一種節(jié)目識別方法及裝置制造方法
【專利摘要】本發(fā)明適用于圖像識別【技術(shù)領(lǐng)域】，提供了一種節(jié)目識別方法及裝置，所述方法包括：提取圖像學(xué)習(xí)庫中樣本圖像的包括顏色、紋理和形狀特征的n個(gè)特征向量，將所述樣本圖像的圖像信息和所述n個(gè)特征向量保存于向量文件，形成圖像識別庫；從節(jié)目流中提取目標(biāo)圖像，提取所述目標(biāo)圖像的包括顏色、紋理和形狀特征的n個(gè)特征向量；根據(jù)貝葉斯決策方法，獲取所述圖像識別庫中各樣本圖像的n個(gè)特征向量與所述目標(biāo)圖像的n個(gè)特征向量的相似概率，將所述相似概率最高的樣本圖像的類別作為所述節(jié)目的識別結(jié)果。本發(fā)明，通過貝葉斯決策方法對目標(biāo)圖像的特征向量與樣本圖像的特征向量進(jìn)行計(jì)算決策，實(shí)現(xiàn)對目標(biāo)圖像的準(zhǔn)確識別。
【專利說明】一種節(jié)目識別方法及裝置
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于圖像識別【技術(shù)領(lǐng)域】，尤其涉及一種節(jié)目識別方法及裝置。
【背景技術(shù)】
[0002]隨著大量電視節(jié)目的出現(xiàn)和豐富，智能智能終端已經(jīng)成為用戶獲取信息和娛樂的重要工具。然而，不同用戶對電視節(jié)目的喜好是不同，如何獲取用戶感興趣的節(jié)目內(nèi)容也成為智能智能終端的一個(gè)重要研究課題。其中，最重要的是如何識別和定位用戶感興趣的節(jié)目。
[0003]目前，現(xiàn)有識別方法是采用神經(jīng)網(wǎng)絡(luò)方式識別圖片，人工神經(jīng)網(wǎng)絡(luò)是一個(gè)非線性動力學(xué)系統(tǒng)，其特色在于信息的分布式存儲和并行協(xié)同處理。在網(wǎng)絡(luò)模型與算法研究的基礎(chǔ)上，利用人工神經(jīng)網(wǎng)絡(luò)組成實(shí)際的應(yīng)用系統(tǒng)，例如，完成某種信號處理或模式識別的功能、構(gòu)作專家系統(tǒng)、制成機(jī)器人等等。人工神經(jīng)元是神經(jīng)網(wǎng)絡(luò)的基本元素，其原理如I所示，圖中X1~Xn是從其他神經(jīng)元傳來的輸入信號，Wij表示表示從神經(jīng)元j到神經(jīng)元i的連接權(quán)值，Θ表示一個(gè)閾值threshold,或稱為偏置bias。則神經(jīng)元i的輸出與輸入的關(guān)系表示為:
[0004]
【權(quán)利要求】
1.一種節(jié)目識別方法，其特征在于，所述方法包括: 提取圖像學(xué)習(xí)庫中樣本圖像的包括顏色、紋理和形狀特征的η個(gè)特征向量，將所述樣本圖像的圖像信息和所述η個(gè)特征向量保存于向量文件，形成圖像識別庫，所述圖像信息包括樣本圖像的類別和類別編號； 從節(jié)目流中提取目標(biāo)圖像，提取所述目標(biāo)圖像的包括顏色、紋理和形狀特征的η個(gè)特征向量； 根據(jù)貝葉斯決策方法，獲取所述圖像識別庫中各樣本圖像的η個(gè)特征向量與所述目標(biāo)圖像的η個(gè)特征向量的相似概率，將所述相似概率最高的樣本圖像的類別作為所述節(jié)目的識別結(jié)果。
2.如權(quán)利要求1所述的方法，其特征在于，所述根據(jù)貝葉斯決策方法，獲取所述圖像識別庫中各樣本圖像的η個(gè)特征向量與所述目標(biāo)圖像的η個(gè)特征向量的相似概率，將所述相似概率最高的樣本圖像的類別作為所述節(jié)目的識別結(jié)果具體為: 通過貝葉斯公式 ，獲得所述目標(biāo)圖像的η個(gè)特征向量與所述圖像識別庫中各樣本圖像的η個(gè)特征向量的相似概率P (ω」χ):
3.如權(quán)利要求1或2所述的方法，其特征在于，所述包括顏色、紋理和形狀特征的η個(gè)特征向量通過調(diào)用matlab提取。
4.如權(quán)利要求3所述的方法，其特征在于，所述提取圖像學(xué)習(xí)庫中樣本圖像的包括顏色、紋理和形狀特征的η個(gè)特征向量之前還包括: 通過學(xué)習(xí)節(jié)目圖像選擇樣本圖像并對樣本圖像分類建立圖像學(xué)習(xí)庫。
5.如權(quán)利要求3所述的方法，其特征在于，所述將所述相似概率最高的樣本圖像的類別作為所述節(jié)目的識別結(jié)果之后還包括: 將所述識別結(jié)果以模型-視圖-控制器模式進(jìn)行展示。
6.一種節(jié)目識別裝置，其特征在于，所述裝置包括: 識別庫建立單元，用于提取圖像學(xué)習(xí)庫中樣本圖像的包括顏色、紋理和形狀特征的η個(gè)特征向量，將所述樣本圖像的圖像信息和所述η個(gè)特征向量保存于向量文件，形成圖像識別庫，所述圖像信息包括樣本圖像的類別和類別編號； 特征提取單元，用于從節(jié)目流中提取目標(biāo)圖像，提取所述目標(biāo)圖像的包括顏色、紋理和形狀特征的η個(gè)特征向量； 圖像識別單元，用于根據(jù)貝葉斯決策方法，獲取所述圖像識別庫中各樣本圖像的η個(gè)特征向量與所述目標(biāo)圖像的η個(gè)特征向量的相似概率，將所述相似概率最高的樣本圖像的類別作為所述節(jié)目的識別結(jié)果。
7.如權(quán)利要求6所述的裝置，其特征在于，所述圖像識別單元具體用于通過貝葉斯公式，獲得所述目標(biāo)圖像的η個(gè)特征向量與所述圖像識別庫中各樣本圖像的η個(gè)特征向量的相似概率Ρ(ω」χ):

8.如權(quán)利要求5或6所述的裝置，其特征在于，所述包括顏色、紋理和形狀特征的η個(gè)特征向量通過調(diào)用matlab提取。
9.如權(quán)利要求8所述的裝置，其特征在于，所述裝置還包括: 樣本學(xué)習(xí)單元，用于通過學(xué)習(xí)節(jié)目圖像選擇樣本圖像并對樣本圖像分類建立圖像學(xué)習(xí)庫。
10.如權(quán)利要求8所述的裝置，其特征在于，所述裝置還包括: 結(jié)果展示單元，用于將所述識別結(jié)果以模型-視圖-控制器模式進(jìn)行展示。
【文檔編號】G06K9/46GK103745201SQ201410005887
【公開日】2014年4月23日 申請日期:2014年1月6日 優(yōu)先權(quán)日:2014年1月6日
【發(fā)明者】柳行剛 申請人:Tcl集團(tuán)股份有限公司