一种生成封面图像的方法、装置和设备制造方法及图纸

本说明书实施例公开了一种生成封面图像的方法、装置和设备。方案可以包括：获取待生成封面图像的目标视频；采用至少两种候选帧提取方式，从所述目标视频中提取封面候选图，得到封面候选图集合；采用预先训练的图像质量打分模型，计算所述封面候选图集合中各封面候选图的图像质量分；基于所述图像质量分，确定符合预设条件的封面候选图；基于所述符合预设条件的封面候选图，生成所述目标视频的封面图像。生成所述目标视频的封面图像。生成所述目标视频的封面图像。

【技术实现步骤摘要】
一种生成封面图像的方法、装置和设备


[0001]本申请涉及视频处理
，尤其涉及一种生成封面图像的方法、装置和设备。

技术介绍

[0002]在应用程序中，用户可以上传视频内容以供其他用户观看。通常，其他用户在查看视频内容之前，会先看到视频内容的封面图像，该封面图像是从视频内容中选取的一帧图像。在实践中，该封面图像可以是由上传视频内容的用户指定的。在实际应用时，部分视频内容所选取的封面图像存在清晰度低、美观度不足等各种图像质量低的问题，导致观看体验较差、视频点击率较低。
[0003]因此，需要提供一种通用的视频封面确定方法，用于生成高质量的视频封面，提升用户的浏览体验。

技术实现思路

[0004]本说明书实施例提供一种生成封面图像的方法、装置和设备，以解决现有视频内容的封面图像的质量低、用户浏览体验不佳的问题。
[0005]为解决上述技术问题，本说明书实施例是这样实现的：
[0006]本说明书实施例提供的一种生成封面图像的方法，包括：
[0007]获取待生成封面图像的目标视频；
[0008]采用至少两种候选帧提取方式，从所述目标视频中提取封面候选图，得到封面候选图集合；
[0009]采用预先训练的图像质量打分模型，计算所述封面候选图集合中各封面候选图的图像质量分；
[0010]基于所述图像质量分，确定符合预设条件的封面候选图；
[0011]基于所述符合预设条件的封面候选图，生成所述目标视频的封面图像。
[0012]本说明书实施例提供的一种生成封面图像的装置，包括：
[0013]视频获取模块，用于获取待生成封面图像的目标视频；
[0014]候选帧提取模块，用于采用至少两种候选帧提取方式，从所述目标视频中提取封面候选图，得到封面候选图集合；
[0015]图像质量打分模块，用于采用预先训练的图像质量打分模型，计算所述封面候选图集合中各封面候选图的图像质量分；
[0016]封面候选图筛选模块，用于基于所述图像质量分，确定符合预设条件的封面候选图；
[0017]封面图像生成模块，用于基于所述符合预设条件的封面候选图，生成所述目标视频的封面图像。
[0018]本说明书实施例提供的一种生成封面图像的设备，包括：
[0019]至少一个处理器；以及，
[0020]与所述至少一个处理器通信连接的存储器；其中，
[0021]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，以使所述至少一个处理器能够：
[0022]获取待生成封面图像的目标视频；
[0023]采用至少两种候选帧提取方式，从所述目标视频中提取封面候选图，得到封面候选图集合；
[0024]采用预先训练的图像质量打分模型，计算所述封面候选图集合中各封面候选图的图像质量分；
[0025]基于所述图像质量分，确定符合预设条件的封面候选图；
[0026]基于所述符合预设条件的封面候选图，生成所述目标视频的封面图像。
[0027]本说明书一个实施例至少能够达到以下有益效果：通过对于目标视频，采用至少两种候选帧提取方式从目标视频中提取封面候选图，并采用预先训练的图像质量打分模型计算各封面候选图的图像质量分，然后基于图像质量分确定出符合预设条件的封面候选图，进而生成所述目标视频的封面图像，由此，提供了一种为视频自动生成封面图像的方法，由于封面候选图的选取角度丰富且筛选封面图像的过程使用模型打分，使得生成的封面图像的质量高、视觉效果好，能够提升用户的视频浏览体验。
附图说明
[0028]为了更清楚地说明本说明书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申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0029]图1为本说明书实施例提供的一种生成封面图像的方法的流程示意图；
[0030]图2为本说明书实施例提供的一种实际应用场景下，生成封面图像的方法的流程示意图；
[0031]图3为本说明书实施例提供的对应于图1的一种生成封面图像的装置的结构示意图；
[0032]图4为本说明书实施例提供的对应于图1的一种生成封面图像的设备的结构示意图。
具体实施方式
[0033]为使本说明书一个或多个实施例的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书一个或多个实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书的一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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，都属于本说明书一个或多个实施例保护的范围。
[0034]应当理解，尽管在本申请文件中可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。
[0035]以下结合附图，详细说明本说明书各实施例提供的技术方案。
[0036]在直播或短视频平台中，有较多的用户上传短视频内容供其他用户观看。但是，其中部分直播或短视频内容所选取的封面图像存在美观度不足、清晰度低、存在黑边等各种图像质量低的问题，由此导致观看体验较差、点击率较低。
[0037]为了解决现有技术中的缺陷，本说明书实施例提出了一种通用的智能视频封面图像生成方法，用于生成高质量的视频封面图像，提升用户浏览体验。
[0038]接下来，将针对说明书实施例提供的一种生成封面图像的方法结合附图进行具体说明。
[0039]图1为本说明书实施例提供的一种生成封面图像的方法的流程示意图。
[0040]从程序角度而言，流程的执行主体可以为搭载于应用服务器或应用终端的程序。可以理解，该方法可以通过任何具有计算、处理能力的装置、设备、平台、设备集群来执行。
[0041]如图1所示，该流程可以包括以下步骤：
[0042]步骤102：获取待生成封面图像的目标视频。
[0043]其中，目标视频可以是用户上传到直播或视频平台中的视频。通常，在其他用户查看目标视频的视频内容之前，会先看到视频的封面图像。
[0044]目前，目标视频的封面图像通常可以由上传目标视频的用户来指定或设置。具体地，用户可以指定目标视频中的某一帧作为封面图像，或者，用户可以基于目标视频中的一帧或多帧图像经处理后得到封面图像。在本说明书的实施例中，将上传目标视频的用户指定或设置的封面图像称为预设封面图。
[0045]在本说明书的实施例中，为了解决预设封面图的质量不稳定、质量不高、视觉效果差，进而导致其他用户对目标视频的浏览体验差、点击率低等问题，由图1的流程的执行主体(用户终端或服务器)来自动为目标视频生成封面图像。
[0046]在自动生成封面图像时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种生成封面图像的方法，包括：获取待生成封面图像的目标视频；采用至少两种候选帧提取方式，从所述目标视频中提取封面候选图，得到封面候选图集合；采用预先训练的图像质量打分模型，计算所述封面候选图集合中各封面候选图的图像质量分；基于所述图像质量分，确定符合预设条件的封面候选图；基于所述符合预设条件的封面候选图，生成所述目标视频的封面图像。2.如权利要求1所述的方法，所述至少两种候选帧提取方式，具体包括以下三种方式中的至少两种方式：计算所述目标视频中各相邻帧对之间的帧差；将所述帧差大于预设帧差阈值的相邻帧对确定为场景切换帧；将所述场景切换帧确定为封面候选图；采用预设的帧聚类算法，对所述目标视频中的全部视频帧进行聚类，得到若干视频帧簇；从所述若干视频帧簇中，确定封面候选图；将所述目标视频中的完整编码帧确定为封面候选图。3.如权利要求1所述的方法，还包括：获取所述目标视频的预设封面图，作为封面候选图。4.如权利要求1所述的方法，所述采用预先训练的图像质量打分模型，计算所述封面候选图集合中各封面候选图的图像质量分之前，还包括：从所述封面候选图集合中，过滤掉符合预设过滤条件的封面候选图。5.如权利要求4所述的方法，所述预设过滤条件具体包括：所述封面候选图的方差小于预设的方差阈值；或者，所述封面候选图的拉普拉斯方差小于预设的拉普拉斯方差阈值；或者，所述封面候选图的方差小于预设的方差阈值并且所述封面候选图的拉普拉斯方差小于预设的拉普拉斯方差阈值。6.如权利要求4所述的方法，所述预设过滤条件具体包括：所述封面候选图的整体亮度值小于第一亮度阈值；或者，所述封面候选图中亮度值小于第二亮度阈值的像素点的比例大于第一比例阈值；或者，所述封面候选图的整体亮度值小于第一亮度阈值并且所述封面候选图中亮度值小于第二亮度阈值的像素点的比例大于第一比例阈值。7.如权利要求4所述的方法，所述预设过滤条件具体包括：所述封面候选图的整体亮度值大于第三亮度阈值；或者，所述封面候选图中亮度值大于第四亮度阈值的像素点的比例大于第二比例阈值；或者，
所述封面候选图的整体亮度值大于第三亮度阈值并且所述封面候选图中亮度值大于第四亮度阈值的像素点的比例大于第二比例阈值。8.如权利要求1所述的方法，所述采用预先训练的图像质量打分模型，计算所述封面候选图集合中各封面候选图的图像质量分，具体包括：采用预先训练的视觉效果检测模型，得到各封面候选图的视觉效果分；所述视觉效果检测模型是基于第一样本集和第二样本集训练得到的；所述第一样本集中包括人工打分的第一图片，所述第一图片的第一标签分是基于人工打分确定的；所述第二样本集中包括对原始图片加噪声处理得到的第二图片，所述第二图片的第二标签分是基于所述第二图片相比于所述原始图片的损失程度值确定的；基于所述各封面候选图的所述视觉效果分，计算所述各封面候选图的图像质量分。9.如权利要求8所述的方法，所述采用预先训练的视觉效果检测模型，得到各封面候选图的视觉效果分之前，还包括：获取带标签的训练样本集；所述训练样本集包括所述第一样本集和所述第二样本集；基于所述训练样本集，对卷积神经网络模型进行训练，得到视觉效果检测模型。10.如权利要求9所述的方法，所述获取带标签的训练样本集之前，还包括：获取原始图片集合；对所述原始图片集合中的原始图片进行加噪处理，得到...

【专利技术属性】
技术研发人员：张泽华，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：