CN105472405A - 提醒生成方法及装置 - Google Patents

Abstract

本公开揭示了一种提醒生成方法及装置，属于图像分析领域。所述提醒生成方法包括：从指定视频提取n个图像帧；根据n个图像帧计算指定视频的视频质量指数，视频质量指数用于指示指定视频的质量；若指定视频的视频质量指数小于阈值，则生成删除提醒。本公开解决了大量没有意义的视频存储在云服务器中，造成云服务器存储资源浪费的问题；达到了对存储的视频进行分析，并根据分析结果提示用户删除质量较差的视频，从而释放云服务器的存储空间，提高云服务器中存储视频的质量。

Description

提醒生成方法及装置

技术领域

本公开涉及图像分析领域，特别涉及一种提醒生成方法及装置。

背景技术

随着移动终端拍摄性能的不断提升，越来越多的用户开始使用移动终端进行视频拍摄。

为了节省移动终端中有限的存储空间，用户通常将拍摄的视频上传到云服务器中，当用户需要查看或下载视频时，只需要访问该云服务器即可。但是云服务器中存储有大量没有意义的视频，造成云服务器存储资源的浪费。

发明内容

本公开提供一种提醒生成方法及装置。所述技术方案如下：

根据本公开实施例的第一方面，提供一种提醒生成方法，该方法包括：

从指定视频提取n个图像帧；

根据n个图像帧计算指定视频的视频质量指数，视频质量指数用于指示指定视频的质量；

若指定视频的视频质量指数小于阈值，则生成删除提醒。

在一个可选的实施例中，根据n个图像帧计算指定视频的视频质量指数，包括：

根据n个图像帧的预定参数计算指定视频的视频质量参数，其中，预定参数包括如下三种参数中的至少一种：

目标关键词对应图像帧的数量占指定视频的总帧数的比例，目标关键词是与指定视频的视频内容所对应的关键词；

目标关键词与指定视频的存储名称之间的关联指数；

模糊图像帧的数量占指定视频的总帧数的比例。

在一个可选的实施例中，预定参数包括：目标关键词对应图像帧的数量占指定视频的总帧数的比例；

根据n个图像帧的预定参数计算指定视频的视频质量参数，包括：

对n个图像帧进行标定处理，标定处理用于标定图像帧对应拍摄内容的关键词；

统计指定视频中各个关键词对应图像帧的数量；

根据各个关键词对应图像帧的数量确定指定视频对应的目标关键词；

根据目标关键词对应图像帧的数量占指定视频的总帧数的比例，计算视频质量指数。

在一个可选的实施例中，预定参数包括：目标关键词与指定视频的存储名称之间的关联指数；

根据n个图像帧的预定参数计算指定视频的视频质量参数，包括：

对n个图像帧进行标定处理，标定处理用于标定图像帧对应拍摄内容的关键词；

统计指定视频中各个关键词对应图像帧的数量；

根据各个关键词对应图像帧的数量确定指定视频对应的目标关键词；

根据目标关键词与指定视频的存储名称之间的关联指数，计算视频质量指数。

在一个可选的实施例中，预定参数包括：模糊图像帧的数量占指定视频的总帧数的比例；

根据n个图像帧的预定参数计算指定视频的视频质量参数，包括：

对n个图像帧进行模糊判定，得到模糊图像帧；

统计模糊图像帧的数量；

根据模糊图像帧的数量占指定视频的总帧数的比例，计算视频质量指数。

在一个可选的实施例中，生成删除提醒，包括：

获取上传指定视频的终端对应的云端剩余存储空间；

当云端剩余存储空间小于预设空间阈值时，或，当接收到终端发送的视频上传请求且待上传视频的预计占用空间小于云端剩余存储空间时，生成删除提醒。

根据本公开实施例的第二方面，提供一种提醒生成装置，该装置包括：

提取模块，被配置为从指定视频提取n个图像帧；

计算模块，被配置为根据n个图像帧计算指定视频的视频质量指数，视频质量指数用于指示指定视频的质量；

生成模块，被配置为若指定视频的视频质量指数小于阈值，则生成删除提醒。

在一个可选的实施例中，计算模块，被配置为根据n个图像帧的预定参数计算指定视频的视频质量参数，其中，预定参数包括如下三种参数中的至少一种：

目标关键词对应图像帧的数量占指定视频的总帧数的比例，目标关键词是与指定视频的视频内容所对应的关键词；

目标关键词与指定视频的存储名称之间的关联指数；

模糊图像帧的数量占指定视频的总帧数的比例。

在一个可选的实施例中，预定参数包括：目标关键词对应图像帧的数量占指定视频的总帧数的比例；

计算模块，包括：

第一标定子模块，被配置为对n个图像帧进行标定处理，标定处理用于标定图像帧对应拍摄内容的关键词；

第一统计子模块，被配置为统计指定视频中各个关键词对应图像帧的数量；

第一确定子模块，被配置为根据各个关键词对应图像帧的数量确定指定视频对应的目标关键词；

第一计算子模块，被配置为根据目标关键词对应图像帧的数量占指定视频的总帧数的比例，计算视频质量指数。

在一个可选的实施例中，预定参数包括：目标关键词与指定视频的存储名称之间的关联指数；

计算模块，包括：

第二标定子模块，被配置为对n个图像帧进行标定处理，标定处理用于标定图像帧对应拍摄内容的关键词；

第二统计子模块，被配置为统计指定视频中各个关键词对应图像帧的数量；

第二确定子模块，被配置为根据各个关键词对应图像帧的数量确定指定视频对应的目标关键词；

第二计算子模块，被配置为根据目标关键词与指定视频的存储名称之间的关联指数，计算视频质量指数。

在一个可选的实施例中，预定参数包括：模糊图像帧的数量占指定视频的总帧数的比例；

计算模块，包括：

判定子模块，被配置为对n个图像帧进行模糊判定，得到模糊图像帧；

第三统计子模块，被配置为统计模糊图像帧的数量；

第三计算子模块，被配置为根据模糊图像帧的数量占指定视频的总帧数的比例，计算视频质量指数。

在一个可选的实施例中，生成模块，包括：

获取子模块，被配置为获取上传指定视频的终端对应的云端剩余存储空间；

生成子模块，被配置为当云端剩余存储空间小于预设空间阈值时，或，当接收到终端发送的视频上传请求且待上传视频的预计占用空间小于云端剩余存储空间时，生成删除提醒。

根据本公开实施例的第三方面，提供一种提醒生成装置，该装置包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，处理器被配置为：

从指定视频提取n个图像帧；

根据n个图像帧计算指定视频的视频质量指数，视频质量指数用于指示指定视频的质量；

若指定视频的视频质量指数小于阈值，则生成删除提醒。

本公开的实施例提供的技术方案可以包括以下有益效果：

通过将视频分解成图像帧，根据各个图像帧计算该视频的视频质量指数，并根据该视频质量指数确定该视频的质量，在视频质量较差的情况下，生成针对该视频的删除提醒；解决了大量没有意义的视频存储在云服务器中，造成云服务器存储资源浪费的问题；达到了对存储的视频进行分析，并根据分析结果提示用户删除质量较差的视频，从而释放云服务器的存储空间，提高云服务器中存储视频的质量。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并于说明书一起用于解释本公开的原理。

图1是根据一示例性实施例示出的一种提醒生成方法的流程图；

图2A是根据另一示例性实施例示出的一种提醒生成方法的流程图；

图2B是图2A提供提醒方法所涉及的删除提醒生成过程的流程图；

图2C是图2A提供提醒方法的实施示意图；

图3是根据再一示例性实施例示出的一种提醒生成方法的流程图；

图4是根据又一示例性实施例示出的一种提醒生成方法的流程图；

图5是根据还一示例性实施例示出的一种提醒生成方法的流程图；

图6是根据一示例性实施例示出的一种提醒生成装置的框图；

图7是根据另一示例性实施例示出的一种提醒生成装置的框图；

图8是根据再一示例性实施例示出的一种提醒生成装置的框图；

图9是根据又一示例性实施例示出的一种提醒生成装置的框图；

图10是根据一示例性实施例示出的一种提醒生成装置的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

图1是根据一示例性实施例示出的一种提醒生成方法的流程图，如图1所示，该提醒生成方法包括以下几个步骤。

在步骤101中，从指定视频提取n个图像帧；

在步骤102中，根据n个图像帧计算指定视频的视频质量指数，视频质量指数用于指示指定视频的质量；

其中，云服务器根据n个图像帧计算指定视频的视频质量指数时，可以根据n个图像帧的预定参数计算该指定视频的视频质量参数，其中，预定参数包括如下三种参数中的至少一种：

1、目标关键词对应图像帧的数量占指定视频的总帧数的比例，目标关键词是与指定视频的视频内容所对应的关键词；

2、目标关键词与指定视频的存储名称之间的关联指数；

3、模糊图像帧的数量占指定视频的总帧数的比例。

在步骤103中，若指定视频的视频质量指数小于阈值，则生成删除提醒。

若指定视频的视频质量指数大于阈值，则确定该指定视频为高质量视频，不再生成删除提醒。

综上所述，本实施例提供的提醒生成方法，通过将视频分解成图像帧，根据各个图像帧计算该视频的视频质量指数，并根据该视频质量指数确定该视频的质量，在视频质量较差的情况下，生成针对该视频的删除提醒；解决了大量没有意义的视频存储在云服务器中，造成云服务器存储资源浪费的问题；达到了对存储的视频进行分析，并根据分析结果提示用户删除质量较差的视频，从而释放云服务器的存储空间，提高云服务器中存储视频的质量。

图2A是根据另一示例性实施例示出的一种提醒生成方法的流程图，本实施例以视频质量指数根据目标关键词对应图像帧的数量占总帧数的比例计算得到为例进行说明，如图2A所示，该提醒生成方法包括以下几个步骤。

在步骤201中，从指定视频提取n个图像帧。

云服务器接收到终端上传的视频时，即对该视频进行视频解码，并从该视频中提取出n个图像帧。其中，该n个图像帧可以为指定视频中包含的所有图像帧，也可以是指定视频中的部分图像帧。

比如，当云服务器对指定视频进行视频解码时，若检测到该指定视频中包含有片头和片尾，云服务器即提取该指定视频中除片头和片尾以外的所有图像帧；若检测到该指定视频中不包含有片头和片尾，云服务器即提取该指定视频包含的所有图像帧。

需要说明的是，云服务器也可以在存储空间占用率达到阈值时，对从存储的视频中提取图像帧，本公开并不对云服务器提取图像帧的时机进行限定。

在步骤202中，对n个图像帧进行标定处理，标定处理用于标定图像帧对应拍摄内容的关键词。

云服务器从指定视频中提取出n帧图像帧后，采用图像标定技术对各个图像帧进行标定处理，标定出各个图像帧各自对应的至少一个关键词。其中，该图像标定技术可以是基于CNN(ConvolutionalNeuralNetworks，卷积神经网络)深度学习的图像标定技术，本公开并不对采用的图像标定技术进行限定。

另外，云服务器中还可以预先建立有关键词库，当识别出图像帧中包含的拍摄内容时，云服务器即在关键词库中查找与该拍摄内容匹配的关键词。比如，当识别出图像帧001中包含的拍摄内容为猫时，云服务器将关键词库中的关键词“宠物”为图像帧001的关键词；当识别出图像帧003中包含的拍摄内容为狗时，云服务器将关键词库中的关键词“宠物”为图像帧003的关键词。

