CN101166250A - 时钟自动校对方法和设备 - Google Patents
时钟自动校对方法和设备 Download PDFInfo
- Publication number
- CN101166250A CN101166250A CNA2006101405797A CN200610140579A CN101166250A CN 101166250 A CN101166250 A CN 101166250A CN A2006101405797 A CNA2006101405797 A CN A2006101405797A CN 200610140579 A CN200610140579 A CN 200610140579A CN 101166250 A CN101166250 A CN 101166250A
- Authority
- CN
- China
- Prior art keywords
- recognition result
- clock
- sampling time
- correct
- correct recognition
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Electric Clocks (AREA)
Abstract
本发明提出了一种时钟自动校对方法,包括以下步骤:采样保存时钟样本和设备采样时间;对所保存的时钟样本进行模式识别,得到识别结果,与所保存的设备采样时间相关联;根据相关联的设备采样时间,从识别结果中提取出正确识别结果的集合;根据相关联的设备采样时间,确定正确识别结果集合中各个识别结果的置信度;以及选择置信度最高的识别结果,并以该识别结果与关联设备采样时间的差值来校对设备时钟。
Description
技术领域
本发明涉及时钟自动校对方法和设备。本发明利用视频设备采集视频信息,获取连续的视频图像,通过图像识别的方法得到有效的采样数据,再从中提取时钟信息,从而校对设备的实时时钟,并依据实时时钟完成各种定时操作。本发明可以广泛地应用于电视机、个人数字录像机等视频接收设备。
背景技术
当前市面上有许多视频广播接收设备,如电视机、个人数字录像机等,这些设备由于功能的需要提供了实时时钟,时钟信息是用户手动输入的,或者是设备出厂时初始化设置的。由于手动操作和时钟累计误差的原因,时钟信息不能达到一定的精确要求(如精确到秒)。但是,这些设备的一些功能需要提供精确的时间,例如个人数字录像机需要准确地录制电视节目,或者实时地记录用户的电视广告收看记录等。
发明内容
本发明的目的在于提供一种自动时钟校对方法和设备,能够实现精确到秒的自动时钟校对。
根据本发明的一个方面,提供了一种时钟自动校对方法,包括以下步骤:采样保存时钟样本和设备采样时间;对所保存的时钟样本进行模式识别,得到识别结果,与所保存的设备采样时间相关联;根据相关联的设备采样时间,从识别结果中提取出正确识别结果的集合;根据相关联的设备采样时间,确定正确识别结果集合中各个识别结果的置信度;以及选择置信度最高的识别结果,并以该识别结果与关联设备采样时间的差值来校对设备时钟。
根据本发明的另一方面,提供了一种时钟自动校对设备,包括:采样保存装置,用于采样保存时钟样本和设备采样时间;模式识别装置,用于对所保存的时钟样本进行模式识别,得到识别结果,与所保存的设备采样时间相关联;正确识别结果提取装置,用于根据相关联的设备采样时间,从识别结果中提取出正确识别结果的集合;置信度确定装置,用于根据相关联的设备采样时间,确定正确识别结果集合中各个识别结果的置信度;以及时钟校对装置,用于选择置信度最高的识别结果,并以该识别结果与关联设备采样时间的差值来校对设备时钟。
附图说明
下面将参照附图,对本发明的优选实施例进行详细的描述,其中:
图1A是视频广播接收设备的硬件方框图;
图1B是具体示出了图1所示的处理器和控制电路103的结构的方框图;
图2是根据本发明的时钟自动校对方法的流程图;
图3是示出了根据本发明的时钟自动校对方法中的正确识别结果提取步骤的详细流程图;以及
图4是示出了根据本发明的时钟自动校对方法中的置信度确定步骤的详细流程图。
具体实施方式
下面结合附图说明本发明的具体实施方式。应该指出,所描述的实施例仅是为了说明的目的,而不是对本发明范围的限制。所描述的各种数值并非用于限定本发明,这些数值可以根据本领域普通技术人员的需要进行任何适当的修改。
图1A、1B和图2分别示出了视频广播接收设备的硬件方框图、处理器和控制电路103的结构方框图、根据本发明的时钟自动校对方法的流程图,通过获取视频内容中包含时间信息的图像,来校对实时时钟。
本发明的实现方式如下:首先,使用控制器将接收设备调谐到具有时间信息的频道(例如,中央电视台第一套节目CCTV1),当到达正点和半点时,电视节目的右上角固定位置会出现固定大小的数字时钟图像,时间图像会维持一分钟。从节目图像固定位置分离出数字时钟图像样本,一组样本是由六个小的矩形组成,大小均为12×22像素的矩形,其中分别包含了小时、分钟和秒的信息。采集并保存足够时间段的时钟图像样本,并通过模式识别和高噪音过滤方法识别和分析样本,从中得到正确的时间信息,从而根据该时间信息校对设备实时时钟。
下面,将参考图1A,对用于实现本发明的硬件结构进行描述。图1A示出了用于实现本发明的电路结构模块,包括频率解码电路101、模数转换电路102、以及处理器和控制电路103。
模拟视频信号通过频率解码电路101和模数转换电路102,为处理器103提供了视频节目的数字信号。这样,处理器103就可以将数字信号转换为多组图像样本,采用软件算法进行采样和模式识别,提取时间信息。
具体地,参考图1B,示出了处理器和控制电路103的具体结构,包括:采样保存单元111,用于采样保存时钟样本和设备采样时间;模式识别单元112,用于对所保存的时钟样本进行模式识别,得到识别结果,与所保存的设备采样时间相关联;正确识别结果提取单元113,用于根据相关联的设备采样时间,从识别结果中提取出正确识别结果的集合;置信度确定单元115,用于根据相关联的设备采样时间,确定正确识别结果集合中各个识别结果的置信度;以及时钟校对单元116,用于选择置信度最高的识别结果,并以该识别结果与关联设备采样时间的差值来校对设备时钟。
接下来,将参考图2,对用于实现本发明的软件结构进行描述。
201采样获取样本库。由于CCTV1节目中数字时钟的出现规律是:每半小时的前30秒出现,持续1分钟,到后30秒结束。例如,在9点30分,数字时钟在9点29分30秒出现,到9点30分30秒结束。假定采样频率为一秒一帧,那么要采集到持续一分钟的有效样本,必须要连续采样30分钟加30秒,即30×60+30=1830组样本。每组样本由6个12×22像素的图像组成。在采样的同时还需要保存设备采样时间。
202采用传统的模式识别算法识别样本,其识别结果是一组数字时钟的集合。对于1830个采样样本,得到1830个数字时间。可以采用已知的或未来开发出的任何模式识别算法。
接下来,对时钟集合进行筛选,包括正确识别结果提取203和置信度确定204。根据预定的判定标准,对识别后的时钟集合进行筛选,本发明解决了以下两个问题:
1.由于每半小时才显示1分钟的时钟图像,所以识别后的时钟集合里只有很小一部分是有效的信息(60/1830=1/30.5),但是本发明利用有效信息将是持续出现的(持续1分钟),即样本比较集中,解决了这个问题。
2.即使样本中包含了时钟信息,由于加载在节目中的数字时钟图像是半透明的,如果数字时钟所在位置存在节目背景,就会造成模式识别的准确性大大降低。本发明利用电视节目始终在变化,背景图像造成的影响是噪声,那么识别后的结果是无规则的时间信息,即利用有效样本的相关性,解决了这个问题。
205选择置信度最高的识别结果,并以该识别结果与关联设备采样时间的差值来校对设备时钟。
图3是示出了根据本发明的时钟自动校对方法中的正确识别结果提取步骤203的详细流程图,主要解决了从大量信息中找出有效信息的问题。
在步骤301,从所得到的识别集合(在本发明中,所述识别集合包括1830个识别结果)中的第一个识别结果开始,取相邻的一组识别结果j和j1(第一个和第二个识别结果),在所述识别集合中,每个识别结果均与采样时的设备时间(采样时间)相关联。在步骤302,判断识别结果j和j1的差值是否等于采样时间的差值。
一方面,在步骤302中,如果确定识别结果j和j1的差值与采样时间的差值相等(步骤302中的“是”),则在步骤303中,将识别结果j设置为正确识别结果。然后,在步骤305中,判断此前60个识别结果的正确率(正确识别结果的个数/总识别结果的个数(60))是否大于预定阀值θth(例如,70%)。如果正确率满足步骤305中的条件,则在步骤306中,从此前60个识别结果中选取正确识别结果(每个识别结果均与采样时的设备时间(采样时间)相关联),组成新的筛选集合。如果正确率不满足步骤305中的条件,则返回步骤301,选取下一组相邻的识别结果(即第二个和第三个识别结果j1和j2,依此类推)。
另一方面,在步骤302中,如果确定识别结果j和j1的差值不等于采样时间的差值(步骤302中的“否”),则在步骤304中,将识别结果j设置为错误识别结果,并返回步骤301,选取下一组相邻的识别结果(即第二个和第三个识别结果j1和j2,依此类推)。
最后,在完成步骤306时,已经从1830个识别结果中找出了60×θth个正确识别结果(有效信息)。
图4是示出了根据本发明的时钟自动校对方法中的置信度确定步骤204的详细流程图,主要解决了消除背景噪声的问题。
针对步骤306所得到的新的筛选集合(其中包括60×θth个正确识别结果,每个识别结果均与采样时的设备时间(采样时间)相关联),在步骤401,从中选取第一个识别结果,作为识别结果a,以及在步骤402,从中选取不同于识别结果a的第一个识别结果(第二个识别结果),作为识别结果b。然后,在步骤403,判断识别结果a和b的差值是否等于采样时间的差值。
一方面,如果识别结果a和b的差值等于采样时间的差值(步骤403中的“是”),则在步骤404中,将识别结果a的置信度加1,每个识别结果的初始置信度均为0。然后,在步骤405中,判断识别结果b是否是筛选集合中的最后一个识别结果,如果识别结果b不是筛选集合中的最后一个结果,则在步骤420,选取识别结果b的下一个识别结果(第三个识别结果等,依此类推)(不同于识别结果a),作为识别结果b,然后返回步骤403。
另一方面,如果识别结果a和b的差值不等于采样时间的差值(步骤403中的“否”),则跳过步骤404,直接执行步骤405。
当识别结果b是筛选集合中的最后一个结果时(步骤405中的“是”),则在步骤406中,判断识别结果a是否是筛选集合中的最后一个识别结果,如果识别结果a不是筛选集合中的最后一个结果,则在步骤425,选取识别结果a的下一个识别结果(第二个识别结果等,依此类推),作为识别结果a,然后返回步骤402。
当识别结果a是筛选集合中的最后一个结果时(步骤406中的“是”),则从筛选集合(其中包括60×θth个正确识别结果,每个识别结果均与采样时的设备时间(采样时间)相关联)中选择置信度最大的识别结果R(置信度A),然后,在步骤S408,计算识别结果R所表示的时间与关联采样时间的差值,并在步骤409,利用所述差值校对设备时钟。
以上置信度确定过程(前序置信度确定过程)只是本发明方法的一个示例实施例,本领域普通技术人员可以采用多种其他方法来确定置信度最大的识别结果。例如,可以从筛选集合中的最后一个结果开始,顺序确定到第一个识别结果时结束(后序置信度确定过程),然后,从中选择置信度最大的识别结果。
以下,将结合具体示例,对上述根据本发明的实时时钟自动校对方法进行详细描述。假设采样间隔为1秒钟,那么有1830个采样样本和识别结果。我们取8个识别结果举例说明:(其中设备时钟误差为10秒,1,2,6,7,8的识别结果正确,3,4,5的识别结果错误)
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | … | 1830 | |
识别结果 | 06:00:40 | 06:00:41 | 08:33:33 | 08:33:34 | 09:55:00 | 06:00:45 | 06:00:46 | 06:00:47 | … | 06:31:10 |
采样时间 | 06:00:30 | 06:00:31 | 06:00:32 | 06:00:33 | 06:00:34 | 06:00:35 | 06:00:36 | 06:00:37 | … | 06:31:00 |
是否正确 | 是 | 否 | 是 | 否 | 否 | 是 | 是 | … | … | … |
置信度 | 2 | 0 | 2 | 2 | … | … | … |
从所有识别数据中取相邻的一组识别结果及其对应的设备时间,如识别结果1和2(步骤301)。判断这对识别时间和设备采样时间的差值是否相等(步骤302),如果相等,则识别结果1正确(步骤303),否则识别结果1错误(步骤304),如果错误,取下一组识别数据进行比较(识别结果2和3)。如果正确,判断在上60组数据中正确率是否大于等于预定阀值(如70%)(步骤305)。如果否,那么取下一组识别数据进行比较(识别结果2和3),依此类推。如果大于等于预定阀值,那么说明已经从1830个样本找到了肯定包含时钟信息的识别结果,如识别结果1、3、6、7。
可以看到现在的筛选结果中3明显不正确。从筛选结果(识别结果1、3、6、7)中取第一个结果,作为识别结果a(即识别结果1)。取不同于识别结果a的第一个识别结果(即识别结果3),作为识别结果b。确定识别结果a和b(即识别结果1和3)的差值是否等于采样时间的差值。可以看到上述两个差值不相等,因此,识别结果1的置信度仍为零。
因为识别结果3不是最后一个识别结果,选择下一个识别结果(识别结果6)作为识别结果b,并再次确定识别结果a和b(即识别结果1和6)的差值是否等于采样时间的差值。可以看到上述两个差值相等,因此,识别结果1的置信度加1(此时置信度为1)。
因为识别结果6也不是最后一个识别结果,选择下一个识别结果(识别结果7)作为识别结果b,并再次确定识别结果a和b(即识别结果1和7)的差值是否等于采样时间的差值。可以看到上述两个差值相等,因此,识别结果1的置信度加1(此时置信度为2)。
因为识别结果7是最后一个识别结果,所以针对识别结果1的置信度确定过程结束,选择识别结果1的下一个识别结果(识别结果3)作为识别结果a。取不同于识别结果a的第一个识别结果(即识别结果1),作为识别结果b。确定识别结果a和b(即识别结果3和1)的差值是否等于采样时间的差值。可以看到上述两个差值不相等,因此,识别结果3的置信度仍为零。
因为识别结果1不是最后一个识别结果,选择下一个识别结果(识别结果6)作为识别结果b,并再次确定识别结果a和b(即识别结果3和6)的差值是否等于采样时间的差值。可以看到上述两个差值不相等,因此,识别结果3的置信度仍为零。
因为识别结果6也不是最后一个识别结果,选择下一个识别结果(识别结果7)作为识别结果b,并再次确定识别结果a和b(即识别结果3和7)的差值是否等于采样时间的差值。可以看到上述两个差值不相等,因此,识别结果3的置信度仍为零。
因为识别结果7是最后一个识别结果,所以针对识别结果3的置信度确定过程结束,选择识别结果3的下一个识别结果(识别结果6)作为识别结果a。对于识别结果6的置信度确定过程与以上操作类似,最后确定识别结果6的置信度为2,并进行针对识别结果7的置信度确定过程,确定识别结果7的置信度为2。
在完成针对所有识别结果的置信度确定过程之后,识别结果1、6和7的置信度为2,识别结果3的置信度为0。
因此,选择置信度最大的识别结果1、6或7(置信度=2),计算识别结果1、6或7所表示的时间与采样时间的差值(10秒钟)。利用这个差值校正设备时间。
本方案在实现过程中不局限于中央电视台第一套节目,数字时钟图像,以及时钟图像出现的位置和时间。它还可以适用其他电视节目,例如BTV8也同样在正点和半点会出现数字时钟。BTV7节目图像中始终会有画面右下角有模拟时钟。甚至在将来可能出现的,专门为校对设备实时时钟而播放的电视节目,节目图像中包含明确的时钟图像,供设备识别提取时钟信息。
本方案具体实现时也可以使用离线的方法进行设备时钟校对。它会应用于对时钟精度要求高,但是实时性要求低的应用中。例如,用户广告收视记录的分析,该应用的要求是:当用户换台时保存换台时间和频道,这个时间可以是设备时间(不精确的时间)。在一个周期(例如一个月)后,该用户的收视记录会上传到中央数据库进行数据分析。中央数据库为了得到精确的广告收视记录,必须对保存的换台时间进行校对。
最后所应说明的是:以上实施例仅仅用以说明而非限制本发明的技术方案,尽管参照上述实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明进行修改或者等同替换,而不脱离本发明的精神和范围的任何修改或局部替换,其均应涵盖在本发明的权利要求范围当中。
Claims (16)
1.一种时钟自动校对方法,包括以下步骤:
采样保存时钟样本和设备采样时间;
对所保存的时钟样本进行模式识别,得到识别结果,与所保存的设备采样时间相关联;
根据相关联的设备采样时间,从识别结果中提取出正确识别结果的集合;
根据相关联的设备采样时间,确定正确识别结果集合中各个识别结果的置信度;以及
选择置信度最高的识别结果,并以该识别结果与关联设备采样时间的差值来校对设备时钟。
2.根据权利要求1所述的时钟自动校对方法,其特征在于正确识别结果提取步骤包括:
如果相邻识别结果的差值等于关联设备采样时间的差值,则确定相邻识别结果中采样时间靠前的识别结果为正确识别结果;以及
当正确识别结果的数量达到预定数量时,所提取出的正确识别结果构成了正确识别结果的集合。
3.根据权利要求1所述的时钟自动校对方法,其特征在于正确识别结果提取步骤包括:
如果相邻识别结果的差值等于关联设备采样时间的差值,则确定相邻识别结果中采样时间靠前的识别结果为正确识别结果;以及
当正确识别结果的数量与1分钟内的采样数量的比值达到预定阀值时,所提取出的正确识别结果构成了正确识别结果的集合。
4.根据权利要求1所述的时钟自动校对方法,其特征在于置信度确定步骤包括:
针对正确识别结果集合中的每一个正确识别结果,将其依次与正确识别结果集合中的其他正确识别结果进行比较,
如果该正确识别结果与另一正确识别结果的差值等于关联设备采样时间的差值,则该识别结果的置信度增加预定值;
如果该正确识别结果与另一正确识别结果的差值不等于关联设备采样时间的差值,则该识别结果的置信度保持不变。
5.根据权利要求1所述的时钟自动校对方法,其特征在于所述时钟样本是视频图像中的数字时钟样本或模拟时钟样本。
6.根据权利要求1所述的时钟自动校对方法,其特征在于连续采样30分钟30秒。
7.根据权利要求1所述的时钟自动校对方法,其特征在于所述时钟自动校对方法用于视频广播接收设备。
8.根据权利要求1所述的时钟自动校对方法,其特征在于所述时钟自动校对方法用于用户收视记录的分析。
9.一种时钟自动校对设备,包括:
采样保存装置,用于采样保存时钟样本和设备采样时间;
模式识别装置,用于对所保存的时钟样本进行模式识别,得到识别结果,与所保存的设备采样时间相关联;
正确识别结果提取装置,用于根据相关联的设备采样时间,从识别结果中提取出正确识别结果的集合;
置信度确定装置,用于根据相关联的设备采样时间,确定正确识别结果集合中各个识别结果的置信度;以及
时钟校对装置,用于选择置信度最高的识别结果,并以该识别结果与关联设备采样时间的差值来校对设备时钟。
10.根据权利要求9所述的时钟自动校对设备,其特征在于:
如果相邻识别结果的差值等于关联设备采样时间的差值,则正确识别结果提取装置确定相邻识别结果中采样时间靠前的识别结果为正确识别结果;以及
当正确识别结果的数量达到预定数量时,正确识别结果提取装置以所提取出的正确识别结果构成正确识别结果的集合。
11.根据权利要求9所述的时钟自动校对设备,其特征在于:
如果相邻识别结果的差值等于关联设备采样时间的差值,则正确识别结果提取装置确定相邻识别结果中采样时间靠前的识别结果为正确识别结果;以及
当正确识别结果的数量与1分钟内的采样数量的比值达到预定阀值时,正确识别结果提取装置以所提取出的正确识别结果构成正确识别结果的集合。
12.根据权利要求9所述的时钟自动校对设备,其特征在于置信度确定装置针对正确识别结果集合中的每一个正确识别结果,将其依次与正确识别结果集合中的其他正确识别结果进行比较,
如果该正确识别结果与另一正确识别结果的差值等于关联设备采样时间的差值,则将该识别结果的置信度增加预定值;
如果该正确识别结果与另一正确识别结果的差值不等于关联设备采样时间的差值,则使该识别结果的置信度保持不变。
13.根据权利要求9所述的时钟自动校对设备,其特征在于所述时钟样本是视频图像中的数字时钟样本或模拟时钟样本。
14.根据权利要求9所述的时钟自动校对设备,其特征在于所述采样保存装置连续采样30分钟30秒。
15.根据权利要求9所述的时钟自动校对设备,其特征在于所述时钟自动校对设备包括在视频广播接收设备中。
16.根据权利要求9所述的时钟自动校对设备,其特征在于所述时钟自动校对设备用于用户收视记录的分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2006101405797A CN101166250A (zh) | 2006-10-16 | 2006-10-16 | 时钟自动校对方法和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2006101405797A CN101166250A (zh) | 2006-10-16 | 2006-10-16 | 时钟自动校对方法和设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101166250A true CN101166250A (zh) | 2008-04-23 |
Family
ID=39334692
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2006101405797A Pending CN101166250A (zh) | 2006-10-16 | 2006-10-16 | 时钟自动校对方法和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101166250A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105094208A (zh) * | 2014-05-04 | 2015-11-25 | 联想(北京)有限公司 | 一种信息处理方法、第一电子设备和第二电子设备 |
CN105550689A (zh) * | 2015-12-04 | 2016-05-04 | 联想(北京)有限公司 | 信息处理方法、第一电子设备及第二电子设备 |
-
2006
- 2006-10-16 CN CNA2006101405797A patent/CN101166250A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105094208A (zh) * | 2014-05-04 | 2015-11-25 | 联想(北京)有限公司 | 一种信息处理方法、第一电子设备和第二电子设备 |
CN105094208B (zh) * | 2014-05-04 | 2018-03-23 | 联想(北京)有限公司 | 一种信息处理方法、第一电子设备和第二电子设备 |
CN105550689A (zh) * | 2015-12-04 | 2016-05-04 | 联想(北京)有限公司 | 信息处理方法、第一电子设备及第二电子设备 |
CN105550689B (zh) * | 2015-12-04 | 2019-01-15 | 联想(北京)有限公司 | 信息处理方法、第一电子设备及第二电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103763585B (zh) | 一种用户特征信息获取方法、装置和终端设备 | |
US10694244B2 (en) | Automated transition classification for binge watching of content | |
WO2011130564A1 (en) | Platform-independent interactivity with media broadcasts | |
US20170372445A1 (en) | Methods and apparatus to perform symbol-based watermark detection | |
CN110996153A (zh) | 基于场景识别的音画品质增强方法、***和显示器 | |
US20150012930A1 (en) | Method of validating an electronic vote | |
CN101193297A (zh) | 估计视频串流中视频片段的边界位置的方法 | |
CN109922334A (zh) | 一种视频质量的识别方法及*** | |
AU2004302647B2 (en) | Pausing timebase when identification present in broadcast programme | |
KR20180093582A (ko) | 엔드투엔드 학습에 기반한 영상 이벤트 구간 인덱싱 방법 및 장치 | |
CN101156439A (zh) | 管理广播流的时间信息的方法和设备 | |
CN103024473A (zh) | 收视率调查***和方法 | |
CN101167351B (zh) | 数字广播接收***和数字广播接收机以及移动通信装置 | |
CN101127872B (zh) | 提高电视视频输出设备交互选台速度的方法和装置 | |
EP2239952B1 (en) | A method and apparatus for testing a digital video broadcast display product and a method of data communication | |
US9230173B2 (en) | Soft decision making processes for analyzing images | |
CN110225374B (zh) | 交互式网络电视的用户信息采集处理方法 | |
CN101166250A (zh) | 时钟自动校对方法和设备 | |
CN109472243B (zh) | 新闻节目分割方法及装置 | |
CN113886273A (zh) | 一种应用程序的性能测试方法、装置、测试设备及介质 | |
CN102281466A (zh) | 一种电视节目的观众评价调查方法及*** | |
CN107483985A (zh) | 一种广告精准定位方法 | |
CN104093069A (zh) | 一种视频播放方法和播放器装置 | |
US8276173B2 (en) | System and method for processing program including advertisements | |
CN108737906B (zh) | 一种投票统计方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |