视频的处理方法、装置、计算机存储介质及智能交互平板制造方法及图纸

本发明专利技术公开了一种视频的处理方法、装置、计算机存储介质及智能交互平板。其中，该方法包括：获取多个待处理的视频片段；基于特征提取模型提取待处理的视频片段的第一向量特征；根据第一向量特征和样本视频片段的相似度，确定出多个候选视频片段，其中，候选视频片段中包含目标对象；对候选视频片段进行拼接，得到目标对象的视频集锦。本发明专利技术解决了相关技术中通过人工从教学录播软件中剪辑教学视频集锦，导致效率低的技术问题。导致效率低的技术问题。导致效率低的技术问题。

【技术实现步骤摘要】
视频的处理方法、装置、计算机存储介质及智能交互平板


[0001]本专利技术涉及视觉检索
，具体而言，涉及一种视频的处理方法、装置、计算机存储介质及智能交互平板。

技术介绍

[0002]在教学领域中，教学录播系统可以通过在教室内安装的摄像头拍下教学情况并按课节保存视频，可以将每一节课保存为一份原始视频，可以从所保存下来的原始视频提取出最吸引人的重要视频片段，剪辑为精彩视频集锦片段，例如，制作名师集锦，定向推送给学生重点回顾和学习。视频集锦可以减少原始视频的长度，方便用户浏览，并保留了原始视频中用户感兴趣的信息，可实现对原始视频感兴趣内容的快速浏览和检索，然而，相关技术中，教学视频集锦片段通过人工剪辑的方式制作，效率较低，难以从大量的原始视频中剪辑出视频集锦并及时定向推送给学生。
[0003]针对上述相关技术中通过人工从教学录播软件中剪辑教学视频集锦，导致效率低的问题，目前尚未提出有效的解决方案。

技术实现思路

[0004]本专利技术实施例提供了一种视频的处理方法、装置、计算机存储介质及智能交互平板，以至少解决相关技术中通过人工从教学录播软件中剪辑教学视频集锦，导致效率低的技术问题。
[0005]根据本专利技术实施例的一个方面，提供了一种视频的处理方法，包括：获取多个待处理的视频片段；基于特征提取模型提取待处理的视频片段的第一向量特征；根据第一向量特征和样本视频片段的相似度，确定出多个候选视频片段，其中，候选视频片段中包含目标对象；对候选视频片段进行拼接，得到目标对象的视频集锦。r/>[0006]根据本专利技术实施例的另一方面，还提供了一种视频的处理装置，包括：获取模块，用于获取多个待处理的视频片段；提取模块，用于基于特征提取模型提取待处理的视频片段的第一向量特征；确定模块，用于根据第一向量特征和样本视频片段的相似度，确定出多个候选视频片段，其中，候选视频片段中包含目标对象；拼接模块，用于对候选视频进行拼接，得到目标对象的视频集锦。
[0007]根据本专利技术实施例的另一方面，还提供了一种计算机存储介质，计算机存储介质存储有多条指令，指令适于由处理器加载并执行上述任意一项的视频的处理方法。
[0008]根据本专利技术实施例的另一方面，还提供了一种智能交互平板，包括：处理器和存储器；其中，存储器存储有计算机程序，计算机程序适于由处理器加载并执行上述任意一项的视频的处理方法。
[0009]在本专利技术实施例中，通过获取多个待处理的视频片段，基于特征提取模型提取待处理的视频片段的第一向量特征，根据第一向量特征和样本视频片段的相似度，确定出多个候选视频片段，对候选视频片段进行拼接，得到目标对象的视频集锦，可以实现对初始的
视频片段的自动图像识别和检索，得到用于拼接视频集锦的候选视频片段，无需花费人工对初始视频进行剪辑和拼接，提高了视频集锦的制作效率，进而解决了相关技术中通过人工从教学录播软件中剪辑教学视频集锦，导致效率低的技术问题。
附图说明
[0010]此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0011]图1是根据本专利技术实施例的一种视频的处理方法的流程图；
[0012]图2是根据本专利技术实施例的一种可选的视频的处理方法的示意图；
[0013]图3是根据本专利技术实施例的一种可选的对初始特征提取模型进行训练的示意图；
[0014]图4是根据本专利技术实施例的一种视频的处理装置的示意图；
[0015]图5是本申请实施例提供的一种智能交互平板的示意图。
具体实施方式
[0016]为了使本
的人员更好地理解本专利技术方案，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的实施例，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，都应当属于本专利技术保护的范围。
[0017]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0018]实施例1
[0019]根据本专利技术实施例，提供了一种视频的处理方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0020]图1是根据本专利技术实施例的视频的处理方法的流程图，如图1所示，该方法包括如下步骤：
[0021]步骤S102，获取多个待处理的视频片段。
[0022]上述待处理的视频片段可以为待进行视频集锦制作的视频片段。在一种可选的实施例中，待处理的视频片段可以为教学录播系统通过教室内安装的摄像头所录制的初始教学视频片段，教学视频片段按照课节保存，每一节课保存为一份待处理的视频片段。
[0023]步骤S104，基于特征提取模型提取待处理的视频片段的第一向量特征。
[0024]上述特征提取模型可以为三维卷积神经网络模型，上述第一向量特征可以为通过
三维卷积神经网络模型所提取的一维的向量特征。
[0025]待处理的视频片段由四个维度构成，四个维度包括时间维度(以下用“T”表示)和空间中的三个维度，其中，空间的三个维度分别为：视频片段中每一帧图像的通道数(以下用“C”表示)、每一帧图像的宽度(以下用“W”表示)和高度(以下用“H”表示)，即每个待处理的视频片段的大小为T
×
C
×
W
×
H，可以将待处理的视频片段输入至三维卷积神经网络模型中，提取出大小为T
×
C
×
W
×
H的待处理的视频片段的一维向量特征X。
[0026]步骤S106，根据第一向量特征和样本视频片段的相似度，确定出多个候选视频片段，其中，候选视频片段中包含目标对象。
[0027]上述目标对象可以根据需求从待处理的视频片段所包含的多个对象中确定，上述对象可以为视频片段中的任意内容，例如，对象可以为视频中的人物、物品等，还可以为动作、表情等。具体的，目标对象可以由用户根据需求从多个对象选择任意一个或者多个作为目标对象。
[0028]在一种可选的实施例中，在教学视频集锦的场景中，待处理的视频片段中包含课堂中的老师、学生、老师的行为动作本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种视频的处理方法，其特征在于，包括：获取多个待处理的视频片段；基于特征提取模型提取所述待处理的视频片段的第一向量特征；根据所述第一向量特征和样本视频片段的相似度，确定出多个候选视频片段，其中，所述候选视频片段中包含目标对象；对所述候选视频片段进行拼接，得到所述目标对象的视频集锦。2.根据权利要求1所述的方法，其特征在于，获取多个待处理的视频片段，包括：获取录播软件保存的初始视频片段；基于关联信息从所述初始视频片段中确定与所述目标对象关联的多个关联视频片段，其中，所述关联信息用于表示所述目标对象与时间的关联关系；根据所述关联视频片段得到所述待处理的视频片段。3.根据权利要求2所述的方法，其特征在于，在基于关联信息从所述初始视频片段中确定与所述目标对象关联的多个关联视频片段之后，所述方法还包括：对所述关联视频片段中的视频帧依次截取，得到多个具有第一预设数量视频帧的目标视频片段；确定所述目标视频片段为所述待处理的视频片段。4.根据权利要求1所述的方法，其特征在于，所述样本视频片段包含正样本和负样本，在根据所述第一向量特征和样本视频片段的相似度，确定出多个候选视频片段之前，所述方法包括：获取录播软件保存的历史视频片段；从所述历史视频片段中剪辑出与所述目标对象关联的视频片段，并从所述历史视频片段中剪辑出与所述目标对象无关的视频片段；根据平均帧间差分强度，从与所述目标对象关联的视频片段中提取第二预设数量的第一关键帧，并从与所述目标对象无关的视频片段中提取所述第二预设数量的第二关键帧；确定所述第二预设数量的第一关键帧为所述正样本，并确定所述第二预设数量的第二关键帧为所述负样本。5.根据权利要求4所述的方法，其特征在于，所述方法还包括:获取初始特征提取模型，其中，所述初始特征提取模型为三维神经网络模型；基于固定样本的第二向量特征、所述正样本的第三向量特征和所述负样本的第四向量特征确定三元组损失函数，其中，所述固定样本为与所述目标对象关联的视频片段；基于所述三元组损失函...

【专利技术属性】
技术研发人员：方建生，
申请(专利权)人：广州视源人工智能创新研究院有限公司，
类型：发明
国别省市：