一种基于瞳孔位置识别的云影片播放处理方法及系统技术方案

本申请提供的一种基于瞳孔位置识别的云影片播放处理方法及系统，可以通过不少于一个样本云影片播放数据执行第一云影片播放数据的优化处理，由于样本云影片播放数据中包括第一云影片播放数据的关键描述内容，得到的已优化云影片播放数据相对于第一云影片播放数据提升了准确性和可靠性，即使在第一云影片播放数据效果较差的基础上，也能通过优化样本云影片播放数据，获得准确的已优化云影片播放数据，即本申请能够基于若干个样本云影片播放数据方便的执行云影片播放数据的优化，从而保障依据已优化云影片播放数据进行差异化的影片播放升级处理，提高观影质量。提高观影质量。提高观影质量。

【技术实现步骤摘要】
一种基于瞳孔位置识别的云影片播放处理方法及系统


[0001]本申请涉及数据处理
，具体而言，涉及一种基于瞳孔位置识别的云影片播放处理方法及系统。

技术介绍

[0002]云影片可以理解为互联网+云影片，基于互联网平台、终端、用户观影兴趣及用户需求的大数据分析。在实际操作过程中，在播放云影片时，由于用户坐的位置不同，可能存在观看效果参差不齐的问题。因此，亟需一种技术方案以改善上述技术问题。

技术实现思路

[0003]为改善相关技术中存在的技术问题，本申请提供了一种基于瞳孔位置识别的云影片播放处理方法及系统。
[0004]第一方面，提供一种基于瞳孔位置识别的云影片播放处理方法，所述方法至少包括：确定第一云影片播放数据；确定所述第一云影片播放数据的不少于一个样本云影片播放数据，所述样本云影片播放数据涵盖所述第一云影片播放数据中的参考瞳孔位置的样本数据；通过所述第一云影片播放数据的不少于一个样本云影片播放数据对所述第一云影片播放数据进行针对性优化，得到已优化云影片播放数据。
[0005]在一种独立实施的实施例中，所述确定所述第一云影片播放数据的不少于一个样本云影片播放数据，包括：确定所述第一云影片播放数据的空间定位数据，所述空间定位数据涵盖所述第一云影片播放数据中参考瞳孔位置的X种识别标签；通过所述第一云影片播放数据的空间定位数据确定与所述参考瞳孔位置的不少于一个参考指示存在关联的样本云影片播放数据；其中，所述X为大于等于1的正数。
[0006]在一种独立实施的实施例中，所述通过所述第一云影片播放数据的不少于一个样本云影片播放数据对所述第一云影片播放数据进行针对性优化，得到已优化云影片播放数据，包括：通过所述第一云影片播放数据中所述参考瞳孔位置的实时观看情况，对所述不少于一个样本云影片播放数据进行优化处理，得到所述实时观看情况中与所述样本云影片播放数据绑定的优化云影片播放数据；通过所述不少于一个样本云影片播放数据中与所述参考瞳孔位置存在关联的不少于一个参考指示，从所述样本云影片播放数据绑定的优化云影片播放数据中挑选所述不少于一个参考指示的局部云影片播放数据；基于挑选的所述局部云影片播放数据和所述第一云影片播放数据得到所述已优化云影片播放数据。
[0007]在一种独立实施的实施例中，所述基于挑选的所述局部云影片播放数据和所述第一云影片播放数据得到所述已优化云影片播放数据，包括：通过挑选的所述局部云影片播放数据迭代所述第一云影片播放数据中与所述局部云影片播放数据中参考指示绑定的指示，得到所述已优化云影片播放数据，或者对所述局部云影片播放数据和所述第一云影片播放数据进行特征提取操作，得到所述已优化云影片播放数据。
[0008]在一种独立实施的实施例中，所述通过所述第一云影片播放数据的不少于一个样
本云影片播放数据对所述第一云影片播放数据进行针对性优化，得到已优化云影片播放数据，包括：对所述第一云影片播放数据进行云影片播放数据更新处理，得到第二云影片播放数据，所述第二云影片播放数据的量化分析指标超过所述第一云影片播放数据的量化分析指标；通过所述第二云影片播放数据中所述参考瞳孔位置的实时观看情况，对所述不少于一个样本云影片播放数据进行优化处理，得到所述实时观看情况中与所述样本云影片播放数据绑定的优化云影片播放数据；通过所述不少于一个样本云影片播放数据中与所述瞳孔位置存在关联的不少于一个参考指示，从所述样本云影片播放数据绑定的优化云影片播放数据中挑选所述不少于一个参考指示的局部云影片播放数据；基于挑选的所述局部云影片播放数据和所述第二云影片播放数据得到所述已优化云影片播放数据。
[0009]在一种独立实施的实施例中，所述基于挑选的所述局部云影片播放数据和所述第二云影片播放数据得到所述已优化云影片播放数据，包括：通过挑选的所述局部云影片播放数据迭代所述第二云影片播放数据中与所述局部云影片播放数据中参考指示绑定的指示，得到所述已优化云影片播放数据，或者通过所述局部云影片播放数据和所述第二云影片播放数据进行特征提取操作，得到所述已优化云影片播放数据。
[0010]在一种独立实施的实施例中，所述方法还包括：通过所述已优化云影片播放数据进行标签读取，确定与所述瞳孔位置存在关联的标签数据。
[0011]在一种独立实施的实施例中，通过第一AI线程执行所述对所述第一云影片播放数据进行云影片播放数据更新处理，得到所述第二云影片播放数据，所述方法还包括训练所述第一AI线程的步骤，包括：确定第一训练云影片播放数据簇，所述第一训练云影片播放数据簇包括若干个第一训练云影片播放数据，以及与所述第一训练云影片播放数据绑定的第一云影片描述内容；将所述第一训练云影片播放数据簇中的不少于一个第一训练云影片播放数据加载至所述第一AI线程执行所述云影片播放数据更新处理，得到所述第一训练云影片播放数据绑定的在先训练云影片播放数据；将所述在先训练云影片播放数据分别加载至第一比对线程、第一描述筛选线程以及第一云影片播放数据分类线程，得到针对所述在先训练云影片播放数据的区分结果、描述筛选结果以及云影片播放数据分类结果；结合所述在先训练云影片播放数据的区分结果、描述筛选结果、云影片播放数据分类结果得到第一线程量化评估结果，通过所述第一线程量化评估结果更新所述第一AI线程的计算向量，直到符合第一训练条件。
[0012]在一种独立实施的实施例中，所述结合所述第一训练云影片播放数据绑定的在先训练云影片播放数据的区分结果、描述筛选结果、云影片播放数据分类结果得到第一线程量化评估结果，包括：通过所述第一训练云影片播放数据绑定的在先训练云影片播放数据和所述第一云影片描述内容中与所述第一训练云影片播放数据绑定的第一范例云影片播放数据，确定第一关键语义量化评估结果；通过所述在先训练云影片播放数据的区分结果，以及所述第一比对线程对所述第一范例云影片播放数据的区分结果，得到第一比对量化评估结果；通过所述在先训练云影片播放数据和所述第一范例云影片播放数据的人工智能线程操作，确定第一挖掘量化评估结果；通过所述在先训练云影片播放数据的描述筛选结果和所述第一云影片描述内容中的第一范例描述，得到第一显著性量化评估结果；通过所述在先训练云影片播放数据的云影片播放数据分类结果和所述第一云影片描述内容中与第一训练样本绑定的第一范例分类结果，得到第一区分量化评估结果；通过所述第一比对量
化评估结果、第一关键语义量化评估结果、第一挖掘量化评估结果、第一显著性量化评估结果和第一区分量化评估结果的整合处理，得到所述第一线程量化评估结果。
[0013]在一种独立实施的实施例中，通过第二AI线程执行所述针对性优化，得到所述已优化云影片播放数据，所述方法还包括训练所述第二AI线程的步骤，包括：确定第二训练云影片播放数据簇，所述第二训练云影片播放数据簇包括第二训练云影片播放数据、所述第二训练云影片播放数据绑定的样本训练云影片播放数据和第二云影片描述内容；通过所述第二训练云影片播放数据对所述样本训练云影片播放数据进行优化处理得到训练优化云影片播放数据，并将本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于瞳孔位置识别的云影片播放处理方法，其特征在于，所述方法至少包括：确定第一云影片播放数据；确定所述第一云影片播放数据的不少于一个样本云影片播放数据，所述样本云影片播放数据涵盖所述第一云影片播放数据中的参考瞳孔位置的样本数据；通过所述第一云影片播放数据的不少于一个样本云影片播放数据对所述第一云影片播放数据进行针对性优化，得到已优化云影片播放数据。2.如权利要求1所述的方法，其特征在于，所述确定所述第一云影片播放数据的不少于一个样本云影片播放数据，包括：确定所述第一云影片播放数据的空间定位数据，所述空间定位数据涵盖所述第一云影片播放数据中参考瞳孔位置的X种识别标签；通过所述第一云影片播放数据的空间定位数据确定与所述参考瞳孔位置的不少于一个参考指示存在关联的样本云影片播放数据；其中，所述X为大于等于1的正数。3.如权利要求2所述的方法，其特征在于，所述通过所述第一云影片播放数据的不少于一个样本云影片播放数据对所述第一云影片播放数据进行针对性优化，得到已优化云影片播放数据，包括：通过所述第一云影片播放数据中所述参考瞳孔位置的实时观看情况，对所述不少于一个样本云影片播放数据进行优化处理，得到所述实时观看情况中与所述样本云影片播放数据绑定的优化云影片播放数据；通过所述不少于一个样本云影片播放数据中与所述参考瞳孔位置存在关联的不少于一个参考指示，从所述样本云影片播放数据绑定的优化云影片播放数据中挑选所述不少于一个参考指示的局部云影片播放数据；基于挑选的所述局部云影片播放数据和所述第一云影片播放数据得到所述已优化云影片播放数据。4.如权利要求3所述的方法，其特征在于，所述基于挑选的所述局部云影片播放数据和所述第一云影片播放数据得到所述已优化云影片播放数据，包括：通过挑选的所述局部云影片播放数据迭代所述第一云影片播放数据中与所述局部云影片播放数据中参考指示绑定的指示，得到所述已优化云影片播放数据，或者对所述局部云影片播放数据和所述第一云影片播放数据进行特征提取操作，得到所述已优化云影片播放数据。5.如权利要求2所述的方法，其特征在于，所述通过所述第一云影片播放数据的不少于一个样本云影片播放数据对所述第一云影片播放数据进行针对性优化，得到已优化云影片播放数据，包括：对所述第一云影片播放数据进行云影片播放数据更新处理，得到第二云影片播放数据，所述第二云影片播放数据的量化分析指标超过所述第一云影片播放数据的量化分析指标；通过所述第二云影片播放数据中所述参考瞳孔位置的实时观看情况，对所述不少于一个样本云影片播放数据进行优化处理，得到所述实时观看情况中与所述样本云影片播放数据绑定的优化云影片播放数据；通过所述不少于一个样本云影片播放数据中与所述瞳孔位置存在关联的不少于一个参考指示，从所述样本云影片播放数据绑定的优化云影片播放数据中挑选所述不少于一个参考指示的局部云影片播放数据；
基于挑选的所述局部云影片播放数据和所述第二云影片播放数据得到所述已优化云影片播放数据。6.如权利要求5所述的方法，其特征在于，所述基于挑选的所述局部云影片播放数据和所述第二云影片播放数据得到所述已优化云影片播放数据，包括：通过挑选的所述局部云影片播放数据迭代所述第二云影片播放数据中与所述局部云影片播放数据中参考指示绑定的指示，得到所述已优化云影片播放数据，或者通过所述局部云影片播放数据和所述第二云影片播放数据进行特征提取操作，得到所述已优化云影片播放数据。7.如权利要求2所述的方法，其特征在于，所述方法还包括：通过所述已优化云影片播放数据进行标签读取，确定与所述瞳孔位置存在关联的标签数据。8.如权利要求6所述的方法，其特征在于，通过第一AI线程执行所述对所述第一云影片播放数据进行云影片播放数据更新处理，得到所述第二云影片播放数据，所述方法还包括训练所述第一AI线程的步骤，包括：确定第一训练云影片播放数据簇，所述第一训练云影片播放数据簇包括若干个第一训练云影片播放数据，以及与所述第一训练云影片播放数据绑定的第一云影片描述内容；将所述第一训练云影片播放数据簇中的不少于一个第一训练云影片播放数据加载至所述第一AI线程执行所述云影片播放数据更新处理，得到所述第一训练云影片播放数据绑定的在先训练云影片播放数据；将所述在先训练云影片播放数据分别加载至第一比对线程、第一描述筛选线程以及第一云影片播放数据分类线程，得到针对所述在先训练云影片播放数据的区分结果、描述筛选结果以及云影片播放数据分类结果；结合所述在先训练云影片播放数据的区分结果、描述筛选结果、云影片播放数据分类结果得到第一线程量化评估结果，通过所述第一线程量化评估结果更新所述第一AI线程的计算向量，直到符合第一训练条件；其中，所述结合所述第一训练云影片播放数据绑定的在先训练云影片播放数据的区分结果、描述筛选结果、云影片播放数据分类结果得到第一线程量化评估结果，包括：通过所述第一训练云影片播放数据绑定的在先训练云影片播放数据和所述第一云影片描述内容中与所述第一训练云影片播放数据绑定的第一范例云影片播放数据，确定第一关键语义量化评估结果；通过所述在先训练云影片播放数据的区分结果，以及所述第一比对线程对所述第一范例云影片播放数据的...

【专利技术属性】
技术研发人员：杨尉，戴风鹏，王灏宏，
申请(专利权)人：广州市影擎电子科技有限公司，
类型：发明
国别省市：