电视频道的确定方法、装置及服务器的制造方法
【技术领域】
[0001] 本公开涉及互联网技术领域，尤其涉及一种电视频道的确定方法、装置及服务器。
【背景技术】
[0002] 随着智能电视提供的业务增多，通过检测用户的智能电视当前正在播放的电视台 频道，从而确定该电视台频道正在播放的电视节目，进而与该电视台频道正在播放的电视 节目对应的在线影视库进行关联，从而使智能电视从电视台频道跳转到在线影视库中的同 一电视节目，使用户摆脱电视台在直播过程中播放广告的烦恼，并能对电视节目随时进行 快放或后退。相关技术中，通过网络定位的方式识别智能电视当前播放的电视频道，并将该 电视频道与数据库中的频道列表进行频点对应，从而得到智能电视当前播放电视节目的电 视频道的频道名称，进而将智能电视从电视频道跳转到在线影视库，使用户摆脱电视直播 的束缚。相关技术一旦出现网络定位错误，会使智能电视所跳转的在线影视库中的电视节 目与电视台当前播放的电视节目不对应，进而降低用户收看电视节目的体验。
【发明内容】
[0003] 为克服相关技术中存在的问题，本公开实施例提供一种电视频道的确定方法、装 置及服务器，用以提高定位电视频道的准确性。
[0004] 根据本公开实施例的第一方面，提供一种电视频道的确定方法，应用在服务器上， 包括：
[0005] 将智能电视的台标图片中的像素点对应的像素值作为输入参数输入到所述神经 网络的输入层；
[0006] 根据所述神经网络已训练的训练数据集确定所述输入参数在所述神经网络的输 出层对应的多个输出值，所述多个输出值的个数由所述服务器中所存储的台标的个数确 定，所述训练数据集通过服务器中所存储的台标训练得到；
[0007] 根据所述多个输出值中数值最大的值对应的台标确定所述智能电视当前播放电 视节目的电视频道。
[0008] 在一实施例中，所述训练数据集包括所述神经网络的一阶特征对应的第一权重矩 阵、第一偏置向量、所述神经网络的二阶特征对应的第二权重矩阵、第二偏置向量以及位于 所述神经网络的输出层的分类器对应的分类器参数，所述根据所述神经网络已训练的训练 数据集确定所述输入参数在所述神经网络的输出层对应的多个输出值，可包括：
[0009] 根据所述输入参数、所述第一权重矩阵和所述第一偏置向量确定所述神经网络的 一阶特征；
[0010] 根据所述一阶特征、所述第二权重矩阵和所述第二偏置向量确定所述神经网络的 二阶特征；
[0011] 将所述二阶特征输入到所述分类器，通过所述分类器得到所述神经网络的输出层 对应的多个输出值。
[0012] 在一实施例中，所述将智能终端的台标图片中的像素点对应的像素值作为输入参 数输入到所述神经网络的输入层，可包括：
[0013] 将智能电视的台标图片中的像素点对应的像素值进行归一化处理；
[0014] 将归一化后的所述像素值进行去相关性处理，将去相关性处理后的所述像素值输 入到所述神经网络的输入层。
[0015] 在一实施例中，所述将台标图片中的像素点对应的像素值作为输入参数输入到所 述神经网络的输入层的步骤之前，所述方法还可包括：
[0016] 确定所述台标图片的分辨率与所述神经网络的输入维数；
[0017] 在所述台标图片的分辨率与所述输入维数不相同时，根据所述输入维数对所述台 标图片进行缩放处理。
[0018] 在一实施例中，所述方法还可包括：
[0019] 在确定所述服务器中所存储的台标有更新时，根据所述服务器中所存储的台标对 所述神经网络重新进行训练，得到训练后的所述训练数据集。
[0020] 根据本公开实施例的第二方面，提供一种电视频道的确定装置，应用在服务器上， 包括：
[0021] 输入模块，被配置为将智能电视的台标图片中的像素点对应的像素值作为输入参 数输入到所述神经网络的输入层；
[0022] 输出模块，被配置为根据所述神经网络已训练的训练数据集确定所述输入模块的 所述输入参数在所述神经网络的输出层对应的多个输出值，所述多个输出值的个数由所述 服务器中所存储的台标的个数确定，所述训练数据集通过服务器中所存储的台标训练得 到；
[0023] 第一确定模块，被配置为根据所述输出模块输出的所述多个输出值中数值最大的 值对应的台标确定所述智能电视当前播放电视节目的电视频道。
[0024] 在一实施例中，所述训练数据集包括所述神经网络的一阶特征对应的第一权重矩 阵、第一偏置向量、所述神经网络的二阶特征对应的第二权重矩阵、第二偏置向量以及位于 所述神经网络的输出层的分类器对应的分类器参数，所述输出模块可包括：
[0025] 第一确定子模块，被配置为根据所述输入参数、所述第一权重矩阵和所述第一偏 置向量确定所述神经网络的一阶特征；
[0026] 第二确定子模块，被配置为根据所述第一确定子模块确定的所述一阶特征、所述 第二权重矩阵和所述第二偏置向量确定所述神经网络的二阶特征；
[0027] 分类器子模块，被配置为将所述第二确定子模块确定的所述二阶特征输入到所述 分类器，通过所述分类器得到所述神经网络的输出层对应的多个输出值。
[0028] 在一实施例中，所述输入模块可包括：
[0029] 归一化处理子模块，被配置为将智能电视的台标图片中的像素点对应的像素值进 行归一化处理；
[0030] 去相关处理子模块，被配置为将所述归一化处理子模块归一化后的所述像素值进 行去相关性处理；
[0031] 输入子模块，被配置为将去相关处理子模块去相关性处理后的所述像素值输入到 所述神经网络的输入层。
[0032] 在一实施例中，所述装置还可包括：
[0033] 第二确定模块，被配置为在所述输入模块执行所述将台标图片中的像素点对应的 像素值作为输入参数输入到所述神经网络的输入层的步骤之前，确定所述台标图片的分辨 率与所述神经网络的输入维数；
[0034] 缩放处理模块，被配置为在所述第二确定模块确定所述台标图片的分辨率与所述 输入维数不相同时，根据所述输入维数对所述台标图片进行缩放处理。
[0035] 在一实施例中，所述装置还可包括：
[0036] 检测模块，被配置为确定所述服务器中所存储的台标是否有更新；
[0037] 训练模块，被配置为在所述检测模块检测到所述服务器中所存储的台标有更新 时，根据所述服务器中所存储的台标对所述神经网络重新进行训练，得到训练后的所述训 练数据集，以供所述输入模块根据所述训练模块训练后的所述训练数据集识别台标图片中 的台标。
[0038] 根据本公开实施例的第三方面，提供一种服务器，包括：
[0039] 处理器；
[0040] 用于存储处理器可执行指令的存储器；
[0041] 其中，所述处理器被配置为：
[0042] 将智能终端的台标图片中的像素点对应的像素值作为输入参数输入到所述神经 网络的输入层；
[0043] 根据所述神经网络已训练的训练数据集确定所述输入参数在所述神经网络的输 出层对应的多个输出值，所述多个输出值的个数由所述服务器中所存储的台标的个数确 定；
[0044] 根据所述多个输出值中数值最大的值对应的台标确定所述智能电视当前播放电 视节目的电视频道。
[0045] 本公开的实施例提供的技术方案可以包括以下有益效果：通过将智能电视对应的 台标图片输入到神经网络进行识别，由于神经网络的训练数据集通过服务器中所存储的台 标训练得到，实现了通过神经网络将服务器上的所有台标均参与到台标的识别