[发明专利]一种基于情景感知的智能电视节目推荐系统

摘要

本发明实施例公开了一种基于情景感知的智能电视节目推荐系统，其中，该系统包括电视前端子系统，用于从云端获取相关任务的推荐节目名单；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。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。

主权项

一种基于情景感知的智能电视节目推荐系统，其特征在于，所述系统包括：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；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；所述用户识别系统包括数据采集模块、网络通信模块、识别算法模块、推荐模块及界面显示模块；所述识别算法模块包括人脸识别子模块及情绪识别子模块，所述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：步骤1，计算特征脸；设人脸图像I(x，y)为二维NxN灰度图像，用N2维向量Γ表示，人脸图像训练集为{Γi|i＝1，...，M}，其中M为训练集中图像总数，这M幅图像的平均向量为：每个人脸Γi与平均人脸Ψ的差值向量Φi为：Φi＝Γi‑Ψ；i＝1，...，M，训练图像的协方差矩阵可表示为：C＝AAT，其中A＝[Φ1，...，ΦM]，特征脸由协方差矩阵C的正交特征向量组成，对于NxN人脸图像，协方差矩阵C的大小为N2*N2，通过解M*M个较小的矩阵来求解矩阵C的特征值和特征向量，计算M*M矩阵L的特征向量vi(i＝1，...，M)，其中，L＝ATA，矩阵C的特征向量ui(i＝1，...，M)由差值向量Φi(i＝1，...，M)与vi(i＝1，...，M)线性组合得到：U＝[u1，...，uM]＝[Φ1，...，ΦM][v1，...，vM]＝AV，仅取L的前m个最大特征值的特征向量计算特征脸；步骤2，基于特征脸的人脸识别，基于特征脸的人脸识别过程由训练阶段和识别阶段两个阶段组成；在训练阶段，每个己知人脸Γk映射到由特征脸组成的子空间上，得到m维向量Ωk，Ωk＝UT(Γk‑Ψ)；k＝1，...，Nc，其中Nc为已知人数，在识别阶段，首先把待识别的图像Γ映射到特征脸空间，得到向量Ω：Ω＝UTΓ‑Ψ，距离门限值θc定义为：Ω与每个人脸集的距离定义为：k＝1，...Nc，计算原始图像Γ与特征脸空间重建的图像Γk之间的距离ε：ε2＝||Γ‑Γk||2，其中Γk＝UΩ+Ψ，人脸分类规则如下：若ε≥θc，则输入的图像不是人脸图像；若ε＜θc，且对于任意k，εk≥θc，则输入的图像包含未知人脸；若ε＜θc，且对于任意k，εk＜θc，则输入的图像包含图像库中第k个人脸。