CN113971568A - 一种账号识别方法、装置、电子设备及存储介质 - Google Patents
一种账号识别方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113971568A CN113971568A CN202111053920.6A CN202111053920A CN113971568A CN 113971568 A CN113971568 A CN 113971568A CN 202111053920 A CN202111053920 A CN 202111053920A CN 113971568 A CN113971568 A CN 113971568A
- Authority
- CN
- China
- Prior art keywords
- account
- data
- structure diagram
- face
- same
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Probability & Statistics with Applications (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本公开关于一种账号识别方法、装置、电子设备及存储介质。一个方法实施例中,可以获取账号直播时的人脸图像,对所述人脸图像进行人脸特征提取,得到各个账号的人脸特征数据;获取所述账号在预设维度的关系数据,以所述账号为节点,将所述关系数据中存在关联关系的节点进行连接,构建得到账号结构图;确定所述账号结构图的连通分量,将所述连通分量所包含的账号作为与所述连通分量对应的账号子集;计算所述账号子集中的各账号之间的人脸特征数据相似度;当所述人脸特征数据相似度大于预设阈值时,确定所述账号子集中的账号均属于同一主播。利用本公开实施例方案,可以更加高效、准确的识别出同一直播对象的多个账号,可以降低无效用户和减少骗取新主播奖励的行为,提升直播业务运营的安全性和用户直播业务体验。
Description
技术领域
本公开涉及计算机数据处理技术领域,尤其涉及一种账号识别方法、装置、电子设备及存储介质。
背景技术
随着多媒体技术和计算机网络的飞速发展,出现了直播平台。主播可以通过直播平台进行直播,与观看用户进行互动、分享,提升主播人气等。
为了激励新用户进行直播,一些直播平台通常会对新主播发放一些奖励。而目前直播的场景中,已经开通直播业务的主播可以通过在直播平台注册多个新账号,利用这些新账号骗钱直播平台的奖励。这不仅对直播平台造成了财产损失,由于上述技术问题增加了无效的直播账号,还会严重影响直播平台业务运营的安全性和运营效率。相关技术中,主要是通过用户举报后,直播平台作业人员进行人工审核来被动的发现同一个主播的多个账号问题。这种方式不仅识别效率较低,同时还会消耗较大的人力资源。
发明内容
本公开提供一种账号识别方法、装置、电子设备及存储介质,以至少解决相关技术中同一个主播的多个账号识别效率低的技术问题。本公开的技术方案如下:
根据本公开实施例的第一方面,提供一种账号识别方法,包括:
获取账号直播时的人脸图像,对所述人脸图像进行人脸特征提取,得到各个账号的人脸特征数据;
获取所述账号在预设维度的关系数据,以所述账号为节点,将所述关系数据中存在关联关系的节点进行连接,构建得到账号结构图;
确定所述账号结构图的连通分量,将所述连通分量所包含的账号作为与所述连通分量对应的账号子集;
计算所述账号子集中的各账号之间的人脸特征数据相似度;
当所述人脸特征数据相似度大于预设阈值时,确定所述账号子集中的账号均属于同一主播。
所述方法可选的实施方式中,所述获取账号直播时的人脸图像,对所述人脸图像进行人脸特征提取,得到各个账号的人脸特征数据,包括:
获取各个账号在预设时期内的人脸图像;
对属于同一个账号的所述人脸图像进行人脸特征提取,得到所述同一个账号的图像特征数据;
对所述同一个账号的图像特征数据进行聚类,以所述聚类后得到簇的簇心作为所述同一个账号的人脸特征数据。
所述方法可选的实施方式中,所述对属于同一个账号的所述人脸图像进行人脸特征提取,得到所述同一个账号的图像特征数据,包括:
将所述人脸图像转换成固定长度的向量,以所述向量作为所述同一个账号的图像特征数据。
所述方法可选的实施方式中,所述账号在预设维度的关系数据至少包括下述之一:
所述账号所登录设备的设备识别标识、所述账号对应的资金流转账号、所述账号所连接的网络识别标识、所述账号去中心化的网络身份标识、基于所述账号进行社交互动产生的行为数据。
所述方法可选的实施方式中,所述将所述关系数据中存在关联关系的节点进行连接,构建得到账号结构图,包括:
在所述关系数据中,将所述预设维度的关系数据相同的账号用一条边进行连接,构建得到账号结构图;
根据所述关系数据将各个账号用边连接后,得到所述账号结构图。
所述方法可选的实施方式中,所述将所述关系数据中存在关联关系的节点进行连接,构建得到账号结构图之后,所述方法还包括:
根据预先设置的所述预设维度的权重系数计算所述账号结构图中各个边的权值;
删除所述账号结构图中所述权值小于预设权值阈值的边,得到更新后账号结构图;
所述确定所述账号结构图的连通分量包括确定所述更新后账号结构图的连通分量。
根据本公开实施例的第二方面,提供一种账号识别装置,包括:
人脸特征处理模块,用于获取账号直播时的人脸图像,对所述人脸图像进行人脸特征提取,得到各个账号的人脸特征数据;
结构图模块,用于获取所述账号在预设维度的关系数据,以所述账号为节点,将所述关系数据中存在关联关系的节点进行连接,构建得到账号结构图;
账号子集确定模块,用于确定所述账号结构图的连通分量,将所述连通分量所包含的账号作为与所述连通分量对应的账号子集;
相似度计算模块,用于计算所述账号子集中的各账号之间的人脸特征数据相似度;
账号识别模块,用于当所述人脸特征数据相似度大于预设阈值时,确定所述账号子集中的账号均属于同一主播。
所述装置可选的实施方式中,所述人脸特征处理模块包括:
人脸图像获取模块,用于获取各个账号在预设时期内的人脸图像;
特征处理模块,用于对属于同一个账号的所述人脸图像进行人脸特征提取,得到所述同一个账号的图像特征数据;
聚类处理模块,用于对所述同一个账号的图像特征数据进行聚类,以所述聚类后得到簇的簇心作为所述同一个账号的人脸特征数据。所述人脸特征处理模块包括:
图像获取模块,用于获取所述账号在预设时期内的人脸图像;
聚类模块,用于对所述人脸图像进行聚类,以所述聚类得到的向量作为所述账号的人脸特征数据。
所述装置可选的实施方式中,所述对属于同一个账号的所述人脸图像进行人脸特征提取,得到所述同一个账号的图像特征数据,包括:
将所述人脸图像转换成固定长度的向量,以所述向量作为所述同一个账号的图像特征数据。
所述装置可选的实施方式中,所述账号在预设维度的关系数据至少包括下述之一:
所述账号所登录设备的设备识别标识、所述账号对应的资金流转账号、所述账号所连接的网络识别标识、所述账号去中心化的网络身份标识、基于所述账号进行社交互动产生的行为数据。
所述装置可选的实施方式中,所述结构图模块将所述关系数据中存在关联关系的节点进行连接,构建得到账号结构图,包括:
在所述关系数据中,将所述预设维度的关系数据相同的账号用一条边进行连接,构建得到账号结构图。所述社区图构建模块包括:
账号社区模块,用于根据所述关系数据构造账号社区图;
关系连接模块,用于在所述账号社区图中,若账号存在至少一个维度的关系数据相同,则将所述账号用一条边进行连接;
图数据模块,用于根据所述关系数据将各个账号用边连接后,得到所述账号结构图。
所述装置可选的实施方式中,所述结构图模块将所述关系数据中存在关联关系的节点进行连接,构建得到账号结构图之后,还包括:
根据预先设置的所述预设维度的权重系数计算所述账号结构图中各个边的权值;
删除所述账号结构图中所述权值小于预设权值阈值的边,得到更新后账号结构图;
所述确定所述账号结构图的连通分量包括确定所述更新后账号结构图的连通分量。
本公开实施例的第三方面,还提供一种电子设备,包括:
至少一个处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现本公开任一项实施例所述的方法。
本公开实施例的第四方面,还提供一种计算机可读存储介质,当所述计算机可读存储介质中的指令被电子设备的处理器执行时,使得所述电子设备能够执行本公开任一项所述的方法。
本公开实施例的第五方面,还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现本公开任一项实施例所述的方法。
本公开的实施例提供的技术方案至少带来以下有益效果:
本公开实施例方案中,本公开实施例中,可以对连通分量的账号子集进行各账号之间人脸特征数据相似度的计算。当然,一些实施例中也可以仅针对所述账号结构图中的其他划分得到的账号集合进行各账号之间人脸特征数据相似度的识别计算,确定账号集合中的账号是否属于同一主播。利用本实施例方案,可以对账号直播时的人脸图像人脸特征提取,得到各个账号的人脸特征数据,并结合连通分量对应的账号子集计算所述账号子集中账号的相似度,可以主动、更加高效、准确的识别出同一直播对象的多个账号,可以降低无效用户和减少骗取新主播奖励的行为,提升直播业务运营的安全性和用户直播业务体验。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理,并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的一种账号识别方法的应用环境图。
图2是根据一示例性实施例示出的一种账号识别方法的流程示意图。
图3是根据一示例性实施例示出的以账号为节点的多个维度关系示意图。
图4是根据一示例性实施例示出的一种账号识别方法的流程示意图。
图5是根据一示例性实施例示出的一种账号识别方法的流程示意图。
图6是根据一示例性实施例示出的一种账号识别方法的流程示意图。
图7是根据一示例性实施例示出的一种账号识别装置的框图。
图8是根据一示例性实施例示出的一种账号识别装置的框图。
图9是根据一示例性实施例示出的一种服务器的内部结构图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案,下面将结合附图,对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“各个”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。术语“包括”、“包含”或者其任何其它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、产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它要素,或者是还包括为这种过程、方法、产品或者设备所固有的要素。在没有更多限制的情况下,并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。例如若使用到第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
本公开所提供的账号识别方法,可以应用于如图1所示的应用环境中。若干个终端110通过网络与服务器120进行交互。服务器120可以是具有较强的数据存储和计算能力的电子设备,例如服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。其中,终端110可以安装直播应用,如短视频直播应用、浏览器、社交应用、购物应用、支付应用等。当终端110进行直播时,服务器可以获取终端的若干数据信息,如终端的设备识别标识、直播对象(如主播)在直播应用中的人像图像或者同与终端110连接的摄像装置采集的人像图像、终端110所连接的网络地址或标识等。这些数据信息可以上传至服务器,服务器120可以存储这些数据信息。当然,服务器还可以存储与直播对象关联的其他数据信息,如用户注册时所提供的注册联系信息(比如注册手机号)。本公开实施例中所述的终端110可以包括但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑、可穿戴设备、车载设备、医疗设备等。本公开实施例中所述的服务器120可以是单个服务器,也可以是服务器集群、分布式分***、云处理平台、包含区块链节点的服务器以及其组合的设备等。
还需要说明的是,本公开所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于展示的数据、分析的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
下面以服务器进行主播的账号进行识别的实施场景对本公开实施例方案进行说明。图2是根据一示例性实施例示出的一种账号识别方法的流程图,如图2所示,所述方法可以用于终端110中,可以包括以下步骤。
在步骤S202中,获取账号直播时的人脸图像,对所述人脸图像进行人脸特征提取,得到各个账号的人脸特征数据。
本公开实施例中,一方面,可以获取各个直播对象(通常为一个主播,一般的,一个直播对应一个账号或多个账号)在进行直播时的人脸图像。所述的人脸图像通常指包含了直播对象人脸区域的图像,可以是直接截取或拍摄的图像,也可以是从直播视频中抽取的若干图像。
人脸图像的获取方式可以是通过对直播界面中的直播视频进行截图得到,也可以在授权后通过直播对象的摄像设备进行拍摄得到,或者其他的实施方式。然后可以采用一些图像处理算法对人脸图像进行特征提取,得到账号的人脸面部几何特征的提取、基于模板的特征提、基于代数方法的特征提取等。一般的,若两个人脸特征数据的相似程度越大,则两个账号属于同一个主播的可能性也越大。
在步骤S204中,获取所述账号在预设维度的关系数据,以所述账号为节点,将所述关系数据中存在关联关系的节点进行连接,构建得到账号结构图。
所述的结构图可以是以图的形式表示数据以及数据之间的关系的数据格式,是一种图结构的数据形式。图结构可以用于研究数据元素之间的多对多的关系。在图结构中,任意两个节点之间可能存在关系,即节点之间的关系可以是任意的,图结构中任意节点之间都有可能是相关的。一些方式中图结构可以表示为G(V,E),V为节点的集合,E为边的集合。本实施例中可以将各账号之间的网络抽象成账号结构图,将各账号表示为点,各账号之间的关系表示为边。账号结构图中可以包括划分为多个社区(账号子集),社区可以被理解为完整图中的一个子图,该子图内部的关系相对紧密,子图与子图外部(其他子图)之间的关系相对稀疏。具体地,可以以各账号为节点,若两个账号之间某个维度的关系数据相同,如登录的设备识别标识相同,则可以在账号结构图中连接两个账号,将其关联起来。一些实施例中,社区中任意两个账号之间可以存在至少一条可以连通的路径。
本公开实施例中,另一方面,可以以账号为节点,获取账号多个维度的关系数据,根据这些关系数据构建账号结构图。所述社区可以指由多个账号以及所述多个账号的关系数据所构成的数据集合。所述的关联关系可以包括在指定的一个或预设维度具有相同的数据信息。例如可以从与主播的账号关联的一些参数数据和行为数据进行设置。如,一些实施例中,如图3所示,所述预设维度的关系数据可以包括但不限于下述中的至少一种:
所述账号所登录设备的设备识别标识、所述账号对应的资金流转账号、所述账号所连接的网络识别标识、所述账号去中心化的网络身份标识、基于所述账号进行社交互动产生的行为数据。
所述的设备识别标识可以包括账号所登录设备的唯一识别信息,如设备编号。所述的资金流转账号可以包括账号对应的资金转入或转出(提现)账号,如银行***。所述的网络识别标识可以包括终端所述连接的无线网络的标识,如WiFi的BSSID(Basic ServiceSet Identifier,一种网络标识)。所述的去中心化的网络身份标识可以是开放式身份标识,通常也可以称为OpenID。一般的,OpenID账号是指基于某一应用或网站的注册程序,单不限制于单一网站或应用的登录使用。OpenID账号可以在任何OpenID应用或网站使用,从而避免了多次注册、填写身份资料的繁琐过程。OpenID是一套以用户为中心的分散式身份验证方式,用户可以注册获取OpenID之后,可以凭借此OpenID账号在授权的多个网站或应用之间快捷登录使用,可以不需要每上一个网站或应用上都注册账号。所述的行为数据可以包括获取的在社交应用中的互动行为数据,如直播连接分享、主播的关注行为(如关注同一个主播或相互关注)、打赏行为等。
上述提供的维度的关系数据可以更加全面、可靠的对同一直播对象的多个账号的参数和行为进行监控,数据信息更加全面、精准,进而更加及时、准确的发现同一直播对象的多个账号的问题。
在步骤S206中,确定所述账号结构图的连通分量,将所述连通分量所包含的账号作为与所述连通分量对应的账号子集。
在结构图中,一般的,如果构图中任意两个顶点之间都连通,则称该图为连通图,否则,将其中的最大连通子图称为连通分量。但本公开的一些实施例中,所述的连通分配并不限定一定是账号结构图中的最大连通子图,其他的一些实施例中,也可以是非最大连通子图,例如可以设置包含3个及以上顶点的连通子图。并且,在一些实施例中,所述账号结构图的连通分量也不限定为一个,可以存在多个连通分量。本实施例中根据账号结构图确定其连通分量,将连通分量所包含的账号作为与所述连通分量对应的账号子集(一个账号集合)。其中,若所账号结构图是连通图,则所述账号结构图的连通分量是其自身。
本实施例方案使用图连通分量获得的账号子集中的账号通常具有一定的关联性,本方案整体上可以先将找到存在一定关联关系的账号,将其划分到相应的子账号集合中,预先、主动的进行账号划分,可以有效提高账号集合下账号识别的准确性。
在步骤S208中,计算所述账号子集中的各账号之间的人脸特征数据相似度。
上述获取账号子集之后,可以根据前述人脸特征数据计算所述账号子集中的各账号之间的人脸特征数据相似度。两个账号之间的人脸特征数据相似度越高,则两个账号的相似度也就越高,两个账号属于同一直播对象的账号的可能性也就越高。本实施例方案中可以根据先计算两两账号之间的人脸特征数据相似度,然后根据两两账号之间的人脸特征数据相似度计算得到一个可以表征所述账号子集中的各个账号之间的人脸特征数据相似度。这里的各个账号之间的人脸特征数据相似度可以从整体上反映出账号子集中的账号之间的相似度。
例如一个示例中,账号子集A中包含5个账号,若采用分别计算每两个账号之间的人脸特征数据相似度,一共可以得到10个相似度数据。那么可以以这10个相似度数据的均值或中值或加权计算或其他方式计算得到一个总相似度来表示账号子集A中各账号之间的人脸特征数据相似度,或可以理解为账号子集A的人脸特征数据相似度。当然,其他的实施方式中也可以一次性计算其他数量个账号之间的人脸特征数据相似度,或者采用一些聚类算法计算所述账号子集中的各账号之间的人脸特征数据相似度。
在步骤S210中,当所述人脸特征数据相似度大于预设阈值时,确定所述账号子集中的账号均属于同一主播。
可以预设设置一个预设阈值,如0.9则在所述人脸特征数据相似度大于预设阈值的情况下,可以视为该账号子集中的账号属于同一个主播。。
本公开实施例中,可以对连通分量的账号子集进行各账号之间人脸特征数据相似度的计算。当然,一些实施例中也可以仅针对所述账号结构图中的其他划分得到的账号集合进行各账号之间人脸特征数据相似度的识别计算,确定账号集合中的账号是否属于同一主播。利用本实施例方案,可以对账号直播时的人脸图像人脸特征提取,得到各个账号的人脸特征数据,并结合连通分量对应的账号子集计算所述账号子集中账号的相似度,利用本公开实施例方案,可以利用账号结构图的连通分量将有关联关系的账号先划分到同一个集合中,进行初步的账号识别。进一步的再根据账号之间的相似度来识别账号集合中的账号是否属于同一个主播,可以主动、更加高效、准确的识别出同一直播对象的多个账号,可以降低无效用户和减少骗取新主播奖励的行为,提升直播业务运营的安全性和用户直播业务体验。
图4是根据一示例性实施例示出的一种账号识别方法实施例的流程图。如图4所示,
所述获取账号直播时的人脸图像,对所述人脸图像进行人脸特征提取,得到各个账号的人脸特征数据,包括:
S402:获取各个账号在预设时期内的人脸图像;
S404:对属于同一个账号的所述人脸图像进行人脸特征提取,得到所述同一个账号的图像特征数据;
S406:对所述同一个账号的图像特征数据进行聚类,以所述聚类后得到簇的簇心作为所述同一个账号的人脸特征数据。
在本公开实施例中,可以获取各个账号在预设时期内的人脸图像。所述预设时期可以根据多主播账号的特性进行预先设置,使用更加精准的人脸图像。所述预设时期可以包括账号最近直播的时间段,如最近一周或三天直播时获取的人脸图像。这样根据直播对象最新一段时间内容直播获取的人脸图像获取得到最新的人脸特征数据,可以更加准确的识别出同一直播对象的账号。另一些实施例方式中,所述的预设时期也可以包括指定的时间段或设置的多个时间段,如获取某个账号在20:00至22:00之间进行直播时的人脸图像。
可以获得单个账号在预设时期内的多个人脸图像。对属于同一个账号的所述人脸图像进行人脸特征提取,得到所述同一个账号的图像特征数据。然后可以对所述同一个账号的图像特征数据进行聚类,具体的聚类算法可以采用k-mean聚类算法或embedding聚类算法等。经过聚类处理后,可以得到该账号的人脸簇心,将人脸簇心所对应的数据作为该账号的人脸特征数据。对各个账号的多个人脸图像聚类(预设时期内的采集到的所有图像)处理,对于某个账号而言,是将其在一段时间内产生的多个人脸图像(一个账号在不同时期的不同人脸图像的特征可能不同)的特征聚合到一个特征数据来表征该账号的人脸特征数据,这样可以不仅可以有效识别在所述预设时期的一段时间内开启多个子账号的主播账号(该子账号实际对应的还是主播),提高账号识别的准确性,经过聚类后,还可以减少数据处理量,提高账号识别的处理效率。
所述方法的另一些实施例中,所述对属于同一个账号的所述人脸图像进行人脸特征提取,得到所述同一个账号的图像特征数据,包括:
将所述人脸图像转换成固定长度的向量,以所述向量作为所述同一个账号的图像特征数据。
本实施例中可以将人脸图像处理成向量的数据格式,便于数据的处理,可以提高数据处理效率。一些实施方式中,可以处理成固定长度的向量,例如利用dEmbedding算法或基于dEmbedding改进的算法将一个人脸图像转换一个成固定长度的向量。这样,各个账号对应的各个图像特征数据长度相同,可以进一步提高账号识别的处理效率。
图5是根据一示例性实施例示出的一种账号识别方法实施例的流程图。如图5所示,所述将所述关系数据中存在关联关系的节点进行连接,构建得到账号结构图,包括:
S502:在所述关系数据中,将所述预设维度的关系数据相同的账号用一条边进行连接,构建得到账号结构图。
具体一个示例中,如根据所述关系数据构造账号结构图。在所述账号结构图中,若账号之间存在至少一个维度的关系数据相同,则将所述账号用一条边进行连接。根据所述关系数据将各个账号用边连接后,得到所述账号结构图。本实施例中,将预设维度的关系数据相同的账号用一条边进行连接,可以快速构建得到账号结构图,易于实现,加快数据处理速度,进而提高账号识别处理效率。
例如,可以基于设备识别号、提现账号、WiFi BSSID、OpenID、社交互动等多维关系构造账号社区图结构。若两个账号之间存在登录设备标识相同、连接的网络识别标识相同、开放式身份识别标识相同、社交行为数据相同等其中的一种或多种,则可以用一条边连接双方账号。根据所述关系数据,将可以连接的账号用边连接后,可以构建账号结构图。
图6是根据一示例性实施例示出的一种账号识别方法实施例的流程图。如图6所示,所述将所述关系数据中存在关联关系的节点进行连接,构建得到账号结构图之后,所述方法还包括:
S602:根据预先设置的所述预设维度的权重系数计算所述账号结构图中各个边的权值;
S604:删除所述账号结构图中所述权值小于预设权值阈值的边,得到更新后账号结构图;
所述确定所述账号结构图的连通分量包括确定所述更新后账号结构图的连通分量。
本实施例中可以针对不同的预设维度设置相应的权重。根据权值可以再进一步计算各个边的权值。边可以预先按照一定的规则设置值,如1。多个子账号通常使用多个登录设备,使用不同的提现银行卡等,但可能会连接同一个局域网,或都对自己的大号的视频进行点赞等相同行为数据,此时可以设置账号所连接的网络识别标识的权重会更高一些。而对于一些关系比较弱的预设维度,在一些实施场景或时间段中可能识别效果不够好,则可以动态的降低其权重,如删除权值小于预设权值阈值的边。这样可以针对不同的权重系数的预设维度对账号结构图进行优化,突出权重系数更高的边所连接的账号,删除权值小于预设权值阈值的边,可以得到更加有效、准确的构建账号结构图,进而提高基于优化后账号结构图识别账号的准确性。
可以理解的是,本说明书中上述方法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它实施例的不同之处。相关之处参见其他方法实施例的描述说明即可。
应该理解的是,虽然附图中涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,附图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的步骤或者阶段的至少一部分轮流或者交替地执行。
基于上述所述的账号识别方法实施例的描述,本公开还提供一种账号识别装置。所述装置可以包括使用了本说明书实施例所述方法的***(包括分布式***)、软件(应用)、模块、组件、服务器、客户端等并结合必要的实施硬件的装置。基于同一创新构思,本公开实施例提供的一个或多个实施例中的装置如下面的实施例所述。由于装置解决问题的实现方案与方法相似,因此本说明书实施例具体的装置的实施可以参见前述方法的实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图7是根据一示例性实施例示出的一种账号识别装置框图。所述装置可以为前述所述的服务器,如图1中所示的服务器120。具体的可以参照图7,该装置100可以包括:
人脸特征处理模块702,可以用于获取账号直播时的人脸图像,对所述人脸图像进行人脸特征提取,得到各个账号的人脸特征数据;
结构图模块704,可以用于获取所述账号在预设维度的关系数据,以所述账号为节点,将所述关系数据中存在关联关系的节点进行连接,构建得到账号结构图;
账号子集确定模块706,可以用于确定所述账号结构图的连通分量,将所述连通分量所包含的账号作为与所述连通分量对应的账号子集;
相似度计算模块708,可以用于计算所述账号子集中的各账号之间的人脸特征数据相似度;
账号识别模块710,可以用于当所述人脸特征数据相似度大于预设阈值时,确定所述账号子集中的账号均属于同一主播。
一示例性实施例如图8所示,图8是根据一示例性实施例示出的一种账号识别装置框图。参照图8,所述人脸特征处理模块702可以包括:
人脸图像获取模块802,可以用于获取各个账号在预设时期内的人脸图像;
特征处理模块804,可以用于对属于同一个账号的所述人脸图像进行人脸特征提取,得到所述同一个账号的图像特征数据;
聚类处理模块806,可以用于对所述同一个账号的图像特征数据进行聚类,以所述聚类后得到簇的簇心作为所述同一个账号的人脸特征数据。
本公开提供的所述装置的另一个实施例中,所述对属于同一个账号的所述人脸图像进行人脸特征提取,得到所述同一个账号的图像特征数据,包括:
将所述人脸图像转换成固定长度的向量,以所述向量作为所述同一个账号的图像特征数据。
本公开提供的所述装置的另一个实施例中,所述账号在预设维度的关系数据至少包括下述之一:
所述账号所登录设备的设备识别标识、所述账号对应的资金流转账号、所述账号所连接的网络识别标识、所述账号去中心化的网络身份标识、基于所述账号进行社交互动产生的行为数据。
本公开提供的所述装置的另一个实施例中,所述结构图模块704将所述关系数据中存在关联关系的节点进行连接,构建得到账号结构图,包括:
在所述关系数据中,将所述预设维度的关系数据相同的账号用一条边进行连接,构建得到账号结构图。
本公开提供的所述装置的另一个实施例中,所述结构图模块704将所述关系数据中存在关联关系的节点进行连接,构建得到账号结构图之后,还包括:
根据预先设置的所述预设维度的权重系数计算所述账号结构图中各个边的权值;
删除所述账号结构图中所述权值小于预设权值阈值的边,得到更新后账号结构图;
所述确定所述账号结构图的连通分量包括确定所述更新后账号结构图的连通分量。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
在示例性实施例中,还提供一种计算机程序产品,包括计算机程序,所述计算机程序
图9是根据一示例性实施例示出的一种账号识别装置的设备S00的框图,设备S00可以如前述所述的服务器、服务器集群、分布式处理服务器、区块链服务器、云计算平台等以及其组合。例如,设备S00可以为一个或多个服务器的组合。参照图9,设备S00包括处理组件S20,其进一步包括一个或多个处理器,以及由存储器S22所代表的存储器资源,用于存储可由处理组件S20的执行的指令,例如应用程序。存储器S22中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件S20被配置为执行指令,以执行上述可以实施于客户端或服务器一侧的方法。
设备S00还可以包括一个电源组件S24被配置为执行设备S00的电源管理,一个有线或无线网络接口S26被配置为将设备S00连接到网络,和一个输入输出(I/O)接口S28。设备S00可以操作基于存储在存储器S22的操作***,例如Window12 12erver,Mac O12 X,Unix,Linux,FreeB12D或类似。
在示例性实施例中,还提供了一种包括指令的计算机可读存储介质,例如包括指令的存储器S22,上述指令可由设备S00的处理器组件S20执行以完成上述方法。存储介质可以是计算机可读存储介质,例如,所述计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在示例性实施例中,还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时以完成上述任一方法实施例所述的账号识别方法。
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它实施例的不同之处。尤其,对于硬件+程序类实施例而言,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。
需要说明的,上述所述的装置、设备、服务器等根据方法实施例的描述还可以包括其它的实施方式,具体的实现方式可以参照相关方法实施例的描述。同时各个方法以及装置、设备、服务器实施例之间特征的相互组合组成的新的实施例仍然属于本公开所涵盖的实施范围之内,在此不作一一赘述。
为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本说明书一个或多个时可以把各模块的功能在同一个或多个软件和/或硬件中实现,也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的,例如,模块或单元的划分,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,所显示或描述的装置或单元相互之间的耦合、通信连接等可以是直接和/或间接耦合/连接的方式实现,可以是通过一些标准或自定义的接口、协议等,是电性,机械或其它的形式实现。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。
Claims (10)
1.一种账号识别方法,其特征在于,包括:
获取账号直播时的人脸图像,对所述人脸图像进行人脸特征提取,得到各个账号的人脸特征数据;
获取所述账号在预设维度的关系数据,以所述账号为节点,将所述关系数据中存在关联关系的节点进行连接,构建得到账号结构图;
确定所述账号结构图的连通分量,将所述连通分量所包含的账号作为与所述连通分量对应的账号子集;
计算所述账号子集中的各账号之间的人脸特征数据相似度;
当所述人脸特征数据相似度大于预设阈值时,确定所述账号子集中的账号均属于同一主播。
2.根据权利要求1所述的方法,其特征在于,所述获取账号直播时的人脸图像,对所述人脸图像进行人脸特征提取,得到各个账号的人脸特征数据,包括:
获取各个账号在预设时期内的人脸图像;
对属于同一个账号的所述人脸图像进行人脸特征提取,得到所述同一个账号的图像特征数据;
对所述同一个账号的图像特征数据进行聚类,以所述聚类后得到簇的簇心作为所述同一个账号的人脸特征数据。
3.根据权利要求2所述的方法,其特征在于,所述对属于同一个账号的所述人脸图像进行人脸特征提取,得到所述同一个账号的图像特征数据,包括:
将所述人脸图像转换成固定长度的向量,以所述向量作为所述同一个账号的图像特征数据。
4.根据权利要求1所述的方法,其特征在于,所述账号在预设维度的关系数据至少包括下述之一:
所述账号所登录设备的设备识别标识、所述账号对应的资金流转账号、所述账号所连接的网络识别标识、所述账号去中心化的网络身份标识、基于所述账号进行社交互动产生的行为数据。
5.根据权利要求1所述的方法,其特征在于,所述将所述关系数据中存在关联关系的节点进行连接,构建得到账号结构图,包括:
在所述关系数据中,将所述预设维度的关系数据相同的账号用一条边进行连接,构建得到账号结构图。
6.根据权利要求5所述的方法,其特征在于,所述将所述关系数据中存在关联关系的节点进行连接,构建得到账号结构图之后,所述方法还包括:
根据预先设置的所述预设维度的权重系数计算所述账号结构图中各个边的权值;
删除所述账号结构图中所述权值小于预设权值阈值的边,得到更新后账号结构图;
所述确定所述账号结构图的连通分量包括确定所述更新后账号结构图的连通分量。
7.一种账号识别装置,其特征在于,所述装置包括:
人脸特征处理模块,用于获取账号直播时的人脸图像,对所述人脸图像进行人脸特征提取,得到各个账号的人脸特征数据;
结构图模块,用于获取所述账号在预设维度的关系数据,以所述账号为节点,将所述关系数据中存在关联关系的节点进行连接,构建得到账号结构图;
账号子集确定模块,用于确定所述账号结构图的连通分量,将所述连通分量所包含的账号作为与所述连通分量对应的账号子集;
相似度计算模块,用于计算所述账号子集中的各账号之间的人脸特征数据相似度;
账号识别模块,用于当所述人脸特征数据相似度大于预设阈值时,确定所述账号子集中的账号均属于同一主播。
8.一种电子设备,其特征在于,包括:
至少一个处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如权利要求1至6中任一项所述的账号识别方法。
9.一种计算机可读存储介质,其特征在于,当所述计算机可读存储介质中的指令被电子设备的处理器执行时,使得所述电子设备能够执行如权利要求1至6中任一项所述的账号识别方法。
10.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6任一项所述的账号识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111053920.6A CN113971568A (zh) | 2021-09-09 | 2021-09-09 | 一种账号识别方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111053920.6A CN113971568A (zh) | 2021-09-09 | 2021-09-09 | 一种账号识别方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113971568A true CN113971568A (zh) | 2022-01-25 |
Family
ID=79586464
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111053920.6A Pending CN113971568A (zh) | 2021-09-09 | 2021-09-09 | 一种账号识别方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113971568A (zh) |
-
2021
- 2021-09-09 CN CN202111053920.6A patent/CN113971568A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2735617C2 (ru) | Способ, устройство и система отображения информации | |
US9959458B1 (en) | Surveillance system | |
CN108664914B (zh) | 人脸检索方法、装置及服务器 | |
CN110428555B (zh) | 共享充电设备归还方法以及装置 | |
US20230089187A1 (en) | Detecting abnormal packet traffic using fingerprints for plural protocol types | |
CN107483416A (zh) | 身份验证的方法及装置 | |
CN108540755B (zh) | 身份识别方法和装置 | |
CN109117778B (zh) | 信息处理方法、装置、服务器及存储介质 | |
CN111565225B (zh) | 一种人物行动轨迹确定方法及装置 | |
CN109493073A (zh) | 一种基于人脸的身份识别方法、装置及电子设备 | |
CN110224859B (zh) | 用于识别团伙的方法和*** | |
CN106651580B (zh) | 判断金融账户是否恶意的方法、设备及计算设备 | |
CN111539353A (zh) | 一种图像场景识别方法及装置、计算机设备以及存储介质 | |
CN112150252A (zh) | 基于信用的业务处理方法以及装置 | |
CN109886239B (zh) | 人像聚类方法、装置及*** | |
CN107733874B (zh) | 信息处理方法、装置、计算机设备和存储介质 | |
CN111539281B (zh) | 分布式人脸识别方法及*** | |
CN113971568A (zh) | 一种账号识别方法、装置、电子设备及存储介质 | |
CN115984977A (zh) | 活体检测方法和*** | |
CN111191612B (zh) | 视频图像匹配方法、装置、终端设备及可读存储介质 | |
CN113486211A (zh) | 帐号识别方法、装置、电子设备、存储介质及程序产品 | |
CN113409055A (zh) | 支付方法、***、电子设备及存储介质 | |
CN113673449A (zh) | 一种数据存储方法、装置、设备和存储介质 | |
CN105847293B (zh) | 一种基于图像识别实现***登录的方法和终端 | |
CN113705309A (zh) | 一种景别类型判断方法、装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |