CN111709816A - 基于图像识别的服务推荐方法、装置、设备及存储介质 - Google Patents
基于图像识别的服务推荐方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111709816A CN111709816A CN202010582620.6A CN202010582620A CN111709816A CN 111709816 A CN111709816 A CN 111709816A CN 202010582620 A CN202010582620 A CN 202010582620A CN 111709816 A CN111709816 A CN 111709816A
- Authority
- CN
- China
- Prior art keywords
- terminal
- photo
- service
- information
- image
- 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
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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
- G06F16/903—Querying
- G06F16/90335—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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]
- G06Q30/0641—Shopping interfaces
- G06Q30/0643—Graphical representation of items or shoppers
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Computational Linguistics (AREA)
- Educational Administration (AREA)
- Technology Law (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及大数据,提供一种基于图像识别的服务推荐方法、装置、设备及存储介质,包括:获取用户通过拍摄单元采集的包含有终端图像的照片;检测照片是否满足照片拍摄质量的条件;若满足,则调用预置终端图像识别模型,对照片中的目标终端进行识别,得到目标终端的属性信息;根据属性信息,结合数据检索算法和评估算法,计算目标终端的评估信息;根据评估信息,利用预置服务产品推荐算法,计算针对目标终端的服务方案,并对服务方案进行展示。此外,本发明还涉及区块链技术,所述包含有目标终端的照片可存储于区块链节点中。用户拍摄带有目标终端的照片,以终端识别模型客观地识别终端各属性信息,可更客观、准确地为目标终端推荐相关的服务产品。
Description
技术领域
本发明涉及大数据分析,尤其涉及一种基于图像识别的服务推荐方法、装置、设备及存储介质。
背景技术
随着人们生活水平的提高,服务型产业日渐发达,如保险行业的业务品类和渠道日渐丰富,越来越多的人选择购买各类保险产品以减少意外对人员或财产造成的损失。互联网对于服务产品的拓展业务渠道、优化保险流程、提高服务质量、拓宽应用场景等方面有着巨大的发展空间,服务产品在网络推广时,千人千面的自动推荐特性对推广的成功程度有着显著的影响,而再如保险行业,其知识的专业难度与庞杂,又决定了保险业务与AI技术有天然的亲和力与结合点。
目前,服务型行业中客户需求多种多样,定制型要求高,各服务产品的服务明细、条款和应用场景也差异明显,使得客户选择难度增大,客户体验不够友好,现有的服务产品智能推荐方法如网上营销、电视广告、扩张机构网络等存在盲目的、面向大众推荐服务产品的问题,其推荐方案准确性与针对性亦较弱,而光靠客户经理的经验和个人素质为客户推荐,人为主观因素限制大,导致面对客户的服务方案推荐不够准确。
发明内容
本发明的主要目的在于解决针对目标终端的服务产品推荐方法不够准确的问题。
本发明第一方面提供了一种基于图像识别的服务推荐方法,包括:
获取用户通过拍摄单元采集的包含有终端图像的照片;
检测所述照片是否满足初步识别条件,其中,所述初步识别条件用于评估所述照片的拍摄质量;
若满足,则调用预置终端图像识别模型,对所述照片进行终端识别,得到目标终端的属性信息;
根据所述属性信息、预置数据检索算法和风险评估算法,计算所述目标终端的评估信息;
根据所述评估信息和预置服务产品推荐算法,计算适用于所述目标终端的服务方案并推荐给用户。
可选的,在本发明第一方面的第一种实现方式中,所述初步识别条件包括照片的拍摄参数要求和所述照片的拍摄主体为完整终端图像,所述检测所述照片是否满足初步识别条件包括:
解析所述照片,得到对应的照片参数,其中,所述照片参数包括照片尺寸、照片清晰度、照片辨识度;
判断所述照片尺寸、照片清晰度、照片辨识度是否满足所述拍摄参数要求;
若不满足所述拍摄参数要求,则确定所述照片不满足所述初步识别条件;
若满足所述拍摄参数要求,则识别并提取所述照片中的拍摄主体;
判断所述拍摄主体是否为完整终端图像;
若是完整终端图像,则确定所述照片满足初步识别条件;
若不是完整终端图像,则确定所述照片不满足初步识别条件。
可选的,在本发明第一方面的第二种实现方式中,所述调用预置终端图像识别模型,对所述照片进行终端识别,得到目标终端的属性信息包括:
将所述照片输入所述终端图像识别模型;
提取所述照片中的特征采样点,得到所述照片的特征图像;
对所述特征图像进行特征匹配,得到所述特征图像的特征信息,其中,所述特征图像的特征信息包括所述特征图像的形状、颜色、分布、标签;
基于所述特征图像的特征信息,确定所述目标终端对应的属性信息,其中所述属性信息包括终端参数信息和终端风险信息。
可选的,在本发明第一方面的第三种实现方式中,所述根据所述属性信息、预置数据检索算法和风险评估算法,计算所述目标终端的评估信息包括:
将所述属性信息中的所述终端参数信息转化为预置终端数据库中对应的检索标签;
应用数据检索算法,根据所述检索标签从所述预置终端数据库中筛选出所述目标终端的款式编码;
根据所述属性信息中的终端风险信息,应用评估算法计算所述目标终端的风险评估得分;
基于所述风险评估得分,确定所述目标终端的风险等级;
将所述款式编码与所述风险等级确定为所述目标终端的评估信息。
可选的,在本发明第一方面的第四种实现方式中,所述根据所述评估信息和预置服务产品推荐算法,计算适用于所述目标终端的服务方案并推荐给用户包括:
从预置终端历史投保数据库中筛选出与所述款式编码对应的服务产品;
从所述款式编码对应的服务产品中筛选出符合所述风险等级的服务产品,确定与所述目标终端相匹配的服务产品;
基于与所述目标终端相匹配的服务产品,得到所述目标终端的服务产品推荐列表;
根据所述终端参数信息与所述终端风险信息,计算两者的权重;
