CN113254712B - 视频匹配方法、视频处理方法、装置、电子设备及介质 - Google Patents

视频匹配方法、视频处理方法、装置、电子设备及介质 Download PDF

Info

Publication number
CN113254712B
CN113254712B CN202110520028.8A CN202110520028A CN113254712B CN 113254712 B CN113254712 B CN 113254712B CN 202110520028 A CN202110520028 A CN 202110520028A CN 113254712 B CN113254712 B CN 113254712B
Authority
CN
China
Prior art keywords
video
text
data
image
display area
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110520028.8A
Other languages
English (en)
Other versions
CN113254712A (zh
Inventor
刘俊启
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202110520028.8A priority Critical patent/CN113254712B/zh
Publication of CN113254712A publication Critical patent/CN113254712A/zh
Application granted granted Critical
Publication of CN113254712B publication Critical patent/CN113254712B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/75—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7844—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using original textual content or text extracted from visual content or transcript of audio data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/49—Segmenting video sequences, i.e. computational techniques such as parsing or cutting the sequence, low-level clustering or determining units such as shots or scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Library & Information Science (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Computation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本公开公开了一种视频匹配方法、视频处理方法、装置、设备、介质和产品，涉及图像处理、自然语言处理、智能搜索等领域。视频匹配方法包括：接收针对参考视频的第一特征数据；将第一特征数据和至少一个候选视频各自的第二特征数据进行比较得到比较结果，其中，第二特征数据是通过识别目标显示区域中文本变化信息得到的，目标显示区域包括候选视频的部分显示区域；基于比较结果，从至少一个候选视频中确定与参考视频相匹配的目标视频，其中，目标视频的第二特征数据与第一特征数据相匹配。

Description

视频匹配方法、视频处理方法、装置、电子设备及介质
技术领域
本公开涉及计算机技术领域，尤其涉及图像处理、自然语言处理、智能搜索等领域，更具体地，涉及一种视频匹配方法、视频处理方法、装置、电子设备、介质和程序产品。
背景技术
随着互联网的普及，越来越多的用户在互联网上搜索视频。在搜索视频的过程中，基于用户输入的搜索词匹配相关的视频，并将匹配得到的视频推荐给用户。但是，通过搜索词进行视频匹配的方式，存在匹配准确性较低的问题，并且匹配得到的视频难以满足用户的需求。
发明内容
本公开提供了一种视频匹配方法、视频处理方法、装置、电子设备、存储介质以及计算机程序产品。
根据本公开的一方面，提供了一种视频匹配方法，包括：接收针对参考视频的第一特征数据；将所述第一特征数据和至少一个候选视频各自的第二特征数据进行比较得到比较结果，其中，所述第二特征数据是通过识别目标显示区域中文本变化信息得到的，所述目标显示区域包括候选视频的部分显示区域；基于所述比较结果，从所述至少一个候选视频中确定与所述参考视频相匹配的目标视频，其中，所述目标视频的第二特征数据与所述第一特征数据相匹配。
根据本公开的另一方面，提供了一种视频处理方法，包括：针对参考视频中的目标显示区域，对所述目标显示区域中的文本变化信息进行识别；响应于识别到文本变化信息，从所述参考视频中提取第一特征数据；发送所述第一特征数据。
根据本公开的另一方面，提供了一种视频匹配装置，包括：接收模块、比较模块以及第一确定模块。其中，接收模块，用于接收针对参考视频的第一特征数据。比较模块，用于将所述第一特征数据和至少一个候选视频各自的第二特征数据进行比较得到比较结果，其中，所述第二特征数据是通过识别目标显示区域中文本变化信息得到的，所述目标显示区域包括候选视频的部分显示区域。第一确定模块，用于基于所述比较结果，从所述至少一个候选视频中确定与所述参考视频相匹配的目标视频，其中，所述目标视频的第二特征数据与所述第一特征数据相匹配。
根据本公开的另一方面，提供了一种视频处理装置，包括：第二识别模块、第二提取模块以及发送模块。其中，第二识别模块，用于针对参考视频中的目标显示区域，对所述目标显示区域中的文本变化信息进行识别。第二提取模块，用于响应于识别到文本变化信息，从所述参考视频中提取第一特征数据。发送模块，用于发送所述第一特征数据。
根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器和与所述至少一个处理器通信连接的存储器。其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的视频匹配方法。
根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器和与所述至少一个处理器通信连接的存储器。其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的视频处理方法。
根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如上所述的视频匹配方法。
根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如上所述的视频处理方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如上所述的视频匹配方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如上所述的视频处理方法。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1示意性示出了根据本公开实施例的视频匹配方法的应用场景；
图2示意性示出了根据本公开一实施例的视频匹配方法的流程图；
图3示意性示出了根据本公开一实施例的视频匹配方法的示意图；
图4示意性示出了根据本公开一实施例的视频处理方法的流程图；
图5示意性示出了根据本公开一实施例的视频匹配方法和视频处理方法的示意图；
图6示意性示出了根据本公开一实施例的视频匹配装置的框图；
图7示意性示出了根据本公开一实施例的视频处理装置的框图；以及
图8是用来实现本公开实施例的视频匹配方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的***”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的***等)。
图1示意性示出了根据本公开实施例的视频匹配方法的应用场景。
如图1所示，本公开实施例的应用场景100例如包括候选视频和参考视频。
例如，多个候选视频存储于服务器中，参考视频存储于客户端中。当用户需要搜索与参考视频相匹配的视频时，服务器可以从客户端接收参考视频，并将该参考视频与每个候选视频进行匹配，以从多个候选视频中确定出与参考视频相匹配的目标视频，该目标视频为用户所需的视频。
本公开的实施例以一个候选视频110为例来说明候选视频和参考视频的匹配情况。
示例性地，参考视频121、122是候选视频110的子集。当基于参考视频121、122匹配候选视频110时，候选视频110的至少部分内容与参考视频121、122的全部内容相匹配。
示例性地，参考视频123、124的部分内容是候选视频110的子集。当基于参考视频123、124匹配候选视频110时，候选视频110的部分内容与参考视频123、124的部分内容相匹配。
示例性地，候选视频110是参考视频125、126的子集。当基于参考视频125、126匹配候选视频110时，候选视频110的全部内容与参考视频125、126的部分内容相匹配。
示例性地，候选视频110与参考视频127、128无交集。当基于参考视频127、128匹配候选视频110时，候选视频110的内容与参考视频127、128的内容不匹配。
例如，可以使用图片相似度识别算法和提取特征匹配的算法来进行视频的匹配。具体地，可以从参考视频中提取多张图像，从每个候选视频中提取多张图像，将参考视频的多张图像和候选视频的多张图像进行匹配，以从候选视频中确定与参考视频匹配的目标视频。或者，可以从参考视频的多张图像中提取每张图像的特征，从候选视频的多张图像中提取每张图像的特征，将图像的特征进行匹配来从候选视频中确定与参考视频匹配的目标视频。可见，由于视频是一个持续的内容，在将参考视频和候选视频进行匹配时，通过多张图像进行匹配的过程计算量较大。
示例性地，针对视频中的每秒内容，从每秒内容中提取25张(帧)图像，如果视频的时长为16秒，则需要提取的图像数量为16*25＝400张。由于提取的图像数量较多，导致在利用提取的图像进行匹配时，计算量较大。并且从视频中提取哪些图像是一件需要考虑的事，因为提取图像的规则不一致将导致相同的两个视频无法匹配的问题。
例如，参考视频的时长为16秒，候选视频的时长为32秒。在一种情况下，从参考视频的每秒内容中提取25张图像，总共提取16*25张图像，从候选视频的每秒内容中提取25张图像，总共提取32*25张图像。在将参考视频和候选视频进行匹配时，每次将参考视频的一张图像和候选视频的一张图像进行比较，最多需要进行(16*25)*(32*25)＝32(万)次比较，可见视频匹配的计算量较大。
有鉴于此，本公开的实施例提供了一种视频匹配方法，包括：接收针对参考视频的第一特征数据。然后，将第一特征数据和至少一个候选视频各自的第二特征数据进行比较得到比较结果，其中，第二特征数据是通过识别目标显示区域中文本变化信息得到的，目标显示区域包括候选视频的部分显示区域。接下来，基于比较结果，从至少一个候选视频中确定与参考视频相匹配的目标视频，其中，目标视频的第二特征数据与第一特征数据相匹配。
本公开的实施例还提供了一种视频处理方法，包括：针对参考视频中的目标显示区域，对目标显示区域中的文本变化信息进行识别。然后，响应于识别到文本变化信息，从参考视频中提取第一特征数据。接下来，发送第一特征数据。
下面结合图1的应用场景，参考图2～图5来描述根据本公开示例性实施方式的视频匹配方法和视频处理方法。
图2示意性示出了根据本公开一实施例的视频匹配方法的流程图。
如图2所示，本公开实施例的视频匹配方法200例如可以包括操作S210～操作S230。本公开实施例的方法例如可以由服务器执行。
在操作S210，接收针对参考视频的第一特征数据。
在操作S220，将第一特征数据和至少一个候选视频各自的第二特征数据进行比较得到比较结果，其中，第二特征数据是通过识别目标显示区域中文本变化信息得到的，目标显示区域包括候选视频的部分显示区域。
在操作S230，基于比较结果，从至少一个候选视频中确定与参考视频相匹配的目标视频。
根据本公开的实施例，第二特征数据是通过识别候选视频的目标显示区域中的文本变化信息得到的。当识别到目标显示区域中的文本发生变化时，从候选视频中提取第二特征数据。从至少一个候选视频中确定出的目标视频的第二特征数据与第一特征数据相匹配。目标显示区域包括候选视频的部分显示区域，例如目标显示区域为候选视频中的用于显示文字的局部区域。
示例性地，当识别到候选视频中目标显示区域的文本发生变化时，从候选视频中提取图像，将所提取的图像作为第二特征数据。或者，在提取图像之后，可以对图像进行进一步处理得到第二特征数据。
示例性地，第一特征数据例如是通过识别参考视频中目标显示区域的文本变化信息得到的，第一特征数据的提取方式和第二特征数据的提取方式类似。
例如，第一特征数据由客户端发送给服务器。服务器中存储了多个候选视频，每个候选视频均具有第二特征数据。在服务器接收到第一特征数据之后，将第一特征数据和每个候选视频的第二特征数据比较得到比较结果，然后基于比较结果从多个候选视频中确定出与参考视频匹配的候选视频作为目标视频。
在本公开的实施例中，从视频中提取特征数据并通过特征数据的比较来进行视频匹配，极大降低了视频匹配的计算量，提高了视频匹配的效率。另外，本公开实施例通过识别视频中目标显示区域中的文本变化信息来提取特征数据，使得所提取的第一特征数据是针对文本变化的，第二特征数据在候选视频中是针对文本变化的，提高了第一特征数据和第二特征数据之间的匹配概率，由此提高了视频匹配的成功率。
图3示意性示出了根据本公开一实施例的视频匹配方法的示意图。
如图3所示，每个候选视频由多张(帧)图像组成。以候选视频300为例，确定针对候选视频300的目标显示区域，对目标显示区域中的文本变化信息进行识别，当识别到文本变化信息时，从候选视频300中提取第二特征数据。
示例性地，文本例如为视频的字幕，目标显示区域例如为字幕的显示区域。
例如，候选视频300中包括针对第一文本的视频数据310和针对第二文本的视频数据320。第一文本例如为“AAA”，第二文本例如为“BB”。视频数据310中的每张图像对应的字幕例如均为“AAA”，视频数据320中的每张图像对应的字幕例如均为“BB”。候选视频显示在显示区域300A中，第一文本和第二文本例如显示在目标显示区域300B中，目标显示区域300B例如为显示区域300A的一部分。
当识别到目标显示区域300B中由第一文本切换到第二文本，从候选视频300中确定第一视频片段330。
示例性地，第一视频片段330包括针对第一文本的视频数据和/或针对第二文本的视频数据。例如，第一视频片段330包括视频数据310中的部分视频数据，视频数据310中的每张图像对应的文本均为第一文本。或者，第一视频片段330包括视频数据320中的部分视频数据，视频数据320中的每张图像对应的文本均为第二文本。或者，第一视频片段330包括视频数据310中的部分视频数据和视频数据320中的部分视频数据。本公开实施例以第一视频片段330包括视频数据310中的部分视频数据和视频数据320中的部分视频数据为例进行说明。
在确定第一视频片段330之后，从第一视频片段330中提取针对文本变化的第二特征数据。
在一示例中，可以从第一视频片段330中提取一个第一图像340，然后识别第一图像340中的文本信息，基于识别到的文本信息提取第一图像340中的局部图像350，局部图像350中例如包括文本信息，可以将局部图像350作为第二特征数据。或者，可以对该局部图像350进行压缩、裁剪、变更图像尺寸、对图像进行灰度化等预处理，将预处理后的局部图像350作为第二特征数据。
在另一示例中，可以从第一视频片段330中提取第一图像340，然后从第一图像340中提取局部图像350，对局部图像350进行预处理，然后对预处理后的局部图像350进行进一步处理，以提取局部图像350的图像特征，并将图像特征作为第二特征数据。图像特征可以是特征向量。
在另一示例中，可以从第一视频片段330中提取第一图像340，然后从第一图像340中提取局部图像350，对局部图像350进行文本识别，以提取局部图像350中的文本信息，并将文本信息作为第二特征数据，文本信息可以是字幕。
根据本公开的实施例，在提取候选视频的第二特征数据时，通过识别文本切换来确定出针对文本切换的第一视频片段，然后从第一视频片段中提取第二特征数据。相比于将视频中的每张(帧)图像进行比较，通过提取第二特征数据进行视频匹配的方式，极大降低了视频匹配的成本。另外，第二特征数据在候选视频中所对应的视频内容是针对文本变化的，基于第二特征数据进行视频匹配，提高了视频匹配的成功率。
在本公开的实施例中，第一特征数据例如包括第一数据序列，第一数据序列包括多个子数据。第二特征数据例如包括第二数据序列，第二数据序列包括多个子数据。一个子数据例如为一个局部图像的图像特征或者一个局部图像中的文本信息。
例如，第一数据序列为[a1，a2，a3]，子数据a1表示在识别到参考视频的目标显示区域中由文本A1切换到文本A2时所提取的特征数据，此时文本A1为第三文本，文本A2为第四文本。子数据a2表示在识别到参考视频的目标显示区域中由文本A2切换到文本A3时所提取的特征数据，此时文本A2为第三文本，文本A3为第四文本。子数据a3表示在识别到参考视频的目标显示区域中由文本A3切换到文本A4时所提取的特征数据，此时文本A3为第三文本，文本A4为第四文本。文本A1、A2、A3、A4依次在参考视频中出现。第一数据序列[a1，a2，a3]和参考视频关联存储。
例如，第二数据序列为[b1，b2，b3，b4]，子数据b1表示在识别到候选视频的目标显示区域中由文本B1切换到文本B2时所提取的特征数据，此时文本B1为第一文本，文本B2为第二文本。子数据b2表示在识别到候选视频的目标显示区域中由文本B2切换到文本B3时所提取的特征数据，此时文本B2为第一文本，文本B3为第二文本。子数据b3表示在识别到候选视频的目标显示区域中由文本B3切换到文本B4时所提取的特征数据，此时文本B3为第一文本，文本B4为第二文本。子数据b4表示在识别到候选视频的目标显示区域中由文本B4切换到文本B5时所提取的特征数据，此时文本B4为第一文本，文本B5为第二文本。文本B1、B2、B3、B4、B5依次在候选视频中出现。第二数据序列[b1，b2，b3，b4]和候选视频关联存储。
然后，从第一数据序列[a1，a2，a3]中确定相邻的多个子数据作为第一子序列，从第二数据序列[b1，b2，b3，b4]中确定相邻的多个子数据作为第二子序列，第二子序列中子数据的数量和第一子序列中子数据的数量相同，该数量例如可以根据实际应用情况来设定，例如该数量为2。即，第一子序列例如为[a1，a2]或[a2，a3]，第二子序列为[b1，b2]、[b2，b3]或[b3，b4]。将任意一个第一子序列和任意一个第二子序列进行比较，如果任意一个第一子序列和任意一个第二子序列匹配，则确定与第二子序列对应的候选视频作为目标视频。以第一子序列为[a1，a2]和第二子序列为[b2，b3]为例，当子数据a1和子数据b2匹配并且子数据a2和子数据b3匹配时，确定第一子序列为[a1，a2]和第二子序列为[b2，b3]匹配。两个子数据匹配包括两个子数据相似度较高，子数据可以是图像或者图像的特征向量。
在本公开的实施例中，第一特征数据和第二特征数据进行比较得到的比较结果包括第一特征数据和第二特征数据之间的相似度，基于比较结果从多个候选视频确定目标视频，该目标视频的第二特征数据与第一特征数据之间的相似度满足相似度条件，相似度条件包括预设数量个子数据相匹配，即相似度条件包括具有预设数量个子数据的第二子序列和具有预设数量个子数据的第一子序列相匹配。
在一实施例中，相似度条件与局部图像的图像尺寸相关联。
当局部图像的图像尺寸较大时，表示该局部图像中的文字数量较多，则与局部图像对应的子数据之间匹配表示视频之间在较大概率上匹配，此时可以设定具有第一预设数量个子数据的第二子序列和具有第一预设数量个子数据的第一子序列相匹配作为相似度条件，此时第一预设数量较小，第一预设数量例如为2。
当局部图像的图像尺寸较小时，表示该局部图像中的文字数量较少，则与该局部图像对应的子数据之间匹配表示视频之间在较小概率上匹配，此时可以设定具有第二预设数量个子数据的第二子序列和具有第二预设数量个子数据的第一子序列相匹配作为相似度条件，此时第二预设数量比第一预设数量大，第二预设数量例如为4。
在一实施例中，相似度条件与局部图像中文本信息所包含的文字数量相关联。
当文本信息所包含的文字数量较多时，则与文本信息对应的子数据之间匹配表示视频之间在较大概率上匹配，此时可以设定具有第三预设数量个子数据的第二子序列和具有第三预设数量个子数据的第一子序列相匹配作为相似度条件，此时第三预设数量较小。
当文本信息所包含的文字数量较少时，则与文本信息对应的子数据之间匹配表示视频之间在较小概率上匹配，此时可以设定具有第四预设数量个子数据的第二子序列和具有第四预设数量个子数据的第一子序列相匹配作为相似度条件，此时第四预设数量比第三预设数量大。
在一实施例中，第一数据序列[a1，a2，a3]例如由客户端发送给服务器。服务器接收到第一数据序列[a1，a2，a3]之后，从第一数据序列[a1，a2，a3]中确定第一子序列，从第二数据序列[b1，b2，b3，b4]中确定第二子序列，并将第一子序列和第二子序列进行匹配。
在另一示例中，客户端可以每次发送一个针对参考视频的子数据给服务器，服务接收到参考视频的子数据之后，将接收的子数据和候选视频的子数据进行比较，直到确定针对参考视频的多个相邻的子数据和针对候选视频的多个相邻的子数据匹配。当确定针对参考视频的多个相邻的子数据和针对候选视频的多个相邻的子数据匹配之后，可以结束匹配过程，并将所匹配的候选视频作为目标视频推荐给客户端。
例如，客户端将子数据a1发送给服务器，服务器将a1和第二数据序列[b1，b2，b3，b4]中的每个子数据进行比较，当确定子数据a1和子数据b2匹配时，将针对第二数据序列[b1，b2，b3，b4]的候选视频存储至队列中。客户端继续将子数据a2发送给服务器，服务器将a2和第二数据序列[b1，b2，b3，b4]中的每个子数据进行比较，当确定子数据a2和子数据b3匹配时，此时第一数据序列和第二数据序列中具有2个相邻子数据相匹配，此时将队列中针对第二数据序列[b1，b2，b3，b4]的候选视频作为目标视频。服务器可以将目标视频推荐给客户端。如果子数据a2和子数据b3不匹配，可以将针对第二数据序列[b1，b2，b3，b4]的候选视频从队列中移除。
图4示意性示出了根据本公开一实施例的视频处理方法的流程图。
如图4所示，本公开实施例的视频处理方法400例如可以包括操作S410～操作S430。本公开实施例的方法例如可以由客户端执行。
在操作S410，针对参考视频中的目标显示区域，对目标显示区域中的文本变化信息进行识别。
在操作S420，响应于识别到文本变化信息，从参考视频中提取第一特征数据。
在操作S430，发送第一特征数据。
在本公开的实施例中，客户端通过对参考视频中的目标显示区域进行文本变化信息识别来提取第一特征数据的过程与服务器通过对候选视频中的目标显示区域进行文本变化信息识别来提取第二特征数据的过程相同或类似，在此不再赘述。在客户端提取第一特征数据之后，客户端可以将第一特征数据发送给服务器，便于服务器将第一特征数据和第二特征数据进行匹配。
在本公开的实施例中，从参考视频中提取第一特征数据并通过第一特征数据来进行视频匹配，极大降低了视频匹配的计算量，提高了视频匹配的效率。另外，本公开实施例通过识别视频中目标显示区域的文本变化信息来提取特征数据，使得所提取的第一特征数据是针对文本变化的，提高了第一特征数据和第二特征数据之间的匹配概率，由此提高了视频匹配的成功率。
在本公开的实施例中，当客户端识别到参考视频中目标显示区域由第三文本切换到第四文本，从参考视频中确定第二视频片段，然后从第二视频片段中提取第一特征数据，第二视频片段中包括针对第三文本的视频数据和/或针对第四文本的视频数据。第二视频片段的确定过程与第一视频片段的确定过程类似，在此不再赘述。
示例性地，当客户端识别到参考视频中的目标显示区域由第三文本切换到第四文本，从参考视频中确定第二视频片段，然后从第二视频片段中提取第二图像，通过识别第二图像中的文本信息从第二图像中提取局部图像，并将局部图像作为第一特征数据。
或者，可以对该局部图像进行压缩、裁剪、变更图像尺寸、对图像进行灰度化等预处理，并将预处理后的局部图像作为第一特征数据。
或者，可以从第二视频片段中提取第二图像，从第二图像中提取局部图像，然后对局部图像进行预处理，对预处理后的局部图像进行进一步处理，以提取局部图像的图像特征，并将图像特征作为第一特征数据。图像特征可以是特征向量。
或者，针对预处理后的局部图像，识别该局部图像中的文本信息，将文本信息作为第一特征数据。
根据本公开的实施例，在提取参考视频的第一特征数据时，通过识别文本切换来确定出针对文本切换的第二视频片段，然后从第二视频片段中提取第一特征数据。相比于将视频中的每张图像进行比较，通过提取第一特征数据进行视频匹配的方式，极大降低了视频匹配的成本。另外，第一特征数据在参考视频中所对应的视频内容是针对文本变化的，基于第一特征数据进行视频匹配，提高了视频匹配的成功率。
图5示意性示出了根据本公开一实施例的视频匹配方法和视频处理方法的示意图。
如图5所示，由服务器510执行的视频匹配方法包括操作S510A～操作S560A，由客户端520执行的视频处理方法包括操作S510B～操作S540B。
在操作S510A，针对服务器510所存储的每个候选视频，针对每个候选视频的目标显示区域，对目标显示区域中的文本变化信息进行识别。
在操作S520A，服务器510在识别到文本变化信息之后，从候选视频中提取第二特征数据。
在操作S510B，针对参考视频中的目标显示区域，客户端520对目标显示区域中的文本变化信息进行识别。
在操作S520B，客户端520在识别到文本变化信息之后，从参考视频中提取第一特征数据。
在操作S530B，客户端520将第一特征数据发送给服务器510。
在操作S530A，服务器510接收第一特征数据。
在操作S540A，服务器510将第一特征数据和每个候选视频的第二特征数据进行比较得到比较结果。
在操作S550A，服务器510基于比较结果从多个候选视频中确定与参考视频相匹配的目标视频。
在操作S560A，服务器510向客户端520推荐目标视频。
在操作S540B，客户端520向用户展示目标视频。
在本公开的实施例中，如果将视频中多帧图像进行比较来进行视频匹配，将导致匹配计算的成本过高。基于视频的文本切换来提取视频中的特征数据，客户端与服务器(云端)协同，可以实现较低成本的视频搜索。
对于客户端，不需要向服务器上传完整的参考视频，通过识别参考视频中目标显示区域的文本切换来提取第二图像，并对第二图像进行预处理和图像处理得到第一特征数据，将第一特征数据上传到服务器进行视频匹配。
对于服务器，将客户端上传的第一特征数据与预先提取的第二特征数据进行比对。服务器不限制客户端上传的第一特征数据的数量，无需客户端上传完整的参考视频，客户端可以实时地提取特征，服务器实时进行视频匹配。可见，通过本公开实施例的技术方案，在针对具有不同的视频长度或不同的视频起点的视频进行特征提取时，所提取的第一特征数据和第二特征数据均是针对文本切换的，即所提取的第一特征数据和第二特征数据是相似概率较大，通过较低的计算量就可以实现视频的匹配和视频的搜索。
根据本公开的实施例，在客户端上完成了图像提取、针对图像的预处理以及特征数据的提取，降低了客户端与服务器的数据传输量，极大提高了服务器的匹配速度。
图6示意性示出了根据本公开一实施例的视频匹配装置的框图。
如图6所示，本公开实施例的视频匹配装置600例如包括接收模块610、比较模块620以及第一确定模块630。
接收模块610可以用于接收针对参考视频的第一特征数据。根据本公开实施例，接收模块610例如可以执行上文参考图2描述的操作S210，在此不再赘述。
比较模块620可以用于将第一特征数据和至少一个候选视频各自的第二特征数据进行比较得到比较结果，其中，第二特征数据是通过识别目标显示区域中文本变化信息得到的，目标显示区域包括候选视频的部分显示区域。根据本公开实施例，比较模块620例如可以执行上文参考图2描述的操作S220，在此不再赘述。
第一确定模块630可以用于基于比较结果，从至少一个候选视频中确定与参考视频相匹配的目标视频，其中，目标视频的第二特征数据与第一特征数据相匹配。根据本公开实施例，第一确定模块630例如可以执行上文参考图2描述的操作S230，在此不再赘述。
根据本公开的实施例，装置600还可以包括：第二确定模块、第一识别模块和第一提取模块。第二确定模块，用于针对至少一个候选视频中的每个候选视频，确定针对候选视频的目标显示区域。第一识别模块，用于对目标显示区域中的文本变化信息进行识别。第一提取模块，用于响应于识别到文本变化信息，从候选视频中提取第二特征数据。
根据本公开的实施例，第一提取模块包括：第一确定子模块和第一提取子模块。第一确定子模块，用于响应于识别到目标显示区域中由第一文本切换到第二文本，从候选视频中确定第一视频片段，其中，第一视频片段中包括针对第一文本的视频数据和/或针对第二文本的视频数据。第一提取子模块，用于从第一视频片段中提取第二特征数据。
根据本公开的实施例，第一提取模块包括：第二提取子模块、第三提取子模块和第一处理子模块。第二提取子模块，用于从候选视频中提取第一图像。第三提取子模块，用于从第一图像中提取包括文本信息的局部图像。第一处理子模块，用于处理局部图像，得到针对候选视频的第二特征数据。
根据本公开的实施例，第一处理子模块用于执行以下至少一项：提取局部图像的图像特征，并将图像特征作为第二特征数据；以及，识别局部图像中的文本信息，并将文本信息作为第二特征数据。
根据本公开的实施例，比较结果包括第一特征数据和第二特征数据之间的相似度；目标视频的第二特征数据与第一特征数据之间的相似度满足相似度条件。
根据本公开的实施例，相似度条件与局部图像的图像尺寸相关联，或者，相似度条件与文本信息所包含的文字数量相关联。
根据本公开的实施例，目标显示区域包括字幕的显示区域。
图7示意性示出了根据本公开一实施例的视频处理装置的框图。
如图7所示，本公开实施例的视频处理装置700例如包括第二识别模块710、第二提取模块720和发送模块730。
第二识别模块710可以用于针对参考视频中的目标显示区域，对目标显示区域中的文本变化信息进行识别。根据本公开实施例，第二识别模块710例如可以执行上文参考图4描述的操作S410，在此不再赘述。
第二提取模块720可以用于响应于识别到文本变化信息，从参考视频中提取第一特征数据。根据本公开实施例，第二提取模块720例如可以执行上文参考图4描述的操作S420，在此不再赘述。
发送模块730可以用于发送第一特征数据。根据本公开实施例，发送模块730例如可以执行上文参考图4描述的操作S430，在此不再赘述。
根据本公开的实施例，第二提取模块720包括：第二确定子模块和第四提取子模块。第二确定子模块，用于响应于识别到目标显示区域中由第三文本切换到第四文本，从参考视频中确定第二视频片段，其中，第二视频片段中包括针对第三文本的视频数据和/或针对第四文本的视频数据。第四提取子模块，用于从第二视频片段中提取第一特征数据。
根据本公开的实施例，第二提取模块720包括：第五提取子模块、第六提取子模块和第二处理子模块。第五提取子模块，用于从参考视频中提取第二图像。第六提取子模块，用于从第二图像中提取包括文本信息的局部图像。第二处理子模块，用于处理局部图像，得到针对参考视频的第一特征数据。
根据本公开的实施例，第二处理子模块用于执行以下至少一项：提取局部图像的图像特征，并将图像特征作为第一特征数据；以及，识别局部图像中的文本信息，并将文本信息作为第一特征数据。
本公开的技术方案中，所涉及的用户个人信息的获取、存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图8是用来实现本公开实施例的视频匹配方法的电子设备的框图。
图8示出了可以用来实施本公开实施例的示例电子设备800的示意性框图。电子设备800旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图8所示，设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如视频匹配方法。例如，在一些实施例中，视频匹配方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的视频匹配方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行视频匹配方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的***和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式***的服务器，或者是结合了区块链的服务器。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
该电子设备可以用于执行视频处理方法。该电子设备例如可以包括计算单元、ROM、RAM、I/O接口、输入单元、输出单元、存储单元和通信单元。其中，该电子设备中的计算单元、ROM、RAM、I/O接口、输入单元、输出单元、存储单元和通信单元例如具有与图8中所示的电子设备的计算单元、ROM、RAM、I/O接口、输入单元、输出单元、存储单元和通信单元相同或类似的功能，在此不再赘述。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (24)

1.一种视频匹配方法，包括：
接收针对参考视频的第一特征数据；
将所述第一特征数据和至少一个候选视频各自的第二特征数据进行比较得到比较结果，其中，所述第二特征数据是通过识别目标显示区域中文本变化信息得到的，所述目标显示区域包括候选视频的部分显示区域，所述比较结果包括所述第一特征数据和所述第二特征数据之间的相似度，所述第二特征数据与所述第一特征数据之间的相似度满足相似度条件，所述相似度条件与所述候选视频中包括文本信息的局部图像的图像尺寸相关联，或者，所述相似度条件与所述文本信息所包含的文字数量相关联；以及
基于所述比较结果，从所述至少一个候选视频中确定与所述参考视频相匹配的目标视频，其中，所述目标视频的第二特征数据与所述第一特征数据相匹配。
2.根据权利要求1所述的方法，还包括：
针对所述至少一个候选视频中的每个候选视频，确定针对所述候选视频的目标显示区域；
对所述目标显示区域中的文本变化信息进行识别；以及
响应于识别到文本变化信息，从所述候选视频中提取第二特征数据。
3.根据权利要求2所述的方法，其中，所述响应于识别到文本变化信息，从所述候选视频中提取第二特征数据包括：
响应于识别到所述目标显示区域中由第一文本切换到第二文本，从所述候选视频中确定第一视频片段，其中，所述第一视频片段中包括针对所述第一文本的视频数据和/或针对所述第二文本的视频数据；以及
从所述第一视频片段中提取所述第二特征数据。
4.根据权利要求2或3所述的方法，其中，所述从所述候选视频中提取第二特征数据包括：
从所述候选视频中提取第一图像；
从所述第一图像中提取包括文本信息的局部图像；以及
处理所述局部图像，得到针对所述候选视频的第二特征数据。
5.根据权利要求4所述的方法，其中，所述处理所述局部图像，得到针对所述候选视频的第二特征数据包括以下至少一项：
提取所述局部图像的图像特征，并将所述图像特征作为所述第二特征数据；以及
识别所述局部图像中的文本信息，并将所述文本信息作为所述第二特征数据。
6.根据权利要求1-5中任意一项所述的方法，其中，所述目标显示区域包括字幕的显示区域。
7.一种视频处理方法，包括：
针对参考视频中的目标显示区域，对所述目标显示区域中的文本变化信息进行识别；
响应于识别到文本变化信息，从所述参考视频中提取第一特征数据；以及
发送所述第一特征数据，其中，所述第一特征数据应用于权利要求1～6中任一项所述的方法。
8.根据权利要求7所述的方法，其中，所述响应于识别到文本变化信息，从所述参考视频中提取第一特征数据包括：
响应于识别到所述目标显示区域中由第三文本切换到第四文本，从所述参考视频中确定第二视频片段，其中，所述第二视频片段中包括针对所述第三文本的视频数据和/或针对所述第四文本的视频数据；以及
从所述第二视频片段中提取所述第一特征数据。
9.根据权利要求7或8所述的方法，其中，所述从所述参考视频中提取第一特征数据包括：
从所述参考视频中提取第二图像；
从所述第二图像中提取包括文本信息的局部图像；以及
处理所述局部图像，得到针对所述参考视频的第一特征数据。
10.根据权利要求9所述的方法，其中，所述处理所述局部图像，得到针对所述参考视频的第一特征数据包括以下至少一项：
提取所述局部图像的图像特征，并将所述图像特征作为所述第一特征数据；以及
识别所述局部图像中的文本信息，并将所述文本信息作为所述第一特征数据。
11.一种视频匹配装置，包括：
接收模块，用于接收针对参考视频的第一特征数据；
比较模块，用于将所述第一特征数据和至少一个候选视频各自的第二特征数据进行比较得到比较结果，其中，所述第二特征数据是通过识别目标显示区域中文本变化信息得到的，所述目标显示区域包括候选视频的部分显示区域，所述比较结果包括所述第一特征数据和所述第二特征数据之间的相似度，所述第二特征数据与所述第一特征数据之间的相似度满足相似度条件，所述相似度条件与所述候选视频中包括文本信息的局部图像的图像尺寸相关联，或者，所述相似度条件与所述文本信息所包含的文字数量相关联；以及
第一确定模块，用于基于所述比较结果，从所述至少一个候选视频中确定与所述参考视频相匹配的目标视频，其中，所述目标视频的第二特征数据与所述第一特征数据相匹配。
12.根据权利要求11所述的装置，还包括：
第二确定模块，用于针对所述至少一个候选视频中的每个候选视频，确定针对所述候选视频的目标显示区域；
第一识别模块，用于对所述目标显示区域中的文本变化信息进行识别；以及
第一提取模块，用于响应于识别到文本变化信息，从所述候选视频中提取第二特征数据。
13.根据权利要求12所述的装置，其中，所述第一提取模块包括：
第一确定子模块，用于响应于识别到所述目标显示区域中由第一文本切换到第二文本，从所述候选视频中确定第一视频片段，其中，所述第一视频片段中包括针对所述第一文本的视频数据和/或针对所述第二文本的视频数据；以及
第一提取子模块，用于从所述第一视频片段中提取所述第二特征数据。
14.根据权利要求12或13所述的装置，其中，所述第一提取模块包括：
第二提取子模块，用于从所述候选视频中提取第一图像；
第三提取子模块，用于从所述第一图像中提取包括文本信息的局部图像；以及
第一处理子模块，用于处理所述局部图像，得到针对所述候选视频的第二特征数据。
15.根据权利要求14所述的装置，其中，所述第一处理子模块用于执行以下至少一项：
提取所述局部图像的图像特征，并将所述图像特征作为所述第二特征数据；以及
识别所述局部图像中的文本信息，并将所述文本信息作为所述第二特征数据。
16.根据权利要求11-15中任意一项所述的装置，其中，所述目标显示区域包括字幕的显示区域。
17.一种视频处理装置，包括：
第二识别模块，用于针对参考视频中的目标显示区域，对所述目标显示区域中的文本变化信息进行识别；
第二提取模块，用于响应于识别到文本变化信息，从所述参考视频中提取第一特征数据；以及
发送模块，用于发送所述第一特征数据，其中，所述第一特征数据应用于权利要求11～16中任一项所述的装置。
18.根据权利要求17所述的装置，其中，所述第二提取模块包括：
第二确定子模块，用于响应于识别到所述目标显示区域中由第三文本切换到第四文本，从所述参考视频中确定第二视频片段，其中，所述第二视频片段中包括针对所述第三文本的视频数据和/或针对所述第四文本的视频数据；以及
第四提取子模块，用于从所述第二视频片段中提取所述第一特征数据。
19.根据权利要求17或18所述的装置，其中，所述第二提取模块包括：
第五提取子模块，用于从所述参考视频中提取第二图像；
第六提取子模块，用于从所述第二图像中提取包括文本信息的局部图像；以及
第二处理子模块，用于处理所述局部图像，得到针对所述参考视频的第一特征数据。
20.根据权利要求19所述的装置，其中，所述第二处理子模块用于执行以下至少一项：
提取所述局部图像的图像特征，并将所述图像特征作为所述第一特征数据；以及
识别所述局部图像中的文本信息，并将所述文本信息作为所述第一特征数据。
21.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
22.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求7-10中任一项所述的方法。
23.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。
24.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行权利要求7-10中任一项所述的方法。
CN202110520028.8A 2021-05-12 2021-05-12 视频匹配方法、视频处理方法、装置、电子设备及介质 Active CN113254712B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110520028.8A CN113254712B (zh) 2021-05-12 2021-05-12 视频匹配方法、视频处理方法、装置、电子设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110520028.8A CN113254712B (zh) 2021-05-12 2021-05-12 视频匹配方法、视频处理方法、装置、电子设备及介质

Publications (2)

Publication Number Publication Date
CN113254712A CN113254712A (zh) 2021-08-13
CN113254712B true CN113254712B (zh) 2024-04-26

Family

ID=77181577

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110520028.8A Active CN113254712B (zh) 2021-05-12 2021-05-12 视频匹配方法、视频处理方法、装置、电子设备及介质

Country Status (1)

Country Link
CN (1) CN113254712B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113901302B (zh) * 2021-09-29 2022-09-27 北京百度网讯科技有限公司 数据处理方法、装置、电子设备和介质
CN114866818B (zh) * 2022-06-17 2024-04-26 深圳壹账通智能科技有限公司 视频推荐方法、装置、计算机设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6937766B1 (en) * 1999-04-15 2005-08-30 MATE—Media Access Technologies Ltd. Method of indexing and searching images of text in video
CN101021857A (zh) * 2006-10-20 2007-08-22 鲍东山 基于内容分析的视频搜索***
CN101719144A (zh) * 2009-11-04 2010-06-02 中国科学院声学研究所 一种联合字幕和视频图像信息进行场景分割和索引的方法
CN102222227A (zh) * 2011-04-25 2011-10-19 中国华录集团有限公司 基于视频识别与提取影片图像的***
CN102254006A (zh) * 2011-07-15 2011-11-23 上海交通大学 基于内容的互联网视频检索方法
CN103593464A (zh) * 2013-11-25 2014-02-19 华中科技大学 基于视觉特征的视频指纹检测及视频序列匹配方法及***
CN103593363A (zh) * 2012-08-15 2014-02-19 中国科学院声学研究所 视频内容索引结构的建立方法、视频检索方法及装置
CN111813998A (zh) * 2020-09-10 2020-10-23 北京易真学思教育科技有限公司 一种视频数据处理方法、装置、设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11711557B2 (en) * 2018-12-31 2023-07-25 Dish Network Technologies India Private Limited Systems, methods, and devices supporting scene change-based smart search functionalities

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6937766B1 (en) * 1999-04-15 2005-08-30 MATE—Media Access Technologies Ltd. Method of indexing and searching images of text in video
CN101021857A (zh) * 2006-10-20 2007-08-22 鲍东山 基于内容分析的视频搜索***
CN101719144A (zh) * 2009-11-04 2010-06-02 中国科学院声学研究所 一种联合字幕和视频图像信息进行场景分割和索引的方法
CN102222227A (zh) * 2011-04-25 2011-10-19 中国华录集团有限公司 基于视频识别与提取影片图像的***
CN102254006A (zh) * 2011-07-15 2011-11-23 上海交通大学 基于内容的互联网视频检索方法
CN103593363A (zh) * 2012-08-15 2014-02-19 中国科学院声学研究所 视频内容索引结构的建立方法、视频检索方法及装置
CN103593464A (zh) * 2013-11-25 2014-02-19 华中科技大学 基于视觉特征的视频指纹检测及视频序列匹配方法及***
CN111813998A (zh) * 2020-09-10 2020-10-23 北京易真学思教育科技有限公司 一种视频数据处理方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN113254712A (zh) 2021-08-13

Similar Documents

Publication Publication Date Title
CN112559800B (zh) 用于处理视频的方法、装置、电子设备、介质和产品
CN113254712B (zh) 视频匹配方法、视频处理方法、装置、电子设备及介质
CN113657289B (zh) 阈值估计模型的训练方法、装置和电子设备
CN115345968B (zh) 虚拟对象驱动方法、深度学习网络的训练方法及装置
CN113326773A (zh) 识别模型训练方法、识别方法、装置、设备及存储介质
CN113255484B (zh) 视频匹配方法、视频处理方法、装置、电子设备及介质
CN116343233B (zh) 文本识别方法和文本识别模型的训练方法、装置
CN113033373A (zh) 用于训练人脸识别模型及识别人脸的方法及相关装置
CN113360683A (zh) 训练跨模态检索模型的方法以及跨模态检索方法和装置
CN116935287A (zh) 视频理解方法和装置
CN116761020A (zh) 视频处理方法、装置、设备和介质
CN114549904B (zh) 视觉处理及模型训练方法、设备、存储介质及程序产品
CN114173158B (zh) 人脸识别方法、云端设备、客户端设备、电子设备及介质
CN113901302B (zh) 数据处理方法、装置、电子设备和介质
US20220207286A1 (en) Logo picture processing method, apparatus, device and medium
CN112651449B (zh) 确定视频的内容特征的方法、装置、电子设备及存储介质
CN114842541A (zh) 模型的训练及人脸识别方法、装置、设备以及存储介质
CN113254703A (zh) 视频匹配方法、视频处理方法、装置、电子设备及介质
CN113379592A (zh) 图片中敏感区域的处理方法、装置和电子设备
CN113076932A (zh) 训练音频语种识别模型的方法、视频检测方法及其装置
CN113254706A (zh) 视频匹配方法、视频处理方法、装置、电子设备及介质
CN112988688B (zh) 一种图片共享方法、装置、电子设备及存储介质
CN113408530B (zh) 一种图像识别方法、装置、设备以及存储介质
CN114549948B (zh) 深度学习模型的训练方法、图像识别方法、装置和设备
CN113343047B (zh) 数据处理方法、数据检索方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant