CN113259727A - 视频推荐方法、视频推荐装置及计算机可读存储介质 - Google Patents
视频推荐方法、视频推荐装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN113259727A CN113259727A CN202110484923.9A CN202110484923A CN113259727A CN 113259727 A CN113259727 A CN 113259727A CN 202110484923 A CN202110484923 A CN 202110484923A CN 113259727 A CN113259727 A CN 113259727A
- Authority
- CN
- China
- Prior art keywords
- video
- detection result
- target video
- picture quality
- target
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000001514 detection method Methods 0.000 claims abstract description 206
- 238000012549 training Methods 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 238000002372 labelling Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 230000002194 synthesizing effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification 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
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
- H04N21/25866—Management of end-user data
- H04N21/25891—Management of end-user data being end-user 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
- H04N21/47—End-user applications
- H04N21/475—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data
- H04N21/4756—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data for rating content, e.g. scoring a recommended movie
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Graphics (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种视频推荐方法、视频推荐装置及计算机可读存储介质,该视频推荐方法包括:获取到目标视频;分别对目标视频的音频数据、画面质量以及视频显示方式进行检测,以得到第一检测结果、第二检测结果以及第三检测结果;综合第一检测结果、第二检测结果以及第三检测结果对目标视频进行打分;根据目标视频的分数确定是否将目标视频推荐给用户。本申请所提供的视频推荐方法能够提高视频推荐的准确率以及效率。
Description
技术领域
本申请涉及视频推荐技术领域,特别是涉及一种视频推荐方法、视频推荐装置及计算机可读存储介质。
背景技术
随着科技的进步和互联网的普及,越来越多的用户喜欢在诸如视频类、聊天类等应用软件上进行社交。
目前用户在使用应用软件进行社交时,一些软件会主动推荐视频,而传统推荐视频的过程是:系统通过人工审核、人工打分、人工配重权重的方式对接收到的视频进行推荐,而该过程全部都需要依靠人工完成,效率低下,人力成本高,且推荐准确率较低。
发明内容
本申请主要解决的技术问题是提供一种视频推荐方法、视频推荐装置及计算机可读存储介质,能够提高视频推荐的准确率以及效率。
为解决上述技术问题,本申请采用的一个技术方案是:提供一种视频推荐方法,所述视频推荐方法包括:获取到目标视频;分别对所述目标视频的音频数据、画面质量以及视频显示方式进行检测,以得到第一检测结果、第二检测结果以及第三检测结果;综合所述第一检测结果、所述第二检测结果以及所述第三检测结果对所述目标视频进行打分;根据所述目标视频的分数确定是否将所述目标视频推荐给用户。
为解决上述技术问题,本申请采用的另一个技术方案是:提供一种视频推荐装置,所述视频推荐装置包括:获取模块,用于获取到所述目标视频;检测模块,与所述获取模块连接,用于分别对所述目标视频的音频数据、画面质量以及视频显示方式进行检测,以得到第一检测结果、第二检测结果以及第三检测结果;打分模块,与所述检测模块连接,用于综合所述第一检测结果、所述第二检测结果以及所述第三检测结果对所述目标视频进行打分;推荐模块,与所述打分模块连接,用于根据所述目标视频的分数确定是否将所述目标视频推荐给用户。
为解决上述技术问题,本申请采用的另一个技术方案是:提供一种视频推荐装置,所述视频推荐装置包括处理器、存储器以及通信电路,所述处理器分别耦接所述存储器、所述通信电路,所述存储器中存储有程序数据,所述处理器通过执行所述存储器内的所述程序数据以实现上述方法中的步骤。
为解决上述技术问题,本申请采用的另一个技术方案是:提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序能够被处理器执行以实现上述方法中的步骤。
本申请的有益效果是:本申请的方案一方面在对目标视频进行检测时,分别对目标视频的音频数据、画面质量以及视频显示方式进行检测,即从多方面对目标视频进行检测,能够保证后续得到的分数的准确性,另一方面综合得到的第一检测结果、第二检测结果以及第三检测结果为目标视频进行打分,取代了传统人工打分的方式,既能够保证得到的分数的客观性,也能提高效率,进而本申请的方法能够同时提高视频推荐的准确率以及效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,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。其中:
图1是本申请视频推荐方法一实施方式的流程示意图;
图2是图1中步骤S120在一应用场景中的流程示意图;
图3是图1中步骤S120在另一应用场景中的流程示意图;
图4是图1中步骤S120在另一应用场景中的流程示意图;
图5是本申请视频推荐装置一实施方式的结构示意图;
图6是本申请视频推荐装置另一实施方式的结构示意图;
图7是本申请计算机可读存储介质一实施方式的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性的劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本文中术语“系统”和“网络”在本文中常被可互换使用。本文中术语“和/或”,仅仅是一种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。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。此外,本文中的“多”表示两个或者多于两个。
首先需要说明的是,本申请的视频推荐方法由视频推荐装置执行,该视频推荐装置可以是诸如手机、电脑、服务器等任一项具有视频处理能力的装置,在此不做限制。
参阅图1,图1是本申请视频推荐方法一实施方式的流程示意图,该视频推荐方法包括:
S110:获取到目标视频。
具体地,目标视频可以是某些用户发布的视频,也可以是用户在特定应用上发布的视频,还可以是携带有预设标识的视频。
在一应用场景中,步骤S110具体包括:利用消息队列从设定的应用中采集目标视频,并将目标视频存储到动态数据库中。
具体地,此应用场景中的目标视频为通过设定的应用采集的视频,在采集到目标视频后,将目标视频存储到动态数据库中,以便后续的分析。其中,消息队列可以是消费Kafka队列,其能够从设定的应用中采集目标视频,并将目标视频存储到动态数据库中。
其中,预定的应用可以是任何一种应用,在此不做限制。
S120:分别对目标视频的音频数据、画面质量以及视频显示方式进行检测,以得到第一检测结果、第二检测结果以及第三检测结果。
具体地,对目标视频的音频数据进行检测可以是检测目标视频的音质、音量大小、音量是否发生突变等参数。
对画面质量进行检测可以是检测画面的清晰度、亮度、是否出现黑边等参数。
对视频显示方式进行检测可以是检测视频显示方式是横屏显示还是竖屏显示,或者视频显示方式是否始终保持一致等。
可以理解的是,在分别对目标视频的音频数据、画面质量以及视频显示方式进行检测之前,需要先从目标视频中提取音频数据以及图像数据,然后对音频数据进行检测,以及基于图像数据对目标视频的画面质量以及视频显示方式进行检测。
S130:综合第一检测结果、第二检测结果以及第三检测结果对目标视频进行打分。
具体地,将第一检测结果、第二检测结果以及第三检测结果按照一定的权重对目标视频进行打分,从而得到目标视频对应的分数。
其中,第一检测结果、第二检测结果以及第三检测结果所对应的权重可由设计人员预先设置。例如,设计人员可涉及第二检测结果的权重大于第一检测结果、第三检测结果的权重。
S140:根据目标视频的分数确定是否将目标视频推荐给用户。
在一应用场景中,当目标视频的分数超过分数阈值时,则判定目标视频为优质视频,则将目标视频推荐给用户。
在另一应用场景中,统计目标视频的分数在预设时间段内的排名,然后根据排名确定是否将目标视频推荐给用户。例如,统计目标视频的分数在最近两天内的排名,如果目标视频的分数在前20%,则确定目标视频为优质视频,直接将目标视频推荐给用户。
在其他应用场景中,在得到目标视频的分数后,还可以先将目标视频与分数对应进行保存在动态数据库中,然后由人工复核后决定是否推荐,或者由人工复核后重新对目标视频进行打分,最后根据更新后的分数进行推荐。
总而言之,关于如何根据目标视频的分数确定是否将目标视频推荐给用户,本申请不做限制。
从上述内容可以看出,本申请的方案一方面在对目标视频进行检测时,分别对目标视频的音频数据、画面质量以及视频显示方式进行检测,即从多方面对目标视频进行检测,能够保证后续得到的分数的准确性,另一方面综合得到的第一检测结果、第二检测结果以及第三检测结果为目标视频进行打分,取代了传统人工打分的方式,既能够保证得到的分数的客观性,也能提高效率,进而本申请的方法能够同时提高视频推荐的准确率以及效率。
在一应用场景中,结合图2,步骤S120包括:
S121:获取目标视频的音频数据的声音幅值。
具体地,音频数据的声音幅值可以是平均幅值,也可以是最大幅值,还可以是最小幅值,总而言之,只要音频数据的声音幅值能够代表音频数据的音量大小即可。
S122:判断声音幅值是否大于幅值阈值。
若判断结果为是,则进入步骤S123,否则,则进入步骤S124。
其中,幅值阈值由设计人员根据经验设定。
S123:判定目标视频是有声视频。
S124:判定目标视频是无声视频。
也就是说,此时第一检测结果要么是目标视频是无声视频,要么是目标视频是有声视频。
通常而言,用户喜欢观看有声视频,因此第一检测结果为有声视频相比于第一检测结果为无声视频更有利于后续对目标视频进行打分。
在另一应用场景中,结合图3,步骤S120包括:
S125:将目标视频的图像数据划分为多个子序列。
具体地,将目标视频的图像数据按照时序上的先后顺序划分为多个子序列,每个子序列均包括多个图像帧,其中,多个子序列包括的图像帧的帧数可以相等,也可以不等。
S126:分别检测多个子序列的画面质量,以判断多个子序列是否是问题序列。
具体地,分别检测多个子序列的画面质量,并分别判断多个子序列的画面质量是否满足预设要求,若子序列的画面质量不满足预设要求,则判断子序列是问题序列。
在该应用场景中,步骤S126具体包括:通过分别获取多个子序列的画面的模糊度、明暗度、播放速度或者是否为纯图片中的至少一种方式对多个子序列的画面质量分别检测,以判断多个子序列是否是问题序列。
具体地,画面的模糊度、明暗度、播放速度、画面是否为纯图片等参数影响子序列的画面质量,一般来说,画面越模糊,画面的质量越低,画面越暗,画面的质量也越低,画面播放速度太快或者太慢(即画面的播放速度不在预设范围内),画面的质量也越低,画面为纯图片(即视频前后播放的都是同一张图片),画面的质量也低。
其中可以是综合画面的模糊度、明暗度、播放速度、是否为纯图片这几个参数判断子序列是否是问题序列,也可以是仅仅根据其中一个或仅仅综合其中两个、三个参数判断子序列是否是问题序列。总而言之,如何根据画面的模糊度、明暗度、播放速度、画面是否为纯图片这几个参数判断子序列是否为问题序列,本申请不做限制。
其中子序列的模糊度可以是子序列中图像帧的模糊度的平均值,也可以是子序列中图像帧的最大模糊度,或者最小模糊度。类似地,明暗度可以是最大明暗度、最小明暗度或者平均明暗度,播放速度可以是最大播放速度、最小播放速度或者平均播放速度。
其中,可以通过拉普拉斯算子计算得到画面的模糊度。具体地,拉普拉斯算子用来衡量画面的二阶导数,能够强调画面中密度快速变化的区域,因此能够用来计算画面的模糊度。
其中,可以通过颜色直方图计算得到画面的明暗度。具体地,颜色直方图用于描述不同色彩在整幅图像中所占的比例,因此通过不同色彩在整幅图像中的占比能够得到画面的明暗度。
其中,通过子序列的图像帧之间的时序信息得到子序列的播放速度或是否为纯图片。具体地,通过计算子序列的相邻两图像帧中特定点的光流速率计算子序列的播放速度或判断子序列是否为纯图片。其中,任意相邻两图像帧中特点定的光流速率均为零,说明子序列为纯图片。
S127:计算问题序列在多个子序列中的占比,以获取第二检测结果。
具体地,获取问题序列的个数,并求取问题序列的个数与子序列总数的倒数的乘积,即得到问题序列在多个子序列中的占比,以获取第二检测结果,也就是说,第二检测结果是一个数值,且该数值越大,越不利用后续对目标视频的打分。
在另一应用场景中,步骤S120包括:通过获取目标视频的画面的模糊度、明暗度、播放速度或者是否为纯图片中的至少一种方式对目标视频的画面质量进行检测,以得到第二检测结果。
具体地,此时步骤S120可以是通过获取目标视频的画面的模糊度、明暗度、播放速度或者是否为纯图片中的一种方式或多种方式对目标视频的画面质量进行检测。
与上述应用场景不同的是,此时第二检测结果不是问题序列在多个子序列中的占比,此时若仅通过获取目标视频的画面的模糊度、明暗度、播放速度或者是否为纯图片中的一种方式对目标视频的画面质量进行检测,则第二检测结果为模糊度、明暗度、播放速度或者是否为纯图片的判断结果,或者若同时通过获取目标视频的画面的模糊度、明暗度、播放速度或者是否为纯图片中的多种方式对目标视频的画面质量进行检测,则第二检测结果既可以包括多个检测值,例如包括画面模糊度和明暗度,也可以是综合多个检测值而得到的一个表征画面质量的衡量值。
其中,获取画面的模糊度、明暗度、播放速度或者是否为纯图片的方法与上述应用场景相同,具体可参见上述,在此不再赘述。
在另一应用场景中,结合图4,步骤S120包括:
S128:获取目标视频中图像帧的长度、宽度。
S129:根据图像帧的长度、宽度确定目标视频的视频显示方式是横屏方式还是竖屏方式,以获取第三检测结果。
也就是说,此时第三检测结果要么是目标视频的视频显示方式是横屏方式,要么是目标视频的视频显示方式是竖屏方式。
具体地,若图像帧的长度小于宽度,则说明目标视频的视频显示方式是竖屏方式,否则说明目标视频的视频显示方式是横屏方式。
鉴于多数用户喜欢在竖屏方式下使用应用软件,因为目标视频的视频显示方式是竖屏方式有利于后续给目标视频打分。
在另一实施方式中,为了提高整个视频推荐方法的处理速度,步骤S120利用打分模型中的检测单元分别对目标视频的音频数据、画面质量以及视频显示方式进行检测,以得到第一检测结果、第二检测结果以及第三检测结果,以及步骤S130利用打分模型中的打分单元综合第一检测结果、第二检测结果以及第三检测结果对目标视频进行打分。
具体地,打分模型预先训练并达到收敛,用于对目标视频进行打分,其包括检测单元以及打分单元,检测单元与打分单元连接,其中打分模型在接收到目标视频后,打分模型中的检测单元分别对目标视频的音频数据、画面质量以及视频显示方式进行检测,得到第一检测结果、第二检测结果以及第三检测结果,然后打分单元综合第一检测结果、第二检测结果以及第三检测结果对目标视频进行打分,最后打分模型将目标视频的得分输出。
可以理解的是,打分模型中的检测单元在分别对目标视频的音频数据、画面质量以及视频显示方式进行检测之前,需要先从目标视频中提取音频数据以及图像数据,而后对音频数据进行检测,以及基于图像数据对画面质量以及视频显示方式进行检测。
从上述内容可以看出,在将目标视频输入打分模型后,打分模型对目标模型进行检测、打分后,将目标视频的分数输出。
在一应用场景中,打分模型的训练方法包括:获取样本视频;获取样本视频的标注信息,标注信息包括样本视频的得分;以样本视频作为输入,并以标注信息作为真值标签对打分模型进行训练。
具体地,标注信息中样本视频的得分为样本视频准确的得分,在训练过程中,在构建打分模型的基本框架后,将样本视频输入打分模型,然后打分模型会输出样本视频的预测得分,接着根据获取的标注信息中样本视频的得分与预测得分计算打分模型的损失函数值,然后更新打分模型的参数以缩小损失函数值,并重复执行将样本视频输入打分模型的步骤至更新打分模型的参数以缩小损失函数值的步骤,直至满足训练要求,从而打分模型训练完毕。
在另一应用场景中,打分模型的训练方法包括:获取样本视频;获取样本视频的标注信息,标注信息包括样本视频的音频数据的检测结果、画面质量的检测结果、视频显示方式的检测结果以及样本视频的得分;以样本视频作为输入,并以样本视频的音频数据的检测结果、画面质量的检测结果以及视频显示方式的检测结果作为真值标签对打分模型中的检测单元进行训练;以样本视频的音频数据的检测结果、画面质量的检测结果以及视频显示方式的检测结果作为输入,并以样本视频的得分对打分模型中的打分单元进行训练。
具体地,在上述应用场景中,将打分模型中的检测单元以及打分单元作为一个整体进行训练,而本应用场景中,将检测单元、打分单元分开进行训练,也就是,先训练检测单元直至检测单元收敛,再训练打分单元直至打分单元收敛,而当打分单元收敛时即表明整个检测单元收敛。
类似地,标注信息中的样本视频的音频数据的检测结果、画面质量的检测结果、视频显示方式的检测结果以及样本视频的得分分别是样本视频的音频数据的准确的检测结果、画面质量的准确的检测结果、视频显示方式的准确的检测结果以及样本视频的准确的得分。
在训练过程中,在构建打分模型的基本框架后,将样本视频输入打分模型中的检测单元,然后检测单元会输出样本视频的音频数据的预测检测结果、画面质量的预测检测结果、视频显示方式的预测检测结果,然后根据标注信息中样本视频的音频数据的检测结果、画面质量的检测结果、视频显示方式的检测结果以及检测单元输出的音频数据的预测检测结果、画面质量的预测检测结果、视频显示方式的预测检测结果计算检测单元的损失函数值,然后更新检测单元的参数以缩小损失函数值,并重复执行将样本视频输入检测单元的步骤至更新检测单元的参数以缩小损失函数值的步骤,直至满足训练要求。
在检测单元训练完毕后,将标注信息中样本视频的音频数据的检测结果、画面质量的检测结果、视频显示方式的检测结果输入打分单元,然后打分单元输出样本视频的预测得分,接着根据标注信息中样本视频的准确得分与打分单元输出的预测得分计算打分单元的损失函数值,然后更新打分单元的参数以缩小损失函数值,并重复执行将标注信息中样本视频的音频数据的检测结果、画面质量的检测结果、视频显示方式的检测结果输入打分单元的步骤至更新打分单元的参数以缩小损失函数值的步骤,直至满足训练要求,最终在打分单元训练完成后,整个打分模型训练完成。
参阅图5,图5是本申请视频推荐装置一实施方式的结构示意图。该视频推荐装置200包括获取模块210、检测模块220、打分模块230以及推荐模块240。
获取模块210用于获取到目标视频;检测模块220与获取模块210连接,用于分别对目标视频的音频数据、画面质量以及视频显示方式进行检测,以得到第一检测结果、第二检测结果以及第三检测结果;打分模块230与检测模块220连接,用于综合第一检测结果、第二检测结果以及第三检测结果对目标视频进行打分;推荐模块240与打分模块230连接,用于根据目标视频的分数确定是否将目标视频推荐给用户。
在一实施方式中,检测模块220具体用于通过获取目标视频的画面的模糊度、明暗度、播放速度或者是否为纯图片中的至少一种方式对目标视频的画面质量进行检测,以得到第二检测结果。
在一实施方式中,检测模块220具体用于通过拉普拉斯算子计算得到画面的模糊度;和/或通过颜色直方图计算得到画面的明暗度;和/或通过目标视频的图像帧之间的时序信息得到目标视频的播放速度或是否为纯图片。
在一实施方式中,检测模块220具体用于将目标视频的图像数据划分为多个子序列;分别检测多个子序列的画面质量,以判断多个子序列是否是问题序列;计算问题序列在多个子序列中的占比,以获取第二检测结果。
在一实施方式中,检测模块220具体用于通过分别获取多个子序列的画面的模糊度、明暗度、播放速度或者是否为纯图片中的至少一种方式对多个子序列的画面质量分别检测,以判断多个子序列是否是问题序列。
在一实施方式中,检测模块220具体用于获取目标视频的音频数据的声音幅值;若声音幅值大于幅值阈值,则判定目标视频是有声视频,否则,则判定目标视频是无声视频,从而得到第一检测结果。
在一实施方式中,检测模块220具体用于获取目标视频中图像帧的长度、宽度;根据图像帧的长度、宽度确定目标视频的视频显示方式是横屏方式还是竖屏方式,以获取第三检测结果。
在一实施方式中,检测模块220具体用于利用打分模型中的检测单元分别对目标视频的音频数据、画面质量以及视频显示方式进行检测,以得到第一检测结果、第二检测结果以及第三检测结果;以及,打分模块230具体用于利用打分模型中的打分单元综合第一检测结果、第二检测结果以及第三检测结果对目标视频进行打分。
在一实施方式中,视频推荐装置200还包括训练模块,用于获取样本视频;获取样本视频的标注信息,标注信息包括样本视频的得分;以样本视频作为输入,并以标注信息作为真值标签对打分模型进行训练。
在一实施方式中,视频推荐装置200还包括训练模块,用于获取样本视频;获取样本视频的标注信息,标注信息包括样本视频的音频数据的检测结果、画面质量的检测结果、视频显示方式的检测结果以及样本视频的得分;以样本视频作为输入,并以样本视频的音频数据的检测结果、画面质量的检测结果以及视频显示方式的检测结果作为真值标签对打分模型中的检测单元进行训练;以样本视频的音频数据的检测结果、画面质量的检测结果以及视频显示方式的检测结果作为输入,并以样本视频的得分对打分模型中的打分单元进行训练。
在一实施方式中,推荐模块240具体在目标视频的分数超过分数阈值时,将目标视频推荐给所述用户。
在一实施方式中,获取模块210具体用于利用消息队列从设定的应用中采集目标视频,并将目标视频存储到动态数据库中。
参阅图6,图6是本申请视频推荐装置一实施方式的结构示意图。该视频推荐装置300包括处理器310、存储器320以及通信电路330,处理器310分别耦接存储器320、通信电路330,存储器320中存储有程序数据,处理器310通过执行存储器320内的程序数据以实现上述任一项实施方式视频推荐方法中的步骤,其中详细的步骤可参见上述实施方式,在此不再赘述。
其中,视频推荐装置300可以是电脑、手机、服务器等任一项具有视频处理能力的装置,在此不做限制。
参阅图7,图7是本申请计算机可读存储介质一实施方式的结构示意图。该计算机可读存储介质400存储有计算机程序410,计算机程序410能够被处理器执行以实现上述任一项方法中的步骤。
其中,计算机可读存储介质400具体可以为U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等可以存储计算机程序410的装置,或者也可以为存储有该计算机程序410的服务器,该服务器可将存储的计算机程序410发送给其他设备运行,或者也可以自运行该存储的计算机程序410。
在本申请所提供的几个实施例中,应该理解到,所揭露的方法、装置,可以通过其它的方式实现。例如,以上所描述的装置实施方式仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性、机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。
以上所述仅为本申请的实施方式,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (15)
1.一种视频推荐方法,其特征在于,所述视频推荐方法包括:
获取到目标视频;
分别对所述目标视频的音频数据、画面质量以及视频显示方式进行检测,以得到第一检测结果、第二检测结果以及第三检测结果;
综合所述第一检测结果、所述第二检测结果以及所述第三检测结果对所述目标视频进行打分;
根据所述目标视频的分数确定是否将所述目标视频推荐给用户。
2.根据权利要求1所述的视频推荐方法,其特征在于,所述分别对所述目标视频的音频数据、画面质量以及视频显示方式进行检测,以得到第一检测结果、第二检测结果以及第三检测结果的步骤,包括:
通过获取所述目标视频的画面的模糊度、明暗度、播放速度或者是否为纯图片中的至少一种方式对所述目标视频的所述画面质量进行检测,以得到所述第二检测结果。
3.根据权利要求2所述的视频推荐方法,其特征在于,所述通过获取所述目标视频的画面的模糊度、明暗度、播放速度或者是否为纯图片中的至少一种方式对所述目标视频的所述画面质量进行检测的步骤,包括:
通过拉普拉斯算子计算得到所述画面的模糊度;和/或
通过颜色直方图计算得到所述画面的明暗度;和/或
通过所述目标视频的图像帧之间的时序信息得到所述目标视频的播放速度或是否为纯图片。
4.根据权利要求1所述的视频推荐方法,其特征在于,所述分别对所述目标视频的音频数据、画面质量以及视频显示方式进行检测,以得到第一检测结果、第二检测结果以及第三检测结果的步骤,包括:
将所述目标视频的图像数据划分为多个子序列;
分别检测所述多个子序列的画面质量,以判断所述多个子序列是否是问题序列;
计算所述问题序列在所述多个子序列中的占比,以获取所述第二检测结果。
5.根据权利要求4所述的视频推荐方法,其特征在于,所述分别检测所述多个子序列的画面质量,以判断所述多个子序列是否是问题序列的步骤,包括:
通过分别获取所述多个子序列的画面的模糊度、明暗度、播放速度或者是否为纯图片中的至少一种方式对所述多个子序列的画面质量分别检测,以判断所述多个子序列是否是所述问题序列。
6.根据权利要求1所述的视频推荐方法,其特征在于,所述分别对所述目标视频的音频数据、画面质量以及视频显示方式进行检测,以得到第一检测结果、第二检测结果以及第三检测结果的步骤,包括:
获取所述目标视频的音频数据的声音幅值;
若所述声音幅值大于幅值阈值,则判定所述目标视频是有声视频,否则,则判定所述目标视频是无声视频,从而得到所述第一检测结果。
7.根据权利要求1所述的视频推荐方法,其特征在于,所述分别对所述目标视频的音频数据、画面质量以及视频显示方式进行检测,以得到第一检测结果、第二检测结果以及第三检测结果的步骤,包括:
获取所述目标视频中图像帧的长度、宽度;
根据所述图像帧的长度、宽度确定所述目标视频的视频显示方式是横屏方式还是竖屏方式,以获取所述第三检测结果。
8.根据权利要求1所述的视频推荐方法,其特征在于,所述分别对所述目标视频的音频数据、画面质量以及视频显示方式进行检测,以得到第一检测结果、第二检测结果以及第三检测结果的步骤,包括:
利用打分模型中的检测单元分别对所述目标视频的所述音频数据、所述画面质量以及所述视频显示方式进行检测,以得到所述第一检测结果、所述第二检测结果以及所述第三检测结果;
所述综合所述第一检测结果、所述第二检测结果以及所述第三检测结果对所述目标视频进行打分的步骤,包括:
利用所述打分模型中的打分单元综合所述第一检测结果、所述第二检测结果以及所述第三检测结果对所述目标视频进行打分。
9.根据权利要求8所述的方法,其特征在于,在所述获取到目标视频之前,还包括:
获取样本视频;
获取所述样本视频的标注信息,所述标注信息包括所述样本视频的得分;
以所述样本视频作为输入,并以所述标注信息作为真值标签对所述打分模型进行训练。
10.根据权利要求8所述的方法,其特征在于,在所述获取到目标视频之前,还包括:
获取样本视频;
获取所述样本视频的标注信息,所述标注信息包括所述样本视频的音频数据的检测结果、画面质量的检测结果、视频显示方式的检测结果以及所述样本视频的得分;
以所述样本视频作为输入,并以所述样本视频的音频数据的检测结果、画面质量的检测结果以及视频显示方式的检测结果作为真值标签对所述打分模型中的所述检测单元进行训练;
以所述样本视频的音频数据的检测结果、画面质量的检测结果以及视频显示方式的检测结果作为输入,并以所述样本视频的得分对所述打分模型中的所述打分单元进行训练。
11.根据权利要求1所述的视频推荐方法,其特征在于,所述根据所述目标视频的分数确定是否将所述目标视频推荐给用户的步骤,包括:
若所述目标视频的分数超过分数阈值,则将所述目标视频推荐给所述用户。
12.根据权利要求1-11任一项所述的视频推荐方法,其特征在于,所述获取到目标视频的步骤,包括:
利用消息队列从设定的应用中采集所述目标视频,并将所述目标视频存储到动态数据库中。
13.一种视频推荐装置,其特征在于,所述视频推荐装置包括:
获取模块,用于获取到所述目标视频;
检测模块,与所述获取模块连接,用于分别对所述目标视频的音频数据、画面质量以及视频显示方式进行检测,以得到第一检测结果、第二检测结果以及第三检测结果;
打分模块,与所述检测模块连接,用于综合所述第一检测结果、所述第二检测结果以及所述第三检测结果对所述目标视频进行打分;
推荐模块,与所述打分模块连接,用于根据所述目标视频的分数确定是否将所述目标视频推荐给用户。
14.一种视频推荐装置,其特征在于,所述视频推荐装置包括处理器、存储器以及通信电路,所述处理器分别耦接所述存储器、所述通信电路,所述存储器中存储有程序数据,所述处理器通过执行所述存储器内的所述程序数据以实现如权利要求1-12任一项所述方法中的步骤。
15.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序能够被处理器执行以实现如权利要求1-12任一项所述方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110484923.9A CN113259727A (zh) | 2021-04-30 | 2021-04-30 | 视频推荐方法、视频推荐装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110484923.9A CN113259727A (zh) | 2021-04-30 | 2021-04-30 | 视频推荐方法、视频推荐装置及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113259727A true CN113259727A (zh) | 2021-08-13 |
Family
ID=77223773
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110484923.9A Pending CN113259727A (zh) | 2021-04-30 | 2021-04-30 | 视频推荐方法、视频推荐装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113259727A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114268815A (zh) * | 2021-12-15 | 2022-04-01 | 北京达佳互联信息技术有限公司 | 视频质量确定方法、装置、电子设备及存储介质 |
CN114390344A (zh) * | 2022-01-11 | 2022-04-22 | 北京达佳互联信息技术有限公司 | 视频分发方法、装置、电子设备和计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103533367A (zh) * | 2013-10-23 | 2014-01-22 | 传线网络科技(上海)有限公司 | 一种无参考视频质量评价方法及装置 |
WO2020029235A1 (en) * | 2018-08-10 | 2020-02-13 | Microsoft Technology Licensing, Llc | Providing video recommendation |
WO2020134926A1 (zh) * | 2018-12-28 | 2020-07-02 | 广州市百果园信息技术有限公司 | 视频质量评估方法、装置、设备及存储介质 |
CN112233075A (zh) * | 2020-09-30 | 2021-01-15 | 腾讯科技(深圳)有限公司 | 视频清晰度评估方法、装置、存储介质及电子设备 |
-
2021
- 2021-04-30 CN CN202110484923.9A patent/CN113259727A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103533367A (zh) * | 2013-10-23 | 2014-01-22 | 传线网络科技(上海)有限公司 | 一种无参考视频质量评价方法及装置 |
WO2020029235A1 (en) * | 2018-08-10 | 2020-02-13 | Microsoft Technology Licensing, Llc | Providing video recommendation |
CN111279709A (zh) * | 2018-08-10 | 2020-06-12 | 微软技术许可有限责任公司 | 提供视频推荐 |
WO2020134926A1 (zh) * | 2018-12-28 | 2020-07-02 | 广州市百果园信息技术有限公司 | 视频质量评估方法、装置、设备及存储介质 |
CN112233075A (zh) * | 2020-09-30 | 2021-01-15 | 腾讯科技(深圳)有限公司 | 视频清晰度评估方法、装置、存储介质及电子设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114268815A (zh) * | 2021-12-15 | 2022-04-01 | 北京达佳互联信息技术有限公司 | 视频质量确定方法、装置、电子设备及存储介质 |
CN114390344A (zh) * | 2022-01-11 | 2022-04-22 | 北京达佳互联信息技术有限公司 | 视频分发方法、装置、电子设备和计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107958030B (zh) | 视频封面推荐模型优化方法及装置 | |
US11475666B2 (en) | Method of obtaining mask frame data, computing device, and readable storage medium | |
US11871086B2 (en) | Method of displaying comment information, computing device, and readable storage medium | |
CN108683952B (zh) | 基于交互视频的视频内容片段推送方法及装置 | |
CN111491173A (zh) | 一种直播封面确定方法、装置、计算机设备及存储介质 | |
CN111918130A (zh) | 视频封面确定方法、装置、电子设备及存储介质 | |
CN109902189B (zh) | 一种图片选择方法及相关设备 | |
CN110866563B (zh) | 相似视频检测、推荐方法、电子设备和存储介质 | |
CN113259727A (zh) | 视频推荐方法、视频推荐装置及计算机可读存储介质 | |
CN112818737B (zh) | 视频识别方法、装置、存储介质及终端 | |
CN114511041B (zh) | 模型训练方法、图像处理方法、装置、设备和存储介质 | |
WO2023138549A1 (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN111432206A (zh) | 基于人工智能的视频清晰度处理方法、装置及电子设备 | |
CN113497946B (zh) | 视频处理方法、装置、电子设备和存储介质 | |
CN110475117B (zh) | 图像压缩的方法、装置、电子设备和计算机存储介质 | |
CN113691721A (zh) | 一种缩时摄影视频的合成方法、装置、计算机设备和介质 | |
CN108769831B (zh) | 视频预告的生成方法及装置 | |
CN117061791B (zh) | 云视频帧自适应协作渲染方法、装置及计算机设备 | |
CN111475677A (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN105100785A (zh) | 流畅度的测试方法及装置 | |
CN112055258A (zh) | 加载直播画面的时延测试方法、装置及电子设备 | |
CN111291259B (zh) | 一种数据筛选方法、装置、电子设备和存储介质 | |
CN115272057A (zh) | 卡通素描图像重构网络的训练及其重构方法与设备 | |
CN111083468B (zh) | 一种基于图像梯度的短视频质量评价方法及系统 | |
CN113420809A (zh) | 视频质量评价方法、装置和电子设备 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210813 |