CN112866748A - 基于ai的视频广告植入方法和装置、设备及存储介质 - Google Patents
基于ai的视频广告植入方法和装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112866748A CN112866748A CN202110068514.0A CN202110068514A CN112866748A CN 112866748 A CN112866748 A CN 112866748A CN 202110068514 A CN202110068514 A CN 202110068514A CN 112866748 A CN112866748 A CN 112866748A
- Authority
- CN
- China
- Prior art keywords
- media data
- advertisement
- video
- current media
- advertisement material
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000003860 storage Methods 0.000 title claims description 7
- 239000000463 material Substances 0.000 claims abstract description 81
- 238000003062 neural network model Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 8
- 238000013135 deep learning Methods 0.000 claims description 7
- 238000002513 implantation Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 239000007943 implant Substances 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000001960 triggered effect Effects 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]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
- H04N21/23424—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving splicing one content stream with another content stream, e.g. for inserting or substituting an advertisement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/7867—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, title and artist information, manually generated time, location and usage information, user ratings
-
- 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]
- H04N21/40—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
- H04N21/4662—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms
- H04N21/4666—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms using neural networks, e.g. processing the feedback provided by the user
-
- 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]
- H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
- H04N21/81—Monomedia components thereof
- H04N21/812—Monomedia components thereof involving advertisement data
