[發明專利]一種基于人臉識別的警務信息推薦方法及系統

有效

• 申請號: 201911111012.0
• 申請日: 2019-11-14
• 公開（公告）號: CN110889604B
• 公開（公告）日: 2022-05-31
• 發明（設計）人: 李旭;廖喬治
• 申請（專利權）人: 武漢烽火眾智數字技術有限責任公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/26
• 代理公司: 北京匯澤知識產權代理有限公司 11228
• 代理人: 鄭飛

一種基于人臉識別的警務信息推薦方法及系統，方法包括：建立警務用戶的人臉照片底庫以及警務信息標簽庫，采集各警務用戶的行為數據，通過行為數據獲取到各警務用戶所關注的警務信息標簽，得到各警務用戶的興趣標簽集，在警務用戶登陸系統時，通過人臉識別算法對抓拍的警務用戶的人臉照片與人臉照片底庫中所有警務用戶的人臉照片進行比對分析，以確定當前警務用戶的身份，獲取與當前警務用戶興趣偏好最接近的N個警務用戶，推算出當前警務用戶的興趣標簽向量，計算當前警務用戶的興趣標簽集與各種警務信息標簽的相似度，并將計算得到的相似度大于預設閾值的警務信息標簽以由高到低的順序排序，作為當前警務用戶的推薦警務信息進行展示。

技術領域

本發明涉及人臉識別技術以及警務信息推薦領域，具體涉及一種基于人臉識別的警務信息推薦方法及系統。

背景技術

隨著移動通信技術不斷發展，警務平臺每天都會新增各類警務信息，傳統的警務信息通過廣播方式，不區分用戶警種類型，將各類警務信息推送給每位用戶，缺少了警務信息針對不同用戶的個性化推薦。

目前，常用的推薦算法為基于協同過濾算法，主要包括有基于內容的推薦方式以及協同過濾推薦算法。基于內容的推薦(Content-based Recommendation)是建立在項目的內容信息上做出推薦的，而不需要依據用戶對項目的評價意見，更多地是利用機器學習的方法從關于內容的特征描述的事例中得到用戶的興趣資料；基于協同過濾的推薦算法(Collaborative Filtering Recommendation)技術是推薦系統中應用最早和最為成功的技術之一。它一般采用最近鄰技術，利用用戶的歷史喜好信息計算用戶之間的距離，然后利用目標用戶的最近鄰居用戶對商品評價的加權評價值來預測目標用戶對特定商品的喜好程度，從而根據這一喜好程度來對目標用戶進行推薦。但是在警務信息中，需要根據不同警種、不同業務類別對用戶進行個性化警務信息推薦，基于協同過濾算法的推薦無法解決數據稀疏性，基于內容的推薦無法排除一些無關信息的干擾。

發明內容

為解決上述技術問題，本發明提供一種基于人臉識別的警務信息推薦方法及系統，旨在增加警務信息的推薦精確度，提升不同警種的工作效率。

本發明的技術方案如下：

作為本發明的第一方面，提供一種基于人臉識別的警務信息推薦方法，所述方法包括：

步驟1，建立警務用戶的人臉照片底庫以及警務信息標簽庫，所述人臉照片底庫包括各警務用戶的人臉照片，所述警務信息標簽庫包括各種警務信息標簽；

步驟2，對各警務用戶的行為數據進行采集，通過所述行為數據獲取到各警務用戶所關注的警務信息標簽，通過各警務用戶所關注的警務信息標簽，得到各警務用戶的興趣標簽集；

步驟3，在警務用戶登陸系統時，抓拍該警務用戶的人臉照片，并通過人臉識別算法對抓拍的警務用戶的人臉照片與人臉照片底庫中所有警務用戶的人臉照片進行比對分析，以確定當前警務用戶的身份，并基于步驟2得到的各警務用戶的興趣標簽集，確定當前警務用戶的興趣標簽集；

步驟4，基于當前警務用戶的興趣標簽集以及各警務用戶的興趣標簽集獲取與當前警務用戶興趣偏好最接近的N個警務用戶；

步驟5，取得當前警務用戶與其興趣偏好最接近的N個警務用戶的興趣標簽的交集，以推算出當前警務用戶的興趣標簽向量；

步驟6，通過當前警務用戶的興趣標簽向量，基于歐幾里得公式計算當前警務用戶的興趣標簽集與各種警務信息標簽的相似度；

步驟7，將步驟6計算得到的相似度結果數值由大到小排序進行展示，并將步驟6計算得到的相似度大于預設閾值的警務信息標簽以由高到低的順序排序，作為當前警務用戶的推薦警務信息進行展示。

進一步地，步驟1中，所述警務信息標簽庫為根據日常警務類型進行分類并形成的標簽集合A，A＝{警務信息標簽1，警務信息標簽2，…，警務信息標簽N}。