一种基于人脸识别的个性化视频推荐方法及推荐系统技术方案

本发明专利技术公开了一种基于人脸识别的个性化视频推荐方法及推荐系统，方法包括：获取用户人脸图像，提取用户人脸图像中的人脸特征并存储；获取网络视频数据，对网络视频数据进行特征向量提取操作后生成视频特征向量；根据视频特征向量和人脸特征对应的用户行为数据生成用户兴趣模型；计算所述用户兴趣模型和视频特征向量的相似度，基于所计算的相似度形成推荐列表。本发明专利技术可在识别人脸后，分析用户的兴趣偏好，并在预推荐视点中过滤掉相似度低的视频和已看过视频，推荐效率高，为用户提供方便。

A personalized video recommendation method and recommendation system based on face recognition

The invention discloses a recommendation method and personalized video recommendation system based on face recognition method includes: obtaining the user face image, face feature extraction of face image and the user access to the network storage; video data, video data on the network feature vector extraction operation after generating video feature vectors based on user behavior data and video features; vector and face feature corresponding to the formation of user interest model; similarity calculation of the user interest model and video feature vector, the formation of recommendation list based on the calculated similarity. The invention can analyze the user's interest preference after identifying the face, and filter the similar video and the watched video in the pre recommendation point of view, and the recommendation efficiency is high, and the user is provided with convenience.

【技术实现步骤摘要】
一种基于人脸识别的个性化视频推荐方法及推荐系统
本专利技术涉及信息处理
，尤其涉及一种基于人脸识别的个性化视频推荐方法及推荐系统。
技术介绍
随着现代生活水平的不断提高，人们对娱乐化的需求也越来越多样化，计算机技术、图像识别技术已逐步应用于日常生活中多个领域中，例如，可以在数以亿万计的人群中迅速定位目标人物，也可以根据人脸图像判断人脸表情。目前随着音视频内容的多样性，音视频压缩技术的成熟，存储技术的提高，出现了根据人脸图像推荐音乐的应用。现有的根据人脸图像推荐音乐的方法，主要通过分析人脸的表情信息进行音乐推荐，如高兴的表情，就会推荐一些令人心情愉快的音乐，悲伤的表情，会推荐一些节奏较平缓的音乐。现有方法主要针对包含单个人脸的图像，通过分析单个人脸的表情信息进行音乐推荐。但现有的根据人脸检测的推荐方法，只是单纯的根据用户的表情信息进行推荐，无法根据人脸特征建立用户兴趣模型，也无法根据用户的偏好模型进行推荐。因此，现有技术还有待于改进和发展。
技术实现思路
鉴于现有技术的不足，本专利技术目的在于提供一种基于人脸识别的个性化视频推荐方法及推荐系统，旨在解决现有技术中人脸检测的推荐方法，只是单纯的根据用户的表情信息进行推荐，无法根据人脸特征建立用户兴趣模型，也无法根据用户的偏好模型进行推荐的问题。本专利技术的技术方案如下：一种基于人脸识别的个性化视频推荐方法，其中，方法包括：A、获取用户人脸图像，提取用户人脸图像中的人脸特征并存储；B、获取网络视频数据，对网络视频数据进行特征向量提取操作后生成视频特征向量；C、根据视频特征向量和人脸特征对应的用户行为数据生成用户兴趣模型；D、计算所述用户兴趣模型和视频特征向量的相似度，基于所计算的相似度形成推荐列表。所述的基于人脸识别的个性化视频推荐方法，其中，所述A具体包括：A1、摄像头采集用户人脸图像，将用户人脸图像上传到服务器，服务器对用户人脸图像进行预处理；A2、根据高斯差分函数构建高斯差分的图像尺度空间，检测图像尺度空间中的极值点；A3、根据高斯差分函数在横跨边缘和垂直边缘方向上的主曲率大小，筛除干扰极值点，获得非干扰极值点；A4、获取所述非干扰极值点的梯度方向，基于所述梯度方向得到局部特征图像；A5、将局部特征图像投影到局部人脸子空间进行训练，得到局部特征向量，获取局部特征向量作为人脸特征并存储。所述的基于人脸识别的个性化视频推荐方法，其中，所述B具体包括：B1、服务器获取网络视频数据，根据网络视频数据的视频描述特征，将网络视频数据解析为结构化数据，将所述结构化数据中的状态描述信息转为序列化的网络视频数据；B2、获取序列化的网络视频数据的视频类型，根据视频类型的不同分别采用不同的特征向量提取方法，生成最终的视频特征向量。所述的基于人脸识别的个性化视频推荐方法，其中，所述C具体包括：C1、服务器根据人脸特征识别用户，获取人脸特征对应的用户行为日志，从用户行为日志中分离用户行为，得到行为基表；C2、通过对行为基表和视频特征向量对应的视频向量表关联，得到用户行为-视频特征映射表；C3、获取在预定时间区间内的用户行为-视频特征映射表，生成用户兴趣模型。所述的基于人脸识别的个性化视频推荐方法，其中，所述D具体包括：D1、获取视频特征向量和用户兴趣模块，计算视频特征向量和用户模型对应属性的相似度；D2、根据预设置的各属性权重值和相似度，获取用户对视频的偏好值；D3、过滤用户已看过的视频，形成推荐列表。所述的基于人脸识别的个性化视频推荐方法，其中，所述A4具体包括：A41、计算所述非干扰极值点的的方向，根据设定的角度区间获取所述非干扰极值点的梯度方向；A42、将坐标轴旋转至极值点的梯度方向，以极值点为中心，取其邻域的特定大小的空间，并将空间分为若干个子空间，在每个子空间上计算梯度方向的累加值，得到局部特征图像。所述的基于人脸识别的个性化视频推荐方法，其中，所述B2具体包括：B21、获取序列化的网络视频数据的视频类型，判断视频类型是否为影视节目或少儿节目；B22、若视频类型是影视节目或少儿节目，则离散化网络视频数据的年代值和热度值后，统一视频类别后生成视频特征向量；B23、若视频类型既不是影视节目，也不是少儿节目，则采用视频名称中文分词、去停词后，根据TF-IDF算法计算出关键词的权重后，生成视频特征向量。一种基于人脸识别的个性化视频推荐系统，其中，系统包括：人脸特征获取模块，用于获取用户人脸图像，提取用户人脸图像中的人脸特征并存储；视频特征向量生成模块，用于获取网络视频数据，对网络视频数据进行特征向量提取操作后生成视频特征向量；用户兴趣生成模块，用于根据视频特征向量和人脸特征对应的用户行为数据生成用户兴趣模型；推荐列表生成模块，用于计算所述用户兴趣模型和视频特征向量的相似度，基于所计算的相似度形成推荐列表。所述的基于人脸识别的个性化视频推荐系统，其中，所述人脸特征获取模块具体包括：图像采集单元，用于摄像头采集用户人脸图像，将用户人脸图像上传到服务器，服务器对用户人脸图像进行预处理；极值点检测单元，用于根据高斯差分函数构建高斯差分的图像尺度空间，检测图像尺度空间中的极值点；干扰极值点筛除单元，用于根据高斯差分函数在横跨边缘和垂直边缘方向上的主曲率大小，筛除干扰极值点，获得非干扰极值点；局部特征图像生成单元，用于获取所述非干扰极值点的梯度方向，基于所述梯度方向得到局部特征图像；图像训练单元，用于将局部特征图像投影到局部人脸子空间进行训练，得到局部特征向量，获取局部特征向量作为人脸特征并存储。所述的基于人脸识别的个性化视频推荐系统，其中，所述视频特征向量生成模块具体包括：网络视频数据序列化单元，用于服务器获取网络视频数据，根据网络视频数据的视频描述特征，将网络视频数据解析为结构化数据，将所述结构化数据中的状态描述信息转为序列化的网络视频数据；特征向量提取单元，用于获取序列化的网络视频数据的视频类型，根据视频类型的不同分别采用不同的特征向量提取方法，生成最终的视频特征向量。本专利技术提供了一种基于人脸识别的个性化视频推荐方法及系统，本专利技术可在识别人脸后，分析用户的兴趣偏好，并在预推荐视点中过滤掉相似度低的视频和已看过视频，推荐效率高，为用户提供方便。附图说明图1为本专利技术的一种基于人脸识别的个性化视频推荐方法的较佳实施例的流程图。图2为本专利技术的一种基于人脸识别的个性化视频推荐方法的具体应用实施例的使用环境示意图。图3为本专利技术的一种基于人脸识别的个性化视频推荐方法的具体应用实施例的中步骤S100的细化流程图。图4为图3中步骤S104的细化流程图。图5为本专利技术的一种基于人脸识别的个性化视频推荐方法的具体应用实施例的中步骤S200的细化流程图。图6为图5中步骤S202的细化流程图。图7为本专利技术的一种基于人脸识别的个性化视频推荐方法的具体应用实施例的中步骤S300的细化流程图。图8为本专利技术的一种基于人脸识别的个性化视频推荐方法的具体应用实施例的中步骤S400的细化流程图。图9为本专利技术的一种基于人脸识别的个性化视频推荐系统的较佳实施例的功能原理框图。图10为本专利技术的一种基于人脸识别的个性化视频推荐系统的具体应用实施例的人脸特征获取模块的功能原理框图。图11为本专利技术的一种基于人脸识别的个性化视频推荐本文档来自技高网...

【技术保护点】
一种基于人脸识别的个性化视频推荐方法，其特征在于，所述方法包括：A、获取用户人脸图像，提取用户人脸图像中的人脸特征并存储；B、获取网络视频数据，对网络视频数据进行特征向量提取操作后生成视频特征向量；C、根据视频特征向量和人脸特征对应的用户行为数据生成用户兴趣模型；D、计算所述用户兴趣模型和视频特征向量的相似度，基于所计算的相似度形成推荐列表。

【技术特征摘要】
1.一种基于人脸识别的个性化视频推荐方法，其特征在于，所述方法包括：A、获取用户人脸图像，提取用户人脸图像中的人脸特征并存储；B、获取网络视频数据，对网络视频数据进行特征向量提取操作后生成视频特征向量；C、根据视频特征向量和人脸特征对应的用户行为数据生成用户兴趣模型；D、计算所述用户兴趣模型和视频特征向量的相似度，基于所计算的相似度形成推荐列表。2.根据权利要求1所述的基于人脸识别的个性化视频推荐方法，其特征在于，所述A具体包括：A1、摄像头采集用户人脸图像，将用户人脸图像上传到服务器，服务器对用户人脸图像进行预处理；A2、根据高斯差分函数构建高斯差分的图像尺度空间，检测图像尺度空间中的极值点；A3、根据高斯差分函数在横跨边缘和垂直边缘方向上的主曲率大小，筛除干扰极值点，获得非干扰极值点；A4、获取所述非干扰极值点的梯度方向，基于所述梯度方向得到局部特征图像；A5、将局部特征图像投影到局部人脸子空间进行训练，得到局部特征向量，获取局部特征向量作为人脸特征并存储。3.根据权利要求1所述的基于人脸识别的个性化视频推荐方法，其特征在于，所述B具体包括：B1、服务器获取网络视频数据，根据网络视频数据的视频描述特征，将网络视频数据解析为结构化数据，将所述结构化数据中的状态描述信息转为序列化的网络视频数据；B2、获取序列化的网络视频数据的视频类型，根据视频类型的不同分别采用不同的特征向量提取方法，生成最终的视频特征向量。4.根据权利要求1所述的基于人脸识别的个性化视频推荐方法，其特征在于，所述C具体包括：C1、服务器根据人脸特征识别用户，获取人脸特征对应的用户行为日志，从用户行为日志中分离用户行为，得到行为基表；C2、通过对行为基表和视频特征向量对应的视频向量表关联，得到用户行为-视频特征映射表；C3、获取在预定时间区间内的用户行为-视频特征映射表，生成用户兴趣模型。5.根据权利要求1所述的基于人脸识别的个性化视频推荐方法，其特征在于，所述D具体包括：D1、获取视频特征向量和用户兴趣模块，计算视频特征向量和用户模型对应属性的相似度；D2、根据预设置的各属性权重值和相似度，获取用户对视频的偏好值；D3、过滤用户已看过的视频，形成推荐列表。6.根据权利要求2所述的基于人脸识别的个性化视频推荐方法，其特征在于，所述A4具体包括：A41、计算所述非干扰极值点的方向，根据设定的角度区间获取所述非干扰极值点的梯度方向；A...

【专利技术属性】
技术研发人员：谭颖璐，
申请(专利权)人：TCL集团股份有限公司，
类型：发明
国别省市：广东,44