一种用于提供交友对象的方法、设备及系统与流程

本案要求cn201710208749.9的优先权

本申请涉及通信领域，尤其涉及一种用于提供交友对象的技术。

背景技术：

外貌长相通常是人们在婚恋交友过程中所考虑的重要因素，不少人都憧憬自己的“梦中情人”的长相类型。然而，现有技术中，缺少根据用户的“梦中情人”的长相类型为用户提供交友对象的方案，未免有些遗憾。

技术实现要素：

本申请的一个目的是提供一种用于提供交友对象的方法、设备及系统。

根据本申请的一个方面，提供了一种在用户设备端用于提供交友对象的方法，其中，该方法包括：

根据用户的图像编辑操作，生成所述用户期望交友对象的图像信息；

将所述图像信息发送至对应网络设备；

接收所述网络设备返回的、与所述图像信息相匹配的一个或多个交友对象；

呈现所述一个或多个交友对象中至少一个交友对象。

根据本申请的另一个方面，提供了一种在网络设备端用于提供交友对象的方法，其中，该方法包括：

接收用户设备发送的用户期望交友对象的图像信息；

根据所述图像信息在对象信息库中匹配查询，以获得与所述图像信息相匹配的一个或多个交友对象；

将所述一个或多个交友对象中至少一个交友对象返回至所述用户设备。

根据本申请的又一个方面，提供了一种用于提供交友对象的用户设备，其中，该用户设备包括：

第一装置，用于根据用户的图像编辑操作，生成所述用户期望交友对象的图像信息；

第二装置，用于将所述图像信息发送至对应网络设备；

第三装置，用于接收所述网络设备返回的、与所述图像信息相匹配的一个或多个交友对象；

第四装置，用于呈现所述一个或多个交友对象中至少一个交友对象。

根据本申请的再一个方面，提供了一种用于提供交友对象的网络设备，其中，该网络设备包括：

第十一装置，用于接收用户设备发送的用户期望交友对象的图像信息；

第十二装置，用于根据所述图像信息在对象信息库中匹配查询，以获得与所述图像信息相匹配的一个或多个交友对象；

第十三装置，用于将所述一个或多个交友对象中至少一个交友对象返回至所述用户设备。

根据本申请的又一个方面，提供了一种用于提供交友对象的系统，包括如上所述的用户设备以及如上所述的网络设备。

根据本申请的又一个方面，提供了一种用于提供交友对象的方法，其中，该方法包括：

用户设备根据用户的图像编辑操作，生成所述用户期望交友对象的图像信息；

所述用户设备将所述图像信息发送至对应网络设备；

所述网络设备接收所述用户设备发送的用户期望交友对象的图像信息；

所述网络设备根据所述图像信息在对象信息库中匹配查询，以获得与所述图像信息相匹配的一个或多个交友对象；

所述网络设备将所述一个或多个交友对象中至少一个交友对象返回至所述用户设备；

所述用户设备接收所述网络设备返回的、与所述图像信息相匹配的一个或多个交友对象；

所述用户设备呈现所述一个或多个交友对象中至少一个交友对象。

根据本申请的又一个方面，提供了一种包括指令的计算机可读介质，所述指令在被执行时使得系统进行如上所述方法的操作。

根据本申请的又一个方面，提供了一种用于提供交友对象的用户设备，其中，该用户设备包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行如上所述的方法。

根据本申请的又一个方面，提供了一种用于提供交友对象的网络设备，其中，该网络设备包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行如上所述的方法。

与现有技术相比，本申请的用户设备根据用户的图像编辑操作，生成所述用户期望交友对象的图像信息，再将该图像信息发送至对应网络设备，由所述网络设备在对象信息库中匹配查询，以获得与所述图像信息相匹配的一个或多个交友对象，接着，所述网络设备将所述一个或多个交友对象中至少一个交友对象返回至所述用户设备，向所述用户呈现所述一个或多个交友对象中至少一个交友对象，从而方便用户快速找到与其期望交友对象的图像信息相匹配的交友对象，提升用户体验。进一步地，所述用户可以在所述参考图像的基础上执行所述图像编辑操作，减少所述图像编辑操作的时间，提高效率。进一步地，所述网络设备可以先根据文本参数匹配查询，筛选掉所述对象信息库中不符合所述文本参数的对象，再根据图片参数匹配查询，从而提高匹配查询的效率，减轻系统的负担。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1示出根据本申请一个实施例的一种用于提供交友对象的系统拓扑图；

图2示出根据本申请另一个实施例的一种用于提供交友对象的用户设备和网络设备的示意图；

图3示出根据本申请另一个实施例的一种用于提供交友对象的方法流程图。

附图中相同或相似的附图标记代表相同或相似的部件。

具体实施方式

下面结合附图对本申请作进一步详细描述。

在本申请一个典型的配置中，终端、服务网络的设备和可信方均包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。

图1示出根据本申请一个实施例的一种用于提供交友对象的系统拓扑图，该系统包括用户设备1和网络设备2。

在此，所述网络设备2包括一种能够按照事先设定或存储的指令，自动进行数值计算和信息处理的电子设备，其硬件包括但不限于微处理器、专用集成电路(asic)、可编程门阵列(fpga)、数字处理器(dsp)、嵌入式设备等。所述网络设备2其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云；在此，云由基于云计算(cloudcomputing)的大量计算机或网络服务器构成，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个虚拟超级计算机。所述网络包括但不限于互联网、广域网、城域网、局域网、vpn网络、无线自组织网络(adhoc网络)等。所述用户设备1包括但不限于任何一种可与用户进行人机交互的移动电子产品，例如智能手机、平板电脑、笔记本电脑等，所述移动电子产品可以采用任意操作系统，如android操作系统、ios操作系统、windows操作系统等。

为简明起见，下面以所述网络设备2及一个所述用户设备1组成的系统为例进行描述。

图2示出根据本申请另一个实施例的一种用于提供交友对象的用户设备1和网络设备2，其中，所述用户设备1包括第一装置101、第二装置102、第三装置103和第四装置104，所述网络设备2包括第十一装置211、第十二装置212和第十三装置213。

具体地，所述第一装置101根据用户的图像编辑操作，生成所述用户期望交友对象的图像信息；所述第二装置102将所述图像信息发送至对应网络设备2；所述第十一装置211接收用户设备1发送的用户期望交友对象的图像信息；所述第十二装置212根据所述图像信息在对象信息库中匹配查询，以获得与所述图像信息相匹配的一个或多个交友对象；所述第十三装置213将所述一个或多个交友对象中至少一个交友对象返回至所述用户设备1；所述第三装置103接收所述网络设备2返回的、与所述图像信息相匹配的一个或多个交友对象；所述第四装置104呈现所述一个或多个交友对象中至少一个交友对象。

例如，所述用户使用用户设备1上特定应用(包括但不限于网页应用、用户设备上安装的应用程序等)，可以通过所述图像编辑操作绘制出期望交友对象(比如“梦中情人”)的图像信息。接着，用户设备1将该用户期望交友对象的图像信息发送至该特定应用云端的网络设备2。所述网络设备2在存储有众多用户图像信息的对象信息库中匹配(所运用的人脸匹配技术包括但不限于：基于眼睛坐标的几何匹配、基于sift(scale-invariantfeaturetransform，尺度不变特征变换)特征的匹配、基于统计特征的模板匹配等)查询，得到与该用户期望交友对象的图像信息相匹配的一个或多个交友对象。

然后，所述网络设备2将所述一个或多个交友对象返回至所述用户设备1；或者，所述网络设备2根据匹配度的高低，将所述一个或多个交友对象中匹配度最高的一个或匹配度较高的几个交友对象返回至所述用户设备1。

所述用户设备1收到与该用户期望交友对象的图像信息相匹配的一个或多个交友对象后，通过该特定应用向所述用户呈现(呈现内容包括但不限于交友对象的图像信息、身高、年龄、职业等信息)该一个或多个交友对象；或者，根据匹配度的高低，向所述用户呈现该一个或多个交友对象中匹配度最高的一个或匹配度较高的几个交友对象。

当然，本领域技术人员应能理解上述人脸匹配技术，如基于眼睛坐标的几何匹配、基于sift(scale-invariantfeaturetransform，尺度不变特征变换)特征的匹配、基于统计特征的模板匹配等，仅为举例，其他现有的或今后可能出现的人脸匹配技术如可适用于本申请，也应包含在本申请保护范围以内，并在此以引用方式包含于此。

在具体的实施例中，可以通过如下步骤匹配所述用户期望交友对象的图像信息及所述对象信息库中的图像信息：

1)运用图像人脸检测(facedectection)以及脸部特征点定位，从所述图像信息中找到人脸所在的位置。

例如，可以采用haar分类器+adaboost算法，从图像中抽取harr-like特征，再利用adaboost算法进行人脸检测。或者，也可以采用模版匹配法，使用眼睛、鼻子、嘴和人脸轮廓等子模板建模,检测图像中的正面人脸，计算子图像和轮廓模板之间的相互关系去检测人脸的候选区域，完成用其他子模板在候选区域的匹配。或者，还可以采用其他现有的或今后可能出现的技术。

2)人脸图像几何归一化。

根据脸部特征点位置从图像中得到归一化的人脸区域图像(每个图像的像素一致，统一尺寸)，这一步主要是使得不同人脸上的像素对应的人脸位置一致，这样才有可比性，这个步骤可以看作是一个对图像进行仿射变化的过程(进行线性插值或者缩放完成)。

3-1)人脸图像光照归一化。

主要目的是克服不同光照对人脸的影响，提高算法对光照条件的鲁棒性。例如，可以采用高斯差分滤波(一种基于高斯差分滤波器的图像的光照归一化方法)，或者，也可以采用其他现有的或今后可能出现的技术。

3-2)人脸局部光照归一化。

对图像像素分段，使得每段中各像素对应的物体表面点具有相近的表面法向量分布，因而对光源具有相似的灰度响应，然后局部归一化在各段中进行以削弱光照影响。例如，可以首先建立物体的朗伯(lambert)表面反射模型，用奇异值分解方法估计出人脸形状的平均表面法向量分布矩阵，根据法向量方向利用聚类算法对像素进行分段，然后在各段中进行局部的像素归一化处理。

4)人脸图像特征提取。

肤色特征(根据彩色图像不同的色度空间来选择，rgb、shi、yuv等色度空间)：常用的肤色模型有高斯模型、直方图模型等；灰度特征：包括人脸轮廓特征，人脸灰度分布特征，器官特征，模版特征。人脸区域内的各个器官(如眼睛、鼻子、嘴等)是人脸的重要特征。例如，用人工神经网分别检测眼睛、鼻子、嘴以及人脸的整体特征。人脸区域的灰度本身可以作为模板特征，通常取仅包含眼睛、鼻子和嘴的面部中心区域作为共性的人脸模板特征；对人脸进行变换后的其他特征：比如哈伯(gabor)特征和局部二值模式(lbp)特征，可以对多种特征进行融合。

5)特征的处理(降维处理)。

将高维的人脸特征映射到分类或者识别能力更强的低维度特征，例如，可以采用常见的pca(principalcomponentanalysis，主成分分析)+lda(lineardiscriminantanalysis，线性判别式分析)的方法。然后把处理的特征链接成一个特征向量vector：v。

6)计算两个图像特征之间的距离。

例如，计算它们(向量v1，v2)之间的cosine相似度：

或者，计算它们之间的欧式距离：

d(v1,v2)＝||v1-v2||²

根据两个图像特征之间的距离大小，来确定其匹配度的高低。两个图像特征之间的距离越小，其匹配度越高；两个图像特征之间的距离越大，其匹配度越低。

优选地，所述第一装置101根据用户对参考图像的图像编辑操作，生成用户期望交友对象的图像信息。

在本实施例中，所述用户可以在所述参考图像的基础上执行所述图像编辑操作，以获得所述用户期望交友对象的图像信息。例如，所述参考图像可以包括人类标准脸、全体中国人的平均脸等图像信息。

优选地，所述参考图像是基于所述用户的用户相关信息生成的。

例如，所述用户的用户相关信息包括但不限于：所述用户的图像信息、所述用户的身高、年龄、职业等信息。在本实施例中，所述参考图像是基于所述用户的用户相关信息生成的，因此，所述用户可以通过较少的图像编辑操作得到其期望交友对象的图像信息。

在此，所述参考图像可以由所述用户设备1上特定应用生成；所述参考图像也可以由该特定应用云端的网络设备2生成，而后从该网络设备2发送至所述用户设备1。优选地，所述图像编辑操作包括以下至少任一项：复制并粘贴体征模块；替换所述体征模块；通过拖放操作调整所述体征模块；根据输入参数设置所述体征模块。

例如，所述体征模块包括眼睛、鼻子、嘴巴等模块，可以通过拼接各体征模块得到所述用户期望交友对象的图像信息。所述通过拖放操作调整所述体征模块，可以包括：调整眼睛、鼻子等的大小、形状、位置等。所述根据输入参数设置所述体征模块，可以包括：根据所述用户输入的期望交友对象的身高、体脂比等信息设置所述体征模块。

所述用户在绘制其期望交友对象的图像信息时，可以执行若干次所述图像编辑操作，直至得到满意的期望交友对象的图像信息。

优选地，所述对象信息库中存储有按预定图像要求上传的用户图像信息。

在本实施例中，所述用户不仅向所述网络设备2发送其期望交友对象的图像信息，还需将所述用户自身的用户图像信息上传至所述网络设备2的所述对象信息库。因此，所述对象信息库中存储有众多用户图像信息以供匹配查询。其中，所述预定图像要求可以包括：限制对所述用户图像信息的处理与修改，限制遮挡眼睛、耳朵等。

优选地，所述图像信息包括所述用户期望交友对象的文本参数及图片参数；其中，所述第十二装置212根据所述文本参数在对象信息库中匹配查询，以获得与所述文本参数相匹配的若干个候选交友对象；根据所述图片参数在所述若干个候选交友对象中匹配查询，以获得与所述图片参数相匹配的一个或多个交友对象。

例如，所述文本参数可以包括所述用户对其期望交友对象的文字描述信息(如身高、年龄、职业等)，所述图片参数可以包括所述用户对其期望交友对象的图片描述信息(如人脸、胖瘦等)。在本实施例中，先根据所述文本参数在对象信息库中匹配查询，得到与所述文本参数相匹配的若干个候选交友对象；然后，再根据所述图片参数在所述若干个候选交友对象中匹配查询，从所述若干个候选交友对象中获得与所述图片参数相匹配的一个或多个交友对象。在此，先根据文本参数匹配查询，筛选掉所述对象信息库中不符合所述文本参数的对象，再根据图片参数匹配查询，从而提高匹配查询的效率，减轻系统的负担。

优选地，所述用户设备1还包括第十七装置(图中未示出)，所述网络设备2还包括第十八装置(图中未示出)；所述第十七装置向所述网络设备2上传用户声音信息；所述第十八装置接收所述用户设备1上传的用户声音信息；所述第十二装置212根据所述图像信息及所述用户声音信息在对象信息库中匹配查询，以获得与所述图像信息相匹配的一个或多个交友对象；所述第十三装置213将所述一个或多个交友对象中至少一个交友对象返回至所述用户设备1；所述第三装置103接收所述网络设备2返回的、与所述图像信息及所述用户声音信息相匹配的一个或多个交友对象。

例如，所述用户声音信息可以包括该用户自己的声音，也可以包括该用户的亲戚、朋友、路人等的声音。可以给所述用户声音信息及所述用户期望社交对象的图像信息分别赋予一个权重值；基于所述用户声音信息、所述图像信息，分别在所述对象信息库中进行匹配查询，再根据所述用户声音信息及所述图像信息的权重值，确定与所述用户声音信息及所述图像信息相匹配的一个或多个社交对象。

在具体的实施例中，可以通过如下步骤匹配所述用户声音信息及所述对象信息库中的声音信息：

(1)对所述用户声音信息进行语音的降噪、高通滤波、分帧和端点检测等预处理。

(2)提取所述用户声音信息的多个特征参数。在此，所述特征参数包括但不限于基音(pitch)、梅尔频率倒谱系数(mfcc)、动态差分参数等。

其中，①基音(pitch)。人在发音时，根据声带是否震动可以将语音信号分为清音跟浊音两种。浊音又称有声语言，携带者语言中大部分的能量，浊音在时域上呈现出明显的周期性；而清音类似于白噪声，没有明显的周期性。发浊音时，气流通过声门使声带产生张驰震荡式振动，产生准周期的激励脉冲串。这种声带振动的频率称为基音频率，相应的周期就成为基音周期。基音频率与个人声带的长短、薄厚、韧性和发音习惯等关系，在很大程度上反应了个人的特征。

②梅尔频率倒谱系数(mfcc)。根据人的听觉机理的研究发现，人耳对不同频率的声波有不同的听觉灵敏度。从200hz到5khz之间的语音信号对语音的清晰度影响最大。低音掩蔽高音容易，反之则困难。在低频处的声音掩蔽的临界带宽较高频端小。据此，人们从低频到高频这一段频带内按临界带宽的大小由密到稀安排一组带通滤波器，对输入信号进行滤波。将每个带通滤波器输出的信号能量作为信号的基本特征，对此特征经过进一步处理后就可作为语音的输入特征。由于这种特征不依赖于信号的性质，对输入信号不做任何的假设和限制，又利用了听觉模型的研究成果，因此，这种参数与基于声道模型的lpcc相比具有较好的鲁棒性，更符合人耳的听觉特性，而且当信噪比降低时仍然具有较好的识别性能。

mfcc是在mel标度频率域提取出来的倒谱参数，mel标度描述了人耳频率的非线性特性，它与频率的关系可用下式近似表示：

mel(f)＝2595*lg(1+f/700)

式中，f为频率，单位为hz。

③动态差分参数的提取。标准的倒谱参数mfcc只反映了语音参数的静态特性，语音的动态特性可以用这些静态特征的差分谱来描述，实验证明:把动、静态特征结合起来能有效提高系统的识别性能。差分参数的计算可以采用下面的公式：

式中，dt表示第t个一阶差分；ct表示第t个倒谱系数；q表示倒谱系数的阶数；k表示一阶导数的时间差，可去1或2。

(3)根据该多个特征参数，得到所述用户声音信息的特征向量。

例如，提取所述用户声音信息的基音(pitch)、梅尔频率倒谱系数(mfcc)、动态差分参数，每帧声音可以得到多达36维的特征向量(包括：基频、能量、12维的mfcc、12维的一阶差分mfcc、12维的二阶差分mfcc)。

(4)将所述用户声音信息的特征向量作为所述对象信息库中声音特征参数模型的输入，得到所述对象信息库中声音特征参数模型输出的匹配度。

例如，每个对象的声音特征参数模型的输入可以是所述用户声音信息的36维的特征向量，输出可以是所述用户声音信息与该声音特征参数模型的匹配度。假设所述对象数据库中有对象a、对象b、对象c、对象d、对象e、对象f的声音特征参数模型，将所述用户声音信息的特征向量分别输入对象a、b、c、d、e、f的声音特征参数模型a’、b’、c’、d’、e’、f’，分别得到输出的匹配度为75％、15％、35％、80％、40％、85％。

优选地，所呈现交友对象的联系信息处于隐藏状态；其中，所述用户设备1还包括第五装置(图中未示出)和第六装置(图中未示出)；所述第五装置获取所述用户提交的、关于所呈现交友对象中目标交友对象的联系信息请求；所述第六装置当所述联系信息请求通过验证，呈现所述目标交友对象的联系信息。

例如，所述用户设备1接收所述网络设备2返回的、与该用户期望交友对象的图像信息相匹配的一个或多个交友对象之后，不向所述用户呈现交友对象的联系信息(如电话号码、电子邮箱、家庭住址等信息)，即交友对象的联系信息处于隐藏状态。所述用户若对所述一个或多个交友对象中目标交友对象的图像信息感兴趣，可以通过提交关于所述目标交友对象的联系信息请求，以获取所述目标交友对象的联系信息。

其中，对所述联系信息请求的验证包括但不限于：所述用户是否满足预定的会员等级、所述用户是否就所述联系信息请求支付成功等。在此，对所述联系信息请求的验证可以由所述用户设备1上特定应用来完成；也可以通过所述用户设备1将所述联系信息请求发送至该特定应用云端的网络设备2，由所述网络设备2来完成对所述联系信息请求的验证。

优选地，所述网络设备2还包括第十四装置(图中未示出)、第十五装置(图中未示出)和第十六装置(图中未示出)；所述用户设备1的第六装置将所述联系信息请求发送至所述网络设备2；所述网络设备2的第十四装置接收所述用户设备1发送的、所述用户关于所述至少一个交友对象中目标交友对象的联系信息请求；所述网络设备2的第十五装置验证所述联系信息请求；所述网络设备2的第十六装置当所述联系信息请求通过验证，将所述目标交友对象的联系信息返回至所述用户设备1；所述用户设备1的第六装置接收所述网络设备2在所述联系信息请求通过验证后返回的、所述目标交友对象的联系信息；所述用户设备1的第六装置呈现所述目标交友对象的联系信息。

在本实施例中，通过所述用户设备1将所述联系信息请求发送至该特定应用云端的网络设备2，由所述网络设备2来完成对所述联系信息请求的验证。当所述联系信息请求通过验证，所述网络设备2将所述目标交友对象的联系信息返回至所述用户设备1。

优选地，所述第三装置103接收所述网络设备返回的、与所述图像信息相匹配的一个或多个交友对象及每个交友对象的联系信息；所述第六装置当所述联系信息请求通过验证，呈现所述目标交友对象在所述用户设备中存储的联系信息。

在本实施例中，所述用户设备1在接收所述网络设备2返回的、与该用户期望交友对象的图像信息相匹配的一个或多个交友对象的同时，还接收了每个交友对象的联系信息，但是不向所述用户呈现交友对象的联系信息。当所述联系信息请求通过验证，再向所述用户呈现所述用户设备1中存储的所述目标交友对象的联系信息。

优选地，所述用户设备1还包括第七装置(图中未示出)、第八装置(图中未示出)、第九装置(图中未示出)和第十装置(图中未示出)；所述第七装置根据所述用户对所呈现交友对象的反馈信息，调整所述图像信息；所述第八装置将调整后的所述图像信息发送至对应网络设备2；所述第九装置接收所述网络设备2返回的、与所述调整后的图像信息相匹配的一个或多个交友对象；所述第十装置呈现所述一个或多个交友对象中至少一个交友对象。

例如，若所述用户对所述网络设备2返回的一个或多个交友对象不满意，可以提供关于该一个或多个交友对象的反馈信息(比如眼睛太小、年龄太大等)。所述用户设备1上的特定应用根据该反馈信息调整所述用户期望交友对象的图像信息，再将调整后的所述图像信息发送至对应网络设备2。所述网络设备2根据调整后的所述图像信息再次在对象信息库中匹配查询，并将与其相匹配的一个或多个交友对象返回至所述用户设备1。然后，通过所述用户设备1上的特定应用，向所述用户呈现所述一个或多个交友对象中至少一个交友对象。

根据本申请的又一个方面，提供了一种用于提供交友对象的系统，包括如上所述的用户设备以及如上所述的网络设备。

图3示出根据本申请另一个实施例的一种用于提供交友对象的方法流程图，其中，该方法包括用户设备端的步骤s101、步骤s102、步骤s103和步骤s104，以及网络设备端的步骤s211、步骤s212和步骤s213。

具体地，步骤s101中，用户设备1根据用户的图像编辑操作，生成所述用户期望交友对象的图像信息；步骤s102中，用户设备1将所述图像信息发送至对应网络设备2；步骤s211中，网络设备2接收用户设备1发送的用户期望交友对象的图像信息；步骤s212中，网络设备2根据所述图像信息在对象信息库中匹配查询，以获得与所述图像信息相匹配的一个或多个交友对象；步骤s213中，网络设备2将所述一个或多个交友对象中至少一个交友对象返回至所述用户设备1；步骤s103中，用户设备1接收所述网络设备2返回的、与所述图像信息相匹配的一个或多个交友对象；步骤s104中，用户设备1呈现所述一个或多个交友对象中至少一个交友对象。

例如，所述用户使用用户设备1上特定应用(包括但不限于网页应用、用户设备上安装的应用程序等)，可以通过所述图像编辑操作绘制出期望交友对象(比如“梦中情人”)的图像信息。接着，用户设备1将该用户期望交友对象的图像信息发送至该特定应用云端的网络设备2。所述网络设备2在存储有众多用户图像信息的对象信息库中匹配(所运用的人脸匹配技术包括但不限于：基于眼睛坐标的几何匹配、基于sift(scale-invariantfeaturetransform，尺度不变特征变换)特征的匹配、基于统计特征的模板匹配等)查询，得到与该用户期望交友对象的图像信息相匹配的一个或多个交友对象。

然后，所述网络设备2将所述一个或多个交友对象返回至所述用户设备1；或者，所述网络设备2根据匹配度的高低，将所述一个或多个交友对象中匹配度最高的一个或匹配度较高的几个交友对象返回至所述用户设备1。

所述用户设备1收到与该用户期望交友对象的图像信息相匹配的一个或多个交友对象后，通过该特定应用向所述用户呈现(呈现内容包括但不限于交友对象的图像信息、身高、年龄、职业等信息)该一个或多个交友对象；或者，根据匹配度的高低，向所述用户呈现该一个或多个交友对象中匹配度最高的一个或匹配度较高的几个交友对象。

当然，本领域技术人员应能理解上述人脸匹配技术，如基于眼睛坐标的几何匹配、基于sift(scale-invariantfeaturetransform，尺度不变特征变换)特征的匹配、基于统计特征的模板匹配等，仅为举例，其他现有的或今后可能出现的人脸匹配技术如可适用于本申请，也应包含在本申请保护范围以内，并在此以引用方式包含于此。

在具体的实施例中，可以通过如下步骤匹配所述用户期望交友对象的图像信息及所述对象信息库中的图像信息：

1)运用图像人脸检测(facedectection)以及脸部特征点定位，从所述图像信息中找到人脸所在的位置。

例如，可以采用haar分类器+adaboost算法，从图像中抽取harr-like特征，再利用adaboost算法进行人脸检测。或者，也可以采用模版匹配法，使用眼睛、鼻子、嘴和人脸轮廓等子模板建模,检测图像中的正面人脸，计算子图像和轮廓模板之间的相互关系去检测人脸的候选区域，完成用其他子模板在候选区域的匹配。或者，还可以采用其他现有的或今后可能出现的技术。

2)人脸图像几何归一化。

根据脸部特征点位置从图像中得到归一化的人脸区域图像(每个图像的像素一致，统一尺寸)，这一步主要是使得不同人脸上的像素对应的人脸位置一致，这样才有可比性，这个步骤可以看作是一个对图像进行仿射变化的过程(进行线性插值或者缩放完成)。

3-1)人脸图像光照归一化。

主要目的是克服不同光照对人脸的影响，提高算法对光照条件的鲁棒性。例如，可以采用高斯差分滤波(一种基于高斯差分滤波器的图像的光照归一化方法)，或者，也可以采用其他现有的或今后可能出现的技术。

3-2)人脸局部光照归一化。

对图像像素分段，使得每段中各像素对应的物体表面点具有相近的表面法向量分布，因而对光源具有相似的灰度响应，然后局部归一化在各段中进行以削弱光照影响。例如，可以首先建立物体的朗伯(lambert)表面反射模型，用奇异值分解方法估计出人脸形状的平均表面法向量分布矩阵，根据法向量方向利用聚类算法对像素进行分段，然后在各段中进行局部的像素归一化处理。

4)人脸图像特征提取。

肤色特征(根据彩色图像不同的色度空间来选择，rgb、shi、yuv等色度空间)：常用的肤色模型有高斯模型、直方图模型等；灰度特征：包括人脸轮廓特征，人脸灰度分布特征，器官特征，模版特征。人脸区域内的各个器官(如眼睛、鼻子、嘴等)是人脸的重要特征。例如，用人工神经网分别检测眼睛、鼻子、嘴以及人脸的整体特征。人脸区域的灰度本身可以作为模板特征，通常取仅包含眼睛、鼻子和嘴的面部中心区域作为共性的人脸模板特征；对人脸进行变换后的其他特征：比如哈伯(gabor)特征和局部二值模式(lbp)特征，可以对多种特征进行融合。

5)特征的处理(降维处理)。

将高维的人脸特征映射到分类或者识别能力更强的低维度特征，例如，可以采用常见的pca(principalcomponentanalysis，主成分分析)+lda(lineardiscriminantanalysis，线性判别式分析)的方法。然后把处理的特征链接成一个特征向量vector：v。

6)计算两个图像特征之间的距离。

例如，计算它们(向量v1，v2)之间的cosine相似度：

或者，计算它们之间的欧式距离：

d(v1,v2)＝||v1-v2||²

根据两个图像特征之间的距离大小，来确定其匹配度的高低。两个图像特征之间的距离越小，其匹配度越高；两个图像特征之间的距离越大，其匹配度越低。

优选地，步骤s101中，用户设备1根据用户对参考图像的图像编辑操作，生成用户期望交友对象的图像信息。

在本实施例中，所述用户可以在所述参考图像的基础上执行所述图像编辑操作，以获得所述用户期望交友对象的图像信息。例如，所述参考图像可以包括人类标准脸、全体中国人的平均脸等图像信息。

优选地，所述参考图像是基于所述用户的用户相关信息生成的。

例如，所述用户的用户相关信息包括但不限于：所述用户的图像信息、所述用户的身高、年龄、职业等信息。在本实施例中，所述参考图像是基于所述用户的用户相关信息生成的，因此，所述用户可以通过较少的图像编辑操作得到其期望交友对象的图像信息。

在此，所述参考图像可以由所述用户设备1上特定应用生成；所述参考图像也可以由该特定应用云端的网络设备2生成，而后从该网络设备2发送至所述用户设备1。优选地，所述图像编辑操作包括以下至少任一项：复制并粘贴体征模块；替换所述体征模块；通过拖放操作调整所述体征模块；根据输入参数设置所述体征模块。

例如，所述体征模块包括眼睛、鼻子、嘴巴等模块，可以通过拼接各体征模块得到所述用户期望交友对象的图像信息。所述通过拖放操作调整所述体征模块，可以包括：调整眼睛、鼻子等的大小、形状、位置等。所述根据输入参数设置所述体征模块，可以包括：根据所述用户输入的期望交友对象的身高、体脂比等信息设置所述体征模块。

所述用户在绘制其期望交友对象的图像信息时，可以执行若干次所述图像编辑操作，直至得到满意的期望交友对象的图像信息。

优选地，所述对象信息库中存储有按预定图像要求上传的用户图像信息。

在本实施例中，所述用户不仅向所述网络设备2发送其期望交友对象的图像信息，还需将所述用户自身的用户图像信息上传至所述网络设备2的所述对象信息库。因此，所述对象信息库中存储有众多用户图像信息以供匹配查询。其中，所述预定图像要求可以包括：限制对所述用户图像信息的处理与修改，限制遮挡眼睛、耳朵等。

优选地，所述图像信息包括所述用户期望交友对象的文本参数及图片参数；其中，步骤s212中，网络设备2根据所述文本参数在对象信息库中匹配查询，以获得与所述文本参数相匹配的若干个候选交友对象；根据所述图片参数在所述若干个候选交友对象中匹配查询，以获得与所述图片参数相匹配的一个或多个交友对象。

例如，所述文本参数可以包括所述用户对其期望交友对象的文字描述信息(如身高、年龄、职业等)，所述图片参数可以包括所述用户对其期望交友对象的图片描述信息(如人脸、胖瘦等)。在本实施例中，先根据所述文本参数在对象信息库中匹配查询，得到与所述文本参数相匹配的若干个候选交友对象；然后，再根据所述图片参数在所述若干个候选交友对象中匹配查询，从所述若干个候选交友对象中获得与所述图片参数相匹配的一个或多个交友对象。在此，先根据文本参数匹配查询，筛选掉所述对象信息库中不符合所述文本参数的对象，再根据图片参数匹配查询，从而提高匹配查询的效率，减轻系统的负担。

优选地，所述方法还包括：所述用户设备1向所述网络设备2上传用户声音信息；所述网络设备2接收所述用户设备1上传的用户声音信息；所述网络设备2根据所述图像信息及所述用户声音信息在对象信息库中匹配查询，以获得与所述图像信息相匹配的一个或多个交友对象；所述网络设备2将所述一个或多个交友对象中至少一个交友对象返回至所述用户设备1；所述用户设备1接收所述网络设备2返回的、与所述图像信息及所述用户声音信息相匹配的一个或多个交友对象。

例如，所述用户声音信息可以包括该用户自己的声音，也可以包括该用户的亲戚、朋友、路人等的声音。可以给所述用户声音信息及所述用户期望社交对象的图像信息分别赋予一个权重值；基于所述用户声音信息、所述图像信息，分别在所述对象信息库中进行匹配查询，再根据所述用户声音信息及所述图像信息的权重值，确定与所述用户声音信息及所述图像信息相匹配的一个或多个社交对象。

在具体的实施例中，可以通过如下步骤匹配所述用户声音信息及所述对象信息库中的声音信息：

(1)对所述用户声音信息进行语音的降噪、高通滤波、分帧和端点检测等预处理。

(2)提取所述用户声音信息的多个特征参数。在此，所述特征参数包括但不限于基音(pitch)、梅尔频率倒谱系数(mfcc)、动态差分参数等。

其中，①基音(pitch)。人在发音时，根据声带是否震动可以将语音信号分为清音跟浊音两种。浊音又称有声语言，携带者语言中大部分的能量，浊音在时域上呈现出明显的周期性；而清音类似于白噪声，没有明显的周期性。发浊音时，气流通过声门使声带产生张驰震荡式振动，产生准周期的激励脉冲串。这种声带振动的频率称为基音频率，相应的周期就成为基音周期。基音频率与个人声带的长短、薄厚、韧性和发音习惯等关系，在很大程度上反应了个人的特征。

②梅尔频率倒谱系数(mfcc)。根据人的听觉机理的研究发现，人耳对不同频率的声波有不同的听觉灵敏度。从200hz到5khz之间的语音信号对语音的清晰度影响最大。低音掩蔽高音容易，反之则困难。在低频处的声音掩蔽的临界带宽较高频端小。据此，人们从低频到高频这一段频带内按临界带宽的大小由密到稀安排一组带通滤波器，对输入信号进行滤波。将每个带通滤波器输出的信号能量作为信号的基本特征，对此特征经过进一步处理后就可作为语音的输入特征。由于这种特征不依赖于信号的性质，对输入信号不做任何的假设和限制，又利用了听觉模型的研究成果，因此，这种参数与基于声道模型的lpcc相比具有较好的鲁棒性，更符合人耳的听觉特性，而且当信噪比降低时仍然具有较好的识别性能。

mfcc是在mel标度频率域提取出来的倒谱参数，mel标度描述了人耳频率的非线性特性，它与频率的关系可用下式近似表示：

mel(f)＝2595*lg(1+f/700)

式中，f为频率，单位为hz。

③动态差分参数的提取。标准的倒谱参数mfcc只反映了语音参数的静态特性，语音的动态特性可以用这些静态特征的差分谱来描述，实验证明:把动、静态特征结合起来能有效提高系统的识别性能。差分参数的计算可以采用下面的公式：

式中，dt表示第t个一阶差分；ct表示第t个倒谱系数；q表示倒谱系数的阶数；k表示一阶导数的时间差，可去1或2。

(3)根据该多个特征参数，得到所述用户声音信息的特征向量。

例如，提取所述用户声音信息的基音(pitch)、梅尔频率倒谱系数(mfcc)、动态差分参数，每帧声音可以得到多达36维的特征向量(包括：基频、能量、12维的mfcc、12维的一阶差分mfcc、12维的二阶差分mfcc)。

(4)将所述用户声音信息的特征向量作为所述对象信息库中声音特征参数模型的输入，得到所述对象信息库中声音特征参数模型输出的匹配度。

例如，每个对象的声音特征参数模型的输入可以是所述用户声音信息的36维的特征向量，输出可以是所述用户声音信息与该声音特征参数模型的匹配度。假设所述对象数据库中有对象a、对象b、对象c、对象d、对象e、对象f的声音特征参数模型，将所述用户声音信息的特征向量分别输入对象a、b、c、d、e、f的声音特征参数模型a’、b’、c’、d’、e’、f’，分别得到输出的匹配度为75％、15％、35％、80％、40％、85％。

优选地，所呈现交友对象的联系信息处于隐藏状态；其中，所述方法还包括：所述用户设备1获取所述用户提交的、关于所呈现交友对象中目标交友对象的联系信息请求；当所述联系信息请求通过验证，呈现所述目标交友对象的联系信息。

例如，所述用户设备1接收所述网络设备2返回的、与该用户期望交友对象的图像信息相匹配的一个或多个交友对象之后，不向所述用户呈现交友对象的联系信息(如电话号码、电子邮箱、家庭住址等信息)，即交友对象的联系信息处于隐藏状态。所述用户若对所述一个或多个交友对象中目标交友对象的图像信息感兴趣，可以通过提交关于所述目标交友对象的联系信息请求，以获取所述目标交友对象的联系信息。

其中，对所述联系信息请求的验证包括但不限于：所述用户是否满足预定的会员等级、所述用户是否就所述联系信息请求支付成功等。在此，对所述联系信息请求的验证可以由所述用户设备1上特定应用来完成；也可以通过所述用户设备1将所述联系信息请求发送至该特定应用云端的网络设备2，由所述网络设备2来完成对所述联系信息请求的验证。

优选地，所述方法还包括：所述用户设备1将所述联系信息请求发送至所述网络设备2；所述网络设备2接收所述用户设备1发送的、所述用户关于所述至少一个交友对象中目标交友对象的联系信息请求；所述网络设备2验证所述联系信息请求；所述网络设备2当所述联系信息请求通过验证，将所述目标交友对象的联系信息返回至所述用户设备1；所述用户设备1接收所述网络设备2在所述联系信息请求通过验证后返回的、所述目标交友对象的联系信息；所述用户设备1呈现所述目标交友对象的联系信息。

在本实施例中，通过所述用户设备1将所述联系信息请求发送至该特定应用云端的网络设备2，由所述网络设备2来完成对所述联系信息请求的验证。当所述联系信息请求通过验证，所述网络设备2将所述目标交友对象的联系信息返回至所述用户设备1。

优选地，步骤s103中，用户设备1接收所述网络设备返回的、与所述图像信息相匹配的一个或多个交友对象及每个交友对象的联系信息；所述用户设备1当所述联系信息请求通过验证，呈现所述目标交友对象在所述用户设备中存储的联系信息。

在本实施例中，所述用户设备1在接收所述网络设备2返回的、与该用户期望交友对象的图像信息相匹配的一个或多个交友对象的同时，还接收了每个交友对象的联系信息，但是不向所述用户呈现交友对象的联系信息。当所述联系信息请求通过验证，再向所述用户呈现所述用户设备1中存储的所述目标交友对象的联系信息。

优选地，所述方法还包括：所述用户设备1根据所述用户对所呈现交友对象的反馈信息，调整所述图像信息；所述用户设备1将调整后的所述图像信息发送至对应网络设备2；所述用户设备1接收所述网络设备2返回的、与所述调整后的图像信息相匹配的一个或多个交友对象；所述用户设备1呈现所述一个或多个交友对象中至少一个交友对象。

例如，若所述用户对所述网络设备2返回的一个或多个交友对象不满意，可以提供关于该一个或多个交友对象的反馈信息(比如眼睛太小、年龄太大等)。所述用户设备1上的特定应用根据该反馈信息调整所述用户期望交友对象的图像信息，再将调整后的所述图像信息发送至对应网络设备2。所述网络设备2根据调整后的所述图像信息再次在对象信息库中匹配查询，并将与其相匹配的一个或多个交友对象返回至所述用户设备1。然后，通过所述用户设备1上的特定应用，向所述用户呈现所述一个或多个交友对象中至少一个交友对象。

根据本申请的又一个方面，提供了一种用于提供交友对象的方法，其中，该方法包括：

用户设备根据用户的图像编辑操作，生成所述用户期望交友对象的图像信息；

所述用户设备将所述图像信息发送至对应网络设备；

所述网络设备接收所述用户设备发送的用户期望交友对象的图像信息；

所述网络设备根据所述图像信息在对象信息库中匹配查询，以获得与所述图像信息相匹配的一个或多个交友对象；

所述网络设备将所述一个或多个交友对象中至少一个交友对象返回至所述用户设备；

所述用户设备接收所述网络设备返回的、与所述图像信息相匹配的一个或多个交友对象；

所述用户设备呈现所述一个或多个交友对象中至少一个交友对象。

根据本申请的又一个方面，提供了一种包括指令的计算机可读介质，所述指令在被执行时使得系统进行以下操作：

根据用户的图像编辑操作，生成所述用户期望交友对象的图像信息；

将所述图像信息发送至对应网络设备；

接收所述网络设备返回的、与所述图像信息相匹配的一个或多个交友对象；

呈现所述一个或多个交友对象中至少一个交友对象。

根据本申请的又一个方面，提供了一种包括指令的计算机可读介质，所述指令在被执行时使得系统进行以下操作：

接收用户设备发送的用户期望交友对象的图像信息；

根据所述图像信息在对象信息库中匹配查询，以获得与所述图像信息相匹配的一个或多个交友对象；

将所述一个或多个交友对象中至少一个交友对象返回至所述用户设备。

根据本申请的又一个方面，提供了一种用于提供交友对象的用户设备，其中，该用户设备包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：

根据用户的图像编辑操作，生成所述用户期望交友对象的图像信息；

将所述图像信息发送至对应网络设备；

接收所述网络设备返回的、与所述图像信息相匹配的一个或多个交友对象；

呈现所述一个或多个交友对象中至少一个交友对象。

根据本申请的又一个方面，提供了一种用于提供交友对象的网络设备，其中，该网络设备包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：

接收用户设备发送的用户期望交友对象的图像信息；

根据所述图像信息在对象信息库中匹配查询，以获得与所述图像信息相匹配的一个或多个交友对象；

将所述一个或多个交友对象中至少一个交友对象返回至所述用户设备。

与现有技术相比，本申请的用户设备根据用户的图像编辑操作，生成所述用户期望交友对象的图像信息，再将该图像信息发送至对应网络设备，由所述网络设备在对象信息库中匹配查询，以获得与所述图像信息相匹配的一个或多个交友对象，接着，所述网络设备将所述一个或多个交友对象中至少一个交友对象返回至所述用户设备，向所述用户呈现所述一个或多个交友对象中至少一个交友对象，从而方便用户快速找到与其期望交友对象的图像信息相匹配的交友对象，提升用户体验。进一步地，所述用户可以在所述参考图像的基础上执行所述图像编辑操作，减少所述图像编辑操作的时间，提高效率。进一步地，所述网络设备可以先根据文本参数匹配查询，筛选掉所述对象信息库中不符合所述文本参数的对象，再根据图片参数匹配查询，从而提高匹配查询的效率，减轻系统的负担。

需要注意的是，本申请可在软件和/或软件与硬件的组合体中被实施，例如，可采用专用集成电路(asic)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中，本申请的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地，本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，ram存储器，磁或光驱动器或软磁盘及类似设备。另外，本申请的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。

另外，本申请的一部分可被应用为计算机程序产品，例如计算机程序指令，当其被计算机执行时，通过该计算机的操作，可以调用或提供根据本申请的方法和/或技术方案。本领域技术人员应能理解，计算机程序指令在计算机可读介质中的存在形式包括但不限于源文件、可执行文件、安装包文件等，相应地，计算机程序指令被计算机执行的方式包括但不限于：该计算机直接执行该指令，或者该计算机编译该指令后再执行对应的编译后程序，或者该计算机读取并执行该指令，或者该计算机读取并安装该指令后再执行对应的安装后程序。在此，计算机可读介质可以是可供计算机访问的任意可用的计算机可读存储介质或通信介质。

通信介质包括藉此包含例如计算机可读指令、数据结构、程序模块或其他数据的通信信号被从一个系统传送到另一系统的介质。通信介质可包括有导的传输介质(诸如电缆和线(例如，光纤、同轴等))和能传播能量波的无线(未有导的传输)介质，诸如声音、电磁、rf、微波和红外。计算机可读指令、数据结构、程序模块或其他数据可被体现为例如无线介质(诸如载波或诸如被体现为扩展频谱技术的一部分的类似机制)中的已调制数据信号。术语“已调制数据信号”指的是其一个或多个特征以在信号中编码信息的方式被更改或设定的信号。调制可以是模拟的、数字的或混合调制技术。

作为示例而非限制，计算机可读存储介质可包括以用于存储诸如计算机可读指令、数据结构、程序模块或其它数据的信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动的介质。例如，计算机可读存储介质包括，但不限于，易失性存储器，诸如随机存储器(ram,dram,sram)；以及非易失性存储器，诸如闪存、各种只读存储器(rom,prom,eprom,eeprom)、磁性和铁磁/铁电存储器(mram,feram)；以及磁性和光学存储设备(硬盘、磁带、cd、dvd)；或其它现在已知的介质或今后开发的能够存储供计算机系统使用的计算机可读信息/数据。

在此，根据本申请的一个实施例包括一个装置，该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该装置运行基于前述根据本申请的多个实施例的方法和/或技术方案。

对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。

在权利要求书中规定了各个实施例的各个方面。在下列编号条款中规定了各个实施例的这些和其他方面：

1.一种在用户设备端用于提供交友对象的方法，其中，该方法包括：

根据用户的图像编辑操作，生成所述用户期望交友对象的图像信息；

将所述图像信息发送至对应网络设备；

接收所述网络设备返回的、与所述图像信息相匹配的一个或多个交友对象；

呈现所述一个或多个交友对象中至少一个交友对象。

2.根据条款1所述的方法，其中，根据用户的图像编辑操作，生成所述用户期望交友对象的图像信息，包括：

根据用户对参考图像的图像编辑操作，生成用户期望交友对象的图像信息。

3.根据条款2所述的方法，其中，所述参考图像是基于所述用户的用户相关信息生成的。

4.根据条款1至3中任一项所述的方法，其中，所述图像编辑操作包括以下至少任一项：

复制并粘贴体征模块；

替换所述体征模块；

通过拖放操作调整所述体征模块；

根据输入参数设置所述体征模块。

5.根据条款1所述的方法，其中，所呈现交友对象的联系信息处于隐藏状态；

其中，所述方法还包括：

获取所述用户提交的、关于所呈现交友对象中目标交友对象的联系信息请求；

当所述联系信息请求通过验证，呈现所述目标交友对象的联系信息。

6.根据条款5所述的方法，其中，当所述联系信息请求通过验证，呈现所述目标交友对象的联系信息，包括：

将所述联系信息请求发送至所述网络设备；

接收所述网络设备在所述联系信息请求通过验证后返回的、所述目标交友对象的联系信息；

呈现所述目标交友对象的联系信息。

7.根据条款5所述的方法，其中，接收所述网络设备返回的、与所述图像信息相匹配的一个或多个交友对象，包括：

接收所述网络设备返回的、与所述图像信息相匹配的一个或多个交友对象及每个交友对象的联系信息；

其中，当所述联系信息请求通过验证，呈现所述目标交友对象的联系信息，包括：

当所述联系信息请求通过验证，呈现所述目标交友对象在所述用户设备中存储的联系信息。

8.根据条款1至7中任一项所述的方法，其中，所述方法还包括：

根据所述用户对所呈现交友对象的反馈信息，调整所述图像信息；

将调整后的所述图像信息发送至对应网络设备；

接收所述网络设备返回的、与所述调整后的图像信息相匹配的一个或多个交友对象；

呈现所述一个或多个交友对象中至少一个交友对象。

9.根据条款1至8中任一项所述的方法，其中，所述方法还包括：

向所述网络设备上传用户声音信息；

其中，所述接收所述网络设备返回的、与所述图像信息相匹配的一个或多个交友对象，包括：

接收所述网络设备返回的、与所述图像信息及所述用户声音信息相匹配的一个或多个交友对象。

10.一种在网络设备端用于提供交友对象的方法，其中，该方法包括：

接收用户设备发送的用户期望交友对象的图像信息；

根据所述图像信息在对象信息库中匹配查询，以获得与所述图像信息相匹配的一个或多个交友对象；

将所述一个或多个交友对象中至少一个交友对象返回至所述用户设备。

11.根据条款10所述的方法，其中，所述对象信息库中存储有按预定图像要求上传的用户图像信息。

12.根据条款10或11所述的方法，其中，所述图像信息包括所述用户期望交友对象的文本参数及图片参数；

其中，根据所述图像信息在对象信息库中匹配查询，以获得与所述图像信息相匹配的一个或多个交友对象，包括：

根据所述文本参数在对象信息库中匹配查询，以获得与所述文本参数相匹配的若干个候选交友对象；

根据所述图片参数在所述若干个候选交友对象中匹配查询，以获得与所述图片参数相匹配的一个或多个交友对象。

13.根据条款10至12中任一项所述的方法，其中，所述方法还包括：

接收所述用户设备发送的、所述用户关于所述至少一个交友对象中目标交友对象的联系信息请求；

验证所述联系信息请求；

当所述联系信息请求通过验证，将所述目标交友对象的联系信息返回至所述用户设备。

14.根据条款10至13中任一项所述的方法，其中，所述方法还包括：

接收所述用户设备上传的用户声音信息；

其中，所述根据所述图像信息在对象信息库中匹配查询，以获得与所述图像信息相匹配的一个或多个交友对象，包括：

根据所述图像信息及所述用户声音信息在对象信息库中匹配查询，以获得与所述图像信息相匹配的一个或多个交友对象。

15.一种用于提供交友对象的方法，其中，该方法包括：

用户设备根据用户的图像编辑操作，生成所述用户期望交友对象的图像信息；

所述用户设备将所述图像信息发送至对应网络设备；

所述网络设备接收所述用户设备发送的用户期望交友对象的图像信息；

所述网络设备根据所述图像信息在对象信息库中匹配查询，以获得与所述图像信息相匹配的一个或多个交友对象；

所述网络设备将所述一个或多个交友对象中至少一个交友对象返回至所述用户设备；

所述用户设备接收所述网络设备返回的、与所述图像信息相匹配的一个或多个交友对象；

所述用户设备呈现所述一个或多个交友对象中至少一个交友对象。

16.一种用于提供交友对象的用户设备，其中，该用户设备包括：

第一装置，用于根据用户的图像编辑操作，生成所述用户期望交友对象的图像信息；

第二装置，用于将所述图像信息发送至对应网络设备；

第三装置，用于接收所述网络设备返回的、与所述图像信息相匹配的一个或多个交友对象；

第四装置，用于呈现所述一个或多个交友对象中至少一个交友对象。

17.一种用于提供交友对象的网络设备，其中，该网络设备包括：

第十一装置，用于接收用户设备发送的用户期望交友对象的图像信息；

第十二装置，用于根据所述图像信息在对象信息库中匹配查询，以获得与所述图像信息相匹配的一个或多个交友对象；

第十三装置，用于将所述一个或多个交友对象中至少一个交友对象返回至所述用户设备。

18.一种用于提供交友对象的系统，包括如条款16所述的用户设备以及如条款17所述的网络设备。

19.一种包括指令的计算机可读介质，所述指令在被执行时使得系统进行如条款1至15中任一项所述方法的操作。

20.一种用于提供交友对象的用户设备，其中，该用户设备包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行如条款1至9中任一项所述的方法。

21.一种用于提供交友对象的网络设备，其中，该网络设备包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行如条款10至14中任一项所述的方法。