CN112749292B - 用户标签生成方法及装置、计算机装置和存储介质 - Google Patents

Abstract

一种用户标签生成方法，所述方法包括：终端获取摄像装置采集到的用户图像；终端对所述用户图像进行识别，提取所述用户图像包含的用户的特征为所述用户的一级标签；终端将所述用户的一级标签上传至云平台，以使所述云平台根据接收到的所述用户的一级标签生成所述用户的二级标签。本发明还提供一种用户标签生成装置、计算机装置及可读存储介质。本发明可以快速、准确地基于用户图像信息生成用户标签。

Description

用户标签生成方法及装置、计算机装置和存储介质

技术领域

本发明涉及数据挖掘技术领域，具体涉及一种用户标签生成方法及装置、计算机装置和计算机可读存储介质。

背景技术

用户画像是由多个用户标签组合而成的，通过创建用户画像可以针对不同用户进行精准的信息推送，越来越多的技术正在研究如何快速准确的生成用户标签。现有技术中，大多数用户标签都基于用户购买记录、网站浏览记录进行用户标签的生成。因此，如何基于用户图像信息快速准确地生成用户标签成为亟待解决的问题。

发明内容

鉴于以上内容，有必要提出一种用户标签生成方法及装置、计算机装置和计算机可读存储介质，其可以实现快速、准确地基于用户图像信息生成用户标签。

本申请的第一方面提供一种用户标签生成方法，应用于终端，所述方法包括：

终端获取摄像装置采集到的用户图像；

终端对所述用户图像进行识别，提取所述用户图像包含的用户的特征为所述用户的一级标签；

终端将所述用户的一级标签上传至云平台，以使所述云平台根据接收到的所述用户的一级标签生成所述用户的二级标签。

另一种可选的实现方式中，所述用户的一级标签包含所述用户的人像标识特征和所述用户的第一非人像标识特征，所述将所述用户的一级标签上传至云平台包括：

终端获取第一区域内所述终端以外的其他终端保存的其他一级标签；

终端判断所述其他一级标签包含的其他人像标签特征中是否存在与所述用户的人像标识特征相同的人像标识特征；

若是，终端获取所述其他一级标签中与所述用户的人像标识特征相同的人像标识特征对应的第二非人像标识特征；

终端将所述用户的第一非人像标识特征与所述第二非人像标识特征进行合并处理或去重复处理，以得到所述用户的非人像标识特征，将包含所述用户的人像标识特征和非人像标识特征的所述用户的一级标签上传至所述云平台。

另一种可选的实现方式中，所述方法还包括：

终端获取第二区域内多个目标终端采集到的采样图像，其中，所述第二区域大于所述第一区域；

终端通过识别所述采样图像是否包含相同的采样对象，确定不同目标终端之间的采样重复率；

终端确定采样重复率低于预设重复率的不同目标终端所覆盖的图像采集区域为所述第一区域。

本申请的第二方面提供一种用户标签生成方法，所述方法包括：

云平台接收由终端上传的用户的一级标签，所述一级标签包含所述用户的非人像标识特征；

云平台计算所述用户的非人像标识特征与标签库中预置标签的相关度；

云平台获取与所述用户的非人像标识特征的相关度大于预设相关度的预置标签为所述用户的二级标签。

另一种可选的实现方式中，所述一级标签还包括所述用户的人像标识特征，所述方法还包括：

云平台判断是否存在所述用户的人像标识特征；

若是，云平台确定存在所述用户的用户画像信息，将所述用户的二级标签保存至所述用户的用户画像信息中；

若否，云平台确定不存在所述用户的用户画像信息，基于所述一级标签信息包含的所述用户的人像标识信息以及所述用户的二级标签，创建所述用户的用户画像信息。

本申请的第三方面提供一种用户标签生成装置，所述装置包括：

第一获取单元，用于获取终端的摄像装置采集到的用户图像；

识别单元，用于对所述用户图像进行识别，提取所述用户图像包含的用户的特征为所述用户的一级标签；

传输单元，用于将所述用户的一级标签上传至云平台，以使所述云平台根据接收到的所述用户的一级标签生成所述用户的二级标签。

另一种可选的实现方式中，所述用户的一级标签包含所述用户的人像标识特征和所述用户的第一非人像标识特征，所述传输单元将所述用户的一级标签上传至云平台包括：

获取第一区域内其他终端保存的其他一级标签；

判断所述其他一级标签包含的其他人像标签特征中是否存在与所述用户的人像标识特征相同的人像标识特征；

若是，获取所述其他一级标签中与所述用户的人像标识特征相同的人像标识特征对应的第二非人像标识特征；

将所述用户的第一非人像标识特征与所述第二非人像标识特征进行合并处理或去重复处理，得到所述用户的非人像标识特征，将包含所述用户的人像标识特征和非人像标识特征的所述用户的一级标签上传至所述云平台。

另一种可选的实现方式中，所述第一获取模块，还用于获取第二区域内多个目标终端采集到的采样图像，其中，所述第二区域大于所述第一区域；及

所述装置还包括：

第一确定模块，用于通过识别所述采样图像是否包含采样对象，确定不同目标终端之间的采样重复率；

第二确定模块，用于确定采样重复率低于预设重复率的不同目标终端所覆盖的图像采集区域为所述第一区域。

本申请的第四方面提供一种用户标签生成装置，所述装置包括：

接收单元，用于接收由终端上传的用户的一级标签，所述一级标签包含所述用户的非人像标识特征；

计算单元，用于计算所述用户的非人像标识特征与标签库中预置标签的相关度；

第二获取单元，用于获取与所述用户的非人像标识特征的相关度大于预设相关度的预置标签为所述用户的二级标签。

另一种可选的实现方式中，所述一级标签还包括所述用户的人像标识特征，所述装置还包括：

判断单元，用于判断是否存在所述用户的人像标识特征；

保存单元，用于若存在所述用户的人像标识特征，确定存在所述用户的用户画像信息，将所述用户的二级标签保存至所述用户的用户画像信息中；

创建单元，用于若不存在所述用户的人像标识特征，确定不存在所述用户的用户画像信息，基于所述一级标签信息包含的所述用户的人像标识信息以及所述用户的二级标签，创建所述用户的用户画像信息。

本申请的第五方面提供一种计算机装置，所述计算机装置包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现所述用户标签生成方法。

本申请的第六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，所述计算机程序被处理器执行时实现所述用户标签生成方法。

本发明应用于终端，终端获取摄像装置采集到的用户图像；终端对所述用户图像进行识别，提取所述用户图像包含的用户的特征为所述用户的一级标签；终端将所述用户的一级标签上传至云平台，以使所述云平台根据接收到的所述用户的一级标签生成所述用户的二级标签。通过终端的摄像装置进行图像信息的采集，并在终端对用户图像进行识别和特征提取来生成用户的一级标签，从而能够在图像信息采集后快速地生成用户的一级标签，进一步地，终端将用户的一级标签上传至云平台，使得云平台基于用户的一级标签生成二级标签，能够提炼出更准确的符合用户特征的标签，从而提高用户标签生成的准确性。因此，本发明实现了快速、准确地基于用户图像信息生成用户标签的目的。

附图说明

图1是本发明实施例一提供的用户标签生成方法的流程图。

图2是本发明实施例中终端与云平台的交互示意图。

图3是本发明实施例二提供的用户标签生成方法的流程图。

图4是本发明实施例三提供的用户标签生成装置的结构图。

图5是本发明实施例四提供的用户标签生成装置的结构图。

图6是本发明实施例五提供的计算机装置的示意图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施例对本发明进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，所描述的实施例仅仅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。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。

优选地，本发明的用户标签生成方法应用在一个或者多个计算机装置中。所述计算机装置是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific IntegratedCircuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。

所述计算机装置可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机装置可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。

实施例一

图1是本发明实施例一提供的用户标签生成方法的流程图。所述用户标签生成方法应用于终端。所述终端包含摄像装置，例如摄像头，所述终端能够进行图像的采集并基于采集到的图像进行用户标签生成。

如图1所示，所述用户标签生成方法具体包括以下步骤：

S101：终端获取摄像装置采集到的用户图像。

本实施例中，终端可以包含一个或多个摄像装置，并且终端可以获取任意一个或多个摄像装置采集到的用户图像。

S102：终端对所述用户图像进行识别，提取所述用户图像包含的用户的特征为所述用户的一级标签。

本实施例中，用户图像可以是多张用户图像，每张用户图像可以包含一个或多个用户。因此，通过本实施例提取到的用户的数量可以是一个或多个。

在本实施例中，可以通过人脸识别算法、人脸特征提取算法等方法进行对用户图像进行识别，提取用户图像包含的用户特征可以提取用户的人脸特征、外形特征(如身高特征、胖瘦特征)等特征为用户的一级标签。

在本实施例中，提取到的每个用户的一级标签的数量可以为多个。

在本实施例中，直接由终端生成用户的一级标签，无需将用户图像传输至其他计算机装置就能够得到用户的一级标签，避免了无法网络传输、传输不流畅等问题，也避免了数据隐私泄露的安全问题。

S103：终端将所述用户的一级标签上传至云平台，所述云平台根据接收到的所述用户的一级标签生成所述用户的二级标签。

在本实施例中，终端可以将一个或者多个用户的一级标签上传至云平台。

云平台也可称为云端，云端可以接收多个终端上传的多个用户的多个一级标签，并根据一级标签生成二级标签。

一种可选实施例中，用户的二级标签可以是在一级标签的基础上将相似的标签进行合并所得到的更精简的标签。

另一种可选实施例中，用户的二级标签可以是在一级标签的基础上进行标签拓展所生成的更精简的标签。

在本实施例中，终端无需向云平台传输原始图像，而是将一级标签传输至云平台，因此能够大大减少带宽成本，也能够提高传输效率。

例如，若将一张像素大小为100*100的图片至云平台所消耗的资源为100*100*4*8比特数，而将该100*100的图像通过本实施所述步骤进行处理后所消耗的资源为133*4*8比特数(通常人脸特征向量为128维，假设存储标签信息的5维，则得到133，4*8表示一个int所需要占用的比特数)。若终端的数量为1000个，即有1000个终端直接上传图像到云平台，则需要1000*100*100*4*8比特，而通过本实施例所述步骤直接从终端上传至云平台所需的比特数位为1000*133*4*8，通过本实施例所述步骤进行多个终端的信息同步并去重之后再上传至云平台所需的上传比特数为1*133*4*8，或者是1*133*4*8+100*100*4*8(如果该用户已存在云平台，则此处100*100*4*8可省略，如用户不存在，则需要加上次100*100*4*8)，由此可见，通过本实施例能够大大减小传输所消耗的资源(如1000*100*100*4*8/(133*4*8+100*100*4*8)＝986.8，即通过本实施例在多个终端获取某一用户数据并向云平台传输时能节省986.8倍的比特数)。

进一步的，在本发明另一实施例中，所述用户的一级标签包含所述用户的人像标识特征和所述用户的第一非人像标识特征，所述终端将所述用户的一级标签上传至云平台包括：

终端获取第一区域内所述终端以外的其他终端保存的其他一级标签；

终端判断所述其他一级标签包含的其他人像标签特征中是否存在与所述用户的人像标识特征相同的人像标识特征；

若是，终端获取所述其他一级标签中与所述用户的人像标识特征相同的人像标识特征对应的第二非人像标识特征；

终端将所述用户的第一非人像标识特征与所述第二非人像标识特征进行合并处理或去重复处理，以得到所述用户的非人像标识特征，将包含所述用户的人像标识特征和非人像标识特征的所述用户的一级标签上传至所述云平台。

可选的，在本发明另一实施例中，所述第一人像标识特征包括人脸特征和外形特征，所述第一非人像标识特征包括服饰特征。

其中，服饰特征包括服饰风格特征(如运动风格、通勤风格等)、服饰属性(袖长、衣领形状等)、服饰类型(如夹克、牛仔裤等)。

本实施例中，所述第一区域为某一物理区域范围，在该范围内有多个终端。所述其他终端的数量可以为一个或者是多个。

在其他终端保存的其他一级标签可以是一个用户或者是多个用户的一级标签。

例如，终端获取到的a用户的标签a₁、a₂和a₃，其中a₁表示a用户的人像标识特征，a₂和a₃为a用户的非人像标识特征，获取到的其他终端保存的一级标签为b₁、b₂和b₃，c₁、c₂和c₃，a₁、a₂、a₄和a₅，将终端获取到的a用户的标签与其他终端保存的一级标签进行匹配，确定其他一级标签也包含a用户的人像标识特征a₁，则获取非人像特征a₂、a₄和a₅，将a₂和a₃与a₂、a₄和a₅进行合并处理以及去重复处理，得到a用户的非人像标识特征为a₂、a₃、a₄和a₅，进而将a用户的特征a₁、a₂、a₃、a₄和a₅上传至云平台。

在本实施例中，通过将第一区域内其他终端保存的其他一级标签进行匹配，进而从其他一级标签中获取用户的一级标签，进行去重或/合并，可以得到更加准确的用户的一级标签，也避免了同时有多个终端采集图像信息并上传，云平台出现大量冗余数据的问题，进一步提到了云平台根据一级标签生成二级标签的处理效率，提高了用户画像生成的效率。

在另一可选实施例中，当将终端与其他终端上的用户的第一非人像标识特征与第二非人像标识特征进行合并处理或去重复处理之后，可以将得到的用户的人像标识特征和非人像标识特征保存在某一终端上，以节省终端的存储空间，避免数据冗余。

进一步的，在本发明另一实施例中，所述方法还包括：

终端获取第二区域内多个目标终端采集到的采样图像，其中，所述第二区域大于所述第一区域；

终端通过识别所述采样图像是否包含相同的采样对象，确定不同目标终端之间的采样重复率；

终端确定采样重复率低于预设重复率的不同目标终端所覆盖的图像采集区域为所述第一区域。

在本实施例中，第二区域大于第一区域，且第一区域是第二区域内的一片区域。

本实施例中，采样图像可以是预先获取的一段时间的图像，采样对象可以采样图像中的某个类型的目标人物，例如，男性、女性、大人、孩子等。

上述预设重复率可以为预先设置的。

例如，采样图像包含20个摄像头采集到的共500张图像，每个摄像头采集25张图片，识别其中某一目标女性在不同采样图像中是否出现(或者，进一步识别某一目标女性在不同采样图像中出现的次数，若在其中10个摄像头采集到的采样图像中出现的次数都大于15次或20次，则确定这10个摄像头的采样重复率高于预设重复率)，若在其中10个目标摄像头采集到的采样图像中都出现该目标女性，则确定这10个目标摄像头之间的采样重复率高于预设重复率，若其他10个摄像头采集到的采样图像中都没有出现该目标女性，则确定10个目标摄像头之中任意一个与其他10个摄像头之间的采样重复率低于预设重复率，则确定其他10个摄像头的采样重复率低于预设重复率，10个目标摄像头之中任意一个与其他10个摄像头所覆盖的图像采集区域为第一区域，即在获取其他终端保存的其他一级标签时，获取这10个摄像头内其他终端保存的其他一级标签。

通过本实施例可以在第二区域内选取更小的第一区域中的终端以及其他终端进行图像的采集和处理(如图像同步、合并、去重复等操作)，实现更准确的确定由什么区域内的终端进行图像采集，进而进行用户的标签生成，既避免获取大量数据冗余也避免用户信息的遗漏，尽可能获取到更全面的用户图像信息，同时提高用户画像的生成效率。

另一可选实施例中，终端确定第一区域的方法还包括：

终端获取第二区域内多个目标终端采集到的多张图像间的关联度，其中，所述第二区域大于所述第一区域；

终端确定小于预设关联度的多张非关联图像；

终端确定采集到所述多张非关联图像的终端所覆盖的图像采集区域为所述第一区域。

本实施例中，图像间的关联度表示图像间的相关性，例如图像A和图像B出现的相关性，当图像间的关联度越大时，表明图像间的相关性越大，当图像间的相关性越大时，表明图像包含重复的拍摄对象的概率越大。

可选的，图像的关联度可以是具体的数值，例如，图像的关联度范围从-1到1，当两图像的关联度为-1时，表明两图像完全不相关，当两图像的关联度为1时，表明两图像完全相关。当图像的关联度为具体的数值时，预设关联度可以为预先设置的数值，例如，预设关联度为0。

具体的，图像的关联度可以根据图像所采集到的内容所确定。

例如，终端获取第二区域内多个目标终端采集到的多张图像之间的关联度包括：

终端识别多个目标终端采集到的多张图像，从所述多张图像中提取每张图像中的目标标识；以及确定目标标识之间的关联度为所述多张图像之间的关联度。

其中，目标标识可以为商店的名称、商店的类型等。目标标识间的关联度可以是预先设定的，或者，目标标识间的关联度可以是预先通过采样确定的，例如，通过不同时间段采集多个用户(不同年龄段和性别的多个用户)出现在多个不同品牌的男装店、女装店、运动店的出现次数，通过每个用户出现在多个不同品牌的男装店、女装店、运动店的出现次数计算一次各店间的关联度(对于某一个用户，当该用户出现在某几个不同品牌女装店时，确定这几个女装店之间的关联度较高，当该用户没有出现在任意一个男装店时，确定女装店与这几个男装店的关联度较低)，从而得到多组各店间的关联度数据，然后计算各店间的关联度平均值来确定各店间的关联度，或者获取各店间的关联度分布区域来确定各店间的关联度。

通过本实施例可以在第二区域内选取更小的第一区域中的终端以及其他终端进行图像的采集和处理(如图像同步、合并、去重复等操作)，实现更准确的确定由什么区域内的终端进行图像采集，进而进行用户的标签生成，既避免获取大量数据冗余也避免用户信息的遗漏，尽可能获取到更全面的用户图像信息，同时提高用户画像的生成效率。

请参见图2，图2为终端与云平台的交互示意图。如图2所示，采集用户图像的终端可以是多个终端，每个终端都可以进行用户图像的采集，并且图2中终端与其他终端m、n、p、q可以都为第一区域内的终端，这些终端相互之间可以进行数据的同步与传输，例如，其他终端m将采集到的用户图像M传输至其他终端，其他终端n将采集到的用户图像N和用户图像M传输至终端(在其他图像传输方式中，也可以是由多个其他终端m、n、p、q直接向终端传输采集到的用户图像)，终端将用户图像传输至其他终端p，依次类推，则图2中每个终端都可以保存所有终端采集的用户图像。在图2中，当终端获取到用户图像之后对用户图像进行识别，提取用户图像包含的用户的特征为用户的一级标签，并将用户的标签传输至云平台，图2中，云平台可以根据的用户的一级标签生成用户的二级标签，云平台还可以将用户的二级标签传输至展示设备(例如电脑的显示器)。

在这一过程中，终端不仅进行用户图像的采集，还进行用户图像的处理从而生成用户的一级标签，不需要在终端间进行大批量的图片传输，也不需将大批量图片从终端传输至云平台，减少了用户标签生成过程中数据传输的网络带宽成本，也避免了因直接传输用户图像所造成的用户图像信息泄露。

实施例一的用户标签生成方法应用于终端，终端获取摄像装置采集到的用户图像；终端对所述用户图像进行识别，提取所述用户图像包含的用户的特征为所述用户的一级标签；终端将所述用户的一级标签上传至云平台，以使所述云平台根据接收到的所述用户的一级标签生成所述用户的二级标签。通过终端的摄像装置进行图像信息的采集，并在终端对用户图像进行识别和特征提取来生成用户的一级标签，从而能够在图像信息采集后快速地生成用户的一级标签，进一步地，终端将用户的一级标签上传至云平台，使得云平台基于用户的一级标签生成二级标签，能够提炼出更准确的符合用户特征的标签，从而提高用户标签生成的准确性。因此，本发明实现了快速、准确地基于用户图像信息生成用户标签的目的。

实施例二

图3是本发明实施例二提供的用户标签生成方法的流程图。所述用户标签生成方法应用于云平台。所述云平台可以与终端进行通讯。

如图3所示，所述用户标签生成方法具体包括以下步骤：

S201：云平台接收由终端上传的用户的一级标签，所述一级标签包含所述用户的非人像标识特征。

本实施例中，云平台可以接收实施例一中终端上传的用户的一级标签。

本实施例中，一级标签除了包含用户的非人像标识特征，还可以包含用户的人像标识特征。

S202：云平台计算所述用户的非人像标识特征与标签库中预置标签的相关度。

本实施例中，标签库中可以包括多个预先设置的标签。

计算用户的非人像标识特征与标签库中预置标签的相关度具体可以通过计算非人像标识特征与预置标签的欧式距离来确定非人像标识特征与预置标签的相似度。

或者，可以通过计算非人像标识特征与预置标签的余弦相似度来确定非人像标识特征与预置标签的相似度。

或者还可以其他的现有技术中的向量之间的相关性计算方法来确定非人像标识特征与预置标签的相似度。具体的欧氏距离和预先相似度的计算方法可以从现有技术中获取，此处不再赘述。

S203：云平台获取与所述用户的非人像标识特征的相关度大于预设相关度的预置标签为所述用户的二级标签。

例如，非人像标识特征包括运动风格和学院风格，预置标签包括学生，计算运动风格与学生的相关度以及学院风格与学生的相关度，若相似度都大于预设相似度，则确定用户的二级标签为学生。

本实施例中，云平台可以持续接收终端上传的用户的一级标签，进而生成二级标签，因此，能够不断获得用户的各个方便的特征信息，从而创建更加全面和准确的用户画像。

进一步的，在本发明另一实施例中，所述一级标签还包括所述用户的人像标识特征，所述方法还包括：

云平台判断是否存在所述用户的人像标识特征；

若是，云平台确定存在所述用户的用户画像信息，将所述用户的二级标签保存至所述用户的用户画像信息中；

若否，云平台确定不存在所述用户的用户画像信息，基于所述一级标签信息包含的所述用户的人像标识信息以及所述用户的二级标签，创建所述用户的用户画像信息。

例如，云平台查询是否存在某用户的人脸特征，若存在该用户的人脸特征，将该用户的二级标签信息更新至该用户的用户画像信息里，该用户画像信息包含用户的人脸特征以及二级标签信息；若不存在该用户的人脸特征，创建该用户的用户画像信息标识，将用户的人脸特征和用户的二级标签更新至该用户的用户画像信息里。

实施例二的用户标签生成方法应用于云平台，云平台接收由终端上传的用户的一级标签，所述一级标签包含所述用户的非人像标识特征；云平台计算所述用户的非人像标识特征与标签库中预置标签的相关度；云平台获取与所述用户的非人像标识特征的相关度大于预设相关度的预置标签为所述用户的二级标签。由于云平台处理的已经是经过识别的一级标签，而非大量的图像信息，并且，本实施例中，云平台能够基于一级标签进一步生成二级标签，因此云平台能够快速地生成二级标签，也能够从而能够根据用户多个维度的特征进行综合得到更加准确的用户的标签信息，有利于准确地构建用户画像。

实施例三

图4为本发明实施例三提供的用户标签生成装置的结构图。如图4所示，所述用户标签生成装置可以包括：第一获取单元301、识别单元302、传输单元303。

第一获取单元301，用于获取终端的摄像装置采集到的用户图像。

所述终端包含摄像装置，例如摄像头，所述终端能够进行图像的采集并基于采集到的图像进行用户标签生成。

本实施例中，终端可以包含一个或多个摄像装置，并且终端可以获取任意一个或多个摄像装置采集到的用户图像。

识别单元302，用于对所述用户图像进行识别，提取所述用户图像包含的用户的特征为所述用户的一级标签。

本实施例中，用户图像可以是多张用户图像，每张用户图像可以包含一个或多个用户。因此，通过本实施例提取到的用户的数量可以是一个或多个。

在本实施例中，可以通过人脸识别算法、人脸特征提取算法等方法进行对用户图像进行识别，提取用户图像包含的用户特征可以提取用户的人脸特征、外形特征(如身高特征、胖瘦特征)等特征为用户的一级标签。

在本实施例中，提取到的每个用户的一级标签的数量可以为多个。

在本实施例中，直接由终端生成用户的一级标签，无需将用户图像传输至其他计算机装置就能够得到用户的一级标签，避免了无法网络传输、传输不流畅等问题，也避免了数据隐私泄露的安全问题。

传输单元303，用于将所述用户的一级标签上传至云平台，所述云平台根据接收到的所述用户的一级标签生成所述用户的二级标签。

在本实施例中，终端可以将一个或者多个用户的一级标签上传至云平台。

云平台也可称为云端，云端可以接收多个终端上传的多个用户的多个一级标签，并根据一级标签生成二级标签。

一种可选实施例中，用户的二级标签可以是在一级标签的基础上将相似的标签进行合并所得到的更精简的标签。

另一种可选实施例中，用户的二级标签可以是在一级标签的基础上进行标签拓展所生成的更精简的标签。

在本实施例中，终端无需向云平台传输原始图像，而是将一级标签传输至云平台，因此能够大大减少带宽成本，也能够提高传输效率。

例如，若将一张像素大小为100*100的图片至云平台所消耗的资源为100*100*4*8比特数，而将该100*100的图像通过本实施所述步骤进行处理后所消耗的资源为133*4*8比特数(通常人脸特征向量为128维，假设存储标签信息的5维，则得到133，4*8表示一个int所需要占用的比特数)。若终端的数量为1000个，即有1000个终端直接上传图像到云平台，则需要1000*100*100*4*8比特，而通过本实施例所述步骤直接从终端上传至云平台所需的比特数位为1000*133*4*8，通过本实施例所述步骤进行多个终端的信息同步并去重之后再上传至云平台所需的上传比特数为1*133*4*8，或者是1*133*4*8+100*100*4*8(如果该用户已存在云平台，则此处100*100*4*8可省略，如用户不存在，则需要加上次100*100*4*8)，由此可见，通过本实施例能够大大减小传输所消耗的资源(如1000*100*100*4*8/(133*4*8+100*100*4*8)＝986.8，即通过本实施例在多个终端获取某一用户数据并向云平台传输时能节省986.8倍的比特数)。

进一步的，在本发明另一实施例中，所述用户的一级标签包含所述用户的人像标识特征和所述用户的第一非人像标识特征，所述传输单元303将所述用户的一级标签上传至云平台包括：

获取第一区域内所述终端以外的其他终端保存的其他一级标签；

判断所述其他一级标签包含的其他人像标签特征中是否存在与所述用户的人像标识特征相同的人像标识特征；

若是，获取所述其他一级标签中与所述用户的人像标识特征相同的人像标识特征对应的第二非人像标识特征；

将所述用户的第一非人像标识特征与所述第二非人像标识特征进行合并处理或去重复处理，以得到所述用户的非人像标识特征，将包含所述用户的人像标识特征和非人像标识特征的所述用户的一级标签上传至所述云平台。

可选的，在本发明另一实施例中，所述第一人像标识特征包括人脸特征和外形特征，所述第一非人像标识特征包括服饰特征。

其中，服饰特征包括服饰风格特征(如运动风格、通勤风格等)、服饰属性(袖长、衣领形状等)、服饰类型(如夹克、牛仔裤等)。

本实施例中，所述第一区域为某一物理区域范围，在该范围内有多个终端。所述其他终端的数量可以为一个或者是多个。

在其他终端保存的其他一级标签可以是一个用户或者是多个用户的一级标签。

例如，终端获取到的a用户的标签a₁、a₂和a₃，其中a₁表示a用户的人像标识特征，a₂和a₃为a用户的非人像标识特征，获取到的其他终端保存的一级标签为b₁、b₂和b₃，c₁、c₂和c₃，a₁、a₂、a₄和a₅，将终端获取到的a用户的标签与其他终端保存的一级标签进行匹配，确定其他一级标签也包含a用户的人像标识特征a₁，则获取非人像特征a₂、a₄和a₅，将a₂和a₃与a₂、a₄和a₅进行合并处理以及去重复处理，得到a用户的非人像标识特征为a₂、a₃、a₄和a₅，进而将a用户的特征a₁、a₂、a₃、a₄和a₅上传至云平台。

在本实施例中，通过将第一区域内其他终端保存的其他一级标签进行匹配，进而从其他一级标签中获取用户的一级标签，进行去重或/合并，可以得到更加准确的用户的一级标签，也避免了同时有多个终端采集图像信息并上传，云平台出现大量冗余数据的问题，进一步提到了云平台根据一级标签生成二级标签的处理效率，提高了用户画像生成的效率。

在另一可选实施例中，当将终端与其他终端上的用户的第一非人像标识特征与第二非人像标识特征进行合并处理或去重复处理之后，可以将得到的用户的人像标识特征和非人像标识特征保存在某一终端上，以节省终端的存储空间，避免数据冗余。

进一步的，在本发明另一实施例中，所述第一获取单元，还用于获取第二区域内多个目标终端采集到的采样图像，其中，所述第二区域大于所述第一区域；及

所述装置还包括：

第一确定单元，用于通过识别所述采样图像是否包含相同的采样对象，确定不同目标终端之间的采样重复率；

第二确定单元，用于确定采样重复率低于预设重复率的不同目标终端所覆盖的图像采集区域为所述第一区域。

在本实施例中，第二区域大于第一区域，且第一区域是第二区域内的一片区域。

本实施例中，采样图像可以是预先获取的一段时间的图像，采样对象可以采样图像中的某个类型的目标人物，例如，男性、女性、大人、孩子等。

上述预设重复率可以为预先设置的。

例如，采样图像包含20个摄像头采集到的共500张图像，每个摄像头采集25张图片，识别其中某一目标女性在不同采样图像中是否出现(或者，进一步识别某一目标女性在不同采样图像中出现的次数，若在其中10个摄像头采集到的采样图像中出现的次数都大于15次或20次，则确定这10个摄像头的采样重复率高于预设重复率)，若在其中10个目标摄像头采集到的采样图像中都出现该目标女性，则确定这10个目标摄像头之间的采样重复率高于预设重复率，若其他10个摄像头采集到的采样图像中都没有出现该目标女性，则确定10个目标摄像头之中任意一个与其他10个摄像头之间的采样重复率低于预设重复率，则确定其他10个摄像头的采样重复率低于预设重复率，10个目标摄像头之中任意一个与其他10个摄像头所覆盖的图像采集区域为第一区域，即在获取其他终端保存的其他一级标签时，获取这10个摄像头内其他终端保存的其他一级标签。

通过本实施例可以在第二区域内选取更小的第一区域中的终端以及其他终端进行图像的采集和处理(如图像同步、合并、去重复等操作)，实现更准确的确定由什么区域内的终端进行图像采集，进而进行用户的标签生成，既避免获取大量数据冗余也避免用户信息的遗漏，尽可能获取到更全面的用户图像信息，同时提高用户画像的生成效率。

另一可选实施例中，所述第二确定单元还可以用于：

获取第二区域内多个目标终端采集到的多张图像间的关联度，其中，所述第二区域大于所述第一区域；

确定小于预设关联度的多张非关联图像；

确定采集到所述多张非关联图像的终端所覆盖的图像采集区域为所述第一区域。

本实施例中，图像间的关联度表示图像间的相关性，例如图像A和图像B出现的相关性，当图像间的关联度越大时，表明图像间的相关性越大，当图像间的相关性越大时，表明图像包含重复的拍摄对象的概率越大。

可选的，图像的关联度可以是具体的数值，例如，图像的关联度范围从-1到1，当两图像的关联度为-1时，表明两图像完全不相关，当两图像的关联度为1时，表明两图像完全相关。当图像的关联度为具体的数值时，预设关联度可以为预先设置的数值，例如，预设关联度为0。

具体的，图像的关联度可以根据图像所采集到的内容确定。

例如，终端第三确定单元获取第二区域内多个目标终端采集到的多张图像之间的关联度包括：

识别多个目标终端采集到的多张图像；从所述多张图像中提取每张图像中的目标标识；确定目标标识间的关联度为所述多张图像间的关联度。

其中，目标标识可以为商店的名称、商店的类型等。目标标识间的关联度可以是预先设定的，或者，目标标识间的关联度可以是预先通过采样确定的，例如，通过不同时间段采集多个用户(不同年龄段和性别的多个用户)出现在多个不同品牌的男装店、女装店、运动店的出现次数，通过每个用户出现在多个不同品牌的男装店、女装店、运动店的出现次数计算一次各店间的关联度(对于某一个用户，当该用户出现在某几个不同品牌女装店时，确定这几个女装店之间的关联度较高，当该用户没有出现在任意一个男装店时，确定女装店与这几个男装店的关联度较低)，从而得到多组各店间的关联度数据，然后计算各店间的关联度平均值来确定各店间的关联度，或者获取各店间的关联度分布区域来确定各店间的关联度。

通过本实施例可以在第二区域内选取更小的第一区域中的终端以及其他终端进行图像的采集和处理(如图像同步、合并、去重复等操作)，实现了更准确的确定由什么区域内的终端进行图像采集，进而进行用户的标签生成，既避免获取大量数据冗余也避免用户信息的遗漏，尽可能获取到更全面的用户图像信息，同时提高用户画像的生成效率。

图2为终端与云平台的交互示意图。如图2所示，采集用户图像的终端可以是多个终端，每个终端都可以进行用户图像的采集，并且图2中终端与其他终端m、n、p、q可以都为第一区域内的终端，这些终端相互之间可以进行数据的同步与传输，例如，其他终端m将采集到的用户图像M传输至其他终端，其他终端n将采集到的用户图像N和用户图像M传输至终端(在其他图像传输方式中，也可以是由多个其他终端m、n、p、q直接向终端传输采集到的用户图像)，终端将用户图像传输至其他终端p，依次类推，则图2中每个终端都可以保存所有终端采集的用户图像。在图2中，当终端获取到用户图像之后对用户图像进行识别，提取用户图像包含的用户的特征为用户的一级标签，并将用户的标签传输至云平台，图2中，云平台可以根据的用户的一级标签生成用户的二级标签，云平台还可以将用户的二级标签传输至展示设备(例如电脑的显示器)。

在这一过程中，终端不仅进行用户图像的采集，还进行用户图像的处理从而生成用户的一级标签，不需要在终端间进行大批量的图片传输，也不需将大批量图片从终端传输至云平台，减少了用户标签生成过程中数据传输的网络带宽成本，也避免了因直接传输用户图像所造成的用户图像信息泄露。

实施例三的用户标签生成装置，获取终端的摄像装置采集到的用户图像；对所述用户图像进行识别，提取所述用户图像包含的用户的特征为所述用户的一级标签；将所述用户的一级标签上传至云平台，以使所述云平台根据接收到的所述用户的一级标签生成所述用户的二级标签。通过终端的摄像装置进行图像信息的采集，并在对用户图像进行识别和特征提取来生成用户的一级标签，从而能够在图像信息采集后快速地生成用户的一级标签，进一步地，将用户的一级标签上传至云平台，使得云平台基于用户的一级标签生成二级标签，能够提炼出更准确的符合用户特征的标签，从而提高用户标签生成的准确性。因此，本发明实现了快速、准确地基于用户图像信息生成用户标签的目的。

实施例四

图5是本发明实施例四提供的用户标签生成装置的结构图。如图4所示，所述用户标签生成装置具体包括以下单元：

接收单元401，用于接收由终端上传的用户的一级标签，所述一级标签包含所述用户的非人像标识特征。

本实施例中，一级标签除了包含用户的非人像标识特征，还可以包含用户的人像标识特征。

计算单元402，用于计算所述用户的非人像标识特征与标签库中预置标签的相关度。

本实施例中，标签库中可以包括多个预先设置的标签。

计算用户的非人像标识特征与标签库中预置标签的相关度具体可以通过计算非人像标识特征与预置标签的欧式距离来确定非人像标识特征与预置标签的相似度。

或者，可以通过计算非人像标识特征与预置标签的余弦相似度来确定非人像标识特征与预置标签的相似度。

或者还可以其他的现有技术中的向量之间的相关性计算方法来确定非人像标识特征与预置标签的相似度。具体的欧氏距离和预先相似度的计算方法可以从现有技术中获取，此处不再赘述。

第二获取单元403，用于获取与所述用户的非人像标识特征的相关度大于预设相关度的预置标签为所述用户的二级标签。

例如，非人像标识特征包括运动风格和学院风格，预置标签包括学生，计算运动风格与学生的相关度以及学院风格与学生的相关度，若相似度都大于预设相似度，则确定用户的二级标签为学生。

本实施例中，可以持续接收终端上传的用户的一级标签，进而生成二级标签，因此，能够不断获得用户的各个方便的特征信息，从而创建更加全面和准确的用户画像。

进一步的，在本发明另一实施例中，所述一级标签还包括所述用户的人像标识特征，所述装置还包括：

判断单元，用于判断是否存在所述用户的人像标识特征；

保存单元，用于若存在所述用户的人像标识特征，确定存在所述用户的用户画像信息，将所述用户的二级标签保存至所述用户的用户画像信息中；

创建单元，用于若不存在所述用户的人像标识特征，确定不存在所述用户的用户画像信息，基于所述一级标签信息包含的所述用户的人像标识信息以及所述用户的二级标签，创建所述用户的用户画像信息。

例如，云平台查询是否存在某用户的人脸特征，若存在该用户的人脸特征，将该用户的二级标签信息更新至该用户的用户画像信息里，该用户画像信息包含用户的人脸特征以及二级标签信息；若不存在该用户的人脸特征，创建该用户的用户画像信息标识，将用户的人脸特征和用户的二级标签更新至该用户的用户画像信息里。

实施例四的用户标签生成装置，接收由终端上传的用户的一级标签，所述一级标签包含所述用户的非人像标识特征；计算所述用户的非人像标识特征与标签库中预置标签的相关度；获取与所述用户的非人像标识特征的相关度大于预设相关度的预置标签为所述用户的二级标签。由于云平台处理的已经是经过识别的一级标签，而非大量的图像信息，并且，本实施例中，云平台能够基于一级标签进一步生成二级标签，因此云平台能够快速地生成二级标签，也能够根据用户多个维度的特征进行综合得到更加准确的用户的标签信息，有利于准确地构建用户画像。

实施例五

本实施例提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述用户标签生成方法实施例中的步骤，例如图1所示的步骤S101-S103或例如图3所示的步骤S201-S203：

或者，该计算机程序被处理器执行时实现上述装置实施例中各模块/单元的功能，例如图4中的单元301-303或例如图5所示的单元401-403：

实施例六

图6为本发明实施例六提供的计算机装置的示意图。所述计算机装置1包括存储器20、处理器30以及存储在所述存储器20中并可在所述处理器30上运行的计算机程序40，例如用户标签生成程序。所述处理器30执行所述计算机程序40时实现上述用户标签生成方法实施例中的步骤，例如图1所示的步骤S101-S103或例如图3所示的步骤S201-S203。

或者，所述处理器30执行所述计算机程序40时实现上述装置实施例中各模块/单元的功能，例如图4中的单元301-303或例如图5所示的单元401-403。

示例性的，所述计算机程序40可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器20中，并由所述处理器30执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序40在所述计算机装置1中的执行过程。例如，所述计算机程序40可以被分割成图4中的第一获取单元301、识别单元302、传输单元303，各单元具体功能参见实施例三；或者，所述计算机程序40可以被分割成图5中接收单元401、计算单元402、第二获取单元403，各单元具体功能参见实施例四。

所述计算机装置1可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。本领域技术人员可以理解，所述示意图6仅仅是计算机装置1的示例，并不构成对计算机装置1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，例如所述计算机装置1还可以包括输入输出设备、网络接入设备、总线等。

所称处理器30可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(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。通用处理器可以是微处理器或者该处理器30也可以是任何常规的处理器等，所述处理器30是所述计算机装置1的控制中心，利用各种接口和线路连接整个计算机装置1的各个部分。

所述存储器20可用于存储所述计算机程序40和/或模块/单元，所述处理器30通过运行或执行存储在所述存储器20内的计算机程序和/或模块/单元，以及调用存储在存储器20内的数据，实现所述计算机装置1的各种功能。所述存储器20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(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据计算机装置1的使用所创建的数据(比如音频数据)等。此外，存储器20可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(FlashCard)、至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。

所述计算机装置1集成的模块/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，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)等。

在本发明所提供的几个实施例中，应该理解到，所揭露的计算机装置和方法，可以通过其它的方式实现。例如，以上所描述的计算机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。

另外，在本发明各个实施例中的各功能单元可以集成在相同处理单元中，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相同单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。计算机装置权利要求中陈述的多个单元或计算机装置也可以由同一个单元或计算机装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (8)

1.一种用户标签生成方法，应用于终端，其特征在于，所述方法包括：

终端获取所述终端的摄像装置采集到的用户图像；

终端对所述用户图像进行识别，提取所述用户图像包含的用户的特征为所述用户的一级标签；所述用户的一级标签包含所述用户的人像标识特征和所述用户的第一非人像标识特征；

终端将所述用户的一级标签上传至云平台，以使所述云平台根据接收到的所述用户的一级标签生成所述用户的二级标签；

所述将所述用户的一级标签上传至云平台包括：

终端获取第一区域内所述终端以外的其他终端保存的其他一级标签；所述第一区域为物理区域范围，所述物理区域范围包括多个终端；

终端判断所述其他一级标签包含的其他人像标签特征中是否存在与所述用户的人像标识特征相同的人像标识特征；

若是，终端获取所述其他一级标签中与所述用户的人像标识特征相同的人像标识特征对应的第二非人像标识特征；

终端将所述用户的第一非人像标识特征与所述第二非人像标识特征进行合并处理或去重复处理，以得到所述用户的非人像标识特征，将包含所述用户的人像标识特征和非人像标识特征的所述用户的一级标签上传至所述云平台。

2.如权利要求1所述的方法，其特征在于，所述方法还包括：

终端获取第二区域内多个目标终端采集到的采样图像，其中，所述第二区域大于所述第一区域；

终端通过识别所述采样图像是否包含相同的采样对象，确定不同目标终端之间的采样重复率；

终端确定采样重复率低于预设重复率的不同目标终端所覆盖的图像采集区域为所述第一区域。

3.一种根据权利要求1至2任意一项所述的方法得到的用户标签生成方法，其特征在于，所述方法包括：

云平台接收由终端上传的用户的一级标签，所述一级标签包含所述用户的非人像标识特征；

云平台计算所述用户的非人像标识特征与标签库中预置标签的相关度；

云平台获取与所述用户的非人像标识特征的相关度大于预设相关度的预置标签为所述用户的二级标签。

4.如权利要求3所述的方法，其特征在于，所述方法还包括：

云平台判断是否存在所述用户的人像标识特征；

若是，云平台确定存在所述用户的用户画像信息，将所述用户的二级标签保存至所述用户的用户画像信息中；

若否，云平台确定不存在所述用户的用户画像信息，基于所述一级标签信息包含的所述用户的人像标识信息以及所述用户的二级标签，创建所述用户的用户画像信息。

5.一种用户标签生成装置，其特征在于，所述装置包括：

第一获取单元，用于获取终端的摄像装置采集到的用户图像；

识别单元，用于对所述用户图像进行识别，提取所述用户图像包含的用户的特征为所述用户的一级标签；所述用户的一级标签包含所述用户的人像标识特征和所述用户的第一非人像标识特征；

传输单元，用于将所述用户的一级标签上传至云平台，以使所述云平台根据接收到的所述用户的一级标签生成所述用户的二级标签；

所述传输单元将所述用户的一级标签上传至云平台包括：

获取第一区域内所述终端以外的其他终端保存的其他一级标签；所述第一区域为物理区域范围，所述物理区域范围包括多个终端；

判断所述其他一级标签包含的其他人像标签特征中是否存在与所述用户的人像标识特征相同的人像标识特征；

若是，获取所述其他一级标签中与所述用户的人像标识特征相同的人像标识特征对应的第二非人像标识特征；

将所述用户的第一非人像标识特征与所述第二非人像标识特征进行合并处理或去重复处理，以得到所述用户的非人像标识特征，将包含所述用户的人像标识特征和非人像标识特征的所述用户的一级标签上传至所述云平台。

6.一种根据权利要求5所述的装置得到的用户标签生成装置，其特征在于，所述装置包括：

接收单元，用于接收由终端上传的用户的一级标签，所述一级标签包含所述用户的非人像标识特征；

计算单元，用于计算所述用户的非人像标识特征与标签库中预置标签的相关度；

第二获取单元，用于获取与所述用户的非人像标识特征的相关度大于预设相关度的预置标签为所述用户的二级标签。

7.一种计算机装置，其特征在于：所述计算机装置包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1-2中任一项所述用户标签生成方法或3-4中任一项所述用户标签生成方法。

8.一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：所述计算机程序被处理器执行时实现如权利要求1-2中任一项所述用户标签生成方法或3-4中任一项所述用户标签生成方法。