[发明专利]提取关键帧的方法及装置

说明书

本申请的实施例提供了一种提取关键帧的方法及装置。该提取关键帧的方法包括：获取目标视频；将所述目标视频作为关键帧提取模型的输入，通过所述关键帧提取模型预测得到所述目标视频的关键帧；其中，所述关键帧提取模型是根据样本视频所对应第一损失和所对应第二损失对神经网络模型进行训练得到的，所述第一损失表征了所述样本视频的标注关键帧和所述神经网络模型为所述样本视频预测得到的预测关键帧之间的差异，所述第二损失表征了所述样本视频的标注类型与所述神经网络模型为所述样本视频预测得到的预测类型之间的差异。有效保证了所提取的关键帧与目标视频的内容相关。

技术领域

本申请涉及计算机技术领域，具体而言，涉及一种提取关键帧的方法及装置。

背景技术

一般为了便于用户快速了解视频的主要内容，在视频推荐页面，向用户呈现视频的个性化封面。而该个性化封面是根据视频中反映视频主要内容的关键帧来生成的。

对于视频而言，其中包括重复的视频帧、不包括角色主体的视频帧。那么，对应的，并不是视频中的任一视频帧均可以作为视频的关键帧。

现有技术中，一般是通过按秒随机抽取视频帧，以将所抽取的视频帧作为视频的关键帧。显然，随机抽取的方式并不能保证所抽取到的视频帧均为视频的关键帧，导致所提取的视频帧并不能反映视频的内容。

由上可知，如何提取到反映视频内容的关键帧是现有技术中亟待解决的技术问题。

发明内容

本申请的实施例提供了一种提取关键帧的方法及装置，进而至少在一定程度上可以实现提取到反映视频内容的关键帧。

本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。

根据本申请实施例的一个方面，提供了一种提取关键帧的方法，包括：获取目标视频；将所述目标视频作为关键帧提取模型的输入，通过所述关键帧提取模型预测得到所述目标视频的关键帧；

其中，所述关键帧提取模型是根据样本视频所对应第一损失和所对应第二损失对神经网络模型进行训练得到的，所述第一损失表征了所述样本视频的标注关键帧和所述神经网络模型为所述样本视频预测得到的预测关键帧之间的差异，所述第二损失表征了所述样本视频的标注类型与所述神经网络模型为所述样本视频预测得到的预测类型之间的差异。

根据本申请实施例的一个方面，提供了一种提取关键帧的装置，包括：获取模块，用于获取目标视频；

预测模块，用于将所述目标视频作为关键帧提取模型的输入，通过所述关键帧提取模型预测得到所述目标视频的关键帧；

其中，所述提取模型是根据样本视频所对应第一损失和所对应第二损失对神经网络模型进行训练得到的，所述第一损失表征了所述样本视频的标注关键帧和所述神经网络模型为所述样本视频预测得到的预测关键帧之间的差异，所述第二损失表征了所述样本视频的标注类型与所述神经网络模型为所述样本视频预测得到的预测类型之间的差异。

在本申请的一些实施例所提供的技术方案中，由于第一损失与样本视频的视频类型相关，第二损失与样本视频的关键帧相关，根据样本视频所对应的第一损失和所对应的第二损失进行神经网络模型的训练，实现了在关键帧提取过程中引入了视频类型这一属性。从而，训练所得到的关键帧提取模型在为目标视频进行关键帧预测过程中，对于不同视频类型的目标视频会针对性地进行关键帧预测。

也即是说，通过样本视频的第一损失和第二损失对神经网路模型进行训练使该模型具备针对不同内容的视频针对性进行关键帧预测的能力，从而使得所预测得到的关键帧与视频内容相关，可以充分表达视频的内容信息。关键帧提取模型在具备针对不同类型的视频针对性进行关键帧预测的能力的基础上，为目标视频所预测得到的关键帧可以充分表达目标视频的内容信息。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。