基于机器学习算法的红外遥控器学习方法及系统与流程

技术特征：
1.基于机器学习算法的红外遥控器学习方法，其特征在于，包括如下步骤：s1、数据收集与etl：采集大量用户的红外遥控器使用行为数据以及外接设备数据；构建红外遥控器型号库、红外遥控协议库；进行数据特征工程处理，构建样本数据集；s2、模型训练：构建用于遥控器识别的多分类的深度神经网络；利用tensorflow以及所述样本数据集对红外遥控器多分类算法网络进行训练、验证，并生成红外遥控器型号识别模型；s3、模型部署：利用tf serving和docker部署红外遥控器型号识别模型的预测服务；s4、外界设备的红外遥控器识别：智能电视终端采集样本特征信息，并请求线上的tensorflow serving服务的红外遥控器型号识别模型。2.根据权利要求1所述的基于机器学习算法的红外遥控器学习方法，其特征在于，所述s1中的红外遥控器使用行为数据包括：红外遥控器的型号、按键信息、按键对应的红外遥控器信号、红外遥控器所使用的协议信息、红外遥控器的外观图像。3.根据权利要求2所述的基于机器学习算法的红外遥控器学习方法，其特征在于，所述s1中的外接设备数据包括：外接设备开机画面、外接设备菜单、外接设备遥控器按键信号、外接设备输出接口类型、外接设备使用时长、外接设备使用时段信息进行采集、地理位置信息、asn归属地信息。4.根据权利要求3所述的基于机器学习算法的红外遥控器学习方法，其特征在于，所述s1中，构建红外遥控器型号库、红外遥控协议库；进行数据特征工程处理，构建样本数据集具体包括：s1.1、根据红外遥控器型号、红外遥控器所使用的协议信息以及红外遥控器按键信号数据在云端构建红外遥控器型号库、红外遥控协议库以及扫描配置信息；s1.2、在外接设备源下，根据云端的扫描配置，智能电视终端红外接收模块尝试不同的协议，并检测是否有不同按键的红外信号；同时采集这些红外遥控器按键的信号上传到云端，通过红外遥控器型号库获取该红外遥控器型号索引；s1.3、利用hadoop大数据平台进行数据特征工程处理，形成样本数据集，并将样本数据集划分为模型训练集和验证集。5.根据权利要求4所述的基于机器学习算法的红外遥控器学习方法，其特征在于，所述s2包括：s2.1、训练样本数据集转换成tfrecord格式的数据集；s2.2、使用采集到的智能电视外接设备的开机画面、外观图像、红外遥控器外观图像的数据集训练vgg16网络；s2.3、样本数据集的地理位置信息、asn归属地信息、外接设备输出接口类型、外接设备使用时长、外接设备使用时段结合s2.2的特征，通过红外遥控器多分类算法网络结构，训练生成红外遥控器型号识别模型。6.根据权利要求5所述的基于机器学习算法的红外遥控器学习方法，其特征在于，所述s3包括：s3.1、定期同步模型训练的算法服务器上tensorflow平台所生成的红外遥控器型号识别模型到docker服务器上；
s3.2、在docker服务器上通过开源的应用容器引擎docker创建一个容器，并在容器中运行tensorflow serving服务，进而将训练好的红外遥控器型号识别模型直接上线并提供服务。7.根据权利要求6所述的基于机器学习算法的红外遥控器学习方法，其特征在于，所述s4包括：s4.1、智能电视终端采集的本机mac、外接设备输入接口、外接设备输入类型、地理位置、asn归属地、外接设备每周使用时长、外接设备常用时段、外接设备开机图像、外接设备外观图像、外接设备遥控器图像；s4.2、对s4.1采集到的的外接设备开机图像、外接设备外观图像、外接设备遥控器图像，通过对应的vgg16网络获取图像编号信息；s4.3、将s4.1和s4.2的特征信息传递给docker服务器的tensorflow serving服务的红外遥控器型号识别模型，获取红外遥控器型号的编号；s4.4、将s4.3获取的红外遥控器型号的编号通过远端服务器的红外遥控器型号库中获取对应的红外遥控器信息；s4.5、智能电视终端的蓝牙遥控器通过s4.4获取的红外遥控器信息，并通过这些信息控制电视的外接红外设备。8.一种基于机器学习算法的红外遥控器学习系统，其特征在于，包括人工智能服务器、带摄像头的智能电视、电视遥控器、智能电视外接设备、外接设备遥控器；所述电视遥控为蓝牙遥控器，其上安装了红外信号编码模块、红外信号调制模块、红外信号发射模块；所述智能电视上安装了红外接收接头；所述人工智能服务器包括hadoop大数据平台、tensorflow端到端的开源机器学习平台训练服务器、docker模型预测服务器；所述系统通过权利要求1-7中任意一项所述的基于机器学习算法的红外遥控器学习方法实现智能电视的蓝牙遥控器对智能电视外接红外遥控器的快速自动学习。

技术总结
本发明公开了基于机器学习算法的红外遥控器学习方法及系统，方法包括：采集大量用户的红外遥控器使用行为数据以及外接设备数据；构建红外遥控器型号库、红外遥控协议库；进行数据特征工程处理，构建样本数据集；构建用于遥控器识别的多分类的深度神经网络；利用Tensorflow以及所述样本数据集对红外遥控器多分类算法网络进行训练、验证，并生成红外遥控器型号识别模型；利用TFServing和docker部署红外遥控器型号识别模型的预测服务；智能电视终端采集样本特征信息，并请求线上的TensorflowServing服务的红外遥控器型号识别模型。本发明使用户无需通过繁琐复杂的遥控器对码学习过程，系统自动学习智能电视外接设备的红外遥控器的按键编码以及对应的功能。的红外遥控器的按键编码以及对应的功能。的红外遥控器的按键编码以及对应的功能。


技术研发人员：陈灵 白明明
受保护的技术使用者：四川长虹电器股份有限公司
技术研发日：2021.11.29
技术公布日：2022/2/24