标识教育视频的呈现样式制造技术

标识视频的呈现样式。计算表示视频的特征的集合。预学习的视频呈现样式分类器然后用于对特征集中的特征中的每个特征进行加权，并且基于特征的加权来确定在视频中主要被采用的呈现样式。

【技术实现步骤摘要】
【国外来华专利技术】
技术介绍
存在万维网上当前可用的大量视频并且该数字正在迅速地增长。例如，据估计，在YouTubeTM(Google公司的商标)网站上每个月观看超过六十亿小时的视频，并且每分钟有100小时的视频被上载到YouTube网站。万维网上的视频包括横跨宽广的范围的话题和类别的几乎无限的各种内容。例如，万维网上的视频可以被分类为各种宽广的类别，诸如幽默视频、新闻视频、关于特定人或地点的视频、关于社会的视频以及教育视频，仅举几个例子。如在教育领域中所理解到的，教育视频的使用可以增加内容保留和概念理解，特别地当视频与传统学习材料(诸如课本等)配对时。在线(例如，基于web的)教育是教育市场的新且迅速演变的部分。
技术实现思路
提供该概述以引入以在详细描述中下文进一步描述的简化形式的概念的选择。该概述不旨在标识所要求保护的主题的关键特征或基本特征，其也不旨在用作辅助确定所要求保护的主题的范围。在此所描述的呈现样式标识技术实现通常包含标识视频的呈现样式。在一个示例性实现中，接收视频，并且计算表示视频的特征集。预学习的视频呈现样式分类器然后用于对特征集中的特征的每个特征进行加权并且确定在视频中主要被采用的呈现样式，其中该呈现样式确定基于对特征集中的特征的加权。附图说明在此所描述的呈现样式标识技术实现的特定特征、方面和优点将关于以下描述、所附的权利要求和附图变得更好理解，在附图中：图1是图示能够在教育视频中被采用的不同的呈现样式的示例性集合和这些呈现样式的分类的表。图2是图示在如关于课本所取回的视频的数据集和具有针对在此所描述的呈现样式标识技术实现而策划的转录本的视频的另一数据集内所采用的不同的呈现样式的分布的条形图。图3图示了渲染的幻灯片视频的示例性帧的灰度版本。图4是图示了针对图3中所示的视频帧的像素强度的直方图的条形图。图5是图示针对图3中所示的视频帧的小梯度幅度的直方图的条形图。图6是图示针对图3中所示的视频帧的大梯度幅度的直方图的条形图。图7图示了自然视频的示例性帧的灰度版本。图8是图示了针对图7中所示的视频帧的像素强度的直方图的条形图。图9是图示针对图7中所示的视频帧的小梯度幅度的直方图的条形图。图10是图示针对图7中所示的视频帧的大梯度幅度的直方图的条形图。图11是图示跨越示例性渲染的动画视频的帧的运动幅度的线图。图12是图示跨越示例性渲染的幻灯片视频的帧的运动幅度的线图。图13是图示跨越示例性渲染的手绘幻灯片视频的帧的移动像素的一部分的线图。图14是图示跨越在纸上手写的示例性视频的帧的移动像素的一部分的线图。图15是图示用于学习可以视频呈现样式分类器的过程的简化形式的示例性实现的流程图，视频呈现样式分类器用于确定在给定教育视频中主要被采用的呈现样式。图16是图示用于学习视频呈现样式分类器的伪代码的简化形式的示例性实现的代码列表。图17是图示用于标识视频的呈现样式的过程的简化形式的示例性实现的流程图。图18是图示用于允许用户搜索视频的过程的简化形式的示例性实现的流程图。图19是图示用于实现在此所描述的呈现样式标识技术实现的架构框架的简化形式的示例性实现的示图。图20是图示在其上可以实现如在此所描述的呈现样式标识技术的各种实现和元素的通用计算机系统的简化示例的示图。具体实施方式在呈现样式标识技术实现的以下描述中，对形成其一部分并且在其中以图示的方式示出在其中可以实践呈现样式标识技术的特定实现的附图进行参考。应理解到，在不脱离呈现样式标识类型实现的范围的情况下，可以利用其他实现并且可以做出结构改变。还应注意，出于清楚的原因，将采取特定术语描述在此所描述的呈现样式标识技术实现并且其针对这些实现不旨在限于这样所选择的特定术语。而且，应理解到，每个特定术语包括以实现类似目的的宽范地类似的方式操作的所有其技术等同物。在本文中对“一个实现”或“另一实现”或“示例性实现”或“备选实现”的引用意味着结合实现所描述的特定特征、特征结构或特定性质可以被包括在呈现样式标识技术的至少一个实现中。说明书中的各个地方的短语“在一个实现中”、“在另一实现中”、“在示例性实现中”、“在备选实现中”的出现不必全部指代相同实现，也不必是对其他实现互相排斥的分离实现或备选实现。然而此外，表示呈现样式标识技术的一个或多个实现的过程流的顺序未固有地指示任何特定顺序，也不隐含对呈现样式标识技术的任何限制。1.0Web上的教育视频术语“教育视频”在本文中用于指代具有以将概念教导给观看视频的用户的方式来呈现至少一个概念的内容的任何类型的视频。教育视频中的(一个多个)概念通常与给定话题或主题区相关联。给定教育视频通常包括一个或多个不同的呈现样式，其示例将在下文中更详细地描述。如此前所描述的，存在万维网(在本文中有时简单地被称为web)上当前可用的大量的视频并且这些视频包括教育视频。在web上可用的教育视频的数目正迅速地增长。例如，YouTube教育网站(也被称为YouTubeEDU)当前单独包括来自超过800个不同的通道(诸如KhanAcademySM(KhanAcademy公司的服务标记))的超过700,000个高质量教育视频。web上的教育视频跨越宽范的范围的话题和等级水平。例如，YouTube教育网站上的教育视频覆盖初等教育水平(例如，等级1-5)、中等教育水平(例如，等级6-12)、大学水平和毕生学习水平处的主题区的宽范的范围。此外，大型开放式网络课程(MOOC)是在流行方面迅速地增加的在线教育中的最新进展。MOOC提供来自各种在线教育提供商(诸如CourseraTM(Coursera公司的商标)、EdXSM(edX公司的服务标记)和UdacitySM(Udacity公司的服务标记)等)的教育视频。MOOC教育视频还跨越宽范的范围的话题和等级水平。在web和其快速增长上可用的大量的教育视频已经导致web上的大量的教育视频内容冗余。例如，对YouTube网站上执行的简单分析显示存在在具有关于“质量守恒定律”的话题的几乎相同内容的该网站上可用的超过30个不同的视频。该内容冗余引入在web上可用的教育视频的审美的变化。这样的审美变化的示例包括但不限于视频的质量的变化、出现在视频中的呈现者的性质的变化(例如，与迟钝/无趣相反，其是“活泼的”)和在视频中所采用的呈现样式的变化，例如，给定视频是否包括在白板前面关于“质量守恒定律”演讲的呈现者，或者视频是否包括描述该定律的渲染的幻灯片，或视频是否包括该定律的证明的记录，或视频是否包括该定律的渲染的动画。2.0标识教育视频的呈现样式支持所描述的呈现样式标识技术实现通常适于学习视频呈现样式分类器，并且标识给定视频的呈现样式。虽然在本文中假定该视频是教育视频，但是应注意到，呈现样式标识技术实现还可以被标识任何其他类别的视频的呈现样式。如从以下的更详细描述中将理解到，支持所描述的呈现样式标识技术实现利用存在于web上的前述教育视频内容冗余，并且允许给定用户搜索并且检索匹配(例如，习惯于)用户的偏好的相关教育视频。换句话说，呈现样式标识技术实现能够解释视频搜索活动期间的用户偏好，同时维持相关性。将理解到，存在对教育视频的上下文中的用户偏好的许多方面，其尤其包括视频的质量、出现在视频中的呈现者的性质和在视频中所采用的呈现本文档来自技高网...

【技术保护点】
一种用于标识视频的呈现样式的系统，包括：一个或多个计算设备，每当存在多个计算设备时，所述计算设备经由计算机网络彼此通信，所述计算设备包括处理器，所述处理器被配置为：接收所述视频；计算表示所述视频的特征的集合；以及使用预学习的视频呈现样式分类器对所述集合中的所述特征中的每个特征进行加权并且确定在所述视频中主要被采用的呈现样式，所述呈现样式确定基于对所述特征的所述加权。

【技术特征摘要】
【国外来华专利技术】2014.07.23 US 14/339,2421.一种用于标识视频的呈现样式的系统，包括：一个或多个计算设备，每当存在多个计算设备时，所述计算设备经由计算机网络彼此通信，所述计算设备包括处理器，所述处理器被配置为：接收所述视频；计算表示所述视频的特征的集合；以及使用预学习的视频呈现样式分类器对所述集合中的所述特征中的每个特征进行加权并且确定在所述视频中主要被采用的呈现样式，所述呈现样式确定基于对所述特征的所述加权。2.根据权利要求1所述的系统，其中确定的所述呈现样式包括可能的呈现样式的集合中的所述呈现样式中的一个呈现样式，所述可能的呈现样式的集合包括：渲染的视频种类的呈现样式；以及现实世界视频种类的呈现样式。3.根据权利要求2所述的系统，其中所述视频包括教育视频，并且所述渲染的视频种类的呈现样式包括以下各项中的一项或多项：渲染的幻灯片放映呈现样式；或包括呈现者的视频的渲染的幻灯片放映的呈现样式；或渲染的动画呈现样式；或渲染的照片呈现样式；或渲染的手绘的幻灯片呈现样式。4.根据权利要求2所述的系统，其中所述视频包括教育视频，并且所述现实世界视频种类的呈现样式包括以下各项中的一项或多项：自然视频呈现样式；或访谈的视频呈现样式；或在纸上手写的视频呈现样式；或投影的幻灯片的视频呈现样式；或白板的视频呈现样式；或黑板的视频呈现样式。5.根据权利要求1所述的系统，其中表示所述视频的所述特征的集合包括针对所述视频的每帧独立地被计算的图像特征，所述图像特征包括以下各项中的一项或多项：低对比度特征，其根据规定的低对比度阈值测量针对所述视频的像素强度统计；或高对比度特征，其根据规定的高对比度阈值测量针对所述视频的像素强度统计；或零梯度特征，其测量存在于所述视频中的零梯度的量；或低梯度特征，其测量存在于所述视频中的弱但非零梯度的量；或高梯度特征，其测量存在于所述视频中的强梯度的量；或噪声特征，其测量存在于所述视频中的像素强度噪声的量。6.根据权利要求1所述的系统，其中表示所述视频的所述特征的集合包括基于所述视频中的一个或多个脸部的检测的脸部特征，所述脸部特征包括以下各项中的一项或多项：脸部检测特征，其测量所述视频中的、仅一个脸部被检测到的帧的百分比；或一个或多个移动脸部特征，其各自针对所述视频中的、仅一个脸部被检测到的每帧而测量检测到的所述脸部是否正移动；或脸部未呈现特征，其测量所述视频中的、没有脸部被检测到的帧的最长序列的长度；或脸部呈现特征，其测量所述视频中的、仅一个脸部被检测到的帧的最长序列的长度；或脸部大小特征，其跨越所述视频中的、仅一个脸部被检测到的所述帧而测量检测到的所述脸部的平均大小。7.根据权利要求1所述的系统，其中表示所述视频的所述特征的集合包括基于所述视频如何逐帧改变的运动特征，所述运动特征包括以下各项中的一项或多项：运动频率特征，其测量运动在所述视频中发生的频繁程度；或运动量特征，其测量多少运动在所述视频中发生；或运动类型特征，其指定在所述视频中发生的运动的所述类型。8.根据权利要求7所述的系统，其中所述运动频率特征包括以下各项中的一项或多项：运动频率特征，其测量所述视频中的、运动的幅度大于或等于规定的运动频率阈值的帧的百分比；或另一运动频率特征，其测量所述视频中的、运动的幅度大于或等于另一规定的运动频率阈值的帧的百分比；或运动呈现特征，其测量所述视频中的、存在运动的帧的最长序列的长度；或运动未呈现特征，其测量所述视频中的、不存在运动的帧的最长序列的长度。9.一种用于允许用户搜索与所述用户的呈现样式偏好匹配的视频的系统，包括：一个或多个计算设备，每当存在多个计算设备时，所述计算设备经由计算机网络彼此通信，所述计算设备包括处理器，所述处理器被配置为：隐式地学习所...

【专利技术属性】
技术研发人员：A·坎南，S·J·巴克，
申请(专利权)人：微软技术许可有限责任公司，
类型：发明
国别省市：美国;US