CN103546778A - 一种电视节目推荐方法、***及其实现方法 - Google Patents

Abstract

本发明公开了一种电视节目推荐方法、***及其实现方法，所述推荐方法包括：首先，预先存储用户面部信息和与所述面部信息对应的观看习惯统计信息；然后，定时检测观看区域内的用户，当识别到的面部信息与预先存储的用户面部信息一致时，获取对应的观看习惯统计信息；再得到节目分类排序列表，并结合当前时间的电子节目列表得出每个分类的当前节目列表；最后，结合当前节目列表与节目热度，获取对用户的最终推荐列表。本发明的电视节目推荐方法通过智能电视识别用户，感知用户的观看习惯，提高了用户的黏合度；另外，在向用户推荐节目时，还采用“用户自身的维度”和“大众维度”相结合的智能推荐算法，提高了推荐的准确性。

Description

一种电视节目推荐方法、***及其实现方法

技术领域

本发明涉及智能推荐技术领域，尤其涉及一种电视节目推荐方法、***及其实现方法。

背景技术

智能电视正在逐步成为主流的电视类产品。目前，智能电视会显示电子节目菜单（Electrnic Program Guide EPG），同区域的家庭打开电视看到的电子节目菜单是一样的。用户需要打开自己喜欢的电视节目时，需要不停的换台来确认是否为用户喜欢的节目。因此，不能满足差异化的需求，

现有技术中公开了一些电视节目推荐方法，如现有技术1公开了一种基于人脸识别对电视节目自动分类的方法及其***：方法包括如下步骤，

A、建立节目分类表；

B、采集多个用户的个人信息，建立用户组合分类表；

C、记录不同用户组合在不同时间段观看电视的节目分类信息和频次信息，获取不同用户组合的观看习惯统计信息；

D、将用户组合列表与观看习惯统计信息进行关联建立观看习惯分类表。

另外，还有现有技术2也公开了一种电视节目推荐方法及***，其中的方法包括：构建电视节目管理云和用户管理云，确定电视节目资源和用户观看行为方式的关联关系；基于所述电视节目管理云和用户管理云，采取节目聚类和用户聚类的双聚类协同过滤算法，得到推荐结果；根据推荐结果向目标用户进行电视节目推荐。

上述两种方法虽然能够通过采集用户信息，来预测用户的兴趣从而做出推荐，但是仍然存在一定的不足：

现有技术1公开的技术方案通过人脸识别用户，记录不同用户组合的观看记录，通过对用户观看的节目分类信息和频次信息进行分析，向用户推荐他最喜欢的电视节目，一定程度上解决了识别用户和推荐节目的问题，给用户相对友好的体验。但它需要建立用户组合列表，记录不同用户组合的观看记录，分析的指标为该用户组合的节目分类信息、频次信息、观看时间长短，均从该用户组合出发的维度。该方案没有针对单独用户进行信息分析，不贴近用户的真实需求。

现有技术2公开的技术方案从用户自身的维度出发（如目标用户浏览统计信息、目标用户对电视节目显示相似兴趣的用户所喜欢的节目、由节目相似度所决定的推荐列表、目标用户选择节目的历史信息）。但是，该方案仅仅从用户自身的喜好出发，而没有考虑到大众对于节目的喜好即节目热度，在给用户进行节目推荐时，推荐的准确性势必会受到影响。

有鉴于此，现有技术有待改进和提高。

发明内容

鉴于现有技术中的不足，本发明目的在于提供一种电视节目推荐方法、***及其实现方法。旨在解决现有技术中采用传统方式向用户进行节目推荐时存在的不能满足用户差异化的需求、推荐结果不够准确等问题。

本发明的技术方案如下：

一种电视节目推荐方法，其中，所述推荐方法包括以下步骤：

A、预先存储用户面部信息和与所述面部信息对应的观看习惯统计信息；

B、定时检测观看区域内的用户，识别用户的面部信息，并将识别到的面部信息与预先存储的用户面部信息进行比对，判断是否一致；

C、当识别到的面部信息与预先存储的用户面部信息一致时，获取所述面部信息对应的观看习惯统计信息；

D、根据所述观看习惯统计信息得到节目分类排序列表，并结合当前时间的电子节目列表得出每个分类的当前节目列表；

E、结合当前节目列表与节目热度，获取对用户的最终推荐列表。

优选地，所述的电视节目推荐方法，其中，所述步骤A中观看习惯统计信息包括用户观看节目分类信息、频次信息和观看时间长短。

优选地，所述的电视节目推荐方法，其中，所述观看习惯统计信息的获取采用如下方式：

A1、在一定时间段内，统计与预先存储的用户面部信息对应的各节目分类的命中次数、频次信息和观看时间长短，按照预先设定的规则得到相应的数值，再将所述数值乘以其对应的权重后累加在一起，得到各节目分类的得分；

A2、将各节目分类的得分累加在一起，便得到相应时间段内的所述用户面部信息对应的观看习惯统计信息。

优选地，所述的电视节目推荐方法，其中，在所述步骤B中，当识别到的面部信息与预先存储的用户面部信息不一致，则保存识别到的面部信息，并统计与其对应的观看习惯统计信息。

优选地，所述的电视节目推荐方法，其中，所述步骤E中节目热度K的计算采用如下公式：

K=M/（n1×n2）；

其中，M表示全国用户在第一时间段内对节目的观看时长的总和；n1表示节目时长，n2表示全国用户在第一时间段内对节目的有效点播次数。

优选地，所述的电视节目推荐方法，其中，所述步骤E中节目热度K的计算采用如下公式：

K=N/（n3×n4）；

其中，N表示某一区域内的用户在第二时间段内对节目的观看时长的总和；n3表示节目时长，n4表示所述区域内的用户在第二时间段内对节目的有效点播次数。

一种电视节目推荐***，其中，所述推荐***包括：

智能电视终端和服务器；

其中，所述智能电视终端定时检测观看区域内的用户，识别用户的面部信息，并将识别到的面部信息发送到服务器上，服务器将识别到的面部信息与预先存储的用户面部信息进行比对，判断是否一致；当识别到的面部信息与预先存储的用户面部信息一致时，获取所述面部信息对应的观看习惯统计信息；再根据所述观看习惯统计信息得到节目分类排序列表，并结合当前时间的电子节目列表得出每个分类的当前节目列表；最后，结合当前节目列表与节目热度，得到对用户的最终推荐列表，并将所述最终推荐列表发送到智能电视终端，由智能电视终端向用户呈现所述最终推荐列表。

优选地，所述的电视节目推荐***，其中，所述服务器进一步包括：

电子节目服务器，用于保存电子节目列表；

个人信息服务器，用于保存用户面部信息；

观看记录服务器，用于保存用户观看节目记录；

智能分析服务器，用于每隔一段时间分析用户的观看记录，得到观看习惯统计信息；还用于根据所述观看习惯统计信息得到节目分类排序列表，并结合当前时间的电子节目列表得出每个分类的当前节目列表；以及结合当前节目列表与节目热度，获取对用户的最终推荐列表；

接入服务器，用于将智能电视终端与上述的电子节目服务器、个人信息服务器、观看记录服务器和智能分析服务器连接；

数据库服务器，用于个人信息服务器、观看记录服务器、智能分析服务器和电子节目服务器通过数据访问层进行访问。

一种上述的电视节目推荐***的实现方法，其中，包括以下步骤：

F1、预先在数据服务器中形成一用户观看习惯库，用于存储用户面部信息和与所述面部信息对应的观看习惯统计信息；

F2、智能电视终端定时检测观看区域内的N个用户，并自动采集这N个用户的面部信息，并依次向个人信息服务器上报每个用户的面部信息，当这N个用户的面部信息全部上报完成后，告知个人信息服务器采集完毕；

F3、个人信息服务器从数据库服务器用户面部信息库中检索面部信息，识别所述N个用户，并请求智能分析服务器获取向这N个用户推荐的节目列表；

F4、智能分析服务器查询数据库服务器中的用户观看习惯库，获取这N个用户在当前时段的观看习惯，进行综合统计，得出适用于这N个用户的节目分类排序列表；然后，智能分析服务器向电子节目服务器获取当前时间的电子节目列表，并结合当前时间的电子节目列表和前面统计出的节目分类排序列表，得出每个分类的当前节目列表；

F5、智能分析服务器从数据库服务器获取节目热度，对每个分类的当前节目列表按照热度从大到小进行排序，形成最终推荐列表，并将所述最终推荐列表发送给所述个人信息服务器；

F6、个人信息服务器把收到的最终推荐列表发送至智能电视终端，由智能电视终端向用户呈现所述最终推荐列表；

其中N为不小于1的整数。

优选地，所述的电视节目推荐***的实现方法，其中，所述步骤F1具体包括：

F11、智能电视终端采集用户的面部信息，并向个人信息服务器上报面部信息；

F12、个人信息服务器保存用户的面部信息，在数据库服务器建立用户面部信息库，为该用户分配账号，并告知智能电视终端采集成功；

F13、智能电视终端向观看记录服务器上报用户观看节目记录；其中，所述观看节目记录包括用户账号、观看时间、节目标识和频道代号信息；

F14、观看记录服务器保存用户观看节目记录，并告诉智能电视终端保存成功；

F15、智能分析服务器定时分析每个用户的观看记录，并通过节目标识向电子节目服务器获取该节目的分类信息；

F16、智能分析服务器从数据库服务器中获取用户观看习惯统计信息，统计出该用户的观看习惯统计信息，并保存到数据服务器中的用户观看习惯库。

有益效果：

相比传统地电视节目推荐方法，本发明公开的电视节目推荐方法、***及其实现方法在节省用户时间的同时为用户提供了更加个性化、符合用户兴趣的节目的推荐列表。本发明的电视节目推荐方法通过智能电视识别用户，感知用户的观看习惯，提高了用户的黏合度，因此向用户推荐节目更加准确；另外，在向用户推荐节目时，还采用“用户自身的维度”和“大众维度”相结合的智能推荐算法，向用户推荐最佳的节目菜单，因此提高了推荐的准确性。

附图说明

图1为本发明的电视节目推荐方法的流程图。

图2为本发明的电视节目推荐***的结构框图。

图3为本发明的电视节目推荐***的实施例的示意图。

具体实施方式

本发明提供一种电视节目推荐方法、***及其实现方法，为使本发明的目的、技术方案及效果更加清楚、明确，以下对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

请参阅图1，其为本发明的电视节目推荐方法的流程图。如图所示，所述推荐方法包括以下步骤：

S1、预先存储用户面部信息和与所述面部信息对应的观看习惯统计信息；

S2、定时检测观看区域内的用户，识别用户的面部信息，并将识别到的面部信息与预先存储的用户面部信息进行比对，判断是否一致；

S3、当识别到的面部信息与预先存储的用户面部信息一致时，获取所述面部信息对应的观看习惯统计信息；

S4、根据所述观看习惯统计信息得到节目分类排序列表，并结合当前时间的电子节目列表得出每个分类的当前节目列表；

S5、结合当前节目列表与节目热度，获取对用户的最终推荐列表。

下面分别针对上述步骤进行详细描述：

所述步骤S1为预先存储用户面部信息和与所述面部信息对应的观看习惯统计信息。在本实施中，所述观看习惯统计信息的获取采用如下方式：

S11、在一定时间段内，统计与预先存储的用户面部信息对应的各节目分类的命中次数、频次信息和观看时间长短，按照预先设定的规则得到相应的数值，再将所述数值乘以其对应的权重后累加在一起，得到各节目分类的得分；

S12、将各节目分类的得分累加在一起，便得到相应时间段内的所述用户面部信息对应的观看习惯统计信息。

举例说来，当N个用户观看电视节目时，设当前时间所处的时间段为[time1,time2]。首先，分析每个用户在各时间段内的观看记录，统计得出该用户在每个时间段的观看习惯。然后，先以节目分类信息为主指标：统计各节目分类的命中次数，按照预先设定的规则得到一个数值(number1)，乘以该指标的权重(weight1)，得到各分类的得分(score)；再考虑频次信息：按照预先设定的规则得到一个数值(number2)，乘以该指标的权重(weight2)，累加到对应分类的得分；同时，还考虑观看时间长短：按照预先设定的规则得到一个数值(number3)，乘以该指标的权重(weight3)，累加到对应分类的得分。最后，运用求和公式∑(number*weight)，统计得出该用户在该时间段的观看习惯统计信息（即该用户在该时间段感兴趣的节目分类信息）。在本实施例中，所述观看习惯统计信息包括用户观看节目分类信息、频次信息和观看时间长短。

所述步骤S2为定时检测观看区域内的用户，识别用户的面部信息，并将识别到的面部信息与预先存储的用户面部信息进行比对，判断是否一致。具体来说，可以通过图像采集装置来定时（如每隔24小时）检测观看区域内的用户，识别用户的面部信息后，将识别到的面部信息与预先存储的用户面部信息进行比对，即遍历预先存储的用户面部信息看看是否有与识别到的用户的面部信息相同。

所述步骤S3为当识别到的面部信息与预先存储的用户面部信息一致时，获取所述面部信息对应的观看习惯统计信息。即当预先存储的用户面部信息中包含有采集到的用户面部信息时，查找与所述用户面部信息对应的观看习惯统计信息。

所述步骤S4为根据所述观看习惯统计信息得到节目分类排序列表，并结合当前时间的电子节目列表得出每个分类的当前节目列表。此步骤获得的当前节目列表是从用户个人的兴趣爱好出发得到的，通过所述观看习惯统计信息得到节目分类排序列表，然后再结合当前时间的电子节目列表得出每个分类的当前节目列表。

所述步骤S5为结合当前节目列表与节目热度，获取对用户的最终推荐列表。具体来说，当获得了当前节目列表后，再考虑到节目热度（即大众的维度），对获得的当前节目列表进行调整，从而得到用户的最终推荐列表。其中，所述节目热度可以由后台线程定时（如每24小时）根据热度算法，对每个节目计算出热度(hot)，后面会详细介绍其算法。

下面通过一个具体的实施例来说明上述电视节目推荐方法。

预先设定各节目分类的命中次数、频次信息和观看时间长短的规则如表1所示。

表1

由表1中可以看出，在考虑用户自身的维度时，节目热度的权重为0（即不考虑大众）。而将节目分类信息的指标权重设为1，频次信息的权重设为0.8，观看时间长短的权重设置为0.6。该权重的设置是通过长期、大数据量的分析得到的，当然，我们也可以根据需要来调节上述指标的权重。

然后，基于不同指标，结合表1且按照表2的设置规则得到对应的数值，参与向用户推荐节目的生成算法中。

表2

由表2可以看出，分类规则A为节目分类的命中次数：当节目命中次数在1-5之间时，设置数值为1.0；当节目命中次数在6-10之间时，设置数值为1.7；以此类推。分类规则B为用户一定时间内观看同一电视节目的次数：但观看次数在1-6次时，设置数值为1.0……通过表2设置的规则，则将节目命中次数、频次和观看时间设定为与其对应的数值。

当前时间的电子节目列表如表3所示

表3

表3为当前时间的电子节目列表，以cctv1频道为例。其包含有节目的频道信息、播放日期、开始和结束时间以及分类信息。需要注意地是，一个节目可能会包含多个分类信息。

然后，采集用户观看节目信息，得到表4，其中，用户账户为1000040。

表4

由表3和表4可以得出用户观看习惯，并按照用户在一定时间内观看节目的分类命中次数排序，将其最感兴趣的分类放在第一位，如表5所示。

表5

最后，将表5结合表2中设置的规则便得到相应时间段内的所述用户面部信息对应的观看习惯统计信息，再根据所述观看习惯统计信息得到节目分类排序列表，并结合当前时间的电子节目列表得出每个分类的当前节目列表。

上述当前节目列表是从用户自身维度统计，统计得出它感兴趣的节目分类列表。而本发明的另一关键是引入大众维度即节目热度，从热度上再对推荐节目进行再次优化。

在本发明的实施例中，节目热度主要通过两种方式计算得出：一种是基于全国用户排名；另一种是基于本地节目排名。

（1）即节目热度K的计算可以采用如下公式：

K=M/（n1×n2）；

其中，M表示全国用户在第一时间段内对节目的观看时长的总和；n1表示节目时长，n2表示全国用户在第一时间段内对节目的有效点播次数。

（2）节目热度K的计算也可以采用如下公式：

K=N/（n3×n4）；

其中，N表示某一区域内的用户在第二时间段内对节目的观看时长的总和；n3表示节目时长，n4表示所述区域内的用户在第二时间段内对节目的有效点播次数。

本发明的电视节目推荐方法采用“用户自身的维度”和“大众维度”相结合的智能推荐算法，向用户推荐最佳的节目菜单，提高了推荐的准确性。

本发明还提供了一种电视节目推荐***，如图2所示，所述推荐***包括：智能电视终端100和服务器200；所述智能电视终端100与服务器200连接。

具体来说，所述智能电视终端100定时检测观看区域内的用户，识别用户的面部信息，并将识别到的面部信息发送到服务器200上，服务器200将识别到的面部信息与预先存储的用户面部信息进行比对，判断是否一致；当识别到的面部信息与预先存储的用户面部信息一致时，获取所述面部信息对应的观看习惯统计信息；再根据所述观看习惯统计信息得到节目分类排序列表，并结合当前时间的电子节目列表得出每个分类的当前节目列表；最后，结合当前节目列表与节目热度，得到对用户的最终推荐列表，并将所述最终推荐列表发送到智能电视终端100，由智能电视终端100向用户呈现所述最终推荐列表。

进一步地，如图3所示，所述的电视节目推荐***中，所述服务器进一步包括：

电子节目服务器，用于保存电子节目列表；

个人信息服务器，用于保存用户面部信息；

观看记录服务器，用于保存用户观看节目记录；

智能分析服务器，用于每隔一段时间分析用户的观看记录，得到观看习惯统计信息；还用于根据所述观看习惯统计信息得到节目分类排序列表，并结合当前时间的电子节目列表得出每个分类的当前节目列表；以及结合当前节目列表与节目热度，获取对用户的最终推荐列表；

接入服务器，用于将智能电视终端与上述的电子节目服务器、个人信息服务器、观看记录服务器和智能分析服务器连接；

数据库服务器，用于个人信息服务器、观看记录服务器、智能分析服务器和电子节目服务器通过数据访问层进行访问。

请继续参阅图3，当用户A、用户B观看智能电视时，智能电视定时检测观看区域内的用户A和用户B，识别用户的面部信息，并将识别到的面部信息发送到接入服务器上，由接入服务器将面部信息发送到上述的若干个服务器中。与预先存储的用户面部信息进行比对，判断是否一致；当识别到的面部信息与预先存储的用户面部信息一致时，获取所述面部信息对应的观看习惯统计信息；再根据所述观看习惯统计信息得到节目分类排序列表，并结合当前时间的电子节目列表得出每个分类的当前节目列表；最后，结合当前节目列表与节目热度，得到对用户的最终推荐列表，并将所述最终推荐列表发送到智能电视终端，由智能电视终端向用户呈现所述最终推荐列表。其具体实现方法如下：

F1、预先在数据服务器中形成一用户观看习惯库，用于存储用户面部信息和与所述面部信息对应的观看习惯统计信息；

F2、智能电视终端定时检测观看区域内的N个用户，并自动采集这N个用户的面部信息，并依次向个人信息服务器上报每个用户的面部信息，当这N个用户的面部信息全部上报完成后，告知个人信息服务器采集完毕；

F3、个人信息服务器从数据库服务器用户面部信息库中检索面部信息，识别所述N个用户，并请求智能分析服务器获取向这N个用户推荐的节目列表；

F4、智能分析服务器查询数据库服务器中的用户观看习惯库，获取这N个用户在当前时段的观看习惯，进行综合统计，得出适用于这N个用户的节目分类排序列表；然后，智能分析服务器向电子节目服务器获取当前时间的电子节目列表，并结合当前时间的电子节目列表和前面统计出的节目分类排序列表，得出每个分类的当前节目列表；

F5、智能分析服务器从数据库服务器获取节目热度，对每个分类的当前节目列表按照热度从大到小进行排序，形成最终推荐列表，并将所述最终推荐列表发送给所述个人信息服务器；

F6、个人信息服务器把收到的最终推荐列表发送至智能电视终端，由智能电视终端向用户呈现所述最终推荐列表；

其中N为不小于1的整数。

更进一步地，所述步骤F1具体包括：

F11、智能电视终端采集用户的面部信息，并向个人信息服务器上报面部信息；

F12、个人信息服务器保存用户的面部信息，在数据库服务器建立用户面部信息库，为该用户分配账号，并告知智能电视终端采集成功；

F13、智能电视终端向观看记录服务器上报用户观看节目记录；其中，所述观看节目记录包括用户账号、观看时间、节目标识和频道代号信息；

F14、观看记录服务器保存用户观看节目记录，并告诉智能电视终端保存成功；

F15、智能分析服务器定时分析每个用户的观看记录，并通过节目标识向电子节目服务器获取该节目的分类信息；

F16、智能分析服务器从数据库服务器中获取用户观看习惯统计信息，统计出该用户的观看习惯统计信息，并保存到数据服务器中的用户观看习惯库。

综上所述，本发明的电视节目推荐方法、***及其实现方法，其中，所述推荐方法包括以下步骤：首先，预先存储用户面部信息和与所述面部信息对应的观看习惯统计信息；然后，定时检测观看区域内的用户，识别用户的面部信息，当识别到的面部信息与预先存储的用户面部信息一致时，获取所述面部信息对应的观看习惯统计信息；再根据所述观看习惯统计信息得到节目分类排序列表，并结合当前时间的电子节目列表得出每个分类的当前节目列表；最后，结合当前节目列表与节目热度，获取对用户的最终推荐列表。在节省用户时间的同时为用户提供了更加个性化、符合用户兴趣的节目的推荐列表。本发明的电视节目推荐方法通过智能电视识别用户，感知用户的观看习惯，提高了用户的黏合度，因此向用户推荐节目更加准确；另外，在向用户推荐节目时，还采用“用户自身的维度”和“大众维度”相结合的智能推荐算法，向用户推荐最佳的节目菜单，因此提高了推荐的准确性。

应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (10)

1.一种电视节目推荐方法，其特征在于，所述推荐方法包括以下步骤：

A、预先存储用户面部信息和与所述面部信息对应的观看习惯统计信息；

B、定时检测观看区域内的用户，识别用户的面部信息，并将识别到的面部信息与预先存储的用户面部信息进行比对，判断是否一致；

C、当识别到的面部信息与预先存储的用户面部信息一致时，获取所述面部信息对应的观看习惯统计信息；

D、根据所述观看习惯统计信息得到节目分类排序列表，并结合当前时间的电子节目列表得出每个分类的当前节目列表；

E、结合当前节目列表与节目热度，获取对用户的最终推荐列表。

2.根据权利要求1所述的电视节目推荐方法，其特征在于，所述步骤A中观看习惯统计信息包括用户观看节目分类信息、频次信息和观看时间长短。

3.根据权利要求2所述的电视节目推荐方法，其特征在于，所述观看习惯统计信息的获取采用如下方式：

A1、在一定时间段内，统计与预先存储的用户面部信息对应的各节目分类的命中次数、频次信息和观看时间长短，按照预先设定的规则得到相应的数值，再将所述数值乘以其对应的权重后累加在一起，得到各节目分类的得分；

A2、将各节目分类的得分累加在一起，便得到相应时间段内的所述用户面部信息对应的观看习惯统计信息。

4.根据权利要求1所述的电视节目推荐方法，其特征在于，在所述步骤B中，当识别到的面部信息与预先存储的用户面部信息不一致，则保存识别到的面部信息，并统计与其对应的观看习惯统计信息。

5.根据权利要求1所述的电视节目推荐方法，其特征在于，所述步骤E中节目热度K的计算采用如下公式：

K=M/（n1×n2）；

其中，M表示全国用户在第一时间段内对节目的观看时长的总和；n1表示节目时长，n2表示全国用户在第一时间段内对节目的有效点播次数。

6.根据权利要求1所述的电视节目推荐方法，其特征在于，所述步骤E中节目热度K的计算采用如下公式：

K=N/（n3×n4）；

其中，N表示某一区域内的用户在第二时间段内对节目的观看时长的总和；n3表示节目时长，n4表示所述区域内的用户在第二时间段内对节目的有效点播次数。

7.一种电视节目推荐***，其特征在于，所述推荐***包括：

智能电视终端和服务器；

其中，所述智能电视终端定时检测观看区域内的用户，识别用户的面部信息，并将识别到的面部信息发送到服务器上，服务器将识别到的面部信息与预先存储的用户面部信息进行比对，判断是否一致；当识别到的面部信息与预先存储的用户面部信息一致时，获取所述面部信息对应的观看习惯统计信息；再根据所述观看习惯统计信息得到节目分类排序列表，并结合当前时间的电子节目列表得出每个分类的当前节目列表；最后，结合当前节目列表与节目热度，得到对用户的最终推荐列表，并将所述最终推荐列表发送到智能电视终端，由智能电视终端向用户呈现所述最终推荐列表。

8.根据权利要求7所述的电视节目推荐***，其特征在于，所述服务器进一步包括：

电子节目服务器，用于保存电子节目列表；

个人信息服务器，用于保存用户面部信息；

观看记录服务器，用于保存用户观看节目记录；

智能分析服务器，用于每隔一段时间分析用户的观看记录，得到观看习惯统计信息；还用于根据所述观看习惯统计信息得到节目分类排序列表，并结合当前时间的电子节目列表得出每个分类的当前节目列表；以及结合当前节目列表与节目热度，获取对用户的最终推荐列表；

接入服务器，用于将智能电视终端与上述的电子节目服务器、个人信息服务器、观看记录服务器和智能分析服务器连接；

数据库服务器，用于个人信息服务器、观看记录服务器、智能分析服务器和电子节目服务器通过数据访问层进行访问。

9.一种权利要求8所述的电视节目推荐***的实现方法，其特征在于，包括以下步骤：

F1、预先在数据服务器中形成一用户观看习惯库，用于存储用户面部信息和与所述面部信息对应的观看习惯统计信息；

F2、智能电视终端定时检测观看区域内的N个用户，并自动采集这N个用户的面部信息，并依次向个人信息服务器上报每个用户的面部信息，当这N个用户的面部信息全部上报完成后，告知个人信息服务器采集完毕；

F3、个人信息服务器从数据库服务器用户面部信息库中检索面部信息，识别所述N个用户，并请求智能分析服务器获取向这N个用户推荐的节目列表；

F4、智能分析服务器查询数据库服务器中的用户观看习惯库，获取这N个用户在当前时段的观看习惯，进行综合统计，得出适用于这N个用户的节目分类排序列表；然后，智能分析服务器向电子节目服务器获取当前时间的电子节目列表，并结合当前时间的电子节目列表和前面统计出的节目分类排序列表，得出每个分类的当前节目列表；

F5、智能分析服务器从数据库服务器获取节目热度，对每个分类的当前节目列表按照热度从大到小进行排序，形成最终推荐列表，并将所述最终推荐列表发送给所述个人信息服务器；

F6、个人信息服务器把收到的最终推荐列表发送至智能电视终端，由智能电视终端向用户呈现所述最终推荐列表；

其中N为不小于1的整数。

10.根据权利要求9所述的电视节目推荐***的实现方法，其特征在于，所述步骤F1具体包括：

F11、智能电视终端采集用户的面部信息，并向个人信息服务器上报面部信息；

F12、个人信息服务器保存用户的面部信息，在数据库服务器建立用户面部信息库，为该用户分配账号，并告知智能电视终端采集成功；

F13、智能电视终端向观看记录服务器上报用户观看节目记录；其中，所述观看节目记录包括用户账号、观看时间、节目标识和频道代号信息；

F14、观看记录服务器保存用户观看节目记录，并告诉智能电视终端保存成功；

F15、智能分析服务器定时分析每个用户的观看记录，并通过节目标识向电子节目服务器获取该节目的分类信息；

F16、智能分析服务器从数据库服务器中获取用户观看习惯统计信息，统计出该用户的观看习惯统计信息，并保存到数据服务器中的用户观看习惯库。

Images