CN112839260A - 基于安卓***的智能数字电视节目推荐方法、装置及电视 - Google Patents
基于安卓***的智能数字电视节目推荐方法、装置及电视 Download PDFInfo
- Publication number
- CN112839260A CN112839260A CN202011560271.4A CN202011560271A CN112839260A CN 112839260 A CN112839260 A CN 112839260A CN 202011560271 A CN202011560271 A CN 202011560271A CN 112839260 A CN112839260 A CN 112839260A
- Authority
- CN
- China
- Prior art keywords
- information
- digital television
- intelligent digital
- user
- television program
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000012163 sequencing technique Methods 0.000 claims abstract description 22
- 238000001914 filtration Methods 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 10
- 239000000284 extract Substances 0.000 claims description 8
- 230000009467 reduction Effects 0.000 claims description 6
- 238000000926 separation method Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 description 16
- 238000004364 calculation method Methods 0.000 description 4
- 230000001815 facial effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
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
- H04N21/45—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
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
-
- 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
- H04N21/432—Content retrieval operation from a local storage medium, e.g. hard-disk
-
- 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
- H04N21/441—Acquiring end-user identification, e.g. using personal code sent by the remote control or by inserting a card
- H04N21/4415—Acquiring end-user identification, e.g. using personal code sent by the remote control or by inserting a card using biometric characteristics of the user, e.g. by voice recognition or fingerprint scanning
-
- 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
- H04N21/4662—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms
- H04N21/4665—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms involving classification methods, e.g. Decision trees
-
- 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
- H04N21/4667—Processing of monitored end-user data, e.g. trend analysis based on the log file of viewer selections
