基于人工智能的视频处理方法、装置及电子设备制造方法及图纸

本申请提供了一种基于人工智能的视频处理方法、装置、电子设备及计算机可读存储介质；涉及人工智能技术以及大数据技术；方法包括：将视频划分为多个视频片段；对所述视频片段进行特征提取处理，得到所述视频片段的内容特征；获取针对所述视频片段的操作数据，并对所述操作数据进行特征映射处理，得到操作特征；对所述视频片段的内容特征和操作特征进行融合处理，得到融合特征；对多个所述视频片段的融合特征进行递归更新处理，并根据得到的更新后的融合特征，预测多个所述视频片段中包括推荐信息的视频片段。通过本申请，能够准确地预测视频中包括推荐信息的视频片段，进而有助于提升电子设备的计算资源的实际利用率。提升电子设备的计算资源的实际利用率。提升电子设备的计算资源的实际利用率。

【技术实现步骤摘要】
基于人工智能的视频处理方法、装置及电子设备


[0001]本申请涉及人工智能和大数据技术，尤其涉及一种基于人工智能的视频处理方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]在视频场景中，许多视频往往包括内嵌的推荐信息。以短视频平台为例，某些上传者为了提升自身的收益，会将广告添加至拍摄的短视频中，并上传至短视频平台，使得短视频平台的用户在观看该短视频的过程中，被迫地观看商品广告。
[0003]在视频的呈现过程中，会耗费电子设备(例如短视频平台的后台服务器)的计算资源。然而，对于包括推荐信息的视频来说，电子设备用于发送或呈现推荐信息的计算资源会被白白浪费，即电子设备的计算资源的实际利用率低。
[0004]针对于此，相关技术并未提供有效的解决方案。

技术实现思路

[0005]本申请实施例提供一种基于人工智能的视频处理方法、装置、电子设备及计算机可读存储介质，能够准确识别出视频中包括推荐信息的视频片段，有助于提升电子设备的计算资源的实际利用率。
[0006]本申请实施例的技术方案是这样实现的：
[0007]本申请实施例提供一种基于人工智能的视频处理方法，包括：
[0008]将视频划分为多个视频片段；
[0009]对所述视频片段进行特征提取处理，得到所述视频片段的内容特征；
[0010]获取针对所述视频片段的操作数据，并对所述操作数据进行特征映射处理，得到操作特征；
[0011]对所述视频片段的内容特征和操作特征进行融合处理，得到融合特征；
[0012]对多个所述视频片段的融合特征进行递归更新处理，并根据得到的更新后的融合特征，预测多个所述视频片段中包括推荐信息的视频片段。
[0013]本申请实施例提供一种基于人工智能的视频处理装置，包括：
[0014]划分模块，用于将视频划分为多个视频片段；
[0015]特征提取模块，用于对所述视频片段进行特征提取处理，得到所述视频片段的内容特征；
[0016]特征映射模块，用于获取针对所述视频片段的操作数据，并对所述操作数据进行特征映射处理，得到操作特征；
[0017]融合模块，用于对所述视频片段的内容特征和操作特征进行融合处理，得到融合特征；
[0018]递归更新模块，用于对多个所述视频片段的融合特征进行递归更新处理，并根据得到的更新后的融合特征，预测多个所述视频片段中包括推荐信息的视频片段。
[0019]本申请实施例提供一种电子设备，包括：
[0020]存储器，用于存储可执行指令；
[0021]处理器，用于执行所述存储器中存储的可执行指令时，实现本申请实施例提供的基于人工智能的视频处理方法。
[0022]本申请实施例提供一种计算机可读存储介质，存储有可执行指令，用于引起处理器执行时，实现本申请实施例提供的基于人工智能的视频处理方法。
[0023]本申请实施例具有以下有益效果：
[0024]将视频划分为多个视频片段，确定视频片段的内容特征和操作特征，并进行融合处理得到融合特征，如此，使得融合特征包括视频片段的多个维度的信息。在此基础上，对多个视频片段的融合特征进行递归更新处理，能够使得更新后的融合特征能够准确、有效地表示视频片段，在根据更新后的融合特征预测包括推荐信息的视频片段时，能够提升预测精度，进而有助于提升电子设备的计算资源的实际利用率。
附图说明
[0025]图1是本申请实施例提供的基于人工智能的视频处理系统的一个架构示意图；
[0026]图2是本申请实施例提供的终端设备的一个架构示意图；
[0027]图3A是本申请实施例提供的基于人工智能的视频处理方法的一个流程示意图；
[0028]图3B是本申请实施例提供的基于人工智能的视频处理方法的一个流程示意图；
[0029]图3C是本申请实施例提供的基于人工智能的视频处理方法的一个流程示意图；
[0030]图3D是本申请实施例提供的基于人工智能的视频处理方法的一个流程示意图；
[0031]图4是本申请实施例提供的确定多个类型的对象的一个示意图；
[0032]图5是本申请实施例提供的对多个视频片段的融合特征进行递归更新处理的一个示意图；
[0033]图6是本申请实施例提供的对一个视频片段的内容特征和操作特征进行递归更新处理的一个示意图；
[0034]图7是本申请实施例提供的确定内容特征的一个示意图；
[0035]图8是本申请实施例提供的广告预测模型的一个架构示意图。
具体实施方式
[0036]为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步地详细描述，所描述的实施例不应视为对本申请的限制，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它实施例，都属于本申请保护的范围。
[0037]在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。
[0038]在以下的描述中，所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。在以下的描述中，所涉及的术语“多个”是指至少两个。
[0039]除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的
的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。
[0040]对本申请实施例进行进一步详细说明之前，对本申请实施例中涉及的名词和术语进行说明，本申请实施例中涉及的名词和术语适用于如下的解释。
[0041]1)人工智能(Artificial Intelligence，AI)：利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。计算机视觉技术(Computer Vision，CV)是人工智能的一个重要分支，主要研究相关的理论和技术，试图建立能够从图像或者多维数据中获取信息的人工智能系统。在本申请实施例中，可以利用计算机视觉技术，实现对视频中包括推荐信息的视频片段的识别。
[0042]2)内容特征：用于表示视频片段所包括的内容，本申请实施例对确定内容特征的方式不做限定，例如可通过神经网络模型对视频片段进行特征提取处理，得到内容特征。
[0043]3)对象：表示可以对视频执行特定操作的主体，例如，对象可以是用户账号，也可以是终端设备。其中，对视频的可执行操作可以预先设定，例如包括播放操作及跳过操作等。
[0044]4)操作数据：视频片段的操作数据，即包括若干个对象对该视频片段执行的操作。
[0045]5)本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的视频处理方法，其特征在于，所述方法包括：将视频划分为多个视频片段；对所述视频片段进行特征提取处理，得到所述视频片段的内容特征；获取针对所述视频片段的操作数据，并对所述操作数据进行特征映射处理，得到操作特征；对所述视频片段的内容特征和操作特征进行融合处理，得到融合特征；对多个所述视频片段的融合特征进行递归更新处理，并根据得到的更新后的融合特征，预测多个所述视频片段中包括推荐信息的视频片段。2.根据权利要求1所述的方法，其特征在于，所述获取针对所述视频片段的操作数据，包括：将除所述视频的目标推荐对象之外的对象，作为第一对象；将多个第一对象中与所述目标推荐对象相似的对象，作为第二对象；将多个所述第一对象中与所述目标推荐对象存在关注关系的对象，作为第三对象；将所述第一对象、所述第二对象及所述第三对象针对所述视频片段执行的操作，作为针对所述视频片段的操作数据。3.根据权利要求2所述的方法，其特征在于，所述对所述操作数据进行特征映射处理，得到操作特征，包括：将样本对象针对所述视频片段执行的操作映射为操作数值，并根据多个所述样本对象的操作数值构建子操作特征；其中，所述样本对象是所述第一对象、所述第二对象及所述第三对象中的任意一种；将所述第一对象对应的子操作特征、所述第二对象对应的子操作特征以及所述第三对象对应的子操作特征，拼接为所述视频片段的操作特征。4.根据权利要求3所述的方法，其特征在于，所述根据多个所述样本对象的操作数值构建子操作特征，包括：执行以下任意一种处理：对多个所述样本对象的操作数值进行累积处理，将累积处理得到的数值作为子操作特征；根据多个所述样本对象的操作数值，构建维度与所述样本对象的数量相同的向量，以作为子操作特征。5.根据权利要求4所述的方法，其特征在于，所述对多个所述样本对象的操作数值进行累积处理，将累积处理得到的数值作为子操作特征，包括：将所述样本对象执行过跳过操作的视频的数量除以视频基数，得到跳过视频占比；确定与所述跳过视频占比负相关的权重；根据所述样本对象的权重，对多个所述样本对象的操作数值进行加权处理，得到子操作特征；其中，所述视频基数包括数据库中的视频的数量、以及所述样本对象执行过播放操作的视频的数量中的任意一种。6.根据权利要求5所述的方法，其特征在于，所述确定与所述跳过视频占比负相关的权重，包括：
根据所述跳过视频占比的第一数值顺序，对多个所述样本对象进行排序；根据所述样本对象的数量对设定权重范围进行均匀采样，得到多个待分配的权重；根据第二数值顺序，将所述多个待分配的权重依次分配给排序后的多个所述样本对象；其中，所述第一数值顺序与所述第二数值顺序相反。7.根据权利要求4所述的方法，其特征在于，所述根据多个所述样本对象的操作数值，构建维度与所述样本对象的数量相同的向量，包括：根据所述样本对象的对象参数，对多个所述样本对象的操作数值进行排序；根据排序后的多个所述操作数值，构建维度与所述样本对象的数量相同的向量；其中，所述对象参数包括注册时间、最近一次执行播放操作的时间、以及执行过播放操作的视频的数量中的任意一种。8.根据权利要求2所述的方法，其特征在于，所述将多...

【专利技术属性】
技术研发人员：禹常隆，田植良，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：