CN101355673B - 信息处理装置和信息处理方法 - Google Patents

Abstract

信息处理装置根据内容的所识别的类别处理内容。提取器从内容中提取特性数据。识别部件基于提取装置提取的特性数据识别内容的类别。执行部件使用根据识别部件识别的类别的方法对内容执行所设置的处理。这样做，识别用于所设置的处理的最佳内容类别。

Description

信息处理装置和信息处理方法

相关申请的交叉引用 

本发明包含涉及于2007年7月26日向日本专利局提交的日本专利申请JP 2007-194505的主题，通过引用将其全部内容合并在此。 

技术领域

本发明涉及信息处理装置、信息处理方法及其程序。更具体地，本发明涉及这样的信息处理装置、信息处理方法及其程序，其使得当基于内容类别对内容进行所设置的处理(set processing)时，识别用于这样的处理的最佳内容类别，并且使用根据所识别的类别的方法执行处理。

背景技术

数字电视广播变得更加流行，使用电子节目指南(EPG)也成为标准。

除了节目标题和广播时间之外，组成EPG的数据还包括指示节目类别的信息。例如，这样的数据可以包括指示诸如节目是新闻节目还是足球节目之类的种类(genre)的信息(下面称为种类信息)。

同时，从EPG获取的节目种类信息在记录和回放装置中用于各种功能。

例如，存在这样的功能，凭此功能从所记录的连续镜头(footage)创建概要连续镜头并进行回放，以便使得观看者容易地掌握大量所记录的连续镜头的内容。称为摘要功能(digest function)的这种功能使用节目种类信息作为改进其准确度的手段(参照日本待审查专利申请No.2003-283993)。

在JP-A-20030283993中，基于从EPG获得的节目种类信息加权从所记录的连续镜头中检测到的所设置的特性量(set characteristic quantities)。基于这些结果，确定用于摘要回放的连续镜头。

发明内容

然而，EPG主要用于方便观看者选择节目，并且由例如广播站创建。此外，针对观看者的节目选择分类其中指示的种类信息。因此，这样的类别不 需要适用于基于装置的处理(例如，摘要回放)。

根据这样的情况设计了本发明，其使得能够要针对基于装置的处理识别最佳内容分类。

根据本发明的实施例的信息处理装置，配备有：提取器，用于从内容中提取特性数据；识别部件，用于基于提取器提取的特性数据识别内容的类别；和执行部件，用于使用根据识别部件识别的类别的方法对内容执行所设置的处理。

执行部件还可以根据识别部件识别的类别选择所设置的处理方法，并且使用所选择的方法执行所设置的处理。

内容还可以包含视频数据，并且所设置的处理可以是检测内容中的章节点以进行摘要回放的处理，其中根据识别部件识别的类别，执行部件选择用于章节点检测的特性数据以及基于该特性数据选择用于检测章节点的计算方法。然后，执行部件可以使用所选择的特性数据和计算方法检测章节点。

信息处理装置还可以配备有试探部件(heuristic component)，用于创建参数，通过该参数，属于所设置的类别的确定内容可以识别为属于该所设置的类别。然后，识别部件可以基于由试探部件创建的参数识别内容的类别。

识别部件还可以接收由外部试探装置创建的这样的参数作为输入，通过该参数，属于所设置的类别的确定内容可以识别为属于该所设置的类别。然后，识别部件可以基于输入的参数识别内容的类别。

根据本发明实施例的信息处理方法，包括：提取步骤，其中提取用于一组内容的特性数据；识别步骤，其中基于在提取步骤中提取的特性数据识别内容的类别；和执行步骤，其中使用根据在识别步骤中识别的类别的方法对内容执行所设置的处理。

根据本发明实施例的程序使计算机执行以所设置的方式处理内容的信息处理，该程序包括：提取步骤，其中提取用于一组内容的特性数据；识别步骤，其中基于在提取步骤中提取的特性数据识别内容的类别；和执行步骤，其中使用根据在识别步骤中识别的类别的方法对内容执行所设置的处理。

在根据本发明实施例的信息处理装置、信息处理方法和程序中，提取用于一组内容的特性数据，基于所提取的特性数据识别内容的类别，然后使用根据所识别的类别的方法以所设置的方式处理内容。

