基于AI智能识别的屏保推送系统及方法

技术领域

本发明涉及AI智能识别技术领域，尤其涉及一种基于AI智能识别的屏保推送系统及方法。

背景技术

随着智能设备的普及，运营类屏保作为一种比较常见的运营模式被引入了智能电视平台，目前智能电视或其他大屏播放设备的屏保内容不是默认的，而是从后台推送的图片或短视频，因为当前的投递多半是盲投，造成投递的引流屏保与用户需求产品不一致，造成投递效果未达预期甚至引起用户的投诉的问题。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种基于AI智能识别的屏保推送系统及方法，旨在解决现有技术屏保推送与用户需求产品不一致的技术问题。

为实现上述目的，本发明提供了一种基于AI智能识别的屏保推送系统，所述基于AI智能识别的屏保推送系统包括：依次连接的主控模块、数据采集模块、模型运行模块、结果处理模块、屏保管理模块以及屏保播放模块；

所述主控模块，用于发送工作指令给所述数据采集模块；

所述数据采集模块，用于根据所述工作指令采集用户的当前观看数据，并将所述当前观看数据发送至所述模型运行模块；

所述模型运行模块，用于对所述当前观看数据进行数据分析，得到用户喜好类型，并将所述用户喜好类型发送至所述结果处理模块；

所述结果处理模块，用于对所述用户喜好类型进行处理，得到用户喜好排名，并将所述用户喜好排名发送至所述屏保管理模块；

所述屏保管理模块，用于根据所述用户喜好排名推送相应的屏保资源，并将所述屏保资源发送至所述屏保播放模块；

所述屏保播放模块，用于将所述屏保资源进行推送。

可选地，所述数据采集模块包括识别模块、截屏模块以及录音模块；

所述识别模块识别所述用户的当前观看节目类型，当所述当前观看节目类型为纯音频类型时，将所述当前观看节目类型发送至录音模块；

所述录音模块根据所述当前观看节目类型以预置频率采集当前观看节目声纹，并将所述当前观看节目声纹作为当前观看数据。

可选地，所述识别模块还识别所述用户的当前观看节目类型，当所述当前观看节目类型为非纯音频类型时，将所述当前观看节目类型发送至截屏模块；

所述截屏模块根据所述当前观看节目类型以预置频率采集当前观看节目图像，并将所述当前观看节目图像作为当前观看数据。

可选地，所述结果处理模块，还用于根据所述用户喜好类型通过预置模型对所述用户喜好类型进行权重计算，得到所述用户喜好类型的相应权重；

若连续预置次数进行权重计算得到的相应权重相同，则根据所述相应权重得到用户喜好排名，并将所述用户喜好排名发送至所述屏保管理模块。

可选地，所述屏保管理模块包括屏保资源管理模块以及后台屏保素材管理模块；

所述屏保资源管理模块，用于将所述用户喜好排名中靠前的用户喜好类型发送至所述后台屏保素材管理模块；

所述后台屏保素材管理模块，用于根据所述用户喜好排名中靠前的用户喜好类型确定待推送屏保资源，将所述屏保资源发送至所述屏保资源管理模块；

所述屏保资源管理模块，还用于将所述屏保资源发送至所述屏保播放模块。

进一步地，为实现上述目的，本发明还提供一种基于AI智能识别的屏保推送方法，所述基于AI智能识别的屏保推送方法应用于如上文所述的基于AI智能识别的屏保推送系统，所述基于AI智能识别的屏保推送系统包括：依次连接的主控模块、数据采集模块、模型运行模块、结果处理模块、屏保管理模块以及屏保播放模块，所述基于AI智能识别的屏保推送方法包括：

所述主控模块发送工作指令给所述数据采集模块；

所述数据采集模块根据所述工作指令采集用户的当前观看数据，并将所述当前观看数据发送至所述模型运行模块；

所述模型运行模块对所述当前观看数据进行数据分析，得到用户喜好类型，并将所述用户喜好类型发送至所述结果处理模块；

所述结果处理模块对所述用户喜好类型进行处理，得到用户喜好排名，并将所述用户喜好排名发送至所述屏保管理模块；

所述屏保管理模块根据所述用户喜好排名推送相应的屏保资源，并将所述屏保资源发送至所述屏保播放模块；

所述屏保播放模块将所述屏保资源进行推送。

可选地，所述数据采集模块包括识别模块、截屏模块以及录音模块；

所述识别模块识别所述用户的当前观看节目类型，当所述当前观看节目类型为纯音频类型时，将所述当前观看节目类型发送至录音模块；

所述录音模块，用于根据所述当前观看节目类型以预置频率采集当前观看节目声纹，并将所述当前观看节目声纹作为当前观看数据。

可选地，所述识别模块，还用于识别所述用户的当前观看节目类型，当所述当前观看节目类型为非纯音频类型时，将所述当前观看节目类型发送至截屏模块；

所述截屏模块，用于根据所述当前观看节目类型以预置频率采集当前观看节目图像，并将所述当前观看节目图像作为当前观看数据。

可选地，所述结果处理模块根据所述用户喜好类型通过预置模型对所述用户喜好类型进行权重计算，得到所述用户喜好类型的相应权重；

若连续预置次数进行权重计算得到的相应权重相同，则根据所述相应权重得到用户喜好排名，并将所述用户喜好排名发送至所述屏保管理模块。

可选地，所述屏保管理模块包括屏保资源管理模块以及后台屏保素材管理模块；

所述屏保资源管理模块将所述用户喜好排名中靠前的用户喜好类型发送至所述后台屏保素材管理模块；

所述后台屏保素材管理模块根据所述用户喜好排名中靠前的用户喜好类型确定待推送屏保资源，将所述屏保资源发送至所述屏保资源管理模块；

所述屏保资源管理模块将所述屏保资源发送至所述屏保播放模块。

本发明中主控模块发送工作指令给所述数据采集模块；数据采集模块根据所述工作指令采集用户的当前观看数据，并将所述当前观看数据发送至所述模型运行模块；所述模型运行模块对所述当前观看数据进行数据分析，得到用户喜好类型，并将所述用户喜好类型发送至所述结果处理模块；所述结果处理模块对所述用户喜好类型进行处理，得到用户喜好排名，并将所述用户喜好排名发送至所述屏保管理模块；所述屏保管理模块根据所述用户喜好排名推送相应的屏保资源，并将所述屏保资源发送至所述屏保播放模块；所述屏保播放模块将所述屏保资源进行推送。通过采集用户的观看数据，对观看数据进行准确识别处理，得到用户的观看喜好，根据用户观看喜好有针对性的进行智能机运营类屏保素材的推送，使屏保推送的内容与用户的喜好和需求产品一致。同时，能够大大提升用户点击屏保图片的可能性，提升用户在购物后台消费的可能性，增加一定的运营收入。

附图说明

图1是本发明基于AI智能识别的屏保推送系统第一实施例的结构框图；

图2为本发明基于AI智能识别的屏保推送系统第二实施例的结构框图；

图3为本发明基于AI智能识别的屏保推送系统一实施例整体的流程示意图；

图4为本发明基于AI智能识别的屏保推送方法第一实施例的流程示意图；

图5为本发明基于AI智能识别的屏保推送方法第二实施例的流程示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

参照图1，图1为本发明基于AI智能识别的屏保推送系统第一实施例的结构框图。

在本实施例中，所述基于AI智能识别的屏保推送系统包括：依次连接的主控模块10、数据采集模块20、模型运行模块30、结果处理模块40、屏保管理模块50以及屏保播放模块60，应当理解的是，主控模块10依次连接数据采集模块20，模型运行模块30，结果处理模块40、屏保管理模块50以及屏保播放模块60，主控模块10负责控制其他模块工作的主服务模块，在具体实现中，当用户打开终端设备进行节目观看时，基于AI智能识别的屏保推送系统开始运行，主控模块10发送工作指令控制数据采集模块20进行数据采集工作。

需要说明的是，数据采集模块20指的是基于AI智能识别的屏保推送系统中用于采集用户当前观看数据的模块，当用户打开终端设备进行节目观看时，采集当前观看数据，数据可以是节目音频声纹数据，也可以是截屏到的图片数据并将数据反馈到模型运行模块30。例如，在用户第一次观看NBA直播类节目时，主控模块10通知数据采集模20块以一定频率进行截屏操作，将采集到的NBA直播类节目图片数据发送给数据采集模块20。

可以理解的是，所述模型运行模块30在导入基于AI智能识别的屏保推送系统之前，经过了大量的训练，可以针对图片或声纹数据做出准确的节目类型的判断。

在具体实现中，模型运行模块30是基于Android nn进行卷积算法的开发，采取海量素材提供给模型运行模型30进行训练得到的，素材包括图片类及声纹类等等，模型识别后，进行人工纠偏，通过不断训练提升模型运行模块30对素材识别的准确率，该识别可以运行在单独的硬件IP单元中，例如APU或NPU，不占用本实施例中电视机主芯片soc的CPU、GPU资源，达到在不影响电视正常使用的情况下，进行人工智能识别，获取但不局限于用户在哪一刻场景停留多少时间等要素。

需要说明的是，模型运行模型30对当前观看数据进行识别，得到用户当前观看节目的场景，根据场景即可确定用户喜好节目的类型，即识别的倾向结果。例如将采集到的NBA直播类节目图片数据进行识别，可以得到图片中存在的运动员或者体育器材，得到用户喜好的节目类型为体育类节目。

需要说明的是，所述结果处理模块40对模型处理模块30发送的倾向结果进行进一步的处理识别，判定准确的识别结果，得到用户观看节目的喜好排名。

进一步地，所述结果处理模块40根据所述用户喜好类型通过预置模型对所述用户喜好类型进行权重计算，得到所述用户喜好类型的相应权重；若连续预置次数进行权重计算得到的相应权重相同，则根据所述相应权重得到用户喜好排名，并将所述用户喜好排名发送至所述屏保管理模块。

在具体实现中，结果处理模块40通过预置模型对用户喜好类型进行权重计算，得到带有权重的综合结果的用户喜好排名。结果处理模块还会判断是否存在误判，连续3次的处理结果相同才认为场景真正做了切换，例如，模型运行模型30给出的用户喜好类型有NBA赛事直播以及新闻直播，通过结果处理模块40中的预置模块进行权重计算，得出用户观看NBA赛事直播的时长占比为0.8，新闻直播占比为0.2的准确结果。同时，连续输出三次用户观看NBA赛事直播的时长占比为0.8，新闻直播占比为0.2，才认同此次结果为准确识别结果。

在本实施例中，通过结果处理模块根据所述用户喜好类型通过预置模型对所述用户喜好类型进行权重计算，得到所述用户喜好类型的相应权重；若连续预置次数进行权重计算得到的相应权重相同，则根据所述相应权重得到用户喜好排名，并将所述用户喜好排名发送至所述屏保管理模块，可以有效防止抖动识别误判，避免了识别结果的偶然性，提高了结果处理过程的准确性。

需要说明的是，在得到结果处理模块40所给出的用户喜好排名后，屏保管理模块50推送用户喜好的节目类型相关资源至屏保播放模块60。例如，用户喜好的节目排名中有NBA赛事直播类，则可以发送运动员周边、体育器材，体育设备至屏保播放模块60。

进一步地，所述屏保管理模块50包括屏保资源管理模块以及后台屏保素材管理模块；所述屏保资源管理模块将所述用户喜好排名中靠前的用户喜好类型发送至所述后台屏保素材管理模块；所述后台屏保素材管理模块根据所述用户喜好排名中靠前的用户喜好类型确定待推送屏保资源，将所述屏保资源发送至所述屏保资源管理模块；所述屏保资源管理模块将所述屏保资源发送至所述屏保播放模块。

需要说明的是，基于结果处理模块40给出的准确结果，屏保资源管理模块会将用户喜好排名靠前的用户喜好类型上报至后台屏保素材管理模块，例如屏保资源管理模块会把占用户时长前三位或者更多的场景即节目类型上报至后台屏保素材管理模块。

在具体实现中，后台屏保素材管理模块会根据用户的使用观看习惯，针对性的进行屏保内容的投递，所投递的屏保图片或者短视频所包含的产品都是用户喜好的，比如篮球外设产品，音乐播放类产品或者汽车类的引流连接，屏保资源管理模块再将屏保资源发送至屏保播放模块60。

在具体实现中，屏保播放模块60将屏保管理模块50发送的屏保资源推送至目标终端设备进行资源播放。

在本实施例中，通过主控模块发送工作指令给所述数据采集模块；数据采集模块根据所述工作指令采集用户的当前观看数据，并将所述当前观看数据发送至所述模型运行模块；所述模型运行模块对所述当前观看数据进行数据分析，得到用户喜好类型，并将所述用户喜好类型发送至所述结果处理模块；所述结果处理模块对所述用户喜好类型进行处理，得到用户喜好排名，并将所述用户喜好排名发送至所述屏保管理模块；所述屏保管理模块根据所述用户喜好排名推送相应的屏保资源，并将所述屏保资源发送至所述屏保播放模块；所述屏保播放模块将所述屏保资源进行推送。通过采集用户的观看数据，对观看数据进行准确识别处理，得到用户的观看喜好，根据用户观看喜好有针对性的进行智能机运营类屏保素材的推送，使屏保推送的内容与用户的喜好和需求产品一致。同时，能够大大提升用户点击屏保图片的可能性，提升用户在购物后台消费的可能性，增加一定的运营收入。

参照图2，图2为本发明基于AI智能识别的屏保推送系统第二实施例的结构框图，基于上述第一实施例，提出本发明基于AI智能识别的屏保推送系统的第二实施例。

在本实施例中，所述数据采集模块20包括识别模块201、截屏模块202以及录音模块203。

需要说明的是，识别模块201用于将用户当前观看节目类型进行分类，若当前观看节目类型为纯音频时，则将节目类型发送至录音模块203，录音模块203再进行录音操作。例如，用户当前在听取抒情类钢琴曲，则识别模块201得到它为纯音频类型，识别模块201将节目类型发送至录音模块203，主控模块10通知录音模块203进行钢琴曲的片段录音操作。

在具体实现中，录音模块203在获取到节目类型并接收到主控模块10的工作指令后，以预置频率进行音频片段的录音操作，并将声纹音频数据发送给模型运行模块30，预置频率可以为300ms/次，也可以是其他数据，本实施例对此不加以限制，但本实施例基于300ms/次进行说明，例如，用户在听取抒情类钢琴曲的时候，主控模块10通知录音模块203以300ms/次进行声纹音频数据的获取并传递给模型运行模块30，模型运行模块30根据钢琴曲的声纹片段中带有的特殊声纹信息进行场景识别，得到用户喜好节目类型。

需要说明的是，当识别模块201识别到用户当前观看节目类型为非纯音频类型时，即有图像显示时，识别模块201将节目类型发送至截屏模块202，截屏模块202再以预置频率进行截屏操作，并将截取的图片按照数据流格式提供给模型运行模块30，预置频率可以为300ms/次，也可以是其他数据，本实施例对此不加以限制，但本实施例基于300ms/次进行说明，例如，用户观看是NBA赛事，则主控模块10通知截屏模块202以300ms/次的频率进行截屏操作，并将截取的带有左上角有典型NBA LOGO的图片按照数据流格式提供给模型运行模块30，模型运行模块30基于图片中的LOGO或者篮球因素进行场景判断识别，得到用户喜好类型。

如图3所示，主控模块是负责控制其他模块工作的主服务模块，在基于AI智能识别的屏保推送系统运行的时候，会控制截屏模块或录音模块进行截屏或录音操作，截屏模块或录音模块负责生成截图或声纹文件，将截图或声纹文件输出给模型运行模块，模型运行模块负责给出识别的倾向结果，得到用户节目喜好类型，结果处理模块负责判定准确的识别结果，进一步的，该模块把准确的识别结果传递给屏保资源管理模块，结果处理模块会根据软件算法对用户各种使用场景及该场景的使用时长进行统计，得到用户喜好节目排名，屏保资源管理模块会以一定频率(该方案目前是10s)将该数据同步到后台屏保内容管理模块(内容推送服务器)；后台屏保内容管理模块根据提供过来的用户使用习惯数据，对该用户进行针对性的产品屏保内容投递，图片及短视频会在屏保资源管理模块接受管理并提供给屏保播放模块进行屏保图片或屏保短视频的播放，最终将用户精准引流至购物后台进行购物。

在本实施例中，通过识别模块识别所述用户的当前观看节目类型，当所述当前观看节目类型为纯音频类型时，将所述当前观看节目类型发送至录音模块，所述录音模块根据所述当前观看节目类型以预置频率采集当前观看节目声纹，并将所述当前观看节目声纹作为当前观看数据，通过预先对节目类型进行分类，再通过不同的模块获取数据，提高了识别过程的工作效率及场景判断的准确率，能够更快更为准确的得到用户的喜好类型。

参照图4，图4为本发明基于AI智能识别的屏保推送方法第一实施例的流程示意图，所述基于AI智能识别的屏保推送方法应用于基于AI智能识别的屏保推送系统，所述基于AI智能识别的屏保推送系统包括：依次连接的主控模块、数据采集模块、模型运行模块、结果处理模块、屏保管理模块以及屏保播放模块，所述基于AI智能识别的屏保推送方法包括：

步骤S10，所述主控模块发送工作指令给所述数据采集模块。

需要说明的是，在本实施例中，执行主体为可进行大屏播放音频图像的智能终端设备，例如电视机、PAD等一系列设备，还可为其他设备，本实施例为此不加以限制，在本实施例中，将所述基于AI智能识别的屏保推送系统安装于电视机进行说明。

应当理解的是，主控模块依次连接数据采集模块，模型运行模块，结果处理模块、屏保管理模块以及屏保播放模块，主控模块负责控制其他模块工作的主服务模块，在具体实现中，当用户打开终端设备进行节目观看时，基于AI智能识别的屏保推送系统开始运行，主控模块发送工作指令控制数据采集模块进行数据采集工作。

步骤S20，所述数据采集模块根据所述工作指令采集用户的当前观看数据，并将所述当前观看数据发送至所述模型运行模块。

需要说明的是，数据采集模块指的是基于AI智能识别的屏保推送系统中用于采集用户当前观看数据的模块，当用户打开终端设备进行节目观看时，采集当前观看数据，数据可以是节目音频声纹数据，也可以是截屏到的图片数据并将数据反馈到模型运行模块。例如，在用户第一次观看NBA直播类节目时，主控模块通知数据采集模块以一定频率进行截屏操作，将采集到的NBA直播类节目图片数据发送给数据采集模块。

步骤S30，所述模型运行模块对所述当前观看数据进行数据分析，得到用户喜好类型，并将所述用户喜好类型发送至所述结果处理模块。

可以理解的是，所述模型运行模块在导入基于AI智能识别的屏保推送系统之前，经过了大量的训练，可以针对图片或声纹数据做出准确的节目类型的判断。

在具体实现中，模型运行模块是基于Android nn进行卷积算法的开发，采取海量素材提供给模型运行模型进行训练得到的，素材包括图片类及声纹类等等，模型识别后，进行人工纠偏，通过不断训练提升模型运行模块对素材识别的准确率，该识别可以运行在单独的硬件IP单元中，例如APU或NPU，不占用本实施例中电视机主芯片soc的CPU、GPU资源，达到在不影响电视正常使用的情况下，进行人工智能识别，获取但不局限于用户在哪一刻场景停留多少时间等要素。

需要说明的是，模型运行模型对当前观看数据进行识别，得到用户当前观看节目的场景，根据场景即可确定用户喜好节目的类型，即识别的倾向结果。例如将采集到的NBA直播类节目图片数据进行识别，可以得到图片中存在的运动员或者体育器材，得到用户喜好的节目类型为体育类节目。

步骤S40，所述结果处理模块对所述用户喜好类型进行处理，得到用户喜好排名，并将所述用户喜好排名发送至所述屏保管理模块。

需要说明的是，所述结果处理模块对模型处理模块发送的倾向结果进行进一步的处理识别，判定准确的识别结果，得到用户观看节目的喜好排名。

进一步地，所述结果处理模块根据所述用户喜好类型通过预置模型对所述用户喜好类型进行权重计算，得到所述用户喜好类型的相应权重；若连续预置次数进行权重计算得到的相应权重相同，则根据所述相应权重得到用户喜好排名，并将所述用户喜好排名发送至所述屏保管理模块。

在具体实现中，结果处理模块通过预置模型对用户喜好类型进行权重计算，得到带有权重的综合结果的用户喜好排名。结果处理模块还会判断是否存在误判，连续3次的处理结果相同才认为场景真正做了切换，例如，模型运行模型给出的用户喜好类型有NBA赛事直播以及新闻直播，通过结果处理模块中的预置模块进行权重计算，得出用户观看NBA赛事直播的时长占比为0.8，新闻直播占比为0.2的准确结果。同时，连续输出三次用户观看NBA赛事直播的时长占比为0.8，新闻直播占比为0.2，才认同此次结果为准确识别结果。

在本实施例中，通过结果处理模块根据所述用户喜好类型通过预置模型对所述用户喜好类型进行权重计算，得到所述用户喜好类型的相应权重；若连续预置次数进行权重计算得到的相应权重相同，则根据所述相应权重得到用户喜好排名，并将所述用户喜好排名发送至所述屏保管理模块，可以有效防止抖动识别误判，避免了识别结果的偶然性，提高了结果处理过程的准确性。

步骤S50，所述屏保管理模块根据所述用户喜好排名推送相应的屏保资源，并将所述屏保资源发送至所述屏保播放模块。

需要说明的是，在得到结果处理模块所给出的用户喜好排名后，屏保管理模块推送用户喜好的节目类型相关资源至屏保播放模块。例如，用户喜好的节目排名中有NBA赛事直播类，则可以发送运动员周边、体育器材，体育设备至屏保播放模块。

进一步地，所述屏保管理模块包括屏保资源管理模块以及后台屏保素材管理模块；所述屏保资源管理模块将所述用户喜好排名中靠前的用户喜好类型发送至所述后台屏保素材管理模块；所述后台屏保素材管理模块根据所述用户喜好排名中靠前的用户喜好类型确定待推送屏保资源，将所述屏保资源发送至所述屏保资源管理模块；所述屏保资源管理模块将所述屏保资源发送至所述屏保播放模块。

需要说明的是，基于结果处理模块给出的准确结果，屏保资源管理模块会将用户喜好排名靠前的用户喜好类型上报至后台屏保素材管理模块，例如屏保资源管理模块会把占用户时长前三位或者更多的场景即节目类型上报至后台屏保素材管理模块。

在具体实现中，后台屏保素材管理模块会根据用户的使用观看习惯，针对性的进行屏保内容的投递，所投递的屏保图片或者短视频所包含的产品都是用户喜好的，比如篮球外设产品，音乐播放类产品或者汽车类的引流连接，屏保资源管理模块再将屏保资源发送至屏保播放模块。

步骤S60，所述屏保播放模块将所述屏保资源进行推送。

在具体实现中，屏保播放模块将屏保管理模块发送的屏保资源推送至目标终端设备进行资源播放。

在本实施例中，通过主控模块发送工作指令给所述数据采集模块；数据采集模块根据所述工作指令采集用户的当前观看数据，并将所述当前观看数据发送至所述模型运行模块；所述模型运行模块对所述当前观看数据进行数据分析，得到用户喜好类型，并将所述用户喜好类型发送至所述结果处理模块；所述结果处理模块对所述用户喜好类型进行处理，得到用户喜好排名，并将所述用户喜好排名发送至所述屏保管理模块；所述屏保管理模块根据所述用户喜好排名推送相应的屏保资源，并将所述屏保资源发送至所述屏保播放模块；所述屏保播放模块将所述屏保资源进行推送。通过采集用户的观看数据，对观看数据进行准确识别处理，得到用户的观看喜好，根据用户观看喜好有针对性的进行智能机运营类屏保素材的推送，使屏保推送的内容与用户的喜好和需求产品一致。同时，能够大大提升用户点击屏保图片的可能性，提升用户在购物后台消费的可能性，增加一定的运营收入。

图5为本发明基于AI智能识别的屏保推送方法第二实施例的流程示意图，基于上述第一实施例，提出本发明基于AI智能识别的屏保推送方法第二实施例。

在本实施例中，所述数据采集模块包括识别模块、截屏模块以及录音模块，步骤S20包括：

步骤S201，所述识别模块识别所述用户的当前观看节目类型，当所述当前观看节目类型为纯音频类型时，将所述当前观看节目类型发送至录音模块。

需要说明的是，识别模块用于将用户当前观看节目类型进行分类，若当前观看节目类型为纯音频时，则将节目类型发送至录音模块，录音模块再进行录音操作。例如，用户当前在听取抒情类钢琴曲，则识别模块得到它为纯音频类型，识别模块将节目类型发送至录音模块，主控模块通知录音模块进行钢琴曲的片段录音操作。

步骤S202，所述录音模块根据所述当前观看节目类型以预置频率采集当前观看节目声纹，并将所述当前观看节目声纹作为当前观看数据。

在具体实现中，录音模块在获取到节目类型并接收到主控模块的工作指令后，以预置频率进行音频片段的录音操作，并将声纹音频数据发送给模型运行模块，预置频率可以为300ms/次，也可以是其他数据，本实施例对此不加以限制，但本实施例基于300ms/次进行说明，例如，用户在听取抒情类钢琴曲的时候，主控模块通知录音模块以300ms/次进行声纹音频数据的获取并传递给模型运行模块，模型运行模块根据钢琴曲的声纹片段中带有的特殊声纹信息进行场景识别，得到用户喜好节目类型。

进一步地，所述识别模块还识别所述用户的当前观看节目类型，当所述当前观看节目类型为非纯音频类型时，将所述当前观看节目类型发送至截屏模块；所述截屏模块根据所述当前观看节目类型以预置频率采集当前观看节目图像，并将所述当前观看节目图像作为当前观看数据。

需要说明的是，当识别模块识别到用户当前观看节目类型为非纯音频类型时，即有图像显示时，识别模块将节目类型发送至截屏模块，截屏模块再以预置频率进行截屏操作，并将截取的图片按照数据流格式提供给模型运行模块，预置频率可以为300ms/次，也可以是其他数据，本实施例对此不加以限制，但本实施例基于300ms/次进行说明，例如，用户观看是NBA赛事，则主控模块通知截屏模块以300ms/次的频率进行截屏操作，并将截取的带有左上角有典型NBA LOGO的图片按照数据流格式提供给模型运行模块，模型运行模块基于图片中的LOGO或者篮球因素进行场景判断识别，得到用户喜好类型。

在本实施例中，通过识别模块识别所述用户的当前观看节目类型，当所述当前观看节目类型为纯音频类型时，将所述当前观看节目类型发送至录音模块，所述录音模块根据所述当前观看节目类型以预置频率采集当前观看节目声纹，并将所述当前观看节目声纹作为当前观看数据，通过预先对节目类型进行分类，再通过不同的模块获取数据，提高了识别过程的工作效率及场景判断的准确率，能够更快更为准确的得到用户的喜好类型。

此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器(Read Only Memory，ROM)/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。