[发明专利]一种基于人脸识别分析个人兴趣爱好的方法

说明书

本发明公开了一种基于人脸识别分析个人兴趣爱好的方法，使用多个深度学习网络分别提取面部数据中对应的年龄、性别，并抽象面部特征，最后利用聚类方法得到具有相似抽象面部特征的人具有的兴趣爱好分布，从而给用户推荐兴趣爱好。本发明利用深度学习技术在处理面部数据的优势，得到具有高置信度的与面部数据对应的年龄和性别的信息；本发明使用深度学习的方式自动对特征进行提取，提取出的特征具有更强的鲁棒性，从而大大的提高了面部识别的准确度，并提高了兴趣爱好推荐的精度。

技术领域

本发明属于信息处理的技术领域，具体涉及一种基于人脸识别分析个人兴趣爱好的方法。

背景技术

现阶段，基于对用户兴趣爱好分析的广告精准投放营销广泛存在于电子商务活动中。传统的用户个人兴趣爱好收集方法多采用人工当面调查或者基于大数据等相关技术，从用户的在线活动，浏览记录和登记集料进行分析。这样的方法或多或少存在效率不高，效果不好的问题。同时，随着用户隐私保护意识的增强，部分用户拒绝提供相关资料，导致上述的兴趣爱好收集方式难以奏效，这对广告主和经营者而言意味着潜在价值用户的流失。因此，提出一种新的识别分析个人兴趣爱好的方式至关重要。

发明内容

本发明的目的在于提供一种基于人脸识别分析个人兴趣爱好的方法，本发明利用深度学习技术在处理面部数据的优势，得到具有高置信度的与面部数据对应的年龄和性别的信息；本发明使用深度学习的方式自动对特征进行提取，提取出的特征具有更强的鲁棒性，从而大大的提高了面部识别的准确度，并提高了兴趣爱好推荐的精度。

本发明主要通过以下技术方案实现：一种基于人脸识别分析个人兴趣爱好的方法，主要包括以下步骤：

步骤E1：收集包含年龄、性别、兴趣爱好的人脸图像作为训练数据；

步骤E2：使用AlexNet网络作为基础网络结构，用步骤E1中的数据训练得到AgeNet训练模型和GenderNet训练模型；利用年龄、性别对应的DeepID网络获取面部的特征数据，并将面部特征向量化；所述AgeNet训练模型用于生成面部数据与年龄的映射关系，能够获得未知年龄的面部数据的年龄信息；所述GenderNet训练模型用于生成面部数据与性别的映射关系，能够获得未知性别的面部数据的性别信息；

步骤E3：在步骤E2之后调用聚类模型，根据聚类结果得到兴趣爱好的分布，从而输出推荐的兴趣爱好；

步骤E4：在步骤E1-E3训练得到的模型中输入用户的脸部照片，采用步骤E2中的AgeNet网络得到用户的年龄信息，采用步骤E2中的GenderNet网络得到用户的性别信息，最后调用步骤E3中的聚类模型输出兴趣爱好的信息。

本发明利用深度学习技术在处理面部数据的优势，可以得到面部数据具有高置信度的年龄和性别信息。在相同年龄区间和性别组成的人群组中，面部特征数据能够有效地利用在兴趣预测的方面。在整套解决方案中，我们需要使用多个深度学习网络分别提取面部数据中对应的年龄、性别，并抽象面部特征，最后利用聚类方法得到具有相似抽象面部特征的人具有的兴趣爱好分布，从而给用户推荐兴趣爱好。

为了更好的实现本发明，进一步的，所述步骤E2中根据步骤E1中的数据，使用AlexNet网络作为基础网络结构，每5岁为一个年龄区间，对训练数据中的年龄信息进行one-hot编码，且编码结果为14维向量；将AlexNet网络结构中fc8层的num-output参数修改为12，同时将fc8的名称修改为age-layer，并将修改后的网络命名为AgeNet；在Caffe环境中使用标记的样本训练得到AgeNet训练模型，用于生成面部数据与年龄的映射关系，能够获得未知年龄的面部数据的年龄信息。