CN111708939A - 基于情绪识别的推送方法、装置、计算机设备及存储介质 - Google Patents

基于情绪识别的推送方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN111708939A
CN111708939A CN202010476996.9A CN202010476996A CN111708939A CN 111708939 A CN111708939 A CN 111708939A CN 202010476996 A CN202010476996 A CN 202010476996A CN 111708939 A CN111708939 A CN 111708939A
Authority
CN
China
Prior art keywords
image
user
iris
information
pushing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010476996.9A
Other languages
English (en)
Other versions
CN111708939B (zh
Inventor
陈根
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN202010476996.9A priority Critical patent/CN111708939B/zh
Publication of CN111708939A publication Critical patent/CN111708939A/zh
Application granted granted Critical
Publication of CN111708939B publication Critical patent/CN111708939B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • 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
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/19—Sensors therefor
    • 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
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/193—Preprocessing; Feature extraction
    • 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
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/197—Matching; Classification
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/55—Push-based network services

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Ophthalmology & Optometry (AREA)
  • General Health & Medical Sciences (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了基于情绪识别的推送方法、装置、计算机设备及存储介质。方法包括：获取产品内容数据库中与用户信息对应的优势产品内容推送至用户终端，采集得到用户图像并从中提取得到虹膜特征信息，根据情绪分类模型获取与虹膜特征信息对应的用户情绪类型，获取推送策略信息中与用户情绪类型对应的目标推送策略以再次进行推送。本发明基于虹膜识别技术，可基于虹膜识别获取用户图像对应的虹膜特征信息，并获取与虹膜特征信息相对应的用户情绪类型，并基于用户情绪类型对产品内容进行精确推送，实现了根据用户的兴趣程度对产品内容进行精确推送。

Description

基于情绪识别的推送方法、装置、计算机设备及存储介质
技术领域
本发明涉及计算机技术领域，尤其涉及一种基于情绪识别的推送方法、装置、计算机设备及存储介质。
背景技术
企业因业务拓展需求需将产品内容推送至用户终端，用户通过用户终端对产品内容进行浏览，由于不同类群的用户感兴趣的产品内容存在差异，因此可根据用户对产品内容的偏好，建立适用于不同类群的用户的产品内容集合，以更加高效地向用户推送其感兴趣的产品内容。传统技术方法均是基于用户浏览的历史产品内容建立相应的产品内容集合，然而用户浏览的历史产品内容可能包含用户不感兴趣的产品内容，用户浏览的历史产品内容存在数据维度单一、数据噪声较大的问题，因此这一方式所建立的产品内容集合与相应类群的用户的兴趣不匹配，导致无法对用户感兴趣的产品内容进行精确推送。因而，现有技术方法中存在难以根据用户的兴趣程度对产品内容进行精确推送的问题。
发明内容
本发明实施例提供了一种基于情绪识别的推送方法、装置、计算机设备及存储介质，旨在解决现有技术方法中所存在的难以根据用户的兴趣程度对产品内容进行精确推送的问题。
第一方面，本发明实施例提供了一种基于情绪识别的推送方法，其包括：
根据用户终端的用户信息及预置的产品内容数据库中产品的推荐率信息，获取与所述用户信息对应的优势产品内容推送至所述用户终端并记录推送时间；
若到达图像采集时间，向所述用户终端发送图像采集信息以采集得到用户图像，其中，所述图像采集时间为与所述推送时间间隔预置时限的时间；
根据预置的虹膜图像获取模型从所述用户图像中获取得到对应的虹膜图像；
根据预置的虹膜特征提取模型从所述虹膜图像中提取得到虹膜特征信息；
根据预置的情绪分类模型对所述虹膜特征信息进行分类以获取与所述虹膜特征信息对应的用户情绪类型；
根据所述用户情绪类型获取预置的推送策略信息中与所述用户情绪类型对应的目标推送策略，以根据所述目标推送策略再次进行推送。
第二方面，本发明实施例提供了一种基于情绪识别的推送装置，其包括：
优势产品内容推送单元，用于根据用户终端的用户信息及预置的产品内容数据库中产品的推荐率信息，获取与所述用户信息对应的优势产品内容推送至所述用户终端并记录推送时间；
用户图像采集单元，用于若到达图像采集时间，向所述用户终端发送图像采集信息以采集得到用户图像，其中，所述图像采集时间为与所述推送时间间隔预置时限的时间；
虹膜图像获取单元，用于根据预置的虹膜图像获取模型从所述用户图像中获取得到对应的虹膜图像；
虹膜特征信息提取单元，用于根据预置的虹膜特征提取模型从所述虹膜图像中提取得到虹膜特征信息；
用户情绪类型获取单元，用于根据预置的情绪分类模型对所述虹膜特征信息进行分类以获取与所述虹膜特征信息对应的用户情绪类型；
目标推送策略获取单元，用于根据所述用户情绪类型获取预置的推送策略信息中与所述用户情绪类型对应的目标推送策略，以根据所述目标推送策略再次进行推送。
第三方面，本发明实施例又提供了一种计算机设备，其包括存储器、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计算机程序时实现上述第一方面所述的基于情绪识别的推送方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其中所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的基于情绪识别的推送方法。
本发明实施例提供了一种基于情绪识别的推送方法、装置、计算机设备及存储介质。获取产品内容数据库中与用户信息对应的优势产品内容推送至用户终端，采集得到用户图像并从中提取得到虹膜特征信息，根据情绪分类模型获取与虹膜特征信息对应的用户情绪类型，获取推送策略信息中与用户情绪类型对应的目标推送策略以再次进行推送。通过上述方法，可基于虹膜识别获取用户图像对应的虹膜特征信息，并获取与虹膜特征信息相对应的用户情绪类型，并基于用户情绪类型对产品内容进行精确推送，实现了根据用户的兴趣程度对产品内容进行精确推送。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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为本发明实施例提供的基于情绪识别的推送方法的流程示意图；
图2为本发明实施例提供的基于情绪识别的推送方法的应用场景示意图；
图3为本发明实施例提供的基于情绪识别的推送方法的计算示意图；
图4为本发明实施例提供的基于情绪识别的推送方法的另一流程示意图；
图5为本发明实施例提供的基于情绪识别的推送方法的子流程示意图；
图6为本发明实施例提供的基于情绪识别的推送方法的另一子流程示意图；
图7为本发明实施例提供的基于情绪识别的推送方法的另一子流程示意图；
图8为本发明实施例提供的基于情绪识别的推送方法的另一子流程示意图；
图9为本发明实施例提供的基于情绪识别的推送方法的另一流程示意图；
图10为本发明实施例提供的基于情绪识别的推送装置的示意性框图；
图11为本发明实施例提供的计算机设备的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
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”和“包含”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，在此本发明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发明。如在本发明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，在本发明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。
请参阅图1，图1是本发明实施例提供的基于情绪识别的推送方法的流程示意图；图2为本发明实施例提供的基于情绪识别的推送方法的应用场景示意图。该基于情绪识别的推送方法应用于管理服务器10中，该方法通过安装于管理服务器10中的应用软件进行执行，用户终端20通过与管理服务器10建立网络连接实现数据信息的传输。管理服务器10即是用于执行基于情绪识别的推送方法以识别用户的情绪类型并进行精准推送的服务器端，用户终端20即是用于与管理服务器10建立网络连接以进行数据传输的客户端，例如台式电脑、笔记本电脑、平板电脑或手机等。图2中仅仅示意出一台用户终端20与管理服务器10进行信息传输，在实际应用中，该管理服务器10也可与多台用户终端20同时进行信息传输。
如图1所示，该方法包括步骤S110～S160。
S110、根据用户终端的用户信息及预置的产品内容数据库中产品的推荐率信息，获取与所述用户信息对应的优势产品内容推送至所述用户终端并记录推送时间。
根据用户终端的用户信息及预置的产品内容数据库中产品的推荐率信息，获取与所述用户信息对应的优势产品内容推送至所述用户终端并记录推送时间。用户通过用户终端登录用户终端中所安装的应用程序，需将登录信息发送至管理服务器进行确认，则管理服务器可根据登录应用程序的登录信息获取存储于管理服务器中该用户的用户信息，用户信息可以是用户通过应用程序注册登录账号时所输入的注册信息。用户信息即是与该用户相关的具体信息，用户信息包括姓名、性别、年龄、职业等信息，产品内容数据库即是用于对产品的具体信息进行记载的数据库，产品内容数据库中包含产品对应的产品内容及推荐率信息，推荐率信息包括多个用户群组与每一产品对应的推荐率。为提高产品内容推荐的精确性，可根据用户信息确定产品内容数据库中与用户信息对应的用户群组，并根据推荐率信息获取该用户群组中推荐率最高的产品对应的产品内容作为优势产品内容，将优势产品内容推送至用户终端并记录推送时间。具体的，用户信息即为用户个人的基本信息，用户信息包括但不限于年龄、性别、职业、兴趣爱好等，产品内容数据库中所包含多个用户群组，每一用户群组对应一个根据年龄、性别、职业、兴趣爱好等信息所设定的分组条件，用户群组的分组条件互不重叠，根据某一用户信息及每一用户群组的分组条件即可获取该用户信息所属的用户群组，每一用户群组在产品内容数据库中对应多个产品内容。
例如，用户终端对应的用户信息包括，姓名：XXX，性别：男，年龄：27，职业：教师，则对应获取到与用户信息对应的用户群组为：青年组-男(35≥且>22岁)，获取青年组-男这一用户群组对应所有产品对应的推荐率，并获取推荐率最高的产品对应的产品内容作为优势产品内容。
在一实施例中，如图4所示，步骤S110之前还包括步骤S110a。
S110a、根据预置的历史用户信息表及与所述历史用户信息表对应的产品偏好信息构建所述产品内容数据库。
历史用户信息表中包含多个历史用户，每一历史用户均对应一条历史用户信息，历史用户信息中包含用户年龄、性别等信息，产品偏好信息即为历史用户信息表中每一历史用户在浏览产品内容时的偏好信息，也即是历史用户在浏览一个产品内容时是否对其感兴趣的信息，产品内容数据库即是用于对产品的具体信息进行记载的数据库，产品内容数据库中包含多个产品对应的产品内容及推荐率信息，产品内容可以是图片、视频等用于对产品进行简要介绍的信息，产品内容中还可以包括产品链接、购买链接等指向信息以方便用户了解产品的详细情况或方便用户购买产品，根据历史用户信息表及与之对应的产品偏好信息即可构建产品内容数据库。具体的，根据预置的年龄段、用户年龄及性别对历史用户信息表中所包含的历史用户进行分类以得到多个用户群组，根据产品偏好信息计算每一用户群组对应产品的推荐率信息，即可构建包含产品内容及推荐率信息的产品内容数据库，具体的，获取一个用户群组所包含历史用户对每一产品的偏好信息，即可计算得到该用户群组对应每一产品的推荐率。
例如，根据预置的年龄段、用户年龄及性别对历史用户进行分类得到的多个用户群组为：老年组-男(>60岁)，老年组-女，中年组-男(60≥且>35岁)，中年组-女，青年组-男(35≥且>22岁)，青年组-女，少年组-男(22岁≥)，少年组-女，老年组-女在客户信息表中共包含107名历史用户，107名历史用户对A产品感兴趣的数量为35，则老年组-女中A产品的推荐率为35/107＝32.71％。
S120、若到达图像采集时间，向所述用户终端发送图像采集信息以采集得到用户图像，其中，所述图像采集时间为与所述推送时间间隔预置时限的时间。
若到达图像采集时间，向所述用户终端发送图像采集信息以采集得到用户图像，其中，所述图像采集时间为与所述推送时间间隔预置时限的时间。用户通过用户终端接收产品内容并进行浏览，浏览一定时间后用户全面了解产品内容中所包含的信息并通过眼部虹膜的变化对自己的兴趣程度进行展现，因此在将产品内容推送至用户终端一定时间后，需通过采集图像的方式获取用户眼部虹膜的变化情况，到达与产品内容的推送时间间隔预置时限的时间时，则可向用户终端发送图像采集信息，用户终端中所安装的应用程序接收图像采集信息后即控制用户终端的图像采集单元采集得到用户图像，并将用户图像反馈至管理服务器，其中，图像采集单元可以是用户终端的前置摄像头。预置时限可设置为0.5-10秒。
例如，若预置时限为3秒，则将推送时间间隔3秒后的时间确定为图像采集时间，到达图像采集时间则向用户终端发送图像采集信息以获取对应的用户图像。
S130、根据预置的虹膜图像获取模型从所述用户图像中获取得到对应的虹膜图像。
根据预置的虹膜图像获取模型从所述用户图像中截取得到对应的虹膜图像。其中，所述虹膜图像获取模型包括图像截取规则、梯度计算公式计算及虹膜截取模板。用户图像为用户的半身像，用户图像中包含部分无需进行处理的信息，因此需从用户图像中获取用户的虹膜图像。虹膜图像获取模型即是用于从用户图像中获取对应的虹膜图像的模型，图像截取规则即是用于从用户图像中截取用户眼部图像的规则信息，梯度计算公式即是用于计算图像中任一像素点梯度值的计算公式，虹膜截取模板即是用于从用户眼部图像中获取对应虹膜图像的截取模板。
在一实施例中，如图5所示，步骤S130包括子步骤S131、S132和S133。
S131、根据所述图像截取规则从所述用户图像中截取得到包含左眼图像及右眼图像的用户眼部图像。
根据所述图像截取规则从所述用户图像中截取得到包含左眼图像及右眼图像的用户眼部图像，其中，所述图像截取规则包括截取顶点定位公式、高度截取比例及宽度截取比例。由于用户图像为用户的半身像，则用户眼部在用户图像中的位置较为固定，可通过图像截取规则从中截取得到用户眼部图像。顶点定位公式即是用于对用户眼部图像的左上角进行定位的计算公式，高度截取比例及宽度截取比例即可计算得到用户眼部图像的截取高度及截取宽度。
在一实施例中，如图6所示，步骤S131包括子步骤S1311、S1312、S1313和S1314。
S1311、根据所述截取顶点定位公式及所述用户图像的图像解析度计算所述用户图像的截取顶点。
图像解析度即为图像每一行及每一列对应包含的像素点的数量，截取顶点定位公式包含顶点横坐标计算公式及顶点纵坐标计算公式，通过上述计算公式结合图像解析度即可计算得到用户图像的截取顶点。
例如，某一用户图像的图像解析度(Fw×Fh)为480(宽度)×600(高度)，顶点横坐标计算公式为Dw＝0.13×Fw＝62，顶点纵坐标计算公式Dh＝0.25×600＝150，则截取顶点在用户图像中的坐标值为(62,150)。
S1312、将所述高度截取比例及所述宽度截取比例分别与所述图像解析度相乘以得到所述用户图像的截取高度及截取宽度。
将高度截取比例与图像解析度中的列像素点数量进行相乘，得到截取高度，将宽度截取比例与图像解析度中的行像素点数量进行相乘，得到截取宽度。
例如，高度截取比例为0.1，计算得到截取高度为0.1*600＝60，宽度截取比例为0.74，计算得到截取宽度为0.74*480＝355。
S1313、根据所述截取顶点、截取高度及截取宽度对所述用户图像进行截取以得到眼部截取图像。
以截取顶点作为眼部截取图像的基准点，通过截取顶点、截取高度及截取宽度即可确定眼部截取图像的其他顶点，根据截取顶点及其他顶点对用户图像进行截取，即可得到对应的眼部截取图像，所得到的眼部截取图像为长方形图像。
S1314、根据所述眼部截取图像的中心线将所述眼部截取图像拆分为左眼图像及右眼图像。
由于眼部截取图像中包含用户左眼及右眼的图像，为方便后续对眼部截取图像进行分析，可沿眼部截取图像的中心线对眼部截取图像进行拆分，得到包含左眼图像及右眼图像的用户眼部图像。
S132、根据所述梯度计算公式对所述用户眼部图像中的像素点进行计算以获取对应的虹膜中心像素点。
根据所述梯度计算公式对所述用户眼部图像中的像素点进行计算以获取对应的虹膜中心像素点。由于左眼图像或右眼图像中瞳孔的几何中心点并不一定与用户虹膜的中心点重合，因此需通过梯度计算公式对用户眼部图像进行计算以获取对应的虹膜中心像素点。用户眼部图像中虹膜中心像素点的灰度值最大，其他像素点的灰度值与虹膜中心像素点的距离成反比，可根据这一原理计算用户眼部图像中每一像素点的梯度值，并根据计算结果获取对应的虹膜中心像素点。
在一实施例中，如图7所示，步骤S132包括子步骤S1321、S1322和S1323。
S1321、根据所述梯度计算公式计算所述左眼图像或右眼图像中每一像素点的梯度值。
根据所述梯度计算公式计算所述左眼图像或右眼图像中每一像素点的梯度值。用户眼部图像包括左眼图像及右眼图像，则可通过梯度计算公式分别计算左眼图像或右眼图像中每一像素点的梯度值，梯度计算公式可对一个像素点在多个不同方向的梯度值进行计算，
例如，如图3所示，若计算与某一像素点与相邻2格像素点之间的梯度值，则可对应计算得到该像素点在16个方向的梯度值，其中，该像素点在某一方向的梯度值可表示为：d1(x,y)＝I(x,y)-I(x+2,y)，其中，x，y为该像素点的坐标值，I(x,y)为图像坐标值(x,y)这一像素点的灰度值。
S1322、统计每一所述像素点中梯度值大于零的数量以得到每一所述像素点的正向梯度数。
对每一像素点的梯度值大于零的数量进行统计，即可得到每一像素点的正向梯度数。具体的，对计算得到的每一像素点的梯度值是否大于零进行判断，若某一像素点在一个方向的梯度值大于零，则表明图像中像素点的灰度值沿该梯度方向下降。
S1323、将正向梯度数最大的所述像素点确定为所述左眼图像或右眼图像的虹膜中心像素点。
将正向梯度数最大的所述像素点确定为所述左眼图像或右眼图像的虹膜中心像素点。分别计算得到左眼图像中每一像素点的正向梯度数，及右眼图像中每一像素点的正向梯度数，将每一图像中正向梯度数最大的像素点确定为该图像的虹膜中心像素点，由于虹膜中心像素点的灰度值最大，因此虹膜中心像素点在任一方向的梯度值均大于零，而图像中非虹膜中心的其他像素点包含至少一个不大于零的梯度值，即可获取图像中正向梯度数最大的像素点作为该图像的虹膜中心像素点，获取虹膜中心像素点的坐标值，由于输入的图像包括左眼图像及右眼图像，因此对应得到左眼图像的虹膜中心像素点及右眼图像的虹膜中心像素点。
S133、根据所述虹膜中心像素点及所述虹膜截取模板对所述用户眼部图像进行截取以得到虹膜图像。
根据所述虹膜中心像素点及所述虹膜截取模板对所述用户眼部图像进行截取以得到虹膜图像。其中，所述虹膜图像包括左眼虹膜图像及右眼虹膜图像，虹膜截取模板即为一个与人眼部虹膜外形相似的图形模板，虹膜截取模板的具体形状可以是椭圆形、菱形或纺锤形，虹膜截取模板中包括一个截取中心点。具体的虹膜图像截取步骤为，将虹膜截取模板置于左眼图像或右眼图像上，移动虹膜截取模板以使截取中心点与左眼图像或右眼图像的虹膜中心像素点重合，沿虹膜截取模板的外部轮廓对左眼图像或右眼图像进行裁剪，与虹膜截取模板相重合的部分图像即为左眼虹膜图像或右眼虹膜图像，由于通过同一虹膜截取模板得到左眼虹膜图像及右眼虹膜图像，因此左眼虹膜图像及右眼虹膜图像的尺寸相同。
S140、根据预置的虹膜特征提取模型从所述虹膜图像中提取得到虹膜特征信息。
根据预置的虹膜特征提取模型从所述虹膜图像中提取得到虹膜特征信息。其中，虹膜特征提取模型包括虹膜特征提取公式及虚数转换规则，虹膜特征提取公式即为对虹膜图像中的特征信息进行提取的计算公式，虚数转换规则为对计算得到的虚数进行转换的规则，虹膜特征提取公式的计算结果进行转换即可得到对应的虹膜特征信息，虹膜特征信息即是对虹膜图像的特征进行量化的信息，计算机无法对两张图像所包含像素点的像素值之间的差异进行量化计算，因此可通过虹膜特征信息对两张图像的差异进行量化计算，用户对事物的兴趣程度均可通过虹膜特征信息进行体现，两个用户的兴趣程度存在差别则对应的两份虹膜特征信息也存在差别。
在一实施例中，如图8所示，步骤S140包括子步骤S141、S142和S143。
S141、对所述虹膜图像中的左眼虹膜图像及右眼虹膜图像进行逐像素叠加以得到虹膜叠加图像。
对所述虹膜图像中的左眼虹膜图像及右眼虹膜图像进行逐像素叠加以得到虹膜叠加图像。所得到的虹膜图像中包含左眼虹膜图像及右眼虹膜图像，为集中体现包含左眼及右眼的整体虹膜特征信息，左眼虹膜图像及右眼虹膜图像的尺寸相同，可对左眼虹膜图像及右眼虹膜图像进行逐像素叠加得到虹膜叠加图像。具体的，将左眼虹膜图像及右眼虹膜图像在相同坐标点对应的两个像素点的像素值进行相加并平均，即可完成对该坐标点对应的两个像素点的叠加处理，基于上述方式获取每一坐标点在两张图像中对应像素点的像素值的平均值，即可得到对应的虹膜叠加图像。
S142、将所述虹膜叠加图像所包含的像素点输入所述虹膜特征提取公式以计算得到所述像素点的计算值。
将所述虹膜叠加图像所包含的像素点输入所述虹膜特征提取公式以计算得到所述像素点的计算值。获取虹膜叠加图像的中心点，并将虹膜叠加图像中所包含的像素点作为像素集合输入虹膜特征提取公式，以计算得到像素集合中每一像素点对应的计算值。具体的，虹膜特征提取公式可表示为:
Figure BDA0002516132010000102
Figure BDA0002516132010000103
其中，(x0,y0)为虹膜叠加图像的中心点的坐标值，α、β及u0为公式中的参数值，具体的，α为虹膜特征提取公式的滤波有效宽度，β为虹膜特征提取公式的滤波有效长度，u0决定了公式中调制项的频率；j是虚数，也即是
Figure BDA0002516132010000101
(x,y)为包含每一像素点的像素集合，G(x,y)为对像素集合所包含的像素点进行计算所得的计算值，G(x,y)中包含每一像素点的计算值，所得的计算值为一个包含实部及虚部的虚数。
S143、根据所述虚数转换规则对所述像素点的计算值进行转换得到包含每一所述像素点的特征值的虹膜特征信息。
根据所述虚数转换规则对所述像素点的计算值进行转换得到包含每一所述像素点的特征值的虹膜特征信息。根据虚数转换规则对所计算得到的虚数进行转换，也即是将该虚数的极性进行量化得到一个2位二进制数，具体的，当计算值中的实部和虚部均为正时，特征值为11；当实部为正虚部为负时，特征值为10；当实部为负虚部为正时，特征值为01；当实部和虚部均为负时，特征值为00。根据上述规则对每一像素点的计算值进行转换即可得到每一像素点的特征值，也即是虹膜特征信息。
S150、根据预置的情绪分类模型对所述虹膜特征信息进行分类以获取与所述虹膜特征信息对应的用户情绪类型。
根据预置的情绪分类模型对所述虹膜特征信息进行分类以获取与所述虹膜特征信息对应的用户情绪类型。其中，情绪分类模型包括多个情绪类型，以及每一情绪类型对应的分类特征信息，情绪分类模型中可以仅包含感兴趣及不感兴趣两个情绪类型，还可以包含感兴趣、给予优惠感兴趣、不感兴趣及厌恶等多个情绪类型。具体的，计算虹膜特征信息与每一类别特征信息对应的相似度，获取相似度最高的一个情绪类型作为与虹膜特征信息对应的用户情绪类型。具体的，相似度可通过P＝1-[(f1-g1)2+(f2-g2)2+…+(fn-gn)2]/(g1 2+g2 2+…+gn 2)计算得到，其中，虹膜特征信息为Gf＝(f1，f2……fn)，某一情绪类型的分类特征信息为Gg＝(g1，g2……gn)。
在一实施例中，步骤S150之前还包括步骤S150a。
S150a、根据所述历史用户信息表中每一历史用户浏览所述产品内容时的虹膜特征信息及所述产品偏好信息构建所述情绪分类模型。
根据所述历史用户信息表中每一历史用户浏览所述产品内容时的虹膜特征信息及所述产品偏好信息构建所述情绪分类模型。每一历史用户在浏览某一产品内容时均包含与之对应的虹膜特征信息及偏好信息，根据上述信息即可构建得到情绪分类模型。具体的，偏好信息可包含感兴趣、给予优惠感兴趣、不感兴趣及厌恶等多个情绪类型，根据偏好信息的情绪类型对与每一偏好信息对应的虹膜特征信息进行分类，得到每一情绪类型对应的多个虹膜特征信息，取每一情绪类型的虹膜特征信息的平均值作为与该情绪类型对应的分类特征信息，即可构建得到情绪分类模型。
S160、根据所述用户情绪类型获取预置的推送策略信息中与所述用户情绪类型对应的目标推送策略，以根据所述目标推送策略再次进行推送。
根据所述用户情绪类型获取预置的推送策略信息中与所述用户情绪类型对应的目标推送策略，以根据所述目标推送策略再次进行推送。推送策略信息中包含与每一情绪类型对应的推送策略，根据推送策略信息即可获取与用户情绪类型对应的推送策略作为目标推送策略，并根据目标推送策略再次进行推送。其中，用户的情绪类型可包括感兴趣、给予优惠感兴趣、不感兴趣及厌恶等多个情绪类型，若用户的情绪类型为厌恶，则目标推送策略推送为推送幽默风趣的提示信息至该用户终端；若用户的情绪类型不为厌恶，则获取与该情绪类型对应的目标推送策略，并根据该目标推送策略再次推送产品内容至该用户终端，再次推送产品内容至用户终端后即可再次以执行步骤S110-S160。
例如，用户情绪类型为“给予优惠感兴趣”，则对应获取得到推送策略信息与该用户情绪类型对应的目标推送策略为“推送包含优惠信息的产品内容”，则可从产品内容数据库中获取与该目标推送策略对应的包含优惠信息的产品内容再次推送，并再次执行步骤S110-S160。
在一实施例中，如图9所示，还包括步骤S170。
S170、根据所述用户情绪类型及所述用户信息对所述产品内容数据库中所述优势产品内容的推荐率进行更新，以得到更新后的所述产品内容数据库。
根据所述用户情绪类型及所述用户信息对所述产品内容数据库中所述优势产品内容的推荐率进行更新，以得到更新后的所述产品内容数据库。具体的，用户信息包括姓名、性别、年龄、职业等信息，根据用户信息获取产品内容数据库中与该用户信息对应的用户群组，并根据用户情绪类型对该用户群组中与优势产品内容对应的推荐率进行更新，即可得到更新后的产品内容数据库，后续使用过程中可使用更新后的产品内容数据库，以提高对产品内容进行推送的精准性。此外，步骤S170可在步骤S160或步骤S150之后执行。
例如，某一用户信息包括姓名：XXX，性别：女，年龄62，职业：医生，用户情绪类型为：感兴趣；优势产品内容为A产品对应的产品内容；则对应获取得到产品内容数据库中与该用户信息对应的用户群组为：老年组-女，产品内容数据库的推荐率信息中“老年组-女”这一用户群组与A产品对应的推荐率为35/107＝32.71％，根据用户情绪类型对A产品的推荐率进行更新得到更新后的推荐率为(35+1)/(107+1)＝33.33％。
在本发明实施例所提供的基于情绪识别的推送方法中，获取产品内容数据库中与用户信息对应的优势产品内容推送至用户终端，采集得到用户图像并从中提取得到虹膜特征信息，根据情绪分类模型获取与虹膜特征信息对应的用户情绪类型，获取推送策略信息中与用户情绪类型对应的目标推送策略以再次进行推送。通过上述方法，可基于虹膜识别获取用户图像对应的虹膜特征信息，并获取与虹膜特征信息相对应的用户情绪类型，并基于用户情绪类型对产品内容进行精确推送，实现了根据用户的兴趣程度对产品内容进行精确推送。
本发明实施例还提供一种基于情绪识别的推送装置，该基于情绪识别的推送装置用于执行前述基于情绪识别的推送方法的任一实施例。具体地，请参阅图10，图10是本发明实施例提供的基于情绪识别的推送装置的示意性框图。该基于情绪识别的推送装置可以配置于管理服务器10中。
如图10所示，基于情绪识别的推送装置100包括优势产品内容推送单元110、用户图像采集单元120、虹膜图像获取单元130、虹膜特征信息提取单元140、用户情绪类型获取单元150和目标推送策略获取单元160。
优势产品内容推送单元110，用于根据用户终端的用户信息及预置的产品内容数据库中产品的推荐率信息，获取与所述用户信息对应的优势产品内容推送至所述用户终端并记录推送时间。
其他发明实施例中，所述基于情绪识别的推送装置100还包括子单元：产品内容数据库构建单元110a。
产品内容数据库构建单元110a，用于根据预置的历史用户信息表及与所述历史用户信息表对应的产品偏好信息构建所述产品内容数据库。
用户图像采集单元120，用于若到达图像采集时间，向所述用户终端发送图像采集信息以采集得到用户图像，其中，所述图像采集时间为与所述推送时间间隔预置时限的时间。
虹膜图像获取单元130，用于根据预置的虹膜图像获取模型从所述用户图像中获取得到对应的虹膜图像。
其他发明实施例中，所述虹膜图像获取单元130包括子单元：用户眼部图像获取单元131、虹膜中心像素点获取单元132和虹膜图像截取单元133。
用户眼部图像获取单元131，用于根据所述图像截取规则从所述用户图像中截取得到包含左眼图像及右眼图像的用户眼部图像。
其他发明实施例中，所述用户眼部图像获取单元131包括子单元：截取顶点获取单元1311、截取计算单元1312、眼部截取图像获取单元1313和图像拆分单元1314。
截取顶点获取单元1311，用于根据所述截取顶点定位公式及所述用户图像的图像解析度计算所述用户图像的截取顶点；截取计算单元1312，用于将所述高度截取比例及所述宽度截取比例分别与所述图像解析度相乘以得到所述用户图像的截取高度及截取宽度；眼部截取图像获取单元1313，用于根据所述截取顶点、截取高度及截取宽度对所述用户图像进行截取以得到眼部截取图像；图像拆分单元1314，用于根据所述眼部截取图像的中心线将所述眼部截取图像拆分为左眼图像及右眼图像。
虹膜中心像素点获取单元132，用于根据所述梯度计算公式对所述用户眼部图像中的像素点进行计算以获取对应的虹膜中心像素点。
其他发明实施例中，所述虹膜中心像素点获取单元132包括子单元：梯度值计算单元1321、正向梯度数获取单元1322和虹膜中心像素点确定单元1333。
梯度值计算单元1321，用于根据所述梯度计算公式计算所述左眼图像或右眼图像中每一像素点的梯度值；正向梯度数获取单元1322，用于统计每一所述像素点中梯度值大于零的数量以得到每一所述像素点的正向梯度数；虹膜中心像素点确定单元1333，用于将正向梯度数最大的所述像素点确定为所述左眼图像或右眼图像的虹膜中心像素点。
虹膜图像截取单元133，用于根据所述虹膜中心像素点及所述虹膜截取模板对所述用户眼部图像进行截取以得到虹膜图像。
虹膜特征信息提取单元140，用于根据预置的虹膜特征提取模型从所述虹膜图像中提取得到虹膜特征信息。
其他发明实施例中，所述虹膜特征信息提取单元140包括子单元：虹膜叠加图像获取单元141、计算值获取单元142和计算值转换单元143。
虹膜叠加图像获取单元141，用于对所述虹膜图像中的左眼虹膜图像及右眼虹膜图像进行逐像素叠加以得到虹膜叠加图像；计算值获取单元142，用于将所述虹膜叠加图像所包含的像素点输入所述虹膜特征提取公式以计算得到所述像素点的计算值；计算值转换单元143，用于根据所述虚数转换规则对所述像素点的计算值进行转换得到包含每一所述像素点的特征值的虹膜特征信息。
用户情绪类型获取单元150，用于根据预置的情绪分类模型对所述虹膜特征信息进行分类以获取与所述虹膜特征信息对应的用户情绪类型。
其他发明实施例中，所述基于情绪识别的推送装置100还包括子单元：情绪分类模型构建单元150a。
情绪分类模型构建单元150a，用于根据所述历史用户信息表中每一历史用户浏览所述产品内容时的虹膜特征信息及所述产品偏好信息构建所述情绪分类模型。
目标推送策略获取单元160，用于根据所述用户情绪类型获取预置的推送策略信息中与所述用户情绪类型对应的目标推送策略，以根据所述目标推送策略再次进行推送。
其他发明实施例中，所述基于情绪识别的推送装置100还包括子单元：产品内容数据库更新单元170。
产品内容数据库更新单元170，用于根据所述用户情绪类型及所述用户信息对所述产品内容数据库中所述优势产品内容的推荐率进行更新，以得到更新后的所述产品内容数据库。
在本发明实施例所提供的基于情绪识别的推送装置用于执行上述基于情绪识别的推送方法，获取产品内容数据库中与用户信息对应的优势产品内容推送至用户终端，采集得到用户图像并从中提取得到虹膜特征信息，根据情绪分类模型获取与虹膜特征信息对应的用户情绪类型，获取推送策略信息中与用户情绪类型对应的目标推送策略以再次进行推送。通过上述方法，可基于虹膜识别获取用户图像对应的虹膜特征信息，并获取与虹膜特征信息相对应的用户情绪类型，并基于用户情绪类型对产品内容进行精确推送，实现了根据用户的兴趣程度对产品内容进行精确推送。
上述基于情绪识别的推送装置可以实现为计算机程序的形式，该计算机程序可以在如图11所示的计算机设备上运行。
请参阅图11，图11是本发明实施例提供的计算机设备的示意性框图。
参阅图11，该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505，其中，存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032被执行时，可使得处理器502执行基于情绪识别的推送方法。
该处理器502用于提供计算和控制能力，支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境，该计算机程序5032被处理器502执行时，可使得处理器502执行基于情绪识别的推送方法。
该网络接口505用于进行网络通信，如提供数据信息的传输等。本领域技术人员可以理解，图11中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备500的限定，具体的计算机设备500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。
其中，所述处理器502用于运行存储在存储器中的计算机程序5032，以实现如下功能：根据用户终端的用户信息及预置的产品内容数据库中产品的推荐率信息，获取与所述用户信息对应的优势产品内容推送至所述用户终端并记录推送时间；若到达图像采集时间，向所述用户终端发送图像采集信息以采集得到用户图像，其中，所述图像采集时间为与所述推送时间间隔预置时限的时间；根据预置的虹膜图像获取模型从所述用户图像中获取得到对应的虹膜图像；根据预置的虹膜特征提取模型从所述虹膜图像中提取得到虹膜特征信息；根据预置的情绪分类模型对所述虹膜特征信息进行分类以获取与所述虹膜特征信息对应的用户情绪类型；根据所述用户情绪类型获取预置的推送策略信息中与所述用户情绪类型对应的目标推送策略，以根据所述目标推送策略再次进行推送。
在一实施例中，处理器502在执行根据用户终端的用户信息及预置的产品内容数据库中产品的推荐率信息，获取与所述用户信息对应的优势产品内容推送至所述用户终端并记录推送时间的步骤之前，还执行如下操作：根据预置的历史用户信息表及与所述历史用户信息表对应的产品偏好信息构建所述产品内容数据库。
在一实施例中，处理器502在执行根据预置的虹膜图像获取模型从所述用户图像中获取得到对应的虹膜图像的步骤时，执行如下操作：根据所述图像截取规则从所述用户图像中截取得到包含左眼图像及右眼图像的用户眼部图像；根据所述梯度计算公式对所述用户眼部图像中的像素点进行计算以获取对应的虹膜中心像素点；根据所述虹膜中心像素点及所述虹膜截取模板对所述用户眼部图像进行截取以得到虹膜图像。
在一实施例中，处理器502在执行根据所述图像截取规则从所述用户图像中截取得到包含左眼图像及右眼图像的用户眼部图像的步骤时，执行如下操作：根据所述截取顶点定位公式及所述用户图像的图像解析度计算所述用户图像的截取顶点；将所述高度截取比例及所述宽度截取比例分别与所述图像解析度相乘以得到所述用户图像的截取高度及截取宽度；根据所述截取顶点、截取高度及截取宽度对所述用户图像进行截取以得到眼部截取图像；根据所述眼部截取图像的中心线将所述眼部截取图像拆分为左眼图像及右眼图像。
在一实施例中，处理器502在执行根据所述梯度计算公式对所述用户眼部图像中的像素点进行计算以获取对应的虹膜中心像素点的步骤时，执行如下操作：根据所述梯度计算公式计算所述左眼图像或右眼图像中每一像素点的梯度值；统计每一所述像素点中梯度值大于零的数量以得到每一所述像素点的正向梯度数；将正向梯度数最大的所述像素点确定为所述左眼图像或右眼图像的虹膜中心像素点。
在一实施例中，处理器502在执行根据预置的虹膜特征提取模型从所述虹膜图像中提取得到虹膜特征信息的步骤时，执行如下操作：对所述虹膜图像中的左眼虹膜图像及右眼虹膜图像进行逐像素叠加以得到虹膜叠加图像；将所述虹膜叠加图像所包含的像素点输入所述虹膜特征提取公式以计算得到所述像素点的计算值；根据所述虚数转换规则对所述像素点的计算值进行转换得到包含每一所述像素点的特征值的虹膜特征信息。
在一实施例中，处理器502还执行如下操作：根据所述用户情绪类型及所述用户信息对所述产品内容数据库中所述优势产品内容的推荐率进行更新，以得到更新后的所述产品内容数据库。
本领域技术人员可以理解，图11中示出的计算机设备的实施例并不构成对计算机设备具体构成的限定，在其他实施例中，计算机设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。例如，在一些实施例中，计算机设备可以仅包括存储器及处理器，在这样的实施例中，存储器及处理器的结构及功能与图11所示实施例一致，在此不再赘述。
应当理解，在本发明实施例中，处理器502可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(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。其中，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。
在本发明的另一实施例中提供计算机可读存储介质。该计算机可读存储介质可以为非易失性的计算机可读存储介质。该计算机可读存储介质存储有计算机程序，其中计算机程序被处理器执行时实现以下步骤：根据用户终端的用户信息及预置的产品内容数据库中产品的推荐率信息，获取与所述用户信息对应的优势产品内容推送至所述用户终端并记录推送时间；若到达图像采集时间，向所述用户终端发送图像采集信息以采集得到用户图像，其中，所述图像采集时间为与所述推送时间间隔预置时限的时间；根据预置的虹膜图像获取模型从所述用户图像中获取得到对应的虹膜图像；根据预置的虹膜特征提取模型从所述虹膜图像中提取得到虹膜特征信息；根据预置的情绪分类模型对所述虹膜特征信息进行分类以获取与所述虹膜特征信息对应的用户情绪类型；根据所述用户情绪类型获取预置的推送策略信息中与所述用户情绪类型对应的目标推送策略，以根据所述目标推送策略再次进行推送。
在一实施例中，所述根据用户终端的用户信息及预置的产品内容数据库中产品的推荐率信息，获取与所述用户信息对应的优势产品内容推送至所述用户终端并记录推送时间的步骤之前，还包括：根据预置的历史用户信息表及与所述历史用户信息表对应的产品偏好信息构建所述产品内容数据库。
在一实施例中，所述根据预置的虹膜图像获取模型从所述用户图像中获取得到对应的虹膜图像的步骤，包括：根据所述图像截取规则从所述用户图像中截取得到包含左眼图像及右眼图像的用户眼部图像；根据所述梯度计算公式对所述用户眼部图像中的像素点进行计算以获取对应的虹膜中心像素点；根据所述虹膜中心像素点及所述虹膜截取模板对所述用户眼部图像进行截取以得到虹膜图像。
在一实施例中，所述根据所述图像截取规则从所述用户图像中截取得到包含左眼图像及右眼图像的用户眼部图像的步骤，包括：根据所述截取顶点定位公式及所述用户图像的图像解析度计算所述用户图像的截取顶点；将所述高度截取比例及所述宽度截取比例分别与所述图像解析度相乘以得到所述用户图像的截取高度及截取宽度；根据所述截取顶点、截取高度及截取宽度对所述用户图像进行截取以得到眼部截取图像；根据所述眼部截取图像的中心线将所述眼部截取图像拆分为左眼图像及右眼图像。
在一实施例中，所述根据所述梯度计算公式对所述用户眼部图像中的像素点进行计算以获取对应的虹膜中心像素点的步骤，包括：根据所述梯度计算公式计算所述左眼图像或右眼图像中每一像素点的梯度值；统计每一所述像素点中梯度值大于零的数量以得到每一所述像素点的正向梯度数；将正向梯度数最大的所述像素点确定为所述左眼图像或右眼图像的虹膜中心像素点。
在一实施例中，所述根据预置的虹膜特征提取模型从所述虹膜图像中提取得到虹膜特征信息的步骤，包括：对所述虹膜图像中的左眼虹膜图像及右眼虹膜图像进行逐像素叠加以得到虹膜叠加图像；将所述虹膜叠加图像所包含的像素点输入所述虹膜特征提取公式以计算得到所述像素点的计算值；根据所述虚数转换规则对所述像素点的计算值进行转换得到包含每一所述像素点的特征值的虹膜特征信息。
在一实施例中，还包括：根据所述用户情绪类型及所述用户信息对所述产品内容数据库中所述优势产品内容的推荐率进行更新，以得到更新后的所述产品内容数据库。
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，上述描述的设备、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。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、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。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发明的范围。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备、装置和方法，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，仅仅为逻辑功能划分，实际实现时可以有另外的划分方式，也可以将具有相同功能的单元集合成一个单元，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。另外，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，也可以是电的，机械的或其它的形式连接。
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发明实施例方案的目的。
另外，在本发明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，也可以是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存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个计算机可读存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的计算机可读存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种基于情绪识别的推送方法，应用于管理服务器，其特征在于，包括：
根据用户终端的用户信息及预置的产品内容数据库中产品的推荐率信息，获取与所述用户信息对应的优势产品内容推送至所述用户终端并记录推送时间；
若到达图像采集时间，向所述用户终端发送图像采集信息以采集得到用户图像，其中，所述图像采集时间为与所述推送时间间隔预置时限的时间；
根据预置的虹膜图像获取模型从所述用户图像中获取得到对应的虹膜图像；
根据预置的虹膜特征提取模型从所述虹膜图像中提取得到虹膜特征信息；
根据预置的情绪分类模型对所述虹膜特征信息进行分类以获取与所述虹膜特征信息对应的用户情绪类型；
根据所述用户情绪类型获取预置的推送策略信息中与所述用户情绪类型对应的目标推送策略，以根据所述目标推送策略再次进行推送。
2.根据权利要求1所述的基于情绪识别的推送方法，其特征在于，所述根据用户终端的用户信息及预置的产品内容数据库中产品的推荐率信息，获取与所述用户信息对应的优势产品内容推送至所述用户终端并记录推送时间之前，还包括：
根据预置的历史用户信息表及与所述历史用户信息表对应的产品偏好信息构建所述产品内容数据库。
3.根据权利要求1所述的基于情绪识别的推送方法，其特征在于，所述根据预置的虹膜图像获取模型从所述用户图像中获取得到对应的虹膜图像，包括：
根据所述图像截取规则从所述用户图像中截取得到包含左眼图像及右眼图像的用户眼部图像；
根据所述梯度计算公式对所述用户眼部图像中的像素点进行计算以获取对应的虹膜中心像素点；
根据所述虹膜中心像素点及所述虹膜截取模板对所述用户眼部图像进行截取以得到虹膜图像。
4.根据权利要求3所述的基于情绪识别的推送方法，其特征在于，所述图像截取规则包括截取顶点定位公式、高度截取比例及宽度截取比例，所述根据所述图像截取规则从所述用户图像中截取得到包含左眼图像及右眼图像的用户眼部图像，包括：
根据所述截取顶点定位公式及所述用户图像的图像解析度计算所述用户图像的截取顶点；
将所述高度截取比例及所述宽度截取比例分别与所述图像解析度相乘以得到所述用户图像的截取高度及截取宽度；
根据所述截取顶点、截取高度及截取宽度对所述用户图像进行截取以得到眼部截取图像；
根据所述眼部截取图像的中心线将所述眼部截取图像拆分为左眼图像及右眼图像。
5.根据权利要求3所述的基于情绪识别的推送方法，其特征在于，所述根据所述梯度计算公式对所述用户眼部图像中的像素点进行计算以获取对应的虹膜中心像素点，包括：
根据所述梯度计算公式计算所述左眼图像或右眼图像中每一像素点的梯度值；
统计每一所述像素点中梯度值大于零的数量以得到每一所述像素点的正向梯度数；
将正向梯度数最大的所述像素点确定为所述左眼图像或右眼图像的虹膜中心像素点。
6.根据权利要求1所述的基于情绪识别的推送方法，其特征在于，所述根据预置的虹膜特征提取模型从所述虹膜图像中提取得到虹膜特征信息，包括：
对所述虹膜图像中的左眼虹膜图像及右眼虹膜图像进行逐像素叠加以得到虹膜叠加图像；
将所述虹膜叠加图像所包含的像素点输入所述虹膜特征提取公式以计算得到所述像素点的计算值；
根据所述虚数转换规则对所述像素点的计算值进行转换得到包含每一所述像素点的特征值的虹膜特征信息。
7.根据权利要求1所述的基于情绪识别的推送方法，其特征在于，还包括：
根据所述用户情绪类型及所述用户信息对所述产品内容数据库中所述优势产品内容的推荐率进行更新，以得到更新后的所述产品内容数据库。
8.一种基于情绪识别的推送装置，其特征在于，包括：
优势产品内容推送单元，用于根据用户终端的用户信息及预置的产品内容数据库中产品的推荐率信息，获取与所述用户信息对应的优势产品内容推送至所述用户终端并记录推送时间；
用户图像采集单元，用于若到达图像采集时间，向所述用户终端发送图像采集信息以采集得到用户图像，其中，所述图像采集时间为与所述推送时间间隔预置时限的时间；
虹膜图像获取单元，用于根据预置的虹膜图像获取模型从所述用户图像中获取得到对应的虹膜图像；
虹膜特征信息提取单元，用于根据预置的虹膜特征提取模型从所述虹膜图像中提取得到虹膜特征信息；
用户情绪类型获取单元，用于根据预置的情绪分类模型对所述虹膜特征信息进行分类以获取与所述虹膜特征信息对应的用户情绪类型；
目标推送策略获取单元，用于根据所述用户情绪类型获取预置的推送策略信息中与所述用户情绪类型对应的目标推送策略，以根据所述目标推送策略再次进行推送。
9.一种计算机设备，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计算机程序时实现如权利要求1至7中任一项所述的基于情绪识别的推送方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行如权利要求1至7任一项所述的基于情绪识别的推送方法。
CN202010476996.9A 2020-05-29 2020-05-29 基于情绪识别的推送方法、装置、计算机设备及存储介质 Active CN111708939B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010476996.9A CN111708939B (zh) 2020-05-29 2020-05-29 基于情绪识别的推送方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010476996.9A CN111708939B (zh) 2020-05-29 2020-05-29 基于情绪识别的推送方法、装置、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN111708939A true CN111708939A (zh) 2020-09-25
CN111708939B CN111708939B (zh) 2024-04-16

Family

ID=72538420

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010476996.9A Active CN111708939B (zh) 2020-05-29 2020-05-29 基于情绪识别的推送方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN111708939B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112215133A (zh) * 2020-10-10 2021-01-12 中国平安人寿保险股份有限公司 基于人工智能的学员态度识别方法、装置、计算机设备
CN112684890A (zh) * 2020-12-29 2021-04-20 深圳酷派技术有限公司 一种体检引导的方法、装置、存储介质及电子设备
CN113409067A (zh) * 2021-05-07 2021-09-17 支付宝(杭州)信息技术有限公司 一种用户交互方法、装置以及设备
CN113591550A (zh) * 2021-06-17 2021-11-02 湖南大学 一种基于瞳孔变化的个人喜好自动检测模型构建方法、装置、设备及介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104809458A (zh) * 2014-12-29 2015-07-29 华为技术有限公司 一种瞳孔中心定位方法及装置
CN105573613A (zh) * 2015-06-24 2016-05-11 宇龙计算机通信科技(深圳)有限公司 一种程序图标排序方法和装置
CN105956059A (zh) * 2016-04-27 2016-09-21 乐视控股（北京）有限公司 基于情绪识别的信息推荐方法和装置
US20170351768A1 (en) * 2016-06-03 2017-12-07 Intertrust Technologies Corporation Systems and methods for content targeting using emotional context information
CN107562965A (zh) * 2017-10-20 2018-01-09 龚土婷 一种智能视频推荐系统
US10089525B1 (en) * 2014-12-31 2018-10-02 Morphotrust Usa, Llc Differentiating left and right eye images
CN108629262A (zh) * 2017-03-18 2018-10-09 上海荆虹电子科技有限公司 虹膜识别方法及相应装置
CN109472206A (zh) * 2018-10-11 2019-03-15 平安科技（深圳）有限公司 基于微表情的风险评估方法、装置、设备及介质
CN109858960A (zh) * 2019-01-21 2019-06-07 平安科技（深圳）有限公司 商品推送方法、装置、用户信息管理服务器及存储介质
CN110310169A (zh) * 2019-05-22 2019-10-08 深圳壹账通智能科技有限公司 基于兴趣值的信息推送方法、装置、设备及介质
CN110321477A (zh) * 2019-05-24 2019-10-11 平安科技（深圳）有限公司 信息推荐方法、装置、终端及存储介质

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104809458A (zh) * 2014-12-29 2015-07-29 华为技术有限公司 一种瞳孔中心定位方法及装置
US10089525B1 (en) * 2014-12-31 2018-10-02 Morphotrust Usa, Llc Differentiating left and right eye images
CN105573613A (zh) * 2015-06-24 2016-05-11 宇龙计算机通信科技(深圳)有限公司 一种程序图标排序方法和装置
CN105956059A (zh) * 2016-04-27 2016-09-21 乐视控股（北京）有限公司 基于情绪识别的信息推荐方法和装置
US20170351768A1 (en) * 2016-06-03 2017-12-07 Intertrust Technologies Corporation Systems and methods for content targeting using emotional context information
CN108629262A (zh) * 2017-03-18 2018-10-09 上海荆虹电子科技有限公司 虹膜识别方法及相应装置
CN107562965A (zh) * 2017-10-20 2018-01-09 龚土婷 一种智能视频推荐系统
CN109472206A (zh) * 2018-10-11 2019-03-15 平安科技（深圳）有限公司 基于微表情的风险评估方法、装置、设备及介质
CN109858960A (zh) * 2019-01-21 2019-06-07 平安科技（深圳）有限公司 商品推送方法、装置、用户信息管理服务器及存储介质
CN110310169A (zh) * 2019-05-22 2019-10-08 深圳壹账通智能科技有限公司 基于兴趣值的信息推送方法、装置、设备及介质
CN110321477A (zh) * 2019-05-24 2019-10-11 平安科技（深圳）有限公司 信息推荐方法、装置、终端及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
来毅等: "一种用于虹膜识别的特征提取算法", 《西安邮电大学学报》, vol. 21, no. 6, pages 51 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112215133A (zh) * 2020-10-10 2021-01-12 中国平安人寿保险股份有限公司 基于人工智能的学员态度识别方法、装置、计算机设备
CN112215133B (zh) * 2020-10-10 2023-09-08 中国平安人寿保险股份有限公司 基于人工智能的学员态度识别方法、装置、计算机设备
CN112684890A (zh) * 2020-12-29 2021-04-20 深圳酷派技术有限公司 一种体检引导的方法、装置、存储介质及电子设备
CN113409067A (zh) * 2021-05-07 2021-09-17 支付宝(杭州)信息技术有限公司 一种用户交互方法、装置以及设备
CN113591550A (zh) * 2021-06-17 2021-11-02 湖南大学 一种基于瞳孔变化的个人喜好自动检测模型构建方法、装置、设备及介质
CN113591550B (zh) * 2021-06-17 2024-03-26 湖南大学 一种个人喜好自动检测模型构建方法、装置、设备及介质

Also Published As

Publication number Publication date
CN111708939B (zh) 2024-04-16

Similar Documents

Publication Publication Date Title
CN111708939B (zh) 基于情绪识别的推送方法、装置、计算机设备及存储介质
US20210256320A1 (en) Machine learning artificialintelligence system for identifying vehicles
US20210235802A1 (en) Systems and methods for full body measurements extraction
US9870388B2 (en) Analyzing usage of visual content to determine relationships indicating unsuccessful attempts to retrieve the visual content
EP3028184B1 (en) Method and system for searching images
CN102016882B (zh) 利用脸部签名来标识和共享数字图像的方法、系统和计算机程序
US8868555B2 (en) Computation of a recongnizability score (quality predictor) for image retrieval
US8856108B2 (en) Combining results of image retrieval processes
US8825682B2 (en) Architecture for mixed media reality retrieval of locations and registration of images
US8510283B2 (en) Automatic adaption of an image recognition system to image capture devices
CN106682632B (zh) 用于处理人脸图像的方法和装置
KR20160016961A (ko) 이미지 선명도의 평가
US9569498B2 (en) Using image features to extract viewports from images
US20100250588A1 (en) Image searching system and image searching method
EP1815361A1 (en) Variance-based event clustering
CN108388889B (zh) 用于分析人脸图像的方法和装置
CN110969143A (zh) 基于图像识别的取证方法、系统、计算机设备及存储介质
US11669566B2 (en) Multi-resolution color-based image search
JP6046501B2 (ja) 特徴点出力装置、特徴点出力プログラム、特徴点出力方法、検索装置、検索プログラムおよび検索方法
CN109816543B (zh) 一种图像查找方法及装置
CN110442783A (zh) 基于人脸识别的信息推送方法、装置、计算机设备
CN112614110A (zh) 评估图像质量的方法、装置及终端设备
CN115527090A (zh) 模型训练方法、装置、服务器及存储介质
CN105096335A (zh) 一种传输评价信息的方法及装置
US10002377B1 (en) Infrared driven item recommendations

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant