一種視頻標簽的添加方法和添加系統技術方案

本發明專利技術提供一種視頻標簽的添加方法及添加系統，該方法包括對視頻進行解析，抽取各視頻幀內的I禎，判斷第N個I幀和第N+1個I幀是否相似，將相似的第N個I幀和第N+1個I幀放入相同的緩存區內，如果不相似，將第N個I幀和第N+1個I幀分別放入不同的緩存區內，為各I幀注錄關鍵詞，獲取各關鍵詞對應的權值，計算標準權值，根據標準權值為視頻添加視頻標簽；該添加方法和系統能夠根據視頻中各場景的不同，分別為不同場景添加不同的視頻標簽，進而便于觀眾對感興趣的某段視頻進行搜索和管理，提高視頻標簽添加的準確率。

Method for adding video label and adding system

The present invention provides a method to add video tags and add the system, the method includes the analysis of the video, the video frame extraction in I frames, N frames and the judge N+1 I-frame is similar, with similar N and N+1 frames in I frame buffer within the same, if no similar article N and article N+1 I-frame I-frames were placed in the buffer in different recorded keywords for each I-frame note, to obtain the corresponding keyword weights, calculate the standard weight, add video tags for video according to the standard weight; the adding method and the system can according to the scene in the video, respectively. Different scenes add different video labels, thus facilitate the audience to search and management of a video of interest, to improve the accuracy of Video Tags added.

