CN111615007A - 视频展示方法、装置和系统 - Google Patents

Abstract

本公开关于视频展示方法、装置和系统，所述方法包括：确定目标视频、对应于目标特征的动态视频挂件和所述动态视频挂件的展示时间区间，所述目标视频中包含匹配于所述目标特征的目标对象；在所述展示时间区间内，将所述动态视频挂件展示在所述目标视频上方。

Description

视频展示方法、装置和系统

技术领域

本公开涉及视频展示领域，尤其涉及视频展示方法、装置和系统。

背景技术

随着视频技术的蓬勃发展，视频逐渐成为“内容”的主要载体，通过内容消化吸收的速度更快、更具有感染力的视频展示需要介绍的对象也逐渐被广泛应用。在通过视频展示目标对象时，通常会在视频播放时叠加展示与目标对象相关的视频挂件，以便用户获知与目标对象的相关信息。

在相关技术中，通常在视频开始时即将与目标对象相关的视频挂件展示在视频界面的某位置处，直至视频结束。这种固定时间的视频挂件展示方式未能将视频挂件与视频中目标对象的展示情况相对应，因此用户往往难以准确获知当前播放的目标对象的相关信息。而且，视频挂件在目标视频的完整播放时长内均会被展示在播放界面中，因此可能会对目标视频造成遮挡，特别是在视频挂件较多的情况下，因遮挡面积大且遮挡时间长导致用户不便于观看目标视频，用户体验较差。

发明内容

本公开提供了视频展示方法、装置和系统，以至少解决相关技术中的技术问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提出一种视频展示方法，包括：

确定目标视频、对应于目标特征的动态视频挂件和所述动态视频挂件的展示时间区间，所述目标视频中包含匹配于所述目标特征的目标对象；

在所述展示时间区间内，将所述动态视频挂件展示在所述目标视频上方。

可选的，确定所述展示时间区间，包括：

根据所述目标对象与所述目标特征的匹配情况确定所述展示时间区间。

可选的，所述匹配情况包括所述目标对象在所述目标视频中对应的播放时间区间；所述根据所述目标对象与所述目标特征的匹配情况确定所述展示时间区间，包括：

根据所述播放时间区间确定所述展示时间区间。

可选的，所述播放时间区间的数量为一个或多个，所述根据所述播放时间区间确定所述展示时间区间，包括：

在所述目标视频的起始时刻、终止时刻，以及各个播放时间区间的开始时刻、结束时刻中，选取至少一组时刻形成相应的至少一个时间区间，以作为所述展示时间区间。

可选的，所述目标特征包括目标音频特征，确定所述播放时间区间，包括：

提取所述目标视频的音频数据；

在识别出所述音频数据中的所述目标对象匹配于所述目标音频特征的情况下，根据匹配起始时刻和匹配终止时刻确定所述播放时间区间。

可选的，

所述目标音频特征为音频形式的关键语音，所述识别出所述音频数据中的所述目标对象匹配于所述目标音频特征，包括：提取所述音频数据中的所述目标对象对应的语音特征；若所述语音特征匹配于所述关键语音，则判定所述音频数据中的所述目标对象匹配于所述目标音频特征；或者，

所述目标音频特征为文字形式的关键字，所述识别出所述音频数据中的所述目标对象匹配于所述目标音频特征，包括：在根据所述音频数据转换的文字中确定文字对象；若所述文字对象匹配于所述关键字，则判定所述音频数据中对应于所述文字对象的语音对象匹配于所述目标音频特征。

可选的，所述目标特征包括目标图像特征，确定所述播放时间区间，包括：

提取所述目标视频的视频帧图像；

在识别出多个连续视频帧图像中的目标对象匹配于所述目标图像特征的情况下，基于所述多个连续视频帧图像中的第一个视频帧图像和最后一个视频帧图像分别对应的时间节点确定所述播放时间区间。

可选的，还包括：

在识别出多个连续视频帧图像中的目标对象匹配于所述目标图像特征的情况下，对任一视频帧图像中的所述目标对象添加位置标记；

根据所述多个连续视频帧图像中的所述位置标记与相应视频帧图像的时间节点之间的对应关系，生成展示位置随时间变化的运动轨迹，以使所述动态视频挂件的展示位置沿所述运动轨迹进行变化。

可选的，还包括：

获取所述动态视频挂件的运动轨迹；

控制所述动态视频挂件的展示位置沿所述运动轨迹进行变化。

可选的，还包括：

根据接收到的针对所述动态视频挂件的切换指令，控制所述动态视频挂件在缩略展示模式和详情展示模式之间进行切换。

可选的，还包括：

根据接收到的针对所述动态视频挂件的操作指令，展示与所述目标对象相关的描述信息。

可选的，所述展示与所述目标对象相关的描述信息，包括：

展示预关联至所述动态视频挂件的网页，使所述网页展示与所述目标对象相关的描述信息；或者，

唤起预关联至所述动态视频挂件的预设应用程序，使所述预设应用程序展示与所述目标对象相关的描述信息。

根据本公开实施例的第二方面，提出一种视频展示方法，包括：

获取目标特征；

在目标视频中包含匹配于所述目标特征的目标对象的情况下，确定动态视频挂件的展示时间区间，使对应于所述目标特征的所述动态视频挂件在所述展示时间区间内被展示在所述目标视频上方。

可选的，所述确定展示时间区间，包括：

根据所述目标对象与所述目标特征的匹配情况确定所述展示时间区间。

可选的，所述匹配情况包括所述目标对象在所述目标视频中对应的播放时间区间；所述根据所述目标对象与所述目标特征的匹配情况确定所述展示时间区间，包括：

根据所述播放时间区间确定所述展示时间区间。

可选的，所述播放时间区间的数量为一个或多个，所述根据所述播放时间区间确定所述展示时间区间，包括：

在所述目标视频的起始时刻、终止时刻，以及各个播放时间区间的开始时刻、结束时刻中，选取至少一组时刻形成相应的至少一个时间区间，以作为所述展示时间区间。

可选的，所述目标特征包括目标音频特征，确定所述播放时间区间，包括：

提取所述目标视频的音频数据；

在识别出所述音频数据中的所述目标对象匹配于所述目标音频特征的情况下，根据匹配起始时刻和匹配终止时刻确定所述播放时间区间。

可选的，

所述目标音频特征为音频形式的关键语音，所述识别出所述音频数据中的所述目标对象匹配于所述目标音频特征，包括：提取所述音频数据中的所述目标对象对应的语音特征；若所述语音特征匹配于所述关键语音，则判定所述音频数据中的所述目标对象匹配于所述目标音频特征；或者，

所述目标音频特征为文字形式的关键字，所述识别出所述音频数据中的所述目标对象匹配于所述目标音频特征，包括：在根据所述音频数据转换的文字中确定文字对象；若所述文字对象匹配于所述关键字，则判定所述音频数据中对应于所述文字对象的语音对象匹配于所述目标音频特征。

可选的，所述目标特征包括目标图像特征，确定所述播放时间区间，包括：

提取所述目标视频的视频帧图像；

在识别出多个连续视频帧图像中的目标对象匹配于所述目标图像特征的情况下，基于所述多个连续视频帧图像中的第一个视频帧图像和最后一个视频帧图像分别对应的时间节点确定所述播放时间区间。

可选的，还包括：

在识别出多个连续视频帧图像中的目标对象匹配于所述目标图像特征的情况下，对任一视频帧图像中的所述目标对象添加位置标记；

根据所述多个连续视频帧图像中的所述位置标记与相应视频帧图像的时间节点之间的对应关系，生成展示位置随时间变化的运动轨迹，以使所述动态视频挂件的展示位置沿所述运动轨迹进行变化。

可选的，还包括：

获取用户账户针对所述目标对象的偏好信息；

若向所述用户账户推送所述目标视频，则根据所述偏好信息调整所述展示时间区间。

可选的，还包括：

将预设网页预关联至所述动态视频挂件，所述预设网页被展示时用于展示与所述目标对象相关的描述信息；和/或，

将预设应用程序预关联至所述动态视频挂件，所述预设应用程序被唤起时用于展示与所述目标对象相关的描述信息。

根据本公开实施例的第三方面，提出一种视频展示系统，包括：

服务器，用于获取目标特征，并在目标视频中包含匹配于所述目标特征的目标对象的情况下，确定动态视频挂件的展示时间区间，并将所述目标视频、所述动态视频挂件以及所述展示时间区间发送至播放设备；

播放设备，用于在接收到服务器发送的所述目标视频、所述动态视频挂件以及所述展示时间区间后，在所述展示时间区间内将所述动态视频挂件展示在所述目标视频上方。

可选的，所述服务器确定动态视频挂件的展示时间区间，包括：

所述服务器根据所述目标对象在所述目标视频中对应的播放时间区间，确定动态视频挂件的展示时间区间。

可选的，所述播放时间区间的数量为一个或多个，所述服务器根据所述播放时间区间确定所述展示时间区间，包括：

所述服务器在所述目标视频的起始时刻、终止时刻，以及各个播放时间区间的开始时刻、结束时刻中，选取至少一组时刻形成相应的至少一个时间区间，以作为所述展示时间区间。

可选的，所述目标特征包括目标音频特征，所述服务器确定所述播放时间区间，包括：

所述服务器提取所述目标视频的音频数据；

所述服务器在识别出所述音频数据中的所述目标对象匹配于所述目标音频特征的情况下，根据匹配起始时刻和匹配终止时刻确定所述播放时间区间。

可选的，

所述目标音频特征为音频形式的关键语音，所述服务器识别出所述音频数据中的所述目标对象匹配于所述目标音频特征，包括：所述服务器提取所述音频数据中的所述目标对象对应的语音特征；若所述语音特征匹配于所述关键语音，则判定所述音频数据中的目标对象匹配于所述目标音频特征；或者，

所述目标音频特征为文字形式的关键字，所述服务器识别出所述音频数据中的所述目标对象匹配于所述目标音频特征，包括：所述服务器在根据所述音频数据转换的文字中确定文字对象；若所述文字对象匹配于所述关键字，则判定所述音频数据中对应于所述文字对象的语音对象匹配于所述目标音频特征。

可选的，所述目标特征包括目标图像特征，所述服务器确定所述播放时间区间，包括：

所述服务器提取所述目标视频的视频帧图像；

所述服务器在识别出多个连续视频帧图像中的目标对象匹配于所述目标图像特征的情况下，基于所述多个连续视频帧图像中的第一个视频帧图像和最后一个视频帧图像分别对应的时间节点确定所述播放时间区间。

可选的，所述服务器在识别出多个连续视频帧图像中的目标对象匹配于所述目标图像特征的情况下，对任一视频帧图像中的所述目标对象添加位置标记；

所述服务器根据所述多个连续视频帧图像中的所述位置标记与相应视频帧图像的时间节点之间的对应关系，生成展示位置随时间变化的运动轨迹，以使所述动态视频挂件的展示位置沿所述运动轨迹进行变化。

可选的，所述服务器获取所述播放设备上已登录的用户账户针对所述目标对象的偏好信息；

所述服务器若向所述用户账户推送所述目标视频，则根据所述偏好信息调整所述展示时间区间。

可选的，所述服务器将预设网页预关联至所述动态视频挂件，所述展示设备展示预关联至所述动态视频挂件的网页，使所述网页展示与所述目标对象相关的描述信息；和/或，

所述服务器将预设应用程序预关联至所述动态视频挂件，所述展示设备唤起预关联至所述动态视频挂件的预设应用程序，使所述预设应用程序展示与所述目标对象相关的描述信息。

可选的，所述服务器将所述动态视频挂件的运动轨迹发送至所述播放设备；

所述播放设备在接受到所述运动轨迹后，控制所述动态视频挂件的展示位置沿所述运动轨迹进行变化。

根据本公开实施例的第四方面，提出一种视频展示装置，包括：

对象确定模块，被配置为确定目标视频、对应于目标特征的动态视频挂件和所述动态视频挂件的展示时间区间，所述目标视频中包含匹配于所述目标特征的目标对象；

挂件展示模块，被配置为在所述展示时间区间内，将所述动态视频挂件展示在所述目标视频上方。

可选的，所述对象确定模块包括：

第一展示确定子模块，被配置为根据所述目标对象与所述目标特征的匹配情况确定所述展示时间区间。

可选的，所述匹配情况包括所述目标对象在所述目标视频中对应的播放时间区间；所述第一展示确定子模块包括：

第一播放确定单元，被配置为根据所述播放时间区间确定所述展示时间区间。

可选的，所述播放时间区间的数量为一个或多个，所述第一播放确定单元包括：

第一时刻选取子单元，被配置为在所述目标视频的起始时刻、终止时刻，以及各个播放时间区间的开始时刻、结束时刻中，选取至少一组时刻形成相应的至少一个时间区间，以作为所述展示时间区间。

可选的，所述目标特征包括目标音频特征，所述第一播放确定单元还包括：

第一音频提取子单元，被配置为提取所述目标视频的音频数据；

第一音频匹配子单元，被配置为在识别出所述音频数据中的所述目标对象匹配于所述目标音频特征的情况下，根据匹配起始时刻和匹配终止时刻确定所述播放时间区间。

可选的，

所述目标音频特征为音频形式的关键语音，所述第一音频匹配子单元还被配置为：提取所述音频数据中的所述目标对象对应的语音特征；若所述语音特征匹配于所述关键语音，则判定所述音频数据中的所述目标对象匹配于所述目标音频特征；或者，

所述目标音频特征为文字形式的关键字，所述第一音频匹配子单元还被配置为：在根据所述音频数据转换的文字中确定文字对象；若所述文字对象匹配于所述关键字，则判定所述音频数据中对应于所述文字对象的语音对象匹配于所述目标音频特征。

可选的，所述目标特征包括目标图像特征，所述第一播放确定单元还包括：

第一视频提取子单元，被配置为提取所述目标视频的视频帧图像；

第一视频匹配子单元，被配置为在识别出多个连续视频帧图像中的目标对象匹配于所述目标图像特征的情况下，基于所述多个连续视频帧图像中的第一个视频帧图像和最后一个视频帧图像分别对应的时间节点确定所述播放时间区间。

可选的，还包括：

第一标记添加模块，被配置为在识别出多个连续视频帧图像中的目标对象匹配于所述目标图像特征的情况下，对任一视频帧图像中的所述目标对象添加位置标记；

第一轨迹生成模块，被配置为根据所述多个连续视频帧图像中的所述位置标记与相应视频帧图像的时间节点之间的对应关系，生成展示位置随时间变化的运动轨迹，以使所述动态视频挂件的展示位置沿所述运动轨迹进行变化。

可选的，还包括：

轨迹获取模块，被配置为获取所述动态视频挂件的运动轨迹；

位置控制模块，被配置为控制所述动态视频挂件的展示位置沿所述运动轨迹进行变化。

可选的，还包括：

模式切换模块，被配置为根据接收到的针对所述动态视频挂件的切换指令，控制所述动态视频挂件在缩略展示模式和详情展示模式之间进行切换。

可选的，还包括：

信息展示模块，被配置为根据接收到的针对所述动态视频挂件的操作指令，展示与所述目标对象相关的描述信息。

可选的，所述信息展示模块包括：

网页展示子模块，被配置为展示预关联至所述动态视频挂件的网页，使所述网页展示与所述目标对象相关的描述信息；或者，

应用展示子模块，被配置为唤起预关联至所述动态视频挂件的预设应用程序，使所述预设应用程序展示与所述目标对象相关的描述信息。

根据本公开实施例的第五方面，提出一种视频展示装置，包括：

特征获取模块，被配置为获取目标特征；

区间确定模块，被配置为在目标视频中包含匹配于所述目标特征的目标对象的情况下，确定动态视频挂件的展示时间区间，使对应于所述目标特征的所述动态视频挂件在所述展示时间区间内被展示在所述目标视频上方。

可选的，所述区间确定模块包括：

第二展示确定子模块，被配置为根据所述目标对象与所述目标特征的匹配情况确定动态视频挂件的展示时间区间。

可选的，所述匹配情况包括所述目标对象在所述目标视频中对应的播放时间区间；所述第二展示确定子模块包括：

第二播放确定单元，被配置为根据所述播放时间区间确定动态视频挂件的展示时间区间。

可选的，所述播放时间区间的数量为一个或多个，所述第二播放确定单元包括：

第二时刻选取子单元，被配置为在所述目标视频的起始时刻、终止时刻，以及各个播放时间区间的开始时刻、结束时刻中，选取至少一组时刻形成相应的至少一个时间区间，以作为所述展示时间区间。

可选的，所述目标特征包括目标音频特征，所述第二播放确定单元，被配置为：

第二音频提取子单元，被配置为提取所述目标视频的音频数据；

第二音频匹配子单元，被配置为在识别出所述音频数据中的所述目标对象匹配于所述目标音频特征的情况下，根据匹配起始时刻和匹配终止时刻确定所述播放时间区间。

可选的，

所述目标音频特征为音频形式的关键语音，所述第二音频匹配子单元还被配置为：提取所述音频数据中的所述目标对象对应的语音特征；若所述语音特征匹配于所述关键语音，则判定所述音频数据中的目标对象匹配于所述目标音频特征；或者，

所述目标音频特征为文字形式的关键字，所述第二音频匹配子单元还被配置为：在根据所述音频数据转换的文字中确定文字对象；若所述文字对象匹配于所述关键字，则判定所述音频数据中对应于所述文字对象的语音对象匹配于所述目标音频特征。

可选的，所述目标特征包括目标图像特征，所述第二播放确定单元还包括：

第二视频提取子单元，被配置为提取所述目标视频的视频帧图像；

第二视频匹配子单元，被配置为在识别出多个连续视频帧图像中的目标对象匹配于所述目标图像特征的情况下，基于所述多个连续视频帧图像中的第一个视频帧图像和最后一个视频帧图像分别对应的时间节点确定所述播放时间区间。

可选的，还包括：

第二标记添加模块，被配置为在识别出多个连续视频帧图像中的目标对象匹配于所述目标图像特征的情况下，对任一视频帧图像中的所述目标对象添加位置标记；

第二轨迹生成模块，被配置为根据所述多个连续视频帧图像中的所述位置标记与相应视频帧图像的时间节点之间的对应关系，生成展示位置随时间变化的运动轨迹，以使所述动态视频挂件的展示位置沿所述运动轨迹进行变化。

可选的，还包括：

偏好获取模块，被配置为获取用户账户针对所述目标对象的偏好信息；

视频推送模块，被配置为向所述用户账户推送所述目标视频，则根据所述偏好信息调整所述展示时间区间。

可选的，还包括：

网页关联模块，被配置为将预设网页预关联至所述动态视频挂件，所述预设网页被展示时用于展示与所述目标对象相关的描述信息；和/或，

应用关联模块，被配置为将预设应用程序预关联至所述动态视频挂件，所述预设应用程序被唤起时用于展示与所述目标对象相关的描述信息。

根据本公开实施例的第六方面，提出一种电子设备，包括：

处理器；

用于存储所述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所述指令，以实现如上述任一实施例所述的视频展示方法。

根据本公开实施例的第七方面，提出一种存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行上述任一实施例所述的视频展示方法。

本公开的实施例提供的技术方案至少带来以下有益效果：

根据本公开的实施例，通过目标对象与目标特征的匹配情况确定展示时间区间，并按照展示时间区间有针对性的将动态视频挂件展示在目标视频上方。一方面，保证了动态视频挂件的展示时机与目标视频中目标对象的播放时机相对应，从而便于通过动态视频挂件向用户准确传递目标对象的相关信息。另一方面，动态视频挂件的展示时间区间与目标对象的播放时间区间相对应，并非在目标视频的完整播放时长内全程展示，因此动态视频挂件对目标视频的遮挡时间短，从而有效缓解了视频挂件对目标视频的遮挡，更便于用户观看目标视频，一定程度上提升了用户体验。

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，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。

图1是相关技术中的一种视频展示效果示意图；

图2是根据本公开的实施例之一示出的一种视频展示方法流程图；

图3是根据本公开的实施例之二示出的一种视频展示方法流程图；

图4是根据本公开的实施例之三示出的一种视频展示方法流程图；

图5是根据本公开的实施例之一示出的一种视频展示效果示意图；

图6是根据本公开的实施例之二示出的一种视频展示效果示意图；

图7是根据本公开的实施例之三示出的一种视频展示效果示意图；

图8是根据本公开的实施例之一示出的一种视频展示装置的示意框图；

图9是根据本公开的实施例之二示出的一种视频展示装置的示意框图；

图10是根据本公开的实施例示出的一种电子设备的结构图。

具体实施方式

为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。

需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施例并不代表与本公开相一致的所有实施例。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

在通过视频展示目标对象时，为高效展示目标对象通常会在视频播放时叠加展示与目标对象相关的视频挂件以供用户观看或触发。如在活动介绍视频时，通常会叠加展示该活动的时间、地点、网址等相关信息；播放推广视频时，通常会叠加展示推广对象的详情、厂家、价格等相关信息。

以商品推广视频为例，图1是相关技术中的一种视频展示效果示意图。如图1所示，在相关技术中，通常在视频开始时即将与目标对象相关的视频挂件展示在视频界面的固定位置处，如在图1(a)所展示界面的左下角展示的“连衣裙”挂件，直至视频结束。但是，这种固定的视频挂件展示方式中，视频挂件的展示时间和展示位置通常是固定的，这种固定时间的视频挂件展示方式未能将视频挂件与视频中目标对象的展示情况相对应，因此用户往往难以准确获知当前播放的目标对象的相关信息。而且，视频挂件在目标视频的完整播放时长内均会被展示在播放界面中，因此可能会对目标视频造成较大面积的遮挡，特别是在视频挂件较多的情况下，因遮挡面积大且遮挡时间长导致用户不便于观看目标视频，用户体验较差。如图1(b)所示展示界面的左下角展示的“连衣裙”、“手表”和“发卡”挂件，从而影响目标商品的展示效果以及用户的观看体验。

为解决上述技术问题，本公开实施例提供一种视频展示处理方法。该方法可以由播放设备与服务器配合实现，也可以由播放设备独立实现。所述服务器可以是个人计算机，工业计算机，工控机等能够进行相关运算的网络设备。上述播放设备中运行有视频播放程序上述视频播放程序可以是安装在用户设备中的APP(Application，应用程序)，可以是集成在浏览器中的页面，也可以是实现视频播放功能的小程序等。相应的，所述播放设备可以是手机、平板电脑、个人计算机、可穿戴设备、个人数字助理、云计算设备等电子设备。本公开对于前端程序及用户设备的具体形式并不进行限制。

首先需要说明的是，本公开方案中涉及到的目标视频可以具有多种形式，例如，讲解类视频、推广视频；相应的，目标视频中的目标对象可以为旅游景点、商业项目、公益活动等，也可以为技术讲解、人员招聘等，还可以为服饰、餐饮、电器、图书等实体对象。本公开方案中涉及到的动态视频挂件是与目标视频叠加展示(展示在目标视频上方)的一种视频图像元素；例如，可以是标签形式的信息展示组件，也可以是超链接形式的界面跳转控件或应用唤起控件等，本公开对于目标视频的形式、目标视频中目标对象的类型以及相应动态视频挂件包含的信息内容等并不进行限制。

例如，目标视频为关于某公益活动的介绍视频，则相应的动态视频挂件可以包括该公益活动的发起组织、发起时间、活动地点、相关网址等信息；目标视频为某公司的招聘广告，则相应的动态视频挂件可以包括该公司的名称、招聘岗位名称、招聘人数、任职要求、工作地点、招聘网址、简历投递方式等信息；目标视频为关于某电器的广告视频，则相应的动态视频挂件可以包括该电器的品牌、电器参数、价格等信息，不再一一赘述。

图2是根据本公开的实施例之一示出的一种视频展示方法流程图；所述方法应用于播放设备，可以包括：

在步骤202中，确定目标视频、对应于目标特征的动态视频挂件和所述动态视频挂件的展示时间区间，所述目标视频中包含匹配于所述目标特征的目标对象。

首先，播放设备可以确定需要播放的目标视频、对应于目标特征的动态视频挂件和该动态视频挂件的展示时间区间，该目标视频中包含匹配于目标特征的目标对象。

在一实施例中，上述目标视频、动态视频挂件及其展示时间区间可以从服务器或其他预设关联设备中获取，也可以根据从服务器或其他预设关联设备中获取的保存信息，从相应的保存地址中获取，如从服务器或其他预设关联设备中获取上述目标视频的CDN地址，并按照该地址获取上述目标视频。另外，可以从同一保存地址获取目标视频、对应于上述目标特征的动态视频挂件和该动态视频挂件的展示时间区间，也可以分别从不同的保存地址关联获取上述数据，还可以由播放设备的用户直接输入上述数据，本公开对此并不进行限制。

在一实施例中，上述动态视频挂件的展示时间区间可以由播放设备在获取到目标视频后确定。例如，作为一示例性实施例，可以根据目标对象与目标特征的匹配情况确定上述展示时间区间，以尽量保证目标对象与目标特征的匹配一致性及展示时间区间的确定准确性。

进一步的，上述匹配情况可以包括目标对象在目标视频中对应的播放时间区间，此时，可以根据播放时间区间确定上述展示时间区间。因为同一目标对象在目标视频中可能被播放(语音播放或视频播放)多次，因此根据其每次被播放对应的播放时间区间确定与该目标对象相关的动态视频挂件的展示时间区间，能够保证确定出的展示时间区间与目标对象实际展示情况相吻合从而使得动态视频挂件的展示效果更加符合目标视频的播放情况，最终获得更好的动态视频挂件展示效果。当然，也可以根据匹配的目标对象的类型、目标对象与目标特征的匹配程度等匹配情况确定展示时间区间，不再赘述。

实际上，在目标视频中目标对象的播放时间区间的数量可以为一个或多个，此时，可以在目标视频的起始时刻、终止时刻，以及各个播放时间区间的开始时刻、结束时刻中，选取至少一组时刻形成相应的至少一个时间区间，以作为上述展示时间区间。无论是通过目标音频特征匹配还是通过目标图像特征匹配确定的播放时间区间，其都必然包括相应的开始时刻和结束时刻，通过在目标视频的起始时刻、终止时刻以及各个播放时间区间的开始时刻、结束时刻中选取至少一组时刻形成相应的至少一个时间区间作为展示时间区间，能够能够适应复杂多样的播放场景，并实现更加灵活多变的展示时间区间，一定程度上提高了动态视频挂件的展示效果。

在一实施例中，可以将目标音频特征作为目标对象(此时为音频形式的目标对象)对应的目标特征。此时可以先提取目标视频的音频数据，然后识别音频数据中的目标对象是否匹配于目标音频特征，并在识别出音频数据中的目标对象匹配于目标音频特征的情况下，根据匹配起始时刻和匹配终止时刻确定播放时间区间。上述目标音频特征可以为对应于上述目标对象的语音特征，如频率、振幅、相位、声调、音色等一种或多种音频参数。根据识别音频数据中的目标对象匹配于上述语音特征所对应的匹配起始时刻和匹配终止时刻确定播放时间区间，能够保证仅通过语音匹配准确确定播放时间区间。

在上述提取目标视频的音频数据后，可以对提取的音频数据进行预处理，例如，可以先通过降噪剔除音频数据中无用的环境噪音以保留有效的语音数字信号，然后对这部分有效的语音数字信号进行分帧和加窗等处理，最终得到更加清晰的音频，以进一步提高目标音频特征匹配情况的识别可靠性。

进一步的，作为一示例性实施例，上述目标音频特征可以为音频形式的关键语音，此时可以先提取音频数据中的目标对象对应的语音特征，然后识别语音特征是否匹配于关键语音，若语音特征匹配于关键语音，则判定音频数据中的目标对象匹配于目标音频特征。此时，将语音形式的关键语音作为识别标准直接进行语音匹配，简化了音频识别的处理步骤，便于提高匹配识别的速度，从而缩短播放时间区间的确定时间。

作为另一示例性实施例，上述目标音频特征可以为文字形式的关键字，此时可以先在根据音频数据转换的文字中确定文字对象，然后识别该文字对象是否匹配于上述关键字，若文字对象匹配于关键字，则判定音频数据中对应于文字对象的语音对象匹配于目标音频特征。此时，将语音转换为文字再进行识别，便于对音频数据对应的真实语义做语义分析，并能够忽略音频数据中的噪声以提高匹配识别的准确度，从而确定出更准确的播放时间区间。

在另一实施例中，可以将目标图像特征作为目标对象(此时为图像形式的目标对象)对应的目标特征。此时可以先提取目标视频的视频帧图像，然后识别视频帧图像中的目标对象是否匹配于目标图像特征，并在识别出多个连续视频帧图像中的目标对象匹配于目标图像特征的情况下，基于上述多个连续视频帧图像中的第一个视频帧图像和最后一个视频帧图像分别对应的时间节点确定播放时间区间。根据识别视频帧图像中的目标对象匹配于第一个视频帧图像和最后一个视频帧图像分别对应的时间节点确定播放时间区间，能够保证仅通过画面匹配准确确定播放时间区间。

在另一实施例中，对于任一视频帧图像中识别出的所有对象，可以分别判断该对象与目标对象的相关性并进行标记和排序，然后按照与目标对象的相关性由强至弱的顺序依次判断各对象与目标对象的匹配情况。例如，可以将各对象按照对象所属领域进行分组，然后仅判断与目标对象处于同一分组的对象的与目标对象匹配情况。

值的说明的是，上述目标特征可以仅包含目标音频特征，此时可以仅识别音频数据中的目标对象是否匹配于目标音频特征；上述目标特征也可以仅包含目标图像特征，此时可以仅识别视频帧图像中的目标对象是否匹配于目标图像特征；还可以同时包含目标音频特征和目标图像特征，此时可以分别识别音频数据中的目标对象是否匹配于目标音频特征和是否匹配于目标图像特征。上述目标特征包含的特征种类及相应的识别方式可以根据具体应用场景确定，本公开对此并不进行限制。显然，在上述目标特征同时包含目标音频特征和目标图像特征的情况下，分别识别音频数据中的目标对象是否匹配于目标音频特征和是否匹配于目标图像特征能够确定更多的播放时间区间，从而可以组合得到形式更丰富的展示时间区间，进一步扩大了本方法的适用范围。

在步骤204中，在所述动态视频挂件对应的展示时间区间内，所述动态视频挂件展示在所述目标视频上方。

在一实施例中，在识别出多个连续视频帧图像中的目标对象匹配于目标图像特征的情况下，还可以对任一视频帧图像中的目标对象添加位置标记，然后根据多个连续视频帧图像中的位置标记与相应视频帧图像的时间节点之间的对应关系，生成展示位置随时间变化的运动轨迹，以在目标视频上方展示目标对象对应的目标动态视频挂件时控制该挂件的展示位置按照上述运动轨迹进行变化。利用上述位置标记生成动态视频挂件的运动轨迹，使得动态视频挂件的展示位置能够随着目标对象的位置变化而实时变化，呈现出更加生动有趣的挂件展示效果，便于提升用户的视频观看体验。

在一实施例中，运动轨迹也可以由服务器等其他设备生成，从而播放设备可以获取上述动态视频挂件的运动轨迹，然后控制动态视频挂件的展示位置沿该运动轨迹进行变化。上述运动轨迹与动态视频挂件的展示时间区间相对应，即上述动态视频挂件在相应的展示时间区间内被按照上述运动轨迹展示，在展示时间区间内的任一时刻，动态视频挂件的展示位置都与该运动轨迹在该时刻的位置相对应。通过获取运动轨迹并将动态视频挂件按照该运动轨迹进行展示，不仅有效突出了动态视频挂件与目标对象的对应关系，而且保证了动态视频挂件的展示位置随目标视频中目标对象的移动而变化，实现了动态视频挂件跟随目标对象的新颖的显示效果，更加有利于用户将动态视频挂件与目标视频中当前展示的目标对象关联起来，从而便于用户准确获知动态视频挂件展示的目标对象的相关信息。

在一实施例中，在展示动态视频挂件时，可以接收用户针对该动态视频挂件发出的切换指令，然后根据该切换指令控制动态视频挂件在缩略展示模式和详情展示模式之间进行切换。考虑到视频播放界面的尺寸限制以及对象遮挡等问题，可以在上述动态视频挂件的默认展示模式设置为缩略展示模式，并在缩略展示模式中展示目标对象的简要信息。在接收到切换指令后，再将动态视频挂件由缩略模式切换为详情模式，从而展示目标对象的详细信息。允许用户对动态视频挂件的展示模式进行切换，便于用户在不退出播放界面的情况下初步了解目标对象的详情信息，从而兼顾了目标视频的播放效果和用户对目标对象相关信息的获取体验。

在一实施例中，在展示动态视频挂件时，可以接收用户针对该动态视频挂件发出的操作指令，然后根据该操作指令展示与目标对象相关的描述信息。用户可以通过对动态视频挂件执行预设操作，进一步查看目标视频中目标对象的相关信息，即将动态视频挂件作为用户获取目标对象详细信息的快捷入口，不仅有助于简化用户查看目标对象相关信息的操作流程，从而提升了用户体验，而且能够一定程度上提高用户转化率。

作为一示例性实施例，可以展示预关联至动态视频挂件的网页，使该网页展示与目标对象相关的描述信息，从而实现网页跳转的超链接功能，用户不必手动选择复制信息再通过网页进行查找。作为另一示例性实施例，可以唤起预关联至动态视频挂件的预设应用程序，使该预设应用程序展示与目标对象相关的描述信息，从而实现跨应用的应用间唤起功能，用户不必手动退出当前展示界面再进入其他应用。

根据本公开的上述实施例，播放设备在播放目标视频时，在展示时间区间内将与该目标视频中目标对象相关的动态视频挂件展示在目标视频上方。因为展示时间区间(即动态视频挂件的展示时间)与目标视频中目标对象的播放时间段相对应，所以，一方面便于通过动态视频挂件向用户准确传递目标对象的相关信息；另一方面，动态视频挂件的展示时间区间往往并非目标视频的全部播放时间，即动态视频挂件并非在目标视频的完整播放时长内全程展示，因此动态视频挂件对目标视频的遮挡时间短，从而有效缓解了视频挂件对目标视频的遮挡，更便于用户观看目标视频，一定程度上提升了用户体验。

图3是根据本公开的实施例之二示出的一种视频展示方法流程图；所述方法应用于服务器，可以包括：

在步骤302中，获取目标特征。

在一实施例中，在确定目标视频后，获取与该目标视频相关的目标特征。例如，可以将人工录入的目标视频相关信息作为目标特征，也可以在预设的特征数据集中查询与目标视频对应的目标特征。上述目标特征可以包括目标音频特征和/或目标图像特征，其中，目标音频特征可以为音频形式的关键语音或文字形式的关键字。

在步骤304中，在目标视频中包含匹配于所述目标特征的目标对象的情况下，根据匹配情况确定展示时间区间，使所述目标特征对应的动态视频挂件在所述展示时间区间内展示在所述目标视频上方。

在一实施例中，上述动态视频挂件的展示时间区间可以由服务器在获取到目标视频后确定。作为一示例性实施例，可以根据目标对象与目标特征的匹配情况确定上述展示时间区间，以尽量保证目标对象与目标特征的匹配一致性及展示时间区间的确定准确性。

进一步的，上述匹配情况可以包括目标对象在目标视频中对应的播放时间区间，此时，可以根据播放时间区间确定上述展示时间区间。因为同一目标对象在目标视频中可能被播放(语音播放或视频播放)多次，因此根据其每次被播放对应的播放时间区间确定与该目标对象相关的动态视频挂件的展示时间区间，能够保证确定出的展示时间区间与目标对象实际展示情况相吻合从而使得动态视频挂件的展示效果更加符合目标视频的播放情况，最终获得更好的动态视频挂件展示效果。当然，也可以根据匹配的目标对象的类型、目标对象与目标特征的匹配程度等匹配情况确定展示时间区间，不再赘述。

实际上，在目标视频中目标对象的播放时间区间的数量可以为一个或多个，此时，可以在目标视频的起始时刻、终止时刻，以及各个播放时间区间的开始时刻、结束时刻中，选取至少一组时刻形成相应的至少一个时间区间，以作为上述展示时间区间。无论是通过目标音频特征匹配还是通过目标图像特征匹配确定的播放时间区间，其都必然包括相应的开始时刻和结束时刻，通过在目标视频的起始时刻、终止时刻以及各个播放时间区间的开始时刻、结束时刻中选取至少一组时刻形成相应的至少一个时间区间作为展示时间区间，能够能够适应复杂多样的播放场景，并实现更加灵活多变的展示时间区间，一定程度上提高了动态视频挂件的展示效果。

在一实施例中，可以将目标音频特征作为目标对象(此时为音频形式的目标对象)对应的目标特征。此时可以先提取目标视频的音频数据，然后识别音频数据中的目标对象是否匹配于目标音频特征，并在识别出音频数据中的目标对象匹配于目标音频特征的情况下，根据匹配起始时刻和匹配终止时刻确定播放时间区间。上述目标音频特征可以为对应于上述目标对象的语音特征，如频率、振幅、相位、声调、音色等一种或多种音频参数。根据识别音频数据中的目标对象匹配于上述语音特征所对应的匹配起始时刻和匹配终止时刻确定播放时间区间，能够保证仅通过语音匹配准确确定播放时间区间。

在上述提取目标视频的音频数据后，可以对提取的音频数据进行预处理，例如，可以先通过降噪剔除音频数据中无用的环境噪音以保留有效的语音数字信号，然后对这部分有效的语音数字信号进行分帧和加窗等处理，最终得到更加清晰的音频，以进一步提高目标音频特征匹配情况的识别可靠性。

进一步的，作为一示例性实施例，上述目标音频特征可以为音频形式的关键语音，此时可以先提取音频数据中的目标对象对应的语音特征，然后识别语音特征是否匹配于关键语音，若语音特征匹配于关键语音，则判定音频数据中的目标对象匹配于目标音频特征。此时，将语音形式的关键语音作为识别标准直接进行语音匹配，简化了音频识别的处理步骤，便于提高匹配识别的速度，从而缩短播放时间区间的确定时间。

作为另一示例性实施例，上述目标音频特征可以为文字形式的关键字，此时可以先在根据音频数据转换的文字中确定文字对象，然后识别该文字对象是否匹配于上述关键字，若文字对象匹配于关键字，则判定音频数据中对应于文字对象的语音对象匹配于目标音频特征。此时，将语音转换为文字再进行识别，便于对音频数据对应的真实语义做语义分析，并能够忽略音频数据中的噪声以提高匹配识别的准确度，从而确定出更准确的播放时间区间。

在另一实施例中，可以将目标图像特征作为目标对象(此时为图像形式的目标对象)对应的目标特征。此时可以先提取目标视频的视频帧图像，然后识别视频帧图像中的目标对象是否匹配于目标图像特征，并在识别出多个连续视频帧图像中的目标对象匹配于目标图像特征的情况下，基于上述多个连续视频帧图像中的第一个视频帧图像和最后一个视频帧图像分别对应的时间节点确定播放时间区间。根据识别视频帧图像中的目标对象匹配于第一个视频帧图像和最后一个视频帧图像分别对应的时间节点确定播放时间区间，能够保证仅通过画面匹配准确确定播放时间区间。

在另一实施例中，对于任一视频帧图像中识别出的所有对象，可以分别判断该对象与目标对象的相关性并进行标记和排序，然后按照与目标对象的相关性由强至弱的顺序依次判断各对象与目标对象的匹配情况。例如，可以将各对象按照对象所属领域进行分组，然后仅判断与目标对象处于同一分组的对象的与目标对象匹配情况。

值的说明的是，上述目标特征可以仅包含目标音频特征，此时可以仅识别音频数据中的目标对象是否匹配于目标音频特征；上述目标特征也可以仅包含目标图像特征，此时可以仅识别视频帧图像中的目标对象是否匹配于目标图像特征；还可以同时包含目标音频特征和目标图像特征，此时可以分别识别音频数据中的目标对象是否匹配于目标音频特征和是否匹配于目标图像特征。上述目标特征包含的特征种类及相应的识别方式可以根据具体应用场景确定，本公开对此并不进行限制。显然，在上述目标特征同时包含目标音频特征和目标图像特征的情况下，分别识别音频数据中的目标对象是否匹配于目标音频特征和是否匹配于目标图像特征能够确定更多的播放时间区间，从而可以组合得到形式更丰富的展示时间区间，进一步扩大了本方法的适用范围。

在一实施例中，在识别出多个连续视频帧图像中的目标对象匹配于目标图像特征的情况下，还可以对任一视频帧图像中的目标对象添加位置标记，然后根据多个连续视频帧图像中的位置标记与相应视频帧图像的时间节点之间的对应关系，生成展示位置随时间变化的运动轨迹。上述运动轨迹可以在生成后与目标视频、动态视频挂件或展示时间区间关联发送至播放设备，以由播放设备在目标视频上方展示目标对象对应的目标动态视频挂件时控制该挂件的展示位置按照上述运动轨迹进行变化。利用上述位置标记生成动态视频挂件的运动轨迹，使得动态视频挂件的展示位置能够随着目标对象的位置变化而实时变化，呈现出更加生动有趣的挂件展示效果，便于提升用户的视频观看体验。

在一实施例中，服务器还可以获取用户账户针对目标对象的偏好信息，然后在向用户账户推送目标视频时，根据该偏好信息调整该目标视频中目标对象对应的动态视频挂件的展示时间区间，以实现个性化的挂件展示效果，从而进一步提升动态视频挂件的展示效果以及用户的视频观看体验。

在一实施例中，为便于播放设备展示与目标对象相关的描述信息，服务器可以将预设网页预关联至动态视频挂件，该预设网页被播放设备展示时可以展示与目标对象相关的描述信息。也可以将预设应用程序预关联至动态视频挂件，该预设应用程序被唤起时可以展示与目标对象相关的描述信息。

根据上述的实施例，通过目标对象与目标特征的匹配情况确定展示时间区间，以便于播放设备在展示时间区间有针对性的将动态视频挂件展示在目标视频上方。一方面，保证了动态视频挂件的展示时机与目标视频中目标对象的播放时机相对应，从而便于通过动态视频挂件向用户准确传递目标对象的相关信息。另一方面，动态视频挂件的展示时间区间与目标对象的播放时间区间相对应，并非在目标视频的完整播放时长内全程展示，因此动态视频挂件对目标视频的遮挡时间短，从而有效缓解了视频挂件对目标视频的遮挡，更便于用户观看目标视频，一定程度上提升了用户体验。

为了便于理解，下面结合图4所示实施例对本公开的技术方案进行进一步说明。图4是根据本公开的实施例之三示出的一种视频展示方法流程图。需要说明的是，本实施例所示方法中步骤402-步骤416均可由服务器或播放设备来执行。本实施例以步骤402-步骤416为服务器执行，步骤418为播放设备执行为例进行说明。该方法可以包括：

在步骤402中，确定目标视频。

首先，服务器确定需要进行处理的目标视频，目标视频的确定方式可以有多种。例如，可以将(服务器)管理人员或视频发布方(如商品卖家、广告代理商、视频制作者等)录入的需要进行处理的视频确定为目标视频；也可以将预设用户账户上传的视频作为目标视频；还可以将从预设保存地址获取的视频作为目标视频，本公开对目标视频的具体确定方式并不进行限制。

在一实施例中，服务器可在获取到完整的目标视频后执行后续步骤，如目标视频是短视频或长视频平台等发布的完整视频。在另一实施例中，服务器可在获取到目标视频部分内容后进行后续步骤，即获取目标视频的视频数据与后续的特征匹配同步进行，如目标视频是直播平台发布的直播视频，相应的，此时服务器在直播过程中对直播视频进行特征匹配并实时向播放设备发送动态视频挂件展示控制指令。

在步骤404中，获取目标特征。

在确定目标视频后，获取与该目标视频相关的目标特征。在一实施例中，可以将人工录入的目标视频相关信息作为目标特征。如由管理人员或视频发布方在录入目标视频时关联录入与该目标视频相关的目标特征，以供服务器获取。

在另一实施例中，可以在预设的特征数据集中查询与目标视频相关的目标特征。作为一示例性实施例，可以先确定目标视频的视频展示主体，然后在预设的特征数据集中查询与该视频展示主体的相关性大于预设预置的特征数据，并将该特征数据作为目标特征。以与目标视频的视频展示主体之间的相关性大小作为判断依据，能够提高目标特征确定的准确性，进而提高后续识别匹配情况的准确性。

作为另一示例性实施例，也可以先对预设的数据集中保存的特征数据进行类别划分，然后在确定出目标视频的视频展示主体后，在预设的特征数据集中查询该视频展示主体所在的目标分组，或计算与该视频展示主体相关性最强的目标分组，最后将该目标分组内的所以或部分所有特征数据作为目标特征。

其中，上述对预设的数据集中保存的特征数据进行类别划分，具体可以按照特征数据的所在领域进行划分，如第一级商品类分为服饰、日化、电器、图书等；进一步的，第二级图书类再分为文学、推理、专业、儿童等；进一步的，第三级专业类再分为机械、电学、化学、经济等，不再一一赘述。可以理解的是，上述特征数据的分组划分的越细，相应的目标特征可以确定的越精准，同时后续目标对象与目标特征的匹配情况识别也越精准。另外，在上述划分后的特征数据中确定目标特征可以定位在预设的级别，以平衡识别精度和识别范围，如视频展示主体为“穷爸爸，富爸爸”这本图书，相应的可以将目标特征确定为经济类下的所有特征数据，也可以将目标特征确定为专业类下的所有特征数据。

在一实施例中，上述特征数据集中的特征数据可以包括语音特征数据集和图像特征数据集，因此可以从中分别确定目标音频特征和目标图像特征。其中，语音特征数据集中的各语音特征数据之间可以通过DNN算法(Deep Neural Netwroks，深度神经网络)预先建立语义层面的相关性关联。例如“手表”、“男士手表”、“表盘”、“表带”、“防水等级”等特征数据与“xxx女士手表”这一特征数据的相关性较强，而“女士板鞋”、“发带”等则与其相关性较弱。

图像特征数据集中的各图像特征数据可以包括不同视频对象在不同场景条件下的图片特征，上述场景条件可以包括光线、阴影、角度、与摄像距离的远近等。同样的，也可以通过DNN算法进行深度学习训练，以丰富各图像特征数据之间的相关性关联。而且，上述语音特征数据集和图像特征数据集中的特征数据均可以周期性或不定期更新，以逐渐丰富上述特征数据集中的特征数据，进而提高目标特征的特征丰度和匹配精度。

实际上，确定出的上述目标特征可以仅包含目标音频特征，此时可以仅识别音频数据中的目标对象是否匹配于目标音频特征；上述目标特征也可以仅包含目标图像特征，此时可以仅识别视频帧图像中的目标对象是否匹配于目标图像特征；还可以同时包含目标音频特征和目标图像特征，此时可以分别识别音频数据中的目标对象是否匹配于目标音频特征和是否匹配于目标图像特征。上述目标特征包含的特征种类及相应的识别方式具体应用场景等实际情况确定，本公开对此并不进行限制。显然，在上述目标特征同时包含目标音频特征和目标图像特征的情况下，分别识别音频数据中的目标对象是否匹配于目标音频特征和是否匹配于目标图像特征能够确定更多的播放时间区间，从而可以组合得到形式更丰富的展示时间区间，进一步扩大了本方法的适用范围。

而且，无论仅识别音频数据中的目标对象是否匹配于目标音频特征、仅识别视频帧图像中的目标对象是否匹配于目标图像特征，还是分别识别音频数据中的目标对象是否匹配于目标音频特征和是否匹配于目标图像特征，上述步骤404都只需要在下述步骤408a和步骤408b之前执行即可，而本公开对步骤404与步骤406之间的先后顺序并不进行限制。

下面分别对图4中识别音频数据中的目标对象是否匹配于目标音频特征(对应步骤406a-步骤412a)和识别视频帧图像中的目标对象是否匹配于目标图像特征(对应步骤406b-步骤412b)进行说明。

在步骤406a中，提取目标视频中的音频数据。

从确定出的目标视频中提取音频数据，例如，可以提取当前完整目标视频的音频数据，也可以仅提取视频起始时刻之后的预设第一时刻至视频终止时刻之前的预设第二时刻之间的音频数据，从而舍弃目标视频片头和片尾的无效音频数据，减少无效音频数据的提取和处理工作量，提升语音处理效率。

在上述提取目标视频的音频数据后，可以对提取的音频数据进行预处理，例如，可以先通过降噪剔除音频数据中无用的环境噪音以保留有效的语音数字信号，然后对这部分有效的语音数字信号进行分帧和加窗等处理，最终得到更加清晰的音频，以进一步提高目标音频特征匹配情况的识别可靠性。目标视频中提取音频数据以及对音频数据进行降噪、分帧和加窗等处理的具体方式可参加相关技术中公开的内容，本公开不再赘述。

在步骤408a中，识别目标对象与目标音频特征的匹配情况。

在一实施例中，上述目标音频特征为音频形式的关键语音，此时可以提取上述音频数据中的目标对象对应的语音特征；然后判断目标对象对应的语音特征是否匹配于上述关键语音：若匹配，则判定上述音频数据中的目标对象匹配于上述目标音频特征；否则，若不匹配，则判定上述音频数据中的目标对象不匹配于上述目标音频特征。其中，可以通过相关度计算判断目标对象对应的语音特征是否匹配于上述关键语音：若上述语音特征与上述关键语音的相关度不小于第一预设相关度阈值，则判定二者匹配，否则，所上述语音特征与上述关键语音的相关度小于第一预设相关度阈值，则判定二者不匹配。

在另一实施例中，上述目标音频特征为文字形式的关键字，此时可以将上述音频数据转换为文字，然后在上述转换得到的文字中确定文字对象；再判断该文字对象是否匹配于上述关键字：若匹配，则判定上述音频数据中对应于上述文字对象的语音对象匹配于目标音频特征；否则，若不匹配，则判定上述音频数据中对应于上述文字对象的语音对象不匹配于目标音频特征。其中，可以通过相关度计算判断目标对象对应的文字对象是否匹配于上述关键字：若上述文字对象与上述关键字的相关度不小于第二预设相关度阈值，则判定二者匹配，否则，上述文字对象与上述关键字的相关度小于第二预设相关度阈值，则判定二者不匹配。

在另一实施例中，还可以通过特征值匹配算法判断目标对象对应的语音特征是否匹配于上述关键语音和/或判断目标对象对应的文字对象是否匹配于上述关键字。其中，特征值匹配算法可以为HMM算法(Hidden Markov Model，隐马尔可夫模型)、DTW算法(DynamicTime Warping，动态时间规整)或DNN算法等。

在步骤410a中，对识别出的与目标音频特征相匹配的目标对象进行标记。

目标对象与目标音频特征相匹配的时间区间必定具有开始时刻和结束时刻，因此在识别出与目标音频特征相匹配的目标对象后，对该目标对象与目标音频特征相匹配的时间区间对应的开始时刻和结束时刻进行时间标记。

在一实施例中，可以按照时间顺序对匹配于目标音频特征的目标对象进行编号，然后在上述相匹配的时间区间对应的开始时刻添加携带该编号的开始标记，在上述相匹配的时间区间对应的结束时刻添加携带该编号的结束标记，从而完成对目标对象与目标音频特征相匹配的时间区间对应的开始时刻和结束时刻进行的时间标记。

例如，该目标视频中第3个与目标音频特征相匹配的目标对象是“女士手表”，其匹配于语音数据的第1min-第2min30s，则在该语音数据的第1min添加编号为3的开始标记(如3号开始时刻)，在该语音数据的第2min30s添加编号为3的结束标记(如3号结束时刻)。

在另一实施例中，可以在上述目标对象的对象信息与上述开始时刻和结束时刻之间建立关联，其中，上述对象信息可以包括对象名称、对象标记和/或对象标号等。另外，还可以在该目标对象与目标音频特征的匹配程度(如相关度值)与上述目标对象和开始时刻、结束时刻之间建立关联关系。可以将上述目标对象与目标音频特征相匹配的时间区间对应的开始时刻和结束时刻之间的时间标记，以及目标对象与目标音频特征的匹配程度(如相关度值)与上述目标对象和开始时刻、结束时刻之间的关联关系进行保存，使得针对该目标视频进行再处理时不必重复确定上述时间标记及关联关系。

在步骤412a中，根据语音标记确定播放时间区间。

根据上述时间标记确定匹配于目标音频特征的目标对象的播放时间区间。例如，可以将目标对象与目标音频特征相匹配的时间区间确定为该目标对象的播放时间区间；也可以将该目标对象与目标音频特征相匹配的时间区间开始时刻之前的预设第二时刻作为播放时间区间的开始时刻，将该目标对象与目标音频特征相匹配的时间区间结束时刻之后的预设第二时刻作为播放时间区间的结束时刻，从而确定上述播放时间区间。当然，还可以有其他确定方式，本公开不再赘述。

至此，通过步骤406a-步骤412a确定出了任一匹配于目标音频特征的目标对象对应的播放时间区间。实际上，通过上述过程可能确定出某一目标对象一次或多次匹配于目标音频特征所对应的一个或多个播放时间区间，而且上述多个播放时间区间之间可以存在重合部分，也可以不存在重合部分。

在步骤406b中，提取目标视频中的视频帧图像。

从确定出的目标视频中提取视频帧图像，例如，可以提取当前完整目标视频的视频帧图像，也可以仅提取视频起始时刻之后的预设第一时刻至视频终止时刻之前的预设第二时刻之间的视频帧图像，从而舍弃目标视频片头和片尾的无效音频数据，减少无效视频帧图像的提取和处理工作量，提升图像处理效率。

在一实施例中，提取到目标视频中的音频数据后，可以对视频帧图像进行预处理。例如，可以先识别视频帧图像中的所有目标对象，然后分别按照各目标对象的类别与目标图像特征所归属的一个或多个类别的关系，对目标对象的匹配处理顺序进行排序，以便后续按照该匹配处理顺序对各目标对象进行处理。

例如，目标图像特征为“女士手表”的情况下，若匹配出视频中图像中包含“剃须刀”、“书”、“手镯”这三个目标对象，其中“女士手表”和“手镯”同时归属于“配饰”和“女生”两个类别，“剃须刀”归属于“男生”和“日常用具”两个类别，而“书”仅归属于“学习”类别，与“男生”或“女生”的相关性较低，因此匹配处理顺序排序结果为“手镯”>“书”>“剃须刀”。相应的，后续匹配处理时先匹配“手镯”，再匹配“书”，最后匹配“剃须刀”，当然，也可以仅匹配“手镯”，而放弃对“书”和“剃须刀”的匹配。

按照与目标特征的所归属类别的关系初步对视频帧图像中的多个目标对象的匹配处理顺序进行排序，在进行运算量较大的匹配处理之前先通过简单的类别比较筛选出与目标特征相关度较高(与目标特征属于同类)的目标对象并优先进行后续匹配处理，对于与目标特征相关度较低的目标对象的后处理甚至不处理，从而在保证匹配处理精准度的前提下降低了服务器的匹配处理运算量。

在另一实施例中，可以对识别出目标对象的视频帧图像进行图像分类识别，以初步筛选视频帧图像中所包含的目标对象的类别，便于进一步确定更细致的识别方案。如在识别到人体的情况下，利用人体识别算法进行进一步的详细识别，以提高目标对象的识别精度。其中，人体识别算法可以包括但不局限于CNN算法(Convolutional NeuralNetworks，卷积神经网络)。

在步骤408b中，识别目标对象与目标图像特征的匹配情况。

在一实施例中，上述目标特征包括目标图像特征，此时可以依次判断各视频帧图像中的目标对象是否匹配于目标图像特征。例如，对于任一视频帧图像，判断识别出的一个或多个目标对象是否匹配于上述目标图像特征，若匹配，则判定上述目标对象匹配于上述目标特征；否则，若不匹配，则判定上述目标对象不匹配于上述目标特征。

在一实施例中，在识别任一视频帧图像中包含人体对象的情况下，提取所述人体对象对应的人体关键点特征，如姿势特征(站姿、坐姿、蹲姿、躺姿等)，动作特征(伸展手臂、抬腿、特定手势等)，表情特征(张嘴、闭眼)等；也可以提取所述人体对象附近的其他物品特征，结合上述人体关键点特征和其他物品特征进一步识别该任一视频帧图像中的目标对象。

在一实施例中，可以通过相关度计算判断目标对象是否匹配于上述目标图像特征：若上述目标对象与上述目标图像特征的相关度不小于第三预设相关度阈值，则判定二者匹配；否则，所上述目标对象与上述目标图像特征的相关度小于第三预设相关度阈值，则判定二者不匹配。

在另一实施例中，可以通过特征值匹配算法判断目标对象是否匹配于上述目标图像特征。其中，特征值匹配算法可以为HMM算法、DTW算法或DNN算法等。

在步骤410b中，对识别出的与目标图像特征相匹配的目标对象进行标记。

对于任一视频帧图像，若其中存在目标对象匹配于目标图像特征，则对该视频帧图像中的目标对象的位置标记和/或相关信息进行标记。例如，可以在该视频帧图像中上述匹配于目标图像特征的目标对象的显示位置处添加与该目标对象相关的位置标记，以表明该位置处存在匹配于目标图像特征的目标对象。

在一实施例中，在识别出多个连续视频帧图像中存在同一目标对象匹配于同一目标图像特征的情况下，在所述多个连续视频帧图像中的第一个视频帧图像和最后一个视频帧图像分别对应的时间节点处添加目标对象标记。例如，该目标视频中第6个与目标图像特征相匹配的目标对象是“连衣裙”，其匹配于目标视频的第3min——第4min，则在该目标视频时间轴的第3min添加编号为6的开始标记(如6号开始时刻)，在该目标视频时间轴的第4min添加编号为6的结束标记(如6号结束时刻)。

完成上述时间标记后，目标视频的时间轴中对应目标对象匹配于目标图像特征的开始时刻和结束时刻分别被添加有时间标记；完成上述位置标记后，视频帧图像中对应于目标对象的相应位置处被添加有位置标记。

在步骤412b中，根据图像标记确定播放时间区间。

根据上述时间标记确定匹配于目标图像特征的目标对象的播放时间区间。例如，可以将目标对象与目标图像特征相匹配的时间区间确定为该目标对象的播放时间区间；也可以将该目标对象与目标图像特征相匹配的时间区间开始时刻之前的预设第三时刻作为播放时间区间的开始时刻，将该目标对象与目标图像特征相匹配的时间区间结束时刻之后的预设第三时刻作为播放时间区间的结束时刻，从而确定上述播放时间区间。当然，还可以有其他确定方式，本公开不再赘述。

至此，通过步骤406b-步骤412b确定出了任一匹配于目标图像特征的目标对象对应的播放时间区间。实际上，通过上述过程可能确定出一个或多个匹配于目标图像特征的目标对象对应的多个播放时间区间，而且上述多个播放时间区间之间可以存在重合部分，也可以不存在重合部分。

在步骤414中，根据与目标图像特征相匹配的目标对象的位置标记确定运动轨迹。

在识别出多个连续视频帧图像中存在同一目标对象匹配于同一目标图像特征的情况下，根据多个连续视频帧图像中的位置标记与相应视频帧图像的时间节点之间的对应关系，生成展示位置随时间变化的运动轨迹，用于使动态视频挂件按照该运动轨迹与上述目标视频叠加展示。

例如，可以直接将上述各视频帧图像中位置标记按照时间的连线作为运动轨迹。也可以将与上述各视频帧图像中位置标记按照时间的连线具有预设位置关系的连线作为运动轨迹，其中，上述预设位置关系可以为在预设方向上偏离预设距离，也可以在各视频帧图像中位置标记按照时间的连线与匹配于目标特征的目标对象存在重合部分时，将所述运动轨迹调整至不与匹配于目标特征的目标对象重合的位置。

在步骤416中，根据播放时间区间确定展示时间区间。

利用前述步骤412a和步骤412b确定的任一目标对象的一个或多个播放时间区间，确定该任一目标对象对应的动态视频挂件的展示时间区间。例如，在目标视频的起始时刻、终止时刻，以及各个播放时间区间的开始时刻、结束时刻中，选取至少一组时刻形成相应的至少一个时间区间，以作为展示时间区间。

在一实施例中，在播放时间区间的数量为一个的情况下，将该播放时间区间确定为展示时间区间，或者根据该播放时间区间的起始时刻和目标视频的结束时刻确定展示时间区间。比如，目标视频的播放时长为10min，仅有的一个播放时间区间为2min-5min，则此时可以将2min-5min确定为动态视频挂件的展示时间区间，以使动态视频挂件的展示时间区间与播放时间区间相对应，从而让用户同时获知目标对象的展示信息和动态视频挂件；也可以将2min-10min确定为动态视频挂件的展示时间区间，以使动态视频挂件的展示时机与播放时间区间的开始时刻相对应，从而提供尽可能长的动态视频挂件展示时长供用户查看动态视频挂件。

在一实施例中，在播放时间区间的数量为多个的情况下，可以将多个播放时间区间的并集或交集对应的时间区间确定为展示时间区间。其中，将多个播放时间区间的并集对应的时间区间确定为展示时间区间，能够尽可能延长动态视频挂件的展示时长，以提供尽可能长的动态视频挂件展示时长供用户查看动态视频挂件。将多个播放时间区间的交集对应的时间区间确定为展示时间区间，能够避免单独使用目标音频特征进行匹配或单独使用目标图像特征进行匹配带来的匹配误差，进一步保证动态视频挂件的展示时间区间与目标对象的展示状态相匹配。

在一实施例中，根据第一个播放时间区间的起始时刻和最后一个所述播放时间区间的终止时刻确定展示时间区间；或者，根据第一个所述播放时间区间的起始时刻和目标视频的结束时刻确定展示时间区间。

在一实施例中，在目标视频的起始时刻、终止时刻，以及各个播放时间区间的开始时刻、结束时刻中，选取包含至少一个播放时间区间的至少一组时刻形成相应的至少一个时间区间，以作为展示时间区间，从而使得该展示时间区间内至少包含一个播放时间区间，以尽量保证动态视频挂件的展示时间区间与目标对象的展示状态相匹配。当然，还可以将任意两不相重合播放时间区间之间的时间区间确定为展示时间区间，从而使用户在既听不到也看不到目标对象时仍能够获知该目标对象对应的动态视频挂件展示的相关信息。

在另一实施例中，服务器(或播放设备)可以在一次识别匹配得出上述播放时间区间后，可以将保存各播放时间区间，并获取用户账户针对目标对象的偏好信息，然后在向该用户账户推送(或播放)目标视频时，则根据上述偏好信息调整展示时间区间。例如，上述偏好信息可以是用户对不同类别对象的观看记录，交互(如点赞、评论、转发等)记录，跳转记录、购买记录等记录信息，也可以是根据上述记录信息统计出的对不同对象类型的偏好指数等。通过该方式，能够对不同偏好的用户有针对性的生成个性化的展示时间区间，从而进一步提升向用户传递目标对象的相关信息的效率，而且能够提升用户体验以及用户转化率。

需要说明的是，上述各实施例仅是针对某一匹配于目标特征的目标对象确定其对应动态视频挂件的展示时间区间的多种可选方案。因为一个目标视频中可能包含匹配于目标特征的多个目标对象，因此相需要相应的分别通过上述步骤确定各目标对象对应的动态视频挂件的展示时间区间，不再赘述。

在步骤418中，展示目标视频和动态视频挂件。

在确定出匹配于目标特征的各目标对象对应的动态视频挂件的展示时间区间后，服务器可以将上述目标视频，对应于目标特征的动态视频挂件和动态视频挂件的展示时间区间发送时播放设备，以使播放设备展示目标视频的过程中，在动态视频挂件对应的展示时间区间内，将动态视频挂件与目标视频叠加展示。

需要说明的是，上述动态视频挂件可以由服务器的管理人员或视频发布方预先制作完成并录入到服务器中，也可以由服务器或播放设备自身根据匹配于目标特征的目标对象生成，本公开对此并不进行限制。

当然，如前所述，上述全部处理过程也可以由播放设备自身完成，此时并不需要服务器执行上述响应步骤。播放设备的具体执行过程与上述步骤并无本质差异，不再赘述。

此时的展示效果参见图5，图5是根据本公开的实施例之一示出的一种视频展示效果示意图。如图5所示，正在播放的目标视频中模特身上穿的连衣裙和左手上戴的手表都是该目标视频中当前时刻匹配于目标特征的目标对象(服务器可能识别出当前视频帧画面中的上述目标对象刻匹配于目标特征，也可能识别出上述目标视频的当前语音数据中的目标对象匹配于目标特征，也可能同时发生上述两种情况)，因此在该目标视频展示界面上叠加展示关于连衣裙和手表的动态视频挂件。

实际上，播放设备的在目标视频展示界面上叠加展示动态视频挂件的过程，动态视频挂件可以实时展示在其对应的目标对象的显示位置上，也可以展示在与其对应的目标对象具有预设位置关系的其他位置上，如图5所示，对于面积较大且画面细节简单的目标对象，其对应的动态视频挂件可以展示在该目标对象上(如图5中连衣裙对应的动态视频挂件展示在连衣裙上)，而对于面积较小或画面细节复杂的目标对象，其对应的动态视频挂件可以展示在该目标对象具有预设位置关系的其他位置上，以避免遮挡目标对象(如图5中手表对应的动态视频挂件展示在手表旁边)。

在一实施例中，播放设备还可以获取动态视频挂件的运动轨迹，然后控制动态视频挂件的展示位置沿运动轨迹进行变化。此时的展示效果参见图6，图6是根据本公开的实施例之二示出的一种视频展示效果示意图。如图6(a)所示，在上述目标视频中模特戴手表的左手自下而上挥动的过程中，目标视频中的“手表”这一目标对象的位置发生变化，因此服务器会根据“手表”的移动轨迹生成相应的运动轨迹。但可以理解的是，图6(a)和图6(b)中展示的运动轨迹仅是为了说明本方案，实际上并不会展示在界面中。在模特戴手表的左手自下而上挥动的过程中，目标视频展示界面上叠加展示的动态视频挂件的展示位置也随着“手表”位置的变化而变化。

在另一实施例中，叠加展示的动态视频挂件具有缩略展示模式和详情展示模式，播放设备可以根据接收到的针对动态视频挂件的切换指令，控制动态视频挂件在缩略展示模式和详情展示模式之间进行切换。此时的展示效果参见图7，图7是根据本公开的实施例之三示出的一种视频展示效果示意图。如图7(a)所示，当前展示的动态视频挂件处于缩略展示模式，当用户触发该动态视频挂件(如单击、双击等)后，播放设备将该动态视频挂件切换至详情展示模式，以便用户查看商品详情，如图7(b)所示。当用户查看完毕后可以点击该详情展示窗口的中的^控件切换回缩略展示模式，或者直接点击展示界面中非详情展示窗口的其他区域切换回缩略展示模式。

无论是缩略展示模式或者详情展示模式，用户还可以触发动态视频挂件以向播放设备发送针对所述动态视频挂件的操作指令，播放设备接收到该指令后可以为用户展示与目标对象相关的描述信息。例如，可以根据接收到的针对动态视频挂件的操作指令，展示与目标对象相关的描述信息，从而实现页面跳转。如用户可以在图7(b)中点击向详情展示窗口上方的超链接，以跳转至该手表的详情页面或购买页面。

或者，可以唤起预关联至动态视频挂件的预设应用程序，使预设应用程序展示与目标对象相关的描述信息。如用户可以在图7(a)中长按该手表的动态视频挂件以唤起网络购物APP并直接进入该手表的搜索页面、官方购买页面、销量最大购买页面或评分最高购买页面等，从而直接进行查看或购买。通过超链接网页跳转或跨应用唤醒应用程序的方式，大大简化了用户的操作流程，从而进一步提升了用户体验。

与前述视频展示方法的实施例相对应地，本公开还提出了视频展示装置的实施例。

图8是根据本公开的实施例之一示出的一种视频展示装置的示意框图。本实施例所示的视频展示装置可以适用于视频播放应用，所述应用适用于播放设备，所述播放设备包括但不限于手机、平板电脑、可穿戴设备、个人计算机等电子设备。所述视频播放应用可以是安装在终端中的应用程序，也可以是集成在浏览器中的网页版应用，用户可以通过视频播放应用播放视频，其中，所述播放的视频可以是长视频，例如电影、电视剧，也可以是短视频，例如视频剪辑、情景短剧等，还可以是直播形式的流媒体数据。

如图8所示，所述视频展示装置可以包括：

对象确定模块801，被配置为确定目标视频、对应于目标特征的动态视频挂件和所述动态视频挂件的展示时间区间，所述目标视频中包含匹配于所述目标特征的目标对象；

挂件展示模块802，被配置为在所述展示时间区间内，将所述动态视频挂件展示在所述目标视频上方。

可选的，所述对象确定模块801包括：

第一展示确定子模块801A，被配置为根据所述目标对象与所述目标特征的匹配情况确定所述展示时间区间。

可选的，所述匹配情况包括所述目标对象在所述目标视频中对应的播放时间区间；所述第一展示确定子模块801A包括：

第一播放确定单元801A-1，被配置为根据所述播放时间区间确定所述展示时间区间。

可选的，所述播放时间区间的数量为一个或多个，所述第一播放确定单元801A-1包括：

第一时刻选取子单元801A-1A，被配置为在所述目标视频的起始时刻、终止时刻，以及各个播放时间区间的开始时刻、结束时刻中，选取至少一组时刻形成相应的至少一个时间区间，以作为所述展示时间区间。

可选的，所述目标特征包括目标音频特征，所述第一播放确定单元801A-1还包括：

第一音频提取子单元801A-1B，被配置为提取所述目标视频的音频数据；

第一音频匹配子单元801A-1C，被配置为在识别出所述音频数据中的所述目标对象匹配于所述目标音频特征的情况下，根据匹配起始时刻和匹配终止时刻确定所述播放时间区间。

可选的，

所述目标音频特征为音频形式的关键语音，所述第一音频匹配子单元801A-1C还被配置为：提取所述音频数据中的所述目标对象对应的语音特征；若所述语音特征匹配于所述关键语音，则判定所述音频数据中的所述目标对象匹配于所述目标音频特征；或者，

所述目标音频特征为文字形式的关键字，所述第一音频匹配子单元801A-1C还被配置为：在根据所述音频数据转换的文字中确定文字对象；若所述文字对象匹配于所述关键字，则判定所述音频数据中对应于所述文字对象的语音对象匹配于所述目标音频特征。

可选的，所述目标特征包括目标图像特征，所述第一播放确定单元801A-1还包括：

第一视频提取子单元801A-1D，被配置为提取所述目标视频的视频帧图像；

第一视频匹配子单元801A-1E，被配置为在识别出多个连续视频帧图像中的目标对象匹配于所述目标图像特征的情况下，基于所述多个连续视频帧图像中的第一个视频帧图像和最后一个视频帧图像分别对应的时间节点确定所述播放时间区间。

可选的，还包括：

第一标记添加模块803，被配置为在识别出多个连续视频帧图像中的目标对象匹配于所述目标图像特征的情况下，对任一视频帧图像中的所述目标对象添加位置标记；

第一轨迹生成模块804，被配置为根据所述多个连续视频帧图像中的所述位置标记与相应视频帧图像的时间节点之间的对应关系，生成展示位置随时间变化的运动轨迹，以使所述动态视频挂件的展示位置沿所述运动轨迹进行变化。

可选的，还包括：

轨迹获取模块805，被配置为获取所述动态视频挂件的运动轨迹；

位置控制模块806，被配置为控制所述动态视频挂件的展示位置沿所述运动轨迹进行变化。

可选的，还包括：

模式切换模块807，被配置为根据接收到的针对所述动态视频挂件的切换指令，控制所述动态视频挂件在缩略展示模式和详情展示模式之间进行切换。

可选的，还包括：

信息展示模块808，被配置为根据接收到的针对所述动态视频挂件的操作指令，展示与所述目标对象相关的描述信息。

可选的，所述信息展示模块808包括：

网页展示子模块808A，被配置为展示预关联至所述动态视频挂件的网页，使所述网页展示与所述目标对象相关的描述信息；或者，

应用展示子模块808B，被配置为唤起预关联至所述动态视频挂件的预设应用程序，使所述预设应用程序展示与所述目标对象相关的描述信息。

图9是根据本公开的实施例之二示出的一种视频展示装置的示意框图。本实施例所示的视频展示装置可以适用于视频处理应用，所述应用适用于服务器或视频播放设备，所述服务器包括但不限于个人计算机，工业计算机，工控机等能够进行相关处理的网络设备。播放设备包括但不限于手机、平板电脑、可穿戴设备、个人计算机等电子设备。所述视频播放应用可以是安装在终端中的应用程序，也可以是集成在浏览器中的网页版应用，用户可以通过视频播放应用播放视频，其中，所述播放的视频可以是长视频，例如电影、电视剧，也可以是短视频，例如视频剪辑、情景短剧等，还可以是直播形式的流媒体数据。

如图9所示，所述视频展示装置可以包括：

特征获取模块901，被配置为获取目标特征；

区间确定模块902，被配置为在目标视频中包含匹配于所述目标特征的目标对象的情况下，确定动态视频挂件的展示时间区间，使对应于所述目标特征的所述动态视频挂件在所述展示时间区间内被展示在所述目标视频上方。

可选的，所述区间确定模块902包括：

第二展示确定子模块902A，被配置为根据所述目标对象与所述目标特征的匹配情况确定动态视频挂件的展示时间区间。

可选的，所述匹配情况包括所述目标对象在所述目标视频中对应的播放时间区间；所述第二展示确定子模块902A包括：

第二播放确定单元902A-1，被配置为根据所述播放时间区间确定动态视频挂件的展示时间区间。

可选的，所述播放时间区间的数量为一个或多个，所述第二播放确定单元902A-1包括：

第二时刻选取子单元902A-1A，被配置为在所述目标视频的起始时刻、终止时刻，以及各个播放时间区间的开始时刻、结束时刻中，选取至少一组时刻形成相应的至少一个时间区间，以作为所述展示时间区间。

可选的，所述目标特征包括目标音频特征，所述第二播放确定单元902A-1还包括：

第二音频提取子单元902A-1B，被配置为提取所述目标视频的音频数据；

第二音频匹配子单元902A-1C，被配置为在识别出所述音频数据中的所述目标对象匹配于所述目标音频特征的情况下，根据匹配起始时刻和匹配终止时刻确定所述播放时间区间。

可选的，

所述目标音频特征为音频形式的关键语音，所述第二音频匹配子单元902A-1C还被配置为：提取所述音频数据中的所述目标对象对应的语音特征；若所述语音特征匹配于所述关键语音，则判定所述音频数据中的目标对象匹配于所述目标音频特征；或者，

所述目标音频特征为文字形式的关键字，所述第二音频匹配子单元902A-1C还被配置为：在根据所述音频数据转换的文字中确定文字对象；若所述文字对象匹配于所述关键字，则判定所述音频数据中对应于所述文字对象的语音对象匹配于所述目标音频特征。

可选的，所述目标特征包括目标图像特征，所述第二播放确定单元902A-1还包括：

第二视频提取子单元902A-1D，被配置为提取所述目标视频的视频帧图像；

第二视频匹配子单元902A-1E，被配置为在识别出多个连续视频帧图像中的目标对象匹配于所述目标图像特征的情况下，基于所述多个连续视频帧图像中的第一个视频帧图像和最后一个视频帧图像分别对应的时间节点确定所述播放时间区间。

可选的，还包括：

第二标记添加模块903，被配置为在识别出多个连续视频帧图像中的目标对象匹配于所述目标图像特征的情况下，对任一视频帧图像中的所述目标对象添加位置标记；

第二轨迹生成模块904，被配置为根据所述多个连续视频帧图像中的所述位置标记与相应视频帧图像的时间节点之间的对应关系，生成展示位置随时间变化的运动轨迹，以使所述动态视频挂件的展示位置沿所述运动轨迹进行变化。

可选的，还包括：

偏好获取模块905，被配置为获取用户账户针对所述目标对象的偏好信息；

视频推送模块906，被配置为向所述用户账户推送所述目标视频，则根据所述偏好信息调整所述展示时间区间。

可选的，还包括：

网页关联模块907，被配置为将预设网页预关联至所述动态视频挂件，所述预设网页被展示时用于展示与所述目标对象相关的描述信息；和/或，

应用关联模块908，被配置为将预设应用程序预关联至所述动态视频挂件，所述预设应用程序被唤起时用于展示与所述目标对象相关的描述信息。

本公开的实施例还提出一种电子设备，包括：

处理器；

用于存储所述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所述指令，以实现如上述任一实施例所述的视频展示方法。

本公开的实施例还提出一种存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行上述任一实施例所述的视频展示方法。

本公开的实施例还提出一种计算机程序产品，所述计算机程序产品被配置为执行上述任一实施例所述的视频展示方法。

图10是根据本公开的实施例示出的一种电子设备的示意框图。例如，电子设备1000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10，电子设备1000可以包括以下一个或多个组件：处理组件1002，存储器1004，电源组件1006，多媒体组件1008，音频组件1010，输入/输出(I/O)的接口1012，传感器组件1014，以及通信组件1016。

处理组件1002通常控制电子设备1000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1002可以包括一个或多个处理器1020来执行指令，以完成上述视频展示方法的全部或部分步骤。此外，处理组件1002可以包括一个或多个模块，便于处理组件1002和其他组件之间的交互。例如，处理组件1002可以包括多媒体模块，以方便多媒体组件1008和处理组件1002之间的交互。

存储器1004被配置为存储各种类型的数据以支持在电子设备1000的操作。这些数据的示例包括用于在电子设备1000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1004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1006为电子设备1000的各种组件提供电力。电源组件1006可以包括电源管理系统，一个或多个电源，及其他与为电子设备1000生成、管理和分配电力相关联的组件。

多媒体组件1008包括在电子设备1000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1008包括一个前置摄像头和/或后置摄像头。当电子设备1000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1010被配置为输出和/或输入音频信号。例如，音频组件1010包括一个麦克风(MIC)，当电子设备1000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1004或经由通信组件1016发送。在一些实施例中，音频组件1010还包括一个扬声器，用于输出音频信号。

I/O接口1012为处理组件1002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1014包括一个或多个传感器，用于为电子设备1000提供各个方面的状态评估。例如，传感器组件1014可以检测到电子设备1000的打开/关闭状态，组件的相对定位，例如所述组件为电子设备1000的显示器和小键盘，传感器组件1014还可以检测电子设备1000或电子设备1000一个组件的位置改变，用户与电子设备1000接触的存在或不存在，电子设备1000方位或加速/减速和电子设备1000的温度变化。传感器组件1014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1014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1014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1016被配置为便于电子设备1000和其他设备之间有线或无线方式的通信。电子设备1000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1016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1016还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在本公开一实施例中，电子设备1000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，用于执行上述视频展示方法。

在本公开一实施例中，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1004，上述指令可由电子设备1000的处理器1020执行以完成上述视频展示方法。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。

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

应当理解的是，本公开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。本公开的范围仅由所附的权利要求来限制。

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。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。

以上对本公开实施例所提供的方法和装置进行了详细介绍，本文中应用了具体个例对本公开的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本公开的方法及其核心思想；同时，对于本领域的一般技术人员，依据本公开的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本公开的限制。

Claims (10)

1.一种视频展示方法，其特征在于，包括：

确定目标视频、对应于目标特征的动态视频挂件和所述动态视频挂件的展示时间区间，所述目标视频中包含匹配于所述目标特征的目标对象；

在所述展示时间区间内，将所述动态视频挂件展示在所述目标视频上方。

2.根据权利要求1所述的方法，其特征在于，确定所述展示时间区间，包括：

在目标视频的起始时刻、终止时刻，以及所述目标对象对应的各个播放时间区间的开始时刻、结束时刻中，选取至少一组时刻形成相应的至少一个时间区间，以作为所述展示时间区间。

3.根据权利要求2所述的方法，其特征在于，所述目标特征包括目标音频特征，确定所述播放时间区间，包括：

提取所述目标视频的音频数据；

在识别出所述音频数据中的所述目标对象匹配于所述目标音频特征的情况下，根据匹配起始时刻和匹配终止时刻确定所述播放时间区间。

4.根据权利要求3所述的方法，其特征在于，

所述目标音频特征为音频形式的关键语音，所述识别出所述音频数据中的所述目标对象匹配于所述目标音频特征，包括：提取所述音频数据中的所述目标对象对应的语音特征；若所述语音特征匹配于所述关键语音，则判定所述音频数据中的所述目标对象匹配于所述目标音频特征；或者，

所述目标音频特征为文字形式的关键字，所述识别出所述音频数据中的所述目标对象匹配于所述目标音频特征，包括：在根据所述音频数据转换的文字中确定文字对象；若所述文字对象匹配于所述关键字，则判定所述音频数据中对应于所述文字对象的语音对象匹配于所述目标音频特征。

5.根据权利要求3-4中任一项所述的方法，其特征在于，所述目标特征包括目标图像特征，确定所述播放时间区间，包括：

提取所述目标视频的视频帧图像；

在识别出多个连续视频帧图像中的目标对象匹配于所述目标图像特征的情况下，基于所述多个连续视频帧图像中的第一个视频帧图像和最后一个视频帧图像分别对应的时间节点确定所述播放时间区间。

6.根据权利要求5所述的方法，其特征在于，还包括：

在识别出多个连续视频帧图像中的目标对象匹配于所述目标图像特征的情况下，对任一视频帧图像中的所述目标对象添加位置标记；

根据所述多个连续视频帧图像中的所述位置标记与相应视频帧图像的时间节点之间的对应关系，生成展示位置随时间变化的运动轨迹，以使所述动态视频挂件的展示位置沿所述运动轨迹进行变化。

7.一种视频展示方法，其特征在于，包括：

获取目标特征；

在目标视频中包含匹配于所述目标特征的目标对象的情况下，确定动态视频挂件的展示时间区间，使对应于所述目标特征的所述动态视频挂件在所述展示时间区间内被展示在所述目标视频上方。

8.一种视频展示系统，其特征在于，包括：

服务器，用于获取目标特征，并在目标视频中包含匹配于所述目标特征的目标对象的情况下，确定动态视频挂件的展示时间区间，并将所述目标视频、所述动态视频挂件以及所述展示时间区间发送至播放设备；

播放设备，用于在接收到服务器发送的所述目标视频、所述动态视频挂件以及所述展示时间区间后，在所述展示时间区间内将所述动态视频挂件展示在所述目标视频上方。

9.一种视频展示装置，其特征在于，包括：

对象确定模块，被配置为确定目标视频、对应于目标特征的动态视频挂件和所述动态视频挂件的展示时间区间，所述目标视频中包含匹配于所述目标特征的目标对象；

挂件展示模块，被配置为在所述展示时间区间内，将所述动态视频挂件展示在所述目标视频上方。

10.一种视频展示装置，其特征在于，包括：

特征获取模块，被配置为获取目标特征；

区间确定模块，被配置为在目标视频中包含匹配于所述目标特征的目标对象的情况下，确定动态视频挂件的展示时间区间，使对应于所述目标特征的所述动态视频挂件在所述展示时间区间内被展示在所述目标视频上方。

Images