CN115174969A - 视频的推送方法、装置和存储介质 - Google Patents

视频的推送方法、装置和存储介质 Download PDF

Info

Publication number
CN115174969A
CN115174969A CN202210769349.6A CN202210769349A CN115174969A CN 115174969 A CN115174969 A CN 115174969A CN 202210769349 A CN202210769349 A CN 202210769349A CN 115174969 A CN115174969 A CN 115174969A
Authority
CN
China
Prior art keywords
video
photosensitive
sensitive
browsing user
light
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.)
Pending
Application number
CN202210769349.6A
Other languages
English (en)
Inventor
周怡多
李佳佳
曾梦泽
杨通
张皓然
郭雷
张思瑶
胡欣
傅·本杰明·志忠
黄灿
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.)
Douyin Vision Beijing Co Ltd
Beijing Zitiao Network Technology Co Ltd
Lemon Inc Cayman Island
Original Assignee
Douyin Vision Beijing Co Ltd
Beijing Zitiao Network Technology Co Ltd
Lemon Inc Cayman Island
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 Douyin Vision Beijing Co Ltd, Beijing Zitiao Network Technology Co Ltd, Lemon Inc Cayman Island filed Critical Douyin Vision Beijing Co Ltd
Priority to CN202210769349.6A priority Critical patent/CN115174969A/zh
Publication of CN115174969A publication Critical patent/CN115174969A/zh
Priority to PCT/CN2023/102858 priority patent/WO2024002092A1/zh
Priority to US18/343,330 priority patent/US20240004928A1/en
Pending legal-status Critical Current

Links

Images

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
    • G06F16/74—Browsing; Visualisation therefor
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25866—Management of end-user data
    • H04N21/25891—Management of end-user data being end-user preferences
    • 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
    • G06F16/73—Querying
    • G06F16/735—Filtering based on additional data, e.g. user or group profiles
    • 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
    • G06F16/7847—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 low-level visual features of the video content
    • 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
    • G06F16/7867—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, title and artist information, manually generated time, location and usage information, user ratings
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/94—Hardware or software architectures specially adapted for image or video understanding
    • G06V10/945—User interactive design; Environments; Toolboxes
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
    • H04N21/23418—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/27—Server based end-user applications
    • H04N21/274—Storing end-user multimedia data in response to end-user request, e.g. network recorder
    • H04N21/2743—Video hosting of uploaded data from client
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
    • H04N21/845—Structuring of content, e.g. decomposing content into time segments
    • H04N21/8455—Structuring of content, e.g. decomposing content into time segments involving pointers to the content, e.g. pointers to the I-frames of the video stream

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Library & Information Science (AREA)
  • Human Computer Interaction (AREA)
  • Computer Graphics (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Management Or Editing Of Information On Record Carriers (AREA)
  • Signal Processing For Digital Recording And Reproducing (AREA)

Abstract

本公开涉及一种视频的推送方法、装置和存储介质，涉及多媒体技术领域。视频的推送方法包括：获取一个或多个视频，一个或多个视频包括具有光敏标识的视频、以及不具有光敏标识的视频，其中，每个视频在被光敏视频识别模型确定为光敏视频的情况下，具有光敏标识；在浏览用户处于过滤光敏视频的状态的情况下，向浏览用户推送一个或多个视频中不具有光敏标识的视频。本公开通过光敏视频识别模型对视频进行识别，并在视频被模型确定为光敏视频时向视频添加光敏标识。从而，在浏览用户选择过滤光敏视频的情况下，向浏览用户推送不具有光敏标识的视频，以尽量避免光敏视频对用户产生不良影响。

Description

视频的推送方法、装置和存储介质
技术领域
本公开涉及多媒体技术领域，特别涉及一种视频的推送方法、装置和存储介质。
背景技术
光敏癫痫是由光源强刺激、闪光刺激等视觉刺激引起发作的疾病。目前，一些游戏、动画制作公司在制作视觉刺激较强的场景时，会通过降低对比度等手段尽量减少触发光敏癫痫发作的可能性，并且通常会在作品开头注明光敏癫痫警告。
随着互联网、终端和多媒体技术的普及，视频的创作者不再限于一些专业的媒体类公司，普通的用户也可以自己拍摄视频并发布到网络中，供其他用户观看。一些视频类应用预测浏览用户可能感兴趣的视频，并将其推送给浏览用户。由于视频的制作和发布较为简单，因此产生了大量的视频创作者。目前，部分视频创作者对光敏癫痫的了解并不深入。
发明内容
根据本公开一些实施例的第一个方面，提供一种视频的推送方法，包括：获取一个或多个视频，一个或多个视频包括具有光敏标识的视频、以及不具有光敏标识的视频，其中，每个视频在被光敏视频识别模型确定为光敏视频的情况下，具有光敏标识；在浏览用户处于过滤光敏视频的状态的情况下，向浏览用户推送一个或多个视频中不具有光敏标识的视频。
在一些实施例中，推送方法还包括：获取浏览用户对已浏览的视频的反馈；在反馈指示已浏览的视频为光敏视频的情况下，将已浏览的视频标记为光敏视频、并添加到训练集，其中，训练集用于对光敏视频识别模型进行训练。
在一些实施例中，每个视频在添加了光敏特效的情况下，具有光敏标识。
在一些实施例中，推送方法还包括：在浏览用户处于不过滤光敏视频的状态的情况下，向浏览用户推送一个或多个视频。
在一些实施例中，推送方法还包括：在待播放的视频为具有光敏标识的视频的情况下，显示是否过滤光敏视频的选择控件；接收浏览用户对选择控件的操作；在操作指示过滤光敏视频的情况下，将浏览用户设置为过滤光敏视频的状态。
在一些实施例中，在待播放的视频为浏览用户在同一个账号下、或者在同一个终端中首次浏览的具有光敏标识的视频的情况下，显示是否过滤光敏视频的选择控件。
在一些实施例中，选择控件位于遮罩层上，遮罩层位于待播放的视频的上层。
根据本发明一些实施例的第二个方面，提供一种视频的推送方法，包括：获取创作者上传的视频；采用光敏视频识别模型对上传的视频进行处理，以确定上传的视频是否为光敏视频；在上传的视频为光敏视频的情况下，为上传的视频添加光敏标识；在浏览用户处于过滤光敏视频的状态下，向浏览用户推送不具有光敏标识的视频。
在一些实施例中，推送方法还包括：在确定上传的视频为光敏视频后，向创作者发送通知。
在一些实施例中，推送方法还包括：在向创作者发送通知后，接收创作者发送的反馈；在反馈表示上传的视频不为光敏视频的情况下，将上传的视频添标记为非光敏视频、并添加到训练集，其中，训练集用于对光敏视频识别模型进行训练。
在一些实施例中，光敏视频识别模型为神经网络模型。
根据本公开一些实施例的第三个方面，提供一种视频的推送装置，包括：存储器；以及耦接至存储器的处理器，处理器被配置为基于存储在存储器中的指令，执行前述任意一种视频的推送方法。
根据本公开一些实施例的第四个方面，提供一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现前述任意一种视频的推送方法。
根据本发明一些实施例的第五个方面，提供一种计算机程序产品，当计算机程序产品在计算机上运行时，使得计算机实现前述任意一种视频的推送方法。
通过以下参照附图对本公开的示例性实施例的详细描述，本公开的其它特征及其优点将会变得清楚。
附图说明
为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1示出了根据本公开一些实施例的视频推送方法的流程示意图。
图2示出了根据本发明另一些实施例的视频的推送方法的流程示意图。
图3示出了根据本发明一些实施例的浏览用户反馈方法的流程示意图。
图4示出了根据本发明一些实施例的创作者反馈方法的流程示意图。
图5示出了根据本发明一些实施例的用户状态设置方法的流程示意图。
图6示出了根据本发明一些实施例的视频的推送装置的结构示意图。
图7示出了根据本发明另一些实施例的视频的推送装置的结构示意图。
图8示出了根据本公开又一些实施例的视频的推送装置的结构示意图。
图9示出了根据本公开再一些实施例的视频的推送装置的结构示意图。
具体实施方式
下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
由于部分视频创作者对光敏癫痫的了解较少，因此很可能发布容易诱发光敏癫痫发作的视频。当此类视频推送给对光敏视频比较敏感的用户时，容易引起此类用户的不适、甚至触发用户发病。
本公开要解决的一个技术问题是：如何在视频推送中，降低对光敏视频敏感用户的影响，提高视频观看过程中的安全性。
图1示出了根据本公开一些实施例的视频推送方法的流程示意图。该实施例可以部署在视频推送应用的服务器中。根据需要，也可以部署在其他设备中，本公开对此不再赘述。
如图1所示，该实施例的视频推送方法包括步骤S102～S108。
在步骤S102中，获取创作者上传的视频。
例如，创作者通过视频推送应用提供的上传接口，上传存储在创作者的终端中的、或存储在网络中的视频。该视频可以是创作者拍摄的、或通过剪辑视频素材而生成的等等，本公开对此不做限定。
在步骤S104中，采用光敏视频识别模型对上传的视频进行处理，以确定上传的视频是否为光敏视频。
在一些实施例中，光敏视频识别模型为神经网络模型。例如，将上传的视频输入到预先训练的光敏视频识别模型中，获得光敏视频识别模型计算的预测概率，该预测概率可以表示上传的视频为光敏视频的概率、或者不为光敏视频的概率。通过将预测概率与预设的阈值比较，可以获得对上传的视频是否为光敏视频的判断结果。
在步骤S106中，在上传的视频为光敏视频的情况下，为上传的视频添加光敏标识。
光敏标识例如存储在视频的元数据中或者属性信息中。此外，还可以通过数据表、键值对来存储视频的标识与光敏标识之间的对应关系。
在一些实施例中，在视频对应的信息中新增表示光敏的字段，并通过不同的字段值来表示相应的视频是否具有光敏标识。例如，新增字段photosensitive(光敏)，当photosensitive＝1表示该视频具备光敏标识，当photosensitive＝0或者photosensitive＝NULL(空)表示该视频不具备光敏标识。
在一些实施例中，视频推送应用为创作者提供了一些预置的特效。创作者在上传视频后，可以通过添加这些特效使得视频具有更丰富的视觉效果。这些特效中的光敏特效可以被预先进行标记。当某个上传的视频添加了光敏特效时，也可以为其添加光敏标识。从而，当上传的视频本身不属于光敏视频，但是由于在上传后添加了光敏特效使得发布后的视频成为光敏视频时，也能够进行准确的标记。
在一些实施例中，在确定上传的视频为光敏视频后，向创作者发送通知。从而，创作者可以知晓上传的视频是光敏视频。该通知例如通过视频推送应用的站内信发送，还可以基于创作者预留的通信信息，通过短信、邮件等视频推送应用之外的途径发送。该通知除了包括对视频的识别结果以外，还可以包括对光敏视频、光敏癫痫的相关知识，以使得更多的创作者能够在后续的视频创作中注意规避相关的视觉效果。从而整体上提高了视频观看的安全性。
在步骤S108中，在浏览用户处于过滤光敏视频的状态下，向浏览用户推送不具有光敏标识的视频。
浏览用户可以根据需要设置是否过滤光敏视频。如果浏览用户处于过滤光敏视频的状态，则不会浏览到具有光敏标识的视频。
需要指出的是，本公开中的创作者和浏览用户只是相对某个视频的身份。在实际的应用场景中，某个用户可以是某个视频的创作者，同时也可以是其他视频的浏览用户。
在一些实施例中，推送的视频位于视频流中，视频流可以是长视频流或者短视频流。用户通过切换操作，可以观看为其推送的不同的视频。
下面参考图2从浏览用户的角度描述视频的推送方法的实施例。
图2示出了根据本发明另一些实施例的视频的推送方法的流程示意图。该实施例可以部署在视频推送应用的服务器中。根据需要，也可以部署在其他设备中，本公开对此不再赘述。
如图2所示，该实施例的视频的推送方法包括步骤S202～S204。
在步骤S202中，获取一个或多个视频，一个或多个视频包括具有光敏标识的视频、以及不具有光敏标识的视频，其中，每个视频在被光敏视频识别模型确定为光敏视频的情况下，具有光敏标识。
获取的一个或多个视频是准备推送给用户的。例如，服务器根据推荐算法计算用户可能感兴趣的视频，并准备将这些视频推送给用户。在执行推送操作之前，可以通过光敏视频识别模型的识别结果对光敏视频进行标记，以辅助服务器进一步判断是否将这些视频全部推送给用户。
在步骤S204中，在浏览用户处于过滤光敏视频的状态的情况下，向浏览用户推送一个或多个视频中不具有光敏标识的视频。
在一些实施例中，在浏览用户处于不过滤光敏视频的状态的情况下，向浏览用户推送一个或多个视频。即，浏览用户既能够观看具有光敏标识的视频，也能够观看不具有光敏标识的视频。
上述实施例通过光敏视频识别模型对上传的视频进行识别，并在视频被模型确定为光敏视频时向视频添加光敏标识。从而，在浏览用户选择过滤光敏视频的情况下，向浏览用户推送不具有光敏标识的视频，以尽量避免光敏视频对光敏癫痫患者等对光敏视频敏感的用户产生不良影响，提高了视频观看的安全性。
下面以光敏视频识别模型神经网络模型为例，示例性地描述一种模型的训练过程。
首先，构建训练集，训练集中包括已标记的光敏视频和已标记的非光敏视频，这些标记例如为人工筛选并标记的。然后，将训练集中的视频输入到神经网络模型中，以获得模型的预测结果。最后，根据模型的预测结果与标记之间的差距计算模型的损失值，并基于损失值对模型的参数进行调整。经过多次迭代，在满足收敛条件后停止训练，获得光敏视频识别模型。
本公开的一些实施例还提供了用户反馈机制，通过用户的反馈，可以扩展训练集，以进一步提高模型的准确度。下面分别参考图3和图4描述通过用户反馈来训练模型的实施例。
图3示出了根据本发明一些实施例的浏览用户反馈方法的流程示意图。如图3所示，该实施例的浏览用户反馈方法包括步骤S302～S306。
在步骤S302中，向设置了过滤光敏视频的状态的浏览用户推送不具有光敏标识的视频。
在步骤S304中，获取浏览用户对已浏览的视频的反馈。
如果浏览用户在设置过滤光敏视频的状态后，在浏览过程中仍然被推送了光敏视频，则可以提交反馈，表示已浏览的视频为光敏视频。
在视频推送应用中可以设置反馈控件。浏览用户触发反馈控件后，可以选择预设的、表示浏览到光敏视频的反馈类型，或者也可以手动输入反馈内容。
在步骤S306中，在反馈指示已浏览的视频为光敏视频的情况下，将已浏览的视频标记为光敏视频、并添加到训练集，其中，训练集用于对光敏视频识别模型进行训练。
在一些实施例中，在收到浏览用户的反馈后，还可以进一步对反馈信息进行审核，并且在审核通过后将相应的视频添加到训练集中。该审核可以是人工完成的，还可以是根据预设的审核规则或者审核算法自动完成的。
从而，可以通过浏览用户的反馈，将模型未能够识别的光敏视频进行标记、并添加到训练集，从而能够帮助模型进一步提升准确率。
图4示出了根据本发明一些实施例的创作者反馈方法的流程示意图。如图4所示，该实施例的浏览用户反馈方法包括步骤S402～S410。
在步骤S402中，采用光敏视频识别模型对创作者上传的视频进行处理，以确定上传的视频是否为光敏视频。
在步骤S404中，在上传的视频为光敏视频的情况下，为上传的视频添加光敏标识。
在步骤S406中，在确定上传的视频为光敏视频后，向创作者发送通知。
在步骤S408中，在向创作者发送通知后，接收创作者发送的反馈。例如，创作者认为上传的视频并不是光敏视频时，可以通过反馈进行申诉。
在步骤S410中，在反馈表示上传的视频不为光敏视频的情况下，将上传的视频添标记为非光敏视频、并添加到训练集，其中，训练集用于对光敏视频识别模型进行训练。
在一些实施例中，在收到创作者的反馈后，还可以进一步对反馈信息进行审核，并且在审核通过后将相应的视频添加到训练集中。该审核可以是人工完成的，还可以是根据预设的审核规则或者审核算法自动完成的。
从而，可以通过创作者的反馈，将模型误识别的非光敏视频进行标记、并添加到训练集，从而能够帮助模型进一步提升准确率。
上述两种反馈机制能够利用用户的反馈，获得模型的误识别情况，并收集更多的训练数据以对模型进行进一步的优化，从而提高了模型的预测准确率。用户在视频观看过程中的安全性也能够得到更好的保障。
下面参考图5描述本发明用户状态设置方法的实施例。
图5示出了根据本发明一些实施例的用户状态设置方法的流程示意图。如图5所示，该实施例的用户状态设置方法包括步骤S502～S506。
在步骤S502中，在待播放的视频为具有光敏标识的视频的情况下，显示是否过滤光敏视频的选择控件。
例如，视频推送应用获取若干视频并依次推送给用户进行播放，并且在每个视频播放之前，检查待播放的视频是否具有光敏标识。如果不具有光敏标识，则正常播放；如果具有光敏标识，则显示选择控件。
在一些实施例中，为了避免用户频繁地进行相同的设置，仅在用户的“首次浏览”情况下显示选择控件。“首次浏览”是指同一账号下的首次浏览、或者同一终端下的首次浏览。即，在待播放的视频为浏览用户在同一个账号下、或者在同一个终端中首次浏览的具有光敏标识的视频的情况下，显示是否过滤光敏视频的选择控件。
在一些实施例中，选择控件位于遮罩层上，遮罩层位于待播放的视频的上层。遮罩层的透明度低于预设值，或者具有模糊背景的效果，以屏蔽底层的光敏视频，使得用户的注意力聚焦到选择控件上。
在步骤S504中，接收浏览用户对选择控件的操作。
在步骤S506中，在操作指示过滤光敏视频的情况下，将浏览用户设置为过滤光敏视频的状态。
通过上述实施例，用户能够根据需求设置是否过滤光敏视频的状态，从而既提高了对光敏视频敏感的用户的观看安全性，也提高了对光敏视频不敏感用户的观看自由度。并且，由于很多浏览用户同时也是视频的创作者，因此通过该设置过程，也能够起到对光敏视频的知识普及作用。
下面参考图6描述本发明视频的推送装置的实施例。
图6示出了根据本发明一些实施例的视频的推送装置的结构示意图。如图6所示，该实施例的视频的推送装置60包括：获取模块610，被配置为获取一个或多个视频，一个或多个视频包括具有光敏标识的视频、以及不具有光敏标识的视频，其中，每个视频在被光敏视频识别模型确定为光敏视频的情况下，具有光敏标识；推送模块620，被配置为在浏览用户处于过滤光敏视频的状态的情况下，向浏览用户推送一个或多个视频中不具有光敏标识的视频。
上述实施例通过光敏视频识别模型对上传的视频进行识别，并在视频被模型确定为光敏视频时向视频添加光敏标识。从而，在浏览用户选择过滤光敏视频的情况下，向浏览用户推送不具有光敏标识的视频，以尽量避免光敏视频对光敏癫痫患者等对光敏视频敏感的用户产生不良影响，提高了视频观看的安全性。
在一些实施例中，推送装置60还包括：反馈模块630，被配置为获取浏览用户对已浏览的视频的反馈；在反馈指示已浏览的视频为光敏视频的情况下，将已浏览的视频标记为光敏视频、并添加到训练集，其中，训练集用于对光敏视频识别模型进行训练。
在一些实施例中，每个视频在添加了光敏特效的情况下，具有光敏标识。
在一些实施例中，推送模块620进一步被配置为在浏览用户处于不过滤光敏视频的状态的情况下，向浏览用户推送一个或多个视频。
在一些实施例中，推送装置60还包括：设置模块640，被配置为在待播放的视频为具有光敏标识的视频的情况下，显示是否过滤光敏视频的选择控件；接收浏览用户对选择控件的操作；在操作指示过滤光敏视频的情况下，将浏览用户设置为过滤光敏视频的状态。
在一些实施例中，设置模块640进一步被配置为在待播放的视频为浏览用户在同一个账号下、或者在同一个终端中首次浏览的具有光敏标识的视频的情况下，显示是否过滤光敏视频的选择控件。
在一些实施例中，选择控件位于遮罩层上，遮罩层位于待播放的视频的上层。
下面参考图7描述本发明视频的推送装置的实施例。
图7示出了根据本发明另一些实施例的视频的推送装置的结构示意图。如图7所示，该实施例的视频的推送装置70包括：上传模块710，被配置为获取创作者上传的视频；识别模块720，被配置为采用光敏视频识别模型对上传的视频进行处理，以确定上传的视频是否为光敏视频；添加模块730，被配置为在上传的视频为光敏视频的情况下，为上传的视频添加光敏标识；推送模块740，被配置为在浏览用户处于过滤光敏视频的状态下，向浏览用户推送不具有光敏标识的视频。
上述实施例通过光敏视频识别模型对上传的视频进行识别，并在视频被模型确定为光敏视频时向视频添加光敏标识。从而，在浏览用户选择过滤光敏视频的情况下，向浏览用户推送不具有光敏标识的视频，以尽量避免光敏视频对光敏癫痫患者等对光敏视频敏感的用户产生不良影响，提高了视频观看的安全性。
在一些实施例中，推送装置70还包括：通知模块750，被配置为在确定上传的视频为光敏视频后，向创作者发送通知。
在一些实施例中，推送装置70还包括：反馈模块760，被配置为在向创作者发送通知后，接收创作者发送的反馈；在反馈表示上传的视频不为光敏视频的情况下，将上传的视频添标记为非光敏视频、并添加到训练集，其中，训练集用于对光敏视频识别模型进行训练。
在一些实施例中，光敏视频识别模型为神经网络模型。
根据需要，推送装置60和推送装置70可以合设在同一个装置中，也可以分别设置在不同的装置中。本公开对此不再赘述。
图8示出了根据本公开又一些实施例的视频的推送装置的结构示意图。如图8所示，该实施例的视频的推送装置80包括：存储器810以及耦接至该存储器810的处理器820，处理器820被配置为基于存储在存储器810中的指令，执行前述任意一个实施例中的视频的推送方法。
其中，存储器810例如可以包括***存储器、固定非易失性存储介质等。***存储器例如存储有操作***、应用程序、引导装载程序(Boot Loader)以及其他程序等。
图9示出了根据本公开再一些实施例的视频的推送装置的结构示意图。如图9所示，该实施例的视频的推送装置90包括：存储器910以及处理器920，还可以包括输入输出接口930、网络接口940、存储接口950等。这些接口930，940，950以及存储器910和处理器920之间例如可以通过总线980连接。其中，输入输出接口930为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。网络接口940为各种联网设备提供连接接口。存储接口950为SD卡、U盘等外置存储设备提供连接接口。
本公开的实施例还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现前述任意一种视频的推送方法。
本领域内的技术人员应当明白，本公开的实施例可提供为方法、***、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解为可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本公开的较佳实施例，并不用以限制本公开，凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (14)

1.一种视频的推送方法，包括：
获取一个或多个视频，所述一个或多个视频包括具有光敏标识的视频、以及不具有光敏标识的视频，其中，每个视频在被光敏视频识别模型确定为光敏视频的情况下，具有光敏标识；
在浏览用户处于过滤光敏视频的状态的情况下，向所述浏览用户推送所述一个或多个视频中不具有光敏标识的视频。
2.根据权利要求1所述的推送方法，还包括：
获取所述浏览用户对已浏览的视频的反馈；
在所述反馈指示所述已浏览的视频为光敏视频的情况下，将所述已浏览的视频标记为光敏视频、并添加到训练集，其中，所述训练集用于对所述光敏视频识别模型进行训练。
3.根据权利要求1所述的推送方法，其中，每个视频在添加了光敏特效的情况下，具有光敏标识。
4.根据权利要求1所述的推送方法，还包括：
在所述浏览用户处于不过滤光敏视频的状态的情况下，向所述浏览用户推送所述一个或多个视频。
5.根据权利要求1-4中任一项所述的推送方法，还包括：
在待播放的视频为具有光敏标识的视频的情况下，显示是否过滤光敏视频的选择控件；
接收所述浏览用户对所述选择控件的操作；
在所述操作指示过滤光敏视频的情况下，将所述浏览用户设置为过滤光敏视频的状态。
6.根据权利要求5所述的推送方法，其中，在所述待播放的视频为所述浏览用户在同一个账号下、或者在同一个终端中首次浏览的具有光敏标识的视频的情况下，显示是否过滤光敏视频的选择控件。
7.根据权利要求5所述的推送方法，其中，所述选择控件位于遮罩层上，所述遮罩层位于所述待播放的视频的上层。
8.一种视频的推送方法，包括：
获取创作者上传的视频；
采用光敏视频识别模型对上传的视频进行处理，以确定所述上传的视频是否为光敏视频；
在所述上传的视频为光敏视频的情况下，为所述上传的视频添加光敏标识；
在浏览用户处于过滤光敏视频的状态下，向所述浏览用户推送不具有光敏标识的视频。
9.根据权利要求8所述的推送方法，还包括：
在确定所述上传的视频为光敏视频后，向所述创作者发送通知。
10.根据权利要求9所述的推送方法，还包括：
在向所述创作者发送通知后，接收所述创作者发送的反馈；
在所述反馈表示所述上传的视频不为光敏视频的情况下，将所述上传的视频添标记为非光敏视频、并添加到训练集，其中，所述训练集用于对所述光敏视频识别模型进行训练。
11.根据权利要求8-10中任一项所述的推送方法，其中，所述光敏视频识别模型为神经网络模型。
12.一种视频的推送装置，包括：
存储器；以及
耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行如权利要求1-11中任一项所述的视频的推送方法。
13.一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现权利要求1-11中任一项所述的视频的推送方法。
14.一种计算机程序产品，当所述计算机程序产品在计算机上运行时，使得所述计算机实现权利要求1-11中任一项所述的视频的推送方法。
CN202210769349.6A 2022-07-01 2022-07-01 视频的推送方法、装置和存储介质 Pending CN115174969A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202210769349.6A CN115174969A (zh) 2022-07-01 2022-07-01 视频的推送方法、装置和存储介质
PCT/CN2023/102858 WO2024002092A1 (zh) 2022-07-01 2023-06-27 视频的推送方法、装置和存储介质
US18/343,330 US20240004928A1 (en) 2022-07-01 2023-06-28 Push method, push apparatus of video and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210769349.6A CN115174969A (zh) 2022-07-01 2022-07-01 视频的推送方法、装置和存储介质

Publications (1)

Publication Number Publication Date
CN115174969A true CN115174969A (zh) 2022-10-11

Family

ID=83490210

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210769349.6A Pending CN115174969A (zh) 2022-07-01 2022-07-01 视频的推送方法、装置和存储介质

Country Status (3)

Country Link
US (1) US20240004928A1 (zh)
CN (1) CN115174969A (zh)
WO (1) WO2024002092A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024002092A1 (zh) * 2022-07-01 2024-01-04 抖音视界有限公司 视频的推送方法、装置和存储介质

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140150012A1 (en) * 2012-11-29 2014-05-29 Eldon Technology Limited Photosensitivity protection for video display
WO2015107880A1 (ja) * 2014-01-14 2015-07-23 日本電気株式会社 画像処理装置、画像処理方法及びプログラムを記録した記録媒体
CN105704504A (zh) * 2016-01-28 2016-06-22 腾讯科技（深圳）有限公司 视频直播中***推送信息的方法和装置
CN106649316A (zh) * 2015-10-29 2017-05-10 北京国双科技有限公司 一种视频推送方法及装置
US20170311012A1 (en) * 2014-09-10 2017-10-26 Vidcheck Limited Method of adjusting video to minimise or remove pse triggers
CN109784867A (zh) * 2019-01-18 2019-05-21 创新奇智(北京)科技有限公司 一种自反馈人工智能模型管理***
CN109887114A (zh) * 2018-12-27 2019-06-14 北京智慧云行科技有限责任公司 人脸批量识别考勤***及方法
CN111327958A (zh) * 2020-02-28 2020-06-23 北京百度网讯科技有限公司 视频播放方法、装置、电子设备及存储介质
CN111726691A (zh) * 2020-07-03 2020-09-29 北京字节跳动网络技术有限公司 视频推荐方法、装置、电子设备及计算机可读存储介质
CN112584243A (zh) * 2020-12-08 2021-03-30 北京字节跳动网络技术有限公司 多媒体数据处理方法、装置及电子设备
CN113206909A (zh) * 2021-04-30 2021-08-03 中国银行股份有限公司 骚扰电话拦截方法及装置
CN113449773A (zh) * 2021-05-26 2021-09-28 北京有竹居网络技术有限公司 模型更新方法、装置、存储介质及电子设备
CN114339378A (zh) * 2021-12-23 2022-04-12 展讯通信（上海）有限公司 一种音视频码流的处理方法、装置和电子设备
CN114630067A (zh) * 2022-03-02 2022-06-14 北京奇艺世纪科技有限公司 一种视频播放控制方法、装置、设备及存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050018656A (ko) * 2002-04-19 2005-02-23 헨리 제임스 윌리암 디엔 광과민성 간질 발작의 방지 시스템
US8443304B2 (en) * 2010-08-10 2013-05-14 International Business Machines Corporation Conditional modification of browser content
CN115174969A (zh) * 2022-07-01 2022-10-11 抖音视界(北京)有限公司 视频的推送方法、装置和存储介质

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140150012A1 (en) * 2012-11-29 2014-05-29 Eldon Technology Limited Photosensitivity protection for video display
WO2015107880A1 (ja) * 2014-01-14 2015-07-23 日本電気株式会社 画像処理装置、画像処理方法及びプログラムを記録した記録媒体
US20170311012A1 (en) * 2014-09-10 2017-10-26 Vidcheck Limited Method of adjusting video to minimise or remove pse triggers
CN106649316A (zh) * 2015-10-29 2017-05-10 北京国双科技有限公司 一种视频推送方法及装置
CN105704504A (zh) * 2016-01-28 2016-06-22 腾讯科技（深圳）有限公司 视频直播中***推送信息的方法和装置
US20180288450A1 (en) * 2016-01-28 2018-10-04 Tencent Technology (Shenzhen) Company Limited Method for inserting information push into live video streaming, server, and terminal
CN109887114A (zh) * 2018-12-27 2019-06-14 北京智慧云行科技有限责任公司 人脸批量识别考勤***及方法
CN109784867A (zh) * 2019-01-18 2019-05-21 创新奇智(北京)科技有限公司 一种自反馈人工智能模型管理***
CN111327958A (zh) * 2020-02-28 2020-06-23 北京百度网讯科技有限公司 视频播放方法、装置、电子设备及存储介质
WO2021169458A1 (zh) * 2020-02-28 2021-09-02 北京百度网讯科技有限公司 视频播放方法、装置、电子设备及存储介质
CN111726691A (zh) * 2020-07-03 2020-09-29 北京字节跳动网络技术有限公司 视频推荐方法、装置、电子设备及计算机可读存储介质
CN112584243A (zh) * 2020-12-08 2021-03-30 北京字节跳动网络技术有限公司 多媒体数据处理方法、装置及电子设备
CN113206909A (zh) * 2021-04-30 2021-08-03 中国银行股份有限公司 骚扰电话拦截方法及装置
CN113449773A (zh) * 2021-05-26 2021-09-28 北京有竹居网络技术有限公司 模型更新方法、装置、存储介质及电子设备
CN114339378A (zh) * 2021-12-23 2022-04-12 展讯通信（上海）有限公司 一种音视频码流的处理方法、装置和电子设备
CN114630067A (zh) * 2022-03-02 2022-06-14 北京奇艺世纪科技有限公司 一种视频播放控制方法、装置、设备及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024002092A1 (zh) * 2022-07-01 2024-01-04 抖音视界有限公司 视频的推送方法、装置和存储介质

Also Published As

Publication number Publication date
US20240004928A1 (en) 2024-01-04
WO2024002092A1 (zh) 2024-01-04

Similar Documents

Publication Publication Date Title
CN102236890B (zh) 从多个图像生成组合图像
US8245124B1 (en) Content modification and metadata
CN109803180A (zh) 视频预览图生成方法、装置、计算机设备及存储介质
US10264329B2 (en) Descriptive metadata extraction and linkage with editorial content
CN109309844B (zh) 视频台词处理方法、视频客户端及服务器
CN111090813B (zh) 一种内容处理方法、装置和计算机可读存储介质
CN104813674A (zh) 用于优化视频的***和方法
CN107295377B (zh) 影片制作方法、装置及***
CN104808959B (zh) 一种信息处理方法及电子设备
CN109286848B (zh) 一种终端视频信息的交互方法、装置及存储介质
CN105263590A (zh) 用于游戏数据收集的方法和***
WO2024002092A1 (zh) 视频的推送方法、装置和存储介质
DE102012218436A1 (de) Verteilen von lizenziertem Inhalt auf mehrere Einheiten
CN110555482A (zh) 基于人工智能的低俗图片识别方法、装置及电子设备
CN111538557A (zh) 基于层叠样式表的弹幕渲染方法及相关设备
US10284883B2 (en) Real-time data updates from a run down system for a video broadcast
CN113297416A (zh) 视频数据存储方法、装置、电子设备和可读存储介质
CN104394478A (zh) 一种播放视频的方法及播放器
CN112328895A (zh) 用户画像生成方法、装置、服务器及存储介质
CN116939324A (zh) 基于热点信息识别的视频生成方法及相关设备
CN111782740A (zh) 座位数据处理方法、计算设备及存储介质
CN111782309B (zh) 显示信息的方法、装置及计算机可读存储介质
CN116991513A (zh) 配置文件生成方法、装置、电子设备、介质及程序产品
CN114443567A (zh) 多媒体文件管理方法、装置、电子设备及介质
CN113973234A (zh) 视频推荐方法及装置

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