[发明专利]人物头像元素及区域数字化存储和相似度分析方法和系统

说明书

本发明涉及一种人物头像元素及区域数字化存储和相似度分析方法和系统，包括以下步骤：获取步骤：接收用户在客户端上传或创建的模拟人物头像；识别步骤：对上传或创建的模拟人物头像进行识别，以及将人物头像拆分为五官区块和除五官之外的人脸区域(次区域)区块并储存至信息数据库；对比步骤：在信息数据库中对比已拆分的五官区块和次区域区块，得出最佳相似五官区块以及次区域区块的目标用户头像推荐展示。

技术领域

本发明涉及一种人物头像的存储和相似度分析，具体为一种人物头像元素及区域数字化存储和相似度分析方法和系统，属于网络社交通信技术领域。

背景技术

随着互联网技术的提升和现代科技的发展，计算机以及移动端的网络社交通讯类应用已经下沉至大部分人的生活当中。在娱乐休闲以及网络社交中，找社交目标对象是最基础的功能应用，用户在娱乐类和社交类的应用中输入不同的兴趣标签或者基础资料来找寻目标对象，在深入一些就是可以与社交对象进行即时通讯了解对方，这种娱乐社交方式虽然比较实用，但是并不能让人们快速和准确的找到心中想要的目标对象。该发明解决了目标对象查找不精准，对想要的目标对象能够有更快速精准的找寻方法，大幅度提高了用户在社交过程中的效率，减少了不必要的查找时间。

现有的找寻目标对象的方式主要以人物兴趣属性为基础，无法精准的通过脸型五官头像等元素找到用户所需求的目标人物，且在现有的人脸识别技术当中，主要是通过人工智能搜索人脸主要区域并匹配搜索的技术，最典型的就是GAN(GenerativeAdversarialNetwork)，具体应用在图像处理和计算机视觉方面，生成模型GAN是机器学习领域里最为重要的发展方向之一,具体的特定应用实例，例如在医疗领域，缺少训练数据是应用深度学习的最大障碍。数据增强的传统做法是将原图像拉伸旋转剪切，但这毕竟还是原来的图像，通过使用GAN，能够生成更多类似的数据。而随着生成出的数据被加入训练集进行人工智能对抗训练，相同的模型在分类任务上的表现也有所提升，但这类算法需要消耗巨量算力，大多数研究者已经很难得出新成果。

发明内容

本发明的目的就在于为了解决上述问题而提供一种人物头像元素及区域数字化存储和相似度分析方法和系统，本发明将人物脸部五官以及除五官外的区域划分为若干个结构点，通过计算机的排列组合将这些结构点划分为若干个多边形次区域。将由结构点划分的若干个区域进行人工智能对抗训练，通过一种或多种不同的比对方法得出能够最佳体现相似度的次区域。该种方法是将物体确定不同的结构点并排列组合，划分为不同的区域(次区域)并转为数字化储存，再通过人工智能对抗训练，得出最佳的相似度对比方法。由计算机人工智能对抗训练得出的相似度对比区域不仅限于一种，计算机可以任意修改人物脸部五官以及除五官外的区域划分为若干个结构点，从而不断的由人工智能学习对抗产生新的最佳相似度区域对比，该种头像元素及区域数字化存储和相似度分析推荐方法大大降低了目前人脸识别技术当中所述的巨量算法。

本发明通过以下技术方案来实现上述目的：一种人物头像元素及区域数字化存储和相似度分析方法，该方法包括以下步骤：

获取步骤：当用户在客户端上传或创建模拟人物头像时，根据该用户上传或创建的图像进行获取；

识别步骤：对用户在客户端上传或创建的模拟人物头像进行识别，从而对该人物头像进行区域拆分并储存至信息数据库；

对比步骤：将拆分的人物头像区域在信息数据库中进行相似度对比，从而得出最佳相似的目标用户头像。

作为本发明再进一步的方案：所述获取步骤包括：

当接收到来自客户端的头像时，确认人物头像可以为用户上传的真实头像，以及用户创建的模拟人物头像；

若该人物头像为用户上传的真实头像，则对用户头像肖像画处理，从而获取该头像；

若该人物头像为用户创建的模拟头像，则直接获取该创建模拟头像。