[發明專利]電視頻道的確定方法、裝置及服務器

在審

• 申請號: 201510259969.5
• 申請日: 2015-05-20
• 公開（公告）號: CN104869433A
• 公開（公告）日: 2015-08-26
• 發明（設計）人: 劉潔;吳小勇;王維
• 申請（專利權）人: 小米科技有限責任公司
• 主分類號: H04N21/235
• 分類號: H04N21/235
• 代理公司: 北京博思佳知識產權代理有限公司 11415
• 代理人: 林祥

1.一種電視頻道的確定方法，應用在服務器上，其特征在于，所述方法包括：

將智能電視的臺標圖片中的像素點對應的像素值作為輸入參數輸入到所述神經網絡的輸入層；

根據所述神經網絡已訓練的訓練數據集確定所述輸入參數在所述神經網絡的輸出層對應的多個輸出值，所述多個輸出值的個數由所述服務器中所存儲的臺標的個數確定，所述訓練數據集通過服務器中所存儲的臺標訓練得到；

根據所述多個輸出值中數值最大的值對應的臺標確定所述智能電視當前播放電視節目的電視頻道。

2.根據權利要求1所述的方法，其特征在于，所述訓練數據集包括所述神經網絡的一階特征對應的第一權重矩陣、第一偏置向量、所述神經網絡的二階特征對應的第二權重矩陣、第二偏置向量以及位于所述神經網絡的輸出層的分類器對應的分類器參數，所述根據所述神經網絡已訓練的訓練數據集確定所述輸入參數在所述神經網絡的輸出層對應的多個輸出值，包括：

根據所述輸入參數、所述第一權重矩陣和所述第一偏置向量確定所述神經網絡的一階特征；

根據所述一階特征、所述第二權重矩陣和所述第二偏置向量確定所述神經網絡的二階特征；

將所述二階特征輸入到所述分類器，通過所述分類器得到所述神經網絡的輸出層對應的多個輸出值。

3.根據權利要求1所述的方法，其特征在于，所述將智能終端的臺標圖片中的像素點對應的像素值作為輸入參數輸入到所述神經網絡的輸入層，包括：

將智能電視的臺標圖片中的像素點對應的像素值進行歸一化處理；

將歸一化后的所述像素值進行去相關性處理，將去相關性處理后的所述像素值輸入到所述神經網絡的輸入層。

4.根據權利要求1所述的方法，其特征在于，所述將智能終端的臺標圖片中的像素點對應的像素值作為輸入參數輸入到所述神經網絡的輸入層的步驟之前，所述方法還包括：

確定所述臺標圖片的分辨率與所述神經網絡的輸入維數；

在所述臺標圖片的分辨率與所述輸入維數不相同時，根據所述輸入維數對所述臺標圖片進行縮放處理。

5.根據權利要求1所述的方法，其特征在于，所述方法還包括：

在確定所述服務器中所存儲的臺標有更新時，根據所述服務器中所存儲的臺標對所述神經網絡重新進行訓練，得到訓練后的所述訓練數據集。

6.一種電視頻道的確定裝置，應用在服務器上，其特征在于，所述裝置包括：

輸入模塊，被配置為將智能電視的臺標圖片中的像素點對應的像素值作為輸入參數輸入到所述神經網絡的輸入層；

輸出模塊，被配置為根據所述神經網絡已訓練的訓練數據集確定所述輸入模塊的所述輸入參數在所述神經網絡的輸出層對應的多個輸出值，所述多個輸出值的個數由所述服務器中所存儲的臺標的個數確定，所述訓練數據集通過服務器中所存儲的臺標訓練得到；

第一確定模塊，被配置為根據所述輸出模塊輸出的所述多個輸出值中數值最大的值對應的臺標確定所述智能電視當前播放電視節目的電視頻道。

7.根據權利要求6所述的裝置，其特征在于，所述訓練數據集包括所述神經網絡的一階特征對應的第一權重矩陣、第一偏置向量、所述神經網絡的二階特征對應的第二權重矩陣、第二偏置向量以及位于所述神經網絡的輸出層的分類器對應的分類器參數，所述根據所述神經網絡已訓練的訓練數據集確定所述輸入參數在所述神經網絡的輸出層對應的多個輸出值，輸出模塊包括：

第一確定子模塊，被配置為根據所述輸入參數、所述第一權重矩陣和所述第一偏置向量確定所述神經網絡的一階特征；

第二確定子模塊，被配置為根據所述第一確定子模塊確定的所述一階特征、所述第二權重矩陣和所述第二偏置向量確定所述神經網絡的二階特征；

分類器子模塊，被配置為將所述第二確定子模塊確定的所述二階特征輸入到所述分類器，通過所述分類器得到所述神經網絡的輸出層對應的多個輸出值。

8.根據權利要求6所述的裝置，其特征在于，所述輸入模塊包括：

歸一化處理子模塊，被配置為將智能電視的臺標圖片中的像素點對應的像素值進行歸一化處理；

去相關處理子模塊，被配置為將所述歸一化處理子模塊歸一化后的所述像素值進行去相關性處理；

輸入子模塊，被配置為將去相關處理子模塊去相關性處理后的所述像素值輸入到所述神經網絡的輸入層。