【技術實現步驟摘要】
一種視頻標簽的添加方法和添加系統
本專利技術涉及一種視頻點播領域，特別涉及一種視頻標簽的添加方法和添加系統。
技術介紹
視頻是由多個視頻幀組成的，每個視頻幀又包括：I幀：是一個全幀壓縮編碼幀，也叫幀內編碼幀，因此I幀的數據量一般比較大，I幀不需要參考其他幀而生成，它是P幀或是B幀的參考幀，解碼時僅用I幀就可以重構一個完整的圖像。P幀：是一個前向預測編碼幀，也稱為幀間編碼幀，P幀需要參考前面的與其相鄰的I幀或P幀而生成，同時它也是其他P幀或者B幀的參考幀，解碼時必須依賴其前面的I幀或P幀才可以重構出完整的圖像。B幀：是一個雙向預測編碼幀，它也是一個幀間編碼幀，B幀需要參考前面的I幀或P幀或后面的P幀生成，B幀不作為其它幀的參考幀，因此它的解碼錯誤不會造成錯誤擴散，但是B幀解碼時必須依賴I幀或P幀才可重構出完整的圖像。現有視頻標簽的添加方法主要是在視頻拍攝結束后進行處理，針對用戶感興趣視頻幀、特殊場景以及視頻自身的文件信息添加視頻標簽，視頻標簽多為文字形式，添加的視頻標簽主要用于視頻搜索和管理?，F有視頻標簽添加的方法具有如下缺點：在視頻后期進行處理，不能同步處理；現有的視頻標簽和視頻本身沒有互動功能，視頻標簽多為靜態形式，不能在視頻過程中動態展示和加載，不能對視頻的某一畫面或者某一用戶感興趣對象進行直觀地說明和跟蹤突出顯示；為了解決上述技術問題，CN103780973公開了一種視頻標簽添加方法及裝置，該方法主要是在視頻拍攝過程中人為選擇感興趣的圖像然后添加視頻標簽，該技術存在的問題是，人為隨機選擇的圖像可能存在著多個場景的圖片信息，為該視頻添加視頻標簽時可能存在著添加不準確，進而影響對視頻的管理和搜索。
技術實現思路
為了解決現有技術中的問題，本專利技術提供一種視頻標簽的添加方法和添加系統，該視頻標簽的添加方法和添加系統能夠根據視頻中各場景的不同，分別為不同場景添加不同的視頻標簽，進而便于觀眾對感興趣的某段視頻進行搜索和管理，提高視頻標簽添加的準確率。本專利技術具體技術方案如下：本專利技術提供一種視頻標簽的添加方法，該方法包括如下步驟：S1：對視頻進行解析，獲取組成該視頻的各視頻幀，并按播放順序為各視頻幀進行編號；S2：按順序抽取各視頻幀內的I禎，每個I幀的編號與各視頻幀編號相對應；S3：判斷第N個I幀和第N+1個I幀是否相似，N≥1，如果相鄰兩I幀相似，將第N個I幀和第N+1個I幀放入相同的緩存區內，否則，將第N個I幀和第N+1個I幀分別放入不同的緩存區內，并對各緩存區進行編號；S4：為各緩存區內的各I幀注錄關鍵詞，獲取各關鍵詞對應的權值；S5：根據各I幀關鍵詞所對應的權值計算各緩存區內所有I幀對應的標準權值；S6：根據標準權值為視頻添加視頻標簽。進一步的改進，步驟S6根據標準權值為視頻添加視頻標簽具體方法為：S61：從數據庫中選擇出各緩存區的標準權值所對應的視頻標簽；S62：統計各緩存區內第一個I幀所對應的視頻幀在視頻中的位置信息；S63：分別為選擇出的視頻標簽創建二維碼；S64：分別將步驟S63創建的二維碼與步驟S62選擇的各位置信息進行關聯；S65：將各緩存區內所有I幀所對應的視頻幀按照播放順序編號重新加載時間戳；S66：將步驟S65加載的各緩存區內所有I幀對應的視頻幀的時間戳與步驟S64經過關聯處理的相應的二維碼進行關聯。進一步的改進，步驟S5根據以下公式計算各緩存區內所有I幀對應的標準權值Q總其中，k表示各緩存區內I幀的個數，Qk表示第k個I幀的權值，fk表示第k個I幀在緩存區內所有I幀中所占的比重。進一步的改進，步驟S4具體方法為：S41：用已知的帶有權值的關鍵詞對卷積神經網絡模型進行訓練，獲取權值模型；S42：為各緩存區內的各I幀注錄關鍵詞；S43：將步驟S42注錄的關鍵詞輸入到權值模型中，獲得各關鍵詞對應的權值。進一步的改進，步驟S3具體方法如下：S31：根據如下公式計算第N個I幀和第N+1個I幀的比值X；其中，HN和HN+1分別表示第N個I幀和第N+1個I幀的DC圖像的直方圖；S32：判斷比值X與比值閾值的大小，當比值X大于比值閾值時進行步驟S33，否則進行步驟S34；S33：將第N個I幀和第N+1個I幀分別放入不同的緩存區內；S34：計算第N個I幀、第N+1個I幀和第N+2個I幀內每相鄰兩I幀的差值，并進行處理，進而判斷出第N個I幀和第N+1個I幀是否相似。進一步的改進，步驟S34的具體方法為：S341：計算第N個I幀和第N+1個I幀的差值A1，及第N+1個I幀和第N+2個I幀的差值A2；S342：將差值A1和差值A2分別做求和及求差處理，分別得A和及A差；S343：判斷A和與閾值T1的大小，并判斷A差與閾值T2的大小，如果A和＞閾值T1，且A差＜閾值T2，進行步驟S33，如果閾值T2＜A和、A差＜閾值T1，T1＞閾值T2+差值A1，則進行步驟S344；步驟S344：將第N個I幀和第N+1個I幀放入相同的緩存區內。本專利技術另一方面提供一種視頻標簽的添加系統，該添加系統包括服務器和與所述服務器相同的數據庫，所述服務器包括：視頻處理模塊，用于對視頻進行解析，獲取組成該視頻的各視頻幀，并按播放順序為各視頻幀進行編號；I幀抽取模塊，用于從各視頻幀中抽取各視頻幀內的I禎，每個I幀的編號與各視頻幀編號相對應；判斷模塊，用于判斷第N個I幀和第N+1個I幀是否相似，N≥1，如果相連兩I幀相似，將第N個I幀和第N+1個I幀放入相同的緩存區內，否則，將第N個I幀和第N+1個I幀分別放入不同的緩存區內，并對各緩存區進行編號；關鍵詞權值獲取模塊，用于為各緩存區內的各I幀注錄關鍵詞，獲取各關鍵詞對應的權值；標準權值計算模塊，用于根據各I幀關鍵詞所對應的權值計算各緩存區內所有I幀對應的標準權值；視頻標簽添加模塊，用于根據標準權值為視頻添加視頻標簽。進一步的改進，視頻標簽添加模塊包括：選擇子模塊，用于從數據庫中選擇出各緩存區的標準權值所對應的視頻標簽；統計子模塊，用于統計各緩存區內第一個I幀所對應的視頻幀在視頻中的位置信息；二維碼創建子模塊，用于分別為選擇出的視頻標簽創建二維碼；二維碼關聯子模塊，用于分別將創建的二維碼與統計子模塊選擇的各位置信息進行關聯；時間戳加載子模塊，用于將各緩存區內所有I幀所對應的視頻幀按照播放順序編號重新加載時間戳；時間戳關聯子模塊，用于將時間戳加載子模塊加載的各緩存區內所有I幀對應的視頻幀的時間戳與二維碼關聯子模塊進行關聯處理后對應的二維碼進行關聯。進一步的改進，判斷模塊包括：計算子模塊，用于根據如下公式計算第N個I幀和第N+1個I幀的比值X；其中，HN和HN+1分別表示第N個I幀和第N+1個I幀的DC圖像的直方圖；比值判斷子模塊，用于判斷比值X與比值閾值的大小；第一處理子模塊，當比值判斷子模塊判斷比值X大于比值閾值時，用于將第N個I幀和第N+1個I幀分別放入不同的緩存區內；第二處理子模塊，當比值判斷子模塊判斷比值X不大于比值閾值時，計算第N個I幀、第N+1個I幀和第N+2個I幀內每相鄰兩I幀的差值，并進行處理，進而判斷出第N個I幀和第N+1個I幀是否相似。進一步的改進，第二處理子模塊包括：第一計算單元，用于計算第N個I幀和第N+1個I幀的差值A1，及第N+1個I幀和第N+2個I幀的差值A2；本文檔來自技高網...

【技術保護點】
一種視頻標簽的添加方法，其特征在于，所述添加方法包括如下步驟：S1：對視頻進行解析，獲取組成該視頻的各視頻幀，并按播放順序為各視頻幀進行編號；S2：按順序抽取各視頻幀內的I禎，每個I幀的編號與各視頻幀編號相對應；S3：判斷第N個I幀和第N+1個I幀是否相似，N≥1，如果相鄰兩I幀相似，將第N個I幀和第N+1個I幀放入相同的緩存區內，否則，將第N個I幀和第N+1個I幀分別放入不同的緩存區內，并對各緩存區進行編號；S4：為各緩存區內的各I幀注錄關鍵詞，獲取各關鍵詞對應的權值；S5：根據各I幀關鍵詞所對應的權值計算各緩存區內所有I幀對應的標準權值；S6：根據標準權值為視頻添加視頻標簽。

【技術特征摘要】
1.一種視頻標簽的添加方法，其特征在于，所述添加方法包括如下步驟：S1：對視頻進行解析，獲取組成該視頻的各視頻幀，并按播放順序為各視頻幀進行編號；S2：按順序抽取各視頻幀內的I禎，每個I幀的編號與各視頻幀編號相對應；S3：判斷第N個I幀和第N+1個I幀是否相似，N≥1，如果相鄰兩I幀相似，將第N個I幀和第N+1個I幀放入相同的緩存區內，否則，將第N個I幀和第N+1個I幀分別放入不同的緩存區內，并對各緩存區進行編號；S4：為各緩存區內的各I幀注錄關鍵詞，獲取各關鍵詞對應的權值；S5：根據各I幀關鍵詞所對應的權值計算各緩存區內所有I幀對應的標準權值；S6：根據標準權值為視頻添加視頻標簽。2.如權利要求1所述的視頻標簽的添加方法，其特征在于，步驟S6根據標準權值為視頻添加視頻標簽具體方法為：S61：從數據庫中選擇出各緩存區的標準權值所對應的視頻標簽；S62：統計各緩存區內第一個I幀所對應的視頻幀在視頻中的位置信息；S63：分別為選擇出的視頻標簽創建二維碼；S64：分別將步驟S63創建的二維碼與步驟S62選擇的各位置信息進行關聯；S65：將各緩存區內所有I幀所對應的視頻幀按照播放順序編號重新加載時間戳；S66：將步驟S65加載的各緩存區內所有I幀對應的視頻幀的時間戳與步驟S64經過關聯處理的相應的二維碼進行關聯。3.如權利要求1所述的視頻標簽的添加方法，其特征在于，步驟S5根據以下公式計算各緩存區內所有I幀對應的標準權值Q總其中，k表示各緩存區內I幀的個數，Qk表示第k個I幀的權值，fk表示第k個I幀在緩存區內所有I幀中所占的比重。4.如權利要求1所述的視頻標簽的添加方法，其特征在于，步驟S4具體方法為：S41：用已知的帶有權值的關鍵詞對卷積神經網絡模型進行訓練，獲取權值模型；S42：為各緩存區內的各I幀注錄關鍵詞；S43：將步驟S42注錄的關鍵詞輸入到權值模型中，獲得各關鍵詞對應的權值。5.如權利要求1所述的視頻標簽的添加方法，其特征在于，步驟S3具體方法如下：S31：根據如下公式計算第N個I幀和第N+1個I幀的比值X；其中，HN和HN+1分別表示第N個I幀和第N+1個I幀的DC圖像的直方圖；S32：判斷比值X與比值閾值的大小，當比值X大于比值閾值時進行步驟S33，否則進行步驟S34；S33：將第N個I幀和第N+1個I幀分別放入不同的緩存區內；S34：計算第N個I幀、第N+1個I幀和第N+2個I幀內每相鄰兩I幀的差值，并進行處理，進而判斷出第N個I幀和第N+1個I幀是否相似。6.如權利要求5所述的視頻標簽的添加方法，其特征在于，步驟S34的具體方法為：S341：計算第N個I幀和第N+1個I幀的差值A1，及第N+1個I幀和第N+2個I幀的差值A2；S342：將差值A1和差值A2分別做求和及求差處理，分別得A和及A差；S343：判斷A和與閾值T1的大小，并判斷A差與閾值T2的大小，如果A和＞閾值T1，且A差＜閾值T2，進行步驟S33，如果閾值T2＜A和、A差＜閾值T1，T1＞(閾值T2+差值A1)，則進行步驟S344；步驟S344：將第N個I幀和第N+1個I幀放入相同的緩存區內。7.一種視頻標簽的添加系統，其特...

【專利技術屬性】
技術研發人員：紀琦華，蒲珂，方宏，曾澤基，李哲山，胡彬，陳傳海，蔡忠善，張毅萍，魏明，蔡輝，
申請(專利權)人：中廣熱點云科技有限公司，
類型：發明
國別省市：北京,11