识别方法及装置、设备、存储介质

技术领域

本申请涉及信息技术，涉及但不限于一种识别方法及装置、设备、存储介质。

背景技术

对于大部分商家门店而言，在用户进入商家门店后，服务人员并不能够准确确定出用户的身份信息(如用户为会员用户还是非会员用户)，因此也不能够基于用户的身份信息，对用户做出针对性服务。

发明内容

有鉴于此，本申请提供的识别方法及装置、设备、存储介质，在识别待识别对象是否属于第一服务类型时，识别能力更强，准确度更高。

根据本申请实施例的一个方面，提供一种识别方法，包括：对采集的第一图像中的待识别对象进行特征提取，得到第一关键特征点的特征向量；比较任一所述第一关键特征点与至少一个其他所述第一关键特征点的特征向量之间的差异，得到所述任一所述第一关键特征点对应的第一比较结果；将各个所述第一关键特征点对应的第一比较结果作为所述待识别对象的特征，至少基于各个所述第一关键特征点的特征向量和对应的第一比较结果，识别所述待识别对象是否属于第一服务类型。

根据本申请实施例的一个方面，提供一种识别装置，包括：提取模块，用于对采集的第一图像中的待识别对象进行特征提取，得到第一关键特征点的特征向量；比较模块，用于比较任一所述第一关键特征点与至少一个其他所述第一关键特征点的特征向量之间的差异，得到所述任一所述第一关键特征点对应的第一比较结果；识别模块，用于将各个所述第一关键特征点对应的第一比较结果作为所述待识别对象的特征，至少基于各个所述第一关键特征点的特征向量和对应的第一比较结果，识别所述待识别对象是否属于第一服务类型。

根据本申请实施例的一个方面，提供一种电子设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，所述处理器执行所述程序时实现本申请实施例所述的方法。

根据本申请实施例的一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本申请实施例提供的所述的方法。

在本申请实施例中，通过对第一图像中的待识别对象进行特征提取，得到第一关键特征点的特征向量；比较任一第一关键特征点与至少一个其他第一关键特征点的特征向量之间的差异，得到所述任一第一关键特征点对应的第一比较结果；至少基于各个第一关键特征点的特征向量和对应的第一比较结果，识别待识别对象是否属于第一服务类型。这样，在识别待识别对象是否属于第一服务类型时，识别能力更强，准确度更高。这是因为：在本申请实施例中，不仅比较了待识别对象的第一关键特征点与其他属于第一服务类型的对象的第二关键特征点的特征向量之间的差异，还横向考虑了待识别对象的第一关键特征点的特征向量之间的差异，从而在至少基于各个第一关键特征点的特征向量和对应的第一比较结果，识别待识别对象是否属于第一服务类型时，增加了一种考虑因素，从而使得识别能力更强，准确度更高。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本申请的实施例，并与说明书一起用于说明本申请的技术方案。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。

图1为本申请实施例提供的一种识别方法的实现流程示意图；

图2为本申请实施例提供的对待识别对象进行特征提取处理的示意图；

图3为本申请实施例提供的一种识别方法的实现流程示意图；

图4为本申请实施例提供的一种数据库的构建过程的实现流程示意图；

图5为本申请实施例提供的基于微基站的会员服务的方法流程示意图；

图6为本申请实施例提供的会员管理平台的示意图；

图7为本申请实施例识别装置的结构示意图；

图8为本申请实施例提供的电子设备的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请的具体技术方案做进一步详细描述。以下实施例用于说明本申请，但不用来限制本申请的范围。

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。

在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。

需要指出，本申请实施例所涉及的术语“第一第二第三”不代表针对对象的特定排序，可以理解地，“第一第二第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。

本申请实施例提供一种识别方法，该方法应用于电子设备，该电子设备在实施的过程中可以为各种类型的具有信息处理能力的设备，例如所述电子设备可以包括收银机、台式机、笔记本电脑、小型笔记本电脑、平板电脑、手机、个人数字助理(Personal DigitalAssistant，PDA)等。该方法所实现的功能可以通过电子设备中的处理器调用程序代码来实现，当然程序代码可以保存在计算机存储介质中，可见，该电子设备至少包括处理器和存储介质。

图1为本申请实施例提供的识别方法的实现流程示意图，如图1所示，该方法可以包括以下步骤101至步骤103：

步骤101，对采集的第一图像中的待识别对象进行特征提取，得到第一关键特征点的特征向量。

在本申请实施例中，第一图像中的待识别对象可能有一个，也可能有多个，对待识别对象的数量不做限定。

这里，可以通过在店家门口安置摄像机，利用摄像机拍摄进入店家的待识别对象，得到第一图像。在一些实施例中，在得到第一图像后，还可以对第一图像的质量进行检测，对质量符合要求的第一图像进行特征提取。

