CN110856037B - 一种视频封面确定方法、装置、电子设备及可读存储介质 - Google Patents
一种视频封面确定方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN110856037B CN110856037B CN201911158754.9A CN201911158754A CN110856037B CN 110856037 B CN110856037 B CN 110856037B CN 201911158754 A CN201911158754 A CN 201911158754A CN 110856037 B CN110856037 B CN 110856037B
- Authority
- CN
- China
- Prior art keywords
- video
- target
- target video
- video frame
- frames
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000004590 computer program Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 abstract description 6
- 239000013598 vector Substances 0.000 description 17
- 238000004891 communication Methods 0.000 description 6
- 238000007621 cluster analysis Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000013441 quality evaluation Methods 0.000 description 5
- 238000013145 classification model Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
- H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
- H04N21/23418—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
- H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
- H04N21/845—Structuring of content, e.g. decomposing content into time segments
- H04N21/8456—Structuring of content, e.g. decomposing content into time segments by decomposing the content in the time domain, e.g. in time segments
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例提供了一种视频封面确定方法、装置、电子设备及可读存储介质，方法包括：确定目标视频中的主题视频帧，对目标视频中的视频帧进行分组，得到多个目标视频帧组，针对每一目标视频帧组，从该目标视频帧组中确定出预设数目个视频帧，作为目标视频帧，基于该目标视频帧组中的目标视频帧与主题视频帧的相似度，从该目标视频帧组中的目标视频帧中，确定出该目标视频帧组所属的场景类别对应的视频封面。基于上述处理，确定出的视频封面能够有效体现目标视频的视频主题。
Description
技术领域
本申请涉及图像处理技术领域，特别是涉及一种视频封面确定方法、装置、电子设备及可读存储介质。
背景技术
随着多媒体技术和互联网技术的快速发展，视频的数目正以几何倍数增长。视频封面作为视频呈现给用户的第一张图像画面，对用户的第一主观感受有很大影响，视频封面也是用户是否点击观看视频的关键因素。
相关技术中，通常可以将视频中的第一个视频帧作为视频封面，或者，也可以从视频的所有视频帧中，选择图像质量最高的一帧，作为视频封面，从而导致视频封面无法有效体现视频的视频主题。
发明内容
本申请实施例的目的在于提供一种视频封面确定方法、装置、电子设备及可读存储介质，确定出的视频封面能够有效体现视频的视频主题。具体技术方案如下：
第一方面，为了达到上述目的，本申请实施例公开了一种视频封面确定方法，所述方法包括：
确定目标视频中的主题视频帧，其中，所述主题视频帧为所述目标视频中与所述目标视频的视频主题相匹配的视频帧；
对所述目标视频中的视频帧进行分组，得到多个目标视频帧组，其中，每一所述目标视频帧组中的视频帧属于同一场景类别；
针对每一所述目标视频帧组，从该目标视频帧组中确定出预设数目个视频帧，作为目标视频帧，其中，该目标视频帧组中的目标视频帧的图像质量，高于该目标视频帧组中其他视频帧的图像质量；
基于该目标视频帧组中的目标视频帧与所述主题视频帧的相似度，从该目标视频帧组中的目标视频帧中，确定出该目标视频帧组所属的场景类别对应的视频封面。
可选的，所述确定目标视频中的主题视频帧，包括：
对目标视频中的视频帧进行聚类分析，得到多个视频帧集合；
确定所述多个视频帧集合中，所包含的视频帧的数目最大的视频帧集合，作为目标视频帧集合；
确定所述目标视频帧集合中，与所述目标视频帧集合的聚类中心的相似度最大的视频帧，作为所述目标视频的主题视频帧。
可选的，所述对所述目标视频中的视频帧进行分组，得到多个目标视频帧组，包括：
根据视频帧之间的相似度，对所述目标视频进行划分，得到多个视频片段，其中，每一所述视频片段中的视频帧之间的相似度大于第一预设相似度阈值；
针对每一所述视频片段，根据预先训练的场景类别识别模型，确定该视频片段的场景类别；
确定多个目标视频帧组，其中，每一所述目标视频帧组中包含相同场景类别的视频片段中的视频帧。
