CN108733737B - 视频库的建立方法及装置 - Google Patents
视频库的建立方法及装置 Download PDFInfo
- Publication number
- CN108733737B CN108733737B CN201710279074.7A CN201710279074A CN108733737B CN 108733737 B CN108733737 B CN 108733737B CN 201710279074 A CN201710279074 A CN 201710279074A CN 108733737 B CN108733737 B CN 108733737B
- Authority
- CN
- China
- Prior art keywords
- video
- videos
- determining
- sequence
- relevant
- 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.)
- Active
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本公开涉及视频库的建立方法及装置。该方法包括：根据各个视频中相同和/或相似的视频得到相关视频序列；从每个相关视频序列中选出待选视频；将不属于相关视频序列的视频分别作为待选视频；对各个待选视频进行排序，并根据排序结果从各个待选视频中确定推荐视频；根据所述推荐视频建立视频库。本公开能够在保证建立视频库的效率的前提下，提高所建立的视频库中的视频质量，从而能够提高用户的搜索效率。
Description
技术领域
本公开涉及视频分析技术领域，尤其涉及一种视频库的建立方法及装置。
背景技术
如何从海量的视频中筛选出优质的视频供用户搜索是视频网站运营人员关注的问题之一。相关技术中主要采用以下两种方式建立供用户搜索的视频库。第一种方式是通过人工从海量视频中进行筛选，根据人工筛选的视频建立视频库。这种方式消耗人力、物力，且效率较低。第二种方式是通过预先训练的分类器根据视频的标题和关键词对视频进行分类筛选，根据筛选的视频建立视频库。由于视频的标题和关键词可能与视频内容无关，因此这种方式建立的视频库的效果较差。
发明内容
有鉴于此，本公开提出了一种视频库的建立方法及装置，以在保证建立视频库的效率的前提下，提高所建立的视频库中的视频质量，从而提高用户的搜索效率。
根据本公开的一方面，提供了一种视频库的建立方法，包括：
根据各个视频中相同和/或相似的视频得到相关视频序列；
从每个相关视频序列中选出待选视频；
将不属于相关视频序列的视频分别作为待选视频；
对各个待选视频进行排序，并根据排序结果从各个待选视频中确定推荐视频；
根据所述推荐视频建立视频库。
在一种可能的实现方式中，所述方法还包括：
将MD5信息相同的视频确定为相同的视频。
在一种可能的实现方式中，所述方法还包括：
将全局特征的匹配度大于第一阈值且局部特征的匹配度大于第二阈值的视频确定为相似的视频。
在一种可能的实现方式中，从每个相关视频序列中选出待选视频，包括：
对于任意一个相关视频序列，在所述相关视频序列中存在原创视频的情况下，将所述相关视频序列中的原创视频作为待选视频。
在一种可能的实现方式中，从每个相关视频序列中选出待选视频，包括：
对于任意一个相关视频序列，根据所述相关视频序列中的各个视频的清晰度、黑边范围、字幕位置、时长、点击率和播放时长占比中的至少一项，从所述相关视频序列中选出一个视频作为待选视频。
在一种可能的实现方式中，对各个待选视频进行排序，包括：
根据各个待选视频的清晰度、黑边范围、字幕位置、帧间匹配度、音频类型、点击率、播放时长占比、上传时间和关键词热度中的至少一项，确定各个待选视频的分数；
根据各个待选视频的分数对各个待选视频进行排序。
在一种可能的实现方式中，所述方法还包括：
对于任意一个相关视频序列，根据所述相关视频序列中的各个视频的关键词确定所述相关视频序列中的待选视频的关键词。
在一种可能的实现方式中，所述方法还包括：
对于任意一个相关视频序列，建立所述相关视频序列中的各个非待选视频与所述相关视频序列中的待选视频之间的关联。
在一种可能的实现方式中，所述方法还包括：
提取并存储各个待选视频的MD5信息、全局特征和局部特征中的至少一项。
根据本公开的另一方面，提供了一种视频库的建立装置，包括：
相关视频序列确定模块，用于根据各个视频中相同和/或相似的视频得到相关视频序列；
第一待选视频确定模块，用于从每个相关视频序列中选出待选视频；
第二待选视频确定模块，用于将不属于相关视频序列的视频分别作为待选视频；
推荐视频确定模块，用于对各个待选视频进行排序，并根据排序结果从各个待选视频中确定推荐视频；
视频库建立模块，用于根据所述推荐视频建立视频库。
在一种可能的实现方式中，所述装置还包括：
相同视频确定模块，用于将MD5信息相同的视频确定为相同的视频。
在一种可能的实现方式中，所述装置还包括：
相似视频确定模块，用于将全局特征的匹配度大于第一阈值且局部特征的匹配度大于第二阈值的视频确定为相似的视频。
在一种可能的实现方式中，所述第一待选视频确定模块包括：
第一待选视频确定子模块，用于对于任意一个相关视频序列，在所述相关视频序列中存在原创视频的情况下，将所述相关视频序列中的原创视频作为待选视频。
在一种可能的实现方式中，所述第一待选视频确定模块包括：
第二待选视频确定子模块，用于对于任意一个相关视频序列，根据所述相关视频序列中的各个视频的清晰度、黑边范围、字幕位置、时长、点击率和播放时长占比中的至少一项，从所述相关视频序列中选出一个视频作为待选视频。
在一种可能的实现方式中，推荐视频确定模块包括：
分数确定子模块，用于根据各个待选视频的清晰度、黑边范围、字幕位置、帧间匹配度、音频类型、点击率、播放时长占比、上传时间和关键词热度中的至少一项，确定各个待选视频的分数；
排序子模块，用于根据各个待选视频的分数对各个待选视频进行排序。
在一种可能的实现方式中，所述装置还包括：
关键词确定模块，用于对于任意一个相关视频序列，根据所述相关视频序列中的各个视频的关键词确定所述相关视频序列中的待选视频的关键词。
在一种可能的实现方式中，所述装置还包括：
关联模块，用于对于任意一个相关视频序列，建立所述相关视频序列中的各个非待选视频与所述相关视频序列中的待选视频之间的关联。
在一种可能的实现方式中，所述装置还包括：
提取与存储模块，用于提取并存储各个待选视频的MD5信息、全局特征和局部特征中的至少一项。
根据本公开的另一方面，提供了一种视频库的建立装置，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行上述方法。
根据本公开的另一方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。
本公开的各方面根据各个视频中相同和/或相似的视频得到相关视频序列，从每个相关视频序列中选出待选视频，将不属于相关视频序列的视频分别作为待选视频，对各个待选视频进行排序，根据排序结果从各个待选视频中确定推荐视频，并根据推荐视频建立视频库，由此能够在保证建立视频库的效率的前提下，提高所建立的视频库中的视频质量，从而能够提高用户的搜索效率。
根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。
图1示出根据本公开一实施例的视频库的建立方法的流程图。
图2示出根据本公开一实施例的视频库的建立方法的一示例性的流程图。
图3示出根据本公开一实施例的视频库的建立方法步骤S14中对各个待选视频进行排序的一示例性的流程图。
图4示出根据本公开一实施例的视频库的建立方法的一示例性的流程图。
图5示出根据本公开一实施例的视频库的建立方法的一示例性的流程图。
图6示出根据本公开一实施例的视频库的建立方法的一示例性的流程图。
图7示出根据本公开一实施例的视频库的建立装置的框图。
图8示出根据本公开一实施例的视频库的建立装置的一示例性的框图。
图9是根据一示例性实施例示出的一种用于视频库的建立的装置1900的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
实施例1
图1示出根据本公开一实施例的视频库的建立方法的流程图。该方法可以应用于服务器中，在此不作限定。如图1所示，该方法包括步骤S11至步骤S15。
在步骤S11中，根据各个视频中相同和/或相似的视频得到相关视频序列。
在一种可能的实现方式中，该方法还可以包括：将MD5(Message DigestAlgorithm 5，信息-摘要算法5)信息相同的视频确定为相同的视频。
在一种可能的实现方式中，该方法还可以包括：将全局特征的匹配度大于第一阈值且局部特征的匹配度大于第二阈值的视频确定为相似的视频。其中，全局特征可以为视频的各个视频帧的直方图、方差等能够反映视频整体的特征，局部特征可以为视频的各个视频帧的角点等能够反映视频帧的局部的特征，在此不作限定。全局特征和局部特征均可以为SIFT(Scale-Invariant Feature Transform，尺度不变特征变换)特征或者SURF(Speeded Up Robust Features，加速稳健特征)等，在此不作限定。其中，第一阈值可以为0.6，在此不作限定。根据该实现方式，可以在一个视频相对于另一视频稍有变化(例如视频的实质内容相同，但增加字幕、进行视频格式转换、增加噪声或者增加广告等)的情况下，将这两个视频确定为相似的视频。
作为该实现方式的一个示例，可以将MD5信息不同、全局特征的匹配度大于第一阈值且局部特征的匹配度大于第二阈值的视频确定为相似的视频。
在步骤S12中，从每个相关视频序列中选出待选视频。
在一种可能的实现方式中，从每个相关视频序列中选出待选视频，可以包括：对于任意一个相关视频序列，在相关视频序列中存在原创视频的情况下，将该相关视频序列中的原创视频作为待选视频。其中，原创视频可以指由视频的拍摄中或者制作者上传的视频。
在另一种可能的实现方式中，从每个相关视频序列中选出待选视频，可以包括：对于任意一个相关视频序列，根据相关视频序列中的各个视频的清晰度、黑边范围、字幕位置、时长、点击率和播放时长占比中的至少一项，从该相关视频序列中选出一个视频作为待选视频。在该实现方式中，可以根据相关视频序列中的各个视频的清晰度、黑边范围、字幕位置、时长、点击率和播放时长占比中的至少一项，计算该相关视频序列中的各个视频的分数，并可以将该相关视频序列中分数最高的视频确定为该相关视频序列的待选视频。
作为该实现方式的一个示例，对于任意一个相关视频序列，在该相关视频序列中不存在原创视频的情况下，可以根据相关视频序列中的各个视频的清晰度、黑边范围、字幕位置、时长、点击率和播放时长占比中的至少一项，从该相关视频序列中选出一个视频作为待选视频。
作为该实现方式的一个示例，可以以随机抽样或者固定抽样的方式抽取视频的关键帧，根据关键帧的清晰度、黑边范围和字幕范围确定视频的清晰度、黑边范围和字幕范围。
作为该实现方式的另一个示例，可以根据视频的场景切换帧的清晰度、黑边范围和字幕范围确定视频的清晰度、黑边范围和字幕范围。
作为该实现方式的一个示例，视频的分数可以与视频的清晰度正相关。视频的清晰度越高，则视频的分数越高。
作为该实现方式的一个示例，视频的分数可以与视频的黑边范围负相关。视频的黑边范围越大，则视频的分数越低。
作为该实现方式的一个示例，视频的分数可以与该视频中字幕位置与画面中心的距离正相关。该视频中字幕位置与画面中心的距离越大，则该视频的分数越高。即，视频中除开头和结尾的少数帧以外的其他帧中字幕位置越靠近画面中心，则遮挡画面的程度越严重，从而视频的分数越低。
作为该实现方式的一个示例，视频的分数可以与该视频的时长正相关。该视频的时长越长，则该视频的分数越高。
作为该实现方式的一个示例，视频的分数可以与该视频的点击率正相关。该视频的点击率越高，则该视频的分数越高。其中，视频的点击率可以等于该视频被点击的次数与所有视频被点击的总次数的比值。
作为该实现方式的一个示例，视频的分数可以与该视频的播放时长占比正相关。该视频的播放时长占比越大，则该视频的分数越高。其中，视频的播放时长占比可以等于该视频的平均播放时长与该视频的时长的比值。
作为该实现方式的一个示例，可以采用式1计算相关视频序列中的某个视频的分数s1：
其中，Ai表示视频的第i项得分，ki表示视频的第i项得分的权重，n表示视频得分的总项数。在该示例中，根据视频的n项得分确定视频的分数s1，其中，每项得分的取值范围可以为0～100。
例如，可以根据视频的清晰度和黑边范围确定A1，可以根据视频的字幕位置确定A2，可以根据视频的时长确定A3，可以根据视频的点击率和播放时长确定A4，并可以根据A1～A4以及k1～k4得到视频的分数s1。
在步骤S13中，将不属于相关视频序列的视频分别作为待选视频。
在本实施例中，不属于相关视频序列的视频可以为不与其他视频相同或相似的视频。
在步骤S14中，对各个待选视频进行排序，并根据排序结果从各个待选视频中确定推荐视频。
在一种可能的实现方式中，可以按照待选视频的分数由高到低的顺序对待选视频进行排序，并可以将排序在前的N个视频确定为推荐视频。
作为该实现方式的一个示例，可以根据待选视频的总个数确定N，例如，N可以约等于待选视频的总个数的70％。
作为该实现方式的另一个示例，可以预先设置N的大小。例如，N可以等于10万。
在步骤S15中，根据推荐视频建立视频库。
在本实施例中，维护用于存储推荐视频的视频库。该视频库中的视频数量可能为原始库的1/1000甚至更少。当接收到来自于用户的搜索请求时，可以在该视频库中进行搜索，而不在原始库中进行搜索，由此能够提高用户的搜索效率，并能够提高搜索结果中的视频质量，避免搜索结果中出现相同或相似的视频，从而能够提高用户的搜索体验。服务器还可以基于该视频库向用户进行视频推荐，从而能够保障所推荐的视频的质量，并能够保证所推荐的视频具有多样性，避免推荐相同或相似的视频。
其中，原始库可以是存储所有视频的库。原始库中可以标记每个视频的上传时间(例如上传日期)，根据每个视频的上传时间，可以确定每天上传的视频数量。
需要说明的是，本实施例不限制步骤S12和步骤S13的执行顺序，即，步骤S13既可以在步骤S12之后执行，也可以在步骤S12之前执行。
本实施例能够在保证建立视频库的效率的前提下，提高所建立的视频库中的视频质量，从而能够提高用户的搜索效率。
图2示出根据本公开一实施例的视频库的建立方法的一示例性的流程图。如图2所示，该方法可以包括步骤S21至步骤S27。
在步骤S21中，将MD5信息相同的视频确定为相同的视频。
在步骤S22中，将全局特征的匹配度大于第一阈值且局部特征的匹配度大于第二阈值的视频确定为相似的视频。
在步骤S23中，根据各个视频中相同的视频和相似的视频得到相关视频序列。
其中，对步骤S23参见上文对步骤S11的描述。
在步骤S24中，从每个相关视频序列中选出待选视频。
其中，对步骤S24参见上文对步骤S12的描述。
在步骤S25中，将不属于相关视频序列的视频分别作为待选视频。
其中，对步骤S25参见上文对步骤S13的描述。
在步骤S26中，对各个待选视频进行排序，并根据排序结果从各个待选视频中确定推荐视频。
其中，对步骤S26参见上文对步骤S14的描述。
在步骤S27中，根据推荐视频建立视频库。
其中，对步骤S27参见上文对步骤S15的描述。
图3示出根据本公开一实施例的视频库的建立方法步骤S14中对各个待选视频进行排序的一示例性的流程图。如图3所示，对各个待选视频进行排序，可以包括：
在步骤S31中，根据各个待选视频的清晰度、黑边范围、字幕位置、帧间匹配度、音频类型、点击率、播放时长占比、上传时间和关键词热度中的至少一项，确定各个待选视频的分数。
作为本实施例的一个示例，待选视频的分数可以与待选视频的清晰度正相关。待选视频的清晰度越高，则待选视频的分数越高。
作为本实施例的一个示例，待选视频的分数可以与待选视频的黑边范围负相关。待选视频的黑边范围越大，则待选视频的分数越低。
作为本实施例的一个示例，待选视频的分数可以与该待选视频中字幕位置与画面中心的距离正相关。字幕位置与画面中心的距离越大，则待选视频的分数越高。
作为本实施例的一个示例，待选视频的分数可以与该待选视频的帧间匹配度正相关。待选视频的帧间匹配度越高，则待选视频的分数越高。其中，待选视频的帧间匹配度可以根据待选视频的各组相邻视频帧的相似度确定。若待选视频的帧间匹配度越低，则该待选视频为图像拼接的虚假视频的可能性越大。
作为本实施例的一个示例，可以检测待选视频的音频类型是否为机器合成音。若待选视频的音频类型为机器合成音，则该待选视频的分数较低。
作为本实施例的一个示例，待选视频的分数可以与该待选视频的点击率正相关。该待选视频的点击率越高，则该待选视频的分数越高。
作为本实施例的一个示例，待选视频的分数可以与该待选视频的播放时长占比正相关。该待选视频的播放时长占比越大，则该待选视频的分数越高。
作为本实施例的一个示例，待选视频的分数可以与该待选视频的上传时间与当前系统时间之间的时间间隔负相关。该待选视频的上传时间与当前系统时间之间的时间间隔越大，则该待选视频的分数越低。
作为本实施例的一个示例，待选视频的分数可以与该待选视频的关键词热度正相关。该待选视频的关键词热度越高，则该待选视频的分数越高。其中，待选视频的关键词热度可以根据该待选视频的关键词与热搜词的匹配度确定。
作为本实施例的一个示例，可以采用式2计算待选视频的分数s2：
其中，Ai表示待选视频的第i项得分，ki表示待选视频的第i项得分的权重，n表示待选视频得分的总项数。在该示例中，根据待选视频的n项得分确定待选视频的分数s2，其中，每项得分的取值范围可以为0～100。
例如，可以根据待选视频的清晰度和黑边范围确定A1，可以根据待选视频的字幕位置确定A2，可以根据待选视频的时长确定A3，可以根据待选视频的点击率和播放时长确定A4，可以根据待选视频的帧间匹配度确定A5，可以根据待选视频的音频类型确定A6，可以根据待选视频的上传时间确定A7，可以根据待选视频的关键词热度确定A8，并可以根据A1～A8以及k1～k8得到待选视频的分数s2。
在步骤S32中，根据各个待选视频的分数对各个待选视频进行排序。
作为本实施例的一个示例，可以根据待选视频的分数由高到低的顺序对各个待选视频进行排序。
作为本实施例的另一个示例，可以根据待选视频的分数由低到高的顺序对各个待选视频进行排序。
图4示出根据本公开一实施例的视频库的建立方法的一示例性的流程图。如图4所示，该方法可以包括步骤S41至步骤S46。
在步骤S41中，根据各个视频中相同和/或相似的视频得到相关视频序列。
其中，对步骤S41参见上文对步骤S11的描述。
在步骤S42中，从每个相关视频序列中选出待选视频。
其中，对步骤S42参见上文对步骤S12的描述。
在步骤S43中，对于任意一个相关视频序列，根据相关视频序列中的各个视频的关键词确定该相关视频序列中的待选视频的关键词。
例如，某一相关视频序列包括视频L和视频Q，视频L为该相关视频序列的待选视频，视频L的关键词包括深度学习和机器学习，视频Q的关键词包括深度学习和初学者，则可以将深度学习、机器学习和初学者作为视频L的关键词。
根据该示例可以丰富待选视频的关键词，有助于用户通过不同的搜索词搜索到该视频。
在步骤S44中，将不属于相关视频序列的视频分别作为待选视频。
其中，对步骤S44参见上文对步骤S13的描述。
在步骤S45中，对各个待选视频进行排序，并根据排序结果从各个待选视频中确定推荐视频。
其中，对步骤S45参见上文对步骤S14的描述。
在步骤S46中，根据推荐视频建立视频库。
其中，对步骤S46参见上文对步骤S15的描述。
需要说明的是，本实施例不限制步骤S43的执行顺序，只要步骤S43在步骤S42之后执行即可。
图5示出根据本公开一实施例的视频库的建立方法的一示例性的流程图。如图5所示，该方法可以包括步骤S51至步骤S56。
在步骤S51中，根据各个视频中相同和/或相似的视频得到相关视频序列。
其中，对步骤S51参见上文对步骤S11的描述。
在步骤S52中，从每个相关视频序列中选出待选视频。
其中，对步骤S52参见上文对步骤S12的描述。
在步骤S53中，对于任意一个相关视频序列，建立相关视频序列中的各个非待选视频与该相关视频序列中的待选视频之间的关联。
作为本实施例的一个示例，可以在原始库中的每个视频的视频信息中增加母本字段。对于相关视频序列中的非待选视频，母本字段中可以记录该相关视频序列中的待选视频的标识信息，以建立相关视频序列中的各个非待选视频与该相关视频序列中的待选视频之间的关联。对于不属于相关视频序列的视频，母本字段为空，以表示该视频不与其他视频相同或相似。
在步骤S54中，将不属于相关视频序列的视频分别作为待选视频。
其中，对步骤S54参见上文对步骤S13的描述。
在步骤S55中，对各个待选视频进行排序，并根据排序结果从各个待选视频中确定推荐视频。
其中，对步骤S55参见上文对步骤S14的描述。
在步骤S56中，根据推荐视频建立视频库。
其中，对步骤S56参见上文对步骤S15的描述。
需要说明的是，本实施例不限制步骤S53的执行顺序，只要步骤S53在步骤S52之后执行即可。
图6示出根据本公开一实施例的视频库的建立方法的一示例性的流程图。如图6所示，该方法可以包括步骤S61至步骤S66。
在步骤S61中，根据各个视频中相同和/或相似的视频得到相关视频序列。
其中，对步骤S61参见上文对步骤S11的描述。
在步骤S62中，从每个相关视频序列中选出待选视频。
其中，对步骤S62参见上文对步骤S12的描述。
在步骤S63中，将不属于相关视频序列的视频分别作为待选视频。
其中，对步骤S63参见上文对步骤S13的描述。
在步骤S64中，提取并存储各个待选视频的MD5信息、全局特征和局部特征中的至少一项。
作为本实施例的一个示例，可以提取各个待选视频的MD5信息、全局特征和局部特征，而不提取相关视频序列中非待选视频的MD5信息、全局特征和局部特征，从而能够提高提取视频的特征的效率。
在该示例中，还可以将所提取的各个待选视频的MD5信息、全局特征和局部特征存储在特征库中，由此在检测到新上传的视频时，可以根据将新上传的视频的MD5信息、全局特征和局部特征与特征库中视频的特征进行比对，而无需重复提取各个视频的特征，从而能够提高在视频库中新增推荐视频的效率。
作为本实施例的一个示例，对于新上传的视频，若判定该新上传的视频与特征库中的某一视频的特征相匹配，则不再提取该新上传的视频的特征，且不将该新上传的视频作为待选视频，即，该新上传的视频属于某一已有的相关视频序列；若该新上传的视频与特征库中的任意一个视频的特征均不匹配，则提取该新上传的特征，并将该新上传的视频作为待选视频。
在步骤S65中，对各个待选视频进行排序，并根据排序结果从各个待选视频中确定推荐视频。
其中，对步骤S65参见上文对步骤S14的描述。
在步骤S66中，根据推荐视频建立视频库。
其中，对步骤S66参见上文对步骤S15的描述。
需要说明的是，本实施例不限制步骤S64的执行顺序，只要步骤S64在步骤S62和步骤S63之后执行即可。
实施例2
图7示出根据本公开一实施例的视频库的建立装置的框图。如图7所示，该装置包括：相关视频序列确定模块701，用于根据各个视频中相同和/或相似的视频得到相关视频序列；第一待选视频确定模块702，用于从每个相关视频序列中选出待选视频；第二待选视频确定模块703，用于将不属于相关视频序列的视频分别作为待选视频；推荐视频确定模块704，用于对各个待选视频进行排序，并根据排序结果从各个待选视频中确定推荐视频；视频库建立模块705，用于根据所述推荐视频建立视频库。
图8示出根据本公开一实施例的视频库的建立装置的一示例性的框图。如图8所示：
在一种可能的实现方式中，所述装置还包括：相同视频确定模块706，用于将MD5信息相同的视频确定为相同的视频。
在一种可能的实现方式中，所述装置还包括：相似视频确定模块707，用于将全局特征的匹配度大于第一阈值且局部特征的匹配度大于第二阈值的视频确定为相似的视频。
在一种可能的实现方式中，所述第一待选视频确定模块702包括：第一待选视频确定子模块7021，用于对于任意一个相关视频序列，在所述相关视频序列中存在原创视频的情况下，将所述相关视频序列中的原创视频作为待选视频。
在一种可能的实现方式中，所述第一待选视频确定模块702包括：第二待选视频确定子模块7022，用于对于任意一个相关视频序列，根据所述相关视频序列中的各个视频的清晰度、黑边范围、字幕位置、时长、点击率和播放时长占比中的至少一项，从所述相关视频序列中选出一个视频作为待选视频。
在一种可能的实现方式中，推荐视频确定模块704包括：分数确定子模块7041，用于根据各个待选视频的清晰度、黑边范围、字幕位置、帧间匹配度、音频类型、点击率、播放时长占比、上传时间和关键词热度中的至少一项，确定各个待选视频的分数；排序子模块7042，用于根据各个待选视频的分数对各个待选视频进行排序。
在一种可能的实现方式中，所述装置还包括：
关键词确定模块708，用于对于任意一个相关视频序列，根据所述相关视频序列中的各个视频的关键词确定所述相关视频序列中的待选视频的关键词。
在一种可能的实现方式中，所述装置还包括：
关联模块709，用于对于任意一个相关视频序列，建立所述相关视频序列中的各个非待选视频与所述相关视频序列中的待选视频之间的关联。
在一种可能的实现方式中，所述装置还包括：
提取与存储模块710，用于提取并存储各个待选视频的MD5信息、全局特征和局部特征中的至少一项。
本实施例能够在保证建立视频库的效率的前提下，提高所建立的视频库中的视频质量，从而能够提高用户的搜索效率。
实施例3
图9是根据一示例性实施例示出的一种用于视频库的建立的装置1900的框图。例如，装置1900可以被提供为一服务器。参照图9，装置1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932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1922被配置为执行指令，以执行上述方法。
装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理，一个有线或无线网络接口1950被配置为将装置1900连接到网络，和一个输入输出(I/O)接口1958。装置1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，MacOS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
在示例性实施例中，还提供了一种包括指令的非易失性计算机可读存储介质，例如包括指令的存储器1932，上述指令可由装置1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (18)
1.一种视频库的建立方法，其特征在于，包括：
根据各个视频中相同和/或相似的视频得到相关视频序列；
从每个相关视频序列中选出待选视频；所述从每个相关视频序列中选出待选视频，包括：对于任意一个相关视频序列，在所述相关视频序列中存在原创视频的情况下，将所述相关视频序列中的原创视频作为待选视频；
将不属于相关视频序列的视频分别作为待选视频；
对各个待选视频进行排序，并根据排序结果从各个待选视频中确定推荐视频；
根据所述推荐视频建立视频库。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
将MD5信息相同的视频确定为相同的视频。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
将全局特征的匹配度大于第一阈值且局部特征的匹配度大于第二阈值的视频确定为相似的视频。
4.根据权利要求1所述的方法，其特征在于，从每个相关视频序列中选出待选视频，包括：
对于任意一个相关视频序列，根据所述相关视频序列中的各个视频的清晰度、黑边范围、字幕位置、时长、点击率和播放时长占比中的至少一项，从所述相关视频序列中选出一个视频作为待选视频。
5.根据权利要求1所述的方法，其特征在于，对各个待选视频进行排序，包括：
根据各个待选视频的清晰度、黑边范围、字幕位置、帧间匹配度、音频类型、点击率、播放时长占比、上传时间和关键词热度中的至少一项，确定各个待选视频的分数；
根据各个待选视频的分数对各个待选视频进行排序。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
对于任意一个相关视频序列，根据所述相关视频序列中的各个视频的关键词确定所述相关视频序列中的待选视频的关键词。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
对于任意一个相关视频序列，建立所述相关视频序列中的各个非待选视频与所述相关视频序列中的待选视频之间的关联。
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
提取并存储各个待选视频的MD5信息、全局特征和局部特征中的至少一项。
9.一种视频库的建立装置，其特征在于，包括：
相关视频序列确定模块，用于根据各个视频中相同和/或相似的视频得到相关视频序列；
第一待选视频确定模块，用于从每个相关视频序列中选出待选视频；所述第一待选视频确定模块包括：第一待选视频确定子模块，用于对于任意一个相关视频序列，在所述相关视频序列中存在原创视频的情况下，将所述相关视频序列中的原创视频作为待选视频；
第二待选视频确定模块，用于将不属于相关视频序列的视频分别作为待选视频；
推荐视频确定模块，用于对各个待选视频进行排序，并根据排序结果从各个待选视频中确定推荐视频；
视频库建立模块，用于根据所述推荐视频建立视频库。
10.根据权利要求9所述的装置，其特征在于，所述装置还包括：
相同视频确定模块，用于将MD5信息相同的视频确定为相同的视频。
11.根据权利要求9所述的装置，其特征在于，所述装置还包括：
相似视频确定模块，用于将全局特征的匹配度大于第一阈值且局部特征的匹配度大于第二阈值的视频确定为相似的视频。
12.根据权利要求9所述的装置，其特征在于，所述第一待选视频确定模块包括：
第二待选视频确定子模块，用于对于任意一个相关视频序列，根据所述相关视频序列中的各个视频的清晰度、黑边范围、字幕位置、时长、点击率和播放时长占比中的至少一项，从所述相关视频序列中选出一个视频作为待选视频。
13.根据权利要求9所述的装置，其特征在于，推荐视频确定模块包括：
分数确定子模块，用于根据各个待选视频的清晰度、黑边范围、字幕位置、帧间匹配度、音频类型、点击率、播放时长占比、上传时间和关键词热度中的至少一项，确定各个待选视频的分数；
排序子模块，用于根据各个待选视频的分数对各个待选视频进行排序。
14.根据权利要求9所述的装置，其特征在于，所述装置还包括：
关键词确定模块，用于对于任意一个相关视频序列，根据所述相关视频序列中的各个视频的关键词确定所述相关视频序列中的待选视频的关键词。
15.根据权利要求9所述的装置，其特征在于，所述装置还包括：
关联模块，用于对于任意一个相关视频序列，建立所述相关视频序列中的各个非待选视频与所述相关视频序列中的待选视频之间的关联。
16.根据权利要求9所述的装置，其特征在于，所述装置还包括：
提取与存储模块，用于提取并存储各个待选视频的MD5信息、全局特征和局部特征中的至少一项。
17.一种视频库的建立装置，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
根据各个视频中相同和/或相似的视频得到相关视频序列；
从每个相关视频序列中选出待选视频；所述从每个相关视频序列中选出待选视频，包括：对于任意一个相关视频序列，在所述相关视频序列中存在原创视频的情况下，将所述相关视频序列中的原创视频作为待选视频；
将不属于相关视频序列的视频分别作为待选视频；
对各个待选视频进行排序，并根据排序结果从各个待选视频中确定推荐视频；
根据所述推荐视频建立视频库。
18.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任意一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710279074.7A CN108733737B (zh) | 2017-04-25 | 2017-04-25 | 视频库的建立方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710279074.7A CN108733737B (zh) | 2017-04-25 | 2017-04-25 | 视频库的建立方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108733737A CN108733737A (zh) | 2018-11-02 |
| CN108733737B true CN108733737B (zh) | 2021-02-09 |
Family
ID=63934467
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710279074.7A Active CN108733737B (zh) | 2017-04-25 | 2017-04-25 | 视频库的建立方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108733737B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110996124B (zh) * | 2019-12-20 | 2022-02-08 | 北京百度网讯科技有限公司 | 原创视频确定方法及相关设备 |
| CN111294610B (zh) * | 2020-02-20 | 2022-03-08 | 北京奇艺世纪科技有限公司 | 一种视频处理方法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101635843A (zh) * | 2008-07-23 | 2010-01-27 | 北京大学 | 一种基于帧间变化特征的视纹提取、查找比对方法及系统 |
| CN102495873A (zh) * | 2011-11-30 | 2012-06-13 | 北京航空航天大学 | 一种基于视频情感特征与会话模型的视频推荐方法 |
| CN102890700A (zh) * | 2012-07-04 | 2013-01-23 | 北京航空航天大学 | 一种基于体育比赛视频的相似视频片段检索方法 |
| CN103533353A (zh) * | 2013-09-29 | 2014-01-22 | 同济大学 | 一种近似视频编码系统 |
| CN105512331A (zh) * | 2015-12-28 | 2016-04-20 | 海信集团有限公司 | 一种视频推荐方法及装置 |
| CN105898410A (zh) * | 2015-12-15 | 2016-08-24 | 乐视网信息技术（北京）股份有限公司 | 视频推荐方法以及服务器 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080226173A1 (en) * | 2007-03-13 | 2008-09-18 | Motorola, Inc. | Method and apparatus for video clip searching and mining |
| US10216761B2 (en) * | 2008-03-04 | 2019-02-26 | Oath Inc. | Generating congruous metadata for multimedia |
| CN101834837A (zh) * | 2009-12-18 | 2010-09-15 | 北京邮电大学 | 基于宽带网络的旅游景区景点在线景观视频主动信息服务系统 |
| CN105468755A (zh) * | 2015-11-27 | 2016-04-06 | 东方网力科技股份有限公司 | 一种视频筛选存储方法和装置 |
| CN105975939B (zh) * | 2016-05-06 | 2019-10-15 | 百度在线网络技术（北京）有限公司 | 视频检测方法和装置 |
-
2017
- 2017-04-25 CN CN201710279074.7A patent/CN108733737B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101635843A (zh) * | 2008-07-23 | 2010-01-27 | 北京大学 | 一种基于帧间变化特征的视纹提取、查找比对方法及系统 |
| CN102495873A (zh) * | 2011-11-30 | 2012-06-13 | 北京航空航天大学 | 一种基于视频情感特征与会话模型的视频推荐方法 |
| CN102890700A (zh) * | 2012-07-04 | 2013-01-23 | 北京航空航天大学 | 一种基于体育比赛视频的相似视频片段检索方法 |
| CN103533353A (zh) * | 2013-09-29 | 2014-01-22 | 同济大学 | 一种近似视频编码系统 |
| CN105898410A (zh) * | 2015-12-15 | 2016-08-24 | 乐视网信息技术（北京）股份有限公司 | 视频推荐方法以及服务器 |
| CN105512331A (zh) * | 2015-12-28 | 2016-04-20 | 海信集团有限公司 | 一种视频推荐方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 视频信息检索研究;张静;《中国博士学位论文全文数据库 信息科技辑》;20070815;I138-60 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108733737A (zh) | 2018-11-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220027634A1 (en) | Video processing method, electronic device and storage medium | |
| CN108694217B (zh) | 视频的标签确定方法及装置 | |
| US10194203B2 (en) | Multimodal and real-time method for filtering sensitive media | |
| CN104994426B (zh) | 节目视频识别方法及系统 | |
| CN107430687B9 (zh) | 视频流的基于实体的时间分割 | |
| KR102343766B1 (ko) | 비디오의 텍스트 검출 | |
| US8515193B1 (en) | Image compression using exemplar dictionary based on hierarchical clustering | |
| US20220172476A1 (en) | Video similarity detection method, apparatus, and device | |
| US10789990B2 (en) | Video data learning and prediction | |
| JP2011505086A (ja) | デジタル・メディアを処理するシステムおよび方法 | |
| US20180068188A1 (en) | Video analyzing method and video processing apparatus thereof | |
| CN109408672B (zh) | 一种文章生成方法、装置、服务器及存储介质 | |
| CN111314732A (zh) | 确定视频标签的方法、服务器及存储介质 | |
| KR101647691B1 (ko) | 하이브리드 기반의 영상 클러스터링 방법 및 이를 운용하는 서버 | |
| US20170147170A1 (en) | Method for generating a user interface presenting a plurality of videos | |
| CN109063200B (zh) | 资源搜索方法及其装置、电子设备、计算机可读介质 | |
| CN108733737B (zh) | 视频库的建立方法及装置 | |
| Shullani et al. | Social network identification of laundered videos based on DCT coefficient analysis | |
| WO2023029389A1 (zh) | 视频指纹的生成方法及装置、电子设备、存储介质、计算机程序、计算机程序产品 | |
| Husa et al. | HOST-ATS: automatic thumbnail selection with dashboard-controlled ML pipeline and dynamic user survey | |
| CN111191591A (zh) | 一种水印检测、视频处理方法和相关设备 | |
| Husa et al. | Automatic thumbnail selection for soccer videos using machine learning | |
| CN110019874B (zh) | 索引文件的生成方法、装置及系统 | |
| CN114302231B (zh) | 视频处理方法及装置、电子设备和存储介质 | |
| CN110807127A (zh) | 视频推荐方法及装置 |
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 | ||
| CB02 | Change of applicant information |
Address after: 100080 Beijing Haidian District city Haidian street A Sinosteel International Plaza No. 8 block 5 layer D Applicant after: YOUKU INFORMATION TECHNOLOGY (BEIJING) Co.,Ltd. Address before: 100080 Beijing Haidian District city Haidian street A Sinosteel International Plaza No. 8 block 5 layer D Applicant before: HEYI INFORMATION TECHNOLOGY (BEIJING) Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200610 Address after: 310052 room 508, floor 5, building 4, No. 699, Wangshang Road, Changhe street, Binjiang District, Hangzhou City, Zhejiang Province Applicant after: Alibaba (China) Co.,Ltd. Address before: 100080 Beijing Haidian District city Haidian street A Sinosteel International Plaza No. 8 block 5 layer D Applicant before: YOUKU INFORMATION TECHNOLOGY (BEIJING) Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |