[发明专利]一种基于人际社交图的多媒体内容点播与分享方法

说明书

技术领域

本发明涉及一种基于人际社交图的多媒体内容点播与分享方法，属于移动通信增值服务领域。

背景技术

对新闻、视频和娱乐资讯要求较高的都市白领及部分大、中学生为主要消费群，覆盖不同年龄层次的消费者，每个年龄层次的消费者都拥有特色鲜明的娱乐消费习惯。以15～35岁这一年龄段为例，此年龄段的用户主要包括70后、80后和90后，他们的共同点在于追求年轻时尚的生活方式和新颖、超酷的娱乐方式，同时也是3G业务的主要使用者，平民偶像文化的倡导者与追随者。以2005年“超级女生”的最后决赛为例，由观众投票决出的“平民英雄”李宇春、周笔畅、张靓颖的短信票数分别为3528308、3270840、1353906张，由此间接可见“追星族”的庞大数量和娱乐偶像文化所带来的巨大经济效益。因此，为目标客户群提供全方位了解明星的互动平台，并支持音视频点播、图片浏览与下载等3G应用场景。其独特的以明星人际社交图为基础的多媒体内容点播与分享机制，能极大推动以视频点播为主的3G业务的发展。

发明内容

针对此问题，本发明提出了一种基于人际社交图的多媒体内容点播与分享方法。

本发明的技术方案包括以下步骤：

(1)分析互联网存在的多媒体内容，利用自动人脸检测和识别技术，识别网络海量明星照片和影视剧中的多姿态人脸；

(2)基于识别结果为图像或视频数据库中的人脸进行标注；

(3)根据明星在图像和视频中出现的频次，建立明星动态人际社交图；

(4)自动产生明星动态人气榜，并向移动终端推送；

(5)用户从移动终端上选择自己喜欢的明星，从网络服务器端下载查看该明星的动态人际社交图，及时掌握明星社交圈的更新，吸引用户查看明星最新的照片，视频和浏览相关新闻，从而发展以明星人际社交图为基础的音视频点播、图片浏览与下载等业务。

自动人脸检测包括如下步骤：

(1)通过收集各种姿态的人脸，包括正面人脸集、左侧面人脸集、右侧面人脸集等，基于Adaboost训练对应的人脸检测器，以得到正面人脸模型、左侧面模型和右侧面模型等人脸检测模型；

(2)为避免人脸尺寸和位置的不确定性，对给定图片进行金字塔降采样操作和全图扫描；

(3)将经过处理的全图扫描结果与人脸模型进行相似度判断，检测出人脸。基于人脸识别结果的人脸标注包括如下步骤：

(1)采用局部二值模式(Local Binary Patterns，LBP)对人脸特征提取；

(2)将人脸图像分块，采用直方图统计每块人脸图像的局部二值模式；

(3)采用线性判别分析技术(Linear Discriminant Analysis，LDA)对提取的直方图统计特征降维；

(4)将获得的降维特征作为模板保存或直接进行模式匹配；

(5)利用最近邻特征模板匹配方法，根据相似度最大的识别结果对照片进行标注。

在完成自动标注后，可依据照片标注的数量来确定此照片是否为合影照片，并以此为基础建立明星人际关系链接，并获得以每位明星为中心的人际社交图。

人际社交图的生成包括如下步骤：

(1)统计包含每位明星的合影照片总数量；

(2)初始化两位明星的社交权重为0；

(3)依据照片是否存在每位明星与其他明星的合影及合影人数，计算相应的权重；

(4)以合影照片总数量为基数，将每位明星与其他明星的合影权重归一化，获得明星之间社交关系重要度的参数；

(5)依据明星之间社交关系重要度，生成每位明星的人际社交图。

基于明星人际社交图，根据其人际社交图的规模和用户点击该明星多媒体资源的次数，综合产生明星动态人气排行榜。

明星动态人气排行榜的生成包括如下步骤：

(1)明星人气动态排行榜是以某个固定时段为基准而统计生成；

(2)统计每位明星在某个历史时段内多媒体资源被点击的次数和人际社交图的规模；

(3)依据统计结果分别计算每位明星的人气指数；

(4)根据每位明星人气指数的大小，确定他们在当前时段内人气排行榜上的位置。

在建立人际社交图后，可实现以人际社交图为基础的多媒体内容点播与分享：

(1)在人际社交图上，选择感兴趣的明星，点播影视剧集，浏览明星图库；

(2)在人际社交图上，选择与之存在社交关系的其他明星，点播共同出演的音视频，查看合影图片，阅读包含所有被选择明星的相关新闻报道。

本发明与现有技术相比的优点在于：