直播客户信誉管理系统

技术领域

本发明涉及AI管理领域，尤其涉及一种直播客户信誉管理系统。

背景技术

人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。例如繁重的科学和工程计算本来是要人脑来承担的，如今计算机不但能完成这种计算，而且能够比人脑做得更快、更准确，因此当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”，可见复杂工作的定义是随着时代的发展和技术的进步而变化的，人工智能这门科学的具体目标也自然随着时代的变化而发展。它一方面不断获得新的进展，另一方面又转向更有意义、更加困难的目标。

通常，“机器学习”的数学基础是“统计学”、“信息论”和“控制论”。还包括其他非数学学科。这类“机器学习”对“经验”的依赖性很强。计算机需要不断从解决一类问题的经验中获取知识，学习策略，在遇到类似的问题时，运用经验知识解决问题并积累新的经验，就像普通人一样。我们可以将这样的学习方式称之为“连续型学习”。但人类除了会从经验中学习之外，还会创造，即“跳跃型学习”。这在某些情形下被称为“灵感”或“顿悟”。一直以来，计算机最难学会的就是“顿悟”。或者再严格一些来说，计算机在学习和“实践”方面难以学会“不依赖于量变的质变”，很难从一种“质”直接到另一种“质”，或者从一个“概念”直接到另一个“概念”。正因为如此，这里的“实践”并非同人类一样的实践。人类的实践过程同时包括经验和创造。

目前，一般直播服务器都下辖有大量的直播客户端，越知名的直播服务器，下辖的直播客户端越多，这时，通过人工模式对每一个直播客户端进行24小时不间断监控是完全不可行的，导致一些主播为了经济利益在直播中途采用换人换脸的模式进行虚假直播，严重影响了直播服务器本身的信誉度。

发明内容

本发明至少具有以下两个重要的发明点：

（1）在直播服务器端引入智能化判断机制对各个直播客户端是否中途更换虚假主播进行实时鉴别，为后续的信誉管理提供关键数据；

（2）采用双向训练模式对霍普菲尔网络模型进行训练，从而提升了霍普菲尔网络模型训练的效率和效果。

根据本发明的一方面，提供了一种直播客户信誉管理系统，所述系统包括：

数据截取机构，设置在直播服务器端，用于随机对直播服务器端管理的各个主播客户端选择一个主播客户端的即时播放画面以作为主播鉴别画面输出；

内容滤波设备，设置在直播服务器端，与所述数据截取机构连接，用于对接收到的主播鉴别画面执行带通滤波处理，以获得内容处理画面；

裁剪处理机构，与所述内容滤波设备连接，用于对接收到的内容处理画面执行主播成像区域的裁剪处理，以获得相应的主播子图像；

主播判断设备，与所述裁剪处理机构连接，用于将所述主播子画面的尺寸进行缩放处理以获得与霍普菲尔网络模型的输入画面相同尺寸的待处理子画面，将所述待处理子画面输入到霍普菲尔网络模型中并运行所述霍普菲尔网络模型以将所述霍普菲尔网络模型的输出数据即主播真假判断数据；

信息管理设备，与所述主播判断设备连接，用于基于接收到的主播真假判断数据对随机选择的主播客户端的信誉度进行提升或者下降处理；

其中，基于接收到的主播真假判断数据对随机选择的主播客户端的信誉度进行提升或者下降处理包括：当接收到的主播真假判断数据为假时，降低随机选择的主播客户端的信誉度；

其中，所述霍普菲尔网络模型为训练后的霍普菲尔网络模型，在霍普菲尔网络模型的训练中，采用选择的主播客户端对应主播的各个面部图案分别作为霍普菲尔网络模型的输入画面，将为真实主播的判断结果作为霍普菲尔网络模型的输出数据对霍普菲尔网络模型进行训练；

其中，采用选择的主播客户端对应主播的各个面部图案分别作为霍普菲尔网络模型的输入画面包括：所述各个面部图案为不同视角对选择的主播客户端对应主播进行拍摄所获得的只包括选择的主播客户端对应主播的各个图像；

