智能推荐书单的方法、服务器及存储介质技术

本发明专利技术公开了一种智能推荐书单的方法，应用于服务器，该方法通过获取人脸图像，对人脸图像进行预处理后，按照预先确定的特征向量提取算法提取人脸图像的特征向量。之后，利用预先训练的第一识别模型，输入特征向量识别出人脸图像的第一预设标签，获取各书籍对应的预设信息作为各书籍的第二预设标签。从多个第二预设标签中匹配出与第一预设标签相似度值大于或等于第一预设阈值的第一预设数量的第二预设标签，形成推荐书单。根据匹配出的第二预设标签确定推荐书单，并生成与推荐书单对应的二维码并反馈给所述用户终端。本发明专利技术能够更加人性化并且有针对性地给用户推荐合适的书籍，提高用户的体验感。

Method, Server and Storage Medium of Intelligent Recommendation Sheet

【技术实现步骤摘要】
智能推荐书单的方法、服务器及存储介质
本专利技术涉及人脸识别
，尤其涉及一种智能推荐书单的方法、服务器及存储介质。
技术介绍
目前大型图书馆常常配备导航系统，通过输入书目名称检索书目信息，导航系统就会提供书本的余量、位置、最近借阅次数等信息，帮助用户寻找书本，但是无法更人性化地给不同的用户推荐合适的书籍。图书馆的书本推荐通常也只是简单地推荐热门书籍或者经典书籍，没有针对性，推荐的效果并不能令人满意。因此，如何更加人性化并且有针对性地给用户推荐合适的书籍，已经成为一个亟待解决的技术问题。
技术实现思路
本专利技术的主要目的在于提供一种智能推荐书单的方法、服务器及存储介质。为实现上述目的，本专利技术提供的一种智能推荐书单的方法，应用于服务器，该方法包括：获取步骤：获取用户终端采集的人脸图像，对所述人脸图像进行预处理；提取步骤：利用预设的特征向量提取算法从所述预处理后的人脸图像中提取特征向量；识别步骤：将所述特征向量输入预先训练的与第一预设标签(例如用户的年龄、性别及性格特征)对应的第一识别模型，识别出所述人脸图像的第一预设标签；建立步骤：获取各书籍对应的预设信息作为各书籍的第二预设标签(例如各书籍历史借阅用户的年龄分布、性别、借阅时长、性格特征)；对比步骤：从多个所述第二预设标签中匹配出与所述第一预设标签相似度值大于或等于第一预设阈值的第一预设数量的第二预设标签；及生成步骤：根据所述匹配出的第一预设数量的第二预设标签确定推荐书单，生成与所述推荐书单对应的二维码并反馈给所述用户终端。优选地，所述第一预设标签对应的第一识别模型的训练过程包括：获取第二预设数量的人脸图像样本，为每一张人脸图像样本分配一个唯一的第一预设标签；将所述人脸图像样本按照第一预设比例分成第一训练集和第一验证集，所述第一训练集中的人脸图像样本数量大于所述第一验证集中的人脸图像样本数量；按照所述预先确定的特征向量提取算法，提取出所述第一训练集和第一验证集中每张人脸图像样本的特征向量；将所述第一训练集中的人脸图像样本输入所述支持向量机进行训练，每隔预设周期使用所述第一验证集对所述支持向量机进行验证，利用所述第一验证集中各张人脸图像样本的特征向量和对应的第一预设标签对该第一识别模型的准确率进行验证；及当验证的准确率大于第二预设阈值时，结束训练，得到所述第一识别模型。优选地，所述特征向量提取算法包括：将所述人脸图像输入预先训练的与所述人脸图像的面部图像区域对应的第二识别模型，识别出所述人脸图像的面部图像区域；将每个所述面部图像区域切分为第二预设数量的图像单元，利用预先确定的计算规则计算得出所述图像单元中每个像素点的梯度模及梯度方向；根据所述计算出的梯度模及梯度方向建立每个所述图像单元的梯度直方图；及将各所述梯度直方图按照对应图像单元在所述面部图像区域的位置组成每张人脸图像的特征向量。优选地，所述第二预设类型识别模型为卷积神经网络模型，所述卷积神经网络模型的训练过程如下：获取第三预设数量的人脸图像样本，每张人脸图像样本中标注有面部图像区域；将所述人脸图像样本按照第二预设比例分成第二训练集和第二验证集，所述第二训练集中的图像样本数量大于所述第二验证集中的图像样本数量；将所述第二训练集中的人脸图像样本输入所述卷积神经网络模型进行训练，每隔预设周期使用所述第二验证集对所述卷积神经网络模型进行验证，利用所述第二验证集中各张人脸图像和对应的面部图像区域对该第二识别模型的准确率进行验证；及当验证的准确率大于第三预设阈值时，结束训练，得到所述第二识别模型。优选地，所述预先确定的计算规则包括：其中，Gx(x，y)和Gy(x，y)分别表示当前像素点(x，y)处的水平方向和垂直方向的梯度值，和θ(x，y)分别表示当前像素点(x，y)处的梯度模和方向。优选地，在所述对比步骤之前，该方法还包括以下步骤：建立所述第二预设标签与书籍类别之间的映射关系。为实现上述目的，本专利技术还进一步提供一种服务器，所述服务器包括存储器和处理器，所述存储器上存储有智能推荐书单程序，所述智能推荐书单程序被所述处理器执行时实现如下步骤：获取步骤：获取用户终端采集的人脸图像，对所述人脸图像进行预处理；提取步骤：利用预设的特征向量提取算法从所述预处理后的人脸图像中提取特征向量；识别步骤：将所述特征向量输入预先训练的与第一预设标签(例如用户的年龄、性别及性格特征)对应的第一识别模型，识别出所述人脸图像的第一预设标签；建立步骤：获取各书籍对应的预设信息作为各书籍的第二预设标签(例如各书籍历史借阅用户的年龄分布、性别、借阅时长、性格特征)；对比步骤：从多个所述第二预设标签中匹配出与所述第一预设标签相似度值大于或等于第一预设阈值的第一预设数量的第二预设标签；及生成步骤：根据所述匹配出的第一预设数量的第二预设标签确定推荐书单，生成与所述推荐书单对应的二维码并反馈给所述用户终端。优选地，所述第一预设标签对应的第一识别模型的训练过程包括：获取第二预设数量的人脸图像样本，为每一张人脸图像样本分配一个唯一的第一预设标签；将所述人脸图像样本按照第一预设比例分成第一训练集和第一验证集，所述第一训练集中的人脸图像样本数量大于所述第一验证集中的人脸图像样本数量；按照所述预先确定的特征向量提取算法，提取出所述第一训练集和第一验证集中每张人脸图像样本的特征向量；将所述第一训练集中的人脸图像样本输入所述支持向量机进行训练，每隔预设周期使用所述第一验证集对所述支持向量机进行验证，利用所述第一验证集中各张人脸图像样本的特征向量和对应的第一预设标签对该第一识别模型的准确率进行验证；及当验证的准确率大于第二预设阈值时，结束训练，得到所述第一识别模型。优选地，所述特征向量提取算法包括：将所述人脸图像输入预先训练的与所述人脸图像的面部图像区域对应的第二识别模型，识别出所述人脸图像的面部图像区域；将每个所述面部图像区域切分为第二预设数量的图像单元，利用预先确定的计算规则计算得出所述图像单元中每个像素点的梯度模及梯度方向；根据所述计算出的梯度模及梯度方向建立每个所述图像单元的梯度直方图；及将各所述梯度直方图按照对应图像单元在所述面部图像区域的位置组成每张人脸图像的特征向量。为实现上述目的，本专利技术进一步提供一种计算机可读存储介质，所述计算机可读存储介质上存储有智能推荐书单程序，所述智能推荐书单程序可被一个或者多个处理器执行，以实现如上述的智能推荐书单方法的步骤。本专利技术提出的智能推荐书单的方法、服务器及存储介质，通过人脸识别技术识别出当前用户的第一预设标签，并利用大数据方法分析图书馆书籍历史借阅信息生成各书籍的第二预设标签，根据当前用户的第一预设标签与各书籍的第二预设标签的匹配结果生成推荐书单，并生成与推荐书单对应的二维码展示给用户。相比较现有传统的书籍推荐方式，本专利技术提供的方法能够根据用户属性及历史借阅信息有针对性地向用户推荐书籍，提升书籍推荐的有效性及用户体验。附图说明图1为本专利技术服务器较佳实施例的应用环境图；图2为图1中智能推荐书单程序较佳实施例的程序模块示意图；图3为本专利技术发票检验方法较佳实施例的流程示意图。本专利技术目的的实现、功能特点及优点将结合实施例，参附图做进一步说明。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图本文档来自技高网...

【技术保护点】
1.一种智能推荐书单的方法，应用于服务器，其特征在于，该方法包括：获取步骤：获取用户终端采集的人脸图像，对所述人脸图像进行预处理；提取步骤：利用预设的特征向量提取算法从所述预处理后的人脸图像中提取特征向量；识别步骤：将所述特征向量输入预先训练的与第一预设标签对应的第一识别模型，识别出所述人脸图像的第一预设标签；建立步骤：获取各书籍对应的预设信息作为各书籍的第二预设标签；对比步骤：从多个所述第二预设标签中匹配出与所述第一预设标签相似度值大于或等于第一预设阈值的第一预设数量的第二预设标签；及生成步骤：根据所述匹配出的第一预设数量的第二预设标签确定推荐书单，生成与所述推荐书单对应的二维码并反馈给所述用户终端。

【技术特征摘要】
1.一种智能推荐书单的方法，应用于服务器，其特征在于，该方法包括：获取步骤：获取用户终端采集的人脸图像，对所述人脸图像进行预处理；提取步骤：利用预设的特征向量提取算法从所述预处理后的人脸图像中提取特征向量；识别步骤：将所述特征向量输入预先训练的与第一预设标签对应的第一识别模型，识别出所述人脸图像的第一预设标签；建立步骤：获取各书籍对应的预设信息作为各书籍的第二预设标签；对比步骤：从多个所述第二预设标签中匹配出与所述第一预设标签相似度值大于或等于第一预设阈值的第一预设数量的第二预设标签；及生成步骤：根据所述匹配出的第一预设数量的第二预设标签确定推荐书单，生成与所述推荐书单对应的二维码并反馈给所述用户终端。2.如权利要求1所述的智能推荐书单的方法，其特征在于，所述第一识别模型为支持向量机，所述第一预设标签对应的第一识别模型的训练过程包括：获取第二预设数量的人脸图像样本，为每一张人脸图像样本分配一个唯一的第一预设标签；将所述人脸图像样本按照第一预设比例分成第一训练集和第一验证集，所述第一训练集中的人脸图像样本数量大于所述第一验证集中的人脸图像样本数量；按照所述预先确定的特征向量提取算法，提取出所述第一训练集和第一验证集中每张人脸图像样本的特征向量；将所述第一训练集中的人脸图像样本输入所述支持向量机进行训练，每隔预设周期使用所述第一验证集对所述支持向量机进行验证，利用所述第一验证集中各张人脸图像样本的特征向量和对应的第一预设标签对该第一识别模型的准确率进行验证；及当验证的准确率大于第二预设阈值时，结束训练，得到所述第一识别模型。3.如权利要求2所述的智能推荐书单的方法，其特征在于，所述特征向量提取算法包括：将所述人脸图像输入预先训练的与所述人脸图像的面部图像区域对应的第二识别模型，识别出所述人脸图像的面部图像区域；将每个所述面部图像区域切分为第二预设数量的图像单元，利用预先确定的计算规则计算得出所述图像单元中每个像素点的梯度模及梯度方向；根据所述计算出的梯度模及梯度方向建立每个所述图像单元的梯度直方图；及将各所述梯度直方图按照对应图像单元在所述面部图像区域的位置组成每张人脸图像的特征向量。4.如权利要求1-3中任一项所述的智能推荐书单的方法，其特征在于，所述第二预设类型识别模型为卷积神经网络模型，所述卷积神经网络模型的训练过程如下：获取第三预设数量的人脸图像样本，每张人脸图像样本中标注有面部图像区域；将所述人脸图像样本按照第二预设比例分成第二训练集和第二验证集，所述第二训练集中的图像样本数量大于所述第二验证集中的图像样本数量；将所述第二训练集中的人脸图像样本输入所述卷积神经网络模型进行训练，每隔预设周期使用所述第二验证集对所述卷积神经网络模型进行验证，利用所述第二验证集中各张人脸图像和对应的面部图像区域对该第二识别模型的准确率进行验证；及当验证的准确率大于第三预设阈值时，结束训练，得到所述第二识别模型。5....

【专利技术属性】
技术研发人员：韩冰，
申请(专利权)人：深圳壹账通智能科技有限公司，
类型：发明
国别省市：广东,44