CN114090986A - 一种公用设备上识别用户的方法及电子设备 - Google Patents
一种公用设备上识别用户的方法及电子设备 Download PDFInfo
- Publication number
- CN114090986A CN114090986A CN202010758218.9A CN202010758218A CN114090986A CN 114090986 A CN114090986 A CN 114090986A CN 202010758218 A CN202010758218 A CN 202010758218A CN 114090986 A CN114090986 A CN 114090986A
- Authority
- CN
- China
- Prior art keywords
- user
- data
- clusters
- biological
- feature
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities
Abstract
一种公用设备上识别用户的方法及电子设备,涉及智能设备领域,可以避免用户使用公用设备时频繁登录账号或者预先录入生物特征等操作,公用设备可以自动识别用户身份,提升多用户与公用设备的交互效率,该方法具体包括:公用设备获取多个用户的生物特征数据,将多个用户的生物特征数据中至少部分数据发送给与公用设备关联的私有设备,该私有设备具有第一用户的第一生物特征模型,由私有设备识别出其中对应第一用户的生物特征数据,而后公用设备根据识别为第一用户对应的生物特征数据,学习出第一用户对应的第二生物特征模型,用于识别第一用户。
Description
技术领域
本申请涉及智能设备领域,尤其涉及一种公用设备上识别用户的方法及电子设备。
背景技术
随着智能设备的发展,越来越多的智能设备进入用户日常的生活。有些智能设备是用户的私有设备,例如手机、PC、智能穿戴设备等,有些智能设备为多个用户共同使用的设备,即公有设备,例如电视、智能音箱、车载设备等。容易理解,公用设备上的用户交互和用户体验通常与私有设备不同。
通常,公用设备上是采用多账号管理方法。即,在公用设备初始化(即第一次使用)时或后续使用(即非第一次使用)过程中,通过添加账号的方法添加新的用户。公用设备会将添加的账号与该账号下的用户行为进行关联。由于公用设备具有多用户使用的特点,因此用户在使用该公用设备前,需要频繁录入账号和密码,操作繁琐。
为了简化用户频繁输入账号和密码的操作,在多账号管理的基础上,还可以要求每个账号的用户录入指纹、声纹或人脸等生物特征。而后,公用设备可以根据用户录入的指纹、声纹或人脸等生物特征自动识别用户的账号,并将识别出的账号与用户的行为进行关联。可见,虽然用户在使用公用设备时可以不再输入账号和密码,但仍需预先注册账号并绑定用户的生物特征,用户体验不佳。
发明内容
本申请提供的一种公用设备上识别用户的方法,可以避免用户使用公用设备时频繁登录账号或者预先录入生物特征等操作,自动识别用户身份,提升多用户与公用设备的交互效率。
为了实现上述目的,本申请实施例提供了以下技术方案:
第一方面、提供一种公用设备上识别用户身份的系统,系统包括第一设备以及关联第一设备的第二设备,第二设备存储有对应于第一用户的第一生物特征模型;第一设备,用于获取多个用户的生物特征数据;第一设备,还用于将多个用户的生物特征数据中的至少部分数据发送给第二设备;第二设备,用于根据第一生物特征模型,从至少部分数据中识别出对应第一用户的生物特征数据;第二设备,用于将识别结果发送给第一设备;第一设备,用于根据识别结果学习对应于第一用户的第二生物特征模型。
示例性的,多个用户在交替性使用第一设备(即公用设备)时,第一设备可以记录下多个用户使用公用设备的各类包含生物特征的用户数据(及生物特征数据)。该生物特征数据可以是第一设备接收到的原始数据,例如,摄像头采集的人脸图像,指纹识别器采集的指纹图像等,音频模块拾取的语音等)。该生物特征数据也可以是第一设备对接收到的原始数据进行处理的数据,例如根据摄像头采集的人脸图像识别出的脸部特征、语音中获取的声纹特征等。
综上,在供多个用户使用的电子设备上,多个用户可以不用注册账号或登录同一账号,公用设备可以利用具有识别用户身份能力的私有设备对公用设备上的生物特征数据进行识别,而后对已识别的用户的生物特征数据进行学习,得到该用户的生物特征模型,用于后续识别该用户的身份。可见,本申请实施例提供的方法能够用户无感知的识别用户身份,简化用户使用公用设备的操作,提升多用户与公用设备的交互效率。
一种可能的实现方式中,第一设备,还用于在根据识别结果学习对应于第一用户的第二生物特征模型之后,接收到一个操作;当根据学习到的第二生物特征模型确定一个操作对应于第一用户,则执行第一功能;当根据学习到的第二生物特征模型确定一个操作不对应第一用户,则执行第二功能,其中第一功能与第二功能不同。
可见,公用设备可以自动识别用户身份,为不同用户提供个性化的服务,提升用户与公用设备的交互效率。
一种可能的实现方式中,第二设备与第一设备关联包括以下任一项或任几项:第一设备和第二设备登录过同一账号,第一设备和第二设备连接同一个无线网络,第一设备登录的账号与第二设备登录的账号属于同一个群组,第一设备和第二设备建立过通信连接。
一种可能的实现方式中,第一生物特征包括第一用户的语音特征、图像特征、行为特征中的一项或多项。
一种可能的实现方式中,语音特征包括声纹特征和/或音色特征,图像特征包括人脸特征、虹膜特征、指纹特征、掌纹特征中的一项或多项,行为特征为按压或点击屏幕的力度特征、滑屏操作的轨迹特征中任一项。
一种可能的实现方式中,将多个用户的生物特征数据中的至少部分数据发送给第二设备,包括:将多个用户的生物特征数据划分为多个聚类,多个聚类中每一个聚类对应一个用户;将多个聚类中一个或多个聚类对应的生物特征数据发送给第二设备。
也就是说,可以采用聚类算法对公用设备上的用户数据进行初步的用户群体的划分。需要注意的是,在设置聚类预设阈值时,需要在不影响准确率的情况下尽可能划分用户群体。即在区分用户和聚类过于破碎之间适当取舍,以使得分割后的每一个聚类只对应一个用户,但同一个用户可以对应多个聚类。
在一个具体实现中,第一设备依次发送各个聚类的生物特征数据给第二设备,第二设备根据存储的第一生物特征模型对各个聚类中的生物特征数据进行识别,识别各个聚类的生物特征数据是否对应第一用户。而后,将各个聚类的识别结果依次返回给第一设备。此时,识别结果包括相应聚类中的生物特征数据对应第一用户或不对应第一用户。在另一个示例中,第一设备可以一次性或多次发送多个聚类的生物特征数据给第二设备,第二设备根据存储的第一生物特征模型对各个聚类中的生物特征数据进行识别,识别各个聚类的生物特征数据是否对应第一用户。然后,将对应第一用户的聚类的标识返回给第一设备。也就是说,此时,识别结果包括对应第一用户的聚类的标识。本申请对第一设备向第二设备发送聚类的生物特征数据的方式,以及第二设备返回识别结果的方式均不做限定。
一种可能的实现方式中,将多个聚类中一个或多个聚类对应的生物特征数据发送给第二设备,包括:从多个聚类中选择与第一生物特征模型的类型相同的一个或多个聚类对应的生物特征数据,发送给第二设备。
也就是说,公用设备还可以先对分割后的聚类进行初始分类,再选择性的发送到对应的私有设备进行特征比对。例如,公用设备可以根据聚类对应的用户性别、年龄段等信息进行用户群体分类,然后将各个聚类发送至用户群体一致的私有设备进行特征比对。又例如,公用设备还可以根据私有设备识别用户身份的能力不同,为各个私有设备能力匹配的不同类型的聚类。换言之,公用设备还可以根据各个聚类的类型(例如语音数据类型、图像数据类型、行为数据类型),选择相应类型的私有设备进行特征比对。
一种可能的实现方式中,从多个聚类中选择与第一生物特征模型的类型相同的一个或多个聚类对应的生物特征数据,发送给第二设备,包括:当第一生物特征模型的类型为语音特征类,则选择包含语音数据的一个或多个聚类对应的生物特征数据,发送给第二设备;当第一生物特征模型的类型为图像特性类,则选择包含图像数据的一个或多个聚类对应的生物特征数据,发送给第二设备;当第一生物特征模型的类型为行为特征类,则选择包含行为数据的一个或多个聚类对应的生物特征数据,发送给第二设备。
第二方面、一种公用设备上识别用户身份的方法,应用于第一设备和与第一设备关联的第二设备,第二设备存储有对应于第一用户的第一生物特征模型;方法包括:第一设备获取多个用户的生物特征;第一设备将多个用户的生物特征数据中的至少部分数据发送给第二设备;第一设备接收第二设备返回的识别结果,识别结果为第二设备根据第一生物特征模型从至少部分数据中识别出对应第一用户的生物特征数据的结果;第一设备根据识别结果学习对应于第一用户的第二生物特征模型。
一种可能的实现方式中,在根据识别结果学习对应于第一用户的第二生物特征模型之后,第一设备接收到一个操作;当根据学习到的第二生物特征模型确定一个操作对应于第一用户,则第一设备执行第一功能;当根据学习到的第二生物特征模型确定一个操作不对应第一用户,则第一设备执行第二功能,其中第一功能与第二功能不同。
一种可能的实现方式中,第二设备与第一设备关联包括以下任一项或任几项:第一设备和第二设备登录过同一账号,第一设备和第二设备连接同一个无线网络,第一设备登录的账号与第二设备登录的账号属于同一个群组,第一设备和第二设备建立过通信连接。
一种可能的实现方式中,第一生物特征包括第一用户的语音特征、图像特征、行为特征中的一项或多项。
一种可能的实现方式中,语音特征包括声纹特征和/或音色特征,图像特征包括人脸特征、虹膜特征、指纹特征、掌纹特征中的一项或多项,行为特征为按压或点击屏幕的力度特征、滑屏操作的轨迹特征中任一项。
一种可能的实现方式中,将多个用户的生物特征数据中的至少部分数据发送给第二设备,包括:将多个用户的生物特征数据划分为多个聚类,多个聚类中每一个聚类对应一个用户;将多个聚类中一个或多个聚类对应的生物特征数据发送给第二设备。
一种可能的实现方式中,将多个聚类中一个或多个聚类对应的生物特征数据发送给第二设备,包括:从多个聚类中选择与第一生物特征模型的类型相同的一个或多个聚类对应的生物特征数据,发送给第二设备。
一种可能的实现方式中,从多个聚类中选择与第一生物特征模型的类型相同的一个或多个聚类对应的生物特征数据,发送给第二设备,包括:当第一生物特征模型的类型为语音特征类,则选择包含语音数据的一个或多个聚类对应的生物特征数据,发送给第二设备;当第一生物特征模型的类型为图像特性类,则选择包含图像数据的一个或多个聚类对应的生物特征数据,发送给第二设备;当第一生物特征模型的类型为行为特征类,则选择包含行为数据的一个或多个聚类对应的生物特征数据,发送给第二设备。
第三方面、提供一种电子设备,包括:处理器、存储器和触摸屏,存储器、触摸屏与处理器耦合,存储器用于存储计算机程序代码,计算机程序代码包括计算机指令,当处理器从存储器中读取计算机指令,以使得电子设备执行如下操作:获取多个用户的生物特征;将多个用户的生物特征数据中的至少部分数据发送给与电子设备关联的另一电子设备,另一电子设备存储有对应与第一用户的第一生物特征模块;接收另一电子设备返回的识别结果,识别结果为另一电子设备根据第一生物特征模型从至少部分数据中识别出对应第一用户的生物特征数据的结果;根据识别结果学习对应于第一用户的第二生物特征模型。
一种可能的实现方式中,当处理器从存储器中读取计算机指令,还使得电子设备执行如下操作:在根据识别结果学习对应于第一用户的第二生物特征模型之后,接收到一个操作;当根据学习到的第二生物特征模型确定一个操作对应于第一用户,则执行第一功能;当根据学习到的第二生物特征模型确定一个操作不对应第一用户,则执行第二功能,其中第一功能与第二功能不同。
一种可能的实现方式中,另一电子设备与电子设备关联包括以下任一项或任几项:电子设备和另一电子设备登录过同一账号,电子设备和另一电子设备连接同一个无线网络,电子设备登录的账号与另一电子设备登录的账号属于同一个群组,电子设备和另一电子设备建立过通信连接。
一种可能的实现方式中,第一生物特征包括第一用户的语音特征、图像特征、行为特征中的一项或多项。
一种可能的实现方式中,语音特征包括声纹特征和/或音色特征,图像特征包括人脸特征、虹膜特征、指纹特征、掌纹特征中的一项或多项,行为特征为按压或点击屏幕的力度特征、滑屏操作的轨迹特征中任一项。
一种可能的实现方式中,将多个用户的生物特征数据中的至少部分数据发送给另一电子设备,包括:将多个用户的生物特征数据划分为多个聚类,多个聚类中每一个聚类对应一个用户;将多个聚类中一个或多个聚类对应的生物特征数据发送给另一电子设备。
一种可能的实现方式中,将多个聚类中一个或多个聚类对应的生物特征数据发送给另一电子设备,包括:从多个聚类中选择与第一生物特征模型的类型相同的一个或多个聚类对应的生物特征数据,发送给另一电子设备。
一种可能的实现方式中,从多个聚类中选择与第一生物特征模型的类型相同的一个或多个聚类对应的生物特征数据,发送给另一电子设备,包括:当第一生物特征模型的类型为语音特征类,则选择包含语音数据的一个或多个聚类对应的生物特征数据,发送给另一电子设备;当第一生物特征模型的类型为图像特性类,则选择包含图像数据的一个或多个聚类对应的生物特征数据,发送给另一电子设备;当第一生物特征模型的类型为行为特征类,则选择包含行为数据的一个或多个聚类对应的生物特征数据,发送给另一电子设备。
第四方面、提供一种装置,该装置包含在电子设备中,该装置具有实现上述方面及可能的实现方式中任一方法中电子设备行为的功能。该功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。硬件或软件包括至少一个与上述功能相对应的模块或单元。例如,接收模块或单元、显示模块或单元、以及处理模块或单元等。
第五方面、提供一种计算机可读存储介质,包括计算机指令,当计算机指令在终端上运行时,使得终端执行如上述方面及其中任一种可能的实现方式中所述的方法。
第六方面、提供一种电子设备上的图形用户界面,所述电子设备具有显示屏、摄像头、存储器、以及一个或多个处理器,所述一个或多个处理器用于执行存储在所述存储器中的一个或多个计算机程序,所述图形用户界面包括所述电子设备执行如上述方面及其中任一种可能的实现方式中所述的方法时显示的图形用户界面。
第七方面、提供一种计算机程序产品,当计算机程序产品在计算机上运行时,使得计算机执行如上述方面中及其中任一种可能的实现方式中所述的方法。
第八方面、提供一种芯片系统,包括处理器,当处理器执行指令时,处理器执行如上述方面中及其中任一种可能的实现方式中所述的方法。
附图说明
图1为本申请实施例提供的一种通信系统的结构示意图;
图2A为本申请实施例提供的一种电子设备的结构示意图;
图2B为本申请实施例提供的另一种通信系统的结构示意图;
图3为本申请实施例提供的一种公用设备自动识别用户的方法的流程示意图;
图4为本申请实施例提供的一种公用设备上多用户数据的聚类分割方法的示意图;
图5为本申请实施例提供的一种公用设备上多用户数据聚类的特征比对方法的示意图;
图6为本申请实施例提供的一种公用设备上多用户数据标注用户的方法的示意图;
图7为本申请实施例提供的一种公用设备上学习多个用户特征的方法的示意图;
图8A-图8C为本申请实施例提供的一种公用设备显示界面以及语音播放内容的示意图;
图9为本申请实施例提供的另一种公用设备自动识别用户的方法的流程示意图;
图10为本申请实施例提供的一种芯片系统的结构示意图。
具体实施方式
以下,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请实施例的描述中,除非另有说明,“多个”的含义是两个或两个以上。
在本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
如图1所示,为本申请实施例提供的一种通信系统,该通信系统包括一个或多个公用设备100,以及一个或多个私有设备200,例如用户A的私有设备,用户B的私有设备。
其中,公用设备100,为供多个用户共同使用的公用的电子设备。该电子设备例如可以为平板电脑、个人计算机(personal computer,PC)、个人数字助理(personal digitalassistant,PDA)、增强现实技术(augmented reality,AR)设备、虚拟现实(virtualreality,VR)设备、车载设备、智慧屏、智能汽车、智能音响、电视等,本申请对该电子设备的具体形式不做特殊限制。其中,私有设备200,通常为单个用户专用的设备,例如手机、PC、智能手表、穿戴设备等。
例如,公用设备100可以是大屏的电子设备(如电视、智慧屏)。家庭成员或者公司同事可以将自己私有设备(如手机、平板、电脑)上播放的视频投屏到大屏的电子设备上,以提升视觉体验。又例如,公用设备100可以是智能音箱。家庭成员可以将通过智能音箱播放自己私有设备(如手机、平板、智能穿戴)上音频等,以及与家庭中其他智能设备进行联动等。又例如,公用设备100可以是车载终端,家庭成员可以在驾车或乘车时通过车载终端播放自己私有设备(例如手机)上的音频,或拨打接听私有设备(例如手机)的电话等。
在本申请实施例中,多个用户在使用公用设备100时,可以不用注册和登录账号,或者多个用户登录同一个账号进行操作。然而,公用设备100可以自动识别出不同用户的特征(包括生物特征、行为特征等),并为不同的用户推荐个性化的服务。其中,生物特征包括用户的指纹、人脸、瞳孔等物理特征。行为特征包括用户的声纹、滑屏操作习惯等。
通常,用户在使用公用设备100的过程中,会存在需与自己私有设备200进行关联的情况。例如,用户使用公用设备100上某个应用时,利用自己私有设备200授权公用设备100登录私有设备200上登录的账号。比如,用户通过私有设备200扫描公用设备100上的二维码登录“微信”应用、“支付宝”应用、“网盘”应用等账号。又例如,公用设备100上登录的账号,与某个用户的私有设备200上的账号相同或者属于同一个家庭账号。又例如,公用设备200与用户自己私有设备200建立过无线连接(比如蓝牙连接或WIFI连接等)。因此,本申请实施例提出一种公用设备自动识别用户的方法,可以利用与公用设备100关联的私有设备200上已学习的用户特征,识别出公用设备100上的用户数据所对应的用户。而后,公用设备100对已识别用户的用户数据进行自学习,学习出该用户对应的用户特征,用于识别后续新输入的用户数据。进一步的,公用设备100可以针对不同的用户提供个性化服务。下文将详细介绍具体的技术方案。
如图2A所示,为公用设备100的结构示意图。
公用设备100可以包括处理器110,外部存储器接口120,内部存储器121,通用串行总线(universal serial bus,USB)接口130,充电管理模块140,电源管理模块141,电池142,天线1,天线2,移动通信模块150,无线通信模块160,音频模块170,扬声器170A,麦克风170C,耳机接口170D,传感器模块180,按键190,马达191,指示器192,摄像头193,显示屏194,以及用户标识模块(subscriber identification module,SIM)卡接口195等。
可以理解的是,本发明实施例示意的结构并不构成对公用设备100的具体限定。在本申请另一些实施例中,公用设备100可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件,软件或软件和硬件的组合实现。
处理器110可以包括一个或多个处理单元,例如:处理器110可以包括应用处理器(application processor,AP),调制解调处理器,图形处理器(graphics processingunit,GPU),图像信号处理器(image signal processor,ISP),控制器,视频编解码器,数字信号处理器(digital signal processor,DSP),基带处理器,和/或神经网络处理器(neural-network processing unit,NPU)等。其中,不同的处理单元可以是独立的器件,也可以集成在一个或多个处理器中。
控制器可以根据指令操作码和时序信号,产生操作控制信号,完成取指令和执行指令的控制。
处理器110中还可以设置存储器,用于存储指令和数据。在一些实施例中,处理器110中的存储器为高速缓冲存储器。该存储器可以保存处理器110刚用过或循环使用的指令或数据。如果处理器110需要再次使用该指令或数据,可从所述存储器中直接调用。避免了重复存取,减少了处理器110的等待时间,因而提高了系统的效率。
在一些实施例中,处理器110可以包括一个或多个接口。接口可以包括集成电路(inter-integrated circuit,I2C)接口,集成电路内置音频(inter-integrated circuitsound,I2S)接口,脉冲编码调制(pulse code modulation,PCM)接口,通用异步收发传输器(universal asynchronous receiver/transmitter,UART)接口,移动产业处理器接口(mobile industry processor interface,MIPI),通用输入输出(general-purposeinput/output,GPIO)接口,用户标识模块(subscriber identity module,SIM)接口,和/或通用串行总线(universal serial bus,USB)接口等。
可以理解的是,图2A示意的各模块间的接口连接关系,只是示意性说明,并不构成对公用设备100的结构限定。在本申请另一些实施例中,公用设备100也可以采用上述实施例中不同的接口连接方式,或多种接口连接方式的组合。
充电管理模块140用于从充电器接收充电输入。其中,充电器可以是无线充电器,也可以是有线充电器。在一些有线充电的实施例中,充电管理模块140可以通过USB接口130接收有线充电器的充电输入。在一些无线充电的实施例中,充电管理模块140可以通过公用设备100的无线充电线圈接收无线充电输入。充电管理模块140为电池142充电的同时,还可以通过电源管理模块141为电子设备供电。
电源管理模块141用于连接电池142,充电管理模块140与处理器110。电源管理模块141接收电池142和/或充电管理模块140的输入,为处理器110,内部存储器121,显示屏194,摄像头193,和无线通信模块160等供电。电源管理模块141还可以用于监测电池容量,电池循环次数,电池健康状态(漏电,阻抗)等参数。在其他一些实施例中,电源管理模块141也可以设置于处理器110中。在另一些实施例中,电源管理模块141和充电管理模块140也可以设置于同一个器件中。
公用设备100的无线通信功能可以通过天线1,天线2,移动通信模块150,无线通信模块160,调制解调处理器以及基带处理器等实现。
天线1和天线2用于发射和接收电磁波信号。公用设备100中的每个天线可用于覆盖单个或多个通信频带。不同的天线还可以复用,以提高天线的利用率。例如:可以将天线1复用为无线局域网的分集天线。在另外一些实施例中,天线可以和调谐开关结合使用。
移动通信模块150可以提供应用在公用设备100上的包括2G/3G/4G/5G等无线通信的解决方案。移动通信模块150可以包括至少一个滤波器,开关,功率放大器,低噪声放大器(low noise amplifier,LNA)等。移动通信模块150可以由天线1接收电磁波,并对接收的电磁波进行滤波,放大等处理,传送至调制解调处理器进行解调。移动通信模块150还可以对经调制解调处理器调制后的信号放大,经天线1转为电磁波辐射出去。在一些实施例中,移动通信模块150的至少部分功能模块可以被设置于处理器110中。在一些实施例中,移动通信模块150的至少部分功能模块可以与处理器110的至少部分模块被设置在同一个器件中。
调制解调处理器可以包括调制器和解调器。其中,调制器用于将待发送的低频基带信号调制成中高频信号。解调器用于将接收的电磁波信号解调为低频基带信号。随后解调器将解调得到的低频基带信号传送至基带处理器处理。低频基带信号经基带处理器处理后,被传递给应用处理器。应用处理器通过音频设备(不限于扬声器170A等)输出声音信号,或通过显示屏194显示图像或视频。在一些实施例中,调制解调处理器可以是独立的器件。在另一些实施例中,调制解调处理器可以独立于处理器110,与移动通信模块150或其他功能模块设置在同一个器件中。
无线通信模块160可以提供应用在公用设备100上的包括无线局域网(wirelesslocal area networks,WLAN)(如无线保真(wireless fidelity,Wi-Fi)网络),蓝牙(bluetooth,BT),全球导航卫星系统(global navigation satellite system,GNSS),调频(frequency modulation,FM),近距离无线通信技术(near field communication,NFC),红外技术(infrared,IR)等无线通信的解决方案。无线通信模块160可以是集成至少一个通信处理模块的一个或多个器件。无线通信模块160经由天线2接收电磁波,将电磁波信号调频以及滤波处理,将处理后的信号发送到处理器110。无线通信模块160还可以从处理器110接收待发送的信号,对其进行调频,放大,经天线2转为电磁波辐射出去。
在本申请的一些示例中,公用设备100可以通过无线通信模块160,与用户的私有设备200建立无线连接。公用设备100可以通过该无线连接,向私有设备100发送用户数据,由私有设备100对公用设备上的用户数据进行用户特征比对。公用设备100还可以通过该无线连接,接收私有设备100返回的特征比对。当然,公用设备100也可以通过例如USB接口与私有设备200建立有线连接,通过有线连接发送上述用户数据以及接收比对结果,本申请实施例对此不做限定。
在一些实施例中,公用设备100的天线1和移动通信模块150耦合,天线2和无线通信模块160耦合,使得公用设备100可以通过无线通信技术与网络以及其他设备通信。所述无线通信技术可以包括全球移动通讯系统(global system for mobile communications,GSM),通用分组无线服务(general packet radio service,GPRS),码分多址接入(codedivision multiple access,CDMA),宽带码分多址(wideband code division multipleaccess,WCDMA),时分码分多址(time-division code division multiple access,TD-SCDMA),长期演进(long term evolution,LTE),BT,GNSS,WLAN,NFC,FM,和/或IR技术等。所述GNSS可以包括全球卫星定位系统(global positioning system,GPS),全球导航卫星系统(global navigation satellite system,GLONASS),北斗卫星导航系统(beidounavigation satellite system,BDS),准天顶卫星系统(quasi-zenith satellitesystem,QZSS)和/或星基增强系统(satellite based augmentation systems,SBAS)。
公用设备100通过GPU,显示屏194,以及应用处理器等实现显示功能。GPU为图像处理的微处理器,连接显示屏194和应用处理器。GPU用于执行数学和几何计算,用于图形渲染。处理器110可包括一个或多个GPU,其执行程序指令以生成或改变显示信息。
显示屏194用于显示图像,视频等。显示屏194包括显示面板。显示面板可以采用液晶显示屏(liquid crystal display,LCD),有机发光二极管(organic light-emittingdiode,OLED),有源矩阵有机发光二极体或主动矩阵有机发光二极体(active-matrixorganic light emitting diode的,AMOLED),柔性发光二极管(flex light-emittingdiode,FLED),Miniled,MicroLed,Micro-oLed,量子点发光二极管(quantum dot lightemitting diodes,QLED)等。在一些实施例中,公用设备100可以包括1个或N个显示屏194,N为大于1的正整数。
公用设备100可以通过ISP,摄像头193,视频编解码器,GPU,显示屏194以及应用处理器等实现拍摄功能。
ISP用于处理摄像头193反馈的数据。例如,拍照时,打开快门,光线通过镜头被传递到摄像头感光元件上,光信号转换为电信号,摄像头感光元件将所述电信号传递给ISP处理,转化为肉眼可见的图像。ISP还可以对图像的噪点,亮度,肤色进行算法优化。ISP还可以对拍摄场景的曝光,色温等参数优化。在一些实施例中,ISP可以设置在摄像头193中。
上述摄像头193用于捕获静态图像或视频。物体通过镜头生成光学图像投射到感光元件。感光元件可以是电荷耦合器件(charge coupled device,CCD)或互补金属氧化物半导体(complementary metal-oxide-semiconductor,CMOS)光电晶体管。感光元件把光信号转换成电信号,之后将电信号传递给ISP转换成数字图像信号。ISP将数字图像信号输出到DSP加工处理。DSP将数字图像信号转换成标准的RGB,YUV等格式的图像信号。在一些实施例中,公用设备100可以包括1个或N个摄像头193,N为大于1的正整数。在另一些实施例中,摄像头193为可升降的摄像头。
数字信号处理器用于处理数字信号,除了可以处理数字图像信号,还可以处理其他数字信号。例如,当公用设备100在频点选择时,数字信号处理器用于对频点能量进行傅里叶变换等。
视频编解码器用于对数字视频压缩或解压缩。公用设备100可以支持一种或多种视频编解码器。这样,公用设备100可以播放或录制多种编码格式的视频,例如:动态图像专家组(moving picture experts group,MPEG)1,MPEG2,MPEG3,MPEG4等。
NPU为神经网络(neural-network,NN)计算处理器,通过借鉴生物神经网络结构,例如借鉴人脑神经元之间传递模式,对输入信息快速处理,还可以不断的自学习。通过NPU可以实现公用设备100的智能认知等应用,例如:图像识别,人脸识别,语音识别,文本理解等。
外部存储器接口120可以用于连接外部存储卡,例如Micro SD卡,实现扩展公用设备100的存储能力。外部存储卡通过外部存储器接口120与处理器110通信,实现数据存储功能。例如将音乐,视频等文件保存在外部存储卡中。
内部存储器121可以用于存储计算机可执行程序代码,所述可执行程序代码包括指令。内部存储器121可以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。存储数据区可存储公用设备100使用过程中所创建的数据(比如音频数据,电话本等)等。此外,内部存储器121可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件,闪存器件,通用闪存存储器(universal flash storage,UFS)等。处理器110通过运行存储在内部存储器121的指令,和/或存储在设置于处理器中的存储器的指令,执行公用设备100的各种功能应用以及数据处理。
公用设备100可以通过音频模块170,扬声器170A,麦克风170C,耳机接口170D,以及应用处理器等实现音频功能。例如音乐播放,录音等。
音频模块170用于将数字音频信息转换成模拟音频信号输出,也用于将模拟音频输入转换为数字音频信号。音频模块170还可以用于对音频信号编码和解码。在一些实施例中,音频模块170可以设置于处理器110中,或将音频模块170的部分功能模块设置于处理器110中。扬声器170A,也称“喇叭”,用于将音频电信号转换为声音信号。公用设备100可以通过扬声器170A收听音乐。麦克风170C,也称“话筒”,“传声器”,用于将声音信号转换为电信号。当拨打电话或发送语音信息时,用户可以通过人嘴靠近麦克风170C发声,将声音信号输入到麦克风170C。公用设备100可以设置至少一个麦克风170C。耳机接口170D用于连接有线耳机。耳机接口170D可以是USB接口130,也可以是3.5mm的开放移动电子设备平台(openmobile terminal platform,OMTP)标准接口,美国蜂窝电信工业协会(cellulartelecommunications industry association of the USA,CTIA)标准接口。
按键190包括开机键,音量键等。按键190可以是机械按键。也可以是触摸式按键。公用设备100可以接收按键输入,产生与公用设备100的用户设置以及功能控制有关的键信号输入。马达191可以产生振动提示。马达191可以用于来电振动提示,也可以用于触摸振动反馈。例如,作用于不同应用(例如拍照,音频播放等)的触摸操作,可以对应不同的振动反馈效果。指示器192可以是指示灯,可以用于指示充电状态,电量变化,也可以用于指示消息,未接来电,通知等。SIM卡接口195用于连接SIM卡。SIM卡可以通过插入SIM卡接口195,或从SIM卡接口195拔出,实现和公用设备100的接触和分离。公用设备100可以支持1个或N个SIM卡接口,N为大于1的正整数。
图2B是本发明实施例的方法中涉及公用设备100与私有设备200之间的交互示意图。
示例性的,公用设备100可以包括特征采集模块、特征聚类/标注模块、特征学习模块以及特征存储模块。私有设备200可以包括特征采集模块、特征学习模块、特征存储模块以及特征识别模块。
一些示例中,当公用设备100接收多个用户输入的操作后,特征采集模块可以对多个用户的操作进行特征采集,例如采集用户的生物特征(例如语音、指纹、人脸图像、人眼图像等),采集用户执行滑屏操作的轨迹特征,用户执行按压屏幕的力度特征等。而后,公用设备100的特征聚类/标注模块可以对多个用户的操作以及多个用户的操作对应的特征执行聚类算法,将多个用户的操作划分为多个聚类。其中,一个聚类对应一个用户。换言之,一个聚类中包含该用户的多个操作以及各个操作对应的特征。公用设备100将划分后的各个聚类输入到与公用设备100连接的各个私有设备200上,由私有设备上的特征识别模块进行特征识别,以协助公用设备100确定各个聚类对应的用户的身份进行识别,并对识别出身份的聚类进行标注。公用设备100的特征学习模块根据特征聚类/标注模块的标注结果,对标注为同一用户身份的所有聚类进行特征学习,例如学习出用户A、用户B和用户C的特征,并存储在特征存储模块中。后续,当公用设备100接受到新的用户操作后,公用设备100可以根据特征存储模块中存储的各个用户的特征对该新的用户操作进行身份识别,以便根据识别出的用户推荐个性化服务等。其中,具体的技术方案可参考下文的详细描述,这里先不做详细说明。
需要说明的是,私有设备200需要预先学习出自己用户(即私有设备200的使用者,通常为一个用户)的特征。即,私有设备200的特征采集模块根据自己用户的操作识别出操作特征。然后,特征学习模块根据识别出的操作特征学习出自己用户的特征,并存储在特征存储模块中。后续,当需要识别某个用户操作的执行者是否为该私有设备200的用户时,可以通过特征识别模块调用特征存储模块中的数据进行识别。
以下实施例中所涉及的技术方案均可以在具有上述硬件架构和软件架构的公用设备100和私有设备200中实现。
如图3所示,为本申请实施例提供一种公用设备自动识别用户的方法流程图,具体包括:
S301、公用设备在不登录账号或者登录同一个账号或者登录属于同一个群组的多个账号的情况下,接收多个用户数据。
示例性的,为了便于用户在交替性使用公用设备时,不需要额外的注册账号以及登录账号,公用设备可以不设置账号或者统一设置一个账号或者登录属于同一个群组(例如家庭群组)的多个账号,由多个用户共同使用该公用设备。公用设备可以记录下多个用户使用公用设备的各类用户数据。例如,用户数据包括但不限于语音数据、图像数据、行为数据、应用记录等信息。
其中,语音数据,包括公用设备通过麦克风或外接耳机采集到的用户输入的语音等。例如,公用设备上安装有语音助手应用,用户可以语音助手应用向公用设备输入语音命令。语音数据包括用户的语音,也可以包括公用设备对用户的语音进行语音识别得到的结果等。图像数据,包括公用设备通过摄像头或外接摄像头采集到的图像等。图像数据包括人脸图像,也可以包括根据图像进行人脸识别或虹膜识别后的结果等。行为数据包括用户操作公用设备的行为,例如用户滑屏操作、点击屏幕操作、按压屏幕操作等。行为数据还可以包括根据用户操作公用设备的行为分析出的用户操作习惯等信息。例如,根据用户滑屏操作,确定用户滑屏时的轨迹特征;根据用户按压屏幕操作,确定用户按压屏幕的力度等。应用记录包括但不限于应用类型、应用名称、应用使用频次、应用开启时间和关闭时间(或应用启动时长)、应用功能等。应用记录还包括根据用户使用应用的情况提取出的用户偏好,例如用户喜欢浏览的网页内容,用户喜爱观看的电影类型,用户常听的音乐等,用户经常购买的物品等。
可选的,公用设备还可以对记录的用户数据进行进一步的分析,提取出与用户身份相关的特征。例如,可以分析语音数据中用户语音的音色等,以提取用户的性别。又例如,分析语音数据中的内容(例如称呼、语言用语等)等,以提取出用户的身份或年龄段。又例如,对公用设备获取的图像数据进行人脸识别或虹膜识别,以识别用户身份(包括性别、年龄段等)。又例如,公用设备可以根据用户按压屏幕的力度或点击屏幕的力度,以提取出用户的性别。又例如,不同用户执行相同的滑屏操作时,手指滑动的轨迹通常有差异。因此公用设备还可以根据用户滑屏操作的轨迹识别是否为同一用户。
可选的,公用设备可以对记录的全部用户数据,可以包括针对原始的用户数据信息分析得到的与用户身份相关的特征,进行筛选和分类,分别确定出与用户身份相关的用户数据,以及与用户偏好相关的用户数据。其中,与用户身份相关的用户数据例如包括语音数据、图像数据、行为数据等,可用于后续识别用户身份。与用户偏好相关的用户数据例如包括行为数据、应用记录等,可用于后续根据用户身份对用户提供或推荐个性化服务。需要注意的是,与用户身份相关的用户数据,以及与用户偏好相关的用户数据可能存在交集。例如,行为数据可能同时包含与用户身份相关的信息,以及与用户偏好相关的信息。
可以注意的是,在多个用户刚开始使用公用设备的阶段(例如公用设备刚开始使用的第一周),由于公用设备不具备识别用户的能力,故公用设备可以不针对不同用户提供个性化服务,或者为不同用户随机推荐服务,或者为不同用户推荐相同的服务,本申请实施例对此不做限定。
S302、公用设备对用户数据进行聚类分割。其中,分割后的每一个聚类对应同一个用户,同一个用户可以对应多个聚类。
示例性的,当多个用户使用公用设备一段时间后(例如一周、一个月),公用设备上记录有多个用户的用户数据。公用设备可以采用聚类算法对已记录的用户数据或者已确定为与用户身份相关的用户数据进行聚类分割,将具有相同特征的用户数据划分为一个聚类。即,一个聚类仅包含一个用户的用户数据。也就是说,可以采用聚类算法对公用设备上的用户数据进行初步的用户群体的划分。需要注意的是,在设置聚类预设阈值时,需要在不影响准确率的情况下尽可能划分用户群体。即在区分用户和聚类过于破碎之间适当取舍,以使得分割后的每一个聚类只对应一个用户,但同一个用户可以对应多个聚类。
其中,上述聚类算法例如可以为K-means方法(例如,k-均值算法、k-中心点算法)、层次聚类(Hierarchical Clustering)方法、基于密度的方法(例如具有噪声的基于密度的聚类方法(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)、HDBSCAN等)、图形神经网络(Graph Neural Network,GNN)等中任一项或任几项。
在一些示例中,可以针对已记录的用户数据或者已确定为与用户身份相关的用户数据采用相同的聚类算法进行聚类分割,也可以针对已记录的用户数据或者已确定为与用户身份相关的用户数据的不同类型(例如语音数据、图像数据、行为数据等)采用不同的聚类算法进行分割,本申请实施例对此不做限定。
如图4所示,公用设备中存储有多个用户(例如用户A、用户B和用户C)的各种用户数据。其中,图中每个图形代表一条用户数据。相同形状的图形表示一类用户数据,例如圆圈表示语音数据,三角形表示图像数据,正方形表示行为数据等。需要注意的是,此时公用设备并不知道每条用户数据对应的用户。可以采用本步骤的聚类算法,将这些用户数据中特征相似的划分为一个聚类,每一个聚类对应一个用户。例如,公用设备执行聚类算法后,形成聚类1至聚类5。若存在未聚类成功的用户数据,例如图中未被划分到聚类1至聚类5中的其他用户数据为未聚类成功的用户数据,则等待后续输入的新的用户数据。此时未聚类成功的用户数据,可以与新的用户数据一起再次执行聚类算法,以确定各个用户数据的聚类。
S303、公用设备将分割后的聚类发送到关联的一个或多个私有设备,由一个或多个私有设备进行用户特征比对。
S304、公用设备根据各个私有设备返回的用户特征比对结果为各个聚类标注用户。
在步骤S303-步骤S304中,各个用户在使用公用设备的过程中,会将公用设备关联到自己的私有设备上。例如,用户A在使用公用设备的某个应用时,可能会使用自己的私有设备A(例如手机、平板等)扫描公用设备上的二维码,并授权公用设备上的应用登录自己的某个账号,如“微信”账号、“支付宝”账号、邮箱账号、视频应用账号等。又例如,用户A使用自己的手机号登录公用设备的某个应用,那么公用设备与用户A的手机建立关联。又例如,用户B使用公用设备连接自己私有设备B分享的热点。又例如,用户C通过建立公用设备与自己私有设备C的蓝牙连接或WLAN连接传输过文件等。又例如,用户A使用公用设备登录的账号与用户私有设备A的账号相同,或者属于同一个群组,如家庭群组。又例如,公用设备为大屏设备,用户B将私有设备B上播放的视频或显示的文档投屏到公用设备上。本申请实施例中对公用设备与私有设备之间的关联方式不做限定。
换言之,若公用设备与私有设备之间建立过关联,可确认私有设备为公用设备的可信设备。又由于用户的私有设备一般存储有大量该用户的用户数据,且已学习到该用户的用户特征,能够识别出属于该用户的用户数据。因此,公用设备可以利用私有设备中已学习到的用户特征对自身设备上的用户数据进行用户身份的识别。换言之,利用私有设备中的用户特征识别模型,将公用设备中各个聚类与公用设备关联的私有设备建立对应关系,即将公用设备中各个聚类与私有设备对应的用户建立对应关系,完成公用设备中各个聚类的用户身份识别。其中,用户特征包括但不限于声纹特征、人脸特征、虹膜特征、指纹特征、掌纹特征等生物特征,以及行为特征。
如图5所示,私有设备上具有用户特征识别模型,例如私有设备A上具有声纹识别模型和人脸识别模型,私有设备B上具有声纹识别模型、人脸识别模型和行为识别模型,私有设备C上具有指纹识别模型和人脸识别模型。其中,声纹识别模型可用于提取语音数据中的声纹特征,将将提取的声纹特征与模型中的预设的声纹模板进行比对。若比对结果的置信度大于或等于预设阈值,则认为该语音数据与预设的声纹模板属于同一用户,否则认为属于不同用户。人脸识别模型可用于提取图像数据中的人脸特征,将提取的人脸特征与模型中的预设的人脸模板进行比对。若比对结果的置信度大于或等于预设阈值,则认为该图像数据与预设的人脸模板属于同一用户,否则认为属于不同用户。行为识别模型可用于提取行为数据中的行为特征,将将提取的行为特征与模型中的预设的行为模板进行比对。若比对结果的置信度大于或等于预设阈值,则认为该行为数据与预设的行为模板属于同一用户,否则认为属于不同用户。指纹识别模型可用于提取行为数据中的行为特征,将提取的指纹特征与模型中的预设的指纹模板进行比对。若比对结果的置信度大于或等于预设阈值,则认为该行为数据与预设的行为模板属于同一用户,否则认为属于不同用户。需要说明的是,相同设备上不同的用户特征识别模型对应的预设阈值可以相同或不同,不同设备上相同的用户特征识别模型的预设阈值可以相同或不同。
而后,公用设备可以将步骤S302中划分的每个聚类中的用户数据发送给关联的一个或多个私有设备,由接收到聚类的私有设备利用自身具有的特征模型进行比对,并将比对结果返回给公用设备。公用设备根据返回的比对结果确定各个聚类对应的用户,并进行标注。
一些示例中,公用设备可以先将上述分割得到的聚类发送给其中一个私有设备进行特征比对。然后根据比对结果,将不对应该私有设备的聚类发送给另一个私有设备进行特征比对。依次类推,直到该公用设备关联的所有私有设备均完成比对。例如,如图5所示的示例,公用设备可以先将聚类1至聚类5发送到私有设备A进行特征比对。其中,聚类1和聚类4确定对应于私有设备A,属于用户A的用户数据。聚类2、聚类3和聚类5均未比对成功。然后,公用设备将聚类2、聚类3和聚类5发送给私有设备B进行特征比对。其中,聚类2确定对应与私有设备B,属于用户B的用户数据。聚类3和聚类5均未比对成功。再将聚类3和聚类5发送给私有设备C进行特征比对,确定聚类3对应私有设备C,属于用户C的用户数据。而聚类5未对应任何私有设备。另一些示例中,公用设备也可以同时将全部的聚类发送给多个私有设备,由多个私有设备同时进行特征对比。若根据比对结果确定某个聚类对应多个私有设备时,可以进一步确定该聚类对应其中置信度最大的私有设备。例如,如图5所示的示例,公用设备可以将聚类1和聚类5分别发送到私有设备A、私有设备B和私有设备C分别进行特征比对。其中,聚类1、聚类3和聚类4对应于私有设备A,聚类2确定对应与私有设备B,聚类3对应私有设备C。可以注意到,聚类3对应私有设备A和私有设备C。假设私有设备A和私有设备C中的人脸识别模型的预设阈值均为80,聚类3与私有设备A中人脸识别模型比对结果的置信度为85,与私有设备C中人脸识别模型比对结果的置信度为90,那么,最终确定聚类3对应私有设备C,属于用户C的数据。又一些示例中,公用设备可以先将不同的聚类分别发送到不同的私有设备进行比对。然后,将未比对的和未对应私有设备的聚类发送给空闲的私有设备进行比对。例如,如图5所示的示例,公用设备可以先将聚类1发送到私有设备A,聚类2发送到私有设备B,聚类3发送到私有设备C进行特征比对。比对结果显示,聚类1对应于私有设备A,聚类2确定对应与私有设备B,聚类3对应私有设备C。然后,将聚类4发送到私有设备A,聚类5发送到私有设备B进行特征比对。比对结果显示,聚类4对应于私有设备A,而聚类5不对应于私有设备B。再将聚类5发送到私有设备A和私有设备C进行特征比对,而比对结果显示聚类5也不对应私有设备A和私有设备C,比对结束。
又一些示例中,公用设备还可以先对分割后的聚类进行初始分类,再选择性的发送到对应的私有设备进行特征比对。例如,公用设备可以根据聚类对应的用户性别、年龄段等信息进行用户群体分类,然后将各个聚类发送至用户群体一致的私有设备进行特征比对。又例如,公用设备还可以根据私有设备识别用户身份的能力不同,为各个私有设备能力匹配的不同类型的聚类。换言之,公用设备还可以根据各个聚类的类型(例如语音数据类型、图像数据类型、行为数据类型),选择相应类型的私有设备进行特征比对。具体的,语音数据类型的聚类发送至具有声纹识别能力的私有设备进行特征比对。图像数据类型的聚类发送至具有人脸识别能力或虹膜识别能力的私有设备进行特征比对。行为数据类型的聚类发送至具有行为特征能力的私有设备进行特征比对。由此可见,先对聚类进行分类,并选择性发送至与分类对应的私有设备进行特征比对,提高比对成功率,也减少用户数据在多个私有设备之间传输的次数,加快比对效率。
又一些示例中,公用设备在发送每个聚类到私有设备进行比对的过程中,公用设备可以将该聚类全部发送到私有设备进行比对。也可以先将该聚类中的部分数据发送到私有设备进行比对,若该部分数据比对结果的置信度接近预设阈值,则认为该聚类大概率对应该私有设备,则可以将剩余数据全部发送给该私有设备进行比对。若该部分数据对比结果的置信度远小于预设阈值,则认为该聚类大概率不对应该私有设备,则可以不再发送剩余数据到该私有设备进行比对,而是选择其他私有设备进行比对。
例如,如图6所示,为对各个聚类进行标注的示例。聚类1标注为用户A,聚类2标注为用户B,聚类3标注为用户C,聚类4标注为用户A。其中,若存在未比对成功的聚类,例如聚类5,则等待后续输入的新的用户数据。此时未比对成功的聚类,可以和后续新的用户数据重新聚类,重新与私有设备比对,或者有关联新的私有设备时,重新进行比对。
S305、公用设备归集标注为同一用户的聚类,并采用机器学习算法学习各个用户的用户特征。
示例性的,公用设备将标注为同一用户的聚类输入预设的机器学习模型中(例如神经网络模型)中进行训练,得到用户特征识别模型,用于对后续输入的用户数据进行特征比对,识别后续输入的用户数据对应的用户身份。若标注为同一用户的聚类为不同类型的用户数据,也可以分类型的进行学习。即,将标注为同一用户的同一类型的用户数据输入到预设的技巧学习模型中进行训练,得到相应的用户特征识别模型。需要注意的是,可以利用相同或不同的预设模型对输入的不同类型的用户数据进行训练。例如,将所有标注为用户A的且为语音数据类型的聚类输入到预设模型1中进行训练,得到用户A的声纹识别模型,用于识别后续输入的语音数据对应的用户身份。将所有标注为用户A的且为图像数据类型的聚类输入到预设模型2中进行训练,得到用户A的人脸识别模型或虹膜识别模型,用于识别后续输入的图像数据对应的用户身份。将标注为用户B的且为行为数据类型的聚类输入到预设模型3中进行训练,得到用户A的行为识别模型,用于识别后续输入的行为数据对应的用户身份。将所有标注为用户B的且为图像数据类型的聚类输入到预设模型2中进行训练,得到用户B的人脸识别模型或虹膜识别模型,用于识别后续输入的图像数据对应的用户身份。
例如,如图7所示,为公用设备学习的用户特征比对模型的示例。公用设备上训练得到的用户特征识别模型701,具体包括用户A声纹识别模型,用户A的人脸识别模型,用户B声纹识别模型,用户C的人脸识别模型。
需要说明的是,若某个聚类的数据量较小,不足以学习到用户特征时,该聚类可以等待后续有新的用户数据划分为该聚类对应的用户时,再结合新的用户数据一起学习该用户的特征。
还需要说明是,公用设备在获得各个用户的用户特征后,还根据该用户的行为数据和应用记录等信息,自动学习该用户的行为特点和偏好等。例如,如图7所示,为公用设备学习的用户行为特点和偏好模型的示例。公用设备上学习有用户行为特点和偏好模型702,具体包括用户A、用户B和用户C的用户行为特点和偏好。需要注意的是,若此时公共设备中记录的行为数据和应用记录等信息还不足够用于学习到各个用户的行为特征或偏好时,也可以在后期用户使用公用设备的过程积累足够的行为数据和应用记录等信息后学习到的。即,后续用户输入的新用户数据,公共设备识别出用户身份,将用户身份与新的行为数据和应用记录等信息进行绑定,并进行学习得到该用户的行为特点和偏好。也就是说,图7中的用户行为特点和偏好模型702可以在用户特征识别模型701之后学习得到的。在一些示例中,若网络侧存储有用户的行为特点和偏好等信息时,公用设备也可以从网络侧获取用户的行为特点和偏好等信息,本申请实施例对此不做限定。
S306、公用设备接收新输入的用户数据。
S307、公用设备根据学习到的用户特征对新输入的用户数据进行特征比对,确定新输入的用户数据对应的用户。
在步骤S306-步骤S307中,在公用设备学习到用户特征后,若有用户继续使用公用设备,输入新的用户数据(例如输入语音命令、拍摄用户图像、执行滑屏操作等)时,公用设备利用学习到的用户特征识别模型对新的用户数据进行比对,确定新的用户数据的用户身份。例如,新的用户数据与用户B的声纹识别模型的比对结果满足置信度大于预设阈值,则认为新的用户数据为用户B的数据。
需要说明的是,若利用公用设备上的已学习到用户特征识别模型对新的用户数据进行比对均未成功,则公用设备未识别出新的用户数据的用户身份。则该新的用户数据可以与之前未标注用户的用户数据一起重新进行聚类分割、与私有设备上的特征识别模型进行比对、并标注用户。即,重复执行步骤S302-步骤S305。
S308、公用设备为新输入的用户数据对应的用户提供相应的个性化服务。
在识别出新的用户数据对应的用户后,可以根据公用设备中已学习到的该用户的行为习惯以及偏好,向该用户推荐相应的个性化服务。例如,新的用户数据与用户B的声纹识别模型的比对结果满足置信度大于预设阈值,则认为新的用户数据为用户B的数据,则公用设备查询用户行为特点和偏好模型中用户B的行为特点和偏好,为用户B提供个性化服务。其中,个性化服务可以为公用设备操作系统中预设的应用或功能,如服务推荐应用、提醒应用、通知过滤应用。当然,该个性化服务也可以是用户安装的第三方应用。例如,视频应用、新闻应用或音乐应用等。
需要说明的是,若公用设备与其他设备建立连接,公用设备也可以根据不同的用户指示其他设备提供个性化服务。例如,公用设备为智能音箱,则智能音箱在识别出不同的用户时,可以控制其他智能家居设备执行不同的操作,比如指示空调设置不同的温度等。
由此可见,在供多个用户使用的公用设备上,多个用户可以登录同一账号或不用登录账号,公用设备可以自动的用户无感知的识别用户身份,并向用户推荐个性化服务,简化用户使用公用设备的操作,提升多用户与公用设备的交互效率。
以下结合具体的应用场景,对本申请实施例提供的方法进行说明。
场景1、公用设备为家庭里的大屏设备,例如电视、智慧屏等。
家庭里新购入大屏设备后,不需要所有家庭成员(老人、爸爸、妈妈、孩子)都一一注册账号或者录入人脸或指纹,在各个家庭成员使用大屏设备时也无需登录账号。或者,该大屏设备可以只需登入一个账号,即所有家庭成员均可直接通过该账号使用大屏设备。
在刚开始的一段时间(例如一周,一个月)内,大屏设备不具备识别用户的功能,可以为家庭成员提供相同的服务或者随机推荐服务。
在家庭成员使用大屏设备的过程中,爸爸使用自己手机扫描过到大屏设备上的二维码,使得大屏设备连接上家庭网络。孩子将自己的平板上的网课投屏到大屏设备上观看。妈妈使用手机的支付宝扫描大屏设备上支付二维码购买新的电影。老人将手机上的电视剧投屏到大屏设备上观看。也就是说,家庭成员可能通过各种方式将自己的私有设备与大屏设备建立关联。
大屏设备上存储有各个家庭成员使用大屏设备的数据,例如家庭成员在使用大屏设备的语音功能时,大屏设备采集到的各个家庭成员的语音数据。又例如,家庭成员在视频通话过程中,大屏设备采集到的各个家庭成员的图像数据。又例如,家庭成员操作大屏设备的一些操作习惯。比如,在观看电视时,爸爸喜欢用手机的遥控器应用操控大屏设备,经常播放科幻片、动作片。老人喜欢用大屏设备配置的遥控器操控大屏设备,经常播放家庭剧。孩子喜欢使用触摸显示屏的方式操控大屏设备,经常播放动画片等。
在大屏设备存储有足够的各个家庭成员的数据后,且关联有家庭成员的私有设备,例如手机、平板电脑后,大屏设备可以采用上述实施例介绍的方法,自动对用户数据进行聚类分割,并发送给私有设备,有私有设备进行用户特征比对。公用设备根据比对结果为各个聚类进行标注,并归集标注为同一用户的数据进行机器学习,学习该用户的用户特征。而后,可以使用学习到的用户特征识别后续输入的用户数据对应的用户,并为该用户推荐个性化服务。
例如,若识别出爸爸在使用大屏设备,则大屏设备可以推荐最新的科幻片、动作片等。大屏设备显示如图8A所示界面801,通过文字和图像的提示方式,提示推荐的电影等。若识别老人使用大屏设备,则大屏设备可以推荐最热的家庭剧等。大屏设备显示如图8B所示界面802,通过图像提示方式显示推荐的电视剧,以及通过语音播放的方式提示用户具体的选择电视剧的方式等。若识别孩子使用大屏设备,则大屏设备可以推荐评分高的动画片等。大屏设备显示如图8C所示界面803,通过图像提示方式显示推荐的动画,以及通过语音播放的方式提示用户注意观看电视的时长等。
又例如,若识别出爸爸在使用大屏设备,则大屏设备可以推送时政类、军事类新闻等。若识别出妈妈在使用大屏设备,则大屏设备可以推送财经类、娱乐类新闻等。
又例如,若识别出爸爸在使用大屏设备进行视频通话时,则大屏设备可以不开启美颜功能。若识别出妈妈在使用大屏设备进行视频通话时,则大屏设备可以开启美颜功能。若识别出孩子在使用大屏设备,则大屏设备自动进入监护模式,比如大屏设备播放的时长达到预设时长(例如半小时)自动关机等。
由此可见,在家庭成员未登陆账号的情况下,在一段时间后,大屏设备可以学习到各个家庭成员的特征,自动识别家庭成员的身份,并为不同的家庭成员推荐不同的服务,提升用户的使用体验。
场景2、公用设备为家庭里的智能音箱。
家庭里新购入智能音箱后,不需要所有家庭成员(老人、爸爸、妈妈、孩子)都一一注册账号或者录入声纹,在各个家庭成员使用该智能音箱时也无需登录账号。或者,该智能音箱可以只需登入一个账号,即所有家庭成员均可直接通过该账号使用智能音箱。
在刚开始的一段时间(例如一周,一个月)内,智能音箱不具备识别用户的功能,可以为家庭成员提供相同的服务或者随机推荐服务。
在家庭成员使用智能音箱的过程中,爸爸使用自己手机扫描过到智能音箱上的二维码,使得智能音箱连接上家庭网络。孩子将自己的平板连接到智能音箱上听故事。妈妈将手机连接到智能音箱播放音乐。老人将手机连接到智能音箱上听故事。也就是说,家庭成员可能通过各种方式将自己的私有设备与智能音箱建立关联。并且,智能音箱上存储有各个家庭成员使用智能音箱的语音数据。
在智能音箱存储有足够的各个家庭成员的语音数据后,且关联有家庭成员的私有设备,例如手机、平板电脑后,智能音箱可以采用上述实施例介绍的方法,自动对用户的语音数据进行聚类分割,并发送给私有设备,有私有设备进行声纹特征比对。公用设备根据比对结果为各个聚类进行标注,并归集标注为同一用户的数据进行机器学习,学习该用户的声纹特征。而后,可以使用学习到的声纹特征识别后续输入的语音数据对应的用户,并为该用户推荐个性化服务。
例如,若识别出爸爸使用智能音箱,则智能音箱在系统答复时,可以添加“爸爸”称呼,以及推荐爸爸喜欢的音乐、新闻等。若识别孩子使用智能音箱,则智能音箱在系统答复时,可以添加“宝贝”称呼,以及推荐孩子喜欢的儿歌、故事等。
若智能音箱与家庭里其他智能设备建立关联,智能音箱也可以根据识别出的用户身份,指示其他智能设备执行与识别出的用户身份对应的操作。
又例如,若识别出爸爸在使用智能音箱,则智能音箱可以开启书房里的吸顶灯,或将空调的温度设置较低(例如18度)。若识别出妈妈在使用智能音箱,则智能音箱可以开启客厅的吸顶灯,或将空调的温度设置较高(例如25度)。若识别出孩子在使用智能音箱,则智能音箱可以开启孩子卧室的吸顶灯,或将空调的温度设置适中(例如20度)。
由此可见,在家庭成员未登陆账号的情况下,在一段时间后,智能音箱可以学习到各个家庭成员的特征,自动识别家庭成员的身份,并为不同的家庭成员推荐不同的服务,提升用户的使用体验。
场景3、公用设备为车载设备。
类似的,驾驶或乘坐汽车的多个用户在车载设备时可以不用登陆账号。当使用过一段时间后,车载设备上存储有多个用户的语音数据和视频数据。在用户将车载设备与自己的手机建立过蓝牙连接或者有线连接后,车载设备与用户的手机建立关联。采用上述实施例的方法,车载设备可以自动识别出不同用户的声纹或人脸,后续为不同的用户提供相应的个性化服务。
如图9所示,为本申请实施例提供的又一种公用设备上识别用户的方法的流程示意图,应用于包括第一设备和第二设备的系统中,第二设备关联第一设备,且第二设备中存储有第一用户对应的第一生物特征模型,可用于识别第一用户的身份,该方法包括:
S901、第一设备获取多个用户的生物特征数据。
示例性的,多个用户在交替性使用第一设备(即公用设备)时,第一设备可以记录下多个用户使用公用设备的各类包含生物特征的用户数据(及生物特征数据)。该生物特征数据可以是第一设备接收到的原始数据,例如,摄像头采集的人脸图像,指纹识别器采集的指纹图像等,音频模块拾取的语音等)。该生物特征数据也可以是第一设备对接收到的原始数据进行处理的数据,例如根据摄像头采集的人脸图像识别出的脸部特征、语音中获取的声纹特征等。
S902、第一设备将所述多个用户的生物特征数据中的至少部分数据发送给第二设备。
S903、第二设备根据第一生物特征模型,从所述至少部分数据中识别出对应第一用户的生物特征数据。
S904、第二设备将识别结果返回给第一设备。
步骤S902-步骤S904中,示例性的,可以采用聚类算法对公用设备上的用户数据进行初步的用户群体的划分。需要注意的是,在设置聚类预设阈值时,需要在不影响准确率的情况下尽可能划分用户群体。即在区分用户和聚类过于破碎之间适当取舍,以使得分割后的每一个聚类只对应一个用户,但同一个用户可以对应多个聚类。
在一个具体实现中,第一设备依次发送各个聚类的生物特征数据给第二设备,第二设备根据存储的第一生物特征模型对各个聚类中的生物特征数据进行识别,识别各个聚类的生物特征数据是否对应第一用户。而后,将各个聚类的识别结果依次返回给第一设备。此时,识别结果包括相应聚类中的生物特征数据对应第一用户或不对应第一用户。在另一个示例中,第一设备可以一次性或多次发送多个聚类的生物特征数据给第二设备,第二设备根据存储的第一生物特征模型对各个聚类中的生物特征数据进行识别,识别各个聚类的生物特征数据是否对应第一用户。然后,将对应第一用户的聚类的标识返回给第一设备。也就是说,此时,识别结果包括对应第一用户的聚类的标识。本申请对第一设备向第二设备发送聚类的生物特征数据的方式,以及第二设备返回识别结果的方式均不做限定。
S905、第一设备根据识别结果学习对应与第一用户的第二生物特征模型。
其中,第二生物特征模型可用于识别第一用户的身份。由于第二生物特征模型为第一设备根据自身获取的对应第一用户的生物特征数据学习得到的,更适合用于对第一设备上的用户操作进行身份识别,识别率更高。
S906、第一设备接收新的用户操作。
S907、第一设备根据第二生物特征模型,确定新的用户操作对应第一用户,则执行第一功能;确定新的用户操作不对应第一用户,执行第二功能。
其中,第一功能和第二功能不同。
也就是说,公用设备可以根据学习到的第二生物特征模型识别第一用户的身份,为第一用户提供个性化的服务,提升用户与公用设备的交互效率。
本申请实施例还提供一种芯片系统,如图10所示,该芯片系统包括至少一个处理器1301和至少一个接口电路1302。处理器1301和接口电路1302可通过线路互联。例如,接口电路1302可用于从其它装置(例如公用设备100的存储器)接收信号。又例如,接口电路1302可用于向其它装置(例如处理器1301)发送信号。示例性的,接口电路1302可读取存储器中存储的指令,并将该指令发送给处理器1301。当所述指令被处理器1301执行时,可使得电子设备执行上述实施例中的公用设备100(比如,手机)执行的各个步骤。当然,该芯片系统还可以包含其他分立器件,本申请实施例对此不作具体限定。
本申请实施例还提供一种装置,该装置包含在电子设备中,该装置具有实现上述实施例中任一方法中电子设备行为的功能。该功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。硬件或软件包括至少一个与上述功能相对应的模块或单元。例如,检测模块或单元、显示模块或单元、确定模块或单元、以及计算模块或单元等。
本申请实施例还提供一种计算机存储介质,包括计算机指令,当计算机指令在电子设备上运行时,使得电子设备执行如上述实施例中任一方法。
本申请实施例还提供一种计算机程序产品,当计算机程序产品在计算机上运行时,使得计算机执行如上述实施例中任一方法。
本申请实施例还提供一种电子设备上的图形用户界面,所述电子设备具有显示屏、摄像头、存储器、以及一个或多个处理器,所述一个或多个处理器用于执行存储在所述存储器中的一个或多个计算机程序,所述图形用户界面包括所述电子设备执行如上述实施例中任一方法时显示的图形用户界面。
可以理解的是,上述终端等为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,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,本申请实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,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实施例的范围。
本申请实施例可以根据上述方法示例对上述终端等进行功能模块的划分,例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。需要说明的是,本发明实施例中对模块的划分是示意性的,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。
通过以上的实施方式的描述,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,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。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。
在本申请实施例各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。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取存储介质中。基于这样的理解,本申请实施例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)或处理器执行本申请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:快闪存储器、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何在本申请揭露的技术范围内的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (26)
1.一种公用设备上识别用户身份的系统,其特征在于,所述系统包括第一设备以及关联所述第一设备的第二设备,所述第二设备存储有对应于第一用户的第一生物特征模型;
所述第一设备,用于获取多个用户的生物特征数据;
所述第一设备,还用于将所述多个用户的生物特征数据中的至少部分数据发送给所述第二设备;
所述第二设备,用于根据所述第一生物特征模型,从所述至少部分数据中识别出对应所述第一用户的生物特征数据;
所述第二设备,用于将识别结果发送给所述第一设备;
所述第一设备,用于根据所述识别结果学习对应于所述第一用户的第二生物特征模型。
2.根据权利要求1所述的系统,其特征在于,
所述第一设备,还用于在根据所述识别结果学习对应于所述第一用户的第二生物特征模型之后,接收到一个操作;
当根据学习到的所述第二生物特征模型确定所述一个操作对应于所述第一用户,则执行第一功能;当根据所述学习到的所述第二生物特征模型确定所述一个操作不对应所述第一用户,则执行第二功能,其中所述第一功能与所述第二功能不同。
3.根据权利要求1或2所述的系统,其特征在于,所述第二设备与所述第一设备关联包括以下任一项或任几项:所述第一设备和所述第二设备登录过同一账号,所述第一设备和所述第二设备连接同一个无线网络,所述第一设备登录的账号与所述第二设备登录的账号属于同一个群组,所述第一设备和所述第二设备建立过通信连接。
4.根据权利要求1-3任一项所述的系统,其特征在于,所述第一生物特征包括所述第一用户的语音特征、图像特征、行为特征中的一项或多项。
5.根据权利要求4所述的系统,其特征在于,所述语音特征包括声纹特征和/或音色特征,所述图像特征包括人脸特征、虹膜特征、指纹特征、掌纹特征中的一项或多项,所述行为特征为按压或点击屏幕的力度特征、滑屏操作的轨迹特征中任一项。
6.根据权利要求1-3任一项所述的系统,其特征在于,所述将所述多个用户的生物特征数据中的至少部分数据发送给所述第二设备,包括:
将所述多个用户的生物特征数据划分为多个聚类,所述多个聚类中每一个聚类对应一个用户;将所述多个聚类中一个或多个聚类对应的生物特征数据发送给所述第二设备。
7.根据权利要求6所述的系统,其特征在于,所述将所述多个聚类中一个或多个聚类对应的生物特征数据发送给所述第二设备,包括:
从所述多个聚类中选择与所述第一生物特征模型的类型相同的一个或多个聚类对应的生物特征数据,发送给所述第二设备。
8.根据权利要求7所述的系统,其特征在于,所述从所述多个聚类中选择与所述第一生物特征模型的类型相同的一个或多个聚类对应的生物特征数据,发送给所述第二设备,包括:
当所述第一生物特征模型的类型为语音特征类,则选择包含语音数据的一个或多个聚类对应的生物特征数据,发送给所述第二设备;
当所述第一生物特征模型的类型为图像特性类,则选择包含图像数据的一个或多个聚类对应的生物特征数据,发送给所述第二设备;
当所述第一生物特征模型的类型为行为特征类,则选择包含行为数据的一个或多个聚类对应的生物特征数据,发送给所述第二设备。
9.一种公用设备上识别用户身份的方法,其特征在于,应用于第一设备和与所述第一设备关联的第二设备,所述第二设备存储有对应于第一用户的第一生物特征模型;所述方法包括:
所述第一设备获取多个用户的生物特征;
所述第一设备将所述多个用户的生物特征数据中的至少部分数据发送给所述第二设备;
所述第一设备接收所述第二设备返回的识别结果,所述识别结果为所述第二设备根据所述第一生物特征模型从所述至少部分数据中识别出对应所述第一用户的生物特征数据的结果;
所述第一设备根据所述识别结果学习对应于所述第一用户的第二生物特征模型。
10.根据权利要求9所述的方法,其特征在于,
在根据所述识别结果学习对应于所述第一用户的第二生物特征模型之后,所述第一设备接收到一个操作;
当根据学习到的所述第二生物特征模型确定所述一个操作对应于所述第一用户,则所述第一设备执行第一功能;当根据所述学习到的所述第二生物特征模型确定所述一个操作不对应所述第一用户,则所述第一设备执行第二功能,其中所述第一功能与所述第二功能不同。
11.根据权利要求9或10所述的方法,其特征在于,所述第二设备与所述第一设备关联包括以下任一项或任几项:所述第一设备和所述第二设备登录过同一账号,所述第一设备和所述第二设备连接同一个无线网络,所述第一设备登录的账号与所述第二设备登录的账号属于同一个群组,所述第一设备和所述第二设备建立过通信连接。
12.根据权利要求9-11任一项所述的方法,其特征在于,所述第一生物特征包括所述第一用户的语音特征、图像特征、行为特征中的一项或多项。
13.根据权利要求12所述的方法,其特征在于,所述语音特征包括声纹特征和/或音色特征,所述图像特征包括人脸特征、虹膜特征、指纹特征、掌纹特征中的一项或多项,所述行为特征为按压或点击屏幕的力度特征、滑屏操作的轨迹特征中任一项。
14.根据权利要求9-13任一项所述的方法,其特征在于,所述将所述多个用户的生物特征数据中的至少部分数据发送给所述第二设备,包括:
将所述多个用户的生物特征数据划分为多个聚类,所述多个聚类中每一个聚类对应一个用户;将所述多个聚类中一个或多个聚类对应的生物特征数据发送给所述第二设备。
15.根据权利要求14所述的方法,其特征在于,所述将所述多个聚类中一个或多个聚类对应的生物特征数据发送给所述第二设备,包括:
从所述多个聚类中选择与所述第一生物特征模型的类型相同的一个或多个聚类对应的生物特征数据,发送给所述第二设备。
16.根据权利要求15所述的方法,其特征在于,所述从所述多个聚类中选择与所述第一生物特征模型的类型相同的一个或多个聚类对应的生物特征数据,发送给所述第二设备,包括:
当所述第一生物特征模型的类型为语音特征类,则选择包含语音数据的一个或多个聚类对应的生物特征数据,发送给所述第二设备;
当所述第一生物特征模型的类型为图像特性类,则选择包含图像数据的一个或多个聚类对应的生物特征数据,发送给所述第二设备;
当所述第一生物特征模型的类型为行为特征类,则选择包含行为数据的一个或多个聚类对应的生物特征数据,发送给所述第二设备。
17.一种电子设备,其特征在于,包括:处理器、存储器和触摸屏,所述存储器、所述触摸屏与所述处理器耦合,所述存储器用于存储计算机程序代码,所述计算机程序代码包括计算机指令,当所述处理器从所述存储器中读取所述计算机指令,以使得所述电子设备执行如下操作:
获取多个用户的生物特征;
将所述多个用户的生物特征数据中的至少部分数据发送给与所述电子设备关联的另一电子设备,所述另一电子设备存储有对应与第一用户的第一生物特征模块;
接收所述另一电子设备返回的识别结果,所述识别结果为所述另一电子设备根据所述第一生物特征模型从所述至少部分数据中识别出对应所述第一用户的生物特征数据的结果;
根据所述识别结果学习对应于所述第一用户的第二生物特征模型。
18.根据权利要求17所述的电子设备,其特征在于,当所述处理器从所述存储器中读取所述计算机指令,还使得所述电子设备执行如下操作:
在根据所述识别结果学习对应于所述第一用户的第二生物特征模型之后,接收到一个操作;
当根据学习到的所述第二生物特征模型确定所述一个操作对应于所述第一用户,则执行第一功能;当根据所述学习到的所述第二生物特征模型确定所述一个操作不对应所述第一用户,则执行第二功能,其中所述第一功能与所述第二功能不同。
19.根据权利要求17或18所述的电子设备,其特征在于,所述另一电子设备与所述电子设备关联包括以下任一项或任几项:所述电子设备和所述另一电子设备登录过同一账号,所述电子设备和所述另一电子设备连接同一个无线网络,所述电子设备登录的账号与所述另一电子设备登录的账号属于同一个群组,所述电子设备和所述另一电子设备建立过通信连接。
20.根据权利要求17-19任一项所述的电子设备,其特征在于,所述第一生物特征包括所述第一用户的语音特征、图像特征、行为特征中的一项或多项。
21.根据权利要求20所述的电子设备,其特征在于,所述语音特征包括声纹特征和/或音色特征,所述图像特征包括人脸特征、虹膜特征、指纹特征、掌纹特征中的一项或多项,所述行为特征为按压或点击屏幕的力度特征、滑屏操作的轨迹特征中任一项。
22.根据权利要求17-21任一项所述的电子设备,其特征在于,所述将所述多个用户的生物特征数据中的至少部分数据发送给所述另一电子设备,包括:
将所述多个用户的生物特征数据划分为多个聚类,所述多个聚类中每一个聚类对应一个用户;将所述多个聚类中一个或多个聚类对应的生物特征数据发送给所述另一电子设备。
23.根据权利要求22所述的电子设备,其特征在于,所述将所述多个聚类中一个或多个聚类对应的生物特征数据发送给所述另一电子设备,包括:
从所述多个聚类中选择与所述第一生物特征模型的类型相同的一个或多个聚类对应的生物特征数据,发送给所述另一电子设备。
24.根据权利要求23所述的电子设备,其特征在于,所述从所述多个聚类中选择与所述第一生物特征模型的类型相同的一个或多个聚类对应的生物特征数据,发送给所述另一电子设备,包括:
当所述第一生物特征模型的类型为语音特征类,则选择包含语音数据的一个或多个聚类对应的生物特征数据,发送给所述另一电子设备;
当所述第一生物特征模型的类型为图像特性类,则选择包含图像数据的一个或多个聚类对应的生物特征数据,发送给所述另一电子设备;
当所述第一生物特征模型的类型为行为特征类,则选择包含行为数据的一个或多个聚类对应的生物特征数据,发送给所述另一电子设备。
25.一种计算机可读存储介质,其特征在于,包括计算机指令,当所述计算机指令在电子设备上运行时,使得所述电子设备执行如权利要求9-16中任一项所述的公用设备上识别用户身份的方法。
26.一种芯片系统,其特征在于,包括一个或多个处理器,当所述一个或多个处理器执行指令时,所述一个或多个处理器执行如权利要求9-16中任一项所述的公用设备上识别用户身份的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010758218.9A CN114090986A (zh) | 2020-07-31 | 2020-07-31 | 一种公用设备上识别用户的方法及电子设备 |
PCT/CN2021/110148 WO2022022743A1 (zh) | 2020-07-31 | 2021-08-02 | 一种公用设备上识别用户的方法及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010758218.9A CN114090986A (zh) | 2020-07-31 | 2020-07-31 | 一种公用设备上识别用户的方法及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114090986A true CN114090986A (zh) | 2022-02-25 |
Family
ID=80037620
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010758218.9A Pending CN114090986A (zh) | 2020-07-31 | 2020-07-31 | 一种公用设备上识别用户的方法及电子设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114090986A (zh) |
WO (1) | WO2022022743A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210118427A1 (en) * | 2019-10-18 | 2021-04-22 | Google Llc | End-To-End Multi-Speaker Audio-Visual Automatic Speech Recognition |
WO2024022154A1 (zh) * | 2022-07-26 | 2024-02-01 | 华为技术有限公司 | 一种确定设备使用者的方法及相关装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108292334B (zh) * | 2015-10-26 | 2022-04-12 | 维萨国际服务协会 | 无线生物特征识别认证系统和方法 |
CN105868610A (zh) * | 2016-04-26 | 2016-08-17 | 乐视控股(北京)有限公司 | 使用生物特征信息实现用户认证的方法和系统 |
BR112020004179A2 (pt) * | 2017-08-29 | 2020-09-08 | Home Control Singapore Pte Ltd | reconhecimento sutil de usuário |
-
2020
- 2020-07-31 CN CN202010758218.9A patent/CN114090986A/zh active Pending
-
2021
- 2021-08-02 WO PCT/CN2021/110148 patent/WO2022022743A1/zh active Application Filing
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210118427A1 (en) * | 2019-10-18 | 2021-04-22 | Google Llc | End-To-End Multi-Speaker Audio-Visual Automatic Speech Recognition |
US11615781B2 (en) * | 2019-10-18 | 2023-03-28 | Google Llc | End-to-end multi-speaker audio-visual automatic speech recognition |
US11900919B2 (en) | 2019-10-18 | 2024-02-13 | Google Llc | End-to-end multi-speaker audio-visual automatic speech recognition |
WO2024022154A1 (zh) * | 2022-07-26 | 2024-02-01 | 华为技术有限公司 | 一种确定设备使用者的方法及相关装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2022022743A1 (zh) | 2022-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020078299A1 (zh) | 一种处理视频文件的方法及电子设备 | |
CN111669515B (zh) | 一种视频生成方法及相关装置 | |
US20220277752A1 (en) | Voice interaction method and related apparatus | |
WO2021017988A1 (zh) | 一种多模态身份识别方法及设备 | |
WO2022033556A1 (zh) | 电子设备及其语音识别方法和介质 | |
WO2022022743A1 (zh) | 一种公用设备上识别用户的方法及电子设备 | |
CN113574525A (zh) | 媒体内容推荐方法及设备 | |
CN113837984A (zh) | 播放异常检测方法、电子设备和计算机可读存储介质 | |
CN114173193A (zh) | 一种多媒体流的播放方法和电子设备 | |
CN114489422A (zh) | 侧边栏的显示方法及电子设备 | |
CN114915834A (zh) | 一种投屏的方法和电子设备 | |
CN115312068B (zh) | 语音控制方法、设备及存储介质 | |
WO2023001152A1 (zh) | 一种推荐视频片段的方法、电子设备及服务器 | |
WO2022161077A1 (zh) | 语音控制方法和电子设备 | |
WO2022022319A1 (zh) | 一种图像处理方法、电子设备、图像处理系统及芯片系统 | |
WO2022007757A1 (zh) | 跨设备声纹注册方法、电子设备及存储介质 | |
CN113572798B (zh) | 设备控制方法、系统、设备和存储介质 | |
CN111339513B (zh) | 数据分享的方法和装置 | |
CN114120987A (zh) | 一种语音唤醒方法、电子设备及芯片系统 | |
CN115729404A (zh) | 一种通知消息的处理方法及设备 | |
CN115249364A (zh) | 一种目标用户确定方法、电子设备和计算机可读存储介质 | |
CN111901675B (zh) | 多媒体数据播放方法、装置、计算机设备及存储介质 | |
WO2021189418A1 (zh) | 服务提供方法及装置 | |
US20240045651A1 (en) | Audio Output Method, Media File Recording Method, and Electronic Device | |
CN116030817B (zh) | 语音唤醒方法、设备及存储介质 |
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 |