CN117650939A - 用户信息管理方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本发明涉及一种用户信息管理方法、装置、计算机设备和存储介质，包括以下步骤：获得用户登录请求，基于所述用户登录请求对用户信息采集，对用户信息进行特征提取得到用户生物特征；通过对所述用户生物特征筛选，得到第一登录特征因子，并对所述第一登录特征因子进行校正，得到第二登录特征因子；将用户信息库中的特征数据与所述第二登录特征因子对比，若所述第二登录特征因子与用户信息库中的特征数据相互匹配，则登录成功；所述用户行为偏好信息与所述历史停车信息进行融合，得到第一融合数据，基于所述第一融合数据生成若停车策略。实现了用户停车信息管理***对用户精准推送车位以及保护了用户隐私的效果。

Description

用户信息管理方法、装置、计算机设备和存储介质

技术领域

本发明涉及信息管理的技术领域，特别涉及一种用户信息管理方法、装置、计算机设备和存储介质。

背景技术

当前的背景下，随着智能停车***的广泛应用和人们对个性化服务需求的增加，对用户停车行为的精准管理和服务变得尤为重要。

在传统的停车管理***中，用户的识别和验证通常依赖于手动输入的密码或者物理介质，如停车卡。这些方法不仅操作繁琐，而且容易出现安全问题，如密码泄露或卡片丢失。此外，传统***在用户停车习惯分析和个性化服务提供方面也存在局限，以及现在的停车***对用户的隐私经常泄露。

发明内容

本发明的主要目的为提供一种用户信息管理方法、装置、计算机设备和存储介质，通过对用户的历史停车信息和用户行为偏好信息，解决了用户在短时间内找到适合自己的停车位的问题。

为实现上述目的，本发明提供了一种用户信息管理方法，应用于用户停车信息管理***，包括以下步骤：

获得用户登录请求，基于所述用户登录请求对用户信息采集，对用户信息进行特征提取得到用户生物特征；其中，所述用户生物特征是用户停车信息管理***针对用户信息中的多个特征优先采集的特征；

通过对所述用户生物特征筛选，得到第一登录特征因子，并对所述第一登录特征因子进行校正，得到第二登录特征因子；其中，所述第一登录特征因子与所述第二登录特征因子相对应；

将用户信息库中的特征数据与所述第二登录特征因子对比，若所述第二登录特征因子与用户信息库中的特征数据相互匹配，则登录成功；

通过登录上所述用户停车管理***获取用户行为偏好信息和历史停车信息，基于所述用户行为偏好信息与所述历史停车信息进行融合，得到第一融合数据，基于所述第一融合数据生成若干停车策略，并对所述用户行为偏好信息和历史停车信息进行保密存储。

作为本发明进一步的方案，基于所述用户登录请求对用户信息采集，对用户信息进行特征提取得到用户生物特征包括：

通过机器模型对用户信息进行采集，得到初步用户特征；其中，所述初步用户特征包括衣着、头部部位；

通过层次分析算法对所述初步用户特征进行权重计算，生成若干用户特征向量；

对若干所述用户特征进行向量预处理，得到判断矩阵；

基于判断矩阵对初步用户特征筛选，得到用户生物特征；其中，所述用户生物特征包括轮廓、眼睛膜以及用户的动作表情。

作为本发明进一步的方案，通过对所述用户生物特征筛选，得到第一登录特征因子，并对所述第一登录特征因子进行校正，得到第二登录特征因子包括：

通过神经网络对所述用户生物特征进行筛选，得到第一登录特征因子；

通过解卷积模型对所述第一登录特征因子进行修复，得到完整登录特征因子；

通过校正模型对所述完整登录特征因子进行清晰化处理，得到所述第二登录特征因子；其中，所述校正模型利用散射校正模型和先验函数模型构成。

作为本发明进一步的方案，将用户信息库中的特征数据与所述第二登录特征因子对比，若所述第二登录特征因子与用户信息库中的特征数据相互匹配，则登录成功包括：

调用用户信息库内的特征，在所述用户信息库中捕捉特征因子，将所述特征因子与所述第二登录特征因子进行特征比对；其中，所述特征因子与所述第二登录特征因子具有相同的特征向量；

计算所述第二登录特征因子与所述特征因子匹配的相似度数值；

若所述第二登录特征因子与所述特征因子匹配的相似度数值大于阈值，则登录成功。

作为本发明进一步的方案，通过登录上所述用户停车管理***获取用户行为偏好信息和历史停车信息，基于所述用户行为偏好信息与所述历史停车信息进行融合，得到第一融合数据，基于所述第一融合数据生成若干停车策略包括：

当用户登录上所述用户停车管理***时，获取所述用户行为偏好信息，并对所述用户行为偏好信息深度分层处理，得到行为分层数据；其中，所述行为分层数据包括用户支付方式，用户停车地点以及用户支付金额；

获取历史停车信息，并对所述历史停车信息进行日期划分处理，得到用户日期的区间停车数据；其中，所述用户日期的区间停车数据是用户设定的历史停车日期的区间；

对所述用户日期的区间停车数据与所述行为分层数据进行融合，得到第一融合数据，基于所述得到第一融合数据生成若干停车策略。

作为本发明进一步的方案，所述生成若干停车策略步骤之后包括：

对所述若干停车策略进行干扰信息筛选，得到第一停车策略；其中，所述干扰信息包括停车场关闭、交通阻塞以及通往停车场的路面维修的信息；

判断所述第一停车策略是否满足用户需求；

若第一停车策略满足用户需求，接收用户在第一停车策略相应的界面触发的点击指令，并执行所述第一停车策略；

若第一停车策略不满足用户需求，对所述第一停车策略更新处理，直至更新到用户满意为止。

作为本发明进一步的方案，对所述用户行为偏好信息和历史停车信息进行保密存储包括：

确认所述用户行为偏好信息和历史停车信息中的敏感数据；

通过对称加密模型对所述敏感数据进行加密运算，得到第一加密数据；

对第一加密数据进行存储，得到加密存储数据，并利用设定的加密方式对所述加密存储数据进行二次加密，得到第二加密数据；

对所述第二加密数据的所述设定的加密方式定期更换，确定所述第二加密数据不被泄露或/和篡改；

所述得到第二加密数据步骤之后，还包括：

基于所述第二加密数据得到第二加密数据的密钥；并将所述第二加密数据的密钥发送给用户。

本发明还提供了一种用户信息管理方法装置，应用于用户停车信息管理***，包括：

获取模块，用于获得用户登录请求，基于所述用户登录请求对用户信息采集，对用户信息进行特征提取得到用户生物特征；其中，所述用户生物特征是用户停车信息管理***针对用户信息中的多个特征优先采集的特征；

筛选模块，用于通过对所述用户生物特征筛选，得到第一登录特征因子，并对所述第一登录特征因子进行校正，得到第二登录特征因子；其中，所述第一登录特征因子与所述第二登录特征因子相对应；

匹配模块，用于将用户信息库中的特征数据与所述第二登录特征因子对比，若所述第二登录特征因子与用户信息库中的特征数据相互匹配，则登录成功；

保密模块，用于通过登录上所述用户停车管理***获取用户行为偏好信息和历史停车信息，基于所述用户行为偏好信息与所述历史停车信息进行融合，得到第一融合数据，基于所述第一融合数据生成若干停车策略，并对所述用户行为偏好信息和历史停车信息进行保密存储。

