CN101897135B - 用于用户简档的图像记录趋势识别 - Google Patents

用于用户简档的图像记录趋势识别 Download PDF

Info

Publication number
CN101897135B
CN101897135B CN200880120407.0A CN200880120407A CN101897135B CN 101897135 B CN101897135 B CN 101897135B CN 200880120407 A CN200880120407 A CN 200880120407A CN 101897135 B CN101897135 B CN 101897135B
Authority
CN
China
Prior art keywords
user
trend
digital image
interest
general character
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.)
Active
Application number
CN200880120407.0A
Other languages
English (en)
Other versions
CN101897135A (zh
Inventor
K·M·戈贝恩
D·F·麦金泰尔
R·B·佩特克
K·R·德隆
A·斯卡利斯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Apple Inc
Original Assignee
Apple Computer Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Apple Computer Inc filed Critical Apple Computer Inc
Publication of CN101897135A publication Critical patent/CN101897135A/zh
Application granted granted Critical
Publication of CN101897135B publication Critical patent/CN101897135B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04H—BROADCAST COMMUNICATION
    • H04H60/00—Arrangements for broadcast applications with a direct linking to broadcast information or broadcast space-time; Broadcast-related systems
    • H04H60/56—Arrangements characterised by components specially adapted for monitoring, identification or recognition covered by groups H04H60/29-H04H60/54
    • H04H60/59—Arrangements characterised by components specially adapted for monitoring, identification or recognition covered by groups H04H60/29-H04H60/54 of video
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs
    • H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4667—Processing of monitored end-user data, e.g. trend analysis based on the log file of viewer selections
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/482—End-user interface for program selection
    • H04N21/4826—End-user interface for program selection using recommendation lists, e.g. of programs or channels sorted out according to their score
    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
    • G11B27/00—Editing; Indexing; Addressing; Timing or synchronising; Monitoring; Measuring tape travel
    • G11B27/10—Indexing; Addressing; Timing or synchronising; Measuring tape travel
    • G11B27/19—Indexing; Addressing; Timing or synchronising; Measuring tape travel by using information detectable on the record carrier
    • G11B27/28—Indexing; Addressing; Timing or synchronising; Measuring tape travel by using information detectable on the record carrier by using information signals recorded by the same method as the main recording
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04H—BROADCAST COMMUNICATION
    • H04H60/00—Arrangements for broadcast applications with a direct linking to broadcast information or broadcast space-time; Broadcast-related systems
    • H04H60/35—Arrangements for identifying or recognising characteristics with a direct linkage to broadcast information or to broadcast space-time, e.g. for identifying broadcast stations or for identifying users
    • H04H60/46—Arrangements for identifying or recognising characteristics with a direct linkage to broadcast information or to broadcast space-time, e.g. for identifying broadcast stations or for identifying users for recognising users' preferences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04H—BROADCAST COMMUNICATION
    • H04H60/00—Arrangements for broadcast applications with a direct linking to broadcast information or broadcast space-time; Broadcast-related systems
    • H04H60/35—Arrangements for identifying or recognising characteristics with a direct linkage to broadcast information or to broadcast space-time, e.g. for identifying broadcast stations or for identifying users
    • H04H60/48—Arrangements for identifying or recognising characteristics with a direct linkage to broadcast information or to broadcast space-time, e.g. for identifying broadcast stations or for identifying users for recognising items expressed in broadcast information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/32—Circuits or arrangements for control or supervision between transmitter and receiver or between image input and image output device, e.g. between a still-image camera and its memory or between a still-image camera and a printer device
    • H04N1/32101—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title
    • H04N1/32106—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title separate from the image data, e.g. in a different computer file
    • H04N1/32112—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title separate from the image data, e.g. in a different computer file in a separate computer file, document page or paper sheet, e.g. a fax cover sheet
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/32—Circuits or arrangements for control or supervision between transmitter and receiver or between image input and image output device, e.g. between a still-image camera and its memory or between a still-image camera and a printer device
    • H04N1/32101—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title
    • H04N1/32128—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title attached to the image data, e.g. file header, transmitted message header, information on the same page or in the same computer file as the image
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N2201/00—Indexing scheme relating to scanning, transmission or reproduction of documents or the like, and to details thereof
    • H04N2201/32—Circuits or arrangements for control or supervision between transmitter and receiver or between image input and image output device, e.g. between a still-image camera and its memory or between a still-image camera and a printer device
    • H04N2201/3201—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title
    • H04N2201/3204—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title of data relating to a user, sender, addressee, machine or electronic recording medium
    • H04N2201/3205—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title of data relating to a user, sender, addressee, machine or electronic recording medium of identification information, e.g. name or ID code
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N2201/00—Indexing scheme relating to scanning, transmission or reproduction of documents or the like, and to details thereof
    • H04N2201/32—Circuits or arrangements for control or supervision between transmitter and receiver or between image input and image output device, e.g. between a still-image camera and its memory or between a still-image camera and a printer device
    • H04N2201/3201—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title
    • H04N2201/3212—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title of data relating to a job, e.g. communication, capture or filing of an image
    • H04N2201/3214—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title of data relating to a job, e.g. communication, capture or filing of an image of a date
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N2201/00—Indexing scheme relating to scanning, transmission or reproduction of documents or the like, and to details thereof
    • H04N2201/32—Circuits or arrangements for control or supervision between transmitter and receiver or between image input and image output device, e.g. between a still-image camera and its memory or between a still-image camera and a printer device
    • H04N2201/3201—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title
    • H04N2201/3212—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title of data relating to a job, e.g. communication, capture or filing of an image
    • H04N2201/3215—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title of data relating to a job, e.g. communication, capture or filing of an image of a time or duration
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N2201/00—Indexing scheme relating to scanning, transmission or reproduction of documents or the like, and to details thereof
    • H04N2201/32—Circuits or arrangements for control or supervision between transmitter and receiver or between image input and image output device, e.g. between a still-image camera and its memory or between a still-image camera and a printer device
    • H04N2201/3201—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title
    • H04N2201/3225—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title of data relating to an image, a page or a document
    • H04N2201/3252—Image capture parameters, e.g. resolution, illumination conditions, orientation of the image capture device
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N2201/00—Indexing scheme relating to scanning, transmission or reproduction of documents or the like, and to details thereof
    • H04N2201/32—Circuits or arrangements for control or supervision between transmitter and receiver or between image input and image output device, e.g. between a still-image camera and its memory or between a still-image camera and a printer device
    • H04N2201/3201—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title
    • H04N2201/3225—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title of data relating to an image, a page or a document
    • H04N2201/3253—Position information, e.g. geographical position at time of capture, GPS data

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Databases & Information Systems (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Human Computer Interaction (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Software Systems (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Processing Or Creating Images (AREA)

Abstract

提供了用于至少基于对来自数字图像记录的图像内容的分析来生成用户简档的系统和方法。执行图像内容分析以识别用来识别用户主题兴趣的趋势。可以将用户主题兴趣结合到被存储在处理器可访问存储系统中的用户简档中。

