[发明专利]视频的推荐方法、装置、设备及存储介质

权利要求书

1.一种视频的推荐方法，其特征在于，所述方法包括：

获取与用户帐号相关的目标视频；

调用画风识别模型获取所述目标视频的画风类别，所述画风识别模型是用于提取所述目标视频的视频风格特征、根据所述视频风格特征确定所述目标视频的所述画风类别的机器学习模型；

根据所述画风类别确定所述用户帐号的推荐视频，所述推荐视频与所述目标视频的所述画风类别相同；

向客户端发送所述推荐视频。

2.根据权利要求1所述的方法，其特征在于，所述画风识别模型包括特征提取层和特征融合层；

所述调用画风识别模型获取所述目标视频的画风类别，包括：

将所述目标视频输入所述特征提取层，提取所述目标视频的帧级别特征向量，所述帧级别特征向量用于表示所述目标视频的至少一帧图像的特征；

将所述帧级别特征向量输入所述特征融合层得到所述目标视频的所述画风类别，所述特征融合层用于提取所述目标视频在时间维度上的视频级特征向量，根据所述视频级特征向量得到所述画风类别。

3.根据权利要求2所述的方法，其特征在于，所述特征融合层包括动作识别层、全连接层和分类节点；

所述将所述帧级别特征向量输入所述特征融合层得到所述目标视频的所述画风类别，包括：

将所述帧级别特征向量输入所述动作识别层得到所述目标视频在至少两个时间尺度上的视频级特征向量；

将至少两个时间尺度上的所述视频级特征向量输入所述全连接层进行下采样得到下采样特征向量；

将所述下采样特征向量输入所述分类节点输出所述目标视频的所述画风类别。

4.根据权利要求3所述的方法，其特征在于，所述帧级别特征向量包括所述目标视频的m帧图像对应的m个所述帧级别特征向量，所述m是大于1的整数；

所述将所述帧级别特征向量输入所述动作识别层得到所述目标视频在至少两个时间尺度上的视频级特征向量，包括：

对于第j个时间尺度，从m个所述帧级别特征向量中选出j个所述帧级别特征向量，顺序拼接所述j个所述帧级别特征向量，进行特征提取后得到所述第j个时间尺度的所述视频级特征向量，所述j是大于1小于等于所述m的整数。

5.根据权利要求4所述的方法，其特征在于，所述对于第j个时间尺度，从m个所述帧级别特征向量中选出j个所述帧级别特征向量，顺序拼接j个所述帧级别特征向量，进行特征提取后得到所述第j个时间尺度的所述视频级特征向量，包括：

对于所述第j个时间尺度，以x种方式从m个所述帧级别特征向量中选出x组所述帧级别特征向量，每组所述帧级别特征向量包括j个所述帧级别特征向量，顺序拼接每组所述帧级别特征向量中的j个所述帧级别特征向量，得到x个拼接特征向量；

对x个所述拼接特征向量分别进行特征提取，得到所述第j个时间尺度的x个视频级特征向量；

其中，所述m是大于1的整数，所述j是大于1小于等于所述m的整数，所述x是大于0的整数。

6.根据权利要求3至5任一所述的方法，其特征在于，所述画风识别模型用于将输入的视频分为n种所述画风类别中的至少一种，所述分类节点包括n种所述画风类别分别对应的n个所述分类节点，所述n是大于1的整数；

所述将所述下采样特征向量输入所述分类节点输出所述目标视频的所述画风类别，包括：

将所述下采样特征向量输入所述n个所述分类节点分别输出所述目标视频的n个概率值，第i个所述概率值用于表示所述目标视频属于第i个画风类别的概率，所述i是大于0且不大于n的整数。