CN113255484B - 视频匹配方法、视频处理方法、装置、电子设备及介质 - Google Patents

Abstract

本公开公开了一种视频匹配方法、视频处理方法、装置、设备、介质和产品，涉及图像识别、智能搜索等领域。视频匹配方法包括：接收针对参考视频的第一特征数据；将第一特征数据和至少一个候选视频各自的第二特征数据进行比较得到比较结果，其中，第二特征数据包括对候选视频进行识别得到的对象标识和针对对象的时间信息；基于比较结果，从至少一个候选视频中确定与参考视频相匹配的目标视频，其中，目标视频的第二特征数据与第一特征数据相匹配。

Description

视频匹配方法、视频处理方法、装置、电子设备及介质

技术领域

本公开涉及计算机技术领域，尤其涉及图像识别、智能搜索等领域，更具体地，涉及一种视频匹配方法、视频处理方法、装置、电子设备、介质和程序产品。

背景技术

随着互联网的普及，越来越多的用户在互联网上搜索视频。在搜索视频的过程中，基于用户输入的搜索词匹配相关的视频，并将匹配得到的视频推荐给用户。但是，通过搜索词进行视频匹配的方式，存在匹配准确性较低的问题，并且匹配得到的视频难以满足用户的需求。

发明内容

本公开提供了一种视频匹配方法、视频处理方法、装置、电子设备、存储介质以及计算机程序产品。

根据本公开的一方面，提供了一种视频匹配方法，包括：接收针对参考视频的第一特征数据；将所述第一特征数据和至少一个候选视频各自的第二特征数据进行比较得到比较结果，其中，所述第二特征数据包括对所述候选视频进行识别得到的对象标识和针对对象的时间信息；基于所述比较结果，从所述至少一个候选视频中确定与所述参考视频相匹配的目标视频，其中，所述目标视频的第二特征数据与所述第一特征数据相匹配。

根据本公开的另一方面，提供了一种视频处理方法，包括：识别参考视频中的对象，得到所述对象的对象标识和针对所述对象的时间信息；将所述对象标识和所述时间信息，作为针对所述参考视频的第一特征数据；发送所述第一特征数据。

根据本公开的另一方面，提供了一种视频匹配装置，包括：接收模块、比较模块以及第一确定模块。其中，接收模块，用于接收针对参考视频的第一特征数据。比较模块，用于将所述第一特征数据和至少一个候选视频各自的第二特征数据进行比较得到比较结果，其中，所述第二特征数据包括对所述候选视频进行识别得到的对象标识和针对对象的时间信息。第一确定模块，用于基于所述比较结果，从所述至少一个候选视频中确定与所述参考视频相匹配的目标视频，其中，所述目标视频的第二特征数据与所述第一特征数据相匹配。

根据本公开的另一方面，提供了一种视频处理装置，包括：第三识别模块、第六确定模块以及发送模块。其中，第三识别模块，用于识别参考视频中的对象，得到所述对象的对象标识和针对所述对象的时间信息。第六确定模块，用于将所述对象标识和所述时间信息，作为针对所述参考视频的第一特征数据。发送模块，用于发送所述第一特征数据。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器和与所述至少一个处理器通信连接的存储器。其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的视频匹配方法。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器和与所述至少一个处理器通信连接的存储器。其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的视频处理方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如上所述的视频匹配方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如上所述的视频处理方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如上所述的视频匹配方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如上所述的视频处理方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1示意性示出了根据本公开实施例的视频匹配方法的应用场景；

图2示意性示出了根据本公开一实施例的视频匹配方法的流程图；

图3示意性示出了根据本公开一实施例的视频匹配方法的示意图；

图4示意性示出了根据本公开另一实施例的视频匹配方法的示意图；

图5A示意性示出了根据本公开一实施例的特征数据比较的示意图；

图5B示意性示出了根据本公开另一实施例的特征数据比较的示意图；

图6示意性示出了根据本公开另一实施例的特征数据比较的示意图；

图7示意性示出了根据本公开一实施例的视频处理方法的流程图；

图8示意性示出了根据本公开一实施例的视频匹配方法和视频处理方法的示意图；

图9示意性示出了根据本公开一实施例的视频匹配装置的框图；

图10示意性示出了根据本公开一实施例的视频处理装置的框图；以及

图11是用来实现本公开实施例的视频匹配方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。

图1示意性示出了根据本公开实施例的视频匹配方法的应用场景。

如图1所示，本公开实施例的应用场景100例如包括候选视频和参考视频。

例如，多个候选视频存储于服务器中，参考视频存储于客户端中。当用户需要搜索与参考视频相匹配的视频时，服务器可以从客户端接收参考视频，并将该参考视频与每个候选视频进行匹配，以从多个候选视频中确定出与参考视频相匹配的目标视频，该目标视频为用户所需的视频。

本公开的实施例以一个候选视频110为例来说明候选视频和参考视频的匹配情况。

示例性地，参考视频121、122是候选视频110的子集。当基于参考视频121、122匹配候选视频110时，候选视频110的至少部分内容与参考视频121、122的全部内容相匹配。

