CN110163083A - 用户信息的匹配方法、装置及终端设备 - Google Patents
用户信息的匹配方法、装置及终端设备 Download PDFInfo
- Publication number
- CN110163083A CN110163083A CN201910264927.9A CN201910264927A CN110163083A CN 110163083 A CN110163083 A CN 110163083A CN 201910264927 A CN201910264927 A CN 201910264927A CN 110163083 A CN110163083 A CN 110163083A
- Authority
- CN
- China
- Prior art keywords
- time point
- user terminal
- facial recognition
- terminal information
- recognition data
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- 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
- G06V40/161—Detection; Localisation; Normalisation
-
- 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
- G06V40/172—Classification, e.g. identification
Abstract
本申请适用于通信技术领域,提供了用户信息的匹配方法、装置及终端设备,包括:获取至少一个人脸识别数据、第一时间点和第二时间点,所述第一时间点为所述人脸识别数据的出行开始时间点,所述第二时间点为所述人脸识别数据的出行结束时间点;获取至少一个已开启WiFi的用户终端信息、第三时间点和第四时间点,所述第三时间点为所述用户终端信息的出行开始时间点,所述第四时间点为所述用户终端信息的出行结束时间点;对每个人脸识别数据,计算每个用户终端信息与所述人脸识别数据的匹配度;根据所述匹配度确定与所述人脸识别数据匹配的用户终端信息。通过上述方法,能够确定与人脸识别数据匹配的用户终端信息。
Description
技术领域
本申请属于通信技术领域,尤其涉及用户信息的匹配方法、装置、终端设备及计算机可读存储介质。
背景技术
目前,安防领域经常需要对用户进行识别,以对物品及用户进行有效防护。
对用户进行识别的常用方法是对用户的人脸进行识别。现有的人脸识别方法是通过摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部识别。但该方法需要人脸出现在摄像机或摄像头一定范围内才能进行识别,而摄像机或摄像头的拍摄范围却是有限的,因此难以及时地对用户进行识别。
发明内容
有鉴于此,本申请实施例提供了用户信息的匹配方法、装置、终端设备及计算机可读存储介质,以解决现有技术中根据人脸识别对用户进行识别时,受到摄像机或摄像头的拍摄范围限制,从而难以及时的对用户进行识别的问题。
本申请实施例的第一方面提供了一种用户信息的匹配方法,包括:
获取至少一个人脸识别数据、第一时间点和第二时间点,所述第一时间点为所述人脸识别数据的出行开始时间点,所述第二时间点为所述人脸识别数据的出行结束时间点;
获取至少一个已开启WiFi的用户终端信息、第三时间点和第四时间点,所述第三时间点为所述用户终端信息的出行开始时间点,所述第四时间点为所述用户终端信息的出行结束时间点;
对每个人脸识别数据,计算每个用户终端信息与所述人脸识别数据的匹配度;
根据所述匹配度确定与所述人脸识别数据匹配的用户终端信息。
本申请实施例的第二方面提供了一种用户信息的匹配装置,包括:
人脸识别数据获取单元,用于获取至少一个人脸识别数据、第一时间点和第二时间点,所述第一时间点为所述人脸识别数据的出行开始时间点,所述第二时间点为所述人脸识别数据的出行结束时间点;
用户终端信息获取单元,用于获取至少一个已开启WiFi的用户终端信息、第三时间点和第四时间点,所述第三时间点为所述用户终端信息的出行开始时间点,所述第四时间点为所述用户终端信息的出行结束时间点;
匹配度计算单元,用于对每个人脸识别数据,计算每个用户终端信息与所述人脸识别数据的匹配度;
匹配的用户终端信息确定单元,用于根据所述匹配度确定与所述人脸识别数据匹配的用户终端信息。
本申请实施例的第三方面提供了一种终端设备,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如第一方面所述方法的步骤。
本申请实施例的第四方面提供了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如第一方面所述方法的步骤。
本申请实施例与现有技术相比存在的有益效果是:
本申请实施例中,由于对每个人脸识别数据,计算每个用户终端信息与所述人脸识别数据的匹配度,以及根据所述匹配度确定与所述人脸识别数据匹配的用户终端信息,因此在确定用户终端信息与人脸识别数据的对应关系后,能够根据用户终端信息识别用户,而用户终端信息的获取范围远大于摄像设备的拍摄范围,且获取用户终端信息的计算量也远小于获取人脸识别数据的计算量,从而能够及时得到用户的识别结果。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种用户信息的匹配方法的流程图;
图2是本申请实施例提供的一种用户信息的匹配装置的结构示意图;
图3是本申请实施例提供的终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
为了说明本申请所述的技术方案,下面通过具体实施例来进行说明。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
具体实现中,本申请实施例中描述的终端设备包括但不限于诸如具有触摸敏感表面(例如,触摸屏显示器和/或触摸板)的移动电话、膝上型计算机或平板计算机之类的其它便携式设备。还应当理解的是,在某些实施例中,上述设备并非便携式通信设备,而是具有触摸敏感表面(例如,触摸屏显示器和/或触摸板)的台式计算机。
在接下来的讨论中,描述了包括显示器和触摸敏感表面的终端设备。然而,应当理解的是,终端设备可以包括诸如物理键盘、鼠标和/或控制杆的一个或多个其它物理用户接口设备。
终端设备支持各种应用程序,例如以下中的一个或多个:绘图应用程序、演示应用程序、文字处理应用程序、网站创建应用程序、盘刻录应用程序、电子表格应用程序、游戏应用程序、电话应用程序、视频会议应用程序、电子邮件应用程序、即时消息收发应用程序、锻炼支持应用程序、照片管理应用程序、数码相机应用程序、数字摄影机应用程序、web浏览应用程序、数字音乐播放器应用程序和/或数字视频播放器应用程序。
可以在终端设备上执行的各种应用程序可以使用诸如触摸敏感表面的至少一个公共物理用户接口设备。可以在应用程序之间和/或相应应用程序内调整和/或改变触摸敏感表面的一个或多个功能以及终端上显示的相应信息。这样,终端的公共物理架构(例如,触摸敏感表面)可以支持具有对用户而言直观且透明的用户界面的各种应用程序。
另外,在本申请的描述中,术语“第一”、“第二”、“第三”、“第四”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例:
图1示出了本申请实施例提供的一种用户信息的匹配方法的流程图,详述如下:
步骤S11,获取至少一个人脸识别数据、第一时间点和第二时间点,所述第一时间点为所述人脸识别数据的出行开始时间点,所述第二时间点为所述人脸识别数据的出行结束时间点;
其中,这里的人脸识别数据是指对图像进行人脸识别后得到的数据,一个人脸识别数据对应一个人脸。
该步骤中,第一时间点和第二时间点都对应同一个人脸识别数据,即分别为同一个人脸识别数据的出行开始时间点和出行结束时间点。
该步骤中,通过摄像设备(如摄像机或摄像头)获取一个区域内的多个时间段(每个时间段的时长可根据需要进行设置,例如将12小时设置为一个时间段)的至少一个人脸识别数据、第一时间点和第二时间点。需要指出的是,若该区域只有1个出入口,则从同一个摄像设备拍摄的图像中确定第一时间点和第二时间点,比如,将摄像设备拍摄到的用户进入区域的时间点作为第一时间点,将摄像设备拍摄到的用户离开区域的时间点作为第二时间点。若该区域有多个出入口,则可能从不同摄像设备拍摄的图像中确定第一时间点和第二时间点,但同样是将用户进入区域的时间点作为第一时间点,将用户离开区域的时间点作为第二时间点。
步骤S12,获取至少一个已开启WiFi的用户终端信息、第三时间点和第四时间点,所述第三时间点为所述用户终端信息的出行开始时间点,所述第四时间点为所述用户终端信息的出行结束时间点;
其中,用户终端包括手机、笔记本、平板电脑等;开启WiFi的用户终端是指该用户终端的“无线局域网”选项已开启。
该步骤中,可通过WiFi探针技术来识别无线访问接入点附近已开启WiFi的用户终端,具体地,可获取已开启WiFi的用户终端的用户终端信息,这里的用户终端信息包括:媒体访问控制地址(Media Access Control Address,MAC)。
该步骤中,通过WiFi获取一个区域内多个时间段的至少一个已开启WiFi的用户终端信息、第三时间点和第四时间点。该第三时间点是在一个时间段(每个时间段的时长可根据需要进行设置,例如将12小时设置为一个时间段)内最开始检测到用户终端信息的时间点,该第四时间点是在与第三时间点同一个时间段内最后检测到用户终端信息的时间点。与获取第一时间点和第二时间点的方案类似,若该区域只有1个出入口,则从同一个WiFi设备中确定第一时间点和第二时间点,比如,将WiFi设备首次检测到用户终端的时间点作为第三时间点,将WiFi设备最后检测到用户终端的时间点作为第四时间点。若该区域有多个出入口,则可能从不同WiFi设备中确定第三时间点和第四时间点,但同样是将首次检测到用户终端的时间点作为第三时间点,将最后检测到用户终端的时间点作为第四时间点。
步骤S13,对每个人脸识别数据,计算每个用户终端信息与所述人脸识别数据的匹配度;
由于人脸识别数据通常为较长的字符串,因此,采用较短的字符串对人脸识别数据进行标识,该较短的字符串称为人脸标识符。
该步骤中,将获取的至少一个人脸识别数据按照人脸标识符进行分组,对应同一个人脸标识符的人脸识别数据分为同一组,再分别计算不同组的人脸识别数据与所有用户终端信息的匹配度。例如,加上有2个人脸识别数据:人脸识别数据1和人脸识别数据2,用户终端信息的个数有3个:用户终端信息1、用户终端信息2和用户终端信息3。则对人脸识别数据1这一组,需要分别计算该人脸识别数据1和用户终端信息1的匹配度、人脸识别数据1和用户终端信息2的匹配度以及人脸识别数据1和用户终端信息3的匹配度。对人脸识别数据2这一组,则需要分别计算该人脸识别数据2和用户终端信息1的匹配度、人脸识别数据2和用户终端信息2的匹配度以及人脸识别数据2和用户终端信息3的匹配度。
在一些实施例中,匹配度与第一时间点和第二时间点所在的时间段与第三时间点和第四时间点所在的时间段的重合次数有关,当重合次数越多,匹配度越高,反正,匹配度越低。
步骤S14,根据所述匹配度确定与所述人脸识别数据匹配的用户终端信息。
本申请实施例中,由于对每个人脸识别数据,计算每个用户终端信息与所述人脸识别数据的匹配度,以及根据所述匹配度确定与所述人脸识别数据匹配的用户终端信息,因此在确定用户终端信息与人脸识别数据的对应关系后,能够根据用户终端信息识别用户,而用户终端信息的获取范围远大于摄像设备的拍摄范围,且获取用户终端信息的计算量也远小于获取人脸识别数据的计算量,从而能够及时得到用户的识别结果。
在一些实施例中,在所述步骤S11之后,包括:
A1、根据所述第一时间点和第二时间点,计算所述人脸识别数据的出行时长;
A2、筛选出出行时长大于或等于预设时长阈值,且出行的次数大于或等于预设次数阈值的人脸识别数据。筛选后的人脸识别数据将作为后续分析的数据,如在步骤S13中需要分析的人脸识别数据。
本实施例中,按人脸标识符对人脸识别数据进行分组,计算出每组人脸识别数据的出行时长。具体地,由于第二时间点为出行结束时间点,而第一时间点为出行开始时间点,因此,将出行结束时间点与出行开始时间点相减,将得到出行时长。其中,这里的预设时长阈值可根据实际情况进行设定,比如设定为30分钟,由于对出行时长进行筛选,因此减少了后续需要分析的人脸识别数据的数量,提高了后续的分析速度,并且,只对大于预设时长阈值的出行时长进行分析,能够保证分析的人脸识别数据更具分析价值。
上述A1和A2中,还需要计算出每组人脸识别数据的出行次数,具体地,根据每个人脸标识符的出现次数确定该人脸标识符对应的人脸识别数据出行的次数。其中,预设次数阈值可根据实际情况进行设定,比如设定为13次。
在一些实施例中,在所述步骤S12之后,包括:
B1、根据所述第三时间点和第四时间点,计算所述用户终端信息的出行时长;
B2、筛选出出行时长大于或等于预设时长阈值,且出行的次数大于或等于预设次数阈值的用户终端信息。
上述B1和B2中,将第四时间点与第三时间点相减,得到用户终端信息的出行时长。其中,预设时长阈值可根据实际情况进行设定,比如设定为30分钟。
上述B1和B2中,用户终端信息出行的次数根据检测到的该用户终端信息的出现次数确定。
在一些实施例中,所述步骤S13包括:
C1、对每个人脸识别数据,分别判断每个用户终端信息的第三时间点与所述人脸识别数据的第一时间点的差是否在第一预设差值范围内,并且,分别判断每个用户终端信息的第四时间点与所述人脸识别数据的第二时间点的差是否在第二预设差值范围内;
C2、若第三时间点与所述人脸识别数据的第一时间点的差在第一预设差值范围内,并且,第四时间点与所述人脸识别数据的第二时间点的差在第二预设差值范围内,则所述人脸识别数据与所述用户终端信息的匹配度在当前值上累加预设数值。
其中,第一预设差值和第二预设差值可以相等,也可以不等。其中,预设数值可以为1,也可以为其他数值。
上述C1和C2中,分别计算每个人脸识别数据与每个用户终端信息的匹配度。具体地,用人脸标识符表示人脸识别数据,MAC地址表示用户终端信息,人脸标识符与MAC地址的初始匹配度为0,如果对于每个人脸标识符的每次出行(即第一时间点和第二时间点之间的时间段),MAC地址的出行时间(即第三时间点和第四时间点之间的时间段)落在第一时间点的某个时间点之前(比如第一时间点的5分钟之前),并且,落在第二时间点的某个时间点之后(比如第二时间点的6分钟之后),则判定该人脸标识符与该MAC地址“同行”,匹配度在当前值上加上预设数值,比如加上1。
为了更清楚地显示计算的同一人脸标识符与不同MAC地址的关系,下面通过表1进行示例:
表1:
(人脸标识符,MAC地址) | 匹配度 |
(imageID 1,mac 1) | 200 |
(imageID 1,mac 2) | 20 |
... | ... |
(imageID 1,mac n) | 2 |
上述表1示出了人脸标识符为imageID 1与n个MAC地址的匹配度。其他人脸标识符与该n个MAC地址的匹配度与表1类似,此次不再赘述。
在一些实施例中,根据最高的匹配度确定与人脸识别数据匹配的用户终端信息,此时所述步骤S14包括:
D1、对每个人脸识别数据,排序出所述人脸识别数据与用户终端信息最高的匹配度;
D2、将最高的匹配度对应的用户终端信息确定为与所述人脸识别数据匹配的用户终端信息。
本实施例中,在计算出人脸识别数据与不同用户终端信息的匹配度后,排序出最高的匹配度,进而将该最高的匹配度对应的用户终端信息确定为该人脸识别数据匹配的用户终端信息。例如,假设人脸识别数据与用户终端信息1的匹配度是200,与用户终端信息2的匹配度是150,与用户终端3的匹配度是100,则判定该人脸识别数据与用户终端信息1匹配。
在一些实施例中,根据最高的匹配度以及第二高的匹配度确定与人脸识别数据匹配的用户终端信息,此时所述步骤S14包括:
E1、对每个人脸识别数据,排序出所述人脸识别数据与用户终端信息最高的匹配度;
E2、判断最高的匹配度是否大于或等于第一预设匹配阈值,若大于或等于第一预设匹配阈值,判断所述最高的匹配度与次高的匹配度的差是否大于或等于第二预设匹配阈值;
E3、若大于或等于第二预设匹配阈值,将所述最高的匹配度对应的用户终端信息确定为与所述人脸识别数据匹配的用户终端信息,所述第二预设匹配阈值小于所述第一预设匹配阈值。
其中,第一预设匹配阈值可设置为50,或其他数值,具体根据实际情况设置;第二预设匹配阈值可设置为最高的匹配度的百分比,比如,设置为最高的匹配度的20%。参考表1,人脸标识符为imageID 1时,假设其与用户终端信息的最高的匹配度是200,次高为50,第一预设匹配阈值为50,第二预设匹配阈值为最高的匹配度的20%,即为200*20%=40:由于最高的匹配度200大于50,则继续判断200-50=150是否大于或等于40,由于150大于40,因此,将该200对应的用户终端信息确定为与imageID 1匹配的用户终端信息。
本实施例中,在确定与人脸识别数据匹配的用户终端信息时,不仅考虑了最高的匹配度,也考虑了次高的匹配度,通过这样的比较,找出显著匹配的用户终端信息,从而过滤了误差,提高匹配判断结果的准确性。
在一些实施例中,由于一个用户也可能同时使用2个及2个以上的终端,因此,在执行E3之后,继续判断第二高的匹配度是否大于或等于第一预设匹配阈值,若大于或等于第一预设匹配阈值,判断所述第二高的匹配度与第三高的匹配度的差是否大于或等于第二预设匹配阈值;若大于或等于第二预设匹配阈值,将所述第二高的匹配度对应的用户终端信息确定为与所述人脸识别数据匹配的用户终端信息,所述第二预设匹配阈值小于所述第一预设匹配阈值。
在一些实施例中,所述步骤S11具体为:
从摄像设备拍摄的图像中获取至少一个人脸识别数据、第一时间点和第二时间点;
所述步骤S12具体为:
通过WiFi设备获取至少一个已开启WiFi的用户终端信息、第三时间点和第四时间点;
对应地,所述第一预设匹配阈值根据以下方式确定:
计算所述摄像设备与所述WiFi设备的距离,根据计算的距离确定第一预设匹配阈值。
本实施例中,由于摄像设备与WiFi设备采集信息时会受到距离的影响,因此,当摄像设备与WiFi设备距离较大,能够采集到更多人脸识别数据与更多用户终端信息时,匹配度将增加,对应地,设置一个较大的第一预设匹配阈值;相反,当摄像设备与WiFi设备距离较小,能够采集到较少人脸识别数据与较少用户终端信息时,匹配度将降低,对应地,设置一个较小的第一预设匹配阈值。由于根据摄像设备与WiFi设备的距离调整第一预设匹配阈值,因此,能够筛选出与人脸识别数据更匹配的用户终端信息。
图2示出了本申请实施例提供的一种用户信息的匹配装置的结构示意图,为了便于说明,仅示出了与本申请实施例相关的部分。
该用户信息的匹配装置2包括:人脸识别数据获取单元21、用户终端信息获取单元22、匹配度计算单元23、匹配的用户终端信息确定单元24。其中:
人脸识别数据获取单元21,用于获取至少一个人脸识别数据、第一时间点和第二时间点,所述第一时间点为所述人脸识别数据的出行开始时间点,所述第二时间点为所述人脸识别数据的出行结束时间点;
具体地,通过摄像设备(如摄像机或摄像头)获取一个区域内的多个时间段(每个时间段的时长可根据需要进行设置,例如将12小时设置为一个时间段)的至少一个人脸识别数据、第一时间点和第二时间点。需要指出的是,若该区域只有1个出入口,则从同一个摄像设备拍摄的图像中确定第一时间点和第二时间点,比如,将摄像设备拍摄到的用户进入区域的时间点作为第一时间点,将摄像设备拍摄到的用户离开区域的时间点作为第二时间点。若该区域有多个出入口,则可能从不同摄像设备拍摄的图像中确定第一时间点和第二时间点,但同样是将用户进入区域的时间点作为第一时间点,将用户离开区域的时间点作为第二时间点。
用户终端信息获取单元22,用于获取至少一个已开启WiFi的用户终端信息、第三时间点和第四时间点,所述第三时间点为所述用户终端信息的出行开始时间点,所述第四时间点为所述用户终端信息的出行结束时间点;
其中,用户终端包括手机、笔记本、平板电脑等;开启WiFi的用户终端是指该用户终端的“无线局域网”选项已开启。这里的用户终端信息包括:MAC地址。
具体地,通过WiFi获取一个区域内多个时间段的至少一个已开启WiFi的用户终端信息、第三时间点和第四时间点。该第三时间点是在一个时间段(每个时间段的时长可根据需要进行设置,例如将12小时设置为一个时间段)内最开始检测到用户终端信息的时间点,该第四时间点是在与第三时间点同一个时间段内最后检测到用户终端信息的时间点。与获取第一时间点和第二时间点的方案类似,若该区域只有1个出入口,则从同一个WiFi设备中确定第一时间点和第二时间点,比如,将WiFi设备首次检测到用户终端的时间点作为第三时间点,将WiFi设备最后检测到用户终端的时间点作为第四时间点。若该区域有多个出入口,则可能从不同WiFi设备中确定第三时间点和第四时间点,但同样是将首次检测到用户终端的时间点作为第三时间点,将最后检测到用户终端的时间点作为第四时间点。
匹配度计算单元23,用于对每个人脸识别数据,计算每个用户终端信息与所述人脸识别数据的匹配度;
由于人脸识别数据通常为较长的字符串,因此,采用较短的字符串对人脸识别数据进行标识,该较短的字符串称为人脸标识符。
在一些实施例中,匹配度与第一时间点和第二时间点所在的时间段与第三时间点和第四时间点所在的时间段的重合次数有关,当重合次数越多,匹配度越高,反正,匹配度越低。
匹配的用户终端信息确定单元24,用于根据所述匹配度确定与所述人脸识别数据匹配的用户终端信息。
本申请实施例中,由于对每个人脸识别数据,计算每个用户终端信息与所述人脸识别数据的匹配度,以及根据所述匹配度确定与所述人脸识别数据匹配的用户终端信息,因此在确定用户终端信息与人脸识别数据的对应关系后,能够根据用户终端信息识别用户,而用户终端信息的获取范围远大于摄像设备的拍摄范围,且获取用户终端信息的计算量也远小于获取人脸识别数据的计算量,从而能够及时得到用户的识别结果。
在一些实施例中,所述用户信息的匹配装置2还包括:
第一出行时长计算单元,用于根据所述第一时间点和第二时间点,计算所述人脸识别数据的出行时长;具体地,将出行结束时间点与出行开始时间点相减,将得到出行时长。其中,这里的预设时长阈值可根据实际情况进行设定,比如设定为30分钟。
人脸识别数据筛选单元,用于筛选出出行时长大于或等于预设时长阈值,且出行的次数大于或等于预设次数阈值的人脸识别数据。
具体地,根据每个人脸标识符的出现次数确定该人脸标识符对应的人脸识别数据出行的次数。其中,预设次数阈值可根据实际情况进行设定,比如设定为13次。
在一些实施例中,所述用户信息的匹配装置2还包括:
第二出行时长计算单元,用于根据所述第三时间点和第四时间点,计算所述用户终端信息的出行时长;具体地,将第四时间点与第三时间点相减,得到用户终端信息的出行时长。其中,预设时长阈值可根据实际情况进行设定,比如设定为30分钟。
用户终端信息筛选单元,用于筛选出出行时长大于或等于预设时长阈值,且出行的次数大于或等于预设次数阈值的用户终端信息。具体地,用户终端信息出行的次数根据检测到的该用户终端信息的出现次数确定。
在一些实施例中,所述匹配度计算单元23包括:
时间差比较模块,用于对每个人脸识别数据,分别判断每个用户终端信息的第三时间点与所述人脸识别数据的第一时间点的差是否在第一预设差值范围内,并且,分别判断每个用户终端信息的第四时间点与所述人脸识别数据的第二时间点的差是否在第二预设差值范围内;
匹配度累计模块,用于若第三时间点与所述人脸识别数据的第一时间点的差在第一预设差值范围内,并且,第四时间点与所述人脸识别数据的第二时间点的差在第二预设差值范围内,则所述人脸识别数据与所述用户终端信息的匹配度在当前值上累加预设数值。
其中,第一预设差值和第二预设差值可以相等,也可以不等。其中,预设数值可以为1,也可以为其他数值。
在一些实施例中,根据最高的匹配度确定与人脸识别数据匹配的用户终端信息,此时所述匹配的用户终端信息确定单元24包括:
匹配度排序模块,用于对每个人脸识别数据,排序出所述人脸识别数据与用户终端信息最高的匹配度;
第一用户终端信息确定模块,用于将最高的匹配度对应的用户终端信息确定为与所述人脸识别数据匹配的用户终端信息。
在一些实施例中,根据最高的匹配度以及第二高的匹配度确定与人脸识别数据匹配的用户终端信息,此时所述匹配的用户终端信息确定单元24包括:
最高的匹配度确定模块,用于对每个人脸识别数据,排序出所述人脸识别数据与用户终端信息最高的匹配度;
最高的匹配度比较模块,用于判断最高的匹配度是否大于或等于第一预设匹配阈值,若大于或等于第一预设匹配阈值,判断所述最高的匹配度与次高的匹配度的差是否大于或等于第二预设匹配阈值;
第二用户终端信息确定模块,用于若大于或等于第二预设匹配阈值,将所述最高的匹配度对应的用户终端信息确定为与所述人脸识别数据匹配的用户终端信息,所述第二预设匹配阈值小于所述第一预设匹配阈值。
其中,第一预设匹配阈值可设置为50,或其他数值,具体根据实际情况设置;第二预设匹配阈值可设置为最高的匹配度的百分比,比如,设置为最高的匹配度的20%。
在一些实施例中,由于一个用户也可能同时使用2个及2个以上的终端,因此,所述匹配的用户终端信息确定单元24还包括:
第三用户终端信息确定模块,用于判断第二高的匹配度是否大于或等于第一预设匹配阈值,若大于或等于第一预设匹配阈值,判断所述第二高的匹配度与第三高的匹配度的差是否大于或等于第二预设匹配阈值;若大于或等于第二预设匹配阈值,将所述第二高的匹配度对应的用户终端信息确定为与所述人脸识别数据匹配的用户终端信息,所述第二预设匹配阈值小于所述第一预设匹配阈值。
在一些实施例中,所述人脸识别数据获取单元21具体为:
从摄像设备拍摄的图像中获取至少一个人脸识别数据、第一时间点和第二时间点;
所述用户终端信息获取单元22具体为:
通过WiFi设备获取至少一个已开启WiFi的用户终端信息、第三时间点和第四时间点;
对应地,所述第一预设匹配阈值根据以下方式确定:
计算所述摄像设备与所述WiFi设备的距离,根据计算的距离确定第一预设匹配阈值。
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,而不应对本申请实施例的实施过程构成任何限定。
图3是本申请一实施例提供的终端设备的示意图。如图3所示,该实施例的终端设备3包括:处理器30、存储器31以及存储在所述存储器31中并可在所述处理器30上运行的计算机程序32。所述处理器30执行所述计算机程序32时实现上述各个方法实施例中的步骤,例如图1所示的步骤S11至S14。或者,所述处理器30执行所述计算机程序32时实现上述各装置实施例中各模块/单元的功能,例如图2所示模块21至24的功能。
示例性的,所述计算机程序32可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器31中,并由所述处理器30执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序32在所述终端设备3中的执行过程。例如,所述计算机程序32可以被分割成人脸识别数据获取单元、用户终端信息获取单元、匹配度计算单元、匹配的用户终端信息确定单元,各单元具体功能如下:
人脸识别数据获取单元,用于获取至少一个人脸识别数据、第一时间点和第二时间点,所述第一时间点为所述人脸识别数据的出行开始时间点,所述第二时间点为所述人脸识别数据的出行结束时间点;
用户终端信息获取单元,用于获取至少一个已开启WiFi的用户终端信息、第三时间点和第四时间点,所述第三时间点为所述用户终端信息的出行开始时间点,所述第四时间点为所述用户终端信息的出行结束时间点;
匹配度计算单元,用于对每个人脸识别数据,计算每个用户终端信息与所述人脸识别数据的匹配度;
匹配的用户终端信息确定单元,用于根据所述匹配度确定与所述人脸识别数据匹配的用户终端信息。
所述终端设备3可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器30、存储器31。本领域技术人员可以理解,图3仅仅是终端设备3的示例,并不构成对终端设备3的限定,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,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器30可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器31可以是所述终端设备3的内部存储单元,例如终端设备3的硬盘或内存。所述存储器31也可以是所述终端设备3的外部存储设备,例如所述终端设备3上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器31还可以既包括所述终端设备3的内部存储单元也包括外部存储设备。所述存储器31用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器31还可以用于暂时地存储已经输出或者将要输出的数据。
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。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也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计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种用户信息的匹配方法,其特征在于,包括:
获取至少一个人脸识别数据、第一时间点和第二时间点,所述第一时间点为所述人脸识别数据的出行开始时间点,所述第二时间点为所述人脸识别数据的出行结束时间点;
获取至少一个已开启WiFi的用户终端信息、第三时间点和第四时间点,所述第三时间点为所述用户终端信息的出行开始时间点,所述第四时间点为所述用户终端信息的出行结束时间点;
对每个人脸识别数据,计算每个用户终端信息与所述人脸识别数据的匹配度;
根据所述匹配度确定与所述人脸识别数据匹配的用户终端信息。
2.如权利要求1所述的用户信息的匹配方法,其特征在于,在所述获取至少一个人脸识别数据、第一时间点和第二时间点之后,包括:
根据所述第一时间点和第二时间点,计算所述人脸识别数据的出行时长;
筛选出出行时长大于或等于预设时长阈值,且出行的次数大于或等于预设次数阈值的人脸识别数据。
3.如权利要求1所述的用户信息的匹配方法,其特征在于,在所述获取至少一个已开启WiFi的用户终端信息、第三时间点和第四时间点之后,包括:
根据所述第三时间点和第四时间点,计算所述用户终端信息的出行时长;
筛选出出行时长大于或等于预设时长阈值,且出行的次数大于或等于预设次数阈值的用户终端信息。
4.如权利要求1至3任一项所述的用户信息的匹配方法,其特征在于,所述对每个人脸识别数据,计算每个用户终端信息与所述人脸识别数据的匹配度,包括:
对每个人脸识别数据,分别判断每个用户终端信息的第三时间点与所述人脸识别数据的第一时间点的差是否在第一预设差值范围内,并且,分别判断每个用户终端信息的第四时间点与所述人脸识别数据的第二时间点的差是否在第二预设差值范围内;
若第三时间点与所述人脸识别数据的第一时间点的差在第一预设差值范围内,并且,第四时间点与所述人脸识别数据的第二时间点的差在第二预设差值范围内,则所述人脸识别数据与所述用户终端信息的匹配度在当前值上累加预设数值。
5.如权利要求1或4所述的用户信息的匹配方法,其特征在于,所述根据所述匹配度确定与所述人脸识别数据匹配的用户终端信息,包括:
对每个人脸识别数据,排序出所述人脸识别数据与用户终端信息最高的匹配度;
将最高的匹配度对应的用户终端信息确定为与所述人脸识别数据匹配的用户终端信息。
6.如权利要求1或4所述的用户信息的匹配方法,其特征在于,所述根据所述匹配度确定与所述人脸识别数据匹配的用户终端信息,包括:
对每个人脸识别数据,排序出所述人脸识别数据与用户终端信息最高的匹配度;
判断最高的匹配度是否大于或等于第一预设匹配阈值,若大于或等于第一预设匹配阈值,判断所述最高的匹配度与次高的匹配度的差是否大于或等于第二预设匹配阈值;
若大于或等于第二预设匹配阈值,将所述最高的匹配度对应的用户终端信息确定为与所述人脸识别数据匹配的用户终端信息,所述第二预设匹配阈值小于所述第一预设匹配阈值。
7.如权利要求6所述的用户信息的匹配方法,其特征在于,所述获取至少一个人脸识别数据、第一时间点和第二时间点具体为:
从摄像设备拍摄的图像中获取至少一个人脸识别数据、第一时间点和第二时间点;
所述获取至少一个已开启WiFi的用户终端信息、第三时间点和第四时间点具体为:
通过WiFi设备获取至少一个已开启WiFi的用户终端信息、第三时间点和第四时间点;
对应地,所述第一预设匹配阈值根据以下方式确定:
计算所述摄像设备与所述WiFi设备的距离,根据计算的距离确定第一预设匹配阈值。
8.一种用户信息的匹配装置,其特征在于,包括:
人脸识别数据获取单元,用于获取至少一个人脸识别数据、第一时间点和第二时间点,所述第一时间点为所述人脸识别数据的出行开始时间点,所述第二时间点为所述人脸识别数据的出行结束时间点;
用户终端信息获取单元,用于获取至少一个已开启WiFi的用户终端信息、第三时间点和第四时间点,所述第三时间点为所述用户终端信息的出行开始时间点,所述第四时间点为所述用户终端信息的出行结束时间点;
匹配度计算单元,用于对每个人脸识别数据,计算每个用户终端信息与所述人脸识别数据的匹配度;
匹配的用户终端信息确定单元,用于根据所述匹配度确定与所述人脸识别数据匹配的用户终端信息。
9.一种终端设备,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7任一项所述方法的步骤。
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7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910264927.9A CN110163083A (zh) | 2019-04-03 | 2019-04-03 | 用户信息的匹配方法、装置及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910264927.9A CN110163083A (zh) | 2019-04-03 | 2019-04-03 | 用户信息的匹配方法、装置及终端设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110163083A true CN110163083A (zh) | 2019-08-23 |
Family
ID=67638931
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910264927.9A Pending CN110163083A (zh) | 2019-04-03 | 2019-04-03 | 用户信息的匹配方法、装置及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110163083A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110852372A (zh) * | 2019-11-07 | 2020-02-28 | 北京爱笔科技有限公司 | 一种数据关联方法、装置、设备及可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103886283A (zh) * | 2014-03-03 | 2014-06-25 | 天津科技大学 | 用于移动用户的多生物特征图像信息融合方法及其应用 |