Description

用于用户简档的图像记录趋势识别
技术领域
本发明一般涉及使用来自与用户相关的数字图像记录的信息来识别用户的兴趣。
背景技术
本领域中众所周知的精准行销(targeted marketing)允许零售商呈递对于已被有效地“预先筛选”的听众而言可能具有特殊吸引力的产品。也就是说，精准行销的目的是识别很可能对特定产品和服务具有高兴趣水平的“预先筛选”的消费者。
识别“预先筛选”的消费者的一种方式是通过使用“用户简档”。本文所使用的短语“用户简档”指的是指示相关用户的兴趣的信息集合，与该集合的形式或其存储方式无关。用户简档可以与特定消费者相关且可以指示例如特定的消费者喜爱徒步旅行。因此，用户简档可以被精准行销者用来为特定消费者生成关于即将销售的徒步旅行商品的广告。
应认识到，精准行销的有效性取决于保持在此类用户简档中的信息的数量和质量。因此，目前正需要用于生成用户简档的附加或改进的技术。
发明内容
在本领域中通过根据本发明的各种实施例的用于生成用户简档的系统和方法来解决上述问题并实现技术方案。
在本发明的实施例中，至少基于对来自与用户相关的多个数字图像记录的图像内容的分析来识别一个或多个趋势。分析来自数字图像记录的图像内容并更具体而言识别来自此类图像内容的趋势提供可以被结合到用户简档中的关于用户的有价值信息。对图像内容的分析可以包括例如场景分类处理、面部检测处理、对象检测处理、音频分析处理、从图像提取文本的处理、或事件集中处理，所有的这些在本领域中均是已知的。
趋势的一个示例涉及被视为已捕获到事件的多个数字图像记录。例如，对多个数字图像记录的分析可以指示其中的若干数字图像记录捕获到特定的生日宴会。在本示例中，该趋势涉及被视为已捕获到生日宴会的若干图像记录。趋势的其它示例涉及被视为已捕获到重新发生的事件、同一对象、或已在同一位置处被获取的多个数字图像记录。因此，可以看到，本文所使用的“趋势”涉及多个数字图像记录之间的任何共性。另外，本发明不限于所识别的趋势的类型。
在识别趋势时，可以至少基于对趋势的分析来识别多个用户主题兴趣。用户主题兴趣的示例是对象，其可以是人、活动、位置、或其组合。可以至少基于用户主题兴趣来生成与用户相关的用户简档。应注意的是，本文在生成用户简档的上下文中使用的术语“生成”意图包括生成新用户简档或更新现有用户简档。可以将生成的用户简档存储在处理器可访问存储系统中。
根据本发明的某些实施例，可以至少基于对所识别的趋势的分析来识别用户偏好。关于这一点，还可以至少基于用户偏好来生成用户简档。用户偏好可以将主题兴趣中的至少两个主题兴趣联系在一起。例如，对用户的数字图像记录的分析可以揭示两个用户主题兴趣：滑雪和特定的人。对数字图像记录的分析还可以揭示捕获到滑雪活动的数字图像还捕获到特定的人。因此，可以识别到将滑雪联系到特定的人的用户偏好，这可以得出用户喜欢与特定人滑雪的推断。
根据本发明的某些实施例，至少基于对趋势的分析来为用户主题兴趣中的至少某些用户主题兴趣生成兴趣水平。关于这一点，还可以至少基于兴趣水平来生成用户简档。示例性的兴趣水平是用户对特定的用户主题兴趣或用户主题兴趣组所具有的吸引力的量的指示。因此，可以使用该兴趣水平来确定与另一个用户主题兴趣相比用户更喜欢这一个用户主题兴趣。
根据本发明的某些实施例，可以至少基于对用户简档的分析来为用户生成与用户主题兴趣相关的邀请。可以将该邀请存储在处理器可访问存储系统中。示例性邀请是广告。为了进行详细描述，假设用户主题兴趣是海滩。所述邀请可以是为用户生成的游泳衣广告，其与在这种情况下为海滩的用户主题兴趣有关。
除上述实施例之外，通过参考附图和研究以下详细说明，其它实施例也将变得显而易见。
附图说明
通过下文提出的结合附图而考虑的示例性实施例的详细说明，将更容易地理解本发明，在附图中：
图1示出根据本发明实施例的用于生成用户简档的系统；
图2示出根据本发明的各种实施例的用于用户简档生成的方法；
图3是示出本发明的一个实施例中的被形成为数据结构的用户简档的示意图；
图4是示出根据本发明实施例的被形成为数据结构的另一用户简档的示意图；
图5是示出根据本发明的各种实施例、如何可以从数字图像记录中获得趋势信息、用户主题兴趣和用户偏好的示意图；以及
图6～8示出实施例，其中在兴趣水平确定过程中考虑作为趋势的基础的共性的实例数目。
应理解的是，附图是用于说明本发明的构思且可以不按比例。
具体实施方式
本发明的实施例至少基于对来自与用户相关的多个数字图像记录的图像内容的分析来识别趋势。每个趋势表示多个数字图像记录之间的共性并且是由该共性推断或导出的。分析来自数字图像记录的图像内容并且更具体而言从该图像内容识别趋势提供了关于用户的有价值的信息。从而可以将此类信息有利地结合到稍后可以用于精准行销的用户简档中。
本文所使用的短语“数字图像记录”意图包括数字静像以及数字视频。而且，应注意的是，除非另外明确地说明或上下文需要，词语“或”在本公开中以非排他性的意义加以使用。另外，可以将本文所述的功能实现为“软件”或“软件程序”。然而，本领域的技术人员将认识到还可以轻易地以硬件来执行此类软件的等效功能。
图1示出根据本发明实施例的、用于生成用户简档的系统22。系统22包括数据处理系统26、外围系统30、用户接口系统28、和处理器可访问存储系统24。处理器可访问存储系统24、外围系统30、和用户接口系统28可通信地连接到数据处理系统26。数据处理系统26包括实现本发明的各种实施例的处理的一个或多个数据处理设备，所述处理包括本文所述的图2的示例性处理。
短语“数据处理设备”或“数据处理器”意图包括任何数据处理设备，诸如中央处理单元(“CPU”)、台式计算机、膝上型计算机、主计算机、个人数字助理、BlackberryTM、数字照相机、蜂窝式电话、或用于处理数据、管理数据、或操作(handling)数据的任何其它设备，无论是以电、磁、光、生物学组件或其它方式实现的。
处理器可访问存储系统24包括被配置为存储信息的一个或多个处理器可访问存储器，所述信息包括执行本发明的各种实施例的处理所需的信息，所述处理包括本文所述的图2的示例性处理。处理器可访问存储系统24可以是分布式处理器可访问存储系统，其包括经由多个计算机和/或设备可通信地连接到数据处理系统26的多个处理器可访问存储器。另一方面，处理器可访问存储系统24不必须是分布式处理器可访问存储系统，并因此可以包括位于单个数据处理器或设备内的一个或多个处理器可访问存储器。
短语“处理器可访问存储器”意图包括任何处理器可访问数据存储设备，无论是易失性还是非易失性、电子、磁性、光学或其它方式的，包括但不限于软盘、硬盘、致密盘、DVD、闪速存储器、ROM和RAM。
短语“可通信地连接”意图包括设备、数据处理器、或其中可以传送数据的程序之间的任何类型的连接，无论是有线的还是无线的。此外，短语“可通信地连接”意图包括单个数据处理器内的设备或程序之间的连接、位于不同数据处理器中的设备或程序之间的连接和根本未位于数据处理器中的设备之间的连接。关于这一点，虽然与数据处理系统26分开地示出处理器可访问存储系统24，但本领域的技术人员将认识到可以将处理器可访问存储系统24完全或部分地存储在数据处理系统26内。还关于这一点，虽然与数据处理系统26分开地示出外围系统30和用户接口系统28，但本领域的技术人员将认识到可以将此类系统之一或两者完全或部分地存储在数据处理系统26内。
外围系统30可以包括被配置为将数字图像记录提供给数据处理系统26的一个或多个设备。例如，外围系统30可以包括数字摄像机、蜂窝式电话、常规数字照相机、或其它计算机。数据处理系统26在从外围系统30中的设备接收到数字图像记录时，可以将此类数字图像记录存储在处理器可访问存储系统24中。
用户接口系统28可以包括鼠标、键盘、另一计算机、或从其向数据处理系统26输入数据的任何设备或设备的组合。关于这一点，虽然与用户接口系统28分开地示出外围系统30，但是外围系统30可以被包括作为用户接口系统28的一部分。
用户接口系统28还可以包括显示设备、处理器可访问存储器、显示设备和处理器可访问存储器、或通过数据处理系统26向其输出数据的任何设备或设备组合。关于这一点，如果用户接口系统28包括处理器可访问存储器，则该存储器可以是处理器可访问存储系统24的一部分，即使用户接口系统28和处理器可访问存储系统24在图1中被分开示出。
可以将存储在处理器可访问存储系统24中的数字图像记录集合中的图像记录链接到可变数量的元数据。此图像元数据可以包括与捕获到图像的条件相关的各种语义和结构信息以及获得的关于图像内容的信息。举例来说，数字图像记录的元数据可以包括图像捕获的日期和时间、捕获位置(例如由全球定位卫星、GPS提供)、照相机所有者、照相机类型、图像分辨率、来自图像的操作者或观看者的评论、和从图像内容本身获得的各种数据，例如包括标识图像的(一个或多个)主题的信息。被获得并存储为数字图像记录的元数据的语义信息可以包括从图像中的对象获得的各种信息，包括来自本领域中已知的图像分析工具的数据，所述图像分析工具诸如是提供对象识别或面部识别的各种软件应用程序。还可以从用来确定海滩场景、雪景、室外场景、室内场景和许多其它类型场景的传统场景分类器获得数字图像记录的语义信息。同样地，材料分类器产生用于对材料的存在进行分类的数字图像记录的语义信息，所述材料诸如岩石、沙、金属、玻璃、木材和许多其它类型的材料。
参照图2，根据本发明的各种实施例，给出了用于根据数字图像记录集合10生成用户简档20的方法的逻辑流图。执行趋势识别步骤12以便从数字图像记录集合10中识别一个或多个趋势。至少基于对在步骤12处识别的趋势的分析来在步骤14识别用户主题兴趣。可选地，在步骤14处，除了用户主题兴趣之外，可以至少基于对在步骤12处识别的趋势的分析来生成兴趣水平。该兴趣水平可以指示用户对用户主题兴趣具有的吸引力的水平。在可选步骤15处，可以至少基于对在步骤12中识别的趋势的分析来生成用户偏好。用户偏好链接在步骤14生成的用户主题兴趣。例如，用户偏好可以指示当用户正在参与第一用户主题兴趣时，用户还喜欢参与第二用户主题兴趣。在步骤16处，可以生成用户简档20，其封装(encapsulate)在步骤12、14和15中获得的关于用户的信息。可以将用户简档20存储在处理器可访问存储系统24中。虽然不需要，但随后可以将用户简档20中的信息用于进行适当的邀请，诸如广告，以使用户购买产品或服务。
用户数字图像记录集合10可以包括多个数字图像记录，其可以是静止或视频图像。此类数字图像记录可以是使用各种类型的数字照相机捕获的，或者可以是从传统照片扫描并以数字方式存储的。本领域的普通技术人员将认识到，本发明不限于获取数字图像记录的方式。数字图像记录集合10中的数字图像记录可以具有随附元数据，其范围为从日期/时间戳信息至关于成像条件、GPS位置、采用的捕获设备类型、图像捕获条件等的成熟的数据。
关于趋势识别步骤12，详细说明组成本文所使用的术语趋势的项目是指导性的。趋势包括至少基于对来自多个数字图像记录的图像内容的分析检测到的共性，诸如图案。关于这一点，本文所使用的短语“图像内容”意图指的是记录在数字图像记录中的辐射或音频的表示，其与可以与数字图像记录相关联的元数据或其它报头或文本信息形成对照。可以使用本领域中已知的技术来执行对用来检测共性的图像内容的分析。例如，可以使用场景分类处理、面部检测处理、对象检测处理、音频分析处理、文本提取处理(其中将文本识别为图像内容本身中的对象)、或本领域中已知的事件集中处理。还可以通过对与数字图像记录相关的元数据或其它信息的分析来检测共性。
共性(基于该共性导出趋势)可以涉及事件、对象、位置、时间、或其它因素，且可以包括因素的组合。关于这一点，从基于事件的共性导出一种趋势。例如，可以将基于事件的共性识别为被视为已捕获到同一事件的多个数字图像记录。根据此类共性，可以导出趋势。例如，可以使用在到欧洲旅行期间捕获的数字图像记录来导出趋势，因为它们展示出一种共性，即其全部是在同一事件(即到欧洲旅行)期间获取的。该趋势可以例如在步骤14中用来将到欧洲的旅行识别为用户主题兴趣。事件的其它示例包括假期、生日宴会等、以及诸如徒步旅行、跑步、骑马、打高尔夫球等的活动。因此，本领域的技术人员将认识到本发明不限于事件类型。
应注意的是，可以使用本领域中已知的技术来执行至少基于对图像内容的分析的事件识别。例如，在授予Loui等人的题为“Method forAutomatically Classifying Images into Events”的共同转让美国专利No.6,606,411中描述了事件检测技术。例如在授予Loui等人的共同转让美国专利No.6,606,411中描述了事件集中技术。
根据基于对象的共性导出另一种趋势。例如，可以使用本领域中已知的对象识别分析来将基于对象的共性识别为捕获同一人、同一宠物、同一房屋、同一衣物等的多个图像记录。关于这一点，本领域的技术人员将认识到，本发明不限于任何特定种类的对象。此外，本文所使用的术语“对象”可以包括多个部分。例如，汽车是由诸如发动机、轮胎等许多部分构成的对象。一群人是由若干人组成的对象。因此，本领域的技术人员将认识到术语“对象”不限于单个不可分割的对象，而是可以包括包含多个部分的复合对象。关于这一点，例如，可以将汽车和一群人这二者中的每个视为“对象”。
在由基于对象的共性导出趋势的情况下，其中，多个图像记录已被视为已捕获到同一个人，例如，可以在步骤14处生成指示同二个人的相应用户主题兴趣。可以通过使用诸如面部检测或面部识别技术之类的传统技术来将多个图像记录视为已捕获到同一个人。面部检测算法是众所周知的，且已经例如在授予Ho等人的题为“Face Detection inDigital Images”的美国专利No.7,218,759和授予Chen等人的题为“Method for Locating Faces in Digital Color Images”的共同转让美国专利No.7,110,575中有所描述。然后，同样在本领域中已知的面部识别算法分析所识别的面部数字图像记录以便对一个或多个所检测到的面部赋予身份。授予Huang等人的题为“Pose-Invariant FaceRecognition System and Process”的美国专利No.7,142,697描述了使用模型数字图像记录作为用于训练神经网络以识别数字图像记录中的面部的工具。
由基于位置的共性导出另一种趋势。例如，可以将基于位置的共性识别为被视为已在同一位置处被捕获的多个数字图像记录。例如，可以检测趋势，其中对数字图像记录集合执行的传统对象识别分析示出在同一位置处或在同一类型的位置处的图像拍摄(image-taking)的图案。例如，与用户相关的数字图像记录集合可以具有在法国巴黎拍摄的照片组，如通过在其内部被识别出的埃菲尔铁塔而辨认出的那样。数字图像记录集合还可以包括在不同位置处拍摄的照片，但这些位置全部被视为具有同一类型，例如，可以将其全部视为如通过在其内部被识别出的沙和海洋而辨认出的海滩。
由基于时间的共性导出另一种趋势。例如，可以将基于时间的共性识别为被视为已在一定时间跨度或重新发生的时间跨度内例如被连续或基本连续地捕获的多个数字图像记录。例如，可以根据对显示第一组数字图像记录包括南瓜图像的图像内容的分析来识别基于时间的共性。由于第一组数字图像记录包括南瓜的图像，所以可以推断这组数字图像记录是在九月或十月中基本上连续地捕获的。为了继续本示例，假设第二组数字图像记录也具有南瓜的图像。然而，假设第一组数字图像包括穿特定衬衫的特定人的图像，且第二组数字图像包括穿不同衬衫的所述特定人的图像。因此，可以推断第一和第二组数字图像记录是在重新发生的时间跨度内被捕获的，例如可能在同一年或不同年份期间的九月或十月中的不同日子被捕获的。在由该基于时间的共性导出趋势的情况下，例如，其中多个图像记录已被视为是在九月或十月内被连续或基本上连续地捕获的，可以在步骤14处生成指示用户对一年中的这个时候的兴趣的相应用户主题兴趣。
还可以由上文所阐述的诸如事件、对象、位置、时间等共性因素的组合导出趋势。例如，趋势可以涉及被视为已捕获到重新发生的事件的多个数字图像记录，其中，重新发生是与基于事件的共性因素组合的基于时间的共性因素。例如，对一组多个数字图像记录的分析可以显示用户在海滩度过了多个家庭假期。也就是说，海滩家庭假期(事件)重新发生(时间)。此趋势可以导致在步骤14处生成对‘海滩家庭假期’的用户主题兴趣。与共性因素的组合相关的趋势的另一示例是基于被视为已捕获到特定人(对象)和生日宴会(事件)这二者的多个数字图像记录。此趋势可以导致在步骤14处生成对‘与特定人的生日宴会’的用户主题兴趣。
根据本发明的某些实施例，可能需要最少量的共性以便识别趋势。换言之，可能要求在在步骤12处识别趋势之前满足共性阈值。虽然未要求，但共性阈值的使用有利于步骤12处的强劲、有意义的趋势的识别。例如，该共性阈值可以指示在识别趋势之前必须在至少X个数字图像记录之间检测共性，其中，X是预定义整数。如果X是五，且集合10中只有四个数字图像记录被视为包括帆船的图像(例如，基于对象的共性)，则在步骤12处不会基于此基于对象的共性而识别到趋势。然而，如果集合10中的十个数字图像记录被视为是在海滩捕获的(例如，基于位置的共性)，则在步骤12处将基于该基于位置的共性识别到趋势。
应注意的是，虽然以上示例关于分析数字图像记录的图像内容以识别趋势，但本领域的技术人员将认识到可以使用任何其它相关信息来补充该分析。例如，如数字成像领域的普通技术人员所熟知的那样，采用从目前的数字照相机获得的数字图像记录，正使得越来越多数量的元数据可用。例如，当前从数字照相机获得的数字图像记录通常具有诸如来自由照相机获得的GPS数据的描述图像捕获的日期、时间和位置的随附元数据。此信息还可以包括获得图像的条件和摄影师标识，并且甚至可以具有关于图像内容本身的各种数据。例如，在来自日本电子工业发展协会(JEIDA)CP-3451的、也称为可交换图像文件或EXIF标准v.2.1的数码相机图像文件标准(Digital Still Camera ImageFile Format Standard)中定义了可以伴随数字图像记录的标准信息数据字段或“标签”。
该元数据可以用来改善在图2中的步骤12处执行的趋势识别的可靠性或准确度(以及在步骤14和15处生成的用户主题兴趣或用户偏好的可靠性或准确度)。例如，假设对象检测分析显示一组数字图像记录中的每个数字图像记录包括南瓜的图像，从而说明基于对象的共性趋势。该基于对象的共性趋势可以在步骤14中用来确定用户对南瓜有主题兴趣。然而，与捕获到南瓜的该组数字图像记录相关的元数据还可以指示其是在跨越多年的十月的第一周期间被捕获的，从而说明基于时间的共性趋势。因此，可以使用元数据来识别更具体的基于对象和基于时间的共性趋势，而不是仅仅识别基于对象的共性趋势。该基于组合共性的趋势可以在步骤14处用来确定比仅仅是诸如‘十月份的第一周期间的南瓜’之类的南瓜更具体的用户主题兴趣。可以在步骤16处将此用户主题兴趣添加到用户简档20中，并随后用来生成对用户在十月份的第一周期间在特定农场去采南瓜的邀请。
虽然元数据仅仅是除了在步骤12处使用和上文描述的基于图像内容的分析之外可以使用的补充信息的一个示例，但本领域的技术人员将认识到，可以使用任何其它补充信息来帮助识别集合10内的数字图像记录之中的趋势。
在步骤14中识别的一个或多个用户主题兴趣可以是与在步骤12中识别的趋势相关的许多项目中的任何一个。用户主题兴趣可以涉及事件、对象、位置、时间、或其组合。关于这一点，在简单的情况下，可以从作为趋势的基础的共性导出用户主题兴趣。例如，假设在步骤12处根据被视为已捕获到夏季的焰火的一组数字图像记录识别出趋势。这组数字图像记录的共性是其捕获到夏季(其为基于时间的共性)期间的焰火(其为基于事件的共性)。因此，在简单的情况下，可以将用户主题兴趣视为“夏季的焰火”。可以在步骤16处将此用户主题兴趣包括在用户简档20中。
然而，用户主题兴趣不限于此简单情况，并且可以包括在与趋势相关的共性之外的推断或外推。此类推断或外推可以基于在与趋势相关的共性之外的附加信息。例如，假设此类附加信息是用户生活在美国。并且假设在步骤12处根据被视为已捕获到夏季的焰火的一组数字图像记录识别出趋势。在这种情况下，可以在仅仅是“夏季的焰火”之外推断更具体的用户主题兴趣。作为替代，例如，可以将用户主题兴趣识别为“7月4日的焰火”，因为已知用户生活在美国。虽然本示例使用关于用户的附加信息，即，用户生活在美国，但是本领域的技术人员将认识到可以使用任何其它信息来基于在步骤12处识别的趋势生成用户主题兴趣的更好的估计。
关于这一点，可以从在步骤12处识别的其它趋势导出此类附加信息。也就是说，在趋势与用户主题兴趣之间不需要是一一对应关系。例如，假设步骤12识别三种趋势：(1)数字图像记录被视为已捕获到徒步旅行，(2)数字图像记录被视为已捕获到国家公园，和(3)数字图像记录被视为已捕获到钓鱼。在步骤14处，可以至少基于这三种趋势生成“户外活动”的用户主题兴趣。
因此，可以看到确定用户主题兴趣可能比简单地给用户主题兴趣赋予趋势共性更复杂。例如，用户A可以具有可以通过不同毛色或形状度量检测到的不同狗的在一段时间内拍摄的许多照片。另一方面，用户B可以具有看起来像同一只狗的在不同时间拍摄的许多照片。因此，用户A可以具有表示用户A是狗爱好者或狗饲养者的用户主题兴趣。另一方面，用户B可以具有表示用户B是狗所有者的用户主题兴趣。值得注意的是，不能轻易地根据对单个图像的内容所执行的分析推断出该区别，而是通过从在一定时间段内获取的多个数字内容记录来确定趋势从而更准确地获得该区别。
图5的示意图给出如何可以从数字图像记录集合获得趋势的简单说明，并帮助示出趋势如何不同于用户主题兴趣。在本示例中，在用户的数字图像记录集合10中有四个数字图像记录，每个被标记为11a、11b、11c、和11d。每个数字图像记录是在如图5中的时间戳90所示的不同时间获取的，其可以由与数字图像记录相关的元数据来指示。在本示例中，在每个数字图像记录11a～11d内识别的对象被列在每个数字图像记录11a～11d上。如从本示例可以看到的那样，可以使用存在于来自数字图像记录集合10的数字图像记录之间的对象的共性来识别趋势，其由图5中的虚线指示。
根据此趋势，可以在步骤14处确定用户主题兴趣。因此，在本示例中，可以分别从趋势92、93识别出“背包”和“帐篷”的简单用户主题兴趣。作为替换或附加，可以基于趋势92和93以及附加信息来识别“野林地露营”的更复杂用户主题兴趣，所述附加信息诸如为在数字内容记录中识别的其它对象，诸如“渔具”、“熊”和“徒步旅行踪迹”。通过对比，狗所有权不会被推断为用户主题兴趣，因为只有数字图像记录11a包含狗的图像，并且因此不存在趋势。可能生成对划船的用户主题兴趣，因为分别通过数字图像记录11a、11b在趋势91中识别到帆船对象和独木舟对象。然而，在本发明的某些实施例中，帆船用户主题兴趣可以具有比“背包”、“帐篷”或“野林地露营”用户主题兴趣低的相对兴趣水平，因为其趋势跨越四个数字图像记录中的两个，并且其它用户主题兴趣中的每个具有趋势92、93，或者跨越全部四个数字图像记录的92、93二者。
根据设计选择，图5还可以示出用户偏好。例如，在生成“背包”和“帐篷”的简单用户主题兴趣的情况下，附加处理步骤可以确定两个主题兴趣都是从包括重叠数字图像记录的趋势导出的。也就是说，这两个用户主题兴趣是从包括全部四个数字图像记录11a～11d的趋势92、93导出的。该重叠可以用作用于生成将两个用户主题兴趣联系在一起的用户偏好的基础。在这种情况下，用户偏好可以指示当用户带着帐篷去某处时，用户还带着背包。
如果基于趋势91识别到对划船的用户主题兴趣，则可以通过将划船用户主题兴趣与背包和帐篷用户主题兴趣联系在一起来生成用户偏好，因为背包和帐篷趋势92、93包括与趋势91相同的数字图像记录11a、11b。此偏好可以指示用户在划船时更喜欢带着背包和帐篷。然而，不会生成将划船用户主题兴趣与渔具用户主题兴趣联系在一起的用户偏好，因为相应的趋势91、94不包括重叠数字图像记录。为了进行详细描述，划船用户主题兴趣是基于包括数字图像记录11a、11b的趋势，而渔具用户主题兴趣是基于包括数字图像记录11c、11d的趋势。
步骤14中的趋势分析(图2)提供不仅仅是用于识别用户主题兴趣、而且可选地用于确定特定用户表现出的兴趣水平的丰富的信息库。因此，除了在步骤14处确定用户主题兴趣之外，本发明的实施例还确定与用户主题兴趣相关的兴趣水平。该兴趣水平可以用作用户将响应于特定邀请而购买产品或服务的可能性程度的指示。
关于这一点，步骤14可以不仅包括分析在步骤12中识别的趋势以确定用户主题兴趣，而且可以包括分析在步骤12中识别的趋势以确定用户主题兴趣的兴趣水平。例如，如果从涉及来自集合10的相对高比例的数字图像记录的趋势中识别用户主题兴趣，则可以使相对高的兴趣水平与该用户主题兴趣相关联。为了进行详细描述，假设用户主题兴趣被定义为运动，并且此用户主题兴趣是从涉及集合10中的一千个数字图像记录之中的八百个数字图像记录的趋势中识别的。也就是说，假设这八百个数字图像记录的图像内容以某种方式与运动相关。由于此趋势涉及集合10中的数字图像记录的80％，则可以认为存在对运动用户主题兴趣的高兴趣水平。另一方面，如果趋势涉及集合10中的数字图像记录的1％，则可以认为存在对运动用户主题兴趣的低兴趣水平。
除了考虑集合10中的数字图像记录的百分比之外或作为其替代，用于评估用户主题兴趣的兴趣水平的另一因素可以是在用户主题兴趣所基于的趋势中所涉及的数字图像记录的新近性(recency)。因此，涉及时间较近的数字图像记录的趋势可以导致相应的用户主题兴趣被给予比具有涉及时间较远的数字图像记录的相应趋势的用户主题兴趣更高的兴趣水平。
除上述因素之一或两者之外或作为其替代，在基于对象共性的趋势的情况下，用于确定兴趣水平的另一因素可以是正在讨论的对象一般是否是包括在从中识别到相应用户主题兴趣的趋势中的数字图像记录的主要主题。用于识别主要主题的方法在例如授予Luo等人的题为“Digital Image Processing System and Method for Emphasizing aMain Subiect of an Image”的共同转让美国专利No.7,212,668中有所描述。如果正在讨论的对象一般是包括在趋势中的数字图像记录的主要主题，则与如果正在讨论的对象一般不是数字图像记录的主要主题相比，可以使较高的兴趣水平与相应的用户主题兴趣相关联。
除上述因素中的一个或多个之外或作为其替代，在趋势包括至少两个共性的情况下可以考虑用于确定兴趣水平的另一因素。在这种情况下，此另一因素是两个共性中的至少一个的不同实例的数目。在某些实施例中，可以可选地将不同的实例视为至少包括表示至少两个共性中的至少另一个共性的阈值数目的数字图像记录。图6提供了一个示例，其中趋势包括两个共性：特定年份内的月份(即，基于时间的共性)和特定人(即，基于对象的共性)。因此，所述趋势包括来自集合10的数字图像记录的子集，所述集合10(a)被视为是在特定的一年时间段期间被捕获的，并且(b)被视为已捕获到特定人的图像。出于本示例的目的，假设此趋势在步骤14处用来识别特定人的用户主题兴趣。
图表600表示如何将此子集中的数字图像记录分成特定年份内的单独月份(即实例)。图表600的Y轴602表示被视为已捕获到特定人的图像的集合10中的数字图像记录的数目。该图表的X轴604表示特定年份内的单独月份(即实例)。阈值606指示将在兴趣水平计算中考虑的月份(即实例)所需的数字图像记录的最小数目(在本示例中为八个)。在这种情况下，五月、七月、十一月、和十二月具有在兴趣水平计算中要考虑的与之相关的足够数目的数字图像记录(即，在本示例中为八个)。关于这一点，认为十二个不同月份中的四个月(即，实例)至少具有特定人的有意义数目的图像(在本示例中为八个)。与在例如只有一个月被视为具有特定人的有意义数目的图像的情况下可以识别到该信息相比，此信息可以用来识别对特定人(即用户主题兴趣)的较高兴趣水平。
图7提供这样的示例，其中趋势包括两个共性：特定空间区域内的位置(即基于位置的共性)和车展事件(即基于事件的共性)。应注意的是，可以根据需要将特定空间区域定义为狭窄的或广泛的。例如，可以将特定空间区域广泛地定义为地球或者乃至宇宙，或者可以更窄地将其定义为国家、州、城镇等。在图7的示例中，趋势涉及来自集合10的数字图像记录的子集，其(a)被视为是在特定空间区域内的某位置处被捕获的，并且(b)被视为已捕获到车展事件的图像。出于本示例的目的，假设此趋势在步骤14处用来识别对车展的用户主题兴趣。
图表700表示如何将此子集中的数字图像记录分成特定空间区域内的位置(即实例)。图表700的Y轴702表示被视为已捕获到车展事件的图像的集合10中的数字图像记录的数目。该图表的X轴704表示特定空间区域内的单独位置(即实例)。阈值706指示将在兴趣水平计算中考虑的位置(即实例)所需的数字图像记录的最小数目(本示例中为五个)。在这种情况下，位置A和D具有满足阈值706的与之相关的多个数字图像记录。关于这一点，认为五个不同位置之中的两个位置(即实例)具有至少有意义数目的车展事件图像(在本示例中为五个)。与在例如十个不同位置被视为具有有意义数目的车展事件图像的情况下可以识别到该信息相比，该信息可以用来识别对车展(即用户主题兴趣)的较低兴趣水平。换言之，获取若干不同位置处的车展图像的用户比仅具有一个或几个不同位置处的车展图像的用户更可能对车展具有较高的兴趣水平。
图8提供这样的示例，其中趋势包括两个基于对象的共性：(a)摇滚明星和(b)用户。关于这一点，所述趋势涉及来自集合10的数字图像记录的子集，其(a)被视为已捕获到摇滚明星的图像，并且(b)被视为已捕获到用户的图像。出于本示例的目的，假设此趋势在步骤14处用来识别对摇滚乐的用户主题兴趣。
图表800表示如何通过单独的摇滚明星(即实例)将此子集中的数字图像记录分开，其中所述单独的摇滚明星已被视为已被成像。图表800的Y轴802表示被视为已对用户进行成像的集合10中的数字图像记录的数目。图表800的X轴804表示已被成像的单独摇滚明星(即实例)。阈值806指示将在兴趣水平计算中考虑的摇滚明星(即实例)所需的数字图像记录的最小数目(在本示例中为零)。在这种情况下，由于阈值806是零，所以在兴趣水平计算中考虑所有被成像的摇滚明星，因为即使具有带有用户和摇滚明星的一个图像也可能是有意义的。因此，可以使用对用户被与四个不同摇滚明星一起成像的确定来识别对摇滚乐(即用户主题兴趣)的兴趣水平，该兴趣水平比在例如用户从未被与摇滚明星一起成像的情况下可以识别的兴趣水平高。
因此，从以上示例可以看出，本发明不限于为了确定用户主题兴趣的兴趣水平而对在步骤12中识别的趋势进行的任何特定类型的分析。
在在步骤14处生成用户主题兴趣和可选的兴趣水平之后，可以通过本发明的某些实施例来可选地执行步骤15以生成用户偏好。本文所使用的短语“用户偏好”意图指的是至少基于对在步骤12处识别的(一个或多个)趋势的分析将多个用户主题兴趣联系在一起。例如，假设在步骤12中在捕获滑雪活动的第一组多个数字图像记录中识别到第一趋势，并且在捕获特定人的第二组多个数字图像记录中识别到第二趋势。还假设第二组数字图像记录是第一数字图像记录的子集，因此捕获到特定人的数字图像记录也是捕获到滑雪活动的数字图像记录。在这种情况下，第一趋势可以导致‘滑雪’被识别为第一用户主题兴趣，并且第二趋势可以导致‘特定人’被识别为第二用户主题兴趣。而且，在这种情况下，可以将识别偏好的步骤配置为识别这两个用户主题兴趣的重叠，因为其在至少某些相同的数字图像记录中发生。此识别的重叠可以导致生成指示用户更喜欢与特定人一起去滑雪的用户偏好。也就是说，此用户偏好将‘滑雪’用户主题兴趣与‘特定人’用户主题兴趣联系在一起。因此，可以看到用户偏好确定可以在已生成用户主题兴趣之后作为附加的处理层发生。
可以观察到在紧接着的前一示例中，在本发明的一个实施例中，可能已至少基于对两个趋势的分析而在步骤14处生成‘与特定人一起滑雪’的用户主题兴趣。在该实施例中，将不必须生成将‘滑雪’用户主题兴趣与‘特定人’用户主题兴趣联系在一起的用户偏好，因为组成这两个兴趣的用户主题兴趣已在步骤14处生成。然而，在本发明的一些实施例中，生成诸如‘与特定人一起滑雪’的特定用户主题兴趣可能不是优选的。在这些实施例中，生成联系简单的用户主题兴趣的用户偏好而不是生成特定用户主题兴趣可能是有用的。因此，可以看到本发明不限于生成用户主题兴趣和用户偏好的方式，并且其生成方式取决于设计选择。
在生成用户主题兴趣和可选的兴趣水平或用户偏好之后或之中，可以执行图2中的步骤16中的简档生成。在此步骤中，可以形成某种类型的数据结构作为用户简档20，并且根据用户主题兴趣和偏好来填充其数据字段。
本文所使用的短语“用户简档”指的是指示相关用户的兴趣的信息集合，与该信息集合的形式或其存储方式无关。可以由表征用户的任何数据而不仅仅是在步骤14处识别的用户主题兴趣或用户偏好来生成用户简档20。关于这一点，可以通过关于用户的任何其它信息源来补充或改进用户简档20，无论其是否是常规的。另外，事实上，最初可能已通过除了来自本发明的方法之外的一个或多个信息源来产生用户简档20，并且随后通过本发明的方法进行补充或改进。
例如，可以使用诸如授予Kawasaki的题为“Method and System forGenerating and Using a Computer User’s Personal Interest Profile”的美国专利No.6,539,375中描述的那些方法之类的方法，基于用户在之前的月份内访问的因特网站点来保持用户简档。可以使用来自已使用根据本发明实施例的方法生成的用户数字图像记录的信息来补充或改进已使用Kawasaki′375方法获得的简档数据。或者，作为替换，可以使用来自已根据Kawasaki′375方法生成的用户数字图像记录的信息来补充或改进已使用根据本发明实施例的方法获得的用户简档。
另外，应注意的是可以将用户简档20无定限地存储在非易失性存储器中，或者可以根据需要动态地生成。因此，本领域普通技术人员将认识到本发明不限于任何特定用户简档格式或用户简档的任何特定内容。
然而，根据所述内容，考虑说明某些特征的某些示例性用户简档和在本发明的某些实施例中可能感兴趣的数据类型仍是有益的。图3示出包括用户标识字段22的示例性用户简档，该用户标识字段22可以存储具有数字图像记录集合帐户的特定人的用户名、标识号码、或其它标识符。可以认识到使用用户简档20的机构或实体可以不知道用户的名称。因此，将名称置于用户身份字段22之外将使得能够实现一定水平的个人隐私保护，从而使得用户简档20可以被广告商或其它感兴趣实体访问而不危及帐户用户的隐私。
字段24与用户标识字段22相关联并存储关于一个或多个用户主题兴趣的数据。在图3的示例中，如先前所讨论的，可选等级(rating)字段25可以存储对应于相关用户主题兴趣的兴趣水平等级。
在一个实施例中，图3的用户简档20具有固定数据字段，其中对用户主题兴趣进行了预定义。例如，可以将用户简档20设计为获得关于特定兴趣组的信息。因此，用户主题兴趣#1可以涉及用户对运动或体育事件的明显兴趣；用户主题兴趣#2可以涉及兴趣或家庭参与水平；用户主题兴趣#3可以涉及用户的明显旅行兴趣等等。关于这一点，图2中的步骤14可以从在步骤12中识别的趋势中搜索这些预定义用户主题兴趣，且可以对找到的那些用户主题兴趣赋予适当的兴趣水平等级。
继续本示例，主题兴趣#1的兴趣水平等级可以指示对体育用品、比赛入场券、或其它项目的可能兴趣水平。主题兴趣#3的等级可以指示此用户对特价机票或邮轮航程(cruise package)的可能兴趣水平。在一个实施例中，基于广告商可能寻找的兴趣，将图3的模型用于每个用户帐户。然而，应注意的是，图3中示出的用户主题兴趣在用户之间不必是固定的，而是可以至少基于在步骤12中从特定用户的数字图像记录集合识别的趋势来针对特定用户特别地生成该用户主题兴趣。
在图4的实施例中示出另一示例性用户简档20。这里，用户偏好信息与用户主题兴趣24相关。特别地，每个用户偏好数据字段27可以指示与另一用户主题兴趣的联系。例如，与用户主题兴趣#1相关的用户偏好1A可以指示与用户主题兴趣#2的联系。关于这一点，用户偏好1A可以指示当用户喜欢与用户主题兴趣#1相交互时，用户也喜欢与用户主题兴趣#2相交互。
应理解的是，示例性实施例仅仅是说明本发明，且在不脱离本发明的范围的情况下本领域的技术人员可以设计上述实施例的许多变形。因此，意图是所有此类变形被包括在以下权利要求书及其等价物的范围内。
部件表
10    数字图像记录集合
11a，11b，1lc，11d  数字图像记录
12    趋势识别步骤
14    主题兴趣识别步骤
15    可选用户偏好步骤
16    用户简档生成步骤
20    用户简档
22    标识字段
23    用户主题兴趣字段
24    处理器可访问存储系统
25    等级字段
26    数据处理系统
27    用户偏好字段
28    用户接口系统
30    外围系统
90    时间戳
91-94 趋势
600   图表
602   Y轴
604   X轴
606    阈值
700    图表
702    Y轴
704    X轴
706    阈值
800    图表
802    Y轴
804    X轴
806    阈值

Claims (13)

1.一种至少部分由数据处理系统实现的方法，所述方法用于生成用于特定用户的用户简档，并且该方法包括步骤：
至少基于对来自与所述特定用户相关的多个数字图像记录的图像内容的分析来使用所述数据处理系统以自动地识别一个或多个趋势，其中，每个趋势表示多个数字图像记录之间的共性且所述共性涉及以下项中的至少一项：事件或位置；
至少基于对所述趋势的分析来识别针对特定用户的多个用户主题兴趣；
至少基于所述特定用户的主题兴趣来生成与所述特定用户相关的用户简档；以及
将所述特定用户简档存储在处理器可访问存储系统中；
其中所述方法还包括至少基于对趋势的分析来识别所述特定用户的偏好的步骤，其中，所述用户偏好将用户主题兴趣中的至少两个用户主题兴趣联系在一起；并且其中，还至少基于用户偏好生成或更新所述特定用户简档，其中所述特定用户主题兴趣之一是特定活动，且用户主题兴趣中的另一个是特定的人，并且其中，用户偏好之一将所述特定活动与所述特定人联系在一起。
2.权利要求1的方法，其中每个趋势包括至少基于对来自所述多个数字图像记录中的至少一些数字图像记录的图像内容的分析而检测到的共性。
3.权利要求1的方法，其中，所述趋势中的至少一个包括多个共性的组合。
4.权利要求2的方法，其中，识别一个或多个趋势的步骤仅识别满足共性阈值的趋势。
5.权利要求4的方法，其中，所述共性阈值指示必须(a)在所述多个数字图像记录中的至少X个数字图像记录之中、或(b)在所述多个数字图像记录的特定百分比的数字图像记录之中检测共性，其中X是整数。
6.权利要求1的方法，其中，所述趋势中的至少一个趋势涉及被视为已捕获到重新发生的事件的多个数字图像记录。
7.权利要求1的方法，其中，对图像内容的分析包括场景分类处理、对象检测处理、音频分析处理、从图像提取文本的处理、或事件集中处理。
8.权利要求1的方法，还包括至少基于对趋势的分析来识别特定用户主题兴趣中的至少一些特定用户主题兴趣的兴趣水平的步骤，其中，还至少基于兴趣水平来生成或更新特定用户的简档。
9.权利要求8的方法，其中，出于识别兴趣水平的目的而对趋势所作的分析包括：关于多个数字图像记录中的许多数字图像记录来考虑在至少一个趋势中包括的许多数字图像记录。
10.权利要求8的方法，其中，出于识别兴趣水平的目的而对趋势所作的分析包括：考虑在至少一个趋势中包括的数字图像记录的新近性。
11.权利要求8的方法，其中，出于识别兴趣水平的目的而对趋势所作的分析包括：分析包括两个共性的特定趋势，并且其中，对特定趋势的分析包括考虑两个共性中的第一个共性的许多不同实例，其中，不同实例中的每一个具有与之相关的、被视为至少表示相应实例和两个共性中的第二个共性的一组数字图像记录。
12.权利要求11的方法，其中，所述两个共性中的每一个涉及一个或多个事件、一个或多个对象、一个或多个位置、或时间。
13.权利要求1的方法，其中，至少基于对所述趋势中的至少两个趋势的分析来识别特定用户的主题兴趣中的至少一个特定的用户主题兴趣。
CN200880120407.0A 2007-12-11 2008-12-01 用于用户简档的图像记录趋势识别 Active CN101897135B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US11/953908 2007-12-11
US11/953,908 US7836093B2 (en) 2007-12-11 2007-12-11 Image record trend identification for user profiles
PCT/US2008/013252 WO2009075738A1 (en) 2007-12-11 2008-12-01 Image record trend identification for user profiles

Publications (2)

Publication Number Publication Date
CN101897135A CN101897135A (zh) 2010-11-24
CN101897135B true CN101897135B (zh) 2013-10-30

Family

ID=40469773

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200880120407.0A Active CN101897135B (zh) 2007-12-11 2008-12-01 用于用户简档的图像记录趋势识别

Country Status (5)

Country Link
US (1) US7836093B2 (zh)
EP (1) EP2232746B1 (zh)
JP (1) JP5622584B2 (zh)
CN (1) CN101897135B (zh)
WO (1) WO2009075738A1 (zh)

Families Citing this family (44)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2538438A1 (en) * 2006-03-01 2007-09-01 Legalview Assets, Limited Systems and methods for media programming
US20090297045A1 (en) * 2008-05-29 2009-12-03 Poetker Robert B Evaluating subject interests from digital image records
US8520979B2 (en) 2008-08-19 2013-08-27 Digimarc Corporation Methods and systems for content processing
US8838976B2 (en) * 2009-02-10 2014-09-16 Uniloc Luxembourg S.A. Web content access using a client device identifier
US20100325040A1 (en) * 2009-06-23 2010-12-23 Craig Stephen Etchegoyen Device Authority for Authenticating a User of an Online Service
US8492638B2 (en) * 2009-08-05 2013-07-23 Robert Bosch Gmbh Personalized entertainment system
EP2473100A4 (en) 2009-09-01 2014-08-20 Exxonmobil Upstream Res Co METHOD OF USING HUMAN PHYSIOLOGICAL RESPONSES AS INPUT DATA FOR HYDROCARBON MANAGEMENT DECISIONS
US8769296B2 (en) * 2009-10-19 2014-07-01 Uniloc Luxembourg, S.A. Software signature tracking
US8316421B2 (en) * 2009-10-19 2012-11-20 Uniloc Luxembourg S.A. System and method for device authentication with built-in tolerance
US20110093503A1 (en) * 2009-10-19 2011-04-21 Etchegoyen Craig S Computer Hardware Identity Tracking Using Characteristic Parameter-Derived Data
US9082128B2 (en) * 2009-10-19 2015-07-14 Uniloc Luxembourg S.A. System and method for tracking and scoring user activities
US8175617B2 (en) 2009-10-28 2012-05-08 Digimarc Corporation Sensor-based mobile search, related methods and systems
US8627379B2 (en) * 2010-01-07 2014-01-07 Amazon Technologies, Inc. Offering items identified in a media stream
US9123061B2 (en) * 2010-03-24 2015-09-01 Disney Enterprises, Inc. System and method for personalized dynamic web content based on photographic data
US9538209B1 (en) 2010-03-26 2017-01-03 Amazon Technologies, Inc. Identifying items in a content stream
JP2011215963A (ja) * 2010-03-31 2011-10-27 Sony Corp 電子機器、画像処理方法及びプログラム
US8406460B2 (en) * 2010-04-27 2013-03-26 Intellectual Ventures Fund 83 Llc Automated template layout method
GB2484268A (en) 2010-09-16 2012-04-11 Uniloc Usa Inc Psychographic profiling of users of computing devices
US20120169583A1 (en) * 2011-01-05 2012-07-05 Primesense Ltd. Scene profiles for non-tactile user interfaces
WO2012122269A2 (en) 2011-03-07 2012-09-13 Kba2, Inc. Systems and methods for analytic data gathering from image providers at an event or geographic location
AU2012100459B4 (en) 2011-08-15 2012-11-22 Uniloc Usa, Inc. Personal control of personal information
US8934722B2 (en) * 2011-09-19 2015-01-13 Given Imaging Ltd. System and method for classification of image data items based on indirect user input
US8831360B2 (en) 2011-10-21 2014-09-09 Intellectual Ventures Fund 83 Llc Making image-based product from digital image collection
US8881273B2 (en) 2011-12-02 2014-11-04 Uniloc Luxembourg, S.A. Device reputation management
US9280682B2 (en) * 2011-12-05 2016-03-08 Globalfoundries Inc. Automated management of private information
AU2012100464B4 (en) 2012-02-20 2012-11-29 Uniloc Usa, Inc. Computer-based comparison of human individuals
US8917943B2 (en) 2012-05-11 2014-12-23 Intellectual Ventures Fund 83 Llc Determining image-based product from digital image collection
US10395297B1 (en) 2012-11-13 2019-08-27 Amazon Technologies, Inc. Social media data matching
US9311640B2 (en) 2014-02-11 2016-04-12 Digimarc Corporation Methods and arrangements for smartphone payments and transactions
US9264474B2 (en) 2013-05-07 2016-02-16 KBA2 Inc. System and method of portraying the shifting level of interest in an object or location
WO2014204463A1 (en) * 2013-06-20 2014-12-24 Hewlett-Packard Development Company, L.P. Photo based user recommendations
US9367939B2 (en) 2013-10-22 2016-06-14 Nokia Technologies Oy Relevance based visual media item modification
CN114004655A (zh) 2013-10-30 2022-02-01 环联公司 用于度量营销与广告活动的有效性的系统及方法
EP2905968A1 (en) 2014-02-10 2015-08-12 Thomson Licensing Method and apparatus for determining data enabling generation of a user profile
US20150356081A1 (en) * 2014-06-04 2015-12-10 Grandios Technologies, Llc Advanced camera management function
KR102447970B1 (ko) * 2014-08-08 2022-09-27 삼성전자주식회사 환경 프로파일 생성 방법 및 환경 프로파일 생성 장치
WO2016022008A1 (en) 2014-08-08 2016-02-11 Samsung Electronics Co., Ltd. Method and apparatus for environmental profile generation
US9910922B2 (en) * 2014-08-28 2018-03-06 International Business Machines Corporation Analysis of user's data to recommend connections
US9767566B1 (en) * 2014-09-03 2017-09-19 Sprint Communications Company L.P. Mobile three-dimensional model creation platform and methods
US20160092773A1 (en) * 2014-09-26 2016-03-31 Microsoft Corporation Inference-based individual profile
JP6662698B2 (ja) * 2016-04-26 2020-03-11 株式会社Ｎｔｔドコモ ユーザ状態推定装置
EP3465478A1 (en) 2016-06-02 2019-04-10 Kodak Alaris Inc. Method for providing one or more customized media centric products
CN107124653B (zh) * 2017-05-16 2020-09-29 四川长虹电器股份有限公司 电视用户画像的构建方法
US11227069B2 (en) * 2018-09-24 2022-01-18 Salesforce.Com, Inc. Techniques and architectures for managing privacy information and permissions across disparate database tables

