CN109165316A - 一种视频处理方法、视频索引方法、装置及终端设备 - Google Patents

Abstract

本申请适用于数据处理技术领域，提供了一种视频处理方法、视频索引方法、装置及终端设备，所述视频处理方法包括：获取用户上传的视频；对所述视频进行图像识别，得到所述视频中物品的识别信息，将所述物品的识别信息作为视频的主标签。本申请可以解决现有技术中视频标签由用户自己创建，准确性较低且不够全面的问题。

Description

一种视频处理方法、视频索引方法、装置及终端设备

技术领域

本申请属于数据处理技术领域，尤其涉及一种视频处理方法、视频索引方法、装置及终端设备。

背景技术

随着互联网的发展，越来越多的用户将一些视频共享到网络当中，例如维修人员可以拍摄自己维修设备的过程并共享到网络上，其他用户可以通过观看这些视频进行学习或者参考。

用户对这些视频进行检索主要是对这些视频的标签进行检索。但是当前视频的标签主要是由上传视频的用户输入的，用户输入标签时，可能会因为输入错别字或遗漏关键零部件信息等原因导致视频标签不够准确或者不够全面，其他用户在进行视频搜索时，难以通过正确的搜索词匹配到该视频。

综上，现有的视频标签由用户自己创建，准确性较低且不够全面。

发明内容

有鉴于此，本申请实施例提供了一种视频处理方法、视频索引方法、装置及终端设备，以解决现有技术中视频标签由用户自己创建，准确性较低且不够全面的问题。

本申请实施例的第一方面提供了一种视频处理方法，包括：

获取用户上传的视频；

对所述视频进行图像识别，得到所述视频中物品的识别信息，将所述物品的识别信息作为视频的主标签。

优选的，所述方法还包括：

获取所述视频中的音频，通过语音识别将所述音频转换为文本信息；

提取所述文本信息中的动作词，将所述动作词作为视频的子标签。

优选的，所述方法还包括：

记录各个所述子标签在所述音频中第一次出现的时间点。

优选的，所述方法还包括：

根据用户的点击指令播放对应的视频；

展示所述视频的子标签以及各个所述子标签第一次出现的时间点，或者，展示所述视频的子标签，根据用户的子标签选择指令将所述视频的播放时间跳转至用户选择的子标签第一次出现的时间点。

本申请实施例的第二方面提供了一种视频索引方法，包括：

获取用户输入的主标签搜索词或者对用户输入的搜索图像进行图像识别得到主标签搜索词；

根据所述主标签搜索词进行搜索，返回主标签中包含所述主标签搜索词的视频，其中，主标签为预先对用户上传的视频进行图像识别后得到的所述视频中物品的识别信息。

优选的，所述方法还包括：

获取用户输入的子标签搜索词，根据所述子标签搜索词对所述主标签中包含所述主标签搜索词的视频进行搜索，返回子标签中包含所述子标签搜索词的视频；

根据用户的点击指令播放对应的视频，展示所述子标签搜索词对应的子标签第一次出现的时间点，或者，将所述视频的播放时间跳转至所述子标签搜索词对应的子标签第一次出现的时间点。

本申请实施例的第三方面提供了一种视频处理装置，包括：

视频获取模块，用于获取用户上传的视频；

主标签模块，用于对所述视频进行图像识别，得到所述视频中各个物品的识别信息，将所述物品的识别信息作为视频的主标签。

本申请实施例的第四方面提供了一种视频索引装置，包括：

主搜索模块，用于获取用户输入的主标签搜索词或者对用户输入的搜索图像进行图像识别得到主标签搜索词；

搜索返回模块，用于根据所述主标签搜索词进行搜索，返回主标签中包含所述主标签搜索词的视频，其中，主标签为预先对用户上传的视频进行图像识别后得到的所述视频中物品的识别信息。

本申请实施例的第五方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现第一方面或者第二方面所述方法的步骤。

本申请实施例的第六方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现第一方面或者第二方面所述方法的步骤。

本申请实施例与现有技术相比存在的有益效果是：

本申请的视频处理方法中，用户直接上传视频，对视频进行图像识别，得到视频中物品的识别信息，以物品的识别信息作为视频的主标签，无需用户自己创建标签，避免出现错别字的情况，同时识别信息由图像识别得到，避免出现因用户疏忽导致遗漏关键零部件信息的情况，解决了现有技术中视频标签由用户自己创建，准确性较低且不够全面的问题。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的一种视频处理方法的实现流程示意图；

图2是本申请实施例提供的一种视频索引方法的实现流程示意图；

图3是本申请实施例提供的一种视频处理装置的示意图；

图4是本申请实施例提供的一种视频索引装置的示意图；

图5是本申请实施例提供的终端设备的示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

具体实现中，本申请实施例中描述的移动终端包括但不限于诸如具有触摸敏感表面(例如，触摸屏显示器和/或触摸板)的移动电话、膝上型计算机或平板计算机之类的其它便携式设备。还应当理解的是，在某些实施例中，上述设备并非便携式通信设备，而是具有触摸敏感表面(例如，触摸屏显示器和/或触摸板)的台式计算机。

在接下来的讨论中，描述了包括显示器和触摸敏感表面的移动终端。然而，应当理解的是，移动终端可以包括诸如物理键盘、鼠标和/或控制杆的一个或多个其它物理用户接口设备。

移动终端支持各种应用程序，例如以下中的一个或多个：绘图应用程序、演示应用程序、文字处理应用程序、网站创建应用程序、盘刻录应用程序、电子表格应用程序、游戏应用程序、电话应用程序、视频会议应用程序、电子邮件应用程序、即时消息收发应用程序、锻炼支持应用程序、照片管理应用程序、数码相机应用程序、数字摄影机应用程序、web浏览应用程序、数字音乐播放器应用程序和/或数字视频播放器应用程序。

可以在移动终端上执行的各种应用程序可以使用诸如触摸敏感表面的至少一个公共物理用户接口设备。可以在应用程序之间和/或相应应用程序内调整和/或改变触摸敏感表面的一个或多个功能以及终端上显示的相应信息。这样，终端的公共物理架构(例如，触摸敏感表面)可以支持具有对用户而言直观且透明的用户界面的各种应用程序。

本申请提供了一种视频处理方法、视频索引方法、装置及终端设备，可以解决现有技术中视频标签由用户自己创建，准确性较低且不够全面的问题，为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。

实施例一：

下面对本申请实施例一提供的一种视频处理方法进行描述，请参阅附图1，本申请实施例一中的视频处理方法包括：

步骤S101、获取用户上传的视频；

用户上传视频的过程中，无需编辑视频标签，直接上传视频即可。

步骤S102、对所述视频进行图像识别，得到所述视频中物品的识别信息，将所述物品的识别信息作为视频的主标签。

获取到用户上传的视频后，对视频的每一帧图像进行图像识别或者对视频的指定帧图像进行图像识别，得到视频中物品的识别信息。

图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。

具体的图像识别算法可以根据实际情况进行选择，例如可以通过神经网络模型进行图像识别。

当通过神经网络模型进行识别时，需要获取预置数量的训练样本图像，训练样本图像为已标注物品识别信息的图像，例如选取一系列包含轮胎的训练样本图像，将图像的物品识别信息标注为轮胎。

将预置数量的训练样本图像输入初始的神经网络模型中，对初始的神经网络进行训练，训练完成后，即可使用经过训练的神经网络对视频进行图像识别。

对视频进行图像识别得到物品的识别信息后，即可将物品的识别信息作为视频的主标签。

本实施例的视频处理方法中，用户直接上传视频，对视频进行图像识别，得到视频中物品的识别信息，以物品的识别信息作为视频的主标签，无需用户自己创建标签，避免出现错别字的情况，同时识别信息由图像识别得到，可避免出现因用户疏忽导致遗漏关键零部件信息的情况。

同时也可以根据实际情况进行设置，将所有类型的识别信息都作为主标签，或者将指定类型的识别信息作为视频的主标签，例如，在汽修软件上可以设置汽车领域的识别信息作为视频的主标签，则对视频进行图像识别后得到[瓶子、轮胎、方向盘、抱枕]的识别信息时，只选择与汽车领域相关的识别信息[轮胎、方向盘]作为主标签。

进一步地，所述方法还包括：

A1、获取所述视频中的音频，通过语音识别将所述音频转换为文本信息。

以视频中物品的识别信息作为主标签之后，还可以获取视频中的音频，对音频进行语音识别，将音频转换为文本信息。

语音识别是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的技术，具体的语音识别算法可以根据实际情况进行选择。

A2、提取所述文本信息中的动作词，将所述动作词作为视频的子标签。

将音频转换成文本信息之后，通过分词器对文本信息进行分词处理，通过分词处理将文本信息分成独立的词语并得到各个词语的词性，将其中的动作词作为视频的子标签，例如，通过语音识别得到的文本信息为“现在我们开始拆装轮胎”，通过分词器对文本信息进行分词并标注词性后，选择其中的动作词“拆装”作为视频的子标签。

进一步地，所述方法还包括：

B1、记录各个所述子标签在所述音频中第一次出现的时间点。

得到视频的子标签之后，还可以记录各个子标签在音频中第一次出现的时间点，以便于用户查看或者主动展示给用户。

进一步地，所述方法还包括：

C1、根据用户的点击指令播放对应的视频。

得到视频的标签后，用户可以通过输入关键词或者拍摄图像进行匹配的方式对视频进行搜索，例如用户可以先输入关键词轮胎，或者上传包含轮胎的图像进行识别，根据关键词轮胎或者包含轮胎的图像筛选各个视频的主标签，返回主标签包含轮胎的一系列视频，在该视频集下进一步输入动作词对子标签进行搜索，例如输入拆装，则返回子标签包含拆装的视频。

得到视频搜索结果之后，用户可点击感兴趣的视频，根据用户的点击指令播放对应的视频。

C2、展示所述视频的子标签以及各个所述子标签第一次出现的时间点，或者，展示所述视频的子标签，根据用户的子标签选择指令将所述视频的播放时间跳转至用户选择的子标签第一次出现的时间点。

但是对于播放的视频，可能其中大部分的内容是用户不感兴趣的，例如用户向观看拆装轮胎的步骤，但是用户点击播放的视频中，前半个小时的视频内容与拆装轮胎无关。

此时，可以展示视频中的子标签和各个子标签第一次出现的时间点，用户根据展示的内容将视频的播放时间移动至对应的子标签第一次出现的时间点，例如，在视频播放界面的下方显示[拆装00:25:41]、[调试00:41:23]和[更换01:10:15]，用户找到感兴趣的子标签“拆装”，查看到子标签“拆装”第一次出现的时间点为25分41秒，则拖动视频播放的进度条至25分41秒开始观看。

或者展示视频中的子标签，当用户点击感兴趣的子标签时，自动将视频的播放时间跳转至该子标签第一次出现的时间点。例如，在视频播放界面的下方显示[拆装]、[调试]和[更换]，用户找到感兴趣的子标签“拆装”，点击子标签“拆装”，视频自动将播放时间跳转到子标签“拆装”第一次出现的时间点25分41秒。

通过上述方式可以让用户直接观看感兴趣的视频内容，提高用户的搜索效率和观看体验。

在本申请的实施例一中，对用户上传的视频进行图像识别，根据视频中物品的识别信息建立视频的子标签，无需用户自己创建标签，避免出现错别字的情况，同时识别信息由图像识别得到，避免出现因用户疏忽导致遗漏关键零部件信息的情况。

此外，还可以对视频中的音频进行语音识别，将音频转换为文本信息，将文本信息中的动作词作为子标签，构建多级标签体系，方便用户快速精准地定位感兴趣的视频。

将动作词作为子标签时，还可以记录子标签第一次出现的时候，方便用户的查询或者直接展示给用户。

当用户点击感兴趣的视频时，展示子标签及子标签第一次出现的时间点，或者展示子标签，根据用户的子标签选择指令将视频的播放时间自动跳转用户选择的子标签第一次出现的时间点，方便用户直接观看感兴趣的视频内容，提高用户的搜索效率和观看体验。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

实施例二：

下面对本申请实施例二提供的一种视频索引方法进行描述，请参阅附图2，本申请实施例二中的视频索引方法包括：

步骤S201、获取用户输入的主标签搜索词或者对用户输入的搜索图像进行图像识别得到主标签搜索词；

当用户进行搜索视频时，用户可以直接输入主标签搜索词，或者用户也可以输入搜索图像，对搜索图像进行图像识别得到主标签搜索词，例如用户可以先输入主标签搜索词“轮胎”，或者上传包含轮胎的图像进行识别得到主标签搜索词“轮胎”。

步骤S202、根据所述主标签搜索词进行搜索，返回主标签中包含所述主标签搜索词的视频，其中，主标签为预先对用户上传的视频进行图像识别后得到的所述视频中物品的识别信息。

得到主标签搜索词之后，可根据主标签搜索词进行搜索，返回主标签中包含主标签搜索词的视频，例如，根据主标签搜索词“轮胎”进行搜索，则对各个视频的主标签进行匹配，返回主标签中包含“轮胎”的视频。

主标签为预先对用户上传的视频进行图像识别后得到的视频中物品的识别信息。

进一步地，所述方法还包括：

D1、获取用户输入的子标签搜索词，根据所述子标签搜索词对所述主标签中包含所述主标签搜索词的视频进行搜索，返回子标签中包含所述子标签搜索词的视频；

当根据主标签搜索词进行搜索后，可以根据用户输入的子标签搜索词对主标签中包含主标签搜索词的视频进行筛选，筛选后返回子标签中包含子标签搜索词的视频，例如，对主标签中包含“轮胎”的视频的子标签进行筛选，将各个主标签中包含“轮胎”的视频的子标签与子标签搜索词“拆装”进行匹配，将子标签中包含子标签搜索词“拆装”的视频。

D2、根据用户的点击指令播放对应的视频，展示所述子标签搜索词对应的子标签第一次出现的时间点，或者，将所述视频的播放时间跳转至所述子标签搜索词对应的子标签第一次出现的时间点。

用户通过点击指令播放对应的视频，但是对于播放的视频，可能其中大部分的内容是用户不感兴趣的，例如用户向观看拆装轮胎的步骤，但是用户点击播放的视频中，前半个小时的视频内容与拆装轮胎无关。

因此，播放对应的视频时可以根据此前用户输入的子标签搜索词展示所述子标签搜索词对应的子标签第一次出现的时间点，以便于用户寻找视频中的感兴趣的内容，例如，在视频播放界面的下方显示[拆装00:25:41]，用户查看到子标签“拆装”第一次出现的时间点为25分41秒，则拖动视频播放的进度条至25分41秒开始观看。

或者，也可以直接将视频的播放时间跳转到子标签搜索词对应的子标签第一次出现的时间点，例如子标签搜索词为“拆装”，则在用户点击视频时，直接将视频的播放时间跳转到子标签“拆装”第一次出现的时间点25分41秒进行播放。

此外，也可以展示视频中的子标签和各个子标签第一次出现的时间点，用户根据展示的内容将视频的播放时间移动至对应的子标签第一次出现的时间点，例如，在视频播放界面的下方显示[拆装00:25:41]、[调试00:41:23]和[更换01:10:15]，用户找到感兴趣的子标签“拆装”，查看到子标签“拆装”第一次出现的时间点为25分41秒，则拖动视频播放的进度条至25分41秒开始观看。

或者展示视频中的子标签，当用户点击感兴趣的子标签时，自动将视频的播放时间跳转至该子标签第一次出现的时间点。例如，在视频播放界面的下方显示[拆装]、[调试]和[更换]，用户找到感兴趣的子标签“拆装”，点击子标签“拆装”，视频自动将播放时间跳转到子标签“拆装”第一次出现的时间点25分41秒。

通过上述方式可以让用户直接观看感兴趣的视频内容，提高用户的搜索效率和观看体验。

在本申请的实施例一中，用户可通过主标签搜索词和子标签搜索词对视频库中的视频进行搜索，快速精准地查找到用户感兴趣的视频。

当用户点击感兴趣视频时，可以根据此前用户输入的子标签搜索词展示所述子标签搜索词对应的子标签第一次出现的时间点，以便于用户寻找视频中的感兴趣的内容，或者直接将视频的播放时间跳转到子标签搜索词对应的子标签第一次出现的时间点，方便用户直接观看感兴趣的视频内容，提高用户的搜索效率和观看体验。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

实施例三：

本申请实施例三提供了一种视频处理装置，为便于说明，仅示出与本申请相关的部分，如图3所示，视频处理装置包括，

视频获取模块301，用于获取用户上传的视频；

主标签模块302，用于对所述视频进行图像识别，得到所述视频中各个物品的识别信息，将所述物品的识别信息作为视频的主标签。

进一步地，所述装置还包括：

文本转换模块，用于获取所述视频中的音频，通过语音识别将所述音频转换为文本信息；

子标签模块，用于提取所述文本信息中的动作词，将所述动作词作为视频的子标签。

进一步地，所述装置还包括：

时间记录模块，用于记录各个所述子标签在所述音频中第一次出现的时间点。

进一步地，所述装置还包括：

视频播放模块，用于根据用户的点击指令播放对应的视频；

标签展示模块，用于展示所述视频的子标签以及各个所述子标签第一次出现的时间点，或者，展示所述视频的子标签，根据用户的子标签选择指令将所述视频的播放时间跳转至用户选择的子标签第一次出现的时间点。

需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例一基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。

实施例四：

本申请实施例四提供了一种视频索引装置，为便于说明，仅示出与本申请相关的部分，如图4所示，视频索引装置包括，

主搜索模块401，用于获取用户输入的主标签搜索词或者对用户输入的搜索图像进行图像识别得到主标签搜索词；

搜索返回模块402，用于根据所述主标签搜索词进行搜索，返回主标签中包含所述主标签搜索词的视频，其中，主标签为预先对用户上传的视频进行图像识别后得到的所述视频中物品的识别信息。

进一步地，所述装置还包括：

子搜索模块，用于获取用户输入的子标签搜索词，根据所述子标签搜索词对所述主标签中包含所述主标签搜索词的视频进行搜索，返回子标签中包含所述子标签搜索词的视频；

点击播放模块，用于根据用户的点击指令播放对应的视频，展示所述子标签搜索词对应的子标签第一次出现的时间点，或者，将所述视频的播放时间跳转至所述子标签搜索词对应的子标签第一次出现的时间点。

需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例二基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。

实施例五：

图5是本申请实施例三提供的终端设备的示意图。如图5所示，该实施例的终端设备5包括：处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52。所述处理器50执行所述计算机程序52时实现上述视频处理方法实施例中的步骤或上述视频索引方法实施例中的步骤，例如图1所示的步骤S101至S102。或者，所述处理器50执行所述计算机程序52时实现上述各装置实施例中各模块/单元的功能，例如图3所示模块301至302的功能。

示例性的，所述计算机程序52可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器51中，并由所述处理器50执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序52在所述终端设备5中的执行过程。例如，所述计算机程序52可以被分割成视频获取模块以及主标签模块，各模块具体功能如下：

获取用户上传的视频；

对所述视频进行图像识别，得到所述视频中各个物品的识别信息，将所述物品的识别信息作为视频的主标签。

所述终端设备5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器50、存储器51。本领域技术人员可以理解，图5仅仅是终端设备5的示例，并不构成对终端设备5的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。

所称处理器50可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器51可以是所述终端设备5的内部存储单元，例如终端设备5的硬盘或内存。所述存储器51也可以是所述终端设备5的外部存储设备，例如所述终端设备5上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器51还可以既包括所述终端设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种视频处理方法，其特征在于，包括：

获取用户上传的视频；

对所述视频进行图像识别，得到所述视频中物品的识别信息，将所述物品的识别信息作为视频的主标签。

2.如权利要求1所述的一种视频处理方法，其特征在于，所述方法还包括：

获取所述视频中的音频，通过语音识别将所述音频转换为文本信息；

提取所述文本信息中的动作词，将所述动作词作为视频的子标签。

3.如权利要求2所述的一种视频处理方法，其特征在于，所述方法还包括：

记录各个所述子标签在所述音频中第一次出现的时间点。

4.如权利要求3所述的一种视频标签创建方法，其特征在于，所述方法还包括：

根据用户的点击指令播放对应的视频；

展示所述视频的子标签以及各个所述子标签第一次出现的时间点，或者，展示所述视频的子标签，根据用户的子标签选择指令将所述视频的播放时间跳转至用户选择的子标签第一次出现的时间点。

5.一种视频索引方法，其特征在于，包括：

获取用户输入的主标签搜索词或者对用户输入的搜索图像进行图像识别得到主标签搜索词；

根据所述主标签搜索词进行搜索，返回主标签中包含所述主标签搜索词的视频，其中，主标签为预先对用户上传的视频进行图像识别后得到的所述视频中物品的识别信息。

6.如权利要求5所述的一种视频索引方法，其特征在于，所述方法还包括：

获取用户输入的子标签搜索词，根据所述子标签搜索词对所述主标签中包含所述主标签搜索词的视频进行搜索，返回子标签中包含所述子标签搜索词的视频；

根据用户的点击指令播放对应的视频，展示所述子标签搜索词对应的子标签第一次出现的时间点，或者，将所述视频的播放时间跳转至所述子标签搜索词对应的子标签第一次出现的时间点。

7.一种视频处理装置，其特征在于，包括：

视频获取模块，用于获取用户上传的视频；

主标签模块，用于对所述视频进行图像识别，得到所述视频中各个物品的识别信息，将所述物品的识别信息作为视频的主标签。

8.一种视频索引装置，其特征在于，包括：

主搜索模块，用于获取用户输入的主标签搜索词或者对用户输入的搜索图像进行图像识别得到主标签搜索词；

搜索返回模块，用于根据所述主标签搜索词进行搜索，返回主标签中包含所述主标签搜索词的视频，其中，主标签为预先对用户上传的视频进行图像识别后得到的所述视频中物品的识别信息。

9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4任一项，或者权利要求5至6任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项，或者权利要求5至6任一项所述方法的步骤。