大数据金融用户管理方法及系统与流程

1.本发明涉及计算机技术领域，具体而言，涉及一种大数据金融用户管理方法及系统。


背景技术：

2.目前银行推荐理财产品，还是普遍采用人工询问的方式。由于理财产品的样式多，使 得人工推荐理财产品的时间长，并且向不同客户推荐的不同的理财产品更依赖于银行工作 人员的职业素养，有时候也不能推荐给客户适合的理财产品，降低了工作效率。
3.同时目前的自动推荐方法及系统中，指纹等生物特征识别技术安全性差，可以非活性 的照片、木偶、蜡像来欺骗识别系统。举例来说，用合法用户的断指即可仿冒合法用户的 身份而使识别系统无从觉察。使用人脸识别登录的识别率不高。
4.给用户推荐产品时，由于推荐算法没有考虑到用户的存款信息和已购买的理财产品信 息，造成推荐不满足用户预想情况，同时由于推荐算法灵活性不好，始终给用户推荐某几 个的理财产品，而且不能推荐客户用户潜在的但自己尚未发现的想要投资的理财产品。


技术实现要素：

5.本发明的目的在于提供了一种大数据金融用户管理方法及系统，用以解决现有技术中 存在的上述问题。
6.第一方面，本发明实施例提供了一种大数据金融用户管理方法，所述方法包括：
7.采集当前用户人脸图像，所述人脸图像包括整张人脸；
8.通过人脸识别算法，基于当前用户人脸图像，获得人脸信息，所述人脸信息包括人脸 数据库中存储的用户人脸图像和用户编号；
9.通过用户数据库，基于用户编号，得到用户资产信息，所述用户资产信息包括当前用 户资产信息和其他用户资产信息，所述当前用户资产信息包括存款金额、存款方式、存款 时间和已购买理财产品；
10.基于所述用户资产信息，获得用户资产向量，所述用户资产向量包括当前用户资产信息 向量和其他用户资产信息向量；
11.通过推荐算法，基于用户资产向量，得到最佳理财产品信息。
12.可选的，所述通过推荐算法，基于用户资产向量，得到最佳理财产品信息，包括：
13.基于所述用户的资产向量，得到当前用户与其他用户的用户相似度，所述用户的资产向 量包括当前用户的资产向量和其他用户的资产向量；
14.所述用户相似度通过下述公式所述的计算方式获得：
[0015][0016]
其中，r(x,y)是所述用户相似度，x
i
为当前用户资产信息向量，y
i
为其他用户资产
信息 向量；
[0017]
基于用户相似度，对用户进行从高到低排序得到相似用户；
[0018]
基于相似用户阈值，得到第一数量的相似用户；
[0019]
基于所述第一数量的相似用户的已购理财产品和所述当前用户的已购理财产品，得到 最佳理财产品信息，所述最佳理财产品是所述相似用户常购买的理财产品并且当前用户未 购买的理财产品。
[0020]
可选的，所述基于所述第一数量的相似用户的已购理财产品和所述当前用户的已购理 财产品，得到最佳理财产品信息，所述最佳理财产品是所述相似用户常购买的理财产品并 且当前用户未购买的理财产品，包括：
[0021]
基于所述用户相似度，得到每个相似用户的理财产品向量的权量因子，所述理财产品向 量为所述相似用户的资产向量中的理财产品向量；所述理财产品向量是由理财产品名称、 售价构成的一组向量；
[0022]
获得带权理财产品向量，所述带权理财产品向量为每个相似用户的理财产品向量与权量 因子相乘之积；
[0023]
获得总带权理财产品向量，所述总带权常用理财产品向量为所有相似用户的带权理财产 品向量相加之和；
[0024]
对所述总带权理财产品向量中的值从高到底进行排序，得到相似用户常购买的理财产品 有序集合；
[0025]
删除所述相似用户常购买的理财产品有序集合中所述当前用户的已购理财产品，得到最 佳理财产品。
[0026]
可选的，所述基于所述用户资产信息，获得用户资产向量，所述用户资产向量包括当前 用户资产信息向量和其他用户资产信息向量，包括：
[0027]
基于所述当前用户的资产信息，得到所述当前用户定期存款向量、活期存款向量和理财 产品向量；
[0028]
合并所述定期存款向量、活期存款向量和理财产品向量，得到当前用户资产信息向量；
[0029]
基于所述其他用户的资产信息，得到所述其他用户定期存款向量、活期存款向量和理财 产品向量；
[0030]
合并所述定期存款向量、活期存款向量和理财产品向量，得到其他用户资产信息向量。
[0031]
可选的，所述用户资产信息是预先存储在大数据库中的。
[0032]