其中，在霍普菲尔网络模型的训练中，还采用并非选择的主播客户端对应主播的各个面部图案分别作为霍普菲尔网络模型的输入画面，将为虚假主播的判断结果作为霍普菲尔网络模型的输出数据对霍普菲尔网络模型进行训练。

本发明的直播客户信誉管理系统方便控制、应用广泛。由于在直播服务器端引入基于霍普菲尔网络模型的智能化判断机制对各个直播客户端是否中途更换虚假主播进行实时鉴别，从而能够实现对下属各个直播客户端的智能化管理。

具体实施方式

下面将对本发明的直播客户信誉管理系统的实施方案进行详细说明。

霍普菲尔网络（Hopfield network，HN）。它是一个由非线性元件构成的全连接型单层反馈系统。网络中的每一个神经元都将自己的输出通过连接权传送给所有其它神经元，同时又都接收所有其它神经元传递过来的信息，即网络中的神经元t时刻的输出状态实际上间接地与自己的t-1时刻的输出状态有关。

所以，霍普菲尔神经网络是一个反馈型的网络，状态变化可以用差分方程来表征。反馈型网络的一个重要特点就是它具有稳定状态。当网络达到稳定状态的时候，也就是它的能量函数达到最小的时候。这里的能量函数不是物理意义上的能量函数，而是在表达形式上与物理意义上的能量概念一致，表征网络状态的变化趋势，并可以依据霍普菲尔工作运行规则不断进行状态变化，最终能够达到的某个极小值的目标函数。网络收敛就是指能量函数达到极小值。如果把一个最优化问题的目标函数转换成网络的能量函数，把问题的变量对应于网络的状态，那么霍普菲尔神经网络就能够用于解决优化组合问题。

目前，一般直播服务器都下辖有大量的直播客户端，越知名的直播服务器，下辖的直播客户端越多，这时，通过人工模式对每一个直播客户端进行24小时不间断监控是完全不可行的，导致一些主播为了经济利益在直播中途采用换人换脸的模式进行虚假直播，严重影响了直播服务器本身的信誉度。

为了克服上述不足，本发明搭建了一种直播客户信誉管理系统，能够有效解决相应的技术问题。

根据本发明实施方案示出的直播客户信誉管理系统包括：

数据截取机构，设置在直播服务器端，用于随机对直播服务器端管理的各个主播客户端选择一个主播客户端的即时播放画面以作为主播鉴别画面输出；

内容滤波设备，设置在直播服务器端，与所述数据截取机构连接，用于对接收到的主播鉴别画面执行带通滤波处理，以获得内容处理画面；

裁剪处理机构，与所述内容滤波设备连接，用于对接收到的内容处理画面执行主播成像区域的裁剪处理，以获得相应的主播子图像；

主播判断设备，与所述裁剪处理机构连接，用于将所述主播子画面的尺寸进行缩放处理以获得与霍普菲尔网络模型的输入画面相同尺寸的待处理子画面，将所述待处理子画面输入到霍普菲尔网络模型中并运行所述霍普菲尔网络模型以将所述霍普菲尔网络模型的输出数据即主播真假判断数据；

信息管理设备，与所述主播判断设备连接，用于基于接收到的主播真假判断数据对随机选择的主播客户端的信誉度进行提升或者下降处理；

其中，基于接收到的主播真假判断数据对随机选择的主播客户端的信誉度进行提升或者下降处理包括：当接收到的主播真假判断数据为假时，降低随机选择的主播客户端的信誉度；

其中，所述霍普菲尔网络模型为训练后的霍普菲尔网络模型，在霍普菲尔网络模型的训练中，采用选择的主播客户端对应主播的各个面部图案分别作为霍普菲尔网络模型的输入画面，将为真实主播的判断结果作为霍普菲尔网络模型的输出数据对霍普菲尔网络模型进行训练；

其中，采用选择的主播客户端对应主播的各个面部图案分别作为霍普菲尔网络模型的输入画面包括：所述各个面部图案为不同视角对选择的主播客户端对应主播进行拍摄所获得的只包括选择的主播客户端对应主播的各个图像；

其中，在霍普菲尔网络模型的训练中，还采用并非选择的主播客户端对应主播的各个面部图案分别作为霍普菲尔网络模型的输入画面，将为虚假主播的判断结果作为霍普菲尔网络模型的输出数据对霍普菲尔网络模型进行训练。

接着，继续对本发明的直播客户信誉管理系统的具体结构进行进一步的说明。

在所述直播客户信誉管理系统中：

基于接收到的主播真假判断数据对随机选择的主播客户端的信誉度进行提升或者下降处理包括：当接收到的主播真假判断数据为真时，提升或保持随机选择的主播客户端的信誉度。

在所述直播客户信誉管理系统中，还包括：

第一训练机构，用于采用选择的主播客户端对应主播的各个面部图案分别作为霍普菲尔网络模型的输入画面，将为真实主播的判断结果作为霍普菲尔网络模型的输出数据对霍普菲尔网络模型进行训练。

在所述直播客户信誉管理系统中，还包括：

第二训练机构，与所述第一训练机构连接，对所述第一训练机构训练后获得的霍普菲尔网络模型继续以下训练操作：采用并非选择的主播客户端对应主播的各个面部图案分别作为霍普菲尔网络模型的输入画面，将为虚假主播的判断结果作为霍普菲尔网络模型的输出数据对霍普菲尔网络模型进行训练。

在所述直播客户信誉管理系统中：

所述第二训练机构还与所述主播判断设备连接，用于将所述第二训练机构训练后获得的霍普菲尔网络模型发送给所述主播判断设备以便于所述主播判断设备使用。

在所述直播客户信誉管理系统中：

采用选择的主播客户端对应主播的各个面部图案分别作为霍普菲尔网络模型的输入画面包括：所述选择的主播客户端对应主播的各个面部图案中每一个面部图案的尺寸与霍普菲尔网络模型的输入画面尺寸相同。

在所述直播客户信誉管理系统中：

采用并非选择的主播客户端对应主播的各个面部图案分别作为霍普菲尔网络模型的输入画面包括：所述并非选择的主播客户端对应主播的各个面部图案中每一个面部图案的尺寸与霍普菲尔网络模型的输入画面尺寸相同。

在所述直播客户信誉管理系统中：

在所述裁剪处理机构中，对接收到的内容处理画面执行主播成像区域的裁剪处理，以获得相应的主播子图像包括：基于人体面部成像特征识别所述内容处理画面中的各个面部子图像，将占据面积最广的面部子图像裁剪以获得相应的主播子图像。

在所述直播客户信誉管理系统中：

在所述裁剪处理机构中，对接收到的内容处理画面执行主播成像区域的裁剪处理，以获得相应的主播子图像包括：基于人体面部成像特征识别所述内容处理画面中的各个面部子图像，将景深数据最浅的面部子图像裁剪以获得相应的主播子图像。

在所述直播客户信誉管理系统中：

所述数据截取机构通过内置的网络连接接口同直播服务器端管理的各个主播客户端分别建立网络连接。

另外，在所述直播客户信誉管理系统中，可以采用多层感知网络模型替换霍普菲尔网络模型。多层感知网络，它是一类具有三层或三层以上的阶层型神经网络。典型的多层感知网络是三层、前馈型的阶层网络，即含有输入层、隐层（也称中间层、隐含层）和输出层。相邻层之间的各神经元实现全连接，即下一层的每一个神经元与上一层的每个神经元都实现全连接，而且每层各神经元之间无连接。但它并非十分完善，存在以下一些主要缺陷：学习收敛速度慢、网络的学习记忆具有不稳定性，当给一个训练好的网提供新的学习记忆模式时，将使已有的连接权值被打乱，导致已记忆的学习模式的信息的消失。

尽管已经参考典型实施例说明了本发明，但是应该理解，本发明不限于所公开的典型实施例。所附权利要求书的范围符合最宽的解释，以包含所有这类修改、等同结构和功能。