示例性地，参考视频123、124的部分内容是候选视频110的子集。当基于参考视频123、124匹配候选视频110时，候选视频110的部分内容与参考视频123、124的部分内容相匹配。

示例性地，候选视频110是参考视频125、126的子集。当基于参考视频125、126匹配候选视频110时，候选视频110的全部内容与参考视频125、126的部分内容相匹配。

示例性地，候选视频110与参考视频127、128无交集。当基于参考视频127、128匹配候选视频110时，候选视频110的内容与参考视频127、128的内容不匹配。

例如，可以使用图片相似度识别算法和提取特征匹配的算法来进行视频的匹配。具体地，可以从参考视频中提取多张图像，从每个候选视频中提取多张图像，将参考视频的多张图像和候选视频的多张图像进行匹配，以从候选视频中确定与参考视频匹配的目标视频。或者，可以从参考视频的多张图像中提取每张图像的特征，从候选视频的多张图像中提取每张图像的特征，将图像的特征进行匹配来从候选视频中确定与参考视频匹配的目标视频。可见，由于视频是一个持续的内容，在将参考视频和候选视频进行匹配时，通过多张图像进行匹配的过程计算量较大。

示例性地，针对视频中的每秒内容，从每秒内容中提取25张(帧)图像，如果视频的时长为16秒，则需要提取的图像数量为16*25＝400张。由于提取的图像数量较多，导致在利用提取的图像进行匹配时，计算量较大。并且从视频中提取哪些图像是一件需要考虑的事，因为提取图像的规则不一致将导致相同的两个视频无法匹配的问题。

例如，参考视频的时长为16秒，候选视频的时长为32秒。在一种情况下，从参考视频的每秒内容中提取25张图像，总共提取16*25张图像，从候选视频的每秒内容中提取25张图像，总共提取32*25张图像。在将参考视频和候选视频进行匹配时，每次将参考视频的一张图像和候选视频的一张图像进行比较，最多需要进行(16*25)*(32*25)＝32(万)次比较，可见视频匹配的计算量较大。

有鉴于此，本公开的实施例提供了一种视频匹配方法，包括：接收针对参考视频的第一特征数据。然后，将第一特征数据和至少一个候选视频各自的第二特征数据进行比较得到比较结果，其中，第二特征数据包括对候选视频进行识别得到的对象标识和针对对象的时间信息。接下来，基于比较结果，从至少一个候选视频中确定与参考视频相匹配的目标视频，其中，目标视频的第二特征数据与第一特征数据相匹配。

本公开的实施例还提供了一种视频处理方法，包括：识别参考视频中的对象，得到对象的对象标识和针对对象的时间信息。然后，将对象标识和时间信息，作为针对参考视频的第一特征数据。接下来，发送第一特征数据。

下面结合图1的应用场景，参考图2～图8来描述根据本公开示例性实施方式的视频匹配方法和视频处理方法。

图2示意性示出了根据本公开一实施例的视频匹配方法的流程图。

如图2所示，本公开实施例的视频匹配方法200例如可以包括操作S210～操作S230。本公开实施例的方法例如可以由服务器执行。

在操作S210，接收针对参考视频的第一特征数据。

在操作S220，将第一特征数据和至少一个候选视频各自的第二特征数据进行比较得到比较结果，其中，第二特征数据包括对候选视频进行识别得到的对象标识和针对对象的时间信息。

在操作S230，基于比较结果，从至少一个候选视频中确定与参考视频相匹配的目标视频。

根据本公开的实施例，第二特征数据包括对候选视频中的对象进行识别得到的对象标识和针对对象的时间信息。通过识别候选识别中的至少一个对象，并将每个对象的对象标识和对象在候选视频中出现的时间信息作为第二特征数据。将第二特征数据和第一特征数据进行比较来确定目标视频，目标视频的第二特征数据与第一特征数据相匹配。

示例性地，通过识别参考视频中的至少一个对象，将每个对象的对象标识和对象在参考视频中出现的时间信息作为第一特征数据，第一特征数据的获取方式和第二特征数据的获取方式类似。

例如，第一特征数据由客户端发送给服务器。服务器中存储了多个候选视频，每个候选视频均具有第二特征数据。在服务器接收到第一特征数据之后，将第一特征数据和每个候选视频的第二特征数据比较得到比较结果，然后基于比较结果从多个候选视频中确定出与参考视频匹配的候选视频作为目标视频。

在本公开的实施例中，从视频中确定针对对象的特征数据并通过特征数据的比较来进行视频匹配，极大降低了视频匹配的计算量，提高了视频匹配的效率。另外，本公开实施例通过识别视频中的对象来确定特征数据，使得所确定的第一特征数据是针对对象的出场时间或在场时间的，第二特征数据在候选视频中是针对对象的出场时间或在场时间的，提高了第一特征数据和第二特征数据之间的匹配概率，由此提高了视频匹配的成功率。相比于通过图像匹配来进行视频匹配，基于对象的出场时间或在场时间进行视频的匹配，极大提高了匹配的效率，降低了视频匹配的成本。

图3示意性示出了根据本公开一实施例的视频匹配方法的示意图。

如图3所示，每个候选视频中通常出现多个对象，对象包括用户、物品等等。本公开实施例以对象为用户为例。以候选视频300A为例，对候选视频300A进行人脸图像识别，确定候选视频300A中的至少一个对象，至少一个对象例如包括张三、李四、王五等等。识别出至少一个对象之后，得到每个对象的对象标识，例如张三的对象标识为“张三”，李四的对象标识为“李四”，王五的对象标识为“王五”。

然后，确定每个对象在候选视频300A中出现的时刻。例如张三在候选视频300A中出现的时刻为t₁，李四在候选视频300A中出现的时刻为t₃，王五在候选视频300A中出现的时刻为t₄。另外，张三在候选视频300A中退场的时刻为t₂，李四在候选视频300A中退场的时刻为t₄。

接下来，基于针对每个对象的对象标识和针对每个对象的时刻，确定第二特征数据310。例如，基于针对每个对象的时刻，确定针对每个对象的相对时刻，将针对每个对象的对象标识和针对每个对象的相对时刻，作为第二特征数据310。针对每个对象的相对时刻包括该对象相对于前一个对象的出现的时刻。

示例性地，对象包括第一对象和第二对象，第二对象出现的时刻在第一对象出现的时刻之后。第一对象例如包括张三，第二对象例如包括李四和王五。

针对第一对象的相对时刻包括第一对象出现的时刻和候选视频300A起始的时刻之间的差值。例如，张三的相对时刻为张三出现的时刻t₁和候选视频300A起始的时刻t₀之间的差值t₁-t₀。

针对第二对象的相对时刻包括第二对象出现的时刻和前一个对象出现的时刻之间的差值。例如，李四的相对时刻为李四出现的时刻t₃和张三出现的时刻t₁之间的差值t₃-t₁，王五的相对时刻为王五出现的时刻t₄和李四出现的时刻t₃之间的差值t₄-t₃。

将针对每个对象的对象标识和针对每个对象的相对时刻，作为第二特征数据310。例如，第二特征数据310为[(张三，t₁-t₀)，(李四，t₃-t₁)，(王五，t₄-t₃)]。

图4示意性示出了根据本公开另一实施例的视频匹配方法的示意图。

如图4所示，每个候选视频中通常出现多个对象，对象包括用户、物品等等。本公开实施例以对象为用户为例。以候选视频400A为例，对候选视频400A进行人脸图像识别，确定候选视频400A中的至少一个对象，至少一个对象例如包括张三、李四、王五等等。识别出至少一个对象之后，得到每个对象的对象标识，例如张三的对象标识为“张三”，李四的对象标识为“李四”，王五的对象标识为“王五”。

然后，确定每个对象在候选视频400A中出现的时间段。例如张三在候选视频400A中出现的时间段为△t₁，李四在候选视频400A中出现的时间段为△t₂，王五在候选视频400A中出现的时间段为△t₃。

接下来，基于针对每个对象的对象标识和针对每个对象的时间段，确定第二特征数据410。例如，将针对每个对象的对象标识和针对每个对象的时间段，作为第二特征数据410。例如，第二特征数据410为[(张三，△t₁)，(李四，△t₂)，(王五，△t₃)]。

在本公开的实施例中，第一特征数据例如包括第一数据序列，第一数据序列包括多个子数据。第二特征数据例如包括第二数据序列，第二数据序列包括多个子数据。

以特征数据包括对象标识和时间段为例。例如，第一数据序列为[a₁，a₂，a₃]，子数据a₁例如为针对张三的特征数据(张三，△t₁)。类似的，子数据a₂例如为针对李四的特征数据，子数据a₃例如为针对王五的特征数据。张三、李四、王五依次在候选视频中出现。

例如，第二数据序列为[b₁，b₂，b₃，b₄]，子数据b₁、b₂、b₃、b₄分别表示针对多个对象的时间段。多个对象依次在参考视频中出现。

然后，从第一数据序列[a₁，a₂，a₃]中确定相邻的多个子数据作为第一子序列，从第二数据序列[b₁，b₂，b₃，b₄]中确定相邻的多个子数据作为第二子序列，第二子序列中子数据的数量和第一子序列中子数据的数量相同，该数量例如可以根据实际应用情况来设定，例如该数量为2。即，第一子序列例如为[a₁，a₂]或[a₂，a₃]，第二子序列为[b₁，b₂]、[b₂，b₃]或[b₃，b₄]。

将任意一个第一子序列和任意一个第二子序列进行比较得到比较结果，比较结果包括第一匹配度和第二匹配度。第一匹配度表征第一特征数据中对象标识和第二特征数据中对象标识之间的匹配度。第二匹配度表征对第一特征数据中时间信息和第二特征数据中时间信息之间的匹配度。

如果任意一个第一子序列和任意一个第二子序列匹配，则确定与第二子序列对应的候选视频作为目标视频。以第一子序列为[a₁，a₂]和第二子序列为[b₂，b₃]为例，当子数据a₁和子数据b₂匹配并且子数据a₂和子数据b₃匹配时，确定第一子序列为[a₁，a₂]和第二子序列为[b₂，b₃]匹配。

子数据a₁和子数据b₂匹配包括子数据a₁中的对象标识和子数据b₂中的对象标识相同，且子数据a₁中的时间信息和子数据b₂中的时间信息相同，时间信息包括相对时刻或时间段。

在一实施例中，第一数据序列[a₁，a₂，a₃]例如由客户端发送给服务器。服务器接收到第一数据序列[a₁，a₂，a₃]之后，从第一数据序列[a₁，a₂，a₃]中确定第一子序列，从第二数据序列[b₁，b₂，b₃，b₄]中确定第二子序列，并将第一子序列和第二子序列进行匹配。

在另一示例中，客户端可以每次发送一个针对参考视频的子数据给服务器，服务接收到参考视频的子数据之后，将接收的子数据和候选视频的子数据进行比较，直到确定针对参考视频的预设数量个相邻的子数据和针对候选视频的预设数量个相邻的子数据匹配。预设数量例如为2。当确定针对参考视频的预设数量个相邻的子数据和针对候选视频的预设数量个相邻的子数据匹配之后，可以结束匹配过程，并将所匹配的候选视频作为目标视频推荐给客户端。

例如，客户端将子数据a₁发送给服务器，服务器将a₁和第二数据序列[b₁，b₂，b₃，b₄]中的每个子数据进行比较，当确定子数据a₁和子数据b₂匹配时，将针对第二数据序列[b₁，b₂，b₃，b₄]的候选视频存储至队列中。客户端继续将子数据a₂发送给服务器，服务器将a₂和第二数据序列[b₁，b₂，b₃，b₄]中的每个子数据进行比较，当确定子数据a₂和子数据b₃匹配时，此时第一数据序列和第二数据序列中具有2个相邻子数据相匹配，此时将队列中针对第二数据序列[b₁，b₂，b₃，b₄]的候选视频作为目标视频。服务器可以将目标视频推荐给客户端。如果子数据a₂和子数据b₃不匹配，可以将针对第二数据序列[b₁，b₂，b₃，b₄]的候选视频从队列中移除。

图5A示意性示出了根据本公开一实施例的特征数据比较的示意图。

如图5A所示，以特征数据包括对象标识和相对时刻为例。在一种情况下，对象不在视频的起始时刻出场。针对候选视频500A的第二特征数据例如为[(张三，t₁-t₀)，(李四，t₃-t₁)，(王五，t₄-t₃)]。针对参考视频500B的第一特征数据例如为[(张三，t₁’-t₀’)，(李四，t₃’-t₁’)，(王五，t₄’-t₃’)]。针对(张三，t₁＝t₀)和(张三，t₁’-t₀’)，由于t₁-t₀通常不等于t₁’-t₀’，因此，在将第二特征数据和第一特征数据进行比较时，可以降低针对第一个对象(张三)的特征数据的置信度，或者删除针对第一个对象的特征数据，以提高特征数据匹配的准确性。

图5B示意性示出了根据本公开另一实施例的特征数据比较的示意图。

如图5B所示，以特征数据包括对象标识和相对时刻为例。在另一种情况下，对象在视频的起始时刻出场。针对候选视频500A的第二特征数据例如为[(张三，t₁-t₁)，(李四，t₃-t₁)，(王五，t₄-t₃)]。针对参考视频500B的第一特征数据例如为[(张三，t₁’-t₁’)，(李四，t₃’-t₁’)，(王五，t₄’-t₃’)]。张三在视频的起始时刻出场，针对(张三，t₁-t₀)和(张三，t₁’-t₀’)，由于t₁-t₁＝0在任何情况下均等于t₁’-t₁’＝0，其不具有可比较性，因此，在将第二特征数据和第一特征数据进行比较时，可以降低针对第一个对象(张三)的特征数据的置信度，或者删除针对第一个对象的特征数据，以提高特征数据匹配的准确性。针对(李四，t₃-t₁)和(李四，t₃’-t₁’)，由于t₃-t₁通常不等于t₃’-t₁’，因此，在将第二特征数据和第一特征数据进行比较时，可以降低针对第二个对象(李四)的特征数据的置信度，或者删除针对第二个对象的特征数据，以提高特征数据匹配的准确性。

图6示意性示出了根据本公开另一实施例的特征数据比较的示意图。

如图6所示，以特征数据包括对象标识和时间段为例。在一种情况下，第一个对象在视频的起始时刻出场，最后一个对象在视频的结束时刻还在场。针对候选视频600A的第二特征数据例如为[(张三，△t₁)，(李四，△t₂)，(王五，△t₃)]。针对参考视频600B的第一特征数据例如为[(张三，△t₁’)，(李四，△t₂’)，(王五，△t₃’)]。张三在视频的起始时刻出场，王五在视频的结束时刻还在场，针对(张三，△t₁)和(张三，△t₁’)，由于△t₁通常不等于△t₁’，因此，在将第二特征数据和第一特征数据进行比较时，可以降低针对第一个对象(张三)的特征数据的置信度，或者删除针对第一个对象的特征数据，以提高特征数据匹配的准确性。针对(王五，△t₃)和(王五，△t₃’)，由于△t₃通常不等于△t₃’，因此，在将第二特征数据和第一特征数据进行比较时，可以降低针对最后一个对象(王五)的特征数据的置信度，或者删除针对最后一个对象的特征数据，以提高特征数据匹配的准确性。

图7示意性示出了根据本公开一实施例的视频处理方法的流程图。

如图7所示，本公开实施例的视频处理方法700例如可以包括操作S710～操作S730。本公开实施例的方法例如可以由客户端执行。

在操作S710，识别参考视频中的对象，得到对象的对象标识和针对对象的时间信息。

在操作S720，将对象标识和时间信息，作为针对参考视频的第一特征数据。

在操作S730，发送第一特征数据。

在本公开的实施例中，客户端通过识别参考视频中的对象，并将对象标识和对象在参考视频中出现的时间信息作为第一特征数据，客户端获取第一特征数据的过程与服务器获取第二特征数据的过程相同或类似，在此不再赘述。在客户端获取第一特征数据之后，客户端可以将第一特征数据发送给服务器，便于服务器将第一特征数据和第二特征数据进行匹配。

在本公开的实施例中，从参考视频中获取第一特征数据并通过第一特征数据来进行视频匹配，极大降低了视频匹配的计算量，提高了视频匹配的效率。另外，本公开实施例通过识别参考视频中的对象来获取针对对象的第一特征数据，使得所提取的第一特征数据是针对对象的出场时间或在场时间的，提高了第一特征数据和第二特征数据之间的匹配概率，由此提高了视频匹配的成功率。

在一示例中，客户端识别参考视频中的至少一个对象，得到每个对象的对象标识，然后确定每个对象在参考视频中出现的时刻，并基于针对每个对象的对象标识和针对每个对象的时刻，确定第一特征数据。例如，基于针对每个对象的时刻，确定针对每个对象的相对时刻，将针对每个对象的对象标识和针对每个对象的相对时刻，作为第一特征数据。

对象包括第三对象和第四对象中的至少一个，第四对象出现的时刻在第三对象出现的时刻之后。针对第三对象的相对时刻包括第三对象出现的时刻和参考视频起始的时刻之间的差值。其中，针对第四对象的相对时刻包括第四对象出现的时刻和前一个对象出现的时刻之间的差值。

在另一示例中，识别参考视频中的至少一个对象，得到每个对象的对象标识，确定每个对象在参考视频中出现的时间段，将针对每个对象的对象标识和针对每个对象的时间段，作为第一特征数据。

根据本公开的实施例，在获取参考视频的第一特征数据时，通过识别参考视频中对象的出场时间或在场时间来确定第一特征数据，以便基于第一特征数据进行视频匹配。相比于将视频中的每张图像进行比较，通过第一特征数据进行视频匹配的方式，极大降低了视频匹配的成本。另外，第一特征数据针对参考视频中对象的出场时间或在场时间，基于第一特征数据进行视频匹配，提高了视频匹配的成功率。

图8示意性示出了根据本公开一实施例的视频匹配方法和视频处理方法的示意图。

如图8所示，由服务器810执行的视频匹配方法包括操作S810A～操作S860A，由客户端820执行的视频处理方法包括操作S810B～操作S840B。

在操作S810A，服务器810对所存储的每个候选视频进行识别，得到针对对象的对象标识和针对对象的时间信息。

在操作S820A，服务器810基于对象标识和时间信息，确定第二特征数据。

在操作S810B，客户端820对参考视频进行识别，得到针对对象的对象标识和针对对象的时间信息。

在操作S820B，客户端820基于对象标识和时间信息，确定第一特征数据。

在操作S830B，客户端820将第一特征数据发送给服务器810。

在操作S830A，服务器810接收第一特征数据。

在操作S840A，服务器810将第一特征数据和每个候选视频的第二特征数据进行比较得到比较结果。

在操作S850A，服务器810基于比较结果从多个候选视频中确定与参考视频相匹配的目标视频。

在操作S860A，服务器810向客户端820推荐目标视频。

在操作S840B，客户端820向用户展示目标视频。

在本公开的实施例中，如果将视频中多帧图像进行比较来进行视频匹配，将导致匹配计算的成本过高。识别视频中的对象标识和时间信息作为特征数据以便基于特征数据进行视频匹配。客户端与服务器(云端)协同，可以实现较低成本的视频搜索。

对于客户端，不需要向服务器上传完整的参考视频，通过识别参考视频中的对象来获取第一特征数据，将第一特征数据上传到服务器进行视频匹配。

对于服务器，将客户端上传的第一特征数据与预先获取的第二特征数据进行比对。服务器不限制客户端上传的第一特征数据的数量，无需客户端上传完整的参考视频，客户端可以实时地获取特征，服务器实时进行视频匹配。可见，通过本公开实施例的技术方案，在针对具有不同的视频长度或不同的视频起点的视频进行特征提取时，所提取的第一特征数据和第二特征数据均是针对对象的出场时间或在场时间的，即所提取的第一特征数据和第二特征数据是相似概率较大，通过较低的计算量就可以实现视频的匹配和视频的搜索。

根据本公开的实施例，在客户端上完成了特征数据的提取，降低了客户端与服务器的数据传输量，极大提高了服务器的匹配速度。

图9示意性示出了根据本公开一实施例的视频匹配装置的框图。

如图9所示，本公开实施例的视频匹配装置900例如包括接收模块910、比较模块920以及第一确定模块930。

接收模块910可以用于接收针对参考视频的第一特征数据。根据本公开实施例，接收模块910例如可以执行上文参考图2描述的操作S210，在此不再赘述。

比较模块920可以用于将第一特征数据和至少一个候选视频各自的第二特征数据进行比较得到比较结果，其中，第二特征数据包括对候选视频进行识别得到的对象标识和针对对象的时间信息。根据本公开实施例，比较模块920例如可以执行上文参考图2描述的操作S220，在此不再赘述。

第一确定模块930可以用于基于比较结果，从至少一个候选视频中确定与参考视频相匹配的目标视频，其中，目标视频的第二特征数据与第一特征数据相匹配。根据本公开实施例，第一确定模块930例如可以执行上文参考图2描述的操作S230，在此不再赘述。

根据本公开的实施例，装置900还可以包括：第一识别模块、第二确定模块和第三确定模块。第一识别模块，用于针对至少一个候选视频中的每个候选视频，识别候选视频中的至少一个对象，得到每个对象的对象标识。第二确定模块，用于确定每个对象在候选视频中出现的时刻。第三确定模块，用于基于针对每个对象的对象标识和针对每个对象的时刻，确定第二特征数据。

根据本公开的实施例，第三确定模块包括：第一确定子模块和第二确定子模块。第一确定子模块，用于基于针对每个对象的时刻，确定针对每个对象的相对时刻。第二确定子模块，用于将针对每个对象的对象标识和针对每个对象的相对时刻，作为第二特征数据。

根据本公开的实施例，对象包括第一对象和第二对象中的至少一个，第二对象出现的时刻在第一对象出现的时刻之后，其中，针对第一对象的相对时刻包括第一对象出现的时刻和候选视频起始的时刻之间的差值；其中，针对第二对象的相对时刻包括第二对象出现的时刻和前一个对象出现的时刻之间的差值。

根据本公开的实施例，装置900还可以包括：第二识别模块、第四确定模块和第五确定模块。第二识别模块，用于针对至少一个候选视频中的每个候选视频，识别候选视频中的至少一个对象。第四确定模块，用于确定每个对象在候选视频中出现的时间段。第五确定模块，用于将针对每个对象的对象标识和针对每个对象的时间段，作为第二特征数据。

根据本公开的实施例，比较结果包括第一匹配度和第二匹配度；第一匹配度表征第一特征数据中对象标识和第二特征数据中对象标识之间的匹配度；第二匹配度表征对第一特征数据中时间信息和第二特征数据中时间信息之间的匹配度。

图10示意性示出了根据本公开一实施例的视频处理装置的框图。

如图10所示，本公开实施例的视频处理装置1000例如包括第三识别模块1010、第六确定模块1020和发送模块1030。

第三识别模块1010可以用于识别参考视频中的对象，得到对象的对象标识和针对对象的时间信息。根据本公开实施例，第三识别模块1010例如可以执行上文参考图7描述的操作S710，在此不再赘述。

第六确定模块1020可以用于将对象标识和时间信息，作为针对参考视频的第一特征数据。根据本公开实施例，第六确定模块1020例如可以执行上文参考图7描述的操作S720，在此不再赘述。

发送模块1030可以用于发送第一特征数据。根据本公开实施例，发送模块1030例如可以执行上文参考图7描述的操作S730，在此不再赘述。

根据本公开的实施例，第三识别模块1010包括：第一识别子模块、第三确定子模块和第四确定子模块。第一识别子模块，用于识别参考视频中的至少一个对象，得到每个对象的对象标识。第三确定子模块，用于确定每个对象在参考视频中出现的时刻。第四确定子模块，用于基于针对每个对象的对象标识和针对每个对象的时刻，确定第一特征数据。

根据本公开的实施例，第四确定子模块包括：第一确定单元和第二确定单元。第一确定单元，用于基于针对每个对象的时刻，确定针对每个对象的相对时刻。第二确定单元，用于将针对每个对象的对象标识和针对每个对象的相对时刻，作为第一特征数据。

根据本公开的实施例，对象包括第三对象和第四对象中的至少一个，第四对象出现的时刻在第三对象出现的时刻之后，其中，针对第三对象的相对时刻包括第三对象出现的时刻和参考视频起始的时刻之间的差值；其中，针对第四对象的相对时刻包括第四对象出现的时刻和前一个对象出现的时刻之间的差值。

根据本公开的实施例，第三识别模块1010包括：第二识别子模块、第五确定子模块和第六确定子模块。第二识别子模块，用于识别参考视频中的至少一个对象，得到每个对象的对象标识。第五确定子模块，用于确定每个对象在参考视频中出现的时间段。第六确定子模块，用于将针对每个对象的对象标识和针对每个对象的时间段，作为第一特征数据。

本公开的技术方案中，所涉及的用户个人信息的获取、存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图11是用来实现本公开实施例的视频匹配方法的电子设备的框图。

图11示出了可以用来实施本公开实施例的示例电子设备1100的示意性框图。电子设备1100旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图11所示，设备1100包括计算单元1101，其可以根据存储在只读存储器(ROM)1102中的计算机程序或者从存储单元1108加载到随机访问存储器(RAM)1103中的计算机程序，来执行各种适当的动作和处理。在RAM 1103中，还可存储设备1100操作所需的各种程序和数据。计算单元1101、ROM 1102以及RAM 1103通过总线1104彼此相连。输入/输出(I/O)接口1105也连接至总线1104。

设备1100中的多个部件连接至I/O接口1105，包括：输入单元1106，例如键盘、鼠标等；输出单元1107，例如各种类型的显示器、扬声器等；存储单元1108，例如磁盘、光盘等；以及通信单元1109，例如网卡、调制解调器、无线通信收发机等。通信单元1109允许设备1100通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元1101可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1101的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1101执行上文所描述的各个方法和处理，例如视频匹配方法。例如，在一些实施例中，视频匹配方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1108。在一些实施例中，计算机程序的部分或者全部可以经由ROM1102和/或通信单元1109而被载入和/或安装到设备1100上。当计算机程序加载到RAM 1103并由计算单元1101执行时，可以执行上文描述的视频匹配方法的一个或多个步骤。备选地，在其他实施例中，计算单元1101可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行视频匹配方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

该电子设备可以用于执行视频处理方法。该电子设备例如可以包括计算单元、ROM、RAM、I/O接口、输入单元、输出单元、存储单元和通信单元。其中，该电子设备中的计算单元、ROM、RAM、I/O接口、输入单元、输出单元、存储单元和通信单元例如具有与图11中所示的电子设备的计算单元、ROM、RAM、I/O接口、输入单元、输出单元、存储单元和通信单元相同或类似的功能，在此不再赘述。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (20)

1.一种视频匹配方法，包括：

接收针对参考视频的第一特征数据；

针对至少一个候选视频中的每个候选视频，识别所述候选视频中的至少一个对象，得到每个对象的对象标识；

确定每个对象在所述候选视频中出现的时刻；

基于针对每个对象的时刻，确定针对每个对象的相对时刻；

将针对每个对象的对象标识和针对每个对象的相对时刻，作为所述每个候选视频的第二特征数据；

将所述第一特征数据和至少一个候选视频各自的第二特征数据进行比较得到比较结果，其中，所述第二特征数据包括对所述候选视频进行识别得到的对象标识和针对对象的时间信息；以及

基于所述比较结果，从所述至少一个候选视频中确定与所述参考视频相匹配的目标视频，其中，所述目标视频的第二特征数据与所述第一特征数据相匹配。

2.根据权利要求1所述的方法，其中，所述对象包括第一对象和第二对象中的至少一个，所述第二对象出现的时刻在所述第一对象出现的时刻之后，

其中，针对所述第一对象的相对时刻包括所述第一对象出现的时刻和所述候选视频起始的时刻之间的差值；

其中，针对所述第二对象的相对时刻包括所述第二对象出现的时刻和前一个对象出现的时刻之间的差值。

3.根据权利要求1所述的方法，其中，所述比较结果包括第一匹配度和第二匹配度；

所述第一匹配度表征所述第一特征数据中对象标识和所述第二特征数据中对象标识之间的匹配度；

所述第二匹配度表征对所述第一特征数据中时间信息和所述第二特征数据中时间信息之间的匹配度。

4.一种视频匹配方法，包括：

接收针对参考视频的第一特征数据；

针对至少一个候选视频中的每个候选视频，识别所述候选视频中的至少一个对象；

确定每个对象在所述候选视频中出现的时间段；

将针对每个对象的对象标识和针对每个对象的时间段，作为所述每个候选视频的第二特征数据；

将所述第一特征数据和至少一个候选视频各自的第二特征数据进行比较得到比较结果，其中，所述第二特征数据包括对所述候选视频进行识别得到的对象标识和针对对象的时间信息；以及

基于所述比较结果，从所述至少一个候选视频中确定与所述参考视频相匹配的目标视频，其中，所述目标视频的第二特征数据与所述第一特征数据相匹配。

5.根据权利要求4所述的方法，其中，所述比较结果包括第一匹配度和第二匹配度；

所述第一匹配度表征所述第一特征数据中对象标识和所述第二特征数据中对象标识之间的匹配度；

所述第二匹配度表征对所述第一特征数据中时间信息和所述第二特征数据中时间信息之间的匹配度。

6.一种视频处理方法，包括：

识别参考视频中的至少一个对象，得到每个对象的对象标识；

确定每个对象在所述参考视频中出现的时刻；

基于针对每个对象的时刻，确定针对每个对象的相对时刻；

将针对每个对象的对象标识和针对每个对象的相对时刻，作为所述参考视频的第一特征数据；以及

发送所述第一特征数据。

7.根据权利要求6所述的方法，其中，所述对象包括第三对象和第四对象中的至少一个，所述第四对象出现的时刻在所述第三对象出现的时刻之后，

其中，针对所述第三对象的相对时刻包括所述第三对象出现的时刻和所述参考视频起始的时刻之间的差值；

其中，针对所述第四对象的相对时刻包括所述第四对象出现的时刻和前一个对象出现的时刻之间的差值。

8.一种视频处理方法，包括：

识别参考视频中的至少一个对象，得到每个对象的对象标识；

确定每个对象在所述参考视频中出现的时间段；

将针对每个对象的对象标识和针对每个对象的时间段，作为所述参考视频的第一特征数据；以及

发送所述第一特征数据。

9.一种视频匹配装置，包括：

接收模块，用于接收针对参考视频的第一特征数据；

第一识别模块，用于针对至少一个候选视频中的每个候选视频，识别所述候选视频中的至少一个对象，得到每个对象的对象标识；

第二确定模块，用于确定每个对象在所述候选视频中出现的时刻；

第一确定子模块，用于基于针对每个对象的时刻，确定针对每个对象的相对时刻；

第二确定子模块，用于将针对每个对象的对象标识和针对每个对象的相对时刻，作为所述每个候选视频的第二特征数据；

比较模块，用于将所述第一特征数据和至少一个候选视频各自的第二特征数据进行比较得到比较结果，其中，所述第二特征数据包括对所述候选视频进行识别得到的对象标识和针对对象的时间信息；以及

第一确定模块，用于基于所述比较结果，从所述至少一个候选视频中确定与所述参考视频相匹配的目标视频，其中，所述目标视频的第二特征数据与所述第一特征数据相匹配。

10.根据权利要求9所述的装置，其中，所述对象包括第一对象和第二对象中的至少一个，所述第二对象出现的时刻在所述第一对象出现的时刻之后，

其中，针对所述第一对象的相对时刻包括所述第一对象出现的时刻和所述候选视频起始的时刻之间的差值；

其中，针对所述第二对象的相对时刻包括所述第二对象出现的时刻和前一个对象出现的时刻之间的差值。

11.根据权利要求9所述的装置，其中，所述比较结果包括第一匹配度和第二匹配度；

所述第一匹配度表征所述第一特征数据中对象标识和所述第二特征数据中对象标识之间的匹配度；

所述第二匹配度表征对所述第一特征数据中时间信息和所述第二特征数据中时间信息之间的匹配度。

12.一种视频匹配装置，包括：

接收模块，用于接收针对参考视频的第一特征数据；

第二识别模块，用于针对至少一个候选视频中的每个候选视频，识别所述候选视频中的至少一个对象；

第四确定模块，用于确定每个对象在所述候选视频中出现的时间段；以及

第五确定模块，用于将针对每个对象的对象标识和针对每个对象的时间段，作为所述每个候选视频的第二特征数据；

比较模块，用于将所述第一特征数据和至少一个候选视频各自的第二特征数据进行比较得到比较结果，其中，所述第二特征数据包括对所述候选视频进行识别得到的对象标识和针对对象的时间信息；以及

第一确定模块，用于基于所述比较结果，从所述至少一个候选视频中确定与所述参考视频相匹配的目标视频，其中，所述目标视频的第二特征数据与所述第一特征数据相匹配。

13.根据权利要求12所述的装置，其中，所述比较结果包括第一匹配度和第二匹配度；

所述第一匹配度表征所述第一特征数据中对象标识和所述第二特征数据中对象标识之间的匹配度；

所述第二匹配度表征对所述第一特征数据中时间信息和所述第二特征数据中时间信息之间的匹配度。

14.一种视频处理装置，包括：

第一识别子模块，用于识别参考视频中的至少一个对象，得到每个对象的对象标识；

第三确定子模块，用于确定每个对象在所述参考视频中出现的时刻；第一确定单元，用于基于针对每个对象的时刻，确定针对每个对象的相对时刻；以及

第二确定单元，用于将针对每个对象的对象标识和针对每个对象的相对时刻，作为所述参考视频的第一特征数据；以及

发送模块，用于发送所述第一特征数据。

15.根据权利要求14所述的装置，其中，所述对象包括第三对象和第四对象中的至少一个，所述第四对象出现的时刻在所述第三对象出现的时刻之后，

其中，针对所述第三对象的相对时刻包括所述第三对象出现的时刻和所述参考视频起始的时刻之间的差值；

其中，针对所述第四对象的相对时刻包括所述第四对象出现的时刻和前一个对象出现的时刻之间的差值。

16.一种视频处理装置，包括：

第二识别子模块，用于识别参考视频中的至少一个对象，得到每个对象的对象标识；

第五确定子模块，用于确定每个对象在所述参考视频中出现的时间段；

第六确定子模块，用于将针对每个对象的对象标识和针对每个对象的时间段，作为所述参考视频的第一特征数据；以及

发送模块，用于发送所述第一特征数据。

17. 一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。

18. 一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求6-8中任一项所述的方法。

19.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的方法。

20.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行权利要求6-8中任一项所述的方法。