基于皮肤纹理分析的用户服务方法、装置、设备和存储介质与流程

本公开涉及大数据和人工智能，具体涉及图像识别领域，更具体地涉及一种基于皮肤纹理分析的用户服务方法、装置、设备、介质和程序产品。

背景技术：

1、目前的终端应用上一般都有用户身份认证机制，如密码、指纹、手势、人脸识别、短信验证码等。低龄用户对移动设备非常感兴趣，经常会记住给移动设备设置的简单密码、手势认证轨迹，使得系统级和应用级的基本用户识别方式对低龄用户失效。

2、当前使用较多的用户身份认证机制是人脸识别，针对低龄用户的人脸识别技术主要分两类：一类其目的是识别出用户的具体身份信息，适用于安全要求较高的应用场景，在该类技术中，移动设备上需要预装相关程序，程序首次运行会保存基照，再次识别时比较镜头捕获的人脸图像和基照，选取嘴角、眼角、颧骨、眉心等全脸的特征进行计算，得出是否匹配的结论；另一类是识别出年龄，设备上仍需预装相关软件，软件中已有通过大量样本计算出的不同年龄人脸特征值，这些特征值仍然是根据嘴角、眼角、颧骨、眉心等局部特征值加权计算得到的，软件根据摄像头获取全脸图像的各细节特征值进行分析，得出年龄估算值。

3、此外，在认证为低龄用户之后，还可在移动端对低龄用户进行行为限制，当前在移动端对低龄用户进行行为限制的方案主要有通用软件中设置预定模式密码，或为应用添加应用锁。

4、但是，现有的身份认证机制或行为限制方式存在一些问题，现有的人脸识别技术系统开销较高，需要获取整个人脸图像，如果在应用中使用，需要封装构件，容易与当前广泛使用的人脸识别构件在调用时产生冲突。现有的低龄用户行为限制方法，比如应用中设置预定模式，很容易被用户记住密码，形同虚设。添加应用锁的方法需要对重点保护应用一一上锁，使用前多一个校验步骤，易用性不佳。

技术实现思路

1、鉴于上述问题，本公开提供了一种基于皮肤纹理分析的用户服务方法、装置、设备、介质和程序产品。

2、根据本公开的第一个方面，提供了一种基于皮肤纹理分析的用户服务方法，该方法包括：获取用户的部分面部图像；将部分面部图像输入至预先训练好的神经网络模型，并利用预先训练好的神经网络模型提取部分面部图像的皮肤纹理特征进行用户识别，以输出识别结果；以及响应于识别结果为预定类别用户，为用户添加预定类别用户标识，其中，部分面部图像的皮肤纹理特征与预定类别用户的面部特征相对应。

3、根据本公开的实施例，皮肤纹理特征包括以下至少一种：皮肤中黑色素聚集的特征、沟壑特征、孔状凹陷特征。

4、根据本公开的实施例，利用预先训练好的神经网络模型提取部分面部图像的皮肤纹理特征进行用户识别包括：基于皮肤纹理特征确定图像噪声值；以及在图像噪声值小于特定值时，确定部分面部图像对应的用户为预定类别用户。

5、根据本公开的实施例，基于皮肤纹理特征确定图像噪声值包括：通过对预先训练好的神经网络模型输出的置信度分数进行求和获得图像噪声值。

6、根据本公开的实施例，使用向量坐标集存储皮肤纹理特征。

7、根据本公开的实施例，该方法还包括：将预定类别用户标识存储在系统内存中；以及响应于用户对n个应用的访问请求，控制n个应用均从系统内存中获取预定类别用户标识，以控制n个应用切换至专属于预定类别用户的预定模式。

8、根据本公开的实施例，预先训练好的神经网络模型的训练方法包括：获取部分面部图像样本数据集，其中，部分面部图像样本数据集中的每条部分面部图像样本包括部分面部图像样本对应的用户类型标签；将每条部分面部图像样本输入至待训练的神经网络模型，输出训练结果，其中，训练结果包括每条部分面部图像样本训练后的用户类型；基于训练结果和用户类型标签调整待训练的神经网络模型的模型参数，得到预先训练好的神经网络模型。

9、根据本公开的实施例，预先训练好的神经网络模型是基于区域的卷积神经网络模型。

10、本公开的第二方面提供了一种基于皮肤纹理分析的用户服务装置，包括：获取模块，用于获取用户的部分面部图像；识别模块，用于将部分面部图像输入至预先训练好的神经网络模型，并利用预先训练好的神经网络模型提取部分面部图像的皮肤纹理特征进行用户识别，以输出识别结果；以及处理模块，用于响应于识别结果为预定类别用户，为用户添加预定类别用户标识，其中，部分面部图像的皮肤纹理特征与预定类别用户的面部特征相对应。

11、本公开的第三方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个计算机程序，其中，上述一个或多个处理器执行上述一个或多个计算机程序以实现上述方法的步骤。

12、本公开的第四方面还提供了一种计算机可读存储介质，其上存储有计算机程序或指令，上述计算机程序或指令被处理器执行时实现上述方法的步骤。

13、本公开的第五方面还提供了一种计算机程序产品，包括计算机程序或指令，上述计算机程序或指令被处理器执行时实现上述方法的步骤。

14、本公开提供的基于皮肤纹理分析的用户服务方法，通过利用预先训练好的神经网络模型提取用户的部分面部图像的皮肤纹理特征进行用户识别，并为识别的预定类别用户添加预定类别用户标识，可识别出移动端当前使用的用户，从而对该用户的使用权限进行限制。本公开提供的基于皮肤纹理分析的用户服务方法将用户的部分面部图像作为输入，无需获取整个面部图像，因此系统开销少，该方法仅需处理部分面部图像中的皮肤纹理特征，无需对面部全部特征进行处理，因此程序体积小。

技术特征：

1.一种基于皮肤纹理分析的用户服务方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述皮肤纹理特征包括以下至少一种：皮肤中黑色素聚集的特征、沟壑特征、孔状凹陷特征。

3.根据权利要求2所述的方法，其特征在于，所述利用所述预先训练好的神经网络模型提取所述部分面部图像的皮肤纹理特征进行用户识别包括：

4.根据权利要求3所述的方法，其特征在于，所述基于所述皮肤纹理特征确定图像噪声值包括：通过对所述预先训练好的神经网络模型输出的置信度分数进行求和获得所述图像噪声值。

5.根据权利要求1所述的方法，其特征在于，使用向量坐标集存储所述皮肤纹理特征。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

7.根据权利要求1所述的方法，其特征在于，所述预先训练好的神经网络模型的训练方法包括：

8.根据权利要求7所述的方法，其特征在于，所述预先训练好的神经网络模型是基于区域的卷积神经网络模型。

9.一种基于皮肤纹理分析的用户服务装置，其特征在于，所述装置包括：

10.一种电子设备，包括：

11.一种计算机可读存储介质，其上存储有计算机程序或指令，其特征在于，所述计算机程序或指令被处理器执行时实现根据权利要求1~8中任一项所述方法的步骤。

12.一种计算机程序产品，包括计算机程序或指令，其特征在于，所述计算机程序或指令被处理器执行时实现根据权利要求1~8中任一项所述方法的步骤。

技术总结本公开提供了一种基于皮肤纹理分析的用户服务方法，可以应用于大数据和人工智能技术领域。该用户服务方法包括：获取用户的部分面部图像；将所述部分面部图像输入至预先训练好的神经网络模型，并利用所述预先训练好的神经网络模型提取所述部分面部图像的皮肤纹理特征进行用户识别，以输出识别结果；以及响应于所述识别结果为预定类别用户，为所述用户添加预定类别用户标识，其中，所述部分面部图像的皮肤纹理特征与所述预定类别用户的面部特征相对应。本公开还提供了一种基于皮肤纹理分析的用户服务装置、设备、存储介质和程序产品。技术研发人员：黄洋受保护的技术使用者：中国工商银行股份有限公司技术研发日：技术公布日：2024/8/20