作为本发明的结果，识别最佳内容类别来执行所设置的处理，并且使用 根据其类别的方法以所设置的方式处理内容。

附图说明

图1是图解已经应用本发明的记录/回放装置1的示例性配置的方框图；

图2显示试探数据的示例；

图3显示试探数据的另一示例；

图4显示经历章节点检测的节目的示例；

图5显示经历章节点检测的节目的另一示例；

图6显示经历章节点检测的节目的另一示例；和

图7是图解个人计算机的示例性配置的方框图。

具体实施方式

在描述本发明的实施例之前，在下面论述权利要求的特征和本发明的实施例中公开的特定元素之间的对应关系。本描述意欲确保在本说明书中描述了支持所要求的发明的实施例。因此，即使下面的实施例中的元素未被描述为涉及本发明的确定特征，这也不一定表示该元素不涉及权利要求的特征。相反，即使这里将元素描述为涉及权利要求的确定特征，但这也不一定表示该元素不涉及权利要求的其它特征。

根据本发明的实施例的信息处理装置，配备有：提取装置(例如，诸如图1中的特性音频数据提取器14或特性视频数据提取器15)，用于从一组内容中提取特性数据；识别装置(例如，诸如图1的识别部件17)，用于基于提取装置提取的特性数据识别内容的类别；和执行装置(例如，诸如图1的章节点检测器18)，用于使用根据识别装置识别的类别的方法对内容执行所设置的处理。

根据本发明实施例的信息处理方法和程序，包括下列步骤：提取步骤(例如，诸如图1中的特性音频数据提取器14或特性视频数据提取器15的处理)，其中提取用于一组内容的特性数据；识别步骤(例如，诸如图1的识别部件17的处理)，其中基于在提取步骤中提取的特性数据识别内容的类别；和执行步骤(例如，诸如图1的章节点检测器18的处理)，其中使用根据在识别步骤中识别的类别的方法执行所设置的处理。

图1显示已经应用本发明的记录/回放装置1的示例性配置。记录/回放装 置1从所接收到的数字电视广播中接收节目，并且包括使能所记录的节目的摘要回放的功能。当执行摘要回放时，记录/回放装置1检测要以摘要回放模式回放的连续镜头，然后将章节分配给连续镜头。然后，如下所述，记录/回放装置1还识别适用于检测要被分配章节(当合适时，下面称为章节点)的连续镜头的节目类别，并且使用根据所识别的节目类别的方法检测章节点。

由接收器(图中未示出)接收例如诸如来自数字电视广播信号的数字数据之类的数据，然后从接收器输入到数据分离器11。数据分离器11将输入的数字数据分离为EPG(电子节目指南)数据和音频/视频数据(当合适时，下面称为AV数据)。

然后，数据分离器11将所分离的EPG数据提供给存储EPG数据的存储器单元22，同时还将所分离的AV数据提供给输入控制器12。

当记录所接收到的广播节目时，输入控制器12将从数据分离器11提供的AV数据提供给存储AV数据的存储器单元20。

输入控制器12还将从数据分离器11提供的AV数据提供给解码器13，其中AV数据经历章节点检测。

获得从输入控制器12提供的AV数据或从存储器单元20读取的AV数据的解码器13将要经历章节点检测的AV数据分离为音频数据和视频数据。将音频数据提供给特性音频数据提取器14，同时将视频数据提供给特性视频数据提取器15。

特性音频数据提取器14从自解码器13提供的音频数据中提取诸如音量等级、频率范围和左/右声道关联值之类的特性音频数据。然后，该所提取的特性音频数据被提供给特性向量产生器16和章节点检测器18。

特性视频数据提取器15从解码器13提供的视频数据中提取诸如颜色柱状图、差异图(difference pictures)和缩小图像之类的特性视频数据。然后，该所提取的特性视频数据被提供给特性向量产生器16和章节点检测器18。

特性向量产生器16从特性音频数据提取器14和特性视频数据提取器15提供的特性数据中选择要在用于识别要被分配章节的节目的类别的识别部件17中使用的所设置的特性数据。然后，特性向量产生器16产生具有所选择的特性数据的值作为其元素的向量(下面称为特性向量)。然后，特性向量产生器16将所产生的特性向量提供给识别部件17。

