CN110704294B - 用于确定响应时间的方法和装置 - Google Patents
用于确定响应时间的方法和装置 Download PDFInfo
- Publication number
- CN110704294B CN110704294B CN201810743442.3A CN201810743442A CN110704294B CN 110704294 B CN110704294 B CN 110704294B CN 201810743442 A CN201810743442 A CN 201810743442A CN 110704294 B CN110704294 B CN 110704294B
- Authority
- CN
- China
- Prior art keywords
- image
- determining
- sequence
- response
- application
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3688—Test management for test execution, e.g. scheduling of test suites
Abstract
本申请实施例公开了用于确定响应时间的方法和装置。上述方法的一具体实施方式包括:获取记录第一应用针对用户操作的响应过程的目标视频;解析目标视频,得到图像序列;根据图像序列,确定响应过程的起始图像和结束图像;根据起始图像在目标视频中的第一时刻和结束图像在目标视频中的第二时刻,确定第一应用针对用户操作的响应时间。该实施方式可以方便快速地测试应用的响应时间。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及用于确定响应时间的方法和装置。
背景技术
在应用程序开发过程中,为了分析和判断应用程序的性能及可用性,需要对应用程序的响应时间进行测试。响应时间的长短可以直接影响用户体验。客观的对响应时间进行测试,可以推动应用程序的优化。
发明内容
本申请实施例提出了用于确定响应时间的方法和装置。
第一方面,本申请实施例提供了一种用于确定响应时间的方法,包括:获取记录第一应用针对用户操作的响应过程的目标视频;解析目标视频,得到图像序列;根据图像序列,确定响应过程的起始图像和结束图像;根据起始图像在目标视频中的第一时刻和结束图像在目标视频中的第二时刻,确定第一应用针对用户操作的响应时间。
在一些实施例中,上述获取包括第一应用针对用户操作的响应过程的目标视频,包括:获取图像采集装置采集的包括第一应用针对用户操作的响应过程的目标视频;或者获取第二应用录制的包括第一应用针对用户操作的响应过程的目标视频。
在一些实施例中,上述根据上述图像序列,确定上述响应过程的起始图像和结束图像,包括:对图像序列进行更新处理,得到更新的图像序列;根据更新的图像序列,确定响应过程的起始图像和结束图像。
在一些实施例中,上述对上述图像序列进行更新处理,得到更新的图像序列,包括:确定图像序列中的第一张图像为第一图像;确定图像序列中的第二张图像为第二图像;基于第一图像、第二图像,执行以下计算步骤:确定第一图像与第二图像的相似度;确定相似度是否大于或等于预设阈值;响应于确定相似度大于或等于预设阈值,隐藏第二图像以及确定第二图像是否为图像序列的最后一张图像;响应于确定第二图像是图像序列的最后一张图像,根据未被隐藏处理的图像,得到更新的图像序列。
在一些实施例中,上述对上述图像序列进行更新处理,得到更新的图像序列,还包括:响应于确定相似度小于预设阈值,确定第二图像为新的第一图像以及确定第二图像的后一图像为新的第二图像,继续执行计算步骤。
在一些实施例中,上述对上述图像序列进行更新处理,得到更新的图像序列,还包括:响应于确定第二图像不是上述图像序列的最后一张图像,将第二图像的后一图像作为新的第二图像,继续执行上述计算步骤。
在一些实施例中,上述根据上述图像序列,确定上述响应过程的起始图像和结束图像,包括:将图像序列中的图像依次输入预先训练的图像识别模型,确定图像序列中的图像的类型,其中,图像识别模型用于表征图像和类型的对应关系;根据图像序列中图像的类型,确定起始图像和结束图像。
在一些实施例中,类型包括启动中状态、启动后状态;以及上述根据图像序列中图像的类型,确定起始图像和结束图像,包括:确定图像序列中、类型为启动中状态的第一张图像为起始图像;确定图像序列中、类型为启动后状态的第一张图像为结束图像。
在一些实施例中,上述图像识别模型通过以下步骤训练得到:获取样本集合,样本集合包括样本图像以及样本图像的类型;将样本集合中的样本图像作为输入,将与输入的样本图像的类型作为期望输出,训练得到图像识别模型。
第二方面,本申请实施例提供了一种用于确定响应时间的装置,包括:视频获取单元,被配置成获取记录第一应用针对用户操作的响应过程的目标视频;视频解析单元,被配置成解析目标视频,得到图像序列;图像确定单元,被配置成根据图像序列,确定响应过程的起始图像和结束图像;响应时间确定单元,被配置成根据起始图像在目标视频中的第一时刻和结束图像在目标视频中的第二时刻,确定第一应用针对用户操作的响应时间。
在一些实施例中,上述视频获取单元包括:第一获取模块,被配置成获取图像采集装置采集的包括第一应用针对用户操作的响应过程的目标视频;或者第二获取模块,被配置成获取第二应用录制的包括第一应用针对用户操作的响应过程的目标视频。
在一些实施例中,上述图像确定单元包括:序列更新模块,被配置成对图像序列进行更新处理,得到更新的图像序列;第一图像确定模块,被配置成根据更新的图像序列,确定响应过程的起始图像和结束图像。
在一些实施例中,上述序列更新模块进一步被配置成:确定图像序列中的第一张图像为第一图像;确定图像序列中的第二张图像为第二图像;基于第一图像、第二图像,执行以下计算步骤:确定第一图像与第二图像的相似度;确定相似度是否大于或等于预设阈值;响应于确定相似度大于或等于预设阈值,隐藏第二图像以及确定第二图像是否为图像序列的最后一张图像;响应于确定第二图像是图像序列的最后一张图像,根据未被隐藏处理的图像,得到更新的图像序列。
在一些实施例中,上述序列更新模块进一步被配置成:响应于确定相似度小于预设阈值,确定第二图像为新的第一图像以及确定第二图像的后一图像为新的第二图像,继续执行计算步骤。
在一些实施例中,上述序列更新模块进一步被配置成:响应于确定第二图像不是图像序列的最后一张图像,将第二图像的后一图像作为新的第二图像,继续执行计算步骤。
在一些实施例中,上述图像确定单元包括:图像类型确定模块,被配置成将图像序列中的图像依次输入预先训练的图像识别模型,确定图像序列中的图像的类型,其中,图像识别模型用于表征图像和类型的对应关系;第二图像确定模块,被配置成根据图像序列中图像的类型,确定起始图像和结束图像。
在一些实施例中,类型包括启动中状态、启动后状态;以及上述第二图像确定模块进一步被配置成:确定图像序列中、类型为启动中状态的第一张图像为起始图像;确定图像序列中、类型为启动后状态的第一张图像为结束图像。
在一些实施例中,上述装置还包括模型训练单元,模型训练单元包括:样本获取模块,被配置成获取样本集合,样本集合包括样本图像以及样本图像的类型;模型训练模块,被配置成将样本集合中的样本图像作为输入,将与输入的样本图像的类型作为期望输出,训练得到图像识别模型。
第三方面,本申请实施例提供了一种设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行,使得上述一个或多个处理器实现如第一方面任一实施例所描述的方法。
第四方面,本申请实施例提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面任一实施例所描述的方法。
本申请的上述实施例提供的用于确定响应时间的方法和装置,首先获取记录有第一应用针对用户操作的响应过程的目标视频。然后解析目标视频,得到图像序列。然后,在图像序列中确定响应过程的起始图像和结束图像。最后,根据起始图像在目标视频中的第一时刻和结束图像在目标视频中的第二时刻,确定第一应用针对用户操作的响应时间。本实施例的方法和装置,可以方便快速的测试应用的响应时间。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本申请的用于确定响应时间的方法的一个实施例的流程图;
图3是根据本申请的用于确定响应时间的方法的一个应用场景的示意图;
图4是根据本申请的用于确定响应时间的方法中对图像序列进行更新处理的一个实施例的流程图;
图5是根据本申请的用于确定响应时间的方法中确定起始图像和结束图像的一个实施例的流程图;
图6是根据本申请的用于确定响应时间的装置的一个实施例的结构示意图;
图7是适于用来实现本申请实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于确定响应时间的方法或用于确定响应时间的装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如摄像类应用、录屏类应用、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(MovingPicture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上安装的应用的响应时间的测试提供支持的后台服务器。后台服务器可以对接收到的视频等数据进行分析等处理,并将处理结果(例如响应时间)反馈给终端设备。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本申请实施例所提供的用于确定响应时间的方法可以由终端设备101、102、103执行,也可以由服务器105执行。相应地,用于确定响应时间的装置可以设置于终端设备101、102、103中,也可以设置于服务器105中。
可以理解的是,当本申请实施例所提供的用于确定响应时间的方法由终端设备101、102、103执行时,上述系统架构100可以不包括网络104和服务器105。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的用于确定响应时间的方法的一个实施例的流程200。本实施例的用于确定响应时间的方法,包括以下步骤:
步骤201,获取记录第一应用针对用户操作的响应过程的目标视频。
