CN109766786B - 人物关系分析方法及相关产品 - Google Patents
人物关系分析方法及相关产品 Download PDFInfo
- Publication number
- CN109766786B CN109766786B CN201811573297.5A CN201811573297A CN109766786B CN 109766786 B CN109766786 B CN 109766786B CN 201811573297 A CN201811573297 A CN 201811573297A CN 109766786 B CN109766786 B CN 109766786B
- Authority
- CN
- China
- Prior art keywords
- user
- peer
- target
- peer user
- target user
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000012937 correction Methods 0.000 claims description 53
- 238000004590 computer program Methods 0.000 claims description 17
- 238000013507 mapping Methods 0.000 claims description 16
- 230000009471 action Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000008439 repair process Effects 0.000 description 9
- 230000033001 locomotion Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 5
- 230000001815 facial effect Effects 0.000 description 5
- 230000002411 adverse Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000004886 head movement Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000035622 drinking Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 206010047700 Vomiting Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000008673 vomiting Effects 0.000 description 1
Images
Classifications
-
- 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
- G06F16/901—Indexing; Data structures therefor; Storage structures
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例提供一种人物关系分析方法及相关产品，其中，所述方法包括：获取目标用户与所述目标用户的至少一个同行用户之间的同行参数；根据所述至少一个同行用户的同行参数，建立所述目标用户与所述至少一个同行用户之间的目标关系图谱；根据所述目标关系图谱确定出所述目标用户与所述至少一个同行用户之间的目标用户关系，因此，能够直观的反映出用户之间的关系，以及提升用户关系获取时的效率。
Description
技术领域
本申请涉及数据处理技术领域，具体涉及一种人物关系分析方法及相关产品。
背景技术
随着城市文明的不断发展，人与人之间的关系也变得越来越复杂。当前对用户之间的关系进行分析时，主要采用的方式为通过获取已有的数据，然后通过对已有的数据进行分析，得出用户之间的关系，在获取用户之间的关系时的效率较低且不能对用户之间的关系进行直观的反映。
发明内容
本申请实施例提供一种人物关系分析方法及相关产品，能够直观的反映出用户之间的关系，以及提升用户关系获取时的效率。
本申请实施例的第一方面提供了一种人物关系分析方法，所述方法包括：
获取目标用户与所述目标用户的至少一个同行用户之间的同行参数；
根据所述至少一个同行用户的同行参数，建立所述目标用户与所述至少一个同行用户之间的目标关系图谱；
根据所述目标关系图谱确定出所述目标用户与所述至少一个同行用户之间的目标用户关系。
可选的，结合本申请实施例的第一方面，在第一方面的第一种可能的实现方式中，所述同行参数包括同行次数和同行距离，所述根据所述至少一个同行用户的同行参数，建立所述目标用户与所述至少一个同行用户之间的目标关系图谱，包括：
获取所述同行次数的第一权值，以及获取所述同行距离的第二权值；
采用所述第一权值、所述第二权值对所述至少一个同行用户的同行次数与所述至少一个同行用户的同行距离进行权值计算，得到至少一个目标距离值；
以所述目标用户的位置点为圆心以及至少一个目标距离值为半径，建立参考关系图谱，所述目标用户的位置点为目标用户的在所述参考关系图谱中的映射点；
获取所述至少一个同行用户中的每个同行用户的关系图谱修正因子；
通过所述每个同行用户的关系图谱修正因子和所述参考关系图谱，确定出所述目标关系图谱。
可选的，结合本申请实施例的第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式中，所述获取所述至少一个同行用户的中的每个同行用户的关系图谱修正因子，包括：
获取第一同行用户与所述目标用户同行时的多张图像，所述第一同行用户为所述至少一个同行用户中的任意一个同行用户；
对所述多张图像进行人脸识别，得到所述多张图像的每张图像中的第一同行用户的人脸图像以及所述目标用户的人脸图像；
根据所述每张图像中第一同行用户的人脸图像以及所述目标用户的人脸图像，确定每张图像中所述第一同行用户与所述目标用户面部朝向之间的夹角，得到多个目标夹角；
根据所述多个目标夹角确定出所述第一同行用户的关系图谱修正因子；
采用所述第一同行用户的关系图谱修正因子的获取方式，获取第二同行用户的关系图谱修正因子，得到所述至少一个同行用户中的每个同行用户的关系图谱修正因子，所述第二同行用户为所述至少一个同行用户中除所述第一同行用户之外的用户。
本申请实施例的第二方面提供了一种人物关系分析装置，所述装置包括获取单元、创建单元和确定单元，其中，
所述获取单元，用于获取目标用户与所述目标用户的至少一个同行用户之间的同行参数；
所述创建单元，用于根据所述至少一个同行用户的同行参数，建立所述目标用户与所述至少一个同行用户之间的目标关系图谱；
所述确定单元，用于根据所述目标关系图谱确定出所述目标用户与所述至少一个同行用户之间的目标用户关系。
可选的，结合本申请实施例的第二方面，在第二方面的第一种可能的实现方式中，所述同行参数包括同行次数和同行距离，在所述根据所述至少一个同行用户的同行参数，建立所述目标用户与所述至少一个同行用户之间的目标关系图谱方面，所述创建单元具体用于：
获取所述同行次数的第一权值，以及获取所述同行距离的第二权值；
采用所述第一权值、所述第二权值对所述至少一个同行用户的同行次数与所述至少一个同行用户的同行距离进行权值计算，得到至少一个目标距离值；
以所述目标用户的位置点为圆心以及至少一个目标距离值为半径，建立参考关系图谱，所述目标用户的位置点为目标用户的在所述参考关系图谱中的映射点；
获取所述至少一个同行用户中的每个同行用户的关系图谱修正因子；
通过所述每个同行用户的关系图谱修正因子和所述参考关系图谱，确定出所述目标关系图谱。
可选的，结合本申请实施例的第二方面的第一种可能的实现方式，在第二方面的第二种可能的实现方式中，在所述获取所述至少一个同行用户的中的每个同行用户的关系图谱修正因子方面，所述创建单元具体用于：
获取第一同行用户与所述目标用户同行时的多张图像，所述第一同行用户为所述至少一个同行用户中的任意一个同行用户；
对所述多张图像进行人脸识别，得到所述多张图像的每张图像中的第一同行用户的人脸图像以及所述目标用户的人脸图像；
根据所述每张图像中第一同行用户的人脸图像以及所述目标用户的人脸图像，确定每张图像中所述第一同行用户与所述目标用户面部朝向之间的夹角，得到多个目标夹角；
根据所述多个目标夹角确定出所述第一同行用户的关系图谱修正因子；
采用所述第一同行用户的关系图谱修正因子的获取方式，获取第二同行用户的关系图谱修正因子，得到所述至少一个同行用户中的每个同行用户的关系图谱修正因子，所述第二同行用户为所述至少一个同行用户中除所述第一同行用户之外的用户。
本申请实施例的第三方面提供一种终端，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如本申请实施例第一方面中的步骤指令。
本申请实施例的第四方面提供了一种计算机可读存储介质，其中，上述计算机可读存储介质存储用于电子数据交换的计算机程序，其中，上述计算机程序使得计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。
本申请实施例的第五方面提供了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
实施本申请实施例，至少具有如下有益效果：
通过本申请实施例，获取目标用户与所述目标用户的至少一个同行用户之间的同行参数，根据所述至少一个同行用户的同行参数，建立所述目标用户与所述至少一个同行用户之间的目标关系图谱，根据所述目标关系图谱确定出所述目标用户与所述至少一个同行用户之间的目标用户关系，因此，相对于现有方案中，通过已有数据对用户之间的关系进行分析，得到用户关系，能够通过对目标用户与目标用户的同行用户的同行参数进行分析，并根据同行参数建立关系图谱，能够通过关系图谱直观的反映出目标用户与同行用户之间的用户关系，进而可通过关系图谱确定出目标用户与同行用户之间的用户关系，从而也能一定程度上提升获取用户关系的效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供了一种应用人物分析方法的人物分析***的结构示意图；
图2A为本申请实施例提供了一种人物关系分析方法的流程示意图；
图2B为本申请实施例提供了一种参考关系图谱的示意图；
图3为本申请实施例提供了另一种人物关系分析的流程示意图；
图4为本申请实施例提供了另一种人物关系分析的流程示意图；
图5为本申请实施例提供的一种终端的结构示意图；
图6为本申请实施例提供了一种人物关系分析装置的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，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、***、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本申请所描述的实施例可以与其它实施例相结合。
本申请实施例所涉及到的电子装置可以包括各种具有无线通信功能的手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其他处理设备，以及各种形式的用户设备(user equipment，UE)，移动台(mobile station，MS)，终端设备(terminaldevice)等等。为方便描述，上面提到的设备统称为电子装置。
为了更好的理解本申请实施例提供的一种人物关系分析方法，下面首先对应用人物分析方法的人物分析***进行简要介绍。如图1所示，人物分析***包括采集装置101和分析装置102，其中，采集装置101采集目标用户与目标用户的至少一个同行用户之间的同行参数，采集装置101将同行参数发送到分析装置102，分析装置102根据至少一个同行用户的同行参数，建立目标用户与至少一个同行用户之间的目标关系图谱，在成功建立目标关系图谱后，分析装置102根据目标关系图谱，确定出目标用户与至少一个同行用户之间的目标用户关系，因此，相对于现有方案中，通过已有数据对用户之间的关系进行分析，得到用户关系，能够通过对目标用户与目标用户的同行用户的同行参数进行分析，并根据同行参数建立关系图谱，能够通过关系图谱直观的反映出目标用户与同行用户之间的用户关系，进而可通过关系图谱确定出目标用户与同行用户之间的用户关系，从而也能一定程度上提升获取用户关系的效率。
请参阅图2A，图2A为本申请实施例提供了一种人物关系分析方法的流程示意图。如图2A所示，人物关系分析方法包括步骤201-203，具体如下：
201、获取目标用户与所述目标用户的至少一个同行用户之间的同行参数。
可选的，同行参数可包括同行次数和同行距离，同行距离可以理解为每次同行时的同行距离，也可以理解为同行时的总距离。
可选的，获取同行参数的方法可以为通过摄像头获取目标用户与至少一个同行用户中的每个同行用户的同行距离，具体的，可以为，在目标用户与同行用户同行时，通过多个摄像头分别获取同行时的多张图像，根据同行时的多张图像来确定出目标用户与同行用户的同行距离。同行用户可以理解为***中判别出的，与目标用户一同行走的用户。其中，多张图像为按照预设的时间间隔拍摄得到的多张图像，根据多张图像来确定目标用户与同行用户的同行距离的方法包括步骤A1-A4，具体如下：
A1、根据多张图像中的每张图像，确定出目标用户和同行用户所在的位置点，以及获取目标用户和同行用户在每个位置点的运动速度，相邻的两个位置点之间包括多条参考路径；
其中，参考路径可以理解为相邻两个位置点之间的可以通行的路径，例如，相邻两个位置点为A点和B点，则参考路径可以理解为从A点到B点之间的用户可以通行的路径。
A2、根据第一位置点的运动速度和预设时间间隔，确定出第一参考距离，以及根据第二位置点的运动速度和预设时间间隔，确定出第二参考距离，第一位置点为起始位置点，第二位置点为截止位置点；
其中，预设时间间隔可以通过经验值设定或历史数据设定。
其中，第一位置点和第二位置点可以理解为，目标用户从第一位置点到第二位置点时，起始位置点为第一位置点，截止位置点为第二位置点，第一位置点可以为多个位置点中除了最后一个位置点的任意一个位置点，第二位置点为第一位置点的下一个位置点。
A3、获取第一位置点和第二位置点之间每条参考路径的距离，得到多个第三距离；
A4、将多个第三距离中位于第一参考距离和第二参考距离之间的距离，作为目标用户和同行用户在第一位置点和第二位置点之间的同行距离。
可选的，若存在多个第三距离，则取该多个第三距离的均值作为目标用户和同行用户在第一位置点和第二位置点之间的同行距离。
本示例中，通过位置点以及每个位置点的运动速度来确定出目标用户在两个相邻位置点之间的同行距离，能够一定程度上提升获取同行距离时的准确性。
202、根据所述至少一个同行用户的同行参数，建立所述目标用户与所述至少一个同行用户之间的目标关系图谱。
可选的，同行参数包括同行距离和同行次数，一种可能的根据同行参数建立目标关系图谱的方法包括步骤B1-B5，具体如下：
B1、获取所述同行次数的第一权值，以及获取所述同行距离的第二权值；
其中，第一权值和第二权值，可以根据神经网络模型得到，具体的，神经网络模型可以通过如下方式训练得到：
神经网络模型可以包括N层神经网络，在训练时，可以将样本数据输入到该N层神经网络的第一层，通过第一层进行正向运算后得到第一运算结果，然后将第一运算结果输入到第二层进行正向运算，得到第二结果，以此，直至第N-1结果输入到第N层进行正向运算，得到第N运算结果，在对第N运算结果执行反向训练，以此重复执行正向训练和反向训练，直至神经网络模型训练完成。样本数据为同行次数、同行距离、预设的第一权值和预设第二权值。
B2、采用所述第一权值、所述第二权值对所述至少一个同行用户的同行次数与所述至少一个同行用户的同行距离进行权值计算，得到至少一个目标距离值；
其中，权值计算的方法可以为：将第一权值乘以同行次数，将第二权值乘以同行距离，再求和，得到一个目标距离值。重复前述方法，直至计算出至少一个同行用户中的每个同行用户的目标距离值，得到至少一个目标距离值。
B3、以所述目标用户的位置点为圆心以及至少一个目标距离值为半径，建立参考关系图谱，所述目标用户的位置点为目标用户的在所述参考关系图谱中的映射点；
可选的，如图2B所示，图2B为一种参考关系图谱的示意图。其中，r1、r2、r3为不同的目标距离值，圆心位置点为目标用户的在参考关系图谱中的映射点。
B4、获取所述至少一个同行用户中的每个同行用户的关系图谱修正因子；
可选的，一种可能的获取至少一个同行用户中的每个同行用户的关系图谱修正因子的方法包括步骤B41-B45、具体如下：
B41、获取第一同行用户与所述目标用户同行时的多张图像，所述第一同行用户为所述至少一个同行用户中的任意一个同行用户；
其中，多张图像可以通过摄像头采集得到。其中，摄像头可以为高光谱摄像头，采用高光谱摄像头时，一种可能的采集方法包括步骤S1-S2，具体如下：
S1、对第一同行用户与所述目标用户同行时的图像进行采集，得到包括目标用户和同行用户的一个图像序列，所述图像序列中包括多张图像；
可选的，高光谱摄像头可以采集多个波段中的图像，在对目标用户和同行用户的图像进行采集时，可以采集多个不同波段中的图像，从而得到一个包括多个波段下的图像序列。多个不同波段可以表示为n个波段，即，第一波段至第n波段，n为正整数，其中，不同波段可以理解为，将一个固定波段均分成多个子波段，从而得到多个不同的波段，例如，300-600微米波段，将该波段均分为10个波段，则可得到10个子波段。
S2、对所述多张图像进行融合，得到目标图像。
可选的，一种对所述多张图像进行融合的方法包括步骤S21-S22，具体如下：
S21、对多张图像中的每张图像中的所有像素点进行轮廓标记，得到标记结果，标记结果包括人体轮廓像素点、背景像素点；
其中，以每张图像的左下角为坐标原点，图像的长边所在方向为x轴，图像的短边所在方向为y轴建立直角坐标系，从而得到每个像素点的坐标。其中，对图像进行人体轮廓标记的方法，可以根据像素点的灰度值进行标记，当像素点的灰度值处于预设灰度值区间，则将该像素点点标记为人体像素点，预设灰度值区间根据经验值设定或根据历史数据进行设定。
S22、采用该标记结果，对多张图像进行融合，得到目标图像。
其中，根据标记结果，对图像进行融合的方法可以为：提取相同坐标的像素点的标记结果，若相同像素点的坐标的标记结果为人体像素点大于或等于预设个数，则将该点判定为人体图像的像素点，若相同像素点的坐标的标记结果为人体像素点低于预设个数，则将该点判定为背景图像的像素点；根据图像的像素点得到目标图像。预设个数根据经验值设定或根据历史数据进行设定。
通过采集多个波段中的人体图像，然后对多个波段中的人体图像进行融合，得到人体图像，由于不同波段对不同的颜色的事物进行成像的结果不同，例如，用户在穿着时，会身穿不同颜色的衣服等，则不同波段的成像结果，能够更好反映出人体的特征，从而采用多波段人体图像融合的方式得到人体图像，能够一定程度上提升获取人体图像时的准确性。
B42、对所述多张图像进行人脸识别，得到所述多张图像的每张图像中的第一同行用户的人脸图像以及所述目标用户的人脸图像；
可选的，当人脸图像出现被遮挡时，一种可能的多张图像进行分析，确定出第一同行用户的人脸图像以及所述目标用户的人脸图像的方法包括步骤B420-B428，具体如下：
B420、依据人脸的对称性原理对目标人脸图像进行修复，得到第一人脸图像以及目标修复系数，所述目标修复系数用于表述人脸图像对修复的完整度；
可选的，可根据人脸的对称性原理对目标人脸图像进行镜像变换处理，在进行镜像变换处理以后，可将处理以后的目标人脸图像基于生成对抗网络的模型进行人脸修复，得到第一人脸图像以及目标修复系数。
其中，目标人脸图像为从采集的图像中提取出的仅包括部分人脸的人脸图像。目标修复系数可为修复完成的人脸部位的像素占整个人脸的像素总数的比例值，生成对抗网络的模型可包括以下组成部分：鉴别器、语义正则化网络等等，在此不作限定。
B421、对所述第一人脸图像进行特征提取，得到第一人脸特征集，以及对所述目标人脸图像进行特征提取，得到第二人脸特征集；
可选地，对第一人脸图像进行特征提取的方法可包括以下至少一种：LBP(LocalBinary Patterns，局部二值模式)特征提取算法、HOG(Histogram of Oriented Gradient,方向梯度直方图)特征提取算法、LoG(Laplacian of Gaussian，二阶拉普拉斯-高斯)特征提取算法等等，在此不做限定。
B422、依据所述第一人脸特征集在所述数据库中进行搜索，得到与所述第一人脸特征集匹配成功的多个对象的人脸图像；
其中，数据库中预先存储有人脸特征集。
B423、将所述第二人脸特征集与所述多个对象的人脸图像的特征集进行匹配，得到多个第一匹配值；
B424、获取所述多个对象中每一对象的人体特征数据，得到多个人体特征数据；
B425、将所述目标人脸对应的人体特征数据与所述多个人体特征数据中每一人体特征数据进行匹配，得到多个第二匹配值；
B426、按照预设的修复系数与权值之间的映射关系，确定所述目标修复系数对应的第一权值，并依据所述第一权值确定第二权值；
B427、根据所述第一权值、所述第二权值、所述多个第一匹配值、所述多个第二匹配值进行加权运算，得到多个目标匹配值；
B428、从所述多个目标匹配值中选取最大值，并将所述最大值对应的对象作为所述目标人脸图像对应的完整人脸图像。
其中，预设的修复系数与权值之间的映射关系可为每一个预设的修复系数均对应一个权值，且每一个预设的修复系数的权值之间的和为1，预设的修复系数的权值可由用户自行设置或者***默认，具体地，根据预设的修复系数与权值之间的映射关系，确定目标修复系数对应的第一权值，并依据所述第一权值确定第二权值，第二权值可为第二匹配值对应的权值，第一权值与第二权值之间的和为1，将第一权值分别与多个第一匹配值加权，并将第二权值分别与多个第二匹配值进行加权运算，得到多个对象分别对应的多个目标匹配值，选取多个匹配值中最大的匹配值对应的对象为目标人脸图像对应的完整人脸图像。
本示例中，通过对不完整人脸图像进行修复，在通过修复后的人脸图像，进行匹配，得到多个对象的人脸图像，在通过人体特征的比对，来确定出目标人脸图像对应的完整人脸图像，从而通过对人脸进行修复，在对修复后匹配的图像进行筛选，得到最后的完整人脸图像，能够一定程度上提升人脸图像获取时的准确性。
B43、根据所述每张图像中第一同行用户的人脸图像以及所述目标用户的人脸图像，确定每张图像中所述第一同行用户与所述目标用户面部朝向之间的夹角，得到多个目标夹角；
其中，第一同行用户的面部朝向与目标用户的面部朝向之间的夹角可以理解为将面部抽象为一个平面，该平面的垂线的方向为面部朝向，垂线的方向为面部所对的方向，因此，第一同行用户的面部朝向与目标用户的面部朝向之间的夹角即为垂线之间的夹角。垂线之间的夹角可以理解为异面直线之间的夹角或共面直线之间的夹角。
B44、根据所述多个目标夹角确定出所述第一同行用户的关系图谱修正因子；
其中，计算所述多个目标夹角的均值，得到目标夹角均值，再根据夹角均值与关系图谱修正因子之间的映射关系，确定出与目标夹角均值对应的第一同行用户的关系图谱修正因子，夹角均值与关系图谱修正因子之间的映射关系预先存储于人物关系分析***中。关系图谱修正因子可以理解为对目标距离值进行修正的参数。
B45、采用所述第一同行用户的关系图谱修正因子的获取方式，获取第二同行用户的关系图谱修正因子，得到所述至少一个同行用户中的每个同行用户的关系图谱修正因子，所述第二同行用户为所述至少一个同行用户中除所述第一同行用户之外的用户。
其中，第一同行用户的关系图谱修正因子的获取方式可以理解为步骤B41-B44所描述的方法。
B5、通过所述每个同行用户的关系图谱修正因子和所述参考关系图谱，确定出所述目标关系图谱。
可选的，可以将关系图谱修正因子乘以参考关系图谱中对应的目标距离值，从而得到目标关系图谱。
203、根据所述目标关系图谱确定出所述目标用户与所述至少一个同行用户之间的目标用户关系。
可选的，目标关系图谱可以反映出同行用户与目标用户之间的亲密程度，目标距离值越小，则亲密度越高，目标距离值越大，则亲密度越低，具有相同目标距离值，则亲密度相同。
一个可能的实例中，为了提升目标用户的安全性，可以通过目标关系图谱对与目标用户同行的用户的安全性进行分析，该方法可宝库步骤C1-C3，具体如下：
C1、从所述至少一个同行用户中确定出至少一个参考同行用户，所述参考同行用户为亲密度低于预设亲密度的同行用户；
其中，获取参考同行用户的亲密度的方法可以从生成的目标关系图谱中进行获取。预设亲密度可以通过经验值设定或历史数据进行设定。
C2、获取所述目标用户与所述至少一个参考同行用户中的每个参考同行用户之间的同行距离；
可选的，同行距离可以是目标用户与参考同行用户当前同行时的同行距离。获取目标用户与参考用户之间的同行距离的方法可以参照步骤A1-A4中确定同行距离的方法，此处不再赘述。
C3、若存在至少一个目标参考同行用户，则向所述目标用户推送告警信息，所述目标参考同行用户为所述至少一个参考同行用户中的同行距离大于预设同行距离的用户。
可选的，由于目标用户与参考同行用户的同行距离较长，且亲密度较低，则可以判定参考同行用户可能对目标用户构成安全隐患，为潜在的危险用户，则可向目标用户推送告警信息，危险用户可以理解为对他人的人身财产构成威胁的用户，例如，会通过一些不良手段骗取目标用户的钱财、直接抢劫目标用户等。
可选的，一种可能的向目标用户推送告警信息的方法包括步骤C31-C34，具体如下：
C31、获取所述目标用户的动作信息；
其中，动作信息可包括脚部动作和头部动作。头部动作可包括正常状态、晃动状态和偏头状态等，正常状态可以理解为正常行走时的状态，晃动状态可以理解为左右晃动或前后晃动等，晃动状态包括晃动频率，偏头状态可以理解为头部向左或向右倾斜的状态。脚部动作可以包括步伐，步伐方向等，步伐方向可以理解为行走方向，步伐可以理解为每步的距离以及步行的频率。
C32、根据所述动作信息，确定出所述目标用户的状态信息；
可选的，用户状态可以包括：正常状态、不良状态，不良状态可以包括轻度不良状态、中度不良状态和重度不良状态，轻度不良状态可以理解为目标用户的意识处于轻度模糊状态，例如，轻度醉酒状态，轻度醉酒状态可以理解为目标用户可以正常行走但意识稍微模糊，中度不良状态可以理解为目标用户的意识处于中度模糊状态，例如，中度醉酒状态，中度醉酒状态可以理解为，目标用户已不能正常的行走，但仍能行走，重度不良状态可以理解为目标用户的意识处于重度模糊状态，例如，重度醉酒状态，重度醉酒状态可以理解为，目标用户已不能正常的行走，会伴有呕吐现象。
可选的，根据动作信息确定出目标用户的状态信息的方法可以通过动作信息与状态信息之间的映射关系进行确定，一种可能的动作信息与状态信息之间的映射关系如表1所示，以头部动作为例，具体如下：
表1
| 动作信息 | 用户状态 |
| 头部正常状态 | 正常状态 |
| 晃动状态(晃动频率低) | 中度不良状态 |
| 晃动状态(晃动频率高) | 轻度不良状态 |
| 偏头状态 | 中度不良状态或重度不良状态 |
其中，此处仅以头部动作为例进行说明，当然还可以有头部动作和脚部动作结合的状态信息映射关系。
C33、根据所述状态信息，确定出所述目标用户的目标安全等级；
可选的，目标安全等级与用户状态一一对应，正常状态的安全等级最高，依次为轻度不良状态、中度不良状态、重度不良状态，安全等级依次降低。
C34、若所述目标用户的目标安全等级低于预设安全等级，则按照预设时间间隔向所述目标用户推送与所述目标安全等级相对应的告警信息。
其中，预设安全等级为轻度不良状态对应的安全等级，预设时间间隔可以通过经验值或历史数据设定。与目标安全等级相对应的告警信息可以理解为，不同的安全等级具有不同的告警信息，具体告警信息通过经验值设定。
本示例中，通过判断目标用户自身的状态，并根据该状态确定出目标用户的安全等级，当安全等级较低时，则向目标用户发出告警信息，例如，目标用户酒后独自回家，此时目标用户的安全等级较低，则需要对目标用户的安全等级进行判别，确定出目标用户安全等级较低时，向该用户发出告警信息，能够提醒目标用户，从而一定程度上提升了目标用户的安全性。
请参阅图3，图3为本申请实施例提供了另一种人物关系分析的流程示意图。如图3所示，人物关系分析方法可包括步骤301-307，具体如下：
301、获取目标用户与所述目标用户的至少一个同行用户之间的同行参数；
其中，同行参数包括同行次数和同行距离，所述根据所述至少一个同行用户的同行参数。
302、获取所述同行次数的第一权值，以及获取所述同行距离的第二权值；
303、采用所述第一权值、所述第二权值对所述至少一个同行用户的同行次数与所述至少一个同行用户的同行距离进行权值计算，得到至少一个目标距离值；
304、以所述目标用户的位置点为圆心以及至少一个目标距离值为半径，建立参考关系图谱，所述目标用户的位置点为目标用户的在所述参考关系图谱中的映射点；
305、获取所述至少一个同行用户中的每个同行用户的关系图谱修正因子；
