CN101668176A - 一种基于人际社交图的多媒体内容点播与分享方法 - Google Patents
一种基于人际社交图的多媒体内容点播与分享方法 Download PDFInfo
- Publication number
- CN101668176A CN101668176A CN200910092797A CN200910092797A CN101668176A CN 101668176 A CN101668176 A CN 101668176A CN 200910092797 A CN200910092797 A CN 200910092797A CN 200910092797 A CN200910092797 A CN 200910092797A CN 101668176 A CN101668176 A CN 101668176A
- Authority
- CN
- China
- Prior art keywords
- star
- social interaction
- interaction graph
- face
- photo
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于人际社交图的多媒体内容点播与分享方法,其特征在于(1)在网络服务器端,分析互联网存在的多媒体内容,利用自动人脸检测和识别技术,识别网络海量明星照片和影视剧中的人脸,为图像/视频数据库中的人脸提供标注;根据明星在图像和视频中出现的频次,建立明星动态人际社交图;(2)在3G移动终端,用户选择自己喜欢的明星,从网络服务器端下载查看该明星的动态人际社交图,及时掌握明星社交圈的更新,吸引用户查看明星最新的照片,视频和浏览相关新闻,从而发展以明星人际社交图为基础的音视频点播、图片浏览与下载等3G业务。
Description
技术领域
本发明涉及一种基于人际社交图的多媒体内容点播与分享方法,属于移动通信增值服务领域。
背景技术
对新闻、视频和娱乐资讯要求较高的都市白领及部分大、中学生为主要消费群,覆盖不同年龄层次的消费者,每个年龄层次的消费者都拥有特色鲜明的娱乐消费习惯。以15~35岁这一年龄段为例,此年龄段的用户主要包括70后、80后和90后,他们的共同点在于追求年轻时尚的生活方式和新颖、超酷的娱乐方式,同时也是3G业务的主要使用者,平民偶像文化的倡导者与追随者。以2005年“超级女生”的最后决赛为例,由观众投票决出的“平民英雄”李宇春、周笔畅、张靓颖的短信票数分别为3528308、3270840、1353906张,由此间接可见“追星族”的庞大数量和娱乐偶像文化所带来的巨大经济效益。因此,为目标客户群提供全方位了解明星的互动平台,并支持音视频点播、图片浏览与下载等3G应用场景。其独特的以明星人际社交图为基础的多媒体内容点播与分享机制,能极大推动以视频点播为主的3G业务的发展。
发明内容
针对此问题,本发明提出了一种基于人际社交图的多媒体内容点播与分享方法。
本发明的技术方案包括以下步骤:
(1)分析互联网存在的多媒体内容,利用自动人脸检测和识别技术,识别网络海量明星照片和影视剧中的多姿态人脸;
(2)基于识别结果为图像或视频数据库中的人脸进行标注;
(3)根据明星在图像和视频中出现的频次,建立明星动态人际社交图;
(4)自动产生明星动态人气榜,并向移动终端推送;
(5)用户从移动终端上选择自己喜欢的明星,从网络服务器端下载查看该明星的动态人际社交图,及时掌握明星社交圈的更新,吸引用户查看明星最新的照片,视频和浏览相关新闻,从而发展以明星人际社交图为基础的音视频点播、图片浏览与下载等业务。
自动人脸检测包括如下步骤:
(1)通过收集各种姿态的人脸,包括正面人脸集、左侧面人脸集、右侧面人脸集等,基于Adaboost训练对应的人脸检测器,以得到正面人脸模型、左侧面模型和右侧面模型等人脸检测模型;
(2)为避免人脸尺寸和位置的不确定性,对给定图片进行金字塔降采样操作和全图扫描;
(3)将经过处理的全图扫描结果与人脸模型进行相似度判断,检测出人脸。基于人脸识别结果的人脸标注包括如下步骤:
(1)采用局部二值模式(Local Binary Patterns,LBP)对人脸特征提取;
(2)将人脸图像分块,采用直方图统计每块人脸图像的局部二值模式;
(3)采用线性判别分析技术(Linear Discriminant Analysis,LDA)对提取的直方图统计特征降维;
(4)将获得的降维特征作为模板保存或直接进行模式匹配;
(5)利用最近邻特征模板匹配方法,根据相似度最大的识别结果对照片进行标注。
在完成自动标注后,可依据照片标注的数量来确定此照片是否为合影照片,并以此为基础建立明星人际关系链接,并获得以每位明星为中心的人际社交图。
人际社交图的生成包括如下步骤:
(1)统计包含每位明星的合影照片总数量;
(2)初始化两位明星的社交权重为0;
(3)依据照片是否存在每位明星与其他明星的合影及合影人数,计算相应的权重;
(4)以合影照片总数量为基数,将每位明星与其他明星的合影权重归一化,获得明星之间社交关系重要度的参数;
(5)依据明星之间社交关系重要度,生成每位明星的人际社交图。
基于明星人际社交图,根据其人际社交图的规模和用户点击该明星多媒体资源的次数,综合产生明星动态人气排行榜。
明星动态人气排行榜的生成包括如下步骤:
(1)明星人气动态排行榜是以某个固定时段为基准而统计生成;
(2)统计每位明星在某个历史时段内多媒体资源被点击的次数和人际社交图的规模;
(3)依据统计结果分别计算每位明星的人气指数;
(4)根据每位明星人气指数的大小,确定他们在当前时段内人气排行榜上的位置。
在建立人际社交图后,可实现以人际社交图为基础的多媒体内容点播与分享:
(1)在人际社交图上,选择感兴趣的明星,点播影视剧集,浏览明星图库;
(2)在人际社交图上,选择与之存在社交关系的其他明星,点播共同出演的音视频,查看合影图片,阅读包含所有被选择明星的相关新闻报道。
本发明与现有技术相比的优点在于:
本发明提出了以人脸检测与识别核心技术为基础,通过分析互联网明星合影照片生成明星社交图,并建立以人际社交图为基础的多媒体内容点播与分享平台。
附图说明
图1是本发明的一种基于明星人际社交图的多媒体内容点播与分享方法的流程图;
图2是本发明的自动人脸检测方法流程图;
图3是本发明的基于人脸识别结果的人脸标注方法流程图;
图4是本发明的人际社交图生成流程图;
图5是本发明的基于人际社交图的多媒体内容点播与分享示例图;
图6是明星动态人气排行榜的生成算法。
具体实施方式
本发明的方法流程图如图1所示:(1)在网络服务器端,分析互联网存在的多媒体内容,利用自动人脸检测和识别技术,识别网络海量明星照片和影视剧中的人脸,为图像/视频数据库中的人脸提供标注;根据明星在图像和视频中出现的频次,建立明星动态人际社交图;(2)在3G移动终端,用户选择自己喜欢的明星,从网络服务器端下载查看该明星的动态人际社交图,及时掌握明星社交圈的更新,吸引用户查看明星最新的照片,视频和浏览相关新闻,从而发展以明星人际社交图为基础的音视频点播、图片浏览与下载等3G业务。
基于Adaboost的多姿态人脸检测方法流程图如图2所示:
人脸检测的任务是确定给定图片中人脸的数量和位置。本发明基于Adaboost统计分类算法,学习人脸灰度分布所包含的与其它事物相区分的特殊结构,通过大规模的人脸与非人脸数据库训练获得人脸检测器。
互联网上存在大量的明星照片。由于照片来源的多样性,只有小部分的人脸为标准正面人脸,因此有必要训练多姿态的人脸检测器,以检测任意姿态的人脸。如附图4所示,在训练过程中,通过收集各种姿态的人脸,包括正面人脸集、左侧面人脸集、右侧面人脸集等,基于Adaboost训练对应的人脸检测器,以得到正面人脸模型、左侧面模型和右侧面模型等人脸检测模型。
在人脸检测过程中,为检测不同姿态的人脸,利用训练所得的多姿态人脸检测模型进行人脸检测;另一方面,由于人脸尺寸和位置的不确定性,需要对给定图片进行金字塔降采样操作和全图扫描。
基于人脸识别的照片标注的方法流程图如图3所示。
对于给定照片,在人脸检测获得人脸候选区域后,可对检测到的人脸进行识别,从而为照片添加人脸识别结果的标注。通过对检测到的人脸提取特征模板,与注册明星库已存在的特征模板进行模式匹配。
本发明采用局部二值模式(Local Binary Pattern,LBP,详见参考文献1)作为人脸特征提取方法,并利用线性判别分析(Linear Discriminant Analysis,LDA,详见参考文献2)技术对提取的LBP特征进行降维,并将获得的LDA降维特征作为模板保存或直接进行模式匹配。LBP是一种局部模式的表示方法,通过在邻域内比较中心象素与周围象素值的大小,得到表征相对灰度的二进制串,进而将二进制串转化为整数模式,具有能较好描述图像局部纹理特性的优点。LDA技术以基于Fisher准则的线性判别分析为理论基础,使样本在所生成的子空间中类间散度最大同时类内散度最小。对于检测到的人脸图像,通过对图像进行分块操作以保留图像空间信息,然后对每块图像直方图统计其LBP特征,将所有图像块的LBP特征串接起来形成空间高维向量。为了降低特征维度并进一步提高人脸识别性能,通过LDA学习具有判决性能的子空间,将高维LBP向量在LDA子空间中作投影获得最终的人脸特征模板。通过最近邻特征模板匹配技术,将相似度最大的人脸识别结果赋予待识别的人脸作为照片标注。
尽管互联网上存在海量的明星照片和影视截图,基于人脸检测与识别技术,就可以自动为数据服务器上的所有图像和视频提供标注信息。在完成自动标注后,可依据照片标注的数量来确定此照片是否为合影照片,并以此为基础建立明星人际关系链接。通过这种方式,可以获得以每位明星为中心的人际社交图。在人际社交图上,依据社交关系重要度参数,顺序展示与之存在社交关系的其他明星,将最重要的社交关系置于人际社交图的前列。根据合影照片生成明星社交图的具体算法如图4所示:
(1)扫描数据库中所有明星照片和影视截图,计算包含每位明星的合影照片数量。假定对于明星i,其合影照片数量为Si;
(2)对于任意明星j,为计算明星i和j之间社交关系的重要度,首先初始化i和j之间的社交权重为Pij=0;
(3)在任意一张照片中,如果i和j之间存在合影关系,且照片中的总人数为M,则 代表当前照片所体现的i和j之间社交关系的重要度。如果照片只包含i和j,i和j之间社交关系的重要度为1;如果照片中包括4个人,则当前照片所体现的i和j之间社交关系重要度为1/3;
(4)在处理完所有照片后,将明星i和j之间的社交权重归一化为Wij=Pij/Si,Wij反映了明星i和j之间社交关系的重要程度;
(5)对于明星i,将所有的Wij从大到小顺序排列根据社交关系重要度依次排列与i存在社交关系的明星j1,j2,…,jn,生成以明星i为中心的人际社交图。
在生成人际社交图后,可基于人际社交图进行多媒体资源点播与分享。需要强调的是,由于人际社交图可以全面直观地展示明星社交圈,极大方便了用户以灵活独特的方式点播各种多媒体资源。举例来说,在明星a的人际社交图上,如附图5所示。用户如果选择明星a、明星d和明星e这三位明星,就可以看到三位明星所共同出演的多媒体资源,如电影视频、电影的WEB宣传网页和三人之间所发生的花絮新闻。
基于明星人际社交图,根据其人际社交图的规模和用户点击该明星多媒体资源的次数,可综合产生明星动态人气排行榜。所述明星动态人气排行榜的生成算法如图6所示:
(1)明星人气动态排行榜是以某个固定时段(T)为基准而统计生成,如日排行榜(T=1天),周排行榜(T=1周),月排行榜等(T=1月);
(2)某明星人际社交图的规模定义为与该明星存在合影关系的其他明星总人数;
(3)统计每位明星在上个历史时段内多媒体资源被点击的次数ni和人际社交图的规模si,i=1,2,…,K;
(4)分别找出多媒体资源被点击次数最多的明星,得到其点击次数N;和人际社交图规模最大的明星,得到其社交图规模S;
(7)根据每位明星人气指数的大小,确定他们在人气排行榜上的位置。
本领域的技术人员可以理解:在不脱离本发明及所附的权利要求的精神和范围内,各种替换、变化和修改都是可能的。因此,本发明不应局限于最佳实施例和附图所公开的内容。
参考文献
[1]T.Ahonen,A.Hadid and,M.Face Recognition with Local Binary Patterns.InProceedings of the 8th European Conference on Computer Vision,2004.
[2]A.M.Martínez and A.C.Kak,PCA versus LDA,IEEE Transactions on Pattern Analysis andMachine Intelligence,vol.23,no.2,pp.228-233,Feb.2001,doi:10.1109/34.908974.
Claims (7)
1.一种基于人际社交图的多媒体内容点播与分享方法,其特征在于:该方法包括以下步骤:
(1)分析互联网存在的多媒体内容,利用自动人脸检测和识别技术,识别网络海量明星照片和影视剧中的多姿态人脸;
(2)基于识别结果为图像或视频数据库中的人脸进行标注;
(3)统计明星在图像和视频中出现的频次,计算明星之间社交关系重要度,并依此建立明星动态人际社交图;
(4)用户从移动终端上选择自己喜欢的明星,从网络服务器端下载查看该明星的动态人际社交图,及时掌握明星社交圈的更新,吸引用户查看明星最新的照片,视频和浏览相关新闻,从而发展以明星人际社交图为基础的音视频点播、图片浏览与下载等业务;
(5)根据明星动态人际社交图规模和用户点击该明星多媒体资源的次数,自动产生明星动态人气榜,并向移动终端推送。
2.根据权利要求1所述的一种基于人际社交图的多媒体内容点播与分享方法,其特征在于:所述的自动人脸检测包括如下步骤:
(1)通过收集各种姿态的人脸,包括正面人脸集、左侧面人脸集、右侧面人脸集等,基于Adaboost训练对应的人脸检测器,以得到正面人脸模型、左侧面模型和右侧面模型等人脸检测模型;
(2)为避免人脸尺寸和位置的不确定性,对给定图片进行金字塔降采样操作和全图扫描;
(3)将经过处理的全图扫描结果与人脸模型进行相似度判断,检测出人脸。
3.根据权利要求1所述的一种基于人际社交图的多媒体内容点播与分享方法,其特征在于:所述的基于人脸识别结果的人脸标注包括如下步骤:
(1)采用局部二值模式对人脸特征提取;
(2)将人脸图像分块,采用直方图统计每块人脸图像的局部二值模式;
(3)采用线性判别分析技术对提取的直方图统计特征降维;
(4)将获得的降维特征作为模板保存或直接进行模式匹配;
(5)利用最近邻特征模板匹配方法,根据相似度最大的识别结果对照片进行标注。
4.根据权利要求1所述的一种基于人际社交图的多媒体内容点播与分享方法,其特征在于:在完成自动标注后,可依据照片标注的数量来确定此照片是否为合影照片,并以此为基础建立明星人际关系链接,并获得以每位明星为中心的人际社交图。
5.根据权利要求1所述的一种基于人际社交图的多媒体内容点播与分享方法,其特征在于:所述的人际社交图的生成算法如下:
(1)统计包含每位明星的合影照片总数量;
(2)初始化两位明星的社交权重为0;
(3)依据照片是否存在每位明星与其他明星的合影及合影人数,计算相应的权重;
(4)以合影照片总数量为基数,将每位明星与其他明星的合影权重归一化,获得明星之间社交关系重要度的参数;
(5)依据明星之间社交关系重要度,生成每位明星的人际社交图。
6.根据权利要求1所述的一种基于人际社交图的多媒体内容点播与分享方法,其特征在于:所述的明星动态人气排行榜的生成算法如下:
(1)明星人气动态排行榜是以某个固定时段为基准而统计生成;
(2)统计每位明星在某个历史时段内多媒体资源被点击的次数和人际社交图的规模;
(3)依据统计结果分别计算每位明星的人气指数;
(4)根据每位明星人气指数的大小,确定他们在当前时段内人气排行榜上的位置。
7.根据权利要求1所述的一种基于人际社交图的多媒体内容点播与分享方法,其特征在于:提供了一种以人际社交图为基础的多媒体内容点播与分享方法:
(1)在人际社交图上,选择感兴趣的明星,点播影视剧集,浏览明星图库;
(2)在人际社交图上,选择与之存在社交关系的其他明星,点播共同出演的音视频,查看合影图片,阅读包含所有被选择明星的相关新闻报道。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910092797A CN101668176A (zh) | 2009-09-25 | 2009-09-25 | 一种基于人际社交图的多媒体内容点播与分享方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910092797A CN101668176A (zh) | 2009-09-25 | 2009-09-25 | 一种基于人际社交图的多媒体内容点播与分享方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101668176A true CN101668176A (zh) | 2010-03-10 |
Family
ID=41804580
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200910092797A Pending CN101668176A (zh) | 2009-09-25 | 2009-09-25 | 一种基于人际社交图的多媒体内容点播与分享方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101668176A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102542576A (zh) * | 2010-12-15 | 2012-07-04 | 索尼公司 | 图像处理设备、图像处理方法和程序 |
CN102637183A (zh) * | 2011-02-12 | 2012-08-15 | 北京千橡网景科技发展有限公司 | 用于在社交网络中向用户推荐好友的方法和设备 |
CN102693359A (zh) * | 2012-04-24 | 2012-09-26 | Tcl集团股份有限公司 | 一种建立家庭成员社交关系模型的方法及装置 |
CN103412951A (zh) * | 2013-08-22 | 2013-11-27 | 四川农业大学 | 基于人物照片的人脉关联分析管理系统与方法 |
CN103477350A (zh) * | 2011-03-29 | 2013-12-25 | 脸谱公司 | 基于空间和时间接近度的面部辨认 |
CN103605993A (zh) * | 2013-12-04 | 2014-02-26 | 康江科技(北京)有限责任公司 | 一种基于面向场景判别性分析的图像到视频人脸识别方法 |
CN103793697A (zh) * | 2014-02-17 | 2014-05-14 | 北京旷视科技有限公司 | 一种人脸图像的身份标注方法及人脸身份识别方法 |
CN103970830A (zh) * | 2014-03-31 | 2014-08-06 | 小米科技有限责任公司 | 信息推荐方法和装置 |
CN104166847A (zh) * | 2014-08-27 | 2014-11-26 | 华侨大学 | 一种基于ulbp特征子空间的2dlda人脸识别方法 |
CN104731919A (zh) * | 2015-03-26 | 2015-06-24 | 浪潮集团有限公司 | 一种基于AdaBoost算法的微信公众号用户分类方法 |
CN105760865A (zh) * | 2016-04-12 | 2016-07-13 | 中国民航大学 | 一种能够提高比对正确率的人脸图像识别方法 |
CN106851395A (zh) * | 2015-12-04 | 2017-06-13 | 中国电信股份有限公司 | 视频播放方法和播放器 |
CN109408757A (zh) * | 2018-09-21 | 2019-03-01 | 广州神马移动信息科技有限公司 | 问答内容分享方法、装置、终端设备及计算机存储介质 |
CN113705444A (zh) * | 2021-08-27 | 2021-11-26 | 成都玻尔兹曼智贝科技有限公司 | 一种面部发育分析评估方法及系统 |
CN116127133A (zh) * | 2023-04-17 | 2023-05-16 | 成都苏扶软件开发有限公司 | 基于人工智能的文件查找方法、系统、设备和介质 |
-
2009
- 2009-09-25 CN CN200910092797A patent/CN101668176A/zh active Pending
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102542576A (zh) * | 2010-12-15 | 2012-07-04 | 索尼公司 | 图像处理设备、图像处理方法和程序 |
CN102637183A (zh) * | 2011-02-12 | 2012-08-15 | 北京千橡网景科技发展有限公司 | 用于在社交网络中向用户推荐好友的方法和设备 |
CN103477350A (zh) * | 2011-03-29 | 2013-12-25 | 脸谱公司 | 基于空间和时间接近度的面部辨认 |
US10162999B2 (en) | 2011-03-29 | 2018-12-25 | Facebook, Inc. | Face recognition based on spatial and temporal proximity |
CN102693359B (zh) * | 2012-04-24 | 2016-05-25 | Tcl集团股份有限公司 | 一种建立家庭成员社交关系模型的方法及装置 |
CN102693359A (zh) * | 2012-04-24 | 2012-09-26 | Tcl集团股份有限公司 | 一种建立家庭成员社交关系模型的方法及装置 |
CN103412951A (zh) * | 2013-08-22 | 2013-11-27 | 四川农业大学 | 基于人物照片的人脉关联分析管理系统与方法 |
CN103412951B (zh) * | 2013-08-22 | 2016-09-21 | 四川农业大学 | 基于人物照片的人脉关联分析管理系统与方法 |
CN103605993A (zh) * | 2013-12-04 | 2014-02-26 | 康江科技(北京)有限责任公司 | 一种基于面向场景判别性分析的图像到视频人脸识别方法 |
CN103605993B (zh) * | 2013-12-04 | 2017-01-25 | 康江科技(北京)有限责任公司 | 一种基于面向场景判别性分析的图像到视频人脸识别方法 |
CN103793697A (zh) * | 2014-02-17 | 2014-05-14 | 北京旷视科技有限公司 | 一种人脸图像的身份标注方法及人脸身份识别方法 |
CN103793697B (zh) * | 2014-02-17 | 2018-05-01 | 北京旷视科技有限公司 | 一种人脸图像的身份标注方法及人脸身份识别方法 |
CN103970830B (zh) * | 2014-03-31 | 2017-06-16 | 小米科技有限责任公司 | 信息推荐方法和装置 |
CN103970830A (zh) * | 2014-03-31 | 2014-08-06 | 小米科技有限责任公司 | 信息推荐方法和装置 |
CN104166847A (zh) * | 2014-08-27 | 2014-11-26 | 华侨大学 | 一种基于ulbp特征子空间的2dlda人脸识别方法 |
CN104731919A (zh) * | 2015-03-26 | 2015-06-24 | 浪潮集团有限公司 | 一种基于AdaBoost算法的微信公众号用户分类方法 |
CN106851395A (zh) * | 2015-12-04 | 2017-06-13 | 中国电信股份有限公司 | 视频播放方法和播放器 |
CN106851395B (zh) * | 2015-12-04 | 2020-06-02 | 中国电信股份有限公司 | 视频播放方法和播放器 |
CN105760865A (zh) * | 2016-04-12 | 2016-07-13 | 中国民航大学 | 一种能够提高比对正确率的人脸图像识别方法 |
CN109408757A (zh) * | 2018-09-21 | 2019-03-01 | 广州神马移动信息科技有限公司 | 问答内容分享方法、装置、终端设备及计算机存储介质 |
CN113705444A (zh) * | 2021-08-27 | 2021-11-26 | 成都玻尔兹曼智贝科技有限公司 | 一种面部发育分析评估方法及系统 |
CN116127133A (zh) * | 2023-04-17 | 2023-05-16 | 成都苏扶软件开发有限公司 | 基于人工智能的文件查找方法、系统、设备和介质 |
CN116127133B (zh) * | 2023-04-17 | 2023-08-08 | 湖南柚子树文化传媒有限公司 | 基于人工智能的文件查找方法、系统、设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101668176A (zh) | 一种基于人际社交图的多媒体内容点播与分享方法 | |
US10832738B2 (en) | Computerized system and method for automatically generating high-quality digital content thumbnails from digital video | |
JP5621897B2 (ja) | 処理方法、コンピュータプログラム及び処理装置 | |
EP3267362B1 (en) | Machine learning image processing | |
US9098807B1 (en) | Video content claiming classifier | |
US8750602B2 (en) | Method and system for personalized advertisement push based on user interest learning | |
CN103038769B (zh) | 用于将内容导引到社交网络引擎用户的系统和方法 | |
US10469912B2 (en) | Visual hash tags via trending recognition activities, systems and methods | |
CN107894998B (zh) | 视频推荐方法及装置 | |
US10939165B2 (en) | Facilitating television based interaction with social networking tools | |
CN113010701A (zh) | 以视频为中心的融媒体内容推荐方法及装置 | |
CN115187301A (zh) | 一种基于用户画像的广告即时植入方法、系统及装置 | |
Wang et al. | Exploiting content relevance and social relevance for personalized ad recommendation on internet TV | |
Yuan et al. | High-quality activity-level video advertising | |
CN103842992A (zh) | 促进与社交联网工具的基于电视的交互 | |
Foina et al. | Cell BE and Bluetooth applied to Digital TV | |
CN109033118B (zh) | 一种基于对象的动态数据判断方法及装置 | |
CN118042217A (zh) | 一种视频处理方法、装置、电子设备和存储介质 | |
CN117523625A (zh) | 视频人物识别方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20100310 |