CN110135257A - 业务推荐数据生成、装置、计算机设备和存储介质 - Google Patents
业务推荐数据生成、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110135257A CN110135257A CN201910295659.7A CN201910295659A CN110135257A CN 110135257 A CN110135257 A CN 110135257A CN 201910295659 A CN201910295659 A CN 201910295659A CN 110135257 A CN110135257 A CN 110135257A
- Authority
- CN
- China
- Prior art keywords
- user
- data
- face characteristic
- emotional parameters
- business
- 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
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
- G06V40/176—Dynamic expression
Abstract
本申请涉及大数据技术领域，提供了一种业务推荐数据生成方法、装置、计算机设备和存储介质。方法包括：对接收的视频数据进行画面分帧，并分别提取分帧画面中各用户的人脸特征数据，根据各用户的人脸特征数据，分别进行情绪识别，获得各用户对应的情绪参数，情绪参数包括参数类别和参数值，根据预设的参数类别优先级以及参数值，对各用户对应的情绪参数进行排序，根据各用户对应的情绪参数的排序结果，生成各用户的业务推荐数据。可以从各用户中筛选出适宜推荐业务的用户，以使工作人员根据业务推荐数据在众多的用户中选择合适的用户进行针对性地服务，减小了众多用户的场景下业务推荐数据的分析难度，有助于提高服务效率。
Description
技术领域
本申请涉及大数据技术领域，特别是涉及一种业务推荐数据生成方法、装置、计算机设备和存储介质。
背景技术
随着移动互联网以及大数据等技术的飞速发展，主动性用户服务已经成为了提高业务人员工作效率的必要前提。特别是对于营业厅、银行等人员流动性强的服务场所，大部分用户更容易接受推荐的相关业务，对于工作人员来说，明确用户的服务需求，有针对性地为有需要的用户提供合适的服务，对于服务质量和服务效率都有着重大意义。
然而，传统的技术中，对于众多的用户，需要依赖工作人员的工作经验或者工作人员与用户的主动沟通交流，来分析确定众多用户中合适的服务对象，以提高业务办理成功率，但是，对于营业厅、银行等存在的众多用户的服务场所，针对众多用户的场景，无法及时准确获得合适的业务推荐数据，如从众多客户中选择适合推荐业务的目标用户等，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，提供一种能够提高服务效率的业务推荐数据生成、装置、计算机设备和存储介质。
一种业务推荐数据生成方法，方法包括：
对接收的视频数据进行画面分帧，并分别提取分帧画面中各用户的人脸特征数据；
根据各所述用户的人脸特征数据，分别进行情绪识别，获得各所述用户对应的情绪参数，所述情绪参数包括参数类别和参数值；
根据预设的参数类别优先级以及所述参数值，对各所述用户对应的情绪参数进行排序；
根据各所述用户对应的情绪参数的排序结果，生成各所述用户的业务推荐数据。
在其中一个实施例中，所述业务推荐数据包括目标用户以及所述目标用户的适用业务；所述根据各所述用户对应的情绪参数的排序结果，生成各所述用户的业务推荐数据包括：
根据各所述用户对应的情绪参数的排序结果，从所述各用户中筛选出目标用户；
根据所述目标用户的人脸特征数据，获取所述目标用户的身份信息；
根据所述目标用户的身份信息，获取所述目标用户的用户画像；
根据所述用户画像，确定所述目标用户的适用业务。
在其中一个实施例中，所述根据各所述用户对应的情绪参数的排序结果，生成各所述用户的业务推荐数据之后，还包括：
将所述业务推荐数据添加至所述分帧画面中与所述目标用户关联的预设位置；
根据添加有所述业务推荐数据的分帧画面，更新所述视频数据。
在其中一个实施例中，所述对接收的视频数据进行画面分帧，并分别提取分帧画面中各用户的人脸特征数据包括：
对接收的视频数据进行画面分帧，并识别所述画面分帧后各画面帧中的用户，构建所述用户对应的数据集合；
根据所述各画面帧的分帧顺序，依次提取所述各画面帧中所述用户的人脸特征数据，并更新所述人脸特征数据至所述用户对应的所述数据集合；
所述根据各所述人脸特征数据，分别进行情绪识别，获得各所述用户对应的情绪参数包括：
当所述数据集合中的所述人脸特征数据满足预设情绪识别要求时，根据所述数据集合中的人脸特征数据进行情绪识别，获得各所述用户对应的情绪参数。
在其中一个实施例中，所述根据各所述用户的人脸特征数据，分别进行情绪识别，获得各所述用户对应的情绪参数包括：
根据所述数据集合中的人脸特征数据，分别进行各预设情绪类别的特征匹配；
根据各所述预设情绪类别的特征匹配结果，确定所述人脸特征数据在各所述预设情绪类别中对应的情绪参数，所述情绪参数包括用于表征情绪类别的参数类型和用于表征特征匹配度的参数值；
将各所述情绪参数中参数值最大的情绪参数作为所述用户对应的情绪参数。
在其中一个实施例中，所述根据所述数据集合中的人脸特征数据，分别进行各预设情绪类别的特征匹配包括：
根据所述预设情绪类别的优先级，确定所述情绪识别处理的特征匹配顺序；
根据各所述特征匹配顺序和所述各用户的人脸特征数据，进行各所述预设情绪类别的特征匹配。
在其中一个实施例中，所述根据各所述特征匹配顺序和所述各用户的人脸特征数据，进行各所述预设情绪类别的特征匹配包括：
获取当前预设情绪类别的所述数据集合数量；
当所述数据集合数量大于预设情绪识别线程的数量时，根据所述数据集合中的人脸特征数据满足所述预设情绪识别要求的时间顺序，循环分配所述预设情绪识别线程对待处理的人脸特征数据进行特征匹配处理，所述待处理的人脸特征数据为未进行当前预设情绪类别的特征匹配处理的特征参数；
当所述当前预设情绪类别各所述用户的人脸特征数据的特征匹配完成时，根据所述预设情绪类别的优先级，进行下一预设情绪类别的特征匹配。
一种业务推荐数据生成装置，所述装置包括：
人脸特征数据提取模块，用于对接收的视频数据进行画面分帧，并分别提取分帧画面中各用户的人脸特征数据；
情绪识别模块，用于根据各所述用户的人脸特征数据，分别进行情绪识别，获得各所述用户对应的情绪参数，所述情绪参数包括参数类别和参数值；
情绪参数排序模块，用于根据预设的参数类别优先级以及所述参数值，对各所述用户对应的情绪参数进行排序；
业务推荐数据生成模块，用于根据各所述用户对应的情绪参数的排序结果，生成各所述用户的业务推荐数据。
