CN114676314A - 赛事视频推荐方法、装置、设备及存储介质 - Google Patents

Abstract

本申请公开了一种赛事视频推荐方法、装置、设备及存储介质，该方法包括：基于用户针对赛事的历史参与行为，确定用户的关注内容，所述历史参与行为包括购买所述赛事门票的行为和/或针对所述赛事进行评论的行为；确定精彩赛事视频；确定所述关注内容与所述精彩赛事视频的匹配度；在所述匹配度满足阈值时，将所述精彩赛事视频推荐给所述用户。本申请基于用户针对赛事的历史参与行为，将用户感兴趣的竞技集锦或个人集锦推荐给对应用户，而不是随机推荐赛事内容，或者推荐非精彩赛事内容给用户，因而，提升了推荐准确度。

Description

赛事视频推荐方法、装置、设备及存储介质

技术领域

本申请涉及软件技术领域，尤其涉及一种赛事视频推荐方法、装置、设备及存储介质。

背景技术

目前，影音彩铃内容推送通常是基于用户的历史观看行为进行的，例如，基于用户曾经购买或者点阅的视频，以及这些视频音频所对应的标签为用户提供同类型的影音彩铃，但是，对于赛事频率低的内容则由于无法采集足够的历史观看行为来确定用户的喜好，因此无法实现向用户精准推送赛事视频。

发明内容

本申请的主要目的在于提供一种赛事视频推荐方法、装置、设备及存储介质，旨在解决无法向用户精准推送赛事视频的技术问题。

为实现上述目的，本申请提供一种赛事视频推荐方法，所述赛事视频推荐方法包括：

基于用户针对赛事的历史参与行为，确定用户的关注内容，所述历史参与行为包括购买所述赛事门票的行为和/或针对所述赛事进行评论的行为；

确定精彩赛事视频；

确定所述关注内容与所述精彩赛事视频的匹配度；

在所述匹配度满足阈值时，将所述精彩赛事视频推荐给所述用户。

可选地，所述确定精彩赛事视频的步骤，包括：

根据所述赛事的竞技参数确定精彩赛事视频；

和/或者根据赛事的观众反馈确定精彩赛事视频。

可选地，所述根据所述赛事的竞技参数确定精彩赛事视频的步骤，包括：

获取比赛视频，确定所述比赛视频的关键帧，从所述关键帧中提取关键帧信息；

基于所述关键帧信息以及预存的历史赛事帧信息，确定比赛视频中各运动员对应竞技参数的竞技值，所述竞技参数包括关键形体姿态以及成绩中的至少一项；

确定各运动员竞技值高于对应预设竞技参数阈值的目标关键帧，将所述目标关键帧所构成的视频设为所述精彩赛事视频。

可选地，所述精彩赛事视频包括项目精彩视频；

所述确定各运动员竞技值高于对应预设竞技阈值的目标关键帧，将所述目标关键帧所构成的视频设为所述精彩赛事视频的步骤，包括：

确定各运动员赛事竞技值高于对应预设竞技阈值的目标关键帧，并确定各运动员相应目标关键帧的数量；

根据所述数量的大小，确定各运动员目标关键帧的推荐优先级；

根据所述推荐优先级对各运动员的目标关键帧进行排序处理，将排序处理后的所述目标关键帧所构成的视频设为所述项目精彩视频。

可选地，所述获取比赛视频，确定所述比赛视频的关键帧的步骤，包括：

获取比赛视频，并获取所述比赛视频对应的竞技类型；

根据所述竞技类型，确定比赛姿态模板；

若比赛视频中存在运动员的姿态，与所述比赛姿态模板的相似度达到预设相似值的连续视频帧，且所述连续视频帧的数量大于预设数量，则将所述连续视频帧设置为所述关键帧。

可选地，所述根据赛事的观众反馈确定精彩赛事视频的步骤，包括：

获取比赛视频，从所述比赛视频中提取观众欢呼声大于预设分贝值的第一视频；

和/或者从所述比赛视频中提取存在观众行为符合预设行为模板，且符合的观众数量大于预设数值的第二视频；

将所述第一视频和/或者所述第二视频作为所述精彩赛事视频。

可选地，所述从所述比赛视频中提取存在观众行为符合预设行为模板，且符合的观众数量大于预设数值的第二视频的步骤，包括：

获取预设行为识别模型，将所述比赛视频输入至所述预设行为识别模型中；

其中，所述预设行为识别模型是基于具有预设行为标签和数量标签的预设训练数据，对预设基础模型进行迭代训练得到的；

基于所述预设行为识别模型对所述比赛视频进行观众行为是否符合预设行为模板，且符合的观众数量是否大于预设数值的识别，得到识别结果；

基于所述识别结果，得到第二视频。

本申请还提供一种赛事视频推荐装置，所述赛事视频推荐装置包括：

第一确定模块，用于基于用户针对赛事的历史参与行为，确定用户的关注内容，所述历史参与行为包括购买所述赛事门票的行为和/或针对所述赛事进行评论的行为；

第二确定模块，用于确定精彩赛事视频；

第三确定模块，用于确定所述关注内容与所述精彩赛事视频的匹配度；

推荐模块，用于在所述匹配度满足阈值时，将所述精彩赛事视频推荐给所述用户。

可选地，所述第二确定模块包括：

第一确定单元，用于根据所述赛事的竞技参数确定精彩赛事视频；

第二确定单元，用于和/或者根据赛事的观众反馈确定精彩赛事视频

所述第一确定单元包括：

第一获取子单元，用于获取比赛视频，确定所述比赛视频的关键帧，从所述关键帧中提取关键帧信息；

第一确定子单元，用于基于所述关键帧信息以及预存的历史赛事帧信息，确定比赛视频中各运动员对应竞技参数的竞技值，所述竞技参数包括关键形体姿态以及成绩中的至少一项；

第二确定子单元，用于确定各运动员竞技值高于对应预设竞技参数阈值的目标关键帧，将所述目标关键帧所构成的视频设为所述精彩赛事视频。

可选地，所述精彩赛事视频包括项目精彩视频；

所述第二确定子单元用于：

确定各运动员赛事竞技值高于对应预设竞技阈值的目标关键帧，并确定各运动员相应目标关键帧的数量；

根据所述数量的大小，确定各运动员目标关键帧的推荐优先级；

根据所述推荐优先级对各运动员的目标关键帧进行排序处理，将排序处理后的所述目标关键帧所构成的视频设为所述项目精彩视频。

可选地，所述第一获取子单元用于实现：

获取比赛视频，并获取所述比赛视频对应的竞技类型；

根据所述竞技类型，确定比赛姿态模板；

若比赛视频中存在运动员的姿态，与所述比赛姿态模板的相似度达到预设相似值的连续视频帧，且所述连续视频帧的数量大于预设数量，则将所述连续视频帧设置为所述关键帧。

可选地，所述第二确定单元包括：

第二获取子单元，用于获取比赛视频，从所述比赛视频中提取观众欢呼声大于预设分贝值的第一视频；

提取子单元，用于和/或者从所述比赛视频中提取存在观众行为符合预设行为模板，且符合的观众数量大于预设数值的第二视频；

设置子单元，用于将所述第一视频和/或者所述第二视频作为所述精彩赛事视频。

可选地，所述提取子单元用于实现：

获取预设行为识别模型，将所述比赛视频输入至所述预设行为识别模型中；

其中，所述预设行为识别模型是基于具有预设行为标签和数量标签的预设训练数据，对预设基础模型进行迭代训练得到的；

基于所述预设行为识别模型对所述比赛视频进行观众行为是否符合预设行为模板，且符合的观众数量是否大于预设数值的识别，得到识别结果；

基于所述识别结果，得到第二视频。

本申请还提供一种赛事视频推荐设备，所述赛事视频推荐设备为实体节点设备，所述赛事视频推荐设备包括：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所述赛事视频推荐方法的程序，所述赛事视频推荐方法的程序被处理器执行时可实现如上述所述赛事视频推荐方法的步骤。

本申请还提供一种存储介质，所述存储介质上存储有实现上述赛事视频推荐方法的程序，所述赛事视频推荐方法的程序被处理器执行时实现如上述所述赛事视频推荐方法的步骤。

本申请还提供一种计算机程序产品、包括计算机程序，该计算机程序被处理器执行时实现上述所述赛事视频推荐方法的步骤。

本申请提供一种赛事视频推荐方法、装置、设备及存储介质，与现有技术中难以准确推荐赛事内容给用户相比，在本申请中，基于用户针对赛事的历史参与行为，确定用户的关注内容，所述历史参与行为包括购买所述赛事门票的行为和/或针对所述赛事进行评论的行为；确定精彩赛事视频；确定所述关注内容与所述精彩赛事视频的匹配度；在所述匹配度满足阈值时，将所述精彩赛事视频推荐给所述用户，即本申请确定了精彩赛事集锦，和用户的关注内容（基于购买赛事门票的行为和/或针对赛事进行评论的行为确定），将用户的关注内容与精彩赛事集锦进行匹配，准确确定出用户感兴趣的精彩竞技集锦或精彩个人集锦（匹配度满足阈值），并将感兴趣的竞技集锦或个人集锦推荐给对应用户，而不是随机推荐赛事内容，或者推荐非精彩赛事内容给用户，因而，提升了推荐准确度。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请赛事视频推荐方法第一实施例的流程示意图；

图2为本申请赛事视频推荐方法第二实施例的流程示意图；

图3为本申请实施例方案涉及的硬件运行环境的设备结构示意图。

本申请目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请实施例提供一种赛事视频推荐方法，在本申请赛事视频推荐方法的第一实施例中，参照图1，所述赛事视频推荐方法包括：

步骤S10，基于用户针对赛事的历史参与行为，确定用户的关注内容，所述历史参与行为包括购买所述赛事门票的行为和/或针对所述赛事进行评论的行为；

步骤S20，确定精彩赛事视频；

步骤S30，确定所述关注内容与所述精彩赛事视频的匹配度；

步骤S40，在所述匹配度满足阈值时，将所述精彩赛事视频推荐给所述用户。

具体步骤如下：

步骤S10，基于用户针对赛事的历史参与行为，确定用户的关注内容，所述历史参与行为包括购买所述赛事门票的行为和/或针对所述赛事进行评论的行为；

在本实施例中，需要说明的是，赛事视频推荐方法可以应用于赛事视频推荐系统，该赛事视频推荐系统从属于赛事视频推荐设备。

在本实施例中，针对的应用场景可以是：现有赛事频率低的内容，由于无法采集足够的历史观看行为来确定用户的喜好，因此无法实现向用户精准推送赛事视频。

在本申请中，基于用户针对赛事的历史参与行为，确定用户的关注内容，并采集赛事视频的精彩集锦，将用户关注的内容和赛事的精彩集锦匹配，进而将精彩集锦推荐给用户，因而，提升推荐的准确率。

在本实施例中，需要说明的是，用户针对赛事的历史参与行为具体包括购买所述赛事门票的行为和/或针对所述赛事进行评论的行为，例如，可以是在购票网站购票、在赛事网站评论以及在现场观赛记录等行为。

在本实施例中，通过获取用户的终端信息，具体地，通过获取用户终端的GPS信息，判断用户是否是预设历史时间段内观赛，若通过GPS信息判定用户的历史所处位置与赛场一致（在赛场附近预设距离内），则确定用户是在预设历史时间段内存在现场观赛行为。

若确定用户是在预设历史时间段内不存在现场观赛行为，则提取用户终端屏幕帧或用户的历史操作信息，判断用户是否直播赛场内容，进而形成用户的直播观赛记录。

在本实施例中，通过获取用户的历史操作信息，还可以确定用户是否在购票网站购票、在赛事网站评论。

在本实施例中，基于用户针对赛事的历史参与行为，确定用户的关注内容。

在本实施例中，用户的关注内容包括赛事的竞技项目、赛事的关键形体姿态、赛事的形体部位、赛事的人物信息。

具体地，赛事的竞技项目包括足球，跳水，跳高，滑冰等。

其中，赛事的关键形体姿态是针对具体竞技项目而言的，且赛事的关键形体姿态是精彩片段时刻的姿态，例如：针对足球而言，赛事的关键形体姿态是：打门/进球时运动员的踢球/顶球/扑球的动作，针对跳水而言，赛事的关键形体姿态是：跳水运动员的入水动作，针对滑冰而言，赛事的关键形体姿态是：坡道滑冰的绕旗动作，针对跳高而言，赛事的关键形体姿态是：跳高的过杆动作等。

在本实施例中，赛事的形体部位可以是在踢足球时的，踢球过程的脚部部位，或者是在踢足球时的，顶球过程中的头部部位，或者是在踢足球时的，扑球过程中的手部部位，以及在跳水时的，准备跳水过程的脚部部位，在入睡过程中的头部部位以及手部部位等。

在本实施例中，赛事的人物信息包括运动员的性别，国籍，历史信息等。

在本实施例中，基于用户针对赛事的历史参与行为，确定用户的关注内容，具体地，基于用户在近期（如10天内，5天内）针对赛事的历史参与行为，确定用户的关注内容。

基于用户针对赛事的历史参与行为，确定用户的关注内容的方式包括：

方式一，获取用户在预设历史时间段的行为，将用户在预设历史时间段的行为转化为参考特征，将该参考特征数据输入至预设识别模型中，基于该预设识别模型，输出用户的关注内容。

其中，预设识别模型是经过具有关注内容标签的预设训练数据，对基础模型进行迭代训练得到的。

方式二：基于用户在预设历史时间段的行为，统计得到各个行为的共同特征或者共性，得到用户的关注内容。

在本实施例中，需要强调的是，该用户在预设历史时间段的行为可以是针对当前赛事的在预设历史时间段的行为。

步骤S20，确定精彩赛事视频；

在本实施例中，首先确定比赛视频，然后从比赛视频中提取得到竞赛赛事视频。

需要说明的是，赛事比赛现场布放多角度多方位摄像头，采集比赛过程视频，也即，现场摄像可以进行运动员比赛录像、现场观众录像，因而，根据单角度精彩片段的帧时间，可以提取其余角度摄像头比赛视频帧，混合剪辑成为多角度多方位视频帧。

