[发明专利]视频封面的确定方法及装置在审

专利信息
申请号: 202110824474.8 申请日: 2021-07-21
公开(公告)号: CN113821678A 公开(公告)日: 2021-12-21
发明(设计)人: 李传俊;殷泽龙 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06F16/738 分类号: G06F16/738;G06F16/75
代理公司: 广州三环专利商标代理有限公司 44202 代理人: 熊永强;贾允
地址: 518057 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 视频 封面 确定 方法 装置
【权利要求书】:

1.一种视频封面的确定方法,其特征在于,所述方法包括:

获取目标视频;

对所述目标视频中的视频帧进行聚类,得到至少一个镜头;

在每个镜头中确定至少一个候选封面;

对所述候选封面进行自选封面预测处理,得到所述候选封面对应的自选封面预测概率,所述自选封面预测概率是指所述候选封面被自主选择为视频封面的概率,并且所述自选封面预测概率与吸引度呈正相关,所述吸引度用于表征所述候选封面的内容对用户的吸引程度;

根据所述自选封面预测概率,从所述候选封面中确定出所述目标视频的视频封面。

2.根据权利要求1所述的方法,其特征在于,所述对所述候选封面进行自选封面预测处理,得到所述候选封面对应的自选封面预测概率,包括:

将所述候选封面输入自选封面预测模型进行所述自选封面预测处理,得到所述候选封面对应的自选封面预测概率;

其中,所述自选封面预测模型是以样本视频的封面为正样本训练得到的机器学习模型,所述样本视频是指用户自选封面且操作数据指标符合预设条件的视频,所述操作数据指标用于表征用户对所述样本视频的操作行为的统计结果。

3.根据权利要求2所述的方法,其特征在于,所述自选封面预测模型的训练过程包括:

获取所述样本视频;

将所述样本视频的封面作为所述自选封面预测模型的正样本;

确定所述样本视频中的参考视频帧,所述参考视频帧是除所述封面之外的其他视频帧;

将所述参考视频帧作为所述自选封面预测模型的负样本;

基于所述正样本和所述负样本训练所述机器学习模型,得到所述自选封面预测模型。

4.根据权利要求1所述的方法,其特征在于,所述在每个镜头中确定至少一个候选封面,包括:

将所述每个镜头下的视频帧进行聚类,得到所述每个镜头下的至少一个子镜头;

对于每个所述子镜头,将所述子镜头中静止度高于静止度阈值的视频帧确定为所述候选封面。

5.根据权利要求1或4所述的方法,其特征在于,所述对所述目标视频中的视频帧进行聚类,得到至少一个镜头,包括:

确定每一所述视频帧对应的特征向量,所述特征向量用于表征所述视频帧的色彩分布信息以及像素值梯度信息;

基于所述特征向量,对所述目标视频中的视频帧进行聚类,得到所述至少一个镜头。

6.根据权利要求5所述的方法,其特征在于,所述确定每一所述视频帧对应的特征向量,包括:

确定每一所述视频帧的色彩直方图特征数据;

确定每一所述视频帧的梯度图特征数据,所述梯度图特征数据包括水平方向的梯度特征和竖直方向的梯度特征;

基于所述色彩直方图特征数据和所述梯度图特征数据,得到所述特征向量。

7.根据权利要求1至6任一项所述的方法,其特征在于,所述获取目标视频之后,所述方法还包括:滤除所述目标视频中不符合质量筛选条件的视频帧;

所述对所述目标视频中的视频帧进行聚类,得到至少一个镜头,包括:对所述目标视频中符合所述质量筛选条件的视频帧进行聚类,得到所述至少一个镜头。

8.根据权利要求7所述的方法,其特征在于,所述质量筛选条件包括亮度条件、模糊度条件、色彩单一度条件和场景切换帧筛选条件中的至少一种,所述滤除所述目标视频中不符合质量筛选条件的视频帧,包括:

在所述质量筛选条件包括所述亮度条件的情况下,滤除所述目标视频中亮度值不属于亮度阈值区间的视频帧;

在所述质量筛选条件包括所述模糊度条件的情况下,滤除所述目标视频中锐化度小于锐化阈值的视频帧;

在所述质量筛选条件包括所述色彩单一度条件的情况下,滤除所述目标视频中色彩单一度大于色彩单一度阈值的视频帧;

在所述质量筛选条件包括所述场景切换帧筛选条件的情况下,滤除所述目标视频中的场景切换帧。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110824474.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top