在本实施例中,用于确定响应时间的方法的执行主体(例如图1所示的终端设备101、102、103或服务器105)可以通过有线连接方式或者无线连接方式获取目标视频。上述目标视频记录了第一应用针对用户操作的响应过程。第一应用可以是终端中安装的任意应用。用户操作可以是对第一应用的图标或者第一应用中的按钮的任意操作。上述响应过程可以是第一应用由触发启动到启动完成的过程,也可以是第一应用由检测到用户的某一操作(例如页面刷新操作、页面切换)至页面更新完成的过程。上述目标视频可以由与执行主体通信连接的图像采集装置采集,或者由第一应用所在的终端中安装的其它具有录屏功能的应用来采集。
在本实施例的一些可选的实现方式中,上述步骤201可以通过图2中未示出的以下步骤来实现:获取图像采集装置采集的包括第一应用针对用户操作的响应过程的目标视频。或者获取第二应用录制的包括第一应用针对用户操作的响应过程的目标视频。
本实现方式中,执行主体可以与图像采集装置(例如摄像机、手机)通信连接,上述图像采集装置可以录制第一应用针对用户操作的响应过程。或者执行主体可以获取第二应用录制的包括第一应用针对用户操作的响应过程的目标视频。上述第二应用可以是各种可以录屏的应用。
需要指出的是,上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
步骤202,解析目标视频,得到图像序列。
执行主体在获取得到目标视频后,可以对目标视频进行解析,得到图像序列。具体的,执行主体可以将目标视频的每一帧,转化为图像。将转化得到的图像按时间顺序排列,则可以得到图像序列。在具体应用时,执行主体可以采用ffmpeg应用来将目标视频中的每一帧转化为图像。其中,ffmpeg应用是一套可以用来记录、转换数字音频、视频,并能将其转化为流的开源计算机程序。
步骤203,根据图像序列,确定响应过程的起始图像和结束图像。
执行主体在得到图像序列后,可以利用各种方法确定响应过程的起始图像和结束图像。起始图像可以是用户对第一应用操作完成的图像。结束图像可以是第一应用针对用户操作响应完成的图像。在确定起始图像和结束图像时,执行主体可以采用特征提取算法提取图像序列中各图像的特征,确定用户的手指离开屏幕或者鼠标的指针发生变化的图像为起始图像,确定第一应用响应完成得到稳定的页面的图像为结束图像。
步骤204,根据起始图像在目标视频中的第一时刻和结束图像在目标视频中的第二时刻,确定第一应用针对用户操作的响应时间。
确定了起始图像和结束图像之后,执行主体可以确定起始图像在目标视频中的第一时刻,也可以确定结束图像在目标视频中的第二时刻。将第二时刻与第一时刻之间的时长作为第一应用针对用户操作的响应时间。
继续参见图3,图3是根据本实施例的用于确定响应时间的方法的一个应用场景的示意图。在图3的应用场景中,浏览器未启动时,手机界面301的图像是桌面。当用户的手指点击浏览器应用的图标后,手机界面302的图像为启动中状态的图像。在响应完成后,手机界面303的图像为启动后状态的图像。手机可以通过录屏软件将上述响应过程录制下来,然后由录制得到的视频计算由界面302至界面303的时间。计算得到的时间即为浏览器应用的响应时间。
本申请的上述实施例提供的用于确定响应时间的方法,首先获取记录有第一应用针对用户操作的响应过程的目标视频。然后解析目标视频,得到图像序列。然后,在图像序列中确定响应过程的起始图像和结束图像。最后,根据起始图像在目标视频中的第一时刻和结束图像在目标视频中的第二时刻,确定第一应用针对用户操作的响应时间。本实施例的方法和装置,可以方便快速的测试应用的响应时间。
在本实施例的一些可选的实现方式中,上述步骤203可以通过图2中未示出的以下步骤来实现:对图像序列进行更新处理,得到更新的图像序列;根据更新的图像序列,确定响应过程的起始图像和结束图像。
本实现方式中,在确定起始图像和结束图像时,可以首先对图像序列进行更新处理,得到更新的图像序列。上述更新处理可以为删除图像序列中用户操作之前的图像,或者隐藏图像序列中相同的图像,或者隐藏图像序列中相似度大于预设阈值的图像。
继续参见图4,其示出了根据本申请的用于确定响应时间的方法中对图像序列进行更新处理的一个实施例的流程400。如图4所示,本实施例中,可以通过以下步骤来更新图像序列:
步骤401,确定图像序列中的第一张图像为第一图像。
执行主体在得到图像序列后,可以计算图像序列中的图像与前一张图像的相似度。此时,可以将图像序列中的第一张图像为第一图像。
步骤402,确定图像序列中的第二张图像为第二图像。
然后,执行主体可以将图像序列中的第二张图像作为第二图像。基于第一图像、第二图像,执行以下步骤:
步骤403,确定第一图像与第二图像的相似度。
在确定第一图像和第二图像后,执行主体可以确定第一图像与第二图像的相似度。在具体应用时,执行主体可以采用pyssim工具包来计算第一图像与第二图像的相似度。其中,pyssim工具包是面向对象的解释型计算机程序设计语言Python的工具包。
步骤404,判断相似度是否大于或等于预设阈值。
执行主体在计算得到第一图像与第二图像的相似度后,可以判断上述相似度是否大于预设阈值。如果大于或等于,则执行步骤405;如果小于,则执行步骤408。上述阈值可以是技术人员根据实际应用场景设置的,可以取任意值,例如90%。
步骤405,响应于确定相似度大于或等于预设阈值,隐藏第二图像。
在确定相似度大于或等于预设阈值,则说明第一图像与第二图像相似度极高,则可以将第二图像隐藏。此处的隐藏可以理解为通过图像处理软件,将第二图像的属性设置为隐藏。
步骤406,判断第二图像是否为图像序列的最后一张图像。
在将第二图像隐藏后,执行主体可以继续判断第二图像是否为图像序列的最后一张图像。如果是,则执行步骤407;如果否,则执行步骤409。
步骤407,响应于确定第二图像是图像序列的最后一张图像,根据未被隐藏处理的图像,得到更新的图像序列。
在确定第二图像是图像序列的最后一张图像时,执行主体可以将未被隐藏处理的图像整理,得到更新的图像序列。可以理解的是,更新的图像序列中的图像的数量小于或等于未更新的图像序列中的图像的数量。因此,在更新的图像序列中确定起始图像和结束图像,可以减少工作量。
步骤408,响应于确定相似度小于预设阈值,确定第二图像为新的第一图像以及确定第二图像的后一图像为新的第二图像,继续执行步骤403。
在确定第一图像和第二图像的相似度小于预设阈值时,说明第一图像与第二图像有很大不同。则执行主体可以将第二图像作为新的第一图像,将第二图像之后的一张图像作为新的第二图像,继续执行步骤403。
步骤409,响应于确定第二图像不是图像序列的最后一张图像,将第二图像的后一图像作为新的第二图像,继续执行步骤403。
在确定第二图像不是图像序列的最后一个图像时,则将第二图像的后一图像作为新的第二图像,继续执行步骤403。
本申请的上述实施例提供的用于确定响应时间的方法,可以隐藏图像序列中相似度大于预设阈值的图像,从而减少了计算量,提高了计算效率。
在本实施例的一些可选的实现方式中,在确定第一图像与第二图像之前,执行主体可以首先确定图像序列中相同的图像的数量。然后,保留相同的图像中录制时刻最早的图像,隐藏相同的图像中其它的图像。
本实现方式中,执行主体可以采用MD5(Message-Digest Algorithm5,信息-摘要算法5)对图像序列进行去重。举例来说,图像序列中的第5张图像~第10张图像均相同,则执行主体可以只保留第5张图像,对第6张图像~第10张图像做隐藏处理。
继续参见图5,其示出了根据本申请的用于确定响应时间的方法中确定起始图像和结束图像的一个实施例的流程500。如图5所示,本实施例中,可以通过以下步骤来确定起始图像和结束图像:
步骤501,将图像序列中的图像依次输入预先训练的图像识别模型,确定图像序列中的图像的类型。
执行主体可以将图像序列中的各图像依次输入预先训练的图像识别模型中,以确定所输入的图像的类型。其中,上述图像识别模型可以用于表征图像与类型的对应关系。上述类型可以包括启动中状态、广告信息展示状态以及启动后状态。启动中状态为用户对第一应用操作完成后,页面发生变化的状态。广告信息展示状态为启动中页面带有广告信息的状态。启动后状态为启动完成后页面稳定的状态。可以理解的是,当对图像序列进行更新后,可以将更新后的图像序列中的各图像依次输入上述图像识别模型中。
在本实施例的一些可选的实现方式中,上述图像识别模型可以通过以下步骤训练得到:获取样本集合,样本集合包括样本图像以及样本图像的类型。将样本集合中的样本图像作为输入,将与输入的样本图像的类型作为期望输出,训练得到图像识别模型。
本实现方式中,可以首先获取样本集合。上述样本集合包括样本图像以及样本图像的类型。上述样本图像可以包括桌面图像、启动过程中页面的图像以及启动完成后页面的图像。样本图像的类型可以包括启动前状态、启动中状态、广告状态以及启动后状态。然后将上述样本集合中的样本图像作为输入,将与输入的样本图像的类型作为期望输出,训练得到图像识别模型。实际应用时,可以采用上述样本集合训练sklearn第三方模块,得到图像识别模型。sklearn是机器学习中一个常用的Python第三方模块,其中封装了一些常用的机器学习方法。在进行机器学习任务时,并不需要每个人都实现所有的算法,只需要简单的调用sklearn里的模块就可以实现大多数机器学习任务。机器学习任务通常包括分类和回归,常用的分类器包括支持向量机、贝叶斯、线性回归、逻辑回归、决策树、神经网络等。常见的回归方法包括主题模型、主成分分析等。
可以理解的是,训练图像识别模型的执行主体可以与使用图像识别模型的执行主体相同,也可以不同。
步骤502,确定图像序列中、类型为启动中状态的第一张图像为起始图像。
在确定图像序列中、类型为启动中状态的第一张图像为起始图像。举例来说,用户未点击第一应用的图标时,图像应为桌面状态。当用户点击第一应用的图标后,图像变为第一应用启动后的图像。由于启动需要一定的时间,所以图像序列中可能存在多张类型为启动中状态的图像。此时,执行主体可以将类型为启动中状态的第一张图像作为起始图像。
步骤503,确定图像序列中、类型为启动后状态的第一张图像为结束图像。
同样的,当第一应用启动完成后,图像序列中可能存在多张类型为启动后状态的图像。执行主体可以将类型为第一张类型为启动后状态的图像作为结束图像。
本申请的上述实施例提供的用于确定响应时间的方法,可以利用预先训练的图像识别模型来识别图像的类型,从而提高了图像识别的效率。
进一步参考图6,作为对上述各图所示方法的实现,本申请提供了一种用于确定响应时间的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图6所示,本实施例的用于确定响应时间的装置600包括:视频获取单元601、视频解析单元602、图像确定单元603以及响应时间确定单元604。
视频获取单元601,被配置成获取记录第一应用针对用户操作的响应过程的目标视频。
