CN109726762B - 视频类型确定方法、装置、电子设备及存储介质 - Google Patents

Abstract

本公开是关于一种视频类型确定方法、装置、电子设备及存储介质，该方法包括：获取待确定视频类型的第一视频数据；计算所述第一视频数据与热门视频数据之间的相似度，其中，热门视频数据为：类型为热门视频的视频数据；根据计算得到的相似度，确定所述第一视频数据的类型是否为热门视频。应用本公开提供的方案无需通过人工方式来判断视频数据的类型是否为热门视频，因而能够节省人力资源。

Description

视频类型确定方法、装置、电子设备及存储介质

技术领域

本公开涉及视频处理技术领域，尤其涉及视频类型确定方法、装置、电子设备及存储介质。

背景技术

短视频是指在各种新媒体平台上播放的、适合用户在移动状态和短时休闲状态下观看的视频内容，一个短视频通常播放时长为几秒到几分钟不等，视频内容通常包括技能分享、幽默搞怪、时尚潮流、社会热点、街头采访、公益教育、广告创意、商业定制等主题类型。实际应用中，用户可以随时通过新媒体平台上传自己拍摄的短视频以向其他用户展示，相应地，新媒体平台在接收到用户上传的短视频之后，需要判断用户上传的短视频能否会被其他用户所喜欢，并且在确定用户上传的短视频可能会被其他用户所喜欢的情况下，也就是用户上传的短视频可能成为热门视频的情况下，优先向用户推送该短视频。

相关技术中，通常是通过人工方式来判断用户上传的短视频能否会被其他用户所喜欢，而通过人工判断的方式需要耗费大量的人力资源，并且效率低。

发明内容

为克服相关技术中存在的问题，本公开提供一种视频类型确定方法、装置、电子设备及存储介质。

根据本公开实施例的第一方面，提供一种视频类型确定方法，包括：

获取待确定视频类型的第一视频数据；

计算所述第一视频数据与热门视频数据之间的相似度，其中，热门视频数据为：类型为热门视频的视频数据；

根据计算得到的相似度，确定所述第一视频数据的类型是否为热门视频。

可选的，所述计算所述第一视频数据与热门视频数据之间的相似度的步骤，包括：

利用以下方式计算所述第一视频数据与每一热门视频数据之间的相似度：

获得第一特征值，其中，所述第一特征值为：所述第一视频数据针对预设视频特征的特征值；

获取预先为所述预设视频特征中每一子特征分配的权值和贡献度，其中，每一子特征的权值表示：该子特征在所述预设视频特征包括的各个子特征中的重要程度，每一子特征的贡献度表示：该子特征在判断视频数据的类型是否为热门视频时的重要程度；

针对每一子特征，根据所述第一特征值中该子特征的特征值与第二特征值中该子特征的特征值之间的相似度，调整该子特征的权值，其中，所述第二特征值为：热门视频数据针对所述预设视频特征的特征值；

对每一子特征的贡献度和调整后的权值进行加权计算，将所得到的结果作为所述第一视频数据与热门视频数据之间的相似度。

可选的，其特征在于，所述根据计算得到的相似度，确定所述第一视频数据的类型是否为热门视频的步骤，包括：

判断计算得到的相似度中是否存在大于第一预设阈值的相似度，如果存在，判定所述第一视频数据的类型为热门视频；

或者

判断计算得到的相似度均是否小于第二预设阈值，如果计算得到的相似度均小于第二预设阈值，判定所述第一视频数据的类型为热门视频。

可选的，所述获取待确定视频类型的第一视频数据步骤，包括：

获得原始视频数据；

判断所述原始视频数据的播放时长是否大于第三预设阈值；

如果所述原始视频数据的播放时长大于第三预设阈值，对所述原始视频数据进行划分得到子视频数据，将划分得到的每一子视频分别作为所述第一视频数据。

可选的，所述对所述原始视频数据进行划分得到子视频数据的步骤，包括：

以预设时长为划分单位对所述原始视频数据进行划分得到子视频数据；

或者

以预设时间段为划分单位对所述原始视频数据进行划分得到子视频数据；

或者

利用预设的视频划分模型对所述原始视频数据进行划分，得到由所述原始视频数据中连续且主题类型相同的视频帧构成的子视频数据。

可选的，在所述对所述原始视频数据进行划分得到子视频数据的步骤之后，还包括：

针对每一子视频数据，确定该子视频数据中相邻且重复的视频帧，根据所确定的视频帧对该子视频数据进行去重处理。

根据本公开实施例的第二方面，提供一种视频类型确定装置，包括：

获取单元，被配置为执行获取待确定视频类型的第一视频数据；

计算单元，被配置为执行计算所述第一视频数据与热门视频数据之间的相似度，其中，热门视频数据为：类型为热门视频的视频数据；

确定单元，被配置为执行根据计算得到的相似度，确定所述第一视频数据的类型是否为热门视频。

可选的，所述计算单元，被配置为执行：利用以下方式计算所述第一视频数据与每一热门视频数据之间的相似度：

获得第一特征值，其中，所述第一特征值为：所述第一视频数据针对预设视频特征的特征值；

获取预先为所述预设视频特征中每一子特征分配的权值和贡献度，其中，每一子特征的权值表示：该子特征在所述预设视频特征包括的各个子特征中的重要程度，每一子特征的贡献度表示：该子特征在判断视频数据的类型是否为热门视频时的重要程度；

针对每一子特征，根据所述第一特征值中该子特征的特征值与第二特征值中该子特征的特征值之间的相似度，调整该子特征的权值，其中，所述第二特征值为：热门视频数据针对所述预设视频特征的特征值；

对每一子特征的贡献度和调整后的权值进行加权计算，将所得到的结果作为所述第一视频数据与热门视频数据之间的相似度。

可选的，所述确定单元，被配置为执行，判断计算得到的相似度中是否存在大于第一预设阈值的相似度，如果存在，判定所述第一视频数据的类型为热门视频；

或者

判断计算得到的相似度均是否小于第二预设阈值，如果计算得到的相似度均小于第二预设阈值，判定所述第一视频数据的类型为热门视频。

可选的，所述获取单元，包括：

获得子单元，被配置为执行获得原始视频数据；

判断子单元，被配置为执行判断所述原始视频数据的播放时长是否大于第三预设阈值，并在所述原始视频数据的播放时长大于第三预设阈值的情况下触发划分子单元；

所述划分子单元，被配置为执行对所述原始视频数据进行划分得到子视频数据，将划分得到的每一子视频分别作为所述第一视频数据。

可选的，所述划分子单元，被配置为以预设时长为划分单位对所述原始视频数据进行划分得到子视频数据；

或者

以预设时间段为划分单位对所述原始视频数据进行划分得到子视频数据；

或者

利用预设的视频划分模型对所述原始视频数据进行划分，得到由所述原始视频数据中连续且主题类型相同的视频帧构成的子视频数据。

可选的，所述获取单元，还包括：

去重子单元，被配置为执行针对每一子视频数据，确定该子视频数据中相邻且重复的视频帧，根据所确定的视频帧对该子视频数据进行去重处理。

根据本公开实施例的第三方面，提供一种电子设备，所述电子设备用于被运行以执行上述视频类型确定方法中的步骤。

根据本公开实施例的第四方面，提供一种非临时性计算机可读存储介质，所述非临时性计算机可读存储介质用于被运行以执行上述视频类型确定方法中的步骤。

根据本公开实施例的第五方面，提供一种计算机程序产品，所述计算机程序产品用于被运行以执行上述视频类型确定方法中的步骤。

本公开的实施例提供的技术方案可以包括以下有益效果：应用本公开提供的方案确定视频类型时，能够根据视频数据与热门视频数据之间的相似度确定视频数据的类型是否为热门视频，而无需通过人工方式来判断视频数据是否为热门视频，因而能够节省人力资源。

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和解释性的，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，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1是根据一示例性实施例示出的一种视频类型确定方法的流程图。

图2是根据一示例性实施例示出的一种视频类型确定装置的框图。

图3是根据一示例性实施例示出的一种电子设备的框图。

图4是根据一示例性实施例示出的一种视频类型确定设备的框图。

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发明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、本发明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视频类型确定方法的流程图，该方法用于终端中，包括以下步骤。

S100，获取待确定视频类型的第一视频数据。

用户可以通过手机、拍摄眼镜的视频采集设备采集视频数据，视频采集设备并将采集的视频数据上传至视频服务器，本发明实施例执行主体为上述视频服务器时，视频服务器接收到了视频采集设备上述的视频数据也就得到的第一视频数据；本发明实施例的执行主体为除上述视频服务器之外的设备时，则可以由视频服务器中获取用户上传的视频数据，也就获得了待确定视频类型的第一视频数据。

S110，计算第一视频数据与热门视频数据之间的相似度。

从视频是否热门的角度，可以将视频分为热门视频和非热门视频两类。

上述热门视频数据为：类型为热门视频的视频数据。

热门视频也就是在单位时间内被用户点击的次数超过预定阈值的视频，比如，在一天内被用户点击的次数超过十万次的视频。

与热门视频数据之间的相似度越高则表明第一视频数据为热门视频的可能性越大，一种实现方式中，可以利用以下步骤A-D计算第一视频数据与每一热门视频数据之间的相似度：

步骤A，获得第一特征值。

其中，第一特征值为：第一视频数据针对预设视频特征的特征值。

每一个视频数据所具有的特征是不同的，为了便于统计视频数据的特征，本发明实施例一种实现方式中，预设视频特征可以包括：视频数据的拍摄时间、视频数据的拍摄地点以及视频数据所属的主题类型。

一个视频数据针对预设视频特征中包含的各个子特征的特征值也就构成了该视频数据针对上述预设视频特征的特征值，比如，一个视频数据针对预设特征中子特征视频数据的拍摄时间的特征值为：16:50，子特征视频数据的拍摄地点的特征值为：北京，子特征视频数据所属的主题类型的特征值为：跳舞；相应地，上述视频数据针对预设视频特征的特征值则为：{16:50，北京，跳舞}。

步骤B，获取预先为预设视频特征中每一子特征分配的权值和贡献度。

其中，每一子特征的权值表示：该子特征在预设视频特征包括的各个子特征中的重要程度，每一子特征的贡献度表示：该子特征在判断视频数据的类型是否为热门视频时的重要程度。

每一个子特征在各个特征中的的重要程度是不同的，比如，用户通常会根据自身的兴趣爱好而有针对的去观看某一主题类型的视频，而不会在意视频视频的拍摄时间和地点，因而，视频特征中视频数据的主题类型这一子特征的权值可以高于其他子特征的权值。

子特征的贡献度可以根据该子特征的特征值来确定，比如，大多数用户通常在工作之余喜欢看一些主题类型为幽默搞怪类的视频来放松一下，那么这一主题类型的视频成为热门视频的可能性均比较高，因而当主题类型这一子特征的特征值为幽默搞怪时，可以为该子特征设置一个较高贡献度；大多数用户通常不喜欢主题类型为商业定制类的视频，那么这一主题类型的视频成为热门视频的可能性均比较低，因而当主题类型这一子特征的特征值为商业定制时，可以为该子特征设置一个较低贡献度。

大多数用户通常会对一些著名的旅游景点感兴趣，当视频数据拍摄地点这一子特征的特征值为著名旅游景点时，则可以为视频数据拍摄地点这一子特征设置一个较高的贡献度。

步骤C，针对每一子特征，根据第一特征值中该子特征的特征值与第二特征值中该子特征的特征值之间的相似度，调整该子特征的权值。

其中，第二特征值为：热门视频数据针对预设视频特征的特征值。

一种实现方式中，可以利用余弦相似度算法来计算第一特征值中子特征的特征值与第二特征值中该子特征的特征值之间的相似度。

由于第一视频数据与热门视频之间的相似度越高，该视频数据成为热门视频的可能性也就越高。那么在调整子特征的权值时，第一特征值中某一子特征的特征值与第二特征值中该子特征的特征值之间的相似度越高，则可以认为该子特征在预设视频特征包括的各个子特征中的重要程度越高，则可以增加该子特征的权值。比如，第一特征值中视频数据的主题类型的特征值为：幽默搞怪，第二特征值中视频数据的主题类型的特征值同样为：幽默搞怪；则可以增加视频数据的主题类型这一子特征的权值。

一种实现方式中，可以根据第一特征值中该子特征的特征值与第二特征值中该子特征的特征值之间的相似度，计算权值调整步长，利用计算得到的权值调整步长调整该子特征的权值。

具体的，可以将计算得到的相似度除以一固定数值作为调整步长，当第一特征值中该子特征的特征值与第二特征值中该子特征的特征值之间的相似度大于预定数值时，利用调整步长增加子特征的权值；当第一特征值中该子特征的特征值与第二特征值中该子特征的特征值之间的相似度小于预定数值时，利用调整步长降低子特征的权值。

比如，预定数值为0.5，,第一特征值中子特征的特征值与第二特征值中该子特征的特征值之间的相似度为0.6，固定数值为5，利用0.6/5＝0.12得到调整步长，由于0.6大于0.5，则该子特征调整后的权值为0.6+0.12＝0.72。

步骤D，对每一子特征的贡献度和调整后的权值进行加权计算，将所得到的结果作为第一视频数据与热门视频数据之间的相似度。

比如，预设视频特征包含三个子特征，其中，视频数据针对预设视频特征中子特征1的贡献度为20，调整后的权值为0.2；子特征2的贡献度为30，调整后的权值为0.3；子特征3的贡献度为50，调整后的权值为0.5；该视频数据与热门视频数据之间的相似度则为：20*0.2+30*0.3+50*0.5＝35。

S120，根据计算得到的相似度，确定第一视频数据的类型是否为热门视频。

具体的，在确定视频数据的类型是否为热门视频时，可以分为以下情况E、F：

情况E，由于视频类型的视频数据与热门视频之间的相似度越高，则该视频数据成为热门视频的可能性越高。因而，可以判断计算得到的相似度中是否存在大于第一预设阈值的相似度，如果存在，判定第一视频数据的类型为热门视频。也就是当第一视频数据与任何一个热门视频数据之间的相似度大于第一预设阈值时，则确定第一视频数据为热门视频。

情况F，本公开发明人在实验中发现：在视频数据与所有热门视频数据之间的相似度均较小时，则表明该视频数据可能是一个包含新的主题类型的视频数据，而通常新主题类型的视频数据是用户没有观看过得，用户出于对新主题类型视频数据的好奇心通常会点击该新主题类型的视频数据，因而，当视频数据为新主题类型的视频数据时，成为热门视频数据的可能性通常也比较大。

基于此，可以判断计算得到的相似度是否均小于第二预设阈值，如果计算得到的相似度均小于第二预设阈值，判定第一视频数据的类型为热门视频。也就是，第一视频数据与所有热门视频数据之间的相似度均小于第二预设阈值时，则确定第一视频数据为热门视频。

实际应用中，用户在拍摄视频数据时，拍摄时间可能会超出新媒体平台上能够播放的短视频的最大时长，因而，本发明实施例一种实现方式中，在获取待确定视频类型的第一视频数据时，可以获得原始视频数据；判断原始视频数据的播放时长是否大于第三预设阈值；如果原始视频数据的播放时长大于第三预设阈值，对原始视频数据进行划分得到子视频数据，将划分得到的每一子视频分别作为第一视频数据。其中，原始视频数据也就是用户通过图像采集设备上传至视频服务器的数据。

第三预设阈值可以根据新媒体平台上能够播放的短视频的最大时长来确定，一种情况下，当第三预设阈值等于能够播放的短视频的最大时长时，也就是在获得的原始视频数据的播放时长大于新媒体平台上能够播放的短视频的最大时长时，可以将所获得的原始视频数据划分为多个子视频数据，将所得到的每一个子视频数据分别作为需要确定视频类型的视频数据。

一种实现方式中，可以利用以下方式G、H、I来对原始视频数据进行划分得到子视频数据：

方式G，以预设时长为划分单位对原始视频数据进行划分得到子视频数据。

具体的，以预设时长为划分单位对原始视频数据进行划分可以包括以下两种情况G1、G2：

情况G1，可以以预设时长为划分单位将原始视频数据进行平均划分得到各个子视频数据，比如，预设时长为30S，原始视频数据的播放时长为120S，可以将原始视频数据平均划分为4个子视频数据；

情况G2，也可以在原始视频数据中任意选取预设时长的视频数据作为一个子视频数据，比如，预设时长为30S，原始视频数据的播放时长为120S，可以选取0-29S之间的视频数据作为一个子视频数据，还可以选取10-39S之间的视频数据作为一个子视频数据。

方式H，以预设时间段为划分单位对原始视频数据进行划分得到子视频数据。

具体的，可以预先设定多个时间段，将原始视频数据中拍摄时间在预先设定的各个时间段内的视频数据分别作为一个子视频数据。比如，可以设定预设时间段包括凌晨2:00-2:02，相应地则将原始视频数据中拍摄时间在凌晨2:00-2:02之间的视频数据作为一个子视频数据。

方式I，利用预设的视频划分模型对原始视频数据进行划分，得到由原始视频数据中连续且主题类型相同的视频帧构成的子视频数据。

预设的视频划分模型可以为利用大量已知主题类型的视频数据对初始模型进行训练得到的模型，具体的，初始模型可以为神经网络模型、支持向量机、深度学习算法等。

由于需要通过网络向用户推送视频数据，而视频数据中包含的视频帧的数量越大则需要的网络资源越多，基于此，一种实现方式中，在对原始视频数据进行划分得到子视频数据之后，还可以针对每一子视频数据，确定该子视频数据中相邻且重复的视频帧，根据所确定的视频帧对该子视频数据进行去重处理。

具体的，重复的视频帧可以为内容完全相同的视频帧；也可以为视频帧之间的图像差异小于预设阈值的视频帧，比如，两帧视频帧之间的光流信息的差异小于预设阈值时，则确定这两帧视频帧为重复的视频帧。

对子视频数据进行去重处理时，可以只保留相邻且重复的视频帧中的一帧视频帧；也可以保留相邻且重复的视频帧中一定数量的视频帧，比如，相邻且重复的视频帧的数量有10帧，则可以保留其中的3帧视频帧。

图2是根据一示例性实施例示出的一种视频类型确定装置框图。参照图2，该装置包括获取单元200，计算单元210和确定单元220。

获取单元200，被配置为执行获取待确定视频类型的第一视频数据；

计算单元210，被配置为执行计算所述第一视频数据与热门视频数据之间的相似度，其中，热门视频数据为：类型为热门视频的视频数据；

确定单元220，被配置为执行根据计算得到的相似度，确定所述第一视频数据的类型是否为热门视频。

一种实现方式中，计算单元210，被配置为执行：利用以下方式计算所述第一视频数据与每一热门视频数据之间的相似度：

获得第一特征值，其中，所述第一特征值为：所述第一视频数据针对预设视频特征的特征值；

获取预先为所述预设视频特征中每一子特征分配的权值和贡献度，其中，每一子特征的权值表示：该子特征在所述预设视频特征包括的各个子特征中的重要程度，每一子特征的贡献度表示：该子特征在判断视频数据的类型是否为热门视频时的重要程度；

针对每一子特征，根据所述第一特征值中该子特征的特征值与第二特征值中该子特征的特征值之间的相似度，调整该子特征的权值，其中，所述第二特征值为：热门视频数据针对所述预设视频特征的特征值；

对每一子特征的贡献度和调整后的权值进行加权计算，将所得到的结果作为所述第一视频数据与热门视频数据之间的相似度。

一种实现方式中，确定单元220，被配置为执行，判断计算得到的相似度中是否存在大于第一预设阈值的相似度，如果存在，判定所述第一视频数据的类型为热门视频；

或者

判断计算得到的相似度均是否小于第二预设阈值，如果计算得到的相似度均小于第二预设阈值，判定所述第一视频数据的类型为热门视频。

一种实现方式中，获取单元200，包括：

获得子单元，被配置为执行获得原始视频数据；

判断子单元，被配置为执行判断所述原始视频数据的播放时长是否大于第三预设阈值，并在所述原始视频数据的播放时长大于第三预设阈值的情况下触发划分子单元；

所述划分子单元，被配置为执行对所述原始视频数据进行划分得到子视频数据，将划分得到的每一子视频分别作为所述第一视频数据。

一种实现方式中，所述划分子单元，被配置为以预设时长为划分单位对所述原始视频数据进行划分得到子视频数据；

或者

以预设时间段为划分单位对所述原始视频数据进行划分得到子视频数据；

或者

利用预设的视频划分模型对所述原始视频数据进行划分，得到由所述原始视频数据中连续且主题类型相同的视频帧构成的子视频数据。

一种实现方式中，所述获取单元，还包括：

去重子单元，被配置为执行针对每一子视频数据，确定该子视频数据中相邻且重复的视频帧，根据所确定的视频帧对该子视频数据进行去重处理。

应用本公开图2所述实施例确定视频数据类型时，无需通过人工方式来判断视频数据是否为热门视频，因而能够节省人力资源。

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。

本公开实施例还提供了一种电子设备，参照图3，该电子设备包括处理器301和存储器302；其中，所述存储器302用于存储处理器301的可执行指令，所述处理器301被配置为：

获取待确定视频类型的第一视频数据；

计算所述第一视频数据与热门视频数据之间的相似度，其中，热门视频数据为：类型为热门视频的视频数据；

根据计算得到的相似度，确定所述第一视频数据的类型是否为热门视频。

需要说明的是，上述电子设备可以为移动终端，服务器等，对此本发明不做限定，并且上述处理器301执行存储器302上所存放的程序实现视频类型确定方法的其他实施例，与前述方法实施例部分提供的实施例相同，这里不再赘述。

图4是根据一示例性实施例示出的一种视频类型确定设备400的框图。例如，视频类型确定设备400可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图4，视频类型确定设备400可以包括以下一个或多个组件：处理组件402，存储器404，电力组件406，多媒体组件408，音频组件410，输入/输出(I/O)的接口412，传感器组件414，以及通信组件416。

处理组件402通常控制视频类型确定设备400的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件402可以包括一个或多个处理器420来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件402可以包括一个或多个模块，便于处理组件402和其他组件之间的交互。例如，处理组件402可以包括多媒体模块，以方便多媒体组件408和处理组件402之间的交互。

存储器404被配置为存储各种类型的数据以支持在视频类型确定设备400的操作。这些数据的示例包括用于在视频类型确定设备400上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器404可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件406为视频类型确定设备400的各种组件提供电力。电源组件406可以包括电源管理系统，一个或多个电源，及其他与为视频类型确定设备400生成、管理和分配电力相关联的组件。

多媒体组件408包括在视频类型确定设备400和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件408包括一个前置摄像头和/或后置摄像头。当视频类型确定设备400处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件410被配置为输出和/或输入音频信号。例如，音频组件410包括一个麦克风(MIC)，当视频类型确定设备400处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器404或经由通信组件416发送。在一些实施例中，音频组件410还包括一个扬声器，用于输出音频信号。

I/O接口412为处理组件402和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件414包括一个或多个传感器，用于为视频类型确定设备400提供各个方面的状态评估。例如，传感器组件414可以检测到视频类型确定设备400的打开/关闭状态，组件的相对定位，例如所述组件为视频类型确定设备400的显示器和小键盘，传感器组件414还可以检测视频类型确定设备400或视频类型确定设备400一个组件的位置改变，用户与视频类型确定设备400接触的存在或不存在，视频类型确定设备400方位或加速/减速和视频类型确定设备400的温度变化。传感器组件414可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件414还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件414还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件416被配置为便于视频类型确定设备400和其他设备之间有线或无线方式的通信。视频类型确定设备400可以接入基于通信标准的无线网络，如WiFi，运营商网络(如2G、3G、4G或5G)，或它们的组合。在一个示例性实施例中，通信组件416经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件416还包括近场通信(NFC)模块，以促进短程通信。

在示例性实施例中，视频类型确定设备400可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述视频类型确定方法。

本申请实施例还提供了一种非临时性计算机可读存储介质，当所述存储介质中的指令由终端设备的处理器执行时，使得终端设备能够执行一种视频类型确定方法，所述方法包括：

获取待确定视频类型的第一视频数据；

计算所述第一视频数据与热门视频数据之间的相似度，其中，热门视频数据为：类型为热门视频的视频数据；

根据计算得到的相似度，确定所述第一视频数据的类型是否为热门视频。

该终端设备还可以执行上述任一种视频类型确定方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器404，上述指令可由视频类型确定设备400的处理器420执行以完成上述视频类型确定方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

需要说明的是，通过上述非临时性计算机可读存储介质实现视频类型确定方法的各个实施例，与前述方法实施例部分提供的实施例相同，这里不再赘述。

本申请实施例还公开了一种计算机程序产品，所述计算机程序产品用于被运行以执行上述视频类型确定方法中的步骤。

需要说明的是，通过上述计算机程序产品实现视频类型确定方法的各个实施例，与前述方法实施例部分提供的实施例相同，这里不再赘述。

本领域技术人员在考虑说明书及实践这里公开的申请后，将容易想到本公开的其它实施方案。本公开旨在涵盖本发明的任何变型、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权利要求指出。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、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发明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，本发明的真正范围和精神由下面的权利要求指出。

应当理解的是，本发明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。本发明的范围仅由所附的权利要求来限制。

在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例、终端设备实施例、存储介质实施例、以及计算机程序实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本公开的较佳实施例而已，并非用于限定本公开的保护范围。凡在本公开的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本公开的保护范围内。

Claims (12)

1.一种视频类型确定方法，其特征在于，包括：

获取待确定视频类型的第一视频数据；

获得第一特征值，其中，所述第一特征值为：所述第一视频数据针对预设视频特征的特征值；

获取预先为所述预设视频特征中每一子特征分配的权值和贡献度，其中，每一子特征的权值表示：该子特征在所述预设视频特征包括的各个子特征中的重要程度，每一子特征的贡献度表示：该子特征在判断视频数据的类型是否为热门视频时的重要程度；

针对每一子特征，根据所述第一特征值中该子特征的特征值与第二特征值中该子特征的特征值之间的相似度，计算权值调整步长，利用所述权值调整步长调整该子特征的权值，其中，所述第二特征值为：热门视频数据针对所述预设视频特征的特征值；其中，热门视频数据为：类型为热门视频的视频数据；

对每一子特征的贡献度和调整后的权值进行加权计算，将所得到的结果作为所述第一视频数据与热门视频数据之间的相似度；

根据计算得到的相似度，确定所述第一视频数据的类型是否为热门视频。

2.根据权利要求1所述的方法，其特征在于，所述根据计算得到的相似度，确定所述第一视频数据的类型是否为热门视频的步骤，包括：

判断计算得到的相似度中是否存在大于第一预设阈值的相似度，如果存在，判定所述第一视频数据的类型为热门视频；

或者

判断计算得到的相似度均是否小于第二预设阈值，如果计算得到的相似度均小于第二预设阈值，判定所述第一视频数据的类型为热门视频。

3.根据权利要求1所述的方法，其特征在于，所述获取待确定视频类型的第一视频数据步骤，包括：

获得原始视频数据；

判断所述原始视频数据的播放时长是否大于第三预设阈值；

如果所述原始视频数据的播放时长大于第三预设阈值，对所述原始视频数据进行划分得到子视频数据，将划分得到的每一子视频分别作为所述第一视频数据。

4.根据权利要求3所述的方法，其特征在于，所述对所述原始视频数据进行划分得到子视频数据的步骤，包括：

以预设时长为划分单位对所述原始视频数据进行划分得到子视频数据；

或者

以预设时间段为划分单位对所述原始视频数据进行划分得到子视频数据；

或者

利用预设的视频划分模型对所述原始视频数据进行划分，得到由所述原始视频数据中连续且主题类型相同的视频帧构成的子视频数据。

5.根据权利要求3所述的方法，其特征在于，在所述对所述原始视频数据进行划分得到子视频数据的步骤之后，还包括：

针对每一子视频数据，确定该子视频数据中相邻且重复的视频帧，根据所确定的视频帧对该子视频数据进行去重处理。

6.一种视频类型确定装置，其特征在于，包括：

获取单元，被配置为执行获取待确定视频类型的第一视频数据；

计算单元，被配置为执行：利用以下方式计算所述第一视频数据与每一热门视频数据之间的相似度：获得第一特征值，其中，所述第一特征值为：所述第一视频数据针对预设视频特征的特征值；获取预先为所述预设视频特征中每一子特征分配的权值和贡献度，其中，每一子特征的权值表示：该子特征在所述预设视频特征包括的各个子特征中的重要程度，每一子特征的贡献度表示：该子特征在判断视频数据的类型是否为热门视频时的重要程度；针对每一子特征，根据所述第一特征值中该子特征的特征值与第二特征值中该子特征的特征值之间的相似度，计算权值调整步长，利用所述权值调整步长调整该子特征的权值，其中，所述第二特征值为：热门视频数据针对所述预设视频特征的特征值，热门视频数据为：类型为热门视频的视频数据；对每一子特征的贡献度和调整后的权值进行加权计算，将所得到的结果作为所述第一视频数据与热门视频数据之间的相似度；

确定单元，被配置为执行根据计算得到的相似度，确定所述第一视频数据的类型是否为热门视频。

7.根据权利要求6所述的装置，其特征在于，

所述确定单元，被配置为执行，判断计算得到的相似度中是否存在大于第一预设阈值的相似度，如果存在，判定所述第一视频数据的类型为热门视频；

或者

判断计算得到的相似度均是否小于第二预设阈值，如果计算得到的相似度均小于第二预设阈值，判定所述第一视频数据的类型为热门视频。

8.根据权利要求6所述的装置，其特征在于，所述获取单元，包括：

获得子单元，被配置为执行获得原始视频数据；

判断子单元，被配置为执行判断所述原始视频数据的播放时长是否大于第三预设阈值，并在所述原始视频数据的播放时长大于第三预设阈值的情况下触发划分子单元；

所述划分子单元，被配置为执行对所述原始视频数据进行划分得到子视频数据，将划分得到的每一子视频分别作为所述第一视频数据。

9.如权利要求8所述的装置，其特征在于，

所述划分子单元，被配置为以预设时长为划分单位对所述原始视频数据进行划分得到子视频数据；

或者

以预设时间段为划分单位对所述原始视频数据进行划分得到子视频数据；

或者

利用预设的视频划分模型对所述原始视频数据进行划分，得到由所述原始视频数据中连续且主题类型相同的视频帧构成的子视频数据。

10.根据权利要求8所述的装置，其特征在于，所述获取单元，还包括：

去重子单元，被配置为执行针对每一子视频数据，确定该子视频数据中相邻且重复的视频帧，根据所确定的视频帧对该子视频数据进行去重处理。

11.一种电子设备，其特征在于，包括：处理器和存储器；其中，所述存储器用于存储处理器可执行指令，所述处理器被配置为实现权利要求1-5任一所述的方法。

12.一种非临时性计算机可读存储介质，当所述存储介质中的指令由移动终端的处理器执行时，使得移动终端能够执行权利要求1-5任一所述的方法。

Images