本发明还提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。

本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。

本发明提供的用户信息管理方法、装置、计算机设备和存储介质，包括以下步骤：获得用户登录请求，基于所述用户登录请求对用户信息采集，对用户信息进行特征提取得到用户生物特征；其中，所述用户生物特征是用户停车信息管理***针对用户信息中的多个特征优先采集的特征；通过对所述用户生物特征筛选，得到第一登录特征因子，并对所述第一登录特征因子进行校正，得到第二登录特征因子；其中，所述第一登录特征因子与所述第二登录特征因子相对应；将用户信息库中的特征数据与所述第二登录特征因子对比，若所述第二登录特征因子与用户信息库中的特征数据相互匹配，则登录成功；通过登录上所述用户停车管理***获取用户行为偏好信息和历史停车信息，基于所述用户行为偏好信息与所述历史停车信息进行融合，得到第一融合数据，基于所述第一融合数据生成若干停车策略，并对所述用户行为偏好信息和历史停车信息进行保密存储；通过对用户的历史停车信息和用户行为偏好信息，解决了用户在短时间内找到适合自己的停车位的问题，实现了用户停车信息管理***对用户精准推送车位；通过对用户敏感数据加密处理，解决了用户隐私经常被泄露的技术问题，大大的提升了用户隐私的被泄露或者篡改的可能性。

附图说明

图1是本发明一实施例中用户信息管理方法步骤示意图；

图2是本发明一实施例中用户信息管理装置结构框图；

图3是本发明一实施例的计算机设备的结构示意框图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

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

如图1所示，图1是本发明一实施例中用户信息管理方法步骤示意图；

一种用户信息管理方法，应用于用户停车信息管理***，包括以下步骤：

步骤S101，获得用户登录请求，基于所述用户登录请求对用户信息采集，对用户信息进行特征提取得到用户生物特征；其中，所述用户生物特征是用户停车信息管理***针对用户信息中的多个特征优先采集的特征。

具体的，用户停车信息管理***获得用户登录请求的消息，基于用户登录请求的信息，用户停车信息管理***对用户进行信息采集，所述用户生物特征的采集包括指纹扫描、面部识别、虹膜扫描等，一旦采集到上述用户生物信息，使用算法、模型来识别以及提取上述用户生物特征的独特特征点或模式，以便进行进一步的分析和管理，用户停车信息管理***会首先收集特定的用户生物特征信息，比如指纹、面部特征、虹膜等等。上述的用户生物特征会被用户停车信息管理***优先采集，并用于管理停车信息***的用户认证和权限控制。这样设计的目的可能是为了提高用户身份认证的准确性和安全性。

步骤S102，通过对所述用户生物特征筛选，得到第一登录特征因子，并对所述第一登录特征因子进行校正，得到第二登录特征因子；其中，所述第一登录特征因子与所述第二登录特征因子相对应。

具体的，第一登录特征因子和第二登录特征因子涉及到生物特征识别***的多因素认证。具体的，第一登录特征因子是指在用户首次登录时采集到的生物特征信息，比如指纹、面部特征等。而对这一特征因子进行校正包括进一步的验证、调整或识别算法的改进，以提高识别准确性。第二登录特征因子是指在用户再次登录时采集到的生物特征信息，而这一因子可能涉及到对首次因子的验证、确认或进一步识别。上述操作的效果在于提高认证的准确性和安全性，确保用户的身份可以被更可靠地验证和确认。这种多因素认证可以提供更高级的安全性，因为不仅仅依赖于单一的生物特征信息。

步骤S103，将用户信息库中的特征数据与所述第二登录特征因子对比，若所述第二登录特征因子与用户信息库中的特征数据相互匹配，则登录成功。

具体的，首先，将第二登录特征因子与用户信息库中的特征数据进行比对或匹配，通常会使用算法进行生物特征的比对和验证。包括比对指纹、面部特征、虹膜等生物特征数据，以验证是否有相互匹配的信息，如果第二登录特征因子与用户信息库中的数据相互匹配，***会判定登录成功，并允许用户进入相关***或进行相关操作，上述的操作的效果就在于提高了用户认证的准确性和安全性。通过生物特征的对比匹配，用户停车信息管理***更可靠地确定用户的身份，并避免未经授权者的访问。严格的多因素认证可确保用户停车信息管理***只对正确授权的用户开放，并降低了非法访问的风险，上述的操作有助于保障***的安全性，并保护用户个人信息的安全和隐私。

步骤S104，通过登录上所述用户停车管理***获取用户行为偏好信息和历史停车信息，基于所述用户行为偏好信息与所述历史停车信息进行融合，得到第一融合数据，基于所述第一融合数据生成若干停车策略，并对所述用户行为偏好信息和历史停车信息进行保密存储。

采用本实施例的方法的好处；通过生物特征识别技术进行登录认证，大大提高了***的安全性，避免了由于密码泄露而带来的风险；结合用户行为偏好信息和历史停车信息，***能够生成个性化的停车策略，提升了用户体验，减少了用户的等待时间和停车成本；用户行为偏好信息和历史停车信息能够被保密存储，确保用户隐私得到了充分的保护；用户只需通过生物特征即可完成登录，免去了记忆密码或携带身份凭证的烦恼，提高了***的便捷性。

具体的，用户停车管理***通过用户登录将用户行为偏好信息和历史停车信息融合在一起，生成第一融合数据。涉及数据的收集，处理和整合，基于第一融合数据，***会生成若干停车策略，例如，首先，收集各类停车相关数据。这些数据可以包括实时交通流量，现有停车场的使用率，停车费用，城市事件日历，天气情况等，将不同来源和格式的数据融合在一起。可以使用数据清洗和整合工具（如ETL工具）来保证数据的质量和一致性，进行数据分析以识别停车问题的热点地区，识别高需求时段，以及可能导致停车难问题的其他相关因素，基于数据分析的结果，使用历史停车信息以及预测模型来生成多个停车策略方案。包括建议的停车位置，停车时长限制，价格优化，甚至推荐使用公共交通工具的方案，在实际应用策略前，可以通过软件工具进行模拟，以评估各个策略方案的潜在效果和影响，选择其中最适合当前情况的策略，并开始实施。实施过程中可能需要与城市交通管理部门密切合作，实施策略后，持续监控其效果，并根据实时数据和反馈进行调整优化以保证最佳效果。包括优化使用者的停车方案，节省时间和资源，对于用户行为偏好信息和历史停车信息，用户停车信息管理***需要采取措施确保其安全性与隐私性。包括数据加密，权限管理以及其他保障用户信息不被未授权访问的手段。上述的操作有助于提升停车管理***的用户体验以及保障用户数据的安全。通过个性化的停车策略，用户更方便地找到合适的停车方案。而保证用户行为偏好信息与历史停车信息的保密存储则能保障用户隐私。

在一些实施例中，基于所述用户登录请求对用户信息采集，对用户信息进行特征提取得到用户生物特征包括：

通过机器模型对用户信息进行采集，得到初步用户特征；其中，所述初步用户特征包括衣着、头部部位；

通过层次分析算法对所述初步用户特征进行权重计算，生成若干用户特征向量；

对若干所述用户特征进行向量预处理，得到判断矩阵；

基于判断矩阵对初步用户特征筛选，得到用户生物特征；其中，所述用户生物特征包括轮廓、眼睛膜以及用户的动作表情。

具体的，用户停车信息管理***通过机器模型对用户信息进行采集，获得用户的初步特征，包括着装和头部部位等，通过层次分析算法对初步用户特征进行权重计算，生成若干用户特征向量，有助于确定不同特征的重要性和相关性，对用户特征向量进行预处理，包括标准化、降维等操作，以便进一步的分析处理，基于预处理后的特征向量，用户停车信息管理***会使用判断矩阵对初步用户特征进行筛选，从而得到用户生物特征，包括轮廓、眼睛膜以及用户的动作表情，上述的操作步骤能够提高用户生物特征的准确性和全面性，通过结合层次分析以及向量预处理，可以更有效地提取和确定用户的生物特征信息。这期间的各种算法和技术帮助***更好地理解和解释用户的生物特征，从而提高生物识别的准确性与稳定性。

在一些实施例中，通过对所述用户生物特征筛选，得到第一登录特征因子，并对所述第一登录特征因子进行校正，得到第二登录特征因子包括：

通过神经网络对所述用户生物特征进行筛选，得到第一登录特征因子；

通过解卷积模型对所述第一登录特征因子进行修复，得到完整登录特征因子；

通过校正模型对所述完整登录特征因子进行清晰化处理，得到所述第二登录特征因子；其中，所述校正模型利用散射校正模型和先验函数模型构成。

具体的，通过神经网络对用户生物特征进行筛选，得到第一登录特征因子。包括识别和提取生物特征的重要部分以形成初始特征因子，利用解卷积模型对第一登录特征因子进行修复，得到完整的登录特征因子。上述阶段是为了弥补原始特征因子可能存在的缺失或者损坏情况，以得到完整而准确的特征因子，通过校正模型利用散射校正模型和先验函数模型构成，对完整登录特征因子进行清晰化处理，获得最终的第二登录特征因子。这一步可能会进一步提高因子的清晰度和准确性，确保后续的识别过程更加精确，上述的操作步骤旨在提高用户生物特征识别的准确性和鲁棒性。通过使用神经网络和解卷积模型，***可以更全面地理解和校正生物特征，而通过校正模型的应用则有助于进一步提升特征的清晰度和识别效果。

在一些实施例中，将用户信息库中的特征数据与所述第二登录特征因子对比，若所述第二登录特征因子与用户信息库中的特征数据相互匹配，则登录成功包括：

调用用户信息库内的特征，在所述用户信息库中捕捉特征因子，将所述特征因子与所述第二登录特征因子进行特征比对；其中，所述特征因子与所述第二登录特征因子具有相同的特征向量；

计算所述第二登录特征因子与所述特征因子匹配的相似度数值；

若所述第二登录特征因子与所述特征因子匹配的相似度数值大于阈值，则登录成功。

具体的，调用用户信息库内的特征，在所述用户信息库中捕捉特征因子，然后通过特征比对将所述特征因子与所述第二登录特征因子进行对比。包括确认是否有相同的特征向量，对于所述第二登录特征因子与所述特征因子匹配的情况，会计算它们的相似度数值。这一步骤采用一些算法或者度量来计算特征向量之间的相似度，当所述第二登录特征因子与所述特征因子匹配的相似度数值大于阈值时，***判定登录成功，上述的操作步骤的效果在于提高了生物特征认证的准确性和安全性。通过精确的对比和相似度计算，***能够更可靠地验证用户的生物特征，降低了冒名顶替和未授权访问的风险。

在一些实施例中，通过登录上所述用户停车管理***获取用户行为偏好信息和历史停车信息，基于所述用户行为偏好信息与所述历史停车信息进行融合，得到第一融合数据，基于所述第一融合数据生成若干停车策略包括：

当用户登录上所述用户停车管理***时，获取所述用户行为偏好信息，并对所述用户行为偏好信息深度分层处理，得到行为分层数据；其中，所述行为分层数据包括用户支付方式，用户停车地点以及用户支付金额；

获取历史停车信息，并对所述历史停车信息进行日期划分处理，得到用户日期的区间停车数据；其中，所述用户日期的区间停车数据是用户设定的历史停车日期的区间；

对所述用户日期的区间停车数据与所述行为分层数据进行融合，得到第一融合数据，基于所述得到第一融合数据生成若干停车策略。

具体的，获取用户行为偏好信息并对其进行深度分层处理，得到行为分层数据。包括用户的支付方式、停车地点以及支付金额的分层结构化，以便进一步的分析和融合，然后，获取历史停车信息，并对其进行日期划分处理，得到用户日期的区间停车数据。上述步骤是为了理解用户在不同时间段内的停车偏好和习惯，将用户日期的区间停车数据与行为分层数据进行融合，得到第一融合数据。这一步目的在于结合用户停车偏好和历史停车数据，产生更全面的分析结果，基于第一融合数据，生成若干停车策略。上述的策略会涉及优化使用者的停车方案，节省时间和资源，上述操作步骤的效果在于通过对用户行为偏好信息和历史停车信息的深度分析，用户停车信息管理***形成更符合用户需求的个性化停车策略。能够提高停车管理***的用户体验，使用户更轻松地找到合适的停车解决方案，同时也为停车管理者提供了有效的资源分配和规划参考。

在一些实施例中，所述生成若干停车策略步骤之后包括：对所述若干停车策略进行干扰信息筛选，得到第一停车策略；其中，所述干扰信息包括停车场关闭、交通阻塞以及通往停车场的路面维修的信息；

判断所述第一停车策略是否满足用户需求；

若第一停车策略满足用户需求，接收用户在第一停车策略相应的界面触发的点击指令，并执行所述第一停车策略；

若第一停车策略不满足用户需求，对所述第一停车策略更新处理，直至更新到用户满意为止。

具体的，对生成的若干停车策略进行干扰信息筛选，以得到第一停车策略。干扰信息包括停车场关闭、交通阻塞以及通往停车场的路面维修等情况。这一步是为了排除不可行的策略，提供更为可靠的选择，接着，判断第一停车策略是否满足用户需求。涉及对策略的实际可行性以及用户对停车地点、方式等方面的需求进行评估，如果第一停车策略满足用户需求，用户停车信息管理***会接收用户在相应界面触发的点击指令，并执行第一停车策略，如果第一停车策略不满足用户需求，用户停车信息管理***会对其进行更新处理，直至更新到用户满意为止。这可能包括重新筛选干扰信息、重新生成新策略等，上述操作步骤的效果在于通过对停车策略的灵活性和更新性，***可以更好地满足用户的个性化需求，提升了***的实用性和用户体验。

在一些实施例中，对所述用户行为偏好信息和历史停车信息进行保密存储包括：

确认所述用户行为偏好信息和历史停车信息中的敏感数据；

通过对称加密模型对所述敏感数据进行加密运算，得到第一加密数据；

对第一加密数据进行存储，得到加密存储数据，并利用设定的加密方式对所述加密存储数据进行二次加密，得到第二加密数据；

对所述第二加密数据的所述设定的加密方式定期更换，确定所述第二加密数据不被泄露或/和篡改；

所述得到第二加密数据步骤之后，还包括：

基于所述第二加密数据得到第二加密数据的密钥；并将所述第二加密数据的密钥发送给用户。

具体的，首先，确认用户行为偏好信息和历史停车信息中的敏感数据，例如用户的身份信息、支付信息等，通过对称加密模型对敏感数据进行加密运算，得到第一加密数据。这一步是为了确保数据在存储和传输过程中的安全性，对第一加密数据进行存储，并利用设定的加密方式进行二次加密，得到第二加密数据。这一步是为了进一步强化数据的安全性，定期更换所述加密方式，确保第二加密数据不被泄露或篡改。降低数据泄露的风险，而针对“基于所述第二加密数据得到第二加密数据的密钥，并将所述第二加密数据的密钥发送给用户”这一步，包括以下操作，对第二加密数据进行解密得到密钥，将所得到的密钥以安全的方式发送给用户，以便用户能够在需要时解密所需的信息，以上操作的效果在于确保用户隐私数据的安全存储和传输，防止未经授权的访问或窃取敏感信息。同时，更换加密方式和定期更新密钥有助于提升***的安全性。

上面对本发明实施例中用户信息管理方法进行了描述，下面对本发明实施例中用户信息管理装置进行描述，请参阅图2，本发明实施例中用户信息管理装置一个实施例包括：

获取模块21，用于获得用户登录请求，基于所述用户登录请求对用户信息采集，对用户信息进行特征提取得到用户生物特征；其中，所述用户生物特征是用户停车信息管理***针对用户信息中的多个特征优先采集的特征；

筛选模块22，用于通过对所述用户生物特征筛选，得到第一登录特征因子，并对所述第一登录特征因子进行校正，得到第二登录特征因子；其中，所述第一登录特征因子与所述第二登录特征因子相对应；

匹配模块23，用于将用户信息库中的特征数据与所述第二登录特征因子对比，若所述第二登录特征因子与用户信息库中的特征数据相互匹配，则登录成功；

保密模块24，用于通过登录上所述用户停车管理***获取用户行为偏好信息和历史停车信息，基于所述用户行为偏好信息与所述历史停车信息进行融合，得到第一融合数据，基于所述第一融合数据生成若干停车策略，并对所述用户行为偏好信息和历史停车信息进行保密存储。

在本实施例中，上述装置实施例中的各个单元的具体实现，请参照上述方法实施例中所述，在此不再进行赘述。

参照图3，本发明实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3所示。该计算机设备包括通过***总线连接的处理器、存储器、显示屏、输入装置、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储本实施例中对应的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现上述方法。

本领域技术人员可以理解，图3中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备的限定。

本发明一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法。可以理解的是，本实施例中的计算机可读存储介质可以是易失性可读存储介质，也可以为非易失性可读存储介质。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是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非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM通过多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双速据率SDRAM（SSRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink）DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM等。

需要说明的是，在本文中，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、装置、物品或者方法不仅包括那些要素，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、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。

以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种用户信息管理方法，应用于用户停车信息管理***，其特征在于：包括以下步骤：

获得用户登录请求，基于所述用户登录请求对用户信息采集，对用户信息进行特征提取得到用户生物特征；其中，所述用户生物特征是用户停车信息管理***针对用户信息中的多个特征优先采集的特征；

通过对所述用户生物特征筛选，得到第一登录特征因子，并对所述第一登录特征因子进行校正，得到第二登录特征因子；其中，所述第一登录特征因子与所述第二登录特征因子相对应；

将用户信息库中的特征数据与所述第二登录特征因子对比，若所述第二登录特征因子与用户信息库中的特征数据相互匹配，则登录成功；

通过登录上所述用户停车管理***获取用户行为偏好信息和历史停车信息，基于所述用户行为偏好信息与所述历史停车信息进行融合，得到第一融合数据，基于所述第一融合数据生成若干停车策略，并对所述用户行为偏好信息和历史停车信息进行保密存储。

2.根据权利要求1所述的用户信息管理方法，其特征在于：基于所述用户登录请求对用户信息采集，对用户信息进行特征提取得到用户生物特征包括：

通过机器模型对用户信息进行采集，得到初步用户特征；其中，所述初步用户特征包括衣着、头部部位；

通过层次分析算法对所述初步用户特征进行权重计算，生成若干用户特征向量；

对若干所述用户特征进行向量预处理，得到判断矩阵；

基于判断矩阵对初步用户特征筛选，得到用户生物特征；其中，所述用户生物特征包括轮廓、眼睛膜以及用户的动作表情。

3.根据权利要求1所述的用户信息管理方法，其特征在于：通过对所述用户生物特征筛选，得到第一登录特征因子，并对所述第一登录特征因子进行校正，得到第二登录特征因子包括：

通过神经网络对所述用户生物特征进行筛选，得到第一登录特征因子；

通过解卷积模型对所述第一登录特征因子进行修复，得到完整登录特征因子；

通过校正模型对所述完整登录特征因子进行清晰化处理，得到所述第二登录特征因子；其中，所述校正模型利用散射校正模型和先验函数模型构成。

4.根据权利要求1所述的用户信息管理方法，其特征在于：将用户信息库中的特征数据与所述第二登录特征因子对比，若所述第二登录特征因子与用户信息库中的特征数据相互匹配，则登录成功包括：

