CN112752098B - 视频编辑效果的验证方法、装置 - Google Patents

Abstract

本申请的实施例提供了一种视频编辑效果的验证方法、装置，涉及人工智能及视频技术领域。该方法包括：获取由原始视频经过编辑后得到的待验证视频，并从待验证视频中提取各帧图片的图像参数，作为第一图像参数，所述图像参数用于表征图片的图像特征；获取原始视频中各帧图片的图像参数，作为第二图像参数；根据所述第二图像参数和第一图像参数确定待验证视频中的每一帧图片与原始视频中相对应图片之间的第一相似度；根据第一相似度，确定所述待验证视频中的编辑效果特征，作为实际编辑效果特征；基于对原始视频进行编辑时记录的参考编辑效果特征，对所述实际编辑效果特征进行验证。本申请实施例的技术方案可以提高对视频编辑效果的验证效率。

Description

视频编辑效果的验证方法、装置

技术领域

本申请涉及人工智能及视频处理技术领域，具体而言，涉及一种视频编辑效果的验证方法、装置。

背景技术

在视频编辑效果的验证场景中，比如在确认视频编辑类APP的编辑功能是否正常的场景，目前的做法是基于UI和代码层面实现的，例如从代码里进行断言判断功能是否完善，或者从UI层面判断业务逻辑是否正确等，在针对视频特效编辑的效果验证中，现有技术中也只能通过人工肉眼来完成，验证效率低。基于此，如何能够提高对视频编辑效果的验证效率是亟待解决的技术问题。

发明内容

本申请的实施例提供了一种视频编辑效果的验证方法、装置、计算机程序产品或计算机程序、计算机可读介质及电子设备，进而至少在一定程度上可以提高对视频编辑效果的验证效率。

本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。

根据本申请实施例的一个方面，提供了一种视频编辑效果的验证方法，所述方法包括：获取由原始视频经过编辑后得到的待验证视频，并从所述待验证视频中提取各帧图片的图像参数，作为第一图像参数，所述图像参数用于表征图片的图像特征；获取原始视频中各帧图片的图像参数，作为第二图像参数；根据所述第二图像参数和所述第一图像参数确定所述待验证视频中的每一帧图片与所述原始视频中相对应图片之间的第一相似度；根据所述第一相似度，确定所述待验证视频中的编辑效果特征，作为实际编辑效果特征；基于对所述原始视频进行编辑时记录的参考编辑效果特征，对所述实际编辑效果特征进行验证。

根据本申请实施例的一个方面，提供了一种视频编辑效果的验证装置，所述装置包括：第一获取单元，被用于获取由原始视频经过编辑后得到的待验证视频，并从所述待验证视频中提取各帧图片的图像参数，作为第一图像参数，所述图像参数用于表征图片的图像特征；第二获取单元，被用于获取原始视频中各帧图片的图像参数，作为第二图像参数，根据所述第二图像参数和所述第一图像参数确定所述待验证视频中的每一帧图片与所述原始视频中相对应图片之间的第一相似度；第一确定单元，被用于根据所述第一相似度，确定所述待验证视频中的编辑效果特征，作为实际编辑效果特征；验证单元，被用于基于对所述原始视频进行编辑时记录的参考编辑效果特征，对所述实际编辑效果特征进行验证。

在本申请的一些实施例中，基于前述方案，对所述原始视频进行的编辑用于对所述原始视频添加至少一种效果，所述编辑效果特征包括效果添加位置，所述第一确定单元配置为:基于所述待验证视频中第一相似度低于第一预定阈值的图片，确定所述待验证视频中的效果添加图片，所述效果添加图片为所述原始视频中经过编辑后被添加有至少一种效果的图片；基于所述效果添加图片在所述待验证视频中的分布位置，确定所述待验证视频中的实际效果添加位置，所述实际效果添加位置包括实际效果添加起始位置和实际效果添加结束位置中的至少一个。

在本申请的一些实施例中，基于前述方案，所述编辑效果特征还包括效果种类，所述第一确定单元配置为: 获取至少一种效果所对应的原始效果视频中各帧图片的图像参数，作为第三图像参数；每个所述原始效果视频对应一种效果；根据所述第一图像参数和所述第三图像参数，确定所述待验证视频中的效果添加图片与各个原始效果视频中的图片之间的第二相似度；基于所述第二相似度超过第二预定阈值的原始效果视频对应的效果种类，确定所述效果添加图片的效果种类；基于所述效果添加图片的效果种类，确定所述待验证视频中效果添加的实际效果种类。

在本申请的一些实施例中，基于前述方案，所述第一确定单元配置为: 根据所述第一图像参数和所述第三图像参数，确定所述待验证视频中的效果添加图片与各个原始效果视频中靠前的预定数量帧的图片之间的第二相似度。

在本申请的一些实施例中，基于前述方案，所述装置还包括：第三获取单元，被用于在获取由原始视频经过编辑后得到的待验证视频之前，获取原始视频，并通过至少一种效果中的每一种效果，分别对所述原始视频进行编辑，得到至少一个原始效果视频；提取单元，被用于分别从所述原始视频，以及各个原始效果视频中提取各帧图片的图像参数；存储单元，被用于存储所述原始视频中各帧图片的图像参数，以及各个原始效果视频中各帧图片的图像参数。

在本申请的一些实施例中，基于前述方案，所述图像参数包括图像哈希值和图像颜色值，所述第二获取单元配置为: 通过所述第一图像参数的图像哈希值和所述第二图像参数的图像哈希值，确定所述待验证视频中的每一帧图片与所述原始视频中相对应图片之间的哈希值相似度；通过所述第一图像参数的图像颜色值和所述第二图像参数的图像颜色值，确定所述待验证视频中的每一帧图片与所述原始视频中相对应图片之间的颜色值相似度；通过所述哈希值相似度和所述颜色值相似度，确定所述待验证视频中的每一帧图片与所述原始视频中相对应图片之间的第一相似度。