视频解析单元602,被配置成解析目标视频,得到图像序列。
图像确定单元603,被配置成根据图像序列,确定响应过程的起始图像和结束图像。
响应时间确定单元604,被配置成根据起始图像在目标视频中的第一时刻和结束图像在目标视频中的第二时刻,确定第一应用针对用户操作的响应时间。
在本实施例的一些可选的实现方式中,上述视频获取单元601可以进一步包括图6中未示出的第一获取模块和第二获取模块。
第一获取模块,被配置成获取图像采集装置采集的包括第一应用针对用户操作的响应过程的目标视频。或者
第二获取模块,被配置成获取第二应用录制的包括第一应用针对用户操作的响应过程的目标视频。
在本实施例的一些可选的实现方式中,上述图像确定单元603可以进一步包括图6中未示出的序列更新模块和第一图像确定模块。
序列更新模块,被配置成对图像序列进行更新处理,得到更新的图像序列。
第一图像确定模块,被配置成根据更新的图像序列,确定响应过程的起始图像和结束图像。
在本实施例的一些可选的实现方式中,上述序列更新模块可以进一步被配置成:确定图像序列中的第一张图像为第一图像;确定图像序列中的第二张图像为第二图像;基于第一图像、第二图像,执行以下计算步骤:确定第一图像与第二图像的相似度;确定相似度是否大于或等于预设阈值;响应于确定相似度大于或等于预设阈值,隐藏第二图像以及确定第二图像是否为图像序列的最后一张图像;响应于确定第二图像是所述图像序列的最后一张图像,根据未被隐藏处理的图像,得到更新的图像序列。
在本实施例的一些可选的实现方式中,上述序列更新模块可以进一步被配置成:响应于确定相似度小于预设阈值,确定第二图像为新的第一图像以及确定第二图像的后一图像为新的第二图像,继续执行计算步骤。
在本实施例的一些可选的实现方式中,上述序列更新模块可以进一步被配置成:响应于确定第二图像不是图像序列的最后一张图像,将第二图像的后一图像作为新的第二图像,继续执行计算步骤。
在本实施例的一些可选的实现方式中,上述图像确定单元603可以进一步包括图6中未示出的图像类型确定模块和第二图像确定模块。
图像类型确定模块,被配置成将图像序列中的图像依次输入预先训练的图像识别模型,确定图像序列中的图像的类型。其中,所述图像识别模型用于表征图像和类型的对应关系。
第二图像确定模块,被配置成根据图像序列中图像的类型,确定起始图像和结束图像。
在本实施例的一些可选的实现方式中,上述类型包括启动中状态、启动后状态。上述第二图像确定模块进一步被配置成:确定图像序列中、类型为启动中状态的第一张图像为起始图像;确定图像序列中、类型为启动后状态的第一张图像为结束图像。
在本实施例的一些可选的实现方式中,上述装置600还可以进一步包括图6中未示出的模型训练单元。模型训练单元包括:样本获取模块和模型训练模块。
样本获取模块,被配置成获取样本集合。样本集合包括样本图像以及样本图像的类型。
模型训练模块,被配置成将样本集合中的样本图像作为输入,将与输入的样本图像的类型作为期望输出,训练得到图像识别模型。
本申请的上述实施例提供的用于确定响应时间的方法,首先获取记录有第一应用针对用户操作的响应过程的目标视频。然后解析目标视频,得到图像序列。然后,在图像序列中确定响应过程的起始图像和结束图像。最后,根据起始图像在目标视频中的第一时刻和结束图像在目标视频中的第二时刻,确定第一应用针对用户操作的响应时间。本实施例的方法和装置,可以方便快速地测试应用的响应时间。
应当理解,用于确定响应时间的装置600中记载的单元601至单元604分别与参考图2中描述的方法中的各个步骤相对应。由此,上文针对用于确定响应时间的方法描述的操作和特征同样适用于装置600及其中包含的单元,在此不再赘述。
下面参考图7,其示出了适于用来实现本申请实施例的设备的计算机系统700的结构示意图。图7示出的备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图7所示,计算机系统700包括中央处理单元(CPU)701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中,还存储有系统700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
以下部件连接至I/O接口705:包括键盘、鼠标等的输入部分706;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707;包括硬盘等的存储部分708;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器710上,以便于从其上读出的计算机程序根据需要被安装入存储部分708。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在机器可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分709从网络上被下载和安装,和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时,执行本申请的方法中限定的上述功能。
需要说明的是,本申请所描述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码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)。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、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、或代码的一部分,该模块、程序段、或代码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。也应当注意,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,两个接连地表示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操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。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括视频获取单元、视频解析单元、图像确定单元和响应时间确定单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,视频获取单元还可以被描述为“获取记录第一应用针对用户操作的响应过程的目标视频的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该装置执行时,使得该装置:获取记录第一应用针对用户操作的响应过程的目标视频;解析目标视频,得到图像序列;根据图像序列,确定响应过程的起始图像和结束图像;根据起始图像在目标视频中的第一时刻和结束图像在目标视频中的第二时刻,确定第一应用针对用户操作的响应时间。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (16)
1.一种用于确定响应时间的方法,包括:
获取记录第一应用针对用户操作的响应过程的目标视频;
解析所述目标视频,得到图像序列;
根据所述图像序列,确定所述响应过程的起始图像和结束图像;
根据所述起始图像在所述目标视频中的第一时刻和所述结束图像在所述目标视频中的第二时刻,确定所述第一应用针对用户操作的响应时间;
其中,所述根据所述图像序列,确定所述响应过程的起始图像和结束图像,包括:
将所述图像序列中的图像依次输入预先训练的图像识别模型,确定所述图像序列中的图像的类型;其中,所述图像识别模型用于表征图像和类型的对应关系,用于训练得到所述图像识别模型的训练样本包括:被分别标注属于启动中状态、广告信息展示状态以及启动后状态的样本图像,所述启动中状态为所述用户对所述第一应用操作完成后、页面发生变化的状态,所述广告信息展示状态为启动中页面带有广告信息的状态,所述启动后状态为启动完成后页面稳定的状态;
确定所述图像序列中、类型为所述启动中状态的第一张图像为所述起始图像;
确定所述图像序列中、类型为所述启动后状态的第一张图像为所述结束图像。
2.根据权利要求1所述的方法,其中,所述获取包括第一应用针对用户操作的响应过程的目标视频,包括:
获取图像采集装置采集的包括第一应用针对用户操作的响应过程的目标视频;或者
获取第二应用录制的包括第一应用针对用户操作的响应过程的目标视频。
3.根据权利要求1所述的方法,其中,所述根据所述图像序列,确定所述响应过程的起始图像和结束图像,包括:
对所述图像序列进行更新处理,得到更新的图像序列;
根据更新的图像序列,确定所述响应过程的起始图像和结束图像。
4.根据权利要求3所述的方法,其中,所述对所述图像序列进行更新处理,得到更新的图像序列,包括:
确定所述图像序列中的第一张图像为第一图像;
确定所述图像序列中的第二张图像为第二图像;
基于第一图像、第二图像,执行以下计算步骤:确定第一图像与第二图像的相似度;确定所述相似度是否大于或等于预设阈值;响应于确定所述相似度大于或等于预设阈值,隐藏第二图像以及确定第二图像是否为所述图像序列的最后一张图像;
响应于确定第二图像是所述图像序列的最后一张图像,根据未被隐藏处理的图像,得到更新的图像序列。
5.根据权利要求4所述的方法,其中,所述对所述图像序列进行更新处理,得到更新的图像序列,还包括:
响应于确定所述相似度小于预设阈值,确定第二图像为新的第一图像以及确定第二图像的后一图像为新的第二图像,继续执行所述计算步骤。
6.根据权利要求4所述的方法,其中,所述对所述图像序列进行更新处理,得到更新的图像序列,还包括:
响应于确定第二图像不是所述图像序列的最后一张图像,将第二图像的后一图像作为新的第二图像,继续执行所述计算步骤。
7.根据权利要求1所述的方法,其中,所述图像识别模型通过以下步骤训练得到:
获取样本集合,所述样本集合包括样本图像以及样本图像的类型;
将所述样本集合中的样本图像作为输入,将与输入的样本图像的类型作为期望输出,训练得到所述图像识别模型。
8.一种用于确定响应时间的装置,包括:
视频获取单元,被配置成获取记录第一应用针对用户操作的响应过程的目标视频;
视频解析单元,被配置成解析所述目标视频,得到图像序列;
图像确定单元,被配置成根据所述图像序列,确定所述响应过程的起始图像和结束图像;
响应时间确定单元,被配置成根据所述起始图像在所述目标视频中的第一时刻和所述结束图像在所述目标视频中的第二时刻,确定所述第一应用针对用户操作的响应时间;
所述图像确定单元包括:图像类型确定模块,被配置成将所述图像序列中的图像依次输入预先训练的图像识别模型,确定所述图像序列中的图像的类型,其中,所述图像识别模型用于表征图像和类型的对应关系,用于训练得到所述图像识别模型的训练样本包括:被分别标注属于启动中状态、广告信息展示状态以及启动后状态的样本图像,所述启动中状态为所述用户对所述第一应用操作完成后、页面发生变化的状态,所述广告信息展示状态为启动中页面带有广告信息的状态,所述启动后状态为启动完成后页面稳定的状态;第二图像确定模块,被配置成确定所述图像序列中、类型为所述启动中状态的第一张图像为所述起始图像,确定所述图像序列中、类型为所述启动后状态的第一张图像为所述结束图像。
9.根据权利要求8所述的装置,其中,所述视频获取单元包括:
第一获取模块,被配置成获取图像采集装置采集的包括第一应用针对用户操作的响应过程的目标视频;或者
第二获取模块,被配置成获取第二应用录制的包括第一应用针对用户操作的响应过程的目标视频。
10.根据权利要求8所述的装置,其中,所述图像确定单元包括:
序列更新模块,被配置成对所述图像序列进行更新处理,得到更新的图像序列;
第一图像确定模块,被配置成根据更新的图像序列,确定所述响应过程的起始图像和结束图像。
11.根据权利要求10所述的装置,其中,所述序列更新模块进一步被配置成:
确定所述图像序列中的第一张图像为第一图像;
确定所述图像序列中的第二张图像为第二图像;
基于第一图像、第二图像,执行以下计算步骤:确定第一图像与第二图像的相似度;确定所述相似度是否大于或等于预设阈值;响应于确定所述相似度大于或等于预设阈值,隐藏第二图像以及确定第二图像是否为所述图像序列的最后一张图像;
响应于确定第二图像是所述图像序列的最后一张图像,根据未被隐藏处理的图像,得到更新的图像序列。
12.根据权利要求11所述的装置,其中,所述序列更新模块进一步被配置成:
响应于确定所述相似度小于预设阈值,确定第二图像为新的第一图像以及确定第二图像的后一图像为新的第二图像,继续执行所述计算步骤。
13.根据权利要求11所述的装置,其中,所述序列更新模块进一步被配置成:
响应于确定第二图像不是所述图像序列的最后一张图像,将第二图像的后一图像作为新的第二图像,继续执行所述计算步骤。
14.根据权利要求8所述的装置,其中,所述装置还包括模型训练单元,所述模型训练单元包括:
样本获取模块,被配置成获取样本集合,所述样本集合包括样本图像以及样本图像的类型;
模型训练模块,被配置成将所述样本集合中的样本图像作为输入,将与输入的样本图像的类型作为期望输出,训练得到所述图像识别模型。
15.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
16.一种计算机可读介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810743442.3A CN110704294B (zh) | 2018-07-09 | 2018-07-09 | 用于确定响应时间的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810743442.3A CN110704294B (zh) | 2018-07-09 | 2018-07-09 | 用于确定响应时间的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110704294A CN110704294A (zh) | 2020-01-17 |
CN110704294B true CN110704294B (zh) | 2023-06-09 |
Family
ID=69192288
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810743442.3A Active CN110704294B (zh) | 2018-07-09 | 2018-07-09 | 用于确定响应时间的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110704294B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012160567A1 (en) * | 2011-05-20 | 2012-11-29 | Yogesh Chunilal Rathod | A system and method for providing unified active search engine based on search result item specific identified, dynamic, contextual & accessible active links. |
CN107704388A (zh) * | 2017-09-26 | 2018-02-16 | 百度在线网络技术(北京)有限公司 | 用于确定应用的启动时间的方法和装置 |
CN107734356A (zh) * | 2017-10-30 | 2018-02-23 | 广东欧珀移动通信有限公司 | 视频画质调整方法、装置、终端设备及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140320698A1 (en) * | 2013-04-29 | 2014-10-30 | Microsoft Corporation | Systems and methods for capturing photo sequences with a camera |
CN106951346B (zh) * | 2016-01-06 | 2020-07-24 | 阿里巴巴集团控股有限公司 | 一种响应时间的测试方法和装置 |
CN106982368B (zh) * | 2016-01-19 | 2020-06-23 | 腾讯科技(深圳)有限公司 | 视频响应速度检测方法和系统 |
-
2018
- 2018-07-09 CN CN201810743442.3A patent/CN110704294B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012160567A1 (en) * | 2011-05-20 | 2012-11-29 | Yogesh Chunilal Rathod | A system and method for providing unified active search engine based on search result item specific identified, dynamic, contextual & accessible active links. |
CN107704388A (zh) * | 2017-09-26 | 2018-02-16 | 百度在线网络技术(北京)有限公司 | 用于确定应用的启动时间的方法和装置 |
CN107734356A (zh) * | 2017-10-30 | 2018-02-23 | 广东欧珀移动通信有限公司 | 视频画质调整方法、装置、终端设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110704294A (zh) | 2020-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020000879A1 (zh) | 图像识别方法和装置 | |
CN108830235B (zh) | 用于生成信息的方法和装置 | |
US11436863B2 (en) | Method and apparatus for outputting data | |
CN108989882B (zh) | 用于输出视频中的音乐片段的方法和装置 | |
CN109308490B (zh) | 用于生成信息的方法和装置 | |
CN109376267B (zh) | 用于生成模型的方法和装置 | |
RU2688757C1 (ru) | Устройство и способ для анализа импортированного видео | |
CN109993150B (zh) | 用于识别年龄的方法和装置 | |
US11758088B2 (en) | Method and apparatus for aligning paragraph and video | |
CN109857908B (zh) | 用于匹配视频的方法和装置 | |
US11490168B2 (en) | Method and apparatus for selecting video clip, server and medium | |
WO2020000876A1 (zh) | 用于生成模型的方法和装置 | |
JP7394809B2 (ja) | ビデオを処理するための方法、装置、電子機器、媒体及びコンピュータプログラム | |
CN109981787B (zh) | 用于展示信息的方法和装置 | |
CN113743607B (zh) | 异常检测模型的训练方法、异常检测方法及装置 | |
US20190354752A1 (en) | Video image overlay of an event performance | |
US20180107686A1 (en) | Search method and apparatus | |
CN109271929B (zh) | 检测方法和装置 | |
CN109934142B (zh) | 用于生成视频的特征向量的方法和装置 | |
CN109165574B (zh) | 视频检测方法和装置 | |
EP4178135A1 (en) | Method for generating target video, apparatus, server, and medium | |
CN110908922A (zh) | 应用程序的测试方法和装置 | |
CN113449773A (zh) | 模型更新方法、装置、存储介质及电子设备 | |
US20190227634A1 (en) | Contextual gesture-based image searching | |
CN110673886B (zh) | 用于生成热力图的方法和装置 |
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 |