CN110688974A - 一种身份识别方法及装置 - Google Patents
一种身份识别方法及装置 Download PDFInfo
- Publication number
- CN110688974A CN110688974A CN201910945461.9A CN201910945461A CN110688974A CN 110688974 A CN110688974 A CN 110688974A CN 201910945461 A CN201910945461 A CN 201910945461A CN 110688974 A CN110688974 A CN 110688974A
- Authority
- CN
- China
- Prior art keywords
- equipment
- internet
- things
- group
- face
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4014—Identity check for transactions
- G06Q20/40145—Biometric identity checks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Computer Security & Cryptography (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Collating Specific Patterns (AREA)
Abstract
本说明书一个或多个实施例提供了一种身份识别方法及装置,其中,该方法包括:通过预先对物联网设备进行分组,将关联程度比较大的物联网设备划分到同一设备组,将该设备组中各物联网设备对应的参考人脸图像存放在同一共享人脸库中,以便后续将利用物联网设备实时采集的用户的人脸图像与该物联网设备所在设备组的共享人脸库进行比对,再根据比对结果生成相应的用户身份识别结果。
Description
技术领域
本文件涉及物联网技术领域,尤其涉及一种身份识别方法及装置。
背景技术
目前,随着物联网技术的快速发展,通过在指定位置设置物联网设备,来为用户提供相应的业务服务,从而给人们的日常生活带来便利性;同时,又随着人脸识别技术的快速发展,将人脸识别技术应用到物联网设备中,用户通过使用物联网设备完成刷脸操作,以便基于刷脸操作采集到的人脸图像进行人脸识别,进而根据用户身份识别结果执行相应的控制操作。例如,针对基于人脸识别的自助收银机或自助售货机,用户在自助收银机或自助售货机上进行刷脸操作且人脸识别通过后,自动执行支付操作;又如,针对基于人脸识别的智能门禁设备,用户在智能门禁设备上进行刷脸操作且人脸识别通过后,自动执行解锁操作。
当前,为了减少用户的操作步骤,从而实现仅基于用户的人脸图像进行用户身份确认,免去用户输入手机号码等信息来确认用户身份的步骤,进而提高用户使用体验;基于此,通常,将利用物联网设备采集到的用户的人脸图像与预存的人脸图像进行比对,再确定用户是否具有相应的权限;但是,随着物联网设备的使用用户的不断增加,预存的人脸图像的数量级越来越大,如果采用人脸图像全量比对的方式,势必将影响人脸图像识别效率;然而,如果为了减少人脸图像的比对量级,采用分别为每个物联网设备建立各自的人脸数据库的方式,那么针对用户使用的物联网设备变更的情况,将出现无法搜索到相应的预存的人脸图像的情况,这样势必将降低人脸搜索成功率。
由此可知,需要提供一种提高身份识别效率且能够确保搜索成功率的身份识别方法。
发明内容
本说明书一个或多个实施例的目的是提供一种身份识别方法及装置,既能够通过减少人脸图像比对数据来提高身份识别效率,又能够通过有针对性的人脸图像共享来确保人脸搜索成功率,进而实现同时兼顾身份识别效率和人脸搜索成功率。
为解决上述技术问题,本说明书一个或多个实施例是这样实现的:
本说明书一个或多个实施例提供了一种身份识别方法,包括:
利用物联网设备,采集用户的人脸图像;
确定所述物联网设备所在的设备组;
将所述人脸图像与所述设备组的共享人脸库进行比对,生成比对结果;
根据所述比对结果,识别所述用户的身份。
本说明书一个或多个实施例提供了一种身份识别装置,包括:
人脸图像获取模块,用于利用物联网设备,采集用户的人脸图像;
设备组确定模块,用于确定所述物联网设备所在的设备组;
人脸图像比对模块,用于将所述人脸图像与所述设备组的共享人脸库进行比对,生成比对结果;
用户身份识别模块,用于根据所述比对结果,识别所述用户的身份。
本说明书一个或多个实施例提供了一种身份识别设备,包括:
处理器;以及被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器:
利用物联网设备,采集用户的人脸图像;
确定所述物联网设备所在的设备组;
将所述人脸图像与所述设备组的共享人脸库进行比对,生成比对结果;
根据所述比对结果,识别所述用户的身份。
本说明书一个或多个实施例提供了一种存储介质,用于存储计算机可执行指令,所述可执行指令在被处理器执行时实现以下方法:
利用物联网设备,采集用户的人脸图像;
确定所述物联网设备所在的设备组;
将所述人脸图像与所述设备组的共享人脸库进行比对,生成比对结果;
根据所述比对结果,识别所述用户的身份。
本说明书一个或多个实施例中的身份识别方法及装置,通过预先对物联网设备进行分组,将关联程度比较大的物联网设备划分到同一设备组,将该设备组中各物联网设备对应的参考人脸图像存放在同一共享人脸库中,以便后续将利用物联网设备实时采集的用户的人脸图像与该物联网设备所在设备组的共享人脸库进行比对,再根据比对结果生成相应的用户身份识别结果。本说明书一个或多个实施例实现了针对同一用户而言,无论使用同一设备组中的哪个物联网设备均能够快速从该设备组对应的共享人脸库中搜索到与之匹配的人脸图像,从而实现既能够通过减少人脸图像比对数据来提高身份识别效率,又能够通过有针对性的人脸图像共享来确保人脸搜索成功率,进而实现同时兼顾身份识别效率和人脸搜索成功率。
附图说明
为了更清楚地说明本说明书一个或多个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说明书一个或多个中记载的一些实施例,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为本说明书一个或多个实施例提供的身份识别***的应用场景示意图;
图2为本说明书一个或多个实施例提供的身份识别方法的第一种流程示意图;
图3为本说明书一个或多个实施例提供的身份识别方法的第二种流程示意图;
图4为本说明书一个或多个实施例提供的身份识别方法中物联网设备的编组过程的实现示意图;
图5a为本说明书一个或多个实施例提供的身份识别方法的第三种流程示意图;
图5b为本说明书一个或多个实施例提供的身份识别方法的第四种流程示意图;
图6为本说明书一个或多个实施例提供的身份识别方法的第五种流程示意图;
图7为本说明书一个或多个实施例提供的身份识别装置的第一种模块组成示意图;
图8为本说明书一个或多个实施例提供的身份识别装置的第二种模块组成示意图;
图9为本说明书一个或多个实施例提供的身份识别设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书一个或多个中的技术方案,下面将结合本说明书一个或多个实施例中的附图,对本说明书一个或多个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说明书一个或多个一部分实施例,而不是全部的实施例。基于本说明书一个或多个中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本本文件的保护范围。
本说明书一个或多个实施例提供了一种身份识别方法及装置,针对同一用户而言,无论使用同一设备组中的哪个物联网设备均能够快速从该设备组对应的共享人脸库中搜索到与之匹配的人脸图像,从而实现既能够通过减少人脸图像比对数据来提高身份识别效率,又能够通过有针对性的人脸图像共享来确保人脸搜索成功率,进而实现同时兼顾身份识别效率和人脸搜索成功率。
图1为本说明书一个或多个实施例提供的身份识别***的应用场景示意图,如图1所示,该***包括:物联网设备、服务器和用户,其中,该服务器可以是用于对物联网设备进行管理控制并为用户提供某项业务的后台服务器,也可以是某网站(如网络购物网站或支付应用等)的后台服务器等。该服务器可以是独立的服务器,也可以是由多个服务器组成的服务器集群;该物联网设备可以是连接到物联网并为用户提供业务服务的智能终端设备,例如,刷脸支付设备、自助刷脸购物机、刷脸取件柜、刷脸取票机、或刷脸门禁设备等,其中,以物联网设备为自助刷脸购物机为例,上述身份识别的具体过程为:
(1)服务器预先根据物联网设备的设备画像信息,将物联网设备进行编组,得到多个设备组,并针对每个设备组构建共享人脸库,以及存储物联网设备、设备组与共享人脸库之间的对应关系;
其中,预先对N个物联网设备进行编组,得到M个设备组,1<M<N,每个设备组中的多个物联网设备对应于同一共享人脸库,物联网设备之间的设备画像信息的相似程度用于表征被同一组用户使用的概率,即物联网设备之间的设备画像信息的相似程度与物联网设备的使用用户重合度正相关,具体的,多个物联网设备之间的设备画像信息的相似程度越高,该多个物联网设备的使用用户重合度越大,相应的,该多个物联网设备的关联程度也就越高;也就是说,将为同一用户群组提供业务服务的多个物联网设备划分到同一个设备分组;通过预测同一用户群组使用不同物联网设备的概率,更准确地对物联网设备进行编组,以便在用户身份识别过程中,将人脸搜索范围精准地圈定在一定范围内;
(2)物联网设备采集用户的人脸图像,并向服务器发送身份识别请求,其中,该身份识别请求携带有采集到的用户的人脸图像和设备标识信息,该用户是指利用物联网设备享受某一业务服务的用户,该身份识别请求可以是人脸识别请求;
(3)服务器在接收到身份识别请求后,根据该身份识别请求中携带的设备标识信息和预存的设备与设备组之间的对应关系,确定物联网设备所在的设备组;
(4)服务器将用户的人脸图像与物联网设备所在的设备组的共享人脸库中的各人脸图像进行比对,生成相应的比对结果;
(5)服务器根据生成的比对结果,生成用户的身份识别结果;其中,该身份识别结果包括:用户身份识别通过或用户身份识别失败;
在用户身份识别过程中,通过预先将物联网设备进行编组,将关联程度比较大的多个物联网设备划分到同一设备组,并且同一设备组中的多个物联网设备使用同一个共享人脸库,该共享人脸库中包含该设备组中所有物联网设备所面向用户的参考人脸图像,后续服务器在获取到某一物联网设备采集的用户的人脸图像后,基于该物联网设备所在的设备组的共享人脸库中的人脸图像,对用户进行身份识别。这样实现了针对同一用户而言,无论使用同一设备组中的哪个物联网设备均能够快速从该设备组对应的共享人脸库中搜索到与之匹配的人脸图像,从而实现既能够通过减少人脸图像比对数据来提高身份识别效率,又能够通过有针对性的人脸图像共享来确保人脸搜索成功率,进而实现同时兼顾身份识别效率和人脸搜索成功率。
图2为本说明书一个或多个实施例提供的身份识别方法的第一种流程示意图,图2中的方法能够由图1中的服务器执行,其中,以执行主体为服务器为例进行说明,对于物联网设备的情况,可以根据下述相关内容处理,在此不再赘述。如图2所示,该方法至少包括以下步骤:
S202,利用物联网设备,采集用户的人脸图像;其中,该用户是指利用物联网设备享受某一业务服务的用户,该物联网设备是指连接到物联网并为用户提供业务服务的智能终端设备,例如,该物联网设备可以包括:刷脸支付设备、自助刷脸购物机、刷脸取件柜、刷脸取票机、刷脸门禁设备中任一种;
其中,如果物联网设备包括:刷脸支付设备或自助刷脸购物机,对应的,该业务服务可以是基于人脸识别提供的支付服务;如果物联网设备包括:刷脸取件柜或刷脸门禁设备,对应的,该业务服务可以是基于人脸识别提供的设备解锁服务;如果物联网设备为刷脸取票机,对应的,控制操作为自动票据打印操作;
具体的,物联网设备通过摄像装置采集用户的人脸图像,在采集到人脸图像后,向服务器发送身份识别请求,其中,该身份识别请求中携带有用户的人脸图像和设备标识信息;对应的,服务器接收该身份识别请求,以获取用户的人脸图像以及物联网设备的设备标识信息;
S204,确定上述物联网设备所在设备组;在具体实施时,针对设备编组的过程,该设备组可以是根据物联网设备的设备画像信息划分的,其中,每个设备组中的多个物联网设备的设备画像信息的综合相似程度大于预设阈值,具体的,由于物联网设备之间的设备画像信息的相似程度与物联网设备的使用用户重合度正相关,多个物联网设备之间的设备画像信息的相似程度越高,该多个物联网设备的使用用户重合度越大,相应的,该多个物联网设备的关联程度也就越高;
具体的,通过预先将物联网设备进行编组,将关联程度比较大的多个物联网设备划分到同一设备组,并且针对每个设备组分别构建共享人脸库,即同一设备组中的多个物联网设备使用同一个共享人脸库,该共享人脸库中包含该设备分组中所有物联网设备所面向用户的人脸图像,后续服务器在获取到某一物联网设备采集的用户的人脸图像后,先基于预存的设备与设备组之间的对应关系,确定物联网设备所在的设备组;
S206,将采集到的人脸图像与确定出的设备组的共享人脸库进行比对,生成比对结果;
具体的,上述比对结果包括:用户的人脸图像与共享人脸库中的各人脸图像之间的相似度、或者用户的人脸图像与共享人脸库中的各人脸图像的是否一致的二分类结果、或者在共享人脸库中的各人脸图像中是否存在与用户的人脸图像一致的人脸图像;
S208,根据上述比对结果,识别用户的身份;其中,该用户的身份识别结果包括:身份识别通过或身份识别失败;
具体的,若基于比对结果确定出共享人脸库中存在至少一个与用户的人脸图像相匹配的参考人脸图像,则确定针对用户的身份识别通过;否则,确定针对用户的身份识别失败;其中,与用户的人脸图像相匹配的参考人脸图像包括:与用户的人脸图像相似度大于第一相似度阈值的参考人脸图像、或者与用户的人脸图像一致的参考人脸图像;
具体的,在用户身份识别过程中,先确定请求身份识别的物联网设备所在的设备组,再基于该设备组对应的共享人脸库中的人脸图像,对用户进行身份识别,得到的相应的用户身份识别结果。
本说明书一个或多个实施例中,通过预先对物联网设备进行分组,将关联程度比较大的物联网设备划分到同一设备组,将该设备组中各物联网设备对应的参考人脸图像存放在同一共享人脸库中,以便后续将利用物联网设备实时采集的用户的人脸图像与该物联网设备所在设备组的共享人脸库进行比对,再根据比对结果生成相应的用户身份识别结果。这样针对同一用户而言,无论使用同一设备组中的哪个物联网设备均能够快速从该设备组对应的共享人脸库中搜索到与之匹配的人脸图像,从而实现既能够通过减少人脸图像比对数据来提高身份识别效率,又能够通过有针对性的人脸图像共享来确保人脸搜索成功率,进而实现同时兼顾身份识别效率和人脸搜索成功率。
其中,为了同时兼顾身份识别效率和人脸搜索成功率,确保在尽量减少人脸比对数量的情况下,提高人脸搜索成功率,通过预先将物联网设备进行编组,将关联程度比较大的多个物联网设备划分到同一设备分组,并且同一设备分组中的多个物联网设备使用同一个共享人脸库,基于此,如图3所示,在S202,利用物联网设备,采集用户的人脸图像之前,还包括:
S210,按照预设设备编组方式对多个物联网设备进行编组,得到多个设备组;其中,每个设备组中的多个物联网设备的设备画像信息的综合相似程度大于预设阈值;
其中,上述预设设备编组方式包括:人工标定的设备编组方式、或者自动智能设备编组的方式,在具体实施时,根据实际应用场景选用相应的设备编组方式;例如,针对物联网设备数量大于预设数量阈值的情况,优选地,采用自动智能设备编组的方式对多个物联网设备进行编组;
具体的,无论人工标定的设备编组方式,还是自动智能设备编组的方式,均是以设备画像信息为分组依据,将设备画像信息的相似程度高的多个物联网设备划分到同一设备组,并且,物联网设备之间的设备画像信息的相似程度与物联网设备的使用用户重合度正相关,即多个物联网设备之间的设备画像信息的相似程度越高,该多个物联网设备的使用用户重合度越大,相应的,该多个物联网设备的关联程度也就越高;
S212,保存各物联网设备与设备组之间的对应关系;具体的,对设备-设备组的对应关系进行存储,以便后续作为确定物联网设备所在设备组的依据;
S214,针对每个设备组,构建该设备组对应的共享人脸库;具体的,再存储设备组与共享人脸库之间的对应关系;
对应的,上述S204,确定上述物联网设备所在设备组,包括:
S2041,根据预存的设备-设备组的对应关系,确定上述物联网设备所在的设备组。
其中,上述S214,针对每个设备组,构建该设备组对应的共享人脸库,具体包括:
步骤一,针对每个设备组,获取该设备组所面向用户的参考人脸图像;
步骤二,基于获取到的参考人脸图像,构建该设备组对应的共享人脸库。
具体的,记录每个设备组包含的各物联网设备的标识信息;以及针对每个设备组建立一个共享人脸库,将该设备组中各物联网设备分别面向的用户的参考人脸图像存入该共享人脸库中,并且,记录各设备组的标识信息与共享人脸库的标识信息之间的对应关系,以便后续在用户身份识别过程中,将共享人脸库中预存的参考人脸图像作为实时采集的用户的人脸图像的比对依据;其中,存入共享人脸库中的人脸图像可以是用于标识用户身份唯一性的人脸特征数据,并且,共享人脸库中的人脸图像是去重处理后的;
具体的,设备组的共享人脸库中的参考人脸图像可以是根据各物联网设备的历史使用记录中的用户信息确定的、和/或根据利用设备使用预测模型预测使用各物联网设备的用户信息确定的,其中,该设备使用预测模型可以是基于训练样本集对预设机器学习模型进行模型参数训练得到的;也就是说,共享人脸库中的参考人脸图像包括:已使用该共享人脸库对应的设备组包含的任一物联网设备组的用户的人脸图像、未来预设时间段内将要使用该共享人脸库对应的设备组包含的任一物联网设备组的用户的人脸图像中至少一项。
在一个具体的实施例中,如图4所示,如果按照预设设备编组方式可知,设备标识为0001、0025、0048、0076的物联网设备之间的设备画像信息的相似程度比较高,因此,将设备标识为0001、0025、0048、0076的物联网设备划分到同一设备组,分组序号可以设置为IOT-group1,设备标识为0002、0012、0056、0120、0325的物联网设备之间的设备画像信息的相似程度比较高,因此,将设备标识为0002、0012、0056、0120、0325的物联网设备划分到同一设备组,分组序号可以设置为IOT-group2,同样的,将N个物联网设备划分为M个设备组,即分组序号分别为IOT-group1、IOT-group2…、IOT-group M,其中,M大于1且M小于N;
具体的,在将多个物联网设备划分为多个设备组之后,还需要为每个设备组建立一个共享人脸库,并且每个共享人脸库具有唯一的编号,例如,设备组的序号分别为IOT-group1、IOT-group2…、IOT-group M,对应的,共享人脸库的序号分别为share-data1、share-data2…、share-data M。
其中,针对采用人工标定方式对物联网设备进行编组的过程,如图5a所示,上述S210,按照预设设备编组方式对多个物联网设备进行编组,得到多个设备组,具体包括:
S2101,接收针对多个物联网设备的设备编组请求,其中,该设备编组请求中携带有基于物联网设备的设备画像信息得到的设备标识与分组序号之间的对应关系;
具体的,相关人员在管理终端的显示界面上对物联网设备进行分组标定,基于物联网设备的设备画像信息手动输入设备标识与分组序号之间的对应关系,管理终端生成携带有该对应关系的设备编组请求,并将该设备编组请求发送至服务器;
在具体实施时,仍以图4中的设备分组结果为例,若设备标识为0001、0025、0048、0076的物联网设备之间的设备画像信息的相似程度比较高,则服务器接收到的设备编组请求中携带设备标识为0001、0025、0048、0076与分组序号IOT-group1之间的对应关系,类似的,设备编组请求中还携带其他设备标识与分组序号之间的对应关系;
S2102,根据接收到的设备标识与分组序号之间的对应关系,对多个物联网设备进行编组,得到多个设备组;
具体的,将对应于相同分组序号的多个物联网设备划分到同一设备组,得到M个设备组,其中,分组序号分别为IOT-group1、IOT-group2…、IOT-group M,其中,M大于1且M小于N,M个设备组中包含N个物联网设备。
其中,针对采用自动智能设备编组的方式对物联网设备进行编组的过程,如图5b所示,上述S210,按照预设设备编组方式对多个物联网设备进行编组,得到多个设备组,具体包括:
S2103,获取待编组的多个物联网设备分别对应的设备画像信息,其中,该设备画像信息包括:设备业务类型信息、设备地理位置信息、设备所属商家信息、使用用户属性信息中至少一项;
其中,上述使用用户属性信息可以包括:使用用户的身份、职业、年龄、性别等等;
具体的,针对设备画像信息包括多项的情况,可以将各项设备画像信息分别对应的相似程度进行加权平均,得到设备画像信息的综合相似程度;
S2104,根据各物联网设备的设备画像信息,对多个物联网设备进行编组,得到多个设备组;
具体的,将设备画像信息的相似程度比较高的多个物联网设备划分到同一设备组;其中,针对首次进行设备编组时,利用预设聚类算法并基于各已有物联网设备的设备画像信息,对多个已有物联网设备进行聚类,得到多个设备聚类簇,其中,每个设备聚类簇作为一个初始设备分组;将多个初始设备分组确定为当前的多个设备组;其中,可以选用任一种现有的聚类算法聚类得到的多个设备聚类簇,例如,可以选用K-means算法,还可以选用DBSCAN聚类算法,也可以选用BIRCH聚类算法,
接下来,随着物联网设备的不断补充,随之不断更新初始设备分组,进而不断更新当前的多个设备组,具体的,针对非首次进行设备编组时,若存在新增的物联网设备,则将该新增的物联网设备确定为待编组的物联网设备,并对该新增的物联网设备进行编组,该新增的物联网设备可以划分到已建立的初始设备分组中,也可以划分到新建的初始设备分组中。
具体的,针对采用自动智能设备编组的方式并基于设备画像信息对物联网设备进行编组的过程,若已建立多个初始设备分组,即非首次进行设备编组的情况,上述S2104,根据各物联网设备的设备画像信息,对多个物联网设备进行编组,得到多个设备组,具体包括:
步骤一,针对每个待编组的物联网设备,根据该物联网设备的设备画像信息,分别确定该物联网设备与已建立的多个初始设备分组的匹配程度;其中,物联网设备与初始设备分组的匹配程度越高,说明该物联网设备与已划分到该初始设备分组的物联网设备的设备画像信息的相似程度越高;
其中,上述已建立的多个初始设备分组包括:在首次进行设备编组时,利用预设聚类算法基于已有物联网设备的设备画像信息,聚类得到的多个设备聚类簇、和/或当匹配程度均小于预设匹配度阈值时,新建的初始设备分组;后续一旦存在新增的物联网设备,则将该新增的物联网设备确定为待编组得到物联网设备,以便继续基于已建立的多个初始设备分组,对该新增的物联网设备进行编组,得到更新后的当前的多个设备组;
具体的,将物联网设备的设备画像信息与初始设备分组的多维度属性信息进行对应维度信息相似度计算,根据各维度的信息相似度的加权平均值,确定物联网设备与该初始设备分组的匹配程度;其中,设备分组的多维度属性信息涉及的信息维度与设备画像信息涉及的信息维度相同;例如,若设备画像信息包括:设备地理位置信息、设备所属商家信息、使用用户属性信息,对应的,初始设备分组的多维度属性信息包括:设备地理位置范围、设备所属商家类别、使用用户属性信息类别;
步骤二,根据确定出的多个匹配程度,确定与待编组的物联网设备相匹配的目标设备分组,并将该物联网设备划分到目标设备分组中;
具体的,判断确定出的多个匹配程度中是否存在至少一个匹配程度大于预设匹配度阈值;若是,将匹配程度最大的初始设备分组确定为目标设备分组;若否,则根据待编组的物联网设备的设备画像信息新建一个初始设备分组,并将新建的初始设备分组确定为目标设备分组;其中,该新建的初始设备分组的多维度属性信息是根据待编组的物联网设备的设备画像信息中各维度信息的所属类别确定的;
步骤三,基于多个初始设备分组和目标设备分组,确定多个设备组;以及将该多个设备组确定为下一次设备编组所用的已建立的多个初始设备分组;
具体的,针对目标设备分组为已建立的多个初始设备分组中的任一个分组的情况,将除匹配程度最大的初始设备分组之外的其他初始设备分组和目标设备分组的组合,确定为多个设备组;针对目标设备分组为新建的初始设备分组的情况,将已建立的多个初始设备分组和新建的初始设备分组的组合,确定为多个设备组;
其中,由于在首次设备编组时,每个设备聚类簇中的多个物联网设备的设备画像信息的比较相似,且设备聚类簇的多维度属性信息是根据该设备聚类簇包含的多个物联网设备的设备画像信息确定的,并且在非首次设备编组时,根据设备画像信息将待编组的物联网设备划分到匹配程度大于预设匹配度阈值的目标设备分组中,因此,得到的每个设备组中的多个物联网设备的设备画像信息的也比较相似。
其中,针对物联网设备所在设备组的确定过程,上述S2041,根据预存的设备-设备组的对应关系,确定上述物联网设备所在的设备组,具体包括:
步骤一,获取上述物联网设备的设备标识信息;具体的,该设备标识信息可以是从物联网设备发送的身份识别请求中获取的;
步骤二,根据预存的设备-设备组的对应关系,确定与获取到的设备标识信息对应的分组标识信息;
步骤三,将具有确定出的分组标识信息的设备组,确定为上述物联网设备所在的设备组;具体的,在确定出物联网设备所在设备组之后,即可确定物联网设备所在设备组对应的共享人脸库;
具体的,预先存储有各物联网设备的标识信息与设备组的标识信息(即分组标识信息)之间的第一对应关系、以及还存储有个设备组的标识信息与共享人脸库的标识信息之间的第二对应关系,因此,根据该第一对应关系、第二对应关系和请求身份识别的物联网设备的标识信息,即可确定该物联网设备所在设备组,以及该设备组对应的共享人脸库;
例如,仍以图4中的设备分组结果为例,若请求身份识别的物联网设备的标识信息为0056,则确定对应的分组序号为IOT-group2,进而确定对应的共享库标识信息为share-data2,因而,将分组序号为IOT-group2的设备组确定为请求身份识别的物联网设备所在的设备组,以及将该物联网设备采集到的人脸图像与编号为share-data2的共享人脸库中的参考人脸图像进行比对。
其中,为了进一步提高人脸搜索成功率,通过预先根据设备组的多维度属性信息,确定各设备组之间的相关度,这样不仅将与请求用户身份识别的物联网设备直接对应的共享人脸库确定为共享人脸库,还将间接对应的共享人脸库确定为共享人脸库,其中,该间接对应的共享人脸库包括:与请求用户身份识别的物联网设备所在设备组的相关度大于预设相关度阈值的设备组直接对应的共享人脸库,因此,在人脸图像比对过程中,若在直接对应的共享人脸库中搜索不到,继续在间接对应的共享人脸库中进行搜索;
基于此,上述确定物联网设备所在设备组对应的共享人脸库,具体包括:
根据上述第二对应关系,确定物联网设备所在设备组对应的第一共享人脸库(即直接对应的共享人脸库);以及,
根据预存的设备组之间的相关度,确定与物联网设备所在设备组的相关度大于预设相关度阈值的至少一个关联设备组;
根据上述第二对应关系,确定至少一个关联设备组对应的第二共享人脸库(即间接对应的共享人脸库);
将上述第一共享人脸库和第二共享人脸库确定为物联网设备所在设备组对应的共享人脸库。
对应的,若确定出的物联网设备所在设备组对应的共享人脸库的数量为多个,即共享人脸库包括:一个第一共享人脸库和至少一个第二共享人脸库,基于此,针对人脸图像的比对过程,上述S206,将采集到的人脸图像与确定出的设备组的共享人脸库进行比对,生成比对结果,具体为:
将采集到的人脸图像与第一共享人脸库中的各参考人脸图像进行比对,生成第一比对结果;
若第一比对结果表征人脸搜索成功,则停止人脸图像比对,继续执行上述S208的步骤;
若第一比对结果表征人脸搜索失败,则在至少一个第二共享人脸库中根据相关度由大到小的顺序依次选取一个第二共享人脸库,将采集到的人脸图像与选取的第二共享人脸库中的各参考人脸图像进行比对,生成第二比对结果;
若第二比对结果表征人脸搜索成功,则停止人脸图像比对,继续执行上述S208的步骤;
若第二比对结果表征人脸搜索失败,则在至少一个第二共享人脸库中选取下一个第二共享人脸库,直到当前选取的第二共享人脸库为最后一个第二共享人脸库。
其中,如果确定出用户的身份识别通过,则说明用户具有相应的权项,因此,需要自动触发执行相应的控制操作,进而为用户提供所需的业务服务,基于此,如图6所示,在上述S208,根据上述比对结果,识别用户的身份之后,还包括:
S214,判断用户的身份识别结果是否为识别通过;
若判断结果为是,则S216,触发执行相应的控制操作,其中,该控制操作包括:支付操作、解锁操作、票据打印操作中任一项;
具体的,控制操作的类型是根据物联网设备的类型确定的,例如,若物联网设备为刷脸支付设备或自助刷脸购物机,对应的,控制操作为自动支付操作;又如,若刷脸取件柜或刷脸门禁设备,对应的,控制操作的自动解锁操作;再如,若物联网设备为刷脸取票机,对应的,控制操作为自动票据打印操作;
若判断结果为否,则S218,对用户进行身份识别失败提示;
具体的,当共享人脸库中不存在与用户的人脸图像相匹配的人脸图像时,则确定针对用户的身份识别失败,并向用户展示相应的提示信息,以便用户自查身份识别失败原因,也可以再次申请身份识别。
本说明书一个或多个实施例中的身份识别方法,通过预先对物联网设备进行分组,将关联程度比较大的物联网设备划分到同一设备组,将该设备组中各物联网设备对应的参考人脸图像存放在同一共享人脸库中,以便将利用物联网设备实时采集的用户的人脸图像与该物联网设备所在设备组的共享人脸库进行比对,再根据比对结果生成相应的用户身份识别结果。本说明书一个或多个实施例实现了针对同一用户而言,无论使用同一设备组中的哪个物联网设备均能够快速从该设备组对应的共享人脸库中搜索到与之匹配的人脸图像,从而实现既能够通过减少人脸图像比对数据来提高身份识别效率,又能够通过有针对性的人脸图像共享来确保人脸搜索成功率,进而实现同时兼顾身份识别效率和人脸搜索成功率。
对应上述图2至图6描述的身份识别方法,基于相同的技术构思,本说明书一个或多个实施例还提供了一种身份识别装置,图7为本说明书一个或多个实施例提供的身份识别装置的第一种模块组成示意图,该装置用于执行图2至图6描述的身份识别方法,如图7所示,该装置包括:
人脸图像获取模块701,用于利用物联网设备,采集用户的人脸图像;
设备组确定模块702,用于确定所述物联网设备所在的设备组;
人脸图像比对模块703,用于将所述人脸图像与所述设备组的共享人脸库进行比对,生成比对结果;
用户身份识别模块704,用于根据所述比对结果,识别所述用户的身份。
本说明书一个或多个实施例中,通过预先对物联网设备进行分组,将关联程度比较大的物联网设备划分到同一设备组,将该设备组中各物联网设备对应的参考人脸图像存放在同一共享人脸库中,以便后续将利用物联网设备实时采集的用户的人脸图像与该物联网设备所在设备组的共享人脸库进行比对,再根据比对结果生成相应的用户身份识别结果。这样针对同一用户而言,无论使用同一设备组中的哪个物联网设备均能够快速从该设备组对应的共享人脸库中搜索到与之匹配的人脸图像,从而实现既能够通过减少人脸图像比对数据来提高身份识别效率,又能够通过有针对性的人脸图像共享来确保人脸搜索成功率,进而实现同时兼顾身份识别效率和人脸搜索成功率。
可选地,如图8所示,所述装置还包括:设备编组模块705和共享库构建模块706;
其中,所述设备编组模块705,用于按照预设设备编组方式对多个物联网设备进行编组,得到多个设备组;以及,保存各所述物联网设备与所述设备组之间的对应关系;其中,每个所述设备组中的多个物联网设备的设备画像信息的综合相似程度大于预设阈值;
所述共享库构建模块706,用于针对每个所述设备组,构建所述设备组对应的共享人脸库;
对应的,所述设备组确定模块702,具体用于:
根据所述对应关系,确定所述物联网设备所在的设备组。
可选地,所述共享库构建模块706,具体用于:
针对每个所述设备组,获取该设备组所面向用户的参考人脸图像;
基于获取到的所述参考人脸图像,构建所述设备组对应的共享人脸库。
可选地,所述物联网设备包括:刷脸支付设备、自助刷脸购物机、刷脸取件柜、刷脸取票机、刷脸门禁设备中任一种。
可选地,所述设备编组模块705,具体用于:
接收针对多个物联网设备的设备编组请求,其中,所述设备编组请求中携带有基于物联网设备的设备画像信息得到的设备标识与分组序号之间的对应关系;
根据所述设备标识与分组序号之间的对应关系,对所述多个物联网设备进行编组,得到多个设备组。
可选地,所述设备编组模块705,还具体用于:
获取待编组的多个物联网设备分别对应的设备画像信息,其中,所述设备画像信息包括:设备业务类型信息、设备地理位置信息、设备所属商家信息、使用用户属性信息中至少一项;
根据各所述物联网设备的所述设备画像信息,对所述多个物联网设备进行编组,得到多个设备组。
可选地,所述设备编组模块705,还进一步具体用于:
针对每个待编组的所述物联网设备,根据该物联网设备的所述设备画像信息,分别确定该物联网设备与已建立的多个初始设备分组的匹配程度;
根据确定出的多个所述匹配程度,确定与所述物联网设备相匹配的目标设备分组,并将所述物联网设备划分到所述目标设备分组中;
基于多个所述初始设备分组和所述目标设备分组,确定多个设备组。
可选地,所述设备组确定模块702,进一步具体用于:
获取所述物联网设备的设备标识信息;
根据所述对应关系,确定与所述设备标识信息对应的分组标识信息;
将具有所述分组标识信息的设备组确定为所述物联网设备所在的设备组。
可选地,所述装置还包括:预设操作控制模块707,用于:
若所述用户的身份识别结果为识别通过,则执行相应的控制操作,其中,所述控制操作包括:支付操作、解锁操作、票据打印操作中任一项;
若所述用户的身份识别结果为识别失败,则对所述用户进行身份识别失败提示。
本说明书一个或多个实施例中的身份识别装置,通过预先对物联网设备进行分组,将关联程度比较大的物联网设备划分到同一设备组,将该设备组中各物联网设备对应的参考人脸图像存放在同一共享人脸库中,以便后续将利用物联网设备实时采集的用户的人脸图像与该物联网设备所在设备组的共享人脸库进行比对,再根据比对结果生成相应的用户身份识别结果。本说明书一个或多个实施例实现了针对同一用户而言,无论使用同一设备组中的哪个物联网设备均能够快速从该设备组对应的共享人脸库中搜索到与之匹配的人脸图像,从而实现既能够通过减少人脸图像比对数据来提高身份识别效率,又能够通过有针对性的人脸图像共享来确保人脸搜索成功率,进而实现同时兼顾身份识别效率和人脸搜索成功率。
需要说明的是,本说明书中关于身份识别装置的实施例与本说明书中关于身份识别方法的实施例基于同一发明构思,因此该实施例的具体实施可以参见前述对应的身份识别方法的实施,重复之处不再赘述。
进一步地,对应上述图2至图6所示的方法,基于相同的技术构思,本说明书一个或多个实施例还提供了一种身份识别设备,该设备用于执行上述的身份识别方法,如图9所示。
身份识别设备可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上的处理器901和存储器902,存储器902中可以存储有一个或一个以上存储应用程序或数据。其中,存储器902可以是短暂存储或持久存储。存储在存储器902的应用程序可以包括一个或一个以上模块(图示未示出),每个模块可以包括对身份识别设备中的一系列计算机可执行指令。更进一步地,处理器901可以设置为与存储器902通信,在身份识别设备上执行存储器902中的一系列计算机可执行指令。身份识别设备还可以包括一个或一个以上电源903,一个或一个以上有线或无线网络接口904,一个或一个以上输入输出接口905,一个或一个以上键盘906等。
在一个具体的实施例中,身份识别设备包括有存储器,以及一个或一个以上的程序,其中一个或者一个以上程序存储于存储器中,且一个或者一个以上程序可以包括一个或一个以上模块,且每个模块可以包括对身份识别设备中的一系列计算机可执行指令,且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令:
利用物联网设备,采集用户的人脸图像;
确定所述物联网设备所在的设备组;
将所述人脸图像与所述设备组的共享人脸库进行比对,生成比对结果;
根据所述比对结果,识别所述用户的身份。
本说明书一个或多个实施例中,通过预先对物联网设备进行分组,将关联程度比较大的物联网设备划分到同一设备组,将该设备组中各物联网设备对应的参考人脸图像存放在同一共享人脸库中,以便后续将利用物联网设备实时采集的用户的人脸图像与该物联网设备所在设备组的共享人脸库进行比对,再根据比对结果生成相应的用户身份识别结果。这样针对同一用户而言,无论使用同一设备组中的哪个物联网设备均能够快速从该设备组对应的共享人脸库中搜索到与之匹配的人脸图像,从而实现既能够通过减少人脸图像比对数据来提高身份识别效率,又能够通过有针对性的人脸图像共享来确保人脸搜索成功率,进而实现同时兼顾身份识别效率和人脸搜索成功率。
可选地,计算机可执行指令在被执行时,在利用物联网设备,采集用户的人脸图像之前,还包括:
按照预设设备编组方式对多个物联网设备进行编组,得到多个设备组;其中,每个所述设备组中的多个物联网设备的设备画像信息的综合相似程度大于预设阈值;
保存各所述物联网设备与所述设备组之间的对应关系;
针对每个所述设备组,构建所述设备组对应的共享人脸库;
对应的,所述确定所述物联网设备所在的设备组,包括:
根据所述对应关系,确定所述物联网设备所在的设备组。
可选地,计算机可执行指令在被执行时,所述针对每个所述设备组,构建所述设备组对应的共享人脸库,包括:
针对每个所述设备组,获取该设备组所面向用户的参考人脸图像;
基于获取到的所述参考人脸图像,构建所述设备组对应的共享人脸库。
可选地,计算机可执行指令在被执行时,所述物联网设备包括:刷脸支付设备、自助刷脸购物机、刷脸取件柜、刷脸取票机、刷脸门禁设备中任一种。
可选地,计算机可执行指令在被执行时,所述按照预设设备编组方式对多个物联网设备进行编组,得到多个设备组,包括:
接收针对多个物联网设备的设备编组请求,其中,所述设备编组请求中携带有基于物联网设备的设备画像信息得到的设备标识与分组序号之间的对应关系;
根据所述设备标识与分组序号之间的对应关系,对所述多个物联网设备进行编组,得到多个设备组。
可选地,计算机可执行指令在被执行时,所述按照预设设备编组方式对多个物联网设备进行编组,得到多个设备组,包括:
获取待编组的多个物联网设备分别对应的设备画像信息,其中,所述设备画像信息包括:设备业务类型信息、设备地理位置信息、设备所属商家信息、使用用户属性信息中至少一项;
根据各所述物联网设备的所述设备画像信息,对所述多个物联网设备进行编组,得到多个设备组。
可选地,计算机可执行指令在被执行时,所述根据各所述物联网设备的所述设备画像信息,对所述多个物联网设备进行编组,得到多个设备组,包括:
针对每个待编组的所述物联网设备,根据该物联网设备的所述设备画像信息,分别确定该物联网设备与已建立的多个初始设备分组的匹配程度;
根据确定出的多个所述匹配程度,确定与所述物联网设备相匹配的目标设备分组,并将所述物联网设备划分到所述目标设备分组中;
基于多个所述初始设备分组和所述目标设备分组,确定多个设备组。
可选地,计算机可执行指令在被执行时,所述根据所述对应关系,确定所述物联网设备所在的设备组,包括:
获取所述物联网设备的设备标识信息;
根据所述对应关系,确定与所述设备标识信息对应的分组标识信息;
将具有所述分组标识信息的设备组确定为所述物联网设备所在的设备组。
可选地,计算机可执行指令在被执行时,在根据所述比对结果,生成针对所述用户的用户身份识别结果之后,还包括:
若所述用户的身份识别结果为识别通过,则执行相应的控制操作,其中,所述控制操作包括:支付操作、解锁操作、票据打印操作中任一项;
若所述用户的身份识别结果为识别失败,则对所述用户进行身份识别失败提示。
本说明书一个或多个实施例中的身份识别设备,通过预先对物联网设备进行分组,将关联程度比较大的物联网设备划分到同一设备组,将该设备组中各物联网设备对应的参考人脸图像存放在同一共享人脸库中,以便后续将利用物联网设备实时采集的用户的人脸图像与该物联网设备所在设备组的共享人脸库进行比对,再根据比对结果生成相应的用户身份识别结果。本说明书一个或多个实施例实现了针对同一用户而言,无论使用同一设备组中的哪个物联网设备均能够快速从该设备组对应的共享人脸库中搜索到与之匹配的人脸图像,从而实现既能够通过减少人脸图像比对数据来提高身份识别效率,又能够通过有针对性的人脸图像共享来确保人脸搜索成功率,进而实现同时兼顾身份识别效率和人脸搜索成功率。
需要说明的是,本说明书中关于身份识别设备的实施例与本说明书中关于身份识别方法的实施例基于同一发明构思,因此该实施例的具体实施可以参见前述对应的身份识别方法的实施,重复之处不再赘述。
进一步地,对应上述图2至图6所示的方法,基于相同的技术构思,本说明书一个或多个实施例还提供了一种存储介质,用于存储计算机可执行指令,一种具体的实施例中,该存储介质可以为U盘、光盘、硬盘等,该存储介质存储的计算机可执行指令在被处理器执行时,能实现以下流程:
利用物联网设备,采集用户的人脸图像;
确定所述物联网设备所在的设备组;
将所述人脸图像与所述设备组的共享人脸库进行比对,生成比对结果;
根据所述比对结果,识别所述用户的身份。
本说明书一个或多个实施例中,通过预先对物联网设备进行分组,将关联程度比较大的物联网设备划分到同一设备组,将该设备组中各物联网设备对应的参考人脸图像存放在同一共享人脸库中,以便后续将利用物联网设备实时采集的用户的人脸图像与该物联网设备所在设备组的共享人脸库进行比对,再根据比对结果生成相应的用户身份识别结果。这样针对同一用户而言,无论使用同一设备组中的哪个物联网设备均能够快速从该设备组对应的共享人脸库中搜索到与之匹配的人脸图像,从而实现既能够通过减少人脸图像比对数据来提高身份识别效率,又能够通过有针对性的人脸图像共享来确保人脸搜索成功率,进而实现同时兼顾身份识别效率和人脸搜索成功率。
可选地,该存储介质存储的计算机可执行指令在被处理器执行时,在利用物联网设备,采集用户的人脸图像之前,还包括:
按照预设设备编组方式对多个物联网设备进行编组,得到多个设备组;其中,每个所述设备组中的多个物联网设备的设备画像信息的综合相似程度大于预设阈值;
保存各所述物联网设备与所述设备组之间的对应关系;
针对每个所述设备组,构建所述设备组对应的共享人脸库;
对应的,所述确定所述物联网设备所在的设备组,包括:
根据所述对应关系,确定所述物联网设备所在的设备组。
可选地,该存储介质存储的计算机可执行指令在被处理器执行时,所述针对每个所述设备组,构建所述设备组对应的共享人脸库,包括:
针对每个所述设备组,获取该设备组所面向用户的参考人脸图像;
基于获取到的所述参考人脸图像,构建所述设备组对应的共享人脸库。
可选地,该存储介质存储的计算机可执行指令在被处理器执行时,所述物联网设备包括:刷脸支付设备、自助刷脸购物机、刷脸取件柜、刷脸取票机、刷脸门禁设备中任一种。
可选地,该存储介质存储的计算机可执行指令在被处理器执行时,所述按照预设设备编组方式对多个物联网设备进行编组,得到多个设备组,包括:
接收针对多个物联网设备的设备编组请求,其中,所述设备编组请求中携带有基于物联网设备的设备画像信息得到的设备标识与分组序号之间的对应关系;
根据所述设备标识与分组序号之间的对应关系,对所述多个物联网设备进行编组,得到多个设备组。
可选地,该存储介质存储的计算机可执行指令在被处理器执行时,所述按照预设设备编组方式对多个物联网设备进行编组,得到多个设备组,包括:
获取待编组的多个物联网设备分别对应的设备画像信息,其中,所述设备画像信息包括:设备业务类型信息、设备地理位置信息、设备所属商家信息、使用用户属性信息中至少一项;
根据各所述物联网设备的所述设备画像信息,对所述多个物联网设备进行编组,得到多个设备组。
可选地,该存储介质存储的计算机可执行指令在被处理器执行时,所述根据各所述物联网设备的所述设备画像信息,对所述多个物联网设备进行编组,得到多个设备组,包括:
针对每个待编组的所述物联网设备,根据该物联网设备的所述设备画像信息,分别确定该物联网设备与已建立的多个初始设备分组的匹配程度;
根据确定出的多个所述匹配程度,确定与所述物联网设备相匹配的目标设备分组,并将所述物联网设备划分到所述目标设备分组中;
基于多个所述初始设备分组和所述目标设备分组,确定多个设备组。
可选地,该存储介质存储的计算机可执行指令在被处理器执行时,所述根据所述对应关系,确定所述物联网设备所在的设备组,包括:
获取所述物联网设备的设备标识信息;
根据所述对应关系,确定与所述设备标识信息对应的分组标识信息;
将具有所述分组标识信息的设备组确定为所述物联网设备所在的设备组。
可选地,该存储介质存储的计算机可执行指令在被处理器执行时,在根据所述比对结果,生成针对所述用户的用户身份识别结果之后,还包括:
若所述用户的身份识别结果为识别通过,则执行相应的控制操作,其中,所述控制操作包括:支付操作、解锁操作、票据打印操作中任一项;
若所述用户的身份识别结果为识别失败,则对所述用户进行身份识别失败提示。
本说明书一个或多个实施例中的存储介质存储的计算机可执行指令在被处理器执行时,通过预先对物联网设备进行分组,将关联程度比较大的物联网设备划分到同一设备组,将该设备组中各物联网设备对应的参考人脸图像存放在同一共享人脸库中,以便后续将利用物联网设备实时采集的用户的人脸图像与该物联网设备所在设备组的共享人脸库进行比对,再根据比对结果生成相应的用户身份识别结果。本说明书一个或多个实施例实现了针对同一用户而言,无论使用同一设备组中的哪个物联网设备均能够快速从该设备组对应的共享人脸库中搜索到与之匹配的人脸图像,从而实现既能够通过减少人脸图像比对数据来提高身份识别效率,又能够通过有针对性的人脸图像共享来确保人脸搜索成功率,进而实现同时兼顾身份识别效率和人脸搜索成功率。
需要说明的是,本说明书中关于存储介质的实施例与本说明书中关于身份识别方法的实施例基于同一发明构思,因此该实施例的具体实施可以参见前述对应的身份识别方法的实施,重复之处不再赘述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字***“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HD Cal、JHDL(Java Hardware Description Language)、Lava、Lola、My HDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的***、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书一个或多个时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本说明书一个或多个的实施例可提供为方法、***、或计算机程序产品。因此,本说明书一个或多个可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本说明书一个或多个可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书一个或多个是参照根据本说明书一个或多个实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本说明书一个或多个的实施例可提供为方法、***或计算机程序产品。因此,本说明书一个或多个可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书一个或多个可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书一个或多个可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书一个或多个,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于***实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书一个或多个的实施例而已,并不用于限制本说明书一个或多个。对于本领域技术人员来说,本说明书一个或多个可以有各种更改和变化。凡在本说明书一个或多个的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书一个或多个的权利要求范围之内。
Claims (20)
1.一种身份识别方法,包括:
利用物联网设备,采集用户的人脸图像;
确定所述物联网设备所在的设备组;
将所述人脸图像与所述设备组的共享人脸库进行比对,生成比对结果;
根据所述比对结果,识别所述用户的身份。
2.根据权利要求1所述的方法,其中,在利用物联网设备,采集用户的人脸图像之前,还包括:
按照预设设备编组方式对多个物联网设备进行编组,得到多个设备组;其中,每个所述设备组中的多个物联网设备的设备画像信息的综合相似程度大于预设阈值;
保存各所述物联网设备与所述设备组之间的对应关系;以及,
针对每个所述设备组,构建所述设备组对应的共享人脸库;
对应的,所述确定所述物联网设备所在的设备组,包括:
根据所述对应关系,确定所述物联网设备所在的设备组。
3.根据权利要求2所述的方法,其中,所述针对每个所述设备组,构建所述设备组对应的共享人脸库,包括:
针对每个所述设备组,获取该设备组所面向用户的参考人脸图像;
基于获取到的所述参考人脸图像,构建所述设备组对应的共享人脸库。
4.根据权利要求2所述的方法,其中,所述物联网设备包括:刷脸支付设备、自助刷脸购物机、刷脸取件柜、刷脸取票机、刷脸门禁设备中任一种。
5.根据权利要求2所述的方法,其中,所述按照预设设备编组方式对多个物联网设备进行编组,得到多个设备组,包括:
接收针对多个物联网设备的设备编组请求,其中,所述设备编组请求中携带有基于物联网设备的设备画像信息得到的设备标识与分组序号之间的对应关系;
根据所述设备标识与分组序号之间的对应关系,对所述多个物联网设备进行编组,得到多个设备组。
6.根据权利要求2所述的方法,其中,所述按照预设设备编组方式对多个物联网设备进行编组,得到多个设备组,包括:
获取待编组的多个物联网设备分别对应的设备画像信息,其中,所述设备画像信息包括:设备业务类型信息、设备地理位置信息、设备所属商家信息、使用用户属性信息中至少一项;
根据各所述物联网设备的所述设备画像信息,对所述多个物联网设备进行编组,得到多个设备组。
7.根据权利要求6所述的方法,其中,所述根据各所述物联网设备的所述设备画像信息,对所述多个物联网设备进行编组,得到多个设备组,包括:
针对每个待编组的所述物联网设备,根据该物联网设备的所述设备画像信息,分别确定该物联网设备与已建立的多个初始设备分组的匹配程度;
根据确定出的多个所述匹配程度,确定与所述物联网设备相匹配的目标设备分组,并将所述物联网设备划分到所述目标设备分组中;
基于多个所述初始设备分组和所述目标设备分组,确定多个设备组。
8.根据权利要求2所述的方法,其中,所述根据所述对应关系,确定所述物联网设备所在的设备组,包括:
获取所述物联网设备的设备标识信息;
根据所述对应关系,确定与所述设备标识信息对应的分组标识信息;
将具有所述分组标识信息的设备组确定为所述物联网设备所在的设备组。
9.根据权利要求1至8任一项所述的方法,其中,在根据所述比对结果,识别所述用户的身份之后,还包括:
若所述用户的身份识别结果为识别通过,则执行相应的控制操作,其中,所述控制操作包括:支付操作、解锁操作、票据打印操作中任一项;
若所述用户的身份识别结果为识别失败,则对所述用户进行身份识别失败提示。
10.一种身份识别装置,包括:
人脸图像获取模块,用于利用物联网设备,采集用户的人脸图像;
设备组确定模块,用于确定所述物联网设备所在的设备组;
人脸图像比对模块,用于将所述人脸图像与所述设备组的共享人脸库进行比对,生成比对结果;
用户身份识别模块,用于根据所述比对结果,识别所述用户的身份。
11.根据权利要求10所述的装置,其中,所述装置还包括:设备编组模块和共享库构建模块;
所述设备编组模块,用于按照预设设备编组方式对多个物联网设备进行编组,得到多个设备组;以及保存各所述物联网设备与所述设备组之间的对应关系;其中,每个所述设备组中的多个物联网设备的设备画像信息的综合相似程度大于预设阈值;
所述共享库构建模块,用于针对每个所述设备组,构建所述设备组对应的共享人脸库;
对应的,所述设备组确定模块,具体用于:
根据所述对应关系,确定所述物联网设备所在的设备组。
12.根据权利要求11所述的装置,其中,所述共享库构建模块,具体用于:
针对每个所述设备组,获取该设备组所面向用户的参考人脸图像;
基于获取到的所述参考人脸图像,构建所述设备组对应的共享人脸库。
13.根据权利要求11所述的装置,其中,所述物联网设备包括:刷脸支付设备、自助刷脸购物机、刷脸取件柜、刷脸取票机、刷脸门禁设备中任一种。
14.根据权利要求11所述的装置,其中,所述设备编组模块,具体用于:
接收针对多个物联网设备的设备编组请求,其中,所述设备编组请求中携带有基于物联网设备的设备画像信息得到的设备标识与分组序号之间的对应关系;
根据所述设备标识与分组序号之间的对应关系,对所述多个物联网设备进行编组,得到多个设备组。
15.根据权利要求11所述的装置,其中,所述设备编组模块,还具体用于:
获取待编组的多个物联网设备分别对应的设备画像信息,其中,所述设备画像信息包括:设备业务类型信息、设备地理位置信息、设备所属商家信息、使用用户属性信息中至少一项;
根据各所述物联网设备的所述设备画像信息,对所述多个物联网设备进行编组,得到多个设备组。
16.根据权利要求15所述的装置,其中,所述设备编组模块,还进一步具体用于:
针对每个待编组的所述物联网设备,根据该物联网设备的所述设备画像信息,分别确定该物联网设备与已建立的多个初始设备分组的匹配程度;
根据确定出的多个所述匹配程度,确定与所述物联网设备相匹配的目标设备分组,并将所述物联网设备划分到所述目标设备分组中;
基于多个所述初始设备分组和所述目标设备分组,确定多个设备组。
17.根据权利要求11所述的装置,其中,所述设备组确定模块,具体用于:
获取所述物联网设备的设备标识信息;
根据所述对应关系,确定与所述设备标识信息对应的分组标识信息;
将具有所述分组标识信息的设备组确定为所述物联网设备所在的设备组。
18.根据权利要求10至17任一项所述的装置,其中,所述装置还包括:预设操作控制模块,用于:
若所述用户的身份识别结果为识别通过,则执行相应的控制操作,其中,所述控制操作包括:支付操作、解锁操作、票据打印操作中任一项;
若所述用户的身份识别结果为识别失败,则对所述用户进行身份识别失败提示。
19.一种身份识别设备,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器:
利用物联网设备,采集用户的人脸图像;
确定所述物联网设备所在的设备组;
将所述人脸图像与所述设备组的共享人脸库进行比对,生成比对结果;
根据所述比对结果,识别所述用户的身份。
20.一种存储介质,用于存储计算机可执行指令,所述可执行指令在被处理器执行时实现以下方法:
利用物联网设备,采集用户的人脸图像;
确定所述物联网设备所在的设备组;
将所述人脸图像与所述设备组的共享人脸库进行比对,生成比对结果;
根据所述比对结果,识别所述用户的身份。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910945461.9A CN110688974B (zh) | 2019-09-30 | 2019-09-30 | 一种身份识别方法及装置 |
CN202211193320.4A CN115862088A (zh) | 2019-09-30 | 2019-09-30 | 一种身份识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910945461.9A CN110688974B (zh) | 2019-09-30 | 2019-09-30 | 一种身份识别方法及装置 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211193320.4A Division CN115862088A (zh) | 2019-09-30 | 2019-09-30 | 一种身份识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110688974A true CN110688974A (zh) | 2020-01-14 |
CN110688974B CN110688974B (zh) | 2022-10-25 |
Family
ID=69111295
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910945461.9A Active CN110688974B (zh) | 2019-09-30 | 2019-09-30 | 一种身份识别方法及装置 |
CN202211193320.4A Pending CN115862088A (zh) | 2019-09-30 | 2019-09-30 | 一种身份识别方法及装置 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211193320.4A Pending CN115862088A (zh) | 2019-09-30 | 2019-09-30 | 一种身份识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN110688974B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111275428A (zh) * | 2020-02-10 | 2020-06-12 | 支付宝(杭州)信息技术有限公司 | 信息处理方法、装置、设备和介质 |
CN111539732A (zh) * | 2020-04-03 | 2020-08-14 | ***股份有限公司 | 生物识别支付方法、装置、网关设备及存储介质 |
CN111914241A (zh) * | 2020-08-06 | 2020-11-10 | 上海熙菱信息技术有限公司 | 一种动态识别非结构化对象身份信息的方法 |
CN112114985A (zh) * | 2020-09-22 | 2020-12-22 | 杭州海康威视***技术有限公司 | 一种人脸信息的下发方法、装置及设备 |
CN113344132A (zh) * | 2021-06-30 | 2021-09-03 | 成都商汤科技有限公司 | 身份识别方法、***、装置、计算机设备及存储介质 |
CN115187915A (zh) * | 2022-09-07 | 2022-10-14 | 苏州万店掌网络科技有限公司 | 一种客流分析方法、装置、设备及介质 |
CN115801483A (zh) * | 2023-02-10 | 2023-03-14 | 北京京能高安屯燃气热电有限责任公司 | 一种信息共享处理方法及*** |
CN115826539A (zh) * | 2023-02-14 | 2023-03-21 | 深圳市玄羽科技有限公司 | 一种基于工业互联网标识的设备协同控制方法及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101483652A (zh) * | 2009-01-10 | 2009-07-15 | 五邑大学 | 生物特征识别*** |
CN108009482A (zh) * | 2017-11-25 | 2018-05-08 | 宁波亿拍客网络科技有限公司 | 一种提高人脸识别效率方法 |
US10027726B1 (en) * | 2012-11-21 | 2018-07-17 | Ozog Media, LLC | Device, apparatus, and method for facial recognition |
CN109697388A (zh) * | 2017-10-23 | 2019-04-30 | 北京京东尚科信息技术有限公司 | 人脸识别方法和装置 |
CN110012103A (zh) * | 2019-04-11 | 2019-07-12 | 芋头科技(杭州)有限公司 | 智能设备的控制方法、装置以及控制器和介质 |
CN110097368A (zh) * | 2018-01-30 | 2019-08-06 | 财付通支付科技有限公司 | 人脸图像的识别方法、服务器、终端及服务设备 |
-
2019
- 2019-09-30 CN CN201910945461.9A patent/CN110688974B/zh active Active
- 2019-09-30 CN CN202211193320.4A patent/CN115862088A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101483652A (zh) * | 2009-01-10 | 2009-07-15 | 五邑大学 | 生物特征识别*** |
US10027726B1 (en) * | 2012-11-21 | 2018-07-17 | Ozog Media, LLC | Device, apparatus, and method for facial recognition |
CN109697388A (zh) * | 2017-10-23 | 2019-04-30 | 北京京东尚科信息技术有限公司 | 人脸识别方法和装置 |
CN108009482A (zh) * | 2017-11-25 | 2018-05-08 | 宁波亿拍客网络科技有限公司 | 一种提高人脸识别效率方法 |
CN110097368A (zh) * | 2018-01-30 | 2019-08-06 | 财付通支付科技有限公司 | 人脸图像的识别方法、服务器、终端及服务设备 |
CN110012103A (zh) * | 2019-04-11 | 2019-07-12 | 芋头科技(杭州)有限公司 | 智能设备的控制方法、装置以及控制器和介质 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111275428A (zh) * | 2020-02-10 | 2020-06-12 | 支付宝(杭州)信息技术有限公司 | 信息处理方法、装置、设备和介质 |
CN111539732A (zh) * | 2020-04-03 | 2020-08-14 | ***股份有限公司 | 生物识别支付方法、装置、网关设备及存储介质 |
WO2021196892A1 (zh) * | 2020-04-03 | 2021-10-07 | ***股份有限公司 | 生物识别支付方法、装置、网关设备及存储介质 |
CN111539732B (zh) * | 2020-04-03 | 2024-02-27 | ***股份有限公司 | 生物识别支付方法、装置、网关设备及存储介质 |
CN111914241A (zh) * | 2020-08-06 | 2020-11-10 | 上海熙菱信息技术有限公司 | 一种动态识别非结构化对象身份信息的方法 |
CN112114985A (zh) * | 2020-09-22 | 2020-12-22 | 杭州海康威视***技术有限公司 | 一种人脸信息的下发方法、装置及设备 |
CN112114985B (zh) * | 2020-09-22 | 2024-03-01 | 杭州海康威视***技术有限公司 | 一种人脸信息的下发方法、装置及设备 |
CN113344132A (zh) * | 2021-06-30 | 2021-09-03 | 成都商汤科技有限公司 | 身份识别方法、***、装置、计算机设备及存储介质 |
CN115187915A (zh) * | 2022-09-07 | 2022-10-14 | 苏州万店掌网络科技有限公司 | 一种客流分析方法、装置、设备及介质 |
CN115801483A (zh) * | 2023-02-10 | 2023-03-14 | 北京京能高安屯燃气热电有限责任公司 | 一种信息共享处理方法及*** |
CN115826539A (zh) * | 2023-02-14 | 2023-03-21 | 深圳市玄羽科技有限公司 | 一种基于工业互联网标识的设备协同控制方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN115862088A (zh) | 2023-03-28 |
CN110688974B (zh) | 2022-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110688974B (zh) | 一种身份识别方法及装置 | |
TWI735782B (zh) | 模型的訓練方法、資料相似度的確定方法、裝置及設備 | |
CN110020938B (zh) | 交易信息处理方法、装置、设备及存储介质 | |
US9348898B2 (en) | Recommendation system with dual collaborative filter usage matrix | |
CN110322349B (zh) | 一种数据的处理方法、装置及设备 | |
CN109508879B (zh) | 一种风险的识别方法、装置及设备 | |
CN110020427B (zh) | 策略确定方法和装置 | |
CN109993627B (zh) | 推荐方法、推荐模型的训练方法、装置和存储介质 | |
Li et al. | Discover and mitigate unknown biases with debiasing alternate networks | |
CN110674188A (zh) | 一种特征提取方法、装置及设备 | |
US12002052B2 (en) | Feature subspace isolation and disentanglement in merchant embeddings | |
CN111581625A (zh) | 一种用户身份识别方法、装置及电子设备 | |
CN110032582B (zh) | 一种数据处理方法、装置、设备及*** | |
CN111008620A (zh) | 目标用户识别方法、装置及存储介质、电子设备 | |
CN115712866A (zh) | 数据处理方法、装置及设备 | |
CN116049761A (zh) | 数据处理方法、装置及设备 | |
CN113656699B (zh) | 用户特征向量确定方法、相关设备及介质 | |
CN110322139B (zh) | 策略推荐方法及装置 | |
CN109582834B (zh) | 数据风险预测方法及装置 | |
CN112967044B (zh) | 一种支付业务的处理方法及装置 | |
CN108595395B (zh) | 一种昵称的生成方法、装置及设备 | |
US20220172271A1 (en) | Method, device and system for recommending information, and storage medium | |
CN112836612B (zh) | 一种用户实名认证的方法、装置及*** | |
CN115082999A (zh) | 合影图像人物分析方法、装置、计算机设备和存储介质 | |
CN110705439A (zh) | 一种信息的处理方法、装置及设备 |
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 |