專利名稱：個性化節(jié)目選擇系統(tǒng)和方法
技術領域：
本公開涉及數據處理領域，并且更具體地說，涉及用于基于面部檢測/跟蹤(例如面部表情、性別、年齡和/或面部標識/識別)以及手姿勢識別選擇ー個或多個節(jié)目的方法、設備和系統(tǒng)。
背景技術：
一些推薦系統(tǒng)將家庭電視客戶端(例如機頂盒(STB))或因特網電視看作最終用戶并從其中收集察看歷史?；诳傮w察看歷史和節(jié)目之間的相關性，推薦系統(tǒng)選擇未察看的節(jié)目并將他們的介紹推向家庭電視客戶端。然而，這個方法的缺點是，家庭電視客戶端經常由多人共享。因此，多個用戶的總體或合并的察看歷史不一定反映任一用戶的偏好。


在附圖中，相似的附圖標記一般指示同樣的、功能類似和/或結構類似的單元。單元首次在其中出現的附圖由附圖標記中最左邊的數字指示。將參考附圖來描述本發(fā)明，附圖中:
圖1例證了符合本公開各種實施例的、用于基于對消費者的面部分析選擇并顯示節(jié)目給消費者的系統(tǒng)的ー個實施例；
圖2例證了符合本公開各種實施例的面部檢測模塊的ー個實施例；
圖3例證了符合本公開各種實施例的手檢測模塊的ー個實施例；
圖4描繪了符合本公開ー個實施例的“拇指向上”手姿勢(左手)的圖像；
圖5例證了符合本公開各種實施例的節(jié)目選擇模塊的一個實施例；
圖6是例證符合本公開的、用于選擇并顯示節(jié)目的一個實施例的流程圖；以及 圖7是例證符合本公開的、用于選擇并顯示節(jié)目的另ー個實施例的流程圖。
具體實施例方式作為概述，一般而言，本公開針對用于基于從ー個或多個圖像中標識的消費者特性與節(jié)目簡檔的節(jié)目數據庫的比較選擇一個或多個節(jié)目以呈現給消費者的系統(tǒng)、設備和方法?？墒褂妹娌糠治龊?或手姿勢分析從圖像中標識消費者特性。一般而言，該系統(tǒng)可包含用于捕獲消費者的一個或多個圖像的攝像機、配置成分析圖像以確定消費者的ー個或多個特性的面部檢測模塊和手檢測模塊以及配置成基于從圖像中標識的消費者特性與節(jié)目簡檔的節(jié)目數據庫的比較來選擇節(jié)目以提供給消費者的節(jié)目選擇模塊。本文所用的術語“節(jié)目”打算指任何電視內容，包含一次性廣播、電視劇和電視電影(例如為電視制作的電影和在電視上廣播的影院電影)?，F在轉到圖1，概括地例證了符合本公開的系統(tǒng)10的一個實施例。系統(tǒng)10包含節(jié)目選擇系統(tǒng)12、攝像機14、內容提供商16和媒體裝置18。如本文更詳細討論的那樣，節(jié)目選擇系統(tǒng)12配置成從由攝像機14捕獲的ー個或多個圖像20中標識至少ー個消費者特性，并從媒體提供商16中選擇節(jié)目以便在媒體裝置18上呈現給消費者。具體地說，節(jié)目選擇系統(tǒng)12包含面部檢測模塊22、手檢測模塊25、消費者簡檔數據庫24、節(jié)目數據庫26和節(jié)目選擇模塊28。面部檢測模塊22配置成接收由至少ー個攝像機14捕獲的ー個或多個數字圖像20。攝像機20包含用于捕獲代表包含ー個或多個人的環(huán)境的數字圖像20的任何裝置(已知的或后來發(fā)現的)，并且可具有足夠的分辨率用于如本文所描述的那樣對環(huán)境中的ー個或多個人的面部分析。例如，攝像機20可包含靜態(tài)攝像機(即配置成捕獲靜態(tài)照片的攝像機)或視頻攝像機(即配置成捕獲多個幀中的多個運動圖像的攝像機)。攝像機20可配置成具有可見光譜的光，或具有電磁頻譜的其它部分(例如但不限于紅外光譜、紫外光譜等)。攝像機20例如可包含(可與個人計算機和/或TV監(jiān)視器相關聯的)web攝像機、手持裝置攝像機(例如蜂窩電話攝像機、智能電話攝像機(例如與iPhone 、Trio 、Blackberry 等相關聯的攝像機)、膝上型計算機攝像機、平板計算機(例如但不限于iPad 、Galaxy Tab 諸如此類)等。面部檢測模塊22配置成標識圖像20內(例如由點劃線參考的插圖(inset) 23b中的長方形框23所表示)的面部和/或面部區(qū)域，并確定消費者的ー個或多個特性(即消費者特性30)。雖然面部檢測模塊22可使用基于標記的方法(即應用于消費者的面部的一個或多個標記)，但在ー些實施例中，面部檢測模塊22可利用基于無標記的方法。例如，面部檢測模塊22可包含定制的、專有的、已知的和/或后開發(fā)的面部識別代碼(或指令集)、硬件和/或固件，所述定制的、專有的、已知的和/或后開發(fā)的面部識別代碼(或指令集)、硬件和/或固件一般而言定義明確并可操作用于接收標準格式圖像(例如但不限于RGB彩色圖像)并至少在某種程度上標識圖像中的面部。此外，面部檢測模塊22還可包含定制的、專有的、已知的和/或后開發(fā)的面部特性代碼(或指令集)，所述定制的、專有的、已知的和/或后開發(fā)的面部特性代碼(或指令集)一般而言定義明確并可操作用于接收標準格式圖像(例如但不限于RGB彩色圖像)并至少在某種程度上標識圖像中的ー個或多個面部特性。這種已知的面部特性系統(tǒng)包含但不限于標準Viola-Jones增強級聯框架，其可在公共開源計算機視覺(OpenCV )包中找到。如本文更詳細討論的，消費者特性30可包含但不限于消費者身份(例如與消費者相關聯的標識符)和/或面部特性(例如但不限于消費者年齡、消費者年齡分類(例如小孩或成人)、消費者性別、消費者種族)和/或消費者表情標識(例如高興、傷心、微笑、皺眉、驚訝、興奮
寸ノ o面部檢測模塊22可以比較圖像22 (例如對應于圖像20中面部23的面部模式)與消費者簡檔數據庫24中的消費者簡檔32(l)-32(n)(下文単獨地稱為“消費者簡檔32”)以標識消費者。如果在搜索消費者簡檔數據庫24之后沒發(fā)現匹配，則面部檢測模塊22可配置成基于捕獲的圖像20中的面部23創(chuàng)建新消費者簡檔32。面部檢測模塊22可配置成通過從對象的面部23的圖像20中提取標志(landmark)或特征來標識面部23。例如，面部檢測模塊22例如可分析眼睛、鼻子、顴骨和下頜的相對位置、大小和/或形狀以形成面部模式。面部檢測模塊22可使用所標識面部模式來捜索消費者簡檔32(l)-32(n)以得到具有匹配的面部模式的其它圖像，從而標識消費者。該比較可基于應用于ー組突出面部特征的模板匹配技術，從而提供一類壓縮面部表示。這種已知的面部識別系統(tǒng)可基于但不限于幾何技術(其查看有區(qū)別的特征)和/或光度技術(其是將圖像提取成值并將這些值與模板比較以去除方差的統(tǒng)計方法)。雖然不是窮盡列表，但面部檢測模塊22可利用具有Eigenface的主要成分分析、線性判別分析、弾性束圖匹配fisherface、隱馬爾可夫模型和神經元激勵的動態(tài)鏈路匹配。根據ー個實施例，消費者可生成消費者簡檔32，井向節(jié)目選擇系統(tǒng)12登記消費者簡檔32。備選地(或附加地)，如本文所討論的那樣，節(jié)目選擇模塊28可生成和/或更新一個或多個消費者簡檔32 (1)-32 (n)。每個消費者簡檔32包含消費者標識符和消費者人口學數據。如本文所描述的那樣，消費者標識符可包含配置成基于面部檢測模塊22所使用的面部識別技術唯一地標識消費者的數據(諸如但不限于模式識別等)。消費者人口學數據表示消費者的某些特性和/或偏好。例如，消費者人口學數據可包含對于某些類型商品或服務的偏好、性別、種族、年齡或年齡分類、收入、殘疾、移動性(在工作的行程時間或可用車輛數量方面)、教育程度、房屋所有權或租用、就業(yè)狀況和/或位置。消費者人口學數據還可包含對于某些類型/種類廣告技術的偏好。廣告技術的類型/種類的示例可包含但不限于喜劇、戲劇、基于現實的廣告等等。一般而言，手檢測模塊25可配置成處理ー個或多個圖像20以標識圖像20內的手和/或手姿勢(例如由點劃線參考的插圖27a中的手姿勢27)。如本文所討論的那樣，可由攝像機14捕獲的手姿勢27的示例包含“停止”手、“拇指向右”手、“拇指向左”手、“拇指向上”手、“拇指向下”手和“OK符號”手。當然，這些僅是可與本公開一起使用的手姿勢27的類型的示例，并且這些不打算是可與本公開一起使用的手姿勢類型的窮盡列表。手檢測模塊25可包含定制的、專有的、已知的和/或后開發(fā)的手識別代碼(或指令集)，所述定制的、專有的、已知的和/或后開發(fā)的手識別代碼(或指令集)一般而言定義明確并可操作用于接收標準格式圖像(例如RGB彩色圖像)并至少在某種程度上標識圖像中的手。這種已知的手檢測系統(tǒng)包含用于對象識別的計算機視覺系統(tǒng)、3D重構系統(tǒng)、2D哈爾小波響應系統(tǒng)(及其派生)、基于皮膚顔色的方法、基于形狀的檢測、快速魯棒特征(SURF)面部識別方案(及其擴展和/或派生)等。手檢測模塊25的結果又可包含在由節(jié)目選擇模塊28接收的消費者特性30中。消費者特性30因此可包含面部檢測模塊22的結果和/或手檢測模塊25的結果。節(jié)目選擇模塊28可配置成比較消費者特性30 (如果消費者身份已知則還有任何消費者人ロ學數據)與存儲在節(jié)目數據庫26中的節(jié)目簡檔34 (I) -34 (n)(下文単獨地稱為“節(jié)目簡檔34”)。如本文更詳細描述的那樣，節(jié)目選擇模塊28可使用各種統(tǒng)計分析技術來基于消費者特性30與節(jié)目簡檔34(l)-34(n)之間的比較選擇ー個或多個節(jié)目。例如，節(jié)目選擇模塊28可利用加權平均統(tǒng)計分析(包含但不限于加權算木均值、加權幾何均值和/或加權調和均值)。節(jié)目選擇模塊28可基于消費者特性30和當前正在觀看的具體節(jié)目和/或節(jié)目簡檔32更新消費者簡檔32。例如，節(jié)目選擇模塊28可更新消費者簡檔32以反映消費者特性30中所標識的消費者對具體節(jié)目和節(jié)目的對應節(jié)目簡檔32的反應(例如討人喜歡的、不討人喜歡的等)。消費者的反應可直接與由手檢測模塊25檢測到的手姿勢27相關。節(jié)目選擇模塊28還可配置成向內容提供商16傳送全部的消費者簡檔32 (I)-32 (n)或部分的消費者簡檔32 (1)-32 (n)。本文所用的術語“內容提供商”包含廣播公司、廣告代理、制作工作室和廣告商。內容提供商16然后可利用該信息來基于類似觀眾開發(fā)將來的節(jié)目。例如，節(jié)目選擇模塊28可配置成對對應于消費者簡檔32(l)-32(n)的數據進行加密并分組以便通過網絡36向內容提供商16傳送?？烧J識到，網絡36可包含有線通信路徑和/或無線通信路徑，諸如但不限于因特網、衛(wèi)星路徑、光纖路徑、線纜路徑或任何其它適當的有線通信路徑或無線通信路徑或這種路徑的組合。節(jié)目簡檔34 (1)-34 (n)可由內容提供商16提供(例如通過網絡36)，并且可包含節(jié)目標識符/分類符和/或節(jié)目人口學參數。節(jié)目標識符/分類符可用于標識具體節(jié)目和/或將具體節(jié)目分類到ー個或多個預定義類別。例如，節(jié)目標識符/分類符可用于將具體節(jié)目分類到廣義類別，諸如但不限干“喜劇”、“家居改善”、“戲劇”、“基于現實的”、“體育運動”等。節(jié)目標識符/分類符還可用于/可備選地用于將具體節(jié)目分類到較窄類別，諸如但不限干“棒球”、“足球”、“游戲秀”、“動作電影”、“戲劇電影”、“喜劇電影”等。節(jié)目人口學參數可包含各種人口學參數，諸如但不限于性別、種族、年齡或年齡特性、收入、殘疾、移動性(在工作的行程時間或可用車輛數量方面)、教育程度、房屋所有權或租用、就業(yè)狀況和/或位置。內容提供商16可對節(jié)目人口學參數進行加權和/或優(yōu)先化。媒體裝置18配置成顯示已經由節(jié)目選擇系統(tǒng)12選擇的、來自內容提供商16的節(jié)目。媒體裝置18可包含任何類型顯示器，包含但不限于電視、電子告示牌、數字標牌(digital signage)、個人計算機(例如桌上型計算機、膝上型計算機、上網本、平板計算機等)、移動電話(例如智能電話等)、音樂播放器等等。節(jié)目選擇系統(tǒng)12(或其部分)可集成到機頂盒(STB)中，機頂盒(STB)包含但不限于電纜STB、衛(wèi)星STB、IP-STB、地面STB、集成接入裝置(IAD)、數字視頻記錄器(DVR)、智能電話(例如但不限于iPhone 、Trio 、Blackberry 、Droid 等)、個人計算機(包含但不限于桌上型計算機、膝上型計算機、上網本計算機、平板計算機(例如但不限于iPad 、GalazyTab 諸如此類)等?，F在轉到圖2，概括地例證了符合本公開的面部檢測模塊22a的一個實施例。面部檢測模塊22a可配置成接收圖像20，并至少在某種程度上標識圖像20中的ー個面部(或多個面部)。面部檢測模塊22a還可配置成至少在某種程度上標識圖像20中的ー個或多個面部特性，并確定一個或多個消費者特性30 (其還可包含本文所討論的手姿勢信息)。如本文討論的那樣，可至少部分地基于由面部檢測模塊22a標識的ー個或多個面部參數生成消費者特性30。消費者特性30可包含但不限于消費者身份(例如與消費者相關聯的標識符)和/或面部特性(例如但不限于消費者年齡、消費者年齡分類(例如小孩或成人)、消費者性別、消費者種族)和/或消費者表情標識(例如高興、傷心、微笑、皺眉、驚訝、興奮等))。例如，面部檢測模塊22a的一個實施例可包含面部檢測/跟蹤模塊40、標志檢測模塊44、面部標準化模塊42和面部模式模塊46。面部檢測/跟蹤模塊40可包含定制的、專有的、已知的和/或后開發(fā)的面部跟蹤代碼(或指令集)，所述定制的、專有的、已知的和/或后開發(fā)的面部跟蹤代碼(或指令集)一般而言定義明確并可操作用于檢測并至少在某種程度上標識從攝像機接收的靜止圖像或視頻流中人面部的大小和位置。這種已知的面部檢測/跟蹤系統(tǒng)例如包含公布為 Paul Viola和 Michael Jones, Rapid Object Detectionusing a Boos tea cascade of simple Features (Accepted Comerence on し omputerVision and Pattern Recognition, 2001)的 Viola 和 Jones 的技術。這些技術使用自適應增強(AdaBoost)分類符的級聯通過在圖像上窮盡地掃描窗ロ來檢測面部。面部檢測/跟蹤模塊40還可跟蹤多個圖像20上標識的面部或面部區(qū)域。面部標準化模塊42可包含定制的、專有的、已知的和/或后開發(fā)的面部標準化代碼(或指令集)，所述定制的、專有的、已知的和/或后開發(fā)的面部標準化代碼(或指令集)一般而言定義明確并可操作用于標準化圖像20中標識的面部。例如，面部標準化模塊42可配置成旋轉圖像以對準眼睛(如果眼睛的坐標已知的話)，將圖像剪裁到一般而言對應于面部大小的更小大小，縮放圖像以使眼睛之間的距離恒定，施加將不在含有典型面部的橢圓中的像素清零的掩蔽，對圖像進行直方圖均衡以平滑未掩蔽像素的灰度值的分布，和/或標準化圖像，因此未掩蔽的像素具有均值0和標準差I。標志檢測模塊44可包含定制的、專有的、已知的和/或后開發(fā)的標志檢測代碼(或指令集)，所述定制的、專有的、已知的和/或后開發(fā)的標志檢測代碼(或指令集)一般而言定義明確并可操作用于至少在某種程度上檢測并標識圖像20中面部的各種面部特征。標志檢測中隱含的是至少在某種程度上已經檢測到面部?？赡芤呀?例如由面部標準化模塊42)執(zhí)行了某種程度的定位(例如路線定位)，以標識/聚焦圖像20的、在其中可能發(fā)現標志的區(qū)段/區(qū)域上。例如，標志檢測模塊44可基于試探分析，并可配置成標識和/或分析眼睛(和/或眼角)、鼻子(例如鼻尖)、下巴(例如下巴尖)、顴骨和下頜的相對位置、大小和/或形狀。這種已知的標志檢測系統(tǒng)包含六面部點(即左/右眼的眼角和嘴角)和六個面部點(即綠點)。還可使用基于Viola-Jones的分類符檢測眼角和嘴角。幾何約束可被結合到六個面部點以反映它們的幾何關系。面部模式模塊46可包含定制的、專有的、已知的和/或后開發(fā)的面部模式代碼(或指令集)，所述定制的、專有的、已知的和/或后開發(fā)的面部模式代碼(或指令集)一般而言定義明確并可操作用于基于圖像20中標識的面部標志來標識和/或生成面部模式。如可認識到的那樣，面部模式模塊46可被視為面部檢測/跟蹤模塊40的一部分。面部檢測模塊22a可包含面部識別模塊48、性別/年齡標識模塊50和/或面部表情檢測模塊52中的ー個或多個。具體地說，面部識別模塊48可包含定制的、專有的、已知的和/或后開發(fā)的面部標識代碼(或指令集)，所述定制的、專有的、已知的和/或后開發(fā)的面部標識代碼(或指令集)一般而言定義明確并可操作用于匹配面部模式與存儲在數據庫中的對應面部模式。例如，面部識別模塊48可配置成比較由面部模式模塊46標識的面部模式，并將標識的面部模式和與消費者簡檔數據庫24中的消費者簡檔32 (I) -32 (n)相關聯的面部模式相比較，以確定圖像20中的消費者身份。面部識別模塊48可利用幾何分析(其查看有區(qū)別的特征)和/或光度分析(其是將圖像提取成值并將這些值與模板比較以去除方差的統(tǒng)計方法)來比較這些模式。ー些面部識別技術包含但不限于具有Eigenface的主要成分分析(及其派生)、線性判別分析(及其派生)、弾性束圖匹配fi sherface (及其派生)、隱馬爾可夫模型(及其派生)和神經元激勵的動態(tài)鏈路匹配。面部識別模塊48可配置成，如果未發(fā)現與現有消費者簡檔32的匹配，則促使在消費者簡檔數據庫24中創(chuàng)建新消費者簡檔32。例如，面部識別模塊48可配置成將表示標識的消費者特性30的數據傳遞到消費者簡檔數據庫24。然后可創(chuàng)建與新消費者簡檔32相關聯的標識符。性別/年齡標識模塊50可包含定制的、專有的、已知的和/或后開發(fā)的性別和/或年齡標識代碼(或指令集)，所述定制的、專有的、已知的和/或后開發(fā)的性別和/或年齡標識代碼(或指令集)一般而言定義明確并可操作用于檢測并標識圖像20中人的性別和/或至少在某種程度上檢測并標識圖像20中人的年齡。例如，性別/年齡標識模塊50可配置成分析從圖像20中生成的面部模式以標識圖像20中人的性別。標識的面部模式可與包含各種面部模式與性別之間相關性的性別數據庫比較。性別/年齡標識模塊50還可配置成確定和/或近似圖像20中人的年齡和/或年齡分類。例如，性別/年齡標識模塊50可配置成比較標識的面部模式與包含各種面部模式與年齡之間相關性的年齡數據庫。年齡數據庫可配置成近似人的實際年齡，和/或將人分類成ー個或多個年齡組。年齡組的示例可包含但不限于成人、小孩、青少年、老人/長者等。面部表情檢測模塊52可包含定制的、專有的、已知的和/或后開發(fā)的面部表情檢測和/或標識代碼(或指令集)，所述定制的、專有的、已知的和/或后開發(fā)的面部表情檢測和/或標識代碼(或指令集)一般而言定義明確并可操作用于檢測和/或標識圖像20中人的面部表情。例如，面部表情檢測模塊52可確定面部特征(例如眼睛、嘴巴、面頰、牙齒等)的大小和/或位置，并比較面部特征與包含具有對應面部特征分類(例如微笑、皺眉、興奮、傷心等)的多個樣本面部特征的面部特征數據庫。在一個示例實施例中，面部檢測模塊22a的ー個或多個方面(例如但不限于面部檢測/跟蹤模塊40、識別模塊48、性別/年齡模塊50和/或面部表情檢測模塊52)可使用將ー個或多個輸入迭代地映射在一個或多個輸出上的多層感知器(MLP)模型。MLP模型的一般框架是已知的并且是明確定義的，并且一般而言包含通過區(qū)別不可線性分離的數據在標準線性感知器模型上改進的前饋神經網絡。在這個示例中，到MLP模型的輸入可包含由標志檢測模塊44生成的ー個或多個形狀特征。MLP模型可包含由多個輸入節(jié)點定義的輸入層。每個節(jié)點可包括面部圖像的形狀特征。MLP模型還可包含“隱藏”層或由“隱藏”神經元定義的迭代層。通常，M小于N，并且輸入層的每個節(jié)點都連接到“隱藏”層中的每個神經元。MLP模型還可包含由多個輸出神經元定義的輸出層。每個輸出神經元都可連接到“隱藏”層中的每個神經元。一般而言，輸出神經元表示預定義輸出的概率。輸出的數量可以是預定義的，并且在本公開的上下文中，可以匹配可由面部檢測/跟蹤模塊40、面部識別模塊48、性別/年齡模塊50和/或面部表情檢測模塊52標識的面部和/或面部姿勢的數量。由此，例如，每個輸出神經元都可指示面部和/或面部姿勢圖像的匹配概率，并且最后的輸出指示最大的概率。在MLP模型的每層中，在給定層m的輸入的情況下，層n+1的輸出Li被計算為:
權利要求
1.一種用于選擇節(jié)目以呈現給消費者的方法，所述方法包括: 由面部檢測模塊檢測圖像中的面部區(qū)域； 由手檢測模塊檢測所述圖像中的手姿勢； 由所述面部檢測模塊和所述手檢測模塊基于所述消費者的所述檢測到的面部區(qū)域和所述檢測到的手姿勢標識一個或多個消費者特性； 由節(jié)目選擇模塊基于所述消費者特性與包含多個節(jié)目簡檔的節(jié)目數據庫的比較來標識ー個或多個節(jié)目以呈現給所述消費者；以及 在媒體裝置上將所述所標識節(jié)目中選擇的節(jié)目呈現給所述消費者。
2.按權利要求1所述的方法，其中所述消費者特性選自由所述圖像中所述消費者的年齡、年齡分類、性別和面部表情組成的組。
3.按權利要求1所述的方法，其中所述消費者特性包含代表手姿勢的數據。
4.按權利要求3所述的方法，還包括:由所述面部檢測模塊標識消費者簡檔數據庫中存儲的、對應于所述圖像中所述面部區(qū)域的消費者簡檔，其中所述消費者簡檔包含所述消費者的觀看歷史。
5.按權利要求4所述的方法，還包括:基于所述手姿勢與正在呈現給所述消費者的節(jié)目的節(jié)目簡檔之間的相關性更新所述消費者簡檔。
6.按權利要求1所述的方法，其中所述消費者特性選自由所述圖像中所述消費者的年齡、年齡分類、性別和面部表情組成的組，并且消費者特性包含代表手姿勢的數據，并且其中所述消費者特性與所 述節(jié)目數據庫的所述比較還包括排列所述消費者的所述年齡、年齡分類、性別、所述消費者簡檔和所述面部表情中的ー個或多個。
7.按權利要求4所述的方法，還包括向內容提供商傳送至少部分所述消費者簡檔。
8.一種用于選擇節(jié)目以呈現給消費者的設備，所述設備包括: 面部檢測模塊，配置成檢測圖像中的面部區(qū)域，并標識所述圖像中所述消費者的ー個或多個消費者特性； 手檢測模塊，配置成標識所述圖像中的手姿勢，并更新所述消費者特性； 節(jié)目數據庫，包含多個節(jié)目簡檔；以及 節(jié)目選擇模塊，配置成基于所述消費者特性與所述多個節(jié)目簡檔的比較來選擇ー個或多個節(jié)目以呈現給所述消費者。
9.按權利要求8所述的設備，其中所述消費者特性選自由所述圖像中所述消費者的年齡、年齡分類、性別和面部表情組成的組。
10.按權利要求8所述的設備，其中所述面部檢測模塊還配置成標識消費者簡檔數據庫中存儲的、對應于所述圖像中所述面部區(qū)域的消費者簡檔，其中所述消費者簡檔包含所述消費者的觀看歷史。
11.按權利要求8所述的設備，其中所述節(jié)目選擇模塊還配置成基于所述手姿勢與正在呈現給所述消費者的節(jié)目的節(jié)目簡檔之間的相關性更新所述消費者簡檔。
12.按權利要求8所述的設備，其中所述消費者特性包括所述圖像中所述消費者的至少ー個面部表情。
13.按權利要求9所述的設備，其中所述消費者特性選自由所述圖像中所述消費者的年齡、年齡分類、性別和面部表情組成的組，并且消費者特性包含代表手姿勢的數據，并且其中所述節(jié)目選擇模塊還配置成基于對ー個或多個如下項的排列來比較所述消費者特性與所述節(jié)目數據庫:所述消費者的所述年齡、年齡分類、性別、所述消費者簡檔、所述面部表情和所述手姿勢。
14.按權利要求11所述的設備，其中所述系統(tǒng)配置成向內容提供商傳送至少部分所述消費者簡檔。
15.一種有形計算機可讀媒體，包含其上存儲的、當由一個或多個處理器運行時促使計算機系統(tǒng)執(zhí)行包括如下步驟的操作的指令: 檢測圖像中的面部區(qū)域； 檢測所述圖像中的手姿勢； 基于所述消費者的所述檢測到的面部區(qū)域和所述檢測到的手姿勢標識ー個或多個消費者特性；以及 基于所述消費者特性與包含多個節(jié)目簡檔的節(jié)目數據庫的比較來標識ー個或多個節(jié)目以呈現給所述消費者。
16.按權利要求15所述的有形計算機可讀媒體，其中所述所標識消費者特性包括所述圖像中所述消費者的年齡、年齡分類、性別和至少ー個面部表情中的至少ー個。
17.按權利要求15所述的有形計算機可讀媒體，其中當由ー個或多個所述處理器運行時導致如下附加操作的指令包括: 標識消費者簡檔數據庫中存儲的、對應于所述圖像中所述面部區(qū)域的消費者簡檔，其中所述消費者簡檔包含所述消費者的觀看歷史。
18.按權利要求15所述的有形計算機可讀媒體，其中所述消費者特性選自由所述圖像中所述消費者的年齡、年齡分類、性別、面部表情組成的組，并且消費者特性包含代表手姿勢的數據，并且其中當由一個或多個所述處理器運行時導致如下附加操作的指令包括:排列所述消費者的所述年齡、年齡分類、性別、所述消費者簡檔和所述面部表情中的一個或多個。
19.按權利要求17所述的有形計算機可讀媒體，其中當由ー個或多個所述處理器運行時導致如下附加操作的指令包括: 基于所述手姿勢與正在呈現給所述消費者的節(jié)目的節(jié)目簡檔之間的相關性更新所述消費者簡檔。
全文摘要
一種用于選擇節(jié)目以呈現給消費者的系統(tǒng)和方法包含檢測圖像中的面部區(qū)域；檢測圖像中的手姿勢；標識所述圖像中所述消費者的一個或多個消費者特性(心情、性別、年齡、手姿勢等)；基于所述消費者特性與包含多個節(jié)目簡檔的節(jié)目數據庫的比較來標識一個或多個節(jié)目以呈現給所述消費者；以及在媒體裝置上將所述所標識節(jié)目中選擇的節(jié)目呈現給所述消費者。
文檔編號G06K9/62GK103098079SQ201180004731
公開日2013年5月8日 申請日期2011年4月11日 優(yōu)先權日2011年4月11日
發(fā)明者J·宋, T·王, P·王, W·李, Q·李 申請人:英特爾公司