CN111866585B - 一种视频处理方法及装置 - Google Patents
一种视频处理方法及装置 Download PDFInfo
- Publication number
- CN111866585B CN111866585B CN202010576565.XA CN202010576565A CN111866585B CN 111866585 B CN111866585 B CN 111866585B CN 202010576565 A CN202010576565 A CN 202010576565A CN 111866585 B CN111866585 B CN 111866585B
- Authority
- CN
- China
- Prior art keywords
- video
- content
- processed
- target
- segment
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 10
- 239000000463 material Substances 0.000 claims abstract description 140
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000005520 cutting process Methods 0.000 claims abstract description 16
- 230000000694 effects Effects 0.000 claims description 67
- 238000001303 quality assessment method Methods 0.000 claims description 23
- 238000013441 quality evaluation Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 13
- 238000001514 detection method Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 11
- 230000001939 inductive effect Effects 0.000 claims 2
- 230000008569 process Effects 0.000 abstract description 7
- 238000004458 analytical method Methods 0.000 description 20
- 239000012634 fragment Substances 0.000 description 16
- 241000282326 Felis catus Species 0.000 description 13
- 238000004422 calculation algorithm Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 12
- 238000004806 packaging method and process Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 8
- 238000010801 machine learning Methods 0.000 description 7
- 239000002994 raw material Substances 0.000 description 7
- 241000282472 Canis lupus familiaris Species 0.000 description 6
- 230000007704 transition Effects 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000012706 support-vector machine Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 101150116295 CAT2 gene Proteins 0.000 description 1
- 101100326920 Caenorhabditis elegans ctl-1 gene Proteins 0.000 description 1
- 101100126846 Neurospora crassa (strain ATCC 24698 / 74-OR23-1A / CBS 708.71 / DSM 1257 / FGSC 987) katG gene Proteins 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000012163 sequencing technique 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
-
- 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
- H04N21/44016—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 splicing one content stream with another content stream, e.g. for substituting a video clip
-
- 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)
- Television Signal Processing For Recording (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本发明实施例提供了一种视频处理方法及装置，其中，所述的方法包括：获取待处理素材和剪辑模板；确定所述待处理素材中各帧画面的内容标签；按照所述各帧画面的内容标签切割所述待处理素材，得到多个视频片段；根据所述剪辑模板从所述多个视频片段中确定多个目标片段，拼接所述多个目标片段得到短视频。利用内容标签切割素材，使得素材切割和选取的过程自动化，保证了视频片段截取的合理性，同时保证了各个视频片段之间的协调性和整体性的要求。
Description
技术领域
本发明涉及信息处理技术领域，特别是涉及一种视频处理方法，以及一种视频处理装置。
背景技术
目前，短视频行业进入爆发期，通过与各个领域相结合，短视频对电商、广告、文娱等领域将产生巨大的推动和颠覆。一个完整的短视频的制作流程通常包括素材选取、视频剪辑、后期特效等处理技术(其中，又可以细分为片头片尾、配乐、音乐打点、转场特效、字幕、前景动画、滤镜、调色等)，对制作者的专业能力要求很高。现有的自动视频剪辑技术多数是通过对原始素材进行简单的拼接，无法合理的选取原始素材中的片段，也无法满足短视频中各个片段之间的协调性和整体性的要求。
发明内容
鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种视频处理方法和相应的一种视频处理装置。
为了解决上述问题，本发明实施例公开了一种视频处理方法，包括：
获取待处理素材和剪辑模板；
确定所述待处理素材中各帧画面的内容标签；
按照所述各帧画面的内容标签切割所述待处理素材，得到多个视频片段；
根据所述剪辑模板从所述多个视频片段中确定多个目标片段，拼接所述多个目标片段得到短视频。
可选地，所述确定所述待处理素材中各帧画面的内容标签，包括：
从预设标签文件库中，查找与所述待处理素材匹配的标签文件；
从所述标签文件中提取所述待处理素材中各帧画面的内容标签。
可选地，所述确定所述待处理素材中各帧画面的内容标签，包括：
对所述待处理素材中各帧画面进行内容分析，得到所述待处理素材中各帧画面的内容标签。
可选地，所述对所述待处理素材中各帧画面进行内容分析，得到所述待处理素材中各帧画面的内容标签，包括：
对所述待处理素材中各帧画面进行图像分类，得到所述待处理素材中各帧画面的内容标签；或，
对所述待处理素材中各帧画面进行目标检测，得到所述待处理素材中各帧画面的内容标签；或，
对所述待处理素材中各帧画面进行画面质量分析，得到所述待处理素材中各帧画面的内容标签。
可选地，还包括：
根据所述各帧画面的内容标签生成与所述待处理素材对应的标签文件，并存储所述标签文件到预设标签文件库中。
可选地，所述剪辑模板包含：每个片段的开始和结束的时间和对每个片段的内容要求；所述根据所述剪辑模板从所述多个视频片段中确定多个目标片段，包括：
根据所述每个片段的开始和结束的时间和所述对每个片段的内容要求，从所述多个视频片段中确定多个目标片段。
可选地，所述剪辑模板还包含背景音乐要求、特效要求和片段顺序要求；
所述拼接所述多个目标片段得到短视频，包括：
根据所述背景音乐要求和特效要求，确定目标背景音乐和目标特效；
根据所述片段顺序要求，拼接所述多个目标片段得到初始视频；
将所述目标背景音乐和目标特效添加至所述初始视频中得到短视频。
可选地，所述特效要求包括字幕要求，所述根据所述特效要求确定目标特效，包括：
提取所述多个目标片段的内容标签；
从预设字幕库中，根据所述字幕要求查找与所述内容标签匹配的目标字幕。
可选地，所述的方法还包括：
分别计算所述多个视频片段对应的多个质量评估值；
所述根据所述每个片段的开始和结束的时间和所述对每个片段的内容要求，从所述多个视频片段中确定多个目标片段，还包括：
依次根据所述每个片段的开始和结束的时间，计算每个片段的片段长度要求；
根据所述对每个片段的内容要求和片段长度要求，从所述多个视频片段中确定匹配的多个第一片段；
从所述多个质量评估值中，确定与所述多个第一片段对应的目标质量评估值，并确定目标质量评估值最大的第一片段；
根据所述每个片段的片段长度要求截取所述目标质量评估值最大的第一片段，得到目标片段。
可选地，所述分别计算所述多个视频片段对应的多个质量评估值，包括：
分别统计所述多个视频片段中低质量帧的数量；其中，所述低质量帧包括画面不美观的帧，过暗的帧，过曝的帧和模糊的帧；
根据所述低质量帧的数量计算所述多个视频片段对应的质量评估值。
本发明实施例还公开了一种视频处理装置，包括：
视频获取模块，用于获取待处理素材和剪辑模板；
标签确定模块，用于确定所述待处理素材中各帧画面的内容标签；
视频切割模块，用于按照所述各帧画面的内容标签切割所述待处理素材，得到多个视频片段；
片段拼接模块，用于根据所述剪辑模板从所述多个视频片段中确定多个目标片段，拼接所述多个目标片段得到短视频。
本发明实施例还公开了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如本发明实施例任一项所述的方法。
本发明实施例还公开了一种电子设备，包括：
一个或多个处理器；和
其上存储有指令的一个或多个机器可读介质，当由所述一个或多个处理器执行时，使得所述电子设备执行如本发明实施例任一项所述的方法。
本发明实施例包括以下优点：
在本发明实施例中，通过获取待处理素材和剪辑模板，确定待处理素材中各帧画面的内容标签，按照各帧画面的内容标签切割待处理素材得到多个视频片段，根据剪辑模板从多个视频片段中确定多个目标片段，拼接多个目标片段得到短视频。利用内容标签切割素材，使得素材切割和选取的过程自动化，保证了视频片段截取的合理性，同时保证了各个视频片段之间的协调性和整体性的要求。
附图说明
图1是本发明的一种智能视频剪辑系统的结构框图；
图2是本发明的一种智能视频剪辑流程的示意图；
图3是本发明的一种视频处理方法实施例的步骤流程图；
图4是本发明的一种剪辑模板的示意图；
图5是本发明的一种视频处理装置实施例的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明实施例可以应用于智能视频剪辑系统中，如图1所示，智能视频剪辑系统包括：智能剪辑模块、视频模板库、标签文件存储装置、原始素材存储装置、包装元素库。其中，智能剪辑模块包括：素材内容分析、素材质量评估、智能模板匹配、视频片段选取、包装特效选取、视频片段整合、特效渲染等子模块，包装元素库包括：转场特效库、字幕库、包装特效库、片头片尾库和的背景音乐库。本发明实施例的核心内容之一是：通过智能剪辑模块，将多段未经剪辑的原始视频素材，智能化的进行内容分析、片段选取，从包装元素库中选取包装特效，进行视频片段整合以及特效渲染，最终可以得到一个内容丰富、特效精美的短视频。
如图2示出了本发明的一种智能视频剪辑流程框图，通过用户手动选取备用素材，然后进行智能视频剪辑，成片预览或存储。用户只需要从原始素材库中选择自己希望使用的备用素材，之后所有后续的剪辑制作都由智能剪辑模块自动完成，无需用户参与。
参照图3，示出了本发明的一种视频处理方法实施例的步骤流程图，具体可以包括如下步骤：
步骤301，获取待处理素材和剪辑模板；
待处理素材可以是用于制作视频的备用素材，待处理素材包括但不仅限于：视频、图片、动态图片等可以作为视频内容的多媒体资源。
本发明实施例可以应用于具有视频编辑功能的编辑应用，该编辑应用中可以部署原始素材库，用户可以从原始素材库中选择希望使用的一个或多个原始素材，作为待处理素材。具体的，编辑应用可以提供一图形用户界面，在图形用户界面上展示原始素材库中的原始素材，用户可以通过在图形用户界面上选择希望使用的一个或多个原始素材，并上报选择操作至编辑应用，编辑应用可以根据该选择操作从原始素材库中确定一个或多个待处理素材。
编辑应用中还可以部署视频模板库，该视频模板库中可以包含各种各样的视频模板，一个视频模板可以包含如下内容：1、每个片段的开始和结束的时间；2、对每个片段的内容要求；3、背景音乐和特效要求；等等。用户可以从视频模板库中手动选择视频模板，具体的，编辑应用可以提供一图形用户界面，在图形用户界面上展示视频模板库中的视频模板，用户可以通过在图形用户界面上选择希望使用的视频模板，编辑应用可以根据用户的选择操作确定剪辑模板。
此外，还可以从视频模板库中智能匹配剪辑模板。匹配规则如下：1、对于模板中的每个片段，依据片段要求，在备选素材中进行查找，如果备选素材中的某个片段的内容标签符合该模板片段的内容要求，并且素材片段的片段长度大于或等于模板片段上的片段长度要求，就认为该模板片段被匹配上了。2、计算匹配度Pmatch＝Nmatch/Nclip，其中Nmatch表示模板上所有被匹配的片段的个数，Nclip表示模板中片段的总个数，Pmatch越大，表明该模板与备选素材的匹配度越大，最终选取匹配度最高的一个模板作为剪辑模板。如果多个模板匹配度相同且都为最高，可以从中随机选取一个模板作为剪辑模板。具体的，用户在选择了自己想要使用的素材之后，系统会自动根据所选素材为用户智能匹配并推荐一个模板。用户也可以通过图形用户界面手动选择其他模板。
步骤302，确定所述待处理素材中各帧画面的内容标签；
具体的，可以分别确定每一个待处理素材中各帧画面的内容标签，内容标签可以是用于描述各帧画面的内容的关键字词，例如，一帧画面中有一只猫，则该帧画面对应的内容标签可以是“猫”。内容标签可以包括场景标签、物体标签、人脸标签等，每一种内容标签有不同的类别，例如，场景标签下，可以有家里、沙滩、森林等不同类别。
对于待处理素材可以在先对每一帧画面的内容进行分析(包括图像识别、目标检测等智能分析)，然后针对每一帧画面的内容生成对应的内容标签，并保存这些内容标签得到标签文件，以便于后续需要确定各帧画面的内容标签时，直接从标签文件中查找得到，提高视频处理的速度。此外，如果是在先未针对待处理素材生成各帧画面的内容标签，则可以实时对待处理素材中各帧画面的内容进行分析，从而根据分析的结果得到待处理素材中各帧画面的内容标签。
步骤303，按照所述各帧画面的内容标签切割所述待处理素材，得到多个视频片段；
每一个内容标签下具有不同的类别，例如，场景标签下，可以有家里、沙滩、森林等不同类别。可以以某个内容标签为准，将该内容标签下类别相同或相近的连续多帧画面归为一个片段。这样一个待处理素材就可以切割为多个视频片段，每一个视频片段中的各帧画面都具有相同的类别。依据的内容标签不同，切割待处理素材的结果也可能不同。
作为一种示例，假设用户选择了如图4所示的一个视频模板，该模板要求依据物体标签对待处理素材进行切割。视频模板中要求片段包含猫、狗，因此剪辑系统使用物体检测算法检测待处理素材的每一帧画面是否包含猫和狗，并生成对应的内容标签。对待处理素材进行检测后，依据每帧画面的内容标签将待处理素材切割为包含“猫”的视频片段，包含“狗”的视频片段，同时包含“狗和猫”的视频片段，以及其他片段。
需要说明的是，在具体实现中可以根据实际需要，定义不同的内容标签作为切割依据，本发明实施例对此并不限制。此外，在切割待处理素材时，也可以选择使用多个内容标签，依据多个内容标签分别对待处理素材进行切割。
步骤304，根据所述剪辑模板从所述多个视频片段中确定多个目标片段，拼接所述多个目标片段得到短视频。
具体的，剪辑模板中可以规定：每个片段的开始和结束的时间，对每个片段的内容的要求，背景音乐和特效要求等等。编辑应用可以自动根据剪辑模板中每个片段的开始和结束的时间和对每个片段的内容的要求，从多个视频片段中选取符合要求的多个目标片段。
此外，还可以根据剪辑模板中的背景音乐和特效要求，从预设背景音乐库和预设特效库中，选取目标背景音乐和目标特效等。其中，特效可以包括：转场特效、字幕特效、包装特效、片头特效和片尾特效等。
在选取多个目标片段之后，可以对多个目标片段进行整合(如按照剪辑模板中固定的片段顺序整合多个目标片段)，并添加目标背景音乐和目标特效，得到短视频，该短视频具有内容丰富、特效精美等优点。
作为一种示例，如图4所示中，“猫狗大战”的剪辑模板，图中箭头表示最终成片的时间轴，该剪辑模板包括片头、片尾和中间的三个视频片段。其中，0～2s为片头特效，第一个视频片段从第2s开始到第12s结束，内容要求是关于猫的镜头；第二个视频片段从第12s开始到第22s结束，内容要求是关于狗的镜头；第三个视频片段从第22s开始到第35s结束，内容要求是关于狗和猫的镜头，最后是一个片尾特效。
在本发明的一种优选实施例中，所述步骤302可以包括如下子步骤：
从预设标签文件库中，分别查找与所述待处理素材匹配的标签文件；从所述标签文件中提取所述待处理素材中各帧画面的内容标签。
其中，预设标签文件库可以是预先设定的文件数据库，用于存储待处理素材对应的标签文件，标签文件与待处理素材一一对应，标签文件中包含记录待处理素材中各帧画面的内容标签。
在本发明实施例中，当需要确定各帧画面的内容标签时，可以从预设标签文件库中查找是否存在与待处理素材匹配的标签文件，若存在与待处理素材匹配的标签文件，则从匹配的标签文件中提取待处理素材中各帧画面的内容标签，从而可以提高确定各帧画面的内容标签的效率，进而提高视频处理的效率。
在本发明的一种优选实施例中，所述步骤302还可以包括如下子步骤：
对所述待处理素材中各帧画面进行内容分析，得到所述待处理素材中各帧画面的内容标签。
具体的，可以基于机器学习、深度学习的人工智能技术，分别对各个待处理素材中各帧画面进行内容分析，得到各帧画面的内容信息，然后根据内容信息生成各个待处理素材中各帧画面的内容标签。其中，内容分析可以包括图像分类、目标检测和画面质量分析等。
需要说明的是，对于待处理素材中的视频，可以对视频中的每一帧画面进行内容分析，也可以每隔一定的时间(例如0.5s)进行内容分析，以加快内容分析的速度。
在本发明的一种优选实施例中，所述对所述待处理素材中各帧画面进行内容分析，得到所述待处理素材中各帧画面的内容标签，可以包括如下子步骤：
子步骤S11，对所述待处理素材中各帧画面进行图像分类，得到所述待处理素材中各帧画面的内容标签；或，
具体的，可以利用CNN(Convolutional Neural Networks，深度卷积神经网络)和SVM(Support Vector Machine，支持向量机)等机器学习算法，对待处理素材中各帧画面进行图像分类。其中，深度卷积神经网络包括但不仅限于：MobileNet V1/V2/V3、EfficientNet等常用的卷积神经网络。
利用机器学习算法分别对待处理素材中各帧画面进行图像分类，得到各帧画面的画面信息，该画面信息包括但不仅限于：1、画面所属的场景及其置信度，例如家里、沙滩、森林等；2、画面的主体物品及其置信度，例如人、汽车、猫等；3、画面的活动及其置信度，例如聚会、生日等；4、画面的属性及其置信度，例如室内外、人造、自然等。
在得到各帧画面的画面信息之后，可以根据该画面信息生成对应的内容标签，其中，内容标签可以携带其对应的分类属性。如，画面信息为“家里有一群人在聚会”则可以根据该画面信息生成内容标签为“场景标签”，所属类别为“家里”，或生成内容标签为“主体标签”，所属类别为“人”，或内容标签为“活动标签”，所属类别为“聚会”等。
需要说明的是，由于一个帧画面的场景往往较为复杂，因此一个帧画面可以具有一个或多个内容标签，具体内容标签的个数可以根据实际需要进行设定，本发明实施例对此并不限制。
子步骤S12，对所述待处理素材中各帧画面进行目标检测，得到所述待处理素材中各帧画面的内容标签；或，
具体的，可以利用基于深度卷积神经网络的目标检测算法，对待处理素材中各帧画面进行目标检测。其中，目标检测算法包括但不仅限于：YOLO V1/V2/V3算法，Faster-RCNN及其各个优化改进算法，RetinaNet及其各种优化改进算法等。
利用上述目标检测算法分别对待处理素材中各帧画面进行目标检测，得到各帧画面的画面信息，并根据画面信息生成对应的内容标签。该画面信息包括但不仅限于：1、画面中的物体以及物体的位置、大小、置信度等信息，如人和/或猫等，及人和/或猫的位置、大小、置信度，2、画面中的人脸的位置、大小、置信度等信息。此外，在得到画面中的人脸的位置、大小、置信度等信息之后，还可以进一步利用卷积神经网络、支持向量机、决策树等机器学习算法，得到与该人脸对应的性别、表情、年龄、美观度等信息。
子步骤S13，对所述待处理素材中各帧画面进行画面质量分析，得到所述待处理素材中各帧画面的内容标签。
具体的，可以利用深度卷积神经网络和支持向量机等机器学习算法，对待处理素材中各帧画面进行画面质量分析，得到各帧画面的画面信息，并根据画面信息生成对应的内容标签。该画面信息包括但不仅限于：画面的美观程度、是否过暗过曝、是否模糊等信息。
在本发明的一种优选实施例中，还包括：
根据所述各帧画面的内容标签生成与待处理素材对应的标签文件，并存储所述标签文件到预设标签文件库中。
在本发明实施例中，可以将上述基于机器学习、深度学习的人工智能技术对待处理素材中各帧画面进行内容分析后，得到的各帧画面的内容标签生成与待处理素材对应的标签文件，并存储该标签文件到预设标签文件库中。该预设标签文件库可以是预先设定的文件数据库，用于存储待处理素材对应的标签文件，标签文件与待处理素材一一对应，标签文件中包含待处理素材中各帧画面的内容标签。将生成的内容标签存储在标签文件中，可以避免重复处理，节省处理时间。
在本发明的一种优选实施例中，所述剪辑模板包含：每个片段的开始和结束的时间和对每个片段的内容要求；所述步骤304可以包括如下子步骤：
根据所述每个片段的开始和结束的时间和所述对每个片段的内容要求，从所述多个视频片段中确定多个目标片段。
具体的，可以根据对每个片段的内容要求，确定符合每个片段的内容要求的多个视频片段，然后根据每个片段的开始和结束的时间计算每个片段持续的时间，从符合每个片段内容要求的多个视频片段中，筛选长度大于或等于每个片段持续时间的多个第一片段。
在本发明的一种优选实施例中，所述剪辑模板还包含背景音乐要求、特效要求和片段顺序要求；
所述步骤304可以包括如下子步骤：
根据所述背景音乐要求和特效要求，确定目标背景音乐和目标特效；根据所述片段顺序要求，拼接所述多个目标片段得到初始视频；将所述目标背景音乐和目标特效添加至所述初始视频中得到短视频。
具体的，可以从预设包装元素库中，根据背景音乐要求和特效要求确定目标背景音乐和目标特效，该预设包装元素库可以是预先设定的特效数据库，用于存储背景音乐和特效，其中，特效可以包括转场特效、字幕特效、包装特效、片头片尾等。进而，可以根据片段顺序要求拼接多个目标片段得到初始视频，然后将目标背景音乐和目标特效添加至初始视频中得到短视频。
在本发明的一种优选实施例中，所述特效要求包括字幕要求，所述根据所述特效要求确定目标特效，包括：
提取所述多个目标片段中各帧画面的内容标签；从预设字幕库中，根据所述字幕要求查找与所述内容标签匹配的目标字幕。
在本发明实施例中，可以分别提取目标片段中各帧画面的内容标签，将该内容标签作为检索关键字，从预设字幕库中，根据字幕要求查找与内容标签匹配的目标字幕。当查找到符合要求的多个字幕时，可以从多个字幕中随机选择一个作为目标字幕。
具体的，内容标签携带对应的类别属性，可以从预设字幕库中，根据字幕要求查找与内容标签的类别属性匹配的目标字幕。其中，预设字幕库可以是预先设定的字幕数据库，用于存储与内容标签对应的字幕，或，存储与内容标签的类别属性对应的字幕。作为一种示例，如图4中，各帧画面的内容标签为“物体标签”，第一个片段对应的类别为“猫”，那么就在预设字幕库中搜索与“猫”有关的字幕。
在本发明的一种优选实施例中，所述的方法还包括：
分别计算所述多个视频片段对应的多个质量评估值；
在本发明实施例中，可以分别计算每个视频片段对应的质量评估值。具体的，可以统计每个视频片段中低质量帧的数量，根据低质量帧的数量确定该视频片段的质量评估值。
所述根据所述每个片段的开始和结束的时间和所述对每个片段的内容要求，从所述多个视频片段中确定多个目标片段，还包括：
依次根据所述每个片段的开始和结束的时间，计算每个片段的片段长度要求；根据所述对每个片段的内容要求和片段长度要求，从所述多个视频片段中确定匹配的多个第一片段；从所述多个质量评估值中，确定与所述多个第一片段对应的目标质量评估值，并确定目标质量评估值最大的第一片段；根据所述每个片段的片段长度要求截取所述目标质量评估值最大的第一片段，得到目标片段。
在本发明实施例中，可以根据每个片段的开始和结束的时间，计算每个片段的片段长度要求，根据每个片段的内容要求和片段长度要求，从多个视频片段中找到匹配的多个第一片段；然后，根据第一片段的质量评估值的结果，对匹配的多个第一片段进行排序，选取质量评估值最高的一个第一片段；按照片段长度要求，对选出的第一片段进行截取，截取出来的视频片段作为最终成片中使用的目标片段。
具体的，可以根据剪辑模板中对每个片段的内容要求和片段长度要求，从多个视频片段中确定匹配的多个第一片段。然后从在先计算得到的与每个视频片段对应的质量评估值，分别确定与每个第一片段对应的目标质量评估值。然后根据目标质量评估值，从多个第一片段中确定目标质量评估值最大的第一片段。在确定目标质量评估值最大的第一片段之后，根据每个片段的片段长度要求截取目标质量评估值最大的第一片段，得到目标片段。
在本发明的一种优选实施例中，所述分别计算所述多个视频片段对应的多个质量评估值，包括：
分别统计所述多个视频片段中低质量帧的数量；其中，所述低质量帧包括画面不美观的帧，过暗的帧，过曝的帧和模糊的帧；根据所述低质量帧的数量计算所述多个视频片段对应的质量评估值。
具体的，可以计算每个视频片段中，画面不美观的帧、过暗的帧、过曝的帧、模糊的帧(即低质量帧)所占的比例Plow，通过统计低质量帧的数量，以及每个视频片段中总的帧数量，Plow＝低质量帧的数量/总的帧数量，定义质量评估值Qclip，作为每个视频片段质量的评价标准，则Qclip＝1-Plow。
需要说明的是，本发明实施例中上述的各个步骤可能以不同的顺序处理，或者并行的处理。例如，对视频片段的质量评估和剪辑模板匹配可以并行的处理；视频片段切割也可以在剪辑模板匹配时，依据特定模板的要求来切割；等等。特别的，智能剪辑模块中各个步骤都可以让用户手动参与，而非必须自动处理，例如，视频片段选取时，用户可以更改智能选取的目标片段。
通过利用基于深度学习和机器学习的人工智能技术，自动分析原始素材的内容，使视频切割和选取的过程自动化；自动分析的结果存储在标签文件中，避免重复处理，节省运行时间；利用剪辑模板来指导视频的剪辑，同时利用人工智能技术得到素材对应的内容标签，实现了素材的自动选取和排列。保证了片段截取的合理性，同时保证了各个片段之间的协调性和整体性的要求。通过智能模板匹配，保证能以最合适的剪辑模板来剪辑视频；利用人工智能算法对素材的质量进行评估，在片段选取时优先选择高质量片段，提高成片质量。此外，字幕可以根据片段的内容标签进行自动选择，保证了字幕和片段能匹配；自动添加转场、包装、片头片尾、背景音乐等特效；剪辑模板可以规定默认的特效，使特效和目标视频能完全匹配，例如背景音乐可以和剪辑模板主题匹配，节奏和转场匹配等；使用方便，用户只需要选择好自己喜欢的备用素材，就可以自动的生成一个精美的短视频。利用模块化的系统结构，保证了使用时的灵活性，用户可以手动参与视频剪辑的各个阶段。
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
参照图5，示出了本发明的一种视频处理装置实施例的结构框图，具体可以包括如下模块：
视频获取模块501，用于获取待处理素材和剪辑模板；
标签确定模块502，用于确定所述待处理素材中各帧画面的内容标签；
视频切割模块503，用于按照所述各帧画面的内容标签切割所述待处理素材，得到多个视频片段；
片段拼接模块504，用于根据所述剪辑模板从所述多个视频片段中确定多个目标片段，拼接所述多个目标片段得到短视频。
在本发明的一种优选实施例中，所述标签确定模块502包括：
标签文件查找子模块，用于从预设标签文件库中，查找与所述待处理素材匹配的标签文件；
内容标签提取子模块，用于从所述标签文件中提取所述待处理素材中各帧画面的内容标签。
在本发明的一种优选实施例中，所述标签确定模块502包括：
内容分析子模块，用于对所述待处理素材中各帧画面进行内容分析，得到所述待处理素材中各帧画面的内容标签。
在本发明的一种优选实施例中，所述内容分析子模块包括：
第一分析单元，用于对所述待处理素材中各帧画面进行图像分类，得到所述待处理素材中各帧画面的内容标签；或，
第二分析单元，用于对所述待处理素材中各帧画面进行目标检测，得到所述待处理素材中各帧画面的内容标签；或，
第三分析单元，用于对所述待处理素材中各帧画面进行画面质量分析，得到所述待处理素材中各帧画面的内容标签。
在本发明的一种优选实施例中，还包括：
存储单元，用于根据所述各帧画面的内容标签生成与所述待处理素材对应的标签文件，并存储所述标签文件到预设标签文件库中。
在本发明的一种优选实施例中，所述剪辑模板包含：每个片段的开始和结束的时间和对每个片段的内容要求；所述片段拼接模块504包括：
目标片段确定子模块，用于根据所述每个片段的开始和结束的时间和所述对每个片段的内容要求，从所述多个视频片段中确定多个目标片段。
在本发明的一种优选实施例中，所述剪辑模板还包含背景音乐要求、特效要求和片段顺序要求；
所述片段拼接模块504包括：
特效确定子模块，用于根据所述背景音乐要求和特效要求，确定目标背景音乐和目标特效；
拼接子模块，用于根据所述片段顺序要求，拼接所述多个目标片段得到初始视频；
特效添加子模块，用于将所述目标背景音乐和目标特效添加至所述初始视频中得到短视频。
在本发明的一种优选实施例中，所述特效要求包括字幕要求，所述特效确定子模块，包括：
内容标签提取单元，用于提取所述多个目标片段的内容标签；
目标字幕确定单元，用于从预设字幕库中，根据所述字幕要求查找与所述内容标签匹配的目标字幕。
在本发明的一种优选实施例中，所述的装置还包括：
质量评估模块，用于分别计算所述多个视频片段对应的多个质量评估值；
所述目标片段确定子模块，还包括：
长度计算单元，用于依次根据所述每个片段的开始和结束的时间，计算每个片段的片段长度要求；
第一确定单元，用于根据所述对每个片段的内容要求和片段长度要求，从所述多个视频片段中确定匹配的多个第一片段；
第二确定单元，用于从所述多个质量评估值中，确定与所述多个第一片段对应的目标质量评估值，并确定目标质量评估值最大的第一片段；
片段截取单元，用于根据所述每个片段的片段长度要求截取所述目标质量评估值最大的第一片段，得到目标片段。
在本发明的一种优选实施例中，所述质量评估模块，包括：
统计子模块，用于分别统计所述多个视频片段中低质量帧的数量；其中，所述低质量帧包括画面不美观的帧，过暗的帧，过曝的帧和模糊的帧；
质量评估子模块，用于根据所述低质量帧的数量计算所述多个视频片段对应的质量评估值。
对于装置实施例而言，由于其与方法实施例基本相似，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。
本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如本发明实施例任一项所述的方法。
本发明实施例还提供了一种电子设备，包括：
一个或多个处理器；和
其上存储有指令的一个或多个机器可读介质，当由所述一个或多个处理器执行时，使得所述电子设备执行如本发明实施例任一项所述的方法。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后，还需要说明的是，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、物品或者终端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、物品或者终端设备所固有的要素。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、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种视频处理方法和一种视频处理装置，进行了详细介绍，本文中应用了具体个例对本发明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发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，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发明的限制。
Claims (13)
1.一种视频处理方法，其特征在于，包括：
获取待处理素材和剪辑模板；
确定所述待处理素材中各帧画面的内容标签；
按照所述各帧画面的内容标签切割所述待处理素材，得到多个视频片段；所述内容标签具有多个不同的类别；所述每个视频片段通过归纳同一内容标签下类别相同或相近的连续多帧画面得到；所述多个视频片段对应多个不同的类别；
根据所述剪辑模板从所述多个视频片段中确定多个目标片段，拼接所述多个目标片段得到短视频；所述短视频包括从预设字幕库中查找的目标字幕，所述查找的目标字幕与所述多个目标片段的内容标签匹配。
2.根据权利要求1所述的方法，其特征在于，所述确定所述待处理素材中各帧画面的内容标签，包括：
从预设标签文件库中，查找与所述待处理素材匹配的标签文件；
从所述标签文件中提取所述待处理素材中各帧画面的内容标签。
3.根据权利要求1所述的方法，其特征在于，所述确定所述待处理素材中各帧画面的内容标签，包括：
对所述待处理素材中各帧画面进行内容分析，得到所述待处理素材中各帧画面的内容标签。
4.根据权利要求3所述的方法，其特征在于，所述对所述待处理素材中各帧画面进行内容分析，得到所述待处理素材中各帧画面的内容标签，包括：
对所述待处理素材中各帧画面进行图像分类，得到所述待处理素材中各帧画面的内容标签；或，
对所述待处理素材中各帧画面进行目标检测，得到所述待处理素材中各帧画面的内容标签；或，
对所述待处理素材中各帧画面进行画面质量分析，得到所述待处理素材中各帧画面的内容标签。
5.根据权利要求4所述的方法，其特征在于，还包括：
根据所述各帧画面的内容标签生成与所述待处理素材对应的标签文件，并存储所述标签文件到预设标签文件库中。
6.根据权利要求1所述的方法，其特征在于，所述剪辑模板包含：每个片段的开始和结束的时间和对每个片段的内容要求；所述根据所述剪辑模板从所述多个视频片段中确定多个目标片段，包括：
根据所述每个片段的开始和结束的时间和所述对每个片段的内容要求，从所述多个视频片段中确定多个目标片段。
7.根据权利要求1或6所述的方法，其特征在于，所述剪辑模板还包含背景音乐要求、特效要求和片段顺序要求；
所述拼接所述多个目标片段得到短视频，包括：
根据所述背景音乐要求和特效要求，确定目标背景音乐和目标特效；
根据所述片段顺序要求，拼接所述多个目标片段得到初始视频；
将所述目标背景音乐和目标特效添加至所述初始视频中得到短视频。
8.根据权利要求7所述的方法，其特征在于，所述特效要求包括字幕要求，所述根据所述特效要求确定目标特效，包括：
提取所述多个目标片段的内容标签；
从预设字幕库中，根据所述字幕要求查找与所述内容标签匹配的目标字幕。
9.根据权利要求6所述的方法，其特征在于，所述的方法还包括：
分别计算所述多个视频片段对应的多个质量评估值；
所述根据所述每个片段的开始和结束的时间和所述对每个片段的内容要求，从所述多个视频片段中确定多个目标片段，还包括：
依次根据所述每个片段的开始和结束的时间，计算每个片段的片段长度要求；
根据所述对每个片段的内容要求和片段长度要求，从所述多个视频片段中确定匹配的多个第一片段；
从所述多个质量评估值中，确定与所述多个第一片段对应的目标质量评估值，并确定目标质量评估值最大的第一片段；
根据所述每个片段的片段长度要求截取所述目标质量评估值最大的第一片段，得到目标片段。
10.根据权利要求9所述的方法，其特征在于，所述分别计算所述多个视频片段对应的多个质量评估值，包括：
分别统计所述多个视频片段中低质量帧的数量；其中，所述低质量帧包括画面不美观的帧，过暗的帧，过曝的帧和模糊的帧；
根据所述低质量帧的数量计算所述多个视频片段对应的质量评估值。
11.一种视频处理装置，其特征在于，包括：
视频获取模块，用于获取待处理素材和剪辑模板；
标签确定模块，用于确定所述待处理素材中各帧画面的内容标签；
视频切割模块，用于按照所述各帧画面的内容标签切割所述待处理素材，得到多个视频片段；所述内容标签具有多个不同的类别；所述每个视频片段通过归纳同一内容标签下类别相同或相近的连续多帧画面得到；所述多个视频片段对应多个不同的类别；
片段拼接模块，用于根据所述剪辑模板从所述多个视频片段中确定多个目标片段，拼接所述多个目标片段得到短视频；所述短视频包括从预设字幕库中查找的目标字幕，所述查找的目标字幕与所述多个目标片段的内容标签匹配。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1至10中任一项所述的方法。
13.一种电子设备，其特征在于，包括：
一个或多个处理器；和
其上存储有指令的一个或多个机器可读介质，当由所述一个或多个处理器执行时，使得所述电子设备执行如权利要求1至10中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010576565.XA CN111866585B (zh) | 2020-06-22 | 2020-06-22 | 一种视频处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010576565.XA CN111866585B (zh) | 2020-06-22 | 2020-06-22 | 一种视频处理方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111866585A CN111866585A (zh) | 2020-10-30 |
| CN111866585B true CN111866585B (zh) | 2023-03-24 |
Family
ID=72988377
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010576565.XA Active CN111866585B (zh) | 2020-06-22 | 2020-06-22 | 一种视频处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111866585B (zh) |
Families Citing this family (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112565825B (zh) | 2020-12-02 | 2022-05-13 | 腾讯科技（深圳）有限公司 | 一种视频数据处理方法、装置、设备以及介质 |
| CN112700422A (zh) * | 2021-01-06 | 2021-04-23 | 百果园技术(新加坡)有限公司 | 一种过曝点检测方法、装置、电子设备及存储介质 |
| CN112911379B (zh) * | 2021-01-15 | 2023-06-27 | 北京字跳网络技术有限公司 | 视频生成方法、装置、电子设备和存储介质 |
| CN112784078A (zh) * | 2021-01-22 | 2021-05-11 | 哈尔滨玖楼科技有限公司 | 一种基于语义识别的视频自动剪辑方法 |
| CN112702650A (zh) * | 2021-01-27 | 2021-04-23 | 成都数字博览科技有限公司 | 一种献血推广方法和献血车 |
| CN114845157B (zh) * | 2021-01-30 | 2024-04-12 | 华为技术有限公司 | 一种视频处理方法及电子设备 |
| CN113709560B (zh) * | 2021-03-31 | 2024-01-02 | 腾讯科技（深圳）有限公司 | 视频剪辑方法、装置、设备及存储介质 |
| CN113077296A (zh) * | 2021-04-21 | 2021-07-06 | 深圳市东信时代信息技术有限公司 | 基于自动剪辑的广告播放方法、移动设备及存储介质 |
| CN113329261B (zh) * | 2021-08-02 | 2021-12-07 | 北京达佳互联信息技术有限公司 | 视频处理方法及装置 |
| CN113852858A (zh) * | 2021-08-19 | 2021-12-28 | 阿里巴巴（中国）有限公司 | 视频处理方法及电子设备 |
| CN113794930B (zh) * | 2021-09-10 | 2023-11-24 | 中国联合网络通信集团有限公司 | 视频生成方法、装置、设备及存储介质 |
| CN113518242B (zh) * | 2021-09-15 | 2021-12-14 | 秒影工场(北京)科技有限公司 | 基于模板拍摄和自动剪辑的短视频制作方法及装置 |
| CN114268848A (zh) * | 2021-12-17 | 2022-04-01 | 北京达佳互联信息技术有限公司 | 一种视频生成方法、装置、电子设备及存储介质 |
| CN114501058A (zh) * | 2021-12-24 | 2022-05-13 | 北京达佳互联信息技术有限公司 | 一种视频生成方法、装置、电子设备及存储介质 |
| CN114520931B (zh) * | 2021-12-31 | 2024-01-23 | 脸萌有限公司 | 视频生成方法、装置、电子设备及可读存储介质 |
| CN114302231B (zh) * | 2021-12-31 | 2023-08-18 | 中国传媒大学 | 视频处理方法及装置、电子设备和存储介质 |
| CN114915841A (zh) * | 2022-05-10 | 2022-08-16 | 南京搜福居信息科技有限公司 | 一种基于机器学习算法的视频制作方法及系统 |
| CN114885212B (zh) * | 2022-05-16 | 2024-02-23 | 北京三快在线科技有限公司 | 一种视频生成方法、装置、存储介质及电子设备 |
| CN115052201A (zh) * | 2022-05-17 | 2022-09-13 | 阿里巴巴（中国）有限公司 | 视频剪辑方法及电子设备 |
| CN115086760A (zh) * | 2022-05-18 | 2022-09-20 | 阿里巴巴（中国）有限公司 | 直播视频剪辑方法、装置及设备 |
| CN114943964A (zh) * | 2022-05-18 | 2022-08-26 | 岚图汽车科技有限公司 | 一种车载短视频的生成方法及装置 |
| CN115150661B (zh) * | 2022-06-23 | 2024-04-09 | 深圳市闪剪智能科技有限公司 | 视频关键片段的包装方法及相关装置 |
| CN118233704A (zh) * | 2022-12-21 | 2024-06-21 | 北京字跳网络技术有限公司 | 视频剪辑方法、装置、电子设备及可读存储介质 |
| CN115866347B (zh) * | 2023-02-22 | 2023-08-01 | 北京百度网讯科技有限公司 | 视频处理方法、装置、电子设备 |
| CN116546274B (zh) * | 2023-07-07 | 2023-10-20 | 荣耀终端有限公司 | 视频切分方法、选取方法、合成方法及相关装置 |
| CN116847123A (zh) * | 2023-08-01 | 2023-10-03 | 南拳互娱(武汉)文化传媒有限公司 | 一种视频后期剪辑与视频合成优化方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105930843A (zh) * | 2016-04-19 | 2016-09-07 | 鲁东大学 | 一种模糊视频图像的分割方法及装置 |
| CN109672939A (zh) * | 2019-01-07 | 2019-04-23 | 北京奇艺世纪科技有限公司 | 一种标记视频内容热度的方法及装置 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101909161B (zh) * | 2009-12-17 | 2013-12-25 | 新奥特（北京）视频技术有限公司 | 一种视频剪辑方法及装置 |
| CN103167283B (zh) * | 2011-12-19 | 2016-03-02 | 华为技术有限公司 | 一种视频编码方法及设备 |
| US9210361B2 (en) * | 2012-04-24 | 2015-12-08 | Skreens Entertainment Technologies, Inc. | Video display system |
| CN103928039B (zh) * | 2014-04-15 | 2016-09-21 | 北京奇艺世纪科技有限公司 | 一种视频合成方法及装置 |
| CN107147959B (zh) * | 2017-05-05 | 2020-06-19 | 中广热点云科技有限公司 | 一种广播视频剪辑获取方法及系统 |
| CN108769733A (zh) * | 2018-06-22 | 2018-11-06 | 三星电子（中国）研发中心 | 视频剪辑方法和视频剪辑装置 |
| CN109889882B (zh) * | 2019-01-24 | 2021-06-18 | 深圳亿幕信息科技有限公司 | 一种视频剪辑合成方法和系统 |
| CN109819179B (zh) * | 2019-03-21 | 2022-02-01 | 腾讯科技（深圳）有限公司 | 一种视频剪辑方法和装置 |
| CN110139159B (zh) * | 2019-06-21 | 2021-04-06 | 上海摩象网络科技有限公司 | 视频素材的处理方法、装置及存储介质 |
| CN111083393B (zh) * | 2019-12-06 | 2021-09-14 | 央视国际网络无锡有限公司 | 一种智能化制作短视频的方法 |
-
2020
- 2020-06-22 CN CN202010576565.XA patent/CN111866585B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105930843A (zh) * | 2016-04-19 | 2016-09-07 | 鲁东大学 | 一种模糊视频图像的分割方法及装置 |
| CN109672939A (zh) * | 2019-01-07 | 2019-04-23 | 北京奇艺世纪科技有限公司 | 一种标记视频内容热度的方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| "暴力动画视频检测系统的设计与实现";任天天;《中国优秀硕士学位论文全文数据库》;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111866585A (zh) | 2020-10-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111866585B (zh) | 一种视频处理方法及装置 | |
| CN110119711B (zh) | 一种获取视频数据人物片段的方法、装置及电子设备 | |
| CN111460219B (zh) | 视频处理方法及装置、短视频平台 | |
| CN111683209B (zh) | 混剪视频的生成方法、装置、电子设备及计算机可读存储介质 | |
| CN100545856C (zh) | 视频内容分析系统 | |
| CN112511854B (zh) | 一种直播视频精彩片段生成方法、装置、介质和设备 | |
| CN110019880A (zh) | 视频剪辑方法和装置 | |
| CN113841417B (zh) | 影片生成方法、终端设备、拍摄设备及影片生成系统 | |
| CN111324768B (zh) | 一种视频搜索系统和方法 | |
| CN111741331B (zh) | 一种视频片段处理方法、装置、存储介质及设备 | |
| CN111314732A (zh) | 确定视频标签的方法、服务器及存储介质 | |
| CN114845149B (zh) | 视频片段的剪辑方法、视频推荐方法、装置、设备及介质 | |
| CN112004138A (zh) | 一种智能视频素材搜索匹配的方法及装置 | |
| CN114297439A (zh) | 一种短视频标签确定方法、系统、装置及存储介质 | |
| CN111787354A (zh) | 一种视频生成方法及其装置 | |
| JP2016181143A (ja) | ユーザプロファイル作成装置、動画像分析装置、動画像再生装置、及びユーザプロファイル作成プログラム | |
| EP3671487A2 (en) | Generation of a video file | |
| CN115909390B (zh) | 低俗内容识别方法、装置、计算机设备以及存储介质 | |
| Husa et al. | HOST-ATS: automatic thumbnail selection with dashboard-controlled ML pipeline and dynamic user survey | |
| CN110019951B (zh) | 一种生成视频缩略图的方法及设备 | |
| CN113992973A (zh) | 视频摘要生成方法、装置、电子设备和存储介质 | |
| CN113537215A (zh) | 一种视频标签标注的方法及设备 | |
| Bartolini et al. | Shiatsu: semantic-based hierarchical automatic tagging of videos by segmentation using cuts | |
| Tsao et al. | Thumbnail image selection for VOD services | |
| CN114782879B (zh) | 视频识别方法、装置、计算机设备和存储介质 |
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 |