在一些实施例中，对第一图像中的待识别对象进行特征提取的处理过程可以为：通过面部定位处理、面部配准处理和面部特征提取处理，得到第一关键特征点的特征向量。如图2所示，其中，通过面部定位处理，将输入的第一图像中的待识别对象的面部用面部框201表示；通过面部配准处理，将待识别对象的面部坐标框转化为面部关键特征点202，当然，对关键特征点的数量并不做限定，可根据实际情况自由设定；通过面部特征提取处理，将面部关键特征点202转化为一串固定长度的数值的特征向量203，得到第一关键特征点的特征向量集合V

步骤102，比较任一第一关键特征点与至少一个其他第一关键特征点的特征向量之间的差异，得到所述任一第一关键特征点对应的第一比较结果。

需要说明的是，这里，比较任一第一关键特征点与至少一个其他第一关键特征点的特征向量之间的差异，需要对集合V

在本申请实施例中，对其他第一关键特征点的数量不做限定，可以为比较任一第一关键特征点P

当然，对比较任一第一关键特征点与至少一个其他第一关键特征点的特征向量之间的差异的顺序也不做限定，当比较任一第一关键特征点P

在本申请实施例中，对第一比较结果的表征方式不做限定，第一比较结果可以为关键特征点之间的差值向量，也可以为差值的加和、方差等。

步骤103，将各个第一关键特征点对应的第一比较结果作为待识别对象的特征，至少基于各个第一关键特征点的特征向量和对应的第一比较结果，识别待识别对象是否属于第一服务类型。

在一些实施例中，第一服务类型为会员服务类型，识别待识别对象是否属于第一服务类型，即为识别待识别对象是否为会员。

在本申请实施例中，在识别待识别对象是否属于第一服务类型时，不仅比较了待识别对象的第一关键特征点与其他属于第一服务类型的对象的第二关键特征点的特征向量之间的差异，还横向考虑了待识别对象的第一关键特征点的特征向量之间的差异，从而在至少基于各个第一关键特征点的特征向量和对应的第一比较结果，识别待识别对象是否属于第一服务类型时，识别能力更强，准确度更高。

图3为本申请实施例提供的识别方法的实现流程示意图，如图3所示，该方法可以包括以下步骤301至步骤307：

步骤301，对第一图像中的待识别对象进行特征提取，得到第一关键特征点的特征向量；

步骤302，比较任一第一关键特征点与至少一个其他第一关键特征点的特征向量之间的差异，得到所述任一第一关键特征点对应的第一比较结果；

步骤303，获取数据库中的属于第一服务类型的第一对象的第二关键特征点对应的第二比较结果。

其中，第二比较结果是通过比较第一对象的任一第二关键特征点与所述第一对象的至少一个其他第二关键特征点的特征向量之间的差异得到的。

在本申请实施例中，数据库中属于第一服务类型的第一对象的数量可以是一个，也可以是多个。在一些实施例中，第一对象的第二关键特征点的确定方法可以通过执行以下实施例中的步骤403至步骤404来实现，从而得到数据库中每一第一对象的集合Sv＝{V

步骤304，比较待识别对象的任一第一关键特征点与对应的第一对象的第二关键特征点的特征向量之间的差异，得到任一所述第一关键特征点对应的第三比较结果。

这里，待识别对象的第一关键特征点的集合，可以按照一定顺序来确定。例如，如果第一关键特征点集合V

因此，比较待识别对象的任一第一关键特征点与对应的第一对象的第二关键特征点的特征向量之间的差异，即为比较第一关键特征点P

相应地，在步骤302中通过比较集合V

步骤305，将各个第二关键特征点对应的第二比较结果作为第一对象的特征，基于各个第一比较结果、各个第二比较结果和各个第三比较结果，确定待识别对象与第一对象的匹配度。

在本申请实施例中，不仅纵向考虑了待识别对象的第一关键特征点与对应的第一对象的第二关键特征点的特征向量之间的差异，还横向考虑了待识别对象的第一关键特征点的特征向量之间的差异和第一对象的第二关键特征点的特征向量之间的差异，这种基于多种因素确定待识别对象与第一对象的匹配度的方式，能够使得匹配准确度更高。

在本申请实施例中，对确定待识别对象与第一对象的匹配度的方式不做限定，如可以为计算待识别对象与第一对象的差异性，用差异性表征待识别对象与第一对象的匹配度；也可以为计算待识别对象与第一对象的相似度，用相似度表征待识别对象与第一对象的匹配度。

在一些实施例中，可以通过执行如下步骤3051至步骤3053实现步骤305：

步骤3051，基于各个第一比较结果和各个第二比较结果，确定待识别对象与第一对象之间的第一差异度。

在一些实施例中，可以通过公式1来确定待识别对象与第一对象之间的第一差异度G

步骤3052，基于各个第三比较结果，确定待识别对象与第一对象之间的第二差异度。

在一些实施例中，可以通过公式2来确定待识别对象与第一对象之间的第二差异度D

步骤3053，基于第一差异度和第二差异度，确定待识别对象与第一对象之间的匹配度。

在一些实施例中，在得到第一差异度G

步骤306，获取下一第一对象的第二关键特征点对应的第二比较结果，从而确定待识别对象与下一第一对象的匹配度。

在确定出待识别对象与数据库中的一个第一对象的匹配度之后，还需要继续重复执行步骤303至步骤305，以确定待识别对象与数据库中下一个第一对象的匹配度，直至得到待识别对象与数据库中每一个第一对象的匹配度为止。

步骤307，根据每一匹配度，确定待识别对象是否属于第一服务类型。

在一些实施例中，可以通过执行如下步骤3071至步骤3074实现步骤307：

步骤3071，从得到的所有匹配度中，确定出表征待识别对象与第一对象的相似度最大的目标匹配度。

在一些实施例中，还可以为从得到的所有匹配度中，确定出表征待识别对象与第一对象的差异性最小的目标匹配度。

步骤3072，确定目标匹配度是否满足特定条件；如果目标匹配度满足特定条件，执行步骤3073；否则，执行步骤3074。

这里，确定目标匹配度是否满足特定条件，可以为确定目标匹配度是否满足预设阈值。当然，预设阈值可以根据实际情况自由设定。

当目标匹配度为相似度最大时，可以通过判断目标匹配度是否小于预设阈值，来确定待识别对象是否属于第一服务类型。例如，设置预设阈值为95％，如果相似度最大的目标匹配度为96％，其大于95％，说明第一对象中存在与待识别对象的特征非常相近的对象，可以确定待识别对象属于第一服务类型；如果相似度最大的目标匹配度为50％，其显然小于95％，尽管该第一对象与待识别对象的相似度是所有第一对象中最大的，但其实际上仍旧与待识别对象的特征不相近，可以确定待识别对象不属于第一服务类型。

当目标匹配度为差异性最小时，可以通过判断目标匹配度是否大于预设阈值，来确定待识别对象是否属于第一服务类型。例如，设置预设阈值为5％，如果差异性最小的目标匹配度为4％，其小于5％，说明第一对象中存在与待识别对象的特征非常相近的对象，可以确定待识别对象属于第一服务类型；如果差异性最小的目标匹配度为30％，其显然大于5％，尽管该第一对象与待识别对象的差异性是所有第一对象中最小的，但其实际上仍旧与待识别对象的特征不相近，可以确定待识别对象不属于第一服务类型。

步骤3073，确定待识别对象属于第一服务类型。

在一些实施例中，在确定出待识别对象属于第一服务类型时，输出第一提示消息；其中，第一提示消息用于指示为待识别对象提供第一服务。

这里，对输出第一提示消息的方式不做限定。比如，在电子设备的显示界面上显示第一提示消息；又如，通过语音提醒的方式输出第一提示消息。

步骤3074，确定待识别对象属于第二服务类型。

在一些实施例中，在确定出待识别对象属于第二服务类型时，输出第二提示消息；其中，第二提示消息用于指示为待识别对象提供第二服务，第一服务类型和第二服务类型不同，第二服务和第一服务不同。

在一些实施例中，第一服务类型为会员服务类型，第二服务类型可以为非会员服务类型，也可以为非会员和除第一服务类型中的会员以外的其他会员的服务类型。例如，当第一服务类型为会员服务类型(包括普通会员、高级会员、优质会员等)时，第二服务类型为非会员服务类型；当第一服务类型为普通会员服务类型时，第二服务类型可以为非会员服务类型和高级会员、优质会员等会员服务类型。

在一些实施例中，如图4所示，数据库的构建过程包括如下步骤401至步骤405：

步骤401，检测特定物理区域内的第二对象的身份标识和移动方向。

在一些实施例中，特定物理区域为微基站的覆盖区域，通过微基站能够检测到其覆盖区域内的第二对象的身份标识和移动方向。其中，第二对象包括会员对象和非会员对象。

这里，对身份标识的类型不做限定。例如，身份标识为第二对象使用的电话号码；又如，身份标识为第二对象使用的个人识别(Personal Identification Number，Pin)码；再如，身份标识为第二对象的身份证号码。

