CN113676752A - 一种互联网视频广告关键帧提取方法 - Google Patents

一种互联网视频广告关键帧提取方法 Download PDF

Info

Publication number
CN113676752A
CN113676752A CN202111022635.8A CN202111022635A CN113676752A CN 113676752 A CN113676752 A CN 113676752A CN 202111022635 A CN202111022635 A CN 202111022635A CN 113676752 A CN113676752 A CN 113676752A
Authority
CN
China
Prior art keywords
image
brightness
video
scores
minimum value
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
Application number
CN202111022635.8A
Other languages
English (en)
Inventor
向河林
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 Manku Network Technology Co ltd
Original Assignee
Shanghai Manku Network 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 Manku Network Technology Co ltd filed Critical Shanghai Manku Network Technology Co ltd
Priority to CN202111022635.8A priority Critical patent/CN113676752A/zh
Publication of CN113676752A publication Critical patent/CN113676752A/zh
Pending legal-status Critical Current

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0277—Online advertisement
    • 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
    • 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
    • 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]
    • H04N21/80—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)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Evolutionary Biology (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本发明公开了一种互联网视频广告关键帧提取方法，包含以下步骤：步骤1、实现对视频帧的解析提取，具体实现为根据视频压缩格式进行I‑Frame抽取；对于没有I‑Frame帧的视频格式，遍历所有视频帧,获得帧与帧之间的差值,将差值小于一定值的帧放在一个组中,最后从每个组中选择一个帧，本发明针对视频内容进行分析以及排序得到最清晰且最能代表该视频的图像。本发明针对视频内容进行分析以及排序得到最清晰且最能代表该视频的图像。

Description

一种互联网视频广告关键帧提取方法
技术领域
本发明涉及广告技术领域，具体是一种互联网视频广告关键帧提取方法。
背景技术
互联网视频广告在预先加载时会提供视频的一帧图像作为广告封面，封面选取图像的质量好坏影响着用户对视频的感兴趣程度。
现有技术通常基于图像聚类方法(如K-means)将视频图像帧进行聚类得到代表视频的关键帧。
发明内容
本发明的目的在于提供一种互联网视频广告关键帧提取方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种互联网视频广告关键帧提取方法，包含以下步骤：
步骤1、实现对视频帧的解析提取，具体实现为根据视频压缩格式进行I-Frame抽取；对于没有I-Frame帧的视频格式，遍历所有视频帧,获得帧与帧之间的差值,将差值小于一定值的帧放在一个组中,最后从每个组中选择一个帧；
步骤2、实现基于图像质量的过滤；
步骤3、实现图像质量BRSIQUE-SVM模型打分，BRSIQUE-SVM模型为定义一系列的图像特征,并根据已有的打好分数的图像进行模型训练得到的能够根据图像预测分数的二分类模型；
步骤4、实现图像相似度打分模块；图像相似度为根据图像哈希值计算的哈希值之间的汉明距离；如果距离小于阈值T,则认为他们是相似的；挑选最好的K张图的步骤为:在剩下的图像集合中选出分数最高的图像。
作为本发明的进一步技术方案，所述包含以下两步：步骤2A、实现图像亮度分数计算过滤，图像亮度分数为图像平均亮度分数值的归一化分数；设定最小值min_brightness和最大值max_brightness,过滤掉分数不在两者之间的图像；步骤2B、实现图像熵计算过滤，图像的熵值分数为图像逐像素计算的局部熵值的平均值；设定最小值min_entropy和最大值max_entropy,过滤掉分数不在两者之间的图像；步骤2C、实现图像拉普拉斯分数值计算过滤模块；图像的拉普拉斯分数为整体图像的拉普拉斯算子的方差值；设定最小值min_laplacian(根据经验,设置为50),过滤掉分数低于最小值的图像。
作为本发明的进一步技术方案，最小值min_brightness设置为10，最大值max_brightness设置为90。
作为本发明的进一步技术方案，最小值min_entropy和最大值max_entropy分别设置为1和10。
作为本发明的进一步技术方案，最小值min_laplacian设置为50。
作为本发明的进一步技术方案，所述步骤4中,如果已经选择的图像集合中没有和它相似的,则选择成功并加入到选择的图像集合中,一直到选择的图像集合数目满足条件。
本发明的技术有益效果包括：
本发明针对视频内容进行分析以及排序得到最清晰且最能代表该视频的图像。
附图说明
图1为本发明的原理图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。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。
请参阅图1，实施例1：一种互联网视频广告关键帧提取方法，包含以下步骤：
步骤1、实现对视频帧的解析提取模块；
具体实现为根据视频压缩格式进行I-Frame抽取；对于没有I-Frame帧的视频格式,执行步骤1A；
步骤1A、遍历所有视频帧,获得帧与帧之间的差值,将差值小于一定值的帧放在一个组中,最后从每个组中选择一个帧；
步骤2、实现基于图像质量的过滤模块；
步骤2A、实现图像亮度分数计算过滤模块，图像亮度分数为图像平均亮度分数值的归一化分数、设定最小值min_brightness和最大值max_brightness,过滤掉分数不在两者之间的图像；
步骤2B、实现图像熵计算过滤模块；图像的熵值分数为图像逐像素计算的局部熵值的平均值；设定最小值min_entropy和最大值max_entropy,过滤掉分数不在两者之间的图像
步骤2C、实现图像拉普拉斯分数值计算过滤模块；图像的拉普拉斯分数为整体图像的拉普拉斯算子的方差值；设定最小值min_laplacian,过滤掉分数低于最小值的图像；
步骤3、实现图像质量BRSIQUE-SVM模型打分模块；BRSIQUE-SVM模型为定义一系列的图像特征,并根据已有的打好分数的图像进行模型训练得到的能够根据图像预测分数的二分类模型；
步骤4、实现图像相似度打分模块；图像相似度为根据图像哈希值计算的哈希值之间的汉明距离；如果距离小于阈值T,则认为他们是相似的；挑选最好的K张图的步骤为:在剩下的图像集合中选出分数最高的图像,如果已经选择的图像集合中没有和它相似的,则选择成功并加入到选择的图像集合中,一直到选择的图像集合数目满足条件。
实施例2，在实施例1的基础上，根据经验，可以将最小值min_brightness设置为10，最大值max_brightness设置为90。最小值min_entropy和最大值max_entropy分别设置为1和10。最小值min_laplacian设置为50。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (6)

1.一种互联网视频广告关键帧提取方法，其特征在于，包含以下步骤：
步骤1、实现对视频帧的解析提取，具体实现为根据视频压缩格式进行I-Frame抽取；对于没有I-Frame帧的视频格式，遍历所有视频帧,获得帧与帧之间的差值,将差值小于一定值的帧放在一个组中,最后从每个组中选择一个帧；
步骤2、实现基于图像质量的过滤；
步骤3、实现图像质量BRSIQUE-SVM模型打分，BRSIQUE-SVM模型为定义一系列的图像特征,并根据已有的打好分数的图像进行模型训练得到的能够根据图像预测分数的二分类模型；
步骤4、实现图像相似度打分模块；图像相似度为根据图像哈希值计算的哈希值之间的汉明距离；如果距离小于阈值T,则认为他们是相似的；挑选最好的K张图的步骤为:在剩下的图像集合中选出分数最高的图像。
2.根据权利要求1所述的互联网视频广告关键帧提取方法，其特征在于，所述包含以下步骤：步骤2A、实现图像亮度分数计算过滤，图像亮度分数为图像平均亮度分数值的归一化分数；设定最小值min_brightness和最大值max_brightness,过滤掉分数不在两者之间的图像；步骤2B、实现图像熵计算过滤，图像的熵值分数为图像逐像素计算的局部熵值的平均值；设定最小值min_entropy和最大值max_entropy,过滤掉分数不在两者之间的图像；步骤2C、实现图像拉普拉斯分数值计算过滤模块，图像的拉普拉斯分数为整体图像的拉普拉斯算子的方差值；设定最小值min_laplacian(根据经验,设置为50),过滤掉分数低于最小值的图像。
3.根据权利要求2所述的互联网视频广告关键帧提取方法，其特征在于，最小值min_brightness设置为10，最大值max_brightness设置为90。
4.根据权利要求2所述的互联网视频广告关键帧提取方法，其特征在于，最小值min_entropy和最大值max_entropy分别设置为1和10。
5.根据权利要求2所述的互联网视频广告关键帧提取方法，其特征在于，最小值min_laplacian设置为50。
6.根据权利要求1所述的互联网视频广告关键帧提取方法，其特征在于，所述步骤4中,如果已经选择的图像集合中没有和它相似的,则选择成功并加入到选择的图像集合中,一直到选择的图像集合数目满足条件。
CN202111022635.8A 2021-09-01 2021-09-01 一种互联网视频广告关键帧提取方法 Pending CN113676752A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111022635.8A CN113676752A (zh) 2021-09-01 2021-09-01 一种互联网视频广告关键帧提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111022635.8A CN113676752A (zh) 2021-09-01 2021-09-01 一种互联网视频广告关键帧提取方法

Publications (1)

Publication Number Publication Date
CN113676752A true CN113676752A (zh) 2021-11-19

Family

ID=78548191

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111022635.8A Pending CN113676752A (zh) 2021-09-01 2021-09-01 一种互联网视频广告关键帧提取方法

Country Status (1)

Country Link
CN (1) CN113676752A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114627036A (zh) * 2022-03-14 2022-06-14 北京有竹居网络技术有限公司 多媒体资源的处理方法、装置、可读介质和电子设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100036878A1 (en) * 2008-08-08 2010-02-11 Itovi Inc. System for Extracting Reduced Information of Multimedia Digital Content and System and Method for Displaying Multiple Content Using Reduced Information
CN102611910A (zh) * 2011-01-19 2012-07-25 北京东方文骏软件科技有限责任公司 基于关键帧图像质量加权的无参考视频质量客观评价方法
CN110674673A (zh) * 2019-07-31 2020-01-10 国家计算机网络与信息安全管理中心 一种关键视频帧抽取方法、装置和存储介质
CN111460961A (zh) * 2020-03-27 2020-07-28 上海大学 一种基于cdvs的相似图聚类的静态视频摘要方法
CN111651633A (zh) * 2020-04-29 2020-09-11 上海推乐信息技术服务有限公司 一种视频封面选取方法和系统
CN111680190A (zh) * 2020-06-09 2020-09-18 哈尔滨工业大学（威海） 一种融合视觉语义信息的视频缩略图推荐方法
CN112651271A (zh) * 2020-06-09 2021-04-13 深圳市唯特视科技有限公司 一种基于深度学习算法搜索视频关键帧的方法及系统
CN113269205A (zh) * 2021-05-18 2021-08-17 联仁健康医疗大数据科技股份有限公司 视频关键帧提取方法、装置、电子设备及存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100036878A1 (en) * 2008-08-08 2010-02-11 Itovi Inc. System for Extracting Reduced Information of Multimedia Digital Content and System and Method for Displaying Multiple Content Using Reduced Information
CN102611910A (zh) * 2011-01-19 2012-07-25 北京东方文骏软件科技有限责任公司 基于关键帧图像质量加权的无参考视频质量客观评价方法
CN110674673A (zh) * 2019-07-31 2020-01-10 国家计算机网络与信息安全管理中心 一种关键视频帧抽取方法、装置和存储介质
CN111460961A (zh) * 2020-03-27 2020-07-28 上海大学 一种基于cdvs的相似图聚类的静态视频摘要方法
CN111651633A (zh) * 2020-04-29 2020-09-11 上海推乐信息技术服务有限公司 一种视频封面选取方法和系统
CN111680190A (zh) * 2020-06-09 2020-09-18 哈尔滨工业大学（威海） 一种融合视觉语义信息的视频缩略图推荐方法
CN112651271A (zh) * 2020-06-09 2021-04-13 深圳市唯特视科技有限公司 一种基于深度学习算法搜索视频关键帧的方法及系统
CN113269205A (zh) * 2021-05-18 2021-08-17 联仁健康医疗大数据科技股份有限公司 视频关键帧提取方法、装置、电子设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114627036A (zh) * 2022-03-14 2022-06-14 北京有竹居网络技术有限公司 多媒体资源的处理方法、装置、可读介质和电子设备
CN114627036B (zh) * 2022-03-14 2023-10-27 北京有竹居网络技术有限公司 多媒体资源的处理方法、装置、可读介质和电子设备

Similar Documents

Publication Publication Date Title
CN108804578B (zh) 基于一致性片段生成的无监督视频摘要方法
CN108882057B (zh) 视频摘要生成方法及装置
CN111383201B (zh) 基于场景的图像处理方法、装置、智能终端及存储介质
CN111954053B (zh) 获取蒙版帧数据的方法、计算机设备及可读存储介质
CN105138991B (zh) 一种基于情感显著性特征融合的视频情感识别方法
CN111797707B (zh) 一种基于聚类的镜头关键帧提取方法
EP2568429A1 (en) Method and system for pushing individual advertisement based on user interest learning
CN111062314B (zh) 图像选取方法、装置、计算机可读存储介质及电子设备
CN101692269B (zh) 一种处理视频节目的方法和装置
CN111445424B (zh) 图像处理和移动终端视频处理方法、装置、设备和介质
CN105704559A (zh) 一种海报生成方法及装置
CN105592322A (zh) 一种媒体数据的优化方法及装置
CN106060653A (zh) 一种对互联网视频直播中的不雅动作过滤的方法
CN104700442A (zh) 一种自动添加滤镜与文字的图像处理方法和系统
CN113676752A (zh) 一种互联网视频广告关键帧提取方法
WO2014100936A1 (zh) 视频的关联信息库制作和视频播放的方法、平台及系统
CN109948639A (zh) 一种基于深度学习的图片垃圾识别方法
CN111046209B (zh) 图像聚类检索系统
CN115460462A (zh) 一种粤语新闻视频中自动裁剪含主播的视听数据集的方法
CN117237843A (zh) 视频精彩片段提取方法、装置、计算机设备及存储介质
CN115063800B (zh) 文本识别方法和电子设备
CN109788311B (zh) 人物替换方法、电子设备和存储介质
CN116503959A (zh) 基于不确定性感知的弱监督时序动作定位方法及系统
CN115225962B (zh) 视频生成方法、系统、终端设备及介质
CN111954082A (zh) 蒙版文件结构、蒙版文件的读取方法、计算机设备及可读存储介质

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