CN106128028A (zh) * | 2016-07-21 | 2016-11-16 | 深圳奇迹智慧网络有限公司 | 一种基于mac码和人脸识别的人流预警方法 |
CN106874347A (zh) * | 2016-12-26 | 2017-06-20 | 深圳市深网视界科技有限公司 | 一种匹配人体特征与mac地址的方法及系统 |
US20170364740A1 (en) * | 2016-06-17 | 2017-12-21 | International Business Machines Corporation | Signal processing |
-
2019
- 2019-04-03 CN CN201910264927.9A patent/CN110163083A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103886283A (zh) * | 2014-03-03 | 2014-06-25 | 天津科技大学 | 用于移动用户的多生物特征图像信息融合方法及其应用 |
US20170364740A1 (en) * | 2016-06-17 | 2017-12-21 | International Business Machines Corporation | Signal processing |
CN106128028A (zh) * | 2016-07-21 | 2016-11-16 | 深圳奇迹智慧网络有限公司 | 一种基于mac码和人脸识别的人流预警方法 |
CN106874347A (zh) * | 2016-12-26 | 2017-06-20 | 深圳市深网视界科技有限公司 | 一种匹配人体特征与mac地址的方法及系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110852372A (zh) * | 2019-11-07 | 2020-02-28 | 北京爱笔科技有限公司 | 一种数据关联方法、装置、设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021184727A1 (zh) | 数据异常检测方法、装置、电子设备及存储介质 | |
CN106384273B (zh) | 恶意刷单检测系统及方法 | |
CN109474483A (zh) | 一种设备异常情况的检测方法、检测装置及终端设备 | |
CN110443120A (zh) | 一种人脸识别方法及设备 | |
CN109885597B (zh) | 基于机器学习的用户分群处理方法、装置及电子终端 | |
CN109215037A (zh) | 目标图像分割方法、装置及终端设备 | |
CN104517052B (zh) | 一种入侵检测方法及装置 | |
CN108011928A (zh) | 一种信息推送方法、终端设备及计算机可读介质 | |
CN108769634A (zh) | 一种图像处理方法、图像处理装置及终端设备 | |
CN110347876A (zh) | 视频分类方法、装置、终端设备及计算机可读存储介质 | |
CN106372977B (zh) | 一种虚拟账户的处理方法和设备 | |
CN108961267A (zh) | 图片处理方法、图片处理装置及终端设备 | |
CN112463859B (zh) | 基于大数据和业务分析的用户数据处理方法及服务器 | |
CN111931047B (zh) | 基于人工智能的黑产账号检测方法及相关装置 | |
CN109164327A (zh) | 基于组合式判据的用电系统电器行为辨识方法及装置 | |
CN108898587A (zh) | 图片处理方法、图片处理装置及终端设备 | |
CN110348274A (zh) | 一种人脸识别方法、装置及设备 | |
CN111191601A (zh) | 同行用户识别方法、装置、服务器及存储介质 | |
CN110287767A (zh) | 可防攻击的活体检测方法、装置、计算机设备及存储介质 | |
CN108182444A (zh) | 基于场景分类的视频质量诊断的方法及装置 | |
CN108932703A (zh) | 图片处理方法、图片处理装置及终端设备 | |
CN107705414B (zh) | 一种纸币的识别方法、装置、终端设备和存储介质 | |
CN110163083A (zh) | 用户信息的匹配方法、装置及终端设备 | |
CN109766282A (zh) | 一种卡顿检测方法、卡顿检测装置及终端设备 | |
CN107645583A (zh) | 一种联系人排序方法、移动终端及计算机可读存储介质 |
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: 20190823 |