本發(fā)明涉及網(wǎng)絡(luò)視頻直播技術(shù)領(lǐng)域，特別涉及一種基于主播外貌的視頻推薦方法及裝置。

背景技術(shù)：

隨著互聯(lián)網(wǎng)的發(fā)展和網(wǎng)絡(luò)用戶的激增，人們的日常行為和社交溝通變得越來越依賴于網(wǎng)絡(luò)。一個典型的行為改變現(xiàn)象比如視頻收看，借助于網(wǎng)絡(luò)，傳統(tǒng)被動地接收電視視頻不再是唯一選擇，越來越多的用戶傾向于主動選擇視頻收看內(nèi)容。在生活類視頻直播中，比如視頻聊天室、美女直播、各種個人秀等，用戶更關(guān)注的是主播人員的外在形象而并非節(jié)目內(nèi)涵，在這種情況下，選擇用戶喜好的視頻節(jié)目無法依賴于通用的文字信息檢索方式實現(xiàn)。

現(xiàn)有技術(shù)中，視頻節(jié)目的推薦一般基于點擊率、好評率、內(nèi)容簡介等方式進(jìn)行排序和/或匹配，但這些推薦方式實際上無法直觀反映主播人員的外貌特征，對于以主播外貌為最關(guān)鍵特點的節(jié)目和用戶來說，現(xiàn)有技術(shù)的視頻推薦方式無法滿足快速發(fā)現(xiàn)滿意節(jié)目的需求。為直觀表示主播人員形象，現(xiàn)有技術(shù)一般會通過截屏或頭像來展示視頻，但該方式只能依靠用戶自行瀏覽去主觀篩選，無法滿足推薦需求；另外截屏或頭像的圖片展示方式比較容易造假，也無法隨主播形象變化而變化，不能準(zhǔn)確反映實際情況。

技術(shù)實現(xiàn)要素：

基于現(xiàn)有技術(shù)的缺陷，本發(fā)明的目的是提供一種基于主播外貌的視頻推薦方法及裝置，以客觀準(zhǔn)確地評價視頻主播形象，對用戶進(jìn)行精準(zhǔn)的推薦。

根據(jù)本發(fā)明的一個方面，提供了一種基于主播外貌的視頻推薦方法，包括步驟：

動態(tài)采集視頻中主播人員臉部的多個畫面，通過人臉識別分析，獲得各個所述畫面中所述主播人員的外貌數(shù)據(jù)；

將所述外貌數(shù)據(jù)與標(biāo)準(zhǔn)樣本數(shù)據(jù)進(jìn)行比對，按照比對的偏離程度確定各個所述畫面中所述主播人員的美麗指數(shù)；

計算多個所述畫面中所述主播人員的美麗指數(shù)的平均值，以所述平均值進(jìn)行視頻搜索和/或推薦。

優(yōu)選地，所述方法還包括步驟：

選取符合用戶審美標(biāo)準(zhǔn)的多個人物形象，將所述多個人物形象融合獲得標(biāo)準(zhǔn)樣本模型，對所述標(biāo)準(zhǔn)樣本模型進(jìn)行人臉識別分析獲得所述標(biāo)準(zhǔn)樣本數(shù)據(jù)。

優(yōu)選地，對用戶行為進(jìn)行統(tǒng)計和/或接收用戶的選擇來發(fā)現(xiàn)并選取所述人物形象。

優(yōu)選地，所述按照比對的偏離程度確定包括：

以所述標(biāo)準(zhǔn)樣本數(shù)據(jù)作為美麗指數(shù)最高的參照樣本，在所述外貌數(shù)據(jù)與所述標(biāo)準(zhǔn)樣本數(shù)據(jù)中某項特征數(shù)據(jù)發(fā)生偏離時進(jìn)行相應(yīng)的減分處理，將最后的得分作為當(dāng)前畫面中所述主播人員的美麗指數(shù)。

優(yōu)選地，所述以所述平均值進(jìn)行視頻搜索和/或推薦包括：

將所述平均值作為所述主播或所述視頻的標(biāo)記，以所述標(biāo)記為基礎(chǔ)進(jìn)行全部主播或全部視頻的排序；

在用戶進(jìn)行視頻搜索或?qū)τ脩暨M(jìn)行視頻推薦時，按照所述排序的結(jié)果向用戶進(jìn)行優(yōu)先呈現(xiàn)。

根據(jù)本發(fā)明的另一個方面，還提供了一種基于主播外貌的視頻推薦裝置，包括：

動態(tài)采集模塊，用于動態(tài)采集視頻中主播人員臉部的多個畫面，通過人臉識別分析，獲得各個所述畫面中所述主播人員的外貌數(shù)據(jù)；

比對模塊，用于將所述外貌數(shù)據(jù)與標(biāo)準(zhǔn)樣本數(shù)據(jù)進(jìn)行比對，按照比對的偏離程度確定各個所述畫面中所述主播人員的美麗指數(shù)；

搜索推薦模塊，用于計算多個所述畫面中所述主播人員的美麗指數(shù)的平均值，以所述平均值進(jìn)行視頻搜索和/或推薦。

優(yōu)選地，所述裝置還包括：

初始化模塊，用于選取符合用戶審美標(biāo)準(zhǔn)的多個人物形象，將所述多個人物形象融合獲得標(biāo)準(zhǔn)樣本模型，對所述標(biāo)準(zhǔn)樣本模型進(jìn)行人臉識別分析獲得所述標(biāo)準(zhǔn)樣本數(shù)據(jù)。

優(yōu)選地，所述初始化模塊包括：

個性化選取模塊，用于對用戶行為進(jìn)行統(tǒng)計和/或接收用戶的選擇來發(fā)現(xiàn)并選取所述人物形象。

優(yōu)選地，所述比對模塊包括：

顏值得分模塊，用于以所述標(biāo)準(zhǔn)樣本數(shù)據(jù)作為美麗指數(shù)最高的參照樣本，在所述外貌數(shù)據(jù)與所述標(biāo)準(zhǔn)樣本數(shù)據(jù)中某項特征數(shù)據(jù)發(fā)生偏離時進(jìn)行相應(yīng)的減分處理，將最后的得分作為當(dāng)前畫面中所述主播人員的美麗指數(shù)。

優(yōu)選地，所述搜索推薦模塊包括：

排序模塊，用于將所述平均值作為所述主播或所述視頻的標(biāo)記，以所述標(biāo)記為基礎(chǔ)進(jìn)行全部主播或全部視頻的排序；

呈現(xiàn)模塊，用于在用戶進(jìn)行視頻搜索或?qū)τ脩暨M(jìn)行視頻推薦時，按照所述排序的結(jié)果向用戶進(jìn)行優(yōu)先呈現(xiàn)。

本發(fā)明實施例提供了一種基于主播外貌的視頻推薦方法及裝置，其技術(shù)方案通過動態(tài)采集視頻畫面保證信息的真實可靠性；利用人臉識別分析后的具體外貌特征數(shù)據(jù)值進(jìn)行比對，可客觀準(zhǔn)確評價主播人員顏值；按照客觀量化的數(shù)值進(jìn)行搜索推薦，可精準(zhǔn)直觀地發(fā)現(xiàn)符合用戶主觀喜好的內(nèi)容，從而達(dá)到為用戶優(yōu)先推薦偏好匹配度較高的主播的目的。

附圖說明

圖1是本發(fā)明一個實施例中基于主播外貌的視頻推薦方法的基本流程示意圖；

圖2是本發(fā)明一個優(yōu)選的人臉識別分析演示實例示意圖；

圖3是本發(fā)明一個實施例中基于主播外貌的視頻推薦裝置的模塊結(jié)構(gòu)示意圖。

具體實施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚明了，下面結(jié)合具體實施方式并參照附圖，對本發(fā)明進(jìn)一步詳細(xì)說明。應(yīng)該理解，這些描述只是示例性的，而并非要限制本發(fā)明的范圍。此外，在以下說明中，省略了對公知結(jié)構(gòu)和技術(shù)的描述，以避免不必要地混淆本發(fā)明的概念。

“顏值”本是略帶調(diào)侃性質(zhì)的網(wǎng)絡(luò)用語，當(dāng)前所說“顏值”的高低實際只有個人的主觀認(rèn)知評價，并不存在客觀的評價標(biāo)準(zhǔn)。在以主播的個人表現(xiàn)為主的網(wǎng)絡(luò)視頻中，主播的外貌形象是用戶觀看視頻的主要選擇因素，但外貌形象無法采用通用的文字描述來客觀準(zhǔn)確表述，故現(xiàn)有技術(shù)中在用戶搜索視頻或?qū)τ脩敉扑]視頻時無法對這類視頻進(jìn)行精準(zhǔn)推薦。

在本發(fā)明實施例中，通過在視頻中動態(tài)獲取主播臉部特征，采用相對客觀統(tǒng)一的標(biāo)準(zhǔn)評價主播“顏值”，從而可真實且精準(zhǔn)地基于主播外貌進(jìn)行視頻推薦。如圖1所示，在本發(fā)明實施例中，基于主播外貌的視頻推薦方法包括步驟：

s1，動態(tài)采集視頻中主播人員臉部的多個畫面，通過人臉識別分析，獲得各個所述畫面中所述主播人員的外貌數(shù)據(jù)；

s2，將所述外貌數(shù)據(jù)與標(biāo)準(zhǔn)樣本數(shù)據(jù)進(jìn)行比對，按照比對的偏離程度確定各個所述畫面中所述主播人員的美麗指數(shù)；

s3，計算多個所述畫面中所述主播人員的美麗指數(shù)的平均值，以所述平均值進(jìn)行視頻搜索和/或推薦。

在本發(fā)明優(yōu)選實施例中，所述方法還包括初始化步驟：

s0，選取符合用戶審美標(biāo)準(zhǔn)的多個人物形象，將所述多個人物形象融合獲得標(biāo)準(zhǔn)樣本模型，對所述標(biāo)準(zhǔn)樣本模型進(jìn)行人臉識別分析獲得所述標(biāo)準(zhǔn)樣 本數(shù)據(jù)。

其中，人物形象可以依據(jù)點擊率、收藏率、好評率、平均觀看時間、同時在線人數(shù)、累計觀看次數(shù)/時長等人氣標(biāo)準(zhǔn)從網(wǎng)絡(luò)視頻主播人員中選取，也可以依據(jù)公眾投票、評論等從明星、公眾人物或網(wǎng)絡(luò)人物中選取。更進(jìn)一步地，為使樣本可充分體現(xiàn)用戶個人的審美標(biāo)準(zhǔn)，優(yōu)選可對用戶行為進(jìn)行統(tǒng)計和/或接收用戶的選擇來發(fā)現(xiàn)并選取用戶喜好的人物形象。用戶的選擇包括但不限于用戶上傳信息和/或用戶從現(xiàn)有信息中設(shè)定優(yōu)先級，這里所說的信息主要包括圖片、視頻和主播個人資料等。

使用選取的多個人物形象的標(biāo)準(zhǔn)臉部圖片進(jìn)行疊加融合，提取融合后的公共形象作為標(biāo)準(zhǔn)樣本模型。標(biāo)準(zhǔn)臉部圖片包括但不限于正臉圖片和側(cè)臉圖片。由于人物形象的選取可以隨時動態(tài)更新/調(diào)整，故標(biāo)準(zhǔn)樣本模型也可根據(jù)實際選取情況進(jìn)行動態(tài)更新。

理論上說，融合獲得的標(biāo)準(zhǔn)樣本模型應(yīng)具有選取的多個人物形象中共同點最多的臉部特征，但目前的標(biāo)準(zhǔn)樣本模型仍然只是圖片，無法進(jìn)行高效和客觀的比對，故需要進(jìn)一步對所述標(biāo)準(zhǔn)樣本模型進(jìn)行人臉識別分析，以獲得各個臉部特征的具體數(shù)據(jù)。其中，如圖2所示，標(biāo)準(zhǔn)樣本數(shù)據(jù)中主要包括標(biāo)準(zhǔn)樣本模型的臉部器官尺寸、比例、膚色值、均勻度等數(shù)據(jù)，比如眼睛/鼻子/嘴巴/眉毛等器官相對臉的大小、間距、所在位置等，鼻子、下巴、下頜骨角度等，這些標(biāo)準(zhǔn)樣本數(shù)據(jù)采用具體數(shù)值或數(shù)值范圍對各個臉部特征進(jìn)行表述。同樣地，在標(biāo)準(zhǔn)樣本模型動態(tài)更新時，標(biāo)準(zhǔn)樣本數(shù)據(jù)也相應(yīng)進(jìn)行動態(tài)更新。

步驟s1中，在主播開播期間，可以設(shè)定每隔預(yù)定的時間周期，比如5分鐘，截取一次攝像頭畫面，從而動態(tài)采集視頻中主播人員臉部的多個畫面。先對采集的畫面進(jìn)行預(yù)處理，在角度、光線或圖像質(zhì)量等不理想的情況下可直接丟棄當(dāng)前畫面而等待下次采集。對可用的采集畫面進(jìn)行人臉識別分析，以獲得當(dāng)前畫面中主播人員各個臉部特征的具體外貌數(shù)據(jù)。外貌數(shù)據(jù)與上述標(biāo)準(zhǔn)樣本數(shù)據(jù)的識別分析過程和結(jié)果類似，在此不再贅述。

步驟s2中，將所述外貌數(shù)據(jù)與標(biāo)準(zhǔn)樣本數(shù)據(jù)進(jìn)行比對主要是比對各個臉部特征的具體數(shù)據(jù)。以標(biāo)準(zhǔn)樣本數(shù)據(jù)作為美麗指數(shù)最高(比如滿分100)的參照樣本，在外貌數(shù)據(jù)與標(biāo)準(zhǔn)樣本數(shù)據(jù)中某項特征數(shù)據(jù)發(fā)生偏離時進(jìn)行相應(yīng)的減分處理，將最后的得分作為當(dāng)前畫面中主播人員的顏值數(shù)據(jù)(即美麗指數(shù))。優(yōu)選地，在標(biāo)準(zhǔn)樣本數(shù)據(jù)存在正臉和側(cè)臉數(shù)據(jù)時，先判斷當(dāng)前畫面是正臉還是側(cè)臉，隨后選擇相應(yīng)的樣本數(shù)據(jù)進(jìn)行比對。對偏離程度(即減分標(biāo)準(zhǔn))的判斷可經(jīng)過大量的測試、調(diào)整來確定，以保證預(yù)期效果在95％以上。理論上說，受角度、光線、遮擋物等影響，美麗指數(shù)算法很難以做到100％準(zhǔn)確，優(yōu)選地，在發(fā)生小概率不準(zhǔn)確情況時可以通過人工校準(zhǔn)方式進(jìn)行修正。

步驟s3中，統(tǒng)計同一主播的美麗指數(shù)的平均值、或統(tǒng)計同一視頻中主播的美麗指數(shù)的平均值，將平均值作為該主播或該視頻的標(biāo)記，以此標(biāo)記為基礎(chǔ)進(jìn)行主播/視頻的排序，在用戶進(jìn)行視頻搜索或?qū)τ脩暨M(jìn)行視頻推薦時，按照排序結(jié)果向用戶進(jìn)行優(yōu)先呈現(xiàn)。其中，平均值可動態(tài)或定時更新，相應(yīng)的推薦結(jié)果也可定時更新和推送，比如每天更新一次，以達(dá)到動態(tài)變化的效果。更進(jìn)一步地，搜索和/或推薦時，可根據(jù)預(yù)先設(shè)定的美麗指數(shù)值范圍進(jìn)行優(yōu)選和/或屏蔽，比如設(shè)定美麗指數(shù)值低于70的直播不會被推薦。

如圖3所示，本發(fā)明實施例還同時提供了一種基于主播外貌的視頻推薦裝置1，包括：

動態(tài)采集模塊101，用于動態(tài)采集視頻中主播人員臉部的多個畫面，通過人臉識別分析，獲得各個所述畫面中所述主播人員的外貌數(shù)據(jù)；

比對模塊102，用于將所述外貌數(shù)據(jù)與標(biāo)準(zhǔn)樣本數(shù)據(jù)進(jìn)行比對，按照比對的偏離程度確定各個所述畫面中所述主播人員的美麗指數(shù)；

搜索推薦模塊103，用于計算多個所述畫面中所述主播人員的美麗指數(shù)的平均值，以所述平均值進(jìn)行視頻搜索和/或推薦。

本領(lǐng)域相關(guān)技術(shù)人員可以理解，與上述方法一一對應(yīng)地，本發(fā)明實施例的裝置中也同時存在與各方法步驟相對應(yīng)的各功能模塊，在此不再一一贅述。在實際應(yīng)用中，上述基于主播外貌的視頻推薦裝置可以是獨立的計算設(shè)備， 也可以是由計算設(shè)備加載的獨立功能單元，還可以是計算設(shè)備直接實現(xiàn)的虛擬/實體單元。同樣，裝置中的各模塊均可由位于計算設(shè)備中的中央處理器cpu、微處理器mpu、數(shù)字信號處理器dsp或現(xiàn)場可編程門陣列fpga等實現(xiàn)，上述裝置及模塊的實現(xiàn)手段不應(yīng)視為對本發(fā)明具體實施方式的限制。

本發(fā)明實施例提供了一種基于主播外貌的視頻推薦方法及裝置，其技術(shù)方案通過動態(tài)采集視頻畫面保證信息的真實可靠性；利用人臉識別分析后的具體外貌特征數(shù)據(jù)值進(jìn)行比對，可客觀準(zhǔn)確評價主播人員顏值；按照客觀量化的數(shù)值進(jìn)行搜索推薦，可精準(zhǔn)直觀地發(fā)現(xiàn)符合用戶主觀喜好的內(nèi)容，從而達(dá)到為用戶優(yōu)先推薦偏好匹配度較高的主播的目的。

應(yīng)當(dāng)理解的是，本發(fā)明的上述具體實施方式僅僅用于示例性說明或解釋本發(fā)明的原理，而不構(gòu)成對本發(fā)明的限制。因此，在不偏離本發(fā)明的精神和范圍的情況下所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。此外，本發(fā)明所附權(quán)利要求旨在涵蓋落入所附權(quán)利要求范圍和邊界、或者這種范圍和邊界的等同形式內(nèi)的全部變化和修改例。