可选的，所述根据视频帧之间的相似度，对所述目标视频进行划分，得到多个视频片段，包括：
基于所述目标视频中的视频帧的排列顺序，确定所述目标视频中的关键视频帧，其中，所述排列顺序中所述关键视频帧的前一视频帧，与所述关键视频帧的相似度小于第二预设相似度阈值；
确定多个视频片段，其中，每一所述视频片段包括所述目标视频中的一个关键视频帧，以及所述排列顺序中位于该关键视频帧与下一个关键视频帧之间的视频帧。
可选的，所述根据视频帧之间的相似度，对所述目标视频进行划分，得到多个视频片段，包括：
基于对所述目标视频进行视频编码，确定所述目标视频中的I帧；
基于所述目标视频中的视频帧的排列顺序，确定多个视频片段，其中，每一所述视频片段包括所述目标视频中的一个I帧，以及所述排列顺序中位于该I帧与下一个I帧之间的视频帧。
可选的，在所述从该目标视频帧组中的目标视频帧中，确定出该目标视频帧组所属的场景类别对应的视频封面之后，所述方法还包括：
获取目标帐号对应的用户特征信息；
根据所述用户特征信息，确定与所述目标帐号相匹配的目标场景类别，其中，所述目标帐号与所述目标场景类别的匹配度高于所述目标帐号与除所述目标场景类别以外的场景类别的匹配度；
将所述目标帐号中显示的所述目标视频的视频封面配置为目标视频封面，其中，所述目标视频封面与所述目标场景类型相对应。
可选的，所述基于该目标视频帧组中的目标视频帧与所述主题视频帧的相似度，从该目标视频帧组中的目标视频帧中，确定出该目标视频帧组所属的场景类别对应的视频封面，包括：
在该目标视频帧组中的目标视频帧中，确定与所述主题视频帧的相似度最大的视频帧，作为该目标视频帧组所属的场景类别对应的视频封面。
第二方面，为了达到上述目的，本申请实施例还公开了一种视频封面确定装置，所述装置包括：
第一确定模块，用于确定目标视频中的主题视频帧，其中，所述主题视频帧为所述目标视频中与所述目标视频的视频主题相匹配的视频帧；
分组模块，用于对所述目标视频中的视频帧进行分组，得到多个目标视频帧组，其中，每一所述目标视频帧组中的视频帧属于同一场景类别；
第二确定模块，用于针对每一所述目标视频帧组，从该目标视频帧组中确定出预设数目个视频帧，作为目标视频帧，其中，该目标视频帧组中的目标视频帧的图像质量，高于该目标视频帧组中其他视频帧的图像质量；
第三确定模块，用于基于该目标视频帧组中的目标视频帧与所述主题视频帧的相似度，从该目标视频帧组中的目标视频帧中，确定出该目标视频帧组所属的场景类别对应的视频封面。
可选的，所述第一确定模块，具体用于对目标视频中的视频帧进行聚类分析，得到多个视频帧集合；
确定所述多个视频帧集合中，所包含的视频帧的数目最大的视频帧集合，作为目标视频帧集合；
确定所述目标视频帧集合中，与所述目标视频帧集合的聚类中心的相似度最大的视频帧，作为所述目标视频的主题视频帧。
可选的，所述分组模块，具体用于根据视频帧之间的相似度，对所述目标视频进行划分，得到多个视频片段，其中，每一所述视频片段中的视频帧之间的相似度大于第一预设相似度阈值；
针对每一所述视频片段，根据预先训练的场景类别识别模型，确定该视频片段的场景类别；
确定多个目标视频帧组，其中，每一所述目标视频帧组中包含相同场景类别的视频片段中的视频帧。
可选的，所述分组模块，具体用于基于所述目标视频中的视频帧的排列顺序，确定所述目标视频中的关键视频帧，其中，所述排列顺序中所述关键视频帧的前一视频帧，与所述关键视频帧的相似度小于第二预设相似度阈值；
确定多个视频片段，其中，每一所述视频片段包括所述目标视频中的一个关键视频帧，以及所述排列顺序中位于该关键视频帧与下一个关键视频帧之间的视频帧。
可选的，所述分组模块，具体用于基于对所述目标视频进行视频编码，确定所述目标视频中的I帧；
基于所述目标视频中的视频帧的排列顺序，确定多个视频片段，其中，每一所述视频片段包括所述目标视频中的一个I帧，以及所述排列顺序中位于该I帧与下一个I帧之间的视频帧。
可选的，所述装置还包括：
展示模块，用于获取目标帐号对应的用户特征信息；
根据所述用户特征信息，确定与所述目标帐号相匹配的目标场景类别，其中，所述目标帐号与所述目标场景类别的匹配度高于所述目标帐号与除所述目标场景类别以外的场景类别的匹配度；
将所述目标帐号中显示的所述目标视频的视频封面配置为目标视频封面，其中，所述目标视频封面与所述目标场景类型相对应。
可选的，所述第三确定模块，具体用于在该目标视频帧组中的目标视频帧中，确定与所述主题视频帧的相似度最大的视频帧，作为该目标视频帧组所属的场景类别对应的视频封面。
第三方面，为了达到上述目的，本申请实施例还公开了一种电子设备，所述电子设备包括存储器和处理器；
所述存储器，用于存放计算机程序；
所述处理器，用于执行存储器上所存放的程序时，实现如上述第一方面所述的视频封面确定方法步骤。
第四方面，为了达到上述目的，本申请实施例还公开了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时，实现如上述第一方面所述的视频封面确定方法步骤。
第五方面，为了达到上述目的，本申请实施例还公开了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述第一方面所述的视频封面确定方法步骤。
本申请实施例提供了一种视频封面确定方法，可以确定待确定视频封面的目标视频中的主题视频帧，对目标视频中的视频帧进行分组，得到多个目标视频帧组，针对每一目标视频帧组，从该目标视频帧组中确定出预设数目个视频帧，作为目标视频帧，基于该目标视频帧组中的目标视频帧与主题视频帧的相似度，从该目标视频帧组中的目标视频帧中，确定出该目标视频帧组所属的场景类别对应的视频封面。
基于上述处理，能够确定出各目标视频帧组对应的视频封面，即，能够确定出目标视频包含的各场景类别对应的视频封面，且由于各视频封面是基于与主题视频帧的相似度确定出的，因此，确定出的视频封面能够有效地体现目标视频的视频主题。
