CN111723237A - 媒体内容访问控制方法 - Google Patents

Abstract

公开了一种媒体内容访问控制方法、设备，以及一种计算机可读介质。该媒体内容访问控制方法包括：在第一媒体内容被访问的过程中，获取用户偏好信息，该用户偏好信息包括实时偏好信息，且获取用户偏好信息包括通过人脸监测和用户行为监测中至少一个获取用户实时偏好信息；将用户偏好信息和与第一媒体内容相关联的多个候选媒体内容中每一个候选媒体内容的特征信息进行匹配；以及根据匹配的结果，从多个候选媒体内容中选择第二媒体内容。

Description

媒体内容访问控制方法

技术领域

本发明涉及媒体内容管理领域，具体地，涉及一种媒体内容访问控制方法、设备，以及一种计算机可读存储介质。

背景技术

随着互联网的发展，用户可以通过用户终端访问各种媒体内容，诸如视频、音频、图片、文本等媒体内容。目前，诸如视频电视剧或电影之类的媒体内容往往是预先制作或拍摄好，然后放在网络平台上，供用户访问或点播。在播放过程中，由于媒体内容是固定不变的，用户只能被动地观看，无法选择自己喜欢的剧情或主线，从而可能造成用户放弃观看。因此，在相关技术的媒体内容访问控制中，媒体内容的整个播放过程固定不变且缺乏与用户的交互，用户体验较差。

发明内容

本发明的目的是克服相关技术的缺陷中至少一种。

根据本发明的一个方面，提供了一种媒体内容访问控制方法，包括：在第一媒体内容被访问的过程中，获取用户偏好信息，该用户偏好信息包括实时偏好信息，且获取用户偏好信息包括通过人脸监测和用户行为监测中至少一个确定实时偏好信息；将用户偏好信息和与第一媒体内容相关联的多个候选媒体内容中每一个候选媒体内容的特征信息进行匹配；根据匹配的结果，从多个候选媒体内容中选择第二媒体内容。

在一些实施例中，通过人脸监测和用户行为监测中至少一个确定实时偏好信息包括：通过人脸监测，确定用户实时专注度；根据用户实时专注度，确定实时偏好信息。

在一些实施例中，通过人脸监测和用户行为监测中至少一个确定实时偏好信息包括：通过用户行为监测，确定用户实时兴趣度；根据用户实时兴趣度，确定实时偏好信息。

在一些实施例中，通过人脸监测和用户行为监测中至少一个确定实时偏好信息，包括：通过人脸监测，确定用户实时专注度；通过用户行为监测，确定用户实时兴趣度；根据用户实时专注度和用户实时兴趣度，确定实时偏好信息。

在一些实施例中，通过人脸监测和用户行为监测中至少一个确定实时偏好信息，包括：通过用户行为监测，获取用户评论数据；从用户评论数据中提取实时偏好信息。

在一些实施例中，用户行为包括下列各项中至少一个：用户针对第一媒体内容的点赞、评论、分享和重播。

在一些实施例中，用户偏好信息进一步包括非实时偏好信息，并且获取用户偏好信息进一步包括：获取用户身份信息；根据用户身份信息，确定非实时偏好信息。

在一些实施例中，根据用户身份信息确定非实时偏好信息，包括：根据用户身份信息，获取用户的媒体访问历史数据；从媒体访问历史数据中提取非实时偏好信息。

在一些实施例中，根据用户身份信息确定非实时偏好信息，包括：根据用户身份信息，通过大数据分析，确定非实时偏好信息。

在一些实施例中，获取用户身份信息包括：接收用户请求，从用户请求中提取用户身份信息。

在一些实施例中，通过人脸监测，确定用户实时专注度，包括：在第一媒体内容被访问的过程中，以固定时间间隔采集多个用户面部图片；根据第一媒体内容的时长和固定时间间隔，计算多个用户面部图片的第一数量；通过大数据对比和人脸识别算法检测多个用户面部图片中每一个用户面部图片中用户是否专注，以确定多个用户面部图片中用户专注的用户面部图片的第二数量；根据第二数量与第一数量之比，确定用户实时专注度。

在一些实施例中，通过人脸监测，确定用户实时专注度，包括：

在第一媒体内容被访问的过程中，采集预设数量的用户面部图片；通过大数据对比和人脸识别算法检测所述预设数量的用户面部图片中每一个用户面部图片中用户是否专注，以确定所述预设数量的用户面部图片中用户专注的用户面部图片的第三数量；根据第三数量与预设数量之比，确定用户实时专注度。

在一些实施例中，用户行为包括第一类型操作和第二类型操作，第一类型操作包括下列各项中至少一个：点赞、分享、重播和正面评论，第二类型操作包括负面评论，通过用户行为监测，确定用户实时兴趣度包括：识别用户行为中的第一类型操作和第二类型操作，其中包括通过语义识别算法识别评论中的正面评论和负面评论；在第一媒体内容被访问的过程中计算第一类型操作的第一次数和第二类型操作的第二次数；根据第一次数与第二次数，确定用户实时兴趣度。

在一些实施例中，根据用户实时专注度和实时兴趣度确定实时偏好信息进一步包括：判断用户实时专注度是否超过第一阈值；响应于用户实时专注度超过第一阈值，基于第一媒体内容的特征信息生成实时偏好信息；响应于用户实时专注度未超过第一阈值，判断用户实时兴趣度是否超过第二阈值；响应于用户实时兴趣度超过第二阈值，基于第一媒体内容的特征信息生成实时偏好信息。

在一些实施例中，根据用户实时专注度和用户实时兴趣度确定实时偏好信息进一步包括：根据下述公式确定用户实时专注度和用户实时兴趣度的加权平均值F：F=λP+（1-λ）Q，其中P和Q分别为实时专注度和实时兴趣度，λ为实时专注度权重常数且0<λ<1；判断加权平均值是否超过第三阈值；响应于加权平均值超过第三阈值，基于第一媒体内容的特征信息生成实时偏好信息。

在一些实施例中，根据用户实时专注度和用户实时兴趣度确定实时偏好信息进一步包括：响应于用户实时兴趣度未超过第二阈值，根据下述公式确定用户实时专注度和用户实时兴趣度的加权平均值F：F=λP+（1-λ）Q，其中P和Q分别为实时专注度和实时兴趣度，λ为实时专注度权重常数且0<λ<1；判断加权平均值是否超过第三阈值；响应于加权平均值超过第三阈值，基于第一媒体内容的特征信息生成实时偏好信息。

在一些实施例中，将用户偏好信息和与第一媒体内容相关联的多个候选媒体内容中每一个候选媒体内容的特征信息进行匹配，包括：将实时偏好信息和非实时偏好信息中至少一个与多个候选媒体内容中每一个的特征信息进行匹配。

在一些实施例中，第一媒体内容和多个候选媒体内容中的每一个包括下列各项中至少一个：视频、音频、图片、文本和电子游戏。

在一些实施例中，特征信息包括下列各项总至少一个：剧情信息、剧中人信息、主演信息、导演信息，用户偏好信息包括下列各项中至少一个：用户偏好的剧情信息、剧中人信息、主演信息、导演信息。

在一些实施例中，获取用户偏好信息进一步包括：响应于第一媒体内容到达预设访问进度或响应于用户请求，向用户展示多个候选媒体内容的特征信息；获取用户对多个候选媒体内容的特征信息的第一选择操作；基于第一选择操作，获取用户偏好信息。

在一些实施例中，根据匹配的结果从多个候选媒体内容中选择第二媒体内容，包括：根据用户偏好信息与多个候选媒体内容中每一个的特征信息的匹配度，从多个候选媒体内容中选择一个或多个推荐的媒体内容；展示一个或多个推荐的媒体内容的特征信息；获取用户对一个或多个推荐的媒体内容的特征信息的第二选择操作；根据第二选择操作，确定第二媒体内容。

在一些实施例中，根据本发明的媒体内容访问控制方法进一步包括：在第一媒体内容访问结束时，播放第二媒体内容。

根据本发明的另一方面，提供一种媒体内容访问控制设备，包括：用户管理模块，其配置成在第一媒体内容被访问的过程中，获取用户偏好信息，该用户偏好信息包括实时偏好信息且获取用户偏好信息包括通过人脸监测和用户行为监测中至少一个确定实时偏好信息；内容管理模块，其配置成将用户偏好信息和与第一媒体内容相关联的多个候选媒体内容中每一个候选媒体内容的特征信息进行匹配；访问管理模块，其配置成根据匹配的结果，从多个候选媒体内容中选择第二媒体内容。

根据本发明的另一方面，提供一种媒体内容管理系统，包括：用户管理服务器，其配置成在第一媒体内容被访问的过程中，获取用户偏好信息，该用户偏好信息包括实时偏好信息，且获取用户偏好信息包括通过人脸监测和用户行为监测中至少一个确定实时偏好信息；内容管理服务器，其配置成将用户偏好信息和与第一媒体内容相关联的多个候选媒体内容中每一个候选媒体内容的特征信息进行匹配；访问管理服务器，其配置成根据匹配的结果，从多个候选媒体内容中选择第二媒体内容。

