确定推荐产品的方法和装置、电子设备、计算机可读介质

摘要

本公开实施例提供了一种确定推荐产品的方法，该方法包括：获取用户图像；所述用户图像包括用户的面部图像；根据所述用户图像，确定所述用户的至少一个外观属性；根据所述用户的至少一个外观属性，确定所述用户的外观等级信息；根据所述用户的外观等级信息，确定对应的推荐产品。本公开实施例还提供了一种确定推荐产品的装置、电子设备、非瞬态计算机可读介质。

说明书

技术领域

本公开实施例涉及图像分析技术领域，特别涉及确定推荐产品的方法和装置、电子设备、非瞬态计算机可读介质。

背景技术

在一些相关技术中，可通过广告(如电视广告、网络广告等)向用户推送产品。但不同用户对产品的偏好有很大不同，故用户对推送给自己的广告中的绝大多数产品实际几乎不感兴趣，从而导致产品推送的效率低、浪费严重。

发明内容

本公开实施例提供一种确定推荐产品的方法和装置、电子设备、非瞬态计算机可读介质。

第一方面，本公开实施例提供一种确定推荐产品的方法，其包括：

获取用户图像；所述用户图像包括用户的面部图像；

根据所述用户图像，确定所述用户的至少一个外观属性；

根据所述用户的至少一个外观属性，确定所述用户的外观等级信息；

根据所述用户的外观等级信息，确定对应的推荐产品。

在一些实施例中，在所述确定所述用户的至少一个外观属性后，以及所述确定所述用户的外观等级信息后还包括：

根据所述用户的外观等级信息和/或至少一个外观属性，确定所述用户的标签。

在一些实施例中，所述根据所述用户图像，确定所述用户的至少一个外观属性包括：

用神经网络处理所述用户图像，以确定所述用户的至少一个外观属性。

在一些实施例中，所述根据所述用户的至少一个外观属性，确定所述用户的外观等级信息包括：

根据所述用户的每个所述外观属性，确定每个所述外观属性对应的子参数值；其中，每个所述外观属性和子参数值之间为预设的高斯分布关系；

根据所述用户的各外观属性的子参数值，确定所述用户的外观等级信息。

在一些实施例中，所述根据所述用户的每个所述外观属性，确定每个所述外观属性对应的子参数值包括：

根据以下公式确定所述用户的外观属性i的yi，并根据所述yi确定外观属性i的子参数值：

yi＝yi

其中，exp[]表示以自然常数e为底的指数函数，yi

在一些实施例中，所述根据所述yi确定外观属性i的子参数值包括：

当yi不符合预设的第一排除规则时，将所述子参数值取为yi；

所述第一排除规则包括：

当所述yi小于第一阈值时，将所述子参数值取为第一阈值；

和/或，

当所述yi大于第二阈值时，将所述子参数值取为第二阈值。

在一些实施例中，所述根据所述用户的各外观属性的子参数值，确定所述用户的外观等级信息包括：

确定所述用户的外观等级信息为各外观属性的子参数值的加权平均值或总和值。

在一些实施例中，所述根据所述用户的各外观属性的子参数值，确定所述用户的外观等级信息包括：

根据所述用户的各外观属性的子参数值确定中间参数值；

当所述中间参数值不符合预设的第二排除规则时，将所述外观等级信息取值为中间参数值；

所述第二排除规则包括：

当所述中间参数值小于第三阈值时，将所述子参数值取为第三阈值；

和/或，

当所述中间参数值大于第四阈值时，将所述子参数值取为第四阈值。

在一些实施例中，所述根据所述用户的外观等级信息，确定对应的推荐产品包括：

根据所述用户的外观等级信息，确定所述推荐产品的产品等级信息；其中，所述外观等级信息和所述产品等级信息之间成正相关的关系。

在一些实施例中，所述外观属性包括以下至少一项：

性别、年龄、脸型、表情、眼镜、发型、胡须、肤色、发色、身高、体型、衣着。

在一些实施例中，在所述确定对应的推荐产品后，以及所述确定所述用户的标签后，还包括：

向所述用户推送所述推荐产品以及所述用户的标签。

第二方面，本公开实施例提供一种确定推荐产品的装置，其包括：

