基于人脸识别的弹幕消息的显示方法及系统、设备及介质与流程

1.本发明涉及计算机人机交互技术领域，尤其涉及一种基于人脸识别的弹幕消息的显示方法及系统、设备及介质。


背景技术：

2.弹幕消息即滚动式的观影评论消息，指用户在观影时的评论消息实时呈现于影片界面而被其他观众分享互动。随着弹幕消息的产生，用户可以通过发送弹幕消息表达自己的观看体验及态度，增强了用户观看视频时的参与度，也增加了用户的观看的兴趣。
3.目前大多数视频网址及软件都支持弹幕消息功能，然而现阶段弹幕消息显示方式规格不一，推送内容鱼龙混杂，甚至包括一些广告和不健康消息，不仅影响用户观看体验，甚至可能对特殊群体的观众产生不良导向。对此，以及有不少视频网址或软件对弹幕消息设置了过滤规则，进行了等级划分。但由于操作相对复杂，给观影过程造成障碍或不便，导致用户体验不佳。


技术实现要素：

4.本发明要解决的技术问题是为了克服现有技术中弹幕消息显示方式单一化且设置操作不便，造成用户观影体验不佳的缺陷，提供一种基于人脸识别的弹幕消息显示方法及系统、设备及介质。
5.本发明是通过下述技术方案来解决上述技术问题：
6.本发明提供了一种基于人脸识别的弹幕消息的显示方法，包括：
7.采集用户的人脸图像信息；
8.根据所述人脸图像信息，获取所述用户的年龄信息；
9.确定与所述年龄信息匹配的过滤等级；
10.根据所述过滤等级过滤弹幕消息，并显示过滤后的弹幕消息。
11.较佳地，所述根据所述过滤等级过滤弹幕消息，并显示过滤后的弹幕消息的步骤包括：
12.获取弹幕消息的文本信息；
13.获取所述过滤等级对应的预设过滤字段；
14.根据预设过滤字段和所述文本信息过滤弹幕信息，并显示过滤后的弹幕消息；
15.较佳地，所述根据所述过滤等级过滤弹幕消息的步骤包括：
16.根据弹幕消息的过滤等级，过滤所述弹幕消息，并显示过滤后的弹幕消息。
17.较佳地，所述获取所述用户的年龄信息的步骤之后包括：
18.接收所述用户对于所述年龄信息的确认信息；
19.若所述确认信息表征为所述年龄信息有误，则接收用户反馈的年龄信息，并在预设数据库中关联存储所述用户反馈的年龄信息和所述人脸图像信息；
20.若所述确认信息表征为所述年龄信息无误，则在所述预设数据库中关联存储所述
年龄信息和所述人脸图像信息。
21.较佳地，所述根据所述人脸图像信息，获取所述用户的年龄信息的步骤包括：
22.检测所述预设数据库中是否存在与所述人脸图像信息；
23.若存在，则调用与所述人脸图像信息关联存储的年龄信息作为所述用户的年龄信息；
24.若不存在，则根据预设年龄估计算法处理所述人脸图像信息，以获取所述用户的年龄信息。
25.较佳地，若所述人脸图像信息的数量大于一，则所述根据所述人脸图像信息，获取所述用户的年龄信息的步骤包括：
26.分别获取每个人脸图像信息对应的年龄信息；
27.在所述每个人脸图像信息对应的年龄信息中，获取最小的年龄信息；
28.所述确定与所述年龄信息匹配的过滤等级包括：
29.确定与所述最小的年龄信息匹配的过滤等级；
30.较佳地，所述根据所述人脸图像信息，获取所述用户的年龄信息的步骤之后包括：
31.获取当前登录账号对应的注册年龄信息；
32.判断所述根据所述人脸图像信息获取的用户的年龄信息与所述注册年龄信息是否匹配，若否，则生成提示信息；
33.较佳地，所述确定与所述年龄信息匹配的过滤等级的步骤之后还包括：
34.将所述过滤等级设置为锁定状态；
35.所述显示方法还包括：
36.若检测到所述人脸图像信息改变，则将所述过滤等级设置为解锁状态。
37.本发明还提供了一种基于人脸识别的弹幕消息的显示系统，包括：
38.人脸图像采集模块，用于采集用户的人脸图像信息；
39.年龄信息获取模块，用于根据所述人脸图像信息，获取所述用户的年龄信息；
40.过滤等级确定模块，用于确定与所述年龄信息匹配的过滤等级；
41.弹幕消息显示模块，用于根据所述过滤等级过滤弹幕消息，并显示过滤后的弹幕消息。
42.较佳地，所述弹幕消息显示模块包括：
43.文本消息获取单元，用于获取弹幕消息的文本信息；
44.过滤字段获取单元，用于获取所述过滤等级对应的预设过滤字段；
45.显示单元，用于根据预设过滤字段和所述文本信息过滤弹幕信息，并显示过滤后的弹幕消息；
46.较佳地，所述弹幕消息显示模块用于根据弹幕消息的过滤等级过滤所述弹幕消息，并显示过滤后的弹幕消息。
47.较佳地，所述显示系统还包括确认信息接收模块、确认信息判断模块和关联存储模块：
48.所述确认信息接收模块用于接收所述用户对于所述年龄信息的确认信息；
49.所述确认信息判断模块用于当判断所述确认信息表征为所述年龄信息有误时，接收用户反馈的年龄信息并调用所述关联存储模块，以在预设数据库中关联存储所述用户反
馈的年龄信息和所述人脸图像信息；
50.所述确认信息判断模块还用于当判断所述确认信息表征为所述年龄信息无误时，调用所述关联存储模块，以在所述预设数据库中关联存储所述年龄信息和所述人脸图像信息。
51.较佳地，所述年龄信息获取模块包括数据库检测单元和年龄识别单元：
52.所述数据库检测单元用于检测所述预设数据库中是否存在与所述人脸图像信息；若存在，则调用与所述人脸图像信息关联存储的年龄信息，作为所述用户的年龄信息；若不存在，则调用年龄识别单元；
53.所述年龄识别单元用于根据预设年龄估计算法处理所述人脸图像信息，以获取所述用户的年龄信息。
54.较佳地，若所述人脸图像信息的数量大于一，则所述年龄信息获取模块用于分别获取每个人脸图像信息对应的年龄信息，并在所述每个人脸图像信息对应的年龄信息中获取最小的年龄信息；所述过滤等级确定模块用于确定与所述最小的年龄信息匹配的过滤等级；
55.较佳地，所述显示系统还包括年龄验证模块，用于获取当前登录账号对应的注册年龄信息，并判断所述根据所述人脸图像信息获取的用户的年龄信息与所述注册年龄信息是否匹配，若否，则生成提示信息；
56.较佳地，所述显示系统还包括过滤等级锁定模块，用于被所述过滤等级确定模块调用时，将所述过滤等级设置为锁定状态；
57.所述过滤等级锁定模块还用于当检测到所述人脸图像信息改变时，将所述过滤等级设置为解锁状态。
58.本发明还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计算机程序时实现上述的基于人脸识别的弹幕消息的显示方法。
59.本发明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，所述计算机程序被处理器执行时实现上述的基于人脸识别的弹幕消息的显示方法。
60.本发明的积极进步效果在于：本发明的基于人脸识别的弹幕消息的显示方法及系统、设备及介质将人脸图像信息的采集、识别和分析无缝融入用户的观影过程，使用户能够在观影过程不受影响的前提下，收看到与年龄匹配的弹幕消息；从而得以精准、科学地对弹幕消息内容进行分类显示，避免了向特定年龄群体的用户呈现不适宜的弹幕消息，用户指向性更强且体验更佳。
附图说明
61.图1为本发明实施例1基于人脸识别的弹幕消息的显示方法的流程图。
62.图2为本发明实施例1基于人脸识别的弹幕消息的显示方法的较佳实施方式的流程图。
63.图3为本发明实施例1的基于人脸识别的弹幕消息的显示方法具体示例的流程图。
64.图4为本发明实施例2的基于人脸识别的弹幕消息的显示系统的模块示意图。
65.图5为本发明实施例2的基于人脸识别的弹幕消息的显示系统的较佳实施方式的
模块示意图。
66.图6为本发明实施例3的电子设备的电子框图。
具体实施方式
67.下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。
68.实施例1
69.参见图1、图2所示，本实施例具体提供了一种基于人脸识别的弹幕消息的显示方法，包括：
70.s1.采集用户的人脸图像信息；
71.s2.根据人脸图像信息，获取用户的年龄信息；
72.s3.确定与年龄信息匹配的过滤等级；
73.s4.根据过滤等级过滤弹幕消息，并显示过滤后的弹幕消息。
74.本实施例的基于人脸识别的弹幕消息的显示方法，其应用场景包括但不限于用户在电视、手持终端、智能便携设备或微型电脑等电子设备上观看视频，其中，采集用户人脸图像信息的可以通过上述电子设备的附属采集部件，例如，通过智能电视自带的摄像头进行采集。当然也可以是其他独立的采集设备，例如通过与智能电视通信连接的摄像头进行采集。此外，也可以直接获取用户发送的人脸图像信息，例如，用户在某app(应用程序)上点播观看影片之前，首先上传图片、视频等包括人脸图像信息的文件，则步骤s1直接采集上述文件即可。
75.根据不同的环境，采集的可能为一名或多名用户的人脸图像。例如在家庭影院的投屏前观看的若干名用户；采集人脸图像可以基于用户位于电子设备预设位置的停留时间触发，例如对于车辆中控台屏幕，当车主上车后一分钟开始抓取用户头像；此外，采集人脸图像也可以基于视频的播放而触发，例如当检测到视频开始播放时开始启动人脸图像采集。
76.步骤s2根据人脸图像信息获取用户的年龄信息，可以调用存储的历史匹配记录，也可以对新获取的人脸图像信息基于年龄估计算法直接获取。
77.在一种可选的实施方式中，根据人脸图像信息，通过调用存储的历史匹配记录来获取用户的年龄信息。此实施方式的前提是每次步骤s2之后，执行步骤s5，接收用户对于年龄信息的确认信息；若确认信息表征为所述年龄信息有误，则执行步骤s6，接收用户反馈的年龄信息，并在预设数据库中关联存储用户反馈的年龄信息和人脸图像信息；若确认信息表征为所述年龄信息正确，则执行步骤s7，在预设数据库中关联存储年龄信息和人脸图像信息。当然，对于用户反馈的年龄信息，可以进一步经身份认证等保证其真实有效。从而存储于预设数据库中记录中，用户直接确认或反馈的年龄信息都可以被认为是和该记录中的人脸图像信息相匹配的。
78.基于预设数据库中关联存储的人脸图像信息和年龄信息，本实施方式中，步骤s2包括：
79.步骤s21.检测预设数据库中是否存在与人脸图像信息；若存在，则执行步骤s22，调用与人脸图像信息关联存储的年龄信息作为用户的年龄信息；若不存在，则执行步骤
s23，根据预设年龄估计算法处理人脸图像信息，以获取用户的年龄信息。
80.具体地，步骤s21将步骤s1中获取的人脸图像信息在预设数据库中进行比对，若匹配到相同的或相似度符合预设要求的(如相似度＞95)预存的人脸图像信息，则步骤s22调出与预存人脸图像信息关联存储的年龄信息。从而能够快速、高效地确定年龄信息，节省相关的计算资源。
81.反之，若未若匹配到相同或相似度符合预设要求的预存的人脸图像信息，则步骤s23根据预设年龄估计算法处理人脸图像信息获取用户的年龄信息。
82.年龄估计算法属于基于人脸图像识别中的具体分类。由于每个年龄值都可以看作是一个类，所以年龄估计可以被看作是一种分类问题；同时年龄值的增长是一个有序数列的不断变化过程，因此年龄估计也可被视为一种回归问题。针对不同的年龄数据库和不同的年龄特征、分类模式和回归模式具有各自的优越性，因此年龄估计算法将二者有机融合可以有效提高年龄估计的精度。不同的模式优势不同，可以将各种估计模式综合起来进行年龄的估计。
83.作为处理对象的人脸识别图像，可以是从视频中提取的若干帧图像，当然在资源允许的情况下可以是视频的每一帧图像，作为预处理，可以基于直方图均衡化等技术，利用图像统计特性方法剔除特定区域以获取人脸图像；此外，根据多帧图像中的人脸位置和速度跟踪人脸，通过快速离散傅里叶变换判断人脸的清晰度，选择具有最佳清晰度的人脸。
84.进行年龄识别的第一阶段可以提取出照片中人脸的肌肤纹理特征，对年龄范围做一个大致的评估，得出一个特定的年龄段。具体地，可通人脸检测相关算法实现。人脸检测是指对于任意一幅给定的输入图像，采用一定的计算方法对其进行搜索以确定其中是否含有人脸以及人脸在输入图像中的位置。人脸关键点检测也称为人脸关键点检测、定位或者人脸对齐，是指给定人脸图像，定位出人脸面部的关键区域位置，包括眉毛、眼睛、鼻子、嘴巴、脸部轮廓等；关键点的集合通常称作形状，形状包含了关键点的位置信息，而位置信息一般可以用关键点的位置相对于整张图像或关键点的位置相对于人脸框进行表示，前者即绝对形状，后者即相对形状，两种形状可以通过人脸框来做转换。人脸关键点检测方法通常包括asm(active shape model，主动形状模型)算法、aam(active appearnce model，主动外观模型)算法；基于级联形状回归的方法；基于深度学习的方法等。其中asm算法、aam算法属于参数化方法，而级联回归和深度学习方法属于非参数化方法。其中，asm算法通过对外形相似的物体如人脸等的几何形状通过若干关键点的坐标依次串联形成一个形状向量来表示。asm算法需要通过人工标定的方法先标定训练集，经过训练获得形状模型，再通过关键点的匹配实现特定物体的匹配。aam算法是对asm算法的改进，其不仅采用形状约束，而且加入整个脸部区域的纹理特征，同样分为两个阶段即模型建立阶段和模型匹配阶段。其中模型建立阶段包括对训练样本分别建立形状模型和纹理模型，然后将两个模型进行结合，形成aam模型。精度相对更高的还是基于深度学习的方法，多种有效的深度学习模型均可取得人脸关键点检测的良好效果，如face 版深度卷积神经算法等。当然，本领域技术人员可知，本实施方式可采用的包括但不限于上述列举的人脸关键点检测方法。
85.第二阶段进行年龄详细评估，首先可以通过支持向量机的方法，建立对应于多个年龄段的多个模型分类器，并选择合适的模型进行匹配。较佳地，可以通过融合局部二值模式(local binary pattern，lbp)和方向梯度直方图(histogram of oriented gradient,
hog)特征的人脸年龄估计算法实现。
86.方向梯度直方图特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。其首先将图像分成小的连通区域，采集连通区域中各像素点的梯度的或边缘的方向直方图。最后把这些直方图组合起来就可以构成特征描述器。与其他的特征描述方法相比，由于方向梯度直方图特征是在图像的局部方格单元上操作，所以它对图像几何的和光学的形变都能保持很好的不变性，这两种形变只会出现在更大的空间领域上，特别适合于做图像中的人体检测。而局部二值模式是一种用来描述图像局部纹理特征的算子；它具有旋转不变性和灰度不变性等显著的优点。原始的lbp算子定义为在3x3的窗口内，以窗口中心像素为阈值，将相邻的8个像素的灰度值与其进行比较，若周围像素值大于中心像素值，则该像素点的位置被标记为1，否则为0。这样，3x3邻域内的8个点经比较可产生8位二进制数，即得到该窗口中心像素点的lbp值，并用这个值来反映该区域的纹理信息。融合局部二值模式和方向梯度直方图特征的人脸年龄估计算法提取与年龄变化关系紧密的人脸的局部统计特征，并用典型相关分析的方法融合，最后通过支持向量机回归的方法对人脸库进行训练和测试。
87.在融合局部二值模式和方向梯度直方图特征的基础上，采用包括但不限于人体测量学模型、柔性模型和外观模型等进行年龄识别处理。具体地，人体测量学模型利用了人脸的几何形状特征进行年龄分类，主要是描述随着年龄的增长人脸整体轮廓变化的数学规律，它所测量的是人脸的一种结构信息。主要过程归纳为人脸轮廓检测，人脸特征点定位，多种几何比例测量如瞳距等，最后利用几何比例进行年龄段的区分，主要适合于对未成年人进行年龄分类。另一种柔性模型将人脸的形状与灰度/纹理有机结合起来，从整体入手，充分提取人脸图像的形状信息和全局纹理信息，可以看作是人体测量学模型的升级版，其典型的代表是主动形状模型和主动外观模型。该模型可以更好地适应复杂图像的特征点定位和特征提取，不仅适用于对青少年进行年龄分类，也适用于对中老年人进行分类。而外观模型则将人脸几何特征与全局信息，局部信息如面部纹理信息、频率信息和肤色信息等相融合进行人脸描述，进而进行年龄估计，较好地描述了面部的纹理特性，并常常与形状特征相融合，可以较好地实现全年龄段的年龄估计。
88.作为较佳的实施方式，当获取的用户的人脸图像信息的数量大于一个时，步骤s2包括：分别获取每个人脸图像信息对应的年龄信息；在每个人脸图像信息对应的年龄信息中，获取最小的年龄信息；相应地，步骤s3包括：确定与最小的年龄信息匹配的过滤等级。
89.现阶段由于弹幕消息的内容缺乏监管的手段和力度，常有不健康内容鱼龙混杂，充斥其中，不仅影响用户观看体验，还容易对儿童用户有不良的导向作用。虽然大多数视频播放媒介对弹幕等级做了设置，用户可以手动选择不同等级的弹幕过滤规则，但是成人用户与儿童用户所适合的弹幕过滤等级不同，观看视频过程中出现儿童用户时，成人用户需要手动将弹幕调整到适合儿童的等级，影响了用户的观看体验。同时，当儿童用户独自在观看视频开启弹幕时，儿童用户也很难主动将字幕调整到适合自己的过滤等级，导致儿童接触到不适合自己的字幕内容，一定程度上影响了儿童的身心健康。本实施方式中通过人脸识别的方式，首先自动识别出多名用户中的最小的年龄信息，根据最小的年龄设置相应的过滤等级进而过滤弹幕消息内容，一方面，能够有效地避免儿童用户在观看视频时看到不健康的弹幕消息内容，另一方面，用户也无需手动进行干预设置，从而提升了观影体验。
90.作为较佳的实施方式，步骤s2之后包括：
91.s8.获取当前登录账号对应的注册年龄信息；
92.s9.判断根据人脸图像信息获取的用户的年龄信息与注册年龄信息是否匹配，若否，则生成提示信息；
93.具体地，当用户观看的视频内容具有相应的登录账号，例如提供该视频内容的网络平台或app等的用户登录账号，则步骤s2确定用户的年龄信息后由步骤s8获取当前登录账号对应的注册年龄信息，并通过步骤s9比较两者是否匹配以作为自动验证，如果匹配则可以理解，进一步执行步骤s3。反之，则提示信息可以显示上述账号信息对应的年龄信息、基于人脸图像信息获得的年龄信息、登录账号对应的其他信息等；从而帮助用户确认年龄信息，避免年龄估计有误、多人观影时的最小年龄的用户不是登录用户等情况。当然，对于多人观影获取多人人脸图像信息的场景，也可以设置判断依据为只要登录账号对应的注册年龄信息与多人的人脸图像信息对应的任一年龄信息匹配即可。
94.步骤s3确定与年龄信息匹配的过滤等级，本领域技术人员可知，过滤等级为预设，且可用于区分不同年龄的用户对于弹幕消息的不同要求。例如根据法律意义划分的未成年人、成年人对应不同的过滤等级；或按照年龄组别划分为6岁以下、6～12岁、12～18岁、18岁以上，且分别对应于不同的过滤等级等。
95.作为较佳的实施方式，步骤s3之后包括：
96.s10.将过滤等级设置为锁定状态；
97.显示方法还包括：
98.s11.若检测到人脸图像信息改变，则将过滤等级设置为解锁状态。
99.具体地，提供了一种过滤等级的自动锁定方式，即在步骤s3确定了过滤等级后将其锁定，即不可设置。可以理解，在观影过程中会保持对于人脸图像信息的检测采集，例如按照预设的时间间隔采集，或根据视频内容的切换重新采集等。则当检测到人脸图像信息改变，将过滤等级设为解锁状态，使其能够被进行设置。本实施方式尤其适用于未成年人独自观影等场景，使其不能通过人脸图像识别以外的交互篡改年龄信息以改变过滤等级。因此较佳地，可以对于除了18岁以上的年龄的用户执行上述实施方式。
100.步骤s4根据过滤等级过滤弹幕消息，并显示过滤后的弹幕消息。过滤弹幕消息，即根据过滤等级对应的约束条件，不呈现、部分呈现或全部呈现视频对应的弹幕消息给指定用户，此处用户即上述用于确定年龄信息的用户。
101.在一种可选的实施方式中，步骤s4根据弹幕消息的过滤等级，过滤弹幕消息，并显示过滤后的弹幕消息。可以理解，本实施方式中，过滤等级对应于预先划分的弹幕消息集合；例如，过滤等级分别对应于“儿童”、“成人”；则基于上述两大类确定弹幕消息的过滤等级后，分别进行对应内容的呈现。
102.在一种可选的实施方式中，步骤s4包括：
103.s41.获取弹幕消息的文本信息；
104.s42.获取过滤等级对应的预设过滤字段；
105.s43.根据预设过滤字段和文本信息过滤弹幕信息，并显示过滤后的弹幕消息。
106.步骤s41可以通过调用弹幕消息对应的存储文件实现，存储文件包括但不限于可扩展标记语言格式的文档。通过读取上述存储文件或其他格式及类似用途的文件，并对文
件进行解析，可以确定弹幕消息的文本信息。步骤s43在步骤s42获取过滤等级对应的预设过滤字段的基础上，对上述文本信息进行字段匹配，例如过滤掉含有预设过滤字段或其组合的文本信息的弹幕信息，和/或，过滤掉不含有预设过滤字段或其组合的文本信息的弹幕信息，从而显示过滤后的弹幕消息。
107.在一个示例中，可扩展标记语言存储的单条弹幕消息结构如下：
108.《d p＝"text,time,type,size,color,timestamp,pool,uid_crc32,row_id"》。
109.其中，text表征弹幕消息的文字内容；time表征弹幕在视频里的停留时间；type为弹幕类型；size为字体大小；color为十进制rgb颜色；timestamp为弹幕发送时间戳；pool为弹幕池；uid_crc32为发送者；row_id用于标记顺序和历史弹幕。从而基于上述弹幕消息进行结构，可以根据text字段对应的内容来获取文本信息。
110.在如图3示出的一个具体应用示例中，其执行主体包括但不限于一种处理单元。包括如下步骤：
111.步骤101.采集人脸图像信息。具体地，可以通过智能设备的摄像头进行采集。
112.步骤102.发送人脸图像。即将采集的人脸图像发送至处理单元。可以理解，处理单元可集成于摄像头、智能设备；也可另外设置。
113.步骤s103.在获得年龄的基础上，根据年龄识别算法确定人脸图像对应的年龄；即将人脸图像对应数据发送至年龄识别算法模块处理。具体地可以通步骤s1031提取人脸特征；步骤s1032比对人类特征，步骤s1033获得人脸对应的年龄。
114.步骤s104.根据步骤s103获得的年龄，确定弹幕过滤等级。
115.本实施例的基于人脸识别的弹幕消息的显示方法通过将对人脸图像信息的采集、识别和分析无缝融入用户的观影过程，使用户能够在观影过程不受影响的前提下，收看到与年龄匹配的弹幕消息；从而得以精准、科学地对弹幕消息内容进行分类显示，避免了向特定年龄群体的用户提供不适宜的弹幕消息，使用户指向性更强，用户体验更佳。
116.实施例2
117.参见图4-图5，本实施例具体提供了一种基于人脸识别的弹幕消息的显示系统，包括：
118.人脸图像采集模块51，用于采集用户的人脸图像信息；
119.年龄信息获取模块52，用于根据人脸图像信息，获取用户的年龄信息；
120.过滤等级确定模块53，用于确定与年龄信息匹配的过滤等级；
121.弹幕消息显示模块54，用于根据过滤等级过滤弹幕消息，并显示过滤后的弹幕消息。
122.本实施例的基于人脸识别的弹幕消息的显示系统，其应用场景包括但不限于用户在电视、手持终端、智能便携设备或微型电脑等电子设备上观看视频，其中，采集用户人脸图像信息的可以通过上述电子设备的附属采集部件，例如，通过智能电视自带的摄像头进行采集。当然也可以是其他独立的采集设备，例如通过与智能电视通信连接的摄像头进行采集。此外，也可以直接获取用户发送的人脸图像信息，例如，用户在某app上点播观看影片之前，首先上传图片、视频等包括人脸图像信息的文件，则人脸图像采集模块51直接采集上述文件即可。
123.根据不同的环境，采集的可能为一名或多名用户的人脸图像。例如在家庭影院的
投屏前观看的若干名用户；采集人脸图像可以基于用户位于电子设备预设位置的停留时间触发，例如对于车辆中控台屏幕，当车主上车后一分钟开始抓取用户头像；此外，采集人脸图像也可以基于视频的播放而触发，例如当检测到视频开始播放时开始启动人脸图像采集。
124.年龄信息获取模块52根据人脸图像信息获取用户的年龄信息，可以调用存储的历史匹配记录，也可以对新获取的人脸图像信息基于年龄估计算法直接获取。
125.在一种可选的实施方式中，根据人脸图像信息，通过调用存储的历史匹配记录来获取用户的年龄信息。基于人脸识别的弹幕消息的显示系统还包括确认信息接收模块55、确认信息判断模块56、关联存储模块57。年龄信息获取模块52调用确认信息接收模块55，接收用户对于年龄信息的确认信息；确认信息判断模块56用于当判断确认信息表征为所述年龄信息有误时，接收用户反馈的年龄信息，并调用关联存储模块57，以在预设数据库中关联存储用户反馈的年龄信息和人脸图像信息；确认信息判断模块56还用于当判断确认信息表征为所述年龄信息无误时，调用关联存储模块57以在预设数据库中关联存接收的年龄信息和人脸图像信息。当然，对于用户反馈的年龄信息，可以进一步经身份认证等保证其真实有效。从而存储于预设数据库中记录中，用户直接确认或反馈的年龄信息都可以被认为是和该记录中的人脸图像信息相匹配的。
126.基于预设数据库中关联存储的人脸图像信息和年龄信息，本实施方式中，年龄信息获取模块52包括数据库检测单元521和年龄识别单元522：数据库检测单元用于检测预设数据库中是否存在与人脸图像信息；若存在，则调用与人脸图像信息关联存储的年龄信息，作为用户的年龄信息；若不存在，则调用年龄识别单元522；年龄识别单元用于522用于根据预设年龄估计算法处理人脸图像信息，以获取用户的年龄信息。
127.具体地，数据库检测单元521将获取的人脸图像信息在预设数据库中进行比对，若匹配到相同的或相似度符合预设要求的(如相似度＞95)预存的人脸图像信息，则调出与预存人脸图像信息关联存储的年龄信息。从而能够快速、高效地确定年龄信息，节省相关的计算资源。
128.反之，若未若匹配到相同或相似度符合预设要求的预存的人脸图像信息，则调用年龄识别单元522，根据预设年龄估计算法处理人脸图像信息获取用户的年龄信息。
129.年龄估计算法属于基于人脸图像识别中的具体分类。由于每个年龄值都可以看作是一个类，所以年龄估计可以被看作是一种分类问题；同时年龄值的增长是一个有序数列的不断变化过程，因此年龄估计也可被视为一种回归问题。针对不同的年龄数据库和不同的年龄特征、分类模式和回归模式具有各自的优越性，因此年龄估计算法将二者有机融合可以有效提高年龄估计的精度。不同的模式优势不同，可以将各种估计模式综合起来进行年龄的估计。
130.作为处理对象的人脸识别图像，可以是从视频中提取的若干帧图像，当然在资源允许的情况下可以是视频的每一帧图像，作为预处理，可以基于直方图均衡化等技术，利用图像统计特性方法剔除特定区域以获取人脸图像；此外，根据多帧图像中的人脸位置和速度跟踪人脸，通过快速离散傅里叶变换判断人脸的清晰度，选择具有最佳清晰度的人脸。
131.进行年龄识别的第一阶段可以提取出照片中人脸的肌肤纹理特征，对年龄范围做一个大致的评估，得出一个特定的年龄段。具体地，可通人脸检测相关算法实现。人脸检测
是指对于任意一幅给定的输入图像，采用一定的计算方法对其进行搜索以确定其中是否含有人脸以及人脸在输入图像中的位置。人脸关键点检测也称为人脸关键点检测、定位或者人脸对齐，是指给定人脸图像，定位出人脸面部的关键区域位置，包括眉毛、眼睛、鼻子、嘴巴、脸部轮廓等；关键点的集合通常称作形状，形状包含了关键点的位置信息，而位置信息一般可以用关键点的位置相对于整张图像或关键点的位置相对于人脸框进行表示，前者即绝对形状，后者即相对形状，两种形状可以通过人脸框来做转换。人脸关键点检测方法通常包括asm算法、aam算法；基于级联形状回归的方法；基于深度学习的方法等。其中asm算法、aam算法属于参数化方法，而级联回归和深度学习方法属于非参数化方法。其中，asm算法通过对外形相似的物体如人脸等的几何形状通过若干关键点的坐标依次串联形成一个形状向量来表示。asm算法需要通过人工标定的方法先标定训练集，经过训练获得形状模型，再通过关键点的匹配实现特定物体的匹配。aam算法是对asm算法的改进，其不仅采用形状约束，而且加入整个脸部区域的纹理特征，同样分为两个阶段即模型建立阶段和模型匹配阶段。其中模型建立阶段包括对训练样本分别建立形状模型和纹理模型，然后将两个模型进行结合，形成aam模型。精度相对更高的还是基于深度学习的方法，多种有效的深度学习模型均可取得人脸关键点检测的良好效果，如face 版深度卷积神经算法等。当然，本领域技术人员可知，本实施方式可采用的包括但不限于上述列举的人脸关键点检测方法。
132.第二阶段进行年龄详细评估，首先可以通过支持向量机的方法，建立对应于多个年龄段的多个模型分类器，并选择合适的模型进行匹配。较佳地，可通过融合局部二值模式和方向梯度直方图特征的人脸年龄估计算法实现。
133.方向梯度直方图特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。其首先将图像分成小的连通区域，采集连通区域中各像素点的梯度的或边缘的方向直方图。最后把这些直方图组合起来就可以构成特征描述器。与其他的特征描述方法相比，由于方向梯度直方图特征是在图像的局部方格单元上操作，所以它对图像几何的和光学的形变都能保持很好的不变性，这两种形变只会出现在更大的空间领域上，特别适合于做图像中的人体检测。而局部二值模式是一种用来描述图像局部纹理特征的算子；它具有旋转不变性和灰度不变性等显著的优点。原始的lbp算子定义为在3x3的窗口内，以窗口中心像素为阈值，将相邻的8个像素的灰度值与其进行比较，若周围像素值大于中心像素值，则该像素点的位置被标记为1，否则为0。这样，3x3邻域内的8个点经比较可产生8位二进制数，即得到该窗口中心像素点的lbp值，并用这个值来反映该区域的纹理信息。融合局部二值模式和方向梯度直方图特征的人脸年龄估计算法提取与年龄变化关系紧密的人脸的局部统计特征，并用典型相关分析的方法融合，最后通过支持向量机回归的方法对人脸库进行训练和测试。
134.在融合局部二值模式和方向梯度直方图特征的基础上，采用包括但不限于人体测量学模型、柔性模型和外观模型等进行年龄识别处理。具体地，人体测量学模型利用了人脸的几何形状特征进行年龄分类，主要是描述随着年龄的增长人脸整体轮廓变化的数学规律，它所测量的是人脸的一种结构信息。主要过程归纳为人脸轮廓检测，人脸特征点定位，多种几何比例测量如瞳距等，最后利用几何比例进行年龄段的区分，主要适合于对未成年人进行年龄分类。另一种柔性模型将人脸的形状与灰度/纹理有机结合起来，从整体入手，充分提取人脸图像的形状信息和全局纹理信息，可以看作是人体测量学模型的升级版，其
典型的代表是主动形状模型和主动外观模型。该模型可以更好地适应复杂图像的特征点定位和特征提取，不仅适用于对青少年进行年龄分类，也适用于对中老年人进行分类。而外观模型则将人脸几何特征与全局信息，局部信息如面部纹理信息、频率信息和肤色信息等相融合进行人脸描述，进而进行年龄估计，较好地描述了面部的纹理特性，并常常与形状特征相融合，可以较好地实现全年龄段的年龄估计。
135.作为较佳的实施方式，当获取的用户的人脸图像信息的数量大于一个时，则年龄信息获取模块52用于分别获取每个人脸图像信息对应的年龄信息；在每个人脸图像信息对应的年龄信息中，获取最小的年龄信息；相应地，过滤等级确定模块53用于确定与最小的年龄信息匹配的过滤等级。
136.现阶段由于弹幕消息的内容缺乏监管的手段和力度，常有不健康内容鱼龙混杂，充斥其中，不仅影响用户观看体验，还容易对儿童用户有不良的导向作用。虽然大多数视频播放媒介对弹幕等级做了设置，用户可以手动选择不同等级的弹幕过滤规则，但是成人用户与儿童用户所适合的弹幕过滤等级不同，观看视频过程中出现儿童用户时，成人用户需要手动将弹幕调整到适合儿童的等级，影响了用户的观看体验。同时，当儿童用户独自在观看视频开启弹幕时，儿童用户也很难主动将字幕调整到适合自己的过滤等级，导致儿童接触到不适合自己的字幕内容，一定程度上影响了儿童的身心健康。本实施方式中通过人脸识别的方式，首先自动识别出多名用户中的最小的年龄信息，根据最小的年龄设置相应的过滤等级进而过滤弹幕消息内容，一方面，能够有效地避免儿童用户在观看视频时看到不健康的弹幕消息内容，另一方面，用户也无需手动进行干预设置，从而提升了观影体验。
137.作为较佳的实施方式，显示系统还包括年龄验证模块58，用于获取当前登录账号对应的注册年龄信息，并判断根据人脸图像信息获取的用户的年龄信息与注册年龄信息是否匹配，若否，则生成提示信息。
138.具体地，当用户观看的视频内容具有相应的登录账号，例如提供该视频内容的网络平台或app等的用户登录账号，则年龄验证模块58获取当前登录账号对应的注册年龄信息，并比较两者是否匹配以作为自动验证，如果匹配则可调用过滤等级确定模块53。反之，则提示信息可以显示上述账号信息对应的年龄信息、基于人脸图像信息获得的年龄信息、登录账号对应的其他信息等；从而帮助用户确认年龄信息，避免年龄估计有误、多人观影时的最小年龄的用户不是登录用户等情况。当然，对于多人观影获取多人人脸图像信息的场景，也可以设置判断依据为只要登录账号对应的注册年龄信息与多人的人脸图像信息对应的任一年龄信息匹配即可。
139.过滤等级确定模块53确定与年龄信息匹配的过滤等级，本领域技术人员可知，过滤等级为预设，且可用于区分不同年龄的用户对于弹幕消息的不同要求。例如根据法律意义划分的未成年人、成年人对应不同的过滤等级；或按照年龄组别划分为6岁以下、6～12岁、12～18岁、18岁以上，且分别对应于不同的过滤等级等。
140.作为较佳的实施方式，显示系统还包括显示系统还包括过滤等级锁定模块59，用于被过滤等级确定模块调用时，将过滤等级设置为锁定状态；过滤等级锁定模块59还用于当检测到人脸图像信息改变时，将过滤等级设置为解锁状态。
141.具体地，提供了一种过滤等级的自动锁定方式，即在确定了过滤等级后将其锁定，即不可设置。可以理解，在观影过程中会保持对于人脸图像信息的检测采集，例如按照预设
的时间间隔采集，或根据视频内容的切换重新采集等。则当检测到人脸图像信息改变，将过滤等级设为解锁状态，使其能够被进行设置。本实施方式尤其适用于未成年人独自观影等场景，使其不能通过人脸图像识别以外的交互篡改年龄信息以改变过滤等级。因此较佳地，可以对于除了18岁以上的年龄的用户执行上述实施方式。
142.弹幕消息显示模块54根据过滤等级过滤弹幕消息，并显示过滤后的弹幕消息。过滤弹幕消息，即根据过滤等级对应的约束条件，不呈现、部分呈现或全部呈现视频对应的弹幕消息给指定用户，此处用户即上述用于确定年龄信息的用户。
143.在一种可选的实施方式中，步骤s4根据弹幕消息的过滤等级，过滤弹幕消息，并显示过滤后的弹幕消息。可以理解，本实施方式中，过滤等级对应于预先划分的弹幕消息集合；例如，过滤等级分别对应于“儿童”、“成人”；则基于上述两大类确定弹幕消息的过滤等级后，分别进行对应内容的呈现。
144.弹幕消息显示模块54包括：
145.文本消息获取单元541，用于获取弹幕消息的文本信息；
146.过滤字段获取单元542，用于获取过滤等级对应的预设过滤字段；
147.显示单元543，用于根据预设过滤字段和文本信息过滤弹幕信息，并显示过滤后的弹幕消息；
148.文本消息获取单元541可以通过调用弹幕消息对应的存储文件实现，存储文件包括但不限于可扩展标记语言格式的文档。通过读取上述存储文件或其他格式及类似用途的文件，并对文件进行解析，可以确定弹幕消息的文本信息。显示单元543在过滤字段获取单元542获取过滤等级对应的预设过滤字段的基础上，对上述文本信息进行字段匹配，例如过滤掉含有预设过滤字段或其组合的文本信息的弹幕信息，和/或，过滤掉不含有预设过滤字段或其组合的文本信息的弹幕信息，从而显示过滤后的弹幕消息。
149.在一个示例中，可扩展标记语言存储的单条弹幕消息结构如下：
150.《d p＝"text,time,type,size,color,timestamp,pool,uid_crc32,row_id"》。
151.其中，text表征弹幕消息的文字内容；time表征弹幕在视频里的停留时间；type为弹幕类型；size为字体大小；color为十进制rgb颜色；timestamp为弹幕发送时间戳；pool为弹幕池；uid_crc32为发送者；row_id用于标记顺序和历史弹幕。从而基于上述弹幕消息进行结构，可以根据text字段对应的内容来获取文本信息。
152.本实施例的基于人脸识别的弹幕消息的显示系统通过将对人脸图像信息的采集、识别和分析无缝融入用户的观影过程，使用户能够在观影过程不受影响的前提下，收看到与年龄匹配的弹幕消息；从而得以精准、科学地对弹幕消息内容进行分类显示，避免了向特定年龄群体的用户提供不适宜的弹幕消息，使用户指向性更强，用户体验更佳。
153.实施例3
154.本实施例提供了一种电子设备，包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器。其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述处理装置能够执行实施例1中的基于人脸识别的弹幕消息的显示方法。
155.需要说明的是，本实施例中的电子设备具体可以是单独的芯片、芯片模组或网络设备，也可以是集成于网络设备内的芯片或者芯片模组；通信数据的处理装置包含的各个
模块/单元，其可以是软件模块/单元，也可以是硬件模块/单元，也可以部分是软件模块/单元，部分是硬件模块/单元。例如，对于应用于或集成于芯片的各个装置、产品，其包含的各个模块/单元可以都采用电路等硬件的方式实现，或者，至少部分模块/单元可以采用软件程序的方式实现，该软件程序运行于芯片内部集成的处理器，剩余的(如果有)部分模块/单元可以采用电路等硬件方式实现；对于应用于或集成于芯片模组的各个装置、产品，其包含的各个模块/单元可以都采用电路等硬件的方式实现，不同的模块/单元可以位于芯片模组的同一组件(例如芯片、电路模块等)或者不同组件中，或者，至少部分模块/单元可以采用软件程序的方式实现，该软件程序运行于芯片模组内部集成的处理器，剩余的(如果有)部分模块/单元可以采用电路等硬件方式实现；对于应用于或集成于终端的各个装置、产品，其包含的各个模块/单元可以都采用电路等硬件的方式实现，不同的模块/单元可以位于终端内同一组件(例如，芯片、电路模块等)或者不同组件中，或者，至少部分模块/单元可以采用软件程序的方式实现，该软件程序运行于终端内部集成的处理器，剩余的(如果有)部分模块/单元可以采用电路等硬件方式实现。
156.参见图6所示，作为较佳的实施方式，本实施例具体提供了一种电子设备30，包括处理器31、存储器32及存储在存储器32上并可在处理器31上运行的计算机程序，处理器31执行程序时实现实施例1中的基于人脸识别的弹幕消息的显示方法。图6显示的电子设备30仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
157.电子设备30可以以通用计算设备的形式表现，例如其可以为服务器设备。电子设备30的组件可以包括但不限于：上述至少一个处理器31、上述至少一个存储器32、连接不同系统组件(包括存储器32和处理器31)的总线33。
158.总线33包括数据总线、地址总线和控制总线。
159.存储器32可以包括易失性存储器，例如随机存取存储器(ram)321和/或高速缓存存储器322，还可以进一步包括只读存储器(rom)323。
160.存储器32还可以包括具有一组(至少一个)程序模块324的程序/实用工具325，这样的程序模块324包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
161.处理器31通过运行存储在存储器32中的计算机程序，从而执行各种功能应用以及数据处理，例如本发明实施例1中的基于人脸识别的弹幕消息的显示方法。
162.电子设备30也可以与一个或多个外部设备34(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(i/o)接口35进行。并且，模型生成的设备30还可以通过网络适配器36与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。网络适配器36通过总线33与模型生成的电子设备30的其它模块通信。可以结合模型生成的设备30使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、raid(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
163.应当注意，尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
164.实施例4
165.本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，程序被处理器执行时实现实施例1中的基于人脸识别的弹幕消息的显示方法。
166.其中，可读存储介质可以采用的更具体可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
167.在可能的实施方式中，本发明还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行实现实施例1中的基于人脸识别的弹幕消息的显示方法。
168.其中，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码，程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
169.虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。