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Library & Information Science (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本申请涉及一种基于AI的视频广告植入方法，包括：获取播放终端正在播放的当前媒体数据，基于预先构建的视频结构化数据库，确定当前媒体数据的标签信息；其中，视频结构化数据库中包含有多个媒体数据以及用于标记各媒体数据类型的标签；根据标签信息并结合用户个人信息，由广告素材库中提取出与当前媒体数据相匹配的广告素材，并将广告素材植入当前媒体数据中。其实现了在终端进行视频广告与当前播放的媒体数据的叠加，相较于在前端进行视频广告的叠加方式，使得播放终端最终所呈现的视频广告与当前正在播放的媒体数据更加匹配。
Description
技术领域
本申请涉及视频广告技术领域，尤其涉及一种基于AI的视频广告植入方法和装置、设备及存储介质。
背景技术
视频广告是视频行业应用的一个重要环节，是电视台、运营商重要的变现手段之一。传统的视频广告形式有：字幕叠加，包括静态字幕和滚动字幕；图片叠加，包括静态图片和透明动画等；视频插播，包括片头、片尾贴片广告和中间视频插入等。传统的视频广告形式，是在原视频的基础上，预先叠加好广告素材(包括但不限于：文字、图片和动画片段等)，重新压缩编码，再统一传输到终端进行展示。其本质是一种云计算模式。但是，采用上述方式进行视频广告的植入，对于同一视频内容，一旦生产完成后，所有观众都会看到同样的视频内容，不能针对不同的观众进行适应性投放，灵活性较差。
发明内容
有鉴于此，本申请提出了一种基于AI的视频广告植入方法，可以针对不同的观众进行适应性投放不同的广告内容，从而有效提高视频广告植入的灵活性。
根据本申请的一方面，提供了一种基于AI的视频广告植入方法，包括：
获取播放终端正在播放的当前媒体数据，基于预先构建的视频结构化数据库，确定所述当前媒体数据的标签信息；其中，所述视频结构化数据库中包含有多个媒体数据以及用于标记各所述媒体数据类型的标签；
根据所述标签信息并结合用户个人信息，由广告素材库中提取出与所述当前媒体数据相匹配的广告素材，并将所述广告素材植入所述当前媒体数据中。
在一种可能的实现方式中，还包括基于深度学习算法，构建所述视频结构化数据库的步骤。
在一种可能的实现方式中，基于深度学习算法，构建所述视频结构化数据库，包括：
建立视频结构化标签库；其中，所述视频结构化标签库包括多种用于对所述媒体数据进行分类的标签；
基于所述视频结构化标签库，标记预设数量的媒体数据作为用于进行神经网络模型训练的素材库；
使用所述素材库对构建的神经网络模型进行训练，得到视频结构化算法模型；
使用所述视频结构化算法模型对媒体资产库中的各媒体数据进行扫描分析，确定各媒体数据的标签，得到所述视频结构化数据库。
在一种可能的实现方式中，所述标签根据所述媒体数据的不同属性进行分类；
其中，所述媒体数据的属性包括场面背景、场面气氛和场面人物中的至少一种。
在一种可能的实现方式中，所述用户个人信息包括播放习惯、观看内容、浏览历史记录和地域中的至少一种。
在一种可能的实现方式中，获取播放终端正在播放的当前媒体数据，基于预先构建的视频结构化数据库，确定所述当前媒体数据的标签信息，包括：
对所述当前媒体数据进行解码分析，获取所述当前媒体数据的播放内容；
根据播放内容由所述视频结构化数据库中提取出与所述当前媒体数据相匹配的标签信息。
在一种可能的实现方式中，根据所述标签信息并结合用户个人信息，由广告素材库中提取出与所述当前媒体数据相匹配的广告素材，包括：
获取所述标签信息和所述用户个人信息；
基于所述用户个人信息和所述标签信息，检测当前提取的广告素材与所述当前媒体数据是否匹配；
在检测出当前提取的广告素材与所述当前媒体数据相匹配时，由所述广告素材库中提取出所述广告素材。
根据本申请的一方面，还提供了一种基于AI的视频广告植入装置，包括数据获取模块、标签信息确定模块、广告素材匹配模块和广告素材植入模块；
所述数据获取模块，被配置为获取播放终端正在播放的当前媒体数据；
所述标签信息确定模块，被配置为基于预先构建的视频结构化数据库，确定所述当前媒体数据的标签信息；其中，所述视频结构化数据库中包含有多个媒体数据以及用于标记各所述媒体数据类型的标签；
所述广告素材匹配模块，被配置为根据所述标签信息并结合用户个人信息，由广告素材库中提取出与所述当前媒体数据相匹配的广告素材；
所述广告素材植入模块，被配置为将所述广告素材植入所述当前媒体数据中。
根据本申请的另一方面，还提供了一种基于AI的视频广告植入设备，包括：
处理器；
用于存储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可执行指令时实现前面任一所述的方法。
根据本申请的另一方面，还提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现前面任一所述的方法。
通过获取播放终端正在播放的当前媒体数据，然后基于预先构建的视频结构化数据库确定当前媒体数据的标签信息后，再根据所确定的标签信息，同时结合用户个人信息提取出与当前媒体数据相匹配的广告素材，进而再将提取出的广告素材植入到当前媒体数据中，实现了在终端进行视频广告与当前播放的媒体数据的叠加，相较于相关技术中，在前端进行视频广告的叠加方式，使得播放终端最终所呈现的视频广告与当前正在播放的媒体数据更加匹配。同时，在进行广告素材的提取匹配过程中，还结合用户个人信息进行广告素材的提取，从而实现了播放终端能够针对不同的用户播放不同的视频广告，实现了快速灵活变更播放终端的播放内容的功能，使得视频广告植入更加灵活。
根据下面参考附图对示例性实施例的详细说明，本申请的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本申请的示例性实施例、特征和方面，并且用于解释本申请的原理。
图1示出本申请一实施例的基于AI的视频广告植入方法的流程图；
图2示出本申请一实施例的基于AI的视频广告植入方法的总体结构图；
图3示出本申请一实施例的基于AI的视频广告植入方法中构建视频结构化数据库的流程图；
图4示出本申请一实施例的基于AI的视频广告植入方法中另一流程图；
图5示出本申请一实施例的基于AI的视频广告植入装置的结构框图；
图6示出本申请一实施例的基于AI的视频广告植入设备的结构框图。
具体实施方式
以下将参考附图详细说明本申请的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外，为了更好的说明本申请，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本申请同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本申请的主旨。
图1示出根据本申请一实施例的基于AI的视频广告植入方法的流程图。图2示出本申请一实施例的基于AI的视频广告植入方法的总体结构图。如图1和图2所示，该方法包括：步骤S100，获取播放终端正在播放的当前媒体数据，基于预先构建的视频结构化数据确定当前媒体数据的标签信息。此处，需要说明的是，媒体数据可以为视频数据，也可以为音频数据。在后面的示例性说明中，则以视频数据为例进行说明。同时，还需要指出的是，视频结构化数据库中的数据包含有多个媒体数据以及用于标记各媒体数据类型的标签。此处，应当指出的是，在本申请实施例的方法中，对各媒体数据所标记的标签主要是用于标记媒体数据的场面背景、场面气氛、场面内容、场面人物等各种特征，用于与所植入的广告素材相匹配。
在确定当前媒体数据的标签信息后，即可执行步骤S200，根据标签信息并结合用户个人信息，由广告素材库中农提取出与当前媒体数据相匹配的广告素材，然后将广告素材植入当前媒体数据中，从而最终实现在播放终端进行视频广告的投放。
由此，本申请实施例的基于AI的视频广告植入方法，通过获取播放终端正在播放的当前媒体数据，然后基于预先构建的视频结构化数据库确定当前媒体数据的标签信息后，再根据所确定的标签信息，同时结合用户个人信息提取出与当前媒体数据相匹配的广告素材，进而再将提取出的广告素材植入到当前媒体数据中，实现了在终端进行视频广告与当前播放的媒体数据的叠加，相较于相关技术中，在前端进行视频广告的叠加方式，使得播放终端最终所呈现的视频广告与当前正在播放的媒体数据更加匹配。同时，在进行广告素材的提取匹配过程中，还结合用户个人信息进行广告素材的提取，从而实现了播放终端能够针对不同的用户播放不同的视频广告，实现了快速灵活变更播放终端的播放内容的功能，使得视频广告植入更加灵活。
其中，根据前面所述，在进行广告素材与当前媒体数据的匹配过程中，需要先确定当前媒体数据的标签信息。而在进行当前媒体数据的标签信息的确定时，则是基于预先构建的视频结构化数据库进行确定的。因此，本申请实施例的方法中，需要先进行视频结构化数据库的构建。
在一种可能的实现方式中，视频结构化数据库的构建可以基于深度学习算法来实现。具体的，参阅图3，首先，通过步骤S001，建立视频结构化标签库，按照一定的标准对视频进行结构化分类。此处，需要说明的是，所建立的视频结构化标签库中包含有多种用于对媒体数据进行分类的标签。其中，标签可以根据媒体数据的不同属性进行分类设置。具体的，媒体数据的属性包括场面背景、场面气氛和场面人物中的至少一种。
举例来说，在对视频进行结构化分类时，按照场面背景，可以设置以下分类标签：海边、沙滩、草原、家庭客厅、体育场、……等。按照场面气氛，可以设置以下分类标签：浪漫、温情、欢乐、悲伤、恐怖、……等。
然后，通过步骤S002，基于视频结构化标签库，标记预设数量的媒体数据作为用于进行神经网络模型训练的素材库。此处，本领域技术人员可以理解的是，基于视频结构化标签库进行预设数量的媒体数据的标记，是为了制作用于训练神经网络模型的样本数据集，从而通过所标记的各个媒体数据样本进行AI训练。其中，应当指出的是，所标记的用于作为训练样本的媒体数据的数量可以根据实际情况设置，此处不进行具体限定。
进而，在通过步骤S003，构建深度学习算法，确定相应的神经网络模型。此处，需要指出的是，在进行神经网络模型的构建时，可以采用本领域的常规神经网络来实现。如：可以采用卷积神经网络(CNN)，也可以采用其他神经网络(如：RNN)等，此处不进行具体限定。
在构建深度学习算法之后，即可执行步骤S004，使用素材库对构建的神经网络模型进行训练，得到视频结构化算法模型。此处，本领域技术人员可以理解，所得到的视频结构化算法模型为对所构建的神经网络模型进行训练后最终所确定的神经网络。
