CN111507743A - 一种代驾推荐方法和系统 - Google Patents
一种代驾推荐方法和系统 Download PDFInfo
- Publication number
- CN111507743A CN111507743A CN201910097164.3A CN201910097164A CN111507743A CN 111507743 A CN111507743 A CN 111507743A CN 201910097164 A CN201910097164 A CN 201910097164A CN 111507743 A CN111507743 A CN 111507743A
- Authority
- CN
- China
- Prior art keywords
- face image
- service
- service requester
- drinking
- micro
- 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
- 230000035622 drinking Effects 0.000 claims abstract description 95
- 230000014509 gene expression Effects 0.000 claims abstract description 16
- 238000012795 verification Methods 0.000 claims abstract description 10
- 238000013527 convolutional neural network Methods 0.000 claims description 36
- 238000012549 training Methods 0.000 claims description 27
- 230000006870 function Effects 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 14
- 230000005477 standard model Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 8
- 238000011478 gradient descent method Methods 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 6
- 230000001815 facial effect Effects 0.000 description 16
- 230000008859 change Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 6
- 238000001514 detection method Methods 0.000 description 6
- 238000010606 normalization Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 210000001508 eye Anatomy 0.000 description 4
- 210000004709 eyebrow Anatomy 0.000 description 4
- 210000001331 nose Anatomy 0.000 description 4
- 238000011176 pooling Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000001680 brushing effect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 210000000214 mouth Anatomy 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013179 statistical model Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
-
- 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
- G06V40/176—Dynamic expression
-
- 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Accounting & Taxation (AREA)
- Social Psychology (AREA)
- Entrepreneurship & Innovation (AREA)
- Psychiatry (AREA)
- Game Theory and Decision Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种代驾推荐方法和系统,所述方法包括接收业务终端发送的业务请求,所述业务请求携带业务请求人的人脸图像;基于所述人脸图像通过人脸识别完成所述业务请求人的身份验证信息,完成对应的业务;同时,基于所述人脸图像中所述业务请求人的微表情进行饮酒判断;若判断所述业务请求人为饮酒状态,向所述业务请求人发送业务完成提示信息的同时,向所述业务请求人发送代驾推荐信息。主动向饮酒者推荐代驾,提高了代驾软件的使用效率,提高了驾驶安全性。
Description
【技术领域】
本申请涉及图像识别领域,尤其涉及一种代驾推荐方法和系统。
【背景技术】
代驾就是当车主不能自行开车到达目的地时,由专业驾驶人员驾驶车主的车将其送至指定地点并收取一定费用的行为。发生最多的应用场景为用户在餐饮聚会中饮酒后呼叫代驾。