第二方面，本发明实施例提供了一种大数据金融用户管理系统，所述系统包括：
[0033]
采集模块，用于采集当前用户人脸图像，所述人脸图像包括整张人脸；
[0034]
人脸识别模块，用于通过人脸识别算法，基于当前用户人脸图像，获得人脸信息，所 述人脸信息包括人脸数据库中存储的用户人脸图像和用户编号；
[0035]
提取数据库信息模块，用于通过用户数据库，基于用户编号，得到用户资产信息，所 述用户资产信息包括当前用户资产信息和其他用户资产信息，所述当前用户资产信息包括 存款金额、存款方式、存款时间、已购买理财产品；基于所述用户资产信息，获得用户资 产向量，所述用户资产向量包括当前用户资产信息向量和其他用户资产信息向量；
[0036]
推荐模块，用于通过推荐算法，基于用户资产向量，得到最佳理财产品信息。
[0037]
相较于现有技术，本发明实施例达到了以下有益效果：
[0038]
本发明实施例提供了一种大数据金融用户管理方法及系统，采用了人脸识别算法对人 脸进行识别，人脸识别算法的识别精度处于较高的水平，误识率、拒认率较低。在银行这 类安全性要求高的应用场合，要求识别对象必须亲临识别现场，他人难以仿冒，本发明采 用的人脸识别算法不仅比对用户与银行数据库中存储用户的色彩特征，还比对了五官的几 何特征，更加精确的识别人脸，得到人脸信息。考虑了用户的存款信息和已购买的理财产 品，能准确的依据用户的财务状况进行推荐。并且通过寻找相似用户的方法，可以发现用 户潜在的但自己尚未发现的想要投资的理财产品。提高了产品推荐的准确性。
[0039]
综上所述，本发明实施例提供的一种大数据金融用户管理方法及系统所采用的技术方 案能够识别用户人脸，获得人脸信息，根据用户特性推荐理财产品，提高了推荐理财产品 的安全性，并且能有效和准确给用户推荐理财产品。提高了产品推荐的准确性。
附图说明
[0040]
图1是本发明实施例提供的一种大数据金融用户管理方法流程图。
[0041]
图2是本发明实施例提供的一种电子设备的方框结构示意图。
[0042]
图中标记：总线500；接收器501；处理器502；发送器503；存储器504；总线接口 505。
具体实施方式
[0043]
下面结合附图，对本发明作详细的说明。
[0044]
实施例
[0045]
如图1所示，本发明实施例提供了一种大数据金融用户管理方法，所述方法包括：
[0046]
s101：采集当前用户人脸图像，所述人脸图像包括整张人脸；
[0047]
s102：通过人脸识别算法，基于当前用户人脸图像，获得人脸信息，所述人脸信息包 括人脸数据库中存储的用户人脸图像和用户编号；
[0048]
s103：通过用户数据库，基于用户编号，得到用户资产信息，所述用户资产信息包括 当前用户资产信息和其他用户资产信息，所述当前用户资产信息包括存款金额、存款方式、 存款时间和已购买理财产品；
[0049]
s104：基于所述用户资产信息，获得用户资产向量，所述用户资产向量包括当前用户 资产信息向量和其他用户资产信息向量；
[0050]
s105：通过推荐算法，基于用户资产向量，得到最佳理财产品信息。
[0051]
书需要说明的是，所述用户资产信息预先存储在大数据库中。
[0052]
采集当前用户整张人脸图像，对人脸图像进行预处理，得到448x 448像素的人脸图像， 基于人脸图像建立三维坐标轴，坐标轴上的值表示在人脸图像的某个像素位置的rgb三通 道的值。坐标点与周围像素点的梯度差别大于阈值的坐标点为边缘坐标点，计算当前用户 和数据库中其他用户的边缘特征向量的相似值。根据边缘特征向量中表示五官特征和轮廓 特征的角点特征向量，计算不同五官角点特征向量与轮廓角点特征向量之间的第一距离值、 第二距离值和角点夹角，得到五官分布相似值；基于第一阈值和第二阈值，
以及五官分布 相似值和边缘特征向量相似值，获得当前用户的人脸信息；通过在人脸识别中得到的用户 编号，检索储存用户信息的数据库，得到用户资产信息；根据用户资产信息，构建用户资 产向量；通过推荐算法，得到相似用户，获得相似用户已购买的理财产品向量，每个相似 用户的理财产品向量与相似度相乘，得到带权理财产品向量，将所有用户的带权理财产品 相加并进行从高到低排序，并且排除当前用户已购买的理财产品，得到最佳理财产品信息。 推荐给用户最佳理财产品。提高了推荐理财产品的安全性，并且能有效和准确给用户推荐 理财产品，提高了产品推荐的准确性。
[0053]
可选的，所述通过人脸识别算法，基于当前用户人脸图像，获得人脸信息，所述人脸信 息包括人脸数据库中存储的用户人脸图像和用户编号，包括：
[0054]
对所述当前用户人脸图像进行预处理以及数据加强，包括锐化图像等数据加强操作， 得到当前用户加强人脸图像，所述当前用户加强人脸图像的分辨率为448x 448像素，图像 通过预处理为固定大小。
[0055]
获得所述当前用户人脸灰度图像，所述当前用户人脸灰度图像是所述当前用户加强人 脸图像灰度化后的人脸图像；
[0056]
基于当前用户加强人脸图像，建立三维坐标轴，所述三维坐标轴以所述当前用户加强 人脸图像左下角作为坐标原点，以图像宽边作为x轴，图像高边作为y轴，图像rgb三通 道的值正方向作为z轴。
[0057]
获得所述当前用户加强人脸图像的边缘坐标点，所述边缘坐标点包括五官边缘坐标点 和人脸轮廓坐标点。
[0058]
由于rgb三通道的值有三个值不容易计算梯度值和得到梯度方向，所以将人脸图像通 过算rgb三通道的值得平均值转化为灰度图像，再计算梯度值和梯度方向。
[0059]
基于所述边缘坐标点的rgb三通道的值和所述边缘坐标点在所述三维坐标轴上的坐标 点，得到边缘特征向量，所述边缘特征向量包括五官边缘特征向量和人脸轮廓边缘特征向 量。边缘特征向量为含有5个元素的一维向量，边缘特征向量中的元素分别表示为x轴坐 标值，y轴坐标值和坐标点的rgb三通道的值。举例如边缘特征向量表示为 [224,156,255,255,255]，224为x轴坐标值，156为y轴坐标值，[255,255,255]为坐标点的rgb 三通道的值。五官边缘特征向量为五官的边缘构成的特征向量，人脸轮廓边缘特征向量为 人脸轮廓的特征向量。边缘特征向量包括角点特征向量。角点特征向量是边缘特征向量中 的角点构成的特征向量。五官角点特征向量是人脸五官中的角点构成的特征向量，轮廓角 点特征向量是人脸轮廓中的角点构成的特征向量。
[0060]
基于所述边缘特征向量与其他用户人脸图像的边缘特征向量，得到边缘特征向量相似 值，所述其他用户人脸图像的边缘特征向量是数据库中存储的其他用户人脸图像的边缘特 征向量。
[0061]
基于所述边缘特征向量中的角点特征向量，得到不同五官角点特征向量与轮廓角点特 征向量之间的第一距离值、第二距离值和角点夹角，所述角点特征向量是表示五官特征和 轮廓特征的特征向量；
[0062]
基于所述当前用户人脸图像的第一距离值、第二距离值和角点夹角与数据库中存储的 其他用户人脸图像的第一距离值、第二距离值和角点夹角，得到五官分布相似值；
[0063]
基于第一阈值和第二阈值，以及五官分布相似值和边缘特征向量相似值，判断当
前用 户是否为数据库中存储的用户；若当前用户不是数据库中存储的用户，将当前用户的人脸 图像和边缘特征向量存入数据库中；若当前用户是数据库中存储的用户，获得当前用户的 人脸信息。
[0064]
基于第一阈值和第二阈值，以及五官分布相似值和边缘特征向量相似值，判断当前用 户是否为数据库中存储的用户具体为：若所述五官分布相似值小于或者等于第一阈值(第 一阈值取值可以是0
‑
3厘米中的任意一个取值)，且边缘特征向量相似值大于第二阈值(第 二阈值可以是0
‑
10中的任意一个取值)，确定当前用户为数据库中存储的用户，从数据库中 获得当前用户的人脸信息(身份信息)。
[0065]
通过采用以上方案，人脸识别算法不仅比对用户与银行数据库中存储用户的色彩特征， 还比对了五官的几何特征，更加精确的识别人脸，得到人脸信息。
[0066]
可选的，所述获得所述当前用户加强人脸图像的边缘坐标点，所述边缘坐标点包括五官 边缘坐标点和人脸轮廓坐标点，包括：
[0067]
获得所述当前用户人脸灰度图像，所述当前用户人脸灰度图像是所述当前用户加强 人脸图像灰度化后的人脸图像；
[0068]
所述当前用户人脸灰度图像通过下述公式所述的计算方式获得：
[0069]
i(x,y)＝1/3*i_r(x,y)+1/3*i_g(x,y)+1/3*i_b(x,y)
[0070]
其中，x是图像中像素点到y轴的距离，y是图像中像素点到x轴的距离，(x,y)是像素 点的位置坐标；i(x,y)为像素坐标点的灰度值，i_r(x,y)是图像中像素点的红色通道的亮度， i_g(x,y)是图像中像素点的绿色通道的亮度，i_b(x,y)是图像中像素点的蓝色通道的亮度。
[0071]
基于人脸图像的坐标轴，得到每个坐标点与周围相邻的四个坐标点的灰度值的梯度；
[0072]
获得边缘坐标点，所述边缘坐标点为灰度值的梯度大于阈值(阈值的取值可以为5、10) 的坐标点。
[0073]
通过采用以上方案，由于获得的人脸图像是彩色图像，由rgb三个通道的亮度构成， 所以计算得到三个梯度方向。但是三个梯度方向不能表示图像中的梯度方向，难以得到边 缘坐标点，所以将三个通道的值求平均，得到人脸灰度图像，得到一个梯度方向，由这一 个梯度方向与判断是否为边缘点的阈值做大小对比，若大于阈值，则判断为边缘点。所述 方法降低了边缘点计算的复制性，以更加简便快捷的方式获得边缘点。
[0074]
可选的，所述基于所述边缘特征向量与其他用户人脸图像的边缘特征向量，得到边缘特 征向量相似值，所述其他用户人脸图像的边缘特征向量是数据库中存储的其他用户人脸图 像的边缘特征向量，包括：
[0075]
基于所述当前用户人脸图像的五官边缘特征向量和人脸轮廓边缘特征向量，合并向量， 得到当前用户人脸图像的边缘特征向量；其他用户人脸图像的边缘特征向量预先存储在大 数据库中。
[0076]
所述边缘特征向量相似值通过下述公式所述的计算方式获得：
[0077][0078]
其中，bloss(p,q)是所述边缘特征向量相似值，p是所述当前用户人脸图像的边缘
特征向 量，p的取值为当前用户人脸图像的边缘特征向量的模，q是所述其他用户人脸图像的边缘 特征向量，q的取值为所述其他用户人脸图像的边缘特征向量的模。
[0079]
可选的，所述基于所述边缘特征向量中的角点特征向量，得到不同五官角点特征向量与 轮廓角点特征向量之间的第一距离值、第二距离值和角点夹角，所述角点特征向量是表示 五官特征和轮廓特征的特征向量，包括：
[0080]
基于所述边缘特征向量，得到角点特征向量；所述边缘特征向量包括多个边缘特征， 所述角点特征向量是所述边缘特征向量中能够表示五官特征的边缘特征和表示轮廓特征的 边缘特征；
[0081]
基于所述角点特征向量，得到人脸角点集合，所述人脸角点坐标集合包括第一眼睛角点 坐标集合、第二眼睛角点坐标集合、鼻子角点坐标集合、嘴巴角点坐标集合和轮廓角点坐 标集合；可选的，第一眼睛角点坐标集合包括左眼眼头的位置坐标、左眼眼尾的位置坐标， 第二眼睛角点坐标集合包括右眼眼头的位置坐标、右眼眼尾的位置坐标。鼻子角点坐标集 合包括鼻尖的位置坐标、鼻翼的位置坐标和山根的坐标点。嘴巴角点坐标集合包括左边嘴 角的位置坐标和右边嘴角的位置坐标。轮廓角点坐标集合包括下巴的位置坐标、鬓角的位 置坐标。
[0082]
获得第一距离值、第二距离值和角点夹角，所述第一距离值是第一角点坐标与第三角点 坐标的欧式距离值，所述第二距离是第二角点坐标与第三角点坐标的欧式距离值，所述角 点夹角是第一角点坐标到第二角点坐标第一角点坐标到第三角点坐标的夹角，所述第一角 点坐标是所述第一五官中其中一个角点的坐标，所述第二角点坐标是所述第一五官中除第 一角点坐标的其他任意一个角点的坐标，所述第三角点坐标是所述第二五官中的其中一个 角点的坐标，所述第一五官是所述人脸角点坐标集合中的其中一个子集合，所述第二五官 是除第一五官之外的所述人脸角点坐标集合中其中一个子集合。
[0083]
得到眼睛(第一五官)的眼角坐标(第一角点坐标)，得到嘴巴(第二五官)的嘴角坐 标(第三角点坐标)，得到眼睛(第一五官)的眼尾坐标(第二角点坐标)。计算眼角坐标 到嘴角坐标的欧式距离(第一距离值)，计算眼尾坐标到嘴角坐标的欧式距离(第二距离值)， 计算嘴角(第三角点坐标)到眼角坐标(第一角点坐标)和嘴角(第三角点坐标)到眼尾 坐标(第二角点坐标)之间的夹角(角点夹角)。
[0084]
通过采用以上方案，得到人脸五官和轮廓之间的位置关系，用来判断人脸相似，提高了 人脸识别的精确性。
[0085]
可选的，所述基于所述当前用户人脸图像的第一距离值、第二距离值和角点夹角与数据 库中存储的其他用户人脸图像的第一距离值、第二距离值和角点夹角，得到五官分布相似 值，包括：
[0086]
基于当前用户人脸图像的第一距离值和第二距离值与数据库中的其他用户人脸图像的 第一距离值和第二距离值，得到距离相似值；
[0087]
所述距离相似值通过下述公式所述的计算方式获得：
[0088][0089]
其中，dist(x,y)是所述距离相似值，x1是所述当前用户第一距离值，x2是所述数
