基于微信生态的识别方法、装置及计算机可读存储介质与流程

1.本发明涉及机器学习技术领域，尤其涉及基于微信生态的识别方法、装置及计算机可读存储介质。


背景技术：

2.随着ar(augmented reality，增强显示)技术发展，此背景下伴随ai(artificial intelligence，人工智能)算法输出结果的场景也随之增多，通常利用tensorflow(数据流图)框架、ncnn(高性能神经网络前向计算)框架等支持浏览器的神经网络算法框架构建对应的ai模型，进而通过javascript调用方式加载ai模型以输出结果，但基于tensorflow、ncnn等支持web的神经网络算法利用专用的加载接口(如fetch接口)调用ai模型，而微信小程序或微信小游戏对应的微信生态不存在对应的加载接口，导致无法实现在微信生态调用对应的ai模型以及无法在微信生态上实现ai识别。
3.上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。


技术实现要素：

4.本发明的主要目的在于提供一种基于微信生态的识别方法、装置及计算机可读存储介质，旨在解决微信生态无法调用ai模型实现ai识别的问题。
5.为实现上述目的，本发明提供一种基于微信生态的识别方法，应用于客户端，所述方法包括：
6.基于微信小程序运行界面，接收用户触发的识别请求，根据所述识别请求确定目标租户以及当前业务场景；
7.将所述目标租户以及当前业务场景发送至云端服务器，以供所述云端服务器根据目标租户以及当前业务场景筛选出目标识别模型；
8.接收所述云端服务器发送的目标识别模型的模型资源信息；
9.根据所述模型资源信息加载所述目标识别模型的模型响应信息，并在完成加载后进行模型初始化，以获取目标识别模型；
10.接收待识别数据，基于所述目标识别模型，确定所述待识别数据对应的识别结果。
11.可选地，所述模型资源信息包括所述目标识别模型的存储位置信息，所述根据所述模型资源信息加载所述目标识别模型的模型响应信息，并在完成加载后进行模型初始化的步骤包括：
12.在接收到所述存储位置信息后，通过预先设置的fetch模块调用wx.request函数访问所述存储位置信息以获取所述识别模型的模型响应信息，所述模型响应信息包括模型文件以及响应信息；
13.将所述模型响应信息转换成预设格式的目标模型响应信息；
14.根据目标模型响应信息进行模型初始化。
15.可选地，将所述模型响应信息转换成预设格式的目标模型响应信息的步骤包括：
16.解析所述模型响应信息，以获取所述模型响应信息中的响应信息；
17.将所述响应信息转换为与预设格式匹配的目标响应信息；
18.将所述模型文件封装于所述目标响应信息中，以生成所述目标模型响应信息。
19.可选地，将所述响应信息转换为与预设格式匹配的目标响应信息的步骤包括：
20.获取所述响应信息中的字符；
21.根据所述预设格式将所述字符映射为与所述预设格式匹配的目标字符；
22.根据目标字符生成所述目标响应信息。
23.可选地，所述接收待识别数据，基于初始化后的所述目标识别模型，确定所述待识别数据对应的识别结果的步骤包括：
24.将所述待识别数据输入至所述目标识别模型，以供所述目标识别模型生成所述待识别数据的处理结果；
25.在所述微信小程序运行界面中输出所述处理结果。
26.可选地，为实现上述目的，本发明还提供一种基于微信生态的识别方法，应用于微信小程序对应的云端服务器，所述方法包括：
27.接收客户端发送的目标租户以及当前业务场景，并根据所述目标租户以及当前业务场景筛选出目标识别模型；
28.当路由到所述目标识别模型时，确定所述目标识别模型对应的模型资源信息；
29.将所述模型资源信息发送至所述客户端。
30.可选地，根据所述目标租户以及当前业务场景筛选出目标识别模型的步骤包括：
31.根据预设的租户与识别模型的对应关系确定所述目标租户关联的至少一个识别模型；
32.根据预设的业务场景与识别模型的对应关系确定所述目标租户关联的至少一个识别模型中的与所述当前业务场景对应的识别模型；
33.将与所述当前业务场景对应的识别模型确定为所述目标识别模型。
34.可选地，所述当路由到所述目标识别模型时，确定所述目标识别模型对应的模型资源信息的步骤包括：
35.根据所述目标租户确定所述目标租户对应的存储空间；
36.根据所述存储空间确定所述目标识别模型的存储位置信息；
37.将所述存储位置信息作为所述模型资源信息。
38.此外，为实现上述目的，本发明还提供一种基于微信生态的识别装置，所述基于微信生态的识别装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于微信生态的识别程序，所述计算机程序被所述处理器执行时实现如上所述的基于微信生态的识别方法的步骤。
39.此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有基于微信生态的识别程序，所述基于微信生态的识别程序被处理器执行时实现如上所述的基于微信生态的识别方法的步骤。
40.本发明实施例提出的一种基于微信生态的识别方法、装置及计算机可读存储介质，通过基于微信小程序运行界面，接收用户触发的识别请求，根据所述识别请求确定目标
租户以及当前业务场景；将所述目标租户以及当前业务场景发送至云端服务器，以供所述云端服务器根据目标租户以及当前业务场景筛选出目标识别模型；接收所述云端服务器发送的目标识别模型的模型资源信息；根据所述模型资源信息加载所述目标识别模型的模型响应信息，并在完成加载后进行模型初始化，以获取目标识别模型；接收待识别数据，基于所述目标识别模型，确定所述待识别数据对应的识别结果，本发明实施例通过在获取模型资源信息后，根据所述模型资源信息加载模型响应信息，并基于所述模型响应完成模型初始化，以获取目标识别模型，从而解决了微信生态下无法加载ai模型的问题，进而根据目标识别模型对待识别数据进行识别，以输出识别结果，解决了无法在微信生态下进行ai识别的问题，从而实现在微信生态上也可以加载ai模型以及基于ai模型进行ai识别。
附图说明
41.图1是本发明实施例方案涉及的硬件运行环境的基于微信生态的识别装置结构示意图；
42.图2为本发明基于微信生态的识别方法第一实施例的流程示意图；
43.图3为本发明基于微信生态的识别方法第一实施例步骤s40的流程示意图；
44.图4为本发明基于微信生态的识别方法第二实施例的流程示意图；
45.图5为本发明基于微信生态的识别方法第二实施例步骤s60的细化流程示意图；
46.图6为本发明基于微信生态的识别方法第三实施例的流程示意图。
47.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
48.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
49.本发明实施例的主要解决方案是：基于微信小程序运行界面，接收用户触发的识别请求，根据所述识别请求确定目标租户以及当前业务场景；将所述目标租户以及当前业务场景发送至云端服务器，以供所述云端服务器根据目标租户以及当前业务场景筛选出目标识别模型；接收所述云端服务器发送的目标识别模型的模型资源信息；根据所述模型资源信息加载所述目标识别模型的模型响应信息，并在完成加载后进行模型初始化，以获取目标识别模型；接收待识别数据，基于所述目标识别模型，确定所述待识别数据对应的识别结果。
50.如图1所示，图1是本发明实施例方案涉及的硬件运行环境的基于微信生态的识别装置结构示意图。
51.本发明实施例基于微信生态的识别装置可以是pc，也可以是智能手机、平板电脑、电子书阅读器、便携计算机等具有显示功能的终端设备。
52.如图1所示，该基于微信生态的识别装置可以包括：处理器1001，例如cpu，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如wi-fi接口)。存储器1005可以是高速ram存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可
以是独立于前述处理器1001的存储装置。
