專利名稱：基于智能遙控系統(tǒng)的身份識(shí)別方法和裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及到電視技術(shù)領(lǐng)域，特別涉及到基于智能遙控系統(tǒng)的身份識(shí)別方法和裝置。
背景技術(shù)：
目前，智能遙控系統(tǒng)提供的服務(wù)越來越依賴于其與用戶的交互，例如服務(wù)器及智能電視終端通過用戶交互將節(jié)目推送給有需求的用戶等，因此實(shí)現(xiàn)系統(tǒng)與用戶的交互已逐漸成為智能遙控系統(tǒng)中不可或缺的基本功能。但是現(xiàn)有技術(shù)中的智能遙控系統(tǒng)都無法根據(jù)用戶的具體身份實(shí)現(xiàn)交互，這無疑嚴(yán)重限制了智能遙控系統(tǒng)所提供的服務(wù)內(nèi)容。例如一個(gè)家庭中通常有爺爺、爸爸、小孩、媽媽等人物身份，但是服務(wù)器及智能電視終端卻無法根據(jù)這些人物身份實(shí)現(xiàn)合適的節(jié)目推送，如:根據(jù)爺爺身份推薦養(yǎng)身節(jié)目，根據(jù)爸爸身份推薦電影節(jié)目，根據(jù)小孩身份推薦少兒節(jié)目，根據(jù)媽媽身份推薦購(gòu)物節(jié)目等等。即使現(xiàn)在某些遙控系統(tǒng)將傳感器技術(shù)應(yīng)用到電視系統(tǒng)的用戶識(shí)別技術(shù)中來，但是，這些技術(shù)只能粗略的識(shí)別用戶大概的身份，無法做到精確識(shí)別，常常導(dǎo)致識(shí)別錯(cuò)誤的情況發(fā)生。

發(fā)明內(nèi)容
本發(fā)明的主要目的為提供一種準(zhǔn)確識(shí)別用戶身份的基于智能遙控系統(tǒng)的身份識(shí)別方法和裝置。本發(fā)明提出一種基于智能遙控系統(tǒng)的身份識(shí)別方法，包括步驟:步驟A，接收傳感器獲取的至少一個(gè)用戶行為數(shù)據(jù)；步驟B，計(jì)算 各個(gè)用戶行為數(shù)據(jù)的信息熵增益率，并采用決策樹按照所述各個(gè)用戶行為數(shù)據(jù)的信息熵增益率對(duì)各個(gè)用戶行為數(shù)據(jù)歸類，使同一類別的用戶行為數(shù)據(jù)構(gòu)成一個(gè)子數(shù)據(jù)集；步驟C,采用高斯模型和/或SVM (Support Vector Machine,支持向量機(jī))模型對(duì)各個(gè)子數(shù)據(jù)集建模，獲得身份識(shí)別結(jié)果；步驟D，顯示所述身份識(shí)別結(jié)果，供用戶校準(zhǔn)確認(rèn)。優(yōu)選地,所述步驟B具體包括:確定各個(gè)用戶行為數(shù)據(jù)的信息熵；根據(jù)所述信息熵，確定各個(gè)用戶行為數(shù)據(jù)的增益率；根據(jù)所述各個(gè)用戶行為數(shù)據(jù)的增益率建立決策樹；采用決策樹將所述增益率在同一預(yù)設(shè)增益率范圍內(nèi)的用戶行為數(shù)據(jù)歸類在同一個(gè)子數(shù)據(jù)集內(nèi)。優(yōu)選地,所述步驟C具體包括:采用高斯模型和/或SVM模型對(duì)各個(gè)子數(shù)據(jù)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(shí)別結(jié)果。優(yōu)選地，所述步驟C中，當(dāng)采用高斯模型和SVM模型對(duì)各個(gè)子數(shù)據(jù)集建模時(shí)，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(shí)別結(jié)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(dāng)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(shí)，直接將所述相似度最高的身份作為身份識(shí)別結(jié)果；當(dāng)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(shí)，比較SI與S2的相似度；當(dāng)SI與S2的相似度相同時(shí)，同時(shí)將SI與S2作為身份識(shí)別結(jié)果；當(dāng)SI與S2的相似度不同時(shí)，將SI與S2中相似度較高的身份作為身份識(shí)別結(jié)果。優(yōu)選地，所述步驟A之后還包括:在所述傳感器獲取的用戶行為數(shù)據(jù)中抽取屬于預(yù)設(shè)參考范圍內(nèi)的用戶行為數(shù)據(jù)，并將所述屬于預(yù)設(shè)參考范圍內(nèi)的用戶行為數(shù)據(jù)作為步驟B中用于計(jì)算信息熵增益率以及供決策樹歸類的數(shù)據(jù)。本發(fā)明還提出一種基于智能遙控系統(tǒng)的身份識(shí)別裝置，包括:接收模塊，用于接收傳感器獲取的至少一個(gè)用戶行為數(shù)據(jù)；分類模塊，用于計(jì)算各個(gè)用戶行為數(shù)據(jù)的信息熵增益率，并采用決策樹按照所述各個(gè)用戶行為數(shù)據(jù)的信息熵增益率對(duì)各個(gè)用戶行為數(shù)據(jù)歸類，使同一類別的用戶行為數(shù)據(jù)構(gòu)成一個(gè)子數(shù)據(jù)集；
·
識(shí)別模塊，用于采用高斯模型和/或SVM模型對(duì)各個(gè)子數(shù)據(jù)集建模，獲得身份識(shí)別結(jié)果;顯示模塊，用于顯示所述身份識(shí)別結(jié)果，供用戶校準(zhǔn)確認(rèn)。優(yōu)選地，所述分類模塊具體用于:確定各個(gè)用戶行為數(shù)據(jù)的信息熵；根據(jù)所述信息熵，確定各個(gè)用戶行為數(shù)據(jù)的增益率；根據(jù)所述各個(gè)用戶行為數(shù)據(jù)的增益率建立決策樹；采用決策樹將所述增益率在同一預(yù)設(shè)增益率范圍內(nèi)的用戶行為數(shù)據(jù)歸類在同一個(gè)子數(shù)據(jù)集內(nèi)。優(yōu)選地，所述識(shí)別模塊具體用于:采用高斯模型和/或SVM模型對(duì)各個(gè)子數(shù)據(jù)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(shí)別結(jié)果。優(yōu)選地，當(dāng)所述識(shí)別模塊采用高斯模型和SVM模型對(duì)各個(gè)子數(shù)據(jù)集建模時(shí)，所述識(shí)別模塊具體用于: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(dāng)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(shí)，直接將所述相似度最高的身份作為身份識(shí)別結(jié)果；當(dāng)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(shí)，比較SI與S2的相似度；當(dāng)SI與S2的相似度相同時(shí)，同時(shí)將SI與S2作為身份識(shí)別結(jié)果；
當(dāng)SI與S2的相似度不同時(shí)，將SI與S2中相似度較高的身份作為身份識(shí)別結(jié)果。優(yōu)選地，所述基于智能遙控系統(tǒng)的身份識(shí)別裝置還包括篩選模塊，具體用于，在所述傳感器獲取的用戶行為數(shù)據(jù)中抽取屬于預(yù)設(shè)參考范圍內(nèi)的用戶行為數(shù)據(jù)，并發(fā)送至所述分類模塊。本發(fā)明采用了傳感器識(shí)別技術(shù)、決策樹分類技術(shù)、建模與識(shí)別技術(shù)，實(shí)現(xiàn)用戶身份精確識(shí)別，有效提高了遙控系統(tǒng)中用戶身份的準(zhǔn)確性。


圖1為本發(fā)明基于智能遙控系統(tǒng)的身份識(shí)別方法的第一實(shí)施例的流程圖；圖2為本發(fā)明基于智能遙控系統(tǒng)的身份識(shí)別方法的第二實(shí)施例的流程圖；圖3為本發(fā)明基于智能遙控系統(tǒng)的身份識(shí)別方法的第三實(shí)施例的流程圖；圖4為本發(fā)明基于智能遙控系統(tǒng)的身份識(shí)別方法的第四實(shí)施例的流程
圖5為本發(fā)明基于智能遙控系統(tǒng)的身份識(shí)別方法的第五實(shí)施例的流程圖；圖6為本發(fā)明基于智能遙控系統(tǒng)的身份識(shí)別裝置的第一實(shí)施例的結(jié)構(gòu)示意圖；圖7為本發(fā)明基于智能遙控系統(tǒng)的身份識(shí)別裝置的第二實(shí)施例的結(jié)構(gòu)示意圖。本發(fā)明目的的實(shí)現(xiàn)、功能特點(diǎn)及優(yōu)點(diǎn)將結(jié)合實(shí)施例，參照附圖做進(jìn)一步說明。
具體實(shí)施例方式應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。如圖1所示，圖1為本發(fā)明基于智能遙控系統(tǒng)的身份識(shí)別方法的第一實(shí)施例的流程圖。本實(shí)施例提到的基于智能遙控系統(tǒng)的身份識(shí)別方法，包括:步驟A，接收傳感器獲取的至少一個(gè)用戶行為數(shù)據(jù)；本實(shí)施例中，由于各個(gè)用戶的行為習(xí)慣是不一樣的，例如用戶拿起遙控器的速度、遙控器面對(duì)遙控系統(tǒng)接收器的角度等方面都有不同，采用傳感器獲取用戶的行為動(dòng)作的數(shù)據(jù)，根據(jù)用戶的具體行為數(shù)據(jù)來識(shí)別用戶的身份。本實(shí)施例所采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(shí)的加速度可獲取用戶拿起遙控器偏轉(zhuǎn)角度，陀螺儀傳感器可獲取用戶傾斜遙控器時(shí)的轉(zhuǎn)動(dòng)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(zhuǎn)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(zhuǎn)值:x=0、y=0、z=90。在傳感器獲取用戶行為數(shù)據(jù)前，可先對(duì)各傳感器功能進(jìn)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(dāng)不需要使用某一類別的傳感器時(shí)，可直接通過配置傳感器的方式在電視系統(tǒng)的軟件端屏蔽掉它，無需修改遙控器的硬件結(jié)構(gòu)。具體配置方式可參照下表:
數(shù)據(jù)功能功能選擇(1-開啟功能，O-關(guān)閉功能)
陀螺儀X軸數(shù)據(jù) I 陀螺儀Y軸數(shù)據(jù) I
權(quán)利要求
1.一種基于智能遙控系統(tǒng)的身份識(shí)別方法，其特征在于，包括步驟: 步驟A，接收傳感器獲取的至少一個(gè)用戶行為數(shù)據(jù)； 步驟B，計(jì)算各個(gè)用戶行為數(shù)據(jù)的信息熵增益率，并采用決策樹按照所述各個(gè)用戶行為數(shù)據(jù)的信息熵增益率對(duì)各個(gè)用戶行為數(shù)據(jù)歸類，使同一類別的用戶行為數(shù)據(jù)構(gòu)成一個(gè)子數(shù)據(jù)集； 步驟C，采用高斯模型和/或SVM模型對(duì)各個(gè)子數(shù)據(jù)集建模，獲得身份識(shí)別結(jié)果； 步驟D，顯示所述身份識(shí)別結(jié)果，供用戶校準(zhǔn)確認(rèn)。
2.根據(jù)權(quán)利要求1所述的基于智能遙控系統(tǒng)的身份識(shí)別方法，其特征在于，所述步驟B具體包括: 確定各個(gè)用戶行為數(shù)據(jù)的信息熵； 根據(jù)所述信息熵，確定各個(gè)用戶行為數(shù)據(jù)的增益率； 根據(jù)所述各個(gè)用戶行為數(shù)據(jù)的增益率建立決策樹； 采用決策樹將所述增益率在同一預(yù)設(shè)增益率范圍內(nèi)的用戶行為數(shù)據(jù)歸類在同一個(gè)子數(shù)據(jù)集內(nèi)。
3.根據(jù)權(quán)利要求1或2所述的基于智能遙控系統(tǒng)的身份識(shí)別方法，其特征在于，所述步驟C具體包括: 采用高斯模型和/或SVM模型對(duì)各個(gè)子數(shù)據(jù)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(shí)別結(jié)果。
4.根據(jù)權(quán)利要求3所述的基于智能遙控系統(tǒng)的身份識(shí)別方法，其特征在于，所述步驟C中，當(dāng)采用高斯模型和SVM模型對(duì)各個(gè)子數(shù)據(jù)集建模時(shí)，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(shí)別結(jié)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(dāng)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(shí)，直接將所述相似度最高的身份作為身份識(shí)別結(jié)果； 當(dāng)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(shí)，比較SI與S2的相似度； 當(dāng)SI與S2的相似度相同時(shí)，同時(shí)將SI與S2作為身份識(shí)別結(jié)果； 當(dāng)SI與S2的相似度不同時(shí)，將SI與S2中相似度較高的身份作為身份識(shí)別結(jié)果。
5.根據(jù)權(quán)利要求3所述的基于智能遙控系統(tǒng)的身份識(shí)別方法，其特征在于，所述步驟A之后還包括: 在所述傳感器獲取的用戶行為數(shù)據(jù)中抽取屬于預(yù)設(shè)參考范圍內(nèi)的用戶行為數(shù)據(jù)，并將所述屬于預(yù)設(shè)參考范圍內(nèi)的用戶行為數(shù)據(jù)作為步驟B中用于計(jì)算信息熵增益率以及供決策樹歸類的數(shù)據(jù)。
6.一種基于智能遙控系統(tǒng)的身份識(shí)別裝置，其特征在于，包括: 接收模塊，用于接收傳感器獲取的至少一個(gè)用戶行為數(shù)據(jù)； 分類模塊，用于計(jì)算各個(gè)用戶行為數(shù)據(jù)的信息熵增益率，并采用決策樹按照所述各個(gè)用戶行為數(shù)據(jù)的信息熵增益率對(duì)各個(gè)用戶行為數(shù)據(jù)歸類，使同一類別的用戶行為數(shù)據(jù)構(gòu)成一個(gè)子數(shù)據(jù)集；識(shí)別模塊，用于采用高斯模型和/或SVM模型對(duì)各個(gè)子數(shù)據(jù)集建模，獲得身份識(shí)別結(jié)果; 顯示模塊，用于顯示所述身份識(shí)別結(jié)果，供用戶校準(zhǔn)確認(rèn)。
7.根據(jù)權(quán)利要求6所述的基于智能遙控系統(tǒng)的身份識(shí)別裝置，其特征在于，所述分類模塊具體用于: 確定各個(gè)用戶行為數(shù)據(jù)的信息熵； 根據(jù)所述信息熵，確定各個(gè)用戶行為數(shù)據(jù)的增益率； 根據(jù)所述各個(gè)用戶行為數(shù)據(jù)的增益率建立決策樹； 采用決策樹將所述增益率在同一預(yù)設(shè)增益率范圍內(nèi)的用戶行為數(shù)據(jù)歸類在同一個(gè)子數(shù)據(jù)集內(nèi)。
8.根據(jù)權(quán)利要求6或7所述的基于智能遙控系統(tǒng)的身份識(shí)別裝置，其特征在于，所述識(shí)別模塊具體用于: 采用高斯模型和/或SVM模型對(duì)各個(gè)子數(shù)據(jù)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(shí)別結(jié)果。
9.根據(jù)權(quán)利要求8所述的基于智能遙控系統(tǒng)的身份識(shí)別裝置，其特征在于，當(dāng)所述識(shí)別模塊采用高斯模型和SVM模型對(duì)各個(gè)子數(shù)據(jù)集建模時(shí)，所述識(shí)別模塊具體用于: 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(dāng)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(shí)，直接將所述相似度最高的身份作為身份識(shí)別結(jié)果； 當(dāng)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(shí)，比較SI與S2的相似度； 當(dāng)SI與S2的相似度相同時(shí)，同時(shí)將SI與S2作為身份識(shí)別結(jié)果； 當(dāng)SI與S2的相似度不同時(shí)，將SI與S2中相似度較高的身份作為身份識(shí)別結(jié)果。
10.根據(jù)權(quán)利要求8所述的基于智能遙控系統(tǒng)的身份識(shí)別裝置，其特征在于，還包括篩選模塊，具體用于在所述傳感器獲取的用戶行為數(shù)據(jù)中抽取屬于預(yù)設(shè)參考范圍內(nèi)的用戶行為數(shù)據(jù)，并發(fā)送至所述分類模塊。
全文摘要
本發(fā)明公開了一種基于智能遙控系統(tǒng)的身份識(shí)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(gè)用戶行為數(shù)據(jù)；計(jì)算各個(gè)用戶行為數(shù)據(jù)的信息熵增益率，并采用決策樹按照所述各個(gè)用戶行為數(shù)據(jù)的信息熵增益率對(duì)各個(gè)用戶行為數(shù)據(jù)歸類，使同一類別的用戶行為數(shù)據(jù)構(gòu)成一個(gè)子數(shù)據(jù)集；采用高斯模型和/或SVM模型對(duì)各個(gè)子數(shù)據(jù)集建模，獲得身份識(shí)別結(jié)果；顯示所述身份識(shí)別結(jié)果，供用戶校準(zhǔn)確認(rèn)。本發(fā)明采用了傳感器識(shí)別技術(shù)、決策樹分類技術(shù)、建模與識(shí)別技術(shù)，實(shí)現(xiàn)用戶身份精確識(shí)別，有效提高了遙控系統(tǒng)中用戶身份的準(zhǔn)確性。
文檔編號(hào)H04N21/4627GK103248955SQ20131014098
公開日2013年8月14日 申請(qǐng)日期2013年4月22日 優(yōu)先權(quán)日2013年4月22日
發(fā)明者王云華, 付遙遠(yuǎn), 王凌晨, 胡佳文, 韋澤垠 申請(qǐng)人:深圳Tcl新技術(shù)有限公司