一种宣传信息添加方法及装置制造方法及图纸

本发明专利技术实施例中公开了一种宣传信息添加方法及装置，对视频文件进行图像识别生成图像识别结果，所述图像识别结果包括所述视频文件中包含的产品以及各个产品在所述视频文件中的出现时间点；根据所述各个产品在所述视频文件中的出现时间点，确定所述各个产品的宣传信息的最优展示时间，并按主流行业产品品类在所述各个产品的宣传信息的最优展示时间对应的场景对所述各个产品进行分品类标注；获取用户从所述视频文件中包含的产品中选择的宣传产品，在所述视频文件播放到所述宣传产品的标注所在的场景时，将所述宣传产品的宣传信息添加至所述宣传产品的标注所在的场景中进行展示。基于上述方法及装置，能够提高视频的应用效率。

A method and device for adding propaganda information

In an embodiment of the invention, a propaganda information addition method and an apparatus are disclosed for generating an image recognition result by image recognition of a video file, the image recognition result includes the product contained in the video file and the time point at which each product appears in the video file; according to the respective products, the image recognition result is generated by image recognition of the video file. The occurrence time point in the frequency file determines the optimal display time of the propaganda information of the various products, and classifies the various products according to the scene corresponding to the optimal display time of the propaganda information of the product category of the mainstream industry, and obtains the products contained in the video file from the user. The selected publicity product is displayed by adding the publicity information of the publicity product to the scene where the annotation of the publicity product is located when the video file is played to the scene where the annotation of the publicity product is located. Based on the above methods and devices, the efficiency of video application can be improved.

【技术实现步骤摘要】
一种宣传信息添加方法及装置
本专利技术涉及视频识别
，具体涉及一种宣传信息添加方法及装置。
技术介绍
图像识别技术是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术。随着图像识别技术的日趋成熟，应用范围也越来越广，目前基于图像识别技术能够准确识别图片中的物体类别、位置、置信度等综合信息，但是在视频领域尚未有规模化的应用，由于无法规模化识别视频图像，导致视频除了被观看之外无法用于其他方面，导致视频应用效率较低。
技术实现思路
有鉴于此，本专利技术实施例提供一种宣传信息添加方法及装置，能够提高视频的应用效率。为实现上述目的，本专利技术实施例提供如下技术方案：一种宣传信息添加方法，包括：对视频文件进行图像识别生成图像识别结果，所述图像识别结果包括所述视频文件中包含的产品以及各个产品在所述视频文件中的出现时间点；根据所述各个产品在所述视频文件中的出现时间点，确定所述各个产品的宣传信息的最优展示时间，并按主流行业产品品类在所述各个产品的宣传信息的最优展示时间对应的场景对所述各个产品进行分品类标注。获取用户从所述视频文件中包含的产品中选择的宣传产品，在所述视频文件播放到所述宣传产品的标注所在的场景时，将所述宣传产品的宣传信息添加至所述宣传产品的标注所在的场景中进行展示。可选的，所述对视频文件进行图像识别生成图像识别结果，包括：识别视频文件中的图像包含的产品。可选的，在所述识别视频文件中的图像包含的产品之前，还包括：采用GoogleInceptionV3算法对于图片数据集进行深度学习，得到图像分类模型。可选的，所述采用GoogleinceptionV3算法对于图片数据集进行深度学习的过程中，还包括：基于AnnotatorOpenImages图片数据集完善深度学习模型。可选的，所述识别视频文件中的图像包含的产品，具体包括：基于开源计算机视觉库OpenCV的边缘检测算法，提取并保存所述视频文件中的视频关键帧；使用RandomForest算法对所述视频关键帧进行筛选；根据图像分类模型，采用DetectorSSD算法对筛选后的所述视频关键帧进行识别，确定筛选后的所述视频关键帧中包含的产品。一种宣传信息添加装置，包括：图像识别模块，用于对视频文件进行图像识别生成图像识别结果，所述图像识别结果包括所述视频文件中包含的产品以及各个产品在所述视频文件中的出现时间点；筛选分类模块，用于根据所述各个产品在所述视频文件中的出现时间点，确定所述各个产品的宣传信息的最优展示时间，并按主流行业产品品类在所述各个产品的宣传信息的最优展示时间对应的场景对所述各个产品进行分品类标注。宣传信息投放模块，用于获取用户从所述视频文件中包含的产品中选择的宣传产品，在所述视频文件播放到所述宣传产品的标注所在的场景时，将所述宣传产品的宣传信息添加至所述宣传产品的标注所在的场景中进行展示。可选的，所述图像识别模块具体用于：识别所述视频文件中的图像包含的产品。可选的，所述装置还包括：图像分类模型获取模块，用于在所述识别视频文件中的图像包含的产品之前，采用GoogleInceptionV3算法对于图片数据集进行深度学习，得到图像分类模型。可选的，所述图像分类模型获取模块，具体用于：在所述采用GoogleinceptionV3算法对于图片数据集进行深度学习的过程中，基于AnnotatorOpenImages图片数据集完善深度学习模型。可选的，所述图像识别模块具体用于：基于开源计算机视觉库OpenCV的边缘检测算法，提取并保存所述视频文件中的视频关键帧；使用RandomForest算法对所述视频关键帧进行筛选；根据图像分类模型，采用DetectorSSD算法对筛选后的所述视频关键帧进行识别，确定筛选后的所述视频关键帧中包含的产品。基于上述技术方案，本专利技术实施例中公开了一种宣传信息添加方法及装置，对视频文件进行图像识别生成图像识别结果，所述图像识别结果包括所述视频文件中包含的产品以及各个产品在所述视频文件中的出现时间点；根据所述各个产品在所述视频文件中的出现时间点，确定所述各个产品的宣传信息的最优展示时间，并按主流行业产品品类在所述各个产品的宣传信息的最优展示时间对应的场景对所述各个产品进行分品类标注；获取用户从所述视频文件中包含的产品中选择的宣传产品，在所述视频文件播放到所述宣传产品的标注所在的场景时，将所述宣传产品的宣传信息添加至所述宣传产品的标注所在的场景中进行展示。基于上述方法及装置，能够提高视频的应用效率。附图说明为了更清楚地说明本专利技术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专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1为本专利技术实施例提供的一种宣传信息添加方法的流程示意图；图2为本专利技术实施例提供的InceptionV3模块示意图；图3为本专利技术实施例提供的InceptionV3的网格结构示意图；图4为本专利技术实施例提供的一种识别视频文件中的图像包含的产品的方法流程示意图；图5为本专利技术实施例提供的OpenCV主体的基本结构示意图；图6为本专利技术实施例提供的基于OpenCV的运动物体的视频检测原理示意图；图7为本专利技术实施例提供的SSD物体检测方法的示意图；图8为本专利技术实施例公开的一种宣传信息添加装置的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请参阅附图1，图1为本专利技术实施例提供的一种宣传信息添加方法的流程示意图，该方法具体包括如下步骤：步骤S100，对视频文件进行图像识别生成图像识别结果，所述图像识别结果包括所述视频文件中包含的产品以及各个产品在所述视频文件中的出现时间点；该步骤中，包括识别视频文件中的图像包含的产品。在所述识别视频文件中的图像包含的产品之前，还包括：采用GoogleInceptionV3算法对于图片数据集进行深度学习，得到图像分类模型。在所述采用GoogleinceptionV3算法对于图片数据集进行深度学习的过程中，还包括：基于AnnotatorOpenImages图片数据集完善深度学习模型。Inception为Google开源的CNN模型，至今已经公开四个版本，每一个版本都是基于大型图像数据库ImageNet中的数据训练而成。因此我们可以直接利用Google的Inception模型来实现图像分类。以InceptionV3模型为基础。InceptionV3模型大约有2500万个参数，分类一张图像就用了50亿的乘加指令，分类一张图像转眼就能完成。InceptionV3模块示意图具体由图2所示。InceptionV3的网格结构具体由图3所示。步骤S110，根据所述各个产品在所述视频文件中的出现时间点，确定所述各个产品的宣传信息的最优展示时间，并按主流行业产品品类在所述各个产品的宣传信息的最优展示时间对应的场景对所述各个产品进行分品类标注；主本文档来自技高网...

【技术保护点】
1.一种宣传信息添加方法，其特征在于，包括：对视频文件进行图像识别生成图像识别结果，所述图像识别结果包括所述视频文件中包含的产品以及各个产品在所述视频文件中的出现时间点；根据所述各个产品在所述视频文件中的出现时间点，确定所述各个产品的宣传信息的最优展示时间，并按主流行业产品品类在所述各个产品的宣传信息的最优展示时间对应的场景对所述各个产品进行分品类标注；获取用户从所述视频文件中包含的产品中选择的宣传产品，在所述视频文件播放到所述宣传产品的标注所在的场景时，将所述宣传产品的宣传信息添加至所述宣传产品的标注所在的场景中进行展示。

【技术特征摘要】
1.一种宣传信息添加方法，其特征在于，包括：对视频文件进行图像识别生成图像识别结果，所述图像识别结果包括所述视频文件中包含的产品以及各个产品在所述视频文件中的出现时间点；根据所述各个产品在所述视频文件中的出现时间点，确定所述各个产品的宣传信息的最优展示时间，并按主流行业产品品类在所述各个产品的宣传信息的最优展示时间对应的场景对所述各个产品进行分品类标注；获取用户从所述视频文件中包含的产品中选择的宣传产品，在所述视频文件播放到所述宣传产品的标注所在的场景时，将所述宣传产品的宣传信息添加至所述宣传产品的标注所在的场景中进行展示。2.根据权利要求1所述的方法，其特征在于，所述对视频文件进行图像识别生成图像识别结果，包括：识别视频文件中的图像包含的产品。3.根据权利要求2所述的方法，其特征在于，在所述识别视频文件中的图像包含的产品之前，还包括：采用GoogleInceptionV3算法对于图片数据集进行深度学习，得到图像分类模型。4.根据权利要求3所述的方法，其特征在于，所述采用GoogleinceptionV3算法对于图片数据集进行深度学习的过程中，还包括：基于AnnotatorOpenImages图片数据集完善深度学习模型。5.根据权利要求2所述的方法，其特征在于，所述识别视频文件中的图像包含的产品，具体包括：基于开源计算机视觉库OpenCV的边缘检测算法，提取并保存所述视频文件中的视频关键帧；使用RandomForest算法对所述视频关键帧进行筛选；根据图像分类模型，采用DetectorSSD算法对筛选后的所述视频关键帧进行识别，确定筛选后的所述视频关键帧中包含的产品。6.一种宣传信息添加装置，其特征在于，...

【专利技术属性】
技术研发人员：刘莹，于珊，
申请(专利权)人：北京搜狐新媒体信息技术有限公司，
类型：发明
国别省市：北京,11