度是指各个聚类数据集合的数据相似程度,同一聚类数据集合的数据量越大,数据相似度越高,对应的聚类稠密度越大。根据对数据的聚类分析,确定各类聚类数据的聚类稠密度,并根据聚类稠密度计算聚类数据集合对应的用户数据标签在所有数据中的数据比重。按照用户数据标签的数据比重对聚类数据集合进行排序,以排序后的用户数据标签作为用户画像携带的用户特征标签集合,生成用户画像。例如,用户画像数据标签可以包括稳定型投资,中产阶级,有车,冲动型消费等。
在一个实施例中,步骤S500,将用户画像携带的用户特征标签与预设产品集合中各产品的产品数据标签进行匹配之前,还包括:
获取待标识产品对应的多个用户的共性数据信息。
根据共性数据信息,生成多个用户对应的共性用户画像。
建立共性用户画像与待标识产品映射关系。
根据用户画像携带的用户特征标签与映射关系,确定待标识产品的应用数据标签。
根据待标识产品携带的属性数据标签和应用数据标签,生成待标识产品的产品数据标签。
根据携带有产品数据标签的产品,构建预设产品集合。
共性数据信息是指多个用户中相似的数据信息,共性数据画像是指根据多个用户的共性数据信息构建的用户画像,同时适用于上上述多个用户。应用数据标签是指产品的适用对象信息,如车险产品的应用数据标签为“有车”适用于有车的用户,属性数据标签是产品本身携带的属性参数构成的标签,例如,车险产品的属性数据标签为“交强险”,根据属性数据标签和应用数据标签,生成的产品数据标签为“有车”&“未购买交强险”。产品数据标签是对产品适用用户条件的进一步细化。通过获取待标识产品的多个用户的数据信息,并对数据信息进行聚类分析,确定该产品对应用户的用户画像,建立该产品与该产品对应用户画像的映射关系,以便通过对新用户进行用户画像分析,确定可推荐的产品种类。预设产品集合可以按照产品种类进行分类,包括保险型产品、理财性产品以及贷款型产品。在匹配到目标产品时,进行产品的数据的添加时,可以根据该类别目标产品同一类别的各产品与用户画像的匹配程度进行排序,按顺序添加至视频的预设位置。
应该理解的是,虽然图2-5的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-5中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图6所示,提供了一种视频数据处理装置,包括:
生物特征提取模块200,用于对待处理的视频数据进行画面分帧,并提取画面帧中用户的生物特征数据;
身份信息确定模块300,用于根据生物特征数据,确定用户的身份信息;
用户画像获取模块400,用于根据用户的身份信息,获取用户的用户画像;
数据标签匹配模块500,用于将用户画像携带的用户特征标签与预设产品集合中各产品的产品数据标签进行匹配;
目标产品筛选模块600,用于筛选预设产品集合中产品数据标签与用户数据标签匹配结果满足预设匹配要求的目标产品;
数据信息添加模块700,用于将目标产品的数据信息添加至画面帧,得到处理后的视频数据。
在一个实施例中,生物特征提取模块200,还用于对待处理的视频数据进行画面分帧,识别画面帧中的用户数量,当用户数量为多个时,分配多个线程分别提取各用户的生物特征数据。
数据信息添加模块700,还用于建立各目标产品与对应用户的关联关系,并将各目标产品的数据信息添加至画面帧中各用户的预设画面区域,得到处理后的视频数据。
在一个实施例中,生物特征提取模块200,还用于对待处理的视频数据进行画面分帧,根据画面帧的画面参数,确定待提取的生物特征数据类型,采用与待提取的生物特征数据类型对应的数据提取算法,提取画面帧中用户的生物特征数据。
在一个实施例中,身份信息确定模块300,还用于当生物特征数据类型为虹膜特征数据时,遍历预设虹膜特征数据库,查找预设虹膜特征数据库中与虹膜特征数据匹配的目标虹膜特征数据,并获取与目标虹膜特征数据对应的用户身份信息,当生物特征数据类型为人脸特征数据时,遍历预设人脸特征数据库,查找预设人脸特征数据库中与人脸特征数据匹配的目标人脸特征数据,并获取与目标人脸特征数据对应的用户身份信息。
在其中一个实施例中,视频处理装置还包括用户画像生成模块400,用于获取预设数据维度中与用户的身份信息关联的历史数据,对历史数据进行数据清洗处理,根据预设维度,对清洗后的历史数据进行聚类分析,生成聚类数据集合,聚类数据集合携带有用户数据标签;,根据用户数据标签,生成用户画像。
在其中一个实施例中,用户画像生成模块400,还用于获取各聚类数据集合中数据的聚类稠密度,根据聚类稠密度,计算聚类数据集合携带的用户数据标签的数据比重,根据各用户数据标签的数据比重,对各用户数据标签进行排序,根据排序后的用户数据标签,生成用户画像。
在其中一个实施例中,视频数据处理装置还包括预设产品集合构建模块,用于获取待标识产品对应的多个用户的共性数据信息,根据共性数据信息,生成多个用户对应的共性用户画像,建立共性用户画像与待标识产品映射关系,根据用户画像携带的用户特征标签与映射关系,确定待标识产品的应用数据标签,根据待标识产品携带的属性数据标签和应用数据标签,生成待标识产品的产品数据标签,根据携带有产品数据标签的产品,构建预设产品集合。
上述视频数据处理装置,通过对包含用户的视频进行分析,提取视频中用户的生物特征数据来明确用户的身份信息,使得数据分析根据精准有效,并基于用户的身份信息,获取用户画像匹配合适的目标产品,基于用户画像携带的用户数据标签与产品数据标签的匹配,可以获得更满足用户喜好的目标产品,并在视频中增加适用于用户的目标产品的数据信息,可以使工作人员在视频数据中直观的了解到客户需求,无需工作人员在获悉用户的身份之后进行数据查找和二次分析,在提高了数据分析效率的同时能为辅助工作人员为用户提供精准的产品推荐服务,提高服务效率。
关于视频数据处理装置的具体限定可以参见上文中对于视频数据处理方法的限定,在此不再赘述。上述视频数据处理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7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产品分析数据。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视频数据处理方法。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
对待处理的视频数据进行画面分帧,并提取画面帧中用户的生物特征数据;
根据生物特征数据,确定用户的身份信息;
根据用户的身份信息,获取用户的用户画像;
将用户画像携带的用户特征标签与预设产品集合中各产品的产品数据标签进行匹配;
筛选预设产品集合中产品数据标签与用户数据标签匹配结果满足预设匹配要求的目标产品;
将目标产品的数据信息添加至画面帧,得到处理后的视频数据。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
对待处理的视频数据进行画面分帧,识别画面帧中的用户数量;
当用户数量为多个时,分配多个线程分别提取各用户的生物特征数据;
将目标产品的数据信息添加至画面帧,得到处理后的视频数据,包括:
建立各目标产品与对应用户的关联关系,并将各目标产品的数据信息添加至画面帧中各用户的预设画面区域,得到处理后的视频数据。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
对待处理的视频数据进行画面分帧,根据画面帧的画面参数,确定待提取的生物特征数据类型;
采用与待提取的生物特征数据类型对应的数据提取算法,提取画面帧中用户的生物特征数据。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
当生物特征数据类型为虹膜特征数据时,遍历预设虹膜特征数据库,查找预设虹膜特征数据库中与虹膜特征数据匹配的目标虹膜特征数据,并获取与目标虹膜特征数据对应的用户身份信息;
当生物特征数据类型为人脸特征数据时,遍历预设人脸特征数据库,查找预设人脸特征数据库中与人脸特征数据匹配的目标人脸特征数据,并获取与目标人脸特征数据对应的用户身份信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取预设数据维度中与用户的身份信息关联的历史数据,对历史数据进行数据清洗处理;
根据预设维度,对清洗后的历史数据进行聚类分析,生成聚类数据集合,聚类数据集合携带有用户数据标签;
根据用户数据标签,生成用户画像。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取各聚类数据集合中数据的聚类稠密度;
根据聚类稠密度,计算聚类数据集合携带的用户数据标签的数据比重;
根据各用户数据标签的数据比重,对各用户数据标签进行排序;
根据排序后的用户数据标签,生成用户画像。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取待标识产品对应的多个用户的共性数据信息;
根据共性数据信息,生成多个用户对应的共性用户画像;
建立共性用户画像与待标识产品映射关系;
根据用户画像携带的用户特征标签与映射关系,确定待标识产品的应用数据标签;
根据待标识产品携带的属性数据标签和应用数据标签,生成待标识产品的产品数据标签;
根据携带有产品数据标签的产品,构建预设产品集合。
上述用于实现视频数据处理方法的计算机设备,通过对包含用户的视频进行分析,提取视频中用户的生物特征数据来明确用户的身份信息,使得数据分析根据精准有效,并基于用户的身份信息,获取用户画像匹配合适的目标产品,基于用户画像携带的用户数据标签与产品数据标签的匹配,可以获得更满足用户喜好的目标产品,并在视频中增加适用于用户的目标产品的数据信息,可以使工作人员在视频数据中直观的了解到客户需求,无需工作人员在获悉用户的身份之后进行数据查找和二次分析,在提高了数据分析效率的同时能为辅助工作人员为用户提供精准的产品推荐服务,提高服务效率。
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:
对待处理的视频数据进行画面分帧,并提取画面帧中用户的生物特征数据;
根据生物特征数据,确定用户的身份信息;
根据用户的身份信息,获取用户的用户画像;
将用户画像携带的用户特征标签与预设产品集合中各产品的产品数据标签进行匹配;
筛选预设产品集合中产品数据标签与用户数据标签匹配结果满足预设匹配要求的目标产品;
将目标产品的数据信息添加至画面帧,得到处理后的视频数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对待处理的视频数据进行画面分帧,识别画面帧中的用户数量;
当用户数量为多个时,分配多个线程分别提取各用户的生物特征数据;
将目标产品的数据信息添加至画面帧,得到处理后的视频数据,包括:
建立各目标产品与对应用户的关联关系,并将各目标产品的数据信息添加至画面帧中各用户的预设画面区域,得到处理后的视频数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对待处理的视频数据进行画面分帧,根据画面帧的画面参数,确定待提取的生物特征数据类型;
采用与待提取的生物特征数据类型对应的数据提取算法,提取画面帧中用户的生物特征数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
当生物特征数据类型为虹膜特征数据时,遍历预设虹膜特征数据库,查找预设虹膜特征数据库中与虹膜特征数据匹配的目标虹膜特征数据,并获取与目标虹膜特征数据对应的用户身份信息;
当生物特征数据类型为人脸特征数据时,遍历预设人脸特征数据库,查找预设人脸特征数据库中与人脸特征数据匹配的目标人脸特征数据,并获取与目标人脸特征数据对应的用户身份信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取预设数据维度中与用户的身份信息关联的历史数据,对历史数据进行数据清洗处理;
根据预设维度,对清洗后的历史数据进行聚类分析,生成聚类数据集合,聚类数据集合携带有用户数据标签;
根据用户数据标签,生成用户画像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取各聚类数据集合中数据的聚类稠密度;
根据聚类稠密度,计算聚类数据集合携带的用户数据标签的数据比重;
根据各用户数据标签的数据比重,对各用户数据标签进行排序;
根据排序后的用户数据标签,生成用户画像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取待标识产品对应的多个用户的共性数据信息;
根据共性数据信息,生成多个用户对应的共性用户画像;
建立共性用户画像与待标识产品映射关系;
根据用户画像携带的用户特征标签与映射关系,确定待标识产品的应用数据标签;
根据待标识产品携带的属性数据标签和应用数据标签,生成待标识产品的产品数据标签;
根据携带有产品数据标签的产品,构建预设产品集合。
上述用于实现视频数据处理方法的计算机可读存储介质,通过对包含用户的视频进行分析,提取视频中用户的生物特征数据来明确用户的身份信息,使得数据分析根据精准有效,并基于用户的身份信息,获取用户画像匹配合适的目标产品,基于用户画像携带的用户数据标签与产品数据标签的匹配,可以获得更满足用户喜好的目标产品,并在视频中增加适用于用户的目标产品的数据信息,可以使工作人员在视频数据中直观的了解到客户需求,无需工作人员在获悉用户的身份之后进行数据查找和二次分析,在提高了数据分析效率的同时能为辅助工作人员为用户提供精准的产品推荐服务,提高服务效率。
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,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。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种视频数据处理方法,所述方法包括:
对待处理的视频数据进行画面分帧,并提取画面帧中用户的生物特征数据;
根据所述生物特征数据,确定所述用户的身份信息;
根据所述用户的身份信息,获取所述用户的用户画像;
将所述用户画像携带的用户数据标签与预设产品集合中各产品的产品数据标签进行匹配;
筛选所述预设产品集合中产品数据标签与所述用户数据标签匹配结果满足预设匹配要求的目标产品;
将所述目标产品的数据信息添加至所述画面帧,得到处理后的视频数据。
2.根据权利要求1所述的方法,其特征在于,所述对待处理的视频数据进行画面分帧,并提取画面帧中用户的生物特征数据包括:
对待处理的视频数据进行画面分帧,识别所述画面帧中的用户数量;
当所述用户数量为多个时,分配多个线程分别提取各所述用户的生物特征数据;
所述将所述目标产品的数据信息添加至所述画面帧,得到处理后的视频数据,包括:
建立各所述目标产品与对应所述用户的关联关系,并将各所述目标产品的数据信息添加至所述画面帧中各所述用户的预设画面区域,得到处理后的视频数据。
3.根据权利要求1所述的方法,其特征在于,所述对待处理的视频数据进行画面分帧,并提取画面帧中用户的生物特征数据包括:
对待处理的视频数据进行画面分帧,根据画面帧的画面参数,确定待提取的生物特征数据类型;
采用与所述待提取的生物特征数据类型对应的数据提取算法,提取画面帧中用户的生物特征数据。
4.根据权利要求3所述的方法,其特征在于,所述根据所述生物特征数据,确定所述用户的身份信息包括:
当所述生物特征数据类型为虹膜特征数据时,遍历预设虹膜特征数据库,查找所述预设虹膜特征数据库中与所述虹膜特征数据匹配的目标虹膜特征数据,并获取与所述目标虹膜特征数据对应的用户身份信息;
当所述生物特征数据类型为人脸特征数据时,遍历预设人脸特征数据库,查找所述预设人脸特征数据库中与所述人脸特征数据匹配的目标人脸特征数据,并获取与所述目标人脸特征数据对应的用户身份信息。
5.根据权利要求1所述的方法,其特征在于,所述根据所述用户的身份信息,获取所述用户的用户画像之前,还包括:
获取预设数据维度中与所述用户的身份信息关联的历史数据,对所述历史数据进行数据清洗处理;
根据所述预设维度,对清洗后的历史数据进行聚类分析,生成聚类数据集合,所述聚类数据集合携带有用户数据标签;
根据所述用户数据标签,生成用户画像。
6.根据权利要求5所述的方法,其特征在于,所述根据所述用户数据标签,生成用户画像包括:
获取各所述聚类数据集合中数据的聚类稠密度;
根据所述聚类稠密度,计算所述聚类数据集合携带的用户数据标签的数据比重;
根据各所述用户数据标签的数据比重,对各所述用户数据标签进行排序;
根据排序后的用户数据标签,生成用户画像。
7.根据权利要求1所述的方法,其特征在于,所述将所述用户画像携带的用户特征标签与预设产品集合中各产品的产品数据标签进行匹配之前,还包括:
获取待标识产品对应的多个用户的共性数据信息;
根据所述共性数据信息,生成所述多个用户对应的共性用户画像;
建立所述共性用户画像与所述待标识产品映射关系;
根据所述用户画像携带的用户特征标签与所述映射关系,确定所述待标识产品的应用数据标签;
根据所述待标识产品携带的属性数据标签和所述应用数据标签,生成所述待标识产品的产品数据标签;
根据携带有所述产品数据标签的产品,构建所述预设产品集合。
8.一种视频数据处理装置,其特征在于,所述装置包括:
生物特征提取模块,用于对待处理的视频数据进行画面分帧,并提取画面帧中用户的生物特征数据;
身份信息确定模块,用于根据所述生物特征数据,确定所述用户的身份信息;
用户画像获取模块,用于根据所述用户的身份信息,获取所述用户的用户画像;
数据标签匹配模块,用于将所述用户画像携带的用户特征标签与预设产品集合中各产品的产品数据标签进行匹配;
目标产品筛选模块,用于筛选所述预设产品集合中产品数据标签与所述用户数据标签匹配结果满足预设匹配要求的目标产品;
数据信息添加模块,用于将所述目标产品的数据信息添加至所述画面帧,得到处理后的视频数据。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910295658.2A CN110111136B (zh) | 2019-04-12 | 2019-04-12 | 视频数据处理方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910295658.2A CN110111136B (zh) | 2019-04-12 | 2019-04-12 | 视频数据处理方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110111136A true CN110111136A (zh) | 2019-08-09 |
CN110111136B CN110111136B (zh) | 2023-04-18 |
Family
ID=67485344
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910295658.2A Active CN110111136B (zh) | 2019-04-12 | 2019-04-12 | 视频数据处理方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110111136B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110942337A (zh) * | 2019-10-31 | 2020-03-31 | 天津中科智能识别产业技术研究院有限公司 | 一种基于互联网大数据的精准旅游营销方法 |
CN112100437A (zh) * | 2020-09-10 | 2020-12-18 | 北京三快在线科技有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
CN112651352A (zh) * | 2020-12-30 | 2021-04-13 | 深圳市商汤科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN112749292A (zh) * | 2019-10-31 | 2021-05-04 | 深圳云天励飞技术有限公司 | 用户标签生成方法及装置、计算机装置和存储介质 |
CN113821703A (zh) * | 2020-06-18 | 2021-12-21 | 广州汽车集团股份有限公司 | 一种车联网用户画像生成方法及其系统 |
CN112749292B (zh) * | 2019-10-31 | 2024-05-03 | 深圳云天励飞技术有限公司 | 用户标签生成方法及装置、计算机装置和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105608171A (zh) * | 2015-12-22 | 2016-05-25 | 青岛海贝易通信息技术有限公司 | 用户画像构建方法 |
WO2018121283A1 (zh) * | 2016-12-26 | 2018-07-05 | 纳恩博(北京)科技有限公司 | 服务提供方法及装置、移动服务设备及存储介质 |
CN109493199A (zh) * | 2019-01-04 | 2019-03-19 | 深圳壹账通智能科技有限公司 | 产品推荐方法、装置、计算机设备和存储介质 |
CN109523344A (zh) * | 2018-10-16 | 2019-03-26 | 深圳壹账通智能科技有限公司 | 产品信息推荐方法、装置、计算机设备和存储介质 |
-
2019
- 2019-04-12 CN CN201910295658.2A patent/CN110111136B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105608171A (zh) * | 2015-12-22 | 2016-05-25 | 青岛海贝易通信息技术有限公司 | 用户画像构建方法 |
WO2018121283A1 (zh) * | 2016-12-26 | 2018-07-05 | 纳恩博(北京)科技有限公司 | 服务提供方法及装置、移动服务设备及存储介质 |
CN109523344A (zh) * | 2018-10-16 | 2019-03-26 | 深圳壹账通智能科技有限公司 | 产品信息推荐方法、装置、计算机设备和存储介质 |
CN109493199A (zh) * | 2019-01-04 | 2019-03-19 | 深圳壹账通智能科技有限公司 | 产品推荐方法、装置、计算机设备和存储介质 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110942337A (zh) * | 2019-10-31 | 2020-03-31 | 天津中科智能识别产业技术研究院有限公司 | 一种基于互联网大数据的精准旅游营销方法 |
CN112749292A (zh) * | 2019-10-31 | 2021-05-04 | 深圳云天励飞技术有限公司 | 用户标签生成方法及装置、计算机装置和存储介质 |
CN112749292B (zh) * | 2019-10-31 | 2024-05-03 | 深圳云天励飞技术有限公司 | 用户标签生成方法及装置、计算机装置和存储介质 |
CN113821703A (zh) * | 2020-06-18 | 2021-12-21 | 广州汽车集团股份有限公司 | 一种车联网用户画像生成方法及其系统 |
CN113821703B (zh) * | 2020-06-18 | 2023-12-08 | 广州汽车集团股份有限公司 | 一种车联网用户画像生成方法及其系统 |
CN112100437A (zh) * | 2020-09-10 | 2020-12-18 | 北京三快在线科技有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
CN112651352A (zh) * | 2020-12-30 | 2021-04-13 | 深圳市商汤科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110111136B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110662484B (zh) | 用于全身测量结果提取的系统和方法 | |
CN110111136A (zh) | 视频数据处理方法、装置、计算机设备和存储介质 | |
CN110135257A (zh) | 业务推荐数据生成、装置、计算机设备和存储介质 | |
Siddiqi et al. | Facial expression recognition using active contour-based face detection, facial movement-based feature extraction, and non-linear feature selection | |
Zhang et al. | Computer models for facial beauty analysis | |
WO2020147430A1 (zh) | 基于图像识别的商品展示方法、装置、设备及介质 | |
Wang et al. | Expression of Concern: Facial feature discovery for ethnicity recognition | |
US20110016001A1 (en) | Method and apparatus for recommending beauty-related products | |
US11915298B2 (en) | System and method for intelligent context-based personalized beauty product recommendation and matching | |
CN109785066A (zh) | 基于微表情的产品推荐方法、装置、设备及存储介质 | |
CN112395979A (zh) | 基于图像的健康状态识别方法、装置、设备及存储介质 | |
Elmahmudi et al. | A framework for facial age progression and regression using exemplar face templates | |
CN109376717A (zh) | 人脸对比的身份识别方法、装置、电子设备及存储介质 | |
Kamboj et al. | CED-Net: context-aware ear detection network for unconstrained images | |
Ahmad et al. | An integrated approach for eye centre localization using deep networks and rectangular-intensity-gradient technique | |
Han et al. | Personalized convolution for face recognition | |
Barroso et al. | Periocular recognition: how much facial expressions affect performance? | |
Sabharwal et al. | Deep facial recognition after medical alterations | |
Zhang et al. | Shuffle block SRGAN for face image super-resolution reconstruction | |
Raghavendra et al. | Efficient deep learning approach to recognize person attributes by using hybrid transformers for surveillance scenarios | |
Wang et al. | A study of convolutional sparse feature learning for human age estimate | |
KR20220000851A (ko) | 딥러닝 기술을 활용한 피부과 시술 추천 시스템 및 방법 | |
CN112528140A (zh) | 信息推荐方法、装置、设备、系统及存储介质 | |
Lee et al. | Image generation using bidirectional integral features for face recognition with a single sample per person | |
Sharma et al. | Facial Landmark-Based Human Emotion Recognition Technique for Oriented Viewpoints in the Presence of Facial Attributes |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |