CN114827750B - 视角的预测方法、装置、设备及存储介质 - Google Patents
视角的预测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114827750B CN114827750B CN202210609867.1A CN202210609867A CN114827750B CN 114827750 B CN114827750 B CN 114827750B CN 202210609867 A CN202210609867 A CN 202210609867A CN 114827750 B CN114827750 B CN 114827750B
- Authority
- CN
- China
- Prior art keywords
- view angle
- panoramic video
- view
- track
- user group
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000000007 visual effect Effects 0.000 claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 14
- 238000012417 linear regression Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 9
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 230000001174 ascending effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013475 authorization Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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]
- H04N21/60—Network structure or processes for video distribution between server and client or between remote clients; Control signalling between clients, server and network components; Transmission of management data between server and client, e.g. sending from server to client commands for recording incoming content stream; Communication details between server and client
- H04N21/65—Transmission of management data between client and server
- H04N21/658—Transmission by the client directed to the server
- H04N21/6587—Control parameters, e.g. trick play commands, viewpoint selection
-
- 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, rendering scenes according to MPEG-4 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
- H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
- H04N21/44213—Monitoring of end-user related data
- H04N21/44218—Detecting physical presence or behaviour of the user, e.g. using sensors to detect if the user is leaving the room or changes his face expression during a TV program
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Databases & Information Systems (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本公开实施例提供了一种视角的预测方法、装置、设备及存储介质。获取第一用户群组观看历史时段全景视频的第一视角轨迹，以及第二用户群组观看所述历史时段全景视频的第二视角轨迹；其中，所述第二用户群组由至少一个已观看所述全景视频的用户组成；获取所述第二用户群组观看预测时刻全景视频时的真实视角；基于所述第一视角轨迹、所述至少一个第二视角轨迹及所述至少一个真实视角确定所述第一用户群组在观看预测时刻全景视频时的目标预测视角。本公开实施例提供的视角的预测方法，可以准确的对用户观看全景视频的视角进行预测，不仅可以极大的减小数据传输量，节省带宽，还可以提高用户的观看体验。
Description
技术领域
本公开实施例涉及多媒体技术领域，尤其涉及一种视角的预测方法、装置、设备及存储介质。
背景技术
全景视频是包含多视角的视频数据。在全景视频播放场景中，通常需要传输多视角的视频数据，这样数据传输量非常大。因此减少全景视频数据的传输量以节省带宽，显得尤为重要。
发明内容
本公开实施例提供一种视角的预测方法、装置、设备及存储介质，可以准确的对用户观看全景视频的视角进行预测，不仅可以极大的减小数据传输量，节省带宽，还可以提高用户的观看体验。
第一方面，本公开实施例提供了一种视角的预测方法，其特征在于，包括：
获取第一用户群组观看历史时段全景视频的第一视角轨迹，以及第二用户群组观看所述历史时段全景视频的第二视角轨迹；其中，所述第二用户群组由至少一个已观看所述全景视频的用户组成；
获取所述第二用户群组观看预测时刻全景视频时的真实视角；
基于所述第一视角轨迹、所述至少一个第二视角轨迹及所述至少一个真实视角确定所述第一用户群组在观看预测时刻全景视频时的目标预测视角。
第二方面，本公开实施例还提供了一种视角的预测装置，包括：
视角轨迹获取模块，用于获取第一用户群组观看历史时段全景视频的第一视角轨迹，以及第二用户群组观看所述历史时段全景视频的第二视角轨迹；其中，所述第二用户群组由至少一个已观看所述全景视频的用户组成；
真实视角获取模块，用于获取所述第二用户群组观看预测时刻全景视频时的真实视角；
目标预测视角确定模块，用于基于所述第一视角轨迹、所述至少一个第二视角轨迹及所述至少一个真实视角确定所述第一用户群组在观看预测时刻全景视频时的目标预测视角。
第三方面，本公开实施例还提供了一种电子设备，所述电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本公开实施例所述的视角的预测方法。
第四方面，本公开实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本公开实施例所述的视角的预测方法。
本公开实施例公开了一种视角的预测方法、装置、设备及存储介质。获取第一用户群组观看历史时段全景视频的第一视角轨迹，以及第二用户群组观看历史时段全景视频的第二视角轨迹；其中，第二用户群组由至少一个已观看全景视频的用户组成；获取第二用户群组观看预测时刻全景视频时的真实视角；基于第一视角轨迹、至少一个第二视角轨迹及至少一个真实视角确定第一用户群组在观看预测时刻全景视频时的目标预测视角。本公开实施例提供的视角的预测方法，可以准确的对用户观看全景视频的视角进行预测，不仅可以极大的减小数据传输量，节省带宽，还可以提高用户的观看体验。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1是本公开实施例所提供的一种视角的预测方法的流程示意图；
图2是本公开实施例所提供的一种预测视角的示意图；
图3是本公开实施例所提供的一种视角的预测装置的结构示意图；
图4是本公开实施例所提供的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
可以理解的是，在使用本公开各实施例公开的技术方案之前，均应当依据相关法律法规通过恰当的方式对本公开所涉及个人信息的类型、使用范围、使用场景等告知用户并获得用户的授权。
例如，在响应于接收到用户的主动请求时，向用户发送提示信息，以明确地提示用户，其请求执行的操作将需要获取和使用到用户的个人信息。从而，使得用户可以根据提示信息来自主地选择是否向执行本公开技术方案的操作的电子设备、应用程序、服务器或存储介质等软件或硬件提供个人信息。
作为一种可选的但非限定性的实现方式，响应于接收到用户的主动请求，向用户发送提示信息的方式例如可以是弹窗的方式，弹窗中可以以文字的方式呈现提示信息。此外，弹窗中还可以承载供用户选择“同意”或者“不同意”向电子设备提供个人信息的选择控件。
可以理解的是，上述通知和获取用户授权过程仅是示意性的，不对本公开的实现方式构成限定，其它满足相关法律法规的方式也可应用于本公开的实现方式中。
可以理解的是，本技术方案所涉及的数据(包括但不限于数据本身、数据的获取或使用)应当遵循相应法律法规及相关规定的要求。
图1为本公开实施例所提供的一种视角的预测方法的流程示意图，本公开实施例适用于对用户观看全景视频时的观看视角进行预测的情形，该方法可以由视角的预测装置来执行，该装置可以通过软件和/或硬件的形式实现，可选的，通过电子设备来实现，该电子设备可以是移动终端、PC端或服务器等。
如图1所示，所述方法包括：
S110，获取第一用户群组观看历史时段全景视频的第一视角轨迹，以及第二用户群组观看历史时段全景视频的第二视角轨迹。
其中，第二用户群组由至少一个已观看全景视频的用户组成。第一用户群组可以理解为当前正在观看全景视频的用户。历史时段全景视频可以理解为当前视频时刻之前的一定时长(例如：5秒)的视频段。第一视角轨迹和第二视角轨迹均包含多个视角信息(Fieldof view，FOV)，可以由视角信息组成的数组表征。视角信息可以由视角中心点的坐标表示。
本实施例中，获取第一用户群组观看历史时段全景视频的第一视角轨迹的方式可以是：在第一用户群组观看历史时段全景视频的过程中，每隔设定时长采样第一用户群组的第一视角，获得第一视角轨迹。
其中，设定时长可以任意设置，例如：0.5-1秒之间的任意值。第一视角可以是用户选择的视角，终端设备根据用户选择的视角请求该视角对应的视频数据，从而使得终端设备播放该视角对应的视频。本实施例中，在获取到第一视角轨迹后，还可以将第一视角轨迹发送至服务端，以供其他用户参考。
本实施例中，获取第二用户群组观看历史时段全景视频的第二视角轨迹的过程可以是：接收服务端发送的第二用户群组观看历史时段全景视频的第二视角轨迹。
本实施例中，各用户通过终端视频观看全景视频的过程中，终端设备每隔设定时长采样用户的观看视角，从而获得视角轨迹，并将视角轨迹发送至服务器，服务器对各用户对应的视角轨迹进行存储，以供其他用户获取。可选的，第一用户群组所在的客户端向服务器发送视角轨迹请求，该视角轨迹请求中携带有全景视频标识，服务器基于全景视频标识获取第二用户群组的视角轨迹，并将第二用户群组的视角轨迹下发至第一用户群组所在的客户端，客户端从视角轨迹中截取历史时段对应的第二视角轨迹。
S120，获取第二用户群组观看预测时刻全景视频时的真实视角。
其中，预测时刻可以理解为处于当前时刻之后的时刻，例如假设当前时刻为全景视频的第5秒，则预测时刻可以是全景视频的第7秒。预测时刻基于第一用户群组的预测需求确定。真实视角可以理解为第二用户群组观看预测时刻的全景视频的视角。
本实施例中，获取第二用户群组观看预测时刻全景视频时的真实视角的方式可以是：从服务器下发的第二用户群组的视角轨迹中查找预测时刻对应的真实视角。
S130，基于第一视角轨迹、至少一个第二视角轨迹及至少一个真实视角确定第一用户群组在观看预测时刻全景视频时的目标预测视角。
本实施例中，基于第一视角轨迹、至少一个第二视角轨迹及至少一个真实视角确定第一用户群组在观看预测时刻全景视频时的目标预测视角的方式可以是：基于设定机器学习算法对第一视角轨迹、至少一个第二视角轨迹及至少一个真实视角进行处理，获得第一用户群组在观看预测时刻全景视频时的目标预测视角。
其中，设定机器学习算法现有任意的机器学习算法，此处不再赘述。
本实施例中，基于第一视角轨迹、至少一个第二视角轨迹及至少一个真实视角确定第一用户群组在观看预测时刻全景视频时的目标预测视角的方式可以是：根据第一视角轨迹确定初始预测视角；确定第一视角轨迹分别与至少一个第二视角轨迹的相似性系数；基于至少一个相似性系数对至少一个真实视角进行加权求和，获得参考预测视角；根据初始预测视角和参考预测视角确定第一用户群组在观看预测时刻全景视频时的目标预测视角。
其中，根据第一视角轨迹确定初始预测视角的方式可以是：采用设定回归算法对第一视角轨迹进行处理，获得初始预测视角。其中，设定回归算法包括如下任意一项：线性回归、单调区间线性回归及权重线性回归。
具体的，通过设定回归算法对第一视角轨迹进行拟合，获得预测时刻的初始预测视角。其中，各设定回归算法的原理可以参照现有技术，此处不再赘述。
其中，确定第一视角轨迹分别与至少一个第二视角轨迹的相似性系数的方式可以是：计算第一视角轨迹分别和至少一个第二视角轨迹的距离，将距离作为第一视角轨迹和第二视角轨迹间的相似性系数。
其中，第一视角轨迹包含有多个第一视角信息，第二视角包含多个第二视角信息，且第一视角信息和第二视角信息一一对应。分别计算对应的第一视角信息和第二视角信息的距离，然后求取平均值，获得第一视角轨迹和第二视角轨迹间的距离，即相似性系数。
本实施例中，假设有n个第二用户群组，则可以确定出n个相似度系数，分别为a1、a2、……an，真实视角分别为：P1、P2、……、Pn。则参考预测视角的计算公式可以表示为：Q1＝a1*P1+a2*P2+……+an*Pn。
可选的，基于至少一个相似性系数对至少一个真实视角进行加权求和，获得参考预测视角的方式可以是：从至少一个相似性系数中提取设定数量的最大相似性系数；基于设定数量的最大相似性系数对对应的设定数量的真实视角进行加权求和，获得参考预测视角。
其中，设定数量可以是大于或者等于3的任意值。例如：取5。具体的，对至少一个相似性系数进行降序排序或者升序排序，若是降序排序，则提取靠前设定数量的相关性系数，若是升序排序，则提取靠后设定数量的相关性系数。将设定数量的相关性数据作为对应真实视角的置信度进行加权求和，获得参考预测视角。本实施例中，基于设定数量的相似性最大的第二用户群组的真实视角确定参考预测视角，可以降低计算量。
其中，根据初始预测视角和参考预测视角确定第一用户群组在观看预测时刻全景视频时的目标预测视角的方式可以是：直接将初始预测视角和参考预测视角直接累加或者进行加权求和，从而获得目标预测视角。
可选的，根据初始预测视角和参考预测视角确定第一用户群组在观看预测时刻全景视频时的目标预测视角的方式可以是：根据第一视角轨迹确定波动系数；将波动系数作为初始预测视角的置信度与参考预测视角进行加权求和，获得第一用户群组在观看预测时刻全景视频时的目标预测视角。
其中，波动系数可以由第一视角轨迹中的各个第一视角的标准差或者方差表征。具体的，假设波动系数由b表示，初始预测视角由Q2表征，参考预测视角由Q1表征，则目标预测视角的计算公式可以表示为：Q＝b*Q2+Q1。
本实施例中，在获得多个预测时刻对应的目标预测视角后，可以根据多个目标预测视角生成显著性图。
可选的，在确定第一用户群组在观看预测时刻全景视频时的目标预测视角之后，还包括如下步骤：将目标预测视角发送至服务端；接收服务端下发的目标预测视角对应的全景视频，并对目标预测视角对应的全景视频进行缓存。
具体的，服务端在接收客户端发送的目标预测视角后，获得目标预测视角对应的视频数据，并将该视频数据下发至客户端，客户端对接收到的视频数据进行缓存，当视频播放到预测时刻时，播放缓存的目标预测视角对应的视频。本实施中，客户端缓存的是目标预测视角对应的视频，而不是其他视角对应的视频，可以提高用户的观看体验。
示例性的，以上述实施例为基础，图2是本实施例中预测视角的示例图。如图2所示，第二用户1、第二用户2、……、第二用户n所在的客户端将用户在观看全景视频时的视角上报至服务端的用户信息收集模块。当需要对第一用户在预测时刻的观看视角预测时，第一用户客户端获取历史时段内的第一视角轨迹，并向服务端请求第二用户在该历史时段的第二视角轨迹及在预测时刻的真实视角。服务端的用户信息下发模块将第二视角轨迹和真实视角下发至第一用户客户端。第一用户客户端将第二视角轨迹发送至相似性系数评估模块，获得相似系系数，将第一视角轨迹发送至波动系数评估模块，获得波动系数。最后将波动系数、相似性系数、第一视角轨迹及第二用户群组的真实视角发送至视角预测模块进行处理，获得目标预测视角。
本公开实施例的技术方案，获取第一用户群组观看历史时段全景视频的第一视角轨迹，以及第二用户群组观看历史时段全景视频的第二视角轨迹；其中，第二用户群组由至少一个已观看全景视频的用户组成；获取第二用户群组观看预测时刻全景视频时的真实视角；基于第一视角轨迹、至少一个第二视角轨迹及至少一个真实视角确定第一用户群组在观看预测时刻全景视频时的目标预测视角。本公开实施例提供的视角的预测方法，可以准确的对用户观看全景视频的视角进行预测，不仅可以极大的减小数据传输量，节省带宽，还可以提高用户的观看体验。
图3为本公开实施例所提供的一种视角的预测装置的结构示意图，如图3所示，所述装置包括：
视角轨迹获取模块310，用于获取第一用户群组观看历史时段全景视频的第一视角轨迹，以及第二用户群组观看所述历史时段全景视频的第二视角轨迹；其中，所述第二用户群组由至少一个已观看所述全景视频的用户组成；
真实视角获取模块320，用于获取所述第二用户群组观看预测时刻全景视频时的真实视角；
目标预测视角确定模块330，用于基于所述第一视角轨迹、所述至少一个第二视角轨迹及所述至少一个真实视角确定所述第一用户群组在观看预测时刻全景视频时的目标预测视角。
可选的，视角轨迹获取模块310，还用于：
在所述第一用户群组观看历史时段全景视频的过程中，每隔设定时长采样所述第一用户群组的第一视角，获得第一视角轨迹。
可选的，目标预测视角确定模块330，还用于：
根据所述第一视角轨迹确定初始预测视角；
确定所述第一视角轨迹分别与所述至少一个第二视角轨迹的相似性系数；
基于所述至少一个相似性系数对所述至少一个真实视角进行加权求和，获得参考预测视角；
根据所述初始预测视角和所述参考预测视角确定所述第一用户群组在观看预测时刻全景视频时的目标预测视角。
可选的，目标预测视角确定模块330，还用于：
采用设定回归算法对所述第一视角轨迹进行处理，获得初始预测视角；其中，所述设定回归算法包括如下任意一项：线性回归、单调区间线性回归及权重线性回归。
可选的，目标预测视角确定模块330，还用于：
从所述至少一个相似性系数中提取设定数量的最大相似性系数；
基于所述设定数量的最大相似性系数对对应的所述设定数量的真实视角进行加权求和，获得参考预测视角。
可选的，目标预测视角确定模块330，还用于：
根据所述第一视角轨迹确定波动系数；
将所述波动系数作为所述初始预测视角的置信度与所述参考预测视角进行加权求和，获得所述第一用户群组在观看预测时刻全景视频时的目标预测视角。
可选的，目标预测视角确定模块330，还用于：
基于设定机器学习算法对所述第一视角轨迹、所述至少一个第二视角轨迹及所述至少一个真实视角进行处理，获得所述第一用户群组在观看预测时刻全景视频时的目标预测视角。
可选的，还包括：全景视频获取模块，用于：
获取所述目标预测视角对应的全景视频，并对所述目标预测视角对应的全景视频进行缓存。
本公开实施例所提供的视角的预测装置可执行本公开任意实施例所提供的视角的预测方法，具备执行方法相应的功能模块和有益效果。
值得注意的是，上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本公开实施例的保护范围。
图4为本公开实施例所提供的一种电子设备的结构示意图。下面参考图4，其示出了适于用来实现本公开实施例的电子设备(例如图4中的终端设备或服务器)500的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图4所示，电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。编辑/输出(I/O)接口505也连接至总线504。
通常，以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本公开实施例的方法中限定的上述功能。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
本公开实施例提供的电子设备与上述实施例提供的视角的预测方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例，并且本实施例与上述实施例具有相同的有益效果。
本公开实施例提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述实施例所提供的视角的预测方法。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取第一用户群组观看历史时段全景视频的第一视角轨迹，以及第二用户群组观看所述历史时段全景视频的第二视角轨迹；其中，所述第二用户群组由至少一个已观看所述全景视频的用户组成；获取所述第二用户群组观看预测时刻全景视频时的真实视角；基于所述第一视角轨迹、所述至少一个第二视角轨迹及所述至少一个真实视角确定所述第一用户群组在观看预测时刻全景视频时的目标预测视角。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
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。
根据本公开的一个或多个实施例，提供了一种视角的预测方法，包括：
获取第一用户群组观看历史时段全景视频的第一视角轨迹，以及第二用户群组观看所述历史时段全景视频的第二视角轨迹；其中，所述第二用户群组由至少一个已观看所述全景视频的用户组成；
获取所述第二用户群组观看预测时刻全景视频时的真实视角；
基于所述第一视角轨迹、所述至少一个第二视角轨迹及所述至少一个真实视角确定所述第一用户群组在观看预测时刻全景视频时的目标预测视角。
进一步地，获取第一用户群组观看历史时段全景视频的第一视角轨迹，包括：
在所述第一用户群组观看历史时段全景视频的过程中，每隔设定时长采样所述第一用户群组的第一视角，获得第一视角轨迹。
进一步地，基于所述第一视角轨迹、所述至少一个第二视角轨迹及所述至少一个真实视角确定所述第一用户群组在观看预测时刻全景视频时的目标预测视角，包括：
根据所述第一视角轨迹确定初始预测视角；
确定所述第一视角轨迹分别与所述至少一个第二视角轨迹的相似性系数；
基于所述至少一个相似性系数对所述至少一个真实视角进行加权求和，获得参考预测视角；
根据所述初始预测视角和所述参考预测视角确定所述第一用户群组在观看预测时刻全景视频时的目标预测视角。
进一步地，根据所述第一视角轨迹确定初始预测视角，包括：
采用设定回归算法对所述第一视角轨迹进行处理，获得初始预测视角；其中，所述设定回归算法包括如下任意一项：线性回归、单调区间线性回归及权重线性回归。
进一步地，基于所述至少一个相似性系数对所述至少一个真实视角进行加权求和，获得参考预测视角，包括：
从所述至少一个相似性系数中提取设定数量的最大相似性系数；
基于所述设定数量的最大相似性系数对对应的所述设定数量的真实视角进行加权求和，获得参考预测视角。
进一步地，根据所述初始预测视角和所述参考预测视角确定所述第一用户群组在观看预测时刻全景视频时的目标预测视角，包括：
根据所述第一视角轨迹确定波动系数；
将所述波动系数作为所述初始预测视角的置信度与所述参考预测视角进行加权求和，获得所述第一用户群组在观看预测时刻全景视频时的目标预测视角。
进一步地，基于所述第一视角轨迹、所述至少一个第二视角轨迹及所述至少一个真实视角确定所述第一用户群组在观看预测时刻全景视频时的目标预测视角，包括：
基于设定机器学习算法对所述第一视角轨迹、所述至少一个第二视角轨迹及所述至少一个真实视角进行处理，获得所述第一用户群组在观看预测时刻全景视频时的目标预测视角。
进一步地，在确定所述第一用户群组在观看预测时刻全景视频时的目标预测视角之后，还包括：
获取所述目标预测视角对应的全景视频，并对所述目标预测视角对应的全景视频进行缓存。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (11)
1.一种视角的预测方法，其特征在于，包括：
获取第一用户群组观看历史时段全景视频的第一视角轨迹，以及第二用户群组观看所述历史时段全景视频的第二视角轨迹；其中，所述第一用户群组由当前正在观看全景视频的用户组成；所述历史时段全景视频为当前视频时刻之前的特定时长的视频段；所述第二用户群组由至少一个已观看所述全景视频的用户组成；所述第一视角轨迹和所述第二视角轨迹均由所包含的多个视角信息组成的数组表征，所述视角信息由视角中心点的坐标表示；
获取所述第二用户群组观看预测时刻全景视频时的真实视角；
基于所述第一视角轨迹、所述至少一个第二视角轨迹及所述至少一个真实视角确定所述第一用户群组在观看预测时刻全景视频时的目标预测视角。
2.根据权利要求1所述的方法，其特征在于，获取第一用户群组观看历史时段全景视频的第一视角轨迹，包括：
在所述第一用户群组观看历史时段全景视频的过程中，每隔设定时长采样所述第一用户群组的第一视角，获得第一视角轨迹。
3.根据权利要求1所述的方法，其特征在于，基于所述第一视角轨迹、所述至少一个第二视角轨迹及所述至少一个真实视角确定所述第一用户群组在观看预测时刻全景视频时的目标预测视角，包括：
根据所述第一视角轨迹确定初始预测视角；
确定所述第一视角轨迹分别与所述至少一个第二视角轨迹的相似性系数；
基于所述至少一个相似性系数对所述至少一个真实视角进行加权求和，获得参考预测视角；
根据所述初始预测视角和所述参考预测视角确定所述第一用户群组在观看预测时刻全景视频时的目标预测视角。
4.根据权利要求3所述的方法，其特征在于，根据所述第一视角轨迹确定初始预测视角，包括：
采用设定回归算法对所述第一视角轨迹进行处理，获得初始预测视角；其中，所述设定回归算法包括如下任意一项：线性回归、单调区间线性回归及权重线性回归。
5.根据权利要求3所述的方法，其特征在于，基于所述至少一个相似性系数对所述至少一个真实视角进行加权求和，获得参考预测视角，包括：
从所述至少一个相似性系数中提取设定数量的最大相似性系数；
基于所述设定数量的最大相似性系数对对应的所述设定数量的真实视角进行加权求和，获得参考预测视角。
6.根据权利要求3所述的方法，其特征在于，根据所述初始预测视角和所述参考预测视角确定所述第一用户群组在观看预测时刻全景视频时的目标预测视角，包括：
根据所述第一视角轨迹确定波动系数；
将所述波动系数作为所述初始预测视角的置信度与所述参考预测视角进行加权求和，获得所述第一用户群组在观看预测时刻全景视频时的目标预测视角。
7.根据权利要求1所述的方法，其特征在于，基于所述第一视角轨迹、所述至少一个第二视角轨迹及所述至少一个真实视角确定所述第一用户群组在观看预测时刻全景视频时的目标预测视角，包括：
基于设定机器学习算法对所述第一视角轨迹、所述至少一个第二视角轨迹及所述至少一个真实视角进行处理，获得所述第一用户群组在观看预测时刻全景视频时的目标预测视角。
8.根据权利要求1所述的方法，其特征在于，在确定所述第一用户群组在观看预测时刻全景视频时的目标预测视角之后，还包括：
获取所述目标预测视角对应的全景视频，并对所述目标预测视角对应的全景视频进行缓存。
9.一种视角的预测装置，其特征在于，包括：
视角轨迹获取模块，用于获取第一用户群组观看历史时段全景视频的第一视角轨迹，以及第二用户群组观看所述历史时段全景视频的第二视角轨迹；其中，所述第一用户群组由当前正在观看全景视频的用户组成；所述历史时段全景视频为当前视频时刻之前的特定时长的视频段；所述第二用户群组由至少一个已观看所述全景视频的用户组成；所述第一视角轨迹和所述第二视角轨迹均由所包含的多个视角信息组成的数组表征，所述视角信息由视角中心点的坐标表示；
真实视角获取模块，用于获取所述第二用户群组观看预测时刻全景视频时的真实视角；
目标预测视角确定模块，用于基于所述第一视角轨迹、所述至少一个第二视角轨迹及所述至少一个真实视角确定所述第一用户群组在观看预测时刻全景视频时的目标预测视角。
10.一种电子设备，其特征在于，所述电子设备包括：一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一所述的视角的预测方法。
11.一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-8中任一所述的视角的预测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210609867.1A CN114827750B (zh) | 2022-05-31 | 2022-05-31 | 视角的预测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210609867.1A CN114827750B (zh) | 2022-05-31 | 2022-05-31 | 视角的预测方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114827750A CN114827750A (zh) | 2022-07-29 |
| CN114827750B true CN114827750B (zh) | 2023-12-22 |
Family
ID=82519795
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210609867.1A Active CN114827750B (zh) | 2022-05-31 | 2022-05-31 | 视角的预测方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114827750B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115297351B (zh) * | 2022-08-03 | 2023-11-17 | 抖音视界有限公司 | 一种全景视频播放方法、装置、存储介质及电子设备 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106341620A (zh) * | 2016-10-20 | 2017-01-18 | 传线网络科技（上海）有限公司 | 全景视频的播放方法及装置 |
| CN108076355A (zh) * | 2017-12-26 | 2018-05-25 | 百度在线网络技术（北京）有限公司 | 视频播放控制方法和装置 |
| CN110248178A (zh) * | 2019-06-18 | 2019-09-17 | 深圳大学 | 利用物体跟踪和历史轨迹全景视频的视口预测方法及系统 |
| CN111093068A (zh) * | 2018-10-23 | 2020-05-01 | 中国电信股份有限公司 | 全景视频提供方法、虚拟现实终端、平台和系统 |
| US10848738B1 (en) * | 2019-05-23 | 2020-11-24 | Adobe Inc. | Trajectory-based viewport prediction for 360-degree videos |
| CN112541449A (zh) * | 2020-12-18 | 2021-03-23 | 天津大学 | 一种基于无人机航拍视角的行人轨迹预测方法 |
| CN112785628A (zh) * | 2021-02-09 | 2021-05-11 | 成都视海芯图微电子有限公司 | 一种基于全景视角检测跟踪的轨迹预测方法及系统 |
| CN113329266A (zh) * | 2021-06-08 | 2021-08-31 | 合肥工业大学 | 一种基于有限用户视角反馈的全景视频自适应传输方法 |
| CN113365156A (zh) * | 2021-06-17 | 2021-09-07 | 合肥工业大学 | 一种基于有限视场反馈的全景视频多播流的视角预测方法 |
| CN114401447A (zh) * | 2021-12-20 | 2022-04-26 | 北京字节跳动网络技术有限公司 | 一种视频卡顿预测方法、装置、设备和介质 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2974031A1 (en) * | 2016-07-22 | 2018-01-22 | Appropolis Inc. | Method of tracking one or more mobile objects in a site and a system employing same |
| US10917564B2 (en) * | 2016-10-12 | 2021-02-09 | Qualcomm Incorporated | Systems and methods of generating and processing files for partial decoding and most interested regions |
| US10623791B2 (en) * | 2018-06-01 | 2020-04-14 | At&T Intellectual Property I, L.P. | Field of view prediction in live panoramic video streaming |
| US11025981B2 (en) * | 2019-07-17 | 2021-06-01 | At&T Intellectual Property I, L.P. | Facilitating panoramic video streaming with brain-computer interactions |
| US11159776B2 (en) * | 2019-08-16 | 2021-10-26 | At&T Intellectual Property I, L.P. | Method for streaming ultra high definition panoramic videos |
-
2022
- 2022-05-31 CN CN202210609867.1A patent/CN114827750B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106341620A (zh) * | 2016-10-20 | 2017-01-18 | 传线网络科技（上海）有限公司 | 全景视频的播放方法及装置 |
| CN108076355A (zh) * | 2017-12-26 | 2018-05-25 | 百度在线网络技术（北京）有限公司 | 视频播放控制方法和装置 |
| CN111093068A (zh) * | 2018-10-23 | 2020-05-01 | 中国电信股份有限公司 | 全景视频提供方法、虚拟现实终端、平台和系统 |
| US10848738B1 (en) * | 2019-05-23 | 2020-11-24 | Adobe Inc. | Trajectory-based viewport prediction for 360-degree videos |
| CN110248178A (zh) * | 2019-06-18 | 2019-09-17 | 深圳大学 | 利用物体跟踪和历史轨迹全景视频的视口预测方法及系统 |
| CN112541449A (zh) * | 2020-12-18 | 2021-03-23 | 天津大学 | 一种基于无人机航拍视角的行人轨迹预测方法 |
| CN112785628A (zh) * | 2021-02-09 | 2021-05-11 | 成都视海芯图微电子有限公司 | 一种基于全景视角检测跟踪的轨迹预测方法及系统 |
| CN113329266A (zh) * | 2021-06-08 | 2021-08-31 | 合肥工业大学 | 一种基于有限用户视角反馈的全景视频自适应传输方法 |
| CN113365156A (zh) * | 2021-06-17 | 2021-09-07 | 合肥工业大学 | 一种基于有限视场反馈的全景视频多播流的视角预测方法 |
| CN114401447A (zh) * | 2021-12-20 | 2022-04-26 | 北京字节跳动网络技术有限公司 | 一种视频卡顿预测方法、装置、设备和介质 |
Non-Patent Citations (1)
| Title |
|---|
| 一种面向多投影显示的全景视频分块编码方法;梅元乔;姜忠鼎;;计算机应用与软件(03);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114827750A (zh) | 2022-07-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110362266B (zh) | 提示信息显示方法、系统、电子设备和计算机可读介质 | |
| CN111246228B (zh) | 直播间礼物资源更新方法、装置、介质及电子设备 | |
| CN111163324B (zh) | 信息处理方法、装置和电子设备 | |
| CN114827750B (zh) | 视角的预测方法、装置、设备及存储介质 | |
| CN111309496A (zh) | 延时任务实现方法、系统、装置、设备、存储介质 | |
| CN111225255B (zh) | 目标视频推送播放方法、装置、电子设备及存储介质 | |
| CN111311358B (zh) | 信息处理方法、装置和电子设备 | |
| CN111798251A (zh) | 房源数据的验证方法、装置和电子设备 | |
| CN114528433B (zh) | 一种模板选择方法、装置、电子设备及存储介质 | |
| CN113220922B (zh) | 图像搜索方法、装置和电子设备 | |
| CN114817409A (zh) | 一种标签生成方法、装置、设备及介质 | |
| CN115103023B (zh) | 视频缓存方法、装置、设备及存储介质 | |
| CN111259174B (zh) | 多媒体发送方法、装置、电子设备及介质 | |
| CN114979757B (zh) | 视频发布方法、装置、设备及存储介质 | |
| CN110532475B (zh) | 一种信息预估方法、装置、电子设备及存储介质 | |
| CN116306976A (zh) | 一种模型的训练方法、数据召回方法、装置、介质及设备 | |
| CN117812406A (zh) | 视频处理方法、装置及电子设备 | |
| CN117714407A (zh) | 一种信息处理方法、装置、电子设备和存储介质 | |
| CN116319932A (zh) | 内容推送模型的训练方法、装置、设备及存储介质 | |
| CN117200942A (zh) | 数据处理方法、装置、介质及电子设备 | |
| CN117290038A (zh) | 应用分发方法、装置、设备及存储介质 | |
| CN113191849A (zh) | 异地线索流转系统、方法、存储介质及电子设备 | |
| CN115604584A (zh) | 一种视角预测方法、装置、设备和存储介质 | |
| CN116208787A (zh) | 一种视频下载控制方法、装置、设备和存储介质 | |
| CN117707389A (zh) | 一种信息处理方法、装置、电子设备及存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |