[发明专利]视频封面生成方法、装置、计算机设备及存储介质

权利要求书

1.一种视频封面生成方法，其特征在于，包括：

获取视频中的多帧图像；

针对每帧所述图像，利用预先训练得到的图像难忘度模型，依据所述图像中反映印象深刻度的不同维度的图像特征以及不同维度的图像特征对应的不同权重，将各个维度的图像特征对应的评分进行加权求和，确定所述图像的难忘度评分，所述图像难忘度模型用于将图像中表征印象深刻度的图像特征，转换为难忘度评分并输出，所述难忘度评分用于反映用户对图像的感兴趣程度，用户对图像的感兴趣程度与图像的精彩程度存在正相关的关系，所述图像特征至少包括：图像的显著性、图像所表达的情感，以及图像的流行性，所述图像的显著性表示图像区域吸引用户注意的程度，所述图像的流行性反映社交网络中图像被用户喜欢、推荐、浏览的次数大小，其中，所述图像的显著性是依据所述图像中是否存在人物或者其他目标对象的特征，以及图像中人物或者其他目标对象在所述图像中所处的位置特征确定的；

基于所述多帧图像的难忘度评分，从所述多帧图像中选取出至少一帧用于生成视频封面的目标图像，包括：从所述多帧图像中，选取出难忘度评分最高的基准图像；在所述基准图像所属的视频段中，选取出包含所述基准图像在内的与所述基准图像左右相邻的连续多帧图像作为用于生成动态视频封面的目标图像；

基于至少一帧所述目标图像，生成所述视频的视频封面；

其中，所述图像难忘度模型通过如下方式训练得到：

获取多幅样本图像，每幅样本图像标注有一难忘度评分；

将多幅样本图像输入到待训练的深度学习网络，得到所述深度学习网络预测出的每幅所述样本图像的难忘度评分；

基于所述多幅样本图像各自标注的难忘度评分，以及所述深度学习网络输出的所述多幅样本图像的难忘度评分，通过损失函数-交叉熵函数来比较深度学习网络输出的难忘度评分与实际标注的难忘度评分之间的相差程度；

当所述相差程度不满足预设的偏差程度时，则调整所述深度学习网络中参数的参数值，并返回执行所述将多幅样本图像输入到待训练的深度学习网络的操作，直至所述相差程度满足预设的偏差程度。

2.根据权利要求1所述的视频封面生成方法，其特征在于，所述获取视频中的多帧图像，包括：

获取待生成视频封面的视频；

将所述视频拆分为连续的多个视频段，每个视频段中包括至少一帧图像；

从每个所述视频段中选取出至少一帧图像作为候选封面，得到作为候选封面的多帧图像。

3.根据权利要求2所述的视频封面生成方法，其特征在于，所述从每个所述视频段中选取出至少一帧图像作为候选封面，包括：

分别计算每个所述视频段中各帧图像的清晰度；

从每个所述视频段中选取出至少一帧清晰度满足预设条件的图像作为候选封面。

4.根据权利要求1至3任一项所述的视频封面生成方法，其特征在于，所述基于所述多帧图像的难忘度评分，从所述多帧图像中选取出至少一帧用于生成视频封面的目标图像，包括：

从所述多帧图像中，选取出难忘度评分最高的目标图像；

所述基于至少一帧所述目标图像，生成所述视频的视频封面，包括：

利用所述目标图像生成所述视频的静态视频封面。