调用用户信息库内的特征，在所述用户信息库中捕捉特征因子，将所述特征因子与所述第二登录特征因子进行特征比对；其中，所述特征因子与所述第二登录特征因子具有相同的特征向量；

计算所述第二登录特征因子与所述特征因子匹配的相似度数值；

若所述第二登录特征因子与所述特征因子匹配的相似度数值大于阈值，则登录成功。

5.根据权利要求1所述的用户信息管理方法，其特征在于，通过登录上所述用户停车管理***获取用户行为偏好信息和历史停车信息，基于所述用户行为偏好信息与所述历史停车信息进行融合，得到第一融合数据，基于所述第一融合数据生成若干停车策略包括：

当用户登录上所述用户停车管理***时，获取所述用户行为偏好信息，并对所述用户行为偏好信息深度分层处理，得到行为分层数据；其中，所述行为分层数据包括用户支付方式，用户停车地点以及用户支付金额；

获取历史停车信息，并对所述历史停车信息进行日期划分处理，得到用户日期的区间停车数据；其中，所述用户日期的区间停车数据是用户设定的历史停车日期的区间；

对所述用户日期的区间停车数据与所述行为分层数据进行融合，得到第一融合数据，基于所述得到第一融合数据生成若干停车策略。

6.根据权利要求5所述的用户信息管理方法，其特征在于：所述生成若干停车策略步骤之后包括：

对所述若干停车策略进行干扰信息筛选，得到第一停车策略；其中，所述干扰信息包括停车场关闭、交通阻塞以及通往停车场的路面维修的信息；

判断所述第一停车策略是否满足用户需求；

若第一停车策略满足用户需求，接收用户在第一停车策略相应的界面触发的点击指令，并执行所述第一停车策略；

若第一停车策略不满足用户需求，对所述第一停车策略更新处理，直至更新到用户满意为止。

7.根据权利要求1所述的用户信息管理方法，其特征在于：对所述用户行为偏好信息和历史停车信息进行保密存储包括：

确认所述用户行为偏好信息和历史停车信息中的敏感数据；

通过对称加密模型对所述敏感数据进行加密运算，得到第一加密数据；

对第一加密数据进行存储，得到加密存储数据，并利用设定的加密方式对所述加密存储数据进行二次加密，得到第二加密数据；

对所述第二加密数据的所述设定的加密方式定期更换，确定所述第二加密数据不被泄露或/和篡改；

所述得到第二加密数据步骤之后，还包括：

基于所述第二加密数据得到第二加密数据的密钥；并将所述第二加密数据的密钥发送给用户。

8.一种用户信息管理方法装置，应用于用户停车信息管理***，其特征在于，包括：

获取模块，用于获得用户登录请求，基于所述用户登录请求对用户信息采集，对用户信息进行特征提取得到用户生物特征；其中，所述用户生物特征是用户停车信息管理***针对用户信息中的多个特征优先采集的特征；

筛选模块，用于通过对所述用户生物特征筛选，得到第一登录特征因子，并对所述第一登录特征因子进行校正，得到第二登录特征因子；其中，所述第一登录特征因子与所述第二登录特征因子相对应；

匹配模块，用于将用户信息库中的特征数据与所述第二登录特征因子对比，若所述第二登录特征因子与用户信息库中的特征数据相互匹配，则登录成功；

保密模块，用于通过登录上所述用户停车管理***获取用户行为偏好信息和历史停车信息，基于所述用户行为偏好信息与所述历史停车信息进行融合，得到第一融合数据，基于所述第一融合数据生成若干停车策略，并对所述用户行为偏好信息和历史停车信息进行保密存储。

9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，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7中任一项所述的方法的步骤。