CN115379259A - 视频处理方法、装置、电子设备和存储介质 - Google Patents
视频处理方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN115379259A CN115379259A CN202210993667.0A CN202210993667A CN115379259A CN 115379259 A CN115379259 A CN 115379259A CN 202210993667 A CN202210993667 A CN 202210993667A CN 115379259 A CN115379259 A CN 115379259A
- Authority
- CN
- China
- Prior art keywords
- video
- quality
- target video
- characteristic
- target
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 36
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 238000005457 optimization Methods 0.000 claims abstract description 86
- 238000012545 processing Methods 0.000 claims abstract description 72
- 238000001514 detection method Methods 0.000 claims description 105
- 238000000034 method Methods 0.000 claims description 32
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 11
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000006243 chemical reaction Methods 0.000 description 46
- 230000000875 corresponding effect Effects 0.000 description 44
- 230000003993 interaction Effects 0.000 description 39
- 230000002596 correlated effect Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 230000002452 interceptive effect Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 230000007613 environmental effect Effects 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 5
- 230000002829 reductive effect Effects 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000011897 real-time detection Methods 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000013433 optimization analysis Methods 0.000 description 1
- 238000012858 packaging process Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 239000003755 preservative agent Substances 0.000 description 1
- 230000002335 preservative effect Effects 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本公开提供了一种视频处理方法、装置、电子设备和存储介质，涉及数据处理领域，具体为云计算、大数据和人工智能领域。具体实现方案为：获取待存储数据；对目标视频进行处理，得到目标视频的质量特征；根据目标视频的质量特征，在与视频质量相关的相关特征中，确定目标视频的优化特征；根据目标视频的优化特征，生成视频优化信息，并提供给目标视频的发布用户。本公开实施例可以提高视频质量。
Description
技术领域
本公开涉及数据处理领域，尤其涉云计算、大数据和人工智能领 域，具体涉及一种视频处理方法、装置、电子设备和存储介质。
背景技术
视频包含丰富的内容信息，已成为用户之间交流的重要媒体信息。
目前各类视频处理技术层出不穷，因而，视频质量评估技术显得日益 重要。
发明内容
本公开提供了一种视频处理方法、装置、电子设备和存储介质。
根据本公开的一方面，提供了一种视频处理方法，包括：
对目标视频进行处理，得到目标视频的质量特征；
根据目标视频的质量特征，在与视频质量相关的相关特征中，确定目 标视频的优化特征；
根据目标视频的优化特征，生成视频优化信息，并提供给目标视频的 发布用户。
根据本公开的一方面，提供了一种视频处理装置，包括：
目标视频处理模块，用于对目标视频进行处理，得到目标视频的质量 特征；
质量特征判断模块，用于根据目标视频的质量特征，在与视频质量相 关的相关特征中，确定目标视频的优化特征；
优化信息生成模块，用于根据目标视频的优化特征，生成视频优化信 息，并提供给目标视频的发布用户。
根据本公开的另一方面，提供了一种电子设备，包括：
至少一个处理器；以及
与至少一个处理器通信连接的存储器；其中，
存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理 器执行，以使至少一个处理器能够执行本公开任一实施例的视频处理方 法。
根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算 机可读存储介质，其中，计算机指令用于使计算机执行本公开任一实施例 的视频处理方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程 序，计算机程序在被处理器执行时实现本公开任一实施例的视频处理方 法。
本公开实施例可以提高视频质量。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键 或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下 的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是根据本公开实施例公开的一种视频处理方法的流程图；
图2是根据本公开实施例公开的另一种视频处理方法的流程图；
图3是根据本公开实施例公开的另一种视频处理方法的流程图；
图4是根据本公开实施例公开的一种视频处理方法的场景图；
图5是根据本公开实施例公开的另一种视频处理方法的流程图；
图6是根据本公开实施例公开的一种目标视频内容检测的流程图；
图7是根据本公开实施例公开的一种发布页面的结构示意图；
图8是根据本公开实施例公开的一种视频处理方法的场景图；
图9是根据本公开实施例公开的一种视频处理装置的结构图；
图10是用来实现本公开实施例的视频处理方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实 施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本 领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和 修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的 描述中省略了对公知功能和结构的描述。
图1是根据本公开实施例公开的一种视频处理方法的流程图，本实施 例可以适用于对视频质量进行分析处理的情况。本实施例方法可以由视频 处理装置来执行，该装置可采用软件和/或硬件的方式实现，并具体配置于 具有一定数据运算能力的电子设备中，该电子设备可以是客户端设备或服 务器设备，客户端设备例如手机、平板电脑、车载终端和台式电脑等。
S101、对目标视频进行处理，得到目标视频的质量特征。
其中，目标视频可以是已发布到互连网中的视频。示例性的，实现本 公开实施例的电子设备为视频平台，视频平台中可以接收用户发送的视 频，并公开发布到互联网中，其他用户可以在视频平台中浏览已发布的视 频。可选的，对目标视频进行处理的时间可以与目标视频的发布时间邻 近，也可以是间隔一段时间。即可以是刚刚发布完成目标视频，便对目标 视频进行处理；也可以是发布目标视频一段时间之后，再对目标视频进行 处理。目标视频的处理可以是实时的在线处理，也可以是非实时的离线处 理。
质量特征可以是用于表征目标视频质量的特征。质量特征需要对目标 视频进行分析处理得到。可选的，根据不同类别，质量特征可以包括：声 音特征、字幕特征、画面特征、内容特征、时长特征和发文特征等。示例 性的，声音特征可以包括：有无真实人声解说、有无机器人声解说、有无 明显环境音、每分钟节拍数(BPM,Beat Per Minute)和音量等；字幕特征可 以包括：是否有字幕等；画面特征可以包括：横竖版画面、色彩饱和度、 动画和码率等；内容特征可以包括：是否真实性表达、是否专业性表达、 是否一镜到底、是否真人出镜、前5s主题是否鲜明和是否口播引导等；时 长特征可以包括：视频时长等；发文特征可以包括：发文时间和发文频次 等。真实人声解说可以是目标视频中的解说为真人配音解说。机器人声解 说可以是目标视频中的解说为机器音配音解说。明显环境音可以是目标视 频中除了解说、背景音乐之后还存在其他环境音或背景音。每分钟节拍数 可以是背景音乐每分钟的节拍数，用于判定背景音乐的节奏快慢。音量可 以是解说和背景音乐等的音量大小。动画可以是视频中配有动画。码率可 以是与视频分辨率相关的参数。真实性表达可以是视频真实性的画面展 现，例如视频拍摄画面中存在工厂、设备作业、生产过程、发车过程或打 包过程等。专业性表达可以是通过视频内容分享行业知识干货，可以体现 出用户的专业性。前5s主题鲜明可以是视频的前5s引入主题内容。口播 引导可以是通过口播进行营销性引导。此外，质量特征还可以包括根据需 要设置为其他内容，对此不具体限定。
具体的，可以根据需要，对批量视频进行结构化剥离特征的处理，建 立特征库，并针对特征库中每类特征设置检测规则，并基于检测规则，检 测目标视频是否存在该检测规则对应的特征，将具有的特征，确定为质量 特征。此外，还可以对视频进行视频解析，得到视频特征，并基于视频特 征和质量特征之间的关系，从而检测目标视频存在哪些质量特征。
S102、根据目标视频的质量特征，在与视频质量相关的相关特征中， 确定目标视频的优化特征。
目标视频的质量特征可以理解为疑似(可能)对目标视频的视频质量 存在影响的特征。相关特征可以是影响视频质量的特征，相关特征用于筛 选出优化特征。可选的，相关特征可以包括与视频质量正相关的特征和/或 与视频质量负相关的特征。优化特征用于提高目标视频质量，优化特征可 以包括：目标视频不存在的且可提高视频质量的特征，和/或目标视频存在 的且可降低视频质量的特征。具体的，优化特征为与目标视频无关(目标 视频的质量特征中不存在)的正相关的相关特征，和/或与目标视频有关 (目标视频的质量特征中存在)的负相关的相关特征。
示例性的，在声音特征中的是否有真实人声解说一项中，相关特征可 以是有真实人声解说，且该相关特征可以提高视频质量。而质量特征中不 存在该相关特征，则将该相关特征确定为目标视频的优化特征。又如，相 关特征可以是视频时长过长，且该相关特征可以降低视频特征，而质量特 征中存在该相关特征，则将该相关特征确定为目标视频的优化特征。
具体的，可以将所得到的目标视频的质量特征以及与视频质量相关的 相关特征，进行对比，将正相关的相关特征中与质量特征不一致的作为目 标视频的优化特征。将负相关的相关特征中与质量特征一致的作为目标视 频的优化特征。需要说明的是，目标视频存在的负相关的相关特征和不存 在的正相关的相关特征可以相同。
S103、根据目标视频的优化特征，生成视频优化信息，并提供给目标 视频的发布用户。
其中，视频优化信息可以是针对目标视频进行优化的建议信息。视频 优化信息是经过对目标视频进行分析后的得到的。针对视频优化信息可以 进行正向表述或反向表述。示例性的，如前例，目标视频的优化特征为有 真实人声解说，且与视频质量正相关，可以确定目标视频的优化建议，也 即针对目标视频为无真实人声解说的情况，视频优化信息可以是“建议添 加真实人声解说哦～”，视频优化信息也可以是“无真实人声解说”，从 而使得发布目标视频的发布用户可以对目标视频进行优化，增加真实人生 解说的语音。
发布用户可以是发布目标视频的用户。
具体的，可以根据目标视频的优化特征，生成视频优化信息，并将该 视频优化信息发送给发布用户。可选的，若存在至少一个目标视频的优化 特征，则针对至少一个相应的相关特征，视频优化信息中可以包含至少一 条优化的建议信息。若不存在目标视频的优化特征，则视频优化信息中可 以不包含优化的建议信息，可以包含赞美视频的信息，例如“您的视频已 经非常精彩”。
示例性的，若目标视频的质量特征为有明显环境音，目标视频的优化 特征为无明显环境音，且与视频质量正相关。可以针对无明显环境音这一 相关特征，生成“环境音过于明显哦～”这一视频优化信息，并将该视频 优化信息发送给发布用户。
若目标视频的质量特征为有明显环境音和音量小，目标视频的优化特 征为有明显环境音和音量小，且与视频质量负相关。可以针对无明显环境 音和音量中的相关特征，生成“环境音过于明显哦～”和“音量有点小哦 ～”两条视频优化信息，并将该视频优化信息发送给发布用户。
若目标视频的质量特征为无明显环境音，目标视频的优化特征为无明 显环境音，且与视频质量正相关。没有可以针对该相关特征的视频优化信 息，则可以生成“视频非常不错哦～”这一视频优化信息，并将该视频优 化信息发送给发布用户。
现有存在一些企业用户创造的视频为产品细节、厂区环境和工厂实拍 等为核心主体，这样随手拍摄的视频往往存在清晰度低、明显晃动、环境 音嘈杂以及画面不知所云等质量问题，因此导致视频无法正常分发。而一 些个人用户拍的视频存在的问题往往是过于冗余和主题不明确等。视频平 台没有对用户发布的视频提供针对性的视频优化建议，会导致视频难以针 对性优化，甚至从错误的方向进行优化，进一步使得视频质量下降。
根据本公开的技术方案，对目标视频进行处理，识别出目标视频的质 量特征，并结合与视频质量相关的相关特征，确定目标视频的优化特征， 并针对性生成视频优化信息，并提供给发布用户，可以结合质量特征，更 有针对性地提供视频优化方向和优化建议，从而使得用户可以精准针对缺 陷优化视频，准确提高视频质量，并且减少视频平台中低质视频的数量， 实现减少网络资源的浪费，合理利用网络的存储资源和传输资源。
图2是根据本公开实施例公开的另一种视频处理方法的流程图，基于 上述技术方案进一步优化与扩展，并可以与上述各个可选实施方式进行结 合。对目标视频进行处理，得到目标视频的质量特征，具体化为：对目标 视频进行解析，得到目标视频的视频特征；对目标视频的视频特征进行处 理，得到目标视频的质量特征。
S201、对目标视频进行解析，得到目标视频的视频特征。
其中，视频特征可以是用于表征视频的特征，具体可以包括视频基础 参数。示例性的，视频特征可以包括：亮度、对比度、饱和度、锐化、分 辨率、频率、音量、音色和BPM值等。可选的，视频特征可以通过利用 常规的视频处理手段直接得到。示例性的，可以通过提取视频图像中的灰 度值、灰度级、像素值等，确定图像的亮度、对比度、饱和度、锐化和分辨率等参数；可以通过音频提取软件获取视频的音量、音色和BPM值 等。视频特征可以是对目标视频进行第一步处理后直接得到的特征。视频 特征可以理解为目标视频的基本特征。
具体的，可以利用常规的视频处理的手段，对目标视频进行解析，提 取目标视频的基本的视频特征。
S202、对目标视频的视频特征进行处理，得到目标视频的质量特征。
其中，此时，质量特征可以是对视频特征进行处理后得到的表征目标 视频的视频质量的特征。可选的，质量特征可以是对目标视频进行第二步 处理得到的特征数据。
具体的，对目标视频的视频特征进行综合分析，得到与目标视频的视 频质量相关的质量特征。
可以针对质量特征设置与视频特征有关的检测规则，基于检测规则， 根据目标视频存在的视频特征，检测目标视频存在的质量特征。示例性 的，目标视频存在的视频特征包括音频的波形和音量等，对波形进一步进 行解析，检测是否存在语音和环境音以及比较音量，例如，环境音的音量 大于语音音量的二分之一，确定存在明显环境音，即质量特征包括有明显 环境音。
又如，若针对目标视频的有无真实人声解说这一质量特征，则可以对 视频特征中的音频和音量等进行分析，初步判断是否有解说，若有解说的 话，再根据音频曲线进行分析，判断是否为真实人声解说。最终可以得到 目标视频的质量特征为有真实人声解说或无真实人声解说。
又如，若针对目标视频的前5s是否主题鲜明这一质量特征，则可以针 对视频中前5s的字幕和音频进行文字识别，判断所识别的字幕或音频中是 否和视频的标题相关，或者判断是否和视频所关联的话题相关。最终可以 得到目标视频的质量特征为前5s主题鲜明或前5s主题不鲜明。
在一个可选实施例中，对目标视频的视频特征进行处理，得到目标视 频的质量特征可以包括：将目标视频和目标视频的视频特征输入至预先训 练的质量特征识别模型中，得到质量特征识别模型输出的目标视频的质量 特征。其中，质量特征识别模型用于根据目标视频以及目标视频的视频特 征，检测出与目标视频的质量相关的特征。
质量特征识别模型的输入为目标视频和目标视频的视频特征，输出结 果为目标视频的质量特征。可选的，质量特征识别模型的训练过程可以 为：对已发布视频的质量特征进行标注，并利用常规的视频处理的手段对 已发布视频的视频特征进行解析提取；将已发布视频和已发布视频的视频 特征输入至带待训练的质量特征识别模型中，将输出结果与已发布视频的 质量特征进行对比，计算损失函数，直至损失函数收敛模型训练结束。此外，训练结束条件还可以是损失函数小于预设值和训练轮次达到预设次数 等，对此不具体限定。可选的，质量特征识别模型为机器学习模型，具体 是神经网络模型，例如卷积神经网络模型、径向基神经网络模型、感知器 神经网络模型、线性神经网络模型或反馈神经网络模型等。
具体的，可以将目标视频和目标视频的视频特征输入至质量特征识别 模型中，质量特征识别模型对目标视频进行识别，分析出目标视频的质量 特征，并输出结果。
通过利用预先训练好的质量特征识别模型对目标视频的质量特征进行 识别，实现了对目标视频的质量特征的综合分析，提高了质量特征识别的 效率和准确性。
S203、根据目标视频的质量特征，在与视频质量相关的相关特征中， 确定目标视频的优化特征。
具体的，与视频质量相关的相关特征为与视频质量正相关的相关特 征。目标视频的优化特征为在相关特征中与质量特征不一致的相关特征。
S204、根据目标视频的优化特征，生成视频优化信息，并提供给目标 视频的发布用户。
根据本公开的技术方案，通过对目标视频进行解析得到目标视频的视 频特征，对目标视频的视频特征进行处理得到目标视频的质量特征，在与 视频质量相关的相关特征中确定目标视频的优化特征，并生成视频优化信 息，并提供给目标视频的发布用户，通过提取视频特征，对视频特征进一 步处理的到质量特征，相较于直接确定质量特征，增加输入内容的丰富 性，从而根据更多更详细的输入信息确定质量特征，提高质量特征的代表性，提高质量特征提取的准确性，进而提高了视频质量优化建议的精准 性，保证了视频质量提高的精准度。
图3是根据本公开实施例公开的另一种视频处理方法的流程图，基于 上述技术方案进一步优化与扩展，并可以与上述各个可选实施方式进行结 合。视频处理方法，还包括：对多个已发布视频进行处理，得到各已发布 视频的质量特征；获取各已发布视频的发布数据，并确定各已发布视频的 质量检测结果；根据各已发布视频的质量检测结果，以及各已发布视频的 质量特征，检测视频质量与各质量特征的相关程度；根据视频质量与各质 量特征的相关程度，确定与视频质量相关的相关特征。
S301、对多个已发布视频进行处理，得到各已发布视频的质量特征。
其中，已发布视频可以是预设时间段内目标视频所在平台上发布的视 频。可以周期性获取一段时间内的平台上发布的视频。周期可以是预先设 定好的处理周期。示例性的，周期可以为一个季度、半年或一年等。周期 可以根据技术人员的经验值进行设定和调整。
可以逐个对已发布视频进行处理，得到各已发布视频的质量特征。
可选的，对单个已发布视频进行处理，得到该已发布视频的质量特征 可以为：可以直接对已发布视频进行处理，得到已发布视频的对应质量特 征。
可选的，对单个已发布视频进行处理，得到该已发布视频的质量特征 可以为：利用常规的视频处理的手段，对已发布视频进行解析，提取已发 布视频的基本的视频特征；针对已发布视频的质量特征，对已发布视频的 视频特征进行综合分析，得到与视频质量相关的已发布视频的质量特征。
可选的，对单个已发布视频进行处理，得到该已发布视频的质量特征 可以为：利用常规的视频处理的手段，对已发布视频进行解析，提取已发 布视频的基本的视频特征；将已发布视频和已发布视频的视频特征输入至 质量特征识别模型中，质量特征识别模型对已发布视频进行识别，分析出 已发布视频的质量特征，并输出结果。
S302、获取各已发布视频的发布数据，并确定各已发布视频的质量检 测结果。
其中，发布数据可以是与已发布视频有关的用户行为数据。可选的， 发布数据可以包括：浏览数据、互动数据和转化数据。浏览数据可以包 括：浏览用户数量、浏览次数和浏览时长等；互动数据可以包括：点赞 量、收藏量、弹幕量、弹幕内容、评论量和评论内容等。转化数据可以包 括：私信量和私信内容等。浏览量可以是已发布视频的累计浏览数量；浏 览时长可以是已发布视频的平均浏览时长；点赞量可以是已发布视频的累 计点赞量；收藏量可以是已发布视频的累计收藏量；评论量可以是已发布 视频的累计评论量；私信量可以是通过已发布视频的进行私信的累计私信 用户量。例如，单个用户多次私信，私信量为1。其中，浏览数据和互动 数据为公开在视频的展示页面上的数据，转化数据为经过私信双方用户授 权的提供给视频平台的数据。其中，发布数据的获取均符合合法合规，且 不违背公序良俗。
质量检测结果可以是表征已发布视频的视频质量的检测结果。质量检 测结果可以基于已发布视频的发布数据进行确定。示例性的，质量检测结 果可以为“高”、“中”或“低”。质量检测结果也可以为“优”、 “平”或“差”。
可选的，可以获取各已发布视频的发布数据，求取浏览量和浏览时长 综合计算得到的浏览数量；求取各个已发布视频的点赞量、收藏量和评论 量等互动数量；求取各个已发布视频的私信量等转化数量。然后求取全部 已发布视频的平均互动数量、平均浏览数量和平均转化数量。对比单个已 发布视频的浏览数量(互动数量或转化数量)与全部已发布视频的平均浏 览数量(平均互动数量或平均转化数量)，若高于，则质量检测结果中浏 览数据(互动数据或转化数据)的结果可以是“浏览量(互动量或转化 量)高”；若等于，则质量检测结果中浏览数据(互动数据或转化数据) 的结果可以是“浏览量(互动量或转化量)中”；若小于，则质量检测结 果中浏览数据(互动数据或转化数据)的结果可以是“浏览量(互动量或 转化量)低”；对互动数据或转化数据的判断过程与互动数据的判断过程 相同，在此不做赘述。可以将包含下述至少一项：“浏览量高”、“互动 量高”或“转化量高”的已发布视频的质量检测结果确定为“质量检测结 果高”；可以将不包含“浏览量高”、“互动量高”或“转化量高”，且 包含下述至少一项：“浏览量中”、“互动量中”或“转化量中”的已发 布视频的质量检测结果确定为“质量检测结果中”；可以将将不包含“浏 览量高”、“互动量高”、“转化量高”、“浏览量中”、“互动量中” 或“转化量中”，且包含下述至少一项：“浏览量低”、“互动量低”或 “转化量低”的已发布视频的质量检测结果确定为“质量检测结果低”； 即可得到单个已发布视频的质量检测结果。再对各已发布视频进行依次判 断，最终，得到各已发布视频的质量检测结果。
示例性的，可以获取各已发布视频的发布数据，设定已发布视频1的 浏览量为300，浏览时长为10s，视频总时长为30s，点赞量为10，收藏量 为50，评论量为3，私信量为10，已发布视频1的浏览数量可以为100 (即浏览数量＝浏览量*(浏览时长/视频总时长))；已发布视频1的互动 数量为63(即互动数量＝点赞量+收藏量+评论量)；已发布视频1的转化 数量可以为2(即转化数据＝私信量)。设全部已发布视频的平均浏览数量 为150，全部已发布视频的平均互动数量为50，全部已发布视频的平均转 化数量为5，则已发布视频1可以为“浏览量低，互动量高，转化量 高”，已发布视频1的质量检测结果为“质量检测结果高”。再对各已发 布视频进行依次判断，最终，得到各已发布视频的质量检测结果。
可选的，可以获取各已发布视频的发布数据，求取浏览量和浏览时长 综合计算得到的浏览数量；求取各个已发布视频的点赞量、收藏量和评论 量等互动数量；求取各个已发布视频的私信量等转化数量。判断单个已发 布视频的浏览数量(互动数量或转化数量)与全部已发布视频的平均浏览 数量(平均互动数量或平均转化数量)，若高于，则判断单个待检测视频 的浏览数量(互动数量或转化数量)高于的同类型待检测视频的数量与同 类型的待检测视频的总量的百分比；若低于或等于，则判断单个待检测视 频的浏览数量(互动数量或转化数量)低于或等于的同类型待检测视频的 数量与同类型的待检测视频的总量的百分比；可以将包含下述至少一项： 浏览量高于同类型的待检测视频、互动量高于同类型的待检测视频或转化 量高于同类型的待检测视频的已发布视频的质量检测结果确定为“质量检 测结果高”；可以将不包含浏览量高于同类型的待检测视频、互动量高于 同类型的待检测视频或转化量高于同类型的待检测视频的已发布视频，且 包含下述至少一项：浏览量等于同类型的待检测视频、互动量等于同类型 的待检测视频或转化量等于同类型的待检测视频的已发布视频的已发布视 频的质量检测结果确定为“质量检测结果中”；可以将将不包含浏览量高 于同类型的待检测视频、互动量高于同类型的待检测视频、转化量高于同 类型的待检测视频、浏览量等于同类型的待检测视频、互动量等于同类型 的待检测视频或转化量等于同类型的待检测视频，且包含下述至少一项： 浏览量低于同类型的待检测视频、互动量低于同类型的待检测视频或转化 量低于同类型的待检测视频的已发布视频的质量检测结果确定为“质量检 测结果低”。即可得到单个已发布视频的质量检测结果。再对各已发布视 频进行依次判断，最终，得到各已发布视频的质量检测结果。
示例性的，可以获取各已发布视频的发布数据，设定已发布视频2的 浏览量为200，浏览时长为15s，视频总时长为60s，点赞量为5，收藏量 为20，评论量为3，私信量为2，已发布视频2的浏览数量可以为50(即 浏览数量＝浏览量*(浏览时长/视频总时长))；已发布视频2的互动数量 为28(即互动数量＝点赞量+收藏量+评论量+私信量)。设全部已发布视 频的平均浏览数量为150，全部已发布视频的平均互动数量为50，全部已 发布视频的平均转化数量为5，设定同类型的已发布视频数据为100；低 于已发布视频2的浏览数量50的数量为70；低于已发布视频2的互动数 量30的数量为65；低于已发布视频2的互动数量50的数量60；则已发布 视频2的浏览数据、互动数据和转化数据为“浏览量低于同类型视频70％，互动量低于同类型视频65％，转化量低于同类型视频60％”。即已 发布视频2的质量检测结果为“质量检测结果低”。
S303、根据各已发布视频的质量检测结果，以及各已发布视频的质量 特征，检测视频质量与各质量特征的相关程度。
其中，相关程度可以是视频质量和质量特征之间的相关联的程度，相 关程度用于描述质量特征对提高视频质量是否有影响，以及影响的程度。
例如，可以筛选出质量检测结果为高或优的已发布视频的质量特征， 从中查询相同的质量特征，根据相同的质量特征的第一数量，与视频质量 建立相关程度，例如，数量越多，相关程度数值越大；例如，数量越小， 相关程度数值越小。
又如，从筛选出质量检测结果为低或差的已发布视频的质量特征，从 中查询相同的质量特征，获取相同的质量特征的第二数量。比较同一质量 特征的第一数量和第二数量，将该质量特征的第一数量与第二数量之间的 比值或差值，与视频质量建立相关程度，例如，该质量特征的比值或差值 越大，相关程度数值越大；例如，该质量特征的比值或差值越小，相关程 度数值越小。
又如，可以筛选出质量检测结果为高或优的已发布视频的质量特征， 根据相同的质量特征的第一数量，与已发布视频的第三数量的比值，确定 单个质量特征的第四数量；将第四数量的数值由大到小排序，排序名次在 质量特征数量阈值之内的质量特征，判定为与视频质量相关的质量特征； 质量特征数量阈值为预先设定的筛选出的与视频质量相关的质量特征的个 数的上限值。再判断筛选出来的各个质量特征的占比，与视频质量建立相关程度。例如，该质量特征的第四数量占比越大，相关程度越大；例如， 该质量特征的第四数量占比越小，相关程度越小。
此外，相关程度还可以是其他计算方式，对此不具体限定。
在一个可选实施例中，根据各已发布视频的质量检测结果，以及各已 发布视频的质量特征，检测视频质量与各质量特征的相关程度，包括如下 子步骤：获取各已发布视频的质量特征的特征值，同一质量特征存在多个 特征值；根据各已发布视频的质量检测结果，以及各已发布视频的特征 值，确定各特征值对应的质量分数；针对每个质量特征，根据质量特征存 在的多个特征值对应的质量分数，确定视频质量与质量特征的相关程度。
具体的，步骤3031、获取各已发布视频的质量特征的特征值，同一质 量特征存在多个特征值。
其中，特征值可以是质量特征对应的取值。特征值为对质量特征的具 体描述，可以包括量化值或者分类。实际上，质量特征具有不同的特征 值，例如，质量特征包括音量，对应的特征值为高、中和低。不同特征值 的质量特征与视频质量的相关程度不同。相应的，相关程度还可以表征视 频质量和质量特征的特征值之间的相关程度。
可选的，同一质量特征存在多个特征值。示例性的，如表1所示，为 已发布视频的质量特征示例表。
表1已发布视频的质量特征示例表
由表1可见，一个质量特征的特征值至少有以下两种情况：
1、特征值为固定值：
表1中的声音特征、字幕特征、画面特征、内容特征和发文特征对应 的质量特征的特征值均为固定值。示例性的，有无有真实人声解说的质量 特征的特征值为有或无；音量的质量特征的特征值为高、中或低。
2、特征值为非固定值：
表1中的时长特征的特征值为非固定值。可选的，可以先确定视频时 长的数值范围，然后对数值范围进行分段处理，将分段的视频时长预设为 对应的视频时长的特征值。示例性的，若设定视频时长的数值范围为15s- 115s，则可以将数值范围分为5段，即视频时长的特征值为15～35s、 36～55s、56～75s、76～95s、96～115s。
具体的，可以针对各个质量特征，对各已发布视频进行分析处理，获 取各已发布视频的各个质量特征对应的具体特征值。
步骤3032、根据各已发布视频的质量检测结果，以及各已发布视频的 特征值，确定各特征值对应的质量分数。
其中，质量分数用于描述已发布视频的特征值对视频质量的影响程 度，以表征特征值与视频质量之间的相关程度。示例性的，质量分数为正 值，表明特征值与视频质量正相关，正的质量分数越高，特征值与视频质 量正相关程度越高。正的质量分数越低，特征值与视频质量正相关程度越 低。质量分数为负值，表明特征值与视频质量负相关。
可选的，可以根据已发布视频的转换数据的质量检测结果，统计已发 布视频的视频分数。其中，视频分数可以采用不同规则计算，例如，基于 已发布数量的浏览数量、互动数量、转化数量或前述量值的加权和等，又 如，将质量检测结果为优、高或其他的表明视频质量好的已发布视频，确 定该已发布视频的视频分数为第一数值，如1，其他已发布视频的视频分 数为第二数值，如0，此外还有其他计算方式，对此不具体限定。在这些 已发布视频中统计存在每个特征值的已发布视频，以及对应的视频分数， 并计算各特征值的第一分数，例如，将存在同一特征值的已发布视频的视 频分数进行累加，确定为该特征值的第一分数。在全部已发布视频中，检 测存在每个特征值的视频数量，确定为各特征值对应的视频数量。针对每 个特征值，计算该特征值的第一分数和对应的视频数量之间的比值，确定该特征值的第二分数。单个质量特征存在多个特征值。针对同一质量特 征，计算存在的多个特征值的第二分数之和，确定为该质量特征的特征分 数。针对该质量特征中每个特征值，计算该特征值的第二分数与该质量特 征的特征分数之间的比值，确定为该特征值的质量分数。
示例性的，设定质量特征为X，质量特征的特征值包括X1,X2,…,Xn； 特征值X1对应的第一分数为Yx1，特征值X2对应的第一分数为 Yx2，……，特征值Xn对应的第一分数为Yxn；特征值X1对应的已发布视 频数量为n1，特征值X2对应的已发布视频数量n2，……，特征值Xn对应 的已发布视频数量为nn；第二分数的计算结果如下：
对于特征X1，Y1＝∑Yx1/n1；
对于特征X2，Y2＝∑Yx2/n2；
……
对于特征Xn，Yn＝∑Yxn/nn；
质量分数的计算公式具体如下：
Qxi＝Yi/∑Yn
其中，Qxi为质量分数；Yi为各特征值的第二分数；∑Yn为该质量特征 的特征分数。
例如，视频质量可以采用转化数量衡量，转化数量越高，视频质量越 好，转化数量越低，视频质量越差，质量分数用于表征单个已发布视频的 特征值的转化数量。此外，视频质量还可以采用发布数据中至少一类数据 衡量，例如可以是采用多类数据在标准化之后的加权求和的数值衡量。质 量分数为特征值的平均转换数量(即第二分数)与所属相关特征的平均转 换数量(即该质量特征的特征分数)之间的比值。其中，特征值所属相关 特征的平均转换数量(即该质量特征的特征分数)为该特征值所属的相关 特征的各特征值的平均转换数量之和。特征值的平均转换数量(即第二分 数)为该特征值的转换数量(即第一分数)与存在该特征值的已发布视频 的数量(即对应的已发布视频数量)之间的比值。
步骤3033、针对每个质量特征，根据质量特征存在的多个特征值对应 的质量分数，确定视频质量与质量特征的相关程度。
具体的，可以针对每个质量特征，结合每个质量特征对应的多个特征 值的质量分数，判断质量分数是够高于质量分数阈值，若是，则该质量特 征的特征值与视频质量相关程度较大；若否，则该质量特征的特征值与视 频质量相关程度不大。
示例性的，设定质量分数阈值为50；质量特征为音量，特征值为高、 中和低；音量高对应的质量分数为40，音量中对应的质量分数为60，音 量低对应的质量分数为20；判断分别音量的高、中和低是否高于质量分数 阈值，即可确定音量高和低与视频质量的相关程度不大；音量中与视频质 量的相关程度较大。
又如，质量分数还可以与相关程度为正比例相关。质量分数越大，相 关程度越大，质量分数越小，相关程度越小。
通过引入质量特征的特征值和质量分数，实现了对单个质量特征的多 个特征值的比较，将质量特征更为具体化，便于判断质量特征具体为哪一 种特征值时，视频的质量更高，提高了质量特征判断的准确性和灵活性。
在一个可选实施例中，根据质量特征存在的多个特征值对应的质量分 数，确定视频质量与质量特征的相关程度，包括：将质量特征存在的多个 特征值对应的质量分数进行比较；在最大质量分数与次大质量分数满足分 数接近条件的情况下，确定视频质量与质量特征无关。
具体的，可以比较质量特征对应的多个特征值的对应的质量分数，确 定多个特征值的质量分数的高度排序。最大质量分数可以是多个特征值中 最高的质量分数。次大质量分数可以是多个质量特征中第二高的质量分 数。分数接近条件可以是判断质量分数是否接近的条件。
具体的，可以判断最大质量分数大于次大质量分数的值与最大质量分 数的比值的百分比，若百分比大于等于预设百分比，则确定该质量特征与 视频质量相关；若百分比小于预设百分比，则确定该质量特征与视频质量 无关。
示例性的，设定预设百分比为20％。若最大质量分数为Qx1，次大质 量分数为Qx2，若最大质量分数与次大质量分数之间的差值，与最大质量 分数的比值小于20％，则该质量特征与视频质量无关。否则，则表示该类 别下该已发布视频的质量特征的特征值与视频质量有关。
通过判断最大质量分数和次大质量分数之间的是否满足接近条件，实 现了对质量特征的特征值的相关程度进行判定，保证了相关程度判定的准 确性，进而保证了与视频质量相关的质量特征判断的准确性。
S304、根据视频质量与各质量特征的相关程度，确定与视频质量相关 的相关特征。
具体的，根据视频质量与各质量特征的相关程度，确定与视频质量有 关的相关特征以及相关特征的特征值，具体是可提高视频质量的相关特征 以及相关特征的特征值。
可选的，可以将对特征值、质量分数、相关程度、视频优化建议和排 序等进行展示。如表2所示为特征值与视频优化建议的相关实例。
表2特征值与视频优化建议的相关实例
如表2所示，质量特征的特征值为有真人出镜的数量与存在该特征值 的已发布视频的总量的比值为1.3，质量特征的特征值为无真人出镜的数 量与存在该特征值的已发布视频的总量的比值为0.3，有真人出镜的质量 分数为0.8125，无真人出镜的质量分数为0.1875，最大质量分数和次大质 量分数的相关程度为76.9％，因此有无真人出镜的质量特征与视频质量有 关，且有真人出镜的特征值与视频质量正相关，因此，有真人出镜为该质量特征对应的优化特征，视频优化信息为“有真人出镜”。有口播引导和 无口播引导与前述类似，在此不做赘述。关于质量特征的排序，可以按照 特征值的质量分数由高至低进行排序。如表2所示，有真人出镜的质量分 数高于有口播引导的质量分数，因此有无真人出镜的排序为1，有无口播 引导的排序为2。
S305、对目标视频进行处理，得到目标视频的质量特征。
S306、根据目标视频的质量特征，在与视频质量相关的相关特征中， 确定目标视频的优化特征。
可以针对全部视频确定通用的视频质量相关的相关特征，还可以对已 发布视频进行分类，针对每类型，确定与该类型视频的视频质量相关的相 关特征。具体的，可以对多个已发布视频进行聚类，得到相应类型的已发 布视频的集合，针对每个类型的已发布视频进行处理，得到各已发布视频 的质量特征。可选的，可以根据已发布视频对应的行业或产品功能等进行 聚类。从而，针对目标视频，确定目标视频所属的类型，并获取该类型对 应的，与视频质量相关的相关特征，实现基于不同类型，针对性确定不同 的相关特征，从而针对性提高不同类型视频的视频质量。
示例性的，图4提供了一种视频处理方法的优选实施例。如图4所 示，该方法包括：
步骤一、对已发布视频进行聚类。
如图4所示，已发布视频可以按照行业进行聚类。行业可以包括：食 品机械、石材切割和防腐材料等行业。各个行业中包含N个视频。
步骤二、提取不同的质量特征，确定相关程度。
如图4所示，分别对食品机械行业和防腐材料行业中的各已发布视频 进行处理，根据质量特征库，确定各质量特征在各行业的已发布视频中的 中的转化数量，将转化数量前四名的质量特征确定为正相关的质量特征。
步骤三、根据正相关的质量特征，确定视频优化信息。
如图4所示，将转化数量前四名的质量特征确定为正相关的质量特 征，并将正相关的质量特征确定为优化特征，根据优化特征生成视频优化 建议。
S307、根据目标视频的优化特征，生成视频优化信息，并提供给目标 视频的发布用户。
根据本公开的技术方案，对多个已发布视频进行处理，得到各已发布 视频的质量特征；获取各已发布视频的发布数据，并确定各已发布视频的 质量检测结果；根据各已发布视频的质量检测结果，以及各已发布视频的 质量特征，检测视频质量与各质量特征的相关程度；根据视频质量与各质 量特征的相关程度，确定与视频质量相关的相关特征；利用对已发布视频 的发布数据进行分析，预先确定了质量特征中与视频质量相关的相关特征，便于生成视频优化信息，方便对视频质量进行优化，提高了视频处理 的效率。
图5是是根据本公开实施例公开的另一种视频处理方法的流程图，基 于上述技术方案进一步优化与扩展，并可以与上述各个可选实施方式进行 结合。视频处理方法，还包括：对目标视频进行解析；获取目标视频的标 题和封面；对目标视频的解析数据、标题和封面进行内容问题检测；将内 容问题检测结果提供给目标视频的发布用户。
S501、对目标视频进行处理，得到目标视频的质量特征。
S502、根据目标视频的质量特征，在与视频质量相关的相关特征中， 确定目标视频的优化特征。
S503、根据目标视频的优化特征，生成视频优化信息，并提供给目标 视频的发布用户。
S504、对目标视频进行解析。
具体的，可以对目标视频的内容进行解析，得到目标视频的封面、标 题、内容、画面、声音和字幕等解析数据。其中，解析数据可以是对目标 视频进行解析后得到的数据。
S505、获取目标视频的标题和封面。
具体的，获取目标视频的标题和封面对应的数据。封面通常是图像， 即播放视频的页面区域在未开始播放视频时展示的图像。
S506、对目标视频的解析数据、标题和封面进行内容问题检测。
其中，内容问题可以从视频内容、标题内容和封面内容等维度进行检 测。具体是检测明显质量和规范等问题。明显质量问题例如是画面黑屏、 内容不完整或清晰度太差等。规范未提例如是符合公序良俗、不符合法律 或包含推广信息等。其中，内容问题检测可以是离线检测。实际上视频的 解析需要耗费大量的计算资源，实时检测会占用视频平台资源，导致视频 平台负载过多，从而，内容问题检测是非实时检测。
示例性的，如表3所示，提供了一种内容问题的具体示例。
表3内容问题示例表
示例性的，可以根据表3对目标视频的解析数据、标题、封面、视频 内容、画面、声音和字幕依次进行内容问题检测，判断目标视频是否包含 内容问题。不同类型的问题可以采用相应的规则进行内容问题检测。
S507、将内容问题检测结果提供给目标视频的发布用户。
其中，内容检测结果可以是对目标视频进行内容检测的结果。内容检 测结果可以包含目标视频存在的具体的内容问题和内容问题说明。其中， 内容问题说明可以是内容问题的具体描述。
具体的，若检测存在内容问题，则将内容问题检测结果提供给目标视 频的发布用户。
图6提供了一种目标视频内容检测的流程图。
可以将目标视频的数据拆分为视频帧1，视频帧2，……，视频帧 N，将拆分后的解析数据进行内容问题检测，将检测到的内容问题进行汇 总，并进行内容诊断，生成内容检测结果后，发送给目标视频的发布用 户。
在一个可选实施例中，该视频处理方法，还包括：接收所述发布用户 发送的目标视频；对所述目标视频以及所述目标视频的标题和封面进行形 式问题检测；在所述形式问题检测结果为无问题的情况下，对所述目标视 频进行发布。
具体的，可以通过视频平台接收发布用户发送的目标视频。
其中，形式问题可以是目标视频的标题、封面或内容形式上是否存在 明显质量和规范等问题。形式问题无需对目标视频进行解析即可直接得 到。形式问题检测可以是实时在线的过程。
示例性的，如表4所示，提供了一种形式问题的具体示例。
表4形式问题的具体示例
示例性的，可以根据表4内容对目标视频的标题、封面和内容依次进 行形式问题检测，判断目标视频是否包含形式问题。
在无问题的情况下，直接对用户发送的视频进行发布。可选的，若目 标视频存在形式问题，则会对目标视频进行至少一次提醒。
示例性的，当发布用户针对目标视频点击“提交”时，会对目标视频 的形式问题进行识别，若存在形式问题，则提醒发布用户“当前检测您的 视频疑似出现以下问题：xx1、xx2。建议您优化后发布。”(xx为相应的 形式问题)。点击“好的”按钮，则弹窗消失；点击“坚持发布”，则再 次提醒“发布低质视频将被限流，严重者将被永久封号”，再次点击“坚 持发布”，则目标视频发送；点击“取消”，则弹窗消失。
通过对目标视频的形式问题进行实时检测，从形式上保证了目标视频 的质量。
在一个可选实施例中，该视频处理方法，还包括：响应于发布用户的 视频发布指令；获取历史问题以及历史问题的频次；根据历史问题的频 次，对历史问题进行筛选，并根据筛选结果确定相应视频发布提示信息； 将视频发布提示信息提供给发布用户，以在发布页面上显示视频发布提示 信息；接收发布用户发送的目标视频，包括：接收发布用户通过发布页面 发送的目标视频。
其中，视频发布指令可以是目标视频的发布指令。视频平台接收到发 布用户的视频发布指令。可选的，视频发布指令可以是触发发布目标视频 的指令。示例性的，视频平台在视频发布页面上接收发布用户通过点击发 布控件输入的视频发布指令。
其中，历史问题可以是发布用户的已发布视频中检测出来的历史的内 容问题和形式问题。具体的，可以获取发布用户的已发布视频出现的历史 问题以及历史问题出现的频次。
其中，视频发布提示信息可以是提醒用户避免历史问题的提示信息。 视频发布提示信息出现在发布用户发布视频时。视频发布提示信息可以显 示在发布页面。视频发布提示信息可以周期性更新。例如，可以每天更 新。可选的，视频发布提示信息可以自动配置，也可以人工后台配置。可 选的，视频发布提示信息可以是正向提示或反向提示。
示例性的，表5为视频发布提示信息的具体示例。
表5视频发布提示信息的具体示例
| 提醒文案举例如下： |
| 建议：有解说与字幕的视频可获得更多曝光～ |
| 建议：画质清晰且稳定的视频可获得更多曝光～ |
| 建议：横版视频可获得更多流量曝光～ |
| 建议：挑选商品技巧是非常不错的主题哦～ |
| 建议：商品使用方法是非常不错的主题哦～ |
具体的，可以根据历史问题出现的频次，将历史问题按照历史问题出 现频次进行排序，并将预设条数的历史问题筛选出来，生成筛选结果，并 将筛选结果生成对应的视频发布提示信息。可选的，若发布用户没有历史 问题，则将视频平台中历史发布过视频的用户的历史问题按照历史问题的 频次生成筛选结果。
具体的，可以将带有顺序的预设条数的视频发布提示信息提供给发布 用户，即在发布页面按照顺序滚动循环显示视频发布信息。
具体的，可以通过发布页面接收发布用户发送的目标视频。
示例性的，如图7所示，提供了一种发布页面的结构示意图。
发布页面包含视频标题、选择视频、视频发布提示信息、选择封面、 确认和剩余发布次数提醒等部分。
其中，视频标题用于输入目标视频的标题内容。选择视频用于接收目 标视频。视频发布提示信息用于提示发布用户规避历史问题。选择封面用 于接收目标视频的封面。确认用于确认发布目标视频。剩余发布次数提醒 用于提示发布用户当天的剩余发布视频次数。
通过对发布用户的历史问题和历史问题的频次进行获取，生成视频发 布提示信息，避免了发布用户反复出现历史问题，保证了目标视频的质 量。
根据本公开的技术方案，通过对目标视频进行解析；获取目标视频的 标题和封面；对目标视频的解析数据、标题和封面进行内容问题检测；将 内容问题检测结果提供给目标视频的发布用户；对目标视频的内容问题进 行检测，避免了目标视频出现内容问题，保障了目标视频的质量。
图8根据本公开实施例公开的一种视频处理方法的场景图。
如图8所示，用户在发布目标视频时，视频平台的发布页面会出现视 频发布提示信息，提醒用户规避历史问题；用户在上传目标视频并点击发 布目标视频之后，视频平台会对目标视频进行形式问题检测，若形式问题 检测不通过，则对目标视频进行提醒，提醒用户注意形式问题；若形式问 题检测通过，则直接发布。在目标视频发布之后，可以对目标视频进行内 容问题检测和视频优化信息的生成，并反馈给目标视频的发布用户。
通过对形式问题和内容问题的识别与诊断一体化，提升了优质视频的 标准渗透，提高视频的发文门槛，实现了发文前后的质量识别；同时，还 根据大数据算子引入了质量特征的优化分析，提高了视频的质量。
根据本公开的实施例，图9是本公开实施例中的视频处理装置的结构 图，本公开实施例适用于对视频质量特征进行分析处理的情况。该装置采 用软件和/或硬件实现，并具体配置于具备一定数据运算能力的电子设备 中。
如图9所示的一种视频处理装置900，包括：目标视频处理模块901、质量特征判断模块902和优化信息生成模块903；其中，
目标视频处理模块901，用于对目标视频进行处理，得到目标视频的 质量特征；
质量特征判断模块902，用于根据目标视频的质量特征，在与视频质 量相关的相关特征中，确定目标视频的优化特征；
优化信息生成模块903，用于根据目标视频的优化特征，生成视频优 化信息，并提供给目标视频的发布用户。
根据本公开的技术方案，对目标视频进行处理，识别出目标视频的质 量特征，并结合与视频质量相关的相关特征，确定目标视频的优化特征， 并针对性生成视频优化信息，并提供给发布用户，可以结合质量特征，更 有针对性地提供视频优化方向和优化建议，从而使得用户可以精准针对缺 陷优化视频，准确提高视频质量，并且减少视频平台中低质视频的数量， 实现减少网络资源的浪费，合理利用网络的存储资源和传输资源。
在一个可选实施例中，目标视频处理模块901，包括：
视频特征获取单元，用于对目标视频进行解析，得到目标视频的视频 特征。
质量特征获取单元，用于对目标视频的视频特征进行处理，得到目标 视频的质量特征。
在一个可选实施例中，质量特征获取单元，包括：
质量特征检测子单元，用于将目标视频和目标视频的视频特征输入至 预先训练的质量特征识别模型中，得到质量特征识别模型输出的目标视频 的质量特征，其中，质量特征识别模型用于根据目标视频以及目标视频的 视频特征，检测出与目标视频的质量相关的特征。
在一个可选实施例中，视频处理装置还包括：
发布视频处理模块，用于对多个已发布视频进行处理，得到各已发布 视频的质量特征。
质量结果确定模块，用于获取各已发布视频的发布数据，并确定各已 发布视频的质量检测结果。
相关程度检测模块，用于根据各已发布视频的质量检测结果，以及各 已发布视频的质量特征，检测视频质量与各质量特征的相关程度。
相关特征确定模块，用于根据视频质量与各质量特征的相关程度，确 定与视频质量相关的相关特征。
在一个可选实施例中，相关程度检测模块，包括：
特征值获取单元，用于获取各已发布视频的质量特征的特征值，同一 质量特征存在多个特征值。
质量分数确定单元，用于根据各已发布视频的质量检测结果，以及各 已发布视频的特征值，确定各特征值对应的质量分数。
相关程度确定单元，用于针对每个质量特征，根据质量特征存在的多 个特征值对应的质量分数，确定视频质量与质量特征的相关程度。
在一个可选实施例中，相关程度确定单元，包括：
质量分数比较子单元，用于将质量特征存在的多个特征值对应的质量 分数进行比较；
无关特征确定子单元，用于在最大质量分数与次大质量分数满足分数 接近条件的情况下，确定视频质量与质量特征无关。
在一个可选实施例中，视频处理装置，还包括：
目标视频解析模块，用于对目标视频进行解析。
标题封面获取模块，用于获取目标视频的标题和封面。
内容问题检测模块，用于对目标视频的解析数据、标题和封面进行内 容问题检测。
检测结果提供模块，用于将内容问题检测结果提供给目标视频的发布 用户。
在一个可选实施例中，视频处理装置，还包括：
目标视频接收模块，用于接收发布用户发送的目标视频。
形式问题检测模块，用于对目标视频以及目标视频的标题和封面进行 形式问题检测。
目标视频发布模块，用于在形式问题检测结果为无问题的情况下，对 目标视频进行发布。
在一个可选实施例中，视频处理装置，还包括：
发布指令相应模块，用于响应于发布用户的视频发布指令。
历史问题获取模块，用于获取历史问题以及历史问题的频次。
提示信息确定模块，用于根据历史问题的频次，对历史问题进行筛 选，并根据筛选结果确定相应视频发布提示信息。
提示信息显示模块，用于将视频发布提示信息提供给发布用户，以在 发布页面上显示视频发布提示信息。
目标视频接收模块，包括：
目标视频发布单元，用于接收发布用户通过发布页面发送的目标视 频。
上述视频处理装置可执行本公开任意实施例所提供的视频处理方法， 具备执行视频处理方法相应的功能模块和有益效果。
本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、 加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背 公序良俗。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储 介质和一种计算机程序产品。
图10示出了可以用来实施本公开的实施例的示例电子设备1000的示 意性区域图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计 算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大 型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装 置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似 的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅 作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图10所示，设备1000包括计算单元1001，其可以根据存储在只读 存储器(ROM)1002中的计算机程序或者从存储单元1008加载到随机访 问存储器(RAM)1003中的计算机程序，来执行各种适当的动作和处 理。在RAM 1003中，还可存储设备1000操作所需的各种程序和数据。 计算单元1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输 入/输出(I/O)接口1005也连接至总线1004。
设备1000中的多个部件连接至I/O接口1005，包括：输入单元 1006，例如键盘、鼠标等；输出单元1007，例如各种类型的显示器、扬声 器等；存储单元1008，例如磁盘、光盘等；以及通信单元1009，例如网 卡、调制解调器、无线通信收发机等。通信单元1009允许设备1000通过 诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元1001可以是各种具有处理和计算能力的通用和/或专用处理 组件。计算单元1001的一些示例包括但不限于中央处理单元(CPU)、图 形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机 器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的 处理器、控制器、微控制器等。计算单元1001执行上文所描述的各个方法和处理，例如视频处理方法。例如，在一些实施例中，视频处理方法可被 实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元 1008。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1002 和/或通信单元1009而被载入和/或安装到设备1000上。当计算机程序加 载到RAM 1003并由计算单元1001执行时，可以执行上文描述的视频处理方法的一个或多个步骤。备选地，在其他实施例中，计算单元1001可以 通过其他任何适当的方式(例如，借助于固件)而被配置为执行视频处理 方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系 统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路 (ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂 可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合 中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序 中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程 系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理 器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据 和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和 该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任 何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他 可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制 器执行时使流程图和/或区域图中所规定的功能/操作被实施。程序代码可 以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机 器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
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。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技 术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极 射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例 如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供 给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给 用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或 者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉 输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例 如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服 务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网 络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器 来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、 中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式 或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。 通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此 并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具 有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器 可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的 服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或 删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地 执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望 的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术 人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组 合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替 换和改进等，均应包含在本公开保护范围之内。
Claims (21)
1.一种视频处理方法，包括：
对目标视频进行处理，得到所述目标视频的质量特征；
根据所述目标视频的质量特征，在与视频质量相关的相关特征中，确定所述目标视频的优化特征；
根据所述目标视频的优化特征，生成视频优化信息，并提供给所述目标视频的发布用户。
2.根据权利要求1所述的方法，所述对目标视频进行处理，得到所述目标视频的质量特征，包括：
对目标视频进行解析，得到所述目标视频的视频特征；
对所述目标视频的视频特征进行处理，得到所述目标视频的质量特征。
3.根据权利要求2所述的方法，其中，所述对所述视频特征进行处理，得到所述目标视频的质量特征，包括：
将所述目标视频和所述目标视频的视频特征输入至预先训练的质量特征识别模型中，得到所述质量特征识别模型输出的所述目标视频的质量特征，其中，所述质量特征识别模型用于根据所述目标视频以及所述目标视频的视频特征，检测出与所述目标视频的质量相关的特征。
4.根据权利要求1所述的方法，还包括：
对多个已发布视频进行处理，得到各所述已发布视频的质量特征；
获取各所述已发布视频的发布数据，并确定各所述已发布视频的质量检测结果；
根据各所述已发布视频的质量检测结果，以及各所述已发布视频的质量特征，检测视频质量与各所述质量特征的相关程度；
根据所述视频质量与各所述质量特征的相关程度，确定与所述视频质量相关的相关特征。
5.根据权利要求4所述的方法，其中，所述根据各所述已发布视频的质量检测结果，以及各所述已发布视频的质量特征，检测视频质量与各所述质量特征的相关程度，包括：
获取各所述已发布视频的所述质量特征的特征值，同一质量特征存在多个特征值；
根据各所述已发布视频的质量检测结果，以及各所述已发布视频的特征值，确定各所述特征值对应的质量分数；
针对每个质量特征，根据所述质量特征存在的多个特征值对应的质量分数，确定视频质量与所述质量特征的相关程度。
6.根据权利要求5所述的方法，其中，根据所述质量特征存在的多个特征值对应的质量分数，确定视频质量与所述质量特征的相关程度，包括：
将所述质量特征存在的多个特征值对应的质量分数进行比较；
在最大质量分数与次大质量分数满足分数接近条件的情况下，确定视频质量与所述质量特征无关。
7.根据权利要求1所述的方法，还包括：
对所述目标视频进行解析；
获取所述目标视频的标题和封面；
对所述目标视频的解析数据、标题和封面进行内容问题检测；
将内容问题检测结果提供给所述目标视频的发布用户。
8.根据权利要求1所述的方法，还包括：
接收所述发布用户发送的目标视频；
对所述目标视频以及所述目标视频的标题和封面进行形式问题检测；
在所述形式问题检测结果为无问题的情况下，对所述目标视频进行发布。
9.根据权利要求8所述的方法，还包括：
响应于所述发布用户的视频发布指令；
获取历史问题以及所述历史问题的频次；
根据所述历史问题的频次，对所述历史问题进行筛选，并根据筛选结果确定相应视频发布提示信息；
将所述视频发布提示信息提供给所述发布用户，以在发布页面上显示所述视频发布提示信息；
所述接收所述发布用户发送的目标视频，包括：
接收所述发布用户通过所述发布页面发送的目标视频。
10.一种视频处理装置，包括：
目标视频处理模块，用于对目标视频进行处理，得到所述目标视频的质量特征；
质量特征判断模块，用于根据所述目标视频的质量特征，在与视频质量相关的相关特征中，确定所述目标视频的优化特征；
优化信息生成模块，用于根据所述目标视频的优化特征，生成视频优化信息，并提供给所述目标视频的发布用户。
11.根据权利要求10所述的装置，其中，所述目标视频处理模块，包括：
视频特征获取单元，用于对目标视频进行解析，得到所述目标视频的视频特征；
质量特征获取单元，用于对所述目标视频的视频特征进行处理，得到所述目标视频的质量特征。
12.根据权利要求11所述的装置，其中，所述质量特征获取单元，包括：
质量特征检测子单元，用于将所述目标视频和所述目标视频的视频特征输入至预先训练的质量特征识别模型中，得到所述质量特征识别模型输出的所述目标视频的质量特征，其中，所述质量特征识别模型用于根据所述目标视频以及所述目标视频的视频特征，检测出与所述目标视频的质量相关的特征。
13.根据权利要求10所述的装置，还包括：
发布视频处理模块，用于对多个已发布视频进行处理，得到各所述已发布视频的质量特征；
质量结果确定模块，用于获取各所述已发布视频的发布数据，并确定各所述已发布视频的质量检测结果；
相关程度检测模块，用于根据各所述已发布视频的质量检测结果，以及各所述已发布视频的质量特征，检测视频质量与各所述质量特征的相关程度；
相关特征确定模块，用于根据所述视频质量与各所述质量特征的相关程度，确定与所述视频质量相关的相关特征。
14.根据权利要求13所述的装置，其中，所述相关程度检测模块，包括：
特征值获取单元，用于获取各所述已发布视频的所述质量特征的特征值，同一质量特征存在多个特征值；
质量分数确定单元，用于根据各所述已发布视频的质量检测结果，以及各所述已发布视频的特征值，确定各所述特征值对应的质量分数；
相关程度确定单元，用于针对每个质量特征，根据所述质量特征存在的多个特征值对应的质量分数，确定视频质量与所述质量特征的相关程度。
15.根据权利要求14所述的装置，其中，所述相关程度确定单元，包括：
质量分数比较子单元，用于将所述质量特征存在的多个特征值对应的质量分数进行比较；
无关特征确定子单元，用于在最大质量分数与次大质量分数满足分数接近条件的情况下，确定视频质量与所述质量特征无关。
16.根据权利要求10所述的装置，还包括：
目标视频解析模块，用于对所述目标视频进行解析；
标题封面获取模块，用于获取所述目标视频的标题和封面；
内容问题检测模块，用于对所述目标视频的解析数据、标题和封面进行内容问题检测；
检测结果提供模块，用于将内容问题检测结果提供给所述目标视频的发布用户。
17.根据权利要求10所述的装置，还包括：
目标视频接收模块，用于接收所述发布用户发送的目标视频；
形式问题检测模块，用于对所述目标视频以及所述目标视频的标题和封面进行形式问题检测；
目标视频发布模块，用于在所述形式问题检测结果为无问题的情况下，对所述目标视频进行发布。
18.根据权利要求17所述的装置，还包括：
发布指令相应模块，用于响应于所述发布用户的视频发布指令；
历史问题获取模块，用于获取历史问题以及所述历史问题的频次；
提示信息确定模块，用于根据所述历史问题的频次，对所述历史问题进行筛选，并根据筛选结果确定相应视频发布提示信息；
提示信息显示模块，用于将所述视频发布提示信息提供给所述发布用户，以在发布页面上显示所述视频发布提示信息；
所述目标视频接收模块，包括：
目标视频发布单元，用于接收所述发布用户通过所述发布页面发送的目标视频。
19.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-9中任一项所述的视频处理方法。
20.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-9中任一项所述的视频处理方法。
21.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-9中任一项所述的视频处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210993667.0A CN115379259B (zh) | 2022-08-18 | 2022-08-18 | 视频处理方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210993667.0A CN115379259B (zh) | 2022-08-18 | 2022-08-18 | 视频处理方法、装置、电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115379259A true CN115379259A (zh) | 2022-11-22 |
| CN115379259B CN115379259B (zh) | 2024-04-26 |
Family
ID=84066010
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210993667.0A Active CN115379259B (zh) | 2022-08-18 | 2022-08-18 | 视频处理方法、装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115379259B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110366043A (zh) * | 2019-08-20 | 2019-10-22 | 北京字节跳动网络技术有限公司 | 视频处理方法、装置、电子设备及可读介质 |
| CN110602564A (zh) * | 2019-10-12 | 2019-12-20 | 北京字节跳动网络技术有限公司 | 视频优化信息提供方法、装置、电子设备及可读介质 |
| CN111031346A (zh) * | 2019-10-28 | 2020-04-17 | 网宿科技股份有限公司 | 一种增强视频画质的方法和装置 |
| US20200195934A1 (en) * | 2018-12-14 | 2020-06-18 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for processing a video |
| CN111327946A (zh) * | 2018-12-17 | 2020-06-23 | 中移（杭州）信息技术有限公司 | 视频质量评价和特征字典的训练方法、装置和介质 |
| US20210004600A1 (en) * | 2019-07-01 | 2021-01-07 | Banjo, Inc. | Assessing video stream quality |
| CN112749608A (zh) * | 2020-06-08 | 2021-05-04 | 腾讯科技（深圳）有限公司 | 视频审核方法、装置、计算机设备和存储介质 |
| US11064251B1 (en) * | 2019-03-05 | 2021-07-13 | Facebook, Inc. | Systems and methods for evaluating page content |
| CN114286181A (zh) * | 2021-10-25 | 2022-04-05 | 腾讯科技（深圳）有限公司 | 一种视频优化方法、装置、电子设备和存储介质 |
| CN114513655A (zh) * | 2022-02-25 | 2022-05-17 | 广州方硅信息技术有限公司 | 直播视频质量评价方法、视频质量的调整方法及相关装置 |
-
2022
- 2022-08-18 CN CN202210993667.0A patent/CN115379259B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200195934A1 (en) * | 2018-12-14 | 2020-06-18 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for processing a video |
| CN111327946A (zh) * | 2018-12-17 | 2020-06-23 | 中移（杭州）信息技术有限公司 | 视频质量评价和特征字典的训练方法、装置和介质 |
| US11064251B1 (en) * | 2019-03-05 | 2021-07-13 | Facebook, Inc. | Systems and methods for evaluating page content |
| US20210004600A1 (en) * | 2019-07-01 | 2021-01-07 | Banjo, Inc. | Assessing video stream quality |
| CN110366043A (zh) * | 2019-08-20 | 2019-10-22 | 北京字节跳动网络技术有限公司 | 视频处理方法、装置、电子设备及可读介质 |
| WO2021031917A1 (zh) * | 2019-08-20 | 2021-02-25 | 北京字节跳动网络技术有限公司 | 视频处理方法、装置、电子设备及可读介质 |
| CN110602564A (zh) * | 2019-10-12 | 2019-12-20 | 北京字节跳动网络技术有限公司 | 视频优化信息提供方法、装置、电子设备及可读介质 |
| CN111031346A (zh) * | 2019-10-28 | 2020-04-17 | 网宿科技股份有限公司 | 一种增强视频画质的方法和装置 |
| CN112749608A (zh) * | 2020-06-08 | 2021-05-04 | 腾讯科技（深圳）有限公司 | 视频审核方法、装置、计算机设备和存储介质 |
| CN114286181A (zh) * | 2021-10-25 | 2022-04-05 | 腾讯科技（深圳）有限公司 | 一种视频优化方法、装置、电子设备和存储介质 |
| CN114513655A (zh) * | 2022-02-25 | 2022-05-17 | 广州方硅信息技术有限公司 | 直播视频质量评价方法、视频质量的调整方法及相关装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115379259B (zh) | 2024-04-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7464098B2 (ja) | 電子会議システム | |
| CN107818798B (zh) | 客服服务质量评价方法、装置、设备及存储介质 | |
| CN106685916B (zh) | 电子会议智能装置及方法 | |
| CN112733042B (zh) | 推荐信息的生成方法、相关装置及计算机程序产品 | |
| CN110874716A (zh) | 面试测评方法、装置、电子设备及存储介质 | |
| CN110781273B (zh) | 文本数据处理方法、装置、电子设备及存储介质 | |
| CN112995690B (zh) | 直播内容品类识别方法、装置、电子设备和可读存储介质 | |
| CN110880324A (zh) | 语音数据的处理方法、装置、存储介质及电子设备 | |
| CN113422988B (zh) | 直播封面生成方法、装置、电子设备及存储介质 | |
| CN113947336A (zh) | 评估投标企业风险的方法、装置、存储介质及计算机设备 | |
| CN109933782A (zh) | 用户情绪预测方法和装置 | |
| CN109286848B (zh) | 一种终端视频信息的交互方法、装置及存储介质 | |
| CN114138960A (zh) | 用户意图识别方法、装置、设备及介质 | |
| CN110867187B (zh) | 语音数据的处理方法、装置、存储介质及电子设备 | |
| CN113055751A (zh) | 数据处理方法、装置、电子设备和存储介质 | |
| CN114065720A (zh) | 会议纪要生成方法、装置、存储介质及电子设备 | |
| CN117235371A (zh) | 视频推荐方法、模型训练方法及装置 | |
| CN116962796A (zh) | 应用于直播场景的跨屏互动方法、装置、设备及介质 | |
| CN116662542A (zh) | 一种算法驱动的营销交互方法、装置及电子设备 | |
| CN112800230B (zh) | 文本处理方法、装置、计算机可读存储介质及电子设备 | |
| CN111443973A (zh) | 备注信息的填入方法、装置、设备及存储介质 | |
| CN115379259B (zh) | 视频处理方法、装置、电子设备和存储介质 | |
| JP6457986B2 (ja) | メッセージ分類システム、メッセージ分類方法及びプログラム | |
| CN114331572A (zh) | 一种潜在客户的确定方法、装置、电子设备及存储介质 | |
| CN114548263A (zh) | 标注数据的校验方法、装置、计算机设备及存储介质 |
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 |