但是,目前的代驾都是用户通过代驾软件主动去呼叫代驾,而需要代驾的用户往往不确定自身是饮酒状态还是醉酒状态,很容易导致用户不使用代驾软件而自行驾车,造成各种风险。
【发明内容】
本申请的多个方面提供一种代驾推荐方法和系统,用以向酒后用户提供代驾推荐,避免酒后驾驶的风险。
本申请的一方面,提供一种代驾推荐方法,包括:
接收业务终端发送的业务请求,所述业务请求携带业务请求人的人脸图像;
基于所述人脸图像通过人脸识别完成所述业务请求人的身份验证信息,完成对应的业务;同时,基于所述人脸图像中所述业务请求人的微表情进行饮酒判断;
若判断所述业务请求人为饮酒状态,向所述业务请求人发送业务完成提示信息的同时,向所述业务请求人发送代驾推荐信息。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述业务请求为支付请求,用于请求服务端从所述业务请求对应的第三方支付账号完成支付。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述基于所述人脸图像通过人脸识别完成所述业务请求人的身份验证信息包括:
基于所述业务请求携带的业务请求人的人脸图像进行人脸识别,在人脸图像库中查找与所述业务请求人的人脸图像相匹配的人脸图像,并基于查找到的人脸图像确定其绑定的第三方支付账号。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述方法还包括:
若基于查找到的人脸图像样本确定其绑定的第三方支付账号后,根据所述第三方支付账号查询所述业务请求人的驾驶证信息和/或车辆信息,若查询到存在驾驶证信息和/或车辆信息,则进行饮酒判断;若未查询到驾驶证信息和/或车辆信息,则无需进行饮酒判断。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述基于所述人脸图像中所述业务请求人的微表情进行饮酒判断包括:
根据所述业务请求人的人脸图像,提取人脸微表情,建立人脸微表情模型,与预先建立的样本标准模型匹配得到匹配度,作为饮酒判定参数。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述样本标准模型是通过采集不同饮酒状态下的微表情人脸图像,捕捉特征点数据并映射到三维虚拟人脸模型建立的。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述基于所述人脸图像中所述业务请求人的微表情进行饮酒判断包括:
将所述业务请求人的人脸图像输入到预先训练的卷积神经网络中,得到对所述业务请求人的人脸图像的饮酒程度的分类匹配度,作为饮酒判定参数。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述卷积神经网络是通过以下步骤进行训练的:
构建微表情训练样本;
采用随机梯度下降法,通过训练样本和卷积神经网络的损失函数,对卷积神经网络进行训练。
本申请的另一方面,提供一种代驾推荐系统,包括:
接收模块,用于接收业务终端发送的业务请求,所述业务请求携带业务请求人的人脸图像;
识别判断模块,用于基于所述人脸图像通过人脸识别完成所述业务请求人的身份验证信息,完成对应的业务;同时,基于所述人脸图像中所述业务请求人的微表情进行饮酒判断;
推荐模块,用于若判断所述业务请求人为饮酒状态,向所述业务请求人发送业务完成提示信息的同时,向所述业务请求人发送代驾推荐信息。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述业务请求为支付请求,用于请求服务端从所述业务请求对应的第三方支付账号完成支付。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述识别判断模块具体用于:
基于所述业务请求携带的业务请求人的人脸图像进行人脸识别,在人脸图像库中查找与所述业务请求人的人脸图像相匹配的人脸图像,并基于查找到的人脸图像确定其绑定的第三方支付账号。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述识别判断模块具体还用于:
若基于查找到的人脸图像样本确定其绑定的第三方支付账号后,根据所述第三方支付账号查询所述业务请求人的驾驶证信息和/或车辆信息,若查询到存在驾驶证信息和/或车辆信息,则进行饮酒判断;若未查询到驾驶证信息和/或车辆信息,则无需进行饮酒判断。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述识别判断模块具体用于:
根据所述业务请求人的人脸图像,提取人脸微表情,建立人脸微表情模型,与预先建立的样本标准模型匹配得到匹配度,作为饮酒判定参数。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述样本标准模型是通过采集不同饮酒状态下的微表情人脸图像,捕捉特征点数据并映射到三维虚拟人脸模型建立的。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述识别判断模块具体用于:
将所述业务请求人的人脸图像输入到预先训练的卷积神经网络中,得到对所述业务请求人的人脸图像的饮酒程度的分类匹配度,作为饮酒判定参数。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述系统还包括训练模块,用于构建微表情训练样本;采用随机梯度下降法,通过训练样本和卷积神经网络的损失函数,对卷积神经网络进行训练。
本发明的另一方面,提供一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现如以上所述的方法。
