基于机器学习的网页渲染方法、装置和计算机设备制造方法及图纸

本申请揭示了一种基于机器学习的网页渲染方法、装置、计算机设备和存储介质，所述方法包括：利用预设的摄像头采集用户的第一人脸图像；计算第一人脸图像与指定人脸图像的图像相似度值；若相似度值不大于预设的图像相似度阈值，则将第一人脸图像输入预设的预测模型中的线性分类器中进行计算，得到所述线性分类器输出的特征信息；将所述特征信息输入所述非线性分类器中进行计算，得到由多个子信息构成的网页渲染信息；将所述多个子信息对应发送给多个服务器；接收所述多个服务器对应返回的所述多个子数据包，并组合为渲染数据包，利用渲染数据包渲染网页。从而实现网页渲染自适应特殊人群(例如高龄人群)，提高网页使用效率。

Web page rendering method, device and computer equipment based on machine learning

【技术实现步骤摘要】
基于机器学习的网页渲染方法、装置和计算机设备
本申请涉及到计算机领域，特别是涉及到一种基于机器学习的网页渲染方法、装置、计算机设备和存储介质。
技术介绍
随着互联网行业的迅速发展，现今人们已经习惯于利用计算机设备浏览互联网上的网页。但是传统技术的网页(或网页渲染方法)，只存在固定样式的几种网页设置，例如白天模式网页、黑夜模式网页、主题模式网页等，但这些网页设置的数量有限，并且这些网页设置需要用户手动设置，无法根据用户的特征状况进行自动调整。另外，对于老年人，由于其视力降低等生理因素，其更适合于布局简单、字号较大的网页，然而传统技术的网页无法根据用户人群特征进行自动调整，从而使得用户使用网页的效率低下。
技术实现思路
本申请的主要目的为提供一种基于机器学习的网页渲染方法、装置、计算机设备和存储介质，旨在使网页渲染自适应特殊人群(例如高龄人群)，提高网页使用效率。为了实现上述专利技术目的，本申请提出一种基于机器学习的网页渲染方法，包括以下步骤：利用预设的摄像头采集用户的第一人脸图像；根据预设的图像相似度计算方法，计算所述第一人脸图像与预存的一幅指定人脸图像的图像相似度值，并判断所述相似度值是否大于预设的图像相似度阈值；若所述相似度值不大于预设的图像相似度阈值，则将所述第一人脸图像输入预设的预测模型中的线性分类器中进行计算，从而得到所述线性分类器输出的特征信息，所述特征信息至少包括预测的年龄段区间；其中所述预测模型由所述线性分类器与预设的非线性分类器顺序连接而成；所述线性分类器是预先通过包括面部图像和与面部图像对应的特征信息的样本数据训练而成的；将所述特征信息输入所述非线性分类器中进行计算，从而得到所述非线性分类器输出的由多个子信息构成的网页渲染信息，其中所述多个子信息至少包括网页的颜色子信息、图标风格子信息和布局风格子信息；所述非线性分类器是预先通过包括特征信息和特征信息对应的多个子信息的样本数据训练而成的；发送所述多个子信息及返回用于网页渲染的子数据包的请求信息给对应的多个服务器；接收所述多个服务器对应返回的所述多个子数据包，并将所述多个子数据包组合为渲染数据包，利用所述渲染数据包渲染所述网页。进一步地，所述根据预设的图像相似度计算方法，计算所述第一人脸图像与预存的一幅指定人脸图像的图像相似度值的步骤,包括：根据预设的缩放方法，对所述第一人脸图像进行缩放处理，从而得到缩放图片，其中所述缩放图片的眉眼间距与所述指定人脸图像的眉眼间距相等；获取所述缩放图片中的多个第一特征长度，以及获取所述指定人脸图像中的多个第二特征长度，其中所述多个第一特征长度和所述多个第二特征长度均至少包括脸长和脸宽，所述多个第一特征长度与所述多个第二特征长度一一对应；生成第一矩阵[U1,U2,...,Un]和第二矩阵[P1,P2,...,Pn]，其中U1,U2,...,Un为所述多个第一特征长度，P1,P2,...,Pn为所述多个第二特征长度，共有n个第一特征长度和n个第二特征长度；根据公式：M＝1/|||[U1,U2,...,Un][P1,P2,...,Pn]T||-n|，计算出所述第一人脸图像与指定人脸图像的图像相似度值M。进一步地，所述根据预设的缩放方法，对所述第一人脸图像进行缩放处理，从而得到缩放图片的步骤，包括：利用预设的面部特征点检测模型对所述第一人脸图像进行检测，从而得到多个第一面部特征点；以及，利用所述面部特征点检测模型对所述指定人脸图像进行检测，从而得到多个第二面部特征点；生成所述多个第一面部特征点的第一最小外接矩形，以及生成所述多个第二面部特征点的第二最小外接矩形；采用等比例缩放的方法对所述第一人脸图像进行缩放处理，以使所述第一最小外接矩形的面积等于所述第二最小外接矩形的面积，从而得到缩放图片。进一步地，所述面部特征点检测模型仅由以预设的标准姿态放置的人脸图像训练而成，所述指定人脸图像以标准姿态放置，所述利用预设的面部特征点检测模型对所述第一人脸图像进行检测，从而得到多个第一面部特征点；以及，利用所述面部特征点检测模型对所述指定人脸图像进行检测，从而得到多个第二面部特征点的步骤，包括：利用预设的面部特征点检测模型对所述第一人脸图像进行检测，从而得到第一数量，以及利用所述面部特征点检测模型对所述第二人脸图像进行检测，从而得到第二数量，其中所述第一数量指第一人脸图像中的面部特征点数量，所述第二数量指所述指定人脸图像中的面部特征点数量；判断所述第一数量减去所述第二数量的差值绝对值是否小于预设的差值阈值；若所述第一数量减去所述第二数量的差值绝对值不小于预设的差值阈值，则对所述第一人脸图像进行一次或多次旋转处理，从而得到一张或多张旋转图像；依次利用所述面部特征点检测模型对所述旋转图像进行检测，直到检测到的面部特征点数量减去所述第二数量的差值绝对值小于预设的差值阈值，并将所述面部特征点检测模型最后一次输出的面部特征点记为第一面部特征点；获取所述第一面部特征点，以及获取所述面部特征点检测模型对所述第二人脸图像进行检测，从而生成的第二面部特征点。进一步地，所述根据预设的图像相似度计算方法，计算所述第一人脸图像与预存的一幅指定人脸图像的图像相似度值，并判断所述相似度值是否大于预设的图像相似度阈值的步骤之后，包括：若所述相似度值大于预设的图像相似度阈值，则根据预设的人脸图像与数据包的对应关系，获取与所述指定人脸图像对应的指定数据包，其中所述指定数据包用于渲染网页；利用所述指定数据包渲染网页。进一步地，所述若所述相似度值不大于预设的图像相似度阈值，则将所述第一人脸图像输入预设的预测模型中的线性分类器中进行计算，从而得到所述线性分类器输出的特征信息，所述特征信息至少包括预测的年龄段区间；其中所述预测模型由所述线性分类器与预设的非线性分类器顺序连接而成的步骤之前，包括：获取预先收集的训练数据和测试数据，所述训练数据和测试数据均包括面部图像和与面部图像对应的特征信息；采用随机梯度下降法，利用所述训练数据训练预设的初始线性分类器，从而得到中间线性分类器；利用所述测试数据验证所述中间线性分类器，并判断所述中间线性分类器是否验证通过；若所述中间线性分类器验证通过，则将所述中间线性分类器作为最终的线性分类器。进一步地，所述网页渲染方法应用于渲染终端，所述渲染终端与所述多个服务器通过网关实现通信连接，所述将所述多个子信息对应发送给多个服务器的步骤，包括：采用与多个服务器分别预先约定的第一加密方法，对所述多个子信息进行分别加密，从而得到多个第一子密文；将所述多个第一子密文组合为中间密文；采用与网关预先约定的第二加密方法，对所述中间密文进行加密处理，从而得到最终密文；将所述最终密文发送给网关，并要求所述网关对所述最终密文进行解密并拆分处理以得到多个第一子密文，并将所述多个第一子密文对应发送给多个服务器。本本文档来自技高网...

【技术保护点】
1.一种基于机器学习的网页渲染方法，其特征在于，包括：/n利用预设的摄像头采集用户的第一人脸图像；/n根据预设的图像相似度计算方法，计算所述第一人脸图像与预存的一幅指定人脸图像的图像相似度值，并判断所述相似度值是否大于预设的图像相似度阈值；/n若所述相似度值不大于预设的图像相似度阈值，则将所述第一人脸图像输入预设的预测模型中的线性分类器中进行计算，从而得到所述线性分类器输出的特征信息，所述特征信息至少包括预测的年龄段区间；其中所述预测模型由所述线性分类器与预设的非线性分类器顺序连接而成；所述线性分类器是预先通过包括面部图像和与面部图像对应的特征信息的样本数据训练而成的；/n将所述特征信息输入所述非线性分类器中进行计算，从而得到所述非线性分类器输出的由多个子信息构成的网页渲染信息，其中所述多个子信息至少包括网页的颜色子信息、图标风格子信息和布局风格子信息；所述非线性分类器是预先通过包括特征信息和特征信息对应的多个子信息的样本数据训练而成的；/n发送所述多个子信息及返回用于网页渲染的子数据包的请求信息给对应的多个服务器；/n接收所述多个服务器对应返回的所述多个子数据包，并将所述多个子数据包组合为渲染数据包，利用所述渲染数据包渲染所述网页。/n...

【技术特征摘要】
1.一种基于机器学习的网页渲染方法，其特征在于，包括：
利用预设的摄像头采集用户的第一人脸图像；
根据预设的图像相似度计算方法，计算所述第一人脸图像与预存的一幅指定人脸图像的图像相似度值，并判断所述相似度值是否大于预设的图像相似度阈值；
若所述相似度值不大于预设的图像相似度阈值，则将所述第一人脸图像输入预设的预测模型中的线性分类器中进行计算，从而得到所述线性分类器输出的特征信息，所述特征信息至少包括预测的年龄段区间；其中所述预测模型由所述线性分类器与预设的非线性分类器顺序连接而成；所述线性分类器是预先通过包括面部图像和与面部图像对应的特征信息的样本数据训练而成的；
将所述特征信息输入所述非线性分类器中进行计算，从而得到所述非线性分类器输出的由多个子信息构成的网页渲染信息，其中所述多个子信息至少包括网页的颜色子信息、图标风格子信息和布局风格子信息；所述非线性分类器是预先通过包括特征信息和特征信息对应的多个子信息的样本数据训练而成的；
发送所述多个子信息及返回用于网页渲染的子数据包的请求信息给对应的多个服务器；
接收所述多个服务器对应返回的所述多个子数据包，并将所述多个子数据包组合为渲染数据包，利用所述渲染数据包渲染所述网页。


2.根据权利要求1所述的基于机器学习的网页渲染方法，其特征在于，所述根据预设的图像相似度计算方法，计算所述第一人脸图像与预存的一幅指定人脸图像的图像相似度值的步骤,包括：
根据预设的缩放方法，对所述第一人脸图像进行缩放处理，从而得到缩放图片，其中所述缩放图片的眉眼间距与所述指定人脸图像的眉眼间距相等；
获取所述缩放图片中的多个第一特征长度，以及获取所述指定人脸图像中的多个第二特征长度，其中所述多个第一特征长度和所述多个第二特征长度均至少包括脸长和脸宽，所述多个第一特征长度与所述多个第二特征长度一一对应；
生成第一矩阵[U1,U2,...,Un]和第二矩阵[P1,P2,...,Pn]，其中U1,U2,...,Un为所述多个第一特征长度，P1,P2,...,Pn为所述多个第二特征长度，共有n个第一特征长度和n个第二特征长度；
根据公式：M＝1/|||[U1,U2,...,Un][P1,P2,...,Pn]T||-n|，计算出所述第一人脸图像与指定人脸图像的图像相似度值M。


3.根据权利要求2所述的基于机器学习的网页渲染方法，其特征在于，所述根据预设的缩放方法，对所述第一人脸图像进行缩放处理，从而得到缩放图片的步骤，包括：
利用预设的面部特征点检测模型对所述第一人脸图像进行检测，从而得到多个第一面部特征点；以及，利用所述面部特征点检测模型对所述指定人脸图像进行检测，从而得到多个第二面部特征点；
生成所述多个第一面部特征点的第一最小外接矩形，以及生成所述多个第二面部特征点的第二最小外接矩形；
采用等比例缩放的方法对所述第一人脸图像进行缩放处理，以使所述第一最小外接矩形的面积等于所述第二最小外接矩形的面积，从而得到缩放图片。


4.根据权利要求3所述的基于机器学习的网页渲染方法，其特征在于，所述面部特征点检测模型仅由以预设的标准姿态放置的人脸图像训练而成，所述指定人脸图像以标准姿态放置，所述利用预设的面部特征点检测模型对所述第一人脸图像进行检测，从而得到多个第一面部特征点；以及，利用所述面部特征点检测模型对所述指定人脸图像进行检测，从而得到多个第二面部特征点的步骤，包括：
利用预设的面部特征点检测模型对所述第一人脸图像进行检测，从而得到第一数量，以及利用所述面部特征点检测模型对所述第二人脸图像进行检测，从而得到第二数量，其中所述第一数量指第一人脸图像中的面部特征点数量，所述第二数量指所述指定人脸图像中的面部特征点数量；
判断所述第一数量减去所述第二数量的差值绝对值是否小于预设的差值阈值；
若所述第一数量减去所述第二数量的差值绝对值不小于预设的差值阈值，则对所述第一人脸图像进行一次或多次旋转处理，从而得到一张或多张旋转图像；
依次利用所述面部特征点检测模型对所述旋转图像进行检测，直到检测到的面部特征点数量减去所述第二数量的差...

【专利技术属性】
技术研发人员：温桂龙，
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