-
- 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
- H04N21/47—End-user applications
- H04N21/482—End-user interface for program selection
- H04N21/4826—End-user interface for program selection using recommendation lists, e.g. of programs or channels sorted out according to their score
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Signal Processing (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于安卓***的智能数字电视节目推荐方法、装置及电视,所述方法包括:在智能数字电视上电开机后,所述智能数字电视进行用户信息采集;基于采集到的用户信息进行用户身份信息的识别;基于识别到的用户身份信息在所述智能数字电视中的提取对应的电视节目播放记录;提取所述电视节目记录中的每一个电视节目对应的名称标签;对提取到的所有名称标签进行聚类,获得聚类中心名称标签;基于所述聚类中心名称标签在安卓***内进行电视节目检索,并基于电视节目检索结果进行排序;将所述排序结果按顺序在所述智能数字电视中进行推荐显示。在本发明实施例中,可以实现根据不同的用户进行不同的电视节目的推荐,提升用户的使用体验。
Description
技术领域
本发明涉及智能数字电视节目推荐技术领域,尤其涉及一种基于安卓***的智能数字电视节目推荐方法、装置及电视。
背景技术
智能数字电视,是基于Internet应用技术,具备开放式操作***与芯片,拥有开放式应用平台,可实现双向人机交互功能,集影音、娱乐、数据等多种功能于一体,以满足用户多样化和个性化需求的电视产品。其目的是带给用户更便捷的体验,目前已经成为电视的潮流趋势。
但是现有的智能数字电视一般是根据其所有的播放记录来进行电视节目的推荐,并且一般情况下一个只能数字电视只有一个用户账户;并不能根据不同的使用用户来进行针对性的电视节目推荐。
发明内容
本发明的目的在于克服现有技术的不足,本发明提供了一种基于安卓***的智能数字电视节目推荐方法、装置及电视,可以实现根据不同的用户进行不同的电视节目的推荐,提升用户的使用体验。
为了解决上述技术问题,本发明实施例提供了一种基于安卓***的智能数字电视节目推荐方法,所述方法包括:
在智能数字电视上电开机后,所述智能数字电视进行用户信息采集;
基于采集到的用户信息进行用户身份信息的识别;
基于识别到的用户身份信息在所述智能数字电视中的提取对应的电视节目播放记录;
提取所述电视节目记录中的每一个电视节目对应的名称标签;
对提取到的所有名称标签进行聚类,获得聚类中心名称标签;
基于所述聚类中心名称标签在安卓***内进行电视节目检索,并基于电视节目检索结果进行排序;
将所述排序结果按顺序在所述智能数字电视中进行推荐显示。
可选的,所述智能数字电视进行用户信息采集,包括:
所述智能数字电视启动内置的摄像头设备对正前方的用户进行图像信息的采集,并基于采集到的图像信息提取用户信息;和/或,
所述智能数字电视启动内置的麦克风设备对用户进行语音信息的采集,并基于采集到的语音信息提取用户信息;
所述用户信息包括用户人脸特征信息和/或用户声纹特征信息。
可选的,所述基于采集到的图像信息提取用户信息,包括:
对采集到的图像信息进行前景和背景分离,获得图像信息中的前景信息;
对图像信息中的前景信息进行人脸位置的定位处理,并提取定位的人脸图像信息;
对提取的人脸图像信息进行二值化处理,获得二值化处理后的人脸图像信息;
基于所述二值化处理后的人脸图像信息提取用户信息中的用户人脸特征信息;
可选的,所述基于采集到的语音信息提取用户信息,包括:
对采集到的所述语音信息进行滤波降噪处理,获得降噪后的语音信息;;
基于带通滤波提取所述降噪后的语音信息中的用户声纹特征信息。
可选的,所述基于采集到的用户信息进行用户身份信息的识别,包括:
基于所述用户信息与所述智能数字电视内的存储用户信息进行对比匹配;
在所述用户信息与所述智能数字电视内的存储用户信息匹配成功时,识别所述用户的用户身份信息;
在所述用户信息与所述智能数字电视内的存储用户信息匹配不成功时,将所述用户信息设置为新用户,并且将所述智能数字电视当前热门节目推荐给新用户。
可选的,所述提取所述电视节目记录中的每一个电视节目对应的名称标签,包括:
基于爬虫算法提取所述电视节目记录中的每一个电视节目对应的名称标签。
可选的,所述对提取到的所有名称标签进行聚类,获得聚类中心名称标签,包括:
利用Canopy聚类算法对提取到的所有名称标签进行初步粗聚类处理,获得多个Canopy中心以及初步聚簇;
将Canopy中心以及初步聚簇作为Kmeans聚类算法的质心进行聚类,将所有名称标签划分为多个聚簇,获得聚类中心名称标签。
可选的,所述基于所述聚类中心名称标签在安卓***内进行电视节目检索,并基于电视节目检索结果进行排序,包括:
将所述聚类中心名称标签输入所述智能数字电视上运行的安卓***的检索栏进行电视节目检索,获得电视节目检索结果;
基于电视节目检索结果与所述聚类中心名称标签之间的欧式距离进行相关度高低排序。
另外,本发明实施例还提供了一种基于安卓***的智能数字电视节目推荐装置,所述装置包括:
信息采集模块:用于在智能数字电视上电开机后,所述智能数字电视进行用户信息采集;
识别模块:用于基于采集到的用户信息进行用户身份信息的识别;
记录提取模块:用于基于识别到的用户身份信息在所述智能数字电视中的提取对应的电视节目播放记录;
标签提取模块:用于提取所述电视节目记录中的每一个电视节目对应的名称标签;
聚类模块:用于对提取到的所有名称标签进行聚类,获得聚类中心名称标签;
检索排序模块:用于基于所述聚类中心名称标签在安卓***内进行电视节目检索,并基于电视节目检索结果进行排序;
推荐模块:用于将所述排序结果按顺序在所述智能数字电视中进行推荐显示。
另外,本发明实施例还提供了一种基于安卓***的智能数字电视节目推荐***,所述***包括:智能数字电视,并在所述智能数字电视上运行安卓***;在所述智能数字电视进行网络连接后,所述智能数字电视被配置为用于执行上述中任意一项所述的智能数字电视节目推荐方法。
在本发明实施例中,可以实现在同一台智能数字电视上创建设置多个用户账户,并可以根据摄像头设备采集人脸图像进行用户识别、也可以通过麦克风设备采集语音信息进行用户识别,并根据识别到的用户提取相对于的电视节目观看记录,并根据电视节目观看记录进行针对性的电视节目推荐,实现根据不同的用户进行不同的电视节目的推荐,提升用户的使用体验。
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简单地介绍,显而易见的,下面描述中的附图仅仅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它的附图。
图1是本发明实施例中的基于安卓***的智能数字电视节目推荐方法的流程示意图;
图2是本发明实施例中的基于安卓***的智能数字电视节目推荐装置的结构组成示意图。
具体实施方式
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,所描述的实施例仅仅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它实施例,都属于本发明保护的范围。
实施例
请参阅图1,图1是本发明实施例中的基于安卓***的智能数字电视节目推荐方法的流程示意图。
如图1所示,一种基于安卓***的智能数字电视节目推荐方法,所述方法包括:
S11:在智能数字电视上电开机后,所述智能数字电视进行用户信息采集;
在本发明具体实施过程中,所述智能数字电视进行用户信息采集,包括:所述智能数字电视启动内置的摄像头设备对正前方的用户进行图像信息的采集,并基于采集到的图像信息提取用户信息;和/或,所述智能数字电视启动内置的麦克风设备对用户进行语音信息的采集,并基于采集到的语音信息提取用户信息;所述用户信息包括用户人脸特征信息和/或用户声纹特征信息。
进一步的,所述基于采集到的图像信息提取用户信息,包括:对采集到的图像信息进行前景和背景分离,获得图像信息中的前景信息;对图像信息中的前景信息进行人脸位置的定位处理,并提取定位的人脸图像信息;对提取的人脸图像信息进行二值化处理,获得二值化处理后的人脸图像信息;基于所述二值化处理后的人脸图像信息提取用户信息中的用户人脸特征信息。
进一步的,所述基于采集到的语音信息提取用户信息,包括:对采集到的所述语音信息进行滤波降噪处理,获得降噪后的语音信息;基于带通滤波提取所述降噪后的语音信息中的用户声纹特征信息。
具体的,在智能数字电视开机上电之后,在该智能数字电视上内置有摄像仪设备和麦克风设备,一般情况下,麦克风设备和摄像头设备可以同时进行信息的采集,但是可以根据用户设置,首先启动内置的摄像头设备对正前方的用户进行图像信息的采集,若在图像信息的采集过程中,存在用户在智能数字电视的正前方时,则采集用户的图像信息,然后根据采集到的图像信息进行用户信息的提取;在用户不在智能数字电视正前方时,摄像头设备无法采集到用户的图像信息,则启动麦克风设备采集用户的语音信息,然后根据用户采集到的语音信息提取用户信息;其中,用户信息包括用户人脸特征信息和/或用户声纹特征信息。
在利用采集到的图像信息提取用户信息时,首先对集到的图像信息进行前景和背景分离,从而得到图像信息中的前景信息;然后对图像信息中的前景信息进行人脸位置的定位处理,从而可以实现提取定位人脸图像信息;并且对提取的人脸图像信息进行二值化处理,其中二值化可以有效的去除一些噪声的干扰,获得二值化处理后的人脸图像信息;最后即可根据二值化处理后的人脸图像信息提取用户信息中的用户人脸特征信息。
根据采集到的语音信息提取用户信息时,首先是对采集到的语音信息进行滤波降噪处理,在此进行的是高通滤波处理,从而获得降噪后的语音信息;然后通过带通滤波提取的方式提取降噪后的语音信息中的用户声纹特征信息。
S12:基于采集到的用户信息进行用户身份信息的识别;
在本发明具体实施过程中,所述基于采集到的用户信息进行用户身份信息的识别,包括:基于所述用户信息与所述智能数字电视内的存储用户信息进行对比匹配;在所述用户信息与所述智能数字电视内的存储用户信息匹配成功时,识别所述用户的用户身份信息;在所述用户信息与所述智能数字电视内的存储用户信息匹配不成功时,将所述用户信息设置为新用户或者游客用户,并且将所述智能数字电视当前热门节目推荐给新用户或游客用户。
具体的,通过利用用户信息与该智能数字电视内的存储用户信息进行对比匹配,从而确认该用户信息是否在智能数字电视内的存储用户信息中,则用户信息与该智能数字电视内的存储用户信息匹配成功,并可以识别该用户的用户身份信息,在不能确定该用户信息是否在智能数字电视内的存储用户信息中,则用户信息与该智能数字电视内的存储用户信息匹配不成功,将该用户信息对应的用户设置为新用户,或者游客用户,然后将该智能数字电视当前热门节目推荐给新用户或游客用户。
S13:基于识别到的用户身份信息在所述智能数字电视中的提取对应的电视节目播放记录;
在本发明具体实施过程中,根据识别到的用户身份信息在在该智能数字电视上提取该用户身份信息历史观看记录中对应的电视节目播放记录。
S14:提取所述电视节目记录中的每一个电视节目对应的名称标签;
在本发明具体实施过程中,所述提取所述电视节目记录中的每一个电视节目对应的名称标签,包括:基于爬虫算法提取所述电视节目记录中的每一个电视节目对应的名称标签。
具体的,通过爬虫算法来提取该电视节目记录中每一个电视节目对应的名称标签;并且在提取的过程中,需要进行关键字的提取,最终生成名称标签。
S15:对提取到的所有名称标签进行聚类,获得聚类中心名称标签;
在本发明具体实施过程中,所述对提取到的所有名称标签进行聚类,获得聚类中心名称标签,包括:利用Canopy聚类算法对提取到的所有名称标签进行初步粗聚类处理,获得多个Canopy中心以及初步聚簇;将Canopy中心以及初步聚簇作为Kmeans聚类算法的质心进行聚类,将所有名称标签划分为多个聚簇,获得聚类中心名称标签。
具体的,利用Canopy-Kmeans聚类算法进行聚类,具体,先通过Canopy聚类算法进行初步粗聚类,得到若干Canopy中心(为多个)以及初步聚簇,再将多个Canopy中心作为Kmeans聚类算法的质心以及初步聚簇作为输入,进行聚类后得到到最终聚簇;对Canopy聚类算法以及Kmeans聚类算法的并行化改进思想都是先在检索关键字以及设备运行数据分别进行局部的聚类算法,再通过简单的计算后将各局部聚类结果进行合并得到全局聚类。
在本发明实施例中若单纯只采用Kmeans聚类算法进行聚类时,多个中心值需要调参,不同的值得到的结果不一样;对初始质心点敏感,离群值对模型的影响比较大;不适合非凸形状的簇、大小差别较大的簇;可能收敛到局部极小值,在大规模数据集上收敛较慢;Canopy属于一种‘粗’聚类算法,即使用一种简单、快捷的距离计算方法将数据集分为若干可重叠的子集canopy,这种算法不需要指定多个中心值、但精度较低,可以结合Kmeans算法一起使用:先由Canopy算法进行粗聚类得到多个质心,再使用Kmeans算法进行聚类;如此即可解决采用Kmeans聚类算法进行聚类中存在的技术问题;可以在大数据集中快速聚类,且具有良好的聚类效果。
S16:基于所述聚类中心名称标签在安卓***内进行电视节目检索,并基于电视节目检索结果进行排序;
在本发明具体实施过程中,所述基于所述聚类中心名称标签在安卓***内进行电视节目检索,并基于电视节目检索结果进行排序,包括:将所述聚类中心名称标签输入所述智能数字电视上运行的安卓***的检索栏进行电视节目检索,获得电视节目检索结果;基于电视节目检索结果与所述聚类中心名称标签之间的欧式距离进行相关度高低排序。
具体的,将该聚类中心名称标签输入所述智能数字电视上运行的安卓***的检索栏进行电视节目检索,并且最终检索获得电视节目检索结果;然后根据电视节目检索结果与聚类中心名称标签之间的欧式距离进行相关度高低排序。
S17:将所述排序结果按顺序在所述智能数字电视中进行推荐显示。
在本发明具体实施过程中,将该排序结果按顺序在该智能数字电视的显示界面上进行按顺序推荐显示。
在本发明实施例中,可以实现在同一台智能数字电视上创建设置多个用户账户,并可以根据摄像头设备采集人脸图像进行用户识别、也可以通过麦克风设备采集语音信息进行用户识别,并根据识别到的用户提取相对于的电视节目观看记录,并根据电视节目观看记录进行针对性的电视节目推荐,实现根据不同的用户进行不同的电视节目的推荐,提升用户的使用体验。
实施例
请参阅图2,图2是本发明实施例中的基于安卓***的智能数字电视节目推荐装置的结构组成示意图。
如图2所示,一种基于安卓***的智能数字电视节目推荐装置,所述装置包括:
信息采集模块21:用于在智能数字电视上电开机后,所述智能数字电视进行用户信息采集;
在本发明具体实施过程中,所述智能数字电视进行用户信息采集,包括:所述智能数字电视启动内置的摄像头设备对正前方的用户进行图像信息的采集,并基于采集到的图像信息提取用户信息;和/或,所述智能数字电视启动内置的麦克风设备对用户进行语音信息的采集,并基于采集到的语音信息提取用户信息;所述用户信息包括用户人脸特征信息和/或用户声纹特征信息。
进一步的,所述基于采集到的图像信息提取用户信息,包括:对采集到的图像信息进行前景和背景分离,获得图像信息中的前景信息;对图像信息中的前景信息进行人脸位置的定位处理,并提取定位的人脸图像信息;对提取的人脸图像信息进行二值化处理,获得二值化处理后的人脸图像信息;基于所述二值化处理后的人脸图像信息提取用户信息中的用户人脸特征信息。
进一步的,所述基于采集到的语音信息提取用户信息,包括:对采集到的所述语音信息进行滤波降噪处理,获得降噪后的语音信息;基于带通滤波提取所述降噪后的语音信息中的用户声纹特征信息。
具体的,在智能数字电视开机上电之后,在该智能数字电视上内置有摄像仪设备和麦克风设备,一般情况下,麦克风设备和摄像头设备可以同时进行信息的采集,但是可以根据用户设置,首先启动内置的摄像头设备对正前方的用户进行图像信息的采集,若在图像信息的采集过程中,存在用户在智能数字电视的正前方时,则采集用户的图像信息,然后根据采集到的图像信息进行用户信息的提取;在用户不在智能数字电视正前方时,摄像头设备无法采集到用户的图像信息,则启动麦克风设备采集用户的语音信息,然后根据用户采集到的语音信息提取用户信息;其中,用户信息包括用户人脸特征信息和/或用户声纹特征信息。
在利用采集到的图像信息提取用户信息时,首先对集到的图像信息进行前景和背景分离,从而得到图像信息中的前景信息;然后对图像信息中的前景信息进行人脸位置的定位处理,从而可以实现提取定位人脸图像信息;并且对提取的人脸图像信息进行二值化处理,其中二值化可以有效的去除一些噪声的干扰,获得二值化处理后的人脸图像信息;最后即可根据二值化处理后的人脸图像信息提取用户信息中的用户人脸特征信息。
根据采集到的语音信息提取用户信息时,首先是对采集到的语音信息进行滤波降噪处理,在此进行的是高通滤波处理,从而获得降噪后的语音信息;然后通过带通滤波提取的方式提取降噪后的语音信息中的用户声纹特征信息。
识别模块22:用于基于采集到的用户信息进行用户身份信息的识别;
在本发明具体实施过程中,所述基于采集到的用户信息进行用户身份信息的识别,包括:基于所述用户信息与所述智能数字电视内的存储用户信息进行对比匹配;在所述用户信息与所述智能数字电视内的存储用户信息匹配成功时,识别所述用户的用户身份信息;在所述用户信息与所述智能数字电视内的存储用户信息匹配不成功时,将所述用户信息设置为新用户或者游客用户,并且将所述智能数字电视当前热门节目推荐给新用户或游客用户。
具体的,通过利用用户信息与该智能数字电视内的存储用户信息进行对比匹配,从而确认该用户信息是否在智能数字电视内的存储用户信息中,则用户信息与该智能数字电视内的存储用户信息匹配成功,并可以识别该用户的用户身份信息,在不能确定该用户信息是否在智能数字电视内的存储用户信息中,则用户信息与该智能数字电视内的存储用户信息匹配不成功,将该用户信息对应的用户设置为新用户,或者游客用户,然后将该智能数字电视当前热门节目推荐给新用户或游客用户。
记录提取模块23:用于基于识别到的用户身份信息在所述智能数字电视中的提取对应的电视节目播放记录;
在本发明具体实施过程中,根据识别到的用户身份信息在在该智能数字电视上提取该用户身份信息历史观看记录中对应的电视节目播放记录。
标签提取模块24:用于提取所述电视节目记录中的每一个电视节目对应的名称标签;
在本发明具体实施过程中,所述提取所述电视节目记录中的每一个电视节目对应的名称标签,包括:基于爬虫算法提取所述电视节目记录中的每一个电视节目对应的名称标签。
具体的,通过爬虫算法来提取该电视节目记录中每一个电视节目对应的名称标签;并且在提取的过程中,需要进行关键字的提取,最终生成名称标签。
聚类模块25:用于对提取到的所有名称标签进行聚类,获得聚类中心名称标签;
在本发明具体实施过程中,所述对提取到的所有名称标签进行聚类,获得聚类中心名称标签,包括:利用Canopy聚类算法对提取到的所有名称标签进行初步粗聚类处理,获得多个Canopy中心以及初步聚簇;将Canopy中心以及初步聚簇作为Kmeans聚类算法的质心进行聚类,将所有名称标签划分为多个聚簇,获得聚类中心名称标签。
具体的,利用Canopy-Kmeans聚类算法进行聚类,具体,先通过Canopy聚类算法进行初步粗聚类,得到若干Canopy中心(为多个)以及初步聚簇,再将多个Canopy中心作为Kmeans聚类算法的质心以及初步聚簇作为输入,进行聚类后得到到最终聚簇;对Canopy聚类算法以及Kmeans聚类算法的并行化改进思想都是先在检索关键字以及设备运行数据分别进行局部的聚类算法,再通过简单的计算后将各局部聚类结果进行合并得到全局聚类。
在本发明实施例中若单纯只采用Kmeans聚类算法进行聚类时,多个中心值需要调参,不同的值得到的结果不一样;对初始质心点敏感,离群值对模型的影响比较大;不适合非凸形状的簇、大小差别较大的簇;可能收敛到局部极小值,在大规模数据集上收敛较慢;Canopy属于一种‘粗’聚类算法,即使用一种简单、快捷的距离计算方法将数据集分为若干可重叠的子集canopy,这种算法不需要指定多个中心值、但精度较低,可以结合Kmeans算法一起使用:先由Canopy算法进行粗聚类得到多个质心,再使用Kmeans算法进行聚类;如此即可解决采用Kmeans聚类算法进行聚类中存在的技术问题;可以在大数据集中快速聚类,且具有良好的聚类效果。
检索排序模块26:用于基于所述聚类中心名称标签在安卓***内进行电视节目检索,并基于电视节目检索结果进行排序;
在本发明具体实施过程中,所述基于所述聚类中心名称标签在安卓***内进行电视节目检索,并基于电视节目检索结果进行排序,包括:将所述聚类中心名称标签输入所述智能数字电视上运行的安卓***的检索栏进行电视节目检索,获得电视节目检索结果;基于电视节目检索结果与所述聚类中心名称标签之间的欧式距离进行相关度高低排序。
具体的,将该聚类中心名称标签输入所述智能数字电视上运行的安卓***的检索栏进行电视节目检索,并且最终检索获得电视节目检索结果;然后根据电视节目检索结果与聚类中心名称标签之间的欧式距离进行相关度高低排序。
推荐模块27:用于将所述排序结果按顺序在所述智能数字电视中进行推荐显示。
在本发明具体实施过程中,将该排序结果按顺序在该智能数字电视的显示界面上进行按顺序推荐显示。
在本发明实施例中,可以实现在同一台智能数字电视上创建设置多个用户账户,并可以根据摄像头设备采集人脸图像进行用户识别、也可以通过麦克风设备采集语音信息进行用户识别,并根据识别到的用户提取相对于的电视节目观看记录,并根据电视节目观看记录进行针对性的电视节目推荐,实现根据不同的用户进行不同的电视节目的推荐,提升用户的使用体验。
实施例,一种基于安卓***的智能数字电视节目推荐***,所述***包括:智能数字电视,并在所述智能数字电视上运行安卓***;在所述智能数字电视进行网络连接后,所述智能数字电视被配置为用于执行上述中任意一项所述的智能数字电视节目推荐方法。
***部分的实施方式具体可参详上述实施例,在此不再赘述。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,ReadOnly Memory)、随机存取存储器(RAM,Random AccessMemory)、磁盘或光盘等。
另外,以上对本发明实施例所提供的一种基于安卓***的智能数字电视节目推荐方法、装置及电视进行了详细介绍,本文中应采用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于安卓***的智能数字电视节目推荐方法,其特征在于,所述方法包括:
在智能数字电视上电开机后,所述智能数字电视进行用户信息采集;
基于采集到的用户信息进行用户身份信息的识别;
基于识别到的用户身份信息在所述智能数字电视中的提取对应的电视节目播放记录;
提取所述电视节目记录中的每一个电视节目对应的名称标签;
对提取到的所有名称标签进行聚类,获得聚类中心名称标签;
基于所述聚类中心名称标签在安卓***内进行电视节目检索,并基于电视节目检索结果进行排序;
将所述排序结果按顺序在所述智能数字电视中进行推荐显示。
2.根据权利要求1所述的智能数字电视节目推荐方法,其特征在于,所述智能数字电视进行用户信息采集,包括:
所述智能数字电视启动内置的摄像头设备对正前方的用户进行图像信息的采集,并基于采集到的图像信息提取用户信息;和/或,
所述智能数字电视启动内置的麦克风设备对用户进行语音信息的采集,并基于采集到的语音信息提取用户信息;
所述用户信息包括用户人脸特征信息和/或用户声纹特征信息。
3.根据权利要求2所述的智能数字电视节目推荐方法,其特征在于,所述基于采集到的图像信息提取用户信息,包括:
对采集到的图像信息进行前景和背景分离,获得图像信息中的前景信息;
对图像信息中的前景信息进行人脸位置的定位处理,并提取定位的人脸图像信息;
对提取的人脸图像信息进行二值化处理,获得二值化处理后的人脸图像信息;
基于所述二值化处理后的人脸图像信息提取用户信息中的用户人脸特征信息。
4.根据权利要求2所述的智能数字电视节目推荐方法,其特征在于,所述基于采集到的语音信息提取用户信息,包括:
对采集到的所述语音信息进行滤波降噪处理,获得降噪后的语音信息;
基于带通滤波提取所述降噪后的语音信息中的用户声纹特征信息。
5.根据权利要求1所述的智能数字电视节目推荐方法,其特征在于,所述基于采集到的用户信息进行用户身份信息的识别,包括:
基于所述用户信息与所述智能数字电视内的存储用户信息进行对比匹配;
在所述用户信息与所述智能数字电视内的存储用户信息匹配成功时,识别所述用户的用户身份信息;
在所述用户信息与所述智能数字电视内的存储用户信息匹配不成功时,将所述用户信息设置为新用户或者游客用户,并且将所述智能数字电视当前热门节目推荐给新用户或游客用户。
6.根据权利要求1所述的智能数字电视节目推荐方法,其特征在于,所述提取所述电视节目记录中的每一个电视节目对应的名称标签,包括:
基于爬虫算法提取所述电视节目记录中的每一个电视节目对应的名称标签。
7.根据权利要求1所述的智能数字电视节目推荐方法,其特征在于,所述对提取到的所有名称标签进行聚类,获得聚类中心名称标签,包括:
利用Canopy聚类算法对提取到的所有名称标签进行初步粗聚类处理,获得多个Canopy中心以及初步聚簇;
将Canopy中心以及初步聚簇作为Kmeans聚类算法的质心进行聚类,将所有名称标签划分为多个聚簇,获得聚类中心名称标签。
8.根据权利要求1所述的智能数字电视节目推荐方法,其特征在于,所述基于所述聚类中心名称标签在安卓***内进行电视节目检索,并基于电视节目检索结果进行排序,包括:
将所述聚类中心名称标签输入所述智能数字电视上运行的安卓***的检索栏进行电视节目检索,获得电视节目检索结果;
基于电视节目检索结果与所述聚类中心名称标签之间的欧式距离进行相关度高低排序。
9.一种基于安卓***的智能数字电视节目推荐装置,其特征在于,所述装置包括:
信息采集模块:用于在智能数字电视上电开机后,所述智能数字电视进行用户信息采集;
识别模块:用于基于采集到的用户信息进行用户身份信息的识别;
记录提取模块:用于基于识别到的用户身份信息在所述智能数字电视中的提取对应的电视节目播放记录;
标签提取模块:用于提取所述电视节目记录中的每一个电视节目对应的名称标签;
聚类模块:用于对提取到的所有名称标签进行聚类,获得聚类中心名称标签;
检索排序模块:用于基于所述聚类中心名称标签在安卓***内进行电视节目检索,并基于电视节目检索结果进行排序;
推荐模块:用于将所述排序结果按顺序在所述智能数字电视中进行推荐显示。
10.一种基于安卓***的智能数字电视节目推荐***,其特征在于,所述***包括:智能数字电视,并在所述智能数字电视上运行安卓***;在所述智能数字电视进行网络连接后,所述智能数字电视被配置为用于执行根据权利要求1-8中任意一项所述的智能数字电视节目推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011560271.4A CN112839260A (zh) | 2020-12-25 | 2020-12-25 | 基于安卓***的智能数字电视节目推荐方法、装置及电视 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011560271.4A CN112839260A (zh) | 2020-12-25 | 2020-12-25 | 基于安卓***的智能数字电视节目推荐方法、装置及电视 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112839260A true CN112839260A (zh) | 2021-05-25 |
Family
ID=75924493
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011560271.4A Pending CN112839260A (zh) | 2020-12-25 | 2020-12-25 | 基于安卓***的智能数字电视节目推荐方法、装置及电视 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112839260A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114222170A (zh) * | 2021-12-06 | 2022-03-22 | 深圳Tcl新技术有限公司 | 电视节目推荐方法、装置、计算机设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120204201A1 (en) * | 2011-02-03 | 2012-08-09 | Bby Solutions, Inc. | Personalized best channel selection device and method |
CN103313108A (zh) * | 2013-06-14 | 2013-09-18 | 山东科技大学 | 一种基于情景感知的智能电视节目推荐方法 |
CN104363474A (zh) * | 2014-11-14 | 2015-02-18 | 四川长虹电器股份有限公司 | 一种基于多用户的智能电视节目推荐***及方法 |
CN104935970A (zh) * | 2015-07-09 | 2015-09-23 | 三星电子(中国)研发中心 | 进行电视内容推荐的方法及电视客户端 |
CN110209843A (zh) * | 2019-05-31 | 2019-09-06 | 腾讯科技(深圳)有限公司 | 多媒体资源播放方法、装置、设备及存储介质 |
-
2020
- 2020-12-25 CN CN202011560271.4A patent/CN112839260A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120204201A1 (en) * | 2011-02-03 | 2012-08-09 | Bby Solutions, Inc. | Personalized best channel selection device and method |
CN103313108A (zh) * | 2013-06-14 | 2013-09-18 | 山东科技大学 | 一种基于情景感知的智能电视节目推荐方法 |
CN104363474A (zh) * | 2014-11-14 | 2015-02-18 | 四川长虹电器股份有限公司 | 一种基于多用户的智能电视节目推荐***及方法 |
CN104935970A (zh) * | 2015-07-09 | 2015-09-23 | 三星电子(中国)研发中心 | 进行电视内容推荐的方法及电视客户端 |
CN110209843A (zh) * | 2019-05-31 | 2019-09-06 | 腾讯科技(深圳)有限公司 | 多媒体资源播放方法、装置、设备及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114222170A (zh) * | 2021-12-06 | 2022-03-22 | 深圳Tcl新技术有限公司 | 电视节目推荐方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105488478B (zh) | 一种人脸识别***和方法 | |
KR102433393B1 (ko) | 동영상 콘텐츠 내의 인물을 인식하는 장치 및 방법 | |
US8457368B2 (en) | System and method of object recognition and database population for video indexing | |
US9176987B1 (en) | Automatic face annotation method and system | |
CN108075892B (zh) | 一种语音处理的方法、装置和设备 | |
CN101021903B (zh) | 视频字幕内容分析*** | |
US8064641B2 (en) | System and method for identifying objects in video | |
CN109117777A (zh) | 生成信息的方法和装置 | |
CN111047621B (zh) | 一种目标对象追踪方法、***、设备及可读介质 | |
CN106708949A (zh) | 一种视频有害内容识别方法 | |
CN103069414A (zh) | 信息处理设备、信息处理方法和程序 | |
CN1685712A (zh) | 通过结合视频和音频签名增强的广告检测 | |
CN112312215B (zh) | 基于用户识别的开机内容推荐方法、智能电视及存储介质 | |
CN105868686A (zh) | 视频分类方法及装置 | |
CN110929619A (zh) | 一种基于图像处理的目标对象追踪方法、***、设备及可读介质 | |
CN104217718A (zh) | 依据环境参数及群体趋向数据的语音识别方法和*** | |
CN111491123A (zh) | 视频背景处理方法、装置及电子设备 | |
CN111598012B (zh) | 一种图片聚类管理方法、***、设备及介质 | |
CN112989950A (zh) | 一种面向多模态特征语义关联特征的暴力视频识别*** | |
CN113992944A (zh) | 视频编目方法、装置、设备、***及介质 | |
WO2022193911A1 (zh) | 指令信息获取方法及装置、可读存储介质、电子设备 | |
CN103745223A (zh) | 一种人脸检测方法及装置 | |
CN112839260A (zh) | 基于安卓***的智能数字电视节目推荐方法、装置及电视 | |
CN109151599B (zh) | 视频处理方法和装置 | |
CN105678298B (zh) | 台标识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210525 |