本发明的另一方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如以上所述的方法。
由所述技术方案可知,通过本发明所述实施例,可以在业务请求人进行人脸识别的同时,基于所述业务请求人的微表情对其进行饮酒判断,并向饮酒后的业务请求人提供代驾推荐信息,提高了代驾软件的使用效率,提高了驾驶安全性。
【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一简单地介绍,显而易见地,下面描述中的附图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性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请一实施例提供的代驾推荐方法的流程示意图;
图2为本申请一实施例提供的代驾推荐系统的结构示意图;
图3示出了适于用来实现本发明实施方式的示例性计算机系统/服务器012的框图。
【具体实施方式】
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例,都属于本申请保护的范围。
图1为本申请一实施例提供的代驾推荐方法的流程示意图,如图1所示,包括以下步骤:
步骤S11、接收业务终端发送的业务请求,所述业务请求携带业务请求人的人脸图像;
步骤S12、基于所述人脸图像通过人脸识别完成所述业务请求人的身份验证信息,完成对应的业务;同时,基于所述人脸图像中所述业务请求人的微表情进行饮酒判断;
步骤S13、若所述饮酒判定参数为饮酒状态,向所述业务请求人发送业务完成提示信息的同时,向所述业务请求人发送代驾推荐信息。
所述代驾推荐方法可以应用在服务端,所述服务端通常为服务提供商部署的服务器或者服务器集群。
在步骤S11的一种优选实现方式中,
在本实施例中,应用场景为饭店、酒吧等可能会饮酒的商户所发生的人脸支付场景。所述业务请求为支付请求,所述对应的业务为支付业务。所述业务终端为商户的收银机。所述业务终端通常设置或关联有摄像头,例如,3D摄像头,用于拍摄业务请求人的人脸图像。业务请求人或商户工作人员可以在业务终端中选择“刷脸”按钮以启动摄像头进行人脸图像的采集。例如,收银员选择“刷脸支付”后,可以让付款人(业务请求人)面向摄像头,以便摄像头采集付款人的人脸图像。
服务端接收业务终端发送的业务请求,所述业务请求携带业务请求人的人脸图像。所述业务请求用于请求服务端从所述业务请求对应的第三方支付账号完成支付。
优选地,所述业务请求还包括所述业务终端的标识,以便所述服务端根据所述业务终端的标识判断当前应用场景,例如,若所述业务终端的标识为“XX酒店”,则可以判断所述业务请求人可能会饮酒,需要进行饮酒判断;若所述业务终端的标识为“XX超市”,则可以判断所述业务请求人不会饮酒,则仅进行人脸识别以便完成对应的支付业务即可,无需进行饮酒判断。
通过根据判断当前场景,可以仅在饭店、酒吧等可能会饮酒的商户所发生的人脸支付场景中向所述业务请求人发送代驾推荐信息,以免造成信息干扰,提高了代驾推荐信息发送的针对性。
在步骤S12的一种优选实现方式中,
基于所述人脸图像通过人脸识别完成所述业务请求人的身份验证信息,完成对应的业务;同时,基于所述人脸图像中所述业务请求人的微表情进行饮酒判断;
优选地,所述服务端基于所述业务请求携带的业务请求人的人脸图像进行人脸识别,通过人脸识别算法,在人脸图像库中查找与所述业务请求人的人脸图像相匹配的人脸图像,并基于查找到的人脸图像确定其绑定的第三方支付账号,以便基于所述绑定的第三方支付账号完成支付。
优选地,所述业务请求人的人脸图像为连续多帧人脸图像,基于所述人脸图像通过人脸识别完成所述业务请求人的身份验证信息需要对连续多帧人脸图像进行处理,例如活体检测,通过活体检测后,从中提取一帧人脸图像通过人脸识别算法,在人脸图像库中查找与所述业务请求人的人脸图像相匹配的人脸图像。
在本申请的一种优选实施例中,由于第三方支付账号为实名认证账号,可以从第三方支付服务器或其他服务器中获取所述业务请求人的身份信息,包括驾驶证信息;其中,所述驾驶证信息是由所述业务请求人实现上传到所述第三方支付服务器;或,所述驾驶证信息预先存储与其他服务器,如公安网服务器。
优选地,若基于查找到的人脸图像样本确定其绑定的第三方支付账号后,根据所述第三方支付账号查询所述业务请求人的驾驶证信息,若查询到存在驾驶证信息,则需要进行饮酒判断;若未查询到驾驶证信息,则无需进行饮酒判断。
在本申请的一种优选实施例中,由于第三方支付账号为实名认证账号,可以从第三方支付服务器或其他服务器中获取所述业务请求人的身份信息,包括车辆信息;其中,所述车辆信息是由所述业务请求人实现上传到所述第三方支付服务器。
优选地,若基于查找到的人脸图像样本确定其绑定的第三方支付账号后,根据所述第三方支付账号查询所述业务请求人的车辆信息,若查询到存在车辆信息,则需要进行饮酒判断;若未查询到车辆信息,则无需进行饮酒判断。
通过判断所述业务请求人的驾驶证信息和/或车辆信息,可以仅在所述业务请求人可能会存在驾驶车辆需求的情况下发送代驾推荐信息,以免造成信息干扰,提高了代驾推荐信息发送的针对性。
优选地,若需要进行饮酒判断,根据所述业务请求人的人脸图像提取人脸微表情,进行饮酒判断。
在本申请的一种优选实施例中,
优选地,根据所述业务请求人的人脸图像,提取人脸微表情,建立人脸微表情模型,与预先建立的样本标准模型匹配得到匹配度,作为饮酒判定参数。
在本实施例中,所述业务请求人的人脸图像为连续多帧人脸图像,以便提取所述业务请求人的动态微表情。
优选地,所述样本标准模型是通过以下步骤预先建立的:
A:采集不同饮酒程度下的微表情人脸图像分别作为不同饮酒状态的样本;
