CN110019853A - 感兴趣场景识别方法和系统 - Google Patents

Abstract

本发明提出一种感兴趣场景识别方法和系统，其中，方法包括：在多媒体信息播放过程中，获取观看用户的实时生理反应信号；根据观看用户的实时生理反应信号确定观看用户的实时专注度；根据多媒体信息中预设的场景类型标签，提取与同一场景类型对应的多媒体信息片段集合，根据与多媒体信息片段集合对应的实时专注度，获取与不同场景类型对应的兴趣评分；根据与不同场景类型对应的兴趣评分确定观看用户感兴趣的场景类型。由此，以用户难以自主更改的实时生理反应信号为依据，进行多媒体信息中用户感兴趣场景的准确识别，便于基于用户感兴趣场景为用户提供个性化服务。

Description

感兴趣场景识别方法和系统

技术领域

本发明涉及信息处理技术领域，尤其涉及一种感兴趣场景识别方法。

背景技术

随着互联网技术的进步，计算机设备为用户的生产和生活提供的服务愈发的多样化，比如，计算机设备可以为用户播放视频等多媒体信息，

相关技术中，为用户提供多媒体信息播放体验的优化，依赖于多媒体信息提供方主动发现用户的兴趣所在，并根据用户的兴趣所在进行播放优化等，限制性较高。

发明内容

本发明提供一种感兴趣场景识别方法和系统，以解决现有技术中，多媒体信息服务优化限制性较高，从而无法为观看用户提供个性化服务的技术问题。

本发明实施例提供一种感兴趣场景识别方法，包括以下步骤：在多媒体信息播放过程中，获取观看用户的实时生理反应信号；根据所述观看用户的实时生理反应信号确定所述观看用户的实时专注度；根据所述多媒体信息中预设的场景类型标签，提取与同一场景类型对应的多媒体信息片段集合，根据与所述多媒体信息片段集合对应的实时专注度，获取与不同场景类型对应的兴趣评分；根据所述与不同场景类型对应的兴趣评分确定所述观看用户感兴趣的场景类型。

本发明另一实施例提供一种感兴趣场景识别系统，包括：生理反应信号采集设备和处理器，其中，所述生理反应信号采集设备和所述处理器连接，其中，所述生理反应信号采集设备，用于在多媒体信息播放过程中，获取观看用户的实时生理反应信号；所述处理器，用于根据所述观看用户的实时生理反应信号确定所述观看用户的实时专注度，根据所述多媒体信息中预设的场景类型标签，提取与同一场景类型对应的多媒体信息片段集合，根据与所述多媒体信息片段集合对应的实时专注度，获取与不同场景类型对应的兴趣评分，根据所述与不同场景类型对应的兴趣评分确定所述观看用户感兴趣的场景类型。

本发明又一实施例提供一种非临时性计算机可读存储介质，所述计算机程序被处理器执行时实现如上述实施例所述的感兴趣场景识别方法。

本发明还一实施例提供一种计算机程序产品，当所述计算机程序产品中的指令由处理器执行时，执行如上述实施例所述的感兴趣场景识别方法。

本发明实施例提供的技术方案可以包括以下有益效果：

在多媒体信息播放过程中，获取观看用户的实时生理反应信号，根据多媒体信息中预设的场景类型标签，提取与同一场景类型对应的多媒体信息片段集合，根据与多媒体信息片段集合对应的实时专注度，获取与不同场景类型对应的兴趣评分，进而，根据与不同场景类型对应的兴趣评分确定观看用户感兴趣的场景类型。由此，以用户难以自主更改的实时生理反应信号为依据，进行多媒体信息中用户感兴趣场景的准确识别，便于基于用户感兴趣场景为用户提供个性化服务。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1是根据本发明第一个实施例的感兴趣场景识别方法的流程图；

图2是根据本发明第二个实施例的感兴趣场景识别方法的流程图；

图3是根据本发明第三个实施例的感兴趣场景识别方法的流程图；

图4是根据本发明一个实施例的感兴趣场景识别方法的应用场景示意图；

图5是根据本发明一个实施例的感兴趣场景识别系统的结构示意图；以及

图6是根据本发明另一个实施例的感兴趣场景识别系统的结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面参考附图描述本发明实施例的感兴趣场景识别方法和系统。

图1是根据本发明第一个实施例的感兴趣场景识别方法的流程图，如图1所示，该方法包括：

步骤101，在多媒体信息播放过程中，获取观看用户的实时生理反应信号。

其中，生理反应信号可以包括皮肤电导信号、心率信号、心电信号、眼动信号、脑电信号中的一种或者多种信号组合，在此不作限制，另外上述多媒体信息包括音视频播放信息等，比如，电影、电视剧、舞台剧等。

具体地，在本发明的实施例中，可通过生理反应信号采集设备采集观看用户的生理反应信号，其中，根据应用场景的不同，生理反应信号采集设备可以为不同的设备，比如，可以为包含生理反应信号传感器的腕带、帽子、手套、项链、脸部贴纸等能直接接触到的观看用户皮肤进而检测到观看用户的生理反应信号的设备。

步骤102，根据观看用户的实时生理反应信号确定观看用户的实时专注度。

其中，在不同的应用场景下，观看用户的专注度可以以具体的数值表示，比如以百分制中的数字表示，数值越大代表观看用户越专注，比如以等级制度中的等级表示，等级越大代表观看用户越专注，又比如以具体的符号标志(星星符号、花朵符号、心形符号等)的数量来表示，符号数量越多代表观看用户越专注。

可以理解，观看用户的生理反应信号会真实的反应多媒体信息的播放效果，比如，当生理反应信号包括皮肤电导信号时，皮肤会对电流或者电压呈现一定的电阻，而电阻的大小会随着情绪变化而变化，通常，在较为轻松的状态下，或者多媒体信息不能引起观看用户的兴趣，观看用户在走神时，人体皮肤的电阻较大，从而皮肤电导信号较低，在精神集中时，观看用户可能当前正在专注的观看多媒体信息，人体皮肤的电阻较小，从而人体皮肤电导信号较高，这是由于交感和副交感神经根据大脑的认知状态的变化进行拮抗式的调节，而交感和副交感神经的活动会影响皮肤电阻。

又比如，当生理反应信号包括心率信号时，如果观看用户的心率波动较小，则表明观看用户越是专注于当前播放的多媒体信息，如果观看用户的心率变化比较大，则表明对当前播放的多媒体信息越是不专注。

需要说明的是，在不同的应用场景下，可采用不同的方式实现根据观看用户的生理反应信号确定观看用户的实时专注度，示例说明如下：

第一种示例：

在本示例中，预先根据大量实验数据，获取并存储专注度和生理反应信号的对应关系，从而，在获取生理反应信号后，查询上述对应关系，以获取匹配的观看用户的实时专注度。

第二种示例：

预先根据大量实验数据，构造生理反应信号的深层网络模型，该模型的输入为生理反应信号，输出为观看用户的专注度，从而，将获取的观看用户的生理反应信号输入该深层网络模型，得到输出的观看用户的实时专注度。

第三种示例：

在本示例中，如图2所示，上述步骤102包括：

步骤201，根据预设策略分析观看用户的实时生理反应信号，并提取与观看用户的实时专注特征信息。

应当理解的是，在不同的应用场景下，上述分析观看用户的实时生理反应信号的预设策略不同，从而提取到的观看用户的实时专注特征信息不同：

作为一种可能的实现方式，专注特征信息为专注次数，则可以检测生理反应信号大于预设阈值的次数提取专注次数。

举例而言，当生理反应信号为皮肤电导信号时，由于在实际应用中，观看用户对当前播放的多媒体信息越专注，则观看用户的脑神经活动越丰富,受到表演内容的刺激以及交感神经活动的影响，会使得皮肤表面的导电度改变(其成因与交感神经和汗腺活动度有关)，精神状态越专注，皮肤电导越大，根据此原理从而检测获知的皮肤电导信号越大。

举例而言，当生理反应信号为眼动信号时，由于在实际应用中，比如，在观看电影时，观看用户对当前播放的多媒体信息越专注，则观看用户的眼睛越是会随着电影画面而移动，从而检测到的眼动信号变化率较高，观看用户对当前播放的多媒体信息越不专注，则观看用户的眼睛不会随着电影画面而移动或者视线没有集中在屏幕上，从而检测到的眼动信号变化率较低或者注视点超出屏幕以外。

因而，在本示例中，预先根据大量实验数据设置生理反应信号对应的预设阈值，提取生理反应信号大于预设阈值的次数提取专注次数。

作为另一种可能的实现方式，检测实时生理反应信号大于预设阈值的时间提取专注时间。

由于在实际应用中，观看用户对当前播放的多媒体信息越专注，则会体现在观看用户的生理反应信号上，比如，当生理反应信号为皮肤电导信号时，观看用户对当前播放的多媒体信息越专注，则观看用户的脑神经活动越丰富,受到表演内容的刺激以及交感神经活动的影响，会使得皮肤表面的导电度改变(其成因与交感神经和汗腺活动度有关)，精神状态越专注，皮肤电导越大，根据此原理从而检测获知的皮肤电导信号越大。

因而，在本示例中，还可以检测实时生理反应信号大于预设阈值的时间提取专注时间。

作为又一种可能的实现方式，可以检测实时生理反应信号大于预设阈值的幅度提取专注强度。

由于在实际应用中，观看用户对当前播放的多媒体信息的专注强度可以反映在生理反应信号中，因而，可以根据生理反应信号的大小来提取观看用户的专注强度，比如，当生理反应信号包括皮肤导电信号时，则观看用户的脑神经活动越丰富,受到表演内容的刺激以及交感神经活动的影响，会使得皮肤表面的导电度改变(其成因与交感神经和汗腺活动度有关)，精神状态越专注，皮肤电导越大，根据此原理从而检测获知的皮肤电导信号越大。

因而，在本示例中，还可以检测生理反应信号大于预设阈值的幅度提取专注强度，比如，检测皮肤电导信号大于预设阈值的幅度提取专注强度，如预设阈值为A,当前的皮肤电导信号为大于A的B，则可以将B-A作为专注强度。

其中，在不同的应用场景下，上述三种示例采集的观看用户的专注特征信息可以作为单独的参考因素，用于进一步确定观看用户的专注度，也可以将上述三种示例采集的观看用户的专注特征信息的任意两种的组合作为参考因素，用于进一步确定观看用户的专注度，也可以将上述三种示例采集的观看用户的专注特征信息作为参考因素，用于进一步确定观看用户的专注度。

另外，为了保证进一步确定观看用户的专注度的准确度，在本发明的一个实施例中，上述与生理反应信号进行比较的预设阈值还可以根据观看用户的体质类型设置，比如，当生理反应信号包括皮肤电导信号时，对于女性观看用户和男性观看用户、或者不同年龄段的观看用户来讲，其皮肤表面的角质和干燥度等不同，因而，在同样的专注度下测量得到的皮肤电导信号是不同，为了补偿这种观看用户体质上的差别，还可以根据大量实验数据获取这种差别数据，针对不同体质观看用户设置不同的预设阈值，比如，由于男性汗腺更加发达，皮肤更加湿润、导电性更强，因而设置的预设阈值相对高一些等。

步骤202，应用预设算法对观看用户的专注特征信息进行计算，获取观看用户的实时专注度。

具体地，为了判断观看用户对当前播放的多媒体信息的专注度，以便于进一步根据观看用户的实时专注度进行片花生成，应用预设算法对实时专注特征信息进行计算，获取当前观看用户的实时专注度。

具体而言，根据应用场景的不同，应用预设算法对观看用户的专注特征信息进行计算，获取观看用户的实时专注度的方式不同，下面结合不同的应用场景进行举例：

场景一：

在该场景下，观看用户的实时专注特征信息为单一的特征信息，比如仅仅为专注次数，或者，专注时间，或者，专注强度。

由于观看用户的专注特征信息对应的数据值越大，比如专注次数越大，表示观看用户越专注于当前多媒体信息，因此，本场景下的预设算法为与专注特征信息对应的线性运算算法，比如，该算法可以为Y＝a*X，其中，Y为观看用户的专注度，X为专注特征信息对应的数据值，a可以为任意大于0的数。

其中，可以考虑专注特征信息包含不同的内容时与观看用户专注度的相关性的不同，比如，在确定观看用户的专注度时，通常观看用户的专注时间相比于专注次数的参考意义更大，因为有的时候，观看用户虽然多次专注于当前多媒体信息，但是持续时间较短，还是认为观看用户没有专注于当前多媒体信息，因此，上述a还可以对应于不同的专注特征信息的权重值，比如，当专注特征信息为专注次数时，对应的a为0.6，当专注特征信息为专注时间时，对应的a为0.8。

场景二：

在该场景下，观看用户的专注特征信息为多个特征信息，比如包括专注次数和专注时间，或者，专注时间和专注强度，或者，专注次数、专注时间和专注强度等。

由于观看用户的专注特征信息对应的数据值越大，比如专注次数越大，表示用户越专注于当前多媒体信息，因此，对应的预设算法与观看用户的专注特征信息对应的数据值正相关，比如，Y＝a1*X1+…+an*Xn，其中，n为大于等于2的正整数，a1到an为正数，a1到an可以相等，也可以不相等，当a1到an不相等时，可以用于表示不同的观看用户的专注特征信息对专注度的不同的参考意义的权重值，X1到Xn表示不同的观看用户特征信息对应的数据值。

当然，在实际操作过程中，该场景中的预设算还可以是任意体现观看用户的专注特征信息对应的数据值正相关的算法表达，在此不一一列举。

步骤103，根据多媒体信息中预设的场景类型标签，提取与同一场景类型对应的多媒体信息片段集合，根据与多媒体信息片段集合对应的实时专注度，获取与不同场景类型对应的兴趣评分。

应当理解的是，为了准确的发现观看用户兴趣所在，预先根据多媒体信息的具体内容，通过预设场景类型标签的方式，对多媒体信息进行场景类型的标注，其中，场景类型根据应用场景的不同，可以基于不用的维度进行划分，比如，可以划分为浪漫、悲伤、开心等场景类型；比如，可以划分为打斗、家庭、爱情等场景类型等。其中，每一种场景类型标签对应一段多媒体信息片段。

进而，根据所述多媒体信息中预设的场景类型标签，提取与同一场景类型对应的多媒体信息片段集合，根据与多媒体信息片段集合对应的实时专注度，比如，将同一场景类型对应的多媒体信息片段集合中所有多媒体信息片段对应的实时专注度的加权平均值或之和作为多媒体信息片段集合对应的实时专注度等，获取与不同场景类型对应的兴趣评分。

需要说明的是，根据应用场景的不同，获取与不同的场景类型对应的兴趣评分的方式不同，作为一种可能的实现方式，预先设置实时专注度与兴趣评分的对应关系，从而，在获取实时专注度后，查询该对应关系获取对应的兴趣评分，其中，用户兴趣评分可以为百分制的分数表示，还可以为等级制表示等。

步骤104，根据与不同场景类型对应的兴趣评分确定观看用户感兴趣的场景类型。

具体地，将兴趣评分较高的场景类型确定为观看用户感兴趣的场景类型，由此，以便于根据观看用户的感兴趣的场景类型为用户提供个性化服务等，比如，为观看用户推荐与感兴趣场景类型对应的多媒体信息，比如，演员信息、商品信息等，由此，不需要用户的主动搜索即为用户提供给其感兴趣的内容信息，用户的观看体验较高。

显而易见的是，对同样的场景类型感兴趣的观看用户往往兴趣爱好比较一致，因而，在本发明可以发现观看用户的感兴趣的场景类型的基础上，还可扩展好友的推荐方式，以提供一种新型的社交方式，这种基于观看用户的感兴趣的场景类型进行好友推荐的方式，成功率更高。

具体地，如图3所示，在上述步骤104之后，该方法还包括：

步骤301，获取所有观看用户的社交账号信息；将与所有观看用户的感兴趣场景类型进行匹配获取用户之间的匹配度，获取匹配度大于预设阈值的关联观看用户。

步骤302，将关联观看用户的社交账号信息进行相互推荐。

具体地，基于观看用户预先注册的信息等，获取所有观看用户的社交账号信息，进而，将与所有观看用户的感兴趣场景类型进行匹配获取用户之间的匹配度，获取匹配度大于预设阈值的关联观看用户，其中，预设阈值为根据应用需要设定，当推荐好友粒度较大时，对应的预设阈值较低，比如可以仅仅为一种场景类型匹配等，当推荐好友粒度较小时，对应的预设阈值较高，比如可以仅仅为大部分场景类型匹配等，当匹配度大于预设阈值时，表明观看用户之间具有相同的兴趣爱好，从而，将关联观看用户的社交账号信息进行相互推荐，以便于观看用户之间进行社交好友关系的建立等。

其中，将关联观看用户的社交账号信息进行相互推荐的方式，可以为将关联观看用户的社交账号信息在对应的社交账号中进行推荐，或者，以短信等形式进行推荐等。

为了更加清楚的描述本发明感兴趣场景识别方法的实施过程，下面结合具体的应用场景进行举例，说明如下：

如图4所示，在当前场景中，场景类型标签包括浪漫标签1、忧伤标签2、快乐标签3等，在一个用户在使用家里的笔记本观看电影，则可以在多媒体信息的播放过程中，获取当前用户在当前情节时段内的实时生理反应信号，根据当前用户在当前情节时段内的实时生理反应信号确定当前用户观看当前情节的实时专注度，进而，根据当前用户观看当前情节的实时专注度生成用户兴趣评分。

根据多媒体信息中预设的场景类型标签，提取与同一场景类型对应的多媒体信息片段集合，根据与多媒体信息片段集合对应的实时专注度，获取与不同场景类型对应的兴趣评分，进而，根据与不同场景类型对应的兴趣评分确定观看用户感兴趣的场景类型为浪漫，则在当前观看界面为用户推荐浪漫风格的电影A、B、C等。

综上所述，本发明实施例的感兴趣场景识别方法，在多媒体信息播放过程中，获取观看用户的实时生理反应信号，根据多媒体信息中预设的场景类型标签，提取与同一场景类型对应的多媒体信息片段集合，根据与多媒体信息片段集合对应的实时专注度，获取与不同场景类型对应的兴趣评分，进而，根据与不同场景类型对应的兴趣评分确定观看用户感兴趣的场景类型。由此，以用户难以自主更改的实时生理反应信号为依据，进行多媒体信息中用户感兴趣场景的准确识别，便于基于用户感兴趣场景为用户提供个性化服务。

为了实现上述实施例，本发明还提出了一种感兴趣场景识别系统，图5是根据本发明一个实施例的感兴趣场景识别系统的结构示意图，如图5所示，该感兴趣场景识别系统包括生理反应信号采集设备100和处理器200，其中，生理反应信号采集设备100和处理器200连接，

生理反应信号采集设备100，用于在多媒体信息播放过程中，获取观看用户的实时生理反应信号。

处理器200，用于根据所述观看用户的实时生理反应信号确定所述观看用户的实时专注度，根据所述多媒体信息中预设的场景类型标签，提取与同一场景类型对应的多媒体信息片段集合，根据与所述多媒体信息片段集合对应的实时专注度，获取与不同场景类型对应的兴趣评分，根据所述与不同场景类型对应的兴趣评分确定所述观看用户感兴趣的场景类型。

在本发明的一个实施例中，如图6所示，处理器200包括提取单元210和获取单元220。

其中，提取单元210，用于根据预设策略分析观看用户的实时生理反应信号，并提取与观看用户的实时专注特征信息。

获取单元220，用于应用预设算法对观看用户的实时专注特征信息进行计算，获取观看用户的实时专注度。

需要说明的是，前述对感兴趣场景识别方法实施例的解释说明也适用于该实施例的感兴趣场景识别系统，本发明感兴趣场景识别系统实施例中未公布的细节，此处不再赘述。

综上所述，本发明实施例的感兴趣场景识别系统，在多媒体信息播放过程中，获取观看用户的实时生理反应信号，根据多媒体信息中预设的场景类型标签，提取与同一场景类型对应的多媒体信息片段集合，根据与多媒体信息片段集合对应的实时专注度，获取与不同场景类型对应的兴趣评分，进而，根据与不同场景类型对应的兴趣评分确定观看用户感兴趣的场景类型。由此，以用户难以自主更改的实时生理反应信号为依据，进行多媒体信息中用户感兴趣场景的准确识别，便于基于用户感兴趣场景为用户提供个性化服务。

为了实现上述实施例，本发明还提出一种非临时性计算机可读存储介质，当所述存储介质中的指令由处理器被执行时，使得能够执行如上述实施例所述的感兴趣场景识别方法。

为了实现上述实施例，本发明还提出一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，执行如上述实施例所述的感兴趣场景识别方法。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种感兴趣场景识别方法，其特征在于，包括以下步骤：

在多媒体信息播放过程中，获取观看用户的实时生理反应信号；

根据所述观看用户的实时生理反应信号确定所述观看用户的实时专注度；

根据所述多媒体信息中预设的场景类型标签，提取与同一场景类型对应的多媒体信息片段集合，根据与所述多媒体信息片段集合对应的实时专注度，获取与不同场景类型对应的兴趣评分；

根据所述与不同场景类型对应的兴趣评分确定所述观看用户感兴趣的场景类型。

2.如权利要求1所述的方法，其特征在于，所述生理反应信号，包括：

皮肤电导信号、心率信号、心电信号、眼动信号、脑电信号中的一种或者多种信号组合。

3.如权利要求1所述的方法，其特征在于，所述根据所述观看用户的实时生理反应信号确定所述观看用户的实时专注度，包括：

根据预设策略分析所述观看用户的实时生理反应信号，并提取与所述观看用户的实时专注特征信息；

应用预设算法对所述观看用户的实时专注特征信息进行计算，获取所述观看用户的实时专注度。

4.如权利要求3所述的方法，其特征在于，所述根据预设策略分析所述观看用户的实时生理反应信号，并提取与所述观看用户的实时专注特征信息，包括：

检测所述实时生理反应信号大于预设阈值的次数提取专注次数；和/或，

检测所述实时生理反应信号大于预设阈值的时间提取专注时间；和/或，

检测所述实时生理反应信号大于预设阈值的幅度提取专注强度。

5.如权利要求1所述的方法，其特征在于，在所述根据所述与不同场景类型对应的兴趣评分确定所述观看用户感兴趣的场景类型之后，还包括：

向所述观看用户推荐与所述感兴趣的场景类型对应的多媒体信息。

6.如权利要求1所述的方法，其特征在于，在所述根据所述与不同场景类型对应的兴趣评分确定所述观看用户感兴趣的场景类型之后，还包括：

获取所有观看用户的社交账号信息；将与所有观看用户的感兴趣场景类型进行匹配获取用户之间的匹配度，获取所述匹配度大于预设阈值的关联观看用户；

将所述关联观看用户的社交账号信息进行相互推荐。

7.一种感兴趣场景识别系统，其特征在于，包括：生理反应信号采集设备和处理器，其中，所述生理反应信号采集设备和所述处理器连接，其中，

所述生理反应信号采集设备，用于在多媒体信息播放过程中，获取观看用户的实时生理反应信号；

所述处理器，用于根据所述观看用户的实时生理反应信号确定所述观看用户的实时专注度，根据所述多媒体信息中预设的场景类型标签，提取与同一场景类型对应的多媒体信息片段集合，根据与所述多媒体信息片段集合对应的实时专注度，获取与不同场景类型对应的兴趣评分，根据所述与不同场景类型对应的兴趣评分确定所述观看用户感兴趣的场景类型。

8.如权利要求7所述的系统，其特征在于，所述处理器包括：

提取单元，用于根据预设策略分析所述观看用户的实时生理反应信号，并提取与所述观看用户的实时专注特征信息；

获取单元，用于应用预设算法对所述观看用户的实时专注特征信息进行计算，获取所述观看用户的实时专注度。

9.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6任一所述的感兴趣场景识别方法。

10.一种计算机程序产品，其特征在于，当所述计算机程序产品中的指令由处理器执行时，执行如权利要求1-6任一所述的感兴趣场景识别方法。