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1298522A (zh) * 1998-12-23 2001-06-06 皇家菲利浦电子有限公司 个性化视频分类与获取系统
US20070201822A1 (en) * 2005-02-07 2007-08-30 Yoshiaki Kusunoki Recommended Program Extracting Apparatus And Recommended Program Extracting Method
CN101053251A (zh) * 2004-11-04 2007-10-10 皇家飞利浦电子股份有限公司 为电视推荐器合并主演信息
CN101267513A (zh) * 2007-03-15 2008-09-17 富士通株式会社 显示装置及用于该显示装置的遥控装置
CN101365061A (zh) * 2007-08-10 2009-02-11 奥林巴斯映像株式会社 摄像装置、摄像系统以及摄像方法

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100394515B1 (ko) * 1995-06-09 2004-07-27 코닌클리케 필립스 일렉트로닉스 엔.브이. 정보항목의집합으로부터사용자가특정정보항목을인출하는방법및정보처리시스템
JPH11134345A (ja) * 1997-10-27 1999-05-21 Fuji Xerox Co Ltd 嗜好情報選択装置
AUPP400998A0 (en) * 1998-06-10 1998-07-02 Canon Kabushiki Kaisha Face detection in digital images
US6539375B2 (en) * 1998-08-04 2003-03-25 Microsoft Corporation Method and system for generating and using a computer user's personal interest profile
US6606411B1 (en) * 1998-09-30 2003-08-12 Eastman Kodak Company Method for automatically classifying images into events
US6389181B2 (en) * 1998-11-25 2002-05-14 Eastman Kodak Company Photocollage generation and modification using image recognition
US6944319B1 (en) * 1999-09-13 2005-09-13 Microsoft Corporation Pose-invariant face recognition system and process
US6785421B1 (en) * 2000-05-22 2004-08-31 Eastman Kodak Company Analyzing images to determine if one or more sets of materials correspond to the analyzed images
JP3850013B2 (ja) * 2000-06-21 2006-11-29 日本電信電話株式会社 コンテンツ選択装置、コンテンツ選択方法および記録媒体
US6810149B1 (en) * 2000-08-17 2004-10-26 Eastman Kodak Company Method and system for cataloging images
US7212668B1 (en) * 2000-08-18 2007-05-01 Eastman Kodak Company Digital image processing system and method for emphasizing a main subject of an image
US20030101104A1 (en) * 2001-11-28 2003-05-29 Koninklijke Philips Electronics N.V. System and method for retrieving information related to targeted subjects
US7110575B2 (en) * 2002-08-02 2006-09-19 Eastman Kodak Company Method for locating faces in digital color images
US7313268B2 (en) * 2002-10-31 2007-12-25 Eastman Kodak Company Method for using effective spatio-temporal image recomposition to improve scene classification
US20050018216A1 (en) * 2003-07-22 2005-01-27 International Business Machines Corporation Apparatus and method to advertise to the consumer based off a digital image
EP1665793A1 (en) 2003-09-16 2006-06-07 Koninklijke Philips Electronics N.V. Using common- sense knowledge to characterize multimedia content
JP4423131B2 (ja) 2004-08-02 2010-03-03 キヤノン株式会社 情報管理装置
US7873911B2 (en) * 2004-08-31 2011-01-18 Gopalakrishnan Kumar C Methods for providing information services related to visual imagery
KR100738069B1 (ko) * 2004-10-04 2007-07-10 삼성전자주식회사 디지털 사진 앨범의 카테고리 기반 클러스터링 방법 및시스템
US7653249B2 (en) 2004-11-17 2010-01-26 Eastman Kodak Company Variance-based event clustering for automatically classifying images
JP4287392B2 (ja) * 2005-02-18 2009-07-01 富士フイルム株式会社 プリント推奨画像選択装置、方法およびプログラム
JP2007013939A (ja) * 2005-05-30 2007-01-18 Matsushita Electric Ind Co Ltd メタデータ付与装置及びメタデータ付与方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1298522A (zh) * 1998-12-23 2001-06-06 皇家菲利浦电子有限公司 个性化视频分类与获取系统
CN101053251A (zh) * 2004-11-04 2007-10-10 皇家飞利浦电子股份有限公司 为电视推荐器合并主演信息
US20070201822A1 (en) * 2005-02-07 2007-08-30 Yoshiaki Kusunoki Recommended Program Extracting Apparatus And Recommended Program Extracting Method
CN101267513A (zh) * 2007-03-15 2008-09-17 富士通株式会社 显示装置及用于该显示装置的遥控装置
CN101365061A (zh) * 2007-08-10 2009-02-11 奥林巴斯映像株式会社 摄像装置、摄像系统以及摄像方法

Also Published As

Publication number Publication date
US7836093B2 (en) 2010-11-16
EP2232746B1 (en) 2014-01-29
CN101897135A (zh) 2010-11-24
JP2011507094A (ja) 2011-03-03
WO2009075738A1 (en) 2009-06-18
JP5622584B2 (ja) 2014-11-12
EP2232746A1 (en) 2010-09-29
US20090150330A1 (en) 2009-06-11

Similar Documents

Publication Publication Date Title
CN101897135B (zh) 用于用户简档的图像记录趋势识别
US20230281241A1 (en) Method and apparatus for photograph finding
US8380039B2 (en) Method for aligning different photo streams
US8831276B2 (en) Media object metadata engine configured to determine relationships between persons
AU2011249059B2 (en) System and method for directing content to users of a social networking engine
US8645359B2 (en) Providing associations between objects and individuals associated with relevant media items
US20100179874A1 (en) Media object metadata engine configured to determine relationships between persons and brands
US20100030648A1 (en) Social media driven advertisement targeting
US20120113121A1 (en) Aligning and summarizing different photo streams
Teyssou et al. The InVID plug-in: web video verification on the browser
US20120114307A1 (en) Aligning and annotating different photo streams
US20110307332A1 (en) Method and Apparatus for Providing Moving Image Advertisements
CN111639988B (zh) 经纪人推荐方法、装置、电子设备和存储介质
CN108632640A (zh) 预测未来插入区域元数据
US10276213B2 (en) Automatic and intelligent video sorting
Zhu et al. Spatio-temporal sentiment hotspot detection using geotagged photos
CN103312962A (zh) 图像公开装置、图像公开方法以及图像公开系统
CN117795502A (zh) 消息传递系统中主题的演进
CN112148967A (zh) 信息处理装置及方法以及记录介质
Umair et al. Determining Intent of Changes to Ascertain Fake Crowdsourced Image Services
Yanenko et al. Introducing Social Distance to ST-DBSCAN

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
ASS Succession or assignment of patent right

Owner name: APPLE COMPUTER, INC.

Free format text: FORMER OWNER: EASTMAN KODAK COMPANY (US) 343 STATE STREET, ROCHESTER, NEW YORK

Effective date: 20130605

C41 Transfer of patent application or patent right or utility model
TA01 Transfer of patent application right

Effective date of registration: 20130605

Address after: California, USA

Applicant after: Apple Computer, Inc.

Address before: American New York

Applicant before: Eastman Kodak Co.

C14 Grant of patent or utility model
GR01 Patent grant