当然，实施本申请的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，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的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种视频封面确定方法的流程图；
图2为本申请实施例提供的一种确定目标视频帧组的方法的流程图；
图3为本申请实施例提供的一种视频封面确定装置的结构图；
图4为本申请实施例提供的一种电子设备的结构图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
相关技术中，只是根据人工经验或者视频帧的图像质量，确定视频封面，确定出的视频封面与视频的视频主题之间的关联性较小，视频封面无法有效体现视频主题，相应的，可能会导致用户无法快速搜索到自己喜欢的视频，或者，也可能会降低视频的点击率。
为了解决上述问题，本申请实施例提供了一种视频封面确定方法，可以应用于电子设备，该电子设备可以为终端，也可以为服务器。电子设备用于从视频包含的视频帧中，确定出该视频的视频封面。
电子设备可以确定目标视频中的主题视频帧，并对目标视频中的视频帧进行分组，得到多个目标视频帧组，进而，针对每一目标视频帧组，电子设备可以从该目标视频帧组中确定出预设数目个视频帧，作为目标视频帧，然后，电子设备基于该目标视频帧组中的目标视频帧与主题视频帧的相似度，从该目标视频帧组中的目标视频帧中，确定出该目标视频帧组所属的场景类别对应的视频封面。
基于上述处理，能够确定出各目标视频帧组所属的场景类别对应的视频封面，即，能够确定出目标视频包含的各场景类别对应的视频封面，且由于各视频封面为基于与主题视频帧的相似度确定出的，因此，确定出的视频封面能够有效地体现目标视频的视频主题。
参见图1，图1为本申请实施例提供的一种视频封面确定方法的流程图，该方法可以包括以下步骤：
S101：确定目标视频中的主题视频帧。
其中，目标视频可以为当前待确定视频封面的视频。主题视频帧为目标视频中与目标视频的视频主题相匹配的视频帧。主题视频帧中可以显示有能够体现目标视频的视频主题的对象。
例如，目标视频为歌星的演唱会的视频，则目标视频的主题视频帧可以包括目标视频中显示有歌星独唱的视频帧；又例如，目标视频为钓鱼教学的视频，则目标视频的主题视频帧可以包括目标视频中显示成功钓到鱼的视频帧。
在本申请实施例中，主题视频帧可以由目标视频的提供者预先指定，或者，电子设备也可以对目标视频包含的视频帧的图像画面进行分析，以确定出主题视频帧。
S102：对目标视频中的视频帧进行分组，得到多个目标视频帧组。
其中，每一目标视频帧组中的视频帧属于同一场景类别。
例如，钓鱼教学的视频可以包括室内场景、室外场景；又例如，歌星的演唱会的视频可以包括歌星独唱的场景、歌星与歌迷互动的场景。
在本申请实施例中，电子设备可以对目标视频中的每一视频帧的图像画面进行分析，确定出每一视频帧所属的场景类别，进而，能够得到多个不同场景类别的视频帧组(即本申请实施例中的目标视频帧组)。
S103：针对每一目标视频帧组，从该目标视频帧组中确定出预设数目个视频帧，作为目标视频帧。
其中，每一目标视频帧组中的目标视频帧的图像质量，高于该目标视频帧组中其他视频帧的图像质量。
预设数目可以由技术人员根据经验进行设置，各目标视频帧组对应的预设数目可以相同，也可以不同。
例如，如果一个目标视频帧组包含的视频帧的数目较大，则该目标视频帧组对应的预设数目可以较大，相应的，包含的视频帧的数目较少的目标视频帧组对应的预设数目可以较小。
在本申请实施例中，在确定出个各目标视频帧组各自包含的视频帧后，针对每一目标视频帧组，电子设备可以基于预设质量评估方法和预设评估维度，对该目标视频帧组中的视频帧进行评估，确定各视频帧的图像质量，进而，可以从该目标视频帧组中，选出图像质量较高的预设数目个视频帧(即本申请实施例中的目标视频帧)。
预设质量评估方法可以为基于概率模型的图像质量评估方法，例如，可以建立图像特征与图像质量之间的统计概率模型，对待评估的视频帧提取图像特征，然后，根据概率模型计算最大后验概率的图像质量，或根据与概率模型的匹配程度估计视频帧的图像质量。
或者，预设质量评估方法也可以为基于神经网络的图像质量评估方法，提取待评估的视频帧的空间特征，然后，基于预先训练的神经网络回归分析模型，根据视频帧的空间特征，预测视频帧的图像质量。例如，可以采用具有多层网络结构的深度学习算法，对视频帧的图像质量进行评估。
预设评估维度可以包括图像的对比度、图像的信噪比、图像的畸变、图像的色彩等。电子设备可以从上述预设评估维度中选取至少一个维度，并根据选取的维度确定视频帧的图像质量。
S104：基于该目标视频帧组中的目标视频帧与主题视频帧的相似度，从该目标视频帧组中的目标视频帧中，确定出该目标视频帧组所属的场景类别对应的视频封面。
在本申请实施例中，在确定出各目标视频帧组中的目标视频帧后，针对每一目标视频帧组，电子设备可以分别计算该目标视频帧组中的目标视频帧与主题视频帧的相似度，进而，根据计算得到的各相似度，从该目标视频帧组中的目标视频帧中，确定出该目标视频帧组对应的视频封面，即，该目标视频帧组所属的场景类别对应的视频封面。
视频帧之间的相似度可以为视频帧的预设指标之间的相似度，预设指标可以包括：视频帧的直方图、视频帧的灰度信息、视频帧的边缘信息等至少之一。
可以理解的是，针对每一目标视频帧组，电子设备均能够确定出对应的视频封面，即，电子设备能够确定出目标视频包含的各场景类别对应的视频封面，进而，确定出的多个视频封面，能够体现不同的场景类别，且由于各视频封面为基于与主题视频帧的相似度确定出的，因此，各视频封面均能够体现目标视频的视频主题。
一种实现方式中，针对每一目标视频帧组，电子设备可以确定该目标视频帧组中的目标视频帧中，与主题视频帧的相似度最大的视频帧，作为该目标视频帧组所属的场景类别对应的视频封面。
或者，针对每一目标视频帧组，电子设备可以按照与主题视频帧的相似度从大到小的顺序，对该目标视频帧组中的目标视频帧进行排序，进而，确定出排列顺序中的前第二数目个目标视频帧，作为该目标视频帧组所属的场景类别对应的视频封面，第二预设数目大于1。
另外，为了提高确定出的主题视频帧的准确度，以使确定出的视频封面能够更有效地体现视频主题，可选的，S101可以包括以下步骤：
步骤一，对目标视频中的视频帧进行聚类分析，得到多个视频帧集合，确定多个视频帧集合中，所包含的视频帧的数目最大的视频帧集合，作为目标视频帧集合。
聚类分析，即，将数据分类到不同的集合的一个过程，同一集合中的数据之间的相似度较高，而不同集合间的数据之间的相似度较低。
在本申请实施例中，电子设备可以根据预设聚类分析算法，对目标视频中的视频帧进行特征提取，进而，基于提取得到的视频帧的图像特征，进行聚类分析，能够确定出多个视频帧集合，确定出的属于同一视频帧集合的视频帧之间的相似度较大，且该视频帧集合具有一个聚类中心。
进而，电子设备可以确定每一视频帧集合中包含的视频帧的数目，然后，确定出包含的视频帧的数目最大的视频帧集合(即本申请实施例中的目标视频帧集合)。
预设聚类分析算法可以为K-means算法或其他聚类分析算法。
步骤二，确定目标视频帧集合中，与目标视频帧集合的聚类中心的相似度最大的视频帧，作为目标视频的主题视频帧。
在本申请实施例中，在确定出目标视频帧集合后，电子设备可以确定目标视频帧集合的聚类中心，并计算目标视频帧集合包含的每一视频帧与该聚类中心的相似度，进而，电子设备可以确定出与该聚类中心的相似度最大的视频帧，作为目标视频的主题视频帧。
可以理解的是，在进行聚类分析时，电子设备对各视频帧进行特征提取，可以得到每一视频帧的特征向量，相应的，视频帧集合的聚类中心也可以为一个特征向量，因此，电子设备可以计算目标视频帧集合包含的每一视频帧的特征向量，与该聚类中心对应的特征向量之间的距离，进而，根据得到的距离，确定目标视频帧集合包含的每一视频帧与该聚类中心的相似度。
其中，向量之间的距离可以采用欧氏距离(Euclidean Distance)、曼哈顿距离(Block)、切比雪夫距离(Chebychev Distance)等指标。
由于目标视频帧集合包含的视频帧的数目最大，因此，目标视频帧集合中的视频帧能够表示目标视频的视频主题，进而，与目标视频帧集合的聚类中心的相似度最大的视频帧，则能够体现目标视频的视频主题。
可选的，电子设备可以根据视频帧之间的相似度，确定目标视频帧组，相应的，参见图2，图2为本申请实施例提供的一种确定目标视频帧组的方法的流程图，S102可以包括以下步骤：
S1021：根据视频帧之间的相似度，对目标视频进行划分，得到多个视频片段。
其中，每一视频片段中的视频帧之间的相似度大于第一预设相似度阈值。第一预设相似度阈值可以由技术人员根据经验进行设置。
视频帧之间的相似度可以为视频帧的预设指标之间的相似度，预设指标可以包括：视频帧的直方图、视频帧的灰度信息、视频帧的边缘信息等至少之一。
在本申请实施例中，电子设备可以根据视频帧之间的相似度，对目标视频进行划分，得到多个视频片段，每一视频片段中的视频帧之间的相似度较大。
一种实现方式中，S1021可以包括以下步骤：
步骤一，基于目标视频中的视频帧的排列顺序，确定目标视频中的关键视频帧。
其中，排列顺序中关键视频帧的前一视频帧，与关键视频帧的相似度小于第二预设相似度阈值。第二预设相似度阈值可以由技术人员根据经验进行设置。
在本申请实施例中，电子设备可以计算目标视频中每两个相邻的视频帧之间的相似度，如果两个相邻的视频帧之间的相似度小于第二预设相似度阈值，表明，该两个相邻的视频帧的差异较大，可能属于不同的场景类别，电子设备可以将后一个视频帧作为目标视频中的关键视频帧，即，从每一关键视频帧开始，视频帧所属的场景类别发生变化。
步骤二，确定多个视频片段。
其中，每一视频片段包括目标视频中的一个关键视频帧，以及排列顺序中位于该关键视频帧与下一个关键视频帧之间的视频帧。
在本申请实施例中，每一关键视频帧，以及排列顺序中位于该关键视频帧与下一个关键视频之间的视频帧，属于同一场景类别的概率较大，因此，电子设备可以将每一关键视频帧，以及排列顺序中位于该关键视频与下一个关键视频帧之间的视频帧，作为一个视频片段。
另一种实现方式中，S1021可以包括以下步骤：
步骤1，基于对目标视频进行视频编码，确定目标视频中的I帧。
在本申请实施例中，电子设备可以确定出对目标视频进行视频编码时的I帧，可以理解的是，I帧与该I帧的前一帧的差别较大，即，从每一I帧开始，视频帧所属的场景类别会发生变化。
步骤2，基于目标视频中的视频帧的排列顺序，确定多个视频片段。
其中，每一视频片段包括目标视频中的一个I帧，以及排列顺序中位于该I帧与下一个I帧之间的视频帧。
在本申请实施例中，每一I帧，以及排列顺序中位于该I帧与下一个I帧之间的视频帧，属于同一场景类别的概率较大，因此，电子设备可以将每一I帧，以及排列顺序中位于该I帧与下一个I帧之间的视频帧，作为一个视频片段。
S1022：针对每一视频片段，根据预先训练的场景类别识别模型，确定该视频片段的场景类别。
在本申请实施例中，在确定出多个视频片段后，电子设备可以根据预先训练的场景类别识别模型，对每一视频片段进行识别，确定出每一视频片段的场景类别。
其中，场景类别识别模型可以是根据样本视频片段，以及样本视频片段的样本标识，对预设结构的分类模型进行训练得到的，样本视频片段的样本标识用于表示样本视频片段的场景类别。
一种实现方式中，针对每一样本视频片段，可以从该样本视频片段中选取第一数目个视频帧，并将选取的第一数目个视频帧作为预设结构的分类模型的模型输入，将该样本视频片段的样本标识作为对应的模型输出，对预设结构的分类模型的模型参数进行训练，直至预设结构的分类模型达到预设收敛条件，得到训练好的场景类别识别模型。
进而，针对从目标视频中确定出的每一视频片段，电子设备可以从该视频片段中选取第一数目个视频帧，并将选取的第一数目个视频帧输入训练好的场景类别识别模型，得到该视频片段属于各场景类别的概率，然后，电子设备可以将对应的概率最大的场景类别，作为该视频片段的场景类别。
可以理解的是，不同的视频片段可以属于相同的场景类别。
S1023：确定多个目标视频帧组。
其中，每一目标视频帧组中包含相同场景类别的视频片段中的视频帧。
在本申请实施例中，在确定出每一视频片段的场景类别后，电子设备可以确定属于相同的场景类别的视频片段，并将具有相同的场景类别的视频片段中的视频帧划分为一个视频帧组(即本申请实施例中的目标视频帧组)，进而，能够得到多个目标视频帧组，且每一目标视频帧组中的视频帧属于同一场景类别。
可选的，在确定出各目标视频帧组所属的场景类别对应的视频封面之后，该方法还可以包括以下步骤：
步骤一，获取目标帐号对应的用户特征信息，并根据用户特征信息，确定与目标帐号相匹配的目标场景类别。
其中，目标帐号与目标场景类别的匹配度高于目标帐号与除目标场景类别以外的场景类别的匹配度。
用户特征信息可以是根据目标帐号观看视频的历史记录确定的，例如，用户特征信息可以包括：军事、恐怖、漫画等。
在本申请实施例中，当需要向目标账号展示目标视频的视频封面时，电子设备可以获取目标账号的用户特征信息，并分别计算用户特征信息与目标视频包含的各场景类别的匹配度，进而，电子设备可以确定出与用户特征信息的匹配度较高的场景类别(即目标场景类别)，确定出的目标场景类别可以为一个，也可以为多个。
一种实现方式中，电子设备可以生成用户特征信息的特征向量(可以称为用户特征向量)，并生各场景类别各自的特征向量(可以称为类别特征向量)。
然后，电子设备可以分别计算用户特征向量与各类别特征向量的相似度，用于表示用户特征信息与各场景类别的匹配度。
电子设备可以将与用户特征向量的相似度最大的类别特征向量对应的场景类别，确定为目标场景类别。
或者，电子设备可以按照与用户特征向量的相似度从大到小的顺序，对各类别特征向量进行排序，进而，确定出排列顺序中的前第三数目个类别特征向量，将确定出的前第三数目个类别特征向量对应的场景类别，确定为目标场景类别，第三预设数目大于1。
步骤二，将目标帐号中显示的目标视频的视频封面配置为目标视频封面。
其中，目标视频封面与目标场景类型相对应。
在本申请实施例中，在确定出目标场景类别后，电子设备可以将目标视频的视频封面设置为目标场景类别对应的视频封面，并向目标账号展示。
一种实现方式中，如果目标场景类别为多个，则电子设备可以周期性地展示各目标场景类别对应的视频封面。
例如，展示的周期为5秒，目标场景类别包括目标场景类别1、目标场景类2和目标场景类别3，对应的视频封面分别为视频封面1、视频封面2和视频封面3。电子设备可以将目标视频的视频封面设置为视频封面1，并向目标账号展示，经过5秒后，电子设备可以将目标视频的视频封面更新为视频封面2，再经过5秒后，电子设备可以将目标视频的视频封面更新为视频封面3，再经过5秒后，电子设备可以将目标视频的视频封面更新为视频封面1，以此循环。
基于上述处理，向目标账号展示的视频封面更符合目标账号的兴趣，能够提高目标视频的点击率。
与图1的方法实施例相对应，参见图3，图3为本申请实施例提供的一种视频封面确定装置的结构图，该装置可以包括：
第一确定模块301，用于确定目标视频中的主题视频帧，其中，主题视频帧为目标视频中与目标视频的视频主题相匹配的视频帧；
分组模块302，用于对目标视频中的视频帧进行分组，得到多个目标视频帧组，其中，每一目标视频帧组中的视频帧属于同一场景类别；
第二确定模块303，用于针对每一目标视频帧组，从该目标视频帧组中确定出预设数目个视频帧，作为目标视频帧，其中，该目标视频帧组中的目标视频帧的图像质量，高于该目标视频帧组中其他视频帧的图像质量；
第三确定模块304，用于基于该目标视频帧组中的目标视频帧与主题视频帧的相似度，从该目标视频帧组中的目标视频帧中，确定出该目标视频帧组所属的场景类别对应的视频封面。
可选的，第一确定模块301，具体用于对目标视频中的视频帧进行聚类分析，得到多个视频帧集合；
确定多个视频帧集合中，所包含的视频帧的数目最大的视频帧集合，作为目标视频帧集合；
确定目标视频帧集合中，与目标视频帧集合的聚类中心的相似度最大的视频帧，作为目标视频的主题视频帧。
可选的，分组模块302，具体用于根据视频帧之间的相似度，对目标视频进行划分，得到多个视频片段，其中，每一视频片段中的视频帧之间的相似度大于第一预设相似度阈值；
针对每一视频片段，根据预先训练的场景类别识别模型，确定该视频片段的场景类别；
确定多个目标视频帧组，其中，每一目标视频帧组中包含相同场景类别的视频片段中的视频帧。
可选的，分组模块302，具体用于基于目标视频中的视频帧的排列顺序，确定目标视频中的关键视频帧，其中，排列顺序中关键视频帧的前一视频帧，与关键视频帧的相似度小于第二预设相似度阈值；
确定多个视频片段，其中，每一视频片段包括目标视频中的一个关键视频帧，以及排列顺序中位于该关键视频帧与下一个关键视频帧之间的视频帧。
可选的，分组模块302，具体用于基于对目标视频进行视频编码，确定目标视频中的I帧；
基于目标视频中的视频帧的排列顺序，确定多个视频片段，其中，每一视频片段包括目标视频中的一个I帧，以及排列顺序中位于该I帧与下一个I帧之间的视频帧。
可选的，装置还包括：
展示模块，用于获取目标帐号对应的用户特征信息；
根据用户特征信息，确定与目标帐号相匹配的目标场景类别，其中，目标帐号与目标场景类别的匹配度高于目标帐号与除目标场景类别以外的场景类别的匹配度；
将目标帐号中显示的目标视频的视频封面配置为目标视频封面，其中，目标视频封面与目标场景类型相对应。
可选的，第三确定模块304，具体用于在该目标视频帧组中的目标视频帧中，确定与主题视频帧的相似度最大的视频帧，作为该目标视频帧组所属的场景类别对应的视频封面。
基于本申请实施例提供的视频封面确定装置，能够确定出各目标视频帧组所属的场景类别对应的视频封面，即，能够确定出目标视频包含的各场景类别对应的视频封面，且由于各视频封面为基于与主题视频帧的相似度确定出的，因此，确定出的视频封面能够有效地体现目标视频的视频主题。
本申请实施例还提供了一种电子设备，如图4所示，包括存储器401和处理器402；
存储器401，用于存放计算机程序；
处理器402，用于执行存储器401上所存放的程序时，实现本申请实施例提供的视频封面确定方法。
具体的，上述视频封面确定方法，包括：
确定目标视频中的主题视频帧，其中，主题视频帧为目标视频中与目标视频的视频主题相匹配的视频帧；
对目标视频中的视频帧进行分组，得到多个目标视频帧组，其中，每一目标视频帧组中的视频帧属于同一场景类别；
针对每一目标视频帧组，从该目标视频帧组中确定出预设数目个视频帧，作为目标视频帧，其中，该目标视频帧组中的目标视频帧的图像质量，高于该目标视频帧组中其他视频帧的图像质量；
基于该目标视频帧组中的目标视频帧与主题视频帧的相似度，从该目标视频帧组中的目标视频帧中，确定出该目标视频帧组所属的场景类别对应的视频封面。
需要说明的是，上述视频封面确定方法的其他实现方式与前述方法实施例部分相同，这里不再赘述。
上述电子设备可以具备有实现上述电子设备与其他设备之间通信的通信接口。
上述的处理器，通信接口，存储器通过通信总线完成相互间的通信，此处提到的通信总线可以是外设部件互连标准(Peripheral Component Interconnect，简称PCI)总线或扩展工业标准结构(Extended Industry Standard Architecture，简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。
存储器可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(Non-Volatile Memory，简称NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array，简称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。
本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行本申请实施例提供的视频封面确定方法。
具体的，上述视频封面确定方法，包括：
确定目标视频中的主题视频帧，其中，主题视频帧为目标视频中与目标视频的视频主题相匹配的视频帧；
对目标视频中的视频帧进行分组，得到多个目标视频帧组，其中，每一目标视频帧组中的视频帧属于同一场景类别；
针对每一目标视频帧组，从该目标视频帧组中确定出预设数目个视频帧，作为目标视频帧，其中，该目标视频帧组中的目标视频帧的图像质量，高于该目标视频帧组中其他视频帧的图像质量；
基于该目标视频帧组中的目标视频帧与主题视频帧的相似度，从该目标视频帧组中的目标视频帧中，确定出该目标视频帧组所属的场景类别对应的视频封面。
需要说明的是，上述视频封面确定方法的其他实现方式与前述方法实施例部分相同，这里不再赘述。
本申请实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行本申请实施例提供的视频封面确定方法。
具体的，上述视频封面确定方法，包括：
确定目标视频中的主题视频帧，其中，主题视频帧为目标视频中与目标视频的视频主题相匹配的视频帧；
对目标视频中的视频帧进行分组，得到多个目标视频帧组，其中，每一目标视频帧组中的视频帧属于同一场景类别；
针对每一目标视频帧组，从该目标视频帧组中确定出预设数目个视频帧，作为目标视频帧，其中，该目标视频帧组中的目标视频帧的图像质量，高于该目标视频帧组中其他视频帧的图像质量；
基于该目标视频帧组中的目标视频帧与主题视频帧的相似度，从该目标视频帧组中的目标视频帧中，确定出该目标视频帧组所属的场景类别对应的视频封面。
需要说明的是，上述视频封面确定方法的其他实现方式与前述方法实施例部分相同，这里不再赘述。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是，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、电子设备、计算机可读存储介质、计算机程序产品实施例而言，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。
以上所述仅为本申请的较佳实施例而已，并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本申请的保护范围内。
Claims (10)
1.一种视频封面确定方法，其特征在于，所述方法包括：
确定目标视频中的主题视频帧，其中，所述主题视频帧为所述目标视频中与所述目标视频的视频主题相匹配的视频帧；
对所述目标视频中的视频帧进行分组，得到多个目标视频帧组，其中，每一所述目标视频帧组中的视频帧属于同一场景类别；
针对每一所述目标视频帧组，从该目标视频帧组中确定出预设数目个视频帧，作为目标视频帧，其中，该目标视频帧组中的目标视频帧的图像质量，高于该目标视频帧组中其他视频帧的图像质量；
基于该目标视频帧组中的目标视频帧与所述主题视频帧的相似度，从该目标视频帧组中的目标视频帧中，确定出该目标视频帧组所属的场景类别对应的视频封面。
2.根据权利要求1所述的方法，其特征在于，所述确定目标视频中的主题视频帧，包括：
对目标视频中的视频帧进行聚类分析，得到多个视频帧集合；
确定所述多个视频帧集合中，所包含的视频帧的数目最大的视频帧集合，作为目标视频帧集合；
确定所述目标视频帧集合中，与所述目标视频帧集合的聚类中心的相似度最大的视频帧，作为所述目标视频的主题视频帧。
3.根据权利要求1所述的方法，其特征在于，所述对所述目标视频中的视频帧进行分组，得到多个目标视频帧组，包括：
根据视频帧之间的相似度，对所述目标视频进行划分，得到多个视频片段，其中，每一所述视频片段中的视频帧之间的相似度大于第一预设相似度阈值；
针对每一所述视频片段，根据预先训练的场景类别识别模型，确定该视频片段的场景类别；
确定多个目标视频帧组，其中，每一所述目标视频帧组中包含相同场景类别的视频片段中的视频帧。
4.根据权利要求3所述的方法，其特征在于，所述根据视频帧之间的相似度，对所述目标视频进行划分，得到多个视频片段，包括：
基于所述目标视频中的视频帧的排列顺序，确定所述目标视频中的关键视频帧，其中，所述排列顺序中所述关键视频帧的前一视频帧，与所述关键视频帧的相似度小于第二预设相似度阈值；
确定多个视频片段，其中，每一所述视频片段包括所述目标视频中的一个关键视频帧，以及所述排列顺序中位于该关键视频帧与下一个关键视频帧之间的视频帧。
5.根据权利要求3所述的方法，其特征在于，所述根据视频帧之间的相似度，对所述目标视频进行划分，得到多个视频片段，包括：
基于对所述目标视频进行视频编码，确定所述目标视频中的I帧；
基于所述目标视频中的视频帧的排列顺序，确定多个视频片段，其中，每一所述视频片段包括所述目标视频中的一个I帧，以及所述排列顺序中位于该I帧与下一个I帧之间的视频帧。
6.根据权利要求1所述的方法，其特征在于，在所述从该目标视频帧组中的目标视频帧中，确定出该目标视频帧组所属的场景类别对应的视频封面之后，所述方法还包括：
获取目标帐号对应的用户特征信息；
根据所述用户特征信息，确定与所述目标帐号相匹配的目标场景类别，其中，所述目标帐号与所述目标场景类别的匹配度高于所述目标帐号与除所述目标场景类别以外的场景类别的匹配度；
将所述目标帐号中显示的所述目标视频的视频封面配置为目标视频封面，其中，所述目标视频封面与所述目标场景类型相对应。
7.根据权利要求1所述的方法，其特征在于，所述基于该目标视频帧组中的目标视频帧与所述主题视频帧的相似度，从该目标视频帧组中的目标视频帧中，确定出该目标视频帧组所属的场景类别对应的视频封面，包括：
在该目标视频帧组中的目标视频帧中，确定与所述主题视频帧的相似度最大的视频帧，作为该目标视频帧组所属的场景类别对应的视频封面。
8.一种视频封面确定装置，其特征在于，所述装置包括：
第一确定模块，用于确定目标视频中的主题视频帧，其中，所述主题视频帧为所述目标视频中与所述目标视频的视频主题相匹配的视频帧；
分组模块，用于对所述目标视频中的视频帧进行分组，得到多个目标视频帧组，其中，每一所述目标视频帧组中的视频帧属于同一场景类别；
第二确定模块，用于针对每一所述目标视频帧组，从该目标视频帧组中确定出预设数目个视频帧，作为目标视频帧，其中，该目标视频帧组中的目标视频帧的图像质量，高于该目标视频帧组中其他视频帧的图像质量；
第三确定模块，用于基于该目标视频帧组中的目标视频帧与所述主题视频帧的相似度，从该目标视频帧组中的目标视频帧中，确定出该目标视频帧组所属的场景类别对应的视频封面。
9.一种电子设备，其特征在于，包括存储器和处理器；
所述存储器，用于存放计算机程序；
所述处理器，用于执行所述存储器上所存放的程序时，实现权利要求1-7任一所述的方法步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-7任一所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911158754.9A CN110856037B (zh) | 2019-11-22 | 2019-11-22 | 一种视频封面确定方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911158754.9A CN110856037B (zh) | 2019-11-22 | 2019-11-22 | 一种视频封面确定方法、装置、电子设备及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110856037A CN110856037A (zh) | 2020-02-28 |
| CN110856037B true CN110856037B (zh) | 2021-06-22 |
Family
ID=69603957
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911158754.9A Active CN110856037B (zh) | 2019-11-22 | 2019-11-22 | 一种视频封面确定方法、装置、电子设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110856037B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111711771B (zh) * | 2020-05-20 | 2022-09-30 | 北京奇艺世纪科技有限公司 | 一种图像选取方法、装置、电子设备及存储介质 |
| CN111654673B (zh) * | 2020-06-01 | 2021-11-23 | 杭州海康威视系统技术有限公司 | 视频封面的更新方法、装置及存储介质 |
| CN112015926B (zh) | 2020-08-27 | 2022-03-04 | 北京字节跳动网络技术有限公司 | 搜索结果的展示方法、装置、可读介质和电子设备 |
| CN113435328B (zh) * | 2021-06-25 | 2024-05-31 | 上海众源网络有限公司 | 视频片段处理方法、装置、电子设备及可读存储介质 |
| CN114449362B (zh) * | 2022-03-17 | 2023-08-22 | 腾讯科技（上海）有限公司 | 视频封面的选取方法、装置、设备及存储介质 |
| CN115134677A (zh) * | 2022-05-30 | 2022-09-30 | 一点灵犀信息技术(广州)有限公司 | 视频封面选择方法、装置、电子设备以及计算机存储介质 |
| CN115474084B (zh) * | 2022-08-10 | 2023-10-31 | 北京奇艺世纪科技有限公司 | 一种视频封面图像的生成方法、装置、设备和存储介质 |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7212666B2 (en) * | 2003-04-01 | 2007-05-01 | Microsoft Corporation | Generating visually representative video thumbnails |
| CN107077595A (zh) * | 2014-09-08 | 2017-08-18 | 谷歌公司 | 选择和呈现代表性帧以用于视频预览 |
| CN104244024B (zh) * | 2014-09-26 | 2018-05-08 | 北京金山安全软件有限公司 | 一种视频封面生成方法、装置及终端 |
| US20160378863A1 (en) * | 2015-06-24 | 2016-12-29 | Google Inc. | Selecting representative video frames for videos |
| US10347294B2 (en) * | 2016-06-30 | 2019-07-09 | Google Llc | Generating moving thumbnails for videos |
| CN110324706B (zh) * | 2018-03-30 | 2022-03-04 | 阿里巴巴（中国）有限公司 | 一种视频封面的生成方法、装置及计算机存储介质 |
| CN110351597A (zh) * | 2018-04-08 | 2019-10-18 | 中兴通讯股份有限公司 | 一种视频剪辑的方法、装置及电子设备 |
| CN108650524B (zh) * | 2018-05-23 | 2022-08-16 | 腾讯科技（深圳）有限公司 | 视频封面生成方法、装置、计算机设备及存储介质 |
| CN108833942A (zh) * | 2018-06-28 | 2018-11-16 | 北京达佳互联信息技术有限公司 | 视频封面选取方法、装置、计算机设备及存储介质 |
| CN109002812A (zh) * | 2018-08-08 | 2018-12-14 | 北京未来媒体科技股份有限公司 | 一种智能识别视频封面的方法及装置 |
| CN109905782B (zh) * | 2019-03-31 | 2021-05-18 | 联想(北京)有限公司 | 一种控制方法及装置 |
| CN110457523B (zh) * | 2019-08-12 | 2022-03-08 | 腾讯科技（深圳）有限公司 | 封面图片的选取方法、模型的训练方法、装置及介质 |
-
2019
- 2019-11-22 CN CN201911158754.9A patent/CN110856037B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN110856037A (zh) | 2020-02-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110856037B (zh) | 一种视频封面确定方法、装置、电子设备及可读存储介质 | |
| CN110909205B (zh) | 一种视频封面确定方法、装置、电子设备及可读存储介质 | |
| CN109151501B (zh) | 一种视频关键帧提取方法、装置、终端设备及存储介质 | |
| CN106326391B (zh) | 多媒体资源推荐方法及装置 | |
| CN110717099B (zh) | 一种推荐影片的方法及终端 | |
| CN110582025A (zh) | 用于处理视频的方法和装置 | |
| CN110348362B (zh) | 标签生成、视频处理方法、装置、电子设备及存储介质 | |
| CN111144937A (zh) | 广告素材确定方法、装置、设备及存储介质 | |
| CN112860943A (zh) | 一种教学视频审核方法、装置、设备及介质 | |
| WO2009061434A1 (en) | System and method for processing digital media | |
| CN109214374A (zh) | 视频分类方法、装置、服务器及计算机可读存储介质 | |
| CN111314732A (zh) | 确定视频标签的方法、服务器及存储介质 | |
| CN110704657A (zh) | 图像标签的推荐方法、装置及电子设备 | |
| CN111340233B (zh) | 机器学习模型的训练方法及装置、样本处理方法及装置 | |
| CN112199582B (zh) | 一种内容推荐方法、装置、设备及介质 | |
| CN111984821A (zh) | 确定视频动态封面的方法、装置、存储介质及电子设备 | |
| CN110198482B (zh) | 一种视频重点桥段标注方法、终端及存储介质 | |
| CN112188310B (zh) | 测试序列构建方法、装置、电子设备及存储介质 | |
| CN111428087B (zh) | 视频截取方法、装置、计算机设备和存储介质 | |
| CN111815375A (zh) | 广告投放中的用户画像方法及装置 | |
| CN111241381A (zh) | 信息推荐方法、装置、电子设备及计算机可读存储介质 | |
| CN113902944A (zh) | 模型的训练及场景识别方法、装置、设备及介质 | |
| CN112000024A (zh) | 用于控制家电设备的方法及装置、设备 | |
| CN111783812A (zh) | 违禁图像识别方法、装置和计算机可读存储介质 | |
| CN110996142B (zh) | 视频召回方法及装置、电子设备及存储介质 |
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 |