CN112464093B - 一种面向读者的智能寻书机器人及电子设备 - Google Patents

一种面向读者的智能寻书机器人及电子设备 Download PDF

Info

Publication number
CN112464093B
CN112464093B CN202011374684.3A CN202011374684A CN112464093B CN 112464093 B CN112464093 B CN 112464093B CN 202011374684 A CN202011374684 A CN 202011374684A CN 112464093 B CN112464093 B CN 112464093B
Authority
CN
China
Prior art keywords
reader
face feature
book
feature vector
readers
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.)
Active
Application number
CN202011374684.3A
Other languages
English (en)
Other versions
CN112464093A (zh
Inventor
羌栋强
王雅楠
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.)
Jiangsu Vocational College of Business
Original Assignee
Jiangsu Vocational College of Business
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 Jiangsu Vocational College of Business filed Critical Jiangsu Vocational College of Business
Priority to CN202011374684.3A priority Critical patent/CN112464093B/zh
Publication of CN112464093A publication Critical patent/CN112464093A/zh
Application granted granted Critical
Publication of CN112464093B publication Critical patent/CN112464093B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Abstract

本发明公开了一种面向读者的智能寻书机器人及电子设备，用于执行以下方法：获得读者的视频；所述视频中含有多张所述读者的人脸图像；基于所述多张人脸图像识别出读者身份信息；根据读者身份信息，获得读者的历史借阅数据，历史借阅数据包括读者的历史借阅书本名称、书本类别和借阅时间；根据所述历史借阅数据，推荐目标书本给所述读者。可以智能化地识别读者的身份信息，并根据读者的历史借阅数据预测出读者偏好的书本，预测的准确性高，以此书本推荐给读者，提高了人工智能机器人服务的智能化人性化。

Description

一种面向读者的智能寻书机器人及电子设备
技术领域
本发明涉及电子信息技术领域,具体而言涉及一种面向读者的智能寻书机器人及电子设备。
背景技术
随着科技的发展和社会的进步，人工智能技术普遍应用于人们的生活和工作中。例如扫地机器人、或者图书馆机器人等等。
目前的图书馆机器人仅仅能够提供简单的查询功能，并不能做到智能化的、人性化的服务。为此，一种智能化高，服务准确性高，例如能够准确直到读者想要的书本的图书馆机器人为人们所需。
发明内容
本发明的目的在于提供了一种面向读者的智能寻书机器人及电子设备，用以解决现有技术中存在的上述问题。
第一方面，本发明实施例提供了一种图书馆寻书方法，应用于智能寻书机器人，所述方法包括：
获得读者的视频；所述视频中含有多张所述读者的人脸图像；
基于所述多张人脸图像识别出读者身份信息；
根据读者身份信息，获得读者的历史借阅数据，历史借阅数据包括读者的历史借阅书本名称、书本类别和借阅时间；
根据所述历史借阅数据，推荐目标书本给所述读者。
可选的，所述基于所述多张人脸图像识别出读者身份信息，包括：
基于所述多张图像，得到读者的人脸特征；
基于所述人脸特征，识别出所述读者的身份信息。
可选的，所述基于所述多张图像，得到读者的人脸特征，包括：
获得每一张人脸图像的人脸特征向量，多张人脸图像对应多个人脸特征向量；
获得每两个人脸特征向量之间的交叉熵；
以所述交叉熵的平均值作为第一调整因子；
基于所述第一调整因子，获得平均人脸特征向量，以所述平均人脸特征向量作为所述读者的人脸特征。
可选的，所述基于所述多张图像，得到读者的人脸特征，还包括：
以任意一张人脸图像的人脸特征向量作为基准人脸特征向量；
获得其余人脸特征向量与基准人脸特征向量之间的交叉熵；所述其余人脸特征向量是多个人脸特征向量中除了基准人脸特征向量以外的人脸特征向量；
以其余人脸特征向量与基准人脸特征向量之间的交叉熵作为第二调整因子；每个其余人脸特征向量对应一个第二调整因子；
将其余的人脸特征向量按照所述第二调整因子调整所述基准人脸特征向量，以调整后的基准人脸特征向量作为所述读者的人脸特征。
可选的，所述基于所述多张图像，得到读者的人脸特征，还包括：
将其余的人脸特征向量按照所述第二调整因子和第一调整因子调整所述基准人脸特征向量，以调整后的基准人脸特征向量作为所述读者的人脸特征。
可选的，所述根据所述历史借阅数据，推荐目标书本给所述读者，包括：
获得历史借阅数据中的读者的历史借阅书本名称、书本类别和借阅时间；
根据所述借阅时间和所述书本类别，预测出读者感兴趣的书目类别；
获得所述读者感兴趣的书目类别的多本书本作为待选书本；
在图书大数据库中获得与所述书本类别对应的待选书本；
将与读者最近一次借阅的书本名称最相似书本作为目标书本推荐给所述读者。
可选的，所述根据所述借阅时间和所述书本类别，预测出读者感兴趣的书目类别；
获得所述读者对历史借阅数据中书本类别的打分，所述打分表征所述读者对所述书本的喜爱程度；
基于所述借阅时间，对所述书本类别的打分进行时间序列预测，得到所述读者对下一本书本的打分；
从评分数据库中获得与所述读者对下一本书本的打分相匹配的书目类别作为所述读者感兴趣的书目类别；所述数目类别与所述读者对下一本书本的打分相匹配，表示其他读者对所述数目类别的评分与所述读者对下一本书本的打分之间的差值在预设范围之内。
可选的，所述预设范围-2到2之间。
第二方面，本发明实施例还提供了一种面向读者的智能寻书机器人，包括存储器、处理器及存储在存储器上并可在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上述任一项所述方法的步骤。
第三方面，本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在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上述任一项所述方法的步骤。
相较于现有技术，本发明达到了以下有益效果：
本发明实施例提供了一种面向读者的智能寻书机器人及电子设备，用于执行以下方法：获得读者的视频；所述视频中含有多张所述读者的人脸图像；基于所述多张人脸图像识别出读者身份信息；根据读者身份信息，获得读者的历史借阅数据，历史借阅数据包括读者的历史借阅书本名称、书本类别和借阅时间；根据所述历史借阅数据，推荐目标书本给所述读者。可以智能化地识别读者的身份信息，并根据读者的历史借阅数据预测出读者偏好的书本，预测的准确性高，以此书本推荐给读者，提高了人工智能机器人服务的智能化人性化。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1是本发明实施例提供的一种图书馆寻书方法流程图。
图2是本发明实施例提供的一种电子设备的方框结构示意图。
图标：500-总线；501-接收器；502-处理器；503-发送器；504-存储器；505-总线接口。
具体实施方式
下面结合附图，对本发明作详细的说明。
实施例
本发明实施例提供了一种图书馆寻书方法，应用于智能寻书机器人。如图1所示，所述方法包括：
S101：获得读者的视频。
其中，所述视频中含有多张所述读者的人脸图像。
S102：基于所述多张人脸图像识别出读者身份信息。
S103：根据读者身份信息，获得读者的历史借阅数据。
其中，历史借阅数据包括读者的历史借阅书本名称、书本类别和借阅时间；
S104：根据所述历史借阅数据，推荐目标书本给所述读者。
其中，推荐目标书本是预测的读者喜欢和借阅的可能性最高的书本。
通过采用以上方案，可以智能化地识别读者的身份信息，并根据读者的历史借阅数据预测出读者偏好的书本，预测的准确性高，以此书本推荐给读者，提高了人工智能机器人服务的智能化人性化。
可选的，基于所述多张人脸图像识别出读者身份信息，包括：
将所述视频中的人脸图像按照所述人脸图像所在的读者图像的拍摄顺序进行排列，得到人脸图像序列；人脸图像序列包括多张人脸图像；
将人脸图像序列输入卷积神经网络中，所述卷积神经网络基于人脸图像序列所述识别出人脸特征向量；卷积神经网络可以是残差卷积神经网络，即RestNet backbone。
对所述人脸特征向量进行上卷积处理，得到三维特征图；
获得所述读者的人脸三维数据与所述三维特征图之间的第一交叉熵。所述读者的人脸三维数据是通过三维摄像设备采集得到的。
基于第一交叉熵反向调整所述三维特征图。
以经过反向调整后的三维特征图作为目标，基于残差网络的损失函数反向调整人脸特征向量；残差网络用于对所述人脸特征向量进行上卷积处理。
获得经过反向调整后的人脸特征向量与预先标注的样本标签之间的第二交叉熵；
以所述第一交叉熵和所述第二交叉熵满足预设条件时的人脸特征向量作为输出的人脸特征向量；
基于输出的人脸特征向量识别出读者身份信息。
如此，提高了人脸特征表示读者人脸信息的准确性，进而提高了人脸识别的准确性。
可选的，所述卷积神经网络是残差网络，所述残差网络包括多个卷积层；多个卷积层用于提取人脸图像的特征向量；
可选的，所述基于输出的人脸特征向量识别出读者身份信息，包括：
在身份信息数据库中获得与所述输出的人脸特征向量匹配的身份信息，作为所述读者的身份信息。
可选的，所述第一交叉熵和所述第二交叉熵满足预设条件时，表示的是：所述第一交叉熵和所述第二交叉熵都收敛。
可选的，所述第一交叉熵和所述第二交叉熵满足预设条件时，表示的是：所述第一交叉熵小于第一定值，且所述第二交叉熵小于第一定值。第一定值的取值是0.4、0.6,第一定值的取值是0.6、0.4。
可选的，所述基于所述多张人脸图像识别出读者身份信息，包括：
基于所述多张图像，得到读者的人脸特征；
基于所述人脸特征，识别出所述读者的身份信息。
可选的，所述基于所述多张图像，得到读者的人脸特征，包括：
获得每一张人脸图像的人脸特征向量，多张人脸图像对应多个人脸特征向量；
获得每两个人脸特征向量之间的交叉熵；
以所述交叉熵的平均值作为第一调整因子；
基于所述第一调整因子，获得平均人脸特征向量，以所述平均人脸特征向量作为所述读者的人脸特征。
其中，基于所述第一调整因子，获得平均人脸特征向量，包括：
获得所有人脸特征向量中的各个特征值与各自对应的第一调整因子的乘积，获得所有乘积之和，以该和除以所有第一调整因子的总和，得到的特征值构成的特征向量就是平均人脸特征向量。
平均人脸特征向量的计算公式为：P＝<p1，p2，……,pn>，其中，P表示平均人脸特征向量，<p1，p2，……,pn>表示由p1，p2，……,pn组成的向量，pi＝∑(tki*sk)/∑sk，i＝1,2，……n,n 表示平均人脸特征向量中特征值的数量。pi表示平均人脸特征向量de第i个特征值。tki 表示第k个人脸特征向量的第i个特征值，k＝1,2,…m，m表示人脸特征向量的数量，sk表示第k个人脸特征向量对应的第一调整因子，∑sk表示s1,s2,…sm之和，∑(tki*sk)表示所有的tki*sk之和，tki*sk表示tki与sk的乘积。举个例子来说，例如有3个人脸特征向量，每个人脸特征向量有3个特征值，即T1＝<t11,t12,t13>,T2＝<t21,t22,t23>,T3＝<t31,t32, t33>，T1、T2、T3对应的第一调整因子分别是s1、s2、s3。则平均人脸特征向量为：
P＝<p1，p2，p3>，p1＝(t11*s1+t21*s2+t31*s3)/(s1+s2+s3)，p2＝(t12*s1+t22*s2+ t32*s3)/(s1+s2+s3)，p3＝(t13*s1+t23*s2+t33*s3)/(s1+s2+s3)。
可选的，所述基于所述多张图像，得到读者的人脸特征，还包括：
以任意一张人脸图像的人脸特征向量作为基准人脸特征向量；
获得其余人脸特征向量与基准人脸特征向量之间的交叉熵；所述其余人脸特征向量是多个人脸特征向量中除了基准人脸特征向量以外的人脸特征向量；
以其余人脸特征向量与基准人脸特征向量之间的交叉熵作为第二调整因子；每个其余人脸特征向量对应一个第二调整因子；
将其余的人脸特征向量按照所述第二调整因子调整所述基准人脸特征向量，以调整后的基准人脸特征向量作为所述读者的人脸特征。
将其余的人脸特征向量按照所述第二调整因子调整所述基准人脸特征向量，具体为：
调整后的基准人脸特征向量等于，其余的人脸特征向量乘以其对应的第二调整因子的商之和，加上，基准人脸特征向量，去除第二调整因子之和。具体按照下述公式计算得到：
P1＝P+(∑(Tk))/∑(Tk*vk)，其中，P1表示调整后的基准人脸特征向量，P表示基准人脸特征向量，(∑(Tk))/∑(Tk*vk)表示∑(Tk)除以∑(Tk*vk)，Tk表示第k个其余的人脸特征向量，k＝1,2，……n-1。vk表示第k个第二调整因子。
可选的，所述基于所述多张图像，得到读者的人脸特征，还包括：
将其余的人脸特征向量按照所述第二调整因子和第一调整因子调整所述基准人脸特征向量，以调整后的基准人脸特征向量作为所述读者的人脸特征。
将其余的人脸特征向量按照所述第二调整因子和第一调整因子调整所述基准人脸特征向量具体为：获得调整指数，调整指数等于第二调整因子加上第一调整因子与第二调整因子的商；将其余的人脸特征向量按照所述调整指数调整所述基准人脸特征向量，具体方式参照将其余的人脸特征向量按照所述第二调整因子调整所述基准人脸特征向量，在此不再赘述。
可选的，所述根据所述历史借阅数据，推荐目标书本给所述读者，包括：
获得历史借阅数据中的读者的历史借阅书本名称、书本类别和借阅时间；
根据所述借阅时间和所述书本类别，预测出读者感兴趣的书目类别；
获得所述读者感兴趣的书目类别的多本书本作为待选书本；
在图书大数据库中获得与所述书本类别对应的待选书本；
将与读者最近一次借阅的书本名称最相似书本作为目标书本推荐给所述读者。
可选的，所述根据所述借阅时间和所述书本类别，预测出读者感兴趣的书目类别；
获得所述读者对历史借阅数据中书本类别的打分，所述打分表征所述读者对所述书本的喜爱程度；
基于所述借阅时间，对所述书本类别的打分进行时间序列预测，得到所述读者对下一本书本的打分；
从评分数据库中获得与所述读者对下一本书本的打分相匹配的书目类别作为所述读者感兴趣的书目类别；所述数目类别与所述读者对下一本书本的打分相匹配，表示其他读者对所述数目类别的评分与所述读者对下一本书本的打分之间的差值在预设范围之内。
可选的，所述预设范围-2到2之间。
本发明实施例还提供了一种面向读者的智能寻书机器人，包括存储器、处理器及存储在存储器上并可在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上述任一项所述方法的步骤。面向读者的智能寻书机器人也是一种电子设备，总的来说，本发明实施例还提供了一种电子设备。
其中，所述的服务端和客户端可以是所述的电子设备。如图2所示，包括存储器504、处理器502及存储在存储器504上并可在处理器502上运行的计算机程序，所述处理器502 执行所述程序时实现前文所述任一方法的步骤。
其中，在图2中，总线架构(用总线500来代表)，总线500可以包括任意数量的互联的总线和桥，总线500将包括由处理器502代表的一个或多个处理器和存储器504代表的存储器的各种电路链接在一起。总线500还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口505在总线500和接收器501和发送器503之间提供接口。接收器 501和发送器503可以是同一个元件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。处理器502负责管理总线500和通常的处理，而存储器504可以被用于存储处理器502在执行操作时所使用的数据。
本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前文所述任一方法的步骤。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

Claims (6)

1.一种图书馆寻书方法，应用于智能寻书机器人，其特征在于，所述方法包括：获得读者的视频；所述视频中含有多张所述读者的人脸图像；
基于所述多张人脸图像识别出读者身份信息；
根据读者身份信息，获得读者的历史借阅数据，历史借阅数据包括读者的历史借阅书本名称、书本类别和借阅时间；
根据所述历史借阅数据，推荐目标书本给所述读者；
所述基于所述多张人脸图像识别出读者身份信息，包括：
基于所述多张图像，得到读者的人脸特征；
基于所述人脸特征，识别出所述读者的身份信息；
所述基于所述多张图像，得到读者的人脸特征，包括：
获得每一张人脸图像的人脸特征向量，多张人脸图像对应多个人脸特征向量；
获得每两个人脸特征向量之间的交叉熵；
以所述交叉熵的平均值作为第一调整因子；
基于所述第一调整因子，获得平均人脸特征向量，以所述平均人脸特征向量作为所述读者的人脸特征。
2.根据权利要求1所述的方法，其特征在于，所述基于所述多张图像，得到读者的人脸特征，还包括：
以任意一张人脸图像的人脸特征向量作为基准人脸特征向量；
获得其余人脸特征向量与基准人脸特征向量之间的交叉熵；所述其余人脸特征向量是多个人脸特征向量中除了基准人脸特征向量以外的人脸特征向量；
以其余人脸特征向量与基准人脸特征向量之间的交叉熵作为第二调整因子；每个其余人脸特征向量对应一个第二调整因子；
将其余的人脸特征向量按照所述第二调整因子调整所述基准人脸特征向量，以调整后的基准人脸特征向量作为所述读者的人脸特征。
3.根据权利要求2所述的方法，其特征在于，所述基于所述多张图像，得到读者的人脸特征，还包括：
将其余的人脸特征向量按照所述第二调整因子和第一调整因子调整所述基准人脸特征向量，以调整后的基准人脸特征向量作为所述读者的人脸特征。
4.根据权利要求1所述的方法，其特征在于，所述根据所述历史借阅数据，推荐目标书本给所述读者，包括：
获得历史借阅数据中的读者的历史借阅书本名称、书本类别和借阅时间；
根据所述借阅时间和所述书本类别，预测出读者感兴趣的书目类别；
获得所述读者感兴趣的书目类别的多本书本作为待选书本；
在图书大数据库中获得与所述书本类别对应的待选书本；
将与读者最近一次借阅的书本名称最相似书本作为目标书本推荐给所述读者。
5.一种面向读者的智能寻书机器人，其特征在于，包括存储器、处理器及存储在存储器上并可在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权利要求1-4任一项所述方法的步骤。
6.一种电子设备，其特征在于，包括存储器、处理器及存储在存储器上并可在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权利要求1-4任一项所述方法的步骤。
CN202011374684.3A 2020-11-30 2020-11-30 一种面向读者的智能寻书机器人及电子设备 Active CN112464093B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011374684.3A CN112464093B (zh) 2020-11-30 2020-11-30 一种面向读者的智能寻书机器人及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011374684.3A CN112464093B (zh) 2020-11-30 2020-11-30 一种面向读者的智能寻书机器人及电子设备

Publications (2)

Publication Number Publication Date
CN112464093A CN112464093A (zh) 2021-03-09
CN112464093B true CN112464093B (zh) 2023-04-18

Family

ID=74806246

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011374684.3A Active CN112464093B (zh) 2020-11-30 2020-11-30 一种面向读者的智能寻书机器人及电子设备

Country Status (1)

Country Link
CN (1) CN112464093B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116520853A (zh) * 2023-06-08 2023-08-01 江苏商贸职业学院 一种基于人工智能技术的农业巡检机器人

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN206672635U (zh) * 2017-01-15 2017-11-24 北京星宇联合投资管理有限公司 一种基于图书服务机器人的语音交互装置
CN109255830A (zh) * 2018-08-31 2019-01-22 百度在线网络技术（北京）有限公司 三维人脸重建方法和装置
CN109377441A (zh) * 2018-08-20 2019-02-22 清华大学 具有隐私保护功能的舌像采集方法和系统
CN109800648A (zh) * 2018-12-18 2019-05-24 北京英索科技发展有限公司 基于人脸关键点校正的人脸检测识别方法及装置
CN109816057A (zh) * 2018-12-06 2019-05-28 深圳云天励飞技术有限公司 图书馆图书借阅管理方法、系统、电子设备及存储介质
CN110135889A (zh) * 2019-04-15 2019-08-16 深圳壹账通智能科技有限公司 智能推荐书单的方法、服务器及存储介质
CN110489633A (zh) * 2019-08-22 2019-11-22 广州图创计算机软件开发有限公司 一种基于图书馆数据的智慧大脑服务平台
CN110609943A (zh) * 2018-05-28 2019-12-24 九阳股份有限公司 一种智能设备的主动交互方法及服务机器人
CN110990625A (zh) * 2019-11-27 2020-04-10 南京创维信息技术研究院有限公司 影视推荐方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11170451B2 (en) * 2015-10-02 2021-11-09 Not So Forgetful, LLC Apparatus and method for providing gift recommendations and social engagement reminders, storing personal information, and facilitating gift and social engagement recommendations for calendar-based social engagements through an interconnected social network

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN206672635U (zh) * 2017-01-15 2017-11-24 北京星宇联合投资管理有限公司 一种基于图书服务机器人的语音交互装置
CN110609943A (zh) * 2018-05-28 2019-12-24 九阳股份有限公司 一种智能设备的主动交互方法及服务机器人
CN109377441A (zh) * 2018-08-20 2019-02-22 清华大学 具有隐私保护功能的舌像采集方法和系统
CN109255830A (zh) * 2018-08-31 2019-01-22 百度在线网络技术（北京）有限公司 三维人脸重建方法和装置
CN109816057A (zh) * 2018-12-06 2019-05-28 深圳云天励飞技术有限公司 图书馆图书借阅管理方法、系统、电子设备及存储介质
CN109800648A (zh) * 2018-12-18 2019-05-24 北京英索科技发展有限公司 基于人脸关键点校正的人脸检测识别方法及装置
CN110135889A (zh) * 2019-04-15 2019-08-16 深圳壹账通智能科技有限公司 智能推荐书单的方法、服务器及存储介质
CN110489633A (zh) * 2019-08-22 2019-11-22 广州图创计算机软件开发有限公司 一种基于图书馆数据的智慧大脑服务平台
CN110990625A (zh) * 2019-11-27 2020-04-10 南京创维信息技术研究院有限公司 影视推荐方法及装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Ziyang Yu 等.Research on Automatic Music Recommendation Algorithm Based on Facial Micro-expression Recognition.《2020 39th Chinese Control Conference (CCC)》.2020,7257-7263. *
孙齐梦.智慧城市背景下的公共图书馆功能定位研究.《中国优秀硕士学位论文全文数据库信息科技辑》.2019,(第1期),I143-155. *
文伟.联合局部与全局深度特征的单样本人脸识别研究.《中国优秀硕士学位论文全文数据库信息科技辑》.2020,(第9期),I138-93. *
羌栋强 等.基于卷积神经网络的智能寻书机器人设计与实现.《机器人技术与应用 》.2021,41-44. *

Also Published As

Publication number Publication date
CN112464093A (zh) 2021-03-09

Similar Documents

Publication Publication Date Title
CN109104620B (zh) 一种短视频推荐方法、装置和可读介质
EP3779774B1 (en) Training method for image semantic segmentation model and server
Ma et al. Blind image quality assessment by learning from multiple annotators
CN112000819A (zh) 多媒体资源推荐方法、装置、电子设备及存储介质
CN107748792B (zh) 数据检索方法及装置、终端
CN110096617B (zh) 视频分类方法、装置、电子设备及计算机可读存储介质
CN111400548B (zh) 一种基于深度学习与马尔科夫链的推荐方法及设备
CN115828112B (zh) 一种故障事件的响应方法、装置、电子设备及存储介质
CN110704659B (zh) 图像列表的排序方法和装置、存储介质及电子装置
CN111241388A (zh) 多策略召回方法、装置、电子设备及可读存储介质
CN112464093B (zh) 一种面向读者的智能寻书机器人及电子设备
CN112329679A (zh) 一种人脸识别方法、系统、电子设备及存储介质
CN111242091A (zh) 年龄识别模型训练方法、装置及电子设备
CN113643046B (zh) 适用于虚拟现实的共情策略推荐方法、装置、设备及介质
CN112364828B (zh) 人脸识别方法及金融系统
CN113204699B (zh) 信息推荐方法、装置、电子设备及存储介质
CN112149602B (zh) 动作计数方法、装置、电子设备及存储介质
CN113971241A (zh) 一种图书馆寻书方法及智能寻书机器人
CN116777642A (zh) 基于集成学习模型的车险风险参数预测方法及装置
CN111428125A (zh) 排序方法、装置、电子设备及可读存储介质
CN111783473A (zh) 医疗问答中最佳答案的识别方法、装置和计算机设备
CN113033938A (zh) 确定资源分配策略的方法、装置、终端设备及存储介质
CN113569136B (zh) 视频推荐方法、装置、电子设备及存储介质
CN111666371A (zh) 基于主题的匹配度确定方法、装置、电子设备及存储介质
CN113345553B (zh) 一种基于分布式特征的交互方法、系统、设备和介质

Legal Events

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