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：
对接收的视频数据进行画面分帧，并分别提取分帧画面中各用户的人脸特征数据；
根据各所述用户的人脸特征数据，分别进行情绪识别，获得各所述用户对应的情绪参数，所述情绪参数包括参数类别和参数值；
根据预设的参数类别优先级以及所述参数值，对各所述用户对应的情绪参数进行排序；
根据各所述用户对应的情绪参数的排序结果，生成各所述用户的业务推荐数据。
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：
对接收的视频数据进行画面分帧，并分别提取分帧画面中各用户的人脸特征数据；
根据各所述用户的人脸特征数据，分别进行情绪识别，获得各所述用户对应的情绪参数，所述情绪参数包括参数类别和参数值；
根据预设的参数类别优先级以及所述参数值，对各所述用户对应的情绪参数进行排序；
根据各所述用户对应的情绪参数的排序结果，生成各所述用户的业务推荐数据。
上述业务推荐数据生成方法、装置、计算机设备和存储介质，通过对接收的视频数据进行画面分帧，以各分帧画面为依据，提取视频中出现的各个用户的人脸特征数据，通过对各用户的人脸特征数据进行情绪分析得到情绪参数，用以辅助判断各个用户的情绪状态，按照预设的人脸特征数据的参数类型的优先级和参数值，对各个用户对应的情绪参数进行排序，通过排序结果生成各所述用户的业务推荐数据，可以筛选出在该情绪状态下适宜推荐业务的用户，以使工作人员根据业务推荐数据在众多的用户中选择合适的用户进行针对性地服务，减小了众多用户的场景下业务推荐数据的分析难度，有助于提高服务效率。
附图说明
图1为一个实施例中业务推荐数据生成方法的应用场景图；
图2为一个实施例中业务推荐数据生成方法的流程示意图；
图3为另一个实施例中业务推荐数据生成方法的流程示意图：
图4为另一个实施例中业务推荐数据生成方法的流程示意图；
图5为另一个实施例中业务推荐数据生成方法的流程示意图；
图6为一个实施例中业务推荐数据生成装置的结构框图；
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。
本申请提供的业务推荐数据生成方法，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对对接收的视频数据进行画面分帧，并分别提取分帧画面中各用户的人脸特征数据，根据各用户的人脸特征数据，分别进行情绪识别，获得各用户对应的情绪参数，情绪参数包括参数类别和参数值，根据预设的参数类别优先级以及参数值，对各用户对应的情绪参数进行排序，根据各用户对应的情绪参数的排序结果，生成业务推荐数据，服务器104将业务推荐数据添加至分帧画面，得到处理后的视频数据，并将处理后添加有业务推荐数据的视频数据推送至工作人员所在的终端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，提供了一种业务推荐数据生成方法，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，对接收的视频数据进行画面分帧，并分别提取分帧画面中各用户的人脸特征数据。
接收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，视频数据的画面中包括多个用户。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中各画面的时间顺序，进行画面图像的拆分过程，将连续的视频流数据拆分为多个单独的分帧画面。人脸特征数据是指画面中用户表征人脸情绪的各特征点的相对位置，用于进行情绪识别的数据。其中，通过人脸特征数据进行情绪识别是根据人脸表情与情绪间的对应关系来识别不同的情绪的过程，在特定情绪状态下人们会产生特定的面部肌肉运动和表情模式，通过眼部、面部、口部肌肉的变化来表现各种情绪状态，如心情愉悦时嘴角上翘，眼部会出现环形褶皱，两眉舒展；惊奇时张嘴、瞪眼；愤怒时皱眉，睁大眼睛等。识别过程包括：提取画面分帧中的人脸图像，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。
步骤S300，根据各用户的人脸特征数据，分别进行情绪识别，获得各用户对应的情绪参数，情绪参数包括参数类别和参数值。
根据各数据集合中的人脸特征数据进行情绪识别的过程，包括：预先设置各类别情绪的情绪特征库，情绪类别按照优先级分为惊喜、高兴、平静、伤心、愤怒、厌恶、恐惧七个类别，情绪识别过程是指将用户的人脸特征数据与各类情绪进行匹配，确定用户对应的情绪类别以及匹配程度的过程，首先将用户对应的人脸特征数据，按照各类情绪的匹配优先级，分别进行各预设情绪类别的特征匹配，得到与各情绪类别的特征匹配度，从而确定人脸特征数据在各预设情绪类别中对应的情绪参数，并将参数值最大的情绪参数作为用户对应的情绪参数，其中，情绪参数包括用于表征情绪类别的参数类型和用于表征特征匹配度的参数值。各类情绪特征的匹配可以采用预先训练好的情绪特征匹配模型进行处理，将提取的人脸特征数据输入预先训练好的情绪特征匹配模型，进行各类别的情绪匹配，得到各类别的情绪参数。情绪特征匹配模型的训练过程包括根据携带有对应的情绪标签的历史图像构建初始样本集，从初始样本集中随机有放回采样，得到目标训练样本，根据目标训练样本得到对应的情绪特征集，从情绪特征集中随机抽取部分情绪特征，得到目标情绪特征集，从目标情绪特征集中使用基尼指数算法得到划分参数；使用划分参数对目标情绪特征集进行划分，得到子训练集，将子训练集作为目标训练集，当子训练集中的情绪标签为同一种时，得到目标决策树，当目标决策树达到目标数目时，得到情绪特征匹配模型。
步骤S400，根据预设的参数类别优先级以及参数值，对各用户对应的情绪参数进行排序。
预设的参数类别优先级是指各类别情绪的优先顺序，情绪参数包括用于表征情绪类别的参数类型，情绪参数按照参数类别的优先级从高到低依次为惊喜、高兴、平静、伤心、愤怒、厌恶、恐惧。一般来说，用户情绪的类别参数优先级越高，对业务的接纳度越高，比如高兴的情绪状态下比厌恶的情绪状态下更容易接受工作人员推荐的业务，同理，在同一情绪状态下，参数值越大越容易接受工作人员推荐的业务。根据对视频画面中各用户的情绪参数进行排序，可以得到按照用户对于业务的接纳程度进行排序的排序结果。
步骤S500，根据各用户对应的情绪参数的排序结果，生成各用户的业务推荐数据。
业务推荐数据可以包括确定视频中众多用户中的最适用于进行业务推荐的目标用户，以及按照众多用户对应的情绪参数，对适宜进行业务推荐的用户进行排序，确定进行业务推荐的备选用户等。在其他实施例中，业务推荐数据还可以根据目标用户的身份信息，分析确定该目标用户适宜的推荐业务等，将生成的业务推荐数据推送至工作人员所在的终端，可以使工作人员快速确定对应的服务方式，如主动为目标用户推荐该用户适宜的业务等，根据众多用户的情绪分析结果，选择合适的目标用户并向用户推荐合适的产品，可以简化工作人员对业务推荐数据的分析过程，在提高工作效率的同时还可以提高业务推荐的成功率。
上述业务推荐数据生成方法，通过对接收的视频数据进行画面分帧，以各分帧画面为依据，提取视频中出现的各个用户的人脸特征数据，通过对各用户的人脸特征数据进行情绪分析得到情绪参数，用以辅助判断各个用户的情绪状态，按照预设的人脸特征数据的参数类型的优先级和参数值，对各个用户对应的情绪参数进行排序，通过排序结果生成各用户的业务推荐数据，可以筛选出在该情绪状态下适宜推荐业务的用户，以使工作人员根据业务推荐数据在众多的用户中选择合适的用户进行针对性地服务，减小了众多用户的场景下业务推荐数据的分析难度，有助于提高服务效率。
在一个实施例中，业务推荐数据包括目标用户以及目标用户的适用业务；如图3所示，步骤S500，根据各用户对应的情绪参数的排序结果，生成各用户的业务推荐数据包括：
步骤S520，根据各用户对应的情绪参数的排序结果，从各用户中筛选出目标用户。
步骤S540，根据目标用户的人脸特征数据，获取目标用户的身份信息。
步骤S560，根据目标用户的身份信息，获取目标用户的用户画像。
步骤S580，根据用户画像，确定目标用户的适用业务。
目标用户是当前情绪分析结果适合推荐业务的用户，可以是一个用户，也可以是多个用户，目标用户的数量可以根据能够提供服务的工作人员的数量来确定。在实施例中，目标用户可以是通过对视频中各用户进行情绪分析，并按照分析得到的情绪参数的参数优先级和参数值，对用户进行排序之后排序第一的用户，将该用户确定为最适宜进行业务推荐的用户，在其他实施例中，若同时存在多个工作人员进行服务时，可以按照排序结果的先后顺序，依次选择排名靠前的用户作为目标用户。根据提取的人脸特征数据，可以通过存储有身份信息和人脸特征数据的数据库进行用户身份的匹配，确认用户的身份信息。在实施例中，若服务器自身数据库中包含存储有身份信息和人脸特征数据的数据库，则可通过遍历数据库，查找与提取的人脸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身份信息和人脸特征数据的数据库，则将携带有提取的人脸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如公安系统或银行系统等，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。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。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，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，生成用户画像。不同用户对应有不同用户画像，根据用户身份信息，可获取该用户对应的用户画像。根据用户画像携带的用户数据标签，可以分析用户需求，确定用户所需的适用业务。一方面，通过情绪分析进行目标用户的筛选，确定了众多用户中适宜推荐业务的用户，另一方面，通过目标用户的用户画像，分析用户需求，确定用户的适用业务，生成的业务推荐数据同时包含目标用户和该目标用户的适用业务，有助于工作人员进行针对性服务，提高了服务效率和业务推荐的成功率。
在其他实施例中，还可以根据目标用户的人脸特征数据，获取目标用户的身份信息，并根据身份信息查找目标用户的已办理的业务数据，根据目标用户的已办理的业务数据，确定目标用户的适用业务范围，适用业务范围中的各适用业务可以根据其自身携带的接纳度标签进行排序。基于目标用户的情绪识别结果所对应的优先级和目标用户的适用业务的接纳度，按照设定的情绪优先级与业务接纳度的等级匹配规则，确定目标用户的适用业务。
在其他实施例中，还可以将用户身份信息添加至视频画面帧，生成包含有用户身份信息的视频，便于工作人员对用户身份进行核实，提高工作效率。在电信营业厅和银行等应用场景下，一般办理业务时需要对用户的身份进行核实，确定用户身份证件是否为用户本人，在核实之后方能为用户办理相关业务，通过推送用户身份信息给工作人员，可简化身份核对流程。还可以根据设定的行业需求，查找到该用户身份信息对应用户的行业相关数据，并与用户身份信息一起添加至视频中，推送给工作人员。例如，对于电信类营业厅来说，行业相关数据可以是用户的电话号码，已办理的业务等；对于银行来说，行业相关数据可以是用户的银行账户信息，如储蓄卡，信用卡等，通过添加行业相关数据，可便于工作人员根据业务推荐数据提供客户需要的业务。
在一个实施例中，如图4所示，步骤S500，根据各用户对应的情绪参数的排序结果，生成各用户的业务推荐数据之后，还包括：
步骤S620，将业务推荐数据添加至分帧画面中与目标用户关联的预设位置。
步骤S640，根据添加有业务推荐数据的分帧画面，更新视频数据。
业务推荐数据可以添加至分帧画面中与目标用户所在位置的关联预设位置，例如，在目标用户头像上方进行标识或者按照情绪参数的排序结果对视频的中出现多个用户分别进行标识，标识内容可以包括排序结果和该用户的适用业务，通过添加有业务推荐数据的分帧画面，更新视频数据，服务器将更新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业务推荐数据，确定需要服务的用户以及为该用户推荐的产品。
在一个实施例中，如图4所示，步骤S200，对接收的视频数据进行画面分帧，并分别提取分帧画面中各用户的人脸特征数据包括：
步骤S220，对接收的视频数据进行画面分帧，并识别画面分帧后各画面帧中的用户，构建用户对应的数据集合。
步骤S240，根据各画面帧的分帧顺序，依次提取各画面帧中用户的人脸特征数据，并更新人脸特征数据至用户对应的数据集合。
步骤S300，根据各人脸特征数据，分别进行情绪识别，获得各用户对应的情绪参数包括：
步骤S320，当数据集合中的人脸特征数据满足预设情绪识别要求时，根据各数据集合中的人脸特征数据进行情绪识别，获得各用户对应的情绪参数。
对接收的视频数据进行画面分帧，并识别画面分帧后各画面帧中的各用户，构成多个特征集合，采用多个线程分别对多个待分析用户的人脸特征集合进行异步分析处理，得到多个用户的情绪识别结果。其中，识别出画面帧中包含的多个用户，并构建多个特征集合的过程包括：设定目标人脸特征，如眼睛的瞳孔或鼻子或嘴巴等，通过识别画面帧中的目标人脸特征的数量，确定画面帧中的人脸数量，根据人脸数量构建人脸特征集合，人脸特征集合与画面帧中的识别到的人脸一一对应。由于应用场景中的用户处于运动状态，受到视频拍摄角度或清晰度等原因的限制，存在部分画面无法准确获得符合要求的人脸特征数据，导致无法准确识别，通过构建数据集合，将画面帧中提取的人脸特征数据更新到数据集合中，当人脸特征数据满足预设情绪识别要求时，进行情绪识别处理，提高了情绪识别的准确度，避免无效数据的处理。其中，预设情绪识别要求可以是人脸特征数据的数据完整度或其他用于判断是否可以开始进行情绪识别的参数。在其他实施例中，当更新到用户对应的数据集合中的特征数据数量小于设定阈值时，删除视频中该用户对应的已添加的业务推荐数据。
