[发明专利]行为数据推送方法、装置、计算机设备和存储介质

说明书

本申请涉及基于生物识别的一种行为数据推送方法、装置、计算机设备和存储介质。该方法包括：获取用户终端上传的多帧人脸图片，多帧人脸图片携带了用户标识；根据多帧人脸图片识别人脸图像，并提取人脸图像对应的人脸特征；获取预设的表情分类器，通过表情分类器对人脸特征进行分类，得到对应的表情类别；根据用户标识获取对应的历史行为数据；获取预设的分析模型，通过分析模型对表情类别和历史行为数据进行分析，得到分析结果，分析结果包括与用户当前的表情和用户历史行为习惯相匹配的行为标签；根据行为标签获取对应的行为数据；将行为数据推送至用户终端。采用本方法能够根据用户表情和喜好进行推送，有效提高了行为数据的推送准确率。

技术领域

本申请涉及计算机技术领域，特别是涉及基于生物识别的一种行为数据推送方法、装置、计算机设备和存储介质。

背景技术

随着人工智能技术的迅速发展，人机交互技术逐渐成熟并且被应用于各个领域。人的脸部可以传达信息，通过人脸的面部表情，可以获取到用户的一些情绪信息。人脸图像的表情识别在现实生活中有广泛的应用，包括情感机器人、智能监控、心理学研究辅助治疗等方面。

目前出现了一些通过识别用户的面部表情推送相关的音乐等数据的方式，由于微表情具有动作强度低、动作行为快的特殊性，对人脸的表情进行识别存在一定难度。传统的通过单一的表情识别进行数据推送的方式，推送的数据可能与用户的喜好并不相符，导致数据推送的准确率较低。因此，如何有效提高数据推送的准确率成为目前需要解决的技术问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够有效提高行为数据的推送准确率的行为数据推送方法、装置、计算机设备和存储介质。

一种行为数据推送方法，所述方法包括：

获取用户终端上传的多帧人脸图片，所述多帧人脸图片携带了用户标识；

根据所述多帧人脸图片识别人脸图像，并提取所述人脸图像对应的人脸特征；

获取预设的表情分类器，通过所述表情分类器对所述人脸特征进行分类，得到所述用户标识对应的表情类别；

根据所述用户标识获取对应的历史行为数据；

获取预设的分析模型，通过所述分析模型对所述表情类别和所述历史行为数据进行分析，得到分析结果，所述分析结果包括与所述用户当前的表情类别和用户历史行为习惯相匹配的行为标签；

根据所述行为标签获取对应的行为数据；

将所述行为数据推送至所述用户终端。

在其中一个实施例中，所述根据所述多帧人脸图片识别人脸图像，并提取所述人脸图像对应的人脸特征，包括：对所述多帧人脸图片进行关键点定位；根据预设的人脸识别算法识别定位后的多帧人脸图片中的多帧人脸图像；对所述多帧人脸图像进行特征提取，得到多帧人脸图像对应的人脸特征。

在其中一个实施例中，所述获取预设的表情分类器之前，所述方法还包括：从预设数据库中获取多个表情数据；利用获取的多个表情数据生成训练集和验证集；利用所述训练集中的数据用过预设算法进行训练得到初步的表情分类器；将所述验证集中是数据输入至初步的表情分类器中进行验证训练；当达到预设概率值的验证集数据的数量达到预设比值时，则停止训练，得到训练完成的表情分类器。

在其中一个实施例中，所述多帧人脸图片包括对应的图像序列，所述通过所述表情分类器对所述人脸特征进行分类，得到所述用户标识对应的表情类别，包括：将多帧人脸图片对应的多帧人脸特征输入至所述表情分类器，通过所述表情分类器中的卷积神经网络识别每帧人脸特征向量；根据所述图像序列和多帧人脸特征向量计算对应的动态表情特征；计算所述动态表情特征属于每个表情类别的概率值；获取所述概率值最高的表情类别，得到所述用户标识对应的表情类别。