[发明专利]视频标签添加方法、计算机存储介质和电子设备

权利要求书

1.一种视频标签添加方法，包括以下步骤：

获取视频的关键帧画面的特征向量；所述获取视频的关键帧画面的特征向量，包括：对视频集合中的视频进行镜头切分，得到至少一个镜头；将每个所述镜头的第一帧画面作为关键帧画面；对每个所述关键帧画面提取高维特征向量，以及对所述关键帧画面的高维特征向量做降维处理以得到特征向量，其中，所述特征向量作为样本向量，所述样本向量构成样本向量集；

获取与所述标签对应的样本图片的特征向量作为目标向量；

从所述样本向量集中查找出与所述目标向量相似的样本向量；

将与查找出的所述样本向量对应的视频添加上所述标签。

2.根据权利要求1所述的方法，其中，所述从所述样本向量集中查找出与所述目标向量相似的样本向量，包括：

基于最近邻检索算法从所述样本向量集中查找出与所述目标向量相似的样本向量。

3.根据权利要求1所述的方法，其中，所述获取视频的关键帧画面的特征向量，包括：

利用神经网络模型或者基于尺度不变特征变聚类算法的词袋模型提取所述关键帧画面的特征向量。

4.根据权利要求1所述的方法，其中，所述获取与所述标签对应的样本图片的特征向量，包括：

对所述样本图片提取高维特征向量；以及，

对所样本图片的高维特征向量做降维处理。

5.根据权利要求1所述的方法，其中，所述获取与所述标签对应的样本图片的特征向量，包括：

利用神经网络模型或者基于尺度不变特征变聚类算法的词袋模型提取与所述标签对应的样本图片的特征向量。

6.根据权利要求2所述的方法，其中，所述最近邻检索算法包括：基于K-d树的近邻检索算法或者基于乘积量化的近邻检索算法。

7.根据权利要求2所述的方法，其中，所述基于最近邻检索算法从所述样本向量集中查找出与所述目标向量相似的样本向量，包括：

通过对所述样本向量集中的样本向量进行乘积量化处理建立所述样本向量集的数据索引；

通过对所述目标向量进行乘积量化处理将所述目标向量量化到所述数据索引中，以获取所述样本向量集中的样本向量与所述目标向量的距离；

将与所述目标向量的距离小于预设阈值的样本向量确定为与所述目标向量相似的样本向量。

8.一种视频播放方法，包括以下步骤：

接收终端设备发送的对第一视频的播放请求；

将所述第一视频及其标签一起发送给所述终端设备；

其中，所述第一视频的关键帧画面的特征向量属于第一特征向量集，所述第一特征向量集对应的视频具有所述标签；

所述第一特征向量集是从第二特征向量集中查找出的与所述标签对应的样本图片的特征向量相似的特征向量构成的集合，所述第二特征向量集是视频库中的视频的关键帧画面的特征向量构成的集合，所述视频库中的视频的关键帧画面的特征向量是对每个所述关键帧画面提取高维特征向量后所做降维处理得到的，所述视频库中的视频的关键帧画面是每个镜头的第一帧画面，所述镜头是对视频库中的视频进行镜头切分得到的，所述第一视频属于所述视频库。

9.一种视频播放方法，包括以下步骤：

向服务器发送对第一视频的播放请求；

从服务器接收所述第一视频，所述第一视频附加有标签；

其中，所述第一视频的关键帧画面的特征向量属于第一特征向量集，所述第一特征向量集对应的视频具有所述标签；

所述第一特征向量集是从第二特征向量集中查找出的与所述标签对应的样本图片的特征向量相似的特征向量构成的集合，所述第二特征向量集是视频库中的视频的关键帧画面的特征向量构成的集合，所述视频库中的视频的关键帧画面的特征向量是对每个所述关键帧画面提取高维特征向量后所做降维处理得到的，所述视频库中的视频的关键帧画面是每个镜头的第一帧画面，所述镜头是对视频库中的视频进行镜头切分得到的，所述第一视频属于所述视频库。