CN115861890A - 一种视频分析方法和装置、电子设备和存储介质 - Google Patents
一种视频分析方法和装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN115861890A CN115861890A CN202211626678.1A CN202211626678A CN115861890A CN 115861890 A CN115861890 A CN 115861890A CN 202211626678 A CN202211626678 A CN 202211626678A CN 115861890 A CN115861890 A CN 115861890A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- target
- video
- value
- determining
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 25
- 238000003860 storage Methods 0.000 title claims abstract description 9
- 238000011156 evaluation Methods 0.000 claims abstract description 504
- 238000000034 method Methods 0.000 claims abstract description 58
- 230000006399 behavior Effects 0.000 claims description 62
- 238000012549 training Methods 0.000 claims description 31
- 238000001514 detection method Methods 0.000 claims description 25
- 238000004891 communication Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 5
- 238000002372 labelling Methods 0.000 abstract description 10
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000004519 manufacturing process Methods 0.000 abstract description 7
- 238000004422 calculation algorithm Methods 0.000 description 21
- 238000009826 distribution Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 206010011469 Crying Diseases 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
Images
Landscapes
- Television Signal Processing For Recording (AREA)
Abstract
本申请涉及一种视频分析方法和装置、电子设备和存储介质。其中,方法包括:获取待分析视频;按照与待分析视频对应的视频内评价信息以及视频间评价信息,确定出与目标视频片段对应的第一目标评价以及第二目标评价;基于视频内评价信息、视频间评价信息、第一目标评价以及第二目标评价,确定出与目标视频片段对应的目标精彩度评价值;按照与目标视频片段对应的目标精彩度评价值,确定出与目标视频片段对应的精彩度类别。通过本申请提供的方法,可以有效克服相关技术中人工对视频的精彩度进行标注存在主观性强、标注速度缓慢、无法做到快速批量的数据生产的技术问题。
Description
技术领域
本申请涉及视频分析技术领域,尤其涉及一种视频分析方法和装置、电子设备和存储介质。
背景技术
在对视频进行精彩度分析算法开发过程中,需要准备大量的训练数据用于精彩度分析算法的模型训练。但视频的精彩程度具有很强的主观性,尤其不是通过标注精彩与不精彩,而是从0-10的分数来表示一个片段的精彩程度时,人为进行的数据标注,很难做到客观准确的给出一个合理的分数,并且在对训练数据集的追加过程中,进行数据标注的人员可能由于种种原因而需要更换,就更难实现标注标准的统一性。同时人工的进行数据标注,标注速度缓慢,无法做到快速批量的数据生产。
由此可见,相关技术中存在人工对视频的精彩度进行标注存在主观性强、标注速度缓慢、无法做到快速批量的数据生产的技术问题。
发明内容
为了解决上述人工对视频的精彩度进行标注存在主观性强、标注速度缓慢、无法做到快速批量的数据生产的技术问题,本申请提供了一种视频分析方法和装置、电子设备和存储介质。
第一方面,本申请实施例提供了一种视频分析方法,包括:
获取待分析视频;
按照与所述待分析视频对应的视频内评价信息以及视频间评价信息,确定出与目标视频片段对应的第一目标评价以及第二目标评价,其中,所述视频内评价信息包括与所述目标视频片段对应的所述第一目标评价,所述视频间评价信息包括与所述目标视频片段对应的所述第二目标评价,所述第一目标评价按照所述待分析视频中每个候选视频片段的评价确定出,所述第二目标评价是按照对目标视频集中的每个视频片段的评价确定出的全局评价,所有候选视频片段中包括所述目标视频片段,所述每个候选视频片段在所述待分析视频中具有唯一对应的时间段,所述目标视频集中包括所述待分析视频;
基于视频内评价信息、所述视频间评价信息、所述第一目标评价以及所述第二目标评价,确定出与所述目标视频片段对应的目标精彩度评价值;
按照与所述目标视频片段对应的目标精彩度评价值,确定出与所述目标视频片段对应的精彩度类别。
可选地,如前述的方法,所述基于视频内评价信息、所述视频间评价信息、所述第一目标评价以及所述第二目标评价,确定出与所述目标视频片段对应的目标精彩度评价值;包括:
按照所述视频内评价信息,确定出与所述每个候选视频片段对应的第一候选评价;
对所有第一候选评价进行平均值计算,得到第一平均值;
按照所述视频间评价信息,确定出与所述每个候选视频片段对应的第二候选评价;
对所有第二候选评价进行平均值计算,得到第二平均值;
确定出所述第一目标评价与所述第一平均值之间的第一大小关系;确定出所述第二目标评价与所述第二平均值之间的第二大小关系;
基于所述第一大小关系以及所述第二大小关系确定出与所述目标视频片段对应的目标精彩度评价值。
可选地,如前述的方法,所述确定出所述第一目标评价与所述第一平均值之间的第一大小关系,包括:
在所有第一候选评价中确定出评价值最低的第一最小候选评价,以及评价值最高的第一最高候选评价;
对所述第一最小候选评价与所述第一平均值之间进行划分,得到第一预设数量的第一低评价值区间;对所述第一最高候选评价与所述第一平均值之间进行划分,得到第二预设数量的第一高评价值区间;
通过在所有第一评价值区间中确定出包含有所述第一目标评价值的第一目标评价值区间,得到所述第一目标评价与所述第一平均值之间的第一大小关系,其中,所述所有第一评价值区间包括所述第一低评价值区间以及所述第一高评价值区间。
可选地,如前述的方法,所述确定出所述第二目标评价与所述第二平均值之间的第二大小关系,包括:
在所有第二候选评价中确定出评价值最低的第二最小候选评价,以及评价值最高的第二最高候选评价;
对所述第二最小候选评价与所述第二平均值之间进行划分,得到第三预设数量的第二低评价值区间;在所述第二最高候选评价与预设第二评价上限之间确定出最小的指定第二评价,对所述指定第二评价与所述第二平均值之间进行划分,得到第四预设数量的第二高评价值区间;
通过在所有第二评价值区间中确定出包含有所述第二目标评价值的第二目标评价值区间,得到所述第二目标评价与所述第二平均值之间的第二大小关系,其中,所述所有第二评价值区间包括所述第二低评价值区间以及所述第二高评价值区间。
可选地,如前述的方法,所述基于所述第一大小关系以及所述第二大小关系确定出与所述目标视频片段对应的目标精彩度评价值,包括:
确定与每个第一评价值区间对应的第一精彩度值;确定与每个第二评价值区间对应的第二精彩度值;
按照与每个第一评价值区间对应的第一精彩度值,确定出所述第一目标评价值区间对应的第一目标精彩度值;按照与每个第二评价值区间对应的第二精彩度值,确定出所述第二目标评价值区间对应的第二目标精彩度值;
通过对所述第一目标精彩度值以及所述第二目标精彩度值按照预设加权方式进行计算,得到所述目标精彩度评价值;
在所述第二目标评价高于或等于所述预设第二评价上限的情况下,给所述目标视频片段赋值最大的所述目标精彩度评价值。
可选地,如前述的方法,所述按照与所述目标视频片段对应的目标精彩度评价值,确定出与所述目标视频片段对应的精彩度类别,包括:
对所述目标视频片段进行行为检测,得到行为检测结果;
在所述行为检测结果指示所述目标视频片段中存在预设行为类型的行为,且所述目标精彩度评价值大于或等于预设阈值的情况下,确定所述目标视频片段对应的精彩度类别为高精彩度类别;
在所述行为检测结果指示所述目标视频片段中存在预设行为类型的行为,且所述目标精彩度评价值小于预设阈值的情况下,确定所述目标视频片段对应的精彩度类别为低精彩度类别。
可选地,如前述的方法,所述按照与所述目标视频片段对应的目标精彩度评价值,确定出与所述目标视频片段对应的精彩度类别之后,所述方法还包括:
确定出与每个指定视频片段对应的指定精彩度类别,其中,所有所述指定视频片段中包括所述目标视频片段;
将所对应的所述指定精彩度类别为高精彩度类别的所述指定视频片段作为高精彩度片段;
将所对应的所述指定精彩度类别为低精彩度类别的所述指定视频片段作为低精彩度片段;
按照预设数量关系,在所有所述高精彩度片段选择出第一数量的高精彩度训练片段,以及在所有所述低精彩度片段中选择出第二数量的低精彩度训练片段,其中,所述第一数量与所述第二数量之间满足所述预设数量关系。
第二方面,本申请实施例提供了一种视频分析装置,包括:
获取模块,用于获取待分析视频;
第一确定模块,用于按照与所述待分析视频对应的视频内评价信息以及视频间评价信息,确定出与目标视频片段对应的第一目标评价以及第二目标评价,其中,所述视频内评价信息包括与所述目标视频片段对应的所述第一目标评价,所述视频间评价信息包括与所述目标视频片段对应的所述第二目标评价,所述第一目标评价按照所述待分析视频中每个候选视频片段的评价确定出,所述第二目标评价是按照对目标视频集中的每个视频片段的评价确定出的全局评价,所有候选视频片段中包括所述目标视频片段,所述每个候选视频片段在所述待分析视频中具有唯一对应的时间段,所述目标视频集中包括所述待分析视频;
第二确定模块,用于基于视频内评价信息、所述视频间评价信息、所述第一目标评价以及所述第二目标评价,确定出与所述目标视频片段对应的目标精彩度评价值;
精彩度类别确定模块,用于按照与所述目标视频片段对应的目标精彩度评价值,确定出与所述目标视频片段对应的精彩度类别。
第三方面,本申请实施例提供了一种电子设备,包括:处理器、通信接口、存储器和通信总线,其中,所述处理器、通信接口和存储器通过通信总线完成相互间的通信;
所述存储器,用于存放计算机程序;
所述处理器,用于执行所述计算机程序时,实现如前述任一项所述的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述存储介质包括存储的程序,其中,所述程序运行时执行如前任一项所述的方法。
本申请实施例提供的上述技术方案与现有技术相比具有如下优点:
本申请实施例提供的该方法,提供了一种可以自动化确定出视频片段对应的精彩度类别的实现方式,相对于相关技术中人工对视频的精彩度进行标注,可以有效保障判断标准统一、提高确定精彩度类别的效率,进而可以有效克服相关技术中人工对视频的精彩度进行标注存在主观性强、标注速度缓慢、无法做到快速批量的数据生产的技术问题。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明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,对于本领域普通技术人员而言,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为本申请实施例提供的一种视频分析方法的流程示意图;
图2为本申请应用例中视频1对应的滤镜分数和滤镜相关分数示意图;
图3为本申请应用例中视频2对应的滤镜分数和滤镜相关分数示意图;
图4为本申请实施例提供的一种视频分析装置的框图;
图5为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
根据本申请实施例的一个方面,提供了一种视频分析方法。可选地,在本实施例中,上述视频分析方法可以应用于由终端和服务器所构成的硬件环境中。服务器通过网络与终端进行连接,可用于为终端或终端上安装的客户端提供服务(如广告推送服务、应用服务等),可在服务器上或独立于服务器设置数据库,用于为服务器提供数据存储服务。
上述网络可以包括但不限于以下至少之一:有线网络,无线网络。上述有线网络可以包括但不限于以下至少之一:广域网,城域网,局域网,上述无线网络可以包括但不限于以下至少之一:WIFI(Wireless Fidelity,无线保真),蓝牙。终端可以并不限定于为PC、手机、平板电脑等。
本申请实施例的视频分析方法可以由服务器来执行,也可以由终端来执行,还可以是由服务器和终端共同执行。其中,终端执行本申请实施例的视频分析方法也可以是由安装在其上的客户端来执行。
以由服务器来执行本实施例中的视频分析方法为例,图1为本申请实施例提供的一种视频分析方法,包括如下所述步骤:
步骤S101,获取待分析视频。
本实施例中的视频分析方法可以应用于需要在视频中识别出精彩和非精彩的视频片段的场景,例如:通过精彩和非精彩的视频片段对精彩度分析算法的模型进行训练的场景。
以对待分析视频进行分析为例,通过对待分析视频中的一个或多个候选视频片段进行的识别,以确定出一个或多个候选视频片段的精彩度。
待分析视频可以是实现本实施例方法的服务器主动从视频库中获取得到的,也可以是由被上传至服务器中的。
待分析视频可以包括一个或多个视频,不同的视频之间可以按序执行本实施例方法的步骤,也可以并发执行本实施例方法的步骤。
例如,服务器从视频平台的数据库中,获取其中一个视频(例如,一集电视剧的视频、一个电影视频等等),并作为待分析视频。
步骤S102,按照与待分析视频对应的视频内评价信息以及视频间评价信息,确定出与目标视频片段对应的第一目标评价以及第二目标评价,其中,视频内评价信息包括与目标视频片段对应的第一目标评价,视频间评价信息包括与目标视频片段对应的第二目标评价,第一目标评价按照待分析视频中每个候选视频片段的评价确定出,第二目标评价是按照对目标视频集中的每个视频片段的评价确定出的全局评价,所有候选视频片段中包括目标视频片段,每个候选视频片段在待分析视频中具有唯一对应的时间段,目标视频集中包括待分析视频。
在获取待分析视频之后,可以获取到与该待分析视频对应的视频内评价信息以及视频间评价信息。
视频内评价信息以及视频间评价信息可以是与该待分析视频关联存储于指定数据库中的信息。
在待分析视频中,每个候选视频片段具有唯一对应的时间段(例如时长为1秒、2秒等等),不同的候选视频片段所对应的时间段不存在交集,且一般情况下,各个候选视频片段在时序上连续。
对于视频网站内的待分析视频,由于视频网站内的视频的观影群众是亿万级别的,且观影群众遍布各个年龄段,根据用户实际的观影情况,会对每一个影片中每一秒的播放情况,产生出对应的视频内评价信息(分数从0-100分布),以及视频间评价信息(分数从0-+∞)。
待分析视频中的每个候选视频片段都具有对应的第一评价和第二评价。
对于任一个候选视频片段的第一评价,用于指示候选视频片段的观影情况(例如,播放次数、评论数量、弹幕数量等等)相对于待分析视频中的其他候选视频片段的观影情况的关系。例如,待分析视频中第一评价最低的候选视频片段I的第一评价为0,第一评价最高的候选视频片段II的第一评价为100;对于任一个候选视频片段i来说,所对应的第一评价可以是基于第一评价为0的第一观影情况a和第一评价0以及第一评价为100的第一观影情况b得到;示例性的,当观影情况包括的参数类型只包括播放次数,第一观影情况a为被播放1000次,第一观影情况b为被播放11000次,且候选视频片段i被播放5000次,则候选视频片段i的第一评分可以是:
(100×5000)/(11000-1000)=50;
此外,还可以采用其他方式和其他参数类型的观影情况确定出任一个候选视频片段的第一评分。在此不一一列举。
对于任一个候选视频片段的第二评价,用于指示候选视频片段的观影情况(例如,播放次数、评论数量、弹幕数量等等)相对于标视频集中(包括除待分析视频之外的其他视频)的其他视频片段的观影情况的关系。例如,待分析视频中第二观影情况a最低的视频片段a的第二评价为0,第二观影情况b的视频片段b的第二评价为400;则可以参照前述确定出第一评分的方法,基于任一个候选视频片段的观影情况、第二观影情况a最低的视频片段a的第二评价为0、第二观影情况b的视频片段b的第二评价为400确定出任一个候选视频片段的第二评价。
可选地,视频内评价信息以及视频间评价信息可以是在获取待处理视频之前预先得到的,因此,可以直接基于视频内评价信息以及视频间评价信息确定出目标视频片段的第一目标评价和第二目标评价。步骤S103,基于视频内评价信息、视频间评价信息、第一目标评价以及第二目标评价,确定出与目标视频片段对应的目标精彩度评价值。
在确定出视频内评价信息、视频间评价信息、第一目标评价以及第二目标评价之后,即可基于视频内评价信息、视频间评价信息、第一目标评价以及第二目标评价,确定出与目标视频片段对应的目标精彩度评价值,例如:
确定出不同的第一评价所对应的第一精彩度评价值,以及不同的第二评价所对应的第二精彩度评价值,确定出第一目标评价对应的第一精彩度评价值和第二目标评价对应的第二精彩度评价值;并最终确定出目标精彩度评价值。步骤S104,按照与目标视频片段对应的目标精彩度评价值,确定出与目标视频片段对应的精彩度类别。
在确定出目标视频的目标精彩度评价值之后,即可按照该目标精彩度评价值,判断目标视频片段对应的精彩度类别。
例如,可以预先设置不同的精彩度类别所对应的精彩度评价值区间,然后按照目标精彩度评价值区间所落入的精彩度评价值区间,确定出与目标视频片段对应的精彩度类别。
进一步的,在确定目标视频片段对应的精彩度类别时,还可以判断目标视频片段中实际展示的视频内容,并结合视频内容以及目标精彩度评价值确定出精彩度类别。
通过本实施例中的方法,提供了一种可以自动化确定出视频片段对应的精彩度类别的实现方式,相对于相关技术中人工对视频的精彩度进行标注,可以有效保障判断标准统一、提高确定精彩度类别的效率,进而可以有效克服相关技术中人工对视频的精彩度进行标注存在主观性强、标注速度缓慢、无法做到快速批量的数据生产的技术问题。
作为一种可选的实施例,如前述的方法,所述步骤S103基于视频内评价信息、视频间评价信息、第一目标评价以及第二目标评价,确定出与目标视频片段对应的目标精彩度评价值,包括如下所述步骤:
步骤S201,按照视频内评价信息,确定出与每个候选视频片段对应的第一候选评价。
在得到视频内评价信息之后,一般情况下与一个视频内评价信息可以是一个评价变化的曲线,进而,可以确定出与每个候选视频片段对应的第一候选评价。
步骤S202,对所有第一候选评价进行平均值计算,得到第一平均值。
在得到所有第一候选评价之后,可以对所有第一候选评价进行平均值计算,进而得到与该待分析视频对应的第一平均值。
步骤S203,按照视频间评价信息,确定出与每个候选视频片段对应的第二候选评价;
在得到视频内评价信息之后,一般情况下与一个视频间评价信息可以是一个评价变化的曲线(相对于视频内评价信息的曲线存在上限(例如,100)的情况,视频间评价信息不存在上限),进而,可以确定出与每个候选视频片段对应的第二候选评价。
步骤S204,对所有第二候选评价进行平均值计算,得到第二平均值。
在得到所有第二候选评价之后,可以对所有第二候选评价进行平均值计算,进而得到与该待分析视频对应的第二平均值。
步骤S205,确定出第一目标评价与第一平均值之间的第一大小关系;确定出第二目标评价与第二平均值之间的第二大小关系。
在得到第一目标评价与第一平均值之后,可以确定出第一目标评价与第一平均值之间的第一大小关系;作为一种可选的实施例,如前述的方法,确定出第一目标评价与第一平均值之间的第一大小关系,包括如下所述步骤:
步骤S301,在所有第一候选评价中确定出评价值最低的第一最小候选评价,以及评价值最高的第一最高候选评价。
在确定出所有第一候选评价之后,可以通过逐个比对的方式,在所有第一候选评价中确定出评价值最低的第一最小候选评价,以及评价值最高的第一最高候选评价。
步骤S302,对第一最小候选评价与第一平均值之间进行划分,得到第一预设数量的第一低评价值区间;对第一最高候选评价与第一平均值之间进行划分,得到第二预设数量的第一高评价值区间。
在得到第一最小候选评价和第一平均值之后,即可得到以第一最小候选评价为最小值,以第一平均值为最大值的一个评价区间,并且可以按照预设的第一预设数量对该评价区间进行划分,得到第一预设数量的第一低评价值区间,可选地,可以采用均匀划分的方式,划分得到第一预设数量的第一低评价值区间。并且,不同的两个第一低评价值区间之间不存在交集。
在得到第一最高候选评价和第一平均值之后,即可得到以第一最高候选评价为最大值,以第一平均值为最小值的一个评价区间,并且可以按照预设的第二预设数量对该评价区间进行划分,得到第二预设数量的第一高评价值区间,可选地,可以采用均匀划分的方式,划分得到第二预设数量的第一高评价值区间。并且,不同的两个第一高评价值区间之间不存在交集。
步骤S303,通过在所有第一评价值区间中确定出包含有第一目标评价值的第一目标评价值区间,得到第一目标评价与第一平均值之间的第一大小关系,其中,所有第一评价值区间包括第一低评价值区间以及第一高评价值区间。
在得到第一低评价值区间以及第一高评价值区间之后,即可得到所有第一评价值区间,并且,可以通过将第一目标评价值所落入的第一评价值区间,确定为第一目标评价值区间,并将包含有第一目标评价值的第一目标评价值区间,确定为第一目标评价与第一平均值之间的第一大小关系。
例如,在第一平均值为56,且第一预设数量为7,第二预设数量为4时,则可以划分得到的第一低评价值区间包括[0,8)、[8,16)、[16,24)、[24,32)、[32,40)、[40,48)、[48,56);第一高评价值区间包括[56,67)、[67,78)、[78,89)、[89,100]。若第一目标评价为66,则确定第一高评价值区间[56,67)为第一目标评价值区间。
作为一种可选的实施例,如前述的方法,确定出第二目标评价与第二平均值之间的第二大小关系,包括如下所述步骤:
步骤S401,在所有第二候选评价中确定出评价值最低的第二最小候选评价,以及评价值最高的第二最高候选评价。
在确定出所有第二候选评价之后,可以通过逐个比对的方式,在所有第二候选评价中确定出评价值最低的第二最小候选评价,以及评价值最高的第二最高候选评价。
步骤S402,对第二最小候选评价与第二平均值之间进行划分,得到第三预设数量的第二低评价值区间;在第二最高候选评价与预设第二评价上限之间确定出最小的指定第二评价,对指定第二评价与第二平均值之间进行划分,得到第四预设数量的第二高评价值区间。
在得到第二最小候选评价和第二平均值之后,即可得到以第二最小候选评价为最小值,以第二平均值为最大值的一个评价区间,并且可以按照预设的第三预设数量对该评价区间进行划分,得到第三预设数量的第二低评价值区间,可选地,可以采用均匀划分的方式,划分得到第三预设数量的第二低评价值区间。并且,不同的两个第二低评价值区间之间不存在交集。
在得到第二最高候选评价和第二平均值之后,即可按照该第二最高候选评价和第二平均值进行评价值区间的划分,并且由于第二最高候选评价会存在峰值远高于平均值的情况,因此,可以在第二最高候选评价与预设第二评价上限之间确定出最小的指定第二评价。
预设第二评价上限可以是预先设定得到的评价上限。例如,400、500等等。
示例性的,当第二评价上限为400,且,第二最高候选评价为300时,则将300作为指定第二评价;当第二评价上限为400,且,第二最高候选评价为500时,则将400作为指定第二评价。
在确定出指定第二评价之后,即可得到以指定第二评价为最大值,以第二平均值为最小值的一个评价区间,并且可以按照预设的第四预设数量对该评价区间进行划分,得到第四预设数量的第二高评价值区间,可选地,可以采用均匀划分的方式,划分得到第四预设数量的第二高评价值区间。并且,不同的两个第二高评价值区间之间不存在交集。
步骤S403,通过在所有第二评价值区间中确定出包含有第二目标评价值的第二目标评价值区间,得到第二目标评价与第二平均值之间的第二大小关系,其中,所有第二评价值区间包括第二低评价值区间以及第二高评价值区间。
在得到第二低评价值区间以及第二高评价值区间之后,即可得到所有第二评价值区间,并且,可以通过将第二目标评价值所落入的第二评价值区间,确定为第二目标评价值区间,并将包含有第二目标评价值的第二目标评价值区间,确定为第二目标评价与第二平均值之间的第一大小关系。
例如,在第二平均值为70,且第三预设数量为7,第二最高候选评价为310、预设第二评价上限为400,第四预设数量为4时,则可以确定出指定第二评价为300,并划分得到的第二低评价值区间包括[0,10)、[10,20)、[20,30)、[30,40)、[40,50)、[50,60)、[60,70);第二高评价值区间包括[70,130)、[130,190)、[190,250)、[250,310]。若第二目标评价为66,则确定第二低评价值区间[60,70)为第二目标评价值区间;若第二目标评价为199,则确定第二高评价值区间[190,250)为第二目标评价值区间。
步骤S206,基于第一大小关系以及第二大小关系确定出与目标视频片段对应的目标精彩度评价值。
在确定出第一大小关系以及第二大小关系之后,即可按照前述的第一大小关系以及第二大小关系确定出与目标视频片段对应的目标精彩度评价值,作为一种可选的实施例,如前述的方法,基于第一大小关系以及第二大小关系确定出与目标视频片段对应的目标精彩度评价值,包括如下所述步骤:
步骤S501,确定与每个第一评价值区间对应的第一精彩度值;确定与每个第二评价值区间对应的第二精彩度值。
在获取所有第一评价值区间之后,可以对每个第一评价值区间进行第一精彩度值的赋值,进而可以得到与每个第一评价值区间对应的第一精彩度值。例如,当按照每个第一评价值区间的大小,由低至高依次包括11个第一评价值区间,则对应的第一精彩度值可以依次为0、1、2、3、4、5、6、7、8、9、10。相似的,可以确定出与每个第二评价值区间对应的第二精彩度值。
步骤S502,按照与每个第一评价值区间对应的第一精彩度值,确定出第一目标评价值区间对应的第一目标精彩度值;按照与每个第二评价值区间对应的第二精彩度值,确定出第二目标评价值区间对应的第二目标精彩度值。
在确定出与每个第一评价值区间对应的第一精彩度值,且,第一目标评价值区间为所有第一评价值区间中一个,因此可以确定出第一目标评价值区间对应的第一目标精彩度值。
类似的,在确定出与每个第二评价值区间对应的第二精彩度值,且,第二目标评价值区间为所有第二评价值区间中一个,因此可以确定出第二目标评价值区间对应的第二目标精彩度值。
步骤S503,通过对第一目标精彩度值以及第二目标精彩度值按照预设加权方式进行计算,得到目标精彩度评价值。
在得到第一目标精彩度值以及第二目标精彩度值之后,可以按照预设加权方式对上述第一目标精彩度值以及第二目标精彩度值进行计算。
预设加权方式中可以限定与第一目标精彩度值对应的第一权重,以及与第二目标精彩度值对应的第二权重,并且,一般情况下,第一权重与第二权重可以都为0.5,即对第一目标精彩度值以及第二目标精彩度值进行平均值计算,得到目标精彩度评价值。
例如,当第一目标精彩度值为7以及第二目标精彩度值为9,预设加权方式为进行平均值计算,则得到的目标精彩度评价值为(7+9)/2=8。
步骤S504,在第二目标评价高于或等于预设第二评价上限的情况下,给目标视频片段赋值最大的目标精彩度评价值。
对于第二目标评价高于预设第二评价上限(例如,400,此类视频片段具有绝对多的正向观影操作)的片段,给目标视频片段赋值最大的目标精彩度评价值,例如,直接判定为精彩度为10分的视频片段。
通过本实施例中的方法,提供了一种自动计算得到目标视频片段对应的目标精彩度评价值的实现方式,可以有效提高确定出目标精彩度评价值的效率,并避免人工确定导致的主观影像大、效率低下的技术问题。
作为一种可选的实施例,如前述的方法,所述步骤S105按照与目标视频片段对应的目标精彩度评价值,确定出与目标视频片段对应的精彩度类别,包括如下所述步骤:
步骤S601,对目标视频片段进行行为检测,得到行为检测结果。
在获取出目标视频片段之后,可以通过预设的视频行为检测算法对目标视频片段进行行为检测,以得到目标视频片段对应的行为检测结果。
行为检测结果可以是用于指示目标视频片段中指示的行为,例如:滑雪、打斗、大笑、哭泣等等。
步骤S602,在行为检测结果指示目标视频片段中存在预设行为类型的行为,且目标精彩度评价值大于或等于预设阈值的情况下,确定目标视频片段对应的精彩度类别为高精彩度类别。
在确定出行为检测结果,则可判断行为检测结果指示目标视频片段中是否存在预设行为类型的行为。
预设行为类别可以是用于指示包含可能存在实际精彩意义的行为的类型信息,例如前述的滑雪、打斗、大笑、哭泣等等。并且,预设行为类别可以根据实际应用中所需检测的行为类别进行增加、删除或修改。
在确定出目标精彩度评价值之后,可以判断该目标精彩度评价值与预设阈值之间的关系。
预设阈值可以是预先设定的用于区分高精彩度评价值和低精彩度评价值的阈值,例如,当预设阈值为6时,若目标精彩度评价值大于或等于6,则目标精彩度评价值为高精彩度评价值,反之,则为低精彩度评价值。
在行为检测结果指示目标视频片段中存在预设行为类型的行为,且目标精彩度评价值大于或等于预设阈值的情况下,则说明既包含存在实际精彩意义的行为,且目标精彩度评价值为高精彩度评价值,则可以体现出目标视频片段并不是因为待分析视频本身精彩度高导致该目标视频片段精彩度高,而是该目标视频片段本身确实包含有使其精彩度高的精彩行为片段(例如,打斗场景,吵架场景,亲吻场景,大笑、哭泣场景等等),因此确定目标视频片段对应的精彩度类别为高精彩度类别。
步骤S603,在行为检测结果指示目标视频片段中存在预设行为类型的行为,且目标精彩度评价值小于预设阈值的情况下,确定目标视频片段对应的精彩度类别为低精彩度类别。
在行为检测结果指示目标视频片段中存在预设行为类型的行为,且目标精彩度评价值小于预设阈值的情况下,则说明目标视频片段虽然包含存在实际精彩意义的行为,但目标精彩度评价值仍为低精彩度评价值,则说明待检测视频精彩度低,并不是因为不存在行为(例如,空镜场景,普通聊天场景、演员没有语言、没有动作、没有情绪表达的场景等等),而是目标视频片段对应的行为不吸引观众而导致的精彩度低,因此在此情况下确定目标视频片段对应的精彩度类别为低精彩度类别,这样可以更符用户的观影习惯。
作为一种可选的实施例,如前述的方法,所述步骤S105按照与目标视频片段对应的目标精彩度评价值,确定出与目标视频片段对应的精彩度类别之后,方法还包括如下所述步骤:
步骤S701,确定出与每个指定视频片段对应的指定精彩度类别,其中,所有指定视频片段中包括目标视频片段。
在步骤S701之前,可以获取用于请求生成用于对精彩度算法进行训练的训练数据的目标请求,进而可以响应于该目标请求,获取所有指定视频片段,并按照前述实施例中的方法,确定出与每个指定视频片段对应的指定精彩度类别。
步骤S702,将所对应的指定精彩度类别为高精彩度类别的指定视频片段作为高精彩度片段。
步骤S703,将所对应的指定精彩度类别为低精彩度类别的指定视频片段作为低精彩度片段。
步骤S704,按照预设数量关系,在所有高精彩度片段选择出第一数量的高精彩度训练片段,以及在所有低精彩度片段中选择出第二数量的低精彩度训练片段,其中,第一数量与第二数量之间满足预设数量关系。
在确定出与每个指定视频片段对应的指定精彩度类别之后,可以对所有指定视频片段按照精彩度类别进行分类,并且将所对应的指定精彩度类别为高精彩度类别的指定视频片段作为高精彩度片段,将所对应的指定精彩度类别为低精彩度类别的指定视频片段作为低精彩度片段。
为了便于后期可以提供用于对精彩度算法进行训练的训练数据,可以按照预设数量关系,在所有高精彩度片段选择出第一数量的高精彩度训练片段,以及在所有低精彩度片段中选择出第二数量的低精彩度训练片段。
预设数量关系,可以是用于指示在所有训练数据中,高精彩度片段的数量与低精彩度片段的数量之间的比例关系,或者,直接限定高精彩度片段的数量与低精彩度片段的数量。
进而,在确定给出预设数量关系之后,可以确定出第一数量和第二数量,然后在所有高精彩度片段选择出第一数量的高精彩度训练片段,以及在所有低精彩度片段中选择出第二数量的低精彩度训练片段。
高精彩度训练片段是用于对精彩度算法进行训练的正样本数据,低精彩度训练片段是用于对精彩度算法进行训练的负样本数据。
并且,还可根据新增的视频内容,动态的添加精彩度算法的训练数据,保证训练数据能满足当下需求。
通过本实施例中的方法,可以快速确定出用于对精彩度算法进行训练的高精彩度训练片段和低精彩度训练片段,从而可以有效提升训练数据的生产效率。
如下所述,提供一种应用前述任一实施例的应用例:
(1)将已有的滤镜分数(即,视频内评价信息),滤镜相关分数(视频间评价信息)转换成具体的精彩度分数(即,精彩度评价值),具体的转换算法如下:
首先,无论是滤镜数据,还是滤镜相关数据,针对于不同的视频,其分数的分布,平均分数等均会不同。且滤镜相关数据主要用于说明每一秒的观影情况在整个影片中的分布,滤镜相关数据主要用于说明在全局(例如,整个视频平台包含的所有视频)情况下每一秒的观影情况,针对于所有影片的分布情况,在做分数转换过程中,均需要对两个分数分别作出分析。
如图2和图3所示,为两部视频平台内影视剧(即,视频1和视频2)对应的滤镜分数和滤镜相关分数。其中横坐标代表每一个时间点位,单位为秒,纵坐标代表该时间点位所对应的分数。
通过2和图3可见,视频间的分数分布差异较大,且对于滤镜相关分数,其最高分没有具体的上限限制(分数的分布为[0,+∞))。同时对于同一个视频,其滤镜分数与滤镜相关分数的分布也会存在一定的差异。虽然差异存在,但是可以确定,对于每个分数的分布,分数相对高的位置,其观影的正向(重复播放,弹幕数量多等)操作更多。分数相对低的位置,其观影的负向(观影退出,倍速播放,弹幕数量少等)操作更多。
针对以上的分布情况,提出了一种通用的分数划分算法。对于待分析视频的处理,具体步骤如下:
1.分别计算出滤镜分数在该视频中的第一平均分数(即,第一平均值),滤镜相关分数在该视频中的第二平均分数(即,第二平均值)avg_score,用来表示待分析视频的平均观影情况。
2.对于滤镜相关数据高于400分(此类片段具有绝对多的正向观影操作)的片段,直接判定为精彩度为10分的视频片段。
3.通过计算平均分数,将待分析视频的所有候选视频片段划分为2部分,高于平均分的候选视频片段认为是精彩片段,低于平均分的候选视频片段则认为是普通片段,计算方法如下所述:
首先计算出最高分与平均分的差值delta_score 1=max_score–
avg_score,delta_score1为分数差值,若max_score是滤镜数据的最大5值(即,第一最高候选评价)时,其值为100分,若max_score是滤镜
相关数据的最大值(即,指定第二评价)时,max_score=min(400,max_relative_lvjing_score),其中,max_relative_lvjing_score即为前述实施例中的第二最高候选评价,400即为前述实施例中的第二评价上
限。然后针对delta_score进行4等份划分,每一等份的数值one_part0(即,滤镜数据中的第一高评价值区间,或滤镜相关数据中的第二高
评价值区间)为one_part=delta_score 1/4。对于在[avg_score+0×
one_part,avg_score+1×one_part)分数范围内的片段记为精彩分为7分,对于在[avg_score+1×one_part,avg_score+2×one_part)分数范围
内的片段记为精彩分为8分,对于在[avg_score+2×one_part,avg_score5+3×one_part)分数范围内的片段记为精彩分为9分,对于在[avg_score
+3×one_part,max_score]分数范围内的片段记为精彩分为10分。因为滤镜分数和滤镜相关分数均可以计算出对应的精彩度分数,因此,对于同时具有7分及以上精彩度的片段作为最终的精彩片段,其分数采
用两个分数的平均值(即,预设加权方式为平均值计算方式):0final_score=(score1+score2)/2;score1为第一目标精彩度值,score2
为第二目标精彩度值。
对于低于平均分数的视频片段,首先计算出平均分值与最低分值的差值delta_score2=avg_score–min_score。此处的min_score均为滤
镜数据或滤镜相关数据中该视频的最低分数(即,滤镜数据中的第一5最小候选评价,或滤镜相关数据中的第二最小候选评价)。然后对delta_score2进行8等份划分,每一等份的数值为one_part=
delta_score2/8,对于分数在[min_score+0×one_part,min_score+1×one_part)记为精彩度为0分,同理精彩度1-5分的视频所对应的分数,分别采用公式[min_score+i×one_part,min_score+(i+1)×one_part)来获取,其中i表示具体的精彩度分数。精彩度6分视频所对应的分数采用[min_score+6×one_part,avg_score]来获取。同样,因为滤镜分数和滤镜相关分数均可以计算出对应的精彩度分数,因此,对于同时具有6分及以下精彩度的片段作为最终的非精彩片段,其分数采用两个分数的平均值(即,预设加权方式为平均值计算方式):final_score=(score1+score2)/2。
4.判断高分精彩度的视频片段,是否是包含有实际精彩意义的行为的视频片段。
针对于待分析视频中所获取的精彩度高分视频,精彩度分数高于7分的视频片段,采用已有的视频行为检测算法(即,进行行为检测的算法)对其进行识别,获得每个视频片段中含有行为的标签(即,行为检测结果),置信度(可以根据实际使用场景进行设定,例如95%、90%等)等信息,通过一个较高的置信度阈值及需要保留的行为标签,过滤掉无实际精彩意义的视频片段。
并且,当精彩度分析算法有新的需求时,可以动态且快速的生产出对应的训练样本数据,如当需要增加“滑雪”的行为类型作为精彩度算法的输出内容,此时可以通过视频行为检测算法快速生产出潜在的带有“滑雪”的行为类型的数据用于精彩度算法的训练。
针对低精彩度分值(即,目标精彩度评价值小于预设阈值)的视频片段,如仍含有实际精彩意义的行为片段,即便其中含有上述视频行为检测算法得到的标签数据,仍认为其为低精彩度的视频片段,这样更符用户的观影习惯。
在实际对精彩度算法的训练过程中,针对于大量的视频数据,其最终所生产出来的数据在不同精彩度分值间的数据量是不均衡,通常因为使用行为识别算法过滤后,高精彩度分值的片段会远低于低精彩度分值的片段。此处,只需要尽可能保留已获取的高分精彩度视频片段,同时按照每个精彩度分值对应视频片段数量为大约为1:1的比例(即,预设数量关系为),对于低精彩度分值的视频进行部分保留。
如图4所示,根据本申请另一方面的一个实施例,还提供了一种视频分析装置,包括:
获取模块1,用于获取待分析视频;
第一确定模块2,用于按照与待分析视频对应的视频内评价信息以及视频间评价信息,确定出与目标视频片段对应的第一目标评价以及第二目标评价,其中,视频内评价信息包括与目标视频片段对应的第一目标评价,视频间评价信息包括与目标视频片段对应的第二目标评价,第一目标评价按照待分析视频中每个候选视频片段的评价确定出,第二目标评价是按照对目标视频集中的每个视频片段的评价确定出的全局评价,所有候选视频片段中包括目标视频片段,每个候选视频片段在待分析视频中具有唯一对应的时间段,目标视频集中包括待分析视频;
第二确定模块3,用于基于视频内评价信息、视频间评价信息、第一目标评价以及第二目标评价,确定出与目标视频片段对应的目标精彩度评价值;
精彩度类别确定模块4,用于按照与目标视频片段对应的目标精彩度评价值,确定出与目标视频片段对应的精彩度类别。
具体的,本发明实施例的装置中各模块实现其功能的具体过程可参见方法实施例中的相关描述,此处不再赘述。
根据本申请的另一个实施例,还提供一种电子设备,包括:如图5所示,电子设备可以包括:处理器1501、通信接口1502、存储器1503和通信总线1504,其中,处理器1501,通信接口1502,存储器1503通过通信总线1504完成相互间的通信。
存储器1503,用于存放计算机程序;
处理器1501,用于执行存储器1503上所存放的程序时,实现上述方法实施例的步骤。
上述电子设备提到的总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本申请实施例还提供一种计算机可读存储介质,存储介质包括存储的程序,其中,程序运行时执行上述方法实施例的方法步骤。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种视频分析方法,其特征在于,包括:
获取待分析视频;
按照与所述待分析视频对应的视频内评价信息以及视频间评价信息,确定出与目标视频片段对应的第一目标评价以及第二目标评价,其中,所述视频内评价信息包括与所述目标视频片段对应的所述第一目标评价,所述视频间评价信息包括与所述目标视频片段对应的所述第二目标评价,所述第一目标评价按照所述待分析视频中每个候选视频片段的评价确定出,所述第二目标评价是按照对目标视频集中的每个视频片段的评价确定出的全局评价,所有候选视频片段中包括所述目标视频片段,所述每个候选视频片段在所述待分析视频中具有唯一对应的时间段,所述目标视频集中包括所述待分析视频;
基于视频内评价信息、所述视频间评价信息、所述第一目标评价以及所述第二目标评价,确定出与所述目标视频片段对应的目标精彩度评价值;
按照与所述目标视频片段对应的目标精彩度评价值,确定出与所述目标视频片段对应的精彩度类别。
2.根据权利要求1所述的方法,其特征在于,所述基于视频内评价信息、所述视频间评价信息、所述第一目标评价以及所述第二目标评价,确定出与所述目标视频片段对应的目标精彩度评价值;包括:
按照所述视频内评价信息,确定出与所述每个候选视频片段对应的第一候选评价;
对所有第一候选评价进行平均值计算,得到第一平均值;
按照所述视频间评价信息,确定出与所述每个候选视频片段对应的第二候选评价;
对所有第二候选评价进行平均值计算,得到第二平均值;
确定出所述第一目标评价与所述第一平均值之间的第一大小关系;确定出所述第二目标评价与所述第二平均值之间的第二大小关系;
基于所述第一大小关系以及所述第二大小关系确定出与所述目标5视频片段对应的目标精彩度评价值。
3.根据权利要求2所述的方法,其特征在于,所述确定出所述第一目标评价与所述第一平均值之间的第一大小关系,包括:
在所有第一候选评价中确定出评价值最低的第一最小候选评价,以及评价值最高的第一最高候选评价;
0对所述第一最小候选评价与所述第一平均值之间进行划分,得到第一预设数量的第一低评价值区间;对所述第一最高候选评价与所述第一平均值之间进行划分,得到第二预设数量的第一高评价值区间;
通过在所有第一评价值区间中确定出包含有所述第一目标评价值的第一目标评价值区间,得到所述第一目标评价与所述第一平均值之5间的第一大小关系,其中,所述所有第一评价值区间包括所述第一低评价值区间以及所述第一高评价值区间。
4.根据权利要求3所述的方法,其特征在于,所述确定出所述第二目标评价与所述第二平均值之间的第二大小关系,包括:
在所有第二候选评价中确定出评价值最低的第二最小候选评价,0以及评价值最高的第二最高候选评价;
对所述第二最小候选评价与所述第二平均值之间进行划分,得到第三预设数量的第二低评价值区间;在所述第二最高候选评价与预设第二评价上限之间确定出最小的指定第二评价,对所述指定第二评价与所述第二平均值之间进行划分,得到第四预设数量的第二高评价值5区间;
通过在所有第二评价值区间中确定出包含有所述第二目标评价值的第二目标评价值区间,得到所述第二目标评价与所述第二平均值之间的第二大小关系,其中,所述所有第二评价值区间包括所述第二低评价值区间以及所述第二高评价值区间。
5.根据权利要求4所述的方法,其特征在于,所述基于所述第一大小关系以及所述第二大小关系确定出与所述目标视频片段对应的目标精彩度评价值,包括:
确定与每个第一评价值区间对应的第一精彩度值;确定与每个第二评价值区间对应的第二精彩度值;
按照与每个第一评价值区间对应的第一精彩度值,确定出所述第一目标评价值区间对应的第一目标精彩度值;按照与每个第二评价值区间对应的第二精彩度值,确定出所述第二目标评价值区间对应的第二目标精彩度值;
通过对所述第一目标精彩度值以及所述第二目标精彩度值按照预设加权方式进行计算,得到所述目标精彩度评价值;
在所述第二目标评价高于或等于所述预设第二评价上限的情况下,给所述目标视频片段赋值最大的所述目标精彩度评价值。
6.根据权利要求1所述的方法,其特征在于,所述按照与所述目标视频片段对应的目标精彩度评价值,确定出与所述目标视频片段对应的精彩度类别,包括:
对所述目标视频片段进行行为检测,得到行为检测结果;
在所述行为检测结果指示所述目标视频片段中存在预设行为类型的行为,且所述目标精彩度评价值大于或等于预设阈值的情况下,确定所述目标视频片段对应的精彩度类别为高精彩度类别;
在所述行为检测结果指示所述目标视频片段中存在预设行为类型的行为,且所述目标精彩度评价值小于预设阈值的情况下,确定所述目标视频片段对应的精彩度类别为低精彩度类别。
7.根据权利要求1至6任一项所述的方法,其特征在于,所述按照与所述目标视频片段对应的目标精彩度评价值,确定出与所述目标视频片段对应的精彩度类别之后,所述方法还包括:
确定出与每个指定视频片段对应的指定精彩度类别,其中,所有所述指定视频片段中包括所述目标视频片段;
将所对应的所述指定精彩度类别为高精彩度类别的所述指定视频片段作为高精彩度片段;
将所对应的所述指定精彩度类别为低精彩度类别的所述指定视频片段作为低精彩度片段;
按照预设数量关系,在所有所述高精彩度片段选择出第一数量的高精彩度训练片段,以及在所有所述低精彩度片段中选择出第二数量的低精彩度训练片段,其中,所述第一数量与所述第二数量之间满足所述预设数量关系。
8.一种视频分析装置,其特征在于,包括:
获取模块,用于获取待分析视频;
第一确定模块,用于按照与所述待分析视频对应的视频内评价信息以及视频间评价信息,确定出与目标视频片段对应的第一目标评价以及第二目标评价,其中,所述视频内评价信息包括与所述目标视频片段对应的所述第一目标评价,所述视频间评价信息包括与所述目标视频片段对应的所述第二目标评价,所述第一目标评价按照所述待分析视频中每个候选视频片段的评价确定出,所述第二目标评价是按照对目标视频集中的每个视频片段的评价确定出的全局评价,所有候选视频片段中包括所述目标视频片段,所述每个候选视频片段在所述待分析视频中具有唯一对应的时间段,所述目标视频集中包括所述待分析视频;
第二确定模块,用于基于视频内评价信息、所述视频间评价信息、所述第一目标评价以及所述第二目标评价,确定出与所述目标视频片段对应的目标精彩度评价值;
精彩度类别确定模块,用于按照与所述目标视频片段对应的目标精彩度评价值,确定出与所述目标视频片段对应的精彩度类别。
9.一种电子设备,其特征在于,包括:处理器、通信接口、存储器和通信总线,其中,所述处理器、通信接口和存储器通过通信总线完成相互间的通信;
所述存储器,用于存放计算机程序;
所述处理器,用于执行所述计算机程序时,实现权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质包括存储的程序,其中,所述程序运行时执行上述权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211626678.1A CN115861890A (zh) | 2022-12-16 | 2022-12-16 | 一种视频分析方法和装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211626678.1A CN115861890A (zh) | 2022-12-16 | 2022-12-16 | 一种视频分析方法和装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115861890A true CN115861890A (zh) | 2023-03-28 |
Family
ID=85673848
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211626678.1A Pending CN115861890A (zh) | 2022-12-16 | 2022-12-16 | 一种视频分析方法和装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115861890A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116503791A (zh) * | 2023-06-30 | 2023-07-28 | 腾讯科技(深圳)有限公司 | 模型的训练方法、装置、电子设备及存储介质 |
-
2022
- 2022-12-16 CN CN202211626678.1A patent/CN115861890A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116503791A (zh) * | 2023-06-30 | 2023-07-28 | 腾讯科技(深圳)有限公司 | 模型的训练方法、装置、电子设备及存储介质 |
CN116503791B (zh) * | 2023-06-30 | 2023-09-15 | 腾讯科技(深圳)有限公司 | 模型的训练方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108810642B (zh) | 一种弹幕显示方法、装置及电子设备 | |
CN109753601B (zh) | 推荐信息点击率确定方法、装置及电子设备 | |
WO2020259572A1 (zh) | 用于负反馈的标签确定方法、视频推荐方法、装置、设备和存储介质 | |
CN109688479B (zh) | 一种弹幕显示方法、弹幕显示装置和弹幕显示服务器 | |
JP2018530847A (ja) | 広告配信のための動画使用情報処理 | |
CN106776528B (zh) | 一种信息处理方法及装置 | |
CN111107416B (zh) | 一种弹幕屏蔽方法、装置及电子设备 | |
CN108335131B (zh) | 一种预估用户年龄段的方法、装置及电子设备 | |
CN112995690B (zh) | 直播内容品类识别方法、装置、电子设备和可读存储介质 | |
WO2020135059A1 (zh) | 搜索引擎评测方法、装置、设备以及可读存储介质 | |
CN108768743B (zh) | 一种用户识别方法、装置及服务器 | |
CN109583228B (zh) | 一种隐私信息管理方法、装置和*** | |
CN115861890A (zh) | 一种视频分析方法和装置、电子设备和存储介质 | |
CN112995765B (zh) | 一种网络资源显示方法及装置 | |
CN107682427B (zh) | 一种消息推送方法、装置、设备及存储介质 | |
CN112073757B (zh) | 情绪波动指数获取方法、显示方法及多媒体内容制作方法 | |
US11527091B2 (en) | Analyzing apparatus, control method, and program | |
US20150227970A1 (en) | System and method for providing movie file embedded with advertisement movie | |
CN112287225A (zh) | 一种对象推荐方法及装置 | |
TWI725375B (zh) | 資料搜尋方法及其資料搜尋系統 | |
CN108882024B (zh) | 一种视频播放方法、装置及电子设备 | |
CN109963174B (zh) | 流量相关指标预估方法、装置及计算机可读存储介质 | |
CN109561350B (zh) | 用户兴趣度的评价方法和*** | |
CN111324733A (zh) | 内容推荐方法、装置、设备及存储介质 | |
CN108764021B (zh) | 一种作弊视频识别方法和装置 |
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 |