基于从特性向量产生器16提供的特性向量，识别部件17识别节目类别 (在本示例中，为适于章节点检测的节目类别)。

例如，可以使用诸如线性鉴别器、非线性鉴别器之类的鉴别器或神经网络配置识别部件17，其中，在由基于试探装置31设置的识别参数产生的线或曲线划分的预定特性空间中配置构成特性向量的每个元素。然后，识别部件17基于所布置的元素的分布属于的特性空间的子集识别节目类别。

然后，识别部件17将识别结果提供给章节点检测器18作为指示节目类别的信息(下面称为类别信息)。

章节点检测器18根据由从识别部件17提供的类别信息指示的节目类别检测章节点。然后，章节点检测器18将指示所检测的章节点的信息(下面称为章节点信息)提供给其中存储章节点信息的存储器单元19。

例如，章节点检测器18可以根据节目类别，从特性音频数据提取器14和特性视频数据提取器15提供的特性数据中选择特性数据，同时根据节目类别额外执行计算处理。

更具体地，在这种情况下，章节点检测器18存储用于根据节目类别选择并计算特性数据的可执行数据(例如，包括参数和算法的程序)，基于每一类别存储所述可执行数据。通过根据节目类别选择和执行一组可执行数据，章节点检测器18检测章节点。

回放单元21读出在保持器(retainer)20中保持的AV数据，然后执行正常的回放或摘要回放。当执行摘要回放时，回放单元21将章节分配给在存储在存储器单元19中的章节点信息指示的连续镜头(例如，视频帧)。然后，回放单元21合适地从存储器单元20读出并回放已经向其分配的章节的连续镜头。换句话说，采样已经向其分配了章节的连续镜头，并且将其回放。

试探装置31使用试探模型进行处理，并且提供试探结果作为要在识别部件17中设置的参数，该参数在识别部件17中使用来识别节目类别。更具体地，例如，可以使用这些参数来产生用于细分特性空间的线或曲线。

如图2所示，在广播足球比赛的节目中，通常存在包含足球场的多个场景。为此，可以从广播足球比赛的节目中获取(例如，连续地)，例如，具有高频率绿色的许多颜色柱状图。

因此，当执行试探处理时，试探装置31获得广播足球比赛的节目作为用于类别“足球节目”的试探数据，如图2所示，该节目由包含足球场的连续镜头的场景组成。然后，试探装置31向识别部件17提供从试探数据获取的 每帧颜色柱状图的特性向量。然后，试探装置31参照来自识别部件17的识别结果，并且产生要在识别部件17中设置的识别参数，该识别参数使得识别部件17能够将类别识别为“足球节目”。(作为更具体的示例，识别参数可以用于产生细分特性空间的线或其它对象，使得从颜色柱状图获取的绿色频率的特性空间的分布变得位于“足球节目”区域内。)

此外，如图3所示，报道事件和活动的节目包括包含一个或多个人和演播室的连续镜头的多个场景。为此，可以从报道事件和活动的节目中获取具有一个或多个人和演播室的颜色特性的高频率的许多颜色柱状图。

因此，当执行试探处理时，试探装置31获得报道事件或活动的节目作为用于类别“新闻节目”的试探数据，如图3所示，该节目由包含一个或多个人和演播室的连续镜头的场景组成。然后，试探装置31向识别部件17提供从试探数据获取的每帧颜色柱状图的特性向量。然后，试探装置31参照来自识别部件17的识别结果，并且产生要在识别部件17中设置的识别参数，该识别参数使得识别部件17能够将类别识别为“新闻节目”。(作为更特定的示例，识别参数可以用于产生细分特性空间的线或其它对象，使得从颜色柱状图获取的绿色频率的特性空间的分布变得位于“新闻节目”区域内。)

应该理解，还可以不使用试探数据进行试探处理。例如，可以从特性向量中的元素的布置中将特性空间分类为数个模式(pattern)，然后可以产生识别参数以便实现这些类别。

参照图1，控制器41控制记录/回放装置1的整体操作，并且引起要在其中执行的诸如节目记录、正常回放和摘要回放之类的处理。

将更详细地描述章节点检测处理。

与图4所示类似，将描述其中从广播足球比赛的节目中检测章节点的情况。图4的上一行图解组成广播足球比赛的节目的连续镜头，而图4的下一行图解与以上连续镜头同时输出的音频的音量等级。

在这种情况下，针对其音量等级如图4所示波动的音频，特性音频数据提取器14从解码器13提供的音频数据中提取特性音频数据。特性音频数据包括诸如音量等级、频率范围和左/右关联值之类的信息。然后，特性音频数据提取器14将所提取的特性音频数据提供给特性向量产生器16和章节点检测器18。

特性视频数据提取器15从解码器13提供的、具有图4所示的连续镜头 的视频数据中提取特性视频数据。特性视频数据包括诸如颜色柱状图、差异图和缩小图像之类的信息。然后，特性视频数据提取器15将所提取的特性视频数据提供给特性向量产生器16和章节点检测器18。

在本示例中，特性向量产生器16使用特性视频数据提取器15提供的颜色柱状图来产生特性向量，该颜色柱状图是从特性音频数据提取器14和特性视频数据提取器15提供的特性数据中选择的。然后，特性向量产生器16将所产生的特性向量提供给识别部件17。

如上参照图2所述，从图4图解的连续镜头产生特性向量，并且将其提供给识别部件17，例如，该特性向量包含具有绿色的高频率的多个颜色柱状图。

如前所述，识别部件17学习到可以将类似上面的特性向量识别为类别“足球节目”中的节目。为此，一旦接收到从特性向量产生器16提供的以上特性向量(包含具有绿色的高频率的多个颜色柱状图)，识别部件17将与特性向量对应的节目识别为在“足球节目”类别中。识别部件17然后将识别结果作为指示类别是“足球节目”的类别信息发送到章节点检测器18。

广播足球比赛的节目的一个特性是在激动的场景期间音量等级升高，诸如在开球期间、当可能进球时以及当进球时(参照图4所示的示例中的箭头指示的电影箭头F42、F51和F53)。

更具体地，由于这样的激动场景是用户的兴趣，因此最好在摘要回放模式中回放这些场景。因此，当从识别部件17提供指示节目类别是“足球节目”的类别信息时，章节点检测器18从特性音频数据提取器14和特性视频数据提取器15提供的特性数据中选择音量等级值，然后进行计算，使得章节点被分配给所获取的音量等级超过固定等级的激动场景。然后，章节点检测器18将用于所检测的章节点的章节点信息作为这样的计算的结果提供给在其中存储章节点信息的存储器单元19。

以这种方式，当节目类别被识别为“足球节目”，并且激动场景被检测为章节点时，在摘要回放模式中回放那些激动的场景的诸如F42、F51和F53之类的连续镜头(例如，开球、可能进球和进球)。

接下来，将描述图5所示的类似的、从报道事件或活动的节目中检测章节点。

特性音频数据提取器14从解码器13提供的音频数据中提取特性音频数 据，该特征音频数据包括诸如音量等级、频率范围和左/右关联值之类的信息。然后，特性音频数据提取器14将所提取的特性音频数据提供给特性向量产生器16和章节点检测器18。

特性视频数据提取器15从解码器13提供的视频数据提取特性视频数据，特性视频数据包括诸如颜色柱状图、差异图和缩小图像之类的信息。然后，特性视频数据提取器15将所提取的特性视频数据提供给特性向量产生器16和章节点检测器18。

在本示例中，特性向量产生器16使用特性视频数据提取器15提供的颜色柱状图来产生特性向量，该颜色柱状图从特性音频数据提取器14和特性视频数据提取器15提供的特性数据中选择的。特性向量产生器16然后将所产生的向量提供给识别部件17。

如上参照图3所述，从图5所示的连续镜头产生特性向量，并且将其提供给识别部件17，该特性向量包含具有在对应连续镜头中显示的一个或多个人和演播室的颜色特性的高频率的多个颜色柱状图。

如上所述，识别部件17学习到与上面类似的特性向量可以被识别为来自类别“新闻节目”中的节目。为此，一旦接收到从特性向量产生器1 6提供的以上特性向量(包含具有一个或多个人和演播室的颜色特性的高频率的多个颜色柱状图)，识别部件17将与特性向量对应的节目识别为在“新闻节目”类别中。识别部件17然后将识别结果作为指示类别是“新闻节目”的类别信息发送到章节点检测器18。

报道事件或活动的节目的一个特性是节目连续镜头连续在报告新闻的一个或多个播音员的连续镜头和与事件或其它事情对应的连续镜头之间切换(参照图5所示的示例中的箭头指示的节目切换到电影箭头F61、F63、F71和F72)。

更具体地，由于其中连续镜头切换场景是其中一个或多个播音员报告新闻的连续镜头或其中显示与事件对应的连续镜头的初始场景，因此最好在摘要回放模式中回放这些场景。因此，当从识别部件17提供指示节目类别是“新闻节目”的类别信息时，章节点检测器18从特性音频数据提取器14和特性视频数据提取器15提供的特性数据中选择颜色柱状图和差异图。章节点检测器18使用该数据进行计算，使得章节点被分配给其中连续镜头的连续性出现中断的位置(例如，帧)(下面称为剪切点)。(换句话说，将章节点分配给其 中连续镜头在报道新闻的一个或多个播音员和与事件对应的连续镜头。)然后，章节点检测器18将用于所检测的章节点的章节点信息作为这样的计算的结果提供给在其中存储章节点信息的存储器单元19。

以这种方式，当节目类别被识别为“新闻节目”，并且剪切点被检测为章节点时，在摘要回放模式下回放那些场景的连续镜头F61、F63、F71和F72(其中连续镜头在报告新闻的一个或多个播音员和与事件对应的连续镜头之间切换)。

接下来，将描述从描述与图6所示的类似的足球比赛的结果的节目(即，摘要节目)中检测章节点。

特性音频数据提取器14从自解码器13提供的音频数据中提取特性音频数据，该特性音频数据包括诸如音量等级、频率范围和左/右关联值之类的信息。然后，特性音频数据提取器14将所提取的特性音频数据提供给特性向量产生器16和章节点检测器18。

特性视频数据提取器15从自解码器13提供的视频数据中提取特性视频数据，该特性视频数据包括诸如颜色柱状图、差异图和缩小图像之类的信息。然后，特性视频数据提取器15将所提取的特性视频数据提供给特性向量产生器16和章节点检测器18。

在本示例中，特性向量产生器16使用特性视频数据提取器15提供的颜色柱状图来产生特性向量，从特性音频数据提取器14和特性视频数据提取器15提供的特性数据中选择颜色柱状图。特性向量产生器16然后将所产生的特性向量提供给识别部件17。

从图6所示的连续镜头产生特性向量，并且将其提供给识别部件17，该特性向量包含具有针对一个或多个人和演播室的颜色特性的高频率的多个颜色柱状图。

如上所述，识别部件17学习到与上面类似的特性向量可以被识别为来自类别“新闻节目”中的节目。为此，一旦接收到从特性向量产生器16提供的以上特性向量(包含具有一个或多个人和演播室的颜色特性的高频率的多个颜色柱状图)，识别部件17将与特性向量对应的节目识别为在“新闻节目”类别中。然后，识别部件17将识别结果作为指示类别是“新闻节目”的类别信息发送到章节点检测器18。

一旦从识别部件17提供了指示节目类别是“新闻节目”的类别信息，则 章节点检测器18从特性音频数据提取器14和特性视频数据提取器15提供的特性数据中选择颜色柱状图和差异图。然后，与图5的示例类似，章节点检测器18使用该数据来进行计算，使得章节点被分配给剪切点。然后，章节点检测器18将用于所检测的章节点的章节点信息作为这样的计算的结果发送到其中存储章节点信息的存储器单元19。

描述足球比赛的结果的节目(即，摘要节目)的一个特性是节目连续镜头连续地在解释足球结果的一个或多个播音员的连续镜头和比赛的连续镜头之间切换(参照如图6所示的示例中的箭头指示那样、切换到连续镜头F81、F82、F91和F92的节目)。该特性对应于报道事件或活动的节目(参见图5)的特性，所述两个节目均在一个或多个播音员的连续镜头和其它、不同的连续镜头之间切换。

更具体地，由于其中连续镜头切换的场景是其中一个或多个播音员解释足球结果的连续镜头或比赛的连续镜头的初始场景，因此，与其中节目类别被识别为“新闻节目”的情况类似，最后在摘要回放模式下回放这些场景。

因此，虽然描述与图6所示的类似的、足球比赛的结果的节目在EPG中被放入“足球节目”种类，但是该类别被识别为如上所述的“新闻节目”，并且使用与用于类别“新闻节目”的节目的情况类似的方法检测章节点。这样做，进行对于描述足球比赛的结果的节目来说最佳的摘要回放。在图6所示的示例的情况下，在摘要回放模式下回放诸如F81、F83、F91和F92之类的连续镜头(其中连续镜头在描述足球结果的一个或多个播音员和比赛的连续镜头之间切换)。

例如，如果根据EPG中的类别针对图6所示的节目检测章节点(也就是，将章节点分配给与图4中的示例类似的激动场景)，则在摘要回放模式期间不回放合适的连续镜头。

因此，如上所述，进行适于检测要在摘要回放期间使用的章节点的节目类别识别，该章节点基于所识别的类型被检测。

应该理解，虽然通过示例方式描述了用在广播节目的摘要回放的情况中的章节点检测，但是本发明可以类似地应用到其它内容的摘要回放的情况中的章节点检测。例如，本发明还可以应用到使用摄像机记录的个人内容。虽然需要执行试探来分类个人内容，但是如图1中的示例所示，试探装置31内置在记录/回放装置1中，因此可以容易的执行这样的试探学习。

应该进一步理解，试探装置31不需要内置在记录/回放装置1中，并且由外部试探装置产生的识别参数可以被提供给记录/回放装置1并设置在识别部件17中。通过将识别参数记录在可由记录/回放装置1读取的记录介质上，可以将这些识别参数提供给识别/回放装置1。或者，在记录/回放装置1连接到同一网络的情况下，通过经由该网络提供识别参数。

此外，应该理解的是，虽然上面通过示例的方式描述了适于要在摘要回放中使用的章节点的检测的节目类别的识别，但也可以识别节目类别以便适合其它处理。

此外，虽然上述不包括正在执行类别识别处理的定时的论述，但可以与节目的记录同时进行这样的处理。更具体地，输入控制器12可以将AV数据提供给解码器13，同时还将AV数据提供给存储器单元20以在其中进行存储(即，同时记录AV数据)。

基于从输入控制器12提供的AV数据执行上述类别识别处理，在解码器13的处理之后和在识别部件17的处理之前执行类别识别处理。然而，应该理解的是，章节点检测器18在那一点不需要被激活，并且从特性音频数据提取器14和特性视频数据提取器15提供的特性数据可以，例如，被存储在章节点检测器18或被丢弃。

此外，还可以在已经记录节目并且已经识别节目类别之后进行章节点检测。由解码器1 3读出存储在存储器单元20中的AV数据，并且由特性音频数据提取器14和特性视频数据提取器15从AV数据中提取相应的特性数据组。然后，在章节点检测器18中，根据之前识别的节目类别从所提取的特性数据中选择特性数据，并且检测章节点。

另外，可以从整个节目或从其一部分(例如从节目开始至多预定量的时间(如，10分钟))中提取类别识别所需的特性向量中的特性数据。如上所述，如果从整个节目提取特性数据，则在节目已经完成记录之后进行类别识别。然而，如果从节目的一部分提取特性数据，则可以在特性音频数据提取器14和章节点检测器18之间，以及在特性视频数据提取器15和章节点检测器18之间提供缓冲器。如果特性数据存储在相应缓冲器中，直到产生特性向量并识别类别为止，则可以紧接在识别类别之后立即开始章节点检测。

另外，虽然通过示例的方式在上面将节目类别描述为“新闻节目”或“足球节目”，但是也可以识别诸如“音乐节目”之类的其它类别。广播歌曲或音 乐表演的节目包括在一个或多个主持人和一个或多个表演者之间交谈的长时间段，因此在某些情况下将这样的节目类别当作“新闻节目”，其使能适于摘要回放的章节点的检测。

此外，类别不限于与节目种类对应，可以经历不同标准。例如，广播歌曲或音乐表演的节目包括诸如下列节目之类的节目：

*其中更多时间专用于实际的歌曲或音乐表演，而不是一个或多个播音员和表演者之间的交谈的节目；

*包含一个或多个播音员和表演者之间的长时间的交谈的节目；以及

*在音乐厅或类似的地点记录的、包含观众的喝彩或掌声的节目。

如果可以将以上类型的节目识别为不同的类别，则可以检测更适于摘要回放的章节点。

另外，虽然在类别识别中未使用以上EPG数据，但是可以通过额外地使用存储在存储器单元22中的EPG信息来改善节目类别识别的精度。

图7是图解通过程序执行以上一系列处理的个人计算机的示例性硬件配置的方框图。

在该计算机中，中央处理单元(CPU)201、只读存储器(ROM)202、随机存取存储器(RAM)203和总线204相互连接。

此外，输入/输出(I/O)接口205连接到总线204。I/O接口205连接到下列装置：具有诸如键盘、鼠标和麦克风之类的部件的输入单元206；具有诸如显示器和扬声器之类的部件的输出单元207；具有诸如硬盘和非易失性存储器之类的存储单元208；具有诸如网络接口之类的部件的通信单元209；和使用诸如磁盘、光盘、磁光盘或半导体存储器之类的可卸载媒体211的驱动器210。

在配置上述的计算机中，例如，作为CPU 201将存储在存储单元208中的程序经由I/O接口205和总线204加载到RAM203的结果，可以进行以上一系列处理。

可以将由计算机(即，CPU 201)执行的程序记录在可卸载媒体211上(更具体地，记录在诸如磁盘(包括软盘)、光盘(诸如紧凑盘只读存储器(CD-ROM)或数字多功能盘(DVD))、磁光盘或半导体存储器之类的封装媒体)，或者，替代地，可以经由诸如局域网、因特网或数字卫星广播之类的有线或无线传输介质提供程序。

然后，可以通过将可卸载媒体211插入驱动器210，或者，替代地，通过使用通信单元209经由有线或无线传输介质接收程序，将程序经由I/O接口205安装在存储单元208中。还可以将程序预先安装在ROM202或存储单元208中。

应该理解，在计算机执行的程序中，例如，可以以遵循本说明书中描述的顺序的时间顺序进行处理，或者，替代地，可以通过按需要进行调用来进行处理。

本领域技术人员应该理解，可以根据设计需求和其它因素进行各种修改、组合、部分子组合和替换，只要它们落入所附权利要求及其等效物的范围内。

Claims (4)

1.一种信息处理装置，包括：

提取装置，用于从节目中提取特性数据；

识别装置，用于基于所述提取装置提取的所述特性数据识别所述节目的类别；和

执行装置，用于根据所述识别装置识别的所述类别选择所设置的处理方法，并且使用所述所选择的处理方法对所述节目执行所设置的处理，

还包括：试探装置，用于产生参数，所述参数使得属于所设置的类别的确定节目能够被识别为属于所述所设置的类别；

其中所述识别装置基于由所述试探装置产生的参数识别所述节目的所述类别。

2.如权利要求1所述的信息处理装置，其中

所述节目包含视频数据，

所述所设置的处理检测所述节目中的章节点，所述章节点还在摘要回放模式下回放，和

根据所述识别装置识别的所述类别，执行装置选择将被用于章节点检测的特性数据以及基于所述所选择的特性数据选择用于检测章节点的计算方法，所述执行装置基于所述所选择的特性数据和计算方法检测章节点。

3.一种信息处理装置，包括：

提取装置，用于从节目中提取特性数据；

识别装置，用于基于所述提取装置提取的所述特性数据识别所述节目的类别；和

执行装置，用于根据所述识别装置识别的所述类别选择所设置的处理方法，并且使用所述所选择的处理方法对所述节目执行所设置的处理，其中

所述识别装置接收使得属于所设置的类别的确定节目能够被识别为属于所述所设置的类别的参数作为输入，所述参数由外部试探装置产生，和

识别装置基于输入的参数识别所述节目的所述类别。

4.一种信息处理方法，包括步骤：

提取步骤，从节目提取特性数据；

识别步骤，基于在所述提取步骤的处理中提取的所述特性数据识别所述节目的类别；和

执行步骤，根据所述识别步骤中识别的所述类别选择所设置的处理方法，并且使用所述所选择的处理方法对所述节目执行所设置的处理，

还包括步骤：

产生参数，所述参数使得属于所设置的类别的确定节目能够被识别为属于所述所设置的类别；

基于所述参数识别所述节目的所述类别。

Images