[发明专利]基于图像识别的用户感知评测方法及系统在审

专利信息
申请号: 202010169288.0 申请日: 2020-03-12
公开(公告)号: CN113392860A 公开(公告)日: 2021-09-14
发明(设计)人: 王钰龙;彭伟;李合顺;林琳;张吉成 申请(专利权)人: 中国移动通信集团山东有限公司;中国移动通信集团有限公司
主分类号: G06K9/62 分类号: G06K9/62;G06N3/08;G06T5/00
代理公司: 北京汇思诚业知识产权代理有限公司 11444 代理人: 冯伟
地址: 250001 山*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 图像 识别 用户 感知 评测 方法 系统
【权利要求书】:

1.一种基于图像识别的用户感知评测方法,其特征在于,所述方法包括:

采用自动拨测技术模拟终端侧的用户请求;

根据所述用户请求对所述终端侧进行抽样截图,获取抽样图像;

根据所述抽样图像判断识别用户感知,生成识别结果;

将所述识别结果上传拨测管理平台进行分析。

2.根据权利要求1所述的基于图像识别的用户感知评测方法,其特征在于,判断识别用户感知包括以下步骤:

对所述抽样图像的源文件进行图片预处理,过滤噪声,输出待特征提取内容;

判断所述待特征提取内容的类型,所述类型包括文字图像、图片图像和视频图像;

使用基于神经网络训练得到的加载图标分类器识别所述待特征提取内容中的待识别图像的加载图标数量,并据此输出识别结果;

对所述识别结果进行分类。

3.根据权利要求2所述的基于图像识别的用户感知评测方法,其特征在于,所述加载图标分类器的创建训练包括以下步骤:

创建反向传播神经网络;

基于所述类型收集六组不同特征的待训练图像;

将所述待训练图像按有无加载图标分为两类;

制作正负样本集,将包含加载图标的待训练图像作为正样本,将其余的待训练图像作为负样本;

将所述正样本和所述负样本打乱顺序随机输入所述反向传播神经网络进行训练;

判断所述正样本和所述负样本的识别准确率,若所述识别准确率不满足预设的要求,则再次进行训练,若所述识别准确率满足预设的要求,则训练结束。

4.根据权利要求2所述的基于图像识别的用户感知评测方法,其特征在于,对所述识别结果进行分类包括以下步骤:

若所述识别结果中的图像中,加载图标的数量等于所述待特征提取内容的数量,则所述抽样图像被分类为完全未加载成功;

若所述识别结果中的图像中,加载图标的数量小于所述待特征提取内容的数量,且加载图标的数量不等于零,则所述抽样图像被分类为部分加载成功;

若所述识别结果中的图像中,加载图标的数量等于零,则所述抽样图像被分为完全加载成功。

5.根据权利要求1所述的基于图像识别的用户感知评测方法,其特征在于,所述抽样截图包括以下步骤:

设定初始抽样周期;

动态调整所述抽样周期。

6.一种基于图像识别的用户感知评测系统,其特征在于,所述系统包括:

拨测模块,用于采用自动拨测技术模拟终端侧的用户请求;

抽样模块,用于根据所述用户请求对所述终端侧进行抽样截图,获取抽样图像;

判断识别模块,用于根据所述抽样图像判断识别用户感知,生成识别结果;

输出模块,用于将所述识别结果上传拨测管理平台进行分析。

7.根据权利要求6所述的基于图像识别的用户感知评测系统,其特征在于,所述判断识别模块还包括:

预处理单元,用于对所述抽样图像的源文件进行图片预处理,过滤噪声,输出待特征提取内容;

类型判断单元,用于判断所述待特征提取内容的类型,所述类型包括文字图像、图片图像和视频图像;

内容识别单元,用于使用基于神经网络训练得到的加载图标分类器识别所述待特征提取内容中的待识别图像的加载图标数量,并据此输出识别结果;

结果分类单元,用于对所述识别结果进行分类。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国移动通信集团山东有限公司;中国移动通信集团有限公司,未经中国移动通信集团山东有限公司;中国移动通信集团有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010169288.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top