CN113064935A - 数据分析方法、装置及介质 - Google Patents
数据分析方法、装置及介质 Download PDFInfo
- Publication number
- CN113064935A CN113064935A CN202110342791.6A CN202110342791A CN113064935A CN 113064935 A CN113064935 A CN 113064935A CN 202110342791 A CN202110342791 A CN 202110342791A CN 113064935 A CN113064935 A CN 113064935A
- Authority
- CN
- China
- Prior art keywords
- data
- person
- personnel
- behavior
- scene
- 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
- 238000007405 data analysis Methods 0.000 title claims abstract description 192
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000012545 processing Methods 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 20
- 238000003860 storage Methods 0.000 claims description 17
- 230000004044 response Effects 0.000 claims description 8
- 230000001815 facial effect Effects 0.000 claims 1
- 230000006399 behavior Effects 0.000 description 149
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000010606 normalization Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000006317 isomerization reaction Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004091 panning Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012517 data analytics Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000474 nursing effect 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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
- G06V40/168—Feature extraction; Face representation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明涉及数据分析技术领域,具体提供了一种数据分析方法,旨在解决如何提高数据分析的便捷性和准确性的技术问题。为此目的,根据本发明实施例的方法,可以获取不同人员在不同场景下产生的人员数据并将每个人员的身份信息分别与每个人员的所有人员数据进行数据关联;响应于数据分析模型发送的数据获取请求,对数据获取请求中待分析人员的人脸图像进行人脸识别,以获取待分析人员的身份信息;根据数据获取请求中包含的场景类型,从与待分析人员的身份信息进行数据关联的人员数据中,获取与场景类型匹配的人员数据;将匹配的人员数据发送至数据分析模型,以便数据分析模型进行相应的数据分析。通过上述步骤,可以提高数据分析的便捷性和准确性。
Description
技术领域
本发明涉及数据分析技术领域,具体涉及一种数据分析方法、装置及介质。
背景技术
随着大数据时代的到来,大数据分析技术已经应用到人们生活的各个方面,例如,利用大数据分析技术对人们的行为进行分析和预测等。现有的数据分析方法通常通过各种途径采集人们的信息,之后利用大数据分析技术等对采集到的信息进行分析和预测。然而,由于人们的信息过于分散导致信息收集和整理难度大,并且无法实现统一管理,可能会因信息收集不全面而导致数据分析错误;进行多次数据分析时可能会因为人员重复而导致信息重复收集和整理,使得现有数据分析方法的便捷性和准确性不佳。
相应地,本领域需要一种新的数据分析方案来解决上述问题。
发明内容
为了克服上述缺陷,提出了本发明,以提供解决或至少部分地解决如何提高数据分析的便捷性和准确性的技术问题的数据分析方法、装置及介质。
第一方面,提供一种数据分析方法,所述方法包括:
获取不同人员在不同场景下产生的人员数据并且将每个人员的身份信息分别与每个人员的所有人员数据进行数据关联;
响应于数据分析模型发送的数据获取请求,对所述数据获取请求中待分析人员的人脸图像进行人脸识别,以获取所述待分析人员的身份信息;
根据所述数据获取请求中包含的场景类型,从与所述待分析人员的身份信息进行数据关联的人员数据中,获取与所述场景类型匹配的人员数据;
将所述匹配的人员数据发送至所述数据分析模型,以便所述数据分析模型能够根据所述人员数据进行相应的数据分析。
在上述数据分析方法的一个技术方案中,所述人员数据包括人员的证件照和/或人员在不同场景下产生的人脸场景图像;
“对所述数据获取请求中待分析人员的人脸图像进行人脸识别,以获取所述待分析人员的身份信息”的步骤具体包括:
根据人脸识别的结果获取所述待分析人员的人脸图像特征;
对所述人脸图像特征与所述证件照和/或所述人脸场景图像的图像特征进行比对;
根据比对的结果,获取与所述待分析人员的人脸图像表示相同人员的证件照和/或所述人脸场景图像,并且将与所述证件照和/或人脸场景图像进行数据关联的身份信息作为所述待分析人员的身份信息。
在上述数据分析方法的一个技术方案中,在“将每个人员的身份信息分别与每个人员的所有人员数据进行数据关联”的步骤之前,所述方法还包括:
针对每个人员,分别对每个人员的所有人员数据进行数据分类,以获取每个人员的人员属性数据和人员行为数据,其中,所述人员行为数据包括人员在每个场景下产生的行为数据;
