CN110879944A - 基于人脸相似度的主播推荐方法、存储介质、设备及系统 - Google Patents
基于人脸相似度的主播推荐方法、存储介质、设备及系统 Download PDFInfo
- Publication number
- CN110879944A CN110879944A CN201811032275.8A CN201811032275A CN110879944A CN 110879944 A CN110879944 A CN 110879944A CN 201811032275 A CN201811032275 A CN 201811032275A CN 110879944 A CN110879944 A CN 110879944A
- Authority
- CN
- China
- Prior art keywords
- anchor
- live broadcast
- user
- face
- feature
- 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 30
- 238000012545 processing Methods 0.000 claims abstract description 46
- 238000010606 normalization Methods 0.000 claims abstract description 45
- 238000004364 calculation method Methods 0.000 claims abstract description 43
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 31
- 238000000605 extraction Methods 0.000 claims abstract description 23
- 238000012216 screening Methods 0.000 claims abstract description 19
- 238000001514 detection method Methods 0.000 claims abstract description 16
- 238000012163 sequencing technique Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 7
- 238000011161 development Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003796 beauty Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Abstract
本发明公开了一种基于人脸相似度的主播推荐方法、存储介质、设备及系统,涉及互联网直播应用领域,该方法包括获取含有人脸的照片;基于人脸检测算法,检测出获取的照片中的人脸区域,然后基于特征提取算法,提取出人脸区域全连接层的4096维特征;对提取出的每个特征的特征值进行归一化处理计算,然后得到人脸区域对应归一化处理后特征值的特征向量y;进行相似度计算,根据计算出的相识度θ值,按照相识度高低顺序排序选取设定个数的主播,并进一步筛选后推荐给用户。本发明在数据库的所有主播中,匹配出与该人像相似度较高的其它主播,按相似度高低进行排名,然后推荐给观众,满足用户自己个性化定制,自由度较高。
Description
技术领域
本发明涉及互联网直播应用领域,具体涉及一种基于人脸相似度的主播推荐方法、存储介质、设备及系统。
背景技术
随着移动互联网的飞速发展,直播行业也呈现出蓬勃发展之势,越来越多的年轻人喜欢通过观看直播的方式来打发业余时间。
随着观看直播的用户越来越多,用户群体也随之烽火,而每个用户所喜欢的主播的类型长相是不同的,有的用户喜欢这种长相类型的主播,而有的用户喜欢另一种长相类型的主播,在现有的实施方式中,用户为找到自己喜欢的长相的主播,需要在包含所有主播照片的瀑布流页面中进行手动滚动查收,极其费时。
发明内容
针对现有技术中存在的缺陷,本发明的目的在于提供一种基于人脸相似度的主播推荐方法,在数据库的所有主播中,匹配出与该人像相似度较高的其它主播,按相似度高低进行排名,然后推荐给观众,满足用户自己个性化定制,自由度较高。
为达到以上目的,本发明采取的技术方案是,包括:
获取含有人脸的照片;
基于人脸检测算法,检测出获取的照片中的人脸区域,然后基于特征提取算法,提取出人脸区域全连接层的4096维特征;
对提取出的每个特征的特征值进行归一化处理计算,然后得到人脸区域对应归一化处理后特征值的特征向量y;
进行相似度计算,计算公式为:
其中,z表示直播平台中主播人脸区域的特征向量,θ表示相识度,θ越小表示相识度越高;
根据计算出的相识度θ值,按照相识度高低顺序排序,并由高至低选取设定个数的主播,同时直播平台服务器对所有主播的直播时段进行记录,且直播平台服务器对用户的登录时间进行记录,对于选取的主播,进一步进行筛选,所述筛选的规则为:
若主播的直播时段包含用户的登录时间,则将该主播推荐给用户,反之,则该主播不推荐给用户;
若所有主播的直播时段均不包含用户的登录时间,则提示用户当前无可推荐主播。
在上述技术方案的基础上,所述获取含有人脸的照片,对于照片的获取,包括用户手动获取和直播平台服务器自动获取。
在上述技术方案的基础上,
所述手动获取为用户拍摄照片或选取智能设备相册中照片;
所述直播平台服务器自动获取包括第一获取方式和第二获取方式;
所述第一获取方式为:直播平台服务器对用户的历史访问直播间进行记录,当用户对某个直播间的历史访问次数达到设定阈值,则直播平台服务器选取该直播间主播的照片作为获取的照片;
所述第二获取方式为:直播平台服务器对用户所有访问的直播间的观看时长进行记录,当用户在某个直播间的累计观看时长超过设定时长,则直播平台服务器选取该直播间主播的照片作为输入的照片。
在上述技术方案的基础上,所述第一获取方式还包括:当某个直播间的历史访问次数达到设定阈值,直播平台服务器获取该直播间所属直播分类,并将该直播分类中人气最高直播间的主播的照片作为获取的照片。
在上述技术方案的基础上,所述第二获取方式还包括:直播平台服务器获取用户的关注列表,当用户对关注列表中某个直播间的累计观看时长超过设定时长,则直播平台服务器获取该直播间所属直播分类,并将该直播分类中人气最高直播间的主播的照片作为获取的照片。
在上述技术方案的基础上,所述对提取出的每个特征的特征值进行归一化处理计算,其归一化处理计算公式为:
m=(n-min)/(max-min)
其中,n表示当前特征的特征值,max表示提取的所有特征的最大特征值,min表示提取的所有特征的最小特征值,m表示归一化处理后的特征值。
在上述技术方案的基础上,所述直播平台的服务器中含有所有主播人脸区域的照片,当进行相似度计算时,将服务器中每个主播人脸区域的特征向量依次与特征向量y进行相似度计算,得到相识度θ。
本发明还提供一种存储介质,该存储介质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:
获取含有人脸的照片;
基于人脸检测算法,检测出获取的照片中的人脸区域,然后基于特征提取算法,提取出人脸区域全连接层的4096维特征;
对提取出的每个特征的特征值进行归一化处理计算,然后得到人脸区域对应归一化处理后特征值的特征向量y;
进行相似度计算,计算公式为:
其中,z表示直播平台中主播人脸区域的特征向量,θ表示相识度,θ越小表示相识度越高;
根据计算出的相识度θ值,按照相识度高低顺序排序,并由高至低选取设定个数的主播,同时直播平台服务器对所有主播的直播时段进行记录,且直播平台服务器对用户的登录时间进行记录,对于选取的主播,进一步进行筛选,所述筛选的规则为:
若主播的直播时段包含用户的登录时间,则将该主播推荐给用户,反之,则该主播不推荐给用户;
若所有主播的直播时段均不包含用户的登录时间,则提示用户当前无可推荐主播。
本发明还提供一种电子设备,所述电子设备包括:
获取单元,其用于获取含有人脸的照片;
提取单元,其用于基于人脸检测算法,检测出获取的照片中的人脸区域,然后基于特征提取算法,提取出人脸区域全连接层的4096维特征;
归一化处理单元,其用于对提取出的每个特征的特征值进行归一化处理计算,然后得到人脸区域对应归一化处理后特征值的特征向量y;
计算单元,其用于进行相似度计算,计算公式为:
其中,z表示直播平台中主播人脸区域的特征向量,θ表示相识度,θ越小表示相识度越高;
推荐单元,其用于根据计算出的相识度θ值,按照相识度高低顺序排序,并由高至低选取设定个数的主播,同时直播平台服务器对所有主播的直播时段进行记录,且直播平台服务器对用户的登录时间进行记录,对于选取的主播,进一步进行筛选,所述筛选的规则为:
若主播的直播时段包含用户的登录时间,则将该主播推荐给用户,反之,则该主播不推荐给用户;
若所有主播的直播时段均不包含用户的登录时间,则提示用户当前无可推荐主播。
本发明还提供一种基于人脸相似度的主播推荐系统,包括:
获取模块,其用于获取含有人脸的照片;
提取模块,其用于基于人脸检测算法,检测出获取的照片中的人脸区域,然后基于特征提取算法,提取出人脸区域全连接层的4096维特征;
归一化处理模块,其用于对提取出的每个特征的特征值进行归一化处理计算,然后得到人脸区域对应归一化处理后特征值的特征向量y;
计算模块,其用于进行相似度计算,计算公式为:
其中,z表示直播平台中主播人脸区域的特征向量,θ表示相识度,θ越小表示相识度越高;
推荐单元,其用于根据计算出的相识度θ值,按照相识度高低顺序排序,并由高至低选取设定个数的主播,同时直播平台服务器对所有主播的直播时段进行记录,且直播平台服务器对用户的登录时间进行记录,对于选取的主播,进一步进行筛选,所述筛选的规则为:
若主播的直播时段包含用户的登录时间,则将该主播推荐给用户,反之,则该主播不推荐给用户;
若所有主播的直播时段均不包含用户的登录时间,则提示用户当前无可推荐主播。
与现有技术相比,本发明的优点在于:通过手动获取或自动的方式,输入用户喜欢人物的照片,然后基于观众输入的人像,进行人脸相似度计算,在数据库的所有主播中,匹配出与该人像相似度较高的其它主播,按相似度高低进行排名,然后推荐给观众,满足用户自己个性化定制,自由度较高,由观众决定自身喜欢的类型,然后服务器再进行相似推荐,给用户带来更好的直播观看体验。
附图说明
图1为本发明实施例中一种基于人脸相似度的主播推荐方法的流程图;
图2为本发明实施例中一种电子设备的结构示意图。
具体实施方式
以下结合附图及实施例对本发明作进一步详细说明。本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
参见图1所示,本发明实施例提供一种基于人脸相似度的主播推荐方法,当用户在进行直播的观看时,输入自己喜欢的类型的主播、明星或其它人物的照片,直播平台便会向该用户推荐出与照片中人物类似的主播,满足用户的个性化直播观看需求。本发明实施例的基于人脸相似度的主播推荐方法具体包括以下步骤:
S1:获取含有人脸的照片。本发明实施例的基于人脸相似度的主播推荐方法运行于直播客户端中,用户向直播客户端中输入照片。输入含有人脸的照片,对于输入的获取,包括手动获取和直播平台服务器自动获取,手动获取为用户拍摄或选取智能设备相册中照片,选取的照片可以为主播照片、明星照片等。当用户选择通过拍摄的方式进行照片的输入时,用户拍摄直播页面上主播的照片或拍摄广告牌上明星的照片作为获取的照片。
直播平台服务器自动获取包括第一获取方式和第二获取方式。第一获取方式为:直播平台服务器对用户的历史访问直播间进行记录,当用户对某个直播间的历史访问次数达到设定阈值,则直播平台服务器选取该直播间主播的照片作为获取的照片。用户多次访问某个直播间进行观看,即可表明用户对该直播间的主播较为喜爱,因此可将该直播间主播的照片作为获取的照片,以便于后续推荐与该主播相似的其它主播。进一步的,第一获取方式还包括:当某个直播间的历史访问次数达到设定阈值,直播平台服务器获取该直播间所属直播分类,并将该直播分类中人气最高直播间的主播的照片作为获取的照片。用户多次访问某个直播间进行观看,也有可能是对该类型的直播比较感兴趣,因此可以根据该直播间所属直播分类,然后将该直播分类中人气最高直播间的主播的照片作为获取的照片。直播分类包括户外直播、颜值直播等。每个直播分类下的主播通常都具有某些共同点,例如颜值分类下的主播,因为美颜相机或个人相貌特征的原因,眼睛可能较大,而用户可能是喜欢这种类型的主播,故将该直播分类中人气最高直播间的主播的照片作为获取的照片,然后推荐相似主播以满足用户的喜爱需求。直播间的人气一般根据当前直播间的关注数或礼物数确定,例如,关注数多的直播间,则人气高。
第二获取方式为:直播平台服务器对用户所有访问的直播间的观看时长进行记录,当用户在某个直播间的累计观看时长超过设定时长,则直播平台服务器获取该直播间主播的照片作为获取的照片。用户长时间观看某个直播间,也可表明用户喜欢该类型的主播,故将该直播间主播的照片作为获取的照片,以推荐相似主播。进一步的,第二获取方式还包括:直播平台服务器获取用户的关注列表,当用户对关注列表中某个直播间的累计观看时长超过设定时长,则直播平台服务器获取该直播间所属直播分类,并将该直播分类中人气最高直播间的主播的照片作为获取的照片。用户的关注列表中一般都是记录的用户所喜爱主播的直播间,而用户对关注列表中某个直播间的累计观看时长超过设定时长,便更加能够表明用户喜欢该类型的主播,将该直播间主播的照片作为获取的照片,已推荐相似主播。
直播客户端运行于智能移动设备或个人PC中,当直播客户端运行于智能移动设备,此时用户便可以调用智能移动设备的摄像头,直播页面上的主播、广告牌上的明星照片、杂志上的人物等进行拍摄,或者直接选取智能移动设备相册中的照片,进行照片的输入;当直播客户端运行于个人PC,便可直接选取相册中的照片,进行照片的输入。照片的输入形式多种多样,极大满足用户操作的便捷性。
S2:基于人脸检测算法,检测出获取的照片中的人脸区域,然后基于特征提取算法,提取出人脸区域全连接层的4096维特征。人脸检测算法现如今较为成熟,使用人脸检测算法能够很轻易的检测出照片或视频中的人脸,从而对人脸区域进行定位。特征提取算法也有很多,如Haar,LBP,HOG等。Haar是计算机视觉领域一种常用的特征描述算子。LBP(Local Binary Pattern,局部二值模式)是一种用来描述图像局部纹理特征的算子,它具有旋转不变性和灰度不变性等显著的优点,用于纹理特征提取。HOG(Histogram ofOriented Gradient,,方向梯度直方图)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。本发明实施例中,特征提取算法使用基于卷积神经网络的特征提取算法,提取出人脸区域全连接层的4096维特征。
S3:对提取出的每个特征的特征值进行归一化处理计算,然后得到人脸区域对应归一化处理后特征值的特征向量y。归一化处理是数据挖掘的一项基础工作,不同评价指标往往具有不同的量纲和量纲单位,这样的情况会影响到数据分析的结果,为了消除指标之间的量纲影响,需要进行数据标准化处理,以解决数据指标之间的可比性,原始数据经过数据归一化处理后,各指标处于同一数量级,适合进行综合对比评价。对人脸区域使用特征提取算法会得到多个特征,对提取出的每个特征的特征值进行归一化处理计算,其归一化处理计算公式为:
m=(n-min)/(max-min)
其中,n表示当前特征的特征值,max表示提取的所有特征的最大特征值,min表示提取的所有特征的最小特征值,m表示归一化处理后的特征值。进行归一化处理后,每个特征的值会处于[0,1]中。
对进行归一化处理后的特征值进行相应计算,便会得到对应特征值的特征向量y,特征值和特征向量之间是能够通过缩放因子进行相互转换运算的。
S4:进行相似度计算,计算公式为:
其中,z表示直播平台中主播人脸区域的特征向量,θ表示相识度,θ越小表示相识度越高。直播平台的服务器中含有所有主播人脸区域的照片,当进行相似度计算时,将服务器中每个主播人脸区域的特征向量依次与特征向量y进行相似度计算,得到相识度θ,从而得到多个相识度θ,且计算得到的相识度θ的值可能不尽相同。直播平台中主播人脸区域的特征向量的计算方法采用本发明实施例中步骤S2和S3的计算方法。
S5:根据计算出的相识度θ值,按照相识度高低顺序排序,并由高至低选取设定个数的主播,同时直播平台服务器对所有主播的直播时段进行记录,且直播平台服务器对用户的登录时间进行记录,对于选取的主播,进一步进行筛选,所述筛选的规则为:
若主播的直播时段包含用户的登录时间,则将该主播推荐给用户,反之,则该主播不推荐给用户;避免出现对于推荐给用户的主播,而该主播当前未开播,用户无法观看该主播以出现失望心情的场景,从而有效保证用户的使用体验。
若所有主播的直播时段均不包含用户的登录时间,则提示用户当前无可推荐主播。也相当于保证了用户的使用体验。
按照相识度高低顺序排序,相识度高的主播排名在前,如设定的个数为5个,则选取的为排名1至5的主播。
在直播平台服务器对所有主播的直播时段进行记录,且直播平台服务器对用户的登录时间进行记录,只有当用户登录直播平台服务器后,才会进行相应的相似度计算,主播推荐等操作
本发明实施例的基于人脸相似度的主播推荐方法,通过手动获取或自动的方式,输入用户喜欢人物的照片,然后基于观众输入的人像,进行人脸相似度计算,在数据库的所有主播中,匹配出与该人像相似度较高的其它主播,按相似度高低进行排名,然后推荐给观众,满足用户自己个性化定制,自由度较高,由观众决定自身喜欢的类型,然后服务器再进行相似推荐,给用户带来更好的直播观看体验。
本发明实施例还提供一种存储介质,该存储介质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:
选取含有人脸的照片;
基于人脸检测算法,检测出获取的照片中的人脸区域,然后基于特征提取算法,提取出人脸区域全连接层的4096维特征;
对提取出的每个特征的特征值进行归一化处理计算,然后得到人脸区域对应归一化处理后特征值的特征向量y;
进行相似度计算,计算公式为:
其中,z表示直播平台中主播人脸区域的特征向量,θ表示相识度,θ越小表示相识度越高;
根据计算出的相识度θ值,按照相识度高低顺序排序,并由高至低选取设定个数的主播,同时直播平台服务器对所有主播的直播时段进行记录,且直播平台服务器对用户的登录时间进行记录,对于选取的主播,进一步进行筛选,所述筛选的规则为:
若主播的直播时段包含用户的登录时间,则将该主播推荐给用户,反之,则该主播不推荐给用户;
若所有主播的直播时段均不包含用户的登录时间,则提示用户当前无可推荐主播。
获取含有人脸的照片,对于照片的获取,包括用户手动获取和直播平台服务器自动输入。手动获取为用户拍摄照片或选取智能设备相册中照片;自动获取包括第一获取方式和第二获取方式;第一获取方式为:直播平台服务器对用户的历史访问直播间进行记录,当用户对某个直播间的历史访问次数达到设定阈值,则直播平台服务器选取该直播间主播的照片作为获取的照片;第二获取方式为:直播平台服务器对用户所有访问的直播间的观看时长进行记录,当用户在某个直播间的累计观看时长超过设定时长,则直播平台服务器选取该直播间主播的照片作为输入的照片。
第一获取方式还包括:当某个直播间的历史访问次数达到设定阈值,直播平台服务器获取该直播间所属直播分类,并将该直播分类中人气最高直播间的主播的照片作为获取的照片。第二获取方式还包括:直播平台服务器获取用户的关注列表,当用户对关注列表中某个直播间的累计观看时长超过设定时长,则直播平台服务器获取该直播间所属直播分类,并将该直播分类中人气最高直播间的主播的照片作为获取的照片。
参见图2所示,本发明实施例还提供一种电子设备,所述电子设备包括获取单元、提取单元、归一化处理单元、计算单元和推荐单元。
获取单元用于获取含有人脸的照片;
提取单元用于基于人脸检测算法,检测出获取的照片中的人脸区域,然后基于特征提取算法,提取出人脸区域全连接层的4096维特征;
归一化处理单元用于对提取出的每个特征的特征值进行归一化处理计算,然后得到人脸区域对应归一化处理后特征值的特征向量y;
计算单元用于进行相似度计算,计算公式为:
其中,z表示直播平台中主播人脸区域的特征向量,θ表示相识度,θ越小表示相识度越高;
推荐单元用于根据计算出的相识度θ值,按照相识度高低顺序排序,并由高至低选取设定个数的主播,同时直播平台服务器对所有主播的直播时段进行记录,且直播平台服务器对用户的登录时间进行记录,对于选取的主播,进一步进行筛选,所述筛选的规则为:
若主播的直播时段包含用户的登录时间,则将该主播推荐给用户,反之,则该主播不推荐给用户;
若所有主播的直播时段均不包含用户的登录时间,则提示用户当前无可推荐主播。
本发明实施例还提供一种基于人脸相似度的主播推荐系统,电子设备包括获取模块、提取模块、归一化处理模块、计算模块和推荐模块。
获取模块用于获取含有人脸的照片;
提取模块用于基于人脸检测算法,检测出获取的照片中的人脸区域,然后基于特征提取算法,提取出人脸区域全连接层的4096维特征;
归一化处理模块用于对提取出的每个特征的特征值进行归一化处理计算,然后得到人脸区域对应归一化处理后特征值的特征向量y;
计算模块用于进行相似度计算,计算公式为:
其中,z表示直播平台中主播人脸区域的特征向量,θ表示相识度,θ越小表示相识度越高;
推荐模块用于根据计算出的相识度θ值,按照相识度高低顺序排序,并由高至低选取设定个数的主播,同时直播平台服务器对所有主播的直播时段进行记录,且直播平台服务器对用户的登录时间进行记录,对于选取的主播,进一步进行筛选,所述筛选的规则为:
若主播的直播时段包含用户的登录时间,则将该主播推荐给用户,反之,则该主播不推荐给用户;
若所有主播的直播时段均不包含用户的登录时间,则提示用户当前无可推荐主播。
本发明实施例的基于人脸相似度的主播推荐系统,通过手动获取或自动的方式,输入用户喜欢人物的照片,然后基于观众输入的人像,进行人脸相似度计算,在数据库的所有主播中,匹配出与该人像相似度较高的其它主播,按相似度高低进行排名,然后推荐给观众,满足用户自己个性化定制,自由度较高,由观众决定自身喜欢的类型,然后服务器再进行相似推荐,给用户带来更好的直播观看体验。
本发明不局限于上述实施方式,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围之内。本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
Claims (10)
1.一种基于人脸相似度的主播推荐方法,其特征在于,包括以下步骤:
获取含有人脸的照片;
基于人脸检测算法,检测出获取的照片中的人脸区域,然后基于特征提取算法,提取出人脸区域全连接层的4096维特征;
对提取出的每个特征的特征值进行归一化处理计算,然后得到人脸区域对应归一化处理后特征值的特征向量y;
进行相似度计算,计算公式为:
其中,z表示直播平台中主播人脸区域的特征向量,θ表示相识度,θ越小表示相识度越高;
根据计算出的相识度θ值,按照相识度高低顺序排序,并由高至低选取设定个数的主播,同时直播平台服务器对所有主播的直播时段进行记录,且直播平台服务器对用户的登录时间进行记录,对于选取的主播,进一步进行筛选,所述筛选的规则为:
若主播的直播时段包含用户的登录时间,则将该主播推荐给用户,反之,则该主播不推荐给用户;
若所有主播的直播时段均不包含用户的登录时间,则提示用户当前无可推荐主播。
2.如权利要求1所述的一种基于人脸相似度的主播推荐方法,其特征在于:
所述获取含有人脸的照片,对于照片的获取,包括用户手动获取和直播平台服务器自动获取。
3.如权利要求2所述的一种基于人脸相似度的主播推荐方法,其特征在于:
所述手动获取为用户拍摄照片或选取智能设备相册中照片;
所述直播平台服务器自动获取包括第一获取方式和第二获取方式;
所述第一获取方式为:直播平台服务器对用户的历史访问直播间进行记录,当用户对某个直播间的历史访问次数达到设定阈值,则直播平台服务器选取该直播间主播的照片作为获取的照片;
所述第二获取方式为:直播平台服务器对用户所有访问的直播间的观看时长进行记录,当用户在某个直播间的累计观看时长超过设定时长,则直播平台服务器选取该直播间主播的照片作为输入的照片。
4.如权利要求3所述的一种基于人脸相似度的主播推荐方法,其特征在于:所述第一获取方式还包括:当某个直播间的历史访问次数达到设定阈值,直播平台服务器获取该直播间所属直播分类,并将该直播分类中人气最高直播间的主播的照片作为获取的照片。
5.如权利要求3所述的一种基于人脸相似度的主播推荐方法,其特征在于:所述第二获取方式还包括:直播平台服务器获取用户的关注列表,当用户对关注列表中某个直播间的累计观看时长超过设定时长,则直播平台服务器获取该直播间所属直播分类,并将该直播分类中人气最高直播间的主播的照片作为获取的照片。
6.如权利要求1所述的一种基于人脸相似度的主播推荐方法,其特征在于:所述对提取出的每个特征的特征值进行归一化处理计算,其归一化处理计算公式为:
m=(n-min)/(max-min)
其中,n表示当前特征的特征值,max表示提取的所有特征的最大特征值,min表示提取的所有特征的最小特征值,m表示归一化处理后的特征值。
7.如权利要求1所述的一种基于人脸相似度的主播推荐方法,其特征在于:所述直播平台的服务器中含有所有主播人脸区域的照片,当进行相似度计算时,将服务器中每个主播人脸区域的特征向量依次与特征向量y进行相似度计算,得到相识度θ。
8.一种存储介质,该存储介质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以下步骤:
获取含有人脸的照片;
基于人脸检测算法,检测出获取的照片中的人脸区域,然后基于特征提取算法,提取出人脸区域全连接层的4096维特征;
对提取出的每个特征的特征值进行归一化处理计算,然后得到人脸区域对应归一化处理后特征值的特征向量y;
进行相似度计算,计算公式为:
其中,z表示直播平台中主播人脸区域的特征向量,θ表示相识度,θ越小表示相识度越高;
根据计算出的相识度θ值,按照相识度高低顺序排序,并由高至低选取设定个数的主播,同时直播平台服务器对所有主播的直播时段进行记录,且直播平台服务器对用户的登录时间进行记录,对于选取的主播,进一步进行筛选,所述筛选的规则为:
若主播的直播时段包含用户的登录时间,则将该主播推荐给用户,反之,则该主播不推荐给用户;
若所有主播的直播时段均不包含用户的登录时间,则提示用户当前无可推荐主播。
9.一种电子设备,其特征在于,所述电子设备包括:
获取单元,其用于获取含有人脸的照片;
提取单元,其用于基于人脸检测算法,检测出获取的照片中的人脸区域,然后基于特征提取算法,提取出人脸区域全连接层的4096维特征;
归一化处理单元,其用于对提取出的每个特征的特征值进行归一化处理计算,然后得到人脸区域对应归一化处理后特征值的特征向量y;
计算单元,其用于进行相似度计算,计算公式为:
其中,z表示直播平台中主播人脸区域的特征向量,θ表示相识度,θ越小表示相识度越高;
推荐单元,其用于根据计算出的相识度θ值,按照相识度高低顺序排序,并由高至低选取设定个数的主播,同时直播平台服务器对所有主播的直播时段进行记录,且直播平台服务器对用户的登录时间进行记录,对于选取的主播,进一步进行筛选,所述筛选的规则为:
若主播的直播时段包含用户的登录时间,则将该主播推荐给用户,反之,则该主播不推荐给用户;
若所有主播的直播时段均不包含用户的登录时间,则提示用户当前无可推荐主播。
10.一种基于人脸相似度的主播推荐系统,其特征在于,包括:
获取模块,其用于获取含有人脸的照片;
提取模块,其用于基于人脸检测算法,检测出获取的照片中的人脸区域,然后基于特征提取算法,提取出人脸区域全连接层的4096维特征;
归一化处理模块,其用于对提取出的每个特征的特征值进行归一化处理计算,然后得到人脸区域对应归一化处理后特征值的特征向量y;
计算模块,其用于进行相似度计算,计算公式为:
其中,z表示直播平台中主播人脸区域的特征向量,θ表示相识度,θ越小表示相识度越高;
推荐模块,其用于根据计算出的相识度θ值,按照相识度高低顺序排序,并由高至低选取设定个数的主播,同时直播平台服务器对所有主播的直播时段进行记录,且直播平台服务器对用户的登录时间进行记录,对于选取的主播,进一步进行筛选,所述筛选的规则为:
若主播的直播时段包含用户的登录时间,则将该主播推荐给用户,反之,则该主播不推荐给用户;
若所有主播的直播时段均不包含用户的登录时间,则提示用户当前无可推荐主播。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811032275.8A CN110879944A (zh) | 2018-09-05 | 2018-09-05 | 基于人脸相似度的主播推荐方法、存储介质、设备及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811032275.8A CN110879944A (zh) | 2018-09-05 | 2018-09-05 | 基于人脸相似度的主播推荐方法、存储介质、设备及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110879944A true CN110879944A (zh) | 2020-03-13 |
Family
ID=69727470
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811032275.8A Pending CN110879944A (zh) | 2018-09-05 | 2018-09-05 | 基于人脸相似度的主播推荐方法、存储介质、设备及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110879944A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112256976A (zh) * | 2020-11-13 | 2021-01-22 | 腾讯科技(深圳)有限公司 | 一种匹配方法和相关装置 |
CN115214492A (zh) * | 2022-07-12 | 2022-10-21 | 深圳市城市交通规划设计研究中心股份有限公司 | 基于视频辅助的车载酒驾检测方法、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103491441A (zh) * | 2013-09-09 | 2014-01-01 | 东软集团股份有限公司 | 直播电视节目推荐方法及系统 |
CN106341704A (zh) * | 2016-08-18 | 2017-01-18 | 北京奇虎科技有限公司 | 一种基于主播的推荐方法及装置 |
CN106604051A (zh) * | 2016-12-20 | 2017-04-26 | 广州华多网络科技有限公司 | 直播频道推荐方法及装置 |
CN107404656A (zh) * | 2017-06-26 | 2017-11-28 | 武汉斗鱼网络科技有限公司 | 直播视频推荐方法、装置及服务器 |
CN107959865A (zh) * | 2017-11-14 | 2018-04-24 | 广州虎牙信息科技有限公司 | 主播推送方法、装置及计算机设备 |
-
2018
- 2018-09-05 CN CN201811032275.8A patent/CN110879944A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103491441A (zh) * | 2013-09-09 | 2014-01-01 | 东软集团股份有限公司 | 直播电视节目推荐方法及系统 |
CN106341704A (zh) * | 2016-08-18 | 2017-01-18 | 北京奇虎科技有限公司 | 一种基于主播的推荐方法及装置 |
CN106604051A (zh) * | 2016-12-20 | 2017-04-26 | 广州华多网络科技有限公司 | 直播频道推荐方法及装置 |
CN107404656A (zh) * | 2017-06-26 | 2017-11-28 | 武汉斗鱼网络科技有限公司 | 直播视频推荐方法、装置及服务器 |
CN107959865A (zh) * | 2017-11-14 | 2018-04-24 | 广州虎牙信息科技有限公司 | 主播推送方法、装置及计算机设备 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112256976A (zh) * | 2020-11-13 | 2021-01-22 | 腾讯科技(深圳)有限公司 | 一种匹配方法和相关装置 |
CN112256976B (zh) * | 2020-11-13 | 2024-02-23 | 腾讯科技(深圳)有限公司 | 一种匹配方法和相关装置 |
CN115214492A (zh) * | 2022-07-12 | 2022-10-21 | 深圳市城市交通规划设计研究中心股份有限公司 | 基于视频辅助的车载酒驾检测方法、电子设备及存储介质 |
CN115214492B (zh) * | 2022-07-12 | 2023-02-03 | 深圳市城市交通规划设计研究中心股份有限公司 | 基于视频辅助的车载酒驾检测方法、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10579669B2 (en) | System, apparatus, method, program and recording medium for processing image | |
JP5934653B2 (ja) | 画像分類装置、画像分類方法、プログラム、記録媒体、集積回路、モデル作成装置 | |
Gygli et al. | The interestingness of images | |
JP5358083B2 (ja) | 人物画像検索装置及び画像検索装置 | |
US8724910B1 (en) | Selection of representative images | |
US8135239B2 (en) | Display control apparatus, display control method, computer program, and recording medium | |
US10939165B2 (en) | Facilitating television based interaction with social networking tools | |
US20100071003A1 (en) | Content personalization | |
US20140198986A1 (en) | System and method for image selection using multivariate time series analysis | |
US20070195344A1 (en) | System, apparatus, method, program and recording medium for processing image | |
Lovato et al. | Faved! biometrics: Tell me which image you like and I'll tell you who you are | |
JP2012530287A (ja) | 代表的な画像を選択するための方法及び装置 | |
CN110990625A (zh) | 影视推荐方法及装置 | |
CN110879944A (zh) | 基于人脸相似度的主播推荐方法、存储介质、设备及系统 | |
US8270731B2 (en) | Image classification using range information | |
CN111444822B (zh) | 对象识别方法和装置、存储介质和电子装置 | |
US9569440B2 (en) | Method and apparatus for content manipulation | |
CN110019951B (zh) | 一种生成视频缩略图的方法及设备 | |
US20200074218A1 (en) | Information processing system, information processing apparatus, and non-transitory computer readable medium | |
CN108574875A (zh) | 促进与社交联网工具的基于电视的交互 | |
WO2014092553A2 (en) | Method and system for splitting and combining images from steerable camera | |
CN108632639B (zh) | 一种视频类型判断方法及服务器 | |
CN110704680B (zh) | 标签生成方法、电子设备及存储介质 | |
Yang et al. | Improved quality keyframe selection method for hd video | |
CN112906466A (zh) | 图像关联方法、系统及设备以及图像搜索方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
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 |
Application publication date: 20200313 |
|
RJ01 | Rejection of invention patent application after publication |