CN103744858A

CN103744858A - 一种信息推送方法及***

Info

Publication number: CN103744858A
Application number: CN201310676641.4A
Authority: CN
Inventors: 胡金星
Original assignee: Shenzhen Institute of Advanced Technology of CAS
Current assignee: Shenzhen Hongzhituoxin Venture Capital Enterprise LP
Priority date: 2013-12-11
Filing date: 2013-12-11
Publication date: 2014-04-23
Anticipated expiration: 2033-12-11
Also published as: CN103744858B

Abstract

本发明适用于大数据处理技术领域，提供了一种信息推送方法及***，所述***包括：采集人脸图像；获取所述人脸图像的特征信息；将所述人脸图像的特征信息与预先建立的人脸图像数据库中的人脸图像特征模板进行匹配，当匹配的相似度大于预设阈值时，获取与所述人脸图像相关的信息；根据所述人脸图像相关的信息，挖掘出所述人脸图像对应用户的行为信息以及所述用户的社交圈；根据所述用户的行为信息和/或所述用户的社交圈，向所述用户所在客户端推送相应的信息。本发明可以根据人脸图像挖掘出对应用户的行为习惯以及社交圈，根据所述行为习惯和社交圈向用户推送相应的信息，提高信息推送的准确率和用户满意度。

Description

一种信息推送方法及***

技术领域

本发明属于大数据处理技术领域，尤其涉及一种信息推送方法及***。

背景技术

现有的信息推送技术主要基于用户输入的静态profile数据来推送，例如根据用户所在地、年龄、性别、学校、兴趣爱好等属性，将具有相同或者相近属性的人或信息推送给用户。这种信息推送方式过于依赖用户填写的个人资料，而用户填写的个人资料往往过于简单，甚至不够真实，难以准确反映用户的实际情况，导致信息推送的准确度不高，影响用户体验。

发明内容

本发明实施例的目的在于提供一种信息推送方法及***，以根据用户的行为习惯和/或社交圈生成推送信息，提高信息推送的准确度。

本发明实施例是这样实现的，一种信息推送方法，所述方法包括：

采集人脸图像；

获取所述人脸图像的特征信息；

将所述人脸图像的特征信息与预先建立的人脸图像数据库中的人脸图像特征模板进行匹配，当匹配的相似度大于预设阈值时，获取与所述人脸图像相关的信息；

根据所述人脸图像相关的信息，挖掘出所述人脸图像对应用户的行为信息以及所述用户的社交圈；

根据所述用户的行为信息和/或所述用户的社交圈，向所述用户所在客户端推送相应的信息。

本发明实施例的另一目的在于提供一种信息推送***，所述***包括：

图像采集单元，用于采集人脸图像；

特征信息获取单元，用于获取所述人脸图像的特征信息；

处理单元，用于将所述人脸图像的特征信息与预先建立的人脸图像数据库中的人脸图像特征模板进行匹配，当匹配的相似度大于预设阈值时，获取与所述人脸图像相关的信息；

挖掘单元，用于根据所述人脸图像相关的信息，挖掘出所述人脸图像对应用户的行为信息以及所述用户的社交圈；

信息推送单元，用于根据所述用户的行为信息和/或所述用户的社交圈，向所述用户所在客户端推送相应的信息。

本发明实施例与现有技术相比存在的有益效果是：本发明实施例通过将采集的人脸图像与预先建立的人脸图像数据库中的人脸图像进行匹配，当匹配的相似度大于预设阈值时，获取与所述人脸图像相关的信息，并根据所述人脸图像相关的信息，挖掘出所述人脸图像对应用户的行为信息以及所述用户的社交圈，根据所述用户的行为信息和/或所述用户的社交圈，向所述用户所在客户端推送相应的信息。本发明实施例可以根据人脸图像挖掘出对应用户的行为习惯和社交圈，根据所述行为习惯和社交圈向用户推送相应的信息，提高信息推送的准确率和用户满意度，具有较强的易用性和实用性。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明第一实施例提供的信息推送方法的实现流程图；

图2是本发明第二实施例提供的信息推送***的组成结构图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

实施例一：

图1示出了第一实施例提供的信息推送方法的实现流程，该方法过程详述如下：

在步骤S101中，采集人脸图像。

在本实施例中，可通过摄像头采集图像序列，并通过人脸检测算法检测采集的图像序列中是否存在人脸，当采集的图像系列中存在人脸时，提取出所述人脸图像。本实施例还可以进一步对提取的人脸图像进行一定比例的裁剪，使得裁剪后的图像包括人脸的一些基本特征点（如图2所示），例如：眼睛、鼻子、嘴等。其中，所述人脸检测算法包括但不局限于类矩形特征的Adaboost算法。

