CN109168081B - 一种电视台推荐方法 - Google Patents

一种电视台推荐方法 Download PDF

Info

Publication number
CN109168081B
CN109168081B CN201811331335.6A CN201811331335A CN109168081B CN 109168081 B CN109168081 B CN 109168081B CN 201811331335 A CN201811331335 A CN 201811331335A CN 109168081 B CN109168081 B CN 109168081B
Authority
CN
China
Prior art keywords
watching
station
time
user
television
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
CN201811331335.6A
Other languages
English (en)
Other versions
CN109168081A (zh
Inventor
罗小娅
李柯
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.)
Sichuan Changhong Electric Co Ltd
Original Assignee
Sichuan Changhong Electric Co Ltd
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 Sichuan Changhong Electric Co Ltd filed Critical Sichuan Changhong Electric Co Ltd
Priority to CN201811331335.6A priority Critical patent/CN109168081B/zh
Publication of CN109168081A publication Critical patent/CN109168081A/zh
Application granted granted Critical
Publication of CN109168081B publication Critical patent/CN109168081B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H04N21/435—Processing of additional data, e.g. decrypting of additional data, reconstructing software from modules extracted from the transport 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
    • H04N21/4508—Management of client data or end-user data
    • H04N21/4532—Management of client data or end-user data involving end-user characteristics, e.g. viewer profile, preferences
    • 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
    • H04N21/4662—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms
    • 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
    • H04N21/45—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
    • H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies
    • 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
    • H04N21/488—Data services, e.g. news ticker
    • H04N21/4882—Data services, e.g. news ticker for displaying messages, e.g. warnings, reminders

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本发明公开了一种电视台推荐方法，该方法首先通过识别当前播放的电视台标，然后将用户观看过程信息记录存储，接着根据用户观看过程信息记录存储进行分析训练，训练出若干条用户一天观看电视台习惯数据过程线，最后与用户当前观看习惯过程分析比对实现电视台推荐。本方法中无需其他传感器进行观看者的身份识别，也不受节目源终端的影响，具有较高的用户接受程度。

Description

一种电视台推荐方法
技术领域
本发明涉及电视台推荐技术领域，特别涉及一种电视台推荐方法。
背景技术
随着互联网技术的飞速发展，电视播放的内容源也越来越多，受机顶盒等外部设备的影响，电视机终端在很多时候实现的功能只是一个显示设备，使得其功能较为单一，同时受互联网的影响，用户对隐私的保护也越来越关注，在实现电视节目推荐时，一些通过摄像头识别观看者人脸及其他图像特征并与互联网平台对接从而实现电视节目推荐等功能也会受到部分用户的抵触，所以，如何在不增加其他敏感传感器的前提下，让电视机终端识别播放信息并为用户提供互动参考是电视机智能化的一个真实需求和功能亮点。
发明内容
本发明的目的是克服上述背景技术中不足，提供一种电视台推荐方法，部署到电视机终端上，可以实现在未知电视节目源及用户信息的情况下，探索观看用户的观看习惯，从而在电视机终端为观看用户进行电视台推荐提醒，且本方法无需摄像头，互联网平台等用户敏感设备及系统，有利于提升用户的接受度。
为了达到上述的技术效果，本发明采取以下技术方案：
一种电视台推荐方法，包括以下步骤：
A.台标识别：从电视终端读取当前播放显示的图像数据，根据图像数据识别当前播放的电视台标；
B.用户观看过程信息记录存储；
C.对用户观看过程信息进行筛选分类；
D.对分类后的数据进行特征训练，训练出若干条用户一天观看电视台习惯数据过程线；
E.用户当前观看习惯过程分析比对；
F.电视台推荐。
进一步地，所述步骤A具体包括：
A1.用电视台标样本数据进行特征训练，生成样本库存储到电视终端，特征训练的内容至少包括台标名称、形状轮廓、颜色直方图信息；
A2.从当前播放图像中提取台标图像的特征信息；
A3.将所述步骤A2提取出的当前台标图像的特征信息与样本库的台标特征信息进行比对，识别出当前最符合的台标。
进一步地，所述步骤B具体为：在电视终端的存储单元建立用户观看过程信息记录表，所述用户观看过程信息记录表内至少记录有观看节目的台标名称、观看开始时间、观看结束时间。
进一步地，所述用户观看过程信息记录表内观看开始时间、观看结束时间的计算步骤如下：
S1.定时抽样计算当前播放的节目对应的台标信息，获取台标名称；
S2.将当前的台标名称比对用户观看过程信息记录表内中开始时间最近的记录的台标名称；
S3.如果名称相同，则将最近的那条记录的观看结束时间更新为当前时间；如果名称不同，则将最近的那条记录的观看结束时间更新为当前时间，同时新建一条记录，新记录的台标为当前识别的台标，新记录的观看开始时间和观看结束时间均为当前时间。
进一步地，所述步骤C具体包括：
C1.根据观看开始时间和观看结束时间，计算观看每个电视台的持续时间，同时，设定最小时间长度阈值，过滤持续时间的时间长度小于最小时间长度阈值的观看记录信息；
C2.根据用户观看各电视台的持续时间将一天分为若干时间段，每个时间段对应用户持续观看的一个电视台。
进一步地，所述步骤E具体包括：
E1.统计出用户当天的历史观看电视台记录，根据用户当天观看各电视台的台标名称及持续时间生成当天的观看过程线计算；
E2.将步骤E1计算出的观看过程线与步骤D训练出来的习惯数据过程线进行相似度比对，确定与步骤E1计算出的观看过程线相似度最高的习惯数据过程线。
进一步地，所述步骤F具体为：根据步骤E2匹配的习惯数据过程线，当习惯数据过程线中下一个电视台N的观看开始时间到的时候，在电视屏幕弹窗提示用户，根据以往习惯接下来可以观看电视台N。
进一步地，所述步骤F具体包括以下步骤：
F1.获取当前播放的台标名称和当前的时间T；
F2.根据当前播放的台标名称和时间T，在步骤E2匹配的习惯数据过程线中查询下一个不同台标名称的观看开始时间Tn；
F3.定时比较当前的时间T和下一个电视台的观看开始时间Tn之间的时间差t，并将计算的时间差t与最小提示时间阈值Tm进行比较，若t不大于Tm，则进入步骤F4，否则，继续执行步骤F3；
F4.在电视屏幕弹窗提示用户，根据以往习惯接下来可以观看电视台N。
进一步地，所述步骤A至步骤D需每天至少重新进行一次，以实现用户一天观看电视台习惯数据过程线的更新。
本发明与现有技术相比，具有以下的有益效果：
通过本发明的电视台推荐方法，可以实现在未知电视节目源及用户信息的情况下，自主学习并探索观看用户的观看习惯，从而在电视机终端为观看用户进行电视台推荐提醒，且本方法无需摄像头，互联网平台等用户敏感设备及系统，有利于提升用户的接受度。
附图说明
图1是本发明的电视台推荐方法的流程示意图。
图2是本发明的一个实施例的电视台推荐方法的实施步骤流程示意图。
图3是本发明的一个实施例中生成的一条用户一天观看电视台习惯数据过程线示意图。
图4是本发明的一个实施例中生成的用户某天的观看记录过程线示意图。
具体实施方式
下面结合本发明的实施例对本发明作进一步的阐述和说明。
实施例：
如图1所示，本发明针对在未知电视节目源及用户信息的情况下，为观看用户进行电视台推荐提醒的具体需求，提出了一种电视台推荐方法。
该方法首先通过识别当前播放的电视台标，然后将用户观看过程信息记录存储，接着根据用户观看过程信息记录存储进行分析训练，训练出若干条用户一天观看电视台习惯数据过程线，最后与用户当前观看习惯过程分析比对实现电视台推荐。本方法中无需其他传感器进行观看者的身份识别，也不受节目源终端的影响，具有较高的用户接受程度。
具体的，如图2所示，本发明主要部署与电视机终端实现，且具体实施时主要包括以下流程步骤：
步骤1：系统初始化
当用户观看过程信息记录表未采集到数据或者数据离当前时间较远时，系统即进入初始化阶段，初始化阶段主要工作为采集数据，具体包括如下步骤：
步骤1.1：定时抽样计算当前播放的图像台标信息并记入用户观看过程信息记录表；
步骤1.2：当用户观看过程信息记录表中数据达到一定数量时，对用户观看过程信息进行筛选分类，分类时主要是依据不同时段观看的电视台进行分类，从而将一天以不同时段观看的不同电视台进行分类；
步骤1.3：对步骤1.2分类后的数据进行特征训练，训练出若干条用户一天观看电视台习惯数据过程线用于后续步骤使用，如图3所示为本实施例中得出的其中一条习惯数据过程线，训练完成后即执行步骤2。
具体的，在系统初始化过程中，步骤1.2至1.3在初始化完成后的每天需要定时重新进行一次，以实现用户一天观看电视台习惯数据过程线的更新，保障系统的数据准确性。
步骤2：用户观看习惯识别分析，具体包括：
步骤2.1：从用户观看过程信息记录表中查询当天用户的观看历史记录数据；
步骤2.2：将步骤2.1中查询出的数据形成一条观看记录过程线并进入步骤3；
如本实施例中具体查询到用户在01:10时开始观看CCTV-8电视台的节目，在02:40时开始观看东方卫视电视台的节目，在3:20时开始观看湖南卫视电视台的节目，在5:00时开始观看北京卫视电视台的节目等，并具体生成如图4所示的观看记录过程线。
步骤3：用户观看习惯过程线匹配计算，具体包括如下步骤：
步骤3.1：将步骤2.2中形成的观看记录过程线与步骤1.3训练出的若干条用户一天观看电视台习惯数据过程线进行比对，并根据相似度进行排序：
步骤3.2：排序完成后，选取相似度最大的一条用户一天观看电视台习惯数据过程线作为参考过程线进行推荐判断，具体的，本实施例中选取出的相似度最大的一条用户一天观看电视台习惯数据过程线为图3所示的习惯数据过程线。
步骤4：电视台节目推荐判断，具体包括如下步骤：
步骤4.1：获取当前播放的台标名称和当前的时间T。
步骤4.2：根据当前播放的台标名称和时间T在参考过程线中查询下一个不同台标名称的观看开始时间Tn。
步骤4.3：比较当前的时间T和下一个电视台的观看开始时间Tn，如果T快要接近Tn时，则提示用户可以切换到下一个电视台，然后继续定时执行步骤3-1；如果还不太接近则不做处理，继续定时执行步骤3-1。
具体在判定是否接近时，一般可通过设定一个最小提示时间阈值Tm，比较当前的时间T和下一个电视台的观看开始时间Tn之间的时间差t，并将计算的时间差t与最小提示时间阈值Tm进行比较，若t不大于Tm则判定为接近。
如本实施例中，预设的最小提示时间阈值Tm为5分钟，获取到当前播放的台标名称为CCTV-5，当前时间为22:56，在参考过程线中查询下一个不同台标名称为浙江卫视，且具体的观看开始时间Tn为23:00，与目前的时间差为4分钟，该时间差小于最小提示时间阈值，故将在电视屏幕弹窗提示用户：根据以往习惯接下来可以观看电视台浙江卫视。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (6)

1.一种电视台推荐方法，其特征在于，包括以下步骤：
A.台标识别：从电视终端读取当前播放显示的图像数据，根据图像数据识别当前播放的电视台标；
B.用户观看过程信息记录存储；
C.对用户观看过程信息进行筛选分类；所述步骤C具体包括：C1.根据观看开始时间和观看结束时间，计算观看每个电视台的持续时间，同时，设定最小时间长度阈值，过滤持续时间的时间长度小于最小时间长度阈值的观看记录信息；C2.根据用户观看各电视台的持续时间将一天分为若干时间段，每个时间段对应用户持续观看的一个电视台；
D.对分类后的数据进行特征训练，训练出若干条用户一天观看电视台习惯数据过程线；
E.用户当前观看习惯过程分析比对；
所述步骤E具体包括：E1.统计出用户当天的历史观看电视台记录，根据用户当天观看各电视台的台标名称及持续时间生成当天的观看过程线计算；E2.将步骤E1计算出的观看过程线与步骤D训练出来的习惯数据过程线进行相似度比对，确定与步骤E1计算出的观看过程线相似度最高的习惯数据过程线；
F.电视台推荐；
所述步骤F具体为：根据步骤E2匹配的习惯数据过程线，当习惯数据过程线中下一个电视台N的观看开始时间到的时候，在电视屏幕弹窗提示用户，根据以往习惯接下来可以观看电视台N。
2.根据权利要求1所述的一种电视台推荐方法，其特征在于，所述步骤A具体包括：
A1.用电视台标样本数据进行特征训练，生成样本库存储到电视终端，特征训练的内容至少包括台标名称、形状轮廓、颜色直方图信息；
A2.从当前播放图像中提取台标图像的特征信息；
A3.将所述步骤A2提取出的当前台标图像的特征信息与样本库的台标特征信息进行比对，识别出当前最符合的台标。
3.根据权利要求1所述的一种电视台推荐方法，其特征在于，所述步骤B具体为：在电视终端的存储单元建立用户观看过程信息记录表，所述用户观看过程信息记录表内至少记录有观看节目的台标名称、观看开始时间、观看结束时间。
4.根据权利要求3所述的一种电视台推荐方法，其特征在于，所述用户观看过程信息记录表内观看开始时间、观看结束时间的计算步骤如下：
S1.定时抽样计算当前播放的节目对应的台标信息，获取台标名称；
S2.将当前的台标名称比对用户观看过程信息记录表内中开始时间最近的记录的台标名称；
S3.如果名称相同，则将最近的那条记录的观看结束时间更新为当前时间；如果名称不同，则将最近的那条记录的观看结束时间更新为当前时间，同时新建一条记录，新记录的台标为当前识别的台标，新记录的观看开始时间和观看结束时间均为当前时间。
5.根据权利要求1所述的一种电视台推荐方法，其特征在于，所述步骤F具体包括以下步骤：
F1.获取当前播放的台标名称和当前的时间T；
F2.根据当前播放的台标名称和时间T，在步骤E2匹配的习惯数据过程线中查询下一个不同台标名称的观看开始时间Tn；
F3.定时比较当前的时间T和下一个电视台的观看开始时间Tn之间的时间差t，并将计算的时间差t与最小提示时间阈值Tm进行比较，若t不大于Tm，则进入步骤F4，否则，继续执行步骤F3；
F4.在电视屏幕弹窗提示用户，根据以往习惯接下来可以观看电视台N。
6.根据权利要求1-5中任一所述的一种电视台推荐方法，其特征在于，所述步骤A至步骤D需每天至少重新进行一次，以实现用户一天观看电视台习惯数据过程线的更新。
CN201811331335.6A 2018-11-09 2018-11-09 一种电视台推荐方法 Active CN109168081B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811331335.6A CN109168081B (zh) 2018-11-09 2018-11-09 一种电视台推荐方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811331335.6A CN109168081B (zh) 2018-11-09 2018-11-09 一种电视台推荐方法

Publications (2)

Publication Number Publication Date
CN109168081A CN109168081A (zh) 2019-01-08
CN109168081B true CN109168081B (zh) 2021-04-02

Family

ID=64876869

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811331335.6A Active CN109168081B (zh) 2018-11-09 2018-11-09 一种电视台推荐方法

Country Status (1)

Country Link
CN (1) CN109168081B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102769781A (zh) * 2012-07-17 2012-11-07 青岛海信传媒网络技术有限公司 推荐电视节目的方法及装置
CN103686403A (zh) * 2013-12-04 2014-03-26 康佳集团股份有限公司 一种电视机桌面的显示方法和装置
CN103986973A (zh) * 2013-02-13 2014-08-13 三星电子株式会社 显示设备、服务器及其控制方法
CN104935970A (zh) * 2015-07-09 2015-09-23 三星电子（中国）研发中心 进行电视内容推荐的方法及电视客户端
CN106028126A (zh) * 2016-05-17 2016-10-12 Tcl集团股份有限公司 一种节目推送方法及系统
CN106060575A (zh) * 2016-06-27 2016-10-26 北京小蚁互动网络科技有限公司 点播节目的方法、装置及系统
KR20170078464A (ko) * 2015-12-29 2017-07-07 성균관대학교산학협력단 사용자의 시청유형 분류를 통한 개인화된 tv 채널 추천 방법 및 장치
CN108419088A (zh) * 2018-02-08 2018-08-17 华南理工大学 一种面向高突发性用户请求的频道推荐方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110153663A1 (en) * 2009-12-21 2011-06-23 At&T Intellectual Property I, L.P. Recommendation engine using implicit feedback observations

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102769781A (zh) * 2012-07-17 2012-11-07 青岛海信传媒网络技术有限公司 推荐电视节目的方法及装置
CN103986973A (zh) * 2013-02-13 2014-08-13 三星电子株式会社 显示设备、服务器及其控制方法
CN103686403A (zh) * 2013-12-04 2014-03-26 康佳集团股份有限公司 一种电视机桌面的显示方法和装置
CN104935970A (zh) * 2015-07-09 2015-09-23 三星电子（中国）研发中心 进行电视内容推荐的方法及电视客户端
KR20170078464A (ko) * 2015-12-29 2017-07-07 성균관대학교산학협력단 사용자의 시청유형 분류를 통한 개인화된 tv 채널 추천 방법 및 장치
CN106028126A (zh) * 2016-05-17 2016-10-12 Tcl集团股份有限公司 一种节目推送方法及系统
CN106060575A (zh) * 2016-06-27 2016-10-26 北京小蚁互动网络科技有限公司 点播节目的方法、装置及系统
CN108419088A (zh) * 2018-02-08 2018-08-17 华南理工大学 一种面向高突发性用户请求的频道推荐方法

Also Published As

Publication number Publication date
CN109168081A (zh) 2019-01-08

Similar Documents

Publication Publication Date Title
CN110119711B (zh) 一种获取视频数据人物片段的方法、装置及电子设备
US8989491B2 (en) Method and system for preprocessing the region of video containing text
US20140013352A1 (en) Methods and systems for providing broadcast ad identification
CN111797820B (zh) 一种视频数据处理方法、装置、电子设备及存储介质
CN105959806A (zh) 节目推荐方法及装置
CN108197336B (zh) 一种视频查找的方法及装置
CN104822074A (zh) 一种电视节目的推荐方法及装置
CN110929158A (zh) 一种内容推荐方法、系统及存储介质和终端设备
CN103763585A (zh) 一种用户特征信息获取方法、装置和终端设备
CN103544467B (zh) 一种台标检测识别的方法及其装置
CN104217718A (zh) 依据环境参数及群体趋向数据的语音识别方法和系统
CN110099298B (zh) 多媒体内容处理方法及终端设备
US11218764B2 (en) Display device, control method therefor, and information providing system
CN110636379A (zh) 电视收看历史的记录方法、电视及计算机可读存储介质
CN101180633A (zh) 用于检测内容项目边界的方法和设备
CN112199582A (zh) 一种内容推荐方法、装置、设备及介质
Hanjalic et al. Semiautomatic news analysis, indexing, and classification system based on topic preselection
CN104142955A (zh) 一种推荐学习课程的方法和终端
CN105828114A (zh) 信息推送方法及装置
CN109168081B (zh) 一种电视台推荐方法
CN111079777B (zh) 一种基于书页定位的点读方法及电子设备
EP2850838A1 (en) Methods and systems for providing broadcast ad identification
US10958366B2 (en) Method of recording a forthcoming telebroadcast program
CN109151599B (zh) 视频处理方法和装置
CN111147905A (zh) 媒体资源查找方法、电视机、存储介质及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant