本公开的实施方式提供了一种视频封面选取方法、介质、装置和计算设备。该方法包括：获取目标视频的标题和多个候选图片帧，将目标视频的标题和每个候选图片帧分别进行组合，得到多个封面组合；提取每个封面组合的特征；分别将每个封面组合的特征和多个热点视频的特征进行对比，得到每个封面组合的多个相似度；根据每个封面组合的多个相似度，计算得到每个封面组合的热点分值；将热点分值最高的封面组合的候选图片帧作为目标视频的封面。以上方案，通过对比每个封面组合的特征和多个热点视频的特征，得到每个封面组合的热点分值，以热点分值为标准实时选取的视频封面能够贴近实时热点，有利于提高视频封面的时新性。有利于提高视频封面的时新性。有利于提高视频封面的时新性。
【技术实现步骤摘要】
视频封面选取方法、介质、装置和计算设备
[0001]本公开的实施方式涉及计算机
，更具体地，本公开的实施方式涉及一种视频封面选取方法、介质、装置和计算设备。
技术介绍
[0002]本部分旨在为权利要求书中陈述的本公开的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]目前，随着移动设备和网络媒体的快速发展，越来越多的人倾向于在网上发布和观看网络视频。一般来说，网络视频以缩略图封面和文本标题的形式呈现在视频或流媒体网站上，用户可以根据缩略图封面和文本标题选择想要观看的网络视频。某一网络视频是否会被点击并被进一步观看，取决于它的缩略图封面和文本标题对用户的吸引程度。
[0004]然而，在相关技术中，网络视频缩略图封面根据视频本身确定的，确定以后即固定，随着时间推移，导致封面的时新性降低。
技术实现思路
[0005]本公开提供一种视频封面选取方法、介质、装置和计算设备，以提高视频封面的时新性。
[0006]在本公开实施方式的第一方面中，提供了一种视频封面选取方法，包括：获取目标视频的标题和多个候选图片帧，将所述目标视频的标题和每个候选图片帧分别进行组合，得到多个封面组合；其中，所述多个候选图片帧从所述目标视频中获取；提取每个封面组合的特征，所述封面组合的特征包括所述封面组合对应的候选图片帧的图像特征和所述目标视频的标题的文本特征；分别将每个封面组合的特征和多个热点视频的特征进行对比，得到每个封面组合的多个相似度；根据每个封面组合的多个相似度，计算得到每个封面组合的热点分值；将热点分值最高的封面组合的候选图片帧作为所述目标视频的封面；其中，所述热点分值表征封面组合的特征相对于所述多个热点视频的特征的接近程度。
[0007]在本公开的一个实施例中，所述视频封面选取方法包括：基于自然语言处理技术，对所述目标视频的标题进行处理，得到所述目标视频的标题的文本特征；针对每个封面组合，将所述封面组合对应的候选图片帧输入卷积神经网络，得到所述卷积神经网络输出的所述候选图片帧的图像特征；将所述封面组合对应的候选图片帧的图像特征和所述目标视频的标题的文本特征，作为所述封面组合的特征。
[0008]在本公开的另一个实施例中，所述视频封面选取方法包括：将每个封面组合的多个相似度由高到低排序，选取排序靠前的第一预设数量个相似度；将所述第一预设数量个相似度进行加权求和计算，得到所述封面组合的热点分值；其中，所述第一预设数量个相似度对应的权重值按照所述相似度的排序或者所述第一预设数量个相似度对应的热点视频的点击量排序呈减小变化。
[0009]在本公开的又一个实施例中，所述视频封面选取方法包括：针对每个热点视频，获
取所述热点视频的标题和所述热点视频的封面图片；将所述热点视频的封面图片输入卷积神经网络，得到所述卷积神经网络输出的所述热点视频的图像特征；通过自然语言处理技术，对所述热点视频的标题进行处理，得到所述热点视频的文本特征；梳理获得所述多个热点视频的特征，所述热点视频的特征包括所述热点视频的图像特征和所述热点视频的文本特征。
[0010]在本公开的再一个实施例中，所述视频封面选取方法包括：获取历史多个时段的每个时段中，点击量排名位于前第二预设数量的历史视频，作为待选热点视频；对所述待选热点视频进行去重处理，得到各热点视频。
[0011]在本公开实施方式的第二方面中，提供了一种计算机可读存储介质，包括：所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如本公开实施方式的第一方面中任一项所述的视频封面选取方法。
[0012]在本公开实施方式的第三方面中，提供了一种视频封面选取装置，包括：获取模块，用于获取目标视频的标题和多个候选图片帧，将所述目标视频的标题和每个候选图片帧分别进行组合，得到多个封面组合；其中，所述多个候选图片帧从所述目标视频中获取；提取模块，用于提取每个封面组合的特征，所述封面组合的特征包括所述封面组合对应的候选图片帧的图像特征和所述目标视频的标题的文本特征；比对模块，用于分别将每个封面组合的特征和多个热点视频的特征进行对比，得到每个封面组合的多个相似度；计算模块，用于根据每个封面组合的多个相似度，计算得到每个封面组合的热点分值；将热点分值最高的封面组合的候选图片帧作为所述目标视频的封面；其中，所述热点分值表征封面组合的特征相对于所述多个热点视频的特征的接近程度。
[0013]在本公开的一个实施例中，所述视频封面选取装置包括：所述提取模块，具体用于基于自然语言处理技术，对所述目标视频的标题进行处理，得到所述目标视频的标题的文本特征；所述提取模块，具体还用于针对每个封面组合，将所述封面组合对应的候选图片帧输入卷积神经网络，得到所述卷积神经网络输出的所述候选图片帧的图像特征；所述提取模块，具体还用于将所述封面组合对应的候选图片帧的图像特征和所述目标视频的标题的文本特征，作为所述封面组合的特征。
[0014]在本公开的另一个实施例中，所述视频封面选取装置包括：所述计算模块，具体用于将每个封面组合的多个相似度由高到低排序，选取排序靠前的第一预设数量个相似度；所述计算模块，具体还用于将所述第一预设数量个相似度进行加权求和计算，得到所述封面组合的热点分值；其中，所述第一预设数量个相似度对应的权重值按照所述相似度的排序或者所述第一预设数量个相似度对应的热点视频的点击量排序呈减小变化。
[0015]在本公开的又一个实施例中，所述视频封面选取装置包括：处理模块，用于针对每个热点视频，获取所述热点视频的标题和所述热点视频的封面图片；所述处理模块，还用于将所述热点视频的封面图片输入卷积神经网络，得到所述卷积神经网络输出的所述热点视频的图像特征；所述处理模块，还用于通过自然语言处理技术，对所述热点视频的标题进行处理，得到所述热点视频的文本特征；所述处理模块，还用于梳理获得所述多个热点视频的特征，所述热点视频的特征包括所述热点视频的图像特征和所述热点视频的文本特征。
[0016]在本公开的再一个实施例中，所述视频封面选取装置包括：选取模块，用于获取历史多个时段的每个时段中，点击量排名位于前第二预设数量的历史视频，作为待选热点视
频；所述选取模块，还用于对所述待选热点视频进行去重处理，得到各热点视频。
[0017]在本公开实施方式的第四方面中，提供了一种计算设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述计算设备执行如本公开实施方式的第一方面中任一项所述的视频封面选取方法。
[0018]根据本公开实施方式的根据目标视频构建封面组合，通过对比每个封面组合的特征和多个热点视频的特征，得到每个封面组合的热点分值，以热点分值为标准实时选取的视频封面能够贴近实时热点，从而提高视频封面的时新性。
附图说明
[0019]通过参考附图阅读下文的详细描本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种视频封面选取方法，包括：获取目标视频的标题和多个候选图片帧，将所述目标视频的标题和每个候选图片帧分别进行组合，得到多个封面组合；其中，所述多个候选图片帧从所述目标视频中获取；提取每个封面组合的特征，所述封面组合的特征包括所述封面组合对应的候选图片帧的图像特征和所述目标视频的标题的文本特征；分别将每个封面组合的特征和多个热点视频的特征进行对比，得到每个封面组合的多个相似度；根据每个封面组合的多个相似度，计算得到每个封面组合的热点分值；将热点分值最高的封面组合的候选图片帧作为所述目标视频的封面；其中，所述热点分值表征封面组合的特征相对于所述多个热点视频的特征的接近程度。2.根据权利要求1所述的方法，所述提取每个封面组合的特征，包括：基于自然语言处理技术，对所述目标视频的标题进行处理，得到所述目标视频的标题的文本特征；针对每个封面组合，将所述封面组合对应的候选图片帧输入卷积神经网络，得到所述卷积神经网络输出的所述候选图片帧的图像特征；将所述封面组合对应的候选图片帧的图像特征和所述目标视频的标题的文本特征，作为所述封面组合的特征。3.根据权利要求1所述的方法，所述根据每个封面组合的多个相似度，计算得到每个封面组合热点分值，包括：将每个封面组合的多个相似度由高到低排序，选取排序靠前的第一预设数量个相似度；将所述第一预设数量个相似度进行加权求和计算，得到所述封面组合的热点分值；其中，所述第一预设数量个相似度对应的权重值按照所述相似度的排序或者所述第一预设数量个相似度对应的热点视频的点击量排序呈减小变化。4.根据权利要求1所述的方法，所述方法还包括：针对每个热点视频，获取所述热点视频的标题和所述热点视频的封面图片；将所述热点视频的封面图片输入卷积神经网络，得到所述卷积神经网络输出的所述热点视频的图像特征；通过自然语言处理技术，对所述热点视频的标题进行处理，得到所述热点视频的文本特征；梳理获得所述多个热点视频的特征，所述热点视频的特征包括所述热点视频的图像特征和所述热点视频的文本特征。5.根据权利要求1所述的方法，所述方法还包括：获取历史多个时段的每个时段中，点击量排名位于前第二预设数量的历史视频，作为待选热点视频；对所述待选热点视...
【专利技术属性】
技术研发人员：赵栋，许盛辉，潘照明，
申请(专利权)人：杭州网之易创新科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。