CN117194714A - 一种视频处理方法、装置、电子设备及可读存储介质 - Google Patents

Abstract

本申请涉及视频处理技术领域，提供了一种视频处理方法、装置、电子设备及可读存储介质。该方法可以响应于第一用户所在的第一终端的第一操作信息，获取待处理视频；通过基于第一用户所在的第一终端的选择信息，在选择信息所对应的待处理视频中的标的物上生成标签，且基于第一用户所在的第一终端的内容输入操作和/或基于标的物的识别信息，生成标签的标签内容。将标记有标签和标签对应的标签内容的目标视频发送至第二用户所在的第二终端，可在第二终端观看目标视频，并看到标记的标签和标签内容。本申请可在视频上创建标签和编辑标签内容，以增加场景环境的互动，以使人们从视频中获取更多的信息。

Description

一种视频处理方法、装置、电子设备及可读存储介质

技术领域

本申请涉及视频处理技术领域，尤其涉及一种视频处理方法、装置、电子设备及可读存储介质。

背景技术

视频(Video)泛指将一系列静态影像以电信号的方式加以捕捉、记录、处理、储存、传送与重现的各种技术。连续的图像变化每秒超过24帧(frame)画面以上时，根据视觉暂留原理，人眼无法辨别单幅的静态画面，看上去是平滑连续的视觉效果，这样连续的画面叫做视频。视频是一种互联网内容传播方式，视频的生成是场景仿真的一种，通过创建计算机生成的环境，使用户感受视频所带来的真实感。

然而相关技术中，视频仅用于播放场景环境，缺少场景环境的互动，即除了播放场景环境外，不能给人们提供更多的互动信息。

发明内容

有鉴于此，本申请实施例提供了一种视频处理方法、装置、电子设备及可读存储介质，以解决相关技术中视频仅用于播放场景环境，缺少场景环境的互动的问题。

本申请实施例的第一方面，提供了一种视频处理方法，该方法包括：

响应于第一用户所在的第一终端的第一操作信息，获取待处理视频；

基于第一用户所在的第一终端的选择信息，在选择信息所对应的待处理视频中的标的物上生成标签；

基于第一用户所在的第一终端的内容输入操作和/或基于标的物的识别信息，生成标签的标签内容；

将标签、以及标签对应的标签内容标记在待处理视频中标签对应的标的物，以得到目标视频；

其中，若将目标视频发送至第二用户所在的第二终端时，第二终端显示目标视频。

本申请实施例的第二方面，提供了一种视频处理装置，该装置包括：

获取模块，被配置为用于响应于第一用户所在的第一终端的第一操作信息，获取待处理视频；

第一生成模块，被配置为用于基于第一用户所在的第一终端的选择信息，在选择信息所对应的待处理视频中的标的物上生成标签；

第二生成模块，被配置为用于基于第一用户所在的第一终端的内容输入操作和/或基于标的物的识别信息，生成标签的标签内容；

标记模块，被配置为用于将标签、以及标签对应的标签内容标记在待处理视频中标签对应的标的物，以得到目标视频；

其中，若将目标视频发送至第二用户所在的第二终端时，第二终端显示目标视频。

本申请实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。

本申请实施例的第四方面，提供了一种可读存储介质，该可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。

本申请实施例与现有技术相比存在的有益效果是：通过基于第一用户所在的第一终端的选择信息，在选择信息所对应的待处理视频中的标的物上生成标签，且基于第一用户所在的第一终端的内容输入操作和/或基于标的物的识别信息，生成标签的标签内容。将标记有标签和标签对应的标签内容的目标视频发送至第二用户所在的第二终端，可在第二终端观看目标视频，并看到标记的标签和标签内容。本申请可在视频上创建标签和编辑标签内容，以增加场景环境的互动，以使人们从视频中获取更多的信息。

附图说明

为了更清楚地说明本申请实施例中的技术方案，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的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1是本申请实施例的应用场景的场景示意图；

图2是本申请实施例提供的一种视频处理方法的流程示意图；

图3是本申请实施例提供的一种视频处理装置的结构示意图；

图4是本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

下面将结合附图详细说明根据本申请实施例的一种视频处理方法和装置。

图1是本申请实施例的应用场景的场景示意图。该应用场景可以包括终端设备1、2和3、服务器4以及网络5。

终端设备1、2和3可以是硬件，也可以是软件。当终端设备1、2和3为硬件时，其可以是具有显示屏且支持与服务器4通信的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等；当终端设备1、2和3为软件时，其可以安装在如上所述的电子设备中。终端设备1、2和3可以实现为多个软件或软件模块，也可以实现为单个软件或软件模块，本申请实施例对此不作限制。进一步地，终端设备1、2和3上可以安装有各种应用，例如数据处理应用、即时通信工具、社交平台软件、搜索类应用、购物类应用等。

服务器4可以是提供各种服务的服务器，例如，对与其建立通信连接的终端设备发送的请求进行接收的后台服务器，该后台服务器可以对终端设备发送的请求进行接收和分析等处理，并生成处理结果。服务器4可以是一台服务器，也可以是由若干台服务器组成的服务器集群，或者还可以是一个云计算服务中心，本申请实施例对此不作限制。

需要说明的是，服务器4可以是硬件，也可以是软件。当服务器4为硬件时，其可以是为终端设备1、2和3提供各种服务的各种电子设备。当服务器4为软件时，其可以是为终端设备1、2和3提供各种服务的多个软件或软件模块，也可以是为终端设备1、2和3提供各种服务的单个软件或软件模块，本申请实施例对此不作限制。

网络5可以是采用同轴电缆、双绞线和光纤连接的有线网络，也可以是无需布线就能实现各种通信设备互联的无线网络，例如，蓝牙(Bluetooth)、近场通信(Near FieldCommunication，NFC)、红外(Infrared)等，本申请实施例对此不作限制。

用户可以通过终端设备1、2和3经由网络5与服务器4建立通信连接，以接收或发送信息等。具体地，响应于第一用户所在的第一终端的第一操作信息，服务器4获取待处理视频，服务器4基于第一用户所在的第一终端的选择信息，在选择信息所对应的待处理视频中的标的物上生成标签；服务器4基于第一用户所在的第一终端的内容输入操作和/或基于标的物的识别信息，生成标签的标签内容；服务器4将标签、以及标签对应的标签内容标记在待处理视频中标签对应的标的物，以得到目标视频。服务器4将标记有标签和标签对应的标签内容的目标视频发送至第二用户所在的第二终端，可在第二终端观看目标视频，并看到标记的标签和标签内容。可在视频上创建标签和编辑标签内容，以增加场景环境的互动，以使人们从视频中获取更多的信息。

需要说明的是，终端设备1、2和3、服务器4以及网络5的具体类型、数量和组合可以根据应用场景的实际需求进行调整，本申请实施例对此不作限制。

图2是本申请实施例提供的一种视频处理方法的流程示意图。图2的视频处理方法可以由图1的终端设备或服务器执行。如图2所示，该视频处理方法包括：

S201，响应于第一用户所在的第一终端的第一操作信息，获取待处理视频；

S202，基于第一用户所在的第一终端的选择信息，在选择信息所对应的待处理视频中的标的物上生成标签；

S203，基于第一用户所在的第一终端的内容输入操作和/或基于标的物的识别信息，生成标签的标签内容；

S204，将标签、以及标签对应的标签内容标记在待处理视频中标签对应的标的物，以得到目标视频。

其中，若将目标视频发送至第二用户所在的第二终端时，第二终端显示目标视频。

具体地，第一用户所在的第一终端的第一操作信息是第一用户在第一终端上操作，第一终端基于该操作生成第一操作信息。第一终端可以是电脑、手机或是平板。以电脑为例，第一用户在电脑的输入装置中进行操作，以输入获取指令，第一终端基于该获取指令生成第一操作信息，服务器响应于第一操作信息获取待处理视频。可以理解地，输入装置可以是结构键盘、触摸键盘、鼠标、录音装置、手势获取装置或者身体姿势获取装置。例如输入获取指令可以是通过点击结构键盘/触屏键盘的“enter”键以确定输入获取指令；或者通过点击鼠标的中键以确定输入获取指令；或者通过录音装置录取语音“获取视频”以确定输入获取指令；或者通过手势获取装置/身体姿势获取装置获取到预设的姿势以确定输入获取指令。待处理视频可以是实时获取的，也可以是存储在服务器中的。基于第一用户所在的第一终端的选择信息，选择信息的生成可以有多种方式，下面的实施例会进行详细的描述。根据选择信息可以从待处理视频中的多个物体中确定标的物，并在标的物上生成标签。在标的物确定后，第一用户可以在标签上输入内容以作为标签内容，也可以根据标的物的识别信息生成相应的标签内容。标记有标签、以及标签对应的标签内容的视频即为目标视频。目标视频中可以有多个标签和以及和多个标签相对应的标签内容。

可以理解地，目标视频可以分享给第二用户，第二用户的数量可以是多个，也可以是一个。第一用户将目标视频分享给第二用户，目标视频可以在给第二用户传递视频消息的同时，也展示标签，以便传递标签的内容。示例性，第一用户想给家人(第二用户)传达物品的放置位置的信息，在待处理视频中，第一用户针对目标物创建标签，且在标签上编辑标签内容，以便于第二用户了解物品的放置位置。例如，钥匙放置在主卧的床头柜的第二层抽屉中，那么第一用户调取家里的监控视频，在监控视频中，家里的环境模型被呈现出来。第一用户选中主卧的床头柜，以生成标签，且在标签内编辑文字“钥匙在第二层抽屉”，并保存文字和标签，此时，完成了视频的处理，得到目标视频。第一用户将目标视频通过第一终端发送给第二终端，第二用户可以在第二终端中观看目标视频，并通过点击视频中的标签以查看标签内容。第一用户可以在第一终端中完成在待处理视频中创建标签和编辑标签的操作，第二用户可以在第二终端中观看目标视频。如此，可以通过视频提供更多的互动信息。可以理解地，第一终端中可以安装有视频观看、编辑和处理的软件，同样地，第二终端可以安装有视频观看、编辑和处理的软件。第一终端和第二终端的软件可以相同，也可以不相同，但是第一终端和第二终端的软件可以兼容。

可以理解地，标签标记在待处理视频中标的物上，标签不会随着视频的视角转动而移动，标签会一直在待处理视频中标的物上。

根据本申请实施例提供的技术方案，通过基于第一用户所在的第一终端的选择信息，在选择信息所对应的待处理视频中的标的物上生成标签，且基于第一用户所在的第一终端的内容输入操作和/或基于标的物的识别信息，生成标签的标签内容。将标记有标签和标签对应的标签内容的目标视频发送至第二用户所在的第二终端，可在第二终端观看目标视频，并看到标记的标签和标签内容。本申请可在视频上创建标签和编辑标签内容，以增加场景环境的互动，以使人们从视频中获取更多的信息。

在一些实施例中，基于第一用户所在的第一终端的选择信息，在选择信息所对应的待处理视频中的标的物上生成标签，包括：

获取第一用户所在第一终端的触屏操作信息和/或选择操作信息，确定选择位置；其中，选择信息为触屏操作信息和/或选择操作信息；

利用选择位置从待处理视频的各个物体中确定标的物，并在标的物上生成标签。

具体地，触屏操作信息为第一用户在第一终端中屏幕用手触摸的位置信息，选择操作信息为第一用户在第一终端中用输入装置选择待处理视频中的标的物的位置信息。例如，第一终端中在播发视频的同时，第一用户触摸屏幕，那么触摸的位置所对应的待处理视频中的位置即为位置信息，同样地，第一终端中在播发视频的同时，第一用户用鼠标在屏幕中选中一位置，那么选中的位置所对应的待处理视频中的位置即为位置信息。利用选择位置(位置信息)从待处理视频的各个物体中确定标的物，即待处理视频中的位置信息放置的物体即为标的物。如待处理视频中的位置信息未放置任何东西，那么标的物为位置信息所对应的区域。确定标的物后，即可生成(创建)标签。

根据本申请实施例提供的技术方案，通过获取第一用户所在第一终端的触屏操作信息和/或选择操作信息，确定选择位置，从而确定标的物，以生成标签，如此可以由第一用户确定标签的位置，操作的空间大。

在一些实施例中，与上述实施例不同地是，基于第一用户所在的第一终端的选择信息，在选择信息所对应的待处理视频中的标的物上生成标签，包括：

获取第一用户所在第一终端对待处理视频中物体的识别信息，生成选择信息；

在选择信息所对应的待处理视频中的标的物上生成标签。

具体地，可以在第一终端对待处理视频中物体的进行识别以获得识别信息，例如在第一终端中的软件具有物体识别功能，将待处理视频中的物体均识别出来，那么待处理视频中被识别出来的桌子、椅子、水果刀、桌子上的钥匙等信息即为识别信息。桌子上的钥匙为选择信息，那么选择信息所对应的待处理视频中的标的物即为钥匙，在钥匙上生成标签。

根据本申请实施例提供的技术方案，通过第一用户所在第一终端对待处理视频中物体的识别信息，生成选择信息，以确定标的物，并在标的物上生成标签，可以提高视频处理的智能化和自动化。

在一些实施例中，获取第一用户所在第一终端对待处理视频中物体的识别信息，生成选择信息，包括：

获取第一用户所在第一终端对待处理视频中物体的识别信息；

将物体的识别信息与预设物体信息进行对比，确定物体是否需要标签的目标物体；

若物体是目标物体，则生成选择信息。

具体地，在获得待处理视频中物体的识别信息后，无法从多个被识别出来的物体中确定目标物体，可以在服务器中存储有预设物体信息，便于确定识别信息中是否有与预设物体信息中相同的物体，例如预设物体信息包括钥匙、钱包、水果刀、以及手机等人们较难看到的物体。如果识别信息中包括桌子、椅子、水果刀以及钥匙，那么识别信息与预设物体信息进行对比，可以知道钥匙和水果刀是识别信息和预设物体信息中均具有的物体，那么钥匙和水果刀为目标物体，那么选择信息即为钥匙和水果刀被选中作为标的物，可在待处理视频中找到标的物，以生成标签。

根据本申请实施例提供的技术方案，通过将物体的识别信息与预设物体信息进行对比，确定物体是否需要标签的目标物体，可自动确定目标物体，进而生成选择信息，以便于后面步骤中选中标的物。如此设计，可提高确定标的物的程序的自动化和智能化。

在一些实施例中，基于第一用户所在的第一终端的内容输入操作和/或基于标的物的识别信息，生成标签的标签内容，包括：

若选择信息基于识别信息而生成，则基于标的物的识别信息，生成标签的标签内容；

若选择信息为触屏操作信息和/或选择操作信息，则基于第一用户所在的第一终端的内容输入操作，生成标签的标签内容。

具体地，标签内容的生成方式包括两种，既可以是自动生成，也可以是由第一用户编辑而生成。可以理解地，若在第一终端设置了自动识别，那么可以根据识别信息生成标签内容，标签内容是预先设置的，并保存在服务器中的，不同的标的物对应不同的标签内容。例如，标的物为钥匙时，标签内容为“别忘了要带钥匙出门”；标的物为水果刀时，标签内容为“将水果刀放好，避免小朋友拿来玩”；标的物为钱包时，标签内容为“钱包在这，请收好”。标签内容的设置可以根据实际情况设定，本申请在这里不进行限制。可以理解地，通过物体识别，根据识别信息生成标签和标签内容，可以帮助人们找到较难找的物品。

可以理解地，若在第一终端未设置自动识别，或者自动识别后未对某些物体创建标签时，可以由第一用户创建标签和编辑标签内容。根据第一用户在第一终端上的触屏操作信息和/或选择操作信息(选择信息)，确定选择位置，从而确定待处理视频中的标的物。在标的物上生成标签，且由第一用户在第一终端的输入装置上输入编辑的内容，即第一用户在编辑内容时，会在第一终端进行内容输入操作，在第一终端输入的编辑内容，即为标签的标签内容。

在一些实施例中，该视频处理方法包括：

基于标的物的识别信息，生成标签的标签内容后，若第一用户所在的第一终端针对标签输入了编辑内容，则更新标签内容为编辑内容。

具体地，虽然设置了自动识别物体和根据识别信息自动生成标签和标签内容，但是自动生成的标签内容并非是第一用户想提醒第二用户的，例如第二用户是第一用户的家人，在自动识别时，识别到桌子上的钱包，生成标签以及生成标签内容“钱包在这，请收好”，但是第一用户是将钱包放置在桌子上，留了生活费给第二用户，那么第一用户想对标签内容“钱包在这，请收好”修改为“钱包放了3000块，是这个月的伙食费”，那么这时第一用户所在的第一终端针对钱包的标签输入了编辑内容“钱包放了3000块，是这个月的伙食费”时，则删除标签内容“钱包在这，请收好”，并更新钱包标签的内容为“钱包放了3000块，是这个月的伙食费”。如此设置，标签内容的生成为自动化、智能化的同时，也可由第一用户编辑和更改，增大标签内容的操作空间，且更灵活。

在一些实施例中，该视频处理方法包括：

在选择信息所对应的待处理视频中的标的物上生成标签后，在预设时间内未检测到第一用户所在的第一终端的内容输入操作，则基于标的物的识别信息，生成标签的标签内容。

具体地，虽然设置了自动识别物体和根据识别信息自动生成标签后，会检测第一用户所在的第一终端的内容输入操作，以确认第一用户是否想编辑标签内容。那么在预设时间内未检测到第一用户所在的第一终端的内容输入操作，说明第一用户编辑标签内容的可能性低，这时可以基于标的物的识别信息，生成标签的标签内容。预设时间可以根据实际情况设置一个合理的时长范围，预设时间的长短能够体现出用户编辑的可能性小，预设时间可以通过实验确定。

在一些实施例中，获取待处理视频，包括：

通过多个摄像头实时获取不同位置的第一视频，将第一视频拼接以形成待处理视频；

其中，待处理视频为全景视频、AR实景、二维视频中的至少一种。

具体地，待处理视频可以为监控视频，可以是家里的监控视频，也可以是某特定场所的监控视频。监控视频可以由多个场景的视频合成，以形成完整的视频。可以理解地，待处理视频为全景视频，视频中的虚拟环境给人以环境沉浸感，更为逼真。待处理视频为AR实景，视频中的虚拟信息与真实世界巧妙融合，把原本在现实世界的一定时间空间范围内很难体验到的实体信息(视觉信息，声音，味道，触觉等)，通过科学技术模拟仿真后再叠加到现实世界被人类感官所感知，从而达到超越现实的感官体验。待处理视频为二维视频，可以直观的体现视频内容。无论待处理视频是何种视频，均可利用本申请视频处理方法对视频内的物体和区域创建标签。

可以理解地，在选择信息所对应的待处理视频中的标的物上生成标签后，在后续获取的视频中的标的物中将标记有标签，直至基于第一用户所在的第一终端和/或第二用户所在的第二终端针对标签的取消操作取消标签。标签和标签内容在创建和生成后是可以修改和更新的，亦可取消标签。但是取消标签需要基于第一用户在第一终端和/或第二用户在第二终端的取消操作而进行，避免误操作而取消了标签。

在一些实施例中，标签内容包括文字、录音、图片、以及视频中的至少一种。

具体地，标签内容可以较为丰富，并不局限于文字，录音、图片、以及视频可以更为有趣、生动的传达信息。

在一些实施例中，将目标视频发送至第二用户所在的第二终端时，第二终端显示目标视频后，基于第二用户所在的第二终端的查看操作信息，展示标签内容，或基于第二用户所在的第二终端的编辑操作信息，修改标签的标签内容，或基于第二用户所在的第二终端的创建操作信息，创建新的标签。

具体地，目标视频是由第一用户在视频内创建标签和编辑标签内容后的视频，那么在将目标视频分享给第二用户后，第二用户同样可以在目标视频中创建标签和编辑标签内容，或者直接修改第一用户编辑的标签内容，从而再次分享给第一用户，以实现信息的交流和互动。可以理解地，目标视频可以作为第二用户的待处理视频，第二用户通过本申请视频处理方法对目标视频再次创建标签和编辑标签内容。

上述所有可选技术方案，可以采用任意结合形成本申请的可选实施例，在此不再一一赘述。

下述为本申请装置实施例，可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请方法实施例。

图3是本申请实施例提供的一种视频处理装置的示意图。如图3所示，该视频处理装置包括：

获取模块301，被配置为用于响应于第一用户所在的第一终端的第一操作信息，获取待处理视频；

第一生成模块302，被配置为用于基于第一用户所在的第一终端的选择信息，在选择信息所对应的待处理视频中的标的物上生成标签；

第二生成模块303，被配置为用于基于第一用户所在的第一终端的内容输入操作和/或基于标的物的识别信息，生成标签的标签内容；

标记模块304，被配置为用于将标签、以及标签对应的标签内容标记在待处理视频中标签对应的标的物，以得到目标视频；

其中，若将目标视频发送至第二用户所在的第二终端时，第二终端显示目标视频。

根据本申请实施例提供的技术方案，通过基于第一用户所在的第一终端的选择信息，在选择信息所对应的待处理视频中的标的物上生成标签，且基于第一用户所在的第一终端的内容输入操作和/或基于标的物的识别信息，生成标签的标签内容。将标记有标签和标签对应的标签内容的目标视频发送至第二用户所在的第二终端，可在第二终端观看目标视频，并看到标记的标签和标签内容。本申请可在视频上创建标签和编辑标签内容，以增加场景环境的互动，以使人们从视频中获取更多的信息。

在一些实施例中，图3中的第一生成模块302，包括：

获取第一用户所在第一终端的触屏操作信息和/或选择操作信息，确定选择位置；其中，选择信息为触屏操作信息和/或选择操作信息；

利用选择位置从待处理视频的各个物体中确定标的物，并在标的物上生成标签；或

获取第一用户所在第一终端对待处理视频中物体的识别信息，生成选择信息；

在选择信息所对应的待处理视频中的标的物上生成标签。

在一些实施例中，图3中的第一生成模块302，包括：

获取第一用户所在第一终端对待处理视频中物体的识别信息；

将物体的识别信息与预设物体信息进行对比，确定物体是否需要标签的目标物体；

若物体是目标物体，则生成选择信息。

在一些实施例中，图3中的第二生成模块303，包括：

若选择信息基于识别信息而生成，则基于标的物的识别信息，生成标签的标签内容；

若选择信息为触屏操作信息和/或选择操作信息，则基于第一用户所在的第一终端的内容输入操作，生成标签的标签内容。

在一些实施例中，该视频处理装置包括：

基于标的物的识别信息，生成标签的标签内容后，若第一用户所在的第一终端针对标签输入了编辑内容，则更新标签内容为编辑内容；或

在选择信息所对应的待处理视频中的标的物上生成标签后，在预设时间内未检测到第一用户所在的第一终端的内容输入操作，则基于标的物的识别信息，生成标签的标签内容。

在一些实施例中，图3中的获取模块301，包括：

通过多个摄像头实时获取不同位置的第一视频，将第一视频拼接以形成待处理视频；其中，待处理视频为全景视频、AR实景、二维视频中的至少一种；

其中，在选择信息所对应的待处理视频中的标的物上生成标签后，在后续获取的视频中的标的物中将标记有标签，直至基于第一用户所在的第一终端和/或第二用户所在的第二终端针对标签的取消操作取消标签。

在一些实施例中，标签内容包括文字、录音、图片、以及视频中的至少一种。

在一些实施例中，该视频处理装置包括：

将目标视频发送至第二用户所在的第二终端时，第二终端显示目标视频后，基于第二用户所在的第二终端的查看操作信息，展示标签内容，或基于第二用户所在的第二终端的编辑操作信息，修改标签的标签内容，或基于第二用户所在的第二终端的创建操作信息，创建新的标签。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

图4是本申请实施例提供的电子设备4的示意图。如图4所示，该实施例的电子设备4包括：处理器401、存储器402以及存储在该存储器402中并且可在处理器401上运行的计算机程序403。处理器401执行计算机程序403时实现上述各个方法实施例中的步骤。或者，处理器401执行计算机程序403时实现上述各装置实施例中各模块/单元的功能。

电子设备4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等电子设备。电子设备4可以包括但不仅限于处理器401和存储器402。本领域技术人员可以理解，图4仅仅是电子设备4的示例，并不构成对电子设备4的限定，可以包括比图示更多或更少的部件，或者不同的部件。

处理器401可以是中央处理单元(Central Processing Unit，CPU)，也可以是其它通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。

存储器402可以是电子设备4的内部存储单元，例如，电子设备4的硬盘或内存。存储器402也可以是电子设备4的外部存储设备，例如，电子设备4上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。存储器402还可以既包括电子设备6的内部存储单元也包括外部存储设备。存储器402用于存储计算机程序以及电子设备所需的其它程序和数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个可读存储介质(例如计算机可读存储介质)中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可以存储在计算机可读存储介质中，该计算机程序在被处理器执行时，可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读存储介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random AccessMemory，RAM)、电载波信号、电信信号以及软件分发介质等。

以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种视频处理方法，其特征在于，所述方法包括：

响应于第一用户所在的第一终端的第一操作信息，获取待处理视频；

基于所述第一用户所在的第一终端的选择信息，在所述选择信息所对应的所述待处理视频中的标的物上生成标签；

基于所述第一用户所在的第一终端的内容输入操作和/或基于所述标的物的识别信息，生成所述标签的标签内容；

将所述标签、以及所述标签对应的所述标签内容标记在所述待处理视频中所述标签对应的所述标的物，以得到目标视频；

其中，若将所述目标视频发送至第二用户所在的第二终端时，第二终端显示所述目标视频。

2.根据权利要求1所述的视频处理方法，其特征在于，所述基于所述第一用户所在的第一终端的选择信息，在所述选择信息所对应的所述待处理视频中的标的物上生成标签，包括：

获取第一用户所在第一终端的触屏操作信息和/或选择操作信息，确定所述选择位置；其中，所述选择信息为所述触屏操作信息和/或选择操作信息；

利用所述选择位置从所述待处理视频的各个物体中确定所述标的物，并在所述标的物上生成所述标签；或

获取第一用户所在第一终端对所述待处理视频中物体的识别信息，生成所述选择信息；

在所述选择信息所对应的所述待处理视频中的标的物上生成标签。

3.根据权利要求2所述的视频处理方法，其特征在于，所述获取第一用户所在第一终端对所述待处理视频中物体的识别信息，生成所述选择信息，包括：

获取第一用户所在第一终端对所述待处理视频中物体的所述识别信息；

将物体的所述识别信息与预设物体信息进行对比，确定所述物体是否需要标签的目标物体；

若所述物体是所述目标物体，则生成所述选择信息。

4.根据权利要求2所述的视频处理方法，其特征在于，所述基于所述第一用户所在的第一终端的内容输入操作和/或基于所述标的物的识别信息，生成所述标签的标签内容，包括：

若所述选择信息基于所述识别信息而生成，则基于所述标的物的识别信息，生成所述标签的标签内容；

若所述选择信息为所述触屏操作信息和/或选择操作信息，则基于所述第一用户所在的第一终端的内容输入操作，生成所述标签的标签内容。

5.根据权利要求4所述的视频处理方法，其特征在于，所述方法包括：

基于所述标的物的识别信息，生成所述标签的标签内容后，若所述第一用户所在的第一终端针对所述标签输入了编辑内容，则更新所述标签内容为编辑内容；或

在所述选择信息所对应的所述待处理视频中的标的物上生成标签后，在预设时间内未检测到所述第一用户所在的第一终端的内容输入操作，则基于所述标的物的识别信息，生成所述标签的标签内容。

6.根据权利要求4所述的视频处理方法，其特征在于，所述获取待处理视频，包括：

通过多个摄像头实时获取不同位置的第一视频，将所述第一视频拼接以形成所述待处理视频；

其中，所述待处理视频为全景视频、AR实景、二维视频中的至少一种；

其中，在所述选择信息所对应的所述待处理视频中的标的物上生成标签后，在后续获取的视频中的所述标的物中将标记有所述标签，直至基于所述第一用户所在的第一终端和/或所述第二用户所在的第二终端针对所述标签的取消操作取消所述标签。

7.根据权利要求1至6中任一项所述的视频处理方法，其特征在于，所述标签内容包括文字、录音、图片、以及视频中的至少一种；和/或

将所述目标视频发送至第二用户所在的第二终端时，第二终端显示所述目标视频后，基于所述第二用户所在的第二终端的查看操作信息，展示所述标签内容，或基于所述第二用户所在的第二终端的编辑操作信息，修改所述标签的标签内容，或基于所述第二用户所在的第二终端的创建操作信息，创建新的标签。

8.一种视频处理装置，其特征在于，所述装置包括：

获取模块，被配置为用于响应于第一用户所在的第一终端的第一操作信息，获取待处理视频；

第一生成模块，被配置为用于基于所述第一用户所在的第一终端的选择信息，在所述选择信息所对应的所述待处理视频中的标的物上生成标签；

第二生成模块，被配置为用于基于所述第一用户所在的第一终端的内容输入操作和/或基于所述标的物的识别信息，生成所述标签的标签内容；

标记模块，被配置为用于将所述标签、以及所述标签对应的所述标签内容标记在所述待处理视频中所述标签对应的所述标的物，以得到目标视频；

其中，若将所述目标视频发送至第二用户所在的第二终端时，第二终端显示所述目标视频。

9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述方法的步骤。

10.一种可读存储介质，所述可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。