其中，所述确定精彩赛事视频的步骤，包括：

步骤S21，根据所述赛事的竞技参数确定精彩赛事视频；

在本实施例中，具体地，根据所述赛事的竞技参数的竞技值确定精彩赛事视频。

步骤S22，和/或者根据赛事的观众反馈确定精彩赛事视频。

在本实施例中，还根据赛事的观众反馈如欢呼声以及行为邓确定精彩赛事视频。

其中，参照图2，所述根据所述赛事的竞技参数确定精彩赛事视频的步骤，包括：

步骤S211，获取比赛视频，确定所述比赛视频的关键帧，从所述关键帧中提取关键帧信息；

在本实施例中，首先确定比赛视频的关键帧，然后从关键帧中提取关键帧信息，该关键帧信息具体是：竞技项目、运动员信息、竞技重点姿态、竞技重点形体部位等。

其中，所述获取比赛视频，确定所述比赛视频的关键帧的步骤，包括：

步骤A1，获取比赛视频，并获取所述比赛视频对应的竞技类型；

在本实施例中，首先获取比赛视频，该比赛视频可以是实时采集的，也可以是比赛完成之后，得到的，在获取比赛视频后，获取所述比赛视频对应的竞技类型，如是足球比赛还是篮球比赛，还是跳水比赛等。

步骤A2，根据所述竞技类型，确定比赛姿态模板；

在本实施例中，预设有各类比赛姿态模板，该姿态模板可以是各种姿态轮廓的二维图片，该姿态模板具体是精彩片段时刻对应运动员的姿态，例如：足球比赛打门/进球时运动员的踢球/顶球/扑球的动作姿态、跳水运动员的入水动作姿态、坡道滑冰的绕旗动作姿态、跳高的过杆动作姿态等，根据比赛类型信息（即：竞技项目名称），选用对应的姿态模板。

步骤A3，若比赛视频中存在运动员的姿态，与所述比赛姿态模板的相似度达到预设相似值的连续视频帧，且所述连续视频帧的数量大于预设数量，则将所述连续视频帧设置为所述关键帧。

在本实施例中，赛事视频推荐系统通过视频识别技术，检测现场比赛视频，若检测到符合姿态模板的比赛视频帧，提取该段时刻的视频帧，具体地，若比赛视频中存在运动员的姿态，与所述比赛姿态模板（模板可以是多个）的相似度达到预设相似值（R）的视频帧，则提取该段时刻的视频帧，在提取该时刻的视频帧后，继续检测，若检测到比赛视频中存在连续N帧与姿态模板中的（一项）姿态相似度达到R的阈值（如90%），则将所述连续视频帧设置为所述关键帧。

在本实施例中，需要说明的是，一个运动员可以与多个比赛姿态模板符合（相似度达到预设相似值R）。

在本实施例中，视频关键帧称为：单角度精彩片段，根据单角度精彩片段的帧时间，提取其余角度摄像头比赛视频帧，混合剪辑成为多角度多方位视频关键帧。

步骤S212，基于所述关键帧信息以及预存的历史赛事帧信息，确定比赛视频中各运动员对应竞技参数的竞技值，所述竞技参数包括关键形体姿态以及成绩中的至少一项；

基于所述关键帧信息以及预存的历史赛事帧信息，确定比赛视频中各运动员对应竞技参数的竞技值，具体地，基于所述关键帧信息以及预存的历史赛事帧信息，确定比赛视频中各运动员对应关键形体姿态的竞技值，和/或者基于所述关键帧信息以及预存的历史赛事帧信息，确定比赛视频中各运动员对应成绩的竞技值，其中，竞技值具体可以是评价对应竞技参数的具体指标值，如成绩的具体分数，关键形体姿态姿态的标准程度，此外，竞技值还可以是排名位置等。

在本实施例中，基于所述关键帧信息以及预存的历史赛事帧信息，确定比赛视频中各运动员对应竞技参数的竞技值具体包括：

基于所述关键帧信息以及预存的历史赛事帧信息，确定某竞技项目、某运动员在关键帧时的关键形体姿态和/成绩位于本次赛事的竞技位置；

基于所述关键帧信息以及预存的历史赛事帧信息，确定某竞技项目、某运动员对应的、在关键帧时的关键形体姿态和/成绩位于历史竞技成绩的位置。

其中，基于所述关键帧信息以及预存的历史赛事帧信息，确定某竞技项目、某运动员对应的、在关键帧时的关键形体姿态和/成绩位于历史竞技成绩的位置包括：

基于所述关键帧信息以及预存的历史赛事帧信息，确定某竞技项目、某运动员对应的、在关键帧时的关键形体姿态和/成绩位于所有运动员在历史竞技成绩的位置；

基于所述关键帧信息以及预存的历史赛事帧信息，确定某竞技项目、某运动员对应的、在关键帧时的关键形体姿态和/成绩位于位于该运动员在历史竞技成绩的位置。

步骤S213，确定各运动员竞技值高于对应预设竞技参数阈值的目标关键帧，将所述目标关键帧所构成的视频设为所述精彩赛事视频。

确定各运动员竞技值高于对应预设竞技参数阈值的目标关键帧，具体地，若竞技值为运动员在关键帧时的关键形体姿态和/成绩位于本次赛事的竞技位置，则对应预设竞技参数阈值为姿态和/成绩的预设位置（如第5名），若竞技值为运动员在关键帧时的关键形体姿态和/成绩位于历史竞技成绩的位置，则对应预设竞技参数阈值为姿态和/成绩的预设历史竞技位置。

确定各运动员竞技值高于对应预设竞技参数阈值的目标关键帧，将所述目标关键帧所构成的视频设为所述精彩赛事视频。

具体地，当某运动员的成绩高于本场赛事的预设成绩阈值（如高于95分），判定为该运动员在关键帧时刻的内容为精彩帧，提取该运动员在关键帧时刻前后一定时间的各方位视频帧，制作为该运动员个人集锦作为精彩赛事视频。当某运动员的成绩高于该运动员历史赛事的预设成绩阈值（可以是该运动员历史最佳成绩），判定为该运动员在关键帧时刻的内容为精彩帧，提取该运动员在关键帧时刻前后一定时间的各方位视频帧，制作为该运动员个人集锦作为精彩赛事视频，或者当某运动员的成绩高于所有运动员历史的预设成绩阈值，判定为该运动员在关键帧时刻的内容为精彩帧，提取该运动员在关键帧时刻前后一定时间的各方位视频帧，制作为该运动员个人集锦作为精彩赛事视频。

所述确定各运动员竞技值高于对应预设竞技阈值的目标关键帧，将所述目标关键帧所构成的视频设为所述精彩赛事视频的步骤，包括：

步骤B1，确定各运动员赛事竞技值高于对应预设竞技阈值的目标关键帧，并确定各运动员相应目标关键帧的数量；

在本实施例中，各运动员赛事竞技值高于对应预设竞技阈值的目标关键帧可以只存在一帧，也可以是存在多帧，当存在多帧时，确定各运动员相应目标关键帧的数量。

步骤B2，根据所述数量的大小，确定各运动员目标关键帧的推荐优先级；

步骤B3，根据所述推荐优先级对各运动员的目标关键帧进行排序处理，将排序处理后的所述目标关键帧所构成的视频设为所述项目精彩视频。

根据各运动员相应目标关键帧的数量的大小，确定各运动员目标关键帧的推荐优先级，根据所述推荐优先级对各运动员的目标关键帧进行排序处理，将排序处理后的所述目标关键帧所构成的视频设为所述项目精彩视频，即在本实施例中，还可以以每一场具体赛事为基准，基于该场赛事中各运动员符合姿态模板的数量，综合计算出比赛表现佳的运动员，并根据符合姿态模板数量对运动员进行推荐优先级排序，形成与该场赛事对应的包含推荐优先级标签的精彩帧，并按照上述优先级标签对应排序组合制成与该场赛事对应的精华集锦（也可根据上述优先级标签形成各项赛事的精华集锦推荐度指标）。

即在本实施例中，不只是获取个人集锦，还获取赛事的精华集锦。

在获取个人集锦和赛事集锦后，在本实施例中，基于个人集锦与竞技项目集锦中的关键帧信息，确定与每个竞技项目集锦、个人集锦所对应的集锦标签。确定标签的过程在此不做具体说明。

在本实施例中，针对视频中所呈现的具体内容，包括视频表演者、表演形式、表演项目等，将其标签进行分类，进而进一步与用户喜好进行匹配。

步骤S30，确定所述关注内容与所述精彩赛事视频的匹配度；

在本实施例中，确定所述关注内容与所述标签信息的匹配度，基于所述匹配度从所述精彩赛事视频中选择目标视频。

其中，确定所述关注内容与所述标签信息的匹配度的方式可以是：

获取用户关注内容的标签，将关注内容的标签与标签信息进行关键词的匹配，得到匹配度；

或者获取用户关注内容，将用户关注内容直接与标签信息进行关键词的匹配，得到匹配度。

其中，在本实施例中，还可以将关注内容和标签信息输入至预设匹配度模型中，基于预设匹配度模型得到关注内容与标签信息的匹配度。

步骤S40，在所述匹配度满足阈值时，将所述精彩赛事视频推荐给所述用户。

在本实施例中，在所述匹配度满足阈值时，将所述精彩赛事视频推荐给所述用户其中，可以将精彩赛事视频制作成视频彩铃，推荐给用户。

本申请提供一种赛事视频推荐方法、装置、设备及存储介质，与现有技术中难以准确推荐赛事内容给用户相比，在本申请中，基于用户针对赛事的历史参与行为，确定用户的关注内容，所述历史参与行为包括购买所述赛事门票的行为和/或针对所述赛事进行评论的行为；确定精彩赛事视频；确定所述关注内容与所述精彩赛事视频的匹配度；在所述匹配度满足阈值时，将所述精彩赛事视频推荐给所述用户，即本申请确定了精彩赛事集锦，和用户的关注内容（基于购买赛事门票的行为和/或针对赛事进行评论的行为确定），将用户的关注内容与精彩赛事集锦进行匹配，准确确定出用户感兴趣的精彩竞技集锦或精彩个人集锦（匹配度满足阈值），并将感兴趣的竞技集锦或个人集锦推荐给对应用户，而不是随机推荐赛事内容，或者推荐非精彩赛事内容给用户，因而，提升了推荐准确度。

进一步地，基于本申请中第一实施例，提供本申请的另一实施例，在该实施例中，所述根据赛事的观众反馈确定精彩赛事视频的步骤，还包括：

步骤C1，获取比赛视频，从所述比赛视频中提取观众欢呼声大于预设分贝值的第一视频；

步骤C2，和/或者从所述比赛视频中提取存在观众行为符合预设行为模板，且符合的观众数量大于预设数值的第二视频；

在本实施例中，提供确定赛事视频是否精彩的另一方式，在该方式中，具体以现场观众的氛围热烈程度确定赛事是否精彩，其中，现场观众的氛围热烈程度可以通过两个指标来确定，一个是欢呼声的分贝值，一个是是否存在大面积的用户做相同的标志性动作。

其中，所述从所述比赛视频中提取存在观众行为符合预设行为模板，且符合的观众数量大于预设数值的第二视频的步骤，包括：

步骤D1，获取预设行为识别模型，将所述比赛视频输入至所述预设行为识别模型中；

其中，所述预设行为识别模型是基于具有预设行为标签和数量标签的预设训练数据，对预设基础模型进行迭代训练得到的；

步骤D2，基于所述预设行为识别模型对所述比赛视频进行观众行为是否符合预设行为模板，且符合的观众数量是否大于预设数值的识别，得到识别结果；

在本实施例中，提供确定第二视频的一种方式，首先获取预设行为识别模型，将所述比赛视频输入至所述预设行为识别模型中，进而基于预设行为识别模型对比赛视频进行处理。

在本实施例中，需要说明的是，预设行为识别模型是基于具有预设行为标签和数量标签的预设训练数据，对预设基础模型进行迭代训练得到的，因而，在将比赛视频输入至所述预设行为识别模型中，可以准确输出对应的行为识别结果和数量识别结果，也即，基于所述预设行为识别模型对所述比赛视频进行观众行为是否符合预设行为模板，且符合的观众数量是否大于预设数值的识别，得到识别结果。

步骤D3，基于所述识别结果，得到第二视频。

基于所述识别结果，得到第二视频，具体地，若视频的识别结果中对应行为识别结果是预设行为，且数量识别结果满足数量要求时，对应的视频为第二视频。

步骤C3，将所述第一视频和/或者所述第二视频作为所述精彩赛事视频。

在本实施例中，可以将观众欢呼声大于预设分贝值的第一视频作为精彩赛事视频；

在本实施例中，还可以将观众行为符合预设行为模板，且符合的观众数量大于预设数值的第二视频作为精彩赛事视频；

在本实施例中，还可以将第一视频和第二视频都作为精彩赛事视频；

或者在本实施例中，将第一视频和第二视频的视频并集作为精彩赛事视频。

在本实施例中，通过获取比赛视频，从所述比赛视频中提取观众欢呼声大于预设分贝值的第一视频；和/或者从所述比赛视频中提取存在观众行为符合预设行为模板，且符合的观众数量大于预设数值的第二视频；将所述第一视频和/或者所述第二视频作为所述精彩赛事视频。本实施例中，在本实施例中，准确得到精彩赛事视频。

进一步地，基于本申请中第一实施例和第二实施例，提供本申请的另一实施例，在该实施例中，所述在所述匹配度满足阈值时，将所述精彩赛事视频推荐给所述用户的步骤之后，所述方法包括：

步骤S50，获取所述用户针对所述精彩赛事视频的反馈信息，其中，所述反馈信息包括触摸状态以及浏览时长中的至少一项；

在本实施例中，获取所述用户针对所述精彩赛事视频的反馈信息，其中，所述反馈信息包括触摸状态以及浏览时长中的至少一项，其中，触摸状态具体可以是点击与否。

步骤S60，根据所述反馈信息，调整后续的推荐视频。

根据触摸状态以及浏览时长等反馈信息，调整后续的推荐视频，具体地，将用户的触摸状态以及浏览时长等反馈信息转化为反馈特征，将反馈特征作为参考特征输入至预设识别模型中，进而基于反馈机制更准确确定用户的关注内容，进而，更准确进行后续的推荐，即调整后续的推荐视频。

在本实施例中，通过获取所述用户针对所述精彩赛事视频的反馈信息，其中，所述反馈信息包括触摸状态以及浏览时长中的至少一项；根据所述反馈信息，调整后续的推荐视频。在本实施例中，通过反馈机制提升推荐的准确度。

参照图3，图3是本申请实施例方案涉及的硬件运行环境的设备结构示意图。

如图3所示，该赛事视频推荐设备可以包括：处理器1001，例如CPU，存储器1005，通信总线1002。其中，通信总线1002用于实现处理器1001和存储器1005之间的连接通信。存储器1005可以是高速RAM存储器，也可以是稳定的存储器（non-volatile memory），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储设备。

