CN115119044B - 视频处理方法、设备、系统及计算机存储介质 - Google Patents
视频处理方法、设备、系统及计算机存储介质 Download PDFInfo
- Publication number
- CN115119044B CN115119044B CN202110292930.9A CN202110292930A CN115119044B CN 115119044 B CN115119044 B CN 115119044B CN 202110292930 A CN202110292930 A CN 202110292930A CN 115119044 B CN115119044 B CN 115119044B
- Authority
- CN
- China
- Prior art keywords
- video
- user
- synthesized
- preset
- original
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 50
- 238000003062 neural network model Methods 0.000 claims abstract description 46
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 37
- 238000012545 processing Methods 0.000 claims abstract description 18
- 239000012634 fragment Substances 0.000 claims abstract description 13
- 230000006399 behavior Effects 0.000 claims description 61
- 230000003993 interaction Effects 0.000 claims description 53
- 238000000034 method Methods 0.000 claims description 39
- 239000002131 composite material Substances 0.000 claims description 27
- 230000002452 interceptive effect Effects 0.000 claims description 22
- 230000015572 biosynthetic process Effects 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 15
- 238000003786 synthesis reaction Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 13
- 238000001514 detection method Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 5
- 230000000474 nursing effect Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000007664 blowing Methods 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 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]
- H04N21/40—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
- H04N21/44016—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 involving splicing one content stream with another content stream, e.g. for substituting a video clip
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- 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
- H04N21/21—Server components or server architectures
- H04N21/218—Source of audio or video content, e.g. local disk arrays
- H04N21/2187—Live feed
-
- 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
Abstract
本申请实施例提供了一种视频处理方法、设备、系统及计算机存储介质,其中,视频处理方法包括:从至少一个远端设备获取至少一个原始视频;利用预设神经网络模型对至少一个原始视频进行截取,得到至少一个视频片段;将至少一个视频片段进行合成得到合成视频。因为从远端设备获取了原始视频,不需要用户主动拍摄,并且利用预设神经网络模型对原始视频进行了截取,提取出了有用的视频片段,避免用户花费很多精力去筛选剪辑,简化了用户操作,提高了视频的处理效率。
Description
技术领域
本申请实施例涉及电子信息技术领域,尤其涉及一种视频处理方法、设备、系统及计算机存储介质。
背景技术
依赖于电子信息技术的发展,视频因为承载信息更加直观全面,逐渐称为信息传输和存储的重要媒介。通常情况下,用户如果想要利用视频记录生活中的点点滴滴,需要提前计划进行拍摄,对于偶然发生的一些精彩瞬间则来不及进行拍摄记录;或者,利用摄像头拍摄日常生活,则记录了过多没有什么价值的内容,如果用户要进行筛选,则需要耗费大量精力。
发明内容
有鉴于此,本申请实施例提供一种视频处理方法、设备、系统及计算机存储介质,以解决上述部分或全部问题。
根据本申请实施例的第一方面,提供了一种视频处理方法,应用于网络设备,包括:从至少一个远端设备获取至少一个原始视频;利用预设神经网络模型对至少一个原始视频进行截取,得到至少一个视频片段;将至少一个视频片段进行合成得到合成视频。
根据本申请实施例的第二方面,提供了一种视频处理方法,应用于电子设备,在检测到预设条件发生时,进行拍摄得到原始视频;将拍摄得到的至少一个原始视频传输至网络设备,以便通过对至少一个原始视频进行截取得到至少一个视频片段,并将至少一个视频片段进行合成得到合成视频;接收网络设备传输的合成视频。
根据本申请实施例的第三方面,提供了一种网络设备,包括:获取模块,用于从至少一个远端设备获取至少一个原始视频;截取模块,用于利用预设神经网络模型对至少一个原始视频进行截取,得到至少一个视频片段;合成模块,用于将至少一个视频片段进行合成得到合成视频。
根据本申请实施例的第四方面,提供了一种电子设备,包括:拍摄模块,用于在检测到预设条件发生时,进行拍摄得到原始视频;传输模块,用于将拍摄得到的至少一个原始视频传输至网络设备,以便通过对至少一个原始视频进行分割得到至少一个视频片段,并将至少一个视频片段进行合成得到合成视频;接收网络设备传输的合成视频;播放模块,用于播放合成视频。
根据本申请实施例的第五方面,提供了一种电子设备,包括:处理器、存储器、通信接口和通信总线,处理器、存储器和通信接口通过通信总线完成相互间的通信;存储器用于存放至少一可执行指令,可执行指令使处理器执行如第一方面或第二方面的视频处理方法对应的操作。
根据本申请实施例的第六方面,提供了一种视频处理系统,包括:网络设备以及电子设备,其中,网络设备为第三方面所描述的网络设备,电子设备为第四方面所描述的电子设备。
根据本申请实施例的第七方面,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如第一方面或第二方面的视频处理方法。
本申请实施例提供的视频处理方法、设备、系统及计算机存储介质,从至少一个远端设备获取至少一个原始视频;利用预设神经网络模型对至少一个原始视频进行截取,得到至少一个视频片段;将至少一个视频片段进行合成得到合成视频。因为从远端设备获取了原始视频,不需要用户主动拍摄,并且利用预设神经网络模型对原始视频进行了截取,提取出了有用的视频片段,避免用户花费很多精力去筛选剪辑,简化了用户操作,提高了视频的处理效率。
附图说明
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,下面描述中的附图仅仅是本申请实施例中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本申请实施例一提供的一种视频处理方法的场景示意图;
图2为本申请实施例一提供的一种视频处理方法的流程图;
图3为本申请实施例二提供的一种视频处理方法的流程图;
图4为本申请实施例三提供的一种视频处理方法的信息交互图;
图5为本申请实施例三提供的一种合成视频查看示意图;
图6为本申请实施例三提供的一种视频处理方法的场景示意图;
图7为本申请实施例四提供的一种网络设备的结构框图;
图8为本申请实施例五提供的一种电子设备的结构框图;
图9为本申请实施例六提供的一种视频处理系统的结构图;
图10为本申请实施例七提供的一种电子设备的结构示意图。
具体实施方式
为了使本领域的人员更好地理解本申请实施例中的技术方案,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,所描述的实施例仅是本申请实施例一部分实施例,而不是全部的实施例。基于本申请实施例中的实施例,本领域普通技术人员所获得的所有其他实施例,都应当属于本申请实施例保护的范围。
下面结合本申请实施例附图进一步说明本申请实施例具体实现。
实施例一
本申请实施例一提供一种视频处理方法,应用于网络设备,为了便于理解,对本申请实施例一所提供的视频处理方法的应用场景进行说明,参照图1所示,图1为本申请实施例一提供的一种视频处理方法的场景示意图。图1所示的场景中包括网络设备101和电子设备102。网络设备101可以是执行本申请实施例一提供的视频处理方法的设备。
电子设备102可以在检测到预设条件发生时,拍摄原始视频,将原始视频传输至网络设备101,网络设备101利用预设神经网络模型对至少一个原始视频进行截取,得到至少一个视频片段,将至少一个视频片段进行合成得到合成视频。因为网络设备利用神经网络模型对原始视频进行了截取和合成,不需要用户进行剪辑,减少了人工操作,提高了视频处理效率。
网络设备101可以是与电子设备102通过网络连接的设备,示例性地,网络设备101可以是云端的设备,例如,云端的服务器。
电子设备102可以是智能音箱、智能手机、平板电脑、笔记本电脑、等终端设备,电子设备102也可以是服务器等网络设备,本申请对此不作限制。
电子设备102可以接入网络,通过网络与网络设备101连接,并进行数据交互,本申请中,网络包括局域网(英文:Local Area Network,LAN)、广域网(英文:Wide AreaNetwork,WAN)、移动通信网络;如万维网(英文:World Wide Web,WWW)、长期演进(英文:Long Term Evolution,LTE)网络、2G网络(英文:2th Generation Mobile Network)、3G网络(英文:3th Generation Mobile Network),5G网络(英文:5th Generation MobileNetwork)等。当然,此处只是示例性说明,并不代表本申请局限于此。
结合图1所示的场景,详细说明本申请实施例一提供的视频处理方法,需要说明的是,图1只是本申请实施例一提供的视频处理方法的一种应用场景,并不代表该视频处理方法必须应用于图1所示的场景,可选地,本申请实施例提供的视频处理方法可以应用于网络设备,即网络设备为本申请实施例提供的视频处理方法的执行主体,参照图2所示,图2为本申请实施例一提供的一种视频处理方法的流程图,该方法包括以下步骤:
步骤201、从至少一个远端设备获取至少一个原始视频。
需要说明的是,远端设备可以是如图1所示的场景中的电子设备,可选地,至少一个远端设备对应于同一用户,或者至少一个远端设备属于同一个用户群组。例如,远端设备A、B、C,均登陆了同一个账户,或者A、B、C登录的账户属于同一个群组。A、B、C拍摄的原始视频都会传输至网络设备,并且A、B、C传输的原始视频一起进行视频处理。原始视频的长度可以自行设定,例如,原始视频可以是30s,60s或90s等,当然,此处只是示例性说明。
还需要说明的是,远端设备拍摄原始视频时,可以是在满足预设条件时拍摄,示例性地,在一种可选地实现方式中,通过远端设备上的传感器检测到预设条件发生时,控制远端设备拍摄原始视频。例如,网络设备可以向远端设备发送检测到预设条件发生时,拍摄原始视频的设置信息;又如网络设备可以接收远端设备发送的检测信息,如果该检测信息只是发生预设条件,则向远端设备发送控制信息,指示远端设备拍摄原始视频。当然,此处只是示例性说明。
步骤202、利用预设神经网络模型对至少一个原始视频进行截取,得到至少一个视频片段。
神经网络模型用于对原始视频进行截取,每一个原始视频可以截取出至少一个视频片段,一个视频片段的长度可以自行设定,视频片段可以是1s,2s或者5s等,当然,此处只是举例说明。示例性地,利用预设神经网络模型对至少一个原始视频进行截取,得到至少一个视频片段,包括:利用预设神经网络模型从每个原始视频截取出包含预设事件或预设行为的视频片段,得到至少一个视频片段。其中,预设事件或预设行为可以利用事件特征进行分类,事件特征可以指示预设事件或预设行为地特点,进一步可选地,视频片段具有事件特征,视频片段按照事件特征分为多种类型,至少一个视频片段具有相同的事件特征。利用神经网络模型截取视频片段,不需要人为进行视频剪辑,提高了视频处理效率。
步骤203、将至少一个视频片段进行合成得到合成视频。
需要说明的是,用于合成的至少一个视频可以是来自于一个或者多个原始视频中。合成视频可以有多种合成策略,一种合成策略可以确定合成视频的长度和视频片段的数量等。可选地,在一具体示例中,将至少一个视频片段进行合成得到合成视频,包括:根据至少一个视频片段的数量和时长,在至少一种合成策略中确定本次合成的合成策略,合成策略包含用户可调整的多个设置参数;根据确定的本次合成的合成策略,将至少一个视频片段进行合成得到合成视频。例如,合成策略可以指示将15个2秒的视频片段合成为30秒的合成视频;又如,合成策略可以指示将30个2秒的视频片段合成为60秒的合成视频;又如,合成策略可以指示将240个1秒的视频片段合成为240秒的合成视频。当然,此处只是示例性说明,视频片段的长度可以不同。
本申请实施例提供的视频处理方法,网络设备从至少一个远端设备获取至少一个原始视频;利用预设神经网络模型对至少一个原始视频进行截取,得到至少一个视频片段;将至少一个视频片段进行合成得到合成视频。因为从远端设备获取了原始视频,不需要用户主动拍摄,并且利用预设神经网络模型对原始视频进行了截取,提取出了有用的视频片段,避免用户花费很多精力去筛选剪辑,简化了用户操作,提高了视频的处理效率。
实施例二
结合实施例一所描述的视频处理方法,本申请实施例二提供一种视频处理方法,对应实施例一所描述的视频处理方法的远端设备侧,本申请实施例二提供的方法可以应用于电子设备,该电子设备可以是如图1所示的场景中的电子设备,参照图3所示,图3为本申请实施例二提供的视频处理方法的流程图,该方法包括以下步骤:
步骤301、在检测到预设条件发生时,进行拍摄得到原始视频。
其中,预设条件可以是发生预设行为或者预设事件。示例性地,在检测到预设条件发生时,进行拍摄得到原始视频,包括:对检测区域进行拍摄获取预采集视频;对预采集视频中包含的图像帧进行图像识别,并得到图像识别结果;根据图像识别的结果确定预采集视频中包含预设事件或预设行为时,基于预采集视频获取原始视频。在此示例中,电子设备持续对目标区域进行拍摄,或者也可以周期性对目标区域进行拍摄得到预采集视频,然后对预采集视频中的图像帧进行图像识别,确定是否包含预设事件或预设行为。例如,可以持续拍摄,每5分钟作为一个预采集视频,如果检测到预设事件或预设行为,则将包含预设时间或预设行为的图像帧前后30s的视频截取出来作为原始视频,当然,也可以截取出1分钟或者45s等长度的视频作为原始视频,此处只是示例性说明。因为持续拍摄,可以避免错过一些精彩瞬间。
需要说明的是,用户可以自行设置以控制电子设备是否拍摄原始视频,示例性地,该方法还包括:检测对电子设备的触发操作,根据触发操作开启爱家看护功能,以拍摄原始视频。用户自行触发打开或者关闭爱家看护功能,控制更加灵活,可以满足不同的用户需求。
步骤302、将拍摄得到的至少一个原始视频传输至网络设备,以便通过对至少一个原始视频进行截取得到至少一个视频片段,并将至少一个视频片段进行合成得到合成视频。
需要说明的是,对至少一个原始视频进行截取,可以是网络设备利用预设神经网络模型进行截取,对原始视频进行截取得到视频片段,并将至少一个视频片段进行合成得到合成视频的具体方式可以参考上述实施例一所描述的视频处理方法,此处不再赘述。
步骤303、接收网络设备传输的合成视频。
结合图1所示的应用场景,网络设备与电子设备之间可以通过互联网实现数据传输。电子设备接收到网络设备传输的合成视频后,可以向用户播放该合成视频,还可以将合成视频进行存储。
本申请实施例提供的视频处理方法,电子设备在检测到预设条件发生时,进行拍摄得到原始视频;将拍摄得到的至少一个原始视频传输至网络设备,以便通过对至少一个原始视频进行截取得到至少一个视频片段,并将至少一个视频片段进行合成得到合成视频;接收网络设备传输的合成视频。
实施例三
基于上述实施例一和实施例二所描述的视频处理方法,本申请实施例二提供一种视频处理方法,应用于网络设备和电子设备,示例性地,可以应用于图1所示的场景。参照图4所示,图4为本申请实施例三提供的一种视频处理方法的信息交互图,本申请实施例三提供的视频处理方法包括以下步骤:
步骤401、电子设备检测到触发操作时,开启爱家看护功能。
示例性地,电子设备可以是智能音箱或者智能电视等,用户通过触控操作开启爱家看护功能,或者通过遥控器控制开启爱家看护功能,或者通过语音、手势控制开启爱家看护功能。
步骤402、电子设备在检测到预设条件发生时,进行拍摄得到原始视频。
可选地,电子设备可以对检测区域进行拍摄获取预采集视频;对预采集视频中包含的图像帧进行图像识别,并得到图像识别结果;根据图像识别的结果确定预采集视频中包含预设事件或预设行为时,基于预采集视频获取原始视频。检测区域可以是电子设备的拍摄区域,或者检测区域为电子设备的拍摄区域中的部分区域(例如中心区域)。此处,对预设条件进行详细说明,预设条件可以是发生预设行为和/或预设事件,示例性地,以拍摄用户日常生活为例,用户日常生活中产生的行为/或事件可以根据事件特征分为16类,其中9类属于精彩行为/事件,7类属于一般行为/事件,精彩行为/事件可以包括:弹奏乐器、唱歌、拍手(鼓掌)、跳舞、吹蜡烛(过生日)、大笑、写字(画画)、拥抱、亲吻;一般行为/事件可以包括:吃喝东西、睡觉、打滚、爬行、玩耍、正常活动(负样本)、站立(负样本)。其中,正常活动和站立是负样本,其余的是正样本,正样本即为预设行为或预设事件,即电子设备需要抓拍的行为或事件,在这些行为/事件发生时,拍摄得到原始视频,负样本是不需要拍摄的。当检测到正样本时,即为预设条件发生,当没有检测到正样本(包括检测到负样本或者什么都没检测到),则预设条件没有发生。当然,此处只是示例性说明,根据用户需求,可以自行设定预设条件,即自行设定预设行为或预设事件,满足不同的用户需求。
步骤403、电子设备将拍摄得到的原始视频发送至网络设备。
电子设备可以周期性向网络设备发送原始视频,一个周期结束时,将该周期内拍摄的至少一个原始视频一并发送至网络设备。一个周期的时间长度可以自行设定,例如,一个周期可以是一个小时、一天或者一周等。
步骤404、网络设备利用预设神经网络模型对目标账户下的至少一个原始视频进行截取,得到至少一个视频片段。
需要说明的是,目标账户可以同时在多个电子设备(即远端设备)上登陆,目标账户所登录的电子设备发送的原始视频均为目标账户下的原始视频,网络设备可以对目标账户下的原始视频进行截取得到视频片段,一个原始视频可以截取出一个或多个视频片段。
步骤405、网络设备将至少一个视频片段进行合成得到合成视频。
可选地,结合步骤402中的说明,视频片段可以根据事件特征进行分类,同一类型的视频片段进行合成,当然,也可以是多个类型的视频片段进行合成。示例性地,根据至少一个视频片段的数量和时长,在至少一种合成策略中确定本次合成的合成策略,合成策略包含用户可调整的多个设置参数;根据确定的本次合成的合成策略,将至少一个视频片段进行合成得到合成视频。一个合成策略可以指示合成视频的长度、参与合成的视频片段的数量以及参与合成的视频片段的类型等。例如,合成策略可以指示同一类型的视频片段进行合成,还可以指示特定的某几个类型的视频片段进行合成。合成策略,也可以称为合成模板,合成策略可以由多个,也可以由用户确定合成策略。例如,用户在电子设备的爱家看护功能中设置只合成包含唱歌的视频片段,则网络设备将该用户的原始视频进行截取后得到视频片段,将包含唱歌行为的视频片段进行合成得到合成视频;又如,用户在电子设备的爱家看护功能中设置所有类型的视频片段混合合成,则网络设备对于该用户的视频片段,不区分类型,按照视频片段的拍摄时间,将各种类型的视频片段进行合成得到合成视频。当然,此处只是示例性说明。
步骤406、网络设备将合成视频发送至电子设备。
网络设备可以将合成视频发送至目标账户所登录所有电子设备,用户可以在目标账户登录的任意一个电子设备上查看合成视频,更加便捷。
步骤406之后,电子设备可以播放合成视频,并且,还可以存储合成视频,如果用户想要查看,可以直接在电子设备上查看。示例性地,如图5所示,图5为本申请实施例三提供的一种合成视频查看示意图,图5以电子设备是智能音箱为例,用户可以在智能音箱中安装爱家看护应用,在我的应用中打开爱家看护应用,可以在回忆选项里查看目标账户的所有合成视频,合成视频可以按照不同类型进行分类,以便用户选择,例如,可以包括微笑集锦、成长集锦、宠物集锦等,当然,这些分类可以继续划分为更详细的子类,此处只是示例性说明。
用户还可以对合成视频进行交互操作,例如,收藏、浏览、分享、转发、评论、点赞等,根据用户的交互行为可以对预设神经网络模型进行训练,在步骤406之后,本实施例提供的方法还可以包括:
步骤407、电子根据用户交互操作向网络设备发送交互数据。
交互数据用于指示用户对合成视频的交互操作,示例性地,交互数据可以包括用户对合成视频的交互行为及次数,例如,在一种具体的示例中,交互数据包括来自于至少一个远端设备对应的用户的多种用户输入的数据,用户输入包括收藏行为对应的输入、浏览行为对应的输入、分享行为对应的输入、转发行为对应的输入。网络设备可以接收对应于合成视频的交互数据,具体地,可以接收目标账户所登录的电子设备发送的交互数据。
步骤408、网络设备根据交互数据以及合成视频包含的至少一个视频片段,训练预设神经网络模型。
可选地,在一具体示例中,根据交互数据以及合成视频包含的至少一个视频片段,训练预设神经网络模型,包括:根据交互数据的触发事件,确定合成视频中交互数据对应的视频片段;根据交互数据确定交互数据对应的视频片段的权值,权值用于指示视频片段受用户喜爱的程度;根据视频片段以及视频片段对应的权值,训练预设神经网络模型。此处,需要说明的是,交互数据可以包括多种交互行为及其次数,每一次交互行为由对应的一个触发事件触发,例如,交互行为可以包括浏览,一次浏览对应的触发事件即为用户触发浏览的事件,比如用户点击浏览按钮或者用户点击标题,进入浏览页面。可选地,可以根据触发事件的时间确定对应的合成视频种的视频片段,具体地,触发事件发生时,对应的合成视频正在播放的视频片段即为触发事件对应的视频片段,因此,一个交互行为可以对应一个触发事件,也对应一个视频片段,交互行为对应的视频片段即为该交互行为发生时正在播放的视频片段。视频片段的权值可以由该视频片段对应的交互行为的种类和次数决定,不同的交互行为可以设定不同或者相同的权值。例如,以交互行为包括收藏、点赞、分享为例,每一种交互行为都可以设置相同的权值1,对于合成视频,合成视频可以包括15个视频片段,用户对该合成视频有20次收藏、30次点赞、10次分享,其中,第1个视频片段对应了1次收藏、2次点赞,则其权值为3,同理,可以计算每一个视频片段的权值,没有对应的交互行为的视频片段权值为0,需要说明的是,对于浏览行为,视频片段播放,则浏览次数加1,如果没有播放,则浏览次数不增加,在合成视频播放过程中,可能没有播放完用户就会关闭,因此,已经播放的视频片段浏览次数加1,未播放的视频片段播放次数不变。权值越大,说明该视频片段越受喜欢,利用视频片段、视频片段的权值训练预设神经网络模型,即可使得预设神经网络模型可以更准确地截取出用户喜欢的视频片段。
结合上述步骤401-408所描述的视频处理方法,此处列举一个具体的应用场景说明实施例三所描述的视频处理方法,如图6所示,图6为本申请实施例三提供的一种视频处理方法的场景示意图,图6所示的场景包括网络设备101、电子设备102和用户103;图6中以电子设备是智能音箱,网络设备是服务器为例。智能音箱可以对检测区域进行拍摄得到预采集视频,如果在预采集视频中检测到预设行为或预设事件,则基于预采集视频获取原始视频,并将原始视频传输至服务器,服务器可以接收多个电子设备传输的原始视频,利用预设神经网络模型对原始视频进行截取得到视频片段,并对视频片段进行合成得到合成视频,将合成视频下发至各电子设备,用户通过与电子设备进行交互可以对合成视频进行浏览、收藏、分享、转发,电子设备根据用户交互行为向服务器发送对合成视频的交互数据,服务器根据交互数据对预设神经网络模型进行训练。
结合上述图1和图6所示的场景,以及图2-图4所示的方法,本申请实施例提供的视频处理方法可以应用于家庭、办公、会议、活动等各种场景中。例如,在家庭中,可以在多个房间放置带有摄像头的智能音箱或者智能电视等电子设备,这些电子设备可以抓拍各自检测区域内的精彩瞬间,比如拥抱、大笑等,得到原始视频,并上传到网络设备,由网络设备进行截取得到视频片段,并对视频片段进行合成得到合成视频,再将合成视频发送至家庭中的各个电子设备上,也可以发送至用户登录的智能手机等终端设备上。又如,在办公场景中,办公室的电子设备可以抓拍握手、拥抱等精彩瞬间,得到原始视频并上传至网络设备进行处理。又如,在会议过程中,会议室的电子设备可以抓拍鼓掌等精彩瞬间得到原始视频,并上传至网络设备进行处理。又如,在活动场景中,活动区域的电子设备可以抓拍,大笑、跳跃等精彩瞬间,得到原始视频,并上传至网络设备处理。当然,此处只是示例性说明。
本申请实施例提供的视频处理方法,从至少一个远端设备获取至少一个原始视频;利用预设神经网络模型对至少一个原始视频进行截取,得到至少一个视频片段;将至少一个视频片段进行合成得到合成视频。因为从远端设备获取了原始视频,不需要用户主动拍摄,并且利用预设神经网络模型对原始视频进行了截取,提取出了有用的视频片段,避免用户花费很多精力去筛选剪辑,简化了用户操作,提高了视频的处理效率。
实施例四
基于上述实施例一和实施例三所描述的方法,本申请实施例四提供一种网络设备,用于执行上述实施例一和实施例三所描述的任一方法,该网络设备可以是图1和图6所示的应用场景中的网络设备101,参照图7所示,该网络设备70包括:
获取模块701,用于从至少一个远端设备获取至少一个原始视频;
截取模块702,用于利用预设神经网络模型对至少一个原始视频进行截取,得到至少一个视频片段;
合成模块703,用于将至少一个视频片段进行合成得到合成视频。
可选地,在一种实现方式中,截取模块702,用于利用预设神经网络模型从每个原始视频截取出包含预设事件或预设行为的视频片段,得到至少一个视频片段。
可选地,在一种实现方式中,视频片段具有事件特征,视频片段按照事件特征分为多种类型,至少一个视频片段具有相同的事件特征。
可选地,在一种实现方式中,至少一个远端设备对应于同一用户,或者至少一个远端设备属于同一个用户群组。
可选地,在一种实现方式中,该网络设备70还包括训练模块704,用于接收对应于合成视频的交互数据;根据交互数据以及合成视频包含的至少一个视频片段,训练预设神经网络模型。
可选地,在一种实现方式中,交互数据包括来自于至少一个远端设备对应的用户的多种用户输入的数据,用户输入包括收藏行为对应的输入、浏览行为对应的输入、分享行为对应的输入、转发行为对应的输入。
可选地,在一种实现方式中,训练模块704,用于根据交互数据的触发事件,确定合成视频中交互数据对应的视频片段;根据交互数据确定交互数据对应的视频片段的权值,权值用于指示视频片段受用户喜爱的程度;根据视频片段以及视频片段对应的权值,训练预设神经网络模型。
可选地,在一种实现方式中,合成模块703,用于根据至少一个视频片段的数量和时长,在至少一种合成策略中确定本次合成的合成策略,合成策略包含用户可调整的多个设置参数;根据确定的本次合成的合成策略,将至少一个视频片段进行合成得到合成视频。
可选地,在一种实现方式中,获取模块701,用于通过远端设备上的传感器检测到预设条件发生时,控制远端设备拍摄原始视频。
本申请实施例提供的网络设备,从至少一个远端设备获取至少一个原始视频;利用预设神经网络模型对至少一个原始视频进行截取,得到至少一个视频片段;将至少一个视频片段进行合成得到合成视频。因为从远端设备获取了原始视频,不需要用户主动拍摄,并且利用预设神经网络模型对原始视频进行了截取,提取出了有用的视频片段,避免用户花费很多精力去筛选剪辑,简化了用户操作,提高了视频的处理效率。
实施例五
基于上述实施例二和实施例三所描述的方法,本申请实施例五提供一种电子设备,用于执行上述实施例二和实施例三所描述的任一方法,该电子设备可以是图1和图6所示的应用场景中的电子设备102,参照图8所示,该电子设备80包括:
拍摄模块801,用于在检测到预设条件发生时,进行拍摄得到原始视频;
传输模块802,用于将拍摄得到的至少一个原始视频传输至网络设备,以便通过对至少一个原始视频进行分割得到至少一个视频片段,并将至少一个视频片段进行合成得到合成视频;接收网络设备传输的合成视频;
播放模块803,用于播放合成视频。
可选地,在一种实现方式中,拍摄模块801,还用于检测对电子设备的触发操作,根据触发操作开启爱家看护功能,以拍摄原始视频。
可选地,在一种实现方式中,拍摄模块801,用于对检测区域进行拍摄获取预采集视频;对预采集视频中包含的图像帧进行图像识别,并得到图像识别结果;根据图像识别的结果确定预采集视频中包含预设事件或预设行为时,基于预采集视频获取原始视频。
本申请实施例提供的电子设备,在检测到预设条件发生时,进行拍摄得到原始视频;将拍摄得到的至少一个原始视频传输至网络设备,以便通过对至少一个原始视频进行截取得到至少一个视频片段,并将至少一个视频片段进行合成得到合成视频;接收网络设备传输的合成视频。
实施例六
基于上述实施例一至实施例五所描述的方法和设备,本申请实施例六提供一种视频处理系统,用于执行上述实施例一至实施例三所描述的任一方法,如图9所示,该视频处理系统90,包括:网络设备901以及电子设备902,其中,网络设备为四所描述的任一网络设备;电子设备为实施例五所描述的任一电子设备。网络设备901和电子设备902通信连接。
实施例七
基于上述实施例一至实施例三所描述的方法,本申请实施例七提供一种电子设备,用于执行上述实施例一至实施例三所描述的方法,参照图10所示,图10为本申请实施例七提供的一种电子设备的结构示意图,本申请具体实施例并不对电子设备的具体实现做限定。
如图10所示,该电子设备100可以包括:处理器(processor)1002、通信接口(Communications Interface)1004、存储器(memory)1006、以及通信总线1008。
其中:
处理器1002、通信接口1004、以及存储器1006通过通信总线1008完成相互间的通信。
通信接口1004,用于与其它电子设备如终端设备或服务器进行通信。
处理器1002,用于执行程序1010,具体可以执行上述方法实施例中的相关步骤。
具体地,程序1010可以包括程序代码,该程序代码包括计算机操作指令。
处理器1002可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本申请实施例的一个或多个集成电路。电子设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器1006,用于存放程序1010。存储器1006可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序1010具体可以用于使得处理器1002执行前述实施例一中的任一方法;或者,程序1010具体可以用于使得处理器1002执行前述实施例二中的任一方法。
程序1010中各步骤的具体实现可以参见上述比例尺调整方法实施例中的相应步骤和单元中对应的描述,在此不赘述。所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的设备和模块的具体工作过程,可以参考前述方法实施例中的对应过程描述,在此不再赘述。
实施例八
基于上述实施例一至实施例三所描述的方法,本申请实施例八提供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如实施例一至实施例三所描述的任一方法。
需要指出,根据实施的需要,可将本申请实施例中描述的各个部件/步骤拆分为更多部件/步骤,也可将两个或多个部件/步骤或者部件/步骤的部分操作组合成新的部件/步骤,以实现本申请实施例的目的。
上述根据本申请实施例的方法可在硬件、固件中实现,或者被实现为可存储在记录介质(诸如CD ROM、RAM、软盘、硬盘或磁光盘)中的软件或计算机代码,或者被实现通过网络下载的原始存储在远程记录介质或非暂时机器可读介质中并将被存储在本地记录介质中的计算机代码,从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件(诸如ASIC或FPGA)的记录介质上的这样的软件处理。可以理解,计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件(例如,RAM、ROM、闪存等),当所述软件或计算机代码被计算机、处理器或硬件访问且执行时,实现在此描述的视频处理方法。此外,当通用计算机访问用于实现在此示出的视频处理方法的代码时,代码的执行将通用计算机转换为用于执行在此示出的视频处理方法的专用计算机。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及方法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请实施例的范围。
以上实施方式仅用于说明本申请实施例,而并非对本申请实施例的限制,有关技术领域的普通技术人员,在不脱离本申请实施例的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本申请实施例的范畴,本申请实施例的专利保护范围应由权利要求限定。
Claims (19)
1.一种视频处理方法,应用于网络设备,其包括:
从至少一个远端设备获取至少一个原始视频;
利用预设神经网络模型对所述至少一个原始视频进行截取,得到至少一个视频片段;
将所述至少一个视频片段进行合成得到合成视频;
接收对应于所述合成视频的交互数据;所述交互数据用于指示用户对所述合成视频的交互操作;所述交互数据包括来自于所述至少一个远端设备对应的用户的多种用户输入的数据,所述用户输入包括收藏行为对应的输入、浏览行为对应的输入、分享行为对应的输入、转发行为对应的输入;
根据所述交互数据以及所述合成视频包含的所述至少一个视频片段,训练所述预设神经网络模型。
2.根据权利要求1所述的方法,其中,所述利用预设神经网络模型对所述至少一个原始视频进行截取,得到至少一个视频片段,包括:
利用所述预设神经网络模型从每个所述原始视频截取出包含预设事件或预设行为的视频片段,得到所述至少一个视频片段。
3.根据权利要求2所述的方法,其中,所述视频片段具有事件特征,所述视频片段按照事件特征分为多种类型,所述至少一个视频片段具有相同的事件特征。
4.根据权利要求1所述的方法,其中,
所述至少一个远端设备对应于同一用户,或者所述至少一个远端设备属于同一个用户群组。
5.根据权利要求1所述的方法,其中,所述根据所述交互数据以及所述合成视频包含的所述至少一个视频片段,训练所述预设神经网络模型,包括:
根据所述交互数据的触发事件,确定所述合成视频中所述交互数据对应的视频片段;
根据所述交互数据确定所述交互数据对应的视频片段的权值,所述权值用于指示所述视频片段受用户喜爱的程度;
根据所述视频片段以及所述视频片段对应的权值,训练所述预设神经网络模型。
6.根据权利要求1所述的方法,其中,所述将所述至少一个视频片段进行合成得到合成视频,包括:
根据所述至少一个视频片段的数量和时长,在至少一种合成策略中确定本次合成的合成策略,所述合成策略包含用户可调整的多个设置参数;
根据确定的本次合成的合成策略,将所述至少一个视频片段进行合成得到所述合成视频。
7.根据权利要求1-6任一项所述的方法,其中,所述方法还包括:
通过所述远端设备上的传感器检测到预设条件发生时,控制所述远端设备拍摄所述原始视频。
8.一种视频处理方法,应用于电子设备,其包括:
在检测到预设条件发生时,进行拍摄得到原始视频;
将拍摄得到的至少一个原始视频传输至网络设备,以便通过对至少一个原始视频进行截取得到至少一个视频片段,并将所述至少一个视频片段进行合成得到合成视频;
接收所述网络设备传输的所述合成视频;
根据用户交互操作向网络设备发送交互数据,以使网络设备根据所述交互数据以及所述合成视频包含的所述至少一个视频片段,训练预设神经网络模型;所述交互数据用于指示用户对所述合成视频的交互操作;所述交互数据包括来自于所述至少一个远端设备对应的用户的多种用户输入的数据,所述用户输入包括收藏行为对应的输入、浏览行为对应的输入、分享行为对应的输入、转发行为对应的输入。
9.根据权利要求8所述的方法,其中,所述方法还包括:
检测对所述电子设备的触发操作,根据所述触发操作开启爱家看护功能,以拍摄原始视频。
10.根据权利要求8所述的方法,其中,所述在检测到预设条件发生时,进行拍摄得到原始视频,包括:
对检测区域进行拍摄获取预采集视频;
对所述预采集视频中包含的图像帧进行图像识别,并得到图像识别结果;
根据图像识别的结果确定所述预采集视频中包含预设事件或预设行为时,基于所述预采集视频获取所述原始视频。
11.一种网络设备,包括:
获取模块,用于从至少一个远端设备获取至少一个原始视频;
截取模块,用于利用预设神经网络模型对所述至少一个原始视频进行截取,得到至少一个视频片段;
合成模块,用于将所述至少一个视频片段进行合成得到合成视频;
训练模块,用于接收对应于合成视频的交互数据;所述交互数据用于指示用户对所述合成视频的交互操作;根据交互数据以及合成视频包含的至少一个视频片段,训练预设神经网络模型;所述交互数据包括来自于所述至少一个远端设备对应的用户的多种用户输入的数据,所述用户输入包括收藏行为对应的输入、浏览行为对应的输入、分享行为对应的输入、转发行为对应的输入。
12.根据权利要求11所述的网络设备,其中,
所述截取模块,用于利用所述预设神经网络模型从每个所述原始视频截取出包含预设事件或预设行为的视频片段,得到所述至少一个视频片段。
13.根据权利要求11所述的网络设备,其中,
所述获取模块,还用于接收对应于所述合成视频的交互数据;
所述截取模块,还用于根据所述交互数据以及所述合成视频包含的所述至少一个视频片段,训练所述预设神经网络模型。
14.根据权利要求13所述的网络设备,其中,
所述截取模块,用于根据所述交互数据的触发事件,确定所述合成视频中所述交互数据对应的视频片段;根据所述交互数据以及所述交互数据对应的视频片段确定所述合成视频中每个视频片段的权值,所述视频片段的权值用于指示所述视频片段受用户喜爱的程度;根据所述至少一个视频片段的权值以及所述至少一个视频片段训练所述预设神经网络模型。
15.一种电子设备,包括:
拍摄模块,用于在检测到预设条件发生时,进行拍摄得到原始视频;
传输模块,用于将拍摄得到的至少一个所述原始视频传输至网络设备,以便通过对至少一个所述原始视频进行分割得到至少一个视频片段,并将所述至少一个视频片段进行合成得到合成视频;接收所述网络设备传输的所述合成视频;
播放模块,用于播放所述合成视频;根据用户交互操作向网络设备发送交互数据,以使网络设备根据所述交互数据以及所述合成视频包含的所述至少一个视频片段,训练预设神经网络模型;所述交互数据用于指示用户对所述合成视频的交互操作;所述交互数据包括来自于所述至少一个远端设备对应的用户的多种用户输入的数据,所述用户输入包括收藏行为对应的输入、浏览行为对应的输入、分享行为对应的输入、转发行为对应的输入。
16.根据权利要求15所述的电子设备,其中,
所述拍摄模块,用于对检测区域进行拍摄获取预采集视频;对所述预采集视频中包含的图像帧进行图像识别,并得到图像识别结果;根据图像识别的结果确定预采集视频中包含目标对象的预设行为时,基于所述预采集视频获取所述原始视频。
17.一种电子设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-7中任一项所述的视频处理方法对应的操作;
或者,所述可执行指令使所述处理器执行如权利要求8-10中任一项所述的视频处理方法对应的操作。
18.一种视频处理系统,包括:网络设备以及电子设备,其中,网络设备为权利要求11-14任一项所描述的网络设备;电子设备为权利要求15或16所描述的电子设备。
19.一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现如权利要求1-7中任一所述的视频处理方法;
或者,该程序被处理器执行时实现如权利要求8-10中任一所述的视频处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110292930.9A CN115119044B (zh) | 2021-03-18 | 2021-03-18 | 视频处理方法、设备、系统及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110292930.9A CN115119044B (zh) | 2021-03-18 | 2021-03-18 | 视频处理方法、设备、系统及计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115119044A CN115119044A (zh) | 2022-09-27 |
CN115119044B true CN115119044B (zh) | 2024-01-05 |
Family
ID=83323112
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110292930.9A Active CN115119044B (zh) | 2021-03-18 | 2021-03-18 | 视频处理方法、设备、系统及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115119044B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015096648A1 (zh) * | 2013-12-23 | 2015-07-02 | 乐视致新电子科技(天津)有限公司 | 智能电视中的视频分享方法及系统 |
CN106028134A (zh) * | 2015-03-31 | 2016-10-12 | 泽普实验室公司 | 针对移动计算设备检测体育视频精彩部分 |
CN107995536A (zh) * | 2017-11-28 | 2018-05-04 | 百度在线网络技术(北京)有限公司 | 一种提取视频预览的方法、装置、设备和计算机存储介质 |
CN109194978A (zh) * | 2018-10-15 | 2019-01-11 | 广州虎牙信息科技有限公司 | 直播视频剪辑方法、装置和电子设备 |
CN109685090A (zh) * | 2017-10-19 | 2019-04-26 | 阿里巴巴集团控股有限公司 | 热度评测模型的训练方法、热度评测方法以及相关设备 |
CN109714644A (zh) * | 2019-01-22 | 2019-05-03 | 广州虎牙信息科技有限公司 | 一种视频数据的处理方法、装置、计算机设备和存储介质 |
CN109711545A (zh) * | 2018-12-13 | 2019-05-03 | 北京旷视科技有限公司 | 网络模型的创建方法、装置、系统和计算机可读介质 |
CN109862388A (zh) * | 2019-04-02 | 2019-06-07 | 网宿科技股份有限公司 | 直播视频集锦的生成方法、装置、服务器及存储介质 |
CN109885723A (zh) * | 2019-02-20 | 2019-06-14 | 腾讯科技(深圳)有限公司 | 一种视频动态缩略图的生成方法、模型训练的方法及装置 |
CN110263916A (zh) * | 2019-05-31 | 2019-09-20 | 腾讯科技(深圳)有限公司 | 数据处理方法和装置、存储介质及电子装置 |
CN110996112A (zh) * | 2019-12-05 | 2020-04-10 | 成都市喜爱科技有限公司 | 视频编辑方法、装置、服务器及存储介质 |
CN111726682A (zh) * | 2020-06-30 | 2020-09-29 | 北京百度网讯科技有限公司 | 视频片段生成方法、装置、设备和计算机存储介质 |
CN111988663A (zh) * | 2020-08-28 | 2020-11-24 | 北京百度网讯科技有限公司 | 视频播放节点的定位方法、装置、设备以及存储介质 |
KR20200132569A (ko) * | 2019-05-17 | 2020-11-25 | 삼성전자주식회사 | 특정 순간에 관한 사진 또는 동영상을 자동으로 촬영하는 디바이스 및 그 동작 방법 |
CN112153324A (zh) * | 2019-06-28 | 2020-12-29 | 杭州萤石软件有限公司 | 一种监控视频显示方法、装置及系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10390082B2 (en) * | 2016-04-01 | 2019-08-20 | Oath Inc. | Computerized system and method for automatically detecting and rendering highlights from streaming videos |
US10335690B2 (en) * | 2016-09-16 | 2019-07-02 | Microsoft Technology Licensing, Llc | Automatic video game highlight reel |
US20180122422A1 (en) * | 2016-11-02 | 2018-05-03 | Lr Acquisition, Llc | Multimedia creation, production, and presentation based on sensor-driven events |
EP3340103A1 (en) * | 2016-12-21 | 2018-06-27 | Axis AB | Method for identifying events in a motion video |
US10810435B2 (en) * | 2018-11-07 | 2020-10-20 | Adobe Inc. | Segmenting objects in video sequences |
-
2021
- 2021-03-18 CN CN202110292930.9A patent/CN115119044B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015096648A1 (zh) * | 2013-12-23 | 2015-07-02 | 乐视致新电子科技(天津)有限公司 | 智能电视中的视频分享方法及系统 |
CN106028134A (zh) * | 2015-03-31 | 2016-10-12 | 泽普实验室公司 | 针对移动计算设备检测体育视频精彩部分 |
CN109685090A (zh) * | 2017-10-19 | 2019-04-26 | 阿里巴巴集团控股有限公司 | 热度评测模型的训练方法、热度评测方法以及相关设备 |
CN107995536A (zh) * | 2017-11-28 | 2018-05-04 | 百度在线网络技术(北京)有限公司 | 一种提取视频预览的方法、装置、设备和计算机存储介质 |
CN109194978A (zh) * | 2018-10-15 | 2019-01-11 | 广州虎牙信息科技有限公司 | 直播视频剪辑方法、装置和电子设备 |
CN109711545A (zh) * | 2018-12-13 | 2019-05-03 | 北京旷视科技有限公司 | 网络模型的创建方法、装置、系统和计算机可读介质 |
CN109714644A (zh) * | 2019-01-22 | 2019-05-03 | 广州虎牙信息科技有限公司 | 一种视频数据的处理方法、装置、计算机设备和存储介质 |
CN109885723A (zh) * | 2019-02-20 | 2019-06-14 | 腾讯科技(深圳)有限公司 | 一种视频动态缩略图的生成方法、模型训练的方法及装置 |
CN109862388A (zh) * | 2019-04-02 | 2019-06-07 | 网宿科技股份有限公司 | 直播视频集锦的生成方法、装置、服务器及存储介质 |
KR20200132569A (ko) * | 2019-05-17 | 2020-11-25 | 삼성전자주식회사 | 특정 순간에 관한 사진 또는 동영상을 자동으로 촬영하는 디바이스 및 그 동작 방법 |
CN110263916A (zh) * | 2019-05-31 | 2019-09-20 | 腾讯科技(深圳)有限公司 | 数据处理方法和装置、存储介质及电子装置 |
CN112153324A (zh) * | 2019-06-28 | 2020-12-29 | 杭州萤石软件有限公司 | 一种监控视频显示方法、装置及系统 |
CN110996112A (zh) * | 2019-12-05 | 2020-04-10 | 成都市喜爱科技有限公司 | 视频编辑方法、装置、服务器及存储介质 |
CN111726682A (zh) * | 2020-06-30 | 2020-09-29 | 北京百度网讯科技有限公司 | 视频片段生成方法、装置、设备和计算机存储介质 |
CN111988663A (zh) * | 2020-08-28 | 2020-11-24 | 北京百度网讯科技有限公司 | 视频播放节点的定位方法、装置、设备以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115119044A (zh) | 2022-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102097098B1 (ko) | 뷰어 표현에 따라 미디어 컨텐츠를 캡쳐링 | |
JP2021522723A (ja) | 人工知能基盤解像度改善システム | |
CN107247733B (zh) | 一种视频片段观看热度分析方法及系统 | |
WO2012142797A1 (zh) | 一种视频监控系统及方法 | |
WO2016202166A1 (zh) | 一种智能家居视频监控方法和系统 | |
CN111263170B (zh) | 一种视频播放方法、装置、设备及可读存储介质 | |
CN106416220A (zh) | 将视频自动插入照片故事 | |
CN103942275B (zh) | 一种视频识别方法与设备 | |
CN108076386A (zh) | 视频卡顿检测方法及装置、存储介质 | |
CN105262942A (zh) | 分布式自动影像和视频处理 | |
CN112188267B (zh) | 视频播放方法、装置和设备及计算机存储介质 | |
CN104508614B (zh) | 显示控制装置、显示控制方法和程序 | |
CN111586432B (zh) | 空播直播间确定方法、装置、服务器及存储介质 | |
CN108063909A (zh) | 视频会议系统、图像跟踪采集方法及装置 | |
JP2022533911A (ja) | マルチメディアインタラクティブ方法、装置、機器及び記憶媒体 | |
CN105007415B (zh) | 一种图像预览方法和装置 | |
CN115119044B (zh) | 视频处理方法、设备、系统及计算机存储介质 | |
CN109218618A (zh) | 视频图像抓拍方法与视频图像抓拍机器人 | |
CN109241949A (zh) | 图像处理方法及空调设备、终端、存储介质、电子装置 | |
EP3350720A1 (en) | Methods and apparatus for information capture and presentation | |
CN114491466B (zh) | 一种基于私有云技术的智能训练系统 | |
CN103702167B (zh) | 一种实现节目预览图显示的方法及电子设备 | |
WO2017049474A1 (zh) | 一种拍摄方法以及智能手环 | |
JP6757449B2 (ja) | 情報処理装置、情報処理装置の制御方法及び制御プログラム | |
CN112702652A (zh) | 智能家居的控制方法和装置、存储介质、电子装置 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240314 Address after: 51 Belarusian Pasha Road, Singapore, Lai Zan Da Building 1 # 03-06, Postal Code 189554 Patentee after: Alibaba Innovation Co. Guo jiahuodiqu after: Xin Jiapo Address before: Room 01, 45th Floor, AXA Building, 8 Shanton Road, Singapore Patentee before: Alibaba Singapore Holdings Ltd. Guo jiahuodiqu before: Xin Jiapo |