CN104185041B - 视频交互广告的自动生成方法和*** - Google Patents

Abstract

本发明涉及视频广告技术领域，公开了视频交互广告的自动生成方法和***，包括步骤：接受用户对视频的交互操作，识别用户；获取交互操作的视频对象的图像，识别对象；计算视频对象与广告库中各广告的匹配度；计算用户与广告库中各广告的匹配度；根据视频对象与广告集中各广告的匹配度、用户与各广告的匹配度、各广告的优先级计算得到广告库中各广告的优选度；将广告库中优选度最大的广告展示给用户。本发明既能充分考虑视频中对象的特性、又能充分考虑用户的喜好，将交互操作的视频对像的最优选的广告展示给该用户，使得视频交互广告的有效性非常高。

Description

视频交互广告的自动生成方法和***

技术领域

本发明涉及视频广告技术领域，尤其涉及一种视频广告的生成方法和***。

背景技术

现有基于视频内容的广告技术，一般是将与视频中的某些对象相关的广告***视频，这种技术在添加广告时，虽然考虑了视频的特性，但没有考虑用户的喜好。而且因为一个视频中不能***过多广告，只能***与视频中部分对象相关的广告，所以无法***与视频中所有对象相关的广告。

现有视频交互广告技术虽然考虑了用户的喜好，只有当用户点击视频中一个对象的时候才弹出与这个对象相关的广告，但现有视频交互技术需要人工将与视频中对象相关的广告与该视频对象关联，从而在视频播放中，如果用户与该视频对象交互，才能弹出相应广告。但人工关联视频对象的方式，速度慢、成本高，所以人工方式只能将视频中部分对象关联交互广告，而这些被关联了交互广告的对象又不一定是用户感兴趣的广告。这样很可能会导致关联了广告的视频对象都没有被用户交互，而用户交互了的视频对象又没有被关联广告，从而导致该视频的交互广告的利用率为零。

因此，现有技术还有待于改进和发展。

发明内容

本发明的目的在于提供一种视频广告的生成方法和***，针对现有基于视频内容的广告技术中不能满足用户的喜好，同时针对现有视频交互广告技术人工方式***交互广告成本高的不足，能通过自动匹配与用户交互操作的视频对象相关且与用户相关的优选广告并展示给用户。

一种视频广告的生成方法，包括以下步骤：

接受用户对视频的交互操作，识别所述用户；

获取所述交互操作的视频对象的图像，识别所述对象；

根据对所述对象的识别结果计算所述视频对象与广告库中各广告的匹配度；

根据对所述用户的识别结果计算所述用户与广告库中各广告的匹配度；

根据所述视频对象与广告库中各广告的匹配度、所述用户与广告库中各广告的匹配度、各广告的优先级计算得到所述各广告的优选度；

将所述广告库中优选度最大的广告展示给所述用户，并将用户对广告的查看记录进广告库。

优选地，在所述接受用户对视频的交互操作，识别所述用户的步骤之前，所述方法还包括以下步骤：

构建广告库，所述广告库中的各个广告包括字段：类型、优先级、文字、图片、预期用户类型、用户查看记录，其中用户查看记录包括用户的ID、查看的时间长短；

将所述广告库中各个用户查看各个类型的广告的时间长度与该用户总的查看时间长度的比值，作为所述各个用户对所述各个类型的广告的喜好度。

其中，优选地，所述根据对所述对象的识别结果计算所述视频对象与广告库中各广告的匹配度的步骤，具体包括：

将所述视频对象的图像与广告库中各广告的图片进行模糊匹配，并记录所述视频对象的图像与各广告的匹配度；

将所述视频对象的类型与广告库中各广告的文字进行模糊匹配，并记录所述视频对象的类型与各广告的匹配度；

将各个广告与所述视频对象的图像、类型的匹配度进行加权平均，得到所述视频对象与各个广告的匹配度。

其中，优选地，所述根据对所述用户的识别结果计算所述用户与广告库中各广告的匹配度的步骤，具体包括：

将所述用户的类型与所述广告库中各广告的预期用户类型集合进行模糊匹配，并记录所述用户的类型与各广告的匹配度；

将所述用户查看各个类型的广告的时间长度与该用户总的查看时间长度的比值，作为该用户对各个类型的广告的喜好度；

获取广告库中各个广告的类型，将所述用户对各个广告的类型的喜好度作为所述用户与各个广告的喜好的匹配度；

将各个广告与所述用户的类型的匹配度、喜好的匹配度进行加权平均，得到所述广告库中各个广告与所述用户的匹配度。

其中，优选地，所述根据所述视频对象与广告库中各广告的匹配度、所述用户与广告库中各广告的匹配度、各广告的优先级计算得到所述各广告的优选度的步骤，具体包括为：

将所述视频对象与所述广告库中每个广告与的匹配度、所述用户与每个广告的匹配度、每个广告的优先级进行加权平均，得到所述广告库中各个广告的优选度。

一种视频广告的生成***，包括：

交互模块，用于接受用户对视频的交互操作，识别所述用户；

对象类型识别模块，用于获取所述交互操作的视频对象的图像，识别所述对象；

视频对象匹配模块，用于根据对所述对象的识别结果计算所述视频对象与广告库中各广告的匹配度；

用户匹配模块，用于根据对所述用户的识别结果计算所述用户与广告库中各广告的匹配度；

优选度计算模块，用于根据所述视频对象与广告库中各广告的匹配度、所述用户与广告库中各广告的匹配度、各广告的优先级计算得到所述广告库中各广告的优选度；

展示模块，用于将所述广告库中优选度最大的广告展示给所述用户，并将用户对广告的查看记录进广告库。

优选地，所述***还包括：

广告库构建模块，用于构建广告库，所述广告库中的各个广告包括字段：类型、优先级、文字、图片、预期用户类型、用户查看记录，其中用户查看记录包括用户的ID、查看的时间长短；

用户喜好识别模块，用于将用户查看各个类型的广告的时间长度与该用户总的查看时间长度的比值，作为该用户对各个类型的广告的喜好度。

其中，优选地，所述视频对象匹配模块包括：

对象图像匹配单元，用于将所述视频对象的图像与广告库中各广告的图片进行模糊匹配，并记录所述视频对象的图像与各广告的匹配度；

对象类型匹配单元，用于将所述视频对象的类型与广告库中各广告的文字进行模糊匹配，并记录所述视频对象的类型与各广告的匹配度；

对象匹配度计算单元，用于将各个广告与所述对象的图像、类型的匹配度进行加权平均，得到所述视频对象与各个广告的匹配度。

其中，优选地，所述用户匹配模块包括：

用户类型匹配单元，用于将所述用户的类型与所述广告库中各广告的预期用户类型集合进行模糊匹配，并记录所述用户的类型与各广告的匹配度；

用户喜好匹配单元，用于获取广告库中各个广告的类型，将所述用户对各个广告的类型的喜好度作为所述用户与各个广告的喜好的匹配度；

用户匹配度计算单元，用于将各个广告与所述用户的类型的匹配度、喜好的匹配度进行加权平均，得到所述广告库中各个广告与所述用户的匹配度。

其中，优选地，所述优选度计算模块具体用于将所述广告库中每个广告与所述对象的匹配度、该个广告与所述用户的匹配度、该个广告的优先级进行加权平均，得到所述广告库中各广告的优选度。

本发明的视频交互广告的自动生成方法和***，既能充分考虑视频中对象的特性、又能充分考虑用户的喜好，视频中所有被用户交互的对象，都有一个最优选的广告可以展示给该用户，而用户不交互的视频对象则不会弹出广告，使得视频交互广告的有效性非常高；同时因为无需手工加入广告，所以速度快、成本低。

