一种基于人脸识别的共享平台智能推荐方法、系统及可读存储介质技术方案

本发明专利技术涉及一种基于人脸识别的共享平台智能推荐方法、系统及可读存储介质，包括：通过面部检测截取人脸图像，对人脸图像进行预处理，并提取图像特征；将图像特征与标准图像进行匹配，得到相似度信息；判断所述相似度信息是否大于所述预设阈值，若大于，则图像匹配成功；通过大数据分析获取标准图像对应的喜好信息；通过喜好信息进行果汁配比智能推荐，生成推荐列表；将推荐列表按照预定方式进行屏显。将推荐列表按照预定方式进行屏显。将推荐列表按照预定方式进行屏显。

【技术实现步骤摘要】
一种基于人脸识别的共享平台智能推荐方法、系统及可读存储介质


[0001]本专利技术涉及一种基于人脸识别的共享平台智能推荐方法，尤其涉及一种基于人脸识别的共享平台智能推荐方法、系统及可读存储介质。

技术介绍

[0002]随着人工智能和计算机视觉等技术的飞速发展，让机器或计算设备拥有感知图像内容的能力日益成为当今热点。其中人脸图像因其丰富的信息和广阔的应用前景更是一个活跃的分支。人脸图像识别只要是指通过对人的面部图像、视频或图片和视频的集合进行分析，自动的推断其身份、表情以及年龄、性别等属性。人脸图片通常糅合了包括身份、表情、年龄、性别、光照、角度等各种信息，如何提取与识别任务相关的特征(例如身份信息对应人脸识别，表情信息对应表情识别)是当前基的主要研究方向。将人脸识别技术应用到共享果汁平台，当用户经过共享平台停留较长时间时，通过采集用户图像信息，进行智能识别，并通过大数据分析，获取用户喜好信息，并进行智能推荐果汁配比及种类列表，用户匹配度较高。
[0003]为了能够共享平台智能推荐系统实现精准的控制，需要开发一款与其相匹配的系统进行控制，该系统通过智能人脸识别，并通过大数据分析自动生成推荐列表，供用户选择，用户完成交易后，可将交易信息进行反向修正历史信息，使系统具有自主优化学习能力，但是在进行控制过程中，如何实现精准控制的同时，实现刀具磨损状态的监控都是亟不可待要解决的问题。

技术实现思路

[0004]本专利技术克服了现有技术的不足，提供一种基于人脸识别的共享平台智能推荐方法、系统及可读存储介质。
[0005]为达到上述目的，本专利技术采用的技术方案为：一种基于人脸识别的共享平台智能推荐方法，包括：
[0006]通过面部检测截取人脸图像，对图像进行数据压缩，降低向量维数，并提取图像特征；
[0007]将图像特征与标准图像特征进行比对，得到相似度信息；
[0008]判断所述相似度信息是否大于所述预设阈值，
[0009]若大于，则图像匹配成功；
[0010]通过大数据分析获取该标准图像对应的喜好信息；
[0011]通过喜好信息进行果汁配比智能推荐，生成推荐列表；
[0012]将推荐列表按照预定方式进行屏显。
[0013]优选的，对图像进行数据压缩，降低向量维数；具体包括
[0014]将原始图像经二维小波变换后，转换成小波域上的小波系数，
[0015]提取低频子带包含的图像信息，作为人脸图像特征数据；
[0016]把低频子带内的小波系数进行加权计算，并对小波系数进行量化编码，
[0017]将小波系数与预定阈值进行比较，若大于，则保留当前小波系数，
[0018]若小于，则舍弃当前小波系数，进行数据压缩。
[0019]优选的，将图像特征与标准图像特征进行比对前还包括通过数据库进行检索标准图像，具体为，
[0020]提取数据库中存储的所有人脸图像，
[0021]将人脸图像进行均值聚类，分为训练集与样本集；
[0022]选取聚类块数k，从训练集中选取k个向量作为聚类中心，
[0023]将样本集中的每一个样本向量进行欧式距离计算，得到结果数据；
[0024]判断结果数据是否大于预设阈值；
[0025]若大于，则舍弃该样本向量对应的人脸图像；
[0026]若小于，则将该样本向量对应的人脸图像作为标准图像。
[0027]优选的，获取人脸图像，建立坐标系；
[0028]提取人脸图像特征，通过投影法计算人脸特征坐标点；
[0029]判断坐标点数据与预设数据进行比较，得到偏差率；
[0030]判断所述偏差率是否大于预设阈值，
[0031]若大于，则对人脸特征进行数据补偿。
[0032]优选的，所述用户喜好信息包括果汁温度、果汁粘稠度、果汁甜度、果汁辅料种类、果汁辅料比例中的一种或多种。
[0033]优选的，通过喜好信息进行果汁配比智能推荐，生成推荐列表，具体包括：
[0034]推荐列表与用户选择匹配并形成交易信息；
[0035]交易信息传输至数据库，数据库每增加N条交易信息时，得到修正信息；
[0036]根据修正信息反向修正购买次数排序前N位对应的果蔬类形成一个新的果蔬组合的推荐屏显类；
[0037]根据推荐屏显类反向修正推荐列表。
[0038]本专利技术第二方面还提供了一种基于人脸识别的共享平台智能推荐系统，该系统包括：存储器、处理器，所述存储器中包括基于人脸识别的共享平台智能推荐方法程序，所述基于人脸识别的共享平台智能推荐方法程序被所述处理器执行时实现如下步骤：
[0039]通过面部检测截取人脸图像，对图像进行数据压缩，降低向量维数，并提取图像特征；
[0040]将图像特征与标准图像特征进行比对，得到相似度信息；
[0041]判断所述相似度信息是否大于所述预设阈值，
[0042]若大于，则图像匹配成功；
[0043]通过大数据分析获取该标准图像对应的喜好信息；
[0044]通过喜好信息进行果汁配比智能推荐，生成推荐列表；
[0045]将推荐列表按照预定方式进行屏显。
[0046]优选的，对图像进行数据压缩，降低向量维数；具体包括
[0047]将原始图像经二维小波变换后，转换成小波域上的小波系数，
[0048]提取低频子带包含的图像信息，作为人脸图像特征数据；
[0049]把低频子带内的小波系数进行加权计算，并对小波系数进行量化编码，
[0050]将小波系数与预定阈值进行比较，若大于，则保留当前小波系数，
[0051]若小于，则舍弃当前小波系数，进行数据压缩。
[0052]优选的，将图像特征与标准图像特征进行比对前还包括通过数据库进行检索标准图像，具体为，
[0053]提取数据库中存储的所有人脸图像，
[0054]将人脸图像进行均值聚类，分为训练集与样本集；
[0055]选取聚类块数k，从训练集中选取k个向量作为聚类中心，
[0056]将样本集中的每一个样本向量进行欧式距离计算，得到结果数据；
[0057]判断结果数据是否大于预设阈值；
[0058]若大于，则舍弃该样本向量对应的人脸图像；
[0059]若小于，则将该样本向量对应的人脸图像作为标准图像。
[0060]本专利技术第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质中包括基于人脸识别的共享平台智能推荐方法程序，所述基于人脸识别的共享平台智能推荐方法程序被处理器执行时，实现上述任一项所述的基于人脸识别的共享平台智能推荐方法的步骤。
[0061]本专利技术解决了
技术介绍
中存在的缺陷，本专利技术具备以下有益效果：
[0062](1)将人脸识别技术应用到共享果汁平台，当用户经过共享平台停留较长时间时，通过采集用户图像信息，进行智能识别，并通过大数据分析，获取用户本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人脸识别的共享平台智能推荐方法，其特征在于，包括：通过面部检测截取人脸图像，对图像进行数据压缩，降低向量维数，并提取图像特征；将图像特征与标准图像特征进行比对，得到相似度信息；判断所述相似度信息是否大于所述预设阈值，若大于，则图像匹配成功；通过大数据分析获取该标准图像对应的喜好信息；通过喜好信息进行果汁配比智能推荐，生成推荐列表；将推荐列表按照预定方式进行屏显。2.根据权利要求1所述的一种基于人脸识别的共享平台智能推荐方法，其特征在于，对图像进行数据压缩，降低向量维数；具体包括将原始图像经二维小波变换后，转换成小波域上的小波系数，提取低频子带包含的图像信息，作为人脸图像特征数据；把低频子带内的小波系数进行加权计算，并对小波系数进行量化编码，将小波系数与预定阈值进行比较，若大于，则保留当前小波系数，若小于，则舍弃当前小波系数，进行数据压缩。3.根据权利要求1所述的一种基于人脸识别的共享平台智能推荐方法，其特征在于，将图像特征与标准图像特征进行比对前还包括通过数据库进行检索标准图像，具体为，提取数据库中存储的所有人脸图像，将人脸图像进行均值聚类，分为训练集与样本集；选取聚类块数k，从训练集中选取k个向量作为聚类中心，将样本集中的每一个样本向量进行欧式距离计算，得到结果数据；判断结果数据是否大于预设阈值；若大于，则舍弃该样本向量对应的人脸图像；若小于，则将该样本向量对应的人脸图像作为标准图像。4.根据权利要求1所述的一种基于人脸识别的共享平台智能推荐方法，其特征在于，获取人脸图像，建立坐标系；提取人脸图像特征，通过投影法计算人脸特征坐标点；判断坐标点数据与预设数据进行比较，得到偏差率；判断所述偏差率是否大于预设阈值，若大于，则对人脸特征进行数据补偿。5.根据权利要求1所述的一种基于人脸识别的共享平台智能推荐方法，其特征在于，所述用户喜好信息包括果汁温度、果汁粘稠度、果汁甜度、果汁辅料种类、果汁辅料比例中的一种或多种。6.根据权利要求1所述的一种基于人脸识别的共享平台智能推荐方法，其特征在于，通过喜好信息进行果汁配比智能推荐，生成推荐列表，具体包括：推荐列表与用户选择匹配并形成交易信息；...

【专利技术属性】
技术研发人员：李衍太，张文平，
申请(专利权)人：苏州众智诺成信息科技有限公司，
类型：发明
国别省市：