据库中 的其他用户的第一距离值，y1是所述当前用户第二距离值，y2是所述数据库中的其他用户 的第二距离值；
[0090]
基于当前用户的角点夹角与数据库中的其他用户的角点夹角，获得余弦相似值；
[0091]
所述余弦相似值通过下述公式所述的计算方式获得：
[0092]
rcos＝|cos(θ1
‑
θ2)|
[0093]
其中rcos表示余弦相似值，θ1是所述当前用户的角点夹角，θ2是所述其他用户的角点夹 角；
[0094]
获得五官分布相似值，所述五官分布相似值为距离相似值和余弦相似值之积。
[0095]
可选的，所述通过推荐算法，基于用户资产向量，得到最佳理财产品信息，包括：
[0096]
所述用户资产信息包括存款金额、存款方式、存款时间、已购理财产品。存款金额包 括大金额(大于10万)、中金额(大于1万并且小于等于10万)和小金额(小于1万)。 存款方式包括定期存款和活期存款，定期存款时间包括三个月、六个月、一年、两年、三 年、五年。
[0097]
基于所述用户的资产向量，得到当前用户与其他用户的用户相似度，所述用户的资产向 量包括当前用户的资产向量和其他用户的资产向量。
[0098]
所述用户相似度通过下述公式所述的计算方式获得：
[0099][0100]
其中，r(x,y)是所述用户相似度，x
i
为当前用户资产信息向量，y
i
为其他用户资产信息 向量。
[0101]
基于用户相似度，对用户进行从高到底排序得到相似用户。
[0102]
基于相似用户阈值，得到第一数量的相似用户。本发明实施例设定的相似用户阈值为 0.8，大于相似用户阈值的用户作为相似用户，第一数量为所得的相似用户的数量。
[0103]
基于所述第一数量的相似用户的已购理财产品和所述当前用户的已购理财产品，得到最 佳理财产品信息，所述最佳理财产品是所述相似用户常购买的理财产品并且当前用户未购 买的理财产品。
[0104]
通过采用以上方案，考虑了用户的存款信息和已购买的理财产品，能准确的依据用户 的财务状况进行推荐。并且通过寻找相似用户的方法，可以发现用户潜在的但自己尚未发 现的想要投资的理财产品，能够给用户推荐出适合用户的理财产品。
[0105]
可选的，所述基于所述第一数量的相似用户的已购理财产品和所述当前用户的已购理财 产品，得到最佳理财产品信息(目标理财产品信息)，所述最佳理财产品是所述相似用户常 购买的理财产品并且当前用户未购买的理财产品，包括：
[0106]
基于所述用户相似度，得到每个相似用户的理财产品向量的权量因子，所述理财产品向 量为所述相似用户的资产向量中的理财产品向量；所述理财产品向量是由理财产品名称、 售价构成的一组向量；
[0107]
获得带权理财产品向量，所述带权理财产品向量为每个相似用户的理财产品向量与权量 因子相乘之积。获得总带权理财产品向量，所述总带权常用理财产品向量为所有相似用户 的带权理财产品向量相加之和。
[0108]
对所述总带权理财产品向量中的值从高到底进行排序，得到相似用户常购买的理
财产品 有序集合。
[0109]
删除所述相似用户常购买的理财产品有序集合中所述当前用户的已购理财产品，得到最 佳理财产品。
[0110]
可选的，所述基于所述用户资产信息，获得用户资产向量，所述用户资产向量包括当前 用户资产信息向量和其他用户资产信息向量，包括：
[0111]
基于所述当前用户的资产信息，得到所述当前用户定期存款向量、活期存款向量和理财 产品向量。合并所述定期存款向量、活期存款向量和理财产品向量，得到当前用户资产信 息向量。
[0112]
基于所述其他用户的资产信息，得到所述其他用户定期存款向量、活期存款向量和理财 产品向量。合并所述定期存款向量、活期存款向量和理财产品向量，得到其他用户资产信 息向量。
[0113]
所述用户的资产向量的表示方法如下表1所示：
[0114]
所述用户的资产向量包括定期存款向量、活期存款向量和理财产品向量。
[0115]
存款金额为大金额(大于10万)的值设为3，为中金额(大于1万并且小于等于10万) 的值设为2，小金额(小于1万)的值设为1，未存款的值设为0。活期存款向量为只有一 个元素的一维向量，表示活期存款金额。定期存款向量是有5个元素的一维向量，分别表 示三个月、六个月、一年、两年、三年、五年的定期存款金额。本发明实施例设置理财产 品向量是有20个元素的一维向量，分别表示每个理财产品所购买的次数。
[0116]
将所述定期存款向量、活期存款向量和理财产品向量合并为一维向量，第1个元素表示 活期存款金额，第2到第6个元素表示定期存款金额，第7到第27个表示每个理财产品所 购买的次数。如用户1合并后向量为[1,0,1,0,1,21,0,0,4,0,3,0,1,4,0,0,0,0,0,0,1,0,1,0,0]。
[0117]
表1
[0118] 活期存款定期存款理财产品用户1[1][0,1,0,1,2][1,0,0,4,0,3,0,1,4,0,0,0,0,0,0,1,0,1,0,0]用户2[0][1,0,1,0,1][1,0,0,4,0,3,0,1,4,0,0,0,0,0,0,1,0,1,0,0]用户3[1][0,1,0,1,2][1,0,0,4,0,3,0,1,4,0,0,0,0,0,0,1,0,1,0,0]用户4[1][1,0,1,0,1][1,0,0,4,0,3,0,1,4,0,0,0,0,0,0,1,0,1,0,0]
[0119]
综上所述，采用以上方案能够精确的识别用户人脸，同时得到人脸信息，通过人脸识别 获得用户的资产信息，提高了安全性。并且根据用户的资产信息特性推荐理财产品，提高 了推荐理财产品的准确性。并且通过寻找相似用户的方法，可以发现用户潜在的但自己尚 未发现的想要投资的理财产品，能有效的给用户推荐理财产品。
[0120]
基于上述的一种大数据金融用户管理方法，本发明实施例提供了一种大数据金融用户管 理系统，所述系统包括：
[0121]
采集模块，用于采集当前用户人脸图像，所述人脸图像包括整张人脸；
[0122]
人脸识别模块，用于通过人脸识别算法，基于当前用户人脸图像，获得人脸信息，所 述人脸信息包括人脸数据库中存储的用户人脸图像和用户编号；
[0123]
提取数据库信息模块，用于通过用户数据库，基于用户编号，得到用户资产信息，所 述用户资产信息包括当前用户资产信息和其他用户资产信息，所述当前用户资产信息
包括 存款金额、存款方式、存款时间、已购理财产品；基于所述用户资产信息，获得用户资产 向量，所述用户资产向量包括当前用户资产信息向量和其他用户资产信息向量；
[0124]
推荐模块，用于通过推荐算法，基于用户资产向量，得到最佳理财产品信息。
[0125]
在此关于上述实施例中的系统，其中各个模块执行操作的具体方式已经在有关该方法的 实施例中进行了详细描述，此处将不做详细阐述说明。
[0126]
本发明实施例还提供了一种电子设备，如图2所示，包括存储器504、处理器502及存 储在存储器504上并可在处理器502上运行的计算机程序，所述处理器502执行所述程序 时实现前文所述大数据金融用户管理方法的任一方法的步骤。
[0127]
其中，在图2中，总线架构(用总线500来代表)，总线500可以包括任意数量的互联 的总线和桥，总线500将包括由处理器502代表的一个或多个处理器和存储器504代表的 存储器的各种电路链接在一起。总线500还可以将诸如外围设备、稳压器和功率管理电路 等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进进 一步描述。总线接口505在总线500和接收器501和发送器503之间提供接口。接收器501 和发送器503可以是同一个元件，即收发机，提供用于在传输介质上与各种其他装置通信 的单元。处理器502负责管理总线500和通常的处理，而存储器504可以被用于存储处理 器502在执行操作时所使用的数据。
[0128]
本发明实施例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，该程序被 处理器执行时实现前文所述大数据金融用户管理方法的任一方法的步骤以及上述所涉及的 数据。
[0129]
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种 通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结 构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编 程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明 的最佳实施方式。
[0130]
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例 可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构 和技术，以便不模糊对本说明书的理解。
[0131]
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上 面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、 图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保 护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面 的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此， 遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身 都作为本发明的单独实施例。
[0132]
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变 并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或 组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组 件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合 对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此
公开的任何 方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权 利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来 代替。
[0133]
此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括 的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内 并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一 都可以以任意的组合方式来使用。
[0134]
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软 件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微 处理器或者数字信号处理器(dsp)来实现根据本发明实施例的装置中的一些或者全部部件 的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部 的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可 以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从 因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
[0135]
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技 术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应 将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列 在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样 的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实 现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项 来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为 名称。