在一个实施例中，如图5所示，步骤S300，根据各用户的人脸特征数据，分别进行情绪识别，获得各用户对应的情绪参数包括：
步骤S340，根据数据集合中的人脸特征数据，分别进行各预设情绪类别的特征匹配。
步骤S360，根据各预设情绪类别的特征匹配结果，确定人脸特征数据在各预设情绪类别中对应的情绪参数，情绪参数包括用于表征情绪类别的参数类型和用于表征特征匹配度的参数值。
步骤S380，将各情绪参数中参数值最大的情绪参数作为用户对应的情绪参数。
各预设情绪类别包括惊喜、高兴、平静、伤心、愤怒、厌恶、恐惧，分别进行各预设情绪类别的特征匹配，得到各用户对应的人脸特征数据与各个情绪类别的情绪匹配度，得到在各个情绪类别的情绪参数，例如，用户A在惊喜类别的情绪匹配度为66，在高兴类别的情绪匹配度为80，在平静类别的情绪匹配度为51，在伤心类别的情绪匹配度为20，在愤怒类别的情绪匹配度为25，在厌恶类别的情绪匹配度为30，在恐惧类别的情绪匹配度为28，根据各情绪类别的情绪匹配度，可以确定用户对应的情绪类别为高兴，情绪参数包括情绪类别为高兴，参数值为80。
在一个实施例中，步骤S340，根据数据集合中的人脸特征数据，分别进行各预设情绪类别的特征匹配包括：
根据预设情绪类别的优先级，确定情绪识别处理的特征匹配顺序。
根据各特征匹配顺序和各用户的人脸特征数据，进行各预设情绪类别的特征匹配。
按照预设的参数类别的优先级，确定情绪识别处理的特征匹配顺序，依次进行各预设情绪类别的特征匹配，例如，优先进行惊喜类别的情绪匹配。在对各个用户完成了惊喜类别的情绪之后，进行高兴类别的情绪识别，依次类推，完成各类情绪的匹配。
在一个实施例中，根据各特征匹配顺序和各用户的人脸特征数据，进行各预设情绪类别的特征匹配包括：
获取当前预设情绪类别的数据集合数量。
当数据集合数量大于预设情绪识别线程的数量时，根据数据集合中的人脸特征数据满足预设情绪识别要求的时间顺序，循环分配预设情绪识别线程对待处理的人脸特征数据进行特征匹配处理，待处理的人脸特征数据为未进行当前预设情绪类别的特征匹配处理的特征参数。
当前预设情绪类别各用户的人脸特征数据的特征匹配完成时，根据预设情绪类别的优先级，进行下一预设情绪类别的特征匹配。
情绪识别可以通过预设情绪识别线程来执行多个处理情绪类别对应的数据处理阶段，若识别的人脸数量即数据集合数量大于预设情绪识别线程数量，当情绪识别处理线程完成第一情绪类别的数据处理时，检测是否存在未开始处理的人脸特征集合；若不存在，继续该人脸特征集合的第二情绪类别的数据处理；若存在，则开始执行新的数据集合对应人脸特征数据的第一情绪类别的特征匹配处理。循环分配预设情绪识别线程对待处理的人脸特征数据进行第一情绪类别的特征匹配处理，当识别用户数量达到设定上限时或直至不存在未开始处理的数据集合时，结束第一情绪类别的特征匹配处理的循环处理，并开始第二情绪类别的特征匹配处理，从而实现多个用户的情绪特征匹配的异步分析。
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，提供了一种业务推荐数据生成装置，包括：
人脸特征数据提取模块200，用于对接收的视频数据进行画面分帧，并分别提取分帧画面中各用户的人脸特征数据；
情绪识别模块300，用于根据各用户的人脸特征数据，分别进行情绪识别，获得各用户对应的情绪参数，情绪参数包括参数类别和参数值；
情绪参数排序模块400，用于根据预设的参数类别优先级以及参数值，对各用户对应的情绪参数进行排序；
业务推荐数据生成模块500，用于根据各用户对应的情绪参数的排序结果，生成各用户的业务推荐数据。
在一个实施例中，业务推荐数据包括目标用户以及目标用户的适用业务；业务推荐数据生成模块500，还用于根据各用户对应的情绪参数的排序结果，从各用户中筛选出目标用户，根据目标用户的人脸特征数据，获取目标用户的身份信息，根据目标用户的身份信息，获取目标用户的用户画像，根据用户画像，确定目标用户的适用业务。
在一个实施例中，业务推荐数据生成装置，还包括视频数据更新模块，用于将业务推荐数据添加至分帧画面中与目标用户关联的预设位置，根据添加有业务推荐数据的分帧画面，更新视频数据。
在一个实施例中，人脸特征数据提取模块200，还用于对接收的视频数据进行画面分帧，并识别画面分帧后各画面帧中的用户，构建用户对应的数据集合；根据各画面帧的分帧顺序，依次提取各画面帧中用户的人脸特征数据，并更新人脸特征数据至用户对应的数据集合。情绪识别模块300，还用于当数据集合中的人脸特征数据满足预设情绪识别要求时，根据各数据集合中的人脸特征数据进行情绪识别，获得各用户对应的情绪参数。
在一个实施例中，情绪识别模块300，还用于根据数据集合中的人脸特征数据，分别进行各预设情绪类别的特征匹配，根据各预设情绪类别的特征匹配结果，确定人脸特征数据在各预设情绪类别中对应的情绪参数，情绪参数包括用于表征情绪类别的参数类型和用于表征特征匹配度的参数值，将各情绪参数中参数值最大的情绪参数作为用户对应的情绪参数。
在一个实施例中，情绪识别模块300，还用于根据预设情绪类别的优先级，确定情绪识别处理的特征匹配顺序，根据各特征匹配顺序和各用户的人脸特征数据，进行各预设情绪类别的特征匹配。
在一个实施例中，情绪识别模块300，还用于获取当前预设情绪类别的数据集合数量，当数据集合数量大于预设情绪识别线程的数量时，根据数据集合中的人脸特征数据满足预设情绪识别要求的时间顺序，循环分配预设情绪识别线程对待处理的人脸特征数据进行特征匹配处理，待处理的人脸特征数据为未进行当前预设情绪类别的特征匹配处理的特征参数，当前预设情绪类别各用户的人脸特征数据的特征匹配完成时，根据预设情绪类别的优先级，进行下一预设情绪类别的特征匹配。
上述业务推荐数据生成装置，通过对接收的视频数据进行画面分帧，以各分帧画面为依据，提取视频中出现的各个用户的人脸特征数据，通过对各用户的人脸特征数据进行情绪分析得到情绪参数，用以辅助判断各个用户的情绪状态，按照预设的人脸特征数据的参数类型的优先级和参数值，对各个用户对应的情绪参数进行排序，通过排序结果生成各用户的业务推荐数据，可以筛选出在该情绪状态下适宜推荐业务的用户，以使工作人员根据业务推荐数据在众多的用户中选择合适的用户进行针对性地服务，减小了众多用户的场景下业务推荐数据的分析难度，有助于提高服务效率。
关于业务推荐数据生成装置的具体限定可以参见上文中对于业务推荐数据生成方法的限定，在此不再赘述。上述业务推荐数据生成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终端，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、显示屏和输入装置。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和计算机程序。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业务推荐数据生成方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
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：
对接收的视频数据进行画面分帧，并分别提取分帧画面中各用户的人脸特征数据；
根据各用户的人脸特征数据，分别进行情绪识别，获得各用户对应的情绪参数，情绪参数包括参数类别和参数值；
根据预设的参数类别优先级以及参数值，对各用户对应的情绪参数进行排序；
根据各用户对应的情绪参数的排序结果，生成各用户的业务推荐数据。
在一个实施例中，业务推荐数据包括目标用户以及目标用户的适用业务；处理器执行计算机程序时还实现以下步骤：
根据各用户对应的情绪参数的排序结果，从各用户中筛选出目标用户；
根据目标用户的人脸特征数据，获取目标用户的身份信息；
根据目标用户的身份信息，获取目标用户的用户画像；
根据用户画像，确定目标用户的适用业务。
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：
将业务推荐数据添加至分帧画面中与目标用户关联的预设位置；
根据添加有业务推荐数据的分帧画面，更新视频数据。
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：
对接收的视频数据进行画面分帧，并识别画面分帧后各画面帧中的用户，构建用户对应的数据集合；
根据各画面帧的分帧顺序，依次提取各画面帧中用户的人脸特征数据，并更新人脸特征数据至用户对应的数据集合；
根据各人脸特征数据，分别进行情绪识别，获得各用户对应的情绪参数包括：
当数据集合中的人脸特征数据满足预设情绪识别要求时，根据各数据集合中的人脸特征数据进行情绪识别，获得各用户对应的情绪参数。
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：
根据数据集合中的人脸特征数据，分别进行各预设情绪类别的特征匹配；
根据各预设情绪类别的特征匹配结果，确定人脸特征数据在各预设情绪类别中对应的情绪参数，情绪参数包括用于表征情绪类别的参数类型和用于表征特征匹配度的参数值；
将各情绪参数中参数值最大的情绪参数作为用户对应的情绪参数。
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：
根据预设情绪类别的优先级，确定情绪识别处理的特征匹配顺序；
根据各特征匹配顺序和各用户的人脸特征数据，进行各预设情绪类别的特征匹配。
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：
获取当前预设情绪类别的数据集合数量；
当数据集合数量大于预设情绪识别线程的数量时，根据数据集合中的人脸特征数据满足预设情绪识别要求的时间顺序，循环分配预设情绪识别线程对待处理的人脸特征数据进行特征匹配处理，待处理的人脸特征数据为未进行当前预设情绪类别的特征匹配处理的特征参数；
当前预设情绪类别各用户的人脸特征数据的特征匹配完成时，根据预设情绪类别的优先级，进行下一预设情绪类别的特征匹配。
上述用于实现业务推荐数据生成方法的计算机设备，通过对接收的视频数据进行画面分帧，以各分帧画面为依据，提取视频中出现的各个用户的人脸特征数据，通过对各用户的人脸特征数据进行情绪分析得到情绪参数，用以辅助判断各个用户的情绪状态，按照预设的人脸特征数据的参数类型的优先级和参数值，对各个用户对应的情绪参数进行排序，通过排序结果生成各用户的业务推荐数据，可以筛选出在该情绪状态下适宜推荐业务的用户，以使工作人员根据业务推荐数据在众多的用户中选择合适的用户进行针对性地服务，减小了众多用户的场景下业务推荐数据的分析难度，有助于提高服务效率。
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：
对接收的视频数据进行画面分帧，并分别提取分帧画面中各用户的人脸特征数据；
根据各用户的人脸特征数据，分别进行情绪识别，获得各用户对应的情绪参数，情绪参数包括参数类别和参数值；
根据预设的参数类别优先级以及参数值，对各用户对应的情绪参数进行排序；
根据各用户对应的情绪参数的排序结果，生成各用户的业务推荐数据。
在一个实施例中，业务推荐数据包括目标用户以及目标用户的适用业务；计算机程序被处理器执行时还实现以下步骤：
根据各用户对应的情绪参数的排序结果，从各用户中筛选出目标用户；
根据目标用户的人脸特征数据，获取目标用户的身份信息；
根据目标用户的身份信息，获取目标用户的用户画像；
根据用户画像，确定目标用户的适用业务。
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：
将业务推荐数据添加至分帧画面中与目标用户关联的预设位置；
根据添加有业务推荐数据的分帧画面，更新视频数据。
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：
对接收的视频数据进行画面分帧，并识别画面分帧后各画面帧中的用户，构建用户对应的数据集合；
根据各画面帧的分帧顺序，依次提取各画面帧中用户的人脸特征数据，并更新人脸特征数据至用户对应的数据集合；
根据各人脸特征数据，分别进行情绪识别，获得各用户对应的情绪参数包括：
当数据集合中的人脸特征数据满足预设情绪识别要求时，根据各数据集合中的人脸特征数据进行情绪识别，获得各用户对应的情绪参数。
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：
根据数据集合中的人脸特征数据，分别进行各预设情绪类别的特征匹配；
根据各预设情绪类别的特征匹配结果，确定人脸特征数据在各预设情绪类别中对应的情绪参数，情绪参数包括用于表征情绪类别的参数类型和用于表征特征匹配度的参数值；
将各情绪参数中参数值最大的情绪参数作为用户对应的情绪参数。
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：
根据预设情绪类别的优先级，确定情绪识别处理的特征匹配顺序；
根据各特征匹配顺序和各用户的人脸特征数据，进行各预设情绪类别的特征匹配。
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：
获取当前预设情绪类别的数据集合数量；
当数据集合数量大于预设情绪识别线程的数量时，根据数据集合中的人脸特征数据满足预设情绪识别要求的时间顺序，循环分配预设情绪识别线程对待处理的人脸特征数据进行特征匹配处理，待处理的人脸特征数据为未进行当前预设情绪类别的特征匹配处理的特征参数；
当前预设情绪类别各用户的人脸特征数据的特征匹配完成时，根据预设情绪类别的优先级，进行下一预设情绪类别的特征匹配。
上述用于实现业务推荐数据生成方法的计算机可读存储介质，通过对接收的视频数据进行画面分帧，以各分帧画面为依据，提取视频中出现的各个用户的人脸特征数据，通过对各用户的人脸特征数据进行情绪分析得到情绪参数，用以辅助判断各个用户的情绪状态，按照预设的人脸特征数据的参数类型的优先级和参数值，对各个用户对应的情绪参数进行排序，通过排序结果生成各用户的业务推荐数据，可以筛选出在该情绪状态下适宜推荐业务的用户，以使工作人员根据业务推荐数据在众多的用户中选择合适的用户进行针对性地服务，减小了众多用户的场景下业务推荐数据的分析难度，有助于提高服务效率。
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)
1.一种业务推荐数据生成方法，所述方法包括：
对接收的视频数据进行画面分帧，并分别提取分帧画面中各用户的人脸特征数据；
根据各所述用户的人脸特征数据，分别进行情绪识别，获得各所述用户对应的情绪参数，所述情绪参数包括参数类别和参数值；
根据预设的参数类别优先级以及所述参数值，对各所述用户对应的情绪参数进行排序；
根据各所述用户对应的情绪参数的排序结果，生成各所述用户的业务推荐数据。
2.根据权利要求1所述的方法，其特征在于，所述业务推荐数据包括目标用户以及所述目标用户的适用业务；所述根据各所述用户对应的情绪参数的排序结果，生成各所述用户的业务推荐数据包括：
根据各所述用户对应的情绪参数的排序结果，从所述各用户中筛选出目标用户；
根据所述目标用户的人脸特征数据，获取所述目标用户的身份信息；
根据所述目标用户的身份信息，获取所述目标用户的用户画像；
根据所述用户画像，确定所述目标用户的适用业务。
3.根据权利要求1或2所述的方法，其特征在于，所述根据各所述用户对应的情绪参数的排序结果，生成各所述用户的业务推荐数据之后，还包括：
将所述业务推荐数据添加至所述分帧画面中与所述目标用户关联的预设位置；
根据添加有所述业务推荐数据的分帧画面，更新所述视频数据。
4.根据权利要求1所述的方法，其特征在于，所述对接收的视频数据进行画面分帧，并分别提取分帧画面中各用户的人脸特征数据包括：
对接收的视频数据进行画面分帧，并识别所述画面分帧后各画面帧中的用户，构建所述用户对应的数据集合；
根据所述各画面帧的分帧顺序，依次提取所述各画面帧中所述用户的人脸特征数据，并更新所述人脸特征数据至所述用户对应的所述数据集合；
所述根据各所述人脸特征数据，分别进行情绪识别，获得各所述用户对应的情绪参数包括：
当所述数据集合中的所述人脸特征数据满足预设情绪识别要求时，根据所述数据集合中的人脸特征数据进行情绪识别，获得各所述用户对应的情绪参数。
5.根据权利要求4所述的方法，其特征在于，所述根据各所述用户的人脸特征数据，分别进行情绪识别，获得各所述用户对应的情绪参数包括：
根据所述数据集合中的人脸特征数据，分别进行各预设情绪类别的特征匹配；
根据各所述预设情绪类别的特征匹配结果，确定所述人脸特征数据在各所述预设情绪类别中对应的情绪参数，所述情绪参数包括用于表征情绪类别的参数类型和用于表征特征匹配度的参数值；
将各所述情绪参数中参数值最大的情绪参数作为所述用户对应的情绪参数。
6.根据权利要求5所述的方法，其特征在于，所述根据所述数据集合中的人脸特征数据，分别进行各预设情绪类别的特征匹配包括：
根据所述预设情绪类别的优先级，确定所述情绪识别处理的特征匹配顺序；
根据各所述特征匹配顺序和所述各用户的人脸特征数据，进行各所述预设情绪类别的特征匹配。
7.根据权利要求6所述的方法，其特征在于，所述根据各所述特征匹配顺序和所述各用户的人脸特征数据，进行各所述预设情绪类别的特征匹配包括：
获取当前预设情绪类别的所述数据集合数量；
当所述数据集合数量大于预设情绪识别线程的数量时，根据所述数据集合中的人脸特征数据满足所述预设情绪识别要求的时间顺序，循环分配所述预设情绪识别线程对待处理的人脸特征数据进行特征匹配处理，所述待处理的人脸特征数据为未进行当前预设情绪类别的特征匹配处理的特征参数；
当所述当前预设情绪类别各所述用户的人脸特征数据的特征匹配完成时，根据所述预设情绪类别的优先级，进行下一预设情绪类别的特征匹配。
8.一种业务推荐数据生成装置，其特征在于，所述装置包括：
人脸特征数据提取模块，用于对接收的视频数据进行画面分帧，并分别提取分帧画面中各用户的人脸特征数据；
情绪识别模块，用于根据各所述用户的人脸特征数据，分别进行情绪识别，获得各所述用户对应的情绪参数，所述情绪参数包括参数类别和参数值；
情绪参数排序模块，用于根据预设的参数类别优先级以及所述参数值，对各所述用户对应的情绪参数进行排序；
业务推荐数据生成模块，用于根据各所述用户对应的情绪参数的排序结果，生成各所述用户的业务推荐数据。
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 |
|---|---|---|---|
| CN201910295659.7A CN110135257A (zh) | 2019-04-12 | 2019-04-12 | 业务推荐数据生成、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910295659.7A CN110135257A (zh) | 2019-04-12 | 2019-04-12 | 业务推荐数据生成、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110135257A true CN110135257A (zh) | 2019-08-16 |
Family
ID=67569788
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910295659.7A Pending CN110135257A (zh) | 2019-04-12 | 2019-04-12 | 业务推荐数据生成、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110135257A (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110516874A (zh) * | 2019-08-28 | 2019-11-29 | 中国银行股份有限公司 | 信息处理方法、装置及系统 |
| CN110825230A (zh) * | 2019-11-05 | 2020-02-21 | 深圳市奥拓电子股份有限公司 | 基于场景认知的银行用户引导方法、系统及存储介质 |
| CN111444770A (zh) * | 2020-02-26 | 2020-07-24 | 北京大米未来科技有限公司 | 图像处理方法、装置、电子设备及介质 |
| CN111666908A (zh) * | 2020-06-09 | 2020-09-15 | 广州市百果园信息技术有限公司 | 视频用户的兴趣画像生成方法、装置、设备和存储介质 |
| CN111741116A (zh) * | 2020-06-28 | 2020-10-02 | 海尔优家智能科技（北京）有限公司 | 情感交互方法、装置、存储介质及电子装置 |
| CN111914160A (zh) * | 2019-10-11 | 2020-11-10 | 宁波大学 | 一种移动智能终端业务内容推送方法 |
| CN112381989A (zh) * | 2020-11-12 | 2021-02-19 | 中国工商银行股份有限公司 | 排序方法、装置、系统和电子设备 |
| CN112489808A (zh) * | 2020-12-15 | 2021-03-12 | 平安银行股份有限公司 | 需求推荐方法、装置、电子设备及存储介质 |
| CN112784069A (zh) * | 2020-12-31 | 2021-05-11 | 重庆空间视创科技有限公司 | 一种iptv内容智能推荐系统以及方法 |
| CN112784071A (zh) * | 2020-12-31 | 2021-05-11 | 重庆空间视创科技有限公司 | Iptv数据共享系统及方法 |
| CN113256351A (zh) * | 2021-06-29 | 2021-08-13 | 南京冰鉴信息科技有限公司 | 用户业务需求识别方法、装置及计算机可读存储介质 |
| WO2021218415A1 (zh) * | 2020-04-30 | 2021-11-04 | 京东方科技集团股份有限公司 | 表情识别方法及装置、电子设备、存储介质 |
| CN113630429A (zh) * | 2020-05-08 | 2021-11-09 | 未来穿戴技术有限公司 | 信息推荐方法、装置、计算机设备和计算机可读存储介质 |
| CN114170356A (zh) * | 2021-12-09 | 2022-03-11 | 米奥兰特(浙江)网络科技有限公司 | 线上路演方法、装置、电子设备及存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107133567A (zh) * | 2017-03-31 | 2017-09-05 | 北京奇艺世纪科技有限公司 | 一种创可贴广告点位选取方法及装置 |
| CN107784114A (zh) * | 2017-11-09 | 2018-03-09 | 广东欧珀移动通信有限公司 | 表情图像的推荐方法、装置、终端及存储介质 |
| CN108154398A (zh) * | 2017-12-27 | 2018-06-12 | 广东欧珀移动通信有限公司 | 信息显示方法、装置、终端及存储介质 |
| CN108536803A (zh) * | 2018-03-30 | 2018-09-14 | 百度在线网络技术（北京）有限公司 | 歌曲推荐方法、装置、设备及计算机可读介质 |
| CN109035089A (zh) * | 2018-07-25 | 2018-12-18 | 重庆科技学院 | 一种在线课堂氛围评估系统及方法 |
| CN109145871A (zh) * | 2018-09-14 | 2019-01-04 | 广州杰赛科技股份有限公司 | 心理行为识别方法、装置与存储介质 |
| CN109284413A (zh) * | 2018-09-07 | 2019-01-29 | 平安科技（深圳）有限公司 | 基于人脸识别的商品推荐方法、装置、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 |
-
2019
- 2019-04-12 CN CN201910295659.7A patent/CN110135257A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107133567A (zh) * | 2017-03-31 | 2017-09-05 | 北京奇艺世纪科技有限公司 | 一种创可贴广告点位选取方法及装置 |
| CN107784114A (zh) * | 2017-11-09 | 2018-03-09 | 广东欧珀移动通信有限公司 | 表情图像的推荐方法、装置、终端及存储介质 |
| CN108154398A (zh) * | 2017-12-27 | 2018-06-12 | 广东欧珀移动通信有限公司 | 信息显示方法、装置、终端及存储介质 |
| CN108536803A (zh) * | 2018-03-30 | 2018-09-14 | 百度在线网络技术（北京）有限公司 | 歌曲推荐方法、装置、设备及计算机可读介质 |
| CN109035089A (zh) * | 2018-07-25 | 2018-12-18 | 重庆科技学院 | 一种在线课堂氛围评估系统及方法 |
| CN109284413A (zh) * | 2018-09-07 | 2019-01-29 | 平安科技（深圳）有限公司 | 基于人脸识别的商品推荐方法、装置、设备及存储介质 |
| CN109145871A (zh) * | 2018-09-14 | 2019-01-04 | 广州杰赛科技股份有限公司 | 心理行为识别方法、装置与存储介质 |
| 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 |
Non-Patent Citations (2)
| Title |
|---|
| TAO WANG ET AL.,: "Research on tariff recovery risks assessment method based on electrical user portrait technology", 《2017 6TH INTERNATIONAL CONFERENCE ON COMPUTER SCIENCE AND NETWORK TECHNOLOGY (ICCSNT)》, pages 218 - 221 * |
| 陈鹏,: "基于数据挖掘的移动终端业务数据分析与处理研究", 《信息科技辑》, no. 2015, pages 138 - 666 * |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110516874A (zh) * | 2019-08-28 | 2019-11-29 | 中国银行股份有限公司 | 信息处理方法、装置及系统 |
| CN111914160A (zh) * | 2019-10-11 | 2020-11-10 | 宁波大学 | 一种移动智能终端业务内容推送方法 |
| CN110825230A (zh) * | 2019-11-05 | 2020-02-21 | 深圳市奥拓电子股份有限公司 | 基于场景认知的银行用户引导方法、系统及存储介质 |
| CN111444770A (zh) * | 2020-02-26 | 2020-07-24 | 北京大米未来科技有限公司 | 图像处理方法、装置、电子设备及介质 |
| WO2021218415A1 (zh) * | 2020-04-30 | 2021-11-04 | 京东方科技集团股份有限公司 | 表情识别方法及装置、电子设备、存储介质 |
| CN113630429A (zh) * | 2020-05-08 | 2021-11-09 | 未来穿戴技术有限公司 | 信息推荐方法、装置、计算机设备和计算机可读存储介质 |
| CN111666908A (zh) * | 2020-06-09 | 2020-09-15 | 广州市百果园信息技术有限公司 | 视频用户的兴趣画像生成方法、装置、设备和存储介质 |
| CN111741116A (zh) * | 2020-06-28 | 2020-10-02 | 海尔优家智能科技（北京）有限公司 | 情感交互方法、装置、存储介质及电子装置 |
| CN111741116B (zh) * | 2020-06-28 | 2023-08-22 | 海尔优家智能科技（北京）有限公司 | 情感交互方法、装置、存储介质及电子装置 |
| CN112381989A (zh) * | 2020-11-12 | 2021-02-19 | 中国工商银行股份有限公司 | 排序方法、装置、系统和电子设备 |
| CN112489808A (zh) * | 2020-12-15 | 2021-03-12 | 平安银行股份有限公司 | 需求推荐方法、装置、电子设备及存储介质 |
| CN112784069A (zh) * | 2020-12-31 | 2021-05-11 | 重庆空间视创科技有限公司 | 一种iptv内容智能推荐系统以及方法 |
| CN112784071A (zh) * | 2020-12-31 | 2021-05-11 | 重庆空间视创科技有限公司 | Iptv数据共享系统及方法 |
| CN112784071B (zh) * | 2020-12-31 | 2023-08-15 | 重庆空间视创科技有限公司 | Iptv数据共享系统及方法 |
| CN112784069B (zh) * | 2020-12-31 | 2024-01-30 | 重庆空间视创科技有限公司 | 一种iptv内容智能推荐系统以及方法 |
| CN113256351A (zh) * | 2021-06-29 | 2021-08-13 | 南京冰鉴信息科技有限公司 | 用户业务需求识别方法、装置及计算机可读存储介质 |
| CN114170356A (zh) * | 2021-12-09 | 2022-03-11 | 米奥兰特(浙江)网络科技有限公司 | 线上路演方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110135257A (zh) | 业务推荐数据生成、装置、计算机设备和存储介质 | |
| CN109310196B (zh) | 化妆辅助装置以及化妆辅助方法 | |
| WO2021078157A1 (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN109359548A (zh) | 多人脸识别监控方法及装置、电子设备及存储介质 | |
| US20130129210A1 (en) | Recommendation system based on the recognition of a face and style, and method thereof | |
| US11373441B2 (en) | Apparatus and method for coordinating the matching and initial communications between individuals in a dating application | |
| WO2021012494A1 (zh) | 基于深度学习的人脸识别方法、装置及计算机可读存储介质 | |
| WO2007140609A1 (en) | Method and system for image and video analysis, enhancement and display for communication | |
| CN110111136B (zh) | 视频数据处理方法、装置、计算机设备和存储介质 | |
| CN110741377A (zh) | 人脸图像处理方法、装置、存储介质及电子设备 | |
| CN109785066A (zh) | 基于微表情的产品推荐方法、装置、设备及存储介质 | |
| WO2022002961A1 (en) | Systems and methods for improved facial attribute classification and use thereof | |
| WO2005050370A2 (en) | System and method of searching for image data in a storage medium | |
| CN112395979A (zh) | 基于图像的健康状态识别方法、装置、设备及存储介质 | |
| CN113793256A (zh) | 基于用户标签的动漫人物生成方法、装置、设备及介质 | |
| JP5930450B2 (ja) | アノテーション装置及びアノテーションシステム | |
| US11812183B2 (en) | Information processing device and program | |
| US20240022685A1 (en) | Method for generating on-the-beat video and electronic device | |
| CN110598097B (zh) | 一种基于cnn的发型推荐系统、方法、设备及存储介质 | |
| CN116346420A (zh) | 业务处理方法、业务系统、显示终端及远程业务终端 | |
| CN115408611A (zh) | 菜单推荐方法、装置、计算机设备和存储介质 | |
| KR102594093B1 (ko) | 딥러닝 기술을 활용한 피부과 시술 추천 시스템 및 방법 | |
| CN115130493A (zh) | 基于图像识别的面部形变推荐方法、装置、设备和介质 | |
| CN113486730A (zh) | 一种基于人脸识别的智能提醒方法及相关装置 | |
| Zhou et al. | ULME-GAN: a generative adversarial network for micro-expression sequence generation |
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 |