对每个人员的人员属性数据以及每个人员的人员行为数据分别进行数据标准化处理,以使每个人员的人员属性数据的数据格式均相同以及使每个人员的人员行为数据的数据格式均相同。
在上述数据分析方法的一个技术方案中,所述方法还包括通过下列方式生成每个人员的人员数据画像:
根据每个人员在每个场景下的行为数据中行为的发生时间,获取每个人员在每个场景下的行为数据的发生频率;
根据每个人员在每个场景下的行为数据的发生频率,分别为每个人员在每个场景下的行为数据的画像标签设置标签权重;
根据每个人员在每个场景下的行为数据以及相应的标签权重,生成每个人员的人员数据画像;
并且/或者,
所述方法还包括:
根据每个人员在每个场景下的行为数据中行为的发生时间,获取每个人员在每个场景下的行为数据的发生频率;
根据每个人员在每个场景下的行为数据的发生频率,对每个人员分别进行每个场景下的行为预测,以确定在未来一段时间内每个人员是否会分别在每个场景下产生新的行为数据。
在上述数据分析方法的一个技术方案中,所述方法还包括:
响应于数据分析模型发送的画像查询请求和/或行为预测查询请求,将所述待分析人员的人员数据画像和/或所述行为预测的结果发送至所述数据分析模型;
其中,所述画像查询请求和所述行为预测查询请求中均包括所述待分析人员的人脸图像。
第二方面,提供一种数据分析装置,所述装置包括:
数据关联模块,其被配置成获取不同人员在不同场景下产生的人员数据并且将每个人员的身份信息分别与每个人员的所有人员数据进行数据关联;
数据获取分析模块,其被配置成执行下列操作:
响应于数据分析模型发送的数据获取请求,对所述数据获取请求中待分析人员的人脸图像进行人脸识别,以获取所述待分析人员的身份信息;
根据所述数据获取请求中包含的场景类型,从与所述待分析人员的身份信息进行数据关联的人员数据中,获取与所述场景类型匹配的人员数据;
将所述匹配的人员数据发送至所述数据分析模型,以便所述数据分析模型能够根据所述人员数据进行相应的数据分析。
在上述数据分析装置的一个技术方案中,所述人员数据包括人员的证件照和/或人员在不同场景下产生的人脸场景图像;
所述数据获取分析模块还被配置成执行以下操作:
根据人脸识别的结果获取所述待分析人员的人脸图像特征;
对所述人脸图像特征与所述证件照和/或所述人脸场景图像的图像特征进行比对;
根据比对的结果,获取与所述待分析人员的人脸图像表示相同人员的证件照和/或所述人脸场景图像,并且将与所述证件照和/或人脸场景图像进行数据关联的身份信息作为所述待分析人员的身份信息。
在上述数据分析装置的一个技术方案中,在“将每个人员的身份信息分别与每个人员的所有人员数据进行数据关联”的步骤之前,所述数据关联模块还被配置成执行以下操作:
针对每个人员,分别对每个人员的所有人员数据进行数据分类,以获取每个人员的人员属性数据和人员行为数据,其中,所述人员行为数据包括人员在每个场景下产生的行为数据;
对每个人员的人员属性数据以及每个人员的人员行为数据分别进行数据标准化处理,以使每个人员的人员属性数据的数据格式均相同以及使每个人员的人员行为数据的数据格式均相同。
在上述数据分析装置的一个技术方案中,所述装置还包括数据画像生成模块,所述数据画像生成模块被配置成执行以下操作:
根据每个人员在每个场景下的行为数据中行为的发生时间,获取每个人员在每个场景下的行为数据的发生频率;
根据每个人员在每个场景下的行为数据的发生频率,分别为每个人员在每个场景下的行为数据的画像标签设置标签权重;
根据每个人员在每个场景下的行为数据以及相应的标签权重,生成每个人员的人员数据画像;
并且/或者,
所述装置还包括行为预测模块,所述行为预测模块被配置成执行以下操作:
根据每个人员在每个场景下的行为数据中行为的发生时间,获取每个人员在每个场景下的行为数据的发生频率;
根据每个人员在每个场景下的行为数据的发生频率,对每个人员分别进行每个场景下的行为预测,以确定在未来一段时间内每个人员是否会分别在每个场景下产生新的行为数据。
在上述数据分析装置的一个技术方案中,所述装置还包括信息查询模块,所述信息查询模块被配置成执行以下操作:
响应于数据分析模型发送的画像查询请求和/或行为预测查询请求,将所述待分析人员的人员数据画像和/或所述行为预测的结果发送至所述数据分析模型;
其中,所述画像查询请求和所述行为预测查询请求中均包括所述待分析人员的人脸图像。
第三方面,提供一种数据分析装置,该数据分析装置包括处理器和存储装置,所述存储装置适于存储多条程序代码,所述程序代码适于由所述处理器加载并运行以执行上述任一项技术方案所述的数据分析方法。
第四方面,提供一种计算机可读存储介质,该计算机可读存储介质其中存储有多条程序代码,所述程序代码适于由处理器加载并运行以执行上述任一项技术方案所述的数据分析方法。
本发明上述一个或多个技术方案,至少具有如下一种或多种有益效果:
在实施本发明的技术方案中,可以获取不同人员在不同场景下产生的人员数据并且将每个人员的身份信息分别与每个人员的所有人员数据进行数据关联;响应于数据分析模型发送的数据获取请求,对数据获取请求中待分析人员的人脸图像进行人脸识别,以获取待分析人员的身份信息;根据数据获取请求中包含的场景类型,从与待分析人员的身份信息进行数据关联的人员数据中,获取与场景类型匹配的人员数据;将匹配的人员数据发送至数据分析模型,以便数据分析模型能够根据人员数据进行相应的数据分析。在本发明实施例中,通过将每个人员的身份信息分别与每个人员在不同场景下产生的所有人员数据进行数据关联,可以将分散的人员数据基于人员的身份信息整合到一起,通过某个人员的身份信息就可以获取该人员在不同场景下产生的所有人员数据,使得人员数据收集和整理简单而全面,从而提高了根据人员数据进行数据分析的准确性,同时可以实现人员数据的统一管理。此外,在接收到数据分析模型发送的数据获取请求后,可以根据数据获取请求中包含的待分析人员的人脸图像以及场景类型直接调取与待分析人员的身份信息进行数据关联的人员数据中与该场景类型匹配的人员数据,之后将匹配的人员数据发送至数据分析模型即可,数据分析模型不需要花费时间收集这些人员的人员数据,获取到匹配的人员数据后即可进行相应的数据分析,提高了数据分析的便捷性和准确性。同时,进行多次数据分析时只需要根据数据分析模型发送的不同数据获取请求匹配相应的人员数据即可,不需要多次进行人员数据的收集和整理,实现人员数据的灵活复用,进一步提高数据分析的便捷性和工作效率。
进一步,在实施本发明的技术方案中,还可以针对每个人员,分别对每个人员的所有人员数据进行数据分类,以获取每个人员的人员属性数据和人员行为数据,其中,人员行为数据包括人员在每个场景下产生的行为数据;对每个人员的人员属性数据以及每个人员的人员行为数据分别进行数据标准化处理,以使每个人员的人员属性数据的数据格式均相同以及使每个人员的人员行为数据的数据格式均相同。通过对人员数据进行数据分类和数据标准化处理,使得来源不同的人员数据可以实现分类存储,解决了数据异构化的问题,便于后续根据分类存储的人员数据进行数据分析,进一步提高了数据分析的便捷性。
