基於智能遙控系統的身份識別方法和裝置的製作方法
2023-04-25 06:21:56 1
專利名稱：基於智能遙控系統的身份識別方法和裝置的製作方法
技術領域：
本發明涉及到電視技術領域，特別涉及到基於智能遙控系統的身份識別方法和裝置。
背景技術：
目前，智能遙控系統提供的服務越來越依賴於其與用戶的交互，例如伺服器及智能電視終端通過用戶交互將節目推送給有需求的用戶等，因此實現系統與用戶的交互已逐漸成為智能遙控系統中不可或缺的基本功能。但是現有技術中的智能遙控系統都無法根據用戶的具體身份實現交互，這無疑嚴重限制了智能遙控系統所提供的服務內容。例如一個家庭中通常有爺爺、爸爸、小孩、媽媽等人物身份，但是伺服器及智能電視終端卻無法根據這些人物身份實現合適的節目推送，如:根據爺爺身份推薦養身節目，根據爸爸身份推薦電影節目，根據小孩身份推薦少兒節目，根據媽媽身份推薦購物節目等等。即使現在某些遙控系統將傳感器技術應用到電視系統的用戶識別技術中來，但是，這些技術只能粗略的識別用戶大概的身份，無法做到精確識別，常常導致識別錯誤的情況發生。
發明內容
本發明的主要目的為提供一種準確識別用戶身份的基於智能遙控系統的身份識別方法和裝置。本發明提出一種基於智能遙控系統的身份識別方法，包括步驟:步驟A，接收傳感器獲取的至少一個用戶行為數據；步驟B，計算 各個用戶行為數據的信息熵增益率，並採用決策樹按照所述各個用戶行為數據的信息熵增益率對各個用戶行為數據歸類，使同一類別的用戶行為數據構成一個子數據集；步驟C,採用高斯模型和/或SVM (Support Vector Machine,支持向量機)模型對各個子數據集建模，獲得身份識別結果；步驟D，顯示所述身份識別結果，供用戶校準確認。優選地,所述步驟B具體包括:確定各個用戶行為數據的信息熵；根據所述信息熵，確定各個用戶行為數據的增益率；根據所述各個用戶行為數據的增益率建立決策樹；採用決策樹將所述增益率在同一預設增益率範圍內的用戶行為數據歸類在同一個子數據集內。優選地,所述步驟C具體包括:採用高斯模型和/或SVM模型對各個子數據集建模，分別獲得各身份的相似度；排序各身份的相似度，將相似度最高的身份作為身份識別結果。優選地，所述步驟C中，當採用高斯模型和SVM模型對各個子數據集建模時，所述排序各身份的相似度，將相似度最高的身份作為身份識別結果的步驟具體包括:分別排序由高斯模型獲得的各身份的相似度、以及由SVM模型獲得的各身份的相似度；當由高斯模型獲得的相似度最高的身份SI與由SVM模型獲得的相似度最高的身份S2相同時，直接將所述相似度最高的身份作為身份識別結果；當由高斯模型獲得的相似度最高的身份SI與由SVM模型獲得的相似度最高的身份S2不同時，比較SI與S2的相似度；當SI與S2的相似度相同時，同時將SI與S2作為身份識別結果；當SI與S2的相似度不同時，將SI與S2中相似度較高的身份作為身份識別結果。優選地，所述步驟A之後還包括:在所述傳感器獲取的用戶行為數據中抽取屬於預設參考範圍內的用戶行為數據，並將所述屬於預設參考範圍內的用戶行為數據作為步驟B中用於計算信息熵增益率以及供決策樹歸類的數據。本發明還提出一種基於智能遙控系統的身份識別裝置，包括:接收模塊，用於接收傳感器獲取的至少一個用戶行為數據；分類模塊，用於計算各個用戶行為數據的信息熵增益率，並採用決策樹按照所述各個用戶行為數據的信息熵增益率對各個用戶行為數據歸類，使同一類別的用戶行為數據構成一個子數據集；
·
識別模塊，用於採用高斯模型和/或SVM模型對各個子數據集建模，獲得身份識別結果;顯示模塊，用於顯示所述身份識別結果，供用戶校準確認。優選地，所述分類模塊具體用於:確定各個用戶行為數據的信息熵；根據所述信息熵，確定各個用戶行為數據的增益率；根據所述各個用戶行為數據的增益率建立決策樹；採用決策樹將所述增益率在同一預設增益率範圍內的用戶行為數據歸類在同一個子數據集內。優選地，所述識別模塊具體用於:採用高斯模型和/或SVM模型對各個子數據集建模，分別獲得各身份的相似度；排序各身份的相似度，將相似度最高的身份作為身份識別結果。優選地，當所述識別模塊採用高斯模型和SVM模型對各個子數據集建模時，所述識別模塊具體用於:分別排序由高斯模型獲得的各身份的相似度、以及由SVM模型獲得的各身份的相似度；當由高斯模型獲得的相似度最高的身份SI與由SVM模型獲得的相似度最高的身份S2相同時，直接將所述相似度最高的身份作為身份識別結果；當由高斯模型獲得的相似度最高的身份SI與由SVM模型獲得的相似度最高的身份S2不同時，比較SI與S2的相似度；當SI與S2的相似度相同時，同時將SI與S2作為身份識別結果；
當SI與S2的相似度不同時，將SI與S2中相似度較高的身份作為身份識別結果。優選地，所述基於智能遙控系統的身份識別裝置還包括篩選模塊，具體用於，在所述傳感器獲取的用戶行為數據中抽取屬於預設參考範圍內的用戶行為數據，並發送至所述分類模塊。本發明採用了傳感器識別技術、決策樹分類技術、建模與識別技術，實現用戶身份精確識別，有效提高了遙控系統中用戶身份的準確性。
圖1為本發明基於智能遙控系統的身份識別方法的第一實施例的流程圖；圖2為本發明基於智能遙控系統的身份識別方法的第二實施例的流程圖；圖3為本發明基於智能遙控系統的身份識別方法的第三實施例的流程圖；圖4為本發明基於智能遙控系統的身份識別方法的第四實施例的流程
圖5為本發明基於智能遙控系統的身份識別方法的第五實施例的流程圖；圖6為本發明基於智能遙控系統的身份識別裝置的第一實施例的結構示意圖；圖7為本發明基於智能遙控系統的身份識別裝置的第二實施例的結構示意圖。本發明目的的實現、功能特點及優點將結合實施例，參照附圖做進一步說明。
具體實施例方式應當理解，此處所描述的具體實施例僅僅用以解釋本發明，並不用於限定本發明。如圖1所示，圖1為本發明基於智能遙控系統的身份識別方法的第一實施例的流程圖。本實施例提到的基於智能遙控系統的身份識別方法，包括:步驟A，接收傳感器獲取的至少一個用戶行為數據；本實施例中，由於各個用戶的行為習慣是不一樣的，例如用戶拿起遙控器的速度、遙控器面對遙控系統接收器的角度等方面都有不同，採用傳感器獲取用戶的行為動作的數據，根據用戶的具體行為數據來識別用戶的身份。本實施例所採用的傳感器可為加速度傳感器、方向傳感器、陀螺儀傳感器等，加速度傳感器可獲取用戶拿起或放下遙控器時的加速度可獲取用戶拿起遙控器偏轉角度，陀螺儀傳感器可獲取用戶傾斜遙控器時的轉動角速度。例如，爸爸拿起遙控器的加速度值:x=5、y=20> z=40,方向偏轉值:x=0、y=45度、z=90度；爺爺拿起遙控器的加速度值:x=l、y=4、z=10,方向偏轉值:x=0、y=0、z=90。在傳感器獲取用戶行為數據前，可先對各傳感器功能進行配置，例如，開啟需要用到的傳感器接收功能，屏蔽不需要用到的傳感器接收功能，當不需要使用某一類別的傳感器時，可直接通過配置傳感器的方式在電視系統的軟體端屏蔽掉它，無需修改遙控器的硬體結構。具體配置方式可參照下表:
數據功能功能選擇(1-開啟功能，O-關閉功能)
陀螺儀X軸數據 I 陀螺儀Y軸數據 I
權利要求
1.一種基於智能遙控系統的身份識別方法，其特徵在於，包括步驟: 步驟A，接收傳感器獲取的至少一個用戶行為數據； 步驟B，計算各個用戶行為數據的信息熵增益率，並採用決策樹按照所述各個用戶行為數據的信息熵增益率對各個用戶行為數據歸類，使同一類別的用戶行為數據構成一個子數據集； 步驟C，採用高斯模型和/或SVM模型對各個子數據集建模，獲得身份識別結果； 步驟D，顯示所述身份識別結果，供用戶校準確認。
2.根據權利要求1所述的基於智能遙控系統的身份識別方法，其特徵在於，所述步驟B具體包括: 確定各個用戶行為數據的信息熵； 根據所述信息熵，確定各個用戶行為數據的增益率； 根據所述各個用戶行為數據的增益率建立決策樹； 採用決策樹將所述增益率在同一預設增益率範圍內的用戶行為數據歸類在同一個子數據集內。
3.根據權利要求1或2所述的基於智能遙控系統的身份識別方法，其特徵在於，所述步驟C具體包括: 採用高斯模型和/或SVM模型對各個子數據集建模，分別獲得各身份的相似度； 排序各身份的相似度，將相似度最高的身份作為身份識別結果。
4.根據權利要求3所述的基於智能遙控系統的身份識別方法，其特徵在於，所述步驟C中，當採用高斯模型和SVM模型對各個子數據集建模時，所述排序各身份的相似度，將相似度最高的身份作為身份識別結果的步驟具體包括: 分別排序由高斯模型獲得的各身份的相似度、以及由SVM模型獲得的各身份的相似度； 當由高斯模型獲得的相似度最高的身份SI與由SVM模型獲得的相似度最高的身份S2相同時，直接將所述相似度最高的身份作為身份識別結果； 當由高斯模型獲得的相似度最高的身份SI與由SVM模型獲得的相似度最高的身份S2不同時，比較SI與S2的相似度； 當SI與S2的相似度相同時，同時將SI與S2作為身份識別結果； 當SI與S2的相似度不同時，將SI與S2中相似度較高的身份作為身份識別結果。
5.根據權利要求3所述的基於智能遙控系統的身份識別方法，其特徵在於，所述步驟A之後還包括: 在所述傳感器獲取的用戶行為數據中抽取屬於預設參考範圍內的用戶行為數據，並將所述屬於預設參考範圍內的用戶行為數據作為步驟B中用於計算信息熵增益率以及供決策樹歸類的數據。
6.一種基於智能遙控系統的身份識別裝置，其特徵在於，包括: 接收模塊，用於接收傳感器獲取的至少一個用戶行為數據； 分類模塊，用於計算各個用戶行為數據的信息熵增益率，並採用決策樹按照所述各個用戶行為數據的信息熵增益率對各個用戶行為數據歸類，使同一類別的用戶行為數據構成一個子數據集；識別模塊，用於採用高斯模型和/或SVM模型對各個子數據集建模，獲得身份識別結果; 顯示模塊，用於顯示所述身份識別結果，供用戶校準確認。
7.根據權利要求6所述的基於智能遙控系統的身份識別裝置，其特徵在於，所述分類模塊具體用於: 確定各個用戶行為數據的信息熵； 根據所述信息熵，確定各個用戶行為數據的增益率； 根據所述各個用戶行為數據的增益率建立決策樹； 採用決策樹將所述增益率在同一預設增益率範圍內的用戶行為數據歸類在同一個子數據集內。
8.根據權利要求6或7所述的基於智能遙控系統的身份識別裝置，其特徵在於，所述識別模塊具體用於: 採用高斯模型和/或SVM模型對各個子數據集建模，分別獲得各身份的相似度； 排序各身份的相似度，將相似度最高的身份作為身份識別結果。
9.根據權利要求8所述的基於智能遙控系統的身份識別裝置，其特徵在於，當所述識別模塊採用高斯模型和SVM模型對各個子數據集建模時，所述識別模塊具體用於: 分別排序由高斯模型獲得的各身份的相似度、以及由SVM模型獲得的各身份的相似度； 當由高斯模型獲得的相似度最高的身份SI與由SVM模型獲得的相似度最高的身份S2相同時，直接將所述相似度最高的身份作為身份識別結果； 當由高斯模型獲得的相似度最高的身份SI與由SVM模型獲得的相似度最高的身份S2不同時，比較SI與S2的相似度； 當SI與S2的相似度相同時，同時將SI與S2作為身份識別結果； 當SI與S2的相似度不同時，將SI與S2中相似度較高的身份作為身份識別結果。
10.根據權利要求8所述的基於智能遙控系統的身份識別裝置，其特徵在於，還包括篩選模塊，具體用於在所述傳感器獲取的用戶行為數據中抽取屬於預設參考範圍內的用戶行為數據，並發送至所述分類模塊。
全文摘要
本發明公開了一種基於智能遙控系統的身份識別方法和裝置，其方法包括步驟接收傳感器獲取的至少一個用戶行為數據；計算各個用戶行為數據的信息熵增益率，並採用決策樹按照所述各個用戶行為數據的信息熵增益率對各個用戶行為數據歸類，使同一類別的用戶行為數據構成一個子數據集；採用高斯模型和/或SVM模型對各個子數據集建模，獲得身份識別結果；顯示所述身份識別結果，供用戶校準確認。本發明採用了傳感器識別技術、決策樹分類技術、建模與識別技術，實現用戶身份精確識別，有效提高了遙控系統中用戶身份的準確性。
文檔編號H04N21/4627GK103248955SQ20131014098
公開日2013年8月14日 申請日期2013年4月22日 優先權日2013年4月22日
發明者王雲華, 付遙遠, 王凌晨, 胡佳文, 韋澤垠 申請人:深圳Tcl新技術有限公司