其中，获取关系图谱修正因子的方法可以为：获取第一同行用户与所述目标用户同行时的多张图像，所述第一同行用户为所述至少一个同行用户中的任意一个同行用户；对所述多张图像进行人脸识别，得到所述多张图像的每张图像中的第一同行用户的人脸图像以及所述目标用户的人脸图像；根据所述每张图像中第一同行用户的人脸图像以及所述目标用户的人脸图像，确定每张图像中所述第一同行用户与所述目标用户面部朝向之间的夹角，得到多个目标夹角；根据所述多个目标夹角确定出所述第一同行用户的关系图谱修正因子；采用所述第一同行用户的关系图谱修正因子的获取方式，获取第二同行用户的关系图谱修正因子，得到所述至少一个同行用户中的每个同行用户的关系图谱修正因子，所述第二同行用户为所述至少一个同行用户中除所述第一同行用户之外的用户。
306、通过所述每个同行用户的关系图谱修正因子和所述参考关系图谱，确定出所述目标关系图谱；
307、根据所述目标关系图谱确定出所述目标用户与所述至少一个同行用户之间的目标用户关系。
本示例中，根据同行次数和同行距离来确定出目标距离值，根据目标距离值生成参考关系图谱，在对参考关系图谱进行修正，然后得到目标关系图谱，能够一定程度上提升目标关系图谱获取时的准确性。
请参阅图4，图4为本申请实施例提供了另一种人物关系分析的流程示意图。如图4所示，人物关系分析方法可包括步骤401-406，具体如下：
401、获取目标用户与所述目标用户的至少一个同行用户之间的同行参数；
402、根据所述至少一个同行用户的同行参数，建立所述目标用户与所述至少一个同行用户之间的目标关系图谱；
403、根据所述目标关系图谱确定出所述目标用户与所述至少一个同行用户之间的目标用户关系；
404、从所述至少一个同行用户中确定出至少一个参考同行用户，所述参考同行用户为亲密度低于预设亲密度的同行用户；
405、获取所述目标用户与所述至少一个参考同行用户中的每个参考同行用户之间的同行距离；
406、若所述至少一个参考同行用户中的人一个参考同行用户的同行距离高于预设距离，则获取所述目标用户的动作信息；
407、根据所述动作信息，确定出所述目标用户的状态信息；
408、根据所述状态信息，确定出所述目标用户的目标安全等级；
409、若所述目标用户的目标安全等级低于预设安全等级，则按照预设时间间隔向所述目标用户推送与所述目标安全等级相对应的告警信息。
本示例中，通过判断目标用户自身的状态，并根据该状态确定出目标用户的安全等级，当安全等级较低时，则向目标用户发出告警信息，例如，目标用户酒后独自回家，此时目标用户的安全等级较低，则需要对目标用户的安全等级进行判别，确定出目标用户安全等级较低时，向该用户发出告警信息，能够提醒目标用户，从而一定程度上提升了目标用户的安全性。
与上述实施例一致的，请参阅图5，图5为本申请实施例提供的一种终端的结构示意图，如图所示，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，上述程序包括用于执行以下步骤的指令；
获取目标用户与所述目标用户的至少一个同行用户之间的同行参数；
根据所述至少一个同行用户的同行参数，建立所述目标用户与所述至少一个同行用户之间的目标关系图谱；
根据所述目标关系图谱确定出所述目标用户与所述至少一个同行用户之间的目标用户关系。
本示例中，获取目标用户与所述目标用户的至少一个同行用户之间的同行参数，根据所述至少一个同行用户的同行参数，建立所述目标用户与所述至少一个同行用户之间的目标关系图谱，根据所述目标关系图谱确定出所述目标用户与所述至少一个同行用户之间的目标用户关系，因此，相对于现有方案中，通过已有数据对用户之间的关系进行分析，得到用户关系，能够通过对目标用户与目标用户的同行用户的同行参数进行分析，并根据同行参数建立关系图谱，能够通过关系图谱直观的反映出目标用户与同行用户之间的用户关系，进而可通过关系图谱确定出目标用户与同行用户之间的用户关系，从而也能一定程度上提升获取用户关系的效率。
上述主要从方法侧执行过程的角度对本申请实施例的方案进行了介绍。可以理解的是，终端为了实现上述功能，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，结合本文中所提供的实施例描述的各示例的单元及算法步骤，本申请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申请的范围。
本申请实施例可以根据上述方法示例对终端进行功能单元的划分，例如，可以对应各个功能划分各个功能单元，也可以将两个或两个以上的功能集成在一个处理单元中。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。需要说明的是，本申请实施例中对单元的划分是示意性的，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。
与上述一致的，请参阅图6，图6为本申请实施例提供了一种人物关系分析装置的结构示意图，所述装置包括获取单元601、创建单元602和确定单元603，其中，
所述获取单元601，用于获取目标用户与所述目标用户的至少一个同行用户之间的同行参数；
所述创建单元602，用于根据所述至少一个同行用户的同行参数，建立所述目标用户与所述至少一个同行用户之间的目标关系图谱；
所述确定单元603，用于根据所述目标关系图谱确定出所述目标用户与所述至少一个同行用户之间的目标用户关系。
本示例中，获取目标用户与所述目标用户的至少一个同行用户之间的同行参数，根据所述至少一个同行用户的同行参数，建立所述目标用户与所述至少一个同行用户之间的目标关系图谱，根据所述目标关系图谱确定出所述目标用户与所述至少一个同行用户之间的目标用户关系，因此，相对于现有方案中，通过已有数据对用户之间的关系进行分析，得到用户关系，能够通过对目标用户与目标用户的同行用户的同行参数进行分析，并根据同行参数建立关系图谱，能够通过关系图谱直观的反映出目标用户与同行用户之间的用户关系，进而可通过关系图谱确定出目标用户与同行用户之间的用户关系，从而也能一定程度上提升获取用户关系的效率。
可选的，所述同行参数包括同行次数和同行距离，在所述根据所述至少一个同行用户的同行参数，建立所述目标用户与所述至少一个同行用户之间的目标关系图谱方面，所述创建单元602具体用于：
获取所述同行次数的第一权值，以及获取所述同行距离的第二权值；
采用所述第一权值、所述第二权值对所述至少一个同行用户的同行次数与所述至少一个同行用户的同行距离进行权值计算，得到至少一个目标距离值；
以所述目标用户的位置点为圆心以及至少一个目标距离值为半径，建立参考关系图谱，所述目标用户的位置点为目标用户的在所述参考关系图谱中的映射点；
获取所述至少一个同行用户中的每个同行用户的关系图谱修正因子；
通过所述每个同行用户的关系图谱修正因子和所述参考关系图谱，确定出所述目标关系图谱。
可选的，在所述获取所述至少一个同行用户的中的每个同行用户的关系图谱修正因子方面，所述创建单元602具体用于：
获取第一同行用户与所述目标用户同行时的多张图像，所述第一同行用户为所述至少一个同行用户中的任意一个同行用户；
对所述多张图像进行人脸识别，得到所述多张图像的每张图像中的第一同行用户的人脸图像以及所述目标用户的人脸图像；
根据所述每张图像中第一同行用户的人脸图像以及所述目标用户的人脸图像，确定每张图像中所述第一同行用户与所述目标用户面部朝向之间的夹角，得到多个目标夹角；
根据所述多个目标夹角确定出所述第一同行用户的关系图谱修正因子；
重复上述方法，直至得到所述至少一个同行用户中的每个同行用户的关系图谱修正因子。
可选的，所述人物关系分析装置还具体用于：
从所述至少一个同行用户中确定出至少一个参考同行用户，所述参考同行用户为亲密度低于预设亲密度的同行用户；
获取所述目标用户与所述至少一个参考同行用户中的每个参考同行用户之间的同行距离；
若存在至少一个目标参考同行用户，则向所述目标用户推送告警信息，所述目标参考同行用户为所述至少一个参考同行用户中的同行距离大于预设同行距离的用户。
可选的，在所述向所述目标用户推送告警信息方面，所述人物关系分析装置还具体用于：
获取所述目标用户的动作信息；
根据所述动作信息，确定出所述目标用户的状态信息；
根据所述状态信息，确定出所述目标用户的目标安全等级；
若所述目标用户的目标安全等级低于预设安全等级，则按照预设时间间隔向所述目标用户推送与所述目标安全等级相对应的告警信息。
本申请实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任何一种人物关系分方法的部分或全部步骤。
本申请实施例还提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，该计算机程序使得计算机执行如上述方法实施例中记载的任何一种人物关系分方法的部分或全部步骤。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的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，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在申请明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，也可以采用软件程序模块的形式实现。
所述集成的单元如果以软件程序模块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器中。基于这样的理解，本申请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器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种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，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器、随机存取器、磁盘或光盘等。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (6)
1.一种人物关系分析方法，其特征在于，所述方法包括：
获取目标用户与所述目标用户的至少一个同行用户之间的同行参数；
根据所述至少一个同行用户的同行参数，建立所述目标用户与所述至少一个同行用户之间的目标关系图谱；
根据所述目标关系图谱确定出所述目标用户与所述至少一个同行用户之间的目标用户关系；所述同行参数包括同行次数和同行距离，所述根据所述至少一个同行用户的同行参数，建立所述目标用户与所述至少一个同行用户之间的目标关系图谱，包括：
获取所述同行次数的第一权值，以及获取所述同行距离的第二权值；
采用所述第一权值、所述第二权值对所述至少一个同行用户的同行次数与所述至少一个同行用户的同行距离进行权值计算，得到至少一个目标距离值；
以所述目标用户的位置点为圆心以及至少一个目标距离值为半径，建立参考关系图谱，所述目标用户的位置点为目标用户的在所述参考关系图谱中的映射点；
获取所述至少一个同行用户中的每个同行用户的关系图谱修正因子；
通过所述每个同行用户的关系图谱修正因子和所述参考关系图谱，确定出所述目标关系图谱；
所述获取所述至少一个同行用户的中的每个同行用户的关系图谱修正因子，包括：
获取第一同行用户与所述目标用户同行时的多张图像，所述第一同行用户为所述至少一个同行用户中的任意一个同行用户；
对所述多张图像进行人脸识别，得到所述多张图像的每张图像中的第一同行用户的人脸图像以及所述目标用户的人脸图像；
根据所述每张图像中第一同行用户的人脸图像以及所述目标用户的人脸图像，确定每张图像中所述第一同行用户与所述目标用户面部朝向之间的夹角，得到多个目标夹角；
根据所述多个目标夹角确定出所述第一同行用户的关系图谱修正因子；
采用所述第一同行用户的关系图谱修正因子的获取方式，获取第二同行用户的关系图谱修正因子，得到所述至少一个同行用户中的每个同行用户的关系图谱修正因子，所述第二同行用户为所述至少一个同行用户中除所述第一同行用户之外的用户。
2.根据权利要求1所述的方法，其特征在于，所述目标用户关系包括亲密度，所述方法还包括：
从所述至少一个同行用户中确定出至少一个参考同行用户，所述参考同行用户为亲密度低于预设亲密度的同行用户；
获取所述目标用户与所述至少一个参考同行用户中的每个参考同行用户之间的同行距离；
若存在至少一个目标参考同行用户，则向所述目标用户推送告警信息，所述目标参考同行用户为所述至少一个参考同行用户中的同行距离大于预设同行距离的用户。
3.根据权利要求2所述的方法，其特征在于，所述向所述目标用户推送告警信息，包括：
获取所述目标用户的动作信息；
根据所述动作信息，确定出所述目标用户的状态信息；
根据所述状态信息，确定出所述目标用户的目标安全等级；
若所述目标用户的目标安全等级低于预设安全等级，则按照预设时间间隔向所述目标用户推送与所述目标安全等级相对应的告警信息。
4.一种人物关系分析装置，其特征在于，所述装置包括获取单元、创建单元和确定单元，其中，
所述获取单元，用于获取目标用户与所述目标用户的至少一个同行用户之间的同行参数；
所述创建单元，用于根据所述至少一个同行用户的同行参数，建立所述目标用户与所述至少一个同行用户之间的目标关系图谱；
所述确定单元，用于根据所述目标关系图谱确定出所述目标用户与所述至少一个同行用户之间的目标用户关系；
所述同行参数包括同行次数和同行距离，在所述根据所述至少一个同行用户的同行参数，建立所述目标用户与所述至少一个同行用户之间的目标关系图谱方面，所述创建单元具体用于：
获取所述同行次数的第一权值，以及获取所述同行距离的第二权值；
采用所述第一权值、所述第二权值对所述至少一个同行用户的同行次数与所述至少一个同行用户的同行距离进行权值计算，得到至少一个目标距离值；
以所述目标用户的位置点为圆心以及至少一个目标距离值为半径，建立参考关系图谱，所述目标用户的位置点为目标用户的在所述参考关系图谱中的映射点；
获取所述至少一个同行用户中的每个同行用户的关系图谱修正因子；
通过所述每个同行用户的关系图谱修正因子和所述参考关系图谱，确定出所述目标关系图谱；
在所述获取所述至少一个同行用户的中的每个同行用户的关系图谱修正因子方面，所述创建单元具体用于：
获取第一同行用户与所述目标用户同行时的多张图像，所述第一同行用户为所述至少一个同行用户中的任意一个同行用户；
对所述多张图像进行人脸识别，得到所述多张图像的每张图像中的第一同行用户的人脸图像以及所述目标用户的人脸图像；
根据所述每张图像中第一同行用户的人脸图像以及所述目标用户的人脸图像，确定每张图像中所述第一同行用户与所述目标用户面部朝向之间的夹角，得到多个目标夹角；
根据所述多个目标夹角确定出所述第一同行用户的关系图谱修正因子；
采用所述第一同行用户的关系图谱修正因子的获取方式，获取第二同行用户的关系图谱修正因子，得到所述至少一个同行用户中的每个同行用户的关系图谱修正因子，所述第二同行用户为所述至少一个同行用户中除所述第一同行用户之外的用户。
5.一种终端，其特征在于，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1-3任一项所述的方法。
6.一种计算机可读存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-3任一项所述的方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811573297.5A CN109766786B (zh) | 2018-12-21 | 2018-12-21 | 人物关系分析方法及相关产品 |
| PCT/CN2019/121610 WO2020125370A1 (zh) | 2018-12-21 | 2019-11-28 | 人物关系分析方法及相关产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811573297.5A CN109766786B (zh) | 2018-12-21 | 2018-12-21 | 人物关系分析方法及相关产品 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109766786A CN109766786A (zh) | 2019-05-17 |
| CN109766786B true CN109766786B (zh) | 2020-10-23 |
Family
ID=66450799
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811573297.5A Active CN109766786B (zh) | 2018-12-21 | 2018-12-21 | 人物关系分析方法及相关产品 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN109766786B (zh) |
| WO (1) | WO2020125370A1 (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109766786B (zh) * | 2018-12-21 | 2020-10-23 | 深圳云天励飞技术有限公司 | 人物关系分析方法及相关产品 |
| CN110263765A (zh) * | 2019-07-16 | 2019-09-20 | 图普科技（广州）有限公司 | 图像数据处理方法、装置及电子设备 |
| CN110502992B (zh) * | 2019-07-18 | 2021-06-15 | 武汉科技大学 | 一种基于关系图谱的固定场景视频的人脸快速识别方法 |
| CN111191601B (zh) * | 2019-12-31 | 2023-05-12 | 深圳云天励飞技术有限公司 | 同行用户识别方法、装置、服务器及存储介质 |
| CN112016443B (zh) * | 2020-08-26 | 2022-04-26 | 深圳市商汤科技有限公司 | 同行识别方法及装置、电子设备和存储介质 |
| CN112015956A (zh) * | 2020-09-04 | 2020-12-01 | 杭州海康威视数字技术股份有限公司 | 移动对象的相似性确定方法、装置、设备和存储介质 |
| CN112668520A (zh) * | 2020-12-31 | 2021-04-16 | 深圳云天励飞技术股份有限公司 | 社交关系识别方法、装置、电子设备及存储介质 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102214186A (zh) * | 2010-04-07 | 2011-10-12 | 腾讯科技（深圳）有限公司 | 展示对象关系的方法和*** |
| CN102945258A (zh) * | 2012-10-18 | 2013-02-27 | 北京淘友天下科技发展有限公司 | 获取社交网络用户可信度方法及*** |
| CN103136705A (zh) * | 2013-03-05 | 2013-06-05 | 深圳市葡萄信息技术有限公司 | 一种人际关系热度统计方法 |
| CN103885573A (zh) * | 2012-12-19 | 2014-06-25 | 财团法人车辆研究测试中心 | 车用显示***的自动校正方法及其*** |
| CN104637078A (zh) * | 2013-11-14 | 2015-05-20 | 腾讯科技（深圳）有限公司 | 一种图像处理方法及装置 |
| CN104933201A (zh) * | 2015-07-15 | 2015-09-23 | 蔡宏铭 | 基于同行信息的内容推荐方法及*** |
| CN105912579A (zh) * | 2016-04-01 | 2016-08-31 | 东软集团股份有限公司 | 一种人物关系图谱的生成方法及装置 |
| CN106204396A (zh) * | 2016-07-24 | 2016-12-07 | 南京瀚科瑞杰智能科技有限公司 | 分布式生态智联养老服务体系 |
| CN106682212A (zh) * | 2016-12-31 | 2017-05-17 | 复旦大学 | 一种基于用户移动行为的社会关系分类方法与装置 |
| CN107481154A (zh) * | 2017-07-17 | 2017-12-15 | 广州特道信息科技有限公司 | 社交网络人际关系的分析方法及装置 |
| CN108830735A (zh) * | 2017-12-27 | 2018-11-16 | 广州市云润大数据服务有限公司 | 一种线上人际关系分析方法与*** |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103455515B (zh) * | 2012-06-01 | 2017-03-22 | 腾讯科技（深圳）有限公司 | Sns社区中的用户推荐方法和*** |
| TW201423660A (zh) * | 2012-12-07 | 2014-06-16 | Hon Hai Prec Ind Co Ltd | 人際關係分析系統及方法 |
| US11657060B2 (en) * | 2014-02-27 | 2023-05-23 | Microsoft Technology Licensing, Llc | Utilizing interactivity signals to generate relationships and promote content |
| CN104298754B (zh) * | 2014-10-17 | 2017-08-25 | 梁忠伟 | 以图片序列为主干的信息挖掘传递方法、社交网络装置和*** |
| US20160275193A1 (en) * | 2015-03-18 | 2016-09-22 | Nuzzel, Inc. | Socially driven feed of aggregated content in substantially real time |
| CN107615733A (zh) * | 2015-04-14 | 2018-01-19 | 蔡宏铭 | 实现同行人即时通讯、同行信息共享及内容推荐的方法和*** |
| CN105117443B (zh) * | 2015-08-12 | 2018-07-20 | 华南理工大学 | 一种基于多关系网络的推荐算法 |
| CN106649399A (zh) * | 2015-11-03 | 2017-05-10 | 北京明略软件***有限公司 | 一种获取关联度的方法和装置 |
| TWI581207B (zh) * | 2016-04-28 | 2017-05-01 | 國立清華大學 | 共乘路徑的計算方法及使用此方法的計算裝置與記錄媒體 |
| CN108133185B (zh) * | 2017-12-21 | 2021-02-23 | 山东师范大学 | 基于轨迹数据判断行人关系的方法和*** |
| CN108564788B (zh) * | 2018-06-07 | 2021-09-10 | 重庆邮电大学 | 一种基于流式大数据的同行车辆发现方法 |
| CN109766786B (zh) * | 2018-12-21 | 2020-10-23 | 深圳云天励飞技术有限公司 | 人物关系分析方法及相关产品 |
-
2018
- 2018-12-21 CN CN201811573297.5A patent/CN109766786B/zh active Active
-
2019
- 2019-11-28 WO PCT/CN2019/121610 patent/WO2020125370A1/zh active Application Filing
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102214186A (zh) * | 2010-04-07 | 2011-10-12 | 腾讯科技（深圳）有限公司 | 展示对象关系的方法和*** |
| CN102945258A (zh) * | 2012-10-18 | 2013-02-27 | 北京淘友天下科技发展有限公司 | 获取社交网络用户可信度方法及*** |
| CN103885573A (zh) * | 2012-12-19 | 2014-06-25 | 财团法人车辆研究测试中心 | 车用显示***的自动校正方法及其*** |
| CN103136705A (zh) * | 2013-03-05 | 2013-06-05 | 深圳市葡萄信息技术有限公司 | 一种人际关系热度统计方法 |
| CN104637078A (zh) * | 2013-11-14 | 2015-05-20 | 腾讯科技（深圳）有限公司 | 一种图像处理方法及装置 |
| CN104933201A (zh) * | 2015-07-15 | 2015-09-23 | 蔡宏铭 | 基于同行信息的内容推荐方法及*** |
| CN105912579A (zh) * | 2016-04-01 | 2016-08-31 | 东软集团股份有限公司 | 一种人物关系图谱的生成方法及装置 |
| CN106204396A (zh) * | 2016-07-24 | 2016-12-07 | 南京瀚科瑞杰智能科技有限公司 | 分布式生态智联养老服务体系 |
| CN106682212A (zh) * | 2016-12-31 | 2017-05-17 | 复旦大学 | 一种基于用户移动行为的社会关系分类方法与装置 |
| CN107481154A (zh) * | 2017-07-17 | 2017-12-15 | 广州特道信息科技有限公司 | 社交网络人际关系的分析方法及装置 |
| CN108830735A (zh) * | 2017-12-27 | 2018-11-16 | 广州市云润大数据服务有限公司 | 一种线上人际关系分析方法与*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109766786A (zh) | 2019-05-17 |
| WO2020125370A1 (zh) | 2020-06-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109766786B (zh) | 人物关系分析方法及相关产品 | |
| CN108875732B (zh) | 模型训练与实例分割方法、装置和***及存储介质 | |
| CN108090508B (zh) | 一种分类训练方法、装置及存储介质 | |
| US10262190B2 (en) | Method, system, and computer program product for recognizing face | |
| CN109784199B (zh) | 同行分析方法及相关产品 | |
| CN108009466B (zh) | 行人检测方法和装置 | |
| JP2019514123A (ja) | 地理的領域におけるコンテナ内に格納された量の遠隔決定 | |
| CN109918969A (zh) | 人脸检测方法及装置、计算机装置和计算机可读存储介质 | |
| CN105426356A (zh) | 一种目标信息识别方法和装置 | |
| CN110427932A (zh) | 一种识别图像中多个票据区域的方法及装置 | |
| US10402629B1 (en) | Facial recognition using fractal features | |
| CN110555428B (zh) | 行人重识别方法、装置、服务器以及存储介质 | |
| CN111738357A (zh) | 垃圾图片的识别方法、装置及设备 | |
| CN109783680B (zh) | 图像推送方法、图像获取方法、装置及图像处理*** | |
| CN115631112B (zh) | 一种基于深度学习的建筑轮廓矫正方法及装置 | |
| CN115565154A (zh) | 可行域预测方法、装置、***和存储介质 | |
| CN112528811A (zh) | 行为识别方法和装置 | |
| CN113627298A (zh) | 目标检测模型的训练方法及检测目标对象的方法、装置 | |
| WO2023124869A1 (zh) | 用于活体检测的方法、装置、设备及存储介质 | |
| CN115294162B (zh) | 目标识别方法、装置、设备及存储介质 | |
| CN111539435A (zh) | 语义分割模型构建方法及图像分割方法、设备、存储介质 | |
| CN112801045B (zh) | 一种文本区域检测方法、电子设备及计算机存储介质 | |
| CN114898350A (zh) | 一种银行卡识别方法、识别***、电子设备及存储介质 | |
| CN116563898A (zh) | 基于GhostNet网络的掌静脉图像识别方法、装置、设备及介质 | |
| CN111382628B (zh) | 同行判定方法及装置 |
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 |