CN111918137B - 一种基于视频特征的推送方法、装置、存储介质及终端 - Google Patents
一种基于视频特征的推送方法、装置、存储介质及终端 Download PDFInfo
- Publication number
- CN111918137B CN111918137B CN202010605538.0A CN202010605538A CN111918137B CN 111918137 B CN111918137 B CN 111918137B CN 202010605538 A CN202010605538 A CN 202010605538A CN 111918137 B CN111918137 B CN 111918137B
- Authority
- CN
- China
- Prior art keywords
- video
- extracted
- feature
- element category
- characteristic
- 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
-
- 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
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies
-
- 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
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/4508—Management of client data or end-user data
- H04N21/4532—Management of client data or end-user data involving end-user characteristics, e.g. viewer profile, preferences
-
- 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
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4667—Processing of monitored end-user data, e.g. trend analysis based on the log file of viewer selections
Abstract
本发明公开了一种基于视频特征的推送方法、装置、存储介质及终端，所述方法包括：根据特征值模型，计算至少一个特征对应的视频特征值；将当前特征对应的视频特征值和当前特征对应的初始特征阈值进行比较，得到比较结果；根据比较结果，将符合第一预设条件的目标视频推送至目标用户的至少一个终端设备上。因此，采用本申请实施例，由于能够精准地计算出至少一个特征对应的视频特征值，并将当前特征对应的视频特征值和当前特征对应的初始特征阈值进行比较，将符合第一预设条件的目标视频精准地推送至目标用户的至少一个终端设备上，实现了基于视频特征的精准推送，从而提高了视频推送至目标用户的精准度。
Description
技术领域
本发明涉及计算机技术领域，特别涉及一种基于视频特征的推送方法、装置、存储介质及终端。
背景技术
随着移动终端设备的普及，以及移动互联网的发展，现在拍摄视频越来越容易。如果用户想要从海量视频中选择自己偏好的视频，可以通过人工随机搜索的方法，或者，通过人工智能设备，输入视频搜索关键词，可以通过触控屏幕的触控操作输入视频搜索关键词，也可以通过语音输入视频搜索关键词，这样，终端设备就会根据用户输入的搜索关键词搜索到大量的与该搜索关键词相关联的众多视频，并将众多视频通过下拉列表的方式展示在终端设备的屏幕上。响应于用户的触控操作，播放与触控操作对应的视频。
除了上述用户参与的视频搜索方法之外，还有基于视频指纹特征进行视频搜索的方法。视频指纹特征是指从视频序列中抽取标识符，该标识符用来代表视频文件的电子标识，该标识符为能够将一个视频片段与其他视频片段区分开的特征向量。然而，通过视频指纹特征进行视频搜索的方法，由于提取出的视频特征和原始视频的视频特征之间的偏差比较大，往往搜索到的视频与用户所需的视频偏差较大，因而无法实现视频的精准推送。
发明内容
本申请实施例提供了一种基于视频特征的推送方法、装置、存储介质及终端。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。
第一方面，本申请实施例提供了一种基于视频特征的推送方法，所述方法包括：
确定当前待提取视频中的主体元素的元素类别；
根据所述元素类别与对应的至少一个待提取特征之间的关联关系，确定所述元素类别对应的至少一个待提取特征；
在当前待提取视频的目标区域内根据至少一个待提取特征对当前待提取视频进行特征提取，得到至少一个特征；
根据特征值模型，计算至少一个特征对应的视频特征值；
将当前特征对应的视频特征值和当前特征对应的初始特征阈值进行比较，得到比较结果；
根据所述比较结果，将符合第一预设条件的目标视频推送至目标用户的至少一个终端设备上。
第二方面，本申请实施例提供了一种基于视频特征的推送装置，所述装置包括：
确定模块，用于确定当前待提取视频中的主体元素的元素类别；以及
根据所述元素类别与对应的至少一个待提取特征之间的关联关系，确定所述元素类别对应的至少一个待提取特征；
特征提取模块，用于在当前待提取视频的目标区域内根据所述确定模块确定的至少一个待提取特征对当前待提取视频进行特征提取，得到至少一个特征；
计算模块，用于根据特征值模型，计算至少一个特征对应的视频特征值；
比较模块，用于将当前特征对应的视频特征值和当前特征对应的初始特征阈值进行比较，得到比较结果；
推送模块，用于根据所述比较模块得到的所述比较结果，将符合第一预设条件的目标视频推送至目标用户的至少一个终端设备上。
第三方面，本申请实施例提供一种计算机存储介质，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行上述的方法步骤。
第四方面，本申请实施例提供一种终端，可包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行上述的方法步骤。
本申请实施例提供的技术方案可以包括以下有益效果：
在本申请实施例中，根据特征值模型，计算至少一个特征对应的视频特征值；将当前特征对应的视频特征值和当前特征对应的初始特征阈值进行比较，得到比较结果；根据比较结果，将符合第一预设条件的目标视频推送至目标用户的至少一个终端设备上。由于本申请能够精准地计算出至少一个特征对应的视频特征值，并将当前特征对应的视频特征值和当前特征对应的初始特征阈值进行比较，将符合第一预设条件的目标视频精准地推送至目标用户的至少一个终端设备上，实现了基于视频特征的精准推送，从而提高了视频推送至目标用户的精准度。
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，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1是本申请实施例提供的一种基于视频特征的推送方法的流程示意图；
图2是本申请实施例提供的一种基于视频特征的推送装置的结构示意图；
图3是本申请实施例提供的一种终端的结构示意图。
具体实施方式
以下描述和附图充分地示出本发明的具体实施方案，以使本领域的技术人员能够实践它们。
应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
在本发明的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。此外，在本发明的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
现有的通过视频指纹特征进行视频搜索的方法，由于提取出的视频特征和原始视频的视频特征之间的偏差比较大，往往搜索到的视频与用户所需的视频偏差较大，因而无法实现视频的精准推送。为此，本申请提供了一种基于视频特征的推送方法、装置、存储介质及终端，以解决上述相关技术问题中存在的问题。本申请提供的技术方案中，根据特征值模型，计算至少一个特征对应的视频特征值；将当前特征对应的视频特征值和当前特征对应的初始特征阈值进行比较，得到比较结果；根据比较结果，将符合第一预设条件的目标视频推送至目标用户的至少一个终端设备上。由于本申请能够精准地计算出至少一个特征对应的视频特征值，并将当前特征对应的视频特征值和当前特征对应的初始特征阈值进行比较，将符合第一预设条件的目标视频精准地推送至目标用户的至少一个终端设备上，实现了基于视频特征的精准推送，从而提高了视频推送至目标用户的精准度，下面采用示例性的实施例进行详细说明。
下面将结合附图1，对本申请实施例提供的基于视频特征的推送方法进行详细介绍。该方法可依赖于计算机程序实现，可运行于基于视频特征的推送装置上。该计算机程序可集成在应用中，也可作为独立的工具类应用运行。其中，本申请实施例中的基于视频特征的推送装置可以为用户终端，包括但不限于：个人电脑、平板电脑、手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其它处理设备等。在不同的网络中用户终端可以叫做不同的名称，例如：用户设备、接入终端、用户单元、用户站、移动站、移动台、远方站、远程终端、移动设备、用户终端、终端、无线通信设备、用户代理或用户装置、蜂窝电话、无绳电话、个人数字处理(personal digital assistant，PDA)、5G网络或未来演进网络中的终端设备等。
请参见图1，为本申请实施例提供了一种基于视频特征的推送方法的流程示意图。如图1所示，本申请实施例的基于视频特征的推送方法可以包括以下步骤：
S101，确定当前待提取视频中的主体元素的元素类别。
在此步骤中，在当前待提取视频中的主体物体为猫咪时，可以确定当前待提取视频中的主体元素的元素类别为宠物猫咪。
在另外一种应用场景中，在当前待提取视频中的主体物体为鲜花时，可以确定当前待提取视频中的主体元素的元素类别为鲜花。
又或者，在另外一种应用场景中，在当前待提取视频中的主体物体为人物时，可以确定当前待提取视频中的主体元素的元素类别为人物。
上述仅仅是罗列了常见的应用场景，可以根据不同的应用场景，确定不同应用场景下的主体物体，主体物体可以为物体，也可以为宠物或人物，在此不做具体限制。在确定出当前待提取视频中的主体物体之后，进而确定待提取视频中的主体元素的元素类别。
在一种可能的实现方式中，在确定当前待提取视频中的主体元素的元素类别之后，所述方法还包括以下步骤：
确定元素类别对应的至少一个待提取特征。
在此步骤中，针对每一种元素类别而言，对应的待提取特征也是不同的。例如，在当前元素类别为宠物猫咪时，对当前元素类别而言，可以将待提取特征设置为：毛发颜色特征、眼睛颜色特征、猫咪脸型特征、猫咪体型特征等等，通过上述待提取特征，可以将不同视频中的宠物猫咪快速且精准地区别出来。例如，加菲猫的脸型是扁平的，上述仅仅是示例，可以根据不同应用场景的需求，设置不同的待提取特征，并通过设置的待提取特征，将不同视频中的宠物猫咪快速且精准地区分出来。
在此步骤中，元素类别的数量，可以根据视频库中的视频所具有的元素种类而设置成多种，例如，元素类别可以为宠物猫咪，元素类别也可以为美女，元素类别也可以为鲜花，元素类别还可以为其它类别，在此不再赘述。
在一种可能的实现方式中，确定元素类别对应的至少一个待提取特征包括以下步骤：
从视频库中归类出属于元素类别的两个或两个以上的视频；
分别确定两个或两个以上的待检测视频对应的特征提取区域；
根据特征提取模型，分别在各个视频对应的特征提取区域进行特征提取，得到至少一个视频特征；
对各个视频对应的至少一个视频特征进行比对，得到各个视频共有的两个或两个以上的共有视频特征；
对两个或两个以上的共有视频特征进行排序，将排序数值在第二预设阈值范围内的共有视频特征作为元素类别对应的至少一个待提取特征。
在此步骤中，对第二预设阈值对应的数值不做具体限制。往往优先优选排名在前二十的共有视频特征。例如，在当前元素类别为宠物猫咪时，对当前元素类别而言，排名在前二十的共有视频特征可以为：毛发颜色特征、眼睛颜色特征、猫咪脸型特征、猫咪体型特征等等，通过上述共有视频特征，可以将不同视频中的宠物猫咪快速且精准地区别出来。例如，加菲猫的脸型是扁平的，上述仅仅是示例，可以根据不同应用场景的需求，设置不同的共有视频特征，并通过设置的共有视频特征，将不同视频中的宠物猫咪快速且精准地区分出来。
在一种可能的实现方式中，分别确定两个或两个以上的待检测视频对应的特征提取区域包括以下步骤：
分别获取两个或两个以上的待检测视频对应的检测视频帧；
分别计算各个检测视频帧中各个像素点的行间差值和列间差值；
根据行间差值和列间差值，确定两个或两个以上的候选区域；
对两个或两个以上的候选区域进行筛选，确定两个或两个以上的特征待提取区域；
根据第二预设条件，从两个或两个以上的特征待提取区域中确定对应的特征提取区域；
其中，第二预设条件至少包括以下一项：
与待提取区域内的图像清晰度对应的预设条件、与待提取区域内的图像主体元素完整度对应的预设条件。
上述仅仅罗列了常见的第二预设条件，还可以根据不同的应用场景，引入其它的第二预设条件，在此不再赘述。
在具体应用场景中，在候选区域为两个或两个以上时，对比上述候选区域，哪一个候选区域内的图像清晰度越高，就将哪一个候选区域作为优先级别最高的候选区域，这样，可以根据不同候选区域的不同图像清晰度，从两个或两个以上的候选区域中筛选出最优的区域，并将该区域作为特征提取区域。
在另一种应用场景中，在候选区域为两个或两个以上时，对比上述候选区域，哪一个候选区域内的图像主体元素完整度越高，就将哪一个候选区域作为优先级别最高的候选区域，这样，可以根据不同候选区域的不同图像主体元素完整度，从两个或两个以上的候选区域中筛选出最优的区域，并将该区域作为特征提取区域。
S102，根据元素类别与对应的至少一个待提取特征之间的关联关系，确定元素类别对应的至少一个待提取特征。
在一种可能的实现方式中，根据元素类别与对应的至少一个待提取特征之间的关联关系，确定元素类别对应的至少一个待提取特征包括以下步骤：
在元素类别为第一元素类别时，根据第一元素类别与对应的至少一个第一待提取特征之间的第一关联关系，确定第一元素类别对应的至少一个第一待提取特征；或者，
在元素类别为第二元素类别时，根据第二元素类别与对应的至少一个第二待提取特征之间的第二关联关系，确定第二元素类别对应的至少一个第二待提取特征；或者，
在元素类别为第N-1元素类别时，根据第N-1元素类别与对应的至少一个第N-1待提取特征之间的第N-1关联关系，确定第N-1元素类别对应的至少一个第N-1待提取特征，其中，N为大于3的正整数；或者，
在元素类别为第N元素类别时，根据第N元素类别与对应的至少一个第N待提取特征之间的第N关联关系，确定第N元素类别对应的至少一个第N待提取特征。
在此步骤中，针对每一种元素类别而言，对应的待提取特征也是不同的。例如，在当前元素类别为宠物猫咪时，对当前元素类别而言，可以将待提取特征设置为：毛发颜色特征、眼睛颜色特征、猫咪脸型特征、猫咪体型特征等等，通过上述待提取特征，可以将不同视频中的宠物猫咪快速且精准地区别出来。例如，加菲猫的脸型是扁平的，上述仅仅是示例，可以根据不同应用场景的需求，设置不同的待提取特征，并通过设置的待提取特征，将不同视频中的宠物猫咪快速且精准地区分出来。
在此步骤中，元素类别的数量，可以根据视频库中的视频所具有的元素种类而设置成多种，例如，元素类别可以为宠物猫咪，元素类别也可以为美女，元素类别也可以为鲜花，元素类别还可以为其它类别，在此不再赘述。
在一种可能的实现方式中，在确定元素类别对应的至少一个待提取特征之后，所述方法还包括以下步骤：
将第一元素类别、第一关联关系和至少一个第一待提取特征值之间建立并标识第一映射关系；或者，
将第二元素类别、第二关联关系和至少一个第二待提取特征值之间建立并标识第二映射关系；或者，
将第N-1元素类别、第N-1关联关系和至少一个第N-1待提取特征值之间建立并标识第N-1映射关系，其中，N为大于3的正整数；或者，
将第N元素类别、第N关联关系和至少一个第N待提取特征值之间建立并标识第N映射关系。
这样，通过上述映射关系，就可以在获取到当前视频所属的元素类别之后，快速检索到当前元素类别对应的至少一个待提取特征，不仅提升了确定待提取特征的速度，还提升了精准度。
S103，在当前待提取视频的目标区域内根据至少一个待提取特征对当前待提取视频进行特征提取，得到至少一个特征。
在此步骤中，不同的元素类别对应有不同的特征。例如，在当前元素类别为宠物猫咪时，对当前元素类别而言，可以将待提取特征设置为：毛发颜色特征、眼睛颜色特征、猫咪脸型特征、猫咪体型特征等等，通过上述待提取特征，可以将不同视频中的宠物猫咪快速且精准地区别出来。例如，加菲猫的脸型是扁平的，上述仅仅是示例，可以根据不同应用场景的需求，设置不同的待提取特征，并通过设置的待提取特征，将不同视频中的宠物猫咪快速且精准地区分出来。
S104，根据特征值模型，计算至少一个特征对应的视频特征值。
在此步骤中，特征值模型是根据常规的特征值计算方法建立起来的，在此，对特征值计算方法不再赘述。基于常规的特征值计算方法构建特征值模型的方法也是常规的方法，在此不再赘述。
在此步骤中，为了对不同特征进行有效区分，每一个不同特征赋予一个唯一的视频特征值。
S105，将当前特征对应的视频特征值和当前特征对应的初始特征阈值进行比较，得到比较结果。
在此步骤中，当前特征对应的初始特征阈值可以设置成符合目标用户偏好度的视频对应的特征所具有的视频特征值，并将该视频特征值作为初始特征阈值。
S106，根据比较结果，将符合第一预设条件的目标视频推送至目标用户的至少一个终端设备上。
在此步骤中，第一预设条件为：视频特征值和初始特征阈值之间的差值的绝对值在第一预设阈值范围内。
在此步骤中，可以对不同视频对应的视频特征值和初始特征阈值之间的差值的绝对值进行排序，优先选择视频特征值和初始特征阈值之间的差值的绝对值最小的特征对应的视频作为目标视频，并将目标视频推送至目标用户的至少一个终端设备上。
在一种可能的实现方式中，根据比较结果，将符合预设条件的目标视频推送至目标用户的至少一个终端设备上包括以下步骤：
读取出的第一预设条件为：视频特征值和初始特征阈值之间的差值的绝对值在第一预设阈值范围内；
将满足预设条件的视频特征值对应的目标视频推送至目标用户的至少一个终端设备上。
其中，在不同的具体应用场景中，第一预设阈值可以设置成不同的数值，在此，对第一预设阈值的具体数值不做具体限制。
在具体应用场景中，往往将视频特征值和初始特征阈值之间的差值的绝对值越小的特征对应的视频作为目标视频，并将目标视频推送至目标用户的至少一个终端设备上。
在实际应用中，当前特征对应的初始特征阈值可以设置成符合目标用户偏好度的视频对应的特征所具有的视频特征值，并将该视频特征值作为初始特征阈值。
在本申请实施例中，根据特征值模型，计算至少一个特征对应的视频特征值；将当前特征对应的视频特征值和当前特征对应的初始特征阈值进行比较，得到比较结果；根据比较结果，将符合第一预设条件的目标视频推送至目标用户的至少一个终端设备上。由于本申请能够精准地计算出至少一个特征对应的视频特征值，并将当前特征对应的视频特征值和当前特征对应的初始特征阈值进行比较，将符合第一预设条件的目标视频精准地推送至目标用户的至少一个终端设备上，实现了基于视频特征的精准推送，从而提高了视频推送至目标用户的精准度。
下述为本发明装置实施例，可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节，请参照本发明方法实施例。
请参见图2，其示出了本发明一个示例性实施例提供的一种基于视频特征的推送装置的结构示意图。该基于视频特征的推送装置可以通过软件、硬件或者两者的结合实现成为终端的全部或一部分。该基于视频特征的推送装置包括确定模块10、特征提取模块20、计算模块30、比较模块40和推送模块50。
具体而言，确定模块10，用于确定当前待提取视频中的主体元素的元素类别；以及根据元素类别与对应的至少一个待提取特征之间的关联关系，确定元素类别对应的至少一个待提取特征；
特征提取模块20，用于在当前待提取视频的目标区域内根据确定模块10确定的至少一个待提取特征对当前待提取视频进行特征提取，得到至少一个特征；
计算模块30，用于根据特征值模型，计算至少一个特征对应的视频特征值；
比较模块40，用于将当前特征对应的视频特征值和当前特征对应的初始特征阈值进行比较，得到比较结果；
推送模块50，用于根据比较模块40得到的比较结果，将符合第一预设条件的目标视频推送至目标用户的至少一个终端设备上。
可选的，推送模块50具体用于：
读取出的第一预设条件为：视频特征值和初始特征阈值之间的差值的绝对值在第一预设阈值范围内；
将满足预设条件的视频特征值对应的目标视频推送至目标用户的至少一个终端设备上。
可选的，确定模块10具体用于：
在元素类别为第一元素类别时，根据第一元素类别与对应的至少一个第一待提取特征之间的第一关联关系，确定第一元素类别对应的至少一个第一待提取特征；或者，
在元素类别为第二元素类别时，根据第二元素类别与对应的至少一个第二待提取特征之间的第二关联关系，确定第二元素类别对应的至少一个第二待提取特征；或者，
在元素类别为第N-1元素类别时，根据第N-1元素类别与对应的至少一个第N-1待提取特征之间的第N-1关联关系，确定第N-1元素类别对应的至少一个第N-1待提取特征，其中，N为大于3的正整数；或者，
在元素类别为第N元素类别时，根据第N元素类别与对应的至少一个第N待提取特征之间的第N关联关系，确定第N元素类别对应的至少一个第N待提取特征。
可选的，所述装置还包括：
建立和标识映射关系模块，用于在确定模块10确定元素类别对应的至少一个待提取特征之后，将第一元素类别、第一关联关系和至少一个第一待提取特征值之间建立并标识第一映射关系；或者，
将第二元素类别、第二关联关系和至少一个第二待提取特征值之间建立并标识第二映射关系；或者，
将第N-1元素类别、第N-1关联关系和至少一个第N-1待提取特征值之间建立并标识第N-1映射关系，其中，N为大于3的正整数；或者，
将第N元素类别、第N关联关系和至少一个第N待提取特征值之间建立并标识第N映射关系。
可选的，确定模块10在确定当前待提取视频中的主体元素的元素类别之后，还用于确定元素类别对应的至少一个待提取特征。
可选的，确定模块10还具体用于：
从视频库中归类出属于元素类别的两个或两个以上的视频；
分别确定两个或两个以上的待检测视频对应的特征提取区域；
根据特征提取模型，分别在各个视频对应的特征提取区域进行特征提取，得到至少一个视频特征；
对各个视频对应的至少一个视频特征进行比对，得到各个视频共有的两个或两个以上的共有视频特征；
对两个或两个以上的共有视频特征进行排序，将排序数值在第二预设阈值范围内的共有视频特征作为元素类别对应的至少一个待提取特征。
可选的，确定模块10还具体用于：
分别获取两个或两个以上的待检测视频对应的检测视频帧；
分别计算各个检测视频帧中各个像素点的行间差值和列间差值；
根据行间差值和列间差值，确定两个或两个以上的候选区域；
对两个或两个以上的候选区域进行筛选，确定两个或两个以上的特征待提取区域；
根据第二预设条件，从两个或两个以上的特征待提取区域中确定对应的特征提取区域；
其中，第二预设条件至少包括以下一项：
与待提取区域内的图像清晰度对应的预设条件、与待提取区域内的图像主体元素完整度对应的预设条件。
需要说明的是，上述实施例提供的基于视频特征的推送装置在执行基于视频特征的推送方法时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的基于视频特征的推送装置与基于视频特征的推送方法实施例属于同一构思，其体现实现过程详见方法实施例，这里不再赘述。
在本申请实施例中，计算模块根据特征值模型，计算至少一个特征对应的视频特征值；比较模块将当前特征对应的视频特征值和当前特征对应的初始特征阈值进行比较，得到比较结果；推送模块根据比较结果，将符合第一预设条件的目标视频推送至目标用户的至少一个终端设备上。由于本申请能够精准地计算出至少一个特征对应的视频特征值，并将当前特征对应的视频特征值和当前特征对应的初始特征阈值进行比较，将符合第一预设条件的目标视频精准地推送至目标用户的至少一个终端设备上，实现了基于视频特征的精准推送，从而提高了视频推送至目标用户的精准度。
本发明还提供一种计算机可读介质，其上存储有程序指令，该程序指令被处理器执行时实现上述各个方法实施例提供的基于视频特征的推送方法。
本发明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，使得计算机执行上述各个方法实施例所述的基于视频特征的推送方法。
请参见图3，为本申请实施例提供了一种终端的结构示意图。如图3所示，所述终端1000可以包括：至少一个处理器1001，至少一个网络接口1004，用户接口1003，存储器1005，至少一个通信总线1002。
其中，通信总线1002用于实现这些组件之间的连接通信。
其中，用户接口1003可以包括显示屏(Display)、摄像头(Camera)，可选用户接口1003还可以包括标准的有线接口、无线接口。
其中，网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
其中，处理器1001可以包括一个或者多个处理核心。处理器1001利用各种借口和线路连接整个电子设备1000内的各个部分，通过运行或执行存储在存储器1005内的指令、程序、代码集或指令集，以及调用存储在存储器1005内的数据，执行电子设备1000的各种功能和处理数据。可选的，处理器1001可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)、可编程逻辑阵列(Programmable Logic Array，PLA)中的至少一种硬件形式来实现。处理器1001可集成中央处理器(Central Processing Unit，CPU)、图像处理器(Graphics Processing Unit，GPU)和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器1001中，单独通过一块芯片进行实现。
其中，存储器1005可以包括随机存储器(Random Access Memory，RAM)，也可以包括只读存储器(Read-Only Memory)。可选的，该存储器1005包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器1005可用于存储指令、程序、代码、代码集或指令集。存储器1005可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图3所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及基于视频特征的推送应用程序。
在图3所示的终端1000中，用户接口1003主要用于为用户提供输入的接口，获取用户输入的数据；而处理器1001可以用于调用存储器1005中存储的基于视频特征的推送应用程序，并具体执行以下操作：
确定当前待提取视频中的主体元素的元素类别；
根据元素类别与对应的至少一个待提取特征之间的关联关系，确定元素类别对应的至少一个待提取特征；
在当前待提取视频的目标区域内根据至少一个待提取特征对当前待提取视频进行特征提取，得到至少一个特征；
根据特征值模型，计算至少一个特征对应的视频特征值；
将当前特征对应的视频特征值和当前特征对应的初始特征阈值进行比较，得到比较结果；
根据比较结果，将符合第一预设条件的目标视频推送至目标用户的至少一个终端设备上。
在一个实施例中，所述处理器1001在执行所述根据比较结果，将符合预设条件的目标视频推送至目标用户的至少一个终端设备上时，具体执行以下操作：
读取出的第一预设条件为：视频特征值和初始特征阈值之间的差值的绝对值在第一预设阈值范围内；
将满足预设条件的视频特征值对应的目标视频推送至目标用户的至少一个终端设备上。
在一个实施例中，所述处理器1001在执行所述根据元素类别与对应的至少一个待提取特征之间的关联关系，确定元素类别对应的至少一个待提取特征时，具体执行以下操作：
在元素类别为第一元素类别时，根据第一元素类别与对应的至少一个第一待提取特征之间的第一关联关系，确定第一元素类别对应的至少一个第一待提取特征；或者，
在元素类别为第二元素类别时，根据第二元素类别与对应的至少一个第二待提取特征之间的第二关联关系，确定第二元素类别对应的至少一个第二待提取特征；或者，
在元素类别为第N-1元素类别时，根据第N-1元素类别与对应的至少一个第N-1待提取特征之间的第N-1关联关系，确定第N-1元素类别对应的至少一个第N-1待提取特征，其中，N为大于3的正整数；或者，
在元素类别为第N元素类别时，根据第N元素类别与对应的至少一个第N待提取特征之间的第N关联关系，确定第N元素类别对应的至少一个第N待提取特征。
在一个实施例中，所述处理器1001在执行在确定元素类别对应的至少一个待提取特征之后，还具体执行以下操作：
将第一元素类别、第一关联关系和至少一个第一待提取特征值之间建立并标识第一映射关系；或者，
将第二元素类别、第二关联关系和至少一个第二待提取特征值之间建立并标识第二映射关系；或者，
将第N-1元素类别、第N-1关联关系和至少一个第N-1待提取特征值之间建立并标识第N-1映射关系，其中，N为大于3的正整数；或者，
将第N元素类别、第N关联关系和至少一个第N待提取特征值之间建立并标识第N映射关系。
在一个实施例中，所述处理器1001在执行在所述确定当前待提取视频中的主体元素的元素类别之后，还执行以下操作：
确定元素类别对应的至少一个待提取特征。
在一个实施例中，所述处理器1001在执行所述确定元素类别对应的至少一个待提取特征时，具体执行以下操作：
从视频库中归类出属于元素类别的两个或两个以上的视频；
分别确定两个或两个以上的待检测视频对应的特征提取区域；
根据特征提取模型，分别在各个视频对应的特征提取区域进行特征提取，得到至少一个视频特征；
对各个视频对应的至少一个视频特征进行比对，得到各个视频共有的两个或两个以上的共有视频特征；
对两个或两个以上的共有视频特征进行排序，将排序数值在第二预设阈值范围内的共有视频特征作为元素类别对应的至少一个待提取特征。
在一个实施例中，所述处理器1001在执行所述分别确定两个或两个以上的待检测视频对应的特征提取区域时，具体执行以下操作：
分别获取两个或两个以上的待检测视频对应的检测视频帧；
分别计算各个检测视频帧中各个像素点的行间差值和列间差值；
根据行间差值和列间差值，确定两个或两个以上的候选区域；
对两个或两个以上的候选区域进行筛选，确定两个或两个以上的特征待提取区域；
根据第二预设条件，从两个或两个以上的特征待提取区域中确定对应的特征提取区域；
其中，第二预设条件至少包括以下一项：
与待提取区域内的图像清晰度对应的预设条件、与待提取区域内的图像主体元素完整度对应的预设条件。
在本申请实施例中，根据特征值模型，计算至少一个特征对应的视频特征值；将当前特征对应的视频特征值和当前特征对应的初始特征阈值进行比较，得到比较结果；根据比较结果，将符合第一预设条件的目标视频推送至目标用户的至少一个终端设备上。由于本申请能够精准地计算出至少一个特征对应的视频特征值，并将当前特征对应的视频特征值和当前特征对应的初始特征阈值进行比较，将符合第一预设条件的目标视频精准地推送至目标用户的至少一个终端设备上，实现了基于视频特征的精准推送，从而提高了视频推送至目标用户的精准度。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体或随机存储记忆体等。
以上所揭露的仅为本申请较佳实施例而已，当然不能以此来限定本申请之权利范围，因此依本申请权利要求所作的等同变化，仍属本申请所涵盖的范围。
Claims (8)
1.一种基于视频特征的推送方法，其特征在于，所述方法包括：
确定当前待提取视频中的主体元素的元素类别；
确定所述元素类别对应的至少一个待提取特征；所述确定所述元素类别对应的至少一个待提取特征包括：
从视频库中归类出属于所述元素类别的两个或两个以上的视频；
分别确定两个或两个以上的待检测视频对应的特征提取区域；
根据特征提取模型，分别在各个视频对应的特征提取区域进行特征提取，得到至少一个视频特征；
对各个视频对应的至少一个视频特征进行比对，得到各个视频共有的两个或两个以上的共有视频特征；
对两个或两个以上的共有视频特征进行排序，将排序数值在第二预设阈值范围内的共有视频特征作为所述元素类别对应的至少一个待提取特征；
根据所述元素类别与对应的至少一个待提取特征之间的关联关系，确定所述元素类别对应的至少一个待提取特征；
在当前待提取视频的目标区域内根据至少一个待提取特征对当前待提取视频进行特征提取，得到至少一个特征；
根据特征值模型，计算至少一个特征对应的视频特征值；
将当前特征对应的视频特征值和当前特征对应的初始特征阈值进行比较，得到比较结果；
根据所述比较结果，将符合第一预设条件的目标视频推送至目标用户的至少一个终端设备上。
2.根据权利要求1所述的方法，其特征在于，所述根据比较结果，将符合预设条件的目标视频推送至目标用户的至少一个终端设备上包括：
读取出的所述第一预设条件为：所述视频特征值和所述初始特征阈值之间的差值的绝对值在第一预设阈值范围内；
将满足所述预设条件的所述视频特征值对应的所述目标视频推送至所述目标用户的至少一个终端设备上。
3.根据权利要求1所述的方法，其特征在于，所述根据所述元素类别与对应的至少一个待提取特征之间的关联关系，确定所述元素类别对应的至少一个待提取特征包括：
在所述元素类别为第一元素类别时，根据第一元素类别与对应的至少一个第一待提取特征之间的第一关联关系，确定第一元素类别对应的至少一个第一待提取特征；或者，
在所述元素类别为第二元素类别时，根据第二元素类别与对应的至少一个第二待提取特征之间的第二关联关系，确定第二元素类别对应的至少一个第二待提取特征；或者，
在所述元素类别为第N-1元素类别时，根据第N-1元素类别与对应的至少一个第N-1待提取特征之间的第N-1关联关系，确定第N-1元素类别对应的至少一个第N-1待提取特征，其中，N为大于3的正整数；或者，
在所述元素类别为第N元素类别时，根据第N元素类别与对应的至少一个第N待提取特征之间的第N关联关系，确定第N元素类别对应的至少一个第N待提取特征。
4.根据权利要求3所述的方法，其特征在于，在所述确定所述元素类别对应的至少一个待提取特征之后，所述方法还包括：
将所述第一元素类别、所述第一关联关系和所述至少一个第一待提取特征值之间建立并标识第一映射关系；或者，
将所述第二元素类别、所述第二关联关系和所述至少一个第二待提取特征值之间建立并标识第二映射关系；或者，
将所述第N-1元素类别、所述第N-1关联关系和所述至少一个第N-1待提取特征值之间建立并标识第N-1映射关系，其中，N为大于3的正整数；或者，
将所述第N元素类别、所述第N关联关系和所述至少一个第N待提取特征值之间建立并标识第N映射关系。
5.根据权利要求1所述的方法，其特征在于，所述分别确定两个或两个以上的待检测视频对应的特征提取区域包括：
分别获取两个或两个以上的待检测视频对应的检测视频帧；
分别计算各个检测视频帧中各个像素点的行间差值和列间差值；
根据所述行间差值和所述列间差值，确定两个或两个以上的候选区域；
对两个或两个以上的候选区域进行筛选，确定两个或两个以上的特征待提取区域；
根据第二预设条件，从两个或两个以上的特征待提取区域中确定对应的特征提取区域；
其中，所述第二预设条件至少包括以下一项：
与待提取区域内的图像清晰度对应的预设条件、与待提取区域内的图像主体元素完整度对应的预设条件。
6.一种基于视频特征的推送装置，其特征在于，所述装置包括：
确定模块，用于确定当前待提取视频中的主体元素的元素类别；以及
根据所述元素类别与对应的至少一个待提取特征之间的关联关系，确定所述元素类别对应的至少一个待提取特征；
所述确定模块还用于：确定所述元素类别对应的至少一个待提取特征；
所述确定模块具体用于：
从视频库中归类出属于所述元素类别的两个或两个以上的视频；
分别确定两个或两个以上的待检测视频对应的特征提取区域；
根据特征提取模型，分别在各个视频对应的特征提取区域进行特征提取，得到至少一个视频特征；
对各个视频对应的至少一个视频特征进行比对，得到各个视频共有的两个或两个以上的共有视频特征；
对两个或两个以上的共有视频特征进行排序，将排序数值在第二预设阈值范围内的共有视频特征作为所述元素类别对应的至少一个待提取特征；
特征提取模块，用于在当前待提取视频的目标区域内根据所述确定模块确定的至少一个待提取特征对当前待提取视频进行特征提取，得到至少一个特征；
计算模块，用于根据特征值模型，计算至少一个特征对应的视频特征值；
比较模块，用于将当前特征对应的视频特征值和当前特征对应的初始特征阈值进行比较，得到比较结果；
推送模块，用于根据所述比较模块得到的所述比较结果，将符合第一预设条件的目标视频推送至目标用户的至少一个终端设备上。
7.一种计算机存储介质，其特征在于，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行如权利要求1至5任意一项的方法步骤。
8.一种终端，其特征在于，包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行如权利要求1至5任意一项的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010605538.0A CN111918137B (zh) | 2020-06-29 | 2020-06-29 | 一种基于视频特征的推送方法、装置、存储介质及终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010605538.0A CN111918137B (zh) | 2020-06-29 | 2020-06-29 | 一种基于视频特征的推送方法、装置、存储介质及终端 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111918137A CN111918137A (zh) | 2020-11-10 |
| CN111918137B true CN111918137B (zh) | 2021-07-20 |
Family
ID=73226915
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010605538.0A Active CN111918137B (zh) | 2020-06-29 | 2020-06-29 | 一种基于视频特征的推送方法、装置、存储介质及终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111918137B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104010220A (zh) * | 2014-04-30 | 2014-08-27 | 小米科技有限责任公司 | 内容服务提供方法和装置 |
| CN108012162A (zh) * | 2017-12-04 | 2018-05-08 | 北京小米移动软件有限公司 | 内容推荐方法及装置 |
| CN110414541A (zh) * | 2018-04-26 | 2019-11-05 | 京东方科技集团股份有限公司 | 用于识别物体的方法、设备和计算机可读存储介质 |
| CN110858914A (zh) * | 2018-08-23 | 2020-03-03 | 北京优酷科技有限公司 | 视频素材推荐方法及装置 |
| CN111046727A (zh) * | 2019-10-31 | 2020-04-21 | 咪咕文化科技有限公司 | 视频特征提取方法及装置、电子设备及存储介质 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5740814B2 (ja) * | 2009-12-22 | 2015-07-01 | ソニー株式会社 | 情報処理装置および方法 |
| US10368132B2 (en) * | 2016-11-30 | 2019-07-30 | Facebook, Inc. | Recommendation system to enhance video content recommendation |
| CN109151500A (zh) * | 2018-09-29 | 2019-01-04 | 北京数美时代科技有限公司 | 一种针对视频直播的主播推荐方法、系统及计算机设备 |
| CN111212303B (zh) * | 2019-12-30 | 2022-05-10 | 咪咕视讯科技有限公司 | 视频推荐方法、服务器和计算机可读存储介质 |
-
2020
- 2020-06-29 CN CN202010605538.0A patent/CN111918137B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104010220A (zh) * | 2014-04-30 | 2014-08-27 | 小米科技有限责任公司 | 内容服务提供方法和装置 |
| CN108012162A (zh) * | 2017-12-04 | 2018-05-08 | 北京小米移动软件有限公司 | 内容推荐方法及装置 |
| CN110414541A (zh) * | 2018-04-26 | 2019-11-05 | 京东方科技集团股份有限公司 | 用于识别物体的方法、设备和计算机可读存储介质 |
| CN110858914A (zh) * | 2018-08-23 | 2020-03-03 | 北京优酷科技有限公司 | 视频素材推荐方法及装置 |
| CN111046727A (zh) * | 2019-10-31 | 2020-04-21 | 咪咕文化科技有限公司 | 视频特征提取方法及装置、电子设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 基于社交网络的个性化视频推荐方法研究;孙鹏超;《中国优秀硕士学位论文全文数据库 信息科技辑》;20190515;1-79 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111918137A (zh) | 2020-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112434721A (zh) | 一种基于小样本学习的图像分类方法、系统、存储介质及终端 | |
| CN109116129B (zh) | 终端检测方法、检测设备、系统及存储介质 | |
| CN110399842B (zh) | 视频处理方法、装置、电子设备及计算机可读存储介质 | |
| CN108961267B (zh) | 图片处理方法、图片处理装置及终端设备 | |
| CN110807110B (zh) | 结合局部和全局特征的图片搜索方法、装置及电子设备 | |
| CN111931809A (zh) | 数据的处理方法、装置、存储介质及电子设备 | |
| CN110909817B (zh) | 分布式聚类方法及系统、处理器、电子设备及存储介质 | |
| CN110019913A (zh) | 图片匹配方法、用户设备、存储介质及装置 | |
| CN109408652B (zh) | 一种图片搜索方法、装置及设备 | |
| CN112270384B (zh) | 一种回环检测方法、装置及电子设备和存储介质 | |
| CN111723227B (zh) | 基于人工智能和互联网的数据分析方法及云计算服务平台 | |
| CN111127480B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
| CN111918137B (zh) | 一种基于视频特征的推送方法、装置、存储介质及终端 | |
| CN111539390A (zh) | 一种基于Yolov3的小目标图像识别方法、设备和系统 | |
| JP4967045B2 (ja) | 背景判別装置、方法及びプログラム | |
| CN111428740A (zh) | 网络翻拍照片的检测方法、装置、计算机设备及存储介质 | |
| CN107071553B (zh) | 一种修改视频语音的方法、装置和计算机可读存储介质 | |
| CN115937574A (zh) | 敏感图片检测方法、装置、存储介质及终端 | |
| CN112862073B (zh) | 一种压缩数据分析方法、装置、存储介质及终端 | |
| CN115379290A (zh) | 视频处理方法、装置、设备及存储介质 | |
| CN114022658A (zh) | 一种目标检测方法、装置、存储介质及终端 | |
| CN114416786A (zh) | 流数据的处理方法、装置、存储介质及计算机设备 | |
| AU2021240205B1 (en) | Object sequence recognition method, network training method, apparatuses, device, and medium | |
| CN113255766A (zh) | 一种图像分类方法、装置、设备和存储介质 | |
| CN107992853B (zh) | 人眼检测方法、装置、计算机设备及存储介质 |
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 |