53.可选地，基于微信生态的识别装置还可以包括摄像头、rf(radio frequency，射频)电路，传感器、音频电路、wifi模块等等。其中，传感器比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示屏的亮度，接近传感器可在移动终端移动到耳边时，关闭显示屏和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别移动终端姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；当然，移动终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
54.本领域技术人员可以理解，图1中示出的基于微信生态的识别装置结构并不构成对基于微信生态的识别装置的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
55.如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及基于微信生态的识别程序。
56.在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的基于微信生态的识别程序，并执行以下操作：
57.基于微信小程序运行界面，接收用户触发的识别请求，根据所述识别请求确定目标租户以及当前业务场景；
58.将所述目标租户以及当前业务场景发送至云端服务器，以供所述云端服务器根据目标租户以及当前业务场景筛选出目标识别模型；
59.接收所述云端服务器发送的目标识别模型的模型资源信息；
60.根据所述模型资源信息加载所述目标识别模型的模型响应信息，并在完成加载后进行模型初始化，以获取目标识别模型；
61.接收待识别数据，基于所述目标识别模型，确定所述待识别数据对应的识别结果。
62.进一步地，处理器1001可以调用存储器1005中存储的基于微信生态的识别程序，还执行以下操作：
63.在接收到所述存储位置信息后，通过预先设置的fetch模块调用wx.request函数访问所述存储位置信息以获取所述识别模型的模型响应信息，所述模型响应信息包括模型文件以及响应信息；
64.将所述模型响应信息转换成预设格式的目标模型响应信息；
65.根据目标模型响应信息进行模型初始化。
66.进一步地，处理器1001可以调用存储器1005中存储的基于微信生态的识别程序，还执行以下操作：
67.解析所述模型响应信息，以获取所述模型响应信息中的响应信息；
68.将所述响应信息转换为与预设格式匹配的目标响应信息；
69.将所述模型文件封装于所述目标响应信息中，以生成所述目标模型响应信息。
70.进一步地，处理器1001可以调用存储器1005中存储的基于微信生态的识别程序，
还执行以下操作：
71.获取所述响应信息中的字符；
72.根据所述预设格式将所述字符映射为与所述预设格式匹配的目标字符；
73.根据目标字符生成所述目标响应信息。
74.进一步地，处理器1001可以调用存储器1005中存储的基于微信生态的识别程序，还执行以下操作：
75.将所述待识别数据输入至所述目标识别模型，以供所述目标识别模型生成所述待识别数据的识别结果；
76.在所述微信小程序运行界面中输出所述识别结果。
77.进一步地，处理器1001可以调用存储器1005中存储的基于微信生态的识别程序，还执行以下操作：
78.接收客户端发送的目标租户以及当前业务场景，并根据所述目标租户以及当前业务场景筛选出目标识别模型；
79.当路由到所述目标识别模型时，确定所述目标识别模型对应的模型资源信息；
80.将所述模型资源信息发送至所述客户端。
81.进一步地，处理器1001可以调用存储器1005中存储的基于微信生态的识别程序，还执行以下操作：
82.根据预设的租户与识别模型的对应关系确定所述目标租户关联的至少一个识别模型；
83.根据预设的业务场景与识别模型的对应关系确定所述目标租户关联的至少一个识别模型中的与所述当前业务场景对应的识别模型；
84.将与所述当前业务场景对应的识别模型确定为所述目标识别模型。
85.进一步地，处理器1001可以调用存储器1005中存储的基于微信生态的识别程序，还执行以下操作：
86.根据所述目标租户确定所述目标租户对应的存储空间；
87.根据所述存储空间确定所述目标识别模型的存储位置信息；
88.将所述存储位置信息作为所述模型资源信息。
89.第一实施例
90.参照图2，本发明基于微信生态的识别方法第一实施例提供一种基于微信生态的识别方法，所述基于微信生态的识别方法包括：
91.步骤s10，基于微信小程序运行界面，接收用户触发的识别请求，根据所述识别请求确定目标租户以及当前业务场景；
92.步骤s20，将所述目标租户以及当前业务场景发送至云端服务器，以供所述云端服务器根据目标租户以及当前业务场景筛选出目标识别模型；
93.步骤s30，接收所述云端服务器发送的目标识别模型的模型资源信息；
94.步骤s40，根据所述模型资源信息加载所述目标识别模型的模型响应信息，并在完成加载后进行模型初始化，以获取目标识别模型；
95.步骤s50，接收待识别数据，基于所述目标识别模型，确定所述待识别数据对应的识别结果。
96.在本实施例中，在用户打开微信小程序运行界面后，通过触发微信小程序运行界面的虚拟按键生成所述识别请求，所述识别请求根据所述虚拟按键生成，在客户端接收到所述识别请求后，根据所述识别请求确定目标租户以及当前业务场景，可选地，本技术实施例的基于微信生态的识别方法应用于saas(software-as-a-service，软件即服务)模式中，saas模式具有可配置，托管服务，单实例多租户等典型特点。多租户作为saas的核心技术，本质上是一种应用程序模型，在该模型中所有的用户和应用可以共享同一个应用系统，并共享基础系统中的代码、功能及服务，通过各租户的定制，实现各租户的程序实例构建，本技术的目标租户为多租户的其中一个租户，多租户中各个租户的业务数据相互隔离，不同租户对应的不同的存储空间，各个存储空间相互隔离，在本技术实施例，不同租户的存储空间存储不同的ai模型，同一个租户对应的ai模型中包括多个，各个ai模型对应不同的业务场景，示例性的，业务场景包括但不限于注册场景、审核场景、登录场景、信息管理场景、优惠券发放场景等。
97.可选地，所述基于微信生态的识别方法还可以应用于微信小游戏中。
98.可选地，在确定所述目标租户以及当前业务场景后，将所述目标租户以及所述当前业务场景发送至云端服务器，以供所述云端服务器根据所述目标租户以及所述当前业务场景筛选出目标识别模型，并将所述目标识别模型的模型资源信息返回至所述客户端，可以理解的是，所述目标识别模型为所述目标租户对应的其中一个识别模型，所述目标识别模型与所述当前业务场景对应。
99.可选地，所述模型资源信息包括所述目标识别模型的存储位置信息，在接收到所述客户端返回的目标识别模型的模型资源信息后，为了获取所述目标识别模型，参照图3，所述s40包括：
100.步骤s41，在接收到所述存储位置信息后，通过预先设置的fetch模块调用wx.request函数访问所述存储位置信息以获取所述目标识别模型的模型响应信息，所述模型响应信息包括模型文件以及响应信息；
101.步骤s42，将所述模型响应信息转换成预设格式的目标模型响应信息；
102.步骤s43，根据目标模型响应信息进行模型初始化。
103.可选地，为了在微信小程序调用ai模型以及利用ai模型进行ai识别，需在微信小程序使用tensorflow.js进行模型的调用以及模型的识别，在本技术实施例中，通过在微信小程序插件中封装了tensorflow.js库，用于提供给微信小程序调用，tensorflow.js是一种机器学习开源项目，在执行tensorflow.js代码的过程中，通过调用浏览器中fetch接口加载模型，也即基于浏览器具备fetch接口，浏览器基于tensorflow.js可直接调用ai模型以及利用ai模型进行识别，而基于微信小程序不存在相应的fetch接口，tensorflow.js在微信小程序运行时，会出现报错，报错的原因为无法找出fetch接口。
104.因此，本技术实施例通过在微信小程序布局了fetch模块，所述fetch模块相当于浏览器中的fetch接口，所述fetch模块包括fetch函数，在创建了fetch模块，tensorflow.js在运行时，通过fetch模块调用微信小程序自带的wx.request函数访问所述目标识别模型的存储位置信息，即可获取所述目标识别模型的模型响应信息，所述模型响应信息包括模型文件以及响应信息，所述模型文件即所述目标识别模型的文件，所述响应信息包括返回的源码，所述源码包括若干个参数，各个参数对应着不同的字符。
105.可选地，所述模型响应信息是通过微信小程序的wx.request函数返回的数据，基于tensorflow.js通过浏览器的fetch接口返回的数据和通过微信小程序的wx.request函数返回的数据的格式不同，可选地，所述模型响应信息与预设格式的模型响应信息的不同之处包括源码中的参数命名不同，源码中的参数个数不同，源码中的参数类型不同，此时，tensorflow.js仍无法基于所述模型响应信息进行模型识别，基于此，在接收到所述模型响应信息后，将所述模型响应信息转换为预设格式的目标模型响应信息，所述预设格式为基于tensorflow.js通过浏览器的fetch接口返回的数据的格式。
106.可选地，所述将所述模型响应信息转换成预设格式的目标模型响应信息的步骤包括：
107.解析所述模型响应信息，以获取所述模型响应信息中的响应信息；
108.将所述响应信息转换为与预设格式匹配的目标响应信息；
109.将所述模型文件封装于所述目标响应信息中，以生成所述目标模型响应信息。
110.可选地，提取所述响应信息，将所述响应信息转换为与预设格式匹配的目标响应信息。
111.可选地，将所述响应信息转换为与预设格式匹配的目标响应信息的步骤包括：
112.获取所述响应信息中的字符；
113.根据所述预设格式将所述字符映射为与所述预设格式匹配的目标字符；
114.根据目标字符生成所述目标响应信息。
115.可选地，所述响应信息中的字符为与所述预设格式不匹配的字符，将所述字符映射为与所述预设格式匹配的目标字符，从而实现将所述模型文件信息转换为预设格式的目标文件信息。
116.示例性的，通过wx.request函数返回的模型响应信息为：
117.{
118.cookies:[],
[0119]
data:{}//data存放的是模型文件
[0120]
errmsg:'request:ok'//获取数据成功
[0121]
header:{}//存放的是请求头
[0122]
statuscode:200//状态码200表示请求成功
[0123]
}
[0124]
可选地，tensorflow.js通过浏览器的fetch接口返回的模型响应信息为：
[0125]
{
[0126]
body:readablestream//body存放的是模型文件
[0127]
bodyused:false
[0128]
headers:headers{}//请求头
[0129]
ok:true//获取数据成功
[0130]
redirected:false
[0131]
statustext:"ok"//发起请求成功
[0132]
}
[0133]
可选地，上述代码仅作为举例分析，基于上述代码，本技术示出了如何根据所述预
设格式将所述字符映射为与所述预设格式匹配的目标字符，具体参照下列表格：
[0134][0135]
可选地，上述表格仅作为举例分析，所述响应信息中的字符包括但不限于上述表格中示出的字符，参照上述表格将所述响应信息中的各个字符映射为与所述预设格式匹配的目标字符，根据所述目标字符生成所述目标响应信息。
[0136]
可选地，在生成所述目标响应信息后，将所述模型文件重新封装与所述目标响应信息中，以生成与所述预设格式匹配的目标模型响应信息。
[0137]
可选地，在将所述模型响应信息转换为预设格式的目标模型响应信息后，tensorflow.js根据所述目标模型响应信息进行模型初始化，以获取所述目标识别模型。
[0138]
可选地，在获取所述目标识别模型后，接收用户发送的待识别数据，所述待识别数据可以是图像信息，可以是视频，还可以是文字信息，此处不作限定，基于所述目标识别模型，确定所述待识别数据对应的识别结果，具体地，将所述待识别数据输入至所述目标识别模型，以供所述目标识别模型生成所述待识别数据的识别结果；在所述微信小程序运行界面中输出所述识别结果。
[0139]
在本技术实施例中，应用于客户端，在所述客户端在接收到用户基于微信小程序触发的识别请求后，根据所述识别请求确定目标租户以及当前业务场景，将所述目标租户以及所述当前业务场景发送至云端服务器，以供云端服务器基于所述目标租户以及所述当前业务场景筛选出与所述目标租户以及所述当前业务场景匹配的目标识别模型，并将所述目标识别模型的模型资源信息返回至所述客户端，在所述客户端接收到所述模型资源信息后，基于所述模型资源信息加载所述目标识别模型的模型响应信息，进而将所述模型响应信息转换为预设格式的目标模型响应信息，根据所述目标模型响应信息进行模型初始化，以获取目标识别模型，进而利用目标识别模型对待识别数据进行识别，以生成识别结果并输出识别结果，本技术实施例通过在微信小程序定义了fetch模块，通过fetch模块调用wx.request函数加载包括模型文件的模型响应信息，解决了因微信小程序不具备fetch接口，而无法调用ai模型的问题，另外，本技术在接收到模型响应信息后，还将模型响应信息转换为预设格式的目标响应信息，从而使得客户端可基于所述目标响应信息成功获取目标识别模型，并基于目标识别模型对待识别数据进行识别，解决了微信生态无法利用ai模型进行ai识别的问题，同时，本技术实施例通过在客户端本地利用加载到的目标识别模型进行ai识别，而无需将待识别数据发送至云端服务器，以供云端服务器对待识别数据进行ai识别，减少待识别数据不断上传云端服务器进行ai识别带来的各种资源消耗，且由客户端
平摊了ai算力对资源的消耗，避免出现在多个请求发送至服务器，由服务器进行ai识别时导致的并发处理性能瓶颈，提高了并发性能。
[0140]
第二实施例
[0141]
参照图4，基于第一实施例，本发明基于微信生态的识别方法提出了基于微信生态的识别方法第二实施例，应用于微信小程序对应的云端服务器，所述方法包括：
[0142]
步骤s60，接收客户端发送的目标租户以及当前业务场景，并根据所述目标租户以及当前业务场景筛选出目标识别模型；
[0143]
步骤s70，当路由到所述目标识别模型时，确定所述目标识别模型对应的模型资源信息；
[0144]
步骤s80，将所述模型资源信息发送至所述客户端。
[0145]
在本技术实施例中，在接收客户端发送的目标租户以及当前业务场景后，根据所述目标租户以及所述当前业务场景筛选出目标识别模型。
[0146]
可选地，不同的租户对应不同的识别模型，不同的业务场景对应的不同的识别模型，为了精确的筛选出与所述目标租户以及所述当前业务场景对应的目标识别模型，所述云端服务器预置了预设的租户与识别模型的对应关系以及预设的业务场景与识别模型的对应关系，可选地，参照图5，所述步骤s60的步骤包括：
[0147]
步骤s61，根据预设的租户与识别模型的对应关系确定所述目标租户关联的至少一个识别模型；
[0148]
步骤s62，根据预设的业务场景与识别模型的对应关系确定所述目标租户关联的至少一个识别模型中的与所述当前业务场景对应的识别模型；
[0149]
步骤s63，将与所述当前业务场景对应的识别模型确定为所述目标识别模型。
[0150]
可选地，根据预设的租户与识别模型的对应关系确定所述目标租户对应的至少一个识别模型，将所述目标租户对应的至少一个识别模型确定为所述目标租户关联的至少一个模型。
[0151]
可选地，在确定所述目标租户关联的至少一个识别模型后，基于所述目标租户关联的至少一个识别模型分别与不同的业务场景对应的，本技术实施例通过预设的业务场景与识别模型的对应关系确定所述目标租户关联的至少一个识别模型中的与所述当前业务场景对应的识别模型，并将与所述当前业务场景对应的识别模型确定为所述目标识别模型。
[0152]
可选地，基于在saas模式下，不同的租户的业务数据相互隔离，不同租户的业务数据分别存储于物理隔离后的各个存储空间中，所述当路由到所述目标识别模型时，确定所述目标识别模型对应的模型资源信息的步骤包括：
[0153]
根据所述目标租户确定所述目标租户对应的存储空间；
[0154]
根据所述存储空间确定所述目标识别模型的存储位置信息；
[0155]
将所述存储位置信息作为所述模型资源信息。
[0156]
可选地，在确定所述目标识别模型后，获取所述目标租户对应的存储空间，根据所述存储空间确定所述目标识别模型的存储位置信息，所述存储位置信息位于所述存储空间，进而将所述存储位置信息作为所述模型资源信息，并将所述模型资源信息返回至所述客户端，以供所述客户端根据所述模组资源信息通过fetch模块调用wx.request加载所述
目标识别对应的模型响应信息。
[0157]
在本技术实施例中，应用于微信小程序的云端服务器，所述云端服务器在接收到客户端发送的目标租户以及当前业务场景后，根据所述目标租户以及当前业务场景筛选出目标识别模型，并根据所述目标租户对应的存储空间确定所述目标识别模型对应的存储位置信息，进而将所述存储位置信息作为所述模型资源信息返回至所述客户端，以供客户端基于模型资源信息即可加载所述目标模型文件的模型响应信息，客户端只需根据模型响应信息即可获取目标识别模型，并将目标识别模型保存在内存，进而根据所述目标识别模型进行ai识别，不仅解决了微信生态无法加载ai模型以及无法利用ai模型进行ai识别的问题，还相较于通过客户端将待识别数据上传云端服务器，以供云端服务器进行ai识别的方式，减少了带宽资源、服务端内存以及gpu等硬件资源的消耗，还提高了并发性能。
[0158]
第三实施例
[0159]
参照图6，基于第一实施例，图6示出了基于微信生态的识别方法的具体流程图。
[0160]
在本技术实施例，应用于基于微信生态的识别装置，所述基于微信生态的识别装置包括客户端、云端服务器以及资源服务器，所述客户端分别与所述云端服务器以及所述资源服务器互相连接通信，所述资源服务器用于分别存储各个租户的业务数据，所述业务数据包括各个租户对应的不同业务场景的识别模型。
[0161]
可选地，在用户基于微信小程序/微信小游戏触发待识别请求后，所述客户端确定目标租户以及ai功能场景，将所述ai功能场景确定为当前业务场景，将所述目标租户以及所述当前业务场景传递到云端服务器，云端服务器接收到目标租户以及当前业务场景后，基于所述目标租户以及所述当前业务场景筛选目标识别模型，在路由到所述目标识别模型时，响应客户端发送的所述目标租户以及当前业务场景，将所述目标识别模型的模型资源信息返回至所述客户端，所述客户端在接收到所述模型资源信息后，基于所述模型资源信息访问资源服务器，所述资源服务器在接收到客户端的访问请求后，响应所述访问请求，并将所述目标识别模型的ai模型文件流返回至所述客户端，所述客户端在接收到所述ai模型文件流对应的模型响应信息后，将所述模型响应信息转换为预设格式的目标模型响应信息，并基于所述目标模型响应信息初始化ai模型，进而根据初始化后的ai模型进行ai识别。
[0162]
在本技术实施例，应用于基于微信生态的识别装置，所述基于微信生态的识别装置包括客户端、云端服务器以及资源服务器，通过客户端先将当前业务场景以及目标租户发送至云端服务器，以供云端服务器基于所述当前业务场景以及目标租户向所述目标识别模型对应的模型资源信息，客户端在接收到模型资源信息后，基于模型资源信息向资源服务器发送访问请求，以获取所述目标识别模型的模型响应信息，进而根据所述模型响应信息初始化ai模型，进而利用ai模型进行ai识别，基于客户端从资源服务器加载模型，解决了微信生态无法加载ai模型的问题并实现了利用微信生态进行ai识别，并基于将ai模型加载在客户端，减少了云端服务器的硬件资源的消耗，并提高了并发性能，从而提高了在微信生态上进行ai识别的性能。
[0163]
此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有基于微信生态的识别程序，所述基于微信生态的识别程序被处理器执行时实现如上所述的各个实施例的步骤。
[0164]
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排
他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
[0165]
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0166]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
[0167]
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。