根据所述两者的权重与预设的排序算法,对所述服务产品推荐列表中的服务产品进行重排,得到针对所述目标终端的服务方案并推荐给用户。
可选的,在本发明第一方面的第五种实现方式中,所述服务方案的展示方式包括:
获取所述服务方案、所述终端风险信息和所述属性信息的展示布局;
基于所述展示布局,确定所述服务方案、所述终端风险信息和所述属性信息对应的展示位置信息;
将所述服务方案的详细信息展示在所述服务方案对应的展示位置,其中,所述产品的详细信息包括推荐理由、产品参数明细、产品价格;
将所述终端风险信息展示在对应的展示位置,并在所述终端风险信息的展示位置添加分层图层,所述分层图层包括终端图像弹窗图层、终端图像标签图层、所述终端图像标签对应的风险详细信息展示图层;
将所述属性信息展示在对应的展示位置,并在所述属性信息展示位置添加反馈评价的弹窗图层。
可选的,在本发明第一方面的第六种实现方式中,所述服务推荐方法还包括通过以下方式训练得到所述终端图像识别模型:
获取带有不同的终端图像的照片训练样本;
提取所述照片训练样本的特征采样点,得到所述照片对应的特征图像;
基于所述特征图像,生成所述照片训练样本之间的对比数据;
根据所述对比数据,对所述照片训练样本进行识别算法迭代升级与机器学习进化,得到终端图像识别模型。
本发明第二方面提供了一种基于图像识别的服务推荐装置,包括:
照片获取模块,用于获取用户通过拍摄单元采集的包含有终端图像的照片;
质量验证模块,用于检测所述照片是否满足初步识别条件,其中,所述初步识别条件用于评估所述照片的拍摄质量;
终端识别模块,用于若所述照片满足初步识别条件,则调用预置终端图像识别模型,对所述照片进行终端识别,得到目标终端的属性信息;
终端评估模块,用于根据所述属性信息、预置数据检索算法和风险评估算法,计算所述目标终端的评估信息;
服务推荐模块,用于根据所述评估信息和预置服务产品推荐算法,计算适用于所述目标终端的服务方案并推荐给用户。
可选的,在本发明第二方面的第一种实现方式中,所述所述质量验证模块还用于:
解析所述照片,得到对应的照片参数,其中,所述照片参数包括照片尺寸、照片清晰度、照片辨识度;
判断所述照片尺寸、照片清晰度、照片辨识度是否满足所述拍摄参数要求;
若不满足所述拍摄参数要求,则确定所述照片不满足所述初步识别条件;
若满足所述拍摄参数要求,则识别并提取所述照片中的拍摄主体;
判断所述拍摄主体是否为完整终端图像;
若是完整终端图像,则确定所述照片满足初步识别条件;
若不是完整终端图像,则确定所述照片不满足初步识别条件。
可选的,在本发明第二方面的第二种实现方式中,所述终端识别模块还用于:
将所述照片输入所述终端图像识别模型;
提取所述照片中的特征采样点,得到所述照片的特征图像;
对所述特征图像进行特征匹配,得到所述特征图像的特征信息,其中,所述特征图像的特征信息包括所述特征图像的形状、颜色、分布、标签;
基于所述特征图像的特征信息,确定所述目标终端对应的属性信息,其中所述属性信息包括终端参数信息和终端风险信息。
可选的,在本发明第二方面的第三种实现方式中,所述终端评估模块还用于:
将所述属性信息中的所述终端参数信息转化为预置终端数据库中对应的检索标签;
应用数据检索算法,根据所述检索标签从所述预置终端数据库中筛选出所述目标终端的款式编码;
根据所述属性信息中的终端风险信息,应用评估算法计算所述目标终端的风险评估得分;
基于所述风险评估得分,确定所述目标终端的风险等级;
将所述款式编码与所述风险等级确定为所述目标终端的评估信息。
可选的,在本发明第二方面的第四种实现方式中,所述服务推荐模块还用于:
从预置终端历史投保数据库中筛选出与所述款式编码对应的服务产品;
从所述款式编码对应的服务产品中筛选出符合所述风险等级的服务产品,确定与所述目标终端相匹配的服务产品;
基于与所述目标终端相匹配的服务产品,得到所述目标终端的服务产品推荐列表;
根据所述终端参数信息与所述终端风险信息,计算两者的权重;
根据所述两者的权重与预设的排序算法,对所述服务产品推荐列表中的服务产品进行重排,得到针对所述目标终端的服务方案并推荐给用户。
可选的,在本发明第二方面的第五种实现方式中,所述服务推荐模块还用于:
获取所述服务方案、所述终端风险信息和所述属性信息的展示布局;
基于所述展示布局,确定所述服务方案、所述终端风险信息和所述属性信息对应的展示位置信息;
将所述服务方案的详细信息展示在所述服务方案对应的展示位置,其中,所述产品的详细信息包括推荐理由、产品参数明细、产品价格;
将所述终端风险信息展示在对应的展示位置,并在所述终端风险信息的展示位置添加分层图层,所述分层图层包括终端图像弹窗图层、终端图像标签图层、所述终端图像标签对应的风险详细信息展示图层;
将所述属性信息展示在对应的展示位置,并在所述属性信息展示位置添加反馈评价的弹窗图层。
可选的,在本发明第二方面的第六种实现方式中,所述服务推荐装置还包括模型训练模块,其用于:
获取带有不同的终端图像的照片训练样本;
提取所述照片训练样本的特征采样点,得到所述照片对应的特征图像;
基于所述特征图像,生成所述照片训练样本之间的对比数据;
根据所述对比数据,对所述照片训练样本进行识别算法迭代升级与机器学习进化,得到终端图像识别模型。
本发明第三方面提供了一种基于图像识别的服务推荐设备,包括:存储器和至少一个处理器,所述存储器中存储有指令,所述存储器和所述至少一个处理器通过线路互联;所述至少一个处理器调用所述存储器中的所述指令,以使得所述服务推荐设备执行上述的基于图像识别的服务推荐方法。
本发明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中存储有指令,当其在计算机上运行时,使得计算机执行上述的基于图像识别的服务推荐方法。
本发明提供的技术方案中,获取用户通过拍摄单元采集的包含有终端图像的照片;检测所述照片是否满足初步识别条件,其中,所述初步识别条件用于评估所述照片的拍摄质量;若满足,则调用预置终端图像识别模型,对所述照片进行终端识别,得到目标终端的属性信息;根据所述属性信息、预置数据检索算法和风险评估算法,计算所述目标终端的评估信息;根据所述评估信息和预置服务产品推荐算法,计算适用于所述目标终端的服务方案并推荐给用户。本发明实施例中,对于用户上传的待推荐服务产品的终端图像图像,应用终端图像识别模型进行识别,得到目标终端各属性信息作为对应推荐服务产品的评估信息;根据终端的评估信息,通过服务产品推荐模型筛选针对目标终端的服务方案列表,并在用户界面进行展示,以供用户进一步选择所需的服务产品,以达到降低人为主观因素的影响,通过用户上传的带有目标终端的图像即可实现相关服务产品推荐的有益效果。
附图说明
图1为本发明基于图像识别的服务推荐方法的第一个实施例示意图;
图2为本发明基于图像识别的服务推荐方法的第二个实施例示意图;
图3为本发明基于图像识别的服务推荐方法的第三个实施例示意图;
图4为本发明基于图像识别的服务推荐方法的第四个实施例示意图;
图5为本发明基于图像识别的服务推荐装置的一个实施例示意图;
图6为本发明基于图像识别的服务推荐装置的另一个实施例示意图;
图7为本发明基于图像识别的服务推荐设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种基于图像识别的服务推荐方法、装置、设备及存储介质,对于用户采集到的包含有终端图像的照片,通过终端图像识别模型进行识别,得到目标终端的属性信息;根据所述终端的属性信息、预置数据检索算法和风险评估算法计算目标终端的评估信息,再以服务产品推荐算法计算针对目标终端的服务方案,并在用户界面进行展示,以供用户进一步选择所需的服务产品。通过用户拍摄的包含有目标终端的照片,即可客观评价终端的属性信息,并以此计算适用于目标终端的服务方案,降低人为主观因素的影响,使得针对目标终端的服务方案更准确。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中基于图像识别的服务推荐方法的第一个实施例包括:
101、获取用户通过拍摄单元采集的包含有终端图像的照片;
可以理解的是,本发明的执行主体可以为服务推荐装置,还可以是终端或者服务器,具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。另外,本发明中的终端包括手机、相机、笔记本电脑、平板电脑等,本发明实施例以手机为例进行说明,且优选地,本发明实施例以基于手机的保险服务推荐方法为例进行介绍。
本实施例中,用户只需在应用终端上传手机的图像即可实现所述手机的保险产品智能推荐。而用户在拍摄手机图像或选取已有手机图像前,应用终端界面显示手机图像采集核心要求提示,其中,手机图像拍摄期间,应用终端拍摄界面显示辅助线框帮助用户定位手机主体范围及拍摄小技巧提示信息,比如手机主体的四边轮廓需与辅助线框的四边轮廓相吻合,以符合预置手机图像规则。
102、检测所述照片是否满足初步识别条件,其中,所述初步识别条件用于评估所述照片的拍摄质量;
本实施例中,用户采集的照片需符合初步识别条件,包括尺寸、清晰度、分辨率、是否为目标手机、手机主体图像完整度。具体的,规则检测如下:
A,对于照片的分辨率参数、尺寸参数,可通过提取照片的分辨率参数、尺寸参数并与初步识别条件中规定的分辨率参数范围、尺寸参数范围进行对比,若分辨率参数、尺寸参数在初步识别条件中规定的分辨率参数范围、尺寸参数范围内,这在分辨率参数、尺寸参数部分即满足初步识别条件;
B,对于照片清晰度,可对照片进行一次高斯模糊处理,得到所述手机图像的退化图像,然后比较手机图像和退化图像相邻像素值的差值,根据差值大小确定清晰度的高低,其中,差值越小,图像越清晰,反之则越模糊,若照片的清晰度在初始识别条件中的清晰度规定值之下,即可确定清晰度部分坎组初始识别条件;
C,对于拍摄对象是否为目标手机,则直接对对象放进手机图像识别模型中,即可输出拍摄对象是否为目标手机,该手机图像识别模型可通过大量的手机图片进行迭代升级与机器学习获得。
D,对于照片中手机对象完整度验证,则需要对照片依次进行灰度化、阈值二值化、检测轮廓确认,判断轮廓是否存在贴边现象,若存在,则说明手机图像对象不完整;
103、若满足,则调用预置终端图像识别模型,对所述照片进行终端识别,得到目标终端的属性信息;
本实施例中,直接调用手机图像识别模型,输入验证通过的照片,输出目标手机的属性信息,包括手机品牌、型号、款式、尺寸、颜色、手机表面划痕、屏幕完好程度、磨损情况等。其中,照片识别模型经过多次识别算法迭代升级与机器学习进化,在输入照片后,手机图像识别模型提取所述手机的特征采样点的形状、颜色、标签、采样点分布等,配合大量的手机产品图像特征预置对比数据,识别出所述手机的各属性信息作为保险产品智能推荐的评估信息。
比如将照片A输入手机图像识别模型,提取其特征信息,对比手机产品图像特征预置对比数据,匹配相关的特征预置对比数据,并获取对应的标签,代表所述手机图像对应手机的手机品牌为A、型号为A-1、款式为A-a、尺寸为6.4in、颜色为#333(灰色)、手机表面划痕为无、屏幕完好程度为差、磨损情况为无。
104、根据所述属性信息、预置数据检索算法和风险评估算法,计算所述目标终端的评估信息;
本实施例中,在手机属性信息中,手机品牌、型号、款式、尺寸、颜色等属于手机参数信息,外观完好程度如手机表面划痕、屏幕完好程度、磨损情况等属于手机风险信息。在预置的手机数据库中,输入手机品牌、型号、款式、尺寸、颜色等手机参数信息,即可得到目标手机在该手机数据库中的唯一标识信息,比如款式编码;对于外观完好程度如手机表面划痕、屏幕完好程度、磨损情况等属于手机风险信息,不同手机外观损伤定义不同的风险得分,最后将目标手机获得的风险得分累加,根据总分确定目标手机的风险等级;两者结合即为目标手机的评估信息。
具体的,比如目标手机的品牌为A、型号为A-1、款式为A-a、尺寸为6.4in、颜色为#333(灰色),则可以得到目标手机在手机数据库中的标识信息为唯一的AAA;而手机表面划痕为无、屏幕完好程度等级为1、磨损情况等级为3,若手机表面划痕总分为a,无划痕得满分,有划痕不得分、屏幕完好程度为1、2、3三个等级,得分分别为b,c,d三个分数、磨损情况分1、2、3三个等级,得分分别为e、f、g三个分数,则可得知,目标手机的风险得分为:0+b+g,以此确定对应的风险等级。
105、根据所述评估信息和预置服务产品推荐算法,计算适用于所述目标终端的服务方案并推荐给用户。
本实施例中,根据目标手机的标识信息,如款式编码检索对应手机历史投保的各类保险产品,并通过手机风险产品筛选目标手机所在等级曾购买的保险产品,得到最终的保险产品推荐列表。接着按手机风险信息优先级高,手机参数信息优先级低的原则对所述保险产品列表进行排序,并筛选预置数量的保险产品作为所述手机的保险产品推荐。
比如根据照片中目标手机的款式编码AAA检索到a、b、b、d、c、a、d、e八个保险产品,其中a为碎屏险,b、c为碎屏相关的保险产品,则通过照片识别得到目标手机屏幕完好程度较差,则优先筛选a、b、c,筛除相关性较低的e。
本实施例中,保险推荐方案结合所述手机风险信息和所述属性信息按固定展示区域展示给用户,并用户可在上面执行相关的功能。具体如下所示:
对于属性信息,在应用终端展示时使用弹窗加信息表格的方式展示目标手机各属性信息的条目明细,并添加识别准确度评价的反馈功能;
对于风险信息,则以分层绘图的方式,在新弹窗中的经过预处理的目标手机图像等的上层图层中使用各类风险区域标识和点击标识后的风险详情展示区展示风险详情的形式展示;
对于保险推荐方案,则根据保险推荐方案的列表顺序展示推荐理由、推荐险种、保费等推荐方案详情信息。
本发明实施例中,对于用户采集的带有手机图像的照片,通过手机图像识别模型进行识别,得到目标手机各属性信息,根据手机各属性信息,结合数据检索算法和评估算法,计算目标手机的评估信息;再根据所述手机的评估信息,通过服务产品推荐算法筛选得到选针对所述手机的保险推荐方案,并在用户界面进行展示,以供用户进一步选择所需的保险产品,通过手机图像识别模型识别目标手机的各属性信息,以达到降低人为主观因素的影响,增加为目标手机推荐相匹配的保险产品的准确度。
请参阅图2,本发明实施例中基于图像识别的服务推荐方法的第二个实施例包括:
201、获取带有不同的终端图像的照片训练样本;
本实施例中,通过大量的手机图片预先训练好手机识别模型,接下来主要介绍模型训练及相关处理流程的细化步骤。
首先需采集大量的不同类型手机图像并进行分类标签的标注,主要有手机品牌、型号、款式、尺寸、手机表面划痕、屏幕完好程度、磨损情况等类别。其中,分类标签标注可使用专家标注或者使用计算机标注。
202、提取所述照片训练样本的特征采样点,得到所述照片对应的特征图像;
本实施例中,获取的手机训练图像尺寸可能不同,故需先对手机训练图像进行归一化,将不同尺寸的手机训练图像统一至预置尺寸,可用于手机图像识别模型训练。如将所有手机训练图像归一化至256*256。
另外,将每个手机训练图像从每一外观细节信息如屏幕形状、摄像头形状、是否有按钮、按钮形状、音量键、扬声器形状等广义化至种类如手机品牌、类型、颜色等,并保留其具有特定相关信息的特征信息。故先提取照片中的特征采样点,得到对应的特征图像以用于表征如上提及的手机特征。
比如对于一部手机,只保留手机的一般属性特征如手机的屏幕形状、按钮形状、扬声器等,以及手机的标志性特征,如手机A标志为A并刻蚀在手机背面中心位置,则只需将手机背面中心位置的A标志提取出来作为手机A的特征信息,根据所述A标志,即可识别得到手机A的品牌。
203、基于所述特征图像,生成所述照片训练样本之间的对比数据;
本实施例中,目标手机的外观细节不同,如屏幕形状、摄像头形状、是否有按钮、按钮形状、音量键、扬声器形状等广义化至种类如手机品牌、类型、颜色等,其特征图像亦不相同,则特征信息亦不同,将表征不同手机的不同外观细节的特征信息写入数据宽表中,得到照片训练样本之间的对比数据,以用于区别手机同一外观细节与种类之间的差别,并以此进行分类。比如,对于手机是否带有按钮键,其特征图像明显不同,特征信息亦不同,带有按钮键的手机与没带按钮键的手机的不同特征信息即形成对比数据。
204、根据所述对比数据,对所述照片训练样本进行识别算法迭代升级与机器学习进化,得到终端图像识别模型。
本实施例中,针对手机的同一类型外观细节或种类,对比数据反应了不同手机之间的差别,而根据该对比数据,可对手机的各类型的外观细节与种类进行划分,得到多个聚类,通过迭代的方法,逐渐确认每一聚类的中心值,直至得到较佳的聚类结果,并将每一个特征信息所述的聚类标签对所述特征信息对应的图像进行标记,一张图片可同时具有多个聚类标签。
本实施例中,可对手机训练图像进行kmeans聚类,得到每个手机训练图像的聚类标签,其中,kmean聚类算法是指将输入的n个特征信息分为k个聚类,其中,k是可设置的,比如这里可设置k的值为30。
若手机训练图像对应的分类标签数量为n,聚类标签数量为k,可确定不同类型手机对应的外观特征,应用卷积神经网络对手机图像进行分类,对大量手机图像进行识别算法迭代升级与进化,提升所述分类标签与对应携带的聚类标签的匹配度,训练得到每一特征信息对应的卷积核作为每一特性信息的模板矩阵。其中,手机图像识别模型包括卷积层与分类层,卷积层可设,且每一层卷积层由一个或多个卷积核组成;分类层由聚类标签与分类标签组成,将聚类标签、分类标签作为手机图像识别模型的第一分类层、第二分类层,且第一分类层的维度为n,第二分类层的维度为k。
采用卷积神经网络进行手机训练图像训练时,训练图像可作为卷积神经网络的输入X,手机训练图像的聚类标签作为第一分类层的输出Y1,手机训练图像的分类标签作为第二分类层的输出Y2,通过X和Y1确定第一分类层的第一损失函数,通过X和Y2确定第二分类层的第二损失函数,通过最小化第一损失函数和第二损失函数,即可得到训练模型参数。
本发明实施例中,通过大量带有不同手机图像的照片做为照片训练样本训练手机图像识别模型,以供获取用户采集的照片时,通过手机的外观特征即可识别出相应的手机各属性信息,代替用户或者保险人员自行评价手机各属性信息,可更准确及客观定位目标手机的各属性信息。
请参阅图3,本发明实施例中基于图像识别的服务推荐方法的第三个实施例包括:
301、获取用户通过拍摄单元采集的包含有终端图像的照片;
302、检测所述照片是否满足初步识别条件,其中,所述初步识别条件用于评估所述照片的拍摄质量;
303、若满足,则将所述照片输入所述终端图像识别模型;
304、提取所述照片中的特征采样点,得到所述照片的特征图像;
本实施例中,在照片满足初步识别条件后,将照片归一化至手机图像识别模型训练时的尺寸。例如,若手机训练图像规格为256*256,则将预处理手机图像归一化至256*256。
然后,把图片做成不同的高斯模糊,平滑区域或者点变化不大,而纹理复杂的地方如边缘、点、角等区域变化则较大,可定位为特征采样点,如目标手机的外观细节信息如屏幕形状、摄像头形状、是否有按钮、按钮形状、音量键、扬声器形状等都具有特征采样点的特性,所有的特征采样点的集合形成照片中指向目标手机的特征图像。具体的,可用DOG特征提取方法进行,可以以特征采样点为中心选16x16的区域作为局域斑块,再均分为4x4个子区域,每个区域中各个像素的梯度分到8个bin,以得到4x4x8=128维度的特征向量,当一个最小特征采样点如果在DOG空间本层及上下两层的26个领域中是最大值或者最小值时,则该最小特征采样点即为照片的特征采样点。
305、对所述特征图像进行特征匹配,得到所述特征图像的特征信息,其中,所述特征图像的属性信息包括所述特征图像的形状、颜色、分布、标签;
本实施例中,预处理手机图像为GRB格式,则所述预处理手机图像可分为R矩阵、G矩阵、B矩阵,然后通过手机图像识别模型的卷积层,针对目标手机的特征图像中的特征采样点,使用每种像素矩阵遍历每层卷积层所有的卷积核,接着在手机图像识别模型的第一分类层计算特征图像的所属聚类,并以此在第二分类层计算特征图像的各分类标签,并输出结果。结合上一步骤,具体操作如下:
A、尺寸空间的极值检测,搜索照片中的上述外观细节信息对应的图像,通过高斯微分函数来识别潜在的对尺寸和选择不变的特征采样点作为特征采样点的候选区域;
B、特征采样点点定位,在每个候选区域上,通过一个拟合精度模型来确定特征图像的位置尺寸,特征采样点的选取依据他们的稳定程度;
C、特征方向赋值,基于特征图像局部的梯度方向,分配给每一各特征采样点位置一个或多个方向,后续的所有操作都是对于特征采样点的方向、尺寸、位置进行转换,从而提供这些特征的不变性;
D、特征采样点描述,在每个特征采样点周围的领域内,在选定的尺寸上测量特征图像的局部梯度,这些梯度被变换成一种表示,这种表示允许比较大的局部形状的变换和光照变换。
以此得到目标手机的外观细节信息如屏幕形状、摄像头形状、是否有按钮、按钮形状、音量键、扬声器形状等对应的特征图像属性信息。根据特征图像中每一特征采样点进行二分类标签标记,比如,手机A屏幕破损,针对手机屏幕图像的特征图像对应的图像矩阵,逐一遍历每层卷积层的所有卷积核,通过第一分类层可得特征图像中带有手机屏幕损坏的聚类标签,基于手机屏幕损害标签,在第二分类层可匹配得到手机屏幕完好程度的分类标签。
306、基于所述特征图像的特征信息,确定所述目标终端对应的属性信息,其中所述属性信息包括终端参数信息和终端风险信息;
本实施例中,第一分类层与第二分类层的损失函数确定其训练模型参数,根据每层的参数计算预处理特征图像中每个聚类标签与分类标签的得分,该得分为一个概率值,即预处理手机图像的特征信息在经过手机图像识别模型识别后,匹配手机训练图像某一特征信息的可能性高低。所述得分越高,则匹配程度越高,如果所述得分大于预置阈值,则可以确定预处理手机图像的某一特征信息与手机训练图像的对应特征信息匹配,即可得到对应的评估信息,其中,手机参数信息包括手机的基本参数信息,如手机品牌、型号、款式、尺寸等,手机风险信息包括手机的手机表面划痕、屏幕完好程度、磨损情况等。
307、根据所述属性信息、预置数据检索算法和风险评估算法,计算所述目标终端的评估信息;
308、根据所述评估信息和预置服务产品推荐算法,计算适用于所述目标终端的服务方案并推荐给用户。
本发明实施例中,在获取用户采集的照片后,以手机图像识别模型从照片中客观地识别出手机的各属性信息,为后续可以更准确推荐与目标手机相匹配的保险产品做准备。
请参阅图4本发明实施例中基于图像识别的服务推荐方法的第四个实施例包括:
401、获取用户通过拍摄单元采集的包含有终端图像的照片;
402、检测所述照片是否满足初步识别条件,其中,所述初步识别条件用于评估所述照片的拍摄质量;
403、若满足,则调用预置终端图像识别模型,对所述照片进行终端识别,得到目标终端的属性信息;
404、根据所述属性信息、预置数据检索算法和风险评估算法,计算所述目标终端的评估信息;
405、从预置终端历史投保数据库中筛选出与所述款式编码对应的服务产品;
本实施例中,以手机保险产品投保记录作为保险产品推荐的参照,增加针对所述手机推荐保险产品的准确度,其中,所述手机保险产品投保记录数据量越大,可参照所述手机的保险产品数量越多,则保险产品推荐的准确度越高,其中,每一个投保记录都带有对应的款式编码,以确定用户为不同类型手机所购买的保险产品,通过该款式编码,即可查询到对应的保险产品。
406、从所述款式编码对应的服务产品中筛选出符合所述风险等级的服务产品,确定与所述目标终端相匹配的服务产品;
本实施例中,处于不同风险等级的手机适用的保险产品不同,如若手机风险等级由高至低分为1至9,九个等级,等级越高手机的外观磨损程度越严重,比如为8或9,则表明所述手机外观基本完好,则适用该手机的保险产品应为盗抢险或延保险;若手机风险等级为3或4或者更低,则表明手机外观破损严重,则推荐的保险产品应为碎屏险或者摔碰险。
407、基于与所述目标终端相匹配的服务产品,得到所述目标终端的服务产品推荐列表;
本实施例中,将筛选得到的多个保险产品组合并写入列表中,即可得到目标手机的保险产品推荐列表。
408、根据所述终端参数信息与所述终端风险信息,计算两者的权重;
本实施例中,而对于不同保险产品通过权重计算公式对经抽取的保险产品重新排序,并按优先系数降序筛选预置数量的保险产品推荐给用户,其中,权重计算公式为:优先系数=销售量区间*5+(10-手机外观完好度差值)*3+手机型号屏幕价格区间*2,销售量区间根据不同销售量分为0-9,手机型号屏幕价格区间根据不同手机型号屏幕价格分为0-9。
409、根据所述两者的权重与预设的排序算法,对所述服务产品推荐列表中的服务产品进行重排,得到针对所述目标终端的服务方案并推荐给用户。
本实施例中本实施例中,根据权重得到的优先系数,对保险产品推荐列表中的保险产品进行重排。
比如,手机A的保险产品a投保记录销售量为15,所在销售量区间为3,外观完好程度差值为5,手机型号屏幕价格为900块,所在手机型号屏幕报价区间为8,则手机A的优先系数为3*5+(10-5)*3+8*2=46,另外手机A保险产品投保记录中,根据上述计算公式得到保险产品b、保险产品c、保险产品d的优先系数分别为52、64、38,筛选预置数量为3,则选择并排序手机A保险产品投保记录中的第三类、第二类、第一类保险产品推荐给用户。
本发明实施例中,通过手机的属性信息,从手机类的历史投保数据记录中筛选出以往不同所选用的保险产品,再根据手机参数与手机风险的权重对保险产品进行重排得到对应的保险推荐方案,可以更准确地定位目标手机适用的保险产品。
上面对本发明实施例中基于图像识别的服务推荐方法进行了描述,下面对本发明实施例中基于图像识别的服务推荐装置进行描述,请参阅图5,本发明实施例中基于图像识别的服务推荐装置一个实施例包括:
照片获取模块501,用于获取用户通过拍摄单元采集的包含有终端图像的照片;
质量验证模块502,用于检测所述照片是否满足初步识别条件,其中,所述初步识别条件用于评估所述照片的拍摄质量;
终端识别模块503,用于若所述照片满足初步识别条件,则调用预置终端图像识别模型,对所述照片进行终端识别,得到目标终端的属性信息;
终端评估模块504,用于根据所述属性信息、预置数据检索算法和风险评估算法,计算所述目标终端的评估信息;
服务推荐模块505,用于根据所述评估信息和预置服务产品推荐算法,计算适用于所述目标终端的服务方案并推荐给用户。
本发明实施例中,对于用户采集的带有终端图像的照片,通过终端图像识别模型进行识别,得到目标终端各属性信息,根据终端各属性信息,结合数据检索算法和评估算法,计算目标终端的评估信息;再根据所述终端的评估信息,通过服务产品推荐算法筛选得到选针对所述终端的服务方案,并在用户界面进行展示,以供用户进一步选择所需的服务产品,通过终端图像识别模型识别目标终端的各属性信息,以达到降低人为主观因素的影响,增加为目标终端推荐相匹配的服务产品的准确度。
请参阅图6,本发明实施例中基于图像识别的服务推荐装置的另一个实施例包括:
照片获取模块601,用于获取用户通过拍摄单元采集的包含有终端图像的照片;
质量验证模块602,用于检测所述照片是否满足初步识别条件,其中,所述初步识别条件用于评估所述照片的拍摄质量;
终端识别模块603,用于若所述照片满足初步识别条件,则调用预置终端图像识别模型,对所述照片进行终端识别,得到目标终端的属性信息;
终端评估模块604,用于根据所述属性信息、预置数据检索算法和风险评估算法,计算所述目标终端的评估信息;
服务推荐模块605,用于根据所述评估信息和预置服务产品推荐算法,计算适用于所述目标终端的服务方案并推荐给用户。
具体的,所述所述质量验证模块602还用于:
解析所述照片,得到对应的照片参数,其中,所述照片参数包括照片尺寸、照片清晰度、照片辨识度;
判断所述照片尺寸、照片清晰度、照片辨识度是否满足所述拍摄参数要求;
若不满足所述拍摄参数要求,则确定所述照片不满足所述初步识别条件;
若满足所述拍摄参数要求,则识别并提取所述照片中的拍摄主体;
判断所述拍摄主体是否为完整终端图像;
若是完整终端图像,则确定所述照片满足初步识别条件;
若不是完整终端图像,则确定所述照片不满足初步识别条件。
具体的,所述终端识别模块603还用于:
将所述照片输入所述终端图像识别模型;
提取所述照片中的特征采样点,得到所述照片的特征图像;
对所述特征图像进行特征匹配,得到所述特征图像的特征信息,其中,所述特征图像的特征信息包括所述特征图像的形状、颜色、分布、标签;
基于所述特征图像的特征信息,确定所述目标终端对应的属性信息,其中所述属性信息包括终端参数信息和终端风险信息。
具体的,所述终端评估模块604还包括:
标签转化单元6041,用于将所述属性信息中的所述终端参数信息转化为预置终端数据库中对应的检索标签;
数据检索单元6042,用于应用数据检索算法,根据所述检索标签从所述预置终端数据库中筛选出所述目标终端的款式编码;
风险评估单元6043,用于根据所述属性信息中的终端风险信息,应用评估算法计算所述目标终端的风险评估得分;基于所述风险评估得分,确定所述目标终端的风险等级;
评估信息生成单元6044,用于将所述款式编码与所述风险等级确定为所述目标终端的评估信息。
具体的,所述服务推荐模块605还包括:
服务筛选单元6051,用于从预置终端历史投保数据库中筛选出与所述款式编码对应的服务产品;从所述款式编码对应的服务产品中筛选出符合所述风险等级的服务产品,确定与所述目标终端相匹配的服务产品;
推荐列表生成单元6052,用于基于与所述目标终端相匹配的服务产品,得到所述目标终端的服务产品推荐列表;
推荐方案生成单元6053,用于根据所述终端参数信息与所述终端风险信息,计算两者的权重;根据所述两者的权重与预设的排序算法,对所述服务产品推荐列表中的服务产品进行重排,得到针对所述目标终端的服务方案并推荐给用户。
具体的,所述服务推荐模块605还包括:
展示位置获取单元6054,用于获取所述服务方案、所述终端风险信息和所述属性信息的展示布局;基于所述展示布局,确定所述服务方案、所述终端风险信息和所述属性信息对应的展示位置信息;
推荐方案展示单元6055,用于将所述服务方案的详细信息展示在所述服务方案对应的展示位置,其中,所述产品的详细信息包括推荐理由、产品参数明细、产品价格;
风险信息展示单元6056,用于将所述终端风险信息展示在对应的展示位置,并在所述终端风险信息的展示位置添加分层图层,所述分层图层包括终端图像弹窗图层、终端图像标签图层、所述终端图像标签对应的风险详细信息展示图层;
属性信息展示单元6057,用于将所述属性信息展示在对应的展示位置,并在所述属性信息展示位置添加反馈评价的弹窗图层。
具体的,所述服务推荐装置还包括模型训练模块606,其用于:
获取带有不同的终端图像的照片训练样本;
提取所述照片训练样本的特征采样点,得到所述照片对应的特征图像;
基于所述特征图像,生成所述照片训练样本之间的对比数据;
根据所述对比数据,对所述照片训练样本进行识别算法迭代升级与机器学习进化,得到终端图像识别模型。
本发明实施例中,通过大量的终端图像训练得到终端图像识别模型,将用户上传的终端评估图像输入终端图像识别模型中,即可直接得到终端的各属性信息,客观获取评估所述终端的各属性信息;然后根据终端的各属性信息内的保险信息以历史投保记录为参照,初步筛选出适用于所述终端的服务产品。再根据终端的关键信息进一步筛选出更匹配所述终端的服务产品进行推荐,更准确地为终端推荐与对应各属性信息相匹配的服务产品。
上面图5和图6从模块化功能实体的角度对本发明实施例中的基于图像识别的服务推荐装置进行详细描述,下面从硬件处理的角度对本发明实施例中基于图像识别的服务推荐设备进行详细描述。
图7是本发明实施例提供的一种基于图像识别的服务推荐设备的结构示意图,该服务推荐设备700可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)710(例如,一个或一个以上处理器)和存储器720,一个或一个以上存储应用程序733或数据732的存储介质730(例如一个或一个以上海量存储设备)。其中,存储器720和存储介质730可以是短暂存储或持久存储。存储在存储介质730的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对服务推荐设备700中的一系列指令操作。更进一步地,处理器710可以设置为与存储介质730通信,在服务推荐设备700上执行存储介质730中的一系列指令操作。
基于服务推荐设备700还可以包括一个或一个以上电源740,一个或一个以上有线或无线网络接口750,一个或一个以上输入输出接口760,和/或,一个或一个以上操作系统731,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图7示出的服务推荐设备结构并不构成对基于服务推荐设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
进一步地,所述计算机可用存储介质可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据区块链节点的使用所创建的数据等。
本发明还提供一种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计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述服务推荐方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,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。
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取存储介质中。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。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,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发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于图像识别的服务推荐方法,其特征在于,所述服务推荐方法包括:
获取用户通过拍摄单元采集的包含有终端图像的照片;
检测所述照片是否满足初步识别条件,其中,所述初步识别条件用于评估所述照片的拍摄质量;
若满足,则调用预置终端图像识别模型,对所述照片进行终端识别,得到目标终端的属性信息;
根据所述属性信息、预置数据检索算法和风险评估算法,计算所述目标终端的评估信息;
根据所述评估信息和预置服务产品推荐算法,计算适用于所述目标终端的服务方案并推荐给用户。
2.根据权利要求1所述的服务推荐方法,其特征在于,所述初步识别条件包括照片的拍摄参数要求和所述照片的拍摄主体为完整终端图像,所述检测所述照片是否满足初步识别条件包括:
解析所述照片,得到对应的照片参数,其中,所述照片参数包括照片尺寸、照片清晰度、照片辨识度;
判断所述照片尺寸、照片清晰度、照片辨识度是否满足所述拍摄参数要求;
若不满足所述拍摄参数要求,则确定所述照片不满足所述初步识别条件;
若满足所述拍摄参数要求,则识别并提取所述照片中的拍摄主体;
判断所述拍摄主体是否为完整终端图像;
若是完整终端图像,则确定所述照片满足初步识别条件;
若不是完整终端图像,则确定所述照片不满足初步识别条件。
3.根据权利要求1所述的服务推荐方法,其特征在于,所述调用预置终端图像识别模型,对所述照片进行终端识别,得到目标终端的属性信息包括:
