[发明专利]用于基于视频帧特征的视频推荐的系统和方法

说明书

技术领域

本发明一般涉及用于内容推荐的系统和方法。

背景技术

已开发出了基于用户偏好和指示内容中有什么可以作为用于匹配的候选的元数据之间的相似性来向家庭娱乐系统的用户推荐内容的系统和方法。因此，用户可以明确地或隐含地表明他喜好由特定人物主演的电影，而推荐引擎可以搜索并返回其元数据(通常，是包含在视频流的开始处的未显示文本)表明所喜好的人物在电影中当主演的电影。

如这里所理解的，不仅仅未显示的元数据可以用来向用户推荐诸如电影之类的视频内容，，更明确地，视频的显示特征可以提供关于视频是否应当被推荐给特定用户观看的有用信号。

发明内容

公开了一种用于推荐视频内容的方法，该方法包括：处理来自多个候选视流流的各自的视频帧序列。该方法还包括从序列提取非元数据的视频特征，并且基于视频特征将候选视频流中的至少一个候选视频流返回作为推荐。

视频特征可以包括但不限于场景改变、色彩饱和度、运动矢量等。

在一个非限制性实施方式中，视频特征的一个子集被选择，并且仅仅该子集被用来将候选视频流中的至少一个候选视频流返回作为推荐。特征的训练集(training set)可以用作子集选择的部分。如果需要的话，可以将来自序列的非元数据视频特征与元数据和/或音频特征相组合用来返回候选视频流作为推荐。

在另一方面，一种系统包括候选视频的源以及计算机，计算机接收候选视频并且执行逻辑，逻辑包括：从视频提取视频特征，并且利用视频特征以及与用户的视频偏好有关的信息来向用户提供候选视频中的至少一个候选视频作为推荐。

在又一方面，一种计算机可读介质承载有计算机可读指令，指令被具体化为：用于从多个候选视频单元提取非元数据非音频特征的手段；以及用于处理来自多个候选视频单元的非元数据非音频特征以生成与用户的偏好相匹配的至少一个推荐视频单元的手段。

附图说明

参考附图可以最好地理解本发明的结构和操作方面的细节，在附图中，相似的标号指相似的部分，并且其中：

图1是根据本发明的非限制性系统的框图；以及

图2是所提出的逻辑的一个非限制性实施方式的流程图。

具体实施方式

首先参考图1，示出了一种系统，该系统总地被标注为10，该系统包括视频内容提供商服务器12，例如但不限于因特网服务器。系统10还可以包括视频内容的替代源，例如通过例如机顶盒18与用户的TV 16通信的电缆头端服务器14，并且视频内容还可以通过TV中的浏览器从其它因特网服务器20直接被提供给因特网使能的TV。

关注因特网服务器12，服务器12可以访问包含了电影、电视节目或其它视频的视频数据库22。服务器12可以与计算机通信，计算机例如是如图所示的可以与TV 16共置并且可与TV 16通信的用户计算机24，并且计算机24可以包括处理器26，处理器26执行存储在计算机可读介质(例如，固态存储器、盘存储器等)上的逻辑模块28以实现这里的逻辑。然而，将会明白，所提出的逻辑可以在服务器12、头端服务器14、其它服务器20中执行，或者可以将其分布在这里所示的各个计算机中。

现在参考图2，对于来自例如服务器12/20和/或头端服务器14的多个候选视频流的每个，从至少一些帧中提取视频特征。因此，提取出的特征不是元数据，而是帧的视频特征，虽然如下所述元数据可以与视频特征结合用来返回推荐。

非限制性地，可以从帧提取出的视频特征包括表明视频是较快改变还是较慢改变的场景改变(scene change)。视频特征还可以包括色彩饱和度，色彩饱和度表明诸如动画片之类的某个类型，其中动画片具有较高的色彩饱和度。视频特征还可以包括运动矢量，运动矢量还表明电影是否是内容丰富有趣(action-packed)的。可以使用的其它非限制性视频特征包括亮度和色度(其本身可被用作场景改变的指示符)。在非限制性实施方式中，统计推理模型(statistical reasoning model)可以用来检测诸如场景改变之类的事件。

移到块32，视频特征集被剪除，原因在于特征子集是根据块34中的学习集(learning set)输入而选择的。在一个实施方式中，学习集是全局性的。在其它实施方式中，学习集对于向其进行推荐的用户是个人的。