根据本发明的另一方面，提供一种计算设备，包括：处理器；以及存储器，其上存储有指令，指令当在处理器上执行时促使处理器执行根据本发明一些实施例的媒体内容访问控制方法。

根据本发明的另一方面，提供一种或多种计算机可读存储介质，其上存储有计算机可读指令，计算机可读指令在被执行时实现根据本发明一些实施例的媒体内容访问控制方法。

在根据本发明实施例的基于用户偏好信息的媒体内容访问控制方法中，在媒体内容播放过程中，通过利用人脸监测和/或用户行为监测获取当前用户的实时偏好信息，可以确定用户当前对媒体内容的兴趣偏好取向，进而根据其当前兴趣偏好取向，从多个相关候选媒体内容中选择后续访问的媒体内容推荐给用户，使得相关产品的推荐结果更加符合用户实时的个人喜好，避免了被动接受自己当前并不感兴趣的媒体内容的烦恼以及手动查找、选择自己喜爱的媒体内容的繁琐操作，有助于提升用户体验，提高了用户和产品的粘性。而且，这样自动推荐和选择后续媒体内容的方式使得用户可以更快速地获取对自己更感兴趣的内容的访问，优化了媒体内容的调度、提高了媒体内容的利用效率，并节省了用户的宝贵时间。

附图说明

根据以下详细描述和附图，将容易理解本发明的各个不同的方面、特征和优点，在附图中：

图1示意性示出根据本发明一些实施例的媒体内容管理系统的示例场景；

图2示意性示出根据本发明一些实施例的媒体内容管理系统的示例架构；

图3A示意性示出根据本发明一些实施例的媒体内容访问控制方法的流程图；

图3B示出与图3A所示的根据本发明一些实施例的媒体内容访问控制方法相关的终端设备示例界面；

图4A-4D分别示意性示出根据本发明一些实施例的媒体内容访问控制方法的流程图；

图5A-5B示意性示出根据本发明一些实施例的媒体内容访问控制方法的流程图；

图6A示意性示出根据本发明一些实施例的媒体内容访问控制方法的流程图；

图6B示出与图6A所示的根据本发明一些实施例的媒体内容访问控制方法相关的终端设备示例界面；

图7A示意性示出根据本发明一些实施例的媒体内容访问控制方法的流程图；

图7B示出与图7A所示的根据本发明一些实施例的媒体内容访问控制方法相关的终端设备示例界面；

图8A-8B分别示意性示出根据本发明一些实施例的媒体内容访问控制方法的流程图；

图9示意性示出根据本发明一些实施例的媒体内容访问控制方法的流程图；

图10示意性示出根据本发明一些实施例的媒体访问控制设备的结构框图；以及

图11示意性示出根据本发明一些实施例的计算设备的结构框图。

应当指出，上述附图仅仅是示意性的和说明性的，且并不一定按照比例绘制。

具体实施方式

下面将参照附图更详细地描述本发明的若干个实施例以便使得本领域技术人员能够实现本发明。然而，本发明可以体现为许多不同的形式并且不应被解释为局限于本文所阐述的实施例。相反，提供这些实施例以使得本发明全面且完整，并将充分地向本领域技术人员传达本发明的范围。所述实施例并不限定本发明。

将理解的是，尽管术语第一、第二、第三等在本文中可以用来描述各种元件、部件和/或部分，但是这些元件、部件和/或部分不应当由这些术语限制。这些术语仅用来将一个元件、部件或部分与另一个元件、部件或部分相区分。因此，下面讨论的第一元件、部件或部分可以被称为第二元件、部件或部分而不偏离本发明的教导。

本文中使用的术语仅出于描述特定实施例的目的并且不意图限制本发明。如本文中使用的，单数形式“一个”、“一”和“该”意图也包括复数形式，除非上下文清楚地另有指示。将进一步理解的是，术语“包括”和/或“包含”当在本说明书中使用时指定所述及特征、整体、步骤、操作、元件和/或部件的存在，但不排除一个或多个其他特征、整体、步骤、操作、元件、部件和/或其群组的存在或添加一个或多个其他特征、整体、步骤、操作、元件、部件和/或其群组。如本文中使用的，术语“和/或”包括相关联的列出项目中的一个或多个的任意和全部组合。

除非另有定义，本文中使用的所有术语（包括技术术语和科学术语）具有与本发明所属领域的普通技术人员所通常理解的相同含义。将进一步理解的是，诸如那些在通常使用的字典中定义的之类的术语应当被解释为具有与其在相关领域和/或本说明书上下文中的含义相一致的含义，并且将不在理想化或过于正式的意义上进行解释，除非本文中明确地如此定义。

针对目前视频剧集之类的媒体内容是固定不变的，用户无法更改的问题，可以预先制作一种情节可选的视频，即其包含若干时间节点，这些时间节点将该视频分成若干部分，每个部分可以包括多个反映不同剧情主线的可选片段；而且可选地，每个部分还可以包括若干时间节点，从而将其划分成多个子部分，每个子部分也可以包含多个不同的剧情可选子片段；以此类推，最后，该视频可以形成类似树形的结构。

针对上述包括情节或剧情可选片段的视频，本发明可以提供一种基于用户兴趣的交互式媒体内容访问控制方案。例如，在视频播放时，可以获取观众在观看当前视频片段的过程中的实时动态兴趣和/或用户的静态兴趣偏好（例如基于视频访问历史），并基于此自动选择播放或推荐后续的可选视频片段，以满足不同人群对剧情主线的需求，实现了观众的主动参与和人机交互式的视频播放。可选地，本发明的方案也允许用户自主选择下一个剧情可选视频片段。而且，本发明的方案不限于针对上述包括多个情节或剧情可选片段的视频，而是也可以用于其他常规视频播放控制，例如根据用户对当前视频的动态兴趣和/或历史兴趣，选择播放或向用户推荐与之相关的其他视频。

在详细介绍本发明的实施例之前，为了清楚起见，首先对一些相关的概念进行解释：

1、媒体内容：在计算机领域中，媒体一般指一种或多种媒体的人机交互式信息交流和传播媒体，其中所使用的媒体包括文字、图片、照片、声音、动画和影片以及程式所提供的互动功能。在本文中，媒体内容用于指代视频、音频、图片、文本类内容以及电子游戏（如视频播放类交互游戏）等互动媒介中的一个或多个。更具体地，媒体内容包括但不限于，电影、剧集、综艺节目、音乐、漫画、小说等。

2、媒体内容的特征信息：用于标识媒体内容的一个或多个方面的特征的信息，例如视频剧集或电影的剧情类别（例如刑侦、家庭、历史、宫廷、商战、谍战、农村、主旋律等）、主演（例如演员的剧情权重、正反派信息）、导演、国别、出品方等信息。特征信息例如也可以是媒体内容简档或信息摘要。

3、用户偏好信息：用于标识用户对媒体内容的个人兴趣和爱好的信息。例如，偏好信息可以包括下列各项中一个或多个：用户喜欢的演员、影视剧导演、出品方、制作人、剧情类别等信息。一般地，用户偏好信息可以包括实时偏好信息和非实时偏好信息，其分别用于表征用户在访问或观看媒体内容时通过用户的被动反应（如下意识的面部反应，包括表情、专注度等）和主动操作（如用户行为，包括点赞、评论、分享等）体现的当前动态兴趣和偏好以及基于用户的历史记录和身份信息确定的静态兴趣和偏好。

4、用户行为：是指用户在访问媒体内容时针对该媒体内容的主动性操作，例如点赞、发表评论、重播或分享该媒体内容等。用户行为在一定程度上反映了用户对当前媒体内容的个人态度，例如喜欢与否，甚至是认可或喜爱程度。

5、用户实时专注度：表示通过人脸监测获得的用户在访问媒体内容时的注意力专注程度的量。如本文所述，用户实时专注度可以用百分数来表示，例如用户观看媒体内容专注的时长在媒体内容总时长中的占比。

6、用户实时兴趣度：用于表示通过检测在访问媒体内容过程中的用户行为而得到的用户对当前媒体内容的感兴趣程度的量。在本文中，用户实时兴趣度可以用百分数表示，例如积极的用户行为（如点赞、重播、分享和正面评论）次数在用户行为总次数中的占比。

图1示意性示出了根据本发明一些实施例的媒体内容管理系统100。可以在该系统100中实施本文描述的各种方法。如图1所示，媒体内容访问控制系统100包括用户管理服务器110、内容管理服务器120以及访问管理服务器130，并且可选地包括网络140以及一个或多个终端设备150。

用户管理服务器110、内容管理服务器120、访问管理服务器130可以存储和运行可以执行本文所描述的各种方法的指令，其分别可以是单个服务器或服务器集群或云服务器，或者其中的任两个或三个可以是同一服务器或同一服务器集群或云服务器。应理解，本文所提及的服务器典型地为具有大量存储器和处理器资源的服务器计算机，但是其他实施例也是可能的。

网络140的示例包括局域网（LAN）、广域网（WAN）、个域网（PAN）、和/或诸如因特网之类的通信网络的组合。用户管理服务器110、内容管理服务器120、访问管理服务器130以及一个或多个终端设备150的每一个可以包括能够通过网络140进行通信的至少一个通信接口（未示出）。这样的通信接口可以是下列各项中的一个或多个：任何类型的网络接口（例如，网络接口卡（NIC））、有线或无线（诸如IEEE 802.11无线LAN（WLAN））无线接口、全球微波接入互操作（Wi-MAX）接口、以太网接口、通用串行总线（USB）接口、蜂窝网络接口、Bluetooth^TM接口、近场通信（NFC）接口等。通信接口的另外的示例在本文其他地方描述。

终端设备150可以是任何类型的移动计算设备，包括移动计算机（例如，Microsoft® Surface®设备、个人数字助理（PDA）、膝上型计算机、笔记本计算机、诸如Apple iPad^TM的平板计算机、上网本等）、移动电话（例如，蜂窝电话、诸如Microsoft Windows®电话的智能手机、Apple iPhone、实现了Google® Android^TM操作系统的电话、Palm®设备，Blackberry®设备等）、可穿戴式计算设备（例如智能手表、头戴式设备，包括智能眼镜，如Google® Glass^TM，等）或其他类型的移动设备。在一些实施例中，终端设备150也可以是固定式计算设备，例如台式计算机、游戏机、智能电视等。此外，当媒体内容管理系统100包括多个终端设备150的情况下，该多个终端设备150可以是相同或不同类型的计算设备。

如图1所示，终端设备150可以包括显示屏151以及可以经由显示屏151与终端用户交互的终端应用152。终端设备150可以例如经由网络140与用户管理服务器110、内容管理服务器120和访问管理服务器130中的一个或多个进行交互，例如向其发送数据或从其接收数据。终端应用152可以为本地应用程序、网页（Web）应用程序或者作为轻量化应用的小程序（LiteApp，例如手机小程序、微信小程序）。在终端应用152为需要安装的本地应用程序的情况下，可以将终端应用152安装在用户终端150中。在终端应用152为Web应用程序的情况下，可以通过浏览器访问终端应用152。在终端应用152为小程序的情况下，可以通过搜索终端应用152的相关信息（如终端应用152的名称等）、扫描终端应用152的图形码（如条形码、二维码等）等方式来在用户终端150上直接打开终端应用152，而无需安装终端应用152。

图2示出了根据本发明一些实施例的媒体内容管理系统100的示例架构。下面参考图2所示的示例架构简要描述媒体内容管理系统100的工作原理。

在图2所示的媒体内容管理系统100中，用户管理服务器110被配置成在第一媒体内容被访问的过程中，获取用户偏好信息，该用户偏好信息包括实时偏好信息，且所述获取用户偏好信息包括在终端设备150播放当前第一媒体内容时通过人脸监测和用户行为监测结果中至少一个确定实时偏好信息。如图2所示，可以通过两种方式获取用户偏好信息：一是主动式，即基于终端设备150对用户进行的人脸监测和/或用户行为监测和识别获取用户的实时偏好信息；二是被动式，即响应于从终端设备150接收到的用户请求（例如包括媒体内容访问请求或客户端登录请求）获取该用户的非实时偏好信息。

在一些实施例中，用户管理服务器110所获取或确定的用户偏好信息可以经过适当数据处理，形成用户偏好信息数据流水，并将其写入中转消息队列，该消息队列可以供其他服务器或其他设备读取。

在图2所示的媒体内容管理系统100中，内容管理服务器120被配置成将用户偏好信息和与第一媒体内容相关联的多个候选媒体内容中每一个候选媒体内容的特征信息进行匹配。示例性地，如图2所示，内容管理服务器120可以直接从用户管理服务器110接收用户偏好信息数据或包括用户偏好信息的请求数据流水；或者，内容管理服务器120可以从中转消息队列中读取用户偏好信息数据流水，来获得用户偏好信息。而且，内容管理服务器120可以从其中的数据库或其他独立数据库存储的与当前媒体内容相关的多个候选媒体内容获取其特征信息。

在图2所示的媒体内容管理系统100中，访问管理服务器130被配置成根据所述匹配的结果，从所述多个候选媒体内容中选择第二媒体内容以供用户访问。在一些实施例中，如图2所示，访问管理服务器130可以从内容管理服务器120接收用户偏好信息与候选媒体内容的特征信息是否匹配的消息，并响应于该消息而选择或推荐相应的后续播放或供用户访问的第二媒体内容。可选地，如图2所示，访问管理服务器130可以发起播放第二媒体内容，即向终端设备150发送下述命令：在当前第一媒体内容播放完成或用户访问结束时自动播放第二媒体内容。

应理解，虽然在本文中，用户管理服务器110、内容管理服务器120、访问管理服务器130与终端设备150被示出和描述为分离的结构，但它们也可以是同一计算设备的不同组成部分，其中用户管理服务器110、内容管理服务器120以及访问管理服务器130可以提供后台计算功能，而终端设备150可以提供前台显示功能以及用户面部监测和用户行为采集功能。

图3A示意性示出了根据本发明一些实施例的媒体内容访问控制方法的流程图。图3B示出与图3A的根据本发明一些实施例的媒体内容访问控制方法相关的终端设备的示例界面图。

在一些实施例中，该媒体内容访问控制方法可以在服务器侧（例如，图1和图2所示的服务器110、120和130）执行。可替换地，在一些实施例中，在终端设备（例如，图1和图2所示的终端设备150）具备充分的计算资源和计算能力的情况下，可以直接在终端设备上执行该媒体内容访问控制方法。在另一些实施例中，该媒体内容访问控制方法也可以由服务器和终端设备相组合地执行。

在步骤S310处，在第一媒体内容被访问的过程中，获取用户偏好信息，该用户偏好信息包括用户实时偏好信息，且获取用户偏好信息包括通过人脸监测和用户行为监测中至少一个确定实时偏好信息。

在该步骤中，第一媒体内容是指用户当前正在访问的媒体内容，所谓媒体内容的访问可以包括用户通过终端设备播放媒体内容，如影视剧、音乐、小说等，或者执行或运行诸如电子游戏（例如互动电子游戏）之类的媒体内容。用户偏好信息用于标识或反映用户对媒体内容的个人兴趣和偏好，即用户对哪些或什么样的媒体内容感兴趣，例如，用户喜欢的演员、影视剧导演、出品方、制作人、剧情类别等。

如步骤S310所述，用户偏好信息可以包括实时偏好信息，可选地，也可以包括非实时偏好信息。实时偏好信息用于表征用户当前的动态兴趣和偏好，而非实时偏好信息表示基于历史记录和身份信息确定的静态兴趣和偏好。一般地，依据偏好信息的不同类别，可以通过不同方式获取用户偏好信息：一是主动式，如步骤S310所述，即基于人脸和/或用户行为监测和识别获取用户的实时偏好信息；二是被动式，参见下文的图5A，即响应于用户访问或登录请求中的身份信息获取该用户的非实时偏好信息。

如上所述，可以通过人脸监测和/或用户行为监测获取实时偏好信息。可以理解，一方面，用户正在欣赏媒体内容时的实时面部表情在某种程度上可以较为直接且真实地反映出该媒体内容的播放效果及用户的感兴趣程度。比如，当用户对当前媒体内容的情节感兴趣时，其面部表情可能表现为注意力集中或表情愉悦，有可能精神紧张表情严肃；而当用户不太感兴趣时，其面部表情可能表现为注意力涣散或表情轻松、经常走神、心不在焉。因此，可以通过采集并识别的用户实时面部表情来确定用户对当前视频的感兴趣程度，进而推测或判断用户的实时兴趣偏好。

在一些实施例中，终端设备150可以响应于用户管理服务器110的人脸监测命令，通过自带的或附加的图像捕获或识别装置（例如视频采集设备，如摄像头）采集用户在观看当前媒体内容（即第一媒体内容）的实时面部图片或视频，以实现人脸的实时监测，从而获取其面部表情。其中，视频采集设备可以包括终端设备（例如手机）上内置的摄像头，或者与终端设备通信连接的独立的视频采集装置，如单独的相机。在获得用户的实时面部图片或视频之后，如图2所示，终端设备150可以通过通信接口和网络140将其传送至用户服务器110以进行后续处理。随后该服务器110通过大数据比对得出观众对当前视频片段的实时观看反映或专注程度，最后据此预测或确定用户的实时偏好信息。

另一方面，用户观看视频时，经常会有类似重播、分享当前视频片段，或者发表评论（例如通过当前视频的弹幕或评论区）等操作。这些操作在一定程度上也可以反映用户当前对视频剧情的认可或喜欢程度。因此，在确定用户的当前偏好信息时，除了进行人脸监测之外，还可以考虑监测用户在访问媒体内容时的用户行为。如图3B所示，用户行为可以包括：对当前观看的剧集的分享、重播、评论、点赞、发弹幕等操作。其中分享和重播操作明显反映了用户对当前媒体内容的偏好或喜爱。评论操作既可以包括对当前剧情的评价或吐槽（正向型或负面型），如图3B所示的“好喜欢某某某”表示对某人及其相关情节的喜欢程度，又可以包括用户对未来剧情的期望，如图3B所示的“某某某，一定要好起来”可能希望该人物后面有更好的人物发展发送弹幕。例如，评论可以通过发送的弹幕的方式进行。一般地，可以通过语义识别，检测用户的文字评论，或又可以通过语音识别检测用户的音频评论。因此，通过获取用户的行为数据也可以得知用户针对当前访问媒体内容的真实感受，为实时偏好信息的确定提供依据。

在一些实施例中，如图2所示，终端设备150（例如响应于用户管理服务器110的要求或命令）可以接收用户行为，例如用户通过键盘、麦克风、鼠标等输入设备进行的针对当前媒体内容的分享、重播、点赞、评论之类的操作。例如，如图3B所示，用户可以通过鼠标点击按钮进行相应操作，例如分享、重播、点赞；对于评论操作，可以先使用鼠标点击相应按钮进入评论输入界面，随后利用键盘（或其他输入设备，如麦克风）输入评论内容，随后该评论可以显示在评论区或弹幕上。终端设备150接收到这些用户行为之后，可以通过信号处理识别出相应的用户行为，包括评论中的具体内容（例如通过语义或语音识别检测用户评论的含义），并将这些信息传送至用户管理服务器110；随后用户管理服务器110可以通过对这些用户行为分析来推测用户对当前视频的感兴趣程度，进而确定用户的实时偏好信息。

在一些实施例中，也可以同时进行人脸监测和用户行为监测，从而根据这两种监测结果的综合信息，确定用户的实时偏好信息。具体方式请参见下文的图4C。

在步骤S320处，将用户偏好信息和与第一媒体内容相关联的多个候选媒体内容中每一个候选媒体内容的特征信息进行匹配。

在本发明一些实施例中，步骤S320中的“相关联”可以指当前播放第一媒体内容与候选媒体内容属于同一影视剧中不同的片段，候选媒体内容是第一媒体内容的多个后续可选片段。例如，可以预先制作一种情节可选的视频剧集，即其包含若干时间节点，这些时间节点将该视频分成若干部分（例如，若干集），每个部分可以包括多个反映不同剧情主线的可选片段。当前播放的第一媒体内容可以是该视频剧集的起始视频片段（例如第一集），而后续的视频片段（例如第二集）包括多个候选的媒体内容，分别具有不同的特征，比如不同的剧情主线、不同的情节、不同的演员、不同的剧情风格等等。可选地，除了属于同一视频剧集之外，“相关联”也可以表示第一媒体内容与候选媒体内容以其他方式相关，例如二者尽管并不属于同一个影视剧，但存在其他关联特征，如相同的导演或主演、相同的情节类型等。

步骤S320中的“特征信息”是标示媒体内容各自的一个或多个方面的特征的信息，例如可以包括下述各项中一个或多个：视频剧集（如电视剧或电影）的剧情类别（例如刑侦、家庭、历史、宫廷、商战、谍战、农村、主旋律等）、主演（例如演员的剧情权重、正反派信息）、导演、国别、出品方等信息。特征信息例如也可以是媒体内容简档或摘要。在本文中，媒体内容的特征信息可以用于与步骤310得到的用户偏好信息进行匹配以使得待访问或播放的媒体内容的选择或推荐更符合用户的兴趣。

在一些实施例中，用户偏好信息和媒体内容的特征信息的匹配可以通过关键字比对进行。例如，如果二者中都包含相同的关键字，如用户偏好信息中出现“某某演员的名字”，而他/她恰好出现在特征信息中（例如该媒体内容的主演或权重或出镜率较高的演员等），通过比对，可以认为用户偏好信息与该媒体内容的匹配度较高。如果对应所有候选媒体内容而言，其特征信息没有与用户偏好信息完全匹配的，可以寻找相似的信息，根据相似程度确定匹配度。

在步骤S330处，根据匹配的结果，从多个候选媒体内容中选择第二媒体内容。

通过步骤S320的匹配操作，可以从多个候选媒体内容中选出若干与用户偏好信息匹配的候选媒体内容。如果出现多个匹配的候选媒体内容，则可以根据匹配程度，来选择待访问的第二媒体内容。例如通过关键字比对，特征信息中与用户偏好信息相同的信息越多，匹配程度越高。可选地，如果所有后续媒体内容的特征信息与用户偏好信息不存在精确的匹配，即二者没有完全相同的关键字，则可以根据反向比对确定匹配度，即存在的矛盾越多，匹配度越低。例如，通过比较和识别（例如语义识别），发现二者存在相反含义或相互矛盾的关键字，如用户偏好视频类型是喜剧，而候选媒体特征信息中含有“悲剧”字样，则可以认为二者匹配度较低。关于信息匹配方式，本发明并不限于上述关键字比对，也可以采取其他方式。

在根据本发明实施例的基于用户偏好信息的媒体内容访问控制方法中，在媒体内容播放过程中，通过利用人脸监测和/或用户行为监测获取当前用户的实时偏好信息，可以确定用户当前对媒体内容的兴趣偏好取向，进而根据其当前兴趣偏好取向，从多个相关候选媒体内容中选择后续访问的媒体内容推荐给用户，使得相关产品的推荐结果更加符合用户实时的个人喜好，避免了被动接受自己当前并不感兴趣的媒体内容的烦恼以及手动查找、选择自己喜爱的媒体内容的繁琐操作，有助于提升用户体验，提高了用户和产品的粘性。而且，这样自动推荐和选择后续媒体内容的方式使得用户可以更快速地获取对自己更感兴趣的内容的访问，优化了媒体内容的调度、提高了媒体内容的利用效率，并节省了用户的宝贵时间。

可选地，在一些实施例中，如图2所示，根据本发明的媒体内容访问控制方法可以进一步包括：在第一媒体内容访问结束时，自动播放第二媒体内容。确定了第二媒体内容之后，用户管理服务器可以向终端设备发送命令，以发起在当前第一媒体内容自然结束或用户手动结束访问时播放第二媒体内容。

图4A示意性示出的图3A所示的根据本公开一些实施例的媒体访问控制方法中步骤S310的一个示例过程。如图4A所示，图3A所示的步骤S310中通过人脸监测和用户行为监测中至少一个确定实时偏好信息可以进一步包括步骤S411-S412。

在步骤S411处，通过人脸监测，确定用户实时专注度。

在本文中，用户的实时专注度表示用户对正在播放（或被访问）的媒体内容的观看和/或收听的专注程度，其一定程度上反映了用户对当前情节或播放内容的偏好或喜爱程度。在不同的应用场景下，用户的实时专注度可以以具体的数值表示，比如以百分比数字，数值越大代表用户越专注，或者也可以以其他方式表示，如级别划分，级别越高代表用户越专注。

可以理解，当用户对当前媒体内容的情节感兴趣时，其面部表情可能表现为注意力集中或表情愉悦，有可能精神紧张表情严肃；而当用户不太感兴趣时，其面部表情可能表现为注意力涣散或表情轻松、经常走神、心不在焉。因此，可以根据所采集的用户实时面部表情来确定用户的实时专注度，进而推测其对当前媒体内容的感兴趣程度，即实时偏好信息。换言之，用户的实时偏好信息可以基于对当前媒体内容的实时专注度来进行推测或判断。

更具体地，可以通过下述方式根据所监测的人脸表情确定实时专注度：将实时采集多个人脸图片或视频进行大数据比对和/或相关技术的人脸识别算法，检测每一个图片中人脸是否正对屏幕和/或人眼是否睁开，从而据此判断各个图片中用户当前的专注程度，随后根据所有人脸图片中用户的专注程度判断用户在整个观看过程中的总体专注程度，作为实时专注度。关于实时专注度的具体判断或计算方式，请参见图6。

在步骤S412处，根据用户实时专注度，确定实时偏好信息。

如上文所述，可以通过实时专注度来来判断用户对当前媒体内容的感兴趣程度，随后基于当前媒体内容感兴趣程度确定用户实时的偏好信息。例如，用户实时专注度较高，说明用户对当前视频感兴趣，可以推测该用户对于当前视频的特征信息类似的其他视频感兴趣。这时，可以将当前视频的特征信息直接作为用户实时偏好信息。具体地，如上文所述实时专注度可以为具体数值，例如百分数，于是可以根据实时专注度是否超过预设阈值，判定用户对当前第一媒体内容是否感兴趣，从而在判定感兴趣的情况下，基于第一媒体内容的特征信息生成用户偏好信息。可选地，也可以同时参考其他方面确定用户偏好信息。

图4B示意性示出图3A所示的根据本公开一些实施例的媒体访问控制方法中步骤S310的另一示例过程。

在步骤S421处，通过用户行为监测，获取用户实时兴趣度。

在本文中，“用户实时兴趣度”（区别于实时专注度，其用于标识基于人脸监测确定的面部表情所反映的对当前媒体内容的实时感兴趣程度）用于标识基于用户行为检测确定的用户行为所反映的用户对当前媒体内容的实时感兴趣程度。与实时专注度类似，用户的实时兴趣度也可以用具体数值表示，例如积极用户操作数量和消极用户操作数量之差在用户行为总数中的占比。

所谓积极操作和消极操作可以分别指例如通过检测用户行为，从中找出的对实时兴趣度有积极影响的操作和消极影响的操作，例如积极操作包括点赞、分享、重播、正面评论或评价，而消极操作包括负面评论或评价。如图3A所示的评论区中的“好喜欢某某某”表示用户对该视频中的剧中人或演员感兴趣，显然是正面积极操作，而评论区中的“某某某演技很差”则表示用户在吐槽某个演员，表明用户对当前视频不太感兴趣，属于消极的负面评价。可以利用相关技术的语义识别算法来区分正面评价和负面评价。

在步骤S422处，根据用户实时兴趣度，确定实时偏好信息。

如上文所述，用户兴趣度可以反映用户对当前媒体内容的感兴趣程度，因而可以基于当前第一媒体内容的特征信息生成用户偏好信息。具体地，用户专注度，也可以利用预设阈值来判断用户兴趣度是否达到一定程度，从而根据兴趣度与阈值的比较结果来确定是否基于第一媒体内容的特征信息生成用户实时偏好信息。具体实现过程，可以参考图6。

图4C示意性示出的图3A所示的根据本公开一些实施例的媒体访问控制方法中步骤S310的又一示例过程。如图4C所示，步骤S310-获取用户的实时偏好信息还可以进一步包括如下步骤：

S431，通过人脸监测，确定用户实时专注度；

S432，通过用户行为监测，确定用户实时兴趣度；

S433，根据用户实时专注度和实时兴趣度，确定实时偏好信息。

如上文所述，实时偏好信息的确定可以基于两个因素：用户对当前第一媒体内容的被动反应，即用户的面部表情或图4A的步骤中所得到的用户实时关注度；以及用户的主动反应，即用户针对当前媒体内容作出的主动性的用户行为，如点赞、评论、重播、分享等，或图4B的步骤得到的实时兴趣度。二者都可以在一定程度上反映用户对当前媒体内容的兴趣和对后续剧情的期望，从而可以作为确定实时偏好信息的基础。因此，除了分别单独基于用户实时专注度和用户兴趣度确定用户的当前偏好信息，也可以综合考虑这两者来预测用户当前偏好信息，进而根据当前偏好信息选择或推荐更符合用户需求和兴趣的视频剧情。

图4D示意性示出了图3A所示的根据本公开一些实施例的媒体访问控制方法中步骤S310的另外又一示例过程。

在一些实施例中，如图4D所示，步骤S310中的上述通过人脸监测和用户行为监测中至少一个确定实时偏好信息可以包括：

S441，通过用户行为监测，获取用户评论数据；

S442，通过语义识别算法识别从评论数据中提取用户实时偏好信息。

如图3B所示，用户行为可以包括：对当前观看的剧集的的分享、重播、评论、点赞、发弹幕等操作。评论操作既可以包括对当前剧情的评价或吐槽（正向型或负面型），如图3B所示的“好喜欢某某某”表示对某人及其相关情节的喜欢程度，基于此可以得到用户的兴趣度，从而基于兴趣度确定用户偏好信息，如图4B所示。然而，评论操作不一定都是（或不仅仅是）针对当前视频是否感兴趣的语言，其有可能包括用户对未来剧情的期望，如图3B所示的“某某某，一定要好起来”可能希望该剧中人（某某某）后面有更好的人物发展，而其中没有体现用户对当前视频评价（实际上，用户有可能认可，也有可能并不认可）。

针对上述情况，由于通过获取用户评论中针对未来视频或聚集的期望可能直接地反映了用户当前的兴趣所在，可以直接根据检测到的评论信息中的针对后续媒体内容的未来期望（包括剧情期望、演员期望、剧中人期望等等），直接确定用户实时偏好信息。具体地，可以通过语义识别，检测用户的文字评论或又可以通过语音识别检测用户的音频评论，从中提取与用户偏好相关的信息，例如未来剧情发展、人物、演员等方面的期望，从而为用户实时偏好信息的确定提供依据。例如直接将所提取的期望信息作为用户的实时偏好信息。

图5A示意性示出了根据本公开另一些实施例的图3A所示的步骤S310的示例过程。

如图5A所示，图3A所示的步骤S310-获取用户偏好信息可以包括如下步骤S511-512。

在步骤S511处，获取用户身份信息。

如上文所述，处理实时偏好信息之外，用户偏好信息还可以包括非实时偏好信息，其表示基于历史记录和身份信息确定的静态兴趣和偏好。可以利用通过被动方式，例如响应于用户访问或登录请求中的身份信息确定该用户的非实时偏好信息。在一些实施例中，如图2所示，用户管理服务器110通过通信接口经由网络140从终端设备150接收用户的媒体访问请求数据，该请求数据往往包含用户身份信息。例如在当前媒体内容被访问之前或访问的过程中，用户可以向用户管理服务器110发送媒体访问请求数据。于是身份信息的获取可以通过从用户访问请求中提取身份信息来实现。

用户身份信息可以是标识用户身份的信息，例如包括姓名、性别、年龄、职业、教育水平、籍贯、个人照片等。用户身份信息的可以通过多种不同的方式进行收集或采集。例如，当用户使用视频客户端程序或app访问媒体内容之前，用户需要打开该客户端程序并进行会员登录（如果该用户为其会员的话），后台服务器（例如用户管理服务器）可以自动从其数据库中获得（例如会员注册时用户登记的）该会员用户的身份信息。这样可以根据该会员的媒体访问记录确定其兴趣标签或历史偏好信息。

替代地或附加地，当用户并非视频网站的会员或用户未进行会员登录时，可以利用将其当前客户端设备的标识信息（诸如设备识别码、网络地址等）作为用户身份信息，从而根据服务器中存储的该客户端设备的媒体访问记录或历史数据提取用户的历史偏好信息。可选地，除了上述主动获取用户身份信息的方式之外，也可以通过被动接收用户的媒体访问请求数据来确定其身份信息。一种应用场景为，用户在观看完电视剧第一集之后，想继续观看第二集，但第二集之后需要付费观看，于是用户需要进行发送访问请求数据并完成付费操作，访问请求数据可以包括媒体内容的标识、终端用户的标识（即，用户身份或用户会员账号等）、终端设备的标识（诸如设备识别码、网络地址等）。这样，后台服务器可以基于访问请求获得用户身份信息。

S512，根据用户身份信息，确定用户的非实时偏好信息。

关于如何根据身份信息确定非实时偏好信息，可以采取两种方式：直接基于用户身份信息确定非实时偏好信息；在依据身份信息得到用户历史访问记录的基础上，根据历史访问记录数据，分析或预测用户的非实时偏好信息，例如所喜欢的剧情类型、演员等。

图5B示出图5A所示的步骤S512的一个示例过程。如图5B所示，步骤S512-根据用户身份信息确定用户非实时偏好信息可以包括步骤S512a-512b。

在步骤S512a处，根据用户身份信息，确定用户的媒体访问历史数据。

媒体内容管理服务器往往可以收集其会员用户的媒体内容访问记录或终端设备的访问记录并将其存储在数据库中。因此，在获取用户身份信息后，可以根据用户身份信息在数据库中查询相应用户或客户端设备的历史访问数据，这些数据在一定程度上反映了用户的兴趣和偏好。因此可以从中提取相关信息作为用户的非实时偏好信息。

在步骤S512b处，从媒体访问历史数据中提取非实时偏好信息。

在一些实施例中，关于非实时偏好信息的提取，可以通过对用户的历史访问数据的分析处理，获得与用户偏好相关的信息，例如可以对用户观看过的所有媒体内容的特征信息进行统计，找出出现频率较高的关键字，如某个演员的名字、某种类型的剧情（喜剧或悲剧）等等，作为用户的历史偏好信息。可选地，也可以采取其他方法，例如相关技术的人工智能、神经网络等方法，实现历史偏好信息的提取。

可选地，如上所述，除了图5B的方式之外，也可以直接基于用户身份信息确定非实时偏好信息。一般地，在获取用户身份信息之后，可以通过大数据分析，预测用户的非实时偏好信息。例如，可以基于用户身份信息中的年龄、性别、职业等因素，通过对服务器中存储的不同用户的媒体内容访问记录（大数据）的统计分析，预测或推导出相应年龄、性别和职业的总体的偏好信息，并将其作为用户的非实时偏好信息。

图6A示出根据本公开一些实施例的图3A所示的步骤S310的示例过程。图6B示出与图6A的相关的终端设备的示例界面。

在当前第一媒体内容被访问的过程中，除了本发明实施例所述的服务器或终端设备基于用户的偏好信息自动选择与当前第一媒体内容相关联的后续媒体内容，即第二媒体内容，之外，用户也可以手动从多个候选媒体内容中选择后续访问第二媒体内容。具体地，可以在第一媒体内容播放完成之后或即将完成时，通过终端设备向用户显示候选媒体内容的特征信息以供用户选择，随后响应于用户的选择操作直接播放用户所选的候选媒体内容。如下述图6A所示步骤，可以将这种手动模式融入到图3A所示的步骤S310中，例如将用户所选媒体内容的特征信息作为用户偏好信息，之后通过匹配操作确定的第二媒体内容即为用户所选媒体内容，因为匹配操作中的用户偏好信息就是用户所选媒体内容的特征信息，即完全匹配。

如图6A所示，图3A所示的步骤S310-在第一媒体内容被访问的过程中获取用户偏好信息，包括如下步骤S611-613。

在步骤S611处，响应于第一媒体内容的到达预设访问进度或用户媒体内容访问请求，向用户展示多个候选媒体内容的特征信息。

可以通过主动和被动两种方式展示候选媒体内容供用户手动选择：基于第一媒体内容的播放进度检测；以及用户媒体内容访问请求。如图6B所示，用户正在观看第一集（即第一媒体内容），则当第一集即将结束时（即响应于用户访问进度监测）或用户点击第二集的图标时（即用户请求播放第二集），可以通过终端设备自动显示多个候选的第二集的情节的特征信息。如图6B所示，共有5个候选的第二集情节特征信息：“喜剧、演员1”、“恐怖、演员1”、“悬疑、演员2”、“悲剧、演员2”以及“无厘头、演员3”。

在步骤S612处，获取用户对多个候选媒体内容的特征信息的第一选择操作。

在实际应用中，终端设备接收用户对特征信息的选择操作，并识别处用户所选择的候选媒体内容，即第二媒体内容；随后将其发送至用户管理服务器，使得用户管理服务器获取到用户的选择操作。

在步骤S613处，基于第一选择操作，确定用户的偏好信息。

在知道用户选择之后，可以直接将用户所选的媒体内容的特征信息作为用户偏好信息（或实时偏好信息）。这样随后通过完美匹配，用户服务器必定会选择用户所选媒体内容作为待访问的第二媒体内容。

上述手动模式的引入，丰富了用户的体验且使所播放的媒体内容更精确地符合用户的兴趣，进一步提高了用户和产品粘性。

图7A示意性示出根据本公开一些实施例的图3A所示的步骤S330的示例过程。图7B示出了与图7A所示的媒体访问控制方法相关的终端设备显示的示例界面。

如图7A所示，可以通过自动选择和用户手动选择相结合的方式实现第二媒体内容的选择，即首先根据本发明实施例的媒体内容访问控制方法可以基于用户偏好信息与候选媒体内容的特征信息的匹配度，为用户推荐多个后续剧集，供用户选择，随后通过用户手动选择确定最终要访问的后续媒体内容。

如图7A所示，在图3A所示的步骤S330-根据匹配的结果，从所述多个候选媒体内容中选择第二媒体内容可以进一步包括：

步骤S731，根据用户偏好信息与特征信息的匹配度，从多个候选媒体内容中选择多个推荐的媒体内容；

步骤S732，向用户展示多个推荐的媒体内容的特征信息；

步骤S733，获取用户对多个推荐的媒体内容的特征信息的第二选择操作；

步骤S734，根据第二选择操作确定第二媒体内容。

图7B示出了手动和自动相结合的后续媒体内容选择方案的终端设备的界面图。如图7B所示，在终端设备示例界面中，用户正在观看第一集；随后，如7B所示，终端设备显示出通过用户偏好信息与特征信息的匹配度推荐的后续第二集的例如三个可选情节的特征信息，即“喜剧、演员1”、“恐怖、演员1”、“悬疑、演员2”，供用户选择。用户可以选择自己喜欢的特征信息对应的剧集，其自动成为下一个要被访问或播放的第二媒体内容。

与图6B相比，图7B的中的三个推荐的情节是从图6B五个候选情节中自动选择出来的。因而，这种手动和自动的结合首先利用偏好信息与特征信息的匹配获得多个推荐的媒体内容，即先自动进行一轮筛选，随后用户通过手动方式进一步筛选，实现了优中选优，从而更进一步优化了用户体验以及所选媒体与用户兴趣的匹配度，提高了用户访问效率，从而更进一步提高了用户和产品粘性。

图8A示意性示出根据本公开一些实施例的图4A所示的步骤S431的示例过程。如图8A所示，步骤S411-实时专注度的获取包括步骤S811-S814。

在步骤S811处，在第一媒体内容被访问期间，以固定时间间隔采集多个用户面部图片；

在步骤S812处，根据第一媒体内容的时长和固定时间间隔，计算多个面部图片的第一数量；

在步骤S813处，通过大数据对比和人脸识别算法检测多个面部图片中每一个，以确定在多个面部图片中用户专注的面部图片的第二数量；

在步骤S814处，根据第二数量与第一数量之比，确定用户的实时专注度。

在人脸监测过程中，用户管理服务器可以命令终端设备的图像采集设备在用户观看视频时，每隔预定间断时间，对屏幕正对方向进行拍摄以获取用户的实时面部图片，随后将其发送至用户管理服务器。接下来，用户管理服务器通过大数据对比检测人脸是否正对屏幕，且/或通过相关技术的人脸识别算法，检测人眼是否睁开且正对屏幕，从而根据检测结果，确定图片中的用户是否专注。例如，每次检测到人脸且正对屏幕且人眼睁开正对屏幕，即为一次用户专注播放。

假设同一个视频剧情片段（即第一媒体内容）总时间为T_t每次拍摄的间断时间为T_c，记这个视频片段内，可以计算拍摄总数为S_t = T_t/T_c。假设其中监测到用户总共有S_f次观看瞬间，即S_f张图片是专注的，则当前视频片段被访问的过程中用户的专注观看次数占比为：

P = S_f/S_t *100% = S_f/（T_t/T_c）*100% （1）

用户有效观看时间占比越低，说明用户越不专注，即专注度较低，从而判断用户对当前剧情的感兴趣程度越低；反之，用户专注度越高，且感兴趣程度越高。因此可以将上专注观看次数占比P作为实时专注度的值。显然实时专注度P = S_f/（T_t/T_c）*100%的范围介于0至100%之间。P数值越大，表示用户实时专注度越高。

此外，在人脸监测过程中，也可以进行预设次数的拍摄，即拍摄的人脸图片张数是固定的，而拍摄间隔时间是不固定的或随机的。例如，在一个视频剧情片段播放的过程中，预先设定拍摄次数为N（例如随机拍摄N张人脸图片），这样拍摄的人脸图片共有N张；随后，与上面图8A的实施例过程相同，通过大数据对比，检测人脸是否正对屏幕，且/或通过相关技术的人脸识别算法，检测人眼是否睁开且正对屏幕，从而根据检测结果，确定N张图片中的用户专注的图片的张数，例如为M。这样，最终也可以根据专注图片张数占总张数的百分比来计算用户实时专注度，例如实时专注度P=M/N*100%，其范围介于0至100%之间。

可选地，也可以通过计算专注时间占比来确定实时专注度。例如通过摄像机，采集用户在访问媒体内容时的面部视频，随后根据大数据对比和相关算法计算用户处于专注状态的时长，最后根据专注时长与媒体内容总时长之比确定用户的实时专注度。此外，也可以同时考虑专注次数占比和时间占比来确定用户的实时专注度。

图8B示出根据本公开一些实施例图4B所示的步骤S421的示例过程。

在一些实施例中，用户行为可以包括第一类型操作和第二类型操作，第一类型操作包括点赞、分享、重播和正面评价且第二类型操作包括负面评价。在本文中，与实时专注度类似，用户的实时兴趣度也可以用具体数值表示，例如积极用户操作数量和消极用户操作数量之差在用户行为总数中的占比。如上文所述，可以利用相关技术的语义识别算法来区分正面评论和负面评论。具体地，如图8B所示，步骤S421-通过用户行为监测确定用户实时兴趣度包括：

S821，识别用户行为中第一类型操作和第二类型操作，其中包括通过语义识别算法识别评论中的正面评论和负面评论；

S822，计算在第一媒体内容被访问的过程中第一类型操作的第一次数和第二类型操作的第二次数；

S823，根据第一次数与第二次数确定用户实时兴趣度。

例如，可以根据如下公式确定实时兴趣度：

（2）

其中Q为实时兴趣度，T1和T2分别为第一次数和第二次数。

在公式（2）中，利用第一类型操作次数与第二类型操作次数之差除以二者之和来得出实时兴趣度，即积极操作增加一次，分子加一，分母加一；而消极操作增加一次，分子减一，分母加一。因此，第一类型操作越多，即T1越大，实时兴趣度越高；而第二类型操作越多，T2越大，实时兴趣度越低。需要说明，公式（2）采用分段式的目的是，防止实时兴趣度Q的值小于零（例如当T1<T2时，公式（2）中的分式值小于零），从而使其范围介于0与1之间，以便于后续的计算。

图9示出根据本公开一些实施例的图4C所示的步骤S433的示例过程。根据本发明的一些实施例，用户实时偏好信息可以单独根据实时专注度或实时兴趣度确定，也可以综合考虑二者而确定。

在步骤S931处，判断实时专注度是否超过第一阈值；响应于实时专注度超过第一阈值，转到步骤S933，否则转到S932；

在步骤S932处，响应于实时专注度未超过第一阈值，判断兴趣度是否超过第二阈值；响应于实时兴趣度超过第二阈值，转到步骤S933；

在步骤S933处，响应于实时兴趣度超过第二阈值或实时兴趣度超过第二阈值，基于第一媒体内容的特征信息生成用户的实时偏好信息。

如上述步骤S931，可以通过优先考虑实时专注度来确定实时偏好信息。通过预先设定第一阈值来为实时专注度设置下限，当实时专注度超过该下限时，表示用户对当前第一媒体内容非常感兴趣，于是可以将第一媒体内容的特征信息看作用户的实时偏好信息。例如，如上文公式（1）所述，实时专注度P可以为0至1之间的百分数，可以根据实际条件预设第一阈值为70%或更高，当P>70%时，可以认为用户对当前第一媒体内容感兴趣程度较高，其特征信息可以代表用户偏好信息。

如上述步骤S932所述，当实时专注度不满足下限要求时，可以考虑根据实时兴趣度确定用户实时偏好信息。同理，可以预先设定第二阈值作为实时兴趣度的下限，当其超过下限时，说明用户行为反映出用户对当前媒体内容很感兴趣，因而也可以将第一媒体内容的特征信息作为用户的实时偏好信息。如上文公式（2）所述，实时兴趣度Q可以为0至1之间的百分数，可以根据实际条件预设第一阈值为80%或更高，当P>80%时，可以认为用户对当前第一媒体内容感兴趣程度较高，其特征信息可以代表用户偏好信息。

可选地，除了上述方式之外，可以采取其他方式确定用户实时兴趣偏好。具体地，如图9所示，图4C所示的步骤S433-根据用户的实时专注度和实时兴趣度，确定实时偏好信息可以进一步包括：

S934，响应于兴趣度未超过第二阈值，根据下述公式计算的实时专注度和实时兴趣度的加权平均值F：

F=λP+（1-λ）Q （3）

其中P和Q分别为实时专注度和实时兴趣度，λ为实时专注度权重常数；

S935，判断加权平均值F是否超过第三阈值，响应于加权平均值F超过第三阈值，转到S933，即基于第一媒体内容的特征信息生成用户实时偏好信息。

如步骤S934-935所述，可以同时考虑实时专注度P和实时兴趣度Q，分别将二者赋予一定权重，其中P的权重为λ（λ可以根据实际情况确定），而相应地Q的权重为1-λ；随后将分别具有不同权重的二者相加以得到加权平均值F；然后根据F大小，确定用户是否对第一媒体内容感兴趣，从而在感兴趣的情况下将其特征信息作为用户实时偏好信息。例如，在某种情况下，基于人脸监测的实时专注度可能比基于用户行为的实时兴趣度更能反映用户对当前媒体内容的感兴趣程度，因此，可以将实时专注度P的权重λ设定的更高，比如λ=70%（或更高），而实时兴趣度Q的权重则为1-λ=30%（或更低）。

可选地，也可以考虑将上述步骤S934-S935与图9所示的步骤S931-933分离而单独来实现用户实时偏好信息的确定。具体地，图4C所示的步骤S432-根据用户的实时专注度和实时兴趣度，确定实时偏好信息可以进一步包括：根据下述公式（3）计算的实时专注度和实时兴趣度的加权平均值F；判断加权平均值F是超过第三阈值；响应于加权平均值F超过第三阈值，基于第一媒体内容的特征信息生成用户实时偏好信息。

图10示意性示出了根据本发明一些实施例的媒体内容访问控制设备1000的结构框图。如图10所示，媒体内容访问控制设备1000包括用户管理模块1010、内容管理模块1020以及访问管理模块1030。

用户管理模块1010被配置成在第一媒体内容被访问的过程中，获取用户偏好信息，该用户偏好信息包括实时偏好信息，且所述获取用户偏好信息包括通过人脸监测和用户行为监测中至少一个确定实时偏好信息。

内容管理模块1020被配置成将用户偏好信息和与第一媒体内容相关联的多个候选媒体内容中每一个候选媒体内容的特征信息进行匹配。

访问管理模块1030被配置成根据匹配的结果，从多个候选媒体内容中选择第二媒体内容。

在根据本发明实施例的媒体内容访问控制设备中，通过在媒体内容播放过程中利用人脸监测和/或用户行为监测获取当前用户的实时偏好信息，可以确定用户当前对媒体内容的兴趣偏好取向，进而根据其当前兴趣偏好取向，从多个相关候选媒体内容中选择后续访问的媒体内容推荐给用户，使得相关产品的推荐结果更加符合用户实时的个人喜好，避免了被动接受自己当前并不感兴趣的媒体内容的烦恼以及手动查找、选择自己喜爱的媒体内容的繁琐操作，有助于提升用户体验，提高了用户和产品的粘性。而且，这样自动推荐和选择后续媒体内容的方式使得用户可以更快速地获取对自己更感兴趣的内容的访问，优化了媒体内容的调度、提高了媒体内容的利用效率，并节省了用户的宝贵时间。

虽然上面参考特定模块讨论了特定功能，但是应当注意，本文讨论的各个模块的功能可以分为多个模块，和/或多个模块的至少一些功能可以组合成单个模块。另外，本文讨论的特定模块执行动作包括该特定模块本身执行动作，或者替换地该特定模块调用或以其他方式访问执行该动作的另一个组件或模块（或结合该特定模块一起执行动作）。因此，执行动作的特定模块可以包括执行动作的特定模块本身和/或执行动作的该特定模块调用或以其他方式访问的另一模块。

上面关于图10描述的各个模块可以在硬件中或在结合软件和/或固件的硬件中实现。例如，这些模块可以被实现为计算机程序代码/指令，该计算机程序代码/指令被配置为在一个或多个处理器中执行并存储在计算机可读存储介质中。可替换地，这些模块可以被实现为硬件逻辑/电路。例如，在一些实施例中，用户管理模块1010、内容管理模块1020以及访问管理模块1030中的一个或多个可以一起在片上系统（SoC）中实现。SoC可以包括集成电路芯片（其包括处理器（例如，中央处理单元（CPU）、微控制器、微处理器、数字信号处理器（DSP）等）、存储器、一个或多个通信接口、和/或其他电路中的一个或多个部件），并且可以可选地执行所接收的程序代码和/或包括嵌入式固件以执行功能。本文描述的技术的特征是与载体无关的，意味着这些技术可以在具有各种处理器的各种计算平台上实现。

图11示出了根据本发明一些实施例的示例计算设备1100的示意性框图，该示例计算设备1100可以代表图1的内容管理系统100所包括的用户管理服务器110、内容管理服务器120和访问管理服务器130中的一个或多个。

计算设备1100可以包括能够诸如通过系统总线1114或其他适当的方式连接彼此通信的至少一个处理器1102、存储器1104、（多个）通信接口1106、显示设备1108、其他输入/输出（I/O）设备1110以及一个或多个大容量存储装置1112。

处理器1102可以是单个处理单元或多个处理单元，所有处理单元可以包括单个或多个计算单元或者多个核心。处理器1102可以被实施成一个或多个微处理器、微型计算机、微控制器、数字信号处理器、中央处理单元、状态机、逻辑电路和/或基于操作指令来操纵信号的任何设备。除了其他能力之外，处理器1102可以被配置成获取并且执行存储在存储器1104、大容量存储装置1112或者其他计算机可读介质中的计算机可读指令，诸如操作系统1116的程序代码、应用程序1118的程序代码、其他程序1120的程序代码等，以实现本发明实施例提供的媒体内容访问控制方法。

存储器1104和大容量存储设备1112是用于存储指令的计算机存储介质的示例，所述指令由处理器1102执行来实施前面所描述的各种功能。举例来说，存储器1104一般可以包括易失性存储器和非易失性存储器二者（例如RAM、ROM等等）。此外，大容量存储设备1112一般可以包括硬盘驱动器、固态驱动器、可移除介质、包括外部和可移除驱动器、存储器卡、闪存、软盘、光盘（例如CD、DVD）、存储阵列、网络附属存储、存储区域网等等。存储器1104和大容量存储设备1112在本文中都可以被统称为存储器或计算机存储介质，并且可以是能够把计算机可读、处理器可执行程序指令存储为计算机程序代码的非瞬时性介质，计算机程序代码可以由处理器1102作为被配置成实施在本文的示例中所描述的操作和功能的特定机器来执行。

多个程序模块可以存储在大容量存储设备1112上。这些程序模块包括操作系统1116、一个或多个应用程序1118、其他程序1120和程序数据1122，并且它们可以被处理器1102执行。这样的应用程序或程序模块的示例可以包括例如用于实现以下部件/功能的计算机程序逻辑（例如，计算机程序代码或指令）：用户管理模块1010、内容管理模块1020以及访问管理模块1030和/或本文描述的另外的实施例。在一些实施例中，这些程序模块可以分布在不同的物理位置，例如，分布在图2所示的用户管理服务器110、内容管理服务器120和访问管理服务器130上，以实现相应的功能。

虽然在图11中被图示成存储在计算设备1100的存储器1104中，但是模块1116、1118、1120和1122或者其部分可以使用可由计算设备1100访问的任何形式的计算机可读介质来实施。如本文所使用的，“计算机可读介质”至少包括两种类型的计算机可读介质，也就是计算机存储介质和通信介质。

计算机存储介质包括通过用于存储信息的任何方法或技术实施的易失性和非易失性、可移除和不可移除介质，信息诸如是计算机可读指令、数据结构、程序模块或者其他数据。计算机存储介质包括而不限于RAM、ROM、EEPROM、闪存或其他存储器技术，CD-ROM、数字通用盘（DVD）、或其他光学存储装置，磁盒、磁带、磁盘存储装置或其他磁性存储设备，或者可以被用来存储信息以供计算设备访问的任何其他非传送介质。

与此相对，通信介质可以在诸如载波或其他传送机制之类的已调数据信号中具体实现计算机可读指令、数据结构、程序模块或其他数据。本文所定义的计算机存储介质不包括通信介质。

计算设备1100还可以包括一个或更多通信接口1106，以用于诸如通过网络、直接连接等等与其他设备交换数据。通信接口1106可以促进在多种网络和协议类型内的通信，其中包括有线网络（例如LAN、电缆等等）和无线网络（例如WLAN、蜂窝、卫星等等）、因特网等等。通信接口1106还可以提供与诸如存储阵列、网络附属存储、存储区域网等等中的外部存储装置（未示出）的通信。

在一些示例中，计算设备1100可以包括诸如监视器之类的显示设备1108，以用于显示信息和图像。其他I/O设备1110可以是接收来自用户的各种输入并且向用户提供各种输出的设备，并且可以包括触摸输入设备、手势输入设备、摄影机、键盘、遥控器、鼠标、打印机、音频输入/输出设备等等。

在本说明书的描述中，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、材料或者特点被包含于本公开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。

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，并且本公开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，这应被本公开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可以例如包括以下各项：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（Random Access Memory）、只读存储器（Read Only Memory），可擦除可编辑只读存储器（Erasable ProgrammableRead Only Memory）或闪速存储器、光纤装置、以及便携式光盘只读存储器（Compact DiscRead Only Memory）。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，本公开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。例如，如果用硬件来实现，则可用本领域公知的下列技术中的任一项或它们的组合来实现：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（Programmable Gate Array）、现场可编程门阵列（Field Programmable Gate Array）等。

本技术领域的普通技术人员可以理解上述实施例方法的全部或部分步骤可以通过程序指令相关的硬件完成，所述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，包括执行方法实施例的步骤之一或其组合。

此外，在本公开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。

Claims (15)

1.一种媒体内容访问控制方法，包括：

在第一媒体内容被访问的过程中，获取用户偏好信息，该用户偏好信息包括实时偏好信息，且所述获取用户偏好信息包括通过人脸监测和用户行为监测中至少一个确定实时偏好信息；

将用户偏好信息和与第一媒体内容相关联的多个候选媒体内容中每一个候选媒体内容的特征信息进行匹配；

根据所述匹配的结果，从所述多个候选媒体内容中选择第二媒体内容。

2.根据权利要求1所述的方法，其中所述通过人脸监测和用户行为监测中至少一个确定实时偏好信息包括：

通过人脸监测，确定用户实时专注度；

根据用户实时专注度，确定实时偏好信息。

3.根据权利要求1所述的方法，其中所述通过人脸监测和用户行为监测中至少一个确定实时偏好信息，包括：

通过用户行为监测，确定用户实时兴趣度；

根据用户实时兴趣度，确定实时偏好信息。

4.根据权利要求1所述的方法，其中所述通过人脸监测和用户行为监测中至少一个确定实时偏好信息，包括：

通过人脸监测，确定用户实时专注度；

通过用户行为监测，确定用户实时兴趣度；

根据用户实时专注度和用户实时兴趣度，确定实时偏好信息。

5.根据权利要求1的方法，其中所述用户偏好信息进一步包括非实时偏好信息，并且所述获取用户偏好信息进一步包括：

获取用户身份信息；

根据用户身份信息，确定非实时偏好信息。

6.根据权利要求5的方法，其中所述根据用户身份信息，确定非实时偏好信息，包括：

根据用户身份信息，获取用户的媒体访问历史数据；

从所述媒体访问历史数据中提取非实时偏好信息。

7.根据权利要求2所述的方法，其中所述通过人脸监测，确定用户实时专注度，包括：

在第一媒体内容被访问的过程中，以固定时间间隔采集用户的多个面部图片；

根据第一媒体内容的时长和所述固定时间间隔，计算所述多个面部图片的第一数量；

通过大数据对比和人脸识别算法检测所述多个面部图片中每一个面部图片中用户是否专注，以确定所述多个面部图片中用户专注的面部图片的第二数量；

根据第二数量与第一数量之比，确定用户实时专注度。

8.根据权利要求3所述的方法，其中所述用户行为包括第一类型操作和第二类型操作，第一类型操作包括下列各项中至少一个：点赞、分享、重播和正面评论，第二类型操作包括负面评论，

其中所述通过用户行为监测确定用户实时兴趣度包括：

识别用户行为中的第一类型操作和第二类型操作，其中包括通过语义识别算法识别评论中的正面评论和负面评论；

在第一媒体内容被访问的过程中，计算第一类型操作的第一次数和第二类型操作的第二次数；

根据第一次数与第二次数，确定用户实时兴趣度。

9.根据权利要求4所述的方法，其中所述根据用户实时专注度和实时兴趣度确定实时偏好信息进一步包括：

判断所述用户实时专注度是否超过第一阈值；

响应于所述用户实时专注度超过第一阈值，基于第一媒体内容的特征信息生成实时偏好信息；

响应于所述用户实时专注度未超过第一阈值，判断所述用户实时兴趣度是否超过第二阈值；

响应于所述用户实时兴趣度超过第二阈值，基于第一媒体内容的特征信息生成实时偏好信息。

10.根据权利要求9所述的方法，其中所述根据用户实时专注度和用户实时兴趣度确定实时偏好信息进一步包括：

响应于所述用户实时兴趣度未超过第二阈值，根据下述公式确定用户实时专注度和用户实时兴趣度的加权平均值F：

F=λP+（1-λ）Q，

其中P和Q分别为实时专注度和实时兴趣度，λ为实时专注度权重常数且0<λ<1；

判断所述加权平均值是否超过第三阈值；

响应于所述加权平均值超过第三阈值，基于第一媒体内容的特征信息生成实时偏好信息。

11.根据权利要求1-10中任一项所述的方法，其中所述第一媒体内容和所述多个候选媒体内容中的每一个包括下列各项中至少一个：视频、音频、图片、文本和电子游戏。

12.根据权利要求1所述的方法，其中所述获取用户偏好信息进一步包括：

响应于第一媒体内容到达预设访问进度或响应于用户请求，向用户展示所述多个候选媒体内容的特征信息，

获取用户对所述多个候选媒体内容的特征信息的第一选择操作，

基于所述第一选择操作，获取用户偏好信息。

13.根据权利要求1所述的方法，其中所述根据所述匹配的结果从所述多个候选媒体内容中选择第二媒体内容，包括：

根据用户偏好信息与所述多个候选媒体内容中每一个的特征信息的匹配度，从所述多个候选媒体内容中选择一个或多个推荐的媒体内容；

展示所述一个或多个推荐的媒体内容的特征信息；

获取用户对所述一个或多个推荐的媒体内容的特征信息的第二选择操作；

根据所述第二选择操作，确定所述第二媒体内容。

14.一种媒体内容访问控制设备，包括：

用户管理模块，其配置成在第一媒体内容被访问的过程中，获取用户偏好信息，该用户偏好信息包括实时偏好信息，且所述获取用户偏好信息包括通过人脸监测和用户行为监测中至少一个确定实时偏好信息；

内容管理模块，其配置成将用户偏好信息和与第一媒体内容相关联的多个候选媒体内容中每一个候选媒体内容的特征信息进行匹配；

访问管理模块，其配置成根据所述匹配的结果，从所述多个候选媒体内容中选择第二媒体内容。

15.一种或多种计算机可读存储介质，其上存储有计算机可读指令，所述计算机可读指令在被执行时实现权利要求1-13中任一项所述的方法。

Images