将所述照片输入所述终端图像识别模型;
提取所述照片中的特征采样点,得到所述照片的特征图像;
对所述特征图像进行特征匹配,得到所述特征图像的特征信息,其中,所述特征图像的特征信息包括所述特征图像的形状、颜色、分布、标签;
基于所述特征图像的特征信息,确定所述目标终端对应的属性信息,其中所述属性信息包括终端参数信息和终端风险信息。
4.根据权利要求3所述的服务推荐方法,其特征在于,所述根据所述属性信息、预置数据检索算法和风险评估算法,计算所述目标终端的评估信息包括:
将所述属性信息中的所述终端参数信息转化为预置终端数据库中对应的检索标签;
应用数据检索算法,根据所述检索标签从所述预置终端数据库中筛选出所述目标终端的款式编码;
根据所述属性信息中的终端风险信息,应用评估算法计算所述目标终端的风险评估得分;
基于所述风险评估得分,确定所述目标终端的风险等级;
将所述款式编码与所述风险等级确定为所述目标终端的评估信息。
5.根据权利要求4所述的服务推荐方法,其特征在于,所述根据所述评估信息和预置服务产品推荐算法,计算适用于所述目标终端的服务方案并推荐给用户包括:
从预置终端历史投保数据库中筛选出与所述款式编码对应的服务产品;
从所述款式编码对应的服务产品中筛选出符合所述风险等级的服务产品,确定与所述目标终端相匹配的服务产品;
基于与所述目标终端相匹配的服务产品,得到所述目标终端的服务产品推荐列表;
根据所述终端参数信息与所述终端风险信息,计算两者的权重;
根据所述两者的权重与预设的排序算法,对所述服务产品推荐列表中的服务产品进行重排,得到针对所述目标终端的服务方案并推荐给用户。
6.根据权利要求5所述的服务推荐方法,其特征在于,所述服务方案的展示方式包括:
获取所述服务方案、所述终端风险信息和所述属性信息的展示布局;
基于所述展示布局,确定所述服务方案、所述终端风险信息和所述属性信息对应的展示位置信息;
将所述服务方案的详细信息展示在所述服务方案对应的展示位置,其中,所述产品的详细信息包括推荐理由、产品参数明细、产品价格;
将所述终端风险信息展示在对应的展示位置,并在所述终端风险信息的展示位置添加分层图层,所述分层图层包括终端图像弹窗图层、终端图像标签图层、所述终端图像标签对应的风险详细信息展示图层;
将所述属性信息展示在对应的展示位置,并在所述属性信息展示位置添加反馈评价的弹窗图层。
7.根据权利要求1-6中任一项所述的服务推荐方法,其特征在于,所述服务推荐方法还包括通过以下方式训练得到所述终端图像识别模型:
获取带有不同的终端图像的照片训练样本;
提取所述照片训练样本的特征采样点,得到所述照片对应的特征图像;
基于所述特征图像,生成所述照片训练样本之间的对比数据;
根据所述对比数据,对所述照片训练样本进行识别算法迭代升级与机器学习进化,得到终端图像识别模型。
8.一种基于图像识别的服务推荐装置,其特征在于,所述服务推荐装置包括:
照片获取模块,用于获取用户通过拍摄单元采集的包含有终端图像的照片;
质量验证模块,用于检测所述照片是否满足初步识别条件,其中,所述初步识别条件用于评估所述照片的拍摄质量;
终端识别模块,用于若所述照片满足初步识别条件,则调用预置终端图像识别模型,对所述照片进行终端识别,得到目标终端的属性信息;
终端评估模块,用于根据所述属性信息、预置数据检索算法和风险评估算法,计算所述目标终端的评估信息;
服务推荐模块,用于根据所述评估信息和预置服务产品推荐算法,计算适用于所述目标终端的服务方案并推荐给用户。
9.一种基于图像识别的服务推荐设备,其特征在于,所述服务推荐设备包括:存储器和至少一个处理器,所述存储器中存储有指令,所述存储器和所述至少一个处理器通过线路互连;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述服务推荐设备执行如权利要求1-7中任一项所述的基于图像识别的服务推荐方法。
10.一种计算机可读存储介质,所述计算机可读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如权利要求1-7中任一项所述的基于图像识别的服务推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010582620.6A CN111709816A (zh) | 2020-06-23 | 2020-06-23 | 基于图像识别的服务推荐方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010582620.6A CN111709816A (zh) | 2020-06-23 | 2020-06-23 | 基于图像识别的服务推荐方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111709816A true CN111709816A (zh) | 2020-09-25 |
Family
ID=72543023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010582620.6A Pending CN111709816A (zh) | 2020-06-23 | 2020-06-23 | 基于图像识别的服务推荐方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111709816A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112268912A (zh) * | 2020-10-09 | 2021-01-26 | 支付宝(杭州)信息技术有限公司 | 基于镜面拍摄的屏幕损伤验证方法和装置 |
CN112365441A (zh) * | 2020-10-12 | 2021-02-12 | 深圳市对庄科技有限公司 | 一种用于翡翠评估的信息处理方法及装置 |
CN112613940A (zh) * | 2020-12-16 | 2021-04-06 | 云南淳叙堂茶业有限公司 | 一种信息展示方法、装置以及计算机可读存储介质 |
CN113128876A (zh) * | 2021-04-22 | 2021-07-16 | 北京房江湖科技有限公司 | 基于图像的对象管理方法、装置及计算机可读存储介质 |
CN113362129A (zh) * | 2021-05-31 | 2021-09-07 | 北京京东振世信息技术有限公司 | 任务处理方法、装置、电子设备及存储介质 |
CN113742578A (zh) * | 2021-08-13 | 2021-12-03 | 杭州网易云音乐科技有限公司 | 一种数据推荐方法、装置、电子设备及存储介质 |
CN114546230A (zh) * | 2022-02-18 | 2022-05-27 | 北京有竹居网络技术有限公司 | 一种绘画交互方法、装置、计算机设备和存储介质 |
CN115170993A (zh) * | 2022-09-08 | 2022-10-11 | 浙江百诺数智环境科技股份有限公司 | 基于ar采集分析的废气处理设备现场检查方法及系统 |
CN115374189A (zh) * | 2022-10-25 | 2022-11-22 | 湖南木屋网络科技有限公司 | 基于区块链的食品安全溯源方法、装置及设备 |
WO2023045702A1 (zh) * | 2021-09-24 | 2023-03-30 | 荣耀终端有限公司 | 信息推荐方法及电子设备 |
CN116362848A (zh) * | 2023-06-03 | 2023-06-30 | 成都豪杰特科技有限公司 | 基于人工智能的电子商务的推荐方法、系统、设备和介质 |
CN118153971A (zh) * | 2024-05-11 | 2024-06-07 | 国网信通亿力科技有限责任公司 | 一种基于图像识别的用电安全监管方法以及系统 |
-
2020
- 2020-06-23 CN CN202010582620.6A patent/CN111709816A/zh active Pending
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112268912A (zh) * | 2020-10-09 | 2021-01-26 | 支付宝(杭州)信息技术有限公司 | 基于镜面拍摄的屏幕损伤验证方法和装置 |
CN112365441A (zh) * | 2020-10-12 | 2021-02-12 | 深圳市对庄科技有限公司 | 一种用于翡翠评估的信息处理方法及装置 |
CN112365441B (zh) * | 2020-10-12 | 2022-06-14 | 深圳市对庄科技有限公司 | 一种用于翡翠评估的信息处理方法及装置 |
CN112613940A (zh) * | 2020-12-16 | 2021-04-06 | 云南淳叙堂茶业有限公司 | 一种信息展示方法、装置以及计算机可读存储介质 |
CN113128876A (zh) * | 2021-04-22 | 2021-07-16 | 北京房江湖科技有限公司 | 基于图像的对象管理方法、装置及计算机可读存储介质 |
CN113362129A (zh) * | 2021-05-31 | 2021-09-07 | 北京京东振世信息技术有限公司 | 任务处理方法、装置、电子设备及存储介质 |
CN113362129B (zh) * | 2021-05-31 | 2024-05-24 | 北京京东振世信息技术有限公司 | 任务处理方法、装置、电子设备及存储介质 |
CN113742578A (zh) * | 2021-08-13 | 2021-12-03 | 杭州网易云音乐科技有限公司 | 一种数据推荐方法、装置、电子设备及存储介质 |
WO2023045702A1 (zh) * | 2021-09-24 | 2023-03-30 | 荣耀终端有限公司 | 信息推荐方法及电子设备 |
CN114546230A (zh) * | 2022-02-18 | 2022-05-27 | 北京有竹居网络技术有限公司 | 一种绘画交互方法、装置、计算机设备和存储介质 |
CN115170993A (zh) * | 2022-09-08 | 2022-10-11 | 浙江百诺数智环境科技股份有限公司 | 基于ar采集分析的废气处理设备现场检查方法及系统 |
CN115374189A (zh) * | 2022-10-25 | 2022-11-22 | 湖南木屋网络科技有限公司 | 基于区块链的食品安全溯源方法、装置及设备 |
CN116362848A (zh) * | 2023-06-03 | 2023-06-30 | 成都豪杰特科技有限公司 | 基于人工智能的电子商务的推荐方法、系统、设备和介质 |
CN116362848B (zh) * | 2023-06-03 | 2023-10-27 | 广州爱特安为科技股份有限公司 | 基于人工智能的电子商务的推荐方法、系统、设备和介质 |
CN118153971A (zh) * | 2024-05-11 | 2024-06-07 | 国网信通亿力科技有限责任公司 | 一种基于图像识别的用电安全监管方法以及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111709816A (zh) | 基于图像识别的服务推荐方法、装置、设备及存储介质 | |
CN109582875B (zh) | 一种在线医疗教育资源的个性化推荐方法及系统 | |
CN109165645A (zh) | 一种图像处理方法、装置以及相关设备 | |
CN108492290B (zh) | 图像评价方法及系统 | |
US20140172643A1 (en) | System and method for categorizing an image | |
Marder et al. | Using image analytics to monitor retail store shelves | |
CN110363213A (zh) | 服装图像的认知分析和分类 | |
CN108009560B (zh) | 商品图像相似类别判定方法及装置 | |
CN111784665B (zh) | 基于傅里叶变换的oct图像质量评估方法、系统及装置 | |
CN109934081A (zh) | 一种基于深度神经网络的行人属性识别方法、装置及存储介质 | |
CN112036295A (zh) | 票据图像处理方法、装置、存储介质及电子设备 | |
CN112396079A (zh) | 号码识别模型训练方法、号码识别方法及装置 | |
CN113449725A (zh) | 对象分类方法、装置、设备及存储介质 | |
CN112837108A (zh) | 信息处理方法、装置及电子设备 | |
CN111506755A (zh) | 图片集的分类方法和装置 | |
CN109074498A (zh) | 用于pos区域的访问者跟踪方法和系统 | |
CN113297411B (zh) | 轮形图谱相似性的度量方法、装置、设备及存储介质 | |
CN117115569B (zh) | 基于机器学习的物像自动识别分类方法及系统 | |
CN112131477A (zh) | 一种基于用户画像的图书馆图书推荐系统及方法 | |
CN109003259A (zh) | 基于纹线质量专家视觉认知机器学习的指纹质量评价方法 | |
CN117057886A (zh) | 商品推荐方法、装置、设备及存储介质 | |
CN114549939B (zh) | 一种基于图像特征提取的树木病虫害图片分类方法 | |
TWI804090B (zh) | 學習系統、學習方法及程式產品 | |
CN116109992A (zh) | 一种货架商品的识别方法及系统 | |
CN111046883B (zh) | 一种基于古钱币图像的智能评估方法及系统 |
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 |