基于智能电视的性格特征的检测方法和装置与流程

1.本公开的实施例一般涉及信息处理技术领域，并且更具体地，涉及一种基于智能电视的性格特征的检测方法和装置。


背景技术：

2.阿斯伯格综合征属于孤独症谱系障碍或广泛性发育障碍，具有与孤独症同样的社会交往障碍，局限的兴趣和重复、刻板的活动方式，但又会在某些领域中表现出极强的兴趣和天赋，并远超同龄人的水准。在分类上与孤独症同属于孤独症谱系障碍或广泛性发育障碍，但又不同于孤独症，与孤独症的区别在于此病没有明显的语言和智能障碍，并且在某些同时，沉浸在自己的兴趣当中，在与他人沟通时不关注其他人的反馈。
3.阿斯伯格综合征通常表现为人际交往困难、语言交流困难、行为模式刻板仪式化，以及兴趣爱好局限特殊。阿斯伯格综合征在一定程度上表现为性格的特殊性，因此可以通过对任务性格的分析，尤其是对未成年儿童的性格进行分析，可以为判断儿童是否属于阿斯伯格综合征患者提供有效信息和依据。
4.现有技术中缺乏有效检测用户性格的设备，对用户的性格进行检测需要花费大量的时间和人力成本，从而不利于为判断儿童是否属于阿斯伯格综合征患者提供有效信息和依据。


技术实现要素：

5.根据本公开的实施例，提供了一种能够基于智能电视对用户的性格特征进行检测的方案，从而确定用户的性格特征。
6.在本公开的第一方面，提供了一种基于智能电视的性格特征的检测方法，包括：
7.确定当前用户的年龄，判断所述当前用户的年龄是否在预设年龄范围内；
8.响应于所述当前用户的年龄在预设年龄范围内，获取预设时间段内当前用户观看的视频信息，判断所述视频信息是否属于单一兴趣取向视频；
9.响应于所述视频信息属于单一兴趣取向视频，获取所述视频信息的内容深度值，判断所述视频信息的内容深度值是否超出了当前用户的年龄对应的内容深度阈值；
10.响应于所述视频信息的内容深度值超出了当前用户的年龄对应的内容深度阈值，生成当前用户的第一性格特征指数。
11.在一些实施例中，所述确定当前用户的年龄，包括：
12.获取当前用户的人脸图像，对所述人脸图像进行识别，根据人脸图像中的年龄特征确定当前用户的年龄。
13.在一些实施例中，所述方法还包括：
14.查询权限列表，确定获取用户人脸图像的权限是否被设置为允许获取，当获取用户人脸图像的权限被设置为允许获取时，执行获取当前用户的人脸图像的步骤。
15.在一些实施例中，所述确定当前用户的年龄，包括：
16.获取当前用户的语音信息，根据所述语音信息的声纹确定当前用户的年龄；
17.所述方法还包括：
18.根据所述语音信息的声纹确定当前用户的身份信息，根据所述身份信息获取用户的历史语音信息，判断所述历史语音信息中的日常词汇量是否大于预设阈值，响应于所述历史语音信息中的日常词汇量大于预设阈值，生成当前用户的第二性格特征指数。
19.在一些实施例中，所述方法还包括：
20.根据所述语音信息声纹获取当前用户的历史语音交互信息，判断所述历史语音交互信息中当前用户沟通的响应频次和响应速度是否小于预设阈值，响应于当前用户沟通的响应频次和响应速度小于预设阈值，生成当前用户的第三性格特征指数。
21.在一些实施例中，所述方法还包括：
22.判断所述历史语音交互信息中提及的预设注意力关键词的频次是否大于预设阈值，响应于提及的预设注意力关键词的频次大于预设阈值，生成当前用户的第四性格特征指数。
23.在一些实施例中，所述方法还包括：
24.分别为视频信息的内容深度维度、日常词汇量维度、响应频次和响应速度维度，以及注意力关键词维度分配对应的权重值，并对各维度与对应的权重值的乘积值进行求和，作为性格特征的综合指数。
25.在本公开的第二方面，提供了一种基于智能电视的性格特征的检测装置，包括：
26.视频信息获取模块，用于确定当前用户的年龄，判断所述当前用户的年龄是否在预设年龄范围内；
27.年龄确定模块，用于响应于所述当前用户的年龄在预设年龄范围内，获取预设时间段内当前用户观看的视频信息，判断所述视频信息是否属于单一兴趣取向视频；
28.视频内容深度获取模块，用于响应于所述视频信息属于单一兴趣取向视频，获取所述视频信息的内容深度值，判断所述视频信息的内容深度值是否超出了当前用户的年龄对应的内容深度阈值；
29.视频内容深度判断模块，用于响应于所述视频信息的内容深度值超出了当前用户的年龄对应的内容深度阈值，生成当前用户的第一性格特征指数。
30.在本公开的第三方面，提供了一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现如以上所述的方法。
31.在本公开的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如以上所述的方法。
32.通过本公开的基于智能电视的性格特征的检测方法，在节约成本的同时能够针对用户的性格特征进行有效检测，从而提高用户体验。
33.应当理解，发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。
附图说明
34.结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面
将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：
35.图1示出了本公开实施例一的基于智能电视的性格特征的检测方法的流程图；
36.图2示出了本公开实施例二的基于智能电视的性格特征的检测装置的结构示意图；
37.图3示出了本公开实施例三的基于智能电视的性格特征的检测设备的结构示意图。
具体实施方式
38.为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的全部其他实施例，都属于本公开保护的范围。
39.另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
40.本公开实施例的基于智能电视的性格特征的检测方法，能够对用户的性格特征进行检测。
41.具体地，如图1所示，为本公开实施例一的基于智能电视的性格特征的检测方法的流程图。在本实施例中，所述方法可以包括以下步骤：
42.s101：确定当前用户的年龄，判断所述当前用户的年龄是否在预设年龄范围内。
43.本实施例的方法，可以对儿童的性格特征进行有效检测。具体地，可以先获取当前用户的年龄，即判断当前用户是否为儿童。可以通过智能电视的摄像头采集当前用户的面部图像，通过对当前用户的面部图像进行轮廓检测、特征点定位和几何比例测量，然后根据几何比例测量结果确定当前用户的年龄段。由于本公开实施例的方案是针对儿童的，因此，在确定了当前用户的年龄后，需要进一步判断当前用户的年龄是否在预设年龄范围内，例如，预设年龄范围为5岁到10岁，而确定的当前用户的年龄为11岁，则当前用户的年龄不再预设年龄范围内。
44.s102：响应于所述当前用户的年龄在预设年龄范围内，获取预设时间段内当前用户观看的视频信息，判断所述视频信息是否属于单一兴趣取向视频。
45.在本实施例中，当获取当前用户的年龄后，若当前用户的年龄在预设年龄范围内，则可以进一步获取预设时间段内当前用户观看的视频信息。例如，可以获取当前用户正在观看的视频信息，或者可以获取当前用户过去预设时间段内观看的视频信息(例如当前用户20分钟前观看的视频信息)，此外，还可以获取当前用户在后续预设时间段内观看的视频信息，例如按照预设频率获取当前用户观看的视频信息。在获取到预设时间段内当前用户观看的视频信息后，可以判断所述视频信息是否属于单一兴趣取向的视频。本实施例中的单一兴趣取向例如可以是天文，数学，物理，化学，生物等单一兴趣取向。
46.s103：响应于所述视频信息属于单一兴趣取向视频，获取所述视频信息的内容深度值，判断所述视频信息的内容深度值是否超出了当前用户的年龄对应的内容深度阈值。
47.在本实施例中，当获取到的预设时间段内当前用户观看的视频信息属于单一兴趣
取向视频，则获取所述视频信息的内容的深度值，例如，可以根据视频内容中的知识和/或者概念对应的学习阶段对应的年龄，来确定所述视频信息的内容对应的年龄范围，从而将所述视频信息的内容的深度值转化为年龄范围值。在获取所述视频信息的内容深度值后，可以将当前用户的年龄与视频信息的内容的深度值对应的年龄进行对比，判断所述视频信息的内容深度值是否超出了当前用户的年龄对应的内容深度阈值。例如，可以判断当前用户的年龄是否小于所述视频信息的内容深度值。
48.s104：响应于所述视频信息的内容深度值超出了当前用户的年龄对应的内容深度阈值，生成当前用户的第一性格特征指数。
49.在本实施例中，当所述视频信息的内容深度值超出了当前用户的年龄对应的内容深度阈值，则生成当前用户的第一性格特征指数，该第一性格特征指数为当前用户在视频信息的内容深度维度的性格特征。
50.本公开实施例的基于智能电视的性格特征的检测方法，在节约成本的同时能够针对用户的性格特征进行有效检测，从而提高用户体验。
51.通常情况下，仅根据当前用户的面部图像确定当前用户的年龄，以及根据当前用户观看的视频信息的内容深度来判断当前用户是否存在性格缺陷时可能会存在一些误差，使得确定的结果可能不准确。因此，作为本公开的一个可选实施例，在上述实施例中，在确定当前用户的年龄的过程中，还可以获取当前用户的语音信息，根据所述语音信息的声纹确定当前用户的年龄。具体地，可以通过智能电视的远场语音mic阵列获取当前用户的语音信息，然后根据所述语音信息的声纹确定当前用户的年龄，对于声纹识别的原理本实施例不再展开说明。在获取当前用户的语音信息后，还可以根据所述语音信息的声纹确定当前用户的身份信息，根据所述身份信息获取用户的历史语音信息，判断所述历史语音信息中的日常词汇量是否大于预设阈值，响应于所述历史语音信息中的日常词汇量大于预设阈值，则生成当前用户的第二性格特征指数，其中所述第二性格特征指数用于表征当前用户在日常词汇量维度的性格特征。
52.在本实施例中，可以通过智能电视获取用户的面部图像，在确定用户的身份信息后，可以通过所述远场语音mic阵列获取用户的语音信息。或者，可以按照预设时间间隔获取用户的语音信息，通过获取到的语音信息的声纹将对应同一用户的语音信息存储到一起，这样，在获取到当前用户的语音信息的声纹后，可以进一步获取用户的历史语音信息，对所述历史语音信息进行处理，例如，可以将语音信息转化为文本信息，然后对文本信息进行切词，将文本信息切分为多个词组，然后判断所述历史语音信息中的日常词汇量是否大于预设阈值，响应于所述历史语音信息中的日常词汇量大于预设阈值，则生成当前用户的第二性格特征指数。其中，在判断历史语音信息中的日常词汇量是否大于预设阈值时，可以判断总的词汇量是否大于预设阈值，也可以判断专业度较高的词汇的词汇量是否大于预设阈值，这里的预设阈值可以是根据经验认为确定的。
53.此外，在获取当前用户的语音信息后，还可以根据所述语音信息声纹获取当前用户的历史语音交互信息，判断所述历史语交互音信息中当前用户沟通的响应频次和响应速度是否小于预设阈值，响应于当前用户沟通的响应频次和响应速度小于预设阈值，则生成当前用户的第三性格特征指数，所述第三性格特征指数用于表征当前用户在响应频次和响应速度维度的性格特征。
54.为了更准确地对当前用户的性格特征进行判断，在本实施例中，还可以判断所述历史语交互音信息中提及的预设注意力关键词的频次是否大于预设阈值，响应于提及的预设注意力关键词的频次大于预设阈值，则生成当前用户的第四性格特征指数，其中，预设注意力关键词可以是口头提及的与“注意”语义相近的词语，例如“专心点”、“耐心点”、“注意”等，第四性格特征指数用于表征当前用户在注意力关键词维度的性格特征。
55.此外，为了从各个维度综合确定当前用户的性格特征，还可以分别为视频信息的内容深度维度、日常词汇量维度、响应频次和响应速度和注意力关键词维度分配对应的权重值，并对各维度与对应的权重值的乘积值进行求和，作为性格特征的综合指数，响应于所述衡量值满足预设条件，确定当前用户的性格特征综合指数。
56.本公开实施例的基于智能电视的性格特征的检测方法，能够对用户的性格特征进行检测的方案，从而确定用户的性格特征，该性格特征可以用作阿斯伯格综合征的参考信息。
57.作为本公开的一个可选实施例，为了保护用户的隐私，在上述实施例中，在确定当前用户的年龄之前，所述方法还可以包括：
58.查询权限列表，确定获取用户人脸图像的权限是否被设置为允许获取，当获取用户人脸图像的权限被设置为允许获取时，执行获取当前用户的人脸图像的步骤，并进一步获取当前用户的人脸图像的。
59.需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应所述知悉，本公开并不受所描述的动作顺序的限制，因为依据本公开，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应所述知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本公开所必须的。
60.以上是关于方法实施例的介绍，以下通过装置实施例，对本公开所述方案进行进一步说明。
61.如图2所示，为本公开实施例二的基于智能电视的性格特征的检测装置的结构示意图。本实施的基于智能电视的性格特征的检测装置，可以包括：
62.视频信息获取模块201，用于获取预设时间段内当前用户观看的视频信息，判断所述视频信息是否属于单一兴趣取向视频。
63.年龄确定模块202，用于响应于所述视频信息属于单一兴趣取向视频，确定当前用户的年龄。
64.视频内容深度获取模块203，用于获取所述视频信息的内容深度值，判断所述视频信息的内容深度值是否超出了当前用户的年龄对应的内容深度阈值。
65.视频内容深度判断模块204，用于响应于所述视频信息的内容深度值超出了当前用户的年龄对应的内容深度阈值，生成当前用户的第一性格特征指数。
66.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，所述描述的模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
67.图3示出了可以用来实施本公开的实施例的电子设备300的示意性框图。如图所示，设备300包括中央处理单元(cpu)301，其可以根据存储在只读存储器(rom)302中的计算机程序指令或者从存储单元308加载到随机访问存储器(ram)303中的计算机程序指令，来
执行各种适当的动作和处理。在ram 303中，还可以存储设备300操作所需的各种程序和数据。cpu 301、rom 302以及ram 303通过总线304彼此相连。输入/输出(i/o)接口305也连接至总线304。
68.设备300中的多个部件连接至i/o接口305，包括：输入单元306，例如键盘、鼠标等；输出单元307，例如各种类型的显示器、扬声器等；存储单元308，例如磁盘、光盘等；以及通信单元309，例如网卡、调制解调器、无线通信收发机等。通信单元309允许设备300通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
69.处理单元301执行上文所描述的各个方法和处理，其被有形地包含于机器可读介质，例如存储单元308。在一些实施例中，计算机程序的部分或者全部可以经由rom 302和/或通信单元309而被载入和/或安装到设备300上。当计算机程序加载到ram 703并由cpu 301执行时，可以执行上文描述的方法的一个或多个步骤。备选地，在其他实施例中，cpu 301可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行上述方法。
70.本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)等等。
71.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
72.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd
‑
rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
73.此外，虽然采用特定次序描绘了各操作，但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行，或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地，在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。
74.尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。