一种技术信息智能筛选及推送方法与流程
本发明涉及通信技术领域，具体涉及一种技术信息智能筛选及推送方法。
背景技术：
随着互联网技术的高速发展，人们通过互联网络可以快速地获得大量的技术成果信息，在错综复杂的技术成果信息中，对于需求方而言，很难快速地从大量的技术成果信息中获取到自己真正所需的技术成果信息，因此，如何方便快速地找到自己所需的技术成果信息，是目前亟需解决的技术问题。
技术实现要素：
针对上述问题，本发明提供一种技术信息智能筛选及推送方法。
本发明的目的采用以下技术方案来实现：
一种技术信息智能筛选及推送方法，该方法包括：
服务器接收由客户端发送的身份验证请求信息；其中，所述的身份验证请求信息包括：用户的人脸图像；
所述服务器根据接收到的身份验证请求信息以及预存的已授权登录用户的人脸特征数据，验证该用户的身份；
验证通过后，所述服务器接收由客户端发送的技术需求信息；
所述服务器根据接收到的技术需求信息，从所述服务器的技术成果信息库中筛选出符合所述技术需求信息的技术成果信息，其中，所述技术成果信息库中存储有已分类好的技术成果信息；
所述服务器将筛选出的技术成果信息推送至所述客户端。
在一种可选的实施方式中，所述服务器包括：用户信息管理模块；
所述用户信息管理模块，用于存储已授权登录用户的人脸特征数据。
在一种可选的实施方式中，所述方法进一步包括：
所述服务器接收由客户端发送的注册请求信息，所述注册请求信息包括：待注册用户的人脸图像；
所述服务器根据接收到的注册请求信息对待注册用户的人脸图像进行处理，提取表征该用户身份的人脸特征数据，并将其存储至所述用户信息管理模块中。
在一种可选的实施方式中，所述服务器根据接收到的身份验证请求信息以及预存的已授权登录用户的人脸特征数据，验证该用户的身份，具体是：
所述服务器对用户的人脸图像进行处理；
所述服务器从处理后的用户的人脸图像中提取表征用户身份的人脸特征数据；
所述服务器将提取到的人脸特征数据和所述用户身份信息库中存储的各用户的人脸特征数据进行匹配，若匹配成功，则验证通过。
在一种可选的实施方式中，所述的所述服务器对用户的人脸图像进行处理，具体是：
所述服务器将用户的人脸图像由rgb颜色空间变换到lab颜色空间；
所述服务器逐一对lab颜色空间的用户的人脸图像进行噪声点检测，将所有像素点划分为两类：疑似噪声点和非噪声点；
所述服务器将用户的人脸图像作灰度化处理，之后根据得到的疑似噪声点和非噪声点，计算用户的人脸图像的噪声密度；其中，噪声密度可采用如下算式计算得到：
式中，ρ为用户的人脸图像的噪声密度值，nnoise为疑似噪声点的个数，nclean为非噪声点的个数，g(pn)、g(qc)分别为像素点pn和像素点qc的灰度值，θnoise为疑似噪声点构成的集合，θclean为非噪声点构成的集合；
若计算得到的噪声密度值大于预设的噪声密度阈值t，则采用改进的小波变换进行滤波，即可得到滤波后的用户的人脸图像；
若计算得到的噪声密度值不大于预设的噪声密度阈值t，则计算疑似噪声点的灰度值的估计值，所有疑似噪声点的灰度值的估计值和非噪声点的灰度值构成的集合即为滤波后的用户的人脸图像。
在一种可选的实施方式中，所述的对lab颜色空间的用户的人脸图像进行噪声点检测，具体是：
(1)以像素点p(x,y)为中心，选取一个大小为m×m的检测窗口ωp，其中，该检测窗口ωp内除去像素点p(x,y)之外，有k个像素点，且所述的k个像素点为像素点p(x,y)的邻近像素点；
(2)利用下式计算像素点p(x,y)与其邻近像素点的关联系数；
式中，c(p)为像素点p(x,y)与其邻近像素点的关联系数，
(3)将得到的关联系数和预设的关联系数阈值进行比较，若其关联系数大于所述的预设的关联系数阈值，则该像素点为疑似噪声点，反之，该像素点为非噪声点。
本发明的有益效果为：本发明的目的在于提供一种技术信息智能筛选及推送方法，服务器首先接收客户端发送的身份验证请求信息，在验证通过后，该服务器接收由客户端发送的技术需求信息，进而从技术成果信息库中筛选出符合该技术需求信息的技术成果信息，并将筛选出的技术成果信息推送至所述客户端。该方法可以根据用户的技术需求信息，为用户推送其真正感兴趣的技术成果信息。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明实施例提供的服务器的框架结构图；
图2是本发明实施例提供的一种技术信息智能筛选及推送方法的流程图。
附图标记：服务器10、技术成果信息库11、用户信息管理模块12。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1，一种服务器，该服务器10包括：技术成果信息库11和用户信息管理模块12；
其中，技术成果信息库11，用于存储有已分类好的技术成果信息；
所述用户信息管理模块12，用于存储已授权登录用户的人脸特征数据。
参见图2，一种技术信息智能筛选及推送方法，该方法包括：
服务器10接收由客户端发送的身份验证请求信息；其中，所述的身份验证请求信息包括：用户的人脸图像；
所述服务器10根据接收到的身份验证请求信息以及预存的已授权登录用户的人脸特征数据，验证该用户的身份；
验证通过后，所述服务器10接收由客户端发送的技术需求信息；
所述服务器10根据接收到的技术需求信息，从所述服务器10的技术成果信息库11中筛选出符合所述技术需求信息的技术成果信息，其中，所述技术成果信息库11中存储有已分类好的技术成果信息；
所述服务器10将筛选出的技术成果信息推送至所述客户端。
在一种可选的实施方式中，所述方法进一步包括：
所述服务器接收由客户端发送的注册请求信息，所述注册请求信息包括：待注册用户的人脸图像；
所述服务器根据接收到的注册请求信息对待注册用户的人脸图像进行处理，提取表征该用户身份的人脸特征数据，并将其存储至所述用户信息管理模块中。
在一种可选的实施方式中，用户在进行注册时，还可以选择性地录入自己的邮箱、手机号码等信息，以方便服务器将筛选出的技术成果直接推送至用户的邮箱或者手机终端。
本发明实施例的目的在于提供一种技术信息智能筛选及推送方法，服务器首先接收客户端发送的身份验证请求信息，在验证通过后，该服务器接收由客户端发送的技术需求信息，进而从技术成果信息库中筛选出符合该技术需求信息的技术成果信息，并将筛选出的技术成果信息推送至所述客户端。该方法可以根据用户的技术需求信息，为用户推送其真正感兴趣的技术成果信息。用户登录后，服务器可以根据该用户注册时录入的邮箱信息、手机号码可以将筛选出的技术成果以邮件或者短信的方式推送给该用户，可以使用户在有需要时实时查看，无需再次查询。
在一种可选的实施方式中，所述服务器根据接收到的身份验证请求信息以及预存的已授权登录用户的人脸特征数据，验证该用户的身份，具体是：
所述服务器对用户的人脸图像进行处理；
所述服务器从处理后的用户的人脸图像中提取表征用户身份的人脸特征数据；
所述服务器将提取到的人脸特征数据和所述用户身份信息库中存储的各用户的人脸特征数据进行匹配，若匹配成功，则验证通过。
在一种可选的实施方式中，所述的所述服务器对用户的人脸图像进行处理，具体是：
所述服务器将用户的人脸图像由rgb颜色空间变换到lab颜色空间；
所述服务器逐一对lab颜色空间的用户的人脸图像进行噪声点检测，将所有像素点划分为两类：疑似噪声点和非噪声点；
所述服务器将用户的人脸图像作灰度化处理，之后根据得到的疑似噪声点和非噪声点，计算用户的人脸图像的噪声密度；其中，噪声密度可采用如下算式计算得到：
式中，ρ为用户的人脸图像的噪声密度值，nnoise为疑似噪声点的个数，nclean为非噪声点的个数，g(pn)、g(qc)分别为像素点pn和像素点qc的灰度值，θnoise为疑似噪声点构成的集合，θclean为非噪声点构成的集合；
若计算得到的噪声密度值大于预设的噪声密度阈值t，则采用改进的小波变换进行滤波，即可得到滤波后的用户的人脸图像；
若计算得到的噪声密度值不大于预设的噪声密度阈值t，则计算疑似噪声点的灰度值的估计值，所有疑似噪声点的灰度值的估计值和非噪声点的灰度值构成的集合即为滤波后的用户的人脸图像。
其中，噪声密度阈值t的取值范围为[0.525～1]，作为优选，噪声密度阈值t＝0.625。
在一种可选的实施方式中，所述的对lab颜色空间的用户的人脸图像进行噪声点检测，具体是：
(1)以像素点p(x,y)为中心，选取一个大小为m×m的检测窗口ωp，其中，该检测窗口ωp内除去像素点p(x,y)之外，有k个像素点，且所述的k个像素点为像素点p(x,y)的邻近像素点；
(2)利用下式计算像素点p(x,y)与其邻近像素点的关联系数；
式中，c(p)为像素点p(x,y)与其邻近像素点的关联系数，
(3)将得到的关联系数和预设的关联系数阈值进行比较，若其关联系数大于所述的预设的关联系数阈值，则该像素点为疑似噪声点，反之，该像素点为非噪声点。
有益效果：在上述实施方式中，通过逐一的对lab空间中的用户的人脸图像的像素点进行噪声点检测，将像素点划分为两类：疑似噪声点和非噪声点；从而使得在后续滤波过程中，针对不同类的像素点采用不同的滤波方法，达到去除人脸图像中噪声的目的。其中，在判断各像素点属于哪种类型的像素点时，考虑了其像素点本身的l分量、a分量、b分量在水平方向和竖直方向的导数，以及其邻近像素点的l分量、a分量、b分量在水平方向和竖直方向的导数的影响，从而能够准确地得到像素点与其邻近像素点的关联系数，便于后续对像素点类型进行准确估计，便于对各类像素点的准确滤波，改善该人脸图像的图像质量，保证了技术信息推送的准确性。
在一种可选的实施方式中，若计算得到的噪声密度值大于预设的噪声密度阈值t，则采用改进的小波变换进行滤波，即可得到滤波后的用户的人脸图像，具体是：
(1)将灰度化后的用户的人脸图像进行j层小波分解，得到一组小波变换系数；
(2)利用小波阈值函数对得到的小波系数进行调优，得到调优后的小波系数；
(3)对调优后的小波系数进行小波重构，即可得到滤波后的用户的人脸图像。
其中，在步骤(2)中，利用小波阈值函数对得到的小波系数进行调优，得到调优后的小波系数，具体是：
若|ωj,k|≥τj时，则利用如下调优函数对小波系数ωj,k进行调优，得到调优后的小波系数
式中，
若|ωj,k|＜τj时，则利用如下调优函数对小波系数ωj,k进行调优，得到调优后的小波系数
式中，
有益效果：在上述实施方式中，通过将灰度化后的用户的人脸图像进行小波分解，进而根据各分解层的小波系数的绝对值与其所在分解层的小波系数阈值进行比较，进而实现对小波系数的自适应调优，使得在抑制噪声的同时，能够保留图像中的细节信息；其中，在满足|ωj,k|≥τj时，选用上述调优函数进行调优，能够实现对小波系数的指数调优，该调优过程具有较强的抗干扰性能，且能够实现对小波系数的平滑调优，避免了调优过程出现“抖动”现象，同时也较好地保留了人脸图像的边缘信息。在满足|ωj,k|＜τj时，选用上述调优函数进行调优，该过程通过指数和线性相结合的方式进行调优，在实现调优的同时，也能够改善在阈值附近的振铃效应和失真问题。
在一种可选的实施方式中，τj的值可通过下式具体确定：
式中，τj为第j层小波系数阈值，med{|ωj|}表示取第j层小波系数绝对值的中间值，σ为灰度化后的用户的人脸图像的噪声方差，lenj为第j层小波系数的长度，max{e1,e2}代表取e1、e2两者中的最大值。
有益效果：在上述实施方式中，通过上式确定各个分解层的小波系数阈值，使得小波系数具有自适应性，且在计算各分解层小波系数阈值时，考虑其所在层的小波系数绝对值的中间值与σ大小关系的影响，还考虑了其所在分解层的小波系数的长度的影响，从而能够得到更接近真实情况的对应分解层的小波系数阈值，以利于后续对小波系数的准确调优。
在一种可选的实施方式中，若计算得到的噪声密度值不大于预设的噪声密度阈值t，则计算疑似噪声点的灰度值的估计值，所有疑似噪声点的灰度值的估计值和非噪声点的灰度值构成的集合即为滤波后的用户的人脸图像，具体是：其中，疑似噪声点p1的灰度值的估计值可通过下式计算得到：
式中，
有益效果：由于环境、光照等外界因素的影响，使得得到的人脸图像中可能存在噪声，基于此，需要对人脸图像进行滤波操作，以利于后续对用户身份的准确识别，基于此，申请人创新性的提出上述实施方式，在上述实施方式中，基于得到的疑似噪声点，利用上式计算疑似噪声点的灰度值的估计值，其不仅考虑了以疑似像素点为中心的，其滤波窗口内噪声点的影响，也考虑其滤波窗口内非噪声点的影响，从而能够对疑似噪声点的灰度值进行准确估计，提高了去噪效果，改善了该人脸图像的图像质量，降低了环境、光照等外界因素带来的影响，以利于后续对该图像进行处理。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。
- 还没有人留言评论。精彩留言会获得点赞！