[发明专利]行为数据推送方法、装置、计算机设备和存储介质

权利要求书

1.一种行为数据推送方法，所述方法包括：

获取用户终端上传的多帧人脸图片，所述多帧人脸图片携带了用户标识；

根据所述多帧人脸图片识别人脸图像，并提取所述人脸图像对应的人脸特征；

获取预设的表情分类器，通过所述表情分类器对所述人脸特征进行分类，得到所述用户标识对应的表情类别；

根据所述用户标识获取对应的历史行为数据；

获取预设的分析模型，通过所述分析模型对所述表情类别和所述历史行为数据进行分析，得到分析结果，所述分析结果包括与所述用户当前的表情类别和用户历史行为习惯相匹配的行为标签；

根据所述行为标签获取对应的行为数据；

将所述行为数据推送至所述用户终端。

2.根据权利要求1所述的方法，其特征在于，所述根据所述多帧人脸图片识别人脸图像，并提取所述人脸图像对应的人脸特征，包括：

对所述多帧人脸图片进行关键点定位；

根据预设的人脸识别算法识别定位后的多帧人脸图片中的多帧人脸图像；

对所述多帧人脸图像进行特征提取，得到多帧人脸图像对应的人脸特征。

3.根据权利要求1所述的方法，其特征在于，所述获取预设的表情分类器之前，所述方法还包括：

从预设数据库中获取多个表情数据；

利用获取的多个表情数据生成训练集和验证集；

利用所述训练集中的数据用过预设算法进行训练得到初步的表情分类器；

将所述验证集中是数据输入至初步的表情分类器中进行验证训练；

当达到预设概率值的验证集数据的数量达到预设比值时，则停止训练，得到训练完成的表情分类器。

4.根据权利要求1至3任意一项所述的方法，其特征在于，所述多帧人脸图片包括对应的图像序列，所述通过所述表情分类器对所述人脸特征进行分类，得到所述用户标识对应的表情类别，包括：

将多帧人脸图片对应的多帧人脸特征输入至所述表情分类器，通过所述表情分类器中的卷积神经网络识别每帧人脸特征向量；

根据所述图像序列和多帧人脸特征向量计算对应的动态表情特征；

计算所述动态表情特征属于每个表情类别的概率值；

获取所述概率值最高的表情类别，得到所述用户标识对应的表情类别。

5.根据权利要求1所述的方法，其特征在于，所述获取预设的分析模型之前，还包括：

从预设数据库中获取多个用户历史行为数据和表情类别数据；

对多个用户历史行为数据和表情类别数据进行聚类分析，得到聚类结果；

根据聚类结果进行特征选择，提取出多个特征变量和对应的特征维度值；

根据多个特征变量和对应的特征维度值按照预设方式建立分析模型。

6.根据权利要求1所述的方法，其特征在于，所述通过所述分析模型对所述表情类别和所述历史行为数据进行分析，得到分析结果，包括：

对所述历史行为数据进行特征提取，得到所述历史行为数据对应的特征向量；

将所述特征向量输入至所述分析模型中，通过所述分析模型对所述历史行为数据对应的特征向量进行分析，并生成对应的行为数据表；

根据所述表情类别和所述行为数据表生成分析结果。

7.一种行为数据推送装置，所述装置包括：

数据获取模块，用于获取用户终端上传的多帧人脸图片，所述多帧人脸图片携带了用户标识；

人脸识别模块，用于根据所述多帧人脸图片识别人脸图像，并提取所述人脸图像对应的人脸特征；

表情分类模块，用于获取预设的表情分类器，通过所述表情分类器对所述人脸特征进行分类，得到所述用户标识对应的表情类别；

所述数据获取模块还用于根据所述用户标识获取对应的历史行为数据；

数据分析模块，用于获取预设的分析模型，通过所述分析模型对所述表情类别和所述历史行为数据进行分析，得到分析结果，所述分析结果包括与所述用户当前的表情类别和用户历史行为习惯相匹配的行为标签；

所述数据获取模块还用于根据所述行为标签获取对应的行为数据；

数据推送模块，用于将所述行为数据推送至所述用户终端。