一种基于情景感知的智能电视节目推荐系统的制作方法
【技术领域】
[0001] 本发明涉及电视节目推荐技术领域，尤其涉及一种基于情景感知的智能电视节目 推荐系统。
【背景技术】
[0002] 在近些年中识别技术在电视平台上的应用己经获得了主要生产商的青睐，2012年 1月，三星首推TV App Store开启Smart TV时代，集成了语音识别功能，另外该电视机携带 了一款高清摄像头，可提供手势与脸部识别的功能。另外，其他厂商除了在产品上推出这基 于识别技术的应用外，同时也开始在自己的电视平台上进行云计算相关产品的研发。
[0003] 目前的情景感知应用，大多是针对单个用户的当前情景。对于电视用户来说，感知 单个用户则会忽略其他用户的情景信息；在多用户观看电视的情况下，如果推荐的节目只 符合单个用户的兴趣，则会无法推荐出符合大多数人的电视节目。
[0004] 现有技术中的电视不能使用图像处理技术识别并识别出用户的身份，不能得出当 前用户表情相对应的情绪信息，更无法根据使用用户的情绪信息建立用户的兴趣模型，对 用户做出最佳的推荐。
[0005] 现有技术中的识别算法以及推荐算法都在本地运行，这样就需要在本地的设备中 加入相应的硬件模块，这样会增大智能电视的不必要的成本，与智能电视轻薄化的趋势相 违背，同时本地设备不能够即时处理大量的视频流以及图片数据。
【发明内容】
[0006] 本发明的目的在于克服现有技术的不足，本发明提供了一种移动应用操作助手的 实现方法及其装置，可以全方面收集用户观看电视时的情绪信息和对电视节目的反馈信 息，并根据这些信息针对用户群构建适合用户观看的最佳节目列表，可以提高用户体验，使 用户更愉悦地观赏电视节目。
[0007] 为了解决上述问题，本发明提出了一种基于情景感知的智能电视节目推荐系统， 所述系统包括：
[0008] 电视前端子系统，用于从云端获取相关任务的推荐节目名单；
[0009] 用户识别系统，用于对视频流以及图片中的运动信息进行人脸识别和情绪识别， 获取用户的特征参数及识别结果，根据用户的特征参数和识别结果将节目进行排序，将排 序靠前的节目推荐给用户，将用户数据上传到云端进行识别，同时从云端获取相关任务的 推荐节目名单提供给电视前端子系统使用;并显示识别结果及推荐节目名单。
[0010] 优选地，所述用户识别系统包括：
[0011] 数据采集模块，用于输入电视前端子系统以及整个识别服务的用户数据；
[0012] 网络通信模块，用于将用户数据上传到云端进行识别，同时从云端获取相关任务 的推荐节目名单提供给电视前端子系统使用；
[0013] 识别算法模块，用于对视频流以及图片中的运动信息进行人脸识别和情绪识别， 获取用户的特征参数及识别结果；
[0014] 推荐模块，用于根据用户的特征参数和识别结果将节目进行排序，将排序靠前的 节目推荐给用户；
[0015] 界面显示模块，用于显示识别结果及推荐节目名单。
[0016] 优选地，所述用户数据包括用户头像、用户情绪信息以及用户历史操作记录。
[0017] 优选地，所述识别算法模块包括：
[0018] 人脸识别子模块，用于采用对称差分方法检测视频流以及图片中的运动信息，根 据人脸肤色在YCrCb彩色空间中的聚类性进行人脸检测；
[0019] 情绪识别子模块，用于检测视频流以及图片中的运动信息中人脸的情绪特征，获 得识别结果。
[0020] 优选地，所述人脸识别子模块用于利用基于规则的投影算法进行人脸检测。
[0021] 优选地，所述数据采集模块还用于对用户的个人喜好进行预设，每当有新用户增 加的时候可以向电视系统添加新的用户信息。
[0022] 在本发明实施例中，全方面收集用户观看电视时的情绪信息和对电视节目的反馈 信息，并根据这些信息针对用户群构建适合用户观看的最佳节目列表，可以提高用户体验， 使用户更愉悦地观赏电视节目。
【附图说明】
[0023] 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，显而易见地，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。
[0024] 图1是本发明实施例的基于情景感知的智能电视节目推荐系统的结构组成示意 图。
【具体实施方式】
[0025]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他 实施例，都属于本发明保护的范围。
[0026] 图1是本发明实施例的基于情景感知的智能电视节目推荐系统的结构组成示意 图，如图1所示，该系统包括：
[0027] 电视前端子系统1，用于从云端获取相关任务的推荐节目名单；
[0028] 用户识别系统2,用于对视频流以及图片中的运动信息进行人脸识别和情绪识别， 获取用户的特征参数及识别结果，根据用户的特征参数和识别结果将节目进行排序，将排 序靠前的节目推荐给用户，将用户数据上传到云端进行识别，同时从云端获取相关任务的 推荐节目名单提供给电视前端子系统使用;并显示识别结果及推荐节目名单。
[0029]用户识别系统2包括：
[0030]数据采集模块20,用于输入电视前端子系统以及整个识别服务的用户数据；
[0031] 网络通信模块21，用于将用户数据上传到云端进行识别，同时从云端获取相关任 务的推荐节目名单提供给电视前端子系统使用；
[0032] 识别算法模块22,用于对视频流以及图片中的运动信息进行人脸识别和情绪识 另IJ，获取用户的特征参数及识别结果；
[0033]推荐模块23,用于根据用户的特征参数和识别结果将节目进行排序，将排序靠前 的节目推荐给用户；
[0034]界面显示模块24，用于显示识别结果及推荐节目名单。
[0035] 在本发明实施例中，用户数据包括用户头像、用户情绪信息以及用户历史操作记 录。
[0036] 其中，通过数据采集模块20可以对摄像头进行打开、关闭，TV内嵌人脸探测功能的 使用，视频流和照片截取等操作。
[0037] 数据采集模块20还用于对用户的个人喜好进行预设，每当有新用户增加的时候可 以向电视系统添加新的用户信息:包括用户面部特征、节目偏好值、观看时间偏好值等，这 些信息都会组成一个用户数据库，到达综合多用户推荐节目的效果。
[0038]具体实施中，识别算法模块22包括：
[0039] 人脸识别子模块，用于采用对称差分方法检测视频流以及图片中的运动信息，根 据人脸肤色在YCrCb彩色空间中的聚类性进行人脸检测;其中，利用基于规则的投影算法进 行人脸检测，可以检测单人脸，也可以对复杂环境下的多人脸进行检测；
[0040] 情绪识别子模块，用于检测视频流以及图片中的运动信息中人脸的情绪特征，获 得识别结果。
[0041] 在提取出人脸特征之后，可以根据相似度识别方法，将待识别人脸与人脸库中的 图像进行比对，即可确定人脸。这里采取加权相似度的方法来判断待测人脸与样本人脸的 相似度，即：
[0043] 其中，d表示待测人脸与库中人脸样本的相似度;n为特征分量数为待测人脸的 特征矢量为人脸库中样本人脸的特征矢量;Wl为根据各个特征对识别贡献大小而加入的 权重值。
[0044] 无论表情如何变化，眼睛中心点相对于鼻尖、眉毛各点的距离都不会发生太大的 变化，并且，眉毛所占的面积也几乎不变，因此对其赋以较大的权重值;而眼睛中心点相对 于嘴巴中心和嘴角距离会随着表情的变化而发生变化，所以对其赋以较小的权重值。这样 就可以在不失一般性的基础上，部分解决表情变化带来的挥别误差。
[0045] 情绪识别子模块检测视频流以及图片中的运动信息中人脸的情绪特征，获得识别 结果的过程包括：
[0046] 步骤1，计算特征脸；
[0047]设人脸图像I(x，y)为二维NxN灰度图像，用N2维向量r表示。人脸图像训练集为 { r i I i = l，. . .，M}，其中M为训练集中图像总数，这M幅图像的平均向量为：
[0049] 每个人脸ri与平均人脸W的差值向量Oi为：
[0050] 〇i=T i-W；i = l,...,M
[0051] 训练图像的协方差矩阵可表示为：
[0052] C=AAt
[0053] 其中a=[ ? ? ?，C>M]，L=