用于推送信息的方法和装置制造方法及图纸

本申请实施例公开了用于推送信息的方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：获取包括人体脸部图像的目标图像；将该目标图像输入至预先训练的考试状态检测模型，得到该目标图像的考试状态检测结果，其中，该考试状态检测模型用于表征包括人体脸部图像的图像与图像的考试状态检测结果之间的对应关系；响应于确定该考试状态检测结果表征的考试状态属于第一考试状态，确定该人体预定部位图像对应的用户信息；将表征属于第一考试状态的提示信息推送给目标客户端，其中，该提示信息包括所确定的用户信息。该实施方式丰富了信息推送的灵活性。

Method and device for pushing information

The embodiment of this application discloses a method, device, electronic device and computer readable medium for pushing information. One specific embodiment of the method includes: acquiring the target image including the human face image; inputting the target image into the pre-trained test state detection model to obtain the test state detection results of the target image, in which the test state detection model is used to characterize the corresponding relationship between the test state detection results of the image including the human face image and the test state detection results of the image. In response to the determination that the test state represented by the test result belongs to the first test state, the user information corresponding to the image of the predetermined part of the human body is determined; and the prompt information representing the first test state is pushed to the target client, in which the prompt information includes the determined user information. The implementation enriches the flexibility of information push.

【技术实现步骤摘要】
用于推送信息的方法和装置
本申请实施例涉及计算机
，具体涉及互联网
，尤其涉及用于推送信息的方法和装置。
技术介绍
现有的监考方法通常是人工监考，人力成本较高。相关的监考系统通常采用人脸识别和指纹识别等身份验证方式，可以避免他人替考的情况，但适用场景有限。不能够有效检测考生自己违规考试的状态。
技术实现思路
本申请实施例提出了用于推送信息的方法和装置。第一方面，本申请实施例提供了一种用于推送信息的方法，该方法包括：获取包括人体脸部图像的目标图像；将上述目标图像输入至预先训练的考试状态检测模型，得到上述目标图像的考试状态检测结果，其中，上述考试状态检测模型用于表征包括人体脸部图像的图像与图像的考试状态检测结果之间的对应关系；响应于确定上述考试状态检测结果表征的考试状态属于第一考试状态，确定上述人体预定部位图像对应的用户信息；将表征属于第一考试状态的提示信息推送给目标客户端，其中，上述提示信息包括所确定的用户信息。在一些实施例中，，上述考试状态还包括作弊状态，上述作弊状态是通过检测考生的眼睛焦点是否脱离考卷超过预设时长得到的，上述方法还包括：响应于检测到考生的眼睛焦点脱离考卷超过预设时长，将表征该考生属于作弊状态的提示信息发送给监考客户端，其中，上述提示信息还包括该考生的身份信息。在一些实施例中，上述考试状态检测模型通过如下步骤训练得到：获取样本集，其中，样本包括人体预定部位图像的样本图像，以及与样本图像对应的样本考试状态检测结果；基于样本集执行以下训练步骤：将样本集中的至少一个样本的样本图像分别输入至初始神经网络，得到上述至少一个样本中的每个样本对应的考试状态检测结果；将上述至少一个样本中的每个样本对应的考试状态检测结果与对应的样本考试状态检测结果进行比较，根据比较结果确定上述初始神经网络是否达到预设的优化目标，响应于确定上述初始神经网络达到上述优化目标，将上述初始神经网络作为训练完成的考试状态检测模型。在一些实施例中，训练得到上述考试状态检测模型的步骤还包括：响应于确定初始神经网络未达到上述优化目标，调整初始神经网络的网络参数，以及使用未用过的样本组成样本集，使用调整后的初始神经网络作为初始神经网络，继续执行上述训练步骤。第二方面，本申请实施例提供了一种用于推送信息的装置，该装置包括：获取单元，被配置成获取包括人体脸部图像的目标图像；输入单元，被配置成将上述目标图像输入至预先训练的考试状态检测模型，得到上述目标图像的考试状态检测结果，其中，上述考试状态检测模型用于表征包括人体脸部图像的图像与图像的考试状态检测结果之间的对应关系；确定单元，被配置成响应于确定上述考试状态检测结果表征的考试状态属于第一考试状态，确定上述人体预定部位图像对应的用户信息；推送单元，被配置成将表征属于第一考试状态的提示信息推送给目标客户端，其中，上述提示信息包括所确定的用户信息。在一些实施例中，上述考试状态还包括作弊状态，上述作弊状态是通过检测考生的眼睛焦点是否脱离考卷超过预设时长得到的，上述装置还包括：发送单元，被配置成响应于检测到考生的眼睛焦点脱离考卷超过预设时长，将表征该考生属于作弊状态的提示信息发送给监考客户端，其中，上述提示信息还包括该考生的身份信息。在一些实施例中，上述考试状态检测模型通过如下步骤训练得到：获取样本集，其中，样本包括人体预定部位图像的样本图像，以及与样本图像对应的样本考试状态检测结果；基于样本集执行以下训练步骤：将样本集中的至少一个样本的样本图像分别输入至初始神经网络，得到上述至少一个样本中的每个样本对应的考试状态检测结果；将上述至少一个样本中的每个样本对应的考试状态检测结果与对应的样本考试状态检测结果进行比较，根据比较结果确定上述初始神经网络是否达到预设的优化目标，响应于确定上述初始神经网络达到上述优化目标，将上述初始神经网络作为训练完成的考试状态检测模型。在一些实施例中，训练得到上述考试状态检测模型的步骤还包括：响应于确定初始神经网络未达到上述优化目标，调整初始神经网络的网络参数，以及使用未用过的样本组成样本集，使用调整后的初始神经网络作为初始神经网络，继续执行上述训练步骤。第三方面，本申请实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。本申请实施例提供的用于推送信息的方法和装置，首先，获取包括人体脸部图像的目标图像。然后，将上述目标图像输入至预先训练的考试状态检测模型，得到上述目标图像的考试状态检测结果，其中，上述考试状态检测模型用于表征包括人体脸部图像的图像与图像的考试状态检测结果之间的对应关系。之后，响应于确定上述考试状态检测结果表征的考试状态属于第一考试状态，确定上述人体预定部位图像对应的用户信息。最后，将表征属于第一考试状态的提示信息推送给目标客户端，其中，上述提示信息包括所确定的用户信息。本申请实施例提供的用于推送信息的方法和装置可以获得处于第一考试状态的用户对应的用户信息。例如第一考试状态是考生违规考试状态，则可以获得处于违规考试状态的考生对应的身份信息。采用图像检测的方式可以得到更广泛的应用，且不会随着人数的增加导致成本的增加。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是本申请实施例可以应用于其中的示例性系统架构图；图2是根据本申请的用于推送信息的方法的一个实施例的流程图；图3是根据本申请的用于推送信息的方法的一个应用场景的示意图；图4是根据本申请的用于推送信息的装置的一个实施例的结构示意图；图5是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。具体实施方式下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关专利技术，而非对该专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关专利技术相关的部分。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。图1示出了可以应用本申请实施例的用于推送信息的方法或用于推送信息的装置的示例性系统架构100。如图1所示，系统架构100可以包括图像采集装置101、102、103，网络104和服务器105。网络104用以在图像采集装置101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。图像采集装置101、102、103可以通过网络104与服务器105交互，以接收指令或发送消息等。图像采集装置101、102、103可以包括摄像头和深度摄像头。服务器105可以是提供各种服务的服务器，例如对图像采集装置101、102、103所发送的信息进行解析等处理的后台服务器。后台服务器可以利用图像采集装置101、102、103进行监控，从而获取目标图像，还可以将所获取的目标图像进行存储。本文档来自技高网...

【技术保护点】
1.一种用于推送信息的方法，包括：获取包括人体脸部图像的目标图像；将所述目标图像输入至预先训练的考试状态检测模型，得到所述目标图像的考试状态检测结果，其中，所述考试状态检测模型用于表征包括人体脸部图像的图像与图像的考试状态检测结果之间的对应关系；响应于确定所述考试状态检测结果表征的考试状态属于第一考试状态，确定所述人体预定部位图像对应的用户信息；将表征属于第一考试状态的提示信息推送给目标客户端，其中，所述提示信息包括所确定的用户信息。

【技术特征摘要】
1.一种用于推送信息的方法，包括：获取包括人体脸部图像的目标图像；将所述目标图像输入至预先训练的考试状态检测模型，得到所述目标图像的考试状态检测结果，其中，所述考试状态检测模型用于表征包括人体脸部图像的图像与图像的考试状态检测结果之间的对应关系；响应于确定所述考试状态检测结果表征的考试状态属于第一考试状态，确定所述人体预定部位图像对应的用户信息；将表征属于第一考试状态的提示信息推送给目标客户端，其中，所述提示信息包括所确定的用户信息。2.根据权利要求1所述的方法，其中，所述考试状态还包括作弊状态，所述作弊状态是通过检测考生的眼睛焦点是否脱离考卷超过预设时长得到的，所述方法还包括：响应于检测到考生的眼睛焦点脱离考卷超过预设时长，将表征该考生属于作弊状态的提示信息发送给监考客户端，其中，所述提示信息还包括该考生的身份信息。3.根据权利要求1-2之一所述的方法，其中，所述考试状态检测模型通过如下步骤训练得到：获取样本集，其中，样本包括人体预定部位图像的样本图像，以及与样本图像对应的样本考试状态检测结果；基于样本集执行以下训练步骤：将样本集中的至少一个样本的样本图像分别输入至初始神经网络，得到所述至少一个样本中的每个样本对应的考试状态检测结果；将所述至少一个样本中的每个样本对应的考试状态检测结果与对应的样本考试状态检测结果进行比较，根据比较结果确定初始神经网络是否达到预设的优化目标，响应于确定初始神经网络达到所述优化目标，将初始神经网络作为训练完成的考试状态检测模型。4.根据权利要求3所述的方法，其中，训练得到所述考试状态检测模型的步骤还包括：响应于确定初始神经网络未达到所述优化目标，调整初始神经网络的网络参数，以及使用未用过的样本组成样本集，使用调整后的初始神经网络作为初始神经网络，继续执行所述训练步骤。5.一种用于推送信息的装置，包括：获取单元，被配置成获取包括人体脸部图像的目标图像；输入单元，被配置成将所述目标图像输入至预先训练的考试状态检测模型，得到所述目标图像的考试状态检测结果，其中，所述考试...

【专利技术属性】
技术研发人员：莫仁鹏，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11