具体可以包括：A1、采集公共场所架设的摄像头的视频数据。A2、对采集的视频数据中的人脸图像进行交叉匹配。A3、对应存储匹配成功的人脸图像及获取所述人脸图像的地点和/或时间。

本实施例的公共场所包括停车场、大型商场、道路两侧、公园等场所。在本实施例中，采集公共场所积累的大量的公民的视频数据，再交叉匹配各个场所的视频数据包含的人脸图像，最后存储相应的数据。例如，在获取停车场的甲某的人脸图像后，将甲某的人脸图像与大型商场、道路两侧、公园等场所获取的多个人脸图像分别进行匹配，以判断甲某是否出现在大型商场、道路两侧、公园等场所，若匹配成功，假设甲某出现在公园，则同时存储甲某出现在停车场及公园的地点、时间等信息，否则，只存储甲某出现在停车场的地点、时间等信息。当然，这里的地点还可以具体到停车场、公园的某个摄像头。

在步骤S102中，获取所述人脸图像的特征信息。

在本实施例中，所述特征信息包括直方图特征、颜色特征、模板特征、结构特征及Haar特征等。

在步骤S103中，将所述人脸图像的特征信息与预先建立的人脸图像数据库中的人脸图像特征模板进行匹配，当匹配的相似度大于预设阈值时，获取与所述人脸图像相关的信息。

在本实施例中，所述人脸图像数据库为以多个政府部门的数据库为基础的大数据知识库，所述人脸图像数据库中包括人脸图像特征模板、居民个人信息以及城市中各摄像头采集的视频数据（可采用Adaboost算法从所述视频数据中提取人脸图像）等。其中，所述居民个人信息包括姓名、身份证号码、居住地、年龄、性别、学校、兴趣爱好以及个人头像等信息。

在本实施例中，为了整合数据库资源，将用户在不同数据库的信息关联，可通过唯一标识符识别不同数据库的同一用户；或者根据用户的基本信息（具体可以为基本信息中的每一项数据设置一权重因子，例如电话号码的权重因子为0.7）计算用户间的相似度，当两用户的相似度大于或等于预设的相似度阈值时，则认为在不同数据库中的两用户为同一用户。例如预设的相似度阈值为90%，用户A与用户B，具有相同的电话号码，则其相似度为70%，用户A与用户B具有相同的电话号码和昵称，则其相似度为90%，确定用户A与用户B为同一用户，将用户A与用户B的行为信息关联，具体实施例方式不以此为限。

本实施例从资源整合的大数据知识库中获取与所述人脸图像相关的信息，例如所述人脸图像对应用户出现在某个摄像头的概率、所述人脸图像对应用户用户连续出现在某几个摄像头之间的概率。

在步骤S104中，根据所述人脸图像相关的信息，挖掘出所述人脸图像对应用户的行为信息以及所述用户的社交圈。

其中，根据所述人脸图像相关的信息，挖掘出所述人脸图像对应用户的行为信息具体包括：

根据所述人脸图像相关的信息，采用统计学习方法获得模型；

基于所获得的模型挖掘出所述人脸图像对应用户的行为信息。

具体的是，根据所述人脸图像相关的信息，采用统计学习方法先建立初始模型（例如建立的初始模型为ax2+by+c，a、b、c表示模型的参数，x、y表示影响因子），计算所述相关信息的联合概率，最大化所述联合概率获得所述初始模型的参数（即得到a、b、c的值），进而得到最终模型。其中，所述统计学习方法包括但不限于概率或非概率的统计学习方法。

需要说明的是，本实施例之所以使用统计学习方法建立模型，是因为统计学习方法不依赖于具体语言的特征抽取技术（现有的基于语义规则方法会依赖具体语言的特征抽取技术）和具体的网络环境，也不依赖于特定的用户行为，因此采用统计学习方法建立的模型，可以方便的扩展到各种不同的网络环境和不同的用户行为预测中。

另外，根据所述人脸图像相关的信息，挖掘出所述用户的社交圈包括：

根据所述人脸图像相关的信息，从所述大数据知识库中获取与所述人脸图像对应用户的社交关系，根据所述社交关系建立社交圈。其中，建立社交圈的步骤具体为：设定社交圈的大小（即社交圈包含的节点数）；将所述用户作为所述社交圈内的第一节点，将与所述第一节点连接最多的第二节点划入所述社交圈，将社交圈外与所述社交圈内节点（即所述第一节点和第二节点）连接最多的第三节点划入所述社交圈，依此执行，直到社交圈外的第N节点划入所述社交圈，所述N为预先设定的所述社交圈包含的节点数。此时，所述社交圈内的节点数达到了预设的临界值N，则停止节点的划入。由于节点（用户）间连接关系多，说明用户间的关系紧密，而且话题相识的可能性最大，因此通过本实施例可以获取与所述用户关系紧密、话题相识的社交圈。

需要说明的是，如果与所述社交圈内节点连接最多的第n个节点有多个，则随机的选择其中一个划入所述社交圈，所述n=1,2，…,N。

优选的是，为了获取关系紧密、话题相识且影响力大的社交圈，本实施例在将所述第N节点划入所述社交圈后还包括：

B1、计算所述包含N个节点的社交圈内外节点的所有边的权重和，将社交圈外权重和最高的节点划入该社交圈，将社交圈内权重和最低的节点划出该社交圈；

B2、重复步骤B1，直到重复次数达到预设值（例如5次）或者所述社交圈外节点边的权重和小于或者等于所述社交圈内最低节点边的权重和。

需要说明的是，本实施例中每条边的权重可以设置为相同也可以设置为不同。

在步骤S105中，根据所述用户的行为信息和/或所述用户的社交圈，向所述用户所在客户端推送相应的信息。

例如当挖掘出用户行为信息为经常逛4S店时，可以向其推送购车服务或者车辆维修服务等与车辆相关的信息；当挖掘出用户行为信息为经常出入飞机场时，可以向其推送特价机票等信息。

作为本发明的一个较佳示例，本实施例根据所述用户的行为信息，向所述用户所在客户端推送相应的信息具体包括：

基于所获得的模型，生成用户可能行为列表；

对所述用户可能行为列表中的用户可能行为进行评分；

向所述用户所在客户端推送与评分最高的前N项用户可能行为相关的信息，所述N大于或等于1。

在本实施例中，在计算评分时，可以根据预设的评分计算公式来计算，例如评分C=转发概率*0.5+回复概率*0.7-不关注概率*1.3，所述转发概率、评论概率、不关注概率为所述模型预测用户对所述推送信息作出反应的概率。其中，所述用户可能行为是指可能会触发用户操作的信息，所述可能会触发用户操作的信息包括用户可能感兴趣或者最想看到的信息。

作为本发明的另一较佳示例，本实施例根据所述用户的社交圈，向所述用户所在客户端推送相应的信息具体包括：

获取所述社交圈最近讨论最多的话题，根据所述话题向所述用户所在客户端和所述社交圈中其他用户所在客户端推送与所述话题相关的信息。例如所述社交圈最近讨论最多的话题为“汽车”，则向他们推送购车服务或者车辆维修服务等与车辆相关的信息。

进一步的，由于所述社交圈为与所述用户关系紧密、话题相识的社交圈，因此本实施例在将所述评分最高的前N项用户可能行为相关的信息推送给所述用户所在客户端时，还可以将所述评分最高的前N项用户可能行为相关的信息推送给所述社交圈内其他用户所在客户端。

通过本发明实施例，不仅使得推送的信息更有针对性，准确率更高，更能满足用户需求，而且推送的范围更广，有效提高用户满意度。

实施例二：

图2示出了本发明第二实施例提供的信息推送***的组成结构，为了便于说明，仅示出了与本发明实施例相关的部分。

该信息推送***包括图像采集单元21、特征信息获取单元22、处理单元23、挖掘单元24以及信息推送单元25。其中，各单元具体功能如下：

图像采集单元21，用于采集人脸图像；

特征信息获取单元22，用于获取所述人脸图像的特征信息；

处理单元23，用于将所述人脸图像的特征信息与预先建立的人脸图像数据库中的人脸图像特征模板进行匹配，当匹配的相似度大于预设阈值时，获取与所述人脸图像相关的信息；

挖掘单元24，用于根据所述人脸图像相关的信息，挖掘出所述人脸图像对应用户的行为信息以及所述用户的社交圈；

信息推送单元25，用于根据所述用户的行为信息和/或所述用户的社交圈，向所述用户所在客户端推送相应的信息。

进一步的，所述挖掘单元24包括：

模型获得模块241，用于根据所述人脸图像相关的信息，采用统计学习方法获得模型；

行为信息挖掘模块242，用于基于所获得的模型挖掘出所述人脸图像对应用户的行为信息。

进一步的，所述信息推送单元25包括：

行为列表生成模块251，用于基于所获得的模型，生成用户可能行为列表；

评分模块252，用于对所述用户可能行为列表中的用户可能行为进行评分；

信息推送模块253，用于向所述用户所在客户端推送与评分最高的前N项用户可能行为相关的信息，所述N大于或等于1。

其中，所述人脸图像数据库为以多个政府部门的数据库为基础的大数据知识库，所述人脸图像数据库包括但不限于城市中各摄像头采集的视频数据、人脸图像特征模板及居民个人信息等。

进一步的，所述挖掘单元24还包括：

社交圈挖掘模块243，用于将所述用户作为所述社交圈内的第一节点，将与所述第一节点连接最多的第二节点划入所述社交圈，将社交圈外与所述社交圈内节点连接最多的第三节点划入所述社交圈，依此执行，直到社交圈外的第N节点划入所述社交圈，所述N为预先设定的所述社交圈包含的节点数。

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，仅以上述各功能单元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单元完成，即所述***的内部结构划分成不同的功能单元，以完成以上描述的全部或者部分功能。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。另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。

综上所述，本发明实施例通过将采集的人脸图像与预先建立的人脸图像数据库中的人脸图像进行匹配，当匹配的相似度大于预设阈值时，获取与所述人脸图像相关的信息，并根据所述人脸图像相关的信息，挖掘出所述人脸图像对应用户的行为信息以及所述用户的社交圈，根据所述用户的行为信息和/或所述用户的社交圈，向所述用户所在客户端推送相应的信息。本发明实施例可以根据人脸图像挖掘出对应用户的行为习惯和社交圈，根据所述行为习惯和社交圈向用户推送相应的信息，不仅使得推送的信息更有针对性，准确率更高，更能满足用户需求，而且推送的范围更广，有效提高用户满意度，具有较强的易用性和实用性。

本领域普通技术人员还可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以在存储于一计算机可读取存储介质中，所述的存储介质，包括ROM/RAM、磁盘、光盘等。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下做出若干等同替代或明显变型，而且性能或用途相同，都应当视为属于本发明由所提交的权利要求书确定的专利保护范围。

Claims

1.一种信息推送方法，其特征在于，所述方法包括：

采集人脸图像；

获取所述人脸图像的特征信息；

2.如权利要求1所述的方法，其特征在于，根据所述人脸图像相关的信息，挖掘出所述人脸图像对应用户的行为信息具体包括：

3.如权利要求2所述的方法，其特征在于，根据所述用户的行为信息，向所述用户所在客户端推送相应的信息具体包括：

基于所获得的模型，生成用户可能行为列表；

对所述用户可能行为列表中的用户可能行为进行评分；

4.如权利要求1所述的方法，其特征在于，所述人脸图像数据库为以多个政府部门的数据库为基础的大数据知识库，包括采集的视频数据、人脸图像特征模板及居民个人信息。

5.如权利要求1所述的方法，其特征在于，所述挖掘所述用户的社交圈包括：

将所述用户作为所述社交圈内的第一节点，将与所述第一节点连接最多的第二节点划入所述社交圈，将社交圈外与所述社交圈内节点连接最多的第三节点划入所述社交圈，依此执行，直到社交圈外的第N节点划入所述社交圈，所述N为预先设定的所述社交圈包含的节点数。

6.一种信息推送***，其特征在于，所述***包括：

图像采集单元，用于采集人脸图像；

特征信息获取单元，用于获取所述人脸图像的特征信息；

7.如权利要求6所述的***，其特征在于，所述行为信息挖掘单元包括：

模型获得模块，用于根据所述人脸图像相关的信息，采用统计学习方法获得模型；

行为信息挖掘模块，用于基于所获得的模型挖掘出所述人脸图像对应用户的行为信息。

8.如权利要求7所述的***，其特征在于，所述信息推送单元包括：

行为列表生成模块，用于基于所获得的模型，生成用户可能行为列表；

评分模块，用于对所述用户可能行为列表中的用户可能行为进行评分；

信息推送模块，用于向所述用户所在客户端推送与评分最高的前N项用户可能行为相关的信息，所述N大于或等于1。

9.如权利要求6所述的***，其特征在于，所述人脸图像数据库为以多个政府部门的数据库为基础的大数据知识库，包括采集的视频数据、人脸图像特征模板及居民个人信息。

10.如权利要求6至9任一项所述的***，其特征在于，所述挖掘单元还包括：

社交圈挖掘模块，用于将所述用户作为所述社交圈内的第一节点，将与所述第一节点连接最多的第二节点划入所述社交圈，将社交圈外与所述社交圈内节点连接最多的第三节点划入所述社交圈，依此执行，直到社交圈外的第N节点划入所述社交圈，所述N为预先设定的所述社交圈包含的节点数。