在一些实施例中，可以通过第二对象的时序位置信息，确定第二对象的移动方向。如，确定服务提供点的位置为p

步骤402，根据第二对象的身份标识和移动方向，从第二对象中挑选出第一对象。

在一些实施例中，通过执行如下步骤4021至步骤4022实现步骤402：

步骤4021，根据第二对象的身份标识，从第二对象中挑选出属于第一服务类型的目标对象。

这里，根据检测到的第二对象的身份标识，与服务提供点的系统中预存的第一服务类型的对象的身份标识进行比对，即能够从第二对象中挑选出属于第一服务类型的目标对象。

在一些实施例中，当挑选出目标对象后，服务提供点的系统可以获取营销信息，并将营销信息发送给目标对象。其中，营销信息可以相同也可以不同，当营销信息不同时，可以为通过目标对象的历史消费记录等信息，确定出目标对象的喜好，从而对目标对象进行有针对性的营销，发送不同的营销信息；且给特定物理区域内的目标对象发送营销信息，能够避免目标对象并未在服务提供点附近，也即目标对象并未有被服务需求时，却被营销信息频繁打扰。

步骤4022，根据目标对象的移动方向，确定目标对象是否在逐步靠近服务提供点；如果是，将目标对象作为第一对象。

这里，在确定出目标对象逐步靠近服务提供点时，才将目标对象作为第一对象。这样，当通过第一对象的相关信息构建数据库时，不是基于特定物理区域内的所有属于第一服务类型的目标对象来构建的，而是从目标对象中再挑选出靠近服务提供点的对象来构建数据库，从而使得数据库中包含的第一对象既能够覆盖第一图像中的待识别对象，又减少了数据库中需要与待识别对象进行对比的第一对象的数量，进而能够加快对待识别对象的识别速度，且能够提高识别准确度。

步骤403，对第一对象进行特征提取，得到第二关键特征点的特征向量。

这里，对第一对象进行特征提取的方式与步骤101中对待识别对象进行特征提取的方式相同，在此不再赘述。

步骤404，比较第一对象的任一第二关键特征点与所述第一对象的至少一个其他第二关键特征点的特征向量之间的差异，得到所述任一第二关键特征点对应的第二比较结果。

这里，比较第一对象的任一第二关键特征点与至少一个其他第二关键特征点的特征向量之间的差异的方式，与步骤102中比较任一第一关键特征点与至少一个其他第一关键特征点的特征向量之间的差异的方式相同，在此不再赘述。

步骤405，将第一对象的身份标识及所述第一对象的第二关键特征点的特征向量和第二关键特征点对应的第二比较结果作为一个特征组，基于每一第一对象的特征组，得到数据库。

需要说明的是，每一个第一对象的特征组中，存储的是第一对象的每一个第二关键特征点的特征向量和对应的第二比较结果。

在一些实施例中，还可以对数据库在预设周期内进行更新。对预设周期不做限定，可以为一小时、一天或者一周等。

第五代移动通信技术(5th Generation Mobile Communication Technology，5G)作为新一代通信技术，将为万物互联提供基础网络的主力支撑，使自动驾驶、智慧城市、智慧工业、实时虚拟现实(Virtual Reality，VR)/增强现实(Augmented Reality，AR)等场景应用得以实现。5G网络建设作为未来几年通信技术的主要发展方向，已经被世界主要国家上升到一定的战略高度，相关产业链的各大厂商和运营商都在紧锣密鼓地进行部署。5G网络部署受频谱资源影响，高频通信导致基站距离更近，密集市区利用路灯杆等建设5G微基站无疑将成为5G网络部署的选择之一。微基站是一种将常规基站微型化的基站形式，其在安装施工上显得更加的方便容易，将其应用于5G网络建设之中，能够极大地提升5G网络建设的效率，具有较强的实践应用价值。由于5G毫米波穿透力较差并且在空气中衰减很大的弱点，如果5G仍然采用以往在第三代移动通信技术(3rd-Generation，3G)、第四代移动通信技术(4th Generation Mobile Communication Technology，4G)时期使用的“宏基站”，就不能为稍远的用户提供足够的信号保障。为了应对这个困难，5G开始才用全新的基站——微基站。顾名思义，微基站是做的足够小的基站。

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。相关技术中的人脸识别技术主要是基于可见光图像的人脸识别，这也是人们熟悉的识别方式，已有30多年的研发历史。但这种方式有着难以克服的缺陷，尤其在环境光照发生变化时，识别效果会急剧下降，无法满足实际系统的需要。解决光照问题的方案有三维图像人脸识别，和热成像人脸识别。但这两种技术还远不成熟，识别效果不尽人意。迅速发展起来的一种解决方案是基于主动近红外图像的多光源人脸识别技术。它可以克服光线变化的影响，已经取得了卓越的识别性能，在精度、稳定性和速度方面的整体系统性能超过三维图像人脸识别。这项技术在近两三年发展迅速，使人脸识别技术逐渐走向实用化。人脸与人体的其它生物特征(指纹、虹膜等)一样与生俱来，它的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提，与其它类型的生物识别比较人脸识别具有如下特点：(1)非强制性：用户不需要专门配合人脸采集设备，几乎可以在无意识的状态下就可获取人脸图像，这样的取样方式没有“强制性”；(2)非接触性：用户不需要和设备直接接触就能获取人脸图像；并发性：在实际应用场景下可以进行多个人脸的分拣、判断及识别；(3)除此之外，还符合视觉特性：“以貌识人”的特性，以及操作简单、结果直观、隐蔽性好等特点。

就相关技术中的研究状况来说，自动人脸检测是围绕自动人脸图像分析的所有应用的基础，包括但不限于：人脸识别和验证，监控场合的人脸跟踪，面部表情分析，面部属性识别(性别/年龄识别，颜值评估)，面部光照调整和变形，面部形状重建，图像视频检索，数字相册的组织和演示。人脸检测是所有现代基于视觉的人与电脑，和人与机器人，交互系统的初始步骤。主流商业数码相机都内嵌人脸检测，辅助自动对焦。很多社交网络用人脸检测机制实现图像和/或人物标记。从问题的领域来看，人脸检测属于目标检测领域，目标检测通常有两大类：(1)通用目标检测：检测图像中多个类别的目标，比如某些场景中使用的各种通用目标检测方法。其中，通用目标检测的核心是n(目标)+1(背景)＝n+1分类问题。这类检测通常模型比较大，速度较慢，很少有STOA方法能做到CPU real-time。(2)特定类别目标检测：仅检测图像中某一类特定目标，如人脸检测，行人检测，车辆检测等等，特定类别目标检测核心是1(目标))+1(背景)＝2分类问题。这类检测通常模型比较小，速度要求非常高，这里问题的基本要求就是中央处理器运行时间(central processing unit real-time，CPU real-time)。

从发展历史来看，深度学习在其中的作用非常明显：非深度学习阶段：这段时间经典检测算法都是针对特定目标提出的，比如针对人脸检测的问题、针对行人检测的问题和针对各类目标的检测问题等，但在对各类目标的检测中，要使用多目标检测，需要对每个类别分别训练模板，相当于200个特定类别检测问题。深度学习阶段：这段时间经典检测算法都是针对通用目标提出的，比如性能更好的快速目标检测算法(Faster Region-CNN，Faster-RCNN)，基于区域的全卷积网络(Region based Fully Convolutional Network，R-FCN)系列，速度更快的(You Only Look Once，YOLO)，基于回归的目标检测(SingleShotMultiBoxDetector，SSD)系列，强大的深度学习只要一个卷积神经网络(Convolutional Neural Network，CNN)就可以搞定多类别检测任务。虽然这些都是多类别方法，但它们都可以用来解决单类别问题，相关技术中的人脸检测、行人检测等特定目标检测问题的最先进的模型(State-of-the-art，SOTA)都是这类方法的针对性改进。Faster-RCNN系列：这类方法的优点是性能高，缺点是速度慢，在图形处理器(Graphics ProcessingUnit，GPU)上都无法实时，无法满足人脸检测对速度的极高要求，既然性能不是问题，这类方法的研究重点是提高效率。SSD系列：这类方法的优势是速度快，在GPU上能实时，缺点是对密集小目标的检测比较差，而人脸刚好是密集小目标，这类方法的研究重点是提高密集小目标的检测性能，同时速度也需要尽可能快，GPU实时算法在应用中依然受限。

本申请实施例旨在打造一种新型的会员服务系统，相关技术中的会员服务系统主要是面向会员消费后的服务，如消费后的费用扣减、充值、积分管理、短信营销等，属于被动式会员服务，对商家来说，如何有效获取会员位置动态，如会员是否在店面附近并进行及时、精确营销对提升门店销售和会员满意度等起到很重要的作用，相关技术中，商家主要通过短信群发方式来宣传店内商品，但是通过短信群发的方式营销成本比较大，且频繁的营销会造成会员反感，对品牌造成负面影响。相关技术中的会员管理系统，当会员进入商家门店后，不能第一时间获取会员画像，无法做到千人千面的营销服务。

基于此，下面将说明本申请实施例在一个实际的应用场景中的示例性应用。

本申请实施例依托将运营商5G微基站、实现了一种人脸识别系统，可集成到商家已有的会员管理平台，丰富会员管理平台的功能。

本申请实施例所提供的一种基于微基站的会员服务的方法包含三部分：5G微基站、人脸识别系统、会员管理平台，如下图5所示。主要原理是商家接入系统后，当会员进入5G微基站的覆盖范围，商家通过5G微基站给会员(即目标对象)发送不同营销信息；筛选出朝向商家位置的会员(即第一对象)组建人脸识别临时库(即数据库)；等会员进入门店时，通过人脸识别系统和临时库快速识别会员信息，如姓名、消费偏好等，通知服务专员进行迎接和引导，做到精准服务；并在支付时提供刷脸支付服务，提高会员服务感知。会员服务系统包括以下三个模块：

模块1：5G微基站

5G微基站包括商场内部运营商统一安装的微基站和商家自己申请安装的微基站，采用5G微基站的方法可以进行密集城区网络补盲，5G网络频段较高，在密集市区内，室外宏基站可满足大部分区域的网络覆盖，但市区建筑物群错综复杂，遮挡造成弱覆盖的区域可采用灯杆微基站进行网络补盲，满足密集城区弱信号区域的覆盖，同时提升市区网络容量。而且可以进行高流量区热点分流，城市密集区域流量高发，尤其是在人流密集的商业街、旅游休闲广场、高校学生活动密集区等人流密集区域，依靠室外基站难以有效渗透覆盖，且难以满足高爆发用户群体的网络容量需求，容易出现网络拥塞。针对此情况，可建设5G微基站进行热点分流。最后可以将敏感宏基站拆分微基站，相关技术中的5G宏基站试点采取基带处理单元(Bandwidth Based Unit，BBU)集中部署，射频拉远单元与天线集成一体形成有源天线单元(Active Antenna Unit，AAU)。由于64T64R(64发64收)的AAU设备体积较大，容易引起居民反感。在5G场景下，可弱化部分性能形成微基站产品，如可研发16T16R(16发16收)，其设备体积小、噪音小，隐蔽性会更好。将长期因敏感被搁置的宏基站拆分为多个微基站，可攻克物业敏感的宏基站建设难题。

5G微基站的作用主要有两个：获取覆盖范围内(即特定物理区域)的电话号码(即身份标识)并将电话号码传到会员管理平台；给会员发送营销短信。其原理为：微基站将覆盖范围内的电话号码发送给商家的会员管理平台，会员平台匹配会员号码并将号码和对应的营销短信返回给微基站，微基站将短信发送到会员号码。

模块2：会员管理平台

会员管理平台主要筛选出从基站获取的会员进行精准消息营销，并再次筛选出朝向店家的会员；对进入商家的会员，通知服务专员进行迎接和引导(即第一服务类型)，做到精准服务；并在支付时提供刷脸支付服务，提高会员服务感知。

筛选出朝向店家会员的具体实施方案如下：

假设通过微基站获取到附近存在的n个会员(即目标对象)S

假设第k个会员在连续时间段T

商家(即服务提供点)位置p

第k个会员的c个位置偏离p

利用最新二乘法直线拟合y＝a·x+b公式计算出a的值，如果a>＝0，说明偏移向量V

故如果第k个会员V

会员管理平台会记录会员的基本会员信息，每个信息建立如下的字段{id_card，id_type，id_name，id_gender，...}，如下图6所示。

其功能包括：增加、删除、修改、查询会员数据库；匹配微基站发来的会员号码，会员号码可能多个，然后将会员注册时的人脸照片推送给人脸识别系统；将人脸识别系统对比成功的会员号码和对应的营销短信返回给微基站。

模块3：人脸识别系统

人脸识别系统包括人脸底库动态调整功能、人脸采集功能、人脸检测功能。

3.1，人脸底库动态调整

人脸底库动态调整用于人脸识别系统支持动态库的建设，可以基于入库接口建立动态库。系统通过微基站数据接口获取连接到基站的用户的电话，根据电话号码向会员管理平台查询会员基本信息，包括会员照片、姓名等。通过这些基本信息建立动态人员库，系统默认为动态库每天更新，即在当日0点清空动态库，如此尽量保证动态库中的人员信息既能保证包含进店人员，同时尽量减少底库数量，提高识别正确率。

3.2，人脸采集功能

人脸采集功能是借助商家入口处的人脸采集摄像头将采集来的人脸信息传递到人脸识别系统，包括会员人脸照片和非会员人脸照片。系统支持对前端像机的抓拍人脸照片进行检测，并对人脸照片进行质量判断，对符合质量要求的照片进行特征提取，为之后的识别和属性识别做准备。人脸图像左、右、俯、仰角度小于15°时准确率在99％以上。

3.3，人脸检测功能

人脸检测功能将摄像头采集来的照片与会员管理平台推送到人脸底库的会员人脸照片进行匹配，并将匹配成功后的信息在会员管理平台进行展示，非会员展示人脸照片和非会员提示，会员则展示会员照片、会员等级、会员消费记录、消费偏好等，商家可快速识别会员身份并做出差异化的服务。

人脸检测功能流程包括人脸定位、人脸配准、人脸特征提取、人脸比对。

(1)人脸定位

人脸定位算法的输入是一张图片(即采集到的第一图像)，输出是人脸框坐标序列(0个人脸框或1个人脸框或多个人脸框)。如可以使用dlib库中get_frontal_face_detector定位器，输出的人脸坐标框为一个或多个正朝上矩形。

(2)人脸配准

人脸配准是定位出人脸上五官关键点坐标的一项技术，人脸配准算法的输入是“一张人脸图片”加“人脸坐标框”，输出五官关键点(即关键特征点)的坐标序列。五官关键点的数量是预先设定好的一个固定数值。

(3)人脸特征提取

此功能将一张人脸图像转化为一串固定长度的数值的过程，实现将人脸配准的关键点提取为多维度的特征向量V

(4)人脸比对

人脸对比是衡量两个人脸之间相似度的算法，人脸比对算法的输入是两个人脸特征(注：人脸特征由前面的人脸提特征算法获得待对比特征V

其中V

G＝{g

其中V

D

G

按照计算Sm的方法，依次计算出Sm

如果支持传入单个照片信息，针对特定的库进行检索，并按照比对分值降序排列显示。本系统可支持100000张底库，建议底库在50以下识别率最高，第一的正确识别率在99.5％以上，如下表格1中人脸库数量和检测正确率和耗时的关系所示。系统支持对人脸识别中不同阈值的配置，可配置人脸质量阈值、特征点数量、人脸比对阈值、不同属性的阈值等。根据实际业务需求可对阈值进行动态配置，根据不同场景根据光线或者角度不同可设置不同阈值。系统支持对不同人脸库设置不同比对阈值，防止会员到访比对相似度过低而不输出结果的情况出现，提高会员客户的体验感。

表格1人脸库数量和检测正确率和耗时的关系

在本申请实施例中，(1)在采用人脸识别之前，先从微基站获取位置上接近商家的会员号码来实时制作人脸底库的方案，达到了减少匹配人脸底库的数量，从而快速和高精度的人脸识别的技术效果；

(2)采用会员进入给到的距离范围，商家给会员发送营销信息；等会员进入门店时，快速通知服务专员进行迎接和引导的方案，达到了精准服务的效果；

(3)采用了一种梯度方向的对比向量相似性的方案，同时计算了特征向量的距离和方向的双重评价维度，达到了更能区分人脸特征是否相似的技术效果。

在本申请实施例中，出现在商家周围的会员可以进行快速营销，精准化营销；入店会员画像快速获取，给会员提供差异化服务；实现会员入店消费精确合理，提高商家收入；实现会员精准营销，为服务型商家提供全面解决方案。

当会员进入5G微基站的覆盖范围，商家通过5G微基站给会员发送不同营销信息；筛选出朝向商家位置的会员组建人脸识别临时库；等会员进入门店时，通过人脸识别系统和临时库快速识别会员信息，如姓名、消费偏好等，通知服务专员进行迎接和引导，做到精准服务；并在支付时提供刷脸支付服务，提高会员服务感知。

应注意，尽管在附图中以特定顺序描述了本申请中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

基于前述的实施例，本申请实施例提供一种识别装置，该装置包括所包括的各模块、以及各模块所包括的各单元，可以通过处理器来实现；当然也可通过具体的逻辑电路实现；在实施的过程中，处理器可以为中央处理器(CPU)、微处理器(MPU)、数字信号处理器(DSP)或现场可编程门阵列(FPGA)等。

图7为本申请实施例识别装置的结构示意图，如图7所示，所述装置700包括提取模块701、比较模块702和识别模块703，其中：提取模块701，用于对采集的第一图像中的待识别对象进行特征提取，得到第一关键特征点的特征向量；比较模块702，用于比较任一所述第一关键特征点与至少一个其他所述第一关键特征点的特征向量之间的差异，得到所述任一所述第一关键特征点对应的第一比较结果；识别模块703，用于将各个所述第一关键特征点对应的第一比较结果作为所述待识别对象的特征，至少基于各个所述第一关键特征点的特征向量和对应的第一比较结果，识别所述待识别对象是否属于第一服务类型。

在一些实施例中，装置700还包括输出模块，所述输出模块，用于如果所述待识别对象属于第一服务类型，输出第一提示消息；其中，所述第一提示消息用于指示为所述待识别对象提供第一服务；所述输出模块，还用于如果所述待识别对象属于第二服务类型，输出第二提示消息；其中，所述第二提示消息用于指示为所述待识别对象提供第二服务，所述第一服务类型和所述第二服务类型不同，所述第二服务和所述第一服务不同。

在一些实施例中，装置700还包括获取模块和确定模块，所述获取模块，用于获取数据库中的属于第一服务类型的第一对象的第二关键特征点对应的第二比较结果；其中，所述第二比较结果是通过比较所述第一对象的任一所述第二关键特征点与所述第一对象的至少一个其他所述第二关键特征点的特征向量之间的差异得到的；比较模块702，用于比较所述待识别对象的任一所述第一关键特征点与所述第一对象的第二关键特征点的特征向量之间的差异，得到所述任一所述第一关键特征点对应的第三比较结果；所述确定模块，用于将各个所述第二关键特征点对应的第二比较结果作为所述第一对象的特征，基于各个所述第一比较结果、各个所述第二比较结果和各个所述第三比较结果，确定所述待识别对象与所述第一对象的匹配度；所述确定模块，还用于根据所述匹配度，确定所述待识别对象是否属于所述第一服务类型。

在一些实施例中，所述确定模块，还用于基于各个所述第一比较结果和各个所述第二比较结果，确定所述待识别对象与所述第一对象之间的第一差异度；基于各个所述第三比较结果，确定所述待识别对象与所述第一对象之间的第二差异度；基于所述第一差异度和所述第二差异度，确定所述待识别对象与所述第一对象之间的匹配度。

在一些实施例中，所述确定模块，还用于从得到的所有所述匹配度中，确定出表征所述待识别对象与所述第一对象的相似度最大的目标匹配度；确定所述目标匹配度是否满足第一条件；如果所述目标匹配度满足第一条件，确定所述待识别对象属于所述第一服务类型。

在一些实施例中，装置700还包括检测模块和挑选模块，所述检测模块，用于检测特定物理区域内的第二对象的身份标识和移动方向；所述挑选模块，用于根据所述第二对象的身份标识和移动方向，从所述第二对象中挑选出所述第一对象；提取模块701，用于对所述第一对象进行特征提取，得到所述第二关键特征点的特征向量；比较模块702，用于比较所述第一对象的任一所述第二关键特征点与所述第一对象的至少一个其他所述第二关键特征点的特征向量之间的差异，得到所述任一所述第二关键特征点对应的第二比较结果；将所述第一对象的身份标识及所述第一对象的第二关键特征点的特征向量和所述第二关键特征点对应的第二比较结果作为一个特征组，基于每一所述第一对象的特征组，得到所述数据库。

在一些实施例中，所述挑选模块，还用于根据所述第二对象的身份标识，从所述第二对象中挑选出属于第一服务类型的目标对象；所述确定模块，还用于根据所述目标对象的移动方向，确定所述目标对象是否在逐步靠近服务提供点；如果是，将所述目标对象作为所述第一对象。

以上装置实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本申请装置实施例中未披露的技术细节，请参照本申请方法实施例的描述而理解。

需要说明的是，本申请实施例中图7所示的识别装置对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。也可以采用软件和硬件结合的形式实现。

需要说明的是，本申请实施例中，如果以软件功能模块的形式实现上述的方法，并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得电子设备执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的介质。这样，本申请实施例不限制于任何特定的硬件和软件结合。

本申请实施例提供一种电子设备，图8为本申请实施例的电子设备的硬件实体示意图，如图8所示，所述电子设备800包括存储器801和处理器802，所述存储器801存储有可在处理器802上运行的计算机程序，所述处理器802执行所述程序时实现上述实施例中提供的方法中的步骤。

需要说明的是，存储器801配置为存储由处理器802可执行的指令和应用，还可以缓存在处理器802以及电子设备800中各模块待处理或已经处理的数据(例如，图像数据、音频数据、语音通信数据和视频通信数据)，可以通过闪存(FLASH)或随机访问存储器(RandomAccess Memory，RAM)实现。

本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中提供的方法中的步骤。

本申请实施例提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述方法实施例提供的方法中的步骤。

这里需要指出的是：以上存储介质和设备实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本申请存储介质、存储介质和设备实施例中未披露的技术细节，请参照本申请方法实施例的描述而理解。

应理解，说明书通篇中提到的“一个实施例”或“一实施例”或“一些实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”或“在一些实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以互相参考，为了简洁，本文不再赘述。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如对象A和/或对象B，可以表示：单独存在对象A，同时存在对象A和对象B，单独存在对象B这三种情况。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者设备中还存在另外的相同要素。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个模块或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或模块的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的模块可以是、或也可以不是物理上分开的，作为模块显示的部件可以是、或也可以不是物理模块；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部模块来实现本实施例方案的目的。

另外，在本申请各实施例中的各功能模块可以全部集成在一个处理单元中，也可以是各模块分别单独作为一个单元，也可以两个或两个以上模块集成在一个单元中；上述集成的模块既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(Read Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本申请上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得电子设备执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。

本申请所提供的几个方法实施例中所揭露的方法，在不冲突的情况下可以任意组合，得到新的方法实施例。

本申请所提供的几个产品实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的产品实施例。

本申请所提供的几个方法或设备实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的方法实施例或设备实施例。

以上所述，仅为本申请的实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。