专利汇可以提供一种基于人脸识别的警务信息推荐方法及系统专利检索,专利查询,专利分析的服务。并且一种基于 人脸识别 的警务信息推荐方法及系统,方法包括:建立警务用户的人脸照片底库以及警务信息标签库,采集各警务用户的行为数据,通过行为数据获取到各警务用户所关注的警务信息标签,得到各警务用户的兴趣标签集,在警务用户登陆系统时,通过人脸识别 算法 对抓拍的警务用户的人脸照片与人脸照片底库中所有警务用户的人脸照片进行比对分析,以确定当前警务用户的身份,获取与当前警务用户兴趣偏好最接近的N个警务用户,推算出当前警务用户的兴趣标签向量,计算当前警务用户的兴趣标签集与各种警务信息标签的相似度,并将计算得到的相似度大于预设 阈值 的警务信息标签以由高到低的顺序排序,作为当前警务用户的推荐警务信息进行展示。,下面是一种基于人脸识别的警务信息推荐方法及系统专利的具体信息内容。
1.一种基于人脸识别的警务信息推荐方法,其特征在于,所述方法包括:
步骤1,建立警务用户的人脸照片底库以及警务信息标签库,所述人脸照片底库包括各警务用户的人脸照片,所述警务信息标签库包括各种警务信息标签;
步骤2,对各警务用户的行为数据进行采集,通过所述行为数据获取到各警务用户所关注的警务信息标签,通过各警务用户所关注的警务信息标签,得到各警务用户的兴趣标签集;
步骤3,在警务用户登陆系统时,抓拍该警务用户的人脸照片,并通过人脸识别算法对抓拍的警务用户的人脸照片与人脸照片底库中所有警务用户的人脸照片进行比对分析,以确定当前警务用户的身份,并基于步骤2得到的各警务用户的兴趣标签集,确定当前警务用户的兴趣标签集;
步骤4,基于当前警务用户的兴趣标签集以及各警务用户的兴趣标签集获取与当前警务用户兴趣偏好最接近的N个警务用户;
步骤5,取得当前警务用户与其兴趣偏好最接近的N个警务用户的兴趣标签的交集,以推算出当前警务用户的兴趣标签向量;
步骤6,通过当前警务用户的兴趣标签向量,基于欧几里得公式计算当前警务用户的兴趣标签集与各种警务信息标签的相似度;
步骤7,将步骤6计算得到的相似度结果数值由大到小排序进行展示,并将步骤6计算得到的相似度大于预设阈值的警务信息标签以由高到低的顺序排序,作为当前警务用户的推荐警务信息进行展示。
2.一种基于人脸识别的警务信息推荐方法,其特征在于,步骤1中,所述警务信息标签库为根据日常警务类型进行分类并形成的标签集合A,A={警务信息标签1,警务信息标签
2,…,警务信息标签N}。
3.根据权利要求2所述的基于人脸识别的警务信息推荐方法,其特征在于,步骤2中,通过各警务用户所关注的警务信息标签,得到各警务用户的兴趣标签集具体为:
对A={警务信息标签1,警务信息标签2,…,警务信息标签N}中的各警务信息标签通过布尔类别数据赋值,将某个警务用户所关注的各警务信息标签赋值为1,其他警务信息标签赋值为0,从而得到该警务用户的兴趣标签集。
4.根据权利要求1所述的基于人脸识别的警务信息推荐方法,其特征在于,步骤4中,利用余弦相似度公式计算与当前警务用户兴趣偏好最接近的N个警务用户,其计算公式如下:
其中,G1表示当前警务用户的兴趣标签集,Gi表示第i个警务用户的兴趣标签集,cosθ表示当前警务用户与第i个警务用户的相似度,cosθ越大则表示当前警务用户与第i个警务用户相似度越高,通过设定阈值筛选进而得到与当前警务用户兴趣偏好最接近的N个警务用户。
5.根据权利要求4所述的基于人脸识别的警务信息推荐方法,其特征在于,步骤5中,通过如下公式推算出当前警务用户的兴趣标签向量:
其中,G1表示当前警务用户的兴趣标签集,G11至G1N分别表示与当前警务用户兴趣偏好最接近的N个警务用户的兴趣标签集,c与k为相似度权重系数,根据cosθ值的大小判定,k值与cosθ值呈正相关关系,且c+k=1。
6.根据权利要求1所述的基于人脸识别的警务信息推荐方法,其特征在于,步骤6中,基于欧几里得公式计算当前警务用户的兴趣标签集与各种警务信息标签的相似度具体为:
其中, 表示第i个警务信息标签对应的向量, 表示当前警务用户的兴趣标签向量。
7.一种基于人脸识别的警务信息推荐系统,其特征在于,包括警务信息标签库、人脸照片底库、行为数据采集模块、兴趣标签集生成模块、当前用户身份确定模块、兴趣偏好用户确定模块、兴趣标签向量计算模块、相似度计算模块以及警务信息推进模块;
所述人脸照片底库包括各警务用户的人脸照片,所述警务信息标签库包括各种警务信息标签;
所述行为数据采集模块用于对各警务用户的行为数据进行采集;
所述兴趣标签集生成模块用于通过所述行为数据获取到各警务用户所关注的警务信息标签,通过各警务用户所关注的警务信息标签,得到各警务用户的兴趣标签集;
所述当前用户身份确定模块用于在警务用户登陆系统时,抓拍该警务用户的人脸照片,并通过人脸识别算法对抓拍的警务用户的人脸照片与人脸照片底库中所有警务用户的人脸照片进行比对分析,以确定当前警务用户的身份,并基于得到的各警务用户的兴趣标签集,确定当前警务用户的兴趣标签集。
所述兴趣偏好用户确定模块用于基于当前警务用户的兴趣标签集以及各警务用户的兴趣标签集获取与当前警务用户兴趣偏好最接近的N个警务用户;
所述兴趣标签向量计算模块用于取得当前警务用户与其兴趣偏好最接近的N个警务用户的兴趣标签的交集,以推算出当前警务用户的兴趣标签向量;
所述相似度计算模块用于通过当前警务用户的兴趣标签向量,基于欧几里得公式计算当前警务用户的兴趣标签集与各种警务信息标签的相似度;
所述警务信息推进模块用于将相似度计算模块计算得到的相似度结果数值由大到小排序进行展示,并将该相似度大于预设阈值的警务信息标签以由高到低的顺序排序,作为当前警务用户的推荐警务信息进行展示。
8.根据权利要求7所述的基于人脸识别的警务信息推荐系统,其特征在于,所述警务信息标签库为根据日常警务类型进行分类并形成的标签集合A,A={警务信息标签1,警务信息标签2,…,警务信息标签N};
所述兴趣标签集生成模块通过各警务用户所关注的警务信息标签,得到各警务用户的兴趣标签集
对A={警务信息标签1,警务信息标签2,…,警务信息标签N}中的各警务信息标签通过布尔类别数据赋值,将某个警务用户所关注的各警务信息标签赋值为1,其他警务信息标签赋值为0,从而得到该警务用户的兴趣标签集。
9.根据权利要求7所述的基于人脸识别的警务信息推荐系统,其特征在于,所述兴趣偏好用户确定模块利用余弦相似度公式计算与当前警务用户兴趣偏好最接近的N个警务用户,其计算公式如下:
其中,G1表示当前警务用户的兴趣标签集,Gi表示第i个警务用户的兴趣标签集,cosθ表示当前警务用户与第i个警务用户的相似度,cosθ越大则表示当前警务用户与第i个警务用户相似度越高,通过设定阈值筛选进而得到与当前警务用户兴趣偏好最接近的N个警务用户;
所述兴趣标签向量计算模块通过如下公式推算出当前警务用户的兴趣标签向量:
其中,G1表示当前警务用户的兴趣标签集,G11至G1N分别表示与当前警务用户兴趣偏好最接近的N个警务用户的兴趣标签集,c与k为相似度权重系数,根据cosθ值的大小判定,k值与cosθ值呈正相关关系,且c+k=1。
10.根据权利要求7所述的基于人脸识别的警务信息推荐系统,其特征在于,所述相似度计算模块基于欧几里得公式计算当前警务用户的兴趣标签集与各种警务信息标签的相似度具体为:
其中, 表示第i个警务信息标签对应的向量, 表示当前警务用户的兴趣标签向量。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种均衡长期能效和网络稳定性的C-RAN系统资源分配方法 | 2020-05-08 | 975 |
一种视频会议加密方法 | 2020-05-08 | 912 |
一种基于区块链和竞拍博弈的网络资源安全共享方法 | 2020-05-08 | 20 |
以时序和加密为基础的分布链式数据共享授权方法 | 2020-05-11 | 909 |
一种基于深度信念网络的免疫入侵检测方法 | 2020-05-08 | 804 |
一种基于hash的审批方法 | 2020-05-11 | 343 |
一种DoS攻击下的目标跟踪方法 | 2020-05-08 | 732 |
用于运输管理系统的异常监控报警系统及方法 | 2020-05-11 | 473 |
一种基于区块链的去中心化网络架构方法 | 2020-05-08 | 59 |
一种VNF实例化方法、装置、设备及存储介质 | 2020-05-11 | 461 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。