最后，再通过步骤S005，使用视频结构化算法模型对媒体资产库中的各媒体数据进行扫描分析，确定各媒体数据的标签，得到视频结构化数据库。即，使用视频结构化算法模型对存量媒体资产库进行扫描分析，获得视频结构化数据库。
其中，在入库前，还可以使用视频结构化算法模型对增量媒体资产库进行扫描分析，持续更新视频结构化数据库，从而使得视频结构化数据库中的数据能够持续更新。
在通过上述任一方式构建相应的视频结构化数据库后，即可执行本申请实施例的视频广告植入方法。即，获取播放终端正在播放的当前媒体数据，然后基于预先构建的视频结构化数据库，确定当前媒体数据的标签信息。
参阅图4，在基于预先构建的视频结构化数据库进行当前媒体数据的标签信息的确定时，可以通过以下方式来实现。
即，通过步骤S110，获取发送至播放终端当前要播放的原始节目信息。然后，通过步骤S120，对播放终端正在播放的当前媒体数据进行解码分析，获取当前媒体数据的播放内容。进而，再通过步骤S130，根据播放内容由视频结构化数据库中提取出与当前媒体数据相匹配的标签信息。即，通过所构建的视频结构化数据库对当前媒体数据进行标签信息的检测，从而确定当前媒体数据的标签。
在确定当前媒体数据的标签之后，即可执行步骤S200，根据标签信息并结合用户个人信息，由广告素材库中提取出与当前媒体数据相匹配的广告素材。其中，在进行广告素材的提取时，则可以通过以下方式来实现。
参阅图4，首先，通过步骤S210，获取播放终端的用户个人信息。其中，用户个人信息的获取可以基于用户在该播放终端中的历史浏览信息、用户登录该播放终端时的地理位置、以及用户对该播放终端的操作记录等获取。进而再通过步骤S220，基于用户个人信息和标签信息，检测当前提取的广告素材与当前媒体数据是否匹配。即，通过确定的标签信息确定当前可以植入的广告素材，进而再对所确定的可植入的广告素材进行与用户个人信息进行相匹配的检测，从而最终确定与当前媒体数据最相匹配的广告素材。
也就是说，通过综合分析用户在使用该播放终端时所浏览的播放内容和播放习惯，并综合考虑用户其他方面的信息，从而确定得出在何种视频场景下适合向用户推荐那些类型的广告信息。
在检测出当前提取的广告素材与当前媒体数据相匹配时，由广告素材库中提取出广告素材。即，通过步骤S230，通过综合前面所确定的当前媒体数据的标签信息，以及用户个人信息，进行广告素材的匹配。然后，向云端请求所匹配上的最适合的个性化广告内容，由云端存储的广告素材库中提取出相匹配的广告素材后，再通过网络将广告素材下载至本地。
举例来说，在所检测出的当前媒体数据的标签信息为温情时，确定当前媒体数据对应的场面气氛为温情。然后由广告素材库中查找出对应气氛为温情类的广告信息。进而再对当前媒体数据进行分析，确定当前媒体数据中包含有小孩、玩具等信息。然后，再通过对用户个人信息进行分析提取出当前用户的历史浏览记录包括有婴儿护理、幼儿教育等，由此可以确定此时与当前媒体数据相匹配的广告素材可以为奶粉广告。
进而，再通过步骤S240，将提取出来的广告素材植入当前媒体数据中。此处，需要指出的是，在将下载下来的广告素材植入到当前媒体数据中时，可以采用适当的图像算法，进行广告内容的无缝植入。最终，通过步骤S250，将植入广告内容的媒体数据实时呈现给终端用户。
此外，参阅图4，在本申请实施例的基于AI的视频广告植入方法中，还可以包括步骤S300，触发植入视频广告后的当前媒体数据中的广告区域，在广告区域被触发后，推送并显示该广告区域所对应的广告信息。即，用户可以通过点击播放终端正在播放的当前媒体数据，由于当前媒体数据已经植入广告素材，因此通过点击当前媒体数据的广告区域可以打开更加详细的信息页面，从而实现双向互动。
需要说明的是，尽管以图1至图4作为示例介绍了如上所述的基于AI的视频广告植入方法，但本领域技术人员能够理解，本申请应不限于此。事实上，用户完全可根据个人喜好和/或实际应用场景灵活设定各步骤的具体实现方式，只要能够实现针对不同的媒体数据播放不同的广告内容即可。
相应的，基于前面任一所述的基于AI的视频广告植入方法，本申请还提供了一种基于AI的视频广告植入装置。由于本申请提供的基于AI的视频广告植入装置的工作原理与本申请的基于AI的视频广告植入方法的原理相同或相似，因此重复之处不再赘述。
参阅图5，本申请提供的基于AI的视频广告植入装置，包括：数据获取模块、标签信息确定模块、广告素材匹配模块和广告素材植入模块。其中，数据获取模块，被配置为获取播放终端正在播放的当前媒体数据。标签信息确定模块，被配置为基于预先构建的视频结构化数据库，确定当前媒体数据的标签信息；其中，视频结构化数据库中包含有多个媒体数据以及用于标记各媒体数据类型的标签。广告素材匹配模块，被配置为根据标签信息并结合用户个人信息，由广告素材库中提取出与标签信息相匹配的广告素材。广告素材植入模块，被配置为将广告素材植入当前媒体数据中。
更进一步地，根据本申请的另一方面，还提供了一种基于AI的视频广告植入设备200。参阅图6，本申请实施例的基于AI的视频广告植入设备200包括处理器210以及用于存储处理器210可执行指令的存储器220。其中，处理器210被配置为执行可执行指令时实现前面任一所述的基于AI的视频广告植入方法。
此处，应当指出的是，处理器210的个数可以为一个或多个。同时，在本申请实施例的视频广告植入设备200中，还可以包括输入装置230和输出装置240。其中，处理器210、存储器220、输入装置230和输出装置240之间可以通过总线连接，也可以通过其他方式连接，此处不进行具体限定。
存储器220作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序和各种模块，如：本申请实施例的视频广告植入方法所对应的程序或模块。处理器210通过运行存储在存储器220中的软件程序或模块，从而执行视频广告植入设备200的各种功能应用及数据处理。
输入装置230可用于接收输入的数字或信号。其中，信号可以为产生与设备/终端/服务器的用户设置以及功能控制有关的键信号。输出装置240可以包括显示屏等显示设备。
根据本申请的另一方面，还提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，计算机程序指令被处理器210执行时实现前面任一所述的视频广告植入方法。
以上已经描述了本申请的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (10)
1.一种基于AI的视频广告植入方法，其特征在于，包括：
获取播放终端正在播放的当前媒体数据，基于预先构建的视频结构化数据库，确定所述当前媒体数据的标签信息；其中，所述视频结构化数据库中包含有多个媒体数据以及用于标记各所述媒体数据类型的标签；
根据所述标签信息并结合用户个人信息，由广告素材库中提取出与所述当前媒体数据相匹配的广告素材，并将所述广告素材植入所述当前媒体数据中。
2.根据权利要求1所述的方法，其特征在于，还包括基于深度学习算法，构建所述视频结构化数据库的步骤。
3.根据权利要求2所述的方法，其特征在于，基于深度学习算法，构建所述视频结构化数据库，包括：
建立视频结构化标签库；其中，所述视频结构化标签库包括多种用于对所述媒体数据进行分类的标签；
基于所述视频结构化标签库，标记预设数量的媒体数据作为用于进行神经网络模型训练的素材库；
使用所述素材库对构建的神经网络模型进行训练，得到视频结构化算法模型；
使用所述视频结构化算法模型对媒体资产库中的各媒体数据进行扫描分析，确定各媒体数据的标签，得到所述视频结构化数据库。
4.根据权利要求1所述的方法，其特征在于，所述标签根据所述媒体数据的不同属性进行分类；
其中，所述媒体数据的属性包括场面背景、场面气氛和场面人物中的至少一种。
5.根据权利要求1所述的方法，其特征在于，所述用户个人信息包括播放习惯、观看内容、浏览历史记录和地域中的至少一种。
6.根据权利要求1所述的方法，其特征在于，获取播放终端正在播放的当前媒体数据，基于预先构建的视频结构化数据库，确定所述当前媒体数据的标签信息，包括：
对所述当前媒体数据进行解码分析，获取所述当前媒体数据的播放内容；
根据播放内容由所述视频结构化数据库中提取出与所述当前媒体数据相匹配的标签信息。
7.根据权利要求1所述的方法，其特征在于，根据所述标签信息并结合用户个人信息，由广告素材库中提取出与所述当前媒体数据相匹配的广告素材，包括：
获取所述标签信息和所述用户个人信息；
基于所述用户个人信息和所述标签信息，检测当前提取的广告素材与所述当前媒体数据是否匹配；
在检测出当前提取的广告素材与所述当前媒体数据相匹配时，由所述广告素材库中提取出所述广告素材。
8.一种基于AI的视频广告植入装置，其特征在于，包括数据获取模块、标签信息确定模块、广告素材匹配模块和广告素材植入模块；
所述数据获取模块，被配置为获取播放终端正在播放的当前媒体数据；
所述标签信息确定模块，被配置为基于预先构建的视频结构化数据库，确定所述当前媒体数据的标签信息；其中，所述视频结构化数据库中包含有多个媒体数据以及用于标记各所述媒体数据类型的标签；
所述广告素材匹配模块，被配置为根据所述标签信息并结合用户个人信息，由广告素材库中提取出与所述当前媒体数据相匹配的广告素材；
所述广告素材植入模块，被配置为将所述广告素材植入所述当前媒体数据中。
9.一种基于AI的视频广告植入设备，其特征在于，包括：
处理器；
用于存储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可执行指令时实现权利要求1至7中任意一项所述的方法。
10.一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110068514.0A CN112866748B (zh) | 2021-01-19 | 2021-01-19 | 基于ai的视频广告植入方法和装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110068514.0A CN112866748B (zh) | 2021-01-19 | 2021-01-19 | 基于ai的视频广告植入方法和装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112866748A true CN112866748A (zh) | 2021-05-28 |
| CN112866748B CN112866748B (zh) | 2023-10-24 |
Family
ID=76007239
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110068514.0A Active CN112866748B (zh) | 2021-01-19 | 2021-01-19 | 基于ai的视频广告植入方法和装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112866748B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114155019A (zh) * | 2021-11-04 | 2022-03-08 | 广州市玄武无线科技股份有限公司 | 营销消息生成方法、装置、设备及存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20010106936A (ko) * | 2000-05-24 | 2001-12-07 | 박봉관 | 사용자 기호를 반영한 인터넷 광고방법 및 장치 |
| US20110184807A1 (en) * | 2010-01-28 | 2011-07-28 | Futurewei Technologies, Inc. | System and Method for Filtering Targeted Advertisements for Video Content Delivery |
| US20140359656A1 (en) * | 2013-05-31 | 2014-12-04 | Adobe Systems Incorporated | Placing unobtrusive overlays in video content |
| CN106385607A (zh) * | 2016-02-24 | 2017-02-08 | 深圳嘟嘟智能科技有限公司 | 基于车用智能后视镜的视频信息推送方法及系统 |
| CN107633426A (zh) * | 2017-09-08 | 2018-01-26 | 四川省绵阳太古软件有限公司 | 基于环境数据的广告信息植入方法及系统 |
| CN107666616A (zh) * | 2016-07-28 | 2018-02-06 | 北京优朋普乐科技有限公司 | 一种基于视频内容的广告投放方法及装置 |
| CN108282684A (zh) * | 2017-01-06 | 2018-07-13 | 北京视连通科技有限公司 | 一种基于场景或特定对象的多媒体广告播出方法 |
| CN109905732A (zh) * | 2017-12-07 | 2019-06-18 | 北京雷石天地电子技术有限公司 | 在视频中植入广告的方法及装置 |
| CN110582011A (zh) * | 2018-06-07 | 2019-12-17 | Tp视觉控股有限公司 | 产生相关联于广告的客制化视频的方法及系统 |
-
2021
- 2021-01-19 CN CN202110068514.0A patent/CN112866748B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20010106936A (ko) * | 2000-05-24 | 2001-12-07 | 박봉관 | 사용자 기호를 반영한 인터넷 광고방법 및 장치 |
| US20110184807A1 (en) * | 2010-01-28 | 2011-07-28 | Futurewei Technologies, Inc. | System and Method for Filtering Targeted Advertisements for Video Content Delivery |
| US20110185384A1 (en) * | 2010-01-28 | 2011-07-28 | Futurewei Technologies, Inc. | System and Method for Targeted Advertisements for Video Content Delivery |
| US20140359656A1 (en) * | 2013-05-31 | 2014-12-04 | Adobe Systems Incorporated | Placing unobtrusive overlays in video content |
| CN106385607A (zh) * | 2016-02-24 | 2017-02-08 | 深圳嘟嘟智能科技有限公司 | 基于车用智能后视镜的视频信息推送方法及系统 |
| CN107666616A (zh) * | 2016-07-28 | 2018-02-06 | 北京优朋普乐科技有限公司 | 一种基于视频内容的广告投放方法及装置 |
| CN108282684A (zh) * | 2017-01-06 | 2018-07-13 | 北京视连通科技有限公司 | 一种基于场景或特定对象的多媒体广告播出方法 |
| CN107633426A (zh) * | 2017-09-08 | 2018-01-26 | 四川省绵阳太古软件有限公司 | 基于环境数据的广告信息植入方法及系统 |
| CN109905732A (zh) * | 2017-12-07 | 2019-06-18 | 北京雷石天地电子技术有限公司 | 在视频中植入广告的方法及装置 |
| CN110582011A (zh) * | 2018-06-07 | 2019-12-17 | Tp视觉控股有限公司 | 产生相关联于广告的客制化视频的方法及系统 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114155019A (zh) * | 2021-11-04 | 2022-03-08 | 广州市玄武无线科技股份有限公司 | 营销消息生成方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112866748B (zh) | 2023-10-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9123061B2 (en) | System and method for personalized dynamic web content based on photographic data | |
| CN110166827B (zh) | 视频片段的确定方法、装置、存储介质及电子装置 | |
| US11356746B2 (en) | Dynamic overlay video advertisement insertion | |
| US9813779B2 (en) | Method and apparatus for increasing user engagement with video advertisements and content by summarization | |
| US9723335B2 (en) | Serving objects to be inserted to videos and tracking usage statistics thereof | |
| CN111158546B (zh) | 媒体信息的展示方法和装置、存储介质、电子装置 | |
| CN102244807B (zh) | 自适应视频变焦 | |
| CN108521608A (zh) | 视频文件的处理方法、装置、终端及存储介质 | |
| KR101912237B1 (ko) | 영상 인식에 의한 해시태그 삽입방법 및 그 방법을 수행하는 소프트웨어가 저장된 소프트웨어 분배 서버 | |
| CN108156522A (zh) | 主页内容推送方法、装置及计算机可读存储介质 | |
| CN109688479B (zh) | 一种弹幕显示方法、弹幕显示装置和弹幕显示服务器 | |
| CN111611436A (zh) | 一种标签数据处理方法、装置以及计算机可读存储介质 | |
| CN113766299B (zh) | 一种视频数据播放方法、装置、设备以及介质 | |
| CN111711869B (zh) | 一种标签数据处理方法、装置以及计算机可读存储介质 | |
| CN103229169A (zh) | 内容提供方法和系统 | |
| US20230091549A1 (en) | Image processing method and apparatus, computer device, and storage medium | |
| CN104270656B (zh) | 推送消息延时处理方法及系统、智能接收终端和移动终端 | |
| CN113742567B (zh) | 一种多媒体资源的推荐方法、装置、电子设备及存储介质 | |
| CN108076128A (zh) | 用户属性提取方法、装置和电子设备 | |
| CN112149642A (zh) | 一种文本图像识别方法和装置 | |
| CN114286154A (zh) | 多媒体文件的字幕处理方法、装置、电子设备及存储介质 | |
| CN112866748B (zh) | 基于ai的视频广告植入方法和装置、设备及存储介质 | |
| CN112822539B (zh) | 信息显示方法、装置、服务器及存储介质 | |
| CN114283349A (zh) | 一种数据处理方法、装置、计算机设备及存储介质 | |
| CN104429092B (zh) | 接收装置、处理信息的方法、程序、发送装置以及应用联动系统 |
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 |