Nothing Special   »   [go: up one dir, main page]

CN110084709A - 基于面部特征的好友处理方法、服务器及计算机可读介质 - Google Patents

基于面部特征的好友处理方法、服务器及计算机可读介质 Download PDF

Info

Publication number
CN110084709A
CN110084709A CN201810064076.9A CN201810064076A CN110084709A CN 110084709 A CN110084709 A CN 110084709A CN 201810064076 A CN201810064076 A CN 201810064076A CN 110084709 A CN110084709 A CN 110084709A
Authority
CN
China
Prior art keywords
target
face
good friend
facial image
request user
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810064076.9A
Other languages
English (en)
Inventor
彭祥帅
范天航
熊雷
杨静
徐迎迎
尹家庆
田征绿
胡磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Youyang New Media Information Technology Co ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201810064076.9A priority Critical patent/CN110084709A/zh
Publication of CN110084709A publication Critical patent/CN110084709A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G06V40/45—Detection of the body part being alive

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Business, Economics & Management (AREA)
  • Library & Information Science (AREA)
  • General Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Economics (AREA)
  • Computing Systems (AREA)
  • Geometry (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明提供一种基于面部特征的好友处理方法、服务器及计算机可读介质。其方法包括：接收请求用户客户端发送的携带目标面部特征的陌生人查询请求；根据目标面部特征以及请求用户的好友信息，从预先采集的人脸库中获取不属于请求用户好友的、数个候选人脸图像；向请求用户客户端推荐数个候选人脸图像。采用本发明的技术方案，可以实现基于面部特征进行好友推荐，克服了现有技术中仅根据兴趣或者地理位置来实现好友的推荐，导致好友推荐方式较为死板，不够灵活的技术缺陷，从而能够有效地丰富社交应用中的好友推荐方式的功能，使得好友推荐方式更加智能化。而且本发明的技术方案，可以直接推荐好友的人脸图像，好友推荐方式非常直观、清晰。

Description

基于面部特征的好友处理方法、服务器及计算机可读介质
【技术领域】
本发明涉及计算机应用技术领域，尤其涉及一种基于面部特征的好友处理方法、服务器及计算机可读介质。
【背景技术】
随着互联网持续井喷式的发展，越来越多的社交应用软件如雨后春笋一般，层出不穷。纵观互联网社交领域，无论是综合类还是垂直细分类，每一个类别的体量都在逐渐增多；尤其是近两年社交应用行业市场规模将持续走高。
现在人们在谈论社交时，往往笼统的将社交分为熟人社交、陌生人社交，其中熟人社交用户粘性大，主要是微信、QQ、人人等等。陌生人社交应用较多，包括百度贴吧、微博、陌陌、知乎、豆瓣等。现有技术中的社交应用中，陌生人社交当前主要依靠兴趣来互加好友。例如根据用户的搜索内容推测感兴趣的陌生人，从而结成好友关系，例如贴吧、豆瓣以及知乎均采用相关技术。现有技术中，还有一种基于地理位置来为陌生人建立好友关系，例如根据地理位置来推荐附近的陌生好友，从而结为好友。
但是，现有的好友推荐方式为社交应用服务器根据兴趣或者地理位置来实现好友的推荐，导致好友推荐方式较为死板，不够灵活。
【发明内容】
本发明提供了一种基于面部特征的好友处理方法、服务器及计算机可读介质，用于丰富好友推荐方式，提高好友推荐方式的智能性。
本发明提供一种基于面部特征的好友处理方法，所述方法包括：
接收请求用户客户端发送的携带目标面部特征的陌生人查询请求；
根据所述目标面部特征以及所述请求用户的好友信息，从预先采集的人脸库中获取不属于所述请求用户好友的、数个候选人脸图像；
向所述请求用户客户端推荐所述数个候选人脸图像。
进一步可选地，如上所述的方法中，根据所述目标面部特征以及所述请求用户的好友信息，从预先采集的人脸库中获取不属于所述请求用户好友的、数个候选人脸图像之前，所述方法还包括：
当各注册用户开启基于面部特征的好友添加功能时，采集各所述注册用户的人脸图像；
验证各所述注册用户的人脸图像是否为活体人脸图像；
若是，将通过验证的所述注册用户的人脸图像存入所述人脸库。
进一步可选地，如上所述的方法中，向所述请求用户客户端推荐所述数个候选人脸图像之后，所述方法还包括：
接收所述请求用户客户端发起的携带所述目标好友的人脸图像的添加好友请求；所述添加好友请求为所述请求用户客户端的用户从所述数个候选人脸图像中选择目标好友的人脸图像后发起的；
从所述人脸库中获取所述请求用户的人脸图像；
向所述目标好友的客户端发送携带所述请求用户的人脸图像的添加好友请求；
在所述目标好友的用户同意添加之后，将所述请求用户和所述目标好友互相添加为好友。
进一步可选地，如上所述的方法中，根据所述目标面部特征以及所述请求用户的好友信息，从预先采集的人脸库中获取不属于所述请求用户好友的、数个候选人脸图像，具体包括：
根据所述目标面部特征，从所述人脸库中获取符合所述目标面部特征的所有备选人脸图像；
根据所述请求用户和所述请求用户的好友信息，获取所述请求用户的人脸图像和所述请求用户的好友的人脸图像；
根据所述请求用户的人脸图像和所述请求用户的好友的人脸图像，对所述所有备选人脸图像进行过滤，得到多个备选人脸图像；
从所述所有备选人脸图像中滤除所述请求用户的人脸图像和所述请求用户的好友的人脸图像，得到多个备选人脸图像；
从所述多个备选人脸图像中获取所述数个候选人脸图像。
进一步可选地，如上所述的方法中，从所述多个备选人脸图像中获取所述数个候选人脸图像，具体包括：
从所述多个备选人脸图像中随机获取所述数个候选人脸图像；
或者，根据所述请求用户的好友信息，从所述请求用户的好友中获取通过面部特征添加的目标好友；从所述人脸库中获取所述目标好友的人脸图像；计算各所述备选人脸图像分别与所述目标好友的人脸图像的相似度；根据各所述备选人脸图像分别与所述目标好友的人脸图像的相似度，从所述多个备选人脸图像中获取相似度高的数个所述备选人脸图像，作为所述数个候选人脸图像。
进一步可选地，如上所述的方法中，若所述目标面部特征包括目标眼部特征或者目标嘴巴特征，根据所述目标面部特征以及所述请求用户的好友信息，从预先采集的人脸库中获取不属于所述请求用户好友的、数个候选人脸图像，具体包括：
根据所述目标眼部特征以及所述请求用户的好友信息，从所述人脸库中获取与所述目标眼部特征一致、且不属于所述请求用户好友的所述数个候选人脸图像；
或者根据所述目标嘴巴特征以及所述请求用户的好友信息，从所述人脸库中获取与所述目标嘴巴特征一致、且不属于所述请求用户好友的所述数个候选人脸图像。
进一步可选地，如上所述的方法中，若所述目标面部特征包括目标鼻梁特征，根据所述目标面部特征以及所述请求用户的好友信息，从预先采集的人脸库中获取不属于所述请求用户好友的、数个候选人脸图像，具体包括：
采用预先训练的鼻梁特征识别模型，标注所述人脸库中的各所述人脸图像的鼻梁特征；
根据所述目标鼻梁特征、所述人脸库中的各所述人脸图像的鼻梁特征以及所述请求用户的好友信息，从所述人脸库中获取与所述目标鼻梁特征一致、且不属于所述请求用户好友的所述数个候选人脸图像；
若所述目标面部特征包括目标肤色特征，根据所述目标面部特征，从预先采集的人脸库中获取数个候选人脸图像，具体包括：
采用预先训练的肤色特征识别模型，标注所述人脸库中的各所述人脸图像的肤色特征；
根据所述目标肤色特征、所述人脸库中的各所述人脸图像的肤色特征以及所述请求用户的好友信息，从所述人脸库中获取与所述目标肤色特征一致、且不属于所述请求用户好友的所述数个候选人脸图像。
本发明提供一种社交应用服务器，所述服务器包括：
接收模块，用于接收请求用户客户端发送的携带目标面部特征的陌生人查询请求；
获取模块，用于根据所述目标面部特征以及所述请求用户的好友信息，从预先采集的人脸库中获取不属于所述请求用户好友的、数个候选人脸图像；
发送模块，用于向所述请求用户客户端推荐所述数个候选人脸图像；
所述人脸库，用于存储所有开启基于面部特征的好友添加功能的注册用户的人脸图像。
进一步可选地，如上所述的服务器中，所述服务器还包括：
采集模块，用于当各所述注册用户开启基于面部特征的好友添加功能时，采集各所述注册用户的人脸图像；
验证模块，用于验证各所述注册用户的人脸图像是否为活体人脸图像；
存储模块，用于将通过所述验证模块验证的所述注册用户的人脸图像存入所述人脸库。
进一步可选地，如上所述的服务器中，所述服务器还包括添加模块；
所述接收模块，还用于接收所述请求用户客户端发起的携带所述目标好友的人脸图像的添加好友请求；所述添加好友请求为所述请求用户客户端的用户从所述数个候选人脸图像中选择目标好友的人脸图像后发起的；
所述获取模块，还用于从所述人脸库中获取所述请求用户的人脸图像；
所述发送模块，还用于向所述目标好友的客户端发送携带所述请求用户的人脸图像的添加好友请求；
所述添加模块，用于在所述目标好友的用户同意添加之后，将所述请求用户和所述目标好友互相添加为好友。
进一步可选地，如上所述的服务器中，所述获取模块，具体用于：
根据所述目标面部特征，从所述人脸库中获取符合所述目标面部特征的所有备选人脸图像；
根据所述请求用户和所述请求用户的好友信息，获取所述请求用户的人脸图像和所述请求用户的好友的人脸图像；
根据所述请求用户的人脸图像和所述请求用户的好友的人脸图像，对所述所有备选人脸图像进行过滤，得到多个备选人脸图像；
从所述所有备选人脸图像中滤除所述请求用户的人脸图像和所述请求用户的好友的人脸图像，得到多个备选人脸图像；
从所述多个备选人脸图像中获取所述数个候选人脸图像。
进一步可选地，如上所述的服务器中，所述获取模块，具体用于：
从所述多个备选人脸图像中随机获取所述数个候选人脸图像；
或者，根据所述请求用户的好友信息，从所述请求用户的好友中获取通过面部特征添加的目标好友；从所述人脸库中获取所述目标好友的人脸图像；计算各所述备选人脸图像分别与所述目标好友的人脸图像的相似度；根据各所述备选人脸图像分别与所述目标好友的人脸图像的相似度，从所述多个备选人脸图像中获取相似度高的数个所述备选人脸图像，作为所述数个候选人脸图像。
进一步可选地，如上所述的服务器中，若所述目标面部特征包括目标眼部特征，所述获取模块，具体用于根据所述目标眼部特征以及所述请求用户的好友信息，从所述人脸库中获取与所述目标眼部特征一致、且不属于所述请求用户好友的所述数个候选人脸图像；
若所述目标面部特征包括目标嘴巴特征，所述获取模块，具体用于根据所述目标嘴巴特征以及所述请求用户的好友信息，从所述人脸库中获取与所述目标嘴巴特征一致、且不属于所述请求用户好友的所述数个候选人脸图像。
进一步可选地，如上所述的服务器中，若所述目标面部特征包括目标鼻梁特征，所述获取模块，具体用于：
采用预先训练的鼻梁特征识别模型，标注所述人脸库中的各所述人脸图像的鼻梁特征；
根据所述目标鼻梁特征、所述人脸库中的各所述人脸图像的鼻梁特征以及所述请求用户的好友信息，从所述人脸库中获取与所述目标鼻梁特征一致、且不属于所述请求用户好友的所述数个候选人脸图像；
若所述目标面部特征包括目标肤色特征，所述获取模块，具体用于：
采用预先训练的肤色特征识别模型，标注所述人脸库中的各所述人脸图像的肤色特征；
根据所述目标肤色特征、所述人脸库中的各所述人脸图像的肤色特征以及所述请求用户的好友信息，从所述人脸库中获取与所述目标肤色特征一致、且不属于所述请求用户好友的所述数个候选人脸图像。
本发明还提供一种计算机设备，所述设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上所述的基于面部特征的好友处理方法。
本发明还提供一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的信息处理方法。
本发明的基于面部特征的好友处理方法、服务器及计算机可读介质，通过接收请求用户客户端发送的携带目标面部特征的陌生人查询请求；根据目标面部特征以及请求用户的好友信息，从预先采集的人脸库中获取不属于请求用户好友的、数个候选人脸图像；向请求用户客户端推荐数个候选人脸图像。采用本发明的技术方案，可以实现基于面部特征进行好友推荐，克服了现有技术中仅根据兴趣或者地理位置来实现好友的推荐，导致好友推荐方式较为死板，不够灵活的技术缺陷，从而能够有效地丰富社交应用中的好友推荐方式的功能，使得好友推荐方式更加智能化。而且本发明的技术方案，可以直接推荐好友的人脸图像，好友推荐方式非常直观、清晰，能够有效地提高用户的使用体验度。
【附图说明】
图1为本发明的基于面部特征的好友处理方法实施例一的流程图。
图2为本发明的基于面部特征的好友处理方法实施例二的流程图。
图3为本发明的社交应用服务器实施例一的结构图。
图4为本发明的社交应用服务器实施例二的结构图。
图5为本发明的计算机设备实施例的结构图。
图6为本发明提供的一种计算机设备的示例图。
【具体实施方式】
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。
图1为本发明的基于面部特征的好友处理方法实施例一的流程图。如图1 所示，本实施例的基于面部特征的好友处理方法，具体可以包括如下步骤：
100、接收请求用户客户端发送的携带目标面部特征的陌生人查询请求；
本实施例的基于面部特征的好友处理方法的应用场景为：在各种社交应用中，用户想要从陌生人中添加好友时，只能获取到服务器推荐的兴趣相似，或者位置较近的陌生人，而从推荐的陌生人中选择要添加的好友。而有的用户对好友的面部特征要求比较特殊，例如，有的用户想要添加的好友是双眼皮、高鼻梁、肤色较白等等，而这些通过现有的好友推荐方式实现的好友添加都无法满足用户的要求。基于此问题，本发明实施例提供一种智能化的基于面部特征的好友处理方法，该基于面部特征的好友处理方法的执行主体可以为社交应用的服务器，以实现基于面部特征的好友推荐以及后续的好友添加处理。
本实施例中，注册了社交应用，并安装有社交应用客户端的任一个用户，均可以通过其使用的客户端向社交应用服务器发送陌生人查询请求。为了便于描述，本实施例中，将发出陌生人查询请求的用户称为请求用户。当然，为了标识该陌生人查询请求为该请求用户发送的，该陌生人查询请求中还可以携带该请求用户的标识。
本实施例的请求用户在发出陌生人查询请求时，可以携带想要查询的陌生人的目标面部特征。本实施例的目标面部特征可以为人脸面部中的某一个、两个或者多个特征，例如可以对眼部、鼻子、肤色、嘴巴等面部的部位进行限定。例如实际应用中，某些用户对陌生人的眼皮特征有特殊喜好，可以限定的目标眼部特征可以为双眼皮或者单眼皮。还有些用户喜欢露齿微笑的陌生人，而有的用户喜欢不苟言笑、平时习惯动作不会露齿的陌生人，因此可以通过牙齿限定目标嘴巴特征，例如目标嘴巴特征可以包括露齿和不露齿。再例如，有些用户喜欢高鼻梁的陌生人，而有的用户可以没有鼻梁要求，因此，可以限定的目标鼻梁特征可以为高鼻梁或者非高鼻梁。或者再例如，实际应用中，还有些用户会对社交应用中的好友的肤色有特殊要求，有的用户喜欢添加黑皮肤的陌生人为好友，有的用户喜欢添加白皮肤或者黄皮肤的陌生人为好友。以上仅为本发明所限定的部分目标面部特征的举例，实际应用中，目标面部特征可以包括有颧骨、脸型、眉毛等等面部特征，在此不再一一举例赘述。且使用中，目标面部特征可以包括以上特征中的至少一种。
101、根据目标面部特征以及请求用户的好友信息，从预先采集的人脸库中获取不属于请求用户好友的、数个候选人脸图像；
由于社交应用服务器会管理每一个注册用户及其好友的信息，如其包括的好友的标识(如账号)以及好友的性别、年龄、联系方式、爱好等基本信息。社交应用服务器可以根据面部特征以及请求用户的好友信息，从预先采集的人脸库中获取不属于请求用户好友的、数个候选人脸图像。
例如，本实施例中的预先采集的人脸库具体可以采用如下步骤生成：
(a1)当各注册用户开启基于面部特征的好友添加功能时，采集各注册用户的人脸图像；
(b1)验证各注册用户的人脸图像是否为活体人脸图像；若是，将通过验证的注册用户的人脸图像存入人脸库；否则，未通过验证的注册用户的人脸图像为非活体人脸图像时，不能存储人脸库。
也就是说，在社交应用中，注册用户若想要使用基于面部特征的好友添加功能时，该注册用户必须同意社交应用服务器采集该注册用户的人脸图像。另外，社交应用服务器还需要验证采集的人脸是否为活体人脸图像，以保证采集的人脸库中存储的都是注册用户的真实人脸。其中活体人脸图像的验证过程可以采用相关现有技术，例如，可以通过指示用户的面部完成指定操作来验证用户的人脸为活体人脸等活体人脸的验证操作。通过上述操作，人脸库中可以存储开启基于面部特征的好友添加功能的所有注册用户的人脸图像。
进一步可选地，本实施例的步骤101，具体可以包括如下步骤：
(a2)根据目标面部特征，从人脸库中获取符合目标面部特征的所有备选人脸图像；
(b2)根据请求用户和请求用户的好友信息，获取请求用户的人脸图像和请求用户的好友的人脸图像；
(c2)根据请求用户的人脸图像和请求用户的好友的人脸图像，对所有备选人脸图像进行过滤，得到多个备选人脸图像；
本实施例中，首先根据目标面部特征，从人脸库中获取所有的符合目标面部特征的备选人脸图像。由于获取的所有备选人脸图像中可能包括该请求用户本人的人脸图像和该请求用户的好友的人脸图像。因此为了保证获取的备选人脸图像中都是陌生人的人脸图像，本实施例中需要使用请求用户的人脸图像和请求用户的好友的人脸图像，对所有备选人脸图像进行过滤，得到多个备选人脸图像。具体地，检测所有备选人脸图像中是否包括请求用户的人脸图像，若包括，从所有备选人脸图像中删除请求用户的人脸图像；进一步检测剩下的所有备选人脸图像中是否包括请求用户的好友的人脸图像，若包括，删除请求用户的好友的人脸图像，最终得到多个备选人脸图像。
(d2)从多个备选人脸图像中获取数个候选人脸图像。
本实施例的数个候选人脸图像的数量可以设置为10个、15个、20个或者其他数量个。如果人脸库中的人脸图像数量较多时，例如成千上万个时，获取的多个备选人脸图像的数量可能成百上千个。另外，若特殊场景下，如人脸库中的人脸图像较少时，若获取的多个备选人脸图像的数量不足设定的数个候选人脸图像的数量，此时可以直接将多个备选人脸图像都作为候选人脸图像。
例如，该步骤(d2)具体可以包括如下两种方式：
第一种方式：从多个备选人脸图像中随机获取数个候选人脸图像；
该种方式的实现方式较为简单，若获取的多个备选人脸图像的数量较多时，若将获取的所有备选人脸图像都推荐给请求用户的客户端时，会造成用户的体验较差。因此，可以随机从中获取数个候选人脸图像即可。
第二种方式：根据请求用户的好友信息，从请求用户的好友中获取通过面部特征添加的目标好友；从人脸库中获取目标好友的人脸图像；计算各备选人脸图像分别与目标好友的人脸图像的相似度；根据各备选人脸图像分别与目标好友的人脸图像的相似度，从多个备选人脸图像中获取相似度高的数个备选人脸图像，作为数个候选人脸图像。
在第二种方式实现时，可以更有针对性地获取数个候选人脸图像。例如，可以先分析该请求用户的好友，获取通过面部特征添加的目标好友的标识，再根据目标好友的标识从人脸库中获取目标好友的人脸图像。本实施例中，可以认为目标好友的人脸图像是请求用户比较喜欢的陌生人的长相。然后可以基于目标好友的人脸图像，从多个备选人脸图像中获取数个候选人脸图像。具体地，若目标好友的人脸图像有多个时，计算每一个备选人脸图像分别与多个目标好友的人脸图像的相似度，并取平均，作为该备选人脸图像与目标好友人脸图像的相似度。通过上述方式，可以获取到多个备选人脸图像中每一个备选人脸图像对应的相似度，并按照相似度由高到低的顺序，从中获取相似度高的数个备选人脸图像，作为数个候选人脸图像。这样，可以保证获取的数个候选人脸图像最有可能符合请求用户的喜好，被请求用户添加为好友。所以，第二种方式相对于第一种方式，实现更加智能化。
102、向请求用户客户端推荐数个候选人脸图像。
根据上述实施例，获取到数个候选人脸图像之后，可以向请求用户客户端发送数个候选人脸图像，从而实现基于面部特征实现智能化地进行好友推荐。本实施例的技术方案，向请求用户客户端推荐的是数个候选人脸图像，推荐方式非常直观，请求用户可能直观地看到推荐的数个候选人脸图像，并从中选择一个、两个或者多个自己喜欢的人脸图像对应的用户作为好友。因此，本实施例的基于面部特征的好友处理方法非常智能化。
下面介绍本实施例的几种目标面部特征的处理：
第一种：若目标面部特征包括目标眼部特征，例如，目标眼部特征可以为双眼皮或者单眼皮特征。其中双眼皮特征或者单眼皮特征可以通过检测人脸库中的人脸图像的眼睛上方的眼皮的线条来确定。
此时对应地步骤101“根据目标面部特征以及请求用户的好友信息，从预先采集的人脸库中获取不属于请求用户好友的、数个候选人脸图像”，具体可以包括：根据目标眼部特征以及请求用户的好友信息，从人脸库中获取与目标眼部特征一致、且不属于请求用户好友的数个候选人脸图像；具体实现方式可以参考上述步骤(a2)-(d2)的实现，在此不再赘述。
第二种：若目标面部特征包括目标嘴巴特征，例如目标嘴巴特征可以包括露齿和不漏齿两种特征；这两个特征可以通过检测人脸库中的人脸图像中的嘴巴部分是否露齿来得到。
此时对应地步骤101“根据目标面部特征以及请求用户的好友信息，从预先采集的人脸库中获取不属于请求用户好友的、数个候选人脸图像”，具体可以包括：根据目标嘴巴特征以及请求用户的好友信息，从人脸库中获取与目标嘴巴特征一致、且不属于请求用户好友的数个候选人脸图像。具体实现方式可以参考上述步骤(a2)-(d2)的实现，在此不再赘述。
第三种：若目标面部特征包括目标鼻梁特征，例如目标鼻梁特征可以包括高鼻梁或者非高鼻梁。本实施例的高鼻梁和非高鼻梁可以通过预先训练的鼻梁特征识别模型来识别。
此时对应地步骤101“根据目标面部特征以及请求用户的好友信息，从预先采集的人脸库中获取不属于请求用户好友的、数个候选人脸图像”，具体可以包括：采用预先训练的鼻梁特征识别模型，标注人脸库中的各人脸图像的鼻梁特征；根据目标鼻梁特征、人脸库中的各人脸图像的鼻梁特征以及请求用户的好友信息，从人脸库中获取与目标鼻梁特征一致、且不属于请求用户好友的数个候选人脸图像。
本实施例的技术方案中，可以预先采用数个标注了高鼻梁的人脸图像和非高鼻梁的人脸图像对鼻梁特征识别模型进行训练，使得训练后的鼻梁特征识别模型能够对任意人脸图像中的鼻梁特征进行识别。接着，根据训练后的鼻梁特征识别模型对人脸库中的各人脸图像的鼻梁特征进行识别。例如，训练后的鼻梁特征识别模型可以识别各人脸图像的鼻梁特征为高鼻梁的概率或者非高鼻梁的概率，然后选择概率高的作为该人脸图像的鼻梁特征。然后根据目标鼻梁特征、人脸库中的各人脸图像的鼻梁特征以及请求用户的好友信息，从人脸库中获取与目标鼻梁特征一致、且不属于请求用户好友的数个候选人脸图像，其具体实现方式可以参考上述步骤(a2)-(d2)的实现，在此不再赘述。
第四种：若目标面部特征包括目标肤色特征，例如目标肤色特征可以设置有两种，白色和非白色，或者还可以设置为三种：白色、黑色以及其他色，或者还可以设置为其他分类如黑色和非黑色，在此不再一一举例赘述。
此时对应地步骤101“根据目标面部特征以及请求用户的好友信息，从预先采集的人脸库中获取不属于请求用户好友的、数个候选人脸图像”，具体可以包括：采用预先训练的肤色特征识别模型，标注人脸库中的各人脸图像的肤色特征；根据目标肤色特征、人脸库中的各人脸图像的肤色特征以及请求用户的好友信息，从人脸库中获取与目标肤色特征一致、且不属于请求用户好友的数个候选人脸图像。
同理，本实施例的技术方案中，也可以预先采用数个标注了肤色的人脸图像对肤色特征识别模型进行训练，使得训练后的肤色特征识别模型能够对任意人脸图像中的肤色特征进行识别。例如，训练后的肤色特征识别模型可以识别各人脸图像的肤色特征为各类预设肤色的概率，然后选择概率高的预设肤色作为该人脸图像的肤色特征。其中预设肤色即为训练时训练的人脸图像标注的肤色。接着，可以参考上述步骤(a2)-(d2)的实现方式，实现根据目标肤色特征、人脸库中的各人脸图像的肤色特征以及请求用户的好友信息，从人脸库中获取与目标肤色特征一致、且不属于请求用户好友的数个候选人脸图像，在此不再赘述。
本实施例的基于面部特征的好友处理方法，接收请求用户客户端发送的携带目标面部特征的陌生人查询请求；根据目标面部特征以及请求用户的好友信息，从预先采集的人脸库中获取不属于请求用户好友的、数个候选人脸图像；向请求用户客户端推荐数个候选人脸图像。采用本实施例的技术方案，可以实现基于面部特征进行好友推荐，克服了现有技术中仅根据兴趣或者地理位置来实现好友的推荐，导致好友推荐方式较为死板，不够灵活的技术缺陷，从而能够有效地丰富社交应用中的好友推荐方式的功能，使得好友推荐方式更加智能化。而且本实施例的技术方案，可以直接推荐好友的人脸图像，好友推荐方式非常直观、清晰，能够有效地提高用户的使用体验度。
图2为本发明的基于面部特征的好友处理方法实施例二的流程图。上述图1 所示基于面部特征的好友处理方法仅介绍了基于面部特征的好友推荐方案，如图2所示，本实施例的基于面部特征的好友处理方法，在上述图1所示实施例的技术方案的基础上，完整地介绍了一种基于面部特征的好友添加方案。如图2 所示，本实施例的基于面部特征的好友处理方法，具体可以包括如下步骤：
200、接收请求用户客户端发送的携带目标面部特征的陌生人查询请求；
201、根据目标面部特征以及请求用户的好友信息，从预先采集的人脸库中获取不属于请求用户好友的、数个候选人脸图像；
202、向请求用户客户端推荐数个候选人脸图像；
上述步骤200-202的实施，详细可以参考上述图1所示实施例的记载，在此不再赘述。
203、接收请求用户客户端发起的携带目标好友的人脸图像的添加好友请求；该添加好友请求为请求用户客户端的用户从数个候选人脸图像中选择目标好友的人脸图像后发起的；
204、从人脸库中获取请求用户的人脸图像；
205、向目标好友的客户端发送携带请求用户的人脸图像的添加好友请求；
206、在目标好友的用户同意添加之后，将请求用户和目标好友互相添加为好友。
在上述图1所示实施例的技术方案的基础上，向请求用户客户端推荐数个候选人脸图像之后，请求用户可以从请求用户的客户端看到社交应用服务器推荐的数个候选人脸图像，然后请求用户可以从中选择任意一个有眼缘的申请添加好友。当请求用户点击选中某个候选人脸图像时，表示该请求用户选中该候选人脸图像作为要添加的目标好友的人脸图像。然后请求用户选择添加好友，便相当于向社交应用服务器发起携带目标好友的人脸图像的添加好友请求。当然由于该添加好友请求是请求用户发出的，该添加好友请求中还可以携带请求用户的标识。然后社交应用服务器根据请求用户的标识还需要从人脸库中获取该请求用户的人脸图像。然后社交应用服务器向目标好友的客户端发送携带请求用户的人脸图像的添加好友请求；对应的，目标好友可以在其客户端上看到请求添加其为好友的请求用户的人脸图像，如果目标好友认为该请求用户有眼缘，同意加其为好友，点击同意，服务器接收到目标好友的客户端发送的同意添加之后，将请求用户和目标好友互相添加为好友。然后目标好友便进入请求用户的好友列表中，请求用户也进入目标好友的好友列表中，请求用户和目标好友可以作为好友进行聊天。
本实施例的基于面部特征的好友处理方法，可以实现基于面部特征进行好友推荐和添加，能够有效地丰富社交应用中的好友推荐方式和好友添加方式，使得好友推荐和添加方式更加智能化。而且本实施例的技术方案，好友推荐和添加都是基于人脸头像来实现，整个过程非常直观、清晰，能够有效地提高用户的使用体验度。
图3为本发明的社交应用服务器实施例一的结构图。如图3所示，本实施例的社交应用服务器，具体可以包括：
接收模块10用于接收请求用户客户端发送的携带目标面部特征的陌生人查询请求；
获取模块11用于根据接收模块10接收的陌生人查询请求中的目标面部特征以及请求用户的好友信息，从预先采集的人脸库M中获取不属于请求用户好友的、数个候选人脸图像；
发送模块12用于向请求用户客户端推荐获取模块11获取的数个候选人脸图像；
人脸库M用于存储所有开启基于面部特征的好友添加功能的注册用户的人脸图像。
本实施例的社交应用服务器，通过采用上述模块实现基于面部特征的好友处理的实现原理以及技术效果与上述相关方法实施例的实现相同，详细可以参考上述相关方法实施例的记载，在此不再赘述。
图4为本发明的社交应用服务器实施例二的结构图。如图4所示，本实施例的社交应用服务器，在上述图3所示实施例的技术方案的基础上，进一步还可以包括如下技术方案。
如图4所示，本实施例的社交应用服务器，还包括：
采集模块13用于当各注册用户开启基于面部特征的好友添加功能时，采集各注册用户的人脸图像；
验证模块14用于验证各注册用户的人脸图像是否为活体人脸图像；
存储模块15用于将通过验证模块验证的注册用户的人脸图像存入人脸库M。
进一步可选地，如图4所示，本实施例的社交应用服务器中，还包括添加模块16；
接收模块10还用于接收请求用户客户端发起的携带目标好友的人脸图像的添加好友请求；添加好友请求为请求用户客户端的用户从数个候选人脸图像中选择目标好友的人脸图像后发起的；
获取模块11还用于从人脸库M中获取接收模块10接收的添加好友请求发起者的请求用户的人脸图像；
发送模块12还用于向目标好友的客户端发送携带获取模块11获取的请求用户的人脸图像的添加好友请求；
添加模块13用于在目标好友的用户同意添加之后，将请求用户和目标好友互相添加为好友。
进一步可选地，本实施例的社交应用服务器中，获取模块11具体用于：
根据目标面部特征，从人脸库中获取符合目标面部特征的所有备选人脸图像；
根据请求用户和请求用户的好友信息，获取请求用户的人脸图像和请求用户的好友的人脸图像；
根据请求用户的人脸图像和请求用户的好友的人脸图像，对所有备选人脸图像进行过滤，得到多个备选人脸图像；
从所有备选人脸图像中滤除请求用户的人脸图像和请求用户的好友的人脸图像，得到多个备选人脸图像；
从多个备选人脸图像中获取数个候选人脸图像。
进一步可选地，本实施例的社交应用服务器中，获取模块11具体用于：
从多个备选人脸图像中随机获取数个候选人脸图像；
或者，根据请求用户的好友信息，从请求用户的好友中获取通过面部特征添加的目标好友；从人脸库中获取目标好友的人脸图像；计算各备选人脸图像分别与目标好友的人脸图像的相似度；根据各备选人脸图像分别与目标好友的人脸图像的相似度，从多个备选人脸图像中获取相似度高的数个备选人脸图像，作为数个候选人脸图像。
进一步可选地，本实施例的社交应用服务器中，若目标面部特征包括目标眼部特征，获取模块11具体用于根据目标眼部特征以及请求用户的好友信息，从人脸库中获取与目标眼部特征一致、且不属于请求用户好友的数个候选人脸图像；
若目标面部特征包括目标嘴巴特征，获取模块11具体用于根据目标嘴巴特征以及请求用户的好友信息，从人脸库中获取与目标嘴巴特征一致、且不属于请求用户好友的数个候选人脸图像。
进一步可选地，本实施例的社交应用服务器中，若目标面部特征包括目标鼻梁特征，获取模块11具体用于：
采用预先训练的鼻梁特征识别模型，标注人脸库中的各人脸图像的鼻梁特征；
根据目标鼻梁特征、人脸库中的各人脸图像的鼻梁特征以及请求用户的好友信息，从人脸库中获取与目标鼻梁特征一致、且不属于请求用户好友的数个候选人脸图像；
若目标面部特征包括目标肤色特征，获取模块11具体用于：
采用预先训练的肤色特征识别模型，标注人脸库中的各人脸图像的肤色特征；
根据目标肤色特征、人脸库中的各人脸图像的肤色特征以及请求用户的好友信息，从人脸库中获取与目标肤色特征一致、且不属于请求用户好友的数个候选人脸图像。
本实施例的社交应用服务器，通过采用上述模块实现基于面部特征的好友处理的实现原理以及技术效果与上述相关方法实施例的实现相同，详细可以参考上述相关方法实施例的记载，在此不再赘述。
图5为本发明的计算机设备实施例的结构图。如图5所示，本实施例的计算机设备，包括：一个或多个处理器30，以及存储器40，存储器40用于存储一个或多个程序，当存储器40中存储的一个或多个程序被一个或多个处理器30 执行，使得一个或多个处理器30实现如附图1-图2所示实施例的基于面部特征的好友处理方法。图5所示实施例中以包括多个处理器30为例。本实施例的计算机设备可以用做社交应用的服务器设备。
例如，图6为本发明提供的一种计算机设备的示例图。图6示出了适于用来实现本发明实施方式的示例性计算机设备12a的框图。图6显示的计算机设备12a仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。同理，图6所示的计算机设备可以用做社交应用的服务器设备。
如图6所示，计算机设备12a以通用计算设备的形式表现。计算机设备 12a的组件可以包括但不限于：一个或者多个处理器16a，系统存储器28a，连接不同系统组件(包括系统存储器28a和处理器16a)的总线18a。
总线18a表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机设备12a典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12a访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28a可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30a和/或高速缓存存储器32a。计算机设备12a 可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34a可以用于读写不可移动的、非易失性磁介质(图6未显示，通常称为“硬盘驱动器”)。尽管图6中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18a相连。系统存储器28a可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明上述图1-图4各实施例的功能。
具有一组(至少一个)程序模块42a的程序/实用工具40a，可以存储在例如系统存储器28a中，这样的程序模块42a包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42a通常执行本发明所描述的上述图1-图4各实施例中的功能和/或方法。
计算机设备12a也可以与一个或多个外部设备14a(例如键盘、指向设备、显示器24a等)通信，还可与一个或者多个使得用户能与该计算机设备 12a交互的设备通信，和/或与使得该计算机设备12a能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22a进行。并且，计算机设备12a还可以通过网络适配器20a与一个或者多个网络(例如局域网(LAN)，广域网(WAN) 和/或公共网络，例如因特网)通信。如图所示，网络适配器20a通过总线18a 与计算机设备12a的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备12a使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理器16a通过运行存储在系统存储器28a中的程序，从而执行各种功能应用以及数据处理，例如实现上述实施例所示的基于面部特征的好友处理方法。
本发明还提供一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上述实施例所示的基于面部特征的好友处理方法。
本实施例的计算机可读介质可以包括上述图6所示实施例中的系统存储器28a中的RAM30a、和/或高速缓存存储器32a、和/或存储系统34a。
随着科技的发展，计算机程序的传播途径不再受限于有形介质，还可以直接从网络下载，或者采用其他方式获取。因此，本实施例中的计算机可读介质不仅可以包括有形的介质，还可以包括无形的介质。
本实施例的计算机可读介质可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如 Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN) 或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等) 或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (16)

1.一种基于面部特征的好友处理方法，其特征在于，所述方法包括：
接收请求用户客户端发送的携带目标面部特征的陌生人查询请求；
根据所述目标面部特征以及所述请求用户的好友信息，从预先采集的人脸库中获取不属于所述请求用户好友的、数个候选人脸图像；
向所述请求用户客户端推荐所述数个候选人脸图像。
2.根据权利要求1所述的方法，其特征在于，根据所述目标面部特征以及所述请求用户的好友信息，从预先采集的人脸库中获取不属于所述请求用户好友的、数个候选人脸图像之前，所述方法还包括：
当各注册用户开启基于面部特征的好友添加功能时，采集各所述注册用户的人脸图像；
验证各所述注册用户的人脸图像是否为活体人脸图像；
若是，将通过验证的所述注册用户的人脸图像存入所述人脸库。
3.根据权利要求1所述的方法，其特征在于，向所述请求用户客户端推荐所述数个候选人脸图像之后，所述方法还包括：
接收所述请求用户客户端发起的携带所述目标好友的人脸图像的添加好友请求；所述添加好友请求为所述请求用户客户端的用户从所述数个候选人脸图像中选择目标好友的人脸图像后发起的；
从所述人脸库中获取所述请求用户的人脸图像；
向所述目标好友的客户端发送携带所述请求用户的人脸图像的添加好友请求；
在所述目标好友的用户同意添加之后，将所述请求用户和所述目标好友互相添加为好友。
4.根据权利要求1所述的方法，其特征在于，根据所述目标面部特征以及所述请求用户的好友信息，从预先采集的人脸库中获取不属于所述请求用户好友的、数个候选人脸图像，具体包括：
根据所述目标面部特征，从所述人脸库中获取符合所述目标面部特征的所有备选人脸图像；
根据所述请求用户和所述请求用户的好友信息，获取所述请求用户的人脸图像和所述请求用户的好友的人脸图像；
根据所述请求用户的人脸图像和所述请求用户的好友的人脸图像，对所述所有备选人脸图像进行过滤，得到多个备选人脸图像；
从所述所有备选人脸图像中滤除所述请求用户的人脸图像和所述请求用户的好友的人脸图像，得到多个备选人脸图像；
从所述多个备选人脸图像中获取所述数个候选人脸图像。
5.根据权利要求4所述的方法，其特征在于，从所述多个备选人脸图像中获取所述数个候选人脸图像，具体包括：
从所述多个备选人脸图像中随机获取所述数个候选人脸图像；
或者，根据所述请求用户的好友信息，从所述请求用户的好友中获取通过面部特征添加的目标好友；从所述人脸库中获取所述目标好友的人脸图像；计算各所述备选人脸图像分别与所述目标好友的人脸图像的相似度；根据各所述备选人脸图像分别与所述目标好友的人脸图像的相似度，从所述多个备选人脸图像中获取相似度高的数个所述备选人脸图像，作为所述数个候选人脸图像。
6.根据权利要求1-5任一所述的方法，其特征在于，若所述目标面部特征包括目标眼部特征或者目标嘴巴特征，根据所述目标面部特征以及所述请求用户的好友信息，从预先采集的人脸库中获取不属于所述请求用户好友的、数个候选人脸图像，具体包括：
根据所述目标眼部特征以及所述请求用户的好友信息，从所述人脸库中获取与所述目标眼部特征一致、且不属于所述请求用户好友的所述数个候选人脸图像；
或者根据所述目标嘴巴特征以及所述请求用户的好友信息，从所述人脸库中获取与所述目标嘴巴特征一致、且不属于所述请求用户好友的所述数个候选人脸图像。
7.根据权利要求1-5任一所述的方法，其特征在于，若所述目标面部特征包括目标鼻梁特征，根据所述目标面部特征以及所述请求用户的好友信息，从预先采集的人脸库中获取不属于所述请求用户好友的、数个候选人脸图像，具体包括：
采用预先训练的鼻梁特征识别模型，标注所述人脸库中的各所述人脸图像的鼻梁特征；
根据所述目标鼻梁特征、所述人脸库中的各所述人脸图像的鼻梁特征以及所述请求用户的好友信息，从所述人脸库中获取与所述目标鼻梁特征一致、且不属于所述请求用户好友的所述数个候选人脸图像；
若所述目标面部特征包括目标肤色特征，根据所述目标面部特征，从预先采集的人脸库中获取数个候选人脸图像，具体包括：
采用预先训练的肤色特征识别模型，标注所述人脸库中的各所述人脸图像的肤色特征；
根据所述目标肤色特征、所述人脸库中的各所述人脸图像的肤色特征以及所述请求用户的好友信息，从所述人脸库中获取与所述目标肤色特征一致、且不属于所述请求用户好友的所述数个候选人脸图像。
8.一种社交应用服务器，其特征在于，所述服务器包括：
接收模块，用于接收请求用户客户端发送的携带目标面部特征的陌生人查询请求；
获取模块，用于根据所述目标面部特征以及所述请求用户的好友信息，从预先采集的人脸库中获取不属于所述请求用户好友的、数个候选人脸图像；
发送模块，用于向所述请求用户客户端推荐所述数个候选人脸图像；
所述人脸库，用于存储所有开启基于面部特征的好友添加功能的注册用户的人脸图像。
9.根据权利要求8所述的服务器，其特征在于，所述服务器还包括：
采集模块，用于当各所述注册用户开启基于面部特征的好友添加功能时，采集各所述注册用户的人脸图像；
验证模块，用于验证各所述注册用户的人脸图像是否为活体人脸图像；
存储模块，用于将通过所述验证模块验证的所述注册用户的人脸图像存入所述人脸库。
10.根据权利要求8所述的服务器，其特征在于，所述服务器还包括添加模块；
所述接收模块，还用于接收所述请求用户客户端发起的携带所述目标好友的人脸图像的添加好友请求；所述添加好友请求为所述请求用户客户端的用户从所述数个候选人脸图像中选择目标好友的人脸图像后发起的；
所述获取模块，还用于从所述人脸库中获取所述请求用户的人脸图像；
所述发送模块，还用于向所述目标好友的客户端发送携带所述请求用户的人脸图像的添加好友请求；
所述添加模块，用于在所述目标好友的用户同意添加之后，将所述请求用户和所述目标好友互相添加为好友。
11.根据权利要求8所述的服务器，其特征在于，所述获取模块，具体用于：
根据所述目标面部特征，从所述人脸库中获取符合所述目标面部特征的所有备选人脸图像；
根据所述请求用户和所述请求用户的好友信息，获取所述请求用户的人脸图像和所述请求用户的好友的人脸图像；
根据所述请求用户的人脸图像和所述请求用户的好友的人脸图像，对所述所有备选人脸图像进行过滤，得到多个备选人脸图像；
从所述所有备选人脸图像中滤除所述请求用户的人脸图像和所述请求用户的好友的人脸图像，得到多个备选人脸图像；
从所述多个备选人脸图像中获取所述数个候选人脸图像。
12.根据权利要求11所述的服务器，其特征在于，所述获取模块，具体用于：
从所述多个备选人脸图像中随机获取所述数个候选人脸图像；
或者，根据所述请求用户的好友信息，从所述请求用户的好友中获取通过面部特征添加的目标好友；从所述人脸库中获取所述目标好友的人脸图像；计算各所述备选人脸图像分别与所述目标好友的人脸图像的相似度；根据各所述备选人脸图像分别与所述目标好友的人脸图像的相似度，从所述多个备选人脸图像中获取相似度高的数个所述备选人脸图像，作为所述数个候选人脸图像。
13.根据权利要求8-12任一所述的服务器，其特征在于，若所述目标面部特征包括目标眼部特征，所述获取模块，具体用于根据所述目标眼部特征以及所述请求用户的好友信息，从所述人脸库中获取与所述目标眼部特征一致、且不属于所述请求用户好友的所述数个候选人脸图像；
若所述目标面部特征包括目标嘴巴特征，所述获取模块，具体用于根据所述目标嘴巴特征以及所述请求用户的好友信息，从所述人脸库中获取与所述目标嘴巴特征一致、且不属于所述请求用户好友的所述数个候选人脸图像。
14.根据权利要求8-12任一所述的服务器，其特征在于，若所述目标面部特征包括目标鼻梁特征，所述获取模块，具体用于：
采用预先训练的鼻梁特征识别模型，标注所述人脸库中的各所述人脸图像的鼻梁特征；
根据所述目标鼻梁特征、所述人脸库中的各所述人脸图像的鼻梁特征以及所述请求用户的好友信息，从所述人脸库中获取与所述目标鼻梁特征一致、且不属于所述请求用户好友的所述数个候选人脸图像；
若所述目标面部特征包括目标肤色特征，所述获取模块，具体用于：
采用预先训练的肤色特征识别模型，标注所述人脸库中的各所述人脸图像的肤色特征；
根据所述目标肤色特征、所述人脸库中的各所述人脸图像的肤色特征以及所述请求用户的好友信息，从所述人脸库中获取与所述目标肤色特征一致、且不属于所述请求用户好友的所述数个候选人脸图像。
15.一种计算机设备，其特征在于，所述设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
16.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的方法。
CN201810064076.9A 2018-01-23 2018-01-23 基于面部特征的好友处理方法、服务器及计算机可读介质 Pending CN110084709A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810064076.9A CN110084709A (zh) 2018-01-23 2018-01-23 基于面部特征的好友处理方法、服务器及计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810064076.9A CN110084709A (zh) 2018-01-23 2018-01-23 基于面部特征的好友处理方法、服务器及计算机可读介质

Publications (1)

Publication Number Publication Date
CN110084709A true CN110084709A (zh) 2019-08-02

Family

ID=67411914

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810064076.9A Pending CN110084709A (zh) 2018-01-23 2018-01-23 基于面部特征的好友处理方法、服务器及计算机可读介质

Country Status (1)

Country Link
CN (1) CN110084709A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110569758A (zh) * 2019-08-26 2019-12-13 深圳市云歌人工智能技术有限公司 确定用户类别的方法、装置以及存储介质
CN112269928A (zh) * 2020-10-23 2021-01-26 百度在线网络技术（北京）有限公司 用户推荐方法及装置、电子设备、计算机可读介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130077833A1 (en) * 2011-09-22 2013-03-28 International Business Machines Corporation Searching with face recognition and social networking profiles
CN103324636A (zh) * 2012-03-22 2013-09-25 三星电子（中国）研发中心 在社交网络中推荐好友的系统和方法
CN103399896A (zh) * 2013-07-19 2013-11-20 广州华多网络科技有限公司 识别用户间关联关系的方法及系统
CN103514286A (zh) * 2013-09-30 2014-01-15 鸿富锦精密工业（深圳）有限公司 好友推荐系统及方法
CN103970830A (zh) * 2014-03-31 2014-08-06 小米科技有限责任公司 信息推荐方法和装置
CN106484737A (zh) * 2015-09-01 2017-03-08 腾讯科技（深圳）有限公司 一种网络社交方法及网络社交装置
CN107302492A (zh) * 2017-06-28 2017-10-27 歌尔科技有限公司 社交软件的交友请求方法、服务器、客户端装置和系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130077833A1 (en) * 2011-09-22 2013-03-28 International Business Machines Corporation Searching with face recognition and social networking profiles
CN103324636A (zh) * 2012-03-22 2013-09-25 三星电子（中国）研发中心 在社交网络中推荐好友的系统和方法
CN103399896A (zh) * 2013-07-19 2013-11-20 广州华多网络科技有限公司 识别用户间关联关系的方法及系统
CN103514286A (zh) * 2013-09-30 2014-01-15 鸿富锦精密工业（深圳）有限公司 好友推荐系统及方法
CN103970830A (zh) * 2014-03-31 2014-08-06 小米科技有限责任公司 信息推荐方法和装置
CN106484737A (zh) * 2015-09-01 2017-03-08 腾讯科技（深圳）有限公司 一种网络社交方法及网络社交装置
CN107302492A (zh) * 2017-06-28 2017-10-27 歌尔科技有限公司 社交软件的交友请求方法、服务器、客户端装置和系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110569758A (zh) * 2019-08-26 2019-12-13 深圳市云歌人工智能技术有限公司 确定用户类别的方法、装置以及存储介质
CN112269928A (zh) * 2020-10-23 2021-01-26 百度在线网络技术（北京）有限公司 用户推荐方法及装置、电子设备、计算机可读介质

Similar Documents

Publication Publication Date Title
Yip et al. Contribution of color to face recognition
JP6785305B2 (ja) 顔認識及びコンテキストビデオストリームで個人を識別するためのビデオ解析技術のための装置及び方法
US10846327B2 (en) Visual attribute determination for content selection
US20210174146A1 (en) Training set sufficiency for image analysis
KR102668172B1 (ko) 메시징 시스템에서의 증강 현실 경험을 위한 물리적 제품들의 식별
US11922661B2 (en) Augmented reality experiences of color palettes in a messaging system
US12118601B2 (en) Method, system, and non-transitory computer-readable medium for analyzing facial features for augmented reality experiences of physical products in a messaging system
US11915305B2 (en) Identification of physical products for augmented reality experiences in a messaging system
US20210312678A1 (en) Generating augmented reality experiences with physical products using profile information
JP2018045350A (ja) 所定対象のうちの特定対象における状態を識別する装置、プログラム及び方法
US20150049953A1 (en) Emotion and appearance based spatiotemporal graphics systems and methods
EP4158598A1 (en) Augmented reality content from third-party content
CN107908641A (zh) 一种获取图片标注数据的方法和系统
US11263436B1 (en) Systems and methods for matching facial images to reference images
WO2024060951A1 (zh) 一种业务服务方法及装置
US20230386255A1 (en) Method and system for verifying image identification
CN110084709A (zh) 基于面部特征的好友处理方法、服务器及计算机可读介质
US12033190B2 (en) System and method for content recognition and data categorization
KR20180111242A (ko) 채색 가능한 콘텐트를 제공하는 전자 장치 및 그 방법
US10952661B2 (en) Analysis of cognitive status through object interaction
US20200226012A1 (en) File system manipulation using machine learning
WO2023037845A1 (ja) 情報処理システム及び情報処理方法
Zinkernagel et al. The blenderFace method: video-based measurement of raw movement data during facial expressions of emotion using open-source software
KR20240077627A (ko) 비언어적 요소 기반 확장현실을 위한 사용자 감정 상호 작용 방법 및 시스템
US11514082B1 (en) Dynamic content selection

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20191206

Address after: 201210 room j1328, floor 3, building 8, No. 55, Huiyuan Road, Jiading District, Shanghai

Applicant after: SHANGHAI YOUYANG NEW MEDIA INFORMATION TECHNOLOGY Co.,Ltd.

Address before: 100085 Baidu building, No. 10, ten Street, Haidian District, Beijing

Applicant before: BAIDU ONLINE NETWORK TECHNOLOGY (BEIJING) Co.,Ltd.

TA01 Transfer of patent application right
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20190802

Assignee: BAIDU ONLINE NETWORK TECHNOLOGY (BEIJING) Co.,Ltd.

Assignor: SHANGHAI YOUYANG NEW MEDIA INFORMATION TECHNOLOGY Co.,Ltd.

Contract record no.: X2019110000009

Denomination of invention: Face feature-based friend processing method, server and computer readable medium

License type: Exclusive License

Record date: 20191218

EE01 Entry into force of recordation of patent licensing contract
RJ01 Rejection of invention patent application after publication

Application publication date: 20190802

RJ01 Rejection of invention patent application after publication