[发明专利]图片传输方法及装置

说明书

本发明提供了一种图片传输方法及装置，该方法包括：获取第一视频中的关键帧组成的目标关键帧集合；根据一组帐号对一组视频的实际关注度参数和预测关注度参数确定目标视觉参数；根据目标视觉参数确定目标帐号对目标关键帧集合中的每个关键帧的关注度参数；将目标关键帧集合中关注度参数大于预定阈值的目标关键帧传输给目标帐号。避免了获取帐号对关键帧的行为特征数据或者账号对视频的文本信息，解决了相关技术中在缺少用户对关键帧行为数据的情况下，或者缺少用户对关键帧的文本信息的情况下，无法实现根据用户的不同需求在视频中选取对应的关键帧的进行推送的问题。

技术领域

本发明涉及图片处理领域，具体而言，涉及一种图片传输方法及装置。

背景技术

在实际场景中，用户通常根据视频封面的图片来确定是否要要观看整个视频，那么针对用户的不同喜欢对视频选取不同的封面，有利于用户根据自己喜欢的封面观看视频，进而需要对同一视频根据用户的需要选取不同的封面。例如，视频中包含画面1、画面2，当判断用户A喜欢画面1中的内容，则可以将画面1作为视频的封面，推送给用户A，类似，如有用户B喜欢画面2的内容，那么可以将画面2作为视频的封面，推送给用户B，进而使视频可以被更多的用户所观看。

通常采用的方法有两种，其中，方法1基于协同过滤的关键帧推荐方法：基于协同过滤的模型把每一个关键帧都看成是产品，接着把用户和产品映射到维度相同的隐向量空间，最后通过细粒度的用户对产品的行为数据对用户和产品的表征进行建模学习。根据学习好的用户以及产品隐向量表示，可以进行个性化的关键帧推荐。但是，基于协同过滤的方法需要细粒度的用户对关键帧的行为数据。具体到短视频个性化推荐任务中，就必须要有用户对关键帧的行为数据(比如收藏、点赞等)，这样才能利用基于协同过滤的模型进行关键帧推荐。但是在真实场景中，用户常常点击观看短视频却很少会其中的某一帧进行做出收藏或点赞等行为。因此获取用户对关键帧的行为数据是十分困难的，在缺少细粒度的用户对关键帧行为数据的情况下，基于协同过滤的模型就失效了。

方法2基于内容的关键帧推荐方法：提出的KFR模型，该模型对用户在关键帧上的字幕信息进行情感分析，从而判断用户对这一帧是否喜欢作为后续的训练数据及评判标准。KFR模型基于关键帧的视觉特征以及字幕文本信息进行建模，得到统一的个性化关键帧推荐框架。KFR模型利用了关键帧的视觉信息以及用户在关键帧上的字幕信息进行建模，进行关键帧推荐。短视频记录和分享用户的生活，一般几秒到几分钟不等。用户像浏览新闻一样快速的浏览短视频，因此并不会在观看短视频的时候发送弹幕消息。在这种场景下，很难获得用户对关键帧的文本信息，因此KFR模型也难以工作。

针对现有技术中，在缺少用户对关键帧行为数据的情况下，或者缺少用户对关键帧的文本信息的情况下，无法实现根据用户的不同需求在视频中的选取对应的关键帧的进行推送的问题。目前尚没有有效的解决方案。

发明内容

本发明实施例提供了一种图片传输方法及装置，以至少解决相关技术中在缺少用户对关键帧行为数据的情况下，或者缺少用户对关键帧的文本信息的情况下，无法实现根据用户的不同需求在视频中选取对应的关键帧的进行推送的问题。

根据本发明的一个实施例，提供了一种图片传输方法，包括：获取第一视频中的关键帧组成的目标关键帧集合；根据一组帐号对一组视频的实际关注度参数和预测关注度参数确定目标视觉参数，其中，所述目标视觉参数包括：所述一组帐号中每个帐号的第m个视觉参数，以及，所述一组视频中每个视频的关键帧集合中的第n个关键帧的视觉特征，基于所述第m个视觉参数和所述第n个关键帧的视觉特征计算得到的所述预测关注度参数和所述实际关注度参数之间的差值满足预设条件，m和n均为自然数；根据所述目标视觉参数确定所述目标帐号对所述目标关键帧集合中的每个关键帧的关注度参数；将所述目标关键帧集合中关注度参数大于预定阈值的目标关键帧传输给所述目标帐号。