CN106649855A - 一种视频标签的添加方法和添加系统 - Google Patents

一种视频标签的添加方法和添加系统 Download PDF

Info

Publication number
CN106649855A
CN106649855A CN201611262072.9A CN201611262072A CN106649855A CN 106649855 A CN106649855 A CN 106649855A CN 201611262072 A CN201611262072 A CN 201611262072A CN 106649855 A CN106649855 A CN 106649855A
Authority
CN
China
Prior art keywords
frame
video
frames
buffer area
difference
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201611262072.9A
Other languages
English (en)
Other versions
CN106649855B (zh
Inventor
纪琦华
蒲珂
方宏
曾泽基
李哲山
胡彬
陈传海
蔡忠善
张毅萍
魏明
蔡辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Science And Technology Co Ltd
Original Assignee
China Science And Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Science And Technology Co Ltd filed Critical China Science And Technology Co Ltd
Priority to CN201611262072.9A priority Critical patent/CN106649855B/zh
Publication of CN106649855A publication Critical patent/CN106649855A/zh
Application granted granted Critical
Publication of CN106649855B publication Critical patent/CN106649855B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/7867—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, title and artist information, manually generated time, location and usage information, user ratings

Abstract

本发明提供一种视频标签的添加方法及添加系统，该方法包括对视频进行解析，抽取各视频帧内的I祯，判断第N个I帧和第N+1个I帧是否相似，将相似的第N个I帧和第N+1个I帧放入相同的缓存区内，如果不相似，将第N个I帧和第N+1个I帧分别放入不同的缓存区内，为各I帧注录关键词，获取各关键词对应的权值，计算标准权值，根据标准权值为视频添加视频标签；该添加方法和系统能够根据视频中各场景的不同，分别为不同场景添加不同的视频标签，进而便于观众对感兴趣的某段视频进行搜索和管理，提高视频标签添加的准确率。

Description

一种视频标签的添加方法和添加系统
技术领域
本发明涉及一种视频点播领域，特别涉及一种视频标签的添加方法和添加系统。
背景技术
视频是由多个视频帧组成的，每个视频帧又包括：
I帧：是一个全帧压缩编码帧，也叫帧内编码帧，因此I帧的数据量一般比较大，I帧不需要参考其他帧而生成，它是P帧或是B帧的参考帧，解码时仅用I帧就可以重构一个完整的图像。
P帧：是一个前向预测编码帧，也称为帧间编码帧，P帧需要参考前面的与其相邻的I帧或P帧而生成，同时它也是其他P帧或者B帧的参考帧，解码时必须依赖其前面的I帧或P帧才可以重构出完整的图像。
B帧：是一个双向预测编码帧，它也是一个帧间编码帧，B帧需要参考前面的I帧或P帧或后面的P帧生成，B帧不作为其它帧的参考帧，因此它的解码错误不会造成错误扩散，但是B帧解码时必须依赖I帧或P帧才可重构出完整的图像。
现有视频标签的添加方法主要是在视频拍摄结束后进行处理，针对用户感兴趣视频帧、特殊场景以及视频自身的文件信息添加视频标签，视频标签多为文字形式，添加的视频标签主要用于视频搜索和管理。现有视频标签添加的方法具有如下缺点：在视频后期进行处理，不能同步处理；现有的视频标签和视频本身没有互动功能，视频标签多为静态形式，不能在视频过程中动态展示和加载，不能对视频的某一画面或者某一用户感兴趣对象进行直观地说明和跟踪突出显示；为了解决上述技术问题，CN103780973公开了一种视频标签添加方法及装置，该方法主要是在视频拍摄过程中人为选择感兴趣的图像然后添加视频标签，该技术存在的问题是，人为随机选择的图像可能存在着多个场景的图片信息，为该视频添加视频标签时可能存在着添加不准确，进而影响对视频的管理和搜索。
发明内容
为了解决现有技术中的问题，本发明提供一种视频标签的添加方法和添加系统，该视频标签的添加方法和添加系统能够根据视频中各场景的不同，分别为不同场景添加不同的视频标签，进而便于观众对感兴趣的某段视频进行搜索和管理，提高视频标签添加的准确率。
本发明具体技术方案如下：
本发明提供一种视频标签的添加方法，该方法包括如下步骤：
S1：对视频进行解析，获取组成该视频的各视频帧，并按播放顺序为各视频帧进行编号；
S2：按顺序抽取各视频帧内的I祯，每个I帧的编号与各视频帧编号相对应；
S3：判断第N个I帧和第N+1个I帧是否相似，N≥1，如果相邻两I帧相似，将第N个I帧和第N+1个I帧放入相同的缓存区内，否则，将第N个I帧和第N+1个I帧分别放入不同的缓存区内，并对各缓存区进行编号；
S4：为各缓存区内的各I帧注录关键词，获取各关键词对应的权值；
S5：根据各I帧关键词所对应的权值计算各缓存区内所有I帧对应的标准权值；
S6：根据标准权值为视频添加视频标签。
进一步的改进，步骤S6根据标准权值为视频添加视频标签具体方法为：
S61：从数据库中选择出各缓存区的标准权值所对应的视频标签；
S62：统计各缓存区内第一个I帧所对应的视频帧在视频中的位置信息；
S63：分别为选择出的视频标签创建二维码；
S64：分别将步骤S63创建的二维码与步骤S62选择的各位置信息进行关联；
S65：将各缓存区内所有I帧所对应的视频帧按照播放顺序编号重新加载时间戳；
S66：将步骤S65加载的各缓存区内所有I帧对应的视频帧的时间戳与步骤S64经过关联处理的相应的二维码进行关联。
进一步的改进，步骤S5根据以下公式计算各缓存区内所有I帧对应的标准权值Q总
其中，k表示各缓存区内I帧的个数，Qk表示第k个I帧的权值，fk表示第k个I帧在缓存区内所有I帧中所占的比重。
进一步的改进，步骤S4具体方法为：
S41：用已知的带有权值的关键词对卷积神经网络模型进行训练，获取权值模型；
S42：为各缓存区内的各I帧注录关键词；
S43：将步骤S42注录的关键词输入到权值模型中，获得各关键词对应的权值。
进一步的改进，步骤S3具体方法如下：
S31：根据如下公式计算第N个I帧和第N+1个I帧的比值X；
其中，HN和HN+1分别表示第N个I帧和第N+1个I帧的DC图像的直方图；
S32：判断比值X与比值阈值的大小，当比值X大于比值阈值时进行步骤S33，否则进行步骤S34；
S33：将第N个I帧和第N+1个I帧分别放入不同的缓存区内；
S34：计算第N个I帧、第N+1个I帧和第N+2个I帧内每相邻两I帧的差值，并进行处理，进而判断出第N个I帧和第N+1个I帧是否相似。
进一步的改进，步骤S34的具体方法为：
S341：计算第N个I帧和第N+1个I帧的差值A1，及第N+1个I帧和第N+2个I帧的差值A2；
S342：将差值A1和差值A2分别做求和及求差处理，分别得A和及A差；
S343：判断A和与阈值T1的大小，并判断A差与阈值T2的大小，如果A和＞阈值T1，且A差＜阈值T2，进行步骤S33，如果阈值T2＜A和、A差＜阈值T1，T1＞阈值T2+差值A1，则进行步骤S344；
步骤S344：将第N个I帧和第N+1个I帧放入相同的缓存区内。
本发明另一方面提供一种视频标签的添加系统，该添加系统包括服务器和与所述服务器相同的数据库，所述服务器包括：
视频处理模块，用于对视频进行解析，获取组成该视频的各视频帧，并按播放顺序为各视频帧进行编号；
I帧抽取模块，用于从各视频帧中抽取各视频帧内的I祯，每个I帧的编号与各视频帧编号相对应；
判断模块，用于判断第N个I帧和第N+1个I帧是否相似，N≥1，如果相连两I帧相似，将第N个I帧和第N+1个I帧放入相同的缓存区内，否则，将第N个I帧和第N+1个I帧分别放入不同的缓存区内，并对各缓存区进行编号；
关键词权值获取模块，用于为各缓存区内的各I帧注录关键词，获取各关键词对应的权值；
标准权值计算模块，用于根据各I帧关键词所对应的权值计算各缓存区内所有I帧对应的标准权值；
视频标签添加模块，用于根据标准权值为视频添加视频标签。
进一步的改进，视频标签添加模块包括：
选择子模块，用于从数据库中选择出各缓存区的标准权值所对应的视频标签；
统计子模块，用于统计各缓存区内第一个I帧所对应的视频帧在视频中的位置信息；
二维码创建子模块，用于分别为选择出的视频标签创建二维码；
二维码关联子模块，用于分别将创建的二维码与统计子模块选择的各位置信息进行关联；
时间戳加载子模块，用于将各缓存区内所有I帧所对应的视频帧按照播放顺序编号重新加载时间戳；
时间戳关联子模块，用于将时间戳加载子模块加载的各缓存区内所有I帧对应的视频帧的时间戳与二维码关联子模块进行关联处理后对应的二维码进行关联。
进一步的改进，判断模块包括：
计算子模块，用于根据如下公式计算第N个I帧和第N+1个I帧的比值X；
其中，HN和HN+1分别表示第N个I帧和第N+1个I帧的DC图像的直方图；
比值判断子模块，用于判断比值X与比值阈值的大小；
第一处理子模块，当比值判断子模块判断比值X大于比值阈值时，用于将第N个I帧和第N+1个I帧分别放入不同的缓存区内；
第二处理子模块，当比值判断子模块判断比值X不大于比值阈值时，计算第N个I帧、第N+1个I帧和第N+2个I帧内每相邻两I帧的差值，并进行处理，进而判断出第N个I帧和第N+1个I帧是否相似。
进一步的改进，第二处理子模块包括：
第一计算单元，用于计算第N个I帧和第N+1个I帧的差值A1，及第N+1个I帧和第N+2个I帧的差值A2；
第二计算单元，用于将差值A1和差值A2分别做求和及求差处理，分别得A和及A差；
判断单元，用于判断A和与阈值T1的大小，并判断A差与阈值T2的大小，如果A和＞阈值T1，且A差＜阈值T2，向所述第一处理子模块发送指令，如果阈值T2＜A和、A差＜阈值T1，T1＞阈值T2+差值A1，向所述第二处理单元发送指令；
第二处理单元，用于将第N个I帧和第N+1个I帧放入相同的缓存区内。
本发明的有益效果如下：本发明提供一种视频标签的添加方法和添加系统，该视频标签的添加方法和添加系统能够可根据视频中各场景的不同，分别为不同场景添加不同的视频标签，进而便于观众对感兴趣的某段视频进行搜索和管理，提高视频标签添加的准确率。
附图说明
图1为实施例1一种视频标签的添加方法的流程图；
图2为实施例2的步骤S6的流程图；
图3为实施例4的步骤S4的流程图；
图4为实施例5的步骤S3的流程图；
图5为实施例5的步骤S34的流程图；
图6为实施例6的服务器的结构框图；
图7为实施例7的视频标签添加模块的结构框图；
图8为实施例8的判断模块的结构框图。
具体实施方式
实施例1
本发明提供一种视频标签的添加方法，如图1所示，该添加方法包括：
S1：对视频进行解析，获取组成该视频的各视频帧，并按播放顺序为各视频帧进行编号；
S2：按顺序抽取各视频帧内的I祯，每个I帧的编号与各视频帧编号相对应；
S3：判断第N个I帧和第N+1个I帧是否相似，N≥1，如果相邻两I帧相似，将第N个I帧和第N+1个I帧放入相同的缓存区内，否则，将第N个I帧和第N+1个I帧分别放入不同的缓存区内，并对各缓存区进行编号；
S4：为各缓存区内的各I帧注录关键词，获取各关键词对应的权值；
S5：根据各I帧关键词所对应的权值计算各缓存区内所有I帧对应的标准权值；
S6：根据标准权值为视频添加视频标签。
本发明提供的视频标签的添加方法主要是将视频进行解析，抽取每一视频帧内的I祯，并对相邻两I帧的相似度进行比对，如果相邻两I帧相似，那么认为两个I帧对在的视频帧为渐变视频帧，表示两个视频帧表示的场景类似，那么可将这两帧放到缓存区内，如果相邻两个I帧不相似，将相邻的两帧放入不同的缓存区内，然后再对缓存内的每个I帧注录关键词，根据各关键词的权值计算缓存区内所有I帧对应的标准权值，根据标准权值为缓存区内第一个I帧和最后一个I帧对应的视频帧组成的视频片段添加视频标签，该方法可显著提高添加视频标签的准确度，便于观众的搜索。
实施例2
本发明实施例2提供的视频标签的添加方法与实施例1不同的是，如图2所示，步骤S6根据标准权值为视频添加视频标签具体方法为：
S61：从数据库中选择出各缓存区的标准权值所对应的视频标签；
S62：统计各缓存区内第一个I帧所对应的视频帧在视频中的位置信息；
S63：分别为选择出的视频标签创建二维码；
S64：分别将步骤S63创建的二维码与步骤S62选择的各位置信息进行关联；
S65：将各缓存区内所有I帧所对应的视频帧按照播放顺序编号重新加载时间戳；
S66：将步骤S65加载的各缓存区内所有I帧对应的视频帧的时间戳与步骤S64经过关联处理的相应的二维码进行关联。
本发明可将为视频添加的视频标签植入到二维码中，该二维码可以该视频片段进行关联，当观众需要观看某段视频时，可直接扫描二维码，也可将该二维码在视频播出过程中动态显示，操作简单，提高了搜索的准确度，并且也丰富了视频标签内容。
实施例3
本发明实施例3提供的视频标签的添加方法与实施例2不同的是，步骤S5根据以下公式计算各缓存区内所有I帧对应的标准权值Q总
其中，k表示各缓存区内I帧的个数，Qk表示第k个I帧的权值，fk表示第k个I帧在缓存区内所有I帧中所占的比重。
通过如上计算公式计算标准权值，并根据标准权值选择视频标签，可提高视频标签与视频的匹配度，提高添加准确度。
实施例4
本发明实施例4提供的视频标签的添加方法与实施例3不同的是，如图3所示，步骤S4具体方法为：
S41：用已知的带有权值的关键词对卷积神经网络模型进行训练，获取权值模型；
S42：为各缓存区内的各I帧注录关键词；
S43：将步骤S42注录的关键词输入到权值模型中，获得各关键词对应的权值。
进一步的改进中，本发明所使用的卷积神经网络模型包括第一卷基层、第一池化层、第二卷基层、第三卷基层、第二池化层、第一全连接层和输出层。
为了提高对I帧注录关键词的准确度，本发明首先将标注有权值的关键词对卷积神经网络模型进行训练，然后将各关键词输入到训练好的权值模型中，并将输出的向量分别输入到向量机中获得各判断对应的权值，进而提高注录准确度，提高了效率。
实施例5
本发明实施例5提供的视频标签的添加方法与实施例4不同的是，如图4所示，步骤S3具体方法如下：
S31：根据如下公式计算第N个I帧和第N+1个I帧的比值X；
其中，HN和HN+1分别表示第N个I帧和第N+1个I帧的DC图像的直方图；
S32：判断比值X与比值阈值的大小，当比值X大于比值阈值时进行步骤S33，否则进行步骤S34；
S33：将第N个I帧和第N+1个I帧分别放入不同的缓存区内；
S34：计算第N个I帧、第N+1个I帧和第N+2个I帧内每相邻两I帧的差值，并进行处理，进而判断出第N个I帧和第N+1个I帧是否相似。
如图5所示，步骤S34的具体方法为：
S341：计算第N个I帧和第N+1个I帧的差值A1，及第N+1个I帧和第N+2个I帧的差值A2；
S342：将差值A1和差值A2分别做求和及求差处理，分别得A和及A差；
S343：判断A和与阈值T1的大小，并判断A差与阈值T2的大小，如果A和＞阈值T1，且A差＜阈值T2，进行步骤S33，如果阈值T2＜A和、A差＜阈值T1，T1＞阈值T2+差值A1，则进行步骤S344；
步骤S344：将第N个I帧和第N+1个I帧放入相同的缓存区内。
通过以上方法判断相邻两帧的相似度，可显著提高判断效率，进而提高视频标签添加的准确度。
实施例6
本发明实施例6提供一种视频标签的添加系统，如图6所示，该添加系统包括服务器1和与所述服务器1相通讯的数据库，所述服务器1包括：
视频处理模块10，用于对视频进行解析，获取组成该视频的各视频帧，并按播放顺序为各视频帧进行编号；
I帧抽取模块20，用于从各视频帧中抽取各视频帧内的I祯，每个I帧的编号与各视频帧编号相对应；
判断模块30，用于判断第N个I帧和第N+1个I帧是否相似，N≥1，如果相连两I帧相似，将第N个I帧和第N+1个I帧放入相同的缓存区内，否则，将第N个I帧和第N+1个I帧分别放入不同的缓存区内，并对各缓存区进行编号；
关键词权值获取模块40，用于为各缓存区内的各I帧注录关键词，获取各关键词对应的权值；
标准权值计算模块50，用于根据各I帧关键词所对应的权值计算各缓存区内所有I帧对应的标准权值；
视频标签添加模块60，用于根据标准权值为视频添加视频标签。
本发明提供的视频标签的添加系统主要是将视频进行解析，抽取每一视频帧内的I祯，并对相邻两I帧的相似度进行比对，如果相邻两I帧相似，那么认为两个I帧对在的视频帧为渐变视频帧，表示两个视频帧表示的场景类似，那么可将这两帧放到缓存区内，如果相邻两个I帧不相似，将相邻的两帧放入不同的缓存区内，然后再对缓存内的每个I帧注录关键词，根据各关键词的权值计算缓存区内所有I帧对应的标准权值，根据标准权值为缓存区内第一个I帧和最后一个I帧对应的视频帧组成的视频片段添加视频标签，该系统可显著提高添加视频标签的准确度，便于观众的搜索。
实施例7
本发明实施例7提供一种视频标签的添加系统，如图7所示，所述视频标签添加模块60包括：
选择子模块61，用于从数据库中选择出各缓存区的标准权值所对应的视频标签；
统计子模块62，用于统计各缓存区内第一个I帧所对应的视频帧在视频中的位置信息；
二维码创建子模块63，用于分别为选择出的视频标签创建二维码；
二维码关联子模块64，用于分别将创建的二维码与统计子模块62选择的各位置信息进行关联；
时间戳加载子模块65，用于将各缓存区内所有I帧所对应的视频帧按照播放顺序编号重新加载时间戳；
时间戳关联子模块66，用于将时间戳加载子模块65加载的各缓存区内所有I帧对应的视频帧的时间戳与二维码关联子模块64进行关联处理后对应的二维码进行关联。
本发明可将为视频添加的视频标签植入到二维码中，该二维码可以该视频片段进行关联，当观众需要观看某段视频时，可直接扫描二维码，也可将该二维码在视频播出过程中动态显示，操作简单，提高了搜索的准确度，并且也丰富了视频标签内容。
实施例8
本发明实施例8提供一种视频标签的添加系统，如图8所示，所述判断模块30包括：
计算子模块31，用于根据如下公式计算第N个I帧和第N+1个I帧的比值X；
其中，HN和HN+1分别表示第N个I帧和第N+1个I帧的DC图像的直方图；
比值判断子模块32，用于判断比值X与比值阈值的大小；
第一处理子模块33，当比值判断子模块32判断比值X大于比值阈值时，用于将第N个I帧和第N+1个I帧分别放入不同的缓存区内；
第二处理子模块34，当比值判断子模块32判断比值X不大于比值阈值时，计算第N个I帧、第N+1个I帧和第N+2个I帧内每相邻两I帧的差值，并进行处理，进而判断出第N个I帧和第N+1个I帧是否相似；
第二处理子模块34包括：
第一计算单元341，用于计算第N个I帧和第N+1个I帧的差值A1，及第N+1个I帧和第N+2个I帧的差值A2；
第二计算单元342，用于将差值A1和差值A2分别做求和及求差处理，分别得A和及A差；
判断单元343，用于判断A和与阈值T1的大小，并判断A差与阈值T2的大小，如果A和＞阈值T1，且A差＜阈值T2，向所述第一处理子模块33发送指令，如果阈值T2＜A和、A差＜阈值T1，T1＞阈值T2+差值A1，向所述第二处理单元344发送指令；
第二处理单元344，用于将第N个I帧和第N+1个I帧放入相同的缓存区内。
通过以上系统判断相邻两帧的相似度，可显著提高判断效率，进而提高视频标签添加的准确度。
本发明不局限于上述最佳实施方式，任何人在本发明的启示下都可得出其他各种形式的产品，但不论在其形状或结构上作任何变化，凡是具有与本申请相同或相近似的技术方案，均落在本发明的保护范围之内。

Claims (10)

1.一种视频标签的添加方法，其特征在于，所述添加方法包括如下步骤：
S1：对视频进行解析，获取组成该视频的各视频帧，并按播放顺序为各视频帧进行编号；
S2：按顺序抽取各视频帧内的I祯，每个I帧的编号与各视频帧编号相对应；
S3：判断第N个I帧和第N+1个I帧是否相似，N≥1，如果相邻两I帧相似，将第N个I帧和第N+1个I帧放入相同的缓存区内，否则，将第N个I帧和第N+1个I帧分别放入不同的缓存区内，并对各缓存区进行编号；
S4：为各缓存区内的各I帧注录关键词，获取各关键词对应的权值；
S5：根据各I帧关键词所对应的权值计算各缓存区内所有I帧对应的标准权值；
S6：根据标准权值为视频添加视频标签。
2.如权利要求1所述的视频标签的添加方法，其特征在于，步骤S6根据标准权值为视频添加视频标签具体方法为：
S61：从数据库中选择出各缓存区的标准权值所对应的视频标签；
S62：统计各缓存区内第一个I帧所对应的视频帧在视频中的位置信息；
S63：分别为选择出的视频标签创建二维码；
S64：分别将步骤S63创建的二维码与步骤S62选择的各位置信息进行关联；
S65：将各缓存区内所有I帧所对应的视频帧按照播放顺序编号重新加载时间戳；
S66：将步骤S65加载的各缓存区内所有I帧对应的视频帧的时间戳与步骤S64经过关联处理的相应的二维码进行关联。
3.如权利要求1所述的视频标签的添加方法，其特征在于，步骤S5根据以下公式计算各缓存区内所有I帧对应的标准权值Q总
其中，k表示各缓存区内I帧的个数，Qk表示第k个I帧的权值，fk表示第k个I帧在缓存区内所有I帧中所占的比重。
4.如权利要求1所述的视频标签的添加方法，其特征在于，步骤S4具体方法为：
S41：用已知的带有权值的关键词对卷积神经网络模型进行训练，获取权值模型；
S42：为各缓存区内的各I帧注录关键词；
S43：将步骤S42注录的关键词输入到权值模型中，获得各关键词对应的权值。
5.如权利要求1所述的视频标签的添加方法，其特征在于，步骤S3具体方法如下：
S31：根据如下公式计算第N个I帧和第N+1个I帧的比值X；
X = ( H N - H N + 1 ) 2 ( H N + H N + 1 ) 2
其中，HN和HN+1分别表示第N个I帧和第N+1个I帧的DC图像的直方图；
S32：判断比值X与比值阈值的大小，当比值X大于比值阈值时进行步骤S33，否则进行步骤S34；
S33：将第N个I帧和第N+1个I帧分别放入不同的缓存区内；
S34：计算第N个I帧、第N+1个I帧和第N+2个I帧内每相邻两I帧的差值，并进行处理，进而判断出第N个I帧和第N+1个I帧是否相似。
6.如权利要求5所述的视频标签的添加方法，其特征在于，步骤S34的具体方法为：
S341：计算第N个I帧和第N+1个I帧的差值A1，及第N+1个I帧和第N+2个I帧的差值A2；
S342：将差值A1和差值A2分别做求和及求差处理，分别得A和及A差；
S343：判断A和与阈值T1的大小，并判断A差与阈值T2的大小，如果A和＞阈值T1，且A差＜阈值T2，进行步骤S33，如果阈值T2＜A和、A差＜阈值T1，T1＞(阈值T2+差值A1)，则进行步骤S344；
步骤S344：将第N个I帧和第N+1个I帧放入相同的缓存区内。
7.一种视频标签的添加系统，其特征在于，所述添加系统包括服务器(1)和与所述服务器(1)相同的数据库，所述服务器(1)包括：
视频处理模块(10)，用于对视频进行解析，获取组成该视频的各视频帧，并按播放顺序为各视频帧进行编号；
I帧抽取模块(20)，用于从各视频帧中抽取各视频帧内的I祯，每个I帧的编号与各视频帧编号相对应；
判断模块(30)，用于判断第N个I帧和第N+1个I帧是否相似，N≥1，如果相连两I帧相似，将第N个I帧和第N+1个I帧放入相同的缓存区内，否则，将第N个I帧和第N+1个I帧分别放入不同的缓存区内，并对各缓存区进行编号；
关键词权值获取模块(40)，用于为各缓存区内的各I帧注录关键词，获取各关键词对应的权值；
标准权值计算模块(50)，用于根据各I帧关键词所对应的权值计算各缓存区内所有I帧对应的标准权值；
视频标签添加模块(60)，用于根据标准权值为视频添加视频标签。
8.如权利要求7所述的视频标签添加系统，其特征在于，所述视频标签添加模块(60)包括：
选择子模块(61)，用于从数据库中选择出各缓存区的标准权值所对应的视频标签；
统计子模块(62)，用于统计各缓存区内第一个I帧所对应的视频帧在视频中的位置信息；
二维码创建子模块(63)，用于分别为选择出的视频标签创建二维码；
二维码关联子模块(64)，用于分别将创建的二维码与统计子模块(62)选择的各位置信息进行关联；
时间戳加载子模块(65)，用于将各缓存区内所有I帧所对应的视频帧按照播放顺序编号重新加载时间戳；
时间戳关联子模块(66)，用于将时间戳加载子模块(65)加载的各缓存区内所有I帧对应的视频帧的时间戳与二维码关联子模块(64)进行关联处理后对应的二维码进行关联。
9.如权利要求7所述的视频标签添加系统，其特征在于，所述判断模块(30)包括
计算子模块(31)，用于根据如下公式计算第N个I帧和第N+1个I帧的比值X；
X = ( H N - H N + 1 ) 2 ( H N + H N + 1 ) 2
其中，HN和HN+1分别表示第N个I帧和第N+1个I帧的DC图像的直方图；
比值判断子模块(32)，用于判断比值X与比值阈值的大小；
第一处理子模块(33)，当比值判断子模块(32)判断比值X大于比值阈值时，用于将第N个I帧和第N+1个I帧分别放入不同的缓存区内；
第二处理子模块(34)，当比值判断子模块(32)判断比值X不大于比值阈值时，计算第N个I帧、第N+1个I帧和第N+2个I帧内每相邻两I帧的差值，并进行处理，进而判断出第N个I帧和第N+1个I帧是否相似。
10.如权利要求9所述的视频标签的添加系统，其特征在于，所述第二处理子模块(34)包括：
第一计算单元(341)，用于计算第N个I帧和第N+1个I帧的差值A1，及第N+1个I帧和第N+2个I帧的差值A2；
第二计算单元(342)，用于将差值A1和差值A2分别做求和及求差处理，分别得A和及A差；
判断单元(343)，用于判断A和与阈值T1的大小，并判断A差与阈值T2的大小，如果A和＞阈值T1，且A差＜阈值T2，向所述第一处理子模块(33)发送指令，如果阈值T2＜A和、A差＜阈值T1，T1＞(阈值T2+差值A1)，向所述第二处理单元(344)发送指令；
第二处理单元(344)，用于将第N个I帧和第N+1个I帧放入相同的缓存区内。
CN201611262072.9A 2016-12-30 2016-12-30 一种视频标签的添加方法和添加系统 Active CN106649855B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611262072.9A CN106649855B (zh) 2016-12-30 2016-12-30 一种视频标签的添加方法和添加系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611262072.9A CN106649855B (zh) 2016-12-30 2016-12-30 一种视频标签的添加方法和添加系统

Publications (2)

Publication Number Publication Date
CN106649855A true CN106649855A (zh) 2017-05-10
CN106649855B CN106649855B (zh) 2019-06-21

Family

ID=58837551

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611262072.9A Active CN106649855B (zh) 2016-12-30 2016-12-30 一种视频标签的添加方法和添加系统

Country Status (1)

Country Link
CN (1) CN106649855B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109740019A (zh) * 2018-12-14 2019-05-10 上海众源网络有限公司 一种对短视频打标签的方法、装置及电子设备
CN109889543A (zh) * 2019-03-26 2019-06-14 广州华多网络科技有限公司 视频传输的方法、根节点、子节点、p2p服务器和系统
CN110297943A (zh) * 2019-07-05 2019-10-01 联想(北京)有限公司 标签的添加方法、装置、电子设备及存储介质
CN110475121A (zh) * 2018-05-10 2019-11-19 腾讯科技（深圳）有限公司 一种视频数据处理方法、装置以及相关设备
WO2019237752A1 (zh) * 2018-06-14 2019-12-19 视云融聚（广州）科技有限公司 一种视频标签定位方法
CN110798739A (zh) * 2019-11-11 2020-02-14 四川东方网力科技有限公司 基于html5的视频实时目标属性叠加显示方法、装置及设备
CN111491206A (zh) * 2020-04-17 2020-08-04 维沃移动通信有限公司 视频处理方法、视频处理装置及电子设备
CN111797272A (zh) * 2019-04-09 2020-10-20 国际商业机器公司 视频内容分割和搜索

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101072344A (zh) * 2007-03-30 2007-11-14 腾讯科技（深圳）有限公司 一种视频编码方法、解码方法及装置
CN102522045A (zh) * 2011-12-21 2012-06-27 中国科学院计算技术研究所 一种基于社会信息的网络视频在线地理定位系统
CN102542024A (zh) * 2011-12-21 2012-07-04 电子科技大学 一种视频资源语义标签的标定方法
CN103065300A (zh) * 2012-12-24 2013-04-24 安科智慧城市技术（中国）有限公司 一种视频标注方法和装置
CN104715023A (zh) * 2015-03-02 2015-06-17 北京奇艺世纪科技有限公司 基于视频内容的商品推荐方法和系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101072344A (zh) * 2007-03-30 2007-11-14 腾讯科技（深圳）有限公司 一种视频编码方法、解码方法及装置
CN102522045A (zh) * 2011-12-21 2012-06-27 中国科学院计算技术研究所 一种基于社会信息的网络视频在线地理定位系统
CN102542024A (zh) * 2011-12-21 2012-07-04 电子科技大学 一种视频资源语义标签的标定方法
CN103065300A (zh) * 2012-12-24 2013-04-24 安科智慧城市技术（中国）有限公司 一种视频标注方法和装置
CN104715023A (zh) * 2015-03-02 2015-06-17 北京奇艺世纪科技有限公司 基于视频内容的商品推荐方法和系统

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110475121A (zh) * 2018-05-10 2019-11-19 腾讯科技（深圳）有限公司 一种视频数据处理方法、装置以及相关设备
CN110475121B (zh) * 2018-05-10 2022-02-11 腾讯科技（深圳）有限公司 一种视频数据处理方法、装置以及相关设备
WO2019237752A1 (zh) * 2018-06-14 2019-12-19 视云融聚（广州）科技有限公司 一种视频标签定位方法
CN109740019A (zh) * 2018-12-14 2019-05-10 上海众源网络有限公司 一种对短视频打标签的方法、装置及电子设备
CN109889543A (zh) * 2019-03-26 2019-06-14 广州华多网络科技有限公司 视频传输的方法、根节点、子节点、p2p服务器和系统
CN111797272A (zh) * 2019-04-09 2020-10-20 国际商业机器公司 视频内容分割和搜索
CN110297943A (zh) * 2019-07-05 2019-10-01 联想(北京)有限公司 标签的添加方法、装置、电子设备及存储介质
CN110798739A (zh) * 2019-11-11 2020-02-14 四川东方网力科技有限公司 基于html5的视频实时目标属性叠加显示方法、装置及设备
CN110798739B (zh) * 2019-11-11 2021-10-08 四川东方网力科技有限公司 基于html5的视频实时目标属性叠加显示方法、装置及设备
CN111491206A (zh) * 2020-04-17 2020-08-04 维沃移动通信有限公司 视频处理方法、视频处理装置及电子设备

Also Published As

Publication number Publication date
CN106649855B (zh) 2019-06-21

Similar Documents

Publication Publication Date Title
CN106649855A (zh) 一种视频标签的添加方法和添加系统
Sun et al. Deep affinity network for multiple object tracking
US20220199121A1 (en) Automatic video editing method and portable terminal
US8879788B2 (en) Video processing apparatus, method and system
US6711590B1 (en) Linking metadata with a time-sequential digital signal
CN110119711A (zh) 一种获取视频数据人物片段的方法、装置及电子设备
CN106845432B (zh) 一种人脸与人体共同检测的方法和设备
CN101646050B (zh) 视频文件的文本注释方法和系统、播放方法和系统
CN110837579A (zh) 视频分类方法、装置、计算机以及可读存储介质
RU2471231C1 (ru) Способ поиска объектов в последовательности изображений, полученных от стационарной видеокамеры
KR20020062429A (ko) 영상 시퀀스에서의 객체 레이블 영상 생성장치 및 그 방법
CN103984778B (zh) 一种视频检索方法及系统
CN113691836A (zh) 视频模板生成方法、视频生成方法、装置和电子设备
CN115223082A (zh) 一种基于时空多尺度Transformer的航拍视频分类方法
CN110458115B (zh) 一种基于时序的多帧集成目标检测算法
CN111914653B (zh) 一种人员标记方法和装置
CN111985419B (zh) 视频处理方法及相关设备
KR101847590B1 (ko) 디지털 비디오 스트림의 정보를 시각화하기 위한 장치 및 방법
JP2015018330A (ja) 移動体の方向別計数システム
CN114519844A (zh) 一种基于视觉转化器的人群密度估计方法及系统
Frick et al. trackeR: Infrastructure for running and cycling data from GPS-enabled tracking devices in R
CN114220175B (zh) 运动模式识别方法及其装置、设备、介质、产品
CN110418150A (zh) 一种信息提示方法、设备、系统及计算机可读存储介质
CN116761013A (zh) 数字人脸形象更换方法、装置、设备及存储介质
CN106375850B (zh) 一种匹配视频的判断方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A video tag adding method and system

Effective date of registration: 20210622

Granted publication date: 20190621

Pledgee: Beijing culture science and technology financing Company limited by guarantee

Pledgor: CBC CLOUD TECHNOLOGY Co.,Ltd.

Registration number: Y2021980005035