一种图书馆寻书方法及智能寻书机器人技术

本发明专利技术公开了一种图书馆寻书方法及智能寻书机器人，通过获得读者的照片；根据所述照片识别出读者身份信息；根据读者身份信息，获得读者的历史借阅数据，根据所述历史借阅数据，推荐目标书本给所述读者。如此，不需要读者输入关键词，即可获得读者可能感兴趣的书本推荐给读者，另外，根据读者身份信息，获得读者的历史借阅数据，根据所述历史借阅数据，推荐目标书本给所述读者，目标书本不是随便找的，是通过分析读者的历史借阅数据预测出来的读者可能感兴趣的书本，如此提高了推荐的书本的准确性，提高了推荐的书本是读者感兴趣的书本的可能性，提高了读者的节约率，读者的使用体验感好。感好。感好。

【技术实现步骤摘要】
一种图书馆寻书方法及智能寻书机器人


[0001]本专利技术涉及机器人
，具体而言，涉及一种面向读者的智能寻书机器人及电子设备。

技术介绍

[0002]目前，主要是通过关键词给读者提供相应的书本推荐列表，但是很多情况下，读者借书之前并不清楚自己想看什么书，这个时候，读者根本没法输入相应的关键词，即读者无从下手，因此，在这种情况下，根据关键词给读者推荐书本的方式是失效的。为此，一种能够自动、准确地给读者推荐读者感兴趣的书本的方法能够解决上述问题。

技术实现思路

[0003]本专利技术的目的在于提供了一种面向读者的智能寻书机器人及电子设备，用以解决现有技术中存在的上述问题。
[0004]第一方面，本专利技术实施例提供了一种图书馆寻书方法，应用于智能寻书机器人，所述方法包括：
[0005]获得读者的照片；
[0006]根据所述照片识别出读者身份信息；
[0007]根据读者身份信息，获得读者的历史借阅数据，历史借阅数据包括读者的历史借阅书本名称、书本类别和借阅时间；
[0008]根据所述历史借阅数据，推荐目标书本给所述读者。
[0009]可选的，所述根据所述照片识别出读者身份信息，包括：
[0010]获得与所述照片匹配的视频，所述视频是读者预先录制存储在数据库中的，所述视频中包括多张读者图像，所述读者图像包括读者的人脸图像，所述人脸图像是所述读者图像的一个区域；
[0011]在所述读者图像中识别出人脸图像；
[0012]将所述视频中的人脸图像按照所述人脸图像所在的读者图像的拍摄顺序进行排列，得到人脸图像序列；人脸图像序列包括多张人脸图像；
[0013]将人脸图像序列输入卷积神经网络中，所述卷积神经网络基于人脸图像序列所述识别出人脸特征向量；
[0014]通过第一网络对所述人脸特征向量进行上卷积处理，得到三维特征图；以所述读者的人脸三维数据与所述三维特征图之间的第一交叉熵作为所述第一网络的损失函数；所述读者的人脸三维数据是通过三维摄像设备采集得到的；
[0015]基于第一网络的损失函数反向调整所述三维特征图；
[0016]以经过反向调整后的三维特征图作为目标，基于残差网络的损失函数反向调整人脸特征向量；
[0017]获得经过反向调整后的人脸特征向量与预先标注的样本标签之间的第二交叉熵；
[0018]以所述第一交叉熵和所述第二交叉熵满足预设条件时的人脸特征向量作为输出的人脸特征向量；
[0019]基于输出的人脸特征向量识别出读者身份信息。
[0020]可选的，所述卷积神经网络是残差网络，所述残差网络包括多个卷积层；多个卷积层用于提取人脸图像的特征向量；
[0021]可选的，所述基于输出的人脸特征向量识别出读者身份信息，包括：
[0022]在身份信息数据库中获得与所述输出的人脸特征向量匹配的身份信息，作为所述读者的身份信息。
[0023]可选的，所述第一交叉熵和所述第二交叉熵满足预设条件时，表示的是：所述第一交叉熵和所述第二交叉熵都收敛。
[0024]可选的，所述第一交叉熵和所述第二交叉熵满足预设条件时，表示的是：所述第一交叉熵小于第一定值，且所述第二交叉熵小于第二定值。
[0025]可选的，所述根据所述历史借阅数据，推荐目标书本给所述读者，包括：
[0026]获得历史借阅数据中的读者的历史借阅书本名称、书本类别和借阅时间；
[0027]根据所述借阅时间和所述书本类别，预测出读者感兴趣的书目类别；
[0028]获得所述读者感兴趣的书目类别的多本书本作为待选书本；
[0029]在图书大数据库中获得与所述书本类别对应的待选书本；
[0030]将与读者最近一次借阅的书本名称最相似书本作为目标书本推荐给所述读者。
[0031]可选的，所述根据所述借阅时间和所述书本类别，预测出读者感兴趣的书目类别；
[0032]获得读者对历史借阅数据中书本类别的打分，所述打分表征所述读者对所述书本的喜爱程度；
[0033]基于所述借阅时间，对所述书本类别的打分进行时间序列预测，得到所述读者对下一本书本的打分；
[0034]从评分数据库中获得与所述读者对下一本书本的打分相匹配的书目类别作为所述读者感兴趣的书目类别；所述数目类别与所述读者对下一本书本的打分相匹配，表示其他读者对所述数目类别的评分与所述读者对下一本书本的打分之间的差值在预设范围之内。
[0035]第二方面，本专利技术实施例提供了一种面向读者的智能寻书机器人，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一项所述方法的步骤。
[0036]第三方面，本专利技术实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一项所述方法的步骤。
[0037]相较于现有技术，本专利技术达到的有益效果是：
[0038]本专利技术实施例提供了一种图书馆寻书方法及智能寻书机器人，通过获得读者的照片；根据所述照片识别出读者身份信息；根据读者身份信息，获得读者的历史借阅数据，历史借阅数据包括读者的历史借阅书本名称、书本类别和借阅时间；根据所述历史借阅数据，推荐目标书本给所述读者。如此，不需要读者输入关键词，即可获得读者可能感兴趣的书本推荐给读者，另外，根据读者身份信息，获得读者的历史借阅数据，根据所述历史借阅数据，
推荐目标书本给所述读者，目标书本不是随便找的，是通过分析读者的历史借阅数据预测出来的读者可能感兴趣的书本，如此提高了推荐的书本的准确性，提高了推荐的书本是读者感兴趣的书本的可能性，提高了读者的节约率，读者的使用体验感好。
附图说明
[0039]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0040]图1是本专利技术实施例提供的一种图书馆寻书方法流程图。
[0041]图2是本专利技术实施例提供的一种电子设备的方框结构示意图。
[0042]图标：500
‑
总线；501
‑
接收器；502
‑
处理器；503
‑
发送器；504
‑
存储器；505
‑
总线接口。
具体实施方式
[0043]下面结合附图，对本专利技术作详细的说明。
[0044]实施例
[0045]本专利技术实施例提供了一种图书馆寻书方法，应用于智能寻书机器人。如图1所示，所述方法包括：
[0046]S101：获得读者的照片。读者的照片是通过智能寻书机器人的摄像头拍摄得到的。
[0047]S102本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图书馆寻书方法，应用于智能寻书机器人，其特征在于，所述方法包括：获得读者的照片；根据所述照片识别出读者身份信息；根据读者身份信息，获得读者的历史借阅数据，历史借阅数据包括读者的历史借阅书本名称、书本类别和借阅时间；根据所述历史借阅数据，推荐目标书本给所述读者。2.根据权利要求1所述的方法，其特征在于，所述根据所述照片识别出读者身份信息，包括：获得与所述照片匹配的视频，所述视频是读者预先录制存储在数据库中的，所述视频中包括多张读者图像，所述读者图像包括读者的人脸图像，所述人脸图像是所述读者图像的一个区域；在所述读者图像中识别出人脸图像；将所述视频中的人脸图像按照所述人脸图像所在的读者图像的拍摄顺序进行排列，得到人脸图像序列；人脸图像序列包括多张人脸图像；将人脸图像序列输入卷积神经网络中，所述卷积神经网络基于人脸图像序列所述识别出人脸特征向量；通过第一网络对所述人脸特征向量进行上卷积处理，得到三维特征图；以所述读者的人脸三维数据与所述三维特征图之间的第一交叉熵作为所述第一网络的损失函数；所述读者的人脸三维数据是通过三维摄像设备采集得到的；基于第一网络的损失函数反向调整所述三维特征图；以经过反向调整后的三维特征图作为目标，基于残差网络的损失函数反向调整人脸特征向量；获得经过反向调整后的人脸特征向量与预先标注的样本标签之间的第二交叉熵；以所述第一交叉熵和所述第二交叉熵满足预设条件时的人脸特征向量作为输出的人脸特征向量；基于输出的人脸特征向量识别出读者身份信息。3.根据权利要求2所述的方法，其特征在于，所述卷积神经网络是残差网络，所述残差网络包括多个卷积层；多个卷积层用于提取人脸图像的特征向量。4.根据权利要求2所述的方法，其特征在于，所述基于输出的人脸特征向量识别出读者身份信息，包括：在身份信息数据库中获得与所述输出的人脸特征向量匹配的身份信息，作为所述读者的身份信息。5.根...

【专利技术属性】
技术研发人员：羌栋强，
申请(专利权)人：江苏商贸职业学院，
类型：发明
国别省市：