一种基于手机客户端的用户体验评价方法及系统技术方案

本发明专利技术提供了一种基于手机客户端的用户体验评价方法及系统，通过开发一款手机App，获取用户在使用新研发APP的过程视频(可以通过手机App现场拍摄或者读取视频文件)传输到云端；在云端把该视频分解成连续的系列照片；应用人脸识别技术，识别该系列照片对应的人脸表情类型，获得表情随时间变化的代码向量，在云平台上，通过KFNN神经网络建立用户体验数据与对应用户体验过程评分的复杂非线性关系模型；进行视频的录入即可自动获得该用户体验过程的用户体验评价结果，作为企业进行APP产品升级优化的依据。

【技术实现步骤摘要】
一种基于手机客户端的用户体验评价方法及系统
本专利技术涉及大数据领域，具体涉及一种基于手机客户端的用户体验评价方法及系统。
技术介绍
如今，各种APP软件产品的开发层出不穷，一个APP软件产品是否能够成功，用户体验逐渐变成了一个关键因素。大数据已成为提升用户体验的重要参考工具，有效的数据挖掘和分析可以被企业用来提升现有产品的用户体验，通过上述结果来开发新的产品和服务。有针对性的采取用户体验措施，从而使用户在心理上有一个良好的用户体验，但是用户体验结果很难用一种直观、真实的方式表达出来，然而表情是人类用来表达各种情绪状态最直观、最真实的一种方式，是一种十分重要的非语言交流手段。现有技术在APP软件研发过程中，采用传统用户调查的方式，无法快速准确获取新研发APP软件的用户使用体验数据，研发效率较低。
技术实现思路
为了解决现在产品研发过程中，研发人员不能快速获取新研发APP用户体验数据的问题，本申请提供一种基于手机客户端的用户体验评价方法,包括以下步骤S1：采集用户使用测试APP的第一过程视频，依据所述第一过程视频得到第一过程系列照片，对所述第一过程系列照片进行人脸识别得到用户人脸表情向量，依据所述用户人脸表情向量得到输入矩阵；S2:通过测试APP采集用户调查数据，依据所述用户调查数据得到结果矩阵Y，构建KFNN模型，采用所述输入矩阵和所述结果矩阵对KFNN模型进行训练；S3:采集用户使用目标APP的第二过程视频，采用训练完成的KFNN模型对所述用户使用目标APP的第二过程视频进行分析并获取用户体验数据。进一步的，所述步骤S1包括，S11：以横坐标为时间，纵坐标为表情类型代码生成用户人脸表情向量随时间变化的二维表情谱，其中，“愤怒”对应的表情向量为[0,0,0,0,0,0,1]T、“厌恶”对应的表情向量为[0,0,0,0,0,2,0]T、“恐惧”对应的表情向量为[0,0,0,0,3,0,0]T、“高兴”对应的表情向量为[0,0,0,4,0,0,0]T、“伤心”对应的表情向量为[0,0,5,0,0,0,0]T、“惊讶”对应的表情向量为[0,6,0,0,0,0,0]T、“无情绪”对应的表情向量为[7,0,0,0,0,0,0]T，采用表情谱得到矩阵A＝[e1,e2,e3,…,en]7×n；S12:将矩阵A进行转置变换得到AT＝[e1,e2,e3,…,en]n×7；S13:构造矩阵M＝A·AT；S14:计算矩阵M的特征值，生成矩阵M的特征值矩阵λ＝[λ1,λ2,λ3,…,λ7]1×7；S15:生成输入矩阵X＝[λ,N,B]1×9，其中N为年龄，B为性别。进一步的，所述步骤S2包括以下步骤，S21：生成前馈神经网络，记M为输入层神经元数，s1为隐层神经元数，l为输出层神经元数；输入层至隐含层神经元的连接权值阈值为隐含层至输出层的连接权值阈值为S22：构建卡尔曼滤波过程中的系统方程：上述公式中：X(k)是k时刻的系统状态，U(k)是k时刻对系统的控制向量，φ和B是系统参数，Z(k)是k时刻的测量值，H是测量系统的参数。w(k)和v(k)是高斯白噪声；S23：KF神经网络中所有权值和阈值组成的状态变量X为：设X中的个数为n个值；S24：求出k-1时刻的最优状态估计X(k-1|k-1)和该状态对应的协方差P(k-1|k-1)，根据上述S22中的方程进行k时刻状态估计得到X(k|k-1)；S25：根据k时刻状态估计得X(k|k-1)计算k-1时刻的协方差P(k|k-1)；S26：求出k时刻最优状态估计X(k|k)；S27：求出k时刻最优状态估计X(k|k)对应的协方差P(k|k)。进一步的，所述步骤S3还包括，将用户体验数据发送至管理员移动终端并进行展示。为了保证上述方法的实施，本专利技术还提供一种基于手机客户端的用户体验评价系统,其特征在于，包括以下模块,采集模块，用于采集用户使用测试APP的第一过程视频，依据所述第一过程视频得到第一过程系列照片，对所述第一过程系列照片进行人脸识别得到用户人脸表情向量，依据所述用户人脸表情向量得到输入矩阵；训练模块，用于通过测试APP采集用户调查数据，依据所述用户调查数据得到结果矩阵Y，构建KFNN模型，采用所述输入矩阵和所述结果矩阵对KFNN模型进行训练；结果输出模块，采集用户使用目标APP的第二过程视频，采用训练完成的KFNN模型对所述用户使用目标APP的第二过程视频进行分析并获取用户体验数据。进一步的，所述采集模块采用以下步骤获取输入矩阵，S11：以横坐标为时间，纵坐标为表情类型代码生成用户人脸表情向量随时间变化的二维表情谱，其中，“愤怒”对应的表情向量为[0,0,0,0,0,0,1]T、“厌恶”对应的表情向量为[0,0,0,0,0,2,0]T、“恐惧”对应的表情向量为[0,0,0,0,3,0,0]T、“高兴”对应的表情向量为[0,0,0,4,0,0,0]T、“伤心”对应的表情向量为[0,0,5,0,0,0,0]T、“惊讶”对应的表情向量为[0,6,0,0,0,0,0]T、“无情绪”对应的表情向量为[7,0,0,0,0,0,0]T，采用表情谱得到矩阵A＝[e1,e2,e3,…,en]7×n；S12:将矩阵A进行转置变换得到AT＝[e1,e2,e3,…,en]n×7；S13:构造矩阵M＝A·AT；S14:计算矩阵M的特征值，生成矩阵M的特征值矩阵λ＝[λ1,λ2,λ3,…,λ7]1×7；S15:生成输入矩阵X＝[λ,N,B]1×9，其中N为年龄，B为性别。进一步的，所述训练模块还执行以下步骤，S21：生成前馈神经网络，记M为输入层神经元数，s1为隐层神经元数，l为输出层神经元数；输入层至隐含层神经元的连接权值阈值为隐含层至输出层的连接权值阈值为S22：构建卡尔曼滤波过程中的系统方程：上述公式中：X(k)是k时刻的系统状态，U(k)是k时刻对系统的控制向量，φ和B是系统参数，Z(k)是k时刻的测量值，H是测量系统的参数。w(k)和v(k)是高斯白噪声；S23：KF神经网络中所有权值和阈值组成的状态变量X为：设X中的个数为n个值；S24：求出k-1时刻的最优状态估计X(k-1|k-1)和该状态对应的协方差P(k-1|k-1)，根据上述S22中的方程进行k时刻状态估计得到X(k|k-1)；S25：根据k时刻状态估计得X(k|k-1)计算k-1时刻的协方差P(k|k-1)；S26：求出k时刻最优状态估计X(k|k)；S27：求出k时刻最优状态估计X(k|k)对应的协方差P(k|k)。进一步的，所述结果输出模块还用于，将用户体验数据发送至管理员移动终端并进行展示。本专利技术的有益效果是，1遵循神经和肌肉等解剖学，具有共同特征；表情识别是一种无意识、自由状态下的数据获取方法，保证了数据的可靠性与客观性。2容易整合到数据分析系统进行分析和可视化。3允许其他软件实时访问面部表情分析系统的数据收集。4能够分析所有种族的面部表情，包括儿童的面部表情。5本专利技术通过训练完成的神经网络模型来对用户在使用APP过程的视频进行分析快速得出用户体验数据，可以方便研发人员快速对新研发APP进行评估，提高了APP的研发效率。附图说明图1为本专利技术一种基于手机客户端的用户体验评价方法流程图。图2为本专利技术一种基于手机客户端的用本文档来自技高网...

【技术保护点】
1.一种基于手机客户端的用户体验评价方法,其特征在于，包括以下步骤S1：采集用户使用测试APP的第一过程视频，依据所述第一过程视频得到第一过程系列照片，对所述第一过程系列照片进行人脸识别得到用户人脸表情向量，依据所述用户人脸表情向量得到输入矩阵；S2:通过测试APP采集用户调查数据，依据所述用户调查数据得到结果矩阵Y，构建KFNN模型，采用所述输入矩阵和所述结果矩阵对KFNN模型进行训练；S3:采集用户使用目标APP的第二过程视频，采用训练完成的KFNN模型对所述用户使用目标APP的第二过程视频进行分析并获取用户体验数据。

【技术特征摘要】
1.一种基于手机客户端的用户体验评价方法,其特征在于，包括以下步骤S1：采集用户使用测试APP的第一过程视频，依据所述第一过程视频得到第一过程系列照片，对所述第一过程系列照片进行人脸识别得到用户人脸表情向量，依据所述用户人脸表情向量得到输入矩阵；S2:通过测试APP采集用户调查数据，依据所述用户调查数据得到结果矩阵Y，构建KFNN模型，采用所述输入矩阵和所述结果矩阵对KFNN模型进行训练；S3:采集用户使用目标APP的第二过程视频，采用训练完成的KFNN模型对所述用户使用目标APP的第二过程视频进行分析并获取用户体验数据。2.如权利要求1所述的一种基于手机客户端的用户体验评价方法,其特征在于，所述步骤S1包括，S11：以横坐标为时间，纵坐标为表情类型代码生成用户人脸表情向量随时间变化的二维表情谱，其中，“愤怒”对应的表情向量为[0,0,0,0,0,0,1]T、“厌恶”对应的表情向量为[0,0,0,0,0,2,0]T、“恐惧”对应的表情向量为[0,0,0,0,3,0,0]T、“高兴”对应的表情向量为[0,0,0,4,0,0,0]T、“伤心”对应的表情向量为[0,0,5,0,0,0,0]T、“惊讶”对应的表情向量为[0,6,0,0,0,0,0]T、“无情绪”对应的表情向量为[7,0,0,0,0,0,0]T，采用表情谱得到矩阵A＝[e1,e2,e3,…,en]7×n；S12:将矩阵A进行转置变换得到AT＝[e1,e2,e3,…,en]n×7；S13:构造矩阵M＝A·AT；S14:计算矩阵M的特征值，生成矩阵M的特征值矩阵λ＝[λ1,λ2,λ3,…,λ7]1×7；S15:生成输入矩阵X＝[λ,N,B]1×9，其中N为年龄，B为性别。3.如权利要求2所述的一种基于手机客户端的用户体验评价方法,其特征在于，所述步骤S2还包括，S21：生成前馈神经网络，记M为输入层神经元数，s1为隐层神经元数，l为输出层神经元数；输入层至隐含层神经元的连接权值阈值为隐含层至输出层的连接权值阈值为S22：构建卡尔曼滤波过程中的系统方程：上述公式中：X(k)是k时刻的系统状态，U(k)是k时刻对系统的控制向量，φ和B是系统参数，Z(k)是k时刻的测量值，H是测量系统的参数。w(k)和v(k)是高斯白噪声；S23：KF神经网络中所有权值和阈值组成的状态变量X为：设X中的个数为n个值；S24：求出k-1时刻的最优状态估计X(k-1|k-1)和该状态对应的协方差P(k-1|k-1)，根据上述S22中的方程进行k时刻状态估计得到X(k|k-1)；S25：根据k时刻状态估计得X(k|k-1)计算k-1时刻的协方差P(k|k-1)；S26：求出k时刻最优状态估计X(k|k)；S27：求出k时刻最优状态估计X(k|k)对应的协方差P(k|k)。4.如权利要求3所述的一种基于手机客户端的用户体验评价方法,其特征在于，所述步骤S3还包括，将用户体验数据发送至管理员移动终端并进行展示。5.一种基于手机客户端的用户...

【专利技术属性】
技术研发人员：李太福，廖志强，尹蝶，段棠少，张志亮，黄星耀，
申请(专利权)人：重庆科技学院，
类型：发明
国别省市：重庆,50