B:对样本人脸图像中主要特征进行时空特征点检测分析,例如眉毛、眼睛、嘴巴、鼻子和面部轮廓线等的位置变化进行定位、测量,确定其大小、距离、形状及相互比例等特征;建立特征统计模型即特征点变化程度的参数描述,例如,在人脸图像中标定坐标点,用坐标点来定义某类特征点的形状,定义局部微小的移动变量的灰度变化;
优选地,在样本人脸图像中标定116点,面部外部轮廓27个点,眉目10个点,眼睛12个点,鼻子轮廓13个点,嘴巴内外轮廓各16个点。用坐标点来定义特征的形状。
以图像灰度变化函数对特征点变化程度进行描述。
C:将获取到的特征点及局部微小的移动变量进行三维处理,引入空间和时间尺度值,定点计算、捕获时空域特征点,并根据所述特征点的数据映射到建立三维虚拟人脸模型,分别建立人脸在不同饮酒状态下的微表情模型。
优选地,基于Harris3D检测将图像灰度变化函数扩展到时空领域,通过局部极值点找到兴趣特征点作为时空域特征点。
优选地,建立所述业务请求人的人脸微表情模型,与预先建立的微表情饮酒模型进行匹配,根据匹配结果提取匹配度作为饮酒判定参数。
在本申请的另一个优选实施例中,
将所述业务请求人的人脸图像输入到预先训练的卷积神经网络中,得到对所述业务请求人的人脸图像的饮酒程度的分类匹配度,作为饮酒判定参数。
其中,所述卷积神经网络通过以下步骤训练得到:
步骤S21、构建微表情训练样本;
优选地,可以从现有微表情库中获取不同饮酒程度下的微表情人脸图像作为训练样本,也可以实时获取不同饮酒程度下的微表情人脸图像。不同饮酒程度下的微表情人脸图像具有不同的标注。
优选地,可以对所获取的微表情人脸图像进行预处理;所述预处理包括:对图像进行归一化操作,进行直方图均衡化操作。
优选地,所述归一化包括对微表情人脸图像进行裁剪,使人脸在微表情人脸图像中所占比例相同。将处理过的微表情人脸图像调整为相同的格式、相同的尺寸。通过对所获取的微表情人脸图像变换到同一尺度,有利于卷积神经网络对微表情人脸图像的处理,减小卷积神经网络对像素过高的微表情人脸图像的计算量,加快网络的收敛性。另外,归一化使微表情人脸图像具有相同的统计分布,使卷积神经网络的输入图像均值接近零,与方差相比很小,加快了卷积神经网络的学习。
优选地,所述直方图均衡化操作用于对微表情人脸图像进行对比度调整,对原微表情人脸图像中某些灰度级比较集中的区间进行处理,使其在整个灰度区间内均匀分布。
步骤S22、采用随机梯度下降法,通过训练样本和卷积神经网络的损失函数,对卷积神经网络进行训练,得到包含模型参数的卷积神经网络。
所述卷积神经网络包括输入层、卷积层、池化层、多个卷积模块、全连接层、输出层。
由于微表情之间的差异不是很冥想,只集中于微表情人脸图像的某部分细节,因此,需要对图像进行精细处理,选用了较小的卷积核组成卷积模块。其中,所述卷积模块包括卷积层、修正线性单元RELU、卷积层、修正线性单元RELU、池化层。
本实施例中,采用随机梯度下降法,训练1000代,网络收敛,得到卷积神经网络的网络参数。
在步骤S13的一种优选实现方式中,
基于所述业务请求人的身份验证信息完成对应的业务;若所述饮酒判定参数为饮酒状态,向所述业务请求人发送业务完成提示信息的同时,向所述业务请求人发送代驾推荐信息。
优选地,若通过人脸识别算法,在人脸图像库中查找到与所述业务请求人的人脸图像相匹配的人脸图像,并基于查找到的人脸图像确定其绑定的第三方支付账号,则基于所述绑定的第三方支付账号完成支付后,需要向业务终端及所述业务请求人发送业务完成的提示消息。
优选地,向所述业务请求人发送业务完成的提示消息可以是向基于查找到的人脸图像确定其绑定的手机号码,或向基于查找到的人脸图像确定其绑定的第三方支付账号发送业务完成的提示消息。
在向所述业务请求人发送业务完成的提示消息的同时、之前或之后,向所述业务请求人发送代驾推荐信息。可以是向基于查找到的人脸图像确定其绑定的手机号码发送短信,或向基于查找到的人脸图像确定其绑定的第三方支付账号发送代驾推荐信息,或向基于查找到的人脸图像确定其绑定的代驾软件账号发送代驾推荐信息。
当所述业务请求人点击所述代驾推荐信息,会自动跳转到对应的代驾软件界面,以便所述业务请求人进行启动代驾服务。
优选地,所述代驾推荐信息还包括所述业务请求人的饮酒状态,例如,当前为饮酒后状态,不建议驾驶车辆,建议呼叫代驾;当前为醉酒状态,不建议驾驶车辆过,建议呼叫代驾等。以便所述业务请求人清楚地了解自己饮酒状态,进一步接受所述代驾推荐信息的提醒呼叫代驾。
通过本发明所述实施例,可以在业务请求人进行人脸支付的同时,基于所述业务请求人的微表情对其进行饮酒判断,并向饮酒后的业务请求人提供代驾推荐信息。主动向饮酒者推荐代驾,提高了代驾软件的使用效率,提高了驾驶安全性。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
以上是关于方法实施例的介绍,以下通过装置实施例,对本发明所述方案进行进一步说明。
图2为本申请一实施例提供的代驾推荐系统的结构示意图,如图2所示,包括:
接收模块21,用于接收业务终端发送的业务请求,所述业务请求携带业务请求人的人脸图像;
识别判断模块22,用于基于所述人脸图像通过人脸识别完成所述业务请求人的身份验证信息,完成对应的业务;同时,基于所述人脸图像中所述业务请求人的微表情进行饮酒判断;
推荐模块23,用于若所述饮酒判定参数为饮酒状态,向所述业务请求人发送业务完成提示信息的同时,向所述业务请求人发送代驾推荐信息。
所述代驾推荐方法可以应用在服务端,所述服务端通常为服务提供商部署的服务器或者服务器集群。
在接收模块21的一种优选实现方式中,
在本实施例中,应用场景为饭店、酒吧等可能会饮酒的商户所发生的人脸支付场景。所述业务请求为支付请求,所述对应的业务为支付业务。所述业务终端为商户的收银机。所述业务终端通常设置或关联有摄像头,例如,3D摄像头,用于拍摄业务请求人的人脸图像。业务请求人或商户工作人员可以在业务终端中选择“刷脸”按钮以启动摄像头进行人脸图像的采集。例如,收银员选择“刷脸支付”后,可以让付款人(业务请求人)面向摄像头,以便摄像头采集付款人的人脸图像。