在本申请的一些实施例中，基于前述方案，所述图像参数包括图像哈希值，所述图像哈希值用于表征图片的形状特征，所述装置还包括：第二确定单元，被用于针对每一帧目标图片，分别通过感知哈希算法、差值哈希算法，以及均值哈希算法中的至少一种对所述目标图片进行哈希处理，得到所述目标图片的目标哈希值；根据所述目标图片的目标哈希值，确定所述目标图片的图像哈希值。

在本申请的一些实施例中，基于前述方案，所述图像参数包括图像颜色值，所述图像颜色值用于表征图片的颜色特征，所述装置还包括：第三确定单元，被用于针对每一帧目标图片，按照预定的划分规则，在所述目标图片中划分至少两个图像块；针对每一个图像块，根据所述图像块中各个像素单元的像素值的平均值，确定所述图像块的颜色值；根据各个图像块的颜色值，确定所述目标图片的图像颜色值。

在本申请的一些实施例中，基于前述方案，所述验证单元配置为：确定所述实际编辑效果特征和所述参考编辑效果特征之间的特征误差，所述特征误差用于表征实际编辑效果特征与参考编辑效果特征之间的差异程度；在所述特征误差低于第三预定阈值时，确定通过对所述待验证视频中实际编辑效果特征的验证。

根据本申请实施例的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述实施例中所述的视频编辑效果的验证方法。

根据本申请实施例的一个方面，提供了一种计算机可读介质，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上述实施例中所述的视频编辑效果的验证方法。

根据本申请实施例的一个方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述实施例中所述的视频编辑效果的验证方法。

在本申请的一些实施例所提供的技术方案中，通过从待验证视频中提取的各帧图片的图像参数，以及原始视频中各帧图片的图像参数，可以确定待验证视频中的图片与原始视频中相对应图片之间的第一相似度，从而确定待验证视频中的实际编辑效果特征，进一步可以通过对所述原始视频进行编辑时记录的参考编辑效果特征验证所述实际编辑效果特征。

一方面，由于实际编辑效果特征是基于视频中各帧图片的图像参数而确定的，因此能够从图形层面上以待验证视频的编辑效果特征为依据，实现对待验证视频的自动验证。另一方面，由于记录的参考编辑效果特征是针对视频的编辑操作所对应的理想情况下的编辑效果特征，使得参考编辑效果特征能够准确验证所述实际编辑效果特征。故本申请的一些实施例所提供的技术方案能够提高对视频编辑效果的验证效率。

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，并不能限制本申请。

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，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。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示出了可以应用本申请实施例的技术方案的示例性系统架构的示意图。

图2示出了根据本申请一个实施例的视频编辑效果的验证方法的流程图。

图3示出了根据本申请一个实施例的在获取由原始视频经过编辑后得到的待验证视频之前的方法流程图。

图4示出了根据本申请一个实施例的确定图像哈希值的方法流程图。

图5示出了根据本申请一个实施例的确定图像颜色值的方法流程图。

图6示出了根据本申请一个实施例的确定图像颜色值的场景示意图。

图7示出了根据本申请一个实施例的确定待验证视频中的编辑效果特征的细节流程图。

图8示出了根据本申请一个实施例的确定待验证视频中效果添加图片的场景示意图。

图9示出了根据本申请一个实施例的确定待验证视频中的编辑效果特征的细节流程图。

图10示出了根据本申请一个实施例的确定待验证视频中效果添加图片的效果种类的场景示意图。

图11示出了根据本申请一个实施例的对所述实际编辑效果特征进行验证的细节流程图。

图12示出了根据本申请一个实施例的视频编辑效果的验证装置的框图。

图13示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本申请将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。

此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本申请的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本申请的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本申请的各方面。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。

需要说明的是：在本文中提及的“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。

需要注意的是，本申请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对象在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在图示或描述的那些以外的顺序实施。

本申请中的实施例有涉及到关于人工智能的技术，即通过人工智能实现了对视频编辑效果的完全自动化验证。人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。

图1示出了可以应用本申请实施例的技术方案的示例性系统架构的示意图。

如图1所示，系统架构可以包括终端设备（如图1中所示智能手机101、平板电脑102和便携式计算机103中的一种或多种）、网络104和服务器105。网络104用以在终端设备和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线通信链路、无线通信链路等等。

在本申请的一个实施例中，可以是由服务器105获取来自终端设备的针对原始视频编辑后得到的待验证视频，并从所述待验证视频中提取用于表征视频中的图片特征的第一图像参数，服务器105还可以获取原始视频中各帧图片的第二图像参数，并根据所述第一图像参数和所述第二图像参数确定待验证视频中的图片与原始视频中相对应图片之间的第一相似度，进一步通过第一相似度确定待验证视频中的实际编辑效果特征，最后，服务器105通过对所述原始视频进行编辑时记录的参考编辑效果特征验证所述实际编辑效果特征。

在本实施例中，服务器105还可以从区块链中获取待验证视频，而区块链中的待验证视频可以是由终端设备针对原始视频编辑后上传的，服务器105也可以从区块链中获取原始视频中各帧图片的第二图像参数。

本申请可以应用于可编辑视频类APP的自动化的内容添加特效效果确认，实现自动化计算添加的特效效果类是否生效且是否正确，能够确保所有特效的效果正常、功能正常、生效时间正常，减少人力。

需要说明的是，本申请实施例所提供的视频编辑效果的验证方法可以由服务器105执行，相应地，视频编辑效果的验证装置一般设置于服务器105中。但是，在本申请的其它实施例中，终端设备也可以与服务器具有相似的功能，从而执行本申请实施例所提供的视频编辑效果的验证方案。

还需要说明的是，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等，但并不局限于此，本申请在此不做限制。

需要解释的是，如上所述的云计算(cloud computing)是一种计算模式，它将计算任务分布在大量计算机构成的资源池上，使各种应用系统能够根据需要获取计算力、存储空间和信息服务。提供资源的网络被称为“云”。“云”中的资源在使用者看来是可以无限扩展的，并且可以随时获取，按需使用，随时扩展。通过建立云计算资源池(简称云平台，一般称为IaaS(Infrastructure as a Service，基础设施即服务)平台，在资源池中部署多种类型的虚拟资源，供外部客户选择使用。云计算资源池中主要包括：计算设备(为虚拟化机器，包含操作系统)、存储设备、网络设备。

以下对本申请实施例的技术方案的实现细节进行详细阐述：

图2示出了根据本申请一个实施例的视频编辑效果的验证方法的流程图，该视频编辑效果的验证方法可以由具有计算处理功能的设备来执行，比如可以由图1中所示的服务器105来执行。参照图2所示，该视频编辑效果的验证方法至少包括步骤210至步骤290，详细介绍如下：

在步骤210中，获取由原始视频经过编辑后得到的待验证视频，并从所述待验证视频中提取各帧图片的图像参数，作为第一图像参数，所述图像参数用于表征图片的图像特征。

在本申请中，所提出的方案可以用于对原始视频在编辑之后的效果进行验证，原始视频在经过编辑之后的视频即为待验证视频。

比如，在视频编辑类APP中，可以对视频（例如拍摄的视频）进行编辑，例如特效编辑，特效的种类非常多，通过在任意时间设置任意特效，能够改变视频呈现的效果（如图案、颜色等）。

在本申请的一个实施例中，在步骤210之前，还可以执行如图3所示的步骤。

参见图3，示出了根据本申请一个实施例的在获取由原始视频经过编辑后得到的待验证视频之前的方法流程图。具体包括步骤201至步骤203：

在步骤201中，获取原始视频，并通过至少一种效果中的每一种效果，分别对所述原始视频进行编辑，得到至少一个原始效果视频。

在步骤202中，分别从所述原始视频，以及各个原始效果视频中提取各帧图片的图像参数。

在步骤203中，存储所述原始视频中各帧图片的图像参数，以及各个原始效果视频中各帧图片的图像参数。

在本申请中，原始视频中包括多帧图片，原始视频可以是动态视频，也可以是静态视频，静态视频具有固定帧率，其每一帧图片的图片内容相同。

在本申请中，原始效果视频是由原始视频经过一种效果进行编辑后得到，需要强调的是，一个原始效果视频对应一种效果（特效）。若全部效果包括100种，则应该对应100个原始效果视频。

例如，对于一个时长为10秒，且帧率为30帧每秒的静态视频，可以将一种“万圣节南瓜”的特效效果编辑到静态视频中，得到一个具有“万圣节南瓜”特效效果的原始效果视频。

在本申请中，将原始视频数据，以及各个原始效果视频数据转化为图片的图像参数存储起来，以用于后续的验证计算，能够大大节省空间，提高计算效率，也能够快速、高效、可靠地识别添加效果的类型以及特效的生效时长。

在步骤210的一个实施例中，所述图像参数可以包括图像哈希值，所述图像哈希值用于表征图片的形状特征。

具体的，针对每一帧目标图片，其图像哈希值可以按照如图4所示的步骤确定。

参见图4，示出了根据本申请一个实施例的确定图像哈希值的方法流程图。具体包括步骤211至步骤212：

在步骤211中，分别通过感知哈希算法、差值哈希算法，以及均值哈希算法中的至少一种对所述目标图片进行哈希处理，得到所述目标图片的目标哈希值。

在步骤212中，根据所述目标图片的目标哈希值，确定所述目标图片的图像哈希值。

具体的，例如，可以分别通过感知哈希算法、差值哈希算法，以及均值哈希算法中对所述目标图片进行哈希处理，即在第一步中，通过对目标图片取感知哈希算法(pHash)操作，可以获得64比特的二进制哈希值。第二步，通过对目标图片取差值哈希算法(dHash)操作，可以获得72比特的二进制哈希值。第三步，通过对目标图片取均值哈希算法(aHash)操作，可以获得64比特的二进制哈希值。第四步，可以将上述三步获得的所有共200比特的二进制哈希值作为目标图片的图像哈希值。

即在上述示例中，目标哈希值包括两个64比特的二进制哈希值和一个72比特的二进制哈希值。

还例如，可以通过感知哈希算法、差值哈希算法，以及均值哈希算法中的任意两种对所述目标图片进行哈希处理，得到所述目标图片的目标哈希值，确定所述目标图片的图像哈希值。即比如，通过对目标图片取感知哈希算法(pHash)操作得到64比特的二进制哈希值，通过对目标图片取差值哈希算法(dHash)操作得到72比特的二进制哈希值，最后可以将上述获得的共136比特的二进制哈希值作为目标图片的图像哈希值。

即在上述示例中，目标哈希值包括一个64比特的二进制哈希值和一个72比特的二进制哈希值。

还例如，可以通过感知哈希算法、差值哈希算法，以及均值哈希算法中的任意一种对所述目标图片进行哈希处理，得到所述目标图片的目标哈希值，确定所述目标图片的图像哈希值。即比如，通过对目标图片取感知哈希算法(pHash)操作得到64比特的二进制哈希值，并将得到64比特的二进制哈希值作为目标图片的图像哈希值。

即在上述示例中，目标哈希值包括一个64比特的二进制哈希值。在本申请中，上述三种哈希值的提取主要是对图片进行形状上的处理，因此，所述图像哈希值可以用于表征图片的形状特征。

在步骤210的一个实施例中，所述图像参数也可以包括图像颜色值，所述图像颜色值用于表征图片的颜色特征。

具体的，针对每一帧目标图片，其图像颜色值可以按照如图5所示的步骤确定。

参见图5，示出了根据本申请一个实施例的确定图像颜色值的方法流程图。具体包括步骤213至步骤215：

在步骤213中，按照预定的划分规则，在所述目标图片中划分至少两个图像块。

在步骤214中，针对每一个图像块，根据所述图像块中各个像素单元的像素值的平均值，确定所述图像块的颜色值。

在步骤215中，根据各个图像块的颜色值，确定所述目标图片的图像颜色值。

具体的，参见图6，示出了根据本申请一个实施例的确定图像颜色值的场景示意图。

如图6所示，可以将目标图片划分为若干个形如区域601所示的多个图像块，例如图6所示的，将目标图片等分为8x8的区域（具体划分区域的数目可以根据实际情况更改），一共64个图像块，假设每个格子里有K个像素值，我们根据以下式子分别计算每个区域的R、G、B的均值：

式（1）

式（2）

式（3）

其中，

表示一个图像块中第i个像素的R值，

表示一个图像块中第i个像素的G值，

表示一个图像块中第i个像素的B值。因此，图6所示目标图片的颜色提取值共有3×64=192个像素值数据。在步骤210的一个实施例中，所述图像参数还可以同时包括图像哈希值和图像颜色值。

在本申请中，在图像参数同时包括图像哈希值和图像颜色值的情况下，参照上述两个实施例的示例中，基于一帧目标图片可以得到200+192=392个数据，对于一个视频来说，如果视频中包括300帧图片，那么共需要存储300×(200+192)个数据，这些数据所组成的数据组与原来若干兆的视频文件相比，其所需占据的存储是非常小的，因此，将视频文件转化为图像参数，以数据组的形式存储于后台作为后续自动化计算的准备，可以大大节约存储空间。

继续参照图2，在步骤230中，获取原始视频中各帧图片的图像参数，作为第二图像参数。

在本申请中，需要注意的是，在原始视频各帧图片中，图像参数的数据表现形式应该与待验证视频中各帧图片的图像参数的数据表现形式相同，即可以包括图像哈希值和/或图像颜色值。

在步骤230的一个实施例中，所述图像参数可以包括图像哈希值和图像颜色值。

继续参照图2，在步骤250中，根据所述第二图像参数和所述第一图像参数确定所述待验证视频中的每一帧图片与所述原始视频中相对应图片之间的第一相似度。

在步骤250的一个实施例中，确定所述待验证视频中的每一帧图片与所述原始视频中相对应图片之间的第一相似度，可以按照如下方式执行：

首先，通过所述第一图像参数的图像哈希值和所述第二图像参数的图像哈希值，确定所述待验证视频中的每一帧图片与所述原始视频中相对应图片之间的哈希值相似度。

其次，通过所述第一图像参数的图像颜色值和所述第二图像参数的图像颜色值，确定所述待验证视频中的每一帧图片与所述原始视频中相对应图片之间的颜色值相似度。

最后，通过所述哈希值相似度和所述颜色值相似度，确定所述待验证视频中的每一帧图片与所述原始视频中相对应图片之间的第一相似度。

具体的，例如，继续参照上述步骤210的两个实施例的示例中，每一帧图片对应200比特的图像哈希值和192个像素值。

进一步的，通过如下步骤确定所述待验证视频中的每一帧图片与所述原始视频中相对应图片之间的第一相似度（哈希及颜色相似度）：

第一步：假设其中一帧图片“图片哈希值提取”的200个二进制哈希比特值为，其中L=200，另一帧图片的200个二进制哈希比特值为，其中L=200。进行式（4）操作计算哈希值相似度：

式（4）

其中，

表示异或。

第二步：假设其中一帧图片“图片颜色值提取”的3×64个像素值为：

，其中J=64。

同样的，另一帧图片的3×64个像素值为：

，其中J=64。

进行式（5）操作计算颜色值相似度：

式(5)

在本申请中，采用分块思想，将图片分割成多个区域来计算颜色值，并且通过设计相应的颜色值相似度计算算法，能够快速可靠地计算两张图片之间的颜色相似度。

第三步：经过以上两步后，我们经过下式（6）得到第一相似度（哈希及颜色相似度）：

式(6)

本申请通过对视频中的图片哈希值进行提取，能够将图片的多个维度的信息通过简单的数值存储下来，并且通过设计相应的哈希及颜色相似度计算算法，能够快速可靠地计算两张图片之间的形状相似度。

继续参照图2，在步骤270中，根据所述第一相似度，确定所述待验证视频中的编辑效果特征，作为实际编辑效果特征。

在本申请中，对所述原始视频进行的编辑可以是用于对所述原始视频添加至少一种效果，所述编辑效果特征可以包括效果添加位置。

需要说明的是，效果添加位置可以是指视频效果在视频中的生效位置，例如在视频中第5帧图片至第10帧图片中具有编辑的视频效果，或者例如，在视频的第5秒至第10秒的时间内具有编辑的视频效果。

在步骤270的一个实施例中，根据所述第一相似度，确定所述待验证视频中的编辑效果特征，作为实际编辑效果特征，可以按照如图7所示的步骤执行。

参见图7，示出了根据本申请一个实施例的确定待验证视频中的编辑效果特征的细节流程图。具体包括步骤271至272：

在步骤271中，基于所述待验证视频中第一相似度低于第一预定阈值的图片，确定所述待验证视频中的效果添加图片，所述效果添加图片为所述原始视频中经过编辑后被添加有至少一种效果的图片。

在步骤272中，基于所述效果添加图片在所述待验证视频中的分布位置，确定所述待验证视频中的实际效果添加位置，所述实际效果添加位置包括实际效果添加起始位置和实际效果添加结束位置中的至少一个。

在本申请中，若待验证视频中的图片与原始视频中相对应图片之间的第一相似度越低，则说明待验证视频中的图片与原始视频中相对应图片之间的区别越大，则属于相同图片的可能性就越小。

在本申请中，第一预定阈值可以根据实际需要设定，例如将第一阈值设为99%。

具体的，参照图8，示出了根据本申请一个实施例的确定待验证视频中效果添加图片的场景示意图。

如图8所示，图片801为待验证视频中的图片，图片802为原始视频中的图片，可见，图片801是在图片802的基础上经过编辑之后的图片，图片801与图片802之间的相似度低于第一阈值，图片801为待验证视频中的效果添加图片。

在本申请中，所述编辑效果特征还可以包括效果种类。

需要说明的是，效果种类可以是指视频效果的种类，例如特效的种类，灰度化的视频效果，锐化的视频效果等等。

进一步的，在本实施例中，在如图7所示步骤272之后，还可以执行如图9所示步骤。

参见图9，示出了根据本申请一个实施例的确定待验证视频中的编辑效果特征的细节流程图，具体包括步骤273至步骤276：

在步骤273中，获取至少一种效果所对应的原始效果视频中各帧图片的图像参数，作为第三图像参数；每个所述原始效果视频对应一种效果。

在步骤274中，根据所述第一图像参数和所述第三图像参数，确定所述待验证视频中的效果添加图片与各个原始效果视频中的图片之间的第二相似度。

在步骤275中，基于所述第二相似度超过第二预定阈值的原始效果视频对应的效果种类，确定所述效果添加图片的效果种类。

在步骤276中，基于所述效果添加图片的效果种类，确定所述待验证视频中效果添加的实际效果种类。

在上述步骤274中的一个实施例中，可以是根据所述第一图像参数和所述第三图像参数，确定所述待验证视频中的效果添加图片与各个原始效果视频中靠前的预定数量帧的图片之间的第二相似度。

在本实施例中，针对每一个原始效果视频，可以首先确定原始效果视频的前Y帧图片（例如前5帧图片），然后通过分别比较原始效果视频的前Y帧图片的第三图像参数和效果添加图片的第一图像参数，确定所述效果添加图片分别与原始效果视频中前Y帧图片之间的第二相似度。

应该理解的是，原始效果视频的前Y帧图片中编辑有某一种效果（特效）的最初生效部分，对于某些类型的效果而言，可能存在最初效果的生效不明显。基于此，确定所述待验证视频中的效果添加图片与各个原始效果视频中靠前的预定数量帧的图片之间的第二相似度，其好处在于，一方面，可以防止无法确定效果添加图片中效果类型的情况发生，另一方面，还可以避免确定所述效果添加图片与原始效果视频中所有图片之间的第二相似度，从而节省计算资源。

在步骤274中的一个实施例中，所述图像参数可以包括图像哈希值和图像颜色值。其中，第二相似度可以通过如下方式确定：

首先，通过所述第一图像参数的图像哈希值和所述第三图像参数的图像哈希值，确定所述效果添加图片与所述原始效果视频中图片之间的哈希值相似度。

其次，通过所述第一图像参数的图像颜色值和所述第三图像参数的图像颜色值，确定所述效果添加图片与所述原始效果视频中图片之间的颜色值相似度。

最后，通过所述哈希值相似度和所述颜色值相似度，确定所述效果添加图片与所述原始效果视频中图片之间的第二相似度。

在本申请中，若效果添加图片与原始效果视频中图片之间的第二相似度越高，则说明效果添加图片与原始效果视频中图片之间的区别越小，则属于相同图片的可能性就越大。

在本申请中，第二预定阈值可以根据实际需要设定，例如将第一阈值设为99%。

具体的，参照图10，示出了根据本申请一个实施例的确定待验证视频中效果添加图片的效果种类的场景示意图。

如图10所示，图片1001为效果添加图片，图片1002为原始效果视频中的一帧图片，可见，图片1002对应的原始效果视频中的效果种类为“万圣节南瓜”的特效效果，如果效果添加图片1001与图片1002之间的第二相似度超过第二预定阈值，则效果添加图片1001的效果种类为“万圣节南瓜”的特效效果。

在步骤275的一个实施例中，如果在某一个原始效果视频中找到了一帧与某一帧效果添加图片相似的原始效果图片，那么可以直接确定原始效果视频中下一帧原始效果图片与下一帧效果添加图片的第二相似度，如果二者继续相似，则继续确定原始效果视频中下一帧原始效果图片与下一帧效果添加图片的第二相似度，并确定是否二者相似，直到二者不相似，则确定原始效果视频对应类型的效果在待验证视频中的生效结束，最后一帧生效图片在待验证视频中的位置即为原始效果视频对应类型的效果在待验证视频中的实际效果添加结束位置。

在图9所示的步骤中，如果遍历各个原始效果视频，也没有找到所述第二相似度超过第二预定阈值的原始效果视频，则认为待验证视频出现异常验证。

继续参照图2，在步骤290中，基于对所述原始视频进行编辑时记录的参考编辑效果特征，对所述实际编辑效果特征进行验证。

在步骤290的一个实施例中，对所述实际编辑效果特征进行验证，可以按照如图11所示的步骤执行。

参见图11，示出了根据本申请一个实施例的对所述实际编辑效果特征进行验证的细节流程图。具体包括步骤291至步骤292：

在步骤291中，确定所述实际编辑效果特征和所述参考编辑效果特征之间的特征误差，所述特征误差用于表征实际编辑效果特征与参考编辑效果特征之间的差异程度。

在步骤292中，在所述特征误差低于第三预定阈值时，确定通过对所述待验证视频中实际编辑效果特征的验证。

具体的，例如，在编辑效果特征包括效果添加位置时，待验证视频中A效果的生效位置为待验证视频的第5秒，而在实际的编辑过程中，是在原始视频的第4.9秒时对其进行A效果编辑的，因此实际编辑效果特征和所述参考编辑效果特征之间的特征误差就为0.1秒时间。

在本申请中，第三预定阈值可以根据实际需要设定，例如，误差时间的第三预定阈值为0.2秒。

在本申请中，例如，在确认视频编辑类APP的编辑功能是否正常的场景，若所述特征误差低于第三预定阈值时，则说明对所述原始视频进行编辑时记录的参考编辑效果特征与待验证视频中的实际编辑效果特征一致，则APP的视频编辑功能正常，否则，APP的视频编辑功能不正常。

为了使本领域技术人员更好的理解本申请技术方案，下面将结合一个具体的示例进行说明：

例如，本示例一共有N个特效效果，其中，取特效“万圣节南瓜”为例进行算法说明，其他的特效也可以通过同样的处理进行后台数据准备。

在本示例中，选取一个每一帧都是同样内容的静态视频m，即该视频的每一帧内容都是一样的。此外，选取的视频是固定帧率的，本申请中以固定帧率f=30帧/秒，且视频总时长为t=10秒为例进行说明。

在本申请中，对静态视频m的0至10秒均添加特效“万圣节南瓜”，该特效覆盖了视频的所有时间，在静态视频上覆盖特效后我们得到了视频m1，值得注意的是此视频由于加了动态特效的缘故，所以视频m1是动态的。此视频的总帧数F=f*t=30*10=300帧。

在APP客户端选用与后台模板同样的静态视频m，通过自动化操作，随机地添加若干特效，并记录下添加特效A的生效时间为t _A0至t _A1，添加特效B的生效时间为t _B0至t _B1等。得到添加了若干特效的视频m_t后，我们可以通过本申请提出的视频编辑效果的验证方案来识别其在什么时间添加了什么特效，并且能够获得特效的生效时刻和结束时刻，在本示例中可以包括如下五个步骤。

第一步：从视频m_t第一帧开始遍历进行第二步操作，如果最后一帧已遍历完及n>F=300，则进行第五步的计算确定步骤。

第二步：假设目前是视频m_t的第n帧(1≤n≤300)，将该帧与原始视频（即静态视频m）中的基础帧进行哈希及颜色相似度（即第一相似度）计算，如果哈希及颜色相似度大于某个阈值（即第一预定阈值），即

≥k，此处取k =99%（k值可以随着不同业务场景改变），我们便认为该帧没有添加特效，回到第一步开始遍历下一帧。否则，即

＜k ，则认为该帧是添加了特效的帧，进行第三步操作。

第三步：之前已经提到，假设APP客户端中总共有N个特效效果，我们可以将目前的第n帧，分别与N个特效的每个特效的前Y帧（本申请中Y取5）进行哈希及颜色相似度计算，这样做的原因是防止某些特效会在非常短的时间约0.1秒才开始生效，如果满足第n帧与特效的前Y帧的某一帧

≥k ，且该特效帧与基础帧的

＜k ，我们则认为找到了匹配特效帧（即效果添加图片），假设这个匹配特效帧是某特效B的第p帧（1≤p≤Y），然后我们进行第四步操作。否则，如果遍历所有N个特效的前Y帧都没有找到匹配特效帧，则认为该视频出现异常，视频效果的验证不通过。

第四步：由第三步已经找到了匹配特效帧，如果当前第n帧的n≠F=300，则我们继续让第n+1帧与某特效B的第(p+1)帧进行哈希及颜色相似度计算，如果满足

≥k 则循环第四步，否则我们认为该特效生效时间结束，得到该特效生效时间的起始帧数和结束帧数，存储下来，从第n+1帧进行第二步操作。如果当前第n帧的n=F=300，则认为已经计算完最后一帧，该帧就是该特效的结束帧，记录下来后进行第五步的计算确定步骤。

第五步：到这一步已经得到视频m_t的每一个生效的特效已经对应的开始生效帧f _s 和结束帧f _e ，可以通过式（7）和式（8）将帧数转换为时刻：

式(7)

式(8)

如果遍历每个特效的生效时间与结束时间与最开始APP客户端自动添加特效时所记录的一致，且生效的开始和结束时刻误差均在t _r以内（此处t _r可以取0.1秒，可以根据不同业务场景调整），则我们认为所有特效的效果正常，验证通过，否则验证不通过。

在本申请上述实施例的技术方案中，一方面，由于实际编辑效果特征是基于视频中各帧图片的图像参数而确定的，因此能够从图形层面上以待验证视频的编辑效果特征为依据，实现对待验证视频的自动验证。另一方面，由于记录的参考编辑效果特征是针对视频的编辑操作所对应的理想情况下的编辑效果特征，使得参考编辑效果特征能够准确验证所述实际编辑效果特征。故本申请的一些实施例所提供的技术方案能够提高对视频编辑效果的验证效率。

以下介绍本申请的装置实施例，可以用于执行本申请上述实施例中的视频编辑效果的验证方法。对于本申请装置实施例中未披露的细节，请参照本申请上述的视频编辑效果的验证方法的实施例。

图12示出了根据本申请的一个实施例的视频编辑效果的验证装置的框图。

参照图12所示，根据本申请的一个实施例的视频编辑效果的验证装置1200，包括：第一获取单元1201、第二获取单元1202、第一确定单元1203和验证单元1204。

其中，第一获取单元1201，被用于获取由原始视频经过编辑后得到的待验证视频，并从所述待验证视频中提取各帧图片的图像参数，作为第一图像参数，所述图像参数用于表征图片的图像特征；第二获取单元1202，被用于获取原始视频中各帧图片的图像参数，作为第二图像参数，根据所述第二图像参数和所述第一图像参数确定所述待验证视频中的每一帧图片与所述原始视频中相对应图片之间的第一相似度；第一确定单元1203，被用于根据所述第一相似度，确定所述待验证视频中的编辑效果特征，作为实际编辑效果特征；验证单元1204，被用于基于对所述原始视频进行编辑时记录的参考编辑效果特征，对所述实际编辑效果特征进行验证。

在本申请的一些实施例中，基于前述方案，对所述原始视频进行的编辑用于对所述原始视频添加至少一种效果，所述编辑效果特征包括效果添加位置，所述第一确定单元1203配置为:基于所述待验证视频中第一相似度低于第一预定阈值的图片，确定所述待验证视频中的效果添加图片，所述效果添加图片为所述原始视频中经过编辑后被添加有至少一种效果的图片；基于所述效果添加图片在所述待验证视频中的分布位置，确定所述待验证视频中的实际效果添加位置，所述实际效果添加位置包括实际效果添加起始位置和实际效果添加结束位置中的至少一个。

在本申请的一些实施例中，基于前述方案，所述编辑效果特征还包括效果种类，所述第一确定单元1203配置为: 获取至少一种效果所对应的原始效果视频中各帧图片的图像参数，作为第三图像参数；每个所述原始效果视频对应一种效果；根据所述第一图像参数和所述第三图像参数，确定所述待验证视频中的效果添加图片与各个原始效果视频中的图片之间的第二相似度；基于所述第二相似度超过第二预定阈值的原始效果视频对应的效果种类，确定所述效果添加图片的效果种类；基于所述效果添加图片的效果种类，确定所述待验证视频中效果添加的实际效果种类。

在本申请的一些实施例中，基于前述方案，所述第一确定单元1203配置为: 根据所述第一图像参数和所述第三图像参数，确定所述待验证视频中的效果添加图片与各个原始效果视频中靠前的预定数量帧的图片之间的第二相似度。

在本申请的一些实施例中，基于前述方案，所述装置还包括：第三获取单元，被用于在获取由原始视频经过编辑后得到的待验证视频之前，获取原始视频，并通过至少一种效果中的每一种效果，分别对所述原始视频进行编辑，得到至少一个原始效果视频；提取单元，被用于分别从所述原始视频，以及各个原始效果视频中提取各帧图片的图像参数；存储单元，被用于存储所述原始视频中各帧图片的图像参数，以及各个原始效果视频中各帧图片的图像参数。

在本申请的一些实施例中，基于前述方案，所述图像参数包括图像哈希值和图像颜色值，所述第二获取单元1202配置为: 通过所述第一图像参数的图像哈希值和所述第二图像参数的图像哈希值，确定所述待验证视频中的每一帧图片与所述原始视频中相对应图片之间的哈希值相似度；通过所述第一图像参数的图像颜色值和所述第二图像参数的图像颜色值，确定所述待验证视频中的每一帧图片与所述原始视频中相对应图片之间的颜色值相似度；通过所述哈希值相似度和所述颜色值相似度，确定所述待验证视频中的每一帧图片与所述原始视频中相对应图片之间的第一相似度。

在本申请的一些实施例中，基于前述方案，所述图像参数包括图像哈希值，所述图像哈希值用于表征图片的形状特征，所述装置还包括：第二确定单元，被用于针对每一帧目标图片，分别通过感知哈希算法、差值哈希算法，以及均值哈希算法中的至少一种对所述目标图片进行哈希处理，得到所述目标图片的目标哈希值；根据所述目标图片的目标哈希值，确定所述目标图片的图像哈希值。

在本申请的一些实施例中，基于前述方案，所述图像参数包括图像颜色值，所述图像颜色值用于表征图片的颜色特征，所述装置还包括：第三确定单元，被用于针对每一帧目标图片，按照预定的划分规则，在所述目标图片中划分至少两个图像块；针对每一个图像块，根据所述图像块中各个像素单元的像素值的平均值，确定所述图像块的颜色值；根据各个图像块的颜色值，确定所述目标图片的图像颜色值。

在本申请的一些实施例中，基于前述方案，所述验证单元1204配置为：确定所述实际编辑效果特征和所述参考编辑效果特征之间的特征误差，所述特征误差用于表征实际编辑效果特征与参考编辑效果特征之间的差异程度；在所述特征误差低于第三预定阈值时，确定通过对所述待验证视频中实际编辑效果特征的验证。

图13示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。

需要说明的是，图13示出的电子设备的计算机系统1300仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图13所示，计算机系统1300包括中央处理单元（Central Processing Unit，CPU）1301，其可以根据存储在只读存储器（Read-Only Memory，ROM）1302中的程序或者从储存部分1308加载到随机访问存储器（Random Access Memory，RAM）1303中的程序而执行各种适当的动作和处理，例如执行上述实施例中所述的方法。在RAM 1303中，还存储有系统操作所需的各种程序和数据。CPU 1301、ROM 1302以及RAM 1303通过总线1304彼此相连。输入/输出（Input /Output，I/O）接口1305也连接至总线1304。

以下部件连接至I/O接口1305：包括键盘、鼠标等的输入部分1306；包括诸如阴极射线管（Cathode Ray Tube，CRT）、液晶显示器（Liquid Crystal Display，LCD）等以及扬声器等的输出部分1307；包括硬盘等的储存部分1308；以及包括诸如LAN（Local AreaNetwork，局域网）卡、调制解调器等的网络接口卡的通信部分1309。通信部分1309经由诸如因特网的网络执行通信处理。驱动器1310也根据需要连接至I/O接口1305。可拆卸介质1311，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1310上，以便于从其上读出的计算机程序根据需要被安装入储存部分1308。

特别地，根据本申请的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本申请的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分1309从网络上被下载和安装，和/或从可拆卸介质1311被安装。在该计算机程序被中央处理单元（CPU）1301执行时，执行本申请的系统中限定的各种功能。

需要说明的是，本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（Erasable Programmable Read Only Memory，EPROM）、闪存、光纤、便携式紧凑磁盘只读存储器（Compact Disc Read-Only Memory，CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。

作为另一方面，本申请还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述实施例中所述的视频编辑效果的验证方法。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现上述实施例中所述的视频编辑效果的验证方法。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本申请实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质（可以是CD-ROM，U盘，移动硬盘等）中或网络上，包括若干指令以使得一台计算设备（可以是个人计算机、服务器、触控终端、或者网络设备等）执行根据本申请实施方式的方法。

本领域技术人员在考虑说明书及实践这里公开的实施方式后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、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申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。

应当理解的是，本申请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。本申请的范围仅由所附的权利要求来限制。

Claims (10)

1.一种视频编辑效果的验证方法，其特征在于，所述方法包括：

获取由原始视频经过编辑后得到的待验证视频，并从所述待验证视频中提取各帧图片的图像参数，作为第一图像参数，所述图像参数用于表征图片的图像特征；

获取原始视频中各帧图片的图像参数，作为第二图像参数；

根据所述第二图像参数和所述第一图像参数，确定所述待验证视频中的每一帧图片与所述原始视频中相对应图片之间的第一相似度；

根据所述第一相似度，确定所述待验证视频中的编辑效果特征，作为实际编辑效果特征；

基于对所述原始视频进行编辑时记录的参考编辑效果特征，对所述实际编辑效果特征进行验证。

2.根据权利要求1所述的方法，其特征在于，对所述原始视频进行的编辑用于对所述原始视频添加至少一种效果，所述编辑效果特征包括效果添加位置，所述根据所述第一相似度，确定所述待验证视频中的编辑效果特征，作为实际编辑效果特征，包括：

基于所述待验证视频中第一相似度低于第一预定阈值的图片，确定所述待验证视频中的效果添加图片，所述效果添加图片为所述原始视频中经过编辑后被添加有至少一种效果的图片；

基于所述效果添加图片在所述待验证视频中的分布位置，确定所述待验证视频中的实际效果添加位置，所述实际效果添加位置包括实际效果添加起始位置和实际效果添加结束位置中的至少一个。

3.根据权利要求2所述的方法，其特征在于，所述编辑效果特征还包括效果种类，所述方法还包括：

获取至少一种效果所对应的原始效果视频中各帧图片的图像参数，作为第三图像参数；每个所述原始效果视频对应一种效果；

根据所述第一图像参数和所述第三图像参数，确定所述待验证视频中的效果添加图片与各个原始效果视频中的图片之间的第二相似度；

基于所述第二相似度超过第二预定阈值的原始效果视频对应的效果种类，确定所述效果添加图片的效果种类；

基于所述效果添加图片的效果种类，确定所述待验证视频中效果添加的实际效果种类。

4.根据权利要求3所述的方法，其特征在于，所述根据所述第一图像参数和所述第三图像参数，确定所述待验证视频中的效果添加图片与各个原始效果视频中的图片之间的第二相似度，包括：

根据所述第一图像参数和所述第三图像参数，确定所述待验证视频中的效果添加图片与各个原始效果视频中靠前的预定数量帧的图片之间的第二相似度。

5.根据权利要求1所述的方法，其特征在于，在获取由原始视频经过编辑后得到的待验证视频之前，所述方法还包括：

获取原始视频，并通过至少一种效果中的每一种效果，分别对所述原始视频进行编辑，得到至少一个原始效果视频；

分别从所述原始视频，以及各个原始效果视频中提取各帧图片的图像参数；

存储所述原始视频中各帧图片的图像参数，以及各个原始效果视频中各帧图片的图像参数。

6.根据权利要求1所述的方法，其特征在于，所述图像参数包括图像哈希值和图像颜色值，所述确定所述待验证视频中的每一帧图片与所述原始视频中相对应图片之间的第一相似度，包括：

通过所述第一图像参数的图像哈希值和所述第二图像参数的图像哈希值，确定所述待验证视频中的每一帧图片与所述原始视频中相对应图片之间的哈希值相似度；

通过所述第一图像参数的图像颜色值和所述第二图像参数的图像颜色值，确定所述待验证视频中的每一帧图片与所述原始视频中相对应图片之间的颜色值相似度；

通过所述哈希值相似度和所述颜色值相似度，确定所述待验证视频中的每一帧图片与所述原始视频中相对应图片之间的第一相似度。

7.根据权利要求1-6任一项所述的方法，其特征在于，所述图像参数包括图像哈希值，所述图像哈希值用于表征图片的形状特征；

针对每一帧目标图片，所述图像哈希值通过如下方式确定：

分别通过感知哈希算法、差值哈希算法，以及均值哈希算法中的至少一种对所述目标图片进行哈希处理，得到所述目标图片的目标哈希值；

根据所述目标图片的目标哈希值，确定所述目标图片的图像哈希值。

8.根据权利要求1-6任一项所述的方法，其特征在于，所述图像参数包括图像颜色值，所述图像颜色值用于表征图片的颜色特征；

针对每一帧目标图片，所述图像颜色值通过如下方式确定：

按照预定的划分规则，在所述目标图片中划分至少两个图像块；

针对每一个图像块，根据所述图像块中各个像素单元的像素值的平均值，确定所述图像块的颜色值；

根据各个图像块的颜色值，确定所述目标图片的图像颜色值。

9.根据权利要求1所述的方法，其特征在于，所述基于对所述原始视频进行编辑时记录的参考编辑效果特征，对所述实际编辑效果特征进行验证，包括：

确定所述实际编辑效果特征和所述参考编辑效果特征之间的特征误差，所述特征误差用于表征实际编辑效果特征与参考编辑效果特征之间的差异程度；

在所述特征误差低于第三预定阈值时，确定通过对所述待验证视频中实际编辑效果特征的验证。

10.一种视频编辑效果的验证装置，其特征在于，所述装置包括：

第一获取单元，被用于获取由原始视频经过编辑后得到的待验证视频，并从所述待验证视频中提取各帧图片的图像参数，作为第一图像参数，所述图像参数用于表征图片的图像特征；

第二获取单元，被用于获取原始视频中各帧图片的图像参数，作为第二图像参数，根据所述第二图像参数和所述第一图像参数确定所述待验证视频中的每一帧图片与所述原始视频中相对应图片之间的第一相似度；

第一确定单元，被用于根据所述第一相似度，确定所述待验证视频中的编辑效果特征，作为实际编辑效果特征；

验证单元，被用于基于对所述原始视频进行编辑时记录的参考编辑效果特征，对所述实际编辑效果特征进行验证。

Images