CN113382283A - 视频片头识别方法及系统 - Google Patents

视频片头识别方法及系统 Download PDF

Info

Publication number
CN113382283A
CN113382283A CN202010156824.3A CN202010156824A CN113382283A CN 113382283 A CN113382283 A CN 113382283A CN 202010156824 A CN202010156824 A CN 202010156824A CN 113382283 A CN113382283 A CN 113382283A
Authority
CN
China
Prior art keywords
video
picture
identified
pictures
sample
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
Application number
CN202010156824.3A
Other languages
English (en)
Other versions
CN113382283B (zh
Inventor
蒯越
庄佳峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Bilibili Technology Co Ltd
Original Assignee
Shanghai Bilibili Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Bilibili Technology Co Ltd filed Critical Shanghai Bilibili Technology Co Ltd
Priority to CN202010156824.3A priority Critical patent/CN113382283B/zh
Publication of CN113382283A publication Critical patent/CN113382283A/zh
Application granted granted Critical
Publication of CN113382283B publication Critical patent/CN113382283B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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]
    • H04N21/20—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
    • H04N21/23418—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • H04N21/44008—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 operations for analysing video streams, e.g. detecting features or characteristics in the video stream
    • 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
    • H04N21/472—End-user interface for requesting content, additional data or services; End-user interface for interacting with content, e.g. for content reservation or setting reminders, for requesting event notification, for manipulating displayed content
    • H04N21/47217—End-user interface for requesting content, additional data or services; End-user interface for interacting with content, e.g. for content reservation or setting reminders, for requesting event notification, for manipulating displayed content for controlling playback functions for recorded or on-demand content, e.g. using progress bars, mode or play-point indicators or bookmarks
    • 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
    • H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
    • H04N21/845—Structuring of content, e.g. decomposing content into time segments
    • H04N21/8456—Structuring of content, e.g. decomposing content into time segments by decomposing the content in the time domain, e.g. in time segments

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Television Signal Processing For Recording (AREA)

Abstract

本发明公开了一种视频片头识别方法，该方法包括：获取第一数量的待识别视频图片和第二数量的视频样本图片；将视频样本图片和待识别视频图片进行匹配；当待识别视频图片中存在连续的第二数量的目标待识别视频图片和视频样本图片均匹配时，则确定目标待识别视频图片所对应的时间点位置的视频为视频片头，并确定目标待识别视频图片中的最后一张目标待识别视频图片所对应的时间点为视频片头的结束时间。本发明还公开了一种视频片头识别系统、计算机设备及存储介质，能够自动解析视频片头并输出视频片头结束时间，提高视频片头的识别效率。

Description

视频片头识别方法及系统
技术领域
本发明涉及视频技术领域，具体涉及一种视频片头识别方法及系统。
背景技术
目前的视频播放软件，当用户想跳过片头时，可以通过拉取进度条至视频开始播放时间点对应的位置，以跳过视频片头，或者通过在视频播放软件上设置自动跳过片头。然而，目前的自动跳过片头功能读取的跳过时间，是运营人员手动在后台逐片分析后再进行配置的。这种人为逐片分析片头跳过时间的方法，不仅操作繁琐，而且极大地降低了视频片头的识别效率。
发明内容
本发明的目的在于提供一种视频片头识别方法、系统、计算机设备及可读存储介质，用于解决现有技术中人为逐片分析片头跳过时间操作繁琐，视频片头识别效率低的缺陷。
根据本发明的一个方面，提供了一种视频片头识别方法，该方法包括如下步骤：
获取第一数量的待识别视频图片和第二数量的视频样本图片，其中，所述第一数量多于所述第二数量，所述待识别视频图片预设有对应的时间点；
将所述视频样本图片和所述待识别视频图片进行匹配；
当所述待识别视频图片中存在连续的第二数量的目标待识别视频图片和所述视频样本图片均匹配时，则确定所述目标待识别视频图片所对应的时间点位置的视频为视频片头，并确定所述目标待识别视频图片中的最后一张目标待识别视频图片所对应的时间点为所述视频片头的结束时间。
可选地，所述获取第一数量的待识别视频图片和第二数量的视频样本图片，包括：
获取待识别视频和视频样本；
分别读取所述待识别视频和所述视频样本中的视频帧，以获取所述第一数量的待识别视频图片和所述第二数量的视频样本图片。
可选地，所述将所述视频样本图片和所述待识别视频图片进行匹配，包括：
将所述视频样本图片和所述待识别视频图片分别进行图像特征处理，以分别得到第二数量的视频样本图片特征和第一数量的待识别视频图片特征；
将所述第二数量的视频样本图片特征和所述第一数量中前第二数量的待识别视频图片特征依次进行匹配。
可选地，所述将所述视频样本图片特征和所述第一数量中前第二数量的待识别视频图片特征进行匹配，包括：
分别统计每张视频样本图片特征和所述前第二数量中与所述视频样本图片特征对应的待识别视频图片特征中的相似特征点；
计算所述相似特征点占所述视频样本图片特征点和所述与所述视频样本图片特征对应的待识别视频图片特征点之和的比值；
当所述比值高于预设值时，则判断所述视频样本图片特征和与所述视频样本图片特征对应的待识别视频图片特征匹配。
可选地，所述方法还包括：
当所述第二数量的视频样本图片特征中存在一张视频样本图片特征与所述视频样本图片特征对应的待识别视频图片特征不匹配时，则将所述第二数量的视频样本图片特征和下一第二数量的待识别视频图片特征进行比较；
若所述第二数量的视频样本图片特征和预设时长的所述待识别视频图片特征均不匹配，则停止比较，并判断所述待识别视频的视频片头与所述视频样本不一致。
可选地，所述确定所述目标待识别视频图片所对应的时间点位置的视频为视频片头，包括：
获取所述目标待识别视频图片中第一张目标待识别视频图片对应的第一时间点以及所述视频样本图片的时长；
根据所述第一时间点和所述视频样本图片的时长，确定所述待识别视频的时间点位置对应的视频为视频片头。
可选地，所述确定所述目标待识别视频图片中的最后一张目标待识别视频图片所对应的时间点为所述视频片头的结束时间，包括：
根据所述第一时间点和所述视频样本图片的时长，计算所述目标待识别视频图片中最后一张目标待识别视频图片对应的第二时间点；
确定所述第二时间点为所述视频片头的结束时间。
为了实现上述目的，本发明还提供一种视频片头识别系统，该系统具体包括以下组成部分：
获取模块，用于获取第一数量的待识别视频图片和第二数量的视频样本图片，其中，所述第一数量多于所述第二数量，所述待识别视频图片预设有对应的时间点；
匹配模块，用于将所述视频样本图片和所述待识别视频图片进行匹配；
确定模块，用于当所述待识别视频图片中存在连续的第二数量的目标待识别视频图片和所述视频样本图片均匹配时，则确定所述目标待识别视频图片所对应的时间点位置的视频为视频片头，并确定所述目标待识别视频图片中的最后一张目标待识别视频图片所对应的时间点为所述视频片头的结束时间。
为了实现上述目的，本发明还提供一种计算机设备，该计算机设备具体包括：存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述介绍的视频片头识别方法的步骤。
为了实现上述目的，本发明还提供一种计算机可读存储介质，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上述介绍的视频片头识别方法的步骤。
本发明提供的视频识别方法、系统、计算机设备及可读存储介质，通过将第一数量的待识别视频图片和第二数量的视频样本图片进行相似度比较，根据比较结果确定待识别视频的视频片头以及视频片头的结束时间，达到自动解析视频片头并输出视频片头结束时间的目的，极大地提高了视频片头的识别效率。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为本公开实施例提供的视频片头识别方法的一种可选的应用环境图；
图2为本公开实施例提供的视频片头识别方法的一种可选的步骤流程示意图；
图3为所述图2中步骤S100的一种可选的具体步骤流程示意图；
图4为所述图2中步骤S102的一种可选的具体步骤流程示意图；
图5为所述图4中步骤S302的一种可选的具体步骤流程示意图；
图6为本公开实施例提供的视频片头识别方法的另一种可选的流程示意图；
图7为所述图2中步骤S104的一种可选的具体步骤流程示意图；
图8为所述图2中步骤S104的另一种可选的具体步骤流程示意图；
图9为本公开实施例提供的视频片头识别方法中第一数量的待识别图片和第二数量的片头样本图片进行匹配的示意图；
图10为本公开实施例提供的视频片头识别系统的一种可选的程序模块示意图；
图11为本公开实施例提供的计算机设备的一种可选的硬件架构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本发明视频片头识别方法的一种可选的应用环境图。图1中包括服务器A和服务器B，其中，服务器A用于解析视频片源的片头，服务器B用于对视频片源的片头进行配置。服务器A接收多个片头样本片源和待识别片源。每个片头样本片源为具有预设时间长度的视频片段，且为片头视频。所述待识别片源至少包括片头、片尾和视频内容，当然，在片头之前还可能包括广告部分。服务器A对接收到的多个片头样本片源和待识别片源进行处理，并输出待识别片源的片头在所述待识别片源的时间位置点以及片头的结束时间，并将所述片头在所述待识别片源的时间位置点以及所述片头的结束时间保存至服务器B中。服务器B根据所述片头在所述待识别片源的时间位置点和所述片头的结束时间对所述待识别片源进行配置，进而实现片源中片头的自动化配置。
下面结合附图对本发明提供的视频片头识别方法进行说明。
图2为本发明视频片头识别方法的一种可选的流程示意图。可以理解，本方法实施例中的流程图不用于对执行步骤的顺序进行限定，下面以计算机设备为执行主体进行示例性描述。所述计算机设备可以包括诸如手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(Personal Digital Assistant，PDA)、便携式媒体播放器(Portable Media Player，PMP)、导航装置、可穿戴设备、智能手环、计步器等移动终端，以及诸如数字TV、台式计算机等固定终端。
如图2所示，该方法具体包括以下步骤：
步骤S100：获取第一数量的待识别视频图片和第二数量的视频样本图片，其中，所述第一数量多于所述第二数量，所述待识别视频图片预设有对应的时间点。
需要说明的是，第一数量的待识别视频图片和第二数量的视频样本图片均为时间连续的视频图片。
在一示例性的实施例中，请参阅图3，所述步骤S100具体包括步骤S200～S202。
步骤S200：获取待识别视频和视频样本。
步骤S202：分别读取所述待识别视频和所述视频样本中的视频帧，以获取所述第一数量的待识别视频图片和所述第二数量的视频样本图片。
具体地，当需要对待识别视频进行片头解析时，则获取待识别视频，并从视频样本中获取多个视频样本。然后，逐帧截取出连续的多张待识别视频图片和连续的多张视频样本图片。需要说明的是，每个视频样本为具有对应时长的片头视频。由于视频的连续性，多个相同的视频帧才可正常显示，可读取出所述待识别视频和所述视频样本中的每一帧，也可每隔预设视频帧数读取一次视频帧。通过上述步骤，可以快速的从待识别视频和视频样本中截取出具有连续性的待识别视频图片和视频样本图片。
步骤S102：将所述视频样本图片和所述待识别视频图片进行匹配。
具体地，当获取到连续的第二数量的视频样本图片和连续的第一数量的待识别视频图片时，将连续的第二数量的视频样本图片依次与待识别视频图片进行匹配，以确定视频样本图片和待识别视频图片的相似度。需要说明的是，相同的视频制作公司制作视频内容时，视频片头采用预设的几种形式进行视频的制作，形式包括片头的时长。故，对于同一家视频制作公司制作的视频中的视频图片，总是能找到与该视频片头具有高相似度形式的视频样本片头。
在一示例性的实施例中，请参阅图4，所述步骤S102具体包括步骤S300～S302。
步骤S300：将所述视频样本图片和所述待识别视频图片分别进行图像特征处理，以分别得到第二数量的视频样本图片特征和第一数量的待识别视频图片特征。
步骤S302：将所述第二数量的视频样本图片特征和所述第一数量中前第二数量的待识别视频图片特征依次进行匹配。
具体地，通过利用图像特征处理技术对所述视频样本图片和所述待识别视频图片进行图像特征的处理，以提取出视频样本图片和待识别视频图片中的图像特征，所述图像特征可以包括图片的角、边、点、颜色等特征。将从视频样本图片和待识别视频图片中提取出的图像特征进行相似度的比较，进而确定视频样本图片特征和待识别图片特征是否匹配。当将截取出的连续第一数量的待识别视频图片和连续第二数量的视频样本图片开始进行匹配时，以第二数量为时间窗口(也即以视频样本时长为时间窗口)，并从第一张视频样本图片与第一张待识别视频图片开始进行匹配，只有在连续第二数量的待识别视频图片与连续第二数量的视频样本图片均匹配时，才确定所述待识别视频图片的片头。示例性地，当视频样本图片数量为n，待识别视频图片数量为n+k时，其中，k>0，匹配过程为先将1～n张视频样本图片与1～n张待识别视频图片依次进行匹配，而后将1～n张视频样本图片与2～n+1张待识别视频图片进行匹配，以此类推，实现以n为时间窗口的匹配。
在一示例性的实施例中，请参阅图5，所述步骤S302具体包括步骤S400～S404。
步骤S400：分别统计每张视频样本图片特征和所述前第二数量中与所述视频样本图片特征对应的待识别视频图片特征中的相似特征点。
步骤S402：计算所述相似特征点占所述视频样本图片特征点和所述与所述视频样本图片特征对应的待识别视频图片特征点之和的比值。
步骤S404：当所述比值高于预设值时，则判断所述视频样本图片特征和与所述视频样本图片特征对应的待识别视频图片特征匹配。
具体地，当获取到第二数量的视频样本图片特征和第一数量中前第二数量的待识别视频图片特征之后，将每张视频样本图片特征中每个图片特征点和与所述视频样本图片特征对应的待识别视频图片特征中的每个图片特征点进行比较，以确定和统计出所述视频样本图片特征和与所述视频样本图片特征对应的待识别视频图片特征中的相似特征点。然后计算所述相似特征点占所述视频样本图片特征和与所述视频样本图片特征对应的待识别视频图片特征中所有特征点的比值，进而根据所述相似特征点占所有特征点的比值确定所述视频样本图片特征和与所述视频样本图片特征对应的待识别视频图片特征是否匹配，从而确定所述视频样本图片和与所述视频样本图片对应的待识别视频图片是否相似。每张视频样本图片特征与对应的待识别视频特征特征均可以此方法确定。例如：若相似特征点占所述视频样本图片特征和与所述视频样本图片特征对应的待识别视频图片特征中所有特征点的比值为70％，预设值为65％，则确定所述视频样本图片特征和与所述视频样本图片特征对应的待识别视频图片特征匹配。
当然，在示例性的实施例中，还可以根据匹配过程，将视频样本图片和对应的待识别视频图片逐一进行图像特征处理，每处理完成一张视频样本图片和对应的待识别视频图片，则将处理完成后得到的视频样本图片特征和待识别视频图片特征进行匹配，依此图像处理过程和匹配过程交替进行。当一个时间窗口匹配完成后，若该时间窗口内存在至少一张视频样本图片特征和对应的待识别视频图片特征不匹配时，移动时间窗口至下一个位置，所述视频样本图片无需再对相同的视频图片进行图片特征处理，只需将新的视频图片进行图片处理后再进行图片特征的匹配，以降低处理器的消耗，加快视频图片的匹配速度。
结合图9，图9为第一数量的待识别视频图片与第二数量的片头样本视频图片进行匹配的示意图。图9中片头样本视频的时长为T2，预设时长为T1，以片头样本视频的时长T2为时间窗口，与待识别视频图片逐一进行匹配。只有当时长为T2且连续的第二数量的片头样本视频图片依次与连续的第二数量的待识别视频图片一一匹配时，匹配才成功。
在示例性的实施例中，请参阅图6，所述方法还包括步骤S500和步骤S502。
步骤S500：当所述第二数量的视频样本图片特征中存在一张视频样本图片特征和与所述视频样本图片特征对应的待识别视频图片特征不匹配时，则将所述第二数量的视频样本图片特征和下一第二数量的待识别视频图片特征进行比较。
具体地，当第二数量的视频样本图片特征中存在至少一张视频样本图片特征和与所述至少一张视频样本图片特征对应的待识别视频图片特征不匹配时，则将所述第二数量的视频样本图片特征和下一第二数量的待识别视频图片特征进行比较，以确定每张视频样本图片特征和与所述视频样本图片特征对应的待识别视频图片特征的相似特征点，并再次计算所述相似特征点占所述视频样本图片特征和与所述视频样本图片特征对应的待识别视频图片特征中所有特征点的比值，并根据所述比值确定所述视频样本图片和与所述视频样本图片特征对应的待识别视频图片特征是否匹配。请继续参阅图9，视频样本图片特征一共有n张，当时间窗口位于位置1时，若第一张视频样本图片特征和第一张待识别视频图片特征不匹配，则继续将第二张视频样本图片特征和第二张待识别视频图片特征进行匹配...直至第n张视频样本图片特征和第n张待识别视频图片特征匹配完成，然后将所述时间窗口由位置1移动至位置2，所述第一张视频样本图片特征和第二张待识别视频图片进行匹配，第二张视频样本图片特征和第三张待识别视频图片进行匹配...直至第n张视频样本图片特征和第n+1张待识别视频图片匹配完成。若位置2处时间窗口中存在一张视频样本图片特征和待识别视频图片也不匹配，再将第一张视频样本图片特征和下一张待识别视频图片进行匹配，依此完成图片特征的匹配。
步骤S502：若所述第二数量的视频样本图片特征和预设时长的所述待识别视频图片特征均不匹配，则停止比较，并判断所述待识别视频的视频片头与所述视频样本不一致。
具体地，若所述第二数量的视频样本图片特征与预设时长对应的待识别视频图片特征均不匹配，则表示所述待识别视频的视频片头与所述视频样本不一致。需要说明的是，若第二数量的视频样本图片特征与第二数量的待识别视频图片特征中存在一张图片特征不匹配时，则表示所述第二数量的视频样本图片特征与所述第二数量的待识别视频图片特征不匹配。请继续参阅图9，若时间窗口处于位置1时，第1～n张视频样本图片特征与第1～n张待识别视频图片特征不匹配，移动时间窗口至第1～n张视频样本图片特征与第2～n张待识别视频图片特征进行匹配，若仍然不匹配，则继续移动时间窗口至第1～n张视频样本图片特征与第3～n张待识别视频图片进行匹配...依此，时间窗口移动至T1时长处的位置3时，第1～n张视频样本图片特征与T1对应的n张待识别视频图片特征仍然不匹配，则判断所述待识别视频的视频片头与所述视频样本不一致。通过上述步骤，可以更为细致的确定视频样本图片和待识别视频图片的相似度。
步骤S104：当所述待识别视频图片中存在连续的第二数量的目标待识别视频图片和所述视频样本图片均匹配时，则确定所述目标待识别视频图片所对应的时间点位置的视频为视频片头，并确定所述目标待识别视频图片中的最后一张目标待识别视频图片所对应的时间点为所述视频片头的结束时间。
请继续参阅图9，例如当经过时间t之后，时间窗口移动至位置2时，T2时长的视频样本图片与t～t+T2时间段内的待识别视频图片一一匹配，则确定该t～t+T2时间段内的待识别视频图片对应的视频为视频片头，并确定最后一张待识别视频图片对应的时间点为所述视频片头的结束时间。
在一示例性的实施例中，请参阅图7，所述步骤S104具体包括步骤S600和步骤S602。
步骤S600：获取所述目标待识别视频图片中第一张目标待识别视频图片对应的第一时间点以及所述视频样本图片的时长。
步骤S602：根据所述第一时间点和所述视频样本图片的时长，确定所述待识别视频的时间点位置对应的视频为视频片头。
具体地，当所述待识别视频图片中存在连续的第二数量的待识别视频图片与所述第二数量的视频样本图片匹配时，则确定该连续的第二数量的待识别视频图片为目标待识别视频图片。通过将根据第一张目标待识别视频图片对应的时间点和时间窗口，进而确定所述待识别视频的片头在所述待识别视频的时间点位置，并确定所述时间点位置对应的视频为视频片头。通过上述步骤，可以更为精确地确定出待识别视频的视频片头。
在一示例性的实施例中，请参阅图8，所述步骤S104还具体包括步骤S700和步骤S702。
步骤S700：根据所述第一时间点和所述视频样本图片的时长，计算所述目标待识别视频图片中最后一张目标待识别视频图片对应的第二时间点。
步骤S702：确定所述第二时间点为所述视频片头的结束时间。
请继续参阅图9，例如当经过时间t之后，时间窗口移动至位置2时，T2时长的视频样本图片与t～t+T2时间段内的待识别视频图片一一匹配，则确定t～t+T2时刻为所述视频片头的结束时间。通过上述步骤，可以精确的获取所述视频片头的结束时间。
本发明实施例提供的视频片头识别方法，通过将第一数量的待识别视频图片和第二数量的视频样本图片进行相似度比较，根据比较结果确定待识别视频的视频片头以及视频片头的结束时间，达到自动解析视频片头并输出视频片头结束时间的目的，极大地提高了视频片头的识别效率，从而降低了对视频片头的人力配置成本。
基于上述实施例中提供的视频片头识别方法，本实施例中提供一种视频片头识别系统，所述视频片头识别系统可以应用于计算机设备。具体地，图10示出了该视频片头识别系统的可选的结构框图，该视频片头识别系统被分割成一个或多个程序模块，一个或者多个程序模块被存储于存储介质中，并由一个或多个处理器所执行，以完成本发明。本发明所称的程序模块是指能够完成特定功能的一系列计算机程序指令段，比程序本身更适合描述视频片头识别系统在存储介质中的执行过程，以下描述将具体介绍本实施例各程序模块的功能。
如图10所示，视频片头识别系统具体包括以下组成部分：
获取模块201，用于获取第一数量的待识别视频图片和第二数量的视频样本图片，其中，所述第一数量多于所述第二数量，所述待识别视频图片预设有对应的时间点。
需要说明的是，第一数量的待识别视频图片和第二数量的视频样本图片均为时间连续的视频图片。