服务端接收业务终端发送的业务请求,所述业务请求携带业务请求人的人脸图像。所述业务请求用于请求服务端从所述业务请求对应的第三方支付账号完成支付。
优选地,所述业务请求还包括所述业务终端的标识,以便所述服务端根据所述业务终端的标识判断当前应用场景,例如,若所述业务终端的标识为“XX酒店”,则可以判断所述业务请求人可能会饮酒,需要进行饮酒判断;若所述业务终端的标识为“XX超市”,则可以判断所述业务请求人不会饮酒,则仅进行人脸识别以便完成对应的支付业务即可,无需进行饮酒判断。
通过根据判断当前场景,可以仅在饭店、酒吧等可能会饮酒的商户所发生的人脸支付场景中向所述业务请求人发送代驾推荐信息,以免造成信息干扰,提高了代驾推荐信息发送的针对性。
在识别判断模块22的一种优选实现方式中,
包括识别子模块,用于基于所述人脸图像通过人脸识别完成所述业务请求人的身份验证信息,完成对应的业务;同时,还包括判断子模块,用于基于所述人脸图像中所述业务请求人的微表情进行饮酒判断;
优选地,所述服务端基于所述业务请求携带的业务请求人的人脸图像进行人脸识别,通过人脸识别算法,在人脸图像库中查找与所述业务请求人的人脸图像相匹配的人脸图像,并基于查找到的人脸图像确定其绑定的第三方支付账号,以便基于所述绑定的第三方支付账号完成支付。
优选地,所述业务请求人的人脸图像为连续多帧人脸图像,基于所述人脸图像通过人脸识别完成所述业务请求人的身份验证信息需要对连续多帧人脸图像进行处理,例如活体检测,通过活体检测后,从中提取一帧人脸图像通过人脸识别算法,在人脸图像库中查找与所述业务请求人的人脸图像相匹配的人脸图像。
在本申请的一种优选实施例中,由于第三方支付账号为实名认证账号,可以从第三方支付服务器或其他服务器中获取所述业务请求人的身份信息,包括驾驶证信息;其中,所述驾驶证信息是由所述业务请求人实现上传到所述第三方支付服务器;或,所述驾驶证信息预先存储与其他服务器,如公安网服务器。
优选地,若基于查找到的人脸图像样本确定其绑定的第三方支付账号后,根据所述第三方支付账号查询所述业务请求人的驾驶证信息,若查询到存在驾驶证信息,则需要进行饮酒判断;若未查询到驾驶证信息,则无需进行饮酒判断。
在本申请的一种优选实施例中,由于第三方支付账号为实名认证账号,可以从第三方支付服务器或其他服务器中获取所述业务请求人的身份信息,包括车辆信息;其中,所述车辆信息是由所述业务请求人实现上传到所述第三方支付服务器。
优选地,若基于查找到的人脸图像样本确定其绑定的第三方支付账号后,根据所述第三方支付账号查询所述业务请求人的车辆信息,若查询到存在车辆信息,则需要进行饮酒判断;若未查询到车辆信息,则无需进行饮酒判断。
通过判断所述业务请求人的驾驶证信息和/或车辆信息,可以仅在所述业务请求人可能会存在驾驶车辆需求的情况下发送代驾推荐信息,以免造成信息干扰,提高了代驾推荐信息发送的针对性。
优选地,若需要进行饮酒判断,根据所述业务请求人的人脸图像提取人脸微表情,进行饮酒判断。
在本申请的一种优选实施例中,
优选地,根据所述业务请求人的人脸图像,提取人脸微表情,建立人脸微表情模型,与预先建立的样本标准模型匹配得到匹配度,作为饮酒判定参数。
在本实施例中,所述业务请求人的人脸图像为连续多帧人脸图像,以便提取所述业务请求人的动态微表情。
优选地,所述样本标准模型是通过以下步骤预先建立的:
A:采集不同饮酒程度下的微表情人脸图像分别作为不同饮酒状态的样本;
B:对样本人脸图像中主要特征进行时空特征点检测分析,例如眉毛、眼睛、嘴巴、鼻子和面部轮廓线等的位置变化进行定位、测量,确定其大小、距离、形状及相互比例等特征;建立特征统计模型即特征点变化程度的参数描述,例如,在人脸图像中标定坐标点,用坐标点来定义某类特征点的形状,定义局部微小的移动变量的灰度变化;
优选地,在样本人脸图像中标定116点,面部外部轮廓27个点,眉目10个点,眼睛12个点,鼻子轮廓13个点,嘴巴内外轮廓各16个点。用坐标点来定义特征的形状。
以图像灰度变化函数对特征点变化程度进行描述。
C:将获取到的特征点及局部微小的移动变量进行三维处理,引入空间和时间尺度值,定点计算、捕获时空域特征点,并根据所述特征点的数据映射到建立三维虚拟人脸模型,分别建立人脸在不同饮酒状态下的微表情模型。
优选地,基于Harris3D检测将图像灰度变化函数扩展到时空领域,通过局部极值点找到兴趣特征点作为时空域特征点。
优选地,建立所述业务请求人的人脸微表情模型,与预先建立的微表情饮酒模型进行匹配,根据匹配结果提取匹配度作为饮酒判定参数。
在本申请的另一个优选实施例中,
将所述业务请求人的人脸图像输入到预先训练的卷积神经网络中,得到对所述业务请求人的人脸图像的饮酒程度的分类匹配度,作为饮酒判定参数。
其中,所述卷积神经网络由训练模块训练得到,所述训练模块用于:
构建微表情训练样本;
优选地,可以从现有微表情库中获取不同饮酒程度下的微表情人脸图像作为训练样本,也可以实时获取不同饮酒程度下的微表情人脸图像。不同饮酒程度下的微表情人脸图像具有不同的标注。
优选地,可以对所获取的微表情人脸图像进行预处理;所述预处理包括:对图像进行归一化操作,进行直方图均衡化操作。
优选地,所述归一化包括对微表情人脸图像进行裁剪,使人脸在微表情人脸图像中所占比例相同。将处理过的微表情人脸图像调整为相同的格式、相同的尺寸。通过对所获取的微表情人脸图像变换到同一尺度,有利于卷积神经网络对微表情人脸图像的处理,减小卷积神经网络对像素过高的微表情人脸图像的计算量,加快网络的收敛性。另外,归一化使微表情人脸图像具有相同的统计分布,使卷积神经网络的输入图像均值接近零,与方差相比很小,加快了卷积神经网络的学习。
优选地,所述直方图均衡化操作用于对微表情人脸图像进行对比度调整,对原微表情人脸图像中某些灰度级比较集中的区间进行处理,使其在整个灰度区间内均匀分布。
采用随机梯度下降法,通过训练样本和卷积神经网络的损失函数,对卷积神经网络进行训练,得到包含模型参数的卷积神经网络。
所述卷积神经网络包括输入层、卷积层、池化层、多个卷积模块、全连接层、输出层。
由于微表情之间的差异不是很冥想,只集中于微表情人脸图像的某部分细节,因此,需要对图像进行精细处理,选用了较小的卷积核组成卷积模块。其中,所述卷积模块包括卷积层、修正线性单元RELU、卷积层、修正线性单元RELU、池化层。
本实施例中,采用随机梯度下降法,训练1000代,网络收敛,得到卷积神经网络的网络参数。
在推荐模块23的一种优选实现方式中,
基于所述业务请求人的身份验证信息完成对应的业务;若所述饮酒判定参数为饮酒状态,向所述业务请求人发送业务完成提示信息的同时,向所述业务请求人发送代驾推荐信息。
优选地,若通过人脸识别算法,在人脸图像库中查找到与所述业务请求人的人脸图像相匹配的人脸图像,并基于查找到的人脸图像确定其绑定的第三方支付账号,则基于所述绑定的第三方支付账号完成支付后,需要向业务终端及所述业务请求人发送业务完成的提示消息。
优选地,向所述业务请求人发送业务完成的提示消息可以是向基于查找到的人脸图像确定其绑定的手机号码,或向基于查找到的人脸图像确定其绑定的第三方支付账号发送业务完成的提示消息。
在向所述业务请求人发送业务完成的提示消息的同时、之前或之后,向所述业务请求人发送代驾推荐信息。可以是向基于查找到的人脸图像确定其绑定的手机号码发送短信,或向基于查找到的人脸图像确定其绑定的第三方支付账号发送代驾推荐信息,或向基于查找到的人脸图像确定其绑定的代驾软件账号发送代驾推荐信息。
当所述业务请求人点击所述代驾推荐信息,会自动跳转到对应的代驾软件界面,以便所述业务请求人进行启动代驾服务。
优选地,所述代驾推荐信息还包括所述业务请求人的饮酒状态,例如,当前为饮酒后状态,不建议驾驶车辆,建议呼叫代驾;当前为醉酒状态,不建议驾驶车辆过,建议呼叫代驾等。以便所述业务请求人清楚地了解自己饮酒状态,进一步接受所述代驾推荐信息的提醒呼叫代驾。
通过本发明所述实施例,可以在业务请求人进行人脸支付的同时,基于所述业务请求人的微表情对其进行饮酒判断,并向饮酒后的业务请求人提供代驾推荐信息。主动向饮酒者推荐代驾,提高了代驾软件的使用效率,提高了驾驶安全性。
在所述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的方法和装置,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,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信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,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。所述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
图3示出了适于用来实现本发明实施方式的示例性计算机系统/服务器012的框图。图3显示的计算机系统/服务器012仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示,计算机系统/服务器012以通用计算设备的形式表现。计算机系统/服务器012的组件可以包括但不限于:一个或者多个处理器或者处理单元016,系统存储器028,连接不同系统组件(包括系统存储器028和处理单元016)的总线018。
总线018表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机系统/服务器012典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机系统/服务器012访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器028可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)030和/或高速缓存存储器032。计算机系统/服务器012可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统034可以用于读写不可移动的、非易失性磁介质(图3未显示,通常称为“硬盘驱动器”)。尽管图3中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线018相连。存储器028可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块042的程序/实用工具040,可以存储在例如存储器028中,这样的程序模块042包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块042通常执行本发明所描述的实施例中的功能和/或方法。
计算机系统/服务器012也可以与一个或多个外部设备014(例如键盘、指向设备、显示器024等)通信,在本发明中,计算机系统/服务器012与外部雷达设备进行通信,还可与一个或者多个使得用户能与该计算机系统/服务器012交互的设备通信,和/或与使得该计算机系统/服务器012能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口022进行。并且,计算机系统/服务器012还可以通过网络适配器020与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图3所示,网络适配器020通过总线018与计算机系统/服务器012的其它模块通信。应当明白,尽管图3中未示出,可以结合计算机系统/服务器012使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元016通过运行存储在系统存储器028中的程序,从而执行本发明所描述的实施例中的功能和/或方法。
上述的计算机程序可以设置于计算机存储介质中,即该计算机存储介质被编码有计算机程序,该程序在被一个或多个计算机执行时,使得一个或多个计算机执行本发明上述实施例中所示的方法流程和/或装置操作。
随着时间、技术的发展,介质含义越来越广泛,计算机程序的传播途径不再受限于有形介质,还可以直接从网络下载等。可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
最后应说明的是:以上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。
Claims (18)
1.一种代驾推荐方法,其特征在于,包括:
接收业务终端发送的业务请求,所述业务请求携带业务请求人的人脸图像;
基于所述人脸图像通过人脸识别完成所述业务请求人的身份验证信息,完成对应的业务;同时,基于所述人脸图像中所述业务请求人的微表情进行饮酒判断;
若判断所述业务请求人为饮酒状态,向所述业务请求人发送业务完成提示信息的同时,向所述业务请求人发送代驾推荐信息。
2.根据权利要求1所述的方法,其特征在于,
所述业务请求为支付请求,用于请求服务端从所述业务请求对应的第三方支付账号完成支付。
3.根据权利要求1所述的方法,其特征在于,所述基于所述人脸图像通过人脸识别完成所述业务请求人的身份验证信息包括:
基于所述业务请求携带的业务请求人的人脸图像进行人脸识别,在人脸图像库中查找与所述业务请求人的人脸图像相匹配的人脸图像,并基于查找到的人脸图像确定其绑定的第三方支付账号。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
若基于查找到的人脸图像样本确定其绑定的第三方支付账号后,根据所述第三方支付账号查询所述业务请求人的驾驶证信息和/或车辆信息,若查询到存在驾驶证信息和/或车辆信息,则进行饮酒判断;若未查询到驾驶证信息和/或车辆信息,则无需进行饮酒判断。
5.根据权利要求1所述的方法,其特征在于,所述基于所述人脸图像中所述业务请求人的微表情进行饮酒判断包括:
根据所述业务请求人的人脸图像,提取人脸微表情,建立人脸微表情模型,与预先建立的样本标准模型匹配得到匹配度,作为饮酒判定参数。
6.根据权利要求5所述的方法,其特征在于,所述样本标准模型是通过采集不同饮酒状态下的微表情人脸图像,捕捉特征点数据并映射到三维虚拟人脸模型建立的。
7.根据权利要求1所述的方法,其特征在于,所述基于所述人脸图像中所述业务请求人的微表情进行饮酒判断包括:
将所述业务请求人的人脸图像输入到预先训练的卷积神经网络中,得到对所述业务请求人的人脸图像的饮酒程度的分类匹配度,作为饮酒判定参数。
8.根据权利要求7所述的方法,其特征在于,所述卷积神经网络是通过以下步骤进行训练的:
构建微表情训练样本;
采用随机梯度下降法,通过训练样本和卷积神经网络的损失函数,对卷积神经网络进行训练。
9.一种代驾推荐系统,其特征在于,包括:
接收模块,用于接收业务终端发送的业务请求,所述业务请求携带业务请求人的人脸图像;
识别判断模块,用于基基于所述人脸图像通过人脸识别完成所述业务请求人的身份验证信息,完成对应的业务;同时,基于所述人脸图像中所述业务请求人的微表情进行饮酒判断;
推荐模块,用于若判断所述业务请求人为饮酒状态,向所述业务请求人发送业务完成提示信息的同时,向所述业务请求人发送代驾推荐信息。
10.根据权利要求9所述的系统,其特征在于,
所述业务请求为支付请求,用于请求服务端从所述业务请求对应的第三方支付账号完成支付。
11.根据权利要求9所述的系统,其特征在于,所述识别判断模块具体用于:
基于所述业务请求携带的业务请求人的人脸图像进行人脸识别,在人脸图像库中查找与所述业务请求人的人脸图像相匹配的人脸图像,并基于查找到的人脸图像确定其绑定的第三方支付账号。
12.根据权利要求11所述的系统,其特征在于,所述识别判断模块具体还用于:
若基于查找到的人脸图像样本确定其绑定的第三方支付账号后,根据所述第三方支付账号查询所述业务请求人的驾驶证信息和/或车辆信息,若查询到存在驾驶证信息和/或车辆信息,则进行饮酒判断;若未查询到驾驶证信息和/或车辆信息,则无需进行饮酒判断。
13.根据权利要求9所述的系统,其特征在于,所述识别判断模块具体用于:
根据所述业务请求人的人脸图像,提取人脸微表情,建立人脸微表情模型,与预先建立的样本标准模型匹配得到匹配度,作为饮酒判定参数。
14.根据权利要求13所述的系统,其特征在于,所述样本标准模型是通过采集不同饮酒状态下的微表情人脸图像,捕捉特征点数据并映射到三维虚拟人脸模型建立的。
15.根据权利要求9所述的系统,其特征在于,所述识别判断模块具体用于:
将所述业务请求人的人脸图像输入到预先训练的卷积神经网络中,得到对所述业务请求人的人脸图像的饮酒程度的分类匹配度,作为饮酒判定参数。
16.根据权利要求15所述的系统,其特征在于,所述系统还包括训练模块,用于构建微表情训练样本;采用随机梯度下降法,通过训练样本和卷积神经网络的损失函数,对卷积神经网络进行训练。
17.一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1~8中任一项所述的方法。
18.一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,所述程序被处理器执行时实现如权利要求1~8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910097164.3A CN111507743A (zh) | 2019-01-31 | 2019-01-31 | 一种代驾推荐方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910097164.3A CN111507743A (zh) | 2019-01-31 | 2019-01-31 | 一种代驾推荐方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111507743A true CN111507743A (zh) | 2020-08-07 |
Family
ID=71877323
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910097164.3A Pending CN111507743A (zh) | 2019-01-31 | 2019-01-31 | 一种代驾推荐方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111507743A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113011947A (zh) * | 2021-03-17 | 2021-06-22 | 北京嘀嘀无限科技发展有限公司 | 订单的处理方法、装置、电子设备以及程序产品 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104573619A (zh) * | 2014-07-25 | 2015-04-29 | 北京智膜科技有限公司 | 基于人脸识别的智能广告大数据分析方法及系统 |
CN108551462A (zh) * | 2018-02-28 | 2018-09-18 | 阿里巴巴集团控股有限公司 | 一种信息推送方法、装置及设备 |
-
2019
- 2019-01-31 CN CN201910097164.3A patent/CN111507743A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104573619A (zh) * | 2014-07-25 | 2015-04-29 | 北京智膜科技有限公司 | 基于人脸识别的智能广告大数据分析方法及系统 |
CN108551462A (zh) * | 2018-02-28 | 2018-09-18 | 阿里巴巴集团控股有限公司 | 一种信息推送方法、装置及设备 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113011947A (zh) * | 2021-03-17 | 2021-06-22 | 北京嘀嘀无限科技发展有限公司 | 订单的处理方法、装置、电子设备以及程序产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107492379B (zh) | 一种声纹创建与注册方法及装置 | |
CN109816441B (zh) | 策略推送方法、系统及相关装置 | |
CN109993150B (zh) | 用于识别年龄的方法和装置 | |
US20180268458A1 (en) | Automated recommendation and virtualization systems and methods for e-commerce | |
CN107609506B (zh) | 用于生成图像的方法和装置 | |
CN109086834B (zh) | 字符识别方法、装置、电子设备及存储介质 | |
CN108494778A (zh) | 身份认证方法和装置 | |
CN108229375B (zh) | 用于检测人脸图像的方法和装置 | |
CN112183408B (zh) | 基于案场图像的客户画像系统及方法 | |
CN108388889B (zh) | 用于分析人脸图像的方法和装置 | |
CN109446907A (zh) | 一种视频聊天的方法、装置、设备和计算机存储介质 | |
WO2019017178A1 (en) | METHOD AND APPARATUS FOR DYNAMICALLY IDENTIFYING A USER OF AN ACCOUNT FOR DISPLAYING IMAGES | |
WO2024060951A1 (zh) | 一种业务服务方法及装置 | |
CN112149699A (zh) | 用于生成模型的方法、装置和用于识别图像的方法、装置 | |
CN115860882A (zh) | 基于区块链的智慧城市商品大数据智能选购方法及系统 | |
CN115393606A (zh) | 图像识别的方法和系统 | |
CN115456266A (zh) | 行程规划方法、装置、设备及存储介质 | |
CN111027987A (zh) | 自助实时音视频远程面签方法、系统、装置及可存储介质 | |
CN111507743A (zh) | 一种代驾推荐方法和系统 | |
CN112329586A (zh) | 基于情绪识别的客户回访方法、装置及计算机设备 | |
CN109858219B (zh) | 用户注册方法、装置、电子设备及计算机可读存储介质 | |
CN112183417A (zh) | 一种置业顾问服务能力评价系统及方法 | |
CN113807858B (zh) | 一种基于决策树模型的数据处理方法及相关设备 | |
CN111652606B (zh) | 一种智能零售终端系统 | |
CN114581978A (zh) | 人脸识别的方法和系统 |
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: 20200807 |