[发明专利]一种设备识别方法、装置及设备、存储介质有效

专利信息
申请号: 201910312754.3 申请日: 2019-04-18
公开(公告)号: CN110502677B 公开(公告)日: 2022-09-16
发明(设计)人: 王滨;万里;王星;何承润;姚铮;刘松 申请(专利权)人: 杭州海康威视数字技术股份有限公司
主分类号: G06F16/906 分类号: G06F16/906;G06F16/958
代理公司: 北京博思佳知识产权代理有限公司 11415 代理人: 林祥
地址: 310051 浙*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 设备 识别 方法 装置 存储 介质
【权利要求书】:

1.一种设备识别方法,其特征在于,包括:

获取目标网页的源码信息,所述目标网页与目标设备相关;

从所述源码信息中提取出用于表征所述目标网页的网页特征;其中,提取的网页特征分为M个特征类别,M等于1或者大于1,所述M个特征类别包括网页标签统计特征、链接地址统计特征与文本内容特征;

根据所述网页特征对所述目标设备是否属于视频设备进行分类,包括:确定属于每一特征类别的网页特征对应的特征向量;将各特征向量输入至已训练的设备类别分类器,以由设备类别分类器依据输入的特征向量识别所述目标设备所属的设备类别为视频设备或者非视频设备;

在根据所述网页特征确定所述目标设备属于目标类别时,根据所述目标设备的网页特征和预设的属性标签数据,识别出所述目标设备的属性信息;其中,所述目标类别为视频设备。

2.如权利要求1所述的设备识别方法,其特征在于,根据所述目标设备的网页特征和预设的属性标签数据,识别出所述目标设备的属性信息包括:

将各特征向量分别输入至对应的属性分类器,以由各属性分类器依据输入的特征向量和预设的属性标签数据计算目标设备所属的属性信息,特征向量输入的属性分类器与特征向量对应的特征类别有关。

3.如权利要求2所述的设备识别方法,其特征在于,

所述属性信息包括属性概率,所述属性概率表示所述目标设备属于各指定属性的概率值,指定属性的数量大于1;

将各特征向量分别输入至对应的属性分类器之后,该方法进一步包括:

针对每一属性分类器输出的各概率值,将该各概率值与属性分类器对应的预设权重相乘得到该属性分类器的各指定属性的参考概率值;

将同一指定属性的参考概率值相加得到指定属性的目标概率值;

将目标概率值最大的指定属性确定为所述目标设备所属的目标属性。

4.一种设备识别装置,其特征在于,包括:

源码信息获取模块,用于获取目标网页的源码信息,所述目标网页与目标设备相关;

网页特征提取模块,用于从所述源码信息中提取出用于表征所述目标网页的网页特征;其中,提取的网页特征分为M个特征类别,M等于1或者大于1,所述M个特征类别包括网页标签统计特征、链接地址统计特征与文本内容特征;

目标设备分类模块,用于根据所述网页特征对所述目标设备是否属于视频设备进行分类,包括:确定属于每一特征类别的网页特征对应的特征向量;将各特征向量输入至已训练的设备类别分类器,以由设备类别分类器依据输入的特征向量识别所述目标设备所属的设备类别为视频设备或者非视频设备;

属性识别模块,用于在根据所述网页特征确定所述目标设备属于目标类别时,根据所述目标设备的网页特征和预设的属性标签数据,识别出所述目标设备的属性信息;其中,所述目标类别为视频设备。

5.如权利要求4所述的设备识别装置,其特征在于,提取的网页特征分为M个特征类别,M等于1或者大于1,所述M个特征类别包括网页标签统计特征、链接地址统计特征与文本内容特征;目标设备分类模块包括:

特征向量确定单元,用于确定属于每一特征类别的网页特征对应的特征向量;

目标设备分类单元,用于将各特征向量输入至已训练的设备类别分类器,以由设备类别分类器依据输入的特征向量识别所述目标设备所属的设备类别为视频设备或者非视频设备。

6.一种电子设备,其特征在于,包括处理器及存储器;所述存储器存储有可被处理器调用的程序;其中,所述处理器执行所述程序时,实现如权利要求1-3中任意一项所述的设备识别方法。

7.一种机器可读存储介质,其特征在于,其上存储有程序,该程序被处理器执行时,实现如权利要求1-3中任意一项所述的设备识别方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于杭州海康威视数字技术股份有限公司,未经杭州海康威视数字技术股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910312754.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top