[發明專利]一種基于人臉識別分析個人興趣愛好的方法

在審

• 申請號: 201810107657.6
• 申請日: 2018-02-02
• 公開（公告）號: CN108345851A
• 公開（公告）日: 2018-07-31
• 發明（設計）人: 王飛;喻楊洋
• 申請（專利權）人: 成都睿碼科技有限責任公司;杭州數峰科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06F17/30
• 代理公司: 成都君合集專利代理事務所(普通合伙) 51228
• 代理人: 張鳴潔

本發明公開了一種基于人臉識別分析個人興趣愛好的方法，使用多個深度學習網絡分別提取面部數據中對應的年齡、性別，并抽象面部特征，最后利用聚類方法得到具有相似抽象面部特征的人具有的興趣愛好分布，從而給用戶推薦興趣愛好。本發明利用深度學習技術在處理面部數據的優勢，得到具有高置信度的與面部數據對應的年齡和性別的信息；本發明使用深度學習的方式自動對特征進行提取，提取出的特征具有更強的魯棒性，從而大大的提高了面部識別的準確度，并提高了興趣愛好推薦的精度。

技術領域

本發明屬于信息處理的技術領域，具體涉及一種基于人臉識別分析個人興趣愛好的方法。

背景技術

現階段，基于對用戶興趣愛好分析的廣告精準投放營銷廣泛存在于電子商務活動中。傳統的用戶個人興趣愛好收集方法多采用人工當面調查或者基于大數據等相關技術，從用戶的在線活動，瀏覽記錄和登記集料進行分析。這樣的方法或多或少存在效率不高，效果不好的問題。同時，隨著用戶隱私保護意識的增強，部分用戶拒絕提供相關資料，導致上述的興趣愛好收集方式難以奏效，這對廣告主和經營者而言意味著潛在價值用戶的流失。因此，提出一種新的識別分析個人興趣愛好的方式至關重要。

發明內容

本發明的目的在于提供一種基于人臉識別分析個人興趣愛好的方法，本發明利用深度學習技術在處理面部數據的優勢，得到具有高置信度的與面部數據對應的年齡和性別的信息；本發明使用深度學習的方式自動對特征進行提取，提取出的特征具有更強的魯棒性，從而大大的提高了面部識別的準確度，并提高了興趣愛好推薦的精度。

本發明主要通過以下技術方案實現：一種基于人臉識別分析個人興趣愛好的方法，主要包括以下步驟：

步驟E1：收集包含年齡、性別、興趣愛好的人臉圖像作為訓練數據；

步驟E2：使用AlexNet網絡作為基礎網絡結構，用步驟E1中的數據訓練得到AgeNet訓練模型和GenderNet訓練模型；利用年齡、性別對應的DeepID網絡獲取面部的特征數據，并將面部特征向量化；所述AgeNet訓練模型用于生成面部數據與年齡的映射關系，能夠獲得未知年齡的面部數據的年齡信息；所述GenderNet訓練模型用于生成面部數據與性別的映射關系，能夠獲得未知性別的面部數據的性別信息；

步驟E3：在步驟E2之后調用聚類模型，根據聚類結果得到興趣愛好的分布，從而輸出推薦的興趣愛好；

步驟E4：在步驟E1-E3訓練得到的模型中輸入用戶的臉部照片，采用步驟E2中的AgeNet網絡得到用戶的年齡信息，采用步驟E2中的GenderNet網絡得到用戶的性別信息，最后調用步驟E3中的聚類模型輸出興趣愛好的信息。

本發明利用深度學習技術在處理面部數據的優勢，可以得到面部數據具有高置信度的年齡和性別信息。在相同年齡區間和性別組成的人群組中，面部特征數據能夠有效地利用在興趣預測的方面。在整套解決方案中，我們需要使用多個深度學習網絡分別提取面部數據中對應的年齡、性別，并抽象面部特征，最后利用聚類方法得到具有相似抽象面部特征的人具有的興趣愛好分布，從而給用戶推薦興趣愛好。

為了更好的實現本發明，進一步的，所述步驟E2中根據步驟E1中的數據，使用AlexNet網絡作為基礎網絡結構，每5歲為一個年齡區間，對訓練數據中的年齡信息進行one-hot編碼，且編碼結果為14維向量；將AlexNet網絡結構中fc8層的num-output參數修改為12，同時將fc8的名稱修改為age-layer，并將修改后的網絡命名為AgeNet；在Caffe環境中使用標記的樣本訓練得到AgeNet訓練模型，用于生成面部數據與年齡的映射關系，能夠獲得未知年齡的面部數據的年齡信息。