视频精彩度的评价方法及相关设备技术

本发明专利技术提供了一种视频精彩度的评价方法，该方法可以获得目标视频，并将目标视频拆分成若干视频片段，提取每个视频片段的视频特征以及音频特征，将每个视频片段对应的视频特征及音频特征输入至预先训练完成的回归神经网络模型中，以得到每个视频片段各自的精彩度分数，并对各个视频片段的精彩度分数进行综合运算，从而得到目标视频的精彩度分数。本方法分别确定每个视频片段的精彩度分数后，再根据该多个视频片段的精彩度分数综合确定目标视频的精彩程度，与现有技术中只检测是否包含精彩片段相比，本方法综合每个视频片段的精彩程度来综合评价整个目标视频的精彩程度，评价准确度更高。

Evaluation Method of Video Splendidness and Related Equipment

【技术实现步骤摘要】
视频精彩度的评价方法及相关设备
本专利技术涉及视频处理
，尤其涉及一种视频精彩度的评价方法及相关设备。
技术介绍
随着互联网技术的不断发展和普及，越来越多的用户通过互联网在视频平台上来观看各类视频。视频平台上存储有海量的视频，视频平台也可以从海量视频中选择出精彩视频，将精彩视频推送给用户进行观看。目前，视频平台评价一个视频是否为精彩视频的方式是，使用特定规则对视频内容进行分析，以判断该视频中是否包含有精彩片段，将包含有精彩片段的视频评价为精彩视频。例如，对篮球比赛的视频进行分析，如果该篮球比赛视频中包含有扣篮动作这个精彩片段，则该篮球比赛视频会被评价为精彩视频。但是，上述评价方式对视频精彩的评价结果准确性较差。
技术实现思路
有鉴于此，本专利技术实施例提供了一种视频精彩度的评价方法，用于解决现有视频评价方法的评价结果准确性较差的技术问题。另外，本专利技术还提供一种视频精彩度的评价装置，用以保证上述方法在实际中的实现及应用。为了实现上述专利技术目的，本专利技术提供以下技术方案：第一方面，本专利技术提供了一种视频精彩度的评价方法，包括：获得目标视频；将所述目标视频拆分成若干视频片段；提取每个视频片段的视频特征以及音频特征；其中所述视频特征为能够区分出现不同动作类型的视频片段的视频特征，所述音频特征为能够区分出现不同声音类型的音频片段的音频特征；将每个视频片段对应的视频特征及音频特征输入至预先训练完成的回归神经网络模型中，以得到每个视频片段各自的精彩度分数；对各个所述视频片段的精彩度分数进行综合运算，以得到目标视频的精彩度分数。第二方面，本专利技术提供了一种视频精彩度的装置，包括：视频获取模块，用于获得目标视频；视频拆分模块，用于将目标视频拆分成若干视频片段；特征提取模块，用于提取每个视频片段的视频特征以及音频特征；其中视频特征为能够区分出现不同动作类型的视频片段的视频特征，音频特征为能够区分出现不同声音类型的音频片段的音频特征；视频片段得分模块，用于将每个视频片段对应的视频特征及音频特征输入至预先训练完成的回归神经网络模型中，以得到每个视频片段各自的精彩度分数；视频得分模块，用于对各个视频片段的精彩度分数进行综合运算，以得到目标视频的精彩度分数。第三方面，本专利技术提供了一种视频精彩度的评价设备，包括处理器和存储器，所述处理器通过运行存储在所述存储器内的软件程序、调用存储在所述存储器内的数据，至少执行如下步骤：获得目标视频；将所述目标视频拆分成若干视频片段；提取每个视频片段的视频特征以及音频特征；其中所述视频特征为能够区分出现不同动作类型的视频片段的视频特征，所述音频特征为能够区分出现不同声音类型的音频片段的音频特征；将每个视频片段对应的视频特征及音频特征输入至预先训练完成的回归神经网络模型中，以得到每个视频片段各自的精彩度分数；对各个所述视频片段的精彩度分数进行综合运算，以得到目标视频的精彩度分数。第四方面，本专利技术提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现上述的视频精彩度的评价方法。与现有技术相比，本专利技术包括以下优点：本专利技术提供了一种视频精彩度的评价方法，该方法可以获得目标视频，并将目标视频拆分成若干视频片段，提取每个视频片段的视频特征以及音频特征，将每个视频片段对应的视频特征及音频特征输入至预先训练完成的回归神经网络模型中，以得到每个视频片段各自的精彩度分数，并对各个视频片段的精彩度分数进行综合运算，从而得到目标视频的精彩度分数。可见，本方法分别确定每个视频片段的精彩度分数后，再根据该多个视频片段的精彩度分数综合确定目标视频的精彩程度，与现有技术中只检测是否包含精彩片段相比，本方法综合每个视频片段的精彩程度来综合评价整个目标视频的精彩程度，评价准确度更高，并且本方法通过精彩度分数来表示目标视频的精彩程度，评价结果具体精细。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为本专利技术提供的一种视频精彩度的评价方法的流程图；图2为本专利技术提供的回归神经网络模型的训练流程图；图3示出了本专利技术实施例提供的视频精彩度的评价装置的结构框图。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。在本专利技术中，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。本专利技术可用于众多通用或专用的计算装置环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器装置、包括以上任何装置或设备的分布式计算环境等等。本专利技术实施例提供了一种视频精彩度的评价方法，该方法可以应用在各类应用平台上的视频分析评价系统中。图1示出了本专利技术实施例提供的视频精彩度评价方法的方法流程图，包括步骤S101～S105。S101：获得目标视频。在本专利技术中，目标视频可以为各大视频平台中用户上传的各类视频，目标视频类型可以为长视频，短视频等。以短视频为例进行说明，目前包括视频观看平台等各种应用平台，均提供有短视频分享功能，用户可以向应用平台上传或者转发其他应用中的短视频，以实现视频分享。应用平台可以将接收到的任意短视频作为目标视频以进行精彩度评价。需要说明的是，关于长视频与短视频的定义，本申请并不做具体限定，只要是本领域技术人员能够根据本领域关于视频长度的公知理解，对长视频及短视频进行定义即可。S102：将目标视频拆分成若干视频片段。本专利技术在获得目标视频后，会对目标视频进行拆分处理，从而得到若干个视频片段。在具体应用中，拆分目标视频的方式可以有多种。例如，按照预设的固定时长对目标视频进行拆分。例如，若目标视频长度为10s，可预设视频片段时长为2s，则对目标视频进行拆分，即将目标视频拆分为5个长度为2s的视频片段。又如，可以通过关键帧对目标视频进行拆分，关键帧为目标视频中图像的完整帧，能够表示目标视频的内容场景发生变化。完整帧，指的是独立包含有全部图像信息的视频帧。两个关键帧之间的视频片段一般属于同一个场景。与完整帧相对的另一种视频帧为增量帧，增量帧是跟随在完整帧之后，其仅包含与完整帧相比后发生改变的图像信息。设置增量帧的目的是为了减小视频的数据量。具体地，目标视频可以具有视频信息文档，该文档中记录有关键帧在目标视频中的时间位置信息，则该方法可以从视频信息文档中读取各个关键帧，进而根据关键帧对目标视频进行切分，以得到若干视频片段。例如，视频信息文档中记录有关键帧在目标视频的0.00s、3.21s、9.本文档来自技高网...

【技术保护点】
1.一种视频精彩度的评价方法，其特征在于，包括：获得目标视频；将所述目标视频拆分成若干视频片段；提取每个视频片段的视频特征以及音频特征；其中所述视频特征为能够区分出现不同动作类型的视频片段的视频特征，所述音频特征为能够区分出现不同声音类型的音频片段的音频特征；将每个视频片段对应的视频特征及音频特征输入至预先训练完成的回归神经网络模型中，以得到每个视频片段各自的精彩度分数；对各个所述视频片段的精彩度分数进行综合运算，以得到目标视频的精彩度分数。

【技术特征摘要】
1.一种视频精彩度的评价方法，其特征在于，包括：获得目标视频；将所述目标视频拆分成若干视频片段；提取每个视频片段的视频特征以及音频特征；其中所述视频特征为能够区分出现不同动作类型的视频片段的视频特征，所述音频特征为能够区分出现不同声音类型的音频片段的音频特征；将每个视频片段对应的视频特征及音频特征输入至预先训练完成的回归神经网络模型中，以得到每个视频片段各自的精彩度分数；对各个所述视频片段的精彩度分数进行综合运算，以得到目标视频的精彩度分数。2.根据权利要求1所述的视频精彩度的评价方法，其特征在于，所述将所述目标视频拆分成若干视频片段，包括：确定所述目标视频中包含的关键帧；其中所述关键帧为表征所述目标视频的内容场景发生变化的图像帧；根据所述关键帧对所述目标视频进行切分，以得到若干视频片段。3.根据权利要求1所述的视频精彩度的评价方法，其特征在于，所述回归神经网络模型的训练过程包括：获得视频片段样本，所述视频片段样本标注有精彩度分数；提取所述视频片段样本的视频特征和音频特征；使用回归神经网络训练算法，对所述视频片段样本的视频特征及音频特征进行训练，直至回归神经网络模型输出的精彩度分数与标注的精彩度分数之间的关系满足预设损失函数的要求，得到训练完成的回归神经网络模型。4.根据权利要求3所述的视频精彩度的评价方法，其特征在于，所述获得视频片段样本之后，还包括：统计各个标注的精彩度分数所对应的视频片段样本的数量；确定所述视频片段样本的数量中的最大值；在各个标注的精彩度分数所对应的视频片段样本集合内增加视频片段样本，以使各个所述视频片段样本集合中视频片段样本的数量扩充为所述最大值。5.根据权利要求1所述的视频精彩度的评价方法，其特征在于，所述对各个所述视频片段的精彩度分数进行综合运算，以得到目标视频的精彩度分数，包括：对各个所述视频片段的精彩度分数进行加权求和运算，以得到目标视频的精彩度分数。6.根据权利要求5所述的视频精彩度的评价方法，其特征在于，所述对各个所述视频片段的精彩度分数进行加权求和运算，以得到目标视频的精彩度分数，包括：使用归一化指数函数对所述视频片段的精彩度分数进行归一化处理，以得到所述视频片段对应的精彩度权重；将各个所述视频片段的精彩度权重与所述视频片段的精彩度分数进行加权求和运算，以得到目标视频的精彩度分数。7.根据权利...

【专利技术属性】
技术研发人员：晋瑞锦，张云桃，
申请(专利权)人：北京奇艺世纪科技有限公司，
类型：发明
国别省市：北京,11