在步骤203中，统计指定视频中各个关键词对应图像帧的数量。

云服务器对n个图像帧进行标定处理后，对指定视频包含的各个关键词对应图像帧的数量进行统计，示意性的，指定视频中各个关键词对应图像帧的数量可以如表一所示。

表一

关键词	图像帧数量
		宠物	534
风景	438
		人物	96

在步骤204中，根据各个关键词对应图像帧的数量确定指定视频对应的目标关键词。

在一种可能的实施方式中，云服务器对各个关键词对应图像帧的数量进行统计后，将对应图像帧数量最多的关键词确定为该指定视频的目标关键词。

比如，如表一所示，指定视频中关键词“宠物”对应的图像帧的数量最多，云服务器即将“宠物”确定为该指定视频的目标关键词。

需要说明的是，在其他可能的实施方式中，云服务器也可以按照对应图像帧数量的降序，对关键词进行排序，并将排序后的前i个关键词确定为目标关键词，本公开对此并不进行限定。

在步骤205中，根据目标关键词对应图像帧的数量占指定视频的总帧数的比例，计算视频质量指数。

用户拍摄视频时，拍摄的目标物体在视频中出现的时长通常较长，比如，当用户拍摄宠物玩耍时，宠物在视频中会占据大量时长。若目标物体在视频中出现的时长较短，则可以认为该视频主题不明确。

指定视频对应的目标关键词即为该视频的拍摄目标，进一步的，云服务器根据目标关键词对应图像帧的数量和指定视频的总帧数，计算目标物体所占时长占指定视频总时长的比例。

比如，云服务器确定“宠物”为指定视频的目标关键词，且“宠物”对应图像帧的数量为534，指定视频的总帧数为1200，计算得到目标关键词对应图像帧的数量占指定视频的总帧数的比例为534/1200＝0.445。

云服务器计算得到该比例后，可以直接将该比例作为视频质量指数，也可以对该比例进行处理后得到视频质量指数(比如将该比例乘以预定系数)，本公开并不对此进行限定。

在步骤206中，若指定视频的视频质量指数小于阈值，则生成删除提醒。

计算得到指定视频的视频质量指数后，云服务器检测该视频质量指数与预设阈值之间的大小关系，若指定视频的视频质量指数大于该阈值，云服务器即确定该指定视频主题明确，并对该指定视频进行存储；若指定视频的视频质量指数小于阈值，云服务器即确定该指定视频主题不明确，并生成删除提醒，提醒上传该指定视频的用户删除该视频。

由于每个用户在云服务器中的存储空间有限，为了提高存储空间中存储视频的质量，云服务器可以在用户对应云端剩余存储空间较小，或在用户上传新视频时，生成删除提醒，以提醒用户对质量较差的视频进行删除。在一种可能的实施方式中，如图2B本步骤可以包括如下步骤。

在步骤206A中，获取上传指定视频的终端对应的云端剩余存储空间。

云服务器确定指定视频的视频质量指数小于阈值时，获取上传该指定视频的终端对应的云端剩余存储空间。

在步骤206B中，当该云端剩余存储空间小于预设空间阈值时，生成删除提醒。

比如，当预设空间阈值为200MB，当当前云端剩余存储空间为150MB时，云服务器即可生成删除提醒，该删除提醒中包括指定视频的存储名称、指定视频大小等等。

在步骤206C中，当接收到终端发送的视频上传请求且待上传视频的预计占用空间小于该云端剩余存储空间时，生成删除提醒。

当上传该指定视频的终端再次向云服务器发送视频上传请求时，云服务器获取该视频上传请求中携带的预计占用空间，当该预计占用空间小于云端剩余存储空间时，为了保证视频的正常上传，云服务器生成删除提醒，并将该删除提醒发送至用户终端，提醒用户删除质量较差的视频。

如图2C所示，云服务器向终端21发送删除提醒22后，终端21对该删除提醒22进行显示，该删除提醒22中包含视频名称及视频大小。

综上所述，本实施例提供的提醒生成方法，通过将视频分解成图像帧，根据各个图像帧计算该视频的视频质量指数，并根据该视频质量指数确定该视频的质量，在视频质量较差的情况下，生成针对该视频的删除提醒；解决了大量没有意义的视频存储在云服务器中，造成云服务器存储资源浪费的问题；达到了对存储的视频进行分析，并根据分析结果提示用户删除质量较差的视频，从而释放云服务器的存储空间，提高云服务器中存储视频的质量。

本实施例中，通过对指定视频的各个图像帧进行图像分析，从而确定各个图像帧的关键词，并进一步根据各个关键词对应图像帧的数量确定指定视频的目标关键词，当目标关键词对应图像帧的数量占总帧数的比例较小时，确定该指定视频主题不明确，并生成针对该指定视频的删除提醒，从而提高云服务器中存储视频的质量。

图3是根据再一示例性实施例示出的一种提醒生成方法的流程图，本实施例以视频质量指数根据目标关键词与指定视频的存储名称之间的关联指数计算得到为例进行说明，如图3所示，该提醒生成方法包括以下几个步骤。

在步骤301中，从指定视频提取n个图像帧。

在步骤302中，对n个图像帧进行标定处理，标定处理用于标定图像帧对应拍摄内容的关键词。

在步骤303中，统计指定视频中各个关键词对应图像帧的数量。

在步骤304中，根据各个关键词对应图像帧的数量确定指定视频对应的目标关键词。

上述步骤301至步骤304的实施方式与步骤201至步骤204相似，在此不再赘述。

在步骤305中，根据目标关键词与指定视频的存储名称之间的关联指数，计算视频质量指数。

为了方便日后查看，用户上传视频时，都会给视频设置一个存储名称，而该存储名称通常与视频的拍摄主题对应。因此，云服务器可以根据预设关联度计算方法，计算指定视频的目标关键词与存储名称之间的关联指数，并根据该关联指数确定指定视频的主题是否明确。

作为一种可能的实施方式，云服务器获取指定视频的存储名称后，对该存储名称进行语义分析，从而确定该存储名称中的中心词，并计算该中心词与目标关键词的关联指数。比如，指定视频的存储名称为“小狗接飞盘”，云服务器确定该存储名称的中心为“小狗”，且获取到指定视频的目标关键词为“宠物”，云服务器计算得到“小狗”和“宠物”的关联指数为95％。

计算得到该关联指数后，云服务器可以直接将该关联指数作为视频质量指数，也可以对该关联指数进行处理后得到视频质量指数(比如将该关联指数乘以预定系数)，本公开并不对此进行限定。

在步骤306中，若指定视频的视频质量指数小于阈值，则生成删除提醒。

相应的，若指定视频的视频质量指数大于该阈值，云服务器即确定该指定视频主题明确，并对该指定视频进行存储；若指定视频的视频质量指数小于阈值，云服务器即确定该指定视频主题不明确，并生成删除提醒，提醒上传该指定视频的用户删除该视频。本步骤的实施方式与上述步骤206相似，在此不再赘述。

综上所述，本实施例提供的提醒生成方法，通过将视频分解成图像帧，根据各个图像帧计算该视频的视频质量指数，并根据该视频质量指数确定该视频的质量，在视频质量较差的情况下，生成针对该视频的删除提醒；解决了大量没有意义的视频存储在云服务器中，造成云服务器存储资源浪费的问题；达到了对存储的视频进行分析，并根据分析结果提示用户删除质量较差的视频，从而释放云服务器的存储空间，提高云服务器中存储视频的质量。

本实施例中，通过对指定视频的各个图像帧进行图像分析，从而确定各个图像帧的关键词，并进一步根据各个关键词对应图像帧的数量确定指定视频的目标关键词，当目标关键词与指定视频存储名称的关联较小时，确定该指定视频主题不明确，并生成针对该指定视频的删除提醒，从而提高云服务器中存储视频的质量。

图4是根据又一示例性实施例示出的一种提醒生成方法的流程图，本实施例以视频质量指数根据模糊图像帧的数量占指定视频的总帧数的比例计算得到为例进行说明，如图4所示，该提醒生成方法包括以下几个步骤。

在步骤401中，从指定视频提取n个图像帧。

本步骤的实施方式与上述步骤201相似，在此不再赘述。

在步骤402中，对n个图像帧进行模糊判定，得到模糊图像帧。

用户拍摄视频时，由于晃动等原因，视频画面会模糊，而画面模糊的视频给用户观感较差，且意义较小，因此，云服务器可以对指定视频的各个图像帧进行模糊判定，并从中筛选出模糊图像帧。

其中，云服务器可以采用诸如统计图像梯度占比一类成熟的模糊判定技术对视频帧进行模糊判定，本公开并不对此进行限定。

在步骤403中，统计模糊图像帧的数量。

在步骤404中，根据模糊图像帧的数量占指定视频的总帧数的比例，计算视频质量指数。

根据统计得到的模糊图像帧的数量，云服务器计算模糊图像帧的数量占总帧数的比例，即计算该指定视频的模糊图像比例，进一步的，云服务器根据该模糊图像比例计算指定视频的清晰图像比例，并根据该清晰图像比例确定指定视频的视频质量指数。

比如，云服务器统计得到的模糊图像帧的数量为534，且指定视频的总帧数为1200帧，云服务器可以计算得到指定视频的模糊图像比例为534/1200＝0.445，该指定视频的清晰图像比例即为1-0.445＝0.555。

在步骤405中，若指定视频的视频质量指数小于阈值，则生成删除提醒。

与上述步骤206相似的，若指定视频的视频质量指数大于该阈值，云服务器即确定该指定视频为清晰视频，并对该指定视频进行存储；若指定视频的视频质量指数小于阈值，云服务器即确定该指定视频为模糊视频，并生成删除提醒，提醒上传该指定视频的用户删除该视频。

需要说明的是，由于视频中模糊图像比例还与拍摄的内容有关，比如，当拍摄高速运动的物体时，由于镜头需要快速移动，导致模糊图像比例较高；而拍摄静态风景时，由于镜头移动较为平稳，拍摄视频的模糊图像比例通常较小。因此，云服务器可以设置有至少两级阈值，当检测到指定视频的拍摄内容为动态内容时，使用第一阈值与视频质量指数进行比较；当检测到指定视频的拍摄内容为静态内容时，使用第二阈值与视频质量指数进行比较，其中，第一阈值＜第二阈值。

综上所述，本实施例提供的提醒生成方法，通过将视频分解成图像帧，根据各个图像帧计算该视频的视频质量指数，并根据该视频质量指数确定该视频的质量，在视频质量较差的情况下，生成针对该视频的删除提醒；解决了大量没有意义的视频存储在云服务器中，造成云服务器存储资源浪费的问题；达到了对存储的视频进行分析，并根据分析结果提示用户删除质量较差的视频，从而释放云服务器的存储空间，提高云服务器中存储视频的质量。

本实施例中，通过对指定视频的各个图像帧进行模糊判定，并统计模糊图像帧的数量，当模糊图像帧的数量占总帧数的比例较大时，确定该指定视频拍摄质量较差，并生成针对该指定视频的删除提醒，从而提高云服务器中存储视频的质量。

为了提高计算得到的视频质量指数的准确性，云服务器可以同时计算得到目标关键词对应图像帧的数量占指定视频的总帧数的比例、目标关键词与指定视频的存储名称之间的关联指数以及模糊图像帧的数量占指定视频的总帧数的比例，并对三者进行加权计算得到指定视频的视频质量指数。下面采用一个示例性实施例进行说明。

图5是根据还一示例性实施例示出的一种提醒生成方法的流程图，如图5所示，该提醒生成方法包括以下几个步骤。

在步骤501中，从指定视频提取n个图像帧。

在步骤502中，对n个图像帧进行标定处理，标定处理用于标定图像帧对应拍摄内容的关键词。

在步骤503中，统计指定视频中各个关键词对应图像帧的数量。

在步骤504中，根据各个关键词对应图像帧的数量确定指定视频对应的目标关键词。

在步骤505中，计算目标关键词对应图像帧的数量占指定视频的总帧数的比例。

上述步骤501至步骤505的实施方式与步骤201至步骤205相似，在此不再赘述。

在步骤506中，计算目标关键词与指定视频的存储名称之间的关联指数。

本步骤的实施方式与上述步骤305相似，在此不再赘述。

在步骤507中，对n个图像帧进行模糊判定，得到模糊图像帧。

在步骤508中，统计模糊图像帧的数量。

在步骤509中，计算模糊图像帧的数量占指定视频的总帧数的比例。

上述步骤507至步骤509的实施方式与步骤402至步骤404相似，在此不再赘述。

在步骤510中，对目标关键词对应图像帧的数量占指定视频的总帧数的比例、目标关键词与指定视频的存储名称之间的关联指数以及模糊图像帧的数量占指定视频的总帧数的比例进行加权计算，得到视频质量指数。

当云服务器同时计算得到三个预定参数时，需要根据各个预定参数及其对应的权重值，加权计算得到视频质量指数。需要说明的是，本实施例中，需要预先根据模糊图像帧的数量占指定视频的总帧数的比例计算得到清晰图像帧的数量占指定视频的总帧数的比例。

在一种可能的实施方式中，三个预定参数对应权重值的大小关系如下：第三预定参数(清晰图像帧的数量占指定视频的总帧数的比例)＞第一预定参数(目标关键词对应图像帧的数量占指定视频的总帧数的比例)＞第二预定参数(目标关键词与指定视频的存储名称之间的关联指数)。

比如，第一预定参数的权重为0.3，第二预定参数的权重为0.1，第三预定参数的权重为0.6，且第一预定参数为0.7，第二预定参数为0.85，第三预定参数为0.80，则指定视频的视频质量指数为0.3*0.7+0.1*0.85+0.6*0.8＝0.21+0.085+0.48＝0.775。

在步骤511中，若指定视频的视频质量指数小于阈值，则生成删除提醒。

综上所述，本实施例提供的提醒生成方法，通过将视频分解成图像帧，根据各个图像帧计算该视频的视频质量指数，并根据该视频质量指数确定该视频的质量，在视频质量较差的情况下，生成针对该视频的删除提醒；解决了大量没有意义的视频存储在云服务器中，造成云服务器存储资源浪费的问题；达到了对存储的视频进行分析，并根据分析结果提示用户删除质量较差的视频，从而释放云服务器的存储空间，提高云服务器中存储视频的质量。

本实施例中，通过同时计算目标关键词对应图像帧的数量占指定视频的总帧数的比例、目标关键词与指定视频的存储名称之间的关联指数以及模糊图像帧的数量占指定视频的总帧数的比例，并对这三者进行加权计算得到指定视频的视频质量指数，从而进一步提高了计算得到的视频质量指数的准确性。

需要说明的是，本实施例仅以同时根据上述三种预定参数计算得到视频质量指数为例进行说明，在其他可能的实施方式中，云服务器还可以根据任意两种预定参数计算得到视频质量指数，本公开并不对此进行限定。

下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。

图6是根据一示例性实施例示出的一种提醒生成装置的框图，如图6所示，该提醒生成装置包括但不限于：

提取模块610，被配置为从指定视频提取n个图像帧；

计算模块620，被配置为根据n个图像帧计算指定视频的视频质量指数，视频质量指数用于指示指定视频的质量；

其中，计算模块620根据n个图像帧计算指定视频的视频质量指数时，可以根据n个图像帧的预定参数计算该指定视频的视频质量参数，其中，预定参数包括如下三种参数中的至少一种：

1、目标关键词对应图像帧的数量占指定视频的总帧数的比例，目标关键词是与指定视频的视频内容所对应的关键词；

2、目标关键词与指定视频的存储名称之间的关联指数；

3、模糊图像帧的数量占指定视频的总帧数的比例。

生成模块630，被配置为若指定视频的视频质量指数小于阈值，则生成删除提醒。

若指定视频的视频质量指数大于阈值，则确定该指定视频为高质量视频，不再生成删除提醒；若指定视频的视频质量指数小于阈值，则确定该指定视频为低质量视频，生成模块630生成删除提醒。

综上所述，本实施例提供的提醒生成装置，通过将视频分解成图像帧，根据各个图像帧计算该视频的视频质量指数，并根据该视频质量指数确定该视频的质量，在视频质量较差的情况下，生成针对该视频的删除提醒；解决了大量没有意义的视频存储在云服务器中，造成云服务器存储资源浪费的问题；达到了对存储的视频进行分析，并根据分析结果提示用户删除质量较差的视频，从而释放云服务器的存储空间，提高云服务器中存储视频的质量。

图7是根据另一示例性实施例示出的一种提醒生成装置的框图，如图7所示，该提醒生成装置包括但不限于：

提取模块710，被配置为从指定视频提取n个图像帧。

提取模块710可以在检测到终端上传视频时，对该视频进行视频解码，并从该视频中提取出n个图像帧。其中，该n个图像帧可以为指定视频中包含的所有图像帧，也可以是指定视频中的部分图像帧。

比如，对指定视频进行视频解码时，若检测到该指定视频中包含有片头和片尾，提取模块710即提取该指定视频中除片头和片尾以外的所有图像帧；若检测到该指定视频中不包含有片头和片尾，提取模块710即提取该指定视频包含的所有图像帧。

需要说明的是，提取模块710也可以在云服务器中存储空间占用率达到阈值时，对从存储的视频中提取图像帧，本公开并不对提取模块710提取图像帧的时机进行限定。

计算模块720，被配置为根据n个图像帧计算指定视频的视频质量指数，视频质量指数用于指示指定视频的质量；

其中，计算模块720根据n个图像帧计算指定视频的视频质量指数时，可以根据n个图像帧的预定参数计算该指定视频的视频质量参数，其中，预定参数包括如下三种参数中的至少一种：

1、目标关键词对应图像帧的数量占指定视频的总帧数的比例，目标关键词是与指定视频的视频内容所对应的关键词；

2、目标关键词与指定视频的存储名称之间的关联指数；

3、模糊图像帧的数量占指定视频的总帧数的比例。

生成模块730，被配置为若指定视频的视频质量指数小于阈值，则生成删除提醒。

本实施例中，该预定参数包括：目标关键词对应图像帧的数量占指定视频的总帧数的比例；

计算模块720，包括：

第一标定子模块721，被配置为对n个图像帧进行标定处理，标定处理用于标定图像帧对应拍摄内容的关键词。

第一标定子模块721采用图像标定技术，对提取模块710提取的n个图像帧进行标定处理，标定出各个图像帧对应拍摄内容各自对应的至少一个关键词。其中，该图像标定技术可以是基于CNN深度学习的图像标定技术，本公开并不对采用的图像标定技术进行限定。

需要说明的是，当第一标定子模块721识别出图像帧中包含的拍摄内容时，可以在预先建立的关键词库中查找与该拍摄内容匹配的关键词。比如，当识别出图像帧001中包含的拍摄内容为猫时，第一标定子模块721将关键词库中的关键词“宠物”为图像帧001的关键词；当识别出图像帧003中包含的拍摄内容为狗时，第一标定子模块721将关键词库中的关键词“宠物”为图像帧003的关键词。

第一统计子模块722，被配置为统计指定视频中各个关键词对应图像帧的数量。

n个图像帧经过第一标定子模块721处理后，第一统计子模块722即对指定视频包含的各个关键词对应图像帧的数量进行统计。

第一确定子模块723，被配置为根据各个关键词对应图像帧的数量确定指定视频对应的目标关键词。

第一统计子模块722对各个关键词对应图像帧的数量进行统计后，第一确定子模块723将对应图像帧数量最多的关键词确定为该指定视频的目标关键词。

比如，指定视频中关键词“宠物”对应的图像帧的数量最多，第一确定子模块723即将“宠物”确定为该指定视频的目标关键词。

需要说明的是，在其他可能的实施方式中，第一统计子模块722也可以按照对应图像帧数量的降序，对关键词进行排序，第一确定子模块723将排序后的前i个关键词确定为目标关键词，本公开对此并不进行限定。

第一计算子模块724，被配置为根据目标关键词对应图像帧的数量占指定视频的总帧数的比例，计算视频质量指数。

用户拍摄视频时，拍摄的目标物体在视频中出现的时长通常较长，比如，当用户拍摄宠物玩耍时，宠物在视频中会占据大量时长。若目标物体在视频中出现的时长较短，则可以认为该视频主题不明确。

指定视频对应的目标关键词即为指定视频的拍摄主题，进一步的，第一计算子模块724根据第一确定子模块723确定的目标关键词对应图像帧的数量和指定视频的总帧数，计算拍摄主题所占时长占指定视频总时长的比例。

比如，第一确定子模块723确定“宠物”为指定视频的目标关键词，且“宠物”对应图像帧的数量为534，指定视频的总帧数为1200，第一计算子模块724计算得到目标关键词对应图像帧的数量占指定视频的总帧数的比例为534/1200＝0.445。

第一计算子模块724计算得到该比例后，可以直接将该比例作为视频质量指数，也可以对该比例进行处理后得到视频质量指数(比如将该比例乘以预定系数)，本公开并不对此进行限定。

本实施例中，生成模块730包括：

获取子模块731，被配置为获取上传指定视频的终端对应的云端剩余存储空间。

当计算模块720计算得到的视频质量指数小于阈值时，获取子模块731即获取上传该指定视频的终端对应的云端剩余存储空间。

生成子模块732，被配置为当云端剩余存储空间小于预设空间阈值时，或，当接收到终端发送的视频上传请求且待上传视频的预计占用空间小于云端剩余存储空间时，生成删除提醒。

作为一种可能的实施方式，当云端剩余存储空间小于预设空间阈值时，生成子模块732即生成删除提醒。比如，当预设空间阈值为200MB，当当前云端剩余存储空间为150MB时，生成子模块732即可生成删除提醒，该删除提醒中包括指定视频的存储名称、指定视频大小等等。

作为另一种可能的实施方式，当上传该指定视频的终端再次向云服务器发送视频上传请求时，生成子模块732获取该视频上传请求中携带的预计占用空间，当该预计占用空间小于云端剩余存储空间时，为了保证视频的正常上传，生成子模块732生成删除提醒，并将该删除提醒发送至用户终端，提醒用户删除质量较差的视频。

综上所述，本实施例提供的提醒生成装置，通过将视频分解成图像帧，根据各个图像帧计算该视频的视频质量指数，并根据该视频质量指数确定该视频的质量，在视频质量较差的情况下，生成针对该视频的删除提醒；解决了大量没有意义的视频存储在云服务器中，造成云服务器存储资源浪费的问题；达到了对存储的视频进行分析，并根据分析结果提示用户删除质量较差的视频，从而释放云服务器的存储空间，提高云服务器中存储视频的质量。

本实施例中，通过对指定视频的各个图像帧进行图像分析，从而确定各个图像帧的关键词，并进一步根据各个关键词对应图像帧的数量确定指定视频的目标关键词，当目标关键词对应图像帧的数量占总帧数的比例较小时，确定该指定视频主题不明确，并生成针对该指定视频的删除提醒，从而提高云服务器中存储视频的质量。

基于图7所示的实施例，预定参数还可以包括：目标关键词与指定视频的存储名称之间的关联指数；

如图8所示，计算模块720，还可以包括：

第二标定子模块821，被配置为对n个图像帧进行标定处理，标定处理用于标定图像帧对应拍摄内容的关键词；

第二标定子模块821对提取模块710提取的n个图像帧进行标定处理，标定出各个图像帧对应拍摄内容的关键词。

第二统计子模块822，被配置为统计指定视频中各个关键词对应图像帧的数量；

第二统计子模块822根据第二标定子模块821的标定结果，统计指定视频中各个关键词对应图像帧的数量，并按照该数量大小，对各个关键词进行排序。

第二确定子模块823，被配置为根据各个关键词对应图像帧的数量确定指定视频对应的目标关键词；

第二确定子模块823根据第二统计子模块822的统计结果，将对应图像帧的数量最多的关键词确定为目标关键词。

需要说明的是，在其他可能的实施方式中，第二统计子模块822也可以按照对应图像帧数量的降序，对关键词进行排序，第二确定子模块823将排序后的前i个关键词确定为目标关键词，本公开对此并不进行限定。

第二计算子模块824，被配置为根据目标关键词与指定视频的存储名称之间的关联指数，计算视频质量指数。

为了方便日后查看，用户上传视频时，都会给视频设置一个存储名称，而该存储名称通常与视频的拍摄主题对应。因此，第二计算子模块824可以根据预设关联度计算方法，计算指定视频的目标关键词与存储名称之间的关联指数，并根据该关联指数确定指定视频的主题是否明确。

第二计算子模块824获取指定视频的存储名称后，对该存储名称进行语义分析，从而确定该存储名称中的中心词，并计算该中心词与目标关键词的关联指数。比如，指定视频的存储名称为“小狗接飞盘”，第二计算子模块824确定该存储名称的中心为“小狗”，且获取到指定视频的目标关键词为“宠物”，第二计算子模块824计算得到“小狗”和“宠物”的关联指数为95％。

计算得到该关联指数后，第二计算子模块824可以直接将该关联指数作为视频质量指数，也可以对该关联指数进行处理后得到视频质量指数(比如将该关联指数乘以预定系数)，本公开并不对此进行限定。

本实施例中，通过对指定视频的各个图像帧进行图像分析，从而确定各个图像帧的关键词，并进一步根据各个关键词对应图像帧的数量确定指定视频的目标关键词，当目标关键词与指定视频存储名称的关联较小时，确定该指定视频主题不明确，并生成针对该指定视频的删除提醒，从而提高云服务器中存储视频的质量。

基于图8所示的实施例，预定参数中还可以包括：模糊图像帧的数量占指定视频的总帧数的比例。

如图9所示，计算模块720，还可以包括：

判定子模块921，被配置为对n个图像帧进行模糊判定，得到模糊图像帧。

判定子模块921对指定视频的各个图像帧进行模糊判定，并从中筛选出模糊图像帧。

用户拍摄视频时，由于晃动等原因，视频画面会模糊，而画面模糊的视频给用户观感较差，且意义较小，因此，云服务器可以对指定视频的各个图像帧进行模糊判定，并从中筛选出模糊图像帧。

作为一种可能的实施方式，判定子模块921可以采用诸如统计图像梯度占比一类成熟的模糊判定技术对视频帧进行模糊判定，本公开并不对此进行限定。

第三统计子模块922，被配置为统计模糊图像帧的数量。

第三统计子模块922根据判定子模块921得到的判定结果，统计指定视频中模糊图像帧的数量。

第三计算子模块923，被配置为根据模糊图像帧的数量占指定视频的总帧数的比例，计算视频质量指数。

根据第三统计子模块922统计得到的模糊图像帧的数量，第三计算子模块923计算模糊图像帧的数量占总帧数的比例，即计算该指定视频的模糊图像比例，进一步的，第三计算子模块923根据该模糊图像比例计算指定视频的清晰图像比例，并根据该清晰图像比例确定指定视频的视频质量指数。

比如，第三统计子模块922统计得到的模糊图像帧的数量为534，且指定视频的总帧数为1200帧，第三计算子模块923可以计算得到指定视频的模糊图像比例为534/1200＝0.445，该指定视频的清晰图像比例即为1-0.445＝0.555。

需要说明的是，由于视频中模糊图像比例还与拍摄的内容有关，比如，当拍摄高速运动的物体时，由于镜头需要快速移动，导致模糊图像比例较高；而拍摄静态风景时，由于镜头移动较为平稳，拍摄视频的模糊图像比例通常较小。因此，生成模块630可以设置有至少两级阈值，当检测到指定视频的拍摄内容为动态内容时，使用第一阈值与视频质量指数进行比较；当检测到指定视频的拍摄内容为静态内容时，使用第二阈值与视频质量指数进行比较，其中，第一阈值＜第二阈值。

本实施例中，通过对指定视频的各个图像帧进行模糊判定，并统计模糊图像帧的数量，当模糊图像帧的数量占总帧数的比例较大时，确定该指定视频拍摄质量较差，并生成针对该指定视频的删除提醒，从而提高云服务器中存储视频的质量。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

本公开一示例性实施例提供了一种提醒生成装置，能够实现本公开提供的提醒生成方法，该提醒生成装置包括：处理器、用于存储处理器可执行指令的存储器；

其中，处理器被配置为：

从指定视频提取n个图像帧；

根据n个图像帧计算指定视频的视频质量指数，视频质量指数用于指示指定视频的质量；

若指定视频的视频质量指数小于阈值，则生成删除提醒。

图10是根据一示例性实施例示出的一种提醒生成装置1000的框图。例如，装置1000可以被提供为一服务器。参照图10，装置1000包括处理组件1022，其进一步包括一个或多个处理器，以及由存储器1032所代表的存储器资源，用于存储可由处理部件1022执行的指令，例如应用程序。存储器1032中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1022被配置为执行指令，以执行上述提醒生成方法。

装置1000还可以包括一个电源组件1026被配置为执行装置1000的电源管理，一个有线或无线网络接口1050被配置为将装置1000连接到网络，和一个输入输出(I/O)接口1058。装置1000可以操作基于存储在存储器1032的操作系统，例如WindowsServerTM，MacOSXTM，UnixTM,LinuxTM，FreeBSDTM或类似。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (13)

1.一种提醒生成方法，其特征在于，所述方法包括：

从指定视频提取n个图像帧；

根据所述n个图像帧计算所述指定视频的视频质量指数，所述视频质量指数用于指示所述指定视频的质量；

若所述指定视频的所述视频质量指数小于阈值，则生成删除提醒。

2.根据权利要求1所述的方法，其特征在于，所述根据所述n个图像帧计算所述指定视频的视频质量指数，包括：

根据所述n个图像帧的预定参数计算所述指定视频的视频质量参数，其中，所述预定参数包括如下三种参数中的至少一种：

目标关键词对应图像帧的数量占所述指定视频的总帧数的比例，所述目标关键词是与所述指定视频的视频内容所对应的关键词；

所述目标关键词与所述指定视频的存储名称之间的关联指数；

模糊图像帧的数量占所述指定视频的总帧数的比例。

3.根据权利要求2所述的方法，其特征在于，所述预定参数包括：所述目标关键词对应图像帧的数量占所述指定视频的总帧数的比例；

所述根据所述n个图像帧的预定参数计算所述指定视频的视频质量参数，包括：

对所述n个图像帧进行标定处理，所述标定处理用于标定所述图像帧对应拍摄内容的关键词；

统计所述指定视频中各个所述关键词对应图像帧的数量；

根据各个所述关键词对应图像帧的数量确定所述指定视频对应的目标关键词；

根据所述目标关键词对应图像帧的数量占所述指定视频的总帧数的比例，计算所述视频质量指数。

4.根据权利要求2所述的方法，其特征在于，所述预定参数包括：所述目标关键词与所述指定视频的存储名称之间的关联指数；

所述根据所述n个图像帧的预定参数计算所述指定视频的视频质量参数，包括：

对所述n个图像帧进行标定处理，所述标定处理用于标定所述图像帧对应拍摄内容的关键词；

统计所述指定视频中各个所述关键词对应图像帧的数量；

根据各个所述关键词对应图像帧的数量确定所述指定视频对应的目标关键词；

根据所述目标关键词与所述指定视频的存储名称之间的所述关联指数，计算所述视频质量指数。

5.根据权利要求2所述的方法，其特征在于，所述预定参数包括：模糊图像帧的数量占所述指定视频的总帧数的比例；

所述根据所述n个图像帧的预定参数计算所述指定视频的视频质量参数，包括：

对所述n个图像帧进行模糊判定，得到所述模糊图像帧；

统计所述模糊图像帧的数量；

根据所述模糊图像帧的数量占所述指定视频的总帧数的比例，计算所述视频质量指数。

6.根据权利要求1至5任一所述的方法，其特征在于，所述生成删除提醒，包括：

获取上传所述指定视频的终端对应的云端剩余存储空间；

当所述云端剩余存储空间小于预设空间阈值时，或，当接收到所述终端发送的视频上传请求且待上传视频的预计占用空间小于所述云端剩余存储空间时，生成所述删除提醒。

7.一种提醒生成装置，其特征在于，所述装置包括：

提取模块，被配置为从指定视频提取n个图像帧；

计算模块，被配置为根据所述n个图像帧计算所述指定视频的视频质量指数，所述视频质量指数用于指示所述指定视频的质量；

生成模块，被配置为若所述指定视频的所述视频质量指数小于阈值，则生成删除提醒。

8.根据权利要求7所述的装置，其特征在于，

所述计算模块，被配置为根据所述n个图像帧的预定参数计算所述指定视频的视频质量参数，其中，所述预定参数包括如下三种参数中的至少一种：

目标关键词对应图像帧的数量占所述指定视频的总帧数的比例，所述目标关键词是与所述指定视频的视频内容所对应的关键词；

所述目标关键词与所述指定视频的存储名称之间的关联指数；

模糊图像帧的数量占所述指定视频的总帧数的比例。

9.根据权利要求8所述的装置，其特征在于，所述预定参数包括：所述目标关键词对应图像帧的数量占所述指定视频的总帧数的比例；

所述计算模块，包括：

第一标定子模块，被配置为对所述n个图像帧进行标定处理，所述标定处理用于标定所述图像帧对应拍摄内容的关键词；

第一统计子模块，被配置为统计所述指定视频中各个所述关键词对应图像帧的数量；

第一确定子模块，被配置为根据各个所述关键词对应图像帧的数量确定所述指定视频对应的目标关键词；

第一计算子模块，被配置为根据所述目标关键词对应图像帧的数量占所述指定视频的总帧数的比例，计算所述视频质量指数。

10.根据权利要求8所述的装置，其特征在于，所述预定参数包括：所述目标关键词与所述指定视频的存储名称之间的关联指数；

所述计算模块，包括：

第二标定子模块，被配置为对所述n个图像帧进行标定处理，所述标定处理用于标定所述图像帧对应拍摄内容的关键词；

第二统计子模块，被配置为统计所述指定视频中各个所述关键词对应图像帧的数量；

第二确定子模块，被配置为根据各个所述关键词对应图像帧的数量确定所述指定视频对应的目标关键词；

第二计算子模块，被配置为根据所述目标关键词与所述指定视频的存储名称之间的所述关联指数，计算所述视频质量指数。

11.根据权利要求8所述的装置，其特征在于，所述预定参数包括：模糊图像帧的数量占所述指定视频的总帧数的比例；

所述计算模块，包括：

判定子模块，被配置为对所述n个图像帧进行模糊判定，得到所述模糊图像帧；

第三统计子模块，被配置为统计所述模糊图像帧的数量；

第三计算子模块，被配置为根据所述模糊图像帧的数量占所述指定视频的总帧数的比例，计算所述视频质量指数。

12.根据权利要求7至11任一所述的装置，其特征在于，所述生成模块，包括：

获取子模块，被配置为获取上传所述指定视频的终端对应的云端剩余存储空间；

生成子模块，被配置为当所述云端剩余存储空间小于预设空间阈值时，或，当接收到所述终端发送的视频上传请求且待上传视频的预计占用空间小于所述云端剩余存储空间时，生成所述删除提醒。

13.一种提醒生成装置，其特征在于，所述装置包括：

处理器；

用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为：

从指定视频提取n个图像帧；

根据所述n个图像帧计算所述指定视频的视频质量指数，所述视频质量指数用于指示所述指定视频的质量；

若所述指定视频的所述视频质量指数小于阈值，则生成删除提醒。