进一步,在实施本发明的技术方案中,还可以根据每个人员在每个场景下的行为数据中行为的发生时间,获取每个人员在每个场景下的行为数据的发生频率;根据每个人员在每个场景下的行为数据的发生频率,分别为每个人员在每个场景下的行为数据的画像标签设置标签权重;根据每个人员在每个场景下的行为数据以及相应的标签权重,生成每个人员的人员数据画像;将待分析人员的人员数据画像发送至数据分析模型。通过根据每个人员在每个场景下的行为数据中行为的发生时间生成每个人员的人员数据画像,便于数据分析模型的应用方查看待分析人员的基本信息以及行为倾向,并且根据待分析人员的基本信息以及行为倾向实施相应的服务。
附图说明
下面参照附图来描述本发明的具体实施方式,附图中:
图1是根据本发明的一个实施例的数据分析方法的主要步骤流程示意图;
图2是根据本发明的另一个实施例的数据分析方法的主要步骤流程示意图;
图3是根据本发明的又一个实施例的数据分析方法的主要步骤流程示意图;
图4是根据本发明的再一个实施例的数据分析方法的主要步骤流程示意图;
图5是根据本发明的一个实施例的数据分析装置的主要结构框图。
附图标记列表:
11:数据关联模块; 12:数据获取分析模块。
具体实施方式
下面参照附图来描述本发明的一些实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非旨在限制本发明的保护范围。
在本发明的描述中,“模块”、“处理器”可以包括硬件、软件或者两者的组合。一个模块可以包括硬件电路,各种合适的感应器,通信端口,存储器,也可以包括软件部分,比如程序代码,也可以是软件和硬件的组合。处理器可以是中央处理器、微处理器、图像处理器、数字信号处理器或者其他任何合适的处理器。处理器具有数据和/或信号处理功能。处理器可以以软件方式实现、硬件方式实现或者二者结合方式实现。非暂时性的计算机可读存储介质包括任何合适的可存储程序代码的介质,比如磁碟、硬盘、光碟、闪存、只读存储器、随机存取存储器等等。术语“A和/或B”表示所有可能的A与B的组合,比如只是A、只是B或者A和B。术语“至少一个A或B”或者“A和B中的至少一个”含义与“A和/或B”类似,可以包括只是A、只是B或者A和B。单数形式的术语“一个”、“这个”也可以包含复数形式。
现有的数据分析方法通常通过各种途径采集人们的信息,之后利用大数据分析技术等对采集到的信息进行分析和预测。然而,由于人们的信息过于分散导致信息收集和整理难度大,并且无法实现统一管理,可能会因信息收集不全面而导致数据分析错误;进行多次数据分析时可能会因为人员重复而导致信息重复收集和整理,使得现有数据分析方法的便捷性和准确性不佳。
在本发明实施例中,可以获取不同人员在不同场景下产生的人员数据并且将每个人员的身份信息分别与每个人员的所有人员数据进行数据关联;响应于数据分析模型发送的数据获取请求,对数据获取请求中待分析人员的人脸图像进行人脸识别,以获取待分析人员的身份信息;根据数据获取请求中包含的场景类型,从与待分析人员的身份信息进行数据关联的人员数据中,获取与场景类型匹配的人员数据;将匹配的人员数据发送至数据分析模型,以便数据分析模型能够根据人员数据进行相应的数据分析。在本发明中,通过将每个人员的身份信息分别与每个人员在不同场景下产生的所有人员数据进行数据关联,可以将分散的人员数据基于人员的身份信息整合到一起,通过某个人员的身份信息就可以获取该人员在不同场景下产生的所有人员数据,使得人员数据收集和整理简单而全面,从而提高了根据人员数据进行数据分析的准确性,同时可以实现人员数据的统一管理。此外,在接收到数据分析模型发送的数据获取请求后,可以根据数据获取请求中包含的待分析人员的人脸图像以及场景类型直接调取与待分析人员的身份信息进行数据关联的人员数据中与该场景类型匹配的人员数据,之后将匹配的人员数据发送至数据分析模型即可,数据分析模型不需要花费时间收集这些人员的人员数据,获取到匹配的人员数据后即可进行相应的数据分析,提高了数据分析的便捷性和准确性,完全克服了现有数据分析方法的便捷性和准确性不佳的缺陷。同时,进行多次数据分析时只需要根据数据分析模型发送的不同数据获取请求匹配相应的人员数据即可,不需要多次进行人员数据的收集和整理,实现人员数据的灵活复用,进一步提高数据分析的便捷性和工作效率。
在本发明的一个应用场景中,某便利店想要对某些人员进行数据分析,可以通过监控设备获取这些人员的人脸图像,将获取到的人脸图像以及该便利店场景发送至安装了数据分析模型的计算机设备中,以便该计算机设备能够利用数据分析模型根据人脸图像以及该便利店场景生成数据获取请求,然后将该数据获取请求发送至安装了根据本发明的一个实施例的数据分析装置的后台服务器中,以便该后台服务器能够利用这个数据分析装置获取这些人员与该便利店场景匹配的人员数据并且将匹配的人员数据发送至安装了数据分析模型的计算机设备中,以便该计算机设备能够利用数据分析模型根据接收到的人员数据进行数据分析,在数据分析完成后该计算机设备可以通过屏幕显示分析结果。
参阅附图1,图1是根据本发明的一个实施例的数据分析方法的主要步骤流程示意图。如图1所示,本发明实施例中的数据分析方法主要包括以下步骤:
步骤S101:获取不同人员在不同场景下产生的人员数据并且将每个人员的身份信息分别与每个人员的所有人员数据进行数据关联。
在本实施例中,人员在不同场景下会产生多种人员数据,例如,人员在酒店、餐厅等场所会产生消费数据,在医院、疗养院等场所会产生医疗数据,在飞机场、火车站等场所会产生出行数据等,这些数据都包括人员的身份信息(例如,身份证号等),并且每个人员的身份信息都是唯一的,因此,可以以身份信息为标签,根据身份信息与人员的所有人员数据进行数据关联,通过某个人员的身份信息即可获取该人员的所有人员数据。
在本实施例中,可以通过大数据分析技术对不同人员在不同场景下产生的人员数据进行数据汇聚和分析处理,例如,由于人员的基本信息(例如,姓名、性别、民族、身高等)基本不会随时间变化而产生太大的变动,因此,可以通过定期采集处理的方式对人员的基本信息进行数据汇聚和关联;而人员的行为信息(例如,消费信息、出行信息、通信信息等)由于人员的行为变化随时都在变动,因此,可以采用实时采集处理的方式对人员的行为信息进行数据汇聚和关联。此外,由于摄像头、监控设备等四处可见,人员在不同场景下产生的人脸数据在人员数据中占有很大比重,而人员的各种证件基本都包括身份信息以及证件照,因此,可以采用人脸识别技术对人员数据中的人脸数据进行识别,并与人员的证件照进行对比,如果相似度超过一定的阈值,则为同一人员的数据,此时可以将该人脸数据与证件照所关联的身份信息进行关联。
一个实施方式中,在上述步骤S101中“将每个人员的身份信息分别与每个人员的所有人员数据进行数据关联”的步骤之前,本发明的数据分析方法还包括:
步骤1:针对每个人员,分别对每个人员的所有人员数据进行数据分类,以获取每个人员的人员属性数据和人员行为数据,其中,人员行为数据包括人员在每个场景下产生的行为数据;
步骤2:对每个人员的人员属性数据以及每个人员的人员行为数据分别进行数据标准化处理,以使每个人员的人员属性数据的数据格式均相同以及使每个人员的人员行为数据的数据格式均相同。
在本实施方式中,通过对人员数据进行数据分类和数据标准化处理,使得来源不同的人员数据(例如,通过HTTP获得的数据、通过FTP获得的数据、通过DB获得的数据、通过KAFKA获得的数据等)可以实现统一的分类存储,解决了数据异构化的问题,便于后续根据分类存储的人员数据进行数据分析,进一步提高了数据分析的便捷性。
在本实施方式中,人员属性数据指的是,基本不会随时间或行为变化而产生太大变动的数据,例如,姓名、性别、民族、支付账号等;人员行为数据指的是,随人员的行为变化而产生变动的数据,例如,行为类型、行为地点、行为时间等。人员属性数据的数据格式相同指的是,人员属性数据都按照相同的格式排列保存,例如,人员属性数据都按照身份证号、姓名、年龄、性别…的格式进行排列保存;人员行为数据的数据格式相同指的是,人员行为数据都按照相同的格式排列保存,例如,人员行为数据都按照身份证号、姓名、行为类型、行为地点、行为时间…的格式进行排列保存。
步骤S102:响应于数据分析模型发送的数据获取请求,对数据获取请求中待分析人员的人脸图像进行人脸识别,以获取待分析人员的身份信息;根据数据获取请求中包含的场景类型,从与待分析人员的身份信息进行数据关联的人员数据中,获取与场景类型匹配的人员数据;将匹配的人员数据发送至数据分析模型,以便数据分析模型能够根据人员数据进行相应的数据分析。
在本实施例中,可以对不同的数据分析模型分别进行数据授权,以便于数据分析模型根据授权的数据进行数据分析。数据分析模型指的是,机器学习领域常规的、能够进行数据分析的模型,在此不对数据分析模型的具体类型做任何限制。场景类型指的是,人员进行各种行为而产生人员数据时所在的场景的类型,包括但不限于:消费场景、出行场景、通信场景、医疗场景、学习场景等。
一个实施方式中,人员数据包括人员的证件照和/或人员在不同场景下产生的人脸场景图像;上述步骤S102中“对数据获取请求中待分析人员的人脸图像进行人脸识别,以获取待分析人员的身份信息”的步骤具体包括:
步骤11:根据人脸识别的结果获取待分析人员的人脸图像特征。
步骤12:对人脸图像特征与证件照和/或人脸场景图像的图像特征进行比对。
步骤13:根据比对的结果,获取与待分析人员的人脸图像表示相同人员的证件照和/或人脸场景图像,并且将与证件照和/或人脸场景图像进行数据关联的身份信息作为待分析人员的身份信息。
在本实施方式中,由于获取到的人员数据包括人员的证件照和人员在不同场景下产生的人脸场景图像,并且人员的证件照和人员在不同场景下产生的人脸场景图像已经与人员的身份信息相关联,因此可以对待分析人员的人脸图像进行人脸识别来确定待分析人员的身份信息,如果待分析人员的人脸图像特征与证件照和/或人脸场景图像的图像特征的相似度超过一定的阈值,即可说明与证件照和/或人脸场景图像进行数据关联的身份信息就是待分析人员的身份信息。在本实施方式中,当确定与证件照和/或人脸场景图像进行数据关联的身份信息就是待分析人员的身份信息之后,数据获取请求中待分析人员的人脸图像也可以保存为该人员的人脸场景图像。
在本实施方式中,人员的证件照指的是,人员的各种证件(例如,身份证、驾驶证、学生证等)上带有的人员照片。人脸场景图像指的是,人员在不同场景下进行各种行为时产生的人脸图像,例如,人员在便利店购物时,便利店中安装的监控设备会产生人员进入便利店后的人脸图像。
一个实施方式中,本发明的数据分析方法还包括通过下列方式生成每个人员的人员数据画像:
步骤21:根据每个人员在每个场景下的行为数据中行为的发生时间,获取每个人员在每个场景下的行为数据的发生频率。
步骤22:根据每个人员在每个场景下的行为数据的发生频率,分别为每个人员在每个场景下的行为数据的画像标签设置标签权重。
步骤23:根据每个人员在每个场景下的行为数据以及相应的标签权重,生成每个人员的人员数据画像。
在本实施方式中,通过根据每个人员在每个场景下的行为数据中行为的发生时间生成每个人员的人员数据画像,便于数据分析模型的应用方查看待分析人员的基本信息以及行为倾向,并且根据待分析人员的基本信息以及行为倾向实施相应的服务(例如,进行各种服务推荐)。
在本实施方式中,可以根据每个人员在每个场景下的行为数据的发生频率,分别为每个人员在每个场景下的行为数据的画像标签设置标签权重,例如,如果某个的行为数据的发生频率越小,则该行为数据的标签权重越小,如果某个的行为数据的发生频率越大,则该行为数据的标签权重越大。
需要说明的是,在本实施例中可以采用数据分析领域中常规的数据画像生成方法生成每个人员的人员数据画像。为了描述简洁,在此不再对人员数据画像的具体生成过程进行赘述。
一个实施方式中,本发明的数据分析方法还包括:
步骤31:根据每个人员在每个场景下的行为数据中行为的发生时间,获取每个人员在每个场景下的行为数据的发生频率。
步骤32:根据每个人员在每个场景下的行为数据的发生频率,对每个人员分别进行每个场景下的行为预测,以确定在未来一段时间内每个人员是否会分别在每个场景下产生新的行为数据。
在本实施方式中,如果某个人员在某个时间段某种行为数据的发生频率超过一定的阈值,则该人员在未来的某个时间段进行该行为数据所对应的行为的概率较高,例如,例如,某人员连续三年在11月11日通过淘宝进行购物,则该人员大概率会继续在明年的11月11日通过淘宝进行购物。在本实施方式中,通过上述步骤,可以根据每个人员的历史行为数据对人员的行为进行预测,以便于各种行为所发生的场景的工作人员根据行为预测结果提前采取各种服务措施。
一个实施方式中,本发明的数据分析方法还包括:响应于数据分析模型发送的画像查询请求和/或行为预测查询请求,将待分析人员的人员数据画像和/或行为预测的结果发送至数据分析模型;其中,画像查询请求和行为预测查询请求中均包括待分析人员的人脸图像。
在本实施方式中,可以通过发送画像查询请求和/或行为预测查询请求来获取待分析人员的人员数据画像和/或行为预测,以便于数据分析模型进行后续的数据分析。
参阅附图2,图2是根据本发明的另一个实施例的数据分析方法的主要步骤流程示意图。如图2所示,本发明实施例中的数据分析方法主要包括以下步骤:
步骤S201:获取不同人员在不同场景下产生的人员数据。在本实施例中,具体的场景类型与步骤S101中的场景类型相同,为了描述简洁,在此不再赘述。
步骤S202:将每个人员的身份信息分别与每个人员的除人脸数据之外的人员数据进行数据关联,并且对人脸数据进行人脸识别。在本实施例中,具体的数据关联方式与步骤S101中的数据关联方式相同,为了描述简洁,在此不再赘述。
步骤S203:根据识别结果将每个人员的人脸数据与除人脸数据之外的人员数据进行关联,以得到每个人员的所有人员数据,并且根据每个人员的所有人员数据生成每个人员的人员数据画像。在本实施例中,具体的人脸数据与人员数据的关联方式与步骤S101中的人脸数据与人员数据的关联方式相同,为了描述简洁,在此不再赘述。在本实施例中,具体的人员数据画像的生成方式与步骤S102中的人员数据画像的生成方式相同,为了描述简洁,在此不再赘述。
步骤S204:响应于接收到的服务请求,根据每个人员的所有人员数据以及每个人员的人员数据画像输出与服务请求相对应的服务。在本实施例中,具体的根据接收到的服务请求输出相应的服务的方式与步骤S102中相同,为了描述简洁,在此不再赘述。
参阅附图3,图3是根据本发明的又一个实施例的数据分析方法的主要步骤流程示意图。如图3所示,本发明实施例中的数据分析方法主要包括以下步骤:
步骤S301:获取不同人员在不同来源下的人员数据并将每个人员的身份信息分别与每个人员的所有人员数据进行数据关联。在本实施例中,人员数据可以是通过HTTP(Hypertext Transfer Protocol,超文本传输协议)、FTP(File Transfer Protocol,文件传输协议)、DB(Database,数据库)、KAFKA(消息中间件)等来源获得的数据,在本实施例中,具体的数据关联方式与步骤S101中的数据关联方式相同,为了描述简洁,在此不再赘述。
步骤S302:对每个人员的人员数据分别进行数据标准化处理。在本实施例中,具体的数据标准化处理方式与步骤S101中的数据标准化处理方式相同,为了描述简洁,在此不再赘述。
步骤S303:根据数据标准化处理后的人员数据分别进行行为分析和预测。在本实施例中,具体的行为分析和预测方式与步骤S102中的行为分析和预测方式相同,为了描述简洁,在此不再赘述。
步骤S304:响应于接收到的服务请求,根据每个人员的人员数据以及行为分析和预测结果输出与服务请求相对应的服务。在本实施例中,具体的根据接收到的服务请求输出相应的服务的方式与步骤S102中相同,为了描述简洁,在此不再赘述。
参阅附图4,图4是根据本发明的再一个实施例的数据分析方法的主要步骤流程示意图。如图4所示,本发明实施例中的数据分析方法主要包括以下步骤:
步骤S401:获取不同人员在不同场景下产生的人员数据。在本实施例中,具体的场景类型与步骤S101中的场景类型相同,为了描述简洁,在此不再赘述。
步骤S402:判断获取到的人员数据是否为人脸数据,若否,则将每个人员的身份信息分别与每个人员的人员数据进行数据关联。本实施例中,具体的数据关联方式与步骤S101中的数据关联方式相同,为了描述简洁,在此不再赘述。
步骤S403:若获取到的人员数据是人脸数据,则对人脸数据进行人脸识别,根据识别结果将每个人员的人脸数据与除人脸数据之外的人员数据进行关联,以得到每个人员的所有人员数据。在本实施例中,具体的人脸识别方式以及人脸数据与人员数据的关联方式与步骤S101中的相同,为了描述简洁,在此不再赘述。
步骤S404:对每个人员的人员数据分别进行数据标准化处理。在本实施例中,具体的数据标准化处理方式与步骤S101中的数据标准化处理方式相同,为了描述简洁,在此不再赘述。
步骤S405:判断人员数据是否为人员行为数据,若是,则根据人员行为数据进行行为分析,并且根据行为分析结果与人员属性数据进行行为预测。在本实施例中,人员属性数据指的是,基本不会随时间或行为变化而产生太大变动的数据,例如,姓名、性别、民族、支付账号等;人员行为数据指的是,随人员的行为变化而产生变动的数据,例如,行为类型、行为地点、行为时间等。在本实施例中,具体的行为分析和预测方式与步骤S101中的行为分析和预测方式相同,为了描述简洁,在此不再赘述。
步骤S406:响应于接收到的服务请求,根据每个人员的行为预测结果输出与服务请求相对应的服务。在本实施例中,具体的根据接收到的服务请求输出相应的服务的方式与步骤S102中相同,为了描述简洁,在此不再赘述。
在本发明实施例中,可以获取不同人员在不同场景下产生的人员数据并且将每个人员的身份信息分别与每个人员的所有人员数据进行数据关联;响应于数据分析模型发送的数据获取请求,对数据获取请求中待分析人员的人脸图像进行人脸识别,以获取待分析人员的身份信息;根据数据获取请求中包含的场景类型,从与待分析人员的身份信息进行数据关联的人员数据中,获取与场景类型匹配的人员数据;将匹配的人员数据发送至数据分析模型,以便数据分析模型能够根据人员数据进行相应的数据分析。在本发明中,通过将每个人员的身份信息分别与每个人员在不同场景下产生的所有人员数据进行数据关联,可以将分散的人员数据基于人员的身份信息整合到一起,通过某个人员的身份信息就可以获取该人员在不同场景下产生的所有人员数据,使得人员数据收集和整理简单而全面,从而提高了根据人员数据进行数据分析的准确性,同时可以实现人员数据的统一管理。此外,在接收到数据分析模型发送的数据获取请求后,可以根据数据获取请求中包含的待分析人员的人脸图像以及场景类型直接调取与待分析人员的身份信息进行数据关联的人员数据中与该场景类型匹配的人员数据,之后将匹配的人员数据发送至数据分析模型即可,数据分析模型不需要花费时间收集这些人员的人员数据,获取到匹配的人员数据后即可进行相应的数据分析,提高了数据分析的便捷性和准确性,完全克服了现有数据分析方法的便捷性和准确性不佳的缺陷。同时,进行多次数据分析时只需要根据数据分析模型发送的不同数据获取请求匹配相应的人员数据即可,不需要多次进行人员数据的收集和整理,实现人员数据的灵活复用,进一步提高数据分析的便捷性和工作效率。
需要指出的是,尽管上述实施例中将各个步骤按照特定的先后顺序进行了描述,但是本领域技术人员可以理解,为了实现本发明的效果,不同的步骤之间并非必须按照这样的顺序执行,其可以同时(并行)执行或以其他顺序执行,这些变化都在本发明的保护范围之内。
进一步,本发明还提供了一种数据分析装置。