可选地，该赛事视频推荐设备还可以包括矩形用户接口、网络接口、摄像头、RF（Radio Frequency，射频）电路，传感器、音频电路、WiFi模块等等。矩形用户接口可以包括显示屏（Display）、输入子模块比如键盘（Keyboard），可选矩形用户接口还可以包括标准的有线接口、无线接口。网络接口可选的可以包括标准的有线接口、无线接口（如WI-FI接口）。

本领域技术人员可以理解，图3中示出的赛事视频推荐设备结构并不构成对赛事视频推荐设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图3所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块以及赛事视频推荐程序。操作系统是管理和控制赛事视频推荐设备硬件和软件资源的程序，支持赛事视频推荐程序以及其它软件和/或程序的运行。网络通信模块用于实现存储器1005内部各组件之间的通信，以及与赛事视频推荐系统中其它硬件和软件之间通信。

在图3所示的赛事视频推荐设备中，处理器1001用于执行存储器1005中存储的赛事视频推荐程序，实现上述任一项所述的赛事视频推荐方法的步骤。

本申请赛事视频推荐设备具体实施方式与上述赛事视频推荐方法各实施例基本相同，在此不再赘述。

本申请还提供一种赛事视频推荐装置，所述赛事视频推荐装置包括：

第一确定模块，用于基于用户针对赛事的历史参与行为，确定用户的关注内容，所述历史参与行为包括购买所述赛事门票的行为和/或针对所述赛事进行评论的行为；

第二确定模块，用于确定精彩赛事视频；

第三确定模块，用于确定所述关注内容与所述精彩赛事视频的匹配度；

推荐模块，用于在所述匹配度满足阈值时，将所述精彩赛事视频推荐给所述用户。

可选地，所述第二确定模块包括：

第一确定单元，用于根据所述赛事的竞技参数确定精彩赛事视频；

第二确定单元，用于和/或者根据赛事的观众反馈确定精彩赛事视频

所述第一确定单元包括：

第一获取子单元，用于获取比赛视频，确定所述比赛视频的关键帧，从所述关键帧中提取关键帧信息；

第一确定子单元，用于基于所述关键帧信息以及预存的历史赛事帧信息，确定比赛视频中各运动员对应竞技参数的竞技值，所述竞技参数包括关键形体姿态以及成绩中的至少一项；

第二确定子单元，用于确定各运动员竞技值高于对应预设竞技参数阈值的目标关键帧，将所述目标关键帧所构成的视频设为所述精彩赛事视频。

可选地，所述精彩赛事视频包括项目精彩视频；

所述第二确定子单元用于：

确定各运动员赛事竞技值高于对应预设竞技阈值的目标关键帧，并确定各运动员相应目标关键帧的数量；

根据所述数量的大小，确定各运动员目标关键帧的推荐优先级；

根据所述推荐优先级对各运动员的目标关键帧进行排序处理，将排序处理后的所述目标关键帧所构成的视频设为所述项目精彩视频。

可选地，所述第一获取子单元用于实现：

获取比赛视频，并获取所述比赛视频对应的竞技类型；

根据所述竞技类型，确定比赛姿态模板；

若比赛视频中存在运动员的姿态，与所述比赛姿态模板的相似度达到预设相似值的连续视频帧，且所述连续视频帧的数量大于预设数量，则将所述连续视频帧设置为所述关键帧。

可选地，所述第二确定单元包括：

第二获取子单元，用于获取比赛视频，从所述比赛视频中提取观众欢呼声大于预设分贝值的第一视频；

提取子单元，用于和/或者从所述比赛视频中提取存在观众行为符合预设行为模板，且符合的观众数量大于预设数值的第二视频；

设置子单元，用于将所述第一视频和/或者所述第二视频作为所述精彩赛事视频。

可选地，所述提取子单元用于实现：

获取预设行为识别模型，将所述比赛视频输入至所述预设行为识别模型中；

其中，所述预设行为识别模型是基于具有预设行为标签和数量标签的预设训练数据，对预设基础模型进行迭代训练得到的；

基于所述预设行为识别模型对所述比赛视频进行观众行为是否符合预设行为模板，且符合的观众数量是否大于预设数值的识别，得到识别结果；

基于所述识别结果，得到第二视频。

本申请赛事视频推荐装置的具体实施方式与上述所述赛事视频推荐方法各实施例基本相同，在此不再赘述。

本申请实施例提供了一种存储介质，且所述存储介质存储有一个或者一个以上程序，所述一个或者一个以上程序还可被一个或者一个以上的处理器执行以用于实现上述所述赛事视频推荐方法的步骤。

本申请存储介质具体实施方式与上述所述赛事视频推荐方法各实施例基本相同，在此不再赘述。

本申请还提供一种计算机程序产品、包括计算机程序，该计算机程序被处理器执行时实现上述所述赛事视频推荐方法的步骤。

本申请计算机程序产品的具体实施方式与上述所述赛事视频推荐方法各实施例基本相同，在此不再赘述。

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。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的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（如ROM/RAM、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，空调器，或者网络设备等）执行本发明各个实施例所述的方法。

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)

1.一种赛事视频推荐方法，其特征在于，所述赛事视频推荐方法包括：

基于用户针对赛事的历史参与行为，确定用户的关注内容，所述历史参与行为包括购买所述赛事门票的行为和/或针对所述赛事进行评论的行为；

确定精彩赛事视频；

确定所述关注内容与所述精彩赛事视频的匹配度；

在所述匹配度满足阈值时，将所述精彩赛事视频推荐给所述用户。

2.如权利要求1所述的赛事视频推荐方法，其特征在于，所述确定精彩赛事视频的步骤，包括：

根据所述赛事的竞技参数确定精彩赛事视频；

和/或者根据赛事的观众反馈确定精彩赛事视频。

3.如权利要求1所述的赛事视频推荐方法，其特征在于，所述根据所述赛事的竞技参数确定精彩赛事视频的步骤，包括：

获取比赛视频，确定所述比赛视频的关键帧，从所述关键帧中提取关键帧信息；

基于所述关键帧信息以及预存的历史赛事帧信息，确定比赛视频中各运动员对应竞技参数的竞技值，所述竞技参数包括关键形体姿态以及成绩中的至少一项；

确定各运动员竞技值高于对应预设竞技参数阈值的目标关键帧，将所述目标关键帧所构成的视频设为所述精彩赛事视频。

4.根据权利要求3所述的赛事视频推荐方法，其特征在于，所述精彩赛事视频包括项目精彩视频；

所述确定各运动员竞技值高于对应预设竞技阈值的目标关键帧，将所述目标关键帧所构成的视频设为所述精彩赛事视频的步骤，包括：

确定各运动员赛事竞技值高于对应预设竞技阈值的目标关键帧，并确定各运动员相应目标关键帧的数量；

根据所述数量的大小，确定各运动员目标关键帧的推荐优先级；

根据所述推荐优先级对各运动员的目标关键帧进行排序处理，将排序处理后的所述目标关键帧所构成的视频设为所述项目精彩视频。

5.如权利要求3所述的赛事视频推荐方法，其特征在于，所述获取比赛视频，确定所述比赛视频的关键帧的步骤，包括：

获取比赛视频，并获取所述比赛视频对应的竞技类型；

根据所述竞技类型，确定比赛姿态模板；

若比赛视频中存在运动员的姿态，与所述比赛姿态模板的相似度达到预设相似值的连续视频帧，且所述连续视频帧的数量大于预设数量，则将所述连续视频帧设置为所述关键帧。

6.如权利要求2所述的赛事视频推荐方法，其特征在于，所述根据赛事的观众反馈确定精彩赛事视频的步骤，包括：

获取比赛视频，从所述比赛视频中提取观众欢呼声大于预设分贝值的第一视频；

和/或者从所述比赛视频中提取存在观众行为符合预设行为模板，且符合的观众数量大于预设数值的第二视频；

将所述第一视频和/或者所述第二视频作为所述精彩赛事视频。

7.如权利要求6所述的赛事视频推荐方法，其特征在于，所述从所述比赛视频中提取存在观众行为符合预设行为模板，且符合的观众数量大于预设数值的第二视频的步骤，包括：

获取预设行为识别模型，将所述比赛视频输入至所述预设行为识别模型中；

其中，所述预设行为识别模型是基于具有预设行为标签和数量标签的预设训练数据，对预设基础模型进行迭代训练得到的；

基于所述预设行为识别模型对所述比赛视频进行观众行为是否符合预设行为模板，且符合的观众数量是否大于预设数值的识别，得到识别结果；

基于所述识别结果，得到第二视频。

8.一种赛事视频推荐装置，其特征在于，所述赛事视频推荐装置包括：

第一确定模块，用于基于用户针对赛事的历史参与行为，确定用户的关注内容，所述历史参与行为包括购买所述赛事门票的行为和/或针对所述赛事进行评论的行为；

第二确定模块，用于确定精彩赛事视频；

第三确定模块，用于确定所述关注内容与所述精彩赛事视频的匹配度；

推荐模块，用于在所述匹配度满足阈值时，将所述精彩赛事视频推荐给所述用户。

9.一种赛事视频推荐设备，其特征在于，所述赛事视频推荐设备包括：存储器、处理器以及存储在存储器上的用于实现所述赛事视频推荐方法的程序，

所述存储器用于存储实现赛事视频推荐方法的程序；

所述处理器用于执行实现所述赛事视频推荐方法的程序，以实现如权利要求1至7中任一项所述赛事视频推荐方法的步骤。

10.一种存储介质，其特征在于，所述存储介质上存储有实现赛事视频推荐方法的程序，所述实现赛事视频推荐方法的程序被处理器执行以实现如权利要求1至7中任一项所述赛事视频推荐方法的步骤。

Images