一种基于人脸识别的视频推荐方法及装置、电视

技术领域

本申请涉及智能电视技术领域，特别是涉及一种基于人脸识别的视频推荐方法及装置、电视、存储介质。

背景技术

随着科学的不断进步，人们的生活水平在不断提高，对生活体验越来越重视。每个人都有自己的兴趣爱好，每个人喜欢的电影也各不相同。目前，电视在为用户推荐视频时，需要用户在电视上登陆自己的账号之后才能得到推荐内容，操作流程复杂，不方便用户使用。

因此，现有技术有待改进。

发明内容

本申请要解决的技术问题是，提供一种基于人脸识别的视频推荐方法及装置、电视、存储介质，以减少用户选择观看视频的操作步骤，为用户的使用提供了方便。

第一方面，本申请实施例提供了一种基于人脸识别的视频推荐方法，所述方法包括：

获取人脸图像，所述人脸图像包括至少一个用户的人脸；

根据人脸识别算法，从所述人脸图像中获取用户的人脸特征集合；

将人脸特征集合与档案库存中的人脸特征集比对；

若至少一个用户的人脸特征集合与档案库存中的人脸特征集匹配，显示第一视频推荐集合；

若每个人脸特征集合与档案库存中的人脸特征集均不匹配，显示第二视频推荐集合。

可选地，获取所述人脸图像之前，预先建立所述档案库存，包括：

采集用户的人脸图像；

根据人脸识别算法，从所述用户的人脸图像中获取所述用户的人脸特征集合；

将所述用户的人脸特征集合存储于所述档案库存，其中，所述用户的人脸特征集合与所述用户的账号对应。

可选地，所述根据人脸识别算法，从所述人脸图像中获取用户的人脸特征集合，包括：

对所述人脸图像进行处理，得到已处理人脸图像；

对所述已处理人脸图像进行人脸特征识别，得到至少一个用户的人脸特征；

对每个用户的人脸特征进行筛选，得到至少一个用户的人脸特征集合，每个用户的人脸特征集合中至少包括用户的五官特征和人脸轮廓特征。

可选地，对所述人脸图像进行处理，得到已处理人脸图像，包括：

将采集的所述人脸图像从模拟信号转化为数字信号，得到第一图像；

将所述第一图像进行二值化处理，得到第二图像；

将所述第二图像进行平滑处理，得到第三图像；

对所述第三图像进行变换，得到所述已处理人脸图像，其中，所述变换用于改正所述第三图像中的系统误差。

可选地，若至少一个用户的人脸特征集合与档案库存中的人脸特征集匹配，显示第一视频推荐集合；若每个人脸特征集合与档案库存中的人脸特征集均不匹配，显示第二视频推荐集合，包括：

根据用户账号中的观看历史，确定用户喜好视频集合。

可选地，所述若至少一个用户的人脸特征集合与档案库存中的人脸特征集匹配，显示第一视频推荐集合，包括：

若一个用户的人脸特征集合与档案库存中的人脸特征集匹配，显示第一视频推荐子集合，所述第一视频推荐子集合为用户喜好视频集合；

若多个用户的人脸特征集合与档案库存中的人脸特征集匹配，显示第二视频推荐子集合，所述第二视频推荐子集合为所述多个用户共同喜好视频集合。

可选地，所述若每个人脸特征集合与档案库存中的人脸特征集均不匹配，显示第二视频推荐集合，包括：

建立未匹配的用户的账号；

将所述用户的人脸特征集合保存至所述档案库存，所述用户的人脸特征集合与所述用户的账户关联对应。

第二方面，本申请实施例提供了一种基于人脸识别的视频推荐装置，所述装置包括：

第一获取模块，用于获取人脸图像，所述人脸图像包括至少一个用户的人脸；

第二获取模块，用于根据人脸识别算法，从所述人脸图像中获取用户的人脸特征集合；

比对模块，用于将人脸特征集合与档案库存中的人脸特征集比对；

视频推荐模块，用于若至少一个用户的人脸特征集合与档案库存中的人脸特征集匹配，显示第一视频推荐集合；若每个人脸特征集合与档案库存中的人脸特征集均不匹配，显示第二视频推荐集合。

第三方面，本申请实施例提供了一种电视，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取人脸图像，所述人脸图像包括至少一个用户的人脸；

根据人脸识别算法，从所述人脸图像中获取用户的人脸特征集合；

将人脸特征集合与档案库存中的人脸特征集比对；

若至少一个用户的人脸特征集合与档案库存中的人脸特征集匹配，显示第一视频推荐集合；

若每个人脸特征集合与档案库存中的人脸特征集均不匹配，显示第二视频推荐集合。

第四方面，本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

获取人脸图像，所述人脸图像包括至少一个用户的人脸；

根据人脸识别算法，从所述人脸图像中获取用户的人脸特征集合；

将人脸特征集合与档案库存中的人脸特征集比对；

若至少一个用户的人脸特征集合与档案库存中的人脸特征集匹配，显示第一视频推荐集合；

若每个人脸特征集合与档案库存中的人脸特征集均不匹配，显示第二视频推荐集合。

与现有技术相比，本申请实施例具有以下优点：

根据本申请实施方式提供的方法，首先获取人脸图像，所述人脸图像包括至少一个用户的人脸；然后根据人脸识别算法，从所述人脸图像中获取用户的人脸特征集合；最后将人脸特征集合与档案库存中的人脸特征集比对；若至少一个用户的人脸特征集合与档案库存中的人脸特征集匹配，显示第一视频推荐集合；若每个人脸特征集合与档案库存中的人脸特征集均不匹配，显示第二视频推荐集合。通过本方法为用户推荐视频，减少了用户选择观看视频的操作步骤，为用户的使用提供了方便。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，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。

图1为本申请实施例中一种基于人脸识别的视频推荐方法的流程示意图；

图2为本申请实施例中一种基于人脸识别的视频推荐装置的结构示意图；

图3为本申请实施例中计算机设备的内部结构图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

发明人经过研究发现，相关技术中，电视在为用户推荐视频时，需要用户在电视上登陆自己的账号之后才能得到推荐内容，操作流程复杂，用户体验不佳。

为了解决上述问题，在本申请实施例中，电视能够通过摄像头采集用户的图像，然后根据采集的图像人脸识别用户，根据识别的结果，结合大数据为用户推荐用户可能喜欢的视频。通过本申请实施例中的视频推荐方法，智能电视通过推荐把用户喜欢的内容展示出来，用户可以很轻松地找到自己想看的影片，提高用户体验，减少了用户的操作流程，更精准的为用户进行内容推荐，为用户的使用提供了方便。同时，智能推荐通过对用户行为及业务特征的深入挖掘，针对不同场景提供实时、精准的推荐服务，快速提升用户活跃度及点击转化率。

下面结合附图，详细说明本申请的各种非限制性实施方式。

本申请实施例提供了一种基于人脸识别的视频推荐方法，如图1所示，所述方法包括：

S1、获取人脸图像，所述人脸图像包括至少一个用户的人脸。

在本申请实施例中，可以通过智能电视上的摄像头获取用户的人脸图像或者视频流。其中，可能有多个用户观看智能电视，则人脸图像中可能存在多个用户。

在本申请实施例的一种可选方式中，在开始使用本申请中的视频推荐功能之前，预先采集用户的人脸特征集合并存储于档案库存，即获取所述人脸图像之前，预先建立所述档案库存，建立档案库存的过程包括：

S01、采集用户的人脸图像。

在本申请实施例中，通过智能电视上的摄像头采集用户的人脸图像或者视频流，进一步地，根据摄像头采集的视频流得到用户的人脸图像。

S02、根据人脸识别算法，从所述用户的人脸图像中获取所述用户的人脸特征集合。

在本申请实施例中，根据人脸识别算法，从用户的人脸图像中获取多个人脸特征，然后在获取的多个人脸特征中选择用户的五官特征和轮廓特征，形成人脸特征集合。

S03、将所述用户的人脸特征集合存储于所述档案库存，其中，所述用户的人脸特征集合与所述用户的账号对应。

在本申请实施例中，人脸特征集合以及人脸特征集合中的特征通过二进制字段的形式保存到档案库存中。档案库存存储在云服务器。

举例说明：用户刘某在使用智能电视的视频推荐功能之前，预先建立使用智能电视的人员的档案库存，刘某和刘某的妻子王某的人脸特征集合。具体地，分别采集刘某和王某的人脸图像，根据人脸识别算法，分别从刘某和王某的人脸图像中获取刘某和王某的人脸特征集合，然后分别将刘某和王某的人脸特征集合存储于档案库存中，其中，刘某的人脸特征集合与刘某的账号对应，王某的账号与王某对应。通过上述步骤，可以在用户使用智能电视时对用户进行识别并自动登陆，并在后续可以为用户推荐用户喜好类型视频。

S2、根据人脸识别算法，从所述人脸图像中获取用户的人脸特征集合。

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人脸图像或视频流，并自动在人脸图像中检测和跟踪人脸特征，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、面部识别等。

在本申请实施例的一种可选方式中，步骤S2包括：

S21、对所述人脸图像进行处理，得到已处理人脸图像。

在本申请实施例的一种可选方式中，步骤S21包括：

S211、将采集的所述人脸图像从模拟信号转化为数字信号，得到第一图像。

在本申请实施例中，对人脸图像进行预处理，通过A\D转换器将摄像头接受到的模拟信号转化为数字信号。

S212、将所述第一图像进行二值化处理，得到第二图像。

在本申请实施例中，将图像的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果的过程。

S213、将所述第二图像进行平滑处理，得到第三图像。

在本申请实施例中，因传感器和大气等因素的影响，遥感图像上会出现某些亮度变化过大的区域，或出现一些亮点(也称噪声)。这种为了抑制噪声，使图像亮度趋于平缓的处理方法就是图像平滑。图像平滑实际上是低通滤波，平滑过程会导致图像边缘模糊化。为了尽量保留图像细节特征的条件下对目标图像的噪声进行抑制，通过滤波减少噪点。

S214、对所述第三图像进行变换，得到所述已处理人脸图像，其中，所述变换用于改正所述第三图像中的系统误差。

在本申请实施例中，步骤S214中的变换方法至少包括：平移、转置、镜像、旋转、缩放，通过平移、转置、镜像、旋转、缩放等几何变换对第三图像进行处理，用于改正图像采集系统的系统误差和仪器位置(成像角度、透视关系乃至镜头自身原因)的随机误差。

通过上述对采集的人脸图像进行处理，消除获取的人脸图像中的无关信息，突出获取的人脸图像中有用的真实信息，处理后的人脸图像方便后续步骤中对用户的人脸识别，识别的效果更好。

在本申请实施例中，可以使用人脸特征点识别的人脸识别算法。例如，使用开源的OpenCV算法对人脸进行特征点提取。首先，使用OpenCV的人脸检测器对人脸进行检测，可以得到人脸的关键点，即可得到眼睛、鼻子、嘴巴等的位置点。这些关键点及其组合的关系就是人脸的特征点。

本申请提供一种可选的人脸特征点识别算法：1、使用OpenCV的Haar人脸检测器或者lbp人脸检测器来检测获取的人脸图像中的人脸；2、创建Facemark类的对象，在OpenCV中，Facemark是使用智能指针(smart pointer，PTR)；3、加载关键点检测器(lbfmodel.yaml)。此人脸检测器是在几千幅带有关键点标签的人脸图像上训练得到的；4、对获取的人脸图像运行人脸检测器，人脸检测器的输出是一个包含一个或多个矩形(rectangles)的容器(vector)，即人脸图像中可能有一张或者多张人脸；5、根据人脸矩形框截取原图中的人脸ROI，再利用人脸关键点检测器(facial landmark detector)对人脸ROI进行检测，对于每张脸我们可以获得多个关键点，并将其存储在集合中；6、根据获得关键点，我们可以在人脸图像上绘制出来并显示。

S22、对所述已处理人脸图像进行人脸特征识别，得到至少一个用户的人脸特征。

举例说明：在刘某和妻子王某在共同观看电视时，电视的摄像头采集了人脸图像。对该人脸图像进行处理，得到已处理人脸图像，然后对已处理的人脸图像进行人脸识别，得到刘某和王某两个用户的人脸特征。

S23、对每个用户的人脸特征进行筛选，得到至少一个用户的人脸特征集合，每个用户的人脸特征集合中至少包括用户的五官特征和人脸轮廓特征。

例如，一幅64x64的图象可以得到4096个像素点数据，图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。用户黑痣的位置可作为一个特征、眼睛的大小可作为一个特征、眼睛相对于鼻子的位置可作为一个特征、嘴巴的形状也可作为一个特征等。特征越多，识别的准确率也越高。

S3、将人脸特征集合与档案库存中的人脸特征集比对。

在本申请实施例中，档案库存预先存储了多个用户的人脸特征集，将多个用户中的每个用户的人脸特征集合与档案库存中的人脸特征集比对。在只有一个用户的情况下，如果用户的人脸特征集合与档案库存中的人脸特征集的匹配度大于等于阈值，则比对成功，用户的人脸特征集合与档案库存中的人脸特征集的匹配；如果用户的人脸特征集合与档案库存中的人脸特征集的匹配度低于阈值，则比对失败，用户的人脸特征集合与档案库存中的人脸特征集的不匹配。在有多个用户的情况下，如果有一个用户的人脸特征集合与档案库存中的人脸特征集的匹配度大于等于阈值，则比对成功；如果所有用户的人脸特征集合与档案库存中的人脸特征集的匹配度均低于阈值，则比对失败。

S4、若至少一个用户的人脸特征集合与档案库存中的人脸特征集匹配，显示第一视频推荐集合；若每个人脸特征集合与档案库存中的人脸特征集均不匹配，显示第二视频推荐集合。

在本申请实施例中，第一视频推荐集合为用户喜好视频集合，第二视频推荐集合为大众喜好视频集合。

在本申请实施例的一种可选方式中，若一个用户的人脸特征集合与档案库存中的人脸特征集匹配，显示第一视频推荐子集合，所述第一视频推荐子集合为该用户喜好视频集合；若多个用户的人脸特征集合与档案库存中的人脸特征集匹配，显示第二视频推荐子集合，所述第二视频推荐子集合为所述多个用户喜好视频集合的交集。

在本申请实施例中，根据用户账号中的观看历史，确定用户喜好视频集合。具体地，根据用户账号中的观看历史，结合大数据算法，确定用户喜好视频集合。

通过本申请实施例中的视频推荐方法，电视通过智能推荐把用户喜欢的内容展示出来，用户可以很轻松地找到自己想看的影片，提高用户体验，减少了用户的操作流程，更精准的为用户进行内容推荐，为用户的使用提供了方便。同时，智能推荐通过对用户行为及业务特征的深入挖掘，针对不同场景提供实时、精准的推荐服务，快速提升用户活跃度及点击转化率。

本申请实施例提供了一种基于人脸识别的视频推荐装置，如图2所示，所述装置包括：

第一获取模块20，用于获取人脸图像，所述人脸图像包括至少一个用户的人脸；

第二获取模块22，用于根据人脸识别算法，从所述人脸图像中获取用户的人脸特征集合；

比对模块24，用于将人脸特征集合与档案库存中的人脸特征集比对；

视频推荐模块26，用于若至少一个用户的人脸特征集合与档案库存中的人脸特征集匹配，显示第一视频推荐集合；若每个人脸特征集合与档案库存中的人脸特征集均不匹配，显示第二视频推荐集合。

通过本申请实施例中的视频推荐方法，电视通过智能推荐把用户喜欢的内容展示出来，用户可以很轻松地找到自己想看的影片，提高用户体验，减少了用户的操作流程，更精准的为用户进行内容推荐，为用户的使用提供了方便。同时，智能推荐通过对用户行为及业务特征的深入挖掘，针对不同场景提供实时、精准的推荐服务，快速提升用户活跃度及点击转化率。

在一个实施例中，本申请提供了一种计算机设备，该设备可以是终端，内部结构如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种自然语言模型的生成方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图3所示的仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

本申请实施例提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取人脸图像，所述人脸图像包括至少一个用户的人脸；

根据人脸识别算法，从所述人脸图像中获取用户的人脸特征集合；

将人脸特征集合与档案库存中的人脸特征集比对；

若至少一个用户的人脸特征集合与档案库存中的人脸特征集匹配，显示第一视频推荐集合；

若每个人脸特征集合与档案库存中的人脸特征集均不匹配，显示第二视频推荐集合。

本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

获取人脸图像，所述人脸图像包括至少一个用户的人脸；

根据人脸识别算法，从所述人脸图像中获取用户的人脸特征集合；

将人脸特征集合与档案库存中的人脸特征集比对；

若至少一个用户的人脸特征集合与档案库存中的人脸特征集匹配，显示第一视频推荐集合；

若每个人脸特征集合与档案库存中的人脸特征集均不匹配，显示第二视频推荐集合。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。