附图说明

图1为本发明实施例提供的视频交互广告的自动生成方法的流程图；

图2为图1中步骤30的流程图；

图3为图1中步骤40的流程图；

图4为本发明实施例提供的视频交互广告的自动生成***的结构框图；

图5为图4中的视频对象匹配模块的结构框图；

图6为图4中的用户匹配模块的结构框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

如图1所示，本发明实施例提供的视频交互广告的自动生成方法，包括以下步骤：

步骤S30，接受用户对视频的交互操作，识别所述用户。具体地，用户对视频的操作既可以是用户利用鼠标对视频进行交互操作，也可以是眼控的形式，例如用户利用眼球追踪器与视频进行交互。交互操作的方式包括最常用的点击操作。用户的类型包括性别、年龄等。其中，识别用户的类型是现有技术，例如根据用户的注册信息来进行识别，或者根据视频摄像头来判别用户的类型，其为现有技术，此处不作详述。其中，识别用户的喜好，可以从广告库中用户对广告进行查看的历史记录中分析挖掘得到，例如，过去用户看得越多或时间越长的广告类型则是用户越喜好的类型，从而通过统计用户对各类型广告的查看次数或时间长度，则能得到用户对各类广告的喜好程度。

步骤S40，获取所述交互操作的视频对象的图像，识别所述对象。具体地，视频对象是指视频中包含的对象，例如：车、包、食物、衣服等。视频对象的图像是指从视频中截取的视频对象的图像，例如：车的图像、包的图像、食物的图像、衣服的图像等。所述交互操作的视频对象，例如用户点击了视频中的一个车，则该车就是所述交互操作的视频对象。本发明在获取所述交互操作的视频对象的图像时，可以利用现有的图像分割技术，将所述交互操作区域中的视频对象的图像分割出来。所述图像中的对象类型包括：“车”类、“包”类、“食物”类、“衣服”类，本实施例利用现有图像识别技术可以识别出图像中的对象类型。

步骤S50，根据对所述对象的识别结果计算所述视频对象与广告库中各广告的匹配度。具体地，广告库中的广告包括但不限于图片广告、文字广告、视频广告、网页广告，不论是什么类型的广告，广告中要么包含有图像、要么包含有文字，要么既包含图像又包含文字，所以可以利用现有的图像匹配、文字匹配的技术，来将所述视频对象的图像与广告库中广告图像进行匹配，将所述对象的文字与广告库中广告文字进行匹配，然后将图像匹配度和文字匹配度加权平均得到广告库中各个广告的匹配度。

步骤S60，根据对所述用户的识别结果计算所述用户与广告库中各广告的匹配度。优选地，将各广告与所述用户的类型匹配度、喜好匹配度加权平均，得到该广告库中各广告与所述用户的匹配度。

步骤S70，根据所述视频对象与广告库中各广告的匹配度、所述用户与广告库中各广告的匹配度、各广告的优先级计算得到所述各广告的优选度。具体地，计算的方式可以是所述视频对象与各广告的匹配度乘以所述用户与各广告的匹配度乘以各广告的优先级得到所述广告库中各广告的优选度。计算的方式也可以是所述视频对象与各广告的匹配度、所述用户与各广告的匹配度、各广告的优先级通过加权平均得到所述广告库中各广告的优选度。计算的方式也可以是采用其他函数f，使得所述广告库中一个广告的优选度=f，其中，该个广告与所述对象的匹配度、该个广告与所述用户的匹配度、该个广告的优先级是f的三个变量，所述广告库中一个广告的优选度是由函数f及所述三个变量共同决定的。构造f的原则是使得一个广告与所述视频对象的匹配度越大、该个广告与所述用户的匹配度越大、该个广告的优先级越大，则该个广告的优选度越大。

步骤S80，将所述广告库中优选度最大的广告展示给所述用户，并将用户对广告的查看记录进广告库。具体地，广告库中优选度最大的广告是与用户及用户所交互的视频对象匹配度最高的广告。展示广告的方式包括但不限于弹出广告、链接到广告页面、播放广告视频、显示广告图片。

如图2所示，在具体实施过程中，所述步骤S50具体包括：

步骤S510，将所述视频对象的图像与广告库中各广告的图片进行模糊匹配，并记录所述对象的图像与各广告的匹配度。具体地，广告的图片是指广告中包含的图片，一般是以图片文件的方式存储在计算机***中，例如：包的图片、车的图片等。所述视频对象的图像是从视频中分割出来的对象图像，例如：包的图像、车的图像等。图像匹配可以使用现有技术来得到所述视频对象的图像与广告库中各广告图片的相似度，即匹配度，类似于***的搜图技术、***的搜图技术。广告库中有广告a1,a2,..,an，所述对象的图像与该个广告的匹配度为p(ai,v)，归一化后为p(ai,v)/p。匹配度是匹配的程度，为0到1之间的数，当为0时，则完全不匹配，当为1时，则完全匹配。如果一个广告中不包含图像，则所述对象的图像与该个广告的匹配度为0。如果一个广告中图像与所述视频对象的图像没有相似之处，则所述对象的图像与该个广告的匹配度也为0。得到所述对象的图像与各广告的匹配度后，要进行归一化处理，例如，各匹配度分别为p(a1,v),p(a2,v),…, p(an,v)， p= p(a1,v)+p(a2,v)+…+ p(an,v)，则归一化后，各相应匹配度为p(a1,v)/p,p(a2,v)/p,…, p(an,v)/p。归一化的目的是避免绝对匹配度过小的情况，从而用相对匹配度来代替绝对匹配度，因为本发明的目的是从广告库中优选出相对而言更为合适的广告。

步骤S520，将所述视频对象的类型与广告库中各广告的文字进行模糊匹配，并记录所述对象的类型与各广告的匹配度。具体地，对象的类型，例如：包类型、车类型。例如，当所述对象的类型是包类型时，则搜索广告库中各广告的文字是否含有“包”，并根据“包”在一个广告文字中出现的次数及该个广告文字的总数的比值作为所述对象的类型与该个广告的匹配度。也可以采用现有文字匹配的技术来计算所述对象的类型与各广告文字的匹配度。广告库中有广告a1,a2,..,an，所述对象的类型与该个广告的匹配度为q(ai,v)，归一化后为q(ai,v)/q。匹配度是匹配的程度，为0到1之间的数，当为0时，则完全不匹配，当为1时，则完全匹配。如果一个广告中不包含文字，则所述对象的文字与该个广告的匹配度为0。如果一个广告中文字不包含所述对象的类型对应的文字，则所述对象的类型与该个广告的匹配度也为0。得到所述对象的类型与各广告的匹配度后，将不为0的匹配度要进行归一化处理，例如，各匹配度分别为q(a1,v),q(a2,v),…, q(an,v)， q= q(a1,v)+q(a2,v)+…+ q(an,v)，q= q(a1,v)+q(a2,v)+…+ q(an,v)，则归一化后，各相应匹配度为q(a1,v)/q,q(a2,v) /q,…, q(an,v) /q 。归一化的目的是避免绝对匹配度过小的情况，从而用相对匹配度来代替绝对匹配度，因为本发明的目的是从广告库中优选出相对而言更为合适的广告。

步骤S530，将各个广告与所述视频对象的图像、对象类型的匹配度进行加权平均，得到所述对象与各个广告的匹配度。具体地，广告库中有广告a1,a2,..,an，所述对象v与广告ai的匹配度为x1(ai,v)，所述对象的图像与该个广告的匹配度为p(ai,v)，归一化后为p(ai,v)/p，所述对象的类型与该个广告的匹配度为q(ai,v) ，归一化后为q(ai,v)/q。其中i取值范围是从1到n。x1(ai,v)=k1×p(ai,v)/p+k2×q(ai,v)/q，例如x1(a1,v)=k1×p(a1,v)/p+k2×q(a1,v)/q, x1(a2,v)=k1×p(a2,v)/p+k2×q(a2,v)/q,…, x1(an,v)=k1×p(an,v)/p+k2×q(an,v)/q，其中k1≧0，k2≧0，k1+k2=1。当取k1=k2=1/2时，则将广告与所述对象的图像匹配度与类型匹配度同等重视。当k1>k2时，则更重视广告与所述视频对象的图像匹配度。当k2>k1时，则更重视广告与所述视频对象的对象类型匹配度。

如图3所示，在具体实施过程中，所述步骤S60包括：

步骤S610，将所述用户的类型与所述广告库中各广告的预期用户类型集合进行模糊匹配，并记录所述用户的类型与各广告的匹配度。具体地，用户的类型包括但不限于性别类型（男、女）、年龄类型（老、中、少）。例如，当所述用户的类型是少女类型时，则搜索广告库中各广告的预期用户类型中是否含有“少女”，并根据“少女”在一个广告的预期用户类型中出现的次数及该个广告的预期用户类型的总数的比值作为所述用户的类型与该个广告的匹配度。也可以采用现有文字匹配的技术来计算所述用户的类型与各广告文字的匹配度。匹配度是匹配的程度，为0到1之间的数，当为0时，则完全不匹配，当为1时，则完全匹配。如果一个广告中不包含预期用户类型，则所述用户的类型与该个广告的匹配度为0。如果一个广告中预期用户类型不包含所述用户的类型，则所述用户的类型与该个广告的匹配度也为0。得到所述用户的类型与各广告的匹配度后，将不为0的匹配度要进行归一化处理，例如，广告库中有广告a1,a2,..,an，所述用户u的类型与广告ai的预期用户类型的匹配度为s(ai,u)。其中i取值范围是从1到n。所述用户u的类型与各广告的匹配度分别为s(a1,u),s(a2,u),…,s(an.u)， s=s(a1,u)+s(a2,u)+…+s(an,u)，则归一化后，各相应匹配度为s(a1,u)/s,s(a2,u)/s,…,s(an,u)/s。归一化的目的是避免绝对匹配度过小的情况，从而用相对匹配度来代替绝对匹配度，因为本发明的目的是从广告库中优选出相对而言更为合适的广告。

S620，获取广告库中各个广告的类型，将所述用户对各个广告的类型的喜好度作为所述用户与所述广告库各个广告的喜好匹配度。具体地，广告库中有广告a1,a2,..,an，所述用户u与广告ai的喜好匹配度为t(ai,u)。获取广告库中各个广告的类型，例如广告ai的类型为h(ai)，则将用户u对h(ai)类型广告的喜好度g(h(ai))作为用户u对广告ai的喜好匹配度t(ai,u)，即t(ai,u)=g(h(ai))。其中i取值范围是从1到n。所述用户u与广告ai的喜好匹配度分别为t(a1,u),t(a2,u),…,t(an.u)， t=t(a1,u)+t(a2,u)+…+t(an,u)，则归一化后，各相应匹配度为t(a1,u)/t,t(a2,u)/t,…,t(an,u)/t。归一化的目的是避免绝对匹配度过小的情况，从而用相对匹配度来代替绝对匹配度，因为本发明的目的是从广告库中优选出相对而言更为合适的广告。

步骤S630，将各个广告与所述用户的类型的匹配度、喜好的匹配度进行加权平均，得到所述广告库中各个广告与所述用户的匹配度。具体地，广告库中有广告a1,a2,..,an。所述用户为u。广告ai与所述用户u的匹配度为x2(ai,u)，所述用户u的类型与广告ai的匹配度为s(ai,u)，归一化后为s(ai,u)/s，所述用户u的喜好与广告ai的匹配度为t(ai,u)，归一化后为t(ai,u)/t，则x2(ai,u)=k3×s(ai,u)/t+k4×t(ai,u)/t，其中i取值范围是从1到n。例如x2(a1,u)=k3×s(a1,u)/s+k4×t(a1,u)/t, x2(a2,u)=k3×s(a2,u)/s+k4×t(a2,u)/t,…, x2(an,u)=k3×s(an,u)/s+k4×t(an,u)/t，其中k3≧0，k4≧0，k3+k4=1。当取k3=k4=1/2时，则将广告与所述用户的类型匹配度与喜好匹配度同等重视。当k1>k2时，则更重视广告与所述用户的类型匹配度。当k2>k1时，则更重视广告与所述用户的喜好匹配度。

在具体实施过程中，所述步骤S70包括：

步骤S710，将所述视频对象与所述广告库中各个广告的匹配度、所述用户与各个广告的匹配度、各个广告的优先级进行加权平均，得到所述广告库中各个广告的优选度。具体地，广告库中有广告a1,a2,..,an。广告库中各广告的优先级可以从广告库中读取，广告ai的优先度为x3(ai)。 x3= x3(a1)+ x3(a2)+…+ x3(an)，则归一化后，各相应匹配度为x3(a1)/ x3, x3(a2)/ x3,…, x3(an)/ x3。所述用户为u，所述对象为v。广告ai与所述对象v的匹配度为x1(ai,t)，归一化后为x1(ai,v)/x1，广告ai与所述用户u的匹配度为x2(ai,u)，归一化后为x2(ai,u)/x2，广告ai的优先度为x3(ai) ，归一化后为x3(ai)/x3。d1,d2,d3为权值，且d1+d2+d3=1。广告ai的优选度记为y(ai)=d1×x1(ai,v)/x1+d2×x2(ai,u)/x2+d3×x3(ai)/x3。其中i取值范围是从1到n。

本发明另一实施例提供的视频交互广告的自动生成方法，在上述实施例的步骤S30之前还包括：

步骤S10，构建广告库，所述广告库中的各个广告包括字段：类型、优先级、文字、图片、预期用户类型、用户查看记录，其中用户查看记录包括用户的ID、查看的时间长短。具体地，广告的类型例如包类广告、车类广告等。一个广告的优先级是由广告运营商事先设定的，例如一个广告的价格越高，则该广告对应的优先级就越高。广告的优先级一般以正数来表示。广告的优先级的值越大，则广告的优先级越高。广告的文字、图片是指广告中包含的文字、图片。一个广告的预期用户类型是指可能对该广告感兴趣的人群，例如对女式衣服广告感兴趣的预期用户类型是女人，对男式衣服广告感兴趣的预期用户类型是男人。一个广告的预期用户类型可以在广告库中事先设定。

步骤S20，将所述广告库中各个用户查看各个类型的广告的时间长度与该用户总的查看时间长度的比值，作为所述各个用户对所述各个类型的广告的喜好度。具体地，广告库中各广告都有用户查看记录字段包括用户的ID、查看的时间长短。通过将广告库的所有广告中该用户查看时间进行求和，就能得到该用户总的查看时间长度。通过将广告库的各个类型广告中该用户查看时间进行求和，就能得到该用户查看各个类型的广告的时间长度。假设广告库共有m种类型的广告，该用户对各个类型的广告的喜好度记为g(1),g(2),…,g(m),其中g(1)+g(2)+…+g(m)=1。

本发明实施例相应提供的视频交互广告的自动生成***，如图4所示，其包括交互模块30、对象类型识别模块40、视频对象匹配模块50，用户匹配模块60，优选度计算模块70和展示模块80。

其中，所述交互模块30用于接受用户对视频的交互操作，识别所述用户。具体请参阅上述步骤S30的实施例。

所述对象类型识别模块40用于获取所述交互操作的视频对象的图像，识别所述对象。具体请参阅上述步骤S40的实施例。

所述视频对象匹配模块50用于根据对所述对象的识别结果计算所述视频对象与广告库中各广告的匹配度。具体请参阅上述步骤S50的实施例。

所述用户匹配模块60用于根据所述用户的类型及喜好计算所述视频对象与广告库中各广告的匹配度。具体请参阅上述步骤S60的实施例。

所述优选度计算模块70用于根据所述视频对象与广告库中各广告的匹配度、所述用户与广告库中各广告的匹配度、各广告的优先级计算得到所述广告库中各广告的优选度。具体请参阅上述步骤S70的实施例。

所述展示模块80用于将所述广告库中优选度最大的广告展示给所述用户，并将用户对广告的查看记录进广告库。具体请参阅上述步骤S80的实施例。

如图5所示，在具体实施过程中，所述视频对象匹配模块50包括对象图像匹配单元510、对象类型匹配单元520和对象匹配度计算单元530。

其中，所述对象图像匹配单元510用于将所述视频对象的图像与广告库中各广告的图片进行模糊匹配，并记录所述视频对象的图像与各广告的匹配度。具体请参阅上述步骤S510的实施例。

所述对象类型匹配单元520用于将所述视频对象的类型与广告库中各广告的文字进行模糊匹配，并记录所述视频对象的类型与各广告的匹配度。具体请参阅上述步骤S520的实施例。

所述对象匹配度计算单元530用于将各个广告与所述视频对象的图像、对象类型的匹配度进行加权平均，得到所述对象与各个广告的匹配度。具体请参阅上述步骤S530的实施例。

如图6所示，在具体实施过程中，所述用户匹配模块60包括用户类型匹配单元610、用户喜好匹配单元620，用户匹配度计算单元630。

其中，所述用户类型匹配单元610用于将所述用户的类型与所述广告库中各广告的预期用户类型集合进行模糊匹配，并记录所述用户的类型与各广告的匹配度。具体请参阅上述步骤S610的实施例。

所述用户喜好匹配单元620，用于获取广告库中各个广告的类型，将所述用户对各个广告的类型的喜好度作为所述用户与各个广告的喜好的匹配度。具体请参阅上述步骤S620的实施例。

所述用户匹配度计算单元630用于将各个广告与所述用户的类型的匹配度、喜好的匹配度进行加权平均，得到所述广告库中各个广告与所述用户的匹配度。具体请参阅上述步骤S630的实施例。

在具体实施过程中，所述优选度计算模块70包括优选度加权平均单元710。

其中，所述优选度加权平均单元710用于将所述广告库中各个广告与所述对象的匹配度、该个广告与所述用户的匹配度、该个广告的优先级进行加权平均，得到所述广告库中各广告的优选度。具体请参阅上述步骤S710的实施例。

本发明另一实施例相应提供的视频交互广告的自动生成***，在上述实施例的***基础上还包括广告库构建模块10、用户喜好识别模块20。

广告库构建模块10，用于构建广告库，所述广告库中的各个广告包括字段：类型、优先级、文字、图片、预期用户类型、用户查看记录，其中用户查看记录包括用户的ID、查看的时间长短。具体请参阅上述步骤S10的实施例。

用户喜好识别模块20，用于将所述广告库中各个用户查看各个类型的广告的时间长度与该用户总的查看时间长度的比值，作为所述各个用户对所述各个类型的广告的喜好度。具体请参阅上述步骤S20的实施例。

综上所述，本发明的视频交互广告的自动生成方法和***，既能充分考虑视频中对象的特性、又能充分考虑用户的喜好，视频中所有被用户交互的对象，都有一个最优选的广告可以展示给该用户，而用户不交互的视频对象则不会弹出广告，使得视频交互广告的有效性非常高；同时因为无需手工加入广告，所以速度快、成本低。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种视频广告的生成方法，其特征在于，所述方法包括以下步骤：

接受用户对视频的交互操作，识别所述用户,得到所述用户的类型和所述用户的喜好；

获取所述交互操作的视频对象的图像，识别所述对象，所述视频对象的图像是指从视频中截取的视频对象；

根据对所述对象的识别结果计算所述视频对象与广告库中各广告的匹配度；

根据所述用户的类型和所述用户的喜好计算所述用户与广告库中各广告的匹配度；

根据所述视频对象与广告库中各广告的匹配度、所述用户与广告库中各广告的匹配度、各广告的优先级计算得到所述各广告的优选度；

将所述广告库中优选度最大的广告展示给所述用户，并将用户对广告的查看记录进广告库。

2.根据权利要求1所述的视频广告的生成方法，其特征在于，在所述接受用户对视频的交互操作，识别所述用户的步骤之前，所述方法还包括以下步骤：

构建广告库，所述广告库中的各个广告包括字段：类型、优先级、文字、图片、预期用户类型、用户查看记录，其中用户查看记录包括用户的ID、查看的时间长短；

将所述广告库中各个用户查看各个类型的广告的时间长度与该用户总的查看时间长度的比值，作为所述各个用户对所述各个类型的广告的喜好度。

3.根据权利要求1所述的视频广告的生成方法，其特征在于，所述根据对所述对象的识别结果计算所述视频对象与广告库中各广告的匹配度的步骤，具体包括：

将所述视频对象的图像与广告库中各广告的图片进行模糊匹配，并记录所述视频对象的图像与各广告的匹配度；

将所述视频对象的类型与广告库中各广告的文字进行模糊匹配，并记录所述视频对象的类型与各广告的匹配度；

将各个广告与所述视频对象的图像、对象类型的匹配度进行加权平均，得到所述视频对象与各个广告的匹配度。

4.根据权利要求1所述的视频广告的生成方法，其特征在于，所述根据对所述用户的识别结果计算所述用户与广告库中各广告的匹配度的步骤，具体包括：将所述用户的类型与所述广告库中各广告的预期用户类型集合进行模糊匹配，并记录所述用户的类型与各广告的匹配度；

获取广告库中各个广告的类型，将所述用户对各个广告的类型的喜好度作为所述用户与各个广告类型的喜好的匹配度；

将各个广告与所述用户的类型的匹配度、各个广告类型喜好的匹配度进行加权平均，得到所述广告库中各个广告与所述用户的匹配度。

5.根据权利要求1所述的视频广告的生成方法，其特征在于，所述根据所述视频对象与广告库中各广告的匹配度、所述用户与广告库中各广告的匹配度、各广告的优先级计算得到所述各广告的优选度的步骤，具体包括：

将所述视频对象与所述广告库中每个广告的匹配度、所述用户与每个广告的匹配度、每个广告的优先级进行加权平均，得到所述广告库中各个广告的优选度。

6.一种视频广告的生成***，其特征在于，包括：

交互模块，用于接受用户对视频的交互操作，识别所述用户；

对象类型识别模块，用于获取所述交互操作的视频对象的图像，识别所述对象,所述视频对象的图像是指从视频中截取的视频对象；

视频对象匹配模块，用于根据对所述对象的识别结果计算所述视频对象与广告库中各广告的匹配度；

用户匹配模块，用于根据对所述用户的识别结果计算所述用户与广告库中各广告的匹配度；

优选度计算模块，用于根据所述视频对象与广告库中各广告的匹配度、所述用户与广告库中各广告的匹配度、各广告的优先级计算得到所述广告库中各广告的优选度；

展示模块，用于将所述广告库中优选度最大的广告展示给所述用户，并将用户对广告的查看记录进广告库。

7.根据权利要求6所述的视频广告的生成***，其特征在于，所述***还包括：广告库构建模块，用于构建广告库，所述广告库中的各个广告包括字段：类型、优先级、文字、图片、预期用户类型、用户查看记录，其中用户查看记录包括用户的ID、查看的时间长短；

用户喜好识别模块，用于将用户查看各个类型的广告的时间长度与该用户总的查看时间长度的比值，作为该用户对各个类型的广告的喜好度。

8.根据权利要求6所述的视频广告的生成***，其特征在于，所述视频对象匹配模块包括：

对象图像匹配单元，用于将所述视频对象的图像与广告库中各广告的图片进行模糊匹配，并记录所述视频对象的图像与各广告的匹配度；

对象类型匹配单元，用于将所述视频对象的类型与广告库中各广告的文字进行模糊匹配，并记录所述视频对象的类型与各广告的匹配度；

对象匹配度计算单元，用于将各个广告与所述对象的图像、类型的匹配度进行加权平均，得到所述视频对象与各个广告的匹配度。

9.根据权利要求6所述的视频广告的生成***，其特征在于，所述用户匹配模块包括：

用户类型匹配单元，用于将所述用户的类型与所述广告库中各广告的预期用户类型集合进行模糊匹配，并记录所述用户的类型与各广告的匹配度；

用户喜好匹配单元，用于获取广告库中各个广告的类型，将所述用户对各个广告的类型的喜好度作为所述用户与各个广告的喜好的匹配度；

用户匹配度计算单元，用于将各个广告与所述用户的类型的匹配度、喜好的匹配度进行加权平均，得到所述广告库中各个广告与所述用户的匹配度。

10.根据权利要求6所述的视频广告的生成***，其特征在于，所述优选度计算模块具体用于将所述广告库中每个广告与所述对象的匹配度、该个广告与所述用户的匹配度、该个广告的优先级进行加权平均，得到所述广告库中各广告的优选度。