在一示例性的实施例中，所述获取模块201具体用于：
获取待识别视频和视频样本；分别读取所述待识别视频和所述视频样本中的视频帧，以获取所述第一数量的待识别视频图片和所述第二数量的视频样本图片。
具体地，当需要对待识别视频进行片头解析时，则获取模块201获取待识别视频，并从视频样本中获取多个视频样本。然后，逐帧截取出连续的多张待识别视频图片和连续的多张视频样本图片。需要说明的是，每个视频样本为具有对应时长的片头视频。由于视频的连续性，多个相同的视频帧才可正常显示，可读取出所述待识别视频和所述视频样本中的每一帧，也可每隔预设视频帧数读取一次视频帧。通过上述方法，可以快速的从待识别视频和视频样本中截取出具有连续性的待识别视频图片和视频样本图片。
匹配模块202，用于将所述视频样本图片和所述待识别视频图片进行匹配。
具体地，当获取到连续的第二数量的视频样本图片和连续的第一数量的待识别视频图片时，所述匹配模块202将连续的第二数量的视频样本图片依次与待识别视频图片进行匹配，以确定视频样本图片和待识别视频图片的相似度。需要说明的是，相同的视频制作公司制作视频内容时，视频片头采用预设的几种形式进行视频的制作，形式包括片头的时长。故，对于同一家视频制作公司制作的视频中的视频图片，总是能找到与该视频片头具有高相似度形式的视频样本片头。
在一示例性的实施例中，所述匹配模块202具体包括处理单元和匹配单元。
所述处理单元，用于将所述视频样本图片和所述待识别视频图片分别进行图像特征处理，以分别得到第二数量的视频样本图片特征和第一数量的待识别视频图片特征。
所述匹配单元，用于将所述第二数量的视频样本图片特征和所述第一数量中前第二数量的待识别视频图片特征进行依次匹配。
具体地，所述处理单元通过利用图像特征处理技术对所述视频样本图片和所述待识别视频图片进行图像特征的处理，以提取出视频样本图片和待识别视频图片中的图像特征，所述图像特征可以包括图片的角、边、点、颜色等特征。所述匹配单元将从视频样本图片和待识别视频图片中提取出的图像特征进行相似度的比较，进而确定视频样本图片特征和待识别图片特征是否匹配。当将截取出的连续第一数量的待识别视频图片和连续第二数量的视频样本图片开始进行匹配时，以第二数量为时间窗口(也即以视频样本时长为时间窗口)，并从第一张视频样本图片与第一张待识别视频图片开始进行匹配，只有在连续第二数量的待识别视频图片与连续第二数量的视频样本图片均匹配时，才确定所述待识别视频图片的片头。示例性地，当视频样本图片数量为n，待识别视频图片数量为n+k时，其中，k>0，匹配过程为先将1～n张视频样本图片与1～n张待识别视频图片依次进行匹配，而后将1～n张视频样本图片与2～n+1张待识别视频图片进行匹配，以此类推，实现以n为时间窗口的匹配。
在一示例性的实施例中，所述匹配单元具体包括统计单元、计算单元和判断单元。
所述统计单元，用于分别统计每张视频样本图片特征和所述前第二数量中与所述视频样本图片特征对应的待识别视频图片特征中的相似特征点。
所述计算单元，用于计算所述相似特征点占所述视频样本图片特征点和所述与所述视频样本图片特征对应的待识别视频图片特征点之和的比值。
所述判断单元，用于当所述比值高于预设值时，则判断所述视频样本图片特征和与所述视频样本图片特征对应的待识别视频图片特征匹配。
具体地，当获取到第二数量的视频样本图片特征和第一数量中前第二数量的张待识别视频图片特征之后，所述统计单元将每张视频样本图片特征中每个图片特征点和与所述视频样本图片特征对应的待识别视频图片特征中的每个图片特征点进行比较，以确定和统计出所述视频样本图片特征和与所述视频样本图片特征对应的第一张待识别视频图片特征中的相似特征点。然后，所述计算单元计算所述相似特征点占所述视频样本图片特征和与所述视频样本图片特征对应的待识别视频图片特征中所有特征点的比值，进而所述判断单元根据所述相似特征点占所有特征点的比值确定所述视频样本图片特征和与所述视频样本图片特征对应的待识别视频图片特征是否匹配，从而确定所述视频样本图片和与所述视频样本图片特征对应的待识别视频图片是否相似。每张视频样本图片特征与对应的待识别视频特征特征均可以此方法确定。例如：若相似特征点占所述视频样本图片特征和与所述视频样本图片特征对应的待识别视频图片特征中所有特征点的比值为70％，预设值为65％，则确定所述视频样本图片特征和与所述视频样本图片特征对应的待识别视频图片特征匹配。
当然，在示例性的实施例中，还可以根据匹配过程，将视频样本图片和对应的待识别视频图片逐一进行图像特征处理，每处理完成一张视频样本图片和对应的待识别视频图片，则将处理完成后得到的视频样本图片特征和待识别视频图片特征进行匹配，依此图像处理过程和匹配过程交替进行。当一个时间窗口匹配完成后，若该时间窗口内存在至少一张视频样本图片特征和对应的待识别视频图片特征不匹配时，移动时间窗口至下一个位置，所述视频样本图片无需再对相同的视频图片进行图片特征处理，只需将新的视频图片进行图片处理后再进行图片特征的匹配，以降低处理器的消耗，加快视频图片的匹配速度。
结合图9，图9为第一数量的待识别视频图片与第二数量的片头样本视频图片进行匹配的示意图。图9中片头样本视频的时长为T2，预设时长为T1，以片头样本视频的时长T2为时间窗口，与待识别视频图片逐一进行匹配。只有当时长为T2且连续的第二数量的片头样本视频图片依次与连续的第一数量的待识别视频图片一一匹配时，匹配才成功。
在示例性的实施例中，所述视频片头识别系统还包括比较模块。
所述比较模块，用于当所述第二数量的视频样本图片特征中存在一张视频样本图片特征和与所述视频样本图片特征对应的和所述第一张待识别视频图片特征不匹配时，则将所述第二数量的视频样本图片特征和下一第二数量的待识别视频图片特征进行比较。
具体地，当第二数量的视频样本图片特征中存在至少一张视频样本图片特征和与所述至少一张视频样本图片特征对应的待识别视频图片特征不匹配时，则所述比较模块将第二数量的视频样本图片特征和下一第二数量的待识别视频图片特征进行比较，以确定每张视频样本图片特征和与所述视频样本图片特征对应的待识别视频图片特征的相似特征点，并再次计算所述相似特征点占所述视频样本图片特征和与所述视频样本图片特征对应的待识别视频图片特征中所有特征点的比值，并根据所述比值确定所述视频样本图片和与所述视频样本图片特征对应的待识别视频图片特征是否匹配。请继续参阅图9，视频样本图片特征一通有n张，当时间窗口位于位置1时，若第一张视频样本图片特征和第一张待识别视频图片特征不匹配，则继续将第二张视频样本图片特征和第二张待识别视频图片特征进行匹配...直至第n张视频样本图片特征和第n张待识别视频图片特征匹配完成，然后将所述时间窗口由位置1移动至位置2，所述第一张视频样本图片特征和第二张待识别视频图片进行匹配，第二张视频样本图片特征和第三张待识别视频图片进行匹配...直至第n张视频样本图片特征和第n+1张待识别视频图片匹配完成。若位置2处时间窗口中存在一张视频样本图片特征和待识别视频图片也不匹配，再将第一张视频样本图片特征和下一张待识别视频图片进行匹配，依此完成图片特征的匹配。
所述比较模块，还用于若所述第二数量的视频样本图片特征和预设时长的所述待识别视频图片特征均不匹配，则停止比较，并判断所述待识别视频的视频片头与所述视频样本不一致。
具体地，若所述第二数量的视频样本图片特征与预设时长对应的待识别视频图片特征均不匹配，则表示所述待识别视频的视频片头与所述视频样本不一致。需要说明的是，若第二数量的视频样本图片特征与第二数量的待识别视频图片特征中存在一张图片特征不匹配时，则表示所述第二数量的视频样本图片特征与所述第二数量的待识别视频图片特征不匹配。请继续参阅图9，若时间窗口处于位置1时，第1～n张视频样本图片特征与第1～n张待识别视频图片特征不匹配，移动时间窗口至第1～n张视频样本图片特征与第2～n张待识别视频图片特征进行匹配，若仍然不匹配，则继续移动时间窗口至第1～n张视频样本图片特征与第3～n张待识别视频图片进行匹配...依此时间窗口移动至T1时长处的位置3时，第1～n张视频样本图片特征与T1对应的n张待识别视频图片特征仍然不匹配，则判断所述待识别视频的视频片头与所述视频样本不一致。通过上述方法，可以更为细致的确定视频样本图片和待识别视频图片的相似度。
确定模块203，用于当所述待识别视频图片中存在连续的第二数量的目标待识别视频图片和所述视频样本图片均匹配时，则确定所述目标待识别视频图片所对应的时间点位置的视频为视频片头，并确定所述目标待识别视频图片中的最后一张目标待识别视频图片所对应的时间点为所述视频片头的结束时间。
请继续参阅图9，例如当经过时间t之后，时间窗口移动至位置2时，T2时长的视频样本图片与t～t+T2时间段内的待识别视频图片一一匹配，则所述确定模块203确定该t～t+T2时间段内的待识别视频图片对应的视频为视频片头，并确定最后一张待识别视频图片对应的时间点为所述视频片头的结束时间。
在一示例性的实施例中，所述确定模块203具体用于：
获取所述目标待识别视频图片中第一张目标待识别视频图片对应的第一时间点以及所述视频样本图片的时长；根据所述第一时间点和所述视频样本图片的时长，确定所述待识别视频的时间点位置对应的视频为视频片头。
具体地，当所述待识别视频图片中存在连续的第二数量的待识别视频图片与所述第二数量的视频样本图片匹配时，则所述确定模块203确定所述连续的第二数量的待识别视频图片为目标待识别视频图片。通过将根据第一张目标待识别视频图片对应的时间点和时间窗口，进而所述确定模块203确定所述待识别视频的片头在所述待识别视频的时间点位置，并确定所述时间点位置对应的视频为视频片头。通过上述方法，可以更为精确地确定出待识别视频的视频片头。
在一示例性的实施例中，所述确定模块203还具体用于：
根据所述第一时间点和所述视频样本图片的时长，计算所述目标待识别视频图片中最后一张目标待识别视频图片对应的第二时间点；确定所述第二时间点为所述视频片头的结束时间。
请继续参阅图9，例如当经过时间t之后，时间窗口移动至位置2时，T2时长的视频样本图片与t～t+T2时间段内的待识别视频图片一一匹配，则所述确定模块203确定t～t+T2时刻为所述视频片头的结束时间。通过上述方法，可以精确的获取所述视频片头的结束时间。
本发明实施例提供的视频片头识别系统，通过将第一数量的待识别视频图片和第二数量的视频样本图片进行相似度比较，根据比较结果确定待识别视频的视频片头以及视频片头的结束时间，达到自动解析视频片头并输出视频片头结束时间的目的，极大地提高了视频片头的识别效率，从而降低了对视频片头的人力配置成本。
本实施例还提供一种计算机设备，如可以执行程序的智能手机、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器，或者多个服务器所组成的服务器集群)等。如图11所示，本实施例的计算机设备30至少包括但不限于：可通过系统总线相互通信连接的存储器301、处理器302。需要指出的是，图11仅示出了具有组件301-302的计算机设备30，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
本实施例中，存储器301(即可读存储介质)包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器301可以是计算机设备30的内部存储单元，例如该计算机设备30的硬盘或内存。在另一些实施例中，存储器301也可以是计算机设备30的外部存储设备，例如该计算机设备30上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，存储器301还可以既包括计算机设备30的内部存储单元也包括其外部存储设备。在本实施例中，存储器301通常用于存储安装于计算机设备30的操作系统和各类应用软件，例如上述实施例的视频片头识别系统的程序代码等。此外，存储器301还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器302在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器302通常用于控制计算机设备30的总体操作。
具体的，在本实施例中，处理器302用于执行处理器302中存储的视频片头识别方法的程序，所述视频片头识别方法的程序被执行时实现如下步骤：
获取第一数量的待识别视频图片和第二数量的视频样本图片，其中，所述第一数量多于所述第二数量，所述待识别视频图片预设有对应的时间点；
将所述视频样本图片和所述待识别视频图片进行匹配；
当所述待识别视频图片中存在连续的第二数量的目标待识别视频图片和所述视频样本图片均匹配时，则确定所述目标待识别视频图片所对应的时间点位置的视频为视频片头，并确定所述目标待识别视频图片中的最后一张目标待识别视频图片所对应的时间点为所述视频片头的结束时间。
上述方法步骤的具体实施例过程可参见上述实施例，本实施例在此不再重复赘述。
本实施例还提供一种计算机可读存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等，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下方法步骤：
获取第一数量的待识别视频图片和第二数量的视频样本图片，其中，所述第一数量多于所述第二数量，所述待识别视频图片预设有对应的时间点；
将所述视频样本图片和所述待识别视频图片进行匹配；
当所述待识别视频图片中存在连续的第二数量的目标待识别视频图片和所述视频样本图片均匹配时，则确定所述目标待识别视频图片所对应的时间点位置的视频为视频片头，并确定所述目标待识别视频图片中的最后一张目标待识别视频图片所对应的时间点为所述视频片头的结束时间。
上述方法步骤的具体实施例过程可参见上述实施例，本实施例在此不再重复赘述。
本实施例提供的计算机设备及可读存储介质，通过将多张待识别视频图片和多张视频样本图片进行相似度比较，根据比较结果确定待识别视频的视频片头以及视频片头的结束时间，达到自动解析视频片头并输出视频片头结束时间的目的，极大地提高了视频片头的识别效率，从而降低了对视频片头的人力配置成本。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明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，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种视频片头识别方法，其特征在于，所述方法包括：
获取第一数量的待识别视频图片和第二数量的视频样本图片，其中，所述第一数量多于所述第二数量，所述待识别视频图片预设有对应的时间点；
将所述视频样本图片和所述待识别视频图片进行匹配；
当所述待识别视频图片中存在连续的第二数量的目标待识别视频图片和所述视频样本图片均匹配时，则确定所述目标待识别视频图片所对应的时间点位置的视频为视频片头，并确定所述目标待识别视频图片中的最后一张目标待识别视频图片所对应的时间点为所述视频片头的结束时间。
2.如权利要求1所述的视频片头识别方法，其特征在于，所述获取第一数量的待识别视频图片和第二数量的视频样本图片，包括：
获取待识别视频和视频样本；
分别读取所述待识别视频和所述视频样本中的视频帧，以获取所述第一数量的待识别视频图片和所述第二数量的视频样本图片。
3.如权利要求1所述的视频片头识别方法，其特征在于，所述将所述视频样本图片和所述待识别视频图片进行匹配，包括：
将所述视频样本图片和所述待识别视频图片分别进行图像特征处理，以分别得到第二数量的视频样本图片特征和第一数量的待识别视频图片特征；
将所述第二数量的视频样本图片特征和所述第一数量中前第二数量的待识别视频图片特征依次进行匹配。
4.如权利要求3所述的视频片头识别方法，其特征在于，所述将所述视频样本图片特征和所述第一数量中前第二数量的待识别视频图片特征进行匹配，包括：
分别统计每张视频样本图片特征和所述前第二数量中与所述视频样本图片特征对应的待识别视频图片特征中的相似特征点；
计算所述相似特征点占所述视频样本图片特征点和所述与所述视频样本图片特征对应的待识别视频图片特征点之和的比值；
当所述比值高于预设值时，则判断所述视频样本图片特征和与所述视频样本图片特征对应的待识别视频图片特征匹配。
5.如权利要求3所述的视频片头识别方法，其特征在于，所述方法还包括：
当所述第二数量的视频样本图片特征中存在一张视频样本图片特征和与所述视频样本图片特征对应的待识别视频图片特征不匹配时，则将所述第二数量的视频样本图片特征和下一第二数量的待识别视频图片特征进行比较；
若所述第二数量的视频样本图片特征和预设时长的所述待识别视频图片特征均不匹配，则停止比较，并判断所述待识别视频的视频片头与所述视频样本不一致。
6.如权利要求1所述的视频片头识别方法，其特征在于，所述确定所述目标待识别视频图片所对应的时间点位置的视频为视频片头，包括：
获取所述目标待识别视频图片中第一张目标待识别视频图片对应的第一时间点以及所述视频样本图片的时长；
根据所述第一时间点和所述视频样本图片的时长，确定所述待识别视频的时间点位置对应的视频为视频片头。
7.如权利要求6所述的视频片头识别方法，其特征在于，所述确定所述目标待识别视频图片中的最后一张目标待识别视频图片所对应的时间点为所述视频片头的结束时间，包括：
根据所述第一时间点和所述视频样本图片的时长，计算所述目标待识别视频图片中最后一张目标待识别视频图片对应的第二时间点；
确定所述第二时间点为所述视频片头的结束时间。
8.一种视频片头识别系统，其特征在于，所述系统包括：
获取模块，用于获取第一数量的待识别视频图片和第二数量的视频样本图片，其中，所述第一数量多于所述第二数量，所述待识别视频图片预设有对应的时间点；
匹配模块，用于将所述视频样本图片和所述待识别视频图片进行匹配；
确定模块，用于当所述待识别视频图片中存在连续的第二数量的目标待识别视频图片和所述视频样本图片均匹配时，则确定所述目标待识别视频图片所对应的时间点位置的视频为视频片头，并确定所述目标待识别视频图片中的最后一张目标待识别视频图片所对应的时间点为所述视频片头的结束时间。
9.一种计算机设备，所述计算机设备包括：存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项的所述视频片头识别方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项的所述视频片头识别方法的步骤。
CN202010156824.3A 2020-03-09 2020-03-09 视频片头识别方法及系统 Active CN113382283B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010156824.3A CN113382283B (zh) 2020-03-09 2020-03-09 视频片头识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010156824.3A CN113382283B (zh) 2020-03-09 2020-03-09 视频片头识别方法及系统

Publications (2)

Publication Number Publication Date
CN113382283A true CN113382283A (zh) 2021-09-10
CN113382283B CN113382283B (zh) 2023-07-04

Family

ID=77568419

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010156824.3A Active CN113382283B (zh) 2020-03-09 2020-03-09 视频片头识别方法及系统

Country Status (1)

Country Link
CN (1) CN113382283B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116939197A (zh) * 2023-09-15 2023-10-24 海看网络科技(山东)股份有限公司 基于音视频的直播节目首播和重播内容一致性监测方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101354745A (zh) * 2008-09-03 2009-01-28 深圳市迅雷网络技术有限公司 一种视频文件的识别方法及装置
US20140003519A1 (en) * 2012-07-02 2014-01-02 Fujitsu Limited Video encoding apparatus, video decoding apparatus, video encoding method, and video decoding method
WO2016029732A1 (zh) * 2014-08-25 2016-03-03 中兴通讯股份有限公司 片源播放方法、装置及系统
CN105430447A (zh) * 2015-11-19 2016-03-23 杭州当虹科技有限公司 一种基于智能技术的电子节目指南实时校准系统
CN105451068A (zh) * 2015-11-24 2016-03-30 华数传媒网络有限公司 电子节目单生成方法及装置
CN108471554A (zh) * 2017-02-23 2018-08-31 合网络技术（北京）有限公司 多媒体资源合成方法及装置
CN108769731A (zh) * 2018-05-25 2018-11-06 北京奇艺世纪科技有限公司 一种检测视频中目标视频片段的方法、装置及电子设备
CN108924586A (zh) * 2018-06-20 2018-11-30 北京奇艺世纪科技有限公司 一种视频帧的检测方法、装置及电子设备
CN109076247A (zh) * 2016-02-09 2018-12-21 弗劳恩霍夫应用研究促进协会 允许图片/视频数据流的高效的可缩减性或高效的随机访问的技术
CN110020256A (zh) * 2017-12-30 2019-07-16 惠州学院 基于用户id和片尾内容的识别有害视频的方法及系统
CN110290420A (zh) * 2019-07-05 2019-09-27 山东云缦智能科技有限公司 一种基于帧特征实现电视剧片头/片尾自动识别的方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101354745A (zh) * 2008-09-03 2009-01-28 深圳市迅雷网络技术有限公司 一种视频文件的识别方法及装置
US20140003519A1 (en) * 2012-07-02 2014-01-02 Fujitsu Limited Video encoding apparatus, video decoding apparatus, video encoding method, and video decoding method
WO2016029732A1 (zh) * 2014-08-25 2016-03-03 中兴通讯股份有限公司 片源播放方法、装置及系统
CN105430447A (zh) * 2015-11-19 2016-03-23 杭州当虹科技有限公司 一种基于智能技术的电子节目指南实时校准系统
CN105451068A (zh) * 2015-11-24 2016-03-30 华数传媒网络有限公司 电子节目单生成方法及装置
CN109076247A (zh) * 2016-02-09 2018-12-21 弗劳恩霍夫应用研究促进协会 允许图片/视频数据流的高效的可缩减性或高效的随机访问的技术
CN108471554A (zh) * 2017-02-23 2018-08-31 合网络技术（北京）有限公司 多媒体资源合成方法及装置
CN110020256A (zh) * 2017-12-30 2019-07-16 惠州学院 基于用户id和片尾内容的识别有害视频的方法及系统
CN108769731A (zh) * 2018-05-25 2018-11-06 北京奇艺世纪科技有限公司 一种检测视频中目标视频片段的方法、装置及电子设备
CN108924586A (zh) * 2018-06-20 2018-11-30 北京奇艺世纪科技有限公司 一种视频帧的检测方法、装置及电子设备
CN110290420A (zh) * 2019-07-05 2019-09-27 山东云缦智能科技有限公司 一种基于帧特征实现电视剧片头/片尾自动识别的方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116939197A (zh) * 2023-09-15 2023-10-24 海看网络科技(山东)股份有限公司 基于音视频的直播节目首播和重播内容一致性监测方法

Also Published As

Publication number Publication date
CN113382283B (zh) 2023-07-04

Similar Documents

Publication Publication Date Title
CN106446816B (zh) 人脸识别方法及装置
CN108694217B (zh) 视频的标签确定方法及装置
CN108830235B (zh) 用于生成信息的方法和装置
US11625433B2 (en) Method and apparatus for searching video segment, device, and medium
US20220172476A1 (en) Video similarity detection method, apparatus, and device
US20100067867A1 (en) System and method for searching video scenes
CN110008997B (zh) 图像纹理相似度识别方法、装置及计算机可读存储介质
US8452059B2 (en) Systems and methods for performing image clustering
CN111160434A (zh) 目标检测模型的训练方法、装置及计算机可读存储介质
CN111444775A (zh) 人脸关键点修正方法、装置以及计算机设备
CN111209431A (zh) 一种视频搜索方法、装置、设备及介质
CN111209490A (zh) 基于用户信息的交友推荐方法、电子装置及存储介质
CN113496208A (zh) 视频的场景分类方法及装置、存储介质、终端
CN113382283B (zh) 视频片头识别方法及系统
CN111062374A (zh) 身份证信息的识别方法、装置、系统、设备及可读介质
JP2004030694A (ja) デジタル映像テクスチャー分析方法
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
CN112215221A (zh) 一种车架号自动识别方法
CN109886185B (zh) 一种目标识别方法、装置、电子设备和计算机存储介质
CN108446737B (zh) 用于识别对象的方法和装置
CN112966752B (zh) 图像匹配方法和装置
CN111343502B (zh) 视频处理方法、电子装置及计算机可读存储介质
CN115004245A (zh) 目标检测方法、装置、电子设备和计算机存储介质
CN113392902A (zh) 数据集处理方法、装置、存储介质及电子设备
CN114666656A (zh) 视频剪辑方法、装置、电子设备及计算机可读介质

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