获取单元，配置为获取用户图像；所述用户图像包括用户的面部图像；

属性单元，配置为根据所述用户图像，确定所述用户的至少一个外观属性；

等级单元，配置为根据所述用户的至少一个外观属性，确定所述用户的外观等级信息；

产品单元，配置为根据所述用户的外观等级信息，确定对应的推荐产品

第三方面，本公开实施例提供一种电子设备，其包括：

一个或多个处理器；

存储器，其上存储有一个或多个计算机程序：

一个或多个I/O接口，连接在所述处理器与存储器之间，配置为实现所述处理器与存储器的信息交互；

当所述一个或多个计算机程序被所述一个或多个处理器执行时，能实现上述任意一种确定推荐产品的方法。

第四方面，本公开实施例提供一种非瞬态计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一种确定推荐产品的方法。

附图说明

附图用来提供对本公开实施例的进一步理解，并且构成说明书的一部分，与本公开实施例一起用于解释本公开，并不构成对本公开的限制。通过参考附图对详细示例实施例进行描述，以上和其它特征和优点对本领域技术人员将变得更加显而易见，在附图中：

图1为本公开实施例提供的一种确定推荐产品的方法的流程图；

图2为本公开实施例提供的另一种确定推荐产品的方法的流程图；

图3为本公开实施例提供的另一种确定推荐产品的方法中使用的卷积神经网络的结构示意图；

图4为本公开实施例提供的一种确定推荐产品的装置的组成框图；

图5为本公开实施例提供的一种电子设备的组成框图；

图6为本公开实施例提供的一种非瞬态计算机可读介质的组成框图。

具体实施方式

为使本领域的技术人员更好地理解本公开实施例的技术方案，下面结合附图对本公开实施例提供的确定推荐产品的方法和装置、电子设备、非瞬态计算机可读介质进行详细描述。

在下文中将参考附图更充分地描述本公开实施例，但是所示的实施例可以以不同形式来体现，且不应当被解释为限于本公开阐述的实施例。反之，提供这些实施例的目的在于使本公开透彻和完整，并将使本领域技术人员充分理解本公开的范围。

本公开实施例可借助本公开的理想示意图而参考平面图和/或截面图进行描述。因此，可根据制造技术和/或容限来修改示例图示。

在不冲突的情况下，本公开各实施例及实施例中的各特征可相互组合。

本公开所使用的术语仅用于描述特定实施例，且不意欲限制本公开。如本公开所使用的术语“和/或”包括一个或多个相关列举条目的任何和所有组合。如本公开所使用的单数形式“一个”和“该”也意欲包括复数形式，除非上下文另外清楚指出。如本公开所使用的术语“包括”、“由……制成”，指定存在所述特征、整体、步骤、操作、元件和/或组件，但不排除存在或添加一个或多个其它特征、整体、步骤、操作、元件、组件和/或其群组。

除非另外限定，否则本公开所用的所有术语(包括技术和科学术语)的含义与本领域普通技术人员通常理解的含义相同。还将理解，诸如那些在常用字典中限定的那些术语应当被解释为具有与其在相关技术以及本公开的背景下的含义一致的含义，且将不解释为具有理想化或过度形式上的含义，除非本公开明确如此限定。

本公开实施例不限于附图中所示的实施例，而是包括基于制造工艺而形成的配置的修改。因此，附图中例示的区具有示意性属性，并且图中所示区的形状例示了元件的区的具体形状，但并不是旨在限制性的。

第一方面，参照图1，本公开实施例提供一种确定推荐产品的方法，其包括：

S101、获取用户图像。

其中，用户图像包括用户的面部图像。

获取要推荐产品的用户的图像(用户图像)，而因为面部(脸部)是外观信息最丰富的人体部位，故用户图像至少应包括用户的面部图像。

当然，如果用户图像还包括用户的身体等其它位置的图像，也是可行的。

其中，获取用户图像的方式是多样的。例如，可以是通过图像采集单元(如摄像机)直接拍摄用户的图像；或者，也可以是通过数据接口获取已采集的用户图像(如用户用自己的手机拍摄的图像)的数据。

S102、根据用户图像，确定用户的至少一个外观属性。

分析以上用户图像中的用户的外观，以确定用户在外观角度上符合的至少一个具体特性，即至少一个外观属性；故每个外观属性表征用户在外观的某一具体方面的特性。

其中，外观属性可以是不同的类型(如圆脸类型、瓜子脸类型等)，也可以是一定的数值(如具体年龄值)等。

S103、根据用户的至少一个外观属性，确定用户的外观等级信息。

根据以上得出的外观属性，进一步计算出一个表示用户外观的整体特性，即用户的外观等级信息。

其中，外观等级信息可以是数值、编号、代码等形式。例如，外观等级信息可以是表示一定意义的“数值”，如反应用户对运动喜好程度的数值，或反应用户身份信息的数值，或反应用户颜值信息的数值等，数值的取值范围可以是1～100之间，具体数值可以为80、90、100等；或者，外观等级信息也可以是无直接意义的编号、代码等，如80、90、100、A、B、C等，其中每个编号、代码无直接意义，而代表外观等级信息的所属“类型”。

S104、根据用户的外观等级信息，确定对应的推荐产品。

根据以上确定出的外观等级信息，确定具有该外观等级信息的用户应对什么产品感兴趣的概率较大，并将这些产品确定为推荐产品。

在一些实施例中，本步骤(S104)包括：根据预设的产品对应关系，确定与用户的标签对应的推荐产品。

即可预先设定产品对应关系，其中包括不同的外观等级信息对应的推荐产品，从而可根据产品对应关系确定推荐产品。

例如，根据用户外观信息的数值、编号、代码等，可根据产品对应关系得到用户适合产品。例如，用户外观信息的数值在1～5之间时对应第一产品，为6～10时为第二产品等；再如，用户外观信息的编号为A时对应第一产品，为B时对应第二产品等。

其中，以上推荐产品可为实体产品、金融产品、服务类产品等。

而不同的产品可以是不同类的产品，如体育器械产品和金融服务产品等；或者，不同的产品也可以是同类产品下的不同具体参数，如同为贷款产品，但贷款额度不同等。

申请人创造性的发现，一个人的外观与其偏好或适合的产品往往是有隐含的关联性的。例如，体型比较健壮的人一般比较喜爱运动，故对体育产品(如体育器械、健身服务、体育比赛视频等)感兴趣的可能性较高；而穿正装的人往往工作收入较高，故对部分理财产品(如大额理财产品、高风险理财产品)感兴趣的可能更大。

本公开实施例中，通过分析每位用户的外观(用户图像)，确定该用户对产品的“偏好”，并根据这些偏好确定应推荐给用户的产品(推荐产品)；从而本公开实施例得出的推荐产品有较大概率是符合用户的需求或兴趣的，可提高产品推送的效率，减少不必要的浪费。

在一些实施例中，外观属性包括以下至少一项：性别、年龄、脸型、表情、眼镜、发型、胡须、肤色、发色、身高、体型、衣着。

通过分析用户图像确定的外观属性可包括：性别(男、女)、年龄(年龄数值)、脸型(瓜子脸、圆脸等具体类型，或者是各种类型的置信度)、表情(快乐、愤怒等具体类型，或者是各种类型的置信度)、眼镜(是否戴眼镜，或者是戴眼镜时进一步有眼镜的具体类型)、发型(长发、短发、光头等头发长度类型，或者是分头、大波浪、丸子头等发式类型)、胡须(是否有胡须，或者是有胡须时进一步有胡须的具体类型)、肤色(很白、偏白、偏黑等颜色的类型，或者是具体的颜色坐标值)、发色(黑色、金色等头发颜色类型，或者是具体的颜色坐标值)、身高(身高的数值)、体型(正常、偏胖、偏瘦、健壮等)、衣着(T恤、西服、牛仔裤等具体服装类型，或者是运动装、休闲装等衣着整体的类型)。

应当理解，以上列举的外观属性，以及每种外观属性的具体表现形式都只是示意性的，而不是对本公开的保护范围的限定。

在一些实施例中，在确定用户的至少一个外观属性(S102步骤)后，以及确定用户的外观等级信息(S103步骤)后，还包括：

S105、根据用户的外观等级信息和/或至少一个外观属性，确定用户的标签。

根据以上确定出的外观等级信息、外观属性中的一者或多者，确定出根据用户的外观对用户做出的一个或多个“评价”，即用户的标签。

其中，标签应采用一般用户能理解的表达形式，如描述用户的特性的文字，如“小鲜肉”、“冻龄美女”、“运动达人”、“喜好运动产品”、“高收入人士”等。

在一些实施例中，本步骤(S105)可包括：根据预设的标签对应关系，确定与用户的外观等级信息和/或外观属性对应的标签。

作为本公开实施例的一种方式，可预先设定标签对应关系，标签对应关系中有当外观等级信息、外观属性为不同情况时对应的标签。

其中，以上标签对应关系中外观等级信息、外观属性、标签的具体对应方式可以是多样的。

例如，可有部分标签仅与外观等级信息、外观属性中的一者对应：如可以是外观等级信息处于不同数值范围时直接对应有不同标签；或者，也可以是具有特定外观属性(如具有一个或多个特定外观属性)时即对应不同标签，如年龄值在不同范围内时分别给出老年人、中年人、年轻人等标签。

再如，可有部分标签是与外观等级信息和外观属性的组合相对的；如只有在外观等级信息的数值处于特定范围，且具有特定外观属性(如具有一个或多个特定外观属性)时，才对应特定的标签。

在一些实施例中，在确定对应的推荐产品(S104步骤)后，以及确定用户的标签(S105步骤)后，还包括：

S106、向用户推送推荐产品以及用户的标签。

在确定出用户对应的推荐产品和标签后，还可通过某些方式向该用户推送(推荐)这些产品和标签。

其中，推送推荐产品和标签的具体方式是多样的；例如，可向用户显示推荐产品和标签，或是向用户播放推荐产品和标签的信息的语音，或是向用户的终端(如手机)发送推荐产品和标签的信息等；总之，只要其能通过某些方式将以上确定的推荐产品和标签“告知”用户即可。

在一些实施例中，根据用户图像，确定用户的至少一个外观属性；(S102步骤)包括：

S1021、用神经网络处理用户图像，以确定用户的至少一个外观属性。

在一些实施例中，神经网络包括ShuffleNet网络(卷积神经网络的一种)。

作为本公开实施例的一种方式，可用卷积神经网络(CNN)处理用户图像，以确定用户的至少一个外观属性。卷积神经网络是用于分析图像特征，以确定图像的“分类”的智能网络，故以上过程也相当于确定用户图像中的用户所满足的“分类”。

进一步的，卷积神经网络包括ShuffleNet网络，更进一步是ShuffleNet_v2轻量级网络。

其中，使用卷积神经网络进行外观属性的识别过程可参照图3，输入的用户图像经ShuffleNet网络提取特征后，进行平均池化处理(AVG pooling)，再经归一化处理(Softmax)或范数处理(L1 norm)，得到外观属性的输出。

其中，归一化处理可用于脸型等通过置信度体现的外观属性的提取，而范数处理可用于年龄等具有数值的外观属性的提取。

在一些实施例中，根据用户的至少一个外观属性，确定用户的外观等级信息(S103)包括：

S1031、根据用户的每个外观属性，确定每个外观属性对应的子参数值。

其中，每个外观属性和子参数值之间为预设的高斯分布关系。

作为本公开实施例的一种方式，每个外观属性具有一定的“数值”，并且，每个外观属性可对“外观等级信息”做出一定的贡献，该贡献为外观属性“子参数值”；而且，以上外观属性的“数值”和“子参数值”之间符合一定的高斯分布关系。从而根据外观属性的“数值”和具体的的高斯分布关系，即可计算出其相应的“子参数值”

在一些实施例中，本步骤(S1031)包括：根据以下公式确定用户的外观属性i的yi，并根据yi确定外观属性i的子参数值：

yi＝yi

其中，exp[]表示以自然常数e为底的指数函数，yi

具体的，可通过以上的公式计算任意外观属性(外观属性i)的一个参数yi，再根据yi确定外观属性i的子参数值(例如直接以yi为子参数值)；其中，xi

在一些实施例中，根据yi确定外观属性i的子参数值包括：当yi不符合预设的第一排除规则时，将子参数值取为yi；

第一排除规则包括：

当yi小于第一阈值时，将子参数值取为第一阈值；

和/或，

当yi大于第二阈值时，将子参数值取为第二阈值。

为避免个别外观属性的子参数值很大或很小时对外观等级信息产生过大的影响，故可预先规定：当yi小于第一阈值(例如80)或大于第二阈值(例如100)，直接以第一阈值或第二阈值为子参数值，其它时候则以yi的值为子参数值。

S1032、根据用户的各外观属性的子参数值，确定用户的外观等级信息。

根据以上计算得到的各外观属性的子参数值，进一步计算表示用户整体的外观评价的参数(外观等级信息)。

在一些实施例中，本步骤(S1032)包括：确定用户的外观等级信息为各外观属性的子参数值的加权平均值或总和值。

示例性的，可以各外观属性的子参数值的加权平均值(比如数学期望)、总和值等作为外观等级信息。

当然，此时得到的外观等级信息是“数值”的形式。

在一些实施例中，本步骤(S1032)包括：

根据用户的各外观属性的子参数值确定中间参数值；

当中间参数值不符合预设的第二排除规则时，将外观等级信息取值为中间参数值；

第二排除规则包括：

当中间参数值小于第三阈值时，将子参数值取为第三阈值；

和/或，

当中间参数值大于第四阈值时，将子参数值取为第四阈值。

可先通过一定方式根据各外观属性的子参数值求出一个中间参数值(如以上加权平均值或总和值)，且通常以该中间参数值作为外观等级信息；但当该中间参数值小于第三阈值(例如80)或大于第四阈值(例如100)时，则直接以第三阈值或第四阈值为外观等级信息。

当然，此时得到的外观等级信息是“数值”的形式。

在一些实施例中，根据用户的外观等级信息，确定对应的推荐产品(S104步骤)包括：根据用户的外观等级信息，确定推荐产品的产品等级信息。

其中，外观等级信息和产品等级信息之间成正相关的关系。

作为本公开实施例的一种方式，当外观等级信息为“数值”时，可根据该数值按照预设的正比例关系，确定出与外观等级信息对应的推荐产品的“产品等级信息”。

如前，不同的产品等级信息可以对应不同类的产品，也可对应同类产品的不同具体参数。

例如，对贷款产品时，产品等级信息可以是具体的“贷款额度”。例如，贷款额度y(单位万元)可通过以下公式计算：

y＝ax-b；

其中，x为计算得到的产品等级信息，a为预设的正系数(表示正相关)，b为预设的系数。

例如，产品等级信息的数值在80～100之间，且a＝2.5，b＝-195，则可得贷款额度y的至在5万～55万之间，且产品等级信息越大贷款额度越大(正相关)。

当然，应当理解，本公开实施例的方法中还可包括其它已知的步骤；例如，当，可包括提示用户进行操作(如提示用户采集用户图像)的步骤，在发生错误(如获取的图像中没有用户外观)时进行异常处理的步骤，供用户进行注册、登录的步骤，对处理过程产生的数据进行收集、统计、分析以供后续改进算法(如改变以上卷积神经网络的参数、改变高斯分布关系等)的步骤等，在此不再详细描述。

下面介绍一些确定推荐产品的方法的具体例子。

根据某用户的外观图像，进行本公开实施例的确定推荐产品的方法。其中，用户图像包括用户的脸部；而外观属性包括性别、年龄、脸型、眼镜、胡须。

步骤1、获取用户图像(用户脸部图像)。

步骤2、采用以上包括ShuffleNet_v2轻量级网络的卷积神经网络，提取得到以上各外观属性。

当然，此时使用的卷积神经网络是通过具有已知外观属性的训练样本预先训练得到的。

步骤3、根据用户的外观属性，确定用户的外观等级信息。

其中，外观属性包括年龄(外观属性1)、脸型(外观属性2)、表情(外观属性3)。

具体可通过以下公式计算每个外观属性i(i＝1或2或3)的yi，并根据yi确定子参数值：

yi＝yi

其中，exp[]表示以自然常数e为底的指数函数，yi

其中，外观属性1为具体年龄值；计算其y1时，高斯分布关系的预设峰值(均值)为25岁(对女性)或30岁(对男性)，预设最大子参数值为79岁，间隔为5岁，预设最大子参数值(第二阈值)为100，半高宽值为70，预设最小子参数值(第一阈值)为80(即，若直接计算得到的y1小于80则计子参数值为＝80，大于100则记子参数值＝100，其它则计子参数值＝y1)。

其中，外观属性2脸型分为圆脸、方形脸、三角形脸、瓜子脸、心形脸5种类型，其具体为每种类型的置信度(或者说为该类型的可能性，故所有类型的置信度之和为1)；计算其y2时，不同类型可设置不同的高斯分布关系；例如，某种类型的高斯分布关系的预设峰值(均值)为0.5，预设最大子参数值为1(因为置信度不可能超过1)，间隔为0.1，预设最大子参数值(第二阈值)为100，半高宽值为70，预设最小子参数值(第一阈值)为80(即，若直接计算得到的y2小于80则计子参数值为＝80，大于100则记子参数值＝100，其它则计子参数值＝y2)。

其中，外观属性3表情分为愤怒(Angry)，厌恶(Disgust)，恐惧(Fear)，快乐(Happy)，悲伤(Sad)，惊讶(Surprise)，无表情(Neutral)7种类型，其具体为每种类型的置信度(或者说为该类型的可能性，故所有类型的置信度之和为1)；计算其y3时，不同类型可设置不同的高斯分布关系；例如，某种类型的高斯分布关系的预设峰值(均值)为0.5，预设最大子参数值为1(因为置信度不可能超过1)，间隔为0.1，预设最大子参数值(第二阈值)为100，半高宽值为70，预设最小子参数值(第一阈值)为80(即，若直接计算得到的y3小于80则计子参数值为＝80，大于100则记子参数值＝100，其它则计子参数值＝y3)。

步骤4、根据以上y1、y2、y3的数学期望，作为用户的外观等级信息。

其中，数学期望(均值)E(y1,y2,y3)可通过以下公式计算：

E(y1,y2,y3)＝(y1+y2+y3)/3。

步骤5、结合以上外观等级信息，以及外观属性，确定用户的至少一个标签。

例如，以上外观属性可包括年龄、眼镜等，从而可结合外观等级信息和这些外观属性，确定该用户的标签。例如，若年龄小于25岁，则给出“年轻人”标签；若外观等级信息大于95且年龄小于25岁，则给出“小鲜肉”标签；若外观等级信息大于95，年龄大于35岁，且性别为女性，则给出“冻龄美女”标签等。

步骤6、根据用户的外观等级信息，确定对应的推荐产品。

根据以上外观等级信息确定推荐产品(如计算产品等级信息)。

例如，以上产品可为实体产品、金融产品、服务类产品等，进一步可为特定额度的贷款。

步骤7、向用户推送推荐产品以及用户的标签。

通过一些方式将以上确定的推荐产品和用户的标签“告知”用户。

第二方面，参照图4，本公开实施例提供一种确定推荐产品的装置，其包括：

获取单元，配置为获取用户图像；用户图像包括用户的面部图像；

属性单元，配置为根据用户图像，确定用户的至少一个外观属性；

等级单元，配置为根据用户的至少一个外观属性，确定用户的外观等级信息；

产品单元，配置为根据用户的外观等级信息，确定对应的推荐产品。

本公开实施例的确定推荐产品的装置，可实现以上任意一种确定推荐产品的方法。

在一些实施例中，获取单元包括图像采集单元。

获取单元可包括能直接采集用户图像的图像采集单元，例如是摄像机、照相机等。

当然，如果获取单元为用于用户获取已采集的用户图像的数据的数据接口，例如USB接口、有线网络接口、无线网络接口等，也是可行的。

在一些实施例中，本公开实施例的确定推荐产品的装置还包括：

标签单元，配置为根据用户的外观等级信息和/或至少一个外观属性，确定用户的标签。

即还可有标签单元用于确定用户的标签。

在一些实施例中，本公开实施例的确定推荐产品的装置还包括：

推送单元，配置为向用户推送推荐产品和标签。

确定推荐产品的装置还可包括用于向用户推送确定的推荐产品和标签的推送单元。其中，推送单元可包括显示器、扬声器、信息发送单元(用于向用户的终端发送推荐产品和标签的信息)等，只要其能通过某些方式将以上确定的推荐产品和标签“告知”用户即可。

在一些实施例中，本公开实施例的确定推荐产品的装置还包括：

交互单元，配置为接收用户的指令，并向用户传递信息。

为完成确定推荐产品过程，还可能需要与用户进行交互，故确定推荐产品的装置还可包括交互单元。其中，交互单元可为触摸屏等既能传递信息又可获取用户指令的器件；或者，交互单元也可以是输入器件(如键盘、鼠标等)和输出器件(如显示屏、扬声器等)的组合。

本公开实施例的确定推荐产品的装置可设于经营场所(如银行、商场等)，以供用户自己进行操作以获取适合自己的推荐产品；或者，本公开实施例的确定推荐产品的装置也可供工作人员操作，以确定适合用户的推荐产品，并用于后续对用户的服务。

本公开实施例的确定推荐产品的装置可以是一体式的，即其所有结构可都集中设置在一起；或者，本公开实施例的确定推荐产品的装置也可以是分体式的，即其中不同的结构可设于不同位置，例如，确定推荐产品的装置可包括设于经营场所(如银行、商场等)的客户端，客户端包括以上获取单元、交互单元等以便供用户操作，而标签单元、产品单元等用于进行数据处理的单元，则可为设于云端的处理器等。

例如，本公开实施例的确定推荐产品的装置可包括人脸识别单元、数据统计和分析单元等。

其中，人脸识别单元包含人脸注册和人脸识别两部分，当通过交互单元的贷款推荐界面获取到用户注册反馈后，可接到人脸识别单元，开启摄像头，进行人脸检测，提取人脸特征，与数据库中人脸进行比对识别；若人脸识别成功，则直接得到用户信息推送给云端，与其属性信息进行匹配管理；若人脸识别失败，则将用户人脸信息和用户注册时输入的信息同时传给云端，进行用户数据存储，并与其属性信息进行匹配管理。

其中，数据统计和分析单元将识别到的外观属性和外观等级信息，传给云端进行用户属性统计，可以统计出使用该装置的用户的性别分布、年龄分布、外观等级信息、注册用户数量、申请贷款用户的数量等，进行用户信息分析；进一步的，还可以据此获得用户基础画像，再进行后续的用户数据维护和管理。

第三方面，参照图5，本公开实施例提供一种电子设备，其包括：

一个或多个处理器；

存储器，其上存储有一个或多个计算机程序：

一个或多个I/O接口，连接在处理器与存储器之间，配置为实现处理器与存储器的信息交互；

当一个或多个计算机程序被一个或多个处理器执行时，能实现上述任意一种确定推荐产品的方法。

其中，处理器为具有数据处理能力的器件，其包括但不限于中央处理器(CPU)等；存储器为具有数据存储能力的器件，其包括但不限于随机存取存储器(RAM，更具体如SDRAM、DDR等)、只读存储器(ROM)、带电可擦可编程只读存储器(EEPROM)、闪存(FLASH)；I/O接口(读写接口)连接在处理器与存储器间，能实现存储器与处理器的信息交互，其包括但不限于数据总线(Bus)等。

第四方面，参照图6，本公开实施例提供一种非瞬态计算机可读介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任意一种确定推荐产品的方法。

本领域普通技术人员可以理解，上文中所公开的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。

在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。

某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器(CPU)、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其它数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于随机存取存储器(RAM，更具体如SDRAM、DDR等)、只读存储器(ROM)、带电可擦可编程只读存储器(EEPROM)、闪存(FLASH)或其它磁盘存储器；只读光盘(CD-ROM)、数字多功能盘(DVD)或其它光盘存储器；磁盒、磁带、磁盘存储或其它磁存储器；可以用于存储期望的信息并且可以被计算机访问的任何其它的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其它传输机制之类的调制数据信号中的其它数据，并且可包括任何信息递送介质。

本公开已经公开了示例实施例，并且虽然采用了具体术语，但它们仅用于并仅应当被解释为一般说明性含义，并且不用于限制的目的。在一些实例中，对本领域技术人员显而易见的是，除非另外明确指出，否则可单独使用与特定实施例相结合描述的特征、特性和/或元素，或可与其它实施例相结合描述的特征、特性和/或元件组合使用。因此，本领域技术人员将理解，在不脱离由所附的权利要求阐明的本公开的范围的情况下，可进行各种形式和细节上的改变。