参阅附图2,图2是根据本发明的一个实施例的数据分析装置的主要结构框图。如图2所示,本发明实施例中的数据分析装置主要包括数据关联模块11和数据获取分析模块12。在一些实施例中,数据关联模块11和数据获取分析模块12中的一个或多个可以合并在一起成为一个模块。在一些实施例中,数据关联模块11可以被配置成获取不同人员在不同场景下产生的人员数据并且将每个人员的身份信息分别与每个人员的所有人员数据进行数据关联。数据获取分析模块12可以被配置成执行以下操作:响应于数据分析模型发送的数据获取请求,对数据获取请求中待分析人员的人脸图像进行人脸识别,以获取待分析人员的身份信息;根据数据获取请求中包含的场景类型,从与待分析人员的身份信息进行数据关联的人员数据中,获取与场景类型匹配的人员数据;将匹配的人员数据发送至数据分析模型,以便数据分析模型能够根据人员数据进行相应的数据分析。一个实施方式中,具体实现功能的描述可以参见步骤S101-S102所述。
在一个实施方式中,在“将每个人员的身份信息分别与每个人员的所有人员数据进行数据关联”的步骤之前,数据关联模块11还可以被配置成执行以下操作:针对每个人员,分别对每个人员的所有人员数据进行数据分类,以获取每个人员的人员属性数据和人员行为数据,其中,人员行为数据包括人员在每个场景下产生的行为数据;对每个人员的人员属性数据以及每个人员的人员行为数据分别进行数据标准化处理,以使每个人员的人员属性数据的数据格式均相同以及使每个人员的人员行为数据的数据格式均相同。一个实施方式中,具体实现功能的描述可以参见步骤S101所述。
在一个实施方式中,人员数据包括人员的证件照和/或人员在不同场景下产生的人脸场景图像;数据获取分析模块12还可以被配置成执行以下操作:根据人脸识别的结果获取待分析人员的人脸图像特征;对人脸图像特征与证件照和/或人脸场景图像的图像特征进行比对;根据比对的结果,获取与待分析人员的人脸图像表示相同人员的证件照和/或人脸场景图像,并且将与证件照和/或人脸场景图像进行数据关联的身份信息作为待分析人员的身份信息。一个实施方式中,具体实现功能的描述可以参见步骤S102所述。
在一个实施方式中,本发明的数据分析装置还包括数据画像生成模块,数据画像生成模块可以被配置成执行以下操作:根据每个人员在每个场景下的行为数据中行为的发生时间,获取每个人员在每个场景下的行为数据的发生频率;根据每个人员在每个场景下的行为数据的发生频率,分别为每个人员在每个场景下的行为数据的画像标签设置标签权重;根据每个人员在每个场景下的行为数据以及相应的标签权重,生成每个人员的人员数据画像。一个实施方式中,具体实现功能的描述可以参见步骤S102所述。
在一个实施方式中,本发明的数据分析装置还包括行为预测模块,行为预测模块可以被配置成执行以下操作:根据每个人员在每个场景下的行为数据中行为的发生时间,获取每个人员在每个场景下的行为数据的发生频率;根据每个人员在每个场景下的行为数据的发生频率,对每个人员分别进行每个场景下的行为预测,以确定在未来一段时间内每个人员是否会分别在每个场景下产生新的行为数据。一个实施方式中,具体实现功能的描述可以参见步骤S102所述。
在一个实施方式中,本发明的数据分析装置还包括信息查询模块,信息查询模块可以被配置成执行以下操作:响应于数据分析模型发送的画像查询请求和/或行为预测查询请求,将待分析人员的人员数据画像和/或行为预测的结果发送至数据分析模型;其中,画像查询请求和行为预测查询请求中均包括待分析人员的人脸图像。一个实施方式中,具体实现功能的描述可以参见步骤S102所述。
上述数据分析装置以用于执行图1所示的数据分析方法实施例,两者的技术原理、所解决的技术问题及产生的技术效果相似,本技术领域技术人员可以清楚地了解到,为了描述的方便和简洁,数据分析装置的具体工作过程及有关说明,可以参考数据分析方法的实施例所描述的内容,此处不再赘述。
本领域技术人员能够理解的是,本发明实现上述一实施例的方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器、随机存取存储器、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
进一步,本发明还提供了一种数据分析装置。在根据本发明的一个数据分析装置实施例中,数据分析装置包括处理器和存储装置,存储装置可以被配置成存储执行上述方法实施例的数据分析方法的程序,处理器可以被配置成用于执行存储装置中的程序,该程序包括但不限于执行上述方法实施例的数据分析方法的程序。为了便于说明,仅示出了与本发明实施例相关的部分,具体技术细节未揭示的,请参照本发明实施例方法部分。该数据分析装置可以是包括各种电子设备形成的控制装置设备。
进一步,本发明还提供了一种计算机可读存储介质。在根据本发明的一个计算机可读存储介质实施例中,计算机可读存储介质可以被配置成存储执行上述方法实施例的数据分析方法的程序,该程序可以由处理器加载并运行以实现上述数据分析方法。为了便于说明,仅示出了与本发明实施例相关的部分,具体技术细节未揭示的,请参照本发明实施例方法部分。该计算机可读存储介质可以是包括各种电子设备形成的存储装置设备,可选的,本发明实施例中存储是非暂时性的计算机可读存储介质。
进一步,应该理解的是,由于各个模块的设定仅仅是为了说明本发明的装置的功能单元,这些模块对应的物理器件可以是处理器本身,或者处理器中软件的一部分,硬件的一部分,或者软件和硬件结合的一部分。因此,图中的各个模块的数量仅仅是示意性的。
本领域技术人员能够理解的是,可以对装置中的各个模块进行适应性地拆分或合并。对具体模块的这种拆分或合并并不会导致技术方案偏离本发明的原理,因此,拆分或合并之后的技术方案都将落入本发明的保护范围内。
至此,已经结合附图所示的一个实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征作出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (12)
1.一种数据分析方法,其特征在于,所述方法包括:
获取不同人员在不同场景下产生的人员数据并且将每个人员的身份信息分别与每个人员的所有人员数据进行数据关联;
响应于数据分析模型发送的数据获取请求,对所述数据获取请求中待分析人员的人脸图像进行人脸识别,以获取所述待分析人员的身份信息;
根据所述数据获取请求中包含的场景类型,从与所述待分析人员的身份信息进行数据关联的人员数据中,获取与所述场景类型匹配的人员数据;
将所述匹配的人员数据发送至所述数据分析模型,以便所述数据分析模型能够根据所述人员数据进行相应的数据分析。
2.根据权利要求1所述的数据分析方法,其特征在于,所述人员数据包括人员的证件照和/或人员在不同场景下产生的人脸场景图像;
“对所述数据获取请求中待分析人员的人脸图像进行人脸识别,以获取所述待分析人员的身份信息”的步骤具体包括:
根据人脸识别的结果获取所述待分析人员的人脸图像特征;
对所述人脸图像特征与所述证件照和/或所述人脸场景图像的图像特征进行比对;
根据比对的结果,获取与所述待分析人员的人脸图像表示相同人员的证件照和/或所述人脸场景图像,并且将与所述证件照和/或人脸场景图像进行数据关联的身份信息作为所述待分析人员的身份信息。
3.根据权利要求1所述的数据分析方法,其特征在于,在“将每个人员的身份信息分别与每个人员的所有人员数据进行数据关联”的步骤之前,所述方法还包括:
针对每个人员,分别对每个人员的所有人员数据进行数据分类,以获取每个人员的人员属性数据和人员行为数据,其中,所述人员行为数据包括人员在每个场景下产生的行为数据;
对每个人员的人员属性数据以及每个人员的人员行为数据分别进行数据标准化处理,以使每个人员的人员属性数据的数据格式均相同以及使每个人员的人员行为数据的数据格式均相同。
4.根据权利要求3所述的数据分析方法,其特征在于,所述方法还包括通过下列方式生成每个人员的人员数据画像:
根据每个人员在每个场景下的行为数据中行为的发生时间,获取每个人员在每个场景下的行为数据的发生频率;
根据每个人员在每个场景下的行为数据的发生频率,分别为每个人员在每个场景下的行为数据的画像标签设置标签权重;
根据每个人员在每个场景下的行为数据以及相应的标签权重,生成每个人员的人员数据画像;
并且/或者,
所述方法还包括:
根据每个人员在每个场景下的行为数据中行为的发生时间,获取每个人员在每个场景下的行为数据的发生频率;
根据每个人员在每个场景下的行为数据的发生频率,对每个人员分别进行每个场景下的行为预测,以确定在未来一段时间内每个人员是否会分别在每个场景下产生新的行为数据。
5.根据权利要求4所述的数据分析方法,其特征在于,所述方法还包括:
响应于数据分析模型发送的画像查询请求和/或行为预测查询请求,将所述待分析人员的人员数据画像和/或所述行为预测的结果发送至所述数据分析模型;
其中,所述画像查询请求和所述行为预测查询请求中均包括所述待分析人员的人脸图像。
6.一种数据分析装置,其特征在于,所述装置包括:
数据关联模块,其被配置成获取不同人员在不同场景下产生的人员数据并且将每个人员的身份信息分别与每个人员的所有人员数据进行数据关联;
数据获取分析模块,其被配置成执行下列操作:
响应于数据分析模型发送的数据获取请求,对所述数据获取请求中待分析人员的人脸图像进行人脸识别,以获取所述待分析人员的身份信息;
根据所述数据获取请求中包含的场景类型,从与所述待分析人员的身份信息进行数据关联的人员数据中,获取与所述场景类型匹配的人员数据;
将所述匹配的人员数据发送至所述数据分析模型,以便所述数据分析模型能够根据所述人员数据进行相应的数据分析。
7.根据权利要求6所述的数据分析装置,其特征在于,所述人员数据包括人员的证件照和/或人员在不同场景下产生的人脸场景图像;
所述数据获取分析模块还被配置成执行以下操作:
根据人脸识别的结果获取所述待分析人员的人脸图像特征;
对所述人脸图像特征与所述证件照和/或所述人脸场景图像的图像特征进行比对;
根据比对的结果,获取与所述待分析人员的人脸图像表示相同人员的证件照和/或所述人脸场景图像,并且将与所述证件照和/或人脸场景图像进行数据关联的身份信息作为所述待分析人员的身份信息。
8.根据权利要求6所述的数据分析装置,其特征在于,在“将每个人员的身份信息分别与每个人员的所有人员数据进行数据关联”的步骤之前,所述数据关联模块还被配置成执行以下操作:
针对每个人员,分别对每个人员的所有人员数据进行数据分类,以获取每个人员的人员属性数据和人员行为数据,其中,所述人员行为数据包括人员在每个场景下产生的行为数据;
对每个人员的人员属性数据以及每个人员的人员行为数据分别进行数据标准化处理,以使每个人员的人员属性数据的数据格式均相同以及使每个人员的人员行为数据的数据格式均相同。
9.根据权利要求8所述的数据分析装置,其特征在于,所述装置还包括数据画像生成模块,所述数据画像生成模块被配置成执行以下操作:
根据每个人员在每个场景下的行为数据中行为的发生时间,获取每个人员在每个场景下的行为数据的发生频率;
根据每个人员在每个场景下的行为数据的发生频率,分别为每个人员在每个场景下的行为数据的画像标签设置标签权重;
根据每个人员在每个场景下的行为数据以及相应的标签权重,生成每个人员的人员数据画像;
并且/或者,
所述装置还包括行为预测模块,所述行为预测模块被配置成执行以下操作:
根据每个人员在每个场景下的行为数据中行为的发生时间,获取每个人员在每个场景下的行为数据的发生频率;
根据每个人员在每个场景下的行为数据的发生频率,对每个人员分别进行每个场景下的行为预测,以确定在未来一段时间内每个人员是否会分别在每个场景下产生新的行为数据。
10.根据权利要求9所述的数据分析装置,其特征在于,所述装置还包括信息查询模块,所述信息查询模块被配置成执行以下操作:
响应于数据分析模型发送的画像查询请求和/或行为预测查询请求,将所述待分析人员的人员数据画像和/或所述行为预测的结果发送至所述数据分析模型;
其中,所述画像查询请求和所述行为预测查询请求中均包括所述待分析人员的人脸图像。
11.一种数据分析装置,包括处理器和存储装置,所述存储装置适于存储多条程序代码,其特征在于,所述程序代码适于由处理器加载并运行以执行权利要求1至5中任一项所述的数据分析方法。
12.一种计算机可读存储介质,其中存储有多条程序代码,其特征在于,所述程序代码适于由处理器加载并运行以执行权利要求1至5中任一项所述的数据分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110342791.6A CN113064935A (zh) | 2021-03-30 | 2021-03-30 | 数据分析方法、装置及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110342791.6A CN113064935A (zh) | 2021-03-30 | 2021-03-30 | 数据分析方法、装置及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113064935A true CN113064935A (zh) | 2021-07-02 |
Family
ID=76564804
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110342791.6A Pending CN113064935A (zh) | 2021-03-30 | 2021-03-30 | 数据分析方法、装置及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113064935A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108549848A (zh) * | 2018-03-27 | 2018-09-18 | 百度在线网络技术(北京)有限公司 | 用于输出信息的方法和装置 |
CN109002765A (zh) * | 2018-06-21 | 2018-12-14 | 北京蜂盒科技有限公司 | 一种动态人脸识别数据处理方法及*** |
CN110348348A (zh) * | 2019-06-30 | 2019-10-18 | 华中科技大学 | 一种参建人员进场身份快速识别方法及预警*** |
CN110826525A (zh) * | 2019-11-18 | 2020-02-21 | 天津高创安邦技术有限公司 | 一种人脸识别的方法及*** |
CN111222373A (zh) * | 2018-11-26 | 2020-06-02 | 深圳云天励飞技术有限公司 | 一种人员行为分析方法、装置和电子设备 |
CN111860313A (zh) * | 2020-07-20 | 2020-10-30 | 长视科技股份有限公司 | 基于人脸识别的信息查询方法、装置、计算机设备和介质 |
CN112132045A (zh) * | 2020-09-24 | 2020-12-25 | 天津锋物科技有限公司 | 一种基于计算机视觉的小区人员异常行为监控方案 |
-
2021
- 2021-03-30 CN CN202110342791.6A patent/CN113064935A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108549848A (zh) * | 2018-03-27 | 2018-09-18 | 百度在线网络技术(北京)有限公司 | 用于输出信息的方法和装置 |
CN109002765A (zh) * | 2018-06-21 | 2018-12-14 | 北京蜂盒科技有限公司 | 一种动态人脸识别数据处理方法及*** |
CN111222373A (zh) * | 2018-11-26 | 2020-06-02 | 深圳云天励飞技术有限公司 | 一种人员行为分析方法、装置和电子设备 |
CN110348348A (zh) * | 2019-06-30 | 2019-10-18 | 华中科技大学 | 一种参建人员进场身份快速识别方法及预警*** |
CN110826525A (zh) * | 2019-11-18 | 2020-02-21 | 天津高创安邦技术有限公司 | 一种人脸识别的方法及*** |
CN111860313A (zh) * | 2020-07-20 | 2020-10-30 | 长视科技股份有限公司 | 基于人脸识别的信息查询方法、装置、计算机设备和介质 |
CN112132045A (zh) * | 2020-09-24 | 2020-12-25 | 天津锋物科技有限公司 | 一种基于计算机视觉的小区人员异常行为监控方案 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111723727B (zh) | 基于边缘计算的云监控方法、装置、电子设备及存储介质 | |
US10817956B2 (en) | Image-based vehicle damage determining method and apparatus, and electronic device | |
US20220092881A1 (en) | Method and apparatus for behavior analysis, electronic apparatus, storage medium, and computer program | |
US20210382933A1 (en) | Method and device for archive application, and storage medium | |
CN109345417B (zh) | 基于身份认证的业务人员的在线考核方法及终端设备 | |
WO2019062081A1 (zh) | 业务员画像形成方法、电子装置及计算机可读存储介质 | |
EP4073978B1 (en) | Intelligent conversion of internet domain names to vector embeddings | |
CN110598008A (zh) | 录制数据的数据质检方法及装置、存储介质 | |
CN111863178A (zh) | 发放医疗报告的方法、装置、介质及电子设备 | |
CN115063589A (zh) | 基于知识蒸馏的车辆部件分割方法及相关设备 | |
CN113568934B (zh) | 一种数据查询方法、装置、电子设备和存储介质 | |
CN108600254A (zh) | 一种音视频识别*** | |
CN115037790B (zh) | 异常注册识别方法、装置、设备及存储介质 | |
CN111047657A (zh) | 图片压缩方法、装置、介质及电子设备 | |
CN113064935A (zh) | 数据分析方法、装置及介质 | |
CN113255456B (zh) | 非主动活体检测方法、装置、电子设备及存储介质 | |
CN114882420A (zh) | 接待人数统计方法、装置、电子设备及可读存储介质 | |
CN113780318B (zh) | 用于生成提示信息的方法、装置、服务器和介质 | |
CN111275035B (zh) | 一种识别背景信息的方法及*** | |
CN110163043B (zh) | 面部检测方法、装置、存储介质及电子装置 | |
CN111339939A (zh) | 基于图像识别的考勤方法及装置 | |
CN116383391B (zh) | 一种文本分类方法及装置 | |
CN114553684B (zh) | 网点运维方法、装置、计算机设备、存储介质 | |
CN112560694B (zh) | 数据分析方法、装置、电子设备及存储介质 | |
CN112633325B (zh) | 基于战法模型的人员识别方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210702 |
|
RJ01 | Rejection of invention patent application after publication |