CN105979366A - 智能电视及其内容推荐的方法、装置 - Google Patents

智能电视及其内容推荐的方法、装置 Download PDF

Info

Publication number
CN105979366A
CN105979366A CN201610262539.3A CN201610262539A CN105979366A CN 105979366 A CN105979366 A CN 105979366A CN 201610262539 A CN201610262539 A CN 201610262539A CN 105979366 A CN105979366 A CN 105979366A
Authority
CN
China
Prior art keywords
facial image
face
series
tracked
described facial
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
Application number
CN201610262539.3A
Other languages
English (en)
Inventor
张文
朱守权
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Leshi Zhixin Electronic Technology Tianjin Co Ltd
LeTV Holding Beijing Co Ltd
Original Assignee
Leshi Zhixin Electronic Technology Tianjin Co Ltd
LeTV Holding Beijing Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Leshi Zhixin Electronic Technology Tianjin Co Ltd, LeTV Holding Beijing Co Ltd filed Critical Leshi Zhixin Electronic Technology Tianjin Co Ltd
Priority to CN201610262539.3A priority Critical patent/CN105979366A/zh
Publication of CN105979366A publication Critical patent/CN105979366A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44213—Monitoring of end-user related data
    • H04N21/44218—Detecting physical presence or behaviour of the user, e.g. using sensors to detect if the user is leaving the room or changes his face expression during a TV program
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/4508—Management of client data or end-user data
    • H04N21/4532—Management of client data or end-user data involving end-user characteristics, e.g. viewer profile, preferences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Social Psychology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例提供了一种智能电视及其内容推荐的方法、装置，其中方法包括：根据对捕捉到的人脸进行图像采集生成的人脸图像进行识别并在所述人脸图像中进行人脸定位；对在一系列所述人脸图像上追踪到的人脸进行特征识别，以在一系列的所述人脸图像上对定位到的人脸进行追踪；根据在追踪到的一系列所述人脸图像上识别到的特征判断观看兴趣，根据判定的观看兴趣进行播放内容的推荐，由于人脸特征与观众是一一对应，可以将观看记录与观众一一对应起来，因此，在推荐内容的时候，准确地向观众进行内容推荐。

Description

智能电视及其内容推荐的方法、装置
技术领域
本发明实施例涉及智能电视技术领域，尤其涉及一种智能电视及其内容推荐的方法、装置。
背景技术
传统电视和互联网的结合造就了智能电视的产生。智能电视具有主控芯片和全开放式软件平台，搭载了操作***，可以自行安装和卸载软件、游戏等第三方服务商提供的程序，通过此类程序来不断对电视的功能进行扩充，并可以通过网线、无线网络来实现上网冲浪，从而实现电视的“需求定制化”、“电视娱乐化”。
相比于传统电视，智能电视一方面由于具备了上网功能，实时接入互联网，可以在线网络游戏、在线音乐欣赏、适时天气查询、适时股票查询、新闻快报等；另外一方面，由于搭载了主控芯片、操作***、存储功能等，可以实现回访重播、点播等，而传统电视只能被动看节目，只能选择频道，不能点播内容；只能实时按序收看，不能回放重播；只能接收信息，不能互动。基于上述优点，智能电视相比与传统电视来说，变得越来越普及。
但是，由于电视可以接入互联网，而互联网具有大量的数据资源，如何实现观众与互联网上大量数据资源的对接，即向观众推荐其感兴趣的资源，比如视频、电视节目等，从而与观众形成良好的互动成为亟待解决的技术问题。
现有技术中，往往通过收集观众的观看记录等反应观众观看习惯的数据来向观众推荐内容，但是，对于一个家庭来说，观看的观众较多，如果通过观众的观看习惯数据来推荐内容，需要收集大量的观看记录，而对于电视来说，无法将观看记录与观众一一对应起来，因此，在推荐内容的时候，准确度较差。
发明内容
本发明实施例的目的在于提供一种智能电视及其内容推荐的方法、装置，用以解决现有技术中仅通过收集观众的观看记录来向观众推荐内容时，由于同一台电视观看的观众较多，无法将观看记录与观众一一对应起来导致的内容推荐准确度较差的缺陷。
本发明实施例采用的技术方案如下：
本发明实施例提供一种智能电视播放内容的推荐方法，其包括：
根据对捕捉到的人脸进行图像采集生成的人脸图像进行识别并在所述人脸图像中进行人脸定位；
对在一系列所述人脸图像上追踪到的人脸进行特征识别，以在一系列的所述人脸图像上对定位到的人脸进行追踪；
根据在追踪到的一系列所述人脸图像上识别到的特征判断观看兴趣，根据判定的观看兴趣进行播放内容的推荐。
优选地，在本发明的一实施例中，根据对捕捉到的人脸进行图像采集生成的人脸图像进行识别并在所述人脸图像中进行人脸定位包括：
根据人脸上的不变特征对生成的人脸图像进行识别并在所述人脸图像中进行人脸定位，所述人脸上的不变特征至少包括：形状、肤色、纹理、边缘信息。
优选地，在本发明的一实施例中，根据对捕捉到的人脸进行图像采集生成的人脸图像进行识别并在所述人脸图像中进行人脸定位包括：
根据人脸图像上的像素灰度特征对对生成的人脸图像进行识别并在所述人脸图像中进行人脸定位。
优选地，在本发明的一实施例中，根据对捕捉到的人脸进行图像采集生成的人脸图像进行识别并在所述人脸图像中进行人脸定位包括：
根据神经元互联生成的神经网络对采集生成的人脸图像进行识别并在所述人脸图像中进行人脸定位。
优选地，在本发明的一实施例中，根据对捕捉到的人脸进行图像采集生成的人脸图像进行识别并在所述人脸图像中进行人脸定位包括：
根据三维人脸训练数据和待识别三维人脸数据进行分类处理对采集生成的人脸图像进行识别并在所述人脸图像中进行人脸定位。
优选地，在本发明的一实施例中，所述对在一系列所述人脸图像上追踪到的人脸进行特征识别，以在一系列的所述人脸图像上对定位到的人脸进行追踪包括：
在图象序列中根据人脸的部分或局部器官的分布信息进行特征识别，并确定人脸的运动轨迹及大小，以在一系列的所述人脸图像上对定位到的人脸进行追踪，所述图像序列包括一系列的所述人脸图像。
优选地，在本发明的一实施例中，根据在追踪到的一系列所述人脸图像上识别到的特征判断观看兴趣，根据判定的观看兴趣进行播放内容的推荐包括：
根据在追踪到的一系列所述人脸图像上识别到的特征，生成观众兴趣表征数据；
根据所述观众兴趣表征数据排定观看兴趣，根据判定的观看兴趣进行播放内容的推荐。
优选地，在本发明的一实施例中，根据在追踪到的一系列所述人脸图像上识别到的特征，生成观众兴趣表征数据包括：根据在追踪到的一系列所述人脸图像上识别到的特征，生成观众的年龄、性别、表情其一或者多者组合的相关数据，所述观众兴趣表征数据包括观众的年龄、性别、表情相关数据。
优选地，在本发明的一实施例中，在根据在追踪到的一系列所述人脸图像上识别到的特征，生成观众的年龄相关数据包括：
在根据在追踪到的一系列所述人脸图像上识别到的特征生成年龄特征向量，以及经训练得到的年龄特征模型，生成观众的年龄相关数据。
优选地，在本发明的一实施例中，根据在追踪到的一系列所述人脸图像上识别到的特征，生成观众的性别的相关数据包括：
根据在追踪到的一系列所述人脸图像上识别到的整体特征和局部特征，生成观众的性别的相关数据。
优选地，在本发明的一实施例中，根据在追踪到的一系列所述人脸图像上识别到的特征，生成观众的表情的相关数据包括：
根据在追踪到的一系列所述人脸图像上识别到的特征的运动属性和形变属性，生成观众的表情的相关数据。
本发明实施例还提供一种智能电视播放内容的推荐装置，其包括：
人脸定位单元，用于根据对捕捉到的人脸进行图像采集生成的人脸图像进行识别并在所述人脸图像中进行人脸定位；
人脸追踪单元，用于对在一系列所述人脸图像上追踪到的人脸进行特征识别，以在一系列的所述人脸图像上对定位到的人脸进行追踪；
内容推荐单元，用于根据在追踪到的一系列所述人脸图像上识别到的特征判断观看兴趣，根据判定的观看兴趣进行播放内容的推荐。
本发明实施例还提供一种智能电视，其包括硬件处理器，所述硬件处理器执行如下步骤的指令：
根据对捕捉到的人脸进行图像采集生成的人脸图像进行识别并在所述人脸图像中进行人脸定位；
对在一系列所述人脸图像上追踪到的人脸进行特征识别，以在一系列的所述人脸图像上对定位到的人脸进行追踪；
根据在追踪到的一系列所述人脸图像上识别到的特征判断观看兴趣，根据判定的观看兴趣进行播放内容的推荐。
本发明实施例的技术方案具有以下优点：
根据对捕捉到的人脸进行图像采集生成的人脸图像进行识别并在所述人脸图像中进行人脸定位；对在一系列所述人脸图像上追踪到的人脸进行特征识别，以在一系列的所述人脸图像上对定位到的人脸进行追踪；根据在追踪到的一系列所述人脸图像上识别到的特征判断观看兴趣，根据判定的观看兴趣进行播放内容的推荐，由于人脸特征与观众是一一对应，可以将观看记录与观众一一对应起来，因此，在推荐内容的时候，准确地向观众进行内容推荐。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例一智能电视播放内容的推荐方法流程示意图；
图2为本发明实施例二智能电视播放内容的推荐方法流程示意图；
图3为本发明实施例三智能电视播放内容的推荐方法流程示意图；
图4为本发明实施例四智能电视播放内容的推荐方法流程示意图；
图5为本发明实施例五智能电视播放内容的推荐方法流程示意图；
图6为本发明实施例六智能电视播放内容的推荐方法流程示意图；
图7为本发明实施例七智能电视播放内容的推荐装置；
图8为本发明实施例八智能电视结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明下述实施例中，可以利用智能电视上集成的摄像头，或者外置摄像头捕捉人脸，摄像头的数量和规格不做特别限定。
本发明下述实施例中，内容推荐可以包括多媒体内容推荐如电影、电视剧，以及定制频道内容推荐如体育、演唱会等。
图1为本发明实施例一智能电视播放内容的推荐方法流程示意图；如图1所示，其可以包括：
S101、根据对捕捉到的人脸进行图像采集生成的人脸图像进行识别并在所述人脸图像中进行人脸定位；
本实施例中，人脸的识别和定位可以基于几何特征、代数特征、连接机制、三维数据机制的人脸识别方法，详细详见后述实施例记载，在此不再赘述。
S102、对在一系列所述人脸图像上追踪到的人脸进行特征识别，以在一系列的所述人脸图像上对定位到的人脸进行追踪；
本实施例中，人脸的追踪即在一些列人脸图像上确定出捕捉到的人脸，详细详见后述实施例，有基于特征匹配的人脸跟踪或者基于区域匹配的人脸跟踪或基于模型匹配的跟踪。
基于特征匹配的跟踪方案中，由于一系列人脸图像在时序上的运动是平滑的，因此，通过人脸的一些个体特征来进行跟踪，比如眼睛、眉毛、下巴等。具体地，通过提取实时人脸图像和参考人脸图像的特征并进行比对，如果两者的相似度在预定的误差范围内，即复核距离最小原则，则图像中的人脸即为跟踪到的对象。
基于区域匹配的跟踪方案中，通过把图像中的人脸连通区域的共有特征作为单一的特征信息或者多个特征信息作为特征点，在连续的一系列图像中的区域信息比如纹理信息、颜色信息，获取区域和原始人脸的相关性来判断跟踪物体的位置。
基于模型匹配的跟踪方案，通过建立一个跟踪模型，通过在采集到的人脸图像上跟踪这个模型来达到跟踪的目的，跟踪模型主要有自由变形模型以及参数形式的变形模型，详细不再赘述。
S103、根据在追踪到的一系列所述人脸图像上识别到的特征判断观看兴趣，根据判定的观看兴趣进行播放内容的推荐。
本实施例中，通过观众在观看的过程中反应到脸上的表现，进而体现在人脸图像上特征的不同上，根据这些特征判定观众的观看兴趣，比如在收看喜剧的时候，通常会有会发生嬉笑，这些表情都会在人脸上得以体现，由于嬉笑时，人脸部位的特征会有明显变化，因此，通过这种特征的变化，判断观众的兴趣在于喜剧，因此，可以向该观众推荐喜剧类型的内容比如电影等等。
需要说明的是，可以收集观众在一段时间内的特征，进行综合分析，从而判断观看兴趣，从而更为准确的进行播放内容的推荐。
图2为本发明实施例二智能电视播放内容的推荐方法流程示意图；如图2所示，其可以包括：
S201、根据人脸上的不变特征对生成的人脸图像进行识别并在所述人脸图像中进行人脸定位，所述人脸上的不变特征至少包括：形状、肤色、纹理、边缘信息。
本实施例中，通过在一系列的人脸图像上寻找不变特征，并利用这些特征来定位入脸，具体包括模板匹配法和基于外观形状的方法。
模板匹配法中，制作标准模板(固定模板)或将模板先行参数化(可变模板)，然后在检测人脸时，计算输入图像与模板之间的相关值，这个相关值通常都是独立计算脸部轮廓、眼睛、鼻子和嘴各自的匹配程度后得出的综合描述，最后再根据相关值和预先设定的阈值来确定图像中是否存在人脸。
基于外观形状的方法，通过使用如主成分分析方法(PCA)、支持向量机(SVM)、神经网络方法(ANN)等对大量的人脸和非人脸样本组成的训练集进行学习，再将学习而成的模板或者说分类器用于人脸识别。
S202、对在一系列所述人脸图像上追踪到的人脸进行特征识别，以在一系列的所述人脸图像上对定位到的人脸进行追踪；
S203、根据在追踪到的一系列所述人脸图像上识别到的特征判断观看兴趣，根据判定的观看兴趣进行播放内容的推荐。
本实施例中，步骤S202-203参见上述图1相关记载，详细不再赘述。
图3为本发明实施例三智能电视播放内容的推荐方法流程示意图；如图3所示，其可以包括：
S301、根据人脸图像上的像素灰度特征对对生成的人脸图像进行识别并在所述人脸图像中进行人脸定位。
本实施例中，在基于代数特征的人脸识别中，每一幅人脸图像被看成是以像素点灰度为元素的矩阵，用反映特定性质的数据特征来表示人脸的特征，然后利用图像投影间的距离度量来确定图像间的相似度来进行人脸的识别。
S302、对在一系列所述人脸图像上追踪到的人脸进行特征识别，以在一系列的所述人脸图像上对定位到的人脸进行识别；
S303、根据在追踪到的一系列所述人脸图像上识别到的特征判断观看兴趣，根据判定的观看兴趣进行播放内容的推荐。
本实施例中，步骤S302-303详见上述图1的记载，在此不再赘述。
图4为本发明实施例四智能电视播放内容的推荐方法流程示意图；如图4所示，其可以包括：
S401、根据神经元互联生成的神经网络对采集生成的人脸图像进行识别并在所述人脸图像中进行人脸定位。
神经网络通过大量简单神经元互联来构成复杂***，常用的神经网络有：BP网络、卷积网络、径向基函数网络、自组织网络以及模糊神经网络等。BP网络的运算量较小耗时也短，它的自适应功能使***的鲁棒性增强。具体地，BP网络中的弹性匹配法采用属性拓扑图代表人脸，拓扑图的每个顶点包含一个特征向量，以此来记录人脸在该顶点位置周围的特征信息。拓扑图的顶点是采用小波变换特征，对光线、角度和尺寸都具有一定的适应性，且能适应表情和视角的变化。
S402、对在一系列所述人脸图像上追踪到的人脸进行特征识别，以在一系列的所述人脸图像上对定位到的人脸进行追踪；
S403、根据在追踪到的一系列所述人脸图像上识别到的特征判断观看兴趣，根据判定的观看兴趣进行播放内容的推荐。
本实施例中，步骤S402-403详见上述图1的记载，在此不再赘述。
图5为本发明实施例五智能电视播放内容的推荐方法流程示意图；如图5所示，其可以包括：
S501、根据三维人脸训练数据和待识别三维人脸数据进行分类处理对采集生成的人脸图像进行识别并在所述人脸图像中进行人脸定位。
本实施例中，定义一个候选窗口作为检测窗口，该检测窗口为一矩形区域，搜索一系列人脸图象中矩形区域(检测窗口)作为候选窗口，对每个候选窗口按照如下步骤进行处理：比如使用双眼模板匹配进行粗筛选；然后对窗口内图象进行均方差标准化，消除光照变化的影响；接下来使用人脸模板进行匹配，若匹配度超过阈值，则将窗口区域输入人工神经网进行分类；若超过设定的阈值，则作为候选人脸输出。
S502、对在一系列所述人脸图像上追踪到的人脸进行特征识别，以在一系列的所述人脸图像上对定位到的人脸进行追踪；
S503、根据在追踪到的一系列所述人脸图像上识别到的特征判断观看兴趣，根据判定的观看兴趣进行播放内容的推荐。
本实施例中，步骤S502-503详见上述图1的记载，在此不再赘述。
图6为本发明实施例六智能电视播放内容的推荐方法流程示意图；如图6所示，其可以包括：
S601、根据对捕捉到的人脸进行图像采集生成的人脸图像进行识别并在所述人脸图像中进行人脸定位；
本实施例中，步骤S603可以参照图1-图5中相关记载，在此不再赘述。
S602、在图象序列中根据人脸的部分或局部器官的分布信息进行特征识别，并确定人脸的运动轨迹及大小，以在一系列的所述人脸图像上对定位到的人脸进行追踪，所述图像序列包括一系列的所述人脸图像。
本实施例中，在人脸追踪时可以基于肤色信息、基于运动信息、基于运动模型的方法、基于局部器官特征等。这些方法的共同出发点是利用相关的启发性知识(如根据肤色和运动信息限定搜索空间)达到快速跟踪的目的，通常只使用了人脸的一小部分或局部器官的分布信息，在一些典型的约束环境下(如背景简单静止的视频、工作台前的人脸或头肩部人脸视频等)可以取得很好的人脸跟踪效果。需要说明的是这些方法一般建立在人脸初始位置大致已知的基础上，需要使用其它方法解决起始帧中人脸的检测问题。当我们考虑较大范围的复杂动态变化背景下的人脸跟踪问题时，以人脸检测技术为基础，利用图象序列前后帧中人脸在位置和大小上存在的关联性限定搜索空间，实现快速可靠的人脸跟踪。
S603、根据在追踪到的一系列所述人脸图像上识别到的特征判断观看兴趣，根据判定的观看兴趣进行播放内容的推荐。
本实施例中，步骤S603中，根据在追踪到的一系列所述人脸图像上识别到的特征判断观看兴趣，根据判定的观看兴趣进行播放内容的推荐时可以包括：根据在追踪到的一系列所述人脸图像上识别到的特征，生成观众兴趣表征数据；
优选地，在本实施例中或者其他任意实施例中，根据在追踪到的一系列所述人脸图像上识别到的特征，生成观众兴趣表征数据包括：根据在追踪到的一系列所述人脸图像上识别到的特征，生成观众的年龄、性别、表情其一或者多者组合的相关数据，所述观众兴趣表征数据包括观众的年龄、性别、表情相关数据。
具体地，在本实施例中或者其他任意实施例中，在根据在追踪到的一系列所述人脸图像上识别到的特征，生成观众的年龄相关数据包括：在根据在追踪到的一系列所述人脸图像上识别到的特征生成年龄特征向量，以及经训练得到的年龄特征模型，生成观众的年龄相关数据。
具体地，在本实施例中或者其他任意实施例中，根据在追踪到的一系列所述人脸图像上识别到的特征，生成观众的性别的相关数据包括：根据在追踪到的一系列所述人脸图像上识别到的整体特征和局部特征，生成观众的性别的相关数据。
具体地，在本实施例中或者其他任意实施例中，根据在追踪到的一系列所述人脸图像上识别到的特征，生成观众的表情的相关数据包括：根据在追踪到的一系列所述人脸图像上识别到的特征的运动属性和形变属性，生成观众的表情的相关数据。
图7为本发明实施例七智能电视播放内容的推荐装置；如图7所示，其包括：
人脸定位单元701，用于根据对捕捉到的人脸进行图像采集生成的人脸图像进行识别并在所述人脸图像中进行人脸定位；
人脸追踪单元702，用于对在一系列所述人脸图像上追踪到的人脸进行特征识别，以在一系列的所述人脸图像上对定位到的人脸进行追踪；
内容推荐单元703，用于根据在追踪到的一系列所述人脸图像上识别到的特征判断观看兴趣，根据判定的观看兴趣进行播放内容的推荐。
在本实施例中，或者其他任意实施例中，人脸定位单元701进一步用于根据人脸上的不变特征对生成的人脸图像进行识别并在所述人脸图像中进行人脸定位，所述人脸上的不变特征至少包括：形状、肤色、纹理、边缘信息；或者
在本实施例中，或者其他任意实施例中，人脸定位单元701进一步用于根据人脸图像上的像素灰度特征对对生成的人脸图像进行识别并在所述人脸图像中进行人脸定位；或者
在本实施例中，或者其他任意实施例中，人脸定位单元701进一步用于根据神经元互联生成的神经网络对采集生成的人脸图像进行识别并在所述人脸图像中进行人脸定位；或者，
在本实施例中，或者其他任意实施例中，人脸定位单元701进一步用于根据三维人脸训练数据和待识别三维人脸数据进行分类处理对采集生成的人脸图像进行识别并在所述人脸图像中进行人脸定位。
在本实施例中，或者其他任意实施例中，人脸追踪单元702进一步用于在图象序列中根据人脸的部分或局部器官的分布信息进行特征识别，并确定人脸的运动轨迹及大小，以在一系列的所述人脸图像上对定位到的人脸进行追踪，所述图像序列包括一系列的所述人脸图像。
在本实施例中，或者其他任意实施例中，内容推荐单元703进一步用于根据在追踪到的一系列所述人脸图像上识别到的特征，生成观众兴趣表征数据；以及根据所述观众兴趣表征数据排定观看兴趣，根据判定的观看兴趣进行播放内容的推荐。
在本实施例中，或者其他任意实施例中，内容推荐单元703进一步用于根据在追踪到的一系列所述人脸图像上识别到的特征，生成观众的年龄、性别、表情其一或者多者组合的相关数据，所述观众兴趣表征数据包括观众的年龄、性别、表情相关数据。
在本实施例中，或者其他任意实施例中，内容推荐单元703进一步用于在根据在追踪到的一系列所述人脸图像上识别到的特征生成年龄特征向量，以及经训练得到的年龄特征模型，生成观众的年龄相关数据。
在本实施例中，或者其他任意实施例中，内容推荐单元703进一步用于根据在追踪到的一系列所述人脸图像上识别到的整体特征和局部特征，生成观众的性别的相关数据。
在本实施例中，或者其他任意实施例中，内容推荐单元703进一步用于根据在追踪到的一系列所述人脸图像上识别到的特征的运动属性和形变属性，生成观众的表情的相关数据。
图8为本发明实施例八智能电视结构示意图；如图8所示，智能电视800包括硬件处理器801，所述硬件处理器801执行如下步骤的指令：根据对捕捉到的人脸进行图像采集生成的人脸图像进行识别并在所述人脸图像中进行人脸定位；对在一系列所述人脸图像上追踪到的人脸进行特征识别，以在一系列的所述人脸图像上对定位到的人脸进行追踪；以及根据在追踪到的一系列所述人脸图像上识别到的特征判断观看兴趣，根据判定的观看兴趣进行播放内容的推荐。
本实施例中，硬件处理器801在执行上述步骤的指令时，可以参考图1-7任意实施例的相关记载，详细不再赘述。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (13)

1.一种智能电视播放内容的推荐方法，其特征在于，包括：
根据对捕捉到的人脸进行图像采集生成的人脸图像进行识别并在所述人脸图像中进行人脸定位；
对在一系列所述人脸图像上追踪到的人脸进行特征识别，以在一系列的所述人脸图像上对定位到的人脸进行追踪；
根据在追踪到的一系列所述人脸图像上识别到的特征判断观看兴趣，根据判定的观看兴趣进行播放内容的推荐。
2.根据权利要求1所述的方法，其特征在于，根据对捕捉到的人脸进行图像采集生成的人脸图像进行识别并在所述人脸图像中进行人脸定位包括：
根据人脸上的不变特征对生成的人脸图像进行识别并在所述人脸图像中进行人脸定位，所述人脸上的不变特征至少包括：形状、肤色、纹理、边缘信息。
3.根据权利要求1所述的方法，其特征在于，根据对捕捉到的人脸进行图像采集生成的人脸图像进行识别并在所述人脸图像中进行人脸定位包括：
根据人脸图像上的像素灰度特征对对生成的人脸图像进行识别并在所述人脸图像中进行人脸定位。
4.根据权利要求1所述的方法，其特征在于，根据对捕捉到的人脸进行图像采集生成的人脸图像进行识别并在所述人脸图像中进行人脸定位包括：
根据神经元互联生成的神经网络对采集生成的人脸图像进行识别并在所述人脸图像中进行人脸定位。
5.根据权利要求1所述的方法，其特征在于，根据对捕捉到的人脸进行图像采集生成的人脸图像进行识别并在所述人脸图像中进行人脸定位包括：
根据三维人脸训练数据和待识别三维人脸数据进行分类处理对采集生成的人脸图像进行识别并在所述人脸图像中进行人脸定位。
6.根据权利要求1所述的方法，其特征在于，所述对在一系列所述人脸图像上追踪到的人脸进行特征识别，以在一系列的所述人脸图像上对定位到的人脸进行追踪包括：
在图象序列中根据人脸的部分或局部器官的分布信息进行特征识别，并确定人脸的运动轨迹及大小，以在一系列的所述人脸图像上对定位到的人脸进行追踪，所述图像序列包括一系列的所述人脸图像。
7.根据权利要求1所述的方法，其特征在于，根据在追踪到的一系列所述人脸图像上识别到的特征判断观看兴趣，根据判定的观看兴趣进行播放内容的推荐包括：
根据在追踪到的一系列所述人脸图像上识别到的特征，生成观众兴趣表征数据；
根据所述观众兴趣表征数据排定观看兴趣，根据判定的观看兴趣进行播放内容的推荐。
8.根据权利要求7所述的方法，其特征在于，根据在追踪到的一系列所述人脸图像上识别到的特征，生成观众兴趣表征数据包括：根据在追踪到的一系列所述人脸图像上识别到的特征，生成观众的年龄、性别、表情其一或者多者组合的相关数据，所述观众兴趣表征数据包括观众的年龄、性别、表情相关数据。
9.根据权利要求8所述的方法，其特征在于，在根据在追踪到的一系列所述人脸图像上识别到的特征，生成观众的年龄相关数据包括：
在根据在追踪到的一系列所述人脸图像上识别到的特征生成年龄特征向量，以及经训练得到的年龄特征模型，生成观众的年龄相关数据。
10.根据权利要求8所述的方法，其特征在于，根据在追踪到的一系列所述人脸图像上识别到的特征，生成观众的性别的相关数据包括：
根据在追踪到的一系列所述人脸图像上识别到的整体特征和局部特征，生成观众的性别的相关数据。
11.根据权利要求8所述的方法，其特征在于，根据在追踪到的一系列所述人脸图像上识别到的特征，生成观众的表情的相关数据包括：
根据在追踪到的一系列所述人脸图像上识别到的特征的运动属性和形变属性，生成观众的表情的相关数据。
12.一种智能电视播放内容的推荐装置，其特征在于，包括：
人脸定位单元，用于根据对捕捉到的人脸进行图像采集生成的人脸图像进行识别并在所述人脸图像中进行人脸定位；
人脸追踪单元，用于对在一系列所述人脸图像上追踪到的人脸进行特征识别，以在一系列的所述人脸图像上对定位到的人脸进行追踪；
内容推荐单元，用于根据在追踪到的一系列所述人脸图像上识别到的特征判断观看兴趣，根据判定的观看兴趣进行播放内容的推荐。
13.一种智能电视，其特征在于，包括硬件处理器，所述硬件处理器执行如下步骤的指令：
根据对捕捉到的人脸进行图像采集生成的人脸图像进行识别并在所述人脸图像中进行人脸定位；
对在一系列所述人脸图像上追踪到的人脸进行特征识别，以在一系列的所述人脸图像上对定位到的人脸进行追踪；
根据在追踪到的一系列所述人脸图像上识别到的特征判断观看兴趣，根据判定的观看兴趣进行播放内容的推荐。
CN201610262539.3A 2016-04-25 2016-04-25 智能电视及其内容推荐的方法、装置 Pending CN105979366A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610262539.3A CN105979366A (zh) 2016-04-25 2016-04-25 智能电视及其内容推荐的方法、装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610262539.3A CN105979366A (zh) 2016-04-25 2016-04-25 智能电视及其内容推荐的方法、装置

Publications (1)

Publication Number Publication Date
CN105979366A true CN105979366A (zh) 2016-09-28

Family

ID=56993200

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610262539.3A Pending CN105979366A (zh) 2016-04-25 2016-04-25 智能电视及其内容推荐的方法、装置

Country Status (1)

Country Link
CN (1) CN105979366A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108304793A (zh) * 2018-01-26 2018-07-20 北京易真学思教育科技有限公司 在线学习分析***及方法
CN110012335A (zh) * 2018-08-21 2019-07-12 永康市胜时电机有限公司 Epg推荐页面切换平台
CN110134227A (zh) * 2018-09-29 2019-08-16 广东小天才科技有限公司 一种基于可穿戴设备的听写方法及可穿戴设备
CN110337013A (zh) * 2019-07-11 2019-10-15 四川长虹电器股份有限公司 一种通过智能电视实现特定朋友圈的方法
CN111277871A (zh) * 2018-12-05 2020-06-12 华为技术有限公司 网络协议电视iptv中推荐内容的方法和装置
CN111353576A (zh) * 2018-12-24 2020-06-30 ***通信集团山西有限公司 一种基于模糊神经网络的信息生成方法、装置及设备
CN111782878A (zh) * 2020-07-06 2020-10-16 聚好看科技股份有限公司 服务器、显示设备及其视频搜索排序方法
CN112492397A (zh) * 2019-09-12 2021-03-12 上海哔哩哔哩科技有限公司 视频处理方法、计算机设备和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102881239A (zh) * 2011-07-15 2013-01-16 鼎亿数码科技(上海)有限公司 基于图像识别的广告投播***及方法
CN103402142A (zh) * 2013-07-11 2013-11-20 深圳创维数字技术股份有限公司 一种节目列表推送方法和装置
CN103514242A (zh) * 2012-12-19 2014-01-15 Tcl集团股份有限公司 一种电子广告牌的智能交互方法及***
US20140026156A1 (en) * 2012-07-18 2014-01-23 David Deephanphongs Determining User Interest Through Detected Physical Indicia

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102881239A (zh) * 2011-07-15 2013-01-16 鼎亿数码科技(上海)有限公司 基于图像识别的广告投播***及方法
US20140026156A1 (en) * 2012-07-18 2014-01-23 David Deephanphongs Determining User Interest Through Detected Physical Indicia
CN103514242A (zh) * 2012-12-19 2014-01-15 Tcl集团股份有限公司 一种电子广告牌的智能交互方法及***
CN103402142A (zh) * 2013-07-11 2013-11-20 深圳创维数字技术股份有限公司 一种节目列表推送方法和装置

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108304793A (zh) * 2018-01-26 2018-07-20 北京易真学思教育科技有限公司 在线学习分析***及方法
CN108304793B (zh) * 2018-01-26 2021-01-08 北京世纪好未来教育科技有限公司 在线学习分析***及方法
CN110012335A (zh) * 2018-08-21 2019-07-12 永康市胜时电机有限公司 Epg推荐页面切换平台
CN110134227A (zh) * 2018-09-29 2019-08-16 广东小天才科技有限公司 一种基于可穿戴设备的听写方法及可穿戴设备
CN110134227B (zh) * 2018-09-29 2022-03-01 广东小天才科技有限公司 一种基于可穿戴设备的听写方法及可穿戴设备
CN111277871A (zh) * 2018-12-05 2020-06-12 华为技术有限公司 网络协议电视iptv中推荐内容的方法和装置
CN111353576A (zh) * 2018-12-24 2020-06-30 ***通信集团山西有限公司 一种基于模糊神经网络的信息生成方法、装置及设备
CN111353576B (zh) * 2018-12-24 2023-09-19 ***通信集团山西有限公司 一种基于模糊神经网络的信息生成方法、装置及设备
CN110337013A (zh) * 2019-07-11 2019-10-15 四川长虹电器股份有限公司 一种通过智能电视实现特定朋友圈的方法
CN112492397A (zh) * 2019-09-12 2021-03-12 上海哔哩哔哩科技有限公司 视频处理方法、计算机设备和存储介质
CN111782878A (zh) * 2020-07-06 2020-10-16 聚好看科技股份有限公司 服务器、显示设备及其视频搜索排序方法
CN111782878B (zh) * 2020-07-06 2023-09-19 聚好看科技股份有限公司 服务器、显示设备及其视频搜索排序方法

Similar Documents

Publication Publication Date Title
CN105979366A (zh) 智能电视及其内容推荐的方法、装置
US20200218902A1 (en) Methods and systems of spatiotemporal pattern recognition for video content development
Luo et al. ARBEE: Towards automated recognition of bodily expression of emotion in the wild
US20210397847A1 (en) Determining tactical relevance and similarity of video sequences
CN103760968B (zh) 数字标牌显示内容选择方法和装置
Chen et al. What comprises a good talking-head video generation?: A survey and benchmark
Fothergill et al. Instructing people for training gestural interactive systems
US20210089779A1 (en) Methods, systems, and user interface navigation of video content based spatiotemporal pattern recognition
WO2022184117A1 (zh) 基于深度学习的视频剪辑方法、相关设备及存储介质
EP3513566A1 (en) Methods and systems of spatiotemporal pattern recognition for video content development
Niu et al. Tactic analysis based on real-world ball trajectory in soccer video
Xu et al. Trailer generation via a point process-based visual attractiveness model
JP2014516490A (ja) パーソナライズされたプログラム選択のシステムおよび方法
CN103365936A (zh) 视频推荐***及其方法
CN112100438A (zh) 一种标签抽取方法、设备及计算机可读存储介质
CN103530788A (zh) 多媒体评价***、多媒体评价装置以及多媒体评价方法
EP3623998A1 (en) Character recognition
CN111160134A (zh) 一种以人为主体的视频景别分析方法和装置
EP3285222A1 (en) Facilitating television based interaction with social networking tools
Chen Research on Aerobics Training and Evaluation Method Based on Artificial Intelligence‐Aided Modeling
US20220262010A1 (en) Biomechanical tracking and feedback system
CN116910302A (zh) 一种多模态视频内容有效性反馈可视分析方法与***
KR20200107488A (ko) 가상화장 합성 처리 방법
TW202139061A (zh) 動作識別方法及裝置、電腦可讀存儲介質
